STATISTIK DESKRIPTIF DAN INFERENSIAL

Saat menganalisis data, seperti nilai yang dicapai oleh 100 siswa untuk sebuah tugas mata kuliah, adalah mungkin untuk menggunakan statistik deskriptif dan inferensial dalam analisis Anda terhadap nilai mereka. Biasanya, di sebagian besar penelitian yang dilakukan pada sekelompok orang, Anda akan menggunakan statistik deskriptif dan inferensial untuk menganalisis hasil Anda dan menarik kesimpulan. Jadi apa itu statistik deskriptif dan inferensial? Dan apa perbedaan mereka? berikut penjelasan lengkapnya di pengertianartidefinisidari.blogspot.com

Baca: PENGERTIAN ARTI DEFINISI DARI STATISTIK MENURUT PENDAPAT PARA AHLI

https://pengertianartidefinisidari.blogspot.com/

STATISTIK DESKRIPTIF

Statistik deskriptif adalah istilah yang diberikan untuk analisis data yang membantu menggambarkan, menunjukkan atau meringkas data dengan cara yang berarti sehingga, contohnya, pola mungkin muncul dari data. Namun, statistik deskriptif tidak memungkinkan kita untuk membuat kesimpulan di luar data yang telah kita analisis atau mencapai kesimpulan mengenai hipotesis apa pun yang mungkin telah kita buat. Mereka hanyalah cara untuk menggambarkan data kita.

Statistik deskriptif sangat penting karena jika kita hanya menyajikan data mentah kita, akan sulit untuk memvisualisasikan apa yang ditampilkan oleh data tersebut, terutama jika jumlahnya banyak. Oleh karena itu, statistik deskriptif memungkinkan kita untuk menyajikan data dengan cara yang lebih bermakna, yang memungkinkan interpretasi data yang lebih sederhana. Contohnya, jika kita memiliki hasil 100 lembar tugas siswa, kita mungkin tertarik pada kinerja siswa secara keseluruhan. kita juga akan tertarik pada distribusi atau penyebaran tanda. Statistik deskriptif memungkinkan kita untuk melakukan ini. Cara mendeskripsikan data dengan benar melalui statistik dan grafik adalah topik penting dan dibahas dalam panduan Statistik Laerd lainnya. Biasanya, ada dua jenis statistik umum yang digunakan untuk menggambarkan data:

Ukuran tendensi sentral: ini adalah cara untuk menggambarkan posisi sentral dari distribusi frekuensi untuk sekelompok data. Dalam hal ini, distribusi frekuensi hanyalah distribusi dan pola nilai yang dicetak oleh 100 siswa dari yang terendah hingga yang tertinggi. Kita dapat menggambarkan posisi sentral ini menggunakan sejumlah statistik, termasuk modus, median, dan mean.
Ukuran penyebaran: ini adalah cara meringkas sekelompok data dengan menjelaskan seberapa tersebar skornya. Contohnya, nilai rata-rata dari 100 siswa kita mungkin 65 dari 100. Namun, tidak semua siswa akan mendapat nilai 65. Sebaliknya, skor mereka akan tersebar. Beberapa akan lebih rendah dan yang lain lebih tinggi. Ukuran penyebaran membantu kita untuk meringkas seberapa tersebar skor ini. Untuk menggambarkan penyebaran ini, sejumlah statistik tersedia bagi kita, termasuk rentang, kuartil, simpangan mutlak, varians, dan simpangan baku.

Ketika kita menggunakan statistik deskriptif, akan berguna untuk meringkas kelompok data kita menggunakan kombinasi deskripsi tabulasi (yaitu, tabel), deskripsi grafis (yaitu, grafik dan bagan) dan komentar statistik (yaitu, diskusi tentang hasil).

STATISTIK INFERENSIAL

Kita telah melihat bahwa statistik deskriptif memberikan informasi tentang kelompok data langsung kita. Sebagai contoh, kita dapat menghitung mean dan standar deviasi dari nilai ujian untuk 100 siswa dan ini dapat memberikan informasi berharga tentang kelompok 100 siswa ini. Setiap kelompok data seperti ini, yang mencakup semua data yang Anda minati, disebut populasi. Populasi bisa kecil atau besar, asalkan mencakup semua data yang Anda minati. Contohnya, jika Anda hanya tertarik pada nilai ujian 100 siswa, 100 siswa akan mewakili populasi Anda. Statistik deskriptif diterapkan pada populasi, dan sifat-sifat populasi, seperti mean atau standar deviasi, disebut parameter karena mewakili seluruh populasi (yaitu, semua orang yang Anda minati).

Baca: PENGERTIAN ARTI DEFINISI DARI DATA DALAM STATISTIKA

Namun, seringkali Anda tidak memiliki akses ke seluruh populasi yang ingin Anda selidiki, tetapi hanya sejumlah data yang terbatas. Contohnya, Anda mungkin tertarik dengan nilai ujian semua siswa di Indonesia. Tidaklah layak untuk mengukur semua nilai ujian dari semua siswa di seluruh Indonesia sehingga Anda harus mengukur sampel siswa yang lebih kecil (misalnya, 100 siswa), yang digunakan untuk mewakili populasi yang lebih besar dari semua siswa Indonesia. Sifat sampel, seperti mean atau standar deviasi, tidak disebut parameter, tetapi statistik. Statistik inferensial adalah teknik yang memungkinkan kita menggunakan sampel ini untuk membuat generalisasi tentang populasi dari mana sampel diambil. Oleh karena itu, penting bahwa sampel secara akurat mewakili populasi. Proses untuk mencapai ini disebut pengambilan sampel. Statistik inferensial muncul dari fakta bahwa pengambilan sampel secara alami menimbulkan kesalahan pengambilan sampel dan dengan demikian sampel tidak diharapkan dapat mewakili populasi dengan sempurna. Metode statistik inferensial adalah (1) pendugaan parameter dan (2) pengujian hipotesis statistik.

SOAL JAWABAN STATISTIK DESKRIPTIF DAN INFERENSIAL

Apa persamaan antara statistik deskriptif dan inferensial?

Jawaban: Baik statistik deskriptif maupun inferensial bergantung pada kumpulan data yang sama. Statistik deskriptif hanya mengandalkan kumpulan data ini, sementara statistik inferensial juga mengandalkan data ini untuk membuat generalisasi tentang populasi yang lebih besar.

Apa kekuatan menggunakan statistik deskriptif untuk memeriksa distribusi skor?

Jawaban: Selain kejelasan statistik deskriptif yang dapat memperjelas volume data yang besar, tidak ada ketidakpastian tentang nilai yang Anda dapatkan (selain hanya kesalahan pengukuran, dll.).

Apa batasan statistik deskriptif?

Jawaban: Statistik deskriptif sangat terbatas sehingga hanya memungkinkan Anda membuat penjumlahan tentang orang atau objek yang sebenarnya telah Anda ukur. Anda tidak dapat menggunakan data yang telah Anda kumpulkan untuk digeneralisasi ke orang atau objek lain (yaitu, menggunakan data dari sampel untuk menyimpulkan properti/parameter populasi). Contohnya, jika Anda menguji obat untuk mengalahkan kanker dan berhasil pada pasien Anda, Anda tidak dapat mengklaim bahwa obat itu akan bekerja pada pasien kanker lain hanya dengan mengandalkan statistik deskriptif (tetapi statistik inferensial akan memberi Anda kesempatan ini).

Baca:

Apa batasan statistik inferensial?

Ada dua batasan utama penggunaan statistik inferensial. Keterbatasan pertama, dan yang paling penting, yang ada dalam semua statistik inferensial, adalah bahwa Anda memberikan data tentang populasi yang belum sepenuhnya Anda ukur, dan oleh karena itu, tidak pernah dapat sepenuhnya yakin bahwa nilai/statistik yang Anda hitung benar. Ingat, statistik inferensial didasarkan pada konsep penggunaan nilai yang diukur dalam sampel untuk memperkirakan/menyimpulkan nilai yang akan diukur dalam suatu populasi; akan selalu ada tingkat ketidakpastian dalam melakukan hal ini. Batasan kedua terhubung dengan batasan pertama. Beberapa, tetapi tidak semua, tes inferensial mengharuskan pengguna (yaitu, Anda) untuk membuat tebakan terdidik (berdasarkan teori) untuk menjalankan tes inferensial. Sekali lagi, akan ada beberapa ketidakpastian dalam proses ini, yang akan berdampak pada kepastian hasil beberapa statistik inferensial sebagaimana dibagikan pengertianartidefinisidari.blogspot.com