Dalam dunia matematika, statistika adalah metode di mana kita

mengumpulkan, menganalisis, meringkas, dan mengambil kesimpulan dari

data eksperimental atau nyata. Untuk menyelesaikan proses tersebut,
statistika dipecah menjadi 2 jenis: Deskriptif dan Inferensial. Apa
perbedaan dari kedua jenis statistika tersebut? Yuk kita simak bersama!

STATISTIKA DESKRIPTIF
Statistika Deskriptif adalah sebuah cara untuk mengatur,
merepresentasikan, dan mendeskripsikan kumpulan data menggunakan
tabel, grafik, dan banyak parameter numerik lainnya. Berikut beberapa
istilah dari Statistika yang termasuk di golongan Deskriptif:
 Mean – Nilai rata-rata dari data yang bertipe numerik/angka.
 Median – Nilai tengah yang membagi data terurut menjadi 2 bagian
sama besar.
 Mode –  Nilai yang paling sering muncul dari data.
 Standard Deviation – Rata-rata kuadrat dari selisih/jarak setiap
observasi dengan nilai mean. 
  Correlation – Nilai yang menggambarkan keeratan hubungan antara
dua variabel numerik. Belum tentu menggambarkan hubungan sebab
akibat.
 Variance – Nilai yang menggambarkan seberapa
bervariasi/beragamnya suatu data bertipe numerik/angka.

Statistika Deskriptif sangat penting bagi Data Scientists untuk melihat sebuah pattern dari data.
Tetapi, jenis statistika ini hanya bisa digunakan untuk sampel data yang sedang dipelajari, tidak bisa
digunakan untuk melakukan generalisasi atau mengambil kesimpulan tentang populasi atau kelompok
lainnya. Contoh dari Statistika Deskriptif adalah koleksi data di dalam kota yang menggunakan
internet atau memiliki mobil. Misalkan, menurut BPS (Badan Pusat Statistik), jumlah kendaraan
mobil penumpang di Indonesia pada tahun 2018 mencapai 16,44 juta. Jumlah kendaraan sepeda motor
mencapai 120,10 juta. Data deskriptif ini bisa dibuat dalam bentuk tabel maupun grafik.

STATISTIKA INFERENSIAL
Jenis statistika ini digunakan untuk menarik kesimpulan terhadap karakteristik sebuah populasi
dengan memanfaatkan informasi dari sampel yang dihasilkan dari Statistika Deskriptif. Kesimpulan
tersebut tergantung pada data yang bervariasi seperti:
 Linear Regression Analysis – Suatu model statistik yang berfungsi untuk mengetahui seberapa
besar hubungan antara variabel dependent dan independent. Variabel dependent berupa data
numerik.
 Logistic Regression Analysis – Suatu model statistik yang berfungsi untuk mengetahui
hubungan antara variabel dependent dan independent dalam konteks peluang. Variabel dependent
berupa kategori dengan 2 kelas/kategori saja. 
 Hypothesis Testing – Suatu metode yang digunakan untuk menarik kesimpulan dari dua dugaan
atau hipotesis yang saling bertolak belakang berdasarkan sampel data.
 Confidence Interval – Rentang nilai yang menggambarkan kemungkinan atau estimasi nilai dari
parameter populasi.
Sebagai contoh, kita lihat hasil studi kasus nyata. Kita ingin menjawab pertanyaan ini: Apakah
Vitamin C dapat membantu menyembuhkan flu? Pertama kita membuat null hipotesis dan hipotesis
alternatif.
 Null hipotesis – Anak-anak yang mengonsumsi vitamin C kemungkinan besar akan tetap sakit
flu.
 Hipotesis alternatif – Anak-anak yang mengonsumsi vitamin C kemungkinan besar akan
sembuh atau imun terhadap flu.
Untuk menguji hipotesis ini, kita membagi 2 sample group. Group pertama kita beri vitamin C, group
kedua kita beri plasebo. Kita mulai mengoleksi data pada musim flu. Setelah data ini dianalisis, kita
ternyata mendapatkan p-value 0.20, sedangkan significance level yang diinginkan adalah 0.05.
Semakin kecil p-value, semakin kuat buktinya bahwa kita harus menolak null hipotesis. Karena hasil
p-value ini lebih tinggi dibanding significance level kita, kita bisa menyimpulkan bahwa vitamin C
belum terbukti memberikan efek yang signifikan terhadap flu.

SUMMARY
Dua jenis statistika harus digunakan untuk membuahkan insights yang berguna. Supaya kamu lebih
ngerti lagi, saya kasih contoh yang sederhana bagaimana cara mengaplikasikan statistika deskriptif
dan inferensial.
Anggap saja kamu lagi jalan-jalan di mall dan memutuskan untuk survey 100 orang. Survey tersebut
tujuannya untuk mengetahui apakah mereka suka belanja di H&M atau tidak. Dari hasil survey
tersebut, kamu bisa membuat tabel dan chart. Misal 50 orang bilang ‘ya suka belanja di H&M’ dan 50
orangnya lagi bilang ‘tidak suka’. Ini adalah proses Statistika Deskriptif. 
Nah selanjutnya, kamu bisa melakukan research lagi untuk mengambil insights yang lebih dalam.
Sebagai contoh, kita mau menguji hipotesis usia pengunjung H&M. Setelah mengumpulkan sampel
data dan melakukan uji hipotesis, kita bisa mengambil kesimpulan bahwa terdapat 95% kemungkinan
usia pengunjung itu berada di antara 16-25. Insights ini sangat berguna bagi H&M sehingga mereka
bisa mengalokasikan resourcenya untuk strategi yang tepat. Nah proses ini yang disebut oleh Statistika
Inferensial.
 BAB II
PEMBAHASAN
2.1  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.
2.2  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 :
a.       Generalisasi dari sampel ke populasi.
b.      Uji hipotesis (membandingkan atau uji perbedaan/kesamaan dan menghubungkan, yaitu
uji keterkaitan, kontribusi).
2.3  Ruang lingkup Bahasan Statistika Inferensial
Berdasarkan ruang lingkup bahasannya, statistika inferensial mncakup :
a.       Probabilitas atau teori kemungkinan
b.      Dristribusi teoritis
c.       Sampling dan sampling distribusi
d.      Pendugaan populasi atau teori populasi
e.       Uji Hipotesis
f.       Analisis korelasi dan uji signifikasi
g.      Analisis regresi untuk peramalan
h.      Analisis varians
i.        Analisis kovarians
A.    Probabilitas atau teori kemungkinan
Teori statistik dianggap telah selesai jika kita telah selesai membuat suatu
kesimpulan tentang karakteristik populasi. Untuk membuatkesimpulan mengenai
populasi, pada umumnya penelitian terhadap sampel yang diambil dengan teknk tertentu.
Cara mengambil sampel penelitian disebut Sampling. Jika sampling diambil dengan teknik
sampling, maka sampel penelitian tersebut dapat dikatakan representasi dari populasi.
Kesimpulan yang diambil oleh peneliti tidaklah pasti secara absolut dan selalu
memiliki kekeliruan tertentu. Untuk itu diperlukan pengetahuan tentang teori probabilitas
atau teori peluang atau teori tentang kemungkinan terjadinya kepastian dan
ketidakpastian suatu kejadian. Dengan demikian, Probabilitas dapat diartikan
kemungkinan terjadinya suatu peristiwa diantara kejadian seluruhnya yang mungkin
terjadi. Misalanya, ada huruf A, B, C. Berapa kemungkinan pasanagan yang dibuat ?.
Kemungkinan yang terjadi adalah ABC, ACB, BCA, BAC, CAB dan CBA. Jadi ada 6
kemungkinan, denagn rumus 3x2x1 = 6. Hal ini dapat ditulis dengan n! (dibaca: n
faktorial). Pada contoh ini ada 3! 3x2x1 = 6. Hal ini disebut permutasiJumlah permutasi
dan n objek yang berbeda adalah n!. Jika jumlah seluruh objek adalah n jumlah objek
yang diambil disetiap pengambilan adalah r, maka aturan tersebut dapat dirumuskan
sebagai berikut
Misalanya, ada empat huruf ABCD, berapa pasang yang dapat dibuat ? hal ini dapat
dihitung dengan jalan berikut.
B.  Distribusi Teoritis
Salah satu distribusi frekuensi yang paling penting dalam statistika adalah distribusi
normal. Distribusi normal berupa kurva berbentuk lonceng setangkup yang melebar tak
berhingga pada kedua arah positif dan negatifnya. Penggunaanya sama dengan
penggunaan kurva distribusi lainnya. Frekuensi relatif suatu variabel yang mengambil
nilai antara dua titik pada sumbu datar. Tidak semua distribusi berbentuk lonceng
setangkup merupakan distribusi normal.
Pada tahun 1733 DeMoivre menemukan persamaan matematika kurva normal yang
menjadi dasar banyak teori statistika induktif. Distribusi normal sering pula disebut
Distribusi Gauss untuk menghormati Gauss (1777 – 1855), yang juga menemukan
persamaannya waktu meneliti galat dalam pengukuran yang berulang-ulang mengenai
bahan yang sama.
Sifat dari variabel kontinu berbeda dengan variabel diskrit. Variabel kontinu
mencakup semua bilangan, baik utuh maupun pecahan. Oleh karenanya tidak bisa
dipisahkan satu nilai dengan nilai yang lain. Itulah sebabnya fungsi variabel random
kontinu sering disebut fungsi kepadatan, karena tidak ada ruang kosong diantara dua nilai
tertentu. Dengan kata lain sesungguhnya keberadaan satu buah angka dalam variabel
kontinu jika ditinjau dari seluruh nilai adalah sangat kecil, bahkan mendekati nol. Karena
itu tidak bisa dicari probabilitas satu buah nilai dalam variabel kontinu, tetapi yang dapat
dilakukan adalah mencari probabilitas diantara dua buah nilai.
C.  Sampling dan Sampling Distribusi
Sampling adalah bagian dari metodologi statistika yang berhubungan dengan
pengambilan sebagian dari populasi. Jika sampling dilakukan dengan metode yang tepat,
analisis statistik dari suatu sampel dapat digunakan untuk menggeneralisasikan
keseluruhan populasi. Sampling berguna dalam penarikan kesimpulan ( inference) yang
valid dan dapat dipercaya.
Distribusi Sampling adalah distribusi nilai statistik sampel-sampel. Jika statistik
yang ditinjau adalah mean dari masing – masing  sampel, maka distribusi yang terbentuk
disebut distribusi mean – mean  sampling (sampling distribution of the means). Dengan
demikian dapat juga diperoleh distribusi deviasi standard, varians, median dari sampling.
Masing – masing  jenis distribusi sampling dapat dihitung ukuran-ukuran statistik
deskriptifnya (mean, range, deviasi standard, da lain-lain).
Sampling memiliki beberapa tipe diataranya :
 v  Simple random sampling adalah sebuah proses sampling yang dilakukan sedemikian
rupa sehingga setiap satuan sampling yang ada dalam populasi mempunyai peluang yang
sama untuk dipilih ke dalam sampel.
 v  Systematic sampling merupakan pengambilan setiap unsur ke k dalam populasi, untuk
dijadikan sampel. Pengambilan sampel secara acak hanya dilakukan pada pengambilan
awal saja, sementara pengambilan kedua dan seterusnya ditentukan secara
sistematis,
yaitu menggunakan interval tertentu sebesar k.
 v  Stratified sampling adalah penarikan sampel berstrata yang dilakukan dengan mengambil
sampel acak sederhana dari setiap strata populasi yang sudah ditentukan lebih dulu.
 v  Convenience sampling, sampel diambil berdasarkan faktor spontanitas, artinya siapa saja
yang secara tidak sengaja bertemu dengan peneliti dan sesuai dengan karakteristiknya,
maka orang tersebut dapat dijadikan sampel.
 v  Judgement sampling (purposive sampling) adalah teknik penarikan sampel yang
dilakukan berdasarkan karakteristik yang ditetapkan terhadap elemen populasi target
yang disesuaikan dengan tujuan atau masalah penelitian.Bedanya, jika dalam sampling
stratifikasi penarikan sampel dari setiap subpopulasi dilakukan dengan acak, maka dalam
sampling kuota, ukuran serta sampel pada setiap sub-subpopulasi ditentukan sendiri oleh
peneliti sampai jumlah tertentu tanpa acak.
 v  Snowball Sampling merupakan salah satu bentuk judgement sampling yang sangat tepat
digunakan bila populasinya kecil dan spesifik. Cara pengambilan sampel dengan teknik
ini dilakukan secara berantai, makin lama sampel menjadi semakin besar, seperti bola
salju yang menuruni lereng gunung.
  o   Sampling memiliki beberapa kriteria diantaranya :
Kriteria yang harus diperhatikan untuk menentukan tipe sampling yang baik, diantaranya:
(1) dapat menghasilkan gambaran yang dapat dipercaya dari seluruh populasi,
(2) dapat menentukan presisi dari hasil penelitian,
(3) sederhana, mudah dilaksanakan, dan
(4) dapat memberikan keterangan sebanyak mungkin tentang populasi dengan biaya
minimal.
   o   Tahapan sampling adalah:
  v  Mendefinisikan populasi hendak diamati
  v  Menentukan kerangka sampel, yakni kumpulan semua item atau peristiwa yang mungkin
  v  Menentukan metode sampling yang tepat
  v  Melakukan pengambilan sampel (pengumpulan data)
  v  Melakukan pengecekan ulang proses sampling
D. Pendugaan Populasi atau Teori Populasi
Populasi adalah himpunan dari unsur – unsur yang sejenis.Unsur- unsur sejenis
tersebut bisa berupa manusi, hewan, tumbuh – tumbuhan, benda – benda, zat cair,
peristiwa dan sejenisnya. Besarnya populasi bisa terbatas dan bisa tidak terbatas. Populasi
dari mana sampel diambil disebut populasi induk. Melalui teknik pengambilan sampel
yang reliabel kesimpulan penelitian dapat digeneralisasikan. Ada kesalahan generalisasi
yangperlu dipertimbangkan karena besar kecilnya keslahan generalisasi tergantung pada :
(1) besarnya sampel penelitian, (2) teknik sampling yang digunakan, (3) kecermatan
memasukkan ciri – ciri populasi dan sampling, (4) cara – cara pengambilan data dan (5)
rancangan analisi data.
Populasi (population/universe) dalam statistika merujuk pada sekumpulan individu
dengan karakteristik khas yang menjadi perhatian dalam suatu penelitian (pengamatan).
Misalnya, jika yang ingin diteliti adalah sikap konsumen terhadap satu produk tertentu,
 maka populasinya adalah seluruh konsumen produk tersebut. Jika yang diteliti adalah
laporan keuangan perusahaan “X”, maka populasinya adalah keseluruhan laporan
keuangan perusahaan “X” tersebut, Jika yang diteliti adalah motivasi pegawai di
departemen “A” maka populasinya adalah seluruh pegawai di departemen “A”. Jika yang
diteliti adalah efektivitas gugus kendali mutu (GKM) organisasi “Y”, maka populasinya
adalah seluruh GKM organisasi “Y”Populasi dari mana sampel penelitian diambil disebut
populasi induk. Ukuran populasi ada dua:
(1) populasi terhingga (finite population), yaitu ukuran populasi yang berapa pun
besarnya tetapi masih bisa dihitung (cauntable). Misalnya populasi pegawai suatu
perusahaan;
(2) populasi tak terhingga (infinite population), yaitu ukuran populasi yang sudah
sedemikian besarnya sehingga sudah tidak bisa dihitung (uncountable). Misalnya
populasi tanaman anggrek di dunia.
E. 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.
           F.  Analisis Korelasi Dan Uji Signifikasi
Analisis korelasi pertama kali dikembangkan oleh Karl Pearson pada tahun 1900.
Tujuan dari analisis ini adalah untuk menetukan seberapa erat hubungan antara dua
variable. Definisi analisis korelasi dinyatakansebagai berikut : “Analisis korelasi adalah
suatu teknik statistik yang digunakan untuk mengukur keeratan hubungan atau
korelasi antara dua variabel”
Analisis korelasi mencoba mengukur keeratan hubungan antara dua variabel X dan
Y. Keeratan hubungan antara dua variabel tersebut dinyatakan dalam bentuk koefisien
korelasi yang dilambangkan dengan huruf r. Koefisien korelasi (r) menunjukkan seberapa
dekat titik kombinasi antara variabel Y dan X pada garis lurus sebagai garis dugaannya.
Semakin dekat titik kombinasi dengan garis dugaannya maka nilai korelasi semakin
membesar. Sebaliknya, semakin menyebar dari garis dugaannya maka nilai korelasi
semakin kecil.
Pengertian lain menyebutkan, Korelasi adalah metode statistik yang dipakai untuk
mengukur asosiasi atau hubungan antara dua atau lebih variabel kuantitatif, sedangkan
untuk mengukur asosiasi antara dua atau lebih variabel kuantitatif dipakai tes X kuadrat.
Sebagai contoh hubungan antara dosis obat hipertensi dan tekanan darah, hubungan
antara dua variabel ini dinyatakan pada sumbu X dan Y yang membentuk suatu garis
 linier dan koefisien (r) yang menyatakan derajat hubungan antara dua variabel tersebut.
Sedangkan untuk korelasi sendiri digunakan untuk menyatakan derajat hubungan linier
antara dua variabel X dan Y. Jika korelasi antara X dan Y mempunyai hubungan sangat
erat, maka nilai koefisien korelasi (r) mendekati -1 atau +1, dan bila tidak ada hubungan
akan mendekati nilai 0.
G. Analisis Regresi Untuk Peramalan           
Analisis regresi dalam statistika adalah salah satu metode untuk menentukan
hubungan sebab-akibat antara satu variabel dengan variabel - variabel yang lain. Variabel
"penyebab" disebut dengan bermacam-macam istilah: variabel penjelas, variabel
eksplanatorik, variabel independen, atau secara bebas, variabel X (karena seringkali
digambarkan dalam grafik sebagai absis, atau sumbu X). Variabel terkena akibat dikenal
sebagai variabel yang dipengaruhi, variabel dependen, variabel terikat, atau variabel Y. Kedua
variabel ini dapat merupakan variabel acak (random), namun variabel yang dipengaruhi
harus selalu variabel acak. Analisis regresi adalah salah satu analisis yang paling populer
dan luas pemakaiannya. Analisis regresi dipakai secara luas untuk melakukan prediksi
dan ramalan, dengan penggunaan yang saling melengkapi dengan bidang pembelajaran
mesin. Analisis ini juga digunakan untuk memahami variabel bebas mana saja yang
berhubungan dengan variabel terikat, dan untuk mengetahui bentuk-bentuk hubungan
tersebut.
              H.  Analisis Varians
 Analisis varians (analysis of variance, ANOVA) adalah
suatu metode analisis statistika yang termasuk ke dalam cabang statistika inferensial.
Dalam literatur Indonesia metode ini dikenal dengan berbagai nama lain, seperti analisis
ragam, sidik ragam, dan analisis variansi. Ia merupakan pengembangan dari masalah
Behrens-Fisher, sehingga uji-F juga dipakai dalam pengambilan keputusan. Analisis
varians pertama kali diperkenalkan oleh Sir Ronald Fisher, bapak statistika modern.
Dalam praktik, analisis varians dapat merupakan uji hipotesis (lebih sering dipakai)
maupun pendugaan (estimation, khususnya di bidang genetika terapan). Secara umum,
analisis varians menguji dua varians (atau ragam) berdasarkan hipotesis nol bahwa kedua
varians itu sama. Varians pertama adalah varians antarcontoh (among samples) dan varians
kedua adalah varians di dalam masing-masing contoh (within samples). Dengan ide
semacam ini, analisis varians dengan dua contoh akan memberikan hasil yang sama
dengan uji-t untuk dua rerata (mean). Supaya sahih (valid) dalam menafsirkan hasilnya,
analisis varians menggantungkan diri pada empat asumsi yang harus dipenuhi dalam
perancangan percobaan:
 Data berdistribusi normal, karena pengujiannya menggunakan uji F-Snedecor
 Varians atau ragamnya homogen, dikenal sebagai homoskedastisitas, karena hanya
digunakan satu penduga (estimate) untuk varians dalam contoh
 Masing-masing contoh saling bebas, yang harus dapat diatur dengan perancangan
percobaan yang tepat
 Komponen-komponen dalam modelnya bersifat aditif (saling menjumlah).
 Analisis varians relatif mudah dimodifikasi dan dapat dikembangkan untuk berbagai
bentuk percobaan yang lebih rumit. Selain itu, analisis ini juga masih memiliki
keterkaitan dengan analisis regresi. Akibatnya, penggunaannya sangat luas di berbagai
bidang, mulai dari eksperimen laboratorium hingga eksperimen periklanan, psikologi,
dan kemasyarakatan.
           I.   Analisis Kovarians
Analisis kovarian (anakova) adalah uji statistik multivarian yang merupakan
perpaduan antara analisis regresi dengan analisis varian (anava). Analisis Kovarian
(Anakova) dikembangkan oleh R. A. Fischer, seorang pakar statistik berkebangsaan
Inggris dan pertama kali dipublikasikan pada tahun 1932.
Anakova merupakan teknik statistik yang sering digunakan pada penelitian
eksperimental (dirancang sendiri) dan juga observasional (sudah terjadi di lapangan).
Dalam penelitian, tidak jarang terjadi, satu atau lebih variabel yang tidak dapat dikontrol
oleh peneliti karena keterbatasan penyelenggaraan eksperimen atau karena alasan lain,
padahal peneliti sadar bahwa variabel-variabel tersebut juga mempengaruhi hasil
eksperimennya.
Menghadapi situasi seperti ini, maka peneliti perlu mengadakan pendekatan statistik
untuk mengontrol dalam arti meniadakan berbagai efek dari satu atau lebih variabel yang
tidak terkontrol ini. Anakova merupakan salah satu metode statistik  yang digunakan
untuk mengatasi variabel yang tidak terkontrol tersebut (Supratiknya, 2006).
 Secara lebih khusus dalam anakova akan diadakan analisis residu pada garis regresi,
yaitu dilakukan dengan jalan membandingkan varian residu antar kelompok dengan
varian residu dalam kelompok.
Anakova akan dihitung dengan melakukan pengendalian statistik yang gunanya
untuk membersihkan atau memurnikan perubahan-perubahan yang terjadi pada variabel
terikat sebagai akibat pengaruh variabel-variabel atau karena rancangan penelitian yang
tidak kuat. Pengendalian terhadap pengaruh luar dalam penelitian memiliki fungsi yang
penting terutama untuk mempelajari pengaruh murni suatu perlakuan pada variabel
tertentu terhadap variabel lain (Winarsunu, 2007)