PERAN STATISTIK BAGI MANUSIA

By. Drs. Saukani Hasan
Fakta fakta yang tertangkap indra manusia seringkali tidak dicatat tetapi tetapi bebrapa fakta perlu dicatat atau direkam, dalam dunia statistik beberapa data perlu dicatat atau direkam dan dilakukan analisis untuk mendapat suatu kesimpulan. Diperlukan beberapa metode dalam melakukan analisis yang berbed- beda tergantung Jenis Skala Pengukuran Data Statistik.

Pengertian Data

Data adalah kumpulan fakta, sedangkan fakta adalah segala sesuatu yang tertangkap oleh indra manusia. Contoh: ‘di daerah pegunungan kita dapat merasakan hawa udara yang dingin’, maka ‘di daerah pegunungan’ merupakan data tempat, dan ‘hawa udara yang dingin’ merupakan data temperatur (walaupun tidak diukur). Contoh lain: ‘Ayah sangat menyukai nasi goreng’, maka bila diuraikan ‘ayah’, ‘sangat menyukai’ dan ‘nasi goreng’ didapatkan 3 variabel data yang berbeda. Data yang tertangkap indra manusia boleh jadi akan dicatat untuk berbagai keperluan, tetapi seringkali data tidak dicatat, hanya dipikirkan/diingat atau dibicarakan, itupun disebut sebagai data

Tipe Data Statistik

Di dalam praktek statistik, data yang diperoleh dari hasil pengamatan, wawancara atau pengukuran perlu dicatat agar dapat diolah, dianalisis, diinterpretasi dan dibuat kesimpulan. Data hasil pencatatan dapat berupa angka-angka atau huruf/kata/kalimat. Secara garis besar data hasil pencatatan dapat digolongkan menjadi 2 jenis/tipe yaitu: data yang bukan berupa angka (disebut juga data kualitatif) dan data yang berupa angka (data kuantitatif).

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:

1.      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 kelompok. 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 laki-laki 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.

2.      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.’ Skala tentang tentang kesetujuan dan ketidaksetujuan disebut sebagai Skala Likert. 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 praktik statistik, para peneliti seringkali melakukan analisis kuanitatif terhadap data ordinal, untuk itu dilakukan konversi dari data ordinal menjadi data interval dengan cara mengubah Skala Likert 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.’ Namun agar tidak timbul bias dalam melakukan analisis parametrik, maka diperlukan suatu program analisis khusus untuk membantu dalam pengolahan datanya.

2.      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:

1.      Data Interval atau Skala interval

Skala INtervall atau data intervall 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.

2.      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.

Peran Statistik dalam Penelitian

1. Alat untuk menghitung besarnya anggota sampel =teknik sampling
2. Alat uji validitas dan reliabilitas instrumen
3. Alat untuk menyajikan data : gambar, grafik, tabel, diagram, dll
4. Alat untuk analisis data = uji hipotesis : t-test, regresi, korelasi, anava, dll

Analisis Data

Ada dua macam analisis data yaitu:

1. Analisis Non Statistik
2. Analisis Statistik

Analisis Non Statistik

1. Data kualitatif, yaitu data-data yang tidak bisa di-angka-kan, analisis non-statistik lebih tepat digunakan
2. Data kualitatif  biasanya diolah atau dianalisis berdasarkan isinya (subtansinya).
3. analisis non statistik ini sering juga disebut dengan analisis isi (content analysis), yang mencakup analisis deskriptif, kritis, komparatif, dan sintesis.
4. Penelitian yang menggunakan data kualitatif disebut penelitian kualitatif

Analisis Statistik

1. Data kuantitatif, yaitu data yang berupa angka atau bisa diangkakan, analisis statistik lebih tepat digunakan
2. statistik deskriptif dan statistik inferensial
3. Statistik deskriptif digunakan untuk membantu memaparkan (menggambarkan) keadaan yang sebenarnya (fakta) dari satu sampel penelitian = penelitian deskriptif
4. Penelitian deskriptif tidak untuk menguji suatu hipotesis.

Statistika Inferensial

• Statistika Inferensial digunakan untuk mengolah data kuantitatif dengan tujuan untuk menguji kebenaran suatu teori baru yang diajukan peneliti yang dikenal dengan hipotesis = penelitian inferensial
• Dalam penelitian inferensial, teknik analisis statistik yang digunakan mengacu kepada suatu pengujian hipotesis

Langkah langkah dalam pengujian hipotesis

1. membuat asumsi =kondisi apa yang dapat “diterima “ oleh peneliti
2. menentukan statistik uji
3. Memilih suatu tingkat Signifikansi
4. Menghitung harga statistik uji
5. Membuat keputusan uji (diterima / ditolak)

Rambu-rambu Pemilihan Teknik Analisis Statistika

1. Tipe penelitian (deskriptif, inferensial)
2. Jenis variabel (terikat, bebas)
3. Tingkat pengukuran variabel (nominal, ordinal, interval)
4. Banyaknya variabel (satu, lebih dari satu )
5. Maksud statistik (kecenderungan memusat, variabilitas, hubungan (korelasi, asosiasi), pembandingan (komparasi), interaksi, kecocokan, dan sebagainya).