Statistik Deskriptif dan Induktif
Pada umumnya ada dua macam bidang statistik yakni Statistik Deskriptif (Descriptive Statistics) dan Statistik Induktif/Inferensial (Inductive Statistics).
Statistik deskriptif adalah bidang ilmu pengetahuan statistik yang mempelajari tata cara penyusunan dan penyajian data yang dikumpulkan dalam suatu penelitian, misalnya dalam bentuk tabel frekuensi atau grafik, dan selanjutnya dilakukan pengukuran nilai-nilai statistiknya seperti arithmetic mean dan standard deviation.
Sedang statistik induktif/inferensial adalah bidang ilmu pengetahuan statistik yang mempelajari tata cara penarikan kesimpulan mengenai keseluruhan populasi berdasarkan data yang ada dalam suatu bagian dari populasi tersebut (disebut sampel). Di dalamnya adalah ‘berisi estimasi, uji hipotesis, prediksi, dan perhitungan derajat asosiasi antara variabel—variabel.
Jadi pada hakikatnya statistik adalah suatu kerangka teori-teori dan metode-metode yang telah dikembangkan untuk melakukan pengumpulan, penganalisaan, dan pelukisan data sampel guna memperoleh kesimpulan-kesimpulan yang bermanfaat. Fungsi utamanya adalah membantu peneliti untuk membuat keputusan-keputusan relatif tentang parameter populasi dari mana data sampel diambil (Chao, 1974: 5).
Pengertian dua macam statistik tersebut menunjukkan bahwa ruang lingkup statistik induktif/ inferensial lebih luas daripada statistik deskriptif. Penarikan kesimpulan yang dilakukan pada statistik induktif/inferensial merupakan generalisasi dari suatu populasi berdasarkan data sampel. Sedangkan penarikan kesimpulan-(kalaupun ada) pada statistik deskriptif hanya ditujukan pada kumpulan data yang ada, bukan untuk tujuan generalisasi. Sesuai dengan ruang lingkup yang dimilikinya, analisis statistik deskriptif akan meliputi.
1. Distribusi frekuensi serta pengukuran nilai-nilai statistiknya (seperti pengukuran nilai sentral, dispersi, skewness, dan kurto-sis) dan grafiknya (seperti histogram, frequency polygon, dan ogive).
2. Angka indeks.
3. Time series atau deret waktu.
4. Koefisien regresi dan koefisien korelasi sederhana.
Sedang statistik induktif/inferensial akan mencakup:
1. Probabilitas.
2. Distribusi teoritis.
3. Sampling dan distribusi sampling.
4. Estimasi harga parameter.
5. Uji hipotesis, termasuk uji chi-square dan analisis variance.
6. Analisis regresi untuk prediksi.
7. Korelasi dan uji signifikansi.
Selanjutnya statistik induktif terbagi lagi menjadi dua yaitu statistik parametrik dan non parametrik. Seperti namanya parametrik mengikuti parameter parameter tertentu sedang non parametrik tidak.
Pengertian Statistika :
Statistika adalah ilmu dan seni tentang teknik pengumpulan data, penyajian data, analisis data dan pengambilan kesimpulan data yang berhasil dihimpun.
Statistika ada dua, yaitu :
1. Statistika Deskriptive : serangkaian teknik tentang pengumpulan data, meringkas data dan menyajikan data.
2. Statistika Inferensia : serangkaian teknik untuk menkaji, menafsir dan mengambil kesimpulan sebagian data (sampel) yang dipilih secara acak dari seluruh data (populasi).
Pengertian Data :
Data adalah sekumpulan fakta atau segala sesuatu yang dapat dipercaya kebenarannya sehingga dapat digunakan sebagai dasar menarik suatu kesimpulan.
Jenis data berdasarkan cara memperolehnya :
· Data Primer : data yang langsung diambil dari objek penelitian oleh si peneliti. Data tersebut secara langsung diperoleh dari jawaban responden melalui penyebaran kuisioner, olah data ataupun observasi.
· Data Sekunder : data yang tidak secara langsung diambil dari objek penelitian. Peneliti mendapatkan data yang sudah jadidari pihak lain yang dikumpulkan oleh lembaga pengumpul data.
Macam macam data berdasarkan sumbernya :
· Data Internal : data yang menggambarkan situasi dan kondisi didalam organisasi secara internal. Contoh : Risma mengambil data keuangan, data pegawai dan data produksi langsung dari PT Maju Bersama yang memproduksi buku tulis.
· Data Eksternal : data yang menggambarkan situasi dan kondisi yang ada di luar organisasi. Contoh : Risma mengambil data jumlah pengguna atau pembeli buku tulis dari PT Maju bersama secara langsung dari sekitar luar wilayah PT Maju Bersama.
Klasifikasi data berdasarkan jenisnya :
· Kuantitatif : data yang dipaparkan dalam bentuk angka.
· Kualitatif : data yang disajikan dalam bentuk kata kata yang mengandung makna.
Pembagian jenis data berdasarkan sifat data :
· Data Diskrit : data yang nilainya adalah bilangan asli. Contoh berat badan Fina 48 kg. Harga bakso malang Rp. 10.000.
· Data Kontinyu : data yang nilainya ada pada interval tertentu atau pada nilai yang satu ke nilai yang lain. Data tersebut tidak bisa dipastikan secara pasti jumlahnya, dan menggunakan kata kata seperti : sekitar, kurang lebih, kira kira dan sebagainya. Contoh Anita menggunakan kurang lebih 5 kg untuk membuat kue setiap harinya. Sekitar 10 anak main di taman kota.
Jenis data menurut waktu pengumpulannya :
· Data Cross Section : data yang menunjukan titik waktu tertentu. Contoh : Laporan keuangan PT Maju Bersama per 31 desember 2014. Data pelanggan PT Maju Bersama bulan Juli 2014.
· Data Time Series / Berkala : data yang menggambarkan sesuatu dari waktu ke waktu atau periode secara historis. Contoh : data perkembangan nilai tukar rupiah terhadap dolar dari tahun 2013 sampai 2015.
Data menurut skala ukur :
· Nominal
· Ordinal
· Interval
· Rasio
Pengertian Populasi :
Populasi adalah serumpun atau sekelompok objek yang menjadi sasaran / objek penelitian. Populasi dapat berupa manusia, hewan, tumbuh tumbuhan, udara, gejala, nilai, peristiwa, sikap hidup dan lain sebagainya sehingga dapat menjadi sumber data penelitian.
Populasi berdasarkan jumlah :
1. Populasi terbatas (terhingga) : populasi yang dinyatakan dengan angka dan mempunyai batasan. Contoh : Program Sarjana Ekonomi memberikan beasiswa kepada 300 mahasiswa berprestasi.
Terbatas : hanya untuk 300 mahasiswa berprestasi.
Karakter : beasiswa.
2. Populasi tak terbatas (tak terhingga) : populasi yang tidak dapat ditentukan batasnya. Contoh : sejumlah pedagang berjualan di sekitar taman kota.
Tak terbatas : sejumlah pedagang.
Karakter : berjualan.
Populasi berdasarkan turunan populasi terbatas dengan ruang lingkup yang lebih dipersempit :
1. Populasi teoritis : populasi yang diturunkan dari populasi terbatas. Contoh : Program Sarjana Ekonomi memberikan beasiswa kepada 300 mahasiswa berprestasi tahun 2015.Untuk mengetahui siapa saja yang layak mendapat beasiswa maka dapat melihat kriteria pemberian beasiswa tahun 2014.
2. Populasi tersedia : populasi turunan dari populasi teoritis yang akan diteliti dengan mempertimbangkan jumlah, waktu dan tenaga yang tersedia dengan memperhatikan karakteristik yang ditentukan.
Populasi berdasarkan variasi dari unsur pembentuk sumber data :
1. Populasi bersifat homogen :populasi yang unsur unsur pembentukan dari sumber datanya memiliki sifat sifat yang sama. Semakin spesifik sata yang disebutkan maka akan menjadi semakin homogeny. Contoh : 5 kg terigu + 20 telur + 2 kg mentega diaduk dan dicetak menjadi 2500 irisan kue. Irisan kue yang satu dengan yang lainnya mempunyai sifat yang sama. Jika kue tersebut ingin diteliti maka cukup diambil beberapa irisan saja karena sama antara irisan satu dengan yang lainnya.
2. Populasi bersifat heterogen : populasi yang unsur unsur pempentukan dari sumber datanya sifat yang bervariasi (berbeda beda) sehingga perlu ditetapkan lagi batasan batasannya baik kuantitatif atau kualitatifnya. Semakin sedikit ciri ciri populasi yang diidentifikasi maka akan semakin heterogen. Contoh : Penelitian tentang persepsi masyarakat tentang pengobatan alternative. Dalam penelitian ini tidak diketahui pengobatan alternative yang seperti apa yang akan dipersepsikan, jadi tidak ditentukan karakteristik pengobatan alternativenya karena bersifat universal (keseluruhan).
Pengertian Sampel :
Sampel adalah sebagian objek dari populasi yang diambil untuk menjadi sumber data penelitian.
Alasan menggunakan sampel untuk objek penelitian :
1. Populasi berjumlah banyak bahkan tidak terbatas dan tidak memungkinkan dalam praktiknya diteliti satu persatu, maka dari itu hanya sebagian objek yang diambil (sampel).
2. Adanya keterbatasan waktu penelitian, biaya, dan sumber daya manusia yang membuat peneliti hanya menggunakan sebagian sumber data.
3. Penelitian dengan sample bisa lebih mudah dari pada populasi, karena sedemikian banyaknya karakteristik populasi yang ada dapat membuat kelelahan fisik dan mental peneliti sehingga banyak terjadi kekeliruan.
Syarat syarat sampel yang baik :
1. Akurasi / Ketepatan, artinya makin sedikit tingkat kekeliruan dalam sampel maka akan semakin akurat atau tepat sampel tersebut.
2. Memiliki tingkat presisi estimasi, artinya belum ada sampel yang bisa mewakili karakteristik populasi sepenuhnya, oleh karena itu dalam setiap penarikan sampel pasti ada kesalahan yang melekat yang dikenal dengan sebutan “sampling error”. Presisi diukur oleh simpangan baku. Makin kecil perbedaan antara simpangan baku yang diperoleh dari sampel dengan simpangan baku populasi makin tinggi pula tingkat presisinya.
3. Derajat kepercayaan mengukur seberapa jauh peneliti yakin dalam estimasi populasi secara benar. Semakin tinggi derajat kepercayaan, semakin banyak jumlah sampel yang harus diambil.
Teknik pengambilan sampel :
· Probability / Random Sampling (Sample Acak) yaitu pengambilan sampel dengan cara memberikan kesempatan yang sama untuk diambil kepada setiap elemen populasi. Contoh : Fara meneliti tingkat kecerdasan anak di Indonesia. Karena Indonesia merupakan Negara yang luas, Ia hanya mengambil data secara acak dari beberapa anak yang ditemui.
· Non Probability / Non Random Sampling (Sampel Tidak Acak) yaitu pengambilan sampel dengan cara memilih (menentukan) dengan pasti hanya pada populasi yang benar benar dapat diambil informasinya. Contoh :Fara meneliti Mahasiswa Gunadarma yang mendapat beasiswa khusus di daerah regional kalimalang untuk di ambil sampel. Dengan itu, maka anita hanya mengambil sampel dari daerah yang sudah ditentukan yaitu daerah kalimalang.
