BAB 2

PEMBAHASAN

2.1 Ukuran Tengah

1. Mean
Rata-rata hitung atau juga disebut dengan arithmetic mean atau yang
sering kita sebut sebagai mean saja adalah suatu metode yang paling banyak
dipakai dalam menunjukan ukuran tendensi sentral.
Mean ini dihitung dengan menjumlahkan seluruh nilai data
pengamatan lalu dibagi dengan banyaknya data. Mean dipengaruhi oleh
adanya nilai ekstrem.
2. Median
Median merupakan nilai yang membagi himpunan pengamatan
menjadi dua bagian yang sama besar atau 50% dari pengamatan yang berada
di bawah median serta 50% lagi berada di atas median.
Median dari n pengukuran/ pengamatan x1, x2 ,…, xn merupakan
suatu nilai pengamatan yang berada di tengah gugus data sesudah data
tersebut diurutkan.
Jika banyaknya pengamatan (n) ganjil, median berada tepat ditengah
gugus data, sementara jika n genap, median didapatkan dengan cara
interpolasi. Yakni cara di mana rata-rata dari dua data yang berada di tengah
gugus data. Median tidak dipengaruhi oleh adanya nilai ekstrem.
3. Mode
Mode merupakan sautu data yang paling sering muncul atau terjadi.
Untuk menentukan adanya modus, pertama kali kita harus menyusun data
dalam urutan meningkat atau sebaliknya. Lalu diikuti dengan menghitung
frekuensinya. Nilai yang frekuensinya paling besar (sering muncul) itulah
yang dinamakan sebagai mode. Modus dipakai baik untuk tipe data numerik
maupun data kategoris. Modus tidak dipengaruhi oleh adanya nilai ekstrem.
Karakteristik penting untuk ukuran pusat yang baik.

1
 2

2.2 Hubungan Mean, Median, Mode

Ukuran dari nilai pusat (average) adalah nilai pewakil dari sebuah
distribusi data, sehingga harus mempunyai sifat-sifat seperti yang ada di bawah
ini:
1. Harus mempertimbangkan semua gugus data
2. Tidak boleh terpengaruh oleh nilai-nilai ekstrim.
3. Harus stabil dari sampel ke sampel.
4. Harus mampu digunakan untuk analisis statistik lebih lanjut.
Dari beberapa ukuran nilai pusat, Mean hampir memenuhi seluruh
persyaratan tersebut, kecuali dengan syarat pada point kedua, rata-rata akan
dipengaruhi oleh nilai ekstrem.
Sebagai contoh, apabila item yaitu 2; 4; 5; 6; 6; 6; 7; 7; 8; 9 maka mean,
median dan juga mode yang seluruhnya sama dengan 6.
Apabila nilai terakhir merupakan 90 bukan 9, mean akan menjadi 14.10.
Sementara untuk median dan mode yang tidak berubah. Meskipun median dan
juga modusnya lebih baik dalam hal ini, tetapi mereka tidak memenuhi
persyaratan lainnya. Oleh sebab itu Mean adalah suatu ukuran nilai pusat yang
terbaik serta sering dimanfaatkan dalam bidang analisis statistik.
Kapan kita menggunakan nilai pusat yang berbeda? Nilai ukuran pusat
yang tepat untuk dipakai akan tergantung dalam sifat data, sifat distribusi
frekuensi serta tujuan. Apabila data kualitatif, hanya modusnya saja yang bisa
dipakai.
Sebagai contoh, jika kita tertarik untuk mengetahui jenis tanah yang khas
pada sebuah lokasi, atau pola tanam di sebuah daerah, kita bisa memakai modus.
Namun, disisi lain juga, apabila data bersifat kuantitatif, kita bisa
memakai salah satu dari ukuran nilai pusat tersebut.
Apabila data bersifat kuantitatif, maka kita harus mempertimbangkan
sifat distribusi frekuensi gugus data itu.
Jika distribusi frekuensi data tidak normal (tidak simetris), median atau
modus adalah ukuran pusat yang tepat. Jika ada nilai-nilai ekstrim, baik kecil
 3

atau besar, lebih tepat memakai median ataupun modus. Jika distribusi data
normal (simetris), seluruh ukuran nilai pusat, baik itu mean, median, maupun
modus bisa dipakai.
Tetapi, mean lebih sering dipakai dibanding yang lainnya sebab lebih
memenuhi persyaratan untuk ukuran pusat yang baik.
Pada saat kita berhadapan dengan laju, kecepatan serta harga akan lebih
tepat memakai rata-rata harmonik.
Apabila kita tertarik dalam perubahan relatif, seperti dalam kasus
pertumbuhan bakteri, pembelahan sel dan sebagainya, rata-rata geometrik
merupakan rata-rata yang paling tepat untuk digunakan. Karakteristik penting
untuk ukuran tendensi sentral yang baik.
2.3 Ukuran Proporsi
1. Kuartil
Kuartil membagi data menjadi 4 (empat) bagian yang sama K1 (25%),
K2 (50%) dan K3 (75%).
Kuartil 1 disimbol K1 merupakan 25% data ada di bawah atau sama
dengan nilai K1. Posisi kuartil K i = i (n+1)/4 (i=1,2,3) (n= jml pengamatan)
Nilai kuartil (posisi median berada antara 2 titik) Contoh Data: 3 2 4 5 6 6 5 7
8 8 6 10 11 9 Urutkan: 2 3 4 5 5 6 6 6 7 8 8 9 10 11 Posisi K1 adalah 1x
(14+1)/4=3.75 ada diantara posisi 3 dan 4 Nilai K1 = (4 + 5) / 2 =4. 5 Posisi
K2 adalah 2x (14+1)/4=7.5 ada diantara posisi 7 dan 8 Nilai K2 = (6 + 6) / 2 =
6 Posisi K3 adalah 3x (14+1)/4=11.25 ada diantara posisi 11 dan 12 Nilai K3
= (8 + 9) / 2 = 8.5
2. Desil
Desil membagi data menjadi 10 (sepuluh) bagian yang sama D1, D2,.,
D9 Posisi D i = i (n+1)/10, i=1,2,3,4,5,6,7,8,9 Nilai desil (jika posisi desil
berada antara 2 titik)
Contoh D i = x1 + [ posisi,?? (x2-x1) ]?? = desimal Data: 3 2 4 5 6 6 5
7 8 8 6 10 11 9 Urutkan: 2 3 4 5 5 6 6 6 7 8 8 9 10 11 Posisi D1 adalah 1 x
(14+1)/10=1.5 ada diantara posisi 1 dan 2 Nilai D1=2 + 0.5 (3-2)=2.5 Posisi
 4

D5 adalah 5 x (14+1)/10=7.5 ada diantara posisi 7 dan 8 Nilai D2=6 + 0.5 (6-
6)=6 Posisi D7 adalah 7 x (14+1)/10=10.5 ada diantara posisi 10 dan 11 Nilai
D7=8 + 0.5 (8-8)=8.
3. Persentil
Persentil membagi data menjadi 100 (seratus) bagian yang sama P1,
P2,., P99 P i = i (n+1)/100, i=1,2,, 99
Contoh Data: 3 2 4 5 6 6 5 7 8 8 6 10 11 9 Urutkan: 2 3 4 5 5 6 6 6 7 8
8 9 10 11 Posisi P50 adalah 50 x (14+1)/100=7.5 ada diantara posisi 7 dan 8
Nilai P50=6 + 0.5 (6-6)=6 Posisi P75 adalah 75 x (14+1)/100=11.25 ada
diantara posisi 11 dan 12 Nilai P75=8 + 0.25 (9-8)=8.25
2.4 Ukuran Variasi
1. Range
Range adalah perbedaan antara data terbesar dengan data terkecil yang
terdapat pada sekelompok data. Range adalah salah satu ukuran statistik yang
menunjukan jarak penyebaran data antara nilai terendah (Xmin) dengan nilai
tertinggi (Xmax). Ukuran ini sudah digunakan pada pembahasan daftar
distribusi frekuensi. Jarak atau kisaran nilai (range) merupakan ukuran paling
sederhana dari ukuran penyebaran. Jarak merupakan perbedaan antara nilai
terbesar dan nilai terkecil dalam suatu kelompok data baik data populasi atau
sampel. Semakin kecil ukuran jarak menunjukkan karakter yang lebih baik,
karena berarti data mendekati nilai pusat dan kompak.
2. Deviasi
Deviasi rata-rata adalah rata-rata penyimpangan data-data dari rata-
rata (mean)-nya. Di dalam menghitung deviasi rata-rata harus kita cari rata-
rata dari harga mutlak selisih antara tiap-tiap data dengan meannya. Harga
mutlak adalah nilai dengan tidak memandang positif atau negatif, semuanya
dianggap positif. Harga mutlak dari X biasanya ditulis dengan │X│.
3. Varians Dan Standar Deviasi
Varians dan Standar deviasi adalah sebuah ukuran penyebaran yang
menunjukkan standar penyimpangan atau deviasi data terhadap penyimpangan
 5

rata-ratanya. Varians adalah rata-rata hitung deviasi kuadrat setiap data

terhadap rata-rata hitungnya. Standar Deviasi adalah akar kuadrat dari varians
dan menunjukkan standar penyimpangan data terhadap nilai rata-ratanya.
Standar deviasi ukuran variasi data yang paling sering digunakan
Lebih menggambarkan variasi data yang sesungguhnya dibandingkan Range
& mean deviasi Rumus Standar Deviasi Sampel SD = i1 n x n i 1 x 2
(Standar Deviasi) 2 = Varians Rata-rata kuadrat Penyimpangan dari
masing-masing pengamatan terhadap nilai Mean-nya Contoh:Lama belajar 10
mahasiswa (jam) Lama belajar Manajemen: 2,2,3,3,3,3,4,4,5,6 dengan nilai
mean=3.5jam Varians: (2-3.5) 2 +(2-3.5) 2 +(3-3.5) 2 +(3-3.5) 2 +(3-3.5) 2
+(3-3.5) 2 +(4-3.5) 2 +(4-3.5) 2 +(5-3.5) 2 +(6-3.5) 2 /10-1 = (1,5876) SD:
(1,5 2 +1,5 2 +0.5 2 +0.5 2 +0.5 2 +0.5 2 +0.5 2 +0.5 2 +1.5 2 +2.5 2 )/9 =
1.269 jam Akuntansi: 1,1,2,3,3,3,4,5,5,8 = SD = 2.121 jam
4. Coefisien Variasi (COV)
COV Koefisien variasi adalah rasio perbandingan antara standar
deviasi dengan mean, yang dinyatakan dalam persen Membandingkan variasi
dua kelompok data yang mempunyai unit atau satuan pengukuran atau gradasi
yang berbeda Rumus Contoh: COV = SD x x100% Mean BB=40.5 kg, SD=5
kg maka COV=(5/40.5)x100% =12.3% Mean TB=167 cm, SD=12 cm maka
COV=(12/167) x 100%=7.2%.