Pengertian Statistika, Jenis-Jenis Statistika, Macam-Macam Data Statistika, Dan Peranan Statistika
Pengertian Statistika, Jenis-Jenis Statistika, Macam-Macam Data Statistika, Dan Peranan Statistika
Upaya memperoleh dan megolah informasi statistik mempunyai sejarah yang
sangat panjang, sepanjang peradaban manusia. Pada jaman sebelum masehi,
bangsa – bangsa di Mesopotamia, Mesir, dan Cina telah mengumpulkandata
statistik untuk memperoleh informasi tentang pajak yang harus dibayar
oleh stiap penduduk, beberapa hasil pertanian yang mampu diproduksi,
berapa cepat atlet lari dan sebagainyauntuk mencatat jumlah kelahiran,
kematian, dan perkawinan.
Pada saat ini, statistika telah berkembang jauh, seiring dengan
ditemukaannya dan berkembangnya teori peluang. Statistika telah
memungkinkan untuk melihat jauh kedepan diluar data itu sendiri.
Statistika pada tahun 1950-an telah memasuki wilayah pengambilan
keputusan melalui proses generalisasi dan peramalan dengan memperhatikan
factor resiko dan ketidakpastian.
Ahli statistic H.G. Wells yang hidup pada tahun 1800-an (Lind,2002)
mengatakan, “Berpikir secara statistika suatu saat akan menjadi suatu
kemampuan atau keahlian yang sangat diperlukan dalam masyarakat yang
efesien, seperti halnya kebutuhan manusia untuk membaca dan menulis”.
Bahkan di Jepang, menurut Andrea Gabor, pelajaran statistika menjadi
dasar bagi berkembangnya pengawasan mutu, dan pemahaman probabilitas
telah memainkan peranan penting bagi suksesnya produk-produk Jepang.
1. PENGERTIAN STATISTIKA
Statistika dari definisinya meliputi pengumpulan data, pengorganisasian
data, penyajian data, analisis data, dan interprestasi dari hasil
analisis tersebut. Berdasarkan pada definisi tersebut, statistika dibagi
dalam dua jenis yaitu statistika deskriptif dan statistika induktif
(inferensial).
Statistik deskriptif adalah statistik yang digunakan untuk menganalisis
data dengan cara mendeskripsikan atau menggambarkan data yang telah
terkumpul sebagaimana adanya tanpa bermaksud membuat kesimpulan yang
berlaku untuk umum atau generalisasi. Penelitian yang dilakukan pada
populasi (tanpa diambil sampelnya) jelas akan menggunakan statistic
deskriptif dalam analisisnya. Tetapi bila penelitian dilakukan pada
sampel, maka analisisnya dapat menggunakan statistic deskriptif maupun
inferensial. Statistic deskriptif dapat digunakan bila peneliti hanya
ingin mendeskripsikan sampel, dan tidak ingin membuat kesimpulan yang
berlaku untuk populasi di mana sampel diambil. Tetapi bila peneliti
ingin membuat kesimpulan yang berlaku untuk populasi, maka teknik
analisis yang digunakan adalah statistic inferensial.
Termasuk dalam statistik deskriptif antara lain adalah penyajian data
melalui table, grafik, diagram lingkaran, pictogram, perhitungan modus,
median, mean (pengukuran tendensi sentral), perhitungan desil,
presentil, perhitungan penyebaran data melalui perhitungan rata-rata dan
standar deviasi, perhitungan prosentase. Dalam statistic deskriptif
juga dapat dilakukan mencari kuatnya hubungan antara variable melalui
analisis kolerasi, regresi, dan membuat perbandingan dengan
membandingkan rata-rata data sampel atau populasi. Hanya perlu diketahui
bahwa dalam analisis korelasi, regresi, atau membandingan dua rata-rata
atau lebih tidak perlu diuji signifikansinya. Jadi secara teknis dapat
diketahui bawa, dalam statistik deskriptif tidak ada uji signifikansi,
tidak ada taraf kesalahan, karena peneliti tidak bermaksud membuat
generalisasi, sehingga tidak ada kesalahan generalisasi.
Statistik inferensial, (sering juga disebut statistik induktif atau
statistik probabilitas), adalah teknik statistic probabilitas), adalah
teknik yang digunakan untuk menganalisis data sampel dan hasilnya
diberlakukan untuk populasi. Statistik ini akan cocok digunakan bila
sampel diambil dari populasi yang jelas, dan teknik pengambilan sampel
dari populasi yang jelas, dan teknik pengambilan sampel dari populasi
itu dilakukan secara random.
Statistik ini disebut statistik probabilitas, karena kesimpulan yang
diberlakukan untuk populasi berdasarkan data sampel itu kebenarannya
bersifat peluang (probability). Suatu kesimpulan dari data sampel yang
akan diberlakukan untuk populasi itu mempunyai peluang kesalahan dan
kebenaran (kepercayaan) yang dinyatakan dalam bentuk prosentase. Bila
peluang kesalahn 5% maka taraf kepercayaan 95%, bila peluang kesalahan
1%, maka traf kepercyaan 99%. Peluang kesalahan dan kepercayaan ini
disebut dengan taraf signifikasi. Penguji taraf signifikasi dari hasil
suatu analisis akan lebih praktis bila didasarkan pada table t, uji F
digunakan table F. Pada setiap table sudah disediakn untuk taraf
signifikasi berapa persen suatu hasil analisis dapat digeneralisasikan.
Dapat diberikan contoh misalnya dari hasil analisis korelasi ditemukan
koefisien korelasi 0,54 dan untuk signifikansi untuk 5%. Hal itu berarti
hubungan variable sebesar 0,54 itu dapat berlaku pada 95 dari 100
sampel yang diambildari suatu populasi. Contoh lain misalnya dalam
analisis uji beda ditemukan signifikasi untuk 1%. Hal ini berarti
perbedaan itu berlaku pada 99 dari 100sampel yang diambil dari populasi.
Jadi signifikasi adalah kemampuan untuk digeneralisasikan dengan
kesalahan tertentu. Ada hubungan signifikan berarti hubungan itu dapat
digeneralisasikan. Ada perbedaan signifikan berarti perbedaan itu dapat
digeneralisasikan. Yang belum faham tentang statistik, signifikan sering
diartikan dengan bermakna, tidak dapat diabaikan, nyata, berarti.
Pengertian tersebut tidak operasional dan malah membingungkan.
2. STATISTIK PARAMETRIK DAN NON-PARAMETRIK
Statistik inferensial terdapat statistik parametris dan nonparametris.
Statistik parametris digunakan untuk menguji parameter populasi melalui
statistik, atau menguji ukuran populasi melalui data sampel. Barikut
penjelasan mengenai statistic parametrik dan non parametrik :
Statistika parametrik adalah bagian statistika yang parameter poplasinya
harus memenuhi syarat-syarat tertentu seperti syarat data berkala
interval/rasio, syarat pengambilan sampel harus random, berdistribusi
normal atau normalitas dan syarat memiliki varian yang homogen atau
homogenitas, model regresi linear, dan sebagainya. Dalam statistika
parametrik indikator-indikator yang dianalisis adalah
parameter-parameter dari ukuran objek yang bersangkutan.
Statistika non-parametrik adalah bagian statistika yang parameter
populasinya bebas dari keharusan terpenuhinya syarat-syarat data
berskala interval/ rasio syarat pengambilan data secara random,
berdistribusi normal atau normalitas dan syarat memiliki varian yang
homogen atau homogenitas, model regresi linier, dan lain-lain. Dalam
statistika non parametrik indikator-indicator sisi lain dari parameter
ukuran objek yang diteliti.
Dalam statistik, pengujian parameter melalui statistik (data sampel)
tersebut dinamakan uji hipotesis statistik. Oleh karena itu penelitian
yang berhipotesis statistik adalah penelitian yang menggunakan sampel.
Dalam statistik hipotesis yang diuji adalah hipotesis nol, karena tidak
dikehendaki adanya perbedaan antara parameter populasi dan statistik
(data yang diperoleh dari smapel). Sebagai contoh nilai suatu pelajaran
1000 mahasiswa rata-ratanya 7,5. Selanjutnya misalnya, dari 1000 orang
itu diambil sampel 50 orang, dan nilai rata-rata dari sampel 50
mahasiswa itu 7,5. Hal ini berarti tidak ada perbedaan antara parameter
(data populasi) dan statistik (data sampel). Hanya dalam kenyataannya
nilai parameter jarang diketahui. Statistik nonparametrik tidak menguji
parameter populasi, tetapi menguji distribusi.
Penggunaan statistik parametrik dan nonparametrik tergantung pada asumsi
dan jenis data yang dianalisis. Statistik parametrik memerlukan
terpenuhi banyak asumsi. Asumsi yang utama adalah data yang akan
dianalisis harus berdistribusi normal. Selanjutnya dalam pengunaan salah
satu test mengharuskan data dua kelompok atau lebih yang akan diuji
harus homogen, dalam regresi harus terpenuhi asumsi linieritas.
Statistik non parametrik sering disebut “distribution free” (bebas
distribusi). Statistik parametrik mempunyai kekuatan yang lebih daripada
statistik non parametrik, bila asumsi yang melandasi dapat terpenuhi.
Seperti dinyatakan oleh Emory (1985) bahwa “The parametric test are more
powerful are generally the tests of choice if their use assumptions are
reasonably met”. Selanjutnya Phophon (1973) menyatakan “… parametric
procedure are often markedly more powerful than their nonparametric
counterparts”.
Penggunaan kedua statistik tersebut juga tergantung pada jenis data yang
dianalisis. Statistik paramertis kebanyakan digunakan untuk
menganalisis data interval dan rasio, sedangkan statistik nonparametrik
kebanyakan digunakan untuk menganalisis data nominal, ordinal. Jadi
untuk menguji hipotesis dalam penelitian kuantitatif yang menggunakan
statistik, ada dua hal utama yang harus diperhatikan, yaitu macam data
dan bentuk hipotesis yang diajukan.
3. JENIS – JENIS DATA
Jenis data dapat dibedakan menjadi dua macam yaitu : (a) data yang
diperoleh dari sampel atau populasi berupa data kualitatif, data
tersebut bukan berupa angka dan disebut dengan data kualitatif atau
atribut. (b) data yang diperoleh dari sampel atau populasi yang berupa
data kuantitatif atau data berupa angka yang disebut dengan data
kuantitatif.
Data kualitatif merupakan data non- angka (numberik) seperti jenis
kelamin, warna kesayangan, da nasal suku. Data kualitatif digunakan
apabila kita tertarik melihat proporsi atau bagian yang termasuk dalam
kategori. Contoh berapa persen jenis kelamin pria dibandingkan wanita,
warna apa yang disukai oleh sebagian besar penduduk, dan berapa persen
suku tertentu dibandingkan dengan suku lainnya.
Data kuantitatif merupakan data angka atau numeric seperti jumlah mobil
(bisa 0,1,2, dan lain – lain), jumlah TV yang dijual suatu took (10, 30,
dan lain – lain), berat badan (60,1 kg; 80,5 kg; dan lain – lain),
jarak Solo – Jakarta (230,5 km), dan sebagainya. Semua ukuran tersebut
berupa angka. Data kuantitatif dibedakan menjadi dua bagian yaitu data
diskret dan data kontinu.
Data diskret merupakan data kuantitatif yang nilainya khusus dan
merupakan hasil perhitungan serta biasanya berupa bilangan bulat. Data
diskret seperti jumlah mobil 0, 1, 2, dan lain – lain. Tidak mungkin
mobil bisa berjumlah 1,5 atau 2,25 dan sebagainya. Jadi data diskret
biasanya berupa bilangan bulat.
Data kontinu merupakan data kuantitatif yang nilainya menempati semua
intervalpengukuran dan merupakan hasil pengukuran serta bisa berupa
bilangan pecahan dan bulat. Contoh berat badan bisa 60,1 kg dan 80,5 kg
atau bisa 60 kg dan 80 kg. tinggi badan, luas rumah, panjang jalan, dan
lain – lain yang adalah hasil pengukuran digolongkan sebagai data
kontinu.
Selain pembagian kualitatif, kuantitatid, diskret, dan kontinu, ada juga
yang membagi data kedalam data primer dan data sekunder. Data primer
merupakan data yang diperoleh langsung dari sumbernya atau objek
penelitian. Data primer biasanya diperoleh dengan cara wawancara
lengsung kepada objek atau dengan pengisian kuesioner (daftar
pertanyaan) yang dijawab oleh objek penelitian. Data sekunder merupakan
data yang sudah diterbitkan atau digunakan pihak lain. Contoh data
sekunder adalah sata yang diambil dari koran, majalah, jurnal, dan
publikasi lainnya.
4. MACAM – MACAM DATA STATISTIK
Ada empat macam data dalam statistik, antara lain yaitu :
a. Data Nominal
Data nominal adalah ukuran yang paling sederhana, dimana angka yang
diberikan kepada objek mempunyai arti sebagai label saja dan tidak
menunjukkan tingkatan apa – apa. Istilah nominal umumnya digunakan untuk
data atau objek yang hanya dapat diklasifikasikan pada beberapa
kategori. Setiap kategori dalam klasifikasi data tidak boleh saling
tumpang tindih atau setiap peristiwa bersifat saling lepas (mutually
exclusive), suatu peristiwa tidak mempengaruhi peristiwa lainnya.
b. Data Ordinal
Data ordinal adalah angka yang diberikan dimana angka – angka tersebut
mengandung pengertian tingkatan. Ordinal digunakan untuk mengurutkan
objek atau data yang terendah sampai yang tertinggi atau sebaliknya.
Ordinal hanyalah memberikan nilai urutan atau rangking dan tidak
menggambarkan nilai absolut.
c. Data Interval
Data interval adalah suatu skala pemberian angka pada klasifikasi atau
kategori dari objek yang mempunyai sifat ukuran ordinal, dan ditambah
satu sifat lain yaitu jarak atau interval yang sama dan merupakan ciri
dari objek yang diukur.
d. Data Rasio
Data rasio adalah skala yang mencakup semua skala yaitu nominal,
ordinal, dan interval disamping memberikan keterangan tentang nilai
absolut dari objek yang diukur. Angka pada skala rasio menunjukkan nilai
sebenarnya dari objek yang diukur. Perbedaan utama pada skala interval
dan rasio adalah :
- Data skala ratio memiliki titik nol yang mempunyai arti, dan
- Rasio antara keduanya juga mempunyai arti.
5. PERANAN STATISTIKA
Pada era globalisasi, hampir semua bidang tidak terlepas dengan
menggunakan angka, data, dan fakta. Hal ini menunjukkan bahwa statistika
sangat dibutuhkan. Statistika sebagai sarana mengembangkan cara
berpikir logis, lebih dari ini statistika mengembangkan berpikir secara
ilmiah untuk merencanakan (forcasting) penyelidikan, menyimpulkan,dan
membuat keputusan yang teliti dan meyakinkan. Baik disadari atau tidak,
statistika merupakan bagian subtansi dari latihan professional dan
menjadi landasan dari kegiatan – kegiatan penelitian.
Statistika berperan dalam berbagai kegiatan hidup manusia, antara lain :
a. Dalam aktivitas kehidupan sehari-hari
Dalam aktivitas kehidupan sehari-hari manusia dihadapkanpada berbagai
keterangan serta bahan-bahan yang berbentuk angka-angkayang perlu
ditafsirkan dan alat bantu yang berperan dalam menafsirkan bahan
keterangan dan bahan-bahan yang berbentuk angka tersebut adalah
statistika.
b. Dalam ilmu pengetahuan
Dalam ilmu pengetahuan akan didapatipenyajian data-data dalam bentuk
angka-angka, sehingga diperlukan statistikadalam menafsirkan dan
menyimpulkan data tersebut.
c. Dalam aktivitas penelitian ilmiah
Dalam aktivitas penelitian ilmiah statistika berperan dalam mengemukan,
menjelakan, menafsirkan, dan menyimpulkan data-data yang tersembunyi
dibalik angka-angka.
Statistika juga sangat berguna dalam membantu pengambilan keputusan yang
tepat menggunakan “kaidah pembuktian” dengan memanfaatkan data dan
fakta yang mempunyai nilai informasi. Bagi mahasiswa dan pengguna
statistika tentunya memahami bahwa fakta yang menjadi data dan gambar
tidaklah berbohong, namun dalam statistika juga dikenal apa yang
dinamakan “kebohongan” statistika. Kebohongan statistika terjadi karena
statistika diterapkan secara tidak tepat. Dalam hal ini statistika
digunakan untuk mendukung suatu kebohongan, sehingga kebohongan tersebut
seolah – olah tidak terjadi karena didukung atau ditutupi dengan data
yang disajikan dengan metode statistika yang tepat. Benjamin Disraeli
menyatakan “figure don’t lie; liar figures”, gambar dan adat tidak
pernah berbohong, namun oranglah yang memanipulasi atau menyajikan
gambar dan data secara tidak tepat. Oleh sebab itu, kegunaan statistika
akan sangat berarti apabila dalam proses mendapatkan, mengolah, dan
menyajikan data dilakukan dengan jujur dan cara yang tepat.
REFERENSI
- Sugiyono. Prof., Dr. (2011), Metode Penelitian Kuantitatif, Kualitatif, dan R & D, Bandung : Penerbit Alfabeta.
- Purwanto dan Suharyadi (2009), Statistika untuk Ekonomi dan Keuangan Modern Edisi 2, Jakarta: Salemba Empat.
- Supardi., Dr (2013), Aplikasi Statistika Dalam Penelitian, Jakarta : Change Publication.
pengertian-pengertian-info.blogspot.com/2015/11/pengertian-statistika-jenis-jenis.html
Tidak ada komentar:
Posting Komentar