Statistik Deskriptif: Pengertian, Ukuran, dan Cara Melaporkannya

Statistik deskriptif adalah cara meringkas dan menyajikan data agar karakteristiknya mudah dipahami. Statistik deskriptif hanya menggambarkan data yang ada, tanpa menarik kesimpulan untuk populasi.

Hampir setiap Bab 4 dibuka dengan statistik deskriptif. Bagian ini kelihatan sederhana, tetapi sering memancing pertanyaan penguji: “Kenapa memakai mean, bukan median?” atau “Apa bedanya simpangan baku dan standard error?” Artikel ini membahas jawabannya dengan bahasa yang mudah.

Artikel ini bagian dari seri Materi Statistik IDTesis. Posisi statistik deskriptif di antara metode lain dijelaskan di artikel metode analisis data.

Statistik Deskriptif dan Statistik Inferensial

Statistik deskriptif menjawab pertanyaan “seperti apa data saya?” Statistik inferensial menjawab pertanyaan “apakah temuan ini berlaku untuk populasi?” Keduanya saling melengkapi. Statistik deskriptif juga dipakai untuk memeriksa data sebelum uji inferensial, misalnya lewat uji normalitas.

Parameter dan Statistik

Dua istilah ini sering tertukar:

• Parameter adalah ukuran untuk populasi. Contohnya rata-rata populasi (?) dan simpangan baku populasi (?).
• Statistik adalah ukuran untuk sampel. Contohnya rata-rata sampel (x?) dan simpangan baku sampel (s).

Karena skripsi dan tesis hampir selalu memakai sampel, angka yang dilaporkan adalah statistik.

Ukuran Pemusatan: Mean, Median, dan Modus

Jenis data menentukan ukuran yang boleh dipakai. Penjelasannya ada di artikel skala pengukuran.

Pada data simetris, ketiganya berada di titik yang sama. Pada data miring ke kanan, misalnya pendapatan, mean tertarik ke arah ekor dan menjadi lebih besar daripada median. Karena itu, median lebih menggambarkan nilai “tipikal” pada data seperti ini.

Ukuran Sebaran

Ukuran pemusatan saja tidak cukup. Dua kelas bisa punya rata-rata nilai yang sama, tetapi sebarannya sangat berbeda.

• Range (jangkauan): nilai terbesar dikurangi nilai terkecil. Mudah dihitung, tetapi hanya memakai dua nilai.
• Varians sampel: rata-rata kuadrat jarak setiap nilai dari mean.

Pembaginya n ? 1, bukan n. Alasannya, varians sampel dipakai untuk menaksir varians populasi. Pembagi n ? 1 membuat taksiran itu tidak cenderung terlalu kecil.

• Simpangan baku (s): akar dari varians. Satuannya sama dengan data asli, sehingga lebih mudah ditafsirkan.
• Rentang antarkuartil (IQR): Q3 dikurangi Q1, yaitu sebaran 50% data di bagian tengah. Cocok untuk data miring.
• Koefisien variasi (CV): simpangan baku dibagi mean, dikali 100%. Dipakai untuk membandingkan sebaran data yang satuannya berbeda.

Ukuran Bentuk Distribusi

• Skewness (kemiringan) menunjukkan ketidaksimetrisan. Nilai positif berarti ekor memanjang ke kanan, dan nilai negatif berarti ekor memanjang ke kiri.
• Kurtosis (keruncingan) menunjukkan seberapa tebal ekor distribusi dibanding distribusi normal. SPSS menampilkan kurtosis yang bernilai 0 untuk distribusi normal.

Batas nilai skewness dan kurtosis untuk menilai normalitas dibahas di artikel uji normalitas.

Menyajikan Data Secara Visual

• Tabel distribusi frekuensi dan diagram batang untuk data kategori.
• Tabel silang (crosstab) untuk melihat dua variabel kategori sekaligus.
• Histogram untuk melihat bentuk distribusi data metrik.
• Boxplot untuk meringkas median, sebaran, dan nilai ekstrem dalam satu gambar.

Titik di luar whisker menandai nilai ekstrem. Cara menanganinya dibahas di artikel data outlier.

Langkah Statistik Deskriptif di SPSS

• Analyze ? Descriptive Statistics ? Frequencies: untuk data kategori seperti jenis kelamin atau pendidikan. Hasilnya berupa tabel frekuensi dan persentase.
• Analyze ? Descriptive Statistics ? Descriptives: untuk data metrik. Klik Options untuk memilih mean, simpangan baku, minimum, maksimum, skewness, dan kurtosis.
• Analyze ? Descriptive Statistics ? Explore: untuk median, IQR, boxplot, dan uji normalitas sekaligus.

Contoh Hasil dan Cara Melaporkannya

Contoh tabel (angka ilustrasi, n = 120, skor rata-rata butir Likert 1–5):

Kategori dihitung dengan panjang kelas yang dijelaskan di artikel skala Likert.

Aturan pelaporan yang lazim:

• Data yang kurang lebih simetris dilaporkan sebagai mean dan simpangan baku, misalnya M = 3,87; SD = 0,62.
• Data yang miring dilaporkan sebagai median dan IQR.
• Jumlah angka desimal dibuat konsisten di seluruh tabel.

Rata-rata skor motivasi kerja sebesar 3,87 (SD = 0,62) dan termasuk kategori tinggi. Artinya, sebagian besar karyawan merasa memiliki dorongan yang kuat untuk bekerja dengan baik. Simpangan baku yang relatif kecil menunjukkan jawaban responden cukup seragam.

Menafsirkan angka deskriptif agar tidak sekadar mengulang tabel memang butuh latihan. Kalau Anda ingin tafsiran Bab 4 diperiksa sebelum bimbingan, tim IDTesis bisa membantu.

Kesalahan yang Sering Terjadi

• Menghitung mean untuk data nominal, misalnya rata-rata jenis kelamin.
• Melaporkan mean tanpa simpangan baku, sehingga sebaran data tidak terlihat.
• Tertukar antara simpangan baku dan standard error. Simpangan baku menggambarkan sebaran data. Standard error (simpangan baku dibagi ?n) menggambarkan ketepatan taksiran rata-rata (Altman & Bland, 2005).
• Tabel deskriptif yang hanya diulang dalam kalimat, tanpa tafsiran makna.

Pertanyaan yang Sering Diajukan

Kapan memakai median, bukan mean?

Pakai median jika data ordinal, sangat miring, atau punya nilai ekstrem yang nyata. Contohnya data pendapatan, lama rawat inap, atau jumlah transaksi.

Apa beda simpangan baku dan standard error?

Simpangan baku menunjukkan seberapa jauh data menyebar dari rata-rata. Standard error menunjukkan seberapa tepat rata-rata sampel menaksir rata-rata populasi, dan nilainya makin kecil jika sampel makin besar.

Apakah statistik deskriptif saja cukup untuk skripsi?

Cukup, jika tujuan penelitiannya memang deskriptif, misalnya menggambarkan tingkat kepuasan pasien. Jika rumusan masalahnya tentang pengaruh atau perbedaan, analisis inferensial tetap diperlukan.

Mengapa varians dibagi n ? 1?

Karena rata-rata yang dipakai juga dihitung dari sampel yang sama. Pembagi n ? 1 mengoreksi kecenderungan varians sampel menjadi terlalu kecil.

Bila Anda memerlukan pendampingan menentukan instrumen atau menyusun kerangka konsep, layanan bimbingan penulisan IDTESIS siap membantu.

Butuh Teman Diskusi untuk Olah Data?

Masih ragu menyajikan dan menafsirkan statistik deskriptif penelitian Anda? Tim IDTesis bisa menemani Anda mengolah data, memilih ukuran yang tepat, dan menjelaskan hasilnya dengan bahasa sederhana. Ceritakan dulu kebutuhan Anda lewat WhatsApp, atau lihat layanan olah data statistik.

Baca juga: Uji Normalitas · Skala Pengukuran · Data Outlier

Referensi

• Altman, D. G., & Bland, J. M. (2005). Standard deviations and standard errors. BMJ, 331(7521), 903. https://doi.org/10.1136/bmj.331.7521.903
• Field, A. (2018). Discovering statistics using IBM SPSS Statistics (5th ed.). SAGE.
• Mishra, P., Pandey, C. M., Singh, U., Gupta, A., Sahu, C., & Keshri, A. (2019). Descriptive statistics and normality tests for statistical data. Annals of Cardiac Anaesthesia, 22(1), 67–72. https://doi.org/10.4103/aca.ACA_157_18