 PENGERTIAN

1. Statistika Deskriptif Dan Inferensial

 Statistika Deskriptif
Statistika yang digunakan untuk analisa data dengan cara mendeskripsikan
atau menggambarkan data yang telah terkumpul sebagaimana adanya tanpa ada
tujuan membuat kesimpulan untuk generalisasi.

Beberapa hal yang dapat dilakukan adalah penyajian data melalui tabel, grafik,
diagram lingkaran (pie chart), pictogram, perhitungan modus, median, mean
(pengukuran tendensi sentral), desil, persentil, perhitungan penyebaran data melalui
perhitungan rata-rata dan standar deviasi, perhitungan prosentase. Dapat juga
dilakukan analisis korelasi antar variabel, analisis regresi atau membandingkan dua
nilai rata-rata sampel/populasi.

Pada statistika deskriptif, yang perlu disajikan adalah:

1. Ukuran pemusatan data (measures of central tendency). Ukuran pemusatan

data yang sering digunakan adalah distribusi frekuensi. Ukuran statistik ini
cocok untuk data nominal dan data ordinal (data kategorik). Sementara
nilai mean adalah ukuran pemusatan data yang cocok untuk
data continuous. Ukuran deskriptif lain untuk pemusatan data adalah
median (nilai tengah) dan modus (nilai yang paling sering muncul).

2. Ukuran penyebaran data (measures of spread). Ukuran penyebaran data

yang sering digunakan adalah standar deviasi. Ukuran penyebaran data ini
cocok digunakan untuk data numerik atau continuous. Sementara untuk
data kategorik, nilai range merupakan ukuran yang cocok.

 Statistika Inferensial

Statistika yang digunakan untuk menganalisis data sampel dan hasilnya

diberlakukan untuk populasi.
 Statistika ini cocok digunakan jika sampel diambil pada populasi yang jelas dan
pengambilan sampel secara acak. Sering disebut statistik induktif atau statistik
probabilitas karena kesimpulan yang diberlakukan pada populasi berdasarkan pada
data sampel dan kebenarannya bersifat peluang (kita kenal disini tafar signifikansi
dan interval kepercayaan).

Disini terjadi pengujian signifikansi dari suatu analisis yang biasanya didasarkan
pada tabel seperti tabel-t untuk uji-t dan tabel-F untuk uji-F (dapat digunakan alat
bantu lainnya seperti MS - Excel).

Statistika inferensial terbagi atas dua yaitu statistika parametrik dan statistika
nonparametrik. Dimana statistika parametrik diperlukan terpenuhinya banyak
asumsi terutama berdistribusi normal, sedangkan statistika nonparametrik tidak
demikian.

Contoh statistika inferensial adalah pada pemilu presiden 2014 :

Berbagai lembaga survei melakukan quick count untuk mengetahui secara
cepat kandidat presiden mana yang akan mendapatkan suara rakyat lebih banyak.
Lembaga survei tersebut mengambil sebagian sampel TPS (Tempat Pemungutan
Suara) dari total TPS populasi. Hasil sampel TPS tersebut digunakan untuk
generalisasi terhadap keseluruhan TPS. Katakanlah diambil 2.000 sampel TPS dari
400.000 populasi TPS yang ada. Hasil dari 2.000 TPS adalah statistik deskriptif.
Sedangkan jika kita mengambil kesimpulan terhadap 400.000 TPS adalah statistik
inferensial.Kekuatan statistik inferensial tergantung pada teknik pengambilan
sampel dan proses randomisasi. Jika proses randomisasi dilakukan dengan benar,
maka sampel yang lebih sedikit dapat memprediksi nilai populasi dengan baik.
Dengan demikian dapat menghemat anggaran pengambilan / pengumpulan data.

Di industri manufaktur, statistik inferensial sangat berguna. Manajemen

dapat mengetahui dan mengontrol berapa produk yang di luar standar atau cacat
dengan hanya mengambil beberapa sampel produk. Bayangkan jika manajemen
perusahaan harus memeriksa semua produk hanya untuk mengetahui berapa yang
cacat. Tentu akan menghabiskan waktu dan biaya yang tidak sedikit. Terlebih jika
harus memeriksa semua produk yang dikemas. Tentu tidak efektif dan efisien.
Untunglah ada Six Sigma, salah satu tool yang digunakan terkait hal ini. Prinsip Six
Sigma menggunakan statistik inferensial yaitu mengambil sampel produk dan
mengukur sigma atau standar deviasi (ukuran keragaman) dari produk. Jumlah
produk yang cacat tidak boleh melebihi standar yang ditetapkan.
(http://www.en.globalstatistik.com/pengertian-statistik-deskriptif-dan-statistik-
inferensial/)
(http://www.jam-statistic.id/2014/01/statistik-deskriptif-dan-statistik.html)

2. Sampel Dan Populasi

 Sampel

Sampel adalah sebagian dari jumlah dan karakteristik yang dimiliki oleh
populasi tersebut, ataupun bagian kecil dari anggota populasi yang diambil
menurut prosedur tertentu sehingga dapat mewakili populasinya. Jika populasi
besar, dan peneliti tidak mungkin mempelajari seluruh yang ada di populasi,
hal seperti ini dikarenakan adanya keterbatasan dana atau biaya, tenaga dan
waktu, maka oleh sebab itu peneliti dapat memakai sampel yang diambil dari
populasi. Sampel yang akan diambil dari populasi tersebut harus betul-betul
representatif atau dapat mewakili.

 Populasi

Populasi adalah merupakan wilayah generalisasi yang terdiri dari

obyek/subyek yang memiliki kuantitas dan karakteristik tertentu yang
ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya.
Itulah definisi populasi dalam penelitian.

Populasi di sini maksudnya bukan hanya orang atau makhluk hidup, akan
tetapi juga benda-benda alam yang lainnya. Populasi juga bukan hanya sekedar
jumlah yang ada pada obyek atau subyek yang dipelajari, akan tetapi meliputi
semua karakteristik, sifat-sifat yang dimiliki oleh obyek atau subyek tersebut.
Bahkan satu orangpun bisa digunakan sebagai populasi, karena satu orang
 tersebut memiliki berbagai karakteristik, misalnya seperti gaya bicara, disiplin,
pribadi, hobi, dan lain sebagainya.

Di bawah ini beberapa pengertian populasi menurut para ahli:

 Menurut, Ismiyanto – populasi adalah keseluruhan subjek atau totalitas

subjek penelitian yang dapat berupa; orang, benda, / suatu hal yang di
dalamnya dapat diperoleh dan atau dapat memberikan informasi (data)
penelitian.
 Sedangkan Arikunto – Populasi adalah keseluruhan objek penelitian.
Apabila seseorang ingin meneliti semua elemen yang ada dalam wilayah
penelitian, maka penelitiannya merupakan penelitian populasi.
 Dan menurut Sugiyono – Populasi adalah wilayah generalisasi yang terdiri
atas, obyek/subjek yang mempunyai kuantitas & karakteristik tertentu yang
ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik
kesimpulannya.

(http://www.pengertianku.net/2015/03/pengertian-populasi-dan-sampel-serta-
teknik-sampling.html)

3. Data

1. DATA NOMINAL
Data Nominal biasa disebut data skala nominal adalah data yang diperoleh
dengan cara kategorisasi atau klasifikasi.

Contoh: Jenis pekerjaan, diklasifikasi sebagai:

1. Pegawai negeri, diberi tanda 1,

2. Pegawai swasta, diberi tanda 2,
3. Wiraswasta, diberi angka 3
 Ciri Data Nominal:

 Posisi data setara. Dalam contoh tersebut, pegawai negeri tidak lebih
tinggi/lebih rendah dari pegawai swasta.
 Tidak bisa dilakukan operasi matematika (X, +, - atau : ). Contoh, tidak
mungkin 3-2=1 (Wiraswasta dikurangi pegawai swasta=pegawai negeri

2. DATA ORDINAL
Data berskala ordinal adalah data yang diperoleh dengan cara kategorisasi
atau klasifikasi, tetapi diantara data tersebut terdapat hubungan.
Contoh:
Kepuasan pelanggan, diklasifikasikan sebagai:
 Sangat puas, diberi tanda 1,
 Puas, diberi tanda 2,
 Cukup puas, diberi tanda 3,
 Tidak puas diberi tanda 4,
 Sangat tidak puas diberi tanda 5

Ciri Data Ordinal:

1. Posisi data tidak setara. Dalam kasus di atas, sikap pelanggan yang sangat
puas, lebih tinggi dari yang puas. Sikap pelanggan yang puas, lebih tinggi
dari yang cukup puas, dst. Angka/tanda bisa dibalik dari 5 hingga 1,
tergantung kesepakatan.
2. Tidak bisa dilakukan operasi matematika. Tidak mungkin 1+2=3 (yang
berarti sangat puas ditambah puas = cukup puas)

3. DATA INTERVAL
Data interval adalah data yang diperoleh dengan cara pengukuran, dimana
jarak antar dua titik pada skala, sudah diketahui. Berbeda dengan skala ordinal,
dimana jarak dua titik tidak diperhatikan (seperti berapa jarak antara puas dan tidak
puas, yang sebenarnya menyangkut perasaan orang saja)
Contoh:
Temperatur ruangan. Bisa diukur dalam Celsius, atau Fahrenheit, dengan masing-
masing punya skala sendiri. Untuk air membeku dan mendidih:
 Celcius pada 0° C sampai 100° C. Sakala ini jelas jaraknya, bahwa 100-0=100
 Fahreinheit pada 32° F sampai 212°F. Skala ini jelas jaraknya, 212-32=180

Ciri Data Interval:

 Tidak ada kategorisasi atau pemberian kode seperti terjadi pada data nominal
dan ordinal.
 Bisa dilakukan operasi matematika. (panas 40 derajad adalah dua kali panas
disbanding 20 derajad).

4. DATA RASIO:
Data berskala rasio adalah data yang diperoleh dengan cara pengukuran,
dimana jarak dua titik pada skala sudah diketahui, dan mempunyai titik nol yang
absolut. Ini berbeda dengan skala interval, dimana taka da titik nol mutlak/absolut.
Seperti titik 0°C tentu beda dengan titik 0°F. atau pergantian tahun pada system
kalender Masehi (setiap 1 Januari) berbeda dengan pergantian tahun Jawa, China
dan lainnya. Sehingga tak ada tahun baru dalam artian diakui oleh semua kalender
sebagai tahun baru.

Contoh: Jumlah buku di kelas: Jika 5, berarti ada 5 buku. Jika 0, berarti taka da
buku (absolut 0)

Ciri Data Rasio:

 Tak ada kategorisasi atau pemberian kode.
 Bisa dilakukan operasi matematika. Missal: 100 cm + 35 cm = 135 cm; 5 mangga
+ 2 mangga = 7 mangga.

Catatan: Pengolahan data kuantitatif sebagian besar menggunakan data rasio.

(http://www.papanputih.com/2013/04/jenis-data-nominal-ordinal-interval.html)