Statistika adalah ilmu yang mempelajari bagaimana merencanakan, mengumpulkan,

menganalisis, menginterpretasi, dan mempresentasikan data. Singkatnya, statistika adalah ilmu

yang berkenaan dengan data. Istilah 'statistika' (bahasa Inggris: statistics) berbeda dengan
'statistik' (statistic). Statistika merupakan ilmu yang berkenaan dengan data, sedang statistik
adalah data, informasi, atau hasil penerapan algoritma statistika pada suatu data. Dari kumpulan
data, statistika dapat digunakan untuk menyimpulkan atau mendeskripsikan data; ini dinamakan
statistika deskriptif. Sebagian besar konsep dasar statistika mengasumsikan teori probabilitas.
Beberapa istilah statistika antara lain: populasi, sampel, unit sampel, dan probabilitas.

Statistika banyak diterapkan dalam berbagai disiplin ilmu, baik ilmu-ilmu alam (misalnya
astronomi dan biologi maupun ilmu-ilmu sosial (termasuk sosiologi dan psikologi), maupun di
bidang bisnis, ekonomi, dan industri. Statistika juga digunakan dalam pemerintahan untuk
berbagai macam tujuan; sensus penduduk merupakan salah satu prosedur yang paling dikenal.
Aplikasi statistika lainnya yang sekarang popular adalah prosedur jajak pendapat atau polling
(misalnya dilakukan sebelum pemilihan umum), serta hitung cepat (perhitungan cepat hasil
pemilu) atau quick count. Di bidang komputasi, statistika dapat pula diterapkan dalam
pengenalan pola maupun kecerdasan buatan.

Sejarah

Penggunaan istilah statistika berakar dari istilah istilah dalam bahasa latin modern statisticum
collegium ("dewan negara") dan bahasa Italia statista ("negarawan" atau "politikus").

Gottfried Achenwall (1749) menggunakan Statistik dalam bahasa Jerman untuk pertama kalinya
sebagai nama bagi kegiatan analisis data kenegaraan, dengan mengartikannya sebagai "ilmu
tentang negara (state)". Pada awal abad ke-19 telah terjadi pergeseran arti menjadi "ilmu
mengenai pengumpulan dan klasifikasi data". Sir John Sinclair memperkenalkan nama
(Statistics) dan pengertian ini ke dalam bahasa Inggris. Jadi, statistika secara prinsip mula-mula
hanya mengurus data yang dipakai lembaga-lembaga administratif dan pemerintahan.
Pengumpulan data terus berlanjut, khususnya melalui sensus yang dilakukan secara teratur untuk
memberi informasi kependudukan yang berubah setiap saat.

Pada abad ke-19 dan awal abad ke-20 statistika mulai banyak menggunakan bidang-bidang
dalam matematika, terutama peluang. Cabang statistika yang pada saat ini sangat luas digunakan
untuk mendukung metode ilmiah, statistika inferensi, dikembangkan pada paruh kedua abad ke-
19 dan awal abad ke-20 oleh Ronald Fisher (peletak dasar statistika inferensi), Karl Pearson
(metode regresi linear), dan William Sealey Gosset (meneliti problem sampel berukuran kecil).
Penggunaan statistika pada masa sekarang dapat dikatakan telah menyentuh semua bidang ilmu
pengetahuan, mulai dari astronomi hingga linguistika. Bidang-bidang ekonomi, biologi dan
cabang-cabang terapannya, serta psikologi banyak dipengaruhi oleh statistika dalam
metodologinya. Akibatnya lahirlah ilmu-ilmu gabungan seperti ekonometrika, biometrika (atau
biostatistika), dan psikometrika.

Meskipun ada pihak yang menganggap statistika sebagai cabang dari matematika, tetapi sebagian
pihak lainnya menganggap statistika sebagai bidang yang banyak terkait dengan matematika
melihat dari sejarah dan aplikasinya. Di Indonesia, kajian statistika sebagian besar masuk dalam
fakultas matematika dan ilmu pengetahuan alam, baik di dalam departemen tersendiri maupun
tergabung dengan matematika.

MACAM-MACAM DATA DALAM STATISTIKA

Statistik/data merupakan poin penting dalam statistika. Ada bermacam-macam data yang
dikenal dalam statistika, antara lain:

- Data kualitatif yaitu data yang berbentuk kalimat, kata atau gambar. Contoh
dari data kualitatif adalah tidak enak, enak, sangat enak.

- Data kuantitatif yaitu data berupa angka. Data kuantitatif dapat dikelompokkan
menjadi dua besar yaitu diskrit dan kontinu. Data diskrit adalah data yang
diperoleh dari hasil menghitung atau membilang (bukan mengukur)
Contohnya jumlah mahasiswa mipa matematika ada 500 orang, peserta
seminar mathfair berjumlah 300 orang, dan himpunan bilangan asli dari 1
sampai 8 A= {1,2,3,4,5,6,7,8}.

- Data diskrit yaitu data data yang tidak dikonsepsikan adanya nulai-nilai di
antara data (bilangan) lain yang terdekat contoh banyaknya jumlah anak di
suatu keluarga, jumlah rumah di suatu kampung. Misalnya juka bilangan 2
dan 3 menunjukan jumlah anak anak di keluarga A dan keluarga B, maka di
antara kedua bilangan tersebut tidak ada bilangan-bilangan lain. Tidak pernah
kita mengatakan bahwa jumlah anak di suatu keluarga adalah 2,4 atau 2,9.

- Data kontinu yaitu data yang didapat dari hasil pengukuran. Data hasil
pengukuran diperoleh dari tes, kuesioner ataupun alat ukur lain yang sudah
terstandar misalnya timbangan, panjang ataupun data psikologis yang lain.
yang termasuk data kontinum ini adalah interval dan rasio.
Data didapatkan dari perhitungan dan pengukuran. Pengukuran adalah
penggunaan aturan untuk menetapkan bilangan pada obyek atau peristiwa.
Dengan kata lain, pengukuran memberikan nilai-nilai variabel dengan notasi
bilangan. Aturan penggunaan notasi bilangan dalam pengukuran disebut data
 atau tingkat pengukuran (scales of measurement).Secara lebih rinci, dalam
statistik terdapat 4 data pengukuran yaitu nominal, ordinal, interval dan rasio.

- Data nominal adalah data mengelompokkan obyek atau peristiwa dalam

berbentuk kategori. Data nominal diperoleh dari pengukuran nominal yaitu
suatu proses mengklasifikasian obyek-obyek yang berbeda kedalam kategori-
kategori berdasarkan beberapa karakteristik tertentu.
Karakteristik data nominal adalah
• Kategori data bersifat mutually eksklusif (setiap obyek hanya memiliki satu
kategori)
• Kategori data tidak disusun secara logis
Contoh : Jenis Kelamin, warna kulit, dan agama, pada contoh tersebut kita
memahami bahwa data nominal kita hanya dapat mengetahui bahwa subjek
termasuk ke dalam kategori tertentu (pria atau wanita, hitam atau putih atau
sawo matang, Islam atau Kristen atau Budha atau lainya). Perbedaan subjek
dalam data nominal bersifat kualitatif dan tidak mempunyai makna kuantitatif.

- Data ordinal adalah data yang menunjukkan perbedaan tingkatan subjek secara
kuantitatif. Contoh :Data ini biasanya dipergunakan dalam menentukan
ranking seseorang dibandingkan dengan yang lain. misalnya ranking siswa
dikelas dibuat dari nilai tertinggi sampai nilai terendah. Ranking pertama dan
kedua tidak memiliki jarak rentangan yang sama dengan ranking kedua dan
ketiga. Contoh lain data ordinal adalah nilai mahasiswa dalam bentuk huruf,
A, B, C, D dan E. data ordinal memiliki karakteristik:
• Kategori data bersifat mutually eksklusif (setiap obyek hanya memiliki satu
kategori)
• Kategori data tidak disusun secara logis
• Kategori data disusun berdasarkan urutan logis dan sesuai dengan besarnya
karakteristik yang dimiliki
Secara singkat, dapat dikata bahwa data ordinal, disamping memiliki sifat
yang dimiliki data nominal juga menunjukan kedudukan (tingkatan) subjek
dalam suatu kelompok pada suatu variable.
 - Data interval adalah data yang yang memiliki jarak yang sama antar datanya
akan tetapi tidak memiliki nol mutlak. Nol mutlak artinya tidak dianggap ada.
Selain memiliki kedua ciri di atas (menunjukan klasifikasi dan kedudukan
subjek dalam kelompok), data interval juga memiliki sifat kesamaan jarak
(equality of interval) antara nilai yang satu dengan nilai yang lain. Skor
mentah (raw score) yang dihasilkan dari suatu tes hasil belajar atau tes
kecerdasan sering disebut sebagai data yang berdata interval (data interval).
Salah satu ciri matematis yang dimiliki data interval adalah penjumlahan.
Dengan demikian, kita dapat membuat operasi penambahan atau pengurangan.
Misalnya, jarak pada temperature tertentu. Jarak antara 250F dengan 500F
sama dengan jarak 750F dengan 1000F. akan tetapi, data suhu ini tidak
memiliki titik nol mutlak sehingga kita tidak bisa melakukan operasi perkalian
dan pembagian. Untuk itu maka ada satu lagi data yaitu data rasio.

- Data rasio adalah data yang bersekala rasio hampir sma dengan data interval,
yakni keduanya memiliki ketiga sifat di atas (menunjukan klasifikasi dan
kedudukan subjek dalam suatu kelompok, serta sifat persamaan jarak). Data
rasio berbeda dari data interval karena pertama data rasio memiliki nilai
mutlak nol. Data pengukuran yang memiliki nol mutlak sehingga dapat
dilakukan operasi perkalian dan pembagian. Misalnya berat badan, tinggi
badan, pendapatan dan lain sebagainya. untuk melakukan pengujian hipotesis,
maka data yang kita miliki minimal berdata interval. jika data berdata nominal
atau ordinal, data tersebut harus ditransfer dulu ke data. Contoh :
perbandingan (rasio) antara skor-skor yang berdata rasio, 20 kg adalah 2 kali
10 kg, 15 m = 3 m x 5 m dan sebagainya.

Home » Artikel » ID » Ilmu Pengetahuan Alam » Statistika » Klasifikasi, Jenis dan Macam Data -
Pembagian Data Dalam Ilmu Eksak Sains Statistik / Statistika

Klasifikasi, Jenis dan Macam Data - Pembagian Data Dalam Ilmu Eksak
Sains Statistik / Statistika
godam64 12:23 Komentari
A. Jenis Data Menurut Cara Memperolehnya

1. Data Primer
Data primer adalah secara langsung diambil dari objek / obyek penelitian oleh peneliti perorangan
maupun organisasi. Contoh : Mewawancarai langsung penonton bioskop 21 untuk meneliti preferensi
konsumen bioskop.

2. Data Sekunder
Data sekunder adalah data yang didapat tidak secara langsung dari objek penelitian. Peneliti
mendapatkan data yang sudah jadi yang dikumpulkan oleh pihak lain dengan berbagai cara atau metode
baik secara komersial maupun non komersial. Contohnya adalah pada peneliti yang menggunakan data
statistik hasil riset dari surat kabar atau majalah.

B. Macam-Macam Data Berdasarkan Sumber Data

1. Data Internal
Data internal adalah data yang menggambarkan situasi dan kondisi pada suatu organisasi secara
internal. Misal : data keuangan, data pegawai, data produksi, dsb.

2. Data Eksternal
Data eksternal adalah data yang menggambarkan situasi serta kondisi yang ada di luar organisasi.
Contohnya adalah data jumlah penggunaan suatu produk pada konsumen, tingkat preferensi pelanggan,
persebaran penduduk, dan lain sebagainya.

C. Klasifikasi Dara Berdasarkan Jenis Datanya

1. Data Kuantitatif
Data kuantitatif adalah data yang dipaparkan dalam bentuk angka-angka. Misalnya adalah jumlah
pembeli saat hari raya idul adha, tinggi badan siswa kelas 3 ips 2, dan lain-lain.

2. Data Kualitatif
Data kualitatif adalah data yang disajikan dalam bentuk kata-kata yang mengandung makna. Contohnya
seperti persepsi konsumen terhadap botol air minum dalam kemasan, anggapan para ahli terhadap
psikopat dan lain-lain.

D. Pembagian Jenis Data Berdasarkan Sifat Data

1. Data Diskrit
Data diskrit adalah data yang nilainya adalah bilangan asli. Contohnya adalah berat badan ibu-ibu pkk
sumber ayu, nilai rupiah dari waktu ke waktu, dan lain-sebagainya.

2. Data Kontinyu
Data kontinyu adalah data yang nilainya ada pada suatu interval tertentu atau berada pada nilai yang
satu ke nilai yang lainnya. Contohnya penggunaan kata sekitar, kurang lebih, kira-kira, dan sebagainya.
Dinas pertanian daerah mengimpor bahan baku pabrik pupuk kurang lebih 850 ton.

E. Jenis-jenis Data Menurut Waktu Pengumpulannya

1. Data Cross Section

Data cross-section adalah data yang menunjukkan titik waktu tertentu. Contohnya laporan keuangan
per 31 desember 2006, data pelanggan PT. angin ribut bulan mei 2004, dan lain sebagainya.

2. Data Time Series / Berkala

Data berkala adalah data yang datanya menggambarkan sesuatu dari waktu ke waktu atau periode
secara historis. Contoh data time series adalah data perkembangan nilai tukar dollar amerika terhadap
euro eropa dari tahun 2004 sampai 2006, jumlah pengikut jamaah nurdin m. top dan doktor azahari dari
bulan ke bulan, dll.

Sifat-sifat dari Notasi Sigma (∑)

Sigma (∑) merupakan aksara ke-18 dalam susunan abjad Yunani. Dalam ilmu matematika dan statistik,
notasi sigma digunakan untuk mempersingkat suatu urutan penjumlahan. Misalkan penjumlahan 12 + 22
+ 32 + 42 + 52 + 62 = 91. Penjumlahan tersebut bisa disingkat menjadi:

Dalam mempelajari statistik, wajib hukumnya memahami sifat dari notasi sigma. Dalam ilmu statistik,
notasi ini adalah notasi yang paling sering digunakan. Saking seringnya, ketika seseorang melihat notasi
sigma ini, ia akan langsung teringat dengan statistik.

Berikut ini adalah beberapa sifat dari sigma yang sering digunakan.
Sifat – Sifat Notasi Sigma
Berikut ini beberapa sifat dari notasi sigma yang dapat dijadikan panduan dalam mengerjakan
soal-soal mengenai notasi sigma :

Setelah mengetahui beberapa sifat dari notasi sigma maka kita akan dengan mudah mengerjakan
contoh soal dibawah ini.

contoh :
Beberapa rumus untuk notasi sigma

Rumus berikut ini dapat membantu dalam menyelesaikan berbagai variasi soal notasi sigma.

contoh 1 :
contoh 2 :

contoh 3 :

Dengan menggunakan sifat notasi sigma, buktikan bahwa :

Distribusi Frekuensi Relatif dan Kumulatif

Distribusi frekuensi dibuat dengan alasan berikut:

 kumpulan data yang besar dapat diringkas

 kita dapat memperoleh beberapa gambaran mengenai karakteristik data, dan
  merupakan dasar dalam pembuatan grafik penting (seperti histogram).

Banyak software (teknologi komputasi ) yang bisa digunakan untuk membuat tabel distribusi frekuensi
secara otomatis. Meskipun demikian, di sini tetap akan diuraikan mengenai prosedur dasar dalam
membuat tabel distribusi frekuensi.
Langkah-langkah dalam menyusun tabel distribusi frekuensi:

 Urutkan data, biasanya diurutkan dari nilai yang paling kecil

o Tujuannya agar range data diketahui dan mempermudah penghitungan
frekuensi tiap kelas!
 Tentukan range (rentang atau jangkauan)
o Range = nilai maksimum – nilai minimum
 Tentukan banyak kelas yang diinginkan. Jangan terlalu banyak/sedikit, berkisar antara 5
dan 20, tergantung dari banyak dan sebaran datanya.
o Aturan Sturges:
o Banyak kelas = 1 + 3.3 log n, dimana n = banyaknya data
 Tentukan panjang/lebar kelas interval (p)
o Panjang kelas (p) = [rentang]/[banyak kelas]
 Tentukan nilai ujung bawah kelas interval pertama

Pada saat menyusun TDF, pastikan bahwa kelas tidak tumpang tindih sehingga setiap nilai-nilai
pengamatan harus masuk tepat ke dalam satu kelas. Pastikan juga bahwa tidak akan ada data
pengamatan yang tertinggal (tidak dapat dimasukkan ke dalam kelas tertentu). Cobalah untuk
menggunakan lebar yang sama untuk semua kelas, meskipun kadang-kadang tidak mungkin untuk
menghindari interval terbuka, seperti " ≥ 91 " (91 atau lebih). Mungkin juga ada kelas tertentu dengan
frekuensi nol.

Contoh:

Kita gunakan prosedur di atas untuk menyusun tabel distribusi frekuensi nilai ujian mahasiswa (Tabel 1).

1. Berikut adalah nilai ujian yang sudah diurutkan:

35 38 43 48 49 51 56 59 60 60
61 63 63 63 65 66 67 67 68 70
70 70 70 71 71 71 72 72 72 73
73 74 74 74 74 75 75 76 76 77
78 79 79 80 80 80 80 81 81 81
82 82 83 83 83 84 85 86 86 87
88 88 88 88 89 90 90 90 91 91
91 92 92 93 93 93 95 97 98 99
2. Range : [nilai tertinggi – nilai terendah] = 99 – 35 = 64

3. Banyak Kelas: Tentukan banyak kelas yang diinginkan. Apabila kita lihat nilai Range = 64, mungkin
banyak kelas sekitar 6 atau 7.Sebagai latihan, kita gunakan aturan Sturges. banyak kelas = 1 + 3.3 x
log(n)= 1 + 3.3 x log(80)= 7.28 ≈ 7

4. Panjang Kelas:Panjang Kelas = [range]/[banyak kelas] = 64/7= 9.14 ≈ 10 (untuk memudahkan dalam
penyusunan TDF).

5. Tentukan nilai batas bawah kelas pada kelas pertama. Nilai ujian terkecil = 35 Penentuan nilai batas
bawah kelas bebas saja, asalkan nilai terkecil masih masuk ke dalam kelas tersebut. Misalkan: apabila
nilai batas bawah yang kita pilih adalah 26, maka interval kelas pertama: 26, 35, nilai 35 tepat jatuh di
batas atas kelas ke-1. Namun apabila kita pilih nilai batas bawah kelas 20 atau 25, jelas nilai terkecil, 35,
tidak akan masuk ke dalam kelas tersebut. Namun untuk kemudahan dalam penyusunan dan
pembacaan TDF, tentunya juga untuk keindahan, lebih baik kita memilih batas bawah 30 atau 31. Ok,
saya tertarik dengan angka 31, sehingga batas bawahnya adalah 31.

Dari prosedur di atas, kita dapat info sebagai berikut:

Banyak kelas :7

Panjang kelas : 10

Batas bawah kelas : 31

Selanjutnya kita susun TDF:

Form TDF:

------------------------------------------------------------
Kelas ke- | Nilai Ujian | Batas Kelas | Turus | Frekuensi
------------------------------------------------------------
1 31 –

2 41 –

3 51 –

: : -

6 81 –

7 91 –

------------------------------------------------------------
Jumlah
------------------------------------------------------------
Tabel berikut merupakan tabel yang sudah dilengkapi

Frekuensi
Kelas ke- Nilai Ujian Batas Kelas
(fi)

1 31 - 40 30.5 – 40.5 2

2 41 - 50 40.5 – 50.5 3

3 51 - 60 50.5 – 60.5 5

4 61 - 70 60.5 – 70.5 13

5 71 - 80 70.5 – 80.5 24

6 81 - 90 80.5 – 90.5 21

7 91 - 100 90.5 – 100.5 12

Jumlah 80

atau dalam bentuk yang lebih ringkas:

 Frekuensi
Kelas ke- Nilai Ujian
(fi)

1 31 - 40 2

2 41 - 50 3

3 51 - 60 5

4 61 - 70 13

5 71 - 80 24

6 81 - 90 21

7 91 - 100 12

Jumlah 80

Distribusi Frekuensi Relatif dan Kumulatif

Variasi penting dari distribusi frekuensi dasar adalah dengan menggunakan nilai frekuensi relatifnya,
yang disusun dengan membagi frekuensi setiap kelas dengan total dari semua frekuensi (banyaknya
data). Sebuah distribusi frekuensi relatif mencakup batas-batas kelas yang sama seperti TDF, tetapi
frekuensi yang digunakan bukan frekuensi aktual melainkan frekuensi relatif. Frekuensi relatif kadang-
kadang dinyatakan sebagai persen.

Frekuensi relatif =

Contoh: frekuensi relatif kelas ke-1:

fi = 2; n = 80

Frekuensi relatif = 2/80 x 100% = 2.5%

Kelas ke- Nilai Ujian Frekuensi relatif (%)

1 31 - 40 2.50

2 41 - 50 3.75
3 51 - 60 6.25

4 61 - 70 16.25

5 71 - 80 30.00

6 81 - 90 26.25

7 91 - 100 15.00

Jumlah 100.00

Distribusi Frekuensi kumulatif

Variasi lain dari distribusi frekuensi standar adalah frekuensi kumulatif. Frekuensi kumulatif untuk suatu
kelas adalah nilai frekuensi untuk kelas tersebut ditambah dengan jumlah frekuensi semua kelas
sebelumnya.

Perhatikan bahwa kolom frekuensi selain label headernya diganti dengan frekuensi kumulatif kurang
dari, batas-batas kelas diganti dengan "kurang dari" ekspresi yang menggambarkan kisaran nilai-nilai
baru.

Nilai Ujian Frekuensi kumulatif kurang dari

kurang dari 30.5 0

kurang dari 40.5 2

kurang dari 50.5 5

kurang dari 60.5 10

kurang dari 70.5 23

kurang dari 80.5 47

kurang dari 90.5 68

kurang dari 100.5 80

atau kadang disusun dalam bentuk seperti ini:

Nilai Ujian Frekuensi kumulatif kurang dari

kurang dari 41 2

kurang dari 51 5

kurang dari 61 10

kurang dari 71 23

kurang dari 81 47

kurang dari 91 68

kurang dari 101 80

Variasi lain adalah Frekuensi kumulatif lebih dari. Prinsipnya hampir sama dengan prosedur di atas.

Ukuran Pemusatan Mean Modus Median

Ukuran Pemusatan Mean Modus Median - Pada dasarnya, penyajian data dengan menggunakan
distribusi frekuensi hanya mampumemberikan gambaran umum kepada pembaca. Agar pembaca dapat
memperoleh gambaranyang lebih rinci peneliti perlu melakukan ukuran pemusatan yang dikenal
denganistilah tendensi sentral. Ukuran pemusatan digunakan untuk menunjukkan nilai atau ukuranyang
mendekati titik konsentrasi perangkat data hasil suatu pengukuran. Ukuran pemusatan tersebut sering
digunakan sebagai gambaran umum tentang kecenderungan atau sebagaiwakil dari suatu perangkat
data. Beberapa ukuran pemusatan (tendensi sentral) adalah modus, median, dan mean. Modus sering
digunakan untuk data-data yang berskala nominal,median sering digunakan untuk data-data yang
berskala ordinal, sedangkan mean seringdigunakan untuk menunjukkan gejala pusat suatu perangkat
data yang berskala interval danrasio.

a. Modus

Modus merupakan nilai yang paling sering muncul dalam suatu pengukuran. Sebagaimisal, setelah
dilakukan pengukuran terhadap berat badan sepuluh pelari dari kelas 3C diperolehdata sebagai berikut:
(1) Amir 45 kg, (2) Budi 46 kg, (3) Handi 47 kg, (4) Dadang 50kg, (5) Asep 50 kg, (6) Dayat 50 kg, (7) Taufik
50 kg, (8) Ridho 50 kg, (9) Taufan 55 kg,dan (10) Bayu 57 kg. Angka yang paling sering muncul dari data
tersebut adalah 50. Dengandemikian, angka 50 disebut modus dari perangkat data tersebut.

Mungkin saja dalam suatu perangkat data hanya memiliki satu modus (unimodal), duamodus (bimodal),
banyak (modus multimodal), atau bahkan tidak memiliki modus samasekali. Untuk data yang
dikelompokkan dalam bentuk interval kelas, maka modusnya terdapatpada interval kelas yang nilainya
paling sering muncul. Adapun rumus yang digunakanuntuk mencari modus satuan kelompok adalah
sebagai berikut:

Berdasarkan data yang tertera dalam tabel di atas, maka modusnya terdapat pada intervalkelas 52-59.
dalam mencari titik Mo perlu juga dipertimbangkan frekuensi intervalkelas yang berada di atas dan di
bawah interval kelas Mo, yakni 6 dan 15. Terdapat beberaparumus yang digunakan untuk mencari titik
modus. Perhatikan uraian berikut ini!
b. Median

Dalam statistik, median diartikan sebagai titik atau nilai yang membagi seperangkatdata menjadi dua
bagian yang sama banyak. Misalnya, jika nilai media ditemukan sebesar50, maka terdapat 50% data
yang lebih kecil dan 50% data yang lebih besar dari 50. Dengandemikian, median merupakan nilai
tengah dalam sebuah kelompok nilai yang sudah diurutkandari nilai yang terkecil menuju yang terbesar.

Terdapat beberapa cara yang dapat digunakan untuk mencari median, yakni sebagaiberikut:Jika banyak
anggota kelompok nilai tersebut ganjil, maka median merupakan nilaiyang terletak di tengah-tengah
urutan tersebut. Misalnya, nilai mata pelajaran Sosiologitujuh pelajar terbaik adalah 4, 5, 6, 7, 8, 9, 10.
Berdasarkan data seperti ini maka mediannyaadalah 7.

Jika banyak anggota kelompok nilai tersebut genap, maka median merupakan jumlahdua anggota yang
terletak di tengah-tengah urutan nilai tersebut dibagi dua. Misalnya, nilaimata pelajaran Sosiologi enam
pelajar terbaik adalah 5, 6, 7, 8, 9, 10. berdasar data sepertiini maka mediannya adalah (7+8):2 = 15:2 =
7,5.

c. Mean
Mean atau rata-rata merupakan jumlah keseluruhan nilai dibagi dengan banyak unityang ada. Dengan
demikian, mean atau rata-rata dari nilai mata pelajaran Sosiologi tujuhpelajar terbaik adalah
(4+5+6+7+8+9+10):7 = 49:7 = 7. Adapun rumus yang dipergunakanuntuk mencari mean atau rata-rata
adalah sebagai berikut:

M = mean

X = besarnya bilangan berturut-turut (jumlah keseluruhan dari nilai bilangan)

N = banyaknya unit bilangan

Σ = lambang yang menyatakan sigma yang berarti jumlah dari.

Ukuran Pemusatan Data

Mar27

UKURAN PEMUSATAN DATA

A. Ukuran Pemusatan Data Tunggal

Ukuran pemusatan data digunakan agar data yang diperoleh mudah untuk dibaca dan dipahami.
Ukuran pemusatan data terdiri atas mean, median, dan modus.

1. Rata rata

Mean dari sekumpulan data adalah jumlah seluruh data dibagi banyaknya data. Dengan
mengetahui mean suatu data, maka variasi data yang lain akan mudah diperkirakan.

Rumus mean :
  Contoh :

Nilai ulangan matematika Anto pada semster 1 adalah 6, 8, 5, 7, 9, dan 7. Maka meannya adalah
:

Misalkan sekumpulan data terdiri atas nilai X1, X2, X3 … Xn dan memiliki frekuensi f1, f2, f3, …
fn maka mean dapat dicari dengan rumus :

 Contoh :

Tentukan mean dari data berikut !

6, 5, 6, 7, 8, 9, 5, 6, 8, 9, 9, 6, 7, 4, 5, 8, 7, 4, 8, 5

Jawab :

Data diatas akan lebih mudah dikerjakan bila disajikan dalam tabel frekuensi.

Tabel frekuensi :

1. Median

Median adalah nilai tengah dari sekupulan data yang telah diurutkan dari terkecil ke terbesar.
Median dipengaruhi oleh jumlah data, jika jumlah dta ganjil maka mediannya adalah nilai tengah
dari data yang telah diurutkan, dan jika jumlah data genap maka mediannya adalah mean dari
dua bilangan yang ditengah setelh data diurutkan.
  Contoh 1 :

Tentukan median dari data berikut!

3, 5, 4, 6, 8, 7, 3

Jawab :

Jumlah data = 7 (ganjil)

Data diurutkan akan menjadi seperti berikut:

3, 3, 4, 5, 6, 7, 8

Nilai 5 ada ditengah data yang telah diurutkan, maka 5 merupakan median.

 Contoh 2 :

Tentukan median dari data berikut !

9, 6, 5, 4, 3, 7, 8, 5

Jawab :

Jumlah data = 8 (genap)

Data diurutkan akan menjadi seperti berikut :

3, 4, 5, 5, 6, 7, 8, 9

nilai 5 dan 6 ada ditengah data yang telah diurutkan, maka mediannya adalah 5 + 6 / 2 = 5,5

2. Modus

Modus adalah nilai data yang paling sering muncul atau nilai data yang frekuensinya paling
banyak, modus dinotasikan dengan Mo.

 Contoh :

Tentukan modus dari data berikut !

4, 8, 7, 4, 6, 3, 6, 8, 6, 3

Jawab :

Data yang paling sering muncul adalah 6, maka Mo = 6

A. Ukuran Pemusatan Data Kelompok

Data berkelompok merupakan data yang disajikan dalam bentuk kelas-kelas interval. Untuk
menghitung ukuran pemusatan data berkelompok, agak berbeda dari cara menghitung ukuran
pemusatan data tunggal. Untuk lebih jelasnya perhatikan uraian berikut:

1. Rata-rata

Untuk mencari rata-rata data berkelompok, caranya ada tiga, yaitu cara biasa, cara rataan
sementara dan cara coding.

1. Menghitung rata-rata data berkelompok dengan cara biasa

Mengapa disebut cara biasa? Karena prinsipnya sama saja dengan menghitung nilai rataan untuk
data tunggal. Rumus yang digunakan yaitu:

Keterangan:

fi = frekuensi kelas ke i

xi = titik tengah kelas ke i

Untuk lebih jelasnya, perhatikan contoh berikut:

Tabel di bawah ini merupakan nilai ulangan matematika kelas XI IPA.

Tentukan rata-rata dari data di atas!

Jawab:
Untuk menghitung rata-rata data pada contoh soal di atas, terlebih dahulu kita siapkan tabel
berikut

Sesudah tabel tersebut lengkap, selanjutnya kita masukkan nilai-nilai yang kita perlukan ke
dalam rumus di atas. sehingga rata-rata nilai dari data tersebut adalah:

Yang diperlukan hanya ketekunan dan ketelitian. Biasanya kita sering terjebak dalam hal
perhitungan di tabelnya saja, sehingga berdampak ke hasil akhir yang salah. Namun, jika kita
merasa kesulitan dengan angka-angka yang sangat besar, untuk menghitung nilai rata-rata data
berkelompok dapat juga menggunakan cara kedua, yaitu memakai rataan sementara.

1. Menghitung rata-rata data berkelompok dengan menggunakan rataan sementara

Cara ini disebut cara rataan sementara karena kita terlebih dahulu menentukan nilai titik tengah
yang akan kita asumsikan sebagai rataan sementara. Rumus untuk menentukan nilai rata-rata
data berkelompok dengan menggunakan rataan semetara adalah:

Agar lebih jelas, nilai rataan data di atas dapat dihitung dengan menggunakan rataan sementara.
Perhatikan tabel berikut!
Pada tabel di atas, titik tengah kelas interval ketiga di beri warna merah, karena saya menentukan
rataan sementaranya 65,5, sehingga saya beri tanda warna merah. Nah, setelah kita melengkapi
tabel tersebut, selajutnya tinggal menuangkan angka-angka yang dibutuhkan ke dalam rumus
rataan sementara.

1. Menghitung rata-rata data berkelompok dengan cara coding

Sama dengan menggunakan simpangan rata-rata sementara, sebelum menghitung rata-rata

dengan cara coding, kita juga harus menetapkan rata-rata sementara. Namun rata-rata sementara
yang kita tetapkan harus sama dengan salah satu nilai tengah salah satu kelas interval.

 Contoh:

Sebanyak 21 orang pekerja dijadikan sampel dan dihitung tinggi badannya. Data tinggi badan
dibuat dalam bentuk kelas-kelas interval. Hasil pengukuran tinggi badan adalah sebagai berikut.

Hitunglah rata-rata tinggi badan pekerja dengan menggunakan cara koding!

Penyelesaian:

Misalkan kita menetapkan rata-rata sementara adalah nilai tengah kelas keempat, yaitu 168.
Dengan begitu kita bisa membuat tabel dan pengkodean seperti di bawah ini.
Pengkodean dimulai dari angka 0 untuk kelas interval dimana rata-rata sementara ditetapkan.
Kemudian dengan kelas sebelumnya berturut-turut menjadi angka negatif (-1, -2, -3 dan
seterusnya) menjauhi kelas rata-rata sementara. Berikutnya dengan kelas sesudahnya berturut-
turut pengkodeannya menjadi angka positif (1,2 3 dan seterusnya) menjauhi kelas rata-rata
sementara tersebut.

Dari tabel di atas diperoleh

Hasil rata-rata hitung menggunakan coding adalah sebagai berikut.

1. Median

Mendengar kata median, pasti kita semua sudah tahu, yang di maksud adalah nilai tengah data.
Tapi tidak cukup di tengah-tengah saja, untuk menetukan median, datanya harus diurutkan
terlebih dahulu dari yang terkecil ke yang terbesar. Kecuali datanya sudah tersaji dalam bentuk
tabel, karena biasanya data dalam tabel sudah terurut dari yang kecil ke yang besar. Untuk data
yang tersaji dalam bentuk tabel distribusi frekuensi berkelompok, rumus mencari mediannya
sebagai berikut:
Sebelum menggunakan rumus tersebut, kita harus menentukan letak median terlebih dahulu.
Median terletak di setengah dari banyak data. Setelah mengetahui letak median, gunakan rumus
di atas untuk menentukan nilai mediannya.

1. Modus

Modus adalah data yang sering muncul atau mempunyai frekuensi paling banyak. Sebuah data
bisa saja tidak mempunyai modus ketika semua data muncul dengan frekuensi yang sama atau
bahkan bisa jadi sebuah data mempunya modus lebih dari satu.

Untuk data yang di sajikan dalam bentuk tabel distribusi frekuensi berkelompok, kita dapat
dengan mudah menentukan letak modus dengan cara melihat kelas interval yang mempunyai
frekuensi paling besar. Untuk menentukan nilainya, gunakan rumus di bawah ini!

Contoh:

Untuk memperjelas penggunaan rumus median dan modus di atas, mari kita lihat contoh soal di
bawah ini. Data di ambil dari soal pada pembahasan rumus rata-rata data berkelompok.
Perhatikan tabel berikut!

Tentukan median dan modus dari data di atas!

Jawab:
a. Median

sebelum menggunakan rumus, terlebih dahulu kita tentukan letak kelas median. Banyak data
tersebut adalah 40, sehingga median terletak pada data ke -20 yang berada pada kelas interval ke-
3. Sehingga kita mengetahui:

sehingga median dari data di atas adalah:

b. Modus

Modus pada data diatas terletak pada kelas interval ke-3 karena mempunyai frekuensi paling
besar yaitu 14. Sehingga kita mengetahui:

Sehingga modus dari data di atas adalah:

Rata-rata Harmonik (Harmonic Average)

Rata-rata harmonik (harmonic average) adalah rata-rata yang dihitung dengan cara mengubah semua
data menjadi pecahan, dimana nilai data dijadikan sebagai penyebut dan pembilangnya adalah satu,
kemudian semua pecahan tersebut dijumlahkan dan selanjutnya dijadikan sebagai pembagi jumlah data.
Rata-rata harmonik ini sering disebut juga dengan kebalikan dari rata-rata hitung (aritmatik). Secara
matematis rata-rata harmonik dirumuskan sebagai berikut.
Keterangan:

H = rata-rata harmonik

n = jumlah data sampel

xi = nilai data ke-i

Contoh:
Suatu pertandingan bridge terdiri dari 10 meja. Pada pertandingan tersebut ingin diketahui rata-rata
lama bermain dalam 1 set kartu bridge. Pada pertandingan pertamanya dihitung lama bermain untuk
setiap set kartu di setiap meja. Hasilnya adalah sebagai berikut (dalam menit).

7, 6, 8, 10, 8, 8, 9, 12, 9, 11

Berapakah rata-rata harmonik lama pertandingan tersebut?

Jawab:
Dari rumus dapat dihitung rata-rata harmonik adalah sebagai berikut.

Hasil tersebut bisa dibuktikan dengan menggunakan Microsoft Excel di halaman Menghitung Rata-rata
Harmonik Dengan Microsoft Excel.

Rata-Rata Harmonik
Rata-rata harmonik dari suatu kumpulan data x1, x2, …, xn adalah kebalikan dari nilai rata-rata hitung
(aritmetik mean). Secara matematis dapat dinyatakan dengan formula berikut:
Secara umum, rata-rata harmonic jarang digunakan. Rata-rata ini hanya digunakan untuk data yang
bersifat khusus. Misalnya,rata-rata harmonik sering digunakan sebagai ukuran tendensi sentral untuk
kumpulan data yang menunjukkan adanya laju perubahan, seperti kecepatan.

a. Rata-rata harmonic untuk data tunggal

Contoh 1:Si A bepergian pulang pergi. Waktu pergi ia mengendarai kendaraan dengan kecepatan 10
km/jam, sedangkan waktu kembalinya 20 km/jam. Berapakah rata-rata kecepatan pulang pergi?

Jawab:Apabila kita menghitungnya dengan menggunakan rumus jarak dan kecepatan, tentu hasilnya
13.5 km/jam!
Apabila kita gunakan perhitungan rata-rata hitung, hasilnya tidak tepat!

Pada kasus ini, lebih tepat menggunakan rata-rata harmonik:

b. Rata-rata Harmonik untuk Distribusi Frekuensi:

Contoh 2:
Berapa rata-rata Harmonik dari tabel distribusi frekuensi pada Contoh 3 pada Tendensi Sentral: Mean!

Jawab:

Kelas Nilai Ujian fi xi fi/xi

1 31 – 40 2 35.5 0.0563

2 41 – 50 3 45.5 0.0659

3 51 – 60 5 55.5 0.0901
 4 61 – 70 13 65.5 0.1985

5 71 – 80 24 75.5 0.3179

6 81 – 90 21 85.5 0.2456

7 91 – 100 12 95.5 0.1257

8 Jumlah 80 1.1000

Perbandingan Ketiga Rata-rata (Mean):

Rata-Rata Ukur (Geometric Mean)

Untuk gugus data positif x1, x2, …, xn, rata-rata geometrik adalah akar ke-n dari hasil perkalian unsur-
unsur datanya. Secara matematis dapat dinyatakan dengan formula berikut:

Keterangan:
U = rata-rata ukur (rata-rata geometrik)
n = banyaknya sampel
Π = Huruf kapital π (pi) yang menyatakan jumlah dari hasil kali unsur-unsur data.
Rata-rata geometrik sering digunakan dalam bisnis dan ekonomi untuk menghitung rata-rata tingkat
perubahan, rata-rata tingkat pertumbuhan, atau rasio rata-rata untuk data berurutan tetap atau hampir
tetap atau untuk rata-rata kenaikan dalam bentuk persentase.

a. Rata-rata ukur untuk data tunggal

Contoh 1:
Berapakah rata-rata ukur dari data 2, 4, 8?

Jawab:

atau:
b. Distribusi Frekuensi:

xi = tanda kelas (nilai tengah)

fi = frekuensi yang sesuai dengan xi

Contoh 2:
Tentukan rata-rata ukur dari tabel distribusi frekuensi pada Contoh 3 di atas!

Jawab:

Kelas ke- Nilai Ujian fi xi log xi fi.log xi

1 31 – 40 2 35.5 1.5502 3.1005

2 41 – 50 3 45.5 1.6580 4.9740

3 51 – 60 5 55.5 1.7443 8.7215

4 61 – 70 13 65.5 1.8162 23.6111

5 71 – 80 24 75.5 1.8779 45.0707

6 81 – 90 21 85.5 1.9320 40.5713

7 91 – 100 12 95.5 1.9800 23.7600

8 Jumlah 80 149.8091
http://matematikaakutansi.blogspot.co.id/2014/01/distribusi-frekuensi-relatif-dan.html

http://sosiologiada.blogspot.co.id/2016/03/ukuran-pemusatan-mean-modus-median.html

http://zaneta9bp2.blogspot.co.id/p/rata-rata-ukur-geometric-mean.html