|

Mempelajari Kerangka Statistik

Jangan bingung dulu mendengar kata statistik. Menurut kamus besar bahasa Indonesia, Statistik merupakan kata benda (n) yang berarti (1) catatan angka – angka (bilangan); perangkaan; (2) data yang berupa angka yang dikumpulkan, ditabulasi, digolong-golongkan sehingga dapat memberi informasii yang berarti mengenai suatu masalah atau gejala. Anda akan memahami dan mampu mengerjakan apa yang tergambar dari statistik apabila anda telah mengerti apa itu statistik.

Statistik juga memiliki pengelompokkan, pahami pengelompokkan statistik ini dan akan mempermudah anda untuk menentukan apa yang akan anda kerjakan dan anda berada di posisi mana ketika anda berhadapan dengan sebuah data. Persis ibarat sebuah peta, Anda tidak harus mempelajari semua bagian statistik, anda hanya perlu mengidentifikasi data yang anda miliki dan fokus di bagian tersebut dengan mempelajari metode statistik yang tepat digunakan.

Kerangka Statistik

Statistik terlihat rumit jika anda tidak mencoba melihat secara umum. Mari kita terbang ke atas untuk melihat bagaimana bentuk rupa Pulau Jawa, sehingga jika anda berada di Jawa Barat, anda akan menyadari bahwa laut lebih dekat disebelah barat ketimbang harus berjalan ke arah timur, mungkin begitu istilahnya. 🙂

Rupa statistik secara umum tergambar pada gambar di bawah ini, statistik sendiri secara umum terbagi menjadi 2, yakni Statistik Deskriptif, dan Statistik Inferensia.

kerangka statistik

Statistik Deskriptif

Statistik deskriptif merupakan metode statistik yang digunakan untuk mendeskripsikan sekelompok data dengan tidak bermaksud untuk memberlakukan secara umum pada data tersebut. Misalnya adalah data pengunjung sebuah Mall. Anda bisa menggunakan data tersebut untuk mendeskripsikan bahwa kapan waktu mall memiliki pengunjung yang paling ramai, atau persentase pengunjung tersebut berapa yang masih anak-anak, wanita, setengah baya, remaja, laki-laki, dan sebagainya. Pada data mall tersebut tentu anda tidak bisa mngatakan bahwa data tersebut mewakili seluruh mall di indonesia atau mewakili semua toko atau swalayan. Anda akan fokus terhadap data yang anda miliki dan menjelaskan data tersebut.

Biasanya statistik deskriptif ini digunakan peneliti di dalam bagian hasil dan pembahasan untuk menjelaskan hasil penelitian statistik inferensia. Misal, pada regresi ditemukan hasil bahwa luas lahan mempengaruhi produksi padi. Anda tentu tidak berhenti sampai disitu saja, mengatakan bahwa ternyata luas lahan sangat mempengaruhi produksi. Anda bisa menjabarkan hasil analisis inferensia tersebut dengan analisis deskripsi yakni penjelasan berapa luas lahan saat ini, perkembangan luas lahan dari tahun ke tahun, jika ternyata berkurang apa penyebabnya? Nah, disinilah letak statistik deskriptif ini bermain.

Adapun alat yang digunakan pada statistik deskriptif ini biasanya adalah tabel, diagram, grafik yang berisi tentang statistik dasar, misalnya rata- rata, frekuensi, dan lain – lain.

Statistik Inferensia

Statistik Inferensia merupakan metode statistik yang menganalisis data sample untuk menggambarkan suatu populasi. Data yang kita olah akan kita gunakan untuk menggambarkan data populasi. Disinilah kerumitan itu berasal. Anda harus menentukan secara tepat sample dan metode sample yang digunakan agar data yang akan anda miliki benar-benar mewakili populasi yang ada.  Oleh sebab itu, anda belajar tentang tehnik sampling.

Metode statistik inferensia pun beragam tergantung dari skala data yang anda miliki. Data statistik bisa dibedakan menjadi nominal, ordinal, interval, dan rasio. Kebanyakan orang salah kaprah dengan anggapan data rasio adalah data yang paling baik dibandingkan data lainnya. Jika anda menyetujui pendapat tersebut berarti secara tidak langsung anda mengatakan bahwa penelitian kuantitatif akan lebih baik ketimbang penelitian kualitatif (data rasio biasanya digunakan untuk penelitian kuantitatif), padahal penelitian kualitatif justru lebih banyak digunakan untuk pengelolaan manajemen dan berujung pada perubahan kebijakan. Baik kuantitaif dan kualitatif sama pentingnya.

Argumen yang tepat adalah bahwa data rasio memiliki peluang yang lebih banyak untuk dianalisis, karena memiliki metode analisis yang lebih beragam ketimbang data lainnya. Jika anda memiliki data rasio kemungkinan alat analisis baik dari goodness of fit, interpretasi model, pengujian hipotesis, evaluasi data, semua dapat dilakukan. Ketimbang anda memiliki data nominal.

Data Nominal

Data berjenis nominal membedakan data dalam kelompok yng bersifat kualitatif. Identitas yang diberikan pada kelompok tersebut hanya sebagai pembeda antara kelompok dan tidak memiliki hubungan atau tingkatan. Misal 1 adalah laki – laki, 2 adalah perempuan. Kita tidak bisa mengatakan 2 lebih tinggi dibandingkan 1. Angka 1 dan 2 hanya sebagai identitas dari laki laki atau perempuan.

Jika anda memiliki data nominal, anda bisa menggunakannya untuk hipotesis satu sample, komparatif dua sample atau lebih, ataupun assosiatif/hubungan antar sample. Misalnya apakah dalam satu sample tersebut dapat dikatakan bahwa jumlah laki-laki signifikan lebih besar dibanding jumlah perempuan. Atau misalnya komparasi sample di kota malang dengan sample kota makassar apakah memiliki kesamaan atau signifikan berbeda.

Data Ordinal

Data ordinal hampir sama dengan data nominal, hanya saja data ordinal telah memiliki tingkatan disetiap kelompoknya. Misalnya saja pendidikan, SD (1), SLTP (2), SMU (3) dan PT (4). PT memiliki tingkat yang lebih besar dibandingkan SLTP SMU dan SD. Namun tetap saja kita tidak bisa mngartikan bahwa 4 atau PT merupakan dua kali lipat dari SLTP (2). Tetap angka tersebut merupakan identitas kelompok yang memiliki jenjang dari rendah hingga tertinggi.

Contoh lain yang banyak digunakan adalah sangat tidak setuju (1), tidak setuju (2), ragu – ragu (3), setuju (4), sangat setuju (5)

Data ordinal dan data nominal biasanya dikelompokkan dalam  statistik nonparametrik. Jadi, jika anda mendengar istilah statistik nonparametrik, berarti data yang digunakan dalam penelitian tersebut adalah data ordinal ataupun data nominal. Beberapa alat analisis yang digunakan adalah run tes, wicoxon, Mann Whitney, kolgomorov smirnov, friedman, two way anova, kruskal wallis, rank spearman. Tentu saya tidak akan menjelaskan satu persatu alat analisis tersebut pada artikel ini. Namun biasanya statistik nonparametrik membahas tentang hipotesis satu sample (misalnya apakah kelompok data ini secara nyata lebih besar dengan skor tertentu), atau membandingkan kelompok (apakah kelompok ini lebih sepakat/setuju ketimbang kelompok lain), atau hubungan kelompok (apa hubungan tingkat pendidikan terhadap opini tertentu). Tentunya data yang digunakan dalam skala ordinal atau nominal.

Data Interval dan Rasio

Data interval dan rasio masuk dalam ranah data kuantitatif. Pembeda antara data interval dan rasio adalah angka 0 merupakan angka mutlak pada rasio.

Untuk memahaminya saya berikan contoh sebagai berikut: misalnya data nilai pelajaran bahasa inggris yang diberi nilai 0 sampai 100. Angka 0 pada data tersbeut merupakan simbol nilai terendah, bukan angka yang mutlak. Bisa juga diartikan bahwa siswa yang memiliki nilai 60 bukan berarti memiliki kecerdasan 2 kali lipat dibandingkan dengan siswa yang memiliki nilai 30. Berarti data nilai ini merupakan data interval.

Data rasio, misalnya data saldo di sebuah bank. Nilai 0 pada saldo merupakan nilai yang sebenarnya. Dan seseorang yang memiliki saldo 100 juta dapat diartikan memiliki saldo 2 kali lipat dibanding orang yang hanya memiliki saldo 50 juta. Data saldo merupakan data ratio.

Data interval dan rasio ini dikelompokkan dalam statistik parametrik. Banyak sekali methode yang dapat dipilih untuk mengolah data statistik parametrik karena data ini merupakan data kuantitatif. Mulai dari hipotesis satu kelompok sample, membandingkan dua kelompok atau lebih, korelasi dua kelompok, sampai pada regresi.

Pertanyaannya, time series masuk wilayah statistik apa? Tentu saja masuk pada statistik parametrik. Lho…jika time seriesnya tentang jumlah wanita bagaimana? Data jumlah wanita pun adalah data rasio, karena kata jumlah berarti angka yang sebenarnya, bukan hanya angka simbol. Jelas?

Penutup pada artikel ini bahwa kita harus mengetahui posisi kita berada untuk dapat melakukan methode statistik yang tepat sesuai data yang kita miliki.

Terima kasih telah berkunjung

Similar Posts

Tinggalkan Balasan

Alamat email Anda tidak akan dipublikasikan. Ruas yang wajib ditandai *