POSISI
STATISTIKA DAN PENELITIAN:
Pengelompokan
StatistikaBerdasarkan Kegunaannya
Statistika Deskriptif:
statistika yang menggunakandata pada suatu kelompok untuk menjelaskan
ataumenarik kesimpulan mengenai kelompok itu saja
Ukuran Lokasi: mode, mean, median, dll
Ukuran Variabilitas:
varians, deviasi standar, range, dll
Ukuran Bentuk: skewness, kurtosis, plot boks
Statistika
Inferensi(Statistika Induksi): statistikayang menggunakan data dari suatu
sampel untukmenarik kesimpulan mengenai populasi dari manasampel tersebut
diambil.
Berdasarkan Jenis Data
Statistika Parametrik:
Menggunakan asumsimengenai populasi. Membutuhkan pengukurankuantitatif dengan
level data interval atau rasio
Statistika
Nonparametrik (distribution-free
statisticsfor use with nominal / ordinal data): Menggunakanlebih
sedikit asumsi mengenai populasi (ataubahkan tidak ada sama sekali).
Membutuhkan datadengan level serendah-rendahnya ordinal (adabeberapa metode
untuk nominal)
Data
Data adalah informasi yang diperoleh dari hasil pengukuran, pengamatan atau observasi terhadap suatu objek. Data dapat berupa angka atau pernyataan. Data inilah yang nanti akan diolah dan dianalisa menjadi sebuah pengetahuan yang bermakna.Agar lebih memudahkan proses pengolahan, dilakukan pengaturan dan pengkodean data. Pengaturan ini juga dimaksudkan untuk keperluan perbandingan antar waktu jika data bersifat deret waktu (series).
Skala Data
Sebelum proses pengolahan, perlu diketahui apa skala datanya. Masing-masing skala mempunyai batasan pengolahan, jika batasan ini dilanggar maka akan didapat analisa yang keliru. Ada empat macam skala data : (i) nominal, (ii) ordinal, (iii) interval dan (iv) rasio.Skala Nominal
Data yang berskala nominal merupakan data yang paling rendah tingkatannya. Data ini hanya bersifat membedakan saja. Angka pada skala nominal bukan merupakan nilai yang sesungguhny. Contoh dalam sebuah survey dibedakan antara responden laki-laki dan perempuan. Agar proses pengolahan data dapat dilakukan dengan mudah maka pada kolom gender untuk responden laki-laki diberi angka 1 sedangkan perempuan diberi angka 2. Nilai 1 dan 2 bukan menunjukkan nilai yang sebenarnya dan 1 tidak lebih kecil dari 2. Contoh yang lain adalah ketika ingin dibedakan antara responden yang menjawab ya dan tidak. Pada kolom jawaban untuk responden yang menjawab ya diberi angka 1 dan yang tidak diberi angka 0. Nilai 0 disini bukanlah nilai 0 mutlak.
Skala Orninal
Data yang berskala ordinal juga membedakan, tetapi juga mempunyai tingkatan. Misalnya ketika ingin membedakan tingkat pendidikan. SD diberi angka 1, SMP diberi angka 2 dan seterusnya sampai tingkatan tertinggi diberi angka 5. Angaka-angka tersebut membedakan, tapi juga mempunyai tingkatan, nilai 1 jelas mempunyai tingkatan yang lebih rendah dibanding 2 dan tingkatan tertinggi adalah 5.
Skala Interval
Tingkatan data yang lebih tinggi lagi adalah data yang berskala interval. Data ini mempunyai sifat nominal dan ordinal ditambah satu sifat yaitu mempunyai interval tertentu. Perbedaan jarak (interval) dari data yang satu dengan data yang lain dapat diukur. Contoh yang lazim dipakai untuk menggambarkan data yang berskala interval adalah suhu. Jarak suhu 0 sampai 5 derajat celcius sama dengan jaran antara 5 sampai 10 derajat celcius. Ada suhu o derajat celcius. Nilai 0 ini bukanlah nilai mutlak, artinya suatu benda yang yang bersuhu 0 derajat celcius bukan berarti benda tersebut tidak mempunyai suhu. Dapat juga dikatakan bahwa suhu 4 derajat celcius adalah dua kali suhu 2 derajat celcius.
Skala Rasio
Data yang berskala rasio merupakan data dengan tingkatan tertinggi. Berbagai macam pengolahan statistik dapat diterapkan untuk mengolah data ini. Semua sifat nominal, ordinal dan interval dimiliki data berskala rasio. Nilai 0 pada data ini mempunyai nilai yang mutlak. Contoh yang paling gampang adalah data berat suatu benda, berat benda 0 kg berarti memang benar-benar benda tersebut tidak ada.
Secara ringkas bisa dilihat tabel berikut
| Pembeda |
Mempunyai Tingkatan
|
Mempunyai Interva | Mempunyai 0 Mutlak | |
| Nominal | + | - | - | - |
| Ordinal | + | + | - | - |
| Interval | + | + | + | - |
| Rasio | + | + | + | + |
Sumber Data
Time Series Data daily
(e.g., stock prices,
weather reports),
weekly
(e.g., money supply
figures),
monthly
[e.g., theunemployment
rate,the Consumer Price Index (CPI)],
quarterly
(e.g., GDP),
annually
(e.g., government
budgets) etc
Cross-Section Data
(e.g.,data on egg production
and eggprices for the 50 states in the union for 1990 and 1991
Pooled Data
In pooled, or combined,
data are elements of bothtime series and cross-section data (Consumer Price
Index (CPI)for each country for 1973–1997 is time series data, whereas thedata
on the CPI for the seven countries for a single year arecross-sectional data.
In the pooled data we have 175observations—25 annual observations for each of
thesevencountries)
Referensi
Robert D Mawson. 2005.
Teknik Statistika untuk Bisnis danEkonomi Jilid I dan II. Jakarta : Penerbit
Erlangga.
Sugiyono. 2002.
Statistik untuk Penelitian. Bandung : PenerbitAlfabeta
Anto Dajan, Pengantar
Metode Statistik, Jilid II, Jakart, LP3ES
Sidney Siegel. 2000. Statistik
Non Parametrik. Jakarta :Gramedia.
Aplikasi SPSS, Excel,
Eviews untuk Olah Data
Terimakasih Atas Komentar Anda....!!! :) EmoticonEmoticon