BAB 4

Ukuran Statistik (bag.1)

4.1 Ukuran Pemusatan
4.2 Ukuran Penyebaran
4.4 Ukuran Letak
4.1 Ukuran Pemusatan
Adalah sembarang ukuran yang menunjukkan pusat dari sekumpulan data, yang telah diurutkan dari
yang terkecil sampai yang terbesar atau sebaliknya dari yang terbesar sampai yang terkecil.
Merupakan penyederhanaan data untuk mempermudah peneliti membuat interpretasi dan
mengambil suatu kesimpulan.
Beberapa Ukuran pemusatan adalah
 Median,
 Modus,
 Mean /Nilai tengah (rataan/rata-rata/rerata)

Ukuran pemusatan mencakup data:

a. Ungrouped data, yaitu data yang belum dikelompokkan (data tunggal)

b. Grouped data, yaitu data yang telah dikelompokkan/dalam bentuk distribusi frekuensi.

 Median
Median adalah nilai yang terletak di bagian tengah dari suatu kumpulan data yang telah
diurutkan. Nilai median dipengaruhi oleh banyaknya pengamatan dan tidak tergantung pada
besarnya nilai pengamatan walaupun nilainya tersebut sangat ekstrem. Dengan demikian,
median sangat cocok digunakan untuk mewakili data yang distribusinya tidak homogen.

Median sangat baik digunakan ketika:

 rata-rata tidak memenuhi syarat pada data berjenis interval/rasio yaitu ketika
distribusi data tidak simetris,
 skala data numerik ordinal,

Jika rata-rata tak memenuhi syarat untuk digunakan sehingga yang digunakan adalah median,
maka varian dan standar deviasi juga tak layak untuk digunakan.

A. Median pada Data Tunggal (UNGROUP DATA )

Pada data tunggal, penghitungan median cukup mudah. Data diurutkan berdasarkan nilai
datanya mulai dari yang terkecil sampai yang terbesar. Kemudian median bisa diketahui
langsung dari nilai tengah urutan data tersebut.
Langkah Teknis:
 Urutkan data dari kecil ke besar
 Cari posisi median (nmed=(n+1)/2)
 Nilai median : Jika nmed genap , maka Median=X(n+1)/2
Jika nmed ganjil , maka Median=(X(n)/2+ X(n)/2+1)/2
(rata-rata dua pengamatan yang berada sebelum dan setelah posisi median)

Contoh:
(menghitung median yang banyaknya data (n) ganjil)

Hitunglah median dari nilai ujian mahasiswa jurusan statistika berikut ini: 8; 4; 5; 6; 7; 6; 7; 7; 2; 9; 10

Jawab:

Langkah-langkah penyelesaiannya adalah sebagai berikut.

 Diketahui datanya adalah 8; 4; 5; 6; 7; 6; 7; 7; 2; 9; 10.

 Data tersebut diurutkan dari nilainya yang terkecil ke yang terbesar. Hasil setelah pengurutan
adalah 2; 4; 5; 6; 6; 7; 7; 7; 8; 9; 10
 Banyaknya data (nn) = 11.
 Posisi median ditentukan menggunakan rumus

𝟏 𝟏
Posisi Median = (𝒏 + 𝟏) = (𝟏𝟏 + 𝟏) = 𝟔
𝟏𝟎 𝟏𝟎

Artinya median adalah data yang berada pada urutan keenam (x6). Dengan demikian nilai median
data adalah 7.

Contoh:
(menghitung median yang banyaknya data (nn) genap)

Hitunglah median dari nilai ujian mahasiswa jurusan statistika berikut ini: 8; 4; 5; 6; 7; 6; 7; 7; 2; 9

Jawab:

Langkah-langkah penyelesaiannya adalah sebagai berikut.

 Diketahui datanya adalah: 8; 4; 5; 6; 7; 6; 7; 7; 2; 9.

 Data tersebut diurutkan dari nilainya yang terkecil ke yang terbesar. Hasil setelah pengurutan
adalah: 2; 4; 5; 6; 6; 7; 7; 7; 8; 9
 Banyaknya data (nn) adalah 10.
 Posisi median ditentukan menggunakan rumus

𝟏 𝟏
Posisi Median = (𝒏 + 𝟏) = (𝟏𝟎 + 𝟏) = 𝟓. 𝟓
𝟏𝟎 𝟏𝟎

Artinya nilai median data adalah data yang berada diantara data urutan kelima (x5) dan keenam
𝟏
(x6). Dengan demikian nilai median data adalah (𝟔 + 𝟕) = 𝟔. 𝟓
𝟐
 B. Median pada Data Berkelompok (GROUPED DATA )

Data berkelompok merupakan data yang berbentuk kelas interval atau dalam bentuk
distribusi frekuensi, sehingga kita tidak bisa langsung mengetahui nilai median jika kelas
mediannya sudah diketahui.

Formula untuk menentukan median dari tabel distribusi frekuensi adalah sebagai berikut:

Me = median
xii = batas bawah median
n = jumlah data
fkii = frekuensi kumulatif data di bawah kelas median
fi = frekuensi data pada kelas median
p = panjang interval kelas

Contoh:

Sebanyak 26 orang mahasiswa terpilih sebagai sampel dalam penelitian kesehatan di sebuah
universitas. Mahasiswa yang terpilih tersebut diukur berat badannya. Hasil pengukuran berat
badan disajikan dalam bentuk data berkelompok seperti di bawah ini.

Hitunglah median berat badan mahasiswa!

Jawab:
Sebelum menggunakan rumus di atas, terlebih dahulu dibuat tabel untuk menghitung
frekuensi kumulatif data. Tabelnya adalah sebagai berikut.
  Jumlah data adalah 26, sehingga mediannya terletak di antara data ke 13 dan 14.
 Data ke-13 dan 14 ini berada pada kelas interval ke-4 (61 – 65).
 Kelas interval ke-4 ini kita sebut kelas median dimana peroleh batas bawah kelas
median sama dengan 60,5.
 Frekuensi kumulatif sebelum kelas median adalah 9, dan frekuensi kelas median sama
dengan 5.
 Diketahui juga, bahwa panjang kelas sama dengan 5.

Secara matematis bisa diringkas sebagai berikut:

xii = 60,5
n = 26
fkii = 9
fi = 5
p=5

Sehingga median berat badan mahasiswa adalah 64,5 kg.

 Modus (Mode)

Modus adalah nilai yang paling sering muncul dari sekumpulan data. Modus tidak
dipengaruhi oleh nilai ekstrem atau pencilan (outlier). Biasanya modus hanya

digunakan untuk tujuan deskriptif karena nilai modus tidak mempertimbangkan

distribusi data. Jika nilai-nilai pengamatan sangat bervariasi dari nilai pusatnya, maka

modus kurang cocok digunakan sebagai ukuran pemusatan data.

 A. Modus pada Data Tunggal (UNGROUP DATA )
Pada data tunggal, penghitungan Modus cukup mudah. Data diurutkan berdasarkan nilai
datanya mulai dari yang terkecil sampai yang terbesar, kemudian cek data atau angka berapa
yang nilai yang paling banyak muncul.
Contoh:
Hitunglah nilai modus dari nilai ujian mahasiswa jurusan statistika berikut ini: 2; 4; 5; 6; 6; 7; 7; 7; 8; 9!

Jawab:
Dari soal tersebut dapat diketahui

 Data 2, muncul 1 kali

 Data 4, muncul 1 kali
 Data 5, muncul 1 kali
 Data 6, muncul 2 kali
 Data 7, muncul 3 kali
 Data 8, muncul 1 kali
 Data 9, muncul 1 kali

Data yang paling banyak muncul adalah 7, yaitu sebanyak 3 kali. Dengan demikian modus dari

sekumpulan data tersebut adalah 7.

B. Modus pada Data Berkelompok (GROUPED DATA )

Formula untuk menentukan median dari tabel distribusi frekuensi adalah sebagai berikut:

𝑑1
𝑀𝑜 = 𝑡𝑏 + ( )𝑝
𝑑1 + 𝑑2
Dengan :
= tepi bawah kelas modus
= selisih frekuensi kelas modus dengan kelas sebelumnya
= selisih frekuensi kelas modus dengan kelas sesudahnya
p = panjang kelas
Contoh :

Diperoleh nilai ujian siswa dalam satu kelas sebagai berikut :

Interval Nilai fi
40-49 1
50-59 4
60-69 8
70-79 14
80-81 10
90-99 3
JUMLAH 40
Tentukan Modus dari data tersebut
Jawab :

Interval Nilai fi fk
40-49 1 44.5
50-59 4 54.5
60-69 8 64.5
70-79 14 74.5
80-81 10 84.5
90-99 3 94.5

 Kelas modus adapada interval 70-79

 Tepi bawah,
 Panjang kelas,p = 79.5-69.5 = 10
 Selisih frekuensi kelas modus dengan kelas sebelumnya,
 Selisih frekuensi kelas modus dengan kelas sesudahnya,

6
𝑀𝑜 = 69.5 + (6+4) 10=75.5

 Mean/Rataan/Rata-rata

Mean atau Rata-rata adalah nilai yang mewakili himpunan atau sekumpulan data (a
set of data). Rata-rata sangat baik digunakan apabila sebaran data merata atau nilai
antara data yang satu dengan data yang lain tidak berbeda jauh (homogen).

Rata-rata hitung digunakan apabila:

 Jenis datanya adalah numerik (interval atau rasio). Jika datanya adalah
kategorik ordinal maka sebaiknya menggunakan median dan jika datanya
adalah numerik nominal, maka sebaiknya menggunakan modus.
 Sebaran datanya simetris.
 Tidak terdapat data pencilan (outlier).

A. Mean pada Data Tunggal (UNGROUP DATA )

Menghitung 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 +𝑥3 +⋯+𝑥𝑛 ∑𝑛

𝑖=1 𝑥𝑖
𝑥= atau 𝑥=
𝑛 𝑛
 Contoh :
Hitunglah nilai rata-rata dari nilai ujian mahasiswa jurusan statistika berikut ini: 2; 4; 5; 6; 6;
7; 7; 7; 8; 9
Jawab:
∑𝑛𝑖=1 𝑥𝑖 Σ𝑥 2 + 4 + 5 + 6 + 6 + 7 + 7 + 7 + 8 + 9 61
𝑥̅ = 𝑥= = = = 6.10
𝑛 𝑛 10 10

B. Mean pada Data Berkelompok (GROUPED DATA )

Rata-rata hitung dari data yang sudah disusun dalam bentuk tabel distribusi frekuensi

dapat ditentukan dengan menggunakan formula yang sama dengan formula untuk
menghitung nilai rata-rata dari data yang sudah dikelompokkan, yaitu:

Dimana :
xi = titik tengah

fi = frekuensi

Contoh :

Tabel berikut ini adalah nilai ujian statistik 80 mahasiswa yang sudah disusun dalam tabel
frekuensi. Tabel distribusi frekuensi dibuat dari data yang sudah dikelompokkan berdasarkan
selang/kelas tertentu (banyak kelas = 7 dan panjang kelas = 10).

Kelas ke- Nilai Ujian fi

1 31 – 40 2
2 41 – 50 3
3 51 – 60 5
4 61 – 70 13
5 71 – 80 24
6 81 – 90 21
7 91 – 100 12
Jumlah 80
Jawab:

Buat daftar tabel berikut, tentukan nilai pewakilnya (x i) dan hitung fixi.

Kelas ke- Nilai Ujian fi xi fixi

1 31 – 40 2 35.5 71.0
2 41 – 50 3 45.5 136.5
3 51 – 60 5 55.5 277.5
4 61 – 70 13 65.5 851.5
5 71 – 80 24 75.5 1812.0
6 81 – 90 21 85.5 1795.5
7 91 – 100 12 95.5 1146.0
Jumlah 80 6090.0

maka

4.2. Ukuran Penyebaran

Ukuran tendensi sentral (mean, median, mode) merupakan nilai pewakil dari suatu
distribusi frekuensi, tetapi ukuran tersebut tidak memberikan gambaran informasi yang
lengkap mengenai bagaimana penyebaran data pengamatan terhadap nilai sentralnya.
Ukuran tendensi sentral saja tidak cukup untuk menggambarkan distribusi frekuensi.
Selain itu kita harus memiliki ukuran persebaran data pengamatan.

Ukuran penyebaran (Measures of Dispersion) atau ukuran keragaman pengamatan dari

nilai rata-ratanya disebut simpangan (deviation/dispersi).

Beberapa Ukuran penyebaran diantaranya :

 jangkauan/rentang (range),

 Simpangan Kuartil

 Varian dan standar deviasi (Simpangan baku)

Ukuran penyebaran mencakup data:
a. Ungrouped data, yaitu data yang belum dikelompokkan (data tunggal)
b. Grouped data, yaitu data yang telah dikelompokkan. Untuk menghitung ukuran pemusatan
pada data yang telah dikelompokkan, digunakan tabel distribusi frekuensi

 Jangkauan (Range)
Ukuran penyebaran yang paling sederhana adalah Range (Jangkauan/Rentang,

terkadang di beberapa literatur diterjemahkan dengan istilah wilayah). Range dari suatu
kelompok data pengamatan adalah selisih antara nilai minimum dan maksimum.

Range = nilai maksimum−nilai minimum

Contoh :
Berikut ini adalah nilai Quiz ke-1 dan ke-2 Matakuliah Statistik. Tentukan Range untuk masing-
masing Quiz. Apa kesimpulan Anda?

Quiz ke-1: 1 20 20 20 20 20 20 20 20 20 20
Quiz ke-2: 2 3 4 5 6 14 15 16 17 18 19

Jawab:
Quiz 1: range = 20-1 = 19

Quiz 2: range = 19-2 = 17

Kesimpulan:

Quiz ke-1 lebih bervariasi di banding Quiz 2 karena nilai range Quiz 1 > Quiz 2. Bandingkan
dengan kesimpulan yang diperoleh dengan menggunakan simpangan kuartil dan Standar
deviasi.

Kelemahan lain dari Range adalah tidak menggambarkan sebaran data terhadap nilai
pusatnya.

Contoh :
Tentukan Mean dan Range dari kedua Varietas padi berikut

Varietas I : 45 42 42 41 40
Varietas III : 45 40 44 41 40

Kesimpulan apa yang bisa Anda tarik berdasarkan nilai mean (rata-rata) dan range-nya?

Jawab:
Varietas I: Mean = 42; range = 5
Varietas III: Mean = 42; range = 5
Kesimpulan:
Kedua Varietas, I dan III mempunyai nilai mean dan range yang sama, yaitu mean = 42 dan
range = 5.

Apabila kita hanya menggunakan ukuran range sebagai ukuran penyebaran, pasti kita

mengatakan bahwa keragaman hasil kedua varietas sama. Namun apabila kita perhatikan
bagaimana sebaran data kedua varietas terhadap nilai pusatnya, mungkin kita lebih

memilih Varietas I, karena pada Varietas I sebaran datanya tidak jauh dari nilai pusatnya.

Range hanya memperhitungkan dua nilai, yaitu nilai maksimum dan nilai minimum dan
tidak memperhitungkan semua nilai, sehingga sangat tidak stabil atau tidak dapat

diandalkan sebagai indikator dari ukuran penyebaran. Hal ini terjadi karena range sangat
dipengaruhi oleh nilai-nilai ekstrim. Pada contoh di atas, jika hasil tertinggi varietas I

adalah 60 kg/petak, bukan 45 kg/petak, maka range-nya = 60-40= 20 kg/petak.

 Simpangan kuartil (Quartile Deviation)

Simpangan kuartil dihitung dengan cara menghapus nilai-nilai yang terletak di bawah
kuartil pertama dan nilai-nilai di atas kuartil ketiga, sehingga nilai-nilai ekstrem, baik
yang berada di bawah ataupun di atas distribusi data, dihilangkan.

Simpangan kuartil didapatkan dengan cara menghitung nilai rata-rata dari kedua kuartil
tersebut, Q1 dan Q3.

(𝑄3 − 𝑄2 ) + (𝑄2 − 𝑄1 ) (𝑄3 − 𝑄1 )

=
2 2
Simpangan kuartil lebih stabil dibandingkan dengan Range karena tidak dipengaruhi
oleh nilai ekstrem. Nilai-nilai ekstrim sudah dihapus. Meskipun demikian, sama seperti
Range, simpangan kuartil juga tetap tidak memperhatikan dan memperhitungkan
penyimpangan semua gugus datanya. Simpangan kuartil hanya memperhitungkan nilai
pada kuartil pertama dan kuartil ketiga saja.

Contoh :

Berikut ini adalah nilai Quiz ke-1 dan ke-2 Matakuliah Statistik. Tentukan letak dari kuartil
tersebut dan terakhir tentukan nilai kuartilnya.

Quiz ke-1: 1 20 20 20 20 20 20 20 20 20 20
Quiz ke-2: 2 3 4 5 6 14 15 16 17 18 19

Jawab :

1 2 3 4 5 6 7 8 9 10 11

Quiz 1: 1 20 20 20 20 20 20 20 20 20 20
Quiz 2: 2 3 4 5 6 14 15 16 17 18 19
n = 11
𝑖
𝐿𝑒𝑡𝑎𝑘𝑄𝑖 = (𝑛 + 1)
4

Quiz 1:
 Letak Q1 = ¼(11+1) = 3 sehingga nilai Q1 adalah data yang terletak pada urutan ke-3, yaitu 20
 Letak Q3 = ¾(11+1) = 9 sehingga nilai Q1 adalah data yang terletak pada urutan ke-9, yaitu 20

(𝑄3 − 𝑄1 ) (20 − 20)

𝑠𝑖𝑚𝑝𝑎𝑛𝑔𝑎𝑛𝑘𝑢𝑎𝑟𝑡𝑖𝑙 = = =0
2 2

Quiz 2:

 Letak Q1 = ¼(11+1) = 3 sehingga nilai Q1 adalah data yang terletak pada urutan ke-3, yaitu 5
 Letak Q3 = ¾(11+1) = 9 sehingga nilai Q1 adalah data yang terletak pada urutan ke-3, yaitu 17

(𝑄3 − 𝑄1 ) (17 − 5)
𝑠𝑖𝑚𝑝𝑎𝑛𝑔𝑎𝑛𝑘𝑢𝑎𝑟𝑡𝑖𝑙 = = =6
2 2

Kesimpulan:

Berdasarkan simpangan kuartil, Quiz ke-2 lebih bervariasi dibandingkan dengan Quiz ke-1.
(kesimpulannya berbeda dengan kesimpulan berdasarkan range)
  Varian dan standar deviasi

Varian dan standar deviasi (simpangan baku) adalah ukuran-ukuran keragaman (variasi) data
statistik yang paling sering digunakan. Standar deviasi (simpangan baku) merupakan akar
kuadrat dari varian.

A. Varians dan Standar Deviasi pada Data Tunggal (Ungrouped data)

atau

Nilai varian (s2) yang dihasilkan merupakan nilai yang berbentuk kuadrat sehingga standar deviasi
(simpangan baku) adalah ;

Keterangan:
s2 = varian
s = standar deviasi (simpangan baku)
xi = nilai x ke-i
= rata-rata
n = ukuran sampel

Contoh

Misalkan dalam suatu kelas, tinggi badan beberapa orang siswa yang dijadikan sampel adalah
sebagai berikut.

172, 167, 180, 170, 169, 160, 175, 165, 173, 170

Dari data tersebut diketahui bahwa jumlah data (n) = 10, dan (n - 1) = 9. Selanjutnya dapat
dihitung komponen untuk rumus varian.
Dari tabel tersebut dapat ketahui:

atau Dengan demikian, jika dimasukkan ke dalam rumus varian, maka hasilnya adalah sebagai
berikut.

Dari nilai tersebut bisa langsung diperoleh nilai standar deviasi (simpangan baku) dengan cara
mengakarkuadratkan nilai varian.

Atau dengan pmenggunakan rata-rata

Sehingga

Sedangkan standar deviasi adalah akar kuadrat dari varian tersebut.

B. Varians dan Standar Deviasi pada Data Berkelompok (Grouped data)

Rumus varian dan standar deviasi data berkelompok

𝑘 2 (Σ𝑓𝑖 𝑥𝑖 )2
∑ 𝑓𝑖 (𝑥𝑖 − 𝑥)2 √Σ𝑓𝑖 𝑥𝑖 −
𝑛
𝑠 = √ 𝑖=1 atau 𝑠 =
𝑛−1 𝑛−1

Dimana 𝑥𝑖 = 𝑛𝑖𝑙𝑎𝑖 𝑡𝑒𝑛𝑔𝑎ℎ

Contoh :

Misalnya diberikan data seperti pada contoh penghitungan pada artikel Rata-rata
Data Berkelompok, yaitu:

Frekuensi (
Tinggi Badan
fi)
151 - 155 3

156 - 160 4

161 - 165 4

166 - 170 5

171 - 175 3

176 - 180 2

Jawab:

Tinggi Badan xi fi (fixi) (fixi2)

151 - 155 153 3 459 70277

156 - 160 158 4 632 99856

161 - 165 163 4 652 106276

166 - 170 168 5 840 141120

Tinggi Badan xi fi (fixi) (fixi2)
171 - 175 173 3 519 89787

176 - 180 178 2 356 63368

Jumlah 21 3458 570634

2 (Σ𝑓𝑖 𝑥𝑖 )2 (3458)2
√Σ𝑓𝑖 𝑥𝑖 − √ (570634) −
𝑠2 = 𝑛 = 21 = 60.83
𝑛−1 21 − 1

𝑠 = √60.83 = 7.83