Statistika dalam Perspektif Ilmu

Statistika tidak memiliki kepentingan ilmu terhadap satu per satu nilai ukuran per se, tetapi meminati ukuran angka-angka sebagai kumpulan atau agregatif. Dalam melihat hamparan nilai-nilai, statistika berusaha memahami keragamannya, pola umum penyebarannya, ringkasan fakta dalam kumpulan data agregatif dengan mengembangkan ukuran pemusatan dan keragaman. Menurut Soetjipto Wirosardjono, statistika kini telah berkembang sebagai cabang ilmu matematika terapan, dengan mempertanggungjawabkan keterangan angka-angka itu berdasar ilmu probabilita dan logika matematika, disusul oleh perkembangan berbagai jenis spesialisasi.

Statistika dapat dikatakan secara sederhana sebagai ilmu yang mempelajari seluk-beluk angka yang mengandung informasi itu ialah angka statistik, yang diperoleh dari hasil pengukuran. Karena itu, angka statistik lazim disebut juga sebagai keterangan empiris. Artinya, nilai yang digambarkan dengan angka statistik, benar-benar diperoleh berdasarkan usaha mengukur sejumlah sasaran pengamatan atau penelitian.

Dalam mempelajari seluk-beluk angka hasil pengukuran, statistika tidak meminati per se nilai satu persatu (individual values) hasil pengukurun itu. Yang diminati statislika adalah angka-angka atau nilai-nilai secara keseluruhan; data sebagai himpunan nilai-nilai (agregates). Statistik kemudian bertugas memberi arti pada kumpulan angka yang diperoleh dari hasil pengukuran itu.

Dengan keterangan sederhana tentang pengertian statistika ini, dapatlah diringkaskan spektrum fungsi statistika dalam telaah ilmiah sebagai berikut:

Pertama, Statistika sebagai ilmu, meminati untuk mendapatkan pemahaman corak keragaman nilai angka hasil pengukuran. Sekumpulan angka yang diperoleh dari pengukuran sebenarnya dari sejumlah sasaran pengamatan, lazimnya tidak menghasilkan nilai-nilai yang persis sama antara satu nilai dengan nilai lainnya. Selalu akan ditemui keragaman atau variability. Statistika meminati aspek keberagaman atau variability ini dalam telaahnya dan menggunakan ukuran keragaman itu sebagai salah satu parameter statistika yang terpenting.

Kedua, Statistika juga meminati untuk menurunkan generalisasi, atau gambaran umum tentang perilaku kumpulan angka yang banyak tadi. Dari nilai-nilai yang banyak dan berserak itu, diatur dan disusun, sedemikian rupa sehingga dapat diturunkan suatu pola, suatu gambaran umum. Kumpulin angka saja belumlah merupakan keterangan statistik yang baik. Bentuk generalisasi itu bermacam-macam. Tetapi pada garis besarnya dapat digolongkan ke dalam tiga bagian. Ada generalisasi tentang kecenderungan memusatnya nilai-nilai. Di sini dicari satu angka yang dapat mewakili angka-angka yang banyak itu secara baik. Angka yang satu ini, sering disebut sebagai ukuran pemusatan atau measures of central tendency. Tergolong dalam kategori ini adalah rata-rata, median (nilai tengah), modus (nilai yang paling sering muncul) dam sebagainya. Ada pula, generalisasi tentang persebaran dan luasnya medan keragaman (variance). Seperti telah dijelaskan tadi, nilai-nilai hasil pengukuran memang tidak diharapkan sama, satu dengan yang lain; jadi beragam dan menyebar spektrum besarannya. Antara kumpulan angka yang satu dengan yang lain, tingkat keragaman itu berbeda-beda. Generalisasi di sini dilakukan dengan membakukan ukuran-ukuran yang dapat membandingkan tingkat keragaman antara kelompok data yang satu dengan yang lain. Ini ditempuh dengan mengembangkan beberapa ukuran penyebaran. Dari yang paling sederhana, seperti beda atau range antara nilai yang tertinggi dengan nilai yang terendah dari himpunan angka yang diamati. Ada pula, standar deviasi, yaitu nilai yang menggabungkan penyimpangan nilai-nilai itu dengan nilai rata-rata atau nilai tengahnya. Kemudian ada lagi variansi atau variance, dan sebagainya. Generalisasi berikutnya ialah tentang pola atau bentuk baku dari penyebaran (distribusi) nilai-nilai itu. Dengan mengurutkan pada skala nilai dari yang terkecil ke yang terbesar atau sebaliknya, kemudian menghitung berapa kali tiap nilai itu muncul dalam kumpulan data yang banyak itu, statistik biasanya menemukan pola-pola tertentu dari gambaran penyebaran nilai angka hasil pengukuran itu. Ada yang pola penyebarannya berupa garis lengkung simetris, menceng ke kanan atau ke kiri dan sebagainya. Bila pola ini diketahui menjadi tugas statistisi untuk mencari dan menerapkan instrumen telaah statistik yang sesuai dengan pola khas distribusi angka-angka itu. Dalam nomor ini Prisma menyajikan tulisan yang amat menarik dari Sajogyo mengenai Indeks Mutu Hidup. Sajogyo menerapkan prinsip dan fungsi utama statistik seperti tersebut di atas untuk membahas masalah pemerataan yang memiliki kadar telaah yang sangat relevan dalam pembangunan Indonesia.

Ketiga, Statistik pada instansi pertama berusaha mengembangkan sarana yang memudahkan telaah, dengan cara mendiskripsikan data secara baik dan gampang. Misalnya, menyusun data yang banyak itu dalam tabel, mengelompokkannya dalam klasifikasi dan kategorisasi, menggambarkannya dengan grafik, chart, gambar-gambar yang menarik dan lain sebagainya. Semuanya itu dimaksudkan untuk memudahkan pemakai statistik dalam menggunakan data yang banyak ltu.

Keempat, Menjadi urusan statistik pula pekerjaan merancang tatacara pengukuran, agar terjamin adanya kondisi obyektif yang dikehendaki. Mengenai masalah ini akan dibahas secara lebih terperinci pada bagian berikutnya dari tulisan ini. Fungsi yang keempat ini tidak lain sesungguhnya adalah dimaksudkan untuk menjamin ketangguhan peran statistik sebagai instrumen penelitian ilmiah. Dengan teknik rancangan tatacara pengukuran itu dimaksudkan agar hasilnya dapat dipertanggungjawabkan secara ilmiah.

Kelima, dan menjadi jantung kedudukan statistik sebagai ilmu terhormat dalam deretan ilmu lainnya adalah kemampuannya untuk menarik kesimpulan statistik (statistical inference) untuk keadaan yang diteliti, hanya berdasarkan hasil pengukuran atas sejumlah contoh atau sampel-nya yang amat terbatas. Seringkali pekerjaan mengukur sebuah fenomena yang sedang diselidiki, karena satu dan lain hal, tidak dapat dilakukan secara menyeluruh. Tidak lazim statistik mengukur/mencacah semua satuan pengamatan. Malah dalam kegiatan statistik moderen, tidak ada lagi pengukuran menyeluruh itu. Yang dikerjakan, lazimnya adalah melakukan pengukuran pada contoh, yang hanya terdiri sebagian kecil dari keseluruhan. Lalu dari hasil pengukuran yang sebagian itu, disimpulkanlah keadaan seluruh fenomena. Dalam rangka itu, berkembanglah bagian Ilmu statistik yang meminati dan mengkhususkan perhatian pada tatacara pengambilan contoh (sampling techniques). Tatacara pengambilan contoh ini harus dapat diselenggarakan secara efektif dan eflsien, pada batas sumber dan biaya yang tersedia tetapi tetap menghasilkan informasi yang akurat. Ilmu pasti, dari cabang ilmu probabilita, kemudian banyak diperalat statistik untuk mendasari upaya penyimpulan-penyimpulannya, agar memiliki landasan logika matematika. Cabang ilmu statistik yang bergerak di bidang ini, disebut statistik inferensia (Statistical Inference).

Pengukuran dalam Statistika
Karena statistik adalah bagian atau cabang ilmu pengetahuan, maka tindakan dan disiplinnya haruslah dapat dipertanggungjawabkan secara ilmiah pula. Dalam mencari kebenaran, telaah ilmiah mendasarkan diri pada keterjelasan (veriviability) dari langkah-langkah pencariannya, kejelasan dan ketidakraguan upaya keilmuan yang ditempuh, dan keterulangan (reproduciability, repeatability) cara yang ditempuh dalam upaya mencari kebenaran ilmu. Begitu juga dalam statistik, pengukuran yang dilakukan haruslah merupakan tindakan yang jelas tatacaranya, terperinci urutan tindakannya dan secara operasional langkah-langkah pengukuran itu dapat didefinisikan dengan tiada kekaburan.

Pengukuran statistik bukan sekedar tindakan memperoleh asal hasil ukur, betapapun cermatnya kegiatan itu dilakukan. Karena seperti telah diterangkan, statistik bukan berurusan dengan satu atau beberapa angka saja. Pengukuran satuan yang satu dengan pengukuran yang lain harus secara rigid mengikuti tatacara pelaksanaan perolehan nilai tertentu yang telah ditetapkan. Karena itu perlu dirumuskan tatacara, kondisi dan serentetan langkah operasi pengukuran tertentu, yang dengan disiplin ketat diikuti.

Hal ini harus ditempuh guna menjamin syarat obyektivitas dan keterulangan (repeatability) tadi. Soegito dalam Prisma nomor ini membahas secara luas masalah tersebut, dengan contoh-contoh, dalam hubungannya dengan kesenjangan pengertian terhadap statistik. Kerancuan pemakaian data statistik, yang disebabkan karena kurang memperhatikan rigiditas perolehan data, dapat menghasilkah kesimpulan yang menyesatkan.

Karena statistik juga akan dipakai sebagai ilmu bantu untuk menelaah berbagai cabang ilmu pengetahuan, maka horison pandangannya dalam melihat rigiditas tatacara pengukuran itu perlu sekali. Statistik dapat digunakan untuk mengumpulkan keterangan berupa angka mengenai umur yang relatif mudah mengukurnya, sampai soal gizi yang lebih sulit menentukan ukuran nilai dan cara mendapatkannya. Dalam syarat keterulangan prosedur itu, terkandung pengertian bahwa pengukuran statistik yang dilakukan berulang pada kondisi obyektif sama, akan menghasilkan nilai-nilai yang satu sama lain ”cocok” (consistence). Konsistensi atau kecocokan hasil pengukuran itu tidak berarti sama satu sama lain. Malahan seperti telah diutarakan, nilai-nilai itu justeru secara statistik harus tidak ada yang persis sama. Karena kondisi obyektif yang tidak sempurna, upaya pengukuran dapat menghasilkan suatu derajad kemelesetan tertentu dari hasil pengukuran itu. Namun dalam kondisi yang tidak sempurna obyektifnya itu, bila dilakukan proses pengukuran ulang di mana tatacara pengukuran ulang dilakukan persis sama seperti sebelumnya, akan dihasilkan nilai yang mempunyai arah kemelesetan yang konsisten dengan kemelesetan hasil pengukuran sebelumnya. Jadi efek kondisi pengukuran yang terulang tadi, secara sistematis akan terbawa pula pada pengulangan pengukuran berikutnya. Ini berbeda dari efek ketidaktepatan ukuran (error in measurement) yang disebabkan karena faktor acak (random effect). Dalam kesalahan acak, arah ketidaktepatan berbeda-beda antara sampel satu dengan sampel lainnya; bisa lebih kecil atau lebih besar. Perangkap umum yang sering menjebak peneliti dan kalangan ilmuwan –termasuk yang sudah memiliki kecanggihan penelitian kuantitatif sekalipun– ialah adanya kecenderungan untuk secara ceroboh cukup mengandalkan atau berasumsi saja, tentang terpenuhinya syarat obyektif dan kondisi keterulangan itu. Kecerobohan main asumsi inilah yang lazimnya menghasilkan statistik yang sama sekali tidak dapat dipergunakan.

Syarat lain bagi pengukuran statistik agar menghasilkan angka yang dapat dipertanggungjawabkan adalah validitas atau kecermatan. Masalah validitas ini penting sekali dan merupakan kualifikasi yang lebih dituntut dibanding dengan syarat konsistensi atau kecocokan satu sama lain tadi. Secara sederhana, validitas dapat diterangkan sebagai syarat kedekatan antara nilai yang diperoleh dari hasil pengukuran contoh dengan angka yang sebenarnya (true value). Angka yang diperoleh dengan jalan kira-kira, menebak dari atas meja, mencatat perkiraan orang lain, mengukur sekenanya tanpa visi kecermatan dan sebagainya, akan menghasilkan nilai yang jauh dari nilai sebenamya (true value). Karena itu pengukuran yang baik harus mengusahakan agar dapat dijamin bahwa angka hasil pengukuran itu mendekati nilai yang sesungguhnya. Sulitnya, nilai yang
sesungguhnya itu, tidak pernah diketahui. (Sebab kalau sudah diketahui, logikanya lalu tidak diperlukan prosedur estimasi lewat contoh, atau sampel yang sulit-sulit). Syarat ini bila dipenuhi menghasilkan taksiran yang disebut tak bias (unbiased estimate). Untuk dapat memenuhi persyaratan ini, dipakailah sarana logika matematika yang membuktikan secara matematik, taksiran dari cara pengukuran yang ditetapkan mengikuti satu perangkat tatacara tertentu itu, akan menghasilkan nilai mendekati nilai sesungguhnya.

Statistika lnferensia
Di muka telah dibahas dengan terperinci tatacara dan aturan pengukuran dalam statistika. Tata cara itu merupakan syarat dasar bagi keterangan berupa angka yang diperoleh dari satu rangkaian pengukuran, agar dapat disebut statistik. Sah atau tidaknya menerapkan prinsip-prinsip statistika ditentukan oleh dipenuhi atau tidaknya urutan pengukuran itu.

Kini ,sampailah pada masalah analisa statistik atau Statistika Inferensia. Seperti telah dikatakan di muka, dalam praktek, pengukuran sasaran penelitian tidak dapat dilakukan secara menyeluruh. Alasannya bermacam-macam, tapi intinya adalah karena ketidakpraktisan, biaya dan waktu yang mahal, tenaga yang tidak ada dan sebagainya. Situasi semacam ini, hampir selalu dihadapi dalam pekerjaan statistik. Karena itu statistika mengembangkan dirinya dengan beranjak dari premis dikotomi populasi dan contoh yang laten. Di satu pihak ada kumpulan satuan obyek pengukuran secara keseluruhan yang lazim disebut populasi. Dan di pihak lain ada sebagian kecil dari kumpulan obyek penelitian yang ada dalam populasi itu yang akan benar-benar diukur, lazimnya disebut contoh atau sampel. Seluruh masalah statistika sebagai ilmu, akhirnya bertumpu pada soal bagaimana contoh tadi dapat diambil secara murah, mudah, terulang, terjelaskan, secara operasional dapat didefinisikan dan secara logika matematika dapat dibuktikan obyektivitasnya. Di pihak lain bagaimana mempertanggungjawabkan hasil pengukuran contoh tadi sebagai ”wakil” atau sarana penaksiran/perkiraan atau pendekat, terhadap nilai sesungguhnya yang mesti dari pengukuran tiap sasaran penelitian dalam populasi itu. Dalam praktek nilai populasi itu memang tidak pernah diukur semuanya, sehingga nilai sebenarnya dari sasaran yang diteliti itu (true value) memang tidak pernah diketahui.

Umumnya ukuran pembanding yang diminati untuk mempertanggungjawabkan ukuran yang diperoleh dari sampel itu seberapa jauh mendekati nilai sesungguhnya yang ada dalam populasi, ialah pola penyebaran, ukuran pemusatannya dan ukuran persebarannya atau ukuran keragamannya. Dari sini kemudian dikembangkan sarana ukur bantu atau parameter seperti variance of error, ukuran ketepatan taksiran (bias), derajad keterpercayaan (confidence limit) dan lain-lain. Ukuran dan parameter ini umumnya diturunkan dari fungsi matematik (as a function of) dari ukuran baku pembanding, rata-rata dan variance of error tadi. Pada Prisma nomor ini disajikan artikel John A. Dixon yang dengan berani menggunakan data pengeluaran dari Survai Sosial Ekonomi Nasional dalam Analisa Konsumsi makanan produknya.

Disiplin lain yang berkembang dalam keluarga statistika adalah apa yang lazim disebut tatacara percobaan (design of experiment). Cabang disiplin statistika ini penting sekali sebagai alat bantu ilmiah untuk telaah percobaan perbandingan atau comparative experiment dalam ilmu pengetahuan. DaIam rangka mencari kebenaran, ilmu sering dituntut untuk mengadakan percobaan yang dapat membandingkan antara nilai hasil pengukuran pada kondisi tertentu, dengan hasil pengukuran atas obyek yang sama pada kondisi yang lain. Contoh sederhana: seorang ilmuwan menemukan pupuk tertentu. Ia ingin mengetahui pengaruh pupuk itu terhadap produktivitas varietas padi tertentu pula, maka dalam percobaan pembandingan, dua sampel dapat dirancang. Pertama sampel yang mengukur produksi padi varietas tertentu itu ditanam dan pada musim yang sama tanpa pupuk. Di tempat lain diukur produksi tanaman padi varietas yang sama yang ditanam dengan pupuk. Dalam statistika tanaman padi tanpa pupuk itu disebut contoh dari bagian populasi yang dikontrol. Sedangkan yang tanaman padi yang dipupuk disebut bagian populasi yang mendapat treatment. Pengukuran kemudian dilakukan di masing-masing bagian dan hasilnya dibandingkan. Di samping diusahakan agar semua kondisi lainnya sama, serta pengukuran dilakukan seobyektif mungkin, selebihnya diasumsikan bahwa kondisi lain-lain yang mempengaruhi perilaku kedua bagian populasi itu sama adanya.

Data itu hanya didasarkan pada contoh atau sampel sebanyak 65.000 rumah tangga. Tetapi hasil pengukuran itu dipakai sebagai dasar telaah untuk gambaran konsumsi seluruh rumah tangga –di desa dan kota— di Indonesia. Sayang dalam sajian Dixon ini masalah-masalah teknis statistik inferensia tidak ditonjolkan. Karena memang titik beratnya –adalah analisa dan penggunaan data sample rumahtangga untuk telaah konsumsi. Tulisan ini memberi contoh kongkrit pemanfaatan data statistik untuk analisa substantif.

Demikianlah disiplin design of experiment ini berkembang dengan pesat dengan kecanggihan yang kian tinggi. Terutama sebagai tanggapan pada tuntutan cabang ilmu yang membutuhkan kecanggihan ini lebih berkembang pesat lagi, dengan dukungan yang makin kukuh dari fasilitas komputasi. Di samping itu prosedur inference (yaitu menyimpulkan dan pertanggungjawaban dari nilai contoh ke nilai populasi) tadi juga kemudian dapat diperluas dengan menggunakan fungsi-fungsi statistika yang lebih canggih. Analisa dan telaah yang menggunakan regresi dan korelasi, tidak lain adalah dimaksudkan untuk mengembangkan alat telaah statistika yang menguraikan hubungan dan saling relasi antara dua atau lebih nilai ukuran (two or more sets of measurement).

Ilmu statistik kemudian juga melayani kebutuhan telaah yang memanfaatkan fungsi-fungsi matematika sebagai alat pendekat, guna memudahkan penggambaran dan abstraksi adanya pola saling hubungan dan saling ketergantungan yang kompleks antar sejumlah (banyak) pengukuran. Disiplin statistika-matematika ini disebut pembuatan modeI-model atau (model building). Tetapi model building sendiri bukan bagian dari statistika, sepanjang nilai-nilai yang dimodelkan itu belum secara empiris diukur benar-benar. J.L. Tamba dalam edisi ini menyajikan bahasan mengenai model-model ekonometrlka dan ketersediaan data statistik yang dihadapi ahli-ahli Indonesia dewasa ini. Di padukan dengan bagian akhir dari tulisan Soegito sajian Tamba ini dapat memberi gambaran betapa luas tersedianya data statistik yang dikembangkan BPS akhir-akhir ini. Tetapi juga betapa kecanggihan model ekonometri yang hendak diterapkan di Indonesia, hampir selalu dibatasi penerapannya oleh tersedianya data statistik yang dapat dipakai. Dalam praktek, model-model itu harus disesuaikan dengan keterangan statistik yang tersedia.

Penutup
Begitulah gambaran ringkas tentang kedudukan dan peranan statistika dalam perspektif ilmu. Statistika bertugas untuk membantu telaah ilmu pengetahuan lain dalam menangani keterangan kuantitatifnya, keterangan medan yang dapat diukur dan dinyatakan dalam angka. Statistika sendiri hanya berminat pada ukuran angka-angka secara agregatif, secara kelompok. Statistika tidak meminati dan tidak memiliki kepentingan keilmuan apa-apa terhadap satu per satu nilai ukuran per se. Dalam melihat hamparan nilai yang banyak itu, statistika meminati untuk memahami keragamannya, pola umum penyebarannya, meringkas fakta yang banyak bertebaran dalam kumpulan data agregatif itu dengan mengembangkan ukuran-ukuran pemusatan, keragaman, serta meringkas, untuk memudahkan telaah. Pekerjaan memudahkan telaah ini dapat pula dikerjakan dengah mengelompokkan, menabelkan, menggambarkan dan menghubung-hubungkannya. Inilah bidang statistika yang disebut Statistika Penyajian (descriptive statistics). .

Di samping itu statistika juga berkepentingan dengan tatacara pengukuran sehingga angka yang dihasilkan itu obyektif, konsisten, valid dan akurat. Dalam statistik, masing-masing atribut untuk data statistik yang baru disebutkan itu mempunyai konotasi yang unik, khas, tertentu dan rigid pengertiannya.

Statistika sendiri berkembang sebagai cabang ilmu matematika terapan, karena satu alasan. Yaitu, dalam mempertanggungjawabkan keterangan berupa angkanya, statistika menggunakan logika matematika. Khususnya cabang ilmu probabilita. Ini tercermin mulai dari cara statistikawan melakukan penyimpulan atau inference hasil pengukuran yang hanya mendasarkan pada contoh saja, untuk dipakai sebagai pendekat atau taksiran mengenai keadaan populasi secara keseluruhan yang dalam praktek memang tak pernah diukur semuanya-sehingga nilai kebenaran dari yang ditaksir itu tak diketahui.

Statistisi harus mampu mengatakan seberapa dekat nilai hasil penaksirannya dengan nilai sesungguhnya, berapa derajad validitasnya dan lain sebagainya. Statistika inferensi adalah bagian dari matematika terapan. Perkembangan lanjut statistika tidak berhenti di situ saja. Kecanggihan penyusunan tatacara percobaan, model building, operation research, analisa sequencial, dan lain-lain, adalah beberapa jenis spesialisasi yang berkembang pesat pada pertumbuhan lanjut statistika sebagai ilmu. Pada nomor ini Prisma menyajikan tulisan R.K. Sembiring yang meninjau perkembangan statistika sebagai ilmu, sebagai alat, dan sebagai profesi untuk bahan rujukan. Sembiring dengan seksama meninjau pada perkembangan pengajaran dan pendidikan statistika di Perguruan tinggi di Indonesia.

Oleh Soetjipto Wirosardjono

Sumber: Jurnal, Prisma 10, 1984
————————-
Perkembangan Statistik di Indonesia

Penerapan metode statistik oleh peneliti Indonesia yang mengumpulkan data sendiri, secara teknis masih ketinggalan. Sebaliknya, penggunaan statistik sekunder untuk keperluan analisa maupun perencanaan tumbuh pesat. Dalam tulisannya, Soegito menguraikan perkembangan penyediaan data statistik dan aplikasi statistik dalam penelitian ekonomi-sosial sampai dewasa ini. juga diusahakannya untuk menjelaskan duduk perkara keluhan pemakai data mengenai kelangkaan dan ketidakcermatan mutu data statistik di Indonesia. Kesimpulannya, dialog antara produsen dan pemakai data statistik harus ditingkatkan.

Apa pun disiplin ilmu dari seorang peneliti atau pengamat ekonomi dan sosial, dalam melaksanakan kegiatan penelitian dia harus mampu memperoleh dan menggunakan data; yang mungkin berupa data kuantitatif (statistik) ataupun kualitatif. Dalam memeroleh data tersebut, peneliti bisa mengumpulkan sendiri datanya, atau menggunakan data yang dikumpulkan instansi atau pihak lain sebagai referensi.

Seorang pemakai data atau peneIiti karena sifat penelitiannya mengumpulkan data sendiri. Untuk itu bukan hanya cara pengumpulan data, tetapi juga cara penggunaan data tersebut memerlukan pengetahuan khusus. Ketiadaan pengetahuan ini bisa mengakibatkan diperoleh kesimpulan yang menyimpang dari kenyataan yang hendak diungkapkan. Pengetahuan mengenai cara-cara penetapan populasi sasaran penelitian, penetapan konsep dan definisi dari berbagai pengertian yang akan digunakan, cara pengambilan contoh sasaran yang hendak diteliti (sample selection) metode estimasi dan penyimpulan tentang nilai yang hendak diketahui berdasarkan nilai yang diukur dari contoh teknik dan metode generalisasi dan interpretasi data dan lain-Iain.

Dilihat dari kacamata statistik, perkembangan penerapan metode statistik oleh para peneliti Indonesia yang berusaha mengumpulkan data sendiri, secara teknis relatif masih ketinggalan. Sebaliknya perkembangan prnggunaan statistik sekunder oleh para pemakai data untuk keperluan analisa, perencanaan maupun kegiatan pengembangan tumbuh dengan pesat. Beberapa faktor penyebab kesenjangan pekembangan ini bisa disebut antara lain: Pertama, masih terbatasnya pendidikan statistik maupun kedalaman dari materi statistik yang diajarkan di perguruan tinggi, kecuali di beberapa Universitas/institut negeri yang sudah maju, Kedua, terbatasnya pengertian mengenai statistik pada diri sebagian para peneliti. Ketiga, masih tertumpuknya tenaga ahli statistik pada beberapa perguruan tinggi dan lembaga produsen statistik. Dan keempat, apresiasi pemerintah terhadap perkembangan lembaga produsen data statistik masih perlu terus di pupuk.

Dibandingkan dcngan keadaan akhir 1960-an, penerapan metode statistik dalam penelitian dewasa ini sudah jauh lebih maju. Hal ini utamanya disebabkan karena lingkungan yang mendukung maupun sarana dan prasarana yang sudah makin memungkinkan untuk perkembangan itu. Harus diakui, perkembangan tersebut masih belum merata, diantara lembaga penelitian dan perguruan tinggi sendiri. Bahkan di satu perguruan tinggi yang sudah sangat maju juga terdapat kesenjangan antar fakultas atau antar jurusan dalam fakultas yang sama. Demikian pula antar berbagai pusat studi dalam universitas yang sama, yang memperoleh kesempatan untuk melayani kebutuhan penelitian dari instansi pemerintah, menunjukkan adanya perbedaan dalam kemampuan menyusun rancangan penelitian yang secara teknis bisa dipertanggungjawabkan.

Di pihak lain, ada kecenderungan yang menggembirakan, di bidang analisa dan bahasan kuantitatif dari berbagai fenomena ekonomi dan sosial yang dilakukan para peneliti, perencana, penyusunan kebijaksanaan serta para pengamat ekonomi dan sosial pada umumnya. Hal ini bisa diamati misalnya dengan menggunakan sebagai salah satu tolok ukur, mutu dan bentuk diskusi dalam Seminar Statistik Nasional Pertama Tahun 1966, dan pada Kongres I Seminar Statistika Indonesia tahun 1983. Pada seminar tahun 1966 sebagian besar makalah yang disajikan masih berupa kutipan dari textbook dan pengertian-pengertian yang bersifat umum. Pada seminar 1983 materi yang dibahas, metode pembahasan maupun teknik penyajian dan analisanya sudah jauh berkembang. Pada seminar tahun 1983 hampir semua makalah mengungkapkan hasil penelitian empiris atau bahasan terhadap data statistik yang dihasilkan dari sensus dan survai, kemudian dihubungkan dengan sasaran kebijaksanaan yang termaktub dalam GBHN, sasaran program dalam Repelita dan sebagainya, sehingga seminar itu secara tidak langsung merupakan pula forum evaluasi dan pengamatan ke masa depan terhadap pelaksanaan dan perencanaan pembangunan di bidang ekonomi dan sosial. Data statistik diperdebatkan, dikritik dan dimanfaatkan secara intensif dalam diskusi di seminar 1983 tersebut. Bagi kalangan statistikawan, seminar 1983 merupakan forum yang bisa memberi petunjuk tentang tahap perkembangan pengadaan; mutu dan pemanfaatan data statistik di Indonesia dewasa ini.

Kesenjangan Pengertian terhadap Statistik
Sebagian besar kesimpang-siuran data yang selama ini banyak dikeluhkan disebabkan karena kurangnya komunikasi antara produsen dan pemakai data statistik. Dengan perkataan lain antara pemakai dan penghasil data masih digunakan pengertian yang berbeda terhadap data yang dihadapi. Statistik yang disajikan mungkin tidak keliru dan tidak menyesatkan dalam menggambarkan fenomena yang dengan jelas memang sudah dibatasi ruang lingkupnya. Manakala ada pemakai data yang menggunakan statistik tersebut dalam konteks yang sedikit diperluas dari yang telah didefinisikan semula, maka data statistik tersebut akan menjadi tidak representatif dan tidak relevan lagi, bahkan bisa membingungkan dan menyesatkan.

Sebagai contoh, tidak jarang kita jumpai keluhan masyarakat terhadap kewajaran angka pengangguran, statistik ekspor/impor, tingkat inflasi, data produksi, statistik harga, dan berbagai macam data statistik lainnya yang disajikan oleh Biro Pusat Statistik (BPS). Di bidang statistik kita mengenal adanya konsep/definisi yang menegaskan fenomena apa yang sccara kuantitatif digambarkan oleh data statistik yang dikumpulkan dan disajikan. Semuanya itu dibakukan, demikian pula dengan klasifikasinya, bahkan masalah pembakuan dan klasifikasi ini menjadi perhatian bersama antar negara antar peneliti dalam berbagai forum internasional agar terdapat keterbandingan statistik antar negara. Di Indonesia masalah pembakuan konsep/definisi dan penetapan klasifikasi untuk berbagai jenis statistik telah disusun oleh BPS bekerjasama dengan departemen/instansi pemerintah yang bersangkutan.

Di Indonesia pada asasnya dianut sistem sentralisasi pengelolaan statistik, karena itu, untuk kepentingan pembakuan dan kegunaan statistik BPS perlu senantiasa membuka pintu terhadap saran dan kritik, yang diterima terhadap statistik yang disajikan melalui seminar, lokakarya, diskusi teknis maupun berbagai penyuluhan yang dilakukan. Dengan demikian akan terjadi interaksi ke arah penyatuan bahasa antara penguji dan pemakai data dalam menyempurnakan pembakuan konsep dan klasifikasi yang digunakan.

Sebagai contoh dapat diambil kontroversi mengenai angka pengangguran. Banyak pemakai data yang mempertanyakan angka
pengangguran di Indonesia yang begitu rendah, dan mengapa konsep untuk menetapkan siapa yang termasuk angkatan kerja batas waktu jam kerjanya becgitu pendek. (minimum 1 jam dalam seminggu).

Konsep dan definisi itu mula-mula beranjak dari baku instansi nasional kemudian, setiap konsep dan definisi yang diadaptasi harus disesuaikan dengan situasi negara yang bersangkutan. Demikian pula di Indonesia. Dalam fenomena ketenagakerjaan di Indonesia, diketahui bahwa hanya sebagian kecil saja penduduk yang berumur 10 tahun ke atas, yang bekerja di sektor formal dalam arti mempunyai jam kerja, dan penerimaan tertentu dan teratur. Apalagi di daerah pedesaan, di mana mereka mencari nafkah dari sehari ke sehari, yang tidak mengikuti pola baku bekerja dalam konotasi internasional itu. Karena itu harus ditetapkan cara pengukuran yang cocok, agar konotasi ”bekerja” sebagai kegiatan ekonomi seseorang untuk mendukung kehidupan keluarga di Indonesia yang tidak sama persyaratan dan tingkat kebutuhannya dengan di negara maju cukup tercermin dalam statistik. Untuk kondisi demikian diperlukan konsep yang bisa menjaring semua penduduk, termasuk mereka yang bekerjanya minim sekalipun, tetapi tidak ”sepenuhnya” menganggur. Oleh karena itu dalam membaca data statistik ketenagakerjaan, harus disesuaikan dengan konsep yang cocok untuk Indonesia. Di Indonesia, juga di negara sedang berkembang umumnya, yang termasuk penganggur, terdiri dari 2 kelompok: mereka yang sepenuhnya menganggur dan yang setengah menganggur. Sedangkan yang termasuk kelompok penduduk yang bekerja juga terdiri dari 2 kelompok yaitu: mereka yang setengah bekerja dan yang sepenuhnya bekerja. Dengan konsep ini maka angka pengangguran di Indonesia berdasarkan hasil Sensus Penduduk 1980 adalah 5,23% (dari jumlah angkatan kerja sekitar 52 juta), termasuk 1,76% yang dapat dikategorikan sebagai sepenuhnya menganggur. Penjelasan terperinci mengenai konsep siapa yang termasuk penganggur penuh, setengah penganggur, setengah bekerja dan bekerja penuh terdapat daIam berbagai literatur yang diterbitkan BPS (perhatikan data di Tabel 1). Contoh lain adalah mengenai data perkembangan sektor industri. Sering terdapat kesalahpahaman mengenai besarnya angka pertumbuhan sektor industri yang ditunjukkan oleh data sektoral dari Produk Domestik Bruto (PDB). Kesalahpahaman itu bersumber dari usaha pemakai data untuk memperbandingkan dengan data produksi, berdasarkan laporan dari masing-masing Direktorat Jenderal di lingkungan Departemen Perindustrian. Dalam hal ini, paling tidak, ada dua sumber perbedaan. Pertama: ruang lingkup yang dicakup dalam penghitungan PDB adalah sektor industri pengolahan (manufacturing industry) menurut Klasifikasi LapanganUsaha Indonesia atau KLUI yang telah terbakukan. Tidak semua kegiatan industri pengolahan sesuai KLUI tersebut sepenuhnya dikelola dan dibina Departemen Perindustrian. Dalam kenyataan juga ada yang dibina Departemen Kesehatan, Departemen Pertanian, Departemen Perhubungan, BPPT, dan lain-lain. Dengan kata lain, ruang lingkup sektor industri yang dicakup dalam PDB, cakuparmya lebih luas. Kemungkinan perbedaan yang kedua: angka pertumbuhan dalam PDB didasarkan pada angka nilai tambah sektor yang bersangkutan, jadi tidak bisa langsung diperbandingkan dengan angka laporan produksi: kecuali kalau dianggap bahwa ratio, nilai tambah terhadap lokal produksi dianggap tidak pernah berubah. Dengan perkataan lain dari tahun ke tahun tidak terdapat kemajuan dalam efisiensi sektor tersebut meskipun diantaranya terdapat jenis industri yang padat modal. Asumsi ini tentu sulit ditegakkan.

Demikian pula halnya dengan berbagai data statistik yang Iain, sebelum dianggap bahwa suatu data itu tidak bisa dipercaya dan tidak bisa dipakai perlu dibaca dulu konsepnya. Bila makin lama pengertian ini bisa makin dikembangkan, niscaya akan dicapai tahapan di mana antara penyaji dan pemakai data, bahkan diantara pemakai data sendiri, akan terdapat kesatuan bahasa. Bila pengertian ini sudah cukup tinggi, kesan bahwa data statistik di Indonesia tidak wajar akan jauh berkurang dan pemakai data akan bisa menggunakan pada proposinya.

Sistem Perstatistikan Nasional
Tidak ada keseragaman diantara Negara-negara yang memiliki tingkat perkembangan yang hampir sama sekalipun, misalnya dikawasan ASEAN, dalam mengatur tata cara pengadaan statistik di negaranya. Latar belakang sejarah, susunan ketatanegaraan dan pengaturan administrasi pemerintahan di masing-masing negara tampak mempengaruhi sistem perstatistikan yang dianut.

Di Indonesia, menurut Undang-undang No. 7/1960 dan Peraturan Pemerintah No. 6/1980, sistem perstatistikan yang dianut lebih dekat kepada sistem sentralisasi. Menurut peraturan perundang-undangan tersebut Biro Pusat Statistik (BPS) diberi tanggungjawab melaksanakan kegiatan statistik dan mengadakan koordinasi di bidang statistik. Pada tingkat daerah fungsi tersebut dilakukan oleh Kantor Statistik Provinsi/Kabupatcn/ Kotamadya yang merupakan Kantor Perwakilan dan cabang perwakilan BPS di daerah. Dengan demikian Pemerintah Daerah tidak perlu membentuk perangkatnya sendiri karena semua kebutuhan statistiknya seharusnya dapat terlayani oleh Kantor Statistik pada tingkat provinsi maupun kabupaten/ kotamadya.

Apa keuntungan sistem sentralisasi ini bagi Indonesia? Kalau kita ikuti keluhan banyak negara peserta Seminar on Social and Related Statistics di Seoul, Korea Selatan, 22-28 Mei 1984, bahwa perkembangan statistik sosial jauh ketinggalan dibandingkan dengan statistik ekonomi. Salah satu faktor penghambat dari keadaan itu adalah letak lembaga statistic dari negara yang bersangkutan dalam sistem perstatistikan yang dianut. Beberapa negara menempatkan lembaga statistiknya di bawah salah seorang menteri yang membidangi sektor ekonomi tertentu. Ada yang di bawah National Economic Development Authority. Ada yang di bawah Departemen Perdagangan/Industri. Bahkan ada yang berada di bawah naungan Departemen Keuangan. Kenyataan yang mereka hadapi adalah sektor ekonomi dijadikan prioritas utama dalam strategi pembangunannya secara tidak seimbang. Karena penempatan seperti tersebut di atas itu, lembaga statistiknya tidak bisa sepenuhnya independen terhadap kebijaksanaan dan pengawasan menteri yang bersangkutan. Di Indonesia BPS tidak berada di bawah salah satu menteri, tetapi sebagai lembaga pemerintah nondepartemen, berada langsung di bawah Presiden. Dengan kedudukan itu, paling tidak, bisa diharapkan data yang dihasilkan akan bersifat netral, dan mencakup segala aspek ekonomi dan sosial dari kehidupan masyarakat. Kenetralan ini sedikit banyak mengurangi kecurigaan pemakai data terhadap kemungkinan adanya bias atau kecenderungan pada kebijaksanaan sektoral tertentu.

Di negara sedang berkembang, di mana sumber daya dan dana relatif terbatas, sistem sentralisasi merupakan alternatif yang terbaik. Karena dengan sistem ini anggaran dan tenaga ahli di bidang statistik bisa dipusatkan dan dimanfaatkan secara lebih efisien. Pemusatan ini juga memungkinkan adanya interaksi yang lebih tinggi diantara para tenaga ahli di bidang statistik. Langkah-langkah pengembangan dalam bentuk penerapan metodologi dan teknik statistik yang lebih maju dan cocok dengan keadaan setempat bisa selalu diupayakan.

Dalam pengembangan statistik, ada 3 komponen yang saling melengkapi dan memperkuat perkembangan, yaitu produsen, pengumpul dan penyaji data, pemakai data dan para responden atau pemberi keterangan yang menjadi sasaran penelitian. Bagaimanapun maunya lembaga penanggungjawab statistik, jika pemakai data kurang mampu memahami, melakukan interpretasi atau memanfaatkan data yang ada, tetap saja akan timbul salah paham dan ketidakpuasan pada kedua belah pihak, produsen dah pemakai data. Karena itu perlu selalu ditekankan pentingnya dialog antara produsen dan pemakai data, untuk mengetahui sampai di mana tahap atau tingkatan pengadaan data statistik harus ditetapkan atau disetel supaya salah satu tidak ketinggalan mengikutinya.

Peran responden, baik dalam bentuk rumahtangga atau keluarga maupun yang bukan (perusahaan, rumah sakit, sekolah, dan lain-lain), dalam setiap penelitian empiris panting sekali, karena kecepatan dan ketelitian hasil penelitian sangat tergantung kepada kemampuan mereka daIam menyerap pengertian yang terkandung dalam pertanyaan dan mengungkap jawabannya secara lengkap dan jelas. Di Indonesia, menurut hasil Sensus Penduduk 1980 diantara penduduk yang berumur 10 tahun ke atas yang masih buta huruf mencapai hampir 29% dan yang belum tamat Sekolah Dasar sebesar 41%. Angka ini menunjukkan bahwa penelitian yang terlalu rumit, memerlukan petugas lapangan yang benar-benar tinggi kualifikasinya mengingat bagian terbesar dari para responden terbatas kemampuannnya. Bila sebuah penelitian, survai atau bahkan sensus perlu diadakan dalam skala besar, mungkinkah merekrut tenaga yang demikian baik dalam jumlah besar? Untuk studi kasus mungkin bisa, tetapi jelas tidak untuk penelitian statistik yang contohnya cukup besar dan kesimpulan hasilnya bisa diterapkan secara Iuas. Jadi, ruang lingkup dan kedalaman penelitian maupun ketepatan waktu dan ketelitian hasilnya sangat erat kaitannya dengan tingkat pendidikan dan persepsi masyarakat yang menjadi sasaran penelitian tersebut. Salah satu upaya penanggulangan di Indonesia adalah dengan mengadakan perencanaan dan uji coba di lapangan yang cukup matang dan mengadakan latihan petugas Iapangan secara intensif.

Penanggulangan demikian tidak selalu berhasil untuk survai perusahaan, karena kondisi obyektif yang masih terdapat di dunia usaha di Indonesia. Salah satu kelemahan utama responden perusahaan adalah tidak dibiasakannya mengadakan administrasi dan pembukuan yang baik, belum adanya insentif atau daya tarik bagi para pengusaha untuk melaporkan keadaan apa adanya, kepada instansi yang ada kaitannya dengan perusahaan. Malahan, banyak diantara perusahaan membuat laporan yang berbeda untuk instansi yang berbeda pula, karena mempertimbangkan konsekuensi yang ditimbulkannya. Situasi ini memaksa BPS untuk menyesuaikan metode penelitian yang lebih canggih. Ruang lingkup pertanyaan dibatasi pada haI-hal yang tidak mencurigakan dalam survai perusahaan yang cakupan geografisnya sangat luas. Untuk telaah mendalam mengambil subsample dari perusahaan yang tercakup dalam survai besar tersebut, untuk diberi daftar pertanyaan yang Iebih terperinci. Apabila lingkungan dunia usaha makin maju dan kondisi administrasi dan aparatur pemerintah di pusat maupun daerah makin bersih dan-berwibawa maka prasyarat untuk melaksanakan survai perusahaan yang obyektif akan sepenuhnya terjamin. Tetapi tidak berarti bahwa jika kondisi demikian belum terpenuhi maka di Indonesia tidak akan tersedia data dari berbagai sektor ekonomi khususnya sektor ekonomi formal, dalam keadaan demikian senantiasa diperlukan untuk menerapkan metode dan teknik yang sesuai dengan tujuan untuk meredusir hambatan yang dihadapi.

Jelas bahwa tiga komponen yang disebutkan tadi yaitu produsen, pemakai dan responden-sangat terkait dan menentukan tingkat perkembangan statistik di suatu negara. Tingkat perkembangan statistik di Indonesia saat ini juga merupakan resultan dari interaksi antara komponen tersebut.

Meskipun demikian, BPS senantiasa melengkapi program kerjanya dengan melakukan antisipasi terhadap kebutuhan statistik di masa datang, meskipun belum banyak pemakai data yang sudah bisa memanfaatkannya. Misalnya penyusunan kerangka analisa antar industri dalam bentuk Tabel Input-Output 1971 sudah diselesaikan BPS pada tahun 1974 sebagai suatu academic exercise. Pada saat itu, para pemakai belum siap memanfaatkan sajian statistik dengan derajad kecanggihan tersebut. Tetapi di pihak lain para peneliti di BPS perlu memperoleh pengalaman teknis penyusunan Tabel Input-Output itu. Dengan makin matangnya pemakaian tabel tersebut sekarang, pengalaman BPS sudah bertambah dan berhasil menyusun 2 Tabel Input-Output lagi yang sudah lebih bersifat komprehensif, yaitu untuk 1975 dan 1980.

Perkembangan Statistik Sumber Daya Manusia
Masalah utama yang dihadapi pembangunan Indonesia dalam dasawarsa yang akan datang adalah mengubah penduduk yang sangat besar jumlahnya (161,6 juta jiwa pada akhir tahun 1984) bukan Iagi sebagai beban, tetapi justeru merupakan kekuatan yang menunjang Iajunya pembangunan.

Dalam Repelita IV, pengembangan sumber daya manusia terutama diarahkan pada perluasan lapangan kerja, perbaikan mutu pangan dan gizi, peningkatan pendidikan dan kesehatan masyarakat. Di samping itu perlu juga kita sadari bahwa pembangunan manusia Indonesia seutuhnya memerlukan masukan yang mencakup bidang non-fisik yang lebih luas Iagi, misalnya aspek sosial-budaya, agama, keamanan dan ketertiban, Iingkungan hidup, dan sebagainya. Data dasar mengenai berbagai bidang prioritas pengembangan sumber daya manusia itu dapat diperoleh dari hasil survai rumahtangga yang cakupannya makin luas dengan tingkat kedalamanan dan jenis informasi yang terperinci dewasa ini.

Data statistik untuk perencanaan dan pengembangan sumber daya manusia harus mencakup kedua sisinya, yaitu segi penyediaan fasilitas yang berupa sarana dan prasarana dan segi tingkat penggunaan dari fasilitas tersebut, atau dari segi masukan (input) dan keluarannya (output). Dari segi input, jenis data yang termasuk di dalamnya yang telah tersedia bagi pemakai data antara lain: anggaran belanja yang tersedia, jumlah sekolah dan gurunya, jumlah BLK, jumlah rumah sakit dengan tenaga medisnya, jumIah klinik KB, alat kontrasepsi yang disalurkan dan sebagainya. Outputnya berbentuk data jumlah orang yang bekerja menurut lapangan usahanya, jenis pekerjaannya, pendapatannya, Iatarbelakang pendidikannya, jumlah tamatan menurut jenis sekolahnya, jumlah penduduk yang masih buta huruf, angka tingkat kelahiran dan kematian, dan/ sebagainya.

Dalam Seminar Statistika Indonesia 1983, statistik mengenai sumber daya manusia memperoleh porsi yang cukup besar dalam pembahasannya. Banyak umpan balik sebagai masukan bagi produsen data yang sangat berharga, karena hampir semua makalah ditulis oleh para pemakai data (demand side). Dengan demikian bisa diketahui seberapa jauh perkembangan aplikasi dan permintaan data statistik, beserta segala persyaratan teknisnya.

Seperti sudah dijelaskan di muka, dalam pengembangan sistem perstatistikan nasional harus ada keseimbangan antara unsur produsen data, pemakai dan responden. Dalam perkembangan terakhir ini tampaknya kita juga harus mengadakan stratifikasi lebih lanjut terhadap para pemakai data, berhubung tingkat sofistikasi dari kebutuhan datanya ternyata cukup bervariasi. Stratifikasi ini penting untuk menentukan kebijaksanaan penyajian datanya. Apabila pemakai data yang tingkat sofistikasinya tinggi jumlahnya relatif kecil, maka tidak ada tempatnya untuk membebani seluruh tahap pengumpulan dan pengolahan data dari survai rumahtangga yang berskala besar-besaran, untuk diarahkan keseluruhannya pada penyajian yang bersifat spesifik dan sangat terperinci itu, agar efisiensi dan tingkat ketelitiannya tetap terjamin.

Data statistik mengenai karakteristik sosial dan ekonomi anggota rumahtangga yang merupakan landasan bagi perencanaan pengamatan dan pengembangan terhadap sumber daya manusia ataupun perubahan sosial yang terjadi pada mereka, dewasa ini dikumpulkan dari dua sumber utama. Sensus penduduk dan survai rumahtangga (Susenas, Supas, Sakemas). Di samping itu data yang bersumber pada institusi bukan rumahtangga seperti perusahaan, sekolah, rumahsakit dan sejenisnya merupakan sumber data yang lain yang pada umumnya lebih terbatas kemungkinannya untuk dilakukan pengolahan silang karena satuan penelitian yang berbeda-beda, tidak seperti dalam hal survai rumahtangga.

Tahun 1976 merupakan awal dari dimulainya kembali survai rumahtangga secara nasional yang mencakup informasi yang luas dan dilakukan teratur setiap tahun, setelah terhenti dengan 4 Susenas pertama sampai akhir 1960-an. Selama tahun 1976 tersebut telah dilakukan tiga survai besar berturut. turut, yaitu Susenas, Supasdan Sakernas, yang ketiga-tiganya telah memberikan sumbangan kekayaan informasi mengenai karakteristik anggota rumah tangga di Indonesia yang luar biasa kedalaman dan cakupannya. Demikian Iuas cakupan informasinya, apabila bagi para pemakai data yang mampu melakukan kaitan dan matching antar survai tersebut, tidak habisnya analisa yang bisa dilakukan berlandaskan hasil survai rumah tangga ini. Sampai dengan 1984 masih terus saja para analis, baik di dalam negeri maupun dari berbagai lembaga internasional, yang menggunakan hasil survai-survai 1976 sebagai dasar pijakannya.

Kekayaan informasi sosial-ekonomi rumahtangga pada tahun 1976 itu juga menggoda BPS untuk memulai usaha penyusunan Sistem Neraca Sosial-Ekonomi (Social Accounting Matrix) atau SAM, suatu sistem data yang hanya bisa disusun apabila tersedia data rumahtangga maupun data ekonomi yang cukup komprehensif. Gabungan antara Tabel Input-Output Indonesia 1975 dan kekayaan data hasil survai rumahtangga tahun 1976 telah mewujudkan tersusunnya tabel-tabel dari Social Accounting Matrix (SAM) Indonesia yang pertama. SAM itu memberikan harapan dikemudian hari untuk landasan penyusunan model-model bagi perencanaan sosial dan ekonomi yang lebih konsisten dan terpadu. Karena SAM mampu membantu menunjukkan rangkaian akibat yang ditimbulkan oleh suatu langkah kebijaksanaan (policy measures) baik akibat di bidang ekonomi maupun sosial. Telaah dapat dilakukan bukan semata berdasar penilaian atas hasil akhir dari kebijaksanaan tersebut, tetapi lebih dari itu adalah distributional effect yang bisa ditunjukkan oleh sajian statistik berupa SAM.

Sejak Susenas tahap ke-2 yang dilaksanakan pada akhir 1964 sudah dicakup data angkatan kerja. Tetapi secara lebih terperinci dan yang dikaitkan dengan data pendapatan dan karakteristik sosiaI-ekonomi setara relatif lebih luas, baru dilakukan sejak Sakernas 1976. Penelitian Ianjut sebagai rangkaian dari usaha penyusunan SAM berdasarkan matching Sakernas dan Susenas 1976 telah menghasilkan berbagai hasil analisa mengenai masalah kemiskinan dan ketimpangan konsumsi makanan, pengeluaran untuk jenis barang dan jasa lain (di luar makanan), distribusi penguasaan tanah pertanian, distribusi pemilikan harta benda tahan lama, dan analisa-analisa lain yang khususnya menyangkut masalah kesejahteraan yang dikaitkan dengan kegiatan ekonomi rumahtangga.

Berdasarkan data survai rumahtangga, muIai 1976, baru dimungkinkan untuk membuat analisa distribusi pendapatan yang dikaitkan dengan sektor kegiatan ekonomi seseorang, jenis pekerjaan dan menurut statusnya, apakah dia seorang majikan dengan buruh, pekerja mandiri atau sebagai buruh. Sebelum survai 1976, analisa mengenai distribusi pendapatan selalu didekati berdasarkan pengeluaran rumahtangga yang bersangkutan; jadi bukan distribusi pendapatan daIam arti kata yang sebenarnya. Perkembangan lain dari data angkatan kerja hasil survai rumahtangga yang dilakukan akhir-akhir ini adalah dimungkinkannya untuk dihitung pengukuran tingkat pengangguran berdasarkan konsep baru yang lebih wajar, tidak sekedar merefleksikan keadaan di sektor formal semata-mata.

Survai rumahtangga pada tahun-tahun berikutnya memberi kemungkinan untuk analisa yang lebih luas lagi mengingat makin luasnya module yang secara bergantian dicakup setiap tahun. Dengan pengembangan module itu, memungkinkan berbagai aspek perkembangan sosial dikaitkan dengan kegiatan ekonomi rumahtangga serta komposisi, sifat-sifat demografi dan keadaan sosial ekonomi aggota rumahtangga. Namun demikian perlu diingat bahwa setiap hasil survai rumahtangga, tidak terkecuali Susenas, memiliki keterbatasan dalam pemanfaatan untuk analisanya, utamanya yang berkenaan dengan terbatasnya contoh rumah tangga yang dicakup dalam survai tersebut. Ini merupakan salah satu sebab terjadinya kesalahpahaman, seolah-olah data Susenas tidak cermat, padahal seringkali disebabkan karena kerangka analisanya yang disusun telalu terperinci tanpa memperhatikan besarnya contoh, sehingga setiap cell atau angka dalam tabel statistik yang diperoleh dari hasil tabulasi silang (cross-tabulation) terbentuk dari hasil wawancara terhadap rumahtangga yang jumlahnya relatif sangat kecil atau nol (tak terwakil). Dengan perkataan lain sampling error-nya menjadi kelewat besar untuk cell-cell tertentu, meskipun overall sampling-error-nya relatif sangat kecil. Di pihak lain tetap perlu disadari bahwa kekurang-Iengkapan jawaban yang diberikan responden, keterbatasan kemampuan sebagian petugas lapangan pengumpul data, dan berbagai hambatan Iain masih bisa terjadi dan mempengaruhi mutu dan ketelitian data yang dihasilkan. Semua kelemahan ini memang selalu terjadi dalam setiap survai dan dikategorikan sebagai non-sampling error. Karena itu penggunaannya harus dilakukan dengan hati-hati dan selalu memperhatikan faktor-faktor pembatas seperti diuraikan di muka. Cara yang terbaik sebelum menggunakan data tadi lebih jauh adalah dengan menghubungi produsen data untuk memahami berbagai kendala yang diberlakukan sesuai dengan rancangan survai yang disusun dan pelaksanaan operasi lapangannya.

Untuk analisa yang terperinci menurut wilayah, survai yang lingkupnya nasional perlu mendapat tambahan banyaknya contoh untuk daerah yang menghendaki analisa yang relatif terperinci, agar sampling errornya bisa ditekan serendah mungkin. Sesuai fungsinya, peranan Badan Perencana Pembangunan Daerah (Bappeda) di sini cukup besar untuk memungkinkan dilakukannya analisa menurut wilayah pengamatan yang relatif kecil, dengan cara menambah contoh dalam batas efisiensi penerapan metode sampling.

Indikator Pembangunan Ekonomi
Banyak terdengar komentar di dunia internasional mengenai kemampuan Indonesia dalam mengelola dan mengendalikan pertumbuhan ekonomi, pada keadaan resesi ekonomi beberapa tahun terakhir ini. Komentar itu tentu memerlukan landasan yang relevan dan obyektif. Lazimnya yang dipakai adalah informasi yang bersifat kuantitatif yang disusun dalam bentuk statistik sebagai indikator perkembangan ekonomi.

Indikator Ekonomi yang bersifat makro utamanya adalah pertumbuhan ekonomi yang digambarkan oleh Produk Domestik Bruto (PDB atau GDP), tingkat inflasi, perkembangan ekspor, neraca pembayaran, perkembangan pendapatan dan konsumsi masyarakat, tingkat pengangguran, dan sebagainya. Indikator makro tersebut juga dilengkapi dengan indikator sektoral maupun wilayah (sub-nasional). Di pihak lain indikator pemerataan hasil pembangunan lazimnya ditunjukkan oleh perbandingan data, pendapatan regional Produk Domestik Regional Bruto atau (PDRB), distribusi pendapatan atau pengeluaran penduduk, distribusi penduduk menurut karakteristik demografi dan sosial ekonomi.

Penghitungan angka Produk Domestik Bruto (PDB) di Indonesia sudah dilakukan sejak 1958. Pada awalnya penuh dengan kelemahan dan keterbatasan dari segi metodologi maupun sumber datanya. Penghitungannya juga masih dibatasi pada PDB menurut sektor ekonomi. Namun dalam perkembangannya sekarang, sudah makin Iuas cakupannya dengan berbagai neraca yang lain, sehingga memungkinkan keterkaitan berbagai aspek ekonomi dianalisa secara lebih baik lagi.

Dalam PDB, sektor pertanian (termasuk kehutanan) masih merupakan sektor utama yang memberikan kontribusi terbesar yaitu 26,3 6% terhadap total PDB 1983, dan 17,39% diantaranya adalah kontribusi dari sub-sektor pertanian tanaman pangan. Sedangkan subsektor tanaman perkebunan rakyat, tanaman perkebunan besar, peternakan, perikanan dan kehutanan keseluruhannya memberi kontribusi sebesar 8,97%. Di samping kontribusinya, peranan sub-sektor tanaman pangan ini juga tampak penting karena jumlah rumahtangga pertanian yang bercocok tanam padi dan palawija saja sudah berjumlah 16,4 juta dari 19,5 juta rumahtangga pertanian, seperti ditunjukkan hasil Sensus Pertanian 1983. Wajar bila dari segi pengadaan statistiknya juga lebih lengkap data yang tersedia dari sub-sektor tanaman pangan ini, yang mencakup data produksi, luas panen, luas tanam, rata-rata hasil per hektar, alat pertanian yang tersedia, pendapatan petani, jenis dan besarnya pengeluaran usaha tani, dan data keadaan sosial-ekonomi petani baik yang dikumpulkan dari Susenas maupun Survai Pertanian. Di samping data dasar tadi, juga data yang diturunkannya, sepcrti ramalan produksi padi selalu dihitung untuk setahun mendatang. Kemampuan ramalan produksi padi di Indonesia jauh Iebih maju, karena berbeda dengan di negara lain, yang hanya untuk satu musim yang akan datang. Pengalaman menunjukkan bahwa angka ramalan yang didasarkan pada metode penghitungan yang dikembangkan selama ini menghasilkan angka yang tidak terlalu jauh dari realisasi produksi. Derajad kemelesetannya hanya sekitar rata-rata 4%, khususnya pada periode yang curah hujannya sulit diperkirakan siklusnya.

Di samping data bulanan data per musim dan data tahunan mengenai tanaman pangan yang disajikan sebagai indikator perkembangan sub-sektor ini, bisa dilihat juga data struktural yang bisa diperoleh dari hasil Sensus. Misalnya jumlah rumahtangga petani gurem yang mengusahakan tanah kurang dari 0,5 Ha ada 9,5 juta. Jumlah rumahtangga buruh tani yang masih memiliki pekerjaan sambilan lain 5,1 juta, diantaranya 1,9 juta rumahtangga adalah buruh tani murni. Di sektor informal ini pekerjaan tambahan atau sambilan merupakan fenomena yang biasa; karena itu dalam pengumpulan dan analisa datanya perlu diperhatikan kegiatan sampingan yang mungkin klasifikasi sektoralnya sudah berbeda dari kegiatan utama.

Peningkatan taraf hidup petani merupakan salah satu sasaran Pembangunan Nasional. Karena itu perkembangannya perlu diikuti berdasarkan indikator kesejahteraan petani. Mulai awal 1985, berbeda dengan periode sebelumnya, akan dilaksanakan penelitian mengenai pendapatan petani dengan cakupan yang jauh lebih besar. Dari contoh cakupan rumahtangga yang berusaha di bidang pertanian tanaman pangan, perkebunan rakyat, peternakan, perikanan darat, tambak air payau dan perikanan laut akan diadakan penelitian mengenai pendapatan/penerimaan rumahtangga, data mengenai jenis dan besarnya pengeluaran usaha-tani atau struktur ongkosnya, data penambahan dan pengurangan barang modal serta keadaan sosial-ekonomi rumahtangga tani.

Pada hakekatnya kesejahteraan petani bukan hanya tergantung pada tingkat produksinya, tetapi juga dipengaruhi oleh perkembangan daya belinya, yang bisa diamati berdasarkan indeks nilai tukar dari petani. Seri data indeks nilai tukar petani yang tersedia secara bulanan sejak 1976 menunjukkan adanya gambaran yang makin meningkat dalam perkembangan daya beli petani di provinsi-provinsi di Jawa. Meskipun di dalamnya terdapat fluktuasi musiman, seperti yang lazim diperkirakan, mengingat besarnya pengaruh musim terhadap usaha tani. Indeks nilai tukar, yang menggambarkan perbandingan antara perkembangan tingkat harga barang produksi pertanian yang dihasilkan petani dan harga barang dan jasa yang dikonsumsi petani, dari 1976 sampai sekarang menunjukkan kecenderungan meningkat. Hal ini disebabkan karena perkembangan tingkat harga barang pertanian yang dihasilkan petani masih lebih cepat dari yang dibutuhkan petani. Dari data yang tersedia pada bulan September 1984, dibandingkan tahun 1976 dengan fluktuasi musiman yang terjadi, indeks nilai tukar untuk petani di Jawa Barat adalah 103; di jawa Tengah 132 dan di Jawa Timur 121. Angka ini menunjukkan bahwa petani dijawa Tengah menikmati kenaikkan daya beli yang relatif paling tinggi dibandingkan dengan periode yang dipakai sebagai tahun dasar.

Dalam rangka industrialisasi, perencanaan ke arah ini memerlukan pengamatan lintas sektor yang makin konsisten mengingat keterkaitan diantara sektor ekonomi. Landasan untuk perencanaan Iintas sektor yang terpadu ini sudah tersedia dalam bentuk 3 tabel input-output, yang terakhir untuk 1980, yang bisa dimanfaatkan untuk analisa keterkaitan antar industri. Tampak dari Tabel Input-Output ini bahwa perencanaan dan kebijaksanaan sektoral yang bagaimanapun bagusnya akan mengalami hambatan dalam implementasinya manakala pembangunan sektor lain yang terkait tidak dilakukan secara konsisten.

Di pihak lain untuk industri pengolahan (manufacturing) sendiri, indikator perkembangannya bisa diikuti dari hasil pengolahan Survai Industri yang setiap tahun dilakukan terhadap semua perusahaan industri yang mempekerjakan buruh 20 orang atau lebih yang termasuk dalam kategori perusahaan industri besar dan sedang (medium). Dilengkapi dengan hasil survai Industri Kecil dan rumahtangga, data sektor industri pengolahan ini merupakan masukan utama dalam penyusunan Tabel Input-Output maupun penghitungan PDB. Indikator yang lebih sering disajikan dari sektor industri pengolahan ini diperoleh dari survai industri triwulanan, yang sering dianggap sebagai indikator yang relatif lebih besar manfaatnya karena mampu mengamati perkembangan sektor ini secara lebih dini dan merupakan masukan utama dalam penghitungan angka sementara PDB.

Kekuatan utama dari hasil survai industri tahunan bukanlah fungsinya untuk dipergunakan sebagai indikator makro saja, tetapi lebih banyak manfaatnya untuk berbagai keperluan analisa sektor yang bersangkutan. Misalnya, berdasarkan seri data hasil survai industri tahunan dari 1975 s/d 1981 telah dihitung besarnya Incremental Capital Output Ratio (ICOR) sektor industri secara keseluruhan-tidak termasuk industri pengolahan minyak bumi dan LNG-adalah sebesar 4,07. Antar jenis industri besamya ICOR ini sangat bervariasi, ada yang di bawah 1,0 misalnya industri tembakau dan industri pakaian jadi; tetapi ada yang di atas 5,0, misalnya industri barang dari plastik dan industri besi dan baja.

Untuk industri rumahtangga, datanya tidak tersedia setiap tahun mengingat survai jenis ini lebih mahal biayanya dan perubahannya antar waktu tidak terlalu drastis dibandingkan dengan industri yang besar. Tetapi aspek sosial-ekonomi para pengrajin dan pengusaha industri kecil/rumahtangga ini yang memerlukan pengamatan berlebih dari sekedar produktivitasnya saja.

Sektor-sektor lain yang tidak mungkin disebut indikatornya satu persatu, secara seimbang juga teratur tersedia di berbagai publikasi, kecuali untuk ragam data yang relatif agak langka seperti indikator untuk sektor perdagangan dalam negeri, konstruksi dan jasa-jasa. Meskipun demikian beberapa pendekatan alternatif bisa diterapkan sebagai indikator yang agak kasar tetapi tetap relevan. Misalnya fluktuasi perdagangan dalam negeri bisa dideteksi dari perkembangan tingkat harga, Sektor konstruksi diikuti perkembangan dari bahan bangunan yang diproduksi dalam negeri dan diimpor. Penelitian untuk memperoleh data ratio nilai tambah atau struktur ongkos semua sektor selalu dilakukan untuk penghitungan PDB, demikian pula untuk sektor perdagangan, konstruksi dan jasa ini. Perkembangan tingkat harga menggambarkan keseimbangan antara supply dan demand, dan kemantapan peranan perdagangan dan pengangkutan. Di samping itu indikator perkembangan tingkat harga juga dimanfaatkan sebagai deflator bagi penyusunan perencanaan atau kontrak yang berjangka panjang.

Deflator utama yang tersedia sekarang adalah Indeks Harga Konsumen (IHK), Indeks Harga Perdagangan Besar (IHPB) dan Indeks Harga di pedesaan. Masing-masing digunakan untuk tujuan yang berbeda tergantung antara lain pada jenis barangnya, cara penjualannya dan lokasi tempat transaksi. Berbeda dengan periode sebelumnya IHK sebagai pengukur inflasi sejak 1978 penghitungannya tidak hanya didasarkan pada perkembangan harga di Jakarta saja tetapi mencakup 17 ibukota provinsi yang utama. Dengan demikian akan lebih mencerminkan perkembangan tingkat harga di daerah perkotaan di Indonesia. IHPB di pihak lain juga tersedia secara bulanan dan Iebih tepat digunakan sebagai deflator untuk barang modal dan bahan baku yang transaksinya dilakukan dalam volume besar antar perusahaan. Indikator ini tersedia untuk perkembangan harga perdagangan besar sektor pertanian, pertambangan, industri, barang impor dan barang-barang yang diekspor. Indikator harga di pedesaan merupakan salah satu komponen dari indeks nilai tukar petani, yang mengikuti perkembangan tingkat harga barang dan jasa yang dibayar penduduk pedesaan.

Suatu upaya besar dalam kegiatan pengumpulan data struktural di Indonesia sekarang sedang dipersiapkan, yaitu untuk menghadapi Sensus Ekonomi 1986. Sensus Ekonomi ialah suatu sensus yang akan mencakup semua sektor ekonomi di luar sektor pertanian yaitu sektor industri, pertambangan, listrik, gas dan air, konstruksi, perdagangan, perhotelan, angkutan, asuransi, jasa, dan sebagainya. Dalam periode sebelumnya Sensus Ekonomi belu dilakukan secara terpadu melainkan terpisah secara sektoral dalam bentuk Sensus Industri, Sensus Konstruksi, Sensus Pertambangan, dan sebagainya yang tentunya memerlukan biaya yang lebih besar dibandingkan dengan sistem terpadu yahg akan dilaksanakan. Dengan upaya memadukan berbagai sensus ini, maka nantinya di Indonesia hanya ada 3 jenis sensus yaitu Sensus Penduduk yang dilakukan terakhir tahun 1980, Sensus Pertanian terakhir tahun 1983 dan Sensus Ekonomi yang direncanakan pada awal 1986 untuk mencakup informasi selama tahun kalender 1985. Direncanakan masing-masing jenis sensus ini akan diulang setiap 10 tahun sekali.

Penutup
Sajian ini merupakan usaha diskripsi secara ringkas tetapi agak menyeluruh tentang perkembangan penyediaan data statistik dan aplikasi statistik dalam penelitian ekonomi dan sosial sampai dewasa ini. Juga diusahakan untuk menjelaskan duduk perkara keluhan pemakai data mengenai kelangkaan dan ketidak-cermatan mutu data statistik di Indonesia. Akhimya disimpulkan tentang masih perlunya ditingkatkan upaya dialog antara produsen dan pemakai data statistik.

Berbagai langkah yang telah diambil oleh masyarakat statistikawan dalam rangka ini adalah dengan menghidupkan kembali Ikatan Perstatistikan Indonesia atau Statistika Indonesia yang dimaksudkan juga sebagai forum dialog itu. Kemudian BPS juga meningkatkan usaha penyuluh, mengorganisasi untuk mengadakan seminar dengan para pemakai data, menerbitkan uraian deskriptif untuk membantu pemakai data dalam menginterpretasikan dan membaca tabeI-tabel statistik hasil survai, membuka Kios Buku Publikasi di kantor Pusat BPS untuk melayani keperluan publikasi statistik para pemakai data, yang juga diikuti oleh Kantor Perwakilan BPS di daerah dalam rangka meningkatkan pelayanan mereka kepada para pemakai data di daerah.

Sumber: Jurnal, Prisma 10, 1984
—————————–
Pendidikan Statistika di Indonesia

Tak banyak orang yang paham tentang statistik, statistika dan pekerjaan statistikawan. Statistika termasuk disiplin ilmu yang masih muda dan amat cepat berkembang. Ia dipelajari sebagai alat maupun profesi. Tapi, sekalipun statistika hanya akan dipakai sebagai alat dalam suatu disiplin ilmu, menurut R.K. Sembiring, pengajarannya tidak seharusnya hanya menekankan pemakaiannya saja. Teori tak mungkin diabaikan, karena pendidikan statistikawan hendaknya juga bersifat pendidikan bagi manusia penalar. Secara kuantitas dan kualitas, statistikawan Indonesia masih amat rendah. Untuk 10 tahun mendatang pun, keadaannya masih amat suram.

Statistik (statistic) ialah besaran yang dihitung dari kumpuian data (sampel) dengan suatu aturan tertentu; statistika (statistics) adalah ilmu yang mempelajari statistik.

Jika mendengar perkataan statistik atau statistika, maka yang terbayang di benak orang pada umumnya adalah grafik yang meliuk-liuk atau pencatatan data yang membosankan. Sukar sekali meyakinkan orang bahwa tugas statistikawan bukanlah sekedar menyalin angka-angka dan membuat grafik, walaupun seorang statistikawan memang sering berhadapan dengan angka-angka dan grafik dan harus mahir bermain-main dengannya. Tetapi itu hanyalah sebagian kecil dari pekerjaannya.

Kekurangan pengetahuan mengenai profesi statistikawan ini sebetulnya juga masih terdapat di kalangan umum di negara yang sudah maju. Karena itulah The American Statistical Association memandang perlu menerbitkan buku kecil yang diberi nama Careers in Statistics. Berikut ini beberapa kutipan dari buku tersebut: Statistikawan zaman sekarang bukan penyusun tabel-tabel atau grafik. Pekerjaannya rumit dan menantang. Statistikawan menangani informasi berupa bilangan (data). Dia bertugas merancang cara mengumpulkan data dan menentukan data mana yang perlu dikumpulkan kemudian menafsirkannya sehingga orang Iain dapat memahaminya. Bagaimam cara mengumpulkan data dan berapa banyak yang diperlukan dan bagaimana cara menganalisanya serta menafsirkannya? Itulah dunia statistika.

Dengan adanya komputer maka pekerjaan statistikawan tidak lagi membosankan seperti zaman dulu. Karena itulah komputer menjadi alat utama seorang statistikawan. Yang dulu diselesaikan berminggu-minggu, sekarang telah dapat dikerjakan dengan komputer dalam beberapa detik. Mari kita Iihat dua contoh pekerjaan dalam statistik.

Gas alam relatif bebas polusi, karena itu merupakan bahan vital. The United States National Gas Survey ingin menaksir cadangan gas Amerika dan di ladang mana saja gas itu terdapat. Ada 10 ribu ladang penghasil gas dan tiap ladang harus diperiksa oleh tim yang terdiri seorang geolog dan seorang insinyur reservoir. Ini merupakan tugas raksasa. Jika pekerjaan itu hanya dikerjakan oleh satu tim, diperlukan waktu 900 tahun, dan bila oleh 100 tim diperlukan waktu 9 tahun untuk menyelesaikannya. Untuk menghemat waktu, biaya dan tanpa mengorbankan ketelitian pengukuran, para statistikawan yang bekerja dalam proyek itu merancang pengambilan sampel dengan cara hanya memilih beberapa ladang secara teliti dan kemudian memeriksa ladang-ladang tersebut. Cadangan gas kemudian ditaksir secara statistika dari ladang-ladang yang diselidiki.

The Alberta Oil and Gus Commission (Kanada) menempuh cara lain. Perusahaan itu mensponsori suatu penelitian yang akan mengumpulkan dan menganalisis data yang berasal dari kira-kira 24 ribu sumur-sumur eksplorasi yang dibor di Alberta. Dengan bekerjasama para geolog dan statistikawan menganalisa data tersebut dan menemukan suatu fungsi matematika, disebut ”model”, yang cukup baik menggambarkan frekuensi relatif besar ladang-ladang minyak ini. Model tersebut kemudian dapat dipakai untuk meramalkan cadangan minyak. Sekarang banyak perusahaan minyak raksasa mengerjakan penelitian yang serupa.

Sebelum mau menerjunkan diri ke suatu bidang, sudah barang tentu orang ingin tahu hari depannya di bidang tersebut. Berikut ini diberikun macam-macam bidang di mana statistika mempunyai penggunaan yang luas. (Sebagian besar isi bagian ini dikutip dari Careers in Statistics.)

Aktuaria: Aktuaria adalah cabang matematika yang berkenaan dengan asuransi. Para aktuaris bertugas membuat tabel kematian (mortality table) yang memuat probabilitas atau peluang seseorang berumur tertentu akan meninggal dalam setahun. Berdasarkan tabel tersebut kemudian dia menemukan besarnya premi untuk macam-macam jenis asuransi, merencanakan pensiun dan sebagainya. Sampai sekarang seluruh perusahaan asuransi jiwa di Indonesia masih menggunakan tabel kematian dari negara Iain, seperti CSO (Amerika). Tabel kematian yang cocok untuk pemegang polis Indonesia belum ada sampai saat ini. Tabel itu seharusnya dibuat dari data pemegang polis di Indonesia. Di samping tenaga aktuaris di Indonesia masih dapat dihitung dengan sebelah jari tangan data untuk membuat tabel kematian pun belum tersedia dengan cukup dan data yang sudah ada pun belum dalam format yang cocok.

Menyadari masalah ini beberapa tahun yang lalu, Direksi PT Asuransi Jiwasraya bekerjasama dengan Jurusan Matematika ITB mendidik pegawai jiwasraya dalam bidang aktuaria. Mengingat kemampuan Jurusan Matematika ITB yang terbatas dan kebutuhan Jiwasraya yang cukup banyak, sampai saat ini pendidikan tersebut baru terbuka untuk perusahaan Jiwasraya.

Pertanian dan Perikanan: Mengembangkan varitas bibit yang lebih unggul, menaikkan produksi telur dan susu; meneliti keefektifan dan potensi bahaya pestisida; manajemen dan alokasi daerah perikanan yang alamiah, dan sebagainya.

Biologi: Meneliti interaksi dari spesies dengan lingkungannya; menemukan model teoritis dari sistem saraf; meneliti evolusi genetika, dan sebagainya.

Perusahaan: Menaksir volume penjualan, merancang sistem kontrol cadangan barang (inventory); meneliti pasaran untuk produk baru; dan sebagainya.

Ekonomi: Mengukur indikator ekonomi seperti volume perdagangan, jumlah tenaga kerja, standar kehidupan, menganalisis kesenangan konsumen; dan sebagainya.

Rekayasa (engineering): Memperbaiki desain produk dan pengujian kemampuan (performansi) produk; menentukan keterandalan; dan sebagainya.

Kesehatan dan Pengobatan: Pengembangan dan pengujian obat-obat baru; pencegahan, diagnosis dan pengobatan; dan sebagainya.

Psikologi: Mengukur kemampuan belajar, inteligensi, dan sifat-sifat pribadi; menciptakan skala psikologis; meneliti kelakuan normal dan abnormal; dan sebagainya.

Pengendalian Kualitas: Menentukan teknik penilaian kualitas melalui pengambilan contoh (sampel) yang sesuai; pengendalian proses yang sedang berjalan; survai konsumen; dan sebagainya.

Sosiologi: Menguji teori mengenai sistem sosial; merancang dan melaksanakan survai sampel untuk meneliti sikap; menemukan perbedan antara kultur; meneliti pertumbuhan penduduk (demografi); dan sebagainya.

Tidak semua bidang dapat disebut tentunya. Namun setiap bidang penelitian, para statistikawan bekerjasama dengan para ahli dan peneliti di bidang tersebut mengembangkan teknik-teknik statistika baru, merancang penelitian, mengawasi analisis survai dan penelitian restrospeksi. Di perusahaan swasta para statistikawan banyuk bekerja dalam bidang elektronika, kimia, farmasi, mobil, transportasi, bank, asuransi, markrting, dan lain-lain.

Perkembangan Statistika
Statistika termasuk disiplin ilmu yang masih muda dan amat cepat berkembang. Metode kuadrat terkecil merupakan salah satu alat yang amat penting dalam metode statistika baru ditemukan pada permulaan abad XIX tapi baru mencapai puncak penggunaannya sejak 1950-an berkat adanya komputer moderen.

Pada dekade pertama abad ini, baru ada beberapa gelintir statistikawan yang berkecimpung dalam pengembangan metode statistika. Salah seorang yang terpenting ialah Karl Pearson yang mengembangkan konsep korelasi yang ide aslinya berasal dari Galton, scorang biolog. (Istilah regresi dalam statistika juga berasal dari Galton). Begitupun X2 (khi-kuadrat) untuk tabel kontingensi berasal dari Pearson. Pada permulaan dekade 1930-an Jerzy Neyman dan Karl Pearson mengembangkan teori pengujian hipotesis yang pemakaiannya sekarang amat luas. Sebagian besar dari teori statistika yang sekarang diajarkan di tingkat S1 (undergraduate) adalah hasil karya Jerzy Neyman yang baru meninggal 3 tahun yang lalu di California dalam usia yang amat lanjut. Sampai akhir hayatnya Jerzy Neyman tetap aktif melakukan penelitian mengembangkan uji statistika yang dia sebut C-a test.

Antara 1916-1930, R.A. Fisher (Fisher dan Neyman dapat dianggap dua orang statistikawan terbesar sampai saat ini) mengembangkan analisis variansi dan sejak itu rancangan percobaan dan analisisnya memegang peranan yang amat penting dalam penelitian.

Saat ini statistika telah berkembang amat pesat dengan cakupan yang amat luas sehingga seorang statistikawan, bagaimanapun hebatnya, tak mungkin lagi dapat menguasai seluruhnya. Perkembangan statistika yang begitu pesat sebagian besar akibat bantuan matematika. Pada mulanya statistika hanyalah bersifat deskriptif, menekankan pada eksplorasi data, tapi berkat bantuan matematika maka tekanan bergeser dari eksplorasi ke konfirmasi, yaitu pengujian hipotesis. Perkembangan ke arah konfirmasi begitu pesatnya sehingga akhirnya para peneliti lupa pada eksplorasi. Setiap penelitian yang dapat diterbitkan dalam jurnal yang terpandang harus menggunakan metode konfirmasi; metode eksplorasi diremehkan.

Sepuluh tahun terakhir ini para peneliti diingatkan kembali akan perlunya metode eksplorasi. John Tukey dengan bukunya Exploratory Data Analysis (1977) dan F. Mosteller bersama J. Tukey dengan bukunya Data Analysis and Regression (1977) mengingatkan para peneliti akan pentingnya kedua metode dipakai secara berdampingan. Sejak itu telah muncul dua-tiga buah buku mengenai metode eksplorasi ini dan salah satu telah diterjemahkan ke bahasa Indonesia dengan judul Memahami Data (LP3ES, 1983).

Menurut survai yang diadakan oleh Moore dan Olkin, pada tahun 1950 baru ada 8 jurusan Statistika di Amerika Serikat yang menghasilkan doktor, pada tahun 1960 jumlah jurusan telah menjadi dua kali lipat (17) dengan 122 dosen. Pada tahun 1980 jumlah jurusan telah menjadi 40 dengan staf 582 orang, suatu perkembangan yang amat pesat bila dibandingkan dengan pertumbuhan jurusan lain. Kendati perkembangan ini pesat, NSF (National Science Foundation) di Amerika Serikat tetap memproyeksikan bahwa dalam tahun 1990 akan ada kekuarangan untuk lulusan statistika dalam taraf S1 dan S2. Permintaan yang besar atas statistikawan ini terjadi untukmemenuhi pasaran kerja dalam bidang non-akademis yang besar.

Umumnya jurusan statistika di Amerika Serikat berasal dari laboratorium statistika di suatu universitas atau dari sekelompok dosen statistika di jurusan matematika yang memisahkan diri mendirikan jurusan baru. Ini tidak berarti bahwa statistikawan hanya dihasilkan oleh jurusan statistika atau matematika saja. Beberapa jurusan di bidang sosiologi atau ekonomi juga ada menghasilkan lulusan statistika di tingkat doktor. Beberapa jurusan di bidang kesehatan masyarakat atau jurusan biostatistika juga menghasilkan doktor dalam bidang statistika.

Statistika sebagai Alat dan Profesi
Seperti juga disiplin ilmu lain, statistika dipelajari sebagai alat maupun profesi. Para psikolog, ekonom, sosiolog, biolog dan sebagainya mempelajari statistika sebagai alat untuk membantunya dalam penelitiannya. Sebaliknya statistika banyak pula dipelajari sebagai profesi tersendiri, yaitu menjadi ahli statistika. Golongan ini lebih menekankan pada teori dan diharapkan dapat membantu perkembangan statistika baik dari segi teori maupun pemakainya. Karena itu pengajaran statistika pun akan amat bervariasi dari satu tempat ke tempat lain.

Jurusan atau fakultas yang memerlukan statistika sebagai alat umumnya menginginkan agar statistika diajarkan pada mahasiswa mereka sesuai dengan kebutuhan mereka. Kebutuhan itu mereka anggap lebih cocok dipenuhi bila yang memberikan pelajaran itu seorang dari staf mereka yang dianggap telah menguasai statistika. Jadi, di jurusan ekonomi, misalnya, lebih diinginkan yang memberikan kuliah statistika seorang ekonom yang telah banyak berpengalaman dalam statistika. Permintaan seperti itu tentunya mudah dipahami karena bila kuliah seperti itu diberikan oleh seorang ahli statistika yang tak punya pengalaman dalam bidang ekonomi, sudah tentu penekanan kuliahnya tak dapat diharapkan banyak ke bidang ekonomi. Contoh-contoh pemakaian statistika di bidang ekonomi, sudah tentu, hanya diambil dari buku, bukan digali dari pengalamannya sendiri. Dosen seperti itu tak begitu menghayati persoalan.

Jurusan seperti itu cenderung membentuk staf khusus sendiri dalam bidang statistika sesuai dengan kebutuhannya. Kalaupun ada jurusan statistika dalam universitas yang sama, jurusan tersebut sering sekali tak mampu melayani semua permintaan (kuliah maupun konsultasi) dalam bidang statistika. Karena statistika merupakan bidang yang amat luas dan kebutuhan statistika untuk jurusan pertanian misalnya, akan berbeda dengan kebutuhan untuk ekonomi ataupun teknik, maka tentunya wajar bila jurusan-jurusan tertentu mempunyai staf khusus untuk melayani kebutuhannya dalam statistika.

Statistika yang banyak dipakai para ekonom adalah regresi darab (multiple regression) dan deret waktu. Para psikolog dan sosiolog senang sekali menggunakan analisis faktor. Pada bidang pertanian dan biologi banyak dipakai rancangan percobaan dan analisis variansi. Pada bidang teknik variasinya jauh lebih banyak lagi: pengendalian mutu banyak dipakai dalam produksi dan tidak membutuhkan matematika yang tinggi tetapi untuk mengolah data seismik misalnya dibutuhkan statistika yang amat tinggi yang hanya dapat dikuasai dengan latar belakang matematika yang tinggi.

Membentuk staf khusus di suatu jurusan untuk melayani kebutuhan statistika sudah tentu bukan hal yang mudah. Mencari seorang sosiolog, misalnya, yang memahami statistika dengan baik bukanlah hal yang mudah, mencari seorang statistikawan yang senang pada sosiologi mungkin lebih sulit lagi, apalagi statistikawan di banyak negara masih merupakan komoditas langka.

Keadaan di Indonesia
Jurusan, apalagi fakultas, di perguruan tinggi di Indonesia pada umumnya masih merupakan kerajaan-kerajaan kecil. Barangkali hal ini sebagian besar diakibatkan oleh sejarah pertumbuhannya. lni mengakibatkan suatu fakultas tak merasa perlu menghiraukan kepentingan fakultas lain kendatipun di perguruan tinggi yang sama. Pemilikan alat maupun staf dianggap monopoli fakultas itu sendiri. Seorang mahasiswa dari suatu fakultas akan amat sulit mengambil suatu mata kuliah dari fakultas lain (perguruan tinggi yang sama). Interaksi mahasiswa atau dosen antara fakultas menjadi kecil. Baru beberapa perguruan tinggi di Indonesia yang telah dapat mengatasi masalah ini sampai taraf tertentu. ITB, saya yakin juga IPB dan ITS, sampai taraf tertentu telah berhasil mengatasi hal ini. Kuliah-kuliah di suatu jurusan terbuka untuk diambil oleh mahasiswa jurusan lain di ITB. Karena itu setiap mahasiswa ITB yang memerlukan kuliah statistika dapat mengambil kuliah statistika yang ditawarkan Jurusan Matematika (di ITB kuliah statistika umumnya dilayani oleh Jurusan Matematika). Jurusan lain sesuai dengan kebutuhan dan krmampuannya, juga menawarkan beberapa kuliah statistika yang juga terbuka untuk diambil oleh mahasiswa Jurusan Matematika. Hal yang sama akan sedikit sulit dikerjakan di UI, UNPAD maupun UGM.

Karena ketertutupan suatu fakultas, maka semua kebutuhan tenaga pengajar pun harus diusahakan fakultas itu sendiri mencukupinya, kalau perlu dengan mengangkat tenaga luar biasa dari fakultas lain (universitas yang sama ataupun lain). Karena tenaga Iuar biasa sering sulit diperoleh dan juga lebih sulit diatur, maka kecenderungannya ialah menugaskan seorang dari staf yang ada untuk memperdalam matapelajaran tersebut (dalam hal ini statistika) sehingga ketergantungan dari luar dapat diperkecil. Pola inilah yang umumnya ditempuh oleh jurusan atau fakultas yang membutuhkan tenaga statistika di Indonesia. Cara ini tentu mempunyai banyak kelemahan karena pemberian kuliah statistika sering tidak lebih dari pemakaian rumus-rumus statistika tanpa menyadari keterbatasan suatu rumus. Begitupun interaksi antara jurusan atau fakultas tidak dirangsang sehingga menambah ketertutupannya.

Cara pengembangan staf yang lebih baik tentunya dengan mengirim beberapa orang staf untuk melanjutkan pelajaran ke luar negeri. Dengan cara seperti ini telah ada beberapa orang staf dari fakultas ekonomi, sosiologi dan sebagainya yang karena keperluannya dalam penelitiannya terpaksa harus belajar statistika. Biasanya staf seperti ini sudah bergelar doktor atau paling sedikit master dalam bidangnya. Beberapa kuliah statistika, dengan demikian, dapat dipercayakan pada mereka. Tenaga statistika yang bertaraf S2 (master) dan S3 (doktor) di Indonesia ini masih amat sedikit. Sepanjang pengetahuan penulis, tenaga yang berpendidikan S3 dalam bidang statistika yang bekerja di perguruan tinggi dapat dihitung dengan jari tangan dan mereka sebagian besar ada di IPB dan ITB dan seorang masing-masing di UGM dan UNPAD. Kesibukan mereka, sayangnya, sebagian besar dalam bidang yang tak ada hubungannya dengan statistika. Saya kira hal ini juga berlaku dalam banyak profesi lain.

Statistika memang amat erat dengan matematika, karena itu sering dianggap bagian dari matematika. Statistika mempunyai dasar teori probabilitas (peluang), sedangkan probabilitas hanya dapat dipahami dengan baik bila orang paham dengan baik matematika. Karena itu pula umumnya di AS statistika dipelajari di tingkut S2 dan S3, sesudah para mahasiswa mempunyai dasar yang kuat dalam matematika. Itu tidak berarti bahwa pendidikan statistika tidak diadakan di taraf yang lebih rendah. Menurut survai yang diadakan oleh Statistical Panel dari CUPM (Committe on the Undergraduate Program in Mathematics) di AS pada tahun 1969 tercatat 15 Jurusan Matematika atau Statistika yang memberikan pendidikan statistika pada taraf S1 (undergraduate major in statistics).

Pada tingkat akademi, Biro Pusat Statistik (BPS) telah lama mengadakan pendidikan statistika di Jakarta. Lulusan akademi tersebut tidak hanya bekerja di BPS tapi telah menyebar ke banyak instansi, beberapa orang dari mereka telah menjadi tokoh penting negara ini.

Perguruan tinggi yang telah membuka jurusan Statistika secara khusus adalah IPB, UNPAD dan ITS. IPB malahan telah menghasilkan tingkat S2, satu-satunya program tingkat S2 statistika di Indonesia sekarang. Kelihatannya kelompok statistikawan di Bogor telah cukup berhasil ”memasyarakatkan” statistika di kalangan akademisi, bahkan di kalangan mahasiswa IPB. Suatu contoh interaksi yang baik antara berbagai profesi yang di perguruan tinggi lain di Indonesia ini belum begitu berkembang. Statistika hanya akan tumbuh subur jika ada interaksi yang baik antara statistikawan dan pemakai. Statistika sebagai suatu disiplin ilmu tidaklah menghasilkan data; data berasal dari disiplin ilmu lain, seperti ekonomi, sosiologi, teknik, peternakan dan sebagainya. Karena itu, statistika tanpa bidang lain akan cenderung steril.

Kelompok statistikawan di IPB mempunyai kekhususan tersendiri. Rata-rata mereka berasal dari sarjana pertanian, karena itu mereka menyadari dengan baik pemakaiannya dalam pertanian. Latarbelakang seperti itu tidak dipunyai oleh kelompok lain. Sudah tentu kelompok yang amat homogen tidak merangsang pertumbuhan ilmu. Menyadari hal ini, Jurusan Statistika dan Komputasi IPB telah merekrut staf baru dari latarbelakang yang berlainan, seperti dari matematika.

Di perguruan tinggi yang lain, hampir seluruh pendidikan statistika diberikan dalam Jurusan Matematika. Di ITB misalnya, para mahasiswa Matematika dapat lebih mengkhususkan diri dalam statistika dengan memilih pelajaran statistika lebih banyak. Tiap semester Jurusan Matematika menawarkan cukup banyak, sesuai dengan kebutuhan mahasiswa dan kemampuan stafnya, kuliah statistika dan para mahasiswa dapat memilihnya sesuai selera mereka. Hal yang hampir sama juga berlaku di Jurusan Matematika UGM dan UI. Perguruan tinggi lainnya, akibat kemampuan stafnya yang masih amat sedikit, baru sampai taraf menawarkan dua tiga kuliah statistika dalam seluruh taraf pendidikan S1. Dewasa ini ada 10 perguruan tinggi Negeri yang mempunyai jurusan matematika, yaitu USU di Medan, UNRI di Pekanbaru, UI Jakarta, ITB dan UNPAD di Bandung, UNDIP di Semarang, UGM di Yogyakarta, UNAIR dan ITS di Surabaya dan UNHAS di Ujung Pandang.

ITB, UGM, ITS maupun UI seluruh stafnya dalam statistika mempunyai Iatar belakang matematika, sedangkan UNPAD terutama staf seniornya, mempunyai latar belakang matematika dari IKIP. Dari segi teori ini memang amat baik, tetapi seperti dikemukakan tadi, dari segi aplikasi tentunya lemah. Keadaan yang kurang menguntungkan ini makin lama makin lebih jelek lagi akibat kebiasaan, jurusan matematika atau bukan yang merasa dirinya ”kuat”, hanya merekrut staf barunya dari lulusan jurusannya sendiri. Secara berseloroh ini sering disebut incest. Homogen, tidak selalu baik. Jika dalam segala hal kita selalu berpendapat sama maka ada sesuatu yang amat tidak beres pada kita sebagai kelompok. Kelompok tersebut membosankan, sedikit variasi dapat membuatnya lebih merangsang.

Penulis berpendapat bahwa cara pengajaran statistika di jurusan ilmu yang berbeda tak perlu berbeda banyak. Perbedaan hanyalah dalam tekanan, seperti pemakaian atau contoh dalam suatu bidang tertentu. Kendati statistika hanya akan dipakai sebagai alat dalam suatu disiplin ilmu, pengajarannya tidak seharusnya hanya pada pemakaiannya saja sehingga mengabaikan teorinya. Pengajaran seperti itu hanya akan mendidik orang menjadi tukang, bukan manusia penalar. Terutama sekali dalam abad komputer ini, perhitungan hampir semuanya dapat dikerjakan oleh komputer sehingga pemberian kuliah yang hanya menekankan pada penggunaan rumus, sama saja dengan menyuruh manusia menjadi mesin. Manusia mestinya yang berpikir dan mesin yang bekerja (kasar) dan jangan dibalik.

Penutup
Statistika tak dapat tumbuh subur dalam lingkungan yang tertutup. Statistikawan perlu mempelajari disiplin lain atau perusahaan tempat dia akan mengaplikasikan ilmunya. Mahasiswa yang ingin menjadi statistikawan tidak cukup hanya belajar statistika, dia juga perlu mempelajari bidang lain, agar dia paham di mana dan bagaimana statistika itu dipakai.

Ronald D. Snee, lewat tulisannya dalam The American Statistician (Februari, 1984), menyarankan kerjasama yang lebih erat antara statistikawan yang bekerja dalam bidang industri dengan para akademiawan di perguruan tinggi di Amerika Serikat. Seruan seperti ini juga dapat dikumandangkan di Indonesia ini. Kerjasama yang subur dimulai dengan perkenalan satu sama lain. R.D. Snee lebih lanjut menulis, ”Industri harus mengkomunikasikan siapa mereka dan apa yang mereka kerjakan serta menyarankan program yang menarik bagi meteka. Perguruan tinggi harus menjelaskan tujuan mereka dan kendala (constraint) dari lingkungannya. Kedua belah pihak bertanggung jawab memulai dialog.

Keuntungan industri dari kerjasama dapat berupa: bantuan dalam memecahkan masalah yang dihadapinya, peningkatan kemampuan karyawannya lewat kursus-kursus, mendapat informasi mengenai perkembangan terbaru. Sebaliknya, perguruan tinggi akan mendapat manfaat: kesempatan para mahasiswa bekerja praktek, para dosen lebih mengenal masalah di lapangan yang dapat merangsang pengembangan metode baru dan kuliahnya pun akan menjadi lebih ”hidup” dan sebagainya.

Statistikawan, baik kuantitas maupun kualitas, masih amat rendah di Indonesia. Keadaannya untuk jangka waktu 5-10 tahun mendatang masih amat suram. Belum banyak yang dikerjakan, bahkan direncanakan maupun dipikirkan, untuk memperbaiki hal ini. Keadaan seperti ini juga berlaku dalam banyak disiplin ilmu lain.

Akhir Mei yang lalu, saya menghadiri Kongres IV Singapore National Academy of Science (tema: Science for National Development) di Singapura. Dalam kata sambutannya membuka kongres tersebut, Dr. Wong Kwei Cheong, Menteri Perdagangan dan Industri Singapura, menyerukan kepada para pengusaha industri di Singapura untuk mengembangkan hubungan simbiosa dengan para peneliti. Di samping menekankan kerjasama antara peneliti dari berbagai bidang, beliau juga menyerukan agar menjadikan daerah Kent Ridge (kampus Universitas Nasional Singapura) menjadi science park.

Seruan (yang tidak kosong) tentunya harus diikuti program. Singapura bukanlah Indonesia. ”Pemerataan” tidak termasuk dalam perbendaharaan kamus pembangunan mereka. Kualitas, bukan pemerataan, yang mereka tekankan.

”Pemerataan” terdengar amat manis dan sering dengan naluri kemanusiaan kita. Tetapi dalam dunia yang amat kompetitif ini, apakah tidak terlalu mewah bila ”pemerataan”, terutama dalam bidang pendidikan, mendapat tekanan yang terlalu berat sehingga kualitas dipertaruhkan? Dalam mengejar ketinggalan, mestinya yang mengejar bertambah dekat pada yang dikejar bukan makin tercecer di belakang. Saya khawatir hal ini benar bagi perkembangan ilmu pengetahuan di Indonesia, kita makin tercecer. Perkembangan ilmu tak dapat dipercayakan pada sarjana yang gajinya hanya cukup 10 hari dalam sebulan. Pertumbuhan selektif barangkali dapat dipikirkan sebagai alternatif lain.

Oleh R. K, Sembiring

Sumber: Jurnal, Prisma 10, 1984
——
1.G.E.P. Box, Technometries, vol. 26, 1984. .
2.D.S. Moore dan I. Olkin, The American Statistician, vol. 38, 1984.