UKURAN PEMUSATAN DAN SEBARAN

DATA

Ardyan Pramudya Kurniawan, M.Si

UKURAN PEMUSATAN
 Suatu kumpulan data biasanya mempunyai
kecenderungan untuk memusat pada nilai tertentu
yang disebut nilai pusat
 Ukuran pemusatan adalah nilai tunggal yang
mewakili suatu kumpulan data dan menunjukkan
karakteristik data
 Tiga ukuran pemusatan yang paling banyak
digunakan :
 Rata-rata hitung (mean)
 Nilai tengah (median)
 Nilai yang paling sering muncul (modus)

2
UKURAN PEMUSATAN UNTUK
DATA YANG TIDAK DIKELOMPOKKAN

3
RATA-RATA HITUNG (1)

 Rata-rata hitung : nilai yang diperoleh dengan

menjumlahkan semua nilai dan membaginya dengan
jumlah data
 Mudah dalam perhitungan namun sangat tergantung dari
nilai ekstrim (data pencilan/outlier)
 Dibagi menjadi 2 : rata-rata hitung populasi (µ) dan rata-
rata hitung sampel
 Rata-rata hitung sampel : perhitungan sama dengan rata-
rata hitung populasi, ditekankan pada unsur sampelnya

4
RATA-RATA HITUNG (2)

5
 MEDIAN
 Adalah titik tengah dari semua nilai data yang telah diurutkan dari
nilai yang terkecil ke nilai yang terbesar atau sebaliknya
 Disebut juga sebagai rata-rata letak (positional average)
 Tidak dipengaruhi oleh nilai ekstrem
 Umumnya digunakan bila skala pengukuran datanya minimal ordinal
 Cara mendapatkan median:
 Dicari dengan rumus : (n+1)/2 dimana n = jumlah data
 Bila datanya ganjil maka nilai median terletak di tengah data
 Bila datanya genap maka nilai tengah median adalah rata-rata dari 2
data yang berada di tengahnya
 JANGAN LUPA (!) : Urutkan data terlebih dahulu sebelum mencari
median!

Data : Ditanya:
65,73,62,84,55,95,60,87,77,40 Berapa nilai median berdasarkan data tersebut?
6
 MODUS
 Adalah suatu nilai pengamatan yang paling sering muncul atau nilai
yang memiliki frekuensi terbesar dalam suatu kumpulan data
 Berguna untuk mengetahui frekuensi (tingkat seringnya) suatu
peristiwa terjadi
 Contoh : Jenis pupuk pa yang paling banyak dibeli konsumen petani
di Yogyakarta
 Tidak tergantung pada nilai ekstrim
 Memberikan ukuran pemusatan data secara kasar

Data : Ditanya:
4,3,8,7,6,4,5,4,9,3,5,4,2,4,6 Berapa nilai modus berdasarkan data tersebut?

7
UKURAN PEMUSATAN UNTUK
DATA YANG DIKELOMPOKKAN

8
MEDIAN (DATA BERKELOMPOK)

Lo : nilai batas bawah dari kelas yang memuat nilai

median
n : banyaknya observasi, jumlah semua frekuensi
: jumlah frekuensi semua kelas di bawah kelas
yang memuat nilai median
Fm : frekuensi dari kelas yang memuat nilai median
c : besarnya kelas interval yang memuat nilai
median
MODUS (DATA TIDAK BERKELOMPOK)

Modus (Mod) : nilai yang mempunyai frekuensi tertinggi, atau

nilai yang paling sering muncul dalam sekelompok data.

Unimodal , jika suatu distribusi data memiliki 1 modus

Bimodal, jika suatu distribusi data memiliki 2 modus
Multimodal, jika suatu distribusi data memiliki lebih dari 2
modus
MODUS (DATA BERKELOMPOK)

Lo : nilai batas bawah kelas yang memuat modus

: frekuensi kelas yang memuat modus
c : besarnya kelas interval yang memuat modus
 HUBUNGAN RATA-RATA-MEDIAN-MODUS

12
10
8
6
4
1.Kurva simetris X= Md= 2
0

Mo

15

10

2. Kurva condong kiri 5

Mo < Md < X 0
231 Mo Md Rt 663 807

15
10
5
3. Kurva condong kanan 0
X < Md < Mo 231 375 Rt Md Mo 807
CONTOH (DATA BERKELOMPOK)

rata  rata(x) 
f X i i

2695
 53.90
f i 50
n   50 
  ( f i ) 0    19 
Median  L 0  c  2   49.5  10 2   54.5
 fm   12 
   
   
  f1  0 
  49.5  10
4 
Modus  L 0  c    55.21
  f1  0   f 2  0
  4  3 

LATIHAN
 Berapa nilai rata-rata, median dan modus dari Ujian Biostatistik
mahasiswa UIN, Sunan Kalijaga ?
KUARTIL, DESIL, PERSENTIL
1. Kuartil
Kelompok data yang sudah diurutkan (membesar atau
mengecil) dibagi empat bagian yang sama besar.

Ada 3 jenis yaitu kuartil pertama (Q1) atau kuartil bawah,

kuartil kedua (Q2) atau kuartil tengah, dan kuartil ketiga
(Q3) atau kuartil atas.
UKURAN LETAK: KUARTIL
Definisi:
Kuartil adalah ukuran letak yang membagi 4 bagian yang
sama. K1 sampai 25% data, K2 sampai 50% dan K3 sampai
75%.
Rumus letak kuartil:
DATA TIDAK BERKELOMPOK DATA BERKELOMPOK
K1 = [1(n + 1)]/4 1n/4
K2 = [2(n + 1)]/4 2n/4
K3 = [3(n + 1)]/4 3n/4

0 K1 K2 K3 n

0% 25% 50% 75% 100%

 RATA-RATA HITUNG
LAMBANG
Rata-rata hitung dilambangkan dengan eks bar

X
SUB MATERI

1. Data tunggal

2. Data berbobot

3. Data berkelompok
RATA-RATA HITUNG
DATA TUNGGAL
Jika terdapat n buah data yang terdiri dari

x1, x2, x3, … xn,

rata-rata hitung data tersebut dapat didefinisikan sebagai berikut.

x1  x 2  x 3  ....  x n
x atau
n n
Σ xi Σxi
x i1
atau x
n n
n = banyak data

Σxi = jumlah data (jumlah

data ke-1 sampai dengan data ke-n)

 RATA-RATA HITUNG
DATA TUNGGAL BERBOBOT
Jika nilai n buah data adalah x1, x2, x3, … xn, dan masing-masing frekuensinya
adalah f1, f2, f3, … fn , nilai rata-rata hitung sekumpulan data tersebut
didefinisikan sebagai berikut.

f1.x1  f2 .x 2  f3 .x 3  ....  fn .x n
x atau
n
n
Σ fi.x i Σfi.x i
x i1
atau x 
n Σfi

Σfi.x i = Jumlah hasil perkalian setiap data dan frekuensinya

fi = Frekuensi data ke-i
xi = Data ke-i
fi = n = banyak data
 Contoh

Tabel penjualan 10 buah pupuk

pada minggu pertama bulan
Desember 2009
Berapakah Rata-
Pupuk terjual Banyak Kios rata pupuk yang
terjual pada tabel
(xi) (fi)
di samping adalah
70 2
80 3
90 4
100 1
 Pembahasan

Diketahui : Ditanya : Rumus rata-rata

Jawab :
Pakaian Banyak Kios
terjual (fi) x 
 f .x
i i

(xi) fi. xi f i

70 2 140
= 840
80 3 240 10
90 4 360 = 84
100 1 100
 10 840
RATA-RATA HITUNG
DATA KELOMPOK

Menentukan rata-rata hitung data berkelompok akan lebih

mudah apabila data disajikan dalam bentuk tabel distribusi
frekuensi.

, xi = Titik tengah
x 
 f .x
i i
= ½ . (batas bawah + batas atas)
f i
 Contoh

Rata-rata hasil panen padi Tabel pendapatan hasil panen 50

(dalam kg) Petani pada tanggal 1 Januari 2018

NO Pendapatan (dalam fi
kg)

1 1–5 6

2 6 – 10 20

3 11 - 15 10

4 16 - 20 9

5 21 - 25 5
Batas bawah Pembahasan
Batas atas

NO X fi xi fi.xi
x 
 f .x i i
1 1–5 6 3 18
f i
2 6 – 10 20 8 160 585
13 x 
3 11 - 15 10 130 50
18 X = 11,7
4 16 - 20 9 162
23
5 21 - 25 5 115
Panen rata-rata petani = 11,7 kg
 50 585

x1 = ½ (1+5) x2 = ½ (6+10) x3 = ?
=½.6 = ½ . 16 x4 = ?

=3 =8 x5 = ?
LATIHAN

2. Hitunglah tinggi rata-rata 50 pohon

1. Hitunglah Jarak tanam pohon Tectona grandis (tabel 4) dengan :
sengon di area lahan kosong (tabel A. Rumus sigma
3):

Tabel 3 Tabel 4
Jarak (m) Frekuensi Hasil fi
1-2 40 pengukuran

3–4 25 5,0 – 5,8 10

5–6 20 5,9 – 6,7 15

7-8 15 6,8 – 7,6 18

7,7 – 8,5 7
A. Rumus sigma
x fi xi fi.xi
1-2 40 1,5 60
3–4 25 3,5 87.5
5–6 20 5,5 110
7-8 15 7,5 112.5
 100 370

Rata-rata = x 
 f .x
i i

f i

= 370/100
= 3.7 m
A. Rumus sigma
x fi xi fi.xi
5,0 – 5,8 10 5,4 54,0

5,9 – 6,7 15 6,3 94,5

6,8 – 7,6 18 7,2 129,6

7,7 – 8,5 7 8,1 56,7

 50 334,8

Rata-rata = x 
 f .x
i i

f i

= 334,8/50
= 6,696 6,7 m
UKURAN PENYEBARAN
 Berguna untuk mencegah kesalahan dalam
penarikan kesimpulan
 Ukuran penyebaran adalah ukuran baik parameter
(populasi) atau statistik (sampel) untuk mengetahui
seberapa besar penyimpangan data dengan nilai
rata-rata hitungnya
 Ukuran penyebaran yang akan dipelajari:
 Rentang (range)
 Deviasi rata-rata
 Variansi
 Standar Deviasi

28
RANGE
1. Pengertian
Diberi lambang R, yaitu salah satu ukuran statistik yang menunjukkan
jarak penyebaran antara skor (nilai) terendah (lowest score) sampai skor
(nilai) yang tertinggi (highest score).

2. Cara Mencari Range atau Rentang

Rumus:
R=H–L
R = Range atau Rentang yang dicari
H = Skor atau nilai yang tertinggi (highest score).
L = Skor atau nilai yang terendah (lowest score)
CONTOH RANGE

 Nilai Mid Test 10 mahasiswa statistik adalah 50, 60, 65, 70, 75, 80, 85, 87, 90, 95.
 Maka Rentang atau Range nya adalah:
R = Nilai Tertinggi- Nilai Terendah
= 95 – 50
= 45
 Jadi Rentang atau range nilai 10 mahasiswa statistik tersebut adalah 45
 Semakin kecil jarak penyebaran data dari nilai terendah sampai data tertinggi, maka
semakin homogen (concentrated) distribusi nilai tersebut, dan sebaliknya semakin
besar range-nya, maka akan semakin bervariasi nilai-nilai yang ada dalam distribusi
nilai tersebut.
3. KEGUNAAN, KELEBIHAN, DAN KEKURANGAN RANGE
Kegunaan
Sebagai ukuran, apabila didalam waktu yang singkat ingin memperoleh
gambaran tentang penyebaran data yang sedang diteliti dengan sedikit
mengabaikan faktor ketelitian atau kecermatan.

Kelebihan Kelemahan
 Dalam waktu singkat dapat  Range sifatnya sangat dan kurang

diperoleh gambaran umum teliti, karena besar kecilnya range

mengenai luas penyebaran sangat tergantung pada data
data yang sedang diteliti. terkecil dan terbesarnya
 Tidak memperhatikan distribusi
yang terdapat di dalam range
tersebut, sehingga tidak dapat
diketahui secara pasti bagaimana
sebenarnya bentuk distribusi data
yang diteliti.
 DEVIASI (DEVIATION)
Pengertian
•Yaitu selisih atau simpangan dari
2. Contoh deviasi yang berada di atas
masing-masing skor atau interval, mean, dan deviasi yang berada di
dari nilai rata-rata hitungnya
(deviation from the mean). bawah mean
•Ada dua jenis deviasi yaitu deviasi
yang berada di atas mean, dan
Skor f Deviasi Me 
X
deviasi yang berada di bawah mean. (X) (x =X-Me) N
•Deviasi di atas mean, diartikan 8 1 8-6= +2
sebagai “selisih lebih”, bertanda plus, 7 1 7-6 =+1 30
dan lazim dikenal dengan istilah Me  6
6 1 6-6 = 0 5
deviasi positif.
5 1 5-6 =- 1
•Deviasi di bawah mean, diartikan
4 1 4-6 =-2
sebagai “selisih kurang”, bertanda
minus, dan lazim dikenal dengan ΣX=30 N=5 Σx=6
istilah deviasi negatif.
DEVIASI RATA-RATA
1. Pengertian
• Yaitu jumlah harga mutlak deviasi dari tiap-tiap skor, dibagi
dengan banyaknya skor itu sendiri.
• Disebut juga Mean deviation (diberi lambang MD), atau average
Deviation (diberi lambang AD)
2. Cara Mencari Deviasi Rata-Rata
1. Data Tunggal yang masing-masing skornya berfrekuensi satu

Skor f Deviasi
Me 
X
(X) (x =X-Me) N
8 1 8-6= +2 30
Me  6
7 1 7-6 =+1 5
6 1 6-6 = 0
AD 
x
5 1 5-6 =- 1 N
4 1 4-6 =-2 6
AD   1,2
ΣX=30 N=5 Σx=6 5
2. DATA TUNGGAL YANG SEBAGIAN ATAU SELURUH
SKORNYA BERFREKUENSI LEBIH DARI SATU
RUMUS:

AD 
 fx
LANGKAH-LANGKAH: N
1. MENCARI MEAN (ME)
2. MENGHITUNG DEVIASI MASING-MASING SKOR
DENGAN RUMUS X = X-ME
3. MEMPERKALIKAN F DENGAN X SEHINGGA
DIPEROLEH FX, SELANJUTNYA DIJUMLAHKAN
SEHINGGA DIPEROLEH ΣFX (TANDA ALJABAR
DIABAIKAN/YANG DIJUMLAHKAN HARGA
MUTLAKNYA)
4. MENGHITUNG DEVIASI RATA-RATA
CONTOH:
DATA TUNGGAL YANG FREKUENSI SEBAGIAN ATAU
SELURUHNYA LEBIH DARI SATU

X fi fx xi fixi
31 4 124 +3,8 +15,2
Me 
 fx
30 4 120 +2,8 +11,2 N
29 5 145 +1,8 +9,0 1360
28 7 196 +0,8 +5,6 Me   27,2
50
27 12 324 -0,2 -2,4
26 8 208 -1,2 -9,6 AD 
 fx
25 5 125 -2,2 -11,0 N
24 3 72 -3,2 -9,6 82
23 2 46 -4,2 -8,4 AD   1,64
50
N=50 Σfx=1360 Σfixi=82,0
3. DEVIASI RATA-RATA DATA KELOMPOK

Rumus: AD 
 fx
N

Langkah-langkah:
1. Menetapkan Midpoint (Nilai Tengah) masing-masing interval
2. Memperkalikan frekuensi masing-masing interval (f) dengan
Midpointnya (x)
3. Mencari mean data kelompok
4. Mencari deviasi tiap-tiap interval, dengan rumus x= X (midpoint)-
Me (mean)
5. Memperkalikan f dengan x sehingga diperoleh fx, kemudian
dijumlahkan dengan tidak mengindahkan tanda “plus” dan
“minus” sehingga diperoleh Σfx
 CONTOH: DEVIASI RATA-RATA DATA KELOMPOK

Interval F X fX x (X – Me) fx

70-74
65-69
3
5
72
67
216
335
+25,1875
+20,1875
+75,5625
+100,9375 Me 
 fx
60-64 6 62 372 +15,1875 +91,1250
N
3745
55-59 7 57 399 +10,1875 +71,3125 Me   46,8125
50-54 7 52 364 + 5,1875 +36,3125 80
45-49 17 47 799 + 0,1875 +3,1875
AD 
 fx
40-44 15 42 630 - 4,8125 -72,1875 N
35-39 7 37 259 - 9,8125 -68,6875 756,8750
30-34 6 32 192 - 14,8125 -88,8750 AD   9,461
80
25-29 5 27 135 - 19,8125 -99,0625
20-24 2 22 44 - 24,8125 -49,6250

total N=80 ΣfX=3745 Σfx=756,8750

 DEVIASI STANDAR (Standard Deviation)

1. Pengertian
Deviasi standar atau standard deviation, diberi lambang δ atau SD, ini dikarenaka
deviasi rata-rata yang memiliki kelemahan, dibakukan atau distandarisasikan,
sehingga memiliki kadar kepercayaan atau reliabilitas yang lebih baik.

2. Cara Mencari Deviasi Standar (Standard Deviation)

1) Data Tunggal yang semua skornya berfrekuensi satu
Langkah-langkah:
a. Cari Mean
b. Mencari deviasi yaitu x= X-Me (mean)
c. Mengkuadratkan x sehingga diperoleh X 2, setelah itu dijumlahkan sehingga
diperoleh ∑x2.
d. Mencari Deviasi Standar atau Standar Deviasinya dengan rumus:

SD 
 x 2

  x  x
i

N n
 CONTOH:
X f x x2
Me 
 X
(x-Me)
N
73 1 +3 9
78 1 +8 64
60 1 -10 100 490
Me   70
70 1 0 0 7
62 1 -8 64
80 1 +10 100
67 1 -3 9
SD 
 x 2

ΣX=490 N=7 ΣX=0 ΣX =346

2
N
346
SD   7,03
7
2) Data Tunggal yang sebagian atau seluruh skornya berfrekuensi lebih
dari satu
Langkah-langkah:
a. Cari Meannya
b. Mencari deviasi yaitu x= X-Me (mean)
c. Mengkuadratkan x sehingga diperoleh X2,
d. memperkalikan frekuensi dengan X2 , sehingga diperoleh setelah itu
dijumlahkan sehingga diperoleh ∑fx2.
d. Mencari Deviasi Standar atau Standar Deviasinya dengan rumus

SD 
 fx 2

N
KEGUNAAN DEVIASI RATA-RATA
DAN DEVIASI STANDAR

 Sebagai ukuran untuk mengetahui variabilitas data

sekaligus untuk mengetahui homogenitas data.
 Jika deviasi rata-rata atau deviasi standar makin besar,
maka berarti semakin besar variabilitas datanya atau
semakin kurang homogen, dan sebaliknya.
VARIANS

1. Pengertian
• Merupakan jumlah kuadrat semua deviasi nilai-nilai individual
terhadap rata-rata kelompok
• Salah satu teknik statistik yang digunakan untuk menjelaskan
homogenitas kelompok
2. Cara Penyelesaian

  x  x 2
s2 
  x  x
i
2

2  i
 n1
n
σ2= Variabel populasi

 x  x
2 σ = Simpangan Baku Populasi


 i
s
  x  x
i
2
S2 = Varians sampel
n  n1 S = Simpangan Baku sampel
N = jumlah sampel