Seajarah Perkemabangan Aplikasi Statistika

 SEJARAH PERKEMBANGAN APLIKASI STATISTIKA

Pada abad 20 statistika berkembang menjadi ilmu yang matang. Selain di bidang pertanian, statistika berkembang pada bidang psikologi, ekonomi, sosiologi, industri, dan lain-lain. Perkembangan statistika di bidang pertanian cukup banyak terutama dalam penggunaan rancangan percobaan yang memang sudah diawali pada masa Fisher.

Perkembangan statistika di bidang ekonomi yang dikenal dengan istilah ekonometrika dimulai tahun 1920 dipelopori Ragnar Frisch dan Jan Tinbergen. Ekonometrika adalah cabang dari ilmu ekonomi yang merupakan integrasi antara ekonomi, matematika dan statistika. Walaupun demikian powerful perkembangan ekonometrika kurang mendapat sambutan hangat dari ekonom-ekonom besar yang kurang “sreg” dengan pemodelan termasuk John Maynard Keynes.  Keynes memandang skeptis terhadap buku Tinbergen yang berjudul Statistical Testing for Business Cycle Theory.  Baru di akhir tahun 1940 dan awal 1950 ekonometrika mulai berkembang lagi yang dipelopori oleh Chernoff, Haavelmo, Koopmans, Rubin dan Simon yang bekerja pada Cowles Commision for Research in Economics.

Peran statistika cukup besar dalam ekonometrika terutama dalam hal metode estimasi parameter model ekonometrika yang pada umumnya terdiri dari beberapa persamaan yang saling terkait (sistem persamaan simultan dan seemingly unrelated regression).  Untuk mengestimasi parameter sistem persamaan simultan Hendri Theil tahun 1956 menemukan suatu metode 2SLS (two stage least squares).  Kemudian pada tahun 1962 Zellner menemukan suatu metode SUR (Seemingly Unrelated Regression) untuk mengestimasi parameter model sistem persamaan regresi.  Selanjutnya Theil bersama Zellner menemukan metode 3SLS (three stage least squares) untuk mengestimasi sistem persamaan simultan yang pada prinsipnya merupakan integrasi antara metode 2SLS dengan metode SUR. 

Model ekonometrika pada umumnya dibangun berdasarkan data yang bersifat time series, sehingga memunculkan model distribusi lag maupun autoregressive yang dikembangkan oleh Nerlove pada tahun 1972.  Pada umumnya model-model tersebut terjadi pelanggaran asumsi klasik (autocorrelation,  heteroscedasticity), sehingga belakangan muncul suatu model yang dikenal dengan ARCH (autoregressive and conditional heteroscedasticity).

Di bidang peternakan, industri peternakan di USA berterimakasih kepada K. Pearson karena melalui Teori Normal, kemajuan genetic (genetic progress) pada produksi susu meningkat 40 % pada tahun 1950-an.  Untuk analisis genetika kuantitatif umumnya dipergunakan statistika tingkat tinggi seperti Bayesian Statistics.

            Di bidang industri peran statistika yang menonjol adalah dalam bidang pengendalian kualitas dan penerapan rancangan percobaan factorial sebagian (fractional factorial) yang berusaha meminimumkan jumlah percobaan yang relatif mahal. Hal ini dapat kita kenal seperti pada metode Taguchi yang ditemukan oleh Dr. Geinichi Taguchi dari Jepang sekitar tahun 1980 yang disebut juga off line quality control. Walter Shewhart (1891-1967) seorang fisikawan Amerika, yang bekerja sebagai engineer dan konsultan tahun 1924 menunjukkan ide pengendalian kualitas secara statistik (statistical quality control) melalui penggunaan control chart atau run-chart. Pendekatan ini dapat memberikan tanda jika proses produksi menyimpang dari target, yang disebut juga on line quality control. Pada tahun 1930 William Edward Deming (1900-1993), yang berguru pada Shewhart untuk masalah manajemen tertarik terhadap aplikasi statistika untuk merencanakan pengendalian kualitas dan metode perbaikan proses untuk industri.  Ide-idenya disarikan dalam 14 point untuk managemen (yang dikenal sebagai 14 Prinsip Deming), misalnya salah satu point menyatakan “jangan memilih supplier karena harga, tetapi pertimbangkan kualitas dan pilih supplier yang menggunakan quality control”.  Untuk memperbaiki proses Deming memperkenalkan langkah-langkah tersistem yang dikenal dengan nama PDCA (Plan, Do, Chek, and Action).  Karena metode dan idenya ini, pada tahun 1950 para pimpinan bisnis dan industri yang tergabung ke dalam JUSE (Japan Union of Scientist and Engineering) di Jepang mengundang Deming untuk mengajarkan metode baru tersebut.  Penggunaan metode Deming secara luas di Jepang berpengaruh terhadap pemulihan industri dan ekonomi Jepang yang hancur setelah perang dunia II, yang akhirnya terjadi economic booming bagi Jepang pada abad ke 20.  Meskipun ide-ide Deming sukses di Jepang, namun secara luas diabaikan di Amerika.  Metode Deming baru diterapkan pada awal 1980 ketika perusahaan-perusahaan di Amerika merasa perlu meningkatkan efektifitas agar dapat bersaing dengan pasar asing. Dengan berkembangnya penggunaan statistika di bidang industri yang menunjukkan manfaatnya, maka timbul ilmu baru yang merupakan gabungan statistika dan managemen yang dikenal dengan metode SIX SIGMA yang mengusahakan produk dengan konsep zero defect.  Metode ini banyak diterapkan di industri industri besar seperti Motorola (awal pemakai Six Sigma), General Electric Company (GE), Kodak, dan lain lain.

TREND PERKEMBANGAN STATISTIKA DI ABAD 21

  Karl Pearson, Fisher, Neyman dan Wald selama setengah abad telah meletakkan dasar statistika yang berbasis matematika, sehingga penelitian-penelitian dan kuliah-kuliah statistika di Perguruan Tinggi umumnya didasarkan pada beberapa pedoman atau dasar yang ditemukan oleh tokoh-tokoh tersebut. Penggunaan statistika secara luas, terkadang timbul kontroversi diantara para ahli tentang pemilihan model data, penggunaan prior probability dan interpertasi hasil. Hasil analisis terhadap data yang sama dengan lain konsultan statistika dimungkinkan terjadi perbedaan kesimpulan. Statistika induktif dapat dipakai untuk menangani masalah dimana perolehan data dirasakan perlu efesiensi atau perlu biaya mahal, sehingga umumnya dapat diatasi dengan analisis dengan sampel-sampel ukuran kecil.

  Di era millenium dengan dominasi teknologi informasi, data base yang besar, interaksi dengan komputer dan informasi yang kompleks, maka menurut C.R. Rao dalam tulisannya 14 Nopember 2001 (berjudul Has Statistics a Future ? If So in What Form ? ) statistika yang berdasarkan pada model-model probabilistik tidak mencukupi, sehingga metode-metode yang akan muncul diarahkan untuk menjawab tantangan zaman yang diberi nama data mining. Istilah data mining (penambangan data) ini menurut Nasoetion (2002) awalnya berasal dari para ahli ilmu komputer yang dalam sehari-harinya bekerja dalam dunia kecerdasan buatan. Untuk pekerjaan ini mereka membangkitkan dan mengumpulkan data dalam ukuran sangat besar dan mencoba menemukan pola-pola keteraturan data yang dapat diterangkan. Pada tahun 1990-an metode data driven yang tidak terlalu ketat dengan asumsi sebaran mulai digunakan untuk analisis berbagai data, terutama untuk eksplorasi data atau “data mining”. Berhubung data mining ini sangat computer intensive, maka diusulkan diberi nama Statistical Methods Mining oleh beberapa statistikawan USA. Menurut David M. Rpcke dari University of California metode data mining mempunyai dua prinsip dasar yaitu data cleaning dan data segmentation.  Data cleaning untuk mendeteksi data pencilan sedangkan data segmentation untuk pengelompokan data, sehingga akan diketahui pola dari data.

  Pada abad 21 diperkirakan  metode data mining merupakan metode yang akan banyak digunakan dalam berbagai bidang terapan. Pada metode data mining spesifikasi permasalahan didasarkan pada bidang ilmunya lebih diutamakan daripada pendugaan parameter sehingga masalah tersebut dapat diformulasikan dengan benar untuk memperoleh solusi yang tepat melalui eksplorasi data. Hal ini berbeda dengan periode Fisher yang lebih mementingkan mencari metode pendugaan dan pendekatan sebaran yang tepat, sehingga spesifikasi permasalahan lebih diutamakan pada pendugaan parameter dan asumsi sebaran.  Jadi Fisherian Statistics itu sebenarnya model driven yang agak beda dengan data mining yang lebih bersifat data driven.  Akan tetapi pada pelaksanaannya, kedua “driven” tersebut harus dikuasai oleh statistikawan di abad millenium ini.  Situasi ini akan berpengaruh terhadap model pendidikan dan pengajaran statistika dewasa ini. Emanuel Parzen (Department of statistics Texas A & M University College) baru-baru ini menulis tentang “Data Mining, Statistical Methods Mining and History of Statistics”.  Dalam tulisannya tersebut dibahas juga masalah pendidikan statistika menghadapi masa depan dimana data mining akan berkembang, seperti bagaimana cara mengajar matematik statistik untuk non matematik statistik, materi yang berhubungan dengan komputer seperti teknik simulasi, analisis numerik, analis data dan struktur data perlu ditingkatkan bagi para mahasiswa.

  Belum adanya standard analisis untuk eksplorasi data dalam data ukuran besar inilah diperkirakan, metode data mining akan banyak dikembangkan dan diteliti oleh para pakar statistika.

SEKILAS SEJARAH STATISTIKA DI INDONESIA

            Dilihat dari sejarah pendidikan statistika di Indonesia, Jurusan Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor dapat berbangga, karena jurusan yang dirintis dan didirikan oleh Prof. Dr. Andi Hakim Nasoetion (Alm) tahun 1972 adalah Jurusan Statistika tertua di Indonesia.  Awalnya dimulai dari Unit Biometrika di bawah Fakultas Pertanian IPB yang kemudian berubah menjadi Pusat Pengolahan Data Statistika dan Komputasi dan akhirnya menjadi Departemen Statistika dan Komputasi di bawah Fakultas Pertanian. Pada waktu FMIPA disyahkan di IPB pada tahun 1982, namanya berubah menjadi Jurusan Statistika di bawah FMIPA.  Jadi boleh dikatakan Departemen itu adalah the founding father of  FMIPA IPB.

            Pada dekade 60 dan 70-an statistika dikenal sebagai “tongkat pembimbing di daerah ketidaktahuan”.  Pada dasarnya fungsi tersebut tidak akan hilang, karena statistika tetap berperan di dalam proses penelitian mulai dari rancangan dan analisis, sampai ke penarikan kesimpulan.  Di wilayah dimana dunia penuh dengan ketidakpastian, keragaman dan proses acak itulah statistika sangat diperlukan.  Tanpa bantuan statistika tidak mustahil kita terjebak oleh kesimpulan yang tidak sepatutnya (misleading conclusion). Selain itu, statistika juga perlu menerawang ke masa depan.  Statistika sebagai tongkat pembantu ke masa depan itu wajar saja bila saat ini berkembang moto “Statistika adalah alat bantu untuk  memecahkan masalah masa depan”, problem solver of  the future.

            “Statistics is not just for statistician”, memang demikian adanya.  Model-model statistika sangat membantu pemahaman proses pembelajaran dalam dunia pendidikan dan psikologi, regresi dan analisis deret waktu sudah sering membuka tabir kesulitan riset dalam keteknikan, kimia, ekonomi, biologi dan ilmu-ilmu kesehatan.  Dewasa ini statistika sering diminta bantuan oleh ahli-ahli hukum kriminalitas, khususnya dengan berkembangnya “statistics for forensic and DNA fingerprinting”.

            Semua kisah sukses statistika di dunia itu adalah titik cerah bagi masa depan Jurusan Statistika FMIPA-IPB.  Saat ini Jurusan Statistika FMIPA IPB sudah mengasuh tidak saja program S1 (sarjana), tetapi juga Program Pascasarjana S2 (magister sains), dan bahkan doktor (S3).  Pendidikan tersebut diramu dengan kegiatan riset yang bekerja sama dengan disiplin ilmu lainnya. Dengan demikian, statistika secara keilmuan menjadi satu kesatuan yang tidak terpisahkan mulai dari jenjang S1 ampai S2 dan masuk ke ranah-ranah keilmuan lainnya yang sudah barang tentu sangat memerlukan statistika.

            Jurusan Statistika IPB yang merupakan pelopor pendidikan statistika di Indonesia, selain menjalankan program pendidikan statistika pada jenjang S1, S2 bahkan S3 juga mengembangkan program pelayanan mata kuliah metode statistika pada program studi lain di lingkungan IPB. Dampak dari ini, semua alumni IPB dibekali pola berfikir statistika sehingga mereka sudah terbiasa dengan keteraturan berfikir sehingga menjadi “pioner”  penggunaan berfikir secara statistika di lingkungan kerjanya di berbagai instansi (khususnya DEPTAN). 

Penyelenggaraan Program pendidikan S1 (Sarjana) di IPB dimulai sejak tahun 1967, sedangkan program pendidikan pascasarjana  (S2) dimulai sejak tahun 1975 dengan jumlah lulusan kurang lebih 150 (Magister Sains). Dibukanya Program Doktor (S3) sejak empat tahun yang lalu dimaksudkan selain untuk pengembangan statistika di Indonesia juga untuk memperkokoh peran Jurusan Statistka IPB dalam pembangunan bangsa menyongsong Indonesia baru.  Dapat dibayangkan selama lebih kurang 35 tahun jurusan statistika berkiprah, tentu alumninya (S1 dan S2) sudah tersebar di berbagai instansi, baik sebagai peneliti, pengambil kebijakan, statistisi profesional, maupun tenaga pengajar di PTN maupun PTS.

            Program-program untuk meningkatkan profesionalisme dan akademik lainnya dikembangkan dengan membuka kerjasama akademik dengan program studi sejenis di berbagai Universitas di Indonesia.  Setiap tahun jurusan Statistika IPB melakukan program pelatihan untuk dosen PTN di Indonesia. Kerjasama dengan instansi lain, khususnya DEPTAN  dalam pelatihan statistika.

            Sampai saat ini di Indonesia selain IPB telah ada PTN dan PTS lain yang telah membuka jurusan Statistika secara mandiri tanpa dibawah naungan jurusan Matematika. PTN yang telah membuka jurusan statistika secara mandiri adalah UNPAD, ITS dan UGM. Sedang PTS nya adalah UNISBA, UII Yogyakarta dan salah satu PTS di kota Malang. Selain itu untuk BPS telah membuka pendidikan jurusan statistika untuk keperluan di instansinya yang dulu bernama AIS dengan pendidikan jenjang D3, sedang sekarang bernama STIS dengan jenjang pendidikan setara S1. 

DAFTAR PUSTAKA :

Gani, J.  1982.  The Making of Statisticians.  Springer- Verlag.  New York.

Mallows, C. (1998).  1997, Fisher Memorial Lecture.  The Zeroth Problem.  ASA 52(1) : 1-9.

Nasoetion, A. H. dan Rambe, A. 1984.  Teori Statistika untuk ilmu-ilmu Kuantitatif.  Bhratara Karya Aksara.  Jakarta.

Parzen. Emanuel. 2002. Data Mining, Statistical Methods Mining and History of Statistics”.  (Department of statistics Texas A & M University College) termuat di internet.

Rao, C. R. and Szekely, G. J.  2000.  Statistics for The 21^st Century.  Methodologies for Applications of the future.  Marcell Dekker. New York.

Rao, C. R. 2001 Has Statistics a Future ? If So in What Form ?  termuat di internet.