Descriptive Statistics adalah koefisien informasi singkat yang merangkum kumpulan data tertentu, yang dapat berupa representasi seluruh populasi atau sampel suatu populasi. Descriptive Statistics dipecah menjadi ukuran tendensi sentral dan ukuran variabilitas (sebaran). Ukuran tendensi sentral meliputi mean, median, dan modus, sedangkan ukuran variabilitas meliputi simpangan baku, varians, variabel minimum dan maksimum, kurtosis, dan skewness.
Memahami Descriptive Statistics
Descriptive Statistics, singkatnya, membantu mendeskripsikan dan memahami fitur kumpulan data tertentu dengan memberikan ringkasan singkat tentang sampel dan ukuran data. Jenis Descriptive Statistics yang paling dikenal adalah ukuran pusat: mean, median, dan modus, yang digunakan di hampir semua tingkat matematika dan statistik. Rata-rata, atau rata-rata, dihitung dengan menjumlahkan semua angka dalam kumpulan data dan kemudian membaginya dengan jumlah angka dalam kumpulan tersebut.
Misalnya jumlah kumpulan data berikut adalah 20: (2, 3, 4, 5, 6). Rata-ratanya adalah 4 (20/5). Modus suatu kumpulan data adalah nilai yang paling sering muncul, dan median adalah angka yang terletak di tengah kumpulan data. Ini adalah angka yang memisahkan angka yang lebih tinggi dari angka yang lebih rendah dalam suatu kumpulan data. Namun, ada jenis Descriptive Statistics yang kurang umum dan masih sangat penting.
Orang-orang menggunakan Descriptive Statistics untuk menggunakan kembali wawasan kuantitatif yang sulit dipahami di seluruh kumpulan data besar menjadi deskripsi singkat. Indeks Prestasi Kumulatif (IPK) seorang siswa, misalnya, memberikan pemahaman yang baik tentang Descriptive Statistics. Ide dari IPK adalah mengambil poin data dari berbagai ujian, kelas, dan nilai, lalu menghitung rata-ratanya untuk memberikan pemahaman umum tentang kinerja akademik siswa secara keseluruhan. IPK pribadi seorang siswa mencerminkan prestasi akademik rata-rata mereka.
Jenis Descriptive Statistics
Semua Descriptive Statistics adalah ukuran tendensi sentral atau ukuran variabilitas, yang juga dikenal sebagai ukuran penyebaran.
Tendensi Sentral
Ukuran tendensi sentral berfokus pada nilai rata-rata atau nilai tengah kumpulan data, sedangkan ukuran variabilitas berfokus pada sebaran data. Kedua ukuran ini menggunakan grafik, tabel, dan diskusi umum untuk membantu masyarakat memahami makna data yang dianalisis.
Ukuran tendensi sentral menggambarkan posisi tengah suatu distribusi suatu kumpulan data. Seseorang menganalisis frekuensi setiap titik data dalam distribusi dan mendeskripsikannya menggunakan mean, median, atau mode, yang mengukur pola paling umum dari kumpulan data yang dianalisis.
Ukuran Variabilitas
Ukuran variabilitas (atau ukuran penyebaran) membantu menganalisis seberapa tersebarnya distribusi suatu kumpulan data. Misalnya, meskipun ukuran tendensi sentral dapat memberikan seseorang rata-rata suatu kumpulan data, hal ini tidak menjelaskan bagaimana data tersebut didistribusikan dalam kumpulan tersebut.
Jadi, meskipun rata-rata datanya mungkin 65 dari 100, masih terdapat titik data pada angka 1 dan 100. Ukuran variabilitas membantu mengomunikasikan hal ini dengan mendeskripsikan bentuk dan penyebaran kumpulan data. Rentang, kuartil, deviasi absolut, dan varians merupakan contoh ukuran variabilitas.
Perhatikan kumpulan data berikut: 5, 19, 24, 62, 91, 100. Kisaran kumpulan data tersebut adalah 95, yang dihitung dengan mengurangkan angka terendah (5) dalam kumpulan data tersebut dari angka tertinggi (100).
Distribusi
Distribusi (atau distribusi frekuensi) mengacu pada berapa kali suatu titik data muncul. Atau, ini adalah pengukuran titik data yang gagal terjadi. Pertimbangkan kumpulan data: laki-laki, laki-laki, perempuan, perempuan, perempuan, lainnya. Sebaran data ini dapat diklasifikasikan menjadi:
- Jumlah laki-laki dalam kumpulan data adalah 2.
- Jumlah perempuan dalam kumpulan data adalah 3.
- Jumlah individu yang diidentifikasi sebagai orang lain adalah 1.
- Jumlah yang bukan laki-laki adalah 4.
Univariat vs Bivariat
Dalam Descriptive Statistics, data univariat hanya menganalisis satu variabel. Ini digunakan untuk mengidentifikasi karakteristik suatu sifat dan tidak digunakan untuk menganalisis hubungan atau sebab-akibat apa pun.
Misalnya, bayangkan sebuah ruangan yang penuh dengan siswa sekolah menengah. Katakanlah Anda ingin mengumpulkan usia rata-rata individu di dalam ruangan. Data univariat ini hanya bergantung pada satu faktor: usia masing-masing orang. Dengan mengumpulkan satu informasi dari setiap orang dan membaginya dengan jumlah total orang, Anda dapat menentukan usia rata-rata.
Sebaliknya, data bivariat berupaya menghubungkan dua variabel dengan mencari korelasi. Dua jenis data dikumpulkan, dan hubungan antara dua informasi tersebut dianalisis bersama. Karena banyak variabel yang dianalisis, pendekatan ini juga dapat disebut sebagai multivariat.
Katakanlah setiap siswa sekolah menengah atas pada contoh di atas mengikuti tes penilaian perguruan tinggi, dan kita ingin melihat apakah siswa yang lebih tua mendapatkan hasil ujian yang lebih baik daripada siswa yang lebih muda. Selain mengumpulkan usia siswa, kami juga perlu mengumpulkan nilai ujian setiap siswa. Kemudian, dengan menggunakan analisis data, kami menggambarkan secara matematis atau grafis apakah terdapat hubungan antara usia siswa dan nilai ujian.
Descriptive Statistics vs. Inferential Statistics
Descriptive Statistics memiliki fungsi yang berbeda dengan Inferential Statistics, yaitu kumpulan data yang digunakan untuk mengambil keputusan atau menerapkan karakteristik dari satu kumpulan data ke kumpulan data lainnya. Bayangkan contoh lain di mana sebuah perusahaan menjual saus pedas. Perusahaan mengumpulkan data seperti jumlah penjualan, jumlah rata-rata pembelian per transaksi, dan rata-rata penjualan per hari dalam seminggu. Semua informasi ini bersifat deskriptif, karena menceritakan kisah tentang apa yang sebenarnya terjadi di masa lalu. Dalam hal ini, ini tidak digunakan selain sebagai informasi.
Katakanlah perusahaan yang sama ingin meluncurkan saus pedas baru. Ini mengumpulkan data penjualan yang sama di atas, namun menyusun informasi untuk membuat prediksi tentang penjualan saus pedas baru. Tindakan menggunakan Descriptive Statistics dan menerapkan karakteristik pada kumpulan data yang berbeda menjadikan kumpulan data tersebut Inferential Statistics. Kami tidak lagi sekedar merangkum data; kami menggunakannya untuk memprediksi apa yang akan terjadi pada kumpulan data yang sama sekali berbeda (produk saus pedas baru).
Kesimpulan
Descriptive Statistics mengacu pada analisis, ringkasan, dan komunikasi temuan yang menggambarkan kumpulan data. Seringkali tidak berguna untuk pengambilan keputusan, Descriptive Statistics masih memiliki nilai dalam menjelaskan ringkasan tingkat tinggi dari sekumpulan informasi seperti mean, median, mode, varians, range, dan jumlah informasi.
