STATISTIK

DESKRIPTIF
- Pengertian statistik deskriptif
- Tujuan statistik deksriptif
- Macam-macam statistic dsktiptif
- Macam-macam pengumpulan dan
penyajian data
- Normalitas dan homogenitas data
- Ukuran tendensi sentral
Pengertian statistik deskriptif
Metode-metode yang (Tanpa analisis, tanpa
berkaitan dengan generalisasi, tanpa pengujian
pengumpulan dan hipotesis, dan hanya melakukan
penyajian suatu gugus perhitungan-perhitungan saja)
data sehingga Disajikan dalam bentuk tabel
memberikan informasi distribusi frekuensi (mean,
modus, median), bar-diagram,
yang berguna histogram, polygon, dll
Tujuan statistik deskriptif
Memberikan informasi mengenai data yang dipunyai dan sama
sekali tidak menarik inferensia atau kesimpulan
Informasi yang dapat diperoleh dari statistik deskriptif ini antara
lain ukuran pemusatan data, ukuran penyebaran data, serta
kecenderungan suatu gugus data.
Contoh : tabel, diagram, grafik,
DATA

Data adalah sekumpulan datum yang

berisi fakta-fakta serta gambaran suatu
fenomena yang dikumpulkan, dirangkum,
dianalisis dan selanjutnya
diinterpretasikan.

.
 DATA MENURUT SKALA
PENGUKURAN
a. Nominal, sifatnya hanya untuk membedakan antar kelompok.
Contoh: Jenis kelamin,
Jurusan dalam suatu sekolah tinggi
(Manajemen, Akuntansi).

b. Ordinal, selain memiliki sifat nominal, juga menunjukkan peringkat.

Contoh: Tingkat pendidikan (SD, SMP, SMA),
Ranking
DATA MENURUT SKALA
PENGUKURAN (L)
c. Interval, selain memiliki sifat data ordinal, juga memiliki sifat
interval antar observasi dinyatakan dalam unit pengukuran
yang tetap.
Contoh: Nilai Test

d. Rasio, selain memiliki sifat data interval, skala rasio memiliki

angka 0 (nol) dan perbandingan antara dua nilai mempunyai
arti.
Contoh: Temperatur
Berat badan,
JENIS DATA MENURUT SIFATNYA
1. Kualitatif
◦ Berupa label/nama-nama yang digunakan untuk mengidentifikasikan
atribut suatu elemen
◦ Skala pengukuran: Nominal atau Ordinal
◦ Data bisa berupa numeric atau nonnumeric

2. Kuantitatif
◦ Mengindikasikan seberapa banyak (how many/diskret atau how
much/kontinu)
◦ Data selalu numeric
◦ Skala pengukuran: Interval dan Rasio
JENIS DATA MENURUT WAKTU PENGUMPULANNYA
1. Cross-sectional Data
yaitu data yang dikumpulkan pada waktu tertentu yang sama atau hampir
sama
Contoh: Jumlah mahasiswa STEKPI TA 2005/2006,
Jumlah perusahaan go public tahun 2006

2. Time Series Data

yaitu data yang dikumpulkan selama kurun waktu/periode tertentu
Contoh: Pergerakan nilai tukar rupiah dalam 1 bulan,
Produksi Padi Indonesia tahun 1997-2006
 CARA PENYAJIAN DATA
1. Tabel
◦ Tabel satu arah (one-way table)
◦ Tabulasi silang (lebih dari satu arah (two-way table), dst.)
◦ Tabel Distribusi Frekuensi

2. Grafik
◦ Batang (Bar Graph), untuk perbandingan/pertumbuhan
◦ Lingkaran (Pie Chart), untuk melihat perbandingan (dalam
persentase/proporsi)
◦ Grafik Garis (Line Chart), untuk melihat pertumbuhan
◦ Grafik Peta, untuk melihat/menunjukkan lokasi
MANFAAT
TABEL DAN GRAFIK
Meringkas/rekapitulasi data, baik data kualitatis maupun
kuantitatif
◦ Data kualitatif berupa distribusi Frekuensi, frekuensi
relatif, persen distribusi frekuensi, grafik batang, grafik
lingkaran.
◦ Data kuantitatif berupa distribusi frekuensi, relatif
frekuensi dan persen distribusi frekuensi, diagram/plot
titik, histogram, distribusi kumulatif, ogive.
Dapat digunakan untuk melakukan eksplorasi data
Membuat tabulasi silang dan diagram sebaran data
GRAFIK BATANG
(BAR GRAPH)
Bermanfaat untuk merepresentasikan data kuantitatif
maupun kualitatif yang telah dirangkum dalam frekuensi,
frekuensi relatif, atau persen distribusi frekuensi.

Cara:
◦ Pada sumbu horisontal diberi label yang menunjukkan
kelas/kelompok.
◦ Frekuensi, frekuensi relatif, maupun persen frekuensi
dinyatakan dalam sumbu vertikal yang dinyatakan dengan
menggunakan gambar berbentuk batang dengan lebar yang
sama/tetap.
Grafik dari data…

Mapel Rata-rata
Matematika 8,5
Bhs Indonesia 7,2
Bhs Inggris 9,1
I PA 4,8
IPS 6,3
GRAFIK LINGKARAN
(PIE CHART)
Digunakan untuk mempresentasikan distribusi frekuensi
relatif dari data kualitatif maupaun data kuantitatif yagn
telah dikelompokkan.

Cara:
◦ Gambar sebuah lingkaran, kemudian gunakan frekuensi relatif
untuk membagi daerah pada lingkaran menjadi sektor-sektor
yang luasnya sesuai dengan frekuensi relatif tiap
kelas/kelompok.
◦ Contoh, bila total lingkaran adalah 360o maka suatu kelas
dengan frekuensi relatif 0,25 akan membutuhkan daerah
seluas (0,25)(360) = 90o dari total luas lingkaran.
Diagram Lingkaran dari data…

Mapel Rata-rata
Matematika 8,5
Bhs Indonesia 7,2
Bhs Inggris 9,1
I PA 4,8
IPS 6,3
OGIVE
• Merupakan grafik dari distribusi frekuensi kumulatif.
• Nilai data disajikan pada garis horisontal (sumbu-x).
• Pada sumbu vertikal dapat disajikan:
– Frekuensi kumulatif, atau
– Frekuensi relatif kumulatif, atau
– Persen frekuensi kumulatif
• Frekuensi yang digunakan (salah satu diatas)masing-masing kelas
digambarkan sebagai titik.
• Setiap titik dihubungkan oleh garis lurus.
OGIVE
Contoh: Bengkel Hudson Auto

100
Persen frekuensi kumulatif
80

60

40

20
Biaya
($)
50 60 70 80 90 100 110
NORMALITAS DAN HOMOGENITAS DATA
Uji Normalitas Data
Kenapa diperlukan?
Untuk menentukan teknik statistik apa yang akan digunakan?
◦ Data berdistribusi tidak normal → statistik non parametrik (Korelasi Rank Spearman, Korelasi Kendall)
◦ Data berdistribusi normal → statistik parametrik (Korelasi Product Moment/Pearson, Regresi)
Bagaimana caranya? Ada 3 Cara
Dengan melihat hasil nilai skewness yang didapat melalui statistik deskriptif (Data dikatakan
berdistribusi normal jika nilai Skewness di antara:
◦ (-1 ---- +1) atau (-2 --- +2)

Kolmogorov-Smirnov dari menu Analyze > Descriptive Statistics > Explore

Kolmogorov-Smirnov dari menu Analyze > Non parametric test > 1-sample K-S
Kolmogorov-Smirnov dari menu Analyze >
Descriptive Statistics > Explore
Hasilnya
Tests of Normality
a
Kolmogorov-Smirnov Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
TOTALHSL .107 44 .200* .966 44 .372
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction

Jika nilai Sig lebih besar dari 0,05 maka data berdistribusi normal
Jika nilai Sig lebih kecil dari 0,05 maka data tidak berdistribusi normal
Cara lain
Hasilnya
 Tests of Normality
a
Kolmogorov-Smirnov Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
TOTALHSL .107 44 .200* .966 44 Descriptive
.372 Statistics
KINERJA .122 44 .101 .943 44 .048
MOTIVASI .163 44 .005 .889 44 N
.010** Skewness
IKLIM .144 44 .022 .943 44 Statistic
.046 Statistic Std. Error
KOMITMEN .135 44 .042 TOTALHSL
.942 44 .043 44 .686 .357
KEPUASAN .124 44 .088 KINERJA
.946 44 .061 46 -.772 .350
KEPEMIMP .108 44 .200* .930
MOTIVASI 44 .017 46 -1.296 .350
*. This is a lower bound of the true significance. IKLIM 46 -.238 .350
**. This is an upper bound of the true significance. KOMITMEN 46 .026 .350
a. Lilliefors Significance Correction KEPUASAN 46 -.611 .350
KEPEMIMP 46 -.773 .350
Valid N (listwise) 44

One-Sample Kolmogorov-Smirnov Test

TOTALHSL KINERJA MOTIVASI IKLIM KOMITMEN KEPUASAN KEPEMIMP

N 44 46 46 46 46 46 46
Normal Parameters a,b Mean 2641.43 39.67 38.72 41.70 38.17 37.61 35.46
Std. Deviation 1014.71 3.11 5.46 5.62 3.84 4.16 6.60
Most Extreme Absolute .107 .110 .143 .130 .132 .129 .098
Differences Positive .107 .066 .125 .071 .132 .129 .074
Negative -.043 -.110 -.143 -.130 -.096 -.091 -.098
Kolmogorov-Smirnov Z .711 .746 .972 .884 .897 .875 .665
Asymp. Sig. (2-tailed) .693 .634 .301 .416 .397 .429 .769
a. Test distribution is Normal.
b. Calculated from data.
Uji Homogenitas
Homogen → syarat uji statistik inferensial parametrik

Terknik Pengujiannya antara lain:

1. Uji Hartley
2. Uji Bartlett
Uji Hartley
𝑉𝑎𝑟𝑖𝑎𝑛𝑠𝑖 𝑡𝑒𝑟𝑏𝑒𝑠𝑎𝑟
𝐹 𝑚𝑎𝑥 =
𝑉𝑎𝑟𝑖𝑎𝑛𝑠𝑖 𝑡𝑒𝑟𝑏𝑒𝑠𝑎𝑟

Adapun kriteria pengujiannya sebagai berikut:

Terima 𝐻0 jika 𝐹(max )ℎ𝑖𝑡𝑢𝑛𝑔 ≤ 𝐹(max )𝑡𝑎𝑏𝑒𝑙
Tolak 𝐻0 jika 𝐹(max )ℎ𝑖𝑡𝑢𝑛𝑔 > 𝐹(max )𝑡𝑎𝑏𝑒𝑙

𝐻0 menyatakan variansi homogen sedangkan 𝐻1 menyatakan variansi tidak homogen

 Contoh Soal
Skor 4 kelompok hasil uji coba suatu penelitian sebagai berikut:

Kelompok A Kelompok B Kelompok C Kelompok D

25 26 21 28
30 31 29 28
32 38 29 36
36 39 31 37
40 39 37 39

Penyelesaian:

𝐻0 = 𝜎𝐴2 = 𝜎𝐵2 = 𝜎𝐶2 = 𝜎𝐷2

𝐻1 = 𝑡𝑒𝑟𝑑𝑎𝑝𝑎𝑡 𝜎 2 𝑦𝑎𝑛𝑔 𝑡𝑖𝑑𝑎𝑘 𝑠𝑎𝑚𝑎

Lanjutan Penyelesaian:
Berdasarkan data diatas, hitung variansi masing-masing kelompok:

𝑆𝐴2 = 32,8 𝑆𝐶2 = 32,8

𝑆𝐵2 = 34,3 𝑆𝐷2 = 27,3

34,3
𝐹(max )ℎ𝑖𝑡𝑢𝑛𝑔 = = 1,2564
27,3
𝐹(max )𝑡𝑎𝑏𝑒𝑙 = 20,6 (𝑛 − 1 = 4, 𝑘 = 4)

Kesimpulan: 𝐻0 diterima katena 𝐹(max )ℎ𝑖𝑡𝑢𝑛𝑔 < 𝐹(max )𝑡𝑎𝑏𝑒𝑙 yang berarti
keempat kelompok itu homogen
Uji Bartlett
Untuk melakukan pengujian ini kita misalkan sampel berukuran n1, n2, ... , nk
dengan data Yij (i = 1,2,3...,k dan j = 1, 2, 3, ..., nk) dari sampel-sampel itu hitung
variannya.

Dari Populasi Ke
1 2 .... k
𝑌11 𝑌21 ...... 𝑌𝑘1
𝑌12 𝑌22 ...... 𝑌𝑘2
. . .
. . .
𝑌1𝑛1 𝑌2𝑛2 ...... 𝑌𝑘𝑛𝑘
Lanjutan Uji Bartlet
Tabel Penolong Uji Bartlett
H0 = 𝑆12 = 𝑆22 = ⋯ 𝑆𝑘2
Sampel ke db S i2 Log Si2 (db) Log Si2

1
𝑛1 − 1
2 2 2
𝑆1 log 𝑆1 1 log 𝑆1
(𝑛1 − )
2
𝑛2 − 1
2 2
𝑆2 log 𝑆2 𝑆 . 2
. (𝑛2 − 1) log 2
. . . .
.
. . .
k
2
𝑆
(𝑛𝑘 − 1)log 𝑘
2
𝑆𝑘
𝑛𝑘 − 1
2 log
𝑆𝑘
- -
෍
෍ 𝑑𝑏 σ db LogSi2
Lanjutan Uji Bartlett
Dari daftar diatas hitung harga-harga yang diperlukan yaitu:
2
σ 𝑛𝑖 − 1 𝑆𝑖
𝑆2 =
σ 𝑛𝑖 − 1

𝐵 = (log 𝑆 2 ) ෍ 𝑛𝑖 − 1

Untuk uji bartlet gunakan statistik chi-kuadrat dengan

rumus:

𝑋 2 = (ln 10) {𝐵 − ෍ 𝑛𝑖 − 1 log 𝑆𝑖2 }

Lanjutan Uji Bartlett
𝟐 𝟐
Dengan taraf nyata 𝛼, hipotesis ditolak jika 𝑿 ≥ 𝑿𝜶
2
dimana 𝑋 𝛼 didapat dari daftar distribusi chi-kuadrat
dengan 𝑑𝑏 = (𝑘 − 1)
Contoh Soal
Diketahui perbandingan keuangan antara Pemerintah Pusat (X1), Propinsi (X2)
dan Kabupaten/Kota (X3), di wilayah CJDW seperti tabel berikut:

Tabel Nilai Varians

Nilai Jenis Variabel: Perbandingan Keuangan

Varians Pusat Propinsi Kabupaten/Kot
Sampel (X1) (X2) a (X3)

S2 37,934 51,760 45,612

n 65 65 65
Langkah Penyelesaian
Buat tabel uji bartlet

Tabel Uji Bartlet

Sampel db = (𝑛 − 1) 𝑆𝑖2 𝑙𝑜𝑔 𝑆𝑖2 𝑑𝑏 𝑙𝑜𝑔 𝑆𝑖2

1 = (X1) 64 37,934 1,58 101,12

2 = (X2) 64 51,760 1,71 109,44

3 = (X3) 64 45,612 1,66 106,24

Jumlah = 3 - -
෍ 𝑛𝑖 − 1 = 192 ෍ 𝑑𝑏 𝑙𝑜𝑔 𝑆𝑖2 = 316,8
Lanjutan Langkah Penyelesaian

Hitung varians gabungan dari ketiga sampel tersebut

2
𝑛1 . 𝑆12 + 𝑛2 . 𝑆22 + 𝑛3 . 𝑆32
𝑆 =
𝑛1 + 𝑛2 + 𝑛3
64 . 37,934 + 64 . 51,760 + (64 . 45,612)
𝑆2 =
64 + 64 + 64
8659,584
𝑠2 = = 45,102
192
Lanjutan Langkah Penyelesaian

Menghitung 𝑙𝑜𝑔 𝑆 2 = log 45,102 = 1,6542

Menghitung nilai 𝐵 = 𝑙𝑜𝑔 𝑆 2 . σ 𝑛𝑖 − 1 = 1,6542 × 192

= 317,61
2
Menghitung nilai 𝑋ℎ𝑖𝑡𝑢𝑛𝑔 = 𝑙𝑛 10 𝐵 − σ 𝑑𝑏 𝑙𝑜𝑔 𝑆𝑖2

= 2,3 × 317,61 − 316,8 = 1,863

Lanjutan Langkah Penyelesaian
2 2
Bandingkan 𝑋ℎ𝑖𝑡𝑢𝑛𝑔 dengan 𝑋𝑡𝑎𝑏𝑒𝑙 , untuk 𝛼 = 0,05 dan derajat
2
kebebasan (db) = 𝑘 − 1 = 3 − 1 = 2, maka 𝑋𝑡𝑎𝑏𝑒𝑙 = 5,991.
Dengan kriteria pengujian sebagai berikut:
2 2
Jika : 𝑋ℎ𝑖𝑡𝑢𝑛𝑔 ≥ 𝑋𝑡𝑎𝑏𝑒𝑙 , tidak homogen
2 2
Jika: 𝑋ℎ𝑖𝑡𝑢𝑛𝑔 ≤ 𝑋𝑡𝑎𝑏𝑒𝑙 , homogen

2 2
1,863 < 5,991 berarti 𝑋ℎ𝑖𝑡𝑢𝑛𝑔 < 𝑋𝑡𝑎𝑏𝑒𝑙 , maka nilai varians-
variansnya homogen

Kesimpulan:analisis uji komparatif dapat dilanjutkan

Ukuran Tendensi Sentral
▪ ukuran tendensi sentral (gejala pusat) adalah suatu
ukuran yang digunakan untuk mengetahui kumpulan data
mengenai sampel atau populasi yang disajikan dalam
tabel atau diagram (bagan), yang dapat mewakili sampel
atau populasi.
▪ada beberapa macam ukuran tendensi sentral yaitu: rata-
rata (mean), median, modus, kuar til, desil dan persentil.
▪ bila ukuran itu diambil dari sampel disebut statistik dan
jika ukuran itu diambil dari populasi disebut parameter.
 Rata-rata (Mean)
Dalam kegiatan penelitian, rata-rata (mean) mempunyai kedudukan yang
penting dibandingkan ukuran tendensi sentral lainnya.

Hampir setiap kegiatan penelitian ilmiah selalu menggunakan nilai rata-rata

Pengertian: Mean adalah jumlah keseluruhan angka dibagi dengan banyaknya

angka.

Contoh: Pinjaman Buku:

8, 6, 6, 7, 8, 7, 7, 8, 6, 6,

Jumlah keseluruhan angka adalah 69

Banyaknya nilai adaah 10

Jadi Meannya adalah= 69/10 = 6,9

Mean dilambangkan dengan M, dan jumlah nilai keseluruhan dilambangkan
dengan X dan banyaknya nilai dilambangkan dengan N.

Sehingga rumus untuk mencari mean adalah:

Rumus ini hanya dapat digunakan untuk mencari median yang seluruh
sekornya (nilai) yang hanya berfrekuensi satu

X
M =
N
Cara Mencari Mean Data Tungal
Rumusnya adalah:

fX
Mx =
N
Mx = mean yang akan dicari

f = frekuensi

X = Nilai

fX = jumlah dari perkalian f dengan x

N = banyaknya nilai
 Contoh: Perhatikan data pinjaman berikut,
kemudian tentukan meannya

Nilai (X) f fX
8 7 56
7 20 140
6 10 60
5 3 15
Jumlah N= 40 fX = 271
Dari tabel di atas kita memperoleh data yang langsung
dimasukkan ke rumus:
fX Mx = 271/40 = 6,8
Mx =
N
Cara mencari mean data berkeompok
Cara untuk mencari mean untuk data berkelompok ada dua cara
yaitu: cara panjang dan cara pendek. Untuk mencarinya berikut
disajikan data 250 orang kunjungan ke perpustakan X selama
tahun 2010 INTERVAL KUNJUNGAN F
80 – 84 11
75 – 79 24
70 – 74 30
65 – 69 48
60 – 64 55
55 – 59 31
50 – 54 19
45 – 49 17
40 – 44 10
35 -39 5
Jumlah N = 250
Cara panjang
Tentukan dulu nilai X dengan cara mencari nilai tengah
interval. Misal interval 80 – 84. Nilai tengahnya adalah
80+84/2 = 82
INTERVAL KUNJUNGAN f X fX
80 – 84 11 82 902
75 – 79 24 77 1.848
70 – 74 30 72 2.160
65 – 69 48 67 3.216
60 – 64 55 62 3.410
55 – 59 31 57 1.767
50 – 54 19 52 988
45 – 49 17 47 799
40 – 44 10 42 420
35 -39 5 37 185
Dari tabel di atas diperoleh: fX = 15.695 dan N 250

Dengan data itu mean dapat dihitung:

Mx = 15.695/250 = 62,78
Cara pendek
Untuk cara pendek rumusnya adalah

fx '
M x = M ' +i
N
Mx = mean yang akan dicari
M’ = mean terkaan
I = interval
x’ = nilai x terkaan
fx’ = jumlah dari perkalian f dengan x
N = banyaknya nilai
Untuk mencarinya, terlebih dahulu kita persiapkan tabel data (kita gunakan tabel
sebelumnya)
 INTERVAL f X X’ Fx’
KUNJUNGAN
80 – 84 11 82
75 – 79 24 77
70 – 74 30 72
65 – 69 48 67
60 – 64 55 62
55 – 59 31 57
50 – 54 19 52
45 – 49 17 47
40 – 44 10 42
35 -39 5 37
Jumlah N= fx’=
250
Untuk memenuhi tuntutan Rumus, kita harus mengisi tabel di atas.
Yang per tama diakukan adalah menetapkan mean terkaan (M’). Caranya
adalah menerka salah satu nilai tengagnya. Namun sebaiknya pilihlah yang
frekuensinya tertinggi yaitu interval 60 – 64, dimana f nya 55. Jadi diperoleh
mean terkaan (M’) adalah 62. Atau boleh juga memilih interval lain yang berada
di tengah misalnya 55 – 59, f nya = 31 dan M’ 57. Tapi untuk sekarang kita
pakai M’ = 62
Setelah diperoleh M’= 62, maka kita tetapkan nilai x’ dimuali dari 0 pada posisi
yang sejajar dengan M’.
Selanjutnya dari o diurutkan ke atas 1, 2, 3 dst. dan ke bawah -1, -2, -3 dst.
Jika x’ (terkaan) sudah terisi, maka ditentukan fx’ dengan mengalikan nilai f
dengan x’.
Lengkapnya dapat kita lihat pada tabel berikut.
 INTERVAL f X x’ Fx’
KUNJUNGAN
80 – 84 11 82 4 44
75 – 79 24 77 3 72
70 – 74 30 72 2 60
65 – 69 48 67 1 48
60 – 64 55 62M’ 0 0
55 – 59 31 57 -1 -31
50 – 54 19 52 -2 -38
45 – 49 17 47 -3 -51
40 – 44 10 42 -4 -40
35 -39 5 37 -5 -25
Jumlah N = 250 - - fx’= 39
Mean sudah dapat dihitung karena angka/nilai yang diperlukan dalam rumus sudah tersedia:
Mx = mean yang akan dicari
M’ = 62
i=5
fx’ = 39
N = 250
Dengan berpedoman kepada rumus:

fx '
M x = M ' +i
Mx = 62 + 5(39/250) N
Mx= 62 + 0,78 = 62,78
Penggunaan Mean
(1) Mean digunakan bila distribusi frekuensi bersifat normal (simetris)

(2) Bila menganalisa data menghendaki tingkat kepercayaan yang maksimal

(3) Mean juga digunakan untuk mencari standar deviasi, deviasi rata-rata, korelasi, komparasi
dan lain-lain.
(2) Median
• Median dari n pengukuran atau pengamatan x1, x2 ,..., xn adalah nilai pengamatan yang
terletak di tengah gugus data setelah data tersebut diurutkan.
• Apabila banyaknya pengamatan (n) ganjil, median terletak tepat ditengah gugus data,
sedangkan bila n genap, median diperoleh dengan cara interpolasi yaitu rata-rata dari dua
data yang berada di tengah gugus data.
• Dengan demikian, median membagi himpunan pengamatan menjadi dua bagian yang sama
besar, 50% dari pengamatan terletak di bawah median dan 50% lagi terletak di atas median.
• Median sering dilambangkan dengan (dibaca "x-tilde") apabila sumber datanya berasal dari
sampel (dibaca "μ-tilde") untuk median populasi.
• Median tidak dipengaruhi oleh nilai-nilai aktual dari pengamatan melainkan pada posisi
mereka.
• Prosedur untuk menentukan nilai median, pertama urutkan data terlebih dahulu, kemudian
ikuti salah satu prosedur berikut ini:
1. Banyak data ganjil → mediannya adalah nilai yang berada tepat di tengah gugus data
2. Banyak data genap → mediannya adalah rata-rata dari dua nilai data yang berada di
tengah gugus data
a. Median data tunggal:
Untuk menentukan median dari data tunggal, terlebih dulu kita harus mengetahui

letak/posisi median tersebut. Posisi median dapat ditentukan dengan menggunakan formula berikut:

dimana n = banyaknya data pengamatan.

(3) Mode
• Mode adalah data yang paling sering muncul/terjadi.
• Untuk menentukan modus, pertama susun data dalam urutan meningkat atau sebaliknya,
kemudian hitung frekuensinya.
• Nilai yang frekuensinya paling besar (sering muncul) adalah modus.
• Modus digunakan baik untuk tipe data numerik atau pun data kategoris. Modus tidak
dipengaruhi oleh nilai ekstrem.
Beberapa kemungkinan tentang modus suatu gugus data:

1. Apabila pada sekumpulan data terdapat dua mode, maka gugus data tersebut
dikatakan bimodal.
2. Apabila pada sekumpulan data terdapat lebih dari dua mode, maka gugus data tersebut
dikatakan multimodal.
3. Apabila pada sekumpulan data tidak terdapat mode, maka gugus data tersebut
dikatakan tidak mempunyai modus.
Meskipun suatu gugus data mungkin saja tidak memiliki modus, namun pada suatu
distribusi data kontinyu, modus dapat ditentukan secara analitis.

• Untuk gugus data yang distribusinya simetris, nilai mean, median dan modus
semuanya sama.
• Untuk distribusi miring ke kiri (negatively skewed): mean < median < modus
• untuk distribusi miring ke kanan (positively skewed): terjadi hal yang sebaliknya,
yaitu mean > median > modus.
a. Modus Data Tunggal:
Contoh 8:

Berapa modus dari nilai ujian Kalkulus berikut ini:

• 2, 4, 5, 6, 6, 7, 7, 7, 8, 9
• 2, 4, 6, 6, 6, 7, 7, 7, 8, 9
• 2, 4, 6, 6, 6, 7, 8, 8, 8, 9
• 2, 4, 5, 5, 6, 7, 7, 8, 8, 9
• 1, 2, 3, 4, 5, 6, 7, 8, 9, 10
Jawab:

• 2, 4, 5, 6, 6, 7, 7, 7, 8, 9→ Nilai yang sering muncul adalah angka 7 (M = 7)

• 2, 4, 6, 6, 6, 7, 7, 7, 8, 9 → Modusnya ada dua, yaitu 6 dan 7 (bimodal). Karena
ke-2 mode tersebut nilainya berurutan, mode sering dihitung dengan
menghitung nilai rata-rata keduanya, ½ (6+7) = 6.5.
• 2, 4, 6, 6, 6, 7, 8, 8, 8, 9 → Modusnya ada dua (bimodal), yaitu 6 dan 8. Nilai
mode tunggal tidak dapat dihitung karena ke-2 mode tersebut tidak berurutan.
• 2, 4, 5, 5, 6, 7, 7, 8, 8, 9 → Gugus data tersebut dikatakan multimodal karena
modusnya lebih dari dua.
• 1, 2, 3, 4, 5, 6, 7, 8, 9, 10 → Semua frekuensi data sama (tidak ada modus)
b. Mode dalam Distribusi Frekuensi:

dimana:

Mo = modal = kelas yang memuat modus

b = batas bawah kelas modal

p = panjang kelas modal

bmo = frekuensi dari kelas yang memuat modus (yang nilainya tertinggi)

b1= bmo – bmo-1 = frekuensi kelas modal – frekuensi kelas sebelumnya

b2 = bmo – bmo+1 = frekuensi kelas modal – frekuensi kelas sesudahnya

 Karakteristik penting untuk ukuran tendensi sentral yang baik

Ukuran nilai pusat/tendensi sentral (average) merupakan nilai pewakil dari

suatu distribusi data, sehingga harus memiliki sifat-sifat berikut:
Harus mempertimbangkan semua gugus data
Tidak boleh terpengaruh oleh nilai-nilai ekstrim.
Harus stabil dari sampel ke sampel.
Harus mampu digunakan untuk analisis statistik lebih lanjut.
 Dari beberapa ukuran nilai pusat, Mean hampir memenuhi semua persyaratan
tersebut, kecuali syarat pada point kedua, rata-rata dipengaruhi oleh nilai ekstrem.
Sebagai contoh, jika item adalah 2; 4; 5; 6; 6; 6; 7; 7; 8; 9 maka mean, median
dan modus semua bernilai sama, yaitu 6. Jika nilai terakhir adalah 90 bukan 9,
rata-rata akan menjadi 14.10, sedangkan median dan modus tidak berubah.
Meskipun dalam hal ini median dan modus lebih baik, namun tidak memenuhi
persyaratan lainnya. Oleh karena itu Mean merupakan ukuran nilai pusat yang
terbaik dan sering digunakan dalam analisis statistik.
Nilai ukuran pusat yang tepat untuk digunakan tergantung pada:
1. sifat data,
2. sifat distribusi frekuensi dan
3. tujuan.
Data bersifat kualitatif, hanya modus yang dapat digunakan, contoh:
✓mengetahui jenis tanah yang khas di suatu lokasi
✓pola tanam di suatu daerah.
Data bersifat kuantitatif, dapat menggunakan mean atau median atau modus.
Dengan mempertimbangkan sifat distribusi frekuensi dari gugus data tersebut.
Soal Latihan
1. Di bawah ini adalah distribusi frekuensi tentang hasil produksi kain dari PT. Timitex selama
130 hari. Carilah mean, median dan modus dari data berikut!

Produksi Kain (m persegi) Frekuensi

191- 307 19
308-424 25
425-541 31
542-658 12
659-775 25
776-892 11
893-1009 6
1010-1126 1
 Any
Question
s???