All About Public Health

Ilmu Statistika dan Ilmu Kependudukan dan kaitannya dengan Ilmu Kesehatan Masyarakat

Konsep Statistika

Statistika Adalah ilmu pengetahuan tentang pengembagan dan aplikasi metode pengumpulan, pengolahan, penyajian, analisa/intrepretasi data numeric, sehingga kesalhan dalam pengambilan kepuatusan dapat diperhitungkan secara numeric.

Sedangkan Biostatistika Adalah cabang ilmu statistic yang berkaitan dengan apliksai metode statistic pada persoalan dibidang biologi dan kedokteran.

Dalam Statistika Kesehatan data yang dibutuhkan lebih banyak menjurus pada perencanaan, pelaksanaan & penilaian program kesehatan, yang termasuk di dalamnya : Morbiditas (frekuensi dan penyebab kesakitan), Statistik Rumah sakit (jumlah pasien, lama perawatan, dll), Statistik Pelayanan (imunisasi, kesehatan gigi, KB, dll).

Fungsi Statistik Dalam Bidang Kesehatan :
• Memberikan gambaran/keterangan tentang masalah kesehatan
• Penentuan prioritas masalah yang perlu ditanggulangi
• Bahan yang dapat digunakan untuk perencanaan bidang kesehatan
• Dapat membandingkan tingkat kesehatan masyarakat
• Menilai dan menganalisa hasil usaha kesehatan
• Dapat menentukan kebutuhan dalam bidang kesehatan yang sudah atau belum dipenuhi
• Dapat mencari hubungan sebab dan akibat
• Dokumentasi data kesehatan masyarakat

Dalam Ilmu stastistik Data dapat dibagi menjadi 2, yaitu :
1. Data Kualitatif, data berbentuk kalimat
2. Data Kuantitatif, data berbentuk bilangan atau angka, yang data ini juga dapat dibedakan menjadi 2:
1. deskrit ——> data berbentuk bilangan bulat (kunjungan pasien, jumlah anak, dll)
2. kontinue —–> data berbentuk bilangan pecahan ( BB, TB, dsb)
Khusus dalam Statistik Kesehatan, Sumber data yang dipakai meliputi : Data Primer (survey, sensus, experiment) dan Data Sekunder (pencatatan peristiwa vital seperti kematian dan kelahiran, Catatan Khusus serta laporan dan Publikasi)

Konsep Ilmu Kependudukan
Ilmu kependudukan adalah suatu disiplin ilmu yang tidak dapat dipisahkan dalam pendalaman ilmu kesehatan masyarakat, karena dalam penyuluhan kesehatan kepada masyarakat, maka yang paling urgent untuk diketahui struktur dari suatu masyarakat itu sendiri dan pendekatan jenis apa yang harus dipakai untuk dapat berinterkasi dalam sebuah populasi masyarakat.
Definisi lain yang dikemukakan oleh ahli lain adalah : Ilmu yang mempelajari tentang jumlah, persebaran teritorial dan komposisi penduduk serta perubahan dan penyebab perubahan-perubahan yang terjadi tersebut. yang biasanya timbul karena natalitas (fertilitas), mortalitas, gerak teritorial (migrasi) dan mobilitas sosial (perubahan status).
(Philip M. Hauser dan Duddley Duncan. 1959 )

Tujuan Kajian Kependudukan terkait dengan kesehatan Masyarakat

Dilihat dari variable dasar demografi dan karakteristik penduduk maka para pakar bersepakat menyatakan tujuan utama kajian ilmu kependudukan terkait dengan kesehatan masyarakat adalah :
1. Mengetahui kualitas kesehatan dan distribusi penduduk dalam suatu daerah tertentu
2. Menjelaskan pertumbuhan masa yang lampau, penurunannya dan persebarannya dengan data dan catatan kesehatan yang tersedia.
3. Mengembangkan sebab akibat antara perkembangan laju pertumbuhan penduduk dengan berbagai aspek, salah satunya taraf kesehatan penduduk dalam suatu wilayah
4. Mencoba meramalkan pertumbuhan penduduk di masa yang akan datang dengan kemungkinan-kemungkinan konsekuensinya terhadap kesehatan masyarakat.


KESIMPULAN
1. Dalam perkembangan ilmu kesehatan masyarakat, ilmu Statistik sangat berperan penting dalam tahap perencanaan, pelaksanaan dan penilaian dari program program kesehatan yang dicanangkan, khususnya dalam pengumpulan, pengolahan, penyajian dan analisa data data numeric.
2. Sedangkan ilmu kependudukan dalam kaitannya dengan ilmu kesehatan masyarakat, berperan dalam membantu mengetahui struktur dan karakteristik dari masyarakat yang akan dituju serta membantu untuk menentukan tipe pendekatan apa yang akan digunakan untuk menunjang keberhasilan dan efektifitas program program kesehatan masyarakat yang dijalankan.

Inferential Statistics, Drawing Valid Conclusions from Sample
Statistik Inferensial, Menarik kesimpulan yang Valid dari Sampel

Pengantar

Dilihat berdasarkan tahap-tahap kerjanya, ruang Lingkup kajian Statistik dapat dibedakan dalam 2 macam yaitu :
1. Statistic Deskriptif, yaitu suatu statistic yang metode dan prosedur yang dipakai terbatas pada : Pengumpulan data, Pengolahan data, Penyajian data dan Analisa data yang tanpa perlu adanya peramalan atau pembuktian statistic
2. Statistik Inferensial, yaitu statistik yang metode dan prosedur yang dipakai sama seperti pada statistic deskriptif namun disertai pengambilan kesimpulan dengan pembuktian secara statistik terhadap hasil dari sampel atau populasi
Kali ini kita akan coba mengkaji sedikit tentang Statistik Inferensial

Inferential Logic
t = 4.66, p < .01. Notasi tersebut seringkali muncul dalam laporan hasil riset sosial. Simbol t menunjukkan nilai partikular dari inferential statistics.
Symbol p menunjukkan probabilitas munculnya nilai t yang disebutkan.

Dalam sebuah riset sosial yang menyelidiki kondisi sebuah populasi masyarakat, muncul pertanyaan bagaimana menentukan penilaian terhadap satu kelompok masyarakat lebih tinggi daripada penilaian untuk kelompok masyarakat lainnya dalam aspek tertentu?
Jawaban dari pertanyaan ini bisa didapat dari descriptive statistics.
Descriptive statistics adalah statistika yang meringkaskan informasi mengenai suatu grup atau kelompok masyarakat. Ada banyak ukuran yang bisa dipakai untuk keperluan ini, satu alat pengukuran yang paling umum digunakan adalah nilai rata-rata (mean).


Kemudian setelah itu muncul lagi pertanyaan lainnya, mungkinkah kita menyimpulkan sesuatu mengenai suatu kelompok masyarakat secara keseluruhan hanya dengan menggunakan sample kecil dalam penelitian kita?
Jawabannya bisa! Yaitu dengan menggunakan metode inferential statistics.

Dalam menggunakan metode inferential statistics ini ada dua tipe error.
Tipe error yang pertama adalah menolak hipotesis null secara salah. Sementara tipe error yang kedua muncul ketika kita salah menganggap hipotesis null bernilai true. Error tipe 1 bisa dibatasi dengan menentukan nilai α (alpha) yang memenuhi nilai kritis yang dapat dilihat pada tabel nilai kritis.
Untuk error tipe 2, agak sulit untuk membatasinya karena upaya pembatasan yang kita lakukan akan trade off dengan munculnya error tipe 1.
Namun walaupun begitu, kita masih bisa mengukur resikonya dengan menggunakan power analysis.

Masalah-Masalah Pada Inferential Statistics
Masalah-masalah yang ada dibagi ke dalam dua bagian.
Bagian pertama yaitu masalah yang terkait dengan fobia pada matematika. Banyak dari kita yang berusaha menghindar dari matematika beserta simbol-simbolnya yang beraneka ragam. Mindset yang muncul dalam diri kita adalah bahwa matematikan itu sulit. Mindset seperti ini harus dibuang jauh-jauh.
Bagian yang kedua berisi masalah-masalah inferential-nya itu sendiri. Ada masalah ukuran sample dan signifikansi sosial, statistik yang tidak cocok, masalah alpha dan file drawer serta masalah misinterpretasi dan replikasi.

Penggunaan Inferential Statistics
Berikut ini langkah-langkah penggunaan metode inferential statistics:
1. Tentukan hubungan-hubungan yang ada pada isu atau problem yang sedang diteliti.
2. Tentukan statistika yang menggambarkan setiap hubungan.
3. Temukan inferential statistics untuk hubungan yang ada beserta nilainya.
4. Ekspresikan probabilitasnya munculnya kondisi yang di-observasi sesuai dengan
kesempatan kemunculannya.


Berikut 2 contoh dari penggunaan inferential statistics pada statistika umum yang ada:
• A2 (chi square) untuk tabulasi silang.
• F pada analisis regresi.
Inferential statistics dapat dijalankan dengan mudah dan cepat menggunakan komputer. Ada banyak aplikasi yang bisa dipakai untuk keperluan-keperluan statistika seperti: SPSS, BMDP, SYSTAT dan lain sebagainya.

Kesimpulan
Inferential statistics dapat dipakai untuk menentukan rasio dari efek terhadap variabilitas sekaligus juga untuk mengetahui distribusi probabilitas.
Resiko munculnya error tipe 1 (salah dalam menolak hipotesis null) dapat dibatasi dengan cara menentukan nilai alpha yang sesuai.
Resiko error tipe 2 (salah dalam menerima hipotesis null) juga ada dan membutuhkan perhatian pada power dari test statistik yang dilakukan.

Kata Kunci
Alpha, descriptive statistics, distribusi probabilitas, error tipe 1, error tipe 2, hipotesis null, inferential statistics, masalah file drawer, nilai kritis, power, variabilitas.