MAKALAH

STATISTIKA INDUSTRI DAN QUALITY CONTROL

DI SUSUN OLEH :

KELOMPOK 5

1802067 BAHARUDDIN AHMAD MANURNG

1802068 BASTIAR PANJAYA SINAGA

1802069 BENNY PRASETYO H SILABAN

1802070 DANIEL CHRISTIAN SIREGAR

1702122 ARNOL HARI HUSADA

KEMENTERIAN PERINDUSTRIAN REPUBLIK INDONESIA

POLITEKNIK TEKNOLOGI KIMIA INDUSTRI

MEDAN

2020
 KATA PENGANTAR

Puji syukur kami panjatkan kehadirat Tuhah Yang Maha Esa yang telah
memberikan rahmat serta karunia-Nya kepada kami kelompok 5 sehingga kami berhasil
menyelesaikan Makalah ini tepat pada waktunya. Makalah ini sebagai salah satu tugas
yang diberikan dosen pada mata kuliah Statistika & QC.

Makalah ini berisikan tentang informasi pengertian statistika dan konsep dasar
dari statistika itu sendiri..

Kami menyadari banyak kekurangan terdapat di dalamnya, namun semoga

makalah ini bisa menjadi sumbangsih yang bernilai bagi ilmu khususnya yang terus
berkembang.

Dalam proses penyusunannya, kami banyak dibantu oleh berbagai pihak guna
mendorong kemajuan dan ketelitian. Kami mengucapkan terima kasih kepada pihak -
pihak yang telah membantu, membimbing, serta mendoakan untuk segala kebaikan
kami dalam penyusunan makalah ini, semoga makalah ini bermafaat bagi pembaca dan
kepentingan ilmu statistika.

Medan, 16 September 2020

i
 Kelompok 5

DAFTAR ISI

COVER
KATA PENGANTAR........................................................................................................i
DAFTAR ISI.....................................................................................................................ii
BAB I.................................................................................................................................1
PENDAHULUAN.............................................................................................................1

ii
BAB II...............................................................................................................................3
PEMBAHASAN................................................................................................................3
BAB III............................................................................................................................30
PENUTUP.......................................................................................................................30
DAFTAR PUSTAKA......................................................................................................31

iii
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Definisi statistika menurut para ahli atau Pengertian statistika menurut para ahli
– Statistik berasal dari kata state yang artinya negara. Dalam pengertian yang paling
sederhana statistik artinya data. Dalam pengertian yang lebih luas, statistik dapat
diartikan sebagai kumpulan data dalam bentuk angka maupun bukan angka yang
disusun dalam bentuk tabel (daftar) dan atau diagram yang menggambarkan
(berkaitan) dengan suatu masalah tertentu.
Dalam perkembangan Ilmu Pengetahuan dan Teknologi (IPTEK) saat ini, bahwa
ilmu statistika telah mempengaruhi hampir seluruh aspek kehidupan manusia.
Hampir semua kebijakan publik dan keputusan-keputusan yang diambil oleh pakar
ilmu pegetahuan atau para eksekutif (dalam ruang lingkup ilmu mereka) didasarkan
dengan metode statistika serta hasil analisis dan interpretasi data, baik secara
kuantitatif maupun kualitatif.Salah satu kegiatan dalam pembuatan laporan hasil
penelitian yang telah dilakukan agar dapat dipahami dan dianalisis sesuai dengan
tujuan yang diinginkan dinamakan Penyajian Data.Data yang disajikan harus
sederhana dan jelas agar mudah dibaca.Penyajian data juga dimaksudkan agar para
pengamat dapat dengan mudah memahami apa yang kita sajikan untuk selanjutnya
dilakukan penilaian atau perbandingan dan lain-lain.

1.2 Rumusan Masalah

Berdasarkan latar belakang diatas, maka dirumuskan beberapa masalah tentang
latar belakang Statistika:
1. Defenisi & Tujuan Statistika
2. Deskriptif & Inferensi
3. Populasi VS Sampel
4. Statistik & Parameter
5. Distribusi & Rata – Rata

1
 6. Proses Sampling & Inferensi
7. Sensus VS Sampling
8. Sampel Random Sederhana
9. Pengambilan Sampel
10. Representative Sample
11. Statistik dan Permasalahannya
12. Skala Pengukuran

1.3 Tujuan
Tujuan penulisan ini sebagai berikut :
1. Mengasah kemampuan penulis secara akademik untuk membahas tentang
Statistika.
2. Untuk menambah wawasan atau pemahaman terhadap Statistika.
3. Mencapai nilai yang memuaskan.

2
 BAB II
PEMBAHASAN

1. Defenisi dan Tujuan Statistika

3
 Statistika adalah sebuah ilmu yang mempelajari bagaimana cara merencanakan,
mengumpulkan, menganalisis, lalu menginterpretasikan, dan akhirnya
mempresentasikan data. Singkatnya, statistika adalah ilmu yang bersangkutan
dengan suatu data. Istilah "Statistika" berbeda dengan "Statistik". Statistika pada
umumnya bekerja dengan memakai data numerik yang di mana adalah hasil cacahan
maupun hasil pengkuran yang dilakukan dengan menggunakan data kategorik yang
diklasifikasikan menurut sebuah kriteria tertentu.
Statistika merupakan ilmu yang berkaitan dengan data. Statistik adalah data itu
sendiri, informasinya, atau hasil penerapan algoritme statistika pada suatu data
tersebut.
Statitiska dapat diartikan sebagai metode ilmiah yang digunakan untuk
mengumpulkan, mengorganisasi, meringkas, menyajikan, dan menganalisis data.
Tujuanya adalah untuk memperoleh gambaran yang terperinci mengenai
karakteristik data itu sendiri, sehingga berguna utuk penarikan kesimpulan.
Semestara, sudjana mendefinisikan statitiska sebagai pengetahuan yang berhubungan
dengan cara-cara pengumpulan data, pengolahan, penganalisisan, dan penarikan
kesimpulan berdasarkan kumpulan dan penganalisisan data yang telah dilakukan.
Berdasarkan perbedaan pengertian terebut, maka pengertian statitiska dapat
dibedakan dalam tiga kelompok sebagai berikut:
1. Statistika sebagai data angka, yaitu statitik merupakan kumpulan angka-angka
yang diperoleh dari hasil peneitian berulang-ulang untuk tujuan yang telah
ditetapkan. Angkanya disebut data atau angka statistic.
2. Statistika sebagai metode atau teknik, yaitu cara untuk mengumpulkan,
mengorganisir, menyusun, menyajikan, dan menganilisis data angka yang telah
dihimpun, serta menarik kesimpulan berdasarkan hasil analisis.
3. Statitiska sebagai ilmu pengetahuan, yaitu ilmu yang mempelajari dan
mengembangkan teknik-teknik analisis data dengan cara statistik.

2. Deskriptif & Inferensi

Dari kumpulan data, statistika dapat digunakan untuk menyimpulkan atau
mendeskripsikan data, inilah yang dinamakan statistika deskriptif. Statistika
deskriptif adalah metode-metode yang berkaitan dengan pengumpulan dan penyajian

4
suatu gugus data sehingga memberikan informasi yang berguna. Statistika deskriptif
hanya memberikan informasi mengenai data yang dipunyai dan sama sekali tidak
menarik inferensia atau kesimpulan apapun tentang gugus induknya yang lebih besar.
Informasi kemudian dicatat sekaligus dikumpulkan baik itu dalam bentuk informasi
numerik maupun informasi kategorik yang disebut sebagai suatu pengamatan.
Pengklasifikasian menjadi statistika deskriptif dan statistika inferensi dilakukan
berdasarkan aktivitas yang dilakukan. Contoh statistika deskriptif yang sering
muncul adalah, tabel, diagram, grafik, dan besaran-besaran lain di majalah dan
koran-koran. Dengan Statistika deskriptif, kumpulan data yang diperoleh akan tersaji
dengan ringkas dan rapi serta dapat memberikan informasi inti dari kumpulan data
yang ada. Informasi yang dapat diperoleh dari statistika deskriptif ini antara lain
ukuran pemusatan data, ukuran penyebaran data, serta kecenderungan suatu gugus
data.
Statistika deskriptif adalah metode statistika yang digunakan untuk
menggambarkan atau menganalisis suatu data hasil penelitian namun tanpa adanya
generalisasi atau membuat kesimpulan yang lebih luas. Ciri dari penelitian deskriptif
adalah tidak menggunakan sampel, atau kalaupun menggunakan sampel, maka
peneliti tidak bermaksud membuat kesimpulan terhadap keseluruhan populasi.
Secara umum, kegiatan dalam statistika deskriptif meliputi 2 hal, yaitu
menyajikan data dan meringkas data. Menyajikan data bertujuan agar data yang
ditampilkan terlihat lebih informatif, untuk tujuan tersebut maka data umumnya
direpresentasikan dalam bentuk tabel, atau grafik seperti: batang (bar), lingkaran
(pie), garis (line), poligon, histogram, ogive dan sebagainya.

Meringkas data bertujuan untuk membuat sebuah ukuran kuantitatif yang dapat
mewakili sekian banyak data. Ada 2 hal yang sering dipertimbangkan dalam
penentuan data pewakil: (1) letak data, seperti: rata-rata (means), titik tengah dari
sekumpulan data (median), data yang paling sering muncul (modus), kuartil, desil,
persentil; (2) variasi atau penyebaran data, seperti: koefisien variasi, standar deviasi,
dan sebagainya.

5
6
 gambar 2.1 Grafik pengunjung suatu website

(sumber: id.wikipedia.org/wiki/statistika_deskriptif)

Statistika inferensi adalah metode statistika yang membahas mengenai cara

menganalisis data serta mengambil kesimpulan (berkaitan dengan estimasi parameter
dan pengujian hipotesis), metode ini sering disebut statistika induktif karena
kesimpulan yang ditarik didasarkan pada informasi dari sebagian populasi saja
(sampel).

Statistika inferensial mencakup semua metode yang berhubungan dengan

analisis sebagian data (contoh ) atau juga sering disebut dengan sampel[1] 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 yang
menyebabkan sifat tak pasti, memungkinkan terjadi kesalahan dalam pengambilan
keputusan, sehingga pengetahuan mengenai teori peluang mutlak diperlukan dalam
melakukan metode-metode statistika inferensial.

Statistika inferensi, berdasarkan normal atau tidaknya distribusi data, dapat

dibagi menjadi statistika parametris dan nonparametris. Statistika parametris
digunakan untuk menganalisis data interval atau rasio yang diambil dari populasi
yang berdistribusi normal, contoh analisis statistika parametris adalah Uji-t,
ANOVA, Regresi, dan sebagainya. Sedang statistika nonparametris digunakan untuk
menganalisis data ordinal dan nominal dari populasi yang distribusinya tidak mesti

7
diasumsikan normal, contoh uji nonparametris adalah Khi-kuadrat, koefisien korelasi
Spearmen, Uji Mann-Whitney, Uji Friedman.

Berikut gambar 1.2 yang menyajikan informasi tentang perbedaan alur kegiatan
antara statistika desktiptif dan statistika inferensi.

gambar 2.2 Alur kegiatan Statistika

(sumber:https://freelearningji.wordpress.com/20
13/03/20/statistika-untuk-penelitian/)

8
 Kegiatan (a) sampai dengan (c) dikenal sebagai statistika deskriptif, yang berkaitan
dengan pengumpulan, pengolahan serta penyajian data. Sedangkan kegiatan (d) dan
(e) dikenal dengan istilah statistik inferensi, yaitu yang berkaitan dengan kegiatan
menyimpulkan dan menarik kesimpulan.

3. Populasi VS Sampel
Populasi adalah jumlah keseluruhan dari satuan-satuan atau individu-individu
yang karakteristiknya hendak diteliti. Dan satuan-satuan tersebut dinamakan unit
analisis, dan dapat berupa orang-orang, institusi-institusi, benda-benda, dst.
Apa yang dimaksud dengan sampel? Sampel disebut juga contoh. Berdasarkan
pakar atau ahli, “sampel adalah sebagian dari populasi yang karakteristiknya hendak
diteliti”. sampel yang baik, yang kesimpulannya dapat dikenakan pada populasi,
adalah sampel yang bersifat representatif atau yang dapat menggambarkan
karakteristik populasi.

gambar 2.3 Populasi dan Sampel Adalah Seperti Organisme dan Organ

9
 (sumber: https://towardsdatascience.com/)

Berdasarkan gambar ilustrasi populasi dan sampel diatas, maka dapat

kita simpulkan bahwa populasi itu seperti sebuah organisme, sedangkan
sampel adalah organ. Jadi, sampel adalah bagian yang tidak terpisahkan
dari populasi. Dan sampel dalam hal ini haruslah dapat mewakili
karakteristik dari keseluruhan populasi. Harapannya adalah, jika kita
melakukan penelitian pada sampel, maka hasilnya harus dapat
digunakan sebagai generalisasi bagi keseluruhan populasi.

Ada dua kriteria sampel yaitu kriteria inklusi dan kriteria

eksklusi. Penentuan kriteria sampel diperlukan untuk mengurangi hasil
penelitian yang bias. Kriteria inklusi adalah karakteristik umum subjek
penelitian dari suatu populasi target yang terjangkau yang akan diteliti,
Sedangkan yang dimaksud dengan Kriteria eksklusi adalah
menghilangkan atau mengeluarkan subjek yang memenuhi kriteria
inklusi dari penelitian karena sebab-sebab tertentu.

4. Statistik VS Parameter
Statistik (bukan statistika) adalah besaran dalam statistika yang
mencirikan keadaan cuplikan (sampel). Statistik adalah penduga
(estimator) bagi parameter. Parameter sendiri mencirikan populasi.
Nama statistik kerap kali sama dengan nama parameter, seperti
"rerata" (mean), "simpangan baku", dan "koefisien korelasi", tetapi
memiliki batasan matematis yang dapat berbeda.

5. Distribusi & Rata – Rata

10
 Pada eksperimen statistik seringkali yang lebih menarik perhatian
untuk diamati adalah nilai-nilai yang ditentukan oleh titik
sampel,bukan titik sampel itu sendiri.
Pandanglah kembali ruang sampel S yang menunjukkan semua
hasil yang mungkin terjadi dari pelemparan dua uang logam berisi
muka (m) dan besisi belakang (b) berikut ini

S = {(m,m), (m,b), (b,m), (b,b)}

Pada S kita dapat mengamati kejadian banyaknya muncul muka

(m) yang kita sebut sebagai variabel X,dengan memakai relasi X pada
S ke himpunan bagian bilangan riil Rx seperti berikut :

DISTRIBUSI NORMAL
Distribusi normal, disebut pula distribusi Gauss, adalah distribusi
probabilitas yang paling banyak digunakan dalam berbagai analisis
statistika. Distribusi normal baku adalah distribusi normal yang
memiliki rata-rata nol dan simpangan baku satu. Distribusi ini juga
dijuluki kurva lonceng (bell curve) karena grafik fungsi kepekatan
probabilitasnya mirip dengan bentuk lonceng.
Distribusi normal memodelkan fenomena kuantitatif pada ilmu
alam maupun ilmu sosial. Beragam skor pengujian psikologi dan
fenomena fisika seperti jumlah foton dapat dihitung melalui
pendekatan dengan mengikuti distribusi normal. Distribusi normal
banyak digunakan dalam berbagai bidang statistika, misalnya
distribusi sampling rata-rata akan mendekati normal, meski distribusi
populasi yang diambil tidak berdistribusi normal. Distribusi normal
juga banyak digunakan dalam berbagai distribusi dalam statistika, dan
kebanyakan pengujian hipotesis mengasumsikan normalitas suatu
data.
Dari gambar di atas maka dapat diperoleh sifat-sifat kurva
normal, yaitu :

11
1. Modusnya yaitu titik pada sumbu mendatar yang membuat fungsi
mencapai maksimum yang terjadi pada x = µ
2. Kurvanya setangkup terhadapa suatu garis tegak yang melalui
nilai tengah µ
3. Kurva ini mendekati sumbu mendatar secara asimtotik dalam
kedua arah bila kita semakin menjauhi nilai tengahnya.
Luasan daerah yang terletak di bawah kurva tetapi di atas sumbu
mendatar sama dengan 1

DISTRIBUSI BINOMIAL
Dalam teori probabilitas dan statistika, distribusi binomial adalah
distribusi probabilitas diskret jumlah keberhasilan dalam n percobaan
ya/tidak (berhasil/gagal) yang saling bebas, dimana setiap hasil
percobaan memiliki probabilitas p. Eksperimen berhasil/gagal juga
disebut percobaan bernoulli. Ketika n = 1, distribusi binomial adalah
distribusi bernoulli. Distribusi binomial merupakan dasar dari uji
binomial dalam uji signifikansi statistik.
Distribusi ini seringkali digunakan untuk memodelkan jumlah
keberhasilan pada jumlah sampel n dari jumlah populasi N. Apabila
sampel tidak saling bebas (yakni pengambilan sampel tanpa
pengembalian), distribusi yang dihasilkan adalah distribusi
hipergeometrik, bukan binomial. Semakin besar N daripada n,
distribusi binomial merupakan pendekatan yang baik dan banyak
digunakan

DISTRIBUSI POISSON
Dalam teori probabilitas dan statistika, distribusi poisson
(dilafalkan ejaan Perancis: [pwasɔ]̃ ) adalah distribusi probabilitas
diskret yang menyatakan peluang jumlah peristiwa yang terjadi pada
periode waktu tertentu apabila rata-rata kejadian tersebut diketahui
dan dalam waktu yang saling bebas sejak kejadian terakhir. (distribusi

12
poisson juga dapat digunakan untuk jumlah kejadian pada interval
tertentu seperti jarak, luas, atau volume).
Distribusi ini pertama kali diperkenalkan oleh Siméon-Denis
Poisson (1781–1840) dan diterbitkan, bersama teori probabilitasnya,
pada tahun 1838 dalam karyanyaRecherches sur la probabilité des
jugements en matière criminelle et en matière civile (“Penelitian
Probabilitas Hukum Masalah Pidana dan Perdata”). Karyanya
memfokuskan peubah acak N yang menghitung antara lain jumlah
kejadian diskret (kadang juga disebut “kedatangan”) yang terjadi
selama interval waktu tertentu.
Apabila nilai harapan kejadian pada suatu interval adalah , maka
probabilitas terjadi peristiwa sebanyak k kali (k adalah bilangan bulat
non negatif, k = 0, 1, 2, …) maka sama dengan

 e adalah basis logaritma natural (e = 2.71828…)

 k adalah jumlah kejadian suatu peristiwa — peluang yang
diberikan oleh fungsi ini
 k! adalah faktorial dari k
 λ adalah bilangan riil positif, sama dengan nilai harapan peristiwa
yang terjadi dalam interval tertentu.
Misalnya, peristiwa yang terjadi rata-rata 4 kali per menit, dan akan
dicari probabilitas terjadi peristiwa k kali dalam interval 10 menit,
digunakan distribusi poisson sebagai model dengan λ = 10×4 = 40.
Sebagai fungsi k, ini disebut fungsi massa probabilitas. The Distribusi
poisson dapat diturunkan sebagai kasus terbatas distribusi binomial.
Distribusi poisson dapat diterapkan pada sistem dengan kejadian
berjumlah besar yang yang mungkin terjadi, yang mana kenyataannya
cukup jarang

DISTRIBUSI SAMPLING

13
 Distribusi sampling adalah topik yang sangat penting dalam
statistik inferensi. Karena pengambilan sampel merupakan salah satu
hal yang memberikan kontribusi besar dalam pengambilan keputusan
yang dibuat. Singkatnya, sampling dilakukan karena ada keterbatasan
waktu dan dana untuk setiap studi. Sebagai contoh, dampak kenaikan
harga BBM terhadap masyarakat kecil. Di sini perlu dilakukan definisi
secara jelas siapa yang menjadi target dari “masyarakat kecil”
tersebut. Melalui indikator yang dibuat dapat dilakukan spesifikasi
“masyarakat kecil” yang sesuai dengan kebutuhan studi, selanjutnya
dapat dilakukan sampling.
Sebagai contoh, diambil 100 sampel dari 1000 populasi, yaitu
wanita pekerja yang tidak memiliki pembantu RT di distrik A. Untuk
populasi yang sangat besar perlu dilakukan sampling, dari sampling
tersebut, dihitung berapakah rata-rata sampel dan standar deviasi
sampel. Untuk sampel yang berbeda, diperoleh rata-rata dan standar
deviasi yang berbeda. Distribusi probabilitas untuk seluruh sampel
yang memungkinkan disebut dengan distribusi rata-rata sampel atau
dikenal juga dengan distribusi sampling rata-rata.

Distribusi sampling terbagi menjadi

1. Distribusi sampling rerata
2. Distribusi sampling proporsi.

Jenis – jenis distribusi sampling yaitu distribusi sampling rata – rata,

distribusi sampling proporsi, distribusi sampling deviasi standar,
distribusi sampling selisih rata – rata, dan distribusi sampling

 selisih proporsi.
a) Distribusi sampling rata – rata
– Distribusi dari besaran rata – rata yang muncul dari sampel
– Distribusi sampling yang statistik sampelnya merupakan rata –
rata hitung suatu sampel.

14
 b) Distribusi sampling proporsi
– Distribusi sampling proporsi adalah distribusi dari proporsi
(presentase) yang diperoleh dari semua sampel sama besar yang
mungkin dari suatu populasi.
– Distribusi sampling proporsi dapat juga digunakan untuk
mengetahui presentase atau perbandingan antara dual hal yang
berkomplemen ( peristiwa binomial ), seperti presentase perokok
atau bukan perokok.
c) Distribusi sampling selisih rata – rata
– Distribusi yang statistic sampelnya merupakan selisih rata – rata
sampel.
d) Distribusi sampling selisih proporsi
– Distribusi sampling beda dua proporsi adalah distribusi dari
perbedaan dua besaran proporsi yang muncul dari sampel dua.

Rata-rata Hitung (Mean)

Rata-rata hitung dapat kita sebut juga dengan mean yaitu jumlah
nilai suatu data dibagi dengan banyaknya data akan menghasilkan
rata-rata nilai suatu data tersebut. Rata-rata hitung dinyatakan dengan
notasi X untuk sampel.

Ada beberapa rumus untuk menghitung rata-rata hitung, yaitu :

1.1 Rata-rata hitung untuk data tunggal

Rumus:

15
contoh soal : nilai ujian Statisktika dari 20 orang mahasiswa dikelas b
semester empat fakultas Ekonomi Syari'ah adalah
9,7,8,7,6,9,6,7,7,8,8,7,8,9,6,6,7,6,7,10. tentukan nilai rata-ratanya?

Jadi kesimpulannya :

1. terdapat 20 nilai statistik dari mahasiswa kelas b.

2. ke-20 nilai tersebut dijumlahkan.

3. lalu hasil penjumlahannya kita bagikan dengan banyaknya nilai

tersebut dan,

4. Hasil akhir menunjukan nilai rata-rata.

1.2 Data tunggal yang memiliki frekuensi

Untuk data yang telah disusun dalam daftar distribusi frekuensi rata-
rata dihitung dengan:

16
 Contoh Soal:

Nilai Matematika dari Sekolah Dasar (SD) ada 5 siswa yang

mendapatkan nilai 5, 8 siswa mendapat nilai 6, 15 siswa mendapat nilai
7, 20 siswa mendapat nilai 8, 10 siswa mendapat nilai 9, dan 2 siswa
mendapat nilai 10. Rumus :

Tabel 1
  Daftar Distribusi Frekuensi dan Produk fx

Keterangan dari tabel:

1. Nilai x adalah nilai pelajaran matematika dari para siswa.

2. Frekuensi atau f adalah jumlah siswa yang mendapatkan nilai tertentu.

3. fx adalah hasil dari nilai x dikali frekuensi.

17
Penyeleaian:

6. Proses Sampling & Inferensi

Teknik pencuplikan, teknik pengambilan contoh, atau teknik
sampling adalah bagian dari metodologi statistika yang berhubungan
dengan prosedur sistematis dalam pengambilan sebagian anggota
populasi untuk keperluan pendugaan (estimasi). Jika pencuplikan
dilakukan dengan teknik yang tepat, analisis statistik dari suatu sampel
dapat digunakan untuk menggeneralisasikan keseluruhan populasi.
Metode sampling banyak menggunakan teori probabilitas dan teori
statistika. Teknik pencuplikan mencakup tahap-tahap berurutan
sebagai berikut.
1. Memberi batasan populasi yang hendak diamati.
2. Menentukan bingkai sampel, yakni kumpulan semua item atau
peristiwa yang mungkin.
3. Menentukan metode sampling yang tepat.
4. Melakukan pengambilan sampel (pengumpulan data).
5. Melakukan pengecekan ulang proses sampling.

Inferensi statistik adalah pengambilan kesimpulan tentang

parameter populasi berdasarkan analisa pada sampel. Beberapa hal
yang perlu diketahui berhubungan dengan inferensi statistik yaitu
estimasi titik, estimasi interval dan uji hipotesis. Estimasi titik adalah

18
menduga nilai tunggal parameter populasi. Estimasi Interval adalah
menduga nilai parameter populasi dalam bentuk interval.

Uji hipotesis adalah suatu proses untuk menentukan apakah

dugaan tentang nilai parameter /karakteristik populasi didukung kuat
oleh data sampel atau tidak.

Hipotesis dalam inferensi statistik di bedakan menjadi hipotesis

nol (Ho), yaitu hipotesis yang akan diuji oleh suatu prosedur statistik,
biasanya berupa suatu pernyataan tidak adanya perbedaan atau tidak
adanya hubungan, dan hipotesis alternativ (H1), yaitu hipotesis yang
merupakan lawan dari Ho biasanya berupa pernyataan tentang adanya
perbedaan atau adanya hubungan, yang selanjutnya digunakan untuk
menunjukan bahwa pernyataan mendapat dukungan kuat dari data.

Tahap-tahap uji hipotesis secara umum, yaitu:

1. Tentukan model probabilitas yang cocok dari data,

2. Tentukan hipotesis Ho dan H1,

3. Tentukan statistik penguji,

4. Tentukan tingkat signifikansi,

5. Tentukan daerah kritik berdasarkan tingkat signifikansi,

6. Hitung statistik penguji,

7. Alternatif, hitung p-value berdasarkan statistik penguji, dan

19
 8. Ambil kesimpulan berdasarkan poin 6 dan 7.

7. Sensus VS Sampling
Sensus merupakan suatu metode pengumpulan data (observasi)
dimana peneliti melakukan pengumpulan data terhadap keseluruhan
populasi. Data yang didapatkan merupakan data akurat karena
langsung melakukan observasi terhadap objek penelitiannya.
Sampling merupakan suatu metode pengumpulan data (observasi)
dimana peneliti hanya mengambil beberapa sampel dari suatu populasi
yang kemudian diharapkan mendapatkan data yang merepresentasikan
populasinya. Data yang didapatkan merupakan data perkiraan, dimana
biasanya terdapat galat atau error disana.
Perbedaan sensus dan sampling :
1. Sensus memiliki hasil pengumpulan data lebih akurat, sedangkan
sampling kurang akurat karena hanya meneliti beberapa sampel.
2. Sensus memerlukan waktu dan biaya yang besar dalam
melakukannya, sedangkan sampling memerlukan waktu dan biaya
lebih sedikit.
3. Sensus memerlukan pertimbangan yang lebih banyak seperti
tenaga, biaya dan jangkauan sedangkan sampling relatif lebih
simple daripada sensus.

8. Sampel Random Sederhana (Simple Random Sampling)

Sampel Random Sederhana merupakan sistem pengambilan
sampel secara acak dengan menggunakan undian atau tabel angka
random. Tabel angka random merupakan tabel yang dibuat dalam
komputer berisi angka-angka yang terdiri dari kolom dan baris, dan
cara pemilihannya dilalukan secara bebas. Pengambilan acak secara
sederhana ini dapat menggunakan prinsip pengambilan sampel dengan
pengembalian ataupun pengambilan sampel tanpa pengembalian.

20
Kelebihan dari pemngembilan acak sederhana ini adalah mengatasi
bias yang muncul dalam pemilihan anggota sampel, dan kemampuan
menghitung standard error. Sedangkan,kekurangannya adalah tidak
adanya jaminan bahwa setiap sampel yang diambil secara acak akan
merepresentasikan populasi secara tepat.
Menurut Sugiyono, teknik simple random sampling adalah teknik
pengambilan sampel dari anggota populasi yang dilakukan secara acak
tanpa memperhatikan strata yang ada dalam populasi itu. Berikut
adalah beberapa pengertian simple random sampling menurut para
ahli:
 Menurut Kerlinger, simple random sampling adalah metode
penarikan dari sebuah populasi atau semesta dengan cara tertentu
sehingga setiap anggota populasi atau semesta tadi memiliki
peluang yang sama untuk terpilih atau terambil.
 Margono menyatakan bahwa simple random sampling adalah
teknik untuk mendapatkan sampel yang langsung dilakukan pada
unit sampling. Dengan demikian setiap unit sampling sebagai
unsur populasi yang terpencil memperoleh peluang yang sama
untuk menjadi sampel atau untuk mewakili populasi. Cara
demikian dilakukan bila anggota populasi dianggap homogen.

Berdasarkan pengertian para ahli diatas, maka kami

menyimpulkan bahwa, pengertian teknik sampling acak sederhana
adalah suatu teknik pengambilan sampel atau elemen secara acak,
dimana setiap elemen atau anggota populasi memiliki kesempatan
yang sama untuk terpilih menjadi sampel.

Contohnya: “Jumlah siswa disebuah kelas di SMA tertentu di

Jakarta yang akan diberikan bantuan. Simple random sampling ini bisa
dilakukan melalui undian, tabel bilangan random atau dengan acak
sistematis.

21
 Teknik ini dapat dipergunakan bilamana jumlah unit sampling di
dalam suatu populasi tidak terlalu besar. Misal, populasi terdiri dari
100 orang siswa IPA. Untuk memperoleh sampel sebanyak 30 orang
dari populasi tersebut, digunakan teknik ini, baik dengan cara undian,
ordinal, maupun tabel bilangan random. Teknik ini dapat digambarkan
di bawah ini.

Dalam teknik sampling acak sederhana ini, perbedaan karakter

yang mungkin ada pada setiap unsur atau elemen populasi tidak
merupakan hal yang penting bagi rencana analisisnya. Misalnya,
dalam populasi ada laki-laki dan perempuan, atau ada yang kaya dan
yang miskin, ada manajer dan bukan manajer, dan perbedaan-
perbedaan lainnya.

Selama perbedaan perbedaan-perbedaan tersebut bukan

merupakan sesuatu hal yang penting dan mempunyai pengaruh yang
signifikan terhadap hasil penelitian, maka peneliti dapat mengambil
sampel secara acak sederhana.

Maka dengan demikian setiap unsur populasi harus mempunyai

kesempatan yang sama untuk bisa dipilih menjadi sampel.

a) Syarat Simple Random Sampling

Syarat penggunaan dari teknik sampling acak sederhana:
1. teknik ini digunakan jika elemen populasi bersifat homogen,
sehingga elemen manapun yang terpilih menjadi sampel
dapat mewakili populasi.
2. Dilakukan jika analisis penelitiannya cenderung deskriptif
dan bersifat umum.
b) Kekurangan dan kelebihan simple random sampling
Kekurangan dari teknik sampling ini antara lain:
1. Butuh daftar anggota populasi,

22
 2. Butuh waktu lama,
3. Mahal.

Sedangkan kelebihan dari teknik ini adalah mudah diterapkan.

c) Prosedur Simple Random Sampling

Prosedur dalam teknik ini adalah:
1. Susun “sampling frame”.
2. Tetapkan jumlah sampel yang akan diambil.
3. Tentukan alat pemilihan sampel.
4. Pilih sampel sampai dengan jumlah terpenuhi.

Contoh : Sebuah populasi beranggotakan 4 elemen (e1, e2, e3,

e4). Selanjutnya akan dipilih dua elemen sebagai sampel, maka
kemungkinan kombinasi 2 sampel itu adalah sebagai berikut:

Kemungkinan I : e1, e2

Kemungkinan II : e1, e3

Kemungkinan III : e1, e4

Kemungkinan IV : e2, e3

Kemungkinan V : e2, e4

Kemungkinan VI : e3, X4

9. Pengambilan Sampel (Pemcuplikan)

1. Pencuplikan (Sampling) Acak (Random sampling)

23
 Artinya, setiap anggota dari populasi memiliki kesempatan
dan peluang yang sama untuk dipilih sebagai sampel. Tidak ada
intervensi tertentu dari peneliti.Masing-masing jenis dari
pengambilan acak (probability sampling) ini memiliki kelebihan
dan kelemahan sendiri.
a) Pengambilan acak sederhana (Simpel random sampling)
Merupakan sistem pengambilan sampel secara acak dengan
menggunakan undian atau tabel angka random. Tabel angka
random merupakan tabel yang dibuat dalam komputer berisi
angka-angka yang terdiri dari kolom dan baris, dan cara
pemilihannya dilalukan secara bebas. Pengambilan acak secara
sederhana ini dapat menggunakan prinsip pengambilan sampel
dengan pengembalian ataupun pengambilan sampel tanpa
pengembalian. Kelebihan dari pemngembilan acak sederhana ini
adalah mengatasi bias yang muncul dalam pemilihan anggota
sampel, dan kemampuan menghitung standard error.
Sedangkan,kekurangannya adalah tidak adanya jaminan bahwa
setiap sampel yang diambil secara acak akan merepresentasikan
populasi secara tepat.
b) Pengambilan acak secara sistematis (Systematic random
sampling)
Merupakan sistem pengambilan sampel yang dilakukan
dengan menggunakan selang interval tertentu secara berurutan.
Misalnya, jika ingin mengambil 1000 sampel dari 5000 populasi
secara acak, maka kemungkinan terpilihnya 1/5. Diambil satu
angka dari interval pertama antara angka 1-5, dan dilanjutkan
dengan pemilihan angka berikutnya dari interval selanjutnya.
Kelebihan dari pengambilan acak secara sistematis ini adalah
lebih praktis dan hemat dibanding dengan pengambilan acak
sederhana. Sedangkan, kekurangannya adalah tidak bisa
digunakan pada penelitian yang heterogen karena tidak mampu
menangkap keragaman populasi heterogen.

24
 c) Pengambilan acak berdasarkan lapisan (Stratified random
sampling)
Merupakan sistem pengambilan sampel yang dibagi menurut
lapisan-lapisan tertentu dan masing-masing lapisan memiliki
jumlah sampel yang sama. Kelebihan dari pengambilan acak
berdasar lapisan ini adalah lebih tepat dalam menduga populasi
karena variasi pada populasi dapat terwakili oleh sampel.
Sedangkan, kekurangannya adalah harus memiliki informasi dan
data yang cukup tentang variasi populasi penelitian. Selain itu,
kadang-kadang ada perbedaan jumlah yang besar antar masing-
masing strata.
d) Pengambilan acak berdasar area (Cluster sampling)
Merupakan sistem pengambilan sampel yang dibagi
berdasarkan areanya. Setiap area memiliki jatah terambil yang
sama. Kelebihan dari pengambilan acak berdasar area ini adalah
lebih tepat menduga populasi karena variasi dalam populasi
dapat terwakili dalam sampel. Sedangkan, kekurangannya
adalah memerlukan waktu yang lama karena harus membaginya
dalam area-area tertentu.
2. Tidak acak (Non-random sampling)
Merupakan cara pengambilan sampel secara tidak acak di
mana masing-masing anggota tidak memiliki peluang yang sama
untuk terpilih anggota sampel. Ada intervensi tertentu dari
peneliti dan biasa peneliti menyesuaikan dengan kebutuhan dan
tujuan penelitiannya.

a) Pengambilan sesaat (Accidental/haphazard sampling)

Merupakan teknik pengambilan sampel yang dilakukan
dengan tiba-tiba berdasarkan siapa yang ditemui oleh peneliti.
Misalnya, reporter televisi mewawancarai warga yang kebetulan

25
 sedang lewat. Kelebihan dari pengambilan sesaat ini adalah
kepraktisan dalam pemillihan anggota sampel. Sedangkan,
kekurangannya adalah belum tentu responden memiliki
karakteristik yang dicari oleh peneliti.
b) Pengambilan menurut jumlah (Quota sampling)
Merupakan pengambilan anggota sampel berdasarkan jumlah
yang diinginkan oleh peneliti. Kelebihan dari pengambilan
menurut jumlah ini adalah praktis karena jumlah sudah
ditentukan dari awal. Sedangkan, kekurangannya adalah bias,
belum tentu mewakili seluruh anggota populasi.
c) Pengambilan menurut tujuan (Purposive sampling)
Merupakan pemilihan anggota sampel yang didasarkan atas
tujuan dan pertimbangan tertentu dari peneliti. Kelebihan dari
pengambilan menurut tujuan ini adalah tujuan dari peneliti dapat
terpenuhi. Sedangkan, kekurangannya adalah belum tentu
mewakili keseluruhan variasi yang ada.
d) Pengambilan beruntun (Snow-ball sampling)
Merupakan teknik pengambilan sampel yang dilakukan
dengan sistem jaringan responden. Mulai dari mewawancarai
satu responden. Kemudian, responden tersebut akan
menunjukkan responden lain dan responden lain tersebut akan
menunjukkan responden berikutnya. Hal ini dilakukan secara
terus-menerus sampai dengan terpenuhinya jumlah anggota
sampel yang diingini oleh peneliti. Kelebihan dari pengambilan
beruntun ini adalah bisa mendapatkan responden yang kredibel
di bidangnya. Sedangkan, kekurangannya adalah memakan
waktu yang cukup lama dan belum tentu mewakili keseluruhan
variasi yang ada.
10. Representative Sample
Sampel representatif (representative sample) adalah sampel yang
karakteristiknya hampir sama dengan yang dimiliki oleh populasi,
yang berarti item item yang di jadikan sampel populasi serupa dengan

26
item item yang tidak dijadikan sampel. Jika tidak ada atau ditemukan
banyak item yang hilang, sampel tersebut dianggap nonrepresentatif.
Salah satu cara untuk mengetahui apakah suatu sampel bersifat
representatif adalah dengan melakukn audit lebih lanjut atas populasi
secara keseluruhan. Akan tetapi, auditor dapat meningkatkan
kemungkinan sampel dianggap representatif dengan menggunakannya
secara cermat ketika merancang proses sampling, pemilihan sampel,
dan evaluasi sampel.Hasil sampel dapat menjadi non representatif
akibat kesalahan nonsampling atau kesalahan sampling.
Risiko dari dua jenis kesalahan yang terjadi tersebut disebut
sebagai risiko nonsampling dan risiko sampling. Risiko nonsampling
(nonsampling risk) adalah risiko bahwa pengujian audit tidak
menemukan pengecualian yang ada dalam sampel. Kegagalan auditor
untuk mengenali pengecualian dan prosedur audit yang tidak sesuai
atau tidak efektif adalah penyebab risiko nonsampling. Prosedur audit
yang tidak efektif untuk mendeteksi pengecualian yang di ragukan
adalah dengan memeriksa sampel dokumen pengiriman dan
menentukan apakah masingmasing telah dilampirkan ke faktur
penjualan, dan bukan memeriksa sampel salinan faktur penjualan
untuk menentukan apakah dokumen pengiriman telah dilampirkan.
Cara untuk mengendalikan risiko nonsampling bisa dilakukam dengan
merancang prosedur audit dengan cermat, instruksi yang tepat,
pengawasan dan melakukan review. Risiko sapling (sampling risk)
adalah risiko bahwa auditor mencapai kesimpulanyang salah karna
sampel populasi yang tidak representatif. Risiko sampling adalah
bagian sampling yang melekat akibat pengujian lebih sedikit dari
populasi secara keseluruhan.
Auditor memiliki dua carauntuk mengendalikan risiko sampling:
1. Menyesuaikan ukuran sampel.
2. Menggunakan metode pemilihan item sampel yang tepat dari
populasi.

27
11. Statistik dan Permasalahannya
Hananto Sigit, B. St., dalam bukunya Statistik Suatu Pengantar
(1966) mengemukakan ada tiga permasalahan dasar dalam Statistik,
yaitu: (1) Permasalahan tentang Rata-rata (Average), (2)
Permasalahan tentang Pemencaran atau Penyebaran (Variability atau
Dilpersion), dan (3) Permasalahan tentang Saling-Hubungan
(Korelasi).
Menurut Hananto Sigit, kita tidak perlu berpikir jauh-jauh dan
mendalam jika kita ingin tahu apa persoalan statistik yang
sebenarnya itu. Pada dasarnya setiap orang, baik sadar ataupun tidak,
telah berpikir dengan mempergunakan ide-ide statistik (statistical
ideas). Betapa tidak, kita sering mempergunakan pengertian “rata-
rata” (average) dalam kehidupan kita sehari-hari. Seorang gnu akan
mengambil nilai rata-rata yang diperoleh muridnya untuk
mengetahui bagaimana kualitas muridnya; seorang produsen antara
lain akan menggunakan angka rata-rata penghasilan penduduk pada
suatu daerah untuk mengetahui apakah kira-kira marketing hasil
produksinya bisa berhasil; seorang sarjana ekonomi akan
mempergunakan pendapatan nasional per kapita untuk mengetahui
bagaimanakah keadaan kehidupan masyarakat suatu negara. Semua
telah mengenal konsep “rata-rata” ini baik dipergunakan untuk
tujuan yang tinggi dan muluk ataupun untuk hal yang sepele dan
sederhana.
Suatu persoalan statistik lainnya adalah apa yang dikenal dengan
nama “dispersi” (dispersion) atau “variabilitas”. Seorang guru
mungkin akan berkata bahwa kepandaian muridnya dari kelas A
adalah lebih merata (homogen) daripada murid kelas B. Dalam hal
ini murid kelas B perbedaan kepandaiannya satu dengan lainnya
lebih tajam daripada antarmurid dalam kelas A. Seorang produsen
bola lampu listrik akan mengharapkan kualitas bola lampu listrik

28
yang diproduksinya sedapat mungkin seragam; artinya jangan ada
perbedaan ketahanan (umurnya) yang berbeda-beda besar antara bola
lampu yang satu dengan lainnya, variabilitas kualitas bola lampu
listrik itu supaya sekecil mungkin. Dengan sederhana di sini kita
telah mengenal kata yang sudah diindonesiakan, yaitu “variasi” yang
artinya: “banyak ragamnya”. Dalam kehidupan sehari-hari kita
senang pada sesuatu yang kaya variasinya hingga tidak
membosankan. Tetapi dalam statistik justru kita biasanya
mengusahakan supaya sesuatu itu tidak banyak variasinya, supaya
variabilitasnya kecil. Ukuran variabilitas yang kecil akan
menunjukkan kualitas yang tinggi. Secara senda gurau, mungkin
inilah sebabnya mengapa statistik dianggap membosankan oleh
sebagian besar orang.
Sebuah persoalan lain lagi dari statistik adalah persoalan tentang
“korelasi” atau “asosiasi”, persoalan hubungan. Seseorang mungkin
berkata bahwa jika ada “bintang berekor” di langit maka akan murah
sandang pangan; atau seorang produsen mungkin berkata bahwa jika
inflasi makin deras, maka akan banyak perusahaan gulung tikar; atau
seorang guru akan berkata bahwa mereka yang pandai dalam
matematika juga akan pandai dalam ilmu Esika, dan sebagainya.
Tiga persoalan statistik: “rata-rata”, “variabilita” dan “korelasi”
inilah yang merupakan persoalan dasar statistik-suatu persoalan yang
pasti sudah tidak asing lagi. Semua persoalan tersebut akan dapat
dinyatakan dengan besaran bilangan, dan dengan batas-batas tertentu
kita nantinya dapat menganalisis lebih lanjut.
Menurut penulis, sebelum memasuki ke tiga jenis permasalahan
sebagaimana dikemukakan oleh Hananto Sigit di atas tadi, ada satu
permasalahan awal yang sangat sederhana, yaitu persoalan tentang
distribusi frekuensi atau persoalan tentang pencaran frekuensi yang
dalam kegiatan analisis statistik boleh dikatakan merupakan “kunci
pembuka”-nya. Erat sekali kaitannya dengan pernyataan di atas, saya

29
 kira perlu dibicarakan dahulu permasalahan tentang Distribusi
Frekuensi Rata-rata, Penyebaran Data dan Karelasi.

12. Skala Pengukuran

Pengukuran dapat didefinisikan sebagai suatu proses sistimatik
dalam menilai dan membedakan sesuatu obyek yang diukur.
Pengukuran tersebut diatur menurut kaidah-kaidah tertentu. Kaidah-
kaidah yang berbeda menghendaki skala serta pengukuran yang
berbeda pula.
Dalam mengolah dan menganalisis data, kita sangat
berkepentingan dengan sifat dasar skala pengukuran yang
digunakan. Operasi-operasi matematik serta pilihan peralatan
statistik yang digunakan dalam pengolahan data, pada dasarnya
memiliki persyaratan tertentu dalam hal skala pengukuran datanya.
Ketidaksesuaian antara skala pengukuran dengan operasi
matematik /peralatan statistik yang digunakan akan menghasilkan
kesimpulan yang bias dan tidak tepat/relevan.
Oleh karenanya, dalam tulisan kali ini, menyambung dua tulisan
sebelumnya (Transformasi Data Ordinal ke Interval dengan Excel
dan Transformasi Data Ordinal ke Interval dengan Minitab), kita
akan mencoba memahami skala-skala pengukuran yang ada serta
perbedaan-perbedaannya.
Ada empat tipe pengukuran atau skala pengukuran yang
digunakan dalam statistika, yakni: nominal, ordinal, interval, dan
rasio.
1. Nominal
Skala Nominal merupakan skala yang paling lemah/rendah
di antara skala pengukuran yang ada. Skala nominal hanya bisa
membedakan benda atau peristiwa yang satu dengan yang
lainnya berdasarkan nama (predikat). Skala pengukuran nominal

30
 digunakan untuk mengklasifikasi obyek, individual atau
kelompok dalam bentuk kategori.
Pemberian angka atau simbol pada skala nomial tidak
memiliki maksud kuantitatif hanya menunjukkan ada atau tidak
adanya atribut atau karakteristik pada objek yang diukur.
Misalnya, jenis kelamin diberi kode 1 untuk laki-laki dan kode 2
untuk perempuan. Angka ini hanya berfungsi sebagai label.
kategori, tanpa memiliki nilai instrinsik dan tidak memiliki
arti apa pun. Kita tidak bisa mengatakan perempuan dua kali
dari laki-laki. Kita bisa saja mengkode laki-laki menjadi 2 dan
perempuan dengan kode 1, atau bilangan apapun asal kodenya
berbeda antara laki-laki dan perempuan. Misalnya lagi untuk
agama, kita bisa mengkode 1=Islam, 2=Kristen, 3=Hindu,
4=Budha dstnya. Kita bisa menukar angka-angka tersebut,
selama suatu karakteristik memiliki angka yang berbeda dengan
karakteristik lainnya.
Karena tidak memiliki nilai instrinsik, maka angka-angka
(kode-kode) yang kita berikan tersebut tidak memiliki sifat
sebagaimana bilangan pada umumnya. Oleh karenanya, pada
variabel dengan skala nominal tidak dapat diterapkan operasi
matematika standar (aritmatik) seperti pengurangan,
penjumlahan, perkalian, dan lainnya. Peralatan statistik yang
sesuai dengan skala nominal adalah peralatan statistik yang
berbasiskan (berdasarkan) jumlah dan proporsi seperti modus,
distribusi frekuensi, Chi Square dan beberapa peralatan statistik
non-parametrik lainnya.
2. Ordinal
Skala Ordinal ini lebih tinggi daripada skala nominal, dan
sering juga disebut dengan skala peringkat. Hal ini karena dalam
skala ordinal, lambang-lambang bilangan hasil pengukuran
selain menunjukkan pembedaan juga menunjukkan urutan atau
tingkatan obyek yang diukur menurut karakteristik tertentu.

31
 Misalnya tingkat kepuasan seseorang terhadap produk. Bisa
kita beri angka dengan 5=sangat puas, 4=puas, 3=kurang puas,
2=tidak puas dan 1=sangat tidak puas. Atau misalnya dalam
suatu lomba, pemenangnya diberi peringkat 1,2,3 dstnya.
Dalam skala ordinal, tidak seperti skala nominal, ketika kita
ingin mengganti angka-angkanya, harus dilakukan secara
berurut dari besar ke kecil atau dari kecil ke besar. Jadi, tidak
boleh kita buat 1=sangat puas, 2=tidak puas, 3=puas dstnya.
Yang boleh adalah 1=sangat puas, 2=puas, 3=kurang puas
dstnya.
Selain itu, yang perlu diperhatikan dari karakteristik skala
ordinal adalah meskipun nilainya sudah memiliki batas yang
jelas tetapi belum memiliki jarak (selisih). Kita tidak tahu
berapa jarak kepuasan dari tidak puas ke kurang puas. Dengan
kata lain juga, walaupun sangat puas kita beri angka 5 dan
sangat tidak puas kita beri angka 1, kita tidak bisa mengatakan
bahwa kepuasan yang sangat puas lima kali lebih tinggi
dibandingkan yang sangat tidak puas.
Sebagaimana halnya pada skala nominal, pada skala ordinal
kita juga tidak dapat menerapkan operasi matematika standar
(aritmatik) seperti pengurangan, penjumlahan, perkalian, dan
lainnya. Peralatan statistik yang sesuai dengan skala ordinal juga
adalah peralatan statistik yang berbasiskan (berdasarkan) jumlah
dan proporsi seperti modus, distribusi frekuensi, Chi Square dan
beberapa peralatan statistik non-parametrik lainnya.
3. Interval
Skala interval mempunyai karakteristik seperti yang
dimiliki oleh skala nominal dan ordinal dengan ditambah
karakteristik lain, yaitu berupa adanya interval yang tetap.
Dengan demikian, skala interval sudah memiliki nilai intrinsik,
sudah memiliki jarak, tetapi jarak tersebut belum merupakan
kelipatan. Pengertian “jarak belum merupakan kelipatan” ini

32
 kadang-kadang diartikan bahwa skala interval tidak memiliki
nilai nol mutlak.
Misalnya pada pengukuran suhu. Kalau ada tiga daerah
dengan suhu daerah A = 10oC, daerah B = 15oC dan daerah
C=20oC. Kita bisa mengatakan bahwa selisih suhu daerah B,
5oC lebih panas dibandingkan daerah A, dan selisih suhu daerah
C dengan daerah B adalah 5oC. (Ini menunjukkan pengukuran
interval sudah memiliki jarak yang tetap). Tetapi, kita tidak bisa
mengatakan bahwa suhu daerah C dua kali lebih panas
dibandingkan daerah A (artinya tidak bisa jadi kelipatan).
Kenapa ? Karena dengan pengukuran yang lain, misalnya
dengan Fahrenheit, di daerah A suhunya adalah 50oF, di daerah
B = 59oF dan daerah C=68oF. Artinya, dengan pengukuran
Fahrenheit, daerah C tidak dua kali lebih panas dibandingkan
daerah A, dan ini terjadi karena dalam derajat Fahrenheit titik
nolnya pada 32, sedangkan dalam derajat Celcius titik nolnya
pada 0. (Bagi yang menginginkan cara mengkonversi Celcius ke
Fahrenheit atau sebaliknya, lihat tulisan mengenai Konversi
Sistem-Sistem Pengukuran dengan Excel)
Contoh lainnya, misalnya dua orang murid, si A mendapat
nilai 70 sedangkan si B mendapat nilai 35. Kita tidak bisa
mengatakan si A dua kali lebih pintar dibandingkan si B.
Skala interval ini sudah benar-benar angka dan, kita sudah
dapat menerapkan semua operasi matematika serta peralatan
statistik kecuali yang berdasarkan pada rasio seperti koefisien
variasi.
4. Skala rasio
Skala rasio adalah skala data dengan kualitas paling tinggi.
Pada skala rasio, terdapat semua karakteristik skala
nominal,ordinal dan skala interval ditambah dengan sifat adanya
nilai nol yang bersifat mutlak. Nilai nol mutlak ini artinya
adalah nilai dasar yang tidak bisa diubah meskipun

33
menggunakan skala yang lain. Oleh karenanya, pada skala ratio,
pengukuran sudah mempunyai nilai perbandingan/rasio.
Pengukuran-pengukuran dalam skala rasio yang sering
digunakan adalah pengukuran tinggi dan berat. Misalnya berat
benda A adalah 30 kg, sedangkan benda B adalah 60 kg. Maka
dapat dikatakan bahwa benda B dua kali lebih berat
dibandingkan benda A.

34
 BAB III
PENUTUP

3.1 Kesimpulan
Dari semua materi di atas dapat disimpulkan bahwa statistik, data,
populasi dan sampel merupakan hal yang sangat di butuhkan dalam
membuat sebuah penelitian. Karena tanpa ada ke-empat hal tersebut
di atas maka sebuah penelitian akan sulit untuk di atur datanya.
Karena data yang kita teliti dalam bentuk populasi sangat banyak.
Dengan adanya empat hal tersebut maka penelitian dapat di lakukan
dengan mudah karena ada teknik-teknik yang memudahkan
berjalannya sebuah penelitian.

3.2 Saran
Makalah ini masih sangat jauh dari kesempurnaan, baik dari segi
penyajian bahan maupun dalam segi penulisan. Oleh sebab itu,
penyusun sangat mengharapkan kritik dan saran pembaca agar karya
tulis ini bisa menjadi berguna bagi pendidikan di indonesia.

35
 DAFTAR PUSTAKA

https://freelearningji.wordpress.com/2013/03/20/statistika-untuk-
penelitian/

https://freelearningji.wordpress.com/tag/statistika-inferensi/

https://guruakuntansi.co.id/pengertian-statistik/

https://id.wikipedia.org/wiki/Populasi_(statistika)

https://id.wikipedia.org/wiki/Sampel_(statistika)

https://id.wikipedia.org/wiki/Statistika

36
https://id.wikipedia.org/wiki/Statistika_deskriptif

https://www.statistikian.com/2012/10/pengertian-populasi-dan-
sampel.html

https://www.statistikian.com/2018/02/pengertian-simple-random-
sampling.html

37