HUBUNGAN BIOSTATISTIK DENGAN PENELITIAN

(1)

HUBUNGAN BIOSTATISTIK

DENGAN PENELITIAN

(2)

Penelitian

•

Pengamatan terhadap suatu

masalah/ fenomena

•

Pembuktian ilmiah yang bersifat

empiris dan logis

(3)

Biostatistik

•

Metode statistika yang diterapkan

pada bidang ilmu biologi, farmasi,

kedokteran, dan kesehatan (irham,

2007)

•

Bertujuan untuk mengeneralisasi

kesimpulan dari suatu masalah.

(4)

Jenis-jenis Statistik

•

Deskriptif

menganalisis data yg tlh terkumpul

dlm bentuk deskripsi

tanpa membuat

kesimpulan

atau generalisasi.

•

Inferensial

membuat kesimpulan/generaliasi

(5)

Macam

statistik

Macam

statistik

Statistik deskriptif

Statistik Inferensial

Statistik Parametris

(6)

METODE PENELITIAN :

Prosedur atau langkah-langkah teratur dan sistematik dalam menghimpun pengetahuan untuk dijadikan ilmu.

Teknik Penelitian : Cara dan alat (termasuk kemahiran membuat dan

menggunakannya) yang diperlukan untuk mencapai tujuan penelitian.

Teknik Penelitian :

1. Bagaimana cara melakukan penelitian

(7)

1. Persiapan

Pelaksanaan Penelitian, terdiri atas 4 fase

kegiatan :

3. Pengolahan data/

informasi

-

menetapkan/merumuskan/mengidentifkasi masalah,

- menyusun kerangka pikiran/pendekatan masalah

- Merumuskan hipotesis

- Menentukan rancangan uji hipotesis/teknik

analisis

-

menetapkan/merumuskan/mengidentifkasi masalah,

- menyusun kerangka pikiran/pendekatan masalah

- Merumuskan hipotesis

- Menentukan rancangan uji hipotesis/teknik

analisis- Teknik pengumpulan data

-_{Masih berubungan dengan}

Pengujian

hioptesis dan/teknik analisis

-_{Teknik pengumpulan data} -_{Masih berubungan dengan}

Pengujian

hioptesis dan/teknik analisis

-_{Berhubungan dengan langah}

pembahasan

dan penarikan kesimpulan

-_{Berhubungan dengan langah}

pembahasan

dan penarikan kesimpulan

- Masih berhubungan dengan pengujian

hipotesis/teknik analisis

.

- Masih berhubungan dengan pengujian

hipotesis/teknik analisis

.

4. Penulisan Laporan Penelitian

2. Pengumpulan data/

(8)

Langkah-Langkah Penelitian

Langkah-Langkah

Penelitian Fase Kegiatan Fase Kegiatan

1. Menetapkan/merumuskan/ identifkasi masalah

Persiapan Persiapan

4. Menguji hipotesis/analisis - Rancangan

- Data/informasi yang diperlukan

- Analisis/Interpretasi

4. Menguji hipotesis/analisis - Rancangan

- Data/informasi yang diperlukan - Analisis/Interpretasi Pengumpula n data/informa si Pengumpula n data/informa si 5. Pembahasan

5. Pembahasan Penyusun an/ Penulisan Laporan Penyusun an/ Penulisan Laporan 2. Menyusun kerangka

pikir/pendekatan masalah 2. Menyusun kerangka pikir/pendekatan masalah

3. Merumuskan hipotesis 3. Merumuskan hipotesis

(9)

Desain

Penelitian

Menyusun

Instrumen

Penarikan Sampel

Uji Coba

Pengumpulan Data

Analisis Data

Pengolahan Data

Pembahasan Hasil

Analisis

Penulisan Laporan

PROSES

PENELITIA

N

(10)

Unsur-unsur pokok Desain

penelitian

Unsur-unsur pokok Desain

penelitian

Konseptualisasi

Masalah

Konseptualisasi

Masalah

Metodolog

i

Metodolog

i

LATAR BELAKANG

- Latar Belakang Masalah

- Gejala-2 Umum dan Khusus

- Perumusan Masalah - Siginifkansi

Penelitian

LATAR BELAKANG

- Latar Belakang Masalah

- Gejala-2 Umum dan Khusus

- Perumusan Masalah - Siginifkansi

Penelitian TUJUAN - Tujuan - Hipotesis TUJUAN - Tujuan - Hipotesis KERANGKA HIPOTESIS

Defnisi Operasional, Indikator Empiris Pengukuran, Kerangka Hubungan

KERANGKA HIPOTESIS

Defnisi Operasional, Indikator Empiris Pengukuran, Kerangka Hubungan

PENARIKAN SAMPEL

Satuan Analisis, populasi, sampel

PENARIKAN SAMPEL

Satuan Analisis, populasi, sampel

METODE PENGUMPULA DATA METODE PENGUMPULA DATA

ANALISIS DATA : - Analisi Pendahuluan, - Analisis Lanjutan

(11)

I. Analisis Pendahuluan I. Analisis Pendahuluan 1. Editing (Penyuntingan) 1. Editing (Penyuntingan) 1. Pengolahan

data

1. Pengolahan data

2. Analisis Deskriptif 2. Analisis Deskriptif

1. Tabel distribusi 1. Tabel distribusi

II. Analisis Uji Hipotesis II. Analisis Uji Hipotesis

2. Coding (Pemberia kode)

3. sheet (Tabel Induk) 3. sheet (Tabel Induk)

ANALISIS DATA

2. Diagram/Histogram 2. Diagram/Histogram

3. Ukuran tendensi pusat.

4. Estimasi Parameter 4. Estimasi Parameter

1. SOFT WARE :

MS-EXCEL, SPSS, MINITAB, SAS

2. Kalkulator (terpaksa) 1. SOFT WARE :

MS-EXCEL, SPSS, MINITAB, SAS

(12)



Rencana Pengumpulan



Pengumpulan



Sortir



Tabulasi



Aanalisi



Uji Hpotesis



Interpretasi



Penarikan Kesimpulan

(13)

13

ANALISIS DESKRIPTIF

ANALISIS

DESKRIPTIF

Variabel Nominal dan Ordinal Variabel Nominal dan Ordinal

Tabel/Distribusi Frekuensi

Diagram Diagram

Ukuran Dispersi Ukuran Dispersi

(14)

Variabel

Variabel Kondisi-kondisi yang oleh peneliti dimanipulasikan, dikontrol atau

diobservasi

dalam suatu penelitian

Kondisi-kondisi yang oleh peneliti dimanipulasikan, dikontrol atau

diobservasi

dalam suatu penelitian

Segala sesuatu yg akan menjadi obyek

pengamatan penelitian

Segala sesuatu yg akan menjadi obyek

(15)

Diperlukan Skala pengukuran Diperlukan Skala

pengukuran

Amir , Ucu Tene, ina Aco, rahim Abdul, tuti

Jenis kelamin

Tinggi badan, berat badan,

Rambut, mata, hobi, pendidikan, dll Jenis kelamin

Tinggi badan, berat badan,

Rambut, mata, hobi, pendidikan, dll Diukur menggunakan

alat

Diukur menggunakan alat

Alat harus punya skala Alat harus punya skala Variabel

Variabel - Dapat Membedakan antara yang satu unit

pengamatan dengan lainnya

- Mempunyai ciri yang dapat membedakan - Perbedaan obyek terletak pada ukuran - Dapat Membedakan antara yang satu unit

pengamatan dengan lainnya

(16)

Jumlah dan Macam Variabel Jumlah dan Macam Variabel

Banyaknya variabel sangat tergantung dari tuntutan

peneletian (sederhana atau sulitnya penelitian) Banyaknya variabel sangat

tergantung dari tuntutan peneletian (sederhana atau sulitnya penelitian)

Semakin sederhana penelitian,

semakin

sederhana atau sedikit varabel yg

digunakan

Semakin sederhana penelitian,

semakin

sederhana atau sedikit varabel yg

digunakan

Var. menurut fungsinya

Var. Tergantung Var. Bebas Var. Intervening Var. Moderator Var. Kendali Var. Rambang Var. Tergantung Var. Bebas Var. Intervening Var. Moderator Var. Kendali Var. Rambang

Var menurut jenis

data

Var menurut jenis

data

Var. Dikrit Var. Kontinu

(17)

Variabel diskrit : diukur dengan bilangan diskrit (bilangam bulat)

Diperoleh dengan cara menghitung , misalnya jumlah orang, jml anak dsb.

Variabel diskrit : diukur dengan bilangan diskrit (bilangam bulat)

Diperoleh dengan cara menghitung , misalnya jumlah orang, jml anak dsb.

Variabel kontinu : diukur dengan bilangan kontinu (bilangan real)

Diperoleh dari cara mengukur (ada satuan), mis: tinggi badan 165 cm badan 65 kg, umur 45 th, dsb.

Variabel kontinu : diukur dengan bilangan kontinu (bilangan real)

Diperoleh dari cara mengukur (ada satuan), mis: tinggi badan 165 cm badan 65 kg, umur 45 th, dsb.

Variabel dependen = var.respon (var.tdk bebas) : nilainya tergantung dari nilai variabel lain.

Variabel independen =var.prediktor (var. bebas) : nilainya tdk tergantung dari nilai variabel lain. Contoh harga merupakan var.indenpenden dari jml

penjualan.

Variabel independen =var.prediktor (var. bebas) : nilainya tdk tergantung dari nilai variabel lain. Contoh harga merupakan var.indenpenden dari jml

(18)

Studi komparatif prestasi belajar Mahasiswa Ners smtr III yg mengajarnya

menggunakan metode Student Centre Learning (SCL) dengan Metode

Konvensional

Studi komparatif prestasi belajar Mahasiswa Ners smtr III yg mengajarnya

menggunakan metode Student Centre Learning (SCL) dengan Metode

Konvensional

Prestasi belajar : var. tergantung (respon) Prestasi belajar : var. tergantung (respon)

Metode SCL & Konvesional : var. bebas (prediktor)

Mhs Ners smtr III : var. Moderator Mhs Ners smtr III : var. Moderator

(19)

Sebab

Sebab HubunganHubungan AkibatAkibat

Var. bebas Var. bebas

Var.

Moderator Var.

Moderator

Var. Kendali Var. Kendali

Var.

Rambang Var.

Rambang

Var.

Interpennin g

Var.

Interpennin g

Var.

Tergantun g

Var.

(20)

Skala pengukuran Skala pengukuran

Skala Nominal

Skala Nominal Membeakan setiap obyek dgn lainnya dgn status sama : mis. Jenis kelamin : L = 1, P=2, Agama : 1=Islam, 2=Kristen,

3=Protesan, 4=Hindu, 5=Budha, Nomor kamar di hotel, jenis pekerjaan, dsb

Membeakan setiap obyek dgn lainnya dgn status sama : mis. Jenis kelamin : L = 1, P=2, Agama : 1=Islam, 2=Kristen,

3=Protesan, 4=Hindu, 5=Budha, Nomor kamar di hotel, jenis pekerjaan, dsb

Ciri : 1. bersifat membedakan

(deskriminatif), 2 bersiat ekualitas, yaitu kategori dalam var. ad. Sama 3. Simetris, yi. Dapat dipertkarkan, (4)

pengkategoriannya bersifat tuntas. Ciri : 1. bersifat membedakan

(deskriminatif), 2 bersiat ekualitas, yaitu kategori dalam var. ad. Sama 3. Simetris, yi. Dapat dipertkarkan, (4)

pengkategoriannya bersifat tuntas.

Skala Ordinal

Skala Ordinal Membedakan setiap obyek dgn lainnya dgn status tdk sama : mis. Var. kelas ekonomi : 1. ekonomi lemah, 2. ekonomi

menengah, 3. ekonomi menengah . Sehingga 1<2<3 atau 3>2>1,

Selisih antara 2 dgn 1 dan 3 dgn 2 tidak

selalu sama, shg tdk boleh dikurangkan. Membedakan setiap obyek dgn lainnya dgn status tdk sama : mis. Var. kelas ekonomi : 1. ekonomi lemah, 2. ekonomi

menengah, 3. ekonomi menengah . Sehingga 1<2<3 atau 3>2>1,

Selisih antara 2 dgn 1 dan 3 dgn 2 tidak

(21)

Skala Interval

Skala Interval antara 3-2 sama 2-1 intervalnya sama, shg pada skala ini dpt

dilakukan penambahan dan pengurangan

Ciri : titik nolnya bersifat arbitrer, yi. Diukur dari angka nol yg berbeda. Mis. Umur ayah 43 th,

umur anak 20 th, selisihnya 23 th. Namu titik nol yg berbeda,

krn dihitung dr tgl lahir yg berbeda (tdk multipler). antara 3-2 sama 2-1 intervalnya

sama, shg pada skala ini dpt dilakukan penambahan dan

pengurangan

Ciri : titik nolnya bersifat arbitrer, yi. Diukur dari angka nol yg berbeda. Mis. Umur ayah 43 th,

umur anak 20 th, selisihnya 23 th. Namu titik nol yg berbeda,

krn dihitung dr tgl lahir yg berbeda (tdk multipler). Skala Ratio

Skala Ratio Sama dgn skala interval, namun titik nolnya bersifat mutlak, mis. Berat dgn kg mempunyai

ttk nol yg sama, dimana saja dan kapan saja

Sama dgn skala interval, namun titik nolnya bersifat mutlak, mis. Berat dgn kg mempunyai

(22)

Ciri-ciri skala penguran

Skala

pengukuran Ciri matematikOperasi contoh

Nominal Klasifkasi Pembedaan Setara Tuntas Simetri A=B B=A Jenis Kelamin Agama, Stb Nomor kamar Ordinal Klasifkasi, pembedaan, berjenjang, interval tdk sama, tuntas Asimetri A>B>C, C<B<A

C-B tdk sama B-A

Status sosial Ekonomi

Interval Pembedaan

Interval sama

Titik nol : arbitrer

N= cN=k Skor 45, 75,

80

Ratio Sama skala

interval tp ttk nol mutlak

N = cN Berat 10 kg,

(23)

Pendidikan Jumlah

SD 23

SMP 45

SMA 15

Sarjan 4

Pascasarjan a

2

JUMLAH 87

Tabel/Distribusi Frekuensi Tabel/Distribusi Frekuensi

IP Jumlah

0,50 - 0,99 1

1,00 - 1,49 2

2,00 - 2,49 7

2,50 - 2,99 12

3,00 - 3,49 7

3,50 – 4,00 5

(24)

Diagram batang Diagram batang

SD SMP SMA SarjanaPascasarjana 0

5 10 15 20 25 30 35 40 45 50

Histogram Histogram

1

1 22

7 7

12 12

7 7

5

0,495

(25)

Analisis Variabel

Nominal Ordinal Interval/rato Distribusi

frekuensi kategorik kategorik numerik Diagram Bar chart Bar chart,

diagram poligon Ukuran

tendensi pusat

Modus Modus,medi

an Mean (rata-2 hitung)

Dispersi Indeks var.kum (IVK)

IVK Sd

Estimasi Proporsi Proporsi Mean

Hubungan antara analisis dan

variabel

(26)

Untuk mengetahui apakah hipotesis

diterima atau ditolak berdasarka

data yg telah dikumpulkan

II. Analisis Uji Hipotesis

Tidak menguji kebenaran hip.

Ttp menguji apakah hip.

Diterima atau ditolak.

(27)

8-HIPOTESIS 27

HIPOTESIS



Jawaban sementara yang

harus

diuji kebenarannya



Dirumuskan berdasarkan

Fakta,

Hasil Penelitian dan Teori



Acuan dalam melaksanakan

penelitian



Ada 2 Hipotesis: Ho dan H1



Diperlukan taraf signifkansi =

Tarafa nyata = Taraf kepercayaan

=

α



Jawaban sementara yang

harus

diuji kebenarannya



Dirumuskan berdasarkan

Fakta,

Hasil Penelitian dan Teori



Acuan dalam melaksanakan

penelitian



Ada 2 Hipotesis: Ho dan H1



Diperlukan taraf signifkansi =

(28)

KESIMPUL

AN

HIPOTESIS BENAR

HIPOTESIS

SALAH

TERIMA

HIPOTESIS Tdk ada kekeliruan KEKELIRUAN MACAM II (β) (kuasa uji = 1 – β) TOLAK

HIPOTESIS

KEKELIRUAN MACAM I

(taraf signifikansi α) Tdk ada _kekeliruan

MACAM KEKELIRUAN DALAM PENGUJIAN

HIPOTESIS

TARAF KEPERCAYAAN = SIGNIFICANCE LEVEL

a = 0.05 ATAU a = 0.01

TARAF KEPERCAYAAN = SIGNIFICANCE LEVEL

(29)

Alat analisis (uji

statistik)

Alat analisis (uji

statistik)

Statistik Z T Studen Uji F/Anova Chi square ( c₎

Analisis regresi korelasi, Analisis

Non parametrik dll

Statistik Z T Studen Uji F/Anova Chi square ( c₎

Analisis regresi korelasi, Analisis

Non parametrik dll

Tergantung pada :

1. Jumlah variabel dalam pernyataan hip.

(30)

1.

Jumlah

variabel

a. Univariate : hanya satu variabel dalam hip. Contoh : Prestasi belajar mahasiswa rendah

b. Bivariate : Terdapat dua variabel dalam hip. Contoh : Ada hub. Positf antara prestasi belajar

dengan motivasi belajar mahasiswa

c. Multivariate : Terdapat tiga atau > variabel dalam hip.

Contoh : Prestasi belajar mahasiswa dipengaruhi oleh

motivasi belajar , kondisi ekonomi dan lingkunga belajar

(31)

2 Model Hubungan, terdapat 5 macam hub.

a. Klasifkasi

b. Tipologi

d. Fungsional

3. Skala pengukuran.

b. Assosiatif

(32)

Variabel y Varabel X

Pengukura n

Univariate statistik

Dikotomi (k=2)

Bivariate (k>3)

Nominal Ordinal Interval/ Ratio

(1) (2) (3) (4) (5) (6)

Nominal p Beda p; c2 C VC2, Kruskall-Wallis

Anova

Ordinal p Beda p; beda

Md; Mann Whitney U-test; run tes

Kruskall

-Wallis Spearman;Rs; Kendall Kendall

Interval/ rato

µ Beda µ Anova Kendall Korelasi,

regresi

(33)

Langkah-langkah pengujian

hipotesis

a. Perumusan hipotesis

H0 : θ =

θo

H1 : θ ≠

θo

H0 : θ1 =

θ2

H1 : θ1 >

θ2

H0 : θ = θo

H1 : θ < θo

H0 : θ1 = θ2

H1 : θ1 ≠ θ2

H0 : θ = θo

H1 : θ > θo

H0 : θ1 =

θ2

H1 : θ1 <

θ2

θ : ditaksir

oleh

(34)

c. Penetapan Statistik

Uji

d. Perhitungan

e. Kesimpulan

Z hitung t hitung F hitung

c

hitung Z hitung

t hitung F hitung

c

hitung

Z tabel t tabel F tabel

c

tabel Z tabel t tabel F tabel

c

tabel

dibandingkan

Hitung > Tabel Ho ditolak

H1 diterima

Hitung > Tabel Ho ditolak

(35)

Beberapa hal yang masih lemah dalam

analasis data ( proposal )

1. Tidak masuk dalam kategori penelitian

( Desain)

2. Penentuan variabel : terkait dengan skala

pengukuran

3. Hubungan antara variabel

4. Data deskriptif yang seharusnya induktif

atau

sebaliknya.

5. Data kualitif yang perlu di kuantiatifkan

agar dapat diuji

secara statistika (penelitian teknik)

6. Penggunaan analisis Anova yang tidak

efesien,

sehingga menimbulkan konsekwensi

pembiayaan yang

tinggi (high cost).

(36)