PENGOLAHAN DATA NUMERIK

Oleh
Heru Setiawan
A. Distribusi Frekuensi
B. Nilai Tengah (Central Tendency)
1. Raw data hasil pengukuran data kuantitatif tidak akan
memberikan informasi apa-apa jika tidak diolah
kedalam suatu distribusi frekuensi.

2. Distribusi frekuensi adalah suatu pengelompokkan

data kedalam kelas atau group tertentu.
 Istilah dalam Distribusi Frekuensi

a. Jumlah kelas
– Biasanya antara 6 – 14 (Umumnya ± 9)
– Jika ≥ 250 gunakan kaidah Sturgess
– Dihitung dengan rumus Sturgess, yaitu :
k = 1 + 3.3 log n, di mana:
k = jumlah kelas &
n = jumlah pengamatan.
 3. Istilah dalam Distribusi Frekuensi

b. Interval
• Merupakan jarak antar kelas :
– usahakan sama
– tidak ada nila yang tumpang tindih
– ada istilah batas bawah (lower limit), batas atas (upper limit)
dan nilai tengah (mid point)
– dihitung dengan rumus : R
I
dimana: k
I = Interval,
R= Range ( nilai max-min) &
k = jumlah kelas
4. Cara menyusun distribusi frekuensi :
a. Carilah nilai terbesar dan terkecil
b. Tentukan jumlah kelas dengan interval yang sama
c. Hitunglah banyak nilai observasi yang masuk
kedalam masing-masing kelas (disebut dengan
istilah frekuensi)
 Kelas frekuensi (f)
50 51 54 55 55 50 - 54,9 3
57 58 59 60 61 55 - 59,9 5
61 61 61 62 62 60 - 64,9 10
63 64 64 65 65 65 - 69,9 8
66 67 67 67 68 70 - 74,9 4
69 71 71 72 75 Jumlah 30
Keterangan :
Kelas : 50 – 54.9; 55 – 59.9; dst.
Lower limit kelas: 50 ; 55 ; dst.
Upper limit kelas: 54.9 ; 59.9 ; dst.
Interval kelas : 5 (Selisih upper limit denganlower limit suatu
kelas)
Kelas tertutup : 50 – 54.9
Kelas terbuka : - 54.9 atau 70 –
 Nilai Tengah
(Central Tendency)

1. Jenis-jenis nilai tengah :

– Mean/Arithmatic mean (x, y)
– Median (Md)
– Modus = Mode (Mo)
– Geometric mean (Gm) Sering digunakan
dalam bidang ekonomi
– Harmonic mean (Hm)
– Quadratic mean (Qm)
 Mean = rata-rata hitung (x, y)
• Simbol untuk mean :
– x atau y (x bar atau y bar) = untuk sampel (statistik)
  (miu) = untuk populasi (parameter).
• Merupakan nilai yang mewakili data agregate
• Bersifat labil (mudah dipengaruhi oleh nilai ekstrim)
• Mudah dihitung dan paling banyak digunakan
• Dihitung dengan rumus :
x  xi . f i
– Data tidak berkelompok : x  atau x 
n  fi

 1   f .mp
– Data berkelompok : xx=xg fd  x 
x g + (1/nx x fd)
n  n
 Contoh

No. Kelas f mp d fd
1 150 - 5 152.5 -15 -75
2 155 - 10 157.5 -10 -100
3 160 - 15 162.5 -5 -75
4 165 - 35 167.5 0 0
5 170 - 20 172.5 5 100
6 175 - 10 177.5 10 100
7 180 - 185 5 182.5 15 75
Jumlah 100 1172.5 0 25
• Diketahui : xg = 167.5
N = 100
fd = 25
• Ditanya mean = ….?
• Jawab : Rumus : x = xg + (1/n x Sfd) = 167.5 + (1/100 x 25) = 167.75

1 
x  x g   x  fd 
n 
 Median (Md) = Nilai tengah

• Merupakan nilai yang terletak paling tengah, sehingga membagi data

menjadi 2 kelompok yang sama jumlah pengamatannya.
• Relatif stabil (tidak dipengaruhi oleh nilai ekstrim)
• Sebelum mencari posisi median, terlebih dahulu data harus diurut
• Nilai median adalah nilai observasi pada posisi median
• Posisi median ditentukan dengan rumus :

• Data tidak berkelompok :

• Data berkelompok :
n 1
Md 
2
Md  Ll 
 n  1 / 2  fk
xi
fMd
 Contoh

No. Kelas f fk mp d fd
1 150 - 5 5 152,5 -15 -75
2 155 - 10 15 157,5 -10 -100
3 160 - 15 30 162,5 -5 -75
4 165 - 35 65 167,5 0 0
5 170 - 20 85 172,5 5 100
6 175 - 10 95 177,5 10 100
7 180 - 185 5 100 182,5 15 75
Jumlah 100 1172,5 0 25

Ditanya median = ….?

Md  Ll 
 n  1 / 2  fk
xi
Jawab : Rumus :
fMd

Md  165 
 100  1 / 2  30
x 5  167.93
35
 Modus/Mode (Mo) = Nilai tengah

• Merupakan nilai yang paling sering muncul dalam

pengamatan.
• Pada data yang tidak berkelompok, modus adalah frekuensi
pengamatan yang paling besar/banyak.
• Ditentukan dengan rumus :
• Data tidak berkelompok :
Mo =

– di mana n = jumlah pengamatan

– Contoh :
Data = 11 ; 12 ; 12 ; 13 ; 14 ; 15 ; 15 ; 16 ; 17 ; 18
– Modus = 12 dan 15
 Modus/Mode (Mo) = Nilai tengah

• Data berkelompok :
a. Rumus Delta (Thum method) : sering dipakai untuk
distribusi skewed
i. 1
Mo  Ll 
1   2
– Ll = Lower limit kelas mode
– i = interval kelas
 1 = Selisih frekuensi kelas mode dengan frekuensi
kelas sebelum kelas mode
 2 = Selisih frekuensi kelas mode dengan frekuensi
kelas setelah kelas mode
 Contoh

No. Kelas f fk mp d fd
1 150 - 5 5 152,5 -15 -75
2 155 - 10 15 157,5 -10 -100
3 160 - 15 30 162,5 -5 -75
4 165 - 35 65 167,5 0 0
5 170 - 20 85 172,5 5 100
6 175 - 10 95 177,5 10 100
7 180 - 185 5 100 182,5 15 75
Jumlah 100 1172,5 0 25

Ditanya modus/mode = ….?

Jawab : Rumus : i. 1
Mo  Ll 
1   2
5. 20
Mo 165   167.86
20  15
 Modus/Mode (Mo) = Nilai tengah

b. Rumus Empiris : sering dipakai untuk distribusi simetris

Mo = x  {3(x  Md)},
Mo  x   3 x  Md  
dimana x = Mean dan Md = Median

Diketahui :
• x = 167.75 (soal mean data berkelompok)
• Md = 167.93 (soal median data berkelompok)
• Ditanya modus/mode = ….?
• Jawab : Rumus :

Mo  x   3 x  Md  
Mo  167.75   3167.75  167.93   168.29
Hubungan antara nilai Mean, Median dan Modus/Mode

1. Nilai Median selalu berada di antara Mean dan Modus

2. Jika x = Md = Mo (berhimpitan), maka kurvanya
disebut simetris
3. Jika x < Md & Mo), maka kurvanya akan menceng ke
kiri disebut skewed to the left
4. Jika x > Md & Mo), maka kurvanya akan menceng ke
kanan disebut skewed to the right
 UKURAN DISPERSI/VARIASI

• Pengertian :
Nilai tengah (ukuran sentral) merupakan wakil dari data
yang telah tersusun. Tidak semua nilai bisa diwakili oleh
nilai tengah, ada nilai-nilai yang menyimpang dari nilai
tengah tersebut.
Ukuran terhadap penyimpangan ini disebut dispersi.
 Kegunaan
1. Memberikan informasi deskriptif tentang derajat penyimpangan
suatu kelompok data.

2. Menilai ketepatan nilai tengah dalam mewakili distribusinya.

Bila nilai dispersi besar berarti nilai tengah kurang mewakili
distribusinya, sebaliknya bila nilai dispersi kecil berarti nilai
tengah mempunyai ketepatan yang tinggi dalam mewakili
distribusinya. (Pengukuran nilai tengah tanpa mengikutsertakan
ukuran dispersi akan kurang lengkap).

3. Berguna untuk perhitungan statistik lebih lanjut agar diperoleh

informasi yang lebih mendalam tentang data.
 Jenis-jenis Ukuran Variasi

1. Range
2. Interquartile range
3. Mean deviation (Simpangan rata-rata)
4. Variance (Variasi)
5. Standard Deviation (Simpangan Baku)
6. Coefficient of variation (Koefisien variasi)
7. Standard Error

• Ukuran dispersi digunakan karena nilai sentral (mean) kadang-

kadang kurang berarti jika nilai variasi tidak diketahui.
 Contoh

Mean SD
Data A 60 60 55 60 65 60 60 3.2
Data B 90 50 30 70 40 80 60 23.7
Jika melihat meannya saja Data A = Data B, padahal Data A  Data B.
 Range (Rentang)

• Suatu nilai yang merupakan selisih antara nilai tertinggi dengan

nilai terendah
• Hanya ditentukan oleh 2 nilai saja (nilai tertinggi dan nilai
terendah)
• Sering dipakai untuk Quality control
• Dalam pemakaiannya sering digabung dengan ukuran lain,
(misalnya mean) karena jika hanya range saja yang dipakai
kadang-kadang menyesatkan.
 Range (Rentang)

Mean Range
Data A 3 4 5 6 8 11 15 20 9 17
Data B 3 3 4 9 11 11 11 20 9 17
Data C 3 4 9 9 9 9 9 20 9 17
 Interquartile Range
• Hampir sama dengan range, hanya ditentukan oleh
selisih (Q3) kuatil-3 dengan (Q1) kuartil-1.
• Sering digunakan untuk melihat penyebaran
pendapatan.
• Dihitung dengan rumus : dQ = (Q3  Q1)/2, di mana
dQ = Interquartile range
• Q3 = kuartil-3
• Q1 = kuartil-1
 Quartile (Kuartil)
• Kuartil adalah suatu ukuran yang membagi distribusi data menjadi 4 bagian
yang sama.
• Kuartil-1 (Q1)  25% dari seluruh distribusi
• Kuartil-2 (Q2)  50% dari seluruh distribusi (= Median)
• Kuartil-3 (Q3)  merupakan 75% dari seluruh distribusi
• Dihitung dengan rumus sebagai berikut :
Posisi kuartil = (ki * n)/4,
– ki = 1, 2, 3 dst. dan n = jumlah pengamatan
• Nilai kuartil =
 ki . n 
– Ll = Lower limit kelas kuartil   fk 
– n = jumlah pengamatan Nilai kuartil  Ll   4 .i
– fk = frekuensi kumulatif sebelum kelas kuartil  fk i 
 
– fki = frekuensi kelas kuartil  
– i = interval kelas
 Contoh

No. Kelas f fk mp d fd
1 150 - 5 5 152,5 -15 -75
2 155 - 10 15 157,5 -10 -100
3 160 - 15 30 162,5 -5 -75
4 165 - 35 65 167,5 0 0
5 170 - 20 85 172,5 5 100
6 175 - 10 95 177,5 10 100
7 180 - 185 5 100 182,5 15 75
Jumlah 100 1172,5 0 25

Ditanya :
1. kuartil-1/k1 …?
2. Kuartil-2/k2 …?
3. Kuartil-3/k3 …?
 Desil
• Suatu ukuran yang membagi kumpulan/distribusi data menjadi 10 bagian
yang sama.
Prinsipnya sama dengan kuartil, hanya bedanya jika dengan desil kita dapat
memperoleh informasi lebih detail.
• Dihitung dengan rumus sebagai berikut :
Posisi desil = (di*n)/10,
– di = 1, 2, 3 dst. dan n = jumlah pengamatan
Nilai Desil =  di . n 
– Ll = Lower limit kelas desil   fk 
– n = jumlah pengamatan Nilai desil  Ll   10 .i
– fk = frekuensi kumulatif sebelum kelas desil  fd i 
 
– fdi = frekuensi kelas desil  
– i = interval kelas
 Contoh
No. Kelas f fk mp d fd
1 150 - 5 5 152,5 -15 -75
2 155 - 10 15 157,5 -10 -100
3 160 - 15 30 162,5 -5 -75
4 165 - 35 65 167,5 0 0
5 170 - 20 85 172,5 5 100
6 175 - 10 95 177,5 10 100
7 180 - 185 5 100 182,5 15 75
Jumlah 100 1172,5 0 25

Ditanya Desil-1 …?
 Persentil
• Suatu ukuran yang membagi kumpulan/distribusi data menjadi 100 bagian
yang sama.
Prinsipnya sama dengan kuartil/desil, hanya bedanya jika dengan desil kita
dapat memperoleh informasi lebih detail lagi.
• Dihitung dengan rumus sebagai berikut :

pi . n
Posisi persentil 
– pi = 1, 2, 3 dst. dan n = jumlah pengamatan
n
 pi . n 
  fk 
– Ll = Lower limitNilai persentil  Ll   10
kelas persentil . i 
– n = jumlah pengamatan fpi
 
– 
fk = frekuensi kumulatif sebelum kelas persentil 
– fdi = frekuensi kelas persentil
– i = interval kelas
 Contoh
No. Kelas f fk mp d fd
1 150 - 5 5 152,5 -15 -75
2 155 - 10 15 157,5 -10 -100
3 160 - 15 30 162,5 -5 -75
4 165 - 35 65 167,5 0 0
5 170 - 20 85 172,5 5 100
6 175 - 10 95 177,5 10 100
7 180 - 185 5 100 182,5 15 75
Jumlah 100 1172,5 0 25

Ditanya persentil …?
 Mean deviation (Simpangan rata-rata)

• Suatu nilai yang ditentukan oleh perbedaan semua nilai terhadap

mean.
• Kadang2 (jika perlu), dapat juga perbedaan semua nilai terhadap
median (median deviation)
• Dihitung dengan rumus :

 xi  x   f  mp  x 
dx  dx 
n n

 xi  Md   f  mp  Md 
dMd  dMd 
n n
 Variance (Variasi)

• Merupakan rata-rata kuadrat dari selisih nilai dengan mean

• Adalah harga mutlak sehingga sulit untuk dimanipulasi secara
matematik.
• Untuk standarisasi, maka harus diakarkan sehingga disebut
sebagai standar deviasi
• Dihitung dengan rumus :

 xi  x 
2

V 
n 1
 Standard Deviation (Simpangan Baku)

• Merupakan ukuran yang paling banyak dipakai dalam analisa statistik

• Diberi simbol S (parameter) dan  (populasi)
• Dihitung dengan rumus :
1. Untuk data tidak berkelompok :
 xi  x 
2  x     x
2 2

S  S n
n 1 n 1
di mana (n – 1) = Faktor koreksi “Fisher & Willes”

2. Untuk data berkelompok :

 fx 2    fx 
2 2
 fd '   fd ' 
2
S i   n
n  n  S 
n 1
 Coefficient of variation (Koefisien variasi)

• Adalah rasio standar deviasi dengan mean, yang dinyatakan

dalam persen (%).
• Berfungsi untuk membandingkan antara 2 kelompok yang
mempunyai unit pengukuran berbeda (misalnyaTB dan BB) atau
unit pengukurannya sama tetapi derajat/gradasinya berbeda.
• Dihitung dengan rumus :

SD
CoV  x 100%
x
 Standard Error (SE)
• Merupakan ukuran variasi dari populasi (bukan ukuran variasi
dari sampel).
• Muncul karena adanya pengambilan sampel dari populasi.
• Suatu populasi dibagi menjadi beberapa kelompok, setiap
kelompok dicari meannya (x) kemudian mean tersebut
membentuk suatu kelompok data gabungan:
– Jika kelompok data gabungan itu dicari mean-nya, maka
diperoleh mean populasi ().
– Jika kelompok data gabungan itu dicari SD-nya, maka
diperoleh SD populasi ()
• Dihitung dengan rumus :
S 
SE  SE 
n N