STATISTIK

Statisitik
 Data
 Alat (menganalisis dan membuat keputusan)

Ruang lingkup statistik

 Statistik diskriptif = statistik
 Statistik analitik = statistik inferinsial = statistika
 Data
Hasil pencatatan yang jika diolah akan menghasilkan informasi
• Angka
• Narasi

Syarat Data
• Objektif : menggambarkan keadaan yang sebenarnya

• Relevan : sesuai dengan permasalahan

• Baru : sesuai keadaan sekarang

• Representatif : menggambarkan populasinya

• Benar / dapat dipercaya : langsung dari sumbernya / ahlinya

Klasifikasi Data

Cara memperoleh data:

 Data primer
Data yang didapat langsung objek (percobaan, wawancara)

 Data sekunder
Data yang didapat langsung objek (BPS, Monografi)
Klasifikasi Data

Sumber data:

 Data internal
Data menggambarkan situasi dan kondisi dalam organisasi
(produksi, keuangan, anggota, pegawai)

 Data eksternal
Data menggambarkan situasi dan kondisi di luar organisasi
(konsumen, pembina, pemasok)
Klasifikasi Data

Jenis data:

 Data kuantitatif
Data diperoleh dari menghitung. membilang (berat badan
jumlah produksi telur perperiode,)

 Data kualitatif
Data mengandung makna (kelayakan, persepsi terhadap
produk)
Klasifikasi Data

Sifat data:

 Data diskrit
Data diperoleh dari membilang (jumlah produksi telur
perperiode,)

 Data kontinu
Data diperoleh dari menghitung (berat badan perbulan)
Klasifikasi Data

Pengumpulan data:

 Data sesaat
Data diperoleh dalam waktu yang ditetapkan (berat badan
broiler saat panen)

 Data berkala / seri

Data diperoleh dalam kurun waktu (jumlah konsumsi per
minggu selama empat minggu)
Skala Data

 Nominal
Skala Nominal merupakan skala yang paling lemah/rendah di antara
skala pengukuran yang ada. Skala nominal hanya bisa membedakan
benda atau peristiwa yang satu dengan yang lainnya berdasarkan nama
(predikat). Skala pengukuran nominal digunakan untuk mengklasifikasi
obyek, individual atau kelompok dalam bentuk kategori

 Ordinal
Skala Ordinal ini lebih tinggi daripada skala nominal, dan sering juga
disebut dengan skala peringkat. Hal ini karena dalam skala ordinal,
lambang-lambang bilangan hasil pengukuran selain menunjukkan
pembedaan juga menunjukkan urutan atau tingkatan obyek yang diukur
menurut karakteristik tertentu
Skala Data

 Interval
Skala interval mempunyai karakteristik seperti yang dimiliki oleh skala
nominal dan ordinal dengan ditambah karakteristik lain, yaitu berupa
adanya interval yang tetap. Dengan demikian,skala interval sudah
memiliki nilai intrinsik, sudah memiliki jarak, tetapi jarak tersebut
belum merupakan kelipatan. Pengertian “jarak belum merupakan
kelipatan” ini kadang – kadang diartikan bahwa skala interval tidak
memiliki nilai nol mutlak.

 Rasio
Skala rasio adalah skala data dengan kualitas paling tinggi. Pada skala
rasio, terdapat semua karakteristik skala nominal,ordinal dan skala
interval ditambah dengan sifat adanya nilai nol yang bersifat mutlak.
Nilai nol mutlak ini artinya adalah nilai dasar yang tidak bisa diubah
meskipun menggunakan skala yang lain. Oleh karenanya, pada skala
ratio, pengukuran sudah mempunyai nilai perbandingan/rasio
Analisis Data
Upaya mengubah data menjadi informasi

Tujuan :
 Mendiskripsikan data
 Menarik simpulan

Prosedur :
 Pengumpulan data
 Memeriksa kejelasan data
 Identifikasi dan klasifikasi
 Tabulasi
 Validasi dan repetabilitasi
 Diskripsi
 Pengujian hipotesis
Data mining
Salah satu metode alternatif yang digunakan untuk mengolah data mentah

Tujuan : menggali nilai tambah yang berupa informasi yang selama

ini tidak diketahui secara manual dari basis data

Latar belakang :
 Data berlimpah yang dialami oleh institusi, organanisasi, perusahaan
 Data yang tidak berstruktur
 Data yang tidak dilengkapi informasi

Manfaat :
 Kepentingan komersial
 Kepentengan keilmuan
Proses data mining
1. Pembersihan data dan integrasi data (cleaning and integration)
Tujuan : memilah data diintegrasikan dalam satu database data ware
house

2. Seleksi dan transformasi data (selection and transformation)

Tujuan : mereduksi data dalam database data ware house sehingga
mendapat data yang lebih akurat.
 Seleksi :
 Sampling : seleksi subset representatif dari populasi data besar
 Denosing : membuang data yang tidak konsisten
 Featur extraction : membuka data yang spesifik pada konteks
tertentu.
 Transformasi (pre procesing) : data diolah untuk ditimbang
 Centering : mengurangi data dengan rata – rata pada setiap
atribut.
 Normalisation : rasio data centering dengan simpangan baku
 Scaling : mengubah data sehingga berada dalam skala tertentu
.
Proses data mining
3. Penambangan data (data mining)
Tujuan : mencari pola / informasi yang menarik

4. Evaluasi dan presentasi pengetahuan

Tujuan : menjawab hipotesis
Fungsi-fungsi . Fungsi-fungsi yang umum diterapkan dalam data mining
(Haskett, 2000):

 Assosiation ,
 Tujuan : menemukan aturan assosiatif antara suatu kombinasi item dalam
suatu waktu.

 Secuence,
 Tujuan : hampir sama dengan association bedanya seccuence diterapkan
lebih dari satu periode.

 Clustering,
 Tujuan : pengelompokan sejumlah data/obyek berdasarkan kemiripan.

 Classification,
 Tujuan : menemukan model atau fungsi yang menjelaskan atau
membedakan konsep atau kelas data, sehingga dapat menempatkan
kelas dari suatu objek yang labelnya tidak diketahui
Fungsi-fungsi . Fungsi-fungsi yang umum diterapkan dalam data mining
(Haskett, 2000):

 Regretion,
 Tujuan : pemetaan data dalam suatu nilai prediksi.

 Forecasting,a
 Tujuan : pengestimasian nilai prediksi berdasarkan pola-pola di dalam
sekumpulan data

 Solution
 Tujuan : menemuan akar masalah dan problem solving dari persoalan
bisnis yang dihadapi atau paling tidak sebagai informasi pendukung
dalam pengambilan keputusan
Pencilan data = outlier

Outlier adalah pengamatan yang berada jauh (ekstrim) dari pengamatan-

pengamatan lainnya.

Secara umum outlier dapat dibedakan menjadi dua :

 outlier pada pengamatan
 outlier pada model linear.

Berdasarkan banyaknya variabel yang dipertimbangkan outlier dibedakan :

 outlier pada pengamatan univariat atau multivariat
 outlierpada model linear univariat atau multivariat.

Outlier pada model linear multivariat dapat dibagi atas tiga kategori, :
 Outlier terhadap leverage
 Outlier terhadap residual
 Outlier terhadap keduanya.
Data hilang
 Buang
 Taksir dengan nilai rataannya
Jenis Variabel (hubungan)
 Variabel bebas = variabel independen = prediktor = variabel stimulus =
variabel antesenden
Variabel yang mempengaruhi atau penyebab perubahan variabel tak
bebas

 Variabel tak bebas = variabel tergantung = variabel respon = variabel

terkat = variabel out put = kriteria = variabel konsekkuen
Variabel yang dipengaruhi atau menjadi akibat karena variabel bebas

 Variabel moderator = variabel bebas kedua

Variabel yag memperkuat atau memperlemah hubungan variabel bebas
dengan variabel tidak bebas

 Variabel kontrol = variabel kendali

Varabel yang dikendalikan atau dibuat konstan sehingga variabel lain
yang menggangu hubungan antara variabel bebas dan tidak bebas.
Variabel bebas – tak bebas

Berat sapih Berat tiga bulan kemudian

Variabel moderator – tak bebas

Berat sapih Berat tiga bulan kemudian

Peternak
Jenis Variabel

 Variabel intervening = variabel penyela = variabel antara

Variabel yang secara teoritis mempengaruhi hubungan antara variabel
bebas dan tidak bebas yeyapi tidak dapat diukur atau diamati

 Variabel luar (epsilon)

Variabel yang secara teoritis mempengaruhi variabel dependen tetapi
tidak diteliti

Berat sapih Kondisi lingkungan Berat tiga bulan kemudian

Peternak
Jenis Variabel (Ukuran)
 Variabel laten (un observe =fenomona abstrak = faktor = konstruk)
Variabel yang nilai kuantitatifnya tidak dapat diketahui secara
langsung.

 Variabel manifies (indikator = observe= referensi))

Variabel yang nilai kuantitatifnya dapat diketahui secara
langsung
Jenis Variabel (Kedudukan)
 Variabel eksogen
Variabel penyebab = variabel tanpa didahului oleh variabel lain

 Variabel endogen
Variabel dependen

El yang
Populasi dan sampel

Populasi

Sampel :
• Objek
Hal yang akan diteliti (operasional)

• Subjek / partisipan/ responden/informan

Karasteritik yang akan diteliti (empunya)
(1) Objek penelitian adalah sifat keadaan ( “attributes”) dari sesuatu benda,
orang, atau keadaan, yang menjadi pusat perhatian atau sasaran penelitian.
Sifat keadaan dimaksud bisa berupa sifat, kuantitas, dan kualitas (benda,
orang, dan lembaga), bisa berupa perilaku, kegiatan, pendapat, pandangan
penilaian, sikap pro-kontra atau simpati-antipati,keadaan batin, dsb. (orang),
bisa pula berupa proses dsb. (lembaga).

(2) Subjek penelitian adalah sesuatu, baik orang, benda ataupun lembaga
(organisasi), yang sifat-keadaannya (“attribut”-nya) akan diteliti. Dengan kata lain
subjek penelitian adalah sesuatu yang di dalam dirinya melekat atau terkandung
objek penelitian
(3) Responden penelitian adalah seseorang (karena lazimnya berupa orang)
yang diminta untuk memberikan respon (jawaban) terhadap pertanyaan-
pertanyaan (langsung atau tidak langsung, lisan atau tertulis ataupun berupa
perbuatan) yang diajukan oleh peneliti. Dalam hal penelitian dilakukan dengan
menggunakan tes, maka “responden” penelitian ini menjadi “testee” (yang
dites). Responden penelitian bisa subjek penelitian, bisa orang lain.

(4) Informan (narasumber) penelitian adalah seseorang yang, karena

memiliki informasi (data) banyak mengenai objek yang sedang diteliti, dimintai
informasi mengenai objek penelitian tersebut. Lazimnya informan atau
narasumber penelitian ini ada dalam penelitian yang subjek penelitiannya
berupa “kasus” (satu kesatuan unit), antara lain yang berupa lembaga atau
organisasi atau institusi (pranata) sosial. Di antara sekian banyak informan
tersebut, ada yang disebut narasumber kunci (key informan)–seorang
ataupun beberapa orang, yaitu orang atau orang-orang yang paling banyak
menguasai informasi (paling banyak tahu) mengenai objek yang sedang
diteliti tersebut.

Dwipurnomo