Tendensi central biasa disebut nilai tengah,

yaitu angka yang menunjukkan nilai yang

terletak ditengah-tengah hasil observasi.

Dalam bidang kesehatan, ukuran

tengah yang lazim ad/ :
Mean, median dan modus.
 MEAN
Mean ad/ konstanta yang diperoleh dengan
jalan menjumlahkan semua nilai observasi
yang dibagi dgn semua jumlah
observasi/pengamatan.
 Rumus:

Keterangan :
X : Mean
Xn : Jumlah Nilai Observasi
n : Jumlah Observasi
f.X : Jumlah Frekuensi Nilai
f : Jumlah Frekuensi
Hal-hal yg perlu diperhatikan
dlm mean

 Hanya berlaku untuk data kuantitatif.

 Sangat dip’aruhi jumlah dan nilai
observasi.
 Paling tepat untuk distribusi normal
 MEDIAN
• Median ad/ nilai yg terletak di tengah-tengah
observasi/p’amatan dr Array data
 Rumus

Keterangan :
Md : Median
n : Jumlah Observasi
Hal-hal Yg Perlu Dip’hatikan Dlm Median

•  Tidak dipengaruhi oleh nilai observasi

 Dipengaruhi oleh jumlah observasi
 Hrs dari array data
 Paling tepat u/ distribusi tdk normal
(miring)
 Ada nilai yg dikelompokkan dlm
golongan/kelompok yg lebih bervariasi
Ukuran yang biasa digunakan :
1. Kuartil
2. Desil
3. Persentil
 KUARTIL

KUARTIL adalah angka yg

menunjukkan distribusi nilai berskala 4
dan biasa disingkat :
K1, K2 dan K3
 DESIL

DESIL, yaitu angka yg menunjukkan

distribusi nilai berskala 10 dan
biasanya ditunjukkan dengan :
D1, D2 ..... s/d D10
 PERSENTIL

PERSENTIL yaitu angka yang

menunjukkan distribusi nilai berskala 100
dan biasanya ditunjukkan dengan
P1, P2 ,P3 ..... s/de P100
 Perhatikan gambar berikut :
K1 K2 K3
 Kuartil

D1 D5 D10
 Desil

P1 P25 P50 P75 P100

 Persentil
Untuk mencari nilai letak Kuartil, Desil dan
Persentil maka menggunakan Rumus :
K1 = ¼ (n+1)
K2 = ½ (n+1)
K3 = ¾ (n+1)
 
D2 = 2/10 (n+1)
D5 = 5/10 (n+1)
D8 = 8/10 (n+1)
  
P20 = 20/100 (n+1)
P50 = 50/100 (n+1)
P70 = 70/100 (n+1)
 MODUS (Mo)
• Modus/Mode ad/ nilai yang paling dominan
(sering muncul) pada sejumlah observasi.
Ada Modus tunggal dan ganda

Catatan :

Normal Pletto Kurtosis Pletti Kurtosis

 PENGUKURAN DISPERSI
(NILAI SEBARAN)

Batasan :Penyebaran atau variasi dari rata-rata (Mean)

Jenis Ukuran :
Range
Adalah selisih antara nilai tertinggi dan nilai terendah dari distribusi nilai
observasi
 Avarage Deviasi (Mean Deviasi)
Adalah rata-rata dari deviasi nilai-nilai dari dari mean dari distribusi nilai
observasi.
Rumus :

 (X-X)
n
MD (AD) =
 Ukuran Sebaran data

• Rentang (R)
• R=Nilai terbesar – Nilai Terkecil
• Nilai R akan selalu positif, dengan interprestasi sebagai berikut:
• R= 0, menunjukkan bahwa data terbesar sama dengan data terkecil
• R kecil, menyatakan perbedaan nilai yang satu dengan yang lainnya kecil, hal ini
memberikan informasi bahwa data akan mengumpul di sekitar pusat data
• R bernilai besar, menunjukkan bahwa paling sedikit ada satu data yang harganya
berbeda jauh dengan data lainnya

• Deviasi rata-rata (d)

n 

 ( x  x)
i
d  i 1

n
•  Standart Deviasi
Standart deviasi pada dasarnya merupakan
nilai dari Avarage deviasi yang diStandartkan.

Rumus :

 (X-X)2
n
SD (S) =
• Koefisien Deviasi (Coefficient Of Variation)
Rumus :

S
CV = x 100
X
Keterangan :
MD/AD : Mean Deviasi
SD/S : Standart Deviasi
CV : Koefisien Deviasi
X : Nilai Observasi
X : Nilai rata-rata Observasi (Mean)
N : Jumlah Observasi
 Ukuran Sebaran data
• D akan selalu berniali lebih bear atau sama dengan nol, dengan interprestasi sebagai
berikut :
• d = 0 artinya semua niali data sama dengan rata-ratanya
• d kecil, artinya perbedaan nilai satu dengan lainnya kecil, akibatnya data mengumpul
disekitar rata-ratanya
• D bear, artinya paling sedikit ada satu data yang harganya berbeda jauh dengan data lainnya

• Variansi (s2) dan Simpangan Baku(s)

N  2

2
 ( Xj 
j 1
X )
s 
N

N  2
 ( Xj 
j 1
X )
S 
N

• Koefisien Variansi (CV)

 Ukuran Sebaran data
• Nilai s2 dan s selalu non negatif, dengan interprestasi sbb:
• s2 atau s = 0 berarti nilai data sama dengan rata-ratanya
• s2 atau s kecil, menyatakan bahwa perbedaan data yang satu denga yang lain kecil,
akibatnya data akan mengumpul di sekitar pusat data
• s2 atau s besar artinya paling sedikit ada satu data yang harganya berbeda jauh
dengan data lainnya

• Koefisien Variansi (CV)

S
CV  

X
 Contoh : Nilai UTS
NO NILAI FREKUENSI Persen
1. 60 20  
2. 80 25  
3. 50 15  
4. 90 10  
JUMLAH 70 100 %

Mean : 69,3
Median : 70
Modus : 80