Nama:muhammad balia

Nim 220403015
Subject:statistik dasar
Prodi pendidikan bahasa inggris
Unit1 semester 3

PENGERTIAN STATISTIKA
Statistika adalah ilmu yang berkaitan dengan pengumpulan, analisis, interpretasi, presentasi, dan organisasi data. Ini
digunakan untuk menyajikan informasi numerik dalam konteks yang berarti, membuat kesimpulan berdasarkan data, dan
mendukung pengambilan keputusan dalam berbagai bidang ilmu dan industri.

STATISKA DESKRIPTIF
Statistika deskriptif adalah cabang dari statistika yang berkaitan dengan pengumpulan, penyajian, dan penyusunan data
agar menjadi lebih mudah dipahami dan diinterpretasikan. Tujuan utamanya adalah untuk merangkum dan
menggambarkan karakteristik dasar dari suatu kumpulan data. Ini dilakukan dengan menggunakan berbagai metode
statistik, seperti penghitungan rata-rata, median, modus, deviasi standar, dan grafik.

Statistika deskriptif membantu dalam:

1. Pengumpulan Data: Mengumpulkan data yang relevan dari berbagai sumber.

2. Penyajian Data: Menyajikan data dalam bentuk tabel, grafik, atau diagram agar lebih mudah dipahami.
3. Ringkasan Data: Memberikan gambaran umum tentang data, termasuk nilai-nilai tengah, variasi, dan persebaran.
4. Identifikasi Pola: Mengidentifikasi pola atau tren dalam data, seperti peningkatan atau penurunan nilai.
5. Mengidentifikasi Outlier: Mendeteksi data yang ekstrem atau tidak biasa yang mungkin memerlukan perhatian
khusus.

Statistika deskriptif sering digunakan sebagai langkah awal dalam analisis data sebelum melangkah ke analisis statistik
inferensial yang lebih mendalam. Ini membantu peneliti atau analis data untuk memahami data yang mereka miliki dan
membuat kesimpulan awal tentang karakteristiknya.

Menganalisis
Menganalisis statistika deskriptif adalah proses yang melibatkan penggunaan berbagai teknik statistik untuk memahami,
meringkas, dan menjelaskan data dalam suatu kumpulan data. Ini bertujuan untuk memberikan gambaran yang jelas
tentang karakteristik dasar dari data yang sedang diamati. Berikut adalah langkah-langkah dalam menganalisis statistik
deskriptif:

1. Pengumpulan Data:Pertama, data harus dikumpulkan dari sumber yang relevan sesuai dengan tujuan analisis. Data
dapat berupa angka, teks, atau jenis informasi lainnya.

2. Pembersihan Data: Data sering memerlukan pembersihan untuk mengatasi masalah seperti missing data, outliers, atau
kesalahan pengukuran.

3. Statistika Deskriptif:Selanjutnya, berbagai statistik deskriptif diterapkan pada data, termasuk:

- Rata-rata (mean): Nilai tengah data.

- Median: Nilai tengah ketika data diurutkan.
- Modus: Nilai yang paling sering muncul dalam data.
- Deviasi Standar: Ukuran seberapa tersebar data di sekitar rata-rata.
 - Jangkauan (range): Selisih antara nilai maksimum dan minimum dalam data.
- Kuartil (quartile): Pemisahan data menjadi empat bagian sama besar.

4. Visualisasi Data:Data sering diwakili dalam bentuk grafik atau grafik, seperti histogram, diagram batang, atau diagram
pencar, untuk membantu memvisualisasikan pola dalam data.

5. Interpretasi Hasil: Hasil analisis statistik deskriptif diinterpretasikan untuk menggambarkan karakteristik data. Misalnya,
Anda dapat mengatakan apakah data cenderung memiliki rata-rata yang tinggi atau rendah, sejauh mana data tersebar,
atau apakah ada nilai yang sangat ekstrem dalam data.

6. Komunikasi Hasil:Temuan dari analisis statistik deskriptif biasanya disampaikan dalam laporan, presentasi, atau
dokumen lain untuk membantu orang lain memahami data yang sedang dianalisis.

Dengan menganalisis statistik deskriptif, Anda dapat menggambarkan data secara numerik dan visual, membuat
kesimpulan awal tentang karakteristiknya, dan menyajikan temuan Anda dengan cara yang lebih mudah dipahami oleh
orang lain. Analisis ini sering menjadi langkah pertama dalam menjelajahi dan memahami data sebelum melakukan
analisis statistik yang lebih mendalam

STATISTIK INTERENSIAL
.Statistik inferensial adalah metode analisis data yang digunakan untuk membuat kesimpulan tentang seluruh populasi
berdasarkan sampel data yang terbatas. Ini melibatkan pengujian hipotesis, estimasi, dan pengambilan keputusan
berdasarkan data sampel. Contoh penggunaan termasuk menguji apakah perbedaan dalam sampel adalah signifikan
secara statistik dan membuat estimasi tentang parameter populasi.

STATISTIK PARAMETIK DAN NON PARAMETIK

Statistik parametrik dan non-parametrik adalah dua pendekatan utama dalam analisis statistik yang digunakan tergantung
pada karakteristik data yang Anda miliki:

1. Statistik Parametrik:
- Karakteristik: Data dalam statistik parametrik diasumsikan mengikuti distribusi tertentu, seperti distribusi normal.
- Penggunaan: Cocok untuk data interval atau rasio yang memiliki sifat-sifat tertentu, seperti rata-rata dan deviasi
standar.
- Contoh Analisis: Uji t, analisis varians (ANOVA), regresi linear, uji z, dll.
- Keuntungan: Lebih efisien dan kuat ketika asumsi distribusi terpenuhi.
- Keterbatasan: Sensitif terhadap pelanggaran asumsi, dan data non-normal dapat menghasilkan kesalahan yang
signifikan.

2. Statistik Non-parametrik:
- Karakteristik: Tidak ada asumsi distribusi tertentu tentang data dalam statistik non-parametrik.
- Penggunaan: Cocok untuk data yang tidak mengikuti distribusi tertentu, seperti data ordinal atau nominal.
- Contoh Analisis: Uji tanda Wilcoxon, uji Mann-Whitney U, uji Kruskal-Wallis, uji chi-kuadrat, dll.
- Keuntungan: Tahan terhadap pelanggaran asumsi distribusi dan lebih cocok untuk data yang tidak memenuhi syarat
parametrik.
- Keterbatasan: Kurang efisien ketika asumsi distribusi terpenuhi, dan dapat memiliki kekuatan statistik yang lebih
rendah.

Pemilihan antara statistik parametrik dan non-parametrik tergantung pada jenis data yang Anda miliki dan asumsi yang
dapat Anda lakukan tentang distribusi datanya. Jika Anda memiliki data interval atau rasio dengan distribusi yang
mendekati normal, maka statistik parametrik mungkin lebih cocok. Namun, jika data Anda tidak memenuhi asumsi ini atau
merupakan data ordinal atau nominal, maka statistik non-parametrik dapat menjadi pilihan yang lebih baik.

VARIABEL
Variabel dalam statistik adalah karakteristik atau data yang dapat diukur atau diamati, seperti jenis kelamin, usia, atau
pendapatan. Variabel digunakan untuk analisis data dan pengambilan keputusan. Ada variabel kualitatif (kategori) dan
kuantitatif (angka), serta variabel independen (penyebab) dan dependen (respons).

DATA
Data dalam statistik adalah informasi atau fakta yang dikumpulkan atau diamati. Data dapat berupa angka, teks, atau
gambar yang digunakan untuk menganalisis, menggambarkan, dan membuat kesimpulan tentang fenomena atau masalah
tertentu. Data dapat dikelompokkan menjadi dua jenis utama: data kualitatif (kategori atau label) dan data kuantitatif
(angka yang dapat diukur). Data adalah bahan dasar untuk analisis statistik yang membantu dalam mengambil keputusan
dan mendapatkan wawasan tentang berbagai situasi atau penelitian.

POPULASI
Populasi dalam statistik merujuk kepada seluruh kelompok atau himpunan individu, objek, atau elemen yang memiliki
karakteristik yang sama atau relevan dalam konteks penelitian atau analisis statistik. Populasi mewakili semua anggota
yang potensial di dalam studi tersebut. Dalam banyak kasus, karena sulit atau mahal untuk mengumpulkan data dari
seluruh populasi, sampel yang mewakili sebagian dari populasi sering digunakan dalam analisis statistik untuk membuat
inferensi atau kesimpulan tentang populasi secara keseluruhan.

SAMPEL
Sampel dalam statistik adalah sebagian kecil dari populasi yang digunakan untuk mengumpulkan data dan membuat
inferensi atau kesimpulan tentang populasi secara keseluruhan. Contoh sampel dapat berupa:

1. Studi Pendapat Pemilih: Untuk mengetahui pendapat pemilih di suatu negara, Anda dapat mengambil sampel dari
beberapa ratus atau ribu orang yang mewakili beragam kelompok usia, jenis kelamin, dan wilayah geografis.

2. Produk dalam Pabrik: Untuk memeriksa kualitas produk dalam pabrik, Anda dapat mengambil sampel acak beberapa
produk dari garis produksi daripada memeriksa setiap produk yang diproduksi.

3. Uji Kesehatan: Dalam penelitian kesehatan, Anda dapat mengambil sampel dari sekelompok orang untuk mengukur
parameter tertentu, seperti kadar gula darah, sebagai representasi dari populasi yang lebih besar.

4. Survey Pelanggan: Untuk menilai kepuasan pelanggan dalam bisnis, Anda dapat mengirim survei kepada sejumlah
pelanggan yang dipilih secara acak, bukan kepada semua pelanggan Anda.

Sampel digunakan untuk menghemat waktu dan sumber daya dalam pengumpulan data, tetapi dengan harapan bahwa
hasil dari sampel tersebut akan mencerminkan dengan baik karakteristik populasi yang lebih besar. Pengambilan sampel
yang baik adalah bagian penting dalam analisis statistik untuk membuat kesimpulan yang dapat diandalkan tentang
populasi.

TIPE DATA STATISTIK

Tipe data statistik menggambarkan jenis informasi yang dapat diamati atau diukur dalam analisis statistik. Ada beberapa
tipe data statistik utama:

-DATA NOMINAL
 Data nominal adalah data yang menggambarkan kategori atau label tanpa urutan tertentu. Contohnya adalah jenis
kelamin (pria/wanita), jenis kendaraan (mobil/motor/sepeda), atau warna (merah/hijau/biru). Data nominal hanya
memberikan informasi tentang perbedaan antar kategori.

-DATA ORDINAL
Data ordinal adalah data yang memiliki kategori dengan urutan tertentu. Meskipun ada urutan, jarak antara kategori tidak
didefinisikan dengan jelas. Contohnya adalah tingkat kepuasan (sangat puas/puas/tidak puas), kelas sosial
(tinggi/sedang/rendah). Data ordinal menggambarkan perbandingan relatif antar kategori, tetapi tidak menunjukkan
seberapa besar perbedaannya.

-DATA INTERVAL
Data interval adalah data yang memiliki urutan dan jarak antar kategori yang sama, tetapi tidak memiliki titik nol mutlak.
Contohnya adalah suhu dalam Celsius. Dalam data interval, Anda dapat melakukan operasi pengurangan dan penambahan,
tetapi tidak ada titik nol yang berarti.

-DATA RASIO
Data rasio adalah data yang memiliki urutan, jarak antar kategori yang sama, dan titik nol mutlak yang bermakna.
Contohnya adalah usia, tinggi badan, pendapatan, atau berat badan. Dalam data rasio, Anda dapat melakukan semua
operasi matematika, termasuk perkalian dan pembagian, dan titik nol mewakili ketiadaan variabel tersebut.

Pemahaman tipe data statistik sangat penting karena ini memengaruhi jenis analisis statistik yang dapat Anda terapkan
pada data. Misalnya, analisis statistik yang sesuai untuk data nominal mungkin berbeda dari analisis yang cocok untuk data
interval atau rasio.

KUALITATIF DAN KUANTITATIF

-KUALITATIF
Kualitatif adalah jenis data yang menggambarkan kategori, label, atau karakteristik tanpa nilai numerik yang melekat. Ini
menggambarkan "apa" dari data, seperti jenis kelamin, warna, atau jenis kendaraan.

-KUANTITATIF
Kuantitatif adalah jenis data yang diukur dalam bentuk angka dan memiliki nilai numerik yang melekat. Ini
menggambarkan "berapa banyak" atau "berapa besar" dari data, seperti usia, pendapatan, atau suhu.