RANGKUMAN

JENIS DATA, PENYAJIAN DATA, UKURAN PEMUSATAN

DATA, UKURAN PENYEBARAN DATA

Disusun Oleh:
1. Bella Dwi Lestari (1923021005)
2. Nia Kurniati (1923021013)
3. Resa Yulia Puspita (1923021014)

Dosen Pengampu:
Dr. Nurhanurawati, M.Pd,

MAGISTER PENDIDIKAN MATEMATIKA

JURUSAN MATEMATIKA DAN ILMU PENGETAHUAN ALAM
FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
UNIVERSITAS LAMPUNG
2019
 JENIS DATA, PENYAJIAN DATA, UKURAN PEMUSATAN DATA, dan
UKURAN PENYEBARAN DATA

A. Data Statistika

Menurut Gunawan (2012: 14) Data adalah bentuk jamak dari datum, artinya
kumpulan angka, fakta, fenomena atau keadaan lainnya, merupakan hasil
pengamatan, pengukuran, atau pencacahan terhadap objek yang dapat berfungsi
membedakan objek yang satu dengan lainnya pada variabel yang sama. Sejalan
dengan itu, Yanti Budiasih (2012: 11) mengungkapkan bahwa data statistika
adalah kumpulan keterangan mengenai keadaan, kejadian atau gejala tertentu baik
yang berbentuk angka maupun yang tidak berbentuk angka. Data merupakan
bahan mentah yang perlu diolah sehingga menghasilkan informasi atau
keterangan, baik kualitatif maupun kuantitatif yang menunjukkan fakta. Setiady
dan Usman (2016;15) juga mengungkapkan bahwa data adalah suatu bahan
mentah yang jika diolah dengan baik akan menghasilkan informasi sehingga dapat
diambil keputusan. Dengan demikian dapat disimpulkan bahwa data statistika
adalah kumpulan angka, fakta, fenomena atau keadaan lainnya sebagai hasil dari
pengamatan, pengukuran, atau pencacahan terhadap objek tertentu untuk
memperoleh suatu kesimpulan.

Data yang baik sangat diperlukan dalam penelitian, sebab bagaimanapun

canggihnya suatu analisis data jika tidak ditunjang oleh data yang baik, maka
hasilnya kurang dapat dipertanggungjawabkan. Hal ini sejalan dengan Susanti
(2010: 29) bahwa data yang baik tentu saja harus yang mutakhir , cocok (relevant)
dengan masalah penelitian dari sumber yang dapat dipertanggungjawabkan,
lengkap, akurat, objektif, dan konsisten.

B. Jenis Data

Data merupakan hasil penelitian baik berupa fakta maupun angka yang akan
digunakan sebagai bahan penarikan kesimpulan. Agar data dapat dianalisis dan
ditafsirkan dengan baik, maka harus memenuhi syarat Obyektif, Relevan, Up to
Date dan Representatif.
1. Berdasarkan Sumbernya
Berdasarkan Sumbernya, data terbagi menjadi dua, yaitu data primer dan data
sekunder.
a. Data Primer, adalah data yang bersumber langsung dari sumbernya,
diperoleh secara langsung oleh peneliti dengan cara wawancara, observasi,
diskusi maupun penyebaran kuesioner.
b. Data Sekunder, adalah data yang tidak langsung diperoleh dari sumbernya,
tetapi melalui departemen, lembaga dan lainnya seperti BPJS, Sekolah dan
bank

2. Berdasarkan Jenisnya
Berdasarkan jenisnya, data dapat dikelompokkan menjadi dua yaitu data
kualitatif dan data kuantitatif.
a. Data Kualitatif
Data Kualitatf yaitu data yang berbentuk kalimat, kata-kata atau gambar
yang memiliki makna. Menurut Indra Jaya dan Ardat (2013: 5) Data
kualitatif merupakan data yang menunjukkan kualitas sesuatu, oleh karena
itu data kualitatif sering menunjukkan kualitas sesuatu baik manusianya,
benda-benda, maupun suatu variabel tertentu seperti motivasi, minat dan
lainnya. Contoh data kualitatif: siswa itu rajin, motivasi belajarnya rendah
dan sebagainya. Data kualitatif diperoleh melalui berbagai macam teknik
pengumpulan data misalnya wawancara, analisis dokumen, diskusi terfokus,
atau observasi yang telah dituangkan dalam catatan lapangan (transkrip)
 Data Kasus
Ciri khas dari data kualitatif adalah menjelasakan kasus kasus tertentu.
Data kasus hanya berlaku untuk kasus tertentu serta tidak bertujuan
untuk generalisaikan data atau menguji hipotesis tertentu.
 Data Pengalaman Individu
Data ini adalah salah satu bentuk data kualitatif yang sering digunakan
dalam penelitian kualitatif. Data pengalaman individu dimaksud adalah
bahwa keterangan mengenai apa yang dialami oleh individu sebagai
warga masyarakat tertentu yang menjadi objek penelitian.
 b. Data Kuantitatif
Data Kuantitatif yaitu data yang berbentuk angka atau data kualitatif yang
diangkakan. Contoh data kuantitatif antara lain: Nilai ulangan, tinggi badan,
Jumlah siswa, berat badan, kecepatan lari.

3. Berdasarkan Sifatnya
Menurut Indra Jaya dan Ardat (2013: 7) data dapat dikelompokkan menjadi
dua kelompok besar, yaitu data diskrit dan data kontinu.
a. Data diskrit adalah data yang diperoleh dari hasil menghitung atau
mencacah bukan mengukur, data diskrit akan berbentuk bilangan bulat
(bukan bilangan pecahan) data seperti ini sering juga disebut dengan data
nominal. Contohnya: Data jumlah siswa, jumlah guru dan sebagainya.
b. Data kontinu adalah data yang diperoleh dari hasil pengukuran. Data
kontinu dapat dikelompokkan menjadi data ordinal, data interval dan Rasio.

4. Berdasarkan Skala Ukurnya

Berdasarkan skala ukurnya, data dapat dibedakan menjadi 4 yaitu data
nominal, ordinal, interval dan rasio. (Jackson, 2009: 5960)
a. Data Nominal
Data Nominal adalah data yang hanya mengandung unsur penamaan
(Bahasa Latin, Nomos = nama) jenis data berupa angka yang hanya
berfungsi sebagai simbol untuk tujuan kategorisasi. Menurut Hari Prastyo
(2017: 1) Ciri utama data ini adalah mampu membuat kategori. Dengan kata
lain, data ini mampu membedakan antara data satu dengan data yang lain.
Namun, angka dalam jenis data ini tidak memiliki nilai. Contohnya: data
jenis kelamin mahasiswa Universitas lampung tahun 2019.

b. Data Ordinal
Data ordinal adalah data yang selain mengandung unsur penamaan juga
memiliki unsur urutan (Order = urutan), memiliki tingkatan tertentu yang
dapat diurutkan mulai dari yang terendah sampai tertinggi atau sebaliknya.
Ciri utama data ini adalah mampu membuat kategori dan mampu
 menentukan ranking. Contohnya: Ranking hasil belajar siswa, gaji pegawai,
Juara lomba dan sebagainya.

c. Data Interval.
Data interval adalah data yang selain mengandung unsur penamaan dan
urutannya juga memiliki sifat interval atau selang, jaraknya bermakna,
disamping itu, data ini memiliki ciri angka dimana angka nol-nya tidak
mutlak. Pada data interval selain data memiliki skor, memiliki urutan juga
memiliki interval yang jelas antara satu tingkatan data dengan yang lainnya.
Ciri utama data ini adalah mampu membuat kategori, mampu menentukan
ranking dan mampu memberikan informasi perbedaan jarak antara angka
yang satu dengan yang lainnya. Salah satu contoh data interval yang paling
sering digunakan dalam dunia pendidikan adalah skor kecerdasan individu
atau skor tes IQ seseorang dan nilai yang diperoleh siswa pada mata
pelajaran tertentu.

d. Data Rasio
Data rasio adalah data yang memiliki unsur penamaan, urutan, intervalnya
bermakna dan angka nolnya mutlak, sehingga rasionya memiliki makna.
Ciri utama data rasio ini adalah mampu membuat kategori, mampu
menentukan ranking, mampu memberikan informasi perbedaan kualitas
datanya dan memiliki nilai nol yang absolute. Hal ini berarti bahwa jenis
data ini mampu digunakan untuk perhitungan matematika. Beberapa contoh
dari data rasio adalah jarak, berat badan, tinggi, pendapatan dan lainnya.

C. Penyajian Data

Penyajian Data adalah kegiatan menyusun data mentah yang berserakan menjadi
lebih teratur sehingga mudah dibaca, dipahami dan dianalisis. Tujuan penyajian
data adalah memudahkan dalam membaca dan memahami data maupun
menganalisis data. Data yang disajikan dapat berbentuk skor, persentase atau
indeks. Bentuk data sangat tergantung pada bentuk mana yang memberikan
manfaat maksimal kepada pembaca dalam memahami data.
Macam-Macam teknik penyajian data dapat dilakukan dengan dua cara yaitu
membuat tabel atau daftar dan grafik atau diagram. (Yenni, 2017: 91)

1. Tabel
Tabel merupakan kumpulan angka-angka yang disusun menurut kategori-
kategori (misalnya: jumlah guru menurut pendidikan dan masa kerja) sehingga
memudahkan dalam pembuatan analisis data. Penyajian data dalam bentuk
tabel bertujuan untuk memberikan informasi dan gambaran mengenai jumlah
secara terperinci sehingga memudahkan pengolah data dalam menganalisis
data tersebut. Tabel mempunyai beberapa komponen. Berikut contoh sebuah
tabel sebagai bahan untuk menjelaskan komponen tabel.

Tabel Jumlah Siswa SD/MI di Desa X Tahun 2007 – 2009

Tahun Frekuensi
2007 115
2008 121
2009 132
Jumlah 368

Komponen Tabel :
 Nomor Tabel, diatas judul tabel terdapat nomor tabel yaitu Tabel 1. bila
tabel yang disajikan lebih dari satu maka hendaknya diberi nomor agar
mudah untuk mencari kembali bila dibutuhkan.
 Judul Tabel, di atas tabel dituliskan judul tabel. Judul tabel memuat
informasi mengenai: data serta tempat dan waktu pengumpulannya.
 Baris, tabel tersebut mempunyai baris 2007 – 115, 2008 – 121, 2009 – 132
dan jumlah – 368.
 Kolom, tabel di atas mempunyai kolom tahun dan frekuensi
 Sel adalah data yang menjadi pertemuan baris dan kolom, yaitu 155, 121,
132 dan 368.
 Sumber adalah asal dari mana data dikutip. Sumber merupakan pihak yang
melakukan pengumpulan data. Jika tabel tidak memuat sumber berarti data
dikumpulkan dan ditabulasikan sendiri oleh pembuat tabel.
Macam – macam penyajian data dalam bentuk tabel antara lain:
a. Tabel Baris Kolom
Sebagaimana namanya, tabel ini memuat keterangan yang terdiri dari baris dan
kolom yang mempunyai ciri tidak terdiri dari faktor-faktor yang terdiri dari
beberapa kategori dan bukan merupakan data kuantitatif yang dibuat menjadi
beberapa kelompok.

Tabel Daftar IP Seorang Mahasiswa Pendidikan Matematika Tahun 2012

No Semester IP
1 I 3,12
2 II 3,00
3 III 3,39
4 IV 3,37
5 V 2,90
Total 15,68

b. Tabel Distribusi Frekuensi

Tabel distribusi frekuensi adalah tabel yang menyusun distribusi datanya dalam
frekuensi. Tabel ini dapat dibagi menjadi dua, yaitu:
 Tabel Distribusi Frekuensi Tunggal
Tabel Distribusi Frekuensi Tunggal adalah tabel yang digunakan untuk
menyusun distribusi data dalam frekuensi dengan distribusi yang bersifat
tunggal.

Tabel Tinggi Badan Siswa Kelas XI Tahun 2013

Jumlah anak f
135 5
137 52
140 75
149 27
153 11
Jumlah 170

 Tabel Distribusi Frekuensi Berkelompok

Tabel distribusi frekuensi bergolong atau distibusi frekuensi berkelompok
adalah tabel yang digunakan untuk menyajikan data dalam frekuensi dengan
distribusi data bergolong. Penggolongan distribusi data dilakukan untuk
makin memudahkan memahami data. Langkah-langkah membuat tabel
 distribusi frekuensi berkelompok adalah terlebih dahulu harus menentukan
nilai jangkauan (R) , banyaknya kelas (K) dan panjang kelas (I) dengan
aturan sebagai berikut :
 Jangkauan / Range (R)
Range adalah selisih nilai data tertinggi dengan nilai data terendah.
Rumusnya adalah R = Xb - Xk
Dengan Xb = Nilai tertinggi, dan Xk = Nilai Terendah

 Banyaknya kelas / banyaknya interval ( K )

Rumus aturan STURGES : K = 1 + 3,3 log n
Dengan K = banyaknya kelas
n = banyaknya data

 Interval kelas / panjang kelas ( I )

R
Rumusnya adalah : I =¿
K
Dengan R = Jangkauan
K = banyaknya kelas

Contoh :
Data hasil tugas siswa sebagai berikut:

16
138 4 150 132 144 149 157 125 146 158
14
140 7 136 152 144 148 168 126 138 176
15
163 4 165 119 146 173 142 147 135 140
15
135 3 162 145 135 142 150 145 128 150

R = Xb - Xk = 176-119 = 57
K = 1 + 3,3 log n = 1 + 3,3 log 40 = 6,28 = 7
I = R / K = 57/7 = 8,14 = 9
Disajikan dalam tabel :
Tabel Hasil Tugas Siswa dalam Mata Pelajaran Bahasa Arab
Interval Kelas Frekuensi
119-127 3
128-136 6
137-145 10
146-154 12
155-163 4
164-172 3
173-181 2
Jumlah 40

Istilah-istilah yang banyak digunakan dalam pembahasan distribusi

frekuensi bergolong atau distribusi frekuensi berkelompok antara lain
sebagai berikut: ( Berdasarkan Tabel Hasil Tugas Siswa distribusi
berkelompok)
 Interval Kelas. Tiap-tiap kelompok disebut interval kelas atau sering
disebut interval atau kelas saja. Dalam contoh sebelumnya memuat
enam interval ini.
119 – 127 Interval kelas pertama
128 – 136 Interval kelas kedua
137 – 145 Interval kelas ketiga
146 – 154 Interval kelas keempat
155 – 163 Interval kelas kelima
164 – 172 Interval kelas keenam
173 – 181 Interval kelas ketujuh

 Batas Kelas. Berdasarkan tabel distribusi frekuensi di atas, angka

119,128,137,146,155,164,173 merupakan batas bawah dari tiap-tiap
 kelas, sedangkan angka 127,136,145,154,163,172,181 merupakan
batas atas dari tiap-tiap kelas.

 Tepi Kelas (Batas Nyata Kelas)

Tepi bawah = batas bawah – 0,5
Tepi atas = batas atas + 0,5

Dari tabel di atas maka tepi bawah kelas pertama 119-0,5 = 118,5 dan
tepi atasnya 127+ 0,5 = 127,5 dan seterusnya.

 Lebar kelas.
Untuk mencari lebar kelas dapat dipakai rumus:
Lebar kelas = tepi atas – tepi bawah
Jadi, lebar kelas dari tabel diatas adalah 127,5 – 118,5 = 9

 Titik Tengah. Untuk mencari titik tengah dapat dipakai rumus:

Titik Tengah = ½ ( Batas atas+ Batas bawah)
Dari tabel diatas maka titik tengah kelas pertama= ½ (119+127) = 123
dan seterusnya

c. Tabel Kontingensi ( Tabel Faktorial )

Tabel kontingensi merupakan bagian dari tabel baris kolom, akan tetapi tabel
ini mempunyai ciri khusus, yaitu untuk menyajikan data yang terdiri atas dua
faktor (variabel) atau lebih dalam satu perpaduan baris dan kolom.

Tabel Jumlah Pelajar Berdasarkan Jenis Kelamin dan Tingkat Pendidikan

JENIS KELAMIN JUMLAH
TINGKAT SEKOLAH
 SD SMP SMA
Laki – laki 4756 2795 1459 9012
Perempuan 4032 2116 1256 7404
Jumlah 8790 4911 2715 16416
Sumber data: dokumentasi Dinas Pendidikan Nasional Kecamatan X tahun 2010

Catatan: Faktor yang satu terdiri atas b kategori dan lainnya terdiri atas k
kategori, dapat dibuat daftar kontingensi berukuran b x k dengan b menyatakan
baris dan k menyatakan kolom.

2. Diagram
Penyajian data dalam bentuk grafik atau diagram adalah menggambarkan data
secara visual dalam sebuah gambar. Sehingga penyajian data dalam bentuk ini
lebih mudah untuk dibaca dan lebih menarik. Pembuatan grafik pada
hakikatnya merupakan kelanjutan dari pembuatan tabel distribusi frekuensi
karena pembuatan diagram itu haruslah didasarkan pada tabel distribusi
frekuensi. Oleh karena itu pembuatan diagram selalu diawali dengan
pembuatan tabel distribusi frekuensi.
Penggambaran data dalam sebuah diagram dapat dilakukan dengan
menggunakan berbagai jenis diagram, tergantung jenis datanya. Bila data yang
hendak disajikan berupa data nominal, maka penyajian data menggunakan
diagram batang, gambar, garis, atau lingkaran. Sedangkan jika data bersifat
kontinum maka penyajian data biasanya menggunakan histogram, poligon, atau
kurva.
a. Diagram Batang (Histogram)
Diagram batang merupakan grafik yang menggambarkan data menggunakan
batang. Batang menunjukkan data dan ketinggiannya menunjukkan
frekuensinya.

Tabel Banyak Siswa Smk Di Kota Baru Dan Jenis Kelamin Tahun 2014
Banyak Siswa
Sekolah Jumlah
Laki-laki Perempuan
 SMK-A 875 687 1.562
SMK-B 512 507 1.019
SMK-C 347 85 432
SMK-D 476 342 818
SMK-E 316 427 743
Jumlah 2.526 2.048 4.574

Data tersebut bisa disajikan dalam diagram batang tunggal sebagai berikut:

180
0 156
160 2
0
140
0
120 101
0 9
100 81
0 8 74
80 3
0
60 43
0 2
40
0
20
0
0 Sekolah
SMK- SMK- SMK-C SMK- SMK-E
A B D

Data dapat disajikan dalam bentuk diagram batang dua komponen sebagai
Banyak Siswa

berikut : 100
0
90
0
Laki-laki
80
0 Perempuan
70
0
60
0
50
0
40
0
30
0
20
0
10
0 Sekolah
0
SMK- SMK- SMK-C SMK- SMK-E
A B D

b. Diagram Gambar (Pictogram)

Diagram Gambar adalah diagram yang disajikan dalam bentuk gambar.
Hal ini dilakukan supaya gambar yang disajikan lebih komunikatif. Di
dalam bidang koordinat XY dinyatakan dalam gambar – gambar dengan
ciri khusus untuk suatu karakteristik.
Tabel Jumlah Siswa Di Tiap Jurusan Pada Smk 1 Kota X

PROGRAM STUDI JUMLAH LAMBANG

 SISWA
Konstruksi Bangunan 60
Elektronika 65
Listrik Instalasi 35
Mesin Produksi 60
Mekanik Otomotif 75

Keterangan : = 10 siswa
c. Diagram Garis
Diagram Garis adalah grafik yang menyajikan data dalam sebuah garis,
biasanya dibuat untuk menunjukkan perkembangan suatu keadaan dari
waktu ke waktu. Perkembangan tersebut bisa naik bisa turun. Hal ini akan
Nampak secara visual melalui garis dalam diagram. Dalam diagram
terdapat garis vertical yang menunjukkan jumlah dan yang mendatar
menunjukkan variable tertentu yang ditunjukkan pada gambar dibawah,
yang perlu diperhatikan dalam membuat diagram adalah ketepatan
membuat skala pada garis vertical yang akan mencerminkan keadaan
jumlah hasil observasi.

Tabel Keadaan Suhu Badan Siswa Di Dalam Lab

PUKUL 06.0 08.0 10.00 12.0 14.0 16.00 18.00
0 0 0 0
SUHU 24 30 31 38 20 20 26
BADAN ( 0 C)

Tabel Data di atas dapat disajikan dalam bentuk diagram garis berikut :

d. Diagram Lingkaran
Cara lain untuk menyajikan data hasil penelitian adalah dengan diagram
lingkaran menggunakan gambar berbentuk lingkaran yang dibagi menjadi
 sudut-sudut sektor (juring). Diagram lingkaran digunakan untuk
membandingkan data dari berbagai kelompok.
Tabel Data Olahragawan Smu Pertiwi
Jenis Olah raga Jumlah
Sepak bola 60
Basket 50
Volley 45
Bulu tangkis 25
Tenis meja 20

Untuk membuat diagram lingkaran ditentukan dulu besar prosentase tiap

objek terhadap keseluruhan data dan besarnya sudut pusat sektor lingkaran
sebagai berikut :
Jenis Jumlah Persen Sudut pusat
Olahraga
Sepakbola 60 60/200 x 100 % = 30% 60/200 x 360 = 108
Basket 50 50/200 x 100 % = 25% 50/200 x 360 = 90
Volley 45 45/200 x 100 % = 22,5% 45/200 x 360 = 81
Bulu tangkis 25 25/200 x 100 % = 12,5% 25/200 x 360 = 45
Tenis meja 20 20/200 x 100 % = 10% 10/200 x 360 = 36
Jumlah 200 100% 360

Data tersebut dapat disajikan dalam bentuk diagram lingkaran berikut :

3. Poligon Frekuensi
Poligon merupakan grafik distribusi dari distribusi frekuensi bergolong suatu
variable. Tampilan poligon berupa garis-garis patah yang menghubungkan nilai
tengah dari setiap interval kelas. Poligon juga disebut grafik untuk
menggambarkan data dengan menghubungkan titik–titik tengah batang
histogram sehingga sering disebut dengan frekuensi histogram.
Contoh Histogram dan Poligon :
Tabel Tinggi badan siswa Sma X
Nilai Frekuensi
119-127 3

128-136 6
137-145 10

146-154 12
155-163 4

164-172 3
173-181 2

 Jumlah 40

Bentuk diagram data tersebut dalam bentuk histogram dan poligon sebagai
berikut.

HISTOGRAM TINGGI BADAN SISWA

14
12
f
R 10
E 8
K
U 6
E
N 4
S
I 2
0
119-127 128-136 137-145 146-154 155-163 164-172 173-181
Tinggi Badan
 POLIGON
14
12
10
Frekuensi
8
6
4
2
0
119-127 128-136 137-145 146-154 155-163 164-172 173-181
Tinggi Badan

HISTOGRAM DAN POLIGON

14
12
10
8
Frekuensi

6 Histogram
4 Poligon
2
0
2 7 3 6 4 5 5 4 6 3 2 1
-1 -1 -1 -1 -1 - 17 - 18
1 19 1 28 1 37 1 46 1 55 1 64 1 73

Tinggi Badan

4. Ogive
Ogive digunakan untuk membuat kurva Frekuensi Kumulatif Kurang dari (Fk<)
atau Frekuensi Kumulatif Lebih dari (Fk>)
Contoh :
 (Fk<)

OGIVE POSITIF
50
40
30
20
10
0
Tabel Kumulatif 120 130 140 150 160 170 180 190
<  
Nilai fk
127.5 3
136.5 9
145.5 19
154.5 31
163.5 35
172.5 38
181.5 40

(Fk>)

Ogive Negatif
50
40
30
20
10
Tabel 0
Kumulati 110 120 130 140 150 160 170 180
f>  
nilai fk
118.5 40
127.5 34
136.5 24
 145.5 12
154.5 8
163.5 5
172.5 3

D. Ukuran Pemusatan Data

Ukuran pemusatan adalah ukuran statistik yang menyatakan bahwa satu nilai
(nilai tunggal) yang dapat mewakili keseluruhan distribusi nilai yang sedang
diteliti.
Penjelasan data kuantitatif dapat dijelaskan dengan teknik statistik mean, median
dan modus.
1. Mean
Menurut Gunawan (2013: 38) mean ialah bilangan yang merupakan hasil bagi
dari jumlah semua nilai yang ada dengan banyaknya data. Cara menghitung
mean ada dua macam, yaitu mean distribusi tunggal dan mean untuk distribusi
kelompok.
x 1 + x 2+ x 3 +…+ xn
Mean data tunggal : X́ =
n

Mean data kelompok : X́ =

∑ f i xi
n

Keterangan :
∑ f i xi = jumlah hasil perkalian setiap data dan
frekuensinya
fi = frekuensi data ke-i
xi = data ke-i
n = jumlah data

2. Median
Menurut Budiasih (2012: 72) median adalah nilai yang letaknya tepat ditengah-
tengah bila banyaknya data ganjil, atau rata-rata dari dua nilai yang berada di
tengah bila banyaknya data genap setelah data itu diurutkan dari yang terkecil
sampai terbesar atau sebaliknya.
 n+1
Median data tunggal ganjil: terletak pada data ke
2

x k + X k+1
Median data tunggal genap : terletak pada data ke dimana k =
2

n
2

1
n−F
Median Data kelompok : Med = b + p ( 2 )
f
Keterangan:
b= batas bawah kelas median
P = panjang kela median
n = jumlah data
F = jumlah frekuensi kumulatif sebelum kelas median
f= frekuensi kelas median

3. Modus
Menurut Gunawan (2013:43) modus merupakan skor yang memiliki frekuensi
tertinggi dalam suatu distribusi. Menurut Sudjana (2005:77) untuk menyatakan
fenomena yang paling banyak terjadi digunakan ukuran modus.

Modus data tunggal : frekuensi yang paling banyak

b1
Modus data kelompok : Modus = b + p ( ¿
b1 + b2

Keterangan :
b = batas bawah kelas modus
p = panjang kelas modus
b 1 = selisih frekuensi letak modus dengan frekuensi kelas interval di
bawahnya
b 2 = selisih frekuensi letak modus dengan frekuensi kelas interval di
Atasnya

Menurut Indah (2010: 96) jenis modus dibedakan menjadi 2

 Unimodus: jika distribusi data memiliki 1 modus.
contoh : 60, 50, 40, 60, 60, 70, 60
  Bimodus: jika distribusi data memiliki 2 modus.
Contoh : 60, 60, 50, 50, 70, 40, 60, 70, 50

E. Ukuran Penyebaran

Menurut Suloco dan Ningrum (2013: 24) Penyebaran suatu data merupakan
seberapa jauh data numerik cenderung untuk tersebar disekitar nilai rata-ratanya.
Sejalan dengan itu, Budiasih (2012: 107) mengungkapkan bahwa penyebaran data
adalah seberapa jauh suatu data berada atau menyebar dari pusat
serangkaian/kelompok data tersebut, atau seberapa beda masing-masing nilai data
terhadap rata-rata kelompok data tersebut. Gunawan (2013: 67) juga
mengungkapkan kegunaan ukuran penyebaran data yaitu untuk mengetahui
seberapa penyimpangan data dengan nilai rata-rata hitungnya, serta membantu
mengetahui sejauh mana suatu nilai menyebar dari nilai tengahnya. Dengan
demikian, dapat disimpulkan bahwa penyebaran data adalah seberapa jauh suatu
data menyimpang atau berbeda dengan nilai tengahnya.

Menurut Indah (2010: 102) ada beberapa ukuran penyebaran data, antara lain
kuartil, desil dan persentil. Berbeda dengan Budiasih (2012: 107) yang
mengungkapkan bahwa ada dua jenis ukuran penyebaran (dispersi), yaitu dispersi
absolut dan dispersi relatif. Dispersi absolut merupakan ukuran dispersi yang
digunakan untuk melihat seberapa jauh nilai suatu data menyebar dari nilai pusat
(rata-rata) serangkaian/kumpulan data tersebut. Sedangkan dispersi relatif
merupakan ukuran penyebaran yang digunakan untuk membandingkan
penyebaran dari dua atau lebih kumpulan (distribusi) suatu data yang memiliki
satuan yang sama ataupun berbeda. Berdasarkan definisi dari penyebaran data,
maka jenis-jenis ukuran penyebaran data antara lain kuartil, desil, persentil, dan
ukuran penyebaran absolut (mutlak). Menurut Santosa dan Hamdani (2007: 108)
ukuran penyebaran mutlak diantaranya adalah rentang (range), deviasi kuartil,
deviasi rata-rata, deviasi standar dan varians.

1. Kuartil
Menurut Indah (2010: 103) kuartil adalah ukuran penyebaran yang membagi
data menjadi empat bagian yang sama sesuai dengan urutan datanya. Dengan
demikian ada tiga macam kuartil, yang masing-masing dinamakan kuartil
pertama, kedua dan ketiga. Pembagian itu sedemikian rupa sehingga 25%
data/observasi nilainya sama atau lebih kecil dari Q1, 50% data/observasi sama
atau lebih kecil dari Q2, 75% data/observasi sama atau lebih kecil dari Q3.

a. Kuartil Data Tunggal

Untuk mencari kuartil untuk data tunggal perlu mengurutkan terlebih
dahulu data/nilai dari yang terkecil ke terbesar. Adapun rumus untuk
mencari kuartil Qi adalah:
i(n+1)
Q i=¿ nilai yang ke , i = 1, 2, 3
4
Dengan memperhatikan letak Q i pada rumus di atas, letak Q i tidak selalu
pada posisi datum/nilai tertentu. Artinya, Q i dapat terletak di antara dua
datum sehingga digunakan pendekatan atau interpolasi, Ari dan Indriyastuti

1
(2012: 10). Misalnya, letak Q 1=¿ nilai yang ke-2 . Hal ini berarti nilai Q 1
4
terletak antara datum ke-2 ( X ¿ ¿2) ¿dan datum ke-3 ( X ¿ ¿3)¿. Nilai Q 1

1
dapat ditentukan dengan Q 1=x 2 + ( x 3−x 2 ).
4

b. Kuartil Data Kelompok

Dalam data kelompok biasanya data disajikan dalam tabel distribusi. Letak
kuartil (Q i ¿ berada pada interval nilai, yang dapat diketahui dengan cara:

¿
letak Qi= 4 dilihat dari frekuensi kumulatifnya. Setelah itu, tepi bawah (t b ¿

kelas kuartil akan diketahui. Secara umum, rumus untuk menentukan

kuartil pertama, kedua, dan ketiga adalah:

¿ −F
k
4
Q i=t b +k ( )
Fi
 Keterangan:
Q i = kuartil ke-i
t b=¿ tepi bawah kelas kuartil ke-i
k =¿ panjang kelas
i=¿ 1, 2, 3
F k =¿ frekuensi kumulatif sebelum kelas kuartil ke-i
F i=¿ frekuensi kelas kuartil ke-i

2. Desil
Menurut Indah (2010: 106) Desil adalah ukuran penyebaran yang membagi
data menjadi 10 bagian yang sama, yaitu D1, D2, D3, ... , D9. Artinya, setiap
bagian mempunyai jumlah observasi yang sama sedemikian rupa sehingga10%
observasi nilainya sama atau lebih kecil dari D1, 20% nilainya sa atau lebih
kecil dari D2, ... , dan seterusnya.
a. Desil Data Tunggal
Setelah data diurutkan, rumus yang digunakan adalah:
i(n+1)
Di=¿ nilai yang ke , i = 1, 2, ... , 9
10
Letak desil juga tidak harus tepat berada pada suatu datum, tetapi boleh
berada di antara dua datum berurutan. Apabila seperti itu, maka caranya
adalah menggunakan metode pendekatan/interpolasi, seperti pada saat
menentukan nilai kuartil yang letaknya berada di antara dua datum.

1
Misalnya, letak D5=¿ nilai yang ke-10 . Hal ini berarti nilai D5 terletak
2
antara datum ke-10 ( X ¿ ¿10) ¿dan datum ke-11 ( X ¿ ¿11) ¿. Nilai D5 dapat

1
ditentukan dengan D 5=x 10 + ( x 11−x 10 ).
2

b. Desil Data Kelompok

Hampir sama dengan kuartil, untuk mengetahui letak data/interval nilai
¿
pada desil ke-i ( D¿¿ i)¿ adalah: Di= 10 . dengan menganggap data

terdistribusi secara merata dalam seluruh kelas, rumus desil untuk data
kelompok adalah:
 ¿ −F
k
10
Di=t b +k ( )
Fi

Keterangan:
Di = Desil ke-i
t b=¿ tepi bawah kelas desil ke-i
k =¿ panjang kelas
i=¿ 1, 2, ... , 9
F k =¿ frekuensi kumulatif sebelum kelas desil ke-i
F i=¿ frekuensi kelas desil ke-i

3. Persentil

Menurut Indah (2010: 110) Persentil adalah suatu ukuran letak yang membagi
data menjadi 100 bagian yang sama. Jadi ada 99 persentil yang masing-masing
disebut P1, P2, P3, ... , P99.

a. Persentil Data Tunggal

Setelah data diurutkan, rumus yang digunakan adalah:
i(n+1)
Pi=¿ nilai yang ke , i = 1, 2, ... , 99
100
Sama halnya dengan kuartil dan desil, letak persentil juga tidak harus tepat
berada pada suatu datum, tetapi boleh berada di antara dua datum
berurutan. Apabila seperti itu, maka caranya adalah menggunakan metode

9
pendekatan/interpolasi. Misalnya, letak P35=¿ nilai yang ke-4 . Hal ini
10
berarti nilai P35 terletak antara datum ke-4 ( X ¿ ¿ 4) ¿dan datum ke-5

9
( X ¿ ¿5) ¿. Nilai P35 dapat ditentukan dengan P35=x 4 + ( x −x ).
10 5 4

b. Persentil Data Kelompok

Untuk mengetahui letak data/interval nilai pada persentil ke-i ( P¿¿ i) ¿

¿
adalah: Pi= 100 . dengan menganggap data terdistribusi secara merata

dalam seluruh kelas, rumus persentil untuk data kelompok adalah:

 ¿ −F
k
100
Pi=t b +k ( )
Fi

Keterangan:
Pi = Persentil ke-i
t b=¿ tepi bawah kelas persentil ke-i
k =¿ panjang kelas
i=¿ 1, 2, ... , 99
F k =¿ frekuensi kumulatif sebelum kelas persentil ke-i
F i=¿ frekuensi kelas persentil ke-i

4. Rentang Data (range)

Rentang (range) merupakan ukuran variasi yang paling sederhana. Besarnya

rentang ditentukan dari selisih antara nilai data terbesar dengan yang terkecil,
Santosa (2007: 97). Semakin tinggi nilai rentang yang diperoleh, maka tingkat
keragaman data juga semakin besar.
a. Data tunggal
Range untuk data tunggal dapat dihitung dengan rumus:
Range (R) = Xn – X1
Xn = Nilai data/pengamatan terbesar
X1 = Nilai data/pengamatan terkecil

b. Data kelompok
Menurut Budiasih (2012: 109), apabila datanya sudah disusun dalam tabel
distribusi frekuensi maka range nya dapat dihitung dengan rumus:

Range = Batas bawah kelas terakhir – batas bawah kelas pertama

Atau
Range = Nilai tengah tertinggi – nilai tengah terendah

5. Deviasi Kuartil

Budiasih (2012: 110) mengungkapkan bahwa deviasi kuartil (DQ) merupakan

selisih nilai kuartil ketiga (NQ3) dan kuartil pertama (NQ1) dibagi dua. Untuk
 menghitung deviasi kuartil data tunggal maupun data kelompok digunakan
rumus sebagai berikut:

N Q 3 −N Q 1
Deviasi Kuartil (DQ) =
2

6. Deviasi Rata-rata
Deviasi rata-rata atau sering disebut dengan simpangan rata-rata merupakan
jumlah keseluruhan nilai mutlak penyimpangan nilai data terhadap nilai rata-
rata dibagi dengan jumlah frekuensi atau pengamatan, Santosa (2007:101).
a. Data Tunggal
Untuk menghitung deviasi rata-rata (DR) data tunggal dapat menggunakan
rumus:

DR =
∑ |x i−x́|
i=1
n
Keterangan:
xi = Nilai data yang ke-i
x́ = Rata-rata hitung
n = Banyaknya pengamatan

b. Data Kelompok
Jika data tersaji dalam distribusi berkelompok yang terdiri atas r kelas,
dengan titik kelas ke-i adalah x i, maka deviasi rata-rata (DR) ditentukan
dengan rumus:

DR =
∑ f i .|x i− x́|
i=1
n
Keterangan:
x i = Nilai tengah data yang ke-i
x́ = Rata-rata hitung
n = Banyaknya pengamatan
f i = frekuensi kelas ke-i
7. Deviasi Standar dan Varians

Diantara berbagai ukuran penyebaran yang paling sering digunakan dalam

bidang ilmu statistik adalah deviasi standar. Deviasi standar atau sering disebut
dengan simpangan baku, merupakan ukuran penyebaran yang terbaik karena
dapat digunakan untuk membandingkan suatu rangkaian data dengan yang
lainnya. Secara matematis, deviasi standar dapat diartikan sebagai akar kuadrat
dari variansnya. Varians adalah rata-rata hitung dari selisih kuadrat data
terhadap rata-rata data, Budiasih (2012: 114).
a. Data Tunggal
Menurut Budiasih (2012: 114–116) ada dua cara untuk menentukan varians
suatu data tunggal, yaitu untuk sampel ukuran besar dan ukuran kecil.
 Untuk sampel berukuran besar (n > 30) maka rumus menentukan varians
( S¿¿ 2)¿ dan deviasi standar S adalah:

2 ∑ ( x i−x́ )2
S =¿ i=1
n

Atau bisa juga dengan menggunakan rumus:

n n
2
2 n . ∑ x i2−( ∑ x i)
S =¿ i=1 i=1
2
n
Sehingga rumus deviasi standar (S) data tunggalnya adalah: S= √ s2

 Untuk sampel berukuran kecil (n ≤ 30) maka rumus menentukan varians

( S¿¿ 2)¿ dan deviasi standar S adalah:
n

S2=¿
∑ ( x i−x́ )2
i=1
n−1

Atau bisa juga dengan menggunakan rumus:

n n
2
2 n . ∑ x i2−( ∑ x i)
S =¿ i=1 i=1
n(n−1)
 Sehingga rumus deviasi standar (S) data tunggalnya adalah: S= √ s2

b. Data Kelompok
Jika data tersaji dalam distribusi berkelompok yang terdiri atas r kelas,
dengan titik kelas ke-i adalah x i, maka ada dua cara untuk menentukan
varians suatu data kelompok, yaitu untuk sampel ukuran besar dan ukuran
kecil.

 Untuk sampel berukuran besar (n > 30) maka rumus menentukan varians
( S¿¿ 2)¿ dan deviasi standar S adalah:

n
2
2 ∑ f i .( x i−x́ )
S =¿ i=1
n

Rumus deviasi standar (S) data tunggalnya adalah: S= √ s2

 Untuk sampel berukuran kecil (n ≤ 30) maka rumus menentukan varians

( S¿¿ 2)¿ dan deviasi standar S adalah:

S2=¿
∑ f i .( x i−x́ )2
i=1
n−1

Rumus deviasi standar (S) data tunggalnya adalah: S= √ s2

8. Contoh Soal Penyebaran Data

a. Data Tunggal
1. Tentukan ukuran penyebaran (kuartil (Q1, Q2, Q3), desil (D7),
persentil (P30), rentang, deviasi kuartil, deviasi rata-rata, deviasi
standar dan varians dari data nilai ujian matematika berikut:
4, 4, 5, 5, 5, 6, 7, 8, 8, 9 (n = 10)
Jawab:
Data tersebut sudah terurut dari terkecil ke terbesar sehingga dapat
langsung dikerjakan.
1(10+1) 11 3
Kuartil 1 (Q1) letaknya = = =2 , artinya Q1 terletak di
4 4 4
antara datum ke-2 dan ke-3 sehingga
1 1 1
Q 1=x 2 + ( x 3−x 2 )=4+ ( 5−4 )=4 + =4,25.
4 4 4
2(10+1) 22 2
Kuartil 2 (Q2) letaknya = = =5 , artinya Q2 terletak di
4 4 4
antara datum ke-5 dan ke-6 sehingga
2 2 1
Q 2=x 5 + ( x 6−x 5 )=5+ ( 6−5 ) =5+ =5,5 .
4 4 2
3(10+1) 33 1
Kuartil 3 (Q3) letaknya ¿ = =8 , artinya Q3 terletak di
4 4 4
antara datum ke-8 dan ke-9 sehingga
1 1
Q 3=x 8 + ( x 9−x 8 ) =8+ ( 8−8 )=8 .
4 4
7(10+1) 77 7
Desil ke-7 (D7) letaknya = = =7 , artinya D7 terletak di
10 10 10
antara datum ke-7 dan ke-8 sehingga
7 7 7
D 7=x 7 + ( x 8−x 7 ) =7+ ( 8−7 )=7 + =7,7 .
10 10 10
30(10+1) 330 3
Persentil ke-30 (P30) letaknya = = =3 , artinya P30
100 100 10
terletak di antara datum ke-3 dan ke-4 sehingga
3 3
P30=x 3 + ( x 4−x 3 ) =5+ ( 5−5 )=5.
10 10
Rentang (Range) = Xn – X1 = 9 – 4 = 5.
N Q 3 −N Q 1 8−4,25 3,75
Deviasi Kuartil (DQ) = = = =1,875
2 2 2
n

Deviasi Rata-rata (DR) =

∑ |x i−x́| ¿
i=1
n
|4−6,1|+|4−6,1|+|5−6,1|+|5−6,1|+|5−6,1|+|6−6,1|+|7−6,1|+|8−6,1|+ ¿|8−6,1|+|9−6
10
 2,1+ 2,1+ 1,1+1,1+1,1+ 0,1+1,1+2,1+2,1+3,1 16
= =8 .
2 2
Varians ( S2 ) untuk n= 10 maka sampel berukuran kecil (n ≤ 30)
sehingga:
n

2 ∑ ( x i−x́ )2
S =¿ i=1
=¿
n−1
2
( 4−6,1 )2 + ( 4−6,1 )2 + ( 5−6,1 )2+ (5−6,1 )2 + ( 5−6,1 )2 + ( 6−6,1 )2 + ( 7−6,1 )2+ ¿¿ (8−6,1) +(8−6
10−1
4,41+4,41+1,21+1,21+1,21+0,01+1,21+4,41+ 4,41+9,61 32,1
= =3,57
9 9
Deviasi Standar ( S )= √ S2 =√ 3,57=1,89.

b. Data Kelompok
2. Tentukan ukuran penyebaran: kuartil (Q1, Q2, Q3), desil (D5), persentil
(P52), rentang, deviasi kuartil, deviasi rata-rata, deviasi standar dan
varians data nilai Matematika mahasiswa Unila yang disajikan pada
tabel distribusi frekuensi berikut.
Nilai Fi Fk Kurang dari
40 – 49 2 2
50 – 59 5 7
60 – 69 12 19
70 – 79 10 29
80 – 89 5 34
90 – 99 2 36

Jawab:
1(36)
Kuartil 1 (Q1): letak Q1 = =9 sehingga Q1 terletak pada
4
interval nilai 60 – 69.
1 (36 )
Q1=59,5+10
4
(
12
−7
)
=59,5+10
1
6 ()
=59,5+1,67=61,17

2(36)
Kuartil 2 (Q2) : letak Q2 = =18 sehingga Q2 terletak pada
4
interval nilai 60 – 69.
 2 ( 36 )
Q2=59,5+10
4
(
12
−7
)
=59,5+10
18
12 ( )
=59,5+ 15=74,5

3(36)
Kuartil 3 (Q3) : letak = =27 sehingga Q3 terletak pada interval
4
nilai 70 – 79.
3 ( 36 )
Q3=69,5+ 10
4
(
10
−19
=69,5+10)20
12
=69,5+8=77,5 ( )
5(36)
Desil ke-5 (D5) : letak = =18 sehingga P5 terletak pada interval
10
nilai 60 – 69.
5 ( 36 )
D5=59,5+10
10
(
12
−7
)
55
=59,5+ =59,5+9,17=68,67
6
52(36)
Persentil ke-52 (P52) : letak = =18,72 sehingga P52 terletak
100
pada interval nilai 60 – 69.
52 ( 36 )
P52=59,5+10
100
(
12
−7
)
=59,5+ 0,97=60,47

Rentang (R) = Batas bawah kelas terakhir – batas bawah kelas

pertama
= 90 – 40 = 50
N Q 3 −N Q 1 77,5−61,17
Deviasi Kuartil (DQ) = = =8,16
2 2
r

Deviasi Rata-rata (DR) =

∑ f i .|x i− x́| , x́=69,22
i=1
n
Nilai Fi Fk Kurang Xi Fi. Xi |x i−x́| f i .|x i−x́|
dari
40 – 49 2 2 44,5 89 24,72 49,44
50 – 59 5 7 54,5 272,5 14,72 73,6
60 – 69 12 19 64,5 774 4,72 56,64
70 – 79 10 29 74,5 745 5,28 52,8
80 – 89 5 34 84,5 422,5 15,28 76,4
90 – 99 2 36 94,5 189 25,28 50,56
Jumlah 36 2492 359,44

DR =
∑ f i .|x i− x́| 359,44 9,98
i=1
= =¿
n 36
Varians ( S¿¿ 2)¿ : karena sampel berukuran besar, yaitu n = 36 > 30

maka rumus yang digunakan adalah: S2=¿

∑ f i .( x i−x́ )2
i=1
n
Nilai Fi Fk Kurang Xi ( x i− x́ )2 f i .(x i− x́ )2
dari
40 – 49 2 2 44,5 611,08 1222,16
50 – 59 5 7 54,5 216,68 1083,4
60 – 69 12 19 64,5 22,28 267,36
70 – 79 10 29 74,5 27,88 278,8
80 – 89 5 34 84,5 233,48 1167,4
90 – 99 2 36 94,5 639,08 1278,16
Jumlah 36 1750,48 5297,28

S2=¿
∑ f i .( x i−x́ )2 5297,28
i=1
= =147,15
n 36
Deviasi Standar (S) ¿ √ s 2=¿ √ 147,15=12,13
 DAFTAR PUSTAKA

Ari, Rosihan dan Indriastuti. 2012. Perspektif Matematika Untuk Kelas XI SMA
dan MA. Solo: PT. Tiga Serangkai Pustaka Mandiri.

Budiasih, Yanti. 2012. Statistik Untuk Ekonomi dan Bisnis. Tangerang: Jelajah
Nusa.

Dirgantoro, K. P. S., Saragih, M. J., & Listiani, T. (2019). Analisis Kesalahan

Mahasiswa Pgsd Dalam Menyelesaikan Soal Statistika Penelitian
Pendidikan Ditinjau Dari Prosedur Newman [An Analysis Of Primary
Teacher Education Students Solving Problems In Statistics For Educational
Research Using The Newman Procedure. Johme: Journal Of Holistic
Mathematics Education, 2(2), 1–14.

Fitri, A. (2011). Pengembangan Perangkat Pembelajaran Statistika Dasar

Bermuatan Pendidikan Karakter Dengan Metode Problem Based Learning.
Jurnal PP, 1(2), 159–165.

Gunawan, Imam. 2013. Statistika Untuk Kependidikan Sekolah Dasar.

Yogyakarta: Penerbit Ombak.

Hari Prastyo. (2017). Statistika Dasar : Suatu Panduan Untuk Peneliti Pemula.
Mojokerto: Lembaga Pendidikan dan Pelatihan International English
Institute Of Indonesia.

Indah, Meilia .N. 2010. Statistik Deskriptif dan Induktif. Yogyakarta: Graha Ilmu.

Jaya, I., & Ardat. (2013). Penerapan Statistik Untuk Pendidikan. Bandung:
Citapustaka Media Perintis.

Nar Heryanto, dkk.2014. Statistika Pendidikan. Jakarta: UT

Ningrum .S dan Suloco .A. 2013. Statistik Deskriptif.Modul Ajar Statistik Bisnis.
[Online]. Tersedia: https://docplayer.info/32200043-statistik-deskriptif-
penyajian-data-ukuran-pemusatan-data-ukuran-penyebaran-data.html.
Diakses pada 23 Agustus 2019.

Novalia, & Syazali, M. (2014). Olah Data Penelitian Pendidikan. Bandar

Lampung: Anugrah Utama Raharja (AURA).

Santosa .P.B dan Hamdani .M. 2007. Statistik Deskriptif dalam Bidang Ekonomi
dan Niaga. Semarang: Erlangga.

Siregar, Syofian. 2013. Metode Penelitian Kuantitatif. Jakarta: Kencana

Sudjana. 2015. Metoda Statistika. Bandung : tarsito

Sugiyono. 2003. Statistika Untuk Penelitian. Bandung: Alfabeta.
XTayeb, T., Idris, R., & Andi. (2014). Peranan Mata Kuliah Statistika Dalam
Memahami Mata Kuliah Metodologi Penelitian Bagi Mahasiswa Jurusan
Pendidikan Matematika Fakultas Tarbiyah Dan Keguruan Uin Alauddin
Makassar. Mapan : Jurnal Matematika Dan Pembelajaran, 2(1), 1–18.

Yenni. (2017). Pengembangan Bahan Ajar Statistika Untuk Mengembangakan

Kemampuan Pemahaman Matematis Mahasiswa Pendidikan Anak Usia Dini
Pada Mata Kuliah Statistika. Journal Of Mathematics Education, Science
And Technology, 2(1), 90–102.