Beranda

Tentang
Kontak
Privacy
Peta Situs
Median Data Berkelompok
Pada data tunggal, penghitungan median cukup mudah. Data diurutkan berdasarkan nilai
datanya mulai dari yang terkecil sampai yang terbesar. Kemudian median bisa diketahui
langsung dari nilai tengah urutan data tersebut.

Namun pada data berkelompok, cara tersebut tidak bisa digunakan. Data berkelompok
merupakan data yang berbentuk kelas interval, sehingga kita tidak bisa langsung
mengetahui nilai median jika kelas mediannya sudah diketahui.

Oleh karena itu, kita harus menggunakan rumus berikut ini.



Me = median
xii = batas bawah median
n = jumlah data
fkii = frekuensi kumulatif data di bawah kelas median
fi = frekuensi data pada kelas median
p = panjang interval kelas

Contoh soal:

Sebanyak 26 orang mahasiswa terpilih sebagai sampel dalam penelitian kesehatan di
sebuah universitas. Mahasiswa yang terpilih tersebut diukur berat badannya. Hasil
pengukuran berat badan disajikan dalam bentuk data berkelompok seperti di bawah ini.



Hitunglah median berat badan mahasiswa!

Jawab:

Sebelum menggunakan rumus di atas, terlebih dahulu dibuat tabel untuk menghitung
frekuensi kumulatif data. Tabelnya adalah sebagai berikut.



Selanjutnya adalah menentukan nilai-nilai yang akan digunakan pada rumus.

Jumlah data adalah 26, sehingga mediannya terletak di antara data ke 13 dan 14. Data ke-13
dan 14 ini berada pada kelas interval ke-4 (61 65). Kelas interval ke-4 ini kita sebut kelas
median.

Melalui informasi kelas median, bisa kita peroleh batas bawah kelas median sama dengan
60,5. Frekuensi kumulatif sebelum kelas median adalah 9, dan frekuensi kelas median sama
dengan 5. Diketahui juga, bahwa panjang kelas sama dengan 5.

Secara matematis bisa diringkas sebagai berikut:
xii = 60,5
n = 26
fkii = 9
fi = 5
p = 5

Dari nilai-nilai tersebut dapat kita hitung median dengan menggunakan rumus median data
berkelompok.



Sehingga median berat badan mahasiswa adalah 64,5 kg.


Oooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooo

Variansi dan Standar Deviasi
Diterbitkan Juni 23, 2009 Deskriptif , Statistika 93 Comments
Tag:Mean, Median, Modus, Standar Deviasi, Variansi
Sebelum bertanya, silahkan
baca isi postingan ini dengan
seksama serta KOMENTAR-
KOMENTAR DAN JAWABAN
yang sudah saya berikan!
terimakasih
Variansi merupakan salah satu ukuran sebaran yang paling sering digunakan
dalam berbagai analisis statistika. Standar deviasi merupakan akar kuadrat
positif dari variansi. Secara umum, variansi dirumuskun sabagai :
Jika kita memiliki n observasi yaitu X1,X2,.Xn, dan diketahui Xbar adalah
rata-rata sampel yang dimiliki, maka variansi dapat dihitung sebagai :
sedangkan untuk populasi, variansi
dihitung sebagai :

selanjutnya untuk standar deviasi, dinotasikan sebagai :

Contoh :
Jika dimiliki data : 210, 340, 525, 450, 275
maka variansi dan standar deviasinya :
mean = (210, 340, 525, 450, 275)/5 = 360
variansi dan standar deviasi berturut-turut :

Sedangkan jika data disajikan dalam tabel distribusi frekuensi, variansi sampel
dapat dihitung sebagai :

contoh: (untuk data pada contoh-contoh sebelumnya/mean,median,modus)

notes:
A low standard deviation indicates that the data points tend to be very
close to the mean, whereas high standard deviation indicates that the data
are spread out over a large range of values.
Ukuran Sebaran
Diterbitkan Juni 15, 2009 Deskriptif , Statistika 3 Comments
Tag:Mean, Range, Standar Deviasi, Variansi
Ukuran sebaran data adalah ukuran yang menunjukkan sebaran atau
penyimpangan tiap observasi data terhadap suatu harga tengah. Ukuran sebaran
terdri atas :
1. Jangkauan/Rentang (Range)
Jangakauan atau rentang adalah nilai yang diperoleh dengan mengurangkan
nilai maksimum dari data dengan nilai minimun dari data.
Misal :
dimiliki data : 1,4,2,5,7,3,8,2
dimana nilai maksimum dan minimum dari data berturut-turut :8 dan 1. Maka
range atau jangkauan dari data tersebut adalah 8 1 = 7
2. Deviasi Rata-rata
Deviasi rata-rata adalah harga sebaran tiap observasi data terhadap rata-ratanya.
Nilai deviasi rata-rata dapat dihitung dengan menggunakan formula :
dimana : n adalah banyaknya data dan Xbar adalah rata-
rata
contoh :
dimiliki data : 340, 525, 450, 210, 275
dan diketahui mean = 360.

3. Variansi dan Standar Deviasi
4. Deviasi Kuartil
cari

go




oooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooo
MEAN, MEDIAN, MODUS, DAN STANDAR DEVIASI
14MAR

Mean, Median, Modus sama-sama merupakan ukuran pemusatan data yang termasuk kedalam analisis
statistika deskriptif. Namun, ketiganya memiliki kelebihan dan kekurangannya masing-masing dalam
menerangkan suatu ukuran pemusatan data. Untuk tahu kegunaannya masing-masing dan kapan kita
mempergunakannya, perlu diketahui terlebih dahulu pengertian analisis statistika deskriptif dan ukuran
pemusatan data.
Analisis Statistika deskriptif merupakan metode yang berkaitan dengan penyajian data sehingga
memberikan informasi yang berguna. Upaya penyajian ini dimaksudkan untuk mengungkapkan informasi
penting yang terdapat dalam data ke dalam berntuk yang lebih ringkas dan sederhana yang pada
akhirnya mengarah pada keperluan adanya penjelasan dan penafsiran (Aunudin, 1989)
Deskripsi data yang dilakukan meliputi ukuran pemusatan dan penyebaran data. Ukuran pemusatan data
meliputi nilai rata-rata (median), modus, dan median. Sedangkan ukuran penyebaran data meliputi ragam
(variance) dan simpangan baku (standard deviation).
Ukuran pemusatan data adalah suatu ukuran yang menggambarkan pusat dari kumpulan data yang bisa
mewakilinya. Disini saya juga akan membahas tentang standar deviasi juga.
Mean
Mean adalah nilai rata-rata dari beberapa buah data. Nilai mean dapat ditentukan dengan membagi
jumlah data dengan banyaknya data.
Mean (rata-rata) merupakan suatu ukuran pemusatan data. Mean suatu data juga merupakan statistik
karena mampu menggambarkan bahwa data tersebut berada pada kisaran mean data tersebut. Mean
tidak dapat digunakan sebagai ukuran pemusatan untuk jenis data nominal dan ordinal.
Berdasarkan definisi dari mean adalah jumlah seluruh data dibagi dengan banyaknya data. Dengan kata
lain jika kita memiliki N data sebagai berikut maka mean data tersebut dapat kita tuliskan sebagai berikut
:

Dimana:
x = data ke n
x bar = x rata-rata = nilai rata-rata sampel
n = banyaknya data
Bisa juga Menghitung mean
a) Rumus Mean Hitung dari Data Tunggal
b) Rumus Mean Hitung Untuk Data yang Disajikan Dalam
Distribusi Frekuensi
Dengan : fixi = frekuensi untuk nilai xi yang
bersesuaian
xi = data ke-i
c) Rumus Mean Hitung Gabungan
Median
Median menentukan letak tengah data setelah data disusun menurut urutan nilainya. Bisa juga nilai
tengah dari data-data yang terurut. Simbol untuk median adalah Me. Dengan median Me, maka 50% dari
banyak data nilainya paling tinggi sama dengan Me, dan 50% dari banyak data nilainya paling rendah
sama dengan Me. Dalam mencari median, dibedakan untuk banyak data ganjil dan banyak data
genap. Untuk banyak data ganjil, setelah data disusun menurut nilainya, maka median Me adalah data
yang terletak tepat di tengah. Median bisa dihitung menggunakan rumus sebagai berikut:
variansi merupakan salah satu ukuran sebaran yang paling sering digunakan dalam berbagai analisis
statistika. Standar deviasi merupakan akar kuadrat positif dari variansi. Secara umum, variansi
dirumuskun sabagai :
Contoh:
Dari lima kali kuiz statistika, seorang mahasiswa memperoleh nilai 82, 93, 86, 92, dan 79. Tentukan
median populasi ini.
jawab: Setelah data disusun dari yang terkecil sampai terbesar, diperoleh 79 82 86 92 93
Oleh karena itu medianya adalah 86
Kada nikotin yang berasal dari sebuah contoh acak enam batang rokok cap tertentu adalah 2.3, 2.7, 2.5,
2.9, 3.1, dan 1.9 miligram. Tentukan mediannya.
jawab: Bila kadar nikotin itu diurutkan dari yang terkecil sampai terbesar, maka diperoleh 1.9 2.3 2.5 2.7
2.9 3.1
Maka mediannya adalah rata-rata dari 2.5 dan 2.7, yaitu
Selain itu juga dapat dicari median dari data yang
telah tersusun dalam bentuk distribusi frekuensi. Rumus yang digunakan ada dua, yaitu
Dimana :
Bak = batas kelas atas median
c = lebar kelas
s = selisih antara nomor frekuensi median dengan frekuensi kumulatif sampai kelas median
fM = frekuensi kelas median

Sebelum menggunakan kedua rumus di atas, terlebih dahulu harus ditentukan kelas yang menjadi
kelasmedian. Kelas median adalah kelas yang memuat nomor frekuensi median, dan nomor frekuensi
median ini ditentukan dengan membagi keseluruhan data dengan dua.
Modus
Modus adalah nilai yang sering muncul. Jika kita tertarik pada data frekuensi, jumlah dari suatu nilai dari
kumpulan data, maka kita menggunakan modus. Modus sangat baik bila digunakan untuk data yang
memiliki sekala kategorik yaitu nominal atau ordinal.
Sedangkan data ordinal adalah data kategorik yang bisa diurutkan, misalnya kita menanyakan kepada
100 orang tentang kebiasaan untuk mencuci kaki sebelum tidur, dengan pilihan jawaban: selalu (5),
sering (4), kadang-kadang(3), jarang (2), tidak pernah (1). Apabila kita ingin melihat ukuran
pemusatannya lebih baik menggunakan modus yaitu yaitu jawaban yang paling banyak dipilih, misalnya
sering (2). Berarti sebagian besar orang dari 100 orang yang ditanyakan menjawab sering mencuci kaki
sebelum tidur. Inilah cara menghitung modus:
1. Data yang belum dikelompokkan
Modus dari data yang belum dikelompokkan adalah ukuran yang memiliki frekuensi tertinggi. Modus
dilambangkan mo.
2. Data yang telah dikelompokkan
Rumus Modus dari data yang telah dikelompokkan dihitung dengan rumus:


Dengan : Mo = Modus
L = Tepi bawah kelas yang memiliki frekuensi tertinggi (kelas modus) i = Interval kelas
b1 = Frekuensi kelas modus dikurangi frekuensi kelas interval terdekat sebelumnya
b2 = frekuensi kelas modus dikurangi frekuensi kelas interval terdekat sesudahnya
Contoh:
Sumbangan dari warga Bogor pada hari Palang Merah Nasional tercatat sebagai berikut: Rp 9.000, Rp
10.000, Rp 5.000, Rp 9.000, Rp 9.000, Rp 7.000, Rp 8.000, Rp 6.000, Rp 10.000, Rp 11.000. Maka
modusnya, yaitu nilai yang terjadi dengan frekuensi paling tinggi, adalah Rp 9.000.
Dari dua belas pelajar sekolah lanjutan tingkat atas yang diambil secara acak dicatat berapa kali mereka
menonton film selama sebulan lalu. Data yang diperoleh adalah 2, 0, 3, 1, 2, 4, 2, 5, 4, 0, 1 dan 4. Dalam
kasus ini terdapat dua modu, yaitu 2 dan 4, karena 2 dan 4 terdapat dengan frekuensi tertinggi. Distribusi
demikian dikatakan bimodus.
Standar defiasi
Standar Deviasi dan Varians Salah satu teknik statistik yg digunakan untuk menjelaskan homogenitas
kelompok. Varians merupakan jumlah kuadrat semua deviasi nilai-nilai individual thd rata-rata kelompok.
Sedangkan akar dari varians disebut dengan standar deviasi atau simpangan baku.
Standar Deviasi dan Varians Simpangan baku merupakan variasi sebaran data. Semakin kecil nilai
sebarannya berarti variasi nilai data makin sama Jika sebarannya bernilai 0, maka nilai semua datanya
adalah sama. Semakin besar nilai sebarannya berarti data semakin bervariasi.
Cara penulisan rumus fungsi standar deviasi
STDEV (number1, number2,)
Dengan :
Number1, number2, adalah 1-255 argumen yang sesuai dengan sampel populasi. Anda juga dapat
menggunakan array tunggal atau referensi ke array, bukan argumen yang dipisahkan oleh koma.
Keterangan
a. STDEV mengasumsikan bahwa argumen adalah contoh dari populasi. Jika data anda mewakili seluruh
populasi, untuk menghitung deviasi standar menggunakan STDEVP.
b. Standar deviasi dihitung menggunakan metode n-1 .
c. Argumen dapat berupa nomor atau nama, array, atau referensi yang mengandung angka.
d. Nilai-nilai logis dan representasi teks dari nomor yang Anda ketik langsung ke daftar argumen akan
dihitung.
e. Jika argumen adalah sebuah array atau referensi, hanya nomor/angka dalam array atau referensi yang
akan dihitung. Sel kosong, nilai-nilai logis, teks, atau nilai-nilai kesalahan dalam array atau referensi akan
diabaikan.
f. Argumen yang kesalahan nilai atau teks yang tidak dapat diterjemahkan ke dalam nomor/angka akan
menyebabkan kesalahan. g. Jika Anda ingin memasukkan nilai-nilai logis dan representasi teks angka
dalam referensi sebagai bagian dari perhitungan, gunakan fungsi STDEVA.
Dalam penerapannya STDEV , perhitungan standar deviasi secara manual menggunakan rumus berikut:
Dimana:
x = data ke n
x bar = x rata-rata = nilai rata-rata sampel
n = banyaknya data
variansi merupakan salah satu ukuran sebaran yang paling sering digunakan dalam berbagai analisis
statistika. Standar deviasi merupakan akar kuadrat positif dari variansi. Secara umum, variansi
dirumuskun sabagai :

Jika kita memiliki n observasi yaitu X1,X2,.Xn, dan diketahui Xbar adalah rata-rata sampel yang dimiliki,
maka variansi dapat dihitung sebagai :


Contoh:
Jika dimiliki data : 210, 340, 525, 450, 275
maka variansi dan standar deviasinya :
mean = (210, 340, 525, 450, 275)/5 = 360
variansi dan standar deviasi berturut-turut :
Sedangkan jika data disajikan dalam tabel distribusi
frekuensi, variansi sampel dapat dihitung sebagai :

Sumber:
Oooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooo

Median
Posted on Jumat, 09 Desember 2011
Median adalah salah satu ukuran pemusatan yang sering digunakan. Median
dari segugusdata yang telah diurutkan dari yang terkecil sampai yang terbesar
atau dari terbesar sampai terkecil adalah pengamatan yang tepat di tengah-
tengah bila banyaknya pengamatan itu ganjil, atau rata-rata kedua pengamatan
yang di tengah bila banyaknya pengamatan genap.

contoh :

Dari lima kali kuiz statistika, seorang mahasiswa memperoleh nilai 82, 93, 86, 92,
dan 79. Tentukan median populasi ini.
jawab: Setelah data disusun dari yang terkecil sampai terbesar, diperoleh
79 82 86 92 93
Oleh karena itu medianya adalah 86

Kada nikotin yang berasal dari sebuah contoh acak enam batang rokok cap
tertentu adalah 2.3, 2.7, 2.5, 2.9, 3.1, dan 1.9 miligram. Tentukan mediannya.
jawab: Bila kadar nikotin itu diurutkan dari yang terkecil sampai terbesar, maka
diperoleh
1.9 2.3 2.5 2.7 2.9 3.1
Maka mediannya adalah rata-rata dari 2.5 dan 2.7, yaitu


Selain itu juga dapat dicari median dari data yang telah tersusun dalam
bentuk distribusi frekuensi. Rumus yang digunakan ada dua, yaitu



Dimana :
Bbk = batas kelas bawah median
c = lebar kelas
s = Selisih antara nomor frekuensi median dengan frekuensi kumulatif dari kelas-
kelas di muka kelas median
fM = frekuensi kelas median


Dimana :
Bak = batas kelas atas median
c = lebar kelas
s' = selisih antara nomor frekuensi median dengan frekuensi kumulatif sampai
kelas median
fM = frekuensi kelas median

Sebelum menggunakan kedua rumus di atas, terlebih dahulu harus ditentukan
kelas yang menjadi kelas median. Kelas median adalah kelas yang memuat
nomor frekuensi median, dan nomor frekuensi median ini ditentukan dengan
membagi keseluruhan data dengan dua.

Perhatikan tabel di bawah ini, kita akan cari median dengan kedua cara
diatas


Dengan menggunakan kedua rumus di atas didapat:



Oooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooo
Modus
Posted on Sabtu, 10 Desember 2011
Modus segugus pengamatan adalah nilai yang terjadi paling sering atau yang mempunyai frekuensi
paling tinggi. Modustidak selalu ada, hal ini bila semua pengamatan mempunyai frekuensi terjadi yang
sama. Untuk data tertentu, mungkin saja terdapat beberapa dengan frekuensi tinggi, dan dalam hal
demikian kita mempunyai lebih dari satu modus.


contoh :
Sumbangan dari warga Bogor pada hari Palang Merah Nasional tercatat sebagai berikut: Rp 9.000, Rp
10.000, Rp 5.000, Rp 9.000, Rp 9.000, Rp 7.000, Rp 8.000, Rp 6.000, Rp 10.000, Rp 11.000. Maka
modusnya, yaitu nilai yang terjadi dengan frekuensi paling tinggi, adalah Rp 9.000.

Dari dua belas pelajar sekolah lanjutan tingkat atas yang diambil secara acak dicatat berapa kali mereka
menonton film selama sebulan lalu. Data yang diperoleh adalah 2, 0, 3, 1, 2, 4, 2, 5, 4, 0, 1 dan 4. Dalam
kasus ini terdapat dua modu, yaitu 2 dan 4, karena 2 dan 4 terdapat dengan frekuensi tertinggi. Distribusi
demikian dikatakan bimodus.

Sedangkan untuk mencari modus dari data yang telah disusun dalam bentuk distribusi frekuensiterlebih
dahulu ditentukan kelas yang menjadi kelas modus. Kelas Modus adalah kelas yang mempunyai
frekuensi paling tinggi, lalu nilai modus ditentukan menggunkan rumus berikut ini :


Modus


B1 = Batas bawah kelas modus.
d1 = Selisih antara frekuensi kelas modus dengan frekuensi kelas yang mendahuluinya.
d1 = Selisih antara frekuensi kelas modus dengan frekuensi kelas berikutnya.
c = Lebar kelas modus.