Belajar Mengenai Central Tendency

Describing Data:
Numerical Measures of Central
Tendency

Chapter 3
(Sebagian Part 1)

McGraw-Hill/Irwin Copyright © 2012 by The McGraw-Hill Companies, Inc. All rights reserved.
Materi Inti
 Tendensi Sentral
 Dispersi
 KemiringanKurtosis
Learning Objectives
LO1 Menjelaskan konsep tendensi sentral.
LO2 Mengidentifikasi dan menghitung mean aritmatika.
LO3 Menghitung dan menafsirkan mean tertimbang.
LO4 Tentukan median.
LO5 Mengidentifikasi mode.
LO6 Hitung mean geometris.

LO7 Menjelaskan pengukuran dispersi dan

menginterpretasikan range, deviasi rata-rata, variansi, standar
deviasi pada data tunggal dan berkelompok
LO8 Menjelaskan Chebyshev’s Theorem dan aplikasinya

3-3
Parameter Versus Statistik
PARAMETER: Pengkuran karakteristik pada
populasi

STATISTIK: Pengkuran karakteristik pada sampel

Tendensi Central: Nilai tunggal yang merangkum/mengukur

sekumpulan data pada posisi yang terpusat

3-4
Ingat Filosofi “Derajat”
Suatu Bukit
 #EDISI DATA TUNGGAL LO1 Menjelaskan konsep
Populasi tendensi sentral
1. Mean LO2 Mengidentifikasi dan
Sampel menghitung mean aritmatika.
Untuk data yang tidak tunggal,
 mean populasi adalah jumlah dari semua nilai populasi dibagi dengan total Sifat Mean Aritmatika
populasi yang ada (N). •Setiap set data tingkat interval dan tingkat rasio
 mean sampel adalah jumlah dari semua nilai sampel dibagi total sampel yang memiliki mean
dipilih .(n) •Semua nilai disertakan dalam menghitung mean.
•Sekumpulan data memiliki arti yang unik.
•Rata-rata dipengaruhi oleh besar atau kecil yang tidak
nilai observasi
• Rata-rata aritmatika adalah satu-satunya ukuran
tendensi central dimana jumlah penyimpangan masing-
masing nilai dari mean adalah nol•
•Rata-rata aritmatika adalah ukuran yang berguna
untukmembandingkan dua atau lebih populasi
• Aritmatika berarti tidak sesuai untuk distribusi
frekuensi terbuka

3-7
 #EDISI DATA TUNGGAL LO3 Menghitung dan
menafsirkan mean tertimbang.
Mean Tertimbang
Rata-Rata Tertimbang dari satu setnomor X1, X2, ..., Xn, dengan bobot
yang sesuai w1, w2,..., wn, dihitung dari rumus berikut:

Contoh...
Mahasiswa FEB Unair membayar setiap jamnya untuk asisten dosen $ 16,50, $ 19,00,
atau $ 25,00 per jam.
Misalnya ada 26 asisten mahasiswa, 14 mahasiswa dibayar pada tingkat $ 16,50,
10 pada tingkat $ 19,00, dan 2 pada tingkat tarif $ 25,00.

Berapa rata-rata tarif per jam yang dibayarkan 26 asisten mahasiswa tersebut?
 #EDISI DATA BERKELOMPOK

Mean pada Data Berkelompok

Contoh Nilai Kuis Kelas N
Rata-Rata pada data berkelompok diatur (Akuntansi)
dalam disribusi frekuensi berkeompok,
rumusnya berikut:
 #EDISI DATA TUNGGAL

2 Median LO4 Determine the median.

MEDIAN adalah titik tengah nilai setelah diurutkan dari yang terkecil ke terbesar, atau terbesar ke terkecil.

SIFAT MEDIAN
n Ada median unik untuk setiap kumpulan data.
n Tidak dipengaruhi oleh nilai yang sangat besar atau kecil dan oleh karena itu merupakan ukuran yang
berharga dari tendensi sentral ketika nilai-nilai tersebut terjadi.
n Dapat dihitung untuk data tingkat rasio, tingkat interval, dan tingkat ordinal.
n Dapat dihitung untuk distribusi frekuensi terbuka jika median tidak terletak pada kelas terbuka.
n Dapat dikembangkan menjadi Fraktal (Kuartil, Desil, Persentil)
Tinggi empat pemain bola basket, dalam inci,
Contoh: Usia untuk sampel lima mahasiswa adalah... adalah:
21, 25, 19, 20, 22 76, 73, 80, 75

Mengatur data dalam urutan kecil ke besar:

Mengatur data dalam urutan kecil ke besar
19, 20, 21, 22, 25. 73, 75, 76, 80.

Median adalah 21. Thus the median is 75.5

3-10
 #EDISI DATA BERKELOMPOK

2 Median LO4 Determine the median.

MEDIAN data berekolompok adalah titik tengah nilai setelah diurutkan dari yang terkecil ke terbesar, atau
terbesar ke terkecil namun dalam perspekitif data berkelompok (memiliki kelas-kelas tertentu)

Median data berkelompok diatur dalam

distribusi frekuensi yang dihitung oleh
rumus berikut:

3-11
Lanjutan
 #EDISI DATA TUNGGAL
LO5 Identify the mode.

3 Modus
Modus adalah nilai pada observasi yang paling sering muncul.

Lihat
Excel
3-13
 #EDISI DATA KELOMPOK
LO5 Identify the mode.

3 Modus
Modus data berkelompok adalah nilai pada observasi yang paling sering
muncul perspekitif data berkelompok (memiliki kelas-kelas tertentu)

SIFAT MODUS
•Tidak ada modus unik
untuk setiap kumpulan
data.•
•Tidak terpengaruh oleh
sangat besar atau kecil
nilai dan karena itu
merupakan ukuran yang
berharga dalam
tendensi sentral ketika
nilai-nilai modus dapat
muncul
•Dapat dihitung untuk
tingkat rasio, tingkat
interval,data tingkat
ordinal, dan tingkat
nominal

3-14
Lanjutan...
 LO3, LO4, LO5

Posisi Relatif dari Mean, Median, dan Modus

3-16
 LO6 Hitung mean geometris.

Geometric Mean (Rata-Rata Geometrik)

 Berguna dalam menemukan perubahan rata-rata persentase, rasio, indeks, atau tingkat pertumbuhan dari waktu ke
waktu.
 Memiliki penerapan yang luas dalam bisnis dan ekonomi karena kita sering tertarik untuk menemukan persentase
perubahan dalam penjualan, gaji, atau angka ekonomi, seperti PDB, yang digabungkan atau dibangun di atas satu
sama lain.
 Rata-rata geometrik akan selalu lebih kecil dari atau sama dengan rata-rata aritmatika.
 Rumus untuk rata-rata geometris tertulis:

EXAMPLE:
Pengembalian investasi yang diperoleh Atkins Construction Company selama empat tahun berturut-
turut adalah: 30 persen, 20 persen, -40 persen, dan 200 persen. Berapa rata-rata tingkat
pengembalian investasi atas investasi?

3-17
 Contoh lain Contoh lain
 Tingkat bunga tiga
obligasi adalah 5, 7,
dan 4 persen.
 Rata-rata geometri

 Rata-rata aritmatik
 Lanjutan...
Penggunaan lain dari mean geometris adalah untuk menentukan persentase
kenaikan rata-rata dalam penjualan,produksi atau bisnis lain atau seri ekonomi dari
satu periode waktu ke periode lain.

Jumlah total wanita (mahasiswi) yang terdaftar di perguruan tinggi

Indonesia meningkat dari 755.000 pada tahun 1986 menjadi 835.000
pada tahun 1995.

Nilai Awal

Nilai Akhir
 Belajar Mengenai Dispersi

Describing Data:
Numerical Measures of Dispersion

Chapter 3
(Sebagian Part 2)

McGraw-Hill/Irwin Copyright © 2012 by The McGraw-Hill Companies, Inc. All rights reserved.
Learning Objectives
LO1 Menjelaskan konsep tendensi sentral.
LO2 Mengidentifikasi dan menghitung mean aritmatika.
LO3 Menghitung dan menafsirkan mean tertimbang.
LO4 Tentukan median.
LO5 Mengidentifikasi mode.
LO6 Menghitung Mean geometris.

LO7 Menjelaskan pengukuran dispersi dan

menginterpretasikan range, deviasi rata-rata, variansi, standar
deviasi pada data tunggal dan berkelompok
LO8 Menjelaskan Chebyshev’s Theorem dan aplikasinya

3-21
Mari Ingat kembali pertemuan
minggu lalu...
 LO7 Menjelaskan dan
mengaplikasikan pengukuran

Pengukuran Dispersi dispersi

 Ukuran lokasi, seperti mean atau median, hanya menggambarkan pusat data
(kecenderungan data ke tengah).Namun hal tersebut tidak mengungkap informasi
apa pun tentang penyebaran data.
 Misalnya, jika pemandu wisata alam Anda memberi tahu Anda bahwa kedalaman
sungai di depan rata-rata 3 meter, apakah Anda ingin menyeberang dengan berjalan
kaki tanpa informasi tambahan? Mungkin tidak.
 Naluri ingin mengetahui sesuatu tentang variasi kedalaman akan muncul.
 Mempelajari penyebaran data (dispersi) pada populasi/sampel juga berguna untuk
membandingkan penyebaran dalam dua atau lebih distribusi.

 RANGE

 MEAN DEVIATION

 VARIANCE AND STANDARD DEVIATION

3-23
DISPERSI DATA TUNGGAL
1
Range (Jangkauan)
 LO7
2
Contoh – Mean Deviation (Deviasi Rata-Rata)

EXAMPLE:
Berikut data jumlah cappucino yang dijual di lokasi Starbucks
Bandara Orange Country antara pukul 4 dan 7 malam. Pada
sampel 5 hari di tahun lalu diantaranya: 20, 40, 50, 60, dan 80.
Tentukan mean deviasi dari jumlah cappucino yang terjual.

Step 1: Hitung Rata-Rata

Step 2: Hitung selisih masing-masing data dengan rata-rata

Step 3: Hasil selisig masing-masing data dengan rata-rata kemudian

dijumlahkan (selalu positif)

x
 x  20  40  50  60  80  50
n 5

3-26
 3 4 LO7

Variansi dan Standar Deviasi

STANDARD DEVIATION Akar Kuadrat dari
VARIANSI adalah rata-rata hitung
Varians
kuadrat simpangan data dari rata-ratanya

 Varians dan deviasi standar tidak negatif dan bernilai nol

hanya jika semua pengamatan sama.
 Untuk populasi yang nilainya mendekati mean, varians
dan deviasi standar akan kecil.
 Untuk populasi yang nilainya tersebar dari mean, varians
populasi dan deviasi standar akan menjadi besar.
 Varians mengatasi kelemahan kisaran dengan
menggunakan semua nilai dalam populasi 3-27
 LO7
Contoh– Variansi dan Stadndar Deviasi pada
Populasi
Misalnya pada suatu kota (populasi) ada data Jumlah Kecelakaan per Bulanm

Berapa variansinya?

Step 1: Temukan rata-ratanya.

Step 2: Setiap data dikurangi dengan rata-rata, hasilnya dikuadratkan masing-masing (menjadi nilai positif).
Step 3: Jumlahkan selurung nilai pada Step 2

Step 4: Jumlah nilai pada Step 3 dibagi dengan jumlah observasi populasi.

  x  19  17  ...  34  10  348  29
N 12 12

 2

 ( X  ) 2


1,488
 124
N 12
3-28
 LO7
Contoh– Variansi dan Standar Deviasi pada
Sampel

Where :
s 2 is the sample variance
X is the value of each observation in the sample
X is the mean of the sample
EXAMPLE
n is the number of observations in the sample
Upah per jam untuk sampel karyawan paruh
waktu di Home Depot adalah: $ 12, $ 20, $
16, $ 18, dan $ 19.
Hitung variansi sampelnya ?

3-29
 LO7

DISPERSI DATA KELOMPOK

 LO7
Mari Bandingkan
Data Tunggal Data Kelompok

Range

Mean Deviation
(Deviasi rata-rata)

Variansi Populasi

Variansi Sampel

Standar Deviasi
Populasi

Standar Deviasi
Sampel
1 LO7
Range (Jangkauan)

Profit Danus Kelompk Ospek

Mahasiswa FEB UNAIR
2 LO7
Contoh – Mean Deviation (Deviasi Rata-Rata) Data Berkelompok

Profit Danus Kelompok Ospek Mahasiswa FEB UNAIR

 3 4 LO7
Contoh – Variansi dan Standar Deviasi Data Berkelompok

Profit Danus Kelompk Ospek Mahasiswa FEB UNAIR

 LO7
Karakteristik Varians & Standar Deviasi

 Variansi
 Semua observasi digunakan dalam perhitungan
 Nilainya sangat dipengaruhi oleh pengamatan ekstrim
 Selalu positif

 Standar Deviasi
 Dibentuk dari akar variansi
 Termasuk jenis pengukuran dispersi yang sering digunakan
 LO8 Menjelaskan Chebyshev’s
Theorem dan aplikasinya

Chebyshev’s Theorem and Empirical Rule

Pada sekelompok pengamatan data tertentu baik dalam bentuk populasi maupun sampel. Proporsi nilai-nilai yang
terletak di dalam standar deviasi “k” dari rata-ratanya sedikitnya 1-1/k kuadrat, di mana k adalah konstanta
yang lebih besar dari 1

Contoh:
Hasil rata-rata nilai UTS mahasiswa Akuntansi kelas N adalah 51,54. dengan standar deviasi 7,51. Sedikitinya kontribusi yang
terletak di pada penambahan 3,5 standar deviasi dan pengurangan 3,5 standar deviasi dari rata-ratanya.....?

3-36
Materi BAB mengenai Central
Tendensi dan Dispersi
 Belajar Mengenai Kemiringan Skewness
(Kemiringan) dan Kurtosis (Kelancipan)

Describing Data:
Numerical Measures of Skewness and
Kurtosisi

Chapter 3
(Sebagian Part 3)

McGraw-Hill/Irwin Copyright © 2012 by The McGraw-Hill Companies, Inc. All rights reserved.
Kemencengan Atau Kemiringan (Skewness)

 Merupakan tingkat ketidaksimetrisan atau kejauhan simetri dari sebuah

distribusi
 Sebuah distribusi yang tidak simetris akan memiliki rata-rata, median dan
modus yang tidak sama besarnya, sehingga distribusi akan
terkonsentrasi pada salah satu sisi dan kurvanya akan menceng

Cara menghitung:

•Koefisien Kemiringan Pearson

•Koefisien Kemiringan Bowley
•Koefisien Kemiringan Momen
(Relative Skewness)
1. Metode Mencari Koefisien Kemiringan Pearson

X  M0
sk  ; sk  koefisien kemiringan Pearson
s
Jika diketahui :

X  Mo  3 X  Me 
Maka :

sk 

3 X  Me 
s

 Jika sk = 0  kurva memiliki bentuk simetris

 Jika sk > 0  positively skewed
 Jika sk < 0  negatively skewed
 Contoh
Tentukan nilai sk dan ujilah arah kemiringannya serta gambar grafiknya!

Nilai Ujian Frekeunsi X  67,5

31 – 40 4 M 0  74,94
41 – 50 3
M e  70,5
51 – 60 5
61 – 70 8
s  16,3
71 – 80 11 X  M 0 67,5  74,94
sk    0,46
81 – 90 7 s 16,3
91 – 100 2
Jumlah 40

 nilai sk-nya negatif, maka

kurvanya menceng ke kiri
(menceng negatif)
2. Metode Bowley :

SkB 
 Q3  Q2    Q2  Q1 
 Sk
 Q3  Q2    Q2  Q1 
= 0  symmetric (Q2-Q1 = Q3-Q2)
B
 Sk = +  positively skewed
B

(Q2-Q1 < Q3-Q2)

 Sk = -  negatively skewed
B

(Q2-Q1 > Q3-Q2)

 Sk =  0,1 (not significantly skewed)
B

SkB >  0,3 (significantly skewed)

 CONTOH
Tentukan kemiringan kurva dari distribusi frekuensi berikut!

Q1  45,895
Nilai Ujian Frekeunsi
Q2  54,37
20 – 29,99 4
30 – 39,99 9 Q3  61,87
40 – 49,99 25 Q3  2Q2  Q1
sk B 
50 – 59,99 40 Q3  Q1
60 – 69,99 28
61,87  2(54,37)  45,895
70 – 79,99 5 
Jumlah 111
61,87  45,895
 0,06
 Karena skB negatif, maka kurva
miring ke kiri dengan
kemencengan yang berarti
Relative skewness :

1
n
X  X  3

 Ungrouped data : 3 
s3
1
N

f X X  3

 Grouped data : 3 
s3

 KarlPearson : 3   0,5
 Kenny & Keeping :

 -2  3  2 (moderately skewed)
3   2 (significantly skewed)
Skewness for Grouped Data
Solusi
Maka,
 KERUNCINGAN/KURTOSIS/ PEAKEDNESS
 Menunjukkan tingkat kepuncakan
(keruncingan) dari sebuah distribusi
yang biasanya diambil secara relatif
terhadap suatu distribusi normal
 Berdasarkan keruncingan, kurva
distribusi dapat dibedakan menjadi
3 macam, yaitu:
 Leptokurtik
Distribusi yang memiliki puncak
relatif tinggi
 Platikurtik
Distribusi yang memiliki puncak
hampir mendatar
 Mesokurtik
Distribusi yang memiliki puncak
yang tinggi dan tidak mendatar
 Peakedness
Formula :
1
n   X X
4

 4 
 Ungrouped
s4
data :

 f X  X 
4
1
 Grouped data : 4  N
s4

 Note :
 4 = 3  normo/mesokurtic
 4 = > 3  leptokurtic
 4 = < 3  platykurtic
Peakeness for Grouped Data

Peakeness ?
Solusi
 TERIMAKASIH

McGraw-Hill/Irwin Copyright © 2012 by The McGraw-Hill Companies, Inc. All rights reserved.