Skip to main content

01 — Pengantar statistika dan jenis data

Tujuan: Menjelaskan mengapa statistika perlu dipelajari, membedakan deskriptif–inferensial serta populasi–sampel–unit, mengenali teknik sampling ringkas dan bias seleksi, mengklasifikasikan skala pengukuran, dan menilai konsekuensi data primer vs sekunder — melalui kasus yang memicu pertanyaan sebelum konsep.

Slide kuliah (Typst, pendekatan problem-based):
- Buka presentasi · Unduh PDF
Materi sebelumnya: 00 — Deskripsi MK & silabus · Materi berikutnya: ukuran pemusatan (mean, median, modus, kuartil).
Versi Inggris: 01 — Introduction to statistics and data types.


Panah kiri/kanan atau spasi untuk berganti slide. Layar penuh · Unduh PDF.

Alur tiap topik di pertemuan ini: kasus → pertanyaan → konsep. Materi di bawah mengikuti urutan yang sama dengan slide, tanpa mengulang daftar contoh yang sama di banyak tempat.

Blok 1 — Mengapa belajar statistika

Kasus. Portal kampus menulis headline: “Survei: 78% mahasiswa setuju kuliah daring penuh.” Di isi berita, kuesioner daring diisi 43 mahasiswa dari satu kelas, tanpa undian acak. Rektorat diminta mempertimbangkan kebijakan semester depan.

Pertanyaan yang muncul hampir otomatis: apakah 78% itu gambaran seluruh mahasiswa atau hanya 43 orang itu? Apa yang hilang dari headline sehingga keputusan mudah keliru? Jika Anda duduk di rapat kebijakan, apa yang Anda tanyakan sebelum setuju atau menolak?

Konsep. Masalahnya bukan kekurangan angka, melainkan angka tanpa konteks sampling. Headline memotong ketidakpastian; pembaca mendengar kepastian palsu. Statistika melatih tiga kebiasaan: menanyakan siapa yang diukur dan berapa banyak; membedakan ringkasan sampel dari klaim populasi; menulis batas kesimpulan secara jujur.

Kebiasaan itu muncul di banyak keputusan lain — masing-masing punya jebakan baca angka yang khas.

Prakiraan cuaca. “Peluang hujan 70%” adalah pernyataan peluang pada kondisi serupa, bukan jaminan basah untuk hari itu. Satu hari cerah tidak “membantah” angka 70%; keputusan membawa payung adalah menimbang risiko.

Diskon “dari harga normal”. Persen hemat hanya bermakna jika baseline jelas: normal menurut toko mana, kapan, dan dibanding harga pasar atau harga semu. Tanpa pembanding, klaim 50% mudah menyesatkan.

Hasil lab dan risiko kesehatan. “Di atas rentang normal” atau “efektivitas 95%” membutuhkan definisi peubah, populasi acuan, dan ukuran sampel. Proporsi efek samping tanpa penyebut dan kriteria membuat takut atau lengah berlebihan.

A/B test thumbnail YouTube. Setelah 20 tayangan, thumbnail A unggul 3 klik — bisa kebetulan sampling. Mengganti thumbnail default butuh n (impresi) memadai, metrik yang jelas (klik? CTR? watch time?), dan kesadaran bahwa penonton uji awal belum tentu mewakili seluruh audiens channel.

Latency dan error rate server. Rata-rata menyembunyikan ekor lambat; persen error tanpa volume request menyesatkan. Perlu sebaran (p95/p99), jendela waktu, dan ambang sebelum bertindak.

Polanya sama di kelima contoh: data terbatas → keputusan harus diambil → risiko salah baca. Kasus portal berita di awal blok adalah pintu masuk ke kebiasaan bertanya itu.

Blok 2 — Deskriptif versus inferensial

Kasus. Kaprodi mendapat laporan: rata-rata UTS Statistika kelas A = 72 (n = 40). Usulan muncul: “Nilai angkatan sudah baik; tidak perlu kelas remedial.” Kelas B dan C belum diuji; total angkatan sekitar 180 mahasiswa. Pertanyaan inti blok ini: klaim mana yang deskriptif, mana yang inferensial?

Konsep. Pekerjaan deskriptif merangkum data yang dipegang: di kelas A, pusat nilai sekitar 72 — klaim sah untuk empat puluh orang itu. Pekerjaan inferensial muncul ketika 72 dipakai untuk berbicara tentang angkatan — generalisasi ke populasi yang membutuhkan desain sampling serta model peluang. Usulan menolak remedial mencampuradukkan keduanya: angka deskriptif digantungi keputusan inferensial tanpa bukti kelas lain.

Dari sini muncul pasangan istilah parameter dan statistik. Parameter menggambarkan populasi dan biasanya tidak diketahui (\(\mu\), \(p\), \(\sigma^2\)). Statistik dihitung dari sampel (\(\bar{x}\), \(\hat{p}\), \(s^2\)). Di kasus di atas, \(\bar{x} = 72\) adalah statistik kelas A; mean angkatan adalah parameter yang belum diketahui.

Blok 3 — Populasi, sampel, unit, dan teknik sampling

Kasus. Startup fintech merilis press release: “90% pengguna Indonesia puas.” Metodologi: survei in-app kepada 200 pengguna aktif di satu kota, seminggu setelah promo cashback. Yang dihitung adalah akun yang menyelesaikan survei. Pertanyaan inti: mana populasi, mana sampel, apa unit observasinya?

Konsep. Populasi adalah himpunan yang ingin digeneralisasi; sampel adalah bagian yang diamati; unit observasi adalah satu entitas yang diukur (satu baris data). Dalam kasus itu, populasi target klaim adalah pengguna Indonesia, tetapi populasi sumber/frame hanya pengguna aktif satu kota yang mengisi survei. Sampelnya 200 responden; unitnya akun yang menyelesaikan survei — bukan semua unduhan, bukan semua warga negara.

Cara sampel diambil menentukan siapa yang boleh digeneralisasi. Acak sederhana memberi setiap unit di frame peluang sama untuk terpilih. Stratified membagi frame menjadi strata (misalnya prodi atau kota) lalu mengambil sampel per strata agar proporsi terkontrol. Survei in-app yang diisi sukarela setelah promo bukan keduanya — itu convenience / self-selection. Promo cashback menambah bias seleksi: yang merasa diuntungkan lebih mungkin menjawab. Ukuran n = 200 tidak menyelamatkan klaim nasional jika frame dan tekniknya sempit.

Menulis laporan yang jujur berarti memisahkan target dari frame, menuliskan teknik sampling, dan menolak atau membatasi klaim “nasional” bila pengambilan sampel tidak mendukungnya. Di pertemuan 01 ini sampling hanya pengantar. Teori sampling formal (distribusi sampling, CLT, dan kelanjutannya) ada di pertemuan 09.

Blok 4 — Skala pengukuran

Kasus. Asisten dosen membuat leaderboard: (1) rata-rata kode prodi (SI = 1, TI = 2, IF = 3) sebagai “prodi dominan”; (2) rata-rata skor Likert 1–5 kepuasan layanan untuk merangking unit. Hasilnya dibawa ke rapat sebagai “bukti objektif.” Pertanyaan inti Blok 4: skala pengukuran apa yang dimiliki tiap peubah, dan operasi mana yang sah?

Cuplikan hasil survei (ilustrasi):

Resp. Prodi Kode Kepuasan (1–5)
R01 SI 1 4
R02 TI 2 5
R03 IF 3 3
R04 SI 1 4
R05 TI 2 2
R06 IF 3 5

Hitungan asisten: mean kode = 2,00 (“prodi dominan ≈ TI?”); mean kepuasan = 3,83 (dipakai untuk ranking unit).

Konsep. Operasi matematis hanya bermakna jika sesuai skala pengukuran. Kerangka Stevens membagi empat tingkat.

Skala Inti Operasi tipikal Di kasus
Nominal Label tanpa urutan Frekuensi, modus Kode prodi
Ordinal Ada urutan, jarak tak pasti Median, persentil Likert 1–5
Interval Jarak bermakna, nol arbitrer Selisih, mean (dengan catatan) Suhu °C
Rasio Jarak + nol absolut Selisih dan rasio Durasi, jumlah klik

Rata-rata kode prodi tidak bermakna karena nominal tidak punya jarak. Likert punya urutan, tetapi jarak antar skor tidak dijamin sama — mean sering dilaporkan di praktik, namun itu pilihan yang perlu disadari, bukan otomatis sah sebagai “jarak sempurna”.

Contoh hitung singkat per skala:

  • Nominal (pendaftaran MK pilihan, n = 12): SI = 6, TI = 4, IF = 2 → modus SI, proporsi SI = 50%. “Mean kode” = 1,67 tidak punya makna prodi.
  • Ordinal (Likert kepuasan, n = 9): data urut \(2,3,3,4,4,4,5,5,5\) → median = 4; mean = 3,89 tampak rapi untuk ranking, tetapi jarak antar level belum tentu sama.
  • Interval (suhu server °C): 22, 24, 26, 28, 30 → mean = 26°C; selisih 8°C bermakna; klaim “30°C dua kali 15°C” tidak bermakna sebagai panas termodinamika.
  • Rasio (load time detik): 1,2; 1,5; 2,0; 2,4; 3,0 → mean = 2,02 dtk; 2,4 / 1,2 = 2× sah karena 0 detik = nol absolut.

Pelengkap yang berguna di kelas data: kategorik (nominal + ordinal) versus numerik (diskret terhitung atau kontinu pada rentang). Diskret/kontinu melengkapi skala; keduanya tidak saling menggantikan. Pilih dulu skala (operasi apa yang boleh), baru diskret/kontinu untuk peubah numerik.

Cek singkat. Status lulus/tidak → nominal. Kepuasan 1–5 → ordinal. Suhu server °C → interval. Durasi loading (detik) → rasio. Jumlah item keranjang → rasio diskret.

Mengapa °C interval dan Kelvin rasio? Nol Celsius adalah konvensi (titik beku air), bukan ketiadaan suhu — selisih bermakna, tetapi “20°C dua kali 10°C” tidak. Nol Kelvin adalah nol absolut fisis; rasio suhu termodinamika (misalnya 200 K vs 100 K) bermakna. Uji cepat: jika 0 berarti ketiadaan besaran yang diukur, skala itu kandidat rasio; jika 0 hanya titik acuan yang disepakati, biasanya interval.

Blok 5 — Data primer dan sekunder

Kasus. Mahasiswa mengunduh dataset nilai dari Kaggle (negara dan kurikulum tidak jelas), lalu menulis: “Faktor X berpengaruh signifikan terhadap prestasi mahasiswa UHB,” tanpa pengumpulan data di kampus sendiri. Yang diunduh adalah CSV publik; yang diklaim adalah populasi lokal.

Miskonsepsi yang sering muncul. Judul “mahasiswa” dianggap otomatis cocok untuk UHB; data sekunder dianggap “tidak ilmiah”; jumlah baris besar dan p-value kecil dianggap cukup untuk generalisasi ke kampus mana pun.

Konsep. Data primer dikumpulkan untuk tujuan Anda (survei sendiri, A/B test, observasi, sensor yang Anda setel): kontrol tinggi, biaya waktu lebih besar. Data sekunder dikumpulkan pihak lain lalu dipakai ulang (Kaggle, BPS, log kampus, laporan resmi): cepat, tetapi definisi variabel dan bias harus diaudit. Analisis sekunder boleh; yang tidak boleh adalah menyamakan populasi sumber dataset dengan mahasiswa UHB tanpa data lokal.

Sebelum analisis sekunder, empat pertanyaan hampir selalu relevan: untuk tujuan apa data itu awalnya dikumpulkan; siapa yang masuk dan keluar dari frame; bagaimana variabel didefinisikan dan diukur; apakah pemakaian ulang diizinkan secara etika dan hukum. Kesimpulan yang proporsional terbatas pada populasi sumber dataset itu — bukan otomatis “mahasiswa UHB”.

Yang sering salah — dan pertemuan berikutnya

Pola jebakan yang sama dengan kasus di atas: headline tanpa ukuran sampel dan metode; satu kelas disamakan dengan angkatan; klaim nasional dari frame sempit atau sampel voluntary; mean pada kode atau Likert mentah tanpa catatan; dataset asing dijadikan bukti institusi lokal. Volume data besar tidak menyelamatkan generalisasi jika unit masuk ke dataset secara bias.

Pertemuan 02 masuk ke ukuran pemusatan — mean, median, modus, kuartil — setelah jenis pengukuran sudah jelas, sehingga ringkasan “di mana pusat data” tidak dipilih secara sembarangan.