Session 3 – Describing Data:

Numerical Measures

Kunto Wibisono, S.E., M.Si.

Sumber: Douglas A. Lind, William G. Marchal, Samuel A. Wathen

 Tujuan Sesi 3

• Memberikan pemahaman tetang rata-rata aritmatika, rata-rata tertimbang,

median, mode, dan rata-rata geometrik.
• Menjelaskan karakteristik, kegunaan, keuntungan, dan kerugian dari setiap
ukuran.
• Identifikasi posisi mean, median, dan mode untuk setiap jenis distribusi.
• Menghitung dan menginterpretasikan rentang, simpangan rata-rata, varians,
dan simpangan baku.
• Memahami karakteristik, kegunaan, keuntungan, dan kerugian dari setiap
ukuran dispersi.
• Memahami teori Chebyshev dan Aturan Empiris karena berkaitan dengan
serangkaian pengamatan.

Kunto Wibisono, SE., M.Si.

 Karakteristik Mean

• Rata-rata aritmatika adalah ukuran lokasi yang paling banyak digunakan.

• Membutuhkan skala interval.
• Karakteristik utama:
o Semua nilai digunakan.
o Jumlah penyimpangan dari rata-rata adalah 0.
o Rata-rata dihitung dengan menjumlahkan nilai-nilai dan membaginya dengan
jumlah nilai.

Kunto Wibisono, SE., M.Si.

 Rata-Rata Populasi (population mean)

Untuk data yang tidak dikelompokkan, maka population mean-nya adalah jumlah dari semua nilai
populasi dibagi dengan jumlah total populasi.

Kunto Wibisono, SE., M.Si.

 CONTOH: Rata-Rata Populasi (population mean)

Kunto Wibisono, SE., M.Si.

 PARAMETER vs STATISTIK

PARAMETER adalah karakteristik terukur dari suatu populasi.

STATISTIK adalah karakteristik terukur dari sampel.
Lind et all., 2012

Kunto Wibisono, SE., M.Si.

 Properties of the Arithmetic Mean

• Setiap rangkaian data level-interval dan level-rasio memiliki nilai

rata-rata.
• Bilai menghitung rata-rata, maka semua nilai harus dimasukkan.
• Jumlah penyimpangan dari setiap nilai dari rata-rata adalah nol.

Kunto Wibisono, SE., M.Si.

 Rata-Rata Sampel (sample mean)

Untuk data yang tidak dikelompokkan, maka mean sampel-nya adalah jumlah dari semua nilai sampel
dibagi dengan jumlah sampel.

Kunto Wibisono, SE., M.Si.

 CONTOH: Rata-Rata Sample (sample mean)

Kunto Wibisono, SE., M.Si.

 Rata-Rata Tertimbang (weighted mean)

Rata-rata tertimbang dari serangkaian angka X1, X2, ..., Xn, dengan bobot yang sesuai w1, w2, ...,wn, is
dihitung dari rumus berikut :

Kunto Wibisono, SE., M.Si.

 CONTOH: Rata-Rata Tertimbang (weighted mean)

Perusahaan Konstruksi Carter membayar karyawannya dengan hitungan per

jam $ 16,50, $ 19,00, atau $ 25,00 per jam. Ada 26 karyawan dengan
bayaran per jam, 14 orang di antaranya dibayar dengan tarif $ 16,50, 10
orang lainnya di tarif $ 19,00, dan 2 orang sisanya di tarif $ 25,00. Berapa
tarif rata-rata per jam yang dibayarkan kepada 26 karyawan?

Kunto Wibisono, SE., M.Si.

 THE MEDIAN (Nilai Tengah)

MEDIAN adalah titik tengah dari nilai-nilai setelah mereka disusun dari yang terkecil hingga yang
terbesar, atau yang terbesar ke yang terkecil.

Lind et all., 2012

SIFAT-SIFAT MEDIAN
• Ada median untuk setiap kumpulan data.
• Median tidak dipengaruhi oleh nilai-nilai yang sangat besar atau
kecil dan merupakan ukuran nilai tengah.
• Median dapat dihitung untuk ukuran rasio, interval, dan ordinal.

Kunto Wibisono, SE., M.Si.

 CONTOH: Nilai Tengah (median)

The ages for a sample of five The heights of four basketball

college students are: players, in inches, are:

21, 25, 19, 20, 22 76, 73, 80, 75

Arranging the data in

Arranging the data in ascending order gives:
ascending order gives:
73, 75, 76, 80.
19, 20, 21, 22, 25.
Thus the median is 75.5
Thus the median is 21.

Kunto Wibisono, SE., M.Si.

 THE MODE (Modus)

MODUS adalah nilai pengamatan yang paling sering muncul.

Lind et all., 2012

Kunto Wibisono, SE., M.Si.

 CONTOH: Modus (mode)

Kunto Wibisono, SE., M.Si.

Latihan Soal
Lakukan perhitungan dengan menggunakan Program Excel dan
Program SPSS, hitung nilai berikut:
• Mean
• Median
• Modus

Dari kedua software tersebut, software mana yang menurut Anda

paling mudah digunakan dalam melakukan deskripsi data ?

File latihan:
2d. Sesi 2 File Excel Latihan.xls
2e. Sesi 2 File SPSS Latihan 1.sav
Posisi Relatif Mean, Median, dan Modus
 Rata-Rata Geometris (geometric mean)

• Geometric Mean digunakan untuk menghitung perubahan rata-rata persentase, rasio, indeks,
atau tingkat pertumbuhan dari waktu ke waktu.
• Geometric Mean memiliki fungsi yang luas dalam bisnis dan ekonomi karena kita sering tertarik
untuk menemukan persentase perubahan dalam penjualan, gaji, atau angka ekonomi, seperti
PDB, yang saling berkaitan satu sama lain.
• Rumus untuk rata-rata geometrik ditulis sebagai berikut:

Kunto Wibisono, SE., M.Si.

 CONTOH: Rata-Rata Geometris (geometric mean)

Gaji Anda Rp 1.000.000 mengalami kenaikan 5% tahun ini (Rp 50.000) menjadi Rp 1.050.000.
Tahun depan akan meningkat 15% menjadi Rp 1.150.000. Menurut perhitungan Geometric
Mean, berapakah kenaikan gaji Anda tersebut ?

GM = (1.050.000)(1.150.000)
GM = 1.207.500.000.000
GM = 1.098.863

Sebutkan fungsi geometric mean yang Anda ketahui dalam bisnis…

Kunto Wibisono, SE., M.Si.

 Rata-Rata Geometris Dengan Perubahan Persentase Seiring Waktu

• Aplikasi kedua dari rata-rata geometrik adalah untuk menemukan perubahan persentase rata-rata
selama periode waktu (average percent increase over time).
• Rumus untuk rata-rata geometrik dengan fungsi tersebut ditulis sebagai berikut:

Kunto Wibisono, SE., M.Si.

 Rata-Rata Geometris (Average Percent Increase Overtime)

Kunto Wibisono, SE., M.Si.

 Sebaran (dispersion)

• Ukuran lokasi, seperti rata-rata atau median, hanya menggambarkan

pusat data. Meskipun hasilnya dapat memberikan nilai, tetapi tidak
dapat memberi tahu kami apa pun tentang penyebaran data.
• Misalnya, jika pemandu alam Anda memberi tahu Anda bahwa sungai
di depan rata-rata sedalam 3 kaki, apakah Anda ingin menyeberang
dengan berjalan kaki tanpa informasi tambahan? Mungkin tidak. Anda
pasti ingin tahu sesuatu tentang variasi kedalaman.
• Alasan kedua untuk mempelajari dispersi dalam satu set data adalah
untuk membandingkan penyebaran dalam dua atau lebih distribusi.

Kunto Wibisono, SE., M.Si.

 Sebaran (dispersion) – Alasan 1

Misalkan data masa kerja 100 karyawan Hammond Iron Works Inc., perusahaan fabrikasi baja,
disusun dalam histogram berdasarkan masa kerjanya. Dalam perhitungan diketahui nilai rata-
rata adalah 4,9 tahun, tetapi data dalam histogram tersebar dari masa kerja 6 bulan hingga 16,8
tahun. Rata-rata 4,9 tahun tidak terlalu mewakili semua karyawan.

Kunto Wibisono, SE., M.Si.

 Sebaran (dispersion) – Alasan 2

Alasan kedua untuk mempelajari dispersi

dalam satu set data adalah untuk
membandingkan penyebaran dalam dua
atau lebih distribusi. Misalkan monitor
komputer LCD Quest Vision dirakit di
Baton Rouge dan juga di Tucson. Rata-rata
aritmatika keluaran per jam di pabrik
Baton Rouge dan pabrik Tucson adalah 50.
Berdasarkan dua rata-rata tersebut, Anda
dapat menyimpulkan bahwa distribusi
output per jam adalah identik. Catatan
produksi selama 9 jam di kedua pabrik,
mengungkapkan bahwa kesimpulan ini
tidak benar. Produksi Baton Rouge
bervariasi dari 48 hingga 52 pcs per jam.
Produksi di pabrik Tucson lebih tidak
menentu, berkisar antara 40 hingga 60 per
jam.

Kunto Wibisono, SE., M.Si.

 Pengukuran Sebaran

Kunto Wibisono, SE., M.Si.

 CONTOH: Pengukuran Sebaran – Range

Jumlah cappuccino yang dijual di lokasi Starbucks di Bandara Orange

Country yang mengambil sampel antara jam 4 sampai dengan 7 malam
adalah 20, 40, 50, 60, dan 80 cangkir. Tentukan kisaran jumlah cappuccino
yang terjual.

Range = Largest – Smallest value

= 80 – 20 = 60

Kunto Wibisono, SE., M.Si.

 Standar Deviasi (Mean Deviation)

STANDAR DEVIASI adalah rata-rata dari nilai absolut penyimpangan dari

nilai aritmatika.
Kelemahan, hanya didasarkan pada dua nilai yaitu nilai terendah dan nilai
tertinggi, tidak mengikutsertakan seluruh nilai yang ada.

Kunto Wibisono, SE., M.Si.

 CONTOH: Standar Deviasi (Mean Deviation)

Jumlah cappuccino yang dijual di lokasi Starbucks di Bandara Orange

Country yang mengambil sampel antara jam 4 sampai dengan 7 malam
adalah 20, 40, 50, 60, dan 80 cangkir. Tentukan kisaran jumlah cappuccino
yang terjual.

Langkah 1: Hitung Rata-Rata

x=
å x 20 + 40 + 50 + 60 + 80
= = 50
n 5

Kunto Wibisono, SE., M.Si.

 CONTOH: Standar Deviasi (Mean Deviation)

Langkah 2: Kurangi rata-rata (50) dari setiap pengamatan, konversikan

menjadi positif jika perbedaannya negative.
Langkah 3: Jumlahkan perbedaan absolut yang ditemukan pada langkah 2
lalu bagi dengan jumlah pengamatan.

Kunto Wibisono, SE., M.Si.

 Variasi Populasi dan Standar Deviasi Populasi

• VARIASI POPULASI adalah nilai penyimpangan kuadrat dari rata-rata populasi.

• DEVIASI STANDAR adalah akar kuadrat dari varians dalam populasi.

Kunto Wibisono, SE., M.Si.

 CONTOH: Variasi Populasi dan Standar Deviasi Populasi

Data aktivitas lalu lintas selama dua belas bulan terakhir di Beaufort
County, Carolina Selatan, dilaporkan di bawah ini:

Langkah 1: Tentukan nilai rata-ratanya.

µ=
å x 19 + 17 + ... + 34 + 10 348
= = = 29
N 12 12

Kunto Wibisono, SE., M.Si.

 CONTOH: Variasi Populasi dan Standar Deviasi Populasi

Langkah 2: Temukan perbedaan antara

setiap pengamatan dan rerata, dan
selaraskan.
Langkah 3: Jumlahkan semua perbedaan
kuadrat yang ditemukan pada langkah 2.
Langkah 4: Bagi jumlah perbedaan
kuadrat dengan jumlah item dalam
populasi.

s 2
=
å ( X - µ) 2

=
1,488
= 124
N 12

Kunto Wibisono, SE., M.Si.

 Variasi dan Standar Deviasi Sampel

• VARIASI SAMPEL adalah nilai penyimpangan kuadrat dari rata-rata sampel.

• DEVIASI STANDAR SAMPEL adalah akar kuadrat dari varians dalam sampel.

Where :
s 2 is the sample variance
X is the value of each observatio n in the sample

Where : X is the mean of the sample

s 2 is the sample variance n is the number of observatio ns in the sample
X is the value of each observatio n in the sample
X is the mean of the sample
n is the number of observatio ns in the sample

Kunto Wibisono, SE., M.Si.

 CONTOH: Variasi Sampel

Kunto Wibisono, SE., M.Si.

 CONTOH: Standar Deviasi Sampel

Kunto Wibisono, SE., M.Si.

 Rata-Rata Data Berkelompok (Arithmetic Mean of Group Data)

• Untuk memperkirakan rata-rata data aritmatika yang dikelompokkan ke dalam distribusi frekuensi,
kita dapat memulai dengan mengasumsikan pengamatan di setiap kelas diwakili oleh titik tengah
kelas.
• Mean dari sampel data tersebut dihitung dengan rumus sebagai berikut:

Kunto Wibisono, SE., M.Si.

 CONTOH: Rata-Rata Data Berkelompok

• Ingat Soal Latihan Sesi 2. Kita telah membuat distribusi frekuensi untuk harga jual kendaraan.
Informasi ini diulangi di bawah ini. Tentukan rata-rata data berkelompok atas harga jual kendaraan
tersebut.

Kunto Wibisono, SE., M.Si.

 CONTOH: Rata-Rata Data Berkelompok

Kunto Wibisono, SE., M.Si.

 CONTOH: Std. Deviasi Data Berkelompok (Std. Deviation of Group Data)

Kunto Wibisono, SE., M.Si.

 CONTOH: Std. Deviasi Data Berkelompok (Std. Deviation of Group Data)

Kunto Wibisono, SE., M.Si.

 Keyword of Session 3
• …..
• …..
• …..
• …..
• …..

Kunto Wibisono, SE., M.Si.