1

BAB III
UKURAN NILAI PUSAT( Tendensi Sentral )

Pada bab sebelumnya kita telah mempelajari distribusi frekuensi, tehnik pembuatan
dan penyajian distribusi frekuensi kedalam grafik dari data kuantitif. Penyajian data tersebut
dalam beberapa hal telah cukup memberikan gambaran visual yang jelas dan mudah dibaca
serta dipahami.

Akan tetapi untuk tujuan analisis, penyajian data seperti itu belum cukup
memberikan gambaran secara jelas dan singkat mengenai objek yang diteliti. Terlebih lagi
apabila tujuannya untuk mendapatkan gambaran yang jelas dan singkat dari dua data statistik
yang sejenis yang diperoleh dari sampel yang berbeda. Dari distribusi frekuensi, kita tidak
bisa atau masih sulit untuk mengatakan secara singkat data mana yang lebih baik dari
perbandingan yang ada.

Untuk tujuan tersebut maka diperlukan nilai tunggal untuk dapat mewakili seluruh
data dari masing-masing kelompok. Nilai tunggal yang demikian itu biasanya disebut dengan
nilai sentral. Konsep nilai sentral atau nilai tunggal ini adalah untuk membandingkan suatu
rangkaian data dengan rangkaian data yang lain.

Nilai sentral dari suatu rangkaian data adalah nilai dalam rangkaian data yang dapat
mewakili data tersebut. Suatu rangkaian data biasanya mempunyai tendensi untuk
terkonsentrasi atau terpusat pada nilai sentral ini. Nilai sentral disebut pula sebagai nilai
tendensi pusat. Ada beberapa syarat agar suatu nilai dapat disebut sebagai nilai sentral, yaitu
nilai sentral harus dapat mewakili data, perhitungan harus didasarkan pada seluruh data,
perhitungan harus objektif, perhitungan harus mudah, dan dalam suatu rangkaian data hanya
ada 1 nilai sentral.

Ada 6 macam nilai sentral yang banyak digunakan yaitu Rata-rata hitung
(Arithmatic Mean), Median atau Nilai Tengah, Modus atau Mode, Rata-rata Ukur (Geometric
Mean), Rata-rata Harmoni (Harmonic Mean), dan Rata-rata Kuadrat (Quadratic Mean).

A. RATA-RATA HITUNG ( Arithmatic Mean )

Rata-rata Hitung atau lebih sering disebut Rata-rata adalah nilai sentral yang paling
dikenal sehari-hari. Misalnya harga barang naik rata-rata 10% artinya semua harga barang
naik berkisar 10% dan ada yang kurang 10%. Dalam pengertian statistik rata-rata diberi
pengertian sebagai jumlah seluruh nilai dibagi dengan jumlah pengamatan. Rata-rata hitung
untuk sampel biasanya bersimbol  ( dibaca X bar ) dan rata-rata untuk populasi bersimbol
 (dibaca my atau mu). Dalam menghitung rata-rata suatu rangkaian data dibedakan
menjadi
1. Rata-rata Hitung Sederhana (simple arithmatic mean)
2. Rata-rata Hitung Tertimbang (weighted arithmatic mean)
3. Rata-rata Ukur (geometric mean)
4. Rata-rata Harmoni (harmonic mean)
5. Rata-rata Kuadrat (quadratic mean)
 2

1. Rata-Rata Hitung Sederhana

Sebagaimana dijelaskan bahwa rata-rata diberi definisi sebagai jumlah seluruh nilai
data dibagi dengan banyaknya kejadian atau frekuensi.

x
 =
N

 = X bars = Rata-rata
x = Sigma x = Jumlah keseluruhan data ( dari x1, x2 . . . . . Xn )
N = banyak atau jumlah kejadian atau frekuensi

Penggunaan rumus diatas dapat digunakan untuk data tunggal atau data tidak berkelompok,
dan data berkelompok.

Rata-Rata Hitung sederhana untuk data yang tidak berkelompok

Nilai Statistik dari 9 mahasiswa sebagai berikut : 75, 70, 65, 67, 80, 78, 83, 85, 60. Berapakah
nilai rata-rata dari 9 mahasiswa tersebut ?

 = ( 75 + 70 + 65 + 67 + 80 + 78 + 83 + 85 + 60 ) / 9 = 663/9 = 73,66667

Rata-Rata Hitung sederhana untuk data yang berkelompok

Data berkelompok adalah data yang telah dikelompokkan kedalam kelas-kelas yang berbeda
atau data yang telah tersusun kedalam distribusi frekuensi. Data yang telah berbentuk
distribusi frekuensi maka data tersebut akan berbaur sehingga keaslian data itu akan hilang
bercampur dengan data lain menurut kelasnya. Hanya dalam perhitungan rata-rata data
berkelompok diambil titik tengahnya (class mark) yaitu setengah dari jumlah batas bawah
dan batas atas kelas. Hal ini dimaksudkan supaya menghindari kemungkinan data yang ada
disetiap interval punya nilai yang lebih besar atau lebih kecil dari titik tengah.

Rumus Rata-Rata Hitung sederhana untuk data yang berkelompok adalah

(M.f)
 =
f

Dimana :
M = Nilai Tengah dari kelas ke-1 sampai kelas terakhir
f = Frekuensi setiap kelas
 ( M . f ) = Jumlah dari perkalian antara titik tengah dan frekuensi pada kelas yang
bersangkutan dari kelas ke-1 sampai kelas terakhir
 f = N = Jumlah seluruh frekuensi dari kelas ke-1 sampai kelas terakhir.
 3

Tabel 11
Nilai Pesanan (jutaan) dari Perusahaan X

Class Frekuensi
Interval M.f
Mark ( M) (f)
5  9 7 6 42
10  14 12 12 144
15  19 17 19 323
20  24 22 20 440
25  29 27 13 351
30  34 32 8 256
35  39 37 2 74
Jumlah : 80 1630

Nilai rata-rata dari tabel 11 sebagai berikut :

1630
 = = 20,375
80

2. Rata-rata Hitung Tertimbang

Salah satu kekurangan rata-rata hitung sederhana adalah adanya anggapan bahwa
setiap barang atau objek mempunyai arti penting yang sama. Padahal dalam kenyataannya
barang atau objek memiliki arti penting yang berbeda. Misalnya Beras, gula dan garam,
meskipun ketiganya merupakan bahan kebutuhan pokok sehari-hari, tetapi masing-masing
mempunyai arti penting yang berbeda. Beras lebih penting dari gula dan garam, sedangkan
gula lebih penting dari garam.

Untuk membedakan arti penting masing-masing barang ini, maka masing-masing

barang diberi faktor penimbang yang berbeda satu dengan yang lain. Barang-barang yang
lebih penting diberi faktor penimbang (bobot) yang lebih besar daripada barang-barang yang
kurang penting artinya.

Pada dasarnya ada 2 cara untuk memberikan faktor penimbang yaitu secara subyektif
dan obyektif. Pemberian faktor penimbang secara subyektif didasarkan pandangan masing-
masing individu, dimana seorang memberi faktor penimbang terhadap beras lebih tinggi dari
gula dan garam, meskipun masing-masing individu tidak sama nilai absolutnya. Pemberian
faktor penimbang secara obyektif adalah penentuan faktor penimbang ditentukan berdasarkan
jumlah konsumsi barang, Barang yang mempunyai arti penting akan dikonsumi dalam jumlah
yang besar sedangkan barang yang kurang penting akan dikonsumi dalam jumlah yang kecil.
Kuantita disini merupakan perbandingan yang menunjukkan arti penting barang. Selain
kuantita, ada juga bobot SKS mata kuliah ; lama kerja dan tingkat pendidikan untuk
menentukan besarnya gaji pokok dan sebagainya.
 4

Rata-rata tertimbang untuk data tunggal, memiliki rumus :

( x.W )
w =
W

Rata-rata tertimbang untuk data berkelompok maka faktor penimbang adalah

frekuensi ( W = f ) dikalikan dengan M (titik tengah) lalu dibagi jumlah seluruh f

( M.f )
w =
f

Contoh Rata-rata tertimbang untuk data tunggal.

Tabel 12
Kebutuhan tertimbang 34 macam kebutuhan pokok
Setiap bulan selama satu tahun di Surabaya

Nama Barang Harga / Kg. Penimbang (W) Harga x W

Beras Rp. 4.500 30 135.000
Gula Rp. 6.000 5 30.000
Garam Rp. 2.000 0,5 1.000
Lombok Rp. 3.000 1,5 4.500
Jumlah 37 170.500

Rata-rata tertimbang 4 macam kebutuhan pokok = 170.500 / 37 = 4.608,11

Tabel 13
Kartu Hasil Ujian
Mata Kuliah Bobot SKS Nilai SKS x Nilai
Statistik 3 A=4 12
Pancasila 2 B=3 6
English I 2 B=3 6
Komputer-1 1 A=4 4
Sistim Politik 3 C=2 6
Jumlah 11 34

Rata-Rata Tertimbang atau Indek Prestasi Akademik = 34 / 11 = 3,09

 5

Contoh Rata-rata tertimbang untuk data berkelompok

Tabel 11
Nilai Pesanan (jutaan) dari Perusahaan X

Frekuensi
Class
Interval = Weight M.f
Mark ( M)
(f = W)
5  9 7 6 42
10  14 12 12 144
15  19 17 19 323
20  24 22 20 440
25  29 27 13 351
30  34 32 8 256
35  39 37 2 74
Jumlah : 80 1630

Nilai rata-rata dari tabel 11 sebagai berikut :

1630
 = = 20,375
80

3. Rata-Rata Ukur ( Geometric Mean )

Apabila kita menghadapi kuantita yang mengalami perubahan pada setiap periode dan
apabila kita ingin mengetahui berapa besarnya tingkat perubahan setiap periode, maka
jawaban dihitung berdasarkan rata-rata hitung adalah keliru. Kita membutuhkan ukuran rata-
rata lain yaitu rata-rata ukur. Rata-rata ukur dinotasikan g . Dengan kata lain jika kita
menghadapi data-data yang tercatat selama beberapa periode yang nampaknya mengalami
perbandingan yang tetap atau hampir tetap maka rata-rata ukur lebih baik daripada rata-rata
hitung.
Data yang tidak dikelompokkan, maka Rata-rata ukur g adalah akar pangkat n dari
hasil perkalian nilai datanya. Sehingga dapat dirumuskan sebagai berikut :

g = n 1 . 2 . 3 . . . . . . . . . . n
 6

Tabel 13
Penerimaan Bersih 1996 – 2001

Tahun Penerimaan Bersih (juta) Rasio Pertambahan

1996 50 -
1997 100 100 / 50 = 2
1998 600 600 / 100 = 6
1999 900 900 / 600 = 1,5
2000 2.700 2.700 / 900 = 3
2001 13.500 13.500 / 2.700 = 5

Jika kita menggunakan rata-rata hitung maka rata-rata rasio pertambahan =

(2+6+1,5+3+5) / 5 = 3,5. Jika kita terapkan hasil ini pada data akan nampak bahwa rata-rata
rasio dengan menggunakan rata-rata hitung memiliki bias (selisih) yang cukup besar
dibandingkan dengan data aslinya. Seperti tampak dalam tabel dibawah ini

Penerimaan dengan Rata-rata

Penerimaan
Tahun hitung Selisih (juta)
Bersih (juta)
(juta)
1996 50 - -
1997 100 50 x 3,5 = 175 175 – 100 = 75
1998 600 175 x 3,5 = 612,5 612,5 – 600 = 12,5
1999 900 612,5 x 3,5 = 2.143,750 2.143,750 – 900 = 1.243,750
2000 2.700 2.143,750 x 3,5 = 7.503,125 7.503,125 – 2.700 = 4.803,125
2001 13.500 7.503,125 x 3,5 = 26.260,9375 26.260,9375 – 13.500 = 12.760,938

Sedangkan bila menggunakan rata-rata ukur hasilnya :

g = 5 2.6.1,5.3. 5 = 5 270 = 3,06

Jika kita terapkan hasil ini pada data akan nampak bahwa rata-rata rasio dengan
menggunakan rata-rata ukur memiliki bias (selisih) yang kecil dengan data aslinya. Seperti
tampak dalam tabel dibawah ini.

Penerimaan Penerimaan dengan Rata-

Tahun Selisih
Bersih (juta) Rata Ukur
1996 50 - -
1997 100 50 x 3,06 = 153,194353 153,194353 – 100 = 53,194353
153,194353 x 3,06 =
1998 600 469,370197 – 600 = -130,629803
469,370197
469,370197 x 3,06 =
1999 900 1.438,097273 – 900 = 538,097273
1.438,097273
1.438,097273 x 3,06 =
2000 2.700 4.406,167631 – 2.700 = 1.706,167631
4.406,167631
4.406,167631 x 3,06 =
2001 13.500 13.500 – 13.500 =0
13.500
 7

Oleh karena bias rata-rata ukur lebih kecil (sedikit) daripada bias pada rata-rata
hitung maka dapat dikatakan bahwa rata-rata ukur lebih baik, lebih realistis dan lebih
mendekati kenyataan daripada rata-rata hitung.

Apabila data yang ada semakin banyak maka rumus rata-rata ukur seperti tersebut
diatas menjadi lebih sulit. Oleh karena itu, untuk data yang banyak maka rata-rata ukur dapat
dirumuskan menjadi :

g = Antilog  log Xi /  

Tahun Tingkat Penjualan ( X ) Log X

1990 107 2,029383778
1991 125 2,096910013
1992 110 2,041392685
1993 137 2,136720567
1994 140 2,146128036
1995 155 2,190331698
1996 130 2,113943352
1997 108 2,033423755
1998 122 2,086359831
1999 116 2,064457989
2000 150 2,176091259
2001 163 2,212187604
2002 152 2,181843588
2003 145 2,161368002
2004 148 2,170261715
Jumlah Log X 31,84080387
Banyak Data = N 15
Jumlah Log X / N 2,122720258
Antilog ( jumlah Log X / N ) 132,6539719

Jadi rata-rata ukur dari tingkat penjualan dari tahun 1990 sampai 2004 adalah 132,654. Maka
rata-rata kenaikan tingkat penjualan pertahun adalah 132,654 % – 100% = 32,654%.
Rata-rata ukur mempunyai kebaikan yaitu Pada data yang bersifat deret ukur, rata-
rata ukur lebih mewwakili daripada rata-rata hitung. Rata-rata ukur nilainya sangat
tergantung pada nilai individual, artinya perubahan pada salah satu nilai data akan
mempengaruhi nilai rata-rata ukurnya.
Disamping kebaikan-kebaikan tersebut, rata-rata ukur juga memiliki kelemahan-
kelemahan yaitu Perhitungan rata-rata ukur lebih sulit daripada rata-rata hitung, dan apabila
salah satu nilai data negatif, maka rata-rata ukur akan negatif.
 8

Data yang dikelompokkan( distribusi frekuensi ) maka rata-rata ukur dapat dihitung
dapat dihitung dengan rumus

g = Antilog  Log M.f /  f 

M = Titik Tengah setiap kelas

f = Frekuensi setiap kelas
 f = Jumlah dari f

Tabel 11
Titik Tengah Frekuensi Log M Log M.f
Interval (M) (f)
5-9 7 6 0,84509804 5,07058824
10 - 14 12 12 1,079181246 12,95017495
15 - 19 17 19 1,230448921 23,37852951
20 - 24 22 20 1,342422681 26,84845362
25 - 29 27 13 1,431363764 18,60772893
30 - 34 32 8 1,505149978 12,04119983
35 - 39 37 2 1,568201724 3,136403448
Jumlah f = 80 (Log M.f )= 102,0330785

Rata-rata ukur dari distribusi frekuensi tersebut adalah :

g = antilog (102,0330785 / 80 )
g = antilog 1,2754135
g = 18,854

4. Rata-Rata Harmoni ( Harmonic Mean )

Rata-rata Harmoni ( h ) adalah Banyak Data (n) dibagi dengan kebalikan dari
frekuensinya.
Untuk data yang tidak dikelompokkan maka

h = n / (1/X1 + 1/X2 + 1/X3 . . . .1/Xn)

 9

Tingkat
Tahun Penjualan ( X ) 1/ X
1990 24 0,04167 = 1/24
1991 30 0,03333 = 1/30
1992 45 0,02222 = 1/45
1993 34 0,02941 = 1/34
1994 41 0,02439 = 1/41
1995 28 0,03571
1996 25 0,04000
1997 48 0,02083
1998 45 0,02222
Jumlah 1/X 0,26979
Banyak Data = N 9
Rata-rata Harmonis h = 9 / 0,26979 = 33,35928

Data yang dikelompokkan (distribusi frekuensi) maka rata-rata harmonis dihitung dengan
rumus :

h =  f / (f1/M1 + f2/M2 + f3/M3 . . . .fn/Mn)

Titik Tengah f/m

Interval (m) Frekuensi ( f )
5-9 7 6 0,857142857
10 - 14 12 12 1
15 - 19 17 19 1,117647059
20 - 24 22 20 0,909090909
25 - 29 27 13 0,481481481
30 - 34 32 8 0,25
35 - 39 37 2 0,054054054
Jumlah 80 4,669416361

Rata-rata harmonis = 80 / 4,669416361 = 17,132762173

5. Rata-rata Kuadrat ( Quadratic Mean )

Rata-rata kuadrat suatu rangkaian data adalah akar pangkat 2 dari kuadrat nilai rata-
ratanya. Rata-rata kuadrat dinotasikan q

Cara perhitungan Rata-rata Kuadrat untuk data tidak berkelompok adalah

a. Kuadratkan masing-masing nilai data ( X2 )
b. Jumlah hasilnya (  X2 )
 10

c. Bagi dengan banyaknya data ( N )

d. Cari akar pangkat duanya.

q =



Tingkat
Tahun Penjualan ( X ) X2
1990 24 576
1991 30 900
1992 45 2.025
1993 34 1.156
1994 41 1.681
1995 28 784
1996 25 625
1997 48 2.304
1998 45 2.025
Jumlah X2 12.076
Banyak Data = N 9
Rata-rata Kuadrat = 36,63028

12.076
q = = 341,78 = 36,63028
9

Cara perhitungan rata-rata kuadrat untuk data yang dikelompokkan

a. Hitung nilai tengah (M) dari masing-masing kelas.
b. Hitung kuadrat masing-masing nilai tengah ( M2 )
c. Kalikan M2 dengan masing-masing frekuensinya
d. Jumlahkan hasilnya  f.M2
e. Bagi  f.M2 dengan N dimana N = jumlah frekuensi

2
q =  f .M
f
 11

Titik Tengah Frekuensi M2 f.M2

Interval (M) (f)
5-9 7 6 49 294
10 - 14 12 12 144 1728
15 - 19 17 19 289 5491
20 - 24 22 20 484 9680
25 - 29 27 13 729 9477
30 - 34 32 8 1024 8192
35 - 39 37 2 1369 2738
f = 80 f.M2 = 37600
Rata-rata kuadrat = 21,679

37600
q = = 470 = 21,679
80
Kebaikan-kebaikan Nilai Rata-Rata

Kebaikan-kebaikan nilai rata-rata

Nilai rata-rata secara umum sebagai salah satu nilai sentral dalam suatu rangkaian
data mempunyai sifat-sifat sebagai berikut
1. Nilai rata-rata mempunyai sifat obyektif artinya untuk berbagai perhitungan
oleh indiviidu yang berlainan akan dihasilkan nilai yang sama.
2. Nilai rata-rata mudah dimengerti artinya merupakan cara penyederhanaan
data yang komplek.
3. Nilai rata-rata mudah dihitung, perhitungan nilai rata-rata tidak rumit dan
tidak menggunakan rumus yang rumit.
4. Perhitungan nilai rata-rata didasarkan pada data keseluruhan sehingga nilai
rata-rata dapat mewakili suatu rangkaian data.
5. Nilai rata-rata mempunyai stabilitas sampel artinya perhitungan nilai rata-
rata berbagai macam sampel hasilnya satu dengan yang lain tidak akan
berbeda.
6. Nilai rata-rata dapat dipergunakan untuk perhtungan lebih lanjut artinya dari
berbagai nilai rata-rata dapat dihitung nilai rata-rata keseluruhan.

Kelemahan Nilai rata-rata

1. Nilai rata-rata mudah dipengaruhi oleh nilai ekstrem, baik ekstrem besar
maupun ekstrem kecil, artinya apabila pada suatu rangkaian data terdapat
nilai ekstrem maka nilai ekstrem ini sangat menentukan terhadap nilai rata-
rata.
2. Pada distribusi condong nilai rata-rata menjadi kurang mewakili.

B. MEDIAN

Median adalah nilai data yang terletak ditengah setelah data tersebut diurutkan dari
kecil ke besar. Median membagi urutan data menjadi dua bagian sama besar. Posisi median
dicari dengan rumus
(n+1)/2
 12

1. Median untuk data tunggal

Banyak data ganjil

Tentukan median dari data ini 8, 9, 5, 12, 6, 10, 11. jadi banyak data (n) = 7
Data diurutkan dari kecil ke besar = 5, 6, 8, 9. 10, 11, 12
Median pada urutan data ke (n + 1 ) / 2 = ( 7 + 1 ) / 2 = 4
Jadi median dari data tersebut adalah 9 karena 9 berada pada urutan ke-4

Banyak Data GENAP

a. Tentukan median dari data ini 8, 9, 5, 6, 10, 11, 4, 7 jadi banyak data (n) = 8
Data diurutkan dari kecil ke besar = 4, 5, 6, 7, 8, 9. 10, 11
Median pada urutan data ke (n + 1 ) / 2 = ( 8 + 1 ) / 2 = 4,5 yaitu terletak pada data ke-4
dan data ke-5. Data ke-4 = 7 dan data ke-5 = 8.
Besarnya median = rata data ke-4 dan data ke-5 = ( 7 + 8 ) / 2 = 7,5

b. Tentukan median dari data ini 13, 18, 9, 21, 6, 25, jadi banyak data (n) = 6
Data diurutkan dari kecil ke besar = 6, 9, 13, 18, 21, 25
Median pada urutan data ke (n + 1 ) / 2 = ( 6 + 1 ) / 2 = 3,5 yaitu terletak pada data ke-3
dan data ke-4. Data ke-3 = 13 dan data ke-4 = 18.
Besarnya median = rata data ke-3 dan data ke-4 = ( 13 + 18 ) / 2 = 15,5

2. Median untuk data berkelompok

Untuk mencari median data berkelompok, pertama-tama kita tentukan dahulu letak
median dengan rumus n/2 dimana n = jumlah frekuensi. Kemudian hitung frekuensi
kumulatifnya (kurang dari), setelah itu besarnya median dapat dicari dengan rumus

 n/2 - Fksb 
Me = Tb +  .I
 Fm 

Me = Median
n/2 = Jumlah Frekuensi dibagi 2
Tb = Tepi bawah klas yang mengandung median
Fksb = Frekuensi kumulatif sebelum median
Fm = Frekuensi kelas dimana median berada
I = Interval kelas
 13

Frekuensi
Kumulatif
Interval Frekuensi
Kurang
dari
5-9 6 6
10 - 14 12 18
15 - 19 19 37
20 - 24 20 57
25 - 29 13 70
30 - 34 8 78
35 - 39 2 80

Tentukan besarnya median dari distribusi frekuensi tersebut

Kelas yang mengandung median = 80/2 = 40. Sehingga 40 masuk (merupakan bagian) pada
frekuensi kumulatif 57 yaitu pada kelas ke-4 ( interval 20 – 24 )
Pada kelas ke-4 maka Tb = 19,5 ; Fksb = 37 dan Fm = 20. Interval 10 - 5 = 5. Dengan
demikian nilai median sebagai berikut :

 40 - 37  3
Me = 19,5 +  .5 = 19,5 +  .5 = 19,5 + 0,75 = 20,25
 20   20 

Kebaikan-kebaikan median :
1. Pada data yang telah tersusun median mudah dihitung.
2. Median tidak dipengaruhi nilai ekstrem
3. Pada distribusi yang condong, median lebih mewakili daripada nilai rata-rata.
4. Pada distribusi frekuensi tabel terbuka, median dapat dihitung.
5. Deviasi absolut median lebih kecil dari pada deviasi yang diukur dari manapun juga.

Kelemahan-kelemahan median :
1. Untuk menghitung median harus menyusun urutan data. Untuk data yang sangat
banyak maka hal ini tidak praktis.
2. Median kurang dikenal daripada nilai rata-rata.
3. Median tidak dapat dipergunakan untuk perhitungan lebih lanjut, artinya dari
beberapa median tidak dapat dihitung median keseluruhan.
4. Pada distribusi diskrit kadang-kadang tidak ada median.

C. MODUS (MODE)
Modus adalah nilai (atau sifat) yang paling banyak terjadi yaitu yang frekuensinya
terbesar. Untuk data kuantitatif mode adalah nilai yang paling banyak terjadi, sedangkan
untuk data kualitatif mode adalah sifat atau keadaan yang paling banyak terjadi.
Data yang mempunyai satu mode dinamakan unimode, data yang memiliki dua
mode disebut bimode, data yang memiliki mode lebih dari dua disebut multimode. Namun
data yang tidak memiliki mode disebut non-mode.
 14

Mode untuk data tunggal

1. Hasil observasi : 60, 56, 70, 50, 58, 55, 60, 56, 60, 60 maka modusnya 60
2. Hasil observasi : 1, 4, 6, 4, 5, 4, 7, 8, 2, 4, 5, 5, 1, 1, 5 maka modusnya 4 dan 5
3. Hasil observasi : 5 Kg, 8 Kg, 12 Kg, 3 Kg, 15 Kg dan 6 Kg maka tidak memiliki
modus.

Modus untuk data berkelompok

Untuk mencari Modus bagi data yang dikelompokkan pertama-tama ditentukan
dahulu frekuensi yang terbesar dari kelas yang ada. Kemudian tentukan Tb dari interval yang
mengandung frekuensi terbesar. Hitunglah F1 = selisih antara Frekuensi mode dengan
frekuensi sebelumnya, hitung pula F2 = selisih antara Frekuensi mode dengan frekuensi
sesudahnya. Carilah modus dengan rumus :

 F1 
Mo = Tb +  .I
 F1  F2 

Mo = Modus
Tb = Tepi Bawah interval pada frekuensi terbesar
F1 = Frekuensi terbesar dikurangi frekuensi kelas sebelumnya
F2 = Frekuensi terbesar dikurangi frekuensi kelas sesudahnya
I = Interval

Tentukan modus dari distribusi frekuensi dibawah ini

Interval Frekuensi

5-9 6
10 - 14 12
15 - 19 19
20 - 24 20
25 - 29 13
30 - 34 8
35 - 39 2

Frekuensi terbesar = 20 dengan Tb = 19,5 ; F1 = 20 – 19 = 1 dan F2 = 20 – 13 = 7 , interval

15 –10 = 5. Dengan demikian Modus dapat diperoleh sebagai berikut ;

 1 
Mo = 19,5 +  . 5 = 19,5 + ( 0,13 . 5 ) = 19,5 + 0,65 = 20,125
1  7 

Kebaikan Modus : Modus mudah dimengerti, mode tidak dipengaruhi nilai ekstrem dan
pada distribusi yang condong mode lebih mewakili daripada nilai rata-rata.
Kelemahan modus : perhitungan modus lebih sukar daripada nilai rata-rata, serta mode tidak
tegas perumusannya artinya kadang-kadang ada mode dan kadang –kadang tidak ada.
 15

D. HUBUNGAN ANTARA MEAN SEDERHANA, MEDIAN DAN MODUS

Setelah kita membahas pengertian dan cara perhitungan 3 macam ukuran nilai
sentral maka sekarang kita akan membahas hubungan antara ketiga ukuran nilai sentral
tersebut. Hubungan antara Mean Sederhana, Median dan Modus dapat dijelaskan sebagai
berikut : (misal Mean = 20,37, Median = 20,25, modus = 20,125)

1. Pada distribusi yang normal atau distribusi simetris maka besarnya Mean, Median dan
Modus adalah sama
(misal Mean = 20,37, Median = 20,25, modus = 20,125)

Mean = Median = Modus

2. Jika nilai Mean lebih besar dari Median dan Modus, sedangkan Median lebih besar
dari Modus ( Modus < Median < Mean ) maka kurva akan condong kekanan
(ujungnya memanjang kearah positif atau kearah nilai tinggi), misal Modus = 10,34,
Median = 13,57, dan Mean = 15,4

Modus < Median < Mean

3. Jika Modus lebih besar dari Median dan Mean, sedangkan Median lebih besar dari
Mean ( Mean < Median < Modus ) maka kurva akan condong kekiri (ujungnya
memanjang kearah negatif atau kearah nilai yang rendah)

Mean < Median < Modus

Misal Mean = 12,5 ; median = 15,14 ; modus = 16,87

 16

Pada distribusi condong ini ( baik condong kekanan maupun kekiri) nilai Median selalu
terletak ditengah, artinya median tidak terpengaruh oleh nilai ekstrem, oleh sebab itu
median merupakan nilai sentral yang dianggap paling mewakili pada distribusi condong
ini. Alternatif kedua adalah Modus dan akhirnya Mean merupakan nilai sentral yang
paling tidak mewakili pada distribusi condong (karena nilai Mean sangat dipengaruhi
oleh nilai ekstrem)

Namun demikian secara empiris Mean, Median dan Modus menampakkan hubungan
seperti tergambar pada rumus

 - Mo = 3 (  - Md )

Soal-soal latihan

1. Diketahui data produktivitas kerja dari tiga bagian yaitu Preparing (Pr), Assembling
(A), dan Packing (Pc)
Pr A Pc

Interval F Interval F Interval F

30 - 39 5 30 - 39 5 30 - 39 3
40 – 49 10 40 – 49 20 40 – 49 7
50 - 59 20 50 - 59 15 50 - 59 15
60 – 69 5 60 – 69 7 60 – 69 20
70 - 79 10 70 - 79 3 70 - 79 5

Pertanyaan :
a. Hitunglah Mean Sederhana, Median dan Modus dari tiap-tiap bagian
b. Bagaimana hubungan antara Mean, Median dan Modus masing-masing bagian
c. Gambarkan hubungan antara mean, median dan modus dalam bentuk kurve.

2. Diketahui data absensi dari Januari s/d Juni pada PT. SEKAR MAJU

Bulan Frekuensi
Pertanyaan :
Januari 12 Dari data tersebut. Tentukan nilai dari
Februari 8
Maret 14 a. Rata-rata Harmonis
April 10 b. Rata-rata Ukur
c. Rata-rata Kuadrat
Mei 9
d. Rata-Rata Sederhana
Juni 7
 17

3. Diketahui Distribusi Nilai Mata Kuliah Aplikasi Komputer

Interval Frekuensi
Pertanyaan :
50 – 54 6
Dari data tersebut. Tentukan nilai dari
55 – 59 10 a. Mean Sederhana
60 – 64 9 b. Median
65 – 69 15 c. Modus
70 – 74 26 d. Rata-rata Harmonis
75 – 79 13 e. Rata-rata Ukur
f. Rata-rata Kuadrat
80 - 84 11
g. Bagaimana hubungan antara a,
b dan c