Sie sind auf Seite 1von 24

Pengantar

Biostatistik
Setyawati Budiningsih
Dept. Ilmu Kedokteran
Komunitas
Februari 2010

Setelah kuliah ini diharapkan


mahasiswa mampu
1. Menjelaskan pengertian biostatistik
dan memberikan 3 contoh
2. Menjelaskan kaitan biostatistik dengan
profil dokter masa depan dan Long Life
Learning
3. Menjelaskan Kaitan epidemiologi
dengan statistik
4. Menjelaskan konsep-konsep yang
dipakai dalam biostatistik
5. Menjelaskan pengertian statistik
deskriptif dan inferensial

LATAR BELAKANG
PROFIL DOKTER
Care Provider
Decision
Maker
Communicator
Community
Leader
Statistik : Adalah ilmu
Manajer
mengenai pengumpulan,
pengolahan, analisis dan
penyimpulan SEKELOMPOK
DATA.
St. Deskriptif :
Mendeskripsikan hasil SAJA
St Inferens : Mengambil
kesimpulan HASIL sampel

Evidence Based
Medicine

Riset

Data
BIOSTATISTIK:
Statistik tentang
biologi dan
kedokteran

EPIDEMIOLOGI
EPIDEMIOLOGI
DESKRIPTIF
Mempelajari POLA
penyebaran penyakit :
Orang, Lokasi dan Waktu

Statistik
Deskriptif

EPIDEMIOLOGI ANALITIK
Mempelajari FAKTOR 2
yang mempengaruhi
penyebaran penyakit

Statistik
Analitik

BIOSTATISTIK: Statistik tentang biologi dan


kedokteran

PENGERTIAN LAIN DARI STATISTIK

Statistik : Adalah angka / data yang


menggambarkan suatu keadaan .
Misalnya :
Jumlah penduduk Indonesia tahun 2009
diperkirakan 232 juta jiwa. Indonesia
negara no 4 terbanyak penduduknya di
dunia.
AKI adalah 228 per 100.000 kelahiran
hidup dan AKB 35 per 1000, dan ini
merupakan nilai tertinggi di antara negara
Asean
Jumlah dokter saat ini 67.000 dan setiap
tahun dihasilkan + 5500 org .

STATISTIK DESKRIPTIF

Statistik menggambarkan keadaan


sekelompok orang/benda/keadaan. BUKAN
menggambarkan keadaan 1
orang/benda/keadaan
Data yang dipakai untuk menggambarkan
hal diatas merupakan NILAI TENGAH
(central tendency) misalnya rata-rata
(mean, median,modus), standar deviasi
(simpang baku), dll
Menggunakan metode tertentu untuk :
Mengumpulkan data , Menentukan jumlah
yang akan diukur, Cara mengolah data
yg dikumpulkan , cara Analisis serta cara

CONTOH PENERAPAN STATISTIK


DESKRIPTIF
Ingin mengetahui tinggi badan mahasiswa FK.
UIN :
Apakah semua mhs FK.UIN harus diukur
tingginya?
Kalau tidak berapa orang yang akan
diukur?
Kalau tidak semua, bagaimana memilih
mhs yg akan diukur?
Alat ukur apa yang akan dipakai?
Berapa digit yg akan dipakai dalam
pengukuran
Bagaimana mengolah data TB sehingga
mendapat nilai TB yang menggambarkan

CONTOH PENERAPAN STATISTIK


ANALITIK
Ingin mengetahui apakah TB mahasiswa
FK. UIN
Sama dengan TB mahasiswa Indonesia
umumnya?

Apakah syarat untuk membandingkan


kedua
kelompok mahasiswa

Bagaimana cara analisis data untuk


menjawab tertanyaan diatas

Bagaimana mengambil kesimpulan

An Egyptian statue
inscribed with
magical text
for healing,
380-300 BC

Ibnu Sina :Leprous healed by using hot iron to the lesion

Arab Medicine : Buku anatomi peredaran darah

Acupuncture
Chart
in
Chinese
Medicine

BLACK
DEATH
+/- 60%
of
Europian
Populatio
n
Died
14-15th

Trepion Operation

Praktikum anatomi dalam ruang teater

ISTILAH STATISTIK

Variabel
Data kualitatif
Data kuantitatif
Populasi
Sampel = contoh
Random =Acak
Random sampling
Data diskrit
Data continuous

SKALA PENGUKURAN
Mengelompokkan data menurut skala tertentu,
sesuai kebutuhan . Ada 4 skala pengukuran :
Nominal : Setiap kategori mempunyai tingkat yang
sama. Contoh : jenis kelamin, agama, ras, gol darah
Ordinal : Kategori memperlihatkan adanya order
(tingkatan) tertentu. Contoh : pendidikan,
penghasilan, tingkat rasa nyeri.
Interval : Kategori memperlihatkan adanya order
berdasarkan interval tertentu. Contoh : suhu
badan
Rasio (ada titik nol) : TB, BB

Kurva normal
bentuknya simetris, data tersebar merata ke kiri/kanan
luas daerah dibawahnya 100%
nilai rata-rata berada tepat di tengah ( 50% )
kurva dibawah : data TB mhs UIN.

68 %
95 %
150

159

162

165cm

168

171

178

Tinggi badan mhs berkisar (RANGE) antara 150 178 cm


Rata rata (mean) tinggi mhs adalah 165 cm, SD= 3 cm
95% mhs tingginya antara 159-171 cm
2,5% mhs tinggi badannya : 150-159 % atau 171-178 cm

68 %
95 %
150

One
tailed

159

162

165cm

168

171

One
tailed

178

2,5% mhs dengan tinggi < 159 dan > 171 : dianggap bukan
kelompok mhs ini karena nilai TB sangat ekstrem.
Batas 5 % dinamakan batas kemaknaan ( ). Bisa dipakai
2,5% (1 ekor) atau 5% (2 ekor), tergantung hipotesa yang
akan dibuktikan.

68 %
95 %
150

159

162

165cm

Two tailed

168

171

178

One tailed
test

HIPOTESIS
Hipotesis : Adalah suatu pernyataan yang ingin
dibuktikan dalam penelitian (research questions)
Statistik inferensial menguji apakah hipotesis itu benar
atau tidak dengan melakukan uji statistik.
Hipotesis null : Selalu menyatakan TIDAK ADA
Contoh: Tidak ada perbedaan tinggi badan mhs UIN
perempuan dan laki-laki.
Bila ada perbedaan, maka bisa :
2 ekor (arah) : Ada perbedaan TB mhs perempuan dan
laki
1 ekor (arah) : Mhs perempuan lebih tinggi atau mhs
perempuan lebih rendah.

Uji statistik untuk 2 kelompok


Skala
pengukuran
Nominal

Ordinal

Numerik

Tidak berkaitan

Berkaitan

Korelasi dan
regresi

X2 (2x2)
Uji exact Fisher

Uji McNemar

Uji KolmogorovSmirnov
Uji Mann-Whitney

- Uji Sign
Uji Spearman
- Uji Wilcoxon
matched-paired

Uji t unpaired

Uji t paired

Regresi
logistik

- Uji Pearson
- Regresi linier
- Regresi
multipel

RUJUKAN
Nordness RJ : Epidemiology & Biostatistics
Secret , Mosby Elsevier, Philadelphia, 2006
Riffenburgh RH : Satatsistics in Medicine,
Elsevier Academic Press, London, 2 nd Ed, 2006
Daniel WW : Biostatistic, A Faoundation for
Analysis in the Health Science, John Willey &son
Inc, 2005
Margotta R, History of Medicine, Octopus
Publishing Group, 2001

Das könnte Ihnen auch gefallen