MAKALAH

STATISTIKA UMUM

“Menganalisis Konsep Nilai Atau Ukuran Kecenderungan Sentral”

DOSEN PEMBINA:

Dr.Rezki Hariko, S.Pd.,M.Pd.,Kons

Oleh :

Kelompok 4

Anggota kelompok:

1. Monica Septania (23006085)

2. Odca Aprillia Najuah (23006028)
3. Wanda Rahmadany (23006176)

DEPARTEMEN BIMBINGAN DAN KONSELING

FAKULTAS ILMU PENDIDIKAN

UNIVERSITAS NEGERI PADANG

2023
 KATA PENGANTAR

Puji syukur kita ucapkan kehadirat Allah Swt, atas berkat limpahan rahmat
dan karunia-Nya kepada kita dan tidak lupa bersholawat pada baginda kita
Rasulullah Saw, yang telah membawa kita dari alam kebodohan yang gelap gulita
kealam yang terang benderang seperti yang kita rasakan pada saat ini

Sehingga kami bisa menyelesaikan makalah Statistika Umum yang berjudul

Menganalisis Konsep Nilai/Ukuran Kecenderungan Sentral Kami ucapkan
terimakasih pada Bapak Dr. Rezki Hariko, S.Pd., M.Pd., Kons dosen pembimbing
pada mata kuliah Statistika Umum yang telah memberikan pengajaran kepada
kami.
Namun, makalah Statistika umum ini masih jauh dari kata sempurna oleh
karena itu kami mengharapkan kritik dan saran untuk menyempurnakan makalah
kami ini.

Padang,26 september 2023

Kelompok 4
 Daftar isi

BAB I Pendahuluan

1. Latar Belakang …………………………………………………………

2. Rumusan Masalah……………………………………………………...
3. Tujuan………………………………………………………………….

BAB II Pembahasan

1. Ukuran Kecenderungan sentral………………………………………..

2. Definisi Hitung Rata-Rata Pada Data…………………………………
3. Sifat Dan Penggunaan Rata-Rata Hitung……………………………..
4. Definisi Hitung Median Pada Data……………………………………

BAB III Penutup

1. Kesimpulan……………………………………………………………
2. Saran…………………………………………………………………..

DAFTAR PUSTAKA
 BAB I

Pendahuluan

1. Latar Belakang Masalah

Latar belakang rumusan masalah tentang konsep ukuran kecenderungan

sentral dapat mencakup pemahaman tentang pentingnya statistik dalam analisis
data. Statistik adalah cabang ilmu yang digunakan untuk mengumpulkan,
menganalisis, dan menginterpretasikan data. Salah satu aspek penting dalam
statistik adalah pemahaman tentang bagaimana data tersebar atau terdistribusi,
serta bagaimana kita dapat menggambarkan tendensi pusat dari data tersebut.

Konsep ukuran kecenderungan sentral merupakan salah satu fondasi dalam

statistik yang digunakan untuk menggambarkan nilai tengah atau nilai pusat dari
kumpulan data. Pemahaman yang baik tentang konsep ini penting dalam berbagai
bidang, termasuk ilmu sosial, ekonomi, sains, dan lainnya. Dengan memiliki
pemahaman yang kuat tentang ukuran kecenderungan sentral, seseorang dapat:

1. Menggambarkan Data: Ukuran kecenderungan sentral membantu dalam

memberikan gambaran tentang data yang diamati. Ini membantu dalam
merangkum informasi yang terkandung dalam data yang mungkin sangat
kompleks.
2. Mengambil Keputusan Statistik: Dalam statistik inferensial, seperti uji
hipotesis, pemilihan ukuran kecenderungan sentral yang tepat dapat
memengaruhi hasil analisis dan keputusan yang diambil.
 3. Tujuan

Tujuan dan manfaat memahami konsep ukuran kecenderungan sentral dalam

statistik adalah sebagai berikut

1. Merangkum Data: Salah satu tujuan utama adalah untuk merangkum

data secara ringkas tetapi informatif. Ukuran kecenderungan sentral
memungkinkan kita untuk menggambarkan data yang kompleks dengan
satu nilai yang mewakili tendensi pusat.
2. Mengidentifikasi Tren atau Pola: Dengan memahami konsep ini, kita
dapat mengidentifikasi tren atau pola dalam data. Misalnya, apakah data
cenderung berkumpul di sekitar nilai tertentu (mean yang tinggi), atau
apakah ada variasi yang signifikan (mean yang rendah tetapi dengan
sebaran besar).
 BAB II
Pembahasan

“Definisi Cara Menghitung Rata-Rata Hitungan Pada Data

Tunggal/Kelompok/Sifat Dan Penggunaan Rata-Rata Hitung Juga Definisi
Median Pada Data Tunggal/Kelompok/Sifat”

1. Ukuran Kecenderungan sentral

Ukuran kecenderungan sentral adalah statistik yang digunakan untuk

menggambarkan nilai tengah atau cenderung dari suatu himpunan data. Beberapa
ahli statistik telah mengidentifikasi berbagai ukuran kecenderungan sentral yang
digunakan dalam analisis data. Berikut adalah beberapa ukuran kecenderungan
sentral yang umum digunakan beserta definisinya menurut beberapa ahli:

1. Rata-Rata (Mean):
o Definisi: Rata-rata adalah jumlah dari semua nilai dalam himpunan
data yang dibagi oleh jumlah nilai tersebut.
o Ahli yang terkait: Rata-rata adalah konsep dasar dalam statistik dan
tidak secara khusus dikaitkan dengan satu ahli tertentu.
2. Median:
o Definisi: Median adalah nilai tengah dalam himpunan data yang
diurutkan. Jika jumlah data ganjil, median adalah nilai tengahnya;
jika jumlah data genap, median adalah rata-rata dari dua nilai
tengah.
o Ahli yang terkait: Francis Galton, seorang ahli statistik abad ke-19,
sering dikaitkan dengan pengembangan konsep median.
 3. Modus:
o Definisi: Modus adalah nilai yang muncul paling sering dalam
suatu himpunan data.
o Ahli yang terkait: Konsep modus tidak secara khusus dikaitkan
dengan satu ahli tertentu, tetapi digunakan secara umum dalam
statistik.
4. Kuartil (Quartile):
o Definisi: Kuartil adalah nilai-nilai yang membagi data menjadi
empat bagian sama besar. Kuartil pertama (Q1) adalah median dari
setengah bagian bawah data, kuartil kedua (Q2) adalah median dari
seluruh data, dan kuartil ketiga (Q3) adalah median dari setengah
bagian atas data.
o Ahli yang terkait: Kuartil merupakan konsep penting dalam
statistik deskriptif dan tidak secara khusus dikaitkan dengan satu
ahli tertentu.
5. Rata-rata Geometri (Geometric Mean):
o Definisi: Rata-rata geometri adalah akar pangkat n dari produk
semua nilai dalam himpunan data, di mana n adalah jumlah nilai
dalam data.
o Ahli yang terkait: Ahli matematika Yunani kuno, Heron dari
Alexandria, dikenal sebagai salah satu yang pertama kali
mengemukakan konsep ini.

Penting untuk diingat bahwa berbagai ukuran kecenderungan sentral ini

memiliki kegunaan yang berbeda tergantung pada sifat data dan tujuan analisis.
Pemilihan ukuran yang tepat harus mempertimbangkan konteks dan karakteristik
data yang dihadapi.
 2. Definisi Hitung Rata-Rata Pada Data

Dalam karya ilmiah yang mengulas definisi dan cara menghitung rata-rata pada
data, Anda dapat merujuk pada definisi rata-rata menurut beberapa ahli statistik
terkemuka. Berikut adalah contoh bagian dari karya ilmiah yang merinci definisi
rata-rata dan mengutip beberapa ahli terkait:

Definisi Rata-Rata Menurut Ahli:

1. Sir Francis Galton (1822-1911): Galton dikenal sebagai salah satu

perintis dalam penggunaan rata-rata sebagai alat statistik. Menurut Galton,
rata-rata adalah "jumlah dari serangkaian pengukuran dibagi oleh jumlah
pengukuran tersebut." Pandangan ini memandang rata-rata sebagai
representasi keseluruhan data yang membantu dalam pemahaman
karakteristik data.
2. Karl Pearson (1857-1936): Pearson, seorang ahli statistik Inggris,
mengembangkan konsep rata-rata menjadi lebih abstrak dengan konsep
"rata-rata tertimbang." Menurutnya, rata-rata tertimbang adalah "jumlah
hasil perkalian setiap pengukuran dengan bobot tertentu, dibagi oleh
jumlah total bobot." Pendekatan ini berguna ketika ada bobot yang
berbeda untuk setiap pengukuran.

Cara Menghitung Rata-Rata:

Menghitung rata-rata pada data adalah langkah yang relatif sederhana. Untuk data
yang memiliki nn observasi, rata-rata (XˉXˉ) dapat dihitung dengan rumus
berikut:

Xˉ=∑i=1nXinXˉ=n∑i=1nXi

Di mana XiXi adalah nilai dari setiap observasi ke-ii dalam data.
Contoh Penghitungan Rata-Rata:

Misalnya, kita memiliki data pengukuran tinggi badan sejumlah 10 orang dalam
sentimeter: {165, 170, 175, 160, 168, 172, 180, 155, 168, 170}. Untuk
menghitung rata-rata tinggi badan, kita menjumlahkan semua nilai dan
membaginya dengan jumlah observasi, seperti berikut:

Xˉ=165+170+175+160+168+172+180+155+168+17010=167.3 cmXˉ=10165+17
0+175+160+168+172+180+155+168+170=167.3cm

3. Sifat Dan Penggunaan Rata-Rata Hitung

Berikut adalah beberapa sifat dan penggunaan rata-rata hitung (mean) menurut
pandangan para ahli:

Sifat-sifat Rata-Rata Hitung:

1. Sifat Kecenderungan Sentral: Rata-rata hitung adalah ukuran

kecenderungan sentral yang paling umum digunakan. Menurut ahli
statistik William G. Cochran, rata-rata adalah "ukuran yang paling jelas
dari pusat distribusi data."
2. Sifat Matematis Dasar: Rata-rata adalah jumlah dari semua nilai dalam
suatu himpunan data yang dibagi oleh jumlah data tersebut. Ini
didefinisikan secara matematis sebagai ΣX/n, di mana ΣX adalah jumlah
dari semua nilai dalam data dan n adalah jumlah data.
3. Sifat Konsisten: Rata-rata memiliki sifat yang konsisten, artinya jika
Anda mengulang pengukuran atau pengambilan sampel yang sama
berulang kali, rata-rata akan cenderung mendekati nilai yang sama.
4. Sifat Penyebut Sama: Rata-rata memiliki penyebut yang selalu sama,
yaitu jumlah data. Ini membuatnya mudah untuk dibandingkan antara
berbagai kelompok data.
 5. Sifat Sensitif terhadap Outlier: Salah satu kelemahan rata-rata adalah
bahwa ia sangat sensitif terhadap nilai-nilai ekstrem (outlier) dalam data.
Satu nilai outlier dapat memiliki dampak yang signifikan pada nilai rata-
rata.

Penggunaan Rata-Rata Hitung:

1. Deskripsi Data: Rata-rata digunakan untuk memberikan gambaran

ringkas tentang data. Ini membantu dalam merangkum karakteristik data
secara keseluruhan.
2. Perbandingan: Rata-rata digunakan untuk membandingkan dua atau lebih
kelompok data. Ini membantu dalam menentukan perbedaan atau
kesamaan antara kelompok-kelompok tersebut. Misalnya, dalam analisis
bisnis, rata-rata laba tahunan dari dua perusahaan dapat dibandingkan.
3. Prediksi: Rata-rata dapat digunakan dalam statistik inferensial untuk
membuat prediksi tentang populasi berdasarkan sampel. Ini melibatkan
perhitungan interval kepercayaan dan uji hipotesis.
4. Pengambilan Keputusan: Dalam pengambilan keputusan bisnis atau
kebijakan, rata-rata dapat digunakan sebagai alat untuk mengevaluasi
kinerja atau dampak suatu keputusan.
5. Pemantauan: Rata-rata digunakan dalam pemantauan data seiring waktu.
Misalnya, dalam ilmu lingkungan, rata-rata suhu harian dapat digunakan
untuk memantau perubahan iklim.
6. Analisis Statistik: Rata-rata sering digunakan dalam berbagai analisis
statistik, termasuk regresi, ANOVA (analisis varians), dan lain-lain.

Penting untuk diingat bahwa penggunaan rata-rata harus disesuaikan dengan

karakteristik data, tujuan analisis, dan konteksnya. Selain rata-rata hitung, ada
juga ukuran kecenderungan sentral lain seperti median dan modus yang dapat
dipertimbangkan sesuai dengan kebutuhan analisis.
Rata-rata hitung dan median adalah dua ukuran kecenderungan sentral yang
umum digunakan dalam statistik. Mereka memiliki sifat dan penggunaan yang
berbeda tergantung pada karakteristik data dan tujuan analisis. Berikut adalah sifat
dan penggunaan utama dari rata-rata hitung dan median:

Rata-Rata (Mean):

• Sifat:
1. Rata-rata sangat sensitif terhadap nilai ekstrem atau outlier dalam
data. Jika ada nilai yang sangat tinggi atau sangat rendah, rata-rata
akan dipengaruhi secara signifikan.
2. Rata-rata adalah ukuran yang paling umum digunakan untuk
menggambarkan nilai pusat, dan sering digunakan dalam berbagai
analisis statistik.
3. Rata-rata adalah titik pusat dari distribusi data, dan jika data
terdistribusi normal, rata-rata akan sama dengan median.
• Penggunaan:
1. Rata-rata digunakan ketika data memiliki distribusi yang simetris
atau mendekati distribusi normal.
2. Ini berguna dalam analisis data yang sederhana, seperti menghitung
rata-rata gaji, nilai-nilai tes, atau usia.
3. Rata-rata juga penting dalam perhitungan statistik, seperti uji
hipotesis dan analisis regresi.
 (MEAN) UKURAN DATA SENTRAL PADA DATA INDIVIDU DENGAN
MANUAL

Nilai 6 orang mahasiswa pada mata kuliah matematika

bisnis yaitu90,60,90,80,85,65 hitunglah rata ratanya

= 78.3

Median:

• Sifat:
1. Median adalah ukuran kecenderungan sentral yang lebih tahan
terhadap nilai outlier atau data ekstrem. Sehingga, median lebih
sesuai untuk data yang memiliki nilai ekstrem yang signifikan.
2. Median adalah nilai yang tepat berada di tengah data yang telah
diurutkan. Ini tidak dipengaruhi oleh jumlah observasi atau
frekuensi masing-masing nilai.
3. Median digunakan ketika data memiliki distribusi yang tidak
simetris atau ketika Anda ingin menemukan nilai tengah yang lebih
stabil.
• Penggunaan:
1. Median berguna ketika data memiliki outlier atau distribusi yang
skewed (condong) ke satu arah.
2. Ini sering digunakan dalam analisis yang berkaitan dengan
pendapatan (karena distribusi pendapatan sering condong ke
kanan), usia pasien (karena umumnya distribusi usia condong ke
kiri), atau dalam situasi di mana Anda ingin menemukan nilai
tengah yang tidak terpengaruh oleh ekstrem.
 3. Median juga berguna dalam data kategori atau ordinal, di mana
rata-rata mungkin tidak memiliki makna.

Pilihan antara rata-rata dan median tergantung pada karakteristik data dan
tujuan analisis Anda. Jika Anda ingin menggambarkan tendensi pusat
secara umum, rata-rata sering digunakan. Namun, jika Anda ingin
memiliki ukuran kecenderungan sentral yang lebih tahan terhadap outlier
atau data yang tidak simetris, median adalah pilihan yang lebih baik.
Dalam beberapa kasus, bahkan perbandingan antara keduanya dapat
memberikan wawasan yang lebih baik tentang data.

4. Definisi Hitung Median Pada Data

Median adalah salah satu ukuran kecenderungan sen

Md = Tepi Kelas Bawah Median+ tral dalam statistik yang merupakan nilai
tengah dalam suatu himpunan data yang telah diurutkan. Berikut adalah
definisi hitung median pada data menurut beberapa ahli:

1. Francis Galton (1822-1911): Francis Galton adalah seorang ilmuwan dan

peneliti yang berkontribusi pada statistik. Menurut Galton, median adalah
"nilai yang membagi distribusi data menjadi dua bagian yang sama besar
ketika data tersebut diurutkan."
2. Karl Pearson (1857-1936): Karl Pearson adalah seorang ahli statistik
terkemuka. Menurut Pearson, median adalah "nilai tengah dalam distribusi
data yang diurutkan, di mana setengah nilai-nilai berada di atasnya dan
setengah lagi di bawahnya."
3. Maurice G. Kendall (1907-1983): Kendall adalah seorang statistikawan
Inggris. Ia mendefinisikan median sebagai "nilai yang terletak pada posisi
tengah dalam data yang telah diurutkan secara ascending atau descending."
 4. John W. Tukey (1915-2000): John Tukey, seorang ahli statistik
terkemuka, menggambarkan median sebagai "nilai data yang tepat berada
di tengah himpunan data jika data tersebut diurutkan."
5. Jerzy Neyman (1894-1981): Neyman, seorang ahli statistik Polandia-
Amerika, mendefinisikan median sebagai "titik dalam data yang membagi
data menjadi dua bagian yang setara, di mana 50% data berada di
bawahnya dan 50% di atasnya."

Jadi, menurut para ahli statistik tersebut, median adalah nilai tengah yang
membagi data menjadi dua bagian yang sama besar ketika data tersebut diurutkan.
Median adalah ukuran kecenderungan sentral yang berguna, terutama dalam
situasi di mana data memiliki outlier atau distribusi data yang tidak normal,
karena median lebih tahan terhadap pengaruh outlier daripada rata-rata.
 BAB III

Penutup

1.Kesimpulan

Kesimpulan dari konsep ukuran kecenderungan sentral adalah bahwa ukuran

tersebut digunakan untuk menggambarkan atau meringkas titik tengah atau nilai
tengah dari suatu himpunan data. Ada beberapa ukuran kecenderungan sentral
yang umum digunakan, termasuk rata-rata, median, dan modus. Setiap ukuran ini
memiliki kegunaan dan karakteristiknya sendiri:

Pilihan ukuran kecenderungan sentral tergantung pada sifat data dan tujuan
analisis. Rata-rata sering digunakan untuk data interval atau rasio, sementara
median lebih sesuai untuk data yang mungkin memiliki outlier. Modus berguna
untuk mengidentifikasi nilai yang paling umum dalam kategori data.

Dalam praktiknya, penggunaan ukuran kecenderungan sentral yang tepat

harus mempertimbangkan konteks statistik dan tujuan analisis yang spesifik, serta
memahami sifat data yang ada. Setiap ukuran memiliki kelebihan dan kelemahan,
dan penggunaannya harus disesuaikan dengan situasi yang relevan.

2. Saran

Sebagai calon seorang pendidik tentunya sudah lazim jika kita akan
melakukan penilitian tetang kecenderungan sentral dalam proses pembelajaran
dan mencari solusi untuk meningkatkan kualitas pendidik, sehingga sudah
seluruhnya kita memahami “kecenderungan sentral”.
 TABEL KONSTRIBUSI

Nama Mahasiswa NIM Deskripsi Konstribusi

Monica Septania 23006085 Pencari penjelasan materi
Odca Aprillia Najuah 23006028 Penyusun makalah
Wanda Rahmadany 23006176 Penyusun PPT
 DAFTAR PUSTAKA

Edward, A.L. (1984). An Introduction to Linear Regression and Correlation. 2nd

ed. New York: W.H. Freeman and Company.

Erickson, B.H., & Nosanchuk. (1983). Memahami Data Statistika untuk Ilmu
Sosial. Jakarta: LP3ES.

Ferguson, A.G. 1971. Statistical Analysis In Psychology and Education. New

York: McGraw-Hill Book Company.

Furqon, (2001). Statistika Terapan untuk Penelitian. Bandung: Alfabeta. Gall.

M.D., Gall, J.P., & Borg, W.R. 2003. Educational Research: An Introduction.
New York: Pearson Education.

Guilford, JP., & Fruchter, B. (1978). Fundamental Sttistics in Psychology and

Education. Sixth Edition. New York: McGraw-Hill Book Company.

Hinkle, D.E, Wiersma, W. & Jurs, S.G. 1988. Applied Statistics for the
Behavioral Sciences. Boston: Houghton Mifflin Company.

Irianto, A. (1988). Statistik Pendidikan (1). Jakarta: Depdikbud.

Kane, WJ., Sheldon, & Hanson, E. (Ed.) (1976). Statistics, A Fresh Approach.
McGraw-Hill, Inc.