Statistika dan Aplikasi KomputerSesi 1: Pengantar

Program Pasca Sarjana Universitas Indonesia Magister Kajian Kependudukan & Ketenagakerjaan

Semester Gasal 2012/2013

E. L. Pardede 2

Garis Besar

I - PENDAHULUAN• Statistika: Apa dan Mengapa• Statistika Deskriptif dan Inferens• Data Kuantitatif dan Data Kualitatif• Populasi dan Sampel

II - DISTRIBUSI FREKUENSI• Cara Menyusun Distribusi Frekuensi• Distribusi Frekuensi Relatif dan Kumulatif• Gambar dan Grafik Distribusi Frekuensi05/09/2012

E. L. Pardede 3

Statistika: Apa dan Mengapa

Keputusan sehari-hari dengan ‘statistika’• Belanja• Menentukan menu makan malam• Mencicipi masakan• Memilih pacar, suami/istri• Memilih bidang studi (contoh: Akuntansi FEUI)• Tujuan berlibur• MKJP vs kontrasepsi jangka pendek05/09/2012

E. L. Pardede 4

PENGAMBILAN KEPUTUSAN/PERUMUSANKEBIJAKAN

ANALISIS

HASIL/OUTPUTPROSESDATA

STATISTIKA

05/09/2012

E. L. Pardede 5

ILMU YANG MEMPELAJARI MENGENAI MENGUMPULKAN, MENATA,

MENYAJIKAN, MENGANALISIS, DAN MENGINTERPRETASI DATA UNTUK

MEMBANTU PENGAMBILAN KEPUTUSAN YANG LEBIH EFEKTIF

(Lind , Marchal, Waten, 2005)

Statistika: Apa itu?

05/09/2012

E. L. Pardede 605/09/2012

E. L. Pardede 7

Statistika: Mengapa?

• Informasi tersedia• Statistika digunakan untuk menganalisis

masalah dan menyiapkan informasi untuk pengambilan keputusan

• Dasar perumusan kebijakan• Prediksi kejadian (kecenderungan) di masa

depan• Kebutuhan bidang demografi: proyeksi

05/09/2012

E. L. Pardede 8

Statistika – Apa dan Mengapa

• Statistik – Mengacu pada kumpulan informasi numerik berbentuk angka-angka, gambar (grafik), dan tabel

• Statistik – Secara khusus digunakan untuk mengacu kepada karakteristik sampel seperti rata-rata, median, modus, standar deviasi, dan varians (Parameter: karakteristik populasi)

05/09/2012

E. L. Pardede 9

Fakta vs Opini

• Orang Batak galak• Kantin itu ramai• Tongseng di kantin FEUI memang enak• Aku sudah gagal sebagai suami/istri• Tas itu mahal • Dosen S2KK baik-baik• Bapak itu sangat saleh/soleh

05/09/2012

E. L. Pardede 10

Statistika: Deskriptif dan Inferens

• Deskriptif: metode untuk menata, meringkas, dan menyajikan data dengan cara yang informatif

• Inferens (statistika induktif) : metode yang digunakan untuk menyatakan sesuatu (keputusan, dugaan/estimasi, prediksi, dan/atau kesimpulan/generalisasi) mengenai populasi berdasarkan sampel

05/09/2012

E. L. Pardede 11

Populasi dan Sampel

• Populasi: sekumpulan seluruh individu/obyek/ukuran-ukuran yang lain yang mungkin menjadi obyek penelitian

• Sampel: bagian dari populasi ILUSTRASI

05/09/2012

E. L. Pardede 1205/09/2012

vs

Regina

Sean

E. L. Pardede 13

Populasi & Sampel

di mana: = proporsi populasi P = proporsi sampeln = besarnya sampel Untuk tingkat keyakinan 95%

E. L. Pardede 14

Hasil Pilkada Gubernur DKI Jakarta

05/09/2012

Sumber:(3) Diolah dari http://www.republika.co.id/berita/menuju-jakarta-1/news/12/07/19/m7ev7i-ini-hasil-resmi-jumlah-suara-pilkada-dki-putaran-satu

E. L. Pardede 15

Sampling

• RANDOM: setiap individu/obyek penelitian memiliki kesempatan yang sama untuk terpilih

• Simple random• Multistage random sampling

05/09/2012

Contoh: Survei Konsumsi Rokok di Jawa Tengah dan Jawa Timur, 2010 (LD FEUI)

E. L. Pardede 17

Data Kualitatif dan Kuantitatif

• Kualitatif: data berisi karakteristik non numerik (atribut); contoh: jenis kelamin, daerah tempat tinggal, status perkawinan

• Kuantitatif: data berisi variabel yang numerik; terdiri atas variabel:– Diskrit: penghitungan dan bilangan bulat; contoh:

jumlah anak, jumlah TV, jumlah sekolah– Kontinu: nilainya bisa berapa saja dalam range atau

interval tertentu; contoh: pendapatan, pengeluaran, berat badan, umur

05/09/2012

E. L. Pardede 18

Skala Pengukuran Data (1)

• Skala pengukuran: cara mengukur variabel• Dalam melakukan pengukuran data,

pengelompokan individu/obyek penelitian harus bersifat:– Mutually exclusive: kategori yang dibuat hanya

mengelompokkan SATU individu/obyek penelitian per kategori (tidak tumpang tindih)

– Exhaustive: setiap individu/obyek HARUS muncul dalam satu kagetori (tidak ada yang tertinggal)

• Contoh: data pendidikan di Susenas

05/09/2012

E. L. Pardede 1905/09/2012

Keterangan Pendidikandari Kuesioner

SUSENAS 2009 KOR

E. L. Pardede 20

Skala Pengukuran Data (1)

• Skala nominal: data yang kategorinya tidak ada tingkatan/urutan. Contoh: Jenis kelamin, daerah tempat tinggal

• Data ordinal: data yang diklasifikasikan berurut/bertingkat (orderly/ranked) berdasarkan karakteristik tertentu. Contoh: Rasa jus di kantin FEUI

05/09/2012

E. L. Pardede 21

Jumlah Mahasiswa Beberapa Program Studi di PPs UI (Data Rekaan)

No Program Studi/Kajian Jumlah Mahasiswa1 Ilmu Lingkungan 252 Kajian Ketahanan Nasional 803 Kajian Stratejik Intelijen 304 Kajian Kependudukan dan

Ketenagaan Kerja35

5 Kajian Ilmu Kepolisian 706 Kajian Gender 10

05/09/2012

E. L. Pardede 22

Program Studi di PPs UI berdasarkan Jumlah Mahasiswa (Data Rekaan)

No Program Studi/Kajian Jumlah Mahasiswa1 Kajian Ketahanan Nasional 802 Kajian Ilmu Kepolisian 703 Kajian Kependudukan dan

Ketenagaan Kerja35

4 Kajian Stratejik Intelijen 305 Ilmu Lingkungan 256 Kajian Gender 10

05/09/2012

E. L. Pardede 23

Jumlah Jenis Jus Kantin FEUI berdasarkan Rasa (Data Rekaan)

No Rasa Jus Jumlah Jus1 Sangat enak 52 Enak 33 Biasa/sedang/netral 14 Tidak enak 15 Sangat tidak enak 0

05/09/2012

E. L. Pardede 24

Skala Pengukuran Data (2)

• Data interval: berurutan seperti data ordinal, tetapi jarak antara karakteristik sama dengan jarak dalam pengukuran. Contoh: Temperatur, ukuran sepatu

• Data rasio: berurutan seperti data ordinal, jarak antara karakteristik sama dengan jarak dalam angka dalam pengukuran, dan angka 0 artinya adalah tanpa karakteristikContoh: Pendapatan, upah, penjualan, jarak

05/09/2012

E. L. Pardede 25

Ukuran Pakaian (Standar Belanda)Ukuran Interval

Small 36-38

Medium 40-42

Large 44-46

05/09/2012

E. L. Pardede 26

Predikat Lulusan UIUkuran Interval

Memuaskan 2,75-3,40

Sangat Memuaskan 3,41-3,70

Cum Laude 3,71-4,00

05/09/2012

Rata-rata Upah Menurut Pendidikan dan Jenis Kelamin, 2007

No Pendidikan Laki-laki (Rp) Perempuan (Rp) RASIO

UPAH (L/P)1 <=SD 1,421,217 1,078,925 1.32

2 SMP 1,549,586 1,059,262 1.46

3 SMA 2,342,967 1,806,685 1.30

4 Akademi/Dipl. 3,275,466 2,537,911 1.29

5 Universitas 2,496,516 1,664,763 1.50

  Rata-rata 958,972 715,414 1.34Sumber: BPS, dikutip dari Fa’atin (2010), diolah

05/09/2012 E. L. Pardede 27

E. L. Pardede 28

Distribusi Frekuensi

• Definisi: pengelompokan data ke dalam kategori/kelompok/kelas yang mutually exclusive yang menyajikan jumlah observasi di dalam setiap kategori/kelompok/kelas

• Metode:1. Tentukan jumlah kelompok2. Tentukan interval/lebar tiap kelompok3. Tentukan batas atas dan bawah tiap kelompok4. Hitung jumlah observasi untuk tiap kelompok

05/09/2012

E. L. Pardede 29

Jumlah Kelompok dan Interval Kelas

05/09/2012

• Rumus penentuan jumlah kelompok(1) 2k n(2) k = 1 + 3,322 Log ndi mana k=jumlah kelompok dan n=jumlah observasi

• Rumus penentuan interval kelompok/kelasInterval Kelas = Nilai terbesar – Nilai terkecil

Jumlah kelas

E. L. Pardede 30

Distribusi Frekuensi Relatif

• Definisi: menyajikan persentase/proporsi berdasarkan jumlah observasi di dalam setiap kategori/kelompok/kelas

• Absolut vs Relatif: – Jumlah lulusan cum laude prodi S2 Ilmu Kepolisian

UI lebih besar daripada jumlah lulusan cum laude prodi S2 Kependudukan & Ketenagakerjaan UI

05/09/2012

E. L. Pardede

Absolut vs RelatifDistribusi Lulusan Program Studi Ilmu Kepolisian dan Kependudukan dan Ketenagakerjaan Pascasarjana UI

Berdasarkan Predikat Lulusan (Data Rekaan)

05/09/201231

PREDIKAT LULUSAN

Kajian Kepolisian

Kajian Kependudukan & Ketenagakerjaan

Cum Laude 12 7

Tidak Cum Laude 68 28

E. L. Pardede 32

Latihan 2: Bermain dengan Excel

50 lansia diseleksi random dari IFLS 2007Buat: • Distribusi: Frekuensi, Frekuensi Relatif, dan

Frekuensi Kumulatif dari usia lansia tersebut• Buat Histogram, Diagram Poligon, dan Kurva

Ogifnya• Buat Histogram distribusi kelompok umur

menurut jenis kelamin: 60-69, 70-79, dan 80+

05/09/2012

E. L. Pardede 33

Observational studies vs Randomized experiments

• Umumnya data untuk studi bidang ilmu sosial dan ekonomi adalah data hasil studi observasional (given) : tidak bisa memisahkan sampel secara random sampel yang kena ‘treatment’ dan sampel yang ‘dikontrol’

• Adanya asosiasi (hubungan) antar variabel berdasarkan data observasional (bersifat pengamatan) yang ditemukan berdasarkan perangkat statistika bersifat netral terhadap hubungan kausalitas (sebab-akibat)

05/09/2012

E. L. Pardede 34

PENTING!

• “We have to use observational studies that passively observe how treatment happened to be given, rather than actively assign it randomly and fairly when randomized experiments are not feasible. (Bias can be reduced in such cases by including as many as confounding factors possible in a regression) (Wonnacott & Wonnacott, 1990, p. 16).

05/09/2012

E. L. Pardede 3505/09/2012

"WE MUST BE CAREFUL NOT TO CONFUSE DATA

WITH THE ABSTRACTIONS WE USE TO ANALYZE THEM."

(WILLIAM JAMES)

Statistics are no substitute

for judgment. (Henry Clay)