DAFTAR ISI
HALAMAN JUDUL...................................................................................... i
KATA PENGANTAR................................................................................... ii
DAFTAR ISI.................................................................................................. iii
BAB I............................................................................................................... 1
PENDAHULUAN.......................................................................................... 1
A. Latar
Belakang..................................................................................... 1
B. Rumusan
Masalah................................................................................. 2
BAB II............................................................................................................. 3
PEMBAHASAN............................................................................................. 3
A.
Statistik dan Parameter......................................................................... 3
B.
Data
Kontinu dan Data Diskrit............................................................ 7
C.
Skala Pengukuran Statistik................................................................... 9
D.
Sampel dan Populasi............................................................................. 11
BAB III............................................................................................................ 18
PENUTUP...................................................................................................... 18
A. Kesimpulan........................................................................................... 18
B. Saran..................................................................................................... 18
DAFTAR PUSTAKA.................................................................................... 20
BAB I
PENDAHULUAN
A. Latar Belakang
Ilmu statistik
memegang peranan penting dalam penelitian, baik dalam penyusunan model,
perumusan hipotesa, dalam pengembangan alat dan instrumen pengumpulan data,
penyusunan design penelitian, serta penentuan sampel dan dalam analisis data.
Dalam banyak hal, pengolahan dan analisa data tidak luput dari penerapan teknik
dan metode statistik tertentu, yang mana kehadirannya dapat memberikan dasar
bertolak dalam menjelaskan hubungan-hubungan yang terjadi. Statistik dapat
digunakan sebagai alat untuk mengetahui apakah hubungan kausal antara dua atau
lebih variabel benar-benar terkait secara benar dalam suatu kausalitas empiris
ataukah hubungan tersebut hanya bersifat random atau kebetulan saja.
Ilmu statistik
telah memberikan teknik-teknik sederhana dalam mengklasifikasikan data serta
dalam menyajikan data secara lebih mudah. Statistik telah menyajikan suatu
ukuran yang dapat dimengerti secara lebih mudah. Statistik dapat menyajikan
suatu ukuran yang dapat mensifatkan populasi ataupun menyatakan variasinya, dan
memberikan gambaran yang lebih baik tentang kecenderungan tengah-tengah dari
variabel.
Statistik dapat
menolong peneliti untuk menyimpulkan apakah suatu perbedaan yang diperoleh
benar-benar berbeda secara signifikan. Apakah kesimpulan yang diambil cukup
refresentatif untuk memberikan infensi terhadap populasi tertentu.
Penarikan
kesimpulan secara statistik memungkinkan peneliti melakukan kegiatan ilmiah
secara lebih ekonomis dalam pembuktian induktif. Tetapi harus disadari bahwa
statistik hanya merupakan alat bukan tujuan dari analisa. Karena itu, janganlah
dijadikan statistik sebagai tujuan yang menentukan komponen-koponen peneliti
yang lain.
Ketika seorang
pemimpin, baik itu pemimpin dalam sebuah perusahaan ataupun sebuah negara,
ingin menjalankan tugasnya dengan baik maka hal pertama yang meski dimiliki
adalah kemampuan mengidentifikasi dan memahami masalah sehingga pemimpin
tersebut bisa merencanakan dan merumuskan solusi terbaik untuk memecahkan suatu
masalah. Albert Einstein mengatakan memahami masalah sudah 50% solusi dari
masalah itu sendiri maka memahami masalah sangatlah penting dan mutlak
diperlukan agar mampu membuat solusi yang terbaik.
A. Rumusan Masalah
1. Apa itu
statistik dan parameter?
2. Apa itu data
kontinu dan data diskrit?
3. Apa itu skala
pengukuran statistik?
4. Apa itu sampel
dan populasi?
BAB II
PEMBAHASAN
A. Parameter dan Statistik
Parameter adalah bilangan nyata yang
menyatakan sebuah karakteristik dari sebuah populasi, contohnya mean populasi,
varians populasi dan simpangan baku.
Statistik adalah bilangan nyata yang
menyatakan sebuah karakteristik dari sebuah sampel, contohnya mean/rata-rata
sampel, varians sampel, simpangan baku sampel.
Pada umumnya parameter populasi tidak
diketahui karena banyaknya anggota populasi yang umumnya sangat besar sehingga
peneliti tidak mampu atau tidak mau meneliti seluruh anggota populasi,
sedangkan statistik sampel dapat dihitung karena banyaknya anggota sampel
realtif sedikit. Sehingga, hakikat belajar statistik yaitu menghitung statistik
sampel untuk menduga/menguji parameter populasi, (notes; dalam menduga, menguji
ada peluang kesalahan.
Dalam
matematika, parameter adalah sesuatu dalam persamaan yang diteruskan dalam
suatu persamaan. Itu berarti sesuatu yang berbeda dalam statistik. Parameter
adalah nilai yang memberi tahu Anda sesuatu tentang populasi dan merupakan
kebalikan dari statistik, yang memberi tahu Anda sesuatu tentang sebagian kecil
dari populasi.
Parameter
tidak pernah berubah, karena semua orang (atau semuanya) disurvei untuk
menemukan parameter. Misalnya, Anda mungkin tertarik pada usia rata-rata setiap
orang di kelas Anda. Mungkin Anda bertanya kepada semua orang dan ternyata usia
rata-rata adalah 25 tahun. Itu adalah parameter, karena Anda bertanya kepada
semua orang di kelas.
Sekarang
katakanlah Anda ingin mengetahui usia rata-rata setiap orang di kelas atau
tahun Anda. Jika Anda menggunakan informasi itu dari kelas Anda untuk menebak
pada usia rata-rata, maka informasi itu menjadi statistik. Itu karena Anda
tidak bisa memastikan tebakan Anda benar (meskipun mungkin akan dekat!).
Statistik
bervariasi, anda tahu usia rata-rata teman sekelas anda adalah 25. Anda mungkin menebak bahwa usia rata-rata
setiap orang di tahun anda adalah 24, 25, atau 26. Anda mungkin menebak usia
rata-rata untuk perguruan tinggi lain di daerah anda adalah sama. Dan anda bahkan dapat menebak bahwa usia rata-rata untuk
mahasiswa di Indonesia. Ini mungkin bukan tebakan yang buruk, tetapi ini adalah
statistik karena anda tidak bertanya kepada semua orang.
1. Asal
kata Parameter
Kata
ini ditemukan pada 1914 di E. Czuber, Wahrscheinlichkeitsrechnung, Vol. I dan
pada tahun 1922 di Ronald A. Fisher, “On the Mathematical Foundations of
Theoretical Statistics.” Fisher adalah seorang ahli statistik, ahli biologi dan
genetika Inggris.
2. Parameter
dalam Statistik
Notasi
Parameter
biasanya huruf Yunani ( σ) atau huruf kapital ( P). Statistik biasanya berupa
huruf Romawi ( s). Dalam kebanyakan kasus, jika Anda melihat huruf kecil ( p),
ini adalah statistik. Tabel ini menunjukkan berbagai simbol. Beberapa mungkin
terlihat sama tetapi perhatikan baik huruf kecil dan besar.
Pengukuran
|
Statistik (Roman atau
hurup kecil)
|
Parameter (Greek atau
kapital)
|
Proporsi Penduduk
|
P
|
P
|
Elemen Data
|
X
|
X
|
Populasi Berarti
|
x̄
|
μ
|
Simpangan baku
|
S
|
σ
|
Perbedaan
|
s2
|
σ2
|
Jumlah elemen
|
N
|
N
|
Koefisien Korelasi
|
R
|
ρ
|
Tips: Dalam statistik, parameter kata jarang muncul. Itu
karena SEMUA yang kita tangani adalah statistik! Anda mungkin melihat sesuatu
seperti “mean populasi.” Itu membuatnya lebih jelas tentang seluruh parameter.
Ketika Anda melihat hanya “jahat,” itu biasanya statistik.
3. Parameter
dalam Statistik
Akurasi
Akurasi
menjelaskan seberapa dekat statistik Anda dengan parameter populasi tertentu.
Misalnya, Anda mungkin sedang mempelajari bobot wanita hamil. Jika median
sampel populasi Anda adalah 75 kg dan statistik sampel Anda adalah 75 kg, maka
Anda dapat membuat pernyataan tentang keakuratan sampel Anda.
Statistik
pada umumnya tidak seakurat yang kita inginkan, meskipun mereka adalah alat
terbaik yang kita miliki saat ini untuk membuat prediksi tentang populasi.
Menurut The Economist, makalah ilmiah tidak terlalu dapat diandalkan. John
Loannisis, seorang ahli epidemiologi Yunani, berpendapat bahwa sebanyak 50
persen makalah ilmiah ternyata salah.
Faktor-faktor
yang berkontribusi pada hasil palsu termasuk ukuran sampel yang terlalu kecil,
penelitian yang dirancang dengan buruk dan bias peneliti yang disebabkan oleh
kepentingan finansial atau agenda pribadi.
Pertanyaan, Dalam sensus, bagaimana statistik yang dihitung
dibandingkan dengan parameter populasi yang sesuai?
Apa
yang sebenarnya ditanyakan oleh pertanyaan ini adalah, seberapa akurat sensus
itu? Jawabannya adalah (secara mengejutkan) bahwa sensus itu sangat akurat,
memberi atau mengambil persentase kecil. Persentase kecil itu lebih cenderung
minoritas, orang berpenghasilan rendah dan orang yang tinggal di daerah
pedesaan.
Pada
saat penulisan, sensus terbaru adalah sensus 2010. Secara historis, sensus
semakin akurat. Sensus
2010 menyatakan bahwa total populasi AS adalah 308.745.538 pada 2010, meningkat
9,7 persen dari jumlah sensus 2000. Ini menghitung secara berlebihan total
populasi AS sebesar 0,01 persen. Itu hanya 36.000 orang – tidak buruk ketika
Anda menganggap populasi A.S. lebih dari 300 juta. Bandingkan itu dengan
over-count 0,49 persen pada 2000 (sekitar satu juta orang) dan under-count 1,61
persen pada 1990.
Beberapa fakta kunci:
-
Penyewa
tidak dihitung.
-
Pemilik
rumah terlalu berlebihan dihitung.
-
2,1
persen orang kulit hitam Amerika terlewatkan. Menurut Denver Post, ini adalah
peningkatan besar dibandingkan angka 1940, ketika diperkirakan black
under-count adalah 8,4 persen.
-
1,5
persen orang Hispanik terlewatkan.
-
Kulit
putih non-hispanik dihitung secara berlebihan.
Mengapa kelompok-kelompok ini tidak dihitung secara
akurat?
-
Aksesibilitas, Orang-orang di daerah pedesaan mungkin sulit atau
tidak mungkin dijangkau melalui surat. Beberapa lokasi menggunakan alamat
“pengiriman umum” dari pada alamat tetap.
-
Hambatan
dan pendidikan bahasa, Orang yang belajar bahasa Inggris mungkin mengalami
kesulitan memahami bentuk sensus. Orang dengan pendidikan rendah dan kemampuan
baca tulis juga mungkin tidak memahami pentingnya menanggapi sensus.
-
Kecurigaan
Pemerintah,
Beberapa orang mungkin berpikir bahwa sensus akan digunakan untuk melawan
mereka. Beberapa orang tidak ingin berada dalam database pemerintah. Sebagai
contoh: imigran ilegal, orang-orang dengan surat waran pada mereka, orang-orang
yang berhutang atau tunggakan pajak.
B. Data Kontinu dan Data Diskrit
Data kontinu yaitu data
yang didapat dari hasil pengukuran. Data hasil pengukuran diperoleh dari tes,
kuesioner ataupun alat ukur lain yang sudah terstandar misalnya timbangan,
panjang ataupun data psikologis yang lain. yang termasuk data kontinum ini
adalah interval dan rasio.
Data diskrit yaitu data data yang tidak
dikonsepsikan adanya nulai-nilai di antara data (bilangan) lain yang terdekat
contoh banyaknya jumlah anak di suatu keluarga, jumlah rumah di suatu kampung.
Misalnya juka bilangan 2 dan 3 menunjukan jumlah anak anak di keluarga A dan
keluarga B, maka di antara kedua bilangan tersebut tidak ada bilangan-bilangan
lain. Tidak pernah kita mengatakan bahwa jumlah anak di suatu keluarga adalah
2,4 atau 2,9. Data didapatkan dari perhitungan
dan pengukuran. Pengukuran adalah penggunaan aturan untuk menetapkan bilangan
pada obyek atau peristiwa. Dengan kata lain, pengukuran memberikan nilai-nilai
variabel dengan notasi bilangan. Aturan penggunaan notasi bilangan dalam
pengukuran disebut data atau tingkat pengukuran (scales of measurement).Secara
lebih rinci, dalam statistik terdapat 4 data pengukuran yaitu nominal, ordinal,
interval dan rasio.
§ Variabel
Diskrit dan Variabel Kontinu
Dalam penelitian kuantitatif atau statistika,
penggolongan data diskrit dan kontinu sangat penting, tergantung dari apakah
variabel yang diteliti tersebut apakah berjenis variabel diskrit ataukah
variabel kontinu. Banyak orang yang keliru memperlakukan data karena
ketidakpahaman tentang kedua variabel tersebut.
Pertanyaan yang sering muncul dan sering ditanyakan
adalah Apa yang dimaksudkan dengan Variabel Diskrit ? Lalu, apa yang dimaksud
dengan variabel kontinu ? Bagaimana hubungan antara variabel diskrit dan
kontinu dengan data diskrit dan kontinu ?
Berikut ini adalah jenis variabel yang sering
digunakan dilihat dari data yang ada dari masing-masing variabel.
1. Variabel
Diskrit
Variabel Diskrit adalah variabel yang berupa data
pengkategorian atau membedakan atau mengelompokkan jenis tertentu. Biasanya data
untuk jenis variabel ini didapatkan dari hasil menghitung. Data untuk variabel
yang bersifat diskrit sering disebut data Nominal atau data dikotomi. Misalnya:
Data dikotomik 1 untuk kategori benar dan 0 untuk kategori salah. Ada juga yang
mengkategorikan 1 untuk laki-laki maupun 0 untuk perempuan. Contoh lainnya
misalnya kita memilih 10 dari 15 anak tetapi kita tidak bisa menyatakan : saya
membutuhkan 41/2 orang anak. Singkatnya variabel diskrit adalah variabel yang
data datanya berupa nilai nilai bilangan bulat dan nilai nilai tersebut
hanyalah sebagai label sehingga tidak dapat digunakan untuk menghitung.
2. Variabel
Kontinu
Variabel kontinu merupakan variabel yang datanya bisa
dioperasikan secara matematika. Data untuk variabel kontinu didapatkan dari
proses mengukur sehingga data tersebut bisa berbentuk pecahan atau dalam bentuk
desimal, misalnya, 3,5 meter, nilai 7,5, rata-rata 7,0 dan lain-lain. Secara
umum variabel kontinu memiliki nilai nilai yang merupakan hasil pengukuran.
Contoh dari data untuk variabel ini adalah nilai tes, ranking, tinggi badan,
berat badan, panjang, jarak. Jika dikelompokkan, data untuk variabel kontinu
dapat digolong-golongkan sebagai data ordinal, data interval dan data rasio.
a.
Data
ordinal
Data ordinal merupakan data peringkat. misalnya
peringkat 1, peringkat 2 danperingkat 3. Angka peringkat 1, 2 dan 3 memiliki
makna lebih tinggi atau lebih rendah. Misalnya siswa yang mendapat peringkat 1
tentu saja lebih baik dari siswa yang mendapatkan peringkat 2. Yang perlu diperhatikan
adalah bahwa kita tidak dapat menjumlahkan peringkat 1 dan peringkat 2.
b.
Data
Interval
Berbeda dengan data ordinal, data interval merupakan
data yang sudah dapat digunakan dalam operasi hitung. Selain itu, data interval
mempunyai adanya jarak yang jelas di antara masing-masing data. Misalnya, Jika
MK bernilai 1 sks diberikan waktu 50 menit, MK dengan jumlah 2 sks diberikan
waktu 100 menit. Rentangan antara data adalah 5o.
c.
Data
rasio
Data rasio merupakan data pengukuran yang juga dapat
digunakan dalam opreasi hitung. Angka dalam data rasio merupakan angka yang
sesungguhnya, bukan hanya sebagai simbol misalnya, data berat badan, tinggi
badan, data lingkar pinggang dan lain-lain.
C. Skala Pengukuran Statistik
Ada 4 macam skala pengukuran yaitu:
skala nominal, skala ordinal, skala interval dan skala rasio.
1. Skala nominal
Adalah skala yang semata-mata hanya
untuk memberikan indeks, atau nama saja dan tidak mempunyai makna yang lain.
Contoh:
Data
|
Kode (a)
|
Kode (b)
|
Yuni
|
1
|
4
|
Desi
|
2
|
2
|
Ika
|
3
|
3
|
Astuti
|
4
|
1
|
Keterangan:
Kode 1 sampai dengan 4 (a) semata-mata hanyalah untuk memberi tanda saja, dan
tidak dapat dipergunakan sebagai perbandingan antara satu data dengan data yang
lain. Kode tersebut dapat saling ditukarkan sesuai dengan keinginan peneliti (menjadi
alternatif b) tanpa mempengaruhi apapun.
2. Skala ordinal
Adalah skala ranking, di mana kode
yang diberikan memberikan urutan tertentu pada data, tetapi tidak menunjukkan
selisih yang sama dan tidak ada nol mutlak. Contoh:
Data
|
Skala Kecantikan (a)
|
Skala Kecantikan (b)
|
Yuni
|
4
|
10
|
Desi
|
3
|
6
|
Ika
|
2
|
5
|
Astuti
|
1
|
1
|
Skala kecantikan (a) di atas
menunjukkan bahwa Yuni paling cantik (dengan skor tertinggi 4), dan Astuti yang
paling tidak cantik dengan skor terendah (1). Akan tetapi, tidak dapat
dikatakan bahwa Yuni adalah 4 kali lebih cantik dari pada Astuti. Skor yang
lebih tinggi hanya menunjukkan skala pengukuran yang lebih tinggi, tetapi tidak
dapat menunjukkan kelipatan. Selain itu, selisih kecantikan antara Yuni dan
Desi tidak sama dengan selisih kecantikan antara Desi dan Ika meskipun keduanya
mempunyai selisih yang sama (1). Skala kecantikan pada (a) dapat diganti dengan
skala kecantikan (b) tanpa mempengaruhi hasil penelitian.
Skala nominal dan skala ordinal
biasanya mempergunakan analisis statistik non parametrik, contoh: Korelasi
Kendall, Korelasi Rank Spearman, Chi Square dan lain-lain.
3. Skala interval
Skala pengukuran yang mempunyai
selisih sama antara satu pengukuran dengan pengukuran yang lain, tetapi tidak
memiliki nilai nol mutlak. Contoh:
Data
|
Nilai Mata Kuliah (a)
|
Skor Nilai Mata Kuliah (b)
|
Yuni
|
A
|
4
|
Desi
|
B
|
3
|
Ika
|
C
|
2
|
Astuti
|
D
|
1
|
Tabel di atas menunjukkan bahwa
nilai A setara dengan 4, B setara dengan 3, C setara dengan 2 dan D setara
dengan 1. Selisih antara nilai A dan B adalah sama dengan selisih antara B dan
C dan juga sama persis dengan selisih antara nilai C dan D. Akan tetapi, tidak
boleh dikatakan bahwa Yuni adalah empat kali lebih pintar dibandingkan Astuti,
atau Ika dua kali lebih pintas dari pada Astuti. Meskipun selisihnya sama,
tetapi tidak mempunyai nilai nol mutlak.
4. Skala rasio
Adalah skala pengukuran yang paling
tinggi di mana selisih tiap pengukuran adalah sama dan mempunyai nilai nol
mutlak. Contoh:
Data
|
Tinggi Badan
|
Berat badan
|
Yuni
|
170
|
60
|
Desi
|
160
|
50
|
Ika
|
150
|
40
|
Astuti
|
140
|
30
|
Tabel di atas adalah menggunakan
skala rasio, artinya setiap satuan pengukuran mempunyai satuan yang sama dan
mampu mencerminkan kelipatan antara satu pengukuran dengan pengukuran yang
lain. Sebagai contoh; Yuni mempunyai berat badan dua kali lipat berat Astuti,
atau, Desi mempunyai tinggi 14,29% lebih tinggi dari pada Astuti.
D. Sampel dan Populasi
1.
Populasi
Populasi merupakan keseluruhan (universum) dari objek penelitian yang menjadi
pusat perhatian dan menjadi sumber data penelitian. Objek
penelitian dapat berupa manusia, hewan, tumbuh-tumbuhan, gejala, nilai,
peristiwa, sikap hidup, dan sebagainya. Apabila kita lihat
definisi tersebut, pengertian populasi bisa sangat beragam sehingga kita harus
mendefinisikan populasi tersebut dengan jelas dan tepat. Dilain pihak, sampel
yang merupakan pewakil dari populasi harus dapat menggambarkan karakteristik
populasi tersebut karena sampel digunakan untuk menggeneralisasi suatu
populasi. Dengan demikian, sampel harus betul-betul bersifat representatif
sehingga dapat mewakili dan mencerminkan karakteristik populasi dari mana
sampel itu diambil.
Berikut ini adalah contoh suatu populasi:
·
Populasi Mahasiswa Universitas Padjadjaran (Unpad)
·
Populasi Mahasiswa Fakultas Pertanian (Faperta)
·
Populasi Mahasiswa Agroteknologi, Faperta, Unpad
·
Populasi Mahasiswa Agroteknologi Angkatan 2009, Faperta,
Unpad
·
Populasi Mahasiswa Agroteknologi Kelas A, Angkatan
2009, Faperta, Unpad
Apabila
kita perhatikan contoh populasi di atas, pengertian populasi di sana bersifat
relatif, pendefinisiannya tergantung dari si Peneliti, apakah dia ingin
mengetahui Populasi Mahasiswa Unpad secara keseluruhan ataukah hanya tertarik
pada populasi mahasiswa Agroteknologi angkatan 2009 saja.
Kita
harus hati-hati dalam mendefinisikan suatu populasi. Populasi harus
didefinisikan dengan jelas dan tepat. Misalnya, kita ingin mengetahui rata-rata
nilai IPK mahasiswa Unpad. Berarti parameter/sifat/ciri yang ingin diketahui
adalah rata-rata nilai IPK mahasiswa
dan obyek yang ditelitinya adalah Mahasiswa
Unpad. Jika kita merumuskan populasi seperti ini, rumusannya sudah jelas
tapi belum tepat. Jelas maksudnya: (1) parameter yang ingin diteliti sudah
jelas, yaitu Nilai IPK mahasiswa Unpad dan bukan parameter lain, seperti
tinggi, nilai IQ dan sebagainya (2) populasinya hanya mahasiswa Unpad bukan
nilai IPK mahasiswa dari universitas lain. Belum tepat maksudnya, apabila kita
berbicara tentang mahasiswa Unpad cakupannya cukup luas. Apakah kita akan
mendata nilai IPK semua mahasiswa Unpad dari semua angkatan, baik yang masih
aktif, non aktif, meninggal, DO, maupun yang sudah lulus?
Dengan
demikian, batasan ruang lingkup dari populasi yang akan diteliti harus
didefinisikan dengan jelas dan tepat, karena semua kesimpulan yang nantinya
akan diperoleh dari hasil penarikan contoh (sampel) hanya berlaku untuk
populasi yang dimaksud, bukan untuk populasi yang berada diluar batasan ruang
lingkup yang diberikan.
Perhatikan
pendefinisian populasi berikut:
"Populasi dalam penelitian ini
adalah Mahasiswa Agroteknologi Angkatan 2009, Faperta Unpad, yang masih
aktif"
Pendefinisian populasi seperti ini
sudah jelas batas ruang lingkupnya, sehingga kesimpulan apapun yang diberikan
terhadap suatu sampel yang diambil dari populasi tersebut hanya berlaku untuk
populasi yang dibatasi oleh Mahasiswa Agroteknologi Angkatan 2009, Faperta,
Unpad, yang masih aktif kuliah dan tidak berlaku untuk mahasiswa lainnya yang
berada diluar ruang lingkup tersebut. Jadi hanya menggambarkan keadaan
rata-rata nilai IPK mahasiswa pada ruang lingkup tersebut.
Populasi dapat
dibagi berdasarkan keadaan (kompleksitasnya) dan berdasarkan ukurannya. Menurut
keadaannya populasi dapat dibagi menjadi dua bagian yaitu Populasi Homogen, dan Populasi Heterogen. Berdasarkan
ukurannya, populasi juga dibagi menjadi dua bagian yaitu Populasi Terhingga dan Populasi Tak Terhingga.
a. Populasi
berdasarkan keadaannya:
Ø homogen apabila unsur-unsur dari
populasi yang diteliti memiliki sifat-sifat yang relatif seragam satu sama
lainnya. Karakteristik seperti ini banyak ditemukan di bidang eksakta, misalnya
air, larutan, dsb. Apabila kita ingin mengetahui manis tidaknya secangkir kopi,
cukup dengan mencoba setetes cairan kopi tersebut. Setetes cairan kopi sudah
bisa mewakili kadar gula dari secangkir kopi tersebut.
Ø Populasi Heterogen: populasi
dikatakan heterogen apabila unsur-unsur dari populasi yang diteliti memiliki
sifat-sifat yang relatif berbeda satu sama lainnya. Karakteristik seperti ini
banyak ditemukan dalam penelitian sosial dan perilaku, yang objeknya manusia
atau gejala-gejala dalam kehidupan manusia yang bersifat unik dan kompleks.
Misalnya, apabila kita ingin mengetahui rata-rata IQ mahasiswa Unpad angkatan
2009 (berarti rata-rata dari semua Fakultas). Jelas, rata-rata IQ mahasiswa
antar Fakultas kemungkinan besar bervariasi, IQ mahasiswa Fakultas Kedokteran
relatif lebih tinggi dibanding dengan rata-rata IQ mahasiswa Fakultas lainnya,
sehingga kita bisa mengatakan bahwa populasi tersebut keadaannya heterogen.
Untuk mengatasi populasi yang heterogen dalam melakukan penelitian, perlu
adanya pengelompokan berdasarkan karakteristiknya, sehingga dari populasi yang
ada digrupkan dalam beberapa kelompok, yang nantinya kelompok-kelompok tersebut
akan hogomen dalam kelompoknya, tetapi kelompok-kelompok tersebut sangat
heterogen diantara kelompkonya. Pada pemisalan sebelumnya, kelompok identik
dengan Fakultas.
b.
Populasi berdasarkan ukurannya:
Ø Populasi terhingga: Populasi
dikatakan terhingga bilamana
anggota populasi dapat diperkirakan atau diketahui secara pasti jumlahnya,
dengan kata lain, jelas batas-batasnya secara kuantitatif, misalnya:
·
Banyaknya Mahasiswa Agroteknologi Kelas A, Angkatan
2009, Faperta, Unpad
·
Tinggi penduduk yang ada di kota tertentu
·
Panjang ikan di sebuah danau
Ø Populasi tak hingga: populasi
dikatakan tak hingga bilamana
anggota populasinya tidak dapat diperkirakan atau tidak dapat diketahui
jumlahnya, dengan kata lain, batas-batasnya tidak dapat ditentukan secara
kuantitatif, misalnya:
·
Air di lautan
·
Banyaknya pasir yang ada di Pantai Pangandaran.
·
Banyaknya anak yang menderita kekurangan gizi
·
Kedalaman suatu danau yang diukur dari berbagai titik
Namun
demikian, dalam praktek kehidupan sehari-hari banyak kita jumpai adanya
populasi terhingga dianggap
sebagai populasi tak terhingga
dan hal seperti ini dibenarkan secara statistika, misalnya banyaknya orang
Indonesia yang merokok, banyaknya penduduk Indonesia sekarang, dan sebagainya.
2.
Sampel
Sampel merupakan bagian dari populasi yang dipilih dengan menggunakan
aturan-aturan tertentu, yang digunakan untuk mengumpulkan informasi/data yang
menggambarkan sifat atau ciri yang dimiliki populasi.
Dalam
statistik inferensial, kita ingin mengetahui gambaran karakteristik tertentu
dari suatu populasi, namun terkadang hal tersebut terkadang tidak mungkin dan
tidak praktis untuk mengamati seluruh obyek/individu yang menyusun suatu
populasi. Pedagang eceran beras hanya meneliti segenggam beras untuk menentukan
kualitas sekarang beras. Pedagang emas hanya meneliti bekas gosokan dari perhiasan
tersebut untuk menentukan kualitas emas perhiasan tersebut. Peneliti lingkungan
hanya meneliti beberapa milliliter air untuk menentukan kualitas air pada suatu
sungai atau danau. Pertanyaannya, mengapa tidak meneliti secara keseluruhan,
bukankah hasilnya akan lebih baik dan lebih tepat?
Mengingat
seorang peneliti dalam melakukan penelitian penuh dengan keterbatasan baik dari
segi biaya, waktu, dan lain sebagainya maka penelitian yang dilakukan untuk
mengumpulkan informasi atau data yang diinginkan sesuai dengan permasalah yang
diteliti ditempuh dengan mengambil sebagian dari populasi, dengan
mempertimbangkan ketebatasan yang ada dari peneliti. Bagian dari populasi
tersebut sebagai tempat untuk mengumpulkan informasi dinamakan contoh (sampel).
Dengan
demikian, sampel merupakan bagian dari populasi yang dipilih dengan menggunakan
aturan-aturan tertentu, yang digunakan untuk mengumpulkan informasi/data
yang menggambarkan sifat atau ciri yang
dimiliki populasi.
Dari
definisi tersebut jelas bahwa sampel yang kita ambil digunakan untuk
menggambarkan karakteristik suatu populasi, atau dengan kata lain, sampel
digunakan untuk menggeneralisasi suatu populasi. Dengan demikian, sampel harus
betul-betul bersifat representatif sehingga dapat mewakili dan mencerminkan
karakteristik populasi dari mana sampel itu diambil.
Perhatikan
gambaran sampel representatif pada gambar di bawah ini. Area yang berwarna
lebih muda menggambarkan konsentrasi/nilai rendah dan yang berwarna tua
menggabarkan konsentrasi/nilai yang tinggi. Sampel yang refresentatif harus
bisa mewakili nilai dari populasi sehingga peluang terambilnya warna muda,
menengah, atau warna tua harus sama atau proporsional.
Seorang
peneliti, jarang mengamati keseluruhan populasi karena dua alasan:
·
Biaya terlalu tinggi dan
·
Populasi bersifat dinamis, yaitu unsur-unsur populasi
bisa berubah dari waktu ke waktu.
Ada tiga keuntungan utama
pengambilan sampel:
·
Biaya lebih rendah,
·
Pengumpulan data lebih cepat, dan
·
Hal ini mungkin untuk memastikan keseragaman dan untuk
meningkatkan akurasi dan kualitas data karena kumpulan data lebih kecil .
Jenis-Jenis sampel
Dalam
proses pemilihan sampel ada dua faktor penentu yang berperan yaitu:
·
Ada atau tidak adanya faktor pengacakan, dan
·
Peran orang yang memilih (mengambil) sampel tersebut.
Pada
proses pengambilan sampel dengan menggunakan faktor pengacakan didalamnya
termasuk unsur-unsur peluang, sedangkan peran dari orang pemilih sampel dapat
bersifat obyektif dan dapat pula bersifat subyektif.
Sifat obyektif dalam
memilih sampel adalah suatu cara pemilihan sampel yang menggunakan metode
tertentu yang jelas, sehingga penarikan sampel tersebut bila dilakukan oleh
orang lain akan diperoleh hasil yang tidak jauh berbeda dari penarikan sampel
sebelumnya, dalam menduga sifat atau ciri populasinya. Jadi dengan pengambilan
sampel dengan menggunakan metode tertentu dan jelas, akan diperoleh sampel yang
konsisten, artinya bila pengambilan sampel dilakukan secar berulang-ulang
terhadap populasi yang sama hasilnya tetap terkendali dalam arti tetap
menggambarkan sifat atau ciri dari populasinya, walaupun hasilnya tidak persis
sama antara yang satu dengan yang lainnya.
Sifat subyektif dalam memilih
sampel adalah suatu pemilihan sampel dengan melibatkan pertimbangan pribadi
dari pengambil sampel untuk mengambil sampel yang baik menurut versinya sendiri
(versi peneliti). Dengan demikian sampel yang diperoleh merupakan sampel yang
berbias, apalagi orang yang memilih cotnoh sampel mempunyai latar belakang yang
kurang terhadap konsep statistika khususnya konsep tentang teori penarikan
sampel.
BAB III
PENUTUP
A.
Kesimpulan
Parameter
adalah bilangan nyata yang menyatakan sebuah karakteristik dari sebuah
populasi, contohnya mean populasi, varians populasi dan simpangan baku. Statistik adalah bilangan nyata yang
menyatakan sebuah karakteristik dari sebuah sampel, contohnya mean/rata-rata
sampel, varians sampel, simpangan baku sampel.
Data kontinu yaitu data
yang didapat dari hasil pengukuran. Data hasil pengukuran diperoleh dari tes, kuesioner
ataupun alat ukur lain yang sudah terstandar misalnya timbangan, panjang
ataupun data psikologis yang lain. Data
diskrit yaitu data data yang tidak dikonsepsikan adanya nulai-nilai di
antara data (bilangan) lain yang terdekat contoh banyaknya jumlah anak di suatu
keluarga, jumlah rumah di suatu kampung.
Skala Pengukuran
Statistik ada 4 macam skala pengukuran yaitu: skala nominal, skala ordinal, skala interval dan skala rasio. Keterangan: Kode 1
sampai dengan 4 semata-mata hanyalah
untuk memberi tanda saja, dan tidak dapat dipergunakan sebagai perbandingan
antara satu data dengan data yang lain.
Populasi merupakan
keseluruhan (universum) dari objek penelitian yang menjadi pusat perhatian dan
menjadi sumber data penelitian. Sampel merupakan
bagian dari populasi yang dipilih dengan menggunakan aturan-aturan tertentu,
yang digunakan untuk mengumpulkan informasi/data yang menggambarkan sifat atau
ciri yang dimiliki populasi.
B. Saran
Demikian
yang dapat saya paparkan mengenai materi ilmu statistik yang menjadi pokok
bahasan dalam makalah ini, tentunya masih banyak kelemahan dan kekurangan.
Karena terbatasnya pengetahuan dan kurangnya rujukan atas referensi yang ada
hubungannya dengan judul makalah ini. Penulis banyak berharap para pembaca yang
memberikan kritik dan saran yang membangun kepada penyusun demi sempurnanya
makalah ini dan penulisan makalah di kesempatan-kesempatan berikutnya. Semoga
makalah ini berguna bagi penulis khususnya juga para pembaca yang budiman pada
umumnya di fakultas Teknik.
DAFTAR
PUSTAKA
https://www.tipsbelajarmatematika.com/2018/04/tentang-variabel-diskrit-dan-variabel.html?m=1
Tidak ada komentar:
Posting Komentar