KONSEP DASAR STATISTIKA

INFERENSIAL

STATISTIKA
INFERENSIAL
PERTEMUAN-1 SELFI ARTIKA, S.SI., M.SI.

PROGRAM STUDI S-1 BIMBINGAN KONSELING

UNIVERSITAS TEKNOLOGI YOGYAKARTA
2022
 1. Konsep dasar statistika inferensial
2. Pengertian hipotesis
3. Uji Perbedaan Mean 2 Sampel Paramterik
4. Uji Perbedaan Mean 2 Sampel Non Parametrik
5. Uji Perbedaan 3 Sampel atau Lebih Parametrik
6. Uji Perbedaan 3 sampel atau Lebih Non Parametrik
SILABUS 7. Uji korelasi Linear Parametrik
8. Uji Korelasi Ganda parametrik
9. Uji Korelasi Non Parametrik
10.Uji Regresi Linear dan Logistik
 M1 Mahasiswa mampu menggunakan konsep–konsep dasar
statistika, mengolah data deskriptif maupun inferensial,
mendeskripsikan hasil pengolahan data inferensial.
M2 Mahasiswa mampu memahami dan menerapkan Uji hipotesis
dalam uji perbedaan mean 2 sampel, 3 sampel atau lebih dengan
statistika parametrik dan statistic nonparametrik (Uji Z, Uji T, Uji
F (Anova), Uji Chi-Square) serta mampu melakukan penarikan
CAPAIAN kesimpulan dan generalisasi dengan tepat dan benar.
M3 Mahasiswa mampu memahami konsep uji korelasi dengan
MATA statistik parametrik dan statistik nonparametrik, pengujian
KULIAH validitas dan reliabilitas instrumen serta mampu melakukan
penarikan kesimpulan dan generalisasi dengan tepat dan benar.
M4 Mahasiswa mampu memahami konsep uji regresi linear dan
regresi logistik, memahami dan menjelaskan hubungan antara
variabel bebas dan variabel terikat dan memberikan analisa yang
tepat pada hasil hubungan tersebut serta mampu melakukan
penarikan kesimpulan dan generalisasi dengan tepat dan benar.
 NO ELEMEN BOBOT (%)
1 CP-MK1 10
2 CP-MK2 20
PENILAIAN 3 CP-MK3 15
4 CP-MK4 15
5 Ujian Tengah Semester 20
6 Ujian Akhir Semester 20
 81-100 A

61-80 B

STANDAR 41-60 C
PENILAIAN
21-40 D

≤ 𝟐𝟎 E
 1. Sutopo, Yeri dan Achmad Slamet. 2017. Statistik Inferensial.
Penerbit ANDI. Yogyakarta.

2. Sutrisno Hadi. (2002). “Statistika Jilis 2”. Yogyakarta : Penerbit

Andi.(U1)

3. Sutrisno Hadi. (2002). “Statistika Jilis 3”. Yogyakarta : Penerbit

Andi.(U2)

PUSTAKA 4. Sugiyono. (2009). “Statistika untuk Penelitian . bandung:

Alfabeta. (U3)”
UTAMA
5. Sugiyono. (2009). “Statistika untuk Penelitian . bandung:
Alfabeta. (U4)”

6. Siegel Sidney. (1994). “Statistik Non Parametris untuk ilmu –

ilmu sosial”. Jakarta: Gramedia (U5)

7. Riduwan. (2009). “Idasar – dasar Statsitika”, Bandung : Alfabeta

. (U6)
 1. Supranto, J. 2016. Statistik Edisi 8. Jilid 2. Erlangga. Jakarta.
2. Nugroho Budiyuwono, Pengantar Statistik Ekonomi dan
Perusahaan, Jilid 2, UPP AMP YKPN

3. Sugiyono, 2017, Statistika untuk Penelitian, Alfabeta

4. Sudjana. (1996). “Metode Statistika Edisi Ke - 6”. Penerbit : Tarsito:

Bandung , (T1)

PUSTAKA 5. Nurgiantoro, Gunawan, Marzuki, (2000). “Statistika Terapan untuk

Penelitian Ilmu – ilmu sosial”. Gadjah Mada University Press:
PENDUKUNG Yogyakarta. (TI).

6. Hasan, Iqbal,(2002). “Pokok – Pokok Materi Statsitika 2 (statsitika

inferensif)”. Bumi Aksara: Jakarta. (T3)

7. Hadi, sutrisno. (1997). “Statistika Jilid 1”. Penerbit Andi:

Yogyakarta , cetakan Ke -20. (T4)

8. Murti Bhisma. (1996). “Penerapan Metode Statistika Non

Parametrik dalam Ilmu – Ilmu Kesehatan.” Penerbit PT Gramedia
Pustakan Utama: Jakarta. (T5)
 ❖ Waktu untuk absen hanya 30 menit di awal perkuliahan.
❖ Aturan penilaian sesuai dengan capaian matakuliah.
❖ Nilai akhir diperoleh dari nilai semua komponen capaian mata
kuliah yang di dapat.
❖ Jika ada kendala sesuatu hal harap dikomunikasikan sebelum
jadwal perkuliahan.
KONTRAK ❖ Untuk semua tugas, kuis dan ujian dikumpulkan melalui e-
learning.
PERKULIAHAN ❖ Untuk setiap ujian, baik kuis, UTS, dan UAS tidak ada kerjasama
dalam bentuk media dan isyarat apapun.
❖ Rekap nilai akan di berikan sebelum jadwal UAS berlangsung.
❖ Diharapkan keakifan, kedisiplinan, tanggung jawab dan
kejujuran menjadi hal utama dalam perkuliahan.
❖ E-learning: Statistitika Inferensial Kelas A
❖ Enrolment key: Inferensial
 Deskriptif

STATISTIKA
Inferensia
DIAGRAM KATEGORI STATISTIKA

Stataistika

Deskriptif Inferensial

Pengujian
Pendugaan Hipotesis

poin selang
PENGERTIAN STATISTIKA INFERENSIAL

o Statistik inferensial adalah metode penelitian statistik yang datanya

mengambil dari kelompok kecil maupun sample atau
indukannya guna penarikan kesimpulan suatu kelompok data
induknya ataupun populasi.
o Rangkuman terhadap semua metode analisis sebagian data disebut
dengan statistika inferensial. Dimana selanjutnya akan mencapai
proses peramalan atau pembuatan kesimpulan perihal keseluruhan
data induk.
o Generalisasi yang memiliki ikatan statistika inferensial akan
mempunyai sifat yang belum tentu kebenarannya (tidak pasti). Hal ini
disebabkan oleh informasi parsial yang didapatkan dari hanya
sebagian data, maka data yang diperoleh adalah peramalan saja.
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
FUNGSI STATISTIKA INFERENSIAL
o Statistika Inferensial atau induktif 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)
JENIS-JENIS STATISTIKA INFERENSIAL
1. STATISTIK PARAMETRIK
Statistik Parametrik, yaitu ilmu statistik yang mempertimbangkan jenis
sebaran atau distribusi data, yaitu apakah data menyebar secara normal
atau tidak.
Statistik parametrik digunakan untuk menguji hipotesis dan variabel
yang terukur. 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.
Misal: “Berapa menit rata-rata waktu layanan pelanggan di restoran
cepat saji X?”. variabel waktu layanan pelanggan dapat diukur dalam
menit.
Syarat-syarat statistik parametrik :
a. Data dengan skala interval dan rasio
b. Data menyebar/berdistribusi normal

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.
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.
Misal : “Berapa besar kepuasan pelanggan terhadap pelayanan restoran
cepat saji X?”. variabel kepuasan tidak memiliki satandar pasti.

Syarat statistik non-parametrik

a. Data tidak berdistribusi normal
b. Umumnya data berskala nominal dan ordinal
c. Umumnya dilakukan pada penelitian social
d. Umumnya jumlah sampel kecil
JENIS UJI STATISTIK PARAMETRIK

1. Uji-T, digunakan untuk menguji signifikansi dalam satu atau dua

kelompok sampel
2. ANOVA, digunakan untuk menguji signifikansi perbedaan dua rerata
atau lebih
3. Korelasi, digunakan untuk menguji hubungan antar variable
4. Regresi, digunakan untuk menguji hubungan antar variabel
5. Analisis jalur, digunakan untuk menguji hubungan sebab akibat yang
didapatkan melalui kajian teori yang telah dirumuskan
JENIS UJI STATISTIK NONPARAMETRIK
1. Uji Binomial
2. Run Test
3. Goodness of Fit Kolmogorov Smirnov satu sampel
4. Uji Mc nemar,
5. Wilcoxon sampel berpasangan
6. Uji tanda dua sampel independent
7. Uji median Mann-Whitney
8. Rank Spearman
9. Uji korelasi Kendall-Tau
10.Uji Chi-Square
 JENIS SKALA DATA
o SKALA NOMINAL
Data yang bersifat kategorik dan tidak dapat di rangking.
Contoh : Jenis Kelamin, pilihan jawaban ya/tidak pada kuesioner,dll.

o SKALA INTERVAL
Data yang dapat dirangking tetapi tidak mempunyai “titik nol” yang tetap
sebagai awal.
Contoh :
suhu tubuh : suhu antara 36℃ dan 37℃. Suhu tersebut dapat diurutkan
tetapi tidak mempunyai titik nol yang tetap. Suhu 0℃ bukan berarti
tidak ada panas, tetapi suhu 40℃ juga tidak bias dikatakan kalua
panasnya 2x lebih panas dari suhu 20℃.
o SKALA RASIO
Sama seperti skala interval tetapi tipe data ini sudah mempunyai
titiknol yang tetap.
Contoh : Harga barang, Berat badan, Tinggi Badan, Ipk,dsb.

o SKALA ORDINAL
Data yang dapat dirangking , tetapi selisihnya tidak bermakna apapun.
Contoh : nilai statistika mahasiswa UTY adalah A-, A, B, B-, C, C+, D, A
BEBERAPA ASPEK MENGENAI
STATISTIKA INFERENSIAL
1. Pendugaan parameter
2. Pengujian hipotesis
3. Hubungan antara pendugaan dan pengujian hipotesis
“Hal yang kita perjuangkan hari ini akan merangkai bangunan kekuatan yang
kokoh yang akan kita butuhkan di esok hari.”
Selfi Artika