statistik kesehatan

FAKULTAS KEDOKTERAN UNIVERSITAS ISLAM INDONESIA
JL. Kaliurang Km. 14,5 Sleman Yogyakarta 55584 Tel: 0274 - 898444 ext 2097 | Fax: + 2007
http://www.medicine.uii.ac.id/ | Email: [email protected]
STATISTIK KESEHATAN
dr. Nur Aisyah Jamil, M.Sc
Konsep dasar
Statistik adalah ilmu yang mempelajari tentang cara mengumpulkan,
mengolah, menganalisis data dan menyimpulkanya serta melakukan inferensi (ke
populasi) bila hanya sebagian data yang diperoleh (sampel). Biostatistik adalah
cabang statistik dalam bidang ilmu biologi dan medis.
Bahan baku statistik adalah data, sebagian menyederhanakan sebagai
angka. Angka adalah hasil dari pengukuran dan perhitungan. Data terdiri atas
kumpulan angka. Setiap angka tersebut dinamakan datum.
Data yang dibutuhkan untuk analisis statistik adalah data yang dapat
digunakan untuk menjawab pertanyaan (penelitian). Data tersebut dapat diperoleh
dari berbagai sumber seperti :
1. Catatan rutin, seperti catatan follow-up dokter, rekam medis, laporan
keuangan, dan sebagainya
2. Survey, data yang tidak dapat diperoleh dari catatan rutin, harus dicari
dengan survey. Contoh untuk mengetahui tingkat kepuasan pasien
terhadap pelayanan Puskesmas, kita dapat mengetahuinya dengan cara
mengadakan survey terhadap pasien puskesmas.
3. Eksperimen yaitu data yang diperoleh setelah melakukan uji coba.
4. Sumber eksternal, yaitu data yang diperoleh dari hasil penelitian orang lain,
jurnal yang dipublikasikan, textbook dan sebagainya.
Variabel adalah karakteristik yang diobservasi, yang berbeda pada tiap orang,
tempat atau sesuatu. Variabel diskrit tidak memiliki desimal. Contoh variabel
diskrit adalah jumlah jari tangan. Variabel kontinu mempunyai desimal, contohnya
adalah tinggi badan anak sekolah. Variabel kuantitatif adalah yang dapat dihitung,
variabel kualitatif adalah yang tidak dapat dihitung (seperti gender : laki-laki,
perempuan). Variabel kualitatif biasanya merupakan skala nominal.
Pengukuran dan Skala Pengukuran
Pengukuran bertujuan untuk memberikan ukuran angka pada sebuah
objek. Terdapat beberapa skala pengukuran, yaitu :
a) Skala
nominal
merupakan
skala
terendah,
pengelompokan
individu/objek/respon/benda berdasarkan kesamaan karakteristik tertentu
dan dikategorikan secara mutually eksklusive (tidak dapat beririsan).
Contohnya pria-wanita, anak-dewasa, menikah-belum menikah, islamkristen-hindu, setuju-tidak setuju dan lain sebagainya.
Elearning Pendidikan Klinik Stase Ilmu Kesehatan Masyarakat (IKM)
FAKULTAS KEDOKTERAN UNIVERSITAS ISLAM INDONESIA
JL. Kaliurang Km. 14,5 Sleman Yogyakarta 55584 Tel: 0274 - 898444 ext 2097 | Fax: + 2007
http://www.medicine.uii.ac.id/ | Email: [email protected]
b) Skala ordinal memiliki ciri khas nominal dan kelompok tersebut disusun
ranking (order) dengan aturan tertentu. Contoh dibawah rata-rata, rata-rata,
diatas rata-rata.
c) Skala interval tidak hanya dapat merangking, namun jarak diantara dua
pengukuran diketahui. Skala interval memiliki starting point dan terminating
point . Contoh 1-5,6-10,11-15, dan seterusnya.
d) Skala ratio merupakan skala pengukuran tertinggi (memiliki karakteristik
nominal, ordinal dan interval) ditambah tujuannya sendiri dan memiliki
starting point yang tetap seperti nol. Dapat digunakan dalam perhitungan
matematis. Contoh, usia 40 tahun adalah 2 kali lebih tua dari usia 20 tahun.
Statistik Deskriptif
Statistik deskriptif merupakan hasil perhitungan sampel data yang dapat
menggambarkan kondisi data tersebut. Cara paling umum untuk statistik deskriptif
adalah tabel distribusi frekuensi, histogram, polygon frekuensi dan steam-leaf
displays. Terdapat ukuran central tendensi (mean, median, modus) dan ukuran
dispersi/penyebaran (range, varian, standar deviasi)
Mean adalah rata-rata dari hasil pengukuran, median adalah hasil
pengukuran yang berada di tengah (bila diurutkan dari kecil ke besar), dan modus
adalah hasil pengukuran yang paling sering muncul. Range adalah selisih hasil
pengukuran terbesar dan terkecil. Varian adalah jumlah kuadrat dari selisih hasil
pengukuran dengan mean dibagi jumlah sampel dikurangi 1, menunjukkan
besarnya penyebaran relatif dengan nilai mean-nya. Standar deviasi adalah akar
dari varian, yang berguna untuk mengukur variasi dalam sebuah set data.
Contoh dari 10 perhitungan didapatkan hasil : 1,2,2,3,4,4,4,5,7,9
Maka:
a. Mean=
= =4,1
b. Median adalah posisi tengah, no 5=4, no 6= 4, maka median=
=4
c. Modus adalah hasil pengukuran yang paling sering muncul yaitu 4(3 kali
muncul)
d. Range =9-1=8
e. Varians
=
= 5,8
f. Standar deviasi=
=2,4
Elearning Pendidikan Klinik Stase Ilmu Kesehatan Masyarakat (IKM)
FAKULTAS KEDOKTERAN UNIVERSITAS ISLAM INDONESIA
JL. Kaliurang Km. 14,5 Sleman Yogyakarta 55584 Tel: 0274 - 898444 ext 2097 | Fax: + 2007
http://www.medicine.uii.ac.id/ | Email: [email protected]
Distribusi Normal
Sampel yang diambil dengan teknik yang baik akan merepresentasikan
keadaan populasi yang sesungguhnya. Hal ini mengurangi sampling error. Hasil
perhitungan sampel tersebut selalu membentuk distribusi kurva normal (Gaussian
distribution), yaitu suatu bentuk kurva distriusi frekuensi yang menyerupai bell (bell
shape). Ciri-ciri distribusi normal adalah :
1. Bentuknya simetris (seperti bayangan di cermin), dengan mean
ditengahnya
2. Mean, median dan modus sama
3. Area under curve(AUC) kanan dan kiri mean seimbang (50%)
4. Wilayah AUC + 1 SD= 68%, + 2 SD=95%, + 3 SD= 99,7%.
5. Standar deviasi yang lebar akan membuat kurva normal menjadi lebih flat.
Dengan melihat hubungan nilai mean, median dan modus maka dapat
menentukan bentuk distribusi data, yaitu :
-
Bila mean, median, modus sama maka distribusi data adalah normal
Bila mean > median > modus maka distribusio data miring ke kanan
Bila mean < median < modus maka distribusio data miring ke kiri
Berdasarkan soal di atas
Mean>median=modus, data dapat dikatakan normal
Cara lain untuk memeriksa normalitas data adalah menggunakan nilai kurtosis
dan skewness (dari SPSS) dimana
dan
maka data berdistribusi normal
Contoh : Hasil output statistic dskriptif adalah sebagai berikut
Mean
Median
Mode
Std. Deviation
Skewness
Std. Error of Skewness
Kurtosis
Std. Error of Kurtosis
=
=-1 dan
Elearning Pendidikan Klinik Stase Ilmu Kesehatan Masyarakat (IKM)
39.9667
41.0000
45.00
13.98887
-.400
.427
-.385
.833
=
=-0,5
FAKULTAS KEDOKTERAN UNIVERSITAS ISLAM INDONESIA
JL. Kaliurang Km. 14,5 Sleman Yogyakarta 55584 Tel: 0274 - 898444 ext 2097 | Fax: + 2007
http://www.medicine.uii.ac.id/ | Email: [email protected]
Maka data berdistribusi normal
Selain itu dapat dihitung menggunakan Kolmogorof-Smirnov. Berikut ini
contoh pemakaian uji Kologorof-Smirnov terhadap variabel tekanan darah sistolik
(TDS) pada program SPSS :
Klik Analyze → Descriptive statistic → Explore → Isikan pada kolom dependen list
: TDS → Klik Plots → Pilih normality plots with test → Continue → OK
Hasil outputnya sebagai berikut :
Tests of Normality
Kolmogorov-Smirnova
Statistic
Tekanan Darah
Sistolik
.274
df
Shapiro-Wilk
Sig.
25
.000
Statistic
.797
df
Sig.
25
.000
a. Lilliefors Significance Correction
Interpretasi :
Pada uji normalitas Ho=data terdistribusi normal, Hi/Ha =data tidak normal
Nilai p TDS < 0.05 sehinggga Ho ditolak dan H1 diterima. Hal ini menunjukkan
sebaran data tidak normal.
Menyajikan data
1. Tabel
Metode yang paling umum untuk mempresentasikan data adalah
tabel. Tabel berguna untuk menyajikan data yang besar dalam bagian
yang kecil. Jenis tabel berdasar pada jumlah variabelnya terdiri atas
tabel univariat yang sering dikenal dengan tabel frekuensi, tabel bivariat
biasanya dalam bentuk cross tabulation, dan tabel mutivariat.
Komponen tabel adalah sebagai berikut :
a. Judul harus informatif,menggambarkan isinya. Penulisan variabel
terikat terlebih dahulu baru varuabel bebasnya. Penomoran tabel
pada tulisan desertasi dimulai dengan nomer bab-nya.
b. Stub/bagian vertical (Y-axis) memuat sub kategori dari
variabel(terikat) yang informasinya dijelaskan pada kolom-kolom di
sebelah kanan.
Elearning Pendidikan Klinik Stase Ilmu Kesehatan Masyarakat (IKM)
FAKULTAS KEDOKTERAN UNIVERSITAS ISLAM INDONESIA
JL. Kaliurang Km. 14,5 Sleman Yogyakarta 55584 Tel: 0274 - 898444 ext 2097 | Fax: + 2007
http://www.medicine.uii.ac.id/ | Email: [email protected]
c. Caption/ judul kolom, pada tabel univariat, judul kolom biasanya
jumlah/persentase responden. Jika bivariat, judul kolom memuat sub
kategori variabel (X-axis).
d. Badan memuat data
e. Suplemen/footnotes, terletak di bawah tabel, merupakan keterangan
tambahan seperti sumber (bila menggunakan tabel dari sumber
tenrtentu), keterangan umum, keteragan bagian spesifik tabel,
keterangan level of probability.
2. Grafik
Merupakan cara penyajian data yang lebih mudah difahami
(informative dan komunikatif) dan lebih menarik (attractive). Untuk
data kategorikal dapat menggunakan histogram, diagram batang dan
pie chart. Untuk data kontinu, selain dapat menggunakan histogram,
diagram batang dan pie chart, juga dapat menggunakan diagram
garis. Selain jenis data, jumlah variabel juga menentukan grafik apa
yang paling baik digunakan. Berikut ini jenis-jenis grafik beserta
kegunaannya:
a. Histogram
Adalah penyajian data kontinu interval, tinggi masing-masing
kotak histogram menunjukkan frekuensi/persentasenya. Sebelum
membuat histogram, data terlebih dahulu dikelompokkan dengan
interval tertentu.
Gambar 1 histogram kadar total protein pasien
b. Diagram batang
Identik dengan histogram, namun antar batang terdapat spasi yang
menunjukkan bukan data kontinu (bisa kategorikal, baik nominal atau
ordinal).
Elearning Pendidikan Klinik Stase Ilmu Kesehatan Masyarakat (IKM)
FAKULTAS KEDOKTERAN UNIVERSITAS ISLAM INDONESIA
JL. Kaliurang Km. 14,5 Sleman Yogyakarta 55584 Tel: 0274 - 898444 ext 2097 | Fax: + 2007
http://www.medicine.uii.ac.id/ | Email: [email protected]
16
14
12
10
8
6
4
2
0
SD
SMP
SMA
PT
Gambar 2 diagram batang pendidikan reponden
c. Frekuensi polygon
Frekuensi polygon didapatkan dengan cara menghubungkan nilai
tengah masing-masing histogram. Contoh dibawah ini adalah frekuensi
polygon jumlah jam belajar mahasiswa
sumber : http://www.icoachmath.com/math_dictionary/Frequency_Polygon.html
Gambar 3 frekuensi polygon jumlah jam belajar mahasiswa
d. Diagram Stem-leaf
Merupakan cara lain untuk menyajikan data distribusi frekuensi.
Masih nyaman bila jumlah data tidak terlalu banyak (dapat mencapai
digit 100 sampai 1000). Contoh diagram stem - leaf usia responden dari
30 reponden di bawah ini :
usia Stem-and-Leaf Plot
Frequency
2
4
9
7
1.
2.
3.
4.
Stem & Leaf
02
1223
245566789
3455556
Elearning Pendidikan Klinik Stase Ilmu Kesehatan Masyarakat (IKM)
FAKULTAS KEDOKTERAN UNIVERSITAS ISLAM INDONESIA
JL. Kaliurang Km. 14,5 Sleman Yogyakarta 55584 Tel: 0274 - 898444 ext 2097 | Fax: + 2007
http://www.medicine.uii.ac.id/ | Email: [email protected]
6
2
5 . 345567
6 . 04
Stem width:
Each leaf:
10.00
1 case(s)
Gambar 4 Diagram Stem-Leaf
e. Pie Chart
Lingkaran pie yang mempunyai 360 derajat merupakan 100 persen
data. Pembagian derajat bergantung pada frekuensi/persentase
masing-masing sub kategorik. Idealnya pie chart digunakan untuk
kategori yang tidak terlalu banyak. Pada data kontinu dapat digunakan,
hanya sebelumnya perlu dikelompokkan terlebih dahulu.
SD
SMP
SMA
PT
Gambar 5 pie-chart pendidikan responden
f. Diagram garis / kurva trend
Berguna untuk menyajikan data kontinu (skala interval atau ratio).
Data long term, dapat dilihat kecenderungan/trend sesuatu kejadian.
Contoh trend angka kematian bayi Indonesia.
Elearning Pendidikan Klinik Stase Ilmu Kesehatan Masyarakat (IKM)
FAKULTAS KEDOKTERAN UNIVERSITAS ISLAM INDONESIA
JL. Kaliurang Km. 14,5 Sleman Yogyakarta 55584 Tel: 0274 - 898444 ext 2097 | Fax: + 2007
http://www.medicine.uii.ac.id/ | Email: [email protected]
sumber 2007 Indonesia Demographic and Health Survey
Gambar 6 Kurva Trend Angka Kematian Bayi Indonesia
Tahun 1971-2007
g. Diagram hambur(scattergram)
Tidak dapat digunakan pada variabel yang kategorik. Hanya pada
data continue (interval/ratio) dan memiliki dasar hipotesis kedua variabel
berhubungan. Semakin teratur letak hamburnya akan mendekati garis
tertentu , maka kedua variabel memiliki hubungan yang linear.
180
Tekanan Darah Sistolik
160
140
120
100
80
60
40
20
0
0
10
20
30
40
50
60
Usia
Gambar 7 diagram hambur usia dan tekanan darah sistolik
h. Blox plot
Elearning Pendidikan Klinik Stase Ilmu Kesehatan Masyarakat (IKM)
FAKULTAS KEDOKTERAN UNIVERSITAS ISLAM INDONESIA
JL. Kaliurang Km. 14,5 Sleman Yogyakarta 55584 Tel: 0274 - 898444 ext 2097 | Fax: + 2007
http://www.medicine.uii.ac.id/ | Email: [email protected]
Adalah salah satu penyajian data distribusi frekuensi berdasarkan
ukuran kuartil. Batas bawah box adalah kuartil1 (Q1), batas atas box
adlah kuartil 3 (Q3), garis tengah box adalah median (Q2). Garis paling
bawah adalah hasil pengukuran terendah, garis paling tinggi adalah
hasil pengukuran tertinggi.
Gambar 8 Diagram Box-Plot
Statistik Inferensi
Statistik inferensi adalah prosedur pengambilan simpulan dari sebuah
populasi berdasarkan sampel yang diambil dari populasi tersebut. Untuk dapat
melakukan inferensi, diperlukan uji statistik yang akan menguji hipotesis
penelitian. Berikut ini adalah tabel yang merangkum uji statistik yang digunakan
berdasarkan jumlah dan sifat variabel bebas dan variabel terikatnya.
Tabel 1 Jenis Uji Statistik Berdasarkan Jumlah dan Sifat Variabel
Jumlah
Variabel
Terikat
1
Sifat Variabel Bebas
0 Variabel Bebas
(1 populasi)
Sifat Variabel Terikat
Jenis Uji Statistik
interval & normal
one-sample t-test
ordinal or interval
one-sample median
Kategorikal
kategori)
Kategorikal
Elearning Pendidikan Klinik Stase Ilmu Kesehatan Masyarakat (IKM)
(2
binomial test
Chi
square
goodness of fit
FAKULTAS KEDOKTERAN UNIVERSITAS ISLAM INDONESIA
JL. Kaliurang Km. 14,5 Sleman Yogyakarta 55584 Tel: 0274 - 898444 ext 2097 | Fax: + 2007
http://www.medicine.uii.ac.id/ | Email: [email protected]
1
Variabel
Bebas
dengan
2 kelompok
(independent groups)
interval & normal
2
independent
sample t-tes
ordinal or interval
Wilcoxon-Mann
Whitney test
Kategorikal
1
Variabel
Bebas
dengan 2 kelompok atau
lebih
(independent
groups)
1
Variabel
Bebas
dengan
2 kelompok
(berpasangan)
1
Variabel
Bebas
dengan 2 kelompok atau
lebih (berpasangan)
2 Variabel Bebas atau
lebih
(independent
groups)
One way ANOVA
ordinal or interval
Kruskal Wallis
Kategorikal
Chi- square test
interval & normal
paired t-test
ordinal or interval
Wilcoxon
ranks test
Kategorikal
Mc Nemar
interval & normal
one-way repeated
measure ANOVA
ordinal or interval
Friedman test
Kategorikal
repeated measures
logistic regression
interval & normal
factorial ANOVA
ordinal or interval
?
interval & normal
Bebas
ordinal or interval
Kategorikal
1
Variabel
Bebas
(interval) atau lebih dan
atau 1 Variabel Bebas
(kategorik) atau lebih
2
atau
lebih
1
Variabel
Bebas
dengan dua kelompok
atau lebih (independent
groups)
Fisher's exact test
interval & normal
Kategorikal
1
Variabel
(interval)
Chi- square test
interval & normal
Kategorikal
interval & normal
Elearning Pendidikan Klinik Stase Ilmu Kesehatan Masyarakat (IKM)
signed
factorial
Logistic
Regression
correlation
simple
linear
regression
non-parametric
correlation
simple
logistic
regression
multiple regression
analysis
of
covariance
multiple
logistic
regression
discriminant
analysis
one-way MANOVA
FAKULTAS KEDOKTERAN UNIVERSITAS ISLAM INDONESIA
JL. Kaliurang Km. 14,5 Sleman Yogyakarta 55584 Tel: 0274 - 898444 ext 2097 | Fax: + 2007
http://www.medicine.uii.ac.id/ | Email: [email protected]
2
atau
lebih
interval & normal
multivariate multiple
linear regression
2 atau lebih
2
atau
lebih
0
interval & normal
canonical
correlation
2
atau
lebih
0
interval & normal
factor analysis
Sumber (http://www.ats.ucla.edu/stat/mult_pkg/whatstat/default.htm)
P value adalah peluang mendapatkan hasil yang paling ekstrim dari sampel
yang diobservasi bila hipotesis nol benar.
Gambar 9 p value pada one-tail
Gambar 10 p value pada two tail.
Interval Kepercayaan 95% (95% Confidence Interval)
dengan level
terendah=a dan level tertinggi=b , semisal dalam 100 kali pengambilan sampel,
peneliti memiliki kepercayaan 95 kali hasilnya akan jatuh pada nilai diantara a dan
b. Jadi tingkat kesalahan hanya 5 persen. Interval a dan b semakin kecil hasilnya
semakin precise. Formula untuk interval kepercayaan adalah :
95% IK untuk µ=ẋ ±1,96(δ/
) dan 99 % IK untuk µ=ẋ ±2,58(δ/
)
µ=rata-rata populasi
ẋ =rata-rata sampel yang diobservasi
1,96 dan 2,58 dari standar deviasi rata-rata populasi = Z score dari α 0,05 dan
0,01
Elearning Pendidikan Klinik Stase Ilmu Kesehatan Masyarakat (IKM)
FAKULTAS KEDOKTERAN UNIVERSITAS ISLAM INDONESIA
JL. Kaliurang Km. 14,5 Sleman Yogyakarta 55584 Tel: 0274 - 898444 ext 2097 | Fax: + 2007
http://www.medicine.uii.ac.id/ | Email: [email protected]
δ = standar deviasi
n= jumlah sampel
Contoh Seseorang mengklaim bahwa rata-rata usia populasi 7683 orang di
Honolulu adalah 53 tahun (µ0), Apakah klaim ini benar?. Maka seorang peneliti
melakukan Penelitian Honolulu Heart Study dengan mengambil 100 orang sampel
didapatkan nilai rata-rata usia (ẋ ) = 54,85 tahun dan standar deviasi (δ ) = 5,5,
maka 95% interval kepercayaan dari penelitian (53,78-55,93) dan 99% interval
kepercayaan dari penelitian (53,43-56,27)
Gambar 95% IK dan 99% IK
Dari hasil perhitungan, µ0 (53) tidak berada di dalam rentang IK, maka H0
tertolak, H1 diterima, bahwa populasi sampel (54,85) berbeda signifikan dengan
rata-rata populasi.
Sumber Kuzma JW and Bohnenblust S (2005)
Untuk mempersempit IK maka dapat melakukan beberapa hal berikut ini:
a) Memperbesar jumlah sampel
b) Menurunkan level konfiden, seperti dari 99% IK ke 95% IK
c) Meningkatkan presisi dengan menurunkan kesalahan pengukuran
(measurement error termasuk non random teknik) sehingga varian lebih
kecil.
Uji Hipotesis
Pada uji perbandingan dua mean (independent t-test, paired t-test), maka
rumusan uji hipotesis:
a) Ho= u1=u2= tidak terdapat perbedaan mean antara kelompok 1 dan
kelompok 2
b) H1/Ha= u1=u2=mean kelompok 1 berbeda dengan mean kelompok 2
c) Dimana bila p<0,05 , Ho ditolak, H1 diterima
Elearning Pendidikan Klinik Stase Ilmu Kesehatan Masyarakat (IKM)
FAKULTAS KEDOKTERAN UNIVERSITAS ISLAM INDONESIA
JL. Kaliurang Km. 14,5 Sleman Yogyakarta 55584 Tel: 0274 - 898444 ext 2097 | Fax: + 2007
http://www.medicine.uii.ac.id/ | Email: [email protected]
Pada uji ANOVA, maka rumusan uji hipotesis:
a) Ho=u1=u2=u3=u4
b) H1/Ha= satu atau lebih mean berbeda dari yang lain
c) Dimana bila p<0,05 , Ho ditolak, H1 diterima
Berikut ini adalah tabel makna p<0,05 (Ho ditolak dan H1 diterima pada
masing-masing uji statistik.
Tabel Makna p <0,05 pada Berbagai Uji Statistik
No
1
Nama Uji
Makna bila p<0,05 (Ho ditolak, H1 diterima)
Uji
Normalitas
KolmogorovDistribusi data tidak normal
Smirnov
dan
Shapro-wilk
Distribusi beberapa set data yang dibandingkan
mempunyai varians yang berbeda
5
6
Uji Varians levene's
test
Uji t berpasangan
Uji
t
tidak
berpasangan
Uji Wilcoxon
Uji Mann-Whitney
7
Uji ANOVA
8
Uji Friedman
9
Uji Kruskal-Wallis
Paling tidak terdapat dua kelompok data yang
mempunyai
perbedaan
rerata
yang
bermakna(post hoc analisis digunakan untuk
mengetahui kelompok mana yang berbeda
secara bermakna)
10
11
Uji McNemar
Uji Homogenity
Terdapat perbedaan proporsi yang bermakna
antara dua kelompok data
12
Uji Cochran
Paling tidak terdapat dua kelompok data yang
mempunyai
perbedaan
proporsi
yang
bermakna(post hoc analisis digunakan untuk
mengetahui kelompok mana yang berbeda
secara bermakna)
13
Uji Chi-Square
Uji
KolmogorovSmirnov
Uji Fisher
Uji Pearson
Uji Spearman
Uji
Koefisien
Kontingensi
Uji Lambda
2
3
4
14
15
16
17
18
19
Terdapat perbedaan rerata yang bermakna
antara dua kelompok data
Terdapat hubungan yang bermakna antara
variabel A dan B
Terdapat korelasi yang bermakna antara variabel
A dan B
Elearning Pendidikan Klinik Stase Ilmu Kesehatan Masyarakat (IKM)
FAKULTAS KEDOKTERAN UNIVERSITAS ISLAM INDONESIA
JL. Kaliurang Km. 14,5 Sleman Yogyakarta 55584 Tel: 0274 - 898444 ext 2097 | Fax: + 2007
http://www.medicine.uii.ac.id/ | Email: [email protected]
20
Uji
Gamma&Somers'd
Sumber : Dahlan, 2011
Elearning Pendidikan Klinik Stase Ilmu Kesehatan Masyarakat (IKM)
FAKULTAS KEDOKTERAN UNIVERSITAS ISLAM INDONESIA
JL. Kaliurang Km. 14,5 Sleman Yogyakarta 55584 Tel: 0274 - 898444 ext 2097 | Fax: + 2007
http://www.medicine.uii.ac.id/ | Email: [email protected]
Daftar Pustaka
1. Dahlan S, Statistik untuk Kedokteran dan Kesehatan,2011, Jakarta:
Salemba Medika
2. Daniel WW, Biostatistik,7th ed, 1999, New York: John and Willey Son.
3. Kumar R, Research Methodology, 1999, Malaysia : Sage Publication
4. Kuzma JW, Bohnenblust S, Basic Statistic for the Health Sciences, 4th ed,
2005, USA : McGraw Hill
Elearning Pendidikan Klinik Stase Ilmu Kesehatan Masyarakat (IKM)