Home

Hubungi kami via HP/SMS/WA di 0815-9696-995 atau 0877-8467-3150 untuk permintaan jasa pengolahan atau olah data statistik dan analisis penelitian skripsi, tesis dan disertasi dengan program SPSS, Eviews, SEM, AMOS, LISREL dan Smart PLS. 


IndoStat adalah konsultan jasa olah data statistik yang berfokus pada klien yang menyediakan jasa olah data statistik, konsultasi, training dan pelatihan. Kami memiliki klien lokal, nasional dan internasional, dan kantor kami terletak di Jakarta dan Depok. Meskipun kami mengkhususkan diri di bidang ekonomi dan bisnis kami memiliki keahlian statistik umum yang dapat diterapkan pada berbagai macam masalah penelitian berbasis metode kuantitatif. Kami menawarkan layanan-layanan berikut:

  • Rencana Analisis Statistik
  • Desain penelitian, termasuk perhitungan ukuran sampel
  • Analisis data dan manajemen
  • Konsultasi statistik
  • Kursus singkat dan seminar
  • Kesaksian ahli

Kami menyediakan jasa olah data statistik dan analisis penelitian dengan program SPSS, Eviews, SEM, AMOS, LISREL, Structural Equation Modeling, dan Smart PLS. Kami alumni S2 UI juga alumni S1 dan S3 IPB memiliki keahlian di bidang metodologi penelitian kuantitatif, memberikan jasa olah data statistik, analisa atau analisis data penelitian (data kuesioner atau survey)  dan konsultasi atau bimbingan pembuatan skripsi, tesis dan disertasi. Pengolahan dan analisis data untuk penelitian terapan di perusahaan, kementerian atau di lembaga lainnya juga sering kami lakukan. Pengolahan dan analisa data penelitian meliputi membaca dan menginterpretrasikan data, analisis regresi linier berganda, analysis variance (ANOVA), rancangan percobaan (design experiment), analisis model persamaan simultan, structural equation modeling (SEM), model linier programming ataupun model kuantitatif lainnya. Kami memiliki banyak sekali pengalaman membantu penelitian mahasiswa dari semua strata (S1, S2 dan S3), proyek penelitian di perusahaan (domestik/asing) dan penelitian di instansi pemerintah.



Beberapa alasan menggunakan jasa kami:

  • Pengolahan data disupervisi oleh dosen senior mata kuliah statistik, analisis multvariat  dan metodologi penelitian di program doktor dan magister.
  • Hasil pengolahan data diberikan interpretasi yang rinci sehingga bisa dijadikan komponen utama bab 4 atau bab hasil dan pembahasan. Tinggal  copy and paste.
  • Mahasiswa diberikan penjelasan via telpon atau tatap muka langsung (Jakarta, Depok, Bogor, Bekasi, Tangerang dan sekitarnya).  Bagi yang tinggal di luar kota ataupun luar negeri, menggunakan email dan atau skype.
  • Biaya terjangkau dan dibayar setelah hasil pengolahan data disampaikan, sehingga mahasiswa tidak menanggung resiko.  Bertransaksi di internet penuh dengan resiko.  Tentu tidak bijak jika untuk memilih jasa olah data statistik dengan SPSS secara online, yang dipertimbangankan hanya harga atau biaya yang murah, tentu harus dipertimbangkan juga kompetensi dan keahlian para pengelola jasa tersebut.
  • Penyelesaian pengolahan data sangat cepat. Normalnya 2 -5 hari.  Dalam kondisi tertentu, bisa hanya beberapa jam.
  • Kami memiliki "jam terbang" sangat tinggi, mengolah data ratusan bahkan ribuan skripsi dan tesis, puluhan disertasi dan data penelitian perusahaan atau lembaga dan kementrian.


Alamat Jasa Olah Data Statistik

1. Jl. Borobudur 7D, Menteng, Jakarta Pusat
2. Komplek Bumi Pancoran Mas, Depok 16433
Tel 021-7777379. HP 0815 9696 995 & 0877 8467 3150





Untuk permintaan jasa olah data statistik, Anda tinggal kirimkan via email data Anda dan sampaikan analisis apa yang Anda atau dosen Anda inginkan. Hasil analisis akan disampaikan berikut penjelasannya secara tertulis dan penjelasan lisan dengan media komunikasi bila dibutuhkan.



Metodologi kami, kami sangat berkomitmen untuk keberhasilan peneliti yang menggunakan jasa kami. Sebagian peneliti menghubungi kami untuk layanan analisis data untuk membantu mereka mencapai tujuan proyek penelitian mereka. Langkah pertama kami adalah untuk sepenuhnya memahami kebutuhan penelitian Anda. Kemudian kami menentukan metode statistik terbaik untuk mencapai tujuan penelitian, mengingat jenis dan jumlah data yang tersedia . Jika Anda tidak memiliki data yang relevan , langkah pertama kami adalah untuk memberikan konsultasi dalam menciptakan sebuah metodologi yang optimal untuk mengumpulkan data yang diperlukan.
Pada umumnya penelitian dengan metoda kuantitatif meliputi serangkaian pengujian dan analisis data antara lain: uji instrumen penelitian atau kuesioner (uji Reliabilitas dan uji Validitas), uji asumsi dasar (uji Normalitas, Homogenitas, Linieritas), uji penyimpangan asumsi klasik (Multikolinearitas, Heteroskedastisitas, Autokorelasi), Regresi Linier, Path Analysis, Structural Equation Modeling (SEM).Konsultasi dengan tatap muka bisa dilakukan di kantor atau kampus konsultan bagi yang tinggal di Jabodetabek. Bagi yang tinggal di luar Jabodetabek, tentu juga bagi yang tinggal di Jabodetabek, konsultasi bisa dilakukan via telpon ataupun dengan Skype.

Untuk permintaan jasa pengolahan data, Anda tinggal kirimkan via email data Anda dan sampaikan analisis apa yang Anda atau dosen Anda inginkan. Hasil analisis akan disampaikan berikut penjelasannya secara tertulis dan penjelasan lisan dengan media komunikasi bila dibutuhkan.



Ahli statistik kami menawarkan jasa konsultasi dan analisis data statistik untuk membantu para mahasiswa S1, S2 dan S3 serta para peneliti dengan semua aspek tesis, disertasi atau data penelitian analisis mereka. Ahli statistik kami dapat membantu Anda dengan analisis statistik dari studi kuantitatif Anda. Tim ahli statistik dapat membantu Anda dalam mengembangkan pertimbangan statistik, seperti hipotesis statistik, metode statistik, sampel ukuran pembenaran dll untuk disertasi, tesis atau proposal penelitian. Selain itu, kami dapat membantu Anda dalam melakukan analisis statistik selama fase analisis pekerjaan penelitian Anda. Tim kami akan memberikan Anda sebuah laporan yang jelas dan mudah dimengerti dengan tabel dan grafik yang sesuai untuk semua analisis statistik. Selain itu, kami juga akan memberikan Anda semua input dan output file terkait yang kita hasilkan.


Tim kami ahli statistik berpengalaman dan memiliki pengetahuan statistik yang sangat baik. Memiliki kemampuan, keterampilan, dan keahlian untuk mengungkap proses menganalisis data kuantitatif dengan mudah. Tim statistik kami sangat berkomitmen untuk keberhasilan setiap mahaiswa, peneliti atau klien individu lain yang menggunkana jasa kami untuk bantuan analisis statistik.
Konsultan statistik kami akan sepenuhnya menunjukkan bagaimana menafsirkan dan melaporkan setiap jenis prosedur statistik yang kami sarankan. Kami memastikan bahwa Anda benar-benar memahami alasan pemilihan analisis statistik dan bagaimana analisis dijalankan di software statistik. Kami akan membantu Anda sampai Anda berhasil mempertahankan pekerjaan penelitian atau riset Anda berhasil diterima.




Berbekal pengalaman sebagai konsultan dan dosen pengajar metoda penelitian, ekonomi manajerial, statistika dan ekonometrika di program doktor ekonomi dan program magister di Jakarta, Insya Allah kami bisa menyelesaikan persoalan penelitian dan olah data statistik yang Anda hadapi.


Asal statistik dapat ditelusuri ke dua bidang minat yang, di permukaan, memiliki banyak kesamaan: permainan kesempatan dan apa yang sekarang disebut ilmu politik. Studi pertengahan abad kedelapan belas di probabilitas, termotivasi terutama oleh kepentingan dalam permainan kesempatan, menyebabkan pengobatan matematika kesalahan pengukuran dan teori yang sekarang membentuk dasar dari statistik. Pada abad yang sama, bunga dalam deskripsi numerik dari unit politik (kota, propinsi, negara, dll) menyebabkan apa yang sekarang disebut statistik deskriptif. Pada awalnya, statistik deskriptif terdiri hanya dari penyajian data dalam tabel dan grafik; saat ini, termasuk juga summarization data dengan cara deskripsi numerik dan grafik.


Dalam beberapa dekade terakhir, pertumbuhan statistik telah membuat dirinya merasa di hampir setiap fase utama kegiatan, dan fitur yang paling penting dari pertumbuhan telah pergeseran penekanan dari statistik deskriptif untuk inferensi statistik. Inferensi statistik menyangkut generalisasi berdasarkan data sampel; itu berlaku untuk masalah seperti memperkirakan emisi mesin ini rata-rata polutan dari sidang berjalan, pengujian klaim produsen atas dasar pengukuran dilakukan pada sampel produk, dan memprediksi kesetiaan sistem audio berdasarkan data sampel yang berkaitan dengan kinerja komponennya.


Ketika salah satu membuat inferensi statistik, yaitu, suatu kesimpulan yang melampaui informasi yang terkandung dalam satu set data, salah satu harus selalu dilanjutkan dengan hati-hati. Satu harus memutuskan dengan hati-hati seberapa jauh seseorang dapat pergi di generalisasi dari himpunan data, apakah generalisasi tersebut sama sekali wajar atau dibenarkan, apakah itu mungkin bijaksana untuk menunggu sampai ada data yang lebih, dan sebagainya. Memang, beberapa masalah yang paling penting dari inferensi perhatian statistik penilaian dari risiko dan konsekuensi yang satu mungkin terkena dengan membuat generalisasi dari data sampel. Ini mencakup penilaian dari probabilitas membuat keputusan yang salah, kemungkinan membuat prediksi yang salah, dan kemungkinan memperoleh perkiraan yang tidak berbohong dalam batas yang diizinkan. Kami akan mendekati subyek statistik sebagai ilmu, mengembangkan setiap gagasan statistik sejauh mungkin dari dasar probabilistik, serta menerapkan setiap ide untuk masalah ilmu fisik atau rekayasa secepat itu telah dikembangkan. Besar mayoritas 6 metode kita akan gunakan dalam menyatakan dan memecahkan masalah ini termasuk ke dalam pendekatan klasik, karena mereka tidak secara resmi memperhitungkan berbagai faktor subjektif yang disebutkan di atas. Namun, kami akan berusaha terus-menerus untuk membuat pembaca menyadari bahwa faktor-faktor subjektif memang ada, dan untuk menunjukkan bila memungkinkan peran apa yang mungkin mereka bermain dalam membuat keputusan akhir. Ini "roti-dan-mentega" pendekatan statistik menampilkan subjek dalam bentuk yang telah begitu berhasil memberikan kontribusi terhadap ilmu teknik, serta ilmu-ilmu alam dan sosial, pada paruh terakhir abad kedua puluh dan seterusnya.


1.3 Statistik dan Teknik Ada beberapa daerah di mana dampak dari pertumbuhan baru-baru statistik telah merasa lebih kuat daripada di bidang teknik dan manajemen industri. Memang, akan sulit untuk melebih-lebihkan kontribusi statistik telah dilakukan untuk memecahkan masalah produksi, penggunaan efektif dari bahan dan tenaga kerja, untuk penelitian dasar, dan untuk pengembangan produk baru. Seperti dalam ilmu-ilmu lainnya, statistik telah menjadi alat penting untuk insinyur. Hal ini memungkinkan mereka untuk memahami fenomena tunduk pada variasi dan untuk secara efektif memprediksi atau mengontrol mereka. Dalam teks ini, perhatian kita akan diarahkan sebagian besar menuju aplikasi teknik, tapi kami tidak akan ragu-ragu untuk merujuk juga ke daerah lain memberikan kesan kepada pembaca keumuman besar teknik statistik yang paling.


Dengan demikian, pembaca akan menemukan bahwa metode statistik yang digunakan untuk memperkirakan rata-rata koefisien ekspansi termal dari logam berfungsi juga untuk memperkirakan rata-rata waktu yang dibutuhkan seorang sekretaris untuk melakukan tugas yang diberikan, ketebalan rata-rata dari cangkang telur pelican, atau IQ rata-rata siswa tahun pertama kuliah. Demikian pula, metode statistik yang digunakan untuk membandingkan kekuatan dua paduan berfungsi juga untuk membandingkan efektivitas dua metode pengajaran, manfaat dari dua semprotan serangga, atau kinerja pria dan wanita dalam tes saat-peristiwa.


Karena banyak minat telah ditunjukkan dalam asal usul historis dari teori statistik yang mendasari metode buku ini, dan karena beberapa kesalahpahaman kadang-kadang mendapat publisitas, karena mengetahui keaslian metode penulis yang diketahui oleh beberapa penulis sebelumnya, atau menganggapnya sebagai pendahulunya Perkembangan modern yang tidak mereka sadari, diharapkan catatan berikut tentang kontributor utama teori statistik akan bermanfaat bagi siswa yang ingin melihat karya modern dalam latar sejarahnya.


Esai terkenal Thomas Bayes yang terbit tahun 1763 dikenal sebagai percobaan pertama untuk menggunakan teori probabilitas sebagai instrumen penalaran induktif; Yaitu, untuk berdebat dari yang khusus ke jenderal, atau dari sampel ke populasi. Buku itu diterbitkan secara anumerta, dan kami tidak tahu seperti apa pandangan Bayes yang telah dia jalani untuk menerbitkannya. Kami tahu bahwa alasan keraguannya untuk mempublikasikannya adalah ketidakpuasannya terhadap dalil yang diperlukan untuk "Teorema Bayes" yang dirayakan. " Meskipun kita harus menolak dalil ini, kita juga harus mengakui kehebatan Bayes dalam memahami masalah yang harus dipecahkan, dalam usaha yang cerdik, dan akhirnya menyadari lebih jelas daripada banyak penulis berikutnya, kelemahan mendasar dari usahanya.


Sedangkan Bayes unggul dalam penetrasi logis, Laplace (1820) tak tertandingi karena penguasaan teknik analitiknya. Dia mengakui prinsip kemungkinan terbalik, cukup tidak kritis, ke dalam fondasi eksposasinya. Di sisi lain, bagi kita, kita berhutang prinsip bahwa distribusi kuantitas majemuk bagian independen menunjukkan keseluruhan rangkaian fitur - mean, varians, dan kumulatif lainnya - yang hanya merupakan jumlah fitur seperti distribusi Dari bagian-bagiannya. Ini tampaknya kemudian ditemukan secara independen oleh Thiele (1889), namun secara matematis metode Laplace lebih kuat daripada Thiele dan jauh lebih berpengaruh pada perkembangan subjek di Prancis dan Inggris. Sebuah hasil langsung dari studi Laplace mengenai distribusi resultan dari banyak penyebab independen adalah pengakuan atas hukum kesalahan yang normal, sebuah undang-undang yang lebih biasanya dianggap berasal, dengan alasan tertentu, terhadap teorinya yang hebat, Gauss.


Gauss, terlebih lagi, mendekati masalah estimasi statistik dalam semangat empiris, mengajukan pertanyaan tentang estimasi tidak hanya probabilitas namun juga parameter kuantitatif lainnya. Dia merasakan kemampuan untuk menggunakan metode Maximum Likelihood ini, walaupun ia berusaha untuk memperoleh dan membenarkan metode ini dari prinsip probabilitas invers. Metode ini telah diserang di tanah ini, namun tidak memiliki hubungan nyata dengan probabilitas terbalik. Gauss, selanjutnya, menyempurnakan formula regresi sistematis yang sistematis, sederhana dan banyak, dengan metode kuadrat terkecil, yang, dalam kasus yang sesuai, adalah contoh khusus metode kemungkinan maksimum.


Yang pertama dari distribusi karakteristik uji signifikansi modern, walaupun berasal dari Helmert, ditemukan kembali oleh K Pearson pada tahun 1900, untuk ukuran perbedaan antara pengamatan dan hipotesis, yang dikenal sebagai c2. Ini, menurut saya, adalah kontribusi besar terhadap metode statistik dimana energi yang tak tertandingi karya Prof Pearson akan diingat. Ini memberikan ukuran tepat dan obyektif dari perbedaan sendi dari ekspektasi mereka terhadap sejumlah varians yang terdistribusi secara normal, dan saling berkorelasi. Dalam aplikasi utamanya terhadap frekuensi, yang merupakan variasi diskontinu, distribusi hanya merupakan perkiraan, namun bila frekuensi kecil tidak disertakan, aproksimasinya memuaskan. Distribusinya tepat untuk masalah lain yang dipecahkan nanti. Sehubungan dengan frekuensi, kebaikan nyata dari fit sering dibesar-besarkan dengan masuknya kelas kosong atau hampir kosong yang sedikit atau tidak berkontribusi pada c2 yang diamati, namun meningkatkan ekspektasinya, dan dengan mengabaikan efek pada ekspektasi penyesuaian ini. Parameter populasi sesuai dengan sampel. Kebutuhan akan koreksi pada skor ini sudah lama diabaikan, dan kemudian diperdebatkan, namun kini, saya percaya, mengaku. Penyebab utama kesalahan yang cenderung menurunkan goodness of fit adalah penggunaan metode pemasangan yang tidak efisien. Keterbatasan ini hampir tidak dapat diperkirakan pada tahun 1900, ketika perkiraan teori estimasi sangat tidak diketahui.


Studi tentang distribusi sampel statistik yang tepat dimulai pada tahun 1908 dengan kertas "Siswa" The Probable Error of a Mean. Begitu sifat sebenarnya dari masalah diindikasikan, sejumlah besar masalah sampling berada dalam jangkauan solusi matematis. "Siswa" sendiri memberikan dalam makalah ini dan selanjutnya solusi yang benar untuk tiga masalah tersebut - distribusi estimasi varians, mean dibagi dengan perkiraan standar deviation


Apa itu Statistik
Sifat Statistik
"Statistik" sebagaimana didefinisikan oleh American Statistical Association (ASA) "adalah ilmu tentang belajar dari data, dan mengukur, mengendalikan dan mengkomunikasikan ketidakpastian. ”Meskipun tidak setiap ahli statistik akan setuju dengan deskripsi ini, ini adalah titik awal yang inklusif dengan solid silsilah. Ini mencakup dan ringkas merangkum "pandangan yang lebih luas" dari Marquardt (1987) dan Wild (1994), "statistik lebih besar" dari Chambers (1993), "bidang yang lebih luas" dari Bartholomew (1995), visi yang lebih luas yang dianjurkan oleh Brown dan Kass (2009), dan set definisi yang diberikan dalam membuka halaman Hahn and Doganaksoy (2012) dan Fienberg (2014). Ini juga mencakup pandangan lebih sempit.


Meskipun para ahli statistik telah bergelut dengan setiap aspek dari siklus ini, perhatian khusus ada diberikan oleh pemikir dan peneliti teori-dan-metode statistik ke berbagai elemen di waktu yang berbeda. Setidaknya selama setengah abad terakhir, fokus utamanya adalah penggunaan probabilistik model dalam tahap Analisis dan Kesimpulan dan pada tingkat lebih rendah, pada desain sampling dan desain eksperimental dalam tahap Rencana. Namun pandangan yang lebih luas diperlukan untuk memetakan cara statistik pendidikan ke masa depan.
Disiplin statistik dan, lebih khusus lagi, pendidikan statistik, menurut sifatnya, di bisnis "masa depan". Misi pendidikan statistik adalah menyediakan kerangka kerja konseptual (cara berpikir terstruktur) dan keterampilan praktis untuk lebih melengkapi siswa kami untuk kehidupan masa depan mereka di dunia yang cepat berubah. Karena data-alam semesta sedang mengembang dan berubah begitu cepat, pendidik perlu lebih fokus untuk melihat ke depan daripada melihat ke belakang. Kami juga harus melihat ke belakang, tentu saja, tapi terutama agar kita dapat menjarah gudang sejarah dari kebijaksanaan kita ke jalur bagan yang lebih baik
Menuju masa depan. Untuk tujuan pendidikan, statistik perlu ditentukan oleh tujuan yang dituju dari yang paling sering digunakan oleh para ahli statistik untuk mengejar mereka di masa lalu.
"Para ahli statistik mengembangkan metodologi baru dalam konteks masalah substantif tertentu," Fienberg (2014) mengatakan, “tetapi mereka juga mundur dan mengintegrasikan apa yang telah mereka pelajari menjadi lebih banyak kerangka umum menggunakan prinsip dan pemikiran statistik. Kemudian, mereka dapat membawa ide-ide mereka area baru dan terapkan variasi dengan cara inovatif. ”Pada intinya, sebagian besar disiplin berpikir dan belajar tentang beberapa aspek kehidupan dan dunia tertentu, baik itu sifat fisik alam semesta, yang hidup organisme, atau bagaimana fungsi ekonomi atau masyarakat. Statistik adalah meta-disiplin yang menurutnya tentang bagaimana cara mengubah data menjadi wawasan dunia nyata. Statistik sebagai meta-disiplin kemajuan ketika pelajaran metodologis dan prinsip dari karya tertentu diabstraksikan dan dimasukkan ke dalam perancah teori yang memungkinkannya digunakan pada banyak lainnya masalah di banyak tempat lain.
Sejarah Statistik
Meskipun pengumpulan bentuk data sensus kembali ke jaman dahulu, para penguasa “tertarik melacak orang-orang mereka, uang dan peristiwa-peristiwa penting (seperti perang dan banjir Sungai Nil) tetapi sedikit lain dalam cara penilaian kuantitatif dunia pada umumnya ”(Scheaffer, 2001, para. 3).
Analisis statistik data biasanya ditelusuri kembali ke karya John Graunt (misalnya, 1662-nya buku Pengamatan Alam dan Politik). Misalnya, Graunt menyimpulkan bahwa wabah itu disebabkan oleh infeksi orang-ke-orang daripada teori bersaing "udara menular" berdasarkan pola infeksi melalui waktu. Graunt dan "aritmatika politik" lainnya dari seberang Eropa Barat dipengaruhi selama Renaissance oleh munculnya sains berdasarkan pengamatan dunia alami. Dan mereka "berpikir seperti yang kita pikirkan hari ini ... mereka beralasan tentang mereka data ”(Kendall, 1960, p. 448).
Mereka memperkirakan, memperkirakan, dan belajar dari data - mereka tidak hanya menggambarkan atau mengumpulkan fakta - dan mereka mempromosikan gagasan bahwa kebijakan negara harus diinformasikan dengan menggunakan data daripada oleh otoritas gereja dan bangsawan (Porter, 1986). Tetapi Penggunaan statistik aritmatika politik tidak memiliki teknik metodologis formal untuk berkumpul dan menganalisis data. Metode untuk survei sampel dan pengambilan sensus masih dalam tahap awal abad kesembilan belas (Fienberg, 2014).
Benang lain dalam pengembangan statistik modern adalah dasar probabilitas, dengan asal-usul dalam permainan kesempatan, seperti yang ditetapkan oleh Pascal (1623-1622) dan kemudian Bernoulli (1654-1705). Langkah-langkah konseptual besar terhadap penerapan probabilitas untuk kesimpulan kuantitatif adalah diambil oleh Bayes pada 1764 dan Laplace (1749-1827) oleh analisis probabilitas pembalikan.
Ilmu yang memegang kendali atas semua orang lain sekitar tahun 1800 adalah astronomi, dan yang hebat ahli matematika pada hari itu membuat kontribusi ilmiah mereka di bidang itu. Legendre (paling tidak kotak), Gauss (teori kesalahan normal), dan Laplace (kuadrat terkecil dan batas pusat theorem) semua dimotivasi oleh masalah dalam astronomi. (Scheaffer, 2001, para. 6) Ide-ide ini kemudian diterapkan pada data sosial oleh Quetelet (1796–1874), yang mencoba menyimpulkan hukum umum yang mengatur tindakan manusia. Ini setelah Revolusi Prancis ketika ada pergeseran halus dalam pemikiran statistik sebagai ilmu negara dengan negara-negarawan, seperti yang diketahui, melakukan survei perdagangan, kemajuan industri, tenaga kerja, kemiskinan, pendidikan, sanitasi, dan kejahatan (Porter, 1986).
Benang ketiga dalam pengembangan statistik melibatkan grafik statistik. Tokoh utama pertama adalah William Playfair (17591823), dikreditkan dengan menciptakan garis dan diagram batang untuk data ekonomi dan diagram lingkaran. Friendly (2008) mencirikan periode dari 1850 hingga 1900 sebagai “masa keemasan grafik statistik ”(hlm. 2). Ini adalah era peta data kolera titik John Snow dan Broad Pompa jalan, dari grafik terkenal Minard yang menunjukkan hilangnya tentara dalam perjalanan Napoleon. Moskow dan retret berikutnya, dari plot coxcomb Florence Nightingale digunakan untuk membujuk perlu untuk rumah sakit lapangan militer yang lebih baik, tentang munculnya sebagian besar bentuk grafik yang masih kita gunakan menyampaikan informasi yang terkait secara geografis pada peta, termasuk hal-hal seperti diagram alir pola lalu lintas, dari grid grafik terkait, plot kontur dari tabel 3-dimensi, populasi piramida, scatterplots dan banyak lagi.
The Royal Statistical Society dimulai pada 1834 sebagai London Statistical Society (LSS), dan the American Statistical Association dibentuk pada tahun 1839 oleh lima pria yang tertarik untuk meningkatkan AS. sensus (Horton, 2015; Utts, 2015). Pendiri Berpengaruh dari LSS (Pullinger, 2014, 825827) termasuk Adolphe Quetelet, Charles Babbage (penemu komputer), dan Thomas Malthus (Terkenal karena teorinya tentang pertumbuhan penduduk). Anggota LSS wanita pertama adalah Tlorence Nightingale, yang bergabung pada 1858 (dia juga menjadi anggota ASA, seperti yang dilakukan Alexander Graham Bell, Herman Hollerith, Andrew Carnegie, dan Martin Van Buren). Anggota awal ini LSS dan ASA luar biasa untuk mewakili berbagai bidang dunia nyata yang sangat luas kegiatan (ilmiah, ekonomi, politik, dan sosial), dan pengaruhnya di masyarakat.
Menjelang akhir abad kesembilan belas, akar teori statistik muncul dari karya Francis Galton dan Francis Ysidro Edgeworth dan dari Karl Pearson dan George Udny Yule kemudian. Para ilmuwan ini datang ke statistik dari biologi, ekonomi, dan ilmu sosial secara lebih luas, dan mereka mengembangkan statistik yang lebih formal metode yang dapat digunakan tidak hanya di dalam bidang minat mereka tetapi di seluruh spektrum ilmu pengetahuan. (Fienberg, 2014)


Gelombang aktivitas lain ke tahun 1920-an diprakarsai oleh keprihatinan William Gosset, mencapai
puncaknya dalam wawasan Ronald Fisher dengan pengembangan desain eksperimental, analisis varians, estimasi kemungkinan maksimum, dan penyempurnaan pengujian signifikansi. Ini diikuti oleh kolaborasi Egon Pearson dan Jerzy Neyman di tahun 1930-an, sehingga menimbulkan pengujian hipotesis dan interval keyakinan. Pada waktu yang hampir bersamaan datang Bruno de Finetti pekerjaan seminal tentang inferensi subjektif Bayesian dan karya Harold Jeffreys tentang "obyektif"
Inferensi Bayesian sehingga pada tahun 1940 kami memiliki sebagian besar dasar-dasar teori “modern statistik ”dari abad ke-20. Perang Dunia II juga merupakan masa kemajuan besar sebagai hasil dari menyusun banyak orang muda yang berbakat secara matematis ke dalam posisi di mana mereka harus menemukan tepat waktu jawaban atas masalah yang terkait dengan upaya perang. Banyak dari mereka tetap di bidang statistik membengkak profesi. Kami juga memberikan perhatian khusus pada pengenalan John Tukey "Analisis data eksploratori" pada tahun 1970-an.
Sejarah singkat statistik termasuk Fienberg (2014, Bagian 3); Scheaffer (2001), yang menekankan bagaimana matematikawan didanai atau dipekerjakan dan pengaruh ini terhadap apa yang mereka pikirkan tentang dan dikembangkan; dan Pfannkuch and Wild (2004) yang menggambarkan perkembangan statistik berpikir. Akun yang lebih panjang diberikan oleh Fienberg (1992), dan buku-buku oleh Porter (1986), Stigler (1986, 2016), dan Peretasan (1990). Referensi utama tentang sejarah pendidikan statistik termasuk Vere-Jones (1995), Scheaffer (2001), Holmes (2003), dan Forbes (2014)
Berpikir Statistik
Para ahli statistik harus mampu berpikir dalam beberapa cara: secara statistik, matematis, dan secara komputasi. Mode pemikiran yang digunakan dalam analisis data berbeda dari yang digunakan dalam bekerja dengan derivasi matematika, yang pada gilirannya berbeda dari yang digunakan untuk menulis kode komputasi.
Meskipun ada koneksi internal yang sangat kuat dalam masing-masing mode pemikiran ini, ada koneksi yang relatif lemah di antara mereka. Di sini kita akan berkonsentrasi pada "pemikiran statistik" dalam rasa bagian-bagian statistik yang paling khas dari pemikiran yang berlangsung dalam memecahkan dunia nyata masalah menggunakan data.


Namun dalam statistik, kita kadang-kadang berbicara tentang "memecahkan masalah dunia nyata (atau praktis)" terlalu jauh longgar. Untuk masyarakat umum, "memecahkan masalah dunia nyata" melibatkan mengambil tindakan sehingga masalah hilang atau setidaknya dikurangi (misalnya, tingkat pengangguran berkurang). Kita butuh untuk lebih membedakan antara memuaskan "kebutuhan untuk bertindak" dan "kebutuhan untuk tahu." Mencari tahu cara melakukannya bertindak untuk memecahkan masalah biasanya membutuhkan pengetahuan yang lebih banyak. Di sinilah statistik pertanyaan bisa bermanfaat. Ini alamat "kebutuhan untuk tahu." Jadi ketika ahli statistik berbicara tentang pemecahan masalah dunia nyata, kita umumnya berbicara tentang memecahkan defisit pengetahuan (dunia nyata) atau masalah pemahaman-defisit.
Dimensi 1 - PPDAC Wild dan Pfannkuch (1999) menyelidiki sifat statistik berpikir dalam pengertian ini menggunakan literatur yang tersedia, wawancara dengan praktisi statistik, dan wawancara dengan siswa yang melakukan kegiatan penyelidikan statistik; dan mempresentasikan model untuk "dimensi" pemikiran statistik yang berbeda. Dimensi 1 dari pekerjaan mereka adalah model PPDAC
(Gbr. 1.1) dari siklus penyelidikan. Model PPDAC dasar adalah karena dan kemudian diterbitkan oleh MacKay dan Oldford (2000). Ada juga deskripsi statistik lain yang secara esensial setara siklus pemeriksaan. Siklus pertanyaan memiliki koneksi dengan deskripsi standar dari "ilmiah "(cf. https://en.wikipedia.org/wiki/Scientific_method) tetapi lebih fleksibel, menghilangkan
Yang terakhir ini sangat menekankan pada hipotesis didorong dan memiliki (ilmiah) teori-formulasi sebagai tujuan utamanya. Siklus penyelidikan PPDAC mengingatkan kita tentang langkah-langkah utama yang terlibat dalam melaksanakan statistik penyelidikan. Ini adalah pengaturan di mana pemikiran statistik terjadi. "P" awal di PPDAC lampu sorot masalah (atau pertanyaan) fase kristalisasi. Pada tahap awal, masalahnya adalah biasanya tidak didefinisikan dengan baik. Orang mulai dengan ide yang sangat samar tentang apa masalah mereka, apa mereka perlu memahami, dan mengapa. Langkah Masalah adalah tentang mencoba mengubah perasaan yang tidak jelas ini menjadi sasaran informasi yang lebih tepat, beberapa pertanyaan yang sangat spesifik yang seharusnya bisa dijawab menggunakan data. Tiba di pertanyaan yang bermanfaat yang dapat secara realistis dijawab menggunakan statistik data selalu melibatkan banyak pemikiran sulit dan seringkali banyak pekerjaan persiapan yang sulit. Statistik penelitian pendidikan mengatakan sedikit tentang ini tetapi tesis PhD dari Arnold (2013) membuat sangat baik mulai.