NAMA : NURJANNAH.

DS
KELAS : S1 PTB 02
NIM : 1921041022
MATA KULIAH : STATISTIKA

STATISTIK DESKTIPTIF DAN STATISTIK INFERENSIAL

STATISTIK DESKRIPTIF
Statistik deskriptif adalah salah satu bagian dari ilmu statistika yang berhubungan dengan
aktivitas penghimpunan, penataan, peringkasan dan penyajian data dengan harapan agar data
lebih bermakna, mudah dibaca dan mudah dipahami oleh pengguna data. Statistik deskriptif
hanya sebatas memberikan deskripsi atau gambaran umum tentang karakteristik objek yang
diteliti tanpa maksud untuk melakukan generalisasi sampel terhadap populasi. Dengan
Statistika deskriptif, kumpulan data bisa tersaji dengan ringkas dan rapi serta mampu
memberikan informasi inti dari kumpulan data yang ada. Informasi yang diperoleh dari
statistika deskriptif ini antara lain ukuran pemusatan data, ukuran penyebaran data, serta
kecenderungan suatu gugus data.

Contoh statistika deskriptif

Contoh statistika deskriptif, yaitu :
 table
 diagram

 grafik

 lingkaran

 besaran-besaran lain di majalah dan koran-koran.

Sementara untuk contoh visualnya, grafik pengunjung pada suatu website dapat kita
jadikan salah satu contoh visual dari statistika deskriptif, yaitu: Grafik pengunjung pada suatu
website.

Metode Dasar dalam Statistik Deskriptif

Ada dua macam metode dasar di dalam statistik deskriptif, antara lain numerik dan grafis.
 Pendekatan numeric, bisa dipakai dalam menghitung nilai statistik dari sekumpulan
data. Sebagai contoh mean dan standar deviasi. Statistik ini akan memberikan
informasi mengenai rata-rata serta informasi rinci mengenai distribusi data.
 Metode grafis, lebih sesuai dibandingkan dengan metode numerik untuk
mengidentifikasi pola-pola tertentu dalam data, dilain pihak, pendekatan numerik
lebih tepat serta objektif. Dengan begitu, pendekatan numerik dan juga grafis satu
sama lain akan saling melengkapi. Maka dari itu, sangatlah bijaksana jika kita
memakai kedua metode tersebut secara bersamaan.

Penyajian data kategori deskriptif dapat berbentuk grafis dan numerik, yaitu antara
lain :
1. Penyajian Data dalam Bentuk Grafis
Penyajian data dalam bentuk grafis ini terdiri atas berbagai macam, diantaranya seperti:
a. Histogram, histogram adalah suatu grafik dari distribusi frekuensi dari sebuah
variabel. Tampilan histogram pada umumnya berwujud balok. Penyajian data ini
terdiri atas dua sumbu utama dengan sudut 900 di mana sebagai absis sumbu X serta
sebagai ordinat Y. Lebar balok akan menunjukan suatu jarak dari batas kelas interval,
sementara untuk tinggi balok akan menunjukkan besarnya frekuensi suatu data.
b. Pie Chart, pie chart atau dalam bahasa Indonesia disebut dengan Diagram kue
merupakan suatu lingkaran yang dibagi menjadi beberapa sektor. Pada masing-masing
sektor bisa menyatakan besarnya presentase atau bagian untuk tiap-tiap kelompok.

c. Poligon, poligon adalah sautu grafik dari distribusi frekuensi yang tergolong suatu
variabel. Tampilan dari poligon juga pada umumnya berupa garis-garis patah yang
didapatkan dengan cara menghubungkan puncak pada masing-masing nilai tengah
kelas. Poligon ini sangat baik dimanfaatkan dalam hal membandingkan bentuk dari
dua distribusi.

d. Ogive, ogive adalah satu bentuk gambar dari distribusi frekuensi kumulatif pada
sebuah variabel. Untuk suatu tabel distribusi frekuensi, bisa juga kita bikin ogive
positif serta ogive negatifnya.
 e. Diagram Batang Daun (Stem and Leaf), diagram Batang Daun atau juga disebut
sebagai Stem and Leaf juga sama dengan histogram, hanya saja yang membedakan
adalah informasi yang didapatkan lebih baik. Hal itu disebabkan pada diagram batang
daun memperlihatkan nilai-nilai hasil pengamatan asli. Dalam diagram ini juga akan
digambarkan bilangan-bilangan yang juga sebagai batang serta disebelah kananya
ditulis bilangan sisanya.

2. Penyajian Data Numerik

Penyajian data secara numerik terdiri dari beberapa macam-macam, yaitu antara lain :
a. Ukuran Pemusatan Data (Central Tredency)
Salah satu aspek yang paling penting untuk menggambarkan distribusi data adalah
nilai pusat data pengamatan (tendensi sentral). Setiap pengukuran aritmatika yang
ditujukan untuk menggambarkan suatu nilai yang mewakili nilai pusat atau nilai
sentral dari suatu gugus data (himpunan pengamatan) dikenal sebagai ukuran tendensi
sentral. Terdapat tiga ukuran tendensi sentral yang sering digunakan, yaitu:
 Mean (Rata-rata hitung/rata-rata aritmetika)
 Median
 Mode
b. Dispersion (Dispersi)
Dalam statistik, dispersi adalah sejauh mana suatu distribusi ditarik atau dipencar.
Contoh umum ukuran dispersi statistik adalah varians, standar deviasi, dan rentang
interkuartil.

c. Fractile (Fractal)
Fractal adalah pola grafik dari analisis teknikal, biasanya digunakan oleh trader dalam
menentukan entry dan exit point ke/dari pasar. Agar mendapatkan titik yang lebih
akurat, fractal sering digunakan untuk menghubungkan indikator-indikator yang
berbeda dan metode analisis teknikal lainnya, karena dianggap sebagai lagging
indikator yang mengikuti tren. Fractal terdiri atas lima lilin, dengan nilai rata-ratanya
menunjukkan harga maksimum atau minimum pada jangka waktu tertentu.

d. Skewness
Skewness (ukuran kemiringan) merupakan suatu bilangan yang dapat menunjukan
miring atau tidaknya bentuk kurva suatu distribusi frekuensi. Skewness adalah derajat
ketidaksimetrisan suatu distribusi. Jika kurva frekuensi suatu distribusi memiliki ekor
 yang lebih memanjang ke kanan (dilihat dari meannya) maka dikatakan menceng
kanan (positif) dan jika sebaliknya maka menceng kiri (negatif). Secara perhitungan,
skewness adalah momen ketiga terhadap mean. Distribusi normal (dan distribusi
simetris lainnya, misalnya distribusi t atau Cauchy) memiliki skewness 0 (nol).

Batas – Batas nilai ukuran Keterangan

kemiringan
0 ≤ | Sk = α3 | < 0,1 bentuk kurva DF dianggap normal
0,1 ≤ | Sk = α3 | < 0,3 bentuk kurva DF miring ke kiri atau kanan
0,3 ≤ | Sk = α3 | bentuk kurva DF sangat miring ke kiri atau kanan
e. Pengukuran Keruncingan (Kurtosis)

Pengukuran kurtosis (peruncingan) sebuah distribusi teoritis adakalanya dinamakam

pengukuran ekses (excess) dari sebuah distribusi. Sebenarnya kurtosis bisa dianggap
sebagai suatu distorsi dari kurva normal. Keruncingan atau kurtosis adalah tingkat
ketinggian puncak atau keruncingan dari sebuah distribusi yang biasanya diambil
secara relatif terhadap suatu distribusi normal. Berdasarkan keruncingannya, kurva
distribusi dapat dibedakan atas tiga macam, yaitu sebagai berikut:
 Leptokurtik: merupakan distribusi yang memiliki puncak relatif tinggi
 Platikurtik: merupakan distribusi yang memiliki puncak hampir mendatar
 Mesokurtik: merupakan distribusi yang memiliki puncak tidak tinggi dan tidak
mendatar. Bila distribusi merupakan distribusi simetris, maka distribusi mesokurtik
dianggap sebagai distribusi normal.

Manfaat dari statistik deskriptif

 1. Statistik deskriptif sangatlah bermanfaat dalam penyajian sebuah data. Memberikan
gambaran dan deskripsi bagaimana informasi yang dimiliki data tersebut. Statistik
deskriptif haruslah mampu memberikan gambaran informasi apa saja yang bisa
didapat secara dari data yang kita gunakan. Daripada hanya menggunakan angka-
angka tanpa format yang baku, akan lebih menarik bila ditampilan dalam bentuk
grafik dan tabel.
2. Menjelaskan karakteristik sebuah data. Statistik deskriptif juga memberikan
karakteristik tentang data yang digunakan. Hal ini penting karena kondisi data yang
digunakan akan memengaruhi seluruh analisis data yang kita lakukan. Dengan
memahami karakteristik, kita bisa memilih perlakuan yang tepat dalam analisis yang
lebih mendalam nantinya.

STATISTIK INFERENSIAL
Secara umum, statistik inferensial adalah jenis statistik yang fokus kepada pengolahan data
sampel sehingga bisa mengambil keputusan atau kesimpulan pada populasi.Statistik
inferensial fokus pada analisis data sampel untuk bisa menyimpulkan populasi.Alur dari
penggunaan statistik inferensial adalah pengambilan sampel, pemilihan analisis, dan
pengambilan keputusan untuk keseluruhan populasi.Statistik inferensial digunakan banyak
orang karena mampu menghasilkan estimasi yang akurat dengan biaya yang relatif
terjangkau. Tenaga yang digunakan juga tidak sebesar penggunaan statistik deskriptif
sehingga jauh lebih efisien.

Contoh statistika inferensia :

Catatan kelulusan selama lima tahun terakhir pada sebuah Sekolah Menengah Atas
menunjukkan bahwa 72% diantara siswa SMA tersebut lulus dengan nilai yang memuaskan.
Nilai numerik 72% adalah bentuk suatu statistika deskriptif. Jika berdasarkan ini kemudian
seorang siswa menyimpulkan bahwa peluang dirinya akan lulus dengan nilai yang
memuaskan adalah lebih dari 70%, jadi,siswa tersebut telah melakukan inferensia statistika
yang tentu saja memiliki sifat yang tidak pasti.

Contoh gambar Statistika inferensial

Dalam statistika inferensial diadakan pendugaan parameter, membuat hipotesis, juga
melakukan pengujian hipotesis tersebut hingga sampai pada kesimpulan yang berlaku umum.
Metode ini umumnya disebut statistika induktif, karena kesimpulan yang ditarik berdasarkan
pada informasi dari sebagian data saja. Pengambilan kesimpulan statistika inferensial yang
hanya didasari pada sebagian data yang menyebabkan sifat tidak pasti, memungkinkan terjadi
kesalahan pada pengambilan keputusan, hingga pengetahuan mengenai teori peluang mutlak
diperlukan dalam melakukan metode-metode statistika inferensial.

Ada banyak sekali contoh aplikasi dan penerapan statistik inferensial dalam kehidupan.
Namun, secara umum, statistik inferensia yang sering digunakan adalah:
1. Analisis Regresi
Analisis regresi adalah salah satu alat analisis yang paling populer. Analisis regresi
digunakan untuk memprediksi hubungan antara variabel independen dengan variabel
dependen. Dengan menggunakan analisis ini, kita bisa menentukan variabel mana saja
yang memiliki pengaruh siginifikan dalam sebuah penelitian.
Contohnya : anda ingin mengetahui faktor-faktor apa saja yang bisa mempengaruhi
penurunan kemiskinan. Anda menggunakan variabel seperti panjang jalan,
pertumbuhan ekonomi, rasio elektrifikasi, jumlah guru, jumlah tenaga medis, dll.
Setelah dianalisis, anda akan menemukan variabel mana saja yang memiliki pengaruh
dalam penurunan angka kemiskinan tersebut.
2. Uji Hipotesis
Uji hipotesis merupakan pengujian statistik dimana kita ingin mengetahui kebenaran
dari sebuah asumsi atau pendapat yang biasa terjadi di masyarakt. Biasanya, uji ini
digunakan untuk mengetahui tentang kebenaran sebuah klaim yang beredar di
 masyarakat. Uji hipotesis juga membantu kita dalam membuktikan apakah pendapat
atau hal yang kita percayai benar atau salah.
Contohnya : kita sering mendengar asumsi bahwa mahasiswa perempuan cenderung
memiliki nilai matematika yang lebih tinggi daripada laki-laki. Benarkah demikian?
Untuk membuktikan hal tersebut, anda bisa mengambil sebagian sampel yang
representatif dan melakukan analisis terhadap nilai matematika dari sampel yang
diambil tersebut. Dengan menggunakan uji hipotesis, anda bisa mengambil
kesimpulan bagaimana kondisi yang sebenarnya.
Bolehkah anda menggunakan keseluruhan data keseluruhan nilai matematika siswa
dan melakukan analisis terhadap data tersebut? Tentu sangat diperbolehkan. Tapi,
tentunya anda akan membututhkan waktu yang lebih lama dalam mengambil
kesimpulan karena proses pengumpulan data juga membutuhkan waktu yang tidak
sedikit.
3. Confidence Interval
Confidence interval atau tingkat kepercayaan atau rentang kepercayaan merupakan
pengujian statistik yang digunakan untuk mengestimasi populasi dengan
menggunakan sampel. Dengan adanya tingkat kepercayaan ini, kita bisa
memperkirakan dengan kemungkinan yang lebih besar berapa nilai populasi yang
sebenarnya. Saat menggunakan confidence interval, kita akan menemukan batas atas
dan batas bawah dari sebuah uji statistik yang kita yakini di dalamnya terdapat nilai
populasi yang kita estimasi. Ketika kita menggunakan confidence interval 95 persen,
artinya kita mempercayai bahwa statistik uji yang kita gunakan berada dalam rentang
nilai yang sudah kita dapatkan dengan berdasarkan fomula.
Contohnya : Sebagai contoh, kita ingin melakukan estimasi berapa rata-rata
pengeluaran setiap orang di kota X. Karena itu, dilakukanlah penelitian dengan
mengambil sejumlah sampel. Hasil dari penelitian ini tentunya bervariasi. Karena itu,
kita harus menentukan rentang perkiraan berapa nilai pengeluaran setiap orang yang
sebenarnya. Harapannya, tentu nilai rata-rata yang sebenarnya akan jatuh pada
rentang nilai yang sudah kita hitung sebelumnya.

Manfaat statistik inferensial

Statistik inferensial memiliki manfaat yang berbeda bila dibandingkan dengan statistik
deskriptif.
1. Alat untuk menduga populasi
Tujuan utama dari penggunaan statistik inferensial adalah untuk menduga nilai
populasi. Dengan adanya penggunaan metode ini, tentu kita mengharapkan hasil
pengukuran yang akurat dan tepat dan mampu menggambarkan kondisi yang
sebenarnya.
2. Metode analisis yang sangat terstruktur
Statistik inferensial memiiki formula yang sangat rapi dan terstruktur. Metode yang
digunakan teruji secara matematis dan bisa dikatakan sebagai estimator yang tidak
bias

Perbedaan statistik inferensial dan statistik deskriptif

Statistik inferensial dan statistik deskriptif memiliki perbedaan yang sangat mendasar dalam
proses analisisnya. Secara umum, kedua jenis statistik ini pun memiliki tujuan yang berbeda.
1. Statistik deskriptif bertujuan untuk mendeskripsikan karakteristik data. Sedangkan
statistik inferensia bertujuan untuk mengambil kesimpulan untuk populasi dengan
menganalisis sampel.
2. Statistik deskriptif biasanya hanya disajikan dalam bentuk tabel dan grafik. Statistik
uji yang digunakan pun terbilang sederhana seperti rata-rata, varians, dll. Sedangkan
statistik inferensial, statistik yang digunakan sudah tergolong sangat rumit. Tidak
semua orang mampu menggunakan statistik inferensial sehingga dibutuhkan
keseriusan dan pembelajaran khusus sebelum menggunakannya. Karena itu, kita tidak
bisa menggunakan apapun alat analisis yang ada pada analisis deskriptif untuk
menyimpulkan data secara keseluruhan.