MEMAHAMI DATA

Rino A Nugroho, Ph.D

-16032017-
1. NIM
2. Jenis Kelamin
3. Jurusan
4. IP
5. Tinggi
6. Berat Badan
Mean

■ Mean adalah adalah jumlah

keseluruhan angka dibagi
dengan total angka

■ Jika dihitung dari populasi

disebut population mean

■ Jika dihitung dari sample

disebut sample mean
Median
■ Median merupakan salah satu
titik tengah dari data
numerical
■ Median adalah nilai yang
terletak di tengah setelah data
diurutkan.
1. Urutkan angka dari kecil ke
besar
2. Jika diurutkan langsung
ketemu angka tengahnya
maka itulah median
3. Jika diurutkan ada 2 angka
yang sama maka ambil dua
angka tersebut dan gunakan
rata-rata diantara keduanya
Modus

■ Adalah nilai yang paling sering 1. Urutkan angka dari kecil ke

muncul di dataset besar

■ Jika Mean dan Median hanya 2. Cermati nilai yang paling

bisa digunakan untuk sering muncul
numerical data, Modus bisa
digunakan untuk kategorikal
data
Standar Deviasi

■ Variasi pasti muncul di data set, Karena tidak mungkin semua responden memilki
jawaban yang identic sama

■ Standar deviasi mengukur bagaimana data terkonsentrasi di sekitar mean.

– Semakin terkonsentrasi di sekitar mean berarti semakin kecil standar
deviasinya
– Semakin melebar di sekitar mean berarti semakin besar standar deviasinya

■ Baik atau tidaknya standar deviasi tergantung dari konteksnya

– Jika produsen mobil ingin agar standar deviasinya kecil
Rumus Standar Deviasi

1. Cari mean dataset

2. Kurangkan setiap angka di
dataset dengan mean
3. Kuadratkan perbedaannya
4. Jumlakan semua pada tahap
no 3
5. Hasil pada no 4 dibagi jumlah
sampel dikurangi 1
6. Hasil no 5 di akarkan
Contoh

■ Anda memiliki 4 hasil ujian: 1,3,5,7 1. Jumlah = 20

■ Mean = (1+3+5+7)/4 = 4 2. s=√20/3

3. S=2.58

Nilai Nilai-Mean Kuadratkan

1 1-4=3 9
3 3-4=-1 1
5 5-4=1 1
7 7-4=3 9
Rule of thumb

■ Standar Deviasi tidak mungkin memiliki nilai negative

■ Nilai terkecil dari standar deviasi adalah 0
■ Standar Deviasi mempengaruhi outlier
■ Tanpa standar deviasi anda tidak bisa membandingkan dua dataset secara efektif
– Misal angka 199, 200 dan 201 dengan 200 dan 400 memiliki mean yang
sama tetapi standar deviasi yang berbeda
 68-95-99.7

■ Aturan bakunya sebuah

populasi/sampel dikatakan normal
apabila
– 68% nilai berada di 1 standar
deviasi dari mean

– 95% nilai berada di 2 standar

deviasi dari mean

– 99.7% nilai berada di 3 standar

deviasi dari mean
Percentile
■ Percentile (k) adalah angka ke kth dalam dataset yang membagi data menjadi dua
bagian

■ Percentile bukanlah persen tetapi angka di dalam dataset yang menandai

persentasi tertentu dari dataset

■ Bagian bawah terdiri dari k% dari data dan bagian atasnya terdiri dari sisa datanya
(yang terhitung 100 - k)
– k adalah angka antara 1-100
– Median adalah percentile ke-50, dimana 50% dari data ada di bawah titik
percentile ke-50 dan 50% dari data di atas titik percentile ke-50
Percentile

■ Percentile menunjukkan relative standing dari dataset

– Relative standing menunjukkan ada di posisi mana angka yang diperoleh di
dataset
– Contoh apabila nilai adalah 90% diatas yang lain maka nilai anda ada di
percentile ke 90. ( Bagusssss!!!)
– Jika nilai anda adalah percentile ke 10 artinya 90% nilai lainnya ada di atas
anda. (BAHAYAAA!!!)
Menghitung Percentile

1. Urutkan data di dalam dataset dari kecil ke besar

2. Kalikan k% dengan total angka di dalam sampel (n)

3. Jika hasil di tahap kedua adalah bilangan bulat.

– Hitung angka dari dataset dari kiri (terkecil) ke kanan (terbesar) sampai menemukan
hitungan ke-k sebagai hasil hitungan jumlahkan dengan angka setelahnya dan bagi dua.

4. jika hasilnya tidak bulat, genapkan ke angka terdekat

– Hitung angka dari dataset dari kiri (terkecil) ke kanan (terbesar) sampai menemukan
hitungan ke-k
Ada 25 hasil UTS dengan nilai sebagai berikut: 43,54,56,61,62,66, 68, 69, 69, 70, 71,
72, 77, 78,79, 85, 87, 88, 89, 93, 95, 96, 98, 99, 99

1. Urutkan data di dalam dataset dari kecil ke besar

2. Kalikan k% dengan total angka di dalam sampel (n)

3. Jika hasil di tahap kedua adalah bilangan bulat.

– Hitung angka dari dataset dari kiri (terkecil) ke kanan (terbesar) sampai menemukan
hitungan ke-k sebagai hasil hitungan jumlahkan dengan angka setelahnya dan bagi dua.

4. jika hasilnya tidak bulat, genapkan ke angka terdekat

– Hitung angka dari dataset dari kiri (terkecil) ke kanan (terbesar) sampai menemukan
hitungan ke-k
Contoh Percentile

■ Ada 25 hasil UTS dengan nilai sebagai berikut: 43,54,56,61,62,66, 68, 69, 69, 70,
71, 72, 77, 78,79, 85, 87, 88, 89, 93, 95, 96, 98, 99, 99
■ (KASUS 1): Jika mencari percentile ke-90 = 90%*25 = 22.5
– Bulatkan ke atas menjadi 23
– Urutkan angka ke-23 didapat angka 98 sebagai percentile ke 90
■ (KASUS 2): Jika mencari percentile ke-20 = 20%*25 = 5
– Hitung rata-rata dari angka ke 5 (62) dan ke 6 (66)
– Percentile: 64
Five Number Summary

■ Jika dataset tidak menunjukkan normal (tidak bell-shape) maka untuk mendapatkan gambaran
tentang dataset digunakan five number summary
■ Merupakan lima statistic deskriptif yang membagi data menjadi empat bagian yang sama:
– Angka terkecil
– Percentile ke-25 (Q1, Quartile pertama)
– Median
– Percentile ke-75 (Q3, Quartile ketiga)
– Angka terbesar
■ Untuk mengetahui berapa jarak data dengan median digunakan Interquartile Range (IQR)
– IQR rendah menandakan data tersebar dekat dengan Median
– IQR besar menandakan data tersebar jauh dari Median

■ Ada 25 hasil UTS dengan nilai sebagai berikut: 43,54,56,61,62,66, 68, 69, 69, 70, 71, 72, 77,
78,79, 85, 87, 88, 89, 93, 95, 96, 98, 99, 99
Rumus percentile di excel

■ Rumus percentile dierpoleh dari lokasi range data (array) dan percentile ke berapa
yang kita cari (kth)= Percentile (array, k)

■ Pada kasus 1, jika range dataset terletak pada B2:B26 maka diperoleh rumus:
=PERCENTILE(B2:B26,0.9)

■ Pada kasus 2, jika range dataset terletak pada B2:B26 maka diperoleh rumus:
=PERCENTILE(B2:B26,0.9)