Statistics Forum

Basic Statistics, Experimental Design (ANOVA), Linear Regression, Correlation, Non parametric Statistics, Parametric Statistics, Statistics in our lifesOctober 21, 2008 11:01 am

Dalam kehidupan sehari-hari, sering kita dihadapkan pada situasi akibat adanya kenaikan maupun penurunan. Misal kenaikan BBM, harga Sembako, jumlah pemudik, penurunan nilai tukar rupiah, daya beli masyarakat dan lain-lain.
Pemerintah juga sering menyampaikan bahwa kenaikan atau penurunan yang terjadi tidak signifikan.

Untuk menyatakan ada kenaikan atau penurunan haruslah didasarkan pada data yang ada dan untuk bisa menjawab atau menyatakan itu semua harus didasarkan pada prosedur yang obyektif.
Pengujian secara statistik dapat digunakan sebagai alat untuk menilai keadaan tersebut.
Hal ini perlu dilakukan untuk menghindari penarikan kesimpulan terlalu dini.

Proses pengujian statistik bertumpu pada hipotesis (dugaan) awal. Sudah barang tentu hipotesis tersebut akan dismpulkan berdasarkan data yang dikumpulkan, yaitu hipotesis didukung oleh data atau tidak didukung data.

Pendekatan formal dalam pengujian secara statistik adalah diawali dengan perumusan masalah, penyusunan hipotesis awal, pengamatan terhadap populasi sasaran dan menghitung statistik-uji serta diakhiri dengan menetapkan hipotesis awal didukung oleh data atau tidak.
Nilai-nilai statistik yang memenuhi kriteria untuk menolah hipotesis awal disebut daerah kritis dari pengujian hipotesis awal.

Telah banyak ditulis dalam buku-buku teks statistik bahwa ada dua kesalahan yang mungkin terjadi pada pengujian hipotesis, yaitu kesalahan tipe I (α) dan kesalahan tipe II (β). Pada pengujian hipotesis lebih mudah mendapatkan nilai α dibandingkan dengan mendapatkan nilai β.

Dengan berdasarkan nilai α inilah baru disusun prosedur untuk mendapatkan nilai β. Karena untuk mendapatkan nilai β prosedurnya agak panjang sehingga kurang mendapatkan perhatian.

Padahal nilai β berhubungan dengan sensitivitas atau kekuatan pengujian dari hipotesis yang diajukan. Alangkah indahnya bila dalam pengujian hipotesis juga melihat berapa nilai β disamping nilai α.

Sebagian besar pengguna statistik jarang merinci nilai hipotesis tandingan apalagi memperhitungkan nilai β.

Dalam kajian-kajian ilmiah sering ditemukan suatu kesimpulan yaitu tidak ada atau ada perbedaan yang nyata (signifikan) antara dua rata-rata atau perlakuan, akan tetapi tidak ada penjelasan lebih lanjut tentang makna dari kesimpulan tersebut dan tindakan yang harus dilakukan atau disarankan.

Penentuan nilai α berdasarkan hipotesis awal adalah merupakan nilai peluang hipotesis awal adalah benar, sedangkan nilai β berfungsi sebagai alat untuk melihat arah dari penolakan hipotesis awal.

Ada tidaknya perbedaan secara nyata (signifikan) dari suatu hipotesis menunjukkan seberapa kuat petunjuk atau kecenderungan yang diperoleh dari pengamatan untuk melemahkan hipotesis awal. Oleh karenanya, hasil pengujian yang mempunyai daerah kritis dengan peluang 1% lebih kuat disbanding daerah kritis yng mempunyai peluang 5%.

Apabila pada suatu pengujian hipotesis menunjukkan adanya perbedaan yang nyata secara statistic (menurut prosedur statistic) tidak lain dan tidak bukan adalah petunjuk untuk menolak hipotesis awal yang diajukan.

Hal yang sering terjadi adalah salah penafsiran dari kata ada beda nyata, yaitu menafsirkan ada perbedaan secara harafiah (sesungguhnya/nyata), padahal ada beda disini harus diartikan sebagai peluang munculnya kejadian atau resiko melakukan kesalahan dalam penarikan kesimpulan.

 

Ditulis Oleh: Dr. Brodjol Sutijo Suprih Ulama MS   
Wednesday, 10 September 2008

Basic Statistics, Non parametric Statistics, Parametric StatisticsOctober 18, 2008 9:18 am

1. Descriptif Statistics

Descriptif Statistics is statistics that used data to a group to explain or decide a conclusion about the group.
- Location size : mode, mean, median, dll
- Variability size: varians, standard deviation, range, dll
- Form Size: skewness, qurtosis, boxplot

2. Inferential Statistics

Inferential Statistics is statistics that used data from a sample to decide a conclusion about the population from where this sample was taken

Others Classification

Parametrics Statistics
- Use assumption concerned to population
- Need quantitatif measurement with ratio or interval data level

Non-Parametrics Statistics(distribution-free
statistics for use with nominal / ordinal data)

- Used fewer assumptions about population (or even without assumptions)
- Used ordinal data (some of methods used nominal data)