Manfaat Statistik dalam Penelitian

Statistik arti sempit sebagai data berperan dalam penelitian untuk mengenali atau menunjukkan adanya masalah (problem identification). Dengan tersedianya data statistik dalam berbagai jenis yang dikumpulkan dari waktu ke waktu, akan mudah dilihat adanya masalah.

Masalah atau persoalan yang dihadapi pemerintah : rata-rata pendapatan per kapita yang rendah, persentase orang miskin meningkat, penerimaan negara menurun, jumlah investor asing berkurang, jumlah pengangguran meningkat, tingkat inflasi tinggi, jumlah perkara menumpuk di kepolisian, kejaksaan, kehakiman, Mahkamah Agung, Jumlah kriminalitas bertambah, ekspor nonmigas menurun, dan sebagainya.

Masalah yang dihadapi perguruan tinggi, baik milik pemerintah maupun swasta : jumlah penerimaan mahasiswa baru menurun, persentase yang DO meningkat, banyak alumninya menjadi penganggur, persentase yang bisa lulus S1, S2, S3 sedikit/kecil, masih banyak dosen S1 yang berijazah S1, masih sedikit sekali dosen yang berijazah S3, dan sebagainya.

Masalah yang dihadapi perusahaan : Jumlah laba semakin menurun, jumlah modal semakin menipis, jumlah penjualan menurun, persentase pelanggan yang tidak puas terhadap mutu pelayanan meningkat, promosi tidak efektif, distribusi tidak lancar, harga lebih tinggi dari harga pesaing, bunga pinjaman kredit terlalu tinggi, dan sebagainya.

Statistik dalam arti luas sebagai ilmu berperan untuk menyediakan berbagai metode, yaitu metode pengumpulan data yang efisien (teknik sampling), metode pengolahan dan penyajian data (tabel dan grafik), metode analisis dan pengujian hipotesis, dan metode perkiraan/pendugaan interval.

Penelitian dilakukan kalau ada masalah yang akan dipecahkan. Masalah adalah sesuatu yang terjadi tidak sesuai dengan harapan atau keinginan. Dengan menggunakan bahasa penelitian, dalam riset kuantitatif masalah disebut sebagai variabel tak bebas (dependent variable) dan diberi simbol huruf Y. Faktor penyebab disebut variabel bebas (independet variable), diberi simbol X. Variabel X mempengaruhi Y, atau variabel Y dipengaruhi oleh X, atau Y bergantung pada X.

Analisis korelasi bertujuan untuk mengetahui seberapa kuat hubungan antara X dan Y. Kalau X dan Y berkorelasi, perubahan X akan mempengaruhi perubahan Y sehingga analisis bisa dilanjutkan menjadi analisis regresi. Analisis regresi mempunyai dua tujuan.
Pertama, untuk mengetahui besarnya pengaruh dari perubahan X terhadap Y kalau nilai X naik I unit (satu satuan). Kedua, untuk meramalkan nilai Y kalau variabel X yang berkorelasi dengan Y sudah diketahui nilainya.
Analisis korelasi dan regresi sangat penting bagi pimpinan sebagai pembuat kebijakan karena pada dasarnya pembuatan kebijakan dimaksudkan untuk melakukan perubahan-perubahan agar sesuai dengan keinginan dan harapan.

Contoh :
i) Pimpinan perusahan memutuskan untuk menaikkan upah para karyawan (X) dengan harapan produktivitas karyawan akan meningkat (Y)
ii) Direktur pemasaran suatu perusahan memutuskan untuk menaikkan biaya promosi (X) dengan harapan hasil penjualan akan menigkat (Y)
iii) Direktur pengkreditan suatu bank memutuskan untuk menurunkan tingkat bunga pinjaman kredit (X) dengan harapan jumlah permintaan kredit meningkat (Y)
iv) Jumlah uang beredar dikurangi (X) dengan harapan agar tingkat inflasi menurun (Y)
v) Denda pelanggaran lalu lintas dinaikkan (X) dengan harapan jumlah pelanggaran akan menurun (Y)
vi) Jumlah penggunaan pupuk ditingkatkan (X) dengan harapan jumlah produksi padi juga meningkat (Y)
vii) Jumlah investasi nasional dinaikkan (X) dengan harapan pendapatan nasional naik (Y)
viii) Bunga tabungan dinaikkan (X) dengan harapan jumlah tabungan meningkat (Y)
ix) Seorang mahasiswa/murid menambah waktu belajarnya (X) dengan harapan rata-rata nilai ujiannya meningkat (Y)

Dalam praktiknya, mungkin seseorang Direktur pemasaran sudah puas kalau kenaikkan biaya promosi juga diikuti kenaikkan hasil penjualan. Kalau demikian halnya, Direktur pemasaran tersebut tidak memerlukan analisis korelasi dan regresi. Analisis korelasi dan regresi diperlukan kalau Direktur pemasaran tersebut ingin mengetahui secara kunatitatif berapa besarnya pengaruh biaya promosi terhadap hasil penjualan kalau biaya promosi naik 1 unit (misalnya 1%).

Contoh Memecahkan Masalah :
Pada tingkat nasional, pendapatan perkapita menurun karena pendapatan nasional menurun tajam. Ini merupakan masalah. untuk memecahkan masalah ini, harus diketahui fakta penyebabnya melalui penelitian. Misalnya, penyebab utama investasi nasional menurun. Pemecahannya : naikkan investasi nasional.
Pimpinan satu perguruan tinggi menghadapi masalah, jumlah mahasiswa baru menurun tajam, ternyata penyebabnya dosennya tidak bermutu. Pemecahannya : Tingkatkan mutu dosen !
Pimpinan suatu bank menhadapi masalah, karena banyak nasabahnya pindah ke bank lain. penyebabnya mutu pelayanan terhadap nasabah sangat rendah. Pemecahannya : Tingkatkan mutu pelayanan.
Investasi asing yang masuk ke Indonesia berkurang. Penyebabnya pengurusan izin bertele-tele. Pemecahannya : sederhanakan proses pemberian izin, usahakan dalam satu atap.
Jumlah perkara di MA menumpuk, ternyata penyebabnya kekurangan hakim agung. Pemecahannya : tambahkan hakim agung.
Seorang murid nilainya banyak yang berada di bawah rata-rata nilai kelas. Orang tua murid mengetahui bahwa penyebabnya waktu belajarnya kurang. Pemecahannya : tambah waktu belajarnya.

Dalam praktiknya fakta penyebab timbulnya masalah lebih dari satu, sering diperlukan penelitian yang mendalam melalui pengujian hipotesis untuk mengetahui fakta penyebab. Bisa tidaknya masalah dipecahkan tergantung apakah kita bisa menghilangkan faktor penyebabnya atau mampu melakukan perubahan yang menghasilkan perbaikan. Yang jelas, tanpa mengetahui faktor penyebabnya tak mungkin masalah bisa dipecahkan secara tuntas.

Sumber :
Supranto. 2009. The Power Of Statistics untuk Pemecahan Masalah. Jakarta : Salemba Empat.

Stimator for http://muhammad-win-afgani.blogspot.com

http://stimator.com/2-muhammad-win-afgani-blogspot-com

The Learning Process For Mathematical Modelling

It is easy to describe real modelling problems undertaken by the professionals, but how are you to begin your own expertise? As you start, you are probably reasonably confident about elementary calculus, algebra, and trigonometry and perhaps also statistic and mechanics, but constructing mathematical models is a different matter. It is not necessary to attempt complicated modelling problems based on industrial aplications. The 'art and craft' of model building can be learned by startting with quite commonplace situations which contain a mathematical input based only on the mathematical work done at secondary-school level. As experience and knowledge are gained both in conventional mathematics and statistics as well as in modelling, then increasingly demanding problem can be considered. The first examples need not be contrived or false, for there are plenty of simple real-life situations available for study.

By the time that you have worked, you should have gained considerable experience ot mathematicals models and modelling. It is important to do modelling yourself, to try out your own ideas and not to be afraid to risk making mistake. Learning modelling is rather like learning to swim or to drive a car; it is no good merely reading a book on how to do it. Similarly, with modelling, it is not sufficient to read someone else's completed model. Also mathematics has perhaps acquired a reputation for being a very precise and exact subject where there is no room for debate: you are either right or wrong. Of course, it is etirely appropriate and necessary that mathematical principles are based on sound reasoning and development but, when we come to model some given problem, we must feel free to construct the model using whatever mathematical relationship and techniques seem appropriate, and we may well change our minds several times before we are satisfied with a particular model.

It is often important, for the best results, not to work on your own. In industry, it is normal for a team of people to work together on the same model, and the team may consist of engineers or economists as well as mathematicians. It should be the same for beginners at the student level, we hope that the most of the modelling exercises are tried amongst a group. Different people have different suggestions to make, and it is important to pool ideas.

To be a succesful mathematical modeller, it is not sufficient to have axpertise in the techniques of mathematics, statistics and computing. Additional skills to acquired, together with the following general qualities: clear thinking, alogical approach, a goodl feel of data, an ability to communicate and enthusiasm.

Source :
Edwards, Dilwyn & Hamson, Mike. 1990. Guide to Mathematical Modelling. Boca Raton, Florida, USA : CRC Press, Inc.