Analisis Regresi Linier Sederhana

Analisis Regersi Linier Sederhana

Analisis regresi linier sederhana adalah hubungan secara linear antara satu variabel independen (X) dengan variabel dependen (Y). Analisis ini untuk mengetahui arah hubungan antara variabel independen dengan variabel dependen apakah positif atau negatif dan untuk memprediksi nilai dari variabel dependen apabila nilai variabel independen mengalami kenaikan atau penurunan.. Data yang digunakan biasanya berskala interval atau rasio.
Rumus regresi linear sederhana sebagi berikut:
Y’ = a + bX
Keterangan:
Y’ = Variabel dependen (nilai yang diprediksikan)
X   = Variabel independen
a    = Konstanta (nilai Y’ apabila X = 0)
b    = Koefisien regresi (nilai peningkatan ataupun penurunan)

Contoh kasus:
Seorang mahasiswa bernama Hermawan ingin meneliti tentang pengaruh biaya promosi terhadap volume penjualan pada perusahaan jual beli motor. Dengan ini di dapat variabel dependen (Y) adalah volume penjualan dan variabel independen (X) adalah biaya promosi. Dengan ini Hermawan menganalisis dengan bantuan program SPSS dengan alat analisis regresi linear sederhana. Data-data yang di dapat ditabulasikan sebagai berikut:

      Tabel. Tabulasi Data Penelitian (Data Fiktif)

No	Biaya Promosi	Volume Penjualan
1	12,000	56,000
2	13,500	62,430
3	12,750	60,850
4	12,600	61,300
5	14,850	65,825
6	15,200	66,354
7	15,750	65,260
8	16,800	68,798
9	18,450	70,470
10	17,900	65,200
11	18,250	68,000
12	16,480	64,200
13	17,500	65,300
14	19,560	69,562
15	19,000	68,750
16	20,450	70,256
17	22,650	72,351
18	21,400	70,287
19	22,900	73,564
20	23,500	75,642

Langkah-langkah pada program SPSS
Ø  Masuk program SPSS
Ø  Klik variable view pada SPSS data editor
Ø  Pada kolom Name ketik y, kolom Name pada baris kedua ketik x.
Ø  Pada kolom Label, untuk kolom pada baris pertama ketik Volume Penjualan, untuk kolom pada baris kedua ketik Biaya Promosi.
Ø  Untuk kolom-kolom lainnya boleh dihiraukan (isian default)
Ø  Buka data view pada SPSS data editor, maka didapat kolom variabel y dan x.
Ø  Ketikkan data sesuai dengan variabelnya
Ø  Klik Analyze  - Regression - Linear
Ø  Klik variabel Volume Penjualan dan masukkan ke kotak Dependent, kemudian klik variabel Biaya Promosi dan masukkan ke kotak Independent.
Ø  Klik Statistics, klik Casewise diagnostics, klik All cases. Klik Continue
Ø Klik OK, maka hasil output yang didapat pada kolom Coefficients dan Casewise Diagnostics adalah sebagai berikut:

 Tabel. Hasil Analisis Regresi Linear Sederhana




Persamaan regresinya sebagai berikut:

Y’ = a + bX
Y’ =  -28764,7 + 0,691X

Angka-angka ini dapat diartikan sebagai berikut:
- Konstanta sebesar -28764,7; artinya jika biaya promosi (X) nilainya adalah 0, maka volume penjulan (Y’) nilainya negatif yaitu sebesar -28764,7.
-  Koefisien regresi variabel harga (X) sebesar 0,691; artinya jika harga mengalami kenaikan Rp.1, maka volume penjualan (Y’) akan mengalami peningkatan sebesar Rp.0,691. Koefisien bernilai positif artinya terjadi hubungan positif antara harga dengan volume penjualan, semakin naik harga maka semakin meningkatkan volume penjualan. 
Nilai volume penjualan yang diprediksi (Y’) dapat dilihat pada tabel Casewise Diagnostics (kolom Predicted Value). Sedangkan Residual (unstandardized residual) adalah selisih antara Volume Penjualan dengan Predicted Value, dan Std. Residual (standardized residual) adalah nilai residual yang telah terstandarisasi (nilai semakin mendekati 0 maka model regresi semakin baik dalam melakukan prediksi, sebaliknya semakin menjauhi 0 atau lebih dari 1 atau -1 maka semakin tidak baik model regresi dalam melakukan prediksi).

-     Uji Koefisien Regresi Sederhana (Uji t)
Uji ini digunakan untuk mengetahui apakah variabel independen (X) berpengaruh secara signifikan terhadap variabel dependen (Y). Signifikan berarti pengaruh yang terjadi dapat berlaku untuk populasi (dapat digeneralisasikan).
Dari hasil analisis regresi di atas dapat diketahui nilai t hitung seperti pada tabel 2. Langkah-langkah pengujian sebagai berikut:
1.   Menentukan Hipotesis
Ho   : Ada pengaruh secara signifikan antara biaya promosi dengan volume penjualan
Ha :    Tidak ada pengaruh secara signifikan antara biaya promosi dengan volume penjualan
2.   Menentukan tingkat signifikansi
Tingkat signifikansi menggunakan a = 5% (signifikansi 5% atau 0,05 adalah ukuran standar yang sering digunakan dalam penelitian)
      3.   Menentukan t hitung
Berdasarkan tabel  diperoleh t hitung sebesar 10,983
      4.   Menentukan t tabel
Tabel distribusi t dicari pada a = 5% : 2 = 2,5% (uji 2 sisi) dengan derajat kebebasan (df) n-k-1 atau  20-2-1  = 17 (n adalah jumlah kasus dan k adalah jumlah variabel independen). Dengan pengujian 2 sisi (signifikansi = 0,025) hasil diperoleh untuk t tabel sebesar 2,110 (Lihat pada lampiran) atau dapat dicari di Ms Excel dengan cara pada cell kosong ketik =tinv(0.05,17) lalu enter.
5.   Kriteria Pengujian
Ho diterima jika –t tabel < t hitung < t tabel
            Ho ditolak jika -thitung < -t tabel atau t hitung > t tabel
6.   Membandingkan t hitung dengan t tabel
Nilai t hitung > t tabel (10,983 > 2,110) maka Ho ditolak.
7.  Kesimpulan
Oleh karena nilai t hitung > t tabel (10,983 > 2,110) maka Ho ditolak, artinya bahwa ada pengaruh secara signifikan antara biaya promosi dengan volume penjualan. Jadi dalam kasus ini dapat disimpulkan bahwa biaya promosi berpengaruh terhadap volume penjualan pada perusahaan jual beli motor.

Pengujian Satu Arah dan Dua Arah

Pengujian Satu Arah dan Dua Arah

Kita sering mendengar istilah pengujian satu arah (one tailed) dan dua arah (two tailed). Dalam pembahasannya sering kali terjadi kesalahpahaman antara satu peneliti dengan peneliti yang lain, atau antara dosen dengan mahasiswa. Dalam berbagai laporan penelitian juga sering didapati, bahwa hipotesisnya satu arah, tetapi pengujiannya dua arah, atau sebaliknya. Hal tersebut sebenarnya kurang tepat secara statistik (rasanya gak enak kalau mau bilang salah) karena pengujian satu arah dan dua arah adalah hal yang tidak identik dan mempunyai nilai batas yang berbeda.

Pengujian dua arah adalah pengujian terhadap suatu hipotesis yang belum diketahui arahnya. Misalnya ada hipotesis, ‘diduga ada pengaruh signifikan antara variabel X terhadap Y’. Hipotesis tersebut harus diuji dengan pengujian dua arah. Sedangkan hipotesis yang berbunyi, ‘diduga ada pengaruh positif yang signifikan antara variabel X terhadap Y’. Nah, hipotesis tersebut harus diuji dengan pengujian satu arah. Bedanya apa? Lihat saja kedua hipotesis tersebut, ada kata positif dan tidak ada kata positif.

Jadi jika kita sudah mengetahui arah dari hubungan antara dua variabel, maka kita harus menggunakan pengujian satu arah. Coba perhatikan hipotesis ini, ‘diduga X berbeda dengan Y’. Nah pengujiannya apa? Ya jelas pengujian hipotesis dua arah. Berbeda dengan ini, ‘diduga X lebih tinggi dari pada Y’, di mana ini adalah pengujian hipotesis satu arah.

Perumusan hipotesis, apakah menggunakan arah atau tidak dilakukan berdasarkan telaah teoretis, atau merujuk kepada penelitian yang telah ada sebelumnya (kalau ada). Misalnya, sudah ada referensi bahwa variabel X berpengaruh secara signifikan terhadap variabel Y, maka jika kita akan melakukan replikasi terhadap penelitian tersebut, ya sebaiknya menggunakan hipotesis satu arah. Artinya kita melangkah lebih lanjut dari pada penelitian sebelumnya yang hanya mengetahui bahwa ada pengaruh saja. Penelitian kita akan memberikan manfaat lebih lanjut, yaitu bahwa pengaruh tersebut adalah positif atau negatif (jika memang ada teori yang mendukung).

Jika kita menggunakan analisis regresi linear, maka untuk pengujian dua arah, dan menggunakan signifikansi sebesar 5%, maka signifikansi akan dilihat dari nilai signifikansi output, di bawah 0,05 (hipotesis diterima) atau di atas 0,05 (hipotesis ditolak). Kita tidak perlu melihat berapa nilai t outputnya, apakah positif atau negatif. Akan tetapi, jika kita menggunakan hipotesis satu arah, pada signifikansi 5%, maka nilai signifikansi output harus dibagi dengan dua terlebih dahulu. Misalnya output signifikansi adalah sebesar 0,096, maka hipotesis diterima, karena 0,096 : 2 = 0,048 (< 0,05).

Uji Normalitas

Uji Normalitas dengan Kolmogorov Smirnov

Banyak sekali teknik pengujian normalitas suatu distribusi data yang telah dikembangkan oleh para ahli. Kita sebenarnya sangat beruntung karena tidak perlu mencari-cari cara untuk menguji normalitas, dan bahkan saat ini sudah tersedia banyak sekali alat bantu berupa program statistik yang tinggal pakai. Berikut adalah salah satu pengujian normalitas dengan menggunakan teknik Kolmogorov Smirnov.
Uji Kolmogorov Smirnov merupakan pengujian normalitas yang banyak dipakai, terutama setelah adanya banyak program statistik yang beredar. Kelebihan dari uji ini adalah sederhana dan tidak menimbulkan perbedaan persepsi di antara satu pengamat dengan pengamat yang lain, yang sering terjadi pada uji normalitas dengan menggunakan grafik.

Konsep dasar dari uji normalitas Kolmogorov Smirnov adalah dengan membandingkan distribusi data (yang akan diuji normalitasnya) dengan distribusi normal baku. Distribusi normal baku adalah data yang telah ditransformasikan ke dalam bentuk Z-Score dan diasumsikan normal. Jadi sebenarnya uji Kolmogorov Smirnov adalah uji beda antara data yang diuji normalitasnya dengan data normal baku. Seperti pada uji beda biasa, jika signifikansi di bawah 0,05 berarti terdapat perbedaan yang signifikan, dan jika signifikansi di atas 0,05 maka tidak terjadi perbedaan yang signifikan. Penerapan pada uji Kolmogorov Smirnov adalah bahwa jika signifikansi di bawah 0,05 berarti data yang akan diuji mempunyai perbedaan yang signifikan dengan data normal baku, berarti data tersebut tidak normal.
Lebih lanjut, jika signifikansi di atas 0,05 maka berarti tidak terdapat perbedaan yang signifikan antara data yang akan diuji dengan data normal baku, artinya….ya berarti data yang kita uji normal, kan tidak berbeda dengan normal baku.
Jika kesimpulan kita memberikan hasil yang tidak normal, maka kita tidak bisa menentukan transformasi seperti apa yang harus kita gunakan untuk normalisasi. Jadi ya kalau tidak normal, gunakan plot grafik untuk melihat menceng ke kanan atau ke kiri, atau menggunakan Skewness dan Kurtosis sehingga dapat ditentukan transformasi seperti apa yang paling tepat dipergunakan.

Uji Normalitas dengan Kolmogorov Smirnov dengan Program SPSS

Pengujian normalitas dengan menggunakan Program SPSS dilakukan dengan menu Analyze, kemudian klik pada Nonparametric Test, lalu klik pada 1-Sample K-S. K-S itu singkatan dari Kolmogorov-Smirnov. Maka akan muncul kotak One-Sample Kolmogorov-Smirnov Test. Data yang akan diuji terletak di kiri dan pindahkan ke kanan dengan tanda panah. Lalu tekan OK saja. Pada output, lihat pada baris paling bawah dan paling kanan yang berisi Asymp.Sig.(2-tailed). Lalu intepretasinya adalah bahwa jika nilainya di atas 0,05 maka distribusi data dinyatakan memenuhi asumsi normalitas, dan jika nilainya di bawah 0,05 maka diinterpretasikan sebagai tidak normal.

Humor Statistik

Humor Statistik

Humor Statistik: Survey tentang Perceraian

Sebuah survey menunjukkan bahwa pernikahan tanpa didasari cinta cenderung gagal, karena mana mungkin sanggup hidup bertahun2 dengan orang yang tidak dicintai.

Survey lain menunjukkan bahwa pernikahan yang didasari cinta cenderung gagal. Mengapa? Karena cinta sering membutakan mata dan logika dalam mengambil keputusan.

Humor Statistik: Statistik bikin TUA ?

Seorang eksekutif muda yang mempunyai permasalahan statistik, menemui sebuah biro yang membantu permasalahan statistik. Dia ditemui oleh seorang pria yang wajahnya sudah relatif tua, rambut putih dan kerut-kerut wajahnya menunjukkan bahwa dirinya sudah tidak muda lagi.

Setelah mengutarakan keperluannya, statistikawan 'tua' tersebut segera memahami dan bersedia membantu eksekutif muda tersebut. Meskipun relatif tua, tapi statistikawan tersebut masih tahan memandangi komputer dengan sederetan angka yang rumit.

"Hmm..hebat juga orang tua ini?!" gumam Si eksekutif muda tersebut.

Akhirnya permasalahan selesai dengan baik. Si eksekutif muda mengucapkan terima kasih, dan mulai berbicara santai

"Wah, Anda ternyata hebat juga. Masih tahan melakukan pekerjaan yang cukup melelahkan mata dan pikiran", kata Si Eksekutif muda.

"Ah, biasa saja Pak", sahut si statistikawan merendah.

"Ngomong-ngomong, berapa usia Anda?", tanya Eksekutif muda.

"Tahun ini 29 tahun Pak!" jawab statistikawan santai.

Eksekutif muda: (dalam hati) makanya jangan keseringan melototin angka *&*&!@#^$&%^&&$^#&^$ cepet tua tuh.......

Humor Statistik: Dilema Mahasiswa

Seorang mahasiswa dipanggil seorang dosen statistik karena tidak pernah mengikuti mata kuliahnya. Sang dosen berusaha untuk bersikap sabar dan dengan nada ramah menanyakan alasan mahasiswa tersebut.

Mahasiswa: Saya tidak masuk karena materi dan gaya penyampaian Bapak membosankan, sehingga membuat saya mengantuk.

Dosen: (berusaha untuk tetap sabar). Lalu mengapa Saudara tidak datang dan tidur saja? Sekedar memenuhi persyaratan kehadiran.

Mahasiswa: Suara Bapak sangat keras, sehingga membuat saya tidak bisa tidur!

Dosen: !@#$%$##@!@#$%&

Humor Statistik: Alasan Kuliah Jurusan Statistik

Alkisah, dua orang sahabat yang baru saja lulus SMA berbincang tentang jurusan yang akan dipilih di Perguruan Tinggi. Anak yang satu berkata," Aku pengin kuliah di Kedokteran, nanti kalau sudah jadi dokter, pasti aku kaya!"

"Ah, kalau aku mau kuliah di jurusan Statistik saja!", sahut teman yang satunya.

"Lho kenapa? Kenapa tidak kuliah di Teknik atau Akuntansi saja?" tanya anak yang pertama.

"Kata orang, dengan statistik, kita bisa menyelesaikan setengah dari permasalahan hidup kita! Percuma kaya raya tapi kalau hidup banyak masalah", jawabnya.

"Tapi kan masih ada setengah masalah hidup yang lain!" sergah anak yang ingin jadi dokter.

"Gampang," sahut anak tersebut," Aku mau kuliah sampai S2, jadi semua masalah hidupku bisa terselesaikan!"

Humor Statistik: Probabilitas Cerai

Suatu saat, seorang wanita pakar statistik pulang ke rumah dan mendapati suaminya sedang berdua dengan wanita lain di tempat tidur.

"Astaga! Tak kusangka Kau berbuat seperti ini", katanya kepada suaminya, "99% istri pasti akan meminta cerai melihat hal ini!"

"Tunggu dulu istriku", sahut suaminya yang juga pakar statistik, "Dengarkan dulu penjelasanku!"

"Wanita itu kudapati terkapar di jalan, sendirian dalam kondisi yang menyedihkan. Aku kasihan, lalu aku bahwa pulang. Aku rawat dia. Aku berikan pakaian yang kemungkinannya hanya 5% kamu pakai. Juga sepatu yang hanya 5% kemungkinannya kamu pakai. Ku beri dia makanan yang tingkat kesukaanmu hanya 5%"

Si suami terus menjelaskan bahwa apa yang dia berikan adalah segala sesuatu yang tidak signifikan, karena kurang dari 5% dipergunakan oleh istrinya.

"Oke!" cetus istrinya, "Lalu?"

"Ya begitulah", sambung suaminya, "Ketika aku antar wanita itu sampai ke pintu keluar, dia bertanya lagi kepadaku, apa lagi yang kemungkinan dipergunakan oleh istrimu di bawah 5%?"

Humor Statistik: Surga dan Statistikawan

Alkisah, Sang Penjaga Surga sudah mulai lelah dan letih dalam meneliti dan menentukan siapa yang harus masuk surga dan siapa yang masuk neraka. Beberapa penghuni surga yang prihatin dengan hal tersebut menyarankan untuk menggunakan teknik-teknik statistik untuk memudahkan pekerjaan, mengingat penduduk dunia yang sudah mencapai milyaran.

Sang Penjaga surga setuju dengan usulan itu dan berniat menggunakan teknik statistik untuk memudahkan pekerjaannya. Akan tetapi, hari demi hari, bulan demi bulan, niat itu tidak terlaksana juga.

Alih-alih, rupanya Sang Penjaga surga tidak menemukan adanya ahli statistik yang menghuni surga!!!

Humor Statistik: Statistikawan dan Neraka

Alkisah, para penghuni neraka yang kegerahan karena siksa yang mereka dapat memohon kepada Sang Khalik, agar melakukan survey tentang karakteristik penghuni neraka dan surga, agar dapat dibagikan kepada penghuni bumi. Tujuannya adalah agar para penghuni bumi dapat mempersiapkan diri agar tidak menghuni neraka seperti mereka.

Sang Khalik setuju dan mulailah dilakukan survey tersebut. Dalam waktu singkat, hasil survey karakteristik penghuni neraka telah selesai dan diserahkan kepada Sang Khalik. Dia menerima dengan baik dan akan memberikannya kepada penghuni bumi bersamaan dengan hasil survey dari surga yang ternyata belum kelar.

Setelah ditunggu beberapa lama, hasil survey dari surga tak kunjung kelar. Utusan-Nya segera menghubungi penghuni surga untuk menanyakan hal tersebut. Penghuni surga menjawab bahwa mereka ternyata kesulitan melakukan survey tersebut karena di surga tidak ada ahli statistik!!!!

Humor Statistik: Jin dan Statistikawan

Suatu ketika, seorang ahli statistik menemukan sebuah lampu ajaib. Ketika tanpa sengaja dia menggosoknya, maka keluarlah Jin yang langsung berkata,

"Hai....Tuan...saya akan memenuhi tiga permintaanmu. Akan tetapi, karena sebagai Tuan selalu menyatakan bahwa diri Anda sangat bermanfaat bagi orang lain, maka dua orang politikus di seberang jalan itu akan mendapatkan dua kali dari apa yang Tuan minta".

Statistikawan tersebut berpikir, bahwa tidak ada ruginya meskipun ada orang lain yang mendapatkan lebih, maka dia berkata'

"Saya minta sebuah mobil mewah!"

Dan segeralah sebuah mobil mewah tersedia di hadapannya. Akan tetapi, dua politikus yang kebetulan berada di seberang jalan juga mendapatkan masing-masing dua buah mobil mewah serupa.

"Permintaan kedua", kata statistikawan tersebut, "Aku minta uang Satu milyard!"

Segera sekantung uang semilyar ada di hadapannya. Statistikawan tersebut menoleh dan melihat bahwa dua politikus masing-masing mendapatkan 2 milyard. Lama-lama dia mulai gerah.

"Baiklah, ini permintan ketiga. Saya ingin mendonorkan satu mata saya kepada orang lain, agar saya lebih berguna bagi orang lain!"

Humor Statistik: Statistik dan Kebijakan Pemerintah

Suatu saat, seorang menteri melapor kepada presiden tentang hubungan antara pertumbuhan ekonomi dengan jumlah rakyat miskin,

"Begini Pak Presiden, setiap 1% pertumbuhan ekonomi, berarti jumlah rakyat miskin akan berkurang sekitar 1 juta orang". Tampak Presiden manggut-manggut, "akan tetapi Pak, dalam kondisi krisis global seperti ini, sangat sulit untuk menaikkan pertumbuhan ekonomi!"

"Baiklah", jawab Presiden. "Kalau begitu, kita ambil kebijakan yang memberatkan rakyat miskin saja, sehingga mereka akan berkurang dengan sendirinya karena terbebani oleh kebijakan itu. Bukankah berkurangnya rakyat miskin akan meningkatkan pertumbuhan ekonomi?"

Humor Statistik: Politikus Awam Statistik

Dalam sebuah kampanye, seorang politikus menyerukan janji yang membuat masyarakat senang:

"Hadiri sekalian. Mengingat kondisi perekonomian yang semakin sulit, maka saya sudah menyiapkan berbagai strategi agar kita hidup lebih makmur. Jika saya terpilih, saya berjanji akan membuat pendapatan rakyat SEMUANYA BERADA DI ATAS RATA-RATA!!!! Itu janji saya yang pasti akan saya tepati."

(Pahamkah Anda? Jika tidak berarti Anda berbakat jadi politikus!!! Ha. ha..)

Humor Statistik: Cerita tentang Sampel

Tiga orang profesor, satu profesor fisika, satu profesor kimia dan satu orang profesor statistik terjebak dalam sebuah kebakaran di sebuah gedung. Dalam kondisi yang panik, profesor fisika berkata:

"Aku tahu apa yang harus kita lakukan. Kita harus mendinginkan material yang sedang terbakar sampai di bawah titik bakarnya. Dengan demikian, materi tersebut menjadi tidak terbakar dan kita selamat"

"Tidak," kata profesor kimia,"yang paling tepat kita lakukan adalah menghalangi suplay oksigen ke dalam api, sehingga api tersebut akan kehabisan energi untuk terbakar dan kita akan selamat."

Ketika dua orang profesor tersebut sibuk berdebat tentang hal itu, profesor statistik sibuk berpindah tempat dari satu titik api ke titik api yang lain. Kedua profesor yang lain bertanya:

"Apa yang sedang kamu lakukan? Itu sangat berbahaya!"

Profesor statistik menjawab:

"Saya sedang mencari sampel yang layak untuk dianalisis dan menentukan solusi yang tepat untuk menyelamatkan kita berdasarkan data yang ada!"

Sejarah Statistika

Sejarah Statistika

Sejarah Statistika

Statistika : Suatu disiplin ilmu yang mempelajari metode pengumpulan, peringkasan dan penyajian data, menganalisis (termasuk pendugaan parametrik) dan menarik kesimpulan dari data tersebut.

Penggunaan istilah statistika berakar dari istilah istilah dalam bahasa latin moderen statisticum collegium ("dewan negara") dan bahasa Italia statista ("negarawan" atau "politikus").

Gottfried Achenwall (1749) menggunakan Statistik dalam bahasa Jerman untuk pertama kalinya sebagai nama bagi kegiatan analisis data kenegaraan, dengan mengartikannya sebagai "ilmu tentang negara (state)". Pada awal abad ke-19 telah terjadi pergeseran arti menjadi "ilmu mengenai pengumpulan dan klasifikasi data". Sir John Sinclair memperkenalkan nama (Statistics) dan pengertian ini ke dalam bahasa Inggris. Jadi, statistika secara prinsip mula-mula hanya mengurus data yang dipakai lembaga-lembaga administratif dan pemerintahan. Pengumpulan data terus berlanjut, khususnya melalui sensus yang dilakukan secara teratur untuk memberi informasi kependudukan yang berubah setiap saat.

Pada abad ke-19 dan awal abad ke-20 statistika mulai banyak menggunakan bidang-bidang dalam matematika, terutama probabilitas. Cabang statistika yang pada saat ini sangat luas digunakan untuk mendukung metode ilmiah, statistika inferensi, dikembangkan pada paruh kedua abad ke-19 dan awal abad ke-20 oleh Ronald Fisher (peletak dasar statistika inferensi), Karl Pearson (metode regresi linear), dan William Sealey Gosset (meneliti problem sampel berukuran kecil). Penggunaan statistika pada masa sekarang dapat dikatakan telah menyentuh semua bidang ilmu pengetahuan, mulai dari astronomi hingga linguistika. Bidang-bidang ekonomi, biologi dan cabang-cabang terapannya, serta psikologi banyak dipengaruhi oleh statistika dalam metodologinya. Akibatnya lahirlah ilmu-ilmu gabungan seperti ekonometrika, biometrika (atau biostatistika), dan psikometrika.

2. Penentang statistika salah satunya yaitu Joel Best dalam bukunya Damned Lies and Statistics, Untangling Numbers From The Media, Politicians, and Activists yang diterbitkan oleh University of California Press, 2001

Penggunaan teknik dan data statistik sosial dalam masyarakat, terutama yang sering digunakan dalam media cetak maupun elektronik, dapat membantu publik untuk mendapatkan pemahaman yang jelas mengenai berbagai gejala sosial. Demikian juga statistik dalam berbagai jajak pendapat (polling) politik dapat membantu memberi informasi mengenai partai politik atau tokoh politik tertentu. Jelaslah bahwa statistik merupakan alat bantu yang sering kali dianggap berguna oleh publik.

Namun, statistik dapat pula menunjukkan rupa buruknya sebagai alat propaganda yang membohongi masyarakat. Berkaitan dengan hal ini publik perlu mendapat informasi yang jelas dan ringkas untuk mengetahui penyalahgunaan statistic yang ditulis oleh Joel Best, seorang Profesor Sociology and Criminal Justice, University of Delaware, berjudul Damned Lies and Statistics: Untangling Numbers from the Media, Politicians, and Activists, 2001, dapat membantu mengatasi penyalahgunaan statistik. Tujuan utama buku ini adalah untuk membahas mengapa statistik yang buruk dapat muncul, menyebar dan mempengaruhi kebijakan. Selain itu buku ini mencoba memetakan publik menjadi empat kelompok dalam melihat statistik, yakni kelompok "terpesona", "naif", "sinis" dan "kritis". Diharapkan buku ini dapat membuat publik menjadi lebih cerdas dan kritis selain menjadi konsumen statistik yang lebih berdaya.

Secara umum, dapat ditarik empat kesimpulan mengenai buku ini:

1. berhasil menjelaskan berbagai proses dalam produksi dan distribusi statistik.

2. sangat kurang membahas peran intervensi negara dalam statistik yang banyak terjadi dalam negara otoriter dan totaliter di mana statistik merupakan alat propaganda yang efektif.

3. Buku ini lebih menekankan pada perlunya peningkatan kemampuan individu namun tidak mengusulkan solusi perbaikan pada tingkat sistemik untuk mengatasi penyalahgunaan statistik. Keempat,

4. Berisi kritik terhadap statistik namun tidak membahas bahwa statistik dapat menjadi alat kritik yang tajam guna transformasi masyarakat.

Siapa, mengapa, dan bagaimana

Ketiga kata di atas merupakan kata kunci untuk mengetahui apa yang terjadi di belakang statistik yang tersaji. Best mengajak kita untuk bersikap skeptis, waspada, dan mencari tahu siapa pembuat statistik itu : apakah pemerintah, perusahaan, atau aktivis sosial.

Dalam buku ini Best mencoba mengidentifikasi empat sumber statistik buruk, yakni penebakan, pendefinisian, pengukuran, dan sampel. Best mengingatkan, statistik yang buruk dapat pula terjadi jika contoh dianggap sebagai definisi, misalnya kasus terbunuhnya seorang anak dianggap sebagai kekerasan terhadap anak. Definisi yang terlalu sempit akan membatasi kasus atau gejala yang dikemukakan; demikian pula sebaliknya. Masalah pendefinisian ini sering kali dikaitkan dengan kepentingan suatu pihak seperti yang terjadi dalam kasus statistik kemiskinan. Jika statistik tersebut digunakan untuk pengukuran keberhasilan pembangunan, terdapat kecenderungan untuk memberi angka minimal. Namun, sebaliknya, jika statistik tersebut dikaitkan dengan janji untuk pemberian bantuan, angka yang maksimal akan dikeluarkan. Pola serupa terjadi dalam reboisasi Hak Pengusahaan Hutan (HPH) di mana angkanya akan dimaksimalkan untuk memperoleh dana reboisasi.

Masalah pengukuran dapat menjadi sumber statistik yang buruk dan hal ini sering kita jumpai sehingga kita diminta untuk mewaspadai cara pengukuran. Berkaitan dengan masalah sampel, Best menekankan perlunya keterwakilan (representativeness) dibandingkan dengan banyaknya sampel. Masalah keterwakilan dalam statistik berkaitan erat dengan kesimpulan dan hal

Berkaitan dengan hal ini pemahaman mengenai jajak pendapat menjadi penting dan beberapa hal perlu diketahui. Pertama, sampel harus dilakukan secara random (dipilih dengan berbagai prosedur acak oleh tim peneliti). Responden yang menjawab secara sukarela (self-selection) seperti dalam jajak pendapat di radio dan televisi (TV) tidak dapat dikategorikan sebagai jajak pendapat yang benar. Mereka memilih diri sendiri sebagai "sampel", namun populasinya tidak jelas sehingga tidak dapat dilakukan generalisasi pendapat mereka. Kedua, perlu disebutkan berapakah sampling error, misalnya tertulis ± 4 persen, artinya dengan tingkat kepercayaan tertentu (sering kali 95 persen), maka nilai dalam sampel dapat bernilai lebih atau kurang 4 persen di populasi. Jadi, jika 40 persen responden di sampel setuju dengan program "A", dalam populasi (dengan kemungkinan 95 persen) persentase mereka yang setuju adalah antara 36 persen sampai 44 persen. Tanpa penyebutan sampling error, maka kesimpulan tersebut hanya berlaku di tingkat sampel saja.

Ketiga, kesalahan dapat pula terjadi dalam proses pengumpulan data (wawancara) atau non-sampling error artinya, bisa saja sampelnya tepat tetapi pertanyaan dan jawaban mengalami hambatan.

Selain sumber statistik buruk, Best juga membahas empat jenis kelompok dalam melihat statistik, yakni Kelompok terpesona; Kelompok naïf; Kelompok sinis dan Kelompok kritis.

Kelompok terpesona menganggap statistik mempunyai kekuatan "magis" dan sering kali mereka tidak mengerti statistik dan bersikap fatalistik. Kelompok naif mempunyai pengetahuan sedikit tentang statistik, namun sering kali bersikap nrimo dan lugu serta tidak melihat peran dari berbagai kepentingan di balik statistik. Sebaliknya, kelompok sinis selalu bersikap curiga, mereka tidak percaya atau "alergi" pada angka dan selalu menganggap statistik sebagai suatu manipulasi. Mereka secara sinis akan menyatakan bahwa "Anda dapat membuktikan segala sesuatu dengan statistik". Dalam buku ini, Best berharap bahwa publik menjadi kelompok kritis yang ditandai dengan kemampuan untuk mengkritik statistik berdasarkan definisi, pengukuran, dan sampel yang digunakan. Dengan kemampuan kritis ini, publik akan dapat mendeteksi bagaimana terjadi perubahan statistik yang dimanipulasi dan didramatisasi oleh nara sumber atau media. Selain itu, kesalahan penyajian statistik dengan cara membandingkan statistik dari tempat atau periode yang berbeda.

Statistik untuk negara

Buku Best membahas penyalahgunaan statistik dengan konteks Amerika terutama masalah problem sosial di mana statistik dapat membantu membohongi publik. Namun, buku ini kurang dapat menjelaskan peran statistik di negara totaliter (komunis masa lampau) dan negara otoriter. Di negara totaliter, penyalahgunaan statistik merupakan hal normal di mana statistik benar-benar menjadi bagian dari propaganda dan rekayasa sosial.

Pola serupa terjadi di negara otoriter dengan derajat yang lebih rendah. Statistik tandingan tentang kelemahan pembangunan biasanya disuarakan oleh pihak di luar negara.

Negara berkembang yang otoriter sering kali tidak berupaya menyajikan statistik tentang komposisi penduduknya karena dapat mengganggu pembangunan bangsa dan stabilitas nasional. Di Indonesia sendiri, sensus etnik baru dilakukan lagi pada tahun 2000 oleh Badan Pusat Statistik (BPS) setelah sensus pada tahun 1930 oleh Belanda. Pada periode pemerintahan Presiden Soeharto statistik tentang suku, agama, ras dan antargolongan (SARA) dianggap sensitif dan dapat mengganggu persatuan. Jelaslah bahwa paradigma menjaga "kesatuan" yang berlebihan telah mengorbankan informasi tentang kebhinnekaan.

Audit statistik

Rekomendasi yang diberikan oleh Best dapat dikatakan lebih bersifat individual seperti konsumen yang kritis terhadap "produk" di "pasar" statistik. Ia tidak merekomendasikan perlunya suatu mekanisme yang agak makro seperti lembaga pemantau atau audit statistik (watchdog) yang secara permanen mengkritik produk statistik yang tersaji pada publik. Fungsi lembaga ini dapat dilakukan oleh perguruan tinggi, Lembaga konsumen dan Komisi Penyiaran dan Informasi (KPI) yang akan dibentuk.

Selain itu fungsi ini perlu melekat pada setiap media cetak dan elektronik yang berupa forum, komisi atau tim yang mempunyai kompetensi dalam bidang statistik untuk melakukan audit rutin tahunan. Hal lain yang dapat dilakukan adalah pelatihan bagi mereka yang bekerja dalam bidang media sehingga mereka menjadi orang yang mempunyai kemampuan untuk melakukan kritik terhadap statistik. Best mengutip pendapat Scott Adams yang menyatakan bahwa sering kali wartawan yang melakukan penelitian secara teliti berkaitan dengan kebenaran statistik mendapat penghargaan yang sama dengan mereka yang hanya sekadar mengutip statistik dari nara sumber. Dengan berbagai filter yang dibangun ini diharapkan dapat dicegah distribusi statistik buruk untuk dikonsumsi publik atau digunakan untuk pembuatan kebijakan.

Statistik akuntabilitas

Judul buku ini menunjukkan bahwa statistik dapat menghasilkan bohong besar, namun sebaliknya statistik dapat juga membongkar kebohongan dalam masyarakat.

Sejalan dengan reformasi dan transisi menuju demokrasi maka selain statistik pembangunan diperlukan pula "statistik akuntabilitas" di mana publik mengemukakan pendapat mereka tentang berbagai lembaga negara. Misalnya, jajak pendapat oleh Kompas (10 Juni 2002) dengan 830 responden di 10 kota menyatakan bahwa perhatian anggota Dewan Perwakilan Rakyat (DPR) selama ini ditujukan pada Rakyat (11 persen); Partai (61,6 persen), dan Pribadi (24,5 persen). Selain itu, terdapat pula statistik penting yang berkaitan dengan informasi pejabat publik yang dapat menunjukkan sejauh mana tingkat akuntabilitas suatu pemerintah.

Dengan kemajuan teknologi maka penyampaian data dan akses publik mengenai kinerja berbagai lembaga negara dapat dipermudah. Seharusnya publik dapat mengakses website setiap hasil pengadilan sehingga dapat diketahui apakah proses dan vonis telah memenuhi rasa keadilan atau tidak. Demikian pula informasi dari Kepolisian RI (Polri) tentang berbagai kasus yang disidik (misalnya jumlah kasus narkoba dan penjudi) yang diteruskan ke kejaksaan seharusnya dapat diketahui publik sehingga dapat dicegah penyimpangannya. Hal serupa berlaku pula dengan kegiatan di kejaksaan sehingga dapat dihindarkan kolusi. Seandainya statistik tersebut telah tersedia maka auditnya dapat dilakukan secara komprehensif dan berkelanjutan yang dilakukan oleh lembaga swadaya masyarakat atau kampus.

3. Bapak statistika Indonesia yaitu Prof.Dr.Andi Hakim Nasoetion

Prof.Dr.Andi Hakim Nasoetion dijadikan sebagai Bapak Statistika karena beliau telah banyak mewariskan ilmu dan pemikiran-pemikiran besar dalam memajukan pendidikan di Indonesia. Selain itu Beliau merupakan guru besar statistika pertama dan paling terkemuka di IPB