Anda di halaman 1dari 17

TERMINOLOGI DALAM STATISTIKA

BAHAN AJAR STATISTIKA

PROGRAM TAHUN PERTAMA BERSAMA


UNIVERSITAS MATARAM
2017
BAB I
TERMINOLOGI DALAM STATISTIKA

KOMPETENSI DASAR
Setelah mengikuti sesi ini, mahasiswa diharapkan mampu memiliki
pemahaman mengenai statistik, statistika, data, populasi, dan sampel.

INDIKATOR
Indikator ketercapaian yang diharapkan dalam materi Terminologi
dalam Statistika ini, antara lain sebagai berikut.
1.1. Mahasiswa dapat menjelaskan pengertian statistik dan statistika.
1.2. Mahasiswa dapat menjelaskan pengelompokan dan peranan
statistika.
1.3. Mahasiswa dapat menjelaskan pengertian data.
1.4. Mahasiswa dapat menyebutkan pengelompokan data.
1.5. Mahasiswa dapat menjelaskan cara memperoleh data.
1.6. Mahasiswa dapat menjelaskan cara penyajian data.
1.7. Mahasiswa dapat menjelaskan konsep populasi dan sampel.

PENDAHULUAN
Pada bab ini, diberikan pembahasan mengenai mengenai
pengertian statistik dan statistika, serta pengelompokan dan peranan
statistika. Selain itu, diberikan pula pembahasan mengenai pengertian,
pengelompokan, cara memperoleh, serta cara penyajian data. Pada
bagian akhir, diberikan penjelasan mengenai konsep populasi dan
sampel.

2
A. STATISTIK DAN STATISTIKA

1. Pengertian Statistik dan Statistika

Istilah statistik berkaitan dengan sekumpulan data yang terdiri atas


angka-angka dan diagram yang menggambarkan sesuatu. Sebagai
contoh, dikenal istilah statistik kependudukan, statistik perekonomian
(pertumbuhan ekonomi), statistik pertanian, dan lain sebagainya.
Sedangkan statistika merupakan suatu ilmu pengetahuan yang
mengkaji kumpulan metode-metode ilmiah yang berkaitan dengan
teknik pengumpulan data, teknik penyajian dan analisis data, teknik
penafsiran (interpretasi) data, serta penarikan kesimpulan yang sahih
(valid) dan proses pengambilan keputusan yang dapat diterima
berdasarkan analisis yang dilakukan.
Istilah statistika sendiri berasal dari bahasa Italia, yaitu “statista”,
yang berarti negawaran. Istilah ini pertama kali digunakan oleh seorang
professor di Marborough dan Gottingen bernama Gottfried Achenwall
pada tahun 1719–1772. Selanjutnya, istilah ini dipopulerkan oleh John
Sinclair pada tahun 1791–1799 dalam pekerjaannya sebagai Statistical
Acocunt of Scotland. Sejarah menunjukkan bahwa proses pengumpulan
data telah dilakukan sejak berabad-abad yang lalu.

2. Pengelompokan dan Peranan Statistika

Secara luas, aplikasi statistika dapat terbagi dalam 2 (dua) jenis


area, yaitu statistika deskriptif dan statistika inferensial. Statistika deskriptif
mengkaji metode–metode yang digunakan untuk mengorganisis
(mengatur), memperlihatkan, dan mendeskripsikan data dengan
menggunakan tabel, grafik, dan ukuran–ukuran ringkasan. Sedangkan
statistika inferensial mengkaji metode–metode yang berkaitan dengan
analisis data sebagai dasar penarikan kesimpulan mengenai
keseluruhan data populasi berdasarkan informasi sampel.

3
Statistika memiliki banyak peranan dalam kehidupan sehari-hari.
Sebagai contoh, statistika dapat digunakan dalam proses peramalan,
sebagai alat dalam mengambil keputusan, sebagai alat dalam
meningkatkan dan mengontrol kualitas, dan lain sebagainya. Dalam
ilmu pengetahuan, statistika digunakan dalam mempelajari suatu
fenomena, dimana penelitian statistika dapat berperan pada proses
pengumpulan data untuk mendukung hipotesa, analisis data untuk
pengujian hipotesa, serta pada penarikan kesimpulan untuk menerima
atau menolak hipotesa. Selain itu, salah satu kegunaan utama dari ilmu
statistika adalah untuk menyediakan suatu kumpulan prosedur yang
dapat memungkinkan dilakukannya inferensi pendugaan dan
menentukan keputusan mengenai karakteristik suatu populasi, dengan
berdasarkan pada informasi sampel yang diambil dari sebagian
populasi tersebut.

B. DATA

1. Pengertian Data

Data merupakan suatu hasil pengukuran atau pengamatan yang


dikumpulkan, baik berupa fakta, angka, besaran, kategori, ataupun
pernyataan yang memberikan gambaran mengenai perbedaan atau
persamaan suatu individu atau obyek lain berdasarkan karakteristiknya.

2. Pengelompokan Data

Pada dasarnya, data yang diperoleh dapat dikelompokkan


menjadi dua jenis data, yaitu data kualitatif dan data kuantitatif. Sub-
sub bagian selanjutnya memberikan pembahasan mengenai kedua
jenis data tersebut.

4
a. Data kualitatif

Data kualitatif merupakan data yang dinyatakan dalam bentuk


kategori atau pernyataan atau atribut, serta tidak dapat diukur dengan
pasti. Data kualitatif atau yang biasa disebut data kategori tidak
mengasumsikan suatu nilai numerik, namun dapat diklasifikasikan ke
dalam dua atau lebih kategori non-numerik. Data kualitatif
dikelompokkan ke dalam dua jenis data, yaitu data nominal dan data
ordinal.
Data nominal merupakan data dengan skala pengukuran yang
hanya berupa penggolongan atau klasifikasi. Skala pada data nominal
diaplikasian pada data yang terbagi menjadi kategori-kategori yang
berbeda, dimana kategori-kategori tersebut digunakan hanya dengan
tujuan untuk identifikasi. Sebagai contoh data dengan skala nominal
adalah nama perusahaan, jenis kelamin (laki-laki dan perempuan), jenis
warna (merah, kuning, hijau, dll), status pernikahan, dan lain
sebagainya.
Dalam skala nominal, pemberian ranking serta operasi-operasi
aritmatika, seperti halnya penjumlahan, pengurangan, perkalian, atau
pembagian tidak dapat dilakukan. Dalam skala nominal, dapat pula
diberikan kode-kode numerik untuk kategori-kategori yang berbeda.
Contohnya pada data jenis kelamin, dapat diberikan kode 1 untuk jenis
kelamin laki-laki, dan kode 2 untuk jenis kelamin perempuan, dengan
kode 2 tidak memiliki arti yang lebih tinggi dibandingkan dengan kode
1.
Data ordinal merupakan data dengan skala pengukuran berupa
klasifikasi dan urutan. Skala pada data ordinal diaplikasian pada data
yang terbagi menjadi kategori-kategori yang berbeda, dimana
kategori-kategori tersebut dapat diberikan ranking. Sebagai contoh
data dengan skala ordinal adalah evaluasi produk suatu perusahaan,
yaitu baik, sedang, dan buruk. Kategori ini memiliki karakteristik yang

5
dapat diranking, dengan “baik” berada pada ranking tertinggi dan
“buruk” berada pada ranking terendah. Contoh lain data dengan skala
ordinal adalah data meliputi “tinggi”, “sedang”, “rendah” dan data
meliputi “sangat setuju”, “setuju”, “tidak setuju”, “sangat tidak setuju”.
Seperti hanya dalam skala nominal, dalam skala ordinal tidak
dapat dilakukan operasi-operasi aritmatika, seperti halnya penjumlahan,
pengurangan, perkalian, atau pembagian). Dalam skala ordinal, dapat
pula diberikan kode-kode numerik untuk kategori-kategori yang
berbeda, dengan kode-kode tersebut menunjukkan urutan atau
ranking. Pada contoh evaluasi produk suatu perusahaan, dapat
diberikan kode 1 untuk evaluasi “baik”, kode 2 untuk evaluasi “sedang”,
dan kode 3 untuk evaluasi “buruk”, dengan kode 1 menunjukkan
ranking tertinggi dan kode 3 menunjukkan ranking terendah.

b. Data Kuantitatif

Data kuantitatif merupakan data yang berbentuk numerik atau


angka yang dapat diukur dengan pasti. Data kuantitatif dikelompokkan
ke dalam dua jenis data, yaitu data interval dan data rasio.
Data interval merupakan data dengan klasifikasi, urutan, dan jarak
pada skala pengukurannya. Data dengan skala interval diaplikasian
pada data yang dapat diberi ranking, serta pada data dengan selisih
antara dua nilai dapat dihitung dan diinterpretasikan. Sebagai contoh
data dengan skala interval adalah data suhu (temperatur) dan data
nilai.
Data dengan skala interval terdiri atas suatu titik nol yang tidak
memiliki suatu kepentingan. Sebagai contoh, suatu temperatur nol
sendiri, tidak berarti bahwa nilai tersebut menunjukkan kekurangan
panas. Sama halnya pada data nilai siswa, dimana nilai nol tidak berarti
bahwa seorang siswa tidak memiliki kemampuan intelegen.

6
Karakteristik lain yang berada pada data dengan skala interval
adalah bahwa rasio yang berada pada data tersebut tidak dapat
dipertimbangkan. Sebagai contoh, data temperatur dengan suhu 100
derajat celcius tidak memiliki kehangatan 2 kali lipat dari temperatur
dengan suhu 50 derajat celcius. Begitu pula halnya pada skor siswa,
dimana siswa dengan nilai 90 tidak menunjukkna bahwa intelegensinya
2 kali lipat dari siswa dengan nilai 45.
Data rasio merupakan data dengan klasifikasi, urutan, jarak, dan
nol mutlak pada skala pengukurannya. Data dengan skala rasio
diaplikasian pada data yang dapat diberikan ranking, serta pada data
yang dapat diberikan operasi-operasi aritmatika, seperti penjumlahan,
pengurangan, perkalian, dan pembagian. Sebagai contoh data
dengan skala rasio adalah penjualan mobil dari beberapa perusahaan.
Contoh lain dari data dengan skala rasio adalah data pendapatan,
data tinggi badan, data berat badan, dan data harga.
Berbeda dengan pembahasan sebelumnya mengenai data
dengan skala interval, pada data dengan skala rasio, nilai dari suatu titik
nol memiliki arti. Seperti yang diketahui bersama, suatu perusahaan
dengan penjualan nol memiliki arti bahwa perusahaan tersebut tidak
menjual produk apapun. Seperti halnya penghasilan, seseorang dengan
penghasilan nol memiliki arti bahwa oorang tersebut tidak
berpenghasilan.
Lebih jauh lagi, data kuantitatif dapat dikelompokkan menjadi data
diskrit dan data kontinu. Data diskrit merupakan data hasil pencacahan
atau membilang, serta berbentuk bilangan bulat yang dapat dihitung.
Sebagai contoh yaitu data jumlah penduduk suatu daerah, data
banyaknya siswa yg lulus, data jumlah rumah, jumlah mobil, jumlah
terjadinya kecelakaan, dan lain-lain. Sedangkan data kontinu
merupakan data hasil pengukuran, serta merupakan bilangan cacah
yang berkelanjutan. Sebagai contoh yaitu data tinggi tanaman, data

7
pendapatan, data penjualan, data tinggi badan, data berat benda,
dan lain-lain.

3. Cara Memperoleh Data

Terdapat beberapa cara yang dapat dilakukan untuk memperoleh


data, antara lain sebagai berikut.
a. Mencari data hasil publikasi sumber-sumber tertentu, baik oleh
pemerintah, perusahaan, atau individu.
b. Merancang suatu percobaan, yaitu dilakukan apabila data yang
akan dikaji belum tersedia, sehingga dibutuhkan data bangkitan
melalui suatu percobaan.
c. Melakukan survey, yaitu dilakukan apabila data yang akan dikaji
telah tersedia dan siap untuk dikumpulkan.

4. Cara Penyajian Data.

Terdapat beberapa cara yang dapat dilakkan dalam menyajikan


data, yaitu:

a. Tabel

Pada contoh berikut, diberikan contoh tabel dengan klasifikasi 1


(satu) arah pada data tingkat produksi tanaman.

Tingkat produksi tanaman


Dosis Pupuk
1 2 3 4 5
0 5,5 5,0 4,8 5,2 6,0
100 3,0 3,5 3,8 4,0
200 6,0 5,8 5,5 6,5
300 6,5 6,0 7,5 7,3 5,8

8
Contoh selanjutnya memberikan contoh penyajian data tabel dengan
klasifikasi 2 (dua) arah pada data kecepatan pemotongan dengan
menggunakan data 4 (empat) jenis alat dengan data 5 (lima) jenis
kekerasan material.

Kekerasan Material
Tipe Alat
1 2 3 4 5
A 12 2 8 1 7
B 20 14 17 12 17
C 13 7 13 8 14
D 11 5 10 3 6

Selanjutnya, diberikan contoh tabel distribusi frekuensi pada data nilai


mata kuliah Statistika.

Banyaknya Mahasiswa
Nilai Statistika
(Frekuensi)
37 – 45 2
46 – 54 3
55 – 63 8
64 – 72 8
73 – 81 14
82 – 90 10
91 – 99 5
Jumlah 50

b. Grafik atau Diagram

Berikut diberikan beberapa contoh penyajian data dengan


menggunakan grafik atau diagram.

9
1) Grafik Batang

Jumlah Lulusan SMA X Tahun 2001 - 2004


120

100

JUMLAH LULUSAN
80

60

40

20

0
2000 2001 2002 2003 2004
TAHUN

2) Grafik Garis

Sumber Data: Nilai IHSG dan % Inflasi tahun 1994 – 2000

3) Grafik Pencar (scatter diagram)

Sumber Data: Eubank, 1988

10
4) Grafik Lingkaran (Pie chart)
Berikut diberikan contoh grafik lingkaran pada data Skor
Dimensi Keandalan Administrasi Ruang Baca Jurusan “X”.

Sumber: Hadijati, dkk. (2004)

5) Histogram dan polygon

C. KONSEP POPULASI DAN SAMPEL.

Dalam statistika kumpulan dari semua unsur atau obyek


pengamatan yang memiliki definisi jelas dan akan dikaji karakteristiknya
(menjadi perhatian) disebut sebagai populasi, sedangkan kumpulan
dari beberapa unsur yang dipilih dari populasi dan digunakan sebagagi

11
dasar dalam penarikan kesimpulan disebut sebagai sampel. Sebuah
populasi terdiri atas seluruh elemen, baik individu, barang, atau objek,
yang karaktersitiknya diselidiki. Dalam hal ini, populasi yang diselidiki
disebut juga populasi target. Sebuah sampel menunjukkan suatu porsi
populasi yang dipilih untuk diselidiki. Suatu sampel yang mewakili
karakteristik populasi (sedekat mungkin) disebut sebagai sampel
perwakilan.
Dalam proses pengambilan data, teknik pengumpulan informasi
dari unsur-unsur populasi disebut survei sampel. Suatu survei yang terdiri
atas semua unsur dari populasi target disebut sebagai sensus. Populasi
target seringkali memiliki ukuran yang besar. Oleh karena itu, dalam
praktiknya, sensus jarang dilakukan karena sangat mahal dan memakan
waktu. Bahkan dalam beberapa kasus, identifikasi setiap unsur populasi
merupakan hal yang tidak mungkin untuk dilakukan.
Suatu sampel dapat berupa sampel acak maupun sampel non-
acak. Dalam sebuah sampel acak, setiap elemen populasi memiliki
kesempatan yang berbeda-beda untuk dipilih ke dalam sampel. Hal
sebaliknya berlaku dalam sampel non-acak.
Sebagai contoh, dalam pengujian kualitas lampu yang akan dijual,
tidak memungkinankan untuk mencoba ketahanan seluruh lampu hasil
produksi. Oleh karena itu, diambil sampel dari keseluruhan populasi saja.
Secara umum, alasan dilakukannya pengambilan sampel antara lain
sebagai berikut.
1. Efisiensi biaya, waktu, dan tenaga.
2. Sifat dari obyek pengamatan yang tidak memungkinkan untuk
diamati secara keseluruhan.

12
RANGKUMAN

1. Statistik merupakan sekumpulan data yang terdiri atas angka-angka


dan diagram yang menggambarkan sesuatu.
2. Statistika merupakan suatu ilmu pengetahuan yang mengkaji
kumpulan metode-metode ilmiah yang berkaitan dengan teknik
pengumpulan data, teknik penyajian dan analisis data, teknik
penafsiran (interpretasi) data, serta penarikan kesimpulan yang sahih
(valid) dan proses pengambilan keputusan yang dapat diterima
berdasarkan analisis yang dilakukan.
3. Aplikasi statistika dapat terbagi dalam 2 (dua) jenis area, yaitu
statistika deskriptif dan statistika inferensial.
4. Statistika deskriptif mengkaji metode–metode yang digunakan untuk
mengorganisis (mengatur), memperlihatkan, dan mendeskripsikan
data dengan menggunakan tabel, grafik, dan ukuran–ukuran
ringkasan.
5. Statistika inferensial mengkaji metode–metode yang berkaitan
dengan analisis data sebagai dasar penarikan kesimpulan mengenai
keseluruhan data populasi berdasarkan informasi sampel.
6. Data merupakan suatu hasil pengukuran atau pengamatan yang
dikumpulkan, baik berupa fakta, angka, besaran, kategori, ataupun
pernyataan yang memberikan gambaran mengenai perbedaan
atau persamaan suatu individu atau obyek lain berdasarkan
karakteristiknya.
7. Data yang diperoleh dapat dikelompokkan menjadi dua jenis data,
yaitu data kualitatif dan data kuantitatif.
8. Data kualitatif merupakan data yang dinyatakan dalam bentuk
kategori atau pernyataan atau atribut, serta tidak dapat diukur

13
dengan pasti. Data kualitatif dikelompokkan ke dalam dua jenis
data, yaitu data nominal dan data ordinal.
9. Data nominal merupakan data dengan skala pengukuran yang
hanya berupa penggolongan atau klasifikasi.
10. Data ordinal merupakan data dengan skala pengukuran berupa
klasifikasi dan urutan.
11. Data kuantitatif merupakan data yang berbentuk numerik atau
angka yang dapat diukur dengan pasti. Data kuantitatif
dikelompokkan ke dalam dua jenis data, yaitu data interval dan data
rasio.
12. Data interval merupakan data dengan klasifikasi, urutan, dan jarak
pada skala pengukurannya.
13. Data rasio merupakan data dengan klasifikasi, urutan, jarak, dan nol
mutlak pada skala pengukurannya.
14. Lebih jauh lagi, data kuantitatif dapat dikelompokkan menjadi data
diskrit dan data kontinu.
15. Data diskrit merupakan data hasil pencacahan atau membilang,
serta berbentuk bilangan bulat yang dapat dihitung.
16. Data kontinu merupakan data hasil pengukuran, serta merupakan
bilangan cacah yang berkelanjutan.
17. Sara yang dapat dilakukan untuk memperoleh data, antara lain
mencari data hasil publikasi sumber-sumber tertentu, merancang
suatu percobaan, dan melakukan survey.
18. Cara yang dapat dilakkan dalam menyajikan data, yaitu dengan
tabel dan grafik atau diagram.
19. Populasi merupakan kumpulan dari semua unsur atau obyek
pengamatan yang memiliki definisi jelas dan akan dikaji
karakteristiknya (menjadi perhatian).

14
20. Sampel merupakan kumpulan dari beberapa unsur yang dipilih dari
populasi dan digunakan sebagagi dasar dalam penarikan
kesimpulan.
21. Alasan dilakukannya pengambilan sampel antara lain efisiensi biaya,
waktu, dan tenaga, serta sifat dari obyek pengamatan yang tidak
memungkinkan untuk diamati secara keseluruhan.

15
LATIHAN SOAL

1. Sebutkan perbedaan statistik dan statistika!


2. Sebutkan beberapa contoh peranan statistika dalam kehidupan
sehari-hari, serta dalam pengembangan ilmu pengetahuan.
3. Carilah contoh data statistik melalui di internet, baik dalam bentuk
tabel maupun dalam bentuk diagram. Selanjutnya, berikan
penjelasan mengenai jenis data yang diperoleh, serta sebutkan
sumber data.
4. Sebut dan jelaskan pengertian populasi dan sampel, serta teknik
pengambilan data populasi dan teknik pengambilan data sampel.
5. Berikan masing-masing contoh penelitian populasi dan penelitian
sampel, serta berikan masing-masing alasannya.
6. Salah satu jenis data yang banyak digunakan dalam penelitian
adalah data dengan skala Likert. Berikan penjelasan mengenai skala
Likert, serta skala pengukuran nominal, ordinal, interval atau rasio.
Sebutkan sumber referensinya (diperbolehkan untuk mengambil
sumber melalui internet).

***

16
REFERENSI

Draper, N.R., dan Smith, H., 1992, Analisis Regresi Terapan Edisi 2,
Terjemahan Sumantri, B., Prentice Hall, New Jersey.

Freund, J.E., and Ronald E.W., 1962, Mathematical Statistics Fourth


Edition, Prentice-Hall, Inc., New Jersey.

Gujarati, D.N., 2004, Basic Econometrics, 4th Ed, McGraw-Hill Companies,


New York.

Harini, S. dan Ririen, K., 2007, Metode Statistika, Prestasi Pustaka, Jakarta.

Mann, P.S., Statistics for Business and Economics, John Wiley and Sons
Publisher, New York.

Sudjana, 1989, Metode Statistika, Tarsito, Bandung.

Supranto, J., 2007, Teknik Sampling untuk Survey dan Eksperimen, Rineka
Cipta, Jakarta.

Walpole, R.E., and Raymond H.M., 1995, Ilmu Peluang dan Statistika
untuk Insinyur dan Ilmuwan Ed.4, Penerbit ITB, Bandung.

Wibisono, Y., 2009, Metode Statistik, Gadjah Mada University Press,


Yogyakarta.

17