1.

MENGANALISIS KONSEP STATISTIKA

Data memegang peranan yang sangat penting dalam analisis statistika

karena tidak semua data dapat digunakan sebagai dasar pengambilan
keputusan. Dalam perencanaan dan analisis statistika diperlukan data yang
tepat untuk menghasilkan suatu analisis yang tepat dan mengenai sasaran.
Maka dari itu, pengetahuan terhadap data sangatlah penting. Sebelum kita
mengenal lebih lanjut mengenai data, kita harus tahu bahwa sebuah data
dapat dikatakan data yang baik setidaknya telah memenuhi syarat-syarat
berikut :

1. Dapat diandalkan
Suatu data dapat dikatakan dapat diandalkan diantaranya ketika data
tersebut bersifat objektif, representatif, dan memiliki kesalahan baku
(standard error) yang kecil.
2. Bermanfaat dan berguna
Bermanfaat dan berguna disini ialah data harus relevan memiliki
hubungan dengan masalah yang akan dipecahkan dan bersifat tepat
waktu (up to date).

Setelah mengenal syarat bagi sebuah data dapat dikatakan baik, dalam
statistika terdapat berbagai jenis data berdasarkan klasifikasinya masing-
masing.

A. Data berdasarkan bentuknya

Data berbentuk bilangan (kuantitatif)

Data kuantitatif terdiri atas 2 jenis yaitu :
a. Data Diskrit
Data diskrit merupakan data hasil pencacahan yang biasanya diwakili oleh
bilangan-bilangan utuh berdasarkan satuannya. Contoh data diskrit adalah
jumlah penduduk, anggota populasi, jumlah sampel dan sebagainya. Selain
itu contoh gugus data diskrit misal, terdapat jumlah penduduk dari 3
kecamatan secara berturut-turut yaitu, 2.022, 2.121, dan 2.300 jiwa.
b. Data kontinu
Data kontinu merupakan data hasil pengukuran atau data yang berasal dari
ukuran pertumbuhan dan sangat bergantung pada data sebelumnya.
Misalnya, panjang, massa, luas, volume, dan lain sebagainya. Contoh,
gugus data tinggi objek yang diamati: 1,5 m; 2m; 2,5m
2. Data kualitatif
Data kualitatif merupakan data yang tidak berbentuk bilangan. Data
kualitatif dapat berupa informasi seperti: warna, jenis barang, nama, jenis
kelamin dan sebagainya. Dalam pengolahannya, data kualitatif dapat
dikuantifikasi menjadi dummy variabel. Dummy variabel merupakan
variabel yang nilai sebenarnya adalah buatan karena nilai tersebut
sebenarnya bukanlah skala. Contoh, jenis kelamin dapat dibedakan
menjadi ‘1’ bagi laki-laki dan ‘0’ bagi wanita. Angka tersebut bukanlah
data kuantitatif, namun hanyalah sebuah atribut untuk mewakili data
kualitatif dalam analisis statistika

B. Data berdasarkan sumbernya :

1. Data internal
Data internal adalah semua data yang berasal dalam
wadah/organisasi/lembaga itu sendiri. Misalnya, data kehadiran
pekerja, data jumlah kendaraan yang dimiliki oleh karyawan, data
inventaris perusahaan. Selain itu, bagi suatu negara yang termasuk
data internal diantaranya adalah data jumlah penduduk, pendapatan
nasional, sumber daya alam, modal dan lain sebagainya termasuk ke
dalam data internal.

2. Data Eksternal
Data eksternal adalah data yang bersumber dari luar
wadah/organisasi/lembaga itu sendiri. Misalnya bagi para nelayan, harga pasar, keadaan
sumber daya hayati di laut merupakan data yang bersifat eksternal. Data eksternal biasanya

berfungsi sebagai faktor penentu yang berpengaruh terhadap kondisi internal

suatu individu/organisasi. Data eksternal dapat diambil dari sumbernya sendiri berupa data
sekunder atau dapat diambil dari pihak pertama berupa data primer.

C. Data berdasarkan waktu pengumpulannya :

1. Data cross section

Data cross section merupakan data yang dikumpulkan pada waktu tertentu yang dapat

menggambarkan keadaan/kegiatan pada waktu tertentu. Contohnya adalah hasil sensus tahun

2020 merupakan contoh data cross section.

2. Data berkala

data yang dikumpulkan dari waktu ke waktu untuk memberikan gambaran tentang

perkembangan suatu kegiatan dari waktu ke waktu atau data historis. Misalkan, data curah

hujan selama 10 tahun terakhir, data pertumbuhan penduduk 10 tahun terakhir dan

lain sebagainya. Data ini biasanya digunakan untuk peramalan atau proyeksi.

Skala Pengukuran Data

Dalam pengolahan data statistika bergantung pada skala/ukuran data yang

digunakan. Skala pengukuran dibagi ke dalam empat kategori yakni nominal,

ordinal, interval, dan rasio.

1.Skala nominal

Skala nominal merupakan skala yang paling sederhana yaitu skala yang tidak

memiliki jarak maupun urutan antara kategori dalam ukuran tersebut. Skala ini

hanya membedakan benda/peristiwa satu dengan lainnya berdasarkan predikat.

Data dalam skala nominal harus bersifat tidak tumpang tindih (mutually exclusive)

dan tuntas (exhaustive). Skala pengukuran nominal biasanya digunakan untuk

mengklasifikasikan objek, individual atau kelompok. Sebagai contoh adalah

mengklasifikasi agama, pekerjaan, jenis kelamin dan lain sebagainya. Misalnya,

agama (Islam disimbolkan dengan ‘1’ , kristen katolik ‘2’, kristen protestan ‘3’, hindu
‘4’, budha ‘5’, dan konghucu ‘6’). Angka tersebut bukan bermakna sebagai urutan

atau memiliki nilai lebih tinggi dari lainnya namun hanya mewakilkan predikat

tertentu dan bersifat sebagai atribut saja. Data tersebut biasanya menggunakan

metode analisis statistik non parametrik dan dapat dipresentasikan dalam bentuk

persentase. Misal, dalam suatu survei penduduk di Kelurahan Sukarasa dengan

sampel sebanyak 100 warga, sebanyak 90% warga di Kelurahan Sukarasa beragama

islam karena terdapat 90 warga yang mengisi angka ‘1’ di kolom agama yang dianut.

2.Skala ordinal

Skala ordinal adalah skala data yang berupa orde atau urutan/tingkatan. Data dalam

skala ordinal masih bersifat kualitatif namun sudah memiliki tingkatan atau urutan

tertentu. Misalkan, persepsi seseorang terkait kinerja suatu lembaga bisa dinilai

dengan “kurang baik”, “baik”, “baik sekali”. Kategori “kurang baik” sifatnya lebih

rendah daripada kategori “baik” dan “baik sekali”, begitu pula sebaliknya. Skala

ordinal mempunyai informasi skala nominal ditambah dengan sarana peringkat

relatif tertentu yang memberikan informasi apakah suatu objek memiliki

karakteristik yang lebih atau kurang. Apabila disimbolkan dalam angka misal kurang

baik ‘0’, baik ‘1’, dan baik sekali ‘2’. Angka-angka ini hanya merepresentasikan

peringkat dan tidak bisa dilakukan operasi aljabar. Selain itu, skala ordinal sendiri
dapat dibagi menjadi dua yaitu :

a. Ordinal collapse
Ordinal collapse merupakan skala pengukuran data yang memiliki tingkatan. Misalnya

adalah rendah, sedang, tinggi.

b. Ordinal kontinyu

Ordinal kontinyu merupakan skala pengukuran data yang biasanya terdiri atas bilangan

integer (bilangan bulat) misalkan adalah frekuensi seseorang ke salon. Gugus data dari

frekuensi tersebut adalah bisa sebanyak 3 kali, 5 kali, 7 kali dan sebagainya namun bilangan

tersebut tidak boleh desimal.

3.Skala interval

Skala interval mempunyai informasi skala nominal ditambah dengan sarana

peringka relatif tertentu yang memberikan informasi apakah suatu objek memiliki

karakteristik yang lebih atau kurang. Skala pengukuran interval benar-benar

merupakan angka. Angka-angka tersebut dapat dijumlahkan atau dikalikan. Data yang

memiliki skala pengukuran interval banyak digunakan dalam analisis statistika parametrik.

Skala pengukuran ini yang terkenal adalah pengukuran suhu yang mempunyai standar

pengukuran 0 relatif artinya tidak mempunyai nol yang absolut. Contoh dari skala interval

adalah pengukuran suhu ruangan, ruangan dapat dikatakan “panas” apabila suhu ruangan

mencapai 30 derajat celsius — 50 derajat celcius, dapat dikatakan “hangat” apabila suhu

ruangan mencapai 25–29 derajat, dan dapat dikatakan “dingin” apabila suhu ruangan kurang

dari 25 derajat.

4.Skala Rasio

Skala rasio, adalah skala pengukuran yang menggunakan pengukuran angka yang

sesungguhnya (bukan kategori seperti ordinal dan nominal). Skala rasio lebih baik dari ketiga

skala pengukuran sebelumnya dan angkanya dapat dioperasikan secara aljabar. Skala

pengukuran rasio mempunyai semua karakteristik yang dimiliki oleh skala nominal, ordinal,

dan interval. Kelebihan skala ini yaitu mempunyai nilai 0 (nol) empiris absolut. Skala

pengukuran rasio biasanya dalam bentuk perbandingan antara satu individu atau objek

tertentu dengan lainnya. Angka-angka hasil pengukuran dapat dibandingkan antara satu
dengan yang lain secara langsung. Misalnya, volume suatu bak mandi A adalah sebanyak 7 L

dan bak mandi B sebanyak 14 L maka dapat diinterpretasikan bahwa bak mandi A memiliki

volume ½ kali lipat dari bak mandi B.

https://rekayasadata.co.uk/mengenal-tipe-data-dalam-
statistika-56b222c67bb1

Penyajian Data
Menurut Encyclopedia Britannica (2020), data adalah fakta atau angka-angka
yang dikumpulkan, dianalisis dan diringkas untuk disajikan. Contoh
sederhananya seperti informasi tentang harga sepatu yang berbeda-beda di
banyak toko tadi.

Apa sih tujuan dari dilakukannya penyajian data? Mempermudah proses

pemahaman dan analisis data yang jumlahnya banyak merupakan alasan
mengapa data perlu disajikan.

Metode yang terhubung dengan pengumpulan dan tampilan kumpulan data untuk menawarkan

informasi yang bermakna yang dikenal sebagai penyajian data statistik. Membuat data statistik

sederhana untuk dipahami dan ditafsirkan akan meningkatkan akurasi penarikan kesimpulan dan

pengambilan keputusan berdasarkan fakta.

Data statistik biasanya disajikan dalam salah satu dari dua cara: secara tabular atau grafis. Tampilan

tabel data lebih umum. Grafik menampilkan data sebagai grafik visual sementara tabel biasanya

menawarkan data sebagai kolom dan baris. Namun jangan kaget jika penggunaan representasi grafis

dari data statistik secara konsisten menarik perhatian.

Data dapat disajikan secara grafis dalam berbagai cara, antara lain dengan poligon, histogram,

distribusi frekuensi, dan ogif. Hal ini dimaksudkan agar karakteristik dan kecenderungan distribusi

data dapat digambarkan melalui tampilan data statistik.

Macam-Macam Penyajian Data

1.Penyajian Data dalam Bentuk Tabel
Cara menyajikan data yang akan kita bahas pertama adalah tabel. Cara ini
mungkin merupakan salah satu cara yang paling sering digunakan dan kita
jumpai sehari hari karena sederhana.
Secara umum, tabel memiliki fungsi untuk memaparkan data yang terlalu
detail dan rumit kalau hanya disampaikan dalam bentuk teks saja. tabel
ternyata bisa dibagi menjadi tiga jenis sesuai dengan fungsinya

1. Tabel Baris dan Kolom

Jenis tabel ini digunakan untuk menginformasikan nilai dari satu kelompok
data saja. Contoh penyajian data-nya seperti di bawah ini.
Ilustrasi penyajian data dalam bentuk tabel baris dan kolom
Kelompok data pada tabel di atas adalah tinggi dan jumlah siswa di satu kelas.
Jadi, data yang kita dapat pun meliputi data keseluruhan yang ada pada satu
kelompok saja.

2. Tabel Kontingensi
Kalau di jenis sebelumnya hanya ada satu kelompok data saja, pada tabel
kontingensi ada lebih dari satu.
Contohnya seperti di bawah ini

Ilustrasi penyajian data dalam bentuk tabel kontingensi

Pada jenis tabel ini ada dua kategori atau variable, yaitu siswa perempuan dan
siswa laki-laki. Dari tabel ini kita jadi bisa tau perbandingan jumlah siswa
perempuan dan laki-laki dengan tinggi badan tertentu.

3. Tabel Distribusi Frekuensi

Pada jenis tabel distribusi frekuensi, data yang disajikan berupa interval yang
memiliki frekuensi atau banyak datanya masing-masing. Contoh penyajian
datanya seperti ini.

Ilustrasi penyajian data dalam bentuk tabel distribusi frekuensi

2.Penyajian Data dalam Bentuk Diagram

Diagram adalah bentuk visualisasi data untuk menunjukan proporsi atau
komposisi persebaran suatu set data. Jenis diagram yang biasanya digunakan
adalah diagram lingkaran atau sering juga disebut pie chart dan diagram
batang.
contoh
1. Diagram Lingkaran atau Pie Chart

Ilustrasi penyajian data dalam bentuk diagram lingkaran gambaran

perbandingan banyak-nya tiap kategori, kita bisa tahu kalau siswa dengan
tinggi badan 155 cm dan 165 cm itu jumlahnya hampir sama. Tapi berbanding
jauh dengan yang tingginya 170.

https://onedrive.live.com/edit.aspx?action=editnew&resid=22E85E9BDD27BCAB!592&ithint=file
%2cdocx&action=editnew&ct=1697295931450&wdNewAndOpenCt=1697295931450&wdPreviousS
ession=8250b7db-2b21-4f1c-b518-151393d13b07&wdOrigin=OFFICECOM-HWA.MAIN.NEW&wdo=2