Statistik untuk data analyst cukup lima hal: ukuran pusat (rata-rata dan median), ukuran sebaran (simpangan baku dan kuartil), cara menemukan outlier, cara menghitung dan membaca perubahan, serta kesadaran bahwa korelasi bukan sebab-akibat. Lima hal ini mencegah sebagian besar kesimpulan keliru di laporan kantor. Rumus statistik tingkat lanjut, uji hipotesis, dan model jarang dibutuhkan di posisi analyst junior. Di bawah semuanya dijelaskan dengan satu data penjualan sungguhan, lengkap dengan hasil hitungannya.
Data yang Dipakai
Nilai setiap pesanan di jaringan kedai kopi selama Januari sampai April 2026: 68 angka, dari Rp10.000 (satu donat) sampai Rp106.000. Angka ini didapat dengan query SUM(qty * harga_satuan) ... GROUP BY id_pesanan dari artikel GROUP BY, lalu ditempel ke Kalkulator Statistik Deskriptif:

1. Ukuran Pusat: Rata-rata atau Median
- Rata-rata (mean): Rp37.455,88. Jumlah semua nilai dibagi banyaknya data.
- Median: Rp31.500. Nilai tengah setelah data diurutkan.
- Modus: Rp22.000. Nilai yang paling sering muncul (11 kali, yaitu pesanan satu Kopi Susu Gula Aren).
Rata-ratanya hampir Rp6.000 di atas median. Artinya beberapa pesanan besar menarik rata-rata ke atas, dan 41 dari 68 pesanan (60%) bernilai di bawah rata-rata. Kalau laporan menulis "rata-rata pelanggan belanja Rp37.000", kebanyakan pelanggan sebenarnya belanja lebih sedikit dari itu.
Aturan praktisnya: kalau rata-rata dan median berbeda jauh, laporkan median untuk menggambarkan "yang biasa", dan sebutkan rata-ratanya untuk perhitungan total. Pembahasan lengkap kapan memakai yang mana ada di mean, median, dan modus.
2. Ukuran Sebaran: Seberapa Berbeda Datanya
Dua toko bisa punya rata-rata nilai pesanan yang sama, tetapi satu toko semua pesanannya mirip, sedangkan toko lain ada yang Rp10.000 dan ada yang Rp200.000. Ukuran sebaran menangkap perbedaan itu.
- Rentang: maksimum dikurangi minimum, Rp96.000. Mudah dihitung, tetapi hanya dipengaruhi dua angka paling ekstrem.
- Kuartil: Q1 Rp22.000 dan Q3 Rp49.250. Separuh pesanan bernilai di antara keduanya. Jarak Q3 ke Q1 disebut IQR (Rp27.250).
- Simpangan baku (standard deviation): Rp19.660,88. Rata-rata jarak setiap data dari rata-ratanya. Semakin besar, semakin menyebar datanya.
- Koefisien variasi: simpangan baku dibagi rata-rata, 52,49%. Berguna untuk membandingkan sebaran dua data dengan satuan berbeda, misalnya nilai pesanan dalam rupiah dan jumlah item per pesanan.
Kalkulator menampilkan dua simpangan baku: sampel dan populasi. Pakai versi sampel (Rp19.660,88) kalau datamu adalah sebagian dari kejadian yang lebih besar, misalnya empat bulan transaksi yang dipakai untuk menggambarkan pola penjualan secara umum. Itu situasi yang paling sering terjadi. Versi populasi dipakai kalau datamu memang seluruh kejadian yang ingin digambarkan. Selisihnya mengecil seiring datanya bertambah banyak.
3. Outlier: Data yang Jauh dari yang Lain
Kalkulator menandai satu outlier: Rp106.000. Aturan yang dipakai adalah aturan IQR yang umum: nilai di bawah Q1 − 1,5 × IQR atau di atas Q3 + 1,5 × IQR. Dengan data ini, batas atasnya Rp90.125, jadi pesanan Rp106.000 terlewati.
Outlier bukan berarti data salah. Yang dilakukan analyst:
- Cek dulu apakah salah input. Nol kelebihan (Rp1.060.000 alih-alih Rp106.000) atau transaksi uji coba kasir harus diperbaiki atau dibuang.
- Kalau datanya benar, jangan dibuang diam-diam. Pesanan Rp106.000 di dataset ini adalah pembelian sungguhan (beberapa minuman dan makanan sekaligus), dan pembeli seperti itu justru menarik untuk dipelajari.
- Laporkan dengan dan tanpa outlier kalau outlier itu mengubah kesimpulan.
4. Persentase Perubahan: Hitung dengan Benar
Omzet Maret Rp798.000, April Rp675.000. Perubahannya:
(675.000 − 798.000) ÷ 798.000 × 100% = −15,4%
Tiga kesalahan yang sering muncul di laporan:
- Membagi dengan angka yang salah. Penyebutnya selalu angka sebelum perubahan (Maret), bukan sesudahnya.
- Rata-rata dari persentase. Kalau cabang A naik 50% dan cabang B turun 10%, perubahan totalnya bukan 20%. Hitung ulang dari total omzet kedua cabang.
- Persen dan poin persen tertukar. Retensi turun dari 75% ke 38,5% adalah turun 36,5 poin persen, bukan turun 36,5%. Kalau dihitung sebagai persentase, turunnya hampir separuh (48,7%).
5. Korelasi Bukan Sebab-Akibat
Dua hal yang bergerak bersamaan belum tentu saling menyebabkan. Contoh klasik di kedai kopi: penjualan es teh dan penjualan air mineral sama-sama naik di bulan-bulan panas. Es teh tidak menyebabkan orang membeli air mineral; keduanya disebabkan cuaca. Di data penjualan, penyebab bersama seperti ini sering berupa musim, hari gajian, libur sekolah, atau promo yang berjalan bersamaan.
Sebelum menulis "X menyebabkan Y", tanyakan:
- Apakah ada faktor ketiga yang memengaruhi keduanya?
- Apakah urutannya masuk akal (penyebab terjadi lebih dulu)?
- Apakah polanya tetap terlihat di cabang, bulan, atau kelompok lain?
Kalau belum yakin, tulis "berkaitan dengan", bukan "menyebabkan". Kata yang jujur ini sering membedakan analis yang dipercaya dengan yang tidak.
Satu Lagi: Data Sedikit, Kesimpulan Hati-hati
Dataset ini hanya 68 pesanan. Penurunan omzet Tebet dari Maret ke April terjadi karena pesanan turun dari 6 menjadi 3. Tiga pesanan bisa saja kebetulan. Sebelum menyimpulkan tren, tunggu data bulan berikutnya, atau lihat apakah polanya konsisten di periode lain. Menyebut keterbatasan ini di laporan, seperti di studi kasus SQL, bukan tanda kelemahan.
Kesalahan yang Sering Terjadi
- Hanya melaporkan rata-rata. Selalu lihat median dan sebarannya juga.
- Menghapus outlier tanpa mengecek. Pelanggan terbesar bisa ikut terhapus.
- Salah memilih simpangan baku sampel atau populasi. Untuk data transaksi yang menggambarkan pola, pakai sampel.
- Persentase dari persentase. Hitung ulang dari angka dasarnya.
- Kata "menyebabkan" tanpa bukti. Tulis "berkaitan dengan" kalau yang kamu punya hanya pola.
Langkah Berikutnya
- Hitung semua angka di atas dengan rumus Excel dan Google Sheets: rumus statistik deskriptif di Excel.
- Pahami lebih dalam kapan memakai rata-rata, median, atau modus: mean, median, modus.
- Sajikan sebaran data dalam grafik: memilih jenis grafik yang tepat.
- Coba dengan datamu sendiri di Kalkulator Statistik Deskriptif. Angka diproses di browser dan tidak dikirim ke server.