Statistik inferensial adalah data yang digunakan untuk membuat generalisasi tentang populasi berdasarkan sampel. Mereka mengandalkan penggunaan teknik pengambilan sampel acak yang dirancang untuk memastikan bahwa sampel itu representatif. Contoh sederhana statistik inferensial mungkin dapat ditemukan di halaman depan hampir semua surat kabar, dengan artikel apa pun yang mengklaim bahwa “X% dari populasi Y berpikir/melakukan/merasa/percaya Z.” Pernyataan seperti “33% anak berusia 24-30 tahun lebih suka kue daripada kue” bergantung pada statistik inferensial. Akan tidak praktis untuk menanyakan setiap orang berusia 24-30 tahun tentang preferensi makanan penutupnya, jadi sebagai gantinya, sampel yang representatif dari populasi telah disurvei dengan tujuan membuat kesimpulan tentang populasi secara keseluruhan.
Statistik Inferensial dan Deskriptif
Cara lain untuk menggunakan data survei adalah dalam bentuk statistik deskriptif. Dalam hal ini, pernyataan dibuat yang hanya menggambarkan data yang dikumpulkan. Kumpulan data yang sama dapat digunakan secara deskriptif atau inferensial. Misalnya, menjelang pemilihan AS 1,000 orang di sebuah kota mungkin ditanyai tentang niat memilih mereka, dengan hasil bahwa 430 mengatakan mereka akan memilih Demokrat, 410 mengatakan mereka akan memilih Republik, dengan 160 ragu-ragu atau tidak mau mengatakan . Contoh penggunaan data ini secara deskriptif adalah dengan menyatakan secara sederhana bahwa 43% dari 1,000 orang yang diwawancarai di kota ini bermaksud memilih demokrat. Sebuah pernyataan inferensial akan menjadi “Demokrat memegang 2% memimpin” – kesimpulan tentang niat pemungutan suara secara umum telah diambil dari sampel.
metode
Sebelum menarik kesimpulan umum apa pun dari sampel, penting untuk menggunakan metode yang benar, jika tidak, kesimpulan ini mungkin tidak valid. Sumber kesalahan yang umum adalah cara sampel disatukan, dan sejumlah faktor dapat mempengaruhi validitas populasi sampel. Ukuran sangat penting, karena semakin kecil ukurannya, semakin besar risiko sampel tidak akan mewakili populasi secara keseluruhan. Perawatan juga harus diambil untuk menghilangkan sumber bias. Dalam contoh di atas, faktor-faktor seperti usia, jenis kelamin, dan pendapatan mungkin memiliki pengaruh yang cukup besar terhadap niat memilih, jadi jika sampel tidak disusun sedemikian rupa untuk mencerminkan populasi umum, kesimpulannya mungkin tidak valid.
Metode pengambilan sampel harus dipilih dengan hati-hati; misalnya, jika seseorang mengambil sampel kenyamanan yang menyertakan setiap 10 nama dalam buku telepon atau setiap 10 orang yang lewat di mal, sampel ini mungkin tidak valid. Bias sampel juga menjadi pertimbangan. Misalnya, ada kemungkinan bahwa anak berusia 24 hingga 30 tahun yang menghadiri konvensi pecinta kue lebih cenderung menikmati kue daripada kue, yang berarti survei tentang preferensi hidangan penutup yang menggunakan peserta konferensi sebagai sampel tidak akan terlalu representatif.
penggunaan
Penggunaan statistik inferensial merupakan landasan penelitian tentang populasi dan peristiwa, karena biasanya sulit, dan seringkali tidak mungkin, untuk mensurvei setiap anggota populasi atau mengamati setiap peristiwa. Sebaliknya, peneliti berusaha untuk mendapatkan sampel yang representatif, dan menggunakannya sebagai dasar untuk kesimpulan yang lebih umum. Misalnya, tidak mungkin untuk memeriksa catatan medis setiap perokok untuk menetapkan hubungan antara merokok dan kanker paru-paru, tetapi banyak sampel acak yang membandingkan perokok dengan non-perokok, dan menghilangkan faktor risiko lainnya, telah ditetapkan dengan kuat. Link ini.
Peneliti yang bekerja dengan statistik inferensial mencoba untuk menjaga metode dan praktik mereka tetap transparan, dan seketat mungkin, untuk memastikan integritas hasil mereka. Pernyataan berdasarkan jajak pendapat informal dan survei cepat mungkin tidak terlalu berguna, tetapi di bidang-bidang seperti penelitian medis dan uji klinis, standar jauh lebih ketat, dan statistik inferensial telah memberikan sejumlah besar informasi berharga. Di area lain, mereka digunakan setiap hari untuk membuat generalisasi menyeluruh tentang populasi yang dapat membentuk kebijakan publik, desain produk, pemasaran, dan kampanye politik.