KONSEP DASAR STATISTIKA INFERENSIAL

Konsep Dasar Statistik dan Statistika Inferensial

A. PengertianStatistik

1. Sudjana (2004, dalam Riduwan dan Sunarto, 2007) mendefinisikan statistika sebagai pengetahuan yang berhubungan dengan cara-cara pengumpulan fakta, pengolahan serta pembuatan keputusan yang cukup beralasan berdasarkan fakta dan analisa yang dilakukan. Sementara statistic dipakai untuk menyatakan kumpulan fakta, umumnya berbentuk angka yang disusun dalam tabel atau diagram yang melukiskan atau menggambarkan suatu persoalan.

2. Sudjana (2004, dalam Riduwan dan Sunarto, 2007) menyatakan statistika adalah ilmu terdiri dari teori dan metode yang merupakan cabang dari matematika terapan dan membicarakan tentang : bagaimana mengumpulkan data, bagaimana meringkas data, mengolah dan menyajikan data, bagaimana menarik kesimpulan dari hasil analisis, bagaimana menentukan keputusan dalam batas-batas resiko tertentu berdasarkan strategi yang ada.

3. Singgih Santoso (2002) menyatakan, pada prinsipnya statistic diartikan sebagai kegiatan untuk mengumpulkan data, meringkas/menyajikan data, menganalisa data dengan metode tertentu, dan menginterpretasikan hasil analisis tersebut.

Dalam kaitannya untuk menyelesaikan masalah, pendekatan statistic terbagi dua yaitu pendekatan statistic dalam arti sempit dan luas.Dalam arti sempit (statistic deskriptif), statistika yang hanya mendeskripsikan tentang data yang dijadikan dalam bentuk tabel, diagram, pengukuran rata-rata, simpangan baku, dan seterusnya tanpa perlu menggunakan signifikansi atau tidak bermaksud membuat generalisasi.

Sementara dalam artiluas (statistic inferensi/induktif) adalah alat pengumpul data, pengolah data, menarik kesimpulan, membuat tindakan berdasarkan analisis data yang dikumpulkan dan hasilnya dimanfaatkan / digeneralisasi untuk populasi.

B. Pengertian Statistik inferensial

Statistik inferensial adalah statistik yang digunakan untuk menganalisis data sampel dan hasilnya akan digeneralisasikan/diinferensialkan kepada populasi dimana sampel diambil. Statistik inferensial ada dua macam, yaitu:

1. Statistik Parametrik

Statistik Parametrik, yaitu ilmu statistik yang mempertimbangkan jenis sebaran atau distribusi data, yaitu apakah data menyebar secara normal atau tidak. Dengan kata lain, data yang akan dianalisis menggunakan statistik parametrik harus memenuhi asumsi normalitas. Pada umumnya, jika data tidak menyebar normal, maka data seharusnya dikerjakan dengan metode statistik non-parametrik, atau setidak-tidaknya dilakukan transformasi terlebih dahulu agar data mengikuti sebaran normal, sehingga bisa dikerjakan dengan statistik parametrik.

Rumus    :

Contoh metode statistik parametrik:

a. Uji-z (1 atau 2 sampel)

b. Uji-t (1 atau 2 sampel)

c. Korelasi pearson,

d. Perancangan percobaan (one or two-way anova parametrik), dll.

Ciri-ciri statistik parametrik:

-      Data dengan skala interval dan rasio

-      Data menyebar/berdistribusi normal

Keunggulan dan kelemahan statistik parametric:

Keunggulan:

a. Syarat syarat parameter dari suatu populasi yang menjadi sampel biasanya tidak diuji dan dianggap memenuhi syarat, pengukuran terhadap data dilakukan dengan kuat.

b. Observasi bebas satu sama lain dan ditarik dari populasi yang berdistribusi normal serta memiliki varian yang homogen.

Kelemahan:

a. Populasi harus memiliki varian yang sama.

b. Variabel-variabel yang diteliti harus dapat diukur setidaknya dalam skala interval.

c. Dalam analisis varian ditambahkan persyaratan rata-rata dari populasi harus normal dan bervarian sama, dan harus merupakan kombinasi linear dari efek-efek yang ditimbulkan.

           

2. Statistik Non-Parametrik

Statistik Non-Parametrik, yaitu statistik bebas sebaran (tidak mensyaratkan bentuk sebaran parameter populasi, baik normal atau tidak). Selain itu, statistik non-parametrik biasanya menggunakan skala pengukuran sosial, yakni nominal dan ordinal yang umumnya tidak berdistribusi normal.

Contoh metode statistik non-parametrik:

a. Uji tanda (sign test)

b. Rank sum test (wilcoxon)

c. Rank correlation test (spearman)

d. Fisher probability exact test.

e. Chi-square test, dll.

Ciri-ciri statistik non-parametrik :

-    Data tidak berdistribusi normal

-    Umumnya data berskala nominal dan ordinal

-    Umumnya dilakukan pada penelitian sosial

-    Umumnya jumlah sampel kecil

Keunggulan dan kelemahan statistik non-parametrik : 

Keunggulan:

a)      Tidak membutuhkan asumsi normalitas.

b)      Secara umum metode statistik non-parametrik lebih mudah dikerjakan dan lebih mudah dimengerti jika dibandingkan dengan statistik parametrik  karena ststistika non-parametrik tidak membutuhkan perhitungan matematik yang rumit seperti halnya statistik parametrik.

c)      Statistik non-parametrik dapat digantikan data numerik (nominal) dengan jenjang (ordinal).

d)     Kadang-kadang pada statistik non-parametrik tidak dibutuhkan urutan atau jenjang secara formal karena sering dijumpai hasil pengamatan yang dinyatakan dalam data kualitatif.

e)      Pengujian hipotesis pada statistik non-parametrik dilakukan secara langsung pada pengamatan yang nyata.

f)       Walaupun pada statistik non-parametrik tidak terikat pada distribusi normal populasi, tetapi dapat digunakan pada populasi berdistribusi normal.

Kelemahan:

a)      Statistik non-parametrik terkadang mengabaikan beberapa informasi tertentu.

b)      Hasil pengujian hipotesis dengan statistik non-parametrik tidak setajam statistik parametrik.

c)      Hasil statistik non-parametrik tidak  dapat diekstrapolasikan kepopulasi studi sepert ipada statistik parametrik. Hal ini dikarenakan statistik non-parametrik mendekati eksperimen dengan sampel kecil dan umumnya membandingkan dua kelompok tertentu. (Khairul Amal)

Sumber Penulisan

http://ikadekwinaya.blogspot.com/2014/01/statistik-inferensial.html

https://teorionline.wordpress.com/2010/05/15/pengertian-dasar-statistika/

Sugiyono. 2014. Statistika untuk Penelitian. Bandung: Alfabeta.

^_^ Jika ingin mengunduh file ini klik disini