MODUL

BIOSTATISTIK DESKRIPTIF

PROGRAM STUDI KESEHATAN MASYARAKAT

FAKULTAS KESEHATAN MASYARAKAT
UNIVERSITAS HALU OLEO
KENDARI
2023
A. Distribusi Frekuensi
Distribusi frekuensi adalah penggunaan cara tertentu untuk
mengelompokan data hasil pengukuran atau penghitungan (data mentah)
menjadi kelas-kelas. Dalam distribusi frekuensi yang merupakan bentuk
salah satu penyajian data sehingga data menjadi lebih mudah dibaca, lebih
mudah dipahami dan menjadi lebih ringkas. Distribusi frekuensi sendiri dibagi
menjadi dua, yaitu distribusi frekuensi tunggal dan distribusi frekuensi
berkelompok.
1. Distribusi frekuensi Tunggal
Distribusi frekuensi tunggal merupakan distribusi dimana nilai atau
kategori dari data tersebut adalah 1 (satu) atau tunggal.
a. Data tunggal
Data tunggal adalah distribusi data angka yang dilakukan tanpa
melakukan pengelompokan nilai-nilai variabelnya (ungrouped data).
Misalnya dari sejumlah 40 orang siswa yang menempuh ujian dalam
mata pelajaran biostatistik di FKM UHO, diperoleh nilai sebagai
berikut:
100 80 60 60 70 70 90 60 90 80
90 70 80 80 80 80 60 70 70 100
60 60 100 80 80 90 80 100 60 80
70 100 100 90 90 90 70 100 70 90

b. Distribusi frekuensi tunggal vertikal (lihat tabel 1).

Tabel 1. Distribusi frekuensi tunggal vertikal
Nilai Frekeuensi
60 7
70 8
80 10
90 8
100 7
Jumlah 40
c. Distribusi frekuensi tunggal horizontal (lihat tabel 2)
Tabel 2. Distribusi frekuensi tunggal horizontal
Nilai 60 90 80 90 100 Jumlah
Frekuensi 7 8 10 8 7 40

Cara Membuat Tabel Distribusi Frekuensi Tunggal

Dalam membuat tabel distribusi frekuensi tunggal ada beberapa
langkah yakni dengan melakukan pendataan kategori dan menghitung
frekuensinya serta menyajikannya ke bentuk tabel. Adapun beberapa
langkah-langkah dalam membuat tabel distribusi frekuensi tunggal
tersebut adalah sebagai berikut :
1) Lakukan pendataan kategori dapat dimulai dari data yang
terkecil hingga yang terbesar, masukan kedalam tabel setiap
kategori dengan kelas yang berbeda.
2) Menghitung frekuensi setiap kategori
Contoh soal : Misalnya dari sejumlah 40 orang mahasiswa yang
menempuh ujian dalam mata pelajaran biostatistik di FKM UHO,
diperoleh nilai sebagai berikut :
100 80 60 60 70 70 90 60 90 80
90 70 80 80 80 80 60 70 70 100
60 60 100 80 80 90 80 100 60 80
70 100 100 90 90 90 70 100 70 90
Berdasarkan data di atas, maka dapat dihasilkan pada setiap
kategori dalam tabel berikut ini :
Nilai 60 70 80 90 100 Jumlah
Frekuensi 7 8 10 8 7 40

2
2. Distribusi frekuensi kelompok
Distribusi frekuensi berkelompok adalah distribusi dimana nilai atau
kategori dari data tersebut adalah lebih dari 1 (satu) atau berkelompok.
Misalnya Data hasil ujian biostatistik sebagaimana yang terlihat pada
tabel berikut :
56, 58, 60, 74, 73, 68, 32, 37, 42, 43, 45, 69, 70, 75, 83,
75, 67, 80, 58, 79, 75, 68, 30, 32, 38, 43, 44, 46, 70, 72,
78, 85, 34, 42, 89, 64, 66, 48, 50, 50, 50, 56, 56, 58, 60,
32, 52, 53, 73, 44.
a. Distribusi frekuensi kelompok vertikal (lihat table 3)
Tabel 3. Distribusi frekuensi kelompok vertikal

NILAI f
30-39 8
40-49 9
50-59 10
60-69 11
70-79 8
80-89 4
JUMLAH 50

b. Distribusi frekuensi kelompok horizontal (lihat table 4)

Tabel 4. Distribusi frekuensi kelompok horizontal
Nilai 30-39 40-49 50-59 60-69 70-79 80-89 Jumlah
Frekuensi 8 9 10 11 8 4 50

Cara Membuat Tabel Distribusi Frekuensi Berkelompok

Seperti halnya tabel distribusi frekuensi tunggal, dalam menyusun
tabel distribusi frekuensi berkelompok juga memiliki tahapan dalam
menyelesaikannya. Adapun langkah-langkah dalam menyusun tabel
distribusi frekuensi berkelompok:

3
1) Mengurutkan data mulai data terkecil ke data terbesar, kemudian
menentukkan nilai maksimum dan minimum dari data yang ada.
2) Menentukkan jangkauan data dengan rumus:
(J) = nilai maksimum – nilai minimum
3) Menentukkan jumlah kelas (k), yaitu dengan menggunakan
bantuan Rumus Sturges dan lakukan pembulatan ke atas untuk
jumlah kelas, adapun rumusnya adalah:
k = 1+3,3 Log n
k = banyaknya kelas
n = banyaknya data

4) Menentukkan panjang kelas (interval)

Untuk menentukkan panjang kelas atau interval (i) yaitu dengan
membagi antara jangkauan (J) dengan kelas (k), sehingga rumusnya
adalah sebagai berikut :
i=J/k

5) Menetukan batas bawah kelas pertama (biasanya dari data terkecil

atau pelebaran data terkecil).
6) Menuliskan frekuensi kelas dalam tabel distribusi frekuensi.

Contoh soal:
Misalnya data hasil ujian biostatistik sebagaimana yang terlihat pada
tabel berikut
56, 58, 60, 74, 73, 68, 32, 37, 42, 43, 45, 69, 70, 75, 83,
75, 67, 80, 58, 79, 75, 68, 30, 32, 38, 43, 44, 46, 70, 72,
78, 85, 34, 42, 89, 64, 66, 48, 50, 50, 50, 56, 56, 58, 60,
32, 52, 53, 73, 44
Langkah-langkahnya adalah :
a. Urutan data
30, 32, 32, 32, 34, 37, 38, 42, 42, 43, 43, 44, 44, 45, 46,
48, 50, 50, 50, 52, 53, 56, 56, 56, 58, 58, 58, 60, 60, 64,

4
 66, 67, 68, 68, 69, 70, 70, 72, 73, 73, 74, 75, 75, 75, 78,
79, 80, 83, 85, 89
Menentukan nilai maksimum dan minimum, diperoleh :
Nilai maksimum = 89
Nilai minimum = 30
b. Kemudian menentukan jangkauan data, dengan rumus :
Jangkauan data (J) = nilai maksimum – nilai minimum
= 89 – 30 =59
c. Selanjutnya adalah menentukan jumlah kelas, dengan rumus :
Jumlah kelas (k) = 1+3,3 log N
= 1+3,3 log 50
= 1+3,3 (1,69)
= 6,57 banyaknya kelas diambil 6
d. Terakhir adalah menentukan panjang kelas dengan rumus :
Panjang kelas (i) = J / k
= 59 / 6
= 9,8 (dibulatkan ke atas dalam nilai tempat
terkecil data menjadi 10)

Perlu diperhatikan bahwa ada beberapa yang harus diingat selain

langkah- langkah di atas, yaitu dijabarkan sebagai berikut :
a. Untuk mempermudah batas bawah kelas ke 1 adalah nilai
minimum
b. Buatlah batas bawah hingga 6 kelas dengan menambahkan
panjang kelas dengan batas bawah kelas sebelumnya
c. Kemudian buatlah batas atas kelas ke 1 dengan mengurangi
batas bawah kelas ke 2 dengan nilai tempat terkecil data sebesar 1
point.
d. Buatlah batas atas hingga 7 kelas dengan menambahkan
panjang kelas dengan batas atas kelas sebelumnya

5
e. Pastikan data dari nilai minimum hingga nilai maksimum
terakomodir.

Sehingga tabel yang terbentuk adalah sebagai berikut:

Nilai Frekuensi
30 – 39 7
40 – 49 9
50 – 59 11
60 – 69 8
70 – 79 11
80 – 89 4
Jumlah 50

6
Soal Latihan 1
Buatlah tabel distribusi frekuensi tunggal dari data dibawah ini!
Misalnya diperoleh nilai ekstrakurikuler 40 orang mahasiswa sebagai berikut:
5 8 6 4 6 7 9 6 4 5
3 7 8 6 5 4 6 7 7 10
4 6 5 7 8 9 3 5 6 8
4 10 9 5 3 6 8 6 7 6

a. Lakukan pendataan kategori mulai dari yang terkecil hingga yang terbesar,
masukan kedalam tabel setiap kategori dengan kelas yang berbeda
b. Hitung frekuensi setiap kategori ... silahkan lanjutkan sendiri!

7
Soal Latihan 2
Misalnya diperoleh nilai mata kuliah biostatistik 40 orang mahasiswa sebagai
berikut:
78 72 74 79 74 71 75 74 72 68
72 73 72 74 75 74 73 74 65 72
65 75 80 69 82 73 74 72 79 71
70 75 71 70 70 70 75 76 77 67

a. Tentukan nilai maksimum dan minimum, dari data tersebut di atas!

Nilai maksimum =…
Nilai minimum =…
b. Kemudian tentukan jangkaun data, dengan rumus :
Jangkauan data (J) = nilai maksimum – nilai minimum
= … – … =…
c. Selanjutnya adalah menentukan jumlah kelas, dengan rumus :
Jumlah kelas (K) = 1+3,3 log N
= 1+3,3 log …
= 1+3,3 (……)
= ….. banyaknya kelas diambil …..
d. Terakhir adalah menentukan panjang kelas dengan rumus :
Panjang kelas (interval) P = J / K
=…/…
= …..
Buatlah tabel distribusi frekuensi data berkelompok berdasarkan jumlah kelas
dan panjang kelas (interval) yang telah dihitung sebelumnya!

8
B. Ukuran Pemusatan
1. Mean
Rata-rata hitung atau nilai rata-rata (rerata) dalam bahasa inggris
digunakan istilah Arithmetic Mean dan adakalanya disingkat dengan
Mean. Simbol umum yang digunakan untuk rata-rata untuk sampel adalah
dibaca “x bar”, sedangkan untuk populasi adalah µ dibaca “myu”.
Mean merupakan hasil bagi dari sejumlah skor dengan banyaknya
responden. Menurut Irianto (2004) perhitungan mean merupakan
perhitungan yang sederhana karena hanya membutuhkan jumlah skor dan
jumlah responden. Mengkuatmodjo (1997) menjelaskan rata-rata hitung
merupakan suatu bilangan tunggal yang dipergunakan untuk mewakili
nilai sentral dari sebuah distribusi.
Setidaknya terdapat tiga cara yang dapat digunakan untuk mencari
mean dari sekumpulan data yang berbentuk angka, yaitu:

∑
a. Mencari mean dengan rumus

Keterangan:
= Mean
∑ = Jumlah dari masing-masing nilai X
N = Banyaknya angka/nilai X atau jumlah data
Misalnya nilai X terdiri dari berat badan empat orang mahasiwa di
kelas A yaitu:
“Si A = 45 kg, Si B = 42 kg, Si C = 53 kg, dan Si D = 60 kg”
Untuk mencari mean atau rata-rata berat badan empat orang siswa
tersebut digunakan rumus:
∑
=

45 + 42 + 53 + 60
=
4
= 50 kg

9
 Cara yang pertama ini digunakan jika banyaknya angka pada
sekumpulan data relatif sedikit atau menggunakan alat bantu hitung. Cara
ini tidak efisien digunakan untuk mencari mean dari angka- angka yang
banyak, misalnya angka berat badan 100 orang siswa.

b. Mencari mean untuk data tunggal

∑
Rumus:

Keterangan:
= Mean
ƩfX = Jumlah hasil perkalian antara frekuensi (f) dengan nilai-nilai X
n = banyaknya angka/nilai X atau jumlah data

Cara yang kedua ini digunakan apabila angka-angka relatif kecil,

tetapi frekuensi relatif banyak. Misalnya nilai X terdiri dari nilai mata
kuliah biostatistik 42 orang mahasiswa sebagai berikut:
6 5 6 7 6 8 9
5 6 6 7 7 7 6
8 6 6 6 9 7 6
6 7 8 6 7 8 7
6 7 6 7 8 7 6
6 7 6 7 8 9 7

Untuk mencari mean dari nilai tersebut dengan cara kedua,

dikerjakan langkah-langkah sebagai berikut:

1) Mendistribusikan nilai-niai tersebut kedalam tabel distribusi

frekuensi data tunggal.

10
 Tabel 5. Distribusi Frekuensi Data Tunggal
Nilai Jari-jari f
5 II 2
6 IIIIIIIIIIIIIIIII 17
7 IIIIIIIIIIIIII 14
8 IIIIII 6
9 III 3
Jumlah 42

2) Membuat tabel sebagai berikut:

Tabel 6. Distribusi Frekuensi dan hasil kali nilai f dan X
X f fX
5 2 10
6 17 102
7 14 98
8 6 48
9 3 27
Jumlah 42 285

Dari tabel kerja di atas diperoleh ƩfX = 285 dan N = 42

3) Harga mean yang diperoleh adalah:
∑ʄ
=

285
=
42
= 6.78
c. Mencari mean untuk data berkelompok

∑
Rumus 1 (menggunakan nilai tengah (Nt)

Keterangan:
= rata-rata/mean
∑= jumlah
= frekuensi

11
 =nilai tengah setiap kelas
= jumlah pengamatan

Contoh:
Berikut data hasil pengukuran IQ mahasiswa di Universitas X:
IQ f Nt fNt
80-84 1 82 82
85-89 5 87 435
90-94 11 92 1012
95-99 20 97 1940
100-104 18 102 1836
105-109 21 107 2247
110-114 12 112 1344
115-119 7 117 819
120-124 3 122 366

∑
125-129 2 127 254
Jumlah 100 =10335

∑
=

=103,35

Rumus 2 (menggunakan kode)

∑ !
= + "#

Keterangan:
= rata-rata/mean
=nilai tengah kelas tempat kode 0 (mean sementara)
= jumlah pengamatan
∑ d = jumlah dari hasil perkalian f dengan d
% = interval kelas

12
 Cara ini efisien digunakan jika data yang akan dicari meannya
terdiri dari data angka yang relatif besar dan jumlah angkanya yang
banyak.
Langkah-langkah mencari mean dengan cara kedua ini adalah
sebagai berikut:
1) Memilih dan menetapkan salah satu kelas sebagai titik nol.
Kelas ini akan diambil nilai tengahnya sebagai mean sementara
( ). Nilai tengah sementara dapat ditetapkan pada sembarang
kelas.
2) Mengisi kolom kode (d). Kolom kode diisi dengan cara
meletakkan angka 0 sejajar dengan kelas yang di dalamnya
ditetapkan mean sementara ( ). Untuk kelas di atas titik
nol diberi kode negative secara berurutan (-1, -2 dan
seterusnya), sedang untuk kelas di bawah titik nol diberi tanda
positif (+1, +2, dan seterusnya).
3) Mengalikan tiap-tiap kode (d) dengan frekuensi (f) hasilnya
diisi pada kolom fd
4) Menjumlahkan hasil perkalian kode dengan frekuensinya,
(hasilnya: ∑ ! )
5) Menghitung mean dengan rumus di atas.
Contoh :
Berikut data hasil pengukuran IQ mahasiswa di Universitas X:
IQ f d fd
80-84 1 -5 -5
85-89 5 -4 -20
90-94 11 -3 -33
95-99 20 -2 -40
100-104 18 -1 -18
105-109 21 0 0
110-114 12 +1 12
115-119 7 +2 14
120-124 3 +3 9
125-129 2 +4 8
Jumlah 100 -73

13
 Dari tabel perhitungan diatas diketahui :
105 + 109
= = 107
2
) d = −73

n = 100
i = 5,
Sehingga dapat dihitung:
∑ !
= + "#

−73
= 107 + + , -5
100
= 107 + (-0,73) x 5
= 107 – 3,65
= 103,35

2. Median
Median merupakan skor yang membagi distribusi frekuensi menjadi
dua sama besar (50% sekelompok objek yang diteliti terletak di bawah
median dan 50% yang lainnya terletak di atas median (Irianto, 2004).
Selanjutnya Mangkuatmodjo (1997) menjelaskan median merupakan nilai
yang membagi serangkaian nilai variabel (data) sedemikian rupa sehingga
setengah dari rangkaian itu mempunyai nilai yang lebih kecil dari atau
sama dengan nilai median. Sedangkan setengahnya lagi memiliki nilai
yang sama dengan atau lebih besar dari nilai median. Oleh karena itu
median juga disebut rata-rata letak karena yang menjadi dasar adalah letak
variabel bukan nilainya.
Pemaknaan yang sama namun dengan menggunakan bahasa yang
sedikit berbeda dikemukakan oleh Spiegel (2004) yaitu median dari suatu
himpunan bilangan yang diatur berdasarkan urutan besarnya (dengan kata
lain, membentuk suatu array) adalah nilai tengah dari array tersebut

14
(jika banyaknya data adalah ganjil) atau dapat juga merupakan mean dari
kedua nilai tengahnya (jika banyaknya data adalah genap).
Langkah-langkah menentukan median adalah:
1) Menyusun data menjadi bentuk tersusun menurut besarnya (dari data
terkecil sampai data terbesar).
2) Menentukan nilai tengahnya yaitu skor yang membagi distribusi
menjadi dua sama besar.
3) Jika jumlah frekuensi ganjil maka menentukan median akan mudah
yaitu skor yang terletak di tengah-tengah barisan skor tersusun.
4) Jika jumlah frekuensi genap maka median merupakan rata-rata dari
dua skor yang paling dekat dengan median.
Contoh :
1. Terdapat data sebagai berikut: 8 5 7 6 4 3 9
2. Terdapat data sebagai berikut: 3 7 4 6 9 5

Penyelesaian data untuk nomor 1 adalah:

Penyusunan data 3 4 5 6 7 8 9
Skor yang membagi distribusi menjadi 2 bagian yang sama
banyak adalah 6 sehingga data tersebut memiliki nilai median yaitu 6.

Penyelesaian data untuk nomor 2 adalah:

Penyusunan data 3 4 5 6 7 9
Skor yang membagi distribusi menjadi 2 bagian yang sama banyak
adalah 5 dan 6 sehingga data tersebut memiliki nilai median yaitu:

= 5,5.
./
0

Kedua contoh diatas adalah perhitungan menentukan nilai median

pada data dengan jumlah frekuensi yang sedikit. Jika data yang dicari nilai
median relatif banyak, maka penghitungan nilai median dengan cara di
atas kurang efisien. Untuk menentukan nilai median pada data yang relatif

15
banyak sebaiknya dikelompokkan dan dapat digunakan rumus mencari
nilai median sebagai berikut:
1
−F
Me = B + p 62 8
ʄ

Keterangan:
B = tepi bawah kelas median, kelas di mana median terletak
p = panjang kelas median
n = ukuran sampel atau banyak data
F = jumlah semua frekuensi kelas-kelas sebelum kelas median
f = frekuensi kelas median (Sudjana, 2000)
Contoh:
Tabel 7. Distribusi Nilai Biostatisitik Mahasiswa Kelas X
Skor f f kumulatif
30 – 39 5 5
40 – 49 7 12
50 – 59 10 22
60 – 69 9 31
70 – 79 5 36
80 – 89 3 39
n = 39

Dari data di atas diketahui:

Kelas median dapat dicari dengan ketentuan: ≥½ n
½ n = ½ x 39 = 19,5
Maka kelas median terletak di kelas ketiga.
B = 50 – 0,5 = 49,5
p = 10
F = 5+7 =12
f = 10
Dengan demikian dapat dihitung median (Me) sebagai berikut :

Median = 49,5 + 10 < ? = 49,5 + 7,5 = 57

=, > 0

16
3. Modus
Modus atau mode adalah nilai variabel (atribut) yang memiliki
frekuensi terbanyak (Mangkuatmodjo, 1997). Senada dengan pengertian
modus ini, dijelaskan Irianto (2004) bahwa modus adalah skor yang
mempunyai frekuensi terbanyak dalam sekumpulan distribusi skor.
Dengan kata lain modus dianggap sebagai nilai yang menunjukkan nilai-
nilai yang lain terkonsentrasi. Modus dapat dicari dalam distribusi
frekuensi satuan maupun kelompok.
Contoh:
1. Terdapat data sebagai berikut: 8 5 7 6 4 3 9
2. Terdapat data sebagai berikut: 3 7 4 6 9 5 7
3. Terdapat data sebagai berikut: 7 6 4 6 9 5 7

Penyelesaian data untuk nomor 1 adalah:

Masing-masing data atau skor yang terdiri dari 1 (satu) frekuensi
maka kelompok data tersebut tidak memiliki modus.
Penyelesaian data untuk nomor 2 adalah:
Data atau skor 7 memiliki frekuensi terbanyak yaitu 2 sedangkan
data atau skor lainnya masing-masing 1. Oleh karena itu kelompok data
tersebut memiliki modus yaitu 7.
Penyelesaian data untuk nomor 3 adalah:
Data atau skor 6 dan 7 memiliki frekuensi terbanyak yaitu 2
sedangkan data atau skor lainnya masing-masing 1. Oleh karena itu
kelompok data tersebut memiliki modus yaitu 6 dan 7.

Ketiga contoh di atas adalah perhitungan menentukan nilai modus

pada data dengan jumlah frekuensi yang sedikit. Jika data yang dicari
nilai modus relatif banyak, maka penghitungan nilai modus dengan cara
di atas kurang efisien. Untuk menentukan nilai modus pada data yang
relatif banyak sebaiknya dikelompokkan dan dapat digunakan rumus
mencari nilai modus sebagai berikut:

17
 C
Modus = B + p + ,
C + C0
Keterangan:
B = tepi bawah kelas modus, kelas interval dengan frekuensi terbanyak
p = panjang kelas modus
C = frekuensi kelas modus dikurangi frekuensi kelas sebelum kelas
modus
C0 = frekuensi kelas modus dikurangi frekuensi kelas sesudah kelas modus

Contoh:
Tabel 8. Nilai Biostatistik Mahasiswa Kelas X
Skor f fk
30 – 39 5 5
40 – 49 7 12
50 – 59 10 22
60 – 69 9 31
70 – 79 5 36
80 – 89 3 39
n = 39
Dari data di atas diketahui:
B = 50 – 0,5 = 49,5
p = 10
C = 10 – 7 = 3
C0 = 10 – 9 = 1
Dengan demikian dapat dihitung modus (Mo) sebagai berikut:
3
Modus = 49,5 + 10 + ,
3+1
= 49,5 + 10 (0,75)
= 49,5 + 7,5
= 57
Modus memiliki karakteristik tersendiri yaitu:
1. Modus merupakan nilai dengan frekuensi tertinggi di dalam
sekelompok data. Modus tidak dihitung dari seluruh nilai dan tidak
ditentukan secara jabar seperti pada nilai rata-rata. Misalkan data

18
 sebagai berikut 2, 3, 7, 7, 8. Modusnya adalah 7. Jumlah nilai bukan 7
x 5 = 35, melainkan 2 + 3 + 7 + 7 + 8 = 27.
2. Modus tidak dipengaruhi oleh nilai-nilai ekstrim. Misalnya modus
dari data 3, 4, 5, 5, 7 adalah 5 dan modus dari nilai 3, 4, 5, 5, 70
adalah 5.
3. Modus dari sekelompok data diskrit mudah dihitung. Tetapi modus
dari sekelompok data kontinu jelas tidak pernah ada.
4. Modus bagi sebuah distribusi tidak dapat dihitung secara pasti seperti
pada rata-rata. Jadi diperlukan suatu pertimbangan yang matang di
dalam menginterpretasikan kepentingan dari modus yang dihitung.
5. Nilai dari modus sangat dipengaruhi oleh metode penetapan interval
kelas. Misalnya data 2, 5, 7, 8, 10, 12, 15, 16, 18, 20 ini tidak ada
modusnya karena masing-masing nilai memiliki frekuensi hanya 1.
Tetapi bila nilai-nilai tersebut dikelompokkan dengan 3 cara yang
masing-masing interval kelas 4, 6 dan 8, maka modus yang diperoleh akan
berbeda-beda.
Tabel 9. Distribusi dengan interval 4
Interval Kelas f
1–4 1
5–8 3
9 – 12 2
13 – 16 2
17 – 20 2
Jumlah 10

Modus dari data tabel diatas adalah:

2
Modus = 4,5 + x4
2+1
= 7,2

19
 Tabel 10. Distribusi dengan interval 6
Interval Kelas f
1–6 2
7 – 12 4
13 – 18 3
19 – 24 2
Jumlah 10

Modus dari data tabel diatas adalah:

2
Modus = 6,5 + x6
2+1
= 10,5

Tabel 11. Distribusi dengan interval 8

Interval Kelas f
1–8 4
9 – 16 4
17 – 24 2
Jumlah 10

Modus dari data tabel di atas adalah: bi-modus yaitu 4.

20
Latihan soal 1
Berikut data yang menggambarkan mengenai jumlah makanan kesukaan oleh 40
mahasiswa. Tentukan mean, median dan modus nya !
5 10 3 4 10 5 7 8 10 9
10 3 4 5 6 8 5 9 9 8

1. Mean

21
2. Median

3. Modus

22
Latihan Soal 2
Tabel berikut menunjukkan hasil pengamatan masa inkubasi dari 190 kasus
penyakit tipoid abdominalis yang dirawat di RS:
Masa inkubasi Jumlah kasus
(Hari) (f)
2-6 20
6-10 85
10-14 35
14-18 20
18-22 10
22-26 12
26-30 8
Tentukan mean, median dan modusnya!
Jawab:
1. Mean

23
2. Median

3. Modus

24
C. Ukuran Variasi
1. Range
Range adalah perbedaan antara data terbesar dengan data terkecil yang
terdapat pada sekelompok data. Range adalah salah satu ukuran statistik
yang menunjukkan jarak penyebaran data antara nilai terendah (-EFG ) dan
nilai tertinggi (-EHI ). Jarak atau kisaran nilai (range) merupakan ukuran
paling sederhana dari ukuran penyebaran. Jarak merupakan perbedaan
antara nilai terbesar dan nilai terkecil dalam suatu kelompok data baik data
populasi atau sampel. Semakin kecil ukuran jarak menunjukkan karakter
yang lebih baik, karena berarti data mendekati nilai pusat dan kompak.
a. Range untuk data tunggal
Rumus untuk data tunggal adalah sebagai berikut:
Jarak (Range) = nilai terbesar – nilai terkecil
Contoh:
Data nilai ujian mata kuliah biostatistik
Kelas A: 90 80 70 90 70 100 80 50 75 70
Kelas B: 80 80 75 95 75 70 95 60 85 60
Langkah-langkah menjawab:
Urutkan dahulu kemudian dihitung berapa rentangnya.
Kelas A: 50 70 70 70 75 80 80 90 90 100
Kelas B: 60 60 70 75 75 80 80 85 95 95
Rentangan kelas A: 100 – 50 = 50
Rentangan kelas B: 95 – 60 = 35
b. Range untuk data berkelompok
Rumus range untuk data berkelompok adalah sebagai berikut:
Range = batas atas kelas tertinggi – batas bawah kelas terendah
Contoh:
Berikut ini adalah data yang sudah dikelompokkan dari data
jarak tempat tinggal mahasiswa Fakultas Kesehatan Masyarakat
dengan kampus. Hitunglah range dari data tersebut.

25
 Tabel Jarak rumah mahasiswa dengan kampus
Jarak rumah-kampus (meter) f
1 160 – 303 2
2 304 – 447 5
3 448 – 591 9
4 592 – 735 3
5 736 – 878 1

Penyelesaian:
Range = batas atas kelas tertinggi – batas bawah kelas terendah
= 878 – 160
= 718
2. Kuartil
Kuartil adalah nilai yang membagi sekumpulan data yang terurut
menjadi empat bagian yang sama yaitu bagian pertama, bagian kedua,
bagian ketiga dan bagian keempat. Terdapat tiga buah kuartil yang
didapati dari suatu gugus data yaitu kuartil 1 (J ), kuartil 2 (J0 ) atau
median dan kuartil 3 (J0 ).

¼ bagian ¼ bagian ¼ bagian ¼ bagian

-EFG J J0 J -EHKL

Keterangan:
-EFG = data terkecil

-EHKL = data terbesar

J = kuartil ke – 1

J0 = kuartil ke – 2

J = kuartil ke – 3

26
a) Kuartil data tunggal
Untuk n ganjil
% ( + 1)
MN OP J =
4
Keterangan:
J = kuartil ke – i
= banyak data

Untuk n genap
Rumus untuk menentukan nilai kuartil pada data tunggal dengan n
genap adalah:
J = (G.0)/T

J0 = ( U + U
. )
0 V V

J = (WUXV)
Y

Contoh:
Tentukan J , J0 , dan J dari data 3, 5, 6, 6, 6, 7, 7, 8, 8, 9, 10.
Penyelesaian:
Data yang telah diurutkan: 3, 5, 6, 6, 6, 7, 7, 8, 8, 9, 10
Banyak data dari contoh diatas adalah 11.
Kuartil ditentukan dengan:
Nilai J = data ke – 1Z4 (11+1) = data ke – 3 = 6

Nilai J0 = data ke – 2Z4 (11+1) = data ke – 6 = 7

Nilai J = data ke - 3Z4 (11+1) = data ke – 9 = 8

Sehingga nilai J = 6, J0 = 7 dan J = 8
Contoh:
Tentukan J , J0 , dan J dari data 3, 4, 7, 8, 7, 4, 8, 4, 9, 10, 8, 3, 7,
12.

Penyelesaian:

27
 Data yang telah diurutkan: 3, 3, 4, 4, 4, 7, 7, 7, 8, 8, 8, 9, 10, 12.
Q = X ( T.0)/T = X T = 4

Q0 = ( ]Y + ]Y
.
) = ( ^ + _) = (7 + 7) = 7
0 V V 0 0

Q = X (W.]YXV) = X (YVXV) = X =8
Y Y

Jadi Q = 4, Q0 = 7, Q = 8

b) Kuartil data kelompok

Rumus untuk menentukan kuartil data kelompok adalah sebagai
berikut:
%
−b
JF = aF + M 64 8

Keterangan:
Qc = kuartil ke – i (1, 2, atau 3)
Bc = tepi bawah kelas kuartil ke – i
n = banyaknya data
F = frekuensi kumulatif kelas sebelum kelas kuartil
(C%dO O: Q = T , Q0 = T ,Q =T
0
)

l = lebar kelas
f = frekuensi kelas kuartil

Contoh:
Tentukan Q (kuartil bawah), Q0 (median) dan Q (kuartil atas)
dari data hasil ujian biostatistik terhadap 40 orang mahasiswa kelas A
berikut ini.

28
 Tabel Distribusi Frekuensi Nilai Ujian Biostatistik Mahasiswa Kelas A
Nilai Frekuensi
40 – 49 4
50 – 59 5
60 – 69 14
70 – 79 10
80 – 89 4
90 – 99 3
Jumlah 40

Penyelesaian:
Tabel Distribusi Kumulatif Nilai Ujian Biostatistik Mahasiswa Kelas A
Nilai Frekuensi F kumulatif
40 – 49 4 4
50 – 59 5 9
60 – 69 14 23
70 – 79 10 33
80 – 89 4 37
90 – 99 3 40
Jumlah 40

Dari data di atas diketahui:

n = 40, Q = T 40= 10 , Q0 = T 40 = 20 , Q = T 40 = 30
0

Kelas Q1 adalah kelas ke-3

Kelas Q2 adalah kelas ke-3
Kelas Q3 adalah kelas ke-4

B = 60-0,5 = 59,5
B0 = 60-0,5 = 59,5
B = 70-0,5 = 69,5

F =9

29
 F0 = 9
F = 23

l = 10
= 14
f0 = 14
= 10

1
−b
J = a + M 64 8

1
40 − 9
= 59,5 + 10 64 8
14

= 59,5 + 10 (0,071)
= 59,5 + 0,71
= 60,21

2
−b
J0 = a0 + M 64 8

2
40 − 9
= 59,5 + 10 64 8
14

= 59,5 + 10 (0,786)
= 59,5 + 7,86
= 67,36

3
−b
J = a + M 64 8

30
 3
40 − 23
= 69,5 + 10 64 8
10

= 69,5 + 10 (0,7)
= 69,5 + 7
= 70, 2

3. Simpangan Rata-Rata
Simpangan rata-rata adalah nilai rata-rata dari selisih setiap data
dengan nilai rataan hitung (mean).
Untuk data tunggal, simpangan rata-rata dicari dengan rumus:
∑|kl >k|
hi =
m
Ket:
SR = simpangan rata-rata
Xi = data ke-i
X = mean
N = jumlah data
Untuk data berkelompok dalam bentuk distribusi frekuensi,
simpangan rata-rata dicari dengan rumus:
∑n|mo >k|
hi =
m
Ket:
f = frekuensi
Nt = Nilai tengah setiap kelas

Contoh data tunggal:

Tentukan simpangan rata-rata dari data berikut:
2, 3, 6, 8, 11
Penyelesaian:
∑ 30
= = =6
5

31
 Maka, simpangan rata-rata dari data tersebut adalah:

X Xi-X |Xi-X|
2 -4 4
3 -3 3
6 0 0
8 2 2

∑|Xi-X|=14
11 5 5
∑ X = 30

hi =
∑|kl >k |
m

hi =
T

hi = 2,8

Contoh data kelompok:

Tinggi badan (cm) f

140-144 2
145-149 4
150-154 10
155-159 14
160-164 12
165-169 5
170-174 3
Jumlah 50

Penyelesaian:

Tinggi badan f Nt fNt Nt-X |Nt-X| f|Nt-X|

140-144 2 142 284 -15.7 15.7 31.4

145-149 4 147 588 -10.7 10.7 42.8
150-154 10 152 1520 -5.7 5.7 57
155-159 14 157 2198 -0.7 0.7 9.8
160-164 12 162 1944 4.3 4.3 51.6
165-169 5 167 835 9.3 9.3 46.5
170-174 3 172 516 14.3 14.3 42.9
Jumlah 50 7885 282

32
 Dari data diketahui nilai rata-rata adalah

^__
X= = 157,7

Maka simpangan rata-rata dari data tersebut adalah:

∑n|mo >k|
hi =
m

hi =
0_0

hi =5,64

4. Standar Deviasi
Standar deviasi atau simpangan baku (s) merupakan bentuk
simpangan rata-rata yang diperbarui dan juga merupakan ukuran dispersi
yang lebih umum dipergunakan. Dalam kenyataannya simpangan baku
adalah demikian pentingnya sehingga menjadi standar ukuran dispersi.
Kuadrat dari simpangan baku disebut varian.
Karakteristik dari simpangan baku adalah :
a. Simpangan baku didasarkan atas setiap nilai yang ada di dalam data.
Karenanya sebagaimana halnya dengan simpangan rata-rata, maka
simpangan baku memberikan gambaran yang lebih baik mengenai
dispersi daripada range dan simpangan kuartil.
b. Simpangan baku dihitung dari rata-rata hitung nilai-nilai yang ada di
dalam data. Simpangan baku mengukur dispersi di sekitar rata-rata,
bukan dispersi di dalam nilai-nilai tertentu seperti yang diukur dengan
range dan simpangan kuartil.
c. Simpangan baku secara matematis adalah logis karena perhitungannya
tidak mengabaikan tanda-tanda positif dan negatif dari simpangan

33
 individual. Kenyataan ini menambah kegunaan simpangan baku dalam
operasi matematis lebih lanjut.
d. Apabila setiap nilai dari data tertentu ditambah atau dikurangi dengan
sebuah bilangan tetap, simpangan baku tidak terpengaruh. Hal ini benar
karena rata-rata seperti pada setiap nilai, juga ditambah atau dikurangi
dengan bilangan tetap tersebut. Jadi simpangan setiap nilai dari rata-rata
tidak terpengaruh. Tetapi apabila setiap nilai di dalam data dikalikan
atau dibagi dengan sebuah bilangan tetap, maka simpangan baku juga
dikalikan atau dibagi dengan bilangan tetap itu.
Untuk data tunggal dalam bentuk distribusi frekuensi, simpangan baku
dicari dengan rumus:

²
(1) h = p −< ? (2) s = r
∑ ² ∑ ∑(kl >k)V
m

Contoh Rumus (1) :

Skor (X) X²
5 25
7 49
8 64
10 100
12 144
∑ X = 42 ∑ X² = 382

Dari tabel di atas maka dapat dihitung simpangan baku sebagai berikut:

382 42 ²
h =p −+ ,
5 5
= s76,4 − 70,56
= s5,84
= 2,42

Contoh Rumus (2) :

Sebelum membuat tabel bantu, terlebih dahulu hitung nilai mean (X):

34
 T0
X= = 8,4

Skor (X) Xi-X (Xi-X)²

5 -3,4 11,56
7 -1,4 1,96
8 -0,4 0,16
10 1,6 2,56

∑(Xi-X)²=29,2
12 3,6 12,96
∑ X = 42

Dari tabel di atas maka dapat dihitung simpangan baku sebagai berikut :

s=r
∑(kl >k)V
m

=r
0=,0

= s5,84
= 2,42

Untuk data berkelompok dalam tabel distribusi frekuensi, simpangan baku

dicari dengan rumus:

(1) s = r
∑n(mo >k)V
m
,

dimana: Nt = nilai tengah, X =

∑ nmo
∑n

∑ ² ∑
²
(2) h = p − "

∑ C ²
(3) h = p −< ? ×i
∑ C²

d = kode penyimpangan dari kelas interval yang dianggap nol

35
Contoh Rumus (1):
Skor f
20 - 22 1
23 - 25 5
26 - 28 5
29 - 31 10
32 - 34 9
35 - 37 1

Sebelum membuat tabel bantu, terlebih dahulu hitung nilai mean (X):
Jumlah 31

∑
X=
u
∑
909
=
31
=29,32

Skor f Nt fNt Nt-X (Nt-X)2 f(Nt-X)2

20 - 22 1 21 21 -8,32 69,22 69,22
23 - 25 5 24 120 -5,32 28,30 141,5
26 - 28 5 27 135 -2,32 5,38 26,9
29 - 31 10 30 300 0,68 0,46 4,6
32 - 34 9 33 297 3,68 14,90 134,1
35 - 37 1 36 36 6,68 44,62 44,62
Jumlah 31 - 909 -4,92 162,88 420,94

s=r
∑n(mo >k)V
m

=r
T0 ,=T

= s13,58
= 3,68

36
Contoh Rumus (2) :
Skor f
20 - 22 1
23 - 25 5
26 - 28 5
29 - 31 10
32 - 34 9
35 - 37 1
Jumlah 31

Penyelesaian :
Skor f X fX fX²
20 - 22 1 21 21 441
23 - 25 5 24 120 2880
26 - 28 5 27 135 3645
29 - 31 10 30 300 9000
32 - 34 9 33 297 9801
35 - 37 1 36 36 1296
Jumlah 31 - 909 27063
Dari tabel di atas maka dapat dihitung simpangan baku sebagai berikut :

27063 909 ²
h =p −+ ,
31 31

= s873 − 859,66

= s13,34
= 3,65

Contoh Rumus (3)

Skor f
20 - 22 1
23 - 25 5
26 - 28 5
29 - 31 10
32 - 34 9
35 - 37 1
Jumlah 31

37
 Penyelesaian :
Skor f d fd fd²
20 - 22 1 -3 -3 9
23 - 25 5 -2 -10 20
26 - 28 5 -1 -5 5
29 - 31 10 0 0 0
32 - 34 9 +1 9 9
35 - 37 1 +2 2 4
Jumlah 31 - -7 47

Dari tabel di atas maka dapat dihitung simpangan baku sebagai berikut :

²
h = r −< ? × 3
T^ >^

= s1,52 − 0,04 × 3

= 1,22 x 3
= 3,66

5. Varians

Varians adalah jumlah seluruh selisih hasil pengamatan dengan rata-rata

yang telah dipangkatkan dua dibagi dengan jumlah pengamatan.

Untuk data tunggal dalam tabel distribusi frekuensi, varians dicari dengan
rumus:

∑ ² ∑
²
(1) h2 = − "

∑(kl >k)V
(2) h 0 =
m

38
Contoh Rumus (1) :
Skor (X) X²
5 25
7 49
8 64
10 100
12 144
∑ X = 42 ∑ X² = 382

Dari tabel di atas maka dapat dihitung simpangan baku sebagai berikut:
382 42 ²
h0 = −+ ,
5 5
= 76,4 − 70,56
= 5,84

Contoh Rumus (2) :

Sebelum membuat tabel bantu, terlebih dahulu hitung nilai mean (X):
T0
X= = 8,4

Skor (X) Xi-X (Xi-X)²

5 -3,4 11,56
7 -1,4 1,96
8 -0,4 0,16
10 1,6 2,56
12 3,6 12,96
∑ X = 42 ∑(Xi-X)²=29,2

Dari tabel di atas maka dapat dihitung simpangan baku sebagai berikut :
∑(kl >k)V
m
s=

39
 0=,0
=

= 5,84

Untuk data berkelompok dalam tabel distribusi frekuensi, varians dicari

dengan rumus:
2
∑ −
(1)h2 =
< ?
,

dimana: Nt = nilai tengah, X =

∑ nmo
∑n

∑ ² ∑
²
(2) h2 = − "

∑ C ²
(3) h2 = −< ? × %0
∑ C²

d = kode penyimpangan dari kelas interval yang dianggap nol

Contoh Rumus (1):

Hitunglah nilai varians dari data berikut.
Nilai Biostatistik f
65-67 2
68-70 5
71-73 13
74-76 14
77-79 4
80-82 2
Jumlah 40
Penyelesaian:
Sebelum membuat tabel bantu, terlebih dahulu hitung nilai mean (X):
∑
X=
u
∑

40
 2937
=
40
= 73,43
Nilai Biostatistik f Nt f.Nt Nt-X (Nt-X)2 f(Nt-X)2
65-67 2 66 132 -7.43 55.13 110.26
68-70 5 69 345 -4.43 19.58 97.90
71-73 13 72 936 -1.43 2.03 26.40
74-76 14 75 1050 1.58 2.48 34.73
77-79 4 78 312 4.58 20.93 83.72
80-82 2 81 162 7.58 57.38 114.76
Jumlah 40 2937 0.45 157.53 467.78
Dari tabel di atas dapat dihitung varians sebagai berikut:

∑ v − w
2
h =
0

467,78
h0 =
40
h = 11,69
0

Contoh Rumus (2):

Nilai
Nt f Nt² f.Nt f.Nt²
Biostatistik
65-67 66 2 4356 132 8712
68-70 69 5 4761 345 23805
71-73 72 13 5184 936 67392
74-79 75 14 5625 1050 78750
77-79 78 4 6084 312 24336
80-82 81 2 6561 162 13122
Jumlah - 40 - 2937 216117

∑ ² ∑ ²
h =0
−+ ,

216117 2937 ²
h0 = −+ ,
40 40
h 0 = 5402,93 − 5391,23

41
 h 0 = 11,69

Contoh Rumus (3):

Nilai
Biostatistik Nt f d d² f.d f.d²
65-67 66 2 -3 9 -6 18
68-70 69 5 -2 4 -10 20
71-73 72 13 -1 1 -13 13
74-76 75 14 0 0 0 0
77-79 78 4 1 1 4 4
80-82 81 2 2 4 4 8
Jumlah - 40 - -21 63

∑ C² ∑ C ²
h =
0
−+ , × %2

²
h0 = −< ? × 3²
/ >0
T T
h 0 = 1,58 − 0,28 × 9
h 0 = 11,69

42
Soal Latihan:
1. Hitung simpangan rata-rata, standar deviasi dan varians data berikut.
Untuk rumus standar deviasi dan varians, pilih salah satu untuk digunakan.
X f
3 2
4 2
5 4
6 1
7 1
8 3
9 3
10 4
Jumlah 20

2. Hitung simpanngan rata-rata, standar deviasi dan varians data berikut.

Untuk rumus standar deviasi dan varians, pilih salah satu untuk digunakan.
Skor f
30 – 39 5
40 – 49 7
50 – 59 10
60 – 69 9
70 – 79 5
80 – 89 3
Jumlah 39

43