Bab 20: Statistik Deskriptif

Populasi vs Sampel: Fondasi Dasar Berpikir Statistik

Sebelum masuk lebih jauh ke konsep statistik, penting memahami dua istilah paling fundamental dalam statistik, yaitu populasi dan sampel. Populasi adalah keseluruhan kumpulan individu, objek, atau kejadian yang ingin kamu pelajari atau simpulkan karakteristiknya. Sampel adalah sebagian kecil dari populasi tersebut yang benar-benar diambil dan diamati datanya, biasanya karena mengamati keseluruhan populasi secara langsung tidak memungkinkan atau tidak praktis dilakukan.

Sebagai ilustrasi dalam konteks Belanjain, jika kamu ingin mengetahui kepuasan seluruh pelanggan Belanjain terhadap layanan pengiriman, populasi yang dimaksud adalah seluruh pelanggan Belanjain yang pernah menggunakan layanan pengiriman, yang jumlahnya bisa mencapai jutaan orang. Mewawancarai atau mensurvei seluruh jutaan pelanggan ini secara langsung tentu sangat tidak praktis, sehingga yang biasanya dilakukan adalah mengambil sampel, misalnya menyebarkan survei kepada seribu pelanggan yang dipilih secara acak, dan menggunakan hasil dari seribu pelanggan tersebut untuk menyimpulkan kondisi kepuasan populasi secara keseluruhan.

Menariknya, dalam konteks data transaksi yang sudah kamu pelajari sepanjang Handbook ini, seperti data pesanan Belanjain yang tersimpan lengkap dalam database, data tersebut sebenarnya sudah bisa dianggap sebagai populasi itu sendiri (atau sangat mendekati populasi), karena mencakup seluruh transaksi yang benar-benar terjadi, bukan sekadar sampel dari sebagian transaksi. Namun ketika kamu berurusan dengan data survei, wawancara, atau eksperimen yang sengaja hanya melibatkan sebagian orang, konsep sampel menjadi sangat relevan, dan pemahaman inilah yang akan menjadi dasar penting untuk memahami statistik inferensial pada Bab 21, yang secara khusus membahas cara menyimpulkan karakteristik populasi berdasarkan data sampel yang terbatas.

Distribusi Normal: Pola Sebaran yang Sangat Umum

Pada Bab 18, kamu sudah mempelajari konsep distribusi secara umum sebagai cara nilai-nilai dalam sebuah variabel tersebar. Salah satu pola distribusi yang paling penting dan paling sering muncul dalam berbagai fenomena alam maupun bisnis adalah distribusi normal, sering juga disebut sebagai kurva lonceng (bell curve) karena bentuknya yang menyerupai lonceng ketika divisualisasikan.

Distribusi normal memiliki karakteristik khas, yaitu simetris di kedua sisi, dengan mayoritas data terkonsentrasi di sekitar nilai tengah (mean), dan semakin jauh dari nilai tengah tersebut, semakin sedikit data yang ditemukan, membentuk kurva yang menurun secara simetris ke kedua arah. Pada distribusi normal, mean, median, dan modus yang sudah dipelajari di Bab 18 memiliki nilai yang sama persis, sebuah karakteristik unik yang tidak selalu berlaku pada jenis distribusi lain yang tidak simetris.

Sebagai ilustrasi fenomena yang sering mendekati distribusi normal, tinggi badan manusia dewasa dalam sebuah populasi besar cenderung mengikuti pola ini, mayoritas orang memiliki tinggi badan mendekati rata-rata, sementara orang yang sangat pendek atau sangat tinggi jumlahnya jauh lebih sedikit, dengan sebaran yang relatif simetris di kedua sisi. Dalam konteks bisnis Belanjain, beberapa variabel mungkin juga cenderung mendekati distribusi normal, misalnya waktu yang dibutuhkan pelanggan untuk menyelesaikan proses checkout, di mana mayoritas pelanggan menyelesaikannya dalam waktu yang relatif mirip, dengan sedikit yang jauh lebih cepat atau jauh lebih lambat dari rata-rata.

Distribusi normal menjadi sangat penting dalam statistik karena banyak metode dan uji statistik, termasuk beberapa yang akan dipelajari pada Bab 21 mengenai statistik inferensial, dibangun dengan asumsi bahwa data yang dianalisis mendekati distribusi normal. Ketika asumsi ini tidak terpenuhi, hasil dari metode-metode statistik tersebut bisa menjadi kurang akurat atau bahkan menyesatkan, sehingga memeriksa apakah sebuah data mendekati distribusi normal atau tidak, biasanya melalui visualisasi histogram sesuai yang sudah dipelajari di Bab 18, menjadi langkah penting sebelum menerapkan metode statistik yang lebih lanjut.

Skewness: Mengukur Kemencengan Distribusi

Tidak semua data dalam praktik nyata mengikuti distribusi normal yang simetris. Skewness adalah metrik yang mengukur seberapa "menceng" atau tidak simetris sebuah distribusi data, dan memahami konsep ini penting karena data bisnis, terutama yang berkaitan dengan nilai transaksi atau pendapatan, sangat sering menunjukkan pola yang tidak simetris ini.

Distribusi dengan skewness positif (right-skewed atau menceng ke kanan) memiliki karakteristik di mana mayoritas data terkonsentrasi di nilai yang lebih rendah, namun terdapat "ekor" panjang dari sedikit data bernilai sangat tinggi yang menarik ke arah kanan. Sebagai ilustrasi yang sudah sempat disinggung sekilas pada Bab 18, distribusi nilai transaksi Belanjain sangat mungkin memiliki pola seperti ini, mayoritas pelanggan berbelanja dengan nilai kecil hingga menengah, namun ada sedikit pelanggan (mungkin pelanggan bisnis atau grosir sesuai ilustrasi outlier pada Bab 19) yang berbelanja dengan nilai jauh lebih besar, menciptakan ekor panjang ke arah kanan pada distribusinya.

Distribusi dengan skewness negatif (left-skewed atau menceng ke kiri) memiliki karakteristik kebalikannya, di mana mayoritas data terkonsentrasi di nilai yang lebih tinggi, namun terdapat ekor panjang dari sedikit data bernilai sangat rendah yang menarik ke arah kiri. Sebagai ilustrasi, jika Belanjain memiliki program di mana hampir seluruh pelanggan mendapatkan skor kepuasan yang sangat tinggi (misalnya karena layanan yang memang secara umum sangat baik), namun ada sedikit pelanggan dengan skor kepuasan sangat rendah akibat pengalaman buruk tertentu, distribusi skor kepuasan ini kemungkinan akan menceng ke kiri.

Memahami skewness ini memiliki implikasi praktis penting terhadap keputusan yang sudah dibahas pada Bab 18, yaitu kapan sebaiknya memakai mean dibanding median sebagai representasi central tendency. Pada distribusi yang menceng, baik positif maupun negatif, median umumnya menjadi pilihan yang lebih representatif dibanding mean, karena mean akan tertarik ke arah ekor panjang distribusi tersebut, sementara median tetap merepresentasikan nilai tengah yang lebih mencerminkan mayoritas data yang sebenarnya.

Cara Praktis Mengenali Skewness Tanpa Perhitungan Rumit

Meskipun skewness bisa dihitung secara matematis menggunakan rumus statistik formal, sebagai seorang Data Analyst, kamu tidak selalu perlu menghitungnya secara presisi menggunakan rumus tersebut untuk memahami karakteristik data yang sedang dianalisis. Cara paling praktis dan sering dipakai dalam pekerjaan sehari-hari adalah dengan membandingkan posisi mean dan median dari sebuah variabel, sesuai tabel yang sudah ditampilkan sebelumnya.

Sebagai ilustrasi penerapan langsung, jika kamu menghitung mean nilai transaksi Belanjain sebesar 350 ribu, namun median-nya hanya 200 ribu, perbedaan yang cukup jauh antara kedua angka ini menjadi indikasi kuat bahwa distribusi data tersebut menceng ke kanan (skewness positif), konsisten dengan pola yang sudah dijelaskan sebelumnya di mana mean cenderung tertarik ke arah nilai-nilai ekstrem yang tinggi. Sebaliknya, jika mean dan median memiliki nilai yang sangat berdekatan, ini menjadi indikasi bahwa distribusi data tersebut relatif simetris, mendekati karakteristik distribusi normal yang sudah dibahas sebelumnya.

Cara praktis ini sangat berguna sebagai pemeriksaan cepat sebelum kamu memutuskan metrik ringkasan mana yang paling tepat dipakai dalam laporan atau dashboard yang akan disampaikan kepada tim manajemen, sesuai prinsip yang sudah dibahas pada Bagian IV Handbook ini mengenai pentingnya memilih representasi data yang tidak menyesatkan pembaca.

Menerapkan Statistik Deskriptif pada Analisis Nilai Transaksi Belanjain

Untuk mengaplikasikan seluruh konsep yang sudah dibahas sepanjang bab ini, mari bayangkan skenario menyeluruh menganalisis karakteristik nilai transaksi Belanjain selama satu bulan penuh. Langkah pertama adalah menghitung seluruh metrik central tendency dan spread yang sudah dipelajari pada Bab 18, yaitu mean, median, modus, range, dan standard deviation dari kolom nilai transaksi.

Misalkan hasil perhitungan menunjukkan mean sebesar 320 ribu, median sebesar 180 ribu, dan standard deviation sebesar 450 ribu. Perbedaan cukup jauh antara mean dan median ini langsung mengindikasikan distribusi yang menceng ke kanan, konsisten dengan karakteristik data transaksi yang umumnya memang memiliki pola seperti ini. Standard deviation yang cukup besar dibanding mean-nya sendiri juga mengindikasikan sebaran data yang cukup luas, kemungkinan besar akibat adanya sejumlah transaksi bernilai sangat tinggi yang menarik standard deviation ini menjadi lebih besar.

Berdasarkan temuan ini, ketika menyampaikan laporan mengenai nilai transaksi khas pelanggan Belanjain kepada tim manajemen, kamu sebaiknya menggunakan median (180 ribu) sebagai representasi nilai transaksi tipikal, dibanding mean (320 ribu) yang cenderung terdistorsi oleh sejumlah transaksi bernilai sangat besar, sesuai prinsip yang sudah dibahas sepanjang bab ini. Namun angka mean tetap perlu disertakan dan dijelaskan konteksnya, karena tetap relevan untuk kebutuhan lain, misalnya menghitung proyeksi total revenue, di mana justru total keseluruhan nilai (yang berkaitan erat dengan mean dikalikan jumlah transaksi) menjadi lebih relevan dibanding sekadar nilai tipikal seorang pelanggan.