BAB I

PENDAHULUAN

1.1. Latar Belakang

Menurut Samsubar Saleh ( 1998 : 13-14) Pengukuran nilai sentral
merupakan suatu usaha yang ditujukan untuk mengukur besarnya nilai rata-
rata dari distribusi data yang telah diperoleh dalam penelitian tersebut.
Untuk mengukur besarnya nilai rata-rata, maka perlu dibedakan secara jelas
pengelompokkan data tersebut ke dalam data yang berkelompok (Group
Data) atau data yang tidak berkelompok (Un-group Data).
Salah satu ukuran numerik yang penting adalah ukuran lokasi, yaitu
suatu ukuran sepanjang garis horizontal yang letaknya ditengah distribusi
data.Ukuran lokasi sekumpulan data adalah nilai yang representatif bagi
keseluruhan nilai data atau dapat menggambarkan distribusi data itu,
khususnya dalam hal letaknya (lokasinya).Nilai tersebut dihitung dari
keseluruhan data bersangkutan sehingga cenderung terletak diurutan tengah
atau pusat setelah data diurutkan menurut besarnya. Oleh karena itu, nilai
tunggal tersebut sering dinamakan ukuran tendensi sentral (measures of
central tendency) atau ukuran nilai sentral (measures of central value).
Beberapa ukuran lokasi yang akan dibicarakan adalah mean, mean terbobot,
median, kuartil dan modus.

1.2. Tulisan Penulisan

Adapun tujuan penulisan makalah ini adalah, untuk mengetahui :
1. Apa yang dimaksud dengan ukuran tendensil dan gejala letak?
2. Bagaimana menghitung Rata-Rata Hitung?
3. Bagaimana menghitung Rata-Rata Ukur?
4. Bagaimana menghitung Rata-Rata Harmonik?
5. Bagaimana menghitung Modus dan Median?
6. Bagaimana menghitung Kuartil, Desil, dan Persentil ?
7. Bagaimana Aplikasi SPSS pada Ukuran tendensil dan Gejala Letak?

1
 BAB II
ISI

2.1. Ukuran tendensi sentral (gejala pusat dan ukuran letak)

Menurut Samsubar Saleh ( 1998 : 13-14) Pengukuran nilai sentral
merupakan suatu usaha yang ditujukan untuk mengukur besarnya nilai rata-
rata dari distribusi data yang telah diperoleh dalam penelitian tersebut.
Untuk mengukur besarnya nilai rata-rata, maka perlu dibedakan secara jelas
pengelompokkan data tersebut ke dalam data yang berkelompok (Group
Data) atau data yang tidak berkelompok (Un-group Data).
Di samping pengelompokkan data, perlu dipertimbangkan pula
metode penelitian yang dilakukan dalam pengumpulan datanya, apakah
berdasarkan populasi atau data sampel. Apabila penelitian dilakukan
berdasarkan populasi, maka sifat-sifat (karakteristik) dari populasi tersebut
disebut sebagai parameter, tetapi bila penelitian dilakukan dengan data
sampel maka sifat-sifat (karakteristik) dari sampel tersebut disebut sebagai
Statistik. Jadi pada dasarnya Statistik dipergunakan untuk menarik
kesimpulan terhadap sifat-sifat populasi yang sebenarnya berdasarkan hasil
pengamatan data sampel. Secara garis besar Perbedaan antara Parameter dan
Statistik adalah tabel 1 sebagai berikut :

Tabel 1. Perbedaan antara Parameter dan Statistk

Populasi Statistik (Sampel)
(parameter)
Nilai rata-rata μ x́
Variance σ2 s2
Standard deviasi σ s
Proporsi π ρ

Ukuran Gejala Pusat disebut juga Ukuran Nilai Pusat disebut juga
sebagai ukuran rata-rata (average), disebut juga ukuran tendensi pusat
(measure of central tendency), disebut juga ukuran nilai pertengahan
(measure of central value), disebut juga ukuran posisi pertengahan

2
(measure of central position). Yaitu suatu nilai yang dipandang representatif
dapat memberikan gambaran secara umum mengenai keadaan nilai tersebut.
Nilai rata-rata tersebut memiliki kecenderungan (tendensi) terletak di
tengah-tengah atau pada pusat diantara data-data yang ada. Ukuran gejala
pusat adalah suatu ukuran yang digunakan untuk mengetahui kumpulan
data mengenai sampel atau populasi yang disajikan dalam tabel atau
diagram. Ukuran gejala pusat adalah suatu ukuran yang digunakan untuk
mengetahui kumpulan data mengenai sampel atau populasi yang disajikan
dalam tabel dan diagram, yang dapat mewakili sampel atau populasi.
Riduwan (2010 : 101) menyatakan pengukuran tendensi sentral
(pengukuran gejala pusat) dan ukuran penempatan (ukuran letak sebagai
pengembangan dari beberapa penyajian data yang berbentuk tabel,garfis dan
diagram). Pengukuran tendensi sentral dan ukuran penempatan digunakan
untuk menjaring data yang menunjukkan pusat atau pertengahan dari
gugusan data yang menyebar.
Harga rata-rata dari kelompok data itu, diperkirakan dapat mewakili
seluruh harga data yang ada dalam kelompok tersebut.ukuran data sampel
dinamakan statistik sedangkan ukuran populasi dinamakan parameter.
Pengukuran tendensi sentral terdiri dari rata-rata hitung (mean), rata-rata
ukur, rata-rata harmonik, modus (mode) sedangkan ukuran penempatan
terdiri dari median, kuartil, desil, persentil.
A. Rata-Rata Hitung
Yang dimaksud dengan rata-rata hitung adalah nilai (besaran) yang
dieroleh dari hasil jumlah tiap data dibagi dengan banyaknya data. Adapun
notas rata-rata untuk populasi dinyatakan dengan μ sedangkan nilai rata-rata
untuk sampel dinyatakan dengan x́. Untuk menentukan nilai rata-rata hitung
dapat dilakukan tergantung dari kumpulan data yang tersedia atau dengan
kata lain apakah data-data itu masih berupa kumpuan data yang belum
tersusun kedalam daftar distribusi frekuensi ataukah data-data yang tersedia
telah tersusun kedalam daftar distribusi frekuensi, sehingga perhitungan
nilai rata-ratanya dikatagorikan kedalam model.

3
 Rata-rata atau Mean merupakan ukuran statistik kecenderungan
terpusat yang paling sering digunakan. Rata-rata ada beberapa macam, yaitu
rata-rata hitung (aritmatik), rata-rata geometrik, rata-rata harmonik dan lain-
lain. Tetapi jika hanya disebut dengan kata "rata-rata" saja, maka rata-rata
yang dimaksud adalah rata-rata hitung (aritmatik). Mean dari
sekelompok (sederetan) angka (bilangan) adalah jumlah dari keseluruhan
angka (bilangan) yang ada, dibagi dengan banyaknya angka (bilangan)
tersebut. (Sudijono, 2014)
Penghitungan
Penghitungan rata-rata dilakukan dengan menjumlahkan seluruh
nilai data suatu kelompok sampel, kemudian dibagi dengan jumlah sampel
tersebut. Jadi jika suatu kelompok sampel acak dengan jumlah sampel n,
maka bisa dihitung rata-rata dari sampel tersebut dengan rumus sebagai
berikut :
x1 + x2 +.. . .. .+ x n
x=
n
n

∑ xi
x́= i=1
n

atau lebih sederhana lagi ditulis x́=

∑ xi
n
Keterangan:

 = rata-rata hitung
xi = nilai sampel ke-i
n = jumlah sampel
Contoh Penghitungan
1. Nilai 10 mahasiswa yang mengikuti kuliah statistika di Jurusan
Pendidikan Fisika IKIP Budi Utomo Malang adalah sebagai berikut: 56,
76, 34, 59, 62, 56, 68, 60, 73, dan 81.

4
 Berdasarkan nilai 10 mahasiswa tersebut, rata-rata hitung nilai

x=
∑ xi
mahasiswa ditentukan dengan humus n , sehingga
diperoleh
56+76+ 34+59+62+56+ 68+60+73+81
x=
10
625
x=
10 x=62,5
2. Misalkan kita ingin mengetahui rata-rata tinggi badan siswa di suatu
kelas. Kita bisa mengambil sampel misalnya sebanyak 10 siswa dan
kemudian diukur tinggi badannya. Dari hasil pengukuran diperoleh data
tinggi badan kesepuluh siswa tersebut dalam ukuran sentimeter (cm)
sebagai berikut.
172, 167, 180, 170, 169, 160, 175, 165, 173, 170
Dari data di atas dapat dihitung rata-rata dengan menggunakan rumus rata-
rata :
172+167+180+170+169+160+175+165+173+170
x=
10
1701
x= =170 , 1
10
Dari hasil penghitungan, bisa diambil kesimpulan bahwa rata-rata tinggi
badan siswa di kelas tersebut adalah 170,1 cm.
Rata-rata Hitung Data Berkelompok
Data berkelompok adalah data yang disajikan dalam bentuk kelas-
kelas interval. Setiap kelas biasanya memiliki panjang interval yang sama.
Ada tiga cara menghitung rata-rata data berkelompok, yaitu dengan
menggunakan titik tengah, menggunakan simpangan rata-rata sementara dan
menggunakan kode (coding). Rumus ketiga cara penghitungan rata-rata data
berkelompok tersebut adalah sebagai berikut

5
1. Menggunakan titik tengah (cara biasa)
k
∑ f i xi
x= i=1k
∑ fi
i=1

2. Menggunakan simpangan rata-rata sementara

k
∑ f i di
x=x s + i =1k
∑ fi
i=1  

Dimana :
d i= x s−x i
3. Menggunakan pengkodean (coding)
k

x= x s +
( )
∑ f i ci
i=1
k
∑ fi
i=1
⋅p

Keterangan
x = rata-rata hitung data berkelompok
x s = rata-rata sementara

fi =  frekuensi data kelas ke-i

xi = nilai tengah kelas ke-i
ci = kode kelas ke-i
p = panjang interval
Contoh penghitungan:
Sebanyak 21 orang pekerja dijadikan sampel dan dihitung tinggi badannya.
Data tinggi badan dibuat dalam bentuk kelas-kelas interval. Hasil
pengukuran tinggi badan adalah pada tabel 2 sebagai berikut.

Tabel 2. Pengukuran tinggi badan

Tinggi Badan Frekuensi
(fi)
151-155 3
156-160 4
161-165 4

6
 166-170 5
171-175 3
176-180 2

Hitunglah rata-rata tinggi badan pekerja dengan menggunakan titik tengah,

simpangan rata-rata sementara dan cara koding!
Jawab:
1. Menggunakan titik tengah (cara biasa)
Proses penghitungan rata-rata dengan menggunakan titik tengah
dibantu dengan menggunakan tabel 3 di bawah ini.
Tabel 3. Perhitungan rata-rata
Tinggi Badan Titik Tengah Frekuensi fixi
(xi) (fi)
151-155 153 3 459
156-160 158 4 632
161-165 163 4 652
166-170 168 5 840
171-175 173 3 519
176-180 178 2 356
Jumlah 21 2458

Dari tabel 3 di atas diperoleh:

k

∑ f i=21
i=1

∑ f i xi =3458
i=1

Dengan begitu dapat kita hitung rata-rata data berkelompok sebagai berikut.
3458
x́= =164,67
21

7
2. Dengan menggunakan simpangan rata-rata sementara
Sebelum menghitung rata-rata data berkelompok menggunakan
simpangan rata-rata sementara, kita terlebih dahulu menetapkan rata-rata
sementaranya. Misalkan rata-rata sementara yang kita tetapkan adalah 160.
Selanjutnya kita bisa membuat tabel 4 penghitungan sebagai berikut.
Tabel 4. Perhiungan rata-rata
Tinggi Badan Titik Frekuensi d i=160−x i fi.di
Tengah (fi)
(xi)
151-155 153 3 -7 -21
156-160 158 4 -2 -8
161-165 163 4 3 12
166-170 168 5 8 40
171-175 173 3 13 39
176-180 178 2 18 36
Jumlah 21 98

Dari tabel di atas diperoleh :

k k
x s == 160 ∑ f i =21 dan ∑ f i d i=98
i=1 i=1

Hasil rata-rata hitung menggunakan simpangan rata-rata adalah :

98
x=160+ =160+4 , 67=164 , 67
21

3. 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.
Misalkan kita menetapkan rata-rata sementara adalah nilai tengah
kelas keempat, yaitu 168. Dengan begitu kita bisa membuat tabel 5 dan
pengkodean seperti di bawah ini. 
Tabel 5. Pengkodean
Tinggi Badan Titik Frekuensi Coding fi.ci

8
 Tengah (fi) (ci)
(xi)
151-155 153 3 --3 -9
156-160 158 4 -2 -8
161-165 163 4 -1 -4
166-170 168 5 0 0
171-175 173 3 1 3
176-180 178 2 2 4
Jumlah 21 -14
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 5 di atas diperoleh :
k k
x s =168 , ∑ f i =21 , ∑ f i ci =−14 , dan p=5
i=1 i=1

Hasil rata-rata hitung menggunakan coding adalah sebagai berikut:

x s =168+( −14
21 )
5=168+(−3 , 33 )=164 , 67

B. Rata-rata ukur
Rata-rata ukur (geometrik) adalah rata-rata yang diperoleh dengan
mengalikan semua data dalam suatu kelompok sampel, kemudian
diakarpangkatkan dengan jumlah data sampel tersebut. Secara matematis
rata-rata ukur (geometrik) dirumuskan seperti berikut ini.
n
G=√ x 1×x 2 ×. .. .. . .×x n
Atau rumus tersebut bisa diringkas menjadi:
n
G=
√∏
i=1
xi

Penghitungan rata-rata ukur (geometrik) juga bisa dihitung dengan

menggunakan logaritma. Rumusnya adalah sebagai berikut.

9
 
n
i 1
xi
log(G ) 
n

Atau dengan rumus log U =

∑ log x i
n
Keterangan:
G = rata-rata ukur (geometrik)
n = jumlah sampel
∏ = kegunaannya hampir sama dengan ∑, bedanya ∑ digunakan untuk
penjumlahan, sedangkan ∏ digunakan untuk perkalian
xi = nilai sample ke-i

Contoh:
Jika diketahui data mengenai nilai ulangan mata pelaaran matematka di
suatu sekolah seperti pada tabel dibawah ini :
No Nama Nilai
1 Anwar Ibrahim 85
2 Ria Dewi 75
3 Monaliza 70
4 Agis 80
5 Windi 90
6 S. Irawan 45
7 Moreta 50
8 Yuke Russiani 65
9 Asriani 35
10 Prihandi 40

Sumber : Data Fiktif

Maka nilai rata-rata ukurnya :
U = 10√ 85 x 75 x 70 x 80 x 90 x 45 x 50 x 65 x 35 x 40
U=¿
1
Log U = log ( 85 x 75 x 70 x 80 x 90 x 45 x 50 x 65 x 35 x 40 )
10
Atau :

log U =
∑ log x i
n

10
 =

log 85 x log 75 x log 70 x log 80 x log 90 x log 45 x log 50 x log 65 x log 35 x log 40
10
= 1,782
U = 60,52 (anti log)
Contoh
berdasarkan hasil pengamatan terhadapa modal usaha suatu perusahaan
tercatat bahwa usaha pada tahun 1980 sebesar Rp 3,2 juta dan pada tahun
1990 bertambah menjadi Rp 12, 8 juta, diminta :berapakah prakiraan
pertambahan rata-rata modal usaha perusahaan setiap tahunnya?
Jawab :
Pt =P0 ¿
x́ 10
12,8 = 3,2 (1+ ¿ → log 12,8=log 3,2¿ ¿ ¿
100
log 12,8=log 3,2+ log ¿¿ ¿
x́
log 12,8=log 3,2+10 log(1+ )
100
x́
(
10 log 1+
100 )
=¿log 12,8 – log 3,2

x́ log 12,8−log 3,2

(
→ log 1+
100
=) 10
=0,0602

(1+ 100x́ )=1,149 → 100x́ =1,149−1=0,149 → x́=14,9

Jadi prakiraan kenaikan rata-rata modal usaha tiap tahunnya adalah Rp
1,49juta.
Contoh
Diketahui data suku bunga tabungan beberapa bank adalah sebagai berikut.
6.75,  5.75,  6.50,  6.25,  6.25,  6.10,  5.70,  5.90,  6.25,  5.60
Berapakah rata-rata ukur (geometrik) suku bunga bank-bank tersebut?
Jawab:
Rata-rata ukur (geometrik) bisa dihitung dengan menggunakan
rumus pertama atau kedua. Cara penghitungannya adalah sebagai berikut.

11
 10
G= √ 6,75×5,75×6,50×6,25×6,25×6,10×5,70×5,90×6,25×5,60
10
G= √ 70757056 ,11
G=6,095
Jika menggunakan rumus yang ketiga, cara penghitungannya adalah sebagai
berikut :
0 , 829303773+0 , 759667845+.. ..+0 ,748188027
log(G )=
10
7 , 849769756
log(G )= =0 ,7849769756
10
log(6 , 75 )+log(5 ,75 )+.. . .. .+log(5 , 60)
log(G )=
10
G=anti log(0 ,7849769756 )=6 ,095
Penghitungan menggunakan logaritma biasanya dilakukan jika jumlah
data cukup banyak sehingga membuat hasil perkalian pada rumus pertama
menjadi sangat besar dan menyulitkan. Untuk mengurangi hitungan yang
terlalu besar maka digunakanlah logaritma.

C. Rata-rata Harmonik
Samsubar Saleh menyatakan rata-rata harmonik merupakan pola
ukuran rata-rata dari distribusi data yang diperoleh. Sedangkan menurut
Syofian Siregar (2010:26) rata-rata harmonik digunakan untuk merata-
ratakan kecepatan jarak tempuh, menentukan harga rata-rata komoditas
tertentu, menghitung investasi sejumlah uang setiap periode tertentu. Dan
menurut Amudi Pasaribu (1981 : 88) harga rata-rata harmonis (harmonic
mean) dari sekumpulan data adalah kebalikan dari harga rata-rata hitung
dari kebalikan bilangan-bilangan yang termasuk di dalam kumpulan data
kita. Menurut Samsubar Saleh ( 1998 : 27-29) Bila hasil pengamatan data
didapatkan nilai-nilai sebesar X1,X2,X3,......Xn, maka besarnya rata-rata
harmoniknya adalah

a. Data Tak Berkelompok

n
MH =
1 1 1 1
+ + + …+
x 1 x2 x 3 xn

12
Keterangan : MH = rata-rata harmonik
n = data
x1 = data ke 1 , x2 = data ke 2 dst

Contoh soal :
Hitunglah harga rata-rata beras merek “Cianjur Harum” per kg. Minggu
pertama harganya Rp 5.000/kg, Minggu kedua terjual dengan harga Rp
5.300/kg, Minggu ketiga harganya Rp 5.730/kg, Minggu keempat harganya
Rp 4.930/kg dan Minggu kelima harganya Rp 5.55./kg. Tentukanlah nilai
rata-rata harmoniknya.
Penyelesaian:
5
MH =
1 1 1 1 1
+ + + +
5000 5300 5730 4930 5500
5
¿
0,0002+ 0,00019+0,00018+0,000203+0,000182
5
¿
0,000955
¿ Rp5235,6 / kg

D. Modus
Untuk menyatakan fenomena yang palng banyak terjadi digunakan
ukuran modus (Mo). Maman Rachman (1996 :18) berpendapat bahwa
dalam sebaran frekuensi tunggal ,Modus adalah nilai variabel yang
mempunyai frekuensi tertinggi dalam sebaran dan dalam sebaran frekuensi
bergolong modus secara kasar adalah titik tengah interval kelas yang
mempunyai frekuensi tertinggi dalam sebaran.
Menurut Samsubar Saleh (1998 : 20) modus merupakan suatu
pengamatan dalam distribusi frekuensi yang memiliki jumlah pengamatan
dimana jumlah frekuensiya paling besar/paling banyak. Menurut Husaini
Usman dan Purnomo Setiady Akbar (2008 : 93) jika nilai yang muncul itu
hanya ada satu macam saja, maka modus tersebut dinamakan unimodel. Dan
jika nilai yang muncul ada dua macam, maka modus tersebut dinamakan

13
bimodal. Jadi dapat disimpulkan bahwa modus adalah nilai dari beberapa
data yang memiliki frekuensi tertinggi baik terbanyak dalam pengamatan.
a. Data tunggal (tak berkelompok)
Syofian Siregar (2010: 30) menyatakan menghitung modus dengan
data tunggal dilakukan dengan sangat sederhana ,yaitu dengan cara mencari
nilai yang paling sering muncul diantara sebaran data.
Contoh:
Mencari Modus Untuk Data Tunggal. Dilihat dari Skor atau Nilai yang
memiliki frekuensi paling banyak.
Tabel 6. Data Tunggal
No Nilai Statistika Frekuensi
1 40 1
2 55 1
3 50 3
4 55 1
5 57 1
6 60 1
7 65 1
8 67 1
9 69 1
10 70 5
11 75 1
12 78 1
13 80 3
14 83 1
15 90 3
Jumlah 25

Jadi, Nilai modus pada data di atas adalah 70

b. Data kelompok
Berikut adalah rumus modus untuk data kelompok menurut Syofian
Siregar (2010 : 31-32). Mencari Modus Untuk Data Kelompokan
b1
M o=b+ p ( b1 +b2 )
Keterangan: Mo = Modus
b = Batas kelas interval dengan frekuensi terbanyak
p = Panjang kelas interval

14
b1 = Frekuensi pada kelas modus (frekuensi pada kelas interval yang
terbanyak) dikurangi frekuensi kelas interval terdekat sebelumnya
b2 = Frekuensi pada kelas modus (frekuensi pada kelas interval yang
terbanyak) dikurangi frekuensi kelas interval berikutnya.
Contoh:
Tabel 7 Data Berkelompok
No Nilai Satistika Frekuensi (F)
1 40-48 2
2 49-57 5
3 58-66 2
4 67-75 8
5 76-84 5
6 85-93 3
Jumlah 25

Tentukan Modusnya?
Jawab:
b1
M o=b+ p ( b1 +b2 )
b = (batas atas – 0,5) frekuensi terbanyak
= 75 – 0,5= 74,5
P=9
b1 = 8 – 2= 6
b2 = 8 – 5 = 3

b1
M o=b+ p ( b1 +b2 )
¿ 74,5+9 ( 6+6 3 )
6
¿ 74,5+9
9
¿ 74,5+6
¿ 80,5
Jadi, nilai modus pada data di atas adalah 80,5

15
E. Median
a. Pengertian Nilai Rata–Rata Pertengahan ( Median )
Yang dimaksud dengan Nilai Rata-rata Pertengahan atau Median ialah
suatu nilai atau suatu angka yang membagi suatu distribusi data ke dalam
dua bagian yang sama besar. Dengan kata lain, Nilai rata-rata pertengahan
atau median adalah nilai atau angka yang diatas nilai atau angka tersebut
terdapat ½ N dan di bawahnya juga terdapat ½ N. Itulah sebabnya nilai rata-
rata ini dikenal sebagai nilai pertengahan atau nilai posisi tengah, yaitu nilai
yang menunjukkan pertengahan dari suatu distribusi data.
b. Cara Mencari Median Data Kelompok
Ada beberapa cara untuk mencari nilai rata – rata pertengahan, seperti
dapat diikuti pada uraian berikut ini.
c. Cara Mencari Nilai Rata – rata Pertengahan untuk Data
Tunggal
Dalam mencari Nilai Rata-rata Pertengahan untuk data tunggal ini ada
dua kemungkinan yang kita hadapi. Kemungkinan pertama adalah data
tunggal itu seluruh skornya berfrekuensi 1, sedangkan kemungkinan kedua,
bahwa data tunggal yang akan kita cari Nilai Rata-rata Pertengahan itu
sebagian atau seluruh skornya berfrekuensi lebih dari 1.
Rumus Mean data Tunggal :
1/ 2 N −fkb 1/2 N−fk a
M dn=L+
( fi ) atau : M dn =U−
( fi )
Mdn = Median
Fkb = Frekuensi kumulatif yang terletak dibawah skor yang mengandung
median.
Fi = frekuensi asli ( frekuensi dari skor yang mengandung median ).
N = Number Of Cases.
U = Upper Limit ( batas atas nyata dari skor yang mengandung median ).
Fka = frekuensi kumulatif yang terletak di atas skor yang mengandung
median.
d. Cara Mencari Median Data Kelompok

16
 Cara menghitung dan jalan pikiran yang ditempuh untuk mencari nilai
Rata-rata pertengahan dari data kelompok adalah sama saja dengan apa yang
telah dikemukakan di atas. Letak perbedaannya adalah, jika ada data tunggal
kita tidak perlu memperhitungkan interval class (i), itu harus ikut
diperhitungkan, sehingga rumus diatas tadi berubah menjadi:
1/ 2 N −fkb 1/ 2 N−fk a
M dn=L+
( fi )
×i dan : M dn=U −
( fi
×i
)
Mdn = Median atau Nilai Rata-rata Pertengahan
I = lower limit (batas bawah nyata dari interval yang mengandung median).
Fkb = Frekuensi kumulatif yang terletak dibawah skor yang mengandung
median.
Fi = frekuensi asli (frekuensi dari skor yang mengandung median).
N = Number Of Cases.
U = Upper Limit ( batas atas nyata dari skor yang mengandung median ).
Fka = frekuensi kumulatif yang terletak di atas skor yang mengandung
median.
F. Kuartil, Desil, Persentil
1. Kuartil
Istilah kuartil dalam kehidupan kita sehari-hari lebih dikenal dengan istilah
kuartal. Dalam dunia statistik, yang dimaksud dengan kuartil ialah titik atau
skor atau nilai yang membagi seluruh distribusi frekuensi ke dalam empat
bagian yang sama besar, yaitu masing masing sebesar ¼ N. jadi disini akan
kita jumpai tiga buah kuartil, yaitu kuartil pertama (Q1), kuartil kedua (Q2),
dan kuartil ketiga (Q3). Ketiga kuartil inilah yang membagi seluruh
distribusi frekuensi dari data yang kita selidiki menjadi empat bagian yang
sama besar, masing-masing sebesar ¼ N, seperti terlihat dibawah ini.
Jalan pikiran serta metode yang digunakan adalah sebagaimana yang
telah kita lakukan pada saat kita menghitung median. Hanya saja, kalau
median membagi seluruh distribusi data menjadi dua bagian yang sama
besar, maka kuartil membagiseluruh distribusi data menjadi empat bagian
yang sama besar.

17
 Jika kita perhatikan pada kurva tadi, maka dapat ditarik pengertian
bahwa Q2 adalah sama dengan Median(2/4 N=1/2 N).
Untuk mencari Q1,Q2 dan Q3 digunakan rumus sebagai berikut:
 untuk data tunggal
n
  Qn=1+
4
(N −f k b
fi )
 untuk data kelompok
n
Qn=1+
4
(N −f k b
fi
xi )
Keterangan:
Qn = kuartil yang ke-n. karena titik kuartil ada tiga buah, maka n dapat diisi
dengan bilangan: 1,2, dan 3.
1= lower limit (batas bawah nyata dari skor atau interval yang mengandung
Qn).
N = Number of cases.
Fkb = frekuensi kumulatif yang terletak dibawah skor atau interval yang
mengandung Qn.
Fi = frekuensi aslinya (yaitu frekuensi dari skor atau interval yang
mengandung Qn).
i = interval class atau kelas interval.
Catatan: - istilah skor berlaku untuk data tunggal.
  - istilah interval berlaku untuk data kelompok.
Berikut ini akan dikemukakan masing-masing sebuah contoh perhitungan
kuartil ke-1, ke-2, dan ke-3 untuk data yang tunggal dan kelompok.
a. Contoh perhitungan kuartil untuk data tunggal
Misalkan dari 60 orang siswa MAN Jurusan IPA diperoleh nilai hasil
EBTA bidang studi Fisika sebagaimana tertera pada table distribusi
frekuensi berikut ini. Jika kita ingin mencari Q1, Q2, dan Q3 (artinya data
tersebut akan kita bagi dalam empat bagian yang sama besar), maka proses
perhitungannya pada tabel 8 sebagai berikut:

18
Table 8 . Distribusi frekuensi nilai hasil Ebta dalam bidang studi fisika
dari 60 orang siswa MAN jurusan ipa, dan perhitungan Q1, Q2, dan
Q3.
Nilai (x) F Fkb
46 2 60= N
45 2 58
44 3 56
43 5 53
42 F1 (8) 48
41 10 40
40 F1 (12) 30
39 F1 (6) 18
38 5 12
37 4 7
36 2 3
35 1 1

 Titik Q1= 1/4N = ¼ x 60 = 15 ( terletak pada skor 39). Dengan demikian

dapat kita ketahui: 1= 38,50; fi = 6; fkb = 12
n
Q1=1+
4
fi(
N −f k b
)
15−12
¿ 38,50+ ( 6 )
= 38,50 +0,50
= 39
 Titik Q2= 2/4N = 2/4 x 60 = 30 ( terletak pada skor 40). Dengan
demikian dapat kita ketahui: 1= 39,50; fi = 12; fkb = 18
n
Q2=1+
4
fi(
N −f k b
)
¿ 39,50+ ( 30−18
12 )
= 39,50 +1,0

19
 = 40,50
 Titik Q3= 3/4N = 3/4 x 60 = 45 ( terletak pada skor 42). Dengan
demikian dapat kita ketahui: 1= 41,50; fi = 8; fkb = 40
n
Q3=1+
4
(
N −f k b
fi )
¿ 41,50+ ( 45−40
8 )
= 41,50+ 0,625
= 42,125

b. Contoh perhitungan kuartil untuk data kelompok

Misalkan dari 80 orang siswa MAN jurusan IPS diperoleh skor hasil
EBTA dalam bidan studi tata buku sebagaimana disajikan pada tabel
distribusi frekuensi beikut ini ( lihat kolom 1 dan 2). Jika kita ingin mencari
Q1, Q2, dan Q3, maka proses perhitungannya adalah sebagai berikut:
 Titik Q1= 1/4N = ¼ x 80 = 20 ( terletak pada interval 35-39).
Dengan demikian dapat kita ketahui: 1= 34,50; fi = 7; fkb = 13, i= 5.
n
Qn=1+
4
(
N −f k b
fi
xi )
n
Q1=1+
4
(
N −f k b
fi
xi )
¿ 34,50+ ( 20−13
7 )
.5

= 34,50 +5
= 39,50
 Titik Q2= 2/4N = 2/4 x 80 = 40 ( terletak pada interval 45-49).
Dengan demikian dapat kita ketahui: 1= 44,50; fi = 17; fkb = 35, i=
5.
n
Q2=1+
4
(
N −f k b
fi
xi )
20
 ¿ 44,50+ ( 40−35
17 )
.5

= 44,50 +1.47
= 45,97
 Titik Q3= 3/4N = 3/4 x 80 = 60 ( terletak pada interval 55-59).
Dengan demikian dapat kita ketahui: 1= 54,50; fi = 7; fkb = 59, i= 5.
n
Q3=1+
4
(N −f k b
fi
xi )
¿ 54,50+ ( 55−59
7 )
.5

= 54,50 + 0,71
= 55,21
Tabel 9. distribusi frekuensi skor-skor hasil EBTA bidang studi tata
buku dari 80 orang siswa man jurusan ips, berikut perhitungan Q1,Q2,
dan Q3.
Nilai (x) F Fkb
70-74 3 80
65-69 5 77
60-64 6 72
55-59 7 66
50-54 7 59
45-49 17 52
40-44 15 35
35-39 7 20
30-34 6 13
25-29 5 7
20-24 2 2
Total 80= N -

Diantara kegunaan kuartil adalah untuk mengetahui simetris

(normal) atau a simetrisnya suatu kurva. Dalam hal ini patokan yang kita
gunakan adalah sebagai berikut:
a. Jika Q3-Q2 = Q2- Q1 maka kurvanya adalah kurva normal.

21
 b. Jika Q3-Q2 > Q2- Q1 maka kurvanya adalah kurva miring/ berat ke
kiri(juling positif).
c. Jika Q3-Q2 < Q2- Q1 maka kurvanya adalah kurva miring/ berat ke
kanan(juling negatif).
2. Desil
Desil ialah titik atau skor atau nilai yang membagi seluruh distribusi
frekuensi dari data yang kita selidiki ke dalam 10 bagian yang sama besar,
yang masing-masing sebesar 1/10 N. jadi disini kita jumpai sebanyak 9 buah
titik desil, dimana kesembilan buah titik desil itu membagi seluruh distribusi
frekuensi ke dalam 10 bagian yang sama besar.
Lambang dari desil adalah D. jadi 9 buah titik desil dimaksud diatas
adalah titik-titik: D1, D2, D3, D4, D5, D6, D7, D8, dan D9.
Untuk mencari desil, digunakan rumus sebagai berikut:
n
Dn=1+
10
(
N −fk b
fi )
Untuk data kelompok:
n
Dn=1+ (
10
N −fk b
fi ).i

Dn = desil yang ke-n (disini n dapat diisi dengan bilangan:1, 2, 3, 4, 5, 6, 7,

8, atau 9.
1= lower limit ( batas bawah nyata dari skor atau interval yang mengandung
desil ke-n).
N = number of cases.
Fkb = frekuensi kumulatif yang terletak dibawah skor atau interval yang
mengandung desil ke-n.
Fi = frekuensi dari skor atau interval yang mengandung desil ke-n, atau
frekuensi aslinya.
i = interval class atau kelas interval.
a. Contoh perhitungan desil untuk data tunggal

22
 Misalkan kita ingin mencari desil ke-1, ke-5, dan ke-9 atau D1, D5, dan
D9 dari data yang tertera pada table yang telah dihitung Q1, Q2, dan Q3-
nya itu.
 Mencari D1:
Titik D1= 1/10N= 1/10x60= 6 (terletak pada skor 37). Dengan
demikian dapat kita ketahui: 1= 5,50; fi= 4, dan fkb= 3.
n
Dn=1+ (
10
N −fk b
fi )
D 1=36,50+ ( 6−34 )=36,25
 Mencari D5:
Titik D5= 5/10N= 5/10X60= 30 (terletak pada skor 40). Dengan
demikian dapat kita ketahui: 1= 39,50; fi= 12, dan fkb= 18.
n
Dn=1+ (
10
N −fk b
fi )
D 5=39,50+ ( 30−18
12 )
=40,50

 Mencari D9:
Titik D9= 9/10N= 9/10X60= 54 (terletak pada skor 44). Dengan
demikian dapat kita ketahui: 1= 43,50; fi= 3, dan fkb= 53.
n
Dn=1+ (
10
N −fk b
fi )
D 5=43,50+ ( 54−53
3 )
=43,17

Tabel 10. Perhitungan desil ke-1, desil ke-5 dan desil ke-9 dari data
yang tertera pada table (diatas)  kuartil.

Nilai (x) F Fkb

46 46 60= N
45 45 58

23
 44 44 56
43 43 53
42 42 48
41 41 40
40 40 30
39 39 18
38 38 12
37 37 7
36 36 3
35 35 1

b. Contoh perhitungan desil untuk data kelompok

            Misalkan kita ingin mencari D3 dan D7 dari data yang tercantum
pada table 9, proses perhitungannya adalah sebagai berikut:
Table 11. Perhitungan desil ke-3 dan desil ke-7 dari data yang tertera
pada table 9.
Nilai (x) F Fkb
70-74 3 80
65-69 5 77
60-64 6 72
55-59 7 66
50-54 7 59
45-49 17 52
40-44 15 35
35-39 7 20
30-34 6 13
25-29 5 7
20-24 2 2
Total 80= N -

 Mencari D3:
Titik D3= 3/10N= 3/10X80= 24 (terletak pada interval 40-44).
Dengan demikian dapat kita ketahui: 1= 39,50; fi= 15, dan fkb= 20.

24
 n
Dn=1+
10
(N −fk b
fi
.i )
D 3=39,50+ ( 24−20
15 )
.5=40,83

 Mencari D7:
Titik D7= 7/10N= 7/10X80= 56 (terletak pada interval 50-54). Dengan
demikian dapat kita ketahui: 1= 49,50; fi= 7, dan fkb= 52

D 7=49,50+ ( 50−54
7 )
.5=40,83.

Diantara kegunaan desil ialah untuk menggolongkan-golongkan suatu

distribusi data ke dalam sepuluh bagian yang sama besar, kemudian
menempatkan subjek-subjek penelitian ke dalam sepuluh golongan tersebut.
3. Persentil
Persentil yang biasa dilambangkan P, adalah titik atau nilai yang
membagi suatu distribusi data menjadi seratus bagian yang sama besar.
Karena itu persentil sering disebut ukuran perseratusan.
Titik yang membagi distribusi data ke dalam seratus bagian yang
sama besar itu ialah titik-titik: P1, P2, P3, P4, P5, P6, … dan seterusnya,
sampai dengan P99. jadi disini kita dapati sebanyak 99 titik persentil yang
membagi seluruh distribusi data ke dalam seratus bagian yang sama besar,
masing-masing sebesar 1/ 100N atau 1%, seperti terlihat pada kurva
dibawah ini:
Untuk mencari persentil digunakan rumus sebagai berikut:
Untuk data tunggal:
n
Pn=1+
100
(
N −fk b
fi )
Untuk data kelompok:
n
Pn=1+ (
100
N −fk b
fi
.i)
Keterangan:

25
Pn = persentil yang ke-n (disini n dapat diisi dengan bilangan-
bilangan:1, 2, 3, 4, 5, dan seterusnya sampai dengan 99.
1 = lower limit( batas bawah nyata dari skor atau interval yang
mengandung persentil ke-n).
N = number of cases.
Fkb = frekuensi kumulatif yang terletak dibawah skor atau interval yang
mengandung persentil ke-n.
Fi = frekuensi dari skor atau interval yang mengandung persentil ke-n,
atau frekuensi aslinya.
i = interval class atau kelas interval.

Tabel.12 Perhitungan persentil ke-5, persentil ke-20 dan persentil ke-75

dari data yang tertera pada tabel 10 berikut.

Nilai (x) F Fkb

70-74 3 80
65-69 5 77
60-64 6 72
55-59 7 66
50-54 7 59
45-49 17 52
40-44 15 35
35-39 7 20
30-34 6 13
25-29 5 7
20-24 2 2
Total 80= N -

a. Contoh perhitungan desil untuk data tunggal

26
 Misalkan kita ingin mencari persentil ke-5 (P5), persentil ke-20 (P20),
dan ke-75 (P75),dari data yang disajikan pada tabel 3.13 yang telah dihitung
desilnya itu. Cara menghitungnya adalah sebagai berikut:
 Mencari persentil ke-5 (P5):
Titik P5= 5/10N= 5/100X60= 3 (terletak pada skor 36). Dengan
demikian dapat kita ketahui: 1= 35,50; fi= 2, dan fkb= 1.
5
P5=1+ (
100 ( 60 )
2
−1
)
= 36,50+
3−1
2 ( )
=36,50

 Mencari persentil ke-75 (P75):

Titik P75= 75/10N= 75/100X60= 45 (terletak pada skor 42). Dengan
demikian dapat kita ketahui: 1= 41,50; fi= 8, dan fkb= 40
75
P7=1+ (
100 ( 60 )
8
−40
)
= 41,50+
45−40
8( =42,125 )
b. Cara mencari persentil untuk data kelompok
Misalkan kembali ingin kita cari P35 dan P95 dari data yang disajikan
pada tabel 11.
 Mencari persentil ke-35 (P35):
Titik P35= 35/100N= 35/100X80= 28 (terletak pada interval 40-44).
Dengan demikian dapat kita ketahui: 1= 39,50; fi= 15, dan fkb= 20, i=5
n
P35=1+
100
(. N−fk b
fi )
.i=39,50+
45−40
15 (
.5=42,17 )
 Mencari persentil ke-95 (P95):
Titik P95= 95/100N= 95/100X80= 76 (terletak pada interval 65-69).
Dengan demikian dapat kita ketahui: 1= 64,50; fi= 5, dan fkb= 72, i=5
n
P95=1+ (
100
. N−fk b
fi )
.i=64,50+
65−69
5 (
.5=68,50 )

27
 Tabel 13. Perhitungan Persentil Ke-35 Dan Persentil Ke-95 Dari Data
Yang Tertera Pada Tabel 11
Nilai (x) F Fkb
70-74 3 80
65-69 5 77
60-64 6 72
55-59 7 66
50-54 7 59
45-49 17 52
40-44 15 35
35-39 7 20
30-34 6 13
25-29 5 7
20-24 2 2
Total 80= N -

Kegunaan persentil dalam dunia pendidikan adalah:

a. Untuk mengubah rawa score (raw data) menjadi standard score
(nilai standar).
Dalam dunia pendidikan, salah satu standard score yang sering
digunakan adalah eleven points scale ( skala sebelas nilai) atau dikenal pula
dengan nama standard of eleven (nilai standard sebelas) yang lazim
disingkat dengan stanel.
Pengubahan dari raw score menjadi stanel itu dilakukan dengan jalan
menghitung: P1- P3- P8- P21- P39- P61- P79- P92- P97- dan P99. Jika data
yang kita hadapi berbentuk kurva normal (ingat: norma atau standar selalu
didasarkan pada kurva normal itu), maka dengan 10 titik persentil tersebut
diatas akan diperoleh nilai-nilai standar sebanyak 11 buah, yaitu nilai-nilai
0, 1, 2, 3, 4, 5, 6, 7, 8, 9, dan 10.
b. Persentil dapat digunakan untuk menentukan kedudukan
seorang anak didik,

28
 yaitu: pada persentil keberapakah anak didik itu memperoleh
kedudukan ditengah-tengah kelompoknya.
c. Persentil juga dapat digunakan sebagai alat untuk menetapkan
nilai batas lulus pada tes atau seleksi.
Misalkan sejumlah 80 orang individu seperti yang tertera pada tabel
3.16. itu hanya akan diluluskan 4 orang saja (=4/ 80 X 100%= 5%) dan yang
tidak akan diluluskan adalah 76 orang (= 76X80 X 100%=95%), hal ini
berarti bahwa P95 adalah batas nilai kelulusan. Mereka yang nilai-nilainya
berada pada P95 kebawah, dinyatakan tidak lulus, sedangkan diatas P95
dinyatakan lulus. Dalam perhitungan diatas telah kita peroleh P95= 68,50;
berarti yang dapat diluluskan adalah mereka yang nilainya diatas 68,50 yaitu
nilai 69 ke atas.
Hubungan Antara Kuartil, Desil, Dan Persentil.
Sebelum mengakhiri pembicaraan tentang kuartil, desil, dan persentil
perlu kiranya ditambahkan bahwa diantara ketiga ukuran statistic tersebut
terdapat saling hubungan, seperti terlihat dibawah ini:
1. P90 = D9
2. P80 = D8
3. P75 = Q3
4. P70 = D7
5. P60 = D6
6. P50 = D5 = Q2 = Median
7. P40 = D4
8. P30 = D3
9. P25 = Q1
10. P20 = D2
11. P10 = D1

G. Aplikasi SPSS
Pada prinsipnya program komputer yang berhubungan dengan
pengolahan data dibagi menjadi 3 bagian :

29
a. Membuat Program Sendiri
Perhitungan statistika dapat dilakukan dengan program komputer yang
dibuat sendiri misalnya dengan TURBO PASCAL, C++ dll. Meskipun
hasilnya sangat memuaskan tetapi hal ini pada saat ini jarang dipakai orang,
karena membutuhkan waktu dalam proses pembuatannya.
b. Program Statistika yang merupakan Pelengkap dari Program lain
Program statistika yang dibuat tidak ditunjukkan secara khusus untuk
tujuan penyelelesaian statistika, tapi merupakan tambahan dari program
komputer lain. Contoh, pada Ms. Excel terdapat program untuk membuat
garis persamaan regresi untuk menerangkan hubungan antara peubah bebas
dengan peubah tak bebasnya.
c. Program Komputer Khusus untuk Statistika
Program komputer ini ditujukan khusus untuk penyelesaian pengolahan
data statistika, dengan dilengkapi fasilitas untuk penyajian grafik serta
pembuatan laporan contoh : SAS, SPSS, MINITAB dll. Pada saat sekarang
SPSS dibagi menjadi 4 bagian besar, yaitu :
1. SPSS BI atau Busines Intelegencia
2. SPSS MR atau Market Riset
3. SPSS Science
4. SPSS Quality
Dalam SPSS BI mempunyai 4 bagian utama:
1. Data Collection, fasilitas pengumpulan data untuk diolah
2. Data Preparation, fasilitas persiapan data untuk pengolahan lebih
lanjut
3. Data Data Analysis dan Data Mining, menyediakan berbagai fasilitas
untuk menganalisis data
4. Data Deployment, mendistribusikan hasil pengolahan data
Masing-masing bagian mempunyai program SPSS khusus dan pada
modul ini akan dibahas mengenai data analysis dan data mining yang
disebut SPSS BASE. SPSS BASE mencakup semua perhitungan statistika
deskriptif dan inferensia, dilengkapi dengan cara penyajian grafik. Karena

30
pada modul ini yang dibahas adalah SPSS BASE maka untuk seterusnya
penyebutan SPSS maksudnya adalah SPSS BASE.
Dasar–Dasar SPSS
SPSS merupakan salah satu sekian banyak software statistika yang
telah dikenal luas dikalangan penggunaannya. Disamping masih banyak lagi
software statistika lainnya seperti Minitab, Syastas, Microstat dan masih
banyak lagi. SPSS sebagai sebuah tools mempunyai banyak kelebihan,
terutama untuk aplikasi di bidang ilmu sosial.
SPSS merupakan software aplikasi statistik yang populer bagi
praktisi dan mahasiswa. Bagi para mahasiswa SPSS dapat membantu
pengolahan data dan pengujian hipotesis untuk berbagai uji dan analisis
dalam statistika, seperti uji t, uji F, uji-uji non parametrik, analisis regresi,
analisis korelasi, dan analisis multivariat dan lain-lain.
Untuk dapat menggunakan SPSS 16 for Windows, diperlukan hal-
hal berikut :
 Sistem operasi : disarankan Windows XP (32 bit), Windows Vista
(32 dan 64 bit).
 Hardware : Intel Pentium compatible processor 1 GHz atau yang
lebih tinggi.
 Memori minimum : 512MB.
 Minimum free drive space 450MB. (Rachmatin, Dewi,2010)

SPSS Environment

31
MENU BAR : Kumpulan perintah–perintah dasar untuk meng-operasikan
SPSS.
Menu yang terdapat pada SPSS adalah :
1. FILE
Untuk operasi file dokumen SPSS yang telah dibuat, baik untuk perbaikan
pencetakan dan sebagainya. Ada 5 macam data yang digunakan dalam
SPSS, yaitu :
a. Data : dokumen SPSS berupa data
b. Systax : dokumen berisi file syntax SPSS
c. Output : dokumen yang berisi hasil running out SPSS
d. Script : dokumen yang berisi running out SPSS
e. Database
2. NEW : membuat lembar kerja baru SPSS
3. OPEN : membuka dokumen SPSS yang telah ada
Secara umum ada 3 macam ekstensi dalam lembar kerja SPSS, yaitu :
1. *.spo : file data yang dihasilkan pada lembar data editor
2. *.sav : file text/obyek yang dihasilkan oleh lembar output
3. *.cht : file obyek gambar/chart yang dihasilkan oleh chart window
 Read Text Data : membuka dokumen dari file text (yang berekstensi
txt), yang bisa dimasukkan/dikonversi dalam lembar data SPSS
 Save : menyimpan dokumen/hasil kerja yang telah dibuat.

32
  Save As : menyimpan ulang dokumen dengan nama/tempat/type
dokumen yang berbeda
 Page Setup : mengatur halaman kerja SPSS
 Print : mencetak hasil output/data/syntaq lembar SPSS
Ada 2 option/pilihan cara mencetak, yaitu :
- All visible output :mencetak lembar kerja secara keseluruhan
- Selection : mencetak sesuai keinginan yang kita
sorot/blok
 Print Preview : melihat contoh hasil cetakan yang nantinya diperoleh
 Recently used data: berisi list file data yang pernah dibuka
sebelumnya.
 Recently used file : berisi list file secara keseluruhan yang pernah
dikerjakan
4. EDIT
Untuk melakukan pengeditan pada operasi SPSS baik data, serta
pengaturan/option untuk konfigurasi SPSS secara keseluruhan.
 Undo : pembatalan perintah yang dilakukan sebelumnya
 Redo : perintah pembatalan perintah redo yang dilakukan
sebelumnya
 Cut : penghapusan sebual sel/text/obyek, bisa dicopy untuk
keperluan tertentu dengan perintah dari menu paste
 Paste : mempilkan sebua sel/text/obyek hasil dari perintah copy atau
cut
 Paste after : mengulangi perintah paste sebelumya
 Paste spesial : perintah paste spesial, yaitu bisa konvesri ke gambar,
word, dll
 Clear : menghapusan sebuah sel/text/obyek
 Find : mencari suatu text
 Options : mengatur konfigurasi tampilan lembar SPSS secara umum
5. VIEW
Untuk pengaturan tambilan di layar kerja SPSS, serta mengetahu proses-
prose yang sedang terjadi pada operasi SPSS.

33
  Status Bar : mengetahui proses yang sedang berlangsung
 Toolbar : mengatur tampilan toolbar
 Fonts : untuk mengatur jenis, ukuran font pada data editor SPSS
 Outline size : ukuran font lembar output SPSS
 Outline font : jenis font lembar output SPSS
 Gridlines : mengatur garis sel pada editor SPSS
 Value labels : mengatur tampilan pada editor untuk mengetahui
value label
6. DATA
Menu data digunakan untuk melakukan pemrosesan data.
 Define Dates : mendefinisikan sebuah waktu untuk variable yang
meliputi jam, tanggal, tahun, dan sebagainya
 Insert Variable : menyisipkan kolom variable
 Insert case : menyisipkan baris
 Go to case : memindahkan cursor pada baris tertentu
 Sort case : mengurutkan nilai dari suatu kolom variable
 Transpose : operasi transpose pada sebuah kolom variable menjadi
baris
 Merge files : menggabungkan beberapa file dokumen SPSS, yang
dilakukan dengan penggabungan kolom-kolom variablenya
 Split file : memecahkan file berdasarkan kolom variablenya
 Select case : mengatur sebuah variable berdasarkan sebuah
persyaratan tertentu
7. TRANSFORM
Menu transform dipergunakan untuk melakukan perubahanperubahan
atau penambahan data.
 Compute : operasi aritmatika dan logika untuk
 Count : untuk mengetahui jumlah sebuah ukuran data tertentu pada
suatu baris tertentu
 Recode : untuk mengganti nilai pada kolom variable tertentu,
sifatnya menggantikan (into same variable) atau merubah (into
different variable) pada variable baru

34
  Categorize variable : merubah angka rasional menjadi diskrit
 Rank case : mengurutkan nilai data sebuah variabel
8. ANALYSE
Menu analyse digunakan untuk melakukan analisis data yang telah kita
masukkan ke dalam komputer. Menu ini merupakan menu yang terpenting
karena semua pemrosesan dan analisis data dilakukan dengan menggunakan
menu correlate, compare mens, regresion.
9. GRAPH
Menu graph digunakan untuk membuat grafik, diantaranya ialah bar,
line, pie, dll
10. UTILITIES
Menu utilities dipergunakan untuk mengetahui informasi variabel,
informasi file, dll
11. AD-ONS
Menu ad-ons digunakan untuk memberikan perintah kepada SPSS jika
ingin menggunakan aplikasi tambahan, misalnya menggunakan alikasi
Amos, SPSS data entry, text analysis, dsb
12. WINDOWS
Menu windows digunakan untuk melakukan perpindahan (switch) dari
satu file ke file lainnya
13. HELP
Menu help digunakan untuk membantu pengguna dalam memahami
perintah-perintah SPSS jika menemui kesulitan
 TOOL BAR : Kumpulan perintah – perintah yang sering digunakan
dalam bentuk gambar.
 POINTER : Kursor yang menunjukkan posisi cell yang sedang
aktif / dipilih.
Aplikasi Penggunaan SPSS Dalam Statistika:
Tabel Data Berkelompok
No Nilai Satistika Frekuensi (F)
1 40-48 2
2 49-57 5
3 58-66 2
4 67-75 8

35
 5 76-84 5
6 85-93 3
Jumlah 25

Menghitung Nilai mean, median, rata-rata harmonik,dari tabel data

berkelompok diatas dengan menggunakan SPSS.

36
Hasil Penggunaan SPSS

37
 BAB III
PENUTUP
3.1. Kesimpulan
1. Menurut Samsubar Saleh ( 1998 : 13-14) Pengukuran nilai tendensi
sentral merupakan suatu usaha yang ditujukan untuk mengukur
besarnya nilai rata-rata dari distribusi data yang telah diperoleh dalam
penelitian tersebut
2. Rata-rata hitung adalah nilai (besaran) yang dieroleh dari hasil jumlah
tiap data dibagi dengan banyaknya data. Adapun notas rata-rata untuk
populasi dinyatakan dengan μ sedangkan nilai rata-rata untuk sampel
dinyatakan dengan x́.
3. Rata-rata ukur (geometrik) adalah rata-rata yang diperoleh dengan
mengalikan semua data dalam suatu kelompok sampel, kemudian
diakarpangkatkan dengan jumlah data sampel tersebut. Secara
matematis rata-rata ukur (geometrik) dirumuskan seperti berikut ini.
n
G=√ x 1×x 2 ×. .. .. . .×x n
4. Samsubar Saleh menyatakan rata-rata harmonik merupakan pola
ukuran rata-rata dari distribusi data yang diperoleh.
5. Yang dimaksud dengan Nilai Rata-rata Pertengahan atau Median ialah
suatu nilai atau suatu angka yang membagi suatu distribusi data ke
dalam dua bagian yang sama besar.
6. Modus adalah nilai variabel yang mempunyai frekuensi tertinggi dalam
sebaran dan dalam sebaran frekuensi bergolong modus secara kasar
adalah titik tengah interval kelas yang mempunyai frekuensi tertinggi
dalam sebaran.
7. Dalam dunia statistik, yang dimaksud dengan kuartil ialah titik atau
skor atau nilai yang membagi seluruh distribusi frekuensi ke dalam
empat bagian yang sama besar, yaitu masing masing sebesar ¼ N
8. Desil ialah titik atau skor atau nilai yang membagi seluruh distribusi
frekuensi dari data yang kita selidiki ke dalam 10 bagian yang sama
besar, yang masing-masing sebesar 1/10 N

38
9. Persentil yang biasa dilambangkan P, adalah titik atau nilai yang
membagi suatu distribusi data menjadi seratus bagian yang sama besar.
Karena itu persentil sering disebut ukuran perseratusan.

3.2. Saran
Sebaiknya pada pembahasan atau pembuatan makalah yang selanjutnya
diharapkan lebih banyak lagi memiliki referensi agar isi makalah lebih luas
dan informasi yang ditulis jauh lebih variatif.

39