KONSEP TEORI STATISTIK Oleh: Kelompok 4 Afriyani Araafi Dian Fira Firdausia

SILABUS Pendahuluan Tujuan analisa statistik Proses analisa data Sumber analisa data Program komputer Statistical Assistance

Con’t…. Konsep teori statistik Teori probabilitas Teori keputusan dan uji hipotesa Inference/kesimpulan Kurva normal Distribusi sampel Distribusi sampel dalam statistik Statistik parameter sampel dan populasi

Con’t…. Perkiraan parameter Derajat kebebasan Tailedness Error tipe I dan tipe II Level of signifikasi Power Clinical Signifikasi Analisa statistik parameter dan nonparameter Causality dan Relationship

PENDAHULUAN Analisa data bagian penting dalam penelitian Menjawab pertanyaan penelitian Analisa data ilmu statistik analisa statistik Analisa statistik vs perawat.......???

Con’t….. Dalam penelitiannya, perawat harus bisa : Mengidentifikasi penggunaan ilmu statistik Menimbang apakah penggunaan ilmu statistik tepat untuk menguji hipotesa, menjawab pertanyaan dan objektivitas penelitian Memahami hasil analisa data Menimbang apakah bacaan dari hasil analisa sudah tepat Mengevaluasi arti klinis dari penelitian

TUJUAN ANALISA STATISTIK John Tukey (1977) membagi 2 tujuan analisa statistik : Mengembangkan (Exploratory) analisa data Mempertegas (Confirmatory) analisa data

Con’t…. Beberapa tujuan analisa data : Menarik kesimpulan Mengexplore makna penyimpangan data Membandingkan secara deskriptif Menguji usulan suatu hubungan dalam model teoritis Menarik kesimpulan sementara bahwa sampel mewakili populasi Menilai causalitas Memprediksi Menduga sampel menjadi model teoritis

PROSES ANALISA DATA Menyiapkan data Mendeskripsikan sampel Menguji reliabilitas pengukuran Exploratory analisa data Confirmatoey analisa data Analisa Post Hoc Menyimpan printout komputer analisa data

SUMBER ANALISA DATA Program Komputer Statistical Assistance SPSS (Statistical Packages for the Social Science) SAS (Statistical Analysis System) BMDP (Biomedical Data Processing) NCSS (Number Cruncher Statistical System) ABSTAT Dll Statistical Assistance Programer Statistician

KONSEP TEORI STATISTIK TEORI PROBABILITAS mengenai analisa statistik terhadap kemungkinan / peluang dari suatu kejadian Nilainya dilambangkan dengan p dinyatakan dalam bentuk pecahan / desimal dan berkisar dari 0 – 1 0 = tdk ada peluang sama sekali thd peristiwa 1 = ada kepastian peristiwa akan terjadi

2. DECISION THEORY DAN UJI HIPOTESA Teori keputusan induktif Pendekatan teori ini u/ menguji perbedaan 2 group dg harapan seluruh sampel adalah anggota populasi yg sama Dihubungkan dengan teori kurva normal Asumsi ini diekspresikan dg hipotesisi null (H0) Untuk menguji hipotesis dipilihlah a cutt-off point atau level of significance (alfa)

3. INFERENCE/KESIMPULAN Inference pemikiran induktif generalisasi Menyimpulkan dari kasus yang spesifik ke kebenaran umum

Dikembangkan oleh Gauss (1975) 4. KURVA NORMAL Dikembangkan oleh Gauss (1975) Mengamati hsl dari data yg diukur berulang-ulang & menemukan bahwa nilai rata2 mrpk hasil yg plg sering. Penyimpangan kekiri maupun kekanan yg makin jauh dr nilai rata2 makin sedikit terjadi. Dan bila semua hasil disusun maka akan terbentuk distribusi yg simetrik KURVA NORMAL

Gambar kurva normal mean,median,modus 68,3% 95,5% 99,7% standar deviasi -3 -2 -1 1 2 3

Ciri2 kurva normal : Kurva berbentuk simetris, mempunyai satu puncak Mean, median, modus terletak pada satu titik Ekor kurva mendekati absis tak tak terhingga tanpa menyentuh absis Luas seluruh kurva = 100% atau 1 1 SD = 68%, 2SD= 95,5%, 3SD= 99,7% Pengukuran telah distandarisasi dg menggunakan nilai Z

5. DISTRIBUSI SAMPEL distribusi teoritis distribusi probabilitas Tujuan pengukuran distribusi sampel umtuk mengukur dan mengetahui sampling error Sampling error perbedaan antara statistik sampling yang digunakan dg estimasi parameter populasi Apabila kita mengetahui distribusi sampel maka kita akan dapat mengukur probabilitas pembuatan kesimpulan yang salah

6. DISTRIBUSI SAMPEL STATISTIK

7. DISTRIBUSI SAMPEL STATISTIK Barnett (1982) : nilai numerikal yg merupakan mean sampel disebut statistik nilai numerikal yg merupakan mean populasi disebut parameter Sampel sampling distribusi populasi konkrit abstrak

8. ESTIMASI PARAMETER Estimasi titik dimana rata2 sampel langsung dijadikan rata2 populasi Estimasi Interval dimana rata2 sampel berada dalam rentang nilai/skore Dalam arti, kesesuaian antara estimasi sampel dan estimasi parameter yang benar tidak diketahui Estimasi interval perlu standar error

9. DERAJAT KEBEBASAN (degree of freedom) Adalah jumlah nilai yang dapat ditentukan secara bebas Ex : ada 2 sampel a dan b dg rata2 = 25., maka salah satu dari a atau b dpt ditentukan scr bebas Rumus df = N – 1 Untuk perhitungan selanjutnya dugunakan tabel distribusi t Derajat kebebasan perlu untuk perhitungan level of significance (alfa)

10. TAILEDNESS Berhubungan dengan uji hipotesis Jika hipotesis nondirectional dalam arti kita tdk mengetahui sama sekali kondisi populasi yg akan diuji hipotesisnya TWO-TAILED TEST Jika hipotesis directional / kita memiliki perkiraan yg kuat bahwa nilai hasil perhitungan statistik sampel > atau < dari batas nilai yg ditentukan ONE-TAILED TEST

11. ERROR TIPE I DAN TIPE II Error tipe I : menolak H0, padahal H0 benar Error tipe II : menerima H0, padahal H0 salah

12 LEVEL OF SIGNIFICANCE Tingkat kemeknaan berkembang dari teori keputusan Dalam pendidikan keperawatan, biasanya tingkat kemaknaan = 0,05 atau 0,01 Jika sso ingin memprediksi dg kemungkinan akurasi 95% jadi alfa menjadi <sama 1-0,95 atau p<sama 0,05

13.POWER Adan 4 parametrik kekuatan yaitu : Tingkat kemaknaan Ukuran sampel Ukuran efek Kekeuatan

14. MAKNA KLINIS Walaupun hasil penelitian bermakna secara teoritis statistik , tapi kadang tidak bermakna secara klinis Ex : kelompok 1 memiliki suhu tubuh lebih tinggi 0,1 0 F dari kelompok 2

15.ANALISA STATISTIK PARAMETRIK DAN NONPARAMETRIK Yang paling umum digunakan adalah analisa statistik parameter Parameter : asumsi bahwa sampel diambil dari populasi yg berdistribusi normal atau hampir normal Non parameter : untuk menguji hipotesis yg tidak bergantung pada distribusi populasi ( distribusi free)

16. CAUSALITY DAN RELATIONSHIP Dua variabel dpt memiliki korelasi yg tinggi , tapi tdk memiliki hubungan causal Jika kekuatan huh meningkat, kemungkinan hub kausal juga meningkat Korelasi tdk dpt digunakan sendiri utk menunjukan kausalitas

TERIMA KASIH……