1

NILAI SENTRAL DAN

NILAI DISVERSI
Rosa Rosmanah, S.K.M., M.Stat

25%+5%
50%
+5%
75%
+5%
 2

Analisis Deskriptif
Analisis yang menggambarkan suatu data yang akan
dibuat baik sendiri maupun secara kelompok.

Dalam penyajian deskriptif akan dibahas mengenai

pengukuran gejala pusat misalnya Mean, Mode,
Median, Standar Deviasi, Standar Error, Nilai
Terendah, Nilai Tertinggi dan CI (confidens interval)
Sedangkan untuk data kategorik penyajiannya hanya
menggunakan distribusi frekuensi dengan
persentase (proporsi)
Analisis Univariat data jenis numerik 3
3

1. Ukuran Tengah (Nilai tengah-Tendency central) Contoh 1.

Diketahui 6 mahasiswa mengikuti tes menjadi asisten dosen
a. Ukuran Tengah Data Tidak Dikelompokkan
mempunyai nilai masing-masing 80 70, 90, 50, 85, 60, carilah nilai
1. Rata-rata (Mean) meannya.
Jawab
Rata-rata hitung atau disingkat dengan mean. Penggunaan rata-
rata hitung untuk sampel bersimbul (x ) ̅(dibaca: eks bar). 80 + 70 + 90 + 50 + 85 + 60 = 435 = 72,5
𝑥ҧ =
Perhitungan mean dibagi dua yaitu mean data tunggal dan 6
mean data kelompok. Jadi, nilai rata-rata hasil tes keenam mahsiswa tersebut = 72,5

ΣΧ𝑖 Contoh 2.
𝑥ҧ = Dekan Fitkes ingin membagikan uang kepada lima orang pegawai
𝑛 administrasi untuk keperluan hadiah lebaran: Dodi Rp 5 juta, Tuti Rp 10
Keterangan: juta, Tati Rp 6 juta, Deni Rp 5.5 juta, dan Endah Rp 4.5 juta Berapakah
rata-rata uang yang diterima kelima orang tersebut?
𝑥ҧ = Mean
Jawab:
ΣΧ𝑖 = jumlah tiap data
5 𝑗𝑢𝑡𝑎 + 10 𝑗𝑢𝑡𝑎 + 6 𝑗𝑢𝑡𝑎 + 5,5 𝑗𝑢𝑡𝑎 + 4,5 𝑗𝑢𝑡𝑎 31 𝑗𝑢𝑡𝑎
𝑛 = jumlah data 𝑥ҧ = =
5 5
= 6,2 𝑗𝑢𝑡𝑎
Jadi, rata-rata uang yang diterima kelima pegawai sebesar Rp 6,2 juta
Nb:
Kelebihan mean melibatkan seluruh observasi dan tidak terlalu terpengaruh dengan banyaknya data Kelemahan mean adalah sangat terpengaruh oleh data ekstrim
(data yang nilainya sangat tinggi atau sangat rendah dengan data yang lain)
 4
4
2. Median
Median (Me) ialah nilai tengah yang membagi data menjadi dua bagian yaitu 50 % data diatas median dan 50% data dibawah median Median
dibagi menjadi dua perhitungan, yaitu median data tunggal dan median data kelompok.

Mencari median data tunggal dengan cara mengurutkan data tersebut dari data terkecil sampai data terbesar atau sebaliknya dari data
terbesar sampai data terkecil, kemudian posisi median dicari dengan rumus:

𝑑𝑖𝑚𝑎𝑛𝑎 𝑛 = 𝑗𝑢𝑚𝑙𝑎ℎ 𝑑𝑎𝑡𝑎𝑀𝑒

= 2(𝑛 + 1)

Contoh 1: Data ganjil Contoh 2: Data genap

Diketahui data Berat Badan Pasien: 65; 70: 90, 40: 35. 45: 70, 80; dan 50
Langkah- langkah untuk menjawab:
1) Urutkan data dari data terkecil terbesar sampai data terbesar: 35: 40,
45, 50, 65, 70, 70, 80, 90
2) Carilah posisi median dengan rumus: Me = ½ (n +1)
Me = ½ (9 + 1) = 5 (posisi pada data ke-5)
Jadi, letak Me = 65
Diketahui data Berat Badan Pasien: 50; 65, 70, 90: 40; 35: 45, 70; 80; dan
90
Langkah-langkah menjawab:
1) Urutkan data dari data terkecil sampai data terbesar: 35, 40, 45, 50, 50;
65, 70, 70, 80, 90
2) Carilah posisi median dengan rumus: Me = 1/2(n +1)
Me = 1/2(10+ 1) = 5.5 (posisi pada data ke-5,5)
Jadi, Posisi Me = 2 (50+65) = 57.5

Nb:
Kelebihan median tidak terpengaruh oleh data ekstrim
Kelemahannya terpengaruh dengan banyaknya data.
 5
5

3. Mode/Modus

Mode atau disingkat dengan (Mo) ialah nilai dari data yang mempunyai frekuensi tertinggi baik data
tunggal maupun data distribusi atau nilai yang sering muncul dalam kelompok data.
Menghitung mode dengan data tunggal dilaku- kan sangat sederhana, yaitu dengan cara mencari nilai
yang sering muncul di antara sebaran data Ukuran ini sering dipakai untuk rata-rata data kualitatif
Misalnya sebagian besar penyakit AIDS di Amerika disebabkan oleh hubungan bebas, pada umumnya
masyarakat Jepang bekerja keras, sebagian besar rakyat Indonesia bercocok tanam dan lain-lain.
Penggunaan mode bagi data kualitatif maupun data kuantitatif dengan cara menentukan frekuensi
terbanyak di antara data yang ada.
Contoh
Diketahui data berat badan pasien yang periksa kehamilan di rumah bersalin Delima Cimahi selama
sehari. Di dapatkan data sebagai berikut (dalam Kg): 40, 60, 60, 65, 72; 60, 70, 60, 80, dan 90
Jawab: nilai Mode berat badan pasien, yaitu pada nilai 60 karena muncul 4 kali. Artinya pasien yang
periksa kehamilan di rumah bersalin Delima paling banyak mempunyai berat badan 60 Kg.

Nb:
Kelebihan median tidak terpengaruh oleh data ekstrim
Kelemahannya terpengaruh dengan banyaknya data.
 6
6

b. Ukuran Tengah Data yang dikelompokkan

1) Mean data berkelompok
Merupakan jumlah hasil kali antara frekuensi dengan nilai tengah semua kelas jumlah
frekuensi.

Σ𝐹𝑀
𝑢=
Σ𝐹
Keterangan:
𝑢 = rata-rata data observasi
𝛴 = Jumlah
𝐹 = Frekuensi
𝑀= nilai tengah
 7
Contoh 7

Berikut ini data observasi mengenai berat badan ibu hamil di Desa X

Berat badan Frekuensi (f) Nilai tengah (M) 𝑓𝑥𝑀

40--49 4 44,5 178
50-59 6 54,5 327
60-69 10 64,5 645
70-79 4 74,5 298
80-89 4 84,5 338
90-99 2 94,5 189
Σ𝑓 = 30 Σ𝑓. 𝑀 = 1975
Σ𝑓𝑀 = 1975
Σ𝑓 = 30
Σ𝐹𝑀
𝑢 =
Σ𝐹
1975
=
30
= 65,83
Rata-rata berat badan ibu hamil, adalah 65,83 Kg
ΣM=1975
2) Median data berkelompok Berat Badan (Kg) Frekuensi (f) 8
8

Median data observasi berkelompok, dapat ditentukan 39,5-45,5 4

dengan langkah-langkah:
45,5-50,5 2
- Tentukan nilai sebelum median tercapai
50,5-55,5 2
- Tentukan posisi median (Me) = 1/2.n
- Tentukan frekuensi kumulatif nilai sebelum median 55,5-60,5 2
tercapai
1 1
- Tentukan interval kelas Me = . 𝑛 = . 10 = 5
- Tentukan frekuensi kelas dimana median berada 2 2
- Hitunglah nilai median menggunakan rumus: Posisi median terletak pada posisi ke-1 dan ke-2 (karena 4 dan 2,
melewati 5)
Md = Nsm + i (Me - Fkum) / F
Nsm = 45,5
Md = median yang dicari i =5
Nsm = nilai sebelum median tercapai Fkum =4
i = interval kelas F =2
Me = posisi median Md = 45,5+5(5-4)/2
Fkum = frekuensi kumulatif kelas sebelum median = 45,5+2,5

F = frekuensi kelas dimana median berada = 48 Kg

Jadi, median dari 10 ibu hamil adalah 48 Kg
 9
9

3) Modus (Mo) Contoh: data berat badan ibu hamil di Desa X

Modus data observasi berkelompok, dapat ditentukan sebagai berikut:
Berat badan Frekuensi (F) Tepi Kelas
• Tentukan kelas modus yaitu yang mempunyai frekuensi terbesar (Kg)
• Tentukan modus dengan rumus:
39,5
40-49 4 49,5
𝑑1 50-59 6 59,5
𝑀𝑜 = 𝐵𝑀𝑜 + 𝑥𝑖
𝑑1 + 𝑑2 60-69 10 69,5
Mo = modus 70-79 4 79,5
BMo = tepi bawah kelas dimana modus berada 80-89 4 89,5
𝑑1 = selisih antara frekuensi kelas modus dengan kelas tepat
90-99 2 99,5
dibawahnya
𝑑2 = selisih antara frekuensi kelas modus dengan kelas tepat Mo = Pada frekuensi 10 (karena yang terbanyak)
diatasnya
BMo = 59,5
i = interval kelas modus
𝑑1 = 10-6=4
𝑑2 = 10-4=6
i = 10
4 40
𝑀𝑜 = 59,5 + × 10 = 59,5 + = 59,5 + 4 = 63,5
4+6 10
Jadi, modus dari berat badan ibu hamil desa x adalah 63,5
 Bentuk Distribusi Data 10
10
Hubungan nilai mean, median dan mode akan menentukan bentuk
distribusi data :
- Bentuk nilai mean, median, dan mode sama, maka bentuk
distribusi datanya normal
- Bila nilai mean > median > distribusi datanya miring ke kanan
- Bila nilai mean < median < mode, maka bentuk distribusi
datanya miring ke kiri
1. 𝜇 = 𝑀𝑑 = 𝑀𝑜 ⟹ 𝑘𝑢𝑟𝑣𝑎𝑛𝑦𝑎 𝑠𝑖𝑚𝑒𝑡𝑟𝑖𝑠
2. 𝜇 < 𝑀𝑑 < 𝑀𝑜 ⟹ 𝑏𝑒𝑛𝑡𝑢𝑘 𝑘𝑢𝑟𝑣𝑎 𝑚𝑖𝑟𝑖𝑛𝑔 𝑘𝑒 𝑘𝑖𝑟𝑖 Bila distribusi data normal, maka dapat berlaku ketentuan sebagai
3. 𝑀𝑜 > 𝑀𝑑 > 𝜇 ⟹ 𝑏𝑒𝑛𝑡𝑢𝑘 𝑘𝑢𝑟𝑣𝑎 𝑚𝑖𝑟𝑖𝑛𝑔 𝑘𝑒 𝑘𝑎𝑛𝑎𝑛 berikut:
- 68% data meliputi: rata-rata + 1 x standar deviasi
- 95% data meliputi: rata-rata ± 2 x standar deviasi
- 99% data meliputi: rata-rata ± 3 x standar deviasi

Contoh:
Diketahui bahwa rata-rata berat badan mahasiswa 60 Kg dengan standar deviasi 5 Kg, maka jika distibusi datanya normal maka dapat dihitung :
- 68% mahasiswa = 60 ± 1 × 5 kg = 55 Kg sampai 65 Kg
- 95% mahasiswa = 60 ±2 × 5 Kg = 50 Kg sampai 70 Kg
- 99% mahasiswa = 60 ±3 × 5 Kg = 45 Kg sampai 65 Kg

2. Ukuran Variasi (Dispersi)
a. Range
Range (rentangan) adalah data tertinggi
dikurangi data terendah. Range ini biasa
digunakan untuk skala interval dan rasio
dari variabel kontinu. Kelemahan Range
ialah tidak dapat digunakan apabila ada
data ekstrim.
Rumus:
R= data tertinggi - data terendah
11
11
Contoh :
Data tekanan darah diastol masyarakat kota dan masyarakat desa di
daerah Bandung
Masyarakat Kota: 90, 80, 70, 90, 70, 100, 80, 50, 75, 70
Masyarakat Desa: 80, 80, 75, 95, 75, 70, 95, 60, 85, 60
Langkah-langkah menjawab:
Urutkan dulu kemudian dihitung rentangannya
Masyarakat Kota: 50, 70, 70, 70, 75, 80, 80, 90, 90, 100
Masyarakat Desa: 60, 60, 70, 75, 75, 80, 80, 85, 95, 95
Rentangan Masyarakat Kota: 100-50 50
Rentangan Masyarakat Desa : 95-60 = 35
Kesimpulan:
Berdasarkan data terlihat bahwa tekanan darah masyarakat kota lebih
bervariasi dibandingkan dengan tekanan darah masyarakat desa (karena
rangenya lebih besar)
b. Rentang antar kuartil/Interquartil Range (IR) Interquartil Range Q2= ½ (n+1) 12
12
yang meliputi 50% pada bagian tengah distribusi. Kelebihan IR, tidak Q2= ½ (7+1)
dipengaruhi oleh ekstrim skore. Kelemahan IR, perhitungan ini hanya
menghitung 50% dari data yang ada dan data yang berada di kanan Q2= ½ (8) = 4
ataupun kiri tidak diperhitungkan. Perhitunganinitidak bisa Berarti letak Q2 di posisi urutan 4 yaitu angka 5 tahun
menggambarkan keseluruhan distribusi dan juga tidak bisa
Q3 = ¾ (n+1)
menggambarkan variasi yang sesungguhnya. Rumusnya:
Q3 = ¾ (7+1)
IR: Q3-Q1 Q3 = ¾ (8) = 6
Berarti letak Q3 di posisi urutan 6 yaitu angka 7 tahun
Untuk data tidak berkelompok Menentukan letak Q1 dan Q2:
Q1= ¼ (n+1)
Menghitung nilai Q1, Q2, dan Q3 apabila jumlah
Q2= ½ (n+1)= median
data genap :
Q3= ¾ (n+1)
Q1, Q2, dan Q3 = Ns + [Ku (Nq-Ns)]
Menghitung nilai Q1 dan Q2: Q1 dan Q3 apabila jumlah data ganjil :
Ns: nilai sebelum Q3 dan Q1
Misalnya ada data umur anak (dalam tahun) : 7, 5, 6, 2, 8, 4, 4.
Pertama urutkan data menjadi : 2, 4, 4, 5, 6, 7, 8 Ku: kekurangan unit untuk mencapai letak Q3 dan Q1
Q1= ¼ (n+1) Nq: nilai dimana Q3 dan Q1 berada
Q1= ¼ (7+1)
Q1= ¼ (8) = 2
Berarti letak Q1 di posisi urutan 2 yaitu angka 4 tahun
 Rentang antar kuartil (IR)= 8-4,75 = 3,25. 13
13

Setelah mendapatkan IR, kita bisa mencari semi- interquartil

Contohnya: range(SIR) yang memiliki rumus SIR = (Q3-Q1) / 2
Ada data: = (3,25)/2 = 1.625
2, 3, 4, 4, 5, 5, 6, 6, 6, 7, 7, 8, 8, 9, 10, 11 SIR ini dihitung untuk menghindarkan nilai ektrim agar tidak
Letak Q1 = ½ (16+1) berpengaruh terhadap perhitungan.
= 8,25 ( antara angka urut ke-8 dan ke-9) Untuk data berkelompok Menentukan letak Q1 dan Q3
Nilai Q2 = 6 + [0,5 (6-6)] Q1= (1 x n)/4
=6 Q2= (2 x n)/4
Letak Q1 = ¼ (16+1) Q3= (3 x n)/4
= 4,25 ( antara angka urut ke-4 dan ke-3) Menghitung nilai Q1 dan Q2:
Letak Q3 = ¾ (16+1)
Q1 dan Q3 = Tb + [i (Lk - Fkums)]/f
= 12,75 (antara angka urut ke-12 dan ke-13)
Tb : Tepi bawah dikuarti berada
Nilai Q1 = 4+ [0,75 (5-4)]
I : Interval kelas
= 4,75
Fkum : frekuensi kumulatif sebelum kuartil
Nilai Q3 = 8+[0,25 (8-8)]
Lk : letak kuartil
=8
f : frekuensi dimana kuartil berada
 14
Contohnya : 14
Tabel 4. Frekuensi kumulatif umur penderita hipertensi
Umur f Fkums
10-19 2 2
20-29 23 25
30-39 15 40
40-49 11 51
50-59 9 60
60-69 5 65
70-79 2 67
Jumlah 67

Letak Q1 = (1 x 67)/4
= 16,75 (terletak antara kelas ke-1 dan ke-2)
Letak Q3 = (3 x 67)/4
= 50,25 (terletak antara kelas 4 dan 5)
Nilai Q1 = 19,5+ [10 (16,7-2)]/23
= 19,5+6,4
=25,9
Nilai Q3 = 39,5+ [10 (50,25-40)]/11
= 39,5 +9,3
= 48,8
Rentang antar kuartil (IR) = 48,8 – 25,9 = 22,9
 15
15

C. Deviasi kuartil (Quartile Deviastion)

Deviasi kuartil (Dk) merupakan ukuran variasi berdasarkan rentang antara kuartil dengan median sebagai posisi tengah.
Deviasi kuartil merupakan setengah selisih antara Q3 dan Q1
Dk= (Q3-Q1)/2
Median (Q2) sama dengan median:
Me = (Q3+Q1)/2
Contoh:
Untuk data tidak berkelompok:
Kita menggunakan contoh penghitungan rentang antar kuartil di atas, maka:
Rentang kuartil (IR) = 3,25
Deviasi kuartil (DK) = 3,25/2 = 1,6
Nilai median (Me) = (8+ 4,75)/2=6,4
Kesimpulan deviasi kuartil terhadap median adalah 1,6
Untuk data berkelompok:
Kita menggunakan contoh penghitungan rentang antar kuartil d atas, maka:
Rentang antar kuartil (IR)= 22,9 Deviasi kuartil
(Dk)= 22,9/2
= 11,45
Median (Me) = (48,8 + 25,9)
= 37,35
Kesimpulan deviasi kuartil terhadap median adalah 11,45
 16
16

D. Desil (Decile)
Desil merupakan data yang sudah disusun menjadi distribusi dan dibagi menjadi 10 bagian yang sama. Perhitungan desil
prinsipnya sama dengan perhitungan kuartil, dengan menghitung desil kita akan mendapatkan informasi yang lebih teliti
dibandingkan dengan kuartil.

Untuk data tidak berkelompok

Letak D = data ke-d (n+1)/10
D = 1, 2, 3, 4, 5, 6, 7, 8, 9
Nilai D = Nsd + [Ku (Nd - Nsd)]
Nsd : nilai sebelum D
Ku : kekurangan unit untuk mencapai letak D,
Nd : nilai dimana D, berada
 17
17

Contohnya: Untuk data berkelompok

Ada data: Tentukan letak D, pada data ke-x = (d x n)/10
2, 3, 4, 4, 5, 5, 6, 6, 6, 7, 7, 8, 8, 9, 10, 11 D = desil ke-1, 2, 2,....9
Letak D3 = 3 (16+1)/10
N = jumlah data
= 5,1 ( antara angka urut ke-5 dan ke-6)
Menghitung nilai D:
Nilai D3 =5+ [6 (5-5)]
D₁ = Tb + [i (x - Fkums)]/f
=5
Tb : Tepi bawah kelas dimana desil berada
Letak D8 = 8 (16+1)/10
= 13,6 (antara angkaurut ke-13 dan ke-14
i : Kelas interval

Nilai D8 = 8+ [1 (9-8)] Fkum : frekuensi kumulatif sebelum desil

=8 f : frekuensi dimana kuartil berada
 18
18
Contohnya :
Tabel 4. Frekuensi kumulatif umur penderíta

Umur f Fkums
10-19 2 2
20-29 23 25
30-39 15 40
40-49 11 51
50-59 9 60
60-69 5 65
70-79 2 67
Jumlah 67

Letak D2 = (2 x 67)/10
= 13,4 (terletak antara kelas ke-1 dan ke-2)
Nilai D2 = 19,5 + [10 (13,4 – 2)]/23
= 19,5 + 4,96
= 24,5
 19
19

e. Persentil (Percentile)
Persentil merupakan distribusi dibagi 100 bagian yang sama dengan cara demikian kita mendapatkan 99 bagian yang
sama. Dengan menggunakan percentil kita dapat mengetahui posisi rata-rata dan mengetahui pada jenjang keberapa
posisi rata-rata tersebut.
Untuk data yang tidak berkelompok :
Posisi percentil (Pp) pada data ke p(n+1)/100
P = 1, 2, 3, 4.....99
n = jumlah pengamatan
Nilai Pp= Ns + [Ku (Np-Ns)
Ns : Nilai sebelum Pp
Ku: kekurangan unit untuk mencapai Pp
Np : nilai dimana Pp berada
 20
Contohnya: 20

Ada data umur anak: Untuk data berkelompok:

2, 3, 4, 4, 5, 5, 6, 6, 6, 7, 8, 8, 8, 9, 10. (dalam tahun) Letak Pp dengan mengubahnya menjadi unit (n)

Bila anak mempunyai umur yang terletak pada persentil 30% (𝑝𝑥𝑛)
𝑥ҧ =
maka berapakah umur anak tersebut? Berapakah 100
p= percentil ke 1, 2, 3.4.99
Posisi P5 = 30 (15+1)/100
n= jumlah data
= 4,8 atau 4+ 0,8 ( antara angka urut ke-4 dan ke-5)
Nilai Pp
Nilai P5 = 4 + [0,8 (5-4)]
= 4,8 tahun 𝑖(𝑥 − 𝐹𝑘𝑢𝑚 )
𝑃𝑝 = 𝑁𝑠 +
𝑓
Ns = nilai pengamatan sebelum Pp
I = interval kelas
Fkum = frekuensi kumulatif lebih kecil dari batas atas
gggggggggggsebelum Pp
F = frekuensi dimana Pp berada
 21
21

Contoh soal: Diperkirakan bahwa 30% menderita anemia, maka jenjang

percentil atau P30 terletak pada data ke-x = (30 X 50)/100 = 15
Pada pemeriksaan kadar Hb terhadap 50 orang ibu hamil
diperkirakan 30% menderita anemia. Hb berapakah yang Berarti terletak antara kelas interval ke-2 dan ke-3
dianggap anemia? P30= 10,5+ [2(15-10)/20] = 11 gr%

Hb (gr%) f Fkum Jika kita ingin menentukan bahwa batas anemia adalah 11 gr%
maka dapat dihitung jenjang persentilnya (percentile Rank)
7-8 4 4 dengan cara :
9-10 6 10 - Kurangkan 11 dengan tepi atas kelas dimana nilai tersebut
11-12 20 30 berada yaitu (11-10,5) = 0,5
13-14 15 45 - Bagilah 0,5 dengan interval kelas= 0,5/2= 0,25
15-16 5 50 - Kalikan 0,25 dengan frekuensi kelas dimana Hb 11 gr%
Jumlah 50 berada, 0,25 x 20= 5
- Tambahkan hasil nomor 3 dengan Fkum kelas sebelumnya;
5+10=15
- Bagilah hasil nomor 4 dengan n. (15/50) x 100= 30
Kesimpulan:
Hb 11 gr% terletak pada jenjang percentil 30 atau 30% dari 50
orang ibu hamil dengan Hb kurang dari 11 gr%.
 22
22

f. Deviasi Rata-rata (Mean Deviation)

Simbangan rata-rata merupakan modifikasi dari ukuran rata-rata, yaitu apabila rata-rata (mean) adalah jumlah pengamatan
setiap individu dibagi dengan banyaknya pengamatan, sedangkan simpangan rata-rata adalah jumlah selesih antara hasil
setiap pengamatan dengan rata-rata dibagi dengan banyaknya pengamatan

Σ(𝜒 − 𝜇)
𝑃𝑜𝑝𝑢𝑙𝑎𝑠𝑖 ∶ 𝑀𝐷 =
𝑛
Σ(𝜒 − 𝜒)ҧ
𝑆𝑎𝑚𝑝𝑒𝑙 ∶ 𝑀𝐷 =
𝑛

Simpangan rata-rata bermanfaat untuk mengeta variasi yang terjadi dalam satu kelompok pengamatan atau
membandingkan tingkat variabilitas dua kelompok atau lebih
Contoh: 23
23
Ada dua kelompok ibu hamil yang masing-masing lima orang mempunyai berat badan sebagai berikut:

Kelompok A Kelompok B
Berat badan mean selisih Berat badan mean selisih
40 50 10 25 50 40
45 5 35 15
50 0 55 5
55 5 60 10
60 10 75 35
250 30 250 105

Kelompok A : Kelompok B :
𝜒ҧ = 50 𝜒ҧ = 50
X - 𝜒ҧ = 30 X - 𝜒ҧ = 105
MD = 30/5 = 6 MD = 105/5 = 21

Dari hasil perhitungan diatas dapat disimpulkan bah variabilitas kelompok B lebih tinggi dibanding dengan
kelompok A (3.5 kali lebih besar)
 24
24

g. Standard Deviation
Standard deviation (simpangan baku) adalah suatu nilai yang menunjukkan tingkat (derajat) variasi kelompok data atau
ukuran standar penyimpangan dari reratanya, stándar deviasi melihat variasi data yang sama satuannya Simbol simpangan
baku populasi (o atau on) sedangkan untuk sampel (s. sd atau 𝜎𝑛−1 ).

Simpangan baku untuk populasi : Simpangan baku untuk SAMPEL

Σ(𝑥𝑖 − 𝜇)2 Σ(𝑥𝑖 − 𝑥)ҧ 2

𝜏= 𝑠=
𝑁 𝑛−1

Keterangan:
Xi : masing-masing data
𝜇 : rata-rata populasi
𝑥ҧ : rata-rata
n : jumlah sampel
N : jumlah populasi
 25
25

Contoh: Misalnya:
Data Berat Badan Anak di Rumah Sakit sebagai berikut Ibu hamil di desa A: rata-rata berat badanya 70 Kg denga standar
20 Kg, 25 Kg dan 30 Kg deviasi 5 Kg

Cara mencari standar deviasi Ibu hamil di desa B: rata-rata berat badanya 70 Kg denga standar
deviasi 10 Kg
20 + 25 + 30 75
𝑥ҧ = = = 25𝑘𝑔 Kesimpulan dari kasus diatas adalah berat badan ibu hamil di
3 3
desa B lebih bervariasi dibandingkan dengan berat badan ibu
Σ(20 − 25)2 + (25 − 25)2 + (30 − 25)2 hamil di desa A karena standar deviasi berat badan ibu hamil di
𝑠= desa B lebih besar (di desa A berat badan ibu hamil ada yang 65
3−1
Kg dan ada yang 75 Kg, sedangkan di desa B berat badan ibu
hamil ada yang 60 Kg dan ada yang 80 Kg.
Σ25 + 0 + 25
𝑠=
2

𝑠 = 25
𝑠=5
 26
h. Standar Deviasi data Berkelompok 26

2
Σ𝑓(𝑥𝑖 − 𝑥ҧ )
𝑠𝑑 =
Σ𝑓 − 1
i. Variance 27

Variance (varians) adalah kuadrat dari simpangan baku Fungsinya untuk mengetahui tingkat penyebaran atau variasi data.
Simbol Varians Populasi (o" atau ") sedangkan untuk Sampel (S atau )
Contoh :
Standar deviasi (s) = 12,12, maka Varians (S) = 146.9
Standar deviasi (s) = 7,045, maka Varians (S) = 49.64

Contoh:
Ada 10 ibu hamil diukur berat badan dan kadar Hbnya kemudian didapatkan hasil sbb:
Mean BB ibu = 60 Kg
Mean Kadar Hb ibu = 10 gr%
Standar deviasi BB ibu = 10 Kg Stándar deviasi kadar Hb ibu = 2 gr%
Dari data diatas kalau berdasarkan standar deviasi, berat badan ibu stándar deviasinya lebih besar Lebih Varas daripada stándar deviasi
kadar Hb ibu, hal ini tidak bisa disimpulkan bahwa berat badan ibu lebih bervariasi daripada kadar Hb ibu, karena rata-ratanya berbeda,
dengan demikian untuk melihat mana yang lebih bervariasi harus dicari koefisien variasinya:
10
k𝑣𝐵𝐵𝑖𝑏𝑢 = 𝑥100% = 16,7%
60
2
𝑘𝑣𝐻𝑏𝑖𝑏𝑢 = 𝑥100% = 20%
10
Kesimpulan: Berdasarkan hasil koefisien variasi, ternyata kadar Hb ibu hamil lebih bervariasi dibandingkan dengan berat badan ibu hamil.
 28
28

Faktor-faktor yang dapat mempengaruhi variability

1.Ekstrim skor Apabila ada ekstrim skor disuatu data, maka sebaiknya kita menggunakan perhitungan semi interquartil
range.
2.Sampel size
• Apabila menggunakan sampel size, sebaiknya menggunakan perhitungan standard deviasi, variance atau semi
interquartil range
3.Stabilitas dalam sampel
• Apabila ada stabilitas dalam sampel, perhitungan yang kita gunakan sebaiknya standard deviasi. variance dan semi
interquartil range.
4.Distribusi yang batasnya masih belum jelas
• Jadi kesimpulannya, perhitungan range memiliki kemampuan untuk menghitung sangat terbatas karena tidak selalu
range dapat digunakan. Hanya di saat-saat yang mendukung saja. Sedangkan semi interquartil range memiliki
kemampuan untuk menghitung semua jenis variability.
• Apabila ada distribusi yang batasnya masih belum jelas seperti > 60. Perhitungan yang dipergunakan sebaiknya
semi interquartil range

Jadi kesimpulannya, perhitungan range memiliki kemampuan untuk menghitung sangat terbatas karena tidak selalu
range dapat digunakan. Hanya di saat-saat yang mendukung saja. Sedangkan semi interquartil range memiliki
kemampuan untuk menghitung semua jenis variability.
Analisis Univariat data jenis kategorik 29
29

1. Ukuran Tengah data kategorik

Untuk data berjenis kategaorik seperti, jen kelamin, pendidikan, pekerjaan, dll. Ukuran tengahnya adalah proporsi Jadi
dalam melihat ukuran tengah data kategorik hanya melakukan persentase pada masing-masing kelompok.
Contonya:
Data tingkat pendidikan dari 50 ibu hamil yang ada di Desa X
Pendidikan Jumlah Persentase
SD 7 14
SMP 8 16
SMU 30 60
PT 5 10
Total 50 100

Kesimpulan data tersebut adalah sebagian besar yaitu 30 orang (60%) ibu hamil berpendidikan SMU.
2. Ukuran variasi data kategorik 30
30

Ukuran variasi untuk data kategorik adalah proporst (persentase). Jadi dalam melihat variasi data kategorik atau
membandingkan mana yang lebih bervariasi pada data berjenis kategorik hanya melihat persentase dimana semakin
data tersebut heterogen maka data tersebut semakin bervariasi, sedangakn sebaliknya jika data itu homogen maka
kurang bervariasi.
Contoh
Data jenis kelamin dari 50 mahasiswa yang ada di perguruan tinggi X

Keperawatan Kesehatan Masyarakat

Jenis Kelamin Jumlah Persentase Jenis Kelamin Jumlah Persentase
Laki-laki 10 20 Laki-laki 25 50
Perempuan 40 80 Perempuan 25 50
Total 50 100 Total 50 100

Kesimpulan data diatas adalah jenis kelamin mahsiswa keperawatan lebih homogen (homogen ke perempuan).
sedangkan jenis kelamin mahasiswa kesehatan masyarakat lebih keterogen Jadi mahasiswa kesehatan masyarakat jenis
kelaminnya lebih bervariasi dibandingkan jenis kelamin mahasiswa keperawatan.
 31
31

Latihan Kasus
1. Lakukan pengumpulan data seluruh mahasiswa satu kelas yang meliputi
data; umur, latar belakang sekolah, berat badan, jenis kelamin, suhu badan,
tempat tinggal, tinggi badan, golongan darah, tekanan darah, status,
jumlah anggota keluarga, pekerjaan orang tua.
2. Khusus variabel numerik, hitunglah mean, median, mode, stándar deviasi?
3. Khusus variabel numerik hitung range, desil, percentil, kuartil?
4. Khusus variabel numerik tentukan mana yang paling bervariasi?