MAKALAH

STATISTIK KESEHATAN

NILAI-NILAI PUSAT (CENTRAL TENDENCY)

Dosen mata kuliah:

Endang Uji Wahyuni, SKM. MKM
Catur Puspawati, ST., MKM
Fitri Andayani, SKM., M. Sc. Ph.

Disusun oleh :
KELOMPOK 2

1. Atmoko Aumgupito P23133116003

2. Eka Emilia P23133116009
3. Fakri Ramadhan P23133116011
4. Fenty Ramadhanti Suyono P23133116013
5. Nanda Dian Magfirah P23133116028

TINGKAT 3 PRODI D-IV KESEHATAN LINGKUNGAN

POLITEKNIK KESEHATAN KEMENTRIAN KESEHATAN JAKARTA II

Jl. Hang Jebat III/F3 Kebayoran Baru Jakarta 12120 Telp. 021.7397641, 7397643 Fax.
021.7397769 E-mail: info@poltekkesjkt2.ac.id
Website: http://poltekkesjkt2.ac.id
2019
 Pengertian Nilai Tengah (Central Tendency)
Nilai tengah ialah suatu nilai yang dapar mewakili sekelompok nilai hasil pengamatan
disebut juga rata-rata. Nilai tersebut mempunyai kencenderungan berada di tengah-tengah
suatu distribusi.

Pengertian, Penggunaan, Sifat dan Rumus dari Mean Data Tunggal dan Data
Kelompok
Rata-rata hitung ialah jumlah semua hasil pengamatan (∑ 𝑥) dibagi dengan banyaknya
pengamatan (𝑛). Rata-rata hitung sering disebut dengan mean. simbol yang digunakan untuk
rata-rata populasi adalah 𝜇 (mu) dan untuk rata-rata sampel digunakan simbol 𝑥̅ .
Sifat-sifat dari mean sebagai berikut:

1. Nilai rata-rata hitung dipengaruhi oleh observasi atau pengamatan.

2. Nilai rata-rata hitung dapat menyimpang terllau jauh. Hal itu disebabkan rata-rata hitung
dipengaruhi oleh bilangan-bilangan ekstrem (nilai sangat besar atau sangat kecil),
sehingga untuk distribusi dengan kecondongan yang jelek, rata-rata hitung dapat
kehilangan makna.
3. Rata-rata hitung tidak dapat dihitung dari distribusi yang memiliki kelas terbuka.
4. Rata-rata paling sering digunakan dan popular, sehingga penjelasan mengenai arti rata-
rata hitung tidak diperlukan.
5. Jumlah dari penyimpangan semua nilai pengamatan dengan nilai rata-rata hitung sama
dengan nol.
6. Jika selisih semua nilai pengamatan dengan nilai rata-rata hitung dikuadratkan maka
jumlahnya lebih kecil daripada jumlah penyimpangan kuadrat semua nilai pengamatan
dari titik lain selain rata-rata hitung.
7. Rata-rata hitung dapat dimanipulasi secara aljabar.

Mean Data Tunggal

∑𝒙
̅=
𝒙
𝒏
Keterangan:
𝑥̅ : rata-rata

∑ 𝑥 : jumlah nilai tiap pengamatan

𝑛 : jumlah pengamatan

Contoh soal:

Hasil pengukuran berat badan 10 orang penderita diabetes mellitus yang dirawat di suatu
rumah sakit adalah sebagai berikut 65, 60, 55, 70, 67, 53, 61, 64, 75 dan 50 (kg).
Jawab:
 ∑𝑥
𝑥̅ =
𝑛
65+60+55+70+67+53+61+64+75+50 620
𝑥̅ = = = 62 kg
10 10

Mean Data Kelompok

Untuk data yang banyak, perhitunga rata0rata dapat diselesaikan dengan beberapa rumus,
yaitu:
 Data disusun dalam bentuk distribusi frekuensi tanpa pengelompokan,
 Distribusi frekuensi yang dikelompokkan dengan interval kelas yang sama,
 Distribusi frekuensi dikelompokkan dengan interval kelas tidak sama,
 Perhitungan rata-rata menggunakan kode.
Contoh soal:

Misalkan kita ingin mengukur rata-rata berat badan 30 orang penderita penyakit jantung
koroner yang dirawat di RS A tahun 1987 sesuai tabel berikut

Berat badan (kg) Frekuensi

43 4
50 4
55 1
60 2
62 1
63 1
65 3
67 2
68 1
69 1
70 3
71 1
72 3
75 1
78 2
Jumlah 30

Jawab:

Data disusun dalam distribusi yang tidak dikelompokkan

∑ 𝑓𝑥
Rumus: 𝑥̅ = 𝑛

Keterangan:

𝑥̅ : rata-rata
∑ 𝑓𝑥 : jumlah frekuensi hasil pengamatan

𝑛 : jumlah pengamatan

Tabel distribusi frekuensi berat badan penyakit jantung coroner di RS A

Berat badan (kg) f fx

43 4 172
50 4 200
55 1 55
60 2 120
62 1 62
63 1 63
65 3 195
67 2 134
68 1 68
69 1 69
70 3 210
71 1 71
72 3 216
75 1 75
78 2 156
Jumlah 30 1.866

∑ 𝑓𝑥 1.866
𝑥̅ = = = 62,2 kg
𝑛 30

Distribusi frekuensi yang dikelompokkan

∑ 𝑓𝑁𝑡
Rumus: 𝑥̅ = 𝑛

Keterangan:

𝑥̅ : rata-rata
∑ 𝑓𝑁𝑡 : jumlah frekuensi nilai tengah kelas

𝑛 : jumlah pengamatan

Tabel distribusi frekuensi berat badan penyakit jantung coroner di RS A

Berat badan (kg) f Nt fNt

41 – 45 4 43 172
46 – 50 4 48 192
 51 – 55 1 55 53
56 – 60 2 58 116
61 – 65 5 63 315
66 – 70 7 68 476
71 – 75 5 73 365
76 – 80 2 78 156
Jumlah 30 1.845

∑ 𝑓𝑁𝑡 1.845
𝑥̅ = = = 61,5 kg
𝑛 30

Perhitungan rata-rata menggunakan kode

∑ 𝑓𝑑
Rumus: 𝑥̅ = 𝑁𝑡0 + 𝑖( )
𝑛

Keterangan:

𝑥̅ : rata-rata
𝑁𝑡0 : nilai tengah titik nol
∑ 𝑓𝑑 : jumlah frekuensi kode

𝑖 : interval kelas

𝑛 : jumlah pengamatan

Cara Penggunaan:

 Tentukan satu kelas sebagai titik nol dang diberi kode “d”. pemilihan titik nol dapat
dilakukan sembarang, tetapi sebaiknya carilah kelas dengan perhitungan yang sulit.
 Untuk kelas di atas titik nol diberi kode dengan tanda negative secara berurutan dan untuk
kelas di bawah titik nol diberi tanda positif.
 Kalikan dengan frekuensi tiap kelas dengan “d” pada kelas yang sama.
 Hitung nilai tengah titik nol (𝑁𝑡0 )
 Bagilah hasil pada poin c dengan jumlah pengamatan dan kalikan dengan interval kelas
(i) kemudian hasilnya ditambah dengan nilai tengah titik nol.

Tabel distribusi frekuensi berat badan penyakit jantung coroner di RS A

Berat badan (kg) f d fd

41 – 45 4 -4 -16
46 – 50 4 -3 -12
51 – 55 1 -2 -2
56 – 60 2 -1 -2
 61 – 65 5 0 0
66 – 70 7 +1 7
71 – 75 5 +2 10
76 – 80 2 +3 6
Jumlah 30 -9

∑ 𝑓𝑑 −9
𝑥̅ = 𝑁𝑡0 + 𝑖 ( ) = 63 + 5 ( 30 ) = 61,5 kg
𝑛

Distribusi frekuensi dengan interval kelas yang tidak sama

∑ 𝑓𝑑
Rumus: 𝑥̅ = 𝑁𝑡0 + 𝑖( )
𝑛

Keterangan:

𝑥̅ : rata-rata
𝑁𝑡0 : nilai tengah titik nol
∑ 𝑓𝑑 : jumlah frekuensi kode

𝑖 : interval kelas

𝑛 : jumlah pengamatan

Cara Penggunaan:

 Tentukan interval yang digunakan.

 Kode “d” diganti dengan (𝑁𝑡𝑖 − 𝑁𝑡0 ) lalu dibagi dengan interval (𝑖) = 𝑑
 Perhitungan selanjutnya sama dengan distribusi frekuensi dengan interval kelas yang
salam

Tabel distribusi frekuensi berat badan penyakit jantung coroner di RS A

Berat badan (kg) f Nt d Fd

41 - 50 8 45,5 -2,5 -20
51 – 65 8 58 0 0
66 – 70 7 68 2 14
71 – 80 7 75,5 3.5 24,5
Jumlah 30 18,5

∑ 𝑓𝑑 18,5
𝑥̅ = 𝑁𝑡0 + 𝑖 ( ) = 58 + 5 ( 30 ) = 61,5 kg
𝑛

Kenapa hasil perhitungan rata-rata tanpa pengelompokan berbeda dengan hasil rata-rata
distribusi frekuensi dengan pengelompokan?
Karena pada pengelompokan semua nilai dalam suatu kelas dianggap sama dengan nilai
tengahnya. Dalam kenyataannya, hal tersebut tidak selalu demikian.

Rata-Rata Hitung dengan Pembebanan

Bila kita ingin menghitung rata-rata beberapa kelompok dengan jumlah pengamatan
setiap kelompoknya tidak sama maka perhitungan harus dilakukan dengan pembebanan.
Rata-rata hitung dengan ebbabn ialah jumlah hasil kali antara banyaknya pengamatan
dengan rata-rata tiap kelompok dibagi dengan jumlah pengamatan masing-masing kelompok.

̅+⋯+𝑛𝑘 ̅̅̅̅
𝑛1 ̅𝑥̅̅1̅+𝑛2 2 𝑥𝑘
Rumus: ̅̅̅̅
𝑥𝑤 =
𝑛1 +𝑛2 +⋯+𝑛𝑘

Keterangan:

𝑥𝑤 : rata-rata dengan pembebanan

̅̅̅̅

𝑥𝑘 : rata-rata pengamatan ke-k

̅̅̅

𝑛𝑘 : jumlah pengamatan ke- k

Contoh soal:

Pengukuran rata-rata berat badan 3 kelompok penderita penyakit paru-paru yang masing-
masing kelompok terdiri dari 3,5, dan 10 orang.
Jawab:
̅̅̅1 = 53 kg
Kelompok 1: 50 kg, 55 kg, 54 kg  𝑋
̅̅̅2 = 53,5 kg
Kelompok 2: 50 kg, 53 kg, 52 kg, 55 kg, 57 kg  𝑋
̅̅̅3 =
Kelompok 3: 51 kg, 55 kg, 57 kg, 60 kg, 52 kg, 48 kg, 47 kg, 58 kg, 59 kg, 62 kg  𝑋
54,9 kg
Hasil di atas dapat disusun sebagai berikut:

Kelompok 𝑛𝑖 𝑥̅𝑖 𝑛𝑖 𝑥̅𝑖

1 3 53 159
2 5 53,5 267
3 10 54,9 549
Jumlah 18 161,3 975

975
𝑥𝑤 =
̅̅̅̅ = 54,17 kg
18

Bila rata-rata ketiga kelompok dihitung tanpa pembebanan maka akan dihasilkan rata-rata
sebagai berikut
 53+53,5+54,9
𝑋̅ = = 53,8 kg
3

Dari hasil kedua rata-rata tersebut terbyata rata-rata dengan beban mendekati rata-rata
kelompok dengan n yang besar, sedangkan rata-rata tanpa beban akan mendekati rata-rata
kelompok dengan n yang kecil. Bila jumlah pengamatan tiap kelompok sama maka hasil
perhitungan rata-rata dengan beban.

Pengertian, Penggunaan, Sifat dan Rumus dari Modus Data Tunggal dan Data
Kelompok
Modus merupakan salah satu ukuran nilai tengah yang dinyatakan dalam frekuensi
terbanyak dari data kalitatif maupun data kuantitatif.

Modus dapat pula dinyatakan sebagai puncak dari suatu kurva. Oleh karena itu, kita
mengenal unimodal bila puncakna satu, bimodal bila puncaknya dua dan mutimodal bila
puncaknya lebih dari dua.
Perhitungan Modus dapat dilakukan untuk frekuensi yang dikelompokkan. Modus atau
mode jarang digunakan sebagai nilai tengah karena sangat dipengaruhi oleh nilai ekstrem dan
letak modus akan berubah mengikuti nilai ekstrem.

Modus Data Tunggal

Modus dari data tunggal adalah data yang frekuensinya terbanyak.
Contoh soal :
Tentukan modus dari data-data berikut :

a. 1, 4, 7, 8, 9, 9, 11
b. 1, 4, 7, 8, 9, 11, 13
c. 1, 2, 4, 4, 7, 9, 11, 11, 13
d. 1, 1, 3, 3, 7, 7, 12, 12, 14, 15

Penyelesaian :
a. Modus = 9
b. Modus = tidak ada
c. Modus 4 dan 11
d. Modus = 1, 3, 7, dan 12

Modus Data Kelompok

Untuk data berkelompok, dalam hal ini adalah distribusi frekuensi, modus hanya dapat
diperkirakan. Nilai yang paling sering muncul akan berada pada kelas yang memiliki
frekuensi terbesar. Kelas yang memiliki frekuensi terbesar disebut sebagai kelas modus.
Modus data berkelompok dapat dicari dengan rumus berikut:
𝑑1
𝑀𝑜 = 𝐿𝑀𝑜 + ( )𝑖
𝑑1 + 𝑑2
Keterangan :

𝑀𝑜 = modus

𝐿𝑀𝑜 = tepi bawah kelas modus

𝑑1 = selisih frekuensi kelas modus dengan frekuensi kelas sebelumnya

𝑑2 = selisih frekuensi kelas modus dengan frekuensi kelas sesudahnya

𝑖 = panjang interval kelas

Contoh soal:
Distribusi umur dari 80 orang penderita insufiensi pembuluh darah koroner di Rumah Sakit A
pada tahun 1987.
Jawab:
Distribusi frekuensi umur (n=80)

Distribusi umur F
6
21-30
7
31-40
40
41-50
10
51-60
10
61-70
10
71-80
7
Jumlah 80

Dengan rumus di atas nilai modus dapat dihitung.

Diketahui:

𝐿𝑀𝑜 = 40,5

𝑑1 = 40 − 7 = 33

𝑑2 = 40 − 10 = 30

𝑖 = 10
𝑑1 33
𝑀𝑜 = 𝐿𝑀𝑜 + (𝑑 ) 𝑖 = 40,5 + 10 (33+30) = 40,5 + 5,2 = 45,7 tahun
1 +𝑑2
 Pengertian, Penggunaan, Sifat dan Rumus dari Median Data Tunggal dan Data
Kelompok

Median merupakan ukuran yang berbeda dengan rata-rata (mean) karena median hanya
menyatakan posisi tengah dari sederetan angka hasil pengamatan sedemikian rupa sehingga
membagi dua sama banyak. Ini berarti bahwa 50% nilai terletak di bawah median dan 50%
terletak di atas median. Median ditulis singkat atau disimbolkan dengan Me atau Md . Cara
mencari median dibedakan antara data tunggal dan data berkelompok.

a. Media data tunggal

Median untuk data tunggal dapat dicari dengan pedoman sebagai berikut.
1) Jika jumlah data ganjil, mediannya adalah data yang berada paling tengah.
2) Jika jumlah data genap, mediannya adalah hasil bagi jumlah dua data yang berdeda di
tengah. Pedoman tersebut dirumuskan sebagai berikut.
a) Untuk data ganjil (n = ganjil)
Me = 𝑿(𝒏+𝟏)
𝟐
b) Untuk data genap ( n = genap)
𝑿𝒏 + 𝑿𝒏+𝟐
𝟐 𝟐
Me =
𝟐
Atau secara singkat median dapat ditentukan:
1
Me = nilai yang ke 2 (n + 1)

Contoh soal:
Tentukan median dari data berikut
a. 4,3,2,6,7,5,8
b. 11,5,7,4,8,14,9,12
Penyelesaian :
a. Urutan data: 2, 3, 4, 5, 6, 7, 8
Jumlah data (n) = 7 (ganjil)
Me = 𝑋7+1 = X4 = 5
2
b. Urutan data: 4, 5, 7, 8, 9, 11, 12
Jumlah data (n) = 8 (genap)
𝑋4 + 𝑋5 8+9
Me = = = 8,5
2 2
Untuk menghitung nilai median, mua-mula data disusun secara berurutan dari yang kecil ke
yang besar atau sebaliknya, kemudian tentukan posisi median dengan menggunakan rumus
yang ada diatas bila jumlah pengamatan ganjil, tetapi bila jumlah pengamatan genap maka
akan diperoleh dua median dan hitunglah rata-rata dari dua posisi median tersebut seperti
diatas pula.
Terakhir, cocokkan posisi median dengan niai data yang telah disusun dan kita akan
memperoleh nilai median.
Contoh
Misalkan kita akan mengukur Hb 5 orang wanita hamil yang datang ke bagian kebidanan di
Rumah Sakit A dan kita akan menentukan niai mediannya.
Posisi median terletak pada (5+1) / 2 = 3
Kadar Hb yang diperoleh disusun secara teratur : 8,9,10,11,12
Agar lebih jelas maka data di atas dapat kita susun sebagai berikut.
Posisi median 1 2 3 4 5
Kadar Hb (mg%) 8 9 10 11 12
Dari hasil perhitungan, posisi median terletak pada posisi ke-3 yang sesuai dengan
kadar Hb 10 mg%
Bila data yang diperoleh merupakan bilangan genap, misalnya 6 orang maka posisi
median terletak pada posisi ke-3 dan ke-4
Posisi median 1 2 3 4 5 6
Kadar Hb (mg%) 8 9 10 11 12 13
Median terletak antara posisi ke-3 dan ke-4 sehingga nilai median sama dengan
(10+11)/2 = 11,5 g%

b. Median data berkelompok

kita sering memperoleh data yang telah disusun menjadi distribusi frekuensi yang
dikelompokkan tanpa mengetahui hasil pengamatannya, tetapi kita ingin mengetahui median
dari hasil tersebut.
perhitungan median pada data distribusi frekuensi yang telah dikelompokkan dapat dilakukan
dengan cara sebagai berikut.
1. Tentukan nilai sebelum median tercapai
2. Tentukan posisi median (Men) = 1⁄2 n.
3. Tentukan frekuensi kumulatif nilai sebelum median tercapai
4. Tentukan interval kelas
5. Tentukan frekuensi kelas di mana median berada
6. hitunglah nilai median menggunakan rumus.

1
2
𝑛−(Ʃ𝑓2 )𝑜
Me = B + .C
𝑓𝑀𝑒

Keterangan:
Me = median
B = tepi bawah kelas median
N = jumlah frekuensi
(Ʃf2)o = jumlah frekuensi kelas-kelas sebelum kelas median
C = panjang interval kelas
fMe = frekuensi kelas median

Dalam mencari median data kelompok (distribusi frekuensi) yang perlu dicari terlebih dahulu
adalah kelas tempat median berada (kelas median).
 1
Kelas median dapat dicari dengan: (Ʃf2)o > 2n
Contoh soal:
Tentukan median dari distribusi frekuensi berikut
Diameter Pipa (mm) Frekuensi (f)
65 – 67 2
68 – 70 5
71 – 73 13
74 – 76 14
77 – 79 4
80 - 82 2

Penyelesaian:
1
Jumlah frekuensi (n) = 40 dan 2n = 20
1
Kelas median adalah (Ʃf2)o > 2n

f1 + f2 + f3 = 20 > 20

Jadi, kelas median adalah kelas ke-3

B = 70,5
(Ʃf2)o = 7
C =3
fMe = 13
1
𝑛−(Ʃ𝑓2 )𝑜
2
Me =B+ .C
𝑓𝑀𝑒
20−7
= 70,5 + x3
13
= 73,5

Sifat – Sifat Median

Beberapa sifat median, antara lain sebagai berikut.
1) Median dipengaruhi oleh banyaknya observasi atau pengamatan, namun tidak
dipengaruhi oleh nilai pengamatan, sehingga nilai median tidak dipengaruhi oleh
bilangan-biangan ekstrem.
2) Median dapat dihitung dari distribusi yang memiliki kelas terbuka, kecuali jika kelas
mendiannya berada pada kelas terbuka tersebut.
3) Median sering digunakan pada distribusi yang memiliki kecondongan yang sangat jelek.
4) Median didefinisikan dan diinterpretasikan.
5) Median lebih terpengaruh oleh frekuensi sampling, namun adakalanya untuk distribusi
tertentu median lebih konstan terhadap fluktuasi sampling.
6) Jumlah penyimpangan (tanda diabaikan) nilai-nilai dari median lebih kecil dari pada
jumlah penyimpangan nilai-nilai dari titik yang lain.
7) Jika jumlah penyimpangan dari median dikuadratkan maka jumlahnya lebih besar dari
pada jumlah penyimpangan kuadrat nilai-nilai dari rata-rata hitung.

Fungsi/ Kegunaan Median

 Median dapat digunakan untuk menghitung nilai tengah data kualitatif. Misalnya,
intensitas jawaban tentang pendapat masyarakat terhadap program penggunaan oralit pada
penderita diare, seperti sangat setuju, setuju, kurang setuju, tidak setuju, sangat tidak
setuju, maka mediannya sama dengan (5 + 1)/2 = 3 berarti kurang setuju.
 Median juga dapat digunakan untuk menghitung data dalam bentuk distribusi frekuensi
dengan kelas terbuka yang tidak dapat dilakukan dengan perhitungan mean.

Pengertian, Penggunaan, Sifat dan Rumus dari Quartil Data Tunggal dan Data
Kelompok
Data yang telah disusun menjadi suatu distribusi kita bagi menjadi 4 bagian yang sama
disebut Quartil.

Quartil Data Tunggal

Untuk kelompok data di mana n ≥ 4, kita tentukan tiga nilai, katakanlah Q1, Q2, Q3, yang
membagi kelompok data tersebut menjadi 4 bagian yang sama, yaitu setiap bagian memuat
data yang sama atau jumlah observasnya sama. Nilai-nilai tersebut dinamakan kuartil
pertama, kedua, ketiga. Pembagi itu adalah sedemikian rupa sehingga nilai 25%
data/observasi sama atau lebih kecil dari Q1, 50% data/observasi sama atau lebih kecil dari Q2
75% data/observasi sama atu lebih kecil dari Q3, di mana Q2 = median.
Jika suatu kelompok data atau nilai sudah diurutkan dari yang terkecil (X1) sampai yang
terbesar (Xn), maka untuk menghitung Q1, Q2, dan Q3 harus dipergunakan rumus berikut:
𝑖(𝑛+1)
Qi = nilai yang ke- ,
4

i = 1,2,3

Quartil Data Kelompok

Untuk data berkelompok yaitu data yang sudah dibuat tabel frekuensinya, maka rumus
kuartil, desil dan persentil adalah sebagai berikut :
Rumus Kuartil:
(i × n)
Letak Qi pada data ke x =
4

i = quartil ke 1, 2, 3
n = jumlah pengamatan

(𝐱 – 𝐟 𝐤𝐮𝐦)
Nilai Qi = L + i ( )
𝒇

L = tepi bawah kelas dimana kuartil berada

i = interval kelas
f kum = frekuensi kumulatif sebelum Qi
f = frekuensi dimana Qi berada

Pengertian, Penggunaan, Sifat dan Rumus dari Desil Data Tunggal dan Data Kelompok
Bila data yang telah disusun menjadi distribusi dan dibagi menjadi 10 bagian yang sama
maka didapat sembilan pembagi dan tiap pembagi disebut Desil. Karenanya ada sembilan
buah desil, ialah disel pertama, kedua,...., desil kesembilan yang disingkat D1, D2, ...., D9.
Desil-desil dapat ditentukan dengan jalan:

1) Susun data menurut urutan nilainya

2) Tentukan letak desil
3) Tentukan nilai desil
Rumus

Prinsip perhitungan sama dengan prinsip perhitungan kuartil. Dengan menghitung desil, kita
akan mendapat informasi yang lebih teliti dibanding kuartil.

 Rumus untuk data tunggal:

d(n + 1)
Letak Dd = data ke
10

D = 1, 2, 3, 4, 5, 6, 7, 8, 9

Nilai Dd = L + b (S – L)

L = nilai sebelum Dd
S = nilai dimana Dd berada
b = kekurangan unit untuk mencapai Dd

Contoh:
Letak D7 untuk data yang telah disusun dalam contoh: 52, 56, 57, 60, 64, 66, 70, 75,
82, 86, 92, 94
d(n + 1)
D7 :
10
7(12 + 1)
: = 9, 1
10
 data ke 9, 1 → data ke-9 + (0, 1)
Nilai D7 = L + b (S – L)
= 82 + (0,1) (86 – 82)
= 82, 4

 Rumus untuk data berkelompok:

(d × n)
Letak Dd pada data ke x =
10
D = desil ke 1, 2,..., 9
n = jumlah pengamatan

(𝐱 – 𝐟 𝐤𝐮𝐦)
Nilai Dd = L + i ( )
𝒇

L = tepi bawah kelas dimana desil berada

i = interval kelas
f kum = frekuensi kumulatif sebelum Dd
f = frekuensi dimana Dd berada

Contoh:
Pemeriksaan kadar Hb terhadap 50 orang wanita hamil
Distribsi Kadar Hb
Hb (gr%) f fkum
7–8 4 4
9 – 10 6 10
11 – 12 20 30
13 – 14 15 45
15 – 16 5 50
Jumlah 50

Diminta D3 untuk 50 orang penderita anemia, maka:

(d × n)
x =
10
(3 × 50)
= = 15 → terletak diantara kelas interval ke-2 dan ke-3
10
(𝐱 – 𝐟 𝐤𝐮𝐦)
D3 =L+i ( )
𝒇
(15– 10)
= 10, 5 + 2 ( )
20
= 11

Pengertian, Penggunaan, Sifat dan Rumus dari Persentil Data Tunggal dan Data
Kelompok
 Persentil ialah suatu distribusi dibagi menajdi 100 bagian yang sama, dengan cara
demikian kita mendapatkan 99 bagian yang sama.

Persentil tidak berbeda dengan kuartil dan desil, yaitu dapat diketahui posisi dan dihitung
nilainya, dimana persentil berada serta posisi relative untuk menyatakan pengamatan dengan
nilai dibawahnya yaitu, jenjang persentil.

Data yang tidak dikelompokkan

𝑝(𝑛+1)
Tentukan posisi persentil (𝑃𝑝 ) pada data ke 100

P = 1, 2, 3, … 99
n = jumlah pengamatan

Hitung nilai 𝑃𝑝 = 𝐿 + 𝑏(𝑆 − 𝐿)

L = nilai sebelum 𝑃𝑝

S = nilai dimana 𝑃𝑝 berada

b = kekurangan unit untuk mencapai 𝑃𝑝

Data yang dikelompokkan

(p × n)
Letak Pp pada data ke x =
100
P = persentil ke 1, 2,..., 99
n = jumlah pengamatan

(𝐱 – 𝐟 𝐤𝐮𝐦)
Nilai Pp = L + i ( )
𝒇

L = tepi bawah kelas dimana persentil berada

i = interval kelas
f kum = frekuensi kumulatif sebelum Pp
f = frekuensi dimana Pp berada
 DAFTAR PUSTAKA

Budiarto Eko, Biostatistika untuk Kedokteran dan Kesehatan Masyarakat, EGC, 2002