Statistik deskriptif dan inferensial

A.                Statistik deskriptif

Statistik deskriptif yaitu metode statistik yang bertujuan untuk membuat deskrisi atau gambaran tentang suatu variabel penelitian, misalnya  gambaran pengetahuan ibu tentang diare. Hal ini dapat dilakukan melakukan pengumpulan data terhadap variabel pengetahuan tentang diare melalui kuesioner, melakukan pengolahan data, analisa data secara univariat atau deskripsi (berupa frekuesi dan persentase, mean, median, modus, standar deviasi  dan lain sebagainya) dan penyajian data.  Namun perlu diingat bahwa dalam statistik deskriptif tidak dilakukan uji hipotesa atau uji statistik.

B.                Statistik inferensial

Statistik inferensial  yaitu metode staistik yang bertujuan untuk membuat ramalan, tafsiran atau dugaan tentang adanya pengaruh atau hubungan diantara variabel yang diteliti. Misalnya pengaruh dukunngan suami terhadap tingkat kecemasan istri dalam bersalin. Hal ini dapat dilakukan melakukan pengumpulan data terhadap variabel dukungan suami dan variabel tingkat kecemasan istri dalam bersalin, selanjutnya dilakukan pengolahan data. Kemudian akan dilakukan uji hipotesa atau dugaaan apakah terdapat pengaruh dukungan suami terhadap tingkat kecemasan istri dan tahap penyajian data. 

Selanjutnya Statistik inferensial dapat dibagi 2 yaitu :

1.        Parametrik

Parametrik yaitu metode statistik yang digunakan untuk membuat ramalan, tafsiran atau dugaan pada data yang berdistribusi normal atau memenuhi asumsi normalitas.

Syarat penggunaan :

a.      Sampel diambil dari populasi yang berdistirbusi normal

b.      Pada uji t atau uji F untuk dua sampel atau lebih, kedua sampel diambil dari dua populasi yang mempunyai varians sama

c.       Data yang digunakan haruslah berskala interval dan rasio. Contoh : tinggi badan (cm)

d.      Jumlah data (sampel) sangat kecil namun tidak diketahui apakah populasinya berdistribusi normal atau tidak

Kelebihan :

Kesimpulannya statistik yang diambil lebih kuat daripada menggunakan statistik non parametrik

Kekurangan :

Tidak dapat digunakan pada data yang tidak berdistribusi normal atau tidak diketahui distribusinya

Contoh uji statistik nya :

a.    Korelasi pearson product moment

b.    Uji regresi

c.     Uji t (t test)

d.    Anova (Anlysis of Varian)

e.    Uji Z

Statistik parametrik adalah pilihan utama dalam kegiatan pengujian hipotesa atau penafsiran. Namun jika tidak memungkinkan untuk dilakukan maka statistik non parametrik  dapat digunakan untuk melengkapi metode statisik parametrik.

2.       Non parametrik

Non parametrik yaitu metode statistik yang digunakan untuk membuat ramalan, tafsiran atau dugaan pada data yang tidak berdistribusi normal atau tidak memenuhi asumsi normalitas.

Syarat penggunaan : untuk data yang tidak memenuhi syarat statistic parametik, maka dilakukan pengujian secara non parametrik, yaitu :

a.      Untuk data yang tidak berdistirbusi normal

b.      Untuk data yang tidak mempunyai varians sama

c.       Data yang digunakan berskala nominal dan ordinal. Contoh : sikap (setuju, tidak setuju)

Kelebihan :

Dapat digunakan pada data yang tidak berdistribusi normal atau tidak diketahui distribusinya

Kekurangan :

Kesimpulannya statistik yang diambil lebih lemah

Contoh uji statistik nya :

a.    Uji Chi Kuadrat

b.   Uji Fisher test

c.    Uji Kolmogorov Smirnov

d.   Uji Mc Nemar Test

e.    Uji Korelasi spearman rank

f.     Uji Mann Whitney

g.    Uji Wilcoxon

h.   Uji Kruskal Wallis

C.      Metode untuk mengetahui suatu set data berdistribusi normal atau tidak

Metode	Parameter	Kriteria sebaran data dikatakan normal	Keterangan
Deskriptif	Koefisien varian	Nilai koefisien varian <30%
	Rasio skewness	Nilai rasio skewness -2 s/d 2
	Rasio kurtosis	Nilai rasio kurtosis -2 s/d 2
	Histogram	Tidak miring ke kiri maupun kanan, tidak terlalu tinggi atau rendah
	Box plot	Simetris median tepat di tengah, tidak ada outlier atau nilai ekstrem
	Normal Q-Q plot	Data menyebar sekitar garis
	Detrended Q-Q plot	Data menyebar sekitar garis pada nilai 0
Analitik	Kolmogorov smirnov	Nilai kemaknaan (p) > 0,05	Untuk sampel besar (n>50)
	Shapiro wilk	Nilai kemaknaan (p) > 0,05	Untuk sampel kecil (n≤50)