Statistik Deskriptif dalam Penelitian: Apa yang Perlu Dilaporkan dan Mengapa

Data sudah terkumpul, kuesioner sudah ditutup, tetapi bagian hasil masih terasa kosong karena kamu belum yakin statistik deskriptif dalam penelitian harus ditulis seperti apa. Banyak mahasiswa S1 dan S2 langsung membuka SPSS, Excel, Jamovi, atau R, lalu menyalin semua angka yang muncul tanpa tahu mana yang relevan untuk skripsi atau tesis. Akibatnya, tabel menjadi panjang, narasi berulang, dan dosen pembimbing bertanya, “Angka ini maksudnya apa?” Masalahnya bukan sekadar menghitung mean, median, atau persentase. Tantangan utamanya adalah memilih ringkasan yang sesuai dengan variabel, skala pengukuran, sampel, dan pertanyaan penelitian, lalu melaporkannya dengan kalimat yang tidak melebih-lebihkan temuan.

Statistik deskriptif dalam penelitian merangkum karakteristik data sebelum kamu masuk ke uji hipotesis, analisis hubungan, atau pembahasan. Yang perlu dilaporkan biasanya meliputi jumlah data, ukuran pemusatan, ukuran penyebaran, rentang, distribusi kategori, serta informasi data hilang atau outlier sesuai jenis variabel. Laporan yang baik tidak hanya menampilkan angka, tetapi juga menjelaskan arti angka itu terhadap sampel dan konteks penelitian.

Dalam panduan ini

• Apa itu statistik deskriptif dalam penelitian dan fungsi utamanya
• Apa saja yang dilaporkan dalam statistik deskriptif
• Bagaimana cara melaporkan statistik deskriptif dengan benar
• Kapan mean dan standar deviasi digunakan dan kapan tidak
• Bagaimana membuat tabel statistik deskriptif yang rapi
• Apa perbedaan laporan statistik deskriptif yang lemah dan yang kuat
• Apa kesalahan yang sering dilakukan mahasiswa saat menulis statistik deskriptif
• Bagaimana statistik deskriptif membantu pembahasan hasil penelitian
• Apa yang perlu dicek sebelum lanjut dari statistik deskriptif ke analisis berikutnya

Apa itu statistik deskriptif dalam penelitian dan fungsi utamanya?

Statistik deskriptif dalam penelitian adalah cara merangkum data agar pembaca melihat pola dasar sebelum masuk ke analisis yang lebih jauh. Fungsinya bukan membuktikan hipotesis, melainkan menunjukkan siapa atau apa yang diteliti, bagaimana nilai variabel tersebar, dan apakah data tampak wajar untuk dianalisis. Bagian ini menjadi jembatan antara metodologi dan hasil inferensial.

Definisi singkat yang sering dibutuhkan di skripsi dan tesis

Statistik deskriptif adalah ringkasan numerik atau visual dari data penelitian, seperti frekuensi, persentase, mean, median, standar deviasi, minimum, dan maksimum. Ringkasan ini menjawab pertanyaan sederhana: “Data saya seperti apa?”

Statistik inferensial adalah analisis yang digunakan untuk menarik kesimpulan lebih luas, misalnya uji t, ANOVA, korelasi, regresi, chi-square, atau model lain. Jika statistik deskriptif menggambarkan data, statistik inferensial menguji hubungan, perbedaan, atau pengaruh berdasarkan data itu.

Dalam skripsi psikologi tentang hubungan stres akademik dan kualitas tidur, statistik deskriptif dapat menunjukkan rata-rata skor stres, sebaran skor tidur, dan proporsi responden berdasarkan semester. Itu belum membuktikan bahwa stres berkaitan dengan tidur, tetapi membantu pembaca memahami kondisi sampel sebelum korelasi dilaporkan.

Mengapa pembimbing sering meminta bagian ini diperbaiki?

Pembimbing biasanya memperbaiki bagian statistik deskriptif karena mahasiswa menampilkan angka tanpa konteks. Misalnya, “Mean motivasi belajar adalah 3.82” belum cukup jika skala, rentang, atau makna kategori tidak dijelaskan. Pembaca perlu tahu apakah 3.82 berasal dari skala 1–5, apakah nilainya cenderung tinggi, dan apakah variasi antarresponden besar atau kecil.

Masalah lain muncul ketika mahasiswa tidak membedakan jenis variabel. Variabel jenis kelamin, program studi, atau status kerja tidak perlu dilaporkan dengan mean. Sebaliknya, variabel usia, skor kepuasan, atau lama rawat inap bisa membutuhkan ukuran pemusatan dan penyebaran, tergantung bentuk datanya.

Jika kamu masih menyusun variabel dan indikator sebelum mengolah data, peta seperti Peta hubungan variabel dan indikator penelitian kuantitatif dapat membantu memastikan data yang dikumpulkan memang sesuai dengan analisis yang akan ditulis.

Apa saja yang dilaporkan dalam statistik deskriptif?

Apa saja yang dilaporkan dalam statistik deskriptif bergantung pada jenis variabel dan tujuan penelitian. Untuk variabel kategorik, laporkan frekuensi dan persentase; untuk variabel numerik, laporkan ukuran pemusatan, penyebaran, dan rentang. Tambahkan jumlah data valid, data hilang, serta catatan outlier bila memengaruhi interpretasi.

Komponen utama yang biasanya muncul

Untuk banyak penelitian kuantitatif S1 dan S2, komponen berikut paling sering digunakan:

• N atau jumlah data valid: jumlah responden atau observasi yang masuk analisis.
• Frekuensi: jumlah kasus pada tiap kategori.
• Persentase: proporsi tiap kategori dari total data.
• Mean: rata-rata nilai numerik.
• Median: nilai tengah setelah data diurutkan.
• Modus: nilai atau kategori yang paling sering muncul.
• Standar deviasi: ukuran seberapa menyebar nilai dari mean.
• Minimum dan maksimum: nilai terendah dan tertinggi.
• Rentang: selisih antara nilai maksimum dan minimum.
• Data hilang: data yang tidak terisi, tidak valid, atau dikeluarkan.

Tidak semua komponen harus dimasukkan sekaligus. Tabel yang baik memilih angka yang membantu pembaca memahami data, bukan semua output yang dihasilkan perangkat lunak.

Contoh pemilihan komponen berdasarkan bidang

Dalam penelitian ilmu kesehatan atau keperawatan tentang kepatuhan minum obat pada pasien lansia setelah pulang dari perawatan rumah sakit, variabel usia dapat dilaporkan dengan mean, standar deviasi, median, minimum, dan maksimum. Variabel tingkat kepatuhan yang dikategorikan menjadi rendah, sedang, dan tinggi lebih tepat dilaporkan dengan frekuensi dan persentase.

Dalam penelitian pendidikan tentang penggunaan platform belajar daring oleh mahasiswa tahun pertama, skor kepuasan pada skala Likert dapat diringkas dengan mean dan standar deviasi jika diperlakukan sebagai skor komposit. Namun, kategori program studi atau jenis perangkat yang digunakan sebaiknya dilaporkan sebagai frekuensi dan persentase.

Dalam penelitian manajemen tentang kepuasan kerja karyawan magang, masa kerja dalam bulan dapat dilaporkan sebagai median dan rentang bila distribusinya miring. Departemen kerja, status magang, atau jenis kontrak tidak membutuhkan rata-rata karena datanya bersifat kategorik.

Bagaimana cara melaporkan statistik deskriptif dengan benar?

Cara melaporkan statistik deskriptif yang benar dimulai dari mencocokkan jenis variabel dengan ukuran ringkasan yang sesuai. Setelah itu, buat tabel yang ringkas, tulis narasi yang menjelaskan pola utama, dan hindari klaim sebab-akibat dari angka deskriptif saja. Narasi harus membaca tabel, bukan mengulang semua angka satu per satu.

Langkah praktis dari data mentah ke paragraf hasil

Gunakan alur berikut agar bagian hasil tidak berubah menjadi salinan mentah dari output software:

1. Pisahkan variabel kategorik dan numerik. Tandai variabel seperti jenis kelamin, fakultas, kelompok perlakuan, atau status kerja sebagai kategorik; tandai usia, skor tes, pendapatan, atau nilai indeks sebagai numerik.
2. Periksa jumlah data valid. Pastikan N sesuai dengan jumlah responden yang benar-benar dianalisis, bukan hanya jumlah kuesioner yang dibagikan.
3. Pilih ukuran ringkasan. Gunakan frekuensi dan persentase untuk kategori; gunakan mean dan standar deviasi untuk data numerik yang relatif simetris; gunakan median dan rentang interkuartil bila data miring.
4. Susun tabel statistik deskriptif. Gabungkan variabel sejenis agar tabel tidak terlalu banyak, tetapi jangan mencampur variabel yang membuat pembaca bingung.
5. Tulis narasi selektif. Jelaskan pola yang paling relevan dengan pertanyaan penelitian, misalnya dominasi kategori tertentu atau variasi skor yang besar.
6. Hubungkan dengan analisis berikutnya. Jika ada uji korelasi, regresi, atau perbedaan kelompok, jelaskan bahwa statistik deskriptif memberi gambaran awal sebelum uji tersebut.

Narasi yang tidak sekadar menyalin tabel

Kalimat seperti “Usia minimum 18, maksimum 24, mean 20.14, standar deviasi 1.22” memang informatif, tetapi terasa mekanis bila semua variabel ditulis dengan pola yang sama. Narasi yang lebih baik memilih makna utama: “Responden umumnya berada pada awal masa kuliah, dengan rata-rata usia 20.14 tahun dan variasi usia yang relatif kecil (SD = 1.22).”

Untuk penelitian kuantitatif, bagian ini sering berkaitan dengan keputusan metodologi sebelumnya. Jika desain, sumber data, atau uji statistik belum konsisten, baca juga Alur memilih metodologi penelitian berdasarkan pertanyaan dan sumber daya sebelum merapikan hasil.

Kapan mean dan standar deviasi digunakan, dan kapan tidak?

Mean dan standar deviasi digunakan untuk variabel numerik yang nilainya cukup simetris dan tidak didominasi outlier ekstrem. Jika data sangat miring, ordinal murni, atau berupa kategori, median, rentang interkuartil, frekuensi, dan persentase sering lebih tepat. Pemilihan ukuran ringkasan harus mengikuti sifat data, bukan kebiasaan menyalin output.

Kapan mean tepat dipakai?

Mean adalah jumlah seluruh nilai dibagi jumlah observasi. Ukuran ini cocok ketika data berbentuk interval atau rasio, misalnya usia, nilai ujian, skor total skala psikologis, tekanan darah, atau durasi penggunaan aplikasi, selama distribusinya tidak terlalu ekstrem.

Standar deviasi menunjukkan seberapa jauh nilai-nilai individu menyebar dari mean. Jika mean skor kecemasan akademik adalah 3.40 dengan SD 0.30 pada skala 1–5, mayoritas responden berada cukup dekat dengan rata-rata. Jika SD 1.10, respons lebih bervariasi dan perlu dibahas lebih hati-hati.

Dalam psikologi, skor total dari beberapa item valid dan reliabel sering diperlakukan sebagai variabel numerik. Misalnya, skor stres akademik dari 20 item Likert dapat diringkas dengan mean dan standar deviasi jika peneliti menjelaskan cara pembentukan skor.

Kapan median lebih aman?

Median adalah nilai tengah dari data yang sudah diurutkan. Ukuran ini lebih aman untuk data yang miring, misalnya lama rawat inap, pendapatan, waktu menyelesaikan tugas, atau jumlah kunjungan layanan kesehatan.

Bayangkan penelitian keperawatan tentang lama rawat inap pasien pascaoperasi. Sebagian besar pasien pulang dalam 3–5 hari, tetapi ada beberapa pasien dengan komplikasi yang dirawat 20 hari. Mean akan terdorong naik oleh kasus ekstrem itu, sedangkan median memberi gambaran yang lebih stabil tentang pengalaman mayoritas pasien.

Untuk variabel ordinal tunggal, seperti jawaban satu item “sangat tidak setuju” sampai “sangat setuju”, frekuensi per kategori kadang lebih jujur daripada mean. Namun, dalam banyak skripsi Indonesia, skor komposit Likert masih dilaporkan dengan mean; jika begitu, jelaskan dasar penggabungan item dan batas interpretasinya.

Bagaimana membuat tabel statistik deskriptif yang rapi?

Tabel statistik deskriptif yang rapi menampilkan variabel, jumlah data, dan ukuran ringkasan yang relevan tanpa memuat output berlebihan. Kolom harus konsisten, satuan harus jelas, dan catatan tabel perlu menjelaskan singkatan seperti SD atau IQR. Tabel yang baik memudahkan pembaca melihat pola dalam beberapa detik.

Struktur tabel untuk variabel numerik

Untuk variabel numerik, format umum dapat memuat N, mean, SD, median, minimum, dan maksimum. Jika distribusi miring, kolom median dan IQR bisa lebih ditekankan daripada mean dan SD. Jangan menaruh terlalu banyak desimal; dua angka di belakang koma biasanya cukup untuk skripsi atau tesis, kecuali bidangmu meminta aturan lain.

Contoh tabel statistik deskriptif untuk penelitian pendidikan:

Variabel	N	Mean	SD	Median	Min–Maks
Skor kepuasan belajar daring	120	3.84	0.62	3.90	2.10–5.00
Skor keterlibatan kelas	120	3.41	0.71	3.45	1.80–4.90
Durasi belajar mandiri per minggu	118	6.20	3.10	5.50	1.00–18.00

Tabel ini menunjukkan satu masalah yang sering terlewat: N pada durasi belajar hanya 118, bukan 120. Artinya ada dua data hilang atau tidak valid, dan itu perlu dicatat secara singkat.

Struktur tabel untuk variabel kategorik

Untuk variabel kategorik, tabel biasanya lebih sederhana: kategori, frekuensi, dan persentase. Persentase harus jelas dihitung dari N valid, bukan dari seluruh target populasi.

Karakteristik responden	Kategori	n	%
Tahun kuliah	Tahun pertama	46	38.3
Tahun kuliah	Tahun kedua	39	32.5
Tahun kuliah	Tahun ketiga atau lebih	35	29.2
Perangkat utama	Ponsel	77	64.2
Perangkat utama	Laptop	43	35.8

Tabel seperti ini lebih informatif daripada paragraf panjang yang menyebut setiap angka. Narasi cukup mengambil pola utama, misalnya “Sebagian besar responden menggunakan ponsel sebagai perangkat utama untuk belajar daring.”

Apa perbedaan laporan statistik deskriptif yang lemah dan yang kuat?

Laporan yang lemah menumpuk angka tanpa menjelaskan jenis variabel, satuan, atau makna pola. Laporan yang kuat memilih ukuran yang sesuai, menampilkan tabel yang hemat, dan menulis narasi yang membantu pembaca memahami sampel. Perbedaannya terlihat pada cara angka dipilih dan ditafsirkan secara terbatas.

Perbandingan contoh sebelum dan sesudah revisi

Berikut contoh konkret yang sering muncul di draf skripsi atau tesis:

Versi lemah	Versi lebih kuat
“Data motivasi memiliki mean 4.12, median 4.00, modus 5, standar deviasi 0.58, minimum 2, maksimum 5.”	“Skor motivasi belajar berada pada kategori relatif tinggi (M = 4.12, SD = 0.58) pada skala 1–5, dengan variasi antarresponden yang tidak terlalu besar.”
“Jenis kelamin memiliki mean 1.43 dan standar deviasi 0.49.”	“Responden terdiri dari 68 perempuan (56.7%) dan 52 laki-laki (43.3%); variabel ini dilaporkan dengan frekuensi karena bersifat kategorik.”
“Lama kerja responden rata-rata 9.8 bulan, jadi mayoritas sudah berpengalaman.”	“Lama kerja memiliki median 6 bulan dengan rentang 1–48 bulan, menunjukkan distribusi yang miring karena beberapa responden memiliki masa kerja jauh lebih panjang.”
“Semua variabel normal karena nilai minimum dan maksimum tidak terlalu jauh.”	“Nilai minimum dan maksimum hanya memberi gambaran rentang; bentuk distribusi tetap perlu diperiksa melalui histogram, skewness, atau uji asumsi sesuai analisis.”

Tabel ini menunjukkan bahwa revisi bukan hanya memperbaiki bahasa. Revisi mengubah cara berpikir: dari “menampilkan output” menjadi “menjelaskan data”.

Contoh kalimat lemah dan perbaikannya

Lemah: “Rata-rata kepuasan pasien adalah 3.90 sehingga pelayanan rumah sakit terbukti baik.”

Lebih kuat: “Rata-rata skor kepuasan pasien adalah 3.90 pada skala 1–5, yang menunjukkan penilaian cenderung positif dalam sampel ini. Namun, statistik deskriptif ini belum membuktikan faktor penyebab kepuasan.”

Versi pertama terlalu jauh karena memakai kata “terbukti” dari statistik deskriptif saja. Versi kedua lebih aman: angka dijelaskan sesuai skala, tetapi klaim kausal tidak dibuat.

Jika kamu masih bingung memilih uji setelah membaca pola deskriptif, Peta visual pemilihan uji statistik bisa membantu menghubungkan jenis variabel, jumlah kelompok, dan tujuan analisis.

Apa kesalahan yang sering dilakukan mahasiswa saat menulis statistik deskriptif?

Kesalahan paling umum adalah melaporkan ukuran yang tidak sesuai dengan jenis data, menyalin semua output, dan menafsirkan angka deskriptif seolah-olah sudah membuktikan hipotesis. Kesalahan lain muncul ketika skala, N valid, data hilang, atau outlier tidak dijelaskan. Bagian ini perlu ditulis dengan disiplin karena pembaca memakai statistik deskriptif untuk menilai kelayakan analisis berikutnya.

Kesalahan yang perlu kamu hindari

1. Memberi mean pada kategori nominal
   Contoh mahasiswa: “Rata-rata jenis kelamin responden adalah 1.56.”
   Perbaikan: Laporkan “perempuan 56% dan laki-laki 44%” atau kategori lain sesuai kode etik penelitianmu. Kode angka hanya alat input data, bukan nilai yang bermakna untuk dihitung rata-ratanya.

2. Menulis “tinggi” tanpa menjelaskan skala
   Contoh mahasiswa: “Mean kepuasan 3.70 termasuk tinggi.”
   Perbaikan: Jelaskan skala dan dasar kategori, misalnya “pada skala 1–5” dan sebutkan apakah kategori berasal dari interval interpretasi, pedoman instrumen, atau keputusan peneliti yang dijelaskan di metode.

3. Mengabaikan data hilang
   Contoh mahasiswa: “Jumlah responden 150” di metode, tetapi tabel deskriptif beberapa variabel hanya memuat N = 137 tanpa keterangan.
   Perbaikan: Tulis bahwa terdapat 13 respons tidak lengkap pada variabel tertentu dan jelaskan apakah data dikeluarkan dari analisis atau ditangani dengan prosedur tertentu.

4. Menyimpulkan pengaruh dari statistik deskriptif
   Contoh mahasiswa: “Mahasiswa yang belajar lebih lama memiliki nilai lebih tinggi, jadi durasi belajar berpengaruh terhadap nilai.”
   Perbaikan: Statistik deskriptif hanya memberi gambaran awal. Klaim pengaruh memerlukan desain dan analisis yang sesuai, misalnya regresi atau uji perbedaan, serta interpretasi yang hati-hati.

5. Menyembunyikan outlier yang memengaruhi mean
   Contoh mahasiswa: “Rata-rata waktu belajar adalah 9 jam per hari,” padahal beberapa responden mengisi 24 jam.
   Perbaikan: Periksa nilai ekstrem, pastikan apakah itu kesalahan input atau nilai nyata, lalu laporkan keputusan penanganannya.

Mengapa kesalahan kecil bisa merusak bagian hasil?

Kesalahan statistik deskriptif sering terlihat kecil, tetapi efeknya besar. Jika variabel kategorik dihitung dengan mean, pembaca akan meragukan pemahaman peneliti terhadap data. Jika outlier dibiarkan tanpa catatan, analisis lanjutan bisa tampak tidak stabil.

Dalam budaya skripsi dan tesis di kampus Indonesia, bagian hasil sering dibaca cepat oleh pembimbing dan penguji untuk melihat apakah mahasiswa memahami datanya sendiri. Tabel yang rapi dan narasi yang jujur memberi sinyal bahwa analisis berikutnya tidak dibangun di atas ringkasan yang asal tempel.

Bagaimana statistik deskriptif membantu pembahasan hasil penelitian?

Statistik deskriptif membantu pembahasan dengan memberi konteks terhadap hasil utama. Angka deskriptif dapat menjelaskan karakter sampel, kecenderungan skor, variasi respons, dan kemungkinan alasan hasil inferensial menjadi kuat, lemah, atau tidak signifikan. Namun, pembahasan tetap harus membedakan gambaran data dari bukti hubungan atau pengaruh.

Menghubungkan deskriptif dengan pertanyaan penelitian

Jika pertanyaan penelitianmu menanyakan hubungan antara kelelahan akademik dan prokrastinasi, statistik deskriptif menunjukkan tingkat umum kedua variabel sebelum korelasi dibahas. Misalnya, mean kelelahan tinggi tetapi variasinya kecil; kondisi ini bisa membatasi kemampuan analisis untuk menemukan hubungan yang besar karena responden cenderung mirip.

Dalam penelitian pendidikan, skor keterlibatan mahasiswa yang rendah pada dimensi diskusi daring dapat membantu menjelaskan mengapa interaksi kelas tidak berkaitan kuat dengan nilai akhir. Dalam penelitian manajemen, distribusi kepuasan kerja yang sangat tinggi pada hampir semua responden dapat menandakan efek plafon, yaitu nilai sudah berkumpul di bagian atas skala.

Kaitkan pembahasan dengan pertanyaan dan hipotesis awal. Jika struktur tujuan, sasaran, dan hipotesismu belum konsisten, lihat Relasi variabel dalam tujuan, sasaran, dan hipotesis penelitian agar bagian hasil tidak terasa terpisah dari bab pendahuluan.

Batas aman saat menafsirkan angka deskriptif

Gunakan kata yang sesuai dengan kekuatan bukti. Statistik deskriptif dapat “menunjukkan”, “menggambarkan”, atau “mengindikasikan pola dalam sampel”. Hindari kata seperti “membuktikan”, “menyebabkan”, atau “berpengaruh” jika belum ada analisis yang mendukung.

Contoh aman: “Sebagian besar responden berada pada kategori kepatuhan sedang, sehingga intervensi edukasi dapat dibahas sebagai kebutuhan praktis dalam konteks sampel ini.” Contoh berlebihan: “Kepatuhan sedang terjadi karena edukasi perawat belum efektif.” Kalimat kedua membutuhkan bukti tambahan, bukan hanya tabel deskriptif.

Apa yang perlu dicek sebelum lanjut dari statistik deskriptif ke analisis berikutnya?

Sebelum lanjut ke analisis inferensial, cek apakah variabel sudah diringkas dengan ukuran yang tepat, N valid konsisten, data hilang dijelaskan, dan outlier diperiksa. Pastikan tabel statistik deskriptif mendukung uji yang akan dilakukan, bukan berdiri sendiri tanpa hubungan dengan pertanyaan penelitian. Pemeriksaan ini mengurangi revisi besar di bab hasil.

Pemeriksaan teknis sebelum uji statistik

Periksa kembali kode data. Kategori seperti “1 = laki-laki” dan “2 = perempuan” tidak boleh diperlakukan sebagai angka bermakna. Skor negatif, nilai di luar rentang skala, atau jawaban tidak mungkin seperti usia 250 tahun harus diperiksa sebelum tabel final dibuat.

Cek juga konsistensi desimal. Jika satu variabel ditulis 3.4, variabel lain 3.4567, dan variabel berikutnya 3, tabel terlihat tidak disunting. Pilih format yang konsisten, misalnya dua desimal untuk mean dan SD, serta satu desimal untuk persentase.

Untuk data kuesioner, pastikan item yang perlu dibalik skornya sudah diproses sebelum skor total dihitung. Kesalahan reverse coding dapat membuat mean dan standar deviasi tampak rapi, tetapi maknanya salah.

Before you move on: daftar cek statistik deskriptif

• Setiap variabel sudah diberi jenis data yang benar: kategorik, ordinal, interval, atau rasio.
• Frekuensi dan persentase dipakai untuk variabel kategorik.
• Mean dan standar deviasi dipakai hanya untuk variabel numerik atau skor komposit yang layak.
• Median dan rentang interkuartil dipertimbangkan untuk data yang miring.
• N valid ditampilkan atau dijelaskan, terutama bila ada data hilang.
• Minimum dan maksimum diperiksa untuk mendeteksi nilai tidak wajar.
• Outlier dicatat bila memengaruhi interpretasi.
• Satuan pengukuran ditulis jelas, misalnya tahun, bulan, skor 1–5, atau menit.
• Tabel tidak menyalin semua output software secara mentah.
• Narasi menjelaskan pola utama, bukan mengulang semua isi tabel.
• Klaim sebab-akibat tidak dibuat dari statistik deskriptif saja.
• Bagian deskriptif terhubung dengan pertanyaan penelitian dan analisis berikutnya.

Tautan internal yang direkomendasikan

(Metadata sistem — jangan hapus bagian ini)

• Peta hubungan variabel dan indikator penelitian kuantitatif
• Alur memilih metodologi penelitian berdasarkan pertanyaan dan sumber daya
• Peta visual pemilihan uji statistik
• Relasi variabel dalam tujuan, sasaran, dan hipotesis penelitian

---