Statistika DasarTugas 122 Agustus 2011

Ayu Resti Pamungkassari

150610090004

Agribisnis A Fakultas Pertanian Universitas Padjadjaran 2011

1. Statistika Paramertik dan Non Parametrik Statistika Parametrik (Parametric Statistics), yaitu statistika inferensia yang

mempertimbangkan nilai dari satu atau lebih parameter populasi. Statistika parametrik biasanya dihubungkan dengan data yang bersifat kuantitatif (minimal berskala ukur interval). Selain itu, prosedur penggunaan analisis statistika parametrik bentuk data dipersyaratkan harus berdistribusi normal. Contoh analisis statistika parametrik adalah Uji t, Analisis Ragam (ANOVA) Uji Korelasi Pearson, dan Uji regresi (uji F). Statistika Nonparametrik (Nonparametric Statistics) merupakan bagian dari statistika inferensia yang tidak memperhatikan nilai dari satu atau lebih parameter populasi. Metode statistika nonparametrik digunakan untuk menganalisis data yang distribusinya tidak dapat diasumsikan normal. Data yang dibutuhkan lebih banyak yang berskala ukur nominal atau ordinal (data kualitatif). Contoh analisis statistika nonparametrik: Khi Kuadrat untuk Uji Kebebasan Dua Variabel Kategori, Koefisien Korelasi Spearman, Uji Tanda Peringkat Wilcoxon, Uji Mann-Whitney, Uji Kruskal-Wallis, dan Uji Friedman Jadi dapat disimpulkan bahwa Statistika Parametrik merupakan metode pengukuran yang datanya bersifat kuantitatif (data yang mempunyai angka dalam arti sebenarnya) sedangkan Statistika Non Parametrik merupakan metode pengukuran yang datanya bersifat kualitatif (data non angka). http://sambasalim.com/statistika/pengantar-statistika.html dikutip pada tanggal 18 agustus 2011 pukul 23:34

2. Jenis Pengukuran

1. Data Kualitatif Data kualitatif adalah jenis data non angka. Data jenis ini mempunyai ciri tidak dapat dilakukan operasi matematika seperti penambahan, pengurangan, perkalian dan pembagian. Ada dua jenis data kualitatif yang dijadikan skala pengukuran, yaitu: a. Data Nominal atau Skala Nominal. Merupakan tipe data yang paling rendah tingkatannya dalam level pengukuran data. Data (variabel) nominal merupakan data hasil pengukuran atau pengamatan

yang hanya menghasilkan satu kategori bagi satu obyek, individu atau k elompok. Misal: data jenis kelamin, tempat tinggal, suku atau ras, dan agama. Oleh karena dalam hal ini tidak memungkinkan seseorang memiliki dua jenis kelamin secara bersamaan, tempat tinggal (berdasarkan KTP), suku dan agama. Dalam praktek statistik, karena variabel nominal mempunyai nilai data yang sederajat, maka untuk melakukan analisis terhadap data nominal biasanya kita melakukan konversi dari data nominal menjadi data katagorik yaitu data tersebut dikategorikan menjadi angka. Misalnya kita mempunyai data jenis kelamin yaitu lakilaki dan perempuan, maka Laki-laki dikategorikan sebagai "1" dan Perempuan dikategorikan sebagai "2". Data nominal tidak memiliki tingkatan. Dalam hal ini penggunaan angka 1 dan 2 hanya sebagai lambang atau tanda, tidak dapat diartikan bahwa laki-laki lebih rendah atau lebih tinggi derajatnya daripada perempuan, demikian pula tidak dapat diartikan bahwa tempat tinggal, suku/ras dan agama tertentu lebih rendah atau lebih tinggi derajatnya daripada yang lainnya.

b. Data Ordinal atau Skala Ordinal. Data (variabel) jenis ini lebih tinggi tingkatannya daripada data nominal karena adanya tingkatan nilai data (data yang satu lebih tinggi atau lebih rendah nilainya daripada data yang lain), tetapi tidak diketahui beda/jarak antar nilai data dan tidak menyiaratkan jarak/nilai yang sama antar tingkatan tersebut. Misal: data mengenai tingkat pendidikan, sosio-ekonomi, pendapat seseorang terhadap produk tertentu. Contoh penerapan, berdasarkan hasil pengukuran melalui jajak pendapat atau wawancara, diperoleh data tentang sikap atau pendapat sekelompok orang terhadap kebijakan tertentu yang sedang diberlakukan pemerintah. Ada yang menyatakan 'sangat setuju', 'setuju', 'netral', tidak setuju' atau 'sangat tidak setuju.' Jarak antara pernyataan 'sangat setuju' dengan 'setuju' dan antara 'setuju' dengan 'netral' tidak jelas besar perbedaannya dan belum tentu sama. Contoh lain, data tingkat pendidikan yang dinyatakan sebagai 'tinggi', 'sedang' dan 'rendah.' Jarak antara 'tinggi' dan 'sedang' tidak sama dengan jarak antara 'sedang' dan 'rendah.' Data ordinal juga tidak dapat dilakukan operasi matematika seperti penambahan, pengurangan, perkalian dan pembagian. Dalam praktek statistik, untuk melakukan analisis terhadap data ordinal, dilakukan konversi dari data ordinal menjadi data katagorik (dikategorikan menjadi angka). Contoh: pernyataan 'sangat

setuju' dikategorikan sebagai '5', 'setuju' dikategorikan sebagai '4', 'netral' dikategorikan sebagai '3', tidak setuju' dikategorikan sebagai '2' dan 'sangat tidak setuju' dikategorikan sebagai '1.'

2. Data Kuantitatif Data kuantitatif merupakan data yang berupa angka dalam arti sebenarnya. Pada data jenis ini dapat dilakukan operasi matematika seperti penambahan, pengurangan, perkalian dan pembagian. Dalam operasi statistik, data jenis ini seringkali dikelompokkan/dikategorikan. Ada dua jenis data kuantitatif yang dijadikan skala pengukuran, yaitu:

a. Data Interval atau Skala Interval. Data interval dianggap memiliki level yang lebih tinggi daripada data nominal dan ordinal. Data jenis ini memiliki tingkatan dengan interval/jarak tertentu yang tetap, tetapi data ini tidak memiliki titik nol mutlak. Misalnya: Temperatur suatu zat cair dikatakan sebagai 'sangat panas' bila suhunya antara 100-119 derajat Celcius, 'panas' bila suhunya antara 80-99 derajat Celsius, 'cukup panas' bila suhunya antara 60-79 derajat Celsius, dan 'kurang panas' bila suhunya antara 40-59 derajat Celsius. Karena tidak punya nilai nol mutlak maka bila suhu zat cair tersebut nol derajat Celsius, bukan berarti bahwa zat cair tersebut tidak mempunyai panas/suhu.

b. Data Rasio atau Skala Rasio. Data (variabel) jenis ini memiliki tingkat pengukuran yang paling tinggi diantara jenis data atau skala pengukuran lainnya. Data rasio merupakan data berupa angka dalam arti sebenarnya, dapat dilakukan operasi matematika

(penjumlahan/pengurangan/perkalian/pembagian) dan mempunyai titik nol dalam arti sesungguhnya. Contoh penerapan: dalam pengukuran tinggi dan berat benda, jumlah produksi, jumlah murid. Misalnya jumlah murid yang hadir di suatu kursus bahasa Inggris pada hari Senin sebanyak 20 murid, hari Selasa sebanyak 10 murid, dan hari Rabu sebanyak 0 murid. Pada hari Rabu dikatakan yang hadir sebanyak nol murid, karena memang tidak ada murid yang hadir pada hari tersebut. Selain itu jenis data ini memiliki sifat rasio, dalam contoh di atas, jumlah murid yang hadir pada hari senin sebanyak 2 kali jumlah murid yang hadir pada hari selasa, dst.

Jadi jenis pengukuran itu ada empat yaitu skala pengukuran nominal, ordinal, interval dan rasio. Perbedaan dari skala pengukuran tersebut terletak pada sifat datanya. Untuk skala pengukuran nominal dan ordinal merupakan jenis data kualitatif yaitu data non angka. Sedangkan untuk skala pengukuran interval dan rasio merupakan jenis data kuantitatif yaitu data yang mempunyai angka dalam arti sebenarnya. Penggunaan data tersebut pun berbeda untuk skala pengukuran interval dan rasio metode yang digunakan pada metode kuantitatif sedangkan skala pengukuran nominal dan ordinal yang digunakan pada metode non parametrik.

http://www.infodokterku.com/index.php?option=com_content&view=article&id=116:jenisskala-pengukuran-data-statistik&catid=39:data&Itemid=54 dikutip pada tanggal 18 agustus 2011 pukul 23:33