TL;DR
Uji statistik deskriptif adalah langkah pertama analisis data yang ngerangkum satu variabel jadi angka kunci: mean, median, modus, simpangan baku, nilai minimum, dan maksimum. Di SPSS kamu jalanin lewat menu Analyze, Descriptive Statistics, lalu pilih Frequencies atau Descriptives. Di Excel cukup pakai AVERAGE, MEDIAN, dan STDEV.S, atau sekali klik pakai Data Analysis Toolpak. Hasilnya dipakai buat ngecek asumsi sebelum uji lanjutan.
Uji statistik deskriptif adalah langkah ngerangkum satu variabel jadi beberapa angka kunci: mean, median, modus, simpangan baku, nilai terkecil, dan nilai terbesar. Tujuannya ngecek karakter data sebelum kamu jalanin uji apa pun.
Ini yang paling sering dilewatin orang. Data baru masuk SPSS, langsung dipaksa uji t.
Terus pas sidang ditanya "kenapa simpangan bakunya lebih besar dari rata-ratanya?" dan nggak ada jawaban.
Aku bakal jalanin langkahnya di SPSS dan di Excel, pakai data yang sama, terus tunjukin cara baca outputnya baris per baris.
Uji statistik deskriptif adalah kumpulan hitungan yang ngerangkum data apa adanya, tanpa narik kesimpulan ke populasi lebih luas. Isinya tiga kelompok: ukuran pemusatan (mean, median, modus), ukuran sebaran (range, simpangan baku, varians), dan ukuran bentuk (skewness, kurtosis).
Namanya "uji", tapi sebenernya nggak ada yang diuji di sini. Nggak ada hipotesis, nggak ada p-value. Ini deskripsi.
Yang beneran diuji itu tahap berikutnya, misalnya uji hipotesis atau uji chi-square. Statistik deskriptif nyiapin panggungnya.
| Ukuran | Ngukur apa | Kapan dipakai |
|---|---|---|
| Mean | Titik tengah aritmatik | Data simetris, nggak ada nilai ekstrem |
| Median | Nilai di posisi tengah | Data miring, ada outlier |
| Modus | Nilai paling sering muncul | Data kategorik atau ordinal |
| Simpangan baku | Rata-rata jarak data dari mean | Selalu, dampingi mean |
| Range | Maksimum dikurangi minimum | Cek cepat ada nilai aneh atau nggak |
| Skewness | Kemiringan distribusi | Sebelum uji yang butuh asumsi normal |
Di SPSS ada tiga pintu masuk, dan hasilnya beda. Yang paling sering dipakai buat skripsi itu Frequencies, karena cuma menu ini yang ngasih median dan modus sekaligus.
Menu Analyze lalu Descriptive Statistics lalu Descriptives lebih ringkas dan bisa ngitung banyak variabel sekaligus dalam satu tabel rapi. Kekurangannya, dia nggak nyediain median dan modus sama sekali. Pakai ini kalau kamu cuma butuh mean dan simpangan baku buat 10 variabel sekaligus.
Menu ini juga punya centang Save standardized values as variables, yang bikin kolom z-score baru di data kamu. Berguna buat deteksi outlier: nilai z di luar rentang minus 3 sampai 3 biasanya dicurigai.
Menu Analyze lalu Descriptive Statistics lalu Explore paling lengkap. Dia ngasih boxplot, stem-and-leaf, uji normalitas Kolmogorov-Smirnov dan Shapiro-Wilk, plus 5% trimmed mean.
Pakai ini pas kamu perlu ngecek normalitas sebelum uji t atau ANOVA. Detail menunya ada di dokumentasi resmi IBM SPSS untuk Explore.
Output Frequencies keluar dalam satu tabel bernama Statistics. Baca dari atas ke bawah gini.
| Baris output | Artinya | Yang perlu kamu cek |
|---|---|---|
| N Valid | Jumlah data terpakai | Cocok sama jumlah responden? |
| N Missing | Data kosong | Lebih dari 5%? Cari tau kenapa |
| Mean | Rata-rata | Bandingin sama Median |
| Median | Nilai tengah | Jauh dari mean = data miring |
| Mode | Nilai tersering | Ada tulisan "a"? artinya modusnya lebih dari satu |
| Std. Deviation | Simpangan baku | Lebih besar dari mean = sebaran lebar banget |
| Skewness | Kemiringan | Di luar minus 1 sampai 1 = miring |
| Minimum / Maximum | Nilai terkecil dan terbesar | Ada angka mustahil? cek salah input |
Tiga hal yang paling sering jadi pertanyaan penguji:
Mean jauh di atas median. Artinya ada segelintir nilai gede yang narik rata-rata. Kamu harus jelasin, dan sebaiknya laporin median juga.
Simpangan baku lebih besar dari mean. Datanya berpencar banget. Buat data pendapatan atau penjualan ini normal, tapi kamu harus nyadar dan nyebut di narasi.
Modus muncul dengan catatan kaki "a". SPSS nulis "Multiple modes exist. The smallest value is shown". Jangan panik, itu cuma berarti ada beberapa nilai yang sama-sama sering muncul.
Dua cara: pakai rumus satu-satu, atau pakai Data Analysis Toolpak sekali klik.
Anggap datamu di kolom B, baris 2 sampai 301.
=COUNT(B2:B301) → jumlah data
=AVERAGE(B2:B301) → mean
=MEDIAN(B2:B301) → median
=MODE.SNGL(B2:B301) → modus
=STDEV.S(B2:B301) → simpangan baku sampel
=VAR.S(B2:B301) → varians sampel
=MIN(B2:B301) → nilai terkecil
=MAX(B2:B301) → nilai terbesar
=MAX(B2:B301)-MIN(B2:B301) → range
=SKEW(B2:B301) → skewness
=KURT(B2:B301) → kurtosis
=QUARTILE.INC(B2:B301,1) → kuartil 1
=QUARTILE.INC(B2:B301,3) → kuartil 3Catatan penting soal STDEV.S versus STDEV.P. Pakai STDEV.S kalau datamu sampel, dan itu kondisi hampir semua riset skripsi. SPSS juga pakai rumus sampel. Kalau kamu pakai STDEV.P, angkamu bakal beda tipis dari SPSS dan penguji bisa nanya.
Penjelasan lengkap tiap fungsi ini ada di halaman fungsi STDEV dan MEDIAN.
Hasilnya satu tabel lengkap: Mean, Standard Error, Median, Mode, Standard Deviation, Sample Variance, Kurtosis, Skewness, Range, Minimum, Maximum, Sum, Count.
Kelemahannya, tabel ini statis. Kalau datamu berubah, tabelnya nggak ikut update. Kamu harus jalanin ulang. Buat data yang sering berubah, rumus manual lebih aman.
Dataset toko_berkah punya 8.257 transaksi selesai dari 3 cabang. Aku jalanin deskriptif di kolom nilai transaksi.
| Ukuran | Nilai |
|---|---|
| N | 8.257 |
| Mean | Rp 187.400 |
| Median | Rp 92.000 |
| Modus | Rp 25.000 |
| Simpangan baku | Rp 421.800 |
| Minimum | Rp 5.000 |
| Maksimum | Rp 12.400.000 |
| Skewness | 6,84 |
Baca outputnya:
Mean 2,04 kali median. Jelas miring ke kanan. Mayoritas pelanggan belanja di bawah Rp 92.000, tapi ada minoritas yang belanja jutaan.
Simpangan baku Rp 421.800, lebih besar dari mean-nya. Ini bendera merah kalau kamu berencana pakai uji yang butuh asumsi normal.
Skewness 6,84. Jauh di luar rentang minus 1 sampai 1. Data ini nggak normal, titik.
Konsekuensinya nyata. Kalau aku maksa pakai uji t buat bandingin cabang, hasilnya nggak bisa dipercaya. Aku pindah ke uji Mann-Whitney yang nggak butuh asumsi normal.
Yang menarik: setelah 412 transaksi grosir dipisah jadi kelompok sendiri, sisanya punya skewness 0,91 dan simpangan baku Rp 68.400. Distribusinya jadi masuk akal. Dan 412 transaksi itu, cuma 5% dari jumlah, nyumbang 41% dari total omzet.
Statistik deskriptif yang nemuin itu. Bukan uji canggih.
Format tabel yang lazim dipakai:
| Variabel | N | Min | Maks | Mean | Std. Deviasi |
|---|---|---|---|---|---|
| Motivasi kerja | 142 | 18 | 50 | 38,42 | 6,17 |
| Kepuasan kerja | 142 | 21 | 55 | 41,08 | 7,33 |
Narasinya cukup satu paragraf per variabel. Contohnya: "Variabel motivasi kerja punya nilai rata-rata 38,42 dengan simpangan baku 6,17. Nilai terendah 18 dan tertinggi 50 dari rentang skor teoretis 10 sampai 50. Rata-rata yang berada di atas titik tengah skala nunjukin motivasi responden cenderung tinggi."
Tiga aturan penulisan yang bikin tabelmu lolos review:
Jenis kelamin dikode 1 dan 2. Mean-nya 1,47. Angka itu nggak ada artinya. Buat data nominal, yang berlaku cuma modus dan frekuensi.
Kalau N Valid 118 padahal kuesionermu 142, ada 24 data hilang. Cari tau dulu kenapa sebelum lanjut. Bisa jadi ada pertanyaan yang bikin responden bingung.
Mean tanpa simpangan baku itu setengah informasi. Dua kelompok bisa punya mean sama persis dengan sebaran yang jauh beda. Lihat penjelasannya di artikel standar deviasi.
Data penjualan, pendapatan, dan waktu tunggu di Indonesia hampir selalu miring ke kanan. Itu sifat aslinya, bukan cacat. Yang perlu kamu ubah bukan datanya, tapi pilihan uji statistiknya.
Kalau variabel numerik kamu ditandai Nominal di Variable View, sebagian menu SPSS bakal nolak atau ngasih hasil aneh. Cek kolom Measure sebelum ngeluh SPSS-nya error.
Descriptives paling ringkas, cocok buat data numerik dan langsung ngasih mean, simpangan baku, minimum, maksimum. Frequencies nambahin tabel distribusi frekuensi, median, modus, dan kuartil, jadi lebih pas kalau kamu butuh median atau data kategorik. Explore paling lengkap, keluar juga boxplot, uji normalitas Shapiro-Wilk, dan trimmed mean. Buat skripsi, Frequencies biasanya cukup, Explore dipakai pas kamu perlu cek normalitas.
Karena menu Descriptives emang nggak nyediain keduanya. Kalau kamu butuh median dan modus, pakai Analyze lalu Descriptive Statistics lalu Frequencies, terus klik tombol Statistics dan centang Median dan Mode. Kamu juga bisa matiin centang Display frequency tables kalau nggak mau tabel panjang. Banyak mahasiswa ngira SPSS-nya error, padahal cuma salah menu.
Pakai STDEV.S kalau datamu sampel, yaitu sebagian dari populasi yang mau kamu simpulin. Pakai STDEV.P kalau datamu seluruh populasi yang diteliti. Riset skripsi hampir selalu pakai sampel, jadi STDEV.S yang bener. SPSS juga pakai rumus sampel di menu Descriptives. Buat data besar, selisih dua rumus ini kecil, tapi buat n di bawah 30 bedanya kelihatan.
Patokan praktis yang sering dipakai: skewness antara minus 1 sampai 1 dianggap masih mendekati normal, dan minus 2 sampai 2 masih ditoleransi di banyak riset sosial. Cara yang lebih rapi, bagi nilai skewness dengan std error skewness-nya. Kalau hasilnya di luar rentang minus 2 sampai 2, distribusinya miring. Tapi buat sampel besar, uji normalitas formal jadi terlalu sensitif, jadi lihat juga histogramnya.
Hampir selalu, dan biasanya jadi bagian pertama bab hasil. Fungsinya dua: ngasih gambaran profil datamu ke pembaca, dan nunjukin kamu udah ngecek kondisi data sebelum masuk uji hipotesis. Minimal laporin n, mean, simpangan baku, minimum, dan maksimum tiap variabel dalam satu tabel. Kalau distribusinya miring, tambahin median biar pembacanya nggak salah tangkap.
Yang kepake terus:
Habis kamu paham profil datanya, langkah berikutnya nentuin uji yang cocok. Lanjut ke konsep statistik deskriptif kalau kamu mau ngerti kenapa tiap ukuran ini penting, sebelum masuk ke uji inferensial.
Mau praktek langsung? Mulai latihan SQL gratis
Latihan interaktif, langsung di browser.
Kolom datetime nyimpen tanggal, jam, hari, semuanya nempel jadi satu. Accessor .dt di pandas ngeluarin tiap bagian jadi kolom sendiri buat dianalisa.
Nama toko ketik campur huruf besar-kecil, spasi nyasar di ujung, atau kode produk nempel jadi satu. Accessor .str di pandas ngerapiin semua itu tanpa loop.
Model machine learning cuma ngerti angka, bukan teks kayak merah atau biru. get_dummies ngubah kolom kategori jadi kolom 0/1 dalam satu baris kode.