PERTEMUAN III

Deskriptif Dan Eksplorasi Data

(Lanjutan)

Oleh:
Arief Joko Saputro, SP. MP
Ukuran Pemusatan Data
Setiap penelitian selalu berkenaan dengan sekelompok data.

Contohnya Nilai Mahasiswa di Kelas dengan berbagai mata kuliah. Data

yang disajikan biasanya dalam bentuk ukuran pemusatan data. Penjelasan
sekelompok data selain menggunakan tabel dan diagram, juga
menggunakan Ukuran pemusatan memiliki beberapa perangkat ukur antara
lain rata-rata (mean), Median (kuartil 2), Modus, kuartil 1, dan kuartil 3.
 1. Modus (Mode)

Data Tak Berkelompok:

Teknik Penjelasan penyajian data yang didasarkan atas nilai yang paling popular atau nilai yang
sering muncul dalam kelompok data (Sugiyono, 2019).

Contoh Data Kualitatif:

a. Kebanyakan pemuda Indonesia perokok
b. Mayoritas petani di pulau jawa adalah petani padi
 Contoh Data Kuantitatif
Hasil observasi terhadap penggunaan pupuk urea pada 10 orang petani
sebagai berikut: 7, 5, 7, 7, 4, 4, 8, 6, 7, 3.
Berdasarkan hasil data tersebut:
Data Berkelompok:
Perhitungan modus pada data berkelompok dimulai dengan menetapkan kelas modus
pada tabel distribusi frekuensi. Kelas modus adalah kelas yang memiliki frekuensi
relatif terbesar. Untuk menghitung modus, mengacu pada frekuensi relatif dalam
tabel distribusi frekuensi. Modus untuk data bergolong dapat dihitung dengan
menggunakan formula seperti dalam kotak berikut ini.
Dengan menggunakan kasus pada perhitungan median, kuartil 1 ataupun
Kuartil 3 tadi, dapat dilakukan perhitungan terhadap modus. Adapun kasus
dimaksud sebagaimana ditampilkan berikut ini.

DATA HASIL KEMAMPUAN PSIKOTEST

MAHASISWA
 Setelah didapatkan kelas ke 6 sebagai kelas yang memiliki frekuensi
relatif terbesar atau kelas modus sebagai patokan, maka selanjutnya
akan dilakukan perhitungan untuk mendapatkan nilai modus seperti
berikut ini :

, .
,

 Kelas Modus: Kelas ke 4

 b = 51 - 0,5 = 50,5
 b1 = 30 - 18 = 12
 b2 = 30 – 20 = 10
 Mean
Nilai rata-rata dari sekumpulan data. Mean didapatkan dengan menjumlahkan seluruh data,
kemudian dibagi dengan banyaknya data.
a. Rata-rata untuk data tak berkelompok
Contoh :
Usia tujuh orang mahasiswa Program Studi Agribisnis adalah : 18, 19, 20, 21, 23, 24, 26. Rata-rata usia
ke tujuh orang mahasiswa tersebut adalah:

18  19  20  21  23  24  26
 21,6
7

Rata-rata data berkelompok:

 Contoh:

Berdasarkan nilai di atas maka dapat disimpulkan bahwa nilai rata-

rata hasil psikotest mahasiswa sebanyak 100 orang adalah 60,70
atau 61.
 Median dan Quartil 2

Median adalah nilai yang persis berada di tengah jika suatu angkatan data
diurutkan dari nilai terkecil / terendah sampai terbesar / tertinggi atau
sebaliknya
Perhitungan median untuk data tak berkelompok
Misalnya ada satu kelompok nilai yang telah diurutkan sebagai berikut : 60, 61, 62, 64, 65,
66, 67. Untuk kelompok nilai tadi, mediannya adalah 64 karena persis berada di tengah. Kejadian
seperti dicontohkan di atas adalah cara penentuan median ketika jumlah nilai dalam kelompok nilai
tersebut adalah ganjil. Bagaimana halnya jika jumlah nilai dalam kelompok nilai tersebut adalah genap.
Untuk kelmpok nilai berjumlah genap, cara penentuan median seperti terlihat pada contoh di bawah ini:
Perhitungan median untuk data berkelompok
 Untuk perhitungan median, maka akan ditampilkan sebuah tabel persiapan
perhitungan median untuk data bergolong seperti di bawah ini :

Jawab:
 Kelas Median: ½ (n) = ½ . 100 = 50
 b = 51 - 0,5 = 50,5
 p = 10
 f = 30
 F = 2 + 6 + 18 = 26
1/2.100−26
Median: 50,5 10. 58,5
30
 Perhitungan Kuartil 1 (Q1) untuk data berkelompok

Secara sederhana, kuartil 1 dapat dipahami sebagai nilai yang berada pada posisi
seperempat ketika sebuah angkatan data diurutkan.
 Untuk perhitungan Q1, maka akan ditampilkan sebuah tabel persiapan
perhitungan median untuk data bergolong seperti di bawah ini :

Jawab:
 Kelas Q1: 1/4 (n) = 1/4. 100 = 25
 b = 41 - 0,5 = 50,5
 p = 10
 fm = 18
 F = 2 + 6 = 8
 Q1: , . 49,94
Berdasarkan data tersebut, nilai Q1 dari hasil psikotest 100 mahasiswa adalah 49,94
 Quartil 3

Dengan menggunakan kasus pada

perhitungan median ataupun kuartil 1 tadi,
dapat dilakukan perhitungan terhadap
kuartil 3.
Jawab:
 Kelas Q3: 3/4 (n) = 3/4. 100 = 75
 b = 61 - 0,5 = 60,5
 p = 10
 fm = 20
 F = 2 + 6 = 56
Q1: , . 70

Berdasarkan data tersebut, nilai Q3 dari hasil psikotest 100

mahasiswa adalah 70
Quartil 4 dapat dipahami sebagai nilai yang berada pada posisi 4/4 ketika sebuah angka
data diurutkan. Untuk melakukan perhitungan terhadap kuartil 4 digunakan formula
seperti tercantum dalam kotak berikut ini :
 Jawab:
 Kelas Q3: 4/4 (n) = 100
 b = 91 - 0,5 = 90,5
 p = 10
 fm = 6
 F = 94
Q4: , . 99,5
Berdasarkan data tersebut, nilai Q4 dari hasil psikotest 100 mahasiswa adalah 99,5
Rekap Penggunaan Ukuran Gejala Pusat
Berdasarkan Skala Pengukuran Data
 Ukuran Variasi
Selain ukuran gejala pusat, terdapat ukuran lain yaitu ukuran dispersi atau ukuran vasiasi yang
mengisyaratkan tingkat keseragaman data.
1) Penjelasan data menggunakan mean saja tidak cukup menggambarkan bagaimana variasi dari
sekumpulan data. Rata-rata sebuah data bisa sama, tetapi variasi dan simpangan bakunya bisa jadi
tidak sama.
2) Nilai numerik ukuran ini tidak pernah negatif (selalu positif). Apabila nilai ukuran ini diperoleh sama
dengan nol (0), hal ini menunjukkan bahwa data yang kita miliki keadaannya seragam sempurna
(tidak ada variasi, atau semua bilangan nilai numeriknya sama).
3) Semakin jauh nilai numerik ukuran ini dari nol (0), makin tidak seragam keadaan data tersebut.
4) Terdapat bebeapa ukuran variasi yang biasa digunakan, yang juga akan diuraikan di sini, adalah;
rentang (range), varians (variance), simpangan baku (standar deviation), koefisien variasi
(koeficient of variation), rentang antar kuartil (interquartiles ranges), dan indeks dispersi (index of
dispersion).
 Rentang

Rentang pada suatu satuan data adalah selisih terbesar dan terkecil dari suatu satuan
data tersebut. Rumus: R = xt - xr

Contoh IQ lima orang anggota keluarga adalah; 108, 112, 127, 118, dan 113.
Tentukan rentangnya!

Jawab: Rentang dari 5 IQ tersebut adalah 127 – 108 = 19.

Semakin besar nilai R = data semakin bervariasi
 Varians (variance)

Teknik statistic yang digunakan untuk menjelaskan homogenitas data. VArians merupakan jumlah
kuadrat semua deviasi nilai-nilai individual terhadap rata-rata kelompok. Akar varians disebut
juga simpangan baku
Rumus yang dipergunakan untuk menghitung varians, jika data berasal dari populasi adalah:

∑#$ − x̄"
#
Sedangkan varians yang dihitung berdasarkan sampel dihitung dengan rumus:

∑%& ( − x̄)
s2
%
 Simpangan Baku (Standar Deviation)

Simpangan baku didefinisikan sebagai akar dari Varians. Oleh karena itu rumus simpangan baku adalah:ntuk sampel adalah;

  2

s  s2
Varians dan simpangan baku hanya boleh digunakan sebagai alat pembanding keseragaman
data, apabila data yang dibandingkan keseragamannya itu berasal dari variabel yang sama
dengan satuan pengukuran (unit of measurement) yang sama pula.
Varians dan Simpangan Baku hanya valid digunakan sebagai ukuran variasi untuk variabel
yang memenuhi tingkat pengukuran sekurang-kurangnya interval.
 Contoh data tak berkelompok:

Simpangan: Rata-rata – nilai individu

Varians: Rata-rata jumlah kuadrat:a s2 = 390/10 = 39
Simpangan Baku: s = ' = 6,24
Varians dan Simpangan Baku Data Berkelompok
 Terima kasih!
Sampai Berjumpa di Pertemuan Selanjutnya
yang akan membahas
TEORI PENARIKAN SAMPEL
 TUGAS

Buatlah:
a. Hitunglah Mean, Median, Modus, dan Quartil 3 beserta Langkah-langkahnya (Berikan
Interpretasi dari setiap hasil perhitungan)
b. Hitunglah Varians dan Simpangan Bakunya dan interpetasikan