penelitian
Ilmu Statistika berperan penting dalam penelitian-penelitian kuantitatif, yakni sebagai dasar
dalam melakukan analisis hingga pengambilan
kesimpulan untuk memecahkan masalah.
Cabang Statistika
STATISTIKA DESKRIPTIF merupakan cabang
statistika yang secara khusus mempelajari cara
pengumpulan, pengolahan, hingga penyajian
data.
STATISTIKA INFERENSI merupakan cabang
statistika yang secara khusus mempelajari cara
penarikan kesimpulan dari sekumpulan data.
Kedua cabang statistika ini saling berkaitan
dan sama pentingnya dalam penelitian.
Ilustrasi (1)
Fino ingin mengetahui pengaruh Bantuan
Program Nasional Pemberdayaan Masyarakat
(PNPM) Mandiri di DIY terhadap laba usaha
para penerimanya.
Lihat kembali materi tentang populasi dan
sampel penelitian!
Ranah
Statistika
deskriptif
Ranah
Statistika
inferensi
Ilustrasi (2)
Aga ingin mengetahui
pengaruh pemberian
ekstrak buah kluwih
terhadap kadar glukosa
darah pada mencit (tikus).
Untuk itu, ia melakukan
percobaan pengukuran
kadar gula darah mencit
sebelum dan sesudah
pemberian ekstrak buah
kluwih pada dosis tertentu.
Ranah
Statistika
deskriptif
Ranah
Statistika
inferensi
Bagian I
STATISTIKA DESKRIPTIF
Ringkasan Data
Pada umumnya, orang tidak dapat mengambil
kesimpulan apapun hanya dengan melihat atau
membaca sekumpulan angka.
Agar kumpulan angka tersebut dapat memiliki
makna dan dapat digunakan untuk menarik
kesimpulan, angka-angka tersebut haruslah
diringkas, diolah, atau disajikan sedemikian rupa
dengan bantuan statistika deskriptif.
Teknik penyajian data telah dibahas pada slide
lain berjudul Penyajian Data, sehingga tidak
akan dibahas lagi pada slide ini.
Rata-rata Hitung
Misal dimiliki n buah data, x1, x2, ..., xn. Rata
rata hitung didefinisikan sebagai
1 n
rata - rata hitung x i
n i 1
Rata-rata Ukur
Misal dimiliki n buah data, x1, x2, ..., xn. Rata
rata ukur didefinisikan sebagai
rata - rata ukur n x 1x 2 ...x n
Rata-rata Harmonis
Misal dimiliki n buah data, x1, x2, ..., xn. Rata
rata harmonis didefinisikan sebagai
rata - rata harmonis
n
n
x
i1
Modus
Modus didefinisikan sebagai data yang paling
sering muncul atau data dengan frekuensi
kemunculan tertinggi.
Pada data kuantitatif, modus jarang digunakan
sebagai ukuran kecenderungan memusat
karena suatu kumpulan data
Bisa tidak memiliki modus, atau
Bisa memiliki tepat satu modus, atau
Bisa memiliki lebih dari satu modus.
Median
Misal dimiliki statistik peringkat atau order
statistics, yakni data yang telah diurutkan dari
yang terkecil hingga terbesar. Median
merupakan nilai yang membagi statistik
peringkat tersebut menjadi dua kumpulan
yang jumlah anggotanya sama.
Ilustrasi:
x1
x2
x3
...
Median
...
xn-1
xn
Jangkauan
Jangkauan (range) menyatakan selisih datum
terbesar (xmax) dengan datum terkecil (xmin).
Meskipun paling mudah dihitung, jangkauan
jarang digunakan karena sangat dipengaruhi
oleh nilai-nilai ekstrim. Selain itu, jangkauan
tidak dipengaruhi oleh data di antara datum
terbesar dan datum terkecil itu.
Ragam
Ragam atau varians (variance) didefinisikan
sebagai rata-rata kuadrat jarak masing-masing
datum terhadap nilai tengah (rata-rata).
Misal dimiliki n buah data, x1, x2, ..., xn, dan x
menyatakan rata-rata sampel, ragam sampel
didefinisikan sebagai:
n
2
Akar kuadrat dari ragam
(x i x)
disebut simpangan baku 2
i1
s
atau deviasi standar.
n -1
Ukuran Kemencengan
Ukuran kemencengan (skewness)
menunjukkan bentuk distribusi data; suatu
data dapat berdistribusi simetris, menceng ke
kanan, maupun menceng ke kiri.
Ukuran Kelancipan
Ukuran kelancipan suatu distribusi data disebut
kurtosis. Berdasarkan nilai kurtosis, kita mengenal
tiga macam distribusi.
Dalam analisis statistika sehari-hari, kurtosis maupun
ukuran kemencengan jarang digunakan.
Bagian II
STATISTIKA INFERENSI
Contoh 1:
Dalam kasus I di muka, seharusnya Fino
membandingkan rata-rata penghasilan
populasi, yakni seluruh penerima bantuan
PNPM Mandiri, sebelum dan sesudah
penyaluran bantuan. Fino tidak mungkin
menanyai seluruh penerima bantuan ini,
sehingga rata-rata penghasilan populasi tidak
dapat diketahui. Yang dapat Fino kumpulkan
hanyalah data penghasilan sebagian penerima
bantuan PNPM Mandiri sebagai sampel. Dari
data sampel inilah Fino harus menyelidiki ratarata penghasilan populasi.
Contoh 2:
Menanggapi ide penggunaan hasil UN sebagai
syarat masuk Perguruan Tinggi, ingin diketahui
persepsi siswa SMA di Indonesia (setuju/tidak
setuju) terhadap ide tersebut. Untuk itu,
seharusnya dilakukan referendum kepada
seluruh siswa SMA, namun hal ini tidak dapat
dilakukan mengingat banyaknya jumlah siswa
dan distribusi sekolah dari kota hingga pelosok.
Oleh karena itu, tidak dapat diketahui besarnya
bagian (proporsi) keseluruhan siswa SMA yang
setuju terhadap wacana tersebut. Yang dapat
diketahui hanyalah proporsi dari sampel siswasiswi SMA.
sampel
populasi
Parameter
populasi
Dianalisis
untuk
memperoleh
PROSES
INFERENSI
statistik sampel
Prosedur Inferensi
Estimasi
Menduga nilai-nilai
parameter populasi
berdasarkan informasi atau
data statistik sampel
Uji
Hipotesis
Menentukan apakah
hipotesis tentang parameter
populasi didukung oleh
informasi sampel.
Estimasi
Estimasi atau pendugaan dapat dilakukan dengan
dua cara, yakni estimasi titik dan estimasi
interval.
Pada estimasi titik, nilai statistik sampel langsung
digunakan sebagai penduga (estimator)
parameter populasi.
Pada estimasi interval, statistik sampel digunakan
membentuk suatu selang (interval) yang memuat
parameter populasi dengan probabilitas tertentu.
Hasil estimasi interval disebut selang
kepercayaan atau interval konfidensi.
populasi
(rata-rata, ,
tidak diketahui)
Rata-rata
X = 50
Sampel
acak
Uji Hipotesis
Dalam pengujian hipotesis, mula-mula peneliti
menyusun hipotesis statistik, yakni dugaan
tentang nilai parameter populasi.
Suatu hipotesis statistik selalu dinyatakan
dalam bentuk pasangan
Hipotesis nol (H0): hipotesis yang tidak memihak
Hipotesis alternatif (H1 atau Ha): lawan dari
hipotesis nol.
Selanjutnya, dari data sampel akan dihitung ratarata selisih laba usaha sampel penerima bantuan
PNPM Mandiri sebleum dan sesudah pemberian
bantuan. Rata-rata selisih laba usaha sampel ini
akan dibandingkan dengan nilai tertentu.
Bila nilainya jauh lebih besar daripada nol,
maka kita akan menolak Hipotesis nol (dengan
demikian menerima hipotesis alternatif).
Bila nilainya lebih kecil atau berada di sekitar
nol, kita akan menerima hipotesis nol (dengan
demikian menolak hipotesis alternatif).
Aturan penerimaan atau penolakan hipotesis nol
ini dinamakan daerah kritik.
Tidak sesuai H0
Keputusan Tepat
Keputusan salah (tipe II)
Keputusan salah (tipe I)
Keputusan tepat
Populasi
Ambil sampel
acak
Is X 20 likely if = 50?
If not likely,
REJECT
Null Hypothesis
Misalkan
rata-rata usia
sampel
adalah 20
tahun, x = 20
Sampel
Bagian III
SEBARAN PELUANG
Sebaran Binomial
Sebaran Binomial digunakan untuk memodelkan
peluang data hasil percobaan binomial, yakni:
Hanya dapat menjalani tepat satu dari dua hasil yang
mungkin.
Peluang terjadinya hasil-hasil tersebut selalu tetap.
Percobaan (upaya) dilakukan berulang sebanyak n kali.
n!
x ! (n x )!
P (1- P)
nX
Sebaran Normal
Sebaran normal lebih
umum dijumpai
daripada sebaran
binomial, karena banyak
sekali distribusi data
dalam kehidupan seharihari yang mengikuti pola
distribusi normal.
Ide dasar distribusi
normal adalah data yang
sedikit memiliki ekstrem
namun tinggi di bagian
tengah.
(x )2 /2 2
Secara khusus
didefinisikan
distribusi normal
standar yakni
distribusi normal
dengan nilai = 0
dan = 1.
X
Z
Sebaran Student-t
Dibandingkan sebaran normal, distribusi student-t
memiliki ujung (ekor) yang lebih tinggi. Bentuk kurva
student-t ditentukan oleh derajat bebas (degree of
freedom) sebesar k, dengan persamaan:
k 1
k 1
2
1
x
2
f(x;k)
k
k
k
2
Perhitungan peluang dengan mengintegralkan fungsi
di atas sangat sulit, sehingga digunakan tabel.
RUJUKAN
Dajan, Anto. 1991. Pengantar Metode
Statistika II. Jakarta: LP3ES.
Gunardi. 1999. Diktat Kuliah Metode
Statistika. Yogyakarta: Fakultas Matematika
dan Ilmu Pengetahuan Alam Universitas
Gadjah Mada.
Subanar. 2013. Statistika Matematika.
Yogyakarta: Graha Iklmu
Sudjana. 1989. Metode Statistika. Bandung:
Tarsito