Statistika: Pengertian, Tahapan, dan Contoh Lengkap

🧩 1.1 Pengertian Statistika

Statistika adalah ilmu yang mempelajari cara mengumpulkan, mengolah, menganalisis, menyajikan, dan menafsirkan data sehingga dapat digunakan untuk mengambil keputusan yang tepat.

Statistik (bentuk tunggal) = data atau angka hasil pengamatan.
Statistika (bentuk jamak) = ilmu atau metode yang digunakan untuk menganalisis data statistik.

Contoh:

• Statistik: “Rata-rata nilai ujian mahasiswa 82.”
  
  

• Statistika: proses bagaimana angka 82 itu diperoleh (melalui pengumpulan dan analisis data).
  

📚 1.2 Ruang Lingkup Statistika

Statistika dibagi menjadi dua cabang utama:

1. Statistika Deskriptif
   Menggambarkan atau meringkas data agar mudah dipahami.
   Contoh: rata-rata, median, diagram batang, tabel frekuensi.
   
   

2. Statistika Inferensial
   Menarik kesimpulan atau membuat keputusan berdasarkan data sampel untuk menggambarkan populasi.
   Contoh: uji-t, ANOVA, uji korelasi, regresi.
   
   

👥 1.3 Istilah Dasar dalam Statistika

Istilah	Pengertian	Contoh
Populasi	Keseluruhan objek yang menjadi sasaran penelitian	Seluruh mahasiswa UNESA
Sampel	Sebagian dari populasi yang mewakili keseluruhan	100 mahasiswa dari UNESA
Unit observasi	Individu atau objek yang diukur	Seorang mahasiswa
Variabel	Karakteristik yang diukur pada unit observasi	Nilai ujian, umur, jenis kelamin
Data	Nilai atau informasi yang diperoleh dari pengukuran variabel	85, 90, 88, 92

🔢 1.4 Jenis-jenis Data

Berdasarkan Sifatnya

1. Data Kualitatif (Non-numerik)
   menunjukkan kategori atau sifat.
   Contoh: jenis kelamin, jurusan, status pernikahan.
   
   

2. Data Kuantitatif (Numerik)
   berbentuk angka dan dapat dihitung.
   
   

• Diskrit: bilangan bulat (jumlah mahasiswa = 120)
  
  

• Kontinu: bisa pecahan (berat badan = 55,7 kg)
  
  

Berdasarkan Sumbernya

1. Data Primer
   Dikumpulkan langsung oleh peneliti dari sumber pertama.
   Contoh: hasil wawancara, survei.
   
   

2. Data Sekunder
   Diperoleh dari sumber yang sudah ada.
   Contoh: data dari BPS, laporan keuangan, jurnal.
   
   

Berdasarkan Waktu Pengumpulannya

1. Data Cross Section dikumpulkan pada satu waktu tertentu.
   Contoh: data gaji karyawan bulan November 2025.
   
   

2. Data Time Series dikumpulkan dari waktu ke waktu.
   Contoh: data inflasi dari 2015–2025.
   
   

⚙️ 1.5 Skala Pengukuran Data

Skala	Ciri Utama	Contoh	Operasi yang Sah
Nominal	Klasifikasi tanpa urutan	Jenis kelamin (L/P)	= ≠
Ordinal	Klasifikasi dengan urutan	Peringkat 1, 2, 3	= ≠ < >
Interval	Ada jarak yang sama, tanpa nol mutlak	Suhu (°C)	+ −
Rasio	Ada jarak sama dan nol mutlak	Berat (kg), umur (tahun)	× ÷

💼 1.6 Fungsi dan Manfaat Statistika

Statistika berperan penting di berbagai bidang:

Bidang	Contoh Penerapan
Bisnis & Ekonomi	Analisis penjualan, prediksi pasar
Pendidikan	Evaluasi hasil belajar, survei kepuasan
Kesehatan	Analisis tingkat penyakit, uji efektivitas obat
Teknologi & Informatika	Data mining, machine learning, analisis performa sistem

Manfaat utama:

• Membantu pengambilan keputusan berbasis data.
  
  

• Menyederhanakan data kompleks menjadi informasi bermakna.
  
  

• Meningkatkan keakuratan dalam perencanaan dan evaluasi.

📊 1.7 PROSES STATISTIK (Detailed Version)

Proses statistik adalah tahapan sistematis dalam mengolah data, mulai dari pengumpulan hingga penarikan kesimpulan agar informasi yang diperoleh akurat dan bermakna.

Umumnya, terdapat empat tahap utama:

🔹 1. Pengumpulan Data (Data Collection)

📘 Tujuan:

Mendapatkan data yang relevan, valid, dan representatif terhadap populasi yang diteliti.

📋 Langkah-langkah:

1. Menentukan tujuan penelitian
   → Apa yang ingin diketahui atau diuji (misal: “Apakah rata-rata nilai mahasiswa di atas 80?”).
   
   

2. Menentukan populasi dan sampel
   → Populasi = seluruh elemen yang diteliti,
   Sampel = sebagian yang mewakili populasi.
   
   

3. Menentukan variabel penelitian
   → Misal: nilai ujian, usia, pendapatan, tingkat kepuasan.
   
   

4. Menentukan metode pengumpulan data
   
   

• Observasi langsung (mengamati secara langsung di lapangan)
  
  

• Wawancara / Interview
  
  

• Kuesioner / Angket
  
  

• Eksperimen
  
  

• Dokumentasi / data sekunder
  
  

5. Menjamin kualitas data
   
   

• Hindari bias atau kesalahan pengukuran.
  
  

• Gunakan instrumen yang valid dan reliabel.
  
  

⚙️ Contoh:

Seorang peneliti ingin mengetahui tingkat kepuasan pelanggan terhadap layanan e-commerce.
Ia menyebarkan kuesioner ke 100 pelanggan yang dipilih secara acak.

🔹 2. Penyajian Data (Data Presentation)

📘 Tujuan:

Menyajikan data yang sudah dikumpulkan agar mudah dipahami dan dianalisis.

📊 Bentuk penyajian:

1. Tabel Distribusi Frekuensi
   
   

• Tabel data tunggal
  
  

• Tabel berkelompok (kelas interval)
  
  

2. Grafik dan Diagram
   
   

• Diagram batang (bar chart)
  
  

• Diagram lingkaran (pie chart)
  
  

• Histogram
  
  

• Ogive (kurva kumulatif)
  
  

• Pictogram
  
  

3. Ringkasan Statistik Deskriptif
   
   

• Mean, median, modus
  
  

• Variansi, simpangan baku
  
  

• Persentil, kuartil
  
  

⚙️ Contoh:

Data hasil ujian 40 mahasiswa disajikan dalam tabel distribusi frekuensi agar mudah terlihat sebaran nilainya.

🔹 3. Analisis Data (Data Analysis)

📘 Tujuan:

Mengolah dan menganalisis data untuk menemukan pola, hubungan, atau kesimpulan statistik.

🧮 Jenis Analisis:

1. Analisis Deskriptif
   → Mendeskripsikan data tanpa membuat kesimpulan terhadap populasi.
   Contoh: rata-rata nilai = 85, simpangan baku = 5.
   
   

2. Analisis Inferensial
   → Menggunakan data sampel untuk menginferensi populasi (membuat kesimpulan atau generalisasi).
   
   

• Estimasi parameter (mean, proporsi, varians populasi)
  
  

• Pengujian hipotesis (uji-t, uji-z, ANOVA, Chi-square)
  
  

• Analisis korelasi dan regresi
  
  

3. Analisis dengan Software
   
   

• SPSS, Excel, R, atau Python digunakan untuk menghitung dan memvisualisasikan hasil.
  
  

• Python (pandas, scipy, matplotlib) sering digunakan dalam bidang Informatika.
  
  

⚙️ Contoh:

Dari sampel 100 pelanggan, 85% menyatakan puas.
Analisis inferensial digunakan untuk menguji apakah tingkat kepuasan ini berlaku bagi seluruh populasi pelanggan.

🔹 4. Penarikan Kesimpulan dan Pengambilan Keputusan (Inference & Decision Making)

📘 Tujuan:

Menarik kesimpulan yang valid dan membuat keputusan berbasis data.

📈 Langkah-langkah:

1. Menafsirkan hasil analisis
   
   

• Apa arti nilai rata-rata, korelasi, atau hasil uji hipotesis?
  
  

• Apakah hasilnya signifikan secara statistik (misal p-value < 0.05)?
  
  

2. Menentukan keputusan
   
   

• Menerima atau menolak hipotesis nol (H₀)
  
  

• Menyusun rekomendasi atau solusi praktis
  
  

3. Melaporkan hasil
   
   

• Menyusun laporan atau presentasi hasil penelitian
  
  

• Menjelaskan keterbatasan data dan saran untuk penelitian berikutnya