TOPIC 5 ILMU DASAR KEPERAWATAN-ONCLASS

PENGAMPU : RAGIL SETIYABUDI

TENDENSI SENTRAL/SENTRAL TENDENSI/KECENDERUNGAN

PUSAT/GEJALA PUSAT/NILAI SENTRAL

Kompetensi Dasar
Setelah mempelajari pembahasan di bawah ini mahasiswa diharapkan mampu :
1. Memahami tendensi sentral
2. Mencari tendensi yang paling tepat berdasarkan skala data, pengelompokkan data dan nilai
ekstrimnya

A. Pengertian
Tendensi sentral adalah nilai yang representatif dalam suatu kelompok observasi atau
studi, yang dikenal sebagai nilai mean, median, dan modus (Chandra,1995)
Angka yang mewujudkan nilai yang terletak di tengah dari hasil observasi pada suatu
agregat. Dalam bidang kesehatan ukuran tengah yang lazim dipergunakan adalah mean,
median, dan modus (Purwanto, 1994)
Nilai sentral suatu rangkaian data adalah nilai dalam rangkaian data yang dapat mewakili
rangkaian data tersebut. Suatu rangkaian data biasanya mempunyai tendensi untuk
terkonsentrasi atau terpusat pada nilai sentral tersebut.( Boedijoewono, 2001)

B. Rata-rata (mean)
Rata-rata merupakan ukuran nilai tengah yang paling sering digunakan untuk
menganalisis data. Simbol yang dipergunakan untuk rata-rata populasi adalah µ (mu) dan

untuk rata-rata sampel digunakan simbol X . Caranya adalah dengan menjumlahkan

semua nilai pengamatan dibagi jumlah semua pengamatan. Rumusnya sebagai berikut :

X= X
n
Contoh 1 (data tunggal) :
Hasil pengukuran berat badan 10 pekerja/pegawai di suatu rumah sakit adalah sebagai
berikut :
Data ukuran berat badan dinyatakan dalam kg sebagai berikut
 65, 60, 55, 70, 67, 53, 61, 64, 75, dan 50.
Maka rata-ratanya adalah :

X= X = (65 + 60 + 55 + 70 + 67 + 53 + 61 + 64 + 75 + 50) : 10 = 62 kg.

n
Rumus di atas digunakan untuk menghitung rata-rata dan hanya dapat digunakan pada
jumlah pengamatan yang tidak banyak, sehingga menjadi tidak efisien bila jumlah
pengamatan cukup banyak.

Contoh 2 (data disusun dalam distribusi yang tidak dikelompokkan) :

Tabel 5.1 Distribusi frekuensi BB pegawai RS X Kab Z tahun 2011
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
Jumah 30 1866

Maka rata-ratanya dengan rumus :

X=  f .X = 1866/30 = 62,2 kg
n
Dimana :
X = rata-rata
∑= jumlah
f = frekuensi
x = hasil pengamatan
n = jumlah pengamatan
Contoh 3 ( frekuensi distribusi yang dikelompokkan )
Tabel 5.2 Berat badan pegawai administrasi Rumah Sakit A Kab X tahun 2011

Berat Badan f Nt fNt

41 – 45 4 43 172
46 – 50 4 48 192
51 – 55 1 53 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
30 1.845

Keterangan : f = frekuensi
Nt = nilai tengah
Maka rata-ratanya = X =
 f .Nt = 1845 / 30 = 61,5 kg
n
C. Median
Median merupakan ukuran nilai tengah 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% terletak di
bawah median dan 50% terletak di atas median setelah diurutkan.
Rumus = Me = (n+1)/2 ...........jika jumlah pengamatan (n) ganjil
Me = Median ; n = banyaknya pengamatan
Jika jumlah pengamatan (n) genap maka akan terdapat 2 posisi median, yaitu antara ½ n
dan ½ n + 1. Dalam hal demikian, median ditentukan dengan menghitung nilai rata-rata.
Contoh 4 ( Data yang tidak dikelompokkan)
Misalkan kita mengumpulkan data lama hari rawat pasien ruang pavillium Rumah Sakit
A dan kita akan menentukan nilai mediannya.
Lama hari disusun dari yang terkecil = 8, 9, 10, 11, 12 (jumlahnya 5 atau ganjil)
Posisi median terletak pada adalah (5+1)/2 = 3

Posisi median 1 2 3 4 5
Lama hari rawat 8 9 10 11 12
Dari hasil perhitungan, posisi median terletak pada posisi ke-3 yang sesuai dengan lama
rawat 10 hari .
Bila data yang diperoleh merupakan bilangan genap, misalnya 6 pasien, maka posisi
median terletak antara posisi ke-3 dan ke-4, setelah diurutkan dari yang terkecil. Misalnya
lama hari rawat 6 pasien adalah 11, 9, 8, 13, 10, 12 , maka :
Posisi median 1 2 3 4 5 6
Lama hari rawat 8 9 10 11 12 13

Dari hasil perhitungan, posisi median terletak pada posisi ke-3 dan ke-4, sehingga nilai
median sama dengan (10+11) / 2 = 10,5 hari.

Contoh 5 (data yang dikelompokkan, yang bercirikan ada kelas dan intervalnya)
Rumus :
 1 nF 
Md  b  p 2 
 f 
Keterangan :
Md = Median
b = batas bawah, dimana median akan terletak
n = banyak data/jumlah sampel
p = panjang/interval klas median
F = jumlah semua frekuensi sebelum klas Median
f = frekuensi klas median

Tabel 5.3 Distribusi nilai kemampuan managerial kepala ruang perawatan rumah
sakit di seluruh Kabupaten A tahun 2011

Interval Nilai Kemampuan Frekuensi / Jumlah

21 – 30 2
31 – 40 6
41 – 50 18
51 – 60 30
61 – 70 20
71 – 80 10
81 – 90 8
91 – 100 8
Jumlah 100

Setengah dari seluruh data adalah = ½ n = ½ x 100 = 50.

Jadi median akan terletak pada interval keempat, karena sampai pada interval ini jumlah
frekuensi sudah melebihi 50, tepatnya 56 yaitu 2+6+18+30
Dengan demikian pada interval keempat ini merupakan klas median batas bawahnya (b)
adalah 51 – 0,5 = 50,5
(p) = panjang klas median=10 dan frekuensinya (f) = 30
F – nya = 2+6+18=26
Jadi mediannya = 50,5 + 10 (50 - 26) = 58,5 (skor yang berada pada titik tengah data
30
adalah bernilai 58,5

D. Modus (Mode) / MO
Modus merupakan salah satu ukuran nilai tengah yang dinyatakan dalam frekuensi
terbanyak dari data kualitatif maupun data kuantitatif.
Modus jarang digunakan sebagai nilai tengah karena sangat dipengaruhi oleh nilai
ekstrim dan letak modus akan berubah mengikuti nilai ekstrim.
Contoh 6 (data distribusi tunggal)
Tabel 5.4 Data pegawai RS X menurut jenis tenaga kerjanya tahun 2011
Jenis tenaga kerja Jumlah
Dokter umum dan spesialis 9
Administrasi 25
Perawat 41
Pembantu Perawat 73

Modus pegawai RS X tahun 2011 adalah pembantu perawat atau jenis tenaga kerja paling
banyak di RS X tahun 2011 adalah pembantu perawat.
Contoh 7 (data berkelompok)
Tabel 5.5 Distribusi nilai kemampuan managerial kepala bangsal 100 perawat di
seluruh RS Kabupaten A

Interval Nilai Kemampuan Frekuensi/jumlah

21 – 30 2
31 – 40 6
41 – 50 18
51 – 60 30
61 – 70 20
71 – 80 10
81 – 90 8
91 – 100 8
Jumlah 100

Rumus mencari Modus data berkelompok

  b1 
Mo  b  p  
 b1  b 2 

Dimana :
Mo = Modus
b = Batas bawah klas interval dengan frekuensi terbanyak
p = Panjang klas interval dengan frekuensi terbanyak
b1 = Frekuensi pada klas modus (frekuensi pada klas interval yang
terbanyak) dikurangi frekuensi klas interval terdekat sebelumnya.
b2 = Frekuensi klas modus dikurangi frekuensi klas interval setelah/berikutnya.
Berdasarkan tabel di atas maka :
Klas modusnya = klas keempat ( f - nya terbesar = 30 )
b = 51 – 0,5 = 50,5
b1 = 30 – 18 = 12 ( 30 = f klas modus, 18 = f klas sebelumnya )
b2 = 30 – 20 = 10 ( 10 = f klas berikutnya, setelah klas pada f = 30 )
Jadi Modusnya = 50,5 + 10 ( 12 ) = 55,95 (skor kemampuan manajerial yang
12 + 10
sering muncul adalah bernilai 55,95.

E. Kapan kita menggunakan median dan kapan kita menggunakan mean untuk
mencari tendensi sentral dengan skala rasio ?
Jika kita dihadapkan pada data dengan distribusi tunggal dengan skala rasio, maka untuk
menentukan Median atau Mean untuk menggambarkan/menjelaskan keadaan data
(tendensi sentral) diperhatikan nilai ekstrimnya (rentang nilai/range)
Perhatikan contoh berikut :
Contoh 8
Tabel 5.6 Penghasilannya delapan pegawai di RS Z tahun 2011
Pegawai Penghasilan
1 700.000
2 900.000
3 900.000
4 1.900.000
5 6.000.000
6 9.000.000
7 12.000.000
8 18.000.000
Penghasilan rata-rata (mean) 8 pegawai tersebut adalah :

Mean ( X ) = 700000+900000+900000+1900000+6000000+9000000+12000000+18000000
8
= 6.175.000 rupiah
Jadi rata-rata penghasilan 8 pegawai tersebut adalah Rp. 6.175.000 rupiah. Sekarang
kelihatan bahwa rata-rata penghasilan 8 pegawai tersebut kurang mewakili individu yang
berpenghasilan Rp. 1.900.000 ke bawah dan 12.000.000 ke atas.
Di sini terjadi jarak penghasilan yang sangat ekstrim (range yang sangat ekstrim). Untuk
itu, sebaiknya tidak digunakan “mean” sebagai alat untuk menjelaskan keadaan data
tersebut, tetapi digunakan median.
Harga median untuk delapan pegawai tersebut adalah :
Md = (1.900.000 + 6.000.000) : 2 = 3.950.000 rupiah.
Harga ini Rp 3.950.000 akan lebih mewakili penghasilan 8 pegawai RS Z tahun 2011
tersebut.
Contoh 9
Tabel 5.7. Penghasilannya sepuluh pegawai di RS N tahun 2011
Pegawai Penghasilan (rupiah)
1 900000
2 1200000
3 1600000
4 600000
5 1800000
6 1900000
7 900000
8 1800000
9 700000
10 1600000

Dengan melihat data sepuluh pegawai di RS N tahun 2011, maka terlihat tidak terdapat
nilai ekstrim, sehingga nilai rata-rata yang digunakan untuk menjelaskan keadaan sepuluh
pegawai di RS N tahun 2011.

X = 900000+1200000+1600000+600000+1800000+1900000+900000+1800000+700000+1600000
10
X = 1.300.000 rupiah
Jadi penghasilan sepuluh pegawai di RS Y tahun 2007 adalah Rp. 1.300.000 rupiah,
sehingga individu-individu dalam sepuluh pegawai di RS N tahun 2011 penghasilannya
tidak jauh dari Me = 1.300.000 rupiah.
 Penggunaan tendensi sentral untuk data berskala rasio dan data distribusi tunggal , adalah
digunakan :
Modus : jika datanya adalah data kategori, seperti contoh no 6 di atas
Median : jika terjadi jarak data yang sangat ekstrim (range yang sangat ekstrim), seperti
contoh no 8
Mean : jika tidak terjadi jarak data yang sangat ekstrim (range yang tidak ekstrim) seperti
contoh no 9
Ada ketentuan lain terkait dengan distribusi normalitas data, yaitu jika datanya
berdistribusi normal, maka yang dipakai adalah Mean(rata-rata), jika datanya tidak
berdistribusi normal maka yang dipakai adalah median.
Rangkuman
1. Tendensi sentral adalah nilai yang representatif dalam suatu kelompok observasi atau
studi, yang dikenal sebagai nilai mean, median, dan modus
2. Untuk mencari mean tergantung dari pengelompokkan data (berkelompok atau tidak
berkelompok)
3. Untuk mencari median tergantung dari pengelompokkan data (berkelompok atau tidak
berkelompok)
4. Untuk mencari Modus tergantung dari pengelompokkan data (berkelompok atau tidak
berkelompok)
5. Pada data berskala rasio, penentuan mean atau median untuk tendensi sentralnya
tergantung dari nilai ekstrimnya (rentang nilai/range)

Soal latihan
Soal 1
A. Data skor kecerdasan emosional 10 pegawai Rumah Sakit G tahun 2011 sebagai
berikut 98, 45, 67, 47, 83, 97, 73, 76, 58, 69.
Coba anda cari mean, median dan modus data skor kecerdasan emosional !
B. Data umur pasien sebanyak 19 adalah sebagai berikut : 41, 45, 46, 53, 57, 58, 59, 56,
60, 63, 75, 65, 64, 69, 72, 71, 74, 73, 63.
Coba anda cari mean, median dan modus data umur pasien tersebut !
Soal 2
Perhatikan tabel berikut :
Tabel 1. Distribusi umur penderita Thypus Abdominalis di Rumah sakit B tahun 2011.

Distribusi umur Frekuensi

21 – 30 6
31 – 40 7
41 – 50 40
51 – 60 10
61 – 70 10
71 – 80 7
Jumlah 80

Carilah Mean, Median dan Modus pada data di atas !

Soal 3
Tendensi sentral apa yang digunakan untuk menggambarkan data berikut :

Tabel 2. Jumlah rumah sakit (umum dan khusus) di Indonesia tahun 2009

Pengelola/kepemilikan Jumlah
Kementerian Kesehatan dan Pemerintah Provinsi/Kabupaten/Kota 552
TNI/POLRI 125
BUMN/Kementrian lain 78
Swasta 768

Soal 4
Tendensi sentral apa yang digunakan untuk menggambarkan data berikut :
Tabel 3. Tinggi Badan Pegawai RS Y tanggal 14 Februari 2011
Klien Tinggi Badan (cm)
1 172
2 165
3 168
4 169
5 170
6 171
7 166
8 167
9 170
Soal 5
Tendensi sentral apa yang digunakan untuk menggambarkan data berikut :

Tabel 4. Rewards Sepuluh Tenaga Kesehatan RS Y Kab X Bulan Maret 2008

Klien Reward (rupiah)
1 1.000.000
2 50.000
3 70.000
4 90.000
5 200.000
6 400.000
7 450.000
8 300.000
9 100.000
10 700.000

Daftar Pustaka
Boedijoewono, 2001. Pengantar Statistik ; ekonomi dan bisnis jilid 1 edisi keempat.
Yogyakarta : UPP AMP YKPN.
Budiarto, 2001. Biostatistik ; untuk kedokteran dan kesehatan masyarakat. Jakarta : EGC.
Chandra, Budiman 1995. Pengantar Statistik Kesehatan. Jakarta : EGC.
Purwanto, 1994.Pengantar Statistik Keperawatan.Jakarta : EGC.
Sugiyono, 2002. Statistika untuk Penelitian. Bandung : Alfabeta.
 UKURAN PENYIMPANGAN / DISPERSI / VARIASI / VARIABILITAS /
PEMENCARAN

Kompetensi Dasar
Setelah mempelajari pembahasan di bawah ini mahasiswa diharapkan mampu :
1. Memahami ukuran variasi dan akibat adanya variasi
2. Menghitung variasi berdasarkan pengelompokkan data

A. Pendahuluan
Pada ukuran nilai tengah / tendensi sentral, beberapa distribusi dengan mean yang sama
kemungkinan mempunyai variasi yang berbeda. Oleh karena itu, bila kita hanya
menghitung nilai tengah / tendensi sentral saja tanpa memperhatikan variasi yang
mungkin berbeda, maka kita akan kehilangan informasi penting dan akan menimbulkan
interpretasi yang berbeda.
Bila kita ingin mendapatkan informasi yang lebih tepat / lengkap, maka kita harus
menghitung juga variasi/penyimpangan terhadap rata-rata.
Perhitungan dispersi sangat penting, karena beberapa hal sebagai berikut :
1. Dengan penghitungan dispersi, kita akan mendapatkan informasi tambahan tentang
penyimpangan yang terjadi pada suatu distribusi.
2. Kita dapat menilai ketepatan nilai tengah dalam mewakili distribusinya.
Bila dispersi besar maka nilai tengah kurang mewakili distribusinya.
Bila dispersi kecil maka nilai tengah punya ketepatan yang tinggi.
3. Penghitungan dispersi juga punya arti penting untuk mengadakan analisis melalui
perhitungan statistik yang lebih mendalam.

B. Mengapa terjadi variasi ?

Variasi dapat terjadi di semua kejadian, yang merupakan peristiwa alamiah.
Misalnya ; beberapa petugas kesehatan menimbang balita, maka diperoleh hasil yang
berbeda-beda. Demikian juga bila beberapa analis menghitung jumlah leukosit, maka
akan mendapatkan hasil yang berbeda-beda pula. Perbedaan ini karena variasi antar
individu (variasi eksterna).
Bila seorang analis menghitung jumlah leukosit berkali-kali pada waktu yang berbeda-
beda akan menghasilkan nilai yang berbeda-beda. Variasi ini disebabkan adanya variasi
intra individu (variasi interna)
C. Ukuran-ukuran variasi
1. Range / rentang
2. Deviasi rata-rata
3. Deviasi standard / Standard Deviation (SD)
4. Varians (Variance)
5. Koefisien Variasi (COV=Coefficient of Variation)
Point 1 – 4 termasuk dalam Dispersi Absolut
Point 5 termasuk dalam dispersi relatif
D. Range (rentang)
Merupakan ukuran dispersi paling sederhana, karena hanya melibatkan 2 nilai dalam
distribusi (nilai terbesar dan terkecil)
Rentang adalah nilai terbesar dikurangi nilai terkecil dari data yang telah disusun secara
berurutan.
Dengan range orang bisa langsung mendapatkan gambaran kasar tentang besarnya
variasi. Hal ini penting, misalnya untuk mengendalikan mutu kemurnian obat. Jika
kemurnian obat punya range yang sangat besar maka akan membahayakan pemakainya.

Pada distribusi normal, simpangan 1 SD ± 1/6 dari range. Bila SD-nya sangat jauh dari
1/6 range, maka kemungkinan salah dan distribusinya tidak normal, jadi jangan sekali-
kali menghitung SD dari range.

Dapat terjadi 2 distribusi dengan range yang sama, tapi mean beda dan sebaliknya, 2
distribusi dengan mean yang sama, tapi range yang beda.
Tabel 6.1. Distribusi nilai pengetahuan manajerial 2 kelompok pegawai RS X
Kelompok 1 Kelompok 2
40 10
45 25
50 55
55 70
60 90
Jumlah 250 250
Rata-rata 50 50
Max (Ntertinggi) 60 90
Min (Nterendah) 40 10
Range 20 80
 Nilai rata-rata kedua kelompok mempunyai nilai sama, tapi setelah kita perhatikan, range
pada kelompok 2 lebih besar daripada kelompok 1. Dengan demikian dapat disimpulkan
kelompok 1 punya pengetahuan manajerial yang hampir sama, sedang pengetahuan
manajerial kelompok 2 sangat bervariasi. Oleh karena itu, jika kita hanya memperhatikan
nilai rata-rata saja, tanpa memperhitungkan range, maka kita mendapatkan kesan yang
salah terhadap pengetahuan manajerial kedua kelompok itu.
Tabel 6.2. Distribusi Nilai kinerja dua kelompok pegawai RS Z tahun 2011
Kelompok 1 Kelompok 2
40 40
43 40
49 40
60 40
60 43
64 45
65 50
65 52
66 55
70 70
Jumlah 582 475
Rata-rata 58,2 47,5
Max (Ntt) 70 70
Min (Ntr) 40 40
Range 30 30

Pada contoh 2 dia atas, terdapat 2 data dimana kedua data tersebut memiliki range yang
sama tetapi rata-rata berbeda.

E. Deviasi rata-rata
Adalah rata-rata penyimpangan tiap angka pada suatu data terhadap mean-nya. Makin kecil
harga deviasi ini, makin kecil dispersi / pemencaran angka tersebut terhadap meannya.
Deviasi rata-rata data tidak berkelompok
Rumus :

Xi  X
Dr  
N

Dimana : X : rata-rata
Xi : angka anggota data
N : banyaknya angka pada data.
Contoh 3. Distribusi umur pasien
Kelompok 1 = 35, 45, 36, 42, 38, 36, 48, 38, 40, 34, 34.
Kelompok 2 = 36, 34, 50, 32, 46, 34, 38, 44, 48, 44, 56.
Nomor Kelompok 1 Kelompok 2
X1 |X1 – X | X2 |X2 – X |
1 35 3,73 36 6
2 45 6,27 34 8
3 36 2,73 50 8
4 42 3,27 32 10
5 38 0,73 46 4
6 36 2,73 34 8
7 48 9,27 38 4
8 38 0,73 44 2
9 40 1,27 48 6
10 34 4,73 44 2
11 34 4,73 56 14
Jumlah 426 40,19 462 72
Rata-rata 38,73 3,65 42 6,55

Dr kelompok 1 = 40,19 / 11 = 3,65

Dr kelompok 2 = 72 / 11 = 6,55
Berdasarkan keadaan deviasi rata-rata data di atas, dapat dilakukan analisis bahwa data
kelompok 1 lebih mengumpul ke arah mean-nya daripada data kedua yang menyebar
terhadap meannya (karena lebih kecil)
Deviasi rata-rata data berkelompok
Rumus :
fi X i  X
Dr  
N
Dimana : fi = frekuensi
X = mean
Xi = titik tengah interval kelas
N = banyaknya angka pada data / total frekuensi
Tabel 6.3. Tinggi Badan Masyarakat X tahun 2006
No Tinggi Badan Frekuensi
1 140 - 149 6
2 150 - 159 22
3 160 - 169 39
4 170 - 179 25
5 180 - 189 7
6 190 - 199 1
Jumlah 100

No Tinggi Badan fi Xi fi.Xi |Xi – X | fi |Xi – X |

1 140 - 149 6 145 870 20,8 124,8
2 150 - 159 22 155 3410 10,8 237,6
3 160 - 169 39 165 6435 0,8 31,2
4 170 - 179 25 175 4375 9,2 230
5 180 - 189 7 185 1295 19,2 134,4
6 190 - 199 1 195 195 29,2 29,2
Jumlah 100 16580 787,2
Rata-rata 165,8
Keterangan : untuk mencari rata-rata data di atas (X = 165,8)
ingat kembali cara mencari rata-rata data berkelompok.
Notasi |Xi – X | berarti tidak ada yang negatif (karena adanya tanda mutlak)

fi X i  X
Dr  
N
= 787,2 / 100 = 7,872
F. Variansi (varian)
Variansi adalah harga deviasi yang juga memperhitungkan deviasi tiap data terhadap
meannya. Varian untuk populasi biasanya dilambangkan dengan 
Sedangkan Varian sampel dilambangkan dengan S2.
Rumus Varian data tidak berkelompok

V 
X i X 
2

N
Dimana : V : Varian
X : rata-rata
Xi : angka anggota data
N : banyaknya angka pada data
Contoh 5 :
Sebuah data umur pasien : 35, 45, 36, 42, 38, 36, 48, 38, 40, 34, 34
Perhitungan :
 Nomor Xi Xi - X (Xi - X )2
1 35 -3,73 13,91
2 45 6,27 39,31
3 36 -2,73 7,45
4 42 3,27 10,69
5 38 -0,73 0,53
6 36 -2,73 7,45
7 48 9,27 85,93
8 38 -0,73 0,53
9 40 1,27 1,61
10 34 -4,73 22,37
11 34 -4,73 22,37
Jumlah 426 212,18
Mean 38,73

V 
X i X 
2

= 212,18 / 11 = 19,29
N

Rumus Varian data berkelompok

Rumus V 

fi X i  X 
2

N
Dimana : V : Varian
X : rata-rata
fi : frekuensi
Xi : titik tengah interval kelas
N : banyaknya angka pada data (total frekuensi)

Tabel 6.4. Tinggi Badan Masyarakat X tahun 2006

No Tinggi Badan Frekuensi
1 140 - 149 6
2 150 - 159 22
3 160 - 169 39
4 170 - 179 25
5 180 - 189 7
6 190 - 199 1
Jumlah 100
 Perhitungan :

No Tinggi Badan fi Xi fi.Xi Xi - X (Xi – X )2 fi.(Xi – X )2

1 140 - 149 6 145 870 -20,8 432,64 2595,84
2 150 - 159 22 155 3410 -10,8 116,64 2566,08
3 160 - 169 39 165 6435 -0,8 0,64 24,96
4 170 - 179 25 175 4375 9,2 84,64 2116
5 180 - 189 7 185 1295 19,2 368,64 2580,48
6 190 - 199 1 195 195 29,2 852,64 852,64
Jumlah 100 16580 10736
Rata-rata 165,8
Keterangan : untuk mencari rata-rata data di atas ( X = 165,8)
ingat kembali cara mencari rata-rata data berkelompok.

V 
X i X 
2

= 10736 / 100 = 107,36

N
Salah satu uji statistik terkait dengan Varian adalah Analisis Varian (Anova) baik Anova
satu jalan atau Anova dua jalan. Asumsi/persyaratan yang mendasari Uji Anova adalah :
1. Sampel diambil secara acak
2. Sampel berdistribusi normal
3. Varian antarsampel homogen/sama
G. Standar deviasi (SD) / deviasi standar
Standar deviasi atau simpangan baku merupakan akar dari varian. Standar deviasi dapat
dipergunakan sebagai angka yang mewakili seluruh agregat untuk ukuran dispersi,
dipengaruhi oleh perubahan nilai observasi. Standar deviasi untuk populasi biasanya

dilambangkan dengan  (baca : tho)

Sedangkan Standar deviasi sampel dilambangkan dengan S.
Rumus : SD = V maksudnya akar dari varian
Untuk contoh di atas, maka SD - nya adalah akar dari107,36 yaitu 10,36
Kondisi yang perlu diketahui sehubungan dengan standar dalam suatu distribusi frekuensi
yang simetrik berdistribusi normal luas yang dibatasi :
Penyimpangan Nilai (luas kurva)
0SD s.d +1SD 33,96%
+1SD s.d +2SD 13,34%
+2SD s.d +3SD 2,70%
0SD s.d -1SD 33,96%
-1SD s.d -2SD 13,34%
-2SD s.d -3SD 2,70%
 Dengan sampel sebesar 30 telah terjadi pendekatan ke distribusi normal (Budiarto, 2001).
Berikut ini gambar kurva data yang berdistribusi normal.

33,96% 33,96%

13,34% 13,34%

2,70% 2,70%

-1SD +1SD
-2SD +2SD
-3SD +3SD
Gambar 8.1. Gambar Kurva Normal
H. Koefisien variasi (Coefficient of Variation / COV)
Rumus :
 SD 
KV    x100%
 X 
Contoh 5 :
Seorang analis A dalam sehari dapat memeriksa 40 sampel darah dengan deviasi standar
5 dan analis B dalam sehari rata-rata dapat memeriksa 160 sampel darah dengan deviasi
standar 15.
Sepintas dapat kita katakan bahwa analis B mempunyai variasi yang lebih besar
dibandingkan dengan A, tetapi analis B dapat memeriksa sampel darah 4 kali lebih
banyak daripada A.
Bila kita hitung KV untuk mengadakan perbandingan maka akan diperoleh hasil sebagai
berikut :
Analis A : KV = (5/40) x 100% = 12,5%
Analis B : KV = (15/160) x 100% = 9,4%
Dengan membandingkan secara relatif maka analis B mempunyai variasi yang lebih kecil
daripada A karena B mempunyai kemampuan 4 kali lebih besar daripada A.
Koefisien Variasi dapat digunakan untuk mengetahui homogenitas suatu kelompok, yaitu
apabila koefisien variasi kurang dari 10% maka kelompok tersebut dianggap cukup
homogen.Dengan melihat hasil di atas, maka Kel B distribusinya homogen.
Rangkuman
1. Bila kita hanya menghitung nilai tengah/tendensi sentral saja tanpa memperhatikan
variasi yang mungkin berbeda, maka kita akan kehilangan informasi penting dan akan
menimbulkan interpretasi yang berbeda. Bila kita ingin mendapatkan informasi yang
lebih tepat/lengkap, maka kita harus menghitung juga variasi/penyimpangan terhadap
rata-rata.
2. Variasi dapat terjadi akibat faktor internal (yang disebut variasi interna) atau faktor
eksternal (yang disebut variasi eksternal)
3. Ukuran-ukuran variasi terdiri dari : Range/rentang, Deviasi rata-rata, Deviasi
standard/Standard Deviation (SD), Varians (Variance), Koefisien Variasi
(COV=Coefficient of Variation) yang masing-masing memiliki cara/rumusnya tergantung
pengelompokkan datanya.

Soal latihan :
Soal 1
A. Data skor kecerdasan emosional 10 pegawai (sampel) Rumah Sakit G tahun 2011
sebagai berikut 98, 45, 67, 47, 83, 97, 73, 76, 58, 69.
Coba anda cari varian dan standard deviasi data skor kecerdasan emosional !
B. Data umur pasien sebanyak 19 (sampel) adalah sebagai berikut : 41, 45, 46, 53, 57,
58, 59, 56, 60, 63, 75, 65, 64, 69, 72, 71, 74, 73, 63.
Coba anda cari varian dan standard deviasi data umur pasien tersebut !

Soal 2
Perhatikan 2 tabel berikut :
Tabel 1. Distribusi ketidakhadiran pegawai administrasi selama semester pertama
RS X tahun 2011
Jumlah tidak hadir (hari) Frekuensi
7– 8 4
9 – 10 6
11 – 12 20
13 – 14 15
15 – 16 5
Jumlah 50

Pertanyaan untuk Tabel 1 :

 1. Carilah deviasi rata-ratanya !
2. Carilah standar deviasinya !
3. Carilah variannya !
4. Carilah COV –nya ! apakah data di atas cukup homogen ?

Tabel 2. Umur 5 pasien Bangsal Cempaka dan Mawar RS X Bulan Maret 2011
Cempaka Mawar
40 25
45 35
50 55
55 60
60 75

Pertanyaan untuk Tabel 2 :

1. Carilah rentang umur masing-masing Bangsal !
2. Carilah deviasi rata-rata umur masing-masing Bangsal !
3. Carilah standar deviasi umur masing-masing Bangsal !
4. Carilah varian umur masing-masing Bangsal!
Apakah keduanya mempunyai varian sama ?
5. Carilah COV –nya ! apakah keduanya cukup homogen ?

-oOo-