STATISTIKA

(STATISTICS)

Introduction of Statistics

Dosen:
Milana, PhD
STATISTIKA (Brief Overview)
Statistics:
 The science of data
 Involves collecting, classifying, summarizing, organizing, analyzing
and interpreting data

The science of statistics is commonly applied to two type of problems:

 Summarizing, describing and exploring data
(Descriptive Statistics)
 Using sample data to infer the nature of the data set from which the
sample was selected
(Inferential Statistics)

2
A. Statistika Deskriptif
Statistika deskriptif digunakan untuk mendeskripsikan dan
meringkaskan data.
L-1
Data mentah seringkali sulit untuk dipahami.

Dengan hanya sedikit ’menata’ data tersebut menjadi bentuk

tertentu, akan memberikan pemahaman tentang sampel yang L-2 dan 3
diambil.

((Statistika Deskriptif membantu kita untuk memahami perilaku

dari data dan berbagai nilai ukuran yang dikalkulasi dari data
tersebut))
3
A. Statistika Deskriptif (cont.)
Data kuantitatif memiliki tiga ukuran deskriptif
utama:
 Kecenderungan memusat (central tendency)
yaitu: modus, median, dan rata-rata (mean)
L-4 dan 5
 Dispersi atau variasi
yaitu: range, deviasi standar, dan varians
 Bentuk (shape)
yaitu: skewness dan kurtosis

Gambar 1. Perbedaan Akibat Lokasi, Sebaran, dan Bentuk

4
B. Statistika Inferens
Statistika inferens berkaitan dengan penggunaan data sampel untuk
membuat inferensi (generalisasi) tentang populasinya, atau dengan kata
lain mengatributkan kepada keseluruhan populasi karakteristik-karakteristik
yang teramati dan terukur pada sebuah sampel yang diambil dari populasi
tersebut.

Bentuk-bentuk inferensi:
 Penaksiran/Estimasi
 Uji Hipotesis
 Analisis Regresi dan Korelasi

5
B. Statistika Inferens (cont.)

POPULASI DAN SAMPEL

Populasi : area of interest
Sampel : bagian dari POPULASI
populasi yang memiliki:
parameter populasi
diambil untuk (  ,  2 , p, dll )
mempelajari
SAMPEL
populasi memiliki:
statistik sampel
( X , S 2 , Pˆ , dll )

Gambar 2. Populasi dan Sampel

6
 Data – Informasi – Pengambilan
Keputusan

DATA
digunakan sebagai INFORMASI
Aktifitas yang dilakukan
terhadap data:
 Mengumpulkan u
 Mengolah n
 Mengorganisasikan t
 Memelihara u
k
 Menghapus

PENGAMBILAN
KEPUTUSAN

7
Agar keputusan yang diambil tepat syarat pertama yang harus dipenuhi
adalah data yang dikumpulkan harus tepat dan yang kedua pemilihan
pengujian statistik yang sesuai.

Untuk itu perlu dipahami:

 Sumber data (Primer dan Sekunder)
 Jenis data (Kuantitatif dan Kualitatif)
 Level of measurement
 Sifat populasi data terhadap respons yang diukur

Disamping itu sangat diperlukan pengetahuan non statistika

menyangkut persoalan yang dibahas.

8
Pengetahuan tentang sumber data dan pengetahuan non statistika
menyangkut persoalan yang dibahas membantu dalam menentukan data
apa yang akan dikumpulkan dan dimana diperoleh.

Pengetahuan tentang jenis data dan level of measurement membantu

untuk memilih jenis pengujian statistik yang sesuai.

Pengetahuan tentang sifat populasi data terhadap respons yang diukur

membantu untuk memilih teknik sampling yang tepat.

9
 Level of Measurement
Dalam konsep dasar statistika ada 4 tingkatan (atau skala)
dari ukuran data:

Makin kuat
Skala Nominal
Skala Ordinal
Skala Interval
Skala Rasio

Tingkatan Ukuran Data

10
 Skala Nominal

Skala nominal merupakan pengklasifikasian data ke dalam

kategori-kategori yang mutually exclusive (saling bebas saling
lepas) dan satu kesatuan. Nilai-nilai berupa angka mungkin
saja diberikan kepada data tetapi besarnya angka tidak
memiliki arti. Fungsinya hanya untuk membedakan satu item
dengan item lainnya.

Contoh: Nilai 0 untuk menunjukkan Pria dan 1 untuk Wanita.

Contoh lainnya yaitu: 1 (Islam), 2 (Protestan), 3 (Katolik), 4

(Budha), 5 (Hindu), dan 6 (Penganut Kepercayaan).

11
 Skala Ordinal

Skala ordinal tidak hanya mengklasifikasikan data ke dalam

kategori-kategori, tetapi juga mengurutkan atau meranking
data tersebut, sehingga besarnya angka memiliki arti relatif
yaitu sebuah ukuran lebih besar atau lebih kecil dari ukuran
lainnya.

Misalnya ranking-urutan tingkat penghasilan orangtua

mahasiswa.

12
 Skala Interval

Skala interval tidak hanya mengklasifikasikan dan meranking data,

tetapi juga memperlihatkan unit/satuan pengukuran, sehingga kita
dapat mengatakan seberapa besar atau kecil sebuah ukuran
dibanding lainnya karena interval antara nilai-nilai yang berurutan
adalah sama. Skala ukuran bisa saja memiliki titik nol tetapi titik ini
adalah nilai kira-kira.

Sebagai contoh skala interval yaitu skala Celsius dan Fahrenheit

dimana keduanya digunakan untuk menunjukkan temperatur dan
memiliki titik nol yang berbeda. Karena tidak memiliki titik nol yang
berlaku umum, maka 50° tidak berarti dua kali lebih panas dari 25°
baik untuk skala Celsius maupun Fahrenheit.

Contoh skala interval lainnya adalah skala Likert.

13
 Skala Rasio

Skala rasio sama seperti skala interval kecuali bahwa sebuah

skala rasio harus mulai dari titik nol absolut.

Contoh: anak umur 9 tahun tiga kali lebih tua dari anak umur 3
tahun, karena usia diukur dari titik nol absolut (yaitu pada hari
lahir).

Contoh skala rasio lainnya yaitu: berat, panjang, dan waktu.

14
 Instrument / Alat Pengumpul Data
Instrumen atau alat pengumpul data dapat dibagi dalam
dua jenis:
 Alat Ukur (Gauge)
Contoh: Timbangan, Micrometer Skrup, dan
Dynamometer.
 Kuesioner (Questionnaire)

Jika pada exact sciences, penelitian-penelitian yang dilakukan

umumnya menggunakan alat ukur (gauge) sebagai instrumen
pengumpul datanya, maka penelitian-penelitian pada
kelompok social sciences sering menggunakan kuesioner
sebagai alat pengumpul data yang lazim disebut sebagai
penelitian survey.
15
See you on the
next session…

16
LAMPIRAN

17
Tabel L-1. Data yang Tidak Terorganisir (Data Mentah)
Berat Badan Pekerja Pria

Berat Badan (kg)

66 73 70 69 73 66 69 72 70 74
69 65 75 67 74 68 73 71 68 69
71 69 71 75 71 70 75 73 69 71
74 67 68 72 67 72 69 71 73 70
77 64 65 71 70 71 71 68 70 73
64 74 70 69 75 70 73 69 71 74
68 72 72 65 72 74 72 71 68 69
70 68 74 68 66 72 68 74 73 71
67 66 76 71 72 66 70 72 71 72
75 76 65 73 70 68 71 71 69 74
72 73 66 75 71 70 74 68 74 71
70 70 68 72 74 74 73 70 72 70
67 65 71 67 68 73 67 72 69 73
69 67 73 69 69 72 69 74 71 72
76 71 74 71 71 68 70 71 70 73 Back

L-1
Tabel L-2. Tabel Frekuensi Berat Badan Pekerja Pria

Berat Frekuensi
64 2
65 5
66 6
67 8
68 14
69 16
70 18
71 24
72 17
73 15
74 15
75 6
76 3
77 1
Total 150

L-2
 30
Frekuensi

20

10

0
64 65 66 67 68 69 70 71 72 73 74 75 76 77

Berat Badan Pekerja Pria

Back
Gambar L-1. Histogram Frekuensi - Berat Badan Pekerja Pria
L-3
 Skewness (a3) merupakan ukuran
kesimetrisan distribusi. Sebuah distribusi

 3
simetris sempurna memiliki koefisien k
skewness sama dengan 0. Koefisien  fi xi  x n
skewness positif mengindikasikan mean besar a3  i 1
dari median dan negatif menunjukkan bahwa s3
median besar dari mean.

Gambar L-2. Hubungan Antara Rata-rata, Median, dan Modus

L-4
  4
Kurtosis (a4) merupakan ukuran bentuk distribusi. k
Nilai negatif pada kurtosis mengindikasikan bahwa  fi xi  x n
distribusi lebih memuncak (memiliki ekor yang a4  i 1
lebih pendek) dari distribusi normalnya. s4

Gambar L-3. Leptokurtic (Negative) and Platycurtic (Positive) Back

Distribution
L-5