TENDENSI

SENTRAL
Anni Fithriyatul Mas’udah
FIK Universitas Muhammadiyah Ponorogo
 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
■ Ukuran yg umum digunakan:
– Rata-rata/Rerata
– Median
– Modus
Konsep Umum

■ Jika kita ditanya:

“Bagaimana hasil ujian
mahasiswa ?”
■ Kita tidak akan
menjelaskan satu persatu
nilai mahasiswa 
terlalu ruwet
■ Pada umumnya kita akan
menjawab: “Lumayan,
rata-ratanya 60”
Konsep Umum
■ Pada percakapan sehari-hari, kita memahami arti “rata-rata 60”
 sebagian besar mahasiswa memperoleh nilai sekitar 60
– SEBAGIAN BESAR BUKAN SEMUA
– Nilai rata-rata digunakan untuk menggambarkan nilai
sebagian besar/umumnya dari mahasiswa
■ Ada mahasiswa yg memperoleh nilai di bawah dan di atas
rata-rata
 Pengukuran Statistik
Ukuran Sentral (Pemusatan) :
• Mean
• Median
• Modus
•Ukuran Variasi (Penyebaran) :
• Range (min-max)
• Standar deviasi
• Varian
•Ukuran Posisi:
• Median
• Kuartil, Desil, Persentil

5
 Mean / Rata-rata
 Mean paling sering digunakan untuk menggambarkan
ukuran pemusatan data
 Rumus: n


i 1
xi
x=
n
 Contoh: Lama rawat 10 pasien (hari)
 Data: 2, 3, 4, 2, 3, 5, 3, 6,6 ,3, 4
 Nilai Mean=(2+3+4+2+3+5+3+6+3+4)/10=3.5 hari
3.5
 Sifat nilai Mean
 Proses perhitungannya melibatkan semua data
 Sangat sensitif terhadap nilai ekstrim (kecil atau besar)
 Data: 2, 3, 4, 2, 3, 5, 3, 31 , 3, 4
31
 Nilai Mean=(2+3+4+2+3+5+3+20+3+4)/10=6.0 hari
6.0

6
Median / Nilai Tengah
 Median membagi data menjadi dua bagian yaitu
50% data berada di bawah nilai median dan 50%
data berada di atas nilai median
 Proses perhitungannya
1. Mengurutkan data dari terkecil ke terbesar
2. Menentukan posisi median yaitu (n+1)/2
3. Nilai Median adalah nilai pada posisi median
 Contoh: Lama rawat 10 pasien (hari)
 Data: 2, 3, 4, 2, 3, 5, 3, 6, 3, 4
 Di urutkan menjadi: 2,2,3,3,3, 3,4,4,5,6
 Posisi median (10+1)/2=5.5
 Nilai median adalah (3+3)/2= 3 hari Posisi median

7
Median (jika ada nilai ekstrim)

 Tidak terpengauh oleh nilai ekstrim (kecil atau besar)

 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

 Median
 Data: 2, 3, 4, 2, 3, 5, 3, 31 , 3, 4
31
 Diurut: 2 2 3 3 3 3 4 4 5 31

 Posisi Median: di urutan 5,5

 Nilai Median: (3+3)/2 = 3.0 hari

8
Modus
 Secara kuantitatif nilai yang paling banyak muncul
atau frekuensi paling besar atau nilai pada posisi
puncak suatu kurva/grafik histogram
 Proses perhitungannya
 Mengurutkan data dari terkecil ke terbesar

(mempermudah)
 Satu modus (unimodal), dua modus (bimodal), dst

 Tidak ada modus

 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

9
 Hubungan Empiris Mean, Median dan Modus

Simetris ‘Skewness’ positif

Miring ke kanan

Mean=Med=Mod Mod Md Mean

‘Skewness’ negatif

• Mean=Median=Modus simetris
• Modus<Median<Mean ‘Skewness’ Positif
• Mean<Median<Modus ‘Skewness’ Negatif

Mean Med Mod

10
 Kelebihan dan Kekurangan Mean, Median dan Modus

Mean
Kelebihan Kekurangan
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

11
Ukuran Letak/Posisi Data

 Median (membagi 2)
 Kuartil (membagi 4)
 Desil (membagi 10)
 Persentil (membagi 100)

12
 Ukuran Letak/Posisi Data

Median

K1 K2 K3

D1 D9
P10 P25 P75 P90

13
 Ukuran Posisi Data
 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
 Nilai kuartil (berada pd 1 titik)  Nilai pada posisi tsb
 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

 Posisi K1 adalah 1x (15+1)/4= 4 ada di posisi ke-4

Nilai K1=5
 Posisi K2 adalah 2x (15+1)/4=8 ada di posisi ke-8
Nilai K2=6
 Posisi K3 adalah 3x (15+1)/4=12 ada di posisi ke-12
Nilai K3=9
14
 Ukuran Posisi Data
 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)
 Nilai kuartil (posisi median berada antara 2 titik)

 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

 Posisi K1 adalah 1x (14+1)/4=3.75 ada diantara posisi 3 dan 4

 Nilai K1 = 4+0.75(5-4) =4.75

 Posisi K2 adalah 2x (14+1)/4=7.5 ada diantara posisi 7 dan 8

 Nilai K2 = 6+0.5(6 -6) = 6

 Posisi K3 adalah 3x (14+1)/4=11.25 ada diantara posisi 11 dan 12

 Nilai K3 = 8+0.25 (9-8) = 8.25 15
 Ukuran Posisi Data
 Desil
 Desil membagi data menjadi 10 (sepuluh) bagian yang sama
 D1, D2, ……. , D9
 Posisi  Di= i (n+1)/10, i=1,2,3,4,5,6,7,8,9
 Nilai desil (jika posisi desil berada antara 2 titik)
 Di= x1 + [ posisi,?? (x2-x1) ]?? = desimal
 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

 Posisi D1 adalah 1 x (14+1)/10=1.5 ada diantara posisi 1 dan 2

 Nilai D1=2 + 0.5 (3-2)=2.5

 Posisi D5 adalah 5 x (14+1)/10=7.5 ada diantara posisi 7 dan 8

 Nilai D2=6 + 0.5 (6-6)=6

 Posisi D7 adalah 7 x (14+1)/10=10.5 ada diantara posisi 10 dan 11

 Nilai D7=8 + 0.5 (8-8)=8
16
 Ukuran Posisi Data
 Desil
 Desil membagi data menjadi 10 (sepuluh) bagian yang sama
 D1, D2, ……. , D9
 Posisi  Di= i (n+1)/10, i=1,2,3,4,5,6,7,8,9
 Nilai desil (jika posisi desil berada antara 2 titik)
 Di= x1 + [ posisi,?? (x2-x1) ]?? = desimal
 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

 Posisi D1 adalah 1 x (15+1)/10=1.6 ada diantara posisi 1 dan

2
 Nilai D1=2 + 0.6 (3-2)=2.6

 Posisi D5 adalah 5 x (15+1)/10=8 ada di posisi 8

 Nilai D5=6

 Posisi D7 adalah 7 x (15+1)/10=11.2 ada diantara posisi 11

17
dan 12
 Ukuran Posisi Data
 Persentil
 Persentil membagi data menjadi 100 (seratus) bagian yang sama
 P1, P2, ……. , P99
 Pi= i (n+1)/100, i=1,2, ………, 99
 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

 Posisi P50 adalah 50 x (14+1)/100=7.5 ada diantara posisi 7 dan

8
Nilai P50=6 + 0.5 (6-6)=6

 Posisi P75 adalah 75 x (14+1)/100=11.25 ada diantara posisi 11

dan 12
Nilai P75=8 + 0.25 (9-8)=8.25

18
Ukuran Variasi Data

Range (min-max)
Mean Deviasi
Standar Deviasi
Variasi (varians)

19
 Ukuran Variasi Data
 Contoh:Lama rawat 10 pasien (hari) di Dua RS
 RS A: 2,2,3,3,3,3,4,4,5,6 maka nilai Mean=3.5 hari, median 3

hari
 RS B: 1,1,2,3,3,3,4,5,5,8 maka nilai Mean=3.5 hari , median 3

hari
 RS A dan RS B mempunyai nilai Mean yang sama tetapi
mempunyai variasi data yang berbeda
 Range RS-A = 2 sd 6 hari dan RS-B = 1 sd 8 hari

 SD RS A= 1.27 hari dan SD RS B=2.12 hari

 Bila hanya menampilkan informasi ukuran pemusatan data

(misalnya Mean) ternyata ada informasi yang hilang tanpa
mengikutsertakan ukuran variasi data.
 Ukuran Variasi Data
 Standar Deviasi
 Ukuran variasi data yang paling sering
digunakan
 Lebih menggambarkan variasi data yang
sesungguhnya dibandingkan Range & mean
deviasi
 Rumus Standar Deviasi Sampel

  x  x
n
2
i
i 1
SD =
n 1
 Standar Deviasi Populasi

  x  x
n
2
i
i 1
SD =
N
 (Standar Deviasi)2 = Varians
 Rata-rata kuadrat Penyimpangan dari masing-masing
pengamatan terhadap nilai Mean-nya
 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

23
 Range
 Ukuran variasi data yang paling sederhana dibandingkan dengan
Mean dan Standar Deviasi
 Proses perhitungannya:
 Urutkan data dari terkecil ke terbesar

 Nilai Range adalah selisih dari data terbesar terhadap data

terkecil
 Contoh: Lama rawat 10 pasien (hari) di Dua RS
 RS A: 2,2,3,3,3,3,4,4,5,6 maka nilai Range=4 hari

 RS B: 1,1,2,3,3,3,4,5,5,8 maka nilai Range=7 hari

 Nilai range juga sensitif terhadap nilai-nilai ekstrim besar atau kecil

24
 Latihan
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
152 155 167 154 163 152 150 159 163 152 153 160 155 150 160 160 150 158 150 154
42 47 59 53 48 60 57 64 63 48 50 75 80 40 65 44 60 43 44 53

Hitunglah:
1. nilai Kuartilnya (K1, K2 dan K3)
2. Mean
3. Median
4. Standar deviasi
5. Mana yg lebih bervariasi TB atau BB?
 Contoh soal
■ Diketahui dari 200 mhs,
rata2 berat badannya adalah 60 kg,
median 50,01kg
Std Deviasi 12 kg,
minimum 45kg, dan maksimum 80 kg.
1. Hitunglah berapa org mhs yg memiliki
berat badan <=50kg?
2. Hitunglah berapa org mhs yg memiliki
berat badan >50kg?

26
Contoh soal
■ Diketahui dari 200 mhs, rata2 berat
badannya adalah: 60 kg, kuartil-1:
45,01kg, Std Deviasi: 12 kg,
minimum:40kg, dan maksimum:80 kg.
1. Hitunglah berapa org mhs yg memiliki
berat badan <45kg? = 25% * 200 = 50
org
2. Hitunglah berapa org mhs yg memiliki
berat badan >45kg? = 75% * 200 = 150
org
27
TUGAS
■ Dari variabel: 1. Umur, 2. BB, 3. TB
Hitunglah:
– nilai Kuartil-1 dan kuartil-3
– Mean
– Median
– SD
– Mana yg lebih bervariasi dari ke-3
var tsb?
■ (Gunakan data yg sama)

28