Istilah-Istilah dalam Metode Statistik Deskriptif

Mengenal apa itu metode statistik deskriptif beserta istilah-istilah yang kerap digunakan. Simak penjelasan lengkapnya dalam artikel berikut!

Bunga Dea Laraswati
Bunga Dea Laraswati

Table of Contents

Metode statistik deskriptif merupakan salah satu cara yang digunakan untuk menjelaskan data. Statistika sendiri merupakan salah satu cabang matematika yang membantu peneliti dalam mengumpulkan, mengatur, menafsirkan, hingga memvisualisasikan data. Nah, apa karakteristik dari metode statistik deskriptif? Mari simak penjelasannya berikut ini!

Apa Itu Metode Statistik Deskriptif?

Seperti namanya, statistik deskriptif merupakan suatu metode yang menggambarkan data. Metode ini adalah alat untuk mengumpulkan, mengatur, meringkas, menunjukkan, dan menganalisis sampel dari suatu populasi. Statistik deskriptif tidak bergantung pada teori probabilitas yang membuatnya berbeda dari metode statistik inferensial. Fungsinya adalah untuk mendapat pemahaman dan tampilan data yang lebih baik.

Metode statistik deskriptif sangat berharga karena akan sulit untuk membayangkan apa yang ditunjukkan jika data disajikan secara mentah, terutama jika jumlahnya banyak. Oleh karena itu, statistik deskriptif memungkinkan peneliti mengolah data dengan lebih bermakna dan membuatnya lebih mudah untuk diinterpretasikan.

15 Istilah dalam Statistik Deskriptif

Untuk memudahkan Anda memahami metode statistik deskriptif, berikut adalah beberapa istilah yang sering digunakan dalam metode statistik yang satu ini.

1. Statistik Deskriptif

Rangkaian alat statistik yang digunakan untuk meringkas kumpulan data secara kuantitatif. Fungsinya adalah untuk meringkas, membuatnya berbeda dari statistik inferensial yang lebih bersifat prediktif.

2. Populasi

Sesuai pengertiannya, populasi merupakan kumpulan individu yang mewakili kelompok minat tertentu. Pengertian ini sejalan dengan Kamus Besar Bahasa Indonesia (KBBI) yang mendefinisikan populasi sebagai sekelompok orang, benda, atau hal yang menjadi sumber pengambilan sampel; suatu kumpulan yang memenuhi syarat tertentu yang berkaitan dengan masalah penelitian.

3. Parameter

Nilai yang menggambarkan sebuah populasi. Katakanlah Anda ingin mengetahui rata-rata tinggi badan siswa di kelas 7A SMPN 1 yang berjumlah 40 orang. Hasil pengukuran atas 40 siswa tersebut dinamakan parameter tinggi badan siswa SMPN 1 kelas 7A.

4. Sampel

Istilah berikutnya adalah sampel, bagian terbatas dari populasi statistik yang karakteristiknya dipelajari untuk mendapatkan informasi tentang keseluruhan bagian dari populasi yang lebih besar.

5. Statistik

Nilai yang dihasilkan dari sampel (bagian kecil dari populasi). Katakanlah Anda ingin menghitung usia rata-rata rakyat Indonesia. Namun, karena jumlah rakyat Indonesia sangatlah banyak, kemudian diambil data 1 juta orang sebagai perwakilan. Nilai yang dihasilkan dari pengukuran 1 juta orang tersebut disebut statistik usia rakyat Indonesia.

6. Distribusi

Susunan data menurut nilai-nilai satu variabel secara berurutan, dari rendah ke tinggi.

7. Generalisasi

Kemampuan untuk menarik kesimpulan tentang karakteristik populasi secara keseluruhan berdasarkan hasil data yang dikumpulkan dari sampel.

8. Mean

Rata-rata atau nilai yang paling umum dalam kumpulan data.

9. Median

Nilai tengah dari kumpulan data yang muncul ketika diatur dalam urutan tertentu.

10. Modus

Nilai yang paling sering muncul dalam kumpulan nilai data.

11. Skew

Nilai skewness atau kemiringan merupakan ukuran asimetri atau distorsi distribusi simetris. Secara garis besar, ini mengukur penyimpangan distribusi yang diberikan dari variabel acak dari distribusi simetris, seperti distribusi normal. Distribusi normal berarti nilai skewness kosong karena simetris di kedua sisinya. Oleh karena itu, kurva dianggap miring jika digeser ke kanan atau ke kiri. Secara umum, dalam distribusi condong negatif, nilai mean cenderung lebih kecil dari median, sedangkan dalam distribusi condong positif, nilai mean cenderung lebih besar dari median.

12. Jangkauan

Perbedaan antara nilai maksimum dan minimum dari suatu distribusi. Merupakan salah satu ukuran dispersi yang paling penting.

13. Standar deviasi atau simpangan baku

Standar deviasi (σ), yakni menghitung ukuran persebaran data dalam kaitannya dengan nilai mean. Standar deviasi rendah berarti data mengelompok di sekitar rata-rata. Sementara standar deviasi tinggi menunjukkan data lebih tersebar.

14. Varians

Varians adalah rata-rata statistik dari dispersi skor dalam suatu distribusi yang berarti ukuran seberapa jauh sekumpulan angka menyebar dari nilai rata-ratanya. Varians jarang digunakan sendiri, tetapi dapat menjadi perhitungan yang berguna dalam perjalanan menuju pengukuran statistik yang lebih deskriptif, seperti standar deviasi, inferensi statistik, dan pengujian hipotesis. Meski begitu, varians memiliki peran sentral dalam statistik.

15. Rentang interkuartil

Rentang interkuartil atau IQR merupakan selisih antara skor yang menggambarkan persentil ke-75 dan persentil ke-25 dari kuartil ketiga dan kuartil pertama.

Kesimpulan

Jika disimpulkan, metode statistik deskriptif merangkum dan menggambarkan karakteristik dari kumpulan data. Metode ini merupakan cara untuk mengumpulkan, mengorganisasikan, meringkas, menunjukkan, dan menganalisis sampel dari suatu populasi.

Tertarik untuk mempelajari lebih jauh tentang metode statistik deskriptif atau topik lain yang masih ada dalam bidang data science? Algoritma Data Science School menghadirkan kelas data science dengan metodologi belajar berbasis proyek untuk mempelajari data science dan membangun model prediktif yang dapat digunakan untuk memecahkan masalah modern. Untuk informasi lengkap mengenai pendaftaran dan kelas yang ditawarkan, silakan klik di sini!

Referensi:

  • KDnuggets - Descriptive Statistics Key Terms, Explained (diakses pada 30 Juni 2022)
  • Dummies - Terminology Used in Statistics (diakses pada 30 Juni 2022)
  • Investopedia - Descriptive Statistics Definition (diakses pada 30 Juni 2022)

Get Free Learning Resources

* indicates required
Insights

Bunga Dea Laraswati

Sr. Writer Algoritma Data Science School