BAB

3
UKURAN GEJALA PUSAT

Nilai sentral atau nilai rata-rata juga disebut nilai tengah dari sekumpulan data
statistik adalah suatu nilai dalam kumpulan atau rangkaian data yang dapat
mewakili kumpulan atau rangkaian data tersebut.

Jenis atau macam nilai sentral

Rata-rata Hitung (Mean)

Rata-rata atau Mean merupakan ukuran statistik kecenderungan terpusat yang
paling sering digunakan. Rata-rata ada beberapa macam, yaitu rata-rata hitung
(aritmatik), rata-rata geometrik, rata-rata harmonik dan lain-lain. Tetapi jika hanya
disebut dengan kata "rata-rata" saja, maka rata-rata yang dimaksud adalah rata-rata
hitung (aritmatik).

Penghitungan

Penghitungan rata-rata dilakukan dengan menjumlahkan seluruh nilai data suatu

kelompok sampel, kemudian dibagi dengan jumlah sampel tersebut. Jadi jika suatu
kelompok sampel acak dengan jumlah sampel n, maka bisa dihitung rata-rata dari
sampel tersebut dengan rumus sebagai berikut.

X 1  X 2  X 3  X 4  ........  X n
X
n
j n

X ij
X  i 1

PENGANTAR STATISTIK 41
Keterangan:
= rata-rata hitung
xi = nilai sampel ke-i
n = jumlah sampel

Contoh Penghitungan

Misalkan kita ingin mengetahui rata-rata tinggi badan siswa di suatu kelas. Kita bisa
mengambil sampel misalnya sebanyak 10 siswa dan kemudian diukur tinggi
badannya. Dari hasil pengukuran diperoleh data tinggi badan kesepuluh siswa
tersebut dalam ukuran sentimeter (cm) sebagai berikut.

176 170 173 167 160 163 164 182 167 168

Dari data di atas dapat dihitung rata-rata dengan menggunakan rumus rata-rata :

x= 176 + 170 + 173 + 167 + 160 + 163 + 164 + 182 + 167 + 168
10
x = 1690/10

x = 169

Dari hasil penghitungan, bisa diambil kesimpulan bahwa rata-rata tinggi badan
siswa di kelas tersebut adalah 169 cm.

Data berkelompok adalah data yang disajikan dalam bentuk kelas-kelas interval.
Setiap kelas biasanya memiliki panjang interval yang sama.

Ada tiga cara menghitung rata-rata data berkelompok, yaitu dengan menggunakan
titik tengah, menggunakan simpangan rata-rata sementara dan menggunakan kode
(coding). Rumus ketiga cara penghitungan rata-rata data berkelompok tersebut
adalah sebagai berikut.

PENGANTAR STATISTIK 42
1. Menggunakan titik tengah (cara biasa)

2. Menggunakan simpangan rata-rata sementara

dimana

3. Menggunakan pengkodean (coding)

Keterangan
= rata-rata hitung data berkelompok
= rata-rata sementara
fi = frekuensi data kelas ke-i
xi = nilai tengah kelas ke-i
ci = kode kelas ke-i
p = panjang interval

Contoh penghitungan:

PENGANTAR STATISTIK 43
Sebanyak 30 orang pekerja dijadikan sampel dan dihitung berat badannya. Data
berat badan dibuat dalam bentuk kelas-kelas interval. Hasil pengukuran tinggi
badan adalah sebagai berikut.
Tabel
Berat Badan Mahasiswa FE

No Berat Badan Frekuensi

1 51-55 3
2 56-60 6
3 61-65 8
4 66-70 6
5 71-75 4
6 76-80 3

Hitunglah rata-rata tinggi badan pekerja dengan menggunakan titik tengah,

simpangan rata-rata sementara dan cara koding!

Jawab:

1. Menggunakan titik tengah (cara biasa)

Proses penghitungan rata-rata dengan menggunakan titik tengah dibantu dengan

menggunakan tabel di bawah ini.
Tabel
Penghitungan Rata-rata Berat Badan dengan cara biasa

No Berat Badan Titik Tengah Frekuensi fx

1 51-55 53 3 159
2 56-60 58 6 348
3 61-65 63 8 504
4 66-70 68 6 408
5 71-75 73 4 292
6 76-80 78 3 234
Jumlah 30 1945
Rerata 64.833

PENGANTAR STATISTIK 44
Dari tabel di atas diperoleh

∑ fi = 30 dan ∑ fi xi = 1945
Dengan begitu dapat kita hitung rata-rata data berkelompok sebagai berikut.

x = 1945/30
x = 64,833

2. Dengan menggunakan simpangan rata-rata sementara

Sebelum menghitung rata-rata data berkelompok menggunakan simpangan rata-

rata sementara, kita terlebih dahulu menetapkan rata-rata sementaranya.

Misalkan rata-rata sementara yang kita tetapkan adalah 60. Selanjutnya kita bisa
membuat tabel penghitungan sebagai berikut.

Tabel
Perhitungan Rata-Rata dengan Simpangan Rata-Rata Sementara

No Berat Badan Titik Tengah Frekuensi d = 60 - x fd

1 51-55 53 3 -7 -21
2 56-60 58 6 -2 -12
3 61-65 63 8 3 24
4 66-70 68 6 8 48
5 71-75 73 4 13 52
6 76-80 78 3 18 54
Jumlah 30 145

Dari tabel di atas diperoleh

x = 60, ∑ fi = 30 dan ∑ fi di = 145

Hasil rata-rata hitung menggunakan simpangan rata-rata adalah :

x = 60 + (145/30) = 60 + 4,83333

x = 64,833

PENGANTAR STATISTIK 45
3. Cara coding

Sama dengan menggunakan simpangan rata-rata sementara, sebelum menghitung

rata-rata dengan cara coding, kita juga harus menetapkan rata-rata sementara.
Namun rata-rata sementara yang kita tetapkan harus sama dengan salah satu nilai
tengah salah satu kelas interval.

Misalkan kita menetapkan rata-rata sementara adalah nilai tengah kelas keempat,
yaitu 68. Dengan begitu kita bisa membuat tabel dan pengkodean seperti di bawah
ini.
Tabel
Penghitungan Rata-Rata dengan menggunakan Cara Coding

No Berat Badan Titik Tengah Frekuensi coding fc

1 51-55 53 3 -3 -9
2 56-60 58 6 -2 -12
3 61-65 63 8 -1 -8
4 66-70 68 6 0 0
5 71-75 73 4 1 4
6 76-80 78 3 2 6
Jumlah 30 -19

Pengkodean dimulai dari angka 0 untuk kelas interval dimana rata-rata sementara
ditetapkan. Kemudian dengan kelas sebelumnya berturut-turut menjadi angka
negatif (-1, -2, -3 dan seterusnya) menjauhi kelas rata-rata sementara. Berikutnya
dengan kelas sesudahnya berturut-turut pengkodeannya menjadi angka positif (1,2
3 dan seterusnya) menjauhi kelas rata-rata sementara tersebut.

Dari tabel di atas diperoleh,

x = 68, ∑ fi = 30 dan ∑ fi ci = -19 dan interval = 5

Hasil rata-rata hitung menggunakan coding adalah sebagai berikut.

x = 68 + (-19/30).5 = 68 – 3,1667 = 64,83333

PENGANTAR STATISTIK 46
Kelebihan mean

1. Rata-rata lebih populer dan lebih mudah digunakan.

2. Dalam satu set data, rata-rata selalu ada dan hanya ada satu rata-rata.
3. Dalam penghitungannya selalu mempertimbangkan semua nilai data.
4. Tidak peka terhadap penambahan jumlah data.
5. Variasinya paling stabil.
6. Cocok digunakan untuk data yang homogen.

Kelemahan mean

1. Sangat peka terhadap data ekstrim. Jika data ekstrimnya banyak, rata-rata
menjadi kurang mewakili (representatif).
2. Tidak dapat digunakan untuk data kualitatif.
3. Tidak cocok untuk data heterogen.

Median

Median Data Tunggal

Median adalah nilai tengah dari data yang telah disusun berurutan mulai dari yang
terkecil sampai dengan yang terbesar. Secara matematis median dilambangkan
dengan Md yang dapat dicari dengan cara sebagai berikut.

Median untuk jumlah data (n) ganjil

Md = X ((n+1)/2)

Median untuk jumlah data (n) genap

Md = ½ (X(n/2) + X((n/2) + 1))

Keterangan:
Me = Median
n = jumlah data
x = nilai data

PENGANTAR STATISTIK 47
Contoh :

Sembilan orang pekerja dengan tinggi badan sebagai berikut :

176 170 173 167 160 163 164 167 168

Median dari tinggi badan sepuluh pekerja tersebut adalah?

Jawab:

Karena jumlah data adalah ganjil, maka penghitungan median menggunakan rumus
median untuk data ganjil. Proses penghitungannya adalah sebagai berikut.

Md = X (9+1) = X (10/2) = x5
2
Dari rumus matematis di atas, diperoleh bahwa median adalah x5. Untuk
mengetahui x5, maka data harus diurutkan terlebih dahulu. Hasil pengurutan data
adalah sebagai berikut.

160 163 164 167 167 168 170 173 176

Dari hasil pengurutan dapat kita ketahui mediannya (X5) adalah 167.

Contoh :

Sepuluh pekerja dijadikan sampel dan dihitung tinggi badannya. Hasil pengukuran
tinggi badan kesepuluh siswa tersebut adalah sebagai berikut.

176 170 173 167 160 163 164 167 168

Hitunglah median dari data tinggi badan pekerja!

Jawab:

Karena jumlah data genap, maka penghitungan median menggunakan rumus

median untuk data genap. Proses penghitungannya adalah sebagai berikut.

Md = ½ (X(n/2) + X(n/2 + 1))

PENGANTAR STATISTIK 48
Md = ½ (X5 + X6)

Untuk melanjutkan penghitungan, kita harus terlebih dahulu mengetahui nilai x5

dan x6. Kedua nilai data tersebut dapat diperoleh dengan mengurutkan semua data.
Hasil pengurutan adalah sebagai berikut.

160 163 164 167 167 168 170 173 176 182

Dari pengurutan tersebut diperoleh nilai x5 sama dengan 167 dan x6 sama dengan
168. Dengan demikian penghitungan median dapat dilanjutkan.

Md = ½ (167 + 168) = ½ (335) = 167,5

Median Data Berkelompok

Pada data tunggal, penghitungan median cukup mudah. Data diurutkan berdasarkan
nilai datanya mulai dari yang terkecil sampai yang terbesar. Kemudian median bisa
diketahui langsung dari nilai tengah urutan data tersebut.

Namun pada data berkelompok, cara tersebut tidak bisa digunakan. Data
berkelompok merupakan data yang berbentuk kelas interval, sehingga kita tidak
bisa langsung mengetahui nilai median jika kelas mediannya sudah diketahui.

Oleh karena itu, kita harus menggunakan rumus berikut ini.

Md = Xii + ( ½.n – ƒkii ). ci

ƒi

Md = median
xii = batas bawah median
n = jumlah data
fkii = frekuensi kumulatif data di bawah kelas median
fi = frekuensi data pada kelas median
ci = interval kelas

Contoh :

Sebanyak 30 orang mahasiswa terpilih sebagai sampel dalam penelitian kesehatan

di sebuah universitas. Mahasiswa yang terpilih tersebut diukur berat badannya.

PENGANTAR STATISTIK 49
Hasil pengukuran berat badan disajikan dalam bentuk data berkelompok seperti di
bawah ini.

Tabel
Distribusi Frekuensi Berat Badan Mahasiswa FE

No Berat Badan Frekuensi

1 51-55 3
2 56-60 6
3 61-65 8
4 66-70 6
5 71-75 4
6 76-80 3

Hitunglah median berat badan mahasiswa!

Jawab:

Sebelum menggunakan rumus di atas, terlebih dahulu dibuat tabel untuk

menghitung frekuensi kumulatif data. Tabelnya adalah sebagai berikut.

Tabel
Distribusi Frekuensi Kumulatif Lebih Dari
Berat Badan Mahasiswa FE

No Berat Badan Frekuensi Frekuensi Kumulatif

Lebih Dari
1 51-55 3 3
2 56-60 6 9
3 61-65 8 17
4 66-70 6 23
5 71-75 4 27
6 76-80 3 30

Selanjutnya adalah menentukan nilai-nilai yang akan digunakan pada rumus.

PENGANTAR STATISTIK 50
Jumlah data adalah 30, sehingga mediannya terletak di antara data ke 15. Data ke-
15 ini berada pada kelas interval ke-3 (61 – 65). Kelas interval ke-3 ini kita sebut
kelas median.

Melalui informasi kelas median, bisa kita peroleh batas bawah kelas median sama
dengan 60,5 (diperoleh dari (60 + 61)/2 = 60,5 ). Frekuensi kumulatif sebelum kelas
median adalah 9 (diperoleh dari 6+3), dan frekuensi kelas median sama dengan 8.
Diketahui juga, bahwa kelas interval sama dengan 5.

Secara matematis bisa diringkas sebagai berikut:

xib = 60,5
n = 30
fkii =9
ci =5

Dari nilai-nilai tersebut dapat kita hitung median dengan menggunakan rumus
median data berkelompok.

Md = 60,5 + (15 – 9) . 5 = 60,5 + 3,75 = 64,25

8

Sehingga median berat badan mahasiswa adalah 64,25 kg.

Kelebihan Median

1. Tidak dipengaruhi oleh data ekstrim.

2. Dapat digunakan untuk data kualitatif maupun kuantitatif.
3. Cocok untuk data heterogen.

Kelemahan Median

1. Tidak mempertimbangkan semua nilai data.

2. Kurang menggambarkan rata-rata populasi.
3. Peka terhadap penambahan jumlah data

PENGANTAR STATISTIK 51
Modus

Modus adalah nilai yang sering muncul. Jika kita tertarik pada data frekuensi,
jumlah dari suatu nilai dari kumpulan data, maka kita menggunakan modus. Modus
sangat baik bila digunakan untuk data yang memiliki sekala kategorik yaitu nominal
atau ordinal.
Sedangkan data ordinal adalah data kategorik yang bisa diurutkan, misalnya kita
menanyakan kepada 100 orang tentang kebiasaan untuk mencuci kaki sebelum
tidur, dengan pilihan jawaban: selalu (5), sering (4), kadang-kadang(3), jarang (2),
tidak pernah (1). Apabila kita ingin melihat ukuran pemusatannya lebih baik
menggunakan modus yaitu yaitu jawaban yang paling banyak dipilih, misalnya
sering (2). Berarti sebagian besar orang dari 100 orang yang ditanyakan menjawab
sering mencuci kaki sebelum tidur. Inilah cara menghitung modus:

1. Data yang belum dikelompokkan

Modus dari data yang belum dikelompokkan adalah ukuran yang memiliki
frekuensi tertinggi. Modus dilambangkan mo.
2. Data yang telah dikelompokkan
Rumus Modus dari data yang telah dikelompokkan dihitung dengan rumus:

Modus (mode) adalah penjelasan tentang suatu kelompok data dengan

menggunakan nilai yang sering muncul dalam kelompok data tersebut. Atau bisa
dikatakan juga nilai yang populer (menjadi mode) dalam sekelompok data.

Jika dalam suatu kelompok data memiliki lebih dari satu nilai data yang sering
muncul maka sekumpulan data tersebut memiliki lebih dari satu modus.
Sekelompok data yang memiliki dua modus disebut dengan bimodal, sedangkan jika
lebih dari dua modus disebut multimodal.

Jika dalam sekelompok data tidak terdapat satu pun nilai data yang sering muncul,
maka sekelompok data tersebut dianggap tidak memiliki modus.

Modus biasanya dilambangkan dengan Mo.

Contoh :

Sepuluh pekerja dijadikan sebagai sampel dan diukur tinggi badannya. Hasil
pengukuran tinggi badan adalah sebagai berikut.

PENGANTAR STATISTIK 52
 176 170 173 167 160 163 164 182 167 168

Tentukan modus tinggi badan siswa!

Jawab:

Untuk mengetahui modus dari data di atas, kita tidak menggunakan rumus apapun.
Kita menentukan modus hanya melalui pengamatan saja.

Untuk mempermudah pengamatan dalam mendapatkan modus, kita bisa juga

mengurutkan data tersebut. Hasil pengurutan data adalah sebagai berikut.

160 163 164 167 167 168 170 173 176 182

Dari hasil pengamatan, hanya nilai data 167 yang sering muncul, yaitu muncul dua
kali. Sedangkan nilai data lainnya hanya muncul satu kali. Jadi modus data di atas
adalah 167.

Contoh :

Enam buah sepeda motor sedang melaju di suatu jalan raya. Kecepatan keenam
seoeda motor tersebut adalah sebagai berikut.

60 , 70, 50, 60, 60, 75

Tentukan modus kecepatan motor tersebut!

Jawab:
Jika data diurutkan, maka hasilnya adalah sebagai berikut.

50, 60, 60, 60, 70, 75

Hasil pengamatan dari pengurutan di atas bisa diketahui nilai data 60 adalah nilai
data yang paling sering muncul (masing-masing dua kali). Oleh karena itu modus
sekelompok data di atas ada adalah 60.

Contoh :

Sebelas orang siswa memiliki nilai ujian sebagai berikut.

PENGANTAR STATISTIK 53
66 89 98 76 65 45 88 47 83 90 67

Tentukan modus nilai siswa!

Jawab:

Jika diurutkan, susunannya akan seperti berikut ini.

45 47 65 66 67 76 83 88 89 90 98

Dari pengamatan, tidak ada satupun nilai data yang sering muncul. Oleh karena itu,
data di atas tidak memiliki modus.

Modus Data Berkelompok

Modus adalah nilai yang memiliki frekuensi terbanyak dalam seperangkat data.
Modus untuk data yang disusun dalam bentuk kelas interval (data berkelompok)
bisa ditentukan berdasarkan nilai tengah kelas interval yang memiliki frekuensi
terbanyak.

Namun nilai yang dihasilkan dari nilai tengah kelas interval ini adalah nilai yang
kasar. Nilai modus yang lebih halus bisa diperoleh dengan menggunakan rumus di
bawah ini.

M0 = Xii + d1 . ci
(d1 + d2)

M0 = modus
xii = batas bawah median
d1 = Selisih Frekuensi terbanyak dengan frekuensi sebelumnya
d2 = Selisih rekuensi terbanyak dengan frekuensi sesudahnya
ci = interval kelas

Contoh:

Berikut ini adalah nilai statistik mahasiswa jurusan ekonomi sebuah universitas.

PENGANTAR STATISTIK 54
 No Berat Badan Frekuensi
1 51-55 3
2 56-60 6
3 61-65 8
4 66-70 6
5 71-75 4
6 76-80 3

Berapakah modus nilai statistik mahasiswa tersebut?

Jawab:

No Berat Badan Frekuensi

1 51-55 3
2 56-60 6
Letak
3 61-65 8 Modus
4 66-70 6
5 71-75 4
6 76-80 3

Dari tabel di atas, kita bisa mengetahui bahwa modus terletak pada kelas interval
keempat (61 – 65) karena kelas tersebut memiliki frekuensi terbanyak yaitu 8.
Sebelum menghitung menggunakan rumus modus data berkelompok, terlebih
dahulu kita harus mengetahui batas bawah kelas adalah 60,5, frekuensi kelas
sebelumnya 6, frekuensi kelas sesudahnya 6. Panjang kelas interval sama dengan 5.

Dengan begitu bisa kita menghitung modus nilai statistik mahasiswa sebagai
berikut.

M0 = Xii + d1 . ci
(d1 + d2)

M0 = 60,5 + 8-6 .5
((8-6) + (8-6))

PENGANTAR STATISTIK 55
M0 = 60,5 + 2 .5
(2 + 2)

M0 = 60,5 + 10
4
M0 = 63

Kelebihan Modus

1. Tidak dipengaruhi oleh data ekstrim.

2. Cocok digunakan untuk data kuantitatif maupun kualitatif.

Kelemahan Modus

1. Modus tidak selalu ada dalam satu set data.

2. Kadang dalam satu set data terdapat dua atau lebih modus. Jika hal itu terjadi
modus menjadi sulit digunakan.
3. Kurang mempertimbangkan semua nilai.
4. Peka terhadap penambahan jumlah data.

Hubungan Antara Rata-rata Hitung (Mean), Median dan Modus

Rata-rata hitung (mean), median dan modus adalah nilai yang digunakan untuk
mewakili seperangkat data. Ketiga nilai tersebut sering juga disebut dengan ukuran
kecenderungan terpusat (measure of central tendency). Sebab kecenderungan dari
nilai-nilai tersebut memusat pada bagian tengah suatu perangkat data.

Pada analisis data biasanya fokus perhatian tidak terletak pada keseluruhan data,
tetapi terletak hanya dimana data tersebut memusat. Oleh karena itulah nilai-nilai
rata-rata, median dan modus sering digunakan untuk mewakili seperangkat data
dalam analisis statistik.

Pada suatu distribusi frekuensi, hubungan antara rata-rata, median dan modus
adalah sebagai berikut.

PENGANTAR STATISTIK 56
 1. Jika rata-rata, median dan modus memiliki nilai yang sama, maka nilai rata-
rata, median dan modus akan terletak pada satu titik dalam kurva distribusi
frekuensi. Kurva distribusi frekuensi tersebut akan terbentuk simetris.

2. Jika rata-rata lebih besar dari median, dan median lebih besar dari modus,
maka pada kurva distribusi frekuensi, nilai rata-rata akan terletak di sebelah
kanan, sedangkan median terletak di tengahnya dan modus di sebelah kiri.
Kurva distribusi frekuensi akan terbentuk menceng ke kiri.

3. Jika rata-rata lebih kecil dari median, dan median lebih kecil dari modus,
maka pada kurva distribusi frekuensi, nilai rata-rata akan terletak di sebelah
kiri, sedangkan median terletak di tengahnya dan modus di sebelah kanan.
Kurva distribusi frekuensi akan terbentuk menceng ke kanan.

PENGANTAR STATISTIK 57
 4. Jika kurva distribusi frekuensi tidak simetris (menceng ke kiri atau ke kanan),
maka biasanya akan berlaku hubungan antara rata-rata median dan modus
sebagai berikut.

Rata-rata – Modus = 3 (Rata-rata – Median)

PENGANTAR STATISTIK 58
Contoh :
Tabel
Distribusi Frekuensi yang simetris

Berat
No X Frekuensi d fd ∑f
Badan
1 51-55 53 3 -3 -9 3
2 56-60 58 7 -2 -14 10
3 61-65 63 15 -1 -15 25
4 66-70 68 20 0 0 45
5 71-75 73 15 1 15 60
6 76-80 78 7 2 14 67
7 81-85 83 3 3 9 70
70 0 0

Mean = 68 + (0/70) . 5 = 68
Median = 65,5 + (10/20).5 = 68
Modus = 65,5 + (5/10).5 = 68

Dengan nilai mean 68, median 68 dan modus 68, maka x = Md =M0 sehingga Kurva
distribusi frekuensi akan terbentuk simetris.

Me = Md = Mo = 68

PENGANTAR STATISTIK 59
Contoh :
Tabel
Distribusi Frekuensi yang miring kiri

Berat
No X Frekuensi d fd ∑f
Badan
1 51-55 53 4 -3 -12 4
2 56-60 58 8 -2 -16 12
3 61-65 63 12 -1 -12 24
4 66-70 68 17 0 0 41
5 71-75 73 14 1 14 55
6 76-80 78 8 2 16 63
7 81-85 83 7 3 21 70
70 0 11

Mean = 68 + (11/70) . 5 = 68,78

Median = 65,5 + (11/17).5 = 68,73
Modus = 65,5 + (5/8).5 = 68,625

Dengan nilai mean 68,78, median 68,73 dan modus 68,625 maka x > Md >M0
sehingga Kurva distribusi frekuensi akan terbentuk tidak simetris (menceng kiri).

Me > Md > Mo

PENGANTAR STATISTIK 60
Contoh
Tabel
Distribusi Frekuensi yang miring kanan

Berat
No X Frekuensi d fd ∑f
Badan
1 51-55 53 7 -3 -21 7
2 56-60 58 8 -2 -16 15
3 61-65 63 14 -1 -14 29
4 66-70 68 17 0 0 46
5 71-75 73 12 1 12 58
6 76-80 78 8 2 16 66
7 81-85 83 4 3 12 70
70 0 -11

Mean = 68 + (-11/70) . 5 = 67,22

Median = 65,5 + (6/17).5 = 67,264
Modus = 65,5 + (3/8).5 = 67,375

Dengan nilai mean 67,22, median 67,264 dan modus 67,375, maka x<Me<M0
sehingga Kurva distribusi frekuensi akan terbentuk tidak simetris (menceng
kanan).

Me < Md < Mo

PENGANTAR STATISTIK 61
Rata-rata Ukur (Geometrik)

Rata-rata ukur (geometrik) adalah rata-rata yang diperoleh dengan mengalikan

semua data dalam suatu kelompok sampel, kemudian diakarpangkatkan dengan
jumlah data sampel tersebut. Secara matematis rata-rata ukur (geometrik)
dirumuskan seperti berikut ini.

Atau rumus tersebut bisa diringkas menjadi:

Penghitungan rata-rata ukur (geometrik) juga bisa dihitung dengan menggunakan

logaritma. Rumusnya adalah sebagai berikut.

Keterangan:

G = rata-rata ukur (geometrik)

n = jumlah sampel
∏= kegunaannya hampir sama dengan ∑, bedanya ∑ digunakan untuk
penjumlahan, sedangkan ∏ digunakan untuk perkalian
xi = nilai sample ke-i

Contoh:

Diketahui data suku bunga tabungan di beberapa bank swasta di yogyakarta adalah
sebagai berikut.

6.75 6.75 5.40 6.25 6.25 6.10 6.70 5.90 5.25 5.60

Berapakah rata-rata ukur (geometrik) suku bunga bank-bank tersebut?

PENGANTAR STATISTIK 62
Jawab:

Rata-rata ukur (geometrik) bisa dihitung dengan menggunakan rumus pertama atau
kedua. Cara penghitungannya adalah sebagai berikut.

G  10 6.75 x6.75 x5.4 x6.25 x6.25 x6.1x6.7 x5.9 x5.25 x5.6

10
G  68.134.225

G  6.072067

Jika menggunakan rumus yang ketiga, cara penghitungannya adalah sebagai berikut.

6.75 6.75 5.40 6.25 6.25 6.10 6.70 5.90 5.25 5.60

Kita log menjadi

0.829 0.829 0.732 0.796 0.796 0.785 0.826 0.771 0.720 0.748

Masukan dalam formula

0.829  0.829  0.732  0.796  0.796  0.785  0.826  0.771  0.72  0.748
Log (G ) 
10

7.833365
Log (G ) 
10

Log (G)  0.783337

G  anti log(0.783337)  6.072067

Penghitungan menggunakan logaritma biasanya dilakukan jika jumlah data cukup

banyak sehingga membuat hasil perkalian pada rumus pertama menjadi sangat
besar dan menyulitkan. Untuk mengurangi hitungan yang terlalu besar maka
digunakanlah logaritma.

PENGANTAR STATISTIK 63
Rata-rata Harmonik (Harmonic Average)

Rata-rata harmonik (harmonic average) adalah rata-rata yang dihitung dengan

cara mengubah semua data menjadi pecahan, dimana nilai data dijadikan sebagai
penyebut dan pembilangnya adalah satu, kemudian semua pecahan tersebut
dijumlahkan dan selanjutnya dijadikan sebagai pembagi jumlah data. Rata-rata
harmonik ini sering disebut juga dengan kebalikan dari rata-rata hitung (aritmatik).
Secara matematis rata-rata harmonik dirumuskan sebagai berikut.

Keterangan:
H = rata-rata harmonik
n = jumlah data sampel
xi = nilai data ke-i

Contoh:
Suatu pertandingan catur terdiri dari 10 meja. Pada pertandingan tersebut ingin
diketahui rata-rata lama bermain dalam 1 set permainan catur. Pada pertandingan
pertamanya dihitung lama bermain untuk setiap set kartu di setiap meja. Hasilnya
adalah sebagai berikut (dalam menit).

9 8 11 10 9 11 14 12 15 11

Berapakah rata-rata harmonik lama pertandingan tersebut?

Jawab:

Dari rumus dapat dihitung rata-rata harmonik adalah sebagai berikut.

10
H
9  8  11  10  9  11  14  12  15  11
1 1 1 1 1 1 1 1 1 1

10
H  10.62272
0.941378

PENGANTAR STATISTIK 64
Latihan Soal

1. Apa yang disebut dengan ukuran nilai sental ?

2. Berikut ini adalah nilai statistic mahasiswa ekonomi sebagai berikut :

70 54 90 60 70 65 55 60 70 90

Berdasarkan data tersebut :

a. Hitunglah Mean, Median dan Modus
b. Hitung rata-rata dengan menggunakan rata-rata ukur dan rata-rata harmonic

3. Diketahui data pendapatan pedagang angkringan di jalan wirobrajan sbb :

No Pendapatan Jumlah
Pedagang
1 100-109 5
2 110-119 10
3 120-129 19
4 130-139 25
5 140-149 20
6 150-159 14
7 160-169 7

Pertanyaan : Carilah Mean, Median dan Modus

4. Diketahui data keuntungan pedagang baju di pasar loak sbb :

No Keuntungan Jumlah
Pedagang
1 100-109 7
2 110-119 15
3 120-129 19
4 130-139 25
5 140-149 20
6 150-159 14

Pertanyaan : Carilah Mean, Median dan Modus

PENGANTAR STATISTIK 65
5. Berikut ini adalah nilai mahasiswa yang mengambil mata kuliah statistic yang
dinyatakan dengan distribusi frekuensi

No Nilai Jumlah No Nilai Jumlah

Mahasiswa Mahasiswa
1 30-39 5 1 30-39 11
2 40-49 17 2 40-49 15
3 50-59 21 3 50-59 19
4 60-69 25 4 60-69 25
5 70-79 20 5 70-79 20
6 80-89 12 6 80-89 10
Kelas A Kelas B

Pertanyaan :
a. Carilah mean, median dan modus
b. Menurut Saudara kelas apa yang Saudara anggap paling baik ? Jelaskan

PENGANTAR STATISTIK 66