Enam belas section memperkenalkan kosakata yang cukup besar — dari mean pada section kedua sampai autocorrelation di section deret waktu — dan kosakata itu akan terus dipakai setelah course selesai, baik saat membaca laporan, menjawab wawancara kerja, maupun saat membuka sumber dari dua chapter sebelumnya. Glosarium ini menghimpun seluruh istilah penting course dalam satu tempat, diurutkan alfabetis dan dikelompokkan per bidang: istilah umum, deskriptif, probabilitas, inferensia, serta regresi dan deret waktu. Tiap entri diberi penjelasan satu sampai dua kalimat plus nama chapter tempat istilah itu dibahas, jadi tabel ini sekaligus berfungsi sebagai indeks pencarian.
Cara memakainya sederhana. Saat menemukan istilah asing di laporan atau dokumentasi, cari kata kuncinya di tabel kelompok yang sesuai, baca penjelasannya, lalu lanjut ke chapter yang dirujuk bila butuh contoh perhitungan lengkap. Saat mengulang materi menjelang ujian atau wawancara, baca satu kelompok tabel per hari — lima kelompok berarti lima hari ulangan menyeluruh. Dan saat menulis laporan sendiri, gunakan kolom Bidang sebagai pengingat: istilah dari kelompok deskriptif merangkum data, istilah dari kelompok inferensia menarik kesimpulan — mencampur keduanya dalam satu kalimat sering menjadi ciri laporan yang belum matang.
Istilah Umum #
Kelompok ini berisi kosakata fondasi yang muncul sejak Section Pengenalan Statistika dan terus dipakai di semua section — jenis data, populasi-sampel, hingga perbedaan statistik dan statistika. Periksa kelompok ini pertama kali bila ragu membedakan istilah yang mirip, karena banyak kekeliruan berawal dari pencampuran istilah dasar.
| Istilah | Bidang | Penjelasan singkat |
|---|---|---|
| Bias | Pengumpulan data | Kecenderungan sistematis hasil menyimpang dari nilai sebenarnya, misalnya karena kerangka sampel tidak lengkap (chapter Bias dan Kualitas Data). |
| Cross-sectional data | Jenis data | Data banyak unit yang diamati pada satu titik waktu; lawannya deret waktu yang mengikuti satu unit lintas waktu (chapter Pengenalan Time Series). |
| Dataset | Struktur data | Kumpulan data terorganisasi — umumnya tabel baris-kolom — yang siap dianalisis (Section Statistika dengan Python). |
| Outlier | Kualitas data | Nilai yang jauh melampaui mayoritas data; bisa kesalahan entri, bisa nilai sah yang memang menyimpang (chapter Box Plot). |
| Parameter | Populasi-sampel | Besaran karakteristik populasi (mis. μ, σ) yang tidak diketahui dan ditaksir lewat sampel (chapter Parameter dan Statistik Sampel). |
| Populasi | Populasi-sampel | Keseluruhan objek yang menjadi sasaran inferensi — orang, sekolah, transaksi, apa pun yang didefinisikan jelas (chapter Populasi dan Sampel). |
| Sampel | Populasi-sampel | Bagian populasi yang benar-benar diamati; kualitas inferensi bergantung pada cara pengambilannya (chapter Populasi dan Sampel, Teknik Sampling). |
| Skala pengukuran | Jenis data | Tingkatan data nominal, ordinal, interval, dan rasio yang menentukan ringkasan serta uji mana yang sah (chapter Skala Pengukuran). |
| Statistik (vs statistika) | Istilah | Statistik adalah besaran terhitung dari sampel (x̄, s); statistika adalah ilmu dan metodenya (chapter Parameter dan Statistik Sampel). |
| Statistika deskriptif | Cabang | Cabang yang merangkum dan menyajikan data yang sudah ada tanpa menarik kesimpulan ke luar data (chapter Statistika Deskriptif dan Inferensial). |
| Statistika inferensial | Cabang | Cabang yang menaksir dan menguji klaim tentang populasi berdasarkan sampel (chapter Statistika Deskriptif dan Inferensial). |
| Variabel | Jenis data | Karakteristik yang diukur per unit pengamatan; bisa kualitatif atau kuantitatif, diskret atau kontinu (chapter Jenis Data). |
Statistika Deskriptif dan Visualisasi #
Kelompok ini merangkum ukuran-ukuran pemusatan dan penyebaran dari Section Statistika Deskriptif serta grafik dari Section Visualisasi Data. Ingat pasangan yang sering tertukar: mean bergandengan dengan standard deviation, median dengan interquartile range — pasangan pertama sensitif terhadap outlier, pasangan kedua tidak.
| Istilah | Bidang | Penjelasan singkat |
|---|---|---|
| Box plot | Visualisasi | Diagram lima ringkasan (minimum, Q1, median, Q3, maksimum) dengan penanda outlier (chapter Box Plot). |
| Diagram batang (bar chart) | Visualisasi | Batang per kategori dengan tinggi sebanding frekuensi; sumbu-x kategorikal, beda dari histogram (chapter Diagram Batang). |
| Frequency table (tabel frekuensi) | Ringkasan | Tabel hitungan kemunculan tiap nilai atau kategori, sering dilengkapi frekuensi relatif dan kumulatif (chapter Tabel Frekuensi). |
| Histogram | Visualisasi | Distribusi frekuensi data numerik dalam bin berdampingan; memperlihatkan bentuk, pusat, dan ekor sebaran (chapter Histogram). |
| Interquartile range (IQR) | Penyebaran | Lebar kotak tengah data: Q3 − Q1; tahan outlier sehingga pasangan alami median (chapter Rentang dan Interquartile Range). |
| Kuartil | Penyebaran | Titik yang membagi data terurut menjadi empat bagian sama: Q1, Q2 (median), Q3 (chapter Kuartil dan Persentil). |
| Line chart | Visualisasi | Garis penghubung nilai berurutan waktu; andalan utama data deret waktu (chapter Line Chart). |
| Mean | Pemusatan | Rata-rata hitung Σx/n; sensitif terhadap outlier, dan menjadi masukan wajib bila hasilnya dipakai perhitungan lanjutan (chapter Mean). |
| Median | Pemusatan | Nilai tengah data terurut; tahan outlier sehingga cocok untuk sebaran miring (chapter Median). |
| Modus (mode) | Pemusatan | Nilai paling sering muncul; satu-satunya ukuran pemusatan yang sah untuk data nominal (chapter Modus). |
| Persentil | Penyebaran | Nilai batas dengan k persen data berada di bawahnya; kuartil adalah persentil ke-25, 50, dan 75 (chapter Kuartil dan Persentil). |
| Rentang (range) | Penyebaran | Selisih maksimum dikurangi minimum; ukuran sebaran paling sederhana karena hanya memakai dua titik ekstrem (chapter Rentang dan Interquartile Range). |
| Scatter plot | Visualisasi | Titik per pasangan (x, y) untuk membaca hubungan dua variabel numerik (chapter Scatter Plot). |
| Skewness | Bentuk distribusi | Ukuran kemencengan sebaran: positif bila ekor panjang di kanan, negatif bila ekor panjang di kiri (chapter Skewness). |
| Standard deviation | Penyebaran | Akar kuadrat varians; satuannya sama dengan data asli sehingga paling mudah ditafsirkan (chapter Standar Deviasi). |
| Varians | Penyebaran | Rata-rata kuadrat simpangan dari mean; rumus sampel memakai pembagi n−1 (chapter Varians). |
| Weighted mean | Pemusatan | Rata-rata dengan bobot berbeda per nilai, misalnya nilai akhir 30% tugas dan 70% ujian (chapter Mean). |
Probabilitas dan Distribusi #
Kelompok ini menghimpun kosakata Section Dasar Probabilitas dan Variabel Acak dan Distribusi. Perhatikan satu jebakan bahasa: “ruang sampel” berarti himpunan semua hasil percobaan (sample space), bukan “sampel” survei — dua istilah yang kebetulan bersuku kata sama namun hidup di dunia berbeda.
| Istilah | Bidang | Penjelasan singkat |
|---|---|---|
| Bernoulli (distribusi) | Distribusi | Satu percobaan dua hasil — sukses atau gagal — dengan peluang sukses p (chapter Distribusi Bernoulli). |
| Binomial (distribusi) | Distribusi | Banyaknya sukses dalam n percobaan Bernoulli independen dengan peluang tetap (chapter Distribusi Binomial). |
| Distribusi (distribution) | Konsep | Pola sebaran nilai sebuah variabel: nilai mana yang sering, mana yang langka (chapter Bentuk Distribusi). |
| Distribusi empiris | Distribusi | Sebaran yang terbaca langsung dari data amatan, sebagai lawan model teoretis (chapter Distribusi Empiris). |
| Expected value | Peluang | Rata-rata hasil jangka panjang variabel acak, dihitung Σ x·P(x) (chapter Expected Value). |
| Kejadian (event) | Peluang dasar | Himpunan hasil di dalam ruang sampel yang diberi peluang (chapter Ruang Sampel dan Kejadian). |
| Likelihood | Peluang | Ukuran seberapa cocok data teramatan dengan suatu nilai parameter; dasar penaksiran dan Teorema Bayes (chapter Point Estimation, Teorema Bayes). |
| Normal distribution | Distribusi | Sebaran lonceng simetris yang ditentukan μ dan σ; fondasi banyak prosedur inferensia (chapter Distribusi Normal). |
| Poisson (distribusi) | Distribusi | Model banyaknya kejadian per satuan waktu atau wilayah untuk kejadian langka yang menyebar merata (chapter Distribusi Poisson). |
| Probabilitas bersyarat | Peluang dasar | Peluang A dengan informasi B sudah terjadi: P(A|B) = P(A∩B)/P(B) (chapter Probabilitas Bersyarat). |
| Ruang sampel (sample space) | Peluang dasar | Himpunan semua hasil mungkin satu percobaan — dadu: {1, 2, 3, 4, 5, 6} (chapter Ruang Sampel dan Kejadian). |
| t-distribution | Distribusi | Sebaran mirip normal dengan ekor lebih tebal; dipakai saat σ tidak diketahui dan sampel kecil (chapter Distribusi t-Student). |
| Teorema Bayes | Peluang | Aturan memperbarui peluang hipotesis setelah bukti tiba: P(H|B) sebanding P(B|H) × P(H) (chapter Teorema Bayes). |
| Variabel acak | Peluang | Aturan pemberian nilai numerik pada tiap hasil percobaan; bisa diskret atau kontinu (chapter Variabel Acak). |
| z-score | Distribusi | Jarak nilai dari mean dalam satuan simpangan baku: (x − μ)/σ (chapter Z-Score, Standardisasi Data). |
Inferensia: Estimasi dan Pengujian Hipotesis #
Kelompok ini adalah kosakata Section Sampling dan Estimasi, Pengujian Hipotesis, dan Interpretasi dan Etika. Banyak entri saling bertaut satu sama lain: alpha membatasi Type I error, p-value dibandingkan dengan alpha, dan standard error adalah bahan baku confidence interval — membaca satu entri biasanya mengundang dua entri lain.
| Istilah | Bidang | Penjelasan singkat |
|---|---|---|
| Alpha (α) | Pengujian | Ambang peluang kesalahan Type I yang ditetapkan sebelum uji; lazimnya 0.05 (chapter Significance Level). |
| Alternative hypothesis | Pengujian | Hipotesis lawan H0 yang kita dukung bila data menolak H0 (chapter Null dan Alternative Hypothesis). |
| ANOVA | Pengujian | Uji kesamaan mean tiga kelompok atau lebih lewat perbandingan varians antar dan dalam kelompok (chapter ANOVA). |
| Central Limit Theorem | Sampling | Teorema yang menjamin distribusi sampling mean mendekati normal untuk n besar, apa pun bentuk populasi (chapter Central Limit Theorem). |
| Chi-square test | Pengujian | Keluarga uji untuk data hitungan kategori: kecocokan sebaran, independensi, dan homogenitas (chapter Chi-Square Test). |
| Confidence interval | Estimasi | Rentang nilai yang menampung parameter pada tingkat keyakinan tertentu, dilengkapi margin kesalahan (chapter Confidence Interval). |
| Degrees of freedom | Pengujian | Jumlah informasi bebas yang tersisa menaksir varians setelah parameter lain diperhitungkan; menentukan bentuk t-distribution (chapter Distribusi t-Student). |
| Hipotesis (hypothesis) | Pengujian | Pernyataan teruji tentang parameter populasi yang diperiksa dengan data (chapter Konsep Hipotesis Statistik). |
| Null hypothesis | Pengujian | Hipotesis baku “tidak ada beda atau efek” (H0) yang diuji untuk kemungkinan ditolak (chapter Null dan Alternative Hypothesis). |
| p-value | Pengujian | Peluang memperoleh data seekstrem amatan bila H0 benar; makin kecil, makin kuat bukti melawan H0 (chapter P-Value). |
| Point estimation | Estimasi | Menaksir parameter dengan satu nilai, misalnya x̄ untuk μ, disertai kriteria penaksir yang baik (chapter Point Estimation). |
| Sampling distribution (distribusi sampling) | Sampling | Sebaran sebuah statistik lintas semua sampel yang mungkin diambil dari populasi yang sama (chapter Distribusi Sampling). |
| Significance level | Pengujian | Tingkat signifikansi: nilai alpha yang disepakati sebagai batas kesalahan Type I dari prosedur uji (chapter Significance Level). |
| Standard error | Sampling | Simpangan baku distribusi sampling, misalnya σ/√n untuk mean; menyusut bila n membesar (chapter Standard Error). |
| Statistical vs practical significance | Interpretasi | Hasil uji yang signifikan belum tentu bermanfaat besar; effect size dan konteks yang memutuskan (chapter Statistical vs Practical Significance). |
| Type I error | Pengujian | Menolak H0 padahal H0 benar; peluangnya dibatasi alpha (chapter Type I dan Type II Errors). |
| Type II error | Pengujian | Gagal menolak H0 padahal H0 keliru; berkaitan dengan kekuatan uji dan ukuran sampel (chapter Type I dan Type II Errors). |
| Z-test dan t-test | Pengujian | Uji mean: z-test bila σ diketahui atau n besar, t-test bila σ ditaksir dari sampel (chapter Z-Test dan T-Test). |
Regresi dan Deret Waktu #
Kelompok penutup menghimpun istilah Section Korelasi dan Regresi serta Analisis Deret Waktu. Benang merahnya: korelasi mengukur hubungan tanpa menjanjikan sebab-akibat, dan seluruh analisis deret waktu berputar pada pemisahan tren, musiman, dan sisa fluktuasi.
| Istilah | Bidang | Penjelasan singkat |
|---|---|---|
| Autocorrelation (autokorelasi) | Deret waktu | Korelasi deret dengan salinan tertundanya sendiri; alat mendeteksi pola berulang sekaligus prasyarat model regresi (chapter Regression Assumptions, Pengenalan Time Series). |
| Confounder | Regresi | Variabel luar yang berkaitan dengan dua variabel yang diamati sehingga menimbulkan korelasi semu; dikendalikan lewat regresi berganda (chapter Multiple Linear Regression). |
| Correlation (korelasi) | Regresi | Kekuatan dan arah hubungan linear dua variabel, diukur r antara −1 dan 1 (chapter Korelasi). |
| Correlation vs causation | Regresi | Prinsip bahwa korelasi tidak membuktikan sebab-akibat; bukti kausal butuh desain percobaan atau kontrol variabel (chapter Correlation vs Causation). |
| Covariance (kovarians) | Regresi | Rata-rata produk simpangan dua variabel; tandanya menunjukkan arah hubungan, skalanya bergantung satuan (chapter Kovarians). |
| Forecast | Deret waktu | Nilai prediksi masa depan dari model deret waktu; selalu disertai ketidakpastian yang layak dilaporkan (chapter Evaluasi Forecast). |
| Intercept dan slope | Regresi | Dua parameter garis regresi: titik potong b0 dan kemiringan b1 (chapter Simple Linear Regression). |
| Metrik evaluasi forecast (MAE, RMSE, MAPE) | Deret waktu | Ukuran galat prediksi: rata-rata galat mutlak, akar rata-rata kuadrat galat, dan galat dalam persentase (chapter Evaluasi Forecast). |
| Moving average | Deret waktu | Rata-rata bergeser dengan jendela k periode untuk meredam fluktuasi dan memperlihatkan tren (chapter Moving Average). |
| R² (koefisien determinasi) | Regresi | Proporsi variasi variabel respons yang dijelaskan model regresi (chapter Evaluasi Model Regresi). |
| Regresi linear | Regresi | Model hubungan variabel respons dengan satu (simple) atau lebih (multiple) prediktor lewat persamaan linear (chapter Simple Linear Regression, Multiple Linear Regression). |
| Residual (residu) | Regresi | Selisih nilai amatan dengan nilai prediksi model; bahan utama evaluasi asumsi regresi (chapter Evaluasi Model Regresi). |
| Seasonality (musiman) | Deret waktu | Pola berulang dengan periode tetap — tahunan, mingguan, harian — pada deret (chapter Tren dan Musiman). |
| Time series (deret waktu) | Deret waktu | Data yang direkam berurutan waktu pada interval tetap (chapter Pengenalan Time Series). |
| Trend (tren) | Deret waktu | Arah pergerakan jangka panjang deret, terpisah dari musiman dan fluktuasi jangka pendek (chapter Tren dan Musiman). |
Dengan glosarium ini, perjalanan course resmi lengkap: kita mulai dari pertanyaan “apa itu statistika?”, menaiki tangga deskriptif, peluang, estimasi, dan pengujian, mengotomatiskannya dengan Python, menutupnya dengan proyek dan etika, dan kini membawa peta istilahnya ke mana-mana. Kosakata adalah bekal yang paling awet — rumus bisa dilupakan lalu dicari ulang lewat chapter Referensi Statistika, tetapi bila kata p-value masih terbaca jelas di kepala, seluruh materi course tinggal satu lompatan kecil untuk kembali.