MAKALAH
Statistik Pendidikan
Topik/ Kelompok Ke 6/ 6
Ukuran Gejala Pusat Dan Variabilitas
Di Susun Oleh :
Dosen :
PROGRAM PASCASARJANA
PROGRAM STUDI MANAJEMEN PENDIDIKAN ISLAM (MPI)
UNIVERSITAS ISLAM AN NUR LAMPUNG
2023M / 1444 H
DAFTAR ISI
A. Latar Belakang................................................................................................ 1
3. Modus ........................................................................................................ 12
B. Variabilitas .................................................................................................... 16
1. Range ......................................................................................................... 17
A. Kesimpulan ................................................................................................... 25
B. Saran ............................................................................................................. 26
i
BAB I
PENDAHULUAN
A. Latar Belakang
statistika. Ukuran gejala pusat mengacu pada nilai atau titik tengah dari
dari data tersebut. Misalnya, dengan menggunakan ukuran gejala pusat seperti
mean atau median, kita dapat memperkirakan nilai yang paling mungkin
seberapa jauh nilai-nilai individu tersebar dari nilai tengah populasi tersebut.
pemrosesan data dan analisis statistik. Dengan mengukur ukuran gejala pusat
dan variabilitas dalam sampel data, kita dapat memperkirakan ukuran gejala
pusat dan variabilitas dalam populasi yang lebih besar, yang dapat membantu
yang sangat penting dalam statistika dan analisis data, dan sering digunakan
dalam berbagai konteks seperti riset ilmiah pendidikan, keuangan, bisnis, dan
sebagainya.
1
2
B. Rumusan Masalah
Dari latar belakang di atas dapat ditarik suatu rumusan masalah sebagai
berikut :
2. Bagaimana Variabilitas?
C. Batasan Masalah
D. Tujuan Penulisan
berdasarkan rumusan masalah di atas maka tujuan dari makalah ini adalah:
PEMBAHASAN
menyatakan bahwa satu skor yang dapat mewakili keseluruhan distribusi skor
atau penilaian yang sedang diteliti. Ukuran gejala pusat sering juga disebut
dengan ukuran lokasi yaitu suatu ukuran yang menetapkan letak titik
akurat tentang skor/penilaian suatu objek yang sedang diteliti, baik secara
Ukuran gejala pusat dibedakan atas tiga yaitu: mean (ratarata), modus,
dan median. Apabila distribusi dari sekelompok data adalah simetris, maka
rata-rata, median, dan modus akan berada pada satu titik di bawah titik puncak
dari kurva. Tetapi bila distribusinya menceng (skewness) negatif atau positif,
maka ketiganya akan terpencar. Modus tetap berada di bawah titik puncak,
mean di tarik ke arah nilai ekstrim dan median berada di antaranya. Bagi
3
4
lebih baik dari mean, sebab mean didesak dari wilayah tengah ke arah
pada mean. Untuk lebih jelasnya dapat diperhatikan gambar berikut ini:
data kemungkinan tidak terdapat modus atau terdapat bi-modus atau multi-
∑
.
Keterangan:
M = Mean
Misalnya, nilai X terdiri dari berat badan empat orang siswa yaitu:
Untuk mencari mean atau rata-rata berat badan empat orang siswa
∑
.
sekumpulan data relatif sedikit atau menggunakan alat bantu hitung. Cara
ini tidak efisien digunakan untuk mencari mean dari angkaangka yang
∑
.
Keterangan:
M = Mean
ƩfX = Jumlah hasil perkalian antara frekuensi (f) dengan nilai nilai X
N = Ʃf = banyaknya angka
tetapi frekuensi relatif banyak. Misalnya nilai X terdiri dari nilai mata
data tunggal.
X Jari-jari F
9 III 3
8 IIIIII 6
7 IIIIIIIIIIIIII 14
6 IIIIIIIIIIIIIIIII 17
5 II 2
Jumlah N = 42
7
∑
.
= = 6.78
∑
. ( )
Keterangan :
M : Mean
MT : Mean Tekanan
f : frekuensi
Cara ini efisien digunakan jika data yang akan dicari meannya
terdiri dari data angka yang relatif besar dan jumlah angkanya yang
sebagai berikut:
8
1) Memilih dan menetapkan salah satu tanda kelas sebagai mean terkaan
frekuensinya, (hasilnya: Ʃ ).
Contoh:
MT = = 107
9
.∑ = -73
N = 100
I = 5,
∑
. ( )
. ( )
. ( )
dua sama besar (50% sekelompok objek yang diteliti terletak di bawah
median dan 50% yang lainnya terletak di atas median (Irianto, 2004).
setengah dari rangkaian itu mempunyai nilai yang lebih kecil dari atau sama
dengan nilai median. Sedangkan setengahnya lagi memiliki nilai yang sama
dengan atau lebih besar dari nilai median. Oleh karena itu median juga
disebut rata-rata letak karena yang menjadi dasar adalah letak variabel
bukan nilainya.
sedikit berbeda dikemukakan oleh Spiegel (2004) yaitu median dari suatu
lain, membentuk suatu array) adalah nilai tengah dari array tersebut (jika
10
banyaknya data adalah ganjil) atau dapat juga merupakan mean dari kedua
yaitu skor yang membagi distribusi menjadi dua sama besar. 3) Jika jumlah
frekuensi ganjil maka menentukan median akan mudah yaitu skor yang
genap maka median merupakan rata-rata dari dua skor yang paling dekat
dengan median.
Contoh:
Penyusunan data 3 4 5 6 7 8 9
Skor yang membagi distribusi menjadi 2 bagian yang sama banyak adalah 6
Penyusunan data 3 4 5 6 7 9
Skor yang membagi distribusi menjadi 2 bagian yang sama banyak adalah 5
. = 5,5
pada data dengan jumlah frekuensi yang sedikit. Jika data yang dicari nilai
11
median relatif banyak, maka penghitungan nilai median dengan cara di atas
kurang efisien. Untuk menentukan nilai median pada data yang relatif
Median = b + p = ( )
Keterangan:
F = jumlah semua frekuensi dengan tanda kelas lebih kecil dari tanda
kelas median
Contoh:
½n = ½ x 39 = 19,5
b = 50 – 0,5 = 49,5
p = 10
12
F = 12
f = 10
Median = 49,5 + 10 ( )
= 49,5 + 7,5
= 57
3. Modus
modus ini, dijelaskan Irianto (2004) bahwa modus adalah skor yang
kata lain modus dianggap sebagai nilai yang menunjukkan nilai-nilai yang
maupun kelompok.
Contoh:
yang terdiri dari 1 (satu) frekuensi maka kelompok data tersebut tidak
memiliki modus.
Data atau skor 7 memiliki frekuensi terbanyak yaitu 2 sedangkan data atau
Data atau skor 6 dan 7 memiliki frekuensi terbanyak yaitu 2 sedangkan data
atau skor lainnya masing-masing 1. Oleh karena itu kelompok data tersebut
pada data dengan jumlah frekuensi yang sedikit. Jika data yang dicari nilai
modus relatif banyak, maka penghitungan nilai modus dengan cara di atas
kurang efisien. Untuk menentukan nilai modus pada data yang relatif
Modus = b + p = ( )
Keterangan:
terbanyak
Contoh:
14
Tabel 5 Modus
b = 50 – 0,5 = 49,5
p = 10
b1 = 10 – 7 = 3
b2 = 10 – 9 = 1
Modus = 49,5 + 10 = ( )
= 49,5 + 10 (0,75)
= 49,5 + 7,5
= 57
data. Modus tidak dihitung dari seluruh nilai dan tidak ditentukan secara
7 + 7 + 8 = 27.
15
Modus dari sekelompok data diskrit mudah dihitung. Tetapi modus dari
Modus bagi sebuah distribusi tidak dapat dihitung secara pasti seperti
kelas. Misalnya data 2, 5, 7, 8, 10, 12, 15, 16, 18, 20 ini tidak ada
berbeda-beda.
Modus = 4,5 + ×4
= 7,2
16
Modus = 6,5 + ×6
= 10,5
B. Variabilitas
tidak. Jika sekumpulan skor itu sama maka distribusi tersebut tidak mempunyai
distribusi. Jika variabilitas kecil kemudian seluruh skor mengumpul dan setiap
17
distribusi skor. Sebaliknya jika variabilitas besar, maka skor tersebar dan tidak
lebih banyak menggunakan rata-rata yang berasal dari sampel. Jika variabilitas
distribusi.
standar deviasi.
1. Range
Range adalah perbedaan antara skor terbesar dan skor terkecil. Rumus
Contoh:
Dari data diketahui skor tertinggi 10, skor terendah 4 sehingga nilai
range adalah:
Range = 10 – 4
=6
18
2. Interquartile Range.
dengan kuartil ketiga. Kuartil adalah batasan yang akan membagi distribusi
Interquartile range = Q3 – Q1
Contoh:
Skor f fk
30 – 39 5 5
40 – 49 7 12
50 – 59 10 22
60 – 69 9 31
70 – 79 5 36
80 – 89 3 39
N = 39
berikut:
q=¼xn
Keterangan:
n = banyaknya responden
q1 = ¼ x 39
= 9,75
q2 = 2/4 x 39
= 19,5
19
q3 = 3/4 x 39
= 29,5
Qi = Bbi+ C
Keterangan:
Qi = kuartil ke i
C = interval kelompok
yang mengandung qi
qi = batas kuartil ke i
Bb1 = 40 fq1 =7
Bb2 = 50 fq2 = 10
Bb3 = 60 fq3 =9
S1 = 9,75 – 5
= 4,75
S2 = 19,5 – 12
= 7,5
S3 = 29,5 – 22
= 7,5
Q1 = 40 + 10 ( )
= 46,78
Q2 = 50 + 10 ( )
= 57,5
Q3 = 60 + 10 ( )
= 68,33
= 21,55
3. Standar deviasi
∑
SD = √
Keterangan:
21
SD : Standar deviasi
2
: X – Mx = deviasi
2
∑ : Jumlah deviasi yang telah dikuadratkan
Misalnya data yang akan dihitung standar deviasi adalah nilai ujian
atas adalah:
Contoh :
Tabel 11
mengkuadratnya (x2)
sebagai berikut:
Mengisi deviasi dari mean terkaan (x’) dengan +1, +2, +3 di atas
deviasinya (deviasi dari mean terkaan = x’) diisi dalam kolom fx’
PENUTUP
A. Kesimpulan
Ukuran gejala pusat dan variabilitas adalah konsep dasar dalam statistik.
Beberapa ukuran gejala pusat yang sering digunakan adalah mean (rata-
rata), median (nilai tengah), dan modus (nilai yang paling sering muncul).
standar dapat memberikan informasi tentang seberapa jauh data tersebar dari
nilai-tengah. Selain itu, nilai median dapat menjadi alternatif yang lebih tepat
pada data yang dihadapi. Oleh karena itu, penggunaan beberapa ukuran secara
bersamaan dapat memberikan gambaran yang lebih lengkap tentang data yang
sedang diamati.
25
B. Saran
Selalu pastikan bahwa ukuran yang dipilih dapat memberikan informasi yang
yang tepat.
26
DAFTAR REFERENSI
27