Pengolahan Data

(Ukuran Tendensi Sentral)

RPS3 (Temu 3)

Oleh:
Bahtiar Effendi, S.E., M.Ak., CSRS., C.FTax., CSP., C.FR.
STTIKOM Insan Unggul
 Presentation Agenda

Introduction New ideas

01 Pengertian
04 Varian Sampel Kecil dan Besar

About us Question
02 Mean, Modus, Median
05
Diskusi dan Tanya Jawab

Portfolio Assignment
03 Generalisasi Median
06
Penugasan
(Quartil, Desil, dan Presentil)

The Power of PowerPoint | thepopp.com 2

 1. Pengertian Pengolahan
Data (Ukuran Tendensi
Sentral)
 Ukuran Tendensi Sentral diartikan sebagai pusat dari distribusi,
dalam hal ini meliputi mean (rataan), median (nilai pembatas
separuh data), modus (ukuran yang sering muncul) dsb.

 Bentuk datanya dibedakan atas data tunggal (data sampel

kecil) dan data berkelompok (data tunggal yang sudah
dikelompok2xan dalam bentuk distribusi frekuensi.

The Power of PowerPoint | thepopp.com 3

• Salah satu aspek yang paling penting
untuk menggambarkan distribusi data
adalah nilai pusat data pengamatan
(Central Tendency).
• Setiap pengukuran aritmatika yang
ditujukan untuk menggambarkan suatu
nilai yang mewakili nilai pusat atau nilai
sentral dari suatu gugus data (himpunan
pengamatan) dikenal sebagai ukuran
pemusatan data (tendensi sentral).
 2. Mean, Modus, Median

Terdapat tiga • Mean (Rata-rata hitung/rata-rata

aritmetika)
ukuran pemusatan • Median (nilai pembatas separuh
data yang sering data)
digunakan, yaitu: • Modus (ukuran yang sering muncul)
 (1) Mean (arithmetic mean)

Rata-rata hitung atau arithmetic mean atau sering disebut dengan istilah mean.

Merupakan metode yang paling banyak digunakan untuk menggambarkan ukuran

tendensi sentral.
Mean dihitung dengan menjumlahkan semua nilai data pengamatan kemudian
dibagi dengan banyaknya data.
∑ = lambang penjumlahan semua gugus data pengamatan

n = banyaknya sampel data

N = banyaknya data populasi

= nilai rata-rata sampel

μ = nilai rata-rata populasi

Mean dilambangkan dengan (dibaca "x-bar") jika kumpulan data ini

merupakan contoh (sampel) dari populasi, sedangkan jika semua data berasal
dari populasi, mean dilambangkan dengan μ (huruf kecil Yunani mu).
Keterangan: ∑ = lambang penjumlahan semua gugus data pengamatan fi = frekuensi
data ke-i n = banyaknya sampel data = nilai rata-rata sampel
• b. Mean dari data distribusi Frekuensi atau
dari gabungan:
• Distribusi Frekuensi: Rata-rata hitung dari data
yang sudah disusun dalam bentuk tabel
distribusi frekuensi dapat ditentukan dengan
menggunakan formula yang sama dengan
formula untuk menghitung nilai rata-rata dari
data yang sudah dikelompokkan.

Keterangan:

∑ = lambang penjumlahan semua gugus data pengamatan fi = frekuensi data ke-i =

nilai rata-rata sampel
• Contoh 3:
• Tabel berikut ini adalah nilai ujian statistik 80
mahasiswa yang sudah disusun dalam tabel
frekuensi. Berbeda dengan contoh 2, pada
contoh ke-3 ini, tabel distribusi frekuensi
dibuat dari data yang sudah dikelompokkan
berdasarkan selang/kelas tertentu (banyak
kelas = 7 dan panjang kelas = 10)
(2) Median
 Median dari n pengukuran atau pengamatan x1, x2 ,..., xn adalah nilai pengamatan yang
terletak di tengah gugus data setelah data tersebut diurutkan.
 Apabila banyaknya pengamatan (n) ganjil, median terletak tepat ditengah gugus data,
sedangkan bila n genap, median diperoleh dengan cara interpolasi yaitu rata-rata dari dua
data yang berada di tengah gugus data.
 Dengan demikian, median membagi himpunan pengamatan menjadi dua bagian yang sama
besar, 50% dari pengamatan terletak di bawah median dan 50% lagi terletak di atas median.
 Median sering dilambangkan dengan (dibaca "x-tilde") apabila sumber datanya berasal dari
sampel (dibaca "μ-tilde") untuk median populasi.
 Median tidak dipengaruhi oleh nilai-nilai aktual dari pengamatan melainkan pada posisi
mereka.
 Prosedur untuk menentukan nilai median, pertama urutkan data terlebih dahulu, kemudian
ikuti salah satu prosedur berikut ini:
1. Banyak data ganjil → mediannya adalah nilai yang berada tepat di tengah gugus data
2. Banyak data genap → mediannya adalah rata-rata dari dua nilai data yang berada di
tengah gugus data
a. Median data tunggal:
Untuk menentukan median dari data tunggal, terlebih dulu kita harus mengetahui

letak/posisi median tersebut. Posisi median dapat ditentukan dengan menggunakan formula berikut:

dimana n = banyaknya data pengamatan.

(3) Mode
 Mode adalah data yang paling sering muncul/terjadi.
 Untuk menentukan modus, pertama susun data dalam urutan meningkat atau sebaliknya,
kemudian hitung frekuensinya.
 Nilai yang frekuensinya paling besar (sering muncul) adalah modus.
 Modus digunakan baik untuk tipe data numerik atau pun data kategoris. Modus tidak
dipengaruhi oleh nilai ekstrem.
Beberapa kemungkinan tentang modus suatu gugus data:

1. Apabila pada sekumpulan data terdapat dua mode, maka gugus data tersebut
dikatakan bimodal.
2. Apabila pada sekumpulan data terdapat lebih dari dua mode, maka gugus data tersebut
dikatakan multimodal.
3. Apabila pada sekumpulan data tidak terdapat mode, maka gugus data tersebut
dikatakan tidak mempunyai modus.
Meskipun suatu gugus data mungkin saja tidak memiliki modus, namun pada suatu
distribusi data kontinyu, modus dapat ditentukan secara analitis.

 Untuk gugus data yang distribusinya simetris, nilai mean, median dan modus
semuanya sama.
 Untuk distribusi miring ke kiri (negatively skewed): mean < median < modus
 untuk distribusi miring ke kanan (positively skewed): terjadi hal yang sebaliknya,
yaitu mean > median > modus.
a. Modus Data Tunggal:
Contoh 8:

Berapa modus dari nilai ujian Kalkulus berikut ini:

 2, 4, 5, 6, 6, 7, 7, 7, 8, 9
 2, 4, 6, 6, 6, 7, 7, 7, 8, 9
 2, 4, 6, 6, 6, 7, 8, 8, 8, 9
 2, 4, 5, 5, 6, 7, 7, 8, 8, 9
 1, 2, 3, 4, 5, 6, 7, 8, 9, 10
Jawab:

 2, 4, 5, 6, 6, 7, 7, 7, 8, 9→ Nilai yang sering muncul adalah angka 7 (M = 7)

 2, 4, 6, 6, 6, 7, 7, 7, 8, 9 → Modusnya ada dua, yaitu 6 dan 7 (bimodal). Karena
ke-2 mode tersebut nilainya berurutan, mode sering dihitung dengan
menghitung nilai rata-rata keduanya, ½ (6+7) = 6.5.
 2, 4, 6, 6, 6, 7, 8, 8, 8, 9 → Modusnya ada dua (bimodal), yaitu 6 dan 8. Nilai
mode tunggal tidak dapat dihitung karena ke-2 mode tersebut tidak berurutan.
 2, 4, 5, 5, 6, 7, 7, 8, 8, 9 → Gugus data tersebut dikatakan multimodal karena
modusnya lebih dari dua.
 1, 2, 3, 4, 5, 6, 7, 8, 9, 10 → Semua frekuensi data sama (tidak ada modus)
b. Mode dalam Distribusi Frekuensi:

dimana:

Mo = modal = kelas yang memuat modus

b = batas bawah kelas modal

p = panjang kelas modal

bmo = frekuensi dari kelas yang memuat modus (yang nilainya tertinggi)

b1= bmo – bmo-1 = frekuensi kelas modal – frekuensi kelas sebelumnya

b2 = bmo – bmo+1 = frekuensi kelas modal – frekuensi kelas sesudahnya

 Karakteristik penting untuk ukuran tendensi sentral yang baik

Ukuran nilai pusat/tendensi sentral (average) merupakan nilai pewakil dari

suatu distribusi data, sehingga harus memiliki sifat-sifat berikut:
• Harus mempertimbangkan semua gugus data
• Tidak boleh terpengaruh oleh nilai-nilai ekstrim.
• Harus stabil dari sampel ke sampel.
• Harus mampu digunakan untuk analisis statistik lebih lanjut.
• Dari beberapa ukuran nilai pusat, Mean hampir memenuhi semua
persyaratan tersebut, kecuali syarat pada point kedua, rata-rata
dipengaruhi oleh nilai ekstrem.
• Sebagai contoh, jika item adalah 2; 4; 5; 6; 6; 6; 7; 7; 8; 9 maka mean,
median dan modus semua bernilai sama, yaitu 6. Jika nilai terakhir adalah
90 bukan 9, rata-rata akan menjadi 14.10, sedangkan median dan modus
tidak berubah.
• Meskipun dalam hal ini median dan modus lebih baik, namun tidak
memenuhi persyaratan lainnya. Oleh karena itu Mean merupakan ukuran
nilai pusat yang terbaik dan sering digunakan dalam analisis statistik.
Nilai ukuran pusat yang tepat untuk digunakan tergantung pada:
1. sifat data,
2. sifat distribusi frekuensi dan
3. tujuan.
• Data bersifat kualitatif, hanya modus yang dapat digunakan, contoh:
mengetahui jenis tanah yang khas di suatu lokasi

pola tanam di suatu daerah.

• Data bersifat kuantitatif, dapat menggunakan mean atau median atau modus.
Dengan mempertimbangkan sifat distribusi frekuensi dari gugus data tersebut.
 3. Generalisasi Median
(Quartil, Desil, dan Presentil)
1. Kuartil
Kelompok data yang sudah diurutkan (membesar atau mengecil)
dibagi empat bagian yang sama besar.

Ada 3 jenis yaitu kuartil pertama (Q1) atau kuartil bawah, kuartil
kedua (Q2) atau kuartil tengah, dan kuartil ketiga (Q3) atau kuartil
atas.
KUARTIL (lanjutan)
Untuk data tidak berkelompok

in  1
Qi  nilai ke - , i  1,2,3
4
Untuk data berkelompok
 in 
 -F
Q i  L 0  c 4  , i  1,2,3 L0 = batas bawah kelas kuartil
 f 
 
  F = jumlah frekuensi semua
kelas sebelum kelas kuartil Qi
f = frekuensi kelas kuartil Qi
KUARTIL (lanjutan)
Contoh :
Q1 membagi data menjadi 25 %
Interval Nilai Frekuensi Q2 membagi data menjadi 50 %
Kelas Tengah
(X) Q3 membagi data menjadi 75 %
9-21 15 3
22-34 28 4
35-47 41 4 Sehingga :
48-60 54 8
61-73 67 12
74-86 80 23
Q1 terletak pada 48-60
87-99 93 6
Σf = 60 Q2 terletak pada 61-73
Q3 terletak pada 74-86
KUARTIL (lanjutan)
 1.60 
 - 11 
Untuk Q1, maka : Q1  47,5  13 4   54
 8 
 
 

 2.60 
 - 19 
Untuk Q2, maka : Q 2  60,5  13 4   72,42
 12 
 
 

 3.60 
 - 31 
Untuk Q3, maka : Q3  73,5  13 4   81,41
 23 
 
 
50, 40, 45, 60, 75, 80, 80,78, 90, 100
Langkah pertama yang dilakukan adalah
mengurutkan data:
40, 45, 50, 60, 75, 78, 80, 80, 90, 100
Q1= nilai ke = nilai ke 11/4 = nilai ke 2,75
= Nilai ke-2 + 0,75 (nilai ke-3- nilai ke-2)
= 45 + 0,75 (50-45)
= 45 +0,75 (5)
= 45+3,75
= 48,75
Q2 = nilai ke- (2(10+1))/4 = 21/4 = 5 1/4
= nilai ke-5+ 1/4(nilai ke-6-nilai ke-5)
= 75+1/4(78-75)
= 75+0,75
= 75,75
Q3 = nilai ke- (3(10+1))/4 = 31/4 =7 3/4
= nilai ke 7 + 0,75 (nilai 8 –nilai 7)
= 80 + 0,75 (80-80)
= 80 + 0
= 80
KUARTIL, DESIL, PERSENTIL (lanjutan)
2. Desil
Kelompok data yang sudah diurutkan (membesar atau mengecil) dibagi sepuluh
bagian yang sama besar.
DESIL (lanjutan)
Untuk data tidak berkelompok
in  1
Di  nilai ke - , i  1,2,3,...,9
10

Untuk data berkelompok

L0 = batas bawah kelas desil Di
 in  F = jumlah frekuensi semua
 -F
Di  L 0  c 10  , i  1,2,3,...,9 kelas sebelum kelas desil Di
 f 
  f = frekuensi kelas desil Di
 
DESIL (lanjutan)
Contoh :
Interval Nilai Frekuensi D3 membagi data 30%
Kelas Tengah
(X) D7 membagi data 70%
9-21 15 3
22-34 28 4
35-47 41 4
48-60 54 8 Sehingga :
61-73 67 12
74-86 80 23
87-99 93 6
Σf = 60
D3 berada pada 48-60
D7 berada pada 74-86
DESIL (lanjutan)
 3.60 
 - 11 
D 3  47,5  13 10   58,875
 8 
 
 

 7.60 
 - 31 
D 7  73,5  13 10   79,72
 23 
 
 
KUARTIL, DESIL, PERSENTIL (lanjutan)
3. Persentil
Untuk data tidak berkelompok
in  1
Pi  nilai ke - , i  1,2,3,...,99
100

Untuk data berkelompok

 in 
 -F
Pi  L 0  c 100  , i  1,2,3,...,99
 f 
 
 
 4. Varian Sampel Kecil dan Besar
4.1. Varians (Sampel kecil n≤30)
• rata-rata hitung kuadrat setiap data terhadap rata-rata hitungnya

Standar Deviasi (Sampel kecil n≤30)

• akar kuadrat dari variansi dan menunjukkan standar penyimpangan data
terhadap nilai rata-ratanya
 4. Varian Sampel Kecil dan Besar
4.2. Varians (Sampel besar n>30)
• rata-rata hitung kuadrat setiap data terhadap rata-rata hitungnya

2 𝑥𝑖 −𝑥 2
𝑠 =
𝑛
Standar Deviasi (Sampel besar n>30)
• akar kuadrat dari variansi dan menunjukkan standar penyimpangan data
terhadap nilai rata-ratanya

2 𝑥𝑖 −𝑥 2
𝜎= 𝑠 =
𝑛
 Thank you!
Any questions?

Materi : Sistem Informasi Akuntansi

The Power of PowerPoint – thepopp.com
Font: Ubuntu font family
Icons: Elegant Icon Font