Ringkasan Materi Statistika deskriptif/Summary of Descriptive Statistics Material

Statistika deskriptif adalah cabang statistik yang fokus pada penguraian, penyajian, dan interpretasi data mentah atau data mentah yang telah dikumpulkan dari penelitian atau survei. Tujuan utama statistika deskriptif adalah untuk memberikan gambaran tentang kumpulan data yang dikumpulkan, seperti rata-rata, median, modus, dan distribusi data. Statistika deskriptif juga membantu dalam mengidentifikasi pola, trend, dan aspek unik dari data tersebut.

Statistika deskriptif dibagi menjadi tiga jenis utama:

Penyajian Data : Menampilkan data mentah dalam bentuk yang lebih mudah dipahami, seperti tabel distribusi frekuensi dan grafik. Tabel distribusi frekuensi bisa berupa data tunggal atau data berkelompok.

Pemusatan Data : Menunjukkan posisi kelompok data yang mewakili keseluruhan data. Ini mencakup mean (rata-rata), modus (nilai yang paling sering muncul), dan median (nilai tengah dari data yang diurutkan).

Penyebaran Data : Menentukan sejauh mana data di sekitar distribusi, yang mencakup ukuran seperti simpangan rata-rata, ragam pusat (varian), dan simpangan baku.

Penerapan statistika deskriptif dalam penelitian yang melibatkan proses pengurutan data, penyajian data dalam bentuk tabel, diagram, atau grafik, penentuan ukuran pemusatan data, dan penentuan ukuran penyebaran data. Proses ini membantu peneliti dalam mendapatkan pemahaman yang lebih baik tentang kumpulan data mereka, yang pada akhirnya dapat digunakan untuk membuat kesimpulan dan rekomendasi berdasarkan data yang dikumpulkan.

Jenis-jenis data dalam konteks penelitian dapat dibagi menjadi beberapa kategori, tergantung pada sifat dan karakteristik data tersebut. Meskipun sumber yang diberikan fokus pada penelitian deskriptif, kategori data ini umumnya dapat diterapkan dalam berbagai jenis penelitian. Berikut adalah beberapa jenis data yang umum:

Data Kuantitatif : Data ini berbentuk angka dan dapat diukur. Contohnya termasuk umur, jenis kelamin, pendidikan, pekerjaan, status perkawinan, dan sosial ekonomi. Data kuantitatif sering digunakan dalam penelitian deskriptif untuk mendeskripsikan variabel-variabel utama subjek penelitian.

Data Kualitatif : Data ini berbentuk teks, gambar, atau suara yang tidak dapat diukur secara langsung. Data kualitatif digunakan untuk memahami dan menjelaskan fenomena, seperti perasaan, pandangan, atau pengalaman subjek penelitian.

Data Deskriptif : Data ini digunakan untuk mendeskripsikan karakteristik atau ciri-ciri dari suatu objek atau subjek. Contohnya termasuk statistik deskriptif seperti rata-rata, median, modus, dan standar deviasi. Data deskriptif sering digunakan dalam penelitian deskriptif untuk memberikan gambaran umum tentang kumpulan data.

Data Kepustakaan : Data ini diperoleh dari sumber-sumber seperti buku, jurnal, atau artikel ilmiah. Penelitian kepustakaan fokus pada pengkajian ulang teori yang sudah ada.

Data Komparatif : Data ini digunakan untuk membandingkan dua atau lebih perlakuan atau variabel. Tujuannya adalah untuk melihat perbedaan antara situasi, peristiwa, kegiatan, atau program.

Setiap jenis data memiliki penggunaan dan pendekatan analisis yang berbeda-beda, tergantung pada tujuan penelitian dan sifat data yang dianalisis.

Ukuran pemusatan data adalah ukuran yang menunjukkan pusat segugus data, yang telah diurutkan dari yang terkecil sampai yang terbesar atau sebaliknya. Ukuran ini sangat berguna untuk membandingkan dua populasi atau contoh karena sulit untuk membandingkan masing-masing anggota dari masing-masing populasi atau data contoh. Nilai ukuran pemusatan dibuat sedemikian rupa sehingga cukup mewakili seluruh nilai pada data yang bersangkutan.

Ukuran pemusatan yang paling banyak digunakan adalah:

Median : Nilai tengah dari data yang diurutkan. Median menunjukkan nilai di mana setengah data bernilai lebih kecil dan setengah lainnya bernilai lebih besar. Median sangat berguna dalam menentukan posisi tengah data, terutama ketika data memiliki distribusi yang tidak simetris.

Mean (Rata-rata) : Jumlah total dari semua nilai data dibagi dengan jumlah data. Rata-rata menunjukkan nilai pusat dari data, tetapi sangat dipengaruhi oleh nilai ekstrem.

Modus : Nilai yang paling sering muncul dalam data. Modus menunjukkan nilai yang paling umum dalam kumpulan data. Modus hanya dapat diterapkan dalam data dengan ukuran yang besar.

Selain itu, terdapat juga ukuran pemusatan yang lebih spesifik seperti kuartil dan desil, yang membagi data menjadi beberapa bagian yang sama banyak. Misalnya:

Kuartil : Membagi data menjadi empat bagian yang sama banyak, terdiri dari kuartil bawah (Q1), tengah (Q2), dan atas (Q3). Kuartil bawah adalah nilai di mana setengah data bernilai lebih kecil, kuartil tengah adalah nilai tengah dari data, dan kuartil atas adalah nilai di mana setengah data bernilai lebih besar.

Desil : Membagi data menjadi sepuluh bagian yang sama banyak.

Persentil : Membagi data menjadi seratus bagian yang sama banyak.

Ukuran pemusatan ini sangat penting dalam statistika deskriptif karena memberikan gambaran tentang distribusi data dan memungkinkan peneliti untuk melakukan perbandingan antara populasi atau contoh.

Ukuran penyebaran data mencakup berbagai ukuran yang menggambarkan sejauh mana data di sekitar pusat distribusi. Ukuran ini penting untuk memahami variasi atau ketidakpastian dalam kumpulan data. Ukuran penyebaran data dibagi menjadi tiga utama: simpangan rata-rata, ragam (varians), dan simpangan baku.

Simpangan Rata-rata: Merupakan selisih mutlak antara jumlah semua nilai data dan rata-ratanya. Ini menunjukkan seberapa jauh data secara keseluruhan dari pusat distribusi.

Ragam (Varians): Merupakan ukuran penyebaran suatu data yang menunjukkan seberapa jauh data-data dari pusat distribusi. Ragam mengukur sejauh mana data di sekitar rata-rata dan mencakup variasi semua nilai data.

Simpangan Baku: Adalah hasil pengakaran dari ragam. Simpangan baku juga mengukur penyebaran data, tetapi dengan menggunakan perhitungan yang memastikan hasilnya positif. Simpangan baku menunjukkan seberapa jauh data di sekitar rata-rata dalam suatu skala yang konsisten.

Ukuran penyebaran data ini sangat penting dalam statistika deskriptif karena memberikan gambaran tentang variasi dan ketidakpastian dalam kumpulan data. Pemahaman tentang ukuran penyebaran data dapat membantu peneliti dalam membuat kesimpulan tentang kumpulan data mereka, seperti menentukan apakah data tersebut stabil atau variatif, dan dalam menentukan metode statistik yang paling tepat untuk analisis lebih lanjut.

Grafik dan diagram adalah alat yang sangat penting dalam statistika deskriptif untuk memvisualisasikan dan menyajikan data. Mereka memungkinkan peneliti untuk melihat pola, tren, dan hubungan dalam data dengan cara yang lebih intuitif dan mudah dipahami. Berikut adalah beberapa jenis grafik dan diagram yang umum digunakan dalam statistika deskriptif:

Tabel Distribusi Frekuensi: Tabel ini digunakan untuk menunjukkan distribusi data tunggal atau berkelompok. Tabel distribusi frekuensi menampilkan jumlah kemunculan dari setiap nilai atau rentang nilai dalam data. Ini membantu dalam mengidentifikasi pola dan distribusi data.

Diagram Batang : Diagram batang digunakan untuk menampilkan data dalam bentuk batang yang tingginya mewakili frekuensi atau kuantitas dari setiap kategori. Diagram ini berguna untuk membandingkan frekuensi atau kuantitas antara berbagai kategori.

Diagram Lingkaran : Diagram lingkaran menampilkan data dalam bentuk lingkaran di mana setiap segmen lingkaran mewakili persentase dari total data. Diagram ini sering digunakan untuk menunjukkan proporsi atau persentase dari kategori dalam data.

Histogram : Histogram adalah jenis diagram batang yang digunakan untuk menampilkan distribusi data kontinu. Histogram membagi data menjadi interval atau kelas dan menampilkan frekuensi dari setiap kelas. Ini membantu dalam mengidentifikasi pola dan distribusi data numerik.

Box Plot : Box plot digunakan untuk menampilkan penyebaran data numerik dalam bentuk box yang dibatasi oleh kuartil. Box plot menampilkan median (nilai tengah), kuartil pertama dan kedua (Q1 dan Q2), dan kuartil ketiga dan kelima (Q3 dan Q4). Box plot juga menampilkan outlier (nilai yang jauh dari kuartil).

Grafik dan diagram ini memudahkan peneliti untuk memahami dan menginterpretasikan data mereka. Mereka memungkinkan peneliti untuk melihat pola, hubungan, dan variasi dalam data dengan cara yang visual, yang seringkali lebih efektif dibandingkan dengan mencoba untuk menganalisis data mentah secara langsung.

Secara keseluruhan, statistika deskriptif adalah alat yang sangat berguna dalam penelitian karena memudahkan analis untuk menyampaikan informasi tentang kumpulan data mereka secara efektif. Dengan memahami dan menerapkan statistika deskriptif, peneliti dapat mengidentifikasi pola, tren, dan karakteristik utama dari data mereka, yang pada akhirnya dapat membantu dalam membuat kesimpulan dan rekomendasi berdasarkan data yang dikumpulkan.

Descriptive statistics is a branch of statistics that focuses on the description, presentation and interpretation of raw data or raw data that has been collected from research or surveys. The main purpose of descriptive statistics is to provide an overview of the collected data set, such as the mean, median, mode, and distribution of data. Descriptive statistics also helps in identifying patterns, trends, and unique aspects of the data.

Descriptive statistics are divided into three main types:

Data Presentation: Displays raw data in a form that is easier to understand, such as frequency distribution tables and graphs. Frequency distribution tables can be single data or grouped data.

Data Centering: Shows the position of the data group that represents the entire data. These include the mean (average), mode (the most frequently occurring value), and median (the middle value of the sorted data).

Data Spread: Determines the extent of data around the distribution, which includes measures such as mean deviation, central variance (variance), and standard deviation.

The application of descriptive statistics in research involves the process of sorting data, presenting data in the form of tables, diagrams or graphs, determining the size of data concentration, and determining the size of data distribution. This process helps researchers gain a better understanding of their data set, which can ultimately be used to make conclusions and recommendations based on the data collected.

The types of data in the research context can be divided into several categories, depending on the nature and characteristics of the data. Although the resources provided focus on descriptive research, these data categories can generally be applied to a variety of types of research. Here are some common types of data:

Quantitative Data: This data is in the form of numbers and can be measured. Examples include age, gender, education, employment, marital status, and socioeconomic status. Quantitative data is often used in descriptive research to describe the main variables of the research subject.

Qualitative Data: This data is in the form of text, images, or sound that cannot be measured directly. Qualitative data is used to understand and explain phenomena, such as the feelings, views, or experiences of research subjects.

Descriptive Data: This data is used to describe the characteristics or features of an object or subject. Examples include descriptive statistics such as mean, median, mode, and standard deviation. Descriptive data is often used in descriptive research to provide a general overview of a data set.

Library Data: This data is obtained from sources such as books, journals, or scientific articles. Literature research focuses on reviewing existing theories.

Comparative Data: This data is used to compare two or more treatments or variables. The goal is to see the differences between situations, events, activities, or programs.

Each type of data has different uses and analysis approaches, depending on the research objectives and the nature of the data being analyzed.

Data centralization is a measure that shows the center of a group of data, which has been ordered from smallest to largest or vice versa. This measure is very useful for comparing two populations or samples because it is difficult to compare individual members of each population or sample data. The value of the centralization measure is created in such a way that it adequately represents all the values in the data concerned.

The most widely used centering measures are:

Median: The middle value of the sorted data. The median shows the value where half of the data is smaller and the other half is larger. Median is very useful in determining the middle position of data, especially when the data has an asymmetric distribution.

Mean (Average): The total number of all data values divided by the amount of data. The average indicates the central value of the data, but is strongly influenced by extreme values.

Mode: The value that appears most frequently in the data. The mode indicates the most common value in the data set. The mode can only be applied to large data sizes.

In addition, there are also more specific measures of centralization such as quartiles and deciles, which divide data into equal parts. For example:

Quartiles: Divides data into four equal parts, consisting of lower (Q1), middle (Q2), and upper (Q3) quartiles. The lower quartile is the value where half the data is smaller, the middle quartile is the middle value of the data, and the upper quartile is the value where half the data is larger.

Deciles: Divide data into ten equal parts.

Percentile: Divides data into one hundred equal parts.

This centrality measure is very important in descriptive statistics because it provides an overview of the distribution of data and allows researchers to make comparisons between populations or samples.

Measures of data dispersion include various measures that describe the extent of data around the center of distribution. This measure is important for understanding variation or uncertainty in a data set. Measures of data distribution are divided into three main ones: average deviation, variance and standard deviation.

Average Deviation: Is the absolute difference between the sum of all data values and the average. This shows how far the overall data is from the distribution center.

Variety (Variance): Is a measure of the spread of data which shows how far the data is from the center of distribution. The variance measures the degree to which the data is around the mean and includes the variation of all data values.

Standard Deviation: Is the result of rooting the variance. Standard deviation also measures the spread of data, but using a calculation that ensures the results are positive. Standard deviation shows how far the data is around the mean on a consistent scale.

This measure of data dispersion is very important in descriptive statistics because it provides an overview of the variation and uncertainty in the data set. Understanding the size of data dispersion can assist researchers in making conclusions about their data sets, such as determining whether the data are stable or variable, and in determining the most appropriate statistical methods for further analysis.

Graphs and diagrams are very important tools in descriptive statistics to visualize and present data. They allow researchers to see patterns, trends, and relationships in data in a more intuitive and easy to understand way. The following are several types of graphs and diagrams that are commonly used in descriptive statistics:

Frequency Distribution Table: This table is used to show the distribution of single or group data. A frequency distribution table displays the number of occurrences of each value or range of values in the data. It helps in identifying patterns and distribution of data.

Bar Chart: Bar charts are used to display data in the form of bars whose height represents the frequency or quantity of each category. This chart is useful for comparing frequency or quantity between different categories.

Pie Chart: Pie charts display data in the form of a circle where each segment of the circle represents a percentage of the total data. This diagram is often used to show the proportion or percentage of categories in data.

Histogram: A histogram is a type of bar chart used to display the distribution of continuous data. Histograms divide data into intervals or classes and display the frequency of each class. It helps in identifying patterns and distribution of numerical data.

Box Plot: Box plots are used to display the distribution of numerical data in the form of boxes bounded by quartiles. Box plot displays the median (middle value), first and second quartiles (Q1 and Q2), and third and fifth quartiles (Q3 and Q4). The box plot also displays outliers (values that are far from the quartile).

These graphs and diagrams make it easier for researchers to understand and interpret their data. They allow researchers to see patterns, relationships, and variations in data in a visual way, which is often more effective than trying to analyze raw data directly.

Overall, descriptive statistics is a very useful tool in research because it makes it easier for analysts to convey information about their data sets effectively. By understanding and applying descriptive statistics, researchers can identify patterns, trends, and key characteristics from their data, which can ultimately help in making conclusions and recommendations based on the data collected.

Referensi;

Reference;

http://infokom.umm.ac.id/files/file/Stat-Des_Rumus%20CT-DD.pdf

https://www.smartstat.info/materi/statistika/statistik-deskriptif/ukuran-penyebaran-measures-of-dispersion.html

https://geospasialis.com/statistika-deskriptif/

https://id.wikipedia.org/wiki/Ukuran_pemusatan_data

https://www.ruangguru.com/blog/menghitung-ukuran-pemusatan-data-mean-median-dan-modus

https://haloedukasi.com/statistik-deskriptif

https://www.zenius.net/blog/statistika-deskriptif

https://katadata.co.id/iftitah/berita/624689b762261/pengertian-penelitian-deskriptif-ciri-ciri-jenis-dan-pelaksanaannya

http://repository.uinsu.ac.id/4822/6/BAB%20III.pdf

----------------------------------------------------------------------------