PROMO SPESIAL 12.12
Belajar Data Science Bersertifikat, 6 Bulan hanya 120K!
0 Hari 6 Jam 18 Menit 18 Detik

Pelajari Teknik Pengolahan Data Deskriptif yang Membantu Kelancaran Penelitianmu

Belajar Data Science di Rumah 05-November-2021
https://dqlab.id/files/dqlab/cache/9d68cac2b80a4bc24e9601dbcf84d0f4_x_Thumbnail800.png

Sepertinya namanya, teknik pengolahan data deskriptif ini merupakan salah satu proses analisis statistik yang fokus untuk mendeskripsikan data yang akan digunakan dalam penelitian untuk membuat kesimpulan yang berlaku secara general. Hasil dari pengolahan data deskriptif ini adalah ringkasan dari sampel yang akan diolah, seperti rata-rata, nilai tengah, modus, dan ringkasan statistik lainnya. Selain ringkasan statistik, analisis deskriptif juga dapat menggunakan tabel, grafik, dan bentuk penyajian visual lainnya. Umumnya, analisis data deskriptif dijadikan sebagai analisis pertama untuk lebih mengenal data yang ada dan akan dilanjutkan dengan analisis lainnya. Dengan proses ini, data yang disajikan akan menjadi lebih menarik lebih mudah dipahami, dan mampu memberikan makna lebih bagi pengguna data.


Teknik pengolahan data umumnya dibedakan menjadi dua kategori, statistik deskriptif dan inferensial. Kedua teknik ini berbeda dilihat dari statistik deskriptif, sahabat data hanya menggambarkan apa yang ada atau apa yang ditunjukkan oleh data. Sedangkan statistik inferensial, sahabat data mencoba mencapai kesimpulan yang melampaui data langsung. Misalkan, terdapat kumpulan data yang berisikan data kelulusan selama lima tahun terakhir pada sebuah universitas yang menunjukkan bahwa 75% dari total mahasiswa lulus dengan nilai yang memuaskan. Nilai numerik 75% merupakan bentuk suatu statistika deskriptif. Berdasarkan nilai ini, maka seorang mahasiswa Teknik Industri menyimpulkan bahwa peluang dirinya akan lulus dengan nilai yang memuaskan adalah lebih dari 70%, maka mahasiswa tersebut telah melakukan statistika 

Namun, pertama-tama kita akan membahas secara lengkap tentang teknik pengolahan data deskriptif dulu nih, pastikan kamu menyimak semuanya yah!


1. Pengertian Pengolahan Data Deskriptif

Seperti yang sudah dijelaskan di atas, teknik pengolahan data deskriptif merupakan teknik yang digunakan untuk menyajikan data kuantitatif dalam bentuk deskriptif. Pengolahan data deskriptif menggambarkan atau mendeskripsikan data dengan apa adanya. Data biasanya disajikan dalam bentuk diagram, tabel, grafik, pictogram dan bisa juga dalam bentuk angka seperti hasil perhitungan rata-rata, modus, median, desil, persentil, atau penyebaran data. Selain itu dapat juga dilakukan analisis korelasi antar variabel, analisis regresi dan membandingkan nilai rata-rata.


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


2. Langkah-langkah Pengolahan Data Deskriptif

Secara umum, pengolahan data deskriptif memiliki beberapa tahapan atau langkah yang perlu dilakukan secara berurutan demi mendapatkan hasil analisis yang maksimal, antara lain: 

  • Yang pertama yaitu, melakukan Perumusan Masalah. Perumusan masalah merupakan kegiatan mengajukan pertanyaan-pertanyaan yang akan menjadi landasan penelitian dimana jawabannya dicari di lapangan. Metode apapun yang digunakan dalam mengolah data pasti diawali dengan perumusan masalah. Hal ini akan membuat penelitian lebih terfokus pada masalah yang ingin diselesaikan. 

  • Kedua yaitu Menentukan Jenis Informasi atau Data, pastikan data relevan dengan permasalahan yang ingin diselesaikan. 

  • Ketiga, Menentukan Prosedur Pengumpulan Data, prosedur pemilihan data yang efektif dan sesuai dengan data yang digunakan

  • Langkah terakhir yaitu melakukan Pengambilan Keputusan berdasarkan hasil data yang sudah diolah untuk menjawab pertanyaan-pertanyaan yang sudah dirumuskan.



3. Parameter Pengolahan Data Deskriptif

Ukuran Pemusatan

  • Mean, merupakan nilai rata-rata dari suatu data yang ada dimana didapatkan dengan cara membagi total data dengan jumlah pengamatan yang dilakukan.

  • Median, adalah nilai tengah dari suatu kumpulan data yang bisa didapatkan dengan cara mengurutkan data dari yang terkecil ke yang terbesar.

  • Modus, merupakan angka yang paling sering keluar, dapat ditentukan dengan cara melihat data mana yang memiliki frekuensi kemunculan terbanyak.


Ukuran Keragaman

  • Range, digunakan untuk melihat rentang data terkecil dan data terbesar dari kumpulan data yang dimiliki.

  • Variansi dan Standar Deviasi, merupakan ukuran keragaman yang digunakan untuk melihat seberapa banyak keragaman yang dimiliki oleh data. Semakin besar variansi yang dimiliki, maka datanya akan semakin beragam. Standar deviasi didapatkan dari hasil akar variansi.

  • Koefisien keragaman, digunakan untuk mengukur perbedaan besarnya keragaman antara dua ukuran yang memiliki skala yang berbeda.

  • Persentil, digunakan untuk memahami dan menafsirkan data. Parameter ini menunjukkan nilai-nilai di bawah yang persentase tertentu dari data dalam kumpulan data ditemukan.


4. Contoh Pengolahan Data Deskriptif dengan Analysis ToolPak Excel

Analisis Anova pada MS Excel digunakan berdasarkan faktor dan sampel yang dimiliki oleh populasi data yang hendak diuji. Pada contoh pengolahan data deskriptif kali ini, kita akan menggunakan Anova Single Factor. 


  • Langkah pertama adalah pada Tab Data, di dalam grup Analysis pilih Data Analysis. 

  • Lalu, pada Analysis Tools klik Anova: Single Factor lalu klik OK. 

  • Pada kotak Input Range, masukkan data yang ingin dianalisis, dan pada kotak Output Range untuk memilih di bagian mana hasil analisis akan muncul, dan klik OK. 

  • Setelah itu hasil analisis akan keluar dalam bentuk tabel dengan kondisi jika F > Fcrit, maka "reject the null hypothesis". Dimana rata-rata dari ketiga populasi tidak semuanya sama. Namun, pada analisis Anova tidak memberi tahu dimana letak perbedaan populasi tersebut. Untuk itu dibutuhkan t-Test.


Baca juga : Kenali 3 Jenis Metode Pengolahan Data Kuantitatif


5. Belajar Teknik Pengolahan Data Deskriptif dan Terapkan pada Researchmu

Dalam research ada berbagai teknik pengolahan data yang bisa dimanfaatkan tergantung dari tujuan dalam research tersebut. Metode-metode ini memerlukan data preprocessing dan step-step yang berbeda. Yuk kenali berbagai teknik pengolahan data tersebut bersama DQLab! Klik button di bawah ini untuk mengakses berbagai fasilitas belajar, seperti modul, event gratis, challenge, dan job connector sebagai jembatan antara kita dengan recruiter. Kamu bahkan bisa menikmati FREE modul dari DQLab. Modul DQLab dilengkapi dengan live code editor sehingga kita tidak perlu menginstall software tambahan serta dilengkapi dengan video dan ilustrasi singkat sehingga proses belajar lebih menyenangkan. Yuk, tunggu apa lagi, buruan daftar dan jadi member di DQLab.id!



Penulis: Salsabila Miftah R

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