UKURAN POSISI (KUARTIL, DESIL, DAN

PERSENTIL)
MAKALAH
Untuk Memenuhi Tugas Mata Kuliah Statistika
Dosen Pengampu: Reynold Marcelino, S.Mat., M.E

Disusun Oleh:
Mauzah Rizky Abdillah 3.2021.1.0009
Irma Dwina SN 3.2021.1.0008

PENDIDIKAN GURU MADRASAH IBTIDAIYAH

INSTITUT MADANI NUSANTARA
2023
JL.Lio Balandongan Sirnagalih Jalan Begeg No.74 Kel.Cikondang,
Kec.Citamiang, Kota Sukabumi, Jawa Barat 43161
 KATA PENGANTAR
Puji syukur senantiasa kami panjatkan kehadirat allah swt yang telah
melimpahkan rahmat dan karunia-nya sehingga kami dapat menyelesaikan makalah ini
untuk memenuhi tugas mata kuliah Statistik “Ukuran Posisi”.

Kami menyadari bahwa dalam penulisan makalah ini tidak terlepas dari bantuan
dari banyak pihak yang dengan tulus memberikan doa, saran, dan kritik sehingga
makalah ini dapat diselesaikan.

Kami menyadari bahwa makalah ini masih jauh dari sempurna dikarenakan
terbatasnya pengalaman dan pengetahuan yang kami miliki. Oleh karena itu, kami
mengharapkan segala bentuk saran serta masukan yang dapat membangun dari berbagai
pihak. Akhirnya kami berharap semoga makalah ini dapat memberikan manfaat bagi
kita semua terutama penulis dan para pembaca.

Sukabumi, Desember 2023

penulis

I
 DAFTAR ISI

KATA PENGANTAR.......................................................................................................I

DAFTAR ISI...................................................................................................................II

BAB I................................................................................................................................1

PENDAHULUAN............................................................................................................1

A. Latar Belakang........................................................................................................1

B. Rumusan Masalah..................................................................................................1

C. Tujuan.....................................................................................................................1

BAB II...............................................................................................................................2

PEMBAHASAN...............................................................................................................2

A. Ukuran Posisi........................................................................................................2

1. Kuartil.................................................................................................................3

2. Desil....................................................................................................................9

3. Persentil............................................................................................................12

BAB III...........................................................................................................................17

PENUTUP......................................................................................................................17

A. Kesimpulan...........................................................................................................17

DAFTAR PUSTAKA.....................................................................................................18

II
 BAB I
PENDAHULUAN
A. Latar Belakang
Ukuran posisi adalah bagian penting dari statistika deskriptif karena
membantu dalam memberikan gambaran tentang lokasi relatif nilai-nilai dalam
kumpulan data. Hal ini memberikan penjelaskan bahwa ukuran posisi digunakan
untuk menunjukkan lokasi relatif suatu nilai dalam kumpulan data, yang membantu
dalam memahami sebaran data dan menemukan nilai-nilai yang mewakili pusat
data. Kuartil membagi data menjadi empat bagian sama besar, sedangkan desil
membagi data menjadi 10 bagian sama besar, dan persentil membagi data menjadi
100 bagian sama besar. Kemampuan ukuran posisi ini memberikan gambaran yang
lebih lengkap tentang sebaran data daripada hanya menggunakan rata-rata, serta
kemampuannya untuk mengidentifikasi nilai-nilai ekstrem atau outlier dalam
kumpulan data. Hal Ini dapat memberikan konteks tentang bagaimana ukuran posisi
telah digunakan dalam konteks lain dan bagaimana hal itu dapat diterapkan dalam
penelitian yang sedang dilakukan. Ukuran posisi seperti kuartil, desil, dan persentil
merupakan bagian penting dari analisis statistika deskriptif karena memberikan
informasi tentang lokasi relatif suatu nilai dalam kumpulan data. Maka dalam karya
ilmiah ini penulis akan membahas mengenai bagaimana ukuran posisi yang
mencakup kuartil, desil dan persentil.
B. Rumusan Masalah
1. Bagaimana pengertian dan penggunaan ukuran posisi kuartil?
2. Bagaimana pengertian dan penggunaan ukuran posisi desil?
3. Bagaimana pengertian dan penggunaan ukuran posisi persentil?
C. Tujuan
Untuk memahami pengertian dan penggunaan ukuran posisi (kuartil, desil dan
persentil).

1
 BAB II
PEMBAHASAN
A. Ukuran Posisi
Ukuran letak adalah suatu ukuran yang digunakan untuk menunjukkan
posisi atau letak dari suatu data dalam kumpulan data. Dalam statistika, ukuran
letak juga sering disebut sebagai ukuran pemusatan data, karena mereka
memberikan informasi tentang lokasi pusat dari sebaran data. Salah satu contoh
ukuran letak yang umum digunakan adalah median. Median adalah nilai tengah dari
data yang diurutkan dari yang terkecil ke yang terbesar. Dengan demikian, jika kita
memiliki 10 data yang diurutkan, mediannya adalah nilai kelima jika dihitung dari
bawah atau nilai keenam jika dihitung dari atas. (Walpole, R. E., Myers, R. H.,
Myers, S. L., & Ye, K. 2011)
Salah satu dari ukuran letak yang juga ukuran pemusatan data adalah
median yang menunjukkan nilai tengah dalam susunan data yang diurutkan mulai
dari nilai terkecil ke nilai terbesar. Dengan demikian median terletak di tengah-
tengah data yang telah diurutkan dan dapat dianggap bahwa median membagi data
yang telah diurutkan itu menjadi dua kelompok data yang sama banyak.
Sebagaimana di dalam (Wayan Eka Mahendra dan Ni Nyoman Parmithi, 2015)
ukuran letak yaitu kuartil, desil, dan persentil yang semuanya itu merupakan
pengembangan dari median yang merupakan bagian dari pemusatan data.
Median adalah nilai tengah dari kumpulan data yang diurutkan dari yang
terkecil ke yang terbesar. Dengan demikian, median memberikan gambaran tentang
lokasi relatif di mana sebagian besar data berada. Hal ini membuat median juga
berfungsi sebagai ukuran pemusatan data karena menunjukkan nilai "tengah" dari
data. Median dapat dianggap sebagai pembagi yang membagi data yang diurutkan
menjadi dua kelompok yang memiliki jumlah data yang sama banyak. Ini berarti
bahwa sekitar setengah dari data berada di atas median dan setengahnya lagi berada
di bawahnya.
Selain median, terdapat ukuran letak lainnya seperti kuartil, desil, dan
persentil yang juga disebut fraktil. Kuartil membagi data menjadi empat bagian
yang sama besar, desil membagi data menjadi sepuluh bagian yang sama besar, dan
persentil membagi data menjadi seratus bagian yang sama besar. Ukuran letak ini

2
memberikan informasi lebih detail tentang sebaran data dan lokasi relatif dari nilai-
nilai dalam data. Misalnya, median adalah nilai tengah dari data yang telah
diurutkan, sementara kuartil, desil, dan persentil membagi data menjadi bagian-
bagian yang lebih kecil untuk memberikan informasi yang lebih detail tentang
sebaran data (Freund, J. E., & Perles, B. M., 2010).
1. Kuartil
Kuartil sebagai Ukuran Perempatan dalam Statistika. Kuartil
adalah salah satu ukuran letak yang membagi distribusi data menjadi empat
bagian sama besar, masing-masing menyumbang 25% dari total data. Kuartil ini
memiliki peran penting dalam statistika karena membantu dalam memahami
sebaran data secara lebih detail.
Kuartil adalah ukuran letak yang membagi data menjadi empat
bagian sama besar. Kuartil pertama (K1) membagi data menjadi dua bagian, di
mana 25% data terletak di bawahnya, sementara 75% data berada di atasnya.
Kuartil kedua (K2) merupakan median dari data tersebut. Kuartil ketiga (K3)
membagi data menjadi dua bagian, di mana 75% data berada di bawahnya dan
25% data berada di atasnya. Kuartil dalam notasi statistika sering disimbolkan
dengan K atau Q. Kuartil pertama, kedua, dan ketiga ditandai dengan K1, K2
(median), dan K3.
Penggunaan kuartil dalam analisis data untuk menggambarkan
distribusi data secara lebih terperinci. Mereka memberikan informasi tentang
sebaran data yang tidak dapat diberikan oleh rata-rata atau median saja. Selain
itu, untuk menentukan kuartil dalam data yang sudah diurutkan, K1 akan
terletak di sebelah kiri K2 dan K3 akan terletak di sebelah kanan K2. Dalam
visualisasi, posisi K2 selalu berada di tengah-tengah antara K1 dan K3.
Jadi, Kuartil adalah ukuran letak yang membagi distribusi data
menjadi empat bagian sama besar, masing-masing menyumbang 25% dari total
data. Kuartil pertama (K1) membagi data menjadi dua bagian, di mana 25%
data terletak di bawahnya, sementara 75% data berada di atasnya. Kuartil kedua
(K2) merupakan median dari data tersebut. Kuartil ketiga (K3) membagi data
menjadi dua bagian, di mana 75% data berada di bawahnya dan 25% data
berada di atasnya.

3
Pada dasarnya, kuartil adalah nilai yang membagi data menjadi empat bagian
yang sama besar. Untuk menentukan letak kuartil dalam suatu kumpulan data,
terlebih dahulu kita harus mencari letak kuartilnya. Letak kuartil adalah posisi
relatif dari kuartil tersebut dalam data yang diurutkan (Sudjana, 1996). Untuk
menemukan letak kuartil, kita dapat menggunakan rumus berikut:
(n+1)
Lk = i×
4
Di mana:
- Lk adalah letak kuartil ke- (k)
- n adalah jumlah data dalam kumpulan data
- i adalah urutan kuartil yang ingin dicari (1 untuk kuartil pertama, 2 untuk
kuartil kedua, dan 3 untuk kuartil ketiga)
Contoh:
Misalkan kita memiliki data nilai ujian matematika dari sebuah kelas yang
terdiri dari 20 siswa, yang disusun dalam urutan dari yang terkecil hingga yang
terbesar sebagai berikut:
60, 65, 70, 72, 75, 75, 78, 78, 80, 80, 82, 83, 85, 86, 88, 88, 90, 90, 92, 95
Untuk mencari letak kuartil pertama (K1), kuartil kedua (K2) atau median, dan
kuartil ketiga (K3) dari data tersebut.
Pertama, dapat menggunakan rumus untuk menentukan letak kuartilnya:
- L1 = (1 ×(20+1))/4= 5.25, artinya letak kuartil pertama adalah di antara
data ke-5 dan ke-6 dalam data yang telah diurutkan.
- L2 = (2 ×(20+1))/4= = 10.5, artinya letak kuartil kedua (median) adalah di
antara data ke-10 dan ke-11 dalam data yang telah diurutkan.
- L3 = (3 ×(20+1))/4== 15.75, artinya letak kuartil ketiga adalah di antara
data ke-15 dan ke-16 dalam data yang telah diurutkan.

Kemudian, kita dapat mencari nilai-nilai kuartilnya:

- K1 = (75 + 75)/2= 75, nilai kuartil pertama.
- K2 = (80 + 80)/2= 80, nilai kuartil kedua (median).
- K3 = (88 + 88)/2= 88, nilai kuartil ketiga.

4
 Maka data diatas dapat membantu kita memahami sebaran data
dan melakukan analisis lebih lanjut tentang prestasi siswa dalam ujian
matematika tersebut.
Contoh:
Dalam penelitian mengenai pengaruh kecerdasan emosional
terhadap kedisiplinan siswa, kita dapat menggunakan kuartil untuk memahami
sebaran data kecerdasan emosional dan kedisiplinan siswa. Misalnya, kita
memiliki data kecerdasan emosional siswa yang terdiri dari skor kecerdasan
emosional dari 100 siswa. Kita juga memiliki data kedisiplinan siswa yang
terdiri dari skor kedisiplinan yang diberikan oleh guru kepada siswa tersebut.
Dengan menggunakan kuartil, kita dapat membagi data kecerdasan emosional
menjadi empat bagian yang sama besar, yaitu kuartil pertama (K1), kuartil
kedua (K2), dan kuartil ketiga (K3). Misalnya, jika K1 kecerdasan emosional
adalah 60, maka itu berarti 25% dari siswa memiliki skor kecerdasan emosional
di bawah 60. K2 (median) akan menjadi nilai tengah dari data kecerdasan
emosional. K3 akan menjadi nilai yang membagi 75% dari data kecerdasan
emosional dengan skor lebih rendah dari K3.
Sehingga dapat melihat sebaran skor kedisiplinan siswa dalam setiap kuartil
kecerdasan emosional. Apakah ada perbedaan yang signifikan dalam
kedisiplinan siswa di antara kuartil kecerdasan emosional yang berbeda?
Apakah siswa dengan kecerdasan emosional yang lebih tinggi cenderung
memiliki kedisiplinan yang lebih baik daripada siswa dengan kecerdasan
emosional yang lebih rendah?
Dengan menggunakan kuartil dalam analisis ini, kita dapat memahami distribusi
kecerdasan emosional siswa secara lebih rinci dan mengidentifikasi pola atau
tren yang mungkin terjadi dalam hubungannya dengan kedisiplinan siswa.

Misalkan kita memiliki data kecerdasan emosional siswa sebagai berikut:

70, 65, 80, 85, 90, 55, 75, 60, 95, 72, 68, 78, 88, 62, 58, 82, 68, 70, 75, 65
b. Langkah pertama adalah mengurutkan data kecerdasan emosional
dari yang terkecil ke yang terbesar:
55, 58, 60, 62, 65, 65, 68, 68, 70, 70, 72, 75, 75, 78, 80, 82, 85, 88, 90, 95

5
 c. Kemudian mencari kuartil pertama (K1), kuartil kedua (K2), dan
kuartil ketiga (K3) dari data tersebut. Dalam kasus ini, karena data
kita berjumlah 20, maka kita akan memiliki:
K1: nilai ke- (20 + 1)×1/4 = 5.25, artinya K1 adalah rata-rata dari data ke-5 dan
ke-6 dalam data yang telah diurutkan. Dalam hal ini, K1 = (65 + 65)/2= 65
K2 (median): Nilai tengah dari data yang telah diurutkan. Dalam hal ini, K2 =
70
- K3: nilai ke- (20 + 1) × ¾ = 15.75 , artinya K3 adalah rata-rata dari data ke-
15 dan ke-16 dalam data yang telah diurutkan. Dalam hal ini, K3 = (82 +
85)/2 = 83.5
Dengan demikian, kuartil pertama (K1) adalah 65, kuartil kedua (K2) atau
median adalah 70, dan kuartil ketiga (K3) adalah 83.5. Dengan menggunakan
kuartil ini, kita dapat membagi data kecerdasan emosional siswa menjadi empat
kelompok yang sama besar untuk analisis lebih lanjut.
a) Data Tunggal
Dalam statistika, "data tunggal" merujuk pada satu set data yang
terdiri dari nilai-nilai tunggal atau individual. Ini berarti bahwa setiap
elemen dalam kumpulan data tersebut adalah nilai tunggal atau observasi
tunggal, tidak ada pengelompokan atau penggabungan nilai-nilai.
Misalnya, jika kita memiliki data tinggi badan siswa dalam satu kelas, dan
kita mencatat tinggi badan masing-masing siswa sebagai data tunggal, maka
setiap nilai dalam kumpulan data tersebut adalah tinggi badan satu siswa
secara individual.
Dalam konteks menemukan kuartil dari data tunggal, kita
mengurutkan nilai-nilai ini dari yang terkecil hingga yang terbesar, lalu
menggunakan rumus-rumus seperti rumus letak kuartil yang telah dijelaskan
sebelumnya untuk menemukan letak dan nilai-nilai kuartilnya.
Dalam menentukan letak median dari data tunggal, kita dapat menemukan
bentuk pecahan campuran yang kemungkinan pecahannya adalah 1/4 atau
1/2, atau 3/4. Sebagai contoh, jika kita menemukan letak kuartil ke-i atau Ki
= 1/4 p, maka Ki terletak pada data ke-p dan data ke-(p+1), sehingga nilai
kuartilnya adalah nilai data ke-p + 1/4(data ke-(p+1)-data ke-p).

6
 Dalam konteks ini, Ki adalah letak kuartil ke-i, p adalah posisi
data ke-p dalam urutan data, dan (p+1) adalah posisi data ke-(p+1) dalam
urutan data. Pemahaman ini membantu kita dalam menemukan nilai median
atau kuartil dari data tunggal dengan cara yang tepat. (Suhartono, 2009).
Contoh:
Misalkan kita memiliki data tunggal yang sudah diurutkan sebagai berikut:
10, 20, 30, 40, 50, 60, 70, 80, 90, 100
Untuk menemukan letak kuartil pertama (K1), kuartil kedua (K2) atau
median, dan kuartil ketiga (K3) dari data tersebut.
 Pertama, kita mencari letak kuartil menggunakan rumus:
- L1 = (1 ×(10+1))/4= 2.75, artinya letak kuartil pertama adalah di
antara data ke-2 dan ke-3.
- L2 = (2 ×(10+1))/4= = 5.5, artinya letak kuartil kedua (median) adalah
di antara data ke-5 dan ke-6.
- L3 = (3 ×(10+1))/4== 8.25, artinya letak kuartil ketiga adalah di antara
data ke-8 dan ke-9.
 Selanjutnya, kita mencari nilai-nilai kuartilnya:
- K1 = 30 + 1/4 (40 - 30) = 32.5, nilai kuartil pertama.
- K2 = 50 + 1/2 (60 - 50) = 55, nilai kuartil kedua (median).
- K3 = 80 + 3/4 (90 - 80) = 82.5, nilai kuartil ketiga.
Dengan demikian, kita telah menemukan nilai-nilai kuartil dari data
tunggal tersebut.
b) Data Tergolong
Data tergolong (interval data) adalah jenis data yang terdiri dari
rentang atau interval-nilai yang berbeda-beda, bukan nilai tunggal. Dalam
statistika, data tergolong sering muncul ketika kita mengelompokkan atau
mengkategorikan data ke dalam interval atau kelas. Misalnya, jika kita
memiliki data tinggi badan siswa dalam sebuah kelas, kita bisa
mengelompokkan tinggi badan tersebut ke dalam interval seperti “150-160
cm”, “160-170 cm”, dan seterusnya.
Pada data tergolong, kita tidak memiliki nilai tunggal untuk setiap
observasi, melainkan rentang nilai. Karena itu, dalam analisis statistika, kita

7
memperlakukan data tergolong dengan cara yang berbeda, terutama dalam
perhitungan ukuran pemusatan data seperti median, kuartil, dan sebagainya.
Dalam menentukan kuartil dari data yang tergolong (interval), kita
menggunakan pendekatan yang mirip dengan menentukan median. Namun,
terdapat perbedaan dalam rumus yang digunakan. Untuk menentukan
median dari data tergolong, kita menggunakan nilai 2n, sedangkan untuk
menentukan kuartil, kita menggunakan nilai 4n. Rumus umum untuk
menentukan letak kuartil ke-i (Qi) dari data yang tergolong adalah:

Kelas Interval Frekuensi

10-20 5
20-30 8
| 30-40 12
40-50 10
50-60 7

Qi = (Bb+ (i ×n/4) – Fk)/f) ×p

Di mana:
- Qi adalah letak kuartil ke-i.
- Bb adalah batas bawah kelas tempat Qi berada.
- Fk adalah frekuensi kumulatif kelas sebelum kelas tempat Qi berada.
- p adalah panjang interval.
- f adalah frekuensi kelas tempat Qi berada
- i adalah urutan kuartil yang ingin dicari (1 untuk kuartil pertama, 2
untuk kuartil kedua, dan 3 untuk kuartil ketiga).
- n adalah jumlah total data.
- 4n adalah nilai yang digunakan untuk menentukan kuartil.

Contoh:
Misalkan data tergolong sebagai berikut:

8
 Dari data tersebut, kita ingin menentukan kuartil pertama (K1), kuartil
kedua (K2) atau median, dan kuartil ketiga (K3).
Pertama, jumlah total data (n), yang dalam hal ini adalah jumlah semua
frekuensi:
N = 5 + 8 + 12 + 10 + 7 = 42
Selanjutnya, kita menggunakan rumus untuk menentukan letak kuartil ke-i
(Qi). Misalkan kita ingin mencari K1 (kuartil pertama):
Q1= 20 + (((1×42/4) – 5) 10)/8
Q1= 20 + ((10,5 – 5)×10)/8
Q1= 20 + (5,5×10)/8
Q1= 20 + 55/8
Q1= 20 + 6.875
Q1= 26.875

K2 (Median):
Q2 = 30 + ((2×42/4 -13)×10)/12
Q2 = 30 + (21 – 13)×10)/12
Q2 = 30 + (8 × 10)/12
Q2 = 30 + 80/12
Q2 = 30 + 6.67
Q2 = 36.67
K3 (Kuartil Ketiga):
Q3 = 40 + (3 × 42/4 – 23)×10)/10
Q3 = 40 + (31.5 – 23) ×10)/10
Q3 = 40 + 8.5 ×10/10
Q3 = 40 + 8.5
Q3 = 48.5
2. Desil
Desil merupakan ukuran letak yang membagi seluruh distribusi
frekuensi dari data ke dalam 10 bagian yang sama besar. Dengan demikian,
terdapat sembilan desil yang membagi distribusi data menjadi 10 bagian yang

9
sama, yaitu: D1, D2, D3, D4, D5, D6, D7, D8, dan D9. Setiap desil membatasi
persentase tertentu dari data bagian bawah dan atas, dengan D1 membatasi 10%
data bagian bawah dan 90% data bagian atas, D2 membatasi 20% data bagian
bawah dan 80% data bagian atas, dan seterusnya hingga D9 yang membatasi
90% data bagian bawah dan 10% data bagian atas. Untuk menentukan letak
desil, dapat menggunakan rumus berikut:
LD = i(n+)/10

Di mana:
- LD adalah letak desil ke-i
- n adalah jumlah total data
- i adalah urutan desil yang ingin dicari (1 untuk D1, 2 untuk D2, dan
seterusnya hingga 9 untuk D9)

Setelah menemukan letak desil, kita dapat menghitung nilai desilnya dengan
mengambil nilai dari posisi yang sesuai dalam data yang telah diurutkan.
Contoh Data Tunggal:
Misalkan kita memiliki data tunggal sebagai berikut:
12, 15, 18, 20, 22, 25, 28, 30, 32, 35, 38, 40, 45, 50, 55, 60, 65, 70, 75, 80
Untuk menentukan letak desil ke-1 (D1), desil ke-5 (D5), dan desil ke-9 (D9).
Pertama, jumlah total data (n):
N = 20
Kemudian, kita gunakan rumus, LD = i × (n – 1)/10, untuk mencari letak desil:
Untuk D1: LD1 = 1 (20 – 1)/10 = 19/10 = 1.9
Untuk D5: LD5 = 5 (20 – 1)/10= 95/10 = 9.5
Untuk D9: LD9 = 9 (20 – 1)/10 = 171/10 = 17.1
Dengan demikian, letak desil ke-1 (D1) adalah sekitar data ke-2 yaitu 15, letak
desil ke-5 (D5) adalah sekitar data ke-10 yaitu 35, dan letak desil ke-9 (D9)
adalah sekitar data ke-18 yaitu 70.
Contoh Data Tergolong:
Misalkan kita memiliki data tergolong dalam interval sebagai berikut:

10
 Kela Freku
s ensi
Inter
val
10- 5
20 8
20- 12
30 10
30- 7 Jika ingin menentukan letak desil ke-1
40
40- (D1), desil ke-5 (D5), dan desil ke-9
50 (D9).
50-
Pertama, kita hitung jumlah total data
60
(n):
N = 5 + 8 + 12 + 10 + 7 = 42
Kemudian, kita gunakan rumus, LD = i (n – 1)/10, untuk mencari letak desil:
Untuk D1: LD1 = 1 (42 – 1)/10 = 41/10 = 4.1
Untuk D5: LD_5 = 5 (42 – 1)/10 = 205/10 = 20.5
Untuk D9: LD9 =9(42 – 1)/10 = 377/10 = 37.7
Dengan demikian, letak desil ke-1 (D1) adalah sekitar kelas interval 10-20,
letak desil ke-5 (D5) adalah sekitar kelas interval 40-50, dan letak desil ke-9
(D9) adalah sekitar kelas interval 50-60.
Untuk menentukan nilai-nilai dari desil ke-1 (D1), desil ke-5 (D5), dan desil ke-
9 (D9) pada data tergolong, kita perlu melihat interval kelas dan frekuensinya.
Nilai-nilai desilnya:
Untuk D1:
L = 10 (batas bawah kelas interval 10-20)
N = 42 (jumlah total frekuensi)
Fk = 0 (tidak ada kelas sebelum kelas interval 10-20)
P = 10 (lebar kelas)
I=1

D1 = 10 +(1×42)/10 – 0) 10

11
 D1 = 10 + (4.2 – 0) 10
D1 = 10 + 42
D1 = 52
Untuk D5:
L = 40 (batas bawah kelas interval 40-50)
N = 42 (jumlah total frekuensi)
Fk = 25 (frekuensi kumulatif sebelum kelas interval 40-50)
P = 10 (lebar kelas)
I=5

D5 = 40 + (5 × 42)/10 – 25) 10
D5 = 40 + (21 – 25)10
D5 = 40 – 40
D5 = 40

Untuk D9:
L = 50 (batas bawah kelas interval 50-60)
N = 42 (jumlah total frekuensi)
Fk = 40 (frekuensi kumulatif sebelum kelas interval 50-60)
P = 10 (lebar kelas)
I=9

D9 = 50 + (9 ×42)/10 – 40) 10
D9 = 50 + (37.8 – 40) 10
D9 = 50 – 22
D9 = 28

Dengan demikian, nilai-nilai dari desil ke-1 (D1), desil ke-5 (D5), dan desil ke-
9 (D9) adalah masing-masing 52, 40, dan 28.
3. Persentil
Persentil adalah ukuran letak yang membagi data yang telah
diukur atau data yang berkelompok menjadi seratus bagian yang sama besar.

12
Persentil menentukan nilai batas tiap 1% dalam distribusi data. Karena
membagi data menjadi seratus bagian yang sama, maka dikenal ada 99 nilai
persentil, yaitu: persentil ke-1 (P1), persentil ke-2 (P2), persentil ke-3 (P3), dan
seterusnya sampai dengan persentil ke-99 atau P99. P1 membatasi 1% data
bagian bawah dan 99% data bagian atas, P2 membatasi 2% data bagian bawah
dan 98% data bagian atas, P3 membatasi 3% data bagian bawah dan 97% data
bagian atas, dan seterusnya sampai P99 yang membatasi 1% data bagian bawah
dan 99% data bagian atas.
Sebelum menentukan berapa nilai persentil dari segugusan data tunggal
maupun data berkelompok, terlebih dahulu yang harus dicari adalah letak
persentil. Adapun rumus yang digunakan untuk menentukan letak persentil
adalah:
LP = i(n+1)/100
Di mana:
LP adalah letak persentil ke-i
N adalah jumlah total data
I adalah urutan persentil yang ingin dicari (1 untuk P1, 2 untuk P2, dst. Hingga
99 untuk P99)
Contoh:
Data Tunggal
Misalkan kita memiliki data tunggal sebagai berikut:
10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70, 75, 80, 85, 90, 95, 100
Kita ingin menentukan letak persentil ke-25 (P25), persentil ke-50 (P50), dan
persentil ke-75 (P75).
Pertama, kita hitung jumlah total data (n):
N = 19
Kemudian, kita gunakan rumus, LP = i(n+1)/100 untuk mencari letak persentil.
Untuk P25: LP25 = 25 (19+1)/100 = 500/100} = 5
Untuk P50: LP50 = 50 (19+1)/100= 1000/100 = 10
Untuk P75: LP75= 75 (19+1)/100 = 1500/100} = 15

13
 Kelas Interval Frekuensi Dengan demikian, letak
persentil ke-25 (P25) adalah sekitar
10-20 5
data ke-5, letak persentil ke-50 (P50)
20-30 8
adalah sekitar data ke-10, dan letak
30-40 12
persentil ke-75 (P75) adalah sekitar
40-50 10
data ke-15.
50-60 7
Data Tergolong

Misalkan data tergolong dalam interval sebagai berikut:

Untuk menentukan letak persentil ke-25 (P25), persentil ke-50 (P50), dan
persentil ke-75 (P75).
Pertama, kita hitung jumlah total data (n):
N = 5 + 8 + 12 + 10 + 7 = 42
Kemudian, kita gunakan rumus, LP = i(n+1)/100, untuk mencari letak persentil:
4. Untuk P25:
LP25= 25 (42+1)/100 = 1075/100} = 10.75
5. Untuk P50:
LP50 = 50 (42+1)/100 = 150/100} = 21.5
6. Untuk P75:
LP75 = 75 (42+1)/100 = 3225/100 = 32.25
Dengan demikian, letak persentil ke-25 (P25) adalah sekitar kelas interval 10-
20, letak persentil ke-50 (P50) adalah sekitar kelas interval 20-30, dan letak
persentil ke-75 (P75) adalah sekitar kelas interval 30-40.
Untuk menentukan nilai persentil pada data tergolong, kita perlu
memperkirakan letak persentil ke dalam interval kelas. Karena data tergolong

14
dalam interval, kita akan menggunakan pendekatan estimasi untuk menentukan
nilai persentil. Misalnya, jika kita ingin menentukan nilai persentil ke-25 (P25),
persentil ke-50 (P50), dan persentil ke-75 (P75) dari data tergolong yang telah
diberikan sebelumnya, kita dapat menggunakan pendekatan estimasi sebagai
berikut:
Jumlah total data (n):
N = 5 + 8 + 12 + 10 + 7 = 42
Untuk P25:
L= 20 (batas bawah kelas interval 20-30)
N = 42 (jumlah total frekuensi)
F = 5 (frekuensi kumulatif sebelum kelas interval 20-30)
P = 10 (lebar kelas)
I = 25

LP25 = 20 + ((25×42/100) – 5)/10

LP25 = 20 + (10.5 – 5)/10
LP25 = 20 + 55
LP25 = 75

Untuk P50:
L = 40 (batas bawah kelas interval 40-50)
N = 42 (jumlah total frekuensi)
F = 25 (frekuensi kumulatif sebelum kelas interval 40-50)
P = 10 (lebar kelas)
I = 50

LP50 = 40 + (50 × 42/100) – 25)/ 10

LP50 = 40 + (21 – 25)/10
LP50 = 40 – 40
LP50 = 40

Untuk P75:

15
 L = 50 (batas bawah kelas interval 50-60)
N = 42 (jumlah total frekuensi)
F = 35 (frekuensi kumulatif sebelum kelas interval 50-60)
P = 10 (lebar kelas)
I = 75

LP75 = 50 + (75 × 42/100)-35)/ 10

LP75 = 50 + (31.5 – 35)/10
LP75 = 50 – 35
LP75 = 15

Dengan demikian, nilai estimasi persentil ke-25 (P25) adalah sekitar 75, nilai
persentil ke-50 (P50) adalah sekitar 40, dan nilai persentil ke-75 (P75) adalah
sekitar 15.

16
 BAB III
PENUTUP
A. Kesimpulan
Ukuran posisi, seperti median, kuartil, desil, dan persentil, sangat penting
dalam menganalisis dan memahami sebaran data. Masing-masing ukuran posisi
memberikan informasi yang berguna tentang bagaimana data terdistribusi dan di
mana letak nilai-nilai penting dalam distribusi tersebut.
Median merupakan nilai tengah dari data yang telah diurutkan. Median membagi
data menjadi dua bagian yang sama besar, sehingga memberikan gambaran tentang
pusat distribusi data.
Kuartil membagi data menjadi empat bagian sama besar. Kuartil pertama
(Q1) membagi data menjadi 25% di bawahnya dan 75% di atasnya, kuartil kedua
(Q2) sama dengan median, dan kuartil ketiga (Q3) membagi data menjadi 75% di
bawahnya dan 25% di atasnya.
Desil membagi data menjadi sepuluh bagian yang sama besar. Desil
dapat membantu dalam memahami sebaran data dengan lebih detail, terutama
ketika kita ingin melihat variasi dalam bagian-bagian kecil dari distribusi data.
Sedangkan, Persentil membagi data menjadi seratus bagian yang sama
besar. Persentil memberikan informasi yang sangat detail tentang sebaran data,
terutama dalam konteks distribusi yang besar. Penggunaan ukuran posisi ini untuk
menggali informasi yang lebih dalam dari data dan membuat kesimpulan yang lebih
kuat dalam analisis statistika.

17
 DAFTAR PUSTAKA

Diez, D., Barr, C. D., & Çetinkaya-Rundel, M. (2014). OpenIntro Statistics (3rd ed.).
OpenIntro, Inc.
Freund, J. E., & Perles, B. M. (2010). Modern elementary statistics (12th ed.). Pearson.
Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A., & Rubin, D. B.
(2013). Bayesian Data Analysis (3rd ed.). CRC Press.
Himawanto, Y. N. (2017). Statistik Pendidikan. Yogyakarta: Deepublish.
Makbul, M. (2021). Makalah Metode Pengumpulan Data dan Instrumen Penelitian.
Makasar: UIN Alauddin Makassar .
Parmithi, W. E. (2015). Statistik dasar dalam penelitian pendidikan. Surabaya: Paramita
Surabaya.
Sudjana. (1996). Metode Statistika. Tarsito.
Suhartono. (2009). Statistika untuk Penelitian. Penerbit Universitas Terbuka.
Triola, M. F. (2017). Elementary Statistics. Pearson.
Walpole, R. E., Myers, R. H., Myers, S. L., & Ye, K. (2011). Probability & statistics for
engineers & scientists. Pearson Education.

18