Ukuran Pusat, Letak, dan Penyimpangan Data

Disusun oleh
Putriaji Hendikawati, S.Si., M.Pd., M.Sc.
Dr. Scolastika Mariani, M.Si.

1. Ukuran Pemusatan Data

Data yang telah dikumpulkan dapat dipresentasikan dalam bentuk tabel dan
grafik yang bertujuan untuk memberikan gambaran yang lebih jelas dan lebih mudah
dipahami dari data kuantitatif. Selain itu, untuk mendapatkan gambaran yang lebih
jelas mengenai kumpulan data baik mengenai sampel maupun populasi masih
diperlukan ukuran-ukuran yang merupakan wakil dari kumpulan data tersebut. Dalam
bagian ini akan dibahas ukuran gejala pemusatan, letak, dan penyimpangan.
Ukuran tengah dari sekumpulan data adalah nilai tunggal yang representatif bagi
keseluruhan nilai data atau dapat menggambarkan distribusi data itu, khususnya dalam
hal letaknya (lokasinya). Nilai tersebut dihitung dari keseluruhan data bersangkutan
sehingga cenderung terletak diurutan paling tengah atau pusat setelah data diurutkan
menurut besarnya. Oleh karena itu, nilai tunggal tersebut sering dinamakan ukuran
tendensi sentral (measures of central tendency) atau ukuran nilai pusat (measures of
central value).
a. Rata-Rata dan Rata-Rata Terbobot
Untuk perhitungan selanjutnya akan digunakan simbol. Nilai data kuantitatif
dinyatakan dengan simbol x1, x2, ..., xn. untuk menyatakan banyaknya data atau
objek yang diteliti dalam sampel (ukuran sampel) digunakan simbol n. Simbol
rata-rata untuk sampel adalah x .
1) Data tidak dikelompokkan

1
Rata-rata hitung untuk data kuantitatif diperoleh dengan membagi jumlah nilai
data oleh banyaknya data. Rata-rata dari sekumpulan observasi adalah jumlah
semua observasi dibagi banyak observasi.
Definisi 1
Jika suatu sampel berukuran n dengan elemen x1, x2, ..., xn maka rata-rata
 n 
  xi 
sampel adalah (x1 + x2 + ... + xn)/n atau x   
i 1

n
Contoh 1
Berikut nilai hasil ujian matematika berturut-turut dari 5 orang siswa SMK 60,
68, 58, 75, 89. Bila data dinyatakan dalam bentuk simbol dapat ditulis x 1 = 60,
x2 = 68, x3 = 58, x4 = 75, dan x5 = 89. Dalam hal ini n = 5.
60  68  58  75  89
Sehingga, nilai rata-rata ujian Matematika =  70 .
51
Saat menghitung rata-rata dari suatu kumpulan data, semua nilai pengamatan
dianggap sama penting dan diberi bobot yang sama dalam perhitungan. Dalam
situasi di mana nilai data tidak sama penting, dapat diberikan bobot yang
proporsional untuk setiap nilai data tersebut tergantung pada derajat
kepentingan dan kemudian dapat dihitung rata-rata terbobot.
Definisi 2
Misal x1, x2, ..., xk adalah himpunan k buah nilai dan w1, w2, ..., wk adalah bobot
yang diberikan pada masing-masing nilai tersebut. Maka rata-rata terbobot
(rata-rata terboboti) dapat dihitung dengan persamaan
k

w x  w1 x 2 ... w1 x k
w x
i 1
i i

x 1 1 atau x
w1 w 2 ...w k k

w
i 1
i

2
 Contoh 2
Seorang mahasiswa mengambil matakuliah A dengan bobot 2 sks dan
memperoleh nilai D = 1 (w1 = 2, x1 = 1) dan mata kuliah B dengan bobot 3 sks
dan memperoleh nilai A = 4 (w2 = 3, x2 = 4) serta mata kuliah C dengan bobot
1 sks dan memperoleh nilai B = 3 (w3 = 1, x3 = 3) maka indeks prestasinya
adalah
( 2  1)  ( 3  4 )  (1  3) 17
x   2 ,83
23 1 6

Perhitungan pembobotan juga dapat digunakan untuk menghitung rata-rata

gabungan dari beberapa himpunan data yang dikombinasikan. Misalnya
dipunyai 2 himpunan data yang terdiri atas n1 & n2 jumlah data pengamatan
dengan rata-rata masing-masing adalah x1 dan x 2 . Rata-rata kombinasi kedua
n1 x1  n2 x 2
himpunan data ini diperoleh dengan x 
n1  n2

Contoh 3
Dua kelompok sampel masing-masing berukuran 6 dan 4 memiliki rata-rata
berturut-turut 78 dan 83. Maka rata-rata gabungan dapat dihitung dengan

x
n1 x 1  n 2 x 2

6  78   4  83   80
n1  n 2 10

2) Data dikelompokkan
Data yang dikelompokkan dan telah disederhanakan dalam bentuk tabel
distribusi frekuensi dapat pula dihitung rata-ratanya. Harga rata-rata yang
diperoleh merupakan harga pendekatan, dengan anggapan bahwa nilai yang
terletak pada suatu interval kelas sama dengan harga titik tengahnya. Rata-rata
yang diperoleh merupakan rata-rata terbobot dengan nilai bobotnya sama
dengan nilai frekuensinya.
Definisi 3
Rata-rata dari data yang dikelompokkan adalah

3
 k k


i 1
f i xi f
i 1
i xi
x k

n
f
i 1
i

dengan xi adalah titik tengah interval kelas ke-i, fi merupakan frekuensi interval
kelas ke-i, dan n menunjukkan banyaknya data.
Contoh 4
Diketahui perolehan nilai ujian Statistika. Empat siswa memperoleh nilai 74,
lima orang memperoleh nilai 68, tiga siswa memperoleh nilai 55, satu siswa
memperoleh nilai 78 dan dua orang siswa memperoleh nilai 80.
Untuk perhitungan rata-rata, dapat dibuat tabel penolong dengan x i menyatakan
nilai dan fi menyatakan frekuensi untuk nilai x i yang bersesuaian berikut
xi fi xi. fi
74 4 296
68 5 340
55 3 165
78 1 78
80 2 160
Jumlah 15 1039
Dalam kasus ini bobot adalah frekuensi dari masing-masing data.
k

f x i i
1039
Sehingga diperoleh x  i 1
k
  62,3 .
15
f
i 1
i

Contoh 5
Diketahui data tinggi badan atlet basket di Universitas Negeri XXX dalam
bentuk tabel distribusi frekuensi.
Interval kelas xi fi f i xi
164,5 - 167,5 166 6 996
167,5 - 170,5 169 7 1183
170,5 - 173,5 172 8 1376
173,5 - 176,5 175 11 1925
176,5 - 179,5 178 7 1246

4
 179,5 - 182,5 181 6 1086
182,5 - 185,5 184 5 920
Jumlah 50 8732

Untuk menghitung rata-rata, dapat digunakan tabel penolong (kolom fi.xi)

8732
sehingga dapat dihitung x =  174,64 .
50

Cara lain untuk menghitung rata-rata data dalam bentuk tabel distribusi
frekuensi adalah dengan cara sandi menggunakan rumus berikut.
 k 
  f i ci 
x  x 0  p  i k1 
 
  fi 
 i 1 

Dimana p adalah panjang kelas interval dan x0 adalah salah satu tanda

kelas/nilai tengah dari interval data yang dipilih. Untuk tanda x0 diberi nilai

sandi c = 0. Nilai tengah yang lebih kecil dari x0 berturut-turut diberi nilai sandi

-1, -2, -3 dan seterusnya. Sedangkan nilai tengah yang lebih besar dari x0 diberi
sandi +1, +2, +3 dan seterusnya.

Contoh 6
Perhatikan kembali Contoh 5. Rata-rata tinggi badan atlet basket di Universitas
Negeri XXX dengan menggunakan cara sandi dapat dihitung dengan menyusun
tabel berikut.
Interval kelas xi ci fi fi ci
164,5 - 167,5 166 -3 6 -18
167,5 - 170,5 169 -2 7 -14
170,5 - 173,5 172 -1 8 -8
173,5 - 176,5 175 0 11 0
176,5 - 179,5 178 1 7 7
179,5 - 182,5 181 2 6 12

5
 182,5 - 185,5 184 3 5 15
Jumlah 50 -6
 k 
  f i ci 
x  x 0  p  i k1   175  3   6   175  3 0,12   174,64
   
 50 
  fi 
 i 1 

Pada kasus ini diambil nilai x0 = 175 dan nilai sandi untuk nilai ini adalah c =
0. Selanjutnya berturut-turut diberikan nilai sandi untuk masing-masing
interval kelas dengan nilai tengah kurang dari dan lebih dari x0 .
Cara sandi ini hanya berlaku apabila panjang kelas interval semuanya sama.
b. Modus
Untuk menyatakan peristiwa yang paling banyak terjadi digunakan ukuran
modus atau sering disingkat Mo. Sehingga, modus dari sekumpulan data adalah
nilai yang sering muncul atau nilai yang mempunyai frekuensi tertinggi dalam
kumpulan data tersebut. Modus seringkali dipakai untuk menentukan rata-rata
data kualitatif. Misalnya sering didengar: kecelakaan lalu lintas umumnya
disebabkan oleh kelalaian pengemudi, kebakaran terjadi kebanyakan karena
konsleting arus listrik, hal ini merupakan modus dari masing-masing kejadian.
Modus untuk data kuantitatif ditentukan dengan menentukan frekuensi
terbanyak dari kumpulan data yang diamati.
1) Data tidak dikelompokkan
Contoh 7
Pada Contoh 4, modus nilai ujian Matematika siswa adalah 68 karena nilai 68
muncul paling banyak yaitu 5 kali.
2) Data dikelompokkan
Untuk data yang dikelompokkan dan disusun dalam tabel distribusi frekuensi
maka modus dapat dihitung dengan rumus

 b1 
Mo  b  p  
 b1  b2 

6
 dengan
b : batas bawah interval modus
p : panjang interval kelas modus
b1 : beda frekuensi antara interval kelas modus dengan interval kelas
sebelumnya
b2 : beda frekuensi antara interval kelas modus dengan interval kelas
sesudahnya.
Dimana interval kelas modus adalah interval yang mempunyai frekuensi
tertinggi.
Contoh 8
Pada Contoh 5, modus tinggi badan atlet bola basket di Universitas Negeri
XXX dapat dihitung dengan rumus modus data berkelompok.
Pada Contoh 5, interval modus terletak pada interval ke-4 dengan frekuensi
sebanyak 11. Sehingga diperoleh
b = 173,5 p =3 b1 = 11 – 8 = 3 b2 = 11 – 7 = 4
 b1   3 
Jadi modus adalah Mo  b  p    173,5  3   174,79 .
 b1  b2  3 4

c. Median
Median dari sekumpulan data adalah nilai yang berada di tengah dari
sekumpulan data itu setelah disusun dan diurutkan nilainya. Median sering
ditulis dengan Me. Jika nilai median adalah Me, maka 50% dari seluruh data
nilainya paling tinggi sama dengan Me sedangkan 50% lagi nilainya paling
rendah sama dengan Me.
1) Data tidak dikelompokkan
Untuk data yang tidak dikelompokkan, jika jumlah data ganjil, maka median
merupakan data paling tengah. Untuk data dengan jumlah genap, maka setelah

7
 data disusun menurut urutan nilainya, median adalah rata-rata hitung dua data
tengah.
Contoh 9
 Untuk data berjumlah ganjil.
Data nilai hasil ujian Matematika dari 5 orang mahasiswa pada Contoh 1
memberikan nilai: 60 68 58 75 89.
Median dari data tersebut diperoleh setelah mengurutkan data menjadi 58 60
68 75 89. Jadi Mediannya adalah 68.
 Untuk data berjumlah genap.
Data berat badan dari 6 orang siswa sebagai berikut: 35 39 36 42 45 40.
Setelah data diurutkan nilainya menjadi: 35 36 39 40 42 45.
1
Jadi Mediannya adalah. Me  39  40   39,5 .
2
2) Data dikelompokkan
Untuk menghitung median data yang telah dikelompokkan dalam bentuk
distribusi frekuensi digunakan cara interpolasi, dengan menganggap bahwa
data yang jatuh pada suatu interval letaknya tersebar merata dalam interval itu.
Rumus untuk menghitung median data berkelompok adalah
1 
 nF 
Me  b  p  2 
 f 
 
 
dengan
b : batas bawah interval median yaitu kelas di mana median akan terletak
n : ukuran sampel atau banyak data
p : panjang interval kelas median
F : jumlah frekuansi interval kelas sebelum interval median
f : frekuensi kelas median

8
 Interval median adalah interval dimana median itu berada, diperoleh dengan
n
cara menghitung nilai data urutan ke- menurut urutan frekuensinya dari
2
urutan atas ke bawah (atau dari bawah ke atas).
Contoh 10
n
Dari Contoh 5, diketahui n = 50 maka = 25.
2
Urutan frekuensi dari atas ke bawah 6 + 7 + 8 + 11 = 32
Sehingga harga median terletak dalam interval kelas yang ke-4, yaitu pada
interval 173,5 - 176,5 dengan frekuensi 11. Interval kelas ini yang dinamakan
interval median. Sehingga diperoleh
b : 173,5 n : 50 p : 3 F : 21 f : 11
1 
 nF  25  21 
Jadi median adalah Me  b  p  2   173,5  3   174,59 .
 f   11 
 
 
2. Ukuran Letak Data
a. Kuartil
Kuartil adalah nilai-nilai yang membagi sekumpulan data menjadi empat
bagian secara sama setelah data tersebut diurutkan menurut urutan nilainya.
Ada tiga buah kuartil, yaitu kuartil pertama, kuartil kedua, dan kuartil ketiga
disingkat dengan K1, K2, dan K3. Pemberian nama dimulai dari nilai kuartil
yang paling kecil. Langkah menentukan nilai kuartil adalah susun data menurut
urutan nilainya, kemudian tentukan letak kuartil dan menghitung nilai kuartil.
1) Data tidak dikelompokkan
Letak kuartil ke i diberi lambang Ki, ditentukan dengan rumus
i n  1
Letak K i  data ke dengan i  1, 2, 3.
4
Contoh 11

9
 Data nilai hasil ujian matematika dari 5 orang siswa pada Contoh 1 setelah
diurutkan menjadi 58 60 68 75 89.
15  1 1 60  68
Letak Kuartil I : data ke = data ke 1 yaitu K 1   64
4 2 2
25  1
Letak Kuartil II : data ke = data ke 3 yaitu K 2 = Median = 68
4
35  1 1 75  89
Letak Kuartil III : data ke = data ke 4 yaitu K 3   82
4 2 2
2) Data dikelompokkan
Untuk mengitung Kuartil data yang telah dikelompokkan dalam bentuk tabel
distribusi frekuensi digunakan rumus berikut.
 in 
 F
K i  b  p 4  dengan i  1, 2, 3.
 f 
 
 
dengan
b : batas bawah kelas Ki yaitu kelas di mana Ki akan terletak
n : ukuran sampel atau banyak data
p : panjang kelas Ki
F : jumlah frekuansi interval kelas sebelum interval kuartil
f : frekuensi kelas Ki

Contoh 12
Kembali pada Contoh 5. Nilai kuartil dari data tersebut adalah.
 Nilai Kuartil I
n
Diketahui n = 50 maka = 12,5
4
Jumlah frekuensi interval ke 1 dan ke 2 adalah 6 + 7 = 13.
Sehingga harga Kuartil I terletak dalam interval ke-2, yaitu 167,5 - 170,5
dengan frekuensi 7. Interval kelas ini yang dinamakan interval Kuartil I.

10
 maka b = 167,5 F = 6 f = 7 c = 3
1 
 nF  12,5  6 
Jadi Kuartil I adalah K 1  b  p 4   167,5  3   170,29
 f   7 
 
 
 Nilai Kuartil II
Kuartil II : K2 = Median =174,59
 Nilai Kuartil III
3
Diketahui n = 50 maka n = 37,5
4
Jumlah frekuensi interval ke 1 sampai ke 5 adalah 6 + 7 + 8 + 11 + 7 = 39.
Sehingga harga median terletak dalam interval ke-5, yaitu 176,5 - 179,5 dengan
frekuensi 7. Interval kelas ini yang dinamakan interval Kuartil III.
maka b = 176,5 F = 32 f = 7
Jadi Kuartil III adalah
 3n 
 F 
37,5  32 
K 3  b  p 4   176,5  3   177,29 .
 f   7 
 
 

b. Ukuran Penyimpangan Data

Selain ukuran gejala pusat dan ukuran letak, masih ada ukuran lain yaitu ukuran
penyimpangan atau ukuran dispersi dan sering disebut ukuran variasi. Ukuran
penyimpangan menggambarkan bagaimana berpencarnya data kuantitatif.
a. Jangkauan/rentang
Rentang adalah selisih data terbesar dan terkecil.
Rentang = data terbesar – data terkecil
Contoh 13
Data nilai hasil ujian Matematika dari 5 mahasiswa: 60 68 58 75 89.
Maka rentang = 89 - 60 = 29.

11
 Rentang antar kuartil dapat dihitung dengan menghitung selisih antara kuartil 3
dan kuartil 1.
Rentang Antar Kuartil = RAK = K3 – K1
Simpangan kuartil atau deviasi kuartil atau disebut pula rentang semi antar
kuartil nilainya setengah dari rentang antar kuartil.
1
Simpangan Kuartil = SK = K 3 - K 1 
2
b. Rata-Rata Simpangan
Rata-rata simpangan adalah harga rata-rata penyimpangan tiap data terhadap
rata-ratanya. Besar perbedaaan antara data dan rata-ratanya adalah harga
mutlaknya.
1) Data tidak dikelompokkan
Misalnya diketahui sekumpulan data hasil pengamatan x 1, x2, ... , xn dengan
rata-rata x . Untuk menghitung rata-rata simpangan sebelumnya ditentukan
jarak antar data dengan rata-rata x dan ditulis dengan simbol xi  x .

Selanjutnya jarak antara xi dengan rata-rata x dijumlahkan lalu dibagi oleh n.

Maka rata-rata simpangannya adalah
n


i 1
xi  x
RS =
n
Contoh 14
Dari data nilai hasil ujian Matematika dari 5 siswa diperoleh rata-rata 70.

xi x | xi - x |
60 10
68 2
58 70 12
75 5

12
 89 19
48
n


i 1
xi  x
48
Maka rata-rata simpangan adalah RS =   9,6 .
n 5
2) Data dikelompokkan
Rata-rata simpangan untuk data yang dikelompokkan, dihitung dengan
n

f i xi  x k
n   fi
i 1
RS =
n i 1

dengan xi adalah titik tengah inteval kelas ke-i, fi merupakan frekuensi interval
kelas ke-i, dan n menunjukkan banyak data.

Contoh 15
Dari Contoh 5 diperoleh rata-rata adalah X  174,64 . Sehingga,
n

f
i 1
i xi  x
233,88
Rata-rata simpangan = SR =   4,68 .
n 50
Interval kelas xi fi | xi - x fi | xi - x |
|
164,5 - 167,5 166 6 8,64 51,84
167,5 - 170,5 169 7 5,64 39,48
170,5 - 173,5 172 8 2,64 21,12
173,5 - 176,5 175 9 0,36 3,24
176,5 - 179,5 178 8 3,36 26,88
179,5 - 182,5 181 7 6,36 44,52
182,5 - 185,5 184 5 9,36 46,8
Jumlah 50 233,88

c. Variasi dan Simpangan Baku

Ukuran simpangan yang paling banyak digunakan adalah simpangan baku.
Pangkat dua dari simpangan baku dinamakan varians. Variansi sampel

13
 didefinisikan sebagai jumlah kuadrat deviasi terhadap rata-rata sampel dibagi
dengan n – 1.
1) Data tidak dikelompokkan
Variansi untuk data yang tidak dikelompokkan, dapat dihitung dengan

1  n 2 1 n  
2
1 n
 xi  x  2 atau s   xi    xi  
2
s 
2

n  1 i 1 n  1 i 1 n  i 1  

Simpangan baku sampel didefinisikan sebagai akar positif dari variansi

sampel, yaitu : s = s2 .
Contoh 16
Dari data nilai hasil ujian Matematika dari 5 siswa
xi x | xi - x | | xi - x |2
60 10 100
68 2 4
58 70 12 144
75 5 25
89 19 361
48 634
1 n
Variansi = s 2   x i  x  2  1 634   158 ,5 .
n  1 i 1 5 1

Jadi, simpangan baku adalah s  2 s 2  2 158 ,5  12 ,59 .

2) Data dikelompokkan
Variansi untuk data yang dikelompokkan, dapat dihitung dengan
1 k
 f i xi  x  1 k  
2 2
s2  1 k
atau s   f i xi    f i xi  
2 2
n  1 i 1
n  1 i 1 n  i 1  

Simpangan baku sampel didefinisikan sebagai akar positif dari variansi

sampel, yaitu : s= s2 .

Contoh 17
Data tinggi badan atlet bola voli di Universitas Negeri XXX.

14
 Interval kelas xi fi fi xi x12 fi x12
164,5 - 167,5 166 6 996 27556 165336
167,5 - 170,5 169 7 1183 28561 199927
170,5 - 173,5 172 8 1376 29584 236672
173,5 - 176,5 175 11 1925 30625 336875
176,5 - 179,5 178 7 1246 31684 221788
179,5 - 182,5 181 6 1086 32761 196566
182,5 - 185,5 184 5 920 33856 169280
Jumlah 50 1526444
1 k  
2
1 k
Variansi : s   f i x i    f i x i  
2 2

n  1  i 1 n  i 1  

1  1 2 1487,52
s2  1 . 526 . 444  8732    30,36
50  1  50  49

Sehingga simpangan baku data = s = s 2 = 5,51.

Rangkuman
1. Ukuran Pemusatan Data
a. Rata-Rata dan Rata-Rata Terbobot
 n 
  xi 
Data tidak dikelompokkan (x1 + x2 + ... + xn)/n atau x   
i 1

n
k k


i 1
f i xi f
i 1
i xi
Data dikelompokkan x k

n
f
i 1
i

b. Modus
Modus dari sekumpulan data adalah nilai yang sering muncul atau nilai yang
mempunyai frekuensi tertinggi dalam kumpulan data tersebut.
Data tidak dikelompokkan, modus untuk data kuantitatif ditentukan dengan
menentukan frekuensi terbanyak dari kumpulan data yang diamati.

15
  b1 
Data dikelompokkan Mo  b  p  
 b1  b2 

c. Median
Median dari sekumpulan data adalah nilai yang berada di tengah dari sekumpulan
data itu setelah disusun dan diurutkan nilainya.
Data tidak dikelompokkan, jika jumlah data ganjil, maka median merupakan
data paling tengah, data dengan jumlah genap, maka setelah data disusun menurut
urutan nilainya, median adalah rata-rata hitung dua data tengah.
1 
 nF 
Data dikelompokkan Me  b  p  2 
 f 
 
 
2. Ukuran Letak Data
a. Kuartil
Kuartil adalah nilai-nilai yang membagi sekumpulan data menjadi empat bagian
secara sama setelah data tersebut diurutkan menurut urutan nilainya.
Data tidak dikelompokkan
i n  1
Letak kuartil ke i : Letak K i  data ke dengan i  1, 2, 3.
4
 in 
 F
Data dikelompokkan K i  b  p 4  dengan i  1, 2, 3.
 f 
 
 
3. Ukuran Penyimpangan Data
Ukuran penyimpangan menggambarkan bagaimana berpencarnya data kuantitatif.
a. Jangkauan/rentang
Rentang = data terbesar – data terkecil
Rentang Antar Kuartil = RAK = K3 – K1

16
 1
Simpangan Kuartil = SK = K 3 - K 1 
2
b. Rata-Rata Simpangan
Rata-rata simpangan adalah harga rata-rata penyimpangan tiap data terhadap rata-
ratanya. Besar perbedaaan antara data dan rata-ratanya adalah harga mutlaknya.
n


i 1
xi  x
Data tidak dikelompokkan RS =
n
n

f i xi  x k
n   fi
i 1
Data dikelompokkan RS =
n i 1

c. Variasi dan Simpangan Baku

Variansi sampel didefinisikan sebagai jumlah kuadrat deviasi terhadap rata-rata
sampel dibagi dengan n – 1.
Data tidak dikelompokkan

1  n 2 1 n  
2
1 n
  xi  x  2 atau s   xi    xi  
2
s 
2

n  1 i 1 n  1 i 1 n  i 1  

Data dikelompokkan
1 k
 f i xi  x  1 k  
2 2
s2  1 k
atau s   f i xi    f i xi  
2 2
n  1 i 1
n  1 i 1 n  i 1  

Simpangan baku: s = s2 .

17