Contoh data kuantitatif:

 Data jumlah siswa tiap tahun suatu sekolah

 Data penjualan barang suatu toko tiap hari
 Data tinggi badan mahasiswa suatu kelas
 Data pengunjung suatu website
 Data pertumbuhan penduduk suatu daerah
 Data kunjungan wisata suatu provinsi
 Data kuesioner suatu penelitian

Misalnya:

Nilai praktikum Biologi 10 mahasiswa Akbar, Agus, Nary, Wikan, Sani, Nanda, Rosa,
Emerald, Dian dan Hafiz adalah 60, 70, 86, 67, 54, 78, 77, 87, 70, 66

Di bidang penelitian (research) data kuantitatif dibagi menjadi 3 variabel pembentuk data yaitu

Baca juga: Perbedaan Scale Nominal dan Ordinal

1. Variabel Nominal

Variabel nominal adalah tipe variabel yang merepresentasikan suatu nilai numerik
sebagai label atau nama. Contoh: variabel jenis kelamin.

2. Variabel Ordinal

Variabel ordinal adalah tipe variabel yang sering disebut sebagai ranked data atau data
dengan peringkat. Contoh: variabel tingkat pendidikan.

3. Variabel Scale

Variabel scale adalah tipe variabel yang digunakan untuk melakukan perhitungan data
terhadap data angka seperti menghitung nilai statistika deskriptif. Contoh: variabel tinggi
badan.

B. Pengertian data Kualitatif

Data kualitatif adalah data dari penjelasan kata verbal tidak dapat dianalisis dalam bentuk
bilangan atau angka. Dalam penelitian, data kualitatif berupa gambaran mengenai objek
penelitian. Data kualitatif memberikan dan menunjukkan kualitas objek penelitian yang
dilakukan.

Contoh data kualitatif:

 Deskripsi suatu suatu daerah yang diteliti

 Biografi narasumber yang dijadikan referensi penelitian
 Sejarah berdirinya suatu perusahaan yang diteliti
Misalnya: Dalam suatu penelitian yang mengambil objek Universitas Udayana

Universitas Udayana secara sah berdiri pada tanggal 17 Agustus 1962 dan merupakan
perguruan tinggi negeri tertua di daerah Provinsi Bali. Berdasarkan Surat Keputusan
Menteri PTIPNo.104/1962, tanggal 9 Agustus 1962, Universitas Udayana secara sah berdiri
sejak tanggal 17 Agustus 1962.

Memahami Statistik Inferensial dan Perbedaannya Dengan Statistik

Deskriptif
April 17, 2019 by Yuvalianda

Statistik inferensial adalah salah satu cabang dari statistik yang sangat bermanfaat dalam dunia
penelitian. Penggunannya merupakan hal yang sangat vital dan bisa menentukan hasil akhir dari
sebuah riset.

Sekarang ini, statistik inferensial dikenal semakin dekat oleh banyak kalangan. Tidak hanya oleh
mahasiswa atau akademisi, penggunaan statistik ini juga kerap digunakan oleh lembaga-lembaga
survei dalam merilis hasil yang mereka peroleh.

Ini membuktikan bahwa sebenarnya statistik inferensial memiliki peran yang cukup penting
dalam kehidupan kita.

Sebelum lebih jauh, ada baiknya anda memahami pengertian statistik terlebih dahulu agar anda
bisa membaca artikel ini dengan lebih tenang.

Daftar isi [tutup]

 Apa itu statistik inferensial?

 Contoh statistik inferensia
o 1.Analisis Regresi
o 2. Uji Hipotesis
o 3. Confidence Interval
 Perbedaan statistik inferensial dan statistik deskriptif
 Contoh statistik inferensial

Apa itu statistik inferensial?

Menurut KBBI, inferensial artinya dapat disumpulkan.

Secara umum, statistik inferensial adalah jenis statistik yang fokus kepada pengolahan data
sampel sehingga bisa mengambil keputusan atau kesimpulan pada populasi.

Statistik inferensial fokus pada analisis data sampel untuk bisa menyimpulkan populasi.
Alur dari penggunaan statistik inferensial adalah pengambilan sampel, pemilihan analisis, dan
pengambilan keputusan untuk keseluruhan populasi.

Statistik inferensial digunakan banyak orang karena mampu menghasilkan estimasi yang akurat
dengan biaya yang relatif terjangkau. Tenaga yang digunakan juga tidak sebesar penggunaan
statistik deskriptif sehingga jauh lebih efisien.

Manfaat statistik inferensial

Statistik inferensial memiliki manfaat yang berbeda bila dibandingkan dengan statistik deskriptif.

1. Alat untuk menduga populasi

Tujuan utama dari penggunaan statistik inferensial adalah untuk menduga nilai populasi. Dengan
adanya penggunaan metode ini, tentu kita mengharapkan hasil pengukuran yang akurat dan tepat
dan mampu menggambarkan kondisi yang sebenarnya.

1. Metode analisis yang sangat terstruktur

Statistik inferensial memiiki formula yang sangat rapi dan terstruktur. Metode yang digunakan
teruji secara matematis dan bisa dikatakan sebagai estimator yang tidak bias

Contoh statistik inferensia

Ada banyak sekali contoh aplikasi dan penerapan statistik inferensial dalam kehidupan. Namun,
secara umum, statistik inferensia yang sering digunakan adalah:

1.Analisis Regresi

Analisis regresi adalah salah satu alat analisis yang paling populer. Analisis regresi digunakan
untuk memprediksi hubungan antara variabel independen dengan variabel dependen.

Dengan menggunakan analisis ini, kita bisa menentukan variabel mana saja yang memiliki
pengaruh siginifikan dalam sebuah penelitian.

Contohnya : anda ingin mengetahui faktor-faktor apa saja yang bisa mempengaruhi penurunan
kemiskinan. Anda menggunakan variabel seperti panjang jalan, pertumbuhan ekonomi, rasio
elektrifikasi, jumlah guru, jumlah tenaga medis, dll.

Setelah dianalisis, anda akan menemukan variabel mana saja yang memiliki pengaruh dalam
penurunan angka kemiskinan tersebut.
2. Uji Hipotesis

Uji hipotesis merupakan pengujian statistik dimana kita ingin mengetahui kebenaran dari sebuah
asumsi atau pendapat yang biasa terjadi di masyarakt. Biasanya, uji ini digunakan untuk
mengetahui tentang kebenaran sebuah klaim yang beredar di masyarakat.

Uji hipotesis juga membantu kita dalam membuktikan apakah pendapat atau hal yang kita
percayai benar atau salah.

Contohnya : kita sering mendengar asumsi bahwa mahasiswa perempuan cenderung memiliki
nilai matematika yang lebih tinggi daripada laki-laki. Benarkah demikian?

Untuk membuktikan hal tersebut, anda bisa mengambil sebagian sampel yang representatif dan
melakukan analisis terhadap nilai matematika dari sampel yang diambil tersebut.

Dengan menggunakan uji hipotesis, anda bisa mengambil kesimpulan bagaimana kondisi yang
sebenarnya.

Bolehkah anda menggunakan keseluruhan data keseluruhan nilai matematika siswa dan
melakukan analisis terhadap data tersebut? Tentu sangat diperbolehkan.

Tapi, tentunya anda akan membututhkan waktu yang lebih lama dalam mengambil kesimpulan
karena proses pengumpulan data juga membutuhkan waktu yang tidak sedikit.

3. Confidence Interval

Confidence interval atau tingkat kepercayaan atau rentang kepercayaan merupakan pengujian
statistik yang digunakan untuk mengestimasi populasi dengan menggunakan sampel. Dengan
adanya tingkat kepercayaan ini, kita bisa memperkirakan dengan kemungkinan yang lebih besar
berapa nilai populasi yang sebenarnya.

Saat menggunakan confidence interval, kita akan menemukan batas atas dan batas bawah dari
sebuah uji statistik yang kita yakini di dalamnya terdapat nilai populasi yang kita estimasi.

Ketika kita menggunakan confidence interval 95 persen, artinya kita mempercayai bahwa
statistik uji yang kita gunakan berada dalam rentang nilai yang sudah kita dapatkan dengan
berdasarkan fomula.

Contohnya : Sebagai contoh, kita ingin melakukan estimasi berapa rata-rata pengeluaran setiap
orang di kota X. Karena itu, dilakukanlah penelitian dengan mengambil sejumlah sampel. Hasil
dari penelitian ini tentunya bervariasi.

Karena itu, kita harus menentukan rentang perkiraan berapa nilai pengeluaran setiap orang yang
sebenarnya. Harapannya, tentu nilai rata-rata yang sebenarnya akan jatuh pada rentang nilai yang
sudah kita hitung sebelumnya.
Prosedur penggunaan statistik inferensial

1. Tentukan data populasi yang ingin kita teliti

2. Tentukan jumlah sampel yang representatif terhadap populasi tersebut
3. Pilih analisis yang cocok dengan tujuan dan jenis data yang kita miliki
4. Buat kesimpulan atas hasil analisis tersebut

Perbedaan statistik inferensial dan statistik deskriptif

Statistik inferensial dan statistik deskriptif memiliki perbedaan yang sangat mendasar dalam
proses analisisnya. Secara umum, kedua jenis statistik ini pun memiliki tujuan yang berbeda.

1. Statistik deskriptif bertujuan untuk mendeskripsikan karakteristik data. Sedangkan statistik

inferensia bertujuan untuk mengambil kesimpulan untuk populasi dengan menganalisis sampel.
2. Statistik deskriptif biasanya hanya disajikan dalam bentuk tabel dan grafik. Statistik uji yang
digunakan pun terbilang sederhana seperti rata-rata, varians, dll. Sedangkan statistik inferensial,
statistik yang digunakan sudah tergolong sangat rumit. Tidak semua orang mampu
menggunakan statistik inferensial sehingga dibutuhkan keseriusan dan pembelajaran khusus
sebelum menggunakannya.

Karena itu, kita tidak bisa menggunakan apapun alat analisis yang ada pada analisis deskriptif
untuk menyimpulkan data secara keseluruhan.

Bagaimana agar statistik inferensial yang anda buat semakin kuat?

Ada beberapa hal yang bisa memengaruhi statistik inferensial agar bisa menghasilkan estimasi
yang akurat. Kunci utamanya, adalah pengambilan sampel yang baik.

Sampel yang diambil haruslah acak atau random. Maksudnya, tidak boleh ada kecenderungan
tertentu dalam mengambil siapa, apa, dan bagaimana kondisi sampel tersebut.

Sampel yang terpilih juga harus memenuhi syarat minimal sampel. Sebenarnya, tidak ada syarat
khusus berapa jumlah sampel yang harus digunakan agar mampu merepresentasikan populasi.
Namun, banyak ahli yang sepakat bahwa jumlah sampel yang digunakan minimal haruslah 30
unit.

Sampel juga harus bisa memenuhi distribusi tertentu. Biasanya, distribusi sampel yang umum
digunakan adalah distribusi normal. Meskipun terkadang, terdapat kasus dimana distribusi lain
yang memang lebih cocok digunakan.

Pastikan ketiga syarat diatas tersebut terpenuhi agar hasil analisis anda tidak mengecewakan
nantinya.

Contoh statistik inferensial

Ada beberapa jenis statistik inferensial yang bisa anda gunakan. Tapi pada kasus kali ini, saya
hanya akan memberikan contoh dengan menggunakan statistik confidence interval.
Anggaplah seorang kepala daerah melakukan klaim bahwa tingkat kemiskinan di daerahnya
sangatlah rendah. Untuk membuktikan hal tersebut, ia melakukan survei pendapatan dan
pengeluaran rumah tangga yang secara teori mampu menghasilkan angka kemiskinan.

Berdasarkan pertimbangan waktu dan biaya, maka dipilihlah 10.000 sampel rumah tangga dari
total 100.000 rumah tangga yang ada di kabupaten tersebut (asumsi standar deviasi adalah 500). 

Berdasarkan hasil survei, ditemukan bahwa masih terdapat sebesar 3.000 penduduk miskin.
Tentu angka ini tidak sepenuhnya benar mengingat survei selalu memiliki error.

Karena itu, dibuatlah confidence interval untuk memperkuat hasil survei ini (detail lebih lanjut
tentang confidence interval akan saya sampaikan di artikel lain).

Berikut hasil pengujian yang dilakukan

z-value dari 95 persen adalah 1.96 

Berdasarkan hasil pengujian, dengan tingkat kepercayaan sebesar 95 persen, bisa disimpulkan
bahwa jumlah penduduk miskin di kota tersebut berkisar antara 2990 hingga 3010 orang.

Penutup

Statistik inferensial hadir untuk mempermudah kita dalam mengestimasi populasi.

Penggunaannya memang lebih menantang, tapi efisiensi yang dihadirkan sangat membantu kita
dalam berbagai survei atau penelitian.

Ada banyak sekali jenis data dan kasus yang bisa anda selesaikan dengan menggunakan metode
ini.

Bagi anda yang sedang berkecimpung dalam dunia penelitian atau pendidikan, statistik
inferensial wajib dipahami.