UKURAN – UKURAN
BIOSTATISTIK
MENGIKUTI MEAN, MEDIAN,
MODUS, DAN STANDAR DEVIASI
1.
Rata-Rata
Hitung (Mean)
Rata-rata hitung atau arithmetic mean atau
lebih dikenal dengan mean saja adalah nilai yang baik untuk mewakili suatu
data. Nilai ini sering dipakai dan yang paling banyak dikenal
dalam menyimpulkan sekelompok data.
Sifat dari mean :
a. Merupakan wakil
dari keseluruhan nilai;
b. Mean sangat
dipengaruhi nilai ekstrem baik ekstrem kecil maupun ekstrem besar;
c. Nilai mean
berasal dari semua nilai pengamatan.
a. Data tidak dikelompokkan ( ungrouf )
Misalkan kita mempunyai n
pengamatan yang terdiri dari X1, X2, X3,.....Xn, maka rata – rata hitungnya adalah :
Contoh :
Ada data dari berat badan
5 orang dewasa, yaitu : 56, 62, 52, 48, dan 68 kg.
Rata – rata BB lima orang
tersebut adalah :
56 + 62 + 52 + 48 + 68 = 57 Kg.
5
b. Data yang dikelompokkan ( Grouf )
Contoh :
Umur
|
f
|
TT ( x )
|
f.x
|
15 -19
|
1
|
17
|
17
|
20 -24
|
29
|
22
|
638
|
25-29
|
43
|
27
|
1161
|
30 - 34
|
41
|
32
|
1312
|
35 - 39
|
24
|
37
|
888
|
40 - 44
|
12
|
42
|
504
|
Jumlah
|
150
|
|
4520
|
Mean ( Rata – Rata Hitung
)
X = ∑ f.x
n
= 4520 / 150 = 30,133
2. Median
Median adalah nilai
yang terletak pada observasi yang ditengah, kalau data tersebut telah disusun (array).
Cara menentukan posisi
median
a. Bila n ganjil posisi median : n + 1 / 2
Contoh : n = 99, Me = 99 + 1 / 2 = 100/2 = 50
b. Bila n genap posisi median ; n / 2
Contoh : n = 100, Me = 100/2 = 50
Rumus Median :
Median = Lb +( 1/2n –
fc / fm )ci
Ket :
Lb : kelas Bondoris bawah
Fc : Frekuensi Komulatif
sebelum posisi median
Fm : frekuensi posisi
median
Ci : kelas interval
Median = 29,5 + {( ½. 150 – 73) /41} 5
= 29,744
3. Modus (mode)
Modus adalah nilai yang paling banyak ditemui
di dalam suatu pengamatan. Dari sifatnya ini maka untuk sekelompok data
pengamatan ada beberapa kemungkinan :
a. Tidak ada nilai
yang lebih banyak diobservasi, jadi tidak ada modus.
b. Ditemui satu
modus (unimodal)
c.
Ada dua modus
(bimodal)
d. Lebih dari tiga
modus (multimodal)
contoh :
dari pengamatan BB orang dewasa Muda didapatkan data sebagai berikut :
52, 53, 55, 55, 55, 56, 57, 60, 62, 62 Kg.
Dari pengamatan diatas nilai 55 Kg sebanyak tiga kali. Dengan demikian maka
median adalah 55 Kg.
Rumus Modus :
Ket:
Mo
= Modus
L = Tepi bawah kelas yang memiliki frekuensi tertinggi (kelas modus) i = Interval kelas
b1 = Frekuensi kelas modus dikurangi frekuensi kelas interval terdekat sebelumnya
b2 = frekuensi kelas modus dikurangi frekuensi kelas interval terdekat sesudahnya
L = Tepi bawah kelas yang memiliki frekuensi tertinggi (kelas modus) i = Interval kelas
b1 = Frekuensi kelas modus dikurangi frekuensi kelas interval terdekat sebelumnya
b2 = frekuensi kelas modus dikurangi frekuensi kelas interval terdekat sesudahnya
Contoh :
Distribusi Frekuensi pasien Gastritis menurut umur di RS Mayjen. H. Thalib.
Umur
|
Frekuensi
|
21 - 30
|
6
|
31 - 40
|
7
|
41 - 50
|
40
|
51 - 60
|
10
|
61 - 70
|
10
|
71 - 80
|
7
|
Jumlah
|
80
|
Dengan rumus diatas nilai modusnya dapat dihitung :
Posisi modus ( n + 1)/2 = (80+1)/2 = 40,5
Mo = 40,5 + (40 – 7 ) x 10
(40-7)+(40-10)
= 40,5 + 5,2
= 45,7 tahun
4. Nilai Variasi atau Deviasi
Dengan mengatahui nilai rata-rata saja, informasi yang didapat
kadang-kadang bias salah interprestasi . misalnya, dari dua kelompok data
diketahui rata-ratanya sama. Kalau dari informasi ini kita sudah menyatakan
bahwa dua kelompok ini sama, mungkin saja kita
bisa salah satu tidak diketahui bagaimana
bervariasinya data dalam kelompok masing-masing.
Nilai variasi
atau deviasi adalah nilai yang menunjukan bagaimana variasinya data didalam
kelompok data itu terhadap nilai rata-ratanya, jadi semakin besar nilai
variasi, maka semakin variasi data tersebut.
Ada bermacam-macam nilai variasi, adalah
sebagai berikut.
1.
Range : Nilai yang menunjukan perbedaan nilai pengamatan yang paling besar
dg nilai yg paling kecil
2.
Rata-rata deviasi (Mean deviation): Rata-rata dari seluruh perbedaan
pengamatan dibagi banyaknya pengamatan,untuk diambil nilai mutlak
3.
Varian adalah: rata-rata perbedaan antara mean dg nilai masing-masing observasi
4.
Standar deviasi adalah: akar dari
varian
5.
Koefisien Varian
Dalam
penerapannya STDEV , perhitungan standar deviasi secara manual menggunakan
rumus berikut:
Dimana:
x = data ke n
x bar = x rata-rata = nilai rata-rata sampel
n = banyaknya data
x = data ke n
x bar = x rata-rata = nilai rata-rata sampel
n = banyaknya data
variansi merupakan salah satu ukuran
sebaran yang paling sering digunakan dalam berbagai analisis statistika.
Standar deviasi merupakan akar kuadrat positif dari variansi. Secara umum,
variansi dirumuskun sabagai :
n
|
Jika kita memiliki n observasi yaitu
X1,X2,….Xn, dan diketahui Xbar adalah rata-rata sampel yang dimiliki, maka standar deviasi dapat dihitung sebagai :
Contoh:
Jika dimiliki data : 210, 340, 525,
450, 275
maka variansi dan standar deviasinya
:
mean = (210, 340, 525, 450, 275)/5 =
360
variansi dan standar deviasi
berturut-turut :
UJI CHI SQUARE
1.
Pengertian
Chi-kuadrat adalah
membandingkan frekuensi yang diamati dengan frekuensi yang diharapkan.
2.
Tujuan
Tujuan digunakannya uji kuadrat ialah untuk
menguji perbedaan proporsi/presentase antara beberapa kelompok data.
Dilihat dari segi datanya, uji kuadrat dapat
digunakan untuk mengetahui hubungan antara variabel katagorik dengan variabel
katagorik.
3.
Prinsip dasar
Uji Kai Kuadrat ( Chi Square )
Proses pengujian Kai kuadrat adalah membandingkan frekuensi yang terjadi (
observasi ) dengan frekuensi harapan ( ekspekted ). Bila nilai frekuensi
harapan sama, maka dikatakan tidak ada perbedaan yang bermakna ( signifikan ).
Sebaliknya, bila nilai frekuensi observasi dan nilai frekuensi harapan berbeda,
maka dikatakan ada perbedaan yang bermakna ( signifikan ).
Pembuktian dengan Uji Chi Square dengan menggunakan Formula :
(O – E)2
X2 = ∑-----------
E
Df = ( k – 1 )(b – 1)
Ket :
O = nilai observasi
E = Ekspektasi ( harapan )
K = jumlah kolom
B = jumlah baris
Untuk mempermudah analisis kai kuadrat, nilai data kedua variabel disajikan
dalam bentuk tabel silang :
Variabel 1
|
Variabel 2
|
Jumlah
|
|
Tinggi
|
Rendah
|
||
Ya
|
a
|
b
|
a+b
|
Tidak
|
c
|
d
|
c+d
|
Jumlah
|
a+c
|
b+d
|
N
|
a, b, c, d merupakan nilai observasi, sedangkan nilai ekspektasi ( harapan
) masing – masing sel dicari dengan rumus :
Total Barisnya x total
kolomnya
E = -----------------------------------------------
Jumlah keseluruhan data
Misalnya untuk mencari nilai ekspektasi untuk sel a adalah :
(a+b)(a+c)
Ea = ----------------------
N
4.
Keterbatasan kai Kuadrat ( Chi Square )
1.
Tidak boleh ada sel yang mempunyai nilai
harapan (nilai 0 ) kurang dari 1.
2.
Tidak boleh ada sel yang mempunyai nilai
harapan ( nilai E ) kurang dari 5 Lebih
dari 20 % dari jumlah keseluruhan sel.
5.
Prosedur Pengujian Chi Square
1.
Formulasikan Hipotesis ( Ho dan Ha )
2.
Masukan frekuensi Observasi ( O ) dalam tabel
silang>
3.
Hitung frekuensi harapan masing – masing sel
4.
Hitung X2
5.
Hitung p value dengan membandingkan nilai X2
dengan tabel kai kuadrat
6.
Keputusan :
·
Bila p v ≤ α, Ho ditolak, berarti data sampel
mendukung adanya perbedaan yang bermakna.
·
Bila p v > α, Ho gatol, berarti data sampel
tidak mendukung adanya perbedaan yang bermakna.
Tidak ada komentar:
Posting Komentar