[LAST DAY] MAU PUNYA SKILL DATA SCIENCE YANG AMAYZING?
Belajar Data Science 6 Bulan hanya 150K  | Pakai Kode: AMAYZING
BURUAN SERBU!
Pendaftaran ditutup dalam 0 Hari 0 Jam 20 Menit 15 Detik 

Ketahui Jenis-Jenis Pengukuran dalam Teknik Pengolahan Data Deskriptif

Belajar Data Science di Rumah 24-September-2021
https://dqlab.id/files/dqlab/cache/b7914440a92293d9c5c19a1f28278ed8_x_Thumbnail800.png

Teknik pengolahan data deskriptif atau dikenal juga dengan analisis deskriptif adalah jenis analisis data yang bertujuan untuk menggambarkan, menunjukkan, atau meringkas data untuk mengidentifikasi pola-pola yang mungkin tersembunyi dalam kumpulan data. Analisis ini akan membantu kita untuk menemukan kesimpulan mengenai distribusi data, membantu kita untuk mendeteksi adanya kesalahan dan outlier, dan membantu kita untuk mengidentifikasi kesamaan variabel sehingga data siap untuk dianalisis lebih lanjut. 

Di era modern, penggunaan big data dan data science meningkat cukup drastis. Kedua ilmu ini dinilai lebih teliti sehingga data dapat diproses dan dipelajari secara lebih cermat. Salah satu cara untuk menganalisis big data adalah dengan menggunakan metode analisis deskriptif. Data ini perlu dianalisis untuk mengekstrak insight yang bermanfaat serta mengidentifikasi trend yang mungkin berpengaruh untuk data-data selanjutnya. Analisis deskriptif dapat dikategorikan menjadi empat jenis ukuran, yaitu ukuran frekuensi, central tendency, dispersi atau variasi, dan posisi. Metode ini optimal untuk satu variabel pada satu waktu. Pada artikel kali ini, kita akan membahas keempat ukuran dalam analisis deskriptif tersebut. Jadi tunggu apa lagi? Yuk simak artikel ini sampai akhir!


1. Ukuran Frekuensi

Dalam analisis deskriptif, sangat penting untuk mengetahui seberapa sering suatu peristiwa terjadi. Hal ini merupakan tujuan utama dari ukuran frekuensi untuk membuat perhitungan. Misalnya, dalam sebuah survei hobi yang diikuti oleh 1000 responden, sebanyak 200 responden menyukai kegiatan berkebun, 500 responden menyukai olahraga, dan sisanya sebanyak 300 responden menyukai ternak cupang. Angka 200, 500, dan 300 ini merupakan ukuran frekuensi setiap kegiatan atau hobi yang bisa direpresentasikan dalam bentuk persen dan dapat divisualkan dalam diagram batang.


Baca juga : Teknik Pengolahan Data Kualitatif: Ketahui Macam-Macam Metode Pengumpulan Data


2. Ukuran Central Tendency

Dalam analisis deskriptif, penting juga untuk mengetahui tendency atau central response. Central tendency ini dapat diukur dengan menggunakan tiga pengukuran, yaitu mean atau rata-rata, median atau nilai tengah, dan modus atau nilai yang sering muncul. Contohnya, pendataan mengenai berat badan 500 siswa sekolah dasar. Dalam kasus ini, mean atau rata-rata akan menjadi matriks deskriptif yang sangat baik untuk mengukur nilai tengah. Namun, jika data yang kita gunakan adalah data kategorik, maka central tendency yang kita gunakan adalah modus atau kategori yang sering muncul.


3. Ukuran Variasi atau Dispersi

Dalam sebuah analisis, terkadang kita membutuhkan informasi mengenai rentang nilai pada kumpulan data. Ukuran ini menyatakan seberapa jauh penyimpangan nilai pada data terhadap nilai pusatnya. Ukuran dispersi atau variasi merupakan pelengkap dari ukuran central tendency untuk menggambarkan kumpulan data. Dengan adanya ukuran ini, kita bisa melihat persebaran data dengan lebih detail.


4. Ukuran Posisi

Dalam analisis deskriptif, kita juga perlu mengidentifikasi hubungan suatu nilai tunggal dengan nilai lainnya. Dengan ukuran ini, kita bisa mengetahui bagaimana letak setiap nilai di kumpulan data. Ada beberapa contoh pengaturan posisi dalam analisis deskriptif, seperti persentil, kuartil, dan z-score. Ketiga pengukuran ini memiliki rumus dan fungsi masing-masing. Misalnya, untuk mendapatkan persentil, kita membagi data menjadi 100 titik sehingga kita bisa mengetahui berapa banyak data yang ada di bawah persentil tersebut.


Baca juga : Kenali 3 Jenis Metode Pengolahan Data Kuantitatif


5. Belajar Analisis Deskriptif dengan Berbagai Tools

Analisis deskriptif dapat dihitung dengan berbagai tools, bahkan untuk data sederhana, kita bisa menghitung secara manual menggunakan kalkulator. Namun, jika perhitungan ingin lebih teliti, khususnya untuk data yang berukuran besar, kita bisa menggunakan berbagai software, mulai yang gratis seperti microsoft excel hingga yang berbayar seperti SPSS, Eviews dan tools olah data lainnya. Namun, jika data yang akan dianalisis adalah big data, kita butuh tools yang powerful untuk mengolah data yang sangat besar. Biasanya, praktisi data akan menyarankan bahasa pemrograman R atau Python untuk mengolah data tersebut. Yuk belajar mengenal Python dan R bersama DQLab! Klik button di bawah ini untuk mengakses modul gratis mengenai R dan Python sebagai langkah awal sebelum melakukan analisis deskriptif pada big data!



Penulis: Galuh Nurvinda K

Editor: Annissa Widya Davita

Sign Up & Mulai Belajar Gratis di DQLab!