BIOSTATISTIK

MATEMATIK

MATEMATIK STATISTIKA

BIOSTATISTIKA
BID. PERTANIAN
BID. KESEHATAN


FUNGSI STATISTIK
MEMBANTU DALAM BIDANG :

R & D
REPORT
ANALYSIS
FORECAST

PENGERTIAN
Sekumpulan konsep & metode yg
digunakan utk.mengumpulkan &
menginterpretasi data ,ttg bid ke
giatan tertentu & mengambil ke
simpulan dalam situasi dimana
ada ketidakpastian dan variasi
DATA
Keterangan / ilustrasi mengenai
suatu fenomena dalam bentuk
kategori atau bilangan
MACAM DATA
MENURUT SKALA
PENGUKURAN.

MENURUT SIFATNYA
BIOSTATISTIK


KLASIFIKASI MENURUT
ANALISA: DESKRIPTIF &
INFERENSIAL

KLASIFIKASI MENURUT
DISTRIBUSI DATA :
PARAMETRIK & NON PARAM.
STATISTIK DESKRIPTIF
PRESENTASI TABEL

PRESENTASI GRAFIK

CENTRAL TENDENCY

DEVIASI DAN ERROR


PRESENTASI TABEL
DMF-T FREKWENSI
0 - 1 5
2 - 3 9
4 - 5 13
6 - 7 8
8 - 9 4
JUMLAH 39
Raw Data
67 52 72 42 21 55 47 66 54 37 37 34 59 51
44 56 48 44 69 56 27 34 47 59 20 51 42 78
35 61 44 51 52 77 82 57 63 73 49 67 33 78
48 47 41 62 72 85 25 72 54 52 108 28 93 37
22 37 66 49 69 42 54 59 58 75 61 66 99 97
51 61 26 73 33 71 64 57 55 56 47 87 68 97

= 84
Daftar
Berat Badan jumlah
20 1
21 1
25 1
.
.
33 2
.
37 4

TABEL DISTRIBUSI FREKWENSI
BERAT BADAN

BB FREKW.
20 - 29 7
30 - 39 9
40 - 49 15
50 - 59 21
60 - 69 14
70 79 10
80 89 3
90 - 99 4
100- 109 1

84
TABEL DISTRIBUSI FREKW. BERAT BADAN

BB FREKW.
20 49 32
50 79 44
80 109 8

84
TABEL DISTRIB.FREKW. BERAT BADAN .

BB FREKW.
20 - 109 84
RUMUS
STURGES :

m = 1 + 3.3 log n

m = jumlah kelas
n = jumlah frekwensi
TABEL DISTRIB. FREKWENSI RELATIF

BERAT BADAN PROSEN
20 8.3
30 - 10.7
40 - 19.0
50 - 25.0
60 - 16.7
70 - 10.7
80 - 4.3
90- 3.6
100- 110 1.2

TABEL DISTRIBUSI FREKW. KUMULATIF ( - )
( MORE THAN)

BB FREKW.
Lebih dari 20 84
30 77
40 68
50 53
60 31
. .
. .
110 0


TABEL DISTR.FREKW. KUMULATIF ( + )
( LESS THAN )

BB FREK
Kurang dari 20 0
30 7
40 16
. .
. .

110 84
PRESENTASI GRAFIK
0
10
20
30
40
50
60
70
80
90
JUNI JULI AGUSTUS SEPTEMB
HP/IP
PULP
GANGR
PIE DIAGRAM
JUNI
JULI
AGUST
SEPT
GRAFIK GARIS
0
10
20
30
40
50
60
70
80
90
100
JUNI JULI AGUST SEPT
HP /IP
PULP
GANGR
HISTOGRAM
Dasar pembuatan tabel distrib.frekwensi











x
y
20 30 40 50 60 70 80 90 100 110
0

5

1
0

1
5

2
0

POLYGON
Dasar pembuatan HISTOGRAM











x
y
20 30 40 50 60 70 80 90 100 110
0

5

1
0

1
5

2
0

CENTRAL TENDENCY
Harga (nilai), letak, yang dapat menggambarkan
(mewakili) suatu distribusi data.

MEAN
MEDIAN
MODE
MEAN ( ARITHMATIC MEAN)

MERUPAKAN HARGA RATA-RATA HITUNG
SERING DIPAKAI ( DIBANDING MEDIAN / MODE)
LAMBANG : X
JUMLAH SEMUA DATA YANG ADA DIBAGI DE
NGAN BANYAKNYA DATA.
CARA PERHITUNGAN : 1. DATA KASAR
2. DATA TABEL FREKW.
PERHITUNGAN ARITHMATIC MEAN :
DARI DATA KASAR :
X =
X
n
X = jumlah data
n = banyak data
Contoh :
340 , 525, 450, 210, dan 275.
Mean : X =

x
n
=
340 + 525 + 450 + 210 + 275

5
= 360
PERHITUNGAN X UNTUK DATA DALAM BENTUK TABEL
1. Direct Methode
2. Shortcut Methode

Nilai Frekw m f.m
35 - 6 40 240
45 - 12 50 600
55 - 14 60 840
65 - 1 70 70
75 85 2 80 160
n = f = 35 f.m = 1910

X =


f.m
n
= 1910/ 35 = 54.6
MEDIAN
Nilai / Harga yang berada ditengah suatu distribusi
nilai.
Harga Tengah yang menunjukkan posisi ditengah.
Cara menghitung :
. Menyusun data menurut besarnya atau sebalik-
nya ( array)
. Tentukan posisi median, tentukan nilai median.

N + 1
2
. Bila data genap, nilai median mpk. Rata-rata dua
harga ditengah.
Contoh :
525, 275, 210, 340, 450 array : 210, 275, 340, 450, 525
Nilai median : 340

Bila genap :
210, 275, 340, 450, 525, 540
Nilai median : 340 + 450

2
= 395
Menghitung Nilai Median dlm Tabel Frekwensi

TB (nilai) frekw. Md = Li +
130 - 1
140 - 13
150 - 48
160 - 77
170 - 49
180 - 11
190 200 1
N + 1
2
- CF
X i
f Md
Posisi Median : n + 1
2
=
200 + 1
2
= 100,5
62
Md = 160 +
100.5 - 62
77
X 10 = 165 Cm
MODE = MODUS

Harga yang paling sering timbul, atau harga yang
mempunyai frekwensi tertinggi
Dalam suatu distribusi nilai, mungkin Modus lebih dari
satu
Mungkin juga tidak ada Modus
Untuk Tabel distribusi frekw, tidak mungkin
menghitung harga modus secara tepat Pendekatan

Contoh :
1. 4 , 8, 5, 6, 8, 7, 6, 7, 9, 7, 6, 7, 5.
Modus : .

2. 63, 65, 65, 65, 70, 72, 74, 79, 79, 79, 82, 82.
Modus : .

3. 2.50, 2.51, 2.49, 2.52, 2.48.
Modus :
CONTOH : DATA DALAM TABEL FREKW.

NILAI FREKW.
35 - 6
45 - 12
55 - 14
65 - 1
75 85 2

Mo: Lmo +
di
d1 + d2
(i)
Lmo : Lower limit pd. Modal kelas
D1 : selisih ant. Frek.pd modal kelas dan frek.sebelum modal kelas
D2 : selisih antara frek.pd modal kelas dan frek. Sesudah modal kelas
I : besar interval
Mo : 55 +
2
2 + 13
X 10
= 56.3
DEVIASI
DAN ERROR
HARGA DEVIASI
Untuk mengetahui
penyimpangan harga mean
terhadap masing-masing nilai
dari suatu distribusi data.

Untuk membantu melihat
ketepatan harga mean
Macam harga Deviasi
Rentang (range)
Standard Deviasi (SD , S, tho)
Varians ( SD)

RANGE = RENTANG
Ukuran deviasi sederhana
Selisih antara harga/nilai
tertinggi & terendah

Contoh :
1. 5, 5, 4, 6, 5
2. 5, 4, 6, 7, 3
X = 5 range = 2
X = 5 range = 4
1. 5, 5, 3, 7, 5
2. 5, 4, 6, 7, 3
X = 5 range = 4
X = 5 range = 4
Standard Deviation
Nilai (x) X x X ( x - X )
340 -20 400
525 360 165 37225
450 90 8100
210 - 150 22500
275 - 85 7225
65450 = ( x X )
Rumus SD :
( x X )
n - 1
= 127.916
Standard Deviation ( Tabel Frekwensi)
Nilai f m ( m-x ) (m-x ) f ( m x )
35 - 6 40 - 14.6 213,16 1278,96
45 - 12 50 - 4.6 21.16 253.92
55 - 14 60 5.4 29.16 408.24
65 - 1 70 15.4 237.16 237.16
75 85 2 80 25.4 645.16 1290.32
f= 35 f ( m x ) = 3468.6
x = 54.6
Rumus : SD =
f (m x )
n-1
=
3468.6
34
=10.1
1. 5 , 5 , 4 , 6 , 5 x = 5
2. 5 , 4 , 6 , 7 , 3 x = 5
3. 5 , 5 , 5 , 5 , 5 x = 5
1. SD / S / SB = 0,7
2. = 1,58
3. = 0
Ukuran pencar
skewness

X Mo 3 ( X Md)
SK = SD SK = SD

SK < 0 kurva negatif menceng kekiri
SK = 0 kurva normal
SK > 0 kurva positif menceng kekanan





Penafsiran Standard
Deviasi






- 3 SD - 2 SD -1 SD X + 1 SD + 2 SD + 3 SD
Konsep standard error
56 , 65, 47 = 56 , tho = 9

1. 56 dan 65 x = 60.5 , sd = 6.36
2. 56 dan 47 x = 51.5 , sd = 6,36
3. 65 dan 47 x = 56 , sd = 12,7
x = 56 tho x = 4.5
Standard Error of the
Mean

SD
SE = n 1

n = jumlah sampel
Sifat distribusi sampling

1. Apabila sampel random diambil dari sua-
tu populasi yang mempunyai Mean =
dan Standard Deviasi = tho
maka : Xx =
Sx = SE
2. Apabila populasi (sifat 1) berdistribusi
normal, maka distribusi sampling harga
mean juga berdistribusi normal.


3. (Teorema Limit Pusat)
Apabila sampel random diambil dari popu
lasi sembarang dengan : & tho, maka
untuk n besar distribusi sampling harga
mean dianggap mendekati distribusi nor-
mal.
x -
Z = tho n-1

Distribusi Normal Standard

Kurva normal(distribusi normal) yang
memp. = 0 dan tho = 1, dikenal
dengan nama Distribusi Normal
Standard.( Tabel Z)
Bila = 0 dan tho = 1, maka luas
bagian dalam kurva dapat dihitung
dengan merubah skala kurva normal
(x) menjadi skala Z , Z = X -
tho

Contoh :
Diket : X = 60 Kg; SD = 12
x = 76.
x X 76-60
Z = SD = 12
= 1,33
= . 4082
= 40,82 %



X
76
Inferensi Statistik
Tata cara membuat generalisasi
terhadap Populasi berdasarkan
data yang diperoleh dari sampel

Terdiri : Penaksiran
Uji Hipotesa / Uji Stat.
Menaksir Parameter /
Estimasi
Point Estimate
Interval Estimate


X
tho SD
SE
Interval Estimate
x -
Z = SE = x Z . SE

x Z . SE < < x + Z . SE

Menentukan Confidence Limit !


Confidence Limit / Interv
Significancy ( alpha = p )



95 %

2.5 % 2.5 %











1 -

1/2 1/2


Estimasi Mean Populasi
SD Pop.diketahui
Hitung x data pd. Sampel
Tentukan confidence interval
Pakai tabel Z
Rumus :
x - z . SE < < x + z 1- .SE



1-

z z1-












Contoh:
Sejumlah sampel n = 101; terpilih
dari populasi berat badan anak umur
1 th.
x = 9,5
sd= 0,5 diketahui = 0,25
Berapa estimasi ( CI 95 %)
9,5 1,96 . 0,25 < < 9,5 +1,96.0,25
100 100

9,451< < 9,549

Apabila tidak diketahui :
Hitung x dan sd pada sampel
Tentukan conf.interval
Karena tidak diketahui sd
Mempergunakan tabel t
Rumus :
X-t ( df: n-1).SE << x + t1- (df:n-1)SE
df : degrees of freedom
derajat kebebasan


Distribusi t
Distribusi student t dipergunakan untuk menaksir
Parameter bila : sampel kecil dan tidak diketahui
Sebetulnya tidak mengikuti distribusi normal tapi
mendekati dan dianggap berdistribusi normal.
Bila jumlah n besar distribusi t mendekati
distribusi normal

t = x
SE


Derajat Kebebasan
Degrees of fredom
Pemilihan suatu sampel dari suatu Populasi
memiliki konsep kebebasan.
Tetapi kebebasannya bersyarat apabila dibatasi
dengan x.
Contoh,pilih sejumlah sampel berurutan dengan x =
5 ( 25/5)
Maka ada 4 pilihan bebas, misal 4,5,6,7 juml = 22.
dan angka terakhir
harus 25 -22 = 3, agar jumlahnya 25.
Bila harus memilih n sampel kebebasannya,df= n-1
Bila harus memilih k perkiraan maka df = n-k



Contoh :
Sampel sebesar (n=64) dari Populasi
org.dewasa pria sehat x = 12 gr %
sd= 1,5 gr %
. Berapa pada ci 99 % ?

12 2.660 . 1.5/8 < < 12 +2.660
1.5/8
11,502 < < 12,498
HIPOTESA
Penelitian : Pernyataan tentang
suatu dalil / kaidah, tetapi
kebenarannya belum terujikan
secara empirik.
Statistik : Pernyataan tentang
populasi statistik yg.menunjuk-
kan penerimaan / penolakan
Ho.berdasarkan uji statistik yg.dipe-
roleh dari data yang diamati.

UJI STATISTIK
Adalah satu set aturan aturan
yang dipergunakan untuk peng-
ambilan keputusan Hipotesa
Statistik dengan derajat keteli
tian tertentu ( taraf kemaknaan)
Hipotesa Nol (Ho)
Hipotesa Alternatif ( H1)
Ho : selalu praduga tidak ada
Tidak ada hub./ tidak ada
perbedaan / pengaruh/ ..etc

. H1 : selalu praduga ada
Ada Hub / ada perbedaan/
ada pengaruh / .. etc.
Hipotesis ( kelomp.pend.TBC)

Diagnose klinik
Mend.TBC Tdk.mend.TBC

Uji Lab Benar Salah
( + ) ( 1- ) ( )

Uji Lab Salah Benar
( - ) ( ) ( 1 )
Kemungkinan Hasil Uji Hipotesa
1.Hipotesa Benar dan diterima
2.Hipotesa Benar dan ditolak
3.Hipotesa Salah dan diterima
4.Hipotesa Salah dan ditolak
Hipotesa
Benar Salah
Menerima Keputusan Kesalahan
Benar (1 ) tipe II ( )

Menolak Kesalahan Keputusan
tipe I ( ) Benar ( 1 )
1-
1-

Ho diterima
1 = power of test


Test Dua ekor
H0 : u = x
H1 : u x

Test satu ekor
Kiri : H0 : u x
H1 : u x

Test satu ekor
Kanan: H0 : u x
H1 : u x
Contoh Uji x terhadap u
Diketahui : u = 159 cm
= 9 cm
Suatu penelitian : x = 161 cm
n = 90 mhs.
Ho : u = x = 0.05
H1 : u x test dua ekor

Z =

X u
SE
Z = 161 -159 = 2.10
9 90