Statistik Deskriptif: Konsep, Ukuran, dan Aplikasi

Pengenalan

Statistik merupakan satu bidang ilmu yang penting dalam penyelidikan, pendidikan, ekonomi, perniagaan, serta pelbagai disiplin lain. Secara umumnya, statistik terbahagi kepada dua cabang utama iaitu statistik deskriptif dan statistik inferensi. Statistik deskriptif digunakan untuk menggambarkan dan meringkaskan data, manakala statistik inferensi digunakan untuk membuat generalisasi atau kesimpulan terhadap sesuatu populasi berdasarkan sampel.

Artikel ini akan memfokuskan kepada statistik deskriptif, iaitu satu kaedah asas dalam analisis data yang membantu penyelidik, guru, dan pelajar untuk memahami data dengan lebih jelas.

---

Definisi Statistik Deskriptif

Menurut Gravetter & Wallnau (2017), statistik deskriptif ialah kaedah yang digunakan untuk meringkaskan, menyusun, dan mempersembahkan data dalam bentuk yang lebih bermakna. Data yang dikumpulkan mungkin terlalu besar atau kompleks untuk ditafsirkan secara langsung, justeru statistik deskriptif berperanan sebagai alat untuk menyusun data ke dalam bentuk yang mudah difahami, seperti jadual, graf, serta nilai ringkasan.

---

Komponen Utama Statistik Deskriptif

1. Ukuran Kecenderungan Pusat

Kecenderungan pusat merujuk kepada nilai yang dapat mewakili "pusat" atau nilai tipikal dalam sesuatu set data. Terdapat tiga ukuran utama:

• Min (Purata)
  Min ialah jumlah keseluruhan nilai data dibahagikan dengan bilangan data. Ia sesuai digunakan apabila data tidak dipengaruhi oleh nilai ekstrem.

  $$Min = \frac{\Sigma x}{n}$$

  Contoh: Markah pelajar = 60, 70, 80.
  Min = (60 + 70 + 80) ÷ 3 = 70.

• Median
  Median ialah nilai tengah apabila data disusun mengikut urutan menaik atau menurun. Jika bilangan data adalah genap, median diperoleh daripada purata dua nilai di tengah. Median lebih sesuai digunakan apabila terdapat nilai ekstrem yang boleh mempengaruhi min.
  Contoh: Data = 5, 10, 20, 100.
  Median = (10 + 20) ÷ 2 = 15.

• Mod
  Mod ialah nilai yang paling kerap muncul dalam set data. Dalam sesetengah kes, sesuatu set data boleh mempunyai lebih daripada satu mod.
  Contoh: Data = 2, 3, 3, 5, 7 → Mod = 3.

---

2. Ukuran Keserakan

Keserakan merujuk kepada sejauh mana data tersebar atau berbeza daripada nilai pusat.

• Julat
  Julat diperoleh dengan menolak nilai minimum daripada nilai maksimum. Walau bagaimanapun, ia sangat dipengaruhi oleh nilai ekstrem.
  Contoh: Data = 4, 7, 10, 20 → Julat = 20 – 4 = 16.

• Sela (Interkuartil Range, IQR)
  Sela ialah perbezaan antara kuartil ketiga (Q3) dan kuartil pertama (Q1). Ia memberi gambaran tentang variasi data di bahagian tengah (50%) dan tidak terpengaruh oleh nilai ekstrem.

  $$Sela = Q3 - Q1$$

• Sisihan Piawai (Standard Deviation)
  Sisihan piawai mengukur sejauh mana nilai data menyimpang daripada min. Nilai sisihan piawai yang kecil menunjukkan data terkumpul rapat di sekitar min, manakala nilai besar menunjukkan data lebih berselerak.

• Varians
  Varians ialah purata kuasa dua perbezaan antara setiap nilai data dengan min. Varians merupakan asas kepada sisihan piawai kerana:

  $$Sisihan \ Piawai = \sqrt{Varians}$$

---

3. Analisis Data Deskriptif

Selain ukuran numerik, statistik deskriptif juga melibatkan kaedah visual untuk membantu memahami pola data, antaranya:

• Jadual Kekerapan – menyusun data dalam bentuk jadual untuk melihat taburan.

• Graf dan Carta – seperti histogram, carta pai, dan graf bar yang membantu menggambarkan pola data.

• Ringkasan Data – melalui nilai min, median, mod, julat, sisihan piawai, dan varians.

---

Aplikasi Statistik Deskriptif

Statistik deskriptif mempunyai aplikasi yang luas dalam kehidupan seharian dan dunia akademik, antaranya:

• Dalam pendidikan: Guru boleh menganalisis markah pelajar untuk mengenal pasti pencapaian purata kelas, julat markah, serta pola pencapaian.

• Dalam perniagaan: Syarikat boleh menganalisis jualan bulanan dengan menggunakan min dan sisihan piawai untuk melihat kestabilan prestasi.

• Dalam penyelidikan sosial: Ahli sosiologi boleh menganalisis data pendapatan responden untuk melihat median sebagai ukuran lebih tepat berbanding min.

---

Kesimpulan

Secara keseluruhannya, statistik deskriptif merupakan asas dalam analisis data yang membantu meringkaskan dan menggambarkan data dalam bentuk yang lebih bermakna. Melalui ukuran kecenderungan pusat (min, median, mod) dan ukuran keserakan (julat, sela, sisihan piawai, varians), penyelidik dapat memahami ciri-ciri utama sesuatu set data sebelum melangkah ke peringkat analisis yang lebih kompleks.

Sebagai seorang guru, pelajar, atau penyelidik, penguasaan statistik deskriptif adalah penting kerana ia menjadi asas kepada statistik inferensi, yang seterusnya membolehkan seseorang membuat keputusan dan ramalan berdasarkan data yang diperoleh.

---

📖 Rujukan:

• Gravetter, F. J., & Wallnau, L. B. (2017). Statistics for the Behavioral Sciences. Cengage Learning.

• Chua, Y. P. (2016). Asas Statistik Penyelidikan. McGraw-Hill Education.