Buat Akun DQLab & Akses Kelas Data Science Python, R, SQL, Excel GRATIS!

Mengenal Analisis Statistik Deskriptif dalam Metode Statistik

Belajar Data Science di Rumah 21-Februari-2022
https://dqlab.id/files/dqlab/cache/cea2dbd540569ce4cfa37488a0ea971f_x_Thumbnail800.jpg

Statistika adalah cabang keilmuan yang membuat berbagai tools dan teknik analisis untuk menangani tingkat data yang sangat besar, dalam istilah sederhana itu adalah ilmu merakit, mengklasifikasikan, menganalisis dan menafsirkan dan memanifestasikan bentuk numerik data untuk membuat kesimpulan tentang populasi, dari data sampel yang dipilih yang dapat digunakan oleh para ahli bisnis untuk memecahkan masalah mereka. Oleh karena itu, dalam upaya untuk mengatur data dan mengantisipasi tren data di masa depan, banyak organisasi dan perusahaan yang sangat bergantung pada analisis statistik.  Pemilihan metode statistik yang tepat untuk analisis data kamu menyangkut pengumpulan data, interpretasi hingga presentasi sangatlah penting.


Hal ini dapat digunakan terutama ketika kamu menangani data untuk memecahkan masalah yang kompleks. Lebih tepatnya, analisis statistik memberikan signifikansi pada data atau angka yang tidak signifikan atau tidak relevan. Secara khusus, analisis statistik adalah proses mengkonsolidasikan dan menganalisis sampel data yang berbeda untuk membocorkan pola atau tren dan mengantisipasi peristiwa atau situasi di masa depan untuk membuat keputusan yang tepat. Terdapat jenis-jenis metode statistik salah satunya analisis statistik deskriptif yang akan kami bahas pada artikel di bawah ini.


1. Sekilas Tentang Analisis Statistik Deskriptif

statistik

Pada dasarnya, ini berkaitan dengan mengatur dan meringkas data menggunakan angka dan grafik. Ini memudahkan sejumlah besar data untuk interpretasi yang dapat dipahami bahkan tanpa membentuk kesimpulan di luar analisis atau menanggapi hipotesis apapun. Alih-alih memproses data dalam bentuk mentahnya, analisis statistik deskriptif sangat memungkinkan kamu untuk dapat mewakili dan menafsirkan data lebih efisien melalui perhitungan numerik, grafik atau tabel. Analisis statistik deskriptif melibatkan berbagai proses seperti tabulasi, mean, median, range, variasi, standar deviasi, hingga analisis deret waktu. 


Baca juga : Pengolahan Data Statistik Parametrik dan Non-Parametrik


2. Statistik Deskriptif VS Statistik Inferensial

Jika sebelumnya kita sama-sama sudah membahas tentang statistika deskriptif. Nah, ada lagi yang namanya statistika inferensial. Lalu apa sih bedanya? Jadi, statistik inferensial itu dilakukan dengan cara membuat kesimpulan tentang suatu populasi berdasarkan sampel yang terbatas. Proses ini berkaitan dengan proses pendugaan estimasi terhadap parameter. Selain itu, ruang lingkup statistika inferensial meliputi analisis korelasi, regresi, analisis varians, kovarians dan uji statistik lainnya. Untuk lebih jelasnya, mari kita simak gambar tabel dibawah ini untuk memahami perbedaan antara statistik deskriptif vs statistik inferensial.

statistik


3. Fungsi Statistik Deskriptif

Penerapan statistik deskriptif sangat penting karena jika kita hanya memunculkan data original yang kita miliki, informasi dan insight dari data tersebut pun cukup sulit didapatkan, terutama ketika kamu bekerja dengan data dalam jumlah besar. Dalam hal ini, statistika deskriptif memungkinkan kita untuk menampilkan data dengan lebih jelas dan bermakna, sehingga interpretasi terhadap data tersebut mudah dilakukan. Statistika deskriptif memiliki fungsi antara lain: 1) menyediakan informasi dasar tentang variabel dalam dataset; 2)menonjolkan potensi hubungan antar variabel.


Selain itu, dalam konteks data science dan machine learning, setelah kamu mendapatkan data, kamu tidak bisa menerapkan algoritma dan membuat prediksi begitu saja. Tentu, pertama kali kita perlu memahami data kamu miliki. Untuk itu penting memahami tahapan EDA (Exploratory Data Analysis). Pada EDA statistika deskriptif juga sangat membantu.


statistik


4. Contoh Penggunaan Statistika Deskriptif

Sebagai contoh penggunaan statistika deskriptif adalah untuk menyajikan data pelanggan dari sebuah perusahaan asuransi seperti, jenis kelamin, usia, pekerjaan mereka. Nah, untuk dapat menerapkan analisis menggunakan statistik deskriptif. Misal, ukuran frekuensi dapat digunakan untuk mengidentifikasi seberapa banyak pelanggan di bawah usia 30 tahun. Hal ini dapat dicapai dengan membuat tabel frekuensi, dan menyajikannya dalam bentuk diagram batang. Kemudian ukuran pemusatan atau tendensi sentral dapat digunakan untuk mengidentifikasi bagaimana karakteristik terbesar pelanggan mereka. Ukuran dispersi dapat digunakan untuk mengidentifikasi variasi, misalnya usia pelanggan. 


Baca juga : Yuk Pelajari Macam-Macam Metode Analisis Statistika


5. Belajar Metode Statistik dengan Python dan R Bersama DQLab, Yuk!

Belajar metode statistik merupakan langkah awal yang tepat untuk memulai karir sebagai seorang data scientist. Kini belajar otodidak bisa lebih terstruktur dan terarah bersama DQLab. Tanpa perlu takut overdosis informasi dan kamu tidak akan bingung dengan urusan waktu, karena dengan kursus data science online waktu belajar kamu bisa lebih fleksibel dan dapat diakses dimanapun dan kapanpun. 


Dengan materi-materi yang ditawarkan lengkap dan sesuai dengan kebutuhan industri, disusun oleh mentor-mentor yang kompeten di bidangnya dari perusahaan unicorn dan startup. Jadi, jangan khawatir, kamu bisa mulai kursus data science online bersama DQLab! Sign up sekarang di DQLab.id atau klik button dibawah ini untuk nikmati pengalaman belajar yang seru dan menyenangkan! 



Penulis: Rian Tineges

Editor: Annissa Widya Davita


Mulai Karier
sebagai Praktisi
Data Bersama
DQLab

Daftar sekarang dan ambil langkah
pertamamu untuk mengenal
Data Science.

Buat Akun


Atau

Sudah punya akun? Login