MPS Analisis Data2
MPS Analisis Data2
N
fX
M
= Di mana X mewakili titik
tengah interval, sedangkan f
j kk f k i di menunjukkan frekuensi di
setiap kelas atau interval
= Median didefinisikan sebagai suatu nilai yang membatasi
50 persen frekuensi distribusi bagian bawah dengan 50 p g g
persen frekuensi distribusi bagian atas (Hadi 1974:44)
Rumus untuk menghitung median dari distribusi
b l d l h b i b ik t bergolong adalah sebagai berikut :
i
cf - 1/2N
Bb Median
b
(
(
+ = di mana :
f
d
(
+ =
4 / 1
^ Desil adalah bilangan pembagi sekumpulan data menjadi
10 bagian, sehingga terdapat 9 desil, yaitu D
1
, D
2
, D
3
, D
4
, g , gg p , y
1
,
2
,
3
,
4
,
D
5
, D
6
, D
7
, D
8
, D
9
.
cf 1/10N (
R D il
(a) i
f
cf 1/10N
B D
d
b
b 1 (
+ =
D K M di (b)
Rumus Desil
D
5
= K
2
= Median (b)
(c) i
cf 9/10N
B D
b
b 9 (
(
+ = (c) i
f
B D
d
b 9 (
+
^ Persentil Pertama (P
1
) adalah suatu titik dalam
distribusi yang menjadi batas satu persen dari
frekuensi yang terbawah
P
2
Adalah suatu titik yang membatasi dua persen
frekuensi yang terbawah dalam distribusi
Rumus Persentil (a) i
cf n/100N
B P
b
(
(
+ Rumus Persentil (a) i
f
B P
d
b n (
+ =
3.3 Tempat kedudukan mean, median, mode dan
desil/persentil dalam distribusi
= Tempat kedudukan mean, median, dan mode
dalam satu distribusi sangat tergantung kepada
bentuk distribusinya apakah distribusinya simetri bentuk distribusinya, apakah distribusinya simetri
atau miring
+ Jika distribusinya simetri normal, maka ketiga ukuran
ketiga ukuran tersebut akan saling berhimpitan ketiga ukuran tersebut akan saling berhimpitan.
Gambar 10. Tempat Kedudukan Mean, Median, dan Mode
Nilai
Mean
Median
Mode
- Pada distribusi trapesium, dwimode, dan bentuk bel yang
tidak normal, nilai mean, median dan modenya , , y
berhimpitan.
Pada distribusi bentuk tabel yang tidak normal, nilai mean,
median dan modenya berhimpitan median dan modenya berhimpitan
Gambar 11. Distribusi Normal yang lain
Nilai
Mean
Nilai
Mean
Median
Mode
Median
Mode
> Pada distribusi bentuk trapesium dan dwimode, mean
dan median berhimpitan sedangkan modenya berada dan median berhimpitan sedangkan modenya berada
dalam kedudukan lain.
G b 12 Di t ib i T i d D i M d Gambar 12. Distribusi Trapesium dan Dwi Mode
Mean
Mean
Median Median
Median
Median Median
Pada distribusi miring maka kedudukan ketiga tendensi Pada distribusi miring, maka kedudukan ketiga tendensi
sentralnya terpisah satu sama lain
C Bilamana distribusinya miring ke kiri (positif), maka
meannya ada di sebelah kanan dan modenya ada di
sebelah kiri sebelah kiri.
C Jika distribusinya miring ke kanan (negatif),
maka meannya ada disebelah kiri dan modenya
ada disebelah kanan.
Gambar 13. Nilai Mean, Median dan Mode pada
Distribusi Miring Distribusi Miring
Mode Mean
Mean Mode
Median
Median
Median
> Nilai desil adalah terletak pada absis atau sumbu X,
sedangkan ordinatnya diletakkan pada tiap-tiap desil sedangkan ordinatnya diletakkan pada tiap tiap desil
Gambar 14. Tempat Masing-masing Desil Dalam
Distribusi Normal
D
4
D
1
D
3
D
2
D
6
D
5
D
8
D
7
D
9 4
1
3 2 6 5 8 7 9
- Perlu dicatat bahwa jarak antara titik-titik desil yang
satu ke desil yang lain adalah tidak sama satu ke desil yang lain adalah tidak sama.
Jarak antara desil yang sama banyaknya hanya
dijumpai pada grafik segi empat. j p p g g p
Gambar 15. Tempat Kedudukan Masing-masing Desil
Dalam Grafik Segi Empat
D1 D2 D3 D4 D5 D6 D7 D8 D9
3.4 Bilamana menggunakan mean, median, mode dan
desil/persentil desil/persentil
O Jika waktu terbatas maka yang digunakan adalah Mode
O Suatu kejadian khusus yang membutuhkan Mode O Suatu kejadian khusus yang membutuhkan Mode
O Nilai Mean sangat diperlukan dalam perhitungan
statistik, sementara Mean dan Mode adalah ukuran statistik, sementara Mean dan Mode adalah ukuran
statistik terbatas
O Jika ada terdapat informasi yang hilang, maka Mean
tidak dapat digunakan, dan ukuran yang dapat
membantu untuk situasi seperti itu adalah Median dan
Mode Mode
O Untuk kasus distribusi yang sangat miring, maka
tidaklah cukup akurat untuk menggunakan hanya salah
satu ukuran pemusatan, karena dapat memberi
gambaran yang salah
O Ukuran yang paling stabil adalah mean, diikuti median
dan mode
Berdasarkan beberapa faktor yang mempengaruhi
pemilihan ukuran tendensi sentral di atas, maka dapat
ditarik kesimpulan:
= Mean biasanya dipilih sebagai ukuran pemusatan
jik di t ib i d k ti l k jika distribusi mendekati normal, karena mean
mempunyai stabilitas terbesar dan dapat digunakan
sebagai dasar perhitungan statistik selanjutnya g p g j y
= Median adalah nilai variabel yang ditengah-tengah
dan umumnya paling tepat untuk menggambarkan dan umumnya paling tepat untuk menggambarkan
tendensi sentral bila distribusinya tidak normal,
seperti sangat miring, atau karena ada informasi
yang tidak lengkap
= Mode adalah ukuran yang paling sederhana yang
dapat dipakai untuk menaksir tendensi sentral p p
dalam keadaan tergesa-gesa, atau dalam situasi
khusus.
3.5 Rentang dan standar deviasi
Variabilitas adalah derajat penyebaran nilai-nilai j p y
variabel dari suatu tendensi sentral dalam suatu
distribusi. dispersi
Beberapa cara
Range
M D i ti
p
menghitung variabilitas
Mean Deviation
Standard Deviation
+ Mean Deviation (deviasi rata-rata) adalah rata-rata
deviasi nilai-nilai dari Mean dalam suatu distribusi dan deviasi nilai nilai dari Mean dalam suatu distribusi dan
diambil nilainya yang absolut (nilai positif).
Secara
deviasi rata-rata didefinisikan sebagai mean
dari harga mutlak dari deviasi nilai-nilai
individual
Secara
aritmatika
individual
> Rumus
deviasi
MD
X
deviasi
rata-rata
N
MD =
MD =adalah Mean Deviation MD adalah Mean Deviation
lxl
=jumlah deviasi dalam harga mutlaknya
N =jumlah individu/Kasus j
= Deviasi Standar (standard deviation) adalah alat statistik
yang dihitung berdasarkan akar dari jumlah deviasi yang dihitung berdasarkan akar dari jumlah deviasi
kuadrat dibagi banyaknya individu yang dimati.
Menurut Hadi (1987) standar deviasi dapat dibatasi Menurut Hadi (1987), standar deviasi dapat dibatasi
sebagai akar dari jumlah deviasi kuadrat dibagi
banyaknya individudalam distribusi.
> Rumus
Deviasi
N
X
SD
2
=
Standar (SD)
N
Di mana : SD(s) = Standard Deviation
X
2
= Jumlah deviasi kuadrat
N = Jumlah individu/kejadian dalam j
distribusi
+ Jumlah kuadrat dari deviasi standar disebut dengan
varians varians
Varians adalah mean dari jumlah deviasi kuadrat
atau dinyatakan dengan rumus :
+
atau dinyatakan dengan rumus :
N
X
SD V
2
2
= =
N
3.6 Angka baku dan koefisien variasi
+ Nilai standar atau angka baku mempunyai
keistimewaan yaitu bahwa nilai standard tidak lagi
tergantung kepada satuan pengukuran tersebut tergantung kepada satuan pengukuran tersebut
sebelumnya.
Angka standar yang paling asli adalah yang g y g p g y g
dikenal dengan istilah z-score
- Z-score didefinisikan sebagai suatu bilangan yang - Z-score didefinisikan sebagai suatu bilangan yang
menunjukkan seberapa jauh suatu nilai (angka kasar)
menyimpang dari mean dalam satuan SD atau secara
i k t dik t k b i i d k d i i t il i singkat dikatakan sebagai indeks deviasi sesuatu nilai
Rumus z-score adalah sebagai berikut : g
+
M X
SD
M - X
z = Di mana : z = angka standar
X = sesuatu angka kasar
M M di t ib i M = Mean distribusi
SD= Deviasi Standar distribusi
+ Pengukuran dengan z-score memiliki fungsi-fungsi
t t t i l b i b d i i ht d tertentu, misalnya sebagai sumber dari weighted score
atau scale score yang selalu digunakan dalam proses
penilaian hasil-hasil test secara ilmiah. p
. Dengan z-score memungkinkan seorang guru untuk
membandingkan kecakapan seorang anak dalam e ba d g a eca apa seo a g a a da a
bermacam-macam pelajaran.
Di i l tif Dispersi relatif
Untuk mengukur pengaruh dan untuk
membandingkan variasi antara nilai-
nilai besar dan nilai-nilai kecil.
t R t
absolut Dispersi
relatif Dispersi =
rata - Rata
p
+ Jika untuk dispersi absolut diambil simpangan baku
(SD), maka didapat koefisien variasi, yang didapat ( ), p , y g p
dipakai untuk membandingkan variasi relatif beberapa
kumpulan data dengan satuan yang berbeda.
> Rumus koefisien
variasi (KV) adalah :
t d D i i
100%
rata - Rata
standar Deviasi
KV =
3.7 Momen kemiringan dan kurtosis
P hit k i i d k t i Perhitungan momen, kemiringan dan kurtosis
digunakan untuk menilai apakah suatu kelompok data
terdistribusi secara normal atau tidak.