Statistik deskriptif
Rata-rata, simpangan baku, nilai terendah dan tertinggi, distribusi frekuensi, dan grafiknya.
Untuk apa dipakai
- Menggambarkan data saya
Data yang dibutuhkan
Minimal satu kolom angka atau kategori.
Unggah file Excel (.xlsx) atau CSV. Aplikasi memeriksa kecocokan data dengan metode sebelum analisis dijalankan, dan token tidak terpotong bila analisis gagal.
Cara membaca hasilnya
Gambaran umum data: pusat, sebaran, dan nilai terendah serta tertinggi.
- Rata-rata dan median
- Nilai tengah data. Bila keduanya jauh berbeda, data miring atau ada nilai ekstrem; median lebih mewakili.
- Simpangan baku (SD)
- Seberapa menyebar data dari rata-ratanya. Kecil berarti seragam, besar berarti beragam.
- Minimum dan maksimum
- Periksa apakah masuk akal. Nilai di luar kewajaran biasanya salah input.
- Jumlah data per variabel
- Bila lebih kecil dari jumlah responden, ada data kosong.
Perlu diwaspadai
- Rata-rata saja menyesatkan bila ada nilai ekstrem.
Bantuan — proses & rumus
Tahap komputasi yang dijalankan OlahData untuk metode ini, lengkap dengan rumus dan rujukannya.
Setiap kolom diperiksa: bila minimal 90% isinya berupa angka, kolom itu diperlakukan sebagai variabel angka dan dihitung statistik pemusatan-penyebarannya; sisanya diperlakukan sebagai kategori dan hanya dihitung distribusi frekuensinya.
Untuk setiap variabel angka dihitung rata-rata, median, simpangan baku, nilai minimum dan maksimum, serta skewness dan kurtosis (kurtosis dilaporkan sebagai excess kurtosis, seperti pada SPSS).
rata-rata = Σx / n
simpangan baku = akar(Σ(x − rata-rata)² / (n − 1))
Skewness dan kurtosis dibandingkan dengan batas umum |skewness| ≤ 3 dan |kurtosis| ≤ 10 (Kline, 2016); nilai di luar batas ini ditandai sebagai penyimpangan ekstrem dari bentuk normal.
Variabel dengan 15 nilai berbeda atau kurang ditampilkan sebagai tabel frekuensi dan diagram batang; variabel angka dengan 11 nilai berbeda atau lebih ditampilkan sebagai histogram (lebar kelas dihitung otomatis dari jumlah data).
| Ukuran | Ambang batas | Rujukan |
|---|---|---|
| |Skewness| | ≤ 3 dianggap tidak ekstrem | Kline (2016) |
| |Kurtosis| (excess) | ≤ 10 dianggap tidak ekstrem | Kline (2016) |
- Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th ed.). SAGE Publications.
- Kline, R. B. (2016). Principles and practice of structural equation modeling (4th ed.). Guilford Press.
- Sugiyono. (2019). Metode penelitian kuantitatif, kualitatif, dan R&D. Alfabeta.
Field (2018); Kline (2016)
Contoh hasil
Contoh hasil dengan data fiktif untuk metode ini sedang disiapkan.
Cuplikan persiapan sidang
Contoh pertanyaan yang lazim diajukan penguji untuk metode ini.
Mengapa perlu statistik deskriptif sebelum uji lain?
Untuk mengenali data: pusat, sebaran, nilai ekstrem, dan data kosong. Dari sini terlihat apakah ada kesalahan input atau data yang tidak wajar sebelum masuk ke uji inferensial.
Apa beda rata-rata, median, dan modus? Kapan memilih salah satunya?
Rata-rata adalah nilai tengah hitung, median adalah nilai di posisi tengah, modus adalah nilai yang paling sering muncul. Bila data miring atau ada nilai ekstrem, median lebih mewakili; untuk data kategori dipakai modus.
Daftar lengkap tersedia di halaman hasil untuk proyek berjenjang S1, S2, atau S3.
Ingin mencoba dengan data Anda?
Hasilnya disertai tabel, grafik, narasi, dan penjelasan prosesnya.