Salam Pembelajar…

Lama tidak menulis di blog ini….setelah menyelesaikan beberapa kegiatan ternyata kangen juga untuk menulis kembali di blog…. berdasar pengalaman selama tutorial maka muncul permintaan mengenai definisi dari beberapa istilah penting dalam bidang Statistik (utamanya adalah Biostatistik)..

Nah setelah di Inventaris ada beberapa hal yg dapat saya identifikasi berdasar sumber-sumber belajar resmi terutama buku Prof Bhisma dan bahan kuliah dapat di peroleh beberapa istilah yg mendasar yg penting untuk di ketahui yaitu:

  1. Statistika
  2. Hipotesis
  3. Kesalahan tipe 1 : Alpha (α)
  4. Kesalahan tipe 2 : Beta (β)
  5. Power Uji
  6. p-value (nilai p)
  7. Uji Statistik
  8. Pengujian Satu Sisi
  9. Pengujian Dua Sisi
  10. Interval Konfidensi /Interval Kepercayaan
  11. Analisis Regresi
  12. Anova
  13. Kemaknaan Statistik
  14. Presisi

Wah masih banyak lagi yg lain, namun 14 ini cukuplah penting untuk dapat dimengerti dan di fahami. Penjelasan dari 14 istilah tersebut dapat disajikan berikut ini:

1. Statistika

Sekumpulan Konsep dan Metode yang digunakan untuk mengumpulkan dan menginterpretasi data tentang bidang kegiatan tertentu dan mengambil kesimpulan dalam situasi di mana ada ketidak pastian dan variasi

2. Hipotesis

Suatu pernyataan tentang hubungan variabel-variabel yang diteliti oleh peneliti. Hipotesis biasanya berupa pernyataan prediktif yang dapat di uji (testable). Jika dibenarkan data, maka hipotesis mendukung suatu teori. Hipotesis nol, H0, menyatakan tidak terdapat perbedaan/hubungan/pengaruh variabel. Hipotesis alternatif, Ha, menyatakan terdapat perbedaan /hubungan /pengaruh variabel.

3. Kesalahan tipe I : Alpha (α)

Kesalahan menyimpulkan bahwa ada perbedaan/hubungan/pengaruh variabel, padahal H0 benar. Kesalahan tipe I berbanding terbalik dengan kesalahan tipe II; makin besar kesalahan tipe I, makin kecil kesalahan tipe II. Demikian juga sebaliknya.

4. Kesalahan tipe II : Beta (β)

Kesalahan menyimpulkan tidak ada perbedaan/hubungan/pengaruh variabel, padahal H0 salah.

5. Power (Kuasa) Uji (1- β)

Kemampuan Penelitian untuk menunjukkan adanya perbedaan/hubungan /pengaruh variabel. Dipengaruhi banyak faktor antara lain (1) frekuensi dari keadaan yg diteliti, (2) besarnya pengaruh, (3) desain penelitian, dan (4) ukuran sampel. Makin besar sampel, makin besar kemampuan penelitian untuk menunjukkan adanya perbedaan/hubungan/pengaruh variabel.

6. p-value (nilai p)

disebut juga derajat kemaknaan/tingkat signifikan. Adalah batas untuk menolak hipotesis nol yg dinyatakan dalam bentuk luas area dalam kurva distribusi normal, atau probabilitas menolak hipotesis, di bawah asumsi Ho benar.

Misal derajat kemaknaan 5% artinya dari pengujian 100 kali yg dilakukan akan terdapat 5 kali pengujian yg tidak tepat (salah). Artinya bila diperkirakan hipotesis nol benar terjadinya kesalahan nilai statistik sampel akan terletak di daerah penolakan adalah 5 kali.

7. Uji Statistik

Prosedur Statistik yang digunakan untuk menguji kemaknaan temuan-temuan penelitian, baik perbedaan/hubungan/pengaruh variabel. Contoh uji t, uji F (Anova), uji proporsi, uji Chi Kuadrat. Uji statistik hanya digunakan dalam metode kuantitatif.

8. Pengujian Satu Sisi

Apabila kita menolak hipotesis nol, dengan 2 kemungkinan yaitu lebih besar dan lebih kecil dari batas kritis. Pengujian ini dinamakan pengujian satu sisi (di sebelah kanan atau di sebelah kiri kurva) di sini hanya terdapat satu daerah penolakan.

9. Pengujian Dua Sisi

Apabila kita menolak hipotesis nol, dengan 1 kemungkinannya adalah lebih besar atau lebih kecil dari batas kritis. Pengujian ini dinamakan pengujian dua sisi (di sebelah kanan dan di sebelah kiri kurva) di sini hanya terdapat dua daerah penolakan.

10. Interval Konfidensi /Interval Kepercayaan (CI)

Bedakan antara interval konfidensi dengan tingkat konfidensi.

Harga probabilitas (1-α) dinamakan tingkat konfidensi /koefisien konfidensi atau dapat di tulis p(B≤ ø ≤ A)=1-α; sedangkan

Interval Konfidensi 100(1-α)% untuk parameter ø, atau misal α=5% maka 95% CI (ø) artinya dari hasil disimpulkan 95% percaya, bahwa nilai rata-rata akan terletak dalam interval tersebut.

Exam: Hasil 95% CI(µ) atau 95% CI (Rata-rata penurunan berat badan laki-laki dengan HIV+ per bulan) diperoleh hasil c dapat diartikan 95% percaya bahwa rata-rata / nilai harapan penurunan berat badan laki-laki dgn HIV+ adalah 3,91 s/d 8,04 kg per-bulan.  p(3,91 ≤ µ ≤ 8,04)=0,95.

11. Analisis Regresi

Model analisis data yg menghubungkan variabel dependen, y, dan sebuah atau lebih variabel independen, x1, x2, dan seterusnya. Bertujuan menemukan model matematis yang “terbaik” dalam menjelaskan y sebagai sebuah fungsi dari x, atau memprediksi y berdasar x.

12. Anova (sinonim: analisis varians)

Model statistik untuk membedakan rata-rata (mean) sejumlah kelompok subjek penelitian berkaitan dengan suatu variabel (paparan atau perlakuan) yg sedang diteliti, dengan cara membandingkan variasi antar kelompok (between-group variation) dan variasi dalam kelompok (within-group variation). Makin besar variasi antar kelompok dan makin kecil variasi dalam kelompok, makin bermakna perbedaan rata-rata kelompok itu secara statistik. Rasio perbandingan itu disebut rasio F atau uji F.

13. Kemaknaan Statistik

Pernyataan yang menunjukkan besarnya peluang terhadap kesimpulan tentang adanya perbedaan/hubungan/pengaruh variabel yang disimpulkan peneliti ketika H0 benar. Ditunjukkan dengan nilai p (p-value).

14. Presisi

Ketelitian dalam menaksir hubungan/pengaruh variabel-variabel yg diteliti. Ukuran presisi yg lazim adalah standart error (SE), atau lebarnya kelas interval taksiran variabel, misalkan Interval Keyakinan 95%. Makin kecil SE, makin persis taksiran. Dalam statistik presisi adalah kebalikan dari varians. Presisi dapat ditingkatkan dengan menaikan sampel, lain-lain tidak berubah.

Dari 14 Istilah ini semoga dapat memberikan sumber pengertian yg mudah difahami oleh pembaca..

Baik, sumber-sumberl belajar lain yg ada dapat dipakai untuk menyempurnakan definisi dari istilah-2 tersebut

Salam

Ki Hariyadi

Istilah Penting dalam Biostatistik-Eq-Web