Modul 2-Tutorial

Nilai Sentral & Ukuran Penyimpangan

Arie Wibowo Khurniawan, S.Si, M.Ak

Materi

1. Konsep Ukuran Nilai Sentral/Pusat;

2. Konsep Ukuran Variasi Absolut data tunggal dan data
kelompok;
3. Konsep ukuran Variasi relatif, simetris dan
keruncingan;
4. Latihan
Konsep Nilai Sentral/ Pusat
• Nilai tunggal yang mewakili (mereferensikan) himpunan atau
sekelompok data (a set of data)  Rata-rata (Average)
• Apabila keseluruhan nilai yang ada dalam data diurutkan
besarnya dan selanjutnya nilai rata-rata dimasukkan ke dalam
himpunan atau sekelompok data tadi maka nilai rata-rata
tersebut memiliki tendensi terletak diurutkan/deretan paling
tengah atau pusat, sehingga sering disebut ukuran
kecenderungan memusat (measures of centeral tendency)
• 3 Jenis Ukuran Nilai Sentral/Pusat :
1. Rata-Rata Hitung (Arithmetic Mean)  µ (myu) dan (x bar)
2. Median  Md
3. Modus (Mode)  Mo
Mean data (1)
1. Data yang tidak dikelompokkan

Apabila kita mempunyai data x, sebagai hasil pengamatan atau observasi

sebanyak N kali, yaitu X1, X2,....Xi,......,XN, maka :
c.Rata-rata sebenarnya (populasi) :

h.Rata-rata perkiraan (sampel):

Apabila rata-rata tersebut dihitung berdasarkan sampel sebanyak n di
mana n < N observasi, maka rata-rata sampel adalah sebagai berikut :
Kasus 1 :

Berikut ini disajikan data penjualan suatu perusahaan selama 10 tahun.

X = hasil penjualan selama 10 tahun dalam jutaan rupiah
X1 = 50 (hasil penjualan tahun pertama)
X2 = 60 (hasil penjualan tahun kedua)
X3 = 40 (hasil penjualan tahun ketiga)
X4 = 70 (hasil penjualan tahun keempat)
X5 = 80 (hasil penjualan tahun kelima)
X6 = 90 (hasil penjualan tahun keenam)
X7 = 100 (hasil penjualan tahun ketujuh)
X8 = 65 (hasil penjualan tahun kedelapan)
X9 = 75 (hasil penjualan tahun kesembilan)
X10 = 85 (hasil penjualan tahun kesepuluh)

n)Hitung rata-rata hasil penjualan sebenarnya.

o)Ambil Sampel Sebanyak n=5, misalnya setelah diambil sampelnya diperolah
tahun ke-2, 4, 5, 8 dan 10. Hitung rata-rata perkiraan hasil penjualan per tahun.
Mean data (2)
2. Data yang dikelompokkan
Untuk data yang sudah berbentuk frekuensi, dimana nilai –nilai observasi
yang terletak dalam suatu kelompok/kelas berdistribusi merata
sepanjang interval, maka titik tengah kelas (class mark) (Cm) merupakan
nilai tunggal yang representatif untuk nilai dalam kelas tsb.

dimana:
= mean
Cm = titik tengah interval kelas (class mark)
f = frekuensi
i = nomor kelas dari i sampai dengan k
Σ = simbol penjumlahan
Mean data (3)
2. Data yang dikelompokkan
dengan metode perhitungan singkat (short cut metoda)
Short cut metoda dilakukan dengan merubah class mark dengan sebuah skala baru
(skala u) yang bernilai kecil dan bulat yaitu 0, ±1, ±2, ±3 dan selanjutnya.

Ui = nilai skala U kelas i

Xi = class mark kelas i
X0 = class mark pada U=0
C = interval kelas

dimana:
= mean
X0 = nilai kelas dimana U=0
C = interval kelas
= rata-rata U pada skala U
Kasus 2 :

Berat badan 100 orang mahasiswa Fakultas Ekonomi UT tahun 2007

disajikan dalam tabel berikut.

Berat Badan (Kg) Banyaknya Mahasiswa

60 -62 5
63-65 18
66 – 68 42
69 -71 27
72-74 8

Hitunglah rata-rata perkiraan berat per mahasiswa !

Median (1)
Median merupakan sebuah nilai pusat yang ditentukan berdasarkan letak
data salam sebuah data yang telah tersusun dalam bentuk deret. Median
biasanya beradal ditengah-tengah dari deretan data. median disimbolkan
dengan Md.

1. Data yang tidak dikelompokkan

Jika mendapatkan jumlah data (n) yang tidak merupakan kelipatan 2 (ganjil),
maka nilai median adalah sama dengan nilai data yang memiliki urutan
paling tengah atau data yang bernomor urut k, dimana k dapat ditemukan
dengan rumus :

apabila jumlah data (n) yang merupakan kelipatan 2 (genap), maka k

merupakan bilangan rasional pecahan, dimana k dapat ditemukan dengan
rumus :
Median (2)
2. Data yang dikelompokkan

Langkah 1 : tentukan letak median pada suatu kelas. Bila jumlah

keseluruhan frekuensi adalah n, maka median akan terletak pada data yang
bernomor k, dimana k =n/2.

Langkah 2 : tentukan median dengan rumus:

dimana :
Md = Median
BA = Batas atas untuk kelas dimana median berada
BB = Batas bawah untuk kelas dimana median berada
C = Interval Kelas
S = (n/2) – (frekuensi kumulatif sebelum median berada)
S’ = (frekuensi kumulatif dimana median berada) – (n/2)
fm = Frekeunsi kelas dimana median berada
Kasus 3 :

1. Ada 7 karyawan dengan upah per bulan masing-masing (dalam juta

rupiah) adalah sebagai berikut 20, 80, 75, 60,50,85, dan 45 . Berapa
nilai median?
2. Ada 8 karyawan dengan upah per bulan masing-masing (dalam juta
rupiah) adalah sebagai berikut 20, 80, 75, 60,50,85, 45 dan 90.
Berapa nilai median?
3. Hitunglah nilai median 100 mahasiswa dari data sbb:

Berat Badan (Kg) Banyaknya Mahasiswa

60 -62 5
63-65 18
66 – 68 42
69 -71 27
72-74 8
Jumlah 100
Modus (Mode)
Modus adalah ukuran nilai pusat yang ditunjukkan oleh sesuatu/hasil
pengamatan yang paling banyak didapatkan/dijumpai/muncul.

1. Data yang tidak dikelompokkan

Xi= modus= Md kalau fi mempunyai nilai terbesar dibandingkan dengan nilai
pengamatan lainnya
2. Data yang dikelompokkan
Apabila data sudah dikelompokkan dan disajikan dalam tabel frekeunsi maka
modusnya dicari dengan rumus sbb :

dimana :
Mo = Modus
BB = Batas bawah dari kelas yang memuat modus
BA = Batas atas dari kelas yang memuat modus
C = Interval Kelas
S1 = Selisih frekuensi kelas modus dengan kelas sebelumnya (depannya)
S2 = Selisih frekuensi kelas modus dengan kelas sesudahnya (belakangnya)
Kasus 4 :

1. Dari data berikut, apakah ada modusnya ? kalau ada, tentukan

modusnya?
a). 2,2,5,7,9,9,9,10,10,11,12,18
b). 3,5,8,10,12,15,16
c). 2,3,4,4,4,5,5,7,7,7,9

2. Carilah modus dari tabel frekuensi sbb :

Kelas f
30 -39 4
40-49 6
50-59 8
60-69 12
70-79 9
80-89 7
90-99 4
Jumlah 50
Konsep Ukuran Variasi
Ukuran Variasi (measures of variation) atau ukuran
penyimpangan (measures of dispersion) adalah ukuran yang
menyatakan seberapa banyak nilia-nilai data berbeda dengan nilai
pusatnya atau seberapa jauh penyimpanagan nilai-nilai data dari
nilai pusatnya.
Pernah denger cerita aneh???
Ada orang tenggelam di danau yang kedalaman rata-ratanya 50 cm??!!!???
Pada bagian pinggir danau kedalaman danau hanya 2 cm, 5 cm sampai 10 cm..
tapi ada bagian danau yang berada di tengah mencapai 2 meter. Kalo dirata-
ratakan kedalaman danau cuma 50 cm, karena bagian yang dalam cuma sedikit...
Kalau hanya melihat dari rata-rata yang merupakan suatu nilai pemusatan
memang bisa menyesatkan. Tapi kalau melihat standar deviasi yang tinggi,
menandakan rata-rata perbedaan kedalaman danau dengan rata-ratanya sangat
tinggi. Atau bisa dikatakan sangat bervariasi tingkat kedalamannya.

Makanya jangan menilai sesuatu hanya dengan nilai pemusatan data,

tapi juga harus melihat nilai penyebaran data...
Ukuran Jarak (Range)
Ukuran Jarak (Range) adalah selisih nilai-nilai ekstrim yang terdapat
dalam kumpulan data atau dengan kata lain selisih nilai tertinggi (Xn)
dengan nilai terendah (X1) dalam kumpulan data.

Range = Xn – X1

Contoh :
Carilah range/jarak dari data berikut: 50, 40, 30, 60, 70

Penyelesaian :
Pertama-tama, data kita urutkan terlebih dahulu :
X1 = 30, X2=40, X3=50, X4=60, X5=70

Range = X5 –X1 =70-30

Simpangan Rata-Rata (Mean Devation) (1)
Simpangan Rata-rata menjelaskan besarnya simpangan data terhadap
nilai tengahnya.simpanagn rata-rata ini lebih baik daripada range karena
dapat mengambarkan kumpula data yang tepat bagi nilai pusat maupun
variasi keseluruhan data.
1. Data yang tidak dikelompokkan

= simpangan rata-rata data yang tidak dikelompokkan

n = jumlah keseluruhan data
i = nomor data
Xi = nilai data nomor ke-i
Simpangan Rata-Rata (Mean Devation) (2)
2. Data yang dikelompokkan

Data yang dikelompokkan adalah data yang telah disusun dalam bentuk distribusi
frekeunsi. Pada bentuk yang demikian nilai tengah kelas (class mark) dianggap
sebagai nilai yang repesentatif bagi nilai yang terdapat dalam kelas bersangkutan.

= simpangan rata-rata data yang telah dikelompokkan

n = jumlah kelas
i = nomor kelas
Cmi = nilai tengah kelas (class mark) dari kelas i

fi = frekuensi kelas nomor i

Simpangan Rata-Rata (Mean Devation) (3)

1. Simpangan rata-rata merupakan ukuran variasi yang lebih

baik daripada range. Karena simpangan rata-rata
didapatkan/diperhitungkan dari nilai keseluruhan data, bukan
hanya dari nilai ekstrimnya saja.
2. Simpangan rata-rata merupakan ukuran variasi yang
didasarkan pada pengukuran simpangan absolut, yang
menekankan pada besar/kecilnya (magnitude) simpangan dan
bukan pada arah simpangan.
Simpangan Baku (Standar Deviation) (1)
Simpangan baku (Standar Deviation) merupakan ukuran variasi yang
menunjukkan besar simpangan rata-rata keseluruhan nilai yang ada dalam
kelompok data dengan nilai pusatnya dengan cara menghilangkan
kemungkinan nilai 0 dan negatif dengan dikuadratkan.

1. Data yang tidak dikelompokkan

Bila data yang

dianalisis adalah
data populasi

Bila dikaitkan
dengan pengunaan
data sampel
Simpangan Baku (Standar Deviation) (2)

2. Data yang dikelompokkan

Data yang dikelompokkan adalah data yang telah disusun dalam bentuk distribusi
frekeunsi. Pada bentuk yang demikian nilai tengah kelas (class mark) dianggap
sebagai nilai yang repesentatif bagi nilai yang terdapat dalam kelas bersangkutan.

Bila dikaitkan
dengan pengunaan
data populasi

Bila data yang

dianalisis adalah
data sampel
Simpangan Baku (Standar Deviation) (3)
2. Data yang dikelompokkan
dengan metode perhitungan singkat (short cut metoda)

Bila data yang dianalisis

adalah data populasi

Bila dikaitkan dengan

pengunaan data sampel

Keterangan :
Short cut metoda dilakukan dengan mrubah class mark dengan sebuah skala baru
(skala u) yang bernilai kecil dan bulat yaitu 0, ±1, ±2, ±3 dan selanjutnya.

Ui = nilai skala U kelas i

Xi = class mark kelas i
X0 = class mark pada U=0
C = interval kelas
Kasus 5 :
Modal dari 40 perusahaan (jutaan rupiah) ada sbb :
2 164 150 132 144 125 149 157
146 158 140 147 136 148 152 144
168 126 138 176 163 119 154 165
146 173 142 147 163 153 140 135
161 145 135 142 135 156 145 128

Kelas f Hitunglah dari data tidak

118-126 3 berkelompok dan berkelompok
127-135 5 tersebut:
136-144 9 2.Simpangan Rata-Rata
3.Simpangan Baku
145-153 12
154-162 5
163-171 4
172-180 2
Jumlah 40
Ukuran Variasi Relatif
Ukuran variasi kreatif adalah ukuran variasi yang dapat digunakan
untuk membandingkan beberapa kumpulan data yang berbeda.
ukuran variasi relatif dikenal dengan nama koefisien variasi dan
disimbolkan dengan V.

dimana :
V = koefisien variasi
S = simpangan baku
= rata-rata (mean)
Kasus 6 :

Harga 5 mobil bekas masing-masing adalah Rp.4 Juta,

Rp.4,5 Juta, Rp. 5 Juta, Rp.4,75 Juta serta Rp4,25 Juta dan
harga 5 ayam masing-masing Rp. 600, Rp.800, Rp.900,
Rp550 dan Rp.1000. Hitunglah simapangan Baku harga
mobil dan harga ayam. mana yang lebih bervariasi, harga
mobil atau harga ayam?
Ukuran Kesimetrisan atau Kecondongan
Kesimetrisan atau kecondongan suatu distribusi dengan cepat dapat diduga,
apabila mean, median atau modusnya telah diketahui, yakni dengan
menggunakan/melihat koefisien kecondongan (Coefficient Skewness), yang
dirumuskan sebagai berikut (menurut pearson):

kurva simetris kurva menceng ke kiri kurva menceng ke kanan

Ukuran kemiringan(kurtosis) (1)
Ukuran keruncingan (kurtosis) adalah suatu ukuran yang dapat
digunakan untuk menetukan runcing atau tidaknya suatu kurva
distribusi. Ukuran keruncingan yang biasa digunakan adalah α4 (alpha-4)
atau disebut juga moment of kurtosis atau koefisien kurtosis.

1. Data yang tidak dikelompokkan

2. Data yang dikelompokkan
dimana:
α4 = koefisien kurtosis
n = jumlah populasi
Xi = nilai data yang ke-i
λ = rata-rata populasi
α = simpangan baku populasi

dimana:
Cmi = class mark tengah kelas i
K = jumlah kelas
fi= frekuensi kelas i
Ukuran kemiringan(kurtosis) (2)
Short Cut Metoda :

dimana:
C = interval kelas
K = jumlah kelas
Ui= skala U untuk kelas i
Ukuran kemiringan(kurtosis) (3)
Kalau
α4 > 3 dihasilkan distribusi leptokurtik (meruncing)

α4 = 3 dihasilkan distribusi mesokurtik (normal)

α4 < 3 dihasilkan distribusi platikurtik (mendatar)

Kasus 7 :

Berapa koefisien kecondongan dan koefisien kurtosis dari

data frekuensi dibawah ini

Usia Wanita Frekuensi

10-19 3
20-29 5
30-39 10
40-49 12
50-60 20
Jumlah 50
ARIE WIBOWO
Hp. 0813 111 77 904

buitenzorg99@yahoo.com