UNTUK saat ini, kata ?statistics? setara dengan kita ganti dengan analisis data, atau data analytics. Kita bahkan memandang bahwa statistics adalah bagian dari data analytics, atau lebih lanjut statistics memperluas menjadi analisis data secara luas, yang meliputi big data analytics dan machine learning practices.
Terdapat beberapa alasan pentingnya data analytics (bagian kecilnya adalah ilmu statistik), yaitu:
- Komunikasi.
- Adding rigor.
- Getting things right.
- Mempresentasikan hasil-hasil dengan baik.
- Akademisi.
- Evaluasi program.
Komunikasi
Descriptive statistics dan statistical tests untuk mengkomunikasikan data. Begitu kita memahami uji statistik dan istilah-istilah seperti p-value, confidence interval, r-squared value, kita mengkomunikasi hasil analisis data dalam bahasa yang diterima di seluruh dunia. Satu grafik yang bagus merupakan sarana yang efektif, efisien dan elegan untuk menyampaikan data atau temuan kita.
Adding rigor
Hasil penelitian/evaluasi misal berubahnya median atau rataan sebelum dan sesudah treatment tertentu tanpa uji statistik atau p-value atau nilai-nilai statistik adalah tidak jelas apakah dampak yang dilaporkan signfikan.
Getting things right
Agar analisis statistik memberikan hasil yang benar, kita harus memahami kapan teknik statistik cocok dan apa arti hasilnya. Kita harus memahami uji dan teknik statistik yang tersedia untuk memilih yang terbaik untuk diterapkan terhadap data untuk menjelaskan hasil-hasil analisis.
Mempresentasikan hasil-hasil dengan baik
Pengetahuan uji statistik dan grafik statistik merupakan cara terbaik memberi informasi yang ringkas (ringkasan) dan mempresentasikan hasil analisis data.
Akademisi
Metode statistik yang benar dan diterima diperlukan untuk publikasi ilmiah.
Evaluasi program
Statistik yang tepat membantu mengevaluasi program kerja, misalnya menentukan apakah ada peningkatan yang signifikan secara statistik, atau apakah satu teknik lebih baik dari teknik lain. Laporan ini berguna untuk tindak lanjut untuk memperbaiki program kerja.
METODE, SESUAI GAISE GUIDELINESS
In 2005, the American Statistical Association endorsed the report ?College Guidelines in Assessment and Instruction for Statistics Education (GAISE Guidelines),? which included the following six recommendations for the introductory statistics course:
1. Emphasize statistical literacy and develop statistical thinking.
2. Use real data.
3. Stress conceptual understanding rather than mere knowledge of procedures.
4. Foster active learning in the classroom.
5. Use technology for developing conceptual understanding and analyzing data.
6. Use assessments to improve and evaluate student learning.
Artikel di atas menyatakan bahwa, enam hal:
- Menekankan pada berpikir analitis dan keluasan dari metode-metode atau teknik-teknik analisis data.
- Menggunakan data yang nyata, bukan data boneka, namun data yang riil ada di dunia nyata; bila pun disimulasikan adalah mensimulasikan dunia nyata.
- Menekankan pada pemahaman konseptual, hal ini penting karena perkakas-perkakas komputasi telah dibuat manusia untuk membantu melakukan aksi-aksi komputasi yang sangat rumit dan menjemukan, yang panjang. Di Indonesia, hal ini tidak diperhatikan sehingga dibebankan perhitungan-perhitungan mingguan yang dapat dilakukan perkakas komputasi dari detik. Prosedur-prosedur rincian telah secara pintar dan cepat telah dilakukan perangkat komputasi komputer.
- Menerapkan active learning di kelas, dengan banyak kasus-kasus penyelesaian persoalan dibahas.
- Menggunakan teknologi untuk mengembangkan pemahaman konseptual dan menganalisis data. Saat ini, Indonesia tidak melakukannya. Data Analytics (Statistics) telah generasi kelima, di Indonesia diajarkan analisis data generasi ke-3 dengan cara generasi ke-2.
- Menggunakan penilaian secara menyeluruh (assessment), tidak hanya ujian yang sekilas dan terus melakukan evaluasi terhadap pembelajaran siswa.
Dengan demikian, Indonesia perlu merevolusi pembelajaran Data Analytics secara mendasar, serta harus menguasai teknologi data analytics paling modern yang mungkin. GNU R System adalah perkakas analytics data yang wajib atau sangat baik untuk dikuasai karena GNU R System adalah perkakas data analytics paling lengkap, paling cepat berkembang, paling ampuh, paling efektif, efisien dan elegan.
(Dr. Bambang Hariyanto, founder RightWay Data Science, Ketua Umum Ikatan Ahli Informatika Indonesia (IAII), Kepala Pusat Kajian Artificial Intelligence And Data Analytics, Universitas Pancasila)
