ANALISIS DATA STATISTIK DESKRIPTIF

DAN STATISTIK INFERENSIAL

Disusun Oleh :

Kelas:3.4 / Kelompok: 12

1. Ni Putu Yuli Putri Andayani (P07120018121)

2. Ni Wayan Eka Purwanti (P07120018129)
3. Ni Luh Ria Anggreni (P07120018137)

KEMENTERIAN KESEHATAN RI

POLITEKNIK KESEHATAN DENPASAR

D-III KEPERAWATAN

TAHUN 2020
 KATA PENGANTAR

Om Swastyastu

Puji syukur mari kita panjatkan atas kehadirat Ida Sang Hyang Widhi
Wasa. Karena rahmat-Nya kami dapat menyelesaikan makalah yang berjudul
“Analisis data: Statistik deskriptif dan statistik inferensial”. Makalah ini diajukan
untuk memenuhi tugas Metodelogi Penelitian.
Saya menyadari betul bahwa baik isi maupun penyajian makalah ini
masih jauh dari sempurna, untuk itu kami meminta kritik dan saran sebagai
penyempurnaan makalah ini, sehingga dikemudian hari makalah ini dapat
bermanfaat bagi semua mahasiswa.
Akhir kata kami sampaikan terima kasih kepada semua pihak yang telah
memberikan kontribusi dalam penyusunan pembuatan makalah ini.

Om Shanti, Shanti, Shanti Om

Denpasar, Agustus 2020

Penulis

i
 DAFTAR ISI

Kata Pengantar....................................................................................................... i

Daftar Isi................................................................................................................ ii

BAB I PENDAHULUAN

1.1 Latar Belakang........................................................................................... 1

1.2 Rumusan Masalah...................................................................................... 2
1.3 Tujuan........................................................................................................ 2

BAB II PEMBAHASAN

2.1 Pengertian Statistik Deskriptif................................................................... 3

2.2 Penyajian Data........................................................................................... 4
2.3 Pengertian Dispersi Data........................................................................... 5
2.4 Kengunaan Ukuran Penyebaran Data........................................................ 6
2.5 Kemiringan dan Keruncingan Data........................................................... 7
2.6 Pengertian statistik inferensial................................................................... 7
2.7 Ruang lingkup bahasan statistika inferensial............................................. 8

BAB III PENUTUP

3.1 Kesimpulan................................................................................................13
3.2 Saran..........................................................................................................13

DAFTAR PUSTAKA

ii
 BAB I
PENDAHULUAN

1.1 Latar Belakang

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,
peembayaran 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.
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 .
Statistika inferensial mencakup semua metode yang berhubungan dengan
analisis sebagian data (contoh ) atau juga sering disebut dengan sampel untuk
kemudian sampai pada peramalan atau penarikan kesimpulan mengenai
keseluruhan data induknya (populasi). Dalam statistika inferensial diadakan
pendugaan parameter, membuat hipotesis, serta melakukan pengujian hipotesis
tersebut sehingga sampai pada kesimpulan yang berlaku umum. Metode ini
disebut juga statistika induktif, karena kesimpulan yang ditarik didasarkan pada
informasi dari sebagian data saja. Pengambilan kesimpulan dari statistika
inferensial yang hanya didasarkan pada sebagian data saja sebagian data saja
menyebabkan sifat tak pasti, memungkinkan terjadi kesalahan dalam pengambilan

1
keputusan, sehingga pengetahuan mengenai teori peluang mutlak diperlukan
dalam melakukan metode-metode statistika inferensial.
Statistik inferensial digunakan dalam proses mengambil keputusan dalam
menghadapi ketidakpastian dan perubahan. Contoh ketidakpastian adalah kuat
tekan beton dalam suatu pengujian tidak sama, walaupun dibuat dengan material
yang sama.  Dengan adanya kenyataan tersebut, maka metode statitsik digunakan
untuk  menganalisis data dari suatu proses pembuatan beton tersebut sehingga
diperoleh kualitas  yang lebih baik. Statistik inferensial telah menghasilkan
banyak metode analitis yang digunakan untuk menganalisis data. Dengan
perkataan lain statistik inferensial tidak hanya mengumpulan data, tetapi juga
mengambil kesimpulan dari suatu sistem saintifik.
Untuk mengetahui lebih jelas mengenai Statistika Inferensial, akan
diuraikan mengenai pengertian Statistika Inferensial dan  ruang lingkup Statistika
Inferensial.

1.2 Rumusan Masalah

Berdasarkan uraian latar belakang diatas, maka dalam makalah ini ada 2
(dua) rumusan masalah yang terkaji yakni :
a. Apa yang dimaksud dengan Statistik Deskriptif dan Statistik Inferensial ?
b. Apa fungsi dari Statistik Deskriptif dan Statistik Inferensial ?
c. Apa saja  yang termasuk  ruang lingkup Statistik Deskriptif dan Statistik
Inferensial ?
  
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
b. Mengetahui fungsi dari Statistik Deskriptif dan Statistik Inferensial
c. Mengetahui ruang lingkup Statistik Deskriptif dan Statistik Inferensial

2
 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

3
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

4
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)

5
 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.

6
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:

7
 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,

8
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.

9
 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

10
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”

11
 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.

12
 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.
Statistik inferensial merupakan kebalikan dari statistika deskriptip,
statistika infrensial merupakan statistik yang berkenaan dengan cara penarikan

13
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).
3.2 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.

14
 DAFTAR PUSTAKA

Bambang Kustituanto dan Rudy Badrudin, Statistika I, Seri Diktat Kuliah,

Penerbit Gunadarma, Jakarta, 1994
Dr. Indra Jaya, M.Pd., Penerapan Statistik untuk Pendidikan, Citapustaka,
Bandung, 2013
Haryono Subiyakto, Statistika 2, Seri Diktat Kuliah, Penerbit Gunadarma, Jakarta,
1994
J. Supranto, Statistika, (2000) jilid 1 Chap.6 edisi keenam, halaman 126 –145
Levin, Richard dan David Rubin, Statistics for Management, Prentice Hall, New
Jersey, 1991
Modul BSI (Bina Sarana Informatika) mata kuliah Statistika Deskriptif.
Ronald E Walpole, Pengantar Statistika, edisi terjemahan, PT Gramedia Jakarta,
1992
Santoso, Singgih 2001. Aplikasi Excel dalam Statistik Bisnis. Elex Media
Komputindo. Jakarta.
Wayan Koster, Statistika, Teori dan Aplikasi (2001), edisi pertama, bab V,
halaman 93-134