2
2. KONSEP DASAR 2.1 Data
3
DATA STATISTIK
datum (Latin) → fakta (informasi)
4
KLASIFIKASI DATA
▪ Jenis data; data diklasifikasikan menjadi data kuantitatif (nilai numerik)
dan kualitatif (nilai non-numerik);
6
Kualitatif
Jenis
Kuantitatif
Internal
Eksternal Sumber
KLASIFIKASI DATA
(3)
Primer
Cara
Sekunder
memperoleh
Data
Time-Series
Waktu
Cross-
Section
Nominal
Ordinal
Interval
Skala Pengukuran
Rasio
7
BERDASARKAN JENIS
Data kualitatif: jenis data yang tidak dapat dinyatakan dalam bentuk
angka atau bilangan.
→ opini, perasaan, sikap, dan keyakinan
8
BERDASARKAN SUMBER
Data internal: data yang diperoleh atau bersumber dari dalam suatu
instansi (lembaga, organisasi).
→ keadaan pegawai, pengeluaran, keadaan barang di gudang, hasil
penjualan, keadaan produksi pabriknya dan lain-lain aktivitas yang
terjadi di dalam perusahaan itu
9
BERDASARKAN CARA MEMPEROLEH
Data primer: data yang dikumpulkan langsung dari sumber aslinya
dan belum pernah diolah atau dianalisis sebelumnya.
→ survei, wawancara, observasi, dan eksperimen
Data sekunder: data yang didapatkan dari sumber lain dan sudah
pernah diolah atau dianalisis sebelumnya.
→ buku, jurnal, database, situs, atau berupa data yang telah diolah,
disajikan, atau dimodifikasi dari data primer
10
BERDASARKAN WAKTU PENGUMPULAN
Data times-series: data yang dikumpulkan dari waktu ke waktu untuk
menggambarkan kurva perkembangan atau tren dari keadaan atau peristiwa
atau kegiatan, dimana jarak atau interval dari waktu ke waktu sama.
→ perkembangan produksi, harga, hasil penjualan, jumlah penduduk, dll
11
BERDASARKAN SKALA PENGUKURAN
Nominal: skala data yang sangat sederhana, dimana data angka yang
tercantum hanya untuk klasifikasi/kategori.
→ (1) untuk kategori laki-laki dan (2) untuk perempuan
→ (1) untuk jawaban “ya” dan (2) untuk jawaban “tidak”
Ordinal: skala data yang memiliki urutan atau ranking (kategorisasi), tetapi
tidak memiliki jarak antar nilai yang jelas.
→ (1) rendah, (2) sedang, dan (3) tinggi
→ sangat tidak setuju, tidak setuju, netral, setuju, sangat setuju
12
BERDASARKAN SKALA PENGUKURAN (2)
13
LATIHAN
1. Jelaskan apa yang dimaksud dengan data!
2. Jelaskan data berdasarkan jenis dan skala pengukurannya!
3. Jelaskan ciri-ciri data skala ordinal!
4. Jelaskan apa yang dimaksud dengan klasifikasi data berdasarkan
sumbernya!
5. Jelaskan yang dimaksud dengan data primer dan sekunder!
14
2. KONSEP DASAR 2.2 Pengumpulan Data
15
METODE PENGUMPULAN DATA
Pengumpulan data adalah proses mengumpulkan fakta atau data observasi
yang akan digunakan untuk analisis statistik.
• Sensus: cara pengumpulan data yang dilakukan secara sistematis dan
mencakup seluruh populasi;
→ wawancara, observasi, dokumen resmi, dan catatan transaksi
• Sampling: cara pengumpulan data statistik yang mengambil hanya
sebagian elemen dari populasi sebagai sampel (contoh) untuk dianalis dan
dibuat kesimpulan mengenai populasi secara keseluruhan.
16
PEMILIHAN SAMPLING DARIPADA SENSUS
• Efisiensi biaya;
• Efisiensi sumber daya;
• Efisiensi waktu;
• Akurasi hasil terjaga;
• Penelitian bersifat destruktif;
• Faktor ekonomis.
17
PEMILIHAN SAMPLING DARIPADA SENSUS
Contoh: bagaimana mengetahui rata-rata konsumsi Pertalite/minggu dari
kendaraan bermotor roda empat di kota Palembang? Jika berdasarkan
informasi dari Dinas Perhubungan kota Palembang bahwa jumlah kendaraan
bermotor roda empat di kota Palembang adalah 5.000 kendaraan.
18
PEMBAGIAN SAMPLING
• Non-probability sampling (NS): proses pengambilan elemen populasi
dimana setiap elemen populasi tersebut tidak memiliki peluang yang
sama untuk terpilih sebagai elemen sampel.
→ penelitian sosial, situasi yang tidak layak, secara teoritis atau praktis
tidak masuk akal untuk dilakukan sampel acak
• Probability sampling (PS): proses pengambilan elemen populasi dimana
setiap elemen populasi memiliki peluang yang sama untuk dipilih sebagai
elemen sampel. Pemilihan data → acak
19
NON-PROBABILITY
• Accidental sampling: sampling yang pemilihan sampel secara
sembarangan atau seketemunya sehingga tidak dapat dibuktikan bahwa
sampel yang telah dikumpulkan mewakili populasi.
→ wawancara yang sering dilakukan oleh program televisi untuk
mendapatkan berita yang cepat walaupun tidak representatif, membaca
opini publik, penelitian pada bidang Arkeolog dan Sejarah.
• Purposive sampling: sampling yang pemilihan sampelnya sesuai dengan
kajian yang akan diteliti.
→ meneliti kriminalitas, maka yang menjadi informan adalah Kapolres,
pelaku kriminal, dan korban kriminal.
20
NON-PROBABILITY (2)
22
PROBABILITY (2)
23
PROBABILITY (2)
25
METODE/TOOL PENGUMPULAN DATA
• Survei: melalui kuesioner (angket) atau wawancara yang dapat dilakukan
dengan tatap muka secara langsung atau melalui telepon, internet, atau
pos.
• Wawancara, menggunakan pedoman wawancara yang berisi daftar pertanyaan sesuai
dengan tujuan yang ingin dicapai.
→ Wawancara tak terstruktur: wawancara yang hanya memuat garis besar pertanyaan yang
akan ditanyakan sehingga kreativitas pewawancara sangat diperlukan.
26
METODE/TOOL PENGUMPULAN DATA
• Survei
• Kuisioner (angket): daftar pertanyaan yang diberikan kepada responden untuk
menggali data sesuai dengan permasalahan penelitian. Hasil kuesioner inilah yang akan
dikuantifikasi, lalu disusun dalam tabel dan dianalisa secara statistik untuk dibuat
kesimpulan penelitian.
• Non-partisipan
27
METODE/TOOL PENGUMPULAN DATA
• Studi Kasus: melalui analisis secara detail pada satu atau beberapa objek
atau insiden;
• Eksperimen: melalui manipulasi variabel dan observasi pada perubahan
variabel lain;
• Dokumentasi: melalui pengumpulan data dari catatan atau dokumen yang
tersedia. Dokumen dapat berupa buku harian, notula rapat, laporan
berkala, jadwal kegiatan, peraturan pemerintah, anggaran dasar, rapor
siswa, surat-surat resmi, dll;
• Focus Group Discussion
28
VALIDASI DATA
merupakan proses memeriksa dan memastikan bahwa data yang
dikumpulkan akurat dan benar → penting
• Cross-checking: membandingkan data dengan sumber lain untuk
memastikan keakuratan;
• Range checking: memastikan bahwa nilai data berada dalam batas yang
diperkirakan;
• Consistency checking: memastikan bahwa data memiliki konsistensi dan
tidak bertentangan dengan data lain.
29
VALIDASI DATA
• Data entry checking: memeriksa kembali data yang dimasukkan ke dalam
sistem untuk memastikan keakuratan;
• Data quality control: menetapkan prosedur dan standar kualitas data
sebelum pengumpulan data dilakukan;
• Auditing data: memeriksa data secara sistematis untuk memastikan
keakuratan dan memperbaiki data yang tidak benar.
30
LATIHAN
Jelaskan bagaimana menentukan populasinya, jika seorang produsen
ingin mengetahui pendapat masyarakat Indonesia terhadap barang
yang diproduksi oleh pabriknya.
31
2. KONSEP DASAR 2.3 Pengolahan Data
32
PENGOLAHAN DATA
merupakan memproses dan menganalisis data yang telah dikumpulkan untuk
memperoleh informasi yang berguna dalam membuat keputusan.
• Pengorganisasian data: menyusun dan mengatur data ke dalam format
yang mudah digunakan;
• Pembersihan data: menghapus data yang tidak benar, duplikat, atau tidak
relevan;
• Pengkodean data: menggantikan nilai-nilai yang tidak jelas dengan kode
yang lebih sederhana dan mudah dipahami;
33
PENGOLAHAN DATA (2)
34
2. KONSEP DASAR 2.4 Analisis Data
35
ANALISIS DATA
Merupakan proses untuk memahami pola dan hubungan dalam data agar
dapat membuat keputusan yang bermakna, yang berdasarkan pada bukti
yang kuat dan dapat dipertanggungjawabkan.
37
2. KONSEP DASAR 2.5 Pengujian Data
38
PENGUJIAN DATA
• Statistik parametrik: pengujian data statistik yang mengasumsikan bahwa
sampel diambil dari populasi dengan distribusi yang dikenal;
• Statistik non-parametrik: pengujian data statistik yang tidak memerlukan
asumsi tentang bentuk distribusi data.
→ Statistik non-parametrik lebih fleksibel dibandingkan statistik
parametrik.
39
STATISTIK PARAMETRIK
Statistik parametrik dapat digunakan dalam situasi sebagai berikut:
• Data berdistribusi normal, dengan asumsi bahwa data sampel dalam
populasi berdistribusi normal, homogen, linier, dan dipilih secara acak;
• Data berukuran besar, jika ukuran sampel cukup besar sehingga asumsi-
asumsi dasar statistik parametrik dapat dipenuhi;
• Inferensi tentang parameter populasi, seperti rata-rata, varians, atau
proporsi;
• Hipotesis pengujian, menguji hipotesis tentang parameter populasi
dengan menggunakan uji statistik seperti uji t, ANOVA, dll.
40
STATISTIK PARAMETRIK (2)
Keuntungan:
• memiliki teori dan metodologi yang jelas;
• memiliki uji statistik yang banyak dan fleksibel;
• memungkinkan untuk melakukan inferensi populasi berdasarkan sampel.
41
STATISTIK PARAMETRIK (3)
Kekurangan:
• memiliki asumsi yang harus dipenuhi;
• memiliki hasil yang kurang akurat jika asumsi tidak terpenuhi;
• kurang cocok untuk data dengan distribusi yang tidak dikenal.
42
STATISTIK NON-PARAMETRIK
Statistik non-parametrik dapat digunakan dalam situasi sebagai berikut:
• Data tidak berdistribusi normal, yang tidak memerlukan asumsi tentang
distribusi data;
• Jumlah sampel sedikit, sehingga berguna untuk menganalisis data yang
berukuran kecil untuk memenuhi asumsi dasar statistik parametrik;
• Data berupa data ordinal atau nominal, sehingga berguna untuk
menganalisis data seperti data skala likert atau kategori;
• Fokus pada peringkat atau proporsi, bukan nilai rata-rata atau varians.
• Data tidak homogen
43
STATISTIK NON-PARAMETRIK (2)
Keuntungan:
• tidak membutuhkan asumsi normalitas, homogen, atau linier;
Kekurangan:
• hasil pengujian tidak dapat digunakan untuk mengestimasi karakter
populasi
Namun, perlu diingat bahwa uji statistik non-parametrik tidak selalu lebih
baik daripada uji statistik parametrik, tergantung pada distribusi data,
ukuran sampel, dan tujuan analisis data.
44
STATISTIK NON-PARAMETRIK (3)
45
PENGUJIAN DATA (2)
46
PENGUJIAN DATA (3)
Komparasi tiga group One-way ANOVA Kruskal-Wallis test Chi-square test Cox proportional
tidak berpasangan hazard regression
atau lebih
Komparasi tiga group Repeated ANOVA Friedman test Cochran Q Cox proportional
berpasangan atau hazard regression
lebih
Hubungan kuantitas Pearson correlation - Spearman Contingency
antara dua variabel correlation coefficients
- Kendall W test
Prediksi dari satu Simple linear atau Nonparametric Simple logistik Cox proportional
variabel lain non linear regression regression regression hazard regression
Prediksi dari beberapa Multiple linear atau Cart Multiple logistic Cox proportional
pengukuran atau nonlinear regression regression hazard regression
variabel binomial
49
2. KONSEP DASAR 2.6 Visualisasi Data
50
VISUALISASI DATA
• Tabel: kumpulan data yang disusun menurut kategori atau karakteristik
data untuk memudahkan menganalisis data tersebut;
• Diagram/grafik: visualisasi data yang lebih menarik dan komunikatif
karena dalam waktu singkat dapat diketahui karakteristik dari data yang
disajikan.
51
TABEL
• Tabel satu arah atau komponen: tabel yang hanya terdiri atas satu
kategori atau karakteristik data;
Jumlah Pegawai Negeri Sipil
Menurut Golongan, Desember 2021
Golongan Banyaknya (orang)
I 26.323
II 478.649
III 1.778.754
IV 775.049
Jumlah 3.058.775
Sumber: BKN/Statistik Indonesia, 2022
52
TABEL (2)
• Tabel dua arah atau komponen: tabel yang hanya terdiri atas satu
kategori atau karakteristik data;
Jumlah Pegawai Negeri Sipil Berdasarkan
Tingkat Pendidikan dan Jenis Kelamin, Desember 2021
Tingkat Pendidikan Laki-Laki Perempuan Jumlah
SD 13.841 1.205 15.046
SMP 26.143 2.935 29.078
SMA 297.295 161.377 458.672
Diploma 135.208 337.399 472.607
S1 748.839 1.094.202 1.843.041
S2 131.996 106.071 238.067
S3 1.664 600 2.264
Jumlah/Total 1.354.986 1.703.789 3.058.775
Sumber: BKN/Statistik Indonesia, 2022 53
DIAGRAM/GRAFIK
• Diagram garis (line chart): untuk menggambarkan data berkala. Diagram
garis dapat berupa diagram garis tunggal dan berganda;
• Diagram batang/balok (bar chart): untuk menggambarkan data berkala.
Diagram batang terdiri dari diagram batang tunggal dan ganda;
• Diagram lingkaran (pie chart): untuk menyajikan data cross section, data
tersebut dapat berbentuk presentase;
• Diagram Gambar (pictogram): berupa gambar atau lambang untuk
menunjukkan jumlah benda yang dilambangkan;
• Diagram Berupa Peta (Cartogram): diagram yang digunakan oleh BMG
untuk menunjukkan peramalan cuaca di beberapa daerah. 54
TERIMA KASIH Dr. Rendra Gustriansyah, M.Kom.
rendra@uigm.ac.id