biostatistik dasar



biostatistik
Bio : sesuatu yang hidupStatistik : data/bukti

·         Biostatika adalah sesuatu yang dilihat, didengar, kemudian di aplikasikan dalam bentuk-bentuk angka lewat pengamatan dan dibuat dalam suatu formula tertentu. Baik itu gambar, tabel, grafik, yang akan di tampilkan agar mudah di pahami oleh pengguna/ pembaca statistika.
 Biostatistika terbagi atas 2 kategori:

1.      Statistik, adalah data yang di paparkan lewat kejadian –kejadian tertentu yang dikumpulkan oleh seseirang/kelompok orang terhadap suatu kejadian/peristiwa tertentu, yang pada saat waktu dan tempat tertentu juga untuk melihat fenomena apa yang terjadi tanpa menggunakan rumus-rumus tertentu untuk menghitumg dan mengaplikasikan data tersebut. Rumus- rumus yang biasa di pakai dalam statistika:

∑ (persentase), x (rata-rata), tabel, grafik, dan gambar. 

2.      Statistik sama saja dengan statistika tetapi di dalam statistika kajiannya lebih mendalam jika dibandingkan dengan statistik. Bukan hanya data yang di tampilkan tetapi dipertanyakan mengapa ini terjadi, apa penyebabnya, faktor-faktor apakah. Dan dengan menggunakan rumus-rumus tertentu untuk menjawab fenomena mengapa ini terjadi. Statistika terbagi menjadi:

a.       Statistika diskritif adalah statistika yang melewati suatu fenomena lewat pengumpulan data baik kelompok maupun perorangan seperti apa adanya, tanpa campur tangan/perlakuan tertentu, sehimgga membuat objek pengamatan berubah.
Contohnya: membuat penelitian di sebuah pantai yang terdapat perahu, kerang, dan masing-masing hitung banyaknya data yang di dapatkan (perahu,kerang).Pada statistika diskritif kebanyakan menggunakan subjek/objek tersendiri.

·         Data adalah sekumpulan angka, simbol, gambar, yang di olah sedemikian rupa sehingga membentuk suatu informasi yang di terjemahkan menurut keperluan tertentu. 

b.      Statistika parametrik, adalah statistika yang mempunyai penyebaran data harus normal, kalau datanya tidak normal berarti memakai non-parametrik. Data dalam statistika dalam garis besarterbagi atas 4:

1. Data nominal, adalah data yang hanya di pakai untuk penggabti nama tertentu (baik nama orang, tumbuhan, maupun hewan). Atau sebagai pengganti jenis kelamin. Data ini tidak mempunyai peringkat tertentu, disamping itu data inipun tidak bisa di ( + x – dan di bagi).

Contohnya: data absen.

2.      Data ordinal, sama dengan data nominal, dan yang berbeda adalah data ordinal sudah mempunyai tingkat tertentu dan data ini tidak bisa dipaki untuk mengganti jenis kelamin.
Contohnya:
Nama siswa
Kelas/semester
peringkat
Anda
1
1
yudha
4
2
Ajeng
3
3
Marco
6
4
angel
5
5

3.      Data interval, adalah sebuah data yang sangat penting didalam statistika, karena mempunyai fungsi untuk membuat jumlah data yang banyak menjadi efesien atau lebih sedikit sehingga mudah ditampilkan atau mudah di pahami. Berbicara interval adalah jarak yang di mulai dari titik angka tersebut/ lambang sampai pada angka/ lambang berikutnya. Jarak antara titik/ lambang pertama ketitik /lambang/angka berikutnya dinamakn interval.
Contohnya: 5 – 9 , intervalnya 5  

4.     Data rasio
Rasio adalah penggabungan data nominal, ordinal, interval. Disamping itu rasio juga mempunyai angka nol mutlak. Data rasio merupakan akumulasi dari seluruh data (nominal).Disamping empat data tersebut ada juga distribusi data/penyebaran data yang dikatagorikan berdasarkan dua:

1.     Distribusi data tunggal
Adalah suatu data yang mempunyai karakteristik tertentu dan melekat pada individu, subyek/objek tertentu.Data distribusi tunggal ini  dapat dipakai apabila jumlah data relatif sedikit (n), kalau datanya dengan jumlah banyak akan dipakai data berdistribusi bergolong (interval).
 Contoh data tunggalDi dalam pembuatan tabel untuk distribusi data tunggal dibiasakan dari besar ke kecil. TABEL NILAI UJIAN STATISTIK SEMESTER III

1
2
3
4
5
6
7
8
9
10
1
55
65
35
64
70
53
44
37
88
41
2
51
38
65
37
80
41
32
65
70
80
3
36
71
85
45
71
37
80
61
54
38
4
71
21
22
51
21
47
56
41
57
63
 
NO
SKOR
CACAHAN/TALLI
FREKUENSI (F)
1
88
I
1
2
85
II
1
3
80
III
3
4
71
III
3
5
70
II
2



n  = 40
 Contoh data interval

1
2
3
4
5
6
7
8
9
10
1
55
65
35
64
70
53
44
37
88
41
2
51
38
65
37
80
41
32
65
70
80
3
36
71
85
45
71
37
80
61
54
38
4
71
21
22
51
21
47
56
41
57
63
5
57
37
89
25
37
92
63
51
37
67
6
81
45
63
85
71
52
60
88
31
27
7
39
47
75
63
47
50
88
90
41
85
8
57
63
41
70
37
28
59
61
57
80
9
63
39
38
27
39
61
58
70
88
66
10
70
53
42
53
80
64
37
85
41
42
Ket.     Jumlah kelas = 8
Jarak interval = 9*      R (rentang data)
R    = data terbesar – data terkecil      = 92 – 21      = 71*      

Jarak interval       =
=
= 8,8 = 9a.       Menetukan jumlah kelas dengan menggunakan rumus STURGES:
= 1 + 3,3 Log n= 1 + 3,3 log 100= 1 + 3,3 . 2= 1 + 6,6= 7,6 = 8  b.      Menentukan kelas interval dengan rumus:
B - 1
 
Ket: B = jarak interval
 
 
Peny. B -1
          9 – 1 = 8              21 + 8 = 29
                                       39 + 8 = 4
NO
KLS-INTERVAL
TTK.TENGAH
CACAHAN
FREKUENSI
FR (%)
FX
FX2
1
21-29
25
IIIII II
7
7
175
30625
2
30-38
34
IIIII IIIII IIIII
15
15
510

3
39-47
43
IIIII IIIII IIIII II
17
17
731

4
48-56
52
IIIII IIIII I
11
11
572

5
57-65
61
IIIII IIIII IIIII IIIII I
21
21
1281

6
66-74
70
IIIII IIIII I
11
11
770

7
74-83
79
IIIII II
7
7
553

8
84-92
88
IIIII IIIII I
11
11
960




Nilai total
100

5560

 
c.       Menetukan titik tengah, di dapat dari :
ü 
              skor
ü   
ü 
 
d.      Menentukan frekuensi relatif (FR %):
FR % =
  =
  = 21,
Dst, . . .
 
e.       Menentukan FX, di dapat dari:
FX        =  titik tengah  x  frekuensi
            =  61 x 21
            =  1281
 
 
 
*      Berapa nilai rata-rata yang mengikuti statistik (x):
X          = 
            = 
            = 55,6
 
UJI t / BEDA/ PERBEDAAN/ PERBANDINGAN
 
§  Uji t adalah suatu pengujian untuk mencari rata-rata perbedaan antara dua kelompok sampel yang berhubungan ataupun yang tidak berhubungan dari suatu populasi yang akan dinilai signifikannya lewat tingkat kepercayaan atau kebenaran tertentu yang dilambangkan dengan angka 95, 99, 99, 99.
 
§  Populasi adalah sejumlah karakteristik data pada masa lampau maupun masa kini, baik menyangkut data kebendaan, data fenomenal lngkungan, data kemasyrakatan (penduduk) maupun data sekolah dan siswa pada berbagai jenjang pendidikan. Contoh: karakteristik populasi A, berbeda dengan karakeristik populasi B.
 
§  Signifikan, yaitu tingkat kepercayaan atau kebenaran.
Pada angka 95                 5% 
                   99                   1%
                   99,99                         0,1%
-          Artinya , 95% dipercaya, dan 5% tidak dipercaya dalam suatu kejadian dsb.
-          Semakin tinggi nilai kepercayaan datanya harus samakin falid.
-          Dalam suatu kejadian 100%, 95% dipercaya dan 5% tidak dipercaya (keliru)
-          Informasi adalah data yang didapatkan.
 
§  Sampel adalah sebagian kecil dari populasi yang harusnya memilki karakteristik populasi. Apabila sampel tidak mewakili karakteristik populasinya maka tidak dinamakan sampel. Sampel dapat diambil sebanyak mungkin dari populasi atau hanya sedikit dari populasi tergantung dari karakteristik populasinya. Apabila populasinya homogen (sama) maka sampel yang akan di ambil sedikit atau kecil saja dapat terwakili populasi. Sebaliknya sampel akan diambil banyak apabila populasinya heterogen.
Contoh homogen, secangkir kopi.
Apabila populasinya homogen, maka data yang diambil bisa di acak karena sudah terwakili.
Contoh heterogen, kue lapis.
Karena kue lapis memiliki rasa yang berbeda ada yang berwarna hijau, merah, putih, coklat.
Apabila populasinya heterogen maka cara sampel akan diambil secara STRATIFAED SAMPLING gunanya untuk membuat bagian-bagian tertentu menjadi homogen (sama) kemudian beru ditarik sampelnya secara acak.
 
§  Fungsi stratifaed sampling juga sebagai untuk dapat di buat pembagian wilayah/ daerah. Dan untuk pembagian jenis pekerjaan dan pendidikan.
Pekerjaan mencakup: PNS, petani, nelayan, wiraswasta, dll
Pendidikan mencakup: SD, SMP, SMA, dan perguruan tinggi.
Wilayah mencakup: atas, tengah, bawah.
§  Cara pengambilan secara perposive sampling adalah pengambilan sampel berdasarkan tujuan-tujuan tertentu tergantung pada fokus penelitiannya dimana data dari populasi atau karakteristik populasinya telah diketahui sebelumnya oleh si pengambil data. Sehingga data yang di dapat atau yang diperoleh lebih banyak berorientasi kepada subyektifitas. Contoh pengambilan data dipantai.
§  Bola es/ bola salju adalah pengambilan sampel yang mula-mula sedikit, makin hari makin banyak dan pada suatu ketika menjadi besar.
Contoh meneliti tentang seorang nelayan dari satu menjadi dua menjadi 8 menjadi 16 dan menjadi banyak untuk mendapat sampel secara menyeluruh.
 
Rumus:
t =             
S2 =   ∑x12 – ( ∑x1 )2              ∑x22 – (∑x2)2                                               N1                                           N2                                                            N1    +     N2        -    2
Dimana:
X1, X2      : rata-rata hitung untuk sampel/ subyek/ obyek/ populasi ke-1 dan ke-2
S2                 : varian populasi
N1 N2     : jumlah sampel/ subyek/ obyek/ populasi ke-1 dan ke-2
t           : beda rata-rata atau populasi sampel/ obyek/ subyek
contoh:
pada sekolah 1 MAN, kelas 1 terdapat 5 kelas yaitu I1, I2, I3, I4, I5 (populasi), karena populasi homogen, maka sampel yang di ambil secara acak.
 
§  Aplikasi dari rumus uji t
Syarat melaksanakan uji t pada statistik inverensial adalah sbb:
1.      Datanya harus berdistribusi normal
2.      Harus homogen
3.      Tingkat kesulitan butir soal antara kelas (I2,I5) harus sama
4.      Bentuk soal antara dua kelas (I2, I5) harus sama
5.      Pada saat melaksanakan ujian/ tes waktunya harus secara bersamaan
6.      Guru yang mengajar pada dua kelas (I2, I5) harus sama
 
Konsep           : keanekaragaman hayati
No
Siswa yang di ajarkan  (I2)
Siswa yang di ajrakan (I5)
Dengan metode diskusi (x1)
Dengan metode ceramah (x2)
Skor (x1)
F
Fx1
Fx2
Skor (x2)
F
Fx1
Fx2
1
92
3
276
76176
90
3
270
72900
2
89
4
356
126736
82
2
164
26896
3
85
7
595
354025
75
5
375
140625
4
80
8
640
409600
70
11
770
592900
5
77
7
539
290521
63
9
567
321489
6
65
5
325
105625
59
4
236
55696
7
60
4
240
57600
55
3
165
27225





50
3
150
22500


N1= 38
2971
1.420.283

N2= 40
2697
1260231
Fx =  X1  x   F
 
HIPOTESIS
1.      Hipotesis diskritif ( H0 ) : maknanya dengan kata-kata
H0 atau hipotesis nihil
H0, berarti tidak terdapat perbedaan hasil belajar dengan menggunakan metode diskusi dan ceramah terhadap siswa kelas 1 SMA negeri 2 masohi.