RSS

PERTEMUAN PERTAMA

19 Mar

Pertemuan 1
PENDAHULUAN

Setelah mempelajari bab ini, Anda diharapkan mampu:
• Menjelaskan arti dari data, statistik, dan statistika.
• Menjelaskan syarat-syarat data yang baik.
• Menjelaskan jenis-jenis data dan jenis-jenis statistik.
• Menguraikan peranan statistik dalam kehidupan sehari-sehari.
Dalam kehidupan dan pekerjaan sehari-hari kita sering dihadapkan pada berbagai persoalan yang menuntut penyelesaian secara tepat dan akurat. Penyelesaian yang dalam hal tertentu dapat disamakan artinya dengan pembuatan keputusan tersebut dapat dilakukan secara tepat dan akurat jika kita memiliki informasi yang cukup tentang persoalan yang akan diputuskan dan analisis informasi tersebut secara tepat pula. Jadi untuk dapat membuat keputusan secara tepat, terlebih dahulu dibutuhkan informasi dan analisis terhadap informasi tersebut yang keduanya harus juga diperoleh dan dilakukan secara tepat pula. Untuk keperluan inilah statistik dibutuhkan dan karenanya menjadi sangat penting.

Arti Dan Kegunaan Data
Informasi yang di dapat dari observasi / pengumpulan data dengan metode tertentu menghasilkan apa yang disebut dengan data, data dapat bersifat kuantitatif dan bersifat kualitatif. Informasi kuantitatif berupa angka-angka, sedangkan informasi yang bersifat kualitatif berbentuk selain angka-angka. Analisis terhadap jenis informasi tersebut tidak sama karena keduanya menuntut cara-carayang sesuai dengan keadaan informasi yang bersangkutan.Statistik dibutuhkan untuk menganalisis dan mengolah informasi yang bersifat kuantitatif. Statistik dibutuhkan karena data kuantitatif secara sendiri, apa adanya, dan masih bertumbuh, berapa pun jumlahnya, pada umumnya belum memberikan informasi secara bermakna dan komunikatif sebagaimana yang dibutuhkan pihak pengambil keputusan.
Agar data-data itu menjadi bermakna dan komunikatif, diperlukan jasa statistik untuk menggarapnya sehingga data-data tersebut berubah menjadi bermakna dan komunikatif, dan sekaligus dijamin keakuratannya. Menurut Webster’s New World Dictionary, data berarti sesuatu yang diketahui atau dianggap. Dengan demikian, data dapat memberikan gambaran tentang suatu keadaan atau persoalan. Data tentang sesuatu pada umumnya dikaitkan dengan tempat dan waktu. Misalnya, harga komputer yang berkualitas prima di LIPPO Karawaci, Tangerang, pada tanggal 12 Desember 2009 adalah Rp.3 500.000,- per unit. Penyebutan tempat dan waktu ini sangat penting, sebab selain data itu akan berubah-ubah dari waktu ke waktu, data juga berbeda-beda menurut tempat.
Untuk memperoleh gambaran tentang keadaan social dan ekonomi, pemerintah harus mengumpulkan data mengenai kegiatan ekonomi (produksi, perdagangan, konsumsi, pendapatan, harga, dan lain-lain) dan kegiatan sosial (pendidikan, kesehatan, kebudayaan, dan lain-lain). Badan Pusat Statistik (BPS), mengeluarkan publikasi indikator sosial dan indikator ekonomi yang dapat memberikan gambaran tentang keadaan sosial dan ekonomi kepada masyarakat. Dengan data ini kita dapat mengetahui persoalan sosial dan ekonomi, Apabila dilakukan analisis-analisis terhadap data tersebut misalnya apakah jumlah produksi padi bisa mencukupi kebutuhan penduduk atau masih perlu impor; apakah volume ekspor meningkat atau menurun; apakah penggunaan pupuk efektif, dan lain-lain.
Agar dapat mengetahui perkembangan usahanya, suatu perusahaan, baik yang memproduksi barang maupun yang menjual jasa, harus mengumpulkan data, misalnya data produksi, data hasil penjualan, data personalia, data keuangan (berapa jumlah yang harus dibayar), data peralatan, data mengenai persentase pelanggan yang tidak puas, dan lain sebagainya. Selain itu untuk mengetahui perkembangan jumlah mahasiswa Perguruan Tinggi Raharja, baik secara kuantitatif maupun kualitatif, segenap komponen organisasi harus mengetahui data dari masing-masing divisi yang dipimpinnya.
Sesuatu yang dianggap juga merupakan data walaupun data seperti itu belum tentu benar, sebab masih merupakan suatu hipotesis yang perlu diuji terlebih dahulu. Di dalam praktek banyak sekali anggapan atau asumsi yang dipergunakan sebagai dasar pembuatan keputusan. Misalnya, karena pemerintah menganggap persediaan beras cukup (hasil produksi padi meningkat), maka diputuskan untuk tidak mengimpor beras; karena menurut anggapan kenaikan harga minyak tidak mempengaruhi harga makanan, maka harga minyak dinaikkan; karena penurunan tarif pajak dianggap dapat meningkatkan penerimaan pajak; maka tarif pajak diturunkan; karena penurunan bunga tabungan deposito tidak mengurangi jumlah penabung, maka bunga deposito diturunkan, dan lain sebagainya. Oleh karena suatu anggapan (pendapat atau asumsi) belum tentu benar, bisa saja salah. Oleh karena itu, anggapan yang masih merupakan hipotesis harus diuji terlebih dahulu.
Kegunaan data pada dasarnya adalah untuk membuat keputusan oleh para pembuat keputusan (decision makers). Siapa saja yang membuat keputusan disebut decision makers. Namun dalam prakteknya, yang dimaksud sebagai decision makers biasanya adalah pimpinan. Data dapat berguna, bila dikaitkan dengan masalah manajemen, sebagai:

a. Dasar suatu perencanaan agar perencanaan sesuai dengan kemampuan yang ada, sehingga dapat dicegah perencanaan yang ambisius dan susah dilaksanakan. Kemampuan yang dimaksud ialah kemampuan personil, kemampuan pembiayaan (keuangan), serta kemampuan material.
b. Alat pengendalian terhadap pelaksanaan atau implementasi perencanaan tersebut agar bisa diketahui dengan segera kesalahan atau penyimpangan yang terjadi sehingga dapat segera dilakukan perbaikan atau koreksi.
c. Dasar evaluasi hasil kerja akhir. Apakah hasil kerja yang telah ditargetkan bisa dicapai 100%, 90%, atau kurang dari itu? Kalau target tidak tercapai, faktor-faktor apa yang menyebabkannya? Untuk ini semua diperlukan data.

Kebutuhan Terhadap Statistik
Pada awal bab ini mungkin muncul pernyataan: “Ah, Anda barangkali menerima kenyataan bahwa pemahaman alat statistik perlu di dunia modern ini”. Mungkin pernyataan tersebut belum waktunya; mungkin Anda sama sekali tidak mau menerima kenyataan tersebut. Jadi dalam hal ini statistic berfungsi membantu kita dan pihak-pihak yang membutuhkan agar dapat membuat kesimpulan yang tepat, akurat, dapat dipertanggungjawabkan secara ilmiah. Dengan demikian, statistik dapat dipandang sebagai alat, cara, sarana, yaitu alat yang digunakan untuk menyelesaikan dan menafsirkan data secara bertanggungjawab, sehingga kesimpulan dan atau keputusan yang dibuat, yang mungkin sekali mempunyai dampak yang tidak kecil, juga merupakan kesimpulan dan keputusan yang dapat dipertanggungjawabkan.
Namun kesemuanya itu hanya akan terjadi jika data yang diolah dengan teknik statistik tersebut juga akurat, dalam arti mencerminkan keadaan subjek pemilik data paling tidak mendekati keadaan yang sebenarnya. Ketidakakuratan data akan berarti ketidakakuratan hasil olahan statistic, dan hal itu bukan menjadi tanggungjawab teknik statistik yang digunakan untuk mengolahnya. Namun demikian, teknik statistik akan mempersoalkan dan sekaligus menuntut pertanggungjawaban keakuratan data yang akan diolahnya. Dengan kata lain, sebelum diolah dengan teknik statistik tertentu, haruslah ada informasi tentang pertanggungjawaban pemerolehan data yang bersangkutan. Kesemuanya itu menjadi lebih penting lagi untuk mendapat perhatian jika pemanfaatan statistik adalah dalam rangkaian kegiatan penelitian, walaupun jasa statistik tidak terbatas hanya untuk menggarap data hasil penelitian. Bagaimanapun juga, merupakan suatu fakta bahwa Anda membutuhkan statistik untuk membantu Anda (1) menjabarkan dan memahami suatu hubungan, (2) mengambil keputusan yang lebih baik, dan (3) menangani perubahan.
Penjabaran Hubungan Antar Variabel
Jumlah kuantitatif yang dikumpulkan, diolah, dan disajikan kepada umum serta para pengambil keputusan dalam suatu organisasi untuk tujuan tertentu telah meningkat dengan sangat cepat. Karena itu, diperlukan suatu kemampuan untuk menyaring jumlah yang begitu besar agar kita dapat mengidentifikasi dan menjabarkan hubungan antar variabel yang kadang-kadang terselubung, tetapi seringkali sangat penting dalam pengambilan keputusan. Contoh berikut mengilustrasikan kebutuhan analisis statistik untuk memahami hubungan-hubungan tersebut:

1. Seorang wiraswasta, dengan mengumpulkan data pendapatan dan biaya, dapat membandingkan hasil pengambilan atas investasi (return on investment) dalam suatu periode dengan data dari periode-periode sebelumnya. (Sejumlah keputusan mungkin sangat tergantung pada hasil perbandingan ukuran tersebut.)
2. Seorang petugas pemerintah atau kesehatan masyarakat dapat menghasilkan kesimpulan mengenai hubungan antara merokok dan/atau tingkat kegemukan dan sejumlah penyakit dengan menerapkan teknik statistik pada sejumlah data masukan. (Kesimpulan ini dapat membawa pada keputusan yang mempengaruhi jutaan manusia.)
3. Seorang peneliti pemasaran dapat menggunakan prosedur statistik untuk menjabarkan hubungan antara permintaan suatu produk dengan sejumlah karakteristik seperti pendapatan, ukuran keluarga dan komposisinya, usia, dan latar belakang etnik konsumen suatu produk. Berdasarkan hubungan ini, kegiatan periklanan dan distribusi dapat diarahkan pada kelompok-kelompok yang mewakili pasar yang paling menguntungkan.

Alat Bantu Dalam Mengambil Keputusan
Seorang administrator dapat menggukana statistik sebagai alat bantu untuk menghasilkan keputusan yang lebih baik dalam ketidakpastian. Perhatikan contoh-contoh berikut:

1. Misalkan Anda seorang manajer pembelian dari suatu pabrik pengolahan makanan besar mengemas ayam goreng beku. Anda bertanggung jawab atas pembelian 100.000 ekor ayam potong yang sudah dibului. Standar yang ditentukan menyebutkan bahwa berat rata-rata ayam dalam suatu pengiriman harus 1 kg. (Ayam yang melebihi berat tersebut cenderung liar; ayam yang lebih ringan terlalu kurus.) Truk pemasok akan dibongkar asalkan standar berat dan kualitasnya dipenuhi. Tenaga penjual pemasok menyakinkan Anda bahwa barangnya akan memenuhi standar Anda. Apakah Anda akan menerima muatan dalam truk berdasarkan pernyataan tadi? Mungkin sekali tidak. Tetapi Anda dapat menggunakan teknik inferensi statistik untuk memilih sampel yang tepat, katakanlah 100 ekor dari populasi sebanyak 100.000 ekor ayam. Kemudian Anda dapat menimbang setiap sampel dan menghitung berat rata-rata 100 ekor ayam tersebut. Dengan informasi ini, Anda dapat mengambil keputusan yang lebih baik mengenai akan diterima atau tidaknya muatan tersebut.

2. Misalkan lagi Anda seorang manajer produksi suatu pabrik yang menghasilkan peluru senapan. Diketahui bahwa akan terdapat variasi-variasi tertentu pada peluru yang dihasilkan misalnya, akan ada beberapa variasi dalam pola dan kecepatan tembak tetapi variasi-variasi ini dapat ditoleransi selama mereka tidak melebihi batas tertentu lebih dari 1 persen per satu kali. Dengan menggunakan rencana sampling yang dapat diandalkan mengenai kualitas produksi yang berjalan. Kesimpulan atau penemuan Anda akan didasari pada pengujian penembakan sejumlah kecil peluru yang dipilih secara acak dari hasil produksi.

3. Akhirnya, misalkan manajer Perusahaan Kosmetika “Selalu Cakep”, Agus Santosa, mengiklankan bahwa 90 persen konsumen perusahaan puas dengan produk perusahaannya. Jika Ibu Ruli Supriati, seorang aktivis politik, merasa bahwa pernyataan ini berlebihan dan perlu ditindak secara hukum, ia dapat menggunakan teknik penyimpulan statistik untuk memutuskan apakah akan mengajukan tuntutan terhadap Pak Agus Santosa atau tidak.
Pada contoh pertama di atas, Anda dapat menimbang berat 100.000 ekor ayam untuk menentukanberat rata-rata. Tetapi pendekatan semacam ini mahal dan memakan waktu. Pada contoh kedua, Anda dapat menentukan kualitas produk dengan menguji seluruh peluru yang dihasilkan, tetapi karena pengujian semacam ini merusak, tidak ada lagi yang tertinggal untuk dijual. (Dalam kedua contoh tadi, Anda tentu saja menerima informasi statistik yang dapat membatu Anda menghasilkan keputusan yang lebih baik.) Dan pada contoh ketiga, Ibu Ruli Supriati dapat menguji pernyataan Agus Santosa sebelum memutuskan untuk mengambil tindakan hukum atau tidak (dengan kemungkinan tuntutan balasan jika ternyata ia salah).
Menangani Perubahan
Merencanakan ialah memutuskan sebelumnya serangkaian tindakan di masa yang akan datang; oleh karena itu, perencanaan dan keputusan didasari oleh perkiraan tentang kejadian-kejadian dan/atau hubungan-hubungan di masa yang akan datang. Jadi, pada hakekatnya seseorang perlu melakukan proses atau teknik peramalan untuk memperoleh perkiraan tentang masa depan. Meskipun prosedur statistik jelas tidak akan memungkinkan kita meramal masa depan dengan tepat tanpa kesalahan, terdapat bantuan statistik yang bermanfaat seperti ditunjukkan pada contoh berikut, yang dapat membantu mengukur perubahan ini dan meningkatkan proses peramalan (forecasting):

1. Ahli statistik pemerintah pada waktu-waktu tertentu mengumpulkan data harga 400 jenis barang yang berbeda dari 50 daerah perkotaan untuk menghitung ikhtisar gambaran buluan – suatu angka indeks – yang mengukur keseluruhan perubahan tingkat harga antara periode sekarang dan beberapa periode yang lalu. Jadi, seorang pemimpin serikat buruh (atau Anda) dapat menggunakan informasi perubahan tingkat harga dalam menentukan daya beli rupiah sebagai bahan untuk melakukan negosiasi mengenai upah buruh yang baru.

1.Misalkan seorang manajer penjualan mempunyai data penjualan suatu lini produk yang berkembang selam 10 tahun. Jika, setelah mempelajari data deret berkala (time-series) ini, manajer penjualan berkeyakinan bahwa pola masa lalu yang diidentifikasi akan terus bertahan, ia dapat menyusun ramalan penjualan yang akan datang dengan menggunakan prosedur statistik untuk memproyeksikan pola masa lalu ke masa depan. Ia juga dapat mempercepat ramalannya dengan menghitungkan variasi musiman misalnya, penjualan yang lebih tinggi selama bulan Desember dibandingkan Februari.

1. Misalnya saja, seorang manajer personalia telah mencatat bahwa pelamar yang mempunyai nilai tinggi untuk tes ketangkasan manual cenderung berprestasi baik dalam perakitan suatu produk, sedangkan mereka yang lebih rendah nilainya cenderung kurang produktif. Dengan menerapkan teknik statistik yang dikenal sebagai analisis regresi, manajer itu dapat memperkirakan atau meramalkan bagaimana produktivitas seorang pelamar baru dalam pekerjaannya berdasarkan hasil tes.

Kalau Anda belum memperhatikan, suatu perbandingan (1) bagian di atas mengenai alasan perlunya pengetahuan statistik bagi Anda dengan 2) tujuan dan pengorganisasian modul ini yang dinyatakan sebelumnya akan memperlihatkan sejumlah kesamaan yang dapat diringkas sebagai berikut: Tujuan modul ini adalah untuk membantu Anda memahami hubungan-hubungan dengan lebih baik dan secara lebih efektif menangani kondisi perubahan lingkungan.
Metodologi Pemecahan Masalah Secara Statistik
Dalam sebagian besar situasi pemecahan masalah secara statistik, lebih tepat jika mengikuti tahapan yang lebih ilmiah. Beberapa langkah diikuti untuk menghasilkan jawaban yang rasional mengenai persoalan statistik, dan jika salah satu langkah diabaikan, maka hasil akhirnya mungkin tidak mampu menjelaskan, tidak tepat, atau mahal padahal sebetulnya tidak perlu mahal.

Langkah-langkah dasar dalam pemecahan masalah secara statistik adalah:

1. Mengidentifikasi masalah atau peluang. Manajer atau staf riset pertama-tama harus memahami dan mendefinisikan masalah atau peluang yang dihadapi secara tepat. Informasi kuantitatif yang bermanfaat dalam hal ini mencakup data yang menggariskan sifat dan luas permasalahan yang akan digarap. Misalnya, kurangnya produksi dan pesanan yang belum dipenuhi fakta tentang populasi perlu dipelajari dan juga dampak situasi terhadap sumber daya seperti personalia, material, dana dan waktu.

2. Mengumpulkan fakta yang tersedia. Data yang dikumpulkan harus benar, tepat waktu, selengkap mungkin, dan relevan terhadap permasalahan yang ditelaah. Sumber data dapat diklafisikasikan ke dalam kategori internal dan eksternal. Data bisnis dan ekonomi internal dapat ditemukan di bagian akuntansi, produksi serta pemasaran, dan juga di bagian lain dalam organisasi. Selain data dari asosiasi perdagangan, konsumen, dan pemasok (suplier), data eksternal dapat juga diperoleh dari (1) berita bisnis periodik seperti Business Week, Sales Management, Wall Street Journal, dan Indonesia Commercial News Letter; dan (2) publikasi badan-badan pemerintah seperti Data Sensus Penduduk, Sensus Bisnis, Hasil Survai Bisnis Saat ini, Abstrak Statistik Indonesia, Tinjauan Ketenagakerjaan, dan Buletin Bank Indonesia.

3. Mengumpulkan data orisinil yang baru. Dalam banyak hal, data yang diperlukan oleh analisis tidak tersedia dari sumber-sumber lain, sehingga tidak ada alternative bagi analis kecuali mengumpulkannya sendiri. Ada bermacam-macam metode untuk memperoleh data yang diinginkan, di mana yang umum adalah dengan menggunakan wawancara secara pribadi. Biasanya, pewawancara menanyakan responden dengan pertanyaan-pernyataan yang sudah disiapkan dan tertera pada formulir jadwal wawancara serta mencatat jawabannya pada ruang yang disediakan dalam formulir. Kadang-kadang, wawancara dapat dilakukan melalui telepon. (Cara ini biasanya lebih murah). Praktek pengumpulan data lain yang lebih umum adalah dengan kuesioner melalui pos. Sebagai aturan umum, pertanyaan harus dirancang sedemikian rupa sehingga jawban hanya dengan member tanda atau dengan kata-kata yang sedikit. Penggunaan kuesioner lebih murah daripada wawancara secara pribadi, tetapi persentase pengembalian data yang bisa dimanfaatkan biasanya rendah.

4. Mengklasifikasikan dan mengikhtisarkan data. Setelah data dikumpulkan, langkah selanjutnya adalah mengorganisasikan atau mengelompokkan data itu untuk tujuan penelaahan. Identifikasi jenis data dengan karakteristik serupa dan mengaturnya ke dalam kelompok atau kelas, disebut klasifikasi. Data produksi dapat diklasifikasikan, misalnya, berdasarkan produk yang dibuat, lokasi pabrik, atau proses produksi yang digunakan. Kadang-kadang klasifikasi dicapai dengan metode penyingkatan yang dipendekkan dan ditentukan sebelumnya, yang dikenal sebagai “coding” (penggunaan kode). Nomor kode dapat digunakan, misalnya untuk menunjuk orang (nomor kartu tanda penduduk, nomor penggajian), tempat (kode pos, nomor wilayah penjualan), dan benda (nomor suku cadang, nomor katalog).

5. Menyajikan data. Ikhtisar informasi dalam bentuk tabel, grafik, dan ukuran kuantitatif yang penting menyediakan sarana pemahaman masalah, membantu mengidentifikasi hubungan-hubungan, dan membantu para analis menyajikan serta mengkomunikasikan butir-butir penting kepada pihak-pihak yang berkepentingan.

6. Menganalisis data. Mereka yang memecahkan masalah harus menginterprestasikan hasil dari langkah-langkah sebelumnya, menggunakan ukuran deskriptif yang telah dihitung sebagai dasar untuk menarik kesimpulan secara statistik yang mungkin bernilai, dan menggunakan alat bantu statistik yang dapat membantu mencari kemungkinan rangkaian tindakan paling menarik. (Ketetapan alternative yang dipilih, tentu saja, ditentukan oleh keterampilan para pemecah masalah dan kualitas informasinya). Pengambil keputusan harus mempertimbangkan pilihan-pilihan atas dasar sasaran yang telah ditentukan agar menghasilkan satu rencana atau keputusan yang merupakan jawaban terbaik terhadap permasalahannya.
Kita telah melihat bahwa data yang ada dapat dikumpulkan dari sumber-sumber internal dan eksternal, dan data orisinil baru dapat diperoleh dari wawancara secara pribadi dan kuesioner melalui pos. Selanjutnya kita perlu membahas tentang metode penarikan data secara rinci. Akan tetapi, perlu diperhatikan bahwa semua data yang akan ditarik akan berupa hasil perhitungan atau hasil pengukuran oleh suatu instrument. Jumlah kotak surat untuk pelayanan pos di suatu wilayah geografis, misalnya, ditentukan dengan melakukan perhitungan, sedangkan instrument semacam speedometer mobil, pompa bensin, dan timbangan badan memberikan ukuran jarak perjalanan, literan bensin yang dipompa, dan berat badan setiap individu.
Data yang ditarik untuk analisis tidak meliputi pengamatan yang semuanya sama, karena kurang beralasan menelaah situasi semacam itu. Tetapi, data yang dihitung atau diukur untuk keperluan analisis akan memperlihatkan variasi nilai suatu variabel yaitu, karakteristik yang menunjukkan variasi. Suatu variabel dengan nilai yang dapat dihitung atau terbatas disebut variabel diskrit. (Jumlah anak per keluarga dalam suatu pengamatan merupakan contoh variabel diskrit).
Variabel dengan nilai tidak terbatas yang dapat diukur dan dicatat sampai suatu tingkat ketepatan yang diperlukan disebut variabel kontinu. Misalkan bahwa data telah diperoleh. Kita kemudian akan berlatih pada subjek mengenai bagaimana fakta tersebut diorganisasikan dengan cara yang bernilai. Data dalam penelitian kuantitatif adalah berupa angka-angka, dan data-data itu mempunyai jenis yang berbeda-beda.

Syarat Data Yang Baik
Data yang salah, apabila digunakan sebagai dasar bagi pembuatan keputusan, akan menghasilkan keputusan yang salah. Persyaratan data yang baik, antara lain, objektif, representative (mewakili), memiliki kesalahan baku yang kecil, tapat waktu, dan relevan.
Objektif. Data yang objektif berarti bahwa data harus sesuai dengan keadaan yang sebenarnya (as it is). Misalnya, produksi yang turun dilaporkan naik, ini tidak objektif, harga satu satuan barang Rp500,- dilaporkan Rp750,- walaupun ada kuitansi, tetap tidak objektif.
Representative (mewakili). Data yang harus mewakili objek yang diamati. Misalnya, jika laporan produksi padi dari suatu daerah hanya didasarkan atas hasil sawah-sawah yang subur saja, ini jelas tidak mewakili; laporan harga yang hanya didasarkan atas pasar-pasar yang murah saja juga tidak mewakili; laporan konsumsi susu hanya dari golongan orang kaya saja juga tidak mewakili.
Kesalahan baku (standard error) kecil. Suatu perkiraan (estimate) dikatakan baik (mempunyai tingkat ketelitian yang tinggi) apabila kesalahan bakunya kecil. Ketiga syarat tersebut di atas sering disebut syarat data yang dapat diandalkan (reliable). Sedangkan kedua syarat berikut lebih menunjukkan manfaat atau kegunaannya, yaitu:
Tepat waktu. Apabila data akan dipergunakan untuk melakukan pengendalian atau evaluasi, maka syarat tepat waktu ini penting sekali agar sempat dilakukan penyesuaian atau koreksi seperlunya kalau ada kesalahan atau penyimpangan yang terjadi di dalam implementasi suatu perencanaan.
Relevan. Data yang dikumpulkan harus ada hubungannya dengan masalah yang akan dipecahkan. Misalnya, pemerintah mengetahui faktor-faktor yang menyebabkan kemerosotan produksi padi selama beberapa tahun terakhir.

Jenis-Jenis Data
Statistik pada hakekatnya merupakan suatu cara untuk mengolah data yang berwujud angka-angka sehingga data itu mampu memberikan informasi secara lebih bermakna. Statistik hanyalah merupakan alat bantu, yaitu alat bantu untuk menafsirkan data dan kemudian untuk mengambil kesimpulan. Data merupakan sesuatu yang harus ada untuk dapat melakukan penghitungan statistik. Dengan cara bagaimana suatu kesimpulan itu didapatkan, lebih banyak akan ditentukan oleh keadaan data yang mendukungnya. Oleh karena itu data yang diperoleh dan akan diolah dengan teknik statistik harus dapat dipertanggungjawabkan. Hanya data yang mewakili informasi tentang subjek yang dapat dipertanggungjawabkan sebagai bahan pengambilan kesimpulan dan pengambilaan keputusan.

Untuk itu, cara pengumpulan data harus dilakukan secermat mungkin melalui perencanaan yang baik. Jika data itu diperoleh dengan mempergunakan instrument, maka instrument yang digunakan tersebut harus dapat dipertanggungjawabkan validitas dan reliabilitasnya. Oleh karena itu, jika instrumen pengumpul data itu dibuat sendiri oleh peneliti, ia harus telah mengalami uji coba yang baik dan kemudian diketahui kadar validitas dan reliabilitasnya tinggi. Jika pengumpulan data itu mempergunakan instrumen yang telah tersedia, instrumen itu harus telah diketahui dapat dipertanggungjawabkan dan mewakili informasi tentang hal yang diteliti.Jika data yang akan diolah itu berasal dari pihak lain, sebaiknya bagaimana data itu diperoleh dan dengan mempergunakan instrumen apa juga harus diinformasikan. Dengan demikian setelah diolah dengan statistik data itu mampu memberikan kesimpulan yang benar tentang subjek pemberi data yang akan dianalisis. Data dapat dikelompokkan, antara lain, menurut sifat, sumber, cara memperoleh, dan waktu pengumpulan.

Data menurut sifatnya. Data menurut sifatnya dibedakan menjadi dua yaitu data kualitatif dan data kuantitatif. Data kualitatif adalah data yang tidak berbentuk angka (nonnumeric) yang biasanya merupakan data verbal yang diperoleh dari pengamatan, wawancara, atau bahan tertulis.. Misalnya, produksi daging sapi meningkat, harga daging ayam mahal, penyaluran pupuk berjalan lancer, dan sebagainya. Data kuantitatif adalah data yang dinyatakan dalam bentuk angka. Misalnya, produksi padi meningkat 10 persen, harga daging sapi per kilogram rata-rata adalah Rp15.000,- sebanyak 99 persen pupuk telah disalurkan, penduduk Indonesia pada tahun 1999 adalah 200 juta , dan sebagainya.

Data kuantitatif dapat dibedakan ke dalam empat macam data yang mempunyai skala tertentu, yaitu (1) data nominal (nominal data), (2) data ordinal (ordinal data), (3) data interval (interval data), dan data (4) data rasio (ratio data).

Data nominal adalah angka yang berfungsi hanya sebagai pengganti nama atau sebutan suatu gejala. Skala ini disebut juga skala klasifikasi. Ia merupakan data angka-angka yang dipergunakan untuk mengklasifikasikan suatu benda, sifat, jenis, atau orang. Jadi angka-angka itu hanya merupakan lambing pengkategorikan tentang sesuatu yang dikategorikan. Kategorisasi dilakukan dengan membagi suatu golongan ke dalam sub-subgolongan tertentu. Namun setiap sub-golongan itu harus mempunyai hubungan kesamaan (ekuivalen) dalam hal atau sifat yang akan diukur, dan karenanya lambang yang diberikan pada setiap sub golongan itu dapat ditukar-tukar.

Misalnya, berdasarkan jenis kelamin manusia dapat dibedakan menjadi pria dan wanita, dapat diklasifikasikan ke dalam lambang-lambang angka, misalnya pria = 1, dan wanita = 2, atau sebaliknya: wanita = 1, dan pria = 2. Contoh lain misalnya, klasifikasi pekerjaan orang tua mahasiswa adalah pegawai negeri, TNI, karyawan perusahaan, dan petani. Keempat macam pekerjaan orang tua tersebut dapat dilambangkan ke dalam angka-angka, misalnya: pegawai negeri = 1, TNI = 2, karyawan perusahaan = 3, dan petani = 4. Karena lambang-lambang angka dalam data yang berskala nominal dapat saling dipertukarkan tanpa mengubah esensi informasi yang dikandung oleh tiap subkategori, jenis statistik yang cocok untuk menggarap data ini adalah statistik deskriptif. Penghitungan statistik itu antara lain dapat berupa penghitungan frekuensi pemunculan, persentase, modus, proporsi, dan lain-lain. Dalam kondisi tertentu, dapat juga digunakan untuk menguji hipotesis, misalnya yang berupa penghitungan Chi Kuadrat atau statistik nonparametrik.
Data ordinal adalah angka yang selain berfungsi sebagai pengganti nama atau sebutan suatu gejala juga menunjukkan bahwa masing-masing gejala mempunyai perbedaan intensitas dan atau tinggi-rendah, namun satuan atau unit perbedaannya tidak ada atau tidak jelas, tidak dapat dijelaskan, tidak adapat ditandai, tidak diperhatikan atau diabaikan. Skala ini disebut juga skala peringkat. Ia adalah data yang menunjukkan adanya kategori hubungan tingkatan. Hubungan yang biasa dipergunakan adalah kategori-kategori lebih, misalnya lebih tinggi, lebih besar, lebih rajin, lebih senang, dan sebagainya bergantung sifat hubungan yang dikategorikan.
Jadi, dalam data yang berskala ordinal itu, di samping mengandung unsur hubungan kesamaan sebagaimana dalam data berskala nominal, sekaligus juga menunjukkan adanya hubungan lebih besar ( ). Sebagai contoh misalnya, siswa peringkat I peringkat II peringkat III peringkat IV, atau dapat juga ditulis: peringkat I/peringkat II/peringkat III/peringkat IV: tingkatan dalam nilai misalnya terdiri dari : sempurna/baik sekali/baik/sedang/kurang/buruk; nilai mata kuliah mahasiswa yang dinyatakan dengan A/B/C/D/E; tingkatan kelulusan studi mahasiswa misalnya dinyatakan dalam: cum laude/sangat memuaskan/memuaskan. Data peringkat tersebut dapat dikodekan ke dalam lambang-lambang angka. Namun perbedaan jarak antara tiap peringkat itu tidak diketahui, maka pemberian angka-angka itu sebenarnya tidak mempunyai patokan tertentu, hanya peringkat yang lebih tinggi harus diberi angka yang lebih besar.
Pengerjaan dengan teknik statistik yang dapat dikenakan pada data berskala ordinal adalah statistik deskriptif, misalnya berupa pelukisan kecenderungan sentral skor dengan perhitungan (penentuan) median. Median (titik tengah) tidak akan dipengaruhi oleh perubahan besarnya angka pada tiap skor atau data peringkat selama jumlah skor yang diatas dengan jumlah skor yang di bawah adalah sama. Dalam kondisi tertentu data ordinal dapat diolah dengan teknik korelasi Spearmen dan Kendall (korelasi tata jenjang) yang akan dibahas lebih lanjut dalam bab berikutnya.

Data interval adalah data yang mempunyai ciri-ciri skala ordinal, namun jarak antara tiap bilangan itu diketahui. Angka-angka pada skala interval bersifat linier dengan jarak yang pasti dan perbedaan-perbedaan dalam skala itu berada dalam hubungan yang sepadan (isomorfis). Dalam skala ordinal, jika jarak antara
Data menurut sumbernya. Data menurut sumbernya mengacu kepada sumber perolehan data, yakni eksternal dan internal.

Data internal adalah yang bersumber dari keadaan atau kegiatan suatu organisasi atau kelompok. Misalnya, data penjualan dan data produksi suatu perusahaan. Data eksternal adalah data yang bersumber dari luar suatu organisasi atau kelompok. Misalnya, suatu persuahaan mencari data mengenai daya beli konsumen kepada kantor pusat statistik setempat.

Data menurut cara memperolehnya. Berdasarkan cara memperolehnya, data data dibedakan antara data primer dan data sekunder. Data primer adalah data yang dikumpulkan dan diolah sendiri oleh suatu organisasi atau perorangan langsung dari objeknya. Misalnya, suatu perusahaan ingin mengetahui konsumsi rata-rata susu penduduk di suatu daerah dengan cara melakukan wawancara langsung kepada penduduk setempat. Data sekunder adalah data yang diperoleh dalam bentuk jadi dan telah diolah oleh pihak lain, yang biasanya dalam bentuk publikasi.
Data menurut waktu pengumpulannya. Berdasarkan waktu pengumpulannya, data dibedakan sebagai data cross section dan berkala (times series). Data cross section adalah data yang dikumpulkan dalam suatu periode tertentu, biasanya menggambarkan keadaan atau kegiatan dalam periode tersebut. Misalnya, hasil sensus penduduk tahun 1990 menggambarkan keadaan Indonesia pada tahun 1990 menurut umur, jenis kelamin, agama, tingkat pendidikan, dan sebagainya. Data berkala adalah data yang dikumpulkan dari waktu ke waktu. Misalnya, perkembangan produksi padi selama lima tahun terakhir, perkembangan SEMBAKO selama 10 bulan terakhir, perkembangan penjualan produk suatu perusahaan selama tahun terakhir, dan sebagainya. Data ini sering juga disebut sebagai data historis.

Hakikat Statistik
Mekanisme kerja yang pada realitasnya dilakukan oleh peneliti tidak lebih daripada mencari dan mengolah data. Pencarian dan pengolahan data ini mengacu pada tujuan penelitian. Dalam statistik, ada dua cara utama dalam pengolahan data, yaitu pengolahan data secara kuantitatif dan pengolahan data secara kualitatif. Dalam praktiknya konsep pengolahan data lebih dikenal dengan istilah analisis data, kedua cara tersebut kemudian lebih dikenal pula sebagai analisis data kuantitatif (quantitative data analysis) yang sering disebut analisis kuantitatif, dan analisis data kualitatif (qualitative data analysis) yang sering disingkat analisis kualitatif.

Analisis kuantitatif adalah analisis yang berbasis pada pekerjaan menghitung angka. Oleh karena itu, data yang diolah atau akan diolah (masukan atau input) hanya dan harus berupa angka, serta hasil pengolahan data (keluaran atau output) juga selalu hanya berupa angka. Di pihak lain, analisis kualitatif adalah analisis yang berdasarkan pada pekerjaan pengelompokan (kategorisasi) simbol-simbol selain angka. Simbol-simbol yang dimaksud pada umumnya berupa kata, frase, atau kalimat.Oleh karena itu, data yang diolah atau yang menjadi masukan hanya dan harus berupa simbol-simbol angka, hasil pengolahan atau keluarannya juga hanya berupa kata, frasa, dan atau kalimat, yang pada umumnya disebut sebagai deskripsi verbal.

Dalam hubungannya dengan pengolahan data berupa angka yang menjadi sasaran penulisan modul ini, istilah statistik yang dimasudkan adalah statistik sebagai produk statistika, yaitu sebuah cabang ilmu matematika yang khusus mengembangkan teknik-teknik pengolahan angka. Sebagian dari hasil pengembangan statistika adalah berupa statistika praktis atau statistika terapan (applied statistics) yang dapat digunakan oleh siapa saja yang telah mempelajarinya. Sebagai awal pemahaman, maka perlu diungkapkan bahwa terdapat perbedaan pengertian antara istilah statistik dengan statistika yang digunakan pada modul ini.

Sebetulnya banyak sekali definisi tentang statistik, tetapi tidak ada definisi yang memuaskan. Hal ini disebabkan karena luasnya ruang lingkup statistik. Untuk keperluan praktis, statistik bisa diartikan secara sempit dan luas. Dalam arti sempit, statistik berarti data ringkasan berbentuk angka (kuantitatif). Statistic penduduk, misalnya adalah data atau keterangan berbentuk angka ringkasan mengenai penduduk (jumlah, rata-rata umur, distribusinya, persentase yang buta huruf), statistik personalia (jumlahnya, rata-rata masa kerja, rata-rata jumlah anggota keluarga, persentase yang sarjana), dan sebagainya.

Dalam arti luas, statistik berarti suatu ilmu yang mempelajari cara pengumpulan, pengolahan/pengelompokkan, penyajian, dan analisis data serta cara pengambilan kesimpulan secara umum berdasarkan hasil penelitian yang tidak menyeluruh. Pengertian ini merujuk pada istilah statistics yang biasanya diterjemahkan dengan istilah statistika. Definisi ini lebih lebih ditekankan di sini adalah bahwa metode pengumpulan data secara statistik sangat efisien, maksudnya bisa menghemat tenaga, biaya dan waktu, dan bisa diperoleh dengan tingkat ketelitian yang tinggi.
Anderson and Bancrof mendefinisikan: Statistics is the science and art of the development and application of the most effective methods of collecting, tabulating, and interpreting quantitative data in such a manner that the falibity of conculusions and estimates may be assessed by means of inductive reasoning based on the mathematics of probability. (Statistika adalah ilmu dan seni pengembangan dan penerapan metode yang paling efektif untuk kemungkinan salah dalam kesimpulan dan estimasi dapat diperkirakan dengan menggunakan penalaran induktif berdasarkan matematika probabilitas).

 
Leave a comment

Posted by on March 19, 2012 in Statistik Deskriptif

 

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s

 
%d bloggers like this: