01.Pengantar Biostatistika: Konsep Dasar

Views:
 
     
 

Presentation Description

No description available.

Comments

Presentation Transcript

slide 1:

Diktat Pengantar Biostatistika untuk Mahasiswa Program Studi DIII Keperawatan Disususn Oleh Syahrum 1 KONSEP-KONSEP DASAR STATISTIKA DALAM KEPERTAWATAN SEJARAH STATISTIK Penggunan Statistik sudah ada sebelum abad ke- 18 pada saat itu negara Babilon Mesir dan Roma mengeluarkan catatan tentang nama usia jenis kelamin pekerjaan dan jumlah anggota keluarga. Kemudian pada tahun 1500 pemerintahan Inggris mengeluarkan catatan mingguan tentang kematian dan tahun 1662 dikembangkan catatan tentang kelahiran dan kematian. Baru pada tahun 1772-1791 G. Achenwall menggunakan istilah statistik sebagai kumpulan data tentang Negara. Tahun 1791-1799 Dr. E.A.W Zimmesman mengenalkan kata statistika dalam bukunya Statistical Account of Scotland. Tahun 1880 F. Galton pertama kali menggunakan korelasi dalam penelitian ilmu hayat. Pada abad 19 Karl Pearson mempelopori penggunaan metoda statistik dalam berbagai penelitian biologi maupun pemecahan persoalan yang bersifat sosio ekonomis. Tahun 1918-1935 R. Fisher mengenalkan analisa varians dalam literatur statistiknya. PERKEMBANGAN METODE STATISTIK DAN PENELITIAN KEPERAWATAN Penelitian keperawatan dimulai dari Catatan Keperawatan Florence Nightingale 1859. Dia menggambarkan faktor-faktor yang ia yakini mempengaruhi hasil perawatan prajurit di perang krim Crimean war dengan cara yang sistematis. Catatannya memberikan dasar untuk tinjauan perawatan yang diterima oleh prajurit tersebut yang pada gilirannya menstimulasi perubahan dalam asuhan keperawatan dan kesehatan masyarakat. Dalam dasawarsa banyak penelitian yang dilakukan yaitu tentang pendidikan keperawatan. Sigma Theta Tau International Honor Society of Nursing menjadi organisasi pertama yang mendanai penelitian keperawatan di Amerika Serikat pemberian penlitian hibah pada tahun 1936. Pada tahun 1930 American Journal of

slide 2:

Diktat Pengantar Biostatistika untuk Mahasiswa Program Studi DIII Keperawatan Disususn Oleh Syahrum Nursing mulai penerbitan studi penelitian keperawatan. Pada tahun 1952 Penelitian Keperawatan dikreasi untuk berbagi pengembangan rumpun studi keperawatan. Sekarang ini jurnal ini menikmati reputasi internasional karena merupakan jurnal terkemuka untuk penelitian keperawatan yang di peer-review. Pada tahun 1970-an fokus penelitian berubah menjadi investigasi praktek keperawatan dan hasil keperawatan. Peningkatan ketelitian diperlukan untuk menyelidiki isu-isu yang terkait dengan praktik yang membutuhkan pengetahuan mendalam tentang desain penelitian dan metode statistik. Peer review diperlukan untuk publikasi jurnal tambahan seperti Penelitian dalam Keperawatan dan Kesehatan dan Kemajuan Ilmu Keperawatan dikembangkan untuk mempublikasikan studi-studi ini. Masalah klinis dan isu-isu yang berhubungan dengan praktek yang diidentifikasi sebagai kebutuhan utama untuk penelitian keperawatan Lindeman 1975. Pada tahun 1986 kepentingan penelitian keperawatan diakui dengan pembentukan National Center for Nursing Research NCNR yang merupakan bagian dari National Institutes of Health. Pusat ini menyediakan dana untuk penelitian keperawatan dan melatih perawat peneliti. Seleksi untuk pendanaan berkembang menjadi Proses peer-review yang ketat di mana desain dan metode statistik proyek penelitian ditinjau dengan saksama. Dana yang disediakan oleh NCNR berkembang menjadi lebih dari 150 juta per tahun. Saat ini trend dalam penelitian keperawatan difokuskan pada evidenced-based practiceHuddleston Berkheimer Landis et al. 2005 McCormick Naimark dan Tate 2006 peningkatan ketepatan studi Im Halaman Lin Tsai dan Cheng 2004 Sterling dan Peterson 2005 penelitian multidisiplin visibilitas penelitian keperawatan dan fokus pada budaya dan kesenjangan kesehatan Peragallo DeForge OCampo et al. 2005. BEBERAPA KONSEP DASAR Seperti semua bidang pembelajaran statistik memiliki kosa kata sendiri. Beberapa kata dan frase yang ditemui dalam studi statistik akan menjadi baru bagi Saudara yang sebelumnya tidak terpapar dengan mata ajar ini. Meskipun Istilah- istilah lain yang muncul sudah familiar dapat memiliki makna khusus yang berbeda

slide 3:

Diktat Pengantar Biostatistika untuk Mahasiswa Program Studi DIII Keperawatan Disususn Oleh Syahrum dari makna istilah-istilah. Berikut ini adalah beberapa penjelasan istilah atau terminologi statistika yang akan kita gunakan dalam mata ajar pengantar biostatistika ini. 1. Data Bahan baku statistik adalah data. Untuk tujuan kita kita dapat mendefinisikan data sebagai angka atau bilangan. Dua jenis angka yang kita gunakan dalam statistik adalah angka yang dihasilkan dari pengukuran dan angka yang merupakan hasil dari proses penghitungan. Sebagai contoh ketika seorang perawat menimbang berat badan pasien atau mengukur suhu tubuh pasien suatu ukuran yang didapat terdiri dari angka seperti 61 Kg atau 36 o C. Berbagai jenis angka diperoleh ketika administrator rumah sakit menghitung jumlah pasien- berangkali 20 pasien pulang dari rumah sakit pada hari tertentu. Masing-masing tiga angka tersebut adalah datum dan ketiga angka tersebut diambil bersamaan adalah data. Jadi datum dalam bentuk tunggal dan data dalam jamak. 2. Variabel Jika kita mengamati suatu karakteristik kita menemukan pada karakteristik itu nilai atau data yang berbeda pada orang tempat kondisi atau sesuatu yang berbeda kita label karakteristik itu "variabel". Kita melakukan ini karena alasan sederhana bahwa karakteristik tidak sama ketika diamati di berbagai pemiliknya. Beberapa contoh variabel antara lain tekanan darah diastolik denyut jantung tinggi badan laki-laki dewasa berat badan anak prasekolah dan usia pasien rawat inap. 3. Statistika Statistika adalah bidang studi yang berhubungan dengan 1 pengumpulan pengorganisasian peringkasan dan analisis data dan 2 penarikan kesimpulan- kesimpulan tentang kumpulan data bila hanya sebagian dari data yang diamati. Orang yang melakukan kegiatan statistik harus siap untuk menafsirkan /menginterpretasikan dan mengkomunikasikan hasil-hasil kepada orang lain sebagai tuntutan situasi. Sederhananya kita dapat mengatakan bahwa data adalah

slide 4:

Diktat Pengantar Biostatistika untuk Mahasiswa Program Studi DIII Keperawatan Disususn Oleh Syahrum angka angka berisi informasi dan tujuan statistik adalah untuk menyelidiki dan mengevaluasi sifat dan makna dari informasi ini. 4. Biostatistika Alat statistik digunakan dalam berbagai bidang - bisnis pendidikan psikologi pertanian dan ekonomi dll. Ketika data dianalisis berasal dari ilmu biologi dan kedokteran kita menggunakan istilah biostatistik untuk membedakan aplikasi alat dan konsep statistik secara khusus. Bostatistika adalah terapan prinsip-prinsip statistika untuk pertanyaan-pertanyaan dan atau masalah-masalah kedokteran kesehatan masyarakat keperawatan komunitas atau biologi atau hal-hal yang bersifat hidup life event . Kita dapat membayangkan bahwa Biostatistika dapat mengkarakteristikan suatu populasi misalnya saja orang dewasa atau semua anak balita di Sumatera barat berkenaan dengan proporsi subjek yang mengalami gangguan gizi atau proporsi yang mengalami tuberculosis paru dan biostatistika juga penting untuk mengestimasi memperkirakan besarnya masalah ini dari waktu ke waktu atau mungkin di lokasi yang berbeda. Dalam keadaan lain biostatistika akan menjadi penting untuk membuat perbandingan diantara kelompok subjek untuk menentukan apakah perilaku tertentu misalnya merokok berkuat atau olah raga dll. berhubungan dengan atau berisiko terhadap kesehatan tertentu. Ini tentu saja tidak mungkin untuk menjawab semua persoalan tersebut dengan mengumpulkan informasi data dari semua subjek dalam populasi. Pendekatan yang lebih realistis adalah meneliti sampel atau bagian dari populasi. Disiplin ilmu biostatistik menyediakan alat dan teknik untuk mengumpulkan data dan kemudian meringkas menganalisis dan menafsirkan data tersebut. Jika kita mengambil sampel yang mewakili populasi sampel akan memberikan estimasi yang baik mengenai keseluruhan populasi. Oleh karena itu dalam biostatistik kita kita menganalisis sampel untuk membuat kesimpulan inferensi tentang populasi.

slide 5:

Diktat Pengantar Biostatistika untuk Mahasiswa Program Studi DIII Keperawatan Disususn Oleh Syahrum 5. Populasi dan Sampel Dalam statistik kita selalu membebicarakan populasi maupun sampel. Populasi adalah keseluruhan dari unit didalam pengamatan yang akan kita lakukan sedangkan sampel adalah sebagian dari populasi yang nilai/karakteristiknya kita ukur dan nantinya kita pakai untuk menduga karakteristik dari populasi. Seperti yang telah disebutkan tugas dasar statistik biostatistika adalah untuk menganalisis sampel dalam rangka untuk membuat kesimpulan tentang populasi dari mana sampel diambil. Untuk ilustrasi hal ini misalnya saja data fiktif diperkirakan populasi di Sumatera barat pada tahun 2015 yang terdiri dari 6.547.629 orang. Salah satu karakteristik atau variabel dari populasi tersebut dapat berupa tekanan darah diastolik. Ada sejumlah cara untuk melaporkan dan menganalisa data ini yang akan diperhitungkan dalam modul ini tentang penyimpulan atau peringkasan data. Namun untuk saat ini kita akan fokus pada mean mean tekanan darah diastolik dalam mmHg semua orang dewasa yang tinggal di Sumatera barat. Hal ini jelas tidak layak tidak mungkin untuk mengukur dan merekam tekanan darah semua warga tapi kita bisa mengambil sampel dari populasi dalam rangka memperkirakan mean tekanan darah diastolik populasi. Meskipun kesederhanaan dari contoh ini itu menimbulkan serangkaian konsep dan istilah yang perlu didefinisikan. Istilah populasi subjek sampel variable dan data yang telah didefinisikan di atas. Hal ini dimungkinkan untuk memilih banyak sampel dari populasi tertentu dan kita akan melihat dalam modul belajar

slide 6:

Diktat Pengantar Biostatistika untuk Mahasiswa Program Studi DIII Keperawatan Disususn Oleh Syahrum lainnya bahwa ada beberapa metode yang dapat digunakan untuk memilih subjek dari populasi untuk menjadi sampel. Contoh sederhana di atas menunjukkan tiga sampel kecil yang diambil untuk mengestimasi mean tekanan darah diastolik penduduk Sumatera barat meskipun tidak spesifik bagaimana sampel diambil. Perhatikan juga bahwa masing-masing sampel memberikan estimasi perkiraan mean yang berbeda untuk populasi dan tidak ada estimasi yang sama dengan mean aktual untuk keseluruhan populasi 78 mmHg dalam contoh hipotisis ini. Pada kenyataannya kita umumnya tidak mengetahui mean sebenarnya dari karakteristik populasi yang tentu saja mengapa kita mencoba mengestimasi memperkirakan nya dari sampel. Oleh karena itu penting untuk mendefinisikan dan membedakan antara: Populasi versus ukuran sampel dan Parameter versus statistik sampel Statistik Sampel Dalam rangka untuk mengilustrasikan perhitungan statistik sampel kita memilih sebagian kecil n 10 dari responden dalam kiraan penyakit jantung di kota Solok. Nilai-nilai data untuk sepuluh orang ini akan ditampilkan dalam tabel di bawah. Kolom paling kanan berisi indeks massa tubuh BMI dihitung dengan menggunakan pengukuran tinggi dan berat badan. Kita akan kembali ke contoh dalam modul ini tentang penyimpulan data tetapi memberikan gambaran yang berguna dari beberapa istilah yang telah diperkenalkan dan juga akan memberikan ilustrasi perhitungan beberapa statistik sampel. Nilai Data Sampel Kecil Responden Subjek Tekanan Darah Sistolik Tekanan Darah Diastolik Total Kolesterol Serum Berat Badan Tinggi Badan Massa Indeks Tubuh 1 141 76 199 138 63.00 24.4 2 119 64 150 183 69.75 26.4 3 122 62 227 153 65.75 24.9 4 127 81 227 178 70.00 25.5 5 125 70 163 161 70.50 22.8 6 123 72 210 206 70.00 29.6

slide 7:

Diktat Pengantar Biostatistika untuk Mahasiswa Program Studi DIII Keperawatan Disususn Oleh Syahrum 7 105 81 205 235 72.00 31.9 8 113 63 275 151 60.75 28.8 9 106 67 208 213 69.00 31.5 10 131 77 159 142 61.00 26.8 Simpulan statistik pertama yang penting untuk dilaporkan adalah ukuran sampel. Dalam contoh ini ukuran sampel adalah n 10. Karena sampel ini kecil n 10 mudah untuk meringkas sampel dengan menginspeksi nilai-nilai yang diamati misalnya dengan membuat daftar tekanan darah diastolik dalam urutan dari yang kecil sampai yang besar: 62 64 67 70 72 76 77 81 81 Inspeksi sederhana dari sampel kecil ini memberikan kita arti nilai tengah tekanan diastolik yang diobservasi dan juga memberi kita arti berapa banyak terdapat variabilitas. Namun untuk sampel besar inspeksi nilai data individu tidak memberikan simpulan yang berarti dan simpulan statistik yang diperlukan. Dua komponen kunci dari simpulan yang berguna untuk variabel kontinu adalah: • Deskripsi nilai tengah atau mean dari data Apakah itu nilai khusus dan • Indikasi variabilitas data Mean Sampel Ada beberapa statistik yang menggambarkan nilai tengah data tetapi untuk sekarang kita akan fokus pada mean sampel yang dihitung dengan menjumlahkan semua nilai untuk variabel tertentu dalam sampel dan membaginya dengan ukuran sampel. Untuk sampel tekanan darah diastolik pada tabel di atas mean sampel dihitung sebagai berikut: Untuk menyederhanakan rumus statistik sampel dan untuk parameter populasi kita biasanya menandai variabel dengan "X". X secara sederhana melambangkan

slide 8:

Diktat Pengantar Biostatistika untuk Mahasiswa Program Studi DIII Keperawatan Disususn Oleh Syahrum variabel sedang dianalisa. Disini X tekanan darah diastolik Formula umum untuk mean sampel Sample Mean adalah: X dengan bar di atasnya merupakan nilai mean sampel sample mean dan dibaca sebagai "X bar". Σ menunjukkan penjumlahan yaitu jumlah dari X atau jumlah dari tekanan darah diastolik dalam contoh ini. Ketika melaporkan simpulan statistik untuk variabel kontinu kebiasaan kita adalah melaporkan melebihi satu desimal yang ditaruh dari banyak desimal yang diukur. Tekanan darah sistolik dan diastolik total kolesterol serum dan berat badan yang diukur lebih mendekati bilangan bulat sehingga simpulan statistik lebih mendekati ke persepuluhan. Tinggi badan diukur lebih mendekati ke perempatan inci perseratus oleh karena itu simpulan statistik dilaporkan ke perseribu. Indeks massa tubuh dihitung dengan lebih mendekati ke persepuluh simpulan statistik dilaporkan lebih mendekati perseratus. Varian dan Simpangan Baku Sampel Jika tidak ada nilai ekstrim atau terpencil outlier dari variabel nilai mean mean adalah simpulan yang paling tepat dari nilai tipikal dan untuk meringkas variabilitas dalam data kita secara khusus memperkirakan variabilitas dalam sampel mendekati nilai mean sampel. Jika semua nilai-nilai yang diamati dalam sampel dekat dengan nilai mean sampel simpangan baku standar deviasi akan menjadi kecil yaitu mendekati nol dan jika nilai-nilai yang diamati bervariasi sekitar nilai rata-mean sampel standar deviasi akan besar. Jika semua nilai-nilai dalam sampel adalah identik standar deviasi sampel akan menjadi nol. Ketika membahas nilai mean sampel sample mean kita menemukan bahwa mean sampel untuk tekanan darah diastolik 713. Tabel di bawah ini menunjukkan masing-masing nilai pengamatan bersama dengan deviasi masing-masing dari mean sampel.

slide 9:

Diktat Pengantar Biostatistika untuk Mahasiswa Program Studi DIII Keperawatan Disususn Oleh Syahrum Tekanan Darah Diastolik dan Deviasi dari Mean Sampel X Tekanan Darah Diastolik Deviasi dari Mean Sampel 76 4.7 64 -7.3 62 -9.3 81 9.7 70 -1.3 72 0.7 81 9.7 63 -8.3 67 -4.3 77 5.7 ΣX 713 Deviasi Penyimpangan dari mean mencerminkan seberapa jauh tekanan darah diastolik masing-masing individu dari mean tekanan darah diastolik. Tekanan darah diastolik responden pertama adalah 47 unit di atas mean sementara tekanan darah diastolik responden kedua adalah 73 unit di bawah mean. Apa yang kita butuhkan adalah simpulan dari penyimpangan dari mean ini khususnya ukuran seberapa jauh mean masing-masing responden dari mean tekanan darah diastolik. Jika kita menghitung mean deviasi dengan cara menjumlahkan penyimpangan dan membaginya dengan besar sampel kita mengalami masalah. Jumlah penyimpangan dari mean adalah nol. Ini akan selalu menjadi kasus karena merupakan properti dari mean sampel yaitu jumlah deviasi di bawah mean akan selalu sama dengan jumlah deviasi di atas mean. Namun tujuannya adalah untuk menangkap besarnya penyimpangan ini dalam simpulan ukuran. Untuk mengatasi masalah ini yaitu karena penjumlahan penyimpangan penjumlahan menjadi nol kita bisa mengambil menjadikannya nilai absolut atau mengkuadratkan setiap deviasi dari mean. Kedua metode ini akan mengatasi masalah tersebut. Metode yang lebih populer

slide 10:

Diktat Pengantar Biostatistika untuk Mahasiswa Program Studi DIII Keperawatan Disususn Oleh Syahrum untuk merangkum penyimpangan dari mean meliputi pengkuadratkan deviasi nilai absolut sulit dalam pembuktian matematika . Tabel di bawah ini menampilkan masing-masing nilai yang diamati penyimpangan dari setiap mean sampel dan deviasi dari mean yang dikuadratkan. XTekanan Darah Diastolik Deviasi dari Mean Deviasi dari Mean yang Dikuadratkan 76 4.7 22.09 64 -7.3 53.29 62 -9.3 86.49 81 9.7 94.09 70 -1.3 1.69 72 0.7 0.49 81 9.7 94.09 63 -8.3 68.89 67 -4.3 18.49 77 5.7 32.49 ΣX 713 Penyimpangan yang dikuadratkan diinterpretasikan sebagai berikut. Deviasi yang dikuadrat responden pertama adalah 22.09 artinya / tekanan darah diastolik nya adalah 2209 unit yang dikuadratkan dari mean tekanan darah diastolik dan tekanan darah diastolik responden kedua adalah 53.29 unit yang dikuadratkan dari mean tekanan darah diastolik. Suatu kuantitas yang sering digunakan untuk mengukur variabilitas dalam sampel disebut varians sampel Sample Variance dan itu pada dasarnya adalah mean deviasi yang dikuadratkan. Varians sampel dilambangkan S 2 dan dihitung sebagai berikut:

slide 11:

Diktat Pengantar Biostatistika untuk Mahasiswa Program Studi DIII Keperawatan Disususn Oleh Syahrum Dalam sampel ini n 10 tekanan darah diastolik varians sampel adalah S 2 47210 / 9 5246. Dengan demikian mean tekanan darah diastolik adalah 5246 unit yang dikuadratkan dari mean tekanan darah diastolik. Karena mengkuadratkan itu varians tidak terlalu diinterpretasikan. Ukuran yang lebih umum dari variabilitas dalam sampel adalah simpangan baku sampel Sample Standard Deviation standar deviasi sampel didefinisikan sebagai akar dari kuadrat dari varians sampel: Suatu sampel 10 perempuan yang mencari perawatan prenatal di Puskesmas Tanjung Paku Kota Solok setuju untuk berpartisipasi dalam sebuah studi untuk menilai kualitas perawatan prenatal. Pada saat keterlibatan studi Anda koordinator studi mengumpulkan karakteristik latar belakang pada masing-masing ibu yang meliputi usia dalam tahun Data yang ditunjukan adalah sebagai berikut: 24 18 28 32 26 21 22 43 27 29 Suatu sampel 12 pria telah direkrut ke dalam studi tentang faktor-faktor risiko penyakit kardiovaskular. Data berikut adalah kadar kolesterol HDL mg / dL dari sampel studi tersebut: 50 45 67 82 44 51 64 105 56 60 74 68 Parameter Populasi Pada halaman sebelumnya diuraikan statistik sampel untuk pengukuran tekanan darah diastolik dalam sampel. Bila kita memiliki pengukuran tekanan darah diastolik untuk semua subjek dalam populasi kita juga bisa menghitung parameter populasi sebagai berikut: Mean Populasi

slide 12:

Diktat Pengantar Biostatistika untuk Mahasiswa Program Studi DIII Keperawatan Disususn Oleh Syahrum Biasanya mean populasi Population Meani yang dilambangkan oleh huruf kecil huruf Yunani μ diucapkan mu dan formula adalah sebagai berikut: Dimana "N" banyak populasi. Varians dan Simpangan Baku Populasi Persamaan yang sesuai untuk varians populasi Population Variance dan simpangan baku populasi Populatioan Standard Deviation akan menjadi sebagai berikut adalah huruf kecil huruf Yunani sigma: Mengkaji uraian tentang populasi dan sampel serta contoh angka yang dihitung maka dapat kita simpulkan bahwa ketika angka atau indeks-ideks yang dihitung pada data dari populasi atau hasil ukur dari populasi disebut parameter. Angka atau Indeks- indeks deskriptif dari sampel atau hasil ukur dari sampel disebut statistik 6. Statistika Deskriptif dan Statistika Inferensial Statistika juga merupakan suatu prosedur. Prosedur statistika untuk menggambar data yang dikumpulkan baik dari seluruh populasi maupun dari sampel disebut sebagai Statistik Deskriptif. Kegiatan statistik deskriptif mulai dari pengumpulan data sampai kepada mendapatkan informasi dengan jalan menyajikan dan menganalisa data yang telah terkumpul atau sengaja dikumpulkan. Statistik Deskriptif dikenal juga dengan Statistik Induktif.

slide 13:

Diktat Pengantar Biostatistika untuk Mahasiswa Program Studi DIII Keperawatan Disususn Oleh Syahrum Selanjutnya bila yang dikumpulkan data adalah data sampel kita tidak berhenti begitu saja Data yang sudah terkumpul ini diolah dan dianalisa untuk mengatahui bagaimana kedaan di populasinya. Prosedur statistik untuk menggambarkan data di populasi berdasarkan hasil ukur terhadap data sampel disebut sebagai Statistik Inferensia. Prodedur ini dilaukan adalah dalam rangka proses induksi dan generalisasi. Maka statistik inferensia disebut sebagai Statistik Induktif. Dengan metode statistik inferensia kita dapat mengevaluasi informasi yang telah kita kumpulkan menjadi suatu pengetahuan baru. 7. Statistika Parametrik dan Statistika Nonparametrik Statistika Parametrik adalah statistika untuk menganalisa data yang diambil dari populasi berdistribusi normal. Sedangkan Statistika Nonparametrik adalah statistika untuk menganalisa data dari populasi yang berdistribusi bebas. KOMPUTER DAN ANALISA BIOSTATISTIK Meluasnya penggunaan komputer mempunyai dampak yang luar biasa pada penelitian ilmu kesehatan pada umumnya dan analisis biostatistik pada khususnya. Kebutuhan untuk melakukan komputasi aritmatika yang lama dan membosankan sebagai bagian dari analisis data statistik data hanya tinggal dalam memori para peneliti dan praktisi yang kariernya mendahului disebut-revolusi komputer. Komputer dapat melakukan perhitungan lebih cepat dan jauh lebih akurat daripada teknisi manusia. Penggunaan komputer memungkinkan bagi para penyidik untuk mencurahkan waktu lebih banyak untuk perbaikan kualitas data mentah dan interpretasi hasil. Saat ini prevalensi mikrokomputer dan banyaknya program perangkat lunak software statistik program yang tersedia lebih lanjut merevolusi komputasi statistik. Dalam perkembangan ilmu statistik statistics telah menemukan suatu padanannya dengan perkembangan komputer sehingga metode statistik berkembang cepat sekali. Penggunaan komputer dalam kegiatan pengolahan maupun komputasi akan meningkatkan efisiensi bila beberapa karakteristik pengolahan dan komputasi data terpenuhi sebagai berikut:

slide 14:

Diktat Pengantar Biostatistika untuk Mahasiswa Program Studi DIII Keperawatan Disususn Oleh Syahrum 1. Volume data cukup besar 2. Tugas pengolahan dan komputasi data berulang kali 3. Membutuhkan peneylesaian cepat 4. Ketepatan dan ketelitian hasil pengolahan data 5. Pengolahan maupun komputasi data yang sifatnya rumit STATISTIKA DAN PROSES PENELITIAN ILMIAH Secara lebih mendalam prosesur statistik merupakan bagian dari dari rangkaian proses yang menghasilkan informasi secara ilmiah. Rangkaian proses tersebut bermula dari identifikasi permasalahan sampai menghasilkan kesimpulan. Proses tersebut dikenal dengan Proses Penelitian Ilmiah. Proses Penelitian Ilmiah akan dibahas pada mata kuliah Pengantar Penelitian Keperawatan. Bila diperhatikan prosedur statistic berawal dari data yang yang dikumpulkan Collecting Data untuk kemudian akan diambil kesimpulan secara umum melalui pengolahan dan analisa data dari hal-hal yang khusus dalam hal ini dari dari data disebut sebagai proses induksi. Istilah lain dikenal sebagai generalisasi. Lawan arah proses ini dimana diambil kesimpulan khusus dari hal- hal yang bersifat umum disebut sebagai proses deduksi. Jadi dalam proses penelitian ilmiah terjadilah/terdapat siklus deduksi dan induksi. KEPENTINGAN STATISTIKA DALAM KEPERAWATAN Statistik memiliki serangkaian aplikasi di setiap bidang studi sebagaimana statistika adalah ilmu tentang pengumpulan data analisis data dan presentasi. Sebagai contoh dalam keperawatan dapat digunakan untuk menghitung rata-rata jumlah klien yang diperiksa per hari per minggu per bulan atau per tahun. Selain menentukan interval pasien yang mana yang harus diberikan obat untuk melihat berapa persen dari pasien yang menderita HIV misalnya di antara mereka yang yang dirawat rawat inap di rumah sakit dll. Dalam kasus tersebut kita dapat menggunakan teknik statistik deskriptif sederhana seperti mean modus dan persentase. Selanjutnya teknik statistik ekonometrik dapat diterapkan untuk melihat hubungan sebab-akibat dan tingkat keparahan penyakit misalnya dengan menggunakan kosep regresi dan korelasi.

slide 15:

Diktat Pengantar Biostatistika untuk Mahasiswa Program Studi DIII Keperawatan Disususn Oleh Syahrum Lebih lanjut Perawat membutuhkan statistik selain dijadikan alat digunakan dalam melakukan penelitian keperawatan juga mendukung argumen-argumen perawat seperti: ✓ Statistik membantu kita untuk memahami pasien ✓ Statistik membantu untuk memahami diri sebagai perawat perawat perawatan kritis ✓ Statistik membantu untuk membandingkan pilihan untuk praktek ✓ Statistik menantang perawat untuk memikirkan kembali asumsi ✓ Statistik membantu untuk mengembangkan profesi keperawatan ✓ Statistik juda dapat membantu dalam kehidupan pribadi ✓ Statistik mengajarkan kita untuk berhati-hati

authorStream Live Help