Istilah Statistik Statistik Statistika – angka-angka/ data Statistika – ilmu tentang statistik/ metode statistik Statistika Kesehatan (Biostatistika) – aplikasi metode statistik utk memecahkan masalah di bidang kesehatan ‘masyarakat’

Peran Biostatistik Menggambarkan besarnya kejadian/masalah Monev program - analisis perbandingan - analisis kecenderungan Mendiagnosis masalah Perencanaan program Alat bantu riset

BIOSTATISTIK SBG ALAT BANTU RISET Alat bantu untuk menghitung sampel, sampel dapat dipertanggung jawab Alat untuk melakukan pengumpulan data secara tepat –uji validitas dan reliabilitas instrumen Alat bantu untuk pengolahan data secara benar Alat bantu analisis data secara tepat sesuai dengan kasusnya Alat bantu untuk melakukan penyajian data yang benar, sehingga data lebih komunikatif

Potret data & informasi saat ini Petugas tdk mengunpulkan data apa yg ada dilapangan, Petugas tidak terjun kelapangan, hanya dibelakang meja – data tidak akurat Pengumpul data menggunakan data yg tidak up to date Data yang dikumpulkan tidak relevan dng masalah yg terjadi Data yg dikumpulkan tidak representatif thd populasi Petugas tidak mengetahui cara mengolah, menyajikan, menganalisis dan menginterpretasi dengan benar Akses data/informasi yang susah dan lambat Pengambil kebijakan dalam pengambilan keputusan tidak menggunakan data/informasi yg sdh dilaporkan, krn tidak yakin thd keakuratan data dan kebenaran informasi yg dihasilkan

Area Biostatistika & Infokes Data Langkah-langkah statistika Analisis data, dan Kesimpulan Pengumpulan data Pengolahan data Penyajian data Informasi

Informasi mengenai populasi Metode Statistik sampai pada kesimpulan mengenai populasi Statistika Deskriptif Pengumpulan data Pengolahan data Penyajian data Analisis data, dan Kesimpulan data sampel data sensus Statistika Inferens Estimasi Uji hipotesis Informasi mengenai populasi

SOLUSI; DIPERLUKAN KEAHLIAN PROBLEM ? Kompleksitas Masalah Kesehatan Perkembangan Teknologi Informasi TANTANGAN - Ketersediaan Data yg Akurat - Ketrampilan manajemen dan analisis data yang Memadai - Ketrampilan Pengembangan sistem informasi yg cepat SOLUSI; DIPERLUKAN KEAHLIAN Statistik Kesehatan (Biostatistik) Informatika Kesehatan

KESALAHAN PENGGUNAAN STATISTIK Penghitungan dan pengambilan sampel salah Pengukuran salah : mis : Eksklusive ? Pengolahan data : memasukkan data salah Penyajian data salah : - tidak tepat pemilihan grafik - pembuatan tabel/grafik salah - double penyajian Melakukan analisis data yang salah: - pemilihan uji statistik salah - interpretasi : baca tabel, generalisasi ?

Lingkup Statistik STATISTIK DEKRIPTIF kegiatannya hanya hanya mendeskripsikan data yg disurvei tanpa/belum melakukan generalisasi ke populasi STATISTIK INFERENSIAL/INDUKTIF/ANALITIK kegiatannya sudah melakukan generalisasi dari sampel ke populasi

Populasi dan Sampel Populasi : : keseluruhan subjek/unit yang akan diteliti Sampel : sebagian dari populasi yg diharapkan dpt mewakili/representatif populasi : Bagaimana spy sampel representatif? - besar sampel cukup memadai - teknik pengambilan sampel benar

Rancangan Sampel Rancangan sampel harus memenuhi 2-kaidah berikut: 1. Valid Mengukur apa yang sebenarnya ingin diukur Tergantung dari cara/metode/teknik mengambil sampel 2. Presisi Mengambarkan ketepatan ukuran yang diperoleh Tergantung dari jumlah/besar sampel Kesalahan yang sering terjadi adalah Cara/metode pengambilan sampel sering kurang mendapat perhatian dibandingkan jumlah/besar sampel

Keuntungan data berbentuk Sampel Efisiensi dalam: biaya ,waktu dan tenaga Lebih Akurat Lebih tajam/dalam Pada Kasus tertentu, “tdk merusak data”

Kesalahan Penelitian Dalam penelitian ada 2 kesalahan : Sampling Error : Kesalahan penelitian akibat penelitian menggunakan sampel b. Non Sampling Error : Kesalahan penelitian akibat proses penelitian yang tidak benar

BESAR/JUMLAH SAMPEL Tergantung pada: Jenis penelitian Eksplorasi awal 1 sampel mungkin cukup Generalisasi  harus representative Skala-ukur variabel dependen Kategorik/proporsi (Nominal, ordinal) Numerik/rata-2 (interval, ratio) Derajat ketepatan perkiraan yang diinginkan (presisi) Semakin tinggi ~ semakin besar sample Tujuan Penelitian Estimasi Uji Hipotesis Interval kepercayaan dan Kekuatan Uji Teknik pengambilan sampel (SRS atau bukan SRS)

Jumlah sampel Jumlah sampel hanya bisa dihitung jika ada informasi awal tentang populasi (informasi awal tentang hal apa yang akan diteliti) Secara garis besar, perhitungan jumlah sampel dibagi menurut tujuan penelitian: 1. Estimasi parameter populasi 2. Uji hipotesis Kesalahan yang sering terjadi, selalu menganggap penelitian sebagai estimasi, padahal seharusnya uji hipotesis

Data

Arti data Data adalah keterangan mengenai suatu hal dari seorang atau kumpulan orang, dalam bentuk angka-angka. Misal, ketika membahas data seorang responden (mis : pasien), kita dapat membicarakan angka-angka mengenai tinggi badannya, atau berat badan, tekanan darah, kepuasan pelayanan RS, dll.

Syarat Data Up to date Akurat: - Reliabilitas : kekonsistensian pengukuran - Validitas : ketepatan/kecermatan pengukuran - Objektivitas : persamaan persepsi thd sesuatu yg diukur

Variabel Variabel adalah ciri individu yang dipelajari/diukur, yang bentuknya berupa nilai-nilai yang bervariasi. Misal: berat badan : 60, 71, 73 dst.. Sex : pria, wanita Jumlah anak : 2, 4, 10, 5

Variabel Nama: Tinggi badan Batasan: Jarak antara ujung tumit kaki dan puncak kepala Nilai dan satuan: 154, 155, 157, 158, 159, 160, 162, …, dalam Cm. Alat ukur: Meteran tinggi badan

Jenis Variabel menurut sifatnya: 1. Katagorik : hasil pengklasifikasian/penggolongan Ciri: isinya berbentuk kata-kata Misal: sex : pria dan wanita pekerjaan; pns, abri, swasta umur : remaja, dewasa, tua 2. Numerik : variabel hasil pengukuran atau penghitungan Ciri : isinya berbentuk angka Misal: umur: 23, 25. 40 ,25 dst… tinggi badan : 150, 165, dst…… Jumlah anak: 3, 3, 5, 1, dst…

Jenis variabel ? Menurut skala pengukuran : Nominal; jk, ras Ordinal; pendidikn Interval; TD Rasio; BB

Tampilan di Komputer Umur didik bb sex umur1 bb1 45 2 60 1 2 3 45 2 60 1 2 3 34 4 72 1 2 1 23 1 65 2 1 2 34 3 56 1 3 4 Dst …… Umur : numerik Didik : katagorik (koding: 1=SD, 2=SMP, 3=SMU, 4=PT) BB : numerik Sex : katagorik (koding: 1=pria, 2=wanita) Umur1: katagorik (koding: 1= <20th (remaja), 2= 20-30 th (dewasa), 3= >30 th (tua)) bb1: katagorik (koding: 1= <60 kg, 2=60-70 kg, 3=70-80 kg, 4= >70kg)

METODE STATISTIK 1.PENGUMPULAN DATA 2.PENGOLAHAN DATA 3. ANALISIS DATA 4. PENYAJIAN DATA

Pengumpulan Data

Data Apa Yg Dikumpulkan Penyakit Kematian Kelahiran Data Demografi Program KB Data Lingkungan dsb

Definisi Operasional Data Jelas Objektif Mudah diukur Misal data DIARE, apa DO nya?

Sumber Data Kegiatan rutin - Data yang rutin dilaporkan tiap minggu/bulan mis : data register pasien, dll 2. Kegiatan non rutin - survei

Pengumpulan Data Pengumpulan data merupakan langkah yang amat penting pada suatu penelitian Akurasi data bergantung pada: Alat ukur yang digunakan  Standard Orang yang mengambil data  Terlatih Situasi wawancara Metode pengumpulan data: Pengamatan (observasi) Wawancara (Terstruktur vs Mendalam) Responden mengisi sendiri (Angket/Pos surat) Polling (wawancara telpon & internet) Pengukuran

Alat Pengumpulan Data Tipe instrumen Kelompok sasaran Tipe pertanyaan Wawancara Responden mengisi sendiri Cek-list Kelompok sasaran Ibu/Wanita Kepala keluarga Remaja Tipe pertanyaan Pertanyaan Tertutup Satu pilihan (Ya/Tidak) Pilihan ganda Skala linkert Pertanyaan terbuka

PENGOLAHAN DATA

Tujuan Pengolahan Data Terjaminnya keakuratan data : data terhindar dari kesalahan pengumpulan data dan kesalahan entry data Menyiapkan data agar mudah dilakukan analisis data

TAHAPAN PENGOLAHAN DATA A.Editing Memeriksa kelengkapan dan kebenaran isi kuesioner : lakukan kompilasi kalau data berasal dari berbagai sumber, lakukan pengecekan kebenaran data B.Coding Pengubahan jawaban pertanyaan yg berisi huruf kedalam bentuk angka: Misal data pendidikan dikoding: 1=sd 2=smp , dst C. Processing/Entry data Memindahkan isi keusioner ke media komputer: data sederhana gunakan Excel, dbase, dll : data komplek gunakan: SPSS, STATA

D. Cleaning data

Tabel Silang

E. Transformasi Data Tujuan : melakukan perubahan variabel menjadi variabel baru sesuai dg kebutuhan melalui proses : Mengubah nilai dari suatu var. Mengelompokkan var ke dlm nilai berbeda. Mengelompokkan nilai-nilai var ke dlm var. baru Mengekstraksi sebagian dari nilai dlm variabel

Proses Transformasi Data Contoh mengubah nilai dari suatu var. Dari hasil penimbangan 20 Bayi yang baru dilahirkan diperoleh data Berat Badan bayi (gram) sbb : 2250, 3300, 2450, 2500, 2499, 2550, 2600, 2750, 2525, 2365, 3400, 2625, 2510, 2480, 2725, 2600, 2700, 3000, 3500, 2300 Dalam hal ini nilai BB Bayi akan ubah menjadi suatu variabel yang lebih informatif yaitu BBLR dengan menggunakan standard < 2500 grm Bayi BBLR = 5 org Bayi tdk BBLR = 15 org

Pengelompokan variabel Dari hasil penimbangan 20 Bayi yang baru dilahirkan diperoleh gambaran tk pendidikan ibu sbb : SD, MI, TS, SD, SD, TS, SLTP, SLTP, MT, SLTA, SD SLTP, MI, MT, SLTA, MA, TS, MA, D-III, SD Dari data diatas diperoleh kompilasi sbb : - TS = 3 org - SD/MI = 7 org - SLTP/ MT = 5 org - SLTA/ MA = 4 org - D-III = 1 org Dikelompokan menjadi variabel baru : Tk pddkn Rendah = TS + SD/ MI = -Tk pddkn Sedang = SLTP/ MT + SLTA/ MA = Tk pddkn Tinggi = D-III = 3 + 7 = 10 org 5 + 4 = 9 1

Status Lengkap bila bayi telah dapat imun. Mengelompokkan nilai-nilai var ke dlm var. baru. Dari hasil pengamatan terhadap 10 Balita di Desa Ulun Jaya didapatkan informasi data imun. Sbb: BAYI BCG DPT-3 POLIO-4 CAMPAK HB-3 1 + - 2 3 4 5 6 7 8 9 10  Dari data imun kemudi-an disusun var. Baru status imun. Status Lengkap bila bayi telah dapat imun. BCG,DPT3, Pol-4 HB-3

tks Buka SPSS