Pertemuan 2: Descriptive Statistics & Case Introduction

Salam Pembelajar,

Pada pertemuan keddua ini kita kana mempelajari tentang Descriptive Statistics & Case Introduction.

1. Apa itu Descriptive Statistics (Statistika Deskriptif)?

Statistika deskriptif adalah metode untuk mengumpulkan, menyusun, merangkum, dan menyajikan data sehingga mudah dipahami, tanpa membuat kesimpulan umum (tidak melakukan inferensi).

Sederhananya:

Jika data adalah angka mentah, maka statistika deskriptif adalah cara “merapikan dan menceritakan” angka tersebut.

 

Mengapa Penting dalam Ekonomi?

Dalam ekonomi, kita sering berhadapan dengan data seperti:

  • Inflasi bulanan
  • Tingkat pengangguran
  • Pertumbuhan PDB
  • Upah minimum
  • Harga saham
  • Nilai tukar rupiah

Sebelum melakukan analisis lebih lanjut (regresi, forecasting, dll.), kita harus memahami dulu gambaran umum datanya.

 

 2. Komponen Utama Statistika Deskriptif

A. Ukuran Pemusatan (Central Tendency)

Digunakan untuk mengetahui nilai rata-rata atau pusat data.

Mean (Rata-rata)

Rumus:

xˉ=∑xn\bar{x} = \frac{\sum x}{n}xˉ=n∑x​

Contoh:
Rata-rata inflasi 6 bulan terakhir:
2.8%, 3.1%, 3.4%, 2.9%, 3.0%, 3.2%

Mean = (2.8 + 3.1 + 3.4 + 2.9 + 3.0 + 3.2)/6 = 3.07%

Artinya: Inflasi rata-rata sekitar 3% per bulan.

 

Median

Nilai tengah setelah data diurutkan.

Contoh:
Upah 7 pekerja UMKM (juta rupiah):
2, 2, 2.5, 3, 3, 10, 15

Median = 3 juta

Perhtikan: Mean akan lebih tinggi karena ada nilai ekstrem (10 dan 15).
Ini menunjukkan pentingnya median dalam data ekonomi yang sering tidak merata (income inequality).

 

Modus

Nilai yang paling sering muncul.

Contoh:
Data pengeluaran mahasiswa per minggu:
100, 150, 100, 200, 150, 100

Modus = 100

 

B. Ukuran Penyebaran (Dispersi)

Menunjukkan seberapa menyebar data dari rata-ratanya.

Range

Nilai maksimum – minimum

Jika harga cabai di 5 kota:
30.000, 32.000, 28.000, 50.000, 29.000

Range = 50.000 – 28.000 = 22.000

Artinya fluktuasi harga cukup tinggi.

 

Variance dan Standard Deviation

Mengukur seberapa jauh data menyimpang dari rata-rata.

Semakin besar standar deviasi:
Data semakin tidak stabil
Risiko semakin tinggi (penting dalam ekonomi & investasi)

 

3. Penyajian Data

Statistika deskriptif juga menyajikan data dalam bentuk visual.

A. Histogram

 

Digunakan untuk melihat distribusi data, misalnya:

  • Distribusi pendapatan masyarakat
  • Distribusi IPK mahasiswa
  • Distribusi inflasi tahunan

Jika miring ke kanan artinya ada beberapa nilai sangat tinggi (contoh: distribusi kekayaan).

 

B. Grafik Time Series

 

 

Digunakan untuk melihat perubahan data dari waktu ke waktu.

Contoh:

  • Inflasi 5 tahun terakhir
  • Nilai tukar rupiah per bulan
  • Harga saham harian

Ini sangat penting dalam Statistik Ekonomi karena sebagian besar data ekonomi bersifat time series.

 

4. Case Introduction (Pengantar Studi Kasus)

Dalam perkuliahan Statistik Ekonomi, kita tidak hanya belajar rumus, tetapi juga mengaplikasikan ke kasus nyata.

Contoh Kasus Aktual:

Kasus: Inflasi Indonesia dan Daya Beli

Misalnya kita ingin menganalisis:

  • Apakah kenaikan inflasi mempengaruhi daya beli masyarakat?

Data yang bisa digunakan:

  • Inflasi bulanan
  • Indeks Harga Konsumen (IHK)
  • Upah minimum
  • Konsumsi rumah tangga

Langkah awal (Descriptive Statistics):

  1. Hitung rata-rata inflasi
  2. Lihat standar deviasi (stabil atau tidak)
  3. Buat grafik time series
  4. Identifikasi pola (naik? turun? fluktuatif?)

Baru setelah itu masuk ke analisis lanjutan (regresi, korelasi).

 

Kasus Lain: Ketimpangan Pendapatan

Jika kita menganalisis pendapatan di Indonesia:

  • Mean pendapatan mungkin tinggi
  • Tapi median lebih rendah
  • Standar deviasi besar

Artinya ada ketimpangan pendapatan.

Di tahap awal, kita cukup menjelaskan:

  • Berapa rata-rata?
  • Seberapa menyebar?
  • Apakah ada outlier?

Belum sampai pada uji hipotesis.

 

5. Perbedaan Deskriptif vs Inferensial

Deskriptif

Inferensial

Menjelaskan data

Menarik kesimpulan

Tidak membuat generalisasi

Menguji hipotesis

Fokus pada ringkasan

Fokus pada prediksi

Pertemuan 2 biasanya masih fokus pada Descriptive Statistics sebagai fondasi.

 

Inti yang Harus Dipahami:

  1. Statistik deskriptif adalah tahap awal analisis data.
  2. Jangan langsung pakai regresi tanpa memahami karakter data.
  3. Dalam ekonomi, data sering:
    • Tidak simetris
    • Memiliki outlier
    • Bersifat time series
  1. Mean tidak selalu representatif (terutama pada data pendapatan).

 

Descriptive Statistics membantu kita menjawab:

  • “Berapa rata-ratanya?”
  • “Seberapa besar variasinya?”
  • “Apakah datanya stabil?”
  • “Bagaimana pola perubahannya?”

Tanpa memahami hal tersebut, analisis lanjutan bisa salah arah.

 

མཐོང་ཚུགས་པའི་སྡེ་ཚན་ཚུ་: བཅའ་མར་གཏོགས་མི་ཆ་མཉམ།
(གྲོས་བསྟུན་འབད་ནི་གི་གནད་དོན་གྲོས་གནས་འདི་ནང་ག་ནི་ཡང་མིན་འདུག།)