Contoh

Misalkan Anda ingin menghitung rata-rata pengembalian dari portofolio investasi dengan campuran aset. Dengan menggunakan statistik rata-rata tertimbang, Anda dapat mempertimbangkan seberapa banyak Anda berinvestasi di setiap jenis aset dalam suatu portofolio.

Mari kita asumsikan Anda memiliki portofolio berikut:

Untuk menghitung pengembalian rata-rata dari portofolio investasi secara keseluruhan, Anda perlu memperhitungkan fakta bahwa Anda telah mengalokasikan lebih banyak uang untuk beberapa jenis aset. Statistik rata-rata tertimbang membantu Anda mencapai tujuan ini.

Rumus untuk menghitung pengembalian rata-rata tertimbang adalah:

R mewakili pengembalian untuk kelas aset tertentu W mewakili persentase (atau bobot) aset yang spesifik dalam portofolio investasi

Dengan perhitungan ini, Anda dapat melihat bahwa pengembalian rata-rata tertimbang dari portofolio investasi adalah 7,15%.

Apa itu statistik?

Statistik adalah ilmu yang mempelajari dan memahami data. Ia menyediakan kerangka kerja untuk menangani masalah secara sistematis.

Sebagai contoh, uji t adalah metode statistik yang membandingkan rata-rata dari dua kelompok untuk memeriksa apakah perbedaan atau kesamaan adalah nyata atau hanya kebetulan.

Bidang statistik mengelompokkan metode statistik menjadi dua kategori utama: statistik deskriptif dan statistik inferensial.

Statistik deskriptif menggambarkan secara kuantitatif fitur-fitur dari kumpulan data dan memberikan wawasan tentang bagaimana setiap titik data berhubungan satu sama lain dalam set yang sama.

Sementara itu, statistik inferensial menganalisis sampel dari populasi yang lebih besar dan menggunakan metode statistik untuk membuat inferensi tentang populasi yang lebih luas.

Perbedaan kritis antara statistik deskriptif dan inferensial adalah bahwa statistik deskriptif meninjau properti dari satu set data, dan statistik inferensial menggunakan set data kecil untuk memahami lebih lanjut tentang satu yang lebih besar.

Contoh statistik deskriptif

Statistik deskriptif memberikan Anda wawasan lebih lanjut tentang karakteristik suatu kelompok. Sebagai contoh, misalkan sebuah jaringan makanan cepat saji dengan beberapa lokasi di seluruh negara bagian harus mematuhi pedoman suhu penyimpanan yang ditetapkan oleh negara bagian. Manajemen dapat memantau suhu penyimpanan di semua lokasi dan menggunakan statistik deskriptif untuk menentukan seberapa dekat perusahaan dengan pedoman tersebut. Rata-rata dari semua suhu penyimpanan akan mengungkapkan suhu tipikal di suatu lokasi, dan simpangan baku akan menunjukkan seberapa banyak suhu dari seluruh jaringan makanan cepat saji bervariasi dari rata-rata atau titik referensi lainnya (misalnya, suhu penyimpanan makanan terendah atau tertinggi yang diizinkan oleh negara bagian).

Contoh statistik inferensial

Statistik inferensial memungkinkan Anda mempelajari kelompok besar tanpa harus melihat setiap item atau individu dalam kelompok tersebut. Sebagai contoh, sebuah perusahaan yang membuat saus pasta mungkin ingin mengetahui preferensi rasa setiap warga Amerika sehingga perusahaan dapat membuat lebih banyak saus yang paling populer.

Namun, melakukan survei terhadap lebih dari 330 juta orang Amerika tidak mungkin atau ekonomis layak. Jadi, perusahaan tersebut dapat menggunakan metode pengambilan sampel statistik untuk membangun sampel yang lebih mudah dikelola dari 500 individu yang mewakili seluruh populasi AS. Kemudian, perusahaan dapat menerapkan berbagai studi statistik. Sebagai contoh, perusahaan dapat mencoba menguji hipotesis nol, yang merupakan gagasan bahwa tidak ada hubungan signifikan antara dua variabel (misalnya, usia dan preferensi saus pasta “chunky”).

Apa jenis-jenis statistik?

Dua jenis utama statistik adalah statistik deskriptif dan statistik inferensial. Dalam setiap jenis statistik utama, ada juga kategori tambahan.

Jenis statistik deskriptif

Ukuran-ukuran kecenderungan pusat

Salah satu fitur yang paling berguna dari sebuah set data adalah nilai typikal atau rata-rata. Ukuran-ukuran kecenderungan pusat fokus pada fitur ini dengan cara yang berbeda. Mari kita ulas beberapa di antaranya.

• Rata-rata: Juga dikenal sebagai rata-rata, rata-rata adalah nilai pusat dalam suatu set data. Anda menghitung rata-rata dengan membagi jumlah semua nilai dengan total jumlah nilai. Sebagai contoh, rata-rata dari set {3, 5, 6, 8, 9} adalah (3 + 5 + 6 + 8 + 9)/5 = 6,2.
• Median: Nilai yang berada di tengah set data saat Anda mengurutkannya. Sebagai contoh, median dari set {3, 5, 6, 8, 9} adalah 6. Ketika ada dua angka tengah, Anda mengambil rata-rata dari kedua angka tersebut. Sebagai contoh, median dari set {3, 5, 6, 8} adalah (5 + 6)/2 = 5,5.
• Modus: Nilai yang muncul paling banyak dalam suatu set data, sehingga nilai ini paling mungkin diperoleh dari sampel.

Ukuran-ukuran sebaran

Ukuran-ukuran sebaran menjelaskan bagaimana titik-titik data didistribusikan dan berhubungan satu sama lain dalam set data. Mari kita ulas beberapa ukuran ini.

• Range: Perbedaan antara nilai tertinggi dan terendah dalam suatu set data.
• Varians: Angka yang mengindikasikan sejauh mana deviasi titik-titik data dari rata-rata. Dihitung dengan mengkuadratkan selisih dari rata-rata lalu membagi jumlah dengan jumlah titik data.
• Simpangan baku: Angka yang mengukur sejauh mana titik-titik data tersebar dari rata-rata dengan melihat akar kuadrat dari varians. Ini berguna karena, berbeda dengan varian, simpangan baku diungkapkan dalam satuan yang sama dengan data.

Jenis statistik inferensial

Interval kepercayaan

Interval kepercayaan memberikan perkiraan seberapa yakin Anda bahwa satu set data berisi nilai aktual dari suatu fitur dalam populasi, seperti rata-rata. Sebagai contoh, ketika Biro Sensus AS mengambil sampel untuk membuat inferensi tentang seluruh populasi, ia menggunakan interval kepercayaan 90% untuk perkiraan tertentu dalam satu tahun survei tunggal.

Uji hipotesis

Analis data menggunakan uji hipotesis sebagai uji statistik untuk memeriksa validitas suatu gagasan. Sebagai contoh, sebuah perusahaan mungkin tertarik untuk mengetahui apakah pelanggan masih akan membeli produk jika harganya naik dari $4 menjadi $4,50. Untuk melakukan uji hipotesis, perusahaan akan menghitung nilai p (nilai probabilitas) dan mengevaluasinya terhadap nilai patokan (interval kepercayaan). Tergantung pada hubungan antara nilai p dan nilai patokan, perusahaan akan dapat membuat keputusan berbasis statistik tentang menolak atau menerima hipotesis.

Apa itu analisis statistik?

Analisis statistik adalah penggunaan metode statistik untuk mengambil kesimpulan dari data secara objektif. Dengan memberikan struktur pada setiap langkah proyek penelitian, analisis statistik adalah kerangka kerja yang berguna bagi peneliti di berbagai disiplin ilmu, baik di sektor swasta maupun publik.

Analisis statistik menyediakan metodologi untuk mengumpulkan, memeriksa, mengevaluasi, dan mengambil kesimpulan dari data. Seiring berjalannya waktu, ahli statistik telah mengembangkan berbagai metode yang lebih sesuai untuk situasi tertentu. Ketersediaan berbagai metode statistik memungkinkan analis untuk melihat masalah dari berbagai pendekatan.

Mengapa statistik penting?

Statistik penting karena menyediakan alat standar dan objektif yang memungkinkan individu untuk menganalisis masalah, mengembangkan bukti numerik, menggunakan bukti yang divalidasi untuk mengambil kesimpulan, dan meningkatkan pengambilan keputusan.

Salah satu keunggulan dari menggunakan statistik adalah bukti yang dihasilkan yang dapat diperiksa kebenarannya. Ahli statistik menggunakan pemeriksaan dan keseimbangan untuk mencegah jebakan tertentu, seperti memilih ukuran sampel yang tidak tepat, membuat sampel bias, memilih sampel yang tidak mewakili populasi, membuat perbandingan yang tidak sesuai, atau bergantung pada kausalitas.

Keuntungan lain dari menggunakan statistik adalah bahwa bidang ini terus berkembang dan dievaluasi ulang oleh praktisi dan asosiasi profesional, seperti American Statistical Association.

Untuk apa statistik digunakan?

Peneliti menggunakan statistik dalam berbagai bidang, termasuk kedokteran, psikologi, ilmu sosial, dan bisnis.

Contoh statistik dalam bidang kedokteran

Misalkan pengembang farmasi ingin menentukan formula obat yang lebih efektif dalam mengurangi sakit maag. Pengembang bisa melakukan studi di mana satu kelompok subjek menerima satu versi formula, dan kelompok subjek lain yang sebanding menerima versi lain dari formula.

Dengan menggunakan metode statistik, para peneliti akan mengikuti prosedur pengambilan sampel yang standar, memastikan bahwa kedua kelompok subjek dapat dibandingkan, melakukan uji untuk membandingkan efek formula, dan menentukan formula mana yang lebih efisien dalam mengurangi sakit maag.

Contoh statistik dalam bisnis

Seorang investor dapat menggunakan statistik untuk melakukan penelitian dan analisis pasar saham dan menentukan cara untuk meningkatkan kinerja portofolio investasi. Sebagai contoh, seorang investor dapat melakukan pengujian hipotesis terhadap klaim dari suatu dana saham yang mengklaim dapat memberikan pengembalian tahunan sebesar 9% secara konsisten.

Dalam kasus ini, hipotesis adalah bahwa pengembalian tahunan dari dana saham tersebut adalah 9%. Dengan asumsi bahwa dana saham telah beroperasi selama 25 tahun, seorang investor dapat mengambil sampel lima tahun, menghitung rata-rata dari sampel tersebut dan rata-rata populasi, dan menjalankan uji statistik untuk memverifikasi hipotesis tersebut.

Apa itu analisis data?

Analisis data adalah latihan mengumpulkan informasi dan menafsirkan apa artinya. Saat melakukan analisis data, para ahli mengumpulkan data mentah dan menggunakan berbagai metode untuk menafsirkan informasi yang disajikan. Ada lima jenis utama analisis data yang menjelaskan bagaimana para profesional dapat menggunakan berbagai jenis data untuk mencapai kesimpulan dan membuat keputusan. Berikut adalah sedikit informasi lebih lanjut tentang lima jenis utama analisis data:

• Analisis deskriptif: Analisis deskriptif menentukan apa yang terjadi dalam situasi tertentu. Jenis analisis ini biasanya melibatkan pemesanan dan penyesuaian data dari sumber yang berbeda untuk menafsirkan maknanya.
• Analisis eksplorasi: Jenis analisis ini mengeksplorasi hubungan antara titik atau kumpulan data tertentu. Ketika terlibat dalam analisis eksplorasi, Anda dapat menemukan hubungan antara potongan-potongan informasi dan membuat hipotesis untuk menentukan mengapa mereka mungkin berhubungan satu sama lain.
• Analisis prediktif: Analisis prediktif mengacu pada pengembangan prediksi untuk apa yang mungkin terjadi. Ini dapat melibatkan mempertimbangkan hasil dari analisis sebelumnya dan mengeksplorasi tren dan pola untuk membuat estimasi tentang apa yang mungkin terjadi di masa depan.
• Analisis diagnostik: Analisis diagnostik mempertimbangkan mengapa sesuatu terjadi. Saat menggunakan analisis diagnostik, Anda dapat menjelajahi peristiwa yang terjadi dan konteks yang melingkupinya untuk mencapai solusi mengapa peristiwa itu mungkin muncul.
• Analisis preskriptif: Jenis analisis ini mencoba memprediksi bagaimana sesuatu mungkin terjadi. Analisis preskriptif mempertimbangkan data mentah yang berhubungan dengan tren atau pola dan menentukan bagaimana hal itu dapat menghasilkan hasil tertentu yang diharapkan.

Mengapa analisis data penting?

Analisis data dapat menjadi sangat penting bagi perusahaan yang menghadapi volume data yang tinggi dan menggunakannya untuk menginformasikan keputusan bisnis di masa depan. Satu situasi di mana analisis data menjadi sangat penting adalah dalam riset pasar, karena para ahli dapat menganalisis data pasar untuk mengembangkan strategi kampanye pemasaran masa depan berdasarkan tanggapan publik. Analisis data juga penting karena dapat memberi tahu bisnis tentang demografi spesifik yang dilayaninya dengan menjelajahi data tentang kebiasaan, minat, dan perilaku pelanggan.

Contoh lain di mana analisis data menjadi penting adalah dalam mengembangkan protokol untuk tempat kerja. Ini karena para profesional manajemen dapat menginterpretasikan data tentang kinerja perusahaan mereka untuk menginformasikan keputusan tentang di mana harus menginvestasikan modal, bagaimana mengembangkan perusahaan mereka dan apa yang mungkin terjadi pada bisnis mereka di masa depan.

7 Metode menganalisis data

Berikut adalah tujuh metode yang dapat Anda gunakan untuk analisis data:

Analisis kohort

Sebuah kelompok mengeksplorasi data historis untuk fokus pada perilaku spesifik yang ditunjukkan konsumen dan menemukan contoh di mana mereka terjadi beberapa kali dalam satu kumpulan data. Misalnya, profesional di bisnis mungkin ingin melakukan analisis kelompok untuk menentukan berapa banyak pelanggan mereka yang berbelanja online dari situs web mereka. Untuk melakukannya, mereka dapat meninjau data historis pada sekelompok 100 pelanggan yang membeli dari mereka di masa lalu dan mencatat berapa banyak dari pelanggan tersebut yang menggunakan situs web perusahaan untuk melakukan pembelian.

Analisis faktor

Analisis faktor mempertimbangkan semua variabel potensial yang mungkin muncul atau memengaruhi kumpulan data tertentu. Para ahli juga terkadang menyebut analisis faktor sebagai pengurangan dimensi karena analisis faktor memandang titik-titik data dari segi dimensinya. Misalnya, sebuah bisnis mungkin menggunakan analisis faktor untuk mempelajari tentang bagaimana pelanggan melihat produk tertentu dengan meminta beberapa pelanggan untuk mendeskripsikan produk dan mencatat semua karakteristik yang mereka identifikasi, seperti warna, bahan, dan kegunaan. Bisnis kemudian dapat menggunakan informasi ini saat mengembangkan produk baru untuk memastikan mereka menyertakan detail yang menarik minat pelanggan.

Analisis regresi

Analisis regresi menggunakan data historis untuk mengamati bagaimana mengubah satu atau lebih variabel independen dapat mempengaruhi variabel dependen yang telah ditetapkan. Para ahli sering menggunakan analisis regresi untuk menemukan hubungan antara variabel tertentu dan membuat prediksi tentang hasil potensial. Ini dapat bermanfaat bagi bisnis yang menjual produk, karena mereka dapat menggunakan analisis regresi untuk mengidentifikasi elemen mana dari produk dan strategi penjualan mereka yang paling efektif, seperti kualitas produk, inisiatif pemasaran, dan keterlibatan pelanggan.

Misalnya, sebuah bisnis mungkin menemukan melalui analisis regresi bahwa penjualan produk utama mereka, variabel dependen, terutama bergantung pada variabel independen aksesibilitas dan publisitas pelanggan. Para pengambil keputusan kemudian dapat menggunakan informasi ini untuk mendistribusikan kembali dana dari area produksi lain untuk meningkatkan publisitas dan aksesibilitas pelanggan mereka, yang mungkin membantu meningkatkan penjualan.

Analisis klaster

Analisis cluster melibatkan pengelompokan item dalam kumpulan data dengan item lain yang memiliki properti serupa. Proses ini menghasilkan sejumlah grup yang masing-masing berisi item yang mirip satu sama lain, yang dapat membantu mengidentifikasi hubungan antara nilai dalam kumpulan data yang awalnya tidak disajikan sebagai terkait. Metode ini dapat sangat efektif dalam industri pemasaran, karena profesional pemasaran dapat menggunakan analisis klaster untuk menemukan kesamaan di antara basis pelanggan perusahaan yang dapat menginformasikan aspek perusahaan mana yang mungkin mereka pasarkan untuk menarik minat bersama yang teridentifikasi.

Analisis teks

Analisis teks mengeksplorasi kumpulan besar data dalam bentuk teks dan menyusunnya kembali untuk membuat informasi lebih mudah diakses dan mudah diatur. Metode analisis ini bisa sangat berharga dalam mempertimbangkan sumber data seperti artikel, tanggapan survei, dan ulasan produk, karena dapat mengelompokkan teks serupa berdasarkan konten, nada, atau niatnya. Misalnya, sebuah bisnis mungkin belajar tentang penerimaan pelanggan mereka terhadap produk tertentu dengan menggunakan analisis teks untuk mengelompokkan komentar atau ulasan yang berpikiran sama tentang produk tersebut bersama-sama, yang menunjukkan tanggapan mana yang paling umum.

Jaringan saraf

Jaringan syaraf tiruan bertindak sebagai dasar untuk algoritma yang dapat melakukan tugas-tugas khusus untuk analisis data secara otomatis. Karena jaringan saraf dirancang untuk mencerminkan bagaimana orang dapat memproses bentuk data tertentu, mereka biasanya belajar dari setiap transaksi data yang berinteraksi dengan mereka dengan mengidentifikasi pola baru, memprediksi nilai baru, dan memproses berbagai bentuk data. Salah satu penggunaan umum jaringan saraf adalah dalam analisis data prediktif, karena jaringan saraf dapat secara otomatis menghasilkan dan menampilkan prediksi volume tinggi di seluruh kumpulan data.

Penambangan data

Penambangan data adalah proses menggunakan metrik untuk menemukan hubungan, pola, dan tren dalam kumpulan data besar yang dapat digunakan para ahli untuk menginformasikan keputusan bisnis. Ketika sebuah perusahaan menggunakan penambangan data, ia dapat mengumpulkan informasi dalam jumlah besar dan secara otomatis menentukan di mana bagian-bagian informasi yang berbeda terhubung. Ini bisa sangat membantu untuk bisnis yang mengalami banyak interaksi online, karena penambangan data dapat memberi tahu mereka tentang minat dan kebiasaan pembelian pelanggan mereka.