# Statistik Deskriptif: Definisi, Jenis, dan Contoh *English: Descriptive Statistics: Definition, Overview, Types, and Examples* > Pelajari statistik deskriptif: ringkasan data, jenis (tendensi sentral, variabilitas), dan contohnya untuk memahami dataset. **Definisi:** Statistik deskriptif adalah ringkasan singkat dari kumpulan data yang menggambarkan fitur-fiturnya tanpa membuat prediksi atau kesimpulan di luar data itu sendiri. **URL:** https://invespedia.belajarforex.co.id/d/descriptive_statistics --- ## Statistik Deskriptif: Definisi, Tinjauan, Jenis, dan Contoh ### Poin Penting ## Apa Itu Statistik Deskriptif? Statistik deskriptif adalah ringkasan singkat dari kumpulan data, baik itu representasi dari seluruh populasi atau sampel dari populasi, dan tidak berusaha membuat prediksi atau menarik kesimpulan di luar data itu sendiri. Statistik deskriptif dibagi menjadi ukuran tendensi sentral dan ukuran variabilitas (sebaran). Ukuran tendensi sentral meliputi mean, median, dan mode, sedangkan ukuran variabilitas meliputi standard deviation, variance, nilai minimum dan maksimum, kurtosis, dan skewness. Jessica Olah / Investopedia ## Memahami Statistik Deskriptif Statistik deskriptif membantu menggambarkan dan menjelaskan fitur-fitur dari kumpulan data tertentu dengan memberikan ringkasan singkat tentang sampel dan ukuran data. Statistik deskriptif yang paling umum digunakan adalah ukuran pusat. Misalnya, mean, median, dan mode, yang digunakan di hampir semua tingkatan matematika dan statistik, digunakan untuk menggambarkan kumpulan data. Mean, atau rata-rata, dihitung dengan menjumlahkan semua angka dalam kumpulan data lalu membaginya dengan jumlah angka dalam kumpulan tersebut. Mode dari kumpulan data adalah nilai yang paling sering muncul, dan median adalah nilai yang terletak di tengah kumpulan data. Ini adalah angka yang memisahkan angka yang lebih tinggi dari angka yang lebih rendah dalam kumpulan data. Namun, ada jenis statistik deskriptif yang kurang umum namun tetap sangat penting. Misalnya, jumlah dari kumpulan data berikut adalah 20: (2, 2, 3, 5, 8). Mean adalah 4 (20/5). Modus adalah 2. Median adalah 3. Orang menggunakan statistik deskriptif untuk mengubah wawasan kuantitatif yang sulit dipahami dari kumpulan data besar menjadi deskripsi yang mudah dicerna. ### Penting Di banyak bidang, statistik deskriptif sering disajikan secara visual menggunakan scatter plot, histogram, grafik garis, atau diagram stem-and-leaf. ## Jenis Statistik Deskriptif Semua statistik deskriptif adalah ukuran tendensi sentral atau ukuran variabilitas, yang juga dikenal sebagai ukuran dispersi. ### Tendensi Sentral Ukuran tendensi sentral menggambarkan pusat kumpulan data. Ini mengukur apa yang tipikal dan dapat direpresentasikan oleh mean, mode, atau median, tergantung pada kemiringan nilai-nilai tersebut. Tendensi sentral membantu mengidentifikasi apa yang tipikal dalam kumpulan data. ### Ukuran Variabilitas Ukuran variabilitas (atau ukuran sebaran) membantu dalam menganalisis seberapa tersebar distribusi untuk kumpulan data. Misalnya, sementara ukuran tendensi sentral dapat memberikan seseorang rata-rata kumpulan data, itu tidak menggambarkan bagaimana data didistribusikan dalam kumpulan tersebut. Jadi, meskipun rata-rata data mungkin 65 dari 100, masih bisa ada titik data di 1 dan 100. Ukuran variabilitas membantu mengkomunikasikan hal ini dengan menggambarkan bentuk dan sebaran kumpulan data. Range, kuartil, deviasi absolut, dan variance semuanya adalah contoh ukuran variabilitas. Pertimbangkan kumpulan data berikut: 5, 19, 24, 62, 91, 100. Rentang kumpulan data tersebut adalah 95, dihitung dengan mengurangkan angka terendah (5) dari angka tertinggi (100). ### Distribusi Distribusi frekuensi menggambarkan seberapa sering nilai-nilai muncul dalam kumpulan data. Alternatifnya, bisa juga berapa kali suatu titik data gagal muncul. Pertimbangkan kumpulan data ini: pria, pria, wanita, wanita, wanita, lain-lain. Distribusi data ini dapat diklasifikasikan sebagai: ## Univariat vs. Bivariat Dalam statistik deskriptif, data univariat menganalisis hanya satu variabel. Ini digunakan untuk mengidentifikasi karakteristik dari satu sifat dan tidak digunakan untuk menganalisis hubungan atau kausalitas apa pun. Misalnya, bayangkan sebuah ruangan penuh dengan siswa sekolah menengah. Katakanlah Anda ingin mengumpulkan usia rata-rata individu di ruangan itu. Data univariat ini hanya bergantung pada satu faktor: usia setiap orang. Dengan mengumpulkan satu informasi ini dari setiap orang dan membaginya dengan jumlah total orang, Anda dapat menentukan usia rata-rata. Sebaliknya, data bivariat mencoba menghubungkan dua variabel dengan mencari korelasi. Dua jenis data dikumpulkan, dan hubungan antara kedua informasi tersebut dianalisis bersama. Karena dua variabel dianalisis, pendekatan ini disebut analisis bivariat. Ketika lebih dari dua variabel dianalisis, itu disebut analisis multivariat. Mari kita katakan setiap siswa sekolah menengah dalam contoh di atas mengikuti tes penilaian perguruan tinggi, dan kita ingin melihat apakah siswa yang lebih tua mendapat nilai lebih baik daripada siswa yang lebih muda. Selain mengumpulkan usia siswa, kita perlu mengetahui skor tes setiap siswa. Kemudian, menggunakan analisis data, kita secara matematis atau grafis menggambarkan apakah ada hubungan antara usia siswa dan skor tes. ### Fakta Cepat Menyiapkan dan melaporkan laporan keuangan adalah contoh statistik deskriptif. Menganalisis informasi keuangan tersebut untuk membuat keputusan di masa depan adalah statistik inferensial. ## Statistik Deskriptif dan Visualisasi Salah satu aspek penting dari statistik deskriptif adalah representasi grafis. Memvisualisasikan distribusi data secara efektif bisa sangat kuat, dan ini dilakukan dalam beberapa cara. Histogram mirip dengan diagram batang untuk angka. Ini mengelompokkan data ke dalam rentang (disebut bin) dan menggunakan batang untuk menunjukkan jumlah nilai yang masuk ke dalam setiap rentang. Representasi batang memudahkan untuk melihat bentuk keseluruhan data dan dengan cepat memastikan apakah nilai-nilai tersebut terkonsentrasi di tengah, tersebar, atau miring ke satu sisi. Boxplot (juga dikenal sebagai box-and-whisker plot) memberikan gambaran cepat tentang sebaran data. Ini menampilkan median (nilai tengah), kuartil (yang membagi data menjadi empat bagian), dan setiap outlier yang jauh dari yang lain. Boxplot sangat berguna ketika Anda ingin membandingkan beberapa kelompok berdampingan untuk melihat bagaimana distribusi mereka berbeda. ## Statistik Deskriptif dan Outlier Setiap kali statistik deskriptif dibahas, penting untuk mencatat outlier. Outlier adalah titik data yang berbeda secara signifikan dari observasi lain dalam kumpulan data. Ini bisa berupa kesalahan, anomali, atau kejadian langka dalam data. Mendeteksi dan mengelola outlier adalah langkah dalam statistik deskriptif untuk memastikan analisis data yang akurat dan andal. Untuk mengidentifikasi outlier, Anda dapat menggunakan teknik grafis (seperti boxplot atau scatter plot) atau metode statistik (seperti Z-score atau metode IQR). Pendekatan ini membantu menunjukkan observasi yang menyimpang secara substansial dari pola keseluruhan data. Kehadiran outlier dapat berdampak signifikan pada statistik deskriptif, memiringkan hasil dan memengaruhi interpretasi data. Outlier dapat memengaruhi ukuran tendensi sentral secara tidak proporsional, seperti mean, menariknya ke arah nilai ekstrem mereka. Misalnya, kumpulan data (1, 1, 1, 997) adalah 250, meskipun itu hampir tidak mewakili kumpulan data. Distorsi ini dapat menyebabkan kesimpulan yang menyesatkan tentang perilaku tipikal kumpulan data. Bergantung pada konteksnya, outlier sering kali dapat ditangani dengan menghapusnya (jika itu benar-benar keliru atau tidak relevan). Alternatifnya, outlier mungkin berisi informasi penting dan harus disimpan karena nilai yang dapat mereka tunjukkan. Saat Anda menganalisis data Anda, pertimbangkan relevansi apa yang dapat disumbangkan oleh outlier dan apakah lebih masuk akal untuk menghapus titik data tersebut dari perhitungan statistik deskriptif Anda. ## Statistik Deskriptif vs. Statistik Inferensial Statistik deskriptif memiliki fungsi yang berbeda dari statistik inferensial, yaitu kumpulan data yang digunakan untuk membuat 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 yang dibeli 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 kasus ini, itu tidak digunakan di luar sebagai informasi. Sekarang, katakanlah perusahaan ingin meluncurkan saus pedas baru. Perusahaan mengumpulkan data penjualan yang sama seperti di atas, tetapi menggunakannya untuk membuat prediksi tentang berapa penjualan saus pedas baru tersebut. Tindakan menggunakan statistik deskriptif dan menerapkan karakteristik ke kumpulan data yang berbeda menjadikan kumpulan data tersebut sebagai statistik inferensial. Kita tidak lagi hanya meringkas data; kita menggunakannya untuk memprediksi apa yang akan terjadi mengenai badan data yang sama sekali berbeda (dalam hal ini, produk saus pedas baru). ## Jelaskan Seperti Saya Berusia 5 Tahun Nilai rata-rata siswa (GPA) adalah contoh sederhana dari statistik deskriptif. Ini mengambil banyak nilai individu dan menggabungkannya menjadi satu angka yang merangkum kinerja akademik secara keseluruhan. ## Apa yang Dilakukan Statistik Deskriptif? Statistik deskriptif adalah cara untuk menggambarkan fitur-fitur dari kumpulan data dengan menghasilkan ringkasan tentang sampel data. Misalnya, sensus penduduk dapat mencakup statistik deskriptif mengenai rasio pria dan wanita di kota tertentu. ## Apa Contoh Statistik Deskriptif? Sebagai rekap musim Major League Baseball, misalnya, statistik deskriptif dapat mencakup rata-rata pukulan tim, jumlah run yang diterima per tim, dan rata-rata kemenangan per divisi. ## Apa Tujuan Utama Statistik Deskriptif? Tujuan utama statistik deskriptif adalah untuk memberikan informasi tentang kumpulan data. Dalam contoh di atas, ada puluhan tim bisbol, ratusan pemain, dan ribuan pertandingan. Statistik deskriptif meringkas sejumlah besar data menjadi informasi yang berguna. ## Apa Saja Jenis Statistik Deskriptif? Tiga jenis utama statistik deskriptif adalah distribusi frekuensi, tendensi sentral, dan variabilitas kumpulan data. Distribusi frekuensi mencatat seberapa sering data muncul, tendensi sentral mencatat titik pusat distribusi data, dan variabilitas kumpulan data mencatat tingkat dispersinya. ## Bisakah Statistik Deskriptif Digunakan untuk Membuat Inferensi atau Prediksi? Secara teknis, statistik deskriptif hanya berfungsi untuk membantu memahami atribut data historis. Statistik inferensial, cabang statistik yang terpisah, digunakan untuk memahami bagaimana variabel berinteraksi satu sama lain dalam kumpulan data dan mungkin memprediksi apa yang mungkin terjadi di masa depan. ## Intinya Statistik deskriptif mengacu pada analisis, ringkasan, dan komunikasi temuan yang menggambarkan kumpulan data. Meskipun tidak sering digunakan dalam pengambilan keputusan, statistik deskriptif memberikan gambaran data yang jelas dan tingkat tinggi, seperti mean, median, mode, variance, range, dan jumlah informasi. ## FAQ **Apa perbedaan utama antara statistik deskriptif dan statistik inferensial?** Statistik deskriptif digunakan untuk meringkas dan menggambarkan fitur-fitur dari kumpulan data yang ada, sementara statistik inferensial digunakan untuk membuat prediksi atau menarik kesimpulan tentang populasi yang lebih besar berdasarkan sampel data. **Apa saja contoh umum dari ukuran tendensi sentral?** Contoh umum dari ukuran tendensi sentral adalah mean (rata-rata), median (nilai tengah), dan mode (nilai yang paling sering muncul). **Bagaimana ukuran variabilitas membantu dalam analisis data?** Ukuran variabilitas membantu memahami seberapa tersebar atau terkonsentrasi data dalam suatu kumpulan data, memberikan gambaran tentang bentuk dan sebaran data di luar nilai pusatnya. **Mengapa outlier penting dalam statistik deskriptif?** Outlier adalah titik data yang sangat berbeda dari yang lain dan dapat secara signifikan memengaruhi hasil statistik deskriptif, seperti mean, sehingga penting untuk mendeteksi dan mengelolanya untuk analisis yang akurat. **Bagaimana visualisasi data membantu statistik deskriptif?** Visualisasi data seperti histogram dan boxplot membantu menyajikan statistik deskriptif secara grafis, membuatnya lebih mudah untuk memahami bentuk, sebaran, dan pola dalam kumpulan data.