Mengenal Stastistik Deskriptif dan Inferensi, Materi yang Bikin Pusing Mahasiswa

Posting Komentar

Ilmu statistik pada prinsipnya dapat dibedakan menjadi dua yaitu statistik deskriptif dan statistik inferensi. Statistik deskriptif berkaitan dengan pencatatan dan peringkasan data dengan tujuan menggambarkan hal-hal penting pada sekelompok data, seperti berapa rata-ratanya, variasi data dan sebagainya. Sedangkan statistik inferensi (statistik lanjut/statistik induktif), berkaitan dengan pengambilan keputusan dari data yang telah dicatat dan diringkas tersebut. Kegiatan statistik inferensi adalah kegiatan untuk menggambarkan ciri sebuah populasi berdasar data dari sampel, sehingga apa yang disimpulkan pada sampel akan dianggap berlaku pada populasi secara keseluruhan atau disebut sebagai generalisasi populasi atas dasar karakteristik sampel. (Singgih Santoso, 2010: 1).


Sebelum membahas lebih lanjut tentang statistik deskriptif maupun statistik induktif/inferensi/lanjut, terdapat macam-macam data yang dapat berpengaruh pada metode statistik yang akan diambil, yaitu:

1. Data Nominal

Data berskala nominal atau disebut skala nominal, data nominal atau jenis data nominal adalah data yang diperoleh dengan cara kategorisasi atau klasifikasi. Ciri data nominal yaitu posisi data setara dan tidak bias dilakukan operasi matematika (x, /, +, – dan ^). Contoh: Agama diklasifikasi sebagai berikut:

Islam diberi tanda 1, Kristen Protestan diberi tanda 2, Kristen Katolik diberi tanda 3, Hindu diberi tanda 4, Budha diberi tanda 5, Konghucu diberi tanda 6. Pemberian angka 1,2,3,4,5,dan 6 bukan menunjukkan hirarki/tingkatan dan juga bukan berarti 6-2= 4 (konghucu-kristen protestan= budha).

2. Data Ordinal

Data ordinal atau data berskala ordinal adalah data yang diperoleh dengan cara kategorisasi atau klasifikasi, tetapi diantara data tersebut terdapat hubungan.Adapun ciri data ordinal adalah posisi data tidak setara, data tidak bisa dilakukan operasi atau perhitungan matematika  (x, /, +, -, dan ^). Contoh: persepsi mahasiswa diklasifikasikan sebagai berikut:

1. Sangat setuju diberi tanda 5
2. Setuju diberi tanda 4
3. Ragu-ragu diberi tanda 3
4. Tidak setuju diberi tanda 2
5. Sangat tidak setuju diberi tanda 1

Posisi sangat setuju, setuju, ragu-ragu, tidak setuju atau sangat tidak setuju adalah tidak setara dan tidak bias dilakukan operasi matematika, bahwa tidak setuju (2) + sangat tidak setuju (1) = ragu-ragu (3).

3. Data Interval

Data interval atau data berskala interval adalah data yang diperoleh dengan cara pengukuran, dimana jarak dua titik pada skala sudah diketahui. Hal ini berbeda dengan skala ordinal, dimana jarak dua titik tidak diperhatikan (seperti berapa jarak antara sangat setuju dengan tidak setuju). Adapun ciri data interval adalah tidak ada kategorisasi atau pemberian kode seperti data kuantitatif, bias dilakukan operasi matematika (x, /, +, -, dan ^). Contoh: Temperatur suatu ruangan yang dapat diukur dalam 0C (celcius) atau 0F (Fahrenheit), dimana dalam skala 0C (celcius) jaraknya 00C – 1000C dan dalam skala 0F (Fahrenheit) jaraknya 320F – 2120F. Sehingga temperature ruangan 600C adalah dua kali lebih panas dibanding temperature ruangan yang 300C. Contoh skala interval lainnya adalah sistem kalender seperti antara tanggal 10 februari – 25 februari ada jarak 15 hari.

4. Data Rasio

Data rasio atau data berskala rasio adalah data yang diperoleh dengan cara pengukuran, dimana jarak dua titik pada skala sudah diketahui, dan mempunyai titik 0 yang absolut. Ciri data rasio adalah: tidak ada kategorisasi atau pemberian kode seperti data kuantitatif, dan bisa dilakukan operasi matematika (x, /, +, -, dan ^). Hal ini berbeda dengan skala interval dimana tidak ada titik nol mutlak, seperti titik 00C tentu beda dengan titik 00F atau pergantian tahun pada sistem kalender Masehi tentu beda dengan pergantian tahun Jawa, China dan sebagainya, sehingga tidak ada “tahun baru” dalam pengertian benar-benar diakui baru oleh setiap sistem kalender. Contoh data rasio misalnya jumlah buku statistik di ruang perpustakaan tidak ada (0), berarti benar-benar tidak ada (absolut, benar-benar 0).

Berdasarkan parameter yang ada, dan untuk keperluan inferensi, statistik dibagi menjadi dua yaitu:

1. Statistik Parametrik

Berhubungan dengan inferensi statistik (pengambilan keputusan atau masalah tertentu) yang membahas parameter-parameter populasi, seperti rata-rata, proporsi dan sebagainya. Ciri parametrik adalah jenis data interval atau rasio, serta distribusi data (populasi) berdistribusi normal atau mendekati normal.

2. Statistik Non Parametrik

Inferensi statistik tidak membahas parameter-parameter populasi. Ciri statistik non parametrik adalah jenis data nominal atau ordinal serta distribusi data (populasi) tidak normal atau distribusi data tidak diketahui, atau jumlah data terlalu sedikit (<30 data/responden).

Related Posts

Posting Komentar