"Apa beda mendasar statistik deskriptif dan statistik inferensial?"

"Statistik deskriptif hanya meringkas data yang ada di tangan — mean, SD, median dari sampel ini saja — tanpa klaim lebih jauh. Statistik inferensial memakai sampel itu untuk menaksir parameter populasi yang tidak teramati (μ) beserta ukuran ketidakpastiannya (standard error, interval keyakinan). Singkatnya: deskriptif menjawab 'seperti apa data saya', inferensial menjawab 'apa yang bisa saya simpulkan tentang populasi'."

"Kenapa lebar interval keyakinan (CI) mengecil saat n diperbesar?"

"Karena SE = s/√n — standard error berbanding terbalik dengan akar ukuran sampel, jadi menambah n memperkecil SE dan mempersempit CI (= x̄ ± 1,96 × SE). Inilah sebabnya survei dengan sampel kecil menghasilkan interval sangat lebar (estimasi kasar), sementara sampel besar memberi estimasi lebih presisi — dengan biaya pengumpulan data yang lebih besar."

"Apa artinya kalau interval 95% TIDAK mencakup μ populasi yang sebenarnya?"

"Tingkat keyakinan 95% berarti dari 100 kali pengulangan penarikan sampel, sekitar 95 interval yang dihasilkan akan mencakup μ sebenarnya dan sekitar 5 tidak. Jadi sesekali interval gagal mencakup μ adalah wajar secara statistik, bukan berarti rumusnya salah. Klik ulang 'Generate Sample' beberapa kali untuk melihat variasi ini secara langsung."

Statistik Deskriptif vs Inferensial — Simulasi Interaktif

Kebanyakan orang menyamakan “sudah dianalisis pakai statistik” dengan “sudah bisa disimpulkan untuk populasi” — padahal itu dua langkah yang berbeda. Statistik deskriptif berhenti di data yang ada di tangan; statistik inferensial melompat lebih jauh, menaksir apa yang terjadi di populasi yang tidak pernah disensus penuh. Widget ini menunjukkan lompatan itu secara langsung, dari sampel acak yang sama.

Cara Pakai

Geser slider n untuk menentukan ukuran sampel acak yang ditarik dari populasi tersembunyi (μ = 70, σ = 12). Klik Generate Sample untuk menarik sampel baru. Panel kiri (hijau) menampilkan statistik deskriptif — mean, SD, median, min, max — yang hanya bercerita tentang data sampel ini. Panel kanan (biru) menampilkan statistik inferensial — estimasi μ, standard error, dan interval keyakinan 95% — yang mengklaim sesuatu tentang populasi. Garis oranye putus-putus di grafik menunjukkan μ populasi sebenarnya, supaya bisa dicek apakah interval keyakinan menangkapnya.

Rumus Kunci

$$s = \sqrt{\frac{\sum_{i=1}^{n} (x_i - \bar{x})^2}{n-1}}$$$$SE = \frac{s}{\sqrt{n}}$$$$CI_{95\%} = \bar{x} \pm 1{,}96 \times SE$$

di mana $\bar{x}$ = rata-rata sampel, $s$ = standar deviasi sampel, dan $SE$ = standard error dari rata-rata (ukuran ketidakpastian dalam menaksir μ populasi).

Contoh Angka

Sampel acak n = 30 ditarik, menghasilkan $\bar{x} = 71{,}2$ dan $s = 11{,}8$.

$SE = \dfrac{11{,}8}{\sqrt{30}} = \dfrac{11{,}8}{5{,}477} = 2{,}155$
$CI_{95\%} = 71{,}2 \pm 1{,}96 \times 2{,}155 = 71{,}2 \pm 4{,}22$
Interval: [66,98 ; 75,42] — lebar 8,44, dan mencakup μ populasi sebenarnya (70)

Bandingkan kalau sampel diperbesar ke n = 100 dengan $\bar{x} = 69{,}5$, $s = 12{,}3$:

$SE = \dfrac{12{,}3}{\sqrt{100}} = 1{,}23$
$CI_{95\%} = 69{,}5 \pm 1{,}96 \times 1{,}23 = 69{,}5 \pm 2{,}41$
Interval: [67,09 ; 71,91] — lebar hanya 4,82

Memperbesar sampel dari 30 ke 100 mempersempit interval keyakinan hampir separuhnya (8,44 → 4,82) — itulah harga yang dibayar untuk presisi: bukan uang, tapi jumlah data yang harus dikumpulkan.