Konsep Statistika
Apa perbedaan Statistik dan Statistika? Statistik merupakan kumpulan metode, teknik, dan alat yang digunakan untuk mengumpulkan, menganalisis, menyajikan, dan menafsirkan data. Sedangkan Statistika merupakan bidang studi yang melibatkan penggunaan metode statistik untuk mengumpulkan data, menyusun data, menyajikan data, menganalisis data dengan metode tertentu, serta menginterpretasikan hasil analisis. Dengan melalui 2 tahap, yaitu:
● Statistika Deskriptif
Statistika deskriptif merupakan cabang utama dalam analisis statistik yang fokus pada pengumpulan, pengolahan, dan penyajian data untuk memberikan informasi yang jelas dan mendalam. Hal ini dilakukan tanpa perlu melakukan uji hipotesis atau membuat kesimpulan yang ekstensif. Dalam praktiknya, statistika deskriptif menggambarkan karakteristik dasar dari suatu kumpulan data melalui berbagai metode seperti penyajian dalam bentuk tabel, grafik, serta penggunaan ukuran tendensi sentral dan penyebaran. Dengan demikian, statistika deskriptif memberikan pemahaman yang mendalam tentang pola-pola dalam data tanpa perlu melangkah ke tahap inferensi yang lebih lanjut.
● Statistika Inferensi
Statistika inferensial merupakan tahap lanjutan setelah data dikumpulkan, di mana berbagai metode statistik digunakan untuk menganalisis data. Dalam proses ini, seringkali melibatkan uji hipotesis untuk menentukan apakah hasil yang diamati dapat dianggap sebagai hasil yang signifikan secara statistik. Selain itu, dilakukan interpretasi terhadap hasil analisis yang telah diperoleh, dan kemudian diambil kesimpulan berdasarkan temuan tersebut.
Tujuan dari statistika inferensial adalah untuk membuat generalisasi tentang populasi yang lebih besar berdasarkan sampel data yang telah diamati. Jika sampel tersebut dianggap representatif dari populasi yang lebih besar, maka generalisasi yang dibuat dari hasil statistika inferensial dapat dianggap berlaku untuk seluruh populasi tersebut. Dengan demikian, statistika inferensial memainkan peran penting dalam membuat kesimpulan yang lebih luas dan umum berdasarkan data yang terbatas yang telah dikumpulkan.
Dari penjelasan di atas, maka dapat disimpulkan bahwa Statistika memberikan peran penting dalam metode ilmiah, dikarenakan kaitannya dengan mengumpulkan atau mengolah data, menguji hipotesis dan menjawab suatu permasalahan.
Pengolahan Data
Data sering digunakan dalam berbagai disiplin ilmu dan teknologi untuk merujuk kepada informasi yang dikumpulkan, seperti hasil eksperimen, pengamatan, atau catatan. Data ini dapat berupa angka, teks, gambar, atau bentuk lainnya yang dapat direkam dan diolah. Namun pernahkah kamu mendengar kata "Datum"? Datum adalah bentuk tunggal dari "Data" dan jarang digunakan dalam konteks modern. Data berdasarkan jenisnya terbagi atas 2 jenis beserta tingkat skalanya, yaitu:
1. Data Kualitatif
Data kualitatif merujuk kepada informasi atau fakta yang dinyatakan dalam bentuk bukan angka. Contohnya meliputi jenis pekerjaan seseorang, status perkawinan, tingkat kepuasan kerja, dan atribut lainnya yang tidak dapat diungkapkan dengan angka. Data kualitatif memainkan peran penting dalam penelitian sosial, ilmu humaniora, dan bidang lainnya di mana aspek-aspek subjektif dan kualitatif dari fenomena manusia dan masyarakat menjadi fokus utama. Dalam analisis data kualitatif, metode dan teknik khusus digunakan untuk memahami, mengelompokkan, dan menafsirkan informasi yang diberikan dalam bentuk bukan angka.
Tingkat Skala:
● DATA NOMINAL: Data berskala nominal adalah data yang diperoleh dengan cara kategorisasi atau klasifikasi. Dengan syarat posisi data setara dan tidak bisa dilakukan operasi matematika, seperti jenis kelamin dan jenis pekerjaan.
● DATA ORDINAL: Data berskala ordinal adalah data yang diperoleh dengan cara kategorisasi atau klasifikasi, tetapi diantara data tersebut terdapat hubungan. Dengan syarat posisi data tidak setara dan tidak bisa dilakukan operasi matematika, seperti kepuasan kerja dan motivasi.
2. Data Kuantitatif
Data kuantitatif mengacu pada informasi atau fakta yang dinyatakan dalam bentuk angka. Jenis data ini dapat diukur atau dihitung secara matematis dan sering kali menggambarkan jumlah, ukuran, atau proporsi dari suatu fenomena. Contoh data kuantitatif meliputi lama bekerja seseorang, jumlah gaji yang diterima, usia seseorang, hasil ulangan siswa, dan sejenisnya.
Tingkat Skala:
● DATA INTERVAL: Data berskala interval adalah data yang diperoleh dengan cara pengukuran, di mana jarak antara dua titik skala sudah diketahui tanpa adanya nilai 0 absolut. Dengan syarat tidak ada kategorisasi dan bisa dilakukan operasi matematika, seperti temperatur yang diukur berdasarkan °C dan °F.
● DATA RASIO: Data berskala rasio adalah data yang diperoleh dengan cara pengukuran, dimana jarak antara dua titik skala sudah diketahui dan memiliki nilai 0 absolut. Dengan syarat yang sama dengan Data Interval, seperti gaji, jumlah buku, dan berat benda.
Selain itu dalam pengolahan data tentunya terdapat prosedur yang harus dipenuhi, prosedur tersebut terdiri atas:
A. PARAMETER
● Statistik Parametrik, berhubungan dengan inferensi statistik yang membahas parameter-parameter populasi; jenis data interval atau rasio; distribusi data normal atau mendekati normal.
●Statistik Non-Parametrik, Inferensi statistik membahas parameter-parameter populasi; jenis data nominal atau ordinal; distribusi data tidak diketahui atau tidak normal.
B. JUMLAH VARIABEL
● Analisis Univariat, hanya ada 1 pengukuran (variabel) untuk n sampel atau beberapa variabel tetapl masing-masing variabel dianallsis sendiri-sendiri. Contoh: Ekplorasi Faktor-Faktor Yang Mempengaruhi Kinerja Akademik Mahasiswa.
● Analisis Bivariat, adalah proses analisis statistik yang melibatkan hubungan atau interaksi antara dua variabel. Dalam analisis ini, fokus diberikan pada bagaimana variabel satu mempengaruhi variabel lainnya. Contoh: Korelasi Motivasi Dengan Pencapaian Akademik.
● Analisis Multivariat, dua atau lebih pengukuran (variabel) untuk n sampel di mana analisis antar variabel dilakukan bersamaan. Contoh: Pengaruh Motivasi Terhadap Pencapaian Akademik Yang Dipengaruhi Oleh Faktor Latar Belakang Pendidikan Orang Tua, Faktor Sosial Ekonomi, Faktor Sekolah.
Dalam proses pembuatan data, penting untuk menyajikan informasi secara efektif agar pesan yang ingin disampaikan dari hasil data menjadi jelas dan mudah dipahami. Penggunaan metode penyajian data yang tepat dan strategis menjadi kunci dalam menyampaikan hasil penelitian atau informasi yang relevan kepada audiens yang dituju, penyajian data sendiri dapat berbentuk tabel atau grafik.
Contoh penyajian data dalam bentuk tabel:
Contoh penyajian data dalam bentuk grafik:
Distribusi Frekuensi
Frekuensi dan distribusi frekuensi adalah dua konsep yang berbeda dalam statistik, meskipun keduanya berkaitan dengan jumlah kemunculan suatu nilai atau kategori dalam sebuah set data. Frekuensi mengacu pada jumlah kemunculan tunggal suatu nilai atau kategori dalam data tanpa memperhatikan pengelompokannya. Ini adalah penghitungan langsung dari berapa kali nilai atau kategori tersebut muncul dalam dataset. Sementara itu, distribusi frekuensi melibatkan pengelompokan nilai-nilai ke dalam interval atau kategori, dan kemudian menghitung berapa kali setiap interval atau kategori muncul dalam data. Ini memberikan gambaran yang lebih terperinci tentang bagaimana nilai-nilai tersebar atau didistribusikan dalam rentang tertentu.
Jadi, sementara frekuensi memberikan informasi tentang jumlah kemunculan nilai tunggal, distribusi frekuensi memberikan informasi tentang pola dan struktur lebih mendalam dari dataset, serta membantu dalam memahami sebaran nilai-nilai dalam rentang tertentu.
Cara membuat distribusi frekuensi:
1. Mencari sebaran (range) yakni selisih antara data paling besar dengan data paling kecil, lalu ditambah 1.
2. Menentukan banyak kelas dengan rumus: k = 1 + 3,3 log n
3. Menentukan panjang kelas dengan rumus: p = sebaran/banyak kelas
