Anda di halaman 1dari 11

2

Konsep dasar statistika

2.1. Apakah yang dimaksud dengan statistika?

Pada kesempatan ini kita akan mempelajari beberapa konsep


dasar dalam statistika. Namun, sebelum membahasnya lebih jauh,
sebaiknya kita berkenalan dengan statistika terlebih dahulu.
❖ Mendefinisikan istilah Statistika (statistics) merupakan ilmu yang mempelajari tentang
statistika.
data—meliputi bagaimana cara memperoleh data, menyusun atau
❖ Menjelaskan mengorganisasikannya agar mudah dipahami, menganalisis,
pentingnya menginterpretasikannya, dan berakhir pada penarikan simpulan.
mempelajari statistika.
Ini juga disebut dengan proses inkuiri (inquiry process) atau proses
ilmiah proses ilmiah (scientific process). Karena itu, statistika
berkaitan erat dengan metode penelitian (scientific methodology).
Melalui proses inilah kita mempelajari data, seperti melihat
hubungan antar variabel, memperkirakan atau mempredikasikan
nilai suatu variabel, dan lain sebagainya. Dengan demikian,
mempelajari statistika menjadi suatu yang sangat penting. Tidak
hanya membantu kita untuk mendeskripsikan dan menjelaskan
data yang kita miliki, tetapi juga membantu kita untuk menkritisi
atau mengevaluasi berbagai artikel penelitian yang terpublikasi.
Selain itu, dengan mempelajari statistika akan sangat membantu kita untuk memahami dan
mengevaluasi berbagai informasi yang tersebar di sekitar kita secara masif, baik secara langsung
maupun tidak langsung (media online, seperti facebook, youtube, dan lain sebaginya). Kemudian,
dalam kehidupan sehari-hari, mempelajari statistika sangat membantu kita untuk membuat
keputusan, seperti saat kita berbelanjan online, sebelum melakukan pembelian, pertama sekali kita
akan melihat berbagai ulasan yang diberikan oleh pembeli (buyer) sebelumnya tentang produk
yang akan kita beli. Informasi yang kita peroleh dari berbagai ulasan tersebut menjadi alasan bagi
kita untuk membeli atau tidak produk yang diperjual-belikan.
2.2. Jenis-jenis data (atau variabel)

Kiranya seperti itulah definisi dan manfaat mempelajari


statistika. Kemudian, kita semua tahu setiap benda (termasuk
manusia) memiliki karakteristik—yang mana karakteristik
❖ Mengidentifikasi tersebut dinamakan dengan data atau variabel. Misalnya manusia,
jenis-jenis data atau memiliki karakteristik seperti jenis kelamin, suku, agama, berat
variabel.
badan, tinggi badan, dan lain sebagainya. Secara umum, data
❖ Menjelaskan dikelompokan menjadi data numerik (kuantitatif) dan data
pentingnya konteks
kualitatif (kategorikal). Data kuantitatif merupakan data yang
suatu data.
berkaitan dengan angka, seperti tinggi badan. Sebaliknya, data
kualitatif merupakan data yang berkaitan dengan deksripsi,
seperti jenis kelamin, suku.

Gambar 2.1. Klasifikasi jenis-jenis data (Lind et al., 2012).

Sebelum melanjutkan pembehasan kita tentang data, sekarang anggaplah terdapat suatu data
175,7—bisakah kita menentukan dan menafsirkan data tersebut? Tentu saja kita akan kebingungan
untuk menantukan dan menfsirkannya. Kita akan diselimuti oleh rasa penasasan—itu data tentang
apa? Kita tidak dapat menentukan apalagi menafsirkan suatu data tanpa adanya konteks yang
mengikuti data tersebut. Sekarang, data 175,7 kita berikan konteks (anggaplah cm)—dengan
demikian, kita dapat menafsirkannya bahwa data tersebut berkaitan dengan panjang suatu benda.
Sampai di sini, kita memahami bahwa dengan adanya konteks data menjadikan data menjadi lebih
informatif dan mudah dipahami. Oleh karena itu, setiap penyanyi data, dalam menyajikan data

2
haruslah disertakan konteksnya, seperti yang tampak pada Tabel 2.1. Konteks data pada Tabel 2.1
tersebut adalah berat badan bayi dalam satuan gram (gr) dan periodenya (selama 1 minggu).

Tabel 2.1. Distribusi berat badan (gr) bayi yang lahir di Rumah sakit San Diego, California selam
1 minggu (Rosner, 2015).
i xi i xi i xi i xi
1 3265 6 3323 11 2581 16 2759
2 3260 7 3649 12 2844 17 3248
3 3245 8 3200 13 3609 18 3314
4 3484 9 3031 14 2838 19 3101
5 4146 10 2069 15 3541 20 2834

Selanjutnya, data kuantitatif dibagi lagi menjadi data kontinyu dan data diskrit. Data
kontinyu atau variabel kontinyu (continous variable) merupakan data hasil pengukuran yang
memiliki variasi nilai, atau memiliki nilai antara (desimal), seperti tinggi badan (175,7 cm).
Sementara, data diskrit disebut juga variabel diskrit (discrete variable) adalah data hasil
pengukuran yang tidak memiliki nilai antara, atau data hasil pengukuran dalam bentuk bilangan
bulat, seperti jumlah anak dalam satu keluarga, banyaknya mahasiswa pada suatu kampus. Untuk
lebih jelasnya dapat dilihat pada Gambar 2.1.

Contoh 2.1
Seorang mahasiswa jurusan biologi berjenis kelamin laki-laki, memiliki tinggi badang sekitar 175 cm, dan saat menempuh
matakuliah statistika, usianya 18 tahun. Bakso merupakan makanan kesukaannya. Dia sangat rajin dan tekun dalam belajar
sehingga di akhir semester, skor statistika mencapai 90. Dari narasi ini, identifikasilah manakah yang termasuk data kuantitatif
dan kualitatif, kontinyu dan diskrit.
Solusi
Usia, tinggi badan, dan skor statistika merupakan data kuantitatif, sedangkan jenis kelamin dan makanan favorit termasuk dalam
data kualitatif atau variabel kategorikal. Tinggi badan dan skor statistika merupakan data kuantitatif yang bersifat kontinyu (data
kontinyu)—atau variabel kontinyu. Sedangkan, usia merupakan data kontinyu yang bersifat diskrit (variabel diskrit).
Pertanyaan lanjutan
Tentukan dan jelaskanlah jenis variabel dari beberapa pertanyaan berikut:
1. Apakah Anda memiliki akun media sosial?
2. Berapa jumlah buku yang ada di rumah Anda?
3. Berapakah tinggi dan berat badan Anda?

Selanjutnya, dalam penelitian kita kenal istilah variabel bebas (independent variable) biasa
dilambangkan dengan huruf X, dan variabel terikat (dependent variable) dilambangkan dengan
huruf Y. Dikatakan sebagai variabel bebas karena berperan dalam mempengaruhi variabel terikat,
dan variabel terikat merupakan variabel yang dipengruhi oleh variabel bebas. Misalnya,
hubungan antara sikap mahasiswa tentang statistik dengan hasil belajar statistika mahasiswa.
Pada contoh ini, sikap mahasiswa sebagai variabel bebas (merupakan data ordinal), dan hasil

3
belajar statistika sebagai variabel terikat (merupakan data interval). Dalam penelitian korelasional,
variabel bebas (X) disebut sebagai variabel penjelas, dan variabel terikat (Y) disebut variabel yang
dijelaskan. Sementara, dalam analisis regresi, variabel bebas disebut sebagai variabel prediktor
(predictor variable) atau regresor, sedangkan variabel terikatnya disebut sebagai variabel prediktif
(predictive variable) atau regresan (regressand). Jika X dapat memprediksikan Y, maka X cocok
sebagai prediktor untuk Y. Begitu juga sebaliknya, jika X tidak dapat memprediksikan Y, maka X
tidak cocok sebagai prediktor untuk Y.

2.3. Skala pengukuran (measurement scales)

Saat kita mendengar kata pengukuran tentu yang ada dalam


pikiran kita adalah tentang alat ukur, seperti timbangan atau
meteran. Namun, istilah pengukuran tidak selalu harus dikaitkan
dengan kedua alat ukur tersebut. Sekarang, coba bayangkan jika
❖ Mendefinisikan istilah seorang dosen ingin mengukur pemahaman mahasiswa tentang
pengukuran.
statistika—tentu saja tidak melakukannya dengan menggunakan
❖ Membedakan timbangan atau meteran, melainkan menggunakan alat ukur yang
berbagai skala
sesuai dengan alat ukur yang sesuai—yaitu tes. Begitu juga saat
pengukuran.
seorang ingin mengetahui kepuasan kostumer (pelanggan)
terhadap produk, tidak pula dilakukan dengan tes, tetapi dapat
dilakukan dengan bertanya langsung kepada kostumer, atau
menggunakan angket atau kuisioner. Singkatnya, pengukuran
merupakan usaha untuk membandingkan karakteristik yang
diukur dengan alat ukurnya. Hasil pengukuran disebut dengan
data.
Saat kita melakukan pengukuran sebenarnya kita sedang menginginkan jenis data tertentu.
Meskipun demikian, kita tidak pernah dapat mengukur suatu obyek—yang dapat kita ukur adalah
karakteristik (properties) suatu obyek dengan alat ukur yang sesuai. Misalnya, anggaplah sebuah
meja sebagai obyek—kita tidak pernah dapat mengukur sebuah meja, tetapi yang kita ukur dari
meja adalah karakteristiknya, seperti panjang dan tebalnya (menggunakan meteran), warnanya
(dengan melihatnya).
Dalam statistika, dikenal empat skala pengukuran, yaitu skala nominal, ordinal, interval, dan
rasio. Skala nominal dan ordinal merupakan bagian data kualitatif (kategorikal), atau skala non-
kuantitatif (non-quantitative scale), sedangkan skala interval dan rasio merupakan skala kuantitatif.
Skala nominal (nominal scale) merupakan skala pengukuran yang paling sederhana karena hanya
bertujuan untuk mengidentifikasi obyek-obyek yang ada. Atau dengan lain kata, skala nominal

4
hanya dapat digunakan pada data atau variabel yang tidak dapat diukur, seperti jenis kelamin,
keyakinan beragama. Selanjutnya, angka-angka pada skala nominal bertujuan untuk melakukan
identifikasi, seperti nomor registrasi mahasiswa (NMR), nomor kendaraan bermotor, nomor
punggung pemain sepak bola, dan lain sebagainya. Singkatnya, jika ingin melaukan identifikasi
obyek atau variabel, skala nominal merupakan skala pengukuran yang dapat diandalkan di antara
skala pengukuran yang lain.
Berdasarkan fungsinya, skala nominal diklasikan menjadi skala nominal tipe A dan B. Skala
nominal tipeA merupakan skala nominal yang bertujuan untuk mengidentifikasi obyek secara
individual, seperti NMR, nomor punggung pemain sepak bola. Kemudian, skala nominal tipe B
adalah skala nominal yang bertujuan untuk mengidentifikasi obyek dalam kelompok, seperti jenis
kelamin, agama, afiliasi politik, dan lain sebaginya. Untuk obyek yang sama diberikan kode (label)
yang sama. Misalnya, laki-laki diberikan kode 1, perempuan diberikan kode 2.
Sekarang, mari kita bayangkan pada suatu kampus, anggaplah jumlah total mahasiswanya
sebanyak 3500 mahasiswa. Dari jumlah total mahasiswa tersebut, kita klasifikasikan berdasarkan
keyakinan agamanya (Islam, Kristen, Katolik, Hindu, dan Budha), seperti yang tampak pada Tabel
2.2. Angka pada skala nominal tidak dapat dikenai operasi matematika, seperti rata-rata dan
median, dan hanya dapat dianalisis menggunakan nilai modus. Atau dengan lain kata, jumlah
mahasiswa berdasarkan keyakinan bergama tersebut tidak dapat dirata-ratakan, namun dapat
dianalisis menggunakan nilai modus, dapat juga dipresentasikan menggunakan tabel atau
diagram batang.

Tabel 2.2. Persentase keyakinan beragama mahasiswa


Keyakinan beragama Jumlah Persentase (%)
Islam 1650 47.14
Kristen 700 20.00
Katolik 550 15.71
Hindu 450 12.48
Budha 150 4.29
Jumlah 3500 100

Contoh 2.2
Seorang dosen mengatakan rata-rata mahasiswa perguruan tinggi A beragama Islam. Apakah pernyataan dosen tersebut benar
atau salah?
Solusi
Pernyataan dosen tersebut mengenai rata-rata mahasiswa perguruan tinggi A beragama Islam merupakan pernyataan yang
salah. Data atau informasi afiliasi beragama merupakan data kategorikal yang berskala nominal sehingga tidak dapat dikenai
operasi matematika (seperti rata-rata). Karena itu, tidak tepat menggunakan ukuran nilai pusat (rata-rata) atau mengatakan rata-
rata, tetapi lebih tepat menggunakan nilai modus—dengan mengatakan sebagian besar atau kebanyakan mahasiswa perguruan
tinggi A beragama Islam. Sebagai catatan, bahwa jumlah atau frekuensi tidak selalu berkaitan dengan rata-rata.

5
Skala ordinal (ordinal scale) merupakan skala yang lebih kompleks dibandingkan dengan skala
nominal. Angka-angka pada skala nominal bertujuan untuk melakukan identifikasi, sedangkan
angka-angka pada skala ordinal berkaitan dengan tingkatan (order, rank). Atau dengan lain kata,
jika kita ingin membuat tingkatan atau gradasi antar obyek, maka kita akan menggunakan skala
ordinal. Penyusunan tingkatan pada skala ordinal bergantung pada skor atau karakteristik obyek
yang diukur, atau urutan (posisi) atau tingkatan yang ada skala ordinal merepresentasikan skor
atau karakteristik obyek itu sendiri. Pernahkah Anda melihat ajang pencarian bakat, yang mana
juri memberikan penilaiannya berdasarkan kualitas yang ditampilkan oleh kontestan (performer).
Nampaknya, kita akan kesulitian untuk memahami skala ordinal jika kita menggunakan kata
kualitas. Baiklah, sekarang mari kita menggunakan kata skor saja. Sekarang, angapalah skor yang
akan diberikan oleh juri berkisar dari 1 sampai 10.
Selanjutnya, marilah kita anggap tidak ada peserta yang mendapat skor paling rendah (yaitu
1). Skor yang diperoleh kontestan berkisar antara 5 sampai 9. Dengan demikian, kontestan yang
mendapatkan skor 5 berada pada posisi atau tingkatan paling bawah, dan bahkan tereliminasi.
Sebaliknya, kontestan yang mendapatkan skor 9 berada pada posisi paling atas. Sekarang,
anggaplah dari sekian banyak kontestan ajang pencarian bakat tersebut tersisa 5 kontestan. Proses
eliminasi terus berlanjut, dan dari 5 kontestan yang tersisa akan dieliminasi 1 kontestan.
Permasalahannya sekarang adalah terdapat dua kontestan yang mendapatkan skor yang sama,
dan kedua kontestan tersebut berada pada posisi paling bawah (kedua kontestan mendapatkan
skor 5), bagaimanakah cara untuk mengelimansi salah satu dari kedua kontestan yang memiliki
skor dan posisi yang sama tersebut? Untuk kasus semacam ini, biasanya para juri akan meminta
respon atau penilaian penonton terhadap kedua kontestan tersebut. Hasil voting dari penonton
tersebut kemudian dijadikan dasar untuk melakukan eliminasi.
Penggunaan skala ordinal yang kita lihat adalah pemberian tingkatan atau ranking pada
mahasiswa (A, B, C, D, dan E). Ranking tersebut merepresentasikan skor atau nilai yang diperoleh
oleh mahasiswa. Mahasiswa yang mendapatkan skor tertinggi akan menempati posisi paling atas,
disimbolkan dengan nilai A. Begitu juga sebaliknya, mahasiswa yang mendapatkan skor terendah
menempati posisi paling bawah, disimbolkan dengan huruf E. Singkatnya, skala ordinal berkaitan
dengan posisi atau tingkatan (lebih baik atau lebih buruk). Meskipun kita dapat mengatakan
mahasiswa yang mendapat nilai A lebih baik dibandingkan dengan mahasiswa yang mendapat nilai
B, atau bahkan E. Namun, kita tidak dapat menentukan secara pasti jarak poin pada masing-
masing tingkatan tersebut.
Kemudian, pernahkah Anda memberikan tanggapan mengenai persetujuan atau kepuasan
Anda mengenai suatu program kuliah (seperti sangat setuju—sangat tidak setuju; sangat puas—
sangat tidak puas), atau pernahkan Anda memberikan tanggapan mengenai kualitas suatu produk
(sangat baik—sangat tidak baik), dan/atau pernahkan Anda melihat suatu laporan tentang

6
kemajuan suatu daerah yang dilihat dari tingkat pendidikan warganya. Semua pertanyaan
tersebut berkaitan dengan tingkatan atau skala ordinal. Untuk data atau informasi mengenai
persetujuan, kepuasan, ataupun frekuensi aktivitas yang Anda lakukan (selalu—sangat tidak
pernah), dan biasanya diukur menggunakan angket. Responden akan memberikan tanggapannya
berdasarkan penilaiannya atau berdasarkan pengalamannya. Peneliti akan menggunakan skala
Likert untuk menggambarkan tanggapan responden (persetujuan atau kepuasan), seperti 4 =
sangat setuju/sangat puas; 3 = setuju/puas; 2 = tidak setuju/tidak puas; dan 1 = sangat tidak
setuju/sangat tidak setuju. Respon ataupun tanggapan yang diberikan reponden tidak dapat
dianalisis menggunakan nilai rata-rata ataupun median, melainkan dapat dianalisis dengan
melihat nilai modus atau persentasenya.

Contoh 2.3
Identifikasi dan jelaskanlah manakah yang termasuk data nominal dan ordinal dari informasi berikut:
A. Brand laptop (Lenovo, Dell, HP, Asus, Acer) =
B. Tingkat pendidikan (SD, SMP, SMA, S-1, S-2, S-3) =
C. Respon mahasiswa terhadap kebijakan kampus (sangat setuju, setuju, tidak setuju, sangat tidak setuju) =
Solusi
Informasi mengenai brand laptop (Lenovo, Dell, HP, Asus, dan Acer) merupakan data nominal. Saat kita ingin mengidentifikasi
atau mengelompokan obyek ke dalam kelompoknya masing-masing, berarti kita akan menggunakan skala nominal dengan
terlebih dahulu kita membutuhkan nama (brand) atau idenitas obyek. Meskipun kiranya kita memberikan label, 1 = Lenovo; 2 =
Dell; 3 = HP; 4 = Asus; 5 = Acer. Angka-angka pada lebel tersebut digunakan untuk mengidentifikasi brand laptop bukan untuk
menyusunnya ke dalam tingkatan tertentu. Hal ini sama saat kita mengidentifikasi jenis kelamin dengan memberikan kode 1 =
laki-laki, dan 2 = perempuan. Kemudian, informasi mengenai tingkat pendidikan (SD, SMP, SMA, S-1, S-2, S-3) dan respon
mahasiswa (sangat setuju, setuju, tidak setuju, sangat tidak setuju) termasuk data ordinal. Sekarang, jika kita memberikan kode
baik pada tingkat pendidikan (1 = SD; 2 = SMP; 3 = SMA; 4 = S-1; 5 = S-2; 6 = S-3) maupun respon mahasiswa (4 = sangat setuju;
3 = setuju; 2 = tidak setuju; 1 = sangat tidak setuju). Meskipun demikian, data nominal dan ordinal tidak jauh berbeda, hanya saja
angka ataupun kode yang ada skala nominal bertujuan untuk mengidentifikasi, sedangkan angka atau kode (label) pada skala
ordinal bertujuan utnuk menyusun tingkatan obyek berdasarkan karakteristik obyek itu sendiri.
Pertanyaan lanjutan
Kita tahu beberapa brand laptop, seperti Lenovo, Dell, HP, Asus, dan Acer. Informasi ini merupakan data nominal. Sekarang,
informasi tentang brand laptop tersebut kita berikan kode, 1 = Lenovo; 2 = Dell; 3 = HP; 4 = Asus; dan 5 = Acer. Bagaimanakah
cara kita menyusun data nominal ini (brand laptop) menjadi data ordinal? Berikanlah penjelasannya!

Selanjutnya, skala yang lebih kompleks dari skala ordinal adalah skala interval. Dikatakan
demikian karena skala interval meliputi skala nominal dan ordinal. Skala nominal hanya
menunjukan kategori dari obyek-obyek yang ada, sedangkan skala ordinal menunjukan tingkatan
pada obyek-obyek yang ada berdasarkan karakteristik obyek itu sendiri, tetapi tidak menunjukan
jarak (interval) pada setiap tingkatan. Karena itu, pada skala interval tidak hanya menunjukan
tingkatan pada setiap kategori (obyek), tetapi juga menunjukan jarak pada setiap tingkatan.
Misalnya, suhu 20 0C lebih rendah 10 drajad dari 30 0C. Atau dengan permisalan lain, jika
mahasiswa mendapat skor 90 berada pada posisi paling tinggi (atau nilai A), 80 (B), 75 (C), 55 (D),
dan 35 (E). Dengan demikian, kita dapat mengatakan bahwa mahasiswa yang mendapat skor 90
(A) memiliki 10 poin lebih tinggi dibandingkan dengan mahasiswa yang mendapat skor 80 (B).

7
Begitu juga dengan mahasiswa yang mendapat skor 80 memiliki 5 poin lebih banyak dibandingkan
dengan mahasiswa yang mendapat skor 75 (C), dan seterusnya. Kita juga dapat mengatakan
bahwa rentang nilai 60 – 70 sama dengan rentang nilai antara 70 – 80. Meskipun demikian, skala
interval tidak memiliki nilai nol (0) mutlak (true point zero). Misalnya, jika mahasiswa mendapat
skor 0, bukan berarti mahasiswa tersebut tidak memiliki pengetahuan.
Selanjutnya, skala pengukuran terakhir yang akan kita bicarakan adalah skala rasio. Skala
rasio (ratio scale) disebut juga dengan skala interval yang memiliki nilai nol mutlak. Karena itu,
kadang antara skala interval dan rasio disebut skala interval-rasio. Jika pada skala inteval nilai nol
tidak memiliki arti, berbeda dengan skala rasio. Misalnya, harga sebuah buku adalah Rp. 00,00—
ini menunjukan bahwa buku tersebut tidak memiliki harga atau gratis. Contoh lain lagi, jarak
tempuh. Jika jarak tempuhnya adalah 0 Km, berarti tidak sedang berpergian, atau diam di tempat.
Ingat kembali tentang pembagian data kuantitatif pada uraian di atas, baik data kontinyu maupun
diskrit termasuk juga dalam skala rasio. Misalnya, saat Anda ditanya berapa jumlah buku yang
Anda miliki. Pertanyaan ini berkaitan dengan data diskrit, anggaplah Anda menjawabnya tidak
ada, atau buku di rumah Anda berjumlah nol.

Tabel 2.3. Ringkasan mengenai skala pengukuran


Skala pengukuran Jenis data Contoh Fungsi Teknik analisis
Jenis kelamin, nomor Frekuensi,
Nominal Kategorikal Mengklasifikasikan, mengidentifikasi.
kendaraan bermotor modus
Persepsi, persetujuan, Membuat tingkatan berdasarkan Frekuensi,
Ordinal Kategorikal
tingkat keamanan karakteristik obyek. modus
Membuat tingkatan berdasarkan
Rata-rata
Interval Kuantitatif Skor statistika, suhu, IQ karakteristik obyek dengan jarak
(mean)
(interval) yang sama antar tingkatan.
Membuat tingkatan berdasarkan
Tinggi badan, tekanan karakteristik obyek dengan jarak yang Rata-rata
Rasio Kuantitatif
darah sama dengan memasukan nilai nol (mean)
mutlak.

Contoh 2.4
Perhatikanlah informasi berikut, kemudian identifikasilah termasuk dalam
A. Status pernikahan =
B. Keyakinan beragama =
C. Lama studi =
Solusi
Informasi pada A dan B termasuk data kategorikal, skala nominal. Kemudian, informasi C merupakan data diskrit, skala rasio.
Pertanyaan lanjutan
Tiga orang ibu (A, B, dan C) memeriksakan berat badan anaknya di sebuah pusat kesehatan masayarakat (puskesmas). Berat
badan anak ibu Aa adalah 7 Kg, anak ibu B = 10 Kg, dan berat badan dari ibu C adalah 0 Kg. Jelaskanlah maksud informasi ini!

8
2.4. Jenis statistika, populasi dan sampel

Statistika sebagai ilmu yang mempelajari tentang data dibagi


menjadi statistika deskriptif dan inferensial. Statistika deskriptif
❖ Membedakan statistika (descriptive statistics) disebut juga statistika deduktif, berkaitan
deskriptif dan dengan teknik penyusunan atau pengorganisasian data sampel
inferensial.
dari populasi berdasarkan karakteristik data, baik dalam bentuk
❖ Mendefinisikan istilah tabel dengan tujuan supaya menjadi lebih bermakna dan mudah
populasi dan sampel. dipahami. Kemudian, statistik inferensial (inferential statistics)
disebut juga statistika induktif, berkaitan dengan pengujian
❖ Menjelaskan istilah
sampel representatif. hipotesis, membuat estimasi, prediksi, dan membuat simpulan
tentang karakteristik populasi melalui analisis sampel.
Meskipun secara konseptual keduanya berbeda (statistika
deskriptif dan inferensial), namun pada saat penerapan keduanya
tidak bisa dipisahkan. Misalkan, seorang dosen mengkaji tentang
hubungan antara sikap mahasiswa terhadap statistika (X) dengan
hasil belajar statistika (Y). Sebelum prosers analisis dan penarikan
simpulan dilakukan, tentulah terlebih dahulu datanya disusun
berdasarkan varibelnya. Setelah data selesai disusun barulah
dilanjutkan dengan proses analisis dan penarikan simpulan.
Terdapat dua konsep yang ditekankan pada kedua bagian statistika tersebut, yaitu populasi
dan sampel. Karen aitu, salah satu tugas kita sekarang adalah untuk memahami kedua konsep
terebut (populasi dan sampel). Populasi kita definisikan sebagai keselurhan obyek (termasuk
manusia) yang karakteristiknya dipelajari dan darinya ditarik sebuah simpulan. Misalnya, pada
suatu kampus tentu terdapat dosen sebagai pengajar, mahasiswa, karyawan, dan yang lainnya.
Jika seorang peneliti ingin mengkaji tentang pemahaman konsep mahasiswa, maka populasinya
adalah mahasiswa. Sebaliknya, jika ingin mengkaji tentang kinerja dosen, maka populasinya
adalah dosen.
Biasanya populasi berukuran besar sehingga sangat kecil kemungkinan bagi seorang peneliti
untuk melakukan penelitian pada level populasi. Karena itu, dibutuhkan cuplikan populasi atau
sampel sebagai bagian dari populasi. Meskipun demikian, sampel yang digunakan harus memiliki
kriteria, yaitu sampel harus mewakili populasinya atau disebut sebagai sampel representatif
(representative sample)—ini menjadi penting dan mendasar karena simpulan yang diperoleh dari
sampel akan berlaku pada populasi.

9
Gambar 2.2. Hubungan antara
populasi dan sampel. Sampel sebaga
bagian dari populasi harus
mencerminkan (mewakili)
karakteristik populasinya (Weiss,
2012).

Sampel representatif adalah bagian dari populasi yang mewakili karakteristik populasinya,
atau sampel yang sama persis dengan populasinya. Sebagai sebuah permisalan, anggaplah pada
suatu kampus jumlah total mahasiswanya sebanyak 3000 mahasiswa, terdiri dari 1950 perempuan
(65%) dan 1050 laki-laki (35%). Sekarang, anggaplah jumlah sampel yang kita ambil dari 3000
mahasiswa tersebut sebanyak 900 mahasiswa. Tentu saja 900 mahasiswa tersebut harus terdiri dari
585 perempuan (65%) dan 315 laki-laki (35%)—supaya mencerminkan (mewakili) karakteristik
populasinya. Sebagai konsekuensinya, jika sampel yang digunakan tidak mewakili populasinya,
anggaplah sampelnya 900 mahasiswa, terdiri dari 603 perempuan (67%) dan 297 laki-laki (33%)—
ini dianggap dari populasi lain, sehingga simpulan yang dihasilkan juga tidak mencerminkan
populasi aselinya. Kekeliruan seperti ini disebut dengan kesalahan dalam pengambilan sampel
(sampling error).

Contoh 2.5
Anggaaplah, seorang mahasiswa yang sedang menyelesaikan tugas akhirnya melakukan penelitian untuk mengkaji tentang
efektivitas model pembelajaran inkuiri. Penelitian dilakukan pada siswa kelas 7 sekolah menengah pertama (SMP). Diketahui
jumlah seluruh siswa kelas 7 tersebut sebanyak 250 siswa, terdiri dari 150 perempuan (60%) dan 100 laki-laki (40%), dengan rata-
rata usia 12.5 tahun. Rencananya, semua siswa kelas 7 digabung kemudian dibagi menjadi dua kelompok, yaitu kelompok
eksperimen dan pembanding. Hasil pengacakan (randomisasi) yang dilakukan seperti yang tampak pada Gambar di bawah.
Identifikasi dan jelaskanlah kekurangan sampel yang digunakan terebut.

10
Solusi
Telah terjadi kesalahan dalam pemilihan sampel, yang mana kedua sampel (kelas eksperimen dan pembanding) tidak
mencerminkan populasi asalnya. Atau dengan lain kata, kedua sampel begitu sangat berbeda dari populasi asalnya. Meskipun
pada kelas eksperimen rata-rata usia siswa (12.5 tahun) menceriminkan populasi asalnya, namun persentase antara siswa
perempuan (65%) dan laki-laki (35%) tidak mencerminkan populasi asalnya. Begitu juga dengan kelas pembanding, meskipun
persentase siswa perempuan (60%) dan laki-laki (40%) mencerminkan populasi asalnya, namun rata-rata usia siswa (11.7 tahun)
tidak mencerminkan populasi asalnya—dan jika sekiranya simpulan yang dihasilkan menunjukan bahwa model pembelajaran
inkuiri berdampak pada hasil belajar siswa, maka simpulan tersebut tidak berguna bagi populasi asalnya.
Pertanyaan lanjutan
1. Pada suatu kampuas, anggaplah jumlah total mahasiswanya adalah 2500 mahasiswa. Kemudian, pihak pimpinan ingin
mengetahui tingkat kepuasan mahasiswa terhadap kebijakan kampus. Bagaimanakah bentuk sampel representatifnya?
Berikanlah penjelasannya!
2. Bayangkanlah, seorang manager sebuah pertunjukan drama berasumsi (berhipotesis) bahwa pertunjukan drama tersebut
ditonton oleh orang dengan usia di bawah 40.5 tahun. Untuk menguji hipotesisnya, dia mensurvey 200 pembeli tiket
pertunjukan drama tersebut.
a. Identifikasilah manakah yang termasuk sampel dari kasus pertunjukan drama tersebut.
b. Identifiksi dan jelaskanlah kekurangan dari sampel pertunjukan drama tersebut.

11

Anda mungkin juga menyukai