Sensus bertujuan untuk memperkirakan karakteristik suatu populasi pada saat tertentu.

Statistik Sektoral ditujukan untuk keperluan yang memiliki ciri-ciri lintas sektoral.

Konsep, Definisi, Klarifikasi, Ukuran dan Satuan merupakan Standar Data.

Prinsip Satu Data Indonesia ada 5 (lima).

Deskripsi Peta termasuk Data.

Sensus atau Survei dilakukan setelah Penyajian Data, yaitu tahapan dimana yang menjadi fokus apakah penelitian melibatkan data sampel atau tidak.

Interpretasi hanya berkaitan dengan hasil analisis data.

Statistika Deskriptif dan Statistika Inferensial tidak membentuk alur sebuah siklus penelitian, karena Statistika Inferensial diperoleh dari Statistika Deksriptif, namun tidak berlaku sebaliknya.

Pengujian hipotesis menjadi syarat bagi pengujian Asumsi dalam Statistika Inferensial.

Analisis karakteristik populasi bisa disebut sebagai Parameter.

Data Intern ; karena Dosen peneliti melakukan penelitian di jurusannya sendiri.

Data Kualitatif ; karena Minat Belajar Mahasiswa mencakup Tinggi, Sedang dan Rendah yang dinyatakan dalam Skala Likert.

Data Time Series ; karena penelitian tersebut dilakukan dari tahun 2023 hingga 2024.

Data Kuantitatif (Diskrit) : karena Skala Likert berbentuk bilangan-bilangan bertingkat.

Data Ekstern (Sekunder) ; karena hasil kueisioner diperoleh oleh dosen peneliti dari mahasiswa di luar Jurusan Matematika.

Tinggi Badan dengan Nilai Ujian

Intensitas Belanja dengan Saldo Tabungan

Lama Studi dengan Predikat Kelulusan

Cuaca dengan Penjualan Es Krim

Rasio Siswa-Guru dengan Prestasi Siswa

Kompleksitas Bentuk Penyajian Data

Sasaran penerima penyajian data.

Estetika Penyajian Data baik dari segi bentuk, ukuran dan pemilihan warna serta tulisan yang mudah dibaca.

Kecocokan dengan Data yang akan disajikan.

Kesederhanaan Penyajian Data

Geografis

Besaran Angka

Historis

Dasar Kelas yang Lazim

Progresif

Kartogram hanya dapat digunakan untuk menyajikan Data Tunggal.

Diagram Lingkaran tidak dapat menunjukkan Rasio antar kategori dalam sebuah data yang disajikan.

Ogiv tidak dapat memberikan informasi tentang Tepi Kelas dari distribusi karena lebih fokus pada akumulasi nilai frekuensinya.

Diagram Batang Daun tidak mampu menunjukkan Modus dari sebuah distribusi data.

Piktogram tidak efektif menyajikan data kuantitatif yang memiliki nilai dispersi yang sangat kecil.

x₀ adalah nilai observasi pertama dari data rasio

x_n adalah nilai observasi ke-n dari data rasio

nilai n merupakan banyaknya data rasio.

x₀ adalah nilai observasi ke-0 dari data rasio

nilai n merupakan banyaknya nilai observasi data awal.

Rataan Ukur lebih efektif daripada Rataan Harmonik bilamana data memuat angka 0.

Data yang mengandung Outlier efektif menggunakan Rataan Hitung.

Rataan Harmonis jauh lebih baik daripada Rataan Ukur dalam merepresentasikan pusat data bagi data yang memiliki nilai Negatif.

Rataan Harmonis selalu memiliki nilai yang lebih besar daripada Rataan Hitung.

Rataan Hitung dapat digunakan untuk semua bilangan bulat.

Bila data awal yang belum dikelompokkan dihitung rataan hitungnya, maka akan memberikan hasil yang sama dengan rataan hitung bilamana data tersebut telah dikelompokkan.

Rataan hitung sebagai Approximative Mean sebagai konsekuensi logis yang mengharuskan penggunaan nilai kuartil atas dan kuartil bawah.

Dampak Grouping error pada rataan hitung untuk distribusi data kelompok tidak bergantung pada dispersi nilai-nilai observasi.

Rataan hitung data berkelompok memberikan interpretasi hasil yang lebih baik daripada rataan hitung data yang belum dikelompokkan.

Rataan hitung bagi distribusi data dengan interval kelas yang lebih besar justru tidak lebih baik daripada distribusi data dengan interval kelas yang kecil.

Variasi nilai Median dari beberapa sampel observasi nilai cenderung lebih besar daripada variasi nilai rataan hitung untuk sampel yang sama.

Nilai median bisa lebih dari satu nilai untuk sebuah data.

Karena sifatnya sebagai Approximative Median, maka nilai median bisa dipengaruhi oleh adanya nilai-nilai ekstrim dalam observasi.

Implementasi Median tidak dapat digunakan pada Data Kualitatif.

Nilai median akan berbeda apabila data tersebut diurutkan dari data terkecil sampai data terbesar, dengan ketika data diurutkan dari data terbesar sampai data terkecil.

Bila distribusi data memiliki dua kelas dengan frekuensi tertinggi, maka nilai modus dengan rumus tersebut dilakukan sebanyak dua kali, dan itulah nilai-nilai modus untuk data tersebut.

d₁ dan d₂ dapat dikatakan sebagai frekuensi berurut terdekat terhadap frekuensi tertingginya

Bila frekuensi tertinggi berada pada kelas pertama, maka berlaku d₁ = frekuensi tertinggi tersebut.

Bila distribusi data memiliki dua kelas dengan frekuensi tertinggi, maka nilai modus dengan rumus tersebut dilakukan sebanyak dua kali, kemudian hasilnya dirata-ratakan.

Bila frekuensi tertinggi berada pada kelas terakhir, maka berlaku d₂ = frekuensi tertinggi tersebut.

Interpretasi Deviasi Kuartil ialah terhadap Jarak Inter-Kuartil.

Interpretasi Deviasi Rata-rata ialah terhadap nilai Median.

Interpretasi Variansi ialah terhadap nilai rata-rata.

Interpretasi Deviasi Standar ialah terhadap nilai Variansi.

Interpretasi Deviasi Kuartil ialah terhadap nilai Median.

Variansi dikembangkan atas dasar bahwa jika paling sedikit terdapat paling sedikit dua nilai observasi yang memiliki deviasi yang berlainan sehingga deviasi rata-rata tidak akan sama dengan nol lagi.

Deviasi Standar dikembangkan atas dasar Penyederhanaan (Standardisasi) nilai Varians yang lebih sulit menginterpretasikan nilai-nilai dispersi dalam pangkat dua.

Deviasi Rata-rata dikembangkan atas dasar pentingnya besar-kecilnya (magnitude) nilai-nilai observasi daripada sekedar tanda + atau - .

Koefisien Variasi dikembangkan atas dasar bahwa nilai-nilai ukuran dispersi absolut tidak efektif bagi dua atau lebih distribusi data dengan nilai rata-rata yang relatif besar perbedaannya.

Deviasi Kuartil dikembangkan atas dasar kekurangan dari konsep Jarak melibatkan nilai-nilai ekstrim dalam sebuah pbservasi.