MAKALAH

TEKNIK ANALISIS DATA (DESKRIPTIF Dan INFERENSIAL)

Makalah ini ditujukan Untuk Memenuhi Tugas Mata Kuliah

“ Metode Penelitian Ekonomi”

Disusun Oleh Kelompok 5 :

1. Royyan Efendi 12402193256
2. Ningrum Nikita Sari 12402193259
3. Febila Qurrotu’ Ainina 12402193261
4. Nadila Febrianti 12402193266
5. Wafiq Zaidatul Khoiroh 12402193284

Dosen Pengampu : Dr. Rokhmat Subagyo, M.E.I

JURUSAN EKONOMI SYARIAH

FAKULTAS EKONOMI DAN BISNIS ISLAM
UIN SAYYID ALI RAHMATULLAH TULUNGAGUNG
SEPTEMBER 2021

KATA PENGANTAR
Assalamualaikum Wr.Wb

Puji syukur kami panjatkan atas kehadirat Allah SWT karena telah
memberikan kelancaran dan kemurahan-Nya terhadap kami, sehingga dapat
menyelesaikan tugas mata kuliah "Metode Penelitian Ekonomi" dalam bentuk
makalah, Sholawat serta salam semoga senantiasa terlimpahkan kepada junjungan
kita Nabiyullah Muhammad, SAW.
Dalam penulisan makalah ini, kami menyadari bahwa sesuai dengan
kemampuan dan pengetahuan yang terbatas, maka makalah yang berjudul
"Teknik Analisis Data (Deskriptif dan Inferensial" ini, masih jauh dari kata
sempurna. Untuk itu kritik dan saran dari semua pihak sangat kami harapkan demi
penyempurnaan pembuatan makalah ini, kami berharap dari makalah yang kami
susun ini dapat bermanfaat dan menambah wawasan bagi kami maupun pembaca.
Amin.

Wassalamualaikum Wr. Wb

Tulungagung, 28 September 2021

Penyusun

i
DAFTAR ISI
KATA PENGANTAR...........................................................................................i

DAFTAR ISIBAB I PENDAHULUAN .............................................................ii

A. Latar Belakang ..................................................................................... 1

B. Rumusan Masalah ............................................................................... 1
C. Tujuan Penulisan ................................................................................. 1
BAB II PEMBAHASAN
A. Analisis Data ........................................................................................ 2
B. Analisis Data Deskriptif ....................................................................... 2
C. Analisis Data Inferensial ................................................................... 12

BAB III PENUTUP

A. Kesimpulan .......................................................................................... 21

DAFTAR PUSTAKA .................................................................................... 22

ii
 BAB I

PENDAHULUAN

A. Latar Belakang
Dalam melakukan penelitian tentu harus ada proses pengumpulan data serta
analisa data yang suda diperoleh. Setelah melakukan pengumpulan data dari
bebapa variable dan sumber yang dapat dipertanggungjawabkan, maka akan
diteruskan untuk anlisa data yang suda diperoleh agar penelitian dapat
menemukan titik terang. Adapun beberapa teknik analisa yang dapat
digunakan dalam penelitian, yaitu Analisa Data Deskriptif dan Analisa Data
Inferensial. Meskipun terdapat perbedaan dalam metode analisa kedua teknik
tersebut, akan tetapi kedua teknik tersebut bisa saling melengkapi satu sama
lain. Perbedaan kedua teknik tersebut ada pada penyajian data dan
kemungkinan yang ada.
B. Rumusan Masalah
1. Apa yang di maksud dengan Analisis Data?
2. Bagaimana Analisis Data Deskriptif?
3. Bagaimana Analisis Data Inferensial?
C. Tujuan
1. Untuk Mengetahui Pengertian Analisis Data.
2. Untuk Mengetahui Analisis Data Deskriptif.
3. Untuk Mengetahui Analisis Data Inferensial.

1
 BAB II

PEMBAHASAN

A. ANALISIS DATA
Dalam penelitian kuantitatif, analisis data merupakan kegiatan setelah data
dari seluruh responden atau sumber lain terkumpul. Kegiatan dalam analisis
data adalah mengelompokkan data berdasarkan variabel dan jenis responden,
mentabulasi data berdasarkan variabel dari seluruh responden, menyajikan
data tiap variabel yang diteliti, melakukan perhitungan untuk menjawab
rumusan masalah, melakukan perhitungan untuk menguji hipotesis yang telah
diajukan. Untuk penelitian yang tidak merumuskan hipotesis, langkah terakhir
tidak dilakukan.
Teknik analisis data dalam penelitian kuantitatif menggunakan statistik.
Terdapat dua macam statistik yang digunakan untuk analisis data dalam
penelitian, yaitu statistik deskriptif dan statistik inferensial. Statistik
inferensial meliputi statistik parametris dan statistik non parametris.

B. STATISTIK DESKRIPTIF
1. Pengertian Statistik Deskriptif
Metode statistik adalah cara atau ilmu yang merupakan kumpulan dari
aturan-aturan tentang pengumpulan, pengelolaan, penaksiran, dan
penarikan kesimpulan dari data statistik yang berupa angka-angka
kuantitatif dan kualitatif. Statistik deskriptif "hanya menguraikan (to
describe) mengenai suatu keadaan atau masalah".1 Metode statatistik sudah
menjadi sebuah kebutuhan manusia modern saat ini, manusia modern saat
ini tak mampu menangani masalah-masalah yang berkembang dengan
efektif dan efisien jika tidak memahami statistik. Begitu banyak variabel-
variabel statistik yang ada sehingga harus dilakukan pemilihanpemilihan
variabel agar permasalahan yang ada dapat dikenal dengan baik dengan
akibat pemecahan masalahnya menjadi efektif dan efisien, semua variabel-
variabel statistik ini dicakup dalam metode statistik deskriptif.

1 Rasdihan Rasyad, Metode Statistik Deskriptif. Hal.6

2
 Metode statistik deskriptif adalah "suatu ilmu yang merupakan kumpulan
dari aturan-aturan tentang pengumuman, pengolahan, penaksiran, dan
penaksiran kesimpulan dari data statistik untuk menguraikan suatu
masalah".2 Statistik Deskriptif adalah “statistik yang mempunyai tugas
untuk mengumpulkan, mengolah dan menganalisa data dan kemudian
menyajikan dalam bentuk yang baik”.3 Beberapa hal yang termasuk
kedalamnya adalah mengumpulkan data, mengelola data, menganalisa
data dan serta menyajikannya. Statistik deskriptif digunakan untuk
menyajikan deskripsi kuantitatif dalam bentuk yang dapat diatur. Dalam
sebuah studi kasus penelitian, kita mungkin memiliki banyak ukuran. Atau
kita dapat mengukur banyak orang dengan ukuran apa pun. Statistik
deskriptif membantu kita menyederhanakan sejumlah besar data dengan
cara yang masuk akal. Setiap statistik deskriptif mengurangi banyak data
menjadi ringkasan yang lebih sederhana.
Statistik deskriptif hanya bersifat deskriptif, tidak melibatkan generalisasi
di luar data yang ada. Ini berarti bahwa statistik deskriptif hanyalah
representasi dari data (sampel) yang tersedia dan tidak didasarkan pada
landasan teori probabilitas. Melakukan generalisasi dari data ke kumpulan
kasus lain adalah kajian dalam statistik inferensial. Statistik deskriptif
meringkas data yang ada melalui angka-angka tertentu seperti mean,
median, dan lain-lain. Sehingga memudahkan pemahaman tentang data.
Hal ini tidak melibatkan generalisasi atau kesimpulan di luar apa yang
tersedia.
Iqbal Hasan (2001:7), Statistik deskriptif adalah “bagian dari statistika
yang mempelajari tentang cara pengumpulan data dan penyajian data
sehingga mudah dipahami”.4 Statistika deskriptif hanya berkaitan dengan
uraian atau keterangan-keterangan tentang suatu data atau keadaan.
Dengan kata lain, statistika deskriptif memiliki fungsi untuk menjelaskan
suatu keadaan, gejala, atau persoalan. Penarikan kesimpulan dalam
2 Ibid., Hal. 7
3 Shaiful Ghozi, Aris Sunindyo, Statistik Deskriptif: untuk ekonomi, (Yogyakarta: CV Budi
Utama, 2015) Hal. 2
4 Rina Hayati, “Pengertian Statistik Deskriptif, Metode dan Contohnya” dalam
https://penelitianilmiah.com/statistika-deskriptif/ diakses pada 28 September Pukul 07.46

3
 statistik deskriptif hanya ditujukan pada kumpulan data yang ada.
Bambang Suryoatmono (2004:18), Pengertian statistika deskriptif adalah
“statistika yang menggunakan data pada suatu kelompok untuk
menjelaskan atau menarik kesimpulan tentang kelompok itu saja”.5
1. Metode Statistik Deskriptif.
Statistik dan statistika deskriptif dipecah menjadi dua ukuran, yaitu
ukuran tendensi sentral dan ukuran variabilitas (penyebaran). Ukuran
tendensi sentral meliputi mean, median dan mode, sedangkan ukuran
variabilitas mencakup deviasi standar, varians, variabel minimum dan
maksimum, serta kurtosis dan skewness. a. Ukuran Tendensi Sentral.
Ukuran Tendensi Sentral adalah “pengukuran yang
memperkirakan pusat, atau rata-rata, dari suatu kumpulan data”. 6
Ukuran Tendensi Sentral bisa dibedakan menjadi tiga jenis, yaitu:
1) Mean (Rata-rata).
Rasio jumlah semua observasi dalam data terhadap jumlah
total observasi. Ini juga dikenal sebagai Average (Rata-rata).
Jadi mean adalah angka di mana seluruh kumpulan data
tersebar. Rata-rata (mean) atau dikenal dengan average dengan
kumpulan data yang memiliki 8 bilangan bulat.
2) Median
Titik yang membagi seluruh data menjadi dua bagian yang
sama besar. Setengah dari data kurang dari median, dan
setengah lainnya lebih besar dari yang sama. Median dihitung
dengan terlebih dahulu menyusun data dalam urutan naik atau
turun. Dengan catatan Jika Kita mengurutkan data dalam
urutan menurun, itu tidak akan memengaruhi median tetapi
IQR akan negatif. Jika jumlah observasi ganjil, median
diberikan oleh observasi tengah dalam bentuk terurut. Jika
jumlah pengamatan genap, median diberikan oleh mean dari
dua pengamatan tengah dalam bentuk yang diurutkan.

5 Rina Hayati, loc. cit.

6 Rina Hayati, loc. cit.

4
 3) Mode
Angka yang memiliki frekuensi maksimum di seluruh
kumpulan data, atau dengan kata lain, mode adalah angka yang
muncul dalam frekuensi maksimum. Sebuah data dapat
memiliki satu atau lebih dari satu mode. Mode adalah istilah
yang muncul waktu maksimum dalam kumpulan data yaitu
istilah yang memiliki frekuensi tertinggi. Tetapi mungkin ada
kumpulan data di mana tidak ada mode sama sekali karena
semua nilai muncul jumlah yang sama kali. Jika dua nilai
muncul waktu yang sama dan lebih dari sisa nilai maka set data
adalah bimodal. Jika tiga nilai muncul waktu yang sama dan
lebih dari sisa nilai maka set data adalah trimodal dan untuk
mode n, set data tersebut multimodal.
b. Ukuran Dispersi (Variabilitas).
Ukuran Dispersi menggambarkan penyebaran data di
sekitar nilai pusat (atau Ukuran Tendensi Pusat).
1) Deviasi Absolut dari Mean
Deviasi Absolut dari Mean, juga disebut Mean Absolute
Deviation (MAD), menggambarkan variasi dalam kumpulan
data, dalam arti bahwa ini menunjukkan jarak absolut rata-rata
dari setiap titik data dalam kumpulan tersebut. Ini dihitung
dengan rumus:

2) Varians
Varians mengukur seberapa jauh titik data tersebar dari mean.
Varians tinggi menunjukkan bahwa titik data tersebar luas dan
varian kecil menunjukkan bahwa titik data lebih dekat ke rata-
rata kumpulan data. Ini dihitung dengan rumus:

5
3) Deviasi Standar
Akar kuadrat dari Varians disebut Deviasi Standar (Standard
Deviation). Ini dihitung dengan rumus:

4) Range
Range adalah perbedaan antara nilai Maksimum dan nilai
Minimum dalam kumpulan data. Ini dihitung dengan rumus:

5) Kuartil
Kuartil adalah titik dalam kumpulan data yang membagi
kumpulan data menjadi empat bagian yang sama. Q1, Q2 dan
Q3 adalah kuartil pertama, kedua dan ketiga dari kumpulan
data.
a) 25% dari poin data terletak di bawah Q1 dan 75% di
atasnya.
b) 50% dari titik data terletak di bawah Q2 dan 50% di
atasnya. Q2 tidak lain adalah Median.
c) 75% dari titik data terletak di bawah Q3 dan 25% terletak di
atasnya.
6) Skewness
Ukuran asimetri dalam distribusi probabilitas ditentukan oleh
Skewness. Ini bisa menjadi positif, negatif atau tidak
terdefinisi. Kemiringan Positif, Ini adalah kasus ketika ekor di
sisi kanan kurva lebih besar daripada di sisi kiri. Untuk
distribusi ini, mean lebih besar dari mode. Kemiringan Negatif,
Ini adalah kasus ketika ekor di sisi kiri kurva lebih besar
daripada di sisi kanan. Untuk distribusi ini, mean lebih kecil
dari mode. Metode penghitungan Skewness yang paling umum
digunakan adalah:

6
 7) Kurtosis
Kurtosis mendeskripsikan apakah data adalah light tailed
(kurangnya outlier) atau heavy tailed (terdapat outlier) jika
dibandingkan dengan distribusi Normal. Ada tiga macam
Kurtosis:
a) Mesokurtik : Ini adalah kasus ketika kurtosisnya nol, mirip
dengan distribusi normal.
b) Leptokurtik : Ini terjadi ketika ekor dari distribusi berat
(outlier sekarang) dan kurtosis lebih tinggi daripada
distribusi normal.
c) Platikurtic : Ini terjadi ketika ekor distribusinya ringan
(tidak ada pencilan) dan kurtosis lebih rendah dari pada
distribusi normal.

1. Pengumpulan data.
Pengumpulan data dapat dilakukan dengan 4 metode, yaitu sensus,
survei, registrasi dan eksperimen. Keempat metode pengumpulan data
tersebut memiliki kelebihan dan kekurangan masing-masing. a. Sensus
Sensus adalah ”pengumpulan data dengan cara melakukan
pendataan secara lengkap terhadap seluruh unit populasi”.7
Kelebihan:
1) Cakupannya lengkap.
2) Bebas dari kesalahan pengambilan sampel (sampling error).
3) Dapat dijadikan sebagai kerangka sampel induk untuk kegiatan
survei.
Kelemahan:
1) Kesalahan tidak dapat diukur.
2) Boros waktu, tenaga dan biaya.

7 Rumus Statistik, “Statistik Deskriptif” dalam

https://www.rumusstatistik.com/2017/02/statistik deskriptif.html diakses pada 28 September 2020
Pukul 09.30

7
 3) Karakteristik objek penelitian yang dicakup biasanya tidak
terlalu banyak.

b. Survei
Survei adalah “pengumpulan data hanya pada sebagian unit
populasi. Sebagian unit populasi tersebut disebut juga dengan
sampel”.8
Kelebihan:
1) Kesalahan dapat diukur.
2) Dapat digunakan untuk menguji kualitas sensus dan registrasi.
3) Hemat waktu, biaya dan tenaga.
4) Kegiatan pendataan lebih mudah.
5) Karakteristik yang dicakup lebih banyak dan rinci.
Kelemahan:
1) Memerlukan kerangka sampel jika tujuan penelitian adalah
untuk mengeneralisasi sampel terhadap populasi.
2) Biaya untuk mendapatkan kerangka sampel sangat besar.
3) Terdapat kesalahan sampling (sampling error).
c. Registrasi
Registrasi adalah “pencatatan secara terus menerus,
misalnya pencatatan kelahiran, kematian dan migrasi yang
dilakukan pemerintah”.9 Kelebihan:
1) Hemat biaya.
2) Data yang diperoleh lebih aktual.
3) Registrasi lebih baik daripada survei maupun sensus apabila
terdata dengan lengkap, misalnya seluruh penduduk
melaporkan setiap kejadian kelahiran, kematian dan migrasi.
Kelemahan:
1) Informasi yang diperoleh tidak terlalu banyak.
2) Sangat sulit mengumpulkan data secara lengkap karena
membutuhkan kesadaran seluruh penduduk.

8 Rumus Statistik, loc. cit.

9 Rumusan Statistik, loc. cit.

8
 d. Eksperimen
Eksperimen adalah “pengumpulan data dengan melakukan
percobaan”.10 Kelebihan:
1) Perencanaan sangat sistematis dan hasilnya lebih akurat.
2) Peneliti dapat memanipulasi variabel-variabel yang diinginkan.
Kelemahan:
1) Waktu yang dibutuhkan lebih lama.

2. Pengolahan data.
Pengolahan data adalah suatu proses dalam memperoleh data
ringkasan atau angka ringkasan dengan menggunakan cara-cara atau
rumus-rumus tertentu. Hasan, (2002) Perkembangan teknologi
komputer dalam bisnis dan perkembangan universitas dengan fasilitas
pengolahan dan analisis data statistiknya sangat pesat. Banyak koleksi
atau paket-paket program komputer telah didesain untuk mengolah dan
menganalisis bermacam-macam tipe data.
Yang termasuk dalam proses pengolahan data, secara singkat dapat
disebutkan sebagai berikut.
a. verifikasi,
b. pengorganisasian data,
c. pencarian kembali,
d. transformasi,
e. penggabungan,
f. pengurutan,
g. perhitungan / kalkulasi
h. ekstraksi data untuk membentuk informasi, dan
i. pembentukan pengetahuan (Witarto, 2008)

10 Rumusan Statistik, loc. cit.

9
 Selain itu, (dalam Hasan, 2002) juga dijelaskan bahwa Pengolahan data
meliputi kegiatan, sebagai berikut.
1) Editing
Editing adalah “pengecekan atau pengoreksian data yang telah
dikumpulkan, karena kemungkinan data yang masuk (raw data) atau
data terkumpul itu tidak logis dan meragukan”. 11 Dengan tujuan
untuk menghilangkan kesalahan-kesalahan yang terdapat pada
pencatatan di lapangan dan bersifat koreksi. Pada kesempatan ini,
kekurangan data atau kesalahan data dapat dilengkapi atau
diperbaiki baik dengan pengumpulan data ulang atau pun dengan
interpolasi (penyisipan).
2) Coding
Coding adalah “pemberian atau pembuatan kode-kode pada tiaptiap
data yang termasuk dalam kategori yang sama”. 12 Kode adalah
isyarat yang dibuat dalam bentuk angka-angka atau huruf-huruff
yang memberikan petunjuk, atau identitas pada suatu informasi atau
data yang akan dianalisis.
3) Tabulasi
Tabulasi adalah “membuat tabel-tabel yang berisikan data yang
telah diberikan kode sesuai dengan analisis yang dibutuhkan”.13
Untuk melakukan tabulasi ini dibutuhkan ketelitian dan kehati-hatian
agar tidak terjadi kesalahan khususnya dalam tabulasi silang.

3. Analisis Deskriptif
Analisis deskriptif merupakan prosedur statistik untuk menguji
generalisasi hasil penelitian yang didasarkan atas satu variabel. Uji ini
bergantung pada jenis data (nominal-ordinal-interval/rasio). Jenis
teknik statistik yang digunakan untuk menguji hipotesis deskriptif
harus sesuai dengan jenis data atau variabel berdasarkan skala

11 Dunia Pendidikan, “Teknik Pengolahan Data Deskriptif” dalam

http://cahayalaili.blogspot.com/2011/05/teknik-pengolahan-data-deskriptif.html
diakses pada 28 September 2020 Pukul 10.00 12 Dunia Pendidikan, loc. cit. 13 Dunia
Pendidikan, loc. cit.

10
 pengukurannya. Analisis komparasi atau perbedaan merupakan
prosedur statistik untuk menguji perbedaan di antar dua kelompok data
(variable) atau lebih. Terdapat dua jenis komparasi, yaitu komparasi
antar dua sampel dan komparasi k sampel (komparasi antara lebih dari
dua sampel). Setiap model sampel dibagi menjadi dua jenis, yaitu
sampel yang berkorelasi dan sampel yang tidak berkorelasi. Sampel
berkorelasi biasanya terdapat dalam desain eksperimen. Berikut ini
diberikan rumus-rumus dari teknik statistik tersebut. a) Test Binomial
Test ini digunakan untuk menguji hipotesis bila dalam populasi
terdiri atas dua kelompok kelas datanya berbentuk nominal dan
jumlah sampelnya kecil (kurang dari 25).
b) Kai Kuadrat
X2 = ∑ …..
c) Runt Test
Run test digunakan untuk menguji hipotesis deskriptif, yang
digunakan urutan suatu kejadian. Pengujian dilakukan dengan cara
mengukur kerandoman populasi yang didasarkan atas data hasil
pengamatan melalui data sampel. Pengamatan terhadap data
dilakukan dengan mengukur banyaknya run dalam suatu kejadian.
d) T-test
t =
keterangan:
T = nilai t hitung X =
rata-rata X µ0 = nilai yang
diihipotesiskan S =
simpangan baku
N = Jumlah anggota sampel

4. Penyajian data.

11
 Data yang sudah diolah agar mudah dibaca dan dipahami oleh orang
lain perlu ditampilkan ke dalam bentuk-bentuk tertentu, yang disebut
dengan penyajian data. Penyajian data itu memiliki keggunaan, antara
lain:
1) Untuk mmenunjukkan perkembangan suatu keadaan
2) Untuk mengadakan perbandingan pada suatu waktu Bentuk-bentuk
penyajian data dapat dilakukan melalui:
1) Table data yaitu table yang menayjikan data dalam bentuk
kumpulan angkaangka yang disusun menurut kategori-kategori
tertentu dalam suatu daftar. Berdasarkan pengaturan datanya, tabel
dapat dibedakan atas beberapa jenis, yaitu table frekuensi, table
klasifikasi, table kontingensi, table korelasi.
2) Grafik data
Grafik data disebut juga diagram data adalah penyajiian data dalam
bentuk gambar-gambar. Grafik data dibedakan atas beberapa jenis,
yaitu, pictogram, grafik batang atau balok, grafik garis, grafik
lingkaran, kartogram (grafik data berupa petayang menunjuukkan
kepadatan penduduk, curah hujan, hasil pertanian), histogram dan
poligon frekuensi (histogram merupakan grafik batang dari
distribusi frekuensi dan poligon frekuensi merupakan grafik
garisnya).

C. ANALISIS DATA INFERENSIAL

Pengertian Statistik Inferensial
Statistik inferensial (sering juga disebut statistik induktif atau statistik
probabilitas), adalah teknik statistik yang digunakan untuk menganalisis data
sampel dan hasilnya diberlakukan untuk populasi. Statistika inferensial
(induktif) mempunyai tujuan untuk penarikan kesimpulan. Sebelum menarik
kesimpulan dilakukan suatu dugaan yang dapat diperoleh dari statistika
deskriptif. Statistika inferensial (induktif) adalah metode yang digunakan
untuk mengetahui populasi berdasarkan sampel dengan menganalisis dan
menginterpretasikan data menjadi sebuah kesimpulan Statistik inferensial
digunakan untuk menarik kesimpulan dari beberapa orang, kejadian, dan

12
 waktu untuk keseluruhan (generalisasi). Sifat statistik inferensial, yaitu: (1)
data yang dianalisis berasal dari random sampling (acak); (2)
menggeneralisasikan dan meramalkan baik tentang ciri penting suatu variabel
maupun hubungan antar variabel; (3) generalisasi dan ramalan yang dibuat
diberlakukan bagi keseluruhan populasi atas dasar hasil analisis data dari
sampel; dan (4) generalisasi dan ramalan dilaksanakan dengan uji hipotesis
atau pengecekan asumsi.12
Statistik ini disebut probabilitas, karena kesimpulan yang diberlakukan untuk
populasi berdasarkan data sampel itu kebenarannya bersifat peluang
(probability). Suatu keseimbangan dari data sampel yang akan diberlakukan
untuk populasi itu mempunyai peluang kesalahan dan kebenaran
(kepercayaan) yang dinyatakan dalam bentuk prosentase. Bila kesalahan
peluang 5% maka taraf kepercayaan 95%, bila peluang kesalahan 1% maka
taraf kepercayaannya 99%. Peluang kesalahan dan kepercayaan itu disebut
dengan taraf signifikansi. Pengujian taraf signifikansi dari hasil suatu analisis
akan lebih praktis bila didasarkan pada tabel suatu teknik analisis yang
digunakan. Misalnya uji-t akan digunakan tabel-t, uji F digunakan tabel F.
Pada setiap tabel sudah disediakan untuk taraf signifikansi berapa persen suatu
hasil analisis dapat digeneralisasikan. Contoh lain misalnya dalam analisis uji
beda ditemukan signifikansi untuk 1%. Hal ini berarti perbedaan itu berlaku
pada 99 dari 100 sample yang diambil dari populasi. Jadi, signifikansi adalah
kemampuan untuk digeneralisasikan dengan kesalahan tertentu. Ada
hubungan signifikansi berarti hubungan tersebut dapat digeneralisasikan. Ada
perbedaan signifikansi berarti perbedaan tersebut dapat digeneralisasikan. 13
Ketika seorang peneliti menggunakan sampel untuk menarik kesimpulan
tentang karakteristik (parameter) populasi, maka peneliti harus membuat
sebuah hipotesis. Ada dua hipotesis yang diajukan peneliti yaitu hipotesis nol
(H0) dan hipotesis alternatif (Ha). Hipotesis nol ini dianggap benar sampai
akhirnya bisa dibuktikan salah berdasarkan data sampel. Di lain pihak

12 Sutarto Hadi, dkk. Statistik Inferensial Teori dan Aplikasinya, Edisi Kedua, (Banjarmasin:
Rajawali Pres Devisi Buku Perguruan Tinggi, 2018), hal 21.
13 Sugiyono, Metode Penelitian Kuantitatif, Kualitatif, dan R&D, (Bandung: ALFABETA, 2019),
hal 208.

13
 hipotesis alternatif merupakan lawan hipotesis nol. Hipotesis alternatif harus
benar ketika hipotesis nol mampu dibuktikan salah.14
Konsep Statistik Inferensial
Adapun konsep dari statistik inferensial antara lain :
1. Standard Error
Peluang setiap sampel sangat identik dengan populasinya sangat kecil
(nill) meskipun inferensi populasi didapat dari informasi sampel.
Penerapan random sampling tidak menjamin karakteristik sampel sama
persis dengan populasi. Variasi prediksi antara mean disebut sampling
error. Sampling error ini tidak bisa dihindari dan ini bukan kesalahan
peneliti. Yang menjadi persoalah adalah apakah error tersebut semata-
mata hasil sampling error atau merupakan perbedaan yang bermakna yang
akan ditemukan pada papulasi yang lebih besar.
Ciri standard error adalah bahwa error yang terjadi bisaanya berdistribusi
normal yang besarnya berbeda-beda dan error tersebut cenderung
membentuk kurva normal yang menyerupai lonceng. Faktor utama yang
mempengaruhi standard error adalah jumlah sampel. Semakin banyak
sampelnya, semakin kecil standard error meannya yang berarti bahwa
semakin kecil standard error-nya, semakin akurat mean sampel untuk
dijadikan estimator untuk mean populasinya.
2. Pengujian Hipotesis
Pengujian hipotesis adalah proses pengambilan keputusan dimana peneliti
mengevaluasi hasil penelitian terhadap apa yang ingin dicapai
sebelumnya. Misalnya, kita ingin menerapkan program baru dalam
pelajaran membaca. Pada rencana penelitian dikemukanan hipotesis
penelitian yang memprediksi perbedaan skor siswa yang menjalani
program baru tadi dengan proglam lama, dan hipotesis nol (0), yang
memprediksikan skor kedua kelompok tidak akan berbeda. Setelah data
dihitung mean dan standar deviasinya dan hasilnya menunjukkan skor

14 Sry Rahyuni, Analisis Inferensial,

https://www.academia.edu/24140277/MAKALAH_ANALISIS_INFERENSIA , diakses pada 24
September 2021, pukul 18.30.

14
 siswa dengan program baru lebih tinggi (berbeda secara signifikan) dari
pada siswa yang mengikuti program lama, maka hipotesis penelitian
diterima dan hipotesis nol ditolak, yang berarti bahwa program baru
tersebut efektif untuk diterapkan pada program membaca. Intinya,
pengujian hipotesis adalah proses evaluasi hipotesis nol, apakah diterima
tau ditolak.
3. Uji Signifikansi
Uji signifikasi merupakan cara untuk mengetahui apakah terdapat
perbedaan antara dua skor. Signifikansi merujuk pada tingkat statistik dari
probabilitas dimana dengannya kita bisa menolak hipotesis nol. Uji
signifikansi dilakukan dengan menentukan tingkat probabilitas praseleksi
yang dikenal dengan tingkat signifikansi (α). Tingkat probailitas ini
dijadikan dasar untuk menolak atau tidak menolak hipotesis nol. Standar
yang digunakan umumnya 0,05 kesempatan (5 dari 100). Adapula yang
menggunakan 0.01. Semakin kecil nilai probabilitasnya, semakin kecil
pula kemungkinan temuan tersebut diperoleh karena disebabkan oleh
peluang.15
Jenis-jenis Statistik Inferensial
Berdasarkan bentuk indikator yang dianalisis, statistik inferensial dibedakan
menjadi 2 yaitu, statistik parametrik dan statistik nonparametrik.
1. Statistik Parametrik
Statistika parametrik (metode kuantitatif) adalah metode statistika yang
menyangkut pendugaan parameter, pengujian hipotesis, pembentukan
selang kepercayaan, dan hubungan antara dua sifat (peubah) atau lebih
bagi parameterparameter yang mempunyai sebaran (distribusi normal)
tertentu yang diketahui. Metode statistika parametrik berlandaskan pada
anggapan-anggapan tertentu yang telah disusun terlebih dahulu, jika
anggapan-anggapan tersebut tidak sesuai dengan keadaan sebenarnya,
apalagi jika menyimpang jauh maka keampuhan metode ini tidak dapat
dijamin atau bahkan dapat menyesatkan. Pengolongan statistika

15 M.Nahrowi, Statistik Inferensial, https://mnahrowi.medium.com/statistik-inferensial-

copas54a8b07650, diakses pada 24 September 2021, pukul 20.15.

15
parametrik, antara lain: korelasi, regresi, path analysis (analisis jalur),
analisis faktor, deskriminan, regresi logistik, dan analisis multivariat.
Adapun karakteristik dari statistika parametrik ialah :
• analisis yang didasarkan atas asumsi bahwa data memiliki sebaran
tertentu (diskrit / kontinum dan normal / tidak normal) dengan
parameter yang belum diketahui
• jenis data kuantitatif dan harus diambil secara acak / random
• sampel harus mempunyai jumlah tertentu dengan standar
keterwakilannya (representatif)
• distribusi data yang terkumpul harus normal sesuai dengan kurva
normal
• homogen, variasinya rendah.
Prosedur penggunaan statistika parametrik harus mempertimbangkan :
• penentuan hipotesis
• pemilihan uji statistika (alat analisis)
• penentuan taraf kesalahan (α) dan ukuran cuplikan (n)
• menentukan sebaran cuplikan (sampling distribution)
• penentuan daerah penolakan Ho; dan (6) pengambilan keputusan
dan penarikan kesimpulan.
Penggunaan metode statistika tidak terlepas dari berbagai kelebihan dan
kekurangan
Kelebihan statistika parametrik adalah :
• dapat digunakan untuk menduga atau meramal
• hasil analisis dapat diperoleh dengan pasti dan akurat apabila
digunakan sesuai aturan-aturan yang telah ditetapkan
• dapat digunakan untuk mengukur interaksi hubungan antara dua
atau lebih variabel (peubah)

• dapat menyederhanakan realitas permasalahan yang kompleks dan

rumit dalam sebuah model sederhana.
Kekurangan statistika parametrik adalah :
• berdasarkan pada anggapan-anggapan (asumsi)

16
 • asumsi tidak sesuai dengan realitas yang terjadi atau menyimpang
jauh maka kemampuannya tidak dapat dijamin bahkan
menyesatkan
• data harus berdistribusi normal dengan skala pengukuran data yang
harus digunakan adalah interval dan rasio
• dapat digunakan untuk menganalisis data yang populasi/sampelnya
sama
• tidak dapat dipergunakan untuk menganalisis dengan cuplikan
(sampel) yang jumlahnya sedikit (> 30).
2. Statistik Nonparametrik
Metode nonparametrik merupakan metode yang bersifat historis,
komparatif, dan case study. Sehingga analisis dari data yang bersifat
kualitatif tersebut perlu dilakukan tahapan tersendiri dalam melakukan
langkah perhitungan dan pengujiannya. Statistika nonparametrik
merupakan statistik yang tidak memerlukan pembuatan asumsi tentang
bentuk distribusi atau bebas distribusi, sehingga tidak memerlukan asumsi
terhadap populasi yang akan diuji. Pokok bahasan statistika nonparametrik
secara khusus mengenai data yang berskala ordinal (jenjang) dimana data
tersebut mempunyai arti berdasarkan urutan tingkat kepentingan.
Karakteristik dari statistika nonparametrik ialah :
• jenis data kualitatif
• tidak didasarkan atas asumsi distribusi pada data
• analisis statistika bebas distribusi (distribution free statistical
anaysis)
• kondisi ini biasanya diberlakukan pada data dengan ukuran kecil
dan dengan skala pengukuran yang jauh dari skala interval
• ukuran pemusatan yang menjadi fokus tidak lagi rata-rata tetapi
median.

Kelebihan statistika nonparametrik adalah :

• nilai peluang hasil analisis dapat diperoleh dengan pasti karena
tidak berdasarkan pada anggapan (asumsi)

17
 • dapat dipergunakan untuk menganalisis dengan cuplikan
(populasi) yang sedikit;
• dapat menganalisis data yang populasinya atau sampelnya berbeda
• dapat dipergunakan untuk menganalisis data yang ukurannya
menurut skala ordinal dan nominal
• metode analisis relatif mudah dengan hanya mempergunakan
aljabar yang sederhana
• mudah dipelajari dan diaplikasikan
Kelemahan statistika nonparametrik adalah :
• bila asumsi sebaran normal dapat dipenuhi, maka kesimpulan
analisis yang diperoleh kemungkinan akan membias
• tidak dapat dipergunakan untuk mengukur interaksi
• tidak dapat dipakai sebagai alat untuk menduga atau meramal.
Pengolongan statistika nonparametrik yaitu: chi square, anova, Wilcoxon
Matched-Pairs Signed Rank Test (uji tanda), run test, Goodnes of Fit Test,
dan Kruskal Wallis.16
Peran Statistik Inferensial dalam Penelitian Kuantitatif
Peranan statistik inferensial dalam penelitian kuantitatif adalah:
• sebagai dasar dalam penyusunan model atau persamaan teoritis
• sebagai wujud perumusan hipotesis
• untuk mendukung pengembangan instrumen penelitian
• sebagai dasar menyusun rancangan penelitian
• sebagai analisis dalam menentukan sampel atau cuplikan penelitian 
sebagai pengolah dan analisis data hasil penelitian.

Dalam penelitian kuantitatif, banyak dijumpai rancangan, misalnya survei,

eksperimen murni, eksperimen semu, deskriptif, dan ex post facto. Berbagai
rancangan penelitian tersebut disusun berdasarkan pertimbanganpertimbangan
statistika. Pada penelitian eksperimen, lazimnya digunakan analisis perbedaan
sehingga digunakan analisis varian dan uji lanjut yang biasanya digunakan uji
simultan. Hal tersebut adalah wajar karena dengan dengan cara itulah peneliti

16 Sutarto Hadi, dkk. Statistik Inferensial Teori dan Aplikasinya, Edisi Kedua, (Banjarmasin:
Rajawali Pres Devisi Buku Perguruan Tinggi, 2018), hal 22.

18
 dapat mengetahui kekuatan dan keterbatasan penelitian yang dilakukan
sebagai upaya untuk mendapat pengetahuan. Tujuan dari berbagai teknik
penentuan sampel ialah, agar diperoleh cuplikan yang representatif bagi
populasinya. Berbagai teknik statistik telah dikembangakan untuk
memperkirakan besarnya sampel, untuk memilih sampel secara acak.
Walaupun demikian, penggunaan teknik-teknik tersebut hanya sah kalau
asumsi-asumsi yang mendasarinya terpenuhi. Namun, tidak dapat dipungkiri
bahwa bagian statistika ini telah banyak membantu para peneliti dalam
melakukan kegiatannya.
Dalam penelitian ilmiah, pengolahan dan analisis data itu tidak lain dalah
penerapan teknik-teknik atau metode-metode statistik tertentu. Penggunaan
teknik-teknik penyajian data seperti yang dikembangkan dalam statistika,
mislanya dalam bentuk tabel, grafik sehingga data tersebut akan mudah
dimengerti dan dipresentasikan secara sama oleh berbagai orang.
Statistika juga telah mengembangkan teknik-teknik perhitungan hargaharga
tertentu, misalnya ukuran-ukuran kekeliruan dan lain-lain, yang dibutuhkan
pada kebanyakan penelitian ilmiah. Disamping itu, yang sangat penting ialah
bahwa didalam statistika telah dikembangkan berbagai metode untuk menguji
hipotesis. Pada posisi inilah peranan terpenting statistika itu, karena tujuan
utama penelitian pada umumnya adalah menguji hipotesis.
Penggunaan metode pengujian hipotesis yang tepat akan sangat meningkatkan
kecermatan keputusan yang diambil sebagai kesimpulan penelitian. Dengan
demikian, dapat dikatakan secara singkat bahwa peranan statistika adalah
sangat peniting. Namun, statistika hanya sekedar alat sehingga secara
bijaksana harus diketahui bahwa peranannya tetap diletakkan secagai alat.
Artinya, jangan sampai statistika justru menjadi tujuan yang menentukan
komponen-komponen penelitian yang lain. Peranan yang paling menentukan
di dalam penelitian adalah tetap masalah dan tujuan penelitian yang ingin
ditemukan jawabannya.17

17 Yeri Sutopo dan Achmad Slamet, Statistik Inferensial, Edisi Pertama, (Yogyakarta: CV.ANDI
OFFSET, 2017 ), hal 14.

19
 BAB III
PENUTUP
A. Kesimpulan
Teknik analisa data menggunakan statistic deskriptif merupakan analisa
berdasarkan variable atau data yang sudah ada. Dalam statistic deskriptif
probabilitas diluar data tidak diperhitungkan yang, berarti dalam metode ini
hanya merupakan representasi dari sampel yang ada.
Selain teknik statistic deskriptif terdapat juga statistic inferensial yang
digunakan sebagai parameter penelitian berdasarkan probabilitas. Dugaan
(probability) pada statistic inferensial dapat diperoleh dari statistic deskriptif
berdasarkan data yang ada sehingga statistic inferensial memiliki peran
sebagai pelengkap dan pengungkap segala kemungkinan yag ada. Statistik
inferensial dibedakan menjadi 2, yaitu statistic parametrik dan statistic
nonparameterik yang memiliki peran masing-masing dan keunggulan serta
kelemahannya masing-masing juga.

20
 DAFTAR PUSTAKA

Dunia Pendidikan. “Teknik Pengolahan Data Deskriptif” dalam

http://cahayalaili.blogspot.com/2011/05/teknik-pengolahan-
datadeskriptif.html diakses pada 28 September 2020 Pukul 10.00
Ghozi,Shaiful,dan Aris,Sunindyo. Statistik Deskriptif: untuk ekonomi.
(Yogyakarta: CV Budi Utama, 2015).
Hadi,Sutarto,dkk. Statistik Inferensial Teori dan Aplikasinya. Edisi Kedua.
(Banjarmasin: Rajawali Pres Devisi Buku Perguruan Tinggi, 2018).
Hadi,Sutarto,dkk. Statistik Inferensial Teori dan Aplikasinya. Edisi Kedua,
(Banjarmasin: Rajawali Pres Devisi Buku Perguruan Tinggi, 2018).
Hayati,Rina.“Pengertian Statistik Deskriptif, Metode dan Contohnya” dalam
https://penelitianilmiah.com/statistika-deskriptif/ diakses pada 28
September Pukul 07.46
M.Nahrowi.Statistik Inferensial.
https://mnahrowi.medium.com/statistikinferensial-copas-54a8b07650,
diakses pada 24 September 2021, pukul
20.15.
Rahyuni,Sry.Analisis Inferensial.
https://www.academia.edu/24140277/MAKALAH_ANALISIS_INFERE
NSIA,diakses pada 24 September 2021, pukul 18.30.

21
Rasyad,Rasdihan. Metode Statistik Deskriptif.
Rumus Statistik. “Statistik Deskriptif” dalam
https://www.rumusstatistik.com/2017/02/statistik-deskriptif.html diakses
pada 28 September 2020 Pukul 09.30
Sugiyono, Metode Penelitian Kuantitatif, Kualitatif, dan R&D, (Bandung:
ALFABETA, 2019).
Sutopo,Yeri,dan Achmad Slamet. Statistik Inferensial.
Edisi Pertama, (Yogyakarta: CV.ANDI OFFSET, 2017 ).

22