PEMUSATAN DATA

Dari potongan artikel di atas, kita dapat menemukan istilah rata-rata yang
digunakan untuk mengukur laju pertumbuhan ekonomi Indonesia. Apakah

Pengukuran Pusat Data 13

yang dimaksud dengan rata-rata dan bagaimanakah kita dapat
menyimpulkan satu nilai rata-rata punya makna sehingga dapat dijadikan
dasar bagi pengamblan keputusan? Pada Bab ini, kita akan belajar tentang
rata-rata dan pengukuran yang lazim digunakan dalam melihat sebuah data.

2.1. Rata-Rata Sebagai Pusat Data

Rata-rata adalah ukuran yang paling banyak dipakai dalam melihat kualitas
sebuah data. Misalnya, jika rata-rata nilai statistik mahasiswa kelas pajak
adalah 85 dalam rentang 0 − 100, dengan cepat orang dapat menyimpulkan
bahwa rata-rata nilai mahasiswa tinggi. Sebaliknya, jika rata-rata adalah 65
dengan cepat pula orang dapat menarik kesimpulan bahwa nilai mahasiswa
tidak bagus. Namun, benarkah demikian?
Rata-rata adalah nilai yang didapat dari penjumlahan seluruh nilai dibagi
dengan banyak nilai. Misalnya, ada lima mahasiswa dengan nilai berturut-
turut yaitu:
55 60 80 100 100
maka rata-rata adalah hasil penjumlahan dari
56 + 60 + 80+ 100 + 100 = 396
dan kemudian dibagi 5
sehingga didapatkan rata-rata = 79
Jika kita lihat nilai rata-rata yang kita dapatkan, maka nilainya adalah jauh
lebih tinggi dari dari 2 nilai pertama. Artinya, rata-rata naik karena ada dua
nilai yang sangat tinggi, yaitu nilai ke 4 dan nilai ke 5. Apa yang dapat kita
simpulkan dari fenomena tersebut?
Rata-rata sebagai sebuah ukuran ternyata sangat sensitif terhadap nilai-nilai
yang ada, baik sebelum maupun sesudahnya. Nilai yang rendah sekali
(ekstrim kiri) akan menarik rata-rata turun ke bawah, sebaliknya nilai-nilai

14 Pengukuran Pusat Data

yang tinggi sekali (ekstrim kanan) akan menarik rata-rata naik ke atas. Oleh
karena itu, untuk menilai kualitas sebuah data kita perlu memperhatikan
keberadaan nilai-nilai ekstrim ini. Sebuah rata-rata dapat digunakan sebagai
sebuah ukuran yang baik apabila nilai-nilai yang ada tersebar di sekitar rata-
rata. Pengukuran yang bersifat agregatif (menghimpun dan membagi
dengan seluruh nilai), seperti pengukuran pendapatan per kapita atau
pertumbuhan ekonomi tentu tidak cukup dijadikan sebagai suatu ukuran
tunggal dalam menilai keadaan ekonomi suatu negara. Hal ini karena baik
pertumbuhan ekonomi dan pendapatan per kapita semata menghimpun
seluruh nilai dan membagi dengan banyak penduduk atau komponen lain,
tanpa mempertimbangkan keberadaan nilai ekstrim, seperti orang yang
berpendapatan sangat tinggi dan orang berpendapatan sangat rendah. Oleh
karena itu, pendapatan per kapita perlu disandingkan dengan indikator yang
lebih mikro, seperti angka pengangguran, pembukaan lapangan kerja, dan
indeks daya beli masyarakat.

2.2 . Rata-Rata Aritmatik

Rata-rata aritmatik didapat dengan menjumlahkan seluruh data dan
kemudian membaginya dengan banyak data. Pada data tidak berkelompok
nilai rata-rata dapat dicari dengan rumus berikut ini.
1
𝑋̅ = 𝑛 ( x1 + x2 + x3 + …..+ xn )
Dalam notasi sigma ditulis seperti di bawah ini:

𝑛
1
𝑋̅ = ∑ 𝑥𝑖
𝑛
𝑖=1

Pengukuran Pusat Data 15

Misalnya, data di bawah ini adalah jumlah pegawai wanita di 5 perusahaan
yang berdomisili di kota Bogor.
PEGAWAI
NO PERUSAHAAN WANITA
1 PT Abdi Karya 456
2 PT Sartika 545
3 PT Farhan Sejahtera 360
4 PT Ghalia Indonesia 500
5 PT Sejahtera 379
2240

Rata-rata jumlah pegawai wanita pada kelima perusahaan tersebut adalah:

456 + 545 + 360 + 500 + 379

5
= 2240/5 = 448

2.3. Rata-Rata Geometrik

Seringkali data yang kita miliki adalah data-data berbentuk persentase atau
rasio. Misalnya, data bunga tabungan atau imbal hasil investasi. Untuk data
yang demikian akan lebih tepat apabila kita menggunakan rata-rata
geometrik. Rumus menentukan rata-rata geometrik adalah sebagai berikut.

𝑛
G = √𝑋1 𝑥 𝑋2 𝑥 … 𝑋𝑛
G = rata-rata geometric
X1 , X 2 ...xn = adalah data
n = banyak data

16 Pengukuran Pusat Data

Jika data banyak dan nilainya besar, penggunaan rumus di atas akan menjadi
tidak efisien. Oleh karena itu, jika jumlah data banyak dan angkanya besar
dapat digunakan rumus berikut

𝑛
1
𝐿𝑜𝑔 (𝐺) = ∑ log(𝑥𝑖)
𝑛
𝑖=1

Contoh 1: Berikut ini adalah bunga deposito 5 bank.

Bunga Deposito
NO Bank (%)
1 Bank Mandiri 6.5
2 Bank BCA 6.25
3 Bank BRI 6
4 Bank BNI 5.75
5 Bank Permata 6.75

Dengan cara biasa, rata-rata geometrik dapat dicari sebagai berikut.

5
√6.5 𝑥 6.25 𝑥 6 𝑥 5.75 𝑥 6.75

5
√9460546875

= 6.24

Dengan demikian, rata-rata bunga deposito dari ke 5 bank tersebut adalah

6,24% per tahun.

Pengukuran Pusat Data 17

Dengan cara logaritma:

log( 6.5) + Log(6.25) + Log (6) + 𝐿𝑜𝑔 (5.75) + 𝐿𝑜𝑔 (6.75

𝐿𝑜𝑔 (𝐺): =
5
0,812913 + 0,79588 + 0,778151 + 0,759668 + 0,829304
=
5

0.795183
G = 10 = G = 6.24

Penggunaan rata-rata geometrik bisa lebih baik dari rata-rata aritmatik,

terutama jika kita ingin melihat pengaruh dari perbedaan data yang
mengindikasikan ketimpangan, seperti pengukuran indeks persepsi korupsi,
indeks pembangunan manusia, atau indeks harga konsumen. Jika ada satu
indikator yang rendah, maka indikator yang lebih tinggi tidak bisa menutupi
indikator tersebut. Artinya, kita bisa melihat pengaruh dari adanya indikator
yang lebih rendah terhadap rata-rata.

Indeks persepsi korupsi misalnya dihitung dengan menggunakan angka

indeks untuk 5 variabel yaitu prevalensi, preferensi, severity, akuntabilitas
dan efektivitas. Berikut ini adalah perhitungan rata-rata indeks persepsi
korupsi dengan menggunakan rata-rata aritmatik dan rata-rata geometrik.

18 Pengukuran Pusat Data

 Tabel Simulasi Penghitungan Rata-rata Aritmatik dan Rata-rata
Geometrik pada IndeksPersepsi Korupsi

Prevalensi Preferensi Severity Akuntabilitas Efektivitas Aritmatik Geometrik

3 3 3 3 3 3.00 3.00
2 3 3 3 4 3.00 2.93
2 2 5 3 3 3.00 2.825

Dari hasil penghitungan tersebut terlihat kelemahan dari rata-rata aritmatik.

Rata-rata aritmatik tidak mampu melihat adanya ketimpangan pada indeks
persepsi korupsi. Ada atau tidak adanya ketimpangan, nilai indeks persepsi
korupsi tetap sama. Sebaliknya, rata-rata geometrik lebih peka terhadap
adanya ketimpangan capaian dimensi indeks persepsi korupsi. Semakin
timpang capaian maka semakin rendah rata-rata indeks persepsi korupsinya.

2.4. Rata-Rata Harmoni

Rata-rata harmoni digunakan untuk menjelaskan dua tipe pengukuran yang
berbeda yang bisa dinyatakan dalam bentuk hubungan berkebalikan. Rata-
rata harmoni dihitung dengan resiprokal dari rata-rata aritmatik. Rata-rata
ini bisa diaplikasikan pada data yang berkelompok maupun tidak.
Pemakaian data harmoni banyak diaplikasikan pada data yang berbentuk
rasio atau data yang memuat pencicilan atau outlayer.
Rumus untuk menentukan rata-rata harmoni adalah sebagai berikut.

Pengukuran Pusat Data 19

 𝑛
𝐻=
1
∑𝑛𝑖
𝑥𝑖

H = rata-rata Harmoni
n = banyak data

Contoh
Rasio hutang terhadap pendapatan 5 perusahaan yang bergerak dalam
sektor pertambangan adalah sebagai berikut.
0.11 0.16 0.21 0.22 0.24
Hitunglah rata-rata harmoni dari data di atas!
Rata-rata Harmoni dapat dicari dengan cara sebagai berikut ini.
𝑛
H = 1 1 1 1 1
+ + + +
𝑥1 𝑥2 𝑥3 𝑥4 𝑥5

5
H = 1 1 1 1 1
+ + + +
0.11 0.16 0.21 0.22 0.24

5
H = 28.815

H = 0.173

Salah satu contoh penggunaan rata-rata harmonis adalah untuk menghitung

kecepatan rata-rata.

Misalnya, Claudia mengendarai sepeda motor menuju menuju rumah

sahabatnya yang berjarak 30 km dengan kecepatan 30 km/jam. Ia langsung

20 Pengukuran Pusat Data

balik ke rumahnya ketika ia diberi tahu bahwa sahabatnya itu tidak ada di
rumah. Karena lelah, Claudia mengendarai sepeda motornya lebih pelan
dengan kecepatan 15 km/jam. Hitunglah kecepatan rata-rata sepeda motor
yang dikendarai Claudia?

Jawab
Jika rata-rata yang kita gunakan adalah rata-rata aritmatik, maka kecepatan
30+15
rata-rata berkendara Claudia adalah = 22.5 km/jam. Sebenarnya,
2
nilai rata-rata ini bias karena tidak menggambarkan rata-rata yang
sebenarnya. Mengapa demikian?

Kita tahu bahwa jarak 30 km ditempuh dengan kecepatan 30 km/jam.

Berarti, untuk sampai di kota sahabatnya Claudia memerlukan waktu 1 jam.
Sedangkan perjalanan pulang akan memerlukan waktu 2 jam karena Claudia
berkendara lebih pelan, yaitu 15 km/jam. Dengan demikian, lama
perjalanan adalah 3 jam. Jika dimasukkan dalam rumus:

𝐽𝑎𝑟𝑎𝑘 60
𝑊𝑎𝑘𝑡𝑢 =
𝑘𝑒𝑐𝑒𝑝𝑎𝑡𝑎𝑛
. 3=
𝑘𝑒𝑐𝑒𝑝𝑎𝑡𝑎𝑛

Maka, kecepatan harusnya adalah 20 km/jam dan bukan 22.5 km/jam

Dengan menggunakan rata-rata harmoni, kita dapatkan perhitungan yang
lebih tepat. Kita lihat caranya di bawah ini.

2 2
H= 1 1 H= 3 = 20
+ +
30 15 30

Dengan menggunakan rata-rata harmoni, kecepatan rata-rata menjadi lebih

tepat dibandingkan dengan menggunakan rata-rata aritmatik.

Pengukuran Pusat Data 21

Di atas juga sudah disinggung bahwa rata-rata harmoni sangat baik
digunakan pada data yang mengandung pencilan atau outlier. Misalnya, ada
data seperti berikut ini.
5, 6, 6, 50, 4, 5, 6, 7
Data 50 adalah pencilan atau outlier, karena berbeda sangat jauh dengan
data lain. Jika kita menghitung rata-rata aritmatik data tersebut, maka hasil
yang kita dapatkan adalah adalah 11,25. Rata-rata tersebut tentu kurang
memberikan gambaran keterwakilan data. Namun, apabila kita kita
menggunakan rata-rata harmoni, maka kita akan mendapatkan rata-ratanya
adalah 6,10. Rata-rata ini cukup memberikan gambaran keterwakilan data
bukan?
Dari contoh di atas, kita dapat menyimpulkan bahwa rata-rata harmoni
sangat baik digunakan jika sebagian besar nilai data terdistribusi secara
merata, tetapi terdapat beberapa outlier dengan nilai yang lebih besar secara
signifikan.

2.5. Rata-rata tertimbang

Rata-rata tertimbang adalah rata-rata yang didapat dari pengalian nilai
tertentu pada data yang kemudian dijumlahkan dan dibagi dengan banyak
data. Nilai tertentu tersebut kita sebut sebagai timbangan. Misalnya, jika di
satu kantor terdapat jabatan menejer, supervisor dan pegawai. Setiap
jabatan yang sama memperoleh jumlah gaji yang sama. Maka, jika kita ingin
mengetahui rata-rata gaji mereka, kita perlu terlebih dahulu mengetahui
jumlah orang pada masing-masing jabatan. Dalam hal ini, orang kita anggap
sebagai timbangan.
Contoh

22 Pengukuran Pusat Data

Dirjen pajak ingin memberikan pelayanan sebaik-baiknya kepada
masyarakat, yaitu dengan cara mendirikan kantor pelayanan pajak yang
mudah dijangkau oleh masyarakat. Misalnya, saat ini ada 5 kelurahan yang
saling berdekatan yang punya potensi pembayaran pajak yang besar, faktor
apakah yang menjadi pertimbangan penting dalam menetapkan lokasi
kantor pajak itu dibangun? Tentu saja setiap kelurahan sudah memiliki
koordinat masing-masing di peta wilayah. Oleh karena itu, faktor penting
yang harus dijadikan timbangan adalah jumlah penduduk di masing-masing
kelurahan.

KOORDINAT
NO KELURAHAN X Y PENDUDUK
1 SIAGA 20 20 200
2 DUREN TIGA 35 40 300
3 PETOJO 15 60 400
4 KRAMAT 50 45 350
5 SENEN 10 35 234

Dari data di atas, jika dirjen pajak ingin memastikan di titik mana sebaiknya
kantor pajak di bangun maka ia akan melakukan penghitungan sebagai
berikut.

Pengukuran Pusat Data 23

 KOORDINAT
NO KELURAHAN X Y PENDUDUK XP YP
1 SIAGA 20 20 200 4000 4000
2 DUREN TIGA 35 40 300 10500 12000
3 PETOJO 15 60 400 6000 24000
4 KRAMAT 50 45 350 17500 15750
5 SENEN 10 35 234 2340 8190
1,484 40,340 63,940

40340
Maka akan didapat koordinat X adalah = = 27.2 dan Y =
1484
63940
= 43.1
1484
Maka, koordinat ideal dimana kantor pajak tersebut dibangun adalah pada
titik (27.2, 43.1).

2.6. Rata-Rata Aritmatik pada Data Berkelompok

Pada data berkelompok, hal yang harus diperhatikan sebelum mencari rata-
rata adalah memastikan bahwa semua data telah tersaji dalam interval dan
kelas yang memuat semua data dari yang terkecil sampai yang terbesar.
Langkah kedua adalah menghitung frekuensi masing-masing kelas dan nilai
tengahnya. Jika semua telah tersedia, maka rata-rata aritmatik data
berkelompok dapat dicari dengan rumus sebagai berikut.
𝑓𝑀
𝑥̅ =
𝑛
Dimana
f = frekuensi interval
M = nilai tengah kelas

24 Pengukuran Pusat Data

 n = banyak data
Contoh
Hitunglah rata-rata dari data berikut ini!

USIA JUMLAH

20 − 24 12

25 − 29 22

30 − 34 28

35 − 39 11

Kita dapat menghitung rata-rata dengan terlebih dahulu mencari nilai

tengah setiap interval dan kemudian mengalikannya dengan frekuensi. Hasil
perkalian inilah kemudian yang dibagi dengan banyak data untuk
mendapatkan nilai rata-rata.
Penyelesaian.

Nilai Tengah
Usia Jumlah (f) fx M
(M)

20 − 24 12 22 264

25 − 29 22 27 594

30 − 34 28 32 896

35 − 39 11 37 407

73 2,161

Pengukuran Pusat Data 25

 𝑓𝑀 2161
Maka rata-rata adalah 𝑥̅ = 𝑥̅ = 73
= 29.60
𝑛
Rata-rata pada data berkelompok dapat pula dicari dengan cara arbiter. Cara
arbiter adalah cara mencari rata-rata dengan menetapkan salah satu nilai
titik tengah salah satu interval (M) sebagai rata-rata sementara. Pada cara ini,
kita harus menetapkan deviasi = 0 pada nilai yang kita jadikan sebagai rata-
rata sementara. Di atas (sebelum) deviasi 0, akan diberi tanda negatif dan di
bawah (sesudah) deviasi 0 akan diberi tanda positif.
Rumus yang digunakan pada cara arbiter adalah sebagai berikut.

𝑓.d
𝑥̅ =A+
𝑁

Dimana 𝑥̅ = rata-rata
A = rata-rata sementara
d = deviasi
N = banyak data (total frekuensi)

Berdasarkan tabel di atas kita buat rata-rata sementara adalah 32 maka di

tabel akan muncul seperti ini.
Jumlah
Usia M d fxd
(f )

20-24 12 22 -10 -120

25-29 22 27 -5 -110

30-34 28 32 0 0

35-39 11 37 5 55
73 -175

26 Pengukuran Pusat Data

Maka kita bisa mendapatkan rata-rata sebagai berikut.

𝑓.d
𝑥̅ = A+
𝑁
−175
𝑥̅ = 32 +
73

𝑥̅ = 32 + -2,40

𝑥̅ = 29.60

2. 7. Median
Median adalah nilai yang berada di tengah-tengah pada sebuah distribusi
data yang telah disusun dari data terkecil sampai data terbesar. Jika data
berjumlah genap maka median adalah hasil penjumlahan dua nilai di tengah
dan dibagi dengan 2. Median memiliki sifat unik karena tidak terpengaruh
dengan nilai-nilai ekstrim baik yang ada di bawah maupun di atas. Artinya,
nilai median yang sama belum tentu menunjukkan distribusi data yang yang
sama pula.
Contoh
2 6 8 10 15
4 6 8 20 60
Kedua data di atas memiliki nilai median yang sama, yaitu 8, tetapi bentuk
distribusi kedua data pasti sangat jauh berbeda. Pada data berkelompok
median dapat dicari dengan terlebih dahulu memastikan adanya frekuensi
komulatif dalam tabel distribusi frekuensi. Rumus untuk mencari median
pada data berkelompok adalah sebagai berikut.

Pengukuran Pusat Data 27

 𝑛
−𝑓𝑐
Med = b+ 2
𝑥𝑖
𝐹
b = batas bawah kelas median
n = banyak data
fc = Frekuensi komulatif sebelum kelas median
F = frekuensi kelas median
i = interval kelas

Contoh
Jumlah
Usia Komulatif
(f)

20-24 12 12

25-29 22 34

30-34 29 63 Kelas Median

35-39 11 74

74

Untuk mendapatkan median dari data di atas, maka data harus dibagi dua
terlebih dahulu dan kita dapatkan 74/2 = 37. Nilai ke 37 terdapat pada
frekuensi komulatif 63 karena frekuensi komulatif di atasnya 34 masih
lebih kecil dari 37. Dengan demikian, kita bisa langsung mengetahui kelas
interval median yaitu ( 30−34 ) dengan frekuensi 29, batas bawahnya adalah
30, dan interval sama dengan 5
Diketahui
n = 74
n/2 = 37 ada pada komulatif ke 64
28 Pengukuran Pusat Data
fc = 34 frekuensi komulatif sebelum kelas median
F = 29 . frekuensi kelas median
b = 30 batas bawah kelas median

𝑛
2
−𝑓𝑐
. Med = b+ 𝑥𝑖
𝐹
74
2
−34
Med = 30 + 𝑥5
29
15
Med = 30 + 29

Med = 30 + 0.52
Med = 30,52

2.8. Modus
Dalam satu distribusi data biasanya ada data yang muncul lebih banyak dari
data yang lain. Dalam ilmu statistik disebut sebagai ukuran yang paling
sering muncul dan disebut sebagai modus. Modus dalam satu distribusi data
bisa lebih dari satu nilai, bahkan bisa tidak ada sama sekali. Pada data tidak
berkelompok, modus bisa langsung ditemukan dengan melihat data dan
melihat ukuran yang muncul lebih banyak dibandingkan dengan ukuran
yang lain
Contoh 2 4 5 5 5 6 7 8

Dengan cepat kita bisa langsung mengatakan 5 sebagai modus.

Pada data berkelompok, modus dapat dicari dengan rumus sebagai berikut
𝑏1
Modus = b + 𝑥𝑖
𝑏1+𝑏2

Pengukuran Pusat Data 29

b = Batas bawah kelas modus
b1 = Selisih frekuensi kelas modus dengan frekuensi kelas
sebelum modus
b2 = Selisih frekuensi kelas modus dengan frekuensi kelas setelah
modus
i = interval kelas

Contoh
Jumlah
Usia
(f)

20-24 12

25-29 22
Kelas Modus
30-34 29

35-39 11

74

b = 30
b1 = 29-22 =7
b2 = 29-11 = 18
i = 5
𝑏1
Mod = b + 𝑏1+𝑏2
𝑥𝑖

Mod = 30 + 7+18
7
𝑥5

30 Pengukuran Pusat Data

 35
Mod = 30 +
25

Mod = 31.4

2.9. Quartil, Desil dan Persentil

Untuk mengetahui fenomena-fenomena yang ada pada data, maka data
dapat dibagi atas bagian-bagian yang terdiri dari 4, 10 dan 100 bagian.
Pembagian atas 4 bagian sama besar disebut quartil, Pembagian atas 10
bagian disebut desil dan pembagian atas 100 bagian disebut persentil.
Quartil membagi data atas empat bagian sama besar atau masing masing
kuartil memuat 25% data. Pada data tidak berkelompok, quartil dapat dicari
dengan menentukan terlebih dahulu posisi quartil dalam distribusi data
dengan rumus berikut ini.

𝑖(𝑛+1)
Q =
4
Q = Quartil
I = 1..2…3…4
N = Banyak data
Contoh Data
35 20 25 65 40 55 50 30 45 60
70 75 80
Tentukanlah quartil pertama dan ketiga!

Data disusun menjadi:

20 25 30 35 40 45 50 55 60 65
70 75 80

Pengukuran Pusat Data 31

 𝑖(𝑛+1) 1(13+1)
Q1 = Q1 = = 14/4
4 4
= 3,5
𝑋3+𝑋4
Artinya, Q1 ada pada data urutan ke 3,5 yaitu antara
2
30+35 65
= 32.5
2 2
𝑖(𝑛+1) 3(13+1)
Q3 = = = 42/4 = 10.5
4 4
𝑋10+𝑋11
Artinya Q3 ada pada data ke 10.5 yaitu antara
2
65+70
= 67,5
2

Pada data berkelompok, quartil dapat dicari dengan cara yang sama dengan
cara kita mencari median. Perbedaanya hanya pada angka pembagi yaitu
menjadi angka 4.
Contoh
Jumlah
Kelas Komulatif Q1 jatuh pada kelas 31-40
(f) karena komulatif frekuensi
48/4 = 12 ada pada interval
21-30 6 6
tersebut
31-40 12 18 Q1
41-50 15 33 Q3 jatuh pada interval 51-60
karena komulatif frekuensi 3
51-60 9 42 Q3
(48)/4 = 36 ada pada interval
60-61 6 48 tersebut

48

𝑛
−𝑓𝑐
Q1 = b+ 4
𝑥𝑖
𝐹

32 Pengukuran Pusat Data

 48
−6
Q1 = 31 + 4
12
𝑥 10

= 31 + 5
= 36

3(𝑛)
−𝑓𝑐
Q3 = b+ 4
𝑥𝑖
𝐹
3(48)
−33
51 + 4
𝑥10
9

= 51 + 30/9
= 53.3

Desil
Desil adalah pembagian data atas 10 bagian. Pada data tidak berkelompok,
desil diperoleh dengan cara yang sama dengan cara kita mencari quartil,
tetapi membagi data dengan 10.
Contoh: 20 25 30 35 40 45 50 55
60 65 70 75 80
Carilah desil ketiga dan ketujuh dari data di atas!
Jawab

3(𝑛+1)
D3 =
10
3(13+1)
=
10
= 4.2
Data ke 4 + 0.2 X (data ke 5 - data ke 4)

Pengukuran Pusat Data 33

Data ke 4 adalah 35 + 0.2 (X5-X4)

D3 = 35 + 0.2 ( 40-35)

D3 = 36

7(13+1)
D7 =
10
98
D7 = === 9.8
10

Data ke 9 + 0.8 ( X10-X9)

60 + 0.8 ( 65-60)
60 + 4
64
Pada data berkelompok, cara mencari desil sama dengan cara mencari
median dan quartil. Perbedaannya hanya pada pembagi banyak data yaitu
menjadi 10.
Rumusnya menjadi:

1(𝑛)
−𝑓𝑐
10
D = b+ 𝑥𝑖
𝐹

34 Pengukuran Pusat Data

Contoh: Carilah desil ke 7 dari data berikut

Kelas Jumlah (f) Komulatif

21-30 6 6
31-40 12 18
41-50 15 33
51-60 9 42
60-61 6 48
48

7(𝑛)
−𝑓𝑐
10
D7 = b+ 𝑥𝑖
𝐹
51 +
33,6−33
= 𝑥10
9

= 51.6

Desil ke 7 didapat dari 7 (48)/10 = 33.6, berarti berada pada komulatif ke

42 dengan kelas interval (51 – 60) Frekuensi komulatif sebelum kelas desil
ke 7 adalah 33 dan frekuensi kelas desil ke 7 adalah 9.

Persentil
Persentil membagi data atas 100 bagian. Pada data tidak berkelompok,
rumus mencari persentil sama dengan rumus mencari median, quartil, dan
desil. Perbedaanya hanya pada bilangan pembagi banyak data menjadi 100.
Contoh; Hitunglah persentil ke 20 dan persentil ke 75 dari data berikut!

34 38 43 43 45 48 48 51 51 56
58 58
Pengukuran Pusat Data 35
Penyelesaian
20(𝑛+1)
Persentil ke 20 =
100
20(12+1) 260
=  = 2,6
100 100

= data ke 2 + 0.6 ( X3 - X2)

= 38 + 0.2 (43-38)
= 38 + 1
= 39
Persentil ke 75
75(𝑛+1)
Persentil ke 75 =
100
75(12+1) 975
=  = 9,75
100 100

= data ke 9 + 0.75 ( X10- X9)

= 51 + 0.75 (56-51)
= 51 + 3,75
= 54,75

Pada data berkelompok, persentil juga dapat dicari dengan cara yang sama
dengan mencari median, quartil dan desil. Perbedaanya adalah pada angka
pembagi banyak data menjadi 100.
Contoh: Carilah persentil ke 20 dan persentil ke 75 dari data berikut ini

36 Pengukuran Pusat Data

 Jumlah
Kelas Komulatif
(f)

21-30 6 6

31-40 12 18

41-50 15 33

51-60 9 42

61-70 6 48

48

20(𝑛)
−𝑓𝑐
P20 = b+ 100
𝑥𝑖
𝐹
9,6−6
P20 = 31 + 𝑥10
12

P20 = 34

Persentil l ke 20 didapat dari 20 (48)/100 = 9,6 yang menunjukkan interval

kelas persentil ada pada komulatif ke 18. Frekuensi komulatif sebelum kelas
persentil ke 20 adalah 6. Kelas interval persentil ke 20 adalah kelas interval
( 31− 40 ) dengan frekuensi 12.

75(𝑛)
−𝑓𝑐
100
Persentil ke 75 = 51 + 𝑥𝑖
𝐹
36−33
= 51 + 𝑥10
9
= 54,33
Pengukuran Pusat Data 37
Persentil l ke 75 didapat dari 75 (48)/100 = 36 yang menunjukkan interval
kelas persentil ada pada komulatif ke 42. Frekuensi komulatif sebelum kelas
persentil ke 75 adalah 33. Kelas interval persentil ke 75 adalah kelas
interval (51 − 60) dengan frekuensi 9.

2.10. Hubungan Rata-Rata, Median dan Modus

Dalam sebuah distribusi, kedudukan rata-rata , median, dan modus akan

mempengaruhi bentuk distribusi data. Apabila nilai rata-rata, median dan
modus sama, maka distribusi menjadi simetris. Jika nilainya berbeda, maka
distribusi akan condong ke kiri atau ke kanan.

Jika nilai rata-rata, median dan modus sama, maka distribusi data akan
berbentuk kurva normal simetris seperti gambar di bawah ini

Rata-rata = median = modus

Pada distribusi yang condong positif, maka modus merupakan nilai yang
tertinggi karena mempunyai frekuensi yang paling besar , tetapi median dan
rata-rata bergerak ke arah kanan sehingga hubungan ketiganya dapat
dijelaskan sebagai berikut.

38 Pengukuran Pusat Data

 Rata-rata > median > modus

Pada distribusi yang menceng ( condong) ke kiri atau negatif, modus masih
merupakan nilai yang mempunyai frekuensi tertinggi sementara median dan
rata-rata bergerak ke kiri. Hubungan ketiganya dapat digambarkan seperti
kurva di bawah ini

Rata-rata < median < modus

Pengukuran Pusat Data 39

 LATIHAN BAB 2
A. Jawablah pertanyaan di bawah ini!
1. Jelaskanlah kelemahan rata-rata sebagai ukuran pusat data!
2. Dalam hal apakaha rata-rata harmoni lebih baik digunakan ketika
menghitung rata-rata dari sebuah data?
3. Apakah kesulitan yang muncul dalam menghitung rata-rata geometrik
dengan cara biasa?
4. Apakah yang dimaksud dengan median? Jelaskan kelemahan median
sebagai ukuran pusat data?
5. Jelaskan pengertian modus dan sifat unik modus dalam satu distribusi
data!
B. Selesaikanlah soal-soal berikut ini!

1. Carilah rata-rata aritmatik dari data berikut!

a. 80, 45, 35, 75 85 40, 60 65 50 50

55 37

b. 15 20 23 23 10 8 9 17 17 16

12

c. 90 87 88 75 93 98 74 67 71

2. Carilah rata-rata harmoni dari data berikut ini!

a 0.3 0,1 0,2 0,5

b. 6% 7.5% 8% 12% 3%

40 Pengukuran Pusat Data

 c. 1/3 1/8 5/10 3/4

3. Carilah rata-rata geometrik dari data di bawah ini:

a. 6.4 7,1 2.3 4.5 dengan cara biasa!

b 3,5 4,1 2,8 3.0 Dengan cara Log!

4. Tentukanlah Q1, D2 dan P50 dari dua data berikut ini!

NILAI FREKUENSI
35 – 39 4
40 – 44 12
45 – 49 20
50 – 54 8
55 – 59 4

NILAI FREKUENSI
0-9 3
10 - 19 8
20 - 29 18
30 - 39 12
40 - 49 7

4. Perhatikan 2 tabel distribusi frekuensi di bawah ini! Kemudian,

hitunglah rata-rata dengan cara biasa dan cara arbiter!

Pengukuran Pusat Data 41

 NILAI FREKUENSI
35 – 39 4
40 – 44 12
45 – 49 20
50 – 54 8
55 – 59 4

NILAI FREKUENSI
0-9 3
10.- 19 8
20 - 29 18
30 - 39 12
40 - 49 7

42 Pengukuran Pusat Data