Ilmu Statistik dan Manfaatnya

Statistik adalah ilmu pengetahuan tentang data yang mencakup pengumpulan data, mengklasifikasian data, meringkas, mengorganisir, menganalisis data, serta menafsirkan informasi numerik yang dikandung data sehingga menjadi informasi yang bermanfaat.

Statistik digunakan dalam berbagai disiplin ilmu yang berbeda (baik ilmiah dan non-ilmiah) untuk membuat keputusan dan menarik kesimpulan berdasarkan data.

Sebagai contoh:

• Dalam industri farmasi, sebuah perusahaan Farmasi ingin mengetahui apakah obat baru yang mereka temukan lebih ampuh dari obat lama atau tidak, sehingga apabila hasilnya lebih baik maka mereka akan segera diluncurkan ke pasar. Untuk mengetahui  tingkat kemanjuran obat baru tersebut maka mereka  dapat berkonsultasi dengan ahli statistik yang dapat membantu mereka mengambil sampel individu dan melakukan uji sampel kepada mereka. Ahli statistik kemudian dapat menganalisis efek obat pada sampel dan menggeneralisasi  hasil dari temuannya. Jika obat gagal untuk mengurangi gejala negatif atau dengan kata lain keampuhannya tidak lebik dari obat lama bahkan lebih buruk, maka mungkin obat ini tidak siap untuk diluncurkan kepada masyarakat.

 .
• Dalam bisnis, manajer seringkali  harus memutuskan target konsumen manakah yang memiliki potensi yang besar untuk produk yang mereka tawarkan. Untuk menetapkan target konsumen maka mereka terlebih dahulu harus mengklasifikasikan berbagai konsumen mereka menjadi beberapa kelas atau golongan (segmentasi).  Selanjutnya dianalisis segmen mana yang paling potensial untuk produk mereka. Pemilihan segmen konsumen yang paling potensial ini adalah proses targeting konsumen mereka  Misalnya , sebuah perusahaan kartu kredit harus menilai seberapa berisiko pelanggan potensial . Di dunia kredit , risiko sering diukur dengan mengukur kemungkinan bahwa seseorang akan lalai dalam membayar tagihan kartu kredit mereka . Ini jelas merupakan tugas yang rumit karena kita memiliki informasi yang terbatas tentang kecenderungan individu untuk tidak membayar tagihan mereka . Untuk mengukur risiko , manajer sering merekrut ahli statistik untuk membangun model statistik yang memprediksi kemungkinan seseorang akan default
membayar tagihan mereka . Manajer kemudian dapat menerapkan model untuk pelanggan potensial untuk menentukan risiko mereka dan informasi yang dapat digunakan untuk memutuskan apakah akan menawarkan atau tidak produk keuangan mereka pada individu tersebut.  Tentu saja setelah adanya proses segementasi dan targeting konsumen.

Untuk contoh yang lebih konkret, anggaplah bahwa seorang individu, Dave, perlu menurunkan berat badannya. Dave memutuskan bahwa cara terbaik baginya untuk melakukan hal ini adalah melalui diet atau mengadopsi  latihan rutin. Seorang konselor kesehatan yang Dave telah disewa untuk membantunya, memberinya empat pilihan:

1.     The Atkins Diet
2.  The South Beach Diet
3.  Diet mana Anda sangat mengurangi asupan kalori Anda
4.  Boot Camp, yang merupakan sangat kuat, sehari-hari, latihan.

Dave memahami bahwa dengan menggunakan data-data  yang tercakup pada masing-masing program diet  dalam pengambilan keputusannya dapat memberikan wawasan tambahan yang bermanfaat, memutuskan untuk menganalisis beberapa kecenderungan sejarah tingkat penurunan bobot individu dari beberapa program diet yang dianjurkan oleh konselor kesehatannya. Berikut data  penurunan bobot untuk masing-masing individu  yang pergi  diet dari beberapa program diet selama periode delapan minggu.

Berat
Diet	1	2	3	4	5	6	7	8
Atkins	310	310	304	300	290	285	280	284
Sout Beach	310	312	308	304	300	295	290	289
Reduced Calori	310	307	306	303	301	299	297	295
Boot camp	310	308	305	303	297	294	290	287

Berdasarkan angka-angka ini,program  Diet mana yang sebaiknya diambil Dave?

Bagaimana jika tujuan Dave adalah untuk menurunkan berat badan yang paling besar? Atkins diet akan tampak seperti pilihan yang wajar karena ia akan kehilangan bobot paling besar pada akhir periode delapan minggu. Namun, sifat protein tinggi diet mungkin tidak menarik bagi Dave. Juga, Atkins tampaknya memiliki beberapa pasang surut dalam penurunan berat badan (lihat minggu 7 sampai minggu 8). Bagaimana jika Dave ingin menurunkan berat badan dengan cara yang stabil dan mantap? Maka mungkin boot camp akan menjadi pilihan Dave karena data menunjukkan penurunannya  mantap dan stabil dalam penurunan berat badan

Ada dua jenis statistik yang sering disebut ketika membuat keputusan statistik atau bekerja
pada masalah statistik. Yaitu Statistik Deskriptif dan Inferensia.

Statistik Deskriptif: Statistik deskriptif menggunakan metode numerik dan grafis untuk mencari pola dalam data, untuk meringkas informasi yang terungkap dalam kumpulan data, dan menyajikan informasi dalam bentuk yang nyaman selanjutnya dapat digunakan untuk membuat keputusan. Tujuan utama dari statistik deskriptif adalah untuk menjelaskan suatu kumpulan data. Dengan demikian, kelas statistik deskriptif meliputi langkah-langkah numerik (misalnya mean atau median) dan menampilkan grafis dari data (mis. pie chart atau grafik batang).

Statistik inferensial: statistik inferensial menggunakan data sampel untuk membuat estimasi, keputusan, prediksi, atau generalisasi tentang satu set data yang lebih besar. Beberapa contoh statistik inferensial mungkin z statistik atau t-statistik.

1.       Statistik Deskriptif

Dave dapat menggunakan beberapa statistik deskriptif dasar untuk lebih memahami pola makannya dan di mana mungkin ada kesempatan untuk mengubah beberapa kebiasaan diet nya. Tabel di bawah ini menampilkan isi kalori dari makanan yang telah dimakan Dave minggu terakhir ini.

Hari	Sarapan	kalori	Makan siang	Kalori	Makan malam	kalori	Snack	Kalori
Minggu	Kopi	200	Makan pizza	1200	Makanan sisa	1000	3 Bir	300
Senin	Sepiring protein	175	Salad	375	Makanan Beku	275	3 Bir	300
Selasa		0	Super burrito	750	Makanan beku	300	3 Bir	300
Rabu	Buah-buahan	200	Salad	375	Makanan beku	300	3 Bir	300

Informasi apa yang bisa dipetik dari log asupan kalori diatas? Hal paling sederhana yang harus dilakukan adalah dengan melihat pada total kalori yang dikonsumsi setiap hari. Total ini ditunjukkan di bawah ini.

Hari	Total harian kalori
Minggu	2700
Senin	1125
Selasa	1350
Rabu	1175

Informasi baru apakah yang dapat diambil dari tabel diatas?

• Harid dengan konsumsi  kalori paling banyak adalah pada hari Minggu.

• Menikmati tiga bir per malam mengkonsumsi sekitar 20% dari kalori Dave di setiap hari (kecuali hari Minggu).

• Dave cenderung memiliki kalori yang lebih tinggi di waktu makan siang pada hari-hari ketika dia melewatkan sarapan (atau hanya memiliki kopi).

Poin ketiga diatas adalah cukup menarik untuk  dianalisis. Ketika Dave melewati sarapannya maka
makan siang secara signifikan lebih tinggi dalam asupan kalorinya dari pada hari-hari yang dia makan sarapan.  Berdasarkan data-data ini Dave dapat mengambil suatu informasi yang cukup jelas - ia harus memulai setiap hari dengan sarapan yang sehat karena ini menghindari asupan kalori yang tinggi di waktu makan siang yang secara keseluruhan akan menghindari penambahan jumlah asupan kalori per hari.

2.       Statistik Inferensial

Tujuan utama dari statistik inferensial adalah untuk membuat kesimpulan tentang populasi didasarkan dari sampel Data dari populasi itu. Salah satu yang paling umum digunakan dalam teknik inferensial adalah pengujian hipotesis.

Definisi kunci
Satuan Eksperimental: Sebuah objek pada data yang dikumpulkan.
Populasi: Satu set unit yang menarik untuk belajar.
Variabel: Karakteristik atau milik unit eksperimental individu.
Contoh: Sebuah subset dari unit populasi.

Apa yang dimaksud dengan hipotesis statistik? Hipotesis adalah pendugaan tentang hubungan antara dua (atau lebih) variabel. Sebagai contoh, perhatikan pertanyaan yang akan menjadi penting untuk seorang CEO sebuah  Perusahaan sepatu lari: Apakah seseorang pelari marathon memiliki kesempatan yang lebih baik dalam  menyelesaikan maratonnya jika mereka memakai sepatu merek perusahaannya daripada jika mereka memakai merek pesaing? Maka Hipotesis dari CEOnya menjadi : pelari yang mengenakan sepatu dari perusahaannya akan memiliki kesempatan yang lebih baik dalam menyelesaikan balapan semenjak dia menggunakan sepatu tersebut. Setelah hipotesis terbentuk, mekanisme selanjutnya adalah melakukan uji dari hipotesis tersebut. Langkah pertama adalah mendefinisikan variabel. Ada beberapa  jenis variabel, diantaranya  yaitu  variabel dependen dan variabel independen.

definisi
Dependent Variable: Variabel yang mewakili efek yang sedang diuji
Variabel Independen: Variabel yang mewakili masukan untuk variabel dependen, atau variabel yang dapat dimanipulasi untuk melihat apakah mereka penyebabnya.

Dalam contoh ini, variabel dependen adalah apakah seorang individu pelari  mampu menyelesaikan maraton. Sedangkan variabel independennya  adalah merek sepatu yang mereka kenakan, merek CEO atau merek yang berbeda.

Variabel ini akan dioperasionalkan dengan mengadopsi ukuran  variabel dependen (Pelari yang  menyelesaikan maraton) dan mengadopsi ukuran untuk jenis sepatu yang mereka kenakan (jika mereka memakai merek CEO ketika mereka berlari balapan).

Setelah variabel dioperasionalkan dan data dikumpulkan,selanjutnya adalah memilih uji statistik, untuk mengevaluasi data-data. Dalam contoh ini, CEO mungkin membandingkan proporsi pelari  yang menyelesaikan maraton yang mengenakan sepatu CEO terhadap proporsi yang menyelesaikan maraton yang mengenakan merek yang berbeda. Jika CEO hipotesis benar (bahwa memakai sepatu merek CEO membantu untuk menyelesaikan maraton) maka orang akan berharap bahwa tingkat penyelesaian akan lebih tinggi bagi mereka yang memakai merek CEO dan uji statistik akan mendukung hal tersebut.

Karena tidak realistis untuk mengumpulkan data pada setiap pelari dalam perlombaan, pilihan yang lebih efisien adalah dengan mengambil sampel pelari dan mengumpulkan pengukuran dependen dan independen pada mereka. kemudian melakukan uji inferensial pada sampel dan (dengan asumsi uji  telah dilakukan dengan benar) menggeneralisasi kesimpulannya untuk seluruh total individu dari pelari maraton.

ada beberapa perbedaan dari deskriptif dan inferensial yang dapat kita soroti dalam menentukan langkah kunci dari permasalahannya, yaitu:

Elemen Masalah statistik deskriptif
1) Tentukan populasi (atau contoh)
2) Pilih variabel yang akan diselidiki
3) Pilih tabel, grafik, atau alat ringkasan numerik.
4) Mengidentifikasi pola dalam data.

Elemen inferensial statistik Masalah
1) mendefinisikan populasi
2) Pilih variabel yang akan diselidiki
3) Pilih sampel dari unit populasi
4) Jalankan uji statistik pada sampel.
5) Generalisasi hasil untuk populasi dan menarik kesimpulan.