Overview of

Biostatistics
MELISSA ADIATMAN
DIAH AYU MAHARANI
IWANY AMALIYAH
Department of Dental Public Health and Preventive Dentistry

Why You Should Study

Statistics?

Without knowledge of statistics, you are lost

Reading scientific articles
Understanding oral health data
Its on the test (compulsory for your
semester)

Content of this
presentation:

Variables
Statistics: definitions and kind of statistics
Measures of central tendency
Measures of variability
Data Input exercise

I: Variables
Karakteristik yang berubah dari satu
subjek ke subjek lain

Independent versus dependent variables

Levels of measurement (skala pengukuran)
Paired versus unpaired
Kinds of statistics

Independent vs dependent
variables

Karakteristik yang
menentukan nilai
variabel terikat

Karakteristik yang
nilainya ditentukan
oleh variabel bebas

Levels of Measurement

The kind of statistic that is appropriate depends

on how the dependent variable has been
measured
Levels of measurement:

Categorical
Nominal (dikotom dan polikotom) sederajat
Ordinal bertingkat
Numerical
Interval tidak memiliki nilai nol alami (suhu)
Ratio memiliki nilai nol alami (TB, BB)

Levels of Measurement
CONTOH:
Nama variabel tinggi badan
Definisi operasional: jarak antara ujung tumit
kaki dan puncak kepala
Nilai: 155, 156, 157, 158, 159, ... (dalam cm)
Alat ukur : meteran tinggi badan

SKALA?

Paired versus Un-paired

(berpasangan dan tidak
berpasangan)

Berpasangan (paired)

Data yang sama yang diperoleh dari individu

yang sama atau dianggap sama

Tidak berpasangan (un-paired)

Data yang diperoleh dari individu yang berbeda
tanpa proses matching

II. What Are Statistics?

Methods for organizing, analyzing, and

interpreting numerical data

Descriptive statistics: Organize and summarize

data
Inferential statistics: Used to make an inference,
on the basis of data, about the (non)existence of a
relationship between the independent and
dependent variables

Kinds of Statistics

When data are measured at the categorical

or ordinal level, nonparametric statistical tests
are appropriate.

Unfortunately, time prohibits much discussion of

this important class of statistics.

When data are interval or ratio, parametric

tests are usually the correct choice
(depending on the assumptions required by
the test).

drg. Diah Ayu Maharani, SKG, PhD

Dept. IKGM-P
19 September 2014

Definisi:
Karakteristik yang beragam
Contoh:
Nama variabel tinggi badan
Definisi operasional: jarak antara ujung tumit kaki dan puncak kepala
Nilai: 155, 156, 157, 158, 159, ... (dalam cm)
Alat ukur : meteran tingi badan

Jenis variabel:
Menurut skala pengukuran (Nominal, Ordinal, Interval, Rasio)
Menurut sifatnya (Kategorik, Numerik)

Jenis Variabel Menurut Skala Pengukuran

RASIO= ada tingkatan, jarak, kelipatan
contoh: berat badan, tinggi badan
INTERVAL= ada tingkatan, ada jarak, tdk ada kelipatan
contoh: suhu
ORDINAL= ada tingkatan, tdk diketahui jarak
contoh: stadium penyakit, pangkat
NOMINAL= tdk ada tingkatan
contoh: pria/wanita, golongan darah

Jenis Variabel Menurut Sifatnya

Kategorik (kualitatif)
Definisi
Cirinya
Contoh
Pd umumya

: hasil pengkategorian/penjumlahan suatu data

: isinya berbentuk kata-kata
: jenis kelamin (pria/wanita), pekerjan (PNS/Swasta)
berisi variabel yang berskala nominal dan ordinal

Numerik (kuantitatif)
Definisi
: variabel hasil pengukuran atau penghitungan
Ciri : isinya berbentuk angka-angka
Contoh
: tinggi badan (150cm,165cm,dst), jumlah anak: 1,2,3,dst
Pd umumya berisi variabel yang berskala interval dan rasio

Data numerik diubah ke dlm data katagorik dg cara

pengelompokkan/pemgklasifikasian.
Misalnya berat badan data riilnya merupakan data
numerik, namun bila dikelompokkan menjadi kurus
(<50kg), sedang (50-60kg) dan gemuk (>60kg) maka jensis
variabelnya sudah berubah menjadi kategorik

Tampilan di Komputer (Excel/SPSS)

Age
numerik
Religion
Catagoric
Coding: 1=Islam,2=Kristen,3=Katolik
Gender
Catagoric
Coding: 1=Male, 2=Female
Age1
Catagorik
Coding: 1= <20th (teen), 2= 20-30 th
(adult), 3= >30 th (elderly)

Age

Religion

Gender

Age1

18

34

23

34

Parametrik Distribusi data populasi yang diuji

normal / berbentuk simetris, menggunakan
perbandingan mean sbg acuan, biasanya utk data
interval dan rasio
Non Parametrik Distribusi data populasinya
tidak normal atau tidak diketahui distribusinya,
sampel sedikit, biasanya data mentah tidak
digunakan tp menggunakan sistem perengkingan
dari nilai terendah hingga tertinggi, menggunakan
median sebagai acuan, biasanya utk data nominal
dan ordinal

Jenis Analisis Data:

Univariat (1 variabel) :
deskripsi masing-2 variabel
METODE : Peringkasan Data (Ukuran Tengah)
Ukuran Penyebaran (Ukuran Variasi)

Bivariat (2 variabel)
Multivariat (banyak variabel)

Analisis Data
Memberi makna data, memberi arti data, memperoleh gambaran masingmasing variabel
Contoh: hasil survei di Bogor didapatkan rata-rata berat bayi sebesar
2100g.
Analisisnya: masih banyak bayi di Bogor dalam kondisi berat badan rendah.
Hasil Analisis data akan maksimal, bila menguasai:
- Statistik
- Substansi dari data yg dianalisis
- Paket program statistik komputer

Central Tendancy (nilai tengah)

Mean distribusi normal
Median skewed distribution
Mode

Measure of Variability (variasi data)

range & variance & standard deviation
distribusi normal
Interquartile range (IQR) bila sebaran
datanya ada outliers

Peringkasan Data : Numerik

Mean (rerata) kadar Hb:
(10+11+12+13+14)
-------------------------- = 12 mg/dl
5
Hb=10

Hb=11

Hb=12

Median (nilai tengah) =12 mg/dl

Modus (paling sering) = tdk ada

Hb=13

Hb=14

Kelemahan nilai mean : terpengaruh data ekstrim (outliers)

Keuntungan nilai median: tidak terpengaruh adanya data ekstrim

Standar Deviasi: Ukuran Sebaran/keragaman data Numerik

Lebak rerata Hb = 12 mg/dl

Hb=10

Hb=11

Cianjur rerata Hb = 12 mg/dl

Hb=12
Hb=12

Hb=13

Hb=12

Hb=12

Hb=14
Hb=12

Hb=12

Kedua Kabupaten memiliki rerata yang sama namun di Lebak kadar Hb lebih
beragam
Std. Deviasi Hb bumil di Lebak = 1,58 mg/dl
Std. Deviasi Hb bumil di Cianjur = 0,0 mg/dl

Ukuran variasi data Katagorik

: Proporsi / persentase

= Bumil tidak sehat

= Bumil sehat

Proporsi bumil sehat: 6/10 = 0,6 = 60%

Normalitas Data
Kenormalan data adalah salah satu syarat
untuk dapat menggunakan uji statistik
parametrik.
Apa sajakah yang menjadi acuannya?
grafik histogram dan kurva normal
skewness (kemiringan) dan standar errornya
uji kolmogorov smirnov dan saphiro wilk

Distribusi data normal/ simetris / bell-shaped

mean = median = modus (hampir sama)

95% observasi diharapkan jatuh diantara dua

standar deviasi dari mean?

ESTIMASI
Perkiraan kondisi/karakteristik populasi melalui data sampel
Mis: hasil survei sampel 150 bayi di Depok didapatkan rerata
berat badan bayi 2100 g
Untuk seluruh Depok berapa rata-rata nya ? -> estimasi
Misal hasil Estimasi Interval didapatkan hasil : 95 % CI (2000g
; 2300g)
Berarti Gambaran kondisi bayi di Depok, sbb:
95 % dipercaya bahwa rata-rata berat badan bayi di wilayah
Depok adalah berada diantara 2000g s/d 2300g

Distribusi data miring ke kiri

Mean

< Median Modus

(ekor di kiri / negatif)

Distribusi data miring ke kanan (ekor di kanan / positif)

Mean

> Median Modus Mean

Kelemahan Mean :
terpengaruh data ekstrim (outliers)
dpt digunakan pd data berdistribusi normal

Keuntungan nilai median:

tidak terpengaruh adanya data ekstrim
(outliers)
Pada distribusi yg miring (tidak normal) nilai
Median selalu terletak antara nilai Modus &
Mean

 Jika distribusi data normal:

digunakan mean sbg pemusatan &
Standar Deviasi sbg ukuran penyebaran
Jika distribusi data tidak normal:
digunakan median sbg pemusatan &
min-max sbg ukuran penyebaran

Kurtosis
- Tinggi-rendah/runcing-datar dari kurva normal
- Densitas data

Distribusi Normal
Kurtosis = 0

Leptokurtotic = runcing
Kurtosis > 0
Platykurtotic = rendah-datar
Kurtosis < 0

Tampilan Utama SPSS (Data View)

Tampilan Utama SPSS (Variabel View)

Skenario
Suatu penelitian dilakukan untuk menganalisa
apakah ada perbedaan proporsi antara subjek
yang merokok dan adanya penyakit periodontal.
Kemudian dilakukan uji klinis dengan
menggunakan pasta gigi untuk mengurangi
halitosis subjek-subjek tersebut. Untuk itu
dilakukan pengukuran sebelum dan sesudah
perlakuan.

Entry Variabel View

Entry
Data
View

Analisis Variabel Katagorik

Analisis Variabel Katagorik

Output
SPSS

Note : Ouput spss tdk dapat langsung dilaporkan, harus dibuat tabel

Penyajian Hasil Deskriptif

Analisis
Variabel
Numerik

Output
SPSS

Explore utk deskriptif

CI (estimasi interval) & Normalitas

Output Explore

>50
< 50
Bila Sig (p) > 0.05 berarti distribusi Normal
Untuk jumlah sampel:

Penyajian Deskriptif Data

Interpretasi:
Terjadi Penurunan nilai rerata Halitosis sesudah
perlakuan

Contoh penyajian Grafik

Variabel kategorik (prosentasi/proporsi) diagfram Pie
Mendeskripsikan perubahan yang terkait dengan waktu
(before and after) line

Recoding Data

Recoding dengan SPSS