Simpulan Data Numerik

A. Distribusi Frekuensi
B. Ukuran Tengah (Central Tendency)
1. Mean ()
2. Median (Md)
3. Modus = Mode (Mo)
C. Ukuran Variasi
1. Range
2. Mean Deviation
3. Varian
4. Standard Deviation
5. Coefficient of Variation
D. Ukuran Posisi
1. Median
2. Quartile
3. Decile
4. Percentile
Biostatistik, Viena Ike Anggraeni 2
 A. Distribusi Frekuensi
• Distribusi Frekuensi adalah suatu susunan data dalam bentuk
tabel menurut jumlah tertentu, biasanya data tersebut telah
dikelompokan ke dalam kelas atau kelompok (group) tertentu
• Beberapa istilah dalam distribusi frekuensi data berkelompok:
a. Kelas : Biasanya jumlah kelas berkisar antara 6—14
Dihitung dengan Rumus Sturges

m = 1 + 3,3 Log n

m = Jumlah kelas
n = Jumlah semua pengamatan

Biostatistik, Viena Ike Anggraeni 3

b. Interval : Jarak dalam kelas
Istilah dalam interval: batas bawah (lower
limit), batas atas (upper limit), dan nilai tengah
(mid point : Interval dihitung dengan rumus;

i =R/m

i = interval
m = jumlah kelas
R = Range (selisih nilai terbesar dg terkecil)

Biostatistik, Viena Ike Anggraeni 4

 Cara menyusun distribusi
frekuensi data berkelompok

a) Tentukan nilai terbesar dan nilai terkecil

b) Tentukan jumlah kelas (dengan rumus atau
justifikasi).
c) Tentukan interval kelas
d) Hitunglah banyaknya nilai observasi yang
masuk ke dalam masing-masing kelas (disebut
dengan istilah frekuensi)

Biostatistik, Viena Ike Anggraeni 5

 Contoh
Raw data Disusun ke dalam distribusi 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—75,0 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 dengan lower limit suatu kelas)
Kelas tertutup : 50—54,9
Kelas terbuka : ….--54,9 atau 70—….
Biostatistik, Viena Ike Anggraeni 6
 Mean/Nilai rata-rata hitung
Simbol untuk mean
1.  ( x bar) = untuk sampel (statistik)
2.  (miu) = untuk populasi (parameter)

a. Merupakan nilai yang mewakili data agregate

b. Bersifat labil (mudah dipengaruhi oleh nilai ekstrim)
c. Dihitung dengan Rumus:

Contoh: Data berat badan 10 mahasiswa (kg)

65 61 54 53 53 62 40 54 63 60

65 + 61 + 54 + 53 + 53 + 62 + 40 + 54 + 63 + 60 565
Mean = ----------------------------------------------------------------- = ------ = 56,5 kg
10 10

Biostatistik, Viena Ike Anggraeni 7

 Mean Data Berkelompok
  f .d 
  g 
n

g = guess mean (rata-rata sementara)

n = jumlah seluruh pengamatan
f = frekuensi
d = (mp-g ) selisih nilai tengah kelas (mp)
dengan rata-2 sementara (g)

Biostatistik, Viena Ike Anggraeni 8

 Contoh
Kelas f mp d (mp-167,5) f.d
150— 5 152,5 -15 -75

155— 10 157,5 -10 -100

160— 15 162,5 -5 -75

165— 35 167,5 0 0

170— 20 172,5 5 100

175— 10 177,5 10 100

180—185 5 182,5 15 75

Jumlah n=100 =25

25
  167.5   167.75
100
Biostatistik, Viena Ike Anggraeni 9
 Median (Md) = Nilai Tengah
• Merupakan nilai yang terletak paling tengah, sehingga
membagi data menjadi dua kelompok yang sama
menurut jumlah pengamatannya
• Relatif stabil (tidak dipengaruhi oleh nilai ekstrim)
• Sebelum median terlebih dahulu data harus diurutkan
dari terkecil-terbesar (array)
• Posisi median ditentukan dengan rumus
n 1
Md 
2
• Nilai median adalah nilai observasi pada posisi
median
Biostatistik, Viena Ike Anggraeni 10
Nilai median adalah nilai observasi pada posisi median
Contoh: 11 12 12 13 14 15
15 16 17 18
Diketahui : n = 10
Ditanya : Median = …?
Jawab :
Posisi median = (n+1/2)
= (10+1/2) = 5,5
(antara 14 dengan 15)
Nilai Md = (14 + 15 ) / 2 = 14,5

Biostatistik, Viena Ike Anggraeni 11

Median (Md) data berkelompok
 Tentukan posisi median = (n/2)
 Hitung nilai median dg rumus
n 
i *   fk 
Md  Lmd   
2
f md

Lmd = Lower limit kelas median

i = interval kelas
n = jumlah pengamatan
fk = frekuensi kumulatif sebelum kelas median
fmd = frekuensi kelas median
Biostatistik, Viena Ike Anggraeni 12
 Kelas f fk
150— 5 5
155— 10 15
160— 15 30
165— 35 65
170— 20 85
175— 10 95
180—185 5 100
Jumlah 100

Ditanya: Tentukan nilai Median = ..?

Jawab:
1. Posisi Md = (100/2) = 50
Berarti Nilai Md berada pada kelas 165—
Kelas tersebut disebut kelas median
Lmd = 165 fmd = 35
fk = 30 I = 5
2. Nilai Md=…
Md = 165 + 5(50-30) / 35)  = 167,86
Biostatistik, Viena Ike Anggraeni 13
 Modus
• Merupakan nilai yg paling sering muncul atau
nilai frekuensi pengamatan yg paling besar
• nilai observasi yang frekuensinya paling banyak
dinyatakan dengan puncak dari kurva
distribusinya.
• Kurva satu puncak disebut unimodal), dua
puncak=bimodal, banyak puncak=multimodal

Biostatistik, Viena Ike Anggraeni 14

Modus Pada Data Berkelompok

 i * 1 
Mo  Lmo   
 1   2 
• Lmo = 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

Biostatistik, Viena Ike Anggraeni 15

 Kelas f
150— 5
155— 10
160— 15
165— 35
170— 20
175— 10
180—185 5
Jumlah 100

Ditanya:
Tentukan nilai Mode = ..?
Jawab:
1. Frekuensi terbanyak pada kelas 165—
Berarti kelas tsb disebut kelas mode
Lmo = 165
1 = 35—15 = 20
2 = 35—20 = 15
i =5
2. Nilai Mo = 165 + (5 * 20) / (20 + 15 ) = 167,86
Biostatistik, Viena Ike Anggraeni 16
Hubungan Mean, Median, Mode
Nilai Median berada diantara Mean dan Mode
A. Jika  < Md, kurvanya menceng/miring ke kiri
B. Jika  > Md atau Md <  , kurvanya menceng
ke kanan
C. Jika  = Md = Mo (berhimpitan), maka
kurvanya disebut simetris
D. Jika semua observasi (nilai pengamatan)
mempunyai frekuensi yang sama

Biostatistik, Viena Ike Anggraeni 17

Biostatistik, Viena Ike Anggraeni 18
 Range
• Suatu nilai yang merupkan selisih antara nilai tertinggi
dengan nilai terendah
• Hanya ditentukan oleh 2 nilai saja (nilai tertinggi dan
terendah)
• Dalam pemakaian sering di gabung dengan ukuran lain
(mis. Mean dan standar deviasi), karena jika hanya range
saja yang digunakan kadang-kadang menyesatkan.
• Contoh:
Data-1:
3 4 5 6 8 11 15 20
=9 Range = 17

Data-2
3 4 9 9 9 9 9 20
=9 Range = 17

Biostatistik, Viena Ike Anggraeni 19

 Mean Deviasi (dx)
• Merupakan suatu nilai yang ditentukan oleh perbedaan
semua nilai pengamatan terhadap nilai mean
• Kadang-kadang (jika perlu), dapat juga perbedaan
semua nilai pengamatan terhadap nilai median yang
disebut sebagai Median deviation
• Dihitung dengan rumus

 xi  x
dx 
n
dx= mean deviation, = mean
x = nilai pengamatan, n= jumlah pengamatan
Biostatistik, Viena Ike Anggraeni 20
 Varians (S2) dan Standar deviasi (S)

• Varian merupakan rata-rata kuadrat dari selisih

nilai pengamatan dengan mean
• Standar deviasi (S) merupakan akar dari varian
• Standar deviasi merupakan ukuran yang paling
banyak dipakai dalam analisa statistik terutama
dalam kurva normal
• Menghitung varian

Varian  S 
2 xi  x  Sd  S 2 
2
 ( x  x) 2

n 1 (n  1)
Biostatistik, Viena Ike Anggraeni 21
 Coefficient of variation (COV )
• Koefisien variasi adalah rasio standar deviasi dengan
nilai meAan, yang dinyatakan dalam persen (%)
• Koef. Variasi berfungsi untuk membandingkan antara 2
kelompok yang mempunyai unit pengukuran yang
berbeda (mis. TB -cm dengan BB-kg) atau unit
pengukuran yang sama tetapi derajatnya (gradasinya)
berbeda
• Dihitung dengan memakai rumus

S
CoV 
x
Biostatistik, Viena Ike Anggraeni 22
 Contoh
Suatu penelitian mengukur Berat dan Tinggi 100 Mahasiswa

Hasilnya: BB: x = 40,5 kg S = 5 kg

TB: x = 167 cm S = 12 cm

Ditanya: Mana yang lebih bervariasi BB atau TB ..?

Jawab: COV BB = (5 / 40,5 ) * 100 % = 12,3%

COV TB = ( 12 / 167) * 100 % = 7,2%
Jadi BB lebih bervariasi dari TB

Biostatistik, Viena Ike Anggraeni 23

Inter quartile range & Deviasi quartile

• Hampir sama dengan range, hanya ditentukan oleh

selisih (K3) kuartile-3 dengan (K1) kuartile-1
• Sering digunakan untuk melihat penyebaran pendapatan
• Dihitung dengan rumus
IQR = K3 – K1

K3 – K1
dQ = ----------------
2
Biostatistik, Viena Ike Anggraeni 24
 Quartile
• Suatu ukuran yang membagi distribusi data menjadi 4
(empat) bagian yang sama
• Kuartile 1 (K1) merupakan nilai yang membagi jumlah
pengamatan menjadi dua bagian, yaitu sebesar 25%
dibawah K1 dan 75% diatas K1
• K2 atau sama dengan Median merupakan nilai yang membagi
jumlah pengamatan menjadi dua bagian yaitu sebesar 50%
dibawah K2 dan 50% diatas K2
• K3 atau sama dengan Median merupakan nilai yang membagi
jumlah pengamatan menjadi dua bagian yaitu sebesar 75%
dibawah K2 dan 25% diatas K2
• Nilai kuartil adalah nilai observasi pada posisi kuartil
tersebut
ki
Posisi  Kuartile  (n)
4

Biostatistik, Viena Ike Anggraeni 25

 Desil
• Suatu ukuran yang membagi kumpulan data
menjadi 10 bagian yang sama
• Prinsipnya sama dengan kuartile, hanya dengan
desil kita dapat memperoleh informasi yang
lebih detail
• Perhitungan desil
di
Posisi  Desil  (n)
10
– Nilai desil adalah nilai observasi pada posisi desil
tersebut

Biostatistik, Viena Ike Anggraeni 26

 Persentil
• Suatu ukuran yang membagi kumpulan data
menjadi 100 bagian yang sama
• Prinsipnya sama dengan kuartile/desil, hanya
dengan persentil kita dapat memperoleh
informasi yang lebih detail lagi
pi
Posisi  Persentil  (n)
100
• Nilai persentil adalah nilai observasi pada
posisi persentil tersebut
Biostatistik, Viena Ike Anggraeni 27