Statistik JS: Chap. 1

24 min readDec 19, 2022

1.1. Latar Belakang

Para pembaca yang budiman kemungkinan telah mengetahui apa itu statistik, untuk apa kegunaannya, dan bagaimana cara menggunakannya untuk keperluan pekerjaan, kuliah, mengajar, riset, dan sebagainya. Mungkin buku ini sampai ke tangan Anda bukan karena Anda ingin mengetahui pelajaran dasar tentang statistik melainkan karena tertarik dengan judul “Mastering Statistics with Javascript” atau yang dalam bahasa Indonesianya “Menguasai Statistik dengan Javascript”. Pada bagian akhir Bab ini penulis akan menjelaskan alasan mengapa statistik dan Javascript bisa menjadi pasangan yang cocok. Penulis tidak merancang buku ini sebagai pegangan definitif tentang statistik melainkan sebagai pengenalan terhadap alat alternatif untuk bermain dengan statistik. Demi penyamaan persepsi, perlu untuk kita meninjau kembali tentang pengertian statistik.

A. Apa itu Statistik?

Berdasarkan banyak referensi yang pernah pembaca ketahui sebelumnya mungkin terdapat ragam pilihan kombinasi kata yang ahli tersebut gunakan untuk menjelaskan tentang apa itu statistik. Berikut ini adalah beberapa contoh pengertian statistik oleh para ahli yang penulis pernah kumpulkan:

[Tabel 1. Ragam definisi statistik] (Definisi para ahli ini telah ditranslasi ke bahasa Indonesia tanpa pengubahan makna). Sumber: Hasan, 2012

Dari tabel tersebut pembaca dapat melihat keanekaragaman pengertian statistik oleh para ahli yang mencerminkan pula keragaman pemahaman mereka. Para pembaca yang juga peminat statistik tentu juga memiliki pemahaman sendiri tentang statistik dan mungkin juga akan mengeluarkan definisi versi sendiri ketika ditodong orang lain dengan pertanyaan apa itu statistik. Untuk mencoba memahami pemahaman para ahli tersebut coba kita kutip keywords apa saja yang mereka pilih untuk gunakan dalam definisi:

Tabel 2. Koleksi kata kunci dalam berbagai definisi statistik

Banyak sekali kan kata kunci yang keluar ketika kita telaah satu per satu setiap kata kunci tersebut? Atau bahkan tidak cukup waktu untuk Googling satu per satu maksud kata kunci tersebut. Bagi pembaca yang penasaran, mari membahas maksud dari setiap kata kunci tersebut:

Properties: maksudnya adalah hal yang dapat diamati bersama pada sebuah objek. Properti ada yang kuantitatif ada pula yang kualitatif. Contoh properti kuantitatif adalah tinggi badang seseorang, berat badannya, hingga warna rambutnya. Sementara hal yang kualitatif adalah moodnya, kedermawanannya untuk bersedekah, hingga cantik atau gantengnya orang tersebut. Fokus statistik adalah pada data kuantitatif dimana data angka yang terukur tersebut dapat segera diolah untuk menyimpulkan informasi. Tapi dalam beberapa kasus data kualitatif juga dapat diolah dengan statistik setelah dikonversi menjadi data angka, sepert kuantifikasi skala.
Large sets: artinya adalah suatu set data yang banyak, maksudnya adalah statistik pada umumnya membutuhkan data yang relatif banyak untuk dapat memberikan hasil analisa yang akurat. Tidak ada ukuran pasti yang dapat mengatakan suatau set tersebut banyak atau sedikit, tapi ada teori berikut formula yang dapat memandu pengguna statistik untuk menentukan berapa jumlah data sampel minimal dari suatu kelompok populasi yang ditunjuk. Suatu set data yang banyak belum tentu pasti bagus semua, tapi dapat memperbesar kesempatan peneliti untuk memperoleh data yang berdistribusi normal. Khusus tentang besaran set data, populasi, dan sampel biasanya buku statistik menyediakan Bab khusus tentang mereka, bahkan ada buku khusus untuk topik-topik tersebut. Untuk versi yang lebih ringkasnya adalah tutorial di YouTube tentang populasi dan sampel.
Objects & Events: data yang kelak akan kita hadapkan pada alat statistik dapat berasal dari objek fisik, subjektif responden, atau kejadian yang dapat diamati bersama (realita empiris). Seperti penjelasan tentang properties sebelumnya, data hanya bisa dikutip dari hal yang tampak secara kasat mata dari objek yang ditunjuk, melalui alat ukur fisik, atau — jika bentuknya pendapat orang — kuesioner. Dengan kata lain pengumpulan data dari objek atau subjek tidak terlepas dari kualitas alat ukur yang digunakan. Lebih khusus tentang hal ini silahkan pelajari topik tentang validitas dan reliabilitas, yang dengan sendirinya adalah topik yang kompleks tapi versi sederhananya adalah kurang lebih seperti ini: reliabilitas adalah tentang seberapa konsisten alat ukur mengeluarkan hasil yang sama untuk kondisi atau objek yang exactly sama, sementara validitas adalah tentang seberapa akurat alat ukur yang digunakan untuk menghasilkan pengukuran yang mendekati kenyataan pada objek atau kejadian yang diukur.
Characteristics: artinya adalah hal khusus yang membedakan statistik dengan alat lainnya. Statistik berbeda dengan penalaran biasa yang menggunakan akal sehat yang kadang asumtif. Statistik berbeda dengan pemikiran kualitatif yang sarat dengan subjektifitas pengamat. Statistik hanya berangkat dari data untuk menghasilkan informasi yang bermakna. Statistik dapat menguji sebuah hipotesa diterima atau tidak berbekal data empiris yang relevan dengan hipotesa akan diuji. Statistik tidak digunakan untuk mengolah informasi yang sifatnya tidak dapat diwakili dengan angka, seperti perasaan, keindahan, keburukan, kepercayaan, atau yang serupa lainnya. Statistik tidak untuk menghasilkan jawaban yang pasti atas suatu pertanyaan, melainkan pernataan probabilistik bahwa jawaban yang dihasilkan mendekati kebenaran atau tidak.
Similar: similar disini maksudnya adalah keterwakilan dari populasi yang menjadi target berdasarkan sampel yang diambil. Mengambil sampel yang tidak mewakili populasi akan rentan menjauhkan peneliti dari jawaban yang tepat atau hipotesa yang tidak dapat diterima. Kriteria data yang baik adalah yang berdistribusi normal, artinya data mengelompok dalam kurva yang membentuk kurva lonceng dengan data outlier yang minimal dan tidak tampak gejala clustering (kelompok dalam kelompok). Banyak alat uji statistik yang mensyaratkan normalitas data ini sebagai syarat untuk dapat dianggap layak untuk diolah.
Collecting: mengumpulkan data bahan yang nantinya akan diolah dengan statistik dapat dilakukan dengan berbagai cara tergantung dari objek/subjek yang diteliti, alat ukur yang digunakan dan tentu saja uji statistik yang direncanakan. Berdasarkan sumbernya disebut objek bila yang diamati adalah benda/kejadian, disebut subjek bila yang diamati adalah orang/responden. Disebut data primer bila data tersebut diperoleh melalui pengamatan langsung peneliti, disebut data sekunder bila data tersebut diperoleh dari pihak lain. Bila yang diamati adalah objek, maka ekstraksi datanya menggunakan alat ukur, contoh: mengukur temperatur pasien dengan menggunakan termometer; mengukur berat badan dengan timbangan badan; mengukur tekanan darahnya dengan tensimeter yang dipompa manual atau yang digital. Bila yang diamati adalah orang maka instrumennya adalah kuesioner atau memo responden. Bila yang ingin diketahui dari objek/subjek penelitan adalah kausalitas/hubungan sebab akibat maka dapat menggunakan regresi. Bila data yang ingin diketahui adalah arah pergerakan dua set data yang berbeda maka dapat gunakan analisis korelasi, dan contoh lainnya yang masih lebih banyak lagi. Rencana pengumpulan data yang baik dapat dilihat dari 3 poin tersebut.
Analyzing: memahami kebenaran dibalik data melalui statistik tidak sama dengan menggunakan logika induktif ataupun deduktif yang berbekal pernyataan-pernyataan untuk kemudian disintesa menjadi sebuah simpulan. Menganalisa data melalui statistik berbarti mengkuantifikasi seluruh evidence menjadi data angka dan menghadapkan data tersebut kepada formula statistik untuk menghasilkan simpulan yang paling mendekati kebenaran dibalik data. Analisis data statistik sangat beragam tergantung kebutuhan penggunanya akan apa yang ingin diketahui dari data yang ada. Secara umum analisis data statistik tergolong dalam keluarga besar yaitu deskriptif dan inferensial. Analsisi deskriptif hanya untuk mereduksi data dari jumlahnya yang banyak menjadi sedikit informasi properti data tersebut yang apa adanya. Disini penulis menggunakan kata “hanya” karena analisis deskriptif memang tidak untuk mengambil kesimpulan selain dari apa yang tampak jelas, seperti jumlah data, nilai rata-rata, deviasi, simpangan baku, dan beberapa lainnya. Pada umumnya analisis deskriptif proses perhitungannya lebih sederhana dibanding inferensial. Sementara analisis inferensial lebih kepada analisa data untuk menghasilkan simpulan yang tidak langsung tampak pada data yang ada. Contohnya adalah hubungan korelatif dan kausalitas antara dua atau lebih set data yang diamati. Secara umum analisis inferensial sedikit hingga jauh lebih kompleks dari analisis deskriptif.
Interpreting: adalah suatu upaya pengguna statistik untuk coba memahami makna dibalik angka yang dikeluarkan oleh formula statistik setelah kita memasukkan seluruh nilai konstituennya. Angka desimal atau bulat yang dikeluarkan tersebut sering tidak dapat dimaknai secara langsung tanpa ada indeks acuannya. Sebagai contoh, dari formula korelasi didapati bahwa data kita memiliki nilai 0,6. Kita akan kesulitan atau bahkan tidak dapat untuk menerjemahkan data tersebut dan mewakilkannya dengan label bagus, cukup, kurang, memenuhi syarat, atau sebagainya. Kita membutuhkan indeks acuan yang telah dibuat oleh para ahli statistik sebelumnya untuk dapat mengajukan argumen yang rational (dapat diperbandingkan). Indeks acuan tersebut dapat tampil sederhana dengan tabel skala 1(korelasi penuh) -> 0(non korelatif) -> -1(korelasi terbalik), dan banyak contoh lainnya yang akan turut dilibatkan dalam buku ini kedepannya.
Presenting: pengguna statistik setelah memperoleh hasil olahan datanya tentu perlu untuk mengkomunikasikan hasil analisanya kepada audiens yang memerlukan. Presentasi analisis statistik yang baik tentuknya bukan dengan “Baik bapak/ibu, menurut analisa kami korelasinya 0,6. Cronbach-alpha-nya 1.0, nilai Durbin-Watson-nya adalah 1,99. Dan akhirnya kami menyimpulkan H0 ditolak”. Tidak semua audiens paham istilah statistik dan lebih baik bila Anda dapat merangkai hasil analisis tersebut dalam wujud deskriptif, naratif, visualisasi grafis yang menarik seperti diagram batang dan lingkaran, atau simpulan konkrit yang dikaitkan dengan konteks objek/subjek yang dibahas.
Learning: tentu ada banyak ragam tujuan dan motif pengguna statistik, tapi dari kesemuanya yang paling mendasar adalah belajar, belajar tentang objek/subjek yang diamati melalui angkat untuk memperoleh pengetahuan darinya. Ahli meteorologi mencari tahu tentang perubahan iklim dari data curah hujan harian dalam tempo data 10 tahun terakhir. Ahli metrologi mengamati data traffic jalan dan persimpangan untuk mengambil keputusan perubahan jalur, pengalihan jalur, terapkan batasn ganjil genap, hingga perencanaan jalan beberapa puluh tahun ke depan. Ahli virologi mengembangan vaksin berdasarkan hasil analisis data eksperimen pada kelinci percobaan. Mereka semua memanfaatkan statstik untuk memperoleh pengetahuan dan mengambil keputusan yang rational, terlepas dari prasangka, perasaan, dan postulat. Dan siapa tau pembaca buku ini dapat memanfaatkan statistik untuk menemukan pengetahuan baru tentang perilaku menonton YouTube selama ini dari riwayat tontonan harian Anda sendiri #challengeaccepted.
Measuring: “jika Anda tidak dapat mengukur apa yang Anda bahas, berarti Anda tidak memahami apa yang sedang Anda bahas”. Demikian kata seorang filsuf Yunani kuno.
Controlling: controlling disini dapat diartikan dalam konteks pengendalian nilai variabel dalam sebuah studi eksperimen. Data yang dikumpulkan tidak hanya dapat berasal dari hasil observasi pasif saja terhadap objek tapi juga efek dari intervensi yang dilakukan oleh peneliti pada objek/subjek eksperimen. Sebagai contoh, mengendalikan temperatur logam untuk melihat dampaknya pada memanjangnya logam tersebut. Bank Indonesia mengendalikan suku bunga bank untuk melihat dampaknya pada minat investasi dan menabung, hingga ke inflasi. Controlling dalam konteks lain juga dapat diartikan sebagai pemanfaatan hasil analisis statistik untuk mengendalikan objek/kejadian/subjek yang sebelumnya diamati. Contohnya penelitian tentang zat carcinogen pada rokok yang dapat menyebabkan kanker, bisa digunakan oleh pemerintah untuk mengupayakan pembatasan konsumsi rokok masyarakat.
Communication: telah jelas bahwa bahasa adalah alat komunikasi yang utama dalam pertukaran pesan. Namn bahasa masih kalah dibanding matemetika untuk mengkomunikasikan sesuatu yang sifatnya terukur. Anda tidak bisa memesan jahitan baju hanya dengan menyebutkan “buat agak lebar agar ngepas dengan badan saya ya bang”. Penjahit baju tidak bisa mengerjakan apapun sebelum ia mengambil meteran dan mengukur bagian yang diperlukan. Ahli fisika nuklir tidak dapat mengaktifkan reaktor nuklirnya berbekal perintah “tegangannya hari ini dibuat agak tinggi saja ya”. Baik penjahit baju hingga fisikawan mempercayakan matematika sebagai alat komunikasi utama terkait pengukuran. Dalam hal satistik, hasil analisis yang berupa angka, rasio, persentase, persamaan tidak bersifat multi-interpretatif selayaknya bahasa, sehingga dapat diandalkan untuk menyampaikan pesan yang konsisten, terlepas dari yang memberi atau yang menerima pesan.
Uncertainty: sebagian orang percaya determinisme, bahwa semua hal harus diukur dan pasti dapat diprediksi. Di sisi lain ada yang percaya nihilisme, bahwa di dunia ini semuanya kacau tak terpola dimana tidak ada hal yang bisa ditebak. Pengguna statistik tidak akan mengambil salah satu dari kedua posisi ekstrim tersebut, melainkan mengambil posisi tengah yaitu probabilistik. Pengguna statistik mengamini bahwa realita empirik dipenuhi dengan data yang terlihat acak, meski demikian diamini pula keyakinan bahwa dibalik keacakan tersebut terdapat pola teratur yang kasat mata ataupun laten, dan masih dapat diprediksi dalam tingkat kepercayaan tertentu. Statistik tidak dapat memberikan jawaban yang pasti akan suatu hal, melainkan perkiraan kemungkinan hasil dan seberapa besar persentase hasil tersebut berkemungkinan benar.
Broad discipline: statistik yang lahir dari logika, matematika, dan probabilistik memiliki sifat keumuman yang membuatnya dapat digunakan oleh hampir semua cabang ilmu yang ada. Fisika, kimia, biologi, antropologi, sosiologi, hingga ekonomi adalah beberapa contoh bidang ilmu yang memanfaatkan statistik untuk menemukan pengetahuan baru hingga ke analisis performa bisnis. Dasawarsa ini bidang ilmu yang paling gencar menerapkan sekaligus mengembangkan ilmu statistik adalah ilmu komputer khususnya kecerdasan buatan. Teknologi pengenalan wajah, deteksi percakapan, gerakan robotika, prediksi cuaca, hingga bot yang bisa mengalahkan pemain catur terhebat di dunia, dan algoritma YouTube yang mampu menyusun daftar video yang mungkin Anda sukai. Statistik tidak hanya sekedar dipakai oleh banyak bidang ilmu tapi juga secara konstan turut didorong pengambangannya oleh bidang ilmu yang menggunakannya. Hingga saat tulisan ini dibuat, Tesla memiliki teknologi mesin pembelajar generik bernama GPT-3. Silahkan cek di YouTube apa hal yang mampu dilakukan olsh keturunan statistik tersebut.
Modelling randomness: kondisi atau kejadian alam atau fenomena sosial yang tampak acak diyakini memiliki sebuah pola mekanistik yang mengatur sebab-akibat seluruh kejadian tersebut. Para peneliti menyimbolkan faktor-faktor yang terlibat tersebut dengan variabel atau suatu nilai pengubah nilai yang lain. Paham deterministik dan probabilistik mempercayai bahwa semua hal yang dapat diamati dan diukur adalah dipengaruhi oleh suatu variabel dan sekaligus mempengaruhi variabel lainnya. Upaya untuk memahami pola fenomena yang tampak acak inilah yang diberi istilah ‘modelling the randomness’. Model sendiri adalah visualisasi dari konsep pemikiran peneliti atas cara ia memahami mekanisme suatu fenomena. Dalam konteks penelitian kausalitas mekanistik, sebuah model biasanya digambarkan dengan poin-poin variabel yang saling dihubungkan melalui garis tertentu dengan variabel lainnya untuk menandakan dugaan peneliti atas hubungan kausalitas yang ada diantara kedua variabel tersebut, dalam pengertian ada yang mengubah dan ada yang diubah. Hipotesa selayaknya dugaan, harus iduji kebenarannya dengan cara ilmiah, dan statistik adalah salah satu pendekatan untuk menjawab bisa atau tidaknya sebuah hipotesa diterima, berangkat dari data kuantitatif atas fenomena yang diamati.
Unbiased way: kita meneliti untuk mengetahui sesuatu melalui kaidah yang benar. Bagi ilmu pengetahuan, yang dapat dipercaya/diyakini kebenarannya dalam derajat tertentu adalah yang diperoleh melalui cara yang ilmiah atau metode penelitian. Ketika kita dihadapkan pada sebuah fenomena dan ditanyai perihal mengapa sesuatu terjadi, kita sering segera menjawab pertanyaan tersebut dengan asumsi atau keyakinan, baik berdasarkan pengetahuan yang diperoleh dari orang lain maupun akumulasi pengalaman pribadi. Kita sering mempercayai/meyakini apa yang kita duga sebagai jawaban/penjelasan yang benar dan menganggapnya intuitif. Jarang kita merenungkan bahwa akumulasi pengalaman kita maupun orang lain sering secara bias dijadikan landasan kita untuk mengambil keputusan, bersikap, bahkan menyampaikan kepada orang lain apa yang kita yakini adalah kebenaran.
Making decisions: berbekal informasi yang cukup akan masalah yang dihadapi, terutama data yang akurat dan anlisis statistik yang cukup maka kita bisa mengambil keputusan yang paling rasional dan dapat dipertanggungjawabkan apapun konsekuensinya kedepan. Sementara keputusan yang diambil secara naluriah oleh pemimpinnnya cenderung asumtif, mengandung muatan lain, dan postulat yang belum tentu dilatarbelakangi fakta. Keputusan seperti ini cenderung beresiko baik bagi yang mengambil keputusan maupun seluruh konstituennya. Statistik tidak untuk digunakan sebagai backup pembenaran atas keputusan yang akan diambil, melainkan sebagai alat analisa untuk memungkinkan pengambil keputusan mengambil keputusan yang dilatarbelakangi oleh fakta.

Dari sekian banyak kata kunci dalam ragam definisi statistik yang telah kita bahas, pasti pembaca telah mampu mengembangkan konstruk pemikirannya sendiri tentang apa itu statistik. Bisa jadi pemahaman tersebut memiliki ‘qualia’ yang berbeda dengan orang lain tapi mungkin tidak akan jauh dari gagasan umum tentang statistik. Maka dari itu izinkan pula penulis untuk merangkai sendiri definisi statistik berdasarkan pemahaman penulis, yaitu adalah “alat matematis untuk menkonversi data menjadi informasi yang berguna untuk mengambil keputusan”. Lalu, apakah statistik menurut Anda?

B. Mengapa belajar Statistik?

Ketika Anda googling dengan kalimat “mengapa belajar statistik”, Anda akan menemui banyak artikel, video tutorial, atau materi lainnya tentang itu. Semua penulis dapat mengemukakan argumen yang beragam tentang manfaat belajar statistik, dan sumber yang penulis anggap paling menarik untuk dibagikan adalah dari SAGE Publisher (2013) dengan daftar sebagai berikut:

Membangun kerangka kerja ilmiah dan etis untuk memahami masalah dan mencarikan solusi
Membuka kesempatan kerja yang lebih besar bagi yang menguasainya karena semakin banyak bisnis atau organisasi nirlaba yang bergantung pada statistik
Memahami mengapa korelasi belum tentu berarti hubungan sebab-akibat, bukan sekedar klise tapi kenyataan
Menghindari kesalahan umum dalam penalaran seperti penyamarataan, pengamatan yang tidak akurat dan berimbang, penalaran non-logis, dan keengganan untuk berubah.
Menjadikan Anda orang yang sadar kualitas informasi dengan memahami dari mana datangnya informasi yang dianggap fakta dan mengetahui valid atau tidaknya.
Membuat Anda lebih cakap dalam menulis karya ilmiah di kelas atau analisis data pekerjaan di kantor dengan mengetahui berbagai teknik analisa dan menginterpretasikan temuan empirisnya.
Membuat Anda tampak lebih profesional dengan mengetahui istilah teknik statistik dan tidak menyalahgunakannya untuk pengertian lain.
Kemampuan untuk mengkomunikasikan konteks data karena data dan statistik juga dapat menyesatkan bila tidak tahu cara kerjanya.
Kemampuan untuk menelaah karya ilmiah orang lain dan menemukan kesalahan atau kejanggalan dan memberikan kritik.
Mengembangkan kemampuan mengambil keputusan dengan memahami probabilitas dan kemungkinan.

C. Bagaimana cara belajar/gunakan Statistik?

Sumber belajar statistik praktis yang paling penulis senangi adalah dari statisticshowto.com. Website tersebut menyediakan berbagai panduan praktis untuk berbagai contoh kasus yang dapat diolah dengan statistik sekaligus dengan langkah-langkah pengerjaannya. Pada website ini disediakan tutorial statistik yang memanfaatkan aplikasi pengolah data tabel atau spreadsheet, dalam hal ini alternatifnya adalah Microsoft Excel, Libre Office Calc, dan Google Sheet. Meski ragam aplikasinya ada banyak, antarmuka, cara pengoperasian, formula, dan sebagainya masih relatif sama, sehingga pengetahuan dan kemahiran pada satu aplikasi bisa cepat dan mudah dapat diterapkan pada aplikasi lainnya yang sejenis. Penulis sendiri telah akrab dengan ketiga aplikasi spreadsheet tersebut, namun lebih mengunggulkan Google Sheet atas gratis dan berbasis-cloudnya, dan Libre Office Calc karena ia adalah software yang murni open source. Berikut ini adalah beberapa alasan mengapa spreadsheet dapat dijadikan pilihan untuk belajar sekaligus bekerja dengan statistik:

C. 1. Statistik dengan Spreadsheet

Mudah diperoleh: Aplikasi seperti LibreOffice dapat dengan mudah diunduh secara gratis dan legal dari website resminya untuk sistem informasi apapun yang Anda gunakan. Google Sheets dapat langsung digunakan pada browser tanpa perlu instalasi apapun pada komputer Anda dan seluruh data yang Anda buat tersimpan di server cloud yang bisa Anda akses kembali dari perangkat manapun berbekal akun Google yang sama. Sementara Microsoft Excel dalam paket Microsoft Office dapat Anda beli lisensinya dari toko komputer terdekat.
Banyak sumber belajar: Setiap kali Anda googling kata kunci “tutorial statistik” maka mayoritas hasil pencarian yang muncul adalah tutorial yang memanfaatkan aplikasi spreadsheet seperti Microsoft Excel, baik dalam wujud artikel maupun video step-by-step. Mata pelajaran pengantar komputer baik di bangku SMA atau kuliah juga mengantarkan M. Excel sebagai pilihan utama. Lembaga pendidikan informal seperti bimbel dan kursus statistik juga menggunakan M. Excel kepada peserta didiknya. Sudah rahasia umum bahwa M. Excel mendominasi di Indonesia, meski pilihan lain yang sama bagusnya juga sudah banyak tersedia.
Banyak digunakan: Dosen, guru, peneliti, akuntan, jurnalis, fisikawan, ekonom, dan hampir seluruh profesi lainnya tidak ada yang tidak dapat memanfaatkan spreadsheet untuk kebutuhan pekerjaan. Bahkan pada kebanyakan lowongan pekerjaan yang tersedia mensyaratkan pelamarnya untuk sudah menguasai spreadsheet sebelum mulai bekerja. Umumnya penggunaan spreadsheet untuk pekerjaan ini jugalah yang turut mendorong peserta didiknya untuk menguasai spreadshet. Karyawan-karyawan yang sama-sama mengerti cara pengoperasian spreadsheet akan lebih mudah untuk berkolaborasi dan berkoordinasi secara lebih efisian.
Sederhana: Bahkan untuk orang yang belum pernah menggunakan statistik0pun spreadsheet cukup mudah untuk mengelola data apa saja yang berorientasi tabel. Spreadsheet memiliki potensi penggunaan yang jauh lebih luas dari domain statistik. Daftar iuran peserta arisan, daftar tamu acara nikahan, catatan pemasukan/pengeluaran masjid, hingga yang sangat kompleks seperti manajemen proyek pembangunan jembatan layang. Berbekal konsep sederhana seperti baris dan kolom, batas kemungkinan penggunaan spreadsheet adalah imajinasi penggunanya.

Mungkin Anda sudah tidak asing dengan analogi “jangan memotong kertas dengan parang, dan jangan memotong dahan dengan gunting”. Tentu kertas akan tetap terbelah dengan parang tersebut tapi hasilnya tidak akan serapi bila memotongnya dengan gunting. Dalam konteks ini gunting bagi kertas adalah seperti software statistik terhadap data Anda. Software statistik adalah perangkat lunak yang dirancang khusus untuk mengolah data dalam berbagai bentuk hingga menghasilkan informasi dalam berbagai bentuk pula. Sebelum membaca buku ini tentu Anda sudah tidak asing dengan SPSS (Statistical Package for Social Science). Mungkin para pembaca telah akrab dengan SPSS di bangku kuliah bahkan menggunakannya untuk pekerjaan saat ini. Adapun beberapa kelebihan software statistik dalam pengolahan data adalah sebagai berikut:

C. 2. Statistics Software

Fungsi instan: berbeda dengan spreadsheet dimana seluruh fungsi kompleks harus Anda input manual pada cell, pada software statistik kebanyakan fungsi telah tersedia sebagai bawaan aplikasi. Bila spreadsheet lebih fleksibel, maka software statistik lebih tailor-made. Justru Anda tidak bisa menggunakan software statistik untuk membuat tabel keuangan masjid.
Fitur terdedikasi: dengan menggunakan software statistik, Anda akan diperkenalkan pada konsep statistik lainnya yang mungkin belum pernah Anda tahu atau jamah sebelumnya.
Laporan otomatis: Anda cukup memasukkan data yang tersedia, memilih jenis analisa yang diinginkan, mengubah parameter yang diperlukan, ceklis keluaran apa saja yang diharapkan, dan klik jalankan. Software statistik akan secara otomatis mengolah data Anda, memberikan hasil analisa, memberitahu apa yang kurang/salah, dan menghasilkan laporan tervisualisasi seperti diagram batang, garis trend, scatterplot dan sebagainya.
Profesionalisme: menguasai spreadsheet saja mungkin tidak cukup untuk mendukung profesionalisme kerja di kantor, dimana rekan kerja yang lain mungkin menguasai lebih banyak software dari Anda.

Selain SPSS, berikut ini adalah aplikasi statistik alternatif yang perlu Anda coba pelajari, install, dan ketahui kelebihan serta kelemahannya:

PSPP: aplikasi open source yang memiliki banyak kesamaan fitur dengan SPSS.
AMOS: aplikasi statistik khusus untuk menganalisa model SEM (Structural Equation Modelling), juga berasal dari IBM perusahaan yang mengembangkan SPSS.
LISREL: aplikasi alternatif untuk analisis SEM, pesaing berat AMOS.
MATLAB: aplikasi statistik berbasis bahasa pemrograman khusus, umum digunakan pada bidang ilmu matematika dan fisika tingkat lanjut.
R: adalah bahasa pemrograman khusus statistik. Cocok ketika software yang lain tidak mampu memuaskan kebutuhan statistik Anda.

Dan masih banyak lagi alternatif software statistik lainnya yang mungkin belum sepopuler pilihan diatas tapi cukup bagus untuk dicoba dan digunakan. Silahkan googling “open source statistical software” dan pembaca akan melihat ragam aplikasi yang pernah penulis temukan.

D. Mengapa Javascript?

Penulis menulis buku ini atas dasar kecintaan penulis kepada bahasan pemrograman Javascript (JS) dan telah mendapatkan banyak manfaat darinya baik untuk kebutuhan pendidikan penulis selaku dosen prodi manajemen dan untuk kebutuhan profesional penulis selaku programmer freelance. Besar keinginan penulis untuk berbagi ilmu yang penulis dapat dari mempelajari dan menggunakan JS selama ini kepada para pembaca sekalian. Tapi tidak fair bila menulis buku hanya untuk berbagi kesenangan penulis, untuk itu perlu penulis ajukan argumen objektif mengapa justru Anda yang akan berminat untuk belajar JS, antara lain adalah sebagai berikut:

Trending: JS adalah bahasa pemrograman yang paling pesat pertumbuhan penggunanya dilihat dari jumlah software yang aktif dikembangkan dalam beberapa tahun terakhir. Disusul oleh beberapa bahasa populer lainnya seperti Python, R, dan C++.
Banyak tutorial: karena tingginya pertumbuhan pengguna JS, kini semakin banyak tutor yang menyediakan materi tutorial baik melalui artikel, video YouTube maupun live demo yang bisa dipraktikkan langsung oleh user dipandu oleh software. Cara yang terakhir tadilah yang pertama kali memperkenalkan penulis kepada bahasa JS, dan semoga pembaca juga mau mencobanya di website codecademy.com.
Banyak media: tidak seperti bahasa pemrograman yang lebih senior seperti PHP, Java, C, dan lainnya yang mengharuskan pengguna menginstall dan menyiapkan engine untuk menjalankan bahasa tersebut, untuk memulai menggunakan JS cukup dengan membuka browser apapun dan buka panel console bawaannya. Browser populer seperti Chrome, Firefox, dan Edge telah menyediakan antar muka console yang intuitif baik bagi pemula total hingga yang expert.
Interoperable: karena bahasa JS dapat berjalan pada semua browser maka hampir dapat dipastikan bahwa kode yang Anda buat pada suatu browser akan dapat berjalan pula pada browser lainnya. Browser yang berjalan pada perangkat smartphone Anda juga menggunakan JS, sehingga aplikasi yang dikembangkan di browser desktop kemungkinan besar juga akan dapat berjalan di smartphone.
Multi-purpose: bahasa JS yang berawal sebagai penghias tampilan website kini berevolusi menjadi bahasa serba bisa untuk mengembangkan software apapun di platform browser. Penulis sendiri telah pernah mencoba membuat berbagai aplikasi berbasis JS; mulai dari website, form generator, pemetaan lahan digital, aplikasi 3D virtual reality, hingga game 2D sederhana. Tapi dari semua aplikasi yang paling penulis banggakan hingga saat ini adalah SIMRS.dev yang merupakan Sistem Informasi Rumah Sakit Terintegrasi yang keseluruhan kodenya 100% JS dan berjalan baik pada desktop dan smartphone. Jika penulis bisa membuat yang demikian, maka Anda juga bisa.

JS adalah tema yang terlalu besar untuk dicover secara utuh dalam buku tutorial yang sederhana seperti ini, maka bila Anda berminat untuk mengenal atau belajar tentang JS secara komprehensif maka penulis menyarankan untuk membaca ‘Javascript The Definitive Guide’ terbitan O’Reilly atau ‘Eloquent Javascript’. Untuk buku tutorial JS bahasa Indonesia masih relatif jarang, mungkin karena belum terlalu populer di Indonesia.

E. Tentang Paradigma

“Rambut sama hitam, isi kepala boleh beda”, adalah idiom yang tepat untuk menjelaskan cara pandang seorang programmer dibanding programmer yang lain. Berbeda cara pandang tidak mengartikan seorang programmer lebih tinggi atau rendah dibanding yang lain, melainkan sekedar perbedaan cara menilai masalah. Dalam konteks pemrograman dikenal banyak ragam paradigma yang bisa jadi memiliki perbedaan yang minor, moderat, hingga mayor. Penulis akan menggunakan analogi makanan untuk mempermudah pembaca memahami perbedaan diantara ketiganya, berikut ini adalah tiga contoh paradigma yang paling umum:

Prosedural/Imperatif: Paradigma ini mengajak programmernya untuk memandang masalah komputasi dan solusinya seperti daftar tugas yang harus dikerjakan dan barisan perintah yang harus dilaksanakan berurutan. Tidak dilaksanakan perintah berikutnya bila perintah sebelumnya belum dikerjakan atau mengalami error. Bila dianalogikan pada resep nasi goreng, maka narasinya adalah sebagai berikut: ‘1. Masak nasi secukupnya, 2. Tuangkan minyak dalam wajan, 3. Panaskan wajan, 4. Siapkan bumbu untuk ditumis, 5. Tumis bumbu dalam wajan hingga kekuningan, 6. Masak nasi secukupnya, 7. Masukkan nasi yang telah masak ke dalam wajan penggorengan, 8. Aduk nasi dan bumbu hingga rata, 9. Hidangkan nasi goreng di atas piring.’
OOP: Adalah singkatan dari Object Oriented Programming, sebuah paradigma yang mengajak programmernya untuk mengurai masalah secara hierarkis dan membuat solusi berdasarkan kelas berikut turunan-turunannya. Bila dianalogikan dalam hal nasi goreng, maka narasinya adalah sebagai berikut: ‘Nasi goreng adalah turunan dari kelas makanan, yang memiliki properti seperti nasi, bumbu, minyak, dan telor. Setiap properti tersebut merupakan kelas tersendiri yang juga memiliki turunan properti berikut metode penyiapannya. Contoh: nasi adalah kelas bahan makanan yang memiliki properti beras dan metode dikukus, bumbu adalah kelas bahan masakan yang memiliki properti cabe dan rempah dengan metode tumis, telor dadar adalah kelas yang memiliki properti telur ayam dan metode goreng. Bila semua sub-kelas nasi goreng telah siap maka jalankan metode nasi goreng yaitu aduk rata.’
Fungsional: Adalah paradigma yang mengajak programmernya untuk memandang masalah layaknya matematika dan solusinya adalah membuat persamaan. Bila dianalogikan dalam hal memasak nasi goreng, maka narasinya adalah sebagai berikut: ‘Nasi goreng adalah makanan yang dihidangkan di atas piring. Terdiri dari nasi yang telah masak dan diaduk dengan bumbu yang telah ditumis terlebih dahulu. Dimana bumbu tersebut terdiri dari campurang bawang merah, bawang putih, bawang bombay, telur, cabe merah, minyak, dan garam secukupnya.’

Dalam penulisan kode kedepan penulis akan memilih untuk secara murni menggunakan paradigma fungsional selain karena penulis juga menyenangi paradigma ini, paradigma fungsional memiliki kelebihan tertentu untuk ditawarkan, antara lain:

Menyusun logika komputasi dengan persamaan berpotensi membuat penulisan kode lebih singkat
Lebih mudah untuk menghindari error karena kode relatif singkat dan sifat persamaan yang tidak membutuhkan nilai diluar dari parameter yang diminta
Lebih mudah untuk diaudit karena setiap persamaan hanya melakukan tugas khusus. Tidak mengganggu/terganggu oleh fungsi lain
Menjadi paradigma alternatif bagi programmer ketika paradigma yang lain gagal atau dianggap kurang tepat untuk menjawab masalah yang dihadapi
Menambah portofolio pengetahuan dan daya saing pembaca karena programmer yang memahami/menggunakan paradigma fungsional di dunia terutama di Indonesia masih relatif sedikit

Penulis akan memberikan contoh bagaimana masing-masing paradigma dimanifestasikan dalam kode untuk kasus ‘kode penghitung faktorial’ pada bab berikutnya.

1.2. Referensi Penulis

Terdapat banyak sumber bagus untuk belajar statistik, baik yang berasal dari penulis asing maupun penulis lokal. Tentu penulis tidak akan klaim daftar buku statistik yang bagus dan yang tidak, melainkan sedikit mengulas bahan bacaan penulis untuk menyusun buku ini:

Yang membuat penulis tertarik untuk membaca buku-buku tersebut adalah karena para penulisnya menjelaskan dengan detil bagaimana data kasus dihadapkan pada formula tertentu dan proses matematisnya ditunjukkan bertahap hingga para pembacanya mengerti bagaimana data tersebut mengalir dalam formula hingga menjadi hasil. Cara penulisan buku statistik demikianlah yang menginspirasi penulis untuk mencoba menempuh cara yang sama untuk buku ini. Perbedaannya adalah, pada buku ini Anda akan mengajarkan browser Anda untuk berubah menjadi alat statistik. Penulis menyarankan pembaca untuk eksplorasi daftar buku statistiknya sendiri untuk pengayaan wawasan pembaca.

1.4. Persiapan Media Belajar

Berhubung buku ini adalah mempelajari statistik melalui Javascript, pembaca hanya membutuhkan browser baik di laptop maupun desktop. Pembaca bebas untuk memilih menggunakan browser manapun yang tersedia ataupun mengunduh yang baru seperti Chrome, Firefox, Edge, atau Safari. Browser manapun yang menjadi pilihan pembaca harap pastikan sudah pada versinya yang terbaru, karena pembaharuan dari developer biasanya meliputi bug fixes (perbaikan error), penambahan fitur, atau perbaikan tampilan. Memang terdapat sedikit perbedaan versi JS yang digunakan oleh setiap browser, namun tidak akan mengganggu pengembangan kode yang sifatnya umum seperti statistik. Karena kita hanya memanfaatkan browser maka OS manapun yang digunakan tidak masalah, seperti Windows, Linux, atau MacOS. Selagi bukan OS mobile seperti Android atau iPad karena browser yang ada padanya tidak dirancang untuk pengembangan kode.

Hanya 1 buah fitur khusus pada browser yang akan kita manfaatkan untuk mempraktikkan kode-kode yang terdapat pada buku ini, yaitu ‘console panel’. Hampir semua browser memiliki fitur ini terutama pada browser yang telah disebutkan sebelumnya.

Gambar 3. Halaman panel console pada browser

Pada gambar diatas adalah contoh jendela Chrome yang panel consolenya sudah terbuka. Untuk mendapatkan tampilang yang kurang lebih sama dengan diatas silahkan coba cara ini:

Jika dengan mouse: 1) klik kanan pada tengah halaman, 2) klik ‘Inspect’, 3) klik ‘Console’
Jika dengan keyboard: Shift+Ctrl+J (Chrome)

Bagi pembaca yang sudah lebih advanced, cara yang lebih bagus adalah dengan install Node JS dan mengoperasikan kode yang dibuat melalui terminal. Penulis lebih suka cara ini karena ringan dan kalau ada yang mengintip dari jauh kelihatan seperti hacker yang sedang membobol bank. Tapi demi kesederhanaan tutorial, penulis menyarankan pembaca untuk mencoba kode JS ini melalui console Chrome.

Anatomi console

Perhatikan bahwa pada setiap console terdapat 2 elemen utama yaitu baris input dan daftar log. Baris perintah inilah yang akan paling sering kita akses untuk pengerjaan kode sementara daftar log adalah untuk menampilkan hasil perintah yang kita eksekusi. Layout dari panel console ini ada yang menempatkan baris perintah di atas daftar log, ada pula yang sebaliknya, hal ini tidak mempengaruhi cara kerja console. Setiap browser menyediakan 3 layout console yaitu: side-docked, bottom-docked, dan detached mode. Pilihan side-docked akan menempatkan panel console tertempel pada sisi kanan atau kiri jendela browser. Pilihan bottom-docked akan menempatkan panel console tertempel pada bagian bawah jendela browser. Kedua mode tampilan tersebut umum digunakan oleh developer aplikasi web untuk memantau tampilan web atau aplikasi sambil diberikan akses untuk memasukkkan perintah atau memperoleh laporan tertentu dari aplikasi. Mode tampilan yang penulis sarankan untuk pembaca pakai adalah yang detached-mode, dimana panel console akan ditampilkan terpisah dari halaman browser, karena untuk sementara waktu kita hanya membutuhkan panel console dan tidak membutuhkan halaman web.

Untuk pemanasan, coba masukkan perintah 1 + 1 pada baris input panel console dan tekan tombol Enter pada keyboard untuk mengeksekusinya. Daftar log akan memunculkan angka 2 yang merupakan hasil perintah tadi. Beberapa browser ada pula yang menampilkan preview hasil perintah bahkan sebelum dieksekusi, seperti pada Chrome. Sekarang ketikkan perintah 2 * 3 dan eksekusi, dan pada daftar log akan ditambahkan angka 6.

Tips 1: Browser akan mengingat perintah apa saja yang pernah Anda eksekusi pada baris perintah. Anda dapat memanggil kembali perintah sebelumnya dengan tekan tombol panah atas atau bawah pada keyboard sehingga tidak perlu untuk mengetikkan ulang perintah yang sama. Browser hanya akan mengingat riwayat perintah yang Anda eksekusi selama jendela browser terbuka, dan akan dikosongkan kembali pada saat browser ditutup. Bila Anda membutuhkan perintah yang sama untuk dieksekusi kembali lain waktu, penulis menyarankan Anda untuk menyalin perintah-perintah tersebut pada text editor seperti notepad atau sejenisnya untuk backup.

Tips 2:

Berhubung mengetikkan Enter dianggap mengeksekusi perintah, maka bila Anda ingin melebarkan baris perintah satu atau beberapa baris ke bawah, maka bisa ketikkan Shift+Enter
Jika riwayat perintah sudah mulai penuh, user bisa bersihkan halaman dengan Ctrl+L

1.3. Pengorganisasian Materi

Mayoritas buku pengantar statistik yang menjadi referensi penulis mengorganisir materinya kedalam bab yang berdasarkan tema dan sub-bab yang berdasarkan topik. Buku-buku tersebut menyertakan contoh soal berupa skenario dan contoh soal untuk dikerjakan oleh mahasiswa. Buku ini ditargetkan untuk menjadi bahan bacaan ringan alternatif dan menyediakan contoh kasus yang cocok untuk menjelaskan topik yang diangkat. Penulis akan mencoba mengorganisir materi pada buku ini dengan mengadopsi susunan pada buku referensi untuk memudahkan penulis dan memudahkan pembaca yang ingin membaca buku ini bersandingan dengan buku referensi penulis. Penulis menyarankan pembaca untuk cari buku Iqbal Hasan: Pokok-pokok Materi Statistik 1 (Statistik Deskriptif) sebagai sandingan dalam mempelajari buku ini. Akan ada banyak kesamaan konsep yang dijelaskan, kalau disana menggunakan perhitungan manual, di buku ini adalah contoh pengerjaannya dalam Javascript.

1.4. Quick Use

Penulis meyakini mayoritas pembaca buku ini belum pernah mendengarkan kata javascript, tapi jangan khawatir, penulis akan membuat pengalaman menggunakan javascript ini selayaknya ‘bermain’. Dan untuk mempermudah pembaca dalam mempraktikkan isi buku ini maka lakukan langkah berikut:

Gambar 5. Contoh cara pakai kode di buku ini

Buka browser Chrome/Chromium
Buka halaman kode buku ini di https://github.com/rikyperdana/statisticsjs/blob/master/code/test.js
Klik tombol ‘Copy raw content’ yang ada di kanan atas kode
Tekan Ctrl+Shift+J
Paste-kan semuanya di halaman Console, dan Enter
Tekan Ctrl+L untuk mengosongkan riwayat
Seluruh fungsi siap untuk digunakan

Bagi yang menggunakan browser lain seperti Mozilla Firefox, Opera, Microsoft Edge, atau Internet Explorer mungkin akan menemui tahapan yang berbeda, tapi konsep operasinya tetap sama. Dan tidak ada perbedaan ketika menggunakan sistem operasi Microsoft Windows, Apple MacOS, ataupun Linux.

Cara Import dari Sheets

Penulis yang rajin (atau terlampau rajin) mungkin tidak akan keberatan untuk menginput data satu per satu ke dalam panel Console untuk kemudian diolah dengan alat statistik JS nanti. Tapi bagi yang pemalas (atau cerdas) akan memilih untuk mengambil cara mudah mengimpor data yang sudah ada di Spreadsheet (M. Excel, SPSS, atau Google Sheets). Cara mudah tersebut adalah “Copy — Paste”, seperti yang akan ditunjukkan pada langkah-langkah berikut:

Siapkan sebuah spreadsheet baik di M.Excel, Google Sheet, ataupun SPSS. Bila masih kosong bisa diisi dengan data bahan yang sudah Anda punya sebelumnya. Baik itu data contoh soal latihan dari buku lain, atau data hasil koleksi di lapangan. Data yang dimasukkan harus angka — penulis ulangi sekali lagi — angka. Data yang ‘kotor’ (tidak murni angka) akan merusak olah data kedepannya karena dianggap ‘invalid’ oleh komputer. Nilai yang dimasukkan boleh bilangan bulat, desimal, ataupun bertanda minus. Tidak boleh ada simbol lainnya seperti tanda ‘ (petik), “ (petik dua), % (persen), dan semua yang lain. Untuk angka ribuan atau lebih, tidak perlu dan jangan diberi tanda titik, biarkan natural.
Karena kolom yang akan di-copy akan diubah menjadi Array di bagian panel console, maka siapkan barisan tanda koma (,) pada kolom kedua. Tinggal tiru contoh di bawah.

3. Pada halaman panel console di browser favorit Anda (Chrome, Firefox, Opera, atau IE) siapkan sebuah variabel dengan nama bebas. Pada contoh gambar dibawah kita gunakan ‘dataX’. Copy kedua kolom data yang ada di Spreadsheet tadi, arahkan cursor pada ruang kosong diantara kurung siku tersebut, dan tekan Ctrl+Shift+V pada keyboard atau boleh juga dengan klik kanan pada mouse dan pilih “Paste as plain text”.

Gambar: Buat sebuah Array kosong dan beri nama bebas

4. Jika sejauh ini Anda melakukan tahapan diatas dengan benar, maka seharusnya tampilan pada panel console Anda akan seperti di bawah ini. Jika sudah mirip, maka tekan ‘Enter’ untuk mengeksekusi perintah dan menyimpan baris data tersebut dalam variabel yang namanya Anda pilih tadi.

Gambar: Contoh hasil copy — paste dari Sheets

5. Sekarang mari kita uji apakah komputer mengingat baris data yang anda ‘copas’ tadi dalam variabel yang namanya Anda sebutkan. Ketikkan nama variabel tersebut dan tekan ‘Enter’. Maka seharusnya akan tampil seperti pada gambar di bawah ini. Perlu diingat bahwa pada umumnya browser hanya akan “mengingat” data yang Anda rekam hanya selagi jendela browser tersebut terbuka. Bila Anda menutup dan membukanya lagi, maka panel console akan kosong seperti sedia kala seolah belum terjadi apapun. Joke: Hal ini sebenarnya bagus, karena apapun hal yang Anda kacaukan pada browser akan kembali seperti semula ketika anda buka ulang.

6. Data dengan nama variabel tersebut siap untuk digunakan pada rumus statistik apapun kedepannya.

Did you know?

Berdasarkan keterangan O’Reilly (penerbit buku komputer paling terkenal secara global), jumlah maksimum data angka yang bisa diterima sebuah Array dalam JavaScript adalah 4,294,967,295 (empat milyar dua ratus sembilan puluh empat juta sembilan ratus enam puluh tujuh ribu dua ratus sembilan puluh lima). Bandingkan dengan M. Excel yang hanya 1,048,576 (satu juta-an), 5 juta baris pada Google Sheets, dan 2,147,493,647 (2 milyar lebih) baris pada SPSS.