AksiomatikMetodologi dan Statistika
Artikel

Statistik Deskriptif

Ukuran pemusatan dan penyebaran untuk meringkas data sebelum inferensi.

xˉ=1nxi,    s2=(xixˉ)2n1\bar x = \dfrac{1}{n}\sum x_i,\;\; s^2 = \dfrac{\sum (x_i-\bar x)^2}{n-1}

Statistik deskriptif merangkum data dalam ukuran pemusatan (mean, median, modus) dan penyebaran (rentang, varians, standar deviasi, IQR). Mean sensitif terhadap pencilan tetapi efisien untuk distribusi simetris; median lebih robust terhadap pencilan; modus menunjukkan kategori/ nilai yang paling sering. Untuk penyebaran, SD digunakan luas pada analisis parametrik; IQR (Q3−Q1) lebih stabil pada distribusi skew.

Ukuran bentuk (skewness dan kurtosis) membantu memahami kemencengan dan ketirusan dibanding Normal. Nilai skewness jauh dari nol menandakan asimetri; kurtosis tinggi menunjukkan ekor lebih berat. Informasi ini memandu pilihan uji (parametrik vs nonparametrik), transformasi (log/sqrt/Box‑Cox), atau metode robust. Lihat artikel uji normalitas untuk evaluasi kesesuaian dengan distribusi Normal.

Visualisasi deskriptif (histogram, boxplot, density plot) melengkapi ringkasan angka. Boxplot memperlihatkan median, IQR, dan potensi outlier; histogram mengungkap multimodalitas; density plot memperlihatkan bentuk halus dari sebaran. Praktik pelaporan yang baik mencantumkan pemusatan, penyebaran, dan ukuran sampel; untuk perbandingan kelompok, ringkas per grup dan gunakan visual side‑by‑side.

Kesalahan umum: hanya melaporkan mean tanpa SD/CI, mengabaikan bentuk distribusi, dan menyimpulkan normalitas dari mean±SD saja. Kata kunci: statistik deskriptif, mean‑median‑modus, SD vs IQR, skewness, kurtosis, boxplot, histogram.

Rujukan

  • Montgomery, D. C., & Runger, G. C. (2014). Applied Statistics and Probability for Engineers. Wileyhttps://www.wiley.com
Artikel disusun untuk keperluan akademik dan terhubung ke kalkulator Aksiomatik. Lihat semua kalkulator