KARL PEARSON DAN JASANYA BAGI ILMU STATISTIKA
By Claureina Diana | December , 2020
By Claureina Diana | December , 2020
Jika kamu memiliki ketertarikan dalam hal terkait komputer dan pemrograman, tentunya kamu sudah tidak asing asing lagi dengan statistika.Ilmu statistika adalah ilmu pengumpulan data yang bertujuan untuk menarik kesimpulan dan deskripsi dari hasil olahan data. Di artikel kali ini Team Algoritma akan membahas salah satu tokoh paling penting dalam pengembangan ilmu ini, Karl Pearson.
Karl Pearson adalah seorang ilmuwan asal Inggris di abad 19-20. Dia menguasai berbagai disiplin ilmu pada masa itu, diantaranya ilmu hukum, ilmu sastra Jerman, dan tentunya ilmu matematika dan statistika yang membawanya menjadi tokoh yang sangat penting. Hal ini dapat dilihat dari sejumlah penghargaan yang diterima Pearson semasa hidupnya, diantaranya:
Karl pearson menjadi semakin populer berkat kontribusinya terhadap pengembangan ilmu statistika. Bersama dengan dua rekannya, Francis Galton dan Ronald Fisher, Pearson mengembangkan ilmu statistika hingga sebesar sekarang ini. Awalnya statistika belum menjadi ilmu yang berdiri sendiri, tetapi dengan usaha dan tekad yang dia miliki, Pearson berhasil menjadikan statistika sebagai jurusan terpisah di University College London pada tahun 1911. Ini adalah jurusan statistik pertama yang ada di dunia.
Kontribusi Pearson terhadap ilmu statistika tidak pernah berhenti selama hidupnya. Dia banyak menulis jurnal terkait statistika, salah satunya berjudul ‘Grammar of Science’ yang bisa kamu jadikan referensi saat belajar ilmu statistika. Selain itu banyak teori statistik yang berhasil ditemukan oleh Pearson yang masih digunakan hingga saat ini, diantaranya ada konsep regresi, korelasi, distribusi chi square dan analisis statistika kualitatif.
Kebanyakan orang beranggapan bahwa statistik dan statistika adalah hal yang sama, padahal dua hal tersebut memiliki artian yang berbeda. Statistik adalah kumpulan data yang nantinya akan membentuk sebuah sampel untuk dipelajari, sementara statistika adalah ilmu yang mempelajari tentang statistik. Untuk dapat menjadi ahli di bidang ini, selain kemampuan pengolahan data, kamu juga harus banyak bermain dengan logika serta ketelitian yang tinggi.
Apakah kamu tahu istilah-istilah seperti populasi, sampel, unit sampel, dan probabilitas? Itu adalah beberapa contoh istilah yang sering digunakan dalam statistika, yuk kita bahas sedikit pengenalan terhadap ilmu yang diajarkan Karl ini ya.
Populasi dan sampel dalam statistika digunakan untuk mendapat mean dan median yang digunakan dalam perhitungan lebih lanjut. Populasi adalah keseluruhan data yang ingin kita teliti, namun karena jumlahnya sangat banyak, dalam sebuah penelitian akan diambil sampel yakni perwakilan dari keseluruhan jumlah populasi. Sampel inilah yang akan menjadi bahan penelitian.
Selain populasi dan sampel ada pula statistika deskriptif yang digunakan untuk menghitung data lain seperti measure of central tendency dan measure of spread (Range, Varian, Standar Deviasi, dsb)
Korelasi adalah salah satu metode dalam statistika yang awal mulanya diajarkan langsung oleh Pearson. Korelasi ini merupakan metode yang bertujuan untuk menilai kemungkinan hubungan linier dua arah antara dua variabel kontinu. Pernah mendengar istilah Pearson correlation? Metode ini diambil dari nama Karl Pearson.
Ilmu statistika ini akan sangat berguna saat kamu mencoba memahami algoritma yang merupakan core dalam ilmu komputer.
Jadi sebenarnya apa saja kegunaan statistika dalam penerapan data science?
Selain sama-sama berhubungan data, kehadiran statistika dan data science semakin melengkapi satu sama lain. Statistika menyediakan metode/cara untuk mengolah suatu data, sementara komputer akan menjadi sarana pengolahan data tersebut. Jika kamu hendak membuat sebuah model data science, kamu harus setidaknya memiliki dasar pengetahuan tentang statistika, matematika, programming, dan topik terkait model yang kamu buat.
Kamu bisa memasukan rumus statistika ke dalam program yang kamu gunakan dalam membuat model data science. Nah nantinya program itu akan mengolah data dengan lebih cepat dan mampu menghasilkan berbagai nilai dan kesimpulan yang insightful. Selain itu, dengan memiliki dasar statistika yang baik kamu akan lebih mudah mengenali jenis-jenis datamu.
Perlu diingat bahwa kamu tetap harus memahami semua bidang itu saat membuat suatu model, tidak hanya fokus di statistik ataupun di programming semata. Kunci utamanya adalah balance. Kamu pun tidak perlu memforsir diri untuk menjadi ahli di bidang statistika, tetapi dengan memiliki bekal dasar pengetahuan statistika tentunya akan lebih mudah bagi kamu menciptakan model-model yang lebih advance dan sesuai kebutuhan. Yang terpenting adalah kamu tahu betul mengenai data yang kamu olah dan mampu menginterpretasikan hasilnya.
Terimakasih sudah membaca artikel ini sampai selesai, semoga kamu semakin mengerti pentingnya Statistika yang diajarkan oleh Karl Pearson dalam dunia data science.
Selain tulisan mengenai Karl Pearson ini, masih banyak kisah tokoh inspiratif lainnya seperti Howard Aiken (link blognya) dan Isaac Newton (link blognya) yang bisa kamu baca di blogpage algoritma.
Jangan lupa share post ini agar kita bisa terus belajar bersama-sama ya!
Jika kamu memiliki ketertarikan dalam hal terkait komputer dan pemrograman, tentunya kamu sudah tidak asing asing lagi dengan statistika.Ilmu statistika adalah ilmu pengumpulan data yang bertujuan untuk menarik kesimpulan dan deskripsi dari hasil olahan data. Di artikel kali ini Team Algoritma akan membahas salah satu tokoh paling penting dalam pengembangan ilmu ini, Karl Pearson.
Karl Pearson adalah seorang ilmuwan asal Inggris di abad 19-20. Dia menguasai berbagai disiplin ilmu pada masa itu, diantaranya ilmu hukum, ilmu sastra Jerman, dan tentunya ilmu matematika dan statistika yang membawanya menjadi tokoh yang sangat penting. Hal ini dapat dilihat dari sejumlah penghargaan yang diterima Pearson semasa hidupnya, diantaranya:
Karl pearson menjadi semakin populer berkat kontribusinya terhadap pengembangan ilmu statistika. Bersama dengan dua rekannya, Francis Galton dan Ronald Fisher, Pearson mengembangkan ilmu statistika hingga sebesar sekarang ini. Awalnya statistika belum menjadi ilmu yang berdiri sendiri, tetapi dengan usaha dan tekad yang dia miliki, Pearson berhasil menjadikan statistika sebagai jurusan terpisah di University College London pada tahun 1911. Ini adalah jurusan statistik pertama yang ada di dunia.
Kontribusi Pearson terhadap ilmu statistika tidak pernah berhenti selama hidupnya. Dia banyak menulis jurnal terkait statistika, salah satunya berjudul ‘Grammar of Science’ yang bisa kamu jadikan referensi saat belajar ilmu statistika. Selain itu banyak teori statistik yang berhasil ditemukan oleh Pearson yang masih digunakan hingga saat ini, diantaranya ada konsep regresi, korelasi, distribusi chi square dan analisis statistika kualitatif.
Kebanyakan orang beranggapan bahwa statistik dan statistika adalah hal yang sama, padahal dua hal tersebut memiliki artian yang berbeda. Statistik adalah kumpulan data yang nantinya akan membentuk sebuah sampel untuk dipelajari, sementara statistika adalah ilmu yang mempelajari tentang statistik. Untuk dapat menjadi ahli di bidang ini, selain kemampuan pengolahan data, kamu juga harus banyak bermain dengan logika serta ketelitian yang tinggi.
Apakah kamu tahu istilah-istilah seperti populasi, sampel, unit sampel, dan probabilitas? Itu adalah beberapa contoh istilah yang sering digunakan dalam statistika, yuk kita bahas sedikit pengenalan terhadap ilmu yang diajarkan Karl ini ya.
Populasi dan sampel dalam statistika digunakan untuk mendapat mean dan median yang digunakan dalam perhitungan lebih lanjut. Populasi adalah keseluruhan data yang ingin kita teliti, namun karena jumlahnya sangat banyak, dalam sebuah penelitian akan diambil sampel yakni perwakilan dari keseluruhan jumlah populasi. Sampel inilah yang akan menjadi bahan penelitian.
Selain populasi dan sampel ada pula statistika deskriptif yang digunakan untuk menghitung data lain seperti measure of central tendency dan measure of spread (Range, Varian, Standar Deviasi, dsb)
Korelasi adalah salah satu metode dalam statistika yang awal mulanya diajarkan langsung oleh Pearson. Korelasi ini merupakan metode yang bertujuan untuk menilai kemungkinan hubungan linier dua arah antara dua variabel kontinu. Pernah mendengar istilah Pearson correlation? Metode ini diambil dari nama Karl Pearson.
Ilmu statistika ini akan sangat berguna saat kamu mencoba memahami algoritma yang merupakan core dalam ilmu komputer.
Jadi sebenarnya apa saja kegunaan statistika dalam penerapan data science?
Selain sama-sama berhubungan data, kehadiran statistika dan data science semakin melengkapi satu sama lain. Statistika menyediakan metode/cara untuk mengolah suatu data, sementara komputer akan menjadi sarana pengolahan data tersebut. Jika kamu hendak membuat sebuah model data science, kamu harus setidaknya memiliki dasar pengetahuan tentang statistika, matematika, programming, dan topik terkait model yang kamu buat.
Kamu bisa memasukan rumus statistika ke dalam program yang kamu gunakan dalam membuat model data science. Nah nantinya program itu akan mengolah data dengan lebih cepat dan mampu menghasilkan berbagai nilai dan kesimpulan yang insightful. Selain itu, dengan memiliki dasar statistika yang baik kamu akan lebih mudah mengenali jenis-jenis datamu.
Perlu diingat bahwa kamu tetap harus memahami semua bidang itu saat membuat suatu model, tidak hanya fokus di statistik ataupun di programming semata. Kunci utamanya adalah balance. Kamu pun tidak perlu memforsir diri untuk menjadi ahli di bidang statistika, tetapi dengan memiliki bekal dasar pengetahuan statistika tentunya akan lebih mudah bagi kamu menciptakan model-model yang lebih advance dan sesuai kebutuhan. Yang terpenting adalah kamu tahu betul mengenai data yang kamu olah dan mampu menginterpretasikan hasilnya.
Terimakasih sudah membaca artikel ini sampai selesai, semoga kamu semakin mengerti pentingnya Statistika yang diajarkan oleh Karl Pearson dalam dunia data science.
Selain tulisan mengenai Karl Pearson ini, masih banyak kisah tokoh inspiratif lainnya seperti Howard Aiken (link blognya) dan Isaac Newton (link blognya) yang bisa kamu baca di blogpage algoritma.
Jangan lupa share post ini agar kita bisa terus belajar bersama-sama ya!