UKURAN NILAI TENGAH

1
 Distribusi Frekuensi
• Distribusi frekuensi numerikal
(kuantitatif)
• Distribusi frekuensi kategorikal
(kualitatif)

2
 Penyusunan Distribusi Frekuensi
Data Kuantitatif
1. Cari kisaran atau range (R) dengan cara : nilai
maksimum – nilai minimum
2. Tentukan jumlah kelas dan interval kelas
(sebaiknya sama).
Jumlah kelas (Rumus Sturges) :
M = 1 + 3,3 log N
dimana M = jumlah kelas
N = jumlah data (observasi)
Interval kelas = R/M
3. Banyak observasi yang termasuk dalam tiap
kelas dihitung (disebut frekuensi)
3
Contoh :
Data berikut adalah tinggi badan dari 40 orang siswa.
183 165 166 155 169 163 157 181 163 173
157 178 168 161 169 182 152 180 168 169
165 157 177 171 157 164 167 171 166 181
174 184 157 160 156 175 164 163 183 179

1. R = 184 – 152 = 32
2. M = 1 + 3,3 log n
= 1 + 3,3 log 40
= 6,29  7
Interval kelas = 32/7 = 4,57  5
4
Tabel 1. Distribusi frekuensi tinggi
badan 40 orang siswa
Tinggi Frekuensi Frekuensi Frekuensi
badan (cm) relatif (%) kumulatif (%)
150 – 154 1 2,5 2,5
155 – 159 7 17,5 20,0
160 – 164 7 17,5 37,5
165 – 169 10 25,0 62,5
170 – 174 4 10,0 72,5
175 – 179 4 10,0 82,5
180 – 184 7 17,5 100,0
Jumlah 40 100,0
5
Frekuensi Batang Daun
Frequency Stem & Leaf
1.00 15 . 2
7.00 15 . 5677777
7.00 16 . 0133344
10.00 16 . 5566788999
4.00 17 . 1134
4.00 17 . 5789
7.00 18 . 0112334
Stem width: 10
Each leaf: 1 case(s)
6
• Hasil pengerjaan statistik deskriptif adalah hasil analisis
yang kesimpulannya dapat menggambarkan situasi
tertentu, perbedaan antar situasi, hubungan antar
variabel dan perkembangan keadaan atau dinamika
suatu keadaan.
• Kesimpulan tersebut dapat ditarik dengan bantuan
ukuran-ukuran statistik.
• Perhitungan statistik deskriptif dilakukan untuk
mendapatkan beberapa nilai (angka) yang
menggambarkan sifat-sifat suatu agregat atau kumpulan
data.
• Adapun nilai-nilai statistik deskriptif tersebut adalah :
1. Nilai-nilai tengah (“central tendency”)
2. Nilai-nilai variabilitas
3. Skewness (Kemencengan = Kemiringan)
4. Kurtosis (Kelancipan)
7
Ukuran Nilai Tengah (Central Value) =
(Central Tendency) = Nilai pemusatan
= Nilai kecenderungan di tengah
• Rata-rata hitung (arithmetic mean =
mean)
• Median
• Modus (Mode)
• Rata-rata ukur (geometric mean)
• Harmonic mean
• Quadratic mean

8
Mean = arithmetic mean = rata-
rata hitung = rerata = purata
• Rumus :
Untuk data yang disusun dalam
distribusi frekuensi tanpa
x
dimana

pengelompokkan.
x
x
n
dimana x = rata-rata
 = jumlah
x = nilai tiap pengamatan
n = jumlah pengamatan
9
Contoh:
• Hasil pengukuran berat badan (kg) 10
orang petugas puskesmas adalah 65, 60,
55, 70, 67, 53, 61, 64, 75, 50.
• Rata-rata = (65 + 60+ 55 + 70+ 67 + 53 +
61 + 64 + 75 + 50)/10 = 62 kg

10
a) Besar nilai mean ditentukan oleh tiap nilai distribusi 
merupakan nilai rata-rata. Misalkan : Lama perawatan
5 orang pasien ialah 2 hari, 3 hari, 4 hari, 5 hari, dan 6
hari.
2+3+4+5+6
Mean lama perawatan = = 4 hari
5
b) Besar nilai mean dipengaruhi oleh nilai ekstrim  Nilai
mean hanya untuk distribusi yang normal atau kurang
lebih sebarannya homogen.
c) Untuk setiap agregat selalu ada nilai meannya.
d) Jumlah (x – x ) = nol  (x – x ) = 0
Mean lama perawatan = 4 hari

11
 x x-x
2 -2
3 -1
4 0
5 1
6 2
Jumlah 0

12
Keuntungan menggunakan nilai
mean :
1. Suatu nilai yang paling dikenal.
2. Suatu nilai yang umum digunakan
3. Suatu nilai yang mudah dipahami
4. Mudah dihitung
5. Untuk menghitungnya seluruh data
digunakan
6. Dapat diperlakukan secara aljabar
7. Semua agregat ada nilai meannya
13
Kerugian menggunakan nilai
mean :
1. Dipengaruhi oleh nilai ekstrim
2. Tidak tepat bila distribusinya tidak
normal

14
Rata-rata pada data yang disusun dalam
distribusi frekuensi tanpa pengelompokkan

 fx
x
n
dimana f = frekuensi
x = hasil pengamatan
n = jumlah pengamatan

15
Contoh:
Tinggi badan (cm) f fx
152 1 152
155 1 155
156 1 156
157 5 785
160 1 160
161 1 161
163 3 489
164 2 328
165 2 330
166 2 332
167 1 167
168 2 336
16
Tinggi badan (cm) f fx
169 3 507
171 2 342
173 1 173
174 1 174
175 1 175
177 1 177
178 1 178
179 1 179
180 1 180
181 2 362
182 1 182
183 2 366
184 1 184
Jumlah 40 6730
x = 6730/40 = 168,25 cm 17
Rata-rata pada data yang disusun dalam
distribusi frekuensi dengan pengelompokkan
 fN
x t
n
dimana f = frekuensi
Nt = nilai tengah kelas
= (nilai batas bawah + nilai batas atas)/2

18
Contoh :
Tinggi badan Frekuensi Nt f Nt
(cm)
150 – 154 1 152 152
155 – 159 7 157 1099
160 – 164 7 162 1134
165 – 169 10 167 1670
170 – 174 4 172 688
175 – 179 4 177 708
180 – 184 7 182 1274
Jumlah 40 6725

6725
x = 168,125 cm
40
19
Rumus lain
  fd
x  Nto  i
 n 
dimana : Nto = nilai tengah titik nol
f = frekuensi
i = interval kelas
d = kode
n = jumlah pengamatan

20
Contoh :
Tinggi badan Frekuensi d fd
(cm)
150 – 154 1 -3 -3
155 – 159 7 -2 -14
160 – 164 7 -1 -7
165 – 169 10 0 0
170 – 174 4 +1 +4
175 – 179 4 +2 +8
180 – 184 7 +3 +21
Jumlah 40 +9
(165  169)
Nto   167
2
9 
x  167  5    168,125
 40  21
Rata-rata hitung dengan bobot
(Weighted Mean)
• Rumus:
 nx i
xw 
 ni

22
Contoh :
• Pengukuran berat badan 3 kelompok penderita
penyakit paru-paru yang masing-masing terdiri
dari 3, 5 dan 10 orang adalah sebagai berikut :
Kelompok I : 50 kg, 55 kg, 54 kg
x1 = 53 kg
Kelompok II : 50 kg, 53 kg, 52 kg, 55 kg, 57 kg
x 2 = 53,4 kg
Kelompok III : 51 kg, 55 kg, 57 kg, 60 kg, 52 kg,
48 kg, 47 kg, 58 kg, 59 kg, 62 kg
x3 = 54,9 kg
23
Hasil tersebut dapat disusun dalam
tabel berikut
Kelompok ni xi nixi

I 3 53 159
II 5 53,4 267
III 10 54,9 549
Jumlah 18 161,3 975

Bila dihitung tanpa pembobotan : x  (53  53,4  54,9)

3
= 53,8 kg

975
Bila dihitung dengan pembobotan : x w 
18
= 54,2 kg
24
Median = Rata-rata median
• Median adalah suatu nilai tengah yang letaknya
sedemikian rupa sehingga data yang telah
disusun berdasarkan urutan nilai terbagi menjadi
dua sama benyak.
• Ini berarti bahwa 50% data terletak di bawah
median dan 50% terletak di atas median.
• Jadi median adalah posisi tengah dari suatu
distribusi yang sudah diurut.
• Median digunakan untuk menyatakan posisi
tengah dari suatu distribusi yang miring, karena
median tidak dipengaruhi oleh hasil pengamatan
yang ekstrim.
25
Rumus :
• Untuk jumlah pengamatan ganjil 
posisi median = (n + 1)/2
• Untuk jumlah pengamatan genap 
posisi median = antara (½ n) dan (½ n +
1)

26
Contoh :
• Hasil pengukuran tinggi badan terhadap 40
orang siswa setelah diurut :
152 155 156 157 157 157 157 157 160
161 163 163 163 164 164 165 165 165
166 166 167 168 168 169 169 171 171
173 174 175 177 178 179 180 181 181
182 183 183 184
• Posisi median antara observasi ke-20 dan ke 21
 Median = (166 + 167)/2 = 166,5 cm

27
Perhitungan median untuk data distribusi
frekuensi dengan pengelompokkan
• Rumus :
 (Me'fkum ) 
Me  L  i 
 f 
dimana : Me = median
L = batas bawah kelas median
i = interval kelas
Me’ = jumlah pengamatan dari median = ½ n
fkum = frekuensi kumulatif sebelum median
f = frekuensi median

28
Contoh :
Tinggi badan (cm) Frekuensi fkum
150 – 154 1 1
155 – 159 7 8
160 – 164 7 15
165 – 169 10 25
170 – 174 4 29
175 – 179 4 33
180 – 184 7 40
Jumlah 40

 20  15 
Me  164,5  5 
 10 
= 167 cm
29
Keuntungan menggunakan nilai
median :
1. Nilai median mudah dihitung
2. Tidak dipengaruhi oleh nilai
ekstrim
3. Lebih ‘typical’ dari nilai mean
4. Nilai median dapat dihitung walau
distribusinya ‘open ended’

30
Kerugian menggunakan nilai
median :
1. Nilai median tidak sering
digunakan seperti pada nilai
mean.
2. Untuk menghitungnya harus
dibuat ‘array’ terlebih dahulu.
3. Tidak dapat diperlakukan secara
aljabar.
31
Modus (Mode) = Rata-rata modus
• Nilai modus ialah nilai yang paling sering
ada dalam suatu agregat (the value which
occurs most frequently).
• Dari sifatnya ini maka untuk sekelompok
data pengamatan ada beberapa
kemungkinan:
1. Tidak ada nilai modus
2. Ada satu modus (unimodal)
3. Ada dua modus (bimodal)
4. Lebih dari dua modus (multimodal)
32
Contoh :
Agregat Modus
1, 2, 2, 2, 3, 5 2 Unimodal

3, 3, 7, 8, 12, 16 3 Unimodal

5, 5, 6, 9, 12, 17, 17 5 dan 17 Bimodal

1, 2, 3, 5, 7, 9, 12 - Tidak ada nilai

modus
5, 5, 6, 9, 12, 17, 17, 20, 20 5, 17 dan 20 Multimodal

33
Perhitungan modus untuk data distribusi
frekuensi dengan pengelompokkan
• Rumus :

 Δ1 
Mo  L  i 
 Δ1  Δ 2 
dimana : Mo = modus
L = batas bawah kelas modus
i = interval kelas
1 = selisih antara kelompok modus dengan
sebelumnya
 2 = selisih antara kelompok modus dengan
sesudahnya

34
 Contoh :
Tinggi badan (cm) Frekuensi
150 – 154 1
155 – 159 7
160 – 164 7
165 – 169 10
170 – 174 4
175 – 179 4
180 – 184 7
Jumlah 40
 10  7   3   164,5  5 3 
Mo  164,5  5   164,5  5   
 (10  7)  (10  4)  3 6 9
= 166,2 cm 35
Keuntungan menggunakan nilai
modus
1. Pada data yang sedikit, nilai modus
mudah dilihat.
2. Merupakan nilai rata-rata deskriptif yang
typical.
3. Tidak perlu membuat ‘array’.

36
Kerugian menggunakan nilai
modus :
1. Pada data yang sedikit, mungkin tidak
ada nilai modus.
2. Tidak dapat diperlakukan secara aljabar.
3. Kegunaannya berkurang bila banyak
data yang ‘missing’.

37
Geometric mean = Rata-rata ukur
• Rumus untuk n kecil :
Gm  n x1.x 2 .x 3 .x 4 .xn
Contoh :
Hasil pengobatan suatu penyakit terhadap 3 orang
penderita
adalah sebagai berikut :
Penderita I : sembuh dalam 3 hari
Penderita II : sembuh dalam 9 hari
Penderita III : sembuh dalam 27 hari
Rata-rata kesembuhan adalah :
Gm  3 (3)(9)(27)  3 729  9
38
• Rumus untuk n besar :
 logx
logx u 
n
  logx 
x u  antilog 
 n 
• Dari contoh di atas :
  logx   (log3  log9  log27 
x u  antilog   antilog 
 n   3 
 antilog0,9 542  9
• Untuk data distribusi frekuensi dengan
pengelompokkan :
 (flogNt 
logx u   
 n  39
Contoh :
Tinggi badan Frekuensi Nt log Nt f log Nt
(cm)
150 – 154 1 152 2,1818 2,1818
155 – 159 7 157 2,1959 15,3713
160 – 164 7 162 2,2095 15,4665
165 – 169 10 167 2,2227 22,2300
170 – 174 4 172 2,2355 8,9420
175 – 179 4 177 2,2480 8,9920
180 – 184 7 182 2,2601 15,8207
Jumlah 40 89,0043

89,0043 x u  167,9 cm
logx u   2,2251
40
40
• Keuntungan ‘Geometric mean’ :
1. Tidak dipengaruhi oleh nilai ekstrim
2. Dapat diperlakukan secara aljabar

• Kerugian ‘Geometric mean’ :

1. Tidak dikenal secara luas.
2. Menghitungnya sulit
3. Tidak dapat dihitung bila salah satu
nilai agregat = nol atau nilai negatif

41
• Harmonic mean
1 1 1 1 1
   ......  Σ
1 x1 x 2 x 3 xn x
 
Hm n n
• Quadratic mean
2
Σ(x  x)
Qm 
n

42