KONSEP ANALISIS DESKRIPTIF,

INFERENSIAL & GALAT

TINTIN SUKARTINI
 Statistik Deskriptif

Statistik deskriptif adalah: statistik yang

menggambarkan keadaan data apa adanya melalui
parameter-parameter seperti mean, median,
modus, distribusi frekwensi, dan lainnya.

Yang perlu disajikan dalam statistik deskriptif:

Ukuran pemusatan data (measured of central
tendency)
Ukuran penyebaran data (measures of spread)
 Ukuran pemusatan data
(measured of central tendency)

Data nominal & ordinal: distribusi frekwensi

Data numerik/continous: mean
Nilai pemusatan yang lain: median (baik digunakan
pada distribusi data yang tidak normal), modus
 Ukuran penyebaran data (measures of spread)

Data numerik: standar deviasi

Data kategorik: range
 Statistik inferensial

Proses pengambilan kesimpulan-kesimpulan

berdasarkan data sampel menjadi kesimpulan yang
lebih umum untuk sebuah populasi.
Memerlukan asumsi-asumsi
Cat: jika sampel tidak acak, uji statistik hanya berlaku
pada sampel
 Asumsi-asumsi statistik inferensial

Sampel diambil secara acak (perlu keterwakilan

sampel terhadap populasi)
Asumsi lain sesuai uji statistik, mis: data
berdistribusi normal, varians homogen, model
linear, tidak terjadi mulikolinearity dll
 Statistik parametrik

Statistik parametrik adalah ilmu statistik yang

mempertimbangkan jenis sebaran atau distribusi
data, yaitu apakah data menyebar secara normal
atau tidak.
Data numerik (interval/rasio)
Contoh: t-test, anova, regresi linier, manova, GLM-
RM, Analisis faktor, analisis jalur, SEM
 Statistik non parametrik

Statistik non parametrik adalah statistik bebas

sebaran
Data ordinal dan nominal
Besar sampel kecil
Contoh:
Ordinal skor: wilcoxon, mann whitney, spearmen
correlation, SEM-PLS
Nominal dan ordinal kategorikal: chi square, mc
nemmar, regresi logistik
 Keunggulan statistik non parametrik

Tidak memerlukan asumsi normalitas

Lebih mudah dikerjakan
Dapat digunakan pada populasi berdistribusi normal
 Kelemahan statistik non parametrik

Statistik non parametrik terkadang mengabaikan

beberapa informasi tertentu
Hasil pengujian tidak setajam statistik parametrik
Hasil tidak bisa digeneralisasikan ke populasi.
 Langkah menentukan statistik

Apakah skala data: nominal-ordinal-interval-rasio?

Apakah data yang dimiliki berjumlah besar?
Apakah data memiliki distribusi tertentu
Apakah desain yang digunakan?
 Konsep Galat (Error)

Galat dalam statistika adalah sumber variasi data

yang tidak dimasukkan ke dalam model
Contoh nilai pengamatan dapat dipilah menjadi
mean (rata-rata) dan simpangannya (deviasi), galat
pengamatan adalah simpangan
 Galat dalam metode numerik

Galat dalam metoda numerik=nilai sebenarnya-nilai

hampiran
Contoh si A mengukur tinggi pasien 154 cm, ukuran
sebenarnya 155 cm, maka galat 1 cm
Ada 2 jenis: galat pemotongan dan galat pembulatan
Galat pemotongan:
Galat pemotongan adalah galat yang ditimbulkan
oleh pembatasan komputasi yang digunakan pada
proses metode numerik yang rumusnya
menggunakan proses iterasi sampai jumlah tak
terhingga.
Galat pembulatan adalah galat yang disebabkan oleh
keterbatasan komputer dalam menyajikan bilangan
real. Misal 1/3=0,666666...., dibulatkan mis jadi
0,6667 (galat pembulatan)
 Galat dalam hipotesis

Tipe 1 (alpha)
menolak hipotesis nol padahal hipotesis tersebut
benar

Tipe II (beta)
Menerima H0 padahal hipotesis tersebut salah,
sehingga seharusnya H0 ditolak.