Dasar-Dasar Statistika
Deskripsi
Perilaku agen-agen ekonomi terkadang sulit untuk dijelaskan dengan deskripsi, begitu
pula data-data statistik juga terkadang susah diterjemahkan. Untuk itu, statistika memiliki peran
yang penting dalam upaya membantu menjelaskan fenomena ekonomi dengan menggunakan
pendekatan statistika.
Bagian ini akan menjelaskan mengenai dasar-dasar statistika yang perlu dipahami bagi
peneliti yang ingin mempelajari statistika lebih lanjut.
Tujuan Instruksional Umum
Mahasiswa yang mempempelajari dasar – dasar statistika di harapkan akan dapat dan
mampu :
1. Mahasiswa yang mempelajari dasar-dasar statistika diharapkan akan dapat dan mampu:
2. Memahami konsep dan pengertian statistika,
3. Memahami kegunaan statistika,
4. Memahami jenis-jenis statistika,
5. Memahami hubungan statistika dan metode ilmiah,
6. Membedakan data statistik,
7. Memahami populasi dan sampel, dan
8. Melakukan dan menentukan skala pengukuran data statistik.
1.1 Mengenal Statistika
Penggunaan istilah statistika pada awalnya berasal dari bahasa latin statisticum collegiums yang
berarti dewan negara, sedangkan dari bahasa italia statista berarti negarawan atau politikus. Sejarah
tentang istilah statistika untuk pertama kalinya dalam bahasa Jerman digunakan oleh Gottfried
Archenwall pada tahun 1749 sebagai nama kegiatan analisis data kenegaraan, dengan mengartikan state
sebagai ilmu tentang negara. Jadi, pada awalnya, statistika hanya diartikan sebagai kegiatan analisis data
pada lembaga-lembaga administratif dan pemerintahan.
Kemudian, pada abad ke-19 terjadi pergeseran makna dan arti. Pada abad tersebut, Sir John
Sinclair dengan menggunakan istilah statistic, menjelaskan arti statistika sebagai ilmu yang membahas
tentang pengumpulan dan klarifikasi data. Selanjutnya pada abad ke 20 statistika mulai banyak
digunakan dalam bidang matematika, terutama tentang probabilitas. Cabang statistika kemudian sangat
luas digunakan untuk mendukung metode ilmiah serta statistika inferensi yang dikembangkan pada
paruh kedua abad ke 19 dan awal abad ke 20 oleh Ronald Fisher (peletak dasar statistika inferensi), Karl
Pearson (metode regresi linier), dan William Sealey Gosset (problem sampel berukuran kecil).
Pada masa sekarang penggunaan statistika lebih berkembang karena statistika dipelajari dan
diaplikasikan dalam berbagai bidang ilmu pengetahuan. Bahkan hampir sebagian besar bidang ilmu
memerlukan dan menggunakan statistika. Oleh karena itu, terdapat banyak definisi tentang statistika,
diantaranya:
1. Menurut Anderson dan Bancrof (1952), Statistika adalah ilmu dan seni pengembangan dan
penerapan metode yang paling efektif sehingga kemungkinan kesalahan dalam kesimpulan
dan estimasi dapat diperkirakan dengan menggunakan penalaran induktifberdasarkan
matematika probabilitas.
2. Menurut Sudjana (1989), Statistika adalah pengetahuan yang berhubungan dengan teknik-
teknik maupun cara-cara dalam pengumpulan data, pengolahan, penganalisaan, penarikan
kesimpulan, penyajian data dan publikasi dari data-data dalam bentuk angka.
3. Menurut Supranto (2000), pengertian statistik ada dua yaitu dalam arti luas dan dalam arti
sempit. Statistik dalam arti sempit adalah data ringkasan berbentuk angka (kuantitatif).
Sedangkan statistik dalam arti luas adalah suatu ilmu yang mempelajaricara pengumpulan,
pengolahan/ pengelompokan, penyajian, dan analisa data serta cara pengambilan
kesimpulan secara umum berdasarkan hasil penelitian.
4. Menurut Prof. Drs. Sutrisno Hadi (2001), mengungkapkan bahwa statistika sebagai salah
satu cara untuk mengolah data dan menarik sebuah kesimpulan serta keputusan yang logis
dari sebuah pengolahan data.
5. Menurut Abdul Rozak (2012), Statistik adalah pengetahuan yang berhubungan dengan cara-
cara pengumpulan data, pengolahan atau penganalisisan yang dilakukan.
kesimpulan terhadap hasil analisa data. Selain itu, statistika juga mampu membantu meramalkan suatu
keadaan yang akan datang berdasarkan data-data masa lalu.
Pada hakikatnya terdapat berbagai macam jenis statistika, namun sebenarnya, jenis-jenis
statistika dapat digolongkan menjadi 2 yakni (i) berdasarkan orientasi pembahasannya maupun (ii)
berdasarkan tujuan analisisnya.
Jenis statistika berdasarkan orientasi pembahasannya dibedakan menjadi 2 (dua), yakni Statistika
Matematik dan Statistika Terapan. Masing-masing adalah sebagai berikut:
1. Statistika Matematik
Adalah statistika teoritis yang lebih berorientasi pada pemahaman model dan teknik-
teknik statistika secara matematis teoritis. Pokok bahasan dalam Statistika Matematik meliputi
pemahaman dan penggunaan uji t, uji normalitas, analisis regresi, dan lain-lain.
2. Statistika Terapan
Adalah stastitika terapan yang lebih mengutamakan pada pemahaman konsep dan
teknik-teknik statistika serta penggunaannya atau penerapannnya dalam disiplin ilmu tertentu
(lebih spesifik), seperti statistika biologi, statistika psikologi, statistika ekonomi, dan lain-lain.
Selanjutnya, untuk jenis statistika berdasarkan tujuan atau tahap analisisnya dibagi menjadi 2 (dua),
yakni Statistika Deskriptif dan Statistika Induktif/inferensi. Perbedaan keduanya adalah sebagai berikut:
1. Statistika Deskriptif
Adalah sebuah metode statistik yang digunakan untuk memperoleh gambaran
(deskripsi) tentang data yang dianalisis tanpa adanya tujuan memberikan generalisasi atau
kesimpulan yang lebih luas. Data pada statistika deskriptif biasanya disajikan dalam bentuk
tabel, diagram, grafik, lingkaran, dan lain-lain. Dalam statistika deskriptif dipelajari bagaimana
caranya mengumpulkan data, mengolah data, menyajikan data, dan menganalisis data. Materi
yang dibahas dalam statistika deskriptif meliputi penyajian data, ukuran pemusatan data,
penyebaran/dispersi data, angka indeks, dan deret berkala serta peramalan.
Statistika memiliki keeratan hubungan dengan metode ilmiah. Jika statistika merupakan suatu
prosedur dalam mengolah datadata statistika, yang memiliki tahapan dan metode. Maka statistika
sebenarnya merupakan bagian dari konsep metode ilmiah.
Metode ilmiah, atau dalam bahasa Inggris juga disebut scientific method merupakan suatu
proses berpikir yang bersifat prosedural, sistematis, dan terkontrol untuk memecahkan suatu masalah.
Metode ilmiah menjadi suatu keniscayaan yang harus dilakukan dalam membuat suatu proyek ilmiah.
Menurut Alma (1939), metode ilmiah adalah cara menerapkan prinsip-prinsip logis terhadap penemuan,
pengesahan, dan penjelasan kebenaran. Oleh karena itu, statistika dan metode ilmiah adalah saling
berkaitan.
Metode ilmiah merupakan suatu metode yang digunakan dalam statistika sebagai cara untuk
mencari kebenaran kesimpulan dari suatu fenomena yang sedang diteliti. Jika metode ilmiah diterapkan
dalam statistika, maka kesimpulan yang didapat akan menghasilkan suatu penjelasan kebenaran
sehingga memiliki tingkat kesalahan yang kecil dan sebaliknya.
Karakteristik atau ciri-ciri metode ilmiah dalam statistika adalah (1) adanya pemeriksaan
terhadap fakta, teori dan pendapat orang, (2) memformulasikan hipotesa yang dapat diuji melalui
metode percobaan, dan (3) adanya evaluasi objektif terhadap hipotesis berdasarkan hasil percobaan.
Selanjutnya, untuk mengaplikasikan konsep statistika sebagai suatu metode ilmiah, perlu mengikuti
langkah-langkah penerapan metode ilmiah. Langkah-langkah yang dapat dilakukan untuk menerapkan
metode ilmiah, yakni:
1) Merumuskan masalah
Metode ilmiah sebagai proses berfikir yang prosedural, dilakukan untuk memecahkan
berbagai masalah. Kemudian, masalah yang telah ditemukan dirumuskan dalam suatu kalimat
tanya. Rumusan masalah dalam setiap penelitian adalah suatu keniscayaan. Artinya tidak
mungkin masalah yang ditemukan dapat terpecahkan jika masalahnya belum dirumuskan. Oleh
karena itu, keberadaan kalimat tanya dalam rumusan masalah akan membantu peneliti dalam
menentukan langkah selanjutnya seperti teori yang diperlukan, data yang dibutuhkan serta
metode analisis yang sesuai.
4) Mengumpulkan data
Data menjadi bagian penting dalam menerapkan prosedur Statistika maupun Metode
Ilmiah. Ketiadaan data berarti juga kegagalan dalam menerapkan Prosedur Statistika maupun
Metode Ilmiah. Oleh karena itu, peneliti perlu memastikan ketersediaan data yang diperlukan
untuk menjawab rumusan masalah penelitian.
7) Merumuskan kesimpulan
Rumusan kesimpulan merupakan bagian akhir dalam penerapan metode ilmiah.
Kesimpulan dibuat berdasarkan temuan dalam analisa data yang telah dilakukan.
8) Mempublikasikan hasil
Supaya hasil-hasil penelitian yang dibuat dengan menerapkan metode ilmiah yang benar
serta menghasilkan kesimpulan yang benar dapat memberikan manfaat yang luas bagi khalayak,
maka seyogyanya dapat dipublikasikan. Terdapat berbagai media publikasi seperti seminar,
workshop, lokakarya, hingga jurnal.
Statistika merupakan suatu ilmu, sedangkan Statistik merupakan suatu data. Menurut Arikunto
(2002), data merupakan segala fakta dan angka yang dapat dijadikan bahan untuk menyusun suatu
informasi. Sedangkan menurut Rozak (2012), data adalah sumber informasi yang diketahui atau dicari
atau diasumsikan untuk memberikan gambaran mengenai suatu persoalan atau keadaan.Data statistik
adalah sekumpulan data berupa fakta-fakta serta gambaran suatu keadaan atau fenomena yang
dikumpulkan, dirangkum, dan dianalisa yang selanjutnya dijadikan sumber informasi atau
diinterpretasikan. Pemahaman terhadap jenis data statistik dapat dibedakan menurut sumbernya,
jenisnya, maupun waktu pengumpulannya, seperti ditunjukkan dalam tabel 1.1 berikut:
Data Primer
1 Sumber Data
Data Sekunder
Kualitatif
2 Jenis Data
Kuantitatif
Penjelasan mengenai kategorisasi data statistik seperti ditunjukkan tabel 1.1, adalah sebagai berikut:
Dalam menganalisa dan menampilkan informasi pada suatu fenomena, dibutuhkan keberadaan
data. Data berdasarkan sumbernya dibedakan menjadi Data Primer dan Data Sekunder, yakni:
a) Data Primer
Data primer merupakan data yang diambil dari sumbernya, serta belum pernah
dipublikasikan oleh instansi tertentu. Umumnya data primer dihasilkan dari kegiatan survei
lapangan dan dengan menggunakan instrumen seperti kuisioner, daftar pertanyaan,
maupunfocus group discussion (FGD).
Penggunaan data primer memiliki beberapa kelebihan seperti validitas dan proses
pengumpulan data dapat dipertanggungjawabkan, sehingga kesimpulan yang dihasilkan juga
merupakan gambaran keadaan nyata dilapangan. Namun demikian, kegiatan survei lapang
untuk memperoleh data jenis ini pada umumnya memerlukan waktu dan biaya yang lebih besar
dibandingkan data sekunder.
b) Data Sekunder
Data sekunder merupakan data yang telah diolah dan dipublikasi oleh instansi tertentu,
misalnya Data yang dipublikasi oleh Badan Pusat Statistik, Bank Indonesia, maupun lembaga
lainnya.
Penggunaan data sekunder seringkali menjadi pilihan peneliti dibanding data primer.
Hal ini karena data sekunder memiliki keunggulan dalam hal proses mendapatkan yang mudah
sehingga mampu menghemat waktu dan biaya. Disisi lain, data sekunder juga memiliki
kelemahan yakni secara teknis dan proses mendapatkan data yang bersangkutan tidak dapat
ditelusur lebih jauh. Oleh karena itu, peneliti perlu mencari data pembanding untuk
memperkuat hasil analisa data. Hal ini penting untuk menjaga supaya validitas dan akurasi
kesimpulan dapat dipertanggungjawabkan.
Data statistika berdasarkan jenisnya, dapat dibagi dua yakni data kualitatif dan data kuantitatif.
Perbedaan untuk masing-masing jenis data adalah sebagai berikut:
a. Data Kualitatif
Kata ”kualitatię' berasal dari "qualitY' artinya mengutamakan mutu dan kualitas,
sehingga data kualitatif merupakan data yang mengutamakan mutu dan kualitas dari data
bersangkutan. Data kualitatif biasanya berupa data non angka dan umumnya berbentuk
kategori.
Penelitian dengan menggunakan data kualitatif umumnya menitikberatkan pada nilai
mutu dan kualitas data yang digunakan. Untuk memudahkan dalam proses analisa data,
umumnya data kualitatif akan disimbolkan dengan angka, atau dalam bentuk variabel dummy.
Misalnya, jenis kelamin, suku bangsa, warna kesukaan, prestasi (meningkat ataupun menurun),
juara kelas, kepuasan, agama, dll. Ciri khas data kualitatif adalah tidak berlakunya hukum
Matematika seperti penjumlahan, pengurangan, perkalian, maupun pembagian.
b. Data Kuantitatif
Kata ”kuantitatiP' berasal dari kata ”quantitY' artinya kuantitas. Sehingga data
kuantitatif mengutamakan banyaknya data (n). Data kuantitatif merupakan data-data berupa
angka. Karakteristiknya adalah data selalu dalam bentuk numerik.
Contoh data kuantitatif adalah pendapatan, jumlah penduduk, tingkat konsumsi, bunga bank,
dan sebagainya.
Data kuantitatif, berdasarkan cara memerolehnya dibedakan menjadi dua yakni:
• Data Diskret
Data diskret merupakan data yang diperoleh dengan cara "menghitung". Contohnya, jumlah
mobil, jumlah rumah, jumlah mahasiswa, dsb. Konsekuensi dari data diskret adalah
memberikan hasil yang bulat maupun desimal yang disesuaikan dengan objek yang dihitung.
• Data Kontinyu
Data yang dihasilkan dengan cara "mengukur". Untuk mendapatkan hasil pengukuran yang
akurat, maka diperlukan alat bantu ukur yang disesuaikan dengan objek yang akan diukur.
Misalnya, mengukur panjang meja dapat digunakan penggaris, mengukur berat badan dapat
digunakan timbangan berat badan, dan sebagainya.
Berdasarkan waktu pengumpulan data, data statistika dapat dibagi dua yakni data lintas ruang
(cross-section) dan data runtut waktu (time series). Perbedaan untuk masing-masing adalah sebagai
berikut:
Populasi adalah wilayah generalisasi berupa subjek atau objek yang diteliti untuk dipelajari dan
diambil kesimpulan, atau dengan kata Iain, populasi adalah totalitas dari seluruh objek penelitian.
Banyaknya objek penelitian yang diteliti disebut dengan ukuran populasi, dimana ukuran tersebut
bervariasi tergantung pada jenis populasi yang diteliti. Misalnya, penelitian terhadap pengeluaran rumah
tangga tani per bulan di propinsi A, B maupun C. Untuk masing-masing propinsi, pengeluaran rumah
tangga petani dapat berbeda maupun sama.
Sampel adalah objek pengamatan yang dipilih dari populasi, sehingga sampel merupakan bagian
dari populasi dan mencerminkan karakteristik populasinya. Oleh karena itu, meskipun penelitian
menggunakan data sampel dan bukannya sata populasi, namun hasilnya dapat digeneralisasikan pada
populasi.Banyaknya objek penelitian dalam sampel disebut ukuran sampel.
Sifat-sifat dan karakteristik menjadi dasar dalam mempelajari konsep populasi dan sampel. Sifat-
sifat populasi disebut "parameter", sedangkan sifat-sifat sampel disebut "statistik". Statistik adalah nilai
yang diperoleh dari sampel dan digunakan untuk menaksir (mengestimasi) nilai parameter. Beberapa
sifat populasi dan sampel yang penting adalah ratarata hitung (mean), varian (variance), dan standar
deviasi (standard deviation).
Penarikan sampel diperlukan jika populasi yang diambil sangat besar, dan peneliti memiliki
keterbatasan untuk menjangkau seluruh populasi. Peneliti perlu mendefinisikan populasi target dan
populasi terjangkau baru kemudian menentukan jumlah sampel dan teknik sampling yang digunakan.
Selanjutnya, untuk menentukan sampel dari populasi digunakan perhitungan maupun acuan tabel yang
dikembangkan para ahli. Untuk setiap jenis penelitian dan teknik sampling yang berbeda, akan
berkonsekuensi pada jumlah sampel yang digunakan. Misalnya, untuk penelitian korelasional jumlah
sampel minimal untuk memperoleh hasil yang baik adalah 30, sedangkan dalam penelitian eksperimen
jumlah sampel minimum 15 dari masing-masing kelompok. Sementara, penelitian survei memerlukan
jumlah sampel minimum adalah 100.
Roscoe (1975) yang dikutip Sekaran (2006) memberikan acuan umum untuk menentukan
ukuran sampel:
1) Ukuran sampel lebih dari 30 dan kurang dari 500 adalah tepat untuk kebanyakan penelitian,
2) Jika sampel dipecah ke dalam subsampel (pria/wanita, junior/senior, dan sebagainya), ukuran
sampel minimum 30 untuk tiap kategori adalah tepat,
3) Dalam penelitian mutivariate (termasuk analisis regresi berganda), ukuran sampel sebaiknya IOX
lebih besar dari jumlah variabel dalam penelitian,
4) Untuk penelitian eksperimental sederhana dengan kontrol eskperimen yang ketat, penelitian
yang sukses adalah mungkin dengan ukuran sampel kecil antara 10 sampai dengan 20.
Besaran atau jumlah sampel sangat tergantung dari besaran tingkat ketelitian atau kesalahan yang
diinginkan peneliti. Terdapat beberapa tingkat kesalahan yang dapat digunakan yakni 1% (0,01); 5%
(0,05); dan 10% (0,1). Jika digunakan tingkat kesalahan 1% berarti peneliti meyakini bahwa data sampel
yang digunakan dalam penelitian memiliki tingkat kesalahan sebesar 1% dari jumlah sampel, atau
dengan kata lain ketelitian/kebenaran data sampel mencapai sebesar 990/0. Tingkat kesalahan 5%
berarti tingkat kesalahan data sampel sebesar 5% atau tingkat ketelitian data sampel mencapai 95%.
Sedangkan tingkat kesalahan 10% artinya 90% data sampel diyakini kebenarannya dan memiliki tingkat
kesalahan data sebesar 10%. Pemilihan tingkat kesalahan tergantung tingkat keyakinan peneliti
terhadap data-data sampel yang digunakan.
Semakin besar tingkat kesalahan maka semakin kecil pula jumlah sampel yang dapat digunakan.
Namun yang perlu diperhatikan adalah semakin besar jumlah sampel (semakin mendekati populasi)
maka semakin kecil peluang kesalahan generalisasi dan sebaliknya, semakin kecil jumlah sampel
(menjauhi jumlah populasi) maka semakin besar peluang kesalahan generalisasi.
Terdapat beragam rumus yang dapat membantu peneliti dalam menentukan jumlah sampel yang
dapat diambil dari data populasinya. Rumus penarikan jumlah sampel dapat menggunakan (i) Rumus
Slovin, (ii) Rumus Issac dan Michael; serta (iii) Rumus sampling Fraction per klaster, maupun
menggunakan (iv) Rumus Krejcie dan Morgan (Sugiyono, 2007; Sevilla et al., 1960). Pada dasarnya,
penggunaan rumus penarikan sampel adalah memudahkan peneliti untuk dapat menentukan jumlah
sampel yang tepat dari data populasinya. Oleh karena itu, rumus penarikan sampel bukan bertujuan
mempersulit, namun justru mempermudah peneliti. Cara perhitungan jumlah sampel menggunakan
rumus-rumus tersebut adalah sebagai berikut:
1. Rumus Slovin
N
n=
1+ N ¿ ¿
Dimana,
n = ukuran sampel;
N = ukuran populasi;
d = tingkat kesalahan yang dipilih (1%, 5%, dan 10%)
.
Misalnya, jika diketahui jumlah populasi adalah 200, dan tingkat kesalahan yang dikehendaki
adalah 5%, maka jumlah sampel yang digunakan dapat dihitung:
200
n=
1+200 ¿ ¿
Hasil perhitungan jumlah sampel sebesar 133,33 atau dibulatkan menjadi 133. Artinya
jumlah sampel minimum yang dapat diambil dari data populasi jika digunakan tingkat
kesalahan sebesar 5% adalah sebanyak 133 sampel.
2
λ N PQ
S= 2 2
d ( N−1 ) + λ P Q
Dimana,
s = jumlah sampel;
λ = Chi Kuadrat, dengan dk =1, tingkat kesalahan 1%, 5%, dan 10%;
N =jumlah populasi;
d = 0,05;
P = Q = 0,5
Tabel 1.2: Penentuan Jumlah Sampel dari Populasi Tertentu dengan Tingkat Kesalahan 1%, 5%, dan 10%
N S N S N S
120 102 89 83 900 382 251 208 250000 662 348 270
130 109 95 88 950 391 255 211 300000 662 348 270
140 116 100 92 1000 399 258 213 350000 SE2 348 270
150 122 105 97 1050 414 265 217 400000 662 348 270
160 129 110 101 1100 427 270 221 450000 348 270
170 135 114 105 1200 440 275 224 500000 663 348 270
180 142 119 108 1300 450 279 227 550000 SE3 348 270
190 148 123 112 1400 460 283 229 600000 563 348 270
200 154 127 115 1500 4ES 286 232 E50000 563 348 270
210 160 131 118 1600 477 289 234 700000 663 348 270
220 165 135 122 1700 485 292 235 750000 663 348 271
230 171 139 125 1800 492 294 237 800000 SEB 348 271
240 176 142 127 1900 498 297 238 850000 SE3 348 271
250 182 146 130 2000 510 301 241 900000 663 348 271
260 187 149 133 2200 520 304 243 950000 SEB 348 271
270 192 152 135 2600 529 307 245 1000000 664 349 272
Ni
Fi
N
Rumus sampling fraction per klaster digunakan untuk menentukan jumlah sampel
berdasarkan data populasi jika jumlah sampel yang diinginkan bersifat proporsional terhadap
kumpulan sampel yang akan digunakan.
Misalkan suatu penelitian mengenai "kunjungan wisatawan di kebun binatang xxx" ingin
memperoleh sampel pengunjung berdasarkan latar belakang tingkat pendidikan. Informasi yang
tersedia adalah:
Jumlah pengunjung pada hari tertentu adalah sebesar 500 orang (populasi),
Jika peneliti ingin mengambil sebanyak 150 sampel, maka jumlah sampel yang dapat
diambil untuk masing-masing tingkatan pendidikan pengunjung adalah sebagai berikut:
Lainn 50 0.10 15
2
(λ . N . P .Q)
n=
(λ . ( N−1 ) + λ 2 . P .Q)
2
Dimana,
n = jumlah sampel,
2
λ = faktor pengali dengan dk = 1, taraf kesalahan bisa 1 %,5 %, 10 %
N = jumlah populasi,
P (populasi menyebar normal) = Q = 0,5,
d = 0,05
Jika peneliti menggunakan rumus Krecjie dan Morgan untuk menentukan jumlah
sampel, hasil perhitungan jumlah sampel untuk setiap populasi berdasarkan rumus Krecjie
dan Morgan dapat ditunjukkan pada tabel berikut:
Teknik perhitungan sampel tersebut akan memberikan nilai perkiraan terhadap jumlah sampel
yang dapat digunakan oleh peneliti. Namun demikian, perlu dipahami bahwa hasil perhitungan sampel
tersebut merupakan sampel minimum. Maksudnya bahwa peneliti diharapkan dapat mengambil sampel
dengan jumlah yang lebih besar dari jumlah tersebut. Hal ini perlu dilakukan mengingat sampel tidak
selalu memberikan data yang valid. Penggunaan berbagai instrumen seperti kuisioner maupun teknik
analisis yang beragam dapat berkontribusi kesahihan data sampel.
Salah satu pokok permasalahan dałam statistika adalah dałam hal proses mendapatkan dan
mengumpulkan data. Setidaknya, terdapat dua cara mendapatkan data yakni melalui proses
penghitungan dan pengukuran. Dałam hal penghitungan, proses mendapatkan data hampir tidak pernah
mengalami kendala, setiap individu yang melakukan penghitungan terhadap objek yang sama akan
menghasilkan suatu angka yang sama, misalnya objek penghitungannya adalah adalah jumlah sepeda
motor yang diparkir di Fakultas Ekonomi dan Bisnis Universitas Brawijaya pada waktu tertentu.
Disisi lain, ketika objek penelitian dilakukan pengukuran, maka setiap individu yang melakukan
pengukuran memungkinkan akan mendapatkan hasil yang berbeda, meskipun menggunakan alat yang
sama, misalnya, pengukuran lebar jalan, pengukuran tinggi badan, pengukuran panjang meja, dan
sebagainya. Untuk iłu, statistika lebih banyak diaplikasikan untuk mempelajari masalah pengukuran
dibandingkan masalah penghitungan.
Pengukuran adalah proses hal mana suatu angka atau simbol dilekatkan pada karakteristik atau
properti suatu stimuli sesuai dengan aturan/prosedur yang telah ditetapkan (Ghozali, 2005). Misal,
orang dapat digambarkan dari beberapa karakteristik meliputi umur, tingkat pendidikan, jenis kelamin,
tingkat pendapatan, dan sebagainya. Terdapat empat (4) skala pengukuran yakni skala nominal, ordinal,
interval, dan rasio, sebagai berikut:
1) Skala Nominal
Skala nominal merupakan skala yang berupa kategori atau kelompok dari suatu subyek.
Tujuannya supaya memudahkan dalam mengidentifikasi suatu kategori maupun kelompok dan
umumnya menggunakan label atau lambang berupa angka misal, variabel jenis kelamin
responden dikelompokkan menjadi dua, LIP, masing-masing diberi kode 1 dan 2, suku bangsa
dibedakan menjadi Jawa, Sunda, Batak dan sebagainya, dimana untuk Jawa disimbolkan angka
1, Sunda angka 2, Batak angka 3, dan sebagainya.
Penggunaan label maupun angka hanya berfungsi sebagai label kategori, dan tidak
memiliki arti apa pun. Label atau lambang tersebut tidak memiliki sifat sebagaimana bilangan
pada umumnya, sehingga pada variabel dengan skala nominal tidak dapat diterapkan operasi
matematika standar: pengurangan, penjumlahan, perkalian, dll. Uji statistik yang sesuai dengan
skala nominal adalah uji yang mendasarkan pada jumlah seperti modus dan distribusi frekuensi.
2) Skala Ordinal
Skala ordinal merupakan skala yang berupa kategori dari suatu objek menggunakan
label atau lambang bilangan, dimana kategori atau label maupun lambang menunjukkan suatu
urutan atau tingkatan obyek yang diukur menurut karakteristik yang dipelajari. Contoh skala
ordinal adalah juara lomba balap, juara kelas, preferensi responden terhadap merek suatu
barang, dan sebagainya. Sebagaimana skala nominal, Iambang maupun label angka yang
digunakan dalam skala ordinal hanya menunjukan urutan dan tidak berlaku operasi matematika
seperti juara lomba balap ke satu (1) sama dengan juara ketiga (3) dikurangi juara kedua (2).
3) Skala Interval
Skala interval merupakan Skala pengukuran yang mempunyai sifat seperti skala ordinal
(memiliki urutan tertentu), serta memiliki sifat satuan skala (scale unit). Maksudnya, perbedaan
karakteristik antara obyek yang berpasangan dengan Iambang bilangan satu dengan Iambang
bilangan berikutnya selalu tetap. Disamping itu, data interval dapat diberlakukan hukum/operasi
matematika. Misalnya data pendapatan responden berkisar antara RP. 100.000 - RP. 1.000.000,
artinya responden dengan pendapatan RP. 1.000.000 lebih besar dibandingkan RP. 400.000. Pun
demikian, jika digunakan operasi matematika maka responden berpendapatan RP. 800.000
sama dengan responden yang berpendapatan RP. 300.000 ditambah responden berpendapatan
RP. 500.000. Uji statistik yang sesuai adalah semua uji statistik kecuali uji yang mendasarkan
pada rasio seperti koefisien variasi.
4) Skala Rasio
Skala rasio adalah skala yang menghasilkan data dengan mutu yang paling tinggi.
Perbedaan skala rasio dengan skala interval terletak pada keberadaan nilai nol (based value).
Pada skala rasio, nilai nol bersifat mutlak, tidak seperti pada skala interval. Data yang dihasilkan
Oleh skala rasio adalah data rasio. Tidak ada pembatasan terhadap alat uji statistik yang sesuai.
Rangkuman
Pada bagian ini telah menjelaskan secara detail mengenain dasar – dasar statistika. Beberapa hal
penting yang dapat dipperoleh dari bab ini antara lain :
1. Pada bagian ini telah menjelaskan secara detil mengenai dasar-dasar Statistika. Beberapa hal
penting yang dapat diperoleh dari bab ini antara lain:
2. Statistika dan Statistik merupakan dua hal yang berbeda. Statistika adalah suatu ilmu, sedangkan
Statistik merupakan kumpulan data-data.
3. Kegunaan statistika adalah membantu peneliti dalam memecahkan berbagai persoalan dengan
pendekatan statistika.
4. Sebagai bagian dari metode ilmiah, Statistika berkontribusi pada penggunaan prosedur
statistika, sementara metode ilmiah memberikan petunjuk bagaimana prosedur statitika dapat
menghasilkan suatu kesimpulan yang benar.
5. Data statistik dapat dibedakan berdasarkan sumber data, berdasarkan jenis data dan waktu
pengumpulan data.
6. Sampel merupakan bagian dari populasi dan mampu mencerminkan karakteristik populasinya.
7. Skala pengukuran menjadi perhatian penting dalam statistika. Skala pengukuran menghasilkan
data nominal, data ordinal, data interval dan data rasio.
LATIHAN SOAL