Tips Belajar Statistik

Berikut ini ada percakapan antara Jono dan Toni:

Jono: Toni, ajarin gue dong statistik! Gue pusing
banget nih.. Besok mana UTS lagi!
Toni: Statistik? Wah, itu susah banget!! Gue juga dah
lupa tuh rumus-rumusnya, yang gue ingat dulu bikin
tabel-tabel doang.. Caranya juga gue dah lupa tuh..
Jono: Yah, bagaimana sih lu, padahal baru tahun lalu lu
belajar! Jadi ngga gunanya dong lu belajar statistik
tahun lalu..
Toni: Hehehe, iya ya.. Sampai sekarang aja gue juga
belum tahu tuh buat apa belajar statistik?

Percakapan di atas seringkali didengar ketika

berbincang dengan teman-teman baik teman kantor
ataupun teman pergaulan yang menyatakan bahwa
statistik itu susah dan tidak tahu kegunaannya. Pada
tulisan ini saya ingin menyampaikan pandangan
bagaimana caranya agar bisa belajar statistik dengan
mudah?
Pertama, belajar dengan teratur dan bukan sekaligus.

Belajarlah statistik untuk satu-dua jam sehari selama

enam hari. Hal ini jauh lebih baik dibandingkan belajar
enam jam sekaligus dalam satu hari (akhir pekan
misalnya). Otak manusia terbatas dan gampang
jenuh. Untuk membuat pelajaran statistik menjadi
menyenangkan, pecahlah menjadi bagian-bagian kecil.
Namun, jadikanlah hari ketujuh sebagai hari libur.
Kedua, bandingkan dengan literatur lain atau website.
Buku-buku statistik sekarang sudah banyak kok. Jadi
jangan terpaku pada satu buku saja. Buku-buku
statistik yang ada umumnya sama, tapi khasanah
pembahasannya banyak berbeda. Website mengenai
statistik juga banyak sekali, tinggal di-google saja.
Salah satu buku yang berkualitas dan cukup lengkap
ialah karanganRonald E.Walpole. Pengantar
Statistika. 1993. Jakarta : PT Gramedia Pustaka Utama.
ISBN 979-403-313-8
Ketiga, jangan malu-malu untuk bertanya pada guru
atau dosen anda.
Saat ini saya mengajar mata kuliah statistik dan
probabilitas di salah satu universitas swasta di Sulawesi
Utara. Namun, terus terang, mahasiswa saya
cenderung pemalu untuk bertanya. Ketika diberikan
kesempatan untuk bertanya seringkali tidak ada yang

mengangkat tangan sebagai tanda bahwa mereka

sudah mengerti. Tetapi ketika minggu depan diberikan
ulasan ulang pembahasan minggu sebelumnya, hampir
dipastikan mereka sudah lupa. Statistik itu memang
kelihatan sulit tapi sebenarnya mudah. Bertanyalah
pada dosen anda karena umumnya mereka senang
untuk menjelaskan. Jika anda ingin pintar, tanyalah
sama ahlinya -yaitu dosen anda! :D
Keempat, sering berlatih.
Berlatihlah sebanyak mungkin dengan variasi soal
sebanyak mungkin. Hal ini akan memperkaya
pengetahuan anda akan statistik. Anda tidak bisa
hanya membaca tanpa praktek. Ini adalah kunci
sukses semua pelajar unggul. Belajar dan praktekkan
berulang-ulang sampai mahir!
Kelima, lupakanlah rumusnya!

Iya, betul, lupakan saja rumusnya. Statistik bukan

belajar menghapal rumus. Yang penting ialah kamu

tahu kapan menggunakan rumus-rumus statistik itu

dan kriteria-kriteria yang harus dipenuhi. Sangat jarang
ada orang yang masih ingat rumus-rumus statistik jika
ditanyakan beberapa bulan ke depan. Blog ini juga
berusaha me-nol-kan rumus dan lebih mengedepankan
filosofi mengenai teknik, tips dan trik statistik. Bukan
berarti rumus tidak penting, rumus tetap akan
digunakan jika kita sudah masuk dalam tahap
pelaksanaan/pengerjaan. Kalau memang rumus
diperlukan lagi, tinggal buka saja lagi bukunya atau
search di google.
Keenam, gunakan bantuan program statistik.
Saat ini sudah banyak program-program statistik yang
beredar baik yang bersifat umum (SPSS, Minitab, SAS,
STATA, Excel), hingga yang bertujuan khusus seperti
Eviews, LISREL dan lain-lain. Program statistik ini
sangat meringankan tugas seorang peneliti. Peneliti
tidak perlu lagi melakukan perhitungan secara manual
dengan rumus-rumus yang rumit dan memusingkan.
Peneliti hanya perlu tahu senjata (baca: alat analisis
statistik) yang diperlukan ketika menghadapi
permasalahan yang ada kemudian diselesaikan dengan
komputer. Saat ini sudah banyak beredar buku yang
membahas aplikasi program statistik di toko-toko buku.

Tinggal dipilih saja. :) Umumnya yang populer ialah

SPSS dan Minitab.

Skala Pengukuran Variabel

untuk mempermudah ingatan anda akan skala
pengukuran variabel, ingat aja mpok NORI
Belum lengkap memulai pelajaran statistik tanpa
mengenal konsep variabel. Variabel merupakan salah
satu komponen penting dalam penelitian. Jika variabel
tidak didefinisikan dan diukur dengan baik akan
menyebabkan kebingungan dalam menentukan desain
penelitian yang tepat serta dalam menentukan
prosedur analisis statistik yang sesuai.
Variabel bisa diartikan sebagai ukuran atau ciri-ciri
yang dimiliki dan digunakan dalam penelitian untuk
menjelaskan fenomena atau memecahkan masalah.
Contoh-contoh variabel ialah: jenis kelamin, tinggi
badan, pendapatan rumah tangga, tanggal lahir,
wilayah dan sebagainya.
Variabel yang kita masukkan dalam penelitian haruslah
memiliki skala ukuran. Untuk itu perlu adanya
pengukuran skala variabel. Pengukuran adalah
pemberian angka atau kode pada suatu variabel
obyek/responden. Dalam metodologi penelitian ini,
proses ini masuk di dalam kegiatan definisi operasional.

Pada dasarnya ada 4 skala pengukuran variabel, yaitu:

1.

Skala Nominal

Skala nominal merupakan skala yang paling rendah

tingkatannya dan hanya bisa digunakan untuk data
bersifat kategori. Skala ini termasuk jenis data
kualitatif. Informasi yang tercakup dalam data jenis
nominal hanya bertujuan untuk mengelompokkan.
Misal: variabel jenis kelamin. Jawaban responden yang
mungkin ialah Laki-laki dan Perempuan. Untuk
kepentingan penelitian, biasanya kode laki-laki dan
perempuan akan diubah menjadi angka 1 dan 2.
Contoh lain variabel dengan skala nominal ialah agama,
suku dan golongan darah.
2.

Skala Ordinal

Skala ordinal mirip dengan skala nominal, yaitu samasama digunakan untuk data bersifat
kategori. Bedanya, kategori-kategori pada skala ordinal
memiliki tingkatan-tingkatan, baik dari kecil ke besar,
tidak penting ke penting atau sangat tidak setuju ke
sangat setuju.

Contoh variabel dengan skala ordinal

ialah tingkat pendidikan, kelompok pendapatan, tingkat

keganasan penyakit dan sebagainya. Variabel
pendidikan, misalnya, diurutkan dari tamatan SD ke
bawah (diberi kode 1), SMP (kode 2), SMA (kode 3) dan
Perguruan Tinggi (kode 4). Variabel ini dimaksudkan
apabila peneliti mungkin ingin mengkaji perbedaan
pendapatan penduduk berdasarkan pendidikan
tertinggi yang ditamatkan.
FYI: kode-kode variabel diatas akan berguna pada saat
pengolahan dan hanya sebagai label kategori saja. Kita
tidak bisa melakukan perhitungan matematis pada
kode-kode diatas. Kita tidak bisa menjumlahkan,

membagi dan menentukan rata-rata dari kode

tersebut. Hal ini berlaku baik pada skala nominal
maupun ordinal.
3.

Skala Interval

Skala Interval tidak hanya memungkinkan kita untuk

mengklasifikasikan, mengurutkan peringkatnya, tetapi
kita juga bisa mengukur dan membandingkan ukuran
perbedaan di antara nilai. Sebagai contoh, suhu, yang
diukur dalam derajat Fahrenheit atau Celcius,
merupakan skala interval. Kita dapat mengatakan
bahwa suhu 50 derajat lebih tinggi daripada suhu 40
derajat, demikian juga suhu 30 derajat lebih tinggi
dibanding dengan suhu 20 derajat. Perbedaan selisih
suhu antara 40 dan 50 derajat nilainya sama dengan
perbedaan suhu antara 20 dan 30 derajat, yaitu 10
derajat.

Jelas disini bahwa pada skala interval, selain kita bisa

membedakan (mengkategorikan), mengurutkan
nilainya, juga bisa di hitung berapa
perbedaannya/selisihnya dan jarak atau intervalnya
juga dapat dibandingkan. Perbedaan antara kedua nilai
pada skala interval sudah punya makna yang berarti,
berbeda dengan perbedaan pada skala ordinal yang
maknanya tidak berarti. Misalnya, perbedaan antara
suhu 40 dan 50 derajat dua kali lebih besar
dibandingkan dengan perbedaan antara suhu 30 dan
35. Dengan demikian, selain sudah mencakup skala
nominal, juga sudah termasuk skala ordinal, tetapi nilai
mutlaknya tidak dapat dibandingkan secara matematik,
oleh karena batas-batas variasi nilai pada interval
adalah arbiter (angka nolnya tidak absolut).
Contoh lain skala interval ialah IQ.
4.

Skala Rasio

Skala rasio sangat mirip dengan variabel interval; di

samping sudah memiliki semua sifat-sifat variabel
interval, juga sudah bisa diidentifikasi titik nol mutlak,
sehingga memungkinkan menyatakan rasio atau
perbandingan di antara kedua nilai, misalnya x
adalah dua kali lebih y. Contoh yang lain adalah berat
badan, tinggi badan, panjang, usia dan suhu dalam
skala kelvin. Sebagai contoh, berat A = 70 kg, berat B
=35 kg, Berat C = 0 kg. Disini kita bisa
membandingkan rasio, misalnya kita bisa mengatakan
bahwa berat A dua kali berat B (A:B = 2:1). Berat C = 0
kg, artinya C tidak mempunyai bobot. Angka 0 di sini
jelas dan menunjukkan nilai 0 mutlak. Kuncinya adalah
di angka 0, apakah nilai nol tersebut mutlak atau
tidak?

Kunci membedakan skala interval dan rasio adalah di

angka 0, apakah skala memiliki nilai nol mutlak atau
tidak (masih ada nilai dibawah nol)? Kalau nilai nol
mutlak, berarti masuk skala rasio. Kalau nilai nol
tidak mutlak, berarti skala interval.
Contoh lain: panjang, tinggi, berat dan usia.
Berikut ini bagan pengukuran skala variabel yang saya
dapat dari blogsmartstat yang meringkas pembahasan
diatas.

Jadi untuk mempermudah ingatan anda akan skala

pengukuran variabel, ingat aja ya mpok NORI, artis
seniman betawi dan pelawak yang fenomenal.. :D

Tapi, bedanya dengan NORI di sini

ialah Nominal, Ordinal, Rasio, danInterval. Sesuatu
banget ya.. :D #mode maksa ON. Meski interval
disebutnya belakangan, skala rasio tetaplah skala yang
tertinggi.

Kesalahan Penyajian Data

Bertentangan dengan tujuannya, grafik yang dibuat
secara keliru bisa mengaburkan informasi yang
sebenarnya dan memanipulasi pembaca.
Setelah menjelaskan teknik pemilihan grafik pada
tulisan sebelumnya, kali ini saya akan mencoba
menjelaskan beberapa kesalahan yang sering terjadi
saat pembuatan grafik. Beberapa kesalahan yang ada
antara lain:
Menggunakan sampah grafik
Menurut Wikipedia, sampah grafik (chart junk)
mengacu pada semua elemen visual dalam diagram
dan grafik yang tidak perlu untuk memahami informasi
yang diwakili pada grafik, atau mengalihkan perhatian
pembaca dari informasi yang disampaikan.
Istilah grafik ini (chartjunk) diciptakan oleh Edward
Tufte pada tahun 1984 pada bukunya yang legendaris
(walau belum punya, tapi sering dengar :D ) The Visual
Display of Quantitative Information, Tufte menulis:
Dekorasi interior grafis menghasilkan banyak warna
yang tidak menceritakan pada pembaca sesuatu yang
baru. Tujuan dari dekorasi bervariasi untuk membuat
grafik tampak lebih ilmiah dan tepat, untuk

meramaikan layar, untuk memberikan desainer

kesempatan untuk latihan keterampilan artistik.
Intinya, sampah grafik bisa membuat pesan yang
disampaikan oleh grafik menjadi kabur. Semakin
sedikit hiasan, semakin jelas sebuah grafik. Buanglah
hiasan yang tidak perlu pada grafik.
Berikut ini contoh-contoh sampah grafik:
Grafik di bawah ini terlalu banyak pola kotak-kotak,
variasi garis diagonal pada grafik batang, skala yang
kecil dan susah dibaca. Bikin pusinggggg bacanya!
#mode peggy:on

Grafik kartogram dibawah bermaksud untuk

menjelaskan perbedaan warna menunjukkan tingkatantingkatan. Namun yang disayangkan ialah gradasi
warna yang tidak perlu pada tiap wilayah. Gradasi ini
bisa mengaburkan makna dan membingungkan
pembaca.

Grafik dibawah menunjukkan grafik mana yang buruk

dan baik. Grafik yang sebelah kiri mungkin tujuannya
baik untuk menunjukkan perkembangan upah minimum
melalui gambar uang. Makin besar gambar uang
berarti makin besar upahnya. Please dech.. :D Jika
anda sudah membaca tulisan saya sebelumnya, anda
pasti tahu perkembangan antar waktu sebaiknya
dengan grafik batang, grafik area atau grafik garis
(gambar sebelah kanan).

Tidak Ada Dasar Relatif

Contoh dibawah ini menunjukkan jumlah mahasiswa
yang mendapat nilai A menurut tingkat di Universitas.
Coba tebak kesalahan apa yang terjadi pada grafik
sebelah kiri?

Grafik yang kiri menunjukkan tingkat I ada 300 orang

yang mendapat nilai A. Namun, tidak jelas apakah
mahasiswa tingkat I semua mendapat nilai A? Apakah
jumlah mahasiswa tingkat I sebanyak 300? Hal ini bisa
menimbulkan kebingungan. Untuk itu bisa diperjelas
dengan cara grafik sebelah kanan. Grafik sebelah
kanan menunjukkan persentase mahasiswa tingkat I
yang mendapat nilai A yaitu 30 persen. Berarti
mahasiswa tingkat I ada 1.000 orang dimana 300
diantaranya bernilai A. Bisa dipahami? Hal seperti
inilah yang seringkali mengaburkan penyajian data dan
perlu hati-hati.
Mempersempit sumbu vertikal (Y)
Gambar ini menjelaskan apa yang dimaksud dengan
mempersempit sumbu vertikal.

Jadi penyaji tidak perlu

pelit-pelit lah pake mempersempit sumbu vertikal
segala. Grafik yang sebelah kiri menunjukkan
perkembangan penjualan triwulan yang sangat kecil.
Jika dibandingkan dengan grafik sebelah kanan,
perkembangan penjualan triwulan dapat terlihat
dengan jelas. Hal ini hanya dipengaruhi oleh satu hal,
sumbu
Grafik sebelah kiri memiliki nilai maksimal sumbu
vertikal (Y) sebesar 200 yang menyebabkan nilai-nilai
pada triwulan tampak kecil. Hal sebaliknya pada grafik
kanan yang memiliki nilai maksimal sumbu Y sebesar
50 yang menyebabkan perubahan nilai-nilai pada
triwulan tampak besar. Darrel Huff pada
bukunya Howto Lie With Statisticsmenyebutkan ini
sebagai salah satu contoh manipulasi/kebohongan
statistik. Buku itu wajib dibaca! Buku tersebut
memberi banyak contoh bagaimana kita bisa
memanipulasi informasi dengan grafik.
Tips dari saya: gunakan nilai maksimal pada sumbu
vertikal tidak terlalu jauh dari nilai tertinggi pada

kategori yang ada. Pada contoh di atas, nilai tertinggi

ialah $45 yaitu pada triwulan III. Maka gunakanlah nilai
maksimum sumbu Y sebesar 50 dibandingkan 200.
Tidak ada Sumbu 0 pada Sumbu Vertikal
Grafik di bawah ini menunjukkan mana yang buruk dan
baik. Grafik sebelah kiri tidak memiliki sumbu 0.

Demikianlah beberapa kesalahan yang sering terjadi

saat pembuatan grafik. Mungkin masih banyak lagi
yang belum disampaikan disini. Jika nanti saya
menemukan literatur dan blog lain yang membahas ini
juga, saya akan menambahkannya di tulisan ini.
Demikian dan semoga

Teknik Pemilihan Grafik

Ketika kita ingin melakukan perbandingan,
menunjukkan hubungan, melihat perkembangan, grafik
bisa membantu kita agar para pembaca bisa melihat
dan mengerti atas apa yang kita sampaikan.
Grafik mungkin bukan hal baru yang kita dengar.
Setiap laporan kantor, jurnal dan berita di televisi
sudah sering menampilkannya. Grafik berguna untuk
menyampaikan data dengan lebih menarik, mudah
dicerna dan lebih jelas. Grafik sesuai dengan pepatah
a picture is worth a thousand words yang artinya
sebuah gambar setara dengan ribuan kata-kata.
Sebuah grafik berguna pada saat kita menjelaskan dan
menyajikan data. Ketika kita ingin melakukan
perbandingan, menunjukkan hubungan, melihat
perkembangan, grafik bisa membantu kita agar para
pembaca bisa melihat dan mengerti atas apa yang kita
sampaikan. Apabila kita hanya menampilkan data
berupa tabel dengan jumlah dan persentasenya,
mungkin audiens/pembaca pada mulanya bisa
mengerti tetapi jika dilakukan terus-terusan dijamin
pasti membosankan. Betul? Manusia di jaman
sekarang dilatih untuk lebih senang melihat daripada
membaca.

Berikut ini akan saya jelaskan jenis-jenis grafik dan

pada kondisi apa yang pas digunakan. Tulisan ini tidak
akan membahas bagaimana cara membuat grafik
tersebut. Perlu diingat, saya ingin meminimalkan halhal teknis di blog ini dan semoga anda bisa mengerti.
Jika anda tertarik lebih mendalami bisa tanya sama
mbah google ya.. :D
TABEL
Tabel digunakan untuk mengatur sejumlah data dan
menampilkan informasinya. Tabel tidak bisa
menampilkan perbandingan secara visual. Sehingga
tabel bisa lebih lama untuk dibaca dan dicerna. Tabel
yang baik harus mengandung unsur judul tabel,
keterangan baris, keterangan kolom, isian pada tiap sel
dan sumber data.
GRAFIK
Baiklah, mungkin sekarang kita sudah memahami
pentingnya grafik. Sekarang yang kita perlukan ialah
bagaimana kita memilih grafik yang terbaik untuk
menjelaskan data kita. Keliru dalam memilih grafik bisa
menjadi bumerang bagi penyajian data dan
mengaburkan maksud yang sebenarnya.

Sebelum menjelaskan jenis-jenis grafik, perlu diingat

bahwa grafik yang baik harus mengandung judul grafik,
sumbu X dan Y (grafik tertentu), nilai, legenda dan
sumber data.
Sumbu X dan Y berbentuk seperti ini:

Grafik Garis (Line Chart)

Grafik garis biasa digunakan untuk melihat perubahan
pada periode waktu tertentu. Periode waktu bisa dalam
bentuk detik, jam, bulan, triwulan, semester hingga
tahun. Ketika perubahan-perubahan terjadi pada
tingkatan kecil dan kontinu, grafik garis lebih baik
digunakan daripada grafik batang. Grafik garis juga
bisa digunakan untuk memperbandingkan beberapa
kegiatan pada periode waktu yang sama. Contoh:
grafik di bawah menjelaskan perbandingan

permasalahan yang didapat programer Microsoft pada

saat bekerja.

Grafik Batang (Bar Chart)

Grafik Batang digunakan untuk membandingkan
sesuatu hal antar kelompok atau melihat perubahan
antar waktu. Kelompok yang dimaksud disini misalnya
produk, perusahaan, kota dll. Grafik ini juga cocok
untuk mengukur perubahan antar waktu jika jumlah
unit waktunya kecil. Ukuran besar kecil perubahan
waktu disini memang relatif. Mungkin saran dari saya
jika unit waktunya <10, bisa pakai grafik batang dan
grafik garis. Jika lebih dari 10 unit, lebih baik gunakan
saja grafik garis. Contoh: pada grafik dibawah
menjelaskan hubungan antara total penjualan dari tiaptiap vendor (perusahaan).

NB: Grafik batang tidak harus menghadap ke atas

tetapi bisa juga ke samping. Contohnya seperti ini.

Grafik Lingkaran (Pie Chart)

Grafik Lingkaran sangat baik digunakan jika ingin
membandingkan bagian-bagian terhadap keseluruhan.

Umumnya ditampilkan dalam bentuk persentase pada

tiap bagiannya. Tiap-tiap bagian ini harus memiliki
jenis data dan ukuran yang sama. Grafik ini tidak bisa
menampilkan perubahan antar waktu. Contoh: pada
grafik lingkaran di bawah menggambarkan jumlah
penduduk di Amerika yang menggunakan bahasa
Inggris dengan asal-usul dialek.

NB: Kalo bisa, kategori yang

ditampilkan pada grafik lingkaran jangan terlalu
banyak. Ada yang bilang 6 saja paling banyak, kalo
lebih dari itu lingkarannya mau sesak. Kalau
memaksakan, lebih baik pake grafik batang saja.
Grafik Area (Area Chart)
Grafik area sangat mirip dengan grafik garis. Samasama bisa digunakan untuk melihat perubahan antar
waktu untuk satu atau dua kelompok data. Grafik area
bagus digunakan jika ingin melihat perubahan dari dua
kelompok yang berhubungan tetapi dalam satu

kesatuan. Misalnya: perkembangan penduduk cacat

berdasarkan kelompok jenis kelamin (laki-laki dan
perempuan) tahun 1976-2002 di negara X.

Plot X-Y
Plot X-Y digunakan untuk menentukan hubungan antara
dua hal yang berbeda. Sumbu X digunakan untuk
mengukur satu variabel dan sumbu Y untuk mengukur
variabel lain. Apabila kedua variabel bertambah secara
bersamaan, mereka memiliki hubungan positif. Apabila
satu variabel naik dan variabel lain turun, mereka
memiliki hubungan negatif. Namun, kadang kedua
variabel juga tidak memiliki pola atau hubungan.
Contoh: pada grafik dibawah menggambarkan
hubungan antara waktu (X) dan suhu (Y) yang tidak
berhubungan.

Demikian grafik-grafik yang menurut saya populer.

Sebenarnya masih banyak lagi jenis grafik yang ada,
namun belum akan saya jelaskan di sini. Grafik-grafik
yang lain beberapa diantaranya ialah:
Histogram

Poligon

Kartogram

Kuncinya ialah memilih grafik yang tepat bisa

memperkuat/memperjelas penyampaian anda terkait
data yang dimiliki.

Teknik Penarikan Sampel

penarikan sampel akan dipengaruhi oleh tujuan
penelitian, karakteristik populasi, alat yang digunakan
dan pertimbangan peneliti.

Pada tulisan sebelumnya sudah dijelaskan perihal

populasi dan sampel. Sebenarnya saya ingin
membahas teknik penggunaan grafik, tetapi saya
sudah terlanjur berjanji pada tulisan sebelumnya
bahwa saya akan membahas teknik penarikan sampel.
Karena janji adalah hutang maka harus dibayar
secepatnya supaya tidak tertunda, berbunga atau
lupa. :D

Masih ingat ini: sampel merupakan bagian dari populasi

yang ingin dijadikan unit pengambilan data dan sampel
dipilih dengan metode survei. Kalau tidak, silahkan
baca tulisan saya tentang populasi dan sampel.
Metode pengambilan sampel dibedakan menjadi dua,
yaitu:
1.

Probability sampling (penarikan sampel acak)

dimana setiap unsur yang ada dalam populasi diberi
kesempatan atau peluang yang sama untuk bisa
diambil sebagai sampel.

2.

Non-probability sampling (penarikan sampel tidak

acak) dimana setiap unsur yang ada dalam populasi
tidak diberi kesempatan atau peluang yang sama
untuk bisa diambil sebagai sampel.

Untuk jelasnya, akan dibahas satu persatu ya.

PROBABILITY SAMPLING
Probability sampling akan tepat dilakukan jika peneliti
ingin melakukan generalisasi atas hasil penelitiannya.
Teknik penarikan sampel jenis ini membutuhkan
barang bernama kerangka sampel (sampling frame).
Kerangka sampel bisa diibaratkan daftar yang berisikan
setiap elemen populasi yang bisa diambil sebagai

sampel. Jika populasinya mahasiswa Universitas

Teknologi Sulawesi Utara (UTSU), maka kerangka
sampelnya ialah daftar yang berisikan nama-nama
mahasiswa di UTSU beserta biodata lengkap. Kerangka
sampel ini nantinya akan dipakai sebagai dasar
penarikan sampel.
Selain kerangka sampel, ada lagi satu barang yang
dibutuhkan, yaitu Tabel Angka Random. Tabel ini
digunakan untuk menjamin bahwa sampel yang terpilih
nantinya benar-benar acak. Tabel ini berguna jika
sampel yang akan dipilih berjumlah besar (sekitar
ratusan). Kalau sampelnya sedikit, ya bisa digunakan
cara undian, kalkulator, komputer atau cara lain yang
acak (selain tanya mbah dukun ya.., please ini bukan
togel). Cara membaca tabel angka random akan
dijelaskan pada tulisan sendiri atau kalau mendesak
bisa dicari di Google.
Simple Random Sampling atau Penarikan sampel
acak sederhana
Penarikan sampel ini digunakan jika kita ingin
mengambil sampel tanpa memandang kondisi sampel,
apakah dia laki-laki atau perempuan, kaya atau miskin
atau tingkatan pendidikannya. Cara ini juga cocok

untuk populasi yang homogen. Intinya, perbedaanperbedaan pada sampel terpilih tidak dianggap penting
oleh peneliti. Langkah-langkahnya sebagai berikut:

Buatlah kerangka sampelnya;

Tentukan jumlah sampel;

Tentukan alat yang digunakan untuk menarik

sampel (Tabel angka random, undian, kalkulator,
komputer);

Pilih sampel sampai dengan jumlah sampel

terpenuhi.

Stratified Random Sampling atau Penarikan

Sampel Acak Bertingkat
Teknik ini cocok untuk penarikan sampel pada populasi
yang heterogen. Misalnya, seorang peneliti ingin
melakukan penelitian mengenai rata-rata penduduk di
Jakarta. Peneliti ini ingin mengambil sampel dari
populasi yang sudah dikelompokkan menjadi tingkatan
pendidikan dari SD ke bawah, SMP, SMA dan Sarjana ke
atas. Urutannya ialah sebagai berikut:

Buatlah kerangka sampelnya berdasarkan

tingkatan;

Tentukan jumlah sampel sesuai tingkatan;

Tentukan alat yang digunakan untuk menarik

sampel (Tabel angka random, undian, kalkulator,
komputer);

Pilih sampel masing-masing tingkatan sampai

dengan jumlah sampel per tingkatan terpenuhi.

Untuk menentukan jumlah sampel sesuai tingkatan

bisa dilakukan dengan cara proporsional dan cara tidak
proporsional. Yang dimaksud dengan proporsional ialah
besarnya sampel dari suatu tingkatan sesuai dengan
besarnya di populasi. Misalnya populasi penduduk
Jakarta ada 10 juta orang, penduduk yang tamat SMA
ada 6 juta orang, sampel keseluruhan yang mau
diambil ada 1.000 orang. Maka sampel penduduk SMA
yang akan diambil sebesar (6 juta dibagi 10 juta
dikalikan 1000). Hasilnya ialah 600 orang sampel
penduduk SMA.
Ooops, ada hitungan ya Maaf. :(
Perhitungan yang sama bisa diulangi pada tingkatan
pendidikan lainnya.
Kalo sebelumnya dengan cara proporsional, penentuan
jumlah sampel bisa juga dengan cara tidak
proporsional. Misal, peneliti ingin mengambil jajak
pendapat dari pejabat eselon II hingga eselon IV.

Jumlah pejabat eselon II ada 3 orang, eselon III ada 20

orang dan eselon IV ada 40 orang. Sampel yang mau
diambil 20 orang. Karena pejabat eselon II hanya
sedikit (3 orang), tapi pendapatnya sangat dibutuhkan,
maka ketiga pejabat tersebut tetap dipilih semua walau
tidak sebanding antara besar tingkatan terhadap
populasi.
Systematic Sampling atau Penarikan Sampel
Sistematis
Teknik penarikan sampel ini cocok untuk kondisi jumlah
populasi yang besar dan dianggap homogen, tapi
sayangnya, peneliti tidak mempunyai alat pengambilan
sampel yang acak secara baik. Ingat, alat pengambilan
sampel yang dimaksud: tabel angka random, komputer,
kalkulator dan undian. Teknik ini hanya akan memilih
sampel secara acak pada sampel pertama. Sampel
berikutnya akan dipilih berdasarkan kelipatan/interval.
Contoh langkahnya begini:

Buat kerangka sampel, urutkan dan beri nomor;

Tentukan jumlah sampel;

Tentukan interval/kelipatan dengan cara membagi

jumlah sampel dibagi dengan jumlah populasi. Jika

populasi 5.000, sampel 500 maka intervalnya ialah

5.000/500 = 10;

Pilih sampel pertama secara acak. Sampel

pertama harus dibawah interval (dalam contoh ini
ialah 10);

Kalo sampel pertama terpilih bernomor 3, maka

sampel selanjutnya ialah 13, 23, 43, , 4993.

Cluster sampling atau penarikan sampel gugus

Jika Stratified sampling memiliki kelompok/tingkatan
yang isinya relatif homogen, maka cluster sampling
memiliki kelompok/tingkatan yang isinya relatif
heterogen. Misal, peneliti ingin melakukan penelitian
tingkat penerimaan pegawai terhadap kebijakan baru
perusahaan. Perusahaan memiliki 100 departemen,
dimana masing-masing departemen terdiri dari
pegawai-pegawai yang memiliki karakteristik berbeda.
Peneliti ingin membagi jumlah sampel berdasarkan
besaran departemen. Cara pembagian bisa
proporsional dan tidak proporsional (lihat caranya di
Stratified Sampling). Langkah-langkahnya sebagai
berikut:

Buatlah kerangka sampelnya berdasarkan gugus

(dalam contoh ini: pegawai tiap departemen);

Tentukan jumlah sampel sesuai gugus;

Tentukan alat yang digunakan untuk menarik

sampel (Tabel angka random, undian, kalkulator,
komputer);

Pilih sampel masing-masing gugus sampai dengan

jumlah sampel per gugus terpenuhi.

Area sampling atau penarikan sampel wilayah

Area sampling tidak berbeda jauh dengan stratified
sampling dan cluster sampling. Hal yang membedakan
ialah area sampling membagi tingkatannya
berdasarkan wilayah. Misal, lembaga survei ingin
melakukan Quickcount hasil pemungutan suara
PILKADA Sulawesi Utara dan jumlah sampel akan
disebarkan secara merata berdasarkan besaran wilayah
(Kabupaten/Kota, Kecamatan, Kelurahan dan jumlah
TPS). Pembagian akan dilakukan secara proporsional
berdasarkan besarnya jumlah TPS di kabupaten/kota.
Langkah-langkahnya sebagai berikut:

Buatlah kerangka sampelnya berdasarkan wilayah

(dalam contoh ini: TPS di
kelurahan/kecamatan/kabupaten/kota Sulut);

Tentukan jumlah sampel sesuai wilayah;

Tentukan alat yang digunakan untuk menarik

sampel (Tabel angka random, undian, kalkulator,
komputer);

Pilih sampel masing-masing wilayah sampai

dengan jumlah sampel per wilayah terpenuhi.

NON-PROBABILITY SAMPLING
Semoga masih ingat bahwa jenis pengambilan ini tidak
dipilih secara acak. Sampel yang terpilih bisa
disebabkan karena faktor kebetulan, pertimbangan
peneliti atau faktor lain yang direncanakan peneliti.
Penelitian dilakukan dengan cara ini jika peneliti tidak
bermaksud untuk menggeneralisasikan hasil
penelitiannya atau ketika jumlah populasinya tidak
diketahui secara pasti.
Convenience Sampling atau Accidental
Sampling atau Pengambilan Sampel
Mudah/Sengaja
Teknik pengambilan sampel ini hanya didasari
kemudahan. Misal, SPG sebuah merk susu X ingin
melakukan jajak pendapat mengenai rasa merk susu X
di Mega Mall. SPG tersebut hanya akan memilih
sampel berdasarkan sampel pengunjung yang masuk
lewat pintu utama mall, misalnya. Bisa juga

berdasarkan faktor kedekatan dengan orang lain. Jenis

sampel ini cocok untuk penelitian pendahuluan atau
ujicoba.
Purposive Sampling atau Penarikan Sampel
Bertujuan
Teknik ini mengambil sampel dengan maksud atau
tujuan tertentu. Sampel yang terpilih biasanya
dianggap memiliki informasi yang berguna bagi
penelitian.
Quota Sampling atau Penarikan sampel kuota
Teknik ini hampir mirip dengan stratified sampling,
cluster sampling dan area sampling. Populasi samasama dibagi berdasarkan tingkatan/gugus/wilayah. Hal
yang membedakan ialah cara pengambilan sampel
yang tidak dilakukan secara acak. Sampel tiap
tingkatan/gugus/wilayah bisa dipilih atas dasar
kedekatan, kesengajaan atau faktor lain.
Snowball Sampling atau Penarikan sampel bola
salju
Cara ini banyak dipakai ketika peneliti tidak banyak
tahu tentang populasi penelitiannya. Dia hanya tahu
satu atau dua orang yang berdasarkan penilaiannya

bisa dijadikan sampel. Karena peneliti menginginkan

lebih banyak lagi, lalu dia minta kepada sampel
pertama untuk menunjukan orang lain yang kira-kira
bisa dijadikan sampel. Misal, peneliti ingin melakukan
pendataan petani tanaman hias di Kelurahan
Karombasan Selatan. Peneliti tidak memiliki informasi
mengenai daftar pengusaha tanaman hias di kelurahan
tersebut tetapi mengetahui satu orang yang bisa
menjadi informan awal sekaligus sampel pertama. Dari
sampel pertama inilah kemudian berkembang hingga
jumlah sampel terus bertambah hingga sampel
terakhir. Mirip dengan bola salju yang menggelinding.
Demikianlah beberapa teknik penarikan sampel yang
populer dan bisa dilakukan. Masih banyak lagi teknik
lain yang ada tapi tidak akan dibahas di
sini. Multistage sampling, salah satunya. Multistage
sampling dilakukan dengan cara beberapa tahap.
Misalnya, tahap pertama dilakukan dengan cara Cluster
sampling dan tahap kedua dengan cara Systematic
sampling.
Kesimpulan: penarikan sampel akan dipengaruhi oleh
tujuan penelitian, karakteristik populasi, alat yang
digunakan dan pertimbangan peneliti.

Populasi dan Sampel

Populasi dan sampel menggambarkan berapa luas
cakupan kelompok data dalam penelitian.
Menurut istilah statistik, populasi merupakan
keseluruhan jumlah subyek atau obyek yang akan
diteliti. Penelitian yang membahas tingkat
kesejahteraan rumah tangga di Manado, misalnya,
populasinya ialah rumah tangga di Manado. Jika
penelitian membahas pengujian isi botol minuman
yang diproduksi sebuah pabrik, maka populasinya ialah
botol minuman yang diproduksi oleh pabrik tersebut.
Besar populasi ada yang bisa diketahui secara pasti
dan ada juga yang tidak bisa diketahui secara pasti.
Populasi penduduk Indonesia, misalnya, bisa diketahui
secara pasti lewat pendataan Sensus Penduduk yang
dilakukan oleh Badan Pusat Statistik. Populasi pohon di
Indonesia, misalnya, siapa yang mau hitung? Hehehe
Lalu apa itu sampel? Sampel bisa didefinisikan sebagai
bagian atau perwakilan dari populasi yang ditujukan
untuk menggambarkan populasi. Jika populasinya
rumah tangga di Indonesia, maka sampelnya berupa
sebagian rumah tangga di Indonesia. Contoh
visualisasinya dapat dilihat pada gambar di bawah ini.

Gambar diatas menunjukkan bahwa rumah tangga

sampel terpilih berada pada titik-titik bulatan yang ada
di peta. Titik-titik bulatan yang ada di peta ini
diharapkan bisa menjadi sampel yang nantinya
menggambarkan kondisi populasi secara akurat. Pada
kesempatan ini saya tidak akan membahas bagaimana
teknik penarikan sampel yang bisa menggambarkan
populasi, mungkin pada kesempatan-kesempatan
berikutnya.
Data populasi biasanya didapatkan dengan cara
sensus. Sensus yang ada di Indonesia ada tiga:
1.

Sensus Penduduk (setiap tahun berakhiran 0,

misal: 2000, 2010): tujuannya untuk mendapatkan
data-data penduduk.

2.

Sensus Pertanian (setiap tahun berakhiran 3, misal:

2003, 2013): tujuannya untuk mendapatkan datadata rumah tangga petani dan pelaku usaha tani.

3.

Sensus Ekonomi (setiap tahun berakhiran 6, misal:

1996, 2006): tujuannya untuk mendapatkan datadata pelaku usaha/ekonomi.

Sensus memiliki kelebihan bisa menggambarkan

keadaan populasi dengan akurat jika dilihat dari cara
pengambilan data yang door-to-door. Namun sensus
juga dipandang oleh para ahli statistik memiliki
kelemahan, yaitu: membutuhkan biaya yang besar,
waktu yang lama dan kurang praktis dalam
pelaksanaannya.
Oleh karena itu, maka pendekatan lain dilakukan untuk
mendapatkan gambaran populasi. Survei dipandang
bisa menjadi alternatif yang murah, cepat dan praktis.
Untuk mendapatkan informasi yang akurat, survei
membutuhkan sampel yang dianggap mewakili
populasi. Survei perlu dipersiapkan dengan hati-hati
agar informasi yang didapatkan sebisa mungkin
memiliki tingkat error yang rendah.
Contoh bahwa survei lebih praktis dari sensus bisa
dilihat pada kasus penelitian umur pohon-pohon di
Indonesia. Bayangkan jika setiap pohon di Indonesia
ditebang hanya untuk bisa mengetahui kelompok umur
pohon. Bisa jadi kerusakan lingkungan.. :D Survei bisa
melakukan hal itu hanya dengan sebagian populasi

pohon saja. Pendataan pohon ini hanya sebagai contoh

karena memang esktrim dan jarang terjadi.
Oh iya, perlu juga diingat bahwa jumlah sampel
berhubungan negatif dengan tingkat kesalahan.
Semakin banyak sampel maka diduga akan lebih sedikit
kesalahan. Begitu juga sebaliknya. Lalu, bagaimana
menentukan jumlah sampel yang ideal? Jika anda
tertarik anda bisa mencarinya di buku statistik karena
di blog ini tidak akan dibahas mengenai rumus dan
perhitungan. Sesuai dengan motto blog ini:Belajar
Statistik Tanpa Rumus. :D Googling saja dengan kata
kunci rumus menentukan jumlah sampel atau rumus
menghitung besar sampel..

Definisi Statistik
statistik bukan hanya berbicara tentang sensus atau
menghitung penduduk
Statistik sudah menjadi hal yang lumrah didengar saat
ini. Banyak yang mengasosiasikan statistik dengan
data, informasi atau kumpulan fakta. Menurut kamus
bahasa Inggris, statistik berasal dari dua kata:
STATISTIC dan STATISTICS. Statistic (statistik) berarti
kumpulan angka-angka yang terkadang disusun dalam
tabel, daftar atau diagram. Statistics (Statistika) berarti
ilmu/pengetahuan yang mempelajari teknik
pengumpulan data, pengolahan data, penyajian data,
analisis dan penarikan kesimpulan berdasarkan analisis
yang dilakukan.
Statistika memiliki dua kegunaan utama: DESKRIPSI
dan KEPUTUSAN.
Kegunaan pertama ialah untuk menggambarkan
keadaan yang terjadi melalui data yang ada. Statistik
jenis ini sering disebut Statistik Deskriptif. Statistik
deskriptif ialah teknik yang digunakan untuk
meringkas data dan menampilkannya dalam bentuk
yang dapat dimengerti oleh semua orang. Jenis

statistik ini biasanya melibatkan unsur statistik

sederhana seperti rata-rata, modus, median, varians
dan ditampilkan dalam bentuk tabel atau grafik.
Statistik deskriptif umumnya tidak bisa memberikan
hasil yang diterima secara ilmiah.
Kegunaan kedua ialah untuk pengambilan keputusan
melalui data yang ada. Hal ini tentu saja melibatkan
teknik pengambilan data yang representatif,
pengolahan data yang valid dan reliabel, penyajian
data dan analisis yang tepat, serta pengambilan
kesimpulan yang signifikan. Jenis statistik ini disebut
Statistik Induktif. Statistik induktif mampu
menghasilkan kesimpulan tentang suatu populasi,
meramalkan angka di masa mendatang, menguji
hipotesis penelitian dan sebagainya. Statistik induktif
umumnya bisa memberikan hasil yang diterima secara
ilmiah.
Kesimpulannya, statistik bukan hanya berbicara
tentang sensus atau menghitung penduduk. Statistik
lebih luas dari itu. Bahkan ada yang mendefinisikan
statistik sebagai ilmu dan seni. Semoga membantu.
Statistik itu mudah, semudah definisinya..