Statistika Terapan

Pertemuan 1 – Perkenalan Terhadap

Statistika
Week 1 – 3 Oktober 2019

Oleh: Muhammad Miqdad Robbani

 • Data dan Statistik
• Komponen dan Bentuk
Data

Data
Data dan Statistik
• Data
• Kumpulan observasi (ukuran, jenis kelamin, dan respon
survei)
• Statistik
• Sebuah cabang ilmu pengetahuan yang terdiri dari
• eksperimen, • menganalisa,
• mengumpulkan data, • menginterpretasikan
• mengorganisir data, • dan mengambil
• merangkum, kesimpulan dari data.
• menyajikan,
Komponen dan Bentuk Data

Kumpulan lengkap dari

Populasi seluruh individu (subjek)
yang akan diteliti.

Sensus Sample
Kumpulan data dari seluruh Kumpulan sebagian anggota yang dipilih
anggota populasi dari populasi
Sample harus dipilih dengan baik (yaiut
dengan random selection) agar
representatif terhadap populasi.
 • Pertanyaan Seputar
Statistik
• Pengambilan
Kesimpulan

Cara Berpikir dalam Statistik

Pertanyaan Seputar Statistik

Konteks (Context)

• Memahami konteks akan mempengaruhi

metode statistika yang akan kita gunakan
• Apa yang direpresentasikan oleh nilai?
• Darimana data tersebut berasal?
• Mengapa mereka mengumpulkan data
tersebut?
Pertanyaan Seputar Statistik
Sumber Data

• Penting untuk menjadi hati-hati dan skpetis terhadap penelitian dari data
yang berpotensi bias
• Apakah sumber data kita objektif? Ataukah ada bias?
• Apakah terdapat insentif untuk memberi jawaban yang salah dari kepentingan
pribadinya?
• Apakah dampak dari jawaban yang salah tersebut?

Metode Sampling

• Sebagai contoh, data yang diambil dari responden yang sukarela dapat
mengandung bias dan tidak sepenuhnya valid.
• Apakah metode yang dipilih akan mempengaruhi validitas dari kesimpulan
yang kita ambil?
Pengambilan Kesimpulan
• Kesimpulan (Conclusion)
• Pernyataan yang jelas mengenai temuan penelitian tanpa harus
memahami statistik dan terminologinya
• Signifikansi Statistik
• Tingkat kemungkinan untuk mendapatkan suatu hasil dari secara
kebetulan. Suatu hasil dikatakan signifikan ketika ia disebabkan oleh
faktor lain selain kebetulan
• Implikasi Praktis
• Dampak praktis dari hasil penelitian.
• Tidak semua hasil yang signifikan secara statistik, memiliki implikasi
praktis
 • Parameter dan Statistik
• Kuantitatif dan Kualitatif
• Tipe Data Kuantitatif
• Level Pengukuran

Tipe Data dan Karakteristiknya

Parameter vs Statistic

• Parameter • Statistic
• Sebuah angka pengukuran • Sebuah angka pengukuran
yang menggambarkan yang menggambarkan
karakteristik dari populasi. karakteristik dari sample.

populasi sample

parameter statistic
Tipe Data
• Data Kuantitatif
• Terdiri dari angka yang
menggambarkan jumlah
pengukuran.
• Contoh:
• Berat Mahasiswa di kelas
• Nilai mahasiswa di kelas
• Data Kategorikal (Kualitatif)
• Terdiri dari nama atau label
(merepresentasikan kategori).
• Contoh:
• Jenis kelamin mahasiswa di
kelas
• Nomer baju di baju pemain
bola
Data Kuantitatif dapat dibagi menjadi
• Data Discrete
• Merupakan sebuah angka yang
terdiri dari nilai yang terbatas
(finite) atau dapat dihitung
(countable).
• Angka-angka tersebut dapat
terdiri dari 0,1,2,3,….
• Contoh:
• Jumlah telur yang dikeluarkan
seekor ayam
• Data Continuous
(Numerical)
• Merupakan sebuah angka yang
terdiri dari banyak nilai dimana ia
mengikuti skala kontinuitas tanpa
adanya gaps, interruption atau
jump.
• Contoh:
• Total susu yang dikeluarkan
sapi adalah 2.34315 gallon per
hari
Level Pengukuran
• Nominal level
• Memiliki karakteristik dimana
data terdiri dari nama, label
atau kategori saja. Data tidak
dapat diurutkan dalam sistem
pengurutan (mana yang lebih
baik atau buruk)
• Contoh:
• Respon dari survey seperti
yes, no, tidak menjawab
• Ordinal level
• Melibatkan data yang dapat
diurutkan dalam sebuah ranking,
akan tetapi selisih antar nilai
tersebut tidak dapat ditentukan
atau tidak memiliki interpretasi
• Contoh:
• Nilai mata Kuliah: A, B, C, D,
atau F
Level Pengukuran
• Interval level
• Seperti data ordinal, namun
memiliki tambahan karaktersitik
dimana, perbedaan antar nilai
memiliki interpretasi. Akan
tetapi, ia tidak memiliki nilai 0
secara natural (0 adalah nilai
bukan tanpa nilai).
• Contoh:
• Years 1000, 200, 1776 dan
1492
• Ratio level
• Seperti data interval, namun
memiliki nilai 0 natural dimana 0
adalah starting point. Pada nilai
ini, selisih dan ratio dapat
diinterpretasikan
• Contoh:
• Harga buku Kuliah (dimana Rp
0 berarti tidak ada biaya, dan
Rp 500.000 adalah 2 kali dari
Rp 250.000)
Rangkuman – Level Pengukuran
• Nominal
• Pengkategorian saja
• Ordinal
• Pengkategorian, ditambah dapat diurutkan
• Interval
• Pengkategorian dan dapat diurutkan, ditambah selisihnya dapat
dihitung.
• Ratio
• Pengkategorian, dapat diurutkan, selisihnya dapat dihitung, ditambah
terdapat nilai awal (starting point)
 • Pertanyaan Seputar
Statistik
• Pengambilan
Kesimpulan

Berpikir Kritis Terhdap Statistik

Penggunaan Statistik yang Salah

1. Niat yang buruk oleh orang-orang yang tidak

jujur,
2. Kesalahan tidak disengaja oleh orang yang
tidak mengetahui dengan baik

Untuk mencegah salah interpretasi dan mengambil

kesimpulan yang salah, kita harus belajar mengenai
kemungkinan masalah-masalah tersebut.
Grafik

Ketika melihat grafik, jangan

hanya melihat pada bentuknya
saja. Baca label dan unit pada
axis x dan y juga!

Soruce:Triola, Mario F. 2015. Essential of Statistics. Fifth Edition. Pearson

Pictographm

Penggunaan grafik tiga

dimensi dapat membuat
efek yang lebih
“dramatis” ketika
digunakan untuk
membandingkan satu
nilai dengan nilai yang
lainnya.
Hint: bangunan tiga
dimensi memiliki fungsi
Soruce:Triola, Mario F. 2015. Essential of Statistics. Fifth Edition. Pearson
kubik (pangkat tiga)
Masalah Sampling
• Bad Sample
• Pengambilan sample secara
sukarela akan menghasilkan
kesimpulan yang hanya berlaku
bagi grup yang setuju untuk
berpartisipasi dalam penelitian
dan tidak merepresentasikan
populasi.
• Small Samples
• Kesimpulan tidak dapat diambil
dari sampel yang terlalu kecil.
• Contoh:
• Pengambilan kesimpulan
tingkat tidak hadir dalam kelas
tidak bisa didasarkan pada
survey terhadap 3 mahasiswa
saja.
Masalah pada Pertanyaan
• Loaded Questions
• Pertanyaan yang tidak
dibahasakan dengan baik akan
menyebabkan responden salah
memahami pertanyaan.
• Loaded Question = pertanyaan
memiliki muatan jawaban.
• Contoh:
• Seberapa religiuskah anda?
• Order of Questions
• Pertanyaan dapat secara tidak
sengaja menjadi loaded
disebabkan oleh urutan jawaban.
• Contoh:
• Ketika responden ditanya “Apa
yang menyebabkan polusi
Jakarta?”
• Hasil:
Kemacetan -45% Industri -27%
• Ketika urutan jawabannya diubah
Industri -57%; Kemacetan -24%
Korelasi dan Kausalitas

Suatu variabel (variabel A) dapat memiliki hubungan

(dinamakan korelasi) dengan variabel lainnya (variabel
B) tapi belum tentu variabel ini (A) menjadi penyebab
(dinamakan kausalitas) dari variabel lainnya tersebut
(B).
Contoh:
Jumlah rumput di halaman STAN dapat berkorelasi dengan
nilai rata-rata IPK mahasiswa STAN. Tapi tidak berarti jumlah
rumput ini menyebabkan nilai IPK
Penggunaan Persentase

Penggunaan persentase yang tidak jelas seringkali

dilakukan.
Contoh:
• Tingkat penyerapan anggaran tahun lalu adalah 30
pesen poin. Tahun ini penyerapan anggaran
meningkat 100%. Peningkatan 100% dari 30 persen
point berarti sekarang tingkat penyerapan anggaran
adalah 60 persen poin.
Nonresponse

Masalah ini terjadi ketika terdapat responden yang

menolak untuk disurvey atau tidak tersedia. Terdapat
kemungkinan besar bahwa responden tersebut
memiliki karakteristik unik dari populasi yang penting
untuk penelitian. Namun karena mereka tidak bersedia
disurvey, peneliti kehilangan sampel penting tersebut.
Missing Data

Data yang tidak diisi oleh responden akan menjadi

masalah yang cukup besar karena kita kekurangan
representasi dari populasi.
Contoh:
• Para pelaku usaha kecil biasanya mengalami
kesulitan memberikan nilai omset mereka sehingga
mereka mengosongkan kuesioner. Alhasil kita hanya
mendapat responden yang memiliki usaha relatif
lebih besar.
Self-Interest Study

Ketika sebuah penelitian dibiayai oleh sponsor. Patut

diperhatikan apakah hasil ini objektif atau terlalu
menguntungkan sponsor
Contoh:
• Survey perusahaan semir sepatu (KIWI)
menunjukkan bahwa banyak pendaftar kerja gagal
karena sepatunya kotor.
Precise Number

Ketika kita melihat angka yang terlalu precise, kita

dapat berasumsi bahwa angka ini akurat. Padahal,
angka ini merupakan angka estimasi sehingga tingkat
precise ini justru mengkhawatirkan.
Kesalahan yang Disengaja

Beberapa studi atau survey dapat di-”manipulasi”

secara halus dalam hal konteks data, sumber data,
metode sampling dan konklusi.