Rajin Belajar Bikin Nilai Naik? Analisis Data 395 Siswa

Nez Seco — Mon, 28 Sep 2026 12:31:38 +0000

Banyak orang bilang, "belajar yang rajin, nanti nilainya bagus." Tapi apa itu kelihatan di data? Di artikel ini kami bedah data nilai siswa sungguhan pakai Python, dari cek data sampai hitung peluang. Alurnya mengikuti contoh EDA dataset Iris oleh Alex Lopez: tiap langkah ada kode, hasil, lalu penjelasannya.

Ringkasan hasil:

Waktu belajar hampir nggak berhubungan dengan nilai akhir (r = 0,10).
Nilai periode 1 justru kuat memprediksi nilai akhir (r = 0,80).
Siswa dengan nilai periode 1 di atas 10 punya peluang lulus 90%, sedangkan yang di bawah 10 hanya 27%.

Daftar isi

Dataset
Cek data
Statistika deskriptif
Visualisasi
Analisis bivariat
Probabilitas
Refleksi dan kesimpulan

1. Dataset

Kami pakai dataset Student Performance dari UCI yang ada di Kaggle, file student-mat.csv. Isinya 395 siswa sekolah menengah di Portugal yang ikut kelas matematika, dikumpulkan lewat laporan sekolah dan kuesioner (Cortez & Silva, 2008).

Dua istilah dasar supaya nggak bingung:

Populasi: semua siswa yang ingin kita ketahui.
Sampel: 395 siswa yang datanya benar-benar kita punya. Kesimpulan kita cuma berlaku kuat untuk sampel ini.

Dari 33 kolom, kami pakai enam:

Kolom	Arti	Jenis data
`studytime`	Waktu belajar per minggu: 1 = <2 jam, 2 = 2-5 jam, 3 = 5-10 jam, 4 = >10 jam	Kategori berurutan
`failures`	Berapa kali pernah gagal	Angka
`absences`	Jumlah absen	Angka
`G1`	Nilai periode 1 (0-20)	Angka
`G2`	Nilai periode 2 (0-20)	Angka
`G3`	Nilai akhir (0-20)	Angka

Catatan: studytime itu kelompok, bukan jam belajar yang tepat. Ini akan berpengaruh ke hasil nanti.

2. Cek data

Langkah pertama: import library, baca data, lalu lihat ukuran dan isinya.

import os
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

os.makedirs("gambar", exist_ok=True)
sns.set_theme(style="whitegrid")

df = pd.read_csv("student-mat.csv")
print(df.shape)
print(df.isnull().sum().sum())
df[["studytime", "failures", "absences", "G1", "G2", "G3"]].head(8)

Hasil: 395 baris, 33 kolom, dan 0 data kosong. Jadi datanya bersih dan siap dianalisis. Delapan baris pertama:

studytime	failures	absences	G1	G2	G3
2	0	6	5	6	6
2	0	4	5	5	6
2	3	10	7	8	10
3	0	2	15	14	15
2	0	4	6	10	10
2	0	10	15	15	15
2	0	0	12	12	11
2	0	6	6	5	6

3. Statistika deskriptif

Statistika deskriptif itu cara meringkas data jadi beberapa angka. Kami mulai dari nilai akhir (G3).

g3 = df["G3"]
print(g3.mean(), g3.median(), g3.mode().tolist())
print(g3.max() - g3.min(), g3.var(), g3.std())
print((g3 == 0).sum())

Hasil:

Ukuran	Nilai	Arti singkatnya
Mean	10,42	Rata-rata nilai akhir
Median	11	Nilai tengah kalau diurutkan
Modus	10	Nilai yang paling sering muncul
Rentang	20	Selisih nilai tertinggi dan terendah
Varians	20,99	Ukuran seberapa menyebar nilai
Simpangan baku	4,58	Rata-rata "jarak" nilai dari mean

Artinya: rata-rata siswa dapat sekitar 10 dari 20, dan nilainya cukup beragam (simpangan baku sekitar 4-5 poin). Perhatikan bahwa median (11) lebih tinggi dari mean (10,42). Itu tanda ada nilai sangat kecil yang menarik rata-rata turun. Waktu kami cek, ternyata ada 38 siswa dengan nilai akhir 0. Datanya nggak menjelaskan kenapa, jadi kami cuma mencatatnya.

Sekarang kita cek: apakah yang belajarnya lebih lama nilainya lebih tinggi?

df.groupby("studytime")["G3"].agg(["count", "mean", "median"])

Hasil:

studytime	Jumlah siswa	Mean G3	Median G3
1 (<2 jam)	105	10,05	10
2 (2-5 jam)	198	10,17	11
3 (5-10 jam)	65	11,40	12
4 (>10 jam)	27	11,26	12

Artinya: ada kenaikan, tapi kecil. Selisih terbesarnya cuma sekitar 1,3 poin.

4. Visualisasi

Angka lebih gampang dipahami kalau digambar. Pertama, histogram nilai akhir:

plt.figure(figsize=(7, 4.5))
plt.hist(g3, bins=range(0, 22), color="#4C78A8", edgecolor="white")
plt.axvline(g3.mean(), color="red", linestyle="--", label=f"Mean = {g3.mean():.2f}")
plt.axvline(g3.median(), color="green", linestyle="-", label=f"Median = {g3.median():.0f}")
plt.title("Sebaran Nilai Akhir (G3)")
plt.xlabel("Nilai akhir (0-20)")
plt.ylabel("Jumlah siswa")
plt.legend()
plt.tight_layout()
plt.savefig("gambar/1_histogram_g3.png", dpi=150)
plt.show()

Artinya: kebanyakan siswa ada di tengah sampai kanan, tapi ada tumpukan kecil di angka 0. Itu yang menarik mean ke bawah.

Kedua, boxplot nilai akhir untuk tiap kelompok waktu belajar:

plt.figure(figsize=(7, 4.5))
sns.boxplot(x="studytime", y="G3", data=df, hue="studytime", palette="Set2", legend=False)
plt.xticks([0, 1, 2, 3], ["<2 jam", "2-5 jam", "5-10 jam", ">10 jam"])
plt.title("Nilai Akhir Berdasarkan Waktu Belajar Mingguan")
plt.xlabel("Waktu belajar per minggu")
plt.ylabel("Nilai akhir (G3)")
plt.tight_layout()
plt.savefig("gambar/2_boxplot_studytime.png", dpi=150)
plt.show()

Artinya: garis tengah kotak (median) naik sedikit untuk yang belajar lebih lama, tapi kotaknya banyak yang tumpang tindih. Jadi bedanya nggak tegas. Titik-titik bulat di angka 0 adalah siswa bernilai 0 tadi.

5. Analisis bivariat

Analisis bivariat artinya melihat hubungan dua variabel. Ukurannya adalah korelasi Pearson (r), nilainya dari -1 sampai +1:

mendekati +1: naik bareng, hubungannya kuat
mendekati 0: nyaris nggak ada hubungan
mendekati -1: yang satu naik, yang lain turun

print(df["studytime"].corr(df["G3"]))
print(df["absences"].corr(df["G3"]))
print(df["G1"].corr(df["G3"]))

Hasil:

Pasangan variabel	r	Kekuatan
`studytime` dan `G3`	0,10	Sangat lemah
`absences` dan `G3`	0,03	Hampir nol
`G1` dan `G3`	0,80	Kuat

Untuk melihat semua korelasi sekaligus, kita pakai heatmap:

kolom = ["studytime", "absences", "failures", "G1", "G2", "G3"]
plt.figure(figsize=(7, 5.5))
sns.heatmap(df[kolom].corr(), annot=True, fmt=".2f", cmap="coolwarm", vmin=-1, vmax=1)
plt.title("Korelasi Antar Variabel")
plt.tight_layout()
plt.savefig("gambar/4_heatmap_korelasi.png", dpi=150)
plt.show()

Hubungan yang paling menarik adalah G1 dan G3, jadi kita gambar scatter plot beserta garis regresinya:

r = df["G1"].corr(df["G3"])
slope, intercept = np.polyfit(df["G1"], df["G3"], 1)
print(r, r ** 2, intercept, slope)

plt.figure(figsize=(7, 5))
sns.regplot(x="G1", y="G3", data=df, x_jitter=0.2, y_jitter=0.2,
            scatter_kws={"alpha": 0.5, "s": 25},
            line_kws={"color": "red"})
plt.title(f"Nilai Periode 1 (G1) vs Nilai Akhir (G3), r = {r:.2f}")
plt.xlabel("G1")
plt.ylabel("G3")
plt.tight_layout()
plt.savefig("gambar/3_scatter_g1_g3.png", dpi=150)
plt.show()

Hasil: r = 0,80, R² = 0,64, dan garis regresinya G3 = -1,65 + 1,11 × G1.

Artinya:

Tiap G1 naik 1 poin, G3 rata-rata ikut naik sekitar 1,1 poin. Contoh: G1 = 12 diprediksi G3 sekitar 11,6.
R² = 0,64 berarti sekitar 64% variasi nilai akhir bisa dijelaskan oleh nilai periode 1.
Deretan titik di G3 = 0 "merusak" pola. Kalau 38 siswa itu dibuang, r naik dari 0,80 jadi 0,89.

Korelasi bukan sebab-akibat. G1 tinggi nggak menyebabkan G3 tinggi. Bisa jadi keduanya sama-sama dipengaruhi hal lain, misalnya kemampuan dasar. Sebaliknya, korelasi waktu belajar yang lemah belum tentu berarti belajar itu sia-sia, karena studytime cuma empat kelompok yang diisi sendiri oleh siswa.

6. Probabilitas

Sekarang kita lihat dari sisi peluang. Kita tentukan dua kejadian (batas lulus kami tetapkan 10 dari 20):

A: siswa lulus (G3 >= 10)
B: siswa sudah punya G1 >= 10

lulus = df["G3"] >= 10
g1_bagus = df["G1"] >= 10

print(lulus.mean(), g1_bagus.mean(), (lulus & g1_bagus).mean())
print(lulus[g1_bagus].mean(), lulus[~g1_bagus].mean())

Hasil (ambil satu siswa secara acak dari 395):

Peluang	Perhitungan	Nilai
P(A)	265 / 395	0,67
P(B)	253 / 395	0,64
P(A dan B)	227 / 395	0,57
P(A \| B)	0,57 / 0,64	0,90
P(A \| bukan B)	38 / 142	0,27

Peluang bersyarat artinya peluang A kalau kita sudah tahu B terjadi. Jadi kalau G1 seseorang sudah 10 ke atas, peluang lulusnya naik dari 67% jadi 90%. Kalau G1-nya di bawah 10, peluang lulusnya cuma 27%.

Uji independen. Dua kejadian disebut independen kalau P(A dan B) = P(A) × P(B). Di sini P(A) × P(B) = 0,67 × 0,64 = 0,43, padahal P(A dan B) sebenarnya 0,57. Angkanya jauh beda, jadi A dan B tidak independen: nilai awal memang memberi informasi soal kelulusan.

Sebagai pembanding, kami hitung juga untuk siswa yang "rajin belajar" (studytime 3 atau 4, jumlahnya 92 siswa). Peluang lulus mereka 0,75, sedangkan yang tidak rajin 0,65. Ada bedanya, tapi jauh lebih kecil dari pengaruh G1.

7. Refleksi dan kesimpulan

Yang kami pelajari:

Angka baru berarti setelah ditafsirkan. Mean 10,42 saja nggak cerita apa-apa sampai kami bandingkan dengan median dan menemukan 38 siswa bernilai 0.
Hasil yang nggak sesuai dugaan itu wajar. Kami kira jam belajar bakal jadi bintang cerita ini, ternyata korelasinya lemah.
Kami jadi lebih hati-hati memakai kata "menyebabkan". Datanya cuma dari dua sekolah dan satu mata pelajaran, jadi nggak bisa dianggap berlaku untuk semua siswa.

Kesimpulan: di data 395 siswa ini, nilai periode pertama jauh lebih bisa menebak nilai akhir (r = 0,80) daripada waktu belajar (r = 0,10). Ini bukan berarti belajar nggak penting, karena ukuran waktu belajar di data ini kasar dan masih banyak faktor yang belum kami periksa. Langkah berikutnya yang menarik adalah melihat pengaruh failures (korelasinya -0,36 dengan G3).

Kode lengkap dan datanya ada di GitHub kami: GANTI_DENGAN_LINK_REPO_GITHUB (file analisis_nilai_siswa.py dan student-mat.csv).

Penggunaan AI

Kami memakai Deepseek untuk membantu menyusun kerangka artikel dan menulis kode Python. Semua kode kami jalankan sendiri, angka-angkanya kami cek ulang dari output Python, dan isi artikel kami sesuaikan dengan pemahaman kami.

Referensi

Student Alcohol Consumption (UCI Machine Learning). Kaggle. https://www.kaggle.com/datasets/uciml/student-alcohol-consumption
Lopez, A. (StatsBio). [Python] - Exploratory Data Analysis example, Iris dataset. Medium. https://medium.com/@StatsBio/exploratory-data-analysis-example-iris-dataset-b224c26ad448
Materi kuliah Statistika & Probabilitas (Introduction, Descriptive Statistics, Bivariate Analysis, Basic Probability).

studytime	failures	absences	G1	G2	G3
2	0	6	5	6	6
2	0	4	5	5	6
2	3	10	7	8	10
3	0	2	15	14	15
2	0	4	6	10	10
2	0	10	15	15	15
2	0	0	12	12	11
2	0	6	6	5	6

studytime	failures	absences	G1	G2	G3
2	0	6	5	6	6
2	0	4	5	5	6
2	3	10	7	8	10
3	0	2	15	14	15
2	0	4	6	10	10
2	0	10	15	15	15
2	0	0	12	12	11
2	0	6	6	5	6

DEV Community: Nez Seco

Rajin Belajar Bikin Nilai Naik? Analisis Data 395 Siswa

Daftar isi

1. Dataset

2. Cek data

3. Statistika deskriptif

4. Visualisasi

5. Analisis bivariat

6. Probabilitas

7. Refleksi dan kesimpulan

Penggunaan AI

Referensi

studytime	failures	absences	G1	G2	G3
2	0	6	5	6	6
2	0	4	5	5	6
2	3	10	7	8	10
3	0	2	15	14	15
2	0	4	6	10	10
2	0	10	15	15	15
2	0	0	12	12	11
2	0	6	6	5	6