Statistika Deskriptif dan Inferensial

Setelah statistika didefinisikan sebagai ilmu tentang data, kita bisa memetakan wilayah kerjanya. Statistika terbagi menjadi dua cabang besar: statistika deskriptif dan statistika inferensial. Cabang pertama bertugas merangkum data yang sudah terkumpul di tangan; cabang kedua bertugas menarik kesimpulan yang melampaui data itu sendiri. Pemisahan ini bukan soal tingkat kesulitan, melainkan pembagian tugas sejak pertanyaan diajukan. Chapter ini membedah tugas masing-masing cabang, membandingkan keduanya, lalu menelusuri satu alur kerja lengkap dari survei sampai kesimpulan.

Statistika Deskriptif: Merangkum Data yang Ada #

Statistika deskriptif bertugas meringkas data yang benar-benar terkumpul sehingga mudah dibaca dan dilaporkan. Ringkasannya berupa ukuran seperti mean (rata-rata), median (nilai tengah), mode (nilai tersering), dan standard deviation (ukuran penyebaran), serta bentuk penyajian seperti tabel frekuensi, histogram, box plot, dan scatter plot. Mean 76.5 yang kita hitung pada Chapter Apa itu Statistika? adalah contoh khas hasil kerja deskriptif: satu angka yang mewakili sepuluh angka lain.

Perhatikan batas tugasnya. Statistika deskriptif hanya menjawab pertanyaan tentang data yang dimiliki saat itu. Jika yang tercatat adalah nilai sepuluh siswa, mean 76.5 hanya menjelaskan kesepuluh siswa tersebut — bukan siswa lain di sekolah yang sama. Pernyataan seperti “rata-rata seluruh siswa sekolah ini adalah 76.5” tidak bisa ditarik dari data itu. Melompat dari sepuluh siswa menuju ratusan siswa memerlukan cabang kedua, dan lompatan tersebut punya harga berupa ketidakpastian yang harus dihitung, bukan diabaikan.

Statistika Inferensial: Menarik Kesimpulan ke Populasi #

Statistika inferensial menarik kesimpulan tentang populasi berdasarkan sampel. Kata inferensial berasal dari bahasa Inggris inference yang berarti penarikan simpulan. Karena kesimpulannya melampaui data yang diobservasi, ketidakpastian melekat pada proses ini dan harus dikelola secara eksplisit. Alat utamanya antara lain confidence interval (rentang taksiran yang masuk akal untuk nilai populasi) dan pengujian hipotesis (menilai seberapa kuat bukti data mendukung atau menolak dugaan awal yang disebut null hypothesis, dengan bantuan angka p-value).

Istilah-istilah tersebut akan dibedah tuntas pada Section Sampling dan Estimasi serta Section Pengujian Hipotesis. Cukup dipahami sekarang: deskriptif bekerja di dalam data, sedangkan inferensial menyeberang dari data menuju populasi sambil membawa ukuran ketidakpastian. Seorang analis yang melaporkan “62% pelanggan puas” tanpa menjelaskan dari kelompok berapa angka itu dihitung sedang mencampur kedua cabang tanpa alat pengaman.

Membandingkan Kedua Cabang #

Perbedaan kedua cabang paling mudah dipetakan lewat pertanyaan yang dijawab, alat yang dipakai, dan contoh kasusnya:

Dari tabel terlihat pola pembagian kerja. Deskriptif selalu menjadi langkah pertama karena kita harus mengenal sampel sebelum menarik kesimpulan darinya. Inferensial kemudian mengambil alih begitu kesimpulan ditujukan kepada pihak yang tidak ikut diobservasi. Keduanya berurutan, bukan bersaing.

Contoh Alur: Survei 1000 Responden #

Bayangkan sebuah perusahaan jasa mengirim kuesioner kepuasan kepada 1000 pelanggan terpilih dan, untuk menyederhanakan contoh, seluruhnya menjawab. Alur kerjanya berjalan dalam tiga tahap. Tahap pertama adalah pengumpulan: 1000 jawaban masuk dan diverifikasi kelengkapannya. Tahap kedua adalah deskripsi: hasil olahan menunjukkan 620 responden menjawab puas, sehingga proporsi puas dalam sampel adalah 62.0% (620 dibagi 1000), dengan rata-rata usia responden 34.6 tahun. Tahap ketiga adalah inferensi: proporsi 62.0% dari sampel dipakai untuk menaksir proporsi seluruh pelanggan, dan hasil taksirannya dilaporkan sebagai rentang, misalnya “sekitar 59% hingga 65%”, bukan satu angka pasti.

Angka-angka pada tahap kedua adalah statistik: angka dari sampel. Rentang pada tahap ketiga adalah hasil inferensial: taksiran untuk populasi disertai pernyataan seberapa jauh taksiran itu bisa bergeser. Perusahaan akhirnya mengambil keputusan, misalnya mempertahankan standar layanan yang ada karena kepuasan tergolong tinggi, atau menelusuri keluhan yang muncul dari 38% responden lainnya. Diagram berikut merangkum alurnya:

Diagram tersebut dibaca dari kiri ke kanan: populasi disampel, sampel dirangkum, rangkuman ditafsirkan, dan taksiran kembali berbicara tentang populasi. Cara menghitung rentang 59% hingga 65% akan dibahas pada Section Sampling dan Estimasi — untuk sekarang, cukup dikenali sebagai bentuk laporan khas inferensial yang jujur terhadap ketidakpastian. Rujukan lanjutan untuk kedua cabang tersedia gratis di buku OpenIntro Statistics dan materi Penn State STAT 500 .

Mengapa Pembagian Ini Penting #

Menggabungkan kedua cabang tanpa sadar adalah sumber umum kesimpulan yang terlalu berani. Sebuah toko daring menampilkan “rating rata-rata 4.8” dari 12 ulasan lalu mempromosikannya sebagai bukti seluruh pelanggan puas — padahal 12 ulasan belum tentu mewakili ribuan pembeli. Sebaliknya, laporan inferensial yang disusun benar akan menyebut ukuran sampel, cara pengambilan, dan rentang ketidakpastian secara terbuka. Pembaca yang memahami pembagian deskriptif-inferensial bisa memilah klaim mana yang berdiri di atas data lengkap dan mana yang berdiri di atas taksiran.

Peta cabang ini juga menuntun urutan belajar kita. Sebelum menarik kesimpulan ke populasi, kita perlu tahu cara merangkum data dengan benar; sebelum merangkum, kita perlu memahami jenis data yang dirangkum. Pertanyaan berikutnya justru lebih mendasar: dari mana sampel berasal, dan mengapa sampel boleh mewakili populasi? Pertanyaan tersebut dijawab pada chapter Populasi dan Sampel.