Statistik Deskriptif vs Inferensial

Anda mengoreksi kuis delapan mahasiswa di kelas yang Anda ajar. Setelah dijumlahkan dan dibagi, rata-ratanya keluar: 78,1. Itu fakta yang sudah pasti — Anda memegang seluruh delapan lembar jawaban, tidak ada yang ditebak.

Sekarang pertanyaan yang berbeda: “Apakah mahasiswa FEB UNDIP secara umum lebih rajin belajar dibanding rata-rata mahasiswa di kampus lain?” Anda tidak mungkin mengukur semua mahasiswa di semua kampus. Anda hanya bisa mengambil sebagian, mengukurnya, lalu menebak dengan hati-hati tentang keseluruhan.

Dua pertanyaan ini terlihat mirip — sama-sama soal angka dan rata-rata. Tetapi keduanya datang dari dua cabang statistika yang sangat berbeda. Yang pertama deskriptif: cukup meringkas apa yang ada. Yang kedua inferensial: melompat dari sebagian ke keseluruhan. Salah mengenali cabangnya, salah pula alat dan kesimpulannya.

Artikel ini memetakan beda kedua cabang itu, memperlihatkan rangkaian dari populasi ke sampel ke kesimpulan, dan menutup dengan satu pohon keputusan praktis untuk memilih cabang yang tepat.

Dua Cabang dalam Satu Kalimat

Statistik deskriptif meringkas data yang sudah Anda pegang. Tidak ada klaim apa pun tentang data di luar yang Anda ukur. Kalau Anda berkata “rata-rata kuis delapan mahasiswa ini 78,1”, Anda sedang berdeskripsi — dan itu pasti benar untuk delapan orang tersebut.

Statistik inferensial memakai sebagian data (sampel) untuk menarik kesimpulan tentang kelompok yang jauh lebih besar (populasi) yang tidak Anda ukur seluruhnya. Karena Anda hanya melihat sebagian, kesimpulannya selalu disertai ukuran ketidakpastian — itulah yang membedakannya dari deskriptif.

Bedanya bukan soal rumusnya rumit atau tidak, melainkan soal seberapa jauh klaim Anda menjangkau:

Inti Soalnya: Populasi, Sampel, Inferensi

Untuk memahami statistik inferensial, dua kata ini harus jelas dulu:

• Populasi adalah seluruh kelompok yang ingin Anda ketahui — misalnya semua mahasiswa FEB UNDIP, atau seluruh pelanggan sebuah toko. Biasanya terlalu besar atau terlalu mahal untuk diukur satu per satu.
• Sampel adalah sebagian kecil dari populasi yang benar-benar Anda ambil dan ukur — misalnya 100 mahasiswa yang Anda survei.

Statistik deskriptif berhenti di sampel: ia meringkas 100 mahasiswa itu, titik. Statistik inferensial melangkah lebih jauh — ia memakai 100 mahasiswa tadi sebagai jendela untuk menebak keadaan ribuan mahasiswa yang tidak sempat disurvei.

Perjalanan mengikuti panah pada gambar — dari populasi, mengambil sampel, lalu menyimpulkan kembali ke populasi — itulah jantung statistik inferensial. Karena panah balik ke populasi dilakukan dari sebagian data saja, hasilnya tidak pernah pasti seratus persen. Statistik inferensial jujur soal ini: ia selalu melaporkan seberapa besar ketidakpastiannya, lewat hal seperti rentang perkiraan atau peluang keliru.

Bandingkan kedua arah berpikir ini:

• Deskriptif (tetap di dalam sampel): “Dari 100 mahasiswa yang saya survei, rata-rata jam belajarnya 5 jam per hari.” Pernyataan ini pasti benar untuk 100 orang itu.
• Inferensial (melompat ke populasi): “Saya memperkirakan rata-rata jam belajar seluruh mahasiswa FEB UNDIP ada di sekitar 5 jam, dengan toleransi naik-turun beberapa menit.” Pernyataan ini menjangkau ribuan orang yang tidak disurvei, jadi disertai toleransi.

Mengenali Cabang dari Pertanyaannya

Cara tercepat menentukan cabang: lihat apakah pertanyaannya berhenti pada data yang Anda pegang, atau melompat ke kelompok yang lebih luas.

Pegangan praktis: kalau pertanyaan memuat kata seperti “secara umum”, “apakah benar”, “lebih … daripada”, “berpengaruh”, atau “memperkirakan”, hampir pasti Anda berurusan dengan inferensial. Kalau pertanyaannya cukup dijawab dengan menghitung langsung dari data di tangan, itu deskriptif.

Contoh dari Nol: Cabang Deskriptif

Mari kerjakan satu contoh deskriptif sampai tuntas, supaya terasa bahwa cabang ini benar-benar “tidak menebak apa pun”.

Data nilai kuis delapan mahasiswa kelas A (sudah diurutkan dari kecil ke besar):

60, 70, 70, 75, 80, 85, 90, 95

Tiga ringkasan deskriptif yang biasa dilaporkan:

Tiga angka itu — 78,1; 77,5; dan 35 — sudah memberi potret data: pusatnya sekitar 78, dan jaraknya membentang 35 poin. Semuanya pasti benar untuk delapan mahasiswa ini. Tidak ada kata “mungkin”, tidak ada rentang ketidakpastian, karena kita tidak sedang menjangkau siapa pun di luar delapan orang tersebut. Itulah ciri khas deskriptif.

Kalau pertanyaannya berubah jadi “apakah rata-rata seluruh mahasiswa di angkatan ini juga sekitar 78?”, barulah kita pindah cabang — karena delapan orang tadi menjadi sampel, dan kita ingin menyimpulkan tentang populasi yang lebih besar.

Isi Kotak Perkakas Tiap Cabang

Tiap cabang punya seperangkat alat khasnya sendiri.

Statistik deskriptif berisi alat untuk meringkas:

• Ukuran pusat: rata-rata, median, modus (lihat Tendensi Sentral).
• Ukuran sebaran: rentang, varians, standar deviasi, IQR, koefisien variasi (lihat Variabilitas).
• Ukuran posisi: persentil dan kuartil (lihat Persentil dan Kuartil).
• Grafik ringkasan: histogram, boxplot, diagram pencar, diagram batang.

Statistik inferensial berisi alat untuk menjangkau dari sampel ke populasi:

• Interval kepercayaan: memperkirakan nilai populasi sebagai rentang, bukan satu angka (lihat Confidence Interval).
• Uji hipotesis: menimbang sebuah klaim tentang populasi dan menilai apakah data mendukungnya (lihat Uji Hipotesis).
• Regresi: memodelkan hubungan antarvariabel lalu mengujinya (lihat Regresi Linear Sederhana).
• ANOVA: membandingkan rata-rata tiga kelompok atau lebih.

Semua alat inferensial bertumpu pada gagasan peluang — itulah yang memungkinkannya melaporkan ketidakpastian secara jujur.

Pohon Keputusan: Pilih Cabang yang Tepat

Saat memegang data dan bingung mau ke mana, tanyakan satu hal lebih dulu: apa sebenarnya tujuan Anda?

Anda punya data. Apa tujuannya?
│
├── Cukup meringkas data yang ada di tangan
│   → DESKRIPTIF
│     alat: rata-rata, standar deviasi, histogram, persentil
│
└── Ingin menyimpulkan tentang kelompok lebih besar (populasi)
    → INFERENSIAL, lalu pilih lagi:
        │
        ├── Memperkirakan nilai populasi (berapa kira-kira?)
        │   → Interval kepercayaan
        │
        ├── Menguji sebuah klaim (apakah benar begini?)
        │   → Uji hipotesis
        │
        └── Memodelkan / memperkirakan hubungan antarvariabel
            → Regresi

Deskriptif Selalu Mendahului Inferensial

Dalam praktik analisis data, kedua cabang ini bukan saingan — mereka berurutan. Deskriptif adalah pintu masuk yang wajib dilewati sebelum inferensial.

1. Mulai dari deskriptif. Gambar histogram, hitung rata-rata, median, dan standar deviasi. Pahami dulu bentuk data Anda.
2. Periksa keadaannya. Apakah datanya kira-kira simetris? Ada pencilan? Ada nilai janggal yang perlu dicek ulang?
3. Pilih alat inferensial yang cocok. Pilihan ini bergantung pada apa yang Anda temukan di langkah deskriptif.
4. Jalankan inferensialnya. Interval kepercayaan, uji hipotesis, atau regresi.
5. Tafsirkan dengan konteks. Sebutkan bukan hanya “berbeda secara statistik”, tetapi juga apakah selisihnya cukup besar untuk berarti di dunia nyata.

Melompati langkah 1 dan 2 adalah kesalahan klasik: langsung menjalankan uji statistik tanpa pernah melihat bentuk datanya. Hasilnya bisa menyesatkan tanpa Anda sadari — pencilan tunggal atau data yang sangat menceng bisa membuat uji inferensial keliru, dan satu-satunya cara menangkapnya adalah dengan melihat ringkasan deskriptif lebih dulu.

Coba Sendiri

Geser pengaturnya untuk melihat bagaimana satu sampel yang sama menghasilkan dua jenis keluaran sekaligus — ringkasan deskriptif di satu sisi, perkiraan inferensial beserta ketidakpastiannya di sisi lain.

Berkas Excel Pendamping

⬇ Unduh 06-deskriptif-vs-inferensial.xlsx

Berkas pendamping memuat pohon keputusan dalam bentuk yang bisa ditelusuri, beberapa contoh kasus yang sudah diklasifikasikan ke cabangnya, dan kerangka kosong untuk masing-masing cabang sebagai titik mulai analisis Anda sendiri.

Cek Pemahaman

1. Untuk tiap pertanyaan berikut, tentukan cabangnya — deskriptif atau inferensial — dan sebutkan alasannya singkat:

(a) “Berapa nilai tertinggi dari 30 lembar ujian yang baru saya koreksi?” (b) “Apakah obat baru ini benar-benar menurunkan tekanan darah pada pasien hipertensi pada umumnya?”

2. Seorang manajer mengukur waktu tunggu (dalam menit) untuk empat pelanggan yang kebetulan datang pagi ini: 12, 15, 18, 15. Ia hanya ingin melaporkan keadaan empat pelanggan ini, bukan menyimpulkan tentang semua pelanggan. Cabang mana yang ia pakai, dan hitung rata-rata serta rentangnya dari nol.

Kesalahan Umum

Langsung ke inferensial tanpa deskriptif dulu. Selalu gambar histogram dan hitung ringkasan dasar sebelum menjalankan uji apa pun. Pencilan atau data yang menceng dapat membuat uji inferensial keliru, dan hanya langkah deskriptif yang bisa menangkapnya lebih awal.

Memakai deskriptif untuk klaim populasi. Berkata “rata-rata kelas A 75, jadi semua mahasiswa angkatan ini rata-rata 75” diam-diam melompat dari sampel ke populasi. Lompatan itu butuh alat inferensial — interval kepercayaan atau uji hipotesis — bukan sekadar rata-rata.

Memakai inferensial untuk data populasi yang sudah lengkap. Kalau Anda benar-benar memegang seluruh data populasi (misalnya sensus seluruh karyawan), tidak ada yang perlu disimpulkan. Cukup deskripsikan; menghitung ketidakpastian di sini justru tidak masuk akal karena tidak ada bagian yang “tidak terlihat”.

Mencampuradukkan “berbeda secara statistik” dengan “berarti di dunia nyata”. Statistik inferensial bisa memberi tahu bahwa dua kelompok berbeda secara meyakinkan, tetapi selisihnya boleh jadi terlalu kecil untuk berarti dalam praktik. Keduanya pertanyaan yang terpisah — yang pertama soal data, yang kedua soal pertimbangan.

Dipakai di Dunia Nyata

• Survei dan jajak pendapat. Lembaga survei mengukur sampel beberapa ribu orang lalu menyimpulkan tentang puluhan juta pemilih — inferensial murni, lengkap dengan “margin kesalahan” yang dilaporkan.
• Kendali mutu pabrik. Mustahil menguji setiap unit produksi; pabrik mengambil sampel acak, lalu menyimpulkan apakah seluruh batch layak kirim.
• Penelitian klinis. Obat diuji pada ratusan sukarelawan (sampel), lalu hasilnya disimpulkan untuk semua calon pasien (populasi) — inilah inti uji klinis.
• Laporan keuangan perusahaan. Ringkasan kinerja kuartal — rata-rata penjualan, total biaya, grafik tren — adalah deskriptif murni: melaporkan apa yang sudah terjadi, tanpa menebak.

Lanjutan

Statistik deskriptif adalah fondasi yang Anda kuasai di Level 1: meringkas data menjadi beberapa angka dan grafik yang bermakna.

• Perdalam alat deskriptif: Tendensi Sentral, Variabilitas, dan Persentil dan Kuartil.

Setelah deskriptif kokoh, Anda siap masuk dunia inferensial — tempat sampel dipakai untuk menyimpulkan tentang populasi:

• Mulai dari Confidence Interval untuk memperkirakan nilai populasi sebagai rentang.
• Lanjut ke Uji Hipotesis dan Z-Test dan T-Test untuk menimbang klaim tentang populasi.