MAKALAH

STATISTIK II

STATISTIK DESKRIPTIF DAN INDUKTIF

Disusun Oleh:

1. Amilia Sulihartin (1502500803)

2. Anggie Indra Saputra (1502500844)

3. Eka Indriyani (1402500708)

4. Maysha Della (1602500862)

5. Sulaiman Nur (1302500690)

6. Wanda Saputra (1602500863)

STIE MUHAMMADIYAH JAKARTA

Jl. Minangkabau No. 60 Manggarai Jakarta Selatan, DKI Jakarta

TAHUN AKADEMIK 2017-2018

 KATA PENGANTAR

Puji dan syukur penulis panjatkan kepada Allah SWT atas Berkat dan Rahmat-Nya
penulis dapat menyelesaikan Makalah Statistik Yang berjudul “Statistik Deskriptip
dan Induktif”. Makalah ini disusun untuk memenuhi tugas mata kuliah Statistik II.
Penulis menyadari bahwa, tanpa bantuan dan bimbingan dari berbagai pihak, mulai
dari tahap awal sampai tahap akhir penyusunan makalah sangatlah sulit bagi penulis
untuk menyelesaikan makalah ini.Oleh karena itu, pada kesempatan ini penulis ingin
menyampaikan ucapan terima kasih kepada berbagai pihak yang telah membantu
menyelesaikan karya tulis, kepada :

1. Orang tua yang memberi dukungan baik secara material dan moril
2. Bapak Djayadi Nugroho, S.Kom, M.Kom selaku dosen mata kuliah Statistik
II karena telah membimbing dengan baik dalam penyusunan makalah ini
hingga selesai.
3. Teman-teman yang terus memberikan semangat dan dukungan.

Penulis berharap makalah ini dapat bermanfaat bagi pembaca, adapun saran dan
kritik yang membangun sangat penulis harapkan guna menyempurnakan karya tulis
ini.

Jakarta , 5 Februari 2018

Penyusun
 BAB I
PENDAHULUAN

1.1 Latar belakang masalah

Statistika berasal dari bahasa latin yaitu status yang berarti negara dan
digunakan untuk urusan negara. Hal ini dikarenakan pada mulanya, statistik hanya
digunakan untuk menggambar keadaan dan menyelesaikan masalah yang
berhubungan dengan kenegaraan saja seperti : perhitungan banyaknya penduduk,
pembayaran pajak, gaji pegawai, dan lain sebagainya.
Statistika adalah ilmu yang merupakan cabang dari matematika terapan yang
membahas metode-metode ilmiah untuk pengumpulan, pengorganisasian,
penyimpulan, penyajian, analisis data, serta penarikan kesimpulan yang sahih
sehingga keputusan yang diperoleh dapat diterima.

Macam statistik ada dua yaitu statistik Deskriptif dan Statistik Inferensial
(induktif) Statistik Deskriptif adalah statistik yang digunakan untuk menggambarkan
atau menganalisis suatu statistik hasil penelitian, tetapi tidak digunakan untuk
membuat kesimpulan yang lebih luas (generalisasi atau inferensi).
Penelitian yang tidak menggunakan sampel, analisisnya akan menggunakan statistik
deskriptif. Demikian juga penelitian yang menggunakan sampel, tetapi peneliti tidak
bermaksud untuk membuat kesimpulan terhadap populasi darimana sampel diambil,
maka statistik yang digunakan adalah statistik deskriptif. Dalam hal ini Teknik
Korelasi dan Regresi juga dapat berperan sebagai Statistik Deskriptif.
Sedangkan Statistik inferensial (induktif) adalah statistik yang digunakan
untuk menganalisis data sampel, dan hasilnya akan digeneralisasikan (diinferensikan)
untuk populasi dimana sampel diambil.
Selanjutnya Statistik Inferensial dapat dibedakan menjadi Statistik Parametris dan
Statistik Non Parametris. Statistik Parametris adalah digunakan untuk menganalisis
data interval atau rasio, yang diambil dari populasi yang berdistribusi normal.
Sedangkan Statistik Non Parametris adalah digunakan untuk menganalisis data
nominal dan ordinal dari populasi yang bebas distribusi. Jadi tidak harus normal.
 Dalam hal ini Teknik Korelasi dan Regresi dapat berperan sebagai Statistik
Inferensial.
Didalam Melakukan Penelitian sendiri sering digunakan Variabel
Istilah variabel dapat diartikan bermacam – macam. Variabel diartikan sebagai segala
sesuatu yang akan menjadi objek pengamatan penelitian. Sering pula dinyatakan
variabel penelitian itu sebagai faktor-faktor yang berperan dalam peristiwa atau gejala
yang akan diteliti.

1.2 Rumusan masalah

Berdasarkan uraian latar belakang diatas, maka dalam makalah ini ada 4
(Empat) rumusan masalah yang terkaji yakni :
a. Apa yang dimaksud dengan Statistik Deskriptif dan Statistik Inferensial Serta
Statistik parametrik dan Non Parametrik ?
b. Apa fungsi dari Statistik Deskriptif dan Statistik Inferensial Serta Statistik
parametrik dan Non Parametrik ?
c. Apa saja yang termasuk ruang lingkup Statistik Deskriptif dan Statistik
Inferensial Serta Statistik parametrik dan Non Parametrik?
d. Apa Yang dimaksud Variabel Penelitian dan Pengukurannya

1.3 Tujuan
Berdasarkan rumusan masalah diatas, maka tujuan yang ingin dicapai dalam
penulisan makalah ini adalah sebagai berikut:
a. Mengetahui pengertian dari Statistik Deskriptif dan Statistik Inferensial Serta
Statistik parametrik dan Non Parametrik?
b. Mengetahui fungsi dari Statistik Deskriptif dan Statistik Inferensial Serta
Statistik parametrik dan Non Parametrik?
c. Mengetahui ruang lingkup Statistik Deskriptif dan Statistik Inferensial Serta
Statistik parametrik dan Non Parametrik?
d. Menggetahui Pengertian Variabel Penelitian Beserta cara Pengukurannya?
 BAB II
PEMBAHASAN

2.1 Pengertian Statistik Deskriptif

Statistika deskriptif adalah tehnik yang digunakan untuk mensarikan data dan
menampilkannya dalam bentuk yang dapat dimengerti oleh setiap orang. Hal ini
melibatkan proses kuantifikasi dari penemuan suatu fenomena. Berbagai statistik
sederhana, seperti rata-rata, dihitung dan ditampilkan dalam bentuk tabel dan grafik.
Statistika deskriptif dapat memberikan pengetahuan yang signifikan pada kejadian
fenomena yang belum dikenal dan mendeteksi keterkaitan yang ada di dalamnya.
Tetapi dapatkah statistika deskriptif memberikan hasil yang bisa diterima secara
ilmiah? Statistik merupakan suatu alat pengukuran yang berhubungan dengan
keragaman pada karakteristik objek-objek yang berbeda .
Objek yang belum dikenal tidaklah mewakili populasi objek yang memiliki
“quantifiabel feature” melalui penyelidikan. Namun demikian, keragaman bisa
menjadi hasil dari keberagaman yang lainnya (karena acak atau terkontrol). Pada ilmu
fisika, yang sangat berkaitan dengan ekstraksi dan formulasi persamaan matematik
tidak menyisakan banyak tempat untuk fluktuasi acak. Pada ilmu statistika, fluktuasi
seperti itu dapat dijadikan model. Hubungan relasi statistik selanjutnya merupakan
hubungan relasi yang menerangkan suatu proporsi perubahan stokastik yang pasti.
Statistika Deskriptif adalah ilmu yang mempelajari tentang cara:
a. Mengumpulkan data/informasi.
b. Mengolah data hasil pengumpulan.
c. Menyajikan data hasil pengolahan.
d. Menganalisis data.
Berikut merupakan penjelasan mengenai pengertian statistk menurut para ahli.
1. Sudjana (1996:7) menjelaskan : Fase statistika dimana hanya berusaha
melukiskan atau mengalisa kelompok yang diberikan tanpa membuat atau
menarik kesimpulan tentang populasi atau kelompok yang lebih besar dinamakan
statistika deskriptif
2. Iqbal Hasan (2001:7) menjelaskan : Statistik deskriptif atau statistik deduktif
adalah bagian dari statistik mempelajari cara pengumpulan data dan penyajian
 data sehingga mudah dipahami.Statistik deskriptif hanya berhubungan dengan hal
menguraikan atau memberikan keterangan-keterangan mengenai suatu data atau
keadaan atau fenomena. Dengan kata lain, statistikdeskriptif berfungsi
menerangkan keadaan, gejala, atau persoalan. Penarikan kesimpulan pada
statistik deskriptif (jika ada) hanya ditujukan pada kumpulan data yang ada.
Didasarkan pada ruang lingkup bahasannya statistik deskriptif
mencakup Distribusi frekuensi beserta bagian-bagiannya seperti :
 Grafik distribusi (histogram, poligon frekuensi, dan ogif);
 Ukuran nilai pusat (rata-rata, median, modus, kuartil dan sebagainya);
 Ukuran dispersi (jangkauan, simpangan rata-rata, variasi, simpangan baku,
dan sebagianya).
 Kemencengan dan keruncingan kurva
 Angka indeks
 Times series/deret waktu atau berkala
 Korelasi dan regresi sederhana
3. Bambang Suryoatmono (2004:18) menyatakan Statistika Deskriptif adalah
statistika yang menggunakan data pada suatu kelompok untuk menjelaskan atau
menarik kesimpulan mengenai kelompok itu saja.
 Ukuran Lokasi: mode, mean, median, dll.
 Ukuran Variabilitas: varians, deviasi standar, range, dll.
 Ukuran Bentuk: skewness, kurtosis, plot boks
4. Pangestu Subagyo (2003:1) menyatakan : Yang dimaksud sebagai statistika
deskriptif adalah bagian statistika mengenai pengumpulan data, penyajian,
penentuan nilai-nilai statistika, pembuatan diagramatau gambar mengenai sesuatu
hal, disini data yang disajikan dalam bentuk yang lebih mudah dipahami atau
dibaca.

2.2 Penyajian Data

Sebagai peneliti kita menginginkan data yang kita peroleh dapat
memberikan informasi yang kita inginkan. Tidak saja kita yang menginginkan data
memberikan informasi yang baik dan akurat tetapi orang yang membaca hasil
penelitian kita juga dapat mengetahui keadaan variabel penelitian kita. Oleh sebab itu
pemilihan statistik yang tepat sesuai dengan jenis data dan tujuan penelitian kita
merupakan sesuatu yang harus dipertimbangkan. Prinsip dasar penyajian data adalah
komunikatif dan lengkap, dalam arti yang disajikan dapat menarik perhatian pihak
lain untuk membacanya dan mudah mamahami isinya dan tentu saja pemilihan
penyajian data harus sesuai dengan jenis data dan tujuan dari informasi yang akan
diberikan.

Ada beberapa cara penyajian data, yaitu :

1. Tabel
a. Tabel biasa
b. Tabel distribusi frekuensi
c. Tabel kontingensi
2. Garfik atau Diagram
a. Diagram batang
b. Histogram
c. Diagram garis
d. Diagram lingkaran
e. Diagram pencar

2.3 Pengertian Dispersi Data

Penyebaran atau dispersi adalah perserakan dari nilai observasi terhadap nilai
rata-ratanya. Rata-rata dari serangkaian nilai observasi tidak dapat diinterpretasikan
secara terpisah dari hasil dispersi nilai-nilai tersebut sekitar rataratanya.Makin besar
variasi nilaixi , makin kurang representatif rata-rata distribusinya. Ukuran penyebaran
suatu kelompok data terhadap pusat data disebut dispersi atau variasi atau keragaman
data. Dispersi data digunakan untuk membandingkan penyebaran 2 distribusi data
atau lebih.
Beberapa jenis pengukuran Dispersi adalah sebagai berikut:
1. Jangkauan (Range)
Selisih antara batas atas dari kelas tertinggi dengan batas bawah dari kelas
terendah.
2. Simpangan Rata-Rata (Mean Deviation)
 Jumlah nilai mutlak dari selisih semua nilai dengan nilai rata-rata dibagi
banyaknya data.
3. Varians (Variance)
Rata-rata hitung deviasi kuadrat setiap data terhadap rata-rata hitungnya.
4. Standar Deviasi
Akar kuadrat dari varians dan menunjukkan standar penyimpangan data terhadap
nilai rata-ratanya.
5. Jangkauan kuartil dan jangkauan persentil 10-90
Jangkauan kuartil disebut juga simpangan kuartil atau semi antar kuartil atau
deviasi kuartil sedangkan jangkauan persentil 10-90 disebut juga rentang persentil
10-90.
6. Koefisien Variasi
Koefisien Variasi, disebut dispersi relatif, dapat digunakan untuk membandingkan
nilai – nilai besar dengan nilai – nilai kecil. Sedangkan lima bentuk dispersi
sebelumnya tidak bisa.

2.4 Kegunaan Ukuran Penyebaran Data

Dispersi Data adalah data yang menggambarkan bagaimana suatu kelompok
data menyebar terhadap pusatnya data atau ukuran penyebaran suatu kelompok data
terhadap pusatnya data.
Dispersi data sangat penting untuk membandingkan penyebaran 2 distribusi
data atau lebih. Pusat data seperti rata-rata hitung, median dan modus hanya memberi
informasi yang sangat terbatas sehingga tanpa disandingkan dengan dispersi data
menjadi kurang bermanfaat dalam menganalisa data.
Kegunaan ukuran penyebaran antara lain sebagai berikut :
1. Ukuran penyebaran dapat digunakan untuk menentukan apakah nilai rata-ratanya
benar-benar representatif atau tidak. Apabila suatu kelompok data mempunyai
penyebaran yang tidak sama terhadap nilai rata-ratanya, maka dikatakan bahwa
nilai rata-rata tersebut tidak representatif.
2. Ukuran penyebaran dapat digunakan untuk mengadakan perbandingan terhadap
variabilitas data.
3. Ukuran penyebaran dapat membantu penggunaan ukuran statistika, misalnya
dalam pengujian hipotesis, apakah dua sampel berasal dari populasi yang sama
atau tidak.

2.5 Kemiringan dan Kerunncingan Data

a. Kemiringan Distribusi Data
Kemiringan adalah derajat atau ukuran dari ketidaksimetrisan suatu distribusi
data. Pengukuran kemiringan suatu distribusi data dapat diketahui dengan
beberapa cara, antara lain:
 Memperhatikan hubungan antara rata-rata hitung, median dan modus.
 Menggunakan koefisien Pearson.
 Menggunakan Momen ketiga.
 Menggunakan kotak diagram garis.

b. Keruncingan Distribusi Data

Keruncingan distribusi data adalah derajat atau ukuran tinggi rendahnya
puncak suatu distribusi data terhadap distribusi normalnya data. Keruncingan
distribusi data disebut juga kurtosis.
Ada tiga jenis derajat keruncingan:
 Leptokurtis : Distribusi data yang puncaknya relatif tinggi
 Mesokurtis : Distribusi data yang puncaknya normal
 Platikurtis : Distribusi data yang puncaknya terlalu rendah dan terlalu
mendatar

2.6 Pengertian Statistik Inferensial

Statistika Inferensial adalah serangkaian teknik yang digunakan untuk
mengkaji, menaksir dan mengambil kesimpulan berdasarkan data ynag diperoleh dari
sempel untuk menggambarkan karakteristik atau ciri dari suatu populasi. Oleh karena
itu, statistika inferensial disebut juga statistik induktif atau statistik penarikan
kesimpulan. Dalam statistika inferensial, kesimpulan dapat diambil setelah
melakukan pengolahan serta penyajian data dari suatu sampel yang diambil dari suatu
populasi, sehingga agar dapat memberikan cerminan yang mendekati sebenarnya dari
suatu populasi, maka ada beberapa hal yang perlu diperhatikan dalam statistika
inferensial, diantaranya:
1. Banyaknya subyek penelitian, maksudnya jika populasi ada 1000, maka
sampel yang diambil jangan hanya 5, namun diusahakan lebih banyak, seperti
10 atau 50.
2. Keadaan penyebaran data. Dalam hal ini perlu diperhatikan bahwa
pengambilan sampel harus merata pada bagian populasi. Diharapkan dalam
pengambilan sampel dilakukan secara acak, sehingga kemerataan dapat
dimaksimalkan dan apapun kesimpulan yang didapat dapat mencerminkan
keadaan populasi yang sebenarnya.
Statistika Inferensial atau induktif adalah statistik bertujuan menaksir secara
umum suatu populasi dengan menggunakan hasil sampel, termasuk didalamnya teori
penaksiran dan pengujian teori. Statistika Inferensial digunakan untuk melakukan :
a. Generalisasi dari sampel ke populasi.
b. Uji hipotesis (membandingkan atau uji perbedaan/kesamaan dan
menghubungkan, yaitu uji keterkaitan, kontribusi).

2.7 Ruang lingkup Bahasan Statistika Inferensial

Berdasarkan ruang lingkup bahasannya, statistika inferensial mencakup :
1. Distribusi Teoritis
Salah satu distribusi frekuensi yang paling penting dalam statistika adalah
distribusi normal. Distribusi normal berupa kurva berbentuk lonceng setangkup yang
melebar tak berhingga pada kedua arah positif dan negatifnya. Penggunaanya sama
dengan penggunaan kurva distribusi lainnya. Frekuensi relatif suatu variabel yang
mengambil nilai antara dua titik pada sumbu datar. Tidak semua distribusi berbentuk
lonceng setangkup merupakan distribusi normal.
Sifat dari variabel kontinu berbeda dengan variabel diskrit. Variabel kontinu
mencakup semua bilangan, baik utuh maupun pecahan. Oleh karenanya tidak bisa
dipisahkan satu nilai dengan nilai yang lain. Itulah sebabnya fungsi variabel random
kontinu sering disebut fungsi kepadatan, karena tidak ada ruang kosong diantara dua
nilai tertentu. Dengan kata lain sesungguhnya keberadaan satu buah angka dalam
variabel kontinu jika ditinjau dari seluruh nilai adalah sangat kecil, bahkan mendekati
nol. Karena itu tidak bisa dicari probabilitas satu buah nilai dalam variabel kontinu,
tetapi yang dapat dilakukan adalah mencari probabilitas diantara dua buah nilai.

2. Sampling dan Sampling Distribusi

Sampling adalah bagian dari metodologi statistika yang berhubungan dengan
pengambilan sebagian dari populasi. Jika sampling dilakukan dengan metode yang
tepat, analisis statistik dari suatu sampel dapat digunakan untuk menggeneralisasikan
keseluruhan populasi. Sampling berguna dalam penarikan kesimpulan (inference)
yang valid dan dapat dipercaya.
Distribusi Sampling adalah distribusi nilai statistik sampel-sampel. Jika statistik
yang ditinjau adalah mean dari masing – masing sampel, maka distribusi yang
terbentuk disebut distribusi mean – mean sampling (sampling distribution of the
means). Dengan demikian dapat juga diperoleh distribusi deviasi standard, varians,
median dari sampling. Masing – masing jenis distribusi sampling dapat dihitung
ukuran-ukuran statistik deskriptifnya (mean, range, deviasi standard, da lain-lain).
Sampling memiliki beberapa tipe diataranya :
a. Simple random sampling adalah sebuah proses sampling yang dilakukan
sedemikian rupa sehingga setiap satuan sampling yang ada dalam populasi
mempunyai peluang yang sama untuk dipilih ke dalam sampel.
b. Systematic sampling merupakan pengambilan setiap unsur ke k dalam
populasi, untuk dijadikan sampel. Pengambilan sampel secara acak hanya
dilakukan pada pengambilan awal saja, sementara pengambilan kedua dan
seterusnya ditentukan secara sistematis, yaitu menggunakan interval tertentu
sebesar k.
c. Stratified sampling adalah penarikan sampel berstrata yang dilakukan dengan
mengambil sampel acak sederhana dari setiap strata populasi yang sudah
ditentukan lebih dulu.
d. Convenience sampling, sampel diambil berdasarkan faktor spontanitas, artinya
siapa saja yang secara tidak sengaja bertemu dengan peneliti dan sesuai
dengan karakteristiknya, maka orang tersebut dapat dijadikan sampel.
 e. Judgement sampling (purposive sampling) adalah teknik penarikan sampel
yang dilakukan berdasarkan karakteristik yang ditetapkan terhadap elemen
populasi target yang disesuaikan dengan tujuan atau masalah
penelitian.Bedanya, jika dalam sampling stratifikasi penarikan sampel dari
setiap subpopulasi dilakukan dengan acak, maka dalam sampling kuota,
ukuran serta sampel pada setiap sub-subpopulasi ditentukan sendiri oleh
peneliti sampai jumlah tertentu tanpa acak.
f. Snowball Sampling merupakan salah satu bentuk judgement sampling yang
sangat tepat digunakan bila populasinya kecil dan spesifik. Cara pengambilan
sampel dengan teknik ini dilakukan secara berantai, makin lama sampel
menjadi semakin besar, seperti bola salju yang menuruni lereng gunung.
Sampling memiliki beberapa kriteria diantaranya :
Kriteria yang harus diperhatikan untuk menentukan tipe sampling yang baik,
diantaranya:
 dapat menghasilkan gambaran yang dapat dipercaya dari seluruh populasi
 dapat menentukan presisi dari hasil penelitian.
 sederhana, mudah dilaksanakan, dan
 dapat memberikan keterangan sebanyak mungkin tentang populasi dengan
biaya minimal.
Tahapan sampling adalah:
 Mendefinisikan populasi hendak diamati
 Menentukan kerangka sampel, yakni kumpulan semua item atau peristiwa
yang mungkin
 Menentukan metode sampling yang tepat
 Melakukan pengambilan sampel (pengumpulan data)
 Melakukan pengecekan ulang proses samplig.

3. Pendugaan Populasi atau Teori Populasi

Populasi adalah himpunan dari unsur – unsur yang sejenis.Unsur- unsur sejenis
tersebut bisa berupa manusi, hewan, tumbuh – tumbuhan, benda – benda, zat cair,
peristiwa dan sejenisnya. Besarnya populasi bisa terbatas dan bisa tidak terbatas.
Populasi dari mana sampel diambil disebut populasi induk. Melalui teknik
pengambilan sampel yang reliabel kesimpulan penelitian dapat digeneralisasikan.
Ada kesalahan generalisasi yangperlu dipertimbangkan karena besar kecilnya
keslahan generalisasi tergantung pada : (1) besarnya sampel penelitian, (2) teknik
sampling yang digunakan, (3) kecermatan memasukkan ciri – ciri populasi dan
sampling, (4) cara – cara pengambilan data dan (5) rancangan analisi data.
Populasi (population/universe) dalam statistika merujuk pada sekumpulan
individu dengan karakteristik khas yang menjadi perhatian dalam suatu penelitian
(pengamatan). Ukuran populasi ada dua:
a. populasi terhingga (finite population), yaitu ukuran populasi yang berapa pun
besarnya tetapi masih bisa dihitung (cauntable). Misalnya populasi pegawai
suatu perusahaan;
b. populasi tak terhingga (infinite population), yaitu ukuran populasi yang sudah
sedemikian besarnya sehingga sudah tidak bisa dihitung (uncountable).
Misalnya populasi tanaman anggrek di dunia.

4. Uji Hipotesis
Uji Hipotesis adalah metode pengambilan keputusan yang didasarkan dari analisa
data, baik dari percobaan yang terkontrol, maupun dari observasi (tidak terkontrol).
Dalam statistik sebuah hasil bisa dikatakan signifikan secara statistik jika kejadian
tersebut hampir tidak mungkin disebapkan oleh faktor yang kebetulan, sesuai dengan
batas probabilitas yang sudah ditentukan sebelumnya.
Uji hipotesis kadang disebut juga "konfirmasi analisa data". Keputusan dari
uji hipotesis hampir selalu dibuat berdasarkan pengujian hipotesis nol. Ini adalah
pengujian untuk menjawab pertanyaan yang mengasumsikan hipotesis nol adalah
benar.

5. Analisis Korelasi Dan Uji Signifikasi

Analisis korelasi pertama kali dikembangkan oleh Karl Pearson pada tahun 1900.
Tujuan dari analisis ini adalah untuk menetukan seberapa erat hubungan antara dua
variable. Definisi analisis korelasi dinyatakansebagai berikut : “Analisis korelasi
adalah suatu teknik statistik yang digunakan untuk mengukur keeratan hubungan
atau korelasi antara dua variabel”
 Pengertian lain menyebutkan, Korelasi adalah metode statistik yang dipakai
untuk mengukur asosiasi atau hubungan antara dua atau lebih variabel kuantitatif,
sedangkan untuk mengukur asosiasi antara dua atau lebih variabel kuantitatif dipakai
tes X kuadrat.

6. Analisis Regresi Untuk Peramalan

Analisis regresi dalam statistika adalah salah satu metode untuk menentukan
hubungan sebab-akibat antara satu variabel dengan variabel - variabel yang lain.
Variabel "penyebab" disebut dengan bermacam-macam istilah: variabel
penjelas,variabel eksplanatorik, variabel independen, atau secara bebas, variabel
X (karena seringkali digambarkan dalam grafik sebagai absis, atau sumbu X).
Variabel terkena akibat dikenal sebagai variabel yang dipengaruhi, variabel
dependen, variabel terikat, atau variabel Y. Kedua variabel ini dapat
merupakan variabel acak (random), namun variabel yang dipengaruhi harus selalu
variabel acak. Analisis regresi adalah salah satu analisis yang paling populer dan luas
pemakaiannya. Analisis regresi dipakai secara luas untuk melakukan prediksi dan
ramalan, dengan penggunaan yang saling melengkapi dengan bidang pembelajaran
mesin. Analisis ini juga digunakan untuk memahami variabel bebas mana saja yang
berhubungan dengan variabel terikat, dan untuk mengetahui bentuk-bentuk hubungan
tersebut.

2.8 STATISTIK PARAMETRIK DAN NON PARAMETRIK

2.8.1 Statistik Parametrik
Statistik Parametrik yaitu ilmu statistik yang mempertimbangkan jenis
sebaran atau distribusi data, yaitu apakah data menyebar secara normal atau tidak.
Dengan kata lain, data yang akan dianalisis menggunakan statistik parametrik harus
memenuhi asumsi normalitas. Pada umumnya, jika data tidak menyebar normal,
maka data seharusnya dikerjakan dengan metode statistik non-parametrik, atau
setidak-tidaknya dilakukan transformasi terlebih dahulu agar data mengikuti sebaran
normal, sehingga bisa dikerjakan dengan statistik parametrik.
Contoh metode statistik parametrik :
a. Uji-z (1 atau 2 sampel)
 b. Uji-t (1 atau 2 sampel)
c. Korelasi pearson,
d. Perancangan percobaan (one or two-way anova parametrik), dll.
Ciri-ciri statistik parametrik :
- Data dengan skala interval dan rasio
- Data menyebar/berdistribusi normal

Keunggulan dan kelemahan statistik parametrik

Keunggulan :
1.Syarat syarat parameter dari suatu populasi yang menjadi sampel biasanya tidak
diuji dan dianggap memenuhi syarat, pengukuran terhadap data dilakukan dengan
kuat.
2. Observasi bebas satu sama lain dan ditarik dari populasi yang berdistribusi normal
serta memiliki varian yang homogen.
Kelemahan :
1. Populasi harus memiliki varian yang sama.
2. Variabel-variabel yang diteliti harus dapat diukur setidaknya dalam skala interval.
3. Dalam analisis varian ditambahkan persyaratan rata-rata dari populasi harus normal
dan bervarian sama, dan harus merupakan kombinasi linear dari efek-efek yang
ditimbulkan.
2.8.2 Statistika Non Parametrik
Statistik Non-Parametrik, yaitu statistik bebas sebaran (tidak mensyaratkan
bentuk sebaran parameter populasi, baik normal atau tidak). Selain itu, statistik non-
parametrik biasanya menggunakan skala pengukuran sosial, yakni nominal dan
ordinal yang umumnya tidak berdistribusi normal.

Contoh metode statistik non-parametrik :

a. Uji tanda (sign test)
b. Rank sum test (wilcoxon)
c. Rank correlation test (spearman)
d. Fisher probability exact test.
e. Chi-square test, dll
Ciri-ciri statistik non-parametrik :
 - Data tidak berdistribusi normal
- Umumnya data berskala nominal dan ordinal
- Umumnya dilakukan pada penelitian sosial
- Umumnya jumlah sampel kecil.
Keunggulan dan kelemahan statistik non-parametrik :
Keunggulan :
1. Tidak membutuhkan asumsi normalitas.
2. Secara umum metode statistik non-parametrik lebih mudah dikerjakan dan lebih
mudah dimengerti jika dibandingkan dengan statistik parametrik karena ststistika
non-parametrik tidak membutuhkan perhitungan matematik yang rumit seperti halnya
statistik parametrik.
3. Statistik non-parametrik dapat digantikan data numerik (nominal) dengan jenjang
(ordinal).
4. Kadang-kadang pada statistik non-parametrik tidak dibutuhkan urutan atau jenjang
secara formal karena sering dijumpai hasil pengamatan yang dinyatakan dalam data
kualitatif.
5. Pengujian hipotesis pada statistik non-parametrik dilakukan secara langsung pada
pengamatan yang nyata.
6. Walaupun pada statistik non-parametrik tidak terikat pada distribusi normal
populasi, tetapi dapat digunakan pada populasi berdistribusi normal.
Kelemahan :
1. Statistik non-parametrik terkadang mengabaikan beberapa informasi tertentu.
2. Hasil pengujian hipotesis dengan statistik non-parametrik tidak setajam statistik
parametrik.
3. Hasil statistik non-parametrik tidak dapat diekstrapolasikan ke populasi studi
seperti pada statistik parametrik. Hal ini dikarenakan statistik non-parametrik
mendekati eksperimen dengan sampel kecil dan umumnya membandingkan dua
kelompok tertentu
2.9 Uji-uji Dalam Statistika Non Parametrik
2.9.1 Test For Binary Sequences
Terjadinya peristiwa secara random atau acak merupakan sesuatu yang
penting dalam analisis ststistika. Dalam prosedur statistik parametrik asumsi yang
harus dipenuhi adalah bahwa sampel yang kita miliki adalah sampel random. Jika
sampel kerandoman dari sebuah sampel diragukan, maka kita perlu satu cara atau
prosedr untuk mengetahui sifat tersebut seblum analisis selanjutnya dikerjakan.
Proses penyidikan kerandoman akan didasarkan pada banyaknya runtun (bariasan
peristiwa,item, atau symbol dari bentuk yang berbeda) yang muncul dari data.
Kerandoman suatu rangkaian akan diragukan kalau banyaknya runtun terlalu besar
atau terlalu kecil.

Prosedur Pelaksanaan Uji Random

1. Merumuskan hipotesis nol dan hipotesis alternative (H0 dan H1).
2. Menentukan taraf keberartian ( ).
3. Menentukan bentuk statistik uji (ststistik hitung).
4. Menghitung jumlah deret (r).
5. Menghitung frekuensi kejadian (n1 dan n2).
6. Menghitung nilai ststistik uji.
7. Menarik kesimpulan ststistik (tolak atau terma H0)

2.9.2 Uji Wilcoxon

Merupakan suatu uji yang menghitung tanda dan besarnya selisih dari
dua buah rataan populasi. Uji ini lebih peka dari pada uji tanda dalam menemukan
perbedaan antara populasi. Dengan kata lain, uji peringkat bertanda wilcoxon
digunakan jika besaran maupun arah perbedaan relevan
Untuk menentukan apakah terdapat perbedaan yang sesungguhnya antara
pasangan data yang diambil dari dua sampel yang berkait.

Prosedur Uji wilcoxon Untuk Pengamatan Berpasangan

1. Menyatakan hipotesis nol dan hipotesis alternatif (H0 dan H1).
2. Memilih tarap keberartian ( ).
3. Menentukan daerah kritis W (bila dist Z digunakan).
4. Menyusun peringkat tanpa memperhatikan tanda.
5. Pemberian tanda atas peringkat yang telah ditetapkan.
6. Menjumlahkan peringkat dengan jumlah terkecil sebagai W.
7. Penarikan kesimpulan statistic tentang hipotesis nol (tolak H0 atau terima
H0)
Penarikan Kesimpulan Statistik
Untuk menguji hipotesis nol (H0) dari uji Wilocoxon ini, selain
dapat meggunakan tabe harga-harga kritis W dalam uji jenjang bertanda data
berpasangan wilcoxon khususnya untuk sampel kecil, juga dapat
menggunakan pendekatan distribusi normal. Sedangkan untuk sampel besar
digunakan pendektan distribusi normal.
Pengujian dilakukan dengan langkah-langkah sebagai berikut
Hipotesis
- Satu sisi
H0 :W(+) = (-)
H1 : W(+) > (-)
H0 :W(+) = (-)
H1 : W(+) < (-)
- Dua sisi
H0 :W(+) = (-)
H1 : W(+) ≠ (-)
Dimana :
W(+) = jumlah semua peringkat selisih pasangan pengamatan (xi,yi) yang bertanda
positif
W(-)= jumlah semua peringkat selisih pasangan pengamatan (xi,yi) yang bertanda
negatif
α = …%
Daerah kritis
A. Tabel Wilcoxon
Jika harga W adalah sama dengan atau kurang dari harga yang
diberikan dalam tabel, untuk satu tingkat signifikasi tertentu dengan N
tertetu, maka tolak H0.
Jika harga α hit yang diperoleh dari tabel (dengan N dan W tertentu)
adalah sama dengan atau kurang dari harga yang telah ditentukan,maka tolak
H0
B. Distribusi Normal
Dari nilai Zhit yang diperoleh tentukan nilai peluang (P) padanannya,
untuk tes dua sisi kalikan dua P, bila P sama dengan atau kirang dari α, maka
tolak H0.

Statistik hitung
Untuk setiap pasangan nilai pengamatan (xi,yi), hitung perbedaannya (di =
xi-ui)
Berikan peringkat terhadap perbedaan nilai pasangan pengamatan,
mulai dari peringkat 1 untuk perbedaan nilai terkecil hingga peringkat n
untuk perbedan terbesar. Bila terdapat perbedaan nilai pasangan yang sama,
perbedaan nilai yang sama diberi nilai rata-ratanya. Bila ditemukan
perbedaan nol, kita beri peringkat 1 dengan tanda yang kemungkinanya
menolak H0.
Beri tanda (+/-) kepada peringkat yang telah dibuat.
Hitung jumlah di yang brtanda positif (W+) dan negative (W-).
Statistika uji peringkat bertanda wilcoxon ialah W.W yang dipakai ialah W+
atau W- yang nilainya “lebih kecil”.
A. Menggunakan tabel-Wilcoxon
W+ = (semua peringkat positif)

W- = (semua peringkat negatif)

B. Mengunakan Pendekatan Distribusi Normal (Z)

Zhit =

Kesimpulan
H0 ditolak, bila W , α hitung, atau p (normal) jatuh didalam daerah kritis.
2.9.3 Mann Whiney U Test
Dalam pengujian ini digunakan data dari dua sampel independen yang
masing-masing berasal dari populasi yang independent. Dua sampel masing-
masing berukuran n1 dan n2 dikatakan independent apabila pemilihan unit
untuk kedua sampel tidak saling mempengaruhi. Jadi apapun dan siapapun
yang terpilih dari sampel pertama tidak mempengaruhi pemilihan pada
sampel kedua populasi yang independent. Salah satu pengujian yang dapat
dilakukan adalah pengujian Mann-Whitney.

Prosedur Pengujian Mann-Whitney

1. Menyatakan hipotesis nol dan hipotesis alternatif (H0 dan H1).
2. Memilih tarap keberartian ( ).
3. Menyusun peringkat data tanpa memperhatikan katagori sampel.
4. Menjumlahkan peringkat menurut tiap katagori sampel dan menghitung
ststistik U (dipilih nilai U terkecil)
5. Penarikan kesimpulan ststistik mengenai hipotesis nol (tolak atau terima H0)
Penarikan Kesimpulan Statistik
Hipotesis
- Satu sisi
- H0 :U1(+) = U2(-)
- H1 : U1 (+) < U2 (-)
- H0 : U1 (+) = U2 (-)
- H1 : U1 (+) > U2 (-)
- Dua sisi
- H0 :U1(+) =U2 (-)
- H1 : U2(+) ≠ U1(-)
 Dimana U adalah nilai ststistik yang dipakai dalam tes ini, nilainya
diperoleh dari beberapa kali suatu skor dalam kelompok n2 mendahului skor
dalam kelompok n1 (atau sebaliknya, pilih nilai U minimum).
α = …%
daerah kritis
a. Tabel Mann – Whitney
Utuk n2 < 8 : jika harga α hitung yang diperoleh dari tabel (dengan
n2,n1 dan Umin diketahui) adalah sama dengan atau kurang dari harga α
yang telah ditentukan, maka tolak H0.
Untuk n2 diantara 9 dan 20 : jika harga U min adalah sama dngan atau
kurang dari harga U yang diberikan dalam tabel untuk satu signifikan
tertentu, maka tolak H0.

b. Dist. Normal
Dari nilai Z hit yang diperoleh tentukan nilai peluang (P) padananya,
untuk tes dua sisi kalikan dua P, bila P sama dengan atau kurang dari α,
maka tolak H0.

2.10 Pengertian Variabel

Istilah variabel dapat diartikan bermacam – macam. Variabel diartikan sebagai
segala sesuatu yang akan menjadi objek pengamatan penelitian. Sering pula
dinyatakan variabel penelitian itu sebagai faktor-faktor yang berperan dalam
peristiwa atau gejala yang akan diteliti. Kalau ada pertanyaan tentang apa yang akan
di teliti, maka jawabannya berkenaan dengan variabel penelitian. Jadi variabel
penelitian pada dasarnya adalah segala sesuatu yang berbentuk apa saja yang
ditetapkan oleh peneliti untuk dipelajari sehingga diperoleh informasi tentang hal
tersebut, kemudian ditarik kesimpulan.
Apa yang merupakan variabel dalam sesuatu penelitian ditentikan oleh
landasan teoritisnya, dan ditegaskan oleh hipotesis penelitian. Karena itu apabila
landasan teoritisnya berbeda, variabel-variebel penelitiannya juga akan berbeda.
Jumlah variabel yang dijadikan objek pengamatan akan ditentukan oleh sofistikasi
rancangan penelitiannya. Makin sederhana sesuatu rancangan penelitian, akan
melibatkan variabel-variabel yang makin sedikit jumlahnya, dan sebaliknya.
2.11 Klasifikasi variabel
Variabel-variabel yang telah diidentifikasikan perlu diklasifikasikan, sesuai
dengan jenis dan peranannya dalam penelitian. Klasifikasi ini sangat perlu untuk
penentuan alat pengambilan data apa yang akan digunakan dan metode analisis mana
yang sesuai untuk diterapkan. Berkaitan dengan proses kuantifikasi data biasa
digolongkan menjadi 4 jenis yaitu:
 Variabel Nominal, yaitu variabel yang ditetapkan berdasar atas proses
penggolongan; contoh: jenis kelamin, status perkawinan, jenis pekerjaan
 Variabel Ordinal, yaitu variabel yang disusun berdasarkan atas jenjang dalam
atribut tertentu.
 Variabel Interval, yaitu variabel yang dihasilkan dari pengukuran, yang di
dalam pengukuran itu diasaumsikan terdapat satuan pengukuran yang sama.
Contoh: prestasi belajar, penghasilan dan sebagainya.
 Variabel ratio, adalah variabel yang mempunyai nol absolut.

Menurut Fungsinya variabel dapat dibedakan :

 Variabel Tergantung (Dependent Variabel)
Yaitu kondisi atau karakteristik yang berubah atau muncul ketika penelitian
mengintroduksi, pengubah atau mengganti variabel bebas.
 Variabel Bebas ( Independent Variabel)
Adalah kondisi-kondisi atau karakteristik-karakteristik yang oleh peneliti
dimanipulasi dalam rangka untuk menerangkan hubungannya dengan
fenomena yang diobservasi.
 Variabel Intervening
Adalah variabel yang secara teoritis mempengaruhi hubungan antara variabel
independen dengan Variabel dependen menjadi hubungan yang tidak
langsung dan tidak dapat diamati dan diukur. Variabel ini merupakan variabel
penyela/antara yang terletak di antara variabel independen dan dependen,
sehingga variabel independen tidak langsung mempengaruhi berubahnya atau
timbulnya variabel dependen.
 Variabel Moderator
Dalam mengidentifikasi variabel moderator dimaksud adalah variabel yang
karena fungsinya ikut mempengaruhi variabel tergantung serta meperjelas
hubungan bebas dengan variabel tergantung.
 Variabel kendali
Yaitu yang membatasi variabel moderator. Variabel ini berfungsi sebagai
kontrol terhadap variabel lain terutama berkaitan dengan variabel moderator
jadi juga seperti variabel moderator dan bebas ia juga ikut berpengaruh
terhadap variabel tergantung
 Variabel Rambang
 Berlainan dengan variabel bebas, yaitu fungsinya sangat diperhatikan dalam
penelitian. Variabel rambang yaitu variabel yang fungsinya dapat diabaikan
atau pengaruhnya hampir tidak diperhatikan terhadap variabel bebas maupun
tergantung.

2.12 Merumuskan Definisi Operasional Variabel - Variabel

Setelah variabel – variabel diidetifikasikan dan diklasifikasikan, maka variabel-
variabel tersebut perlu didefinisikan secara operasional. Penyusunan Definisi
operasional ini perlu, karena definisi operasional itu akan menunjuk alat pengambil
data mana yang cocok digunakan. Definisi Operasional adalah definisi yang
didasarkan atas sifat-sifat hal yang didefinisikan yang dapa diamati (diobservasi).
Konsep dapat diamati atau diobservasi ini penting, karena hal yang dapat diamati itu
membuka kemungkinan bagi orang lain selain peneliti untuk melakukan hal yang
serupa, sehingga apa yang dilakukan oleh peneliti terbuka untuk diuji kembali oleh
orang lain.

Cara menyusun definisi operasional dapat dikelompokkan menjadi tiga macam, yaitu

 Definisi Pola I, yaitu disusun berdasarkan atas kegiatan-kegiatan (operations)

yang harus dilakukan agar hal yang didefinisikan itu terjadi.
 Definisi Pola II, yaitu definisi yang disusun atas dasar bagaimana hal yang
didefinisikan itu beroperasi.
 Definisi Pola III, yaitu definisi yang dibuat berdasarkan atas bagaimana hal
yang didefinisikan itu nampaknnya

2.13 Macam Macam Hubungan Antar Variabel

Sesungguhnya yang dikemukakan di dalam inti penelitian ilmiah adalah mencari
hubungan antara berbagai variabel. Hubungan yang paling dasar adalah hubungan
antara dua variabel bebas dan variabel terikat (Independent variabel dengan dengan
dependent variabel).
 Hubungan Simetris
Variabel-variabel dikatakan mempunyai hubungan simetris apabila variabel
yang satu tidak disebabkan atau dipengaruhi oleh variabel lainnya. Terdapat 4
kelompok hubungan simetris :
- Kedua variabel merupakan indikator sebuah konsep yang sama.
- Kedua variabel merupakan akibat daru suatu faktor yang sama.
- Kedua variabel saling berkaitan secara fungsional, dimana yang satu
berada yang lainnya pun pasti disana.
- Hubungan yang bersifat kebetulan semata-mata.

 Hubungan Timbal Balik

 Hubungan timbal balik adalah hubungan di mana suatu variabel dapat menjadi
sebab dan akibat dari variabel lainnya. Perlu diketahui bahwa hubungan
timbal balik bukanlah hubungan, dimana tidak dapat ditentukan variabel yang
menjadi sebab dan variabel yang menjadi akibat.

 Hubungan Asimetris (tidak simetri)

Satu variabel atau lebih mempengaruhi variabel yang lainnya. Ada enam tipe
hubungan tidak simetris, yakni :
- Hubungan antara stimulus dan respons. Hubungan yang demikian
itulah merupakan salah satu hubungan kausal yang lazim
dipergunakan oleh para ahli.
- Hubungan antara disposisi dan respons. Disposisi adalah
kecenderungan untuk menunjukkkan respons tertentu dalam situasi
tertentu. Bila “Stimulus” datangnya pengaruh dari luar dirinya,
sedangkan “Disposisi” berada dalam diri seseorang.
- Hubungan antara diri individu dan disposisi atau tingkah laku. Artinya
ciri di sini adalah sifat individu yag relatif tidak berubah dan tidak
dipengaruhi lingkungan.
- Hubungan antara prekondisi yang perlu dengan akibat tertentu.
- Hubungan Imanen antara dua variabel.
- Hubungan antara tujuan (ends) dan cara (means)

2.14 Pengukuran Variabel

Pengukuran adalah penting bagi setiap penelitian, karena dengan pengukuran itu
penelitian dapat menghubungkan konsep yang abstrak dengan realitas. Untuk dapat
melakukan pengukuran, maka seseorang peneliti harus memikirkan bagaimana
ukuran yang paling tepat untuk suatu konsep. Ukuran yang tepat akan memberikan
kepada penelii untuk merumuskan lebih tepat dan lebih cermat konsep penelitiannya.
Proses pengukuran mengandung 4 kegiatan pokok sebagai berikut :

 Menentukan indikator untuk dimensi – dimensi variabel penelitian.

 Menentukan ukuran masing-masing dimensi. Ukuran ini dapat berupa item
(pertanyaan) yang relevan dengan dimensinya.
 Menentukan ukuran yang akan digunakan dalam pengukuran, Apakah tingkat
ukuran nominal, ordinal interval atau ratio dan
 Menguji tingkat validitas dan reliabilitas sebagai kriteria alat pengukuran yang
baik.. Alat pengukur yang baik, apabila alat pengukur itu dapat
mengungkapkan realita itu dengan tepat. Oleh karena itu dalam pengukuran
gejala yang demikian itu yang dianut adalah berdasarkan indikator-indikator
konsep tersebut. Jadi kalau akan mengukur intelegensi harus mencari apa
yang menjadi indikator perbuatan yang intelegen tersebut.
2.15 Variabel Antara
Salah satu asumsi dasar di dalam ilmu pengetahuan adalah, bahwa gejala sesuatu
harus ada sebab-musahabnya dan tidak begitu saja terjadi dengan sendirinya. Setiap
fenomena dipengaruhi oleh serangkaian sebab-musahab. Oleh karena itu setiap kali
kita menentukan sebab dari suatu fenomena, selalu akan timbul pertanyaan, apakah
sebab yang lainnya? Apakah sebab yang pertama berpengaruh langsung pada
fenomena tersebut, ataukah tidak langsung dan melalui sebab yang lainnya?
Pertanyaan yang terakhir ini mengantar kita ke suatu faktor penguji yang penting
yaitu “Variabel antara”.
Untuk mengatur rangkaian sebab-musabab suatu fenomena, tentu saja lewat
pengamatan serta akan sehatlah disamping teori-teori yang menjadi pedoman. Namun
di dalam rangkaian sebab akibat itu, suatu variabel akan disebut “Variabel antara”
apabila, dengan masuknya variabel tersebut, hubungan statistika yang mulai nampak
antara dua variabel menjadi lemah atau bahkan lenyap. Hal ini disebabkan karena
hubungan semula nampak antara kedua variabel pokok bukanlah suatu hubungan
yang langsung tetapi melalui varibel yang lain.

2.16 Variabel Antesenden

Variabel Antesenden mempunyai kesamaan dengan variabel antara, yakni
merupakan hasil yang lebih mendalam dari penelusuran hubungan kausan antara
variabel. Perbedaannya, “Variabel antara” menyusup diantara variabel pokok,
sedangkan variabel Antesenden mendahului variabel pengaruh. Sebenarnya realita
antara dua variabel sebenarnya merupakan penggalan dari sebuah jalinan sebab akibat
yang cukup panjang. Oleh karena itu setiap usaha untuk mencari jalinan yang lebih
jauh, seperti halnya dengan variabel antesenden – akan memperkaya pengertian kita
tentang fenomena yang sedang diteliti.

Untuk dapat diterima sebagai variabel antesenden syarat-syaratnya sebagai berikut :

a. Ketika variabel harus saling berhubungan : variabel antesenden dan variabel
pengaruh, variebel antesenden dan variabel terpengaruh, variabel pengaruh
dan variabel terpengaruh.
b. Apabila variabel antesenden dikontrol, hubungan antara variabel pengaruh
dan variabel terpengaruh tidak lengkap. Dengan kata lain : variabel
antesenden tidak mempengaruhi hubungan antara kedua variabel pokok.
c. Apabila pengaruh dikontrol, hubungan antara variabel antesenden dan
variabel terpengaruh harus lengkap.
 BAB III
PENUTUP
3.1 KESIMPULAN
Statistika dipelajari di berbagai bidang ilmu karena statistika adalah
sekumpulan alat analisis data yang dapat membantu pengambil keputusan untuk
mengambil keputusan berdasarkan hasil kesimpulan pada analisis data dari data yang
dikumpulkan. Selain itu juga dengan statistika kita bisa meramalkan keadaan yang
akan datang berdasarkan data masa lalu.
Statistika Deskriptif memberikan informasi yang terbatas, yaitu memberi informasi
yang terbatas pada data apa adanya. Oleh karenanya pemakai statistik deskriptif tidak
dapat mengambil kesimpulan yang umum atas data yang terbatas.
Kesimpulan yang dapat diambil, terbatas atas data yang ada.
Kegunaan mempelajari ilmu Statistik adalah:
1. Memperoleh gambaran suatu keadaan atau persoalan yang sudah terjadi.
2. Untuk Penaksiran (Forecasting)
3. Untuk Pengujian (Testing Hypotesa)
Sedangkan Pentingnya mempelajari Dispersi data didasarkan pada 2 pertimbangan:
1. Pusat data (rata2, median dan modus) hanya memberi informasi yang sangat
terbatas.
2. Kedua, dispersi data sangat penting untuk membandingkan penyebaran dua
distribusi data atau lebih.
Statistika deskriptif adalah tehnik yang digunakan untuk mensarikan data dan
menampilkannya dalam bentuk yang dapat dimengerti oleh setiap orang. Hal ini
melibatkan proses kuantifikasi dari penemuan suatu fenomena. Berbagai statistik
sederhana, seperti rata-rata, dihitung dan ditampilkan dalam bentuk tabel dan grafik.
Statistika deskriptif dapat memberikan pengetahuan yang signifikan pada kejadian
fenomena yang belum dikenal dan mendeteksi keterkaitan yang ada di dalamnya.
Tetapi dapatkah statistika deskriptif memberikan hasil yang bisa diterima secara
ilmiah? Statistik merupakan suatu alat pengukuran yang berhubungan dengan
keragaman pada karakteristik objek-objek yang berbeda .
 Statistik inferensial merupakan kebalikan dari statistika deskriptip, statistika
infrensial merupakan statistik yang berkenaan dengan cara penarikan kesimpulan
berdasarkan data yang diperoleh dari sampel untuk menggambarkan karakterisktik
atau ciri dari suatu populasi. Dengan demikian dalam statistik inferensial dilakukan
suatu generalisasi (perampatan atau memperumum) dan hal yang bersifat khusus
(kecil) ke hal yang lebih luas (umum). Oleh karena itu, statistik inferensial disebut
juga statistik induktif atau statistik penarikan kesimpulan. Pada statistik inferensial
biasanya dilakukan pengujian hipotesis dan pendugaan mengenai karakteristik (ciri)
dari suatu populasi, seperti mean dan Uji t (Sugiyono, 2006).

1.2 SARAN

Pada umumnya mahasiswa kurang berminat mempelajarinya karena pelajaran

statistik adalah pelajaran yang “menggentarkan”, ada benarnya. Ini mungkin terjadi
karena adanya anggapan bahwa dengan mempelajari statistik maka seseorang harus
benar-benar memiliki kemampuan matematika yang kuat. Tentu saja, jika yang
dipelajari adalah statistika teoritis atau statistika matematis. Namun, untuk belajar
statistika terapan - khusus untuk kepentingan penelitian ilmiah- seseorang tidak perlu
memiliki latar yang kuat di bidang matematika. Cukup dengan mengetahui prinsip-
prinsip dasar aritmatika, seperti penjumlahan, pengurangan, perkalian, pembagian,
dan penarikan akar. Tepat sekali apa yang dikatakan Pasaribu (1981:6) bahwa kuliah
statistik (di jurusan non-statistik) bukan dimaksudkan untuk menjadikan seseorang
sarjana statistik, tapi untuk kepentingan memberikan pengetahuan yang dbutuhkan
dalam kegiatan penelitian.
 DAFTAR PUSTAKA

J. Supranto, Statistika, (2000) jilid 1 Chap.6 edisi keenam, halaman 126 –145

Wayan Koster, Statistika, Teori dan Aplikasi (2001), edisi pertama, bab V,
halaman 93-134

Bambang Kustituanto dan Rudy Badrudin, Statistika I, Seri Diktat Kuliah, Penerbit
Gunadarma, Jakarta, 1994

Haryono Subiyakto, Statistika 2, Seri Diktat Kuliah, Penerbit Gunadarma, Jakarta,

1994

Levin, Richard dan David Rubin, Statistics for Management, Prentice Hall, New
Jersey, 1991

Ronald E Walpole, Pengantar Statistika, edisi terjemahan, PT Gramedia Jakarta,

1992

Dr. Indra Jaya, M.Pd., Penerapan Statistik untuk Pendidikan, Citapustaka, Bandung,
2013

www.gudangmateri.com

Santoso, Singgih 2001. Aplikasi Excel dalam Statistik Bisnis. Elex Media
Komputindo. Jakarta.

Modul BSI (Bina Sarana Informatika) mata kuliah Statistika Deskriptif.