BAB II

PEMBAHASAN

A. 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 dibagi menjadi dua, yaitu Statistika Parametrik dan Statistika Non
Parametrik.
1.      Statistika parametrik terutama digunakan  untuk menganalisa data interval dan rasio,
yang diambil dari populasi yang berdistribusi normal

2.      Statistika non-parametrik terutama digunakan untuk menganalisa data nominal, dan

ordinal dari populasi yang bebas distribusi

Contoh dari statistika inferensial adalah pada pemilihan Ketua BEM Undiksha tahun
2008. Dalam kegiatan ini, walaupun sistem pemilihannya dengan pemungutan suara, tetapi
tidak semua mahasiswa Undiksha yang diberikan untuk memilih, melainkan hanya
perwakilan dari masing-masing HMJ. Di sini telah dilakukan sampling, yaitu pemilihan
sampel (perwakilan HMJ), dari suatu populasi (seluruh mahasiswa Undiksha). Dari hasil
pemungutan suara dari masing-masing perwakilan HMJ, maka data-data yang diperoleh
digunakan sebagai acuan untuk membuat kesimpulan bahwa hal itulah yang diinginkan oleh
seluruh mahasiswa Undiksha walaupun jika ditelaah mungkin saja tidak demikian.
 Jadi dari uraian di atas tentang statistika inferensial menyajikan data untuk mendapat
kesimpulan terhadap obyek yang lebih luas, sehingga karena inferensi tidak dapat secara
mutlak pasti, perkataan probabilitas (kemungkinan) sering dinyatakan dalam menyatakan
kesimpulan.
B. Fungsi Statistika Inferensial
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 :
1. Generalisasi dari sampel ke populasi.

2. Uji hipotesis (membandingkan atau uji perbedaan/kesamaan dan menghubungkan, yaitu

uji keterkaitan, kontribusi).

C.  Ruang lingkup Bahasan Statistika Inferensial

Berdasarkan ruang lingkup bahasannya, statistika inferensial mncakup :
1. Probabilitas atau teori kemungkinan
2.   Dristribusi teoritis
3. Sampling dan sampling distribusi
4. Pendugaan populasi atau teori populasi
5. Uji Hipotesis
6. Analisis korelasi dan uji signifikasi
7. Analisis regresi untuk peramalan
8. Analisis varians
9. Analisis kovarians

D. 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.
E. Uji Parametrik
Statistik Parametrik, yaitu statistik yang mengunakan data interval atau selang dan rasio
berdasarkan fakta yang bersifat pasti dan berdasarkan sampel. Data diambil dengan memberi
peluang yang sama atau independen, serta tidak bias.

Data Parametrik juga dicirikan oleh suatu populasi yang berdisribusi normal dan
mempuyai varians yang sama. Berikut ini merupakan contoh-contoh dari statistik parametrik,
dantaranya:
1. Uji-z (1 atau 2 sampel)
2. Uji-t (1 atau 2 sampel)
3. Korelasi pearson,
4. Perancangan percobaan (one or two-way anova parametrik), dll.

Uji Parametrik memiliki keunggulan dan kelemahan, diantaranya:

1. Keunggulan
a. Syarat syarat parameter dari suatu populasi yang menjadi sampel biasanya tidak diuji dan
dianggap memenuhi syarat, pengukuran terhadap data dilakukan dengan kuat.
b. Observasi bebas satu sama lain dan ditarik dari populasi yang berdistribusi normal serta
memiliki varian yang homogen.

2. Kelemahan
a.  Populasi harus memiliki varian yang sama.
b.  Variabel-variabel yang diteliti harus dapat diukur setidaknya dalam skala interval.
c.  Dalam analisis varian ditambahkan persyaratan rata-rata dari populasi harus normal dan
bervarian sama, dan harus merupakan kombinasi linear dari efek-efek yang ditimbulkan.

F. Uji Non-Parametrik
Statistik Non-Parametrik adalah statistik yang tidak memerlukan pembuatan asumsi
tentang bentuk distribusi atau bebas distribusi, sehingga tidak memerlukan asumsi terhadapa
populasi yang akan diuji. Berikut ini merupakan contoh-contoh metode statistik non-
parametrik, diantara:
1. Uji tanda (sign test)
2.  Rank sum test (wilcoxon)
3.  Rank correlation test (spearman)
4. Fisher probability exact test.
5. Chi-square test, dll

Pada uji non-parametrik terdapat ciri-ciri khusus yang harus dipenuhi, diantaranya:

1. Data tidak berdistribusi normal

2. Umumnya data berskala nominal dan ordinal
3. Umumnya dilakukan pada penelitian sosial
4. Umumnya jumlah sampel kecil

Uji non-parametrik memiliki keunggulan dan kelebihan, diataranya sebagai

berikut:

1. Keunggulan :
a. Tidak membutuhkan asumsi normalitas.
b. 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.
c. Statistik non-parametrik dapat digantikan data numerik (nominal) dengan
jenjang (ordinal).
d. Kadang-kadang pada statistik non-parametrik tidak dibutuhkan urutan atau
jenjang secara formal karena sering dijumpai hasil pengamatan yang
dinyatakan dalam data kualitatif.
e. Pengujian hipotesis pada statistik non-parametrik dilakukan secara langsung
pada pengamatan yang nyata.
f. Walaupun pada statistik non-parametrik tidak terikat pada distribusi normal
populasi, tetapi dapat digunakan pada populasi berdistribusi normal.

2. Kelemahan :
a. Statistik non-parametrik terkadang mengabaikan beberapa informasi tertentu.
b. Hasil pengujian hipotesis dengan statistik non-parametrik tidak setajam
statistik parametrik.
c. 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.
Dalam implementasi, penggunaan prosedur yang tepat merupakan tujuan dari peneliti.
Beberapa parameter yang dapat digunakan sebagai dasar dalam penggunaan statistik non
parametrik adalah:
1. Hipotesa yang diuji tidak melibatkan parameter populasi.
2. Skala yang digunakan lebih lemah dari skala prosedur parametrik.
3. Asumsi-asumsi parametrik tidak terpenuhi.