Comprehensive Study Notes: Foundations of Statistics (Descriptive & Inferential)

Jenis Statistik

Statistik Deskriptif dan Inferensial

Statistik dapat dibagi menjadi dua jenis utama: statistik deskriptif dan statistik inferensial. Statistik deskriptif bertujuan untuk menggambarkan data secara ringkas, sedangkan statistik inferensial digunakan untuk menarik kesimpulan berdasarkan hubungan antar data.

• Statistik Deskriptif: Menggambarkan data dalam bentuk tabel, grafik, mean, median, dan modus.

• Statistik Inferensial: Menarik kesimpulan melalui uji beda, uji hubungan, dan uji prediksi.

Jenis Variabel

Kuantitatif dan Kualitatif

Variabel dalam statistik dapat berupa kuantitatif (memiliki skor hasil pengukuran, bersifat kontinu) atau kualitatif (tidak memiliki skor, bersifat kategori).

• Kuantitatif: Contoh: Berat badan, tinggi badan.

• Kualitatif: Contoh: Warna baju, jenis kelamin.

Bebas dan Tergantung

• Variabel Bebas (Independen): Variabel yang mempengaruhi variabel lain.

• Variabel Tergantung (Dependen): Variabel yang dipengaruhi oleh variabel lain.

Skala Data

Jenis Skala Pengukuran

Skala data menentukan jenis analisis statistik yang dapat digunakan. Empat skala utama adalah:

No	Skala	Karakteristik	Contoh
1	Nominal	Membedakan, tidak ada tingkatan	Jenis kelamin, suku bangsa
2	Ordinal	Membedakan, ada tingkatan	Ranking, tingkat pendidikan
3	Interval	Membedakan, ada tingkatan, jarak sama, nol tidak mutlak	Suhu, nilai ujian
4	Rasio	Membedakan, ada tingkatan, jarak sama, nol mutlak	Berat badan, tinggi badan

Karakteristik Skala Data:

Karakteristik	Nominal	Ordinal	Interval	Rasio
Membedakan	✔	✔	✔	✔
Memiliki tingkatan		✔	✔	✔
Memiliki jarak yang sama			✔	✔
Memiliki nilai 0 mutlak				✔

Distribusi Frekuensi

Pengertian dan Jenis

Distribusi frekuensi adalah pencatatan hasil observasi dalam bentuk tabel untuk memudahkan analisis data mentah. Terdapat dua jenis utama:

• Distribusi Frekuensi Tunggal: Setiap nilai data dicatat bersama frekuensinya.

• Distribusi Frekuensi Bergolong: Data dikelompokkan dalam interval kelas.

Contoh Tabel Distribusi Frekuensi Bergolong

Nilai (interval kelas)	Titik Tengah (X)	Frekuensi (f)
72 – 74	73	1
69 – 71	70	1
66 – 68	67	3
63 – 65	64	1
60 – 62	61	4
57 – 59	58	9
54 – 56	55	16

Interval Kelas, Titik Tengah, dan Lebar Kelas

• Interval Kelas: Kelompok nilai dengan rentang sama, misal 72–74.

• Titik Tengah (X): Nilai di tengah interval kelas, misal untuk 72–74 adalah 73.

• Lebar Kelas (i): Banyaknya nilai dalam satu interval kelas.

Range (R)

Range adalah rentang nilai data, dihitung dengan rumus:

$R = (\text{Nilai tertinggi} - \text{Nilai terendah}) + 1$

atau

$R = \text{Batas atas nyata tertinggi} - \text{Batas bawah nyata terendah}$

Frekuensi Relatif dan Persentase

Frekuensi relatif adalah proporsi jumlah data pada suatu kelas terhadap total data. Frekuensi persentase adalah frekuensi relatif dalam persen.

Jurusan	Frekuensi	Frekuensi Relatif	Frekuensi Persentase
Biologi	2	0.10	10
Manajemen	3	0.15	15
Matematika	5	0.25	25
Informatika	9	0.45	45
Psikologi	1	0.05	5

Frekuensi Kumulatif

Frekuensi kumulatif adalah penjumlahan frekuensi dari kelas terendah ke tertinggi (Cfb) atau sebaliknya (Cfa).

Grafik dalam Statistik

Jenis Grafik

• Poligon Frekuensi: Menggunakan titik tengah interval kelas pada sumbu x dan frekuensi pada sumbu y. Cocok untuk data interval dan rasio.

• Grafik Garis: Menunjukkan tren data kuantitatif terhadap waktu.

• Histogram: Menggunakan batas nyata interval kelas pada sumbu x dan frekuensi pada sumbu y. Cocok untuk data interval dan rasio.

• Ogive: Grafik kumulatif yang menggunakan batas nyata interval kelas pada sumbu x dan frekuensi kumulatif pada sumbu y.

• Grafik Batang (Bar Graph): Cocok untuk data nominal dan ordinal, frekuensi pada sumbu y atau x, terdapat jarak antar batang.

• Grafik Lingkaran (Pie Graph): Cocok untuk data nominal, membagi lingkaran berdasarkan persentase.

• Kurve: Poligon frekuensi yang diperhalus, dapat berbentuk simetri atau asimetri.

Ukuran Pemusatan, Lokasi, dan Variabilitas

Ukuran Pemusatan (Tendensi Sentral)

• Mean (Rata-rata): Jumlah seluruh data dibagi banyaknya data.

• Median (Nilai Tengah): Nilai yang membagi data menjadi dua bagian sama besar.

• Mode (Modus): Nilai yang paling sering muncul dalam data.

Ukuran Lokasi

• Kuartil: Membagi data menjadi empat bagian sama besar (Q1, Q2, Q3).

• Desil: Membagi data menjadi sepuluh bagian sama besar (D1–D9).

• Persentil: Membagi data menjadi seratus bagian sama besar (P1–P99).

Ukuran Variabilitas

• Range (R): Selisih antara nilai tertinggi dan terendah.

• Standar Deviasi (s atau σ): Mengukur sebaran data terhadap rata-rata.

• Varians (S² atau σ²): Kuadrat dari standar deviasi, ukuran baku variabilitas.

Rumus Standar Deviasi untuk data tunggal:

Distribusi Normal dan Z-Score

Distribusi Normal

Distribusi normal adalah distribusi probabilitas yang berbentuk simetris seperti lonceng (bell-shaped). Sifat-sifatnya:

• Simetris terhadap rata-rata

• Mean, median, dan modus berimpit

• Luas di bawah kurva = 1

• Ekor kurva asimptotik terhadap sumbu x

Z-Score

Z-score digunakan untuk mentransformasikan nilai X ke dalam distribusi normal standar (mean = 0, standar deviasi = 1):

$Z = \frac{X - \mu}{\sigma}$

Nilai Z digunakan untuk mencari probabilitas pada tabel distribusi normal.

Statistik Parametrik dan Non-Parametrik

Statistik Parametrik

• Digunakan untuk data interval/rasio yang berdistribusi normal.

• Contoh uji: t-test, ANOVA, korelasi Pearson, regresi linier.

Statistik Non-Parametrik

• Digunakan untuk data nominal/ordinal atau data yang tidak berdistribusi normal.

• Contoh uji: Mann-Whitney, Wilcoxon, Kruskal-Wallis, Spearman rank correlation.

Pengujian Hipotesis

Langkah-langkah Pengujian Hipotesis

1. Tuliskan hipotesis awal (H0) dan hipotesis tandingan (H1).

2. Hitung nilai statistik uji.

3. Tetapkan taraf signifikansi (α).

4. Tentukan daerah kritis.

5. Buat kesimpulan berdasarkan posisi statistik uji terhadap daerah kritis.

Korelasi dan Regresi

Korelasi

Korelasi mengukur kekuatan dan arah hubungan antara dua variabel. Koefisien korelasi (r) berkisar antara -1 hingga +1.

• Korelasi Positif: Kedua variabel bergerak searah.

• Korelasi Negatif: Kedua variabel bergerak berlawanan arah.

• Korelasi Nol: Tidak ada hubungan linear antara variabel.

Untuk data ordinal digunakan Spearman/Kendall, untuk data interval/rasio digunakan Pearson.

Regresi

Regresi digunakan untuk memprediksi nilai variabel dependen (Y) berdasarkan variabel independen (X).

• Regresi Sederhana: Satu X dan satu Y.

• Regresi Ganda: Dua atau lebih X dan satu Y.

Contoh: Prediksi IPK mahasiswa berdasarkan beban SKS dan motivasi belajar.

Additional info: Penjelasan telah diperluas agar mencakup konteks akademik dan aplikasi praktis sesuai standar kuliah statistik dasar.