Pengukuran Kesehatan
Ukuran Sentral:
•Mean atau Arithmetic Mean
•Median
•Modus
•Ukuran Variasi:
•Range
•Mean Deviasi
•Standar deviasi, Standar Error, 95%CI
•Coefisien Variasi
•Ukuran Posisi:
•Median
•Kuartil
•Desil
•Persentil
2
Mean atau Arithmetic Mean
Mean paling sering digunakan untuk menggambarkan ukuran pemusatan data
Rumus:
Contoh:Lama rawat 10 pasien (hari)
Data: 2, 3, 4, 2, 3, 5, 3, 6, ,3, 4
Nilai Mean=(2+3+4+2+3+5+3+6+3+4)/10=3.5 hari
Sifat nilai Mean
Proses perhitungannya melibatkan semua data
Sangat sensitif terhadap nilai ekstrim (kecil atau besar)
Data: 2, 3, 4, 2, 3, 5, 3, 31 , 3, 4
Nilai Mean=(2+3+4+2+3+5+3+20+3+4)/10=6.0 hari
6
31
3.5
6.0
n x
= x
n i
i1
Mean atau Arithmetic Mean
Bila terhadap seluruh data ditambah dengan konstanta c yaitu y
i=x
i+c, i=1,2…..n maka mean y=mean x + c
Contoh:Lama rawat 10 pasien (hari)
Data: 2, 3, 4, 2, 3, 5, 3, 6, 3, 4 dan Mean 3.5 hari
Masing-masing ditambah dengan angka 2
Data: 4, 5, 6, 4, 5, 7, 5, 8, 5, 6 dan Mean 5.3 atau (3.5+2) hari
Bila terhadap seluruh data dikalikan dengan konstanta c yaitu y
i=cx
ii=1,2…..n maka mean y=(mean x)(c)
Data: 2, 3, 4, 2, 3, 5, 3, 6, 3, 4 dan Mean 3.5 hari
Masing-masing dikali dengan angka 2
Data: 4, 6, 8, 4, 6, 10, 6, 12, 6, 8 dan Mean 7 atau (3.5x2) hari
4
Median(Med)
Median membagi data menjadi dua bagian yaitu 50% data berada di bawah nilai median dan 50%
data berada di atas nilai median
Proses perhitungannya
1. Mengurutkan data dari terkecil ke terbesar 2. Menentukan posisi median yaitu (n+1)/2 3. Menghitung nilai Median
Contoh:Lama rawat 10 pasien (hari )
Data: 2, 3, 4, 2, 3, 5, 3, 6, 3, 4
Di urutkan menjadi: 2,2,3,3,3, 3,4,4,5,6
Posisi median (10+1)/2=5.5
Nilai median adalah (3+3)/2=3 hari
Posisi median
Median(Med)
Median membagi data menjadi dua bagian yaitu 50% data berada di bawah nilai median dan 50%
data berada di atas nilai median
Proses perhitungannya
1. Mengurutkan data dari terkecil ke terbesar 2. Menentukan posisi median yaitu (n+1)/2 3. Menghitung nilai Median
Contoh:Lama rawat 9 pasien (hari )
Data: 2, 3, 4, 2, 3, 5, 3, 6, 3
Di urutkan menjadi: 2,2,3,3, 3 ,3,4,5,6
Posisi median (9+1)/2=5
Nilai median adalah =3 hari
Posisi median
6
Modus (Mod)
Secara kuantitatif nilai yang paling banyak muncul atau frekuensi paling besar
Proses perhitungannya
Mengurutkan data dari terkecil ke terbesar (mempermudah)
Satu modus (unimodal), dua modus (bimodal), dst
Tidak ada modus
Contoh:
Data: 2, 3, 4, 2, 3, 5, 3, 6, 3, 4, Mod=3
Data: 2, 3, 4, 2, 3, 5, 3, 2, 3, 2, Mod=2 dan 3
Data: 2, 3, 4, 5, 6, 7, 8, 9, Tidak ada Modus
Hubungan Empiris Mean, Median dan Modus
Mean=Med=Mod Mod Md Mean
Simetris ‘Skewness’ positif
‘Skewness’ negatif
Mean Med Mod
• Mean=Median=Modus simetris
• Modus<Median<Mean ‘Skewness’ Positif
• Mean<Median<Modus ‘Skewness’ Negatif Miring ke kanan
•Modus>Median>Mean ….miring ke kiri
8
Kelebihan dan Kekurangan Mean, Median dan Modus
Mean
Kelebihan Kekurangan
Mempertimbangkan semua nilai Sensitif /peka terhadap nilai ekstrim Dapat menggambarkan mean populasi Kurang baik untuk data heterogen Cocok untuk data homogen
Median
Tidak sensitif /peka terhadap nilai ekstrim Tidak mempertimbangkan semua nilai Cocok untuk data heterogen /homogen Kurang dapat menggambarkan mean pop
Modus
Tidak sensitif /peka terhadap nilai ekstrim Tidak mempertimbangkan semua nilai Cocok untuk data homogen/heterogen Kurang menggambarkan mean populasi
Modus bisa lebih dari satu atau tidak ada
Geometric Mean
Indeks harga alat medis 1978-1982
1978=102 1979=130
1980=173 1981=162
1982=121
Rata-rata indeks harga alat medis ?
Geometric Mean=GM
Log GM=(log 102 + log 130 + log 173 + log 162 + log 121)/5=2,1306
Antilog (log GM)=GM=135
10
Weighted Mean
Jumlah kunjungan dan tarif berobat
Tempat Tarif Jumlah Kunjungan
A Rp 10,000,- 10000
B Rp 15,000,- 30000
C Rp 8,000,- 6000
Rata-rata tarif berobat tiap kunjungan?
10000(Rp 10,000)+30000(Rp 15,000)+8000(Rp6000)
---=Rp 13,000 10000+30000+6000
Harmonic Mean
H= k / ( 1/x
i), i = 1,2,3,……k
Contoh:
Seorang calon staf baru di Asurnsi X ditargetkan harus membawa nasabah sebanyak 10 orang dalam jangka waktu 10 minggu sebagai prasyarat menjadi staf baru. Dari pengamatan saudara calon staf tersebut berhasil membawa nasabah sebanyak 3 orang pada minggu pertama, 2 nasabah pada minggu ke dua, 1 orang pada minggu ke tiga dan 1 nasabah pada minggu ke empat. Berapa rata-rata nasabah perminggu yang dapat dibawa calon staf tersebut
.
Hasilnya:
H= 4 / (1/3+1/2+1/1+1/1) = 1.41 orang
12
Ukuran Letak/Posisi Data
Median (membagi 2)
Kuartil (membagi 4)
Desil (membagi 10)
Persentil (membagi 10)
Ukuran Posisi Data
Kuartil
Kuartil membagi data menjadi 4 (empat) bagian yang sama
K1 (25%), K2 (50%) dan K3 (75%)
Kuartil 1 disimbol K1 merupakan 25% data ada di bawah atau sama dengan nilai K1.
Posisi kuartil Ki= i (n+1)/4 (i=1,2,3) (n= jml pengamatan)
Nilai kuartil (posisi median berada antara 2 titik)
Ki= x1 + [ posisi,?? (x2-x1) ]?? = desimal
Contoh
Data: 3 2 4 5 6 6 5 7 8 8 6 10 11 9
Urutkan: 2 3 4 55 6 6 67 8 8 910 11
Posisi K1 adalah 1x (14+1)/4=3.75 ada diantara posisi 3 dan 4
Nilai K1=4 + [0.75 (5-4)]=4.75
Posisi K2 adalah 2x (14+1)/4=7.5 ada diantara posisi 7 dan 8
Nilai K2=6 + [0.5 (6-6)]=6
Posisi K3 adalah 3x (14+1)/4=11.25 ada diantara posisi 11 dan 12
Nilai K3=8 + [0.25 (9-8)]=8.25
14
Ukuran Posisi Data
Kuartil
Kuartil membagi data menjadi 4 (empat) bagian yang sama
K1 (25%), K2 (50%) dan K3 (75%)
Kuartil 1 disimbol K1 merupakan 25% data ada di bawah atau sama dengan nilai K1.
Posisi kuartil Ki= i (n+1)/4, i=1,2,3 n= jml pengamatan
Nilai kuartil (berada pd 1 titik) Nilai pada posisi tsb
Contoh
Data: 3 2 4 5 6 6 5 7 8 8 6 10 11 9 12
Urutkan: 2 3 4 55 6 6 67 8 8 9 10 11 12
Posisi K1 adalah 1x (15+1)/4= 4 ada di posisi 4
Nilai K1=5
Posisi K2 adalah 2x (15+1)/4=8 ada di posisi 8
Nilai K2=6
Posisi K3 adalah 3x (15+1)/4=12 ada di posisi 12
Nilai K3=9
Ukuran Posisi Data
Kuartil
Kuartil membagi data menjadi 4 (empat) bagian yang sama
K1 (25%), K2 (50%) dan K3 (75%)
Kuartil 1 disimbol K1 merupakan 25% data ada di bawah atau sama dengan nilai K1.
Posisi kuartil Ki= i (n+1)/4, i=1,2,3 n= jml pengamatan
Nilai kuartil (n = ganjil) Nilai pada posisi tsb
Contoh
Data: 3 2 4 5 6 6 5 7 8 8 6 10 9
Urutkan: 2 3 4 5 5 6 6 6 7 8 8 9 10
Posisi K1 adalah 1x (13+1)/4= 3,5 pd posisi 3 dan 4
Nilai K1=4 + 0,5 (5-4) = 4,5
Posisi K2 adalah 2x (13+1)/4=7,0 ada di posisi 7
Nilai K2=6
Posisi K3 adalah 3x (13+1)/4=10,5 ada diantara posisi 10 dan 11
Nilai K3=8 + 0,5 (8-8) = 8
16
Ukuran Posisi Data
Desil
Desil membagi data menjadi 10 (sepuluh) bagian yang sama
D1, D2, ……. , D9
Posisi Di= i (n+1)/10, i=1,2,3,4,5,6,7,8,9
Nilai desil (jika posisi desil berada antara 2 titik)
Di= x1 + [ posisi,?? (x2-x1) ]?? = desimal
Contoh
Data: 3 2 4 5 6 6 5 7 8 8 6 10 11 9
Urutkan: 2 3 4 5 5 6 6 6 7 8 8 9 10 11
Posisi D1 adalah 1 x (14+1)/10=1.5 ada diantara posisi 1 dan 2
Nilai D1=2 + 0.5 (3-2)=2.5
Posisi D5 adalah 5 x (14+1)/10=7.5 ada diantara posisi 7 dan 8
Nilai D2=6 + 0.5 (6-6)=6
Posisi D7 adalah 7 x (14+1)/10=10.5 ada diantara posisi 10 dan 11
Nilai D7=8 + 0.5 (8-8)=8
Ukuran Posisi Data
Desil
Desil membagi data menjadi 10 (sepuluh) bagian yang sama
D1, D2, ……. , D9
Posisi Di= i (n+1)/10, i=1,2,3,4,5,6,7,8,9
Nilai desil (jika posisi desil berada antara 2 titik)
Di= x1 + [ posisi,?? (x2-x1) ]?? = desimal
Contoh
Data: 3 2 4 5 6 6 5 7 8 8 6 10 11 9 12
Urutkan: 2 3 4 5 5 6 6 6 7 8 8 9 10 11 12
Posisi D1 adalah 1 x (15+1)/10=1.6 ada diantara posisi 1 dan 2
Nilai D1=2 + 0.6 (3-2)=2.6
Posisi D5 adalah 5 x (15+1)/10=8 ada di posisi 8
Nilai D5=6
Posisi D7 adalah 7 x (15+1)/10=11.2 ada diantara posisi 11 dan 12
Nilai D7=8 + 0.2 (9-8)=8.2
18
Ukuran Posisi Data
Persentil
Persentil membagi data menjadi 100 (seratus) bagian yang sama
P1, P2, ……. , P99
Pi= i (n+1)/100, i=1,2, ………, 99
Contoh
Data: 3 2 4 5 6 6 5 7 8 8 6 10 11 9
Urutkan: 2 3 4 5 5 6 6 6 7 8 8 9 10 11
Posisi P50 adalah 50 x (14+1)/100=7.5 ada diantara posisi 7 dan 8
Nilai D2=6 + 0.5 (6-6)=6
Posisi P75 adalah 75 x (14+1)/100=11.25 ada diantara posisi 11 dan 12
Nilai P75=8 + 0.25 (9-8)=8.25
Ukuran Variasi Data
Ukuran Variasi Mutlak Range
Mean Deviasi Standar Deviasi
Ukuran Variasi Relatif Koefisien variasi
20
Ukuran Variasi Data
Contoh:Lama rawat 10 pasien (hari) di Dua RS
RS A: 2,2,3,3,3,3,4,4,5,6 maka nilai Mean=3.5 hari
RS B: 1,1,2,3,3,3,4,5,5,8 maka nilai Mean=3.5 hari
RS A dan RS B mempunyai nilai Mean yang sama tetapi mempunyai variasi data yang berbeda
SD RS A= 1.27hari dan SD RS B=2.12hari
Bila hanya menampilkan informasi ukuran pemusatan data (misalnya Mean) ternyata ada informasi yang hilang tanpa mengikutsertakan ukuran variasi data.
Ukuran Variasi Data (Mutlak): Range, Mean Deviasi dan Standar Deviasi (SD)
Ukuran Variasi Data (Relatif): Coefficient of Variation (COV)
Range (Kisaran)
Ukuran variasi data yang paling sederhana dibandingkan dengan Mean Deviasi dan Standar Deviasi
Proses perhitungannya:
Urutkan data dari terkecil ke terbesar
Nilai Range adalah selisih dari data terbesar terhaap data terkecil
Contoh:Lama rawat 10 pasien (hari) di Dua RS
RS A: 2,2,3,3,3,3,4,4,5,6 maka nilai Range=4 hari
RS B: 1,1,2,3,3,3,4,5,5,8 maka nilai Range=7 hari
Nilai range juga sensitif terhadap nilai-nilai ekstrim besar atau kecil
22
Mean Deviasi
Rata-rata Penyimpangan (Mean Deviasi) dalam harga mutlak dari masing-masing pengamatan terhadap nilai Mean-nya
Contoh:Lama rawat 10 pasien (hari) di Dua RS
RS A: 2,2,3,3,3,3,4,4,5,6 dengan nilai mean=3.5 hari
RS A: (|2-3.5|+|2-3.5|+|3-3.5|+|3-3.5|+|3-3.5|+|3-3.5|+|4-3.5|+|4- 3.5|+|5-3.5|+|6-3.5|)/10 = 1hari
RS A: (1,5+1,5+0.5+0.5+0.5+0.5+0.5+0.5+1.5+2.5)/10 = 1 hr
RS B: 1,1,2,3,3,3,4,5,5,8 dengan nilai mean=3.5 hari
RS B: (|1-3.5|+|1-3.5|+|2-3.5|+|3-3.5|+|3-3.5|+|3-3.5|+|4-3.5|+|5- 3.5|+|5-3.5|+|8-3.5|)/10 =1.6hari
Ukuran Variasi Data
Standar Deviasi
Ukuran variasi data yang paling sering digunakan
Lebih menggambarkan variasi data yang sesungguhnya dibandingkan Range & mean deviasi
Rumus Standar Deviasi Sampel
1
1
2
n x x
= SD
n
i i
24
Standar Deviasi
Rata-rata kuadrat Penyimpangan dari masing-masing pengamatan terhadap nilai Mean-nya
Contoh:Lama rawat 10 pasien (hari) di Dua RS
RS A: 2,2,3,3,3,3,4,4,5,6 dengan nilai mean=3.5 hari
RS A: (2-3.5)
2+(2-3.5)
2+(3-3.5)
2+(3-3.5)
2+(3-3.5)
2+(3- 3.5)
2+(4-3.5)
2+(4-3.5)
2+(5-3.5)
2+(6-3.5)
2/10-1 = …..
RS A:
(1,5
2+1,5
2+0.5
2+0.5
2+0.5
2+0.5
2+0.5
2+0.5
2+1.5
2+2.5
2)/9
= 1.26
Ukuran Variasi Data
Coefisien Variasi (COV)
Koefisien variasi adalah rasio standar deviasi dengan mean yang dinyatakan dalam persen
Membandingkan variasi dua kelompok data yang mempunyai unit atau satuan pengukuran atau gradasi yang berbeda
Rumus
Contoh:
Mean BB=40.5 kg, SD=5 kg maka COV=(5/40.5)x100% =12.3%
Mean TB=167 cm, SD=12 cm maka COV=(12/167) x 100%=7.2%
% 100 x x
= SD COV
26
Kemiringan Distribusi Data (Skewness)
Mean=Med=Mod Mod Md Mean
Simetris ‘Skewness’ positif
‘Skewness’ negatif
Mean Med Mod
‘Skewness’ 0
SD Med atau x
SD Mod
=x 3( )
Pearson
Keruncingan distribusi data (Kurtosis)
Mesokurtis = 4= 3 Leptokurtis= 4 >3 Platykurtis = 4 < 3
x
y
44 4
) (
nSD x x
i
28
Contoh soal
Diketahui dari 200 mhs, rata2 berat badannya adalah 60 kg, median 50,01kg Std Deviasi 12 kg, minimum 45kg, dan maksimum 80 kg.
Hitunglah berapa org mhs yg memiliki berat badan <50kg?
Hitunglah berapa org mhs yg memiliki
berat badan >50kg?
Contoh soal
Diketahui dari 200 mhs, rata2 berat badannya adalah 60 kg, kuartil-1 45,01kg, Std Deviasi 12 kg, minimum 40kg, dan maksimum 80 kg.
Hitunglah berapa org mhs yg memiliki berat badan <45kg? = 25% * 200 = 50 org
Hitunglah berapa org mhs yg memiliki berat badan >45kg? = 75% * 200 = 150 org
30
TUGAS
Hitunglah nilai Kuartil-1 dan kuartil-3 dari variabel:
1. Umur
2. BB
3. TB
(Gunakan data yg sama)