DATA
TERY N TIM
OUTLINE
Ukuran tengah (mean,median, mode)
Ukuran sebaran, variasi (range, mean dev, varian, SD, COV)
Ukuran posisi (median, quartile, percentile, dan decile)
Hubungan mean, median, dan mode (skewness & kurtosis)
Proporsi / persentase
Data yang sudah terkumpul dari
lapangan selain diolah dan
dianalisis perlu
diinterpretasikan
Ukuran Variasi:
d. Range (min-max)
e. Mean Deviasi
f. Varian
g. Standar deviasi
h. Coefisien Variasi
Ukuran Posisi:
i. Median
j. Kuartil, Desil, Persentil
UKURAN TENGAH
Nama lain: nilai pusat / nilai tengah / central tendensi / tendensi
sentral
Pada umumnya, data kita akan menunjukkan kecenderungan
(tendensi) sentral pada nilai tertentu
Dalam statistik, tendensi sentral digunakan untuk menggambarkan
karakteristik umum dari data
Nilai yang biasanya digunakan untuk mewakili data
Geometric mean
(ME x= x
i 1
i
x=
AN) n n
Contoh:
Lama rawat 10 pasien (hari)
Data: 2, 3, 4, 2, 3, 5, 3, 6, 3, 4
Nilai Mean=(2+3+4+2+3+5+3+6+3+4)/10 = 3,5 hari
1.
RAT Lama rawat 10 pasien (hari)
Data: 2, 3, 4, 2, 3, 5, 3, 31 , 3, 4
A-
Proses perhitungannya melibatkan semua data/pengamatan
AN)
Sangat sensitif terhadap nilai ekstrim (kecil atau besar)
Bila terhadap seluruh data ditambah dengan konstanta c
yaitu yi=xi+c, i=1,2…..n maka mean y=mean x + c
Contoh: Lama rawat 10 pasien (hari)
Data: 2, 3, 4, 2, 3, 5, 3, 6, 3, 4 dan Mean 3.5 hari
1. Masing-masing ditambah dengan angka 2
Data: 4, 5, 6, 4, 5, 7, 5, 8, 5, 6 dan Mean 5.3 atau (3.5+2) hari
RAT
A-
RAT Bila terhadap seluruh data dikalikan dengan konstanta c
A yaitu yi=cxi i=1,2…..n maka mean y=(mean x)(c)
Data: 2, 3, 4, 2, 3, 5, 3, 6, 3, 4 dan Mean 3.5 hari
(ME Masing-masing dikali dengan angka 2
AN) Data: 4, 6, 8, 4, 6, 10, 6, 12, 6, 8 dan Mean 7 atau (3.5x2) hari
Nilai tengah / nilai letak
Nilai yang terletak pada observasi yang ditengah, kalau datanya
telah disusun (array)
2. Nilai membagi dua data yang telah diurutkan menjadi jumlah yang
sama (dua bagian), yaitu 50% data berada di bawah nilai median
ME dan 50% data berada di atas nilai median
DIA
N Proses perhitungannya
(ME 1. Mengurutkan data dari terkecil ke terbesar
D) 2. Nilai Median adalah nilai pada posisi median
3. Menentukan posisi median yaitu (n+1)/2
2. MEDIAN (MED)
CONTOH
2. MEDIAN (MED)
Contoh: Lama rawat 10 pasien (hari)
Data: 2, 3, 4, 2, 3, 5, 3, 6, 3, 4 Tidak terpengauh
Di urutkan menjadi: 2,2,3,3,3, 3,4,4,5,6 oleh nilai ekstrim
Posisi median (10+1)/2=5.5 (kecil atau besar)
Nilai median adalah (3+3)/2= 3 hari
Contoh: Lama rawat 10 pasien (hari)
Data: 2, 3, 4, 2, 3, 5, 3, 31 , 3, 4
Diurut: 2 2 3 3 3 3 4 4 5 31
Proses perhitungannya
Mengurutkan data dari terkecil ke terbesar (mempermudah)
Satu modus (unimodal), dua modus (bimodal), lebih dari tiga
modus (multimodal)
Tidak ada modus
3. MODUS (MODE) CONTOH
Modus = 18
Contoh:
Data: 2, 3, 4, 2, 3, 5, 3, 6, 3, 4, Mod=3
Data: 2, 3, 4, 2, 3, 5, 3, 2, 3, 2, Mod=2 dan 3
Data: 2, 3, 4, 5, 6, 7, 8, 9, Tidak ada Modus
HUBUNGAN EMPIRIS MEAN, MEDIAN DAN
MODUS
Miring ke kanan
‘Skewness’ negatif
• Mean=Median=Modus simetris
• Modus<Median<Mean ‘Skewness’ Positif
• Mean<Median<Modus ‘Skewness’ Negatif
Kelebihan Kekurangan
Mean
Mempertimbangkan semua nilai Sensitif /peka terhadap nilai ekstrim
Dapat menggambarkan mean populasi Kurang baik untuk data heterogen
Cocok untuk data homogen
Median
Tidak sensitif /peka terhadap nilai ekstrim Tidak mempertimbangkan semua nilai
Cocok untuk data heterogen /homogen Kurang dapat menggambarkan mean
pop
Modus
Tidak sensitif /peka terhadap nilai ekstrim Tidak mempertimbangkan semua nilai
Cocok untuk data homogen/heterogen Kurang menggambarkan mean populasi
Modus bisa lebih dari satu atau tidak ada
UKURAN LETAK / POSISI DATA
Median (membagi 2)
Kuartil (membagi 4)
Desil (membagi 10)
Persentil (membagi 100)
Pembagian pengamatan dari data yang kita susun mulai dari data terkecil hingga
terbesar
1. MEDIAN Pembagian pengamatan menjadi dua, nilai median merupakan nilai
pengamatan pada posisi paling tengah kalau data itu disusun (array)
Median
K1 K2 K3
D1 D9
P10 P25 P75 P90
1. KUARTIL
Kuartil membagi data menjadi 4 (empat) bagian yang sama
K1 (25%), K2 (50%) dan K3 (75%)
Kuartil 1 disimbol K1 merupakan 25% data ada di bawah atau sama dengan nilai K1.
Posisi kuartil Ki= i (n+1)/4
i=1,2,3 n= jml pengamatan
Contoh
Data: 3 2 4 5 6 6 5 7 8 8 6 10 11 9
Urutkan: 2 3 4 5 5 6 6 6 7 8 8 9 10 11
Contoh
Data: 3 2 4 5 6 6 5 7 8 8 6 10 11 9
Urutkan: 2 3 4 5 5 6 6 6 7 8 8 9 10 11
2. DESIL Contoh
Data: 3 2 4 5 6 6 5 7 8 8 6 10 11 9 12
Urutkan: 2 3 4 5 5 6 6 6 7 8 8 9 10 11 12
Contoh
Data: 3 2 4 5 6 6 5 7 8 8 6 10 11 9
Urutkan: 2 3 4 5 5 6 6 6 7 8 8 9 10 11
Proses perhitungannya:
Urutkan data dari terkecil ke terbesar
Nilai Range adalah selisih dari data terbesar terhadap data
terkecil
Nilai range juga sensitif terhadap nilai-nilai ekstrim besar atau kecil
32
2. MEAN DEVIASI
Rata-rata Penyimpangan (Mean Deviasi) dalam harga mutlak dari
masing-masing pengamatan terhadap nilai Mean-nya
x i x
Md
N
Contoh: Lama rawat 10 pasien (hari) di Dua RS
RS A: 2,2,3,3,3,3,4,4,5,6 dengan nilai mean=3.5 hari
RS A: (|2-3.5|+|2-3.5|+|3-3.5|+|3-3.5|+|3-3.5|+|3-3.5|+|4-3.5|+|4-3.5|
+|5-3.5|+|6-3.5|)/10 = 1 hari
RS A: (1,5+1,5+0.5+0.5+0.5+0.5+0.5+0.5+1.5+2.5)/10 = 1 hr
Rumus Varians
x x
2
i
V
n 1
33
4. STANDAR DEVIASI
Akar dari varian
Ukuran variasi data yang paling sering digunakan
x x
n
x
n 2
2
i x i
i 1
SD = i 1
SD =
n 1 N
34
4. STANDAR DEVIASI
(Standar Deviasi)2 = Varians
Contoh: Lama rawat 10 pasien (hari) di RS-A
Lama rawat: 2,2,3,3,3,3,4,4,5,6 dengan nilai mean=3.5 hari
Varians: (2-3.5)2+(2-3.5)2+(3-3.5)2+(3-3.5)2+(3-3.5)2+(3-3.5)2+(4-
3.5)2+(4-3.5)2+(5-3.5)2+(6-3.5)2/10-1 = (1,5876)
SD: (1,52+1,52+0.52+0.52+0.52+0.52+0.52+0.52+1.52+2.52)/9 = 1,269 hari
RS B: 1,1,2,3,3,3,4,5,5,8 = SD = 2,121 hari
35
CONTOH
Perhitungan rata-rata:
Rata-rata=55
CONTOH
Coba perhatikan nilai para mahasiswa
Tidak semua mahasiswa memiliki nilai yang sama
dengan rata-ratanya
Hitunglah perbedaan nilai tiap mahasiswa dg nilai rata-
ratanya
CONTOH
Jika
kita jumlahkan semua simpangan, hasilnya adalah
NOL dan selalu NOL
CONTOH
Jika tiap simpangan dikuadratkan & dijumlahkan jumlah
simpangan kuadrat
CONTOH
x x
2
i
Variance( 2 ) i 1
n 1
n
x x
2
i
S tan dard deviation( ) Variance i 1
n 1
5. COEFISIEN OF VARIANS (COV) Coefisien Variasi (COV)
Koefisien variasi adalah rasio perbandingan antara standar deviasi
dengan mean, yang dinyatakan dalam persen
Kegunaan: perbandingan variasi antara 2 pengamatan atau lebih
Membandingkan variasi dua kelompok data yang mempunyai unit
atau satuan pengukuran atau gradasi yang berbeda
Nilai yang lebih besar menunjukkan adanya variasi pengamatan
yang lebih besar
Rumus
SD
COV = x100%
x
Contoh:
Mean BB=40.5 kg, SD=5 kg maka COV=(5/40.5)x100% =12.3%
Mean TB=167 cm, SD=12 cm maka COV=(12/167) x 100%=7.2%
45
KEMIRINGAN DISTRIBUSI DATA
(SKEWNESS)
‘Skewness’ negatif
Pearson
x Mod 3( x Med )
= atau
SD SD
Mean Med Mod
46
DIFFERENT SHAPES OF
DISTRIBUTION
Source: http://faculty.vassar.edu/lowry/f0204.gif
SKEWNESS OF DISTRIBUTIONS
Source: http://www.polity.org.za/html/govdocs/reports/aids/images/image022.gif
Distribution of posting frequency on Usenet
HISTOGRAM
Moderately Skewed Left
A longertail to the left
Example: exam scores
.35
.30
Relative Frequency
.25
.20
.15
.10
.05
0
HISTOGRAM
Moderately Right Skewed
A Longertail to the right
Example: housing values
.35
.30
Relative Frequency
.25
.20
.15
.10
.05
0
HISTOGRAM
Highly Skewed Right
A very
long tail to the right
Example: executive salaries
.35
.30
Relative Frequency
.25
.20
.15
.10
.05
0
KERUNCINGAN DISTRIBUSI DATA
(KURTOSIS)
y 4
( x x)
4 i
4
nSD
Mesokurtis = 4 = 3
Leptokurtis= 4 >3
Platykurtis = 4 < 3
53
TERIMA KASIH