PROMO BACK TO SCHOOL, HEMATNYA SERU! DISKON 95% + Cashback*
Cuma Rp 159K bisa belajar data science 6 bulan
BURUAN SERBU!
Pendaftaran ditutup dalam 1 Hari 17 Jam 41 Menit 9 Detik 

3 Kesalahan Analisis Statistik dalam Penyajian Visual

Belajar Data Science di Rumah 14-Desember-2021
https://dqlab.id/files/dqlab/cache/f6bffb16a30340f5496cbfc6f23f134b_x_Thumbnail800.png

Berkenaan dengan penerapan statistik dalam suatu penelitian ilmiah, pemahaman tentang statistik deskriptif merupakan pemahaman dasar yang perlu dikuasai oleh peneliti sebelum memasuki prosedur-prosedur dalam melakukan penarikan kesimpulan. Statistik deskriptif tersebut meliputi cara untuk menyajikan data yang berupa tabel atau grafik, pengukuran gejala pusat (mean, median, modus), dan pengukuran variasi kelompok (rentang data, varians, standar deviasi). Peneliti harus memahami jenis data dan cara menyajikan data agar data yang dimiliki dapat tergambarkan dengan jelas bagi peneliti maupun orang lain dan tidak terjadi kesalahan atau kesulitan dalam menggunakan statistik. Pemahaman ini penting untuk membangun pemahaman konsep statistik lainnya, seperti konsep atas ukuran-ukuran yang menjelaskan suatu data, menjadi pondasi untuk bernalar dan berpikir. Statistik deskriptif di atas sebenarnya sudah dikenalkan dalam pembelajaran statistik namun kadang mengalami kesulitan dalam memahami konsep statistik tertentu, seperti yang berkaitan dengan ukuran pemusatan dan penyebaran. Kesulitan lain adalah dalam menganalisis dan menginterpretasi data yang disajikan dalam grafik atau diagram.


Pengetahuan mereka dalam menyajikan data secara visual juga hanya sebatas mengetahui prosedur, bukan memahami kegunaannya. Kebanyakan peneliti memilih bentuk penyajian data tanpa memahami kegunaannya maupun kesesuaiannya dengan konteks masalah. Selain itu, banyak peneliti juga merasa bahwa statistik sulit untuk dipelajari sehingga menimbulkan sikap dan ekspektasi negatif ketika berhadapan dengan statistik. Pemahaman statistik deskriptif dapat mempengaruhi cara pandang peneliti memahami statistik sebagai alat bantu dalam menyelesaikan permasalahan maupun penelitian. Penyajian data secara visual itu juga menjadi kebutuhan dalam melakukan analisis data sehingga peneliti tidak hanya dituntut untuk mengetahui prosedur membuat grafik, tetapi juga memahami informasi yang mereka sajikan. Suatu representasi grafis yang dibuat tentunya dapat menyajikan beragam informasi yang bisa digali atau diinterpretasikan. Mari kita cari tahu lebih dalam soal kesalahan dalam penggunaan representasi visualisasi data secara grafis. Pada artikel DQLab kali ini, kita akan membahas mengenai apa saja kesalahan-kesalahan yang seringkali terjadi dalam melakukan visualisasi data secara grafis. Dengan harapan bisa menjadi tambahan insight dan rekomendasi bagi kalian calon praktisi data, peneliti maupun data enthusiast. Jangan lewatkan artikel berikut ini, pastikan simak baik-baik, stay tune and keep scrolling on this article guys!


1. Kesalahan dalam Memberikan Keterangan atau Informasi Tambahan 

Jenis kesalahan ini merupakan kesalahan yang mengindikasikan kurangnya pemahaman peneliti tentang keterangan yang harus dicantumkan pada bentuk penyajian data yang dibuat. Kesalahan tersebut bisa berupa tidak tepatnya keterangan yang disampaikan maupun kesalahan meletakkan informasi. Kesalahan yang teridentifikasi tersebut mungkin terlihat sederhana, namun berimplikasi pada penyampaian informasi. Ogive menerangkan distribusi frekuensi kumulatif sehingga penyampaian datanya ditujukan untuk menampilkan keterkaitan antara setiap nilai batas kelas dengan dengan frekuensi kumulatifnya. Tidak adanya judul dan kesalahan meletakkan informasi membuat diagram tersebut kehilangan prinsip dasar penyajian data.


Baca juga : Pengolahan Data Statistik Parametrik dan Non-Parametrik


2. Kesalahpahaman dalam Memahami Konsep Matematis

Kesalahan ini dapat dikategorikan sebagai kesalahan menyesuaikan bentuk grafik dengan pemahaman matematis mahasiswa. Kondisi tersebut pada dasarnya berfokus pada konsep matematis yang memang menjadi prasyarat dalam mempelajari statistik. Jenis kesalahan yang berhubungan dengan konsep matematis ini dapat menjadi penilaian tentang kemampuan untuk mengenali dan memahami komponen yang ada pada grafik. Perhitungan dasar yang memerlukan ketelitian dan kenyamanan dalam besaran numerik memang menjadi prasyarat penting ketika menangani data kuantitatif. Setiap komponen dan bentuknya akan memberikan pemahaman atas analisis statistik serta dapat menghadirkan berbagai interpretasi sehingga proses pembuatan representasi visual yang memerlukan kemampuan matematis tersebut menjadi hal yang harus dipahami dengan baik dan dilakukan dengan teliti.


3. Kesalahan dalam Bilangan Yang Tercantum pada Grafik

Kesalahan ini diartikan sebagai kesalahan dalam memahami bilangan sebagai konteks. Ini didasari atas pemahaman bahwa data yang tersaji ke dalam bilangan itu merupakan suatu konteks yang dapat menyampaikan informasi atas beberapa fenomena atau mengomunikasikan dan menyelesaikan permasalahan. Adapun kesalahan jenis ini juga tergambarkan ketika mahasiswa menyajikan data dengan diagram garis. Suatu data kelompok akan menampilkan kelas-kelas interval. Setiap kelas tersebut tentunya memiliki frekuensinya masing-masing. Kalaupun itu disajikan dalam diagram garis, setiap titik seharusnya mewakili sebuah kelas interval. 


4. Kesalahan dalam Pemilihan Jenis Grafik

Kesalahan ini berkaitan dengan kesadaran tentang hubungan antara bentuk representasi dengan informasi yang ingin disampaikan. Grafik yang dibuat tentunya memiliki tujuan yang dapat menggambarkan situasi berdasarkan konteks data, misalnya penyajian data dengan diagram garis dimaksudkan agar pembaca dapat melihat perkembangan suatu keadaan, sedangkan diagram batang atau diagram lingkaran dapat digunakan untuk membandingkan suatu kelompok. Hal ini menunjukkan bahwa representasi visual perlu disesuaikan dengan konteks data dan tujuannya. Ketika berkenaan dengan penyajian data maupun publikasi ilmiah, hal ini juga menjadi suatu sorotan bahwa perlu ada pemahaman tentang kapan sebaiknya menggunakan tabel atau grafik, bagaimana memilih grafik yang benar sesuai dengan jenis data, ukuran sampel, dan desain penelitian, serta bagaimana menentukan grafik yang sesuai dengan jenis distribusi datanya.


Baca juga : Yuk Pelajari Macam-Macam Metode Analisis Statistika


5. Biar Nggak Pusing, Mending Belajar Statistik Bareng DQLab

Kini Sahabat Data DQLab sudah tidak perlu khawatir lagi. Karena dengan belajar data science di DQLab sekarang tidak perlu install software lagi. Kamu bisa langsung belajar dari sekarang karena dataset yang telah disediakan sudah sudah terintegrasi dengan live code editor. Biar nggak pusing-pusing banget nih buat belajar statistik, langsung aja yuk. Kamu bisa loh untuk coba bikin akun gratisnya kesini di DQLab.id dan lakukan signup untuk dapatkan info-info terbaru serta belajar data science. Nikmati pengalaman belajar data science yang menarik dan cobain berlangganan bersama DQLab yang seru dan menyenangkan dengan live code editor. Cobain juga free module Introduction to Data Science with R dan Introduction to Data Science with Python untuk menguji kemampuan data science kamu gratis!


Dapatkan keuntungan-keuntungan yang didapatkan salah satunya tidak perlu install software tambahan. Karena kalian belajar secara langsung terhubung dengan live code editor dari device yang kalian gunakan. Tersedia berbagai macam modul-modul yang terupdate mulai dari free hingga platinum semua dapat diakses jika kamu ingin berlangganan buat akses seluruh modul lengkapnya. Kalian juga bisa mencoba studi kasus penerapan real case industry dan kamu juga diberikan kesempatan mendapatkan job connector dari perusahaan ternama di ranah industri data. Uniknya kamu bisa langsung apply dari akun kamu loh. So, tunggu apalagi, buruan SIGNUP Sekarang ya!


Penulis: Reyvan Maulid

Sign Up & Mulai Belajar Gratis di DQLab!