Nama : Melly Setiani

NPM : 1118091
Kelas : 3B Keperawatan
RESUME DASAR – DASAR INFERENSI STATISTIK I

A. PENGERTIAN
Statistika inferensial/Induktif adalah statistik yang digunakan untuk menganalisa data
sampel, dan hasilnya akan digeneralisasikan untuk populasi dimana sampel berada.
Statistika inferensial berusaha membuat berbagai inferensi terhadap sekumpulan data
yang berasal dari suatu sampel. Tindakan inferensi tersebut seperti melakukan
perkiraan besaran populasi, uji hipotesis. Statistik dibagi menjadi 3 :
1. 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 nonparametrik, atau
setidak-tidaknya dilakukan transformasi terlebih dahulu agar data mengikuti
sebaran normal, sehingga bisa dikerjakan dengan statistik parametrik.
Contoh Metode Statistik Parametrik:
 Uji-z (1 atau 2 sample)
 Uji-t ( 1 atau 2 sample)
 Korelasi pearson
 Perancangan percobaan (one or two-way anova parametric)
Ciri-Ciri Statistik Parametrik:
 Data dengan skala interval dan rasio
 Data menyebar/berdistribusi normal
Keunggulan dan kelemahan statistik parametrik :
Keunggulan :
 Syarat syarat parameter dari suatu populasi yang menjadi sampel biasanya
tidak diuji dan dianggap memenuhi syarat, pengukuran terhadap data
dilakukan dengan kuat.
 Observasi bebas satu sama lain dan ditarik dari populasi yang berdistribusi
normal serta memiliki varian yang homogen.
 Kelemahan :
 Populasi harus memiliki varian yang sama.
 Variabel-variabel yang diteliti harus dapat diukur setidaknya dalam skala
interval.
 Dalam analisis varian ditambahkan persyaratan rata-rata dari populasi harus
normal dan bervarian sama, dan harus merupakan kombinasi linear dari efek-
efek yang ditimbulkan.
Statistik Parametrik & Ordinal
 Variabel Kategorik (skala nominal Kategorik, skala nominal Numerik (Skala
interval & Rasio) • T test (untuk kategorik & ordinal) 2 kelompok)
 Anova (untuk kategorik > 2 kelompok) Numerik (Skala interval & Rasio
 T test (untuk kategorik 2 kelompok)
 Anova (untuk kategori > 2 kelompok)
 Korelasi
 Regresi Linier
2. Statistik Nonparametrik
Non-parametrik adalah metode yang tidak mendasarkan pada asumsi distribusi
populasi. Dalam arti sempit non-parametrik adalah sebuah kategori nol karena
hampir semua uji statistik mengasumsikan satu atau lain hal tentang sifat-sifat
populasi. Uji metode non parametrik atau bebas sebaran adalah prosedur
pengujian hipotesa yang tidak mengasumsikan pengetahuan apapun mengenai
sebaran populasi yang mendasarinya kecuali selama itu kontinu.
Contoh metode statistik non-parametrik (selengkapnya dapat di :
 Uji tanda (sign test)
 Rank sum test (wilcoxon)
 Rank correlation test (spearman)
 Fisher probability exact test.
 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
3. UJI HIPOTESIS
Hipotesis merupakan suatu pernyataan tentang sesuatu kaidah yang kebenarannya
belum teruji secara empirik. Hipotesis merupakan jawaban sementara dari
permasalahan penelitian yang kebenarannya akan diuji secara empirik dengan
melakukan penelitian.
CIRI UMUM HIPOTESIS
 Merupakan suatu kalimat pernyataan (kalimat deklaratif)
 Menggambarkan hubungan dari dua variabel atau lebih
 Merupakan jawaban sementara dari suatu permasalahan
 Memungkinkan untuk dapat dibuktikan secara empirik
DASAR PENYUSUSNAN HIPOTESIS
 Teori yang sudah baku/mapan yang berhubungan dengan permasalahan
penelitian.
 Fakta-fakta empirik dari penelitian terdahulu.
 Konsep atau teori imajinatif peneliti (asumsi) yang dimunculkan dalam
rangka melengkapi teori dan data empirik untuk menjawab permasalahan
penelitian.
B. KURVA NORMAL
1. Distribusi Normal atau Kurva Normal (Distribusi GAUSSE) adalah Suatu alat
statistik yang sangat penting untuk menaksir dan meramalkan peristiwa-peristiwa
yang lebih luas.Suatu data membentuk distribusi normal bila jumlah data di atas
dan di bawah mean adalah sama.
2. Ciri-Ciri Kurva Normal
 Bentuk Kurva Normal Bentuk kurva normal menyerupai bentuk genta (bel).
Kurva normal merupakan suatu poligon yang dilicinkan yang mana
ordinatnya memuat frekuensi dan absisnya memuat nilai variabel. Bentuk
kurva normal adalah simetris, sehingga luas rata-rata (mean) ke kanan dan ke
kiri masing-masing mendekati 50 %. Memiliki satu modus, jadi kurva
unimodal
 Daerah Kurva Normal
Ruangan yang dibatasi daerah kurva dengan absisnya disebut daerah kurva
normal. Luas daerah kurva normal biasa dinyatakan dalam persen atau
 proporsi. Dengan kata lain luas daerah kurva normal adalah seratus per sen,
apabila dinyatakan dalam persen, dan apabila dinyatakan dengan proporsi,
luas daerah kurva normal adalah satu.
 Kurva normal standar atau kurva normal baku adalah kurva normal yang
mana nilai rata-ratanya sama dengan nol ( 0 ) dan simpangan bakunya adalah
1 ( 0 ).
Dalam kurva normal umum nilai rata-rata sama dengan x dan nilai
simpangan baku 1s, 2s, 3s. dengan kata lain dalam kurva normal umum nilai
rata-ratanya tidak sama dengan nol ( 0) dan nilai simpangan bakunya tidak
sama dengan 1 ( 1).
C. PERSENTIL
Persentil sebenarnya diambil dari kata persen, per seratus. Sehingga, pengertian dari
persentil ialah pembagian data terurut menjadi 100 buah bagian sama banyak. Dari
100 buah bagian yang dibagi sama banyak tersebut, dibatasi oleh 99 buah nilai
persentil
D. CENTRAL LIMIT THEOREM
Teorema Limit Pusat (CLT) merupakan salah satu teorema paling penting dalam
statistika dan probabilitas. Teori ini digunakan hampir di semua tempat di mana
statistik diterapkan. Kegunaan teorema terletak pada kesederhanaan definisinya.
Teorema limit sentral menyatakan bahwa jika beberapa kondisi tertentu terpenuhi,
maka distribusi mean dari sejumlah variabel random independen mendekati distribusi
normal dengan jumlah sampel mendekati tak terhingga. Dengan kata lain, tidak
diperlukan informasi yang banyak tentang distribusi aktual variabel, asalkan ada
cukup sampel dari mereka, jumlah mereka dapat didistribusikan secara normal.
Keindahan teorema limit pusat ini terletak pada kesederhanaannya.
Teorema limit pusat (“central limit theorem”) adalah sebuah teorema yang
menyatakan bahwa kurva distribusi sampling (untuk ukuran sampel 30 atau lebih)
akan berpusat pada nilai parameter populasi dan akan memiliki semua sifat-sifat
distribusi normal.”
E. PROBABILITAS
Teori probabilitas atau peluang merupakan teori dasar dalam pengambilan keputusan
yang memiliki sifat ketidakpastian. •Suatu ukuran tentang kemungkinan suatu
peristiwa (event) akan terjadi dimasa mendatang. Probabilitas dinyatakan antara 0
sampai 1 atau dalam presentase (Lind, 2002)