Statistik inferensial atau statistik induktif (disebut juga dengan statistik probabilitas) merupakan metode kuantitatif yang umumnya digunakan untuk menganalisis data yang bersifat kuantitatif (data interval atau rasio). Statistik ini juga bisa untuk menganalisis data kualitatif dengan cara statistik induktif, dimana data-data kualitatif terlebih dahulu dikonversikan ke dalam kuantitatif dengan memberi skor atau bobot. Misalnya data ordinal berat badan seseorang maka dapat dibagi skala menjadi sangat berat (skor 5), berat (skor 4), cukup berat (skor 3), ringan (skor 2), dan sangat ringan (skor 1).
Statistik ini lebih cocok digunakan untuk sampel dengan jumlah populasi yang jelas angkanya dengan pengambilan sampel secara random. Analisis data menggunakan taraf signifikansi 5 %, artinya peluang benar 95 % dan kesalahan 5 %. Taraf signifikansi yang telah diuji dari hasil analisis berpatokan pada tabel yang sesuai dengan teknik yang digunakan. Jika peneliti menggunakan uji t maka dapat menggunakan tabel t, demikian juga jika peneliti menggunakan uji F maka tabel yang digunakan yaitu tabel F, dan sebagainya.
Sutopo membagi statistik inferensial menjadi dua yaitu statistik parametrik dan non parametrik.
Dalam pemilihan teknik analisis inferensial perlu diperhatikan beberapa hal yaitu:
1.Rumusan masalah atau hipotesis
Rumusan masalah ini berkaitan dengan tipe penelitian, asosiatif (hubungan atau pengaruh) atau komparatif (perbedaan atau peningkatan/penurunan). Sedangkan hipotesis menyesuaikan rumusan masalah, misalnya dalam asosiasi ada/tidak ada hubungan atau pengaruh antara X dan Y, dalam komparatif ada/tidak ada perbedaan atau peningkatan/penurunan X dan Y.
2. Kelompok data sampel yang diambil
Dalam statistik inferensial pun perlu diperhatikan sampel yang akan diambil, meliputi berpasangan (paired) atau berdiri sendiri (independent). Disebut berpasangan jika sampel merupakan suatu kelompok data pertama, kedua, dan seterusnya dari objek yang sama maka disebut berpasangan, yang bisanyanya menggunakan perlakuan sebelum (pre test) dan sesudah (post test). Jika berdiri sendiri (independent) maka kelompok pertama, kedua, dan seterusnya merupakan objek yang berbeda misalnya kinerja organisasi A dan B.
3. Jenis data
Jenis data yang dimaksud yaitu nominal, ordinal, interval, atau rasio.
a. Nominal biasanya digunakan untuk mengklasifikasikan obyek atau kelompok misalnya jenis kelamin, pekerjaan, penghasilan, kelompok usia dan sebagainya. Misalnya jenis kelamin dibagi menjadi 2, laki-laki dan perempuan. Laki-laki disimbolkan dengan angka 1, dan perempuan dengan angka.
b. Ordinal biasanya berupa kategori sekaligus peringkat variabel yang diukur (mengandung informasi skala nominal ditambah peringkat relatif tertentu yang menunjukkan karakteristik yang lebih atau kurang). Misalnya pertanyaan dengan peringkat sangat setuju, setuju, cukup setuju, tidak setuju, dan sangat tidak setuju yang diberi simbol angka 5, 4, 3, 2, dan 1. Angka-angka tersebut merupakan skala Likert, tidak menunjukkan jumlah, hanya merupakan simbol peringkat.
c. Interval menyatakan kategori peringkat dan jarak construct. Skala ini memiliki karakter seperti nominal dan ordinal ditambah karakteristik lain yaitu interval yang tetap. Dalam skala interval juga dapat digunakan untuk operasi aritmatika misalnya penjumlahan atau perkalian. Misalnya pertanyaan menyangkut frekuensi, contoh: berapa kali melakukan kunjungan? 1 kali, 3 kali, dan 5 kali. Maka angka 1, 3, dan 5 merupakan angka sebenarnya dengan menggunakan interval 2.
d. Rasio yaitu pengukuran dalam bentuk perbandingan satu individu atau obyek tertentu dengan lainnya. Skala dengan rasio memiliki karakteristik yang dimiliki oleh semua tipe skala pengukuran yaitu nominal, ordinal, interval, dan rasio. Misalnya harga saham PT. A, atau pertanyaan: Budi memiliki berat 70 kg, sedangkan Ari 40 kg. Maka berat Budi dibanding berat Ari sebesar 1,75 dibanding 1.
Jika nominal/ordinal maka menggunakan statistik non parametrik, sedangkan jika data interval/rasio maka menggunakan statistik parametrik. Jika data interval/rasio maka perlu adanya uji normalitas dan homogenitas. Jika hasil datanya normal dan homogen maka menggunakan statistik parametrik, namun jika tidak normal dan homogen maka menggunakan statistik non parametrik.