Dasar Statistik untuk Data Analyst
Digital Skills
10 menit
Level 1
10 XP
βStatistik itu bukan buat bikin kamu pusing, tapi buat bantu kamu ambil keputusan yang masuk akal dari data.β
Statistik Deskriptif β Gambaran Besar dari Data
π§ Konsep Utama:
-
Rata-rata (Mean)
β€ Jumlah total dibagi jumlah item.
π Contoh: 5 nilai ujian = 80, 85, 90, 70, 75 β rata-rata = (80+85+90+70+75)/5 = 80 -
Median
β€ Nilai tengah dari data yang sudah diurutkan.
π Contoh: 70, 75, 80, 85, 90 β median = 80
Kenapa penting? Kalau ada nilai ekstrem (misalnya 30), median gak terlalu terpengaruh. -
Modus
β€ Nilai yang paling sering muncul.
π Contoh: 70, 75, 75, 80, 85 β modus = 75 -
Standar Deviasi (Standard Deviation)
β€ Mengukur sebaran data. Semakin besar angkanya, semakin "berantakan" datanya.
π Misal nilai kelas rata-rata 80, tapi ada yang dapat 40 dan ada yang 100 β artinya sebarannya besar.
Distribusi & Pola Data
π Jenis Distribusi Umum:
-
Distribusi Normal
β€ Grafiknya kayak lonceng. Banyak data di tengah (rata-rata), makin ke kiri/kanan makin sedikit.
π Contoh: Tinggi badan manusia, IQ. -
Distribusi Positif / Negatif
β€ Positif: lebih banyak nilai rendah, ekornya ke kanan.
β€ Negatif: lebih banyak nilai tinggi, ekornya ke kiri.
π Contoh positif: gaji β banyak yang gajinya pas-pasan, sedikit yang gajinya tinggi banget.
Korelasi β Hubungan Antar Variabel
π Contoh Sederhana:
Jam Belajar | Nilai Ujian |
---|---|
1 jam | 65 |
2 jam | 70 |
3 jam | 80 |
4 jam | 85 |
Tapi ingat:
Korelasi β Kausalitas
βDua hal berhubungan belum tentu yang satu menyebabkan yang lain.β
Statistik dan Visualisasi
π Contoh-contoh Visualisasi:
-
Histogram: menampilkan distribusi nilai (misal: sebaran nilai ujian)
-
Box Plot: kasih gambaran tentang median, quartile, outlier
-
Scatter Plot: nunjukin hubungan antar variabel (misalnya: jam belajar vs nilai ujian)
π― Statistik adalah alat bantu, bukan momok.
Dengan paham dasar-dasarnya, kamu bisa:-
Ringkas data jadi informasi penting
-
Temukan pola atau anomali
-
Sampaikan insight ke tim/bos/client dengan percaya diri
-