Rumus-rumus Statistika

A. Mean

B. Modus

C. Median

D. Jangkauan

E. Quartil

F. Varian

G. Simpangan baku

H. Jangkauan inter quartil

RIQ = Q3 - Q1
I. Deviasi quartil
J. Koefisien Deviasi Quartil

K. Varian
Atau untuk exccel

S2 = f.Xi2 - (xi)2/f(f-1)

L. Skewness dan kurtosis

JIKA KURTOSIS MAKA PANGKATNYA 4 DAN SKEWNESS DIKALI FREKUENSI

M. Zi

N Transformasi

Ti = x bar 0 + S0 (Xi - Xbar/S) atau Ti = x bar 0 + S0 zi

JENIS-JENIS DATA
Dalam statistik, jenis-jenis data memainkan peran sangat penting yang perlu dipahami
untuk menerapkan pengukuran statistik dengan benar, juga agar Anda dapat
menyimpulkan asumsi tertentu tentang data dengan benar. Beberapa jenis data yang
wajib dipahami oleh data scientist pemula adalah:

1. DATA KUANTITATIF

Data kuantitatif adalah data yang menyatakan besaran, jumlah, atau jangkauan
tertentu. Biasanya, terdapat unit pengukuran yang terkait dengan data, misalnya meter
dalam pengukuran tinggi badan seseorang. Contoh data kuantitatif adalah skor tes dan
ujian, berat badan seseorang, atau suhu dalam sebuah ruangan. Jenis data ini dibagi
lagi menjadi dua jenis, yakni:

DATA DISKRIT

Sederhananya, data diskrit hanya dapat mengambil nilai-nilai tertentu dan variabel
data tidak dapat dibagi menjadi bagian-bagian yang lebih kecil. Contoh data diskrit
adalah banyaknya siswa dalam satu kelas, jumlah pekerja di suatu perusahaan, atau
jumlah soal tes yang dijawab dengan benar.

DATA KONTINU

Jenis data ini mewakili informasi yang dapat dibagi ke dalam tingkat yang lebih halus
atau dapat diukur berdasarkan skala. Hampir semua nilainya juga bersifat numerik.
Misalnya, tinggi badan bisa diukur pada skala yang sangat tepat dalam satuan yang
berbeda, seperti meter, centimeter, millimeter, dan lain sebagainya.

Perbedaan utamanya dengan data diskrit adalah data kontinu bisa direkam pada
banyak pengukuran yang berbeda seperti lebar, suhu, dan waktu. Contoh data kontinu
adalah jumlah waktu yang dibutuhkan untuk menyelesaikan suatu proyek, kecepatan
mobil, dan lain-lain.

2. DATA KUALITATIF

Data kualitatif didefinisikan sebagai data yang mendekati dan mencirikan, serta dapat
diamati dan dicatat. Tipe data ini bersifat non-numerik dan dikumpulkan melalui
metode observasi, wawancara, focus group, dan metode serupa. Jenis data ini penting
dalam menentukan frekuensi sifat atau karakteristik tertentu yang memungkinkan ahli
statistik membentuk parameter di mana kumpulan data yang lebih besar dapat
diamati.

Data kualitatif menyediakan sarana bagi pengamat untuk mengukur dunia di sekitar
mereka. Contohnya, bagi seorang peneliti pasar, mengumpulkan data kualitatif
membantu dalam menjawab beberapa pertanyaan, seperti siapa pelanggan mereka,
masalah apa yang mereka hadapi, dan aspek apa yang perlu dijadikan pusat perhatian
sehingga masalah tersebut dapat diselesaikan.

3. DATA INTERVAL

Data interval (integer) didefinisikan sebagai tipe data yang diukur sepanjang skala, di
mana setiap titiknya ditempatkan pada jarak yang sama satu sama lain. Data interval
selalu muncul dalam bentuk angka atau nilai numerik dengan jarak antara dua titik
distandarisasi dan sama. Berikut beberapa karakteristik utama data interval:

PENGUKURAN
Data interval diukur menggunakan skala interval yang tidak hanya menunjukkan
urutan dan arah, tapi juga perbedaan nilai yang tepat. Misalnya, tanda-tanda pada
termometer atau penggaris berjarak sama, sehingga mengukur jarak yang sama antara
dua tanda.

SELISIH INTERVAL
Jarak antara setiap nilai pada data interval adalah sama. Misalnya, perbedaan antara
10 cm dan 20 cm sama dengan 20 cm dan 30 cm.

PERHITUNGAN
Dalam data interval, nilai dapat ditambah atau dikurangi, tapi tidak dapat dibagi atau
dikalikan. Hampir semua analisis statistik dapat diterapkan saat menghitung data
interval.

TITIK NOL

Titik nol mutlak bersifat arbitrer, yang berarti suatu variabel dapat diukur meskipun
memiliki nilai negatif, seperti suhu yang dapat dihitung -10 di bawah nol.

4. DATA RASIO
Memainkan peran yang efektif dalam riset pasar, data rasio adalah jenis data numerik
yang bersifat kuantitatif. Data rasio yang dikumpulkan pada skala rasio memiliki jarak
yang sama antara nilai-nilai yang berdekatan. Karakteristik ini membuat data rasio
mirip dengan data interval, tetapi berbeda karena faktor nol mutlak.

Titik nol pada data rasio memiliki kehadiran yang berarti. Adanya nol berarti tidak
boleh ada variabel negatif dalam data rasio. Ciri-ciri data rasio adalah data tersebut
dapat diukur dan diurutkan. Selain itu, variabelnya juga berjarak sama dan dapat
berupa data kontinu atau diskrit. Contoh data rasio adalah:

SKALA KELVIN

Salah satu contoh data rasio yang paling terkenal adalah suhu pada skala Kelvin.
Derajat O dalam skala Kelvin menunjukkan ketiadaan total energi panas.

TINGGI
Tinggi atau panjang diukur dalam meter, inci, atau kaki. Tinggi tidak boleh memiliki
nilai negatif. Nol adalah titik awal ketinggian dan jarak antara dua variabel yang
berdekatan juga sama. Misalnya, pohon setinggi 10 kaki bisa disebut dua kali pohon
setinggi 5 kaki.

KECEPATAN

Kecepatan juga bisa menjadi contoh skala rasio. Dua kecepatan pada satu skala akan
memiliki rasio yang sama dengan dua kecepatan pada skala lain. Misalnya, rasio
antara 72 km/jam hingga 36 km/jam adalah 2 dan rasio antara 44.738 mph hingga
22.369 mph juga adalah 2.

5. DATA ORDINAL

Data ordinal diklasifikasikan ke dalam variabel yang memiliki urutan peringkat alami,
tetapi jarak antar kategori tidak diketahui. Misalnya, variabel “frekuensi latihan fisik”
dapat dibagi dalam beberapa kategori, seperti tidak pernah, jarang, kadang-kadang,
sering, dan selalu.

Sementara ada urutan yang jelas untuk kategori-kategori ini, tetapi tidak mungkin
untuk mengatakan bahwa perbedaan antara “tidak pernah” dan “jarang” sama persis
dengan perbedaan antara “kadang-kadang” dan “sering”. Oleh karena itu, skala ini
disebut ordinal.
Dalam penelitian ilmiah sosial, variabel ordinal kerap kali menyertakan penilaian
tentang persepsi, opini, atau faktor demografis yang dikategorikan ke dalam tingkatan
atau tanda kurung (seperti status sosial atau pendapatan). Contoh skala ordinal adalah:

 Kemampuan berbahasa yang dibagi menjadi pemula, intermediate, dan fasih.

 Tingkat kesepakatan dengan kategori sangat tidak setuju, tidak setuju, netral, setuju, dan
sangat setuju.
 Tingkat pendapatan dengan pembagian pendapatan tingkat bawah, pendapatan tingkat
menengah, dan pendapatan tingkat atas.

KESIMPULAN
Dengan memahami jenis-jenis data yang digunakan dalam statistik dan penelitian
ilmiah pada umumnya, data scientist pemula dapat mengolah data dengan benar dan
mendapatkan hasil analisis yang paling sesuai. Data berdasarkan sifatnya dibagi
menjadi dua jenis, yakni data kualitatif dan data kuantitatif. Beberapa jenis data lain,
seperti data interval dan rasio, termasuk dalam bagian data kuantitatif, sedangkan data
ordinal termasuk dalam bagian data kualitatif.

Jika ingin memperdalam ilmu data untuk menjadi data scientist, Algoritma Data
Science School menyediakan kurikulum terbaik untuk Anda. Tidak hanya membantu
individu, pusat pendidikan ilmu data ini juga membantu perusahaan yang ingin
memperdalam kemampuan mengolah data.