Statistik deskriptif adalah landasan analisis data. Metode ini memberi peneliti alat yang diperlukan untuk memahami statistik yang ada. Ini menawarkan wawasan tentang karakteristik data, yaitu bagaimana kita dapat dengan mudah menafsirkan kumpulan data sampel yang besar.
Sederhananya, statistik deskriptif adalah jembatan antara data mentah dan kesimpulan penting. Ketika kita meringkas dan mengatur kumpulan data berdasarkan karakteristiknya, khususnya dalam penelitian kuantitatif, kita mempunyai sesuatu untuk dikerjakan, sesuatu yang nyata.
Jika Anda menangani banyak sekali data dari penelitian kualitatif, postingan ini akan membahas lebih dalam tentang cara kerja statistik deskriptif dan bagaimana Anda dapat melakukan analisis jenis ini.
Apa Itu Statistik Deskriptif?
Statistik deskriptif berbentuk koefisien. Kami menggunakan ini untuk meringkas kumpulan data, apakah itu mewakili sampel atau seluruh populasi. Saat kami menganalisis kumpulan besar data, kami memecah statistik deskriptif menjadi beberapa ukuran berbeda (variabilitas, tendensi sentral, dll.)
Sebelum kita mempelajari seluk-beluk statistik deskriptif, mari kita bahas sejenak tentang berbagai jenis analitik. Ada 4 kategori utama yang membuat proses analisis berhasil, dan masing-masing kategori menjawab pertanyaan berbeda:
- Analisis deskriptif – Apa yang terjadi?
- Analisis diagnostik – Mengapa hal itu terjadi?
- Analisis prediktif – Apa yang akan terjadi selanjutnya?
- Analisis preskriptif – Apa yang dapat kita lakukan untuk mewujudkannya?
Analisis data adalah proses yang panjang dan kompleks. Untuk mendapatkan data yang dapat ditindaklanjuti, kita perlu mengambil semua langkah yang diperlukan untuk menganalisisnya. Di satu sisi, ini mirip dengan pekerjaan dokter. Mereka mulai dengan memeriksa pasien. Mereka menggunakan informasi tersebut untuk mendiagnosis masalah yang menyebabkan gejala pasien. Kemudian, mereka memprediksi apa yang akan terjadi, yaitu bagaimana gejala berubah atau berkembang seiring berjalannya waktu. Setelah semua ini selesai, dokter meresepkan pengobatan.
Statistik deskriptif adalah titik awal perjalanan.
Mari kita gali lebih dalam tentang ini.
Analisis Deskriptif
Analisis deskriptif memberitahu kita apa yang terjadi atau apa yang sedang terjadi. Untuk melakukan hal ini, ia menggunakan teknik seperti menghitung statistik ringkasan atau menggambar visualisasi data.
Katakanlah Anda memiliki perusahaan dan menginginkan analisis pendapatan. Fase ini akan memberi tahu Anda tentang jumlah penjualan dalam periode yang dipilih (per hari, per bulan), variasi penjualan menurut toko, dan harga jual rata-rata.
Analisis Diagnostik
Setelah statistik deskriptif dibuat, Anda akan memiliki lebih banyak pertanyaan untuk dijawab. Anda harus tahu mengapa datanya apa adanya. Misalnya, jika ada penyimpangan dalam penjualan antar toko, bagian ini akan menunjukkan kepada Anda mengapa hal itu terjadi.
Pada titik ini, Anda dapat menghubungkan data dengan kemungkinan penyebab, membentuk hipotesis, dan menguji hubungan sebab-akibat.
Analisis Prediktif
Sekarang saatnya membuat prediksi. Analisis data memberi tahu Anda apa yang telah terjadi dan apa yang sedang terjadi saat ini. Dengan menggunakan itu, Anda dapat membuat prediksi tentang apa yang paling mungkin terjadi di masa depan.
Analisis Preskriptif
Terakhir, inilah saatnya mewujudkan prediksi dan rencana Anda. Pada titik ini, Anda harus memiliki gagasan tentang apa yang ingin Anda capai, sehingga Anda akan menemukan skenario yang memungkinkan untuk meningkatkan kinerja dan data bisnis Anda.
Contoh Statistik Deskriptif
Ketika Anda memiliki data kuantitatif, baik dari penelitian yang Anda perlukan untuk sekolah atau data untuk operasional perusahaan Anda – analisis deskriptif adalah langkah pertama yang harus diambil.
Contoh statistik deskriptif paling sederhana adalah IPK. Nilai rata-rata siswa mengambil poin data dari ujian, nilai, dan kelas, dan menemukan rata-rata untuk memahami kinerja akademik siswa secara keseluruhan.
Jenis Statistik Deskriptif
Ada 3 jenis statistik deskriptif yang perlu Anda ketahui:
- Ukuran tendensi sentral
- Ukuran distribusi
- Ukuran variabilitas
Mari kita bahas lebih lanjut tentang diferensiasi ini.
1. Ukuran Tendensi Sentral
Jenis analisis deskriptif ini berfokus pada nilai rata-rata atau tengah dari kumpulan data. Sebagai perbandingan, ukuran variabilitas berfokus pada penyebaran data.
Keduanya menggunakan tabel, grafik, dan diskusi yang bertujuan untuk membantu masyarakat memahami apa yang dimaksud dengan analisis data.
Saat kami menganalisis frekuensi setiap titik data, kami mendeskripsikannya menggunakan median, mean, dan mode. Inilah 3 cara mencari tendensi sentral, yaitu rata-rata.
Maksudnya
Juga ditandai sebagai M, ini adalah metode yang digunakan sebagian besar analis untuk mencari rata-rata.
Bagaimana cara menghitungnya?
Ambil semua nilai respons dan jumlahkan. Selanjutnya, bagilah jumlah tersebut dengan jumlah tanggapan.
Berikut ini contohnya:
Kumpulan data: 8, 5, 10, 4, 12, 6, 9
| Langkah 1: Temukan jumlah nilai respons | 8+5+10+4+12+6+9 |
| Langkah 2: Tentukan jumlah total tanggapan | N=7 |
| Langkah 3: Hitung meannya | M= Jumlah/N Rata-rata = 54/7= 7,71 |
Median
Median adalah nilai tengah, yaitu angka yang berada di tengah kumpulan data. Untuk menemukannya, Anda perlu mengurutkan setiap nilai respons berdasarkan ukuran – dari terkecil hingga terbesar. Mediannya berada di tengah.
Jika ada 2 angka di tengahnya, carilah mean dari 2 angka tersebut. Mari kita beri Anda sebuah contoh.
Kumpulan data: 3, 8, 2, 10, 5, 12
| Langkah 1: Susun data dalam urutan menaik | 2, 3, 5, 8, 10, 12 |
| Langkah 2: Temukan angka tengah (median) | 5 dan 8 |
| Langkah 3: Hitung mediannya | (5+8) / 2 = 13/ 2 = 6.5 |
Modus
Akhirnya, kami memiliki modenya. Perhatikan bahwa kumpulan data bisa tanpa mode. Ini bisa memiliki satu mode – atau lebih dari satu. Untuk menemukan nomor ini, Anda perlu mencari respons yang paling sering.
Mari kita ikuti langkah-langkahnya dengan contoh ini:
Kumpulan data: 5, 2, 7, 2, 9, 2, 4, 7
| Langkah 1: Susun data dalam urutan menaik (tidak wajib, tapi disarankan) | 2, 2, 2, 4, 5, 7, 7, 9 |
| Langkah 2: Temukan respons yang paling sering muncul | 2 |
2. Ukuran Distribusi
Saat kami mengukur distribusi, kami mengukur frekuensi setiap nilai. Setiap kumpulan data terdiri dari nilai atau skor – didistribusikan dengan cara tertentu. Baik Anda memilih tabel atau grafik, Anda dapat menggunakan statistik deskriptif untuk merangkum frekuensi nilai atau variabel apa pun dalam persentase – atau angka.
Kami menyebutnya distribusi frekuensi.
Untuk membantu Anda memahami hal ini dengan lebih baik, kami akan menunjukkan kepada Anda 2 cara menyajikan distribusi frekuensi – satu menggunakan angka dan satu lagi menggunakan persentase.
Dalam kasus pertama, responden dalam sebuah penelitian ditanyai apa warna favorit mereka.
| Warna kesukaan | Nomor |
| Merah | 56 |
| Biru | 89 |
| Hijau | 42 |
| Ungu | 16 |
Dalam tabel distribusi frekuensi yang dikelompokkan, Anda akan menemukan bahwa nilai respons numerik dikelompokkan ke dalam rentang dengan persentase yang dihitung untuk setiap kelompok.
| X Pembelian Produk pada tahun 2022 | Persen |
| 0-4 | 6% |
| 5-8 | 20% |
| 9-12 | 42% |
| 13+ | 32% |
Ukuran Variabilitas
Jenis statistik deskriptif yang ketiga adalah ukuran variabilitas. Tipe ini mengevaluasi nilai respons dan menunjukkan seberapa tersebarnya nilai tersebut. Saat kita mengukur variabilitas, kita melihat 3 hal:
- Jangkauan
- Perbedaan
- Deviasi standar
Rentang ini akan memberi tahu Anda seberapa jauh jarak skor respons tertinggi dan terendah. Berikut cara menghitungnya:
Kumpulan data: 10, 5, 15, 20, 25, 35, 30
Langkah 1: Susun data dalam urutan menaik 3, 10, 15, 20, 25, 30, 35
Langkah 2: Hitung rentang 35 – 5 = 30
Variansnya adalah derajat penyebaran kumpulan data Anda, yaitu rata-rata deviasi dari mean. Berikut cara menghitungnya:
Kumpulan data: 10, 20, 30, 40, 50
| Langkah 1: Hitung meannya | (10 + 20 + 30 + 40 + 50) / 5 = 150 / 5 = 30 |
| Langkah 2: Temukan deviasi mean | (10 – 30) = -20 (20 – 30) = -10 (30 – 30) = 0 (40 – 30) = 10 (50 – 30) = 20 |
| Langkah 3: Kuadratkan setiap deviasi | (-20)^2 = 400 (-10)^2 = 100 (0)^2 = 0 (10)^2 = 100 (20)^2 = 400 |
| Langkah 4: Hitung rata-rata deviasi kuadrat, yaitu varians | (400 + 100 + 0 + 100 + 400) / 5 = 1000 / 5 = 200 |
Deviasi standar adalah jumlah rata-rata variabilitas dalam suatu kumpulan data. Dengan kata lain, ini menunjukkan seberapa jauh skor tertentu dari mean. Jika deviasi standarnya lebih besar, kumpulan datanya lebih bervariasi.
Prosesnya berjalan seperti ini:
Kumpulan data: 5, 10, 15, 20, 25
| Langkah 1: Hitung meannya | (5 + 10 + 15 + 20 + 25) / 5 = 75 / 5 = 15 |
| Langkah 2: Temukan deviasi dari mean | (5 – 15) = -10 (10 – 15) = -5 (15 – 15) = 0 (20 – 15) = 5 (25 – 15) = 10 |
| Langkah 3: Kuadratkan deviasinya | (-10)^2 = 100 (-5)^2 = 25 (0)^2 = 0 (5)^2 = 25 (10)^2 = 100 |
| Langkah 4: Hitung rata-rata deviasi kuadrat, yaitu varians | (100 + 25 + 0 + 25 + 100) / 5 = 250 / 5 = 50 |
| Langkah 5: Hitung simpangan baku | Deviasi Standar = √Varians = √50 ≈ 7,07 |
Siap Melakukan Analisis?
Statistik deskriptif adalah langkah nomor satu dalam analisis data kuantitatif. Ini adalah inti, dasar yang mendasari setiap langkah lainnya. Sering digunakan untuk membuat ringkasan kumpulan informasi yang besar, ini adalah cara yang bagus untuk mendapatkan gambaran tentang apa yang diwakili oleh hasil Anda.