UKURAN PEMUSATAN DATA

(Mean, Median, Modus, Standar Deviasi, Varian , Range, Quartil)

Dosen Pengampu:
Bapak Akhmad Faisal Hidayat, M.Pd

KELOMPOK 2 /R-004
Anggota Kelompok:
1. Vivin Yoga Rahmanda Putri (A1D119131)
2. Stefani Ona Demisah G (A1D119133)
3. Omri Mareyuda Purba (A1D119148)
4. Anti Rohani (A1D119173)

PRODI PENDIDIKAN GURU SEKOLAH DASAR

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
UNIVERSITAS JAMBI
2022
1. Mean Untuk Data Berkelompok
Seringkali disamping mencari nilai rata-rata hitung dari gugus data yang masih
mengandung nilai-nilai observasi yang lengkap, kita kadang harus menentukan rata-rata
hitung dari data yang sudah dikelompokkan dalam distribusi frekuensi. Pada data yang sudah
dikelompokkan, sifat asli data sudah tidak nampak, dan sekarang yang nampak adalah sifat
kelompoknya. Dengan demikian, kita tidak lagi mengetahui berapa besar nilai-nilai
pengamatan sebenarnya sehingga kita tidak dapat mengetahui secara pasti jumlah total
nilainilai pengamatan yang ada dalam suatu kelas.
Untuk mengatasinya, diberlakukan anggapan bahwa besar harga tengah masingmasing
interval diperkirakan sama dengan titik tengah interval yang bersangkutan. Anggapan ini
didasarkan atas adanya kemungkinan bahwa nilai-nilai pengamatan yang terletak dalam suatu
interval, sebagian lebih kecil dan sebagian lagi lebih besar daripada nilai tengahnya.
Pencarian rata-rata hitung untuk data yang dikelompokkan adalah:
∑
Mean = ̅ =

dimana:
Fi Mi = nilai tengah dikalikan frekuensi observasi kelas ke-i
n = jumlah observasi
k = banyaknya kelas.

Dari rumus di atas, berarti bahwa nilai rata-rata dicari dengan:

1. Mengalikan nilai tengah kelas dengan frekuensi observasi untuk semua kelas
2. Menjuamlahkan hasil pada langkah pertama
3. membagi dengan jumlah observasi (n)

2. Median Untuk Data Berkelompok

Untuk mencari median dari data yang telah dikelompokkan, dua langkah yang harus
dilakukan: pertama kali ditentukan pada kelas mana letak median berada, dengan rumus:
posisi median = pada data ke- (n+1)/2. Kedua, menghitung besar nilai median dengan rumus:

Median = Me = L + ⌠ ⌡i

Dimana:
Me : Median
L : tepi bawah median
 F : frekuensi komulatif sebelum kelas median
fm : frekuensi dari kelas yang mengandung median.
I : Interval kelas median
n : banyak data

3. Modus atau Mode

Modus adalah data yang paling sering muncul atau memiliki frekuensi tertinggi dari
pengamatan yang diperoleh. Apabila ada satu modus atau satu data yang memiliki frekuensi
paling banyak keluar dari data pengamatan, maka disebut sebagai unimodus. Sedangkan bila
ada dua data yang memiliki frekuensi paling banyak disebut dengan bimodus, dan seterusnya.
Notasi modus yang akan kita gunakan adalah Mo.
1. Modus dari Data Tunggal
Contoh Soal :
Bila kita memiliki data sebagai berikut : 4, 5, 6, 6, 7, 8, 3, 4, 5, dan 6, maka kita
dapat lihat bahwa nilai 3 hanya muncul sekali, 4 dan 5 muncul 2 kali, 6 muncul
3 kali, 7 dan 8 hanya muncul sekali, sehingga modus dari data tersebut hanya 6
(unimodal), karena memiliki frekuensi atau muncul sebanyak 3 kali.
Jika datanya seperti ini : 1, 2, 2, 3, 3, 3, 4, 4, 4, dan 5, maka data ini memiliki 2
modus, yaitu 3 dan 4, atau disebut juga bimodal.

2. Modus dari Data Berdistribusi Frekuensi (Data kelompok)

d
c
o o

Keterangan :
Mo : Modus
mo : letak kelas modus (kelas dengan frekuensi tertinggi)
L(mo) : tepi bawah kelas letak modus
c : panjang kelas yang memuat modus
f(mo) : frekuensi kelas letak modus
f(mo−1) : frekuensi sebelum kelas letak modus
f(mo+1) : frekuensi setelah kelas letak modus
4. Kuartil
 Secara umum kuartil merupakan sekumpulan data yang dibagi menjadi empat bagian
yang sama banyak, sesudah disusun menurut urutan nilainya, maka bilangan pembaginya
disebut kuartil. Pengertian kuartil di atas juga didukung oleh Andi (2007: 80) menyebutkan,
nilai kuartil merupakan nilai dari sekumpulan data yang dibagi menjadi empat bagian yang
sama, dan yang membagi data tersebut dinamakan kuartil. Selain itu juga terdapat pengertian
lainnya yang menyebutkan kuartil merupakan nilai atau angka yang membagi data terkecil
sampai data terbesar atau sebaliknya dari data terbesar sampai data terkecil, (Riduwan, 2009:
104).

Ada tiga buah kuartil, yakni kuatil pertama, kuartil kedua, dan kuartil ketiga yang masing-
masing disingkat dengan Q1,Q2, dan Q3. Pemberian nama ini dimulai dari nilai kuartil paling
kecil.

 Kuartil Pertama (Q1) : Atau kuartil Bawah merupakan posisi data 25% dari seluruh
distribusi.
 Kuartil Kedua (Q2) : Atau Kuartil Tengah merupakan posisi data 50% atau ditengah–
tengah disebut juga Median.
 Kuartil Ketiga (Q3) : Atau Kuartil Atas merupakan posisi data 75% dari seluruh
distribusi.

Cara mencari kuartil pada data tunggal dan data berkelompok adalah sebagai berikut :

a. Kuartil Data Tunggal

Menurut Andi (2007: 80), pada bukunya menyebutkan untuk menentukan nilai kuartil
yang belum dikelompokkan (data tunggal) memiliki beberapa langkah-langkah, yaitu sebagai
berikut

1) langkah pertama menyusun data, dengan mengurutkan data dimulai dari yang
terkecil sampai yang terbesar.

2) Menentukan letak kuartil yang diminta dengan menggunakan rumus:

Keterangan:

Ki = kuartil ke –
 n = jumlah data

i = letak kuartil

Contoh soal :

Berikut ini adalah contoh dari Kuartil data tunggal dengan data
perumpaan nilai statistik I sebanyak 10 mahasiswa: 65, 80, 85, 70, 75, 51, 75, 69,
50, 55. Tentukanlah nilai kuartil K1!

Penyelesaian :

Langkah penyelesaian

1) Mengurutkan data dari yang terendah (terkecil) sampai terbesar (tertinggi).

= 51, 55, 60, 65, 69, 70, 75, 80, 85, 90

2) Tentukan letak kuartil K1 dengan penjelasan seperti di bawah ini:

Dari hasil di atas, maka data ke 2,75 berada diantara data 2 dan 3 sehingga
menjadi seperti berikut :

K1 = data ke- 2 + 0,75 (data ke- 3 – data ke- 2)

K1 = 55 + 0,75 (60 – 55)

K1 = 55 + 3,75

K1 = 58,5

Berdasarkan hasil perhitungan di atas, maka posisi K1 menunjukkan nilai 58,5.

b. Kuartil data berkelompok

Mencari kuartil dalam bentuk data berkelompok terlebih dahulu adanya tabel distribusi
frekuensi. Hal ini juga disampaikan oleh Riduwan (2009: 106), menyebutkan bahwa mencari
kuartil data kelompok haruslah dibuat susunan distribusi frekuensi terlebih dahulu, dalam hal
ini semata-mata untuk mempermudah perhitungan. Selain itu Riduwan juga
menerangkan langkah-langkah pembuatan tabel distribusi frekuensi (2009: 106), yaitu:

1) Menyusun data dari yang terkecil sampai yang terbesar

2) Menghitung rentang (range)

3) Jumlah kelas

4) Dan panjang kelas intervalnya.

Setelah tabel distribusi terbentuk, maka dilanjutkan dengan mencari nilai kuartil dengan
rumus yang diungkapkan Andi (2007: 81), seperti berikut :

Keterangan:

Ki = kuartil ke –

b = Tepi bawah interval kelas Ki ( b = batas bawah - 0,5)

p = Panjang kelas interval

n = Banyak data

F = Frekuensi kumulatif sebelum kelas Ki

f = Frekuensi pada kelas Ki

5. Range
Pengertian Range dalam statistik lengkap dengan contoh soal- baik kali ini saya akan
memberikan penjelasan mengenai range dalam ilmu statistika pendidikan, mungkin jika
kalian seorang mahasiswa administrasi sudah familiar dengan ilmu statistika. dalam kita
mempelajari mengenai dunia statistika kita menemukan pelajaran mengenai mecari range
dalam sebuah data, tahukah kamu apa itu range dan rumus nya seperti apa ? oke saya akan
jelaskan.
Range memiliki nama lain yaitu rentang atau jangkuan dalam varian data, Range adalah
selisih antara data nilai terbesar dengan data nilai terkeci. Jadi range dalam statistik
merupakan sebuah sekolompok data kuantitatif yang memiliki nilai terkecil dan terendah
yang memiliki rentang atau jangkuan tersebut bisa di bilang dengan range.
 Rumus Range dalam Statistik
Sudah pasti dalam mecari sebuah range harus mengetahui rumus dasar nya terlebih dahulu.
simple sih dalam mencari range yang terpenting anda tahu nilai tertinggi dan terendah saja.
Rumus range tersebut adalah sebagai berikut ini :
Range= Nilai terbesar - Nilai terkecil

6. Standar Deviasi
Standar Devisi merupakan sebuah nilai statistik yang di manfaatkan untuk menentukan
sebuah sebaran data dalam suatu sampel, serta seberapa dekat titik data individu ke mean atau
rata – rata nilai sampel nya. Standar deviasi disebut juga sebagai simpangan baku. Seperti
varians, standar deviasi juga merupakan suatu ukuran dispersi atau variasi. Standar deviasi
merupakan ukuran dispersi yang paling banyak dipakai. Hal ini mungkin karena standar
deviasi mempunyai satuan ukuran yang sama dengan satuan ukuran data asalnya. Misalnya,
bila satuan data asalnya adalah cm, maka satuan stdar deviasinya juga cm. Sebaliknya,
varians memiliki satuan kuadrat dari data asalnya (misalnya cm2). Simbol standar deviasi
untuk populasi adalah σ dan untuk sampel adalah s. Standar deviasi adalah nilai statistik yang
dimanfaatkan untuk menentukan bagaimana sebaran data dalam sampel, serta seberapa dekat
titik data individu ke mean atau rata-rata nilai sampel.
Cara menghitung standar deviasi, yang perlu dilakukan pertama-tama adalah menghitung
nilai rata-rata dari semua titik data. Rata-rata sama dengan jumlah dari semua nilai dalam
kumpulan data lalu dibagi dengan jumlah total titik data tersebut. Langkah berikutnya adalah
menghitung penyimpangan setiap titik data dari rata-rata. Caranya dengan mengurangkan
nilai dari nilai rata-rata. Deviasi setiap titik data akan dikuadratkan dan dicari penyimpangan
kuadrat individu rata-rata. Lalu nilai yang dihasilkan disebut sebagai varians. Sedangkan
standar deviasi adalah akar kuadrat dari varians.
1. Fungsi tandar Deviasi
Standar deviasi biasanya dimanfaatkan oleh para ahli statistik atau orang yang
berkecimpung dalam dunia tersebut untuk mengetahui apakah sampel data yang diambil
mewakili seluruh populasi. Sebab mencari data yang tepat untuk suatu populasi sangat sulit
untuk dilakukan. Maka dari itu perlu menggunakan sampel data yang dapat mewakili seluruh
populasi sehingga mempermudah untuk melakukan penelitian atau suatu tugas. Misal, jika
seseorang ingin mengetahui berat badan anak laki-laki berusia 10-12 tahun di suatu sekolah,
maka yang perlu dilakukan adalah mencari tahu berat beberapa orang dan menghitung rata-
rata serta standar deviasinya. Dari perhitungan tersebut akan diketahui nilai yang dapat
mewakili seluruh populasi.
 2. Rumus Standar Deviasi
Untuk mengetahui cara menghitung standar deviasi maka ada dua rumus yang harus
diketahui, yakni rumus varian dan rumus standar deviasi. Berikut adalah rumus yang bisa
dipakai:

Rumus Standar Deviasi

Standar Deviasi Populasi yaitu:

Standar Deviasi Sampel

Keterangan :
S = standar deviasi
N= jumlah data
I= nomor data (i = 1,2,3...N)
Xi= nomor ke-1 (i = 1,2,3...N)
X = rata-rata sampel

7. Varian
Varian adalah ukuran seberapa penting kumpulan data tersebar. Jika semua nilai data
identik, maka itu menunjukkan variansnya nol. Semua varian bukan nol dianggap positif.
Varians kecil menunjukkan bahwa titik data dekat dengan mean, dan satu sama lain,
sedangkan jika titik data sangat tersebar dari mean dan dari satu sama lain menunjukkan
varians yang tinggi. Singkatnya, varians didefinisikan sebagai rata-rata jarak kuadrat dari
setiap titik ke mean.
Varian memiliki peran sentral dalam statistik, dimana beberapa ide yang
menggunakannya antara lain statistik deskriptif, inferensi statistik, pengujian hipotesis,
goodness of fit, dan pengambilan sampel. Varian adalah alat penting dalam sains, di mana
analisis statistik data biasa dilakukan. Varian adalah kuadrat dari simpangan baku atau
standar deviasi, momen pusat kedua dari sebuah distribusi, dan kovariansi variabel acak
dengan dirinya sendiri, dan sering kali diwakili σ2, s2, Var(X).

1. Rumus Varians
Varians Populasi

Keterangan:
 σ : Simpangan baku populasi
 N : Jumlah observasi dalam populasi
 Xi : nilai x ke-i pada populasi
 μ : Rata-rata populasi

Varians Sampel

Keterangan:
 s2 : varian
 s : standar deviasi (simpangan baku)
 xi : nilai x ke-i
 x : rata-rata
 N : ukuran sampel
A. Cara menghitung standar deviasi dan varian
Varian dari populasi
Dengan cara:
1. Menemukan mean (rata-rata)
2. Mengurangi mean dari setiap angka dalam kumpulan data dan kemudian
mengkuadratkan hasilnya. Hasilnya dikuadratkan untuk membuat negatif menjadi
positif. Jika tidak, angka negatif akan membatalkan positif di langkah berikutnya.
Jarak dari mean itulah yang penting, bukan angka positif atau negatif.
3. Merata-ratakan perbedaan kuadrat
Bagaimana cara menggunakan varian?
 1. Varian mengukur variabilitas dari rata-rata atau mean. Bagi investor, variabilitas
adalah volatilitas, dan volatilitas adalah ukuran risiko. Oleh karena itu, statistik varian
dapat membantu menentukan risiko yang diasumsikan investor saat membeli sekuritas
tertentu.
2. Varian besar menunjukkan bahwa angka-angka dalam himpunan jauh dari mean dan
dari satu sama lain, sedangkan varian kecil menunjukkan sebaliknya.
3. Varian bisa negatif. Nilai varians nol menunjukkan bahwa semua nilai dalam
sekumpulan angka identik.
4. Semua varian yang bukan nol akan menjadi bilangan positif.

B. Perhitungan Standar Deviasi

Rumus deviasi standar menggunakan tiga variabel. Variabel pertama adalah nilai setiap
titik dalam kumpulan data, dengan jumlah-angka yang menunjukkan setiap variabel
tambahan (x, x1, x2, x3, dan lain-lain). Mean diterapkan ke nilai variabel dan jumlah data
yang diberikan ke variabel n. Varian adalah rata-rata nilai selisih kuadrat dari rata-rata
aritmatika.
Untuk menghitung nilai rata-rata, nilai dari elemen data harus dijumlahkan dan total
dibagi dengan jumlah entitas data yang terlibat. Standar deviasi, dilambangkan dengan
simbol σ, menggambarkan akar kuadrat dari rata-rata kuadrat dari semua nilai rangkaian yang
diturunkan dari rata-rata aritmatika yang juga disebut sebagai akar-rata-rata-simpangan
kuadrat.
0 adalah nilai terkecil dari simpangan baku karena tidak boleh negatif. Ketika unsur-
unsur dalam suatu deret lebih terisolasi dari mean, maka simpangan baku juga besar. Alat
statistik standar deviasi adalah ukuran dispersi yang menghitung ketidakteraturan penyebaran
di antara data.
Misalnya, mean, median dan mode adalah ukuran tendensi sentral. Oleh karena itu, ini
dianggap sebagai rata-rata urutan pertama pusat. Ukuran dispersi yang disebutkan langsung
di atas adalah rata-rata deviasi yang dihasilkan dari nilai rata-rata, oleh karena itu disebut
rata-rata orde kedua.
  Contoh Data Kelompok

Niai Statistik Mahasiswa PGSD Frekuensi

51-55 8
56-60 12
61-65 10
66-70 16
71-75 24
76-80 14
81-85 10
86-90 6

a) Mean (rata-rata)
∑
Rms :

Interval Fi xi fi xi
51-55 8 53 424
56-60 12 58 696
61-65 10 63 630
66-70 16 68 1088
71-75 24 73 1752
76-80 14 78 1092
81-85 10 83 830
86-90 6 88 528
100 7040

b) Median

Median = datum ke- =x( )

Datum ke 50 terletak pada kelas interval 71-75, diperoleh

 Tepi bawah kelas median (L)=70,5
 Banyak data (n)= 100
 Frekuensi kelas median (fm)= 24
 Frekuensi komulatif sebelum kelas median (F) =(8+12+10+16) = 46
 Interval kelas median (i) = 8
Jadi, median data pada soal adalah:

Me = L + ⌠ ⌡i

Me = 70,5 + ⌠ ⌡8

Me = 70,5 + ⌠ ⌡8

Me = 70,5 + 1,3
Me = 71.8

c) Modus

Rms : ( )

24-16=8
24-14=10
= 70,5

Maka:

( )

( )

( )

d) Kuartil
Berikut ini adalah contoh dari Kuartil data tunggal dengan data
berkelompok, buatlah tabel distribusi frekuensi dan hitunglah kuartil K1 data
dibawah ini !
 51 51 52 52 53 54 55 55 56 56

56 57 57 57 58 59 59 60 60 60

61 61 62 62 62 63 64 64 65 65

66 66 66 66 67 67 67 67 68 69

69 69 69 70 70 70 71 71 71 71

71 71 72 72 72 72 72 73 74 74

74 74 74 74 75 75 75 75 75 75

76 76 76 77 77 77 78 79 79 79

80 80 80 80 81 81 82 82 82 83

84 84 85 85 86 87 88 89 90 90

Penyelesaian :

Langkah penyelesaian

Adapun langkah-langkah dalam penyelesaian ialah sebagai berikut:

1) Langkah pembuatan tabel distribusi frekuensi

a) Menentukan range (rentang)

R = nilai max – nilai min

R = 90 -51 = 39

b) Menentukan jumlah kelas

K = 1+Log n. 3,3

K = 1+Log 100. 3,3

K = 7,6

c) Menentukan panjang kelas interval

Tabel 1. Distribusi frekuensi nilai statistik I

 Nilai F
F
Statistik kumulatif

51-55 8 8

56-60 12 20

61-65 10 30

66-70 16 46

71-75 24 70

76-80 14 84

81-85 10 94

86-90 6 100

Jumlah 100 -

2) Langkah-langkah menentukan nilai K1

(a) Menentukan letak kelas interval

Dari hasil perhitungan di atas, maka data ke- 20 berada pada kelas 69-
78 atau terletak pada kelas interval ke- 5.

(b) Menentukan batas bawah

Berdasarkan hal di atas, maka langkah selanjutnya adalah memasukkan

angka-angka terebut ke dalam rumus untuk mencari nilai K1.
 Jadi berdasarkan dari perhitungan di atas, maka nilai kuartil K1 yang
didapat adalah: 72,375.

e) Range
1. Contoh soal Range Puluhan

Hitung lah rentang dalam data berikut ini

:51,51,52,52,53,54,55,56,57,90,71,71,75,75,60,61,66,65,65,64,63,68,68,62,67,69,69,70
,79,78,77,77,75,76,74,74,73,72,80,85,89,87,87,85,86,88,84,82,81,83,58,59,72

Diketahui :
nilai terbesar adalah 20 dan nilai terkecil adalah 2

Di jawab :
Range = 90-51
=39
maka hasil range dari deretan data pada soal nomer satu adalah 39.

2. Contoh soal range ratusan

Hitung lah rentang dalam data berikut ini :

51,55,56,60,61,70,71,75,76,80,81,85,86,90,100,200

Diketahui :
nilai terbesar adalah 200 dan nilai terkecil adalah 51

Di jawab :
Range = 200-51
=149
maka hasil range dari deretan data pada soal nomer satu adalah 149.

3. Contoh soal range ribuan

Hitung lah rentang dalam data berikut ini :

51,55,56,60,61,70,71,75,76,80,81,85,86,900,1000,2000

Diketahui :
nilai terbesar adalah 2000 dan nilai terkecil adalah 51

Di jawab :
Range = 2000-51
=1949
maka hasil range dari deretan data pada soal nomer satu adalah 1949.

f) Ragam(varians)
∑
Rms : ∑

atau

Interval Fi Xi fi xi

51-55 8 53 424 -17,4 302,76 2422,08

56-60 12 58 696 -12,4 153,76 1845,12

61-65 10 63 630 -7,4 54,76 547,6

66-70 16 68 1088 -2,4 5,76 92,16

71-75 24 73 1752 2,6 6,76 162,24

76-80 14 78 1092 7,6 57,76 808,64

81-85 10 83 830 12,6 158,76 1587,6

86-90 6 88 528 17,6 309,76 1858,56

100 7040 9324

Maka :

Jadi :
∑
∑
g) Simpangan Baku (Standar Deviasi )

∑
Rms : √ ∑

atau
√

Maka:

√
 Sumber Referensi :

Ridwan. 2003. Dasar-Dasar Statistik. Jakarta: Alfabeta

Andi. 2007. Statistika “Data Kajian Deskriftif, Inferensi, dan Non Parametrik”. Jakarta:
Kencana Prenada Media Group.

Negoro, & Harahap. 2005. "Ensiklopedia Matematika". Ciawi: Ghalia Indonesia

https://www.seputarpengetahuan.co.id/2020/12/standar-deviasi.html
https://penelitianilmiah.com/varian-dan-standar-deviasi/