Anda di halaman 1dari 13

NAMA KELOMPOK :

1. Agustin Windayani Putri (15030234010) / KB 15


2. Siti Naffsiyah Rokhmania (15030234010) / KB 15
3. Farid Abdur Rahman (15030234010) / KB 15

SOAL PEMAHAMAN TEORI STATISTIKA DASAR

1. Jelaskan yang dimaksud dengan : data kualitatif, kuantitatif, diskrit, kontinyu, nominal,
ordinal, interval, rasio. Berikan contoh masing masing.
2. Jelaskan maksud dari parameter , statistik.
3. Apa yang dipelajari dalam Penaksiran Parameter.
4. Berikan penjelasan tentang Pengujian Hipotesis.
5. Pada uji hipotesis jelaskan yang dimaksud dengan : uji satu pihak, uji dua pihak dan
berikan contoh.
6. Untuk pengujian hipotesis dikenal taraf kepercayaan, apa maksudnya dan mengapa hal
itu selalu disertakan dalam penyelesaian soal.
7. Dua macam analisis statistika yakni parametrik dan non parametrik. Jelaskan bilamana
masing masing digunakan.
8. Statistika selalu terkait dan bahkan tidak lepas dari ketidak pastian / kemungkinan /
peluang suatu peristiwa atau kejadian. Statistika sangat erat berhubungan dengan
kejadian dalam kehidupan sehari hari. Berikan penjelasan tentang hal tersebut.

JAWAB

1. Data Kuantitatif : Data yang berbentuk bilangan, harganya dapat berubah-ubah atau
bersifat variable. Dari nilainya, dikenal dua golongan data kuantitatif, yaitu :
Data dengan variable variable diskrit atau singkatnya data diskrit
Contoh : 1) Keluarga A mempunyai 5 anak laki-laki dan tiga anak perempuan
2) Kabupaten B sudah membangun 85 gedung sekolah
kedua hal diatas merupakan contoh data diskrit.
Data dengan variable kontinyu atau data kontinyu
Contoh : 1) Tinggi badan seseorang, misalnya : 155 cm, 167 cm, atau 172,4 cm
2) Kecepatan mobil 60 km/jam
Data kualitatif : Data yang bukan data kuantitatif, data yang dikategorikan menurut
gambaran (lukisan), kualitas objek yang dipelajari. Golongan ini dikenal pula dengan
nama atribut, Misalnya : sembuh, rusak, gagal, berhasil, dan sebagainya.
Diskrit Kontinyu : Data yang sifatnya sinambung atau kontinyu, nilainya bisa berupa
pecahan. Contoh data kontinyu adalah data tentang hasil panen padi, panjang jalan, berat
sapi dan sebagainya.
Nominal : Ukuran yang paling sederhana, dimana angka yang diberikan kepada objek
mempunyai arti sebagai label saja, dan tidak menunjukkan tingkatan apapun. Ciri-ciri
data nominal adalah hanya memiliki atribut, atau nama, atau diskrit. Data nominal
merupakan data diskrit dan tidak memiliki urutan. Bila objek dikelompokkan ke dalam
set-set, dan kepada semua anggota set diberikan angka, set-set tersebut tidak boleh
tumpang tindih dan bersisa. Misalnya tentang jenis olah raga yakni tenis, basket dan
renang. Kemudian masing-masing anggota set di atas kita berikan angka, misalnya tenis
(1), basket (2) dan renang (3). Jelas kelihatan bahwa angka yang diberikan tidak
menunjukkan bahwa tingkat olah raga basket lebih tinggi dari tenis ataupun tingkat
renang lebih tinggi dari tenis. Angka tersebut tidak memberikan arti apa-apa jika
ditambahkan. Angka yang diberikan hanya berfungsi sebagai label saja. Begitu juga
tentang suku, yakni Dayak, Bugis dan Badui. Tentang partai, misalnya Partai Bulan,
Partai Bintang dan Partai Matahari. Masing-masing kategori tidak dinyatakan lebih tinggi
dari atribut (nama) yang lain. Seseorang yang pergi ke Jakarta, tidak akan pernah
mengatakan dua setengah kali, atau tiga seperempat kali. Tetapi akan mengatakan dua
kali, lima kali, atau tujuh kali. Begitu juga tentang ukuran jumlah anak dalam suatu
keluarga. Numerik yang dihasilkan akan selalu berbentuk bilangan bulat, demikian
seterusnya. Tidak akan pernah ada bilangan pecahan. Data nominal ini diperoleh dari
hasil pengukuran dengan skala nominal
Ordinal : Bagian lain dari data kontinum adalah data ordinal. Data ini, selain memiliki
nama (atribut), juga memiliki peringkat atau urutan. Angka yang diberikan mengandung
tingkatan. Ia digunakan untuk mengurutkan objek dari yang paling rendah sampai yang
paling tinggi, atau sebaliknya. Ukuran ini tidak memberikan nilai absolut terhadap objek,
tetapi hanya memberikan peringkat saja. Jika kita memiliki sebuah set objek yang
dinomori, dari 1 sampai n, misalnya peringkat 1, 2, 3, 4, 5 dan seterusnya, bila dinyatakan
dalam skala, maka jarak antara data yang satu dengan lainnya tidak sama. Ia akan
memiliki urutan mulai dari yang paling tinggi sampai paling rendah. Atau paling baik
sampai ke yang paling buruk. Misalnya dalam skala Likert (Moh Nazir), mulai dari
sangat setuju, setuju, ragu-ragu, tidak setuju sampai sangat tidak setuju. Atau jawaban
pertanyaan tentang kecenderungan masyarakat untuk menghadiri rapat umum pemilihan
kepala daerah, mulai dari tidak pernah absen menghadiri, dengan kode 5, kadang-kadang
saja menghadiri, dengan kode 4, kurang menghadiri, dengan kode 3, tidak pernah
menghadiri, dengan kode 2 sampai tidak ingin menghadiri sama sekali, dengan kode 1.
Dari hasil pengukuran dengan menggunakan skala ordinal ini akan diperoleh data ordinal.
Alat analisis (uji hipotesis asosiatif) statistik nonparametrik yang lazim digunakan untuk
data ordinal adalah Spearman Rank Correlation dan Kendall Tau.
Interval : Pemberian angka kepada set dari objek yang mempunyai sifat-sifat ukuran
ordinal dan ditambah satu sifat lain, yakni jarak yang sama pada pengukuran dinamakan
data interval. Data ini memperlihatkan jarak yang sama dari ciri atau sifat objek yang
diukur. Akan tetapi ukuran interval tidak memberikan jumlah absolut dari objek yang
diukur. Data yang diperoleh dari hasil pengukuran menggunakan skala interval
dinamakan data interval. Misalnya tentang nilai ujian 6 orang mahasiswa, yakni A, B, C,
D, E dan F diukur dengan ukuran interval pada skala prestasi dengan ukuran 1, 2, 3, 4, 5
dan 6, maka dapat dikatakan bahwa beda prestasi antara mahasiswa C dan A adalah 3 1
= 2. Beda prestasi antara mahasiswa C dan F adalah 6 3 = 3. Akan tetapi tidak bisa
dikatakan bahwa prestasi mahasiswa E adalah 5 kali prestasi mahasiswa A ataupun
prestasi mahasiswa F adalah 3 kali lebih baik dari prestasi mahasiswa B. Dari hasil
pengukuran dengan menggunakan skala interval ini akan diperoleh data interval. Alat
analisis (uji hipotesis asosiatif) statistik parametrik yang lazim digunakan untuk data
interval ini adalah Pearson Korelasi Product Moment, Partial Correlation, Multiple
Correlation, Partial Regression, dan Multiple Regression.
Rasio : Ukuran yang meliputi semua ukuran di atas ditambah dengan satu sifat yang
lain, yakni ukuran yang memberikan keterangan tentang nilai absolut dari objek yang
diukur dinamakan ukuran rasio (data rasio). Data rasio, yang diperoleh melalui
pengukuran dengan skala rasio memiliki titik nol. Karenanya, interval jarak tidak
dinyatakan dengan beda angka rata-rata satu kelompok dibandingkan dengan titik nol di
atas. Oleh karena ada titik nol, maka data rasio dapat dibuat perkalian ataupun
pembagian. Angka pada data rasio dapat menunjukkan nilai sebenarnya dari objek yang
diukur. Jika ada 4 orang pengemudi, A, B, C dan D mempunyai pendapatan masing-
masing perhari Rp. 10.000, Rp.30.000, Rp. 40.000 dan Rp. 50.000. Bila dilihat dengan
ukuran rasio maka pendapatan pengemudi C adalah 4 kali pendapatan pengemudi A.
Pendapatan pengemudi D adalah 5 kali pendapatan pengemudi A. Pendapatan pengemudi
C adalah 4/3 kali pendapatan pengemudi B. Dengan kata lain, rasio antara pengemudi C
dan A adalah 4 : 1, rasio antara pengemudi D dan A adalah 5 : 1, sedangkan rasio antara
pengemudi C dan B adalah 4 : 3. Interval pendapatan pengemudi A dan C adalah 30.000,
dan pendapatan pengemudi C adalah 4 kali pendapatan pengemudi A. Contoh data rasio
lainnya adalah berat badan bayi yang diukur dengan skala rasio. Bayi A memiliki berat 3
Kg. Bayi B memiliki berat 2 Kg dan bayi C memiliki berat 1 Kg. Jika diukur dengan
skala rasio, maka bayi A memiliki rasio berat badan 3 kali dari berat badan bayi C. Bayi
B memiliki rasio berat badan dua kali dari berat badan bayi C, dan bayi C memiliki rasio
berat badan sepertiga kali berat badan bayi A, dst. Dari hasil pengukuran dengan
menggunakan skala rasio ini akan diperoleh data rasio. Alat analisis (uji hipotesis
asosiatif) yang digunakan adalah statistik parametrik dan yang lazim digunakan untuk
data rasio ini adalah Pearson Korelasi Product Moment, Partial Correlation, Multiple
Correlation, Partial Regression, dan Multiple Regression.Sesuai dengan ulasan jenis
pengukuran yang digunakan, maka variabel penelitian lazimnya bisa di bagi menjadi 4
jenis variabel, yakni variabel (data) nominal, variabel (data) ordinal, variabel (data)
interval, dan variabel (data) rasio. Variabel nominal, yaitu variabel yang dikategorikan
secara diskrit dan saling terpisah satu sama lain, misalnya status perkawinan, jenis
kelamin, suku bangsa, profesi pekerjaan seseorang dan sebagainya. Variabel ordinal
adalah variabel yang disusun atas dasar peringkat, seperti motivasi seseorang untuk
bekerja, peringkat perlombaan catur, peringkat tingkat kesukaran suatu pekerjaan dan
lain-lain. Variabel interval adalah variabel yang diukur dengan ukuran interval seperti
indek prestasi mahasiswa, skala termometer dan sebagainya, sedangkan variabel rasio
adalah variabel yang disusun dengan ukuran rasio seperti tingkat penganggguran,
penghasilan, berat badan, dan sebagainya.
2. Statistik : Kumpulan data, bilangan, maupun non-bilangan yang disusun dalam table dan
atau diagram, yang melukiskan atau menggambarkan suatu persoalan. Statistik dipakai
untuk menyatakan ukuran sebagai wakil data mengenai suatu hal. Statistika adalah
pengetahuan yang berhubungan dengan cara-cara pengumpulan data, pengolahan atau
penganalisisannya dan penarikan kesimpulan berdasarkan kumpulan data dan
penganalisisan yang dilakukan.
Parameter : Karakteristik populasi. Statistik inferensial memungkinkan untuk membuat
generalisasi tentang parameter populasi berdasarkan statistik yang dihitung dari sampel
acak.

3. Penaksiran Parameter dapat mempelajari :


a. Mengetahui pengertian dari Penaksiran Parameter
Dalam statistika, Penaksiran adalah suatu proses penaksiran suatu kasus yang
diterapkan dalam suatu distribusi tertentu, yang dapat memenuhi dan menyelesaikan
kasus tersebut dengan suatu selang kepercayaan tertentu dan memiliki nilai galat
tertentu. Salah satu distribusi yang memenuhi dan menyelesaikan suatu kasus tertentu
adalah distribusi normal yang merupakan dasar seluruh distribusi, sebab apabila
dalam suatu populasi terdapat ruang sampel yang memiliki distribusi ruang sampel
pada n lebih besar, maka distribusinya akan mendekati distribusi normal (central limit
theorem). Cara pengambilan kesimpulan tentang parameter yang dipelajari adalah
sehubungan dengan cara-cara menaksir harga parameter.
b. Metode Penaksiran
a) Metode Penaksiran Klasik
Metode penaksiran klasik mendasarkan kesimpulannya semata-mata pada
informasi yang diperoleh dari suatu contoh acak yang ditarik dari populasi
tersebut. Metode ini sering digunakan untuk menaksir rata-rata, proporsi,
simpangan baku, dan lain-lain. Misalkan adalah taksiran untuk parameter yang
belum diketahui nilainya. Jelas diinginkan sebaran penarikan sampel untuk
memiliki rata-rata yang sama dengan parameter yang ditaksir, yaitu () . Penaksir
yang memiliki sifat ini disebut dengan penaksir tak bias.

b) Metode Penaksiran Bayes


Pendekatan Bayes terhadap metode penaksiran statistik mengga-bungkan
informasi yang dikandung dalam sampel dengan informasi lain yang telah tersedia
sebelumnya. Teknik Bayes menggunakan sebaran awal bersama-sama dengan
bukti yang dikandung oleh sampel untuk menghitung sebaran posterior bagi
parameter. Penarikan kesimpulan mengenai parameter selanjutnya didasarkan
pada sebaran posterior ini. Misalnya, nilai tengah sebaran posterior ini dapat
digunakan sebagai nilai taksiran titik bagi .
c. Jenis-Jenis Penaksiran
a) Penaksiran Titik
Penaksiran titik adalah suatu metode untuk menaksir nilai parameter
populasi dalam satu titik tertentu. Penaksiran titik sangat sederhana dan mudah
dihitung, tetapi ketepatannya diragukan. Dikatakan demikian, karena jarang
terjadi bahwa nilai parameter populasi sama persis dengan statistik sampel.
b) Penaksiran Interval
Penaksiran interval merupakan suatu metode untuk menaksir parameter
populasi dalam bentuk interval antara dua titik. Artinya nilai parameter ditaksir
antara dua harga atas dasar interval keyakinan (confidence interval) tertentu.
Ukuran batas keyakinan (confidence limit) biasanya dinyatakan dalam %.
d. Sifat Penaksir yang Baik
a) Penaksir Takbias (Unbiased Estimator)
Statistik dikatakan penaksir takbias parameter bila E[ ]=
Contoh : penaksir takbias untuk karena E[ ] = , dan penaksir takbias untuk 2
b) Penaksir paling efisien
Penaksir yang memberikan variansi terkecil dari semua penaksir yang mungkin
dibuat
c) Penaksir konsisten
d) Penaksir yang takbias dan variansinya minimum adalah penaksir yang terbaik
e. Derajat Kepercayaan
Dalam bidang penaksiran terdapat derajat ketelitian nilai taksiran yang berasal
dari pengetahuan distribusi sampling bagi populasi. Dan juga terdapat ruang
keputusan yang merupakan himpunan semua kemungkinan nilai taksiran yang dapat
diambil oleh suatu penaksir. Ada beberapa sifat-sifat penaksiran yang harus diketahui,
misalnya penaksiran takbias (dalam definisi ragam contoh suatu kasus yang memiliki
n lebih kecil, maka dalam rumus ragam tersebut harus dibagi dengan n 1 dan bukan
^


2
n dan kasus tersebut menginginkan E(S2)= , statistik dikatakan penaksiran

^
takbias bagi parameter bila dan penaksiran paling efisien

^ E

(diantara semua kemungkinan penaksiran takbias bagi parameter , yang ragamnya


terkecil adalah penaksir paling efisien bagi ).

4. Pada dasarnya menguji hipotesis adalah menaksir parameter populasi berdasarkan


sampel. Terdapat dua cara menaksir yaitu, a point estimate dan interval estimate atau
sering disebut confidence interval. A point estimate (titik taksiran) adalah suatu taksiran
parameter populasi berdasarkan satu nilai data sampel. Sedangkan interval estimate
(taksiran interval) adalah satu taksiran parameter populasi berdasarkan nilai interval data
sampel.
Pengujian hipotesis, dalam ilmu statistik, dilakukan untuk menguji kebenaran suatu
pernyataan secara statistik. Umumnya pernyataan statistik berkaitan dengan satu peubah,
dua peubah, atau lebih dari dua peubah dan melibatkan suatu parameter. Pengujian
hipotesis bisa dilakukan dengan berbagai cara, antara lain yaitu dengan hipotesis
penelitian, hipotesis statistik, hipotesis nol dan hipotesis alternatif. Masing-masing
memiliki pengertian dan cara yang berbeda-beda. Uji hipotesis ini juga memiliki bentuk
umum, bentuk umumnya terdiri dari tiga macam, yaitu hipotesis dua arah (two tailed),
hipotesis searah (kanan) dan hipotesis searah (kiri). Secara umum, pengujian hipotesis
dibedakan dua yaitu, pengujian hipotesis komparatif dan asosiasi.
5. Pada uji hipotesis jelaskan yang dimaksud dengan: uji satu pihak, uji dua pihak dan
berikan contohnya.
Jawab:
Uji Satu Pihak dibagi menjadi 2 yaitu uji pihak kiri dan uji pihak kanan
a) Pengujian hipotesis pihak kiri atau sisi kiri
Pengujian hipotesis pihak kiri adalah pengujian hipotesis di mana hipotesis nol
(Ho) berbunyi sama dengan atau lebih besar atau sama dengan dan hipotesis
alternatifnya (H1) berbunyi lebih kecil atau lebih kecil atau sama dengan (H o
= atau Ho dan H1 < atau H1 ). Kalimat lebih kecil atau sama dengan sinonim
dengan kata paling sedikit atau paling kecil.
Contoh:
Suatu pabrik susu merek Good Milk melakukan pengecekan terhadap produk
mereka, apakah rata-rata berat bersih satu kaleng susu bubuk yang di produksi dan
di pasarkan masih tetap 400 gram atau sudah lebih kecil dari itu. Dari data
sebelumnya di ketahui bahwa simpangan baku bersih per kaleng sama dengan 125
gram. Dari sample 50 kaleng yang di teliti, di peroleh rata-rata berat bersih 375
gram. Dapatkah di terima bahwa berat bersih rata-rata yang di pasarkan tetap 400
gram? Ujilah dengan taraf nyata 5 % !
Penyelesaian :
Diketahui :
n = 50, X = 375, = 125, o = 400
Jawab :
Formulasi hipotesisnya :
Ho : = 400
H1 : < 400
Taraf nyata dan nilai tabelnya :
= 5% = 0,05
Z0,05 = -1,64 (pengujian sisi kiri)
Kriteria pengujian :
o Ho di terima jika Zo 1,64
o Ho di tolak jika Zo < 1,64
Uji Statistik

Kesimpulan
Karena Zo = -1,41 Z0,05 = 1,64 maka Ho di terima. Jadi, berat bersih rata-rata
susu bubuk merek GOOD MILK per kaleng yang di pasarkan sama dengan 400
gram.

b) Pengujian hipotesis pihak kanan atau sisi kanan


Pengujian hipotesis pihak kanan adalah pengujian hipotesis di mana hipotesis nol
(Ho) berbunyi sama dengan atau lebih kecil atau sama dengan dan hipotesis
alternatifnya (H1) berbunyi lebih besar atau lebih besar atau sama dengan (Ho
= atau Ho dan H1 > atau H1 ). Kalimat lebih besar atau sama dengan sinonim
dengan kata paling banyak atau paling besar.
Contoh:
Seseorang berpendapat bahwa rata-rata jam kerja buruh di daerah A dan B sama
dengan alternatif A lebih besar dari pada B. Untuk itu, di ambil sample di kedua
daerah, masing-masing 100 dan 70 dengan rata-rata dan simpangan baku 38 dan 9
jam per minggu serta 35 dan 7 jam per minggu. Ujilah pendapat tersebut dengan
taraf nyata 5% ! Untuk Varians/ simpangan baku kedua populasi sama besar !

Penyelesaian :
Diketahui :
n1 = 100 X1 = 38 s = 9

n2 = 70 X2 = 35 s = 7

Jawab:

Formulasi hipotesisnya :

Ho : =

H1 : >

Taraf nyata dan nilai tabelnya :

= 5% = 0,05

Z0,05 = 1,64 (pengujian sisi kanan)

Kriteria pengujian :

o Ho di terima jika Zo 1,64

o Ho di tolak jika Zo > 1,64

Uji Statistik
Kesimpulan

Karena Zo = 2,44 > Z0,05 = 1,64 maka Ho di tolak. Jadi, rata-rata jam kerja buruh
di daerah A dan daerah B adalah tidak sama.

Pengujian hipotesis dua pihak (two tail test)


Pengujian hipotesis dua pihak adalah pengujian hipotesis di mana hipotesis nol (Ho)
berbunyi sama dengan dan hipotesis alternatifnya (H1) berbunyi tidak sama
dengan (Ho = dan H1 ).
Contoh :
Sebuah sample terdiri atas 15 kaleng susu, memiliki isi berat kotor seperti
yang di berikan berikut ini.
1,21 1,21 1,23 1,20 1,21
1,24 1,22 1,24 1,21 1,19
1,19 1,18 1,19 1,23 1,18

( Isi berat kotor dalam kg/kaleng)


Jika di gunakan taraf nyata 1%, dapatkah kita menyakini bahwa populasi cat
dalam kaleng rata-rata memiliki berat kotor 1,2 kg/kaleng ? (dengan alternatif tidak
sama dengan). Berikan evaluasi anda !
Penyelesaian :
Diketahui :
n = 15, = 1%, o = 1,2
Jawab:
X = 18,13
X2 = 21,9189
X = = 1,208
s = = 0,02
1) Formulasi hipotesisnya :
Ho : = 1,2
H1 : 1,2
2) Taraf nyata dan nilai tabelnya :
= 1% = 0,01
t/2 = 0,005 dengan db = 15-1 = 14
t0,005;14 = 2,977
3) Kriteria pengujian :
Ho di terima apabila : - 2,977 to - 2,977
Ho di tolak : to > 2,977 atau to < - 2,977
4) Uji Statistik
5) Kesimpulan
Karena t0,005;14 = -2,977 to = 1,52 t0,005;14 = - 2,977 maka Ho di terima. Jadi,
populasi susu dalam kaleng secara rata-rata berisi berat kotor 1,2 kg/kaleng.

6. Taraf kepercayaan () adalah suatu nilai yang menunjukkan probabilitas atau peluang
kesalahan yang ditetapkan peneliti dalam mengambil keputusan untuk menolak atau
mendukung hipotesis nol, atau dapat diartikan juga sebagai tingkat kesalahan atau tingkat
kekeliruan yang ditolerir oleh peneliti, yang diakibatkan oleh kemungkinan adanya
kesalahan dalam pengambilan sampel (sampling error). Taraf kepercayaan selalu
disertakan dalam penyelesaian soal karena tingkat kepercayaan pada dasarnya
menunjukkan tingkat keterpercayaan sejauhmana hasil yang diperoleh dalam statistik
sampel dapat mengestimasi dengan benar parameter populasi dan/atau sejauhmana
pengambilan keputusan mengenai hasil uji hipotesis nol diyakini kebenarannya
7. Penggunaan metoda statistika untuk menyelesaikan persoalan yang terkait dengan
distribusi tertentu, (khususnya normal) terhadap suatu populasi telah dipelajari. Untuk
maksud pendugaan parameter dan pungujian hipotesis yang berhubungan dengan
parameter seperti rata-rata (), varians (), dan proporsi populasi digunakan teknik
Statistika Parametrik. Asumsi kenormalan populasi perlu diuji untuk memastikan
kebenarannya, sehingga hal tersebut dipenuhi. Kenyataan menunjukkan bahwa
kepastian kenormalan tidak selalu dapat diperoleh sehingga asumsi tidak selalu dapat
dijamin, Sedangkan Metoda statistika nonparametrik atau metoda statistika bebas
distribusi merupakan metoda yang dikembangkan dan digunakan tanpa memakai andaian
atau asumsi bahwa populasi berdistribusi normal. Nonparametrik digunakan untuk
menggambarkan bentuk pengujian yang tidak melibatkan parameter populasi (misal uji
kesesuaian dan uji keacakan), sedang bebas distribusi berarti pengujian yang tidak
memerlukan asumsi bentuk distribusi populasi. Pada umumnya metoda nonparametrik
berarti metoda pengujian yang menyangkut salah satu atau kedua kondisi tersebut.
Metoda nonparametrik cocok untuk data yang skala pengukurannya nominal dan ordinal.

8. Statistka erat hubungannya dalam kehidupan sehari-hari telah ditegaskan dari buku
statistika ekonomi karangan Sri Mulyono (2003), bahwa dalam mempelajari statistika
kita dibantu untuk menjelaskan hubungan antar variabel, membuat keputusan yang lebih
baik, mengatasi perubahan-perubahan yang terjadi dan membuat rencana serta ramalan.
Beberapa contoh bahwa statistik sangat berperan dalam kehidupan sehari-hari misalnya
dalam kehidupan sehari-hari kita sering menggunakan ilmu statistika untuk mengatur
berapa jumlah pengeluaran kita yang disesuaikan dengan pendapatan yang kita peroleh,
lalu memilih barang yang mana yang akan kita beli, dan lainnya yang pada akhirnya
membutuhkan keputusan terbaik yang akan kita ambil. Begitu pula dengan bidang yang
lainnya, membantu memutuskan keputusan yang harus diambil secara tepat.