1. Pengertian statistik deskriptif berbeda dengan statistik inferensial.

Pada statistik deskriptif penelitian

hanya menggambarkan keadaan data apa adanya melalui parameter-parameter seperti mean, median,
modus, distribusi frekuensi dan ukuran statistik lainnya. Pada statistika deskriptif, yang perlu disajikan
adalah:

1. Ukuran pemusatan data (measures of central tendency). Ukuran pemusatan data yang sering
digunakan adalah distribusi frekuensi. Ukuran statistik ini cocok untuk data nominal dan data ordinal
(data kategorik). Sementara nilai mean adalah ukuran pemusatan data yang cocok untuk data
continuous. Ukuran deskriptif lain untuk pemusatan data adalah median (nilai tengah) dan modus (nilai
yang paling sering muncul).

2. Ukuran penyebaran data (measures of spread). Ukuran penyebaran data yang sering digunakan
adalah standar deviasi. Ukuran penyebaran data ini cocok digunakan untuk data numerik atau
continuous. Sementara untuk data kategorik, nilai range merupakan ukuran yang cocok.

Sedangkan penelitian inferensial adalah proses pengambilan kesimpulan-kesimpulan berdasarkan data

sampel yang lebih sedikit menjadi kesimpulan yang lebih umum untuk sebuah populasi. Penelitian
inferensial diperlukan jika peneliti memiliki keterbatasan dana sehingga untuk lebih efisien penelitian
dilakukan dengan mengambil jumlah sampel yang lebih sedikit dari populasi yang ada. Pada penelitian
inferensial, dilakukan prediksi. Statistik inferensial membutuhkan pemenuhan asumsi-asumsi. Asumsi
paling awal yang harus dipenuhi adalah sampel diambil secara acak dari populasi. Hal tersebut
diperlukan karena pada statistika inferensial perlu keterwakilan sampel atas populasi. Asumsi-asumsi
lain yang perlu dipenuhi mengikuti alat analisis yang digunakan. Jika yang digunakan adalah analisis
regresi, maka asumsi-asumsi data harus memenuhi asumsi analisis regresi.

Metode analisis statistik yang digunakan dalam statistik inferensial adalah T-test, Anova, Anacova,
Analisis regresi, Analisis jalur, Structural equation modelling (SEM) dan metode analisis lain tergantung
tujuan penelitian. Dalam statistik inferensial harus ada pengujian hipotesis yang bertujuan untuk melihat
apakah ukuran statistik yang digunakan dapat ditarik menjadi kesimpulan yang lebih luas dalam
populasinya. Ukuran-ukuran statistik tersebut dibandingkan dengan pola distribusi populasi sebagai
normanya. Oleh sebab itu, mengetahui pola distribusi data sampel menjadi penting dalam statistik
inferensial.

2. Klasifikasi, Jenis dan Macam Data - Pembagian Data Dalam Ilmu Eksak Sains Statistik / Statistika
A. Jenis Data Menurut Cara Memperolehnya

1. Data Primer Data primer adalah secara langsung diambil dari objek / obyek penelitian oleh peneliti
perorangan maupun organisasi. Contoh : Mewawancarai langsung penonton bioskop 21 untuk meneliti
preferensi konsumen bioskop.

2. Data Sekunder Data sekunder adalah data yang didapat tidak secara langsung dari objek penelitian.
Peneliti mendapatkan data yang sudah jadi yang dikumpulkan oleh pihak lain dengan berbagai cara atau
metode baik secara komersial maupun non komersial. Contohnya adalah pada peneliti yang
menggunakan data statistik hasil riset dari surat kabar atau majalah.

B. Macam-Macam Data Berdasarkan Sumber Data

1. Data Internal Data internal adalah data yang menggambarkan situasi dan kondisi pada suatu
organisasi secara internal. Misal : data keuangan, data pegawai, data produksi, dsb.

2. Data Eksternal Data eksternal adalah data yang menggambarkan situasi serta kondisi yang ada di luar
organisasi. Contohnya adalah data jumlah penggunaan suatu produk pada konsumen, tingkat preferensi
pelanggan, persebaran penduduk, dan lain sebagainya.

C. Klasifikasi Dara Berdasarkan Jenis Datanya

1. Data Kuantitatif Data kuantitatif adalah data yang dipaparkan dalam bentuk angka-angka. Misalnya
adalah jumlah pembeli saat hari raya idul adha, tinggi badan siswa kelas 3 ips 2, dan lain-lain.

2. Data Kualitatif Data kualitatif adalah data yang disajikan dalam bentuk kata-kata yang mengandung
makna. Contohnya seperti persepsi konsumen terhadap botol air minum dalam kemasan, anggapan
para ahli terhadap psikopat dan lain-lain.

D. Pembagian Jenis Data Berdasarkan Sifat Data

1. Data Diskrit Data diskrit adalah data yang nilainya adalah bilangan asli. Contohnya adalah berat badan
ibu-ibu pkk sumber ayu, nilai rupiah dari waktu ke waktu, dan lain-sebagainya.

2. Data Kontinyu Data kontinyu adalah data yang nilainya ada pada suatu interval tertentu atau berada
pada nilai yang satu ke nilai yang lainnya. Contohnya penggunaan kata sekitar, kurang lebih, kira-kira,
dan sebagainya. Dinas pertanian daerah mengimpor bahan baku pabrik pupuk kurang lebih 850 ton.

E. Jenis-jenis Data Menurut Waktu Pengumpulannya

1. Data Cross Section Data cross-section adalah data yang menunjukkan titik waktu tertentu. Contohnya
laporan keuangan per 31 desember 2006, data pelanggan PT. angin ribut bulan mei 2004, dan lain
sebagainya.

2. Data Time Series / Berkala Data berkala adalah data yang datanya menggambarkan sesuatu dari
waktu ke waktu atau periode secara historis. Contoh data time series adalah data perkembangan nilai
tukar dollar amerika terhadap euro eropa dari tahun 2004 sampai 2006, jumlah pengikut jamaah nurdin
m. Top dan doktor azahari dari bulan ke bulan, dll.

4 Macam Tipe Data Statistik

Pengetahuan mengenai tipe2 data adalah penting di dalam statistika. Terdapat 4 tipe data, diurutkan
mulai dari tingkatan terendah hingga tertinggi:

1.Nominal

Digunakan untuk mengklasifikasikan informasi/data. Contoh:Data jenis kelamin = Laki-laki dan

Perempuan. Biasanya, saat analisis data, tipe data spt ini dilambangkan dg bilangan numerik
(angka).Laki-laki dilambangkan dengan angka 1, sedangkan perempuan dilambangkan dengan angka 0.
Tidak berarti angka 0 lebih rendah dari angka 1, ingat!! cuma melambangkan saja.

2. Ordinal

Digunakan untuk mengklasifikasikan serta memiliki tingkatan. Tipe data ordinal lebih tinggi dari Nominal
karena kemampuannya untuk membentuk tingkatan. Contoh:Jabatan di dalam perusahaan = karyawan,
manager, direktur utama. Misal, karyawan dilambangkan dengan 1, manager dg 2, dan direktur utama
dengan 3. Pada tipe data ini, angka 1 dianggap lebih rendah dari angka 2, dst. Bisa saja karyawan
dilambangkan dengan angka 1, tetapi manager angka 3 dan direktur utama dengan angka 10. Tipe data
ini tidak mensaratkan jarak yang sama antar angka yang digunakan sebagai lambang. Yang perlu
diperhatikan hanyalah bahwa angka 3 lebih tinggi dari angka 1, angka 10 lebih tinggi dari angka 3.

3. Interval

Ciri khas dari tipe data ini, selain memiliki kemampuan mengklasifikasikan dan membentuk tingkatan,
adalah tidak adanya nilai nol mutlak. Artinya, angka nol yg digunakan bukan berarti tidak ada. Contoh:
Derajat suhu. Di dalam skala Celcius misalnya, Nol derajat Celcius bukan berarti tidak ada suhu. Nol
derajat itu memiliki suhu, hanya saja dilambangkan dengan nol. Selain itu, jarak antar setiap angka yg
digunakan adalah sama. Misal: di dalam kuesioner, ada tingkatan dari TIDAK SETUJU (lambang: 1) s.d.
SANGAT SETUJU (lambang: 5). Jarak antara SANGAT SETUJU (5) dg SETUJU (4) adalah 1, yaitu 5-4=1.
Jarak antara SETUJU (4) dg RAGU-RAGU (3) juga = 1, yaitu 4-3=1. dst.
4. Rasio

Memiliki kemampuan dari ketiga tipe data sebelumnya, dan angka nol dianggap mutlak. Contoh: data
berat badan (kg). Angka Nol kg berarti memang tidak ada berat. Tipe data nominal dan ordinal sering
digunakan pada metode statistika nonparametrik. Sedangkan tipe data interval dan rasio cocok untuk
digunakan pada metode statistika parametrik, asal asumsi yang dibutuhkan oleh metode statistika
parametrik yang bersangkutan dapat dipenuhi.