Modul 4

Ukuran Pemusatan, Lokasi,

dan Dispersi
Drs. H. M. Akib Hamid, M.Sc.

PENDAHULUA N

D alam Modul 2 dan Modul 3 yang telah Anda pelajari, penulis telah
mengemukakan secara panjang lebar tentang tabel distribusi frekuensi
berikut grafik-grafiknya. Materi dalam modul ini masih erat hubungannya
dengan apa yang telah diuraikan pada modul sebelumnya, serta merupakan
langkah lanjut dalam penyusunan data yang telah Anda kuasai.
Pengolahan data merupakan salah satu tindak lanjut dari penyajian data
yang telah Anda susun sebagaimana yang penulis telah uraikan dalam
Modul 2 dan Modul 3. Dalam Modul 4 ini, penulis akan menyajikan
beberapa ukuran yang banyak dipakai sebagai alat atau sebagai parameter
untuk dapat digunakan sebagai bahan bantuan dalam menafsirkan suatu
gejala atau suatu yang akan diteliti berdasarkan hasil pengolahan data yang
Anda kumpulkan.
Ukuran tersebut ialah ukuran pemusatan (tendensi sentral), ukuran
lokasi, dan ukuran dispersi (penyimpangan). Selanjutnya, setelah
mempelajari modul ini, Anda diharapkan dapat memahami arti dan kegunaan
ukuran pemusatan (ukuran gejala pusat), ukuran lokasi, dan ukuran dispersi.
Lebih khusus lagi, Anda diharapkan dapat:
1. membedakan antara kegunaan nilai rata-rata hitung dengan rata-rata
ukur;
2. membedakan antara kegunaan nilai rata-rata hitung dengan rata-rata
harmonis;
3. membedakan antara kegunaan nilai rata-rata hitung dengan rata-rata
kuadratis;
4. menghitung nilai rata-rata hitung untuk data tersebar;
5. menghitung nilai rata-rata ukur untuk data tersebar;
6. menghitung nilai rata-rata harmonis untuk data tersebar;
4.2 Statistika Pendidikan z

7. menghitung nilai rata-rata kuadratis untuk data tersebar;

8. menghitung nilai rata-rata untuk data terkelompok;
9. membedakan antara rumus nilai rata-rata hitung, median dan modus;
10. menentukan nilai median dari kelompok data yang ditentukan distribusi
frekuensinya;
11. menentukan nilai median dari kelompok data tersebar;
12. menentukan nilai modus dari kelompok data yang ditentukan distribusi
frekuensinya;
13. menentukan nilai modus dari kelompok data tersebar;
14. menentukan hubungan antara nilai rata-rata hitung, median dan modus;
15. menentukan nilai rentang sekelompok data yang diketahui;
16. menentukan nilai kuartil dari data tersebar;
17. menentukan nilai kuartil dari data terkelompok;
18. menentukan nilai desil dari data tersebar;
19. menentukan nilai desil dari data terkelompok;
20. menentukan nilai persentil dari data tersebar;
21. menentukan nilai persentil dari data terkelompok;
22. menentukan hubungan antara nilai kuartil, desil, dan persentil;
23. menghitung nilai simpangan baku data tersebar;
24. menghitung nilai simpangan baku data terkelompok; dan
25. menghitung nilai rata-rata simpangan.
z PEMA4210/MODUL 4 4.3

Kegiatan Belajar 1

Nilai Rata-Rata

N ilai rata-rata merupakan salah satu ukuran untuk memberikan

gambaran yang lebih jelas dan singkat tentang sekumpulan data
mengenai sesuatu persoalan, apakah tentang sampel ataupun populasi selain
penyajian melalui daftar atau diagram.
Nilai rata-rata merupakan salah satu dari ukuran gejala pusat. Nilai rata-
rata ini merupakan wakil kumpulan data, atau nilai rata-rata dianggap suatu
nilai yang paling dekat dengan hasil ukuran yang sebenarnya.
Nilai rata-rata yang diperoleh dari hasil pengukuran sampel disebut
statistik sedangkan nilai rata-rata yang diperoleh dari hasil perhitungan
populasi disebut parameter. Jadi, untuk ukuran yang sama dapat disebut
statistik dan dapat pula disebut parameter, hal ini tergantung pada
pemakaiannya apakah dalam sampel ataukah dalam populasi.
Selanjutnya, nilai rata-rata dapat dibedakan antara nilai rata-rata hitung,
nilai rata-rata ukur, dan nilai rata-rata harmonis. Untuk memudahkan
membaca, akan digunakan simbol-simbol seperti: xi , x2 , dan seterusnya.
Simbol-simbol ini adalah nilai-nilai data kuantitatif dan n berfungsi untuk
menyatakan banyak data atau ukuran sampel yang digunakan, sedangkan N
untuk menyatakan ukuran populasi. x untuk menyatakan nilai rata-rata dari
sampel, sedangkan dari populasi dinyatakan dengan μ . Jadi, x adalah
statistik sedangkan μ parameter.

A. RATA-RATA HITUNG

Rata-rata hitung merupakan ukuran yang banyak dipakai.

x + x + x + … + xn
x= 1 2 3
n
n

∑x i
x= i =1

n
dengan x adalah nilai rata-rata
xi adalah nilai pengamatan data ke i
n adalah banyaknya data.
4.4 Statistika Pendidikan z

Contoh 1 : Jika diketahui empat buah data 25, 23, 26 dan 30, tentukan nilai
rata-rata data tersebut!

Penyelesaian:
Keempat data tersebut dapat kita tulis x1= 23; x2 = 25; x3 = 26; dan
x4 = 30, sehingga ∑ xi = 23 + 25 + 26 + 30 = 104; n = 4. Jadi, nilai rata-rata
n

∑x i
104
data tersebut x = i =1
= = 26
n 4

Rumus rata-rata hitung di atas digunakan untuk nilai-nilai data yang

tidak berbobot. Tetapi dipakai untuk nilai-nilai data berbobot seperti di
bawah ini.

xi fi
x1 2
x2 5
x3 8

15

2 x1 + 5 x2 + 8 x3
Maka x = .
15
Dalam hal ini Anda dapat lihat bahwa setiap nilai xi mempunyai bobot
yang berbeda. Ada yang berbobot 2, ada yang berbobot 5, dan ada pula yang
berbobot 8. Jumlah frekuensi merupakan banyak data (yang berarti sama
k
dengan n), n = 15 atau dalam bentuk umum n = ∑ f i . Dengan demikian,
i =1

untuk nilai-nilai data yang berbobot ditulis:

k

∑fx i i
x= i =1
k

∑fi =1
i

Untuk menggunakan rumus di atas, sebaiknya disiapkan dulu daftar

distribusi frekuensi seperti berikut.
z PEMA4210/MODUL 4 4.5

xi fi f i xi

n = ∑ fi ∑fx i i

Contoh 2: Hitung nilai rata-rata dari nilai berbobot di bawah ini.

xi fi f i xi
17 2 34
20 5 100
31 6 186
39 4 156
17 476

Penyelesaian:
Dari tabel di atas diketahui bahwa n = ∑ fi = 17 dan ∑fx
i i = 476
476
sehingga x = = 28.
17

Rumus-rumus rata-rata hitung yang telah diuraikan di atas, umumnya

digunakan untuk data yang tidak terlalu banyak. Tetapi seandainya n cukup
besar, Anda akan mengalami kesulitan menghitung ∑ xi atau ∑ fi xi untuk
data berbobot. Bayangkan saja untuk x1 + x2 + x3 + … + xn dengan banyaknya
n yang cukup besar. Oleh sebab itu, ada cara lain yang disebut dengan cara
”data terkelompok”.
Di dalam Modul 2, penulis telah uraikan cara mengelompokkan data
dalam kelas-kelas interval, di setiap kelas interval mempunyai tanda kelas.
Masih ingatkah Anda? Setiap tanda kelas xi dapat ditentukan nilainya
1
dengan menghitung xi = ( bi + ai ) . Masih ingat pulakah Anda bahwa
2
kegunaan atau fungsi tanda kelas merupakan wakil nilai-nilai yang terdapat
dalam suatu kelas interval. Oleh sebab itu, kita anggap xi sebagai nilai data
baru.
4.6 Statistika Pendidikan z

No. Kelas Interval fi Tanda kelas ( xi ) f i xi

1. b1 − a1 f1 x1 f1 x1
2. b2 − a2 f2 x2 f 2 x2
3. b3 − a3 f3 x3 f3 x3

K bk − ak fk xk f k xk
k k
n = ∑ fi ∑fx i i
i =1 i =1

Nah sekarang, data yang semula terkelompok seolah-olah telah berubah

menjadi data yang berbobot sehingga kita dapat mempergunakan lagi rumus:
k

∑fx i i
x= i =1
k

∑f
i =1
i

Contoh 3: Hitung nilai rata-rata data di bawah ini dengan cara ”tanda kelas”

No. Urut Kelas interval fi xi f i xi

1 31 – 40 1 35,5 35,5
2 41 – 50 2 45,5 91,0
3 51 – 60 5 55,5 277,5
4 61 – 70 15 65,5 982,5
5. 71 – 80 25 75,5 1887,5
6. 81 – 90 20 85,5 1710,0
7. 91 – 100 12 95,5 1146,0
Jumlah 80 6130,0

Penyelesaian:
Dari tabel diketahui ∑f i = 80 dan ∑fx i i = 6130 , maka
k

∑fx i i
6130
x= i =1
k
=
∑f
80
i
i =1

= 76, 25
z PEMA4210/MODUL 4 4.7

Cara lain yang lebih singkat dan lebih sederhana ialah dengan
mempergunakan nilai rata-rata duga (assumed mean) disingkat dengan AM.
Cara ini sering disebut pula dengan cara pendek atau ada yang menyebutnya
cara koding.
Keuntungan dengan cara ini, kita bekerja dengan bilangan-bilangan yang
lebih sederhana (relatif kecil), berbeda sekali dengan cara ”tanda kelas” di
mana kita akan bekerja dengan bilangan-bilangan yang lebih besar.
Rumus untuk menghitung x dengan metode AM ini seperti yang tertera
di bawah ini.
⎛ k ⎞
⎜ ∑ fi di ⎟
x = AM + p ⎜ ki =1 ⎟
⎜ ⎟
⎜ ∑ fi ⎟
⎝ i =1 ⎠
dengan AM adalah nilai rata-rata duga
p adalah panjang kelas

Sesuai dengan namanya, AM dapat ditentukan pada kelas interval mana

saja dan AM sendiri adalah salah satu dari tanda kelas-tanda kelas. Misalnya,
AM pada kelas interval nomor 3 sama dengan x3 , yaitu sama dengan tanda
kelas untuk kelas interval nomor 3, dan nilai x3 dapat diperoleh dari
1
( b3 + a3 ) .
2
Langkah selanjutnya kita tentukan selisih antara AM yang telah kita
ambil atau tentukan dari salah satu tanda kelas dengan setiap tanda kelas
lainnya. Sebutlah selisih itu dengan di′ . Perhatikan daftar di bawah ini.

No. Kelas Interval fi Tanda kelas ( xi ) di′

1. b1 − a1 f1 x1 x1 − x3
2. b2 − a2 f2 x2 x2 − x3
3. b3 − a3 f3 x3 x3 − x3
4. b4 − a4 f4 x4 x4 − x3
5. b5 − a5 f5 x5 x5 − x3
6. b6 − a6 f6 x6 x6 − x3
7. b7 − a7 f7 x7 x7 − x3
4.8 Statistika Pendidikan z

Oleh karena AM diambil pada kelas interval nomor 3 maka Anda lihat
bahwa d3′ = x3 − x3 = 0 . Dan jika nilai data itu disusun dari kecil ke besar
maka nilai di′ pun akan terpengaruh, yaitu setelah kelas interval nomor 3,
yaitu kelas interval nomor 4, 5, 6, dan 7 akan memperoleh nila di′ positif.
Sedangkan sebelum kelas interval nomor 3, yaitu kelas interval nomor 2 dan
1 akan memperoleh nilai di′ yang negatif.
Kalau Anda renungkan kembali, antara nilai di′ untuk setiap kelas
interval akan berselisih sebesar p, yaitu panjang kelas interval. Dengan kata
lain, bahwa untuk nilai di′ di atas dan di bawah kelas interval nomor 3
merupakan kelipatan p. Oleh sebab itu, sebenarnya nilai di′ untuk setiap
kelas interval dapat kita sederhanakan, yaitu semua nilai di′ tersebut dibagi
dengan p sehingga akan kita dapat d3′ = 0 dan nilai-nilai di′ sebelum kelas
interval nomor 3 berturut-turut adalah −1 dan nilai −2. Sedangkan nilai-nilai
di′ yang terletak setelah kelas interval nomor 3 berturut-turut akan bernilai
+1; +2; +3; dan +4. Sebutlah nilai di′ yang telah disederhanakan dengan cara
membagi dengan p ini dengan simbol ” di ” saja tanpa aksen sehingga kita
akan memperoleh daftar yang lebih sederhana seperti yang terlihat di bawah
ini.

No. Kelas Interval fi Tanda kelas ( xi ) di

1. b1 − a1 f1 x1 −2
2. b2 − a2 f2 x2 −1
3. b3 − a3 f3 x3 0
4. b4 − a4 f4 x4 1
5. b5 − a5 f5 x5 2
6. b6 − a6 f6 x6 3
7. b7 − a7 f7 x7 4

Nilai d = 0 bergantung pada nilai AM yang kita ambil. Jika AM kita

ambil dari x5, maka nilai d yang terletak pada kelas interval nomor 5 sama
dengan 0 (nol). Akibatnya nilai-nilai d yang terletak sebelum kelas interval
nomor 5 berturut-turut adalah −1, −2, −3, dan −4. Sedangkan sesudah kelas
interval nomor 5 berturut-turut adalah +1 dan +2.
z PEMA4210/MODUL 4 4.9

Tetapi harus Anda ingat bahwa untuk meletakkan nilai d positif atau
negatif tergantung dari susunan kelas interval yang Anda kehendaki. Apakah
kelas interval yang Anda susun dari nilai yang kecil ke yang besar atau
sebaliknya. Jika kelas interval yang Anda susun dari nilai yang kecil ke yang
besar maka pada kolom d nilai-nilai d yang bertanda negatif kita letakkan
sebelum nilai d yang harganya sama dengan nol. Perhatikan Contoh 4.

Contoh 4: Perhatikan data berikut:

No. Urut Kelas interval Tanda Kelas ( xi ) fi di

1. 13 – 15 14 5 −2
2. 16 – 18 17 6 −1
3. 19 – 21 20 7 0
4. 22 – 24 23 2 +1

Jika kelas interval yang Anda susun dari nilai yang besar ke yang kecil,
maka nilai-nilai d yang terletak sebelum nilai d yang harganya sama dengan
nol, haruslah bernilai positif dan sesudahnya negatif. Untuk lebih jelasnya
perhatikanlah Contoh 5.

Contoh 5: Perhatikan data berikut:

No. Urut Kelas interval Tanda Kelas ( xi ) fi di

1. 22 – 24 23 2 +2
2. 19 – 21 20 7 +1
3. 16 – 18 17 5 0
4. 13 – 15 14 6 −1

⎛ k ⎞
⎜ ∑ fi di ⎟ k
Dari rumus x = AM + p ⎜ i =1k
⎜
⎟ kita harus mencari nilai
⎟
∑fd i i ,
⎜ ∑ fi ⎟
i =1

⎝ i =1 ⎠
untuk itu pada daftar harus kita lengkapi dengan kolom f i di .

No. Urut Kelas interval fi xi di fi di

4.10 Statistika Pendidikan z

∑fd
i =1
i i

k
disebut “faktor koreksi”. Mengapa harus ada faktor itu? Sebab kita
∑f
i =1
i

mempergunakan ”nilai rata-rata duga” atau AM dan AM ini dapat ditentukan

di mana saja, di kelas interval mana saja, oleh sebab itu faktor koreksi
diperlukan untuk memperoleh nilai rata-rata yang sebenarnya. Jika Anda
memperhatikan contoh-contohnya, akan jelas bagi Anda metode pendek ini
lebih mudah dari metode-metode lainnya.

Contoh 6: Hitung nilai rata-rata data di bawah ini dengan cara ”AM”!

No. Urut Kelas interval fi

1. 31 – 40 1
2. 41 – 50 2
3. 51 – 60 5
4. 61 – 70 15
5. 71 – 80 25
6. 81 – 90 20
7. 91 – 100 12
Jumlah 80

Penyelesaian:
Data pada tabel di atas kita ubah dulu ke dalam tabel berikut.

No. Urut Kelas interval fi di fi di

1. 31 – 40 1 −4 −4
2. 41 – 50 2 −3 −6
3. 51 – 60 5 −2 −10
4. 61 – 70 15 −1 −15
5. 71 – 80 25 0 0
6. 81 – 90 20 1 20
7. 91 – 100 12 2 24
Jumlah 80 9

AM diambil pada tanda kelas interval nomor 5 maka

AM = (71 + 80) = 75,5 ; ∑ fi = 80 ; ∑ fi di = 9 , dan panjang kelas interval
1
2
p = 10 maka
z PEMA4210/MODUL 4 4.11

⎛ k ⎞
⎜ ∑ fi di ⎟
⎟ = 75,5 + 10 ⎛⎜ ⎞⎟
9
x = AM + p ⎜ i =1k
⎜ ⎟ ⎝ ⎠
⎜ ∑ fi ⎟
80
⎝ i =1 ⎠
= 75,5 + 10(0,1125) = 75,5 + 1,125
= 76, 625
Bandingkan hasilnya dengan hasil perhitungan pada Contoh 3.

Contoh 7: Seandainya AM pada data Contoh 6 diambil nilai tanda kelas pada
kelas interval nomor 6, tentukan rata-rata data tersebut!

Penyelesaian :
1
Tanda kelas untuk kelas interval ke-6 adalah AM = (81 + 90) = 85,5 .
2
Jadi, nilai rata-ratanya

No. Urut Kelas interval fi di fi di

1. 31 – 40 1 −5 −5
2. 41 – 50 2 −4 −8
3. 51 – 60 5 −3 −15
4. 61 – 70 15 −2 −30
5. 71 – 80 25 −1 −25
6. 81 – 90 20 0 0
7. 91 – 100 12 1 12
Jumlah 80 −71

⎛ k ⎞
⎜ ∑ fi di ⎟ −71 ⎞
x = AM + p ⎜ k i =1 ⎟ = 85,5 + 10 ⎛⎜ ⎟
⎜ ⎟ ⎝ 80 ⎠
⎜ ∑
⎝ i =1
f i ⎟
⎠
= 85,5 + 10(−0,8875) = 85,5 − 8,875
= 76, 625
Ternyata hasilnya tetap sama.
4.12 Statistika Pendidikan z

B. NILAI RATA-RATA UKUR

Nilai rata-rata ukur diberi simbol dengan U, di mana

U = n x1 ⋅ x2 ⋅ x3 xn . U digunakan perbandingan yang relatif tetap sehingga
seolah-olah urutan data merupakan barisan geometri. Misalnya, x1, x2, x3, x4
x x x
dan seterusnya, dengan 1 = 2 = 3 dan seterusnya. U banyak digunakan
x2 x3 x4
untuk data teknik atau yang bersifat enginering.

Contoh 8: Hitunglah nilai rata-rata dari 8192, 2, 32, 512, 128, 2048, 8.

Penyelesaian:
Jika data itu Anda susun, kita peroleh hasil penyusunan sebagai berikut
2, 8, 32, 128, 512, 2048, 8192 dan kalau Anda bandingkan antara dua data
yang berdekatan.
8 32 128 512 2048 8192
= = = = = ,
2 8 32 128 512 2048
data yang demikian lebih baik dihitung nilai rata-rata ukurnya atau U.
U = 7 2 × 8 × 32 × 128 × 512 × 2048 × 8192
= 7 562.949.953.421.312
= 128
Hasil ini didapat dengan mempergunakan kalkulator. Anda dapat pula
menghitungnya dengan mempergunakan daftar log.
(
log U = log 7 2 × 8 × 32 × 128 × 512 × 2048 × 8192 )
1
= log ( 2 × 8 × 32 × 128 × 512 × 2048 × 8192 ) 7

1
= log ( 2 × 8 × 32 ×128 × 512 × 2048 × 8192 )
7
1
= ( log 2 + log 8 + log 32 + + log 2048 + log 8192 )
7
1
= ( 0,301 + 0,903 + 1,505 + 2,107 + 2, 709 + 3,311 + 3,913)
7
1
= (14750 ) = 2,107
7
U = 218
z PEMA4210/MODUL 4 4.13

Kadang kala hasilnya agak berbeda, hal ini dimungkinkan karena bekerja
dengan logaritma banyak sekali pembulatan-pembulatan.

C. NILAI RATA-RATA HARMONIS

Jika diketahui data-data x1, x2, x3, ... xn maka nilai rata-rata harmonis
yang diberi simbol H dapat ditentukan sebagai berikut.
n
H= atau dapat ditulis secara singkat
1 1 1 1
+ + + ... +
x1 x2 x3 xn
n
H= n
1
∑
i =1 xi

Contoh 9: Jarak antara Bandung Jakarta 180 km. Si A berangkat dengan

menggunakan mobil dari Bandung menuju Jakarta dengan
kecepatan rata-rata 80 km/jam. Pulangnya dengan menempuh jalan
yang sama dengan kecepatan 90 km/jam. Hitunglah kecepatan
rata-rata pulang pergi.

Jawaban yang salah

80 + 90
Kecepatan rata-rata = 85 km/jam
2
Kesalahannya, data ini terdiri dari dua dimensi, yaitu dimensi panjang dan
dimensi waktu. Semua nilai yang terdiri lebih dari 1 dimensi tidak dapat
diambil rata-rata begitu saja.

Jawaban yang seharusnya

Waktu yang diperlukan dari Bandung ke Jakarta:
180 km
= 2,25 jam.
80 km / jam
Sedangkan waktu yang diperlukan dari Jakarta ke Bandung:
180 km
= 2 jam.
90 km / jam
Jarak yang ditempuh pulang pergi = 2 × 180 km = 360 km dalam waktu
2,25 + 2 = 4,25 jam.
4.14 Statistika Pendidikan z

360 km
Maka kecepatan rata-rata p.p = km/jam = 84,71 km/jam.
4, 25
Dengan rumus rata-rata harmonis akan lebih cepat lagi. Di sini n = 2 yaitu
pergi dan pulang maka:
n 2 2 2 720
H= n = = = = 2×
1 1 1 9+8 17
∑ + 17
i =1 xi 80 90 720 720
= 84, 71 km/jam

D. NILAI RATA-RATA KUADRATIS (NKR)

Biasanya NRK disebut juga ”Akar Nilai Rata-rata Kuadratis” atau

dikatakan sebagai ”Ni1ai Rata-rata Kuadratis” dari kumpulan bilangan yang
merupakan urutan x1; x2; x3; ... xn, dan diberi simbol dengan:

NRK =
∑x i
2

Contoh 10: ada suatu deret bilangan 2, 4, 6, 8 maka NRK dapat dihitung
nilai rata-rata kuadratis dari data tersebut sebagai berikut.
n

∑x 2
i
x12 + x22 + ... + xn2
NRK = i =1
=
n n
2 + 4 +6 +8
2 2
120 2 2
= = = 30
4 4
= 5, 477

Biasanya NRK ini digunakan dalam ilmu-ilmu fisika dan teknik yang
banyak hubungannya dengan fisika.