Subscribe to DeepL Pro to translate larger documents.
21/07/00 1:53 PM Literasi Statistik dan Pemikiran M atematis
Visit www.DeepL.com/pro for more information.
LITERASI STATISTIK DAN PEMIKIRAN MATEMATIS
M ilo Schield, Augsburg College
Departemen Bisnis & M IS. 2211 Riverside Drive. M inneapolis, M N 55454
Abstrak: Literasi Statistik, studi tentang statistik
sebagai bukti dalam argumen, diusulkan sebagai
mata kuliah baru - mata kuliah yang menjembatani
untuk mempersiapkan mahasiswa dengan lebih baik untuk
mata kuliah statistik tradisional. Literasi Statistik
juga dapat menjadi mata kuliah yang berdiri sendiri
dengan fokus pada studi observasional dan faktor
perancu. Matematika yang terlibat dalam inferensi
statistik dari statistik tradisional akan ditinjau.
Penyebab perbedaan kemampuan mahasiswa terletak pada dua
area: probabilitas bersyarat dan hubungan antara
peluang dan pengganggu. Kedua masalah ini
terkait dengan dua bidang pemikiran matematis:
pemikiran bersyarat dan pemikiran kontekstual. Sebuah
mata kuliah literasi statistik dirancang untuk
memperbaiki kekurangan ini. Meskipun mata kuliah ini
memiliki komponen remedial, namun bukan remedial. Dan
meskipun mata kuliah ini berfokus pada analisis
statistik sosial, mata kuliah ini bukanlah mata kuliah
kebijakan sosial. Mata kuliah ini adalah mata kuliah
berpikir kritis yang berfokus pada statistik deskriptif
dan pemodelan. Ada penekanan kuat pada pemikiran
kondisional dan komunikasi tertulis menggunakan bahasa
Inggris yang baik dan benar. Penulis telah mengajar
mata kuliah ini kepada lebih dari 500 mahasiswa
selama lima tahun terakhir. Mata kuliah ini telah
terbukti menantang, tetapi sangat bermanfaat, bagi
berbagai macam mahasiswa di tingkat sarjana dan
pascasarjana. Para ahli matematika harus menjadi
bagian integral dari sekelompok pendidik yang
berdedikasi untuk mendiskusikan ide, meneliti kebutuhan,
mengidentifikasi konten mata kuliah, dan mengevaluasi
materi mata kuliah. Kata kunci: Pengajaran,
Epistemologi, Filsafat Ilmu Pengetahuan, Kekuatan
Keyakinan, Studi Observasi
1. PENDAHULUAN
Statistika saat ini dipelajari oleh lebih dari 50% lulusan
perguruan tinggi di Amerika Serikat. Pada tahun 1995, para
senior yang lulus di Amerika Serikat setidaknya
tiga kali lebih mungkin untuk mempelajari statistika
(>50%) telah mempelajari kalkulus (~15%). 1 Setengah
dari
mereka yang mempelajari statistika mengambil mata kuliah
yang ditawarkan di luar D epartemen M atematika atau
Statistika. 2
Masalah yang dihadapi para siswa dalam mempelajari
statistik sudah banyak diketahui. Sebagian besar dari
masalah ini melibatkan kurangnya persiapan yang
memadai. Makalah ini berfokus pada masalah-masalah
yang dihadapi oleh beberapa siswa terbaik - siswa
dengan latar belakang yang memadai yang mampu
menjawab pertanyaan, memecahkan masalah, dan
2000ICM E9d.doc
ICM E-
9
2. ILMU MATEMATIKA STATISTIKA
Secara matematis, hampir semua mata kuliah statistika
berpusat pada Teorema Limit Sentral. Biasanya,
bagian pertama dari mata kuliah ini menyajikan dasar-
dasarnya (probabilitas, Distribusi Binomial, dan
pendekatan No r-mal) sementara bagian terakhir dari
mata kuliah ini menyajikan konsekuensinya (distribusi
sampling, interval kepercayaan, dan uji hipotesis).
Anehnya, sebagian besar masalah siswa dalam statistika
yang berkaitan dengan pemikiran matematis tidak terkait
dengan Teorema Limit Pusat. Siswa secara intuitif
berharap bahwa semakin besar sampel, semakin kecil
variabilitas dalam rata-rata sampel. Kesulitan terbesar
mereka adalah menerima bahwa ukuran sampel yang memadai
tidak bergantung pada ukuran populasi.
Jadi, bagian mana dari matematika yang paling
menyulitkan siswa - bahkan siswa yang pandai
sekalipun -? Berdasarkan pengalaman saya, dua masalah
terbesar dalam mengajarkan matematika statistika
adalah probabilitas sebagai syarat dan hubungan
antara peluang, bias, dan gangguan.
3. PROBABILITAS SEBAGAI KONDISIONAL
Siswa memiliki masalah dengan probabilitas bersyarat.
Mereka mengacaukan P( A|B ) dengan P(A); P( A|B ) dengan
B~
P( B|A); dan P( A | B) dengan P(A | ) dimana tilde
(~) mengindikasikan
mengaitkan variabel acak. Pertimbangkan contoh-contoh
berikut ini:
Dalam interval kepercayaan, banyak siswa yang gagal
membedakan
• "probabilitas interval kepercayaan acak akan
mencakup parameter populasi tetap"
"P(μo - 2σ ≤ ~x ≤ μo + 2σ) = 0,95"
"P( ~x - 2s/√n ≤ μo ≤ ~x +2s/√n) = 0,95"
dari "probabilitas bahwa parameter [acak] akan
berada dalam interval kepercayaan yang ada"
menganalisis data. Terlalu banyak dari siswa-siswa ini
yang mengalami kesulitan dalam mengkomunikasikan
perbedaan konseptual yang halus. Untuk mengetahui
alasannya, pertimbangkan matematika yang terlibat dalam
statistika.
Halaman M ilo
1 Schield
21/07/00 1:53 PM Literasi Statistik dan Pemikiran M atematis ICM E-
9

"P( x 0 - 2s/√n ≤ μ~ ≤ x 0 + 2s/√n) = 0,95"

Dalam pengujian hipotesis, banyak siswa yang gagal

membedakan
• "probabilitas untuk mendapatkan statistik sampel
(atau lebih besar) dengan hipotesis nol adalah
benar"
P( ~x ≥ μo +2s/√n | Ho: μ = μo ) = .05
dari "probabilitas bahwa hipotesis nol adalah
benar mengingat statistik sampel tertentu"
P(Ho: μ~ ≤ μo | x 0 = μo +2s/√n ) = .05
• "hasil ini tidak mungkin terjadi jika
disebabkan oleh peluang," P(hasil |
peluang sebagai penyebab),
dari "hasil ini tidak mungkin terjadi secara
kebetulan"
P(peluang sebagai penyebab | hasil)

2000ICM E9d.doc Halaman M ilo

2 Schield
21/07/00 1:53 PM Literasi Statistik dan Pemikiran M atematis ICM E-
9

Dalam menganalisis data, banyak siswa yang gagal Sumber Matematika

membedakan Variasi Yayasan Tes
• "peluang distribusi data ini sama dengan Kesemp Teorema Batas uji-t, uji F, dll.
populasi yang normal," atan Tengah
P(distribusi ini | populasi adalah normal), Bias Tidak
(Kesalahan) ada
dari "peluang distribusi populasi adalah normal Confounding Kondisi Ladang Jagung* Tidak
mengingat distribusi data sampel ini," ada
P(populasi normal | sampel ini)". Penyebab Tidak
"Benar" ada
Semua probabilitas bersyarat ini melibatkan penalaran * Lihat Paradoks Simpson (Schield, 1998)

bersyarat. Pertimbangkan beberapa klaim lain yang

melibatkan penalaran bersyarat: Meskipun benar bahwa "tidak ada tes untuk bias",
"menolak hipotesis nol ketika hipotesis nol adalah pernyataan ini menyesatkan. Pertama, pernyataan ini
benar" dari "menemukan hipotesis nol adalah benar menyiratkan bahwa bias hanya terdiri dari kesalahan
ketika hipotesis nol telah ditolak." seperti bias pengukuran. Hal ini mengaburkan perbedaan
antara bias dan perancu. Kedua, pernyataan ini
Kebingungan tentang kondisionalitas ini adalah masalah menyiratkan bahwa karena tidak ada uji matematis, maka
besar. Kebingungan ini menjadi dasar argumen David M tidak ada alat matematis yang dapat digunakan. Hal ini
oore bahwa kita seharusnya tidak mengajarkan statistik mengabaikan kondisi ladang jagung untuk perancu.
Bayesian. Kebingungan ini merupakan dasar bagi M SM Kondisi Cornfield inilah yang memberikan kredensial
ESB1 rec- matematis pada Literasi Statistik. (Schield, 1999)
Menghilangkan penekanan pada gangguan memiliki
konsekuensi yang serius:
ommendasi untuk "menghilangkan penekanan pada 2 Siswa sering gagal untuk memahami bahwa Binomial o- rem adalah
formalisme matematika (probabilitas, pengujian model matematika dari peluang murni. Siswa mungkin melihat
hipotesis...)" (Lihat Love dan Hildebrand Slide 10, peluang sebagai sesuatu yang tidak pasti dan tidak memiliki
1999.) Sebagai hasilnya, satu teks statistika sifat. Jadi, ide untuk menentukan peluang, memberikan peluang
menghilangkan pengujian hipotesis. sebuah sifat yang pasti, mungkin tampak sangat tidak tepat. Hal
ini mencerminkan kesulitan mereka dalam melihat "tatanan
tersembunyi" pada tingkat makro
4. PELUANG, BIAS, DAN PERANCU ke sesuatu yang "tidak pasti" di tingkat mikro.
Dalam statistik tradisional, siswa memiliki masalah
dengan penjelasan statistik tentang variasi: peluang,
bias, dan perancu.2 Siswa diajarkan bahwa sumber
variasi dapat bersifat sistematis atau tidak
sistematis (kebetulan). Dalam statistik tradisional,
fokus utamanya adalah inferensi statistik: inferensi
deduktif tentang kemampuan variasi yang dihasilkan
dari peluang acak.
Perbedaan antara parameter populasi dibahas dalam
konteks uji-t, regresi, dan ANOVA. Model regresi
diperkenalkan untuk mendefinisikan variabilitas yang
sepenuhnya disebabkan oleh peluang dalam
kemiringan dan intersep. Dalam setiap kasus, fokusnya
adalah pada variabilitas pengambilan sampel yang
diharapkan jika sepenuhnya disebabkan oleh peluang
acak.
Penekanan yang berlebihan pada peluang ini membuatnya
tampak seolah-olah peluang adalah "penyebab" dominan
dari variabilitas, seolah-olah peluang memiliki
cakupan yang jauh lebih luas daripada penyebab
sistematis. Penyebab sistematis dipinggirkan dengan
mengatakan, "Tidak ada tes untuk bias."

1 Membuat Statistik Lebih Efektif di Sekolah Bisnis.

2000ICM E9d.doc Halaman M ilo
3 Schield
21/07/00 1:53 PM Literasi Statistik dan Pemikiran M atematis ICM E-
9

1. Studi observasional tidak ditekankan.

Dalam
Dalam statistik tradisional, penelitian sering kali
diperlakukan sebagai eksperimen (di mana perancu
tidak terlalu berpengaruh) daripada penelitian
observasional (di mana perancu paling bermasalah).
Tidak banyak yang menyebutkan hubungan antara
perancu dan signifikansi statistik. Tidak
disebutkan bahwa nilai t dari hubungan antara dua
variabel dapat berubah dari signifikan menjadi
tidak signifikan (atau sebaliknya) setelah
memperhitungkan faktor perancu dalam studi
observasional.
2. Studi observasional seperti yang diberhentikan
karena diberikan
bukti untuk sebab-akibat. Para pengajar statistik
tradisional mengatakan, "Asosiasi bukanlah
sebab-akibat" tanpa menyadari betapa ambigu
klaim ini. Tentu saja benar, bahwa dalam studi
observasional, asosiasi tidak membuktikan sebab
akibat. Namun dalam banyak kasus, asosiasi
merupakan efek dari sebab akibat langsung.
Namun, siswa dapat menyimpulkan bahwa "tidak"
berarti "hampir tidak pernah", atau bahkan
"tidak pernah".
3. Ketika data observasi dianalisis secara statistik oleh
ilmu-ilmu sosial, data tersebut menerima kredibilitas
yang tidak kritis. Ketika ilmu-ilmu humaniora
mencoba berurusan dengan kondisi manusia,
dengan penyebab tindakan manusia, pemikiran
mereka dianggap subjektif dan tidak ilmiah. Tetapi
ketika para ekonom memprediksi masa depan atau
ketika para psikolog eksperimental
menjelaskan perilaku manusia dengan menggunakan
bukti-buktistatistik, klaim-klaim mereka dianggap
objektif dan ilmiah.

5. YANG MENDASARI MEREKA ES

Efek kumulatif dari kedua kesalahpahaman ini adalah
membuat banyak siswa kebingungan. Mereka mungkin
tahu cara memanipulasi rumus, tetapi mereka tidak
benar-benar memahami apa yang dikatakan oleh statistik.
Mereka tidak benar-benar memahami probabilitas
bersyarat

2000ICM E9d.doc Halaman M ilo

4 Schield
21/07/00 1:53 PM Literasi Statistik dan Pemikiran M atematis ICM E-
9

atau hubungan antara peluang dan perancu. Mereka ketika diterapkan pada ukuran aritmatika dari
beranggapan bahwa jika sebuah asosiasi signifikan hubungan. Siswa tidak pernah berpikir bahwa perbedaan
secara statistik, maka itu berarti asosiasi tersebut aritmatika atau rasio adalah sesuatu yang
pasti nyata dan penting. Dua area masalah ini kontekstual.
memiliki beberapa kesamaan mendasar yang melibatkan
Gagasan tentang hubungan adalah salah satu konsep
pemikiran matematika elektronik: (A) hubungan yang
yang paling mendasar dalam pemikiran manusia.
teratur dan (B) hubungan kontekstual.
Inilah yang menghubungkan literasi statistik dengan
A. Masalah dengan hubungan yang teratur . Masalah- pemikiran kritis. Sejauh pendidikan statistik belum
masalah ini dimulai di sekolah dasar dengan menekankan dua tema matematika yang mendasari ini,
pengurangan dan pembagian dan diulangi dengan rasio, kita mungkin
pecahan dan persentase. Masalah-masalah ini tidak mengajarkan siswa apa yang sebenarnya mereka
ditemukan dalam logika dengan logika bersyarat: "Jika butuhkan untuk dipelajari. Kita mungkin telah
A maka B." Mengingat kebenaran atau keberadaan B, mengacaukan tingkat matematika (aljabar versus
siswa menganggap ini membuktikan kebenaran atau kalkulus) dengan tingkat berpikir matematis (asosiasi
keberadaan A. Masalah-masalah ini dilawan dalam sebagai keteraturan, dan asosiasi sebagai
pemikiran kritis di mana siswa bingung kontekstual). Makalah ini berargumen bahwa kita perlu
ke dan dari, premis dan kesimpulan , jika dan meningkatkan tingkat berpikir matematis secara
kemudian, dan konseptual meskipun kita mungkin tidak
sebab dengan akibat. menggunakan tingkat matematika yang sangat tinggi dalam
melakukan hal ini. Kita membutuhkan lebih banyak
Masalah-masalah ini ditemukan dalam aljabar atau matematika.
kemampuan pro-b ketika berhadapan dengan berpikir meskipun kita mungkin membutuhkan matematika
ketidaksetaraan. Sebagai contoh, jika N > n dan D > d, yang lebih rendah. Untuk itu, sebuah mata kuliah
maka N+D > n+d. dan N*D > n*d. Tetapi tidak berarti baru diusulkan.
bahwa N-D > n-d atau N/D > n/d. Demikian pula,
misalkan R1 = N1/D1, R2 = N2/D2, r1 6. LITERASI STATISTIK: SEBUAH PROPOSAL
= n1/d1, dan r2 = n2/d2 di mana R1> r1 dan Makalah ini mengusulkan pengembangan mata kuliah
R2>r2. Sekarang, misalkan R = (N1+N2)/(D1+D2) baru: Literasi Statistik - studi tentang statistik sebagai
dan r = (n1+n2)/(d1+d2). Apakah ini berarti bahwa bukti dalam argumen. Meskipun dapat berfungsi sebagai mata
R > r? Tentu saja tidak. Bisa saja R < r. Pembalikan kuliah yang berdiri sendiri, Literasi Statistik
seperti itu dalam sebuah asosiasi dikenal sebagai dipandang sebagai mata kuliah pendukung untuk
Paradoks Simpson. (Lihat Schield, 1999) statistik tradisional.
Konsep urutan sangat mendasar bagi pemikiran Inferensi Statistik Teorema Batas Tengah, Implikasi peluang dalam
matematika sehingga harus diberikan prioritas yang (Peluang) Probabilitas bersyarat menjelaskan variabilitas

sangat tinggi dalam pengajaran kami. Statistik Tradisional

Kursus
Pendukung
Hubungan yang Dipesan
Literasi Statistik S tand
Aritmatika Probabilitas/Persentase Logik Jelaskan dan bandingkan Menginterpretasikan Penggunaan statistik Sendiri
tingkat dan persentase risiko relatif dan rasio sebagai bukti dalam an
a
pengurangan: Probabilitas Bersyarat peluang argumen
A -B ≠ B - A P(A | B) ≠ P(B | A) Jika P maka
Berpikir Matematis; Pemodelan multivariat Paradoks Simpson,
Berpikir Kritis (Perancu) Kondisi Ladang Jagung
Q. Jadi, jika P,
Pembagia maka Q
n: A / B ≠ B / ≠
A Persentase A yang BIf P maka
Sebagai mata kuliah pendukung (mata kuliah penghubung
Q. pra-statistika), Literasi Statistik memiliki fokus yang
B. Masalah dengan hubungan
≠ Persentase kontekstual.
A di antara BSo, jika Q,
Sebagian kuat pada hubungan yang teratur untuk membawa mahasiswa
maka P
besar siswa tidak pernah berpikir bahwa suatu agar dapat menangani probabilitas bersyarat yang
hubungan bersifat kontekstual. Mungkin pengalaman terlibat dalam tingkat kepercayaan dan uji hipotesis.
mereka dengan aritmatika mengajarkan mereka untuk Mata kuliah ini memiliki fokus yang kuat pada hubungan
menganggap semua ukuran numerik sebagai sesuatu yang kontekstual untuk membantu mengimbangi gagasan bahwa
tidak berubah tanpa adanya kesalahan. Mereka peluang adalah arah utama dari variabilitas.
tidak dapat membayangkan bahwa jumlah, selisih, memperlakukan turunan total selalu sama
STATISTIK dengan turunan
LITERASI
hasil kali, atau rasio aritmatika dapat bervariasi parsial. Ini adalah TRADISIONAL STATISTIK
ide yang sangat sulit untuk dipahami
tergantung pada apa yang diperhitungkan. olehFokus
siswa.
Utama Peluang Pemodelan Kondisi
Variabilitas Inferensi Ladang Jagung
Sebaliknya, siswa bertindak seolah-olah variabel biner Jenis Studi Teorema Batas Perancu* Studi
bersifat independen dan variabel kontinu bersifat Matematika Tengah Observasional
Jenis Kumpulan Kontrol Kontrol Untuk /
ortogonal. Kesalahan dalam statistik seperti ini mirip dengan Data Ukuran Eksperimen / Fisik Mental Besar /
Kontrol Kecil Populasi
2000ICM E9d.doc Halaman M ilo
* Lihat Paradoks Simpsons (Schield, 1998)
5 Schield
21/07/00 1:53 PM Literasi Statistik dan Pemikiran M atematis ICM E-
9

Meskipun konten mata kuliah melibatkan statistik

deskriptif dan pemodelan, mata kuliah ini bukanlah
mata kuliah "bayi statistik". Dengan caranya sendiri
yang unik, mata kuliah ini merupakan

2000ICM E9d.doc Halaman M ilo

6 Schield
21/07/00 1:53 PM Literasi Statistik dan Pemikiran M atematis ICM E-
9

manding seperti halnya mata kuliah inferensi statistik. Dalam menjelaskan rasio bernama ini, gagasan tentang
Alih-alih menurunkan probabilitas bersyarat bagian dan keseluruhan, bersama dengan perangkat yang
(sesuai dengan rekomendasi M SM ESB), mata kuliah digunakan oleh bahasa Inggris untuk menunjukkan bagian dan
ini menjadikan pemikiran ko nseptual dan probabilitas keseluruhan, memaksa siswa untuk menyadari keteraturan
bersyarat sebagai fitur utama. Namun, mata kuliah ini dalam rasio-rasio ini.
tidak menekankan "formalisme matematika"
Pertimbangkan hubungan antara bagian dan keseluruhan
(mengikuti rekomendasi M SM ESB) dengan menggunakan
dalam rangkaian frasa berikut ini.
bahasa biasa dan bukan aljabar.
1. "X% dari {keseluruhan} yang merupakan
Alih-alih menggunakan komputer untuk menganalisis data
{lubang}" versus "Persentase
mikro untuk signifikansi statistik, mata kuliah ini
{keseluruhan} yang merupakan {bagian}."
berfokus pada kemampuan setiap siswa untuk
menganalisis, mengevaluasi, dan mengekspresikan argumen 2. "persentase {keseluruhan} yang merupakan
yang melibatkan statistik dan melakukannya dengan {bagian}" ve rsus "persentase {bagian} di
menggunakan tata bahasa yang, dalam beberapa hal, antara {keseluruhan}."
setepat dan setuntas aljabar.
3. "tingkat kematian pria" versus "tingkat kematian
Secara matematis, mata kuliah ini memiliki dua tema: pria"
hubungan yang teratur dan asosiasi sebagai kontekstual.
Pada 1, frasa "who are" memperkenalkan keseluruhan pada
Aspek berpikir kritis dari Literasi Statistik dibahas
frasa pertama, namun sebagian pada frasa kedua. Pada kalimat
dalam Schield, 1999. Beberapa elemen dari setiap
2, frasa "persentase dari" memperkenalkan keseluruhan pada
tema ditunjukkan sebagai berikut:
frasa pertama, namun sebagian pada frasa kedua. Dalam
BERPIKIR MATEMATIS 3, pria adalah
Hubungan yang teratur Asosiasi sebagai sesuatu yang
keseluruhan dan kematian adalah bagian dari kedua
kontekstual frasa tersebut meskipun
• Menjelaskan dan membandingkan • Model multivariat pembalikan posisi.
tingkat, persentase & probabilitas • Paradoks Simpson; Tes medis
• Membaca tabel dan grafik • Asosiasi sebagai palsu
• Memilih bagian dan keseluruhan. • Kemiringan, r, dan R 2 sebagai
Perhatian terhadap urutan bahkan lebih penting
palsu dalam membandingkan rasio bernama. Konsep uji dan
dasar dalam perbandingan yang digabungkan bersama
PEMIKIRAN KRITIS
dengan konsep bagian dan keseluruhan dalam tingkat atau
Konsep dan Konstruksi Klaim dan Argumen
persentase memaksa siswa untuk berpikir dengan hati-
• Eksperimen vs. studi observasional • Statistik sebagai premis atau
• Kontrol terhadap vs. Kontrol untuk kesimpulan
hati tentang hubungan yang terurut.
• Keandalan, validitas; korelasi • Argumen: deduktif atau induktif
• Konstruk: sosial, biologis, dll. • Validitas versus kekuatan Pertimbangkan,
• Mengidentifikasi argumen
1. "Pria lebih sering minum daripada wanita"
2. "Pria lebih suka minum daripada merokok."
Berikut ini adalah rincian dari dua tema yang
melibatkan pemikiran matematika. 3. Perokok lebih banyak terjadi pada pria daripada
wanita
7. MENGAJARKAN HUBUNGAN YANG TERATUR 4. Perokok lebih banyak terjadi pada pria daripada
Relasi berurutan dan pemikiran bersyarat dapat peminum.
diajarkan dengan mengajarkan pembacaan dan Dalam 1, pria dan wanita adalah keseluruhan, minuman adalah
perbandingan angka dan persentase dalam tabel dan bagiannya. Pada kalimat 2, minum dan merokok adalah
grafik. Angka dan persentase adalah contoh rasio bagian, sedangkan pria adalah keseluruhan.
bernama yang paling dikenal: rasio yang memiliki Ambiguitas terjadi karena kata kunci yang digunakan
nama yang tepat. Hubungan rasio bernama ini dengan adalah omi t- ted ("daripada wanita" versus
berbagai jenis perbandingan aritmatika seperti yang "daripada merokok").
ditunjukkan sebagai berikut:
.
Pada kalimat 3, perokok adalah bagian
Perbandingan Aritmatika Bilangan sementara pria dan wanita adalah keseluruhan;
Perbedaan Rasio Sederhana Perbedaan Relatif pada kalimat 4, perokok dan peminum adalah
Sederhana [Tes / Dasar] [(Test- Base) / Base]
[Tes - Dasar] Keluarga
Rasio:
bagian sementara pria adalah keseluruhan. Sekali
Beri Nilai Keluarga:
Campuran
Persentase Keluarga:
lagi, bentuk-bentuk ini ambigu karena kata
Prevalensi, Insiden Bernama
Rasio Bagian, Pecahan, Proporsi kuncinya dihilangkan ("daripada di antara
Keluarga Chance: perempuan" versus "daripada peminum").
Risiko, Peluang, Kemungkinan,
Probabilitas
Semua rasio yang disebutkan dapat dibandingkan secara
Menggambarkan dan membandingkan rasio bernama
aritmatika: memiliki hasil sampingan yang sangat praktis: siswa
"Wanita bermimpi dalam warna dua kali lebih sering daripada
pria." "Wanita dua kali lebih mungkin untuk bermimpi dalam warna . belajar untuk mengekspresikan hubungan yang kompleks
dibandingkan pria. " dengan jelas dan ringkas. Hal ini membutuhkan
2000ICM E9d.doc Halaman M ilo
7 Schield
21/07/00 1:53 PM Literasi Statistik dan Pemikiran M atematis ICM E-
9

perhatian yang cukup besar pada tata bahasa dan

sangat bergantung pada bahasa. (Untuk lebih
jelasnya, lihat Schield 2000)

8. MENGAJARKAN ASOSIASI KONTEKSTUAL

Setelah siswa menyadari bahwa beberapa hubungan
bersifat kontekstual dan dapat berubah tergantung
pada hal lain yang diperhitungkan (dikontrol),
mereka menyimpulkan bahwa hubungan apa pun dapat
dibatalkan atau dibalik, sehingga tidak ada alasan
untuk mendasarkan argumen apa pun pada kekuatan
hubungan apa pun. Transisi dari na-

2000ICM E9d.doc Halaman M ilo

8 Schield
21/07/00 1:53 PM Literasi Statistik dan Pemikiran M atematis ICM E-
9

yang berbeda.
engan skeptisisme mengabaikan kemungkinan bahwa asosiasi
bersifat kontekstual dengan cara-cara tertentu.
Cornfield, dkk., mengidentifikasi persyaratan matematis
agar suatu asosiasi dapat berbalik arah. (Lihat
Schield, 1998).
Sebagai contoh, pertimbangkan tingkat kematian di dua
kota besar: Kota dan Pedesaan. Pasien 50% lebih
mungkin meninggal di Kota daripada di Pedesaan. Apakah
ini merupakan pembenaran untuk menutup Kota, memecat
staf dan memulai dari awal? Tidak perlu jika hubungan
tersebut palsu.
Angka
Kematian 3.8%
C ity
Miskin
3.0% Secara

2,6 Pct. poin

keselur RR
1 Pct.Pt.

RR
uhan 3.2
1.5
2.0% 2.7%
Bagus.
Pedesaan
1.2%
Oleh Rumah Berdasarkan Kondisi
Sakit Pasien

Dalam hal ini, hubungan antara lokasi dan tingkat

kematian (lebih tinggi di rumah sakit kota daripada di rumah
sakit pedesaan) mungkin palsu setelah
mempertimbangkan kondisi pasien. Berdasarkan kondisi
Cornfield, sebuah
Asosiasi yang lebih kuat adalah kondisi yang diperlukan
untuk membuat asosiasi yang tidak terkondisi menjadi
palsu. Fakta bahwa ada hubungan yang lebih kuat antara
kondisi pasien (buruk versus baik) dengan tingkat kematian
dibandingkan dengan hubungan antara rumah sakit dengan
tingkat kematian melemahkan argumen tentang penyebab
berdasarkan statistik rumah sakit.
Siswa terkejut ketika menemukan bahwa ada banyak
hubungan antara dua variabel - tergantung pada hal lain
yang kita perhitungkan. Pertimbangkan sekelompok
rumah. Per kamar tidur tambahan, harga sebuah
rumah berubah seperti yang ditunjukkan di bawah
ini:
Kenaikan harga Setelah p-value (nilai-t) per
tempat tidur tambahan Mengontrol Untuk
$39,000 .000 (6.3)
$16,000 tanah .001 (3.3)
$ 9,000 ukuran tanah dan rumah .01 (2.4)
$ 5,000 tanah, ukuran rumah & .10 (1.3)
kamar mandi
Jadi, berapa kenaikan harga untuk kamar tidur tambahan?
Apakah kamar tidur secara statistik signifikan dalam
menurunkan harga? Sekali lagi, para siswa dihadapkan
pada fakta bahwa asosiasi bersifat kontekstual.
Secara matematis, asosiasi palsu hanyalah contoh perbedaan
antara turunan total dan turunan parsial. Secara
matematis, ini bukanlah perbedaan yang sangat penting.
Tidak ada alasan untuk mengasumsikan bahwa turunan total dan
turunan parsial akan memiliki tanda yang sama; tidak ada
kekhawatiran khusus ketika mereka memiliki tanda

2000ICM E9d.doc Halaman M ilo

9 Schield
21/07/00 1:53 PM Literasi Statistik dan Pemikiran M atematis ICM E-
9

Namun dalam statistik, siswa mengharapkan tanda dan besarnya

asosiasi tetap tidak berubah-ubah, terlepas dari faktor-
faktor lain yang diperhitungkan. Mereka gagal untuk
melihat asosiasi sebagai sesuatu yang kontekstual.
Secara matematis, kunci dari mata kuliah ini adalah
kondisi yang jarang diketahui untuk Paradoks Simpson.
Kondisi yang tidak banyak diketahui ini (kondisi
Cornfield) sangat penting bagi literasi statistik dan
statistik observasi seperti halnya Teorema Limit Sentral
untuk inferensi statistik. (Lihat Schield, 1998)

9. MANFAAT
Ada beberapa manfaat tidak langsung dalam mengajarkan
mata kuliah literasi statistik. Untuk mengajarkan siswa
cara mendeskripsikan dan membandingkan rasio dan
persentase, mereka harus berurusan dengan data
ringkasan seperti yang disediakan dalam US
Statistical Abstract. Data semacam ini merupakandasar dari
banyak masalah yang melibatkan statistik sosial.
Matematika sering digambarkan sebagai seni liberal.
Tetapi tidak semua aspek matematika terkait dengan
seni liberal. Statistika, dengan fokusnya pada hubungan
dan perilaku entitas nyata membawa matematika ke dalam
kontak langsung dengan dunia nyata. Dengan berfokus
pada bagaimana orang berpikir tentang ukuran dan
hubungan kuantitatif, statistik mungkin merupakan bagian
dari matematika yang paling layak untuk mendukung
klaim matematika sebagai seni liberal. Dengan
mendukung kursus literasi statistik pra-statistik,
komunitas matematika dapat menjadi pemimpin dalam
membangun jembatan menuju seni liberal. Jika statistika
tradisional merupakan jembatan menuju ilmu sosial
eksperimental (seperti psikologi dan kesehatan), maka
literasi statistik dapat menjadi jembatan menuju ilmu
sosial observasional (seperti sosiologi dan ilmu
politik) dan ilmu-ilmu humaniora (seperti sejarah,
kesusastraan, dan filsafat).
Literasi Statistik dapat memiliki implikasi sosial yang
lebih luas - seperti yang ditunjukkan pada gambar di
bawah ini.

BERPIKIR MATEMATIS
Perbaikan Kejuruan Profesional
• Aritmatika, Aljabar • Menghitung, • Pemodelan:
• Geometri, Triginom. mengukur • Linier & Logistik
• Literasi Kuantitatif • Tarif, persen • Mengklasifikasikan,
• Probabilitas • Tabel, grafik, • Mendiskriminasi
Sederhana • Perbandingan

PEMIKIRAN KRITIS
Berpikir Kritis Pengambilan Komunikasi
Keputusan
• klaim, argumen • Biaya • Jelaskan rasio &
• premis, kesimpulan ketidaktahuan asosiasi,
• deduktif, induktif • Nilai mengetahui • Periksa Tempat
• Valid, kuat • Memaksimalkan • Periksa Konteks
nilai,
• Meminimalkan
biaya.

2000ICM E9d.doc Halaman M ilo

10 Schield
21/07/00 1:53 PM Literasi Statistik dan Pemikiran M atematis ICM E-
9

kehidupan mereka, mereka harus mampu menilai kekuatan

10. MENGAPA PARA AHLI MATEMATIKA?
statistik dalam mendukung kebenaran suatu klaim. Untuk
Apakah akan memperkenalkan Literasi Statistik sebagai
melakukan hal ini, mereka harus memahami bagaimana
mata kuliah baru mungkin merupakan isu lokal - yang
sebuah asosiasi dapat menjadi benar tetapi tidak
dapat dievaluasi oleh para pendidik statistik.
relevan atau palsu. Mereka harus memahami bagaimana
Jadi, mengapa para pendidik matematika harus mengambil
asumsi yang mereka buat dapat menentukan kesimpulan
peran khusus dalam hal ini?
yang mereka capai.
Ahli matematika dibutuhkan karena beberapa alasan.
(1) Lebih banyak mahasiswa yang mempelajari statistika
di dalam departemen matematika dibandingkan dengan
departemen lainnya. Perubahan sistematis tidak akan
terjadi tanpa kepemimpinan dari departemen
matematika. (2) Ahli statistik mungkin memerlukan
persetujuan dari ahli matematika sebelum menyetujui
untuk memperkenalkan mata kuliah statistik yang tidak
melibatkan peluang. Para ahli statistik sangat sadar akan
status mereka yang diterapkan dalam matematika -
sebuah disiplin ilmu yang sering kali memberikan
prioritas atau status berdasarkan keabstrakan teoritis.
Oleh karena itu, para ahli statistik mungkin tidak
ingin mengusulkan apa pun yang mungkin terlihat
mengurangi kesetiaan mereka pada matematika yang
lebih tinggi. (3) Pengajaran statistika
ara mahasiswa di perguruan tinggi dua tahun
umumnya berada di departemen matematika dan akan
meminta arahan dari rekan-rekan mereka di perguruan
tinggi empat tahun. Mereka
Para ahli matematika yang mengajar di perguruan
tinggi dua tahun sadar akan status relatif mereka
dalam komunitas matematika elektronik. Mereka mungkin
melihat manfaat yang besar dalam mengajarkan materi
ini kepada siswa mereka, tetapi mereka menginginkan
dan membutuhkan persetujuan dari komunitas
matematika sebelum mereka memulai proses tersebut.
(4) Fakultas-fakultas di bidang humaniora, yang paling
membutuhkan hal ini, paling tidak mampu
mengidentifikasi dengan tepat apa yang mereka inginkan.
Para ahli matematika harus bersedia berbicara untuk
mereka. Ilmu-ilmu sosial bergantung pada inferensi
statistik; ilmu-ilmu humaniora
Masyarakat membutuhkan alat yang sebanding. (5)
Ahli matematika dapat memberikan dukungan yang
seimbang terhadap pengganggu (bias), penyimpulan
induktif, studi observasional, dan pertanyaan-pertanyaan
filosofis. Para ahli statistik sangat mementingkan peluang,
inferensi statistik, eksperimen terkontrol, dan metode
ilmiah. M atematika-
Para ahli matematika tidak memiliki kesetiaan
seperti itu. (6) Para ahli matematika diperlukan untuk
membawa perubahan yang diperlukan dalam
rikan pedoman untuk mengajar matematika dan ilmu pasti.
Mereka yang tertarik untuk mengajarkan materi-
materi ini mungkin akan ragu-ragu sebelum materi
tersebut ditambahkan ke dalam pedoman kurikulum. Para
ahli matematika berada dalam posisi yang sangat baik
untuk meminta perubahan tersebut.

11. SUMM ARY

Jika siswa ingin menghargai peran statistik dalam
2000ICM E9d.doc Halaman M ilo
11 Schield
21/07/00 1:53 PM Literasi Statistik dan Pemikiran M atematis ICM E-
9

M atematika berada dalam posisi untuk membuat

perbedaan besar pada kemampuan siswa untuk berpikir
kritis tentang topik non-matematika. Para pendidik
matematika perlu menyelidiki cara-cara baru untuk
membantu siswa memahami ide-ide matematika yang
mendasar (misalnya, hubungan yang teratur dan
hubungan kontekstual) yang terkait erat dengan
pemikiran kritis dalam kehidupan sehari-hari.

12. LANGKAH BERIKUTNYA

Jika mata kuliah baru ini, Literasi Statistik, ingin
menjadi mata kuliah yang diterima dan disetujui oleh
Departemen M atematika dan Statistika, maka akan
membutuhkan banyak kerja keras dan dukungan. Langkah
pertama adalah dialog: membicarakan ide-ide ini
dan memberikan umpan balik.
Kemudian, sekelompok pendidik, produsen data, dan
konsumen data diperlukan untuk meninjau tujuan,
menilai materi, dan mengevaluasi pendekatan yang
digunakan untuk mencapai tujuan tersebut. Pendidik
dalam kelompok ini harus mencakup ahli matematika dan
ahli statistik, guru jurnalisme dan komunikasi, serta
guru dalam bidang humaniora dan profesi yang
tertarik dengan pendekatan pemikiran kritis terhadap
pendidikan statistik. Produsen data dalam kelompok ini
harus mencakup mereka yang berasal dari organisasi
statistik pemerintah, dari organisasi politik, dan
dari pusat-pusat yang mengumpulkan dan
menyebarluaskan kumpulan data yang besar. Konsumen
data dalam kelompok ini harus mencakup mereka yang
mengharapkan klaim memiliki kejelasan, argumen
memiliki kredibilitas, dan kesimpulan yang diberikan
tidak lebih dari sekadar dukungan dari bukti-bukti
yang ada.
Diperlukan materi untuk membantu guru mengajarkan
konsep-konsep ini. Konferensi diperlukan untuk
melatih para pendidik tentang cara mengajarkan
literasi statistik. Pendidik diperlukan untuk
menguji efektivitas program ini di kelas mereka.
Evaluator diperlukan untuk merancang alat penilaian
dan memantau hasil. Contoh-contoh soal, masalah,
contoh kuis, dan tes juga diperlukan untuk
digunakan oleh para guru dalam mengajarkan sub mata
pelajaran baru ini. Sebuah sistem pendukung
diperlukan untuk membantu para guru baru menguasai
materi-materi baru ini, mengembangkan kuis, tes dan
proyek yang lebih baik, mendapatkan contoh-contoh yang
lebih baik, dan menyediakan sebuah forum untuk
bertukar pikiran.
Ini adalah upaya yang sangat ambisius - tetapi tujuan
untuk membuat peningkatan substansial dalam hal
pemahaman, dan penghargaan terhadap statistik sangat
sepadan dengan upaya yang diperlukan.

2000ICM E9d.doc Halaman M ilo

12 Schield
21/07/00 1:53 PM Literasi Statistik dan Pemikiran M atematis
REFERENSI
Loftsgaarden, Don dan Ann W atkins,
Pengajaran Statistika di Perguruan Tinggi dan
Universitas: Mata Kuliah, Dosen, dan Gelar pada
Musim Gugur 1995. The American Statistician.
November, 1998 hal. 308.
Love, Thomas E. dan David K. Hildebrand, 1999.
Rekomendasi dari Making Statistics More Effective in
Schools of Business (MSMESB) Confe r- ences.
http://weatherhead.cwru.edu/msmesb .
Schield, M ilo (1998). Literasi Statistik dan Statistik
Ev iensial. ASA 1998 Prosiding dari Se c- tion on
Statistical Education, hal. 187-192.
Schield, M ilo (1999a). Paradoks Simpson dan
Kondisi Ladang Jagung. Prosiding ASA 1999 Bagian
Pendidikan Statistik. P. 106-111.
Schield, M ilo (1999b). Literasi Statistik: Berpikir
Kritis tentang Statistik. Of Significance yang diterbitkan
oleh APDU: Asosiasi Pengguna Data Publik,
Volume 1, Nomor 1.
Schield, M ilo (1999c). Kesalahan Umum dalam
Membentuk Perbandingan Aritmatika. Of Significance
yang diterbitkan oleh APDU: Asosiasi
Pengguna Data Publik, Volume 1, Nomor 1.
Schield, M ilo (2000). Literasi Statistik:
Mendeskripsikan dan Membandingkan Persentase, Angka,
dan Kemampuan. Prosiding ASA 2000 Bagian
Pendidikan Statistik.
Steen, Lynn Arthur (20/6/99). Panduan Literasi
Kuantitatif. www.stolaf.edu/other/ql/ql.html
Steen, Lynn Arthur (1997) editor. Mengapa
Angka Penting: Literasi Kuantitatif untuk Masa Depan.
Dewan Perguruan Tinggi
Ucapan terima kasih: Kepada Kelompok Kerja 5
tentang "Pendidikan M atematika di Perguruan
Tinggi" pada konferensi ICM E-9: Kongres
Internasional Pendidikan M atematika atas kesempatan
yang diberikan untuk mempresentasikan makalah ini.
Kepada Linda Schield dan Thomas V.V. Burnham
atas kritik, komentar, dan dukungannya.
Schield dapat dihubungi di schield@ augsburg.edu . Untuk
makalah ini dan materi terkait, lihat laman Dr. Schield di
www.augsburg.edu/ppages/schield .
2000ICM E9d.doc
ICM E-
9
1 Data ini harus diestimasi karena American
Statistical Association hanya mentabulasi mata kuliah
statistika yang diajarkan di Departemen M atematika
dan Statistika. Persentase tersebut diperkirakan dengan
menghitung seluruh jurusan yang membutuhkan mata kuliah
matematika tertentu. Teknik, Ilmu Biologi, Ilmu Fisika,
dan M atematika dianggap membutuhkan kalkulus. Bisnis,
Ilmu Sosial, Pendidikan, Ilmu Kesehatan, dan Psikologi
diperlakukan sebagai jurusan yang membutuhkan
statistika. Data lulusan perguruan tinggi empat tahun
di Amerika Serikat berdasarkan jurusan diperoleh pada
tahun 1995 dari Abstrak Statistik Amerika Serikat
tahun 1996, Tabel 325. Atas dasar ini, sekitar 167.000
lulusan (14%) telah mempelajari kalkulus sementara
sekitar 620.000 (54%) telah mempelajari statistik. Pada
tahun 1995, lulusan senior dari perguruan tinggi
empat tahun di Amerika Serikat adalah
3,7 kali lebih mungkin untuk mengambil mata kuliah
statistik dibandingkan dengan mata kuliah kalkulus.
2 Di Amerika Serikat pada musim gugur 1995, statistika
dasar diajarkan oleh Departemen M atematika atau
Statistika kepada 164.000 mahasiswa di perguruan
tinggi empat tahun dan 72.000 mahasiswa di perguruan
tinggi dua tahun. (Loftsgaarden dan W atkins, 1998)
Dengan asumsi bahwa pendaftaran musim gugur adalah
setengah dari total tahunan, departemen matematika dan
statistika mengajar sekitar 328.000 siswa per tahun di
perguruan tinggi empat tahun. Diperguruan tinggi dua
tahun, ketua jurusan memperkirakan sekitar 9.000
mahasiswa diajar statistika di luar jurusan
matematika. Tidak ada perkiraan dalam artikel ini
mengenai jumlah yang diajarkan di luar Departemen M
atematika dan Statistik di perguruan tinggi empat
tahun. Berdasarkan estimasi pada catatan kaki
sebelumnya, sekitar 50% (328.000/640.000) mahasiswa
yang mengambil statistika di perguruan tinggi empat tahun
mengambil mata kuliah statistika yang ditawarkan oleh
Departemen M atematika atau Statistika.
Halaman M ilo
13 Schield