BAB I

PENDAHULUAN

1.1 Latar Belakang

Pada dasarnya statistika ialah sebuah konsep dalam bereksperimen, menganalisa
data yang bertujuan untuk mengefisiensikan waktu, tenaga dan biaya dengan
memperoleh hasil yang optimal. Berdasarkan definisinya Statistika merupakan ilmu
yang mempelajari bagaimana merencanakan, mengumpulkan, menganalisis,
menginterpretasi, dan mempresentasikan data. Sedangkan statistik adalah data,
informasi, atau hasil penerapan algoritma statistika pada suatu data. Data sendiri
merupakan kumpulan fakta atau angka.
Disadari atau tidak, statistika telah banyak digunakan dalam kehidupan sehari-
hari. Bahkan pemerintah menggunakan statistika untuk menilai hasil pembangunan
masa lalu dan juga untuk membuat rencana masa datang.Sebagai seorang mahasiswa
sudah sewajarnya kita melakukan berbagai kegiatan dan penelitian apalagi sebagai
mahasiswa kesehatan masyarakat. Tidak dipungkiri keberadaan statistik sangat
penting untuk membantu mengumpulkan dan mengolah data yang didapatkan ketika
melakukan penelitian. Perlu diketahui bahwa tidak semua data dapat diolah dengan
cara yang sama. Ada berbagai metode dan cara pengolahan data sesuai dengan
karakteristik data. Untuk itu statistik memberikan cara-cara pengumpulan,
penyusunan data menjadi bentuk yang lebih mudah untuk dianalisis sehingga dapat
memberikan informasi yang jelas sebagai petunjuk di dalam pengambilan keputusan
dengan metode yang sesuai dengan karakteristik data yaitu dengan adanya tendensi
sentral.
Tendensi sentral digunakan untuk menggambarkan suatu nilai yang mewakili
nilai pusat atau nilai sentral dari suatu gugus data (himpunan pengamatan). Tendensi
sentral sering sekali digunakan untuk mengetahui rata-rata data (mean), nilai yang
berada ditengah data (median), nilai yang sering muncul dalam data (mode) dan
masih banyak lagi yang dapat dihitung dalam tendensi sentral.

1
 Dengan tendensi sentral, analisis data dalam penelitian dapat dilakukan dengan
tepat. Pemahaman dan pengetahuan mengenai tendensi sentral sangat penting
sehingga pengetahuan terhadap tendensi sentral sangat penting bagi mahasiswa.
Untuk hal tersebutlah dibuat makalah ini.
Sebagai seorang mahasiswa sudah sewajarnya kita melakukan berbagai
kegiatan. keberadaan statistiksangat penting untuk membantu mengumpulkan dan
mengolah data yang didapatkan ketika melakukan penelitian. Perlu diketahui bahwa
tidak semua data dapat diolah dengan cara yang sama. Ada berbagai metode dan cara
pengolahan data sesuai dengan karakteristik data. Untuk itu statistik memberikan
cara-cara pengumpulan, penyusunandata menjadi bentuk yang lebih mudah untuk
dianalisis sehingga dapat memberikan informasi yang jelas sebagai petunjuk di dalam
pengambilan keputusan dengan metode yang sesuai dengan karakteristik data yaitu
dengan adanya tendensi sentral. Tendensi sentral digunakan untuk menggambarkan
suatu nilai yang mewakilinilai pusat atau nilai sentral dari suatu gugus data
(himpunan pengamatan). Tendensisentral sering sekali digunakan untuk mengetahui
rata-rata data (mean), nilai yang berada ditengah data (median), nilai yang
sering muncul dalam data (mode) dan masih banyak lagi yang dapat dihitung dalam
tendensi sentral.Dengan tendensi sentral analisis data dalam penelitian dapat
dilakukan dengantepat.
Pemahaman dan pengetahuan mengenai tendensi sentral sangat penting
sehingga pengetahuan terhadap tendensi sentral sangat penting bagi mahasiswa. Untu
k hal tersebutlah dibuat makalah ini.

1.2 Rumusan Masalah

Berdasarkan uraian latar belakang tersebut di dalam makalah ini kami
merumuskan beberapa rumusan masalah :
1. Apakah pengertian dari tendensi sentral?
2. Apakah pengertian dari mean, median, dan modus?
3. Bagaimana penghitungan dan penerapan rumus dari tendensi sentral ?

2
1.3 Tujuan
Untuk mengetahui dan memahami ukuran skala pengukuran, konsep – konsep
tendensi sentral, penghitungan dan penerapan rumus dari tendensi sentral, serta
manfaat tendensi sentral bagi kehidupan sehari – hari.

3
 BAB II
PEMBAHASAN

2.1 Definisi Tendensi Sentral

Setiap pengukuran aritmatika yang ditujukan untuk menggambarkan suatu
nilai yang mewakili nilai pusat atau nilai sentral dari suatu gugus data (himpunan
pengamatan) dikenal sebagai ukuran tendensi sentral
Nilai sentral atau tendensi sentral adalah nilai dalam rangkaian data yang
mewakili rangkaian data tersebut. Tendensi sentral merupakan suatu ukuran yang
digunakan untuk mengetahui kumpulan data mengenai sampel atau populasi
yang disajikan dalam tabel atau diagram, yang dapat mewakili sampel atau
populasi. Bila ukuran tersebut diambil dari sampel disebut statistik dan jika
ukuran itu diambil dari populasi disebut parameter.Tendensi sentral digunakan
untuk menggambarkan sifat sekumpulan data dari suatu pengamatan. Sentral
Tendensial juga bisa disebut nilai yang representatif dalam suatu kelompok
observasi atau studi.Syarat-syaratnya adalah sebagai berikut:
1. Harus dapat mewakili rangkaian data
2. Perhitungannya harus didasarkan pada seluruh data
3. Perhitungannya harus objektif
4. Perhitungannya harus mudah
5. Dalam suatu rangkaian hanya ada 1 nilai sentral

Terdapat tiga ukuran tendensi sentral yang sering digunakan, yaitu mean (rata-
rata hitung/rata-rata aritmetika), median, modus.

2.1.1 Pengertian Statistika Deskriptif

Statistika deskriptif adalah bagian dari ilmu statistika yang hanya
mengolah, menyajikan data tanpa mengambil keputusan untuk populasi.
Dengan kata lain hanya melihatgambaran secara umum dari data yang
didapatkan. Statistika adalah ilmu yang mempelajari bagaimana

4
merencanakan, mengumpulkan, menganalisis, menginterpretasi, dan
mempresentasikan data. Singkatnya, statistika adalah ilmu yang berkenaan
dengan data. Iqbal Hasan (2004:185) menjelaskan : Analisis deskriptif
adalah merupakan bentuk analisis data penelitian untuk menguji generalisasi
hasil penelitian berdasarkan satusample. Analisa deskriptif ini dilakukan
dengan pengujian hipotesis deskriptif. Hasil analisisnya adalah apakah
hipotesis penelitian dapatdigeneralisasikan atau tidak. Jika hipotesis nol (H0)
diterima, berarti hasil penelitian dapat digeneralisasikan.

2.1.2 Pengertian Skala Dalam Statistik

Skala pengukuran adalah penetapan angka kepada objek atau kejadian
menurut aturan tertentu, perbandingan antar kategori di mana masing-
masing kategori diberi bobot nilai yang berbeda. Sifat proses pengukuran
yang menghasilkan angka-angka tersebut merupakan penafsiran yang dibuat
berdasarkan angka tersebut, di samping juga menentukan analisis statistik
yang akan digunakan. Skala pengukuran dibedakan menjadi empat, yaitu
skala nominal, skala ordinal, skala interval, dan skala rasio.

2.1.3 Jenis dan Karakteristik skala statistika

1. Skala Nominal
Skala nominal adalah pengukuran dengan menempatkan objek atau
individu ke dalam kategori-kategori yang mempunyai perbedaan kualitatif.
Pengukuran nominal ini hanya bertujuan untuk menempatkan atau
membedakan dua atau lebih kategori yang sesuai, serta mengetahui secara
pasti kriteria yang digunakan dalam menempatkan individu atau objek ke
dalam kategori tersebut. Dalam hal ini, kategori yang ditetapkan tidak
menunjukkan "lebih" atau "kurang", tetapi semata-mata menunjukkan
perbedaan saja. Misalnya untuk kategori jenis kelamin, laki-laki diberi
ukuran "1" dan perempuan diberi ukuran "0". Disini, angka 1 tidak berarti
lebih tinggi daripada 0. Angka-angka ini juga tidak ada hubungannya

5
dengan laki-laki lebih kuat fisiknya daripada wanita. Hal yang sama juga
terjadi pada pemberian nomor pada pemain sepak bola. Nomor 12 atau
nomor 23 tidak menunjukkan pandai tidaknya atau penting tidaknya
pemain tersebut dalam tim sepak bola.

2. Skala Ordinal

Dalam pengukuran ordinal, ditetapkan posisi atau kedudukan relatif

objek atau individu dalam hubungannya dengan suatu atribut, tanpa
menunjukkan jarak antara posisi-posisi tersebut. Persyaratan pokok bagi
pengukuran pada tingkat ini adalah kriteria empiris untuk menyusun obyek
atau kejadian-kejadian dalam hubungannya dengan atribut-atribut tersebut.
Contoh pengukuran ordinal adalah ketika guru menyusun peringkat
prestasi siswa di kelas XII. Urutan peringkat 1, 2, 3 dan seterusnya tidak
menunjukkan hal lain selain urutan berdasarkan atribut yang mereka miliki,
misalnya jumlah nilai, rerata nilai, sikap, dan keseriusan dalam belajar.
Jadi, jarak antara peringkat 1 dengan peringkat 2 bisa saja berbeda dengan
jarak antara peringkat 2 dengan peringkat 3, dan seterusnya.

3. Skala Interval
Skala ini adalah skala pengukuran yang memberi jarak antara interval
yang sama dari suatu titik asal yang tidak tetap. Skala interval bukan saja
menyusun urutan objek atau kejadian berdasarkan jumlah atribut yang
mewakili, melainkan juga menetapkan interval yang sama di antara unit-
unit ukuran. Perbedaan yang sama dalam angka menunjukkan perbedaan
yang sama pula dalam sifat. Dalam skala interval, titik nol ditentukan
berdasarkan kesepakatan atau konvensi. Dalam skala ini, angka negatif
dapat dipakai sebagai titik nol. Misalnya, dalam skala celcius, titik nol
ditetapkan sebagai titik beku air. Sehingga dalam menentukan perbedaan
antara 50' dan 51' celcius sama dengan 25' dengan 26' celcius. Contoh lain

6
 penggunaan skala interval adalah skala suhu dalam Fahrenheit dan
penanggalan dalam banyak kalender.Dalam kehidupan sehari-hari,
penentuan nilai di buku rapor juga merupakan skala interval, sebab tidak
ada nilai nol di rapor. Angka 80 pada mata pelajaran sosiologi yang diraih
seorang siswa bukan berarti siswa tersebut dua kali lebih pandai dari
temannya yang memperoleh angka 40. Jadi, karena tidak menentukan nol
secara pasti, maka angka-angka pada skala interval tidak dapar dibagi,
dikali, atau dikurangi.

4. Skala Rasio
Skala rasio merupakan skala pengukuran tertinggi. Pada skala
pengukuran ini, ditentukan titik nol sejati dan jarak interval harus sama.
Perbandingan (rasio) dapat dilakukan terhadap dua nilai tertentu pada skala
ini. Panjang penggaris dengan satuannya sentimeter (cm) atau inci adalah
contoh ukuran rasio. Dalam hal ini, kita dapat mengatakan bahwa
penggaris yang panjangnya 60cm adalah dua kali lipat dari penggaris yang
panjangnya 30cm. Kita dapat mengalikan, membagi atau mengurangkan
data yang diukur dengan skala rasio. Misalnya, dua ton padi sama dengan
dua kali satu ton padi.

2.2 Ukuran Tendensi Sentral

2.2.1 Mean
Arti dari mean tidak lain adalah “angka rata-rata”. Istilah Mean akan tetap
dipakai disini oleh karena sudah lazim digunakan dalam statistik. Dari segi aritmetik
Mean adalah “Jumlah nilai-nilai dibagidengan jumlah individu”.Istilah mean saja
merupakan metode yang paling banyak digunakan untuk menggambarkan ukuran
tendensi sentral. Mean (rata-rata) merupakan jumlah seluruh nilai data dibagi dengan
seluruh kejadian atau nilai rata-rata dari beberapa buah data.
Untuk keperluan ini, dalam perhitungan ukuran-ukuran statistik akan digunakan
simbol-simbol. Nilai-nilai data kuantitatif akan dinyatakan dengan x1, x2, …, xn,

7
apabila dalam kumpulan data itu terdapat n buah nilai. Simbol n juga digunakan
untuk menyatakan ukuran sampel, yakni banyaknya objek atau data yang diteliti
dalam sampel.Rata-rata untuk data kuantitatif yang terdapat dalam sebuah sampel
dihitung dengan jalan membagi jumlah nilai data oleh banyaknya data.
Perhitungan Mean Data Yang Tidak Dikelompokkan (Ungrouped Data)
Penggunaan data tidak dikelompokkan maupun data yang dikelompokkan data
yang dikelompokkan umumnya berkaitan dengan jumlah data yang digunakan. Jika
jumlah data yang digunakan relatif sedikit, rata-rata data yang tidak dikelompokkan
(ungrouped data) menjadi pilihan untuk digunakan. Sebaliknya, jika jumlah data
yang digunakan relatif banyak maka penggunaan data kelompok (grouped data)
banyak dipilih.
Mean Data Tunggal

Dirumuskandengan

𝚺𝐗𝐢
𝐌𝐞𝐚𝐧 = atau lebih sederhananya ditulis;
𝒏
Keterangan :
X1: data ke 1
X2: data ke 2
Xn: data ke-n
n: jumlah data Simbol ∑ adalah huruf Yunani yang disebut “Sigma” dan
mempunyai arti jumlah.
Contoh:
Menghitung rata-rata data tunggal:
Diketahui data : 3, 4, 5, 2, 6, 7, 4, 6, 3, 5. Hitung nilai rata–ratanya!
𝚺𝐗𝐢
𝐌𝐞𝐚𝐧 = Jawab:
𝒏
= 3 + 4 + 5 + 2 + 6 + 7 + 4 + 6 + 3+ 5
9
= 45
9
= 5

8
 Mean Data Kelompok
Untuk data berkelompok rumus rata-ratanya adalah jumlah hasil kali antara
frekuensi dengan nilai data dibagi jumlah frekuensi; dimana menyatakan frekuensi
untuk nilai yang bersesuaian.
Dirumuskan dengan;
𝚺(𝐟𝒊. 𝐱𝒊)
𝐌𝐞𝐚𝐧 =
𝚺𝐟𝒊
Atau:
Keterangan :
X1: data ke 1
X2: data ke 2
Xn: data ke n
f1: frekuensi data ke 1
f2: frekuensi data ke 2
fn: frekuensi data ke n
n: jumlah data
xi: nilai tengah
Contoh menghitung rata-rata data kelompok:
Nilai F X
1 -5 3 3
6 -10 7 8
11 – 15 4 13
16 – 20 3 18
21 – 25 7 23
26 – 30 9 28
31 – 35 6 33
36 – 40 7 38
41 – 45 8 43
46 - 50 6 48
60
𝚺(𝐟𝐢.𝐱𝐢)
𝐌𝐞𝐚𝐧 = Jawab:
𝚺𝐟𝐢
= {(3.3)+(7.8)+(4.13)+(3.18)+(7.23)+(9.28)+(6.33)+(7.38)+(8.43)+(6.48)}
60
={9+56+52+54+161+252+198+266+344+288}
60
= 28
Kelebihan mean:
1. Nilai rata-rata punyai sifat objektif

9
 2. Nilai rata-rata mudah dimengerti
3. Nilai rata-rata mudah dihitung
4. Perhitungan rata-rata didasarkan pada data keseluruhan sehingga nilai
rata-rata dapat mewakili suatu rangakaian data.
5. Nilai rata-rata mempunyai stabilitas sampel
6. Nilai rata-rata digunakan untuk perhitungan lebih lanjut

Kelemahan mean:
1. Nilai rata-rata mudah dipengaruhi oleh nilai ekstrem, baik kecil
maupun besar
2. Pada distribusi yang condong, nilai rata-rata kurang mewakili

2.2.2 Median
Median (nilai tengah),adalah suatu nilai yang membatasi 50% dari frekuensi
distribusi sebelah atas dan 50% frekuensi distribusi sebelah bawah
ataumerupakan nilai tengah dari rangkaian data yang telah tersusun secara
teratur. Atau sebagai ukuran letak, karena median membagi distribusi menjadi 2
bagian yang sama. Median menentukan letak data setelah data itu disusun
menurut urutan nilainya.
Perhitungan Median Data Yang Tidak Dikelompokkan (Ungrouped Data)
Langkah-langkahnya antara lain:
 Urutkan data dari terkecil ke terbesar atau dari terbesar ke terkecil. Dalam
pembahasan ini, urutan data selalu dimulai dari terkecil ke terbesar.
(𝒏+𝟏)
 Tentukan letak median dengan formulasi 𝟐

 Untuk kasus jumlah data ganjil, nilai tengah dari observasi yang sudah di
urutkan merupakan nilai median sementara untuk kasus jumlah data genap,
nilai median merupakan rata-rata dari dua data yang berada pada letak median
untuk data yang sudah diurutkan.

Median Data Tunggal

Jika banyak data ganjil maka median setelah data disusun menurut nilainya
merupakan data paling tengah.
(𝒏 + 𝟏)
𝐏𝐨𝐬𝐢𝐬𝐢 𝐌𝐞𝐝𝐢𝐚𝐧 =
𝟐
Keterangan :

10
 n= Jumlah data
Contoh:
Diketahui data :2, 3, 3, 4, 4, 5, 5, 6, 6, 7. Hitung median data tersebut!
(𝒏+𝟏)
𝐏𝐨𝐬𝐢𝐬𝐢 𝐌𝐞𝐝𝐢𝐚𝐧 = 𝟐
(𝟏𝟎+𝟏)
= 𝟐
= 𝟓, 𝟓
Data ke-5,5 berada diantara angka 4 dan 5 maka ….
Median= 4+5
2
= 4,5
Median Data Kelompok

Keterangan :
Lm= true lower limit atau batas bawah sesungguhnya dari kelas dengan frekuensi
paling tinggi (tepi bawah kelas median)
n= Jumlah Frekuensi
∑f= Frekuensi kumulatif diatas kelas median
fm= Frekuensi kelas median (frekuensi tertinggi dari kelas interval)
c= interval kelas median
Contoh:
Menghitung Median data kelompok:
Nilai Fm F
1 -5 3 3
6 -10 7 10
11 – 15 4 14
16 – 20 3 17
21 – 25 7 24
26 – 30 9 33
31 – 35 6 39
36 – 40 7 46
41 – 45 8 54
46 – 50 6 60
60
Jawab:
Kelas median=1/2.n
= ½.60
= 30
Berada pada kelas 26-30

11
 Lm= 26 - 0,5 = 25,5
n = 60 ∑f = 24
c =5 fm = 9
Median = Lm + ( n/2 - ∑f ) . c
fm
= 25,5 + (60/2 – 24) . 5
9
=25,5 + (30 – 24) . 5
9
= 25,5 + 0,67 . 5
=25,5 +3,35
=28,85
Median memiliki kelebihan dan kekurangan antara lain:
Kelebihan:
1. Cocok untuk data heterogen
2. Median digunakan bila terdapat data yang ekstrim dalam sekelompok data

Kekurangan:
1. Tidak mempertimbangkan semua nilai
2. Kurang dapat menggambarkan mean populasi

2.2.3 Modus
Modus,merupakan nilai data yang memiliki frekuensi terbesar atau dengan
kata lain, nilai data yang paling sering terjadi.Ukuran ini juga dalam keadaan tidak
disadari sering dipakai untuk menentukan rata-rata data kualitatif.Misalnya banyak
kematian di Indonesia disebakan oleh penyakit malaria, pada umumnya
kecelakaan lalulintas karena kecerobohan pengemudi, maka tidak lain masing-
masing merupakan modus penyebab kematian dan kecelakaan lalu lintas.Cara
menentukan modus amat sangat mudah hanya dengan mengamati data yang paling
sering muncul. Dalam satu rangkaian data, kadang dijumpai adanya 1 modus, 2
modus atau tidak ada modus.

Perhitungan Modus Data Yang Tidak Dikelompokkan (Ungrouped Data)

Langkah-langkahnya sebagai berikut:

12
 Urutkan data dari terkecil ke terbesar atau dari terbesar ke terkecil
Cari modus dengan cara mencari nilai observasi yang paling banyak muncul.
Bisa terjadi dalam satu kumpulan data tidak terdapat modus atau bahkan
memiliki modus lebih dari satu. Untuk kasus dimana ada 2 modus dikenal
dengan sebutan bimodus atau untuk yang lebih dari 3 modus dikenal dengan
multimodus.

Modus Data Tunggal

Dalam data tunggal, modus dapat dibatasi sebagai nilai variabel yang
mempunyai frekuensi tertinggi dalam distribusi. Cara menentukan modus data
tunggal yakni dengan mengamati data yang paling sering muncul.
Contoh modus data tunggal:
Berapakah modus dari data berikut : 1,2,2,4,4,4,5,6,7,8,9.
Jawab:
Modus= 4 , karena angka 4 muncul paling banyak yaitu 3 kali.

Modus Data Kelompok

Untuk data kualitatif yang telah disusun dalam tabel distribusi frekuensi (data
berkelompok), modusnya dapat ditentukan dengan rumus:
𝐝𝟏
𝐌𝐨𝐝𝐮𝐬 = 𝐋𝐦𝐨 + .𝒄
(𝐝𝟏 + 𝐝𝟐)
dengan:
Lmo = Tepi bawah kelas modus
d1 = selisih antara frekuensi kelas modus denganfrekuensi kelas sebelum modus
d2 = selisih antara frekuensi kelas modus denganfrekuensi kelas sesudah modus
c = interval kelas modus

13
Contoh menghitung Modus data kelompok:

Nilai Fmo F
1 -5 3 3
6 -10 7 10
11 – 15 4 14
16 – 20 3 17
21 – 25 7 24
26 – 30 9 33
31 – 35 6 39
36 – 40 7 46
41 – 45 8 54
46 - 50 6 60
60

Jawab:
Diketahui: Kelas modus 26–30(karena memiliki frekuensi terbanyak = 9)
Lmo= 26 – 0,5 = 25,5
d1 = 9– 7 = 2
d2 = 9 – 6 = 3
c =5
Ditanyakan: nilai Modus
Jawab:
Mo = Lmo + d1 .c
d1 + d2
=25,5 + 2 . 5
2+ 3
= 25,5 + 0,4 . 5
= 25,5 + 2
= 27,5
Modus dibandingkan ukuran lainnya, tidak tunggal adanya.Yang berarti
sekumpulan data biasanya mempunyai lebih dari sebuah modus.
Kelebihan:
1. Tidak peka atau tidak terpengaruh pada nilai ekstrem
2. Cocok untuk data homogen maupun heterogen (dapat digunakan untuk
semua jenis data)

Kekurangan:
1. Kurang menggambarkan mean populasi
2. Modus bisa lebih dari satu, atau tidak ada satu pun

14
 3. Teknik perhitungan ukuran ini kurang memiliki ketelitian

Hubungan Antara Rata-rata Hitung (Mean), Median dan Modus

Rata-rata hitung (mean), median dan modus adalah nilai yang digunakan untuk
mewakili seperangkat data. Ketiga nilai tersebut sering juga disebut dengan ukuran
kecenderungan terpusat (measure of central tendency). Sebab kecenderungan dari
nilai-nilai tersebut memusat pada bagian tengah suatu perangkat data.

Pada analisis data biasanya fokus perhatian tidak terletak pada keseluruhan data,
tetapi terletak hanya dimana data tersebut memusat. Oleh karena itulah nilai-nilai
rata-rata, median dan modus sering digunakan untuk mewakili seperangkat data
dalam analisis statistik.

Pada suatu distribusi frekuensi, hubungan antara rata-rata, median dan modus adalah

15
sebagai berikut.

Jika rata-rata, median dan modus memiliki nilai yang sama, maka nilai rata-rata,
median dan modus akan terletak pada satu titik dalam kurva distribusi frekuensi.
Kurva distribusi frekuensi tersebut akan terbentuk simetris.

Jika rata-rata lebih besar dari median, dan median lebih besar dari modus, maka pada
kurva distribusi frekuensi, nilai rata-rata akan terletak di sebelah kanan, sedangkan
median terletak di tengahnya dan modus di sebelah kiri. Kurva distribusi frekuensi
yang terbentuk adalah menceng kanan atau kemencengan positif.

16
Jika rata-rata lebih kecil dari median, dan median lebih kecil dari modus, maka pada
kurva distribusi frekuensi, nilai rata-rata akan terletak di sebelah kiri, sedangkan
median terletak di tengahnya dan modus di sebelah kanan. Kurva distribusi frekuensi
yang terbentuk adalah menceng kiri atau kemencengan negatif.

Jika kurva distribusi frekuensi tidak simetris (menceng ke kiri atau ke kanan), maka
biasanya akan berlaku hubungan antara rata-rata median dan modus sebagai berikut.

Rata-rata – Modus = 3 (Rata-rata – Median)

2.3 Manfaat Tendensi Sentral Dalam Kehidupan Sehari-hari Khususnya

(Mean, Modus, Median)

Salah satu konsep nilai modus adalah bahwa nilai ini pasti ditemukan
dalam data, sedangkan median dan mean (rata-rata) belum tentu dapat

17
 ditemukan dalam data. Modus menjadi bermanfaat ketika ingin menunjukkan
data mayoritas dari satu populasi. Misalkan seperti pada contoh, kita ingin
menunjukkan bahwa mayoritas (90 %) dari penduduk sebuah desa
berpenghasilan lebih dari tiga juta. Sangat tidak bijak jika rata-rata dari seluruh
penghasilan penduduk desa digunakan sebagai wakil data dari penghasilan di
desa itu, untuk kemudian dibandingkan dengan desa lain yang rata-ratanya
lebih besar namun tidak merata. Lalu, bagaimana nilai mean sebaiknya
digunakan? Saat ingin memilih wakil data yang stabil (tidak menampakkan
perubahan yang signifikan ketika terjadi perubahan ukuran sampel), agaknya
nilai mean adalah nilai yang lebih cocok dipilih daripada modus dan media.
Secara umum, dibandingkan modus dan median, mean juga sangat bermanfaat
sebagai nilai taksiran yang paling baik untuk digunakan dalam menggambarkan
populasi besar. Oleh karena itulah, mean lebih banyak digunakan dalam
perhitungan-perhitungan statistik oleh para peneliti.
Median, yang nilainya dapat diperoleh dari memilih data paling tengah
setelah data diurutkan dari yang terkecil, memiliki keuntungan yang paling
terlihat untuk digunakan sebagai wakil data, yaitu adanya kenyataan bahwa
nilai median tidak tergantung pada nilai data-data yang ekstrem. Sebagai
contoh, baik data (2,3,7,8,10) maupun (1,3,7, 24, 218) memiliki nilai median 7.
Jika dibandingkan dengan perhitungan nilai mean, perhitungan nilai median
tidak perlu melibatkan semua data. Pada data 1,3,7,24, 218, nilai median 7
sama sekali tidak mempertimbangkan seberapa jauh interval 7 dengan 218.
Tidak demikian dengan perhitungan nilai mean yang dalam hal ini, bilangan
218 harus dilibatkan dalam perhitungan.

2.4 Kuartil, Desil dan Presentil

1) Kuartil
Jika sekumpulan data dibagi menjadi empat bagian yang sama banyak, sesudah
disusun menurut urutan nilainya, maka bilangan pembaginya disebut kuartil. Ada tiga
buah kuartil, yakni kuatil pertama, kuartil kedua, dan kuartil ketiga yang masing-

18
masing disingkat dengan Q1, Q2, dan Q3. Pemberian nama ini dimulai dari nilai
kuartil paling kecil. Untuk menentukan nilai kuartilnya adalah:
a. Susun data menurut urutan nilainya
b. Tentukan letak kuartil
c. Tentukan nilai kuartil
Letak kuartil ke-i, diberi lambang Qi, ditentukan oleh rumus:
𝑛+1
Q1= Kuartil bawah= 𝑥( )
4
2(𝑛+1)
Q2= Median= Kuartil Tengah=𝑥 ( )
4
3(𝑛+1)
Q3= Kuartil atas=𝑥 ( )
4
Kuartil Data Tunggal
Contoh Kuartil data tunggal :
Sampel dengan data 3,4,4,5,5,6,6,6,6,7,7,8,9.
Q1 = 1(13+1)
4
= 1.14
4
= 14 : 4
= 3,5
Data ke-3.5 berada antara angka 4 dan 5 sehingga:
4+5= 4.5
2
Q2 = 2(13+1)
4
= 2(14)
4
=7
Data ke-7 adalah 6
Q3 = 3(13+1)
4
=3(14)
4
= 10.5
Data ke-10.5 berada diantara angka 7 dan 7, sehingga:
7+7= 7
2
Kuartil Data Berkelompok

19
Qi = Tb + p { ( i/4.n )-F }
f
Keterangan:
i/4.n = letak Qi
Tb = Tepi bawah interval kelas Qi (Tb= batas bawah - 0,5)
p = Panjang kelas interval
n = Banyak data
F = Frekuensi kumulatif sebelum kelas Qi
f = Frekuensi pada kelas Qi

Contoh Kuartil data berkelompok:

Hitunglah kuartil Dari data pada tabel dibawah ini !
Tabel Nilai Praktikum Komputer Mahasiswa
Nilai F F
51 – 55 4 4
56 – 60 20 24
61 – 65 24 48<Q1>
66 – 70 56 104<Q2>
71 – 75 19 123<Q3>
76 – 80 16 139
81 – 85 10 149
86 – 90 7 156
91 – 95 3 159
96 – 100 1 160
160

Letak Q1 = ¼. n
= ¼.160
= 40
Data ke-40 berada pada kelas 61-65
(Tb = 61 – 0,5 = 60,5)
Jadi :
Q1 = Tb + p { (1/4.n –F)}
f
= 60,5+ 5 { (1/4.160 – 24 )}
24
= 60,5 + 5 {0,67}
= 60,5 + 3,35 = 63,85

20
 Letak Q2 = 2 /4. n
= 2/4 .160
= 80
Data ke-80 berada pada kelas 66-70
(Tb = 66 – 0,5 = 65,5)
Jadi :
Q2 = Tb + p { (2/4.n –F)}
f
= 65,5+ 5 { (2/4.160 – 48 )}
56
= 65,5 + 5 {0,57}
= 65,5 + 2,85 = 68,35

Letak Q3 = 3/4 .n
= ¾ . 160
= 120
Data ke-120 berada pada kelas 71-75
(Tb = 71 – 0,5 = 70,5)
Jadi :
Q3 = Tb + p { (3/4.n –F)}
f
= 70,5+ 5 { (3/4.160 – 104 )}
19
= 70,5 + 5 {0,84}
= 70,5 + 4,2 = 74,7

2) Desil
Jika sekumpulan data dibagi menjadi 10 bagian yang sama, maka didapat
sembilan pembagi dan tiap pembagi dinamakan desil. Karenanya ada sembilan buah
desil, ialah desil pertama, desil ke-dua, …, desil ke-sembilan, yang disingkat D1, D2,
…, D9. Desil-desil ini dapat ditentukan dengan jalan:
 Susun data menurut urutan nilainya
 Tentukan letak desil
 Tentukan nilai desil
Letak desil ke-i, diberi lambang Di
Desil Data Tunggal

21
Contoh Desil data tunggal:
Tentukan D1, D3 dan D7 dari data : 3, 4, 4, 5, 5, 6, 6, 6, 6, 7, 8, 8, 8, 9(n=14)!

Jawab:

Di = i ( n + 1 )

10

D1 = 1(14+1)
10
= 15
10
= 1,5
Data ke 1,5 berada diantara angka 3 dan 4 jadi :
3+4 = 3,5
2
D3 = 3(14+1)
10
= 45
10
= 4,5
Data ke 4,5 berada diantara angka 5 dan 5 jadi :
5+5 = 5
2
D7 = 7(14+1)
10
= 105
10

22
 = 10,5
Desil Data Kelompok
Untuk data berkelompok yang telah disusun dalam tabel distribusi frekuensi,
desil ke-i
Di (i= 1, 2, …, 9) dihitung dengan rumus:
dengan:
i= 1, 2, …, 9.
Tb= batas bawah kelas Di , ialah kelas interval dimana Di akan terletak.
p = panjang kelas Di.
F = jumlah frekuenasi dengan tanda kelas lebih kecil dari tanda kelas Di.
f = frekuensi kelas Di.
Contoh Desil pada data berkelompok :
Hitunglah D5 dan D9 dari data pada tabel berikut ini:
Tabel Nilai Praktikum Komputer Mahasiswa

Nilai f F

51 – 55 4 4
56 – 60 20 24
61 – 65 24 48
66 – 70 56 104<D5>
71 – 75 19 123
76 – 80 16 139
81 – 85 10 149
86 – 90 7 156
91 – 95 3 159
96 – 100 1 160
160
Jawab:
Di = Tb + p { ( i/10.n )-F }
f
5
Letak D5 = /10 .n
= 5/10.160
= 80
Data ke-80 berada pada kelas 66-70
(Tb = 66 – 0,5 = 65,5)
Jadi:
D5 = Tb + p { (5/10.n –F)}
f
= 65,5+ 5 {(5/10.160 – 48 )}

23
 56
= 65,5 + 5 {0,57}
= 65,5 + 2,85 = 68,35
3) Persentil
Sekumpulan data yang dibagi menjadi 100 bagian yang sama, akan menghasilkan
99 pembagi berturut-turut yang dinamakan persentil pertama, persentil kedua, …,
persentil ke-99. Simbol yang digunakan berturut-turut P1, P2, …, P99. Persentil ini
dapat ditentukan dengan cara:
 Susun data menurut urutan nilainya.
 Tentukan letak presentil
 Tentukan nilai presentil
Letak presentil ke-i, diberi lambang P.
Persentil Data Tunggal
1(𝑛+1)
Rumus Persensil ke-i = 𝑋 ( )
100
Contoh Persentil Data Tunggal:
Diketahui data sebagai berikut : 3, 4, 4, 5, 5, 6, 6, 6, 6, 7, 8, 8, 8, 9(n=14).
Hitung P90!
Jawab:
Pi = i ( n + 1 )
100
P90 = 90 (14+1)
100
= 1350
100
= 13,5
Data ke-13,5 berada diantara angka 8dan 9 jadi:
8+9 = 8,5
2
Persentil Data Kelompok
Untuk data berkelompok yang telah disusun dalam tabel distribusi frekuensi,
persentil ke-i Pi (i = 1, 2, …, 99) dihitung dengan rumus:

dengan:
i = 1, 2, …, 99.
Tb = batas bawah kelas Pi , ialah kelas interval dimana Pi akan terletak.
p = panjang kelas Pi.

24
 F = jumlah frekuenasi dengan tanda kelas lebih kecil dari tanda kelas Pi.
f = frekuensi kelas Pi.
Contoh Persentil Pada Data Berkelompok :
Hitung P10 dari data di bawah ini!
Tabel Nilai Praktikum Komputer Mahasiswa

Nilai F F
51 – 55 4 4
56 – 60 20 24<P10>
61 – 65 24 48
66 – 70 56 104
71 – 75 19 123
76 – 80 16 139
81 – 85 10 149
86 – 90 7 156 Jawab:
91 – 95 3 159 Pi = Tb + p {( i/100.n )-F }
96 – 100 1 160 f
160 Letak P10 = 10/100 .n
= 10/100.160
= 16
Data ke-16 berada pada kelas 56-60
(Tb = 56 – 0,5 = 55,5)
Sehingga:
P10 = Tb + p { (10/100.n –F)}
f
= 55,5+ 5 { (10/100.160 – 4 )}
20
= 55,5 + 5 {0,6}
= 55,5 + 3 = 58,5

2.5 Pengukuran Penyimpangan (Range, Deviasi, Varian)

Pengukuran penyimpangan adalah suatu ukuran yang menunjukkan tinggi

rendahnya perbedaan data yang diperoleh dari rata-ratanya. Ukuran penyimpangan
digunakan untuk mengetahui luas penyimpangan data atau homogenitas data. Dua
variabel data yang memiliki mean sama belum tentu memiliki kualitas yang sama,
tergantung dari besar atau kecil ukuran penyebaran datanya. Macam-macam
pengukuran penyimpangan yang sering digunakan adalah rentangan (range),

25
rentangan antar kuartil, rentangan semi antar kuartil, simpangan rata-rata, simpangan
baku, varians, koefisien varians, dan angka baku, namun yang umum digunakan
adalah standar deviasi.

2.5.1 Range

Range adalah perbedaan antara data terbesar dengan data terkecil yang
terdapat pada sekelompok data. Range adalah salah satu ukuran statistik yang
menunjukan jarak penyebaran data antara nilai terendah (Xmin) dengan nilai
tertinggi (Xmax). Ukuran ini sudah digunakan pada pembahasan daftar
distribusi frekuensi. Jarak atau kisaran nilai (range) merupakan ukuran paling
sederhana dari ukuran penyebaran. Jarak merupakan perbedaan antara nilai
terbesar dan nilai terkecil dalam suatu kelompok data baik data populasi atau
sampel. Semakin kecil ukuran jarak menunjukkan karakter yang lebih baik,
karena berarti data mendekati nilai pusat dan kompak.

a) Range Untuk Data Tidak Berkelompok

Rumus untuk data tidak berkelompok adalah sebagai berikut :

Jarak (range) = Nilai Terbesar – Nilai Terkecil

Contoh :

Data nilai UAS Statistika

Kelas A : 90 80 70 90 70 100 80 50 75 70

Kelas B : 80 80 75 95 75 70 95 60 85 60

Langkah-langkah menjawab :

Urutkan dahulu kemudian dihitung berapa rentangannya.

26
Kelas A : 50 70 70 70 75 80 80 90 90 100

Kelas B : 60 60 70 75 75 80 80 85 95

Rentangan kelas A : 100 – 50 = 50

Rentangan kelas B : 95 – 60 = 35

b) Range Untuk Data Berkelompok

Rumus Range untuk data berkelompok adalah sebagai berikut:

Range = batas atas kelas tertinggi – batas bawah kelas terendah

Contoh

berikut ini adalah data yang sudah dikelompokkan dari harga saham pilihan
pada bulan Juni 2007 di BEJ. Hitunglah Range dari data tersebut.

Harga saham

1 160 – 303 2

2 304 – 447 5

3 448 – 591 9

4 592 – 735 3

5 736 – 878 1

Penyelesaian:

Range = batas atas kelas tertinggi – batas bawah kelas terendah

= 878 – 160

= 718

27
2.5.2 Deviasi

Deviasi rata-rata adalah rata-rata penyimpangan data-data dari rata-rata

(mean)-nya. Di dalam menghitung deviasi rata-rata harus kita cari rata-rata dari harga
mutlak selisih antara tiap-tiap data dengan meannya. Harga mutlak adalah nilai
dengan tidak memandang positif atau negatif, semuanya dianggap positif. Harga
mutlak dari X biasanya ditulis dengan │X│.

a) Deviasi Untuk Data Tidak Berkelompok

Rumus Deviasi untuk data tidak berkelompok adalah sebagai berikut:

Contoh :

data sebagai berikut:

8 17 22 10 13

Mean-nya = ( 8 + 17 + 22 + 10 +13 )/5 = 14.

Dengan demikian rata-rata selisih data-data itu terhadap mean (tanpa diabaikan tanda
positif dan negatifnya) sebagai berikut:

MD = (8-14) + (17-14) + (22-14) + (10-14) + (13-14)/5

28
 = (-6) + 3 + 8 + (-4) + (-1)/5

=0

Oleh karena itu, dicari terlebih dahulu harga mutlaknya seperti pada rumus di atas.
Sehingga besarnya deviasi rata-rata sebagai berikut:

Deviasi rata-rata = │8-14│+ │17-14│ + │22-14│ + │10-14│ + │13-14│/5

= (6 + 3 + 8 + 4 + 1)/5

= 22/5 = 4,4.

b) Deviasi Untuk Data Berkelompok

Rumus Deviasi untuk data berkelompok adalah sebagai berikut:

2.5.3 Varians Dan Standar Deviasi

29
 Varians dan Standar deviasi adalah sebuah ukuran penyebaran yang
menunjukkan standar penyimpangan atau deviasi data terhadap penyimpangan rata-
ratanya. Varians adalah rata-rata hitung deviasi kuadrat setiap data terhadap rata-rata
hitungnya. Standar Deviasi adalah akar kuadrat dari varians dan menunjukkan standar
penyimpangan data terhadap nilai rata-ratanya.

a)Varians Dan Standar Deviasi Untuk Data Tidak Berkelomok

Rumus Varians untuk data tidak berkelompok adalah sebagai berikut:

Rumus Standar Deviasi untuk data tidak berkelompok adalah sebagai berikut:

b)Varians Dan Standar Deviasi Untuk Data Berkelompok

Rumus Varians untuk data berkelompok adalah sebagai berikut:

30
Rumus Standar Deviasi untuk data berkelompok adalah sebagai berikut:

31
 BAB III
PENUTUP

3.1 Kesimpulan
Nilai sentral atau tendensi sentral adalah nilai dalam rangkaian data yang
mewakili rangkaian data tersebut. Disebut juga sebagai ukuran letak/lokasi
karena menunjukkan letak dari pusat atau sekumpulan data. Terdapat tiga
ukuran tendensi sentral yang sering digunakan, yaitu mean (rata-rata
hitung/rata-rata aritmetika), median, modus.
Data sangat bervariasi, baik data tunggal maupun berkelompok. Mean
berarti rata-rata hitung, yaitu jumlah semua data dibagi dengan banyaknya
data. Median merupakan nilai tengah dari pengamatan setelah data dari
terkecil ke terbesar atau dari terbesar ke terkecil. Sedangkan, modus adalah
nilai dari pengamatan yang paling banyak muncul.

3.2 Saran
Alhamdulillahirobbilalamin, kami dapat menyelesaikan makalah ini
tepat pada waktunya. Meskiupun dalam penyusunan makalah ini banyak
sekali hambatan. Tapi kami selaku penyusun mengucapkan terima kasih
kepada semua pihak yang telah banyak membantu dalam menyelesaikan
makalah ini.
Kami sangat memohon saran dan kritiknya terutama yang membangun.
Hal ini ditujukan untuk perbaikan dimasa yang akan datang. Saran kami,
diharapkan makalah – makalah selanjutnya dalam penyusunannya agar dapat
lebih baik lagi.

32
 DAFTAR PUSTAKA

Furqon. 2011. Statistika Terapan Untuk Penelitian. Bandung: Alfabeta.

Hasan, M. Iqbal. 1999. Pokok-Pokok Materi Statistika 1 (Statistik Deskriptif).
Jakarta: Bumi Aksara.
Iriato, H. Agus. 2004. Statistik Konsep Dasar dan Aplikasinya. Jakarta: Kencana
Prenada Media Group.
Iriato, H. Agus. 2004. Statistik Konsep Dasar, Aplikasinya, dan Pengembangannya.
Jakarta: Kencana Prenada Media Group.

33