STATISTIK INDUKTIF

MAKALAH

Diajukan Untukk Memenuhi Tugas Matakuliah Statistik

Oleh:
M. IQBAL
NIM. 1610204019

Dosen Pengampu
Rhomy Handican, M.Pd

JURUSAN TADRIS BIOLOGI FAKULTAS TARBIYAH

INSTITUT AGAMA ISLAM NEGERI (IAIN) KERINCI
1442H/2020M
 KATA PENGANTAR

Puji dan syukur penulis panjatkan kepada Allah SWT atas Berkat dan Rahmat-
Nya penulis dapat menyelesaikan Makalah Statistik Yang berjudul “Statistik
Deskriptip dan Induktif”. Makalah ini disusun untuk memenuhi tugas mata kuliah
Statistik.
Penulis menyadari bahwa, tanpa bantuan dan bimbingan dari berbagai pihak,
mulai dari tahap awal sampai tahap akhir penyusunan makalah sangatlah sulit bagi
penulis untuk menyelesaikan makalah ini.Oleh karena itu, pada kesempatan ini
penulis ingin menyampaikan ucapan terima kasih kepada berbagai pihak yang
telah membantu menyelesaikan karya tulis, kepada :

1. Orang tua yang memberi dukungan baik secara material dan moril
2. Bapak Rhomy Handican, M.Pd selaku dosen mata kuliah Statistik karena
telah membimbing dengan baik  dalam penyusunan makalah ini hingga
selesai.
3. Teman-teman yang terus memberikan semangat dan dukungan.

Penulis berharap makalah ini dapat bermanfaat bagi pembaca, adapun saran
dan kritik yang membangun sangat penulis harapkan guna menyempurnakan
karya tulis ini.

Kerinci , 27 Februari 2021

M. IQBAL
NIM. 1610204019
 BAB I
PENDAHULUAN

1.1    Latar belakang masalah

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,
pembayaran 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.

Macam statistik ada dua yaitu statistik Deskriptif dan Statistik Inferensial
(induktif) Statistik Deskriptif adalah statistik yang digunakan untuk
menggambarkan atau menganalisis suatu statistik hasil penelitian, tetapi tidak
digunakan untuk membuat kesimpulan yang lebih luas (generalisasi atau
inferensi).
Penelitian yang tidak menggunakan sampel, analisisnya akan menggunakan
statistik deskriptif. Demikian juga penelitian yang menggunakan sampel, tetapi
peneliti tidak bermaksud untuk membuat kesimpulan terhadap populasi darimana
sampel diambil, maka statistik yang digunakan adalah statistik deskriptif. Dalam
hal ini Teknik Korelasi dan Regresi juga dapat berperan sebagai Statistik
Deskriptif.
Sedangkan Statistik inferensial (induktif) adalah statistik yang digunakan
untuk menganalisis data sampel, dan hasilnya akan digeneralisasikan
(diinferensikan) untuk populasi dimana sampel diambil.
Selanjutnya Statistik Inferensial dapat dibedakan menjadi Statistik Parametris dan
Statistik Non Parametris. Statistik Parametris adalah digunakan untuk
 menganalisis data interval atau rasio, yang diambil dari populasi yang
berdistribusi normal.
Sedangkan Statistik Non Parametris adalah digunakan untuk menganalisis data
nominal dan ordinal dari populasi yang bebas distribusi. Jadi tidak harus normal.
Dalam hal ini Teknik Korelasi dan Regresi dapat berperan sebagai Statistik
Inferensial.
Didalam Melakukan Penelitian sendiri sering digunakan Variabel
Istilah variabel dapat diartikan bermacam – macam. Variabel diartikan sebagai
segala sesuatu yang akan menjadi objek pengamatan penelitian. Sering pula
dinyatakan variabel penelitian itu sebagai faktor-faktor yang berperan dalam
peristiwa atau gejala yang akan diteliti.

1.2    Rumusan masalah
Berdasarkan uraian latar belakang diatas, maka dalam makalah ini ada 4
(Empat) rumusan masalah yang terkaji yakni :
a. Apa yang dimaksud dengan Statistik Deskriptif dan Statistik Inferensial Serta
Statistik parametrik dan Non Parametrik ?
b. Apa fungsi dari Statistik Deskriptif dan Statistik Inferensial Serta Statistik
parametrik dan Non Parametrik ?
c. Apa saja  yang termasuk  ruang lingkup Statistik Deskriptif dan Statistik
Inferensial Serta Statistik parametrik dan Non Parametrik?
d. Apa Yang dimaksud Variabel Penelitian dan Pengukurannya

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 Serta
Statistik parametrik dan Non Parametrik?
b. Mengetahui fungsi dari Statistik Deskriptif dan Statistik Inferensial Serta
Statistik parametrik dan Non Parametrik?
c. Mengetahui ruang lingkup Statistik Deskriptif dan Statistik Inferensial Serta
Statistik parametrik dan Non Parametrik?
d. Menggetahui Pengertian Variabel Penelitian Beserta cara Pengukurannya?
 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
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
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)
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.
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:
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,
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.
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
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”
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.

2.8 STATISTIK PARAMETRIK DAN NON PARAMETRIK

2.8.1 Statistik Parametrik
Statistik Parametrik yaitu ilmu statistik yang mempertimbangkan jenis
sebaran atau distribusi data, yaitu apakah data menyebar secara normal atau tidak.
Dengan kata lain, data yang akan dianalisis menggunakan statistik parametrik
harus memenuhi asumsi normalitas. Pada umumnya, jika data tidak menyebar
normal, maka data seharusnya dikerjakan dengan metode statistik non-parametrik,
atau setidak-tidaknya dilakukan transformasi terlebih dahulu agar data mengikuti
sebaran normal, sehingga bisa dikerjakan dengan statistik parametrik. 
Contoh metode statistik parametrik :
a. Uji-z (1 atau 2 sampel)
b. Uji-t (1 atau 2 sampel)
c. Korelasi pearson,
d. Perancangan percobaan (one or two-way anova parametrik), dll.
Ciri-ciri statistik parametrik :
- Data dengan skala interval dan rasio
- Data menyebar/berdistribusi normal

Keunggulan dan kelemahan statistik parametrik

Keunggulan :
 1.Syarat syarat parameter dari suatu populasi yang menjadi sampel biasanya tidak
diuji dan dianggap memenuhi syarat, pengukuran terhadap data dilakukan dengan
kuat.
2. Observasi bebas satu sama lain dan ditarik dari populasi yang berdistribusi
normal serta memiliki varian yang homogen.
Kelemahan :
1. Populasi harus memiliki varian yang sama.
2. Variabel-variabel yang diteliti harus dapat diukur setidaknya dalam skala
interval.
3. Dalam analisis varian ditambahkan persyaratan rata-rata dari populasi harus
normal dan bervarian sama, dan harus merupakan kombinasi linear dari efek-efek
yang ditimbulkan.
2.8.2 Statistika Non Parametrik
Statistik Non-Parametrik, yaitu statistik bebas sebaran (tidak mensyaratkan
bentuk sebaran parameter populasi, baik normal atau tidak). Selain itu, statistik
non-parametrik biasanya menggunakan skala pengukuran sosial, yakni nominal
dan ordinal yang umumnya tidak berdistribusi normal.

Contoh metode statistik non-parametrik :

a. Uji tanda (sign test)
b. Rank sum test (wilcoxon)
c. Rank correlation test (spearman)
d. Fisher probability exact test.
e. Chi-square test, dll
Ciri-ciri statistik non-parametrik :
- Data tidak berdistribusi normal
- Umumnya data berskala nominal dan ordinal
- Umumnya dilakukan pada penelitian sosial
- Umumnya jumlah sampel kecil.
Keunggulan dan kelemahan statistik non-parametrik : 
Keunggulan :
1. Tidak membutuhkan asumsi normalitas.
2. Secara umum metode statistik non-parametrik lebih mudah dikerjakan dan
lebih mudah dimengerti jika dibandingkan dengan statistik parametrik  karena
ststistika non-parametrik tidak membutuhkan perhitungan matematik yang rumit
seperti halnya statistik parametrik.
3. Statistik non-parametrik dapat digantikan data numerik (nominal) dengan
jenjang (ordinal).
4. Kadang-kadang pada statistik non-parametrik tidak dibutuhkan urutan atau
jenjang secara formal karena sering dijumpai hasil pengamatan yang dinyatakan
dalam data kualitatif.
5. Pengujian hipotesis pada statistik non-parametrik dilakukan secara langsung
pada pengamatan yang nyata.
6. Walaupun pada statistik non-parametrik tidak terikat pada distribusi normal
populasi, tetapi dapat digunakan pada populasi berdistribusi normal.
Kelemahan :
1. Statistik non-parametrik terkadang mengabaikan beberapa informasi tertentu.
2. Hasil pengujian hipotesis dengan statistik non-parametrik tidak setajam statistik
parametrik.
3. Hasil statistik non-parametrik tidak dapat diekstrapolasikan ke populasi studi
seperti pada statistik parametrik. Hal ini dikarenakan statistik non-parametrik
mendekati eksperimen dengan sampel kecil dan umumnya membandingkan dua
kelompok tertentu

2.9 Uji-uji Dalam Statistika Non Parametrik

2.9.1 Test For Binary Sequences
Terjadinya peristiwa secara random atau acak merupakan sesuatu yang
penting dalam analisis ststistika. Dalam prosedur statistik parametrik asumsi yang
harus dipenuhi adalah bahwa sampel yang kita miliki adalah sampel random. Jika
sampel kerandoman dari sebuah sampel diragukan, maka kita perlu satu cara atau
prosedr untuk mengetahui sifat tersebut seblum analisis selanjutnya dikerjakan.
Proses penyidikan kerandoman akan didasarkan pada banyaknya runtun (bariasan
peristiwa,item, atau symbol dari bentuk yang berbeda) yang muncul dari data.
Kerandoman suatu rangkaian akan diragukan kalau banyaknya runtun terlalu
besar atau terlalu kecil.

Prosedur Pelaksanaan Uji Random

1. Merumuskan hipotesis nol dan hipotesis alternative (H0 dan H1).
2. Menentukan taraf keberartian ( ).
3. Menentukan bentuk statistik uji (ststistik hitung).
4. Menghitung jumlah deret (r).
5. Menghitung frekuensi kejadian (n1 dan n2).
6. Menghitung nilai ststistik uji.
7. Menarik kesimpulan ststistik (tolak atau terma H0)

2.9.2 Uji Wilcoxon

Merupakan suatu uji yang menghitung tanda dan besarnya selisih
dari dua buah rataan populasi. Uji ini lebih peka dari pada uji tanda dalam
menemukan perbedaan antara populasi. Dengan kata lain, uji peringkat bertanda
wilcoxon digunakan jika besaran maupun arah perbedaan relevan
Untuk menentukan apakah terdapat perbedaan yang sesungguhnya antara
pasangan data yang diambil dari dua sampel yang berkait.

Prosedur Uji wilcoxon Untuk Pengamatan Berpasangan

1. Menyatakan hipotesis nol dan hipotesis alternatif (H0 dan H1).
2. Memilih tarap keberartian ( ).
3. Menentukan daerah kritis W (bila dist Z digunakan).
4.           Menyusun peringkat tanpa memperhatikan tanda.
5.           Pemberian tanda atas peringkat yang telah ditetapkan.
6.           Menjumlahkan peringkat dengan jumlah terkecil sebagai W.
7.           Penarikan kesimpulan statistic tentang hipotesis nol (tolak H0 atau terima
H0)
      Penarikan Kesimpulan Statistik
Untuk menguji hipotesis nol (H0) dari uji Wilocoxon ini, selain
dapat meggunakan tabe harga-harga kritis W dalam uji jenjang bertanda
data berpasangan wilcoxon khususnya untuk sampel kecil, juga dapat
menggunakan pendekatan distribusi normal. Sedangkan untuk sampel
besar digunakan pendektan distribusi normal.
Pengujian dilakukan dengan langkah-langkah sebagai berikut
      Hipotesis
-                          Satu sisi
H0 :W(+) = (-)
H1 : W(+) > (-)
H0 :W(+) = (-)
H1 : W(+) < (-)
-                          Dua sisi
H0 :W(+) = (-)
H1 : W(+) ≠ (-)
Dimana :
W(+) = jumlah semua peringkat selisih pasangan pengamatan (xi,yi) yang
bertanda positif
W(-)= jumlah semua peringkat selisih pasangan pengamatan (xi,yi) yang
bertanda negatif
      α = …%
      Daerah kritis

A.                     Tabel Wilcoxon

 Jika harga W adalah sama dengan atau kurang dari harga yang
diberikan dalam tabel, untuk satu tingkat signifikasi tertentu dengan N
tertetu, maka tolak H0.
Jika harga α hit yang diperoleh dari tabel (dengan N dan W
tertentu) adalah sama dengan atau kurang dari harga yang telah
ditentukan,maka tolak H0
B.                     Distribusi Normal
Dari nilai Zhit yang diperoleh tentukan nilai peluang (P)
padanannya, untuk tes dua sisi kalikan dua P, bila P sama dengan atau
kirang dari α, maka tolak H0.

      Statistik hitung

Untuk setiap pasangan nilai pengamatan (xi,yi), hitung perbedaannya (di
= xi-ui)
Berikan peringkat terhadap perbedaan nilai pasangan pengamatan,
mulai dari peringkat 1 untuk perbedaan nilai terkecil hingga peringkat n
untuk perbedan terbesar. Bila terdapat perbedaan nilai pasangan yang
sama, perbedaan nilai yang sama diberi nilai rata-ratanya. Bila ditemukan
perbedaan nol, kita beri peringkat 1 dengan tanda yang kemungkinanya
menolak H0.
Beri tanda (+/-) kepada peringkat yang telah dibuat.
Hitung jumlah di yang brtanda positif (W+) dan negative (W-).
Statistika uji peringkat bertanda wilcoxon ialah W.W yang dipakai ialah
W+ atau W- yang nilainya “lebih kecil”.
A.  Menggunakan tabel-Wilcoxon

W+ = (semua peringkat positif)

W- = (semua peringkat negatif)

B. Mengunakan Pendekatan Distribusi Normal (Z)
Zhit =
      Kesimpulan
H0 ditolak, bila W , α hitung, atau p (normal) jatuh didalam daerah kritis.
2.9.3 Mann Whiney U Test
Dalam pengujian ini digunakan data dari dua sampel independen
yang masing-masing berasal dari populasi yang independent. Dua sampel
masing-masing berukuran n1 dan n2 dikatakan independent apabila
pemilihan unit untuk kedua sampel tidak saling mempengaruhi. Jadi
apapun dan siapapun yang terpilih dari sampel pertama tidak
mempengaruhi pemilihan pada sampel kedua populasi yang independent.
Salah satu pengujian yang dapat dilakukan adalah pengujian Mann-
Whitney.

      Prosedur Pengujian Mann-Whitney

1. Menyatakan hipotesis nol dan hipotesis alternatif (H0 dan H1).
2. Memilih tarap keberartian ( ).
3. Menyusun peringkat data tanpa memperhatikan katagori sampel.
4. Menjumlahkan peringkat menurut tiap katagori sampel dan menghitung
ststistik U (dipilih nilai U terkecil)
5. Penarikan kesimpulan ststistik mengenai hipotesis nol (tolak atau terima
H0)
      Penarikan Kesimpulan Statistik
      Hipotesis
-                          Satu sisi
-                          H0 :U1(+) = U2(-)
-                          H1 : U1 (+) < U2 (-)
-                          H0 : U1 (+) = U2 (-)
-                          H1 : U1 (+) > U2 (-)
-                          Dua sisi
-                          H0 :U1(+) =U2 (-)
-                          H1 : U2(+) ≠ U1(-)
Dimana U adalah nilai ststistik yang dipakai dalam tes ini, nilainya
diperoleh dari beberapa kali suatu skor dalam kelompok n2 mendahului
skor dalam kelompok n1 (atau sebaliknya, pilih nilai U minimum).
      α = …%
      daerah kritis
a. Tabel Mann – Whitney
Utuk n2 < 8 : jika harga α hitung yang diperoleh dari tabel (dengan
n2,n1 dan Umin diketahui) adalah sama dengan atau kurang dari harga α
yang telah ditentukan, maka tolak H0.
Untuk n2 diantara 9 dan 20 : jika harga U min adalah sama dngan
atau kurang dari harga U yang diberikan dalam tabel untuk satu
signifikan tertentu, maka tolak H0.

b. Dist. Normal
Dari nilai Z hit yang diperoleh tentukan nilai peluang (P)
padananya, untuk tes dua sisi kalikan dua P, bila P sama dengan atau
kurang dari α, maka tolak H0.

2.10 Pengertian Variabel

Istilah variabel dapat diartikan bermacam – macam. Variabel diartikan

sebagai segala sesuatu yang akan menjadi objek pengamatan penelitian. Sering
pula dinyatakan variabel penelitian itu sebagai faktor-faktor yang berperan dalam
peristiwa atau gejala yang akan diteliti. Kalau ada pertanyaan tentang apa yang
akan di teliti, maka jawabannya berkenaan dengan variabel penelitian. Jadi
variabel penelitian pada dasarnya adalah segala sesuatu yang berbentuk apa saja
yang ditetapkan oleh peneliti untuk dipelajari sehingga diperoleh informasi
tentang hal tersebut, kemudian ditarik kesimpulan.
Apa yang merupakan variabel dalam sesuatu penelitian ditentikan oleh
landasan teoritisnya, dan ditegaskan oleh hipotesis penelitian. Karena itu apabila
landasan teoritisnya berbeda, variabel-variebel penelitiannya juga akan berbeda.
Jumlah variabel yang dijadikan objek pengamatan akan ditentukan oleh sofistikasi
rancangan penelitiannya. Makin sederhana sesuatu rancangan penelitian, akan
melibatkan variabel-variabel yang makin sedikit jumlahnya, dan sebaliknya.

2.11 Klasifikasi variabel

Variabel-variabel yang telah diidentifikasikan perlu diklasifikasikan, sesuai

dengan jenis dan peranannya dalam penelitian. Klasifikasi ini sangat perlu untuk
penentuan alat pengambilan data apa yang akan digunakan dan metode analisis
mana yang sesuai untuk diterapkan. Berkaitan dengan proses kuantifikasi data
biasa digolongkan menjadi 4 jenis yaitu:
 Variabel Nominal, yaitu variabel yang ditetapkan berdasar atas proses
penggolongan; contoh: jenis kelamin, status perkawinan, jenis pekerjaan
 Variabel Ordinal, yaitu variabel yang disusun berdasarkan atas jenjang
dalam atribut tertentu.
 Variabel Interval, yaitu variabel yang dihasilkan dari pengukuran, yang di
dalam pengukuran itu diasaumsikan terdapat satuan pengukuran yang
sama. Contoh: prestasi belajar, penghasilan dan sebagainya.
 Variabel ratio, adalah variabel yang mempunyai nol absolut.

Menurut Fungsinya variabel dapat dibedakan :

 Variabel Tergantung (Dependent Variabel)
Yaitu kondisi atau karakteristik yang berubah atau muncul ketika
penelitian mengintroduksi, pengubah atau mengganti variabel bebas.
 Variabel Bebas ( Independent Variabel)
Adalah kondisi-kondisi atau karakteristik-karakteristik yang oleh peneliti
dimanipulasi dalam rangka untuk menerangkan hubungannya dengan
fenomena yang diobservasi.
 Variabel Intervening
Adalah variabel yang secara teoritis mempengaruhi hubungan antara
variabel independen dengan Variabel dependen menjadi hubungan yang
tidak langsung dan tidak dapat diamati dan diukur. Variabel ini merupakan
variabel penyela/antara yang terletak di antara variabel independen dan
dependen, sehingga variabel independen tidak langsung mempengaruhi
berubahnya atau timbulnya variabel dependen.
 Variabel Moderator
Dalam mengidentifikasi variabel moderator dimaksud adalah variabel
yang karena fungsinya ikut mempengaruhi variabel tergantung serta
meperjelas hubungan bebas dengan variabel tergantung.
  Variabel kendali
Yaitu yang membatasi variabel moderator. Variabel ini berfungsi sebagai
kontrol terhadap variabel lain terutama berkaitan dengan variabel
moderator jadi juga seperti variabel moderator dan bebas ia juga ikut
berpengaruh terhadap variabel tergantung
 Variabel Rambang
Berlainan dengan variabel bebas, yaitu fungsinya sangat diperhatikan
dalam penelitian. Variabel rambang yaitu variabel yang fungsinya dapat
diabaikan atau pengaruhnya hampir tidak diperhatikan terhadap variabel
bebas maupun tergantung.

2.12 Merumuskan Definisi Operasional Variabel - Variabel

Setelah variabel – variabel diidetifikasikan dan diklasifikasikan, maka

variabel-variabel tersebut perlu didefinisikan secara operasional. Penyusunan
Definisi operasional ini perlu, karena definisi operasional itu akan menunjuk alat
pengambil data mana yang cocok digunakan. Definisi Operasional adalah definisi
yang didasarkan atas sifat-sifat hal yang didefinisikan yang dapa diamati
(diobservasi). Konsep dapat diamati atau diobservasi ini penting, karena hal yang
dapat diamati itu membuka kemungkinan bagi orang lain selain peneliti untuk
melakukan hal yang serupa, sehingga apa yang dilakukan oleh peneliti terbuka
untuk diuji kembali oleh orang lain.

Cara menyusun definisi operasional dapat dikelompokkan menjadi tiga macam,

yaitu

 Definisi Pola I, yaitu disusun berdasarkan atas kegiatan-kegiatan

(operations) yang harus dilakukan agar hal yang didefinisikan itu terjadi.
 Definisi Pola II, yaitu definisi yang disusun atas dasar bagaimana hal yang
didefinisikan itu beroperasi.
 Definisi Pola III, yaitu definisi yang dibuat berdasarkan atas bagaimana
hal yang didefinisikan itu nampaknnya

2.13 Macam Macam Hubungan Antar Variabel

Sesungguhnya yang dikemukakan di dalam inti penelitian ilmiah adalah

mencari hubungan antara berbagai variabel. Hubungan yang paling dasar adalah
hubungan antara dua variabel bebas dan variabel terikat (Independent variabel
dengan dengan dependent variabel).
 Hubungan Simetris
 Variabel-variabel dikatakan mempunyai hubungan simetris apabila
variabel yang satu tidak disebabkan atau dipengaruhi oleh variabel
lainnya. Terdapat 4 kelompok hubungan simetris :
- Kedua variabel merupakan indikator sebuah konsep yang sama.
- Kedua variabel merupakan akibat daru suatu faktor yang sama.
- Kedua variabel saling berkaitan secara fungsional, dimana yang
satu berada yang lainnya pun pasti disana.
- Hubungan yang bersifat kebetulan semata-mata.

 Hubungan Timbal Balik

Hubungan timbal balik adalah hubungan di mana suatu variabel dapat
menjadi sebab dan akibat dari variabel lainnya. Perlu diketahui bahwa
hubungan timbal balik bukanlah hubungan, dimana tidak dapat ditentukan
variabel yang menjadi sebab dan variabel yang menjadi akibat.

 Hubungan Asimetris (tidak simetri)

Satu variabel atau lebih mempengaruhi variabel yang lainnya. Ada enam
tipe hubungan tidak simetris, yakni :
- Hubungan antara stimulus dan respons. Hubungan yang demikian
itulah merupakan salah satu hubungan kausal yang lazim
dipergunakan oleh para ahli.
- Hubungan antara disposisi dan respons. Disposisi adalah
kecenderungan untuk menunjukkkan respons tertentu dalam situasi
tertentu. Bila “Stimulus” datangnya pengaruh dari luar dirinya,
sedangkan “Disposisi” berada dalam diri seseorang.
- Hubungan antara diri individu dan disposisi atau tingkah laku.
Artinya ciri di sini adalah sifat individu yag relatif tidak berubah
dan tidak dipengaruhi lingkungan.
- Hubungan antara prekondisi yang perlu dengan akibat tertentu.
- Hubungan Imanen antara dua variabel.
- Hubungan antara tujuan (ends) dan cara (means)

2.14 Pengukuran Variabel

Pengukuran adalah penting bagi setiap penelitian, karena dengan pengukuran

itu penelitian dapat menghubungkan konsep yang abstrak dengan realitas. Untuk
dapat melakukan pengukuran, maka seseorang peneliti harus memikirkan
bagaimana ukuran yang paling tepat untuk suatu konsep. Ukuran yang tepat akan
memberikan kepada penelii untuk merumuskan lebih tepat dan lebih cermat
konsep penelitiannya. Proses pengukuran mengandung 4 kegiatan pokok sebagai
berikut :

 Menentukan indikator untuk dimensi – dimensi variabel penelitian.

 Menentukan ukuran masing-masing dimensi. Ukuran ini dapat berupa item
(pertanyaan) yang relevan dengan dimensinya.
 Menentukan ukuran yang akan digunakan dalam pengukuran, Apakah
tingkat ukuran nominal, ordinal interval atau ratio dan
 Menguji tingkat validitas dan reliabilitas sebagai kriteria alat pengukuran
yang baik.. Alat pengukur yang baik, apabila alat pengukur itu dapat
mengungkapkan realita itu dengan tepat. Oleh karena itu dalam
pengukuran gejala yang demikian itu yang dianut adalah berdasarkan
indikator-indikator konsep tersebut. Jadi kalau akan mengukur intelegensi
harus mencari apa yang menjadi indikator perbuatan yang intelegen
tersebut.

2.15 Variabel Antara

Salah satu asumsi dasar di dalam ilmu pengetahuan adalah, bahwa gejala
sesuatu harus ada sebab-musahabnya dan tidak begitu saja terjadi dengan
sendirinya. Setiap fenomena dipengaruhi oleh serangkaian sebab-musahab. Oleh
karena itu setiap kali kita menentukan sebab dari suatu fenomena, selalu akan
timbul pertanyaan, apakah sebab yang lainnya? Apakah sebab yang pertama
berpengaruh langsung pada fenomena tersebut, ataukah tidak langsung dan
melalui sebab yang lainnya? Pertanyaan yang terakhir ini mengantar kita ke suatu
faktor penguji yang penting yaitu “Variabel antara”.
Untuk mengatur rangkaian sebab-musabab suatu fenomena, tentu saja lewat
pengamatan serta akan sehatlah disamping teori-teori yang menjadi pedoman.
Namun di dalam rangkaian sebab akibat itu, suatu variabel akan disebut “Variabel
antara” apabila, dengan masuknya variabel tersebut, hubungan statistika yang
mulai nampak antara dua variabel menjadi lemah atau bahkan lenyap. Hal ini
disebabkan karena hubungan semula nampak antara kedua variabel pokok
bukanlah suatu hubungan yang langsung tetapi melalui varibel yang lain.

2.16 Variabel Antesenden

Variabel Antesenden mempunyai kesamaan dengan variabel antara, yakni

merupakan hasil yang lebih mendalam dari penelusuran hubungan kausan antara
variabel. Perbedaannya, “Variabel antara” menyusup diantara variabel pokok,
sedangkan variabel Antesenden mendahului variabel pengaruh. Sebenarnya realita
antara dua variabel sebenarnya merupakan penggalan dari sebuah jalinan sebab
akibat yang cukup panjang. Oleh karena itu setiap usaha untuk mencari jalinan
yang lebih jauh, seperti halnya dengan variabel antesenden – akan memperkaya
pengertian kita tentang fenomena yang sedang diteliti.

Untuk dapat diterima sebagai variabel antesenden syarat-syaratnya sebagai berikut

:
a. Ketika variabel harus saling berhubungan : variabel antesenden dan
variabel pengaruh, variebel antesenden dan variabel terpengaruh, variabel
pengaruh dan variabel terpengaruh.
b. Apabila variabel antesenden dikontrol, hubungan antara variabel pengaruh
dan variabel terpengaruh tidak lengkap. Dengan kata lain : variabel
antesenden tidak mempengaruhi hubungan antara kedua variabel pokok.
c. Apabila pengaruh dikontrol, hubungan antara variabel antesenden dan
variabel terpengaruh harus lengkap.

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

1.2 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.
 DAFTAR PUSTAKA

J. Supranto, Statistika, (2000) jilid 1 Chap.6 edisi keenam, halaman 126 –145

Wayan Koster, Statistika, Teori dan Aplikasi (2001), edisi pertama, bab V,
halaman 93-134

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

Penerbit Gunadarma, Jakarta, 1994

Haryono Subiyakto, Statistika 2, Seri Diktat Kuliah, Penerbit Gunadarma, Jakarta,

1994

Levin, Richard dan David Rubin, Statistics for Management, Prentice Hall, New
Jersey, 1991

Ronald E Walpole, Pengantar Statistika, edisi terjemahan, PT Gramedia Jakarta,

1992

Dr. Indra Jaya, M.Pd., Penerapan Statistik untuk Pendidikan, Citapustaka,

Bandung, 2013

www.gudangmateri.com

Santoso, Singgih 2001. Aplikasi Excel dalam Statistik Bisnis. Elex Media
Komputindo. Jakarta.

Modul BSI (Bina Sarana Informatika) mata kuliah Statistika Deskriptif.