Dalam pemahaman sehari-hari, ilmu statistik sering dihubungkan dengan sederetan angka, hingga sering diartikan sebagai numerical description. Sebagai contoh, data statistik bisa berupa pergerakan Indeks Bursa Saham Gabungan (IHSG) dari hari ke hari, jumlah tanaman padi disuatu wilayah, data produksi mobil selama setahun, biaya promosi di sebuah wilayah penjualan, tingkat absensi karyawan, jumlah pengunjung suatu toko, dan sebagainya..

Dengan demikian, sesungguhnya data statistik adalah semua data yang dapat dikumpulkan dan diorganisir dengan cara tertentu. Hampir semua data di dunia dapat dikategorikan sebagai data statistik. Karena itu, tidaklah heran jika ilmu statistik diterapkan pada semua bidang ilmu, seperti kedokteran, ekonomi, manajemen, psikologi, pertanian, hukum dan lainnya.

Namun, sesungguhnya statistik dalam konteks keilmuan tidak hanya berarti “data angka” saja;.ilmu statistik lebih dari sekadar sekumpulan data mentah.. Statistik juga dipakai untuk melakukan berbagai kegiatan analisis terhadap data, seperti membuat grafik, menampilkan data dalam bentuk tabel, melakukan peramalan (forecasting), melakukan berbagai uji hipotesis dan kegunaan lainnya.

Dalam kaitannya dengan pengolahan data, ilmu statistik dapat dibagi dalam 2 bagian (metode) :

1. Statistik Deskriptif

Statistik deskriptif menjelaskan atau menggambarkan berbagai karakteristik data, seperti berapa rata-ratanya, seberapa jauh data-data bervariasi dari rata-ratanya, berapa median data, dan sebagainya..

2. Statistik Induktif (Inferensi)

Statistik induktif berusaha membuat berbagai inferensi terhadap sekumpulan data yang berasal dari suatu sampel. Tindakan inferensi tersebut seperti melakukan perkiraan besaran populasi, uji hipotesis, peramalan, dan sebagainya.

“Selain pembagian di atas, metode statistik dapat pula dibedakan menjadi statistik parametrik dan non-parametrik, statistik univariat, bivariat, atau multivariat; dasar pembagian tersebut adalah berdasarkan tipe data, jumlah data dan jumlah variable yang dianalisis. Namun, pembagian menjadi statistik deskriptif dan induktif adalah berdasar aliran proses pengolahan datanya, dan pembagian ini paling umum digunakan.”

Dalam praktek, kedua metode statistik tersebut dipakai bersama-sama; biasanya dimulai dengan statistik deskriptif, lalu dilanjutkan dengan berbagai analisis statistik untuk inferensi. Sebagai contoh, ada data tentang penjualan mobil merk “SINGA” perbulan di suatu show room mobil di Jakarta selama tahun 2007. Dari data tersebut langkah pertama adalah melakukan kegiatan statistik deskriptif (deskripsi) terhadap data tersebut, seperti menghitung berapa rata-rata penjualan mobil “SINGA”, berapa deviasi standarnya dan besaran deskriptif  lainnya..

Setelah disusun deskripsi atau penggambaran tentang data-data penjualan mobil “SINGA” tersebut, baru dilakukan kegiatan inferensi (statistik induktif) terhadap hasil deskripsi tersebut,.seperti memperkirakan berapa estimasi penjualan mobil SINGA di seluruh Indonesia (populasi), ramalan penjualan mobil SINGA di bulan Januari tahun depan, bulan Februari, atau kegiatan lainnya. Jadi, statistik deskriptif akan dilakukan terlebih dahulu, lalu berdasar hasil tersebut, baru dilakukan berbagai analisis statistik secara induktif.

Sebelum membahas lebih jauh tentang metode statistik tersebut, akan dijelaskan terlebih dahulu elemen atau bagian-bagian penting dari ilmu statistik serta berbagai tipe data yang menjadi kunci pemilihan alat-alat analisis statistik.

Adapun elemen statistik adalah :

1. Populasi

2. Sampel

3. Variabel

.

Tipe data statistik ada dua, yaitu :

1. Data Kualitatif (Qualitative Data)

A. Nominal

Data bertipe nominal adalah data yang paling ‘rendah’ dalam level pengukuran data. Jika suatu pengukuran data hanya menghasilkan satu dan hanya satu-satunya kategori, maka data tersebut adalah data nominal (data kategori). Misalnya proses pendataan tempat tinggal 40 responden dalam suatu penelitian. Dalam kasus ini setiap orang akan bertempat tinggal di suatu tempat tertentu (berdasarkan KTP), tidak bisa di tempat lain. Misalnya, Amir berdomisili di Solo, maka dia (dianggap) tidak mungkin tinggal di Jakarta, atau punya dua KTP. Jadi data tempat tinggal adalah data nominal karena Amir hanya punya satu dan satu-satunya, tidak bisa lebih dari satu, tempat tinggal yang ditunjukkan dengan KTP.

B. Ordinal

Data ordinal, seperti pada data nominal adalah juga data kualitatif namun dengan level yang lebih tinggi daripada data nominal. Jika pada data suatu nominal, semua data kategori dianggap sama, maka pada data ordinal ada tingkatan data. Misal pada data jenis kelamin di atas lelaki dianggap setara dengan wanita atau dalam data tempat kelahiran, data Jakarta dianggap sama dengan data Yogyakarta, Surabaya, Medan dan seterusnya..

.

2. Data Kuantitaif (Quantitative Data)

A. Data Interval

Data interval menempati level pengukuran data yang “lebih tinggi” dari data ordinal karena selain bisa bertingkat urutannya, juga urutan tersebut bisa dikuantitatifkan seperti ukuran temperatur semua ruangan pembakaran roti dari PT. Babesajabu. Interval temperature ruang tersebut:

• Cukup panas jika temperature antara 50⁰C-80⁰C
• Panas jika temperature antara 80⁰C-110⁰C
• Sangat panas jika temperature antara 110⁰C-140⁰C

Dalam kasus di atas, data temperature bisa dikatakan data interval karena data mempunyai interval (jarak) tertentu, yaitu 30⁰C..

B. Data Rasio

Data rasio adalah data dengan tingkat pengukuran “paling tinggi” diantara jenis data lainnya. Data rasio adalah data bersifat angka dalam arti sesungguhnya (buka kategori seperti data pada nominal dan ordinal) dan bisa dioperasikan secara matematika (+, – ,x, /). Perbedaan dengan data interval adalah bahwa data rasio mempunyai titik nol dalam arti sesungguhnya. Misal jumlah produk roti dari gudang PT. Babesajabu pada contoh di atas.. Jika jumlah roti nol, berarti memang tidak ada sepotong roti pun dalam gudang tersebut. Jika ada 24 roti, kemudian bertambah produk baru sebanyak 3 roti, maka total roti sekarang adalah 24 + 3 = 27 roti (operasi penjumlahan), dan seterusnya.. Atau berat badan dan tinggi badan seseorang, pengukuran-pengukurannya mempunyai angka nol/0 dalam arti sesungguhnya. Misal, berat badan nol/0 berarti memang tanpa berat, dengan demikian bisa dikatakan bahwa sekantong beras seberat 10 Kg adalah benar-benar 2 kali lebih berat dari sekantong beras yang mempunyai berat 5 Kg.