Tendensi Sentral

&
Distribusi
Normal
Statistika Kelompok 7
Kelas C
Nama Anggota Kelompok 7

1. Binti Mustami`ul Azizah (K2320022)

2. Luluk Arifatul H. (K2320049)
3. Rizki Sufistika Adila P. (K2320064)
 Tendensi Sentral
Nilai sentral atau tendensi sentral adalah
nilai dalam rangkaian data yang mewakili
Tendensi sentral digunakan untuk menggambarkan sifat
rangkaian data tersebut. Tendensi sentral
sekumpulan data dari suatu pengamatan. Sentral Tendensial
merupakan suatu ukuran yang digunakan untuk
juga bisa disebut nilai yang representatif dalam suatu
mengetahui kumpulan data mengenai sampel
kelompok observasi atau studi. Syarat-syaratnya adalah
atau populasi yang disajikan dalam tabel atau
sebagai berikut:
diagram, yang dapat mewakili sampel atau
1. Harus dapat mewakili rangkaian data
populasi. Bila ukuran tersebut diambil dari
2. Perhitungannya harus didasarkan pada seluruh data
sampel disebut statistik dan jika ukuran itu
3. Perhitungannya harus objektif
diambil dari populasi disebut parameter. 4. Perhitungannya harus mudah
5. Dalam suatu rangkaian hanya ada 1 nilai sentral
Terdapat tiga ukuran tendensi sentral yang sering digunakan, yaitu mean (rata-rata hitung/rata-rata
aritmetika), median, modus.

1. Mean
Arti dari mean tidak lain adalah “angka rata-rata”. Istilah Mean akan tetap dipakai
disini oleh karena sudah lazim digunakan dalam statistik. Dari segi aritmetik Mean
adalah “Jumlah nilai-nilai dibagi dengan jumlah individu”.

Mean (rata-rata) merupakan jumlah seluruh nilai data dibagi dengan seluruh kejadian
atau nilai rata-rata dari beberapa buah data.
 Mean data MEAN DATA KELOMPOK

Tunggal

 
Atau:
Keterangan :
lebih sederhananya ditulis;
X1: data ke 1
Keterangan :
X1: data ke 1 X2: data ke 2
X2: data ke 2 Xn: data ke n
  Xn: data ke-n f1: frekuensi data ke 1
n: jumlah data Simbol ∑ adalah f2: frekuensi data ke 2
huruf Yunani yang disebut “Sigma” fn: frekuensi data ke n
dan mempunyai arti jumlah. n: jumlah data
xi: nilai tengah
 ●Kelebihan mean:
1. Nilai rata-rata punyai sifat objektif
2. Nilai rata-rata mudah dimengerti
3. Nilai rata-rata mudah dihitung
4. Perhitungan rata-rata didasarkan pada data keseluruhan sehingga nilai
rata-rata dapat mewakili suatu rangakaian data.
5. Nilai rata-rata mempunyai stabilitas sampel
6. Nilai rata-rata digunakan untuk perhitungan lebih lanjut
●Kelemahan mean:
1. Nilai rata-rata mudah dipengaruhi oleh nilai ekstrem, baik kecil
maupun besar
2. Pada distribusi yang condong, nilai rata-rata kurang mewakili
Data tunggal Data kelompok
1. Lulusan Universita 1. Lulusan Universita

 
2. Lulusan Diploma 2. Lulusan Diploma

●  

3. Lulusan SLTA
3. Lulusan SLTA
 2 Median
Median (nilai tengah), adalah suatu nilai yang membatasi 50% dari frekuensi
distribusi sebelah atas dan 50% frekuensi distribusi sebelah bawah atau merupakan
nilai tengah dari rangkaian data yang telah tersusun secara teratur.

Median Data Kelompok

  Median Data Tunggal
Jika banyak data ganjil maka median
setelah data disusun menurut nilainya
merupakan data paling tengah.
Keterangan :
Keterangan :
Lm= true lower limit atau batas bawah sesungguhnya dari kelas
n= Jumlah data
dengan frekuensi paling tinggi (tepi bawah kelas median)
n= Jumlah Frekuensi
∑f= Frekuensi kumulatif diatas kelas median
fm= Frekuensi kelas median (frekuensi tertinggi dari kelas interval)
c= interval kelas median
 Median memiliki kelebihan dan kekurangan
antara lain:
Kelebihan:
1. Cocok untuk data heterogen
2. Median digunakan bila terdapat data yang
ekstrim dalam sekelompok data
Kekurangan:
3. Tidak mempertimbangkan semua nilai
4. Kurang dapat menggambarkan mean populasi
 Data
Data kelompok
tunggal

1. Lulusan Universita 1. Lulusan Universita

   
2. Lulusan Diploma
2. Lulusan Diploma

3. Lulusan SLTA

3. Lulusan SLTA
 3. MODUS

Modus, merupakan nilai data yang memiliki frekuensi terbesar atau dengan
kata lain, nilai data yang paling sering terjadi. Ukuran ini juga dalam keadaan
tidak disadari sering dipakai untuk menentukan rata-rata data kualitatif. Misalnya
banyak kematian di Indonesia disebakan oleh penyakit malaria, pada umumnya
kecelakaan lalulintas karena kecerobohan pengemudi, maka tidak lain masing-
masing merupakan modus penyebab kematian dan kecelakaan lalu lintas. Cara
menentukan modus amat sangat mudah hanya dengan mengamati data yang
paling sering muncul. Dalam satu rangkaian data, kadang dijumpai adanya 1
modus, 2 modus atau tidak ada modus.
 Modus Data Tunggal
Dalam data tunggal, modus dapat dibatasi sebagai nilai variabel yang
mempunyai frekuensi tertinggi dalam distribusi. Cara menentukan modus data
tunggal yakni dengan mengamati data yang paling sering muncul.
Contoh modus data tunggal:

  Modus Data Kelompok

Untuk data  kualitatif yang telah disusun dalam tabel distribusi frekuensi
(data berkelompok), modusnya dapat ditentukan dengan rumus:

dengan:
Lmo = Tepi bawah kelas modus
d1 = selisih antara frekuensi kelas modus dengan frekuensi kelas sebelum
modus
d2 = selisih antara frekuensi kelas modus dengan frekuensi kelas sesudah
modus
c = interval kelas modus
 Modus dibandingkan ukuran lainnya, tidak tunggal adanya. Yang berarti
sekumpulan data biasanya mempunyai lebih dari sebuah modus.
 Kelebihan:
1. Tidak peka atau tidak terpengaruh pada nilai ekstrem
2. Cocok untuk data homogen maupun heterogen (dapat digunakan untuk semua
jenis data)
 Kekurangan:
3. Kurang menggambarkan mean populasi
4. Modus bisa lebih dari satu, atau tidak ada satu pun
5. Teknik perhitungan ukuran ini kurang memiliki ketelitian
DATA TUNGGAL
 Data kelompok
NO INTERVAL JUMLAH
1 123-1921 28
2 1922-3720 2
NO INTERVAL JUMLAH
3 3721-5519 2
4 5520-7318 1 1 726-9274 26
5 7319-9117 0 2 9275-17823 4
6 9118-10916 0
3 17824-26372 1
7 10917-12715 1
  TOTAL 34 4 26373-34921 2
5 34922-43470 0
NO INTERVAL JUMLAH 6 43471-52019 0
1 22-4823 31 7 52020-60568 1
2 4824-9625 2
  TOTAL 34
3 9626-14427 0
4 14428-19239 0
5 19230-24031 0
6 24032-28833 0
7 28834-33635 1
  TOTAL 34
 Data
Data kelompok
tunggal
1. Lulusan Universita 1. Lulusan Universita

  2. Lulusan Diploma   2. Lulusan Diploma

Modus
Tidak terdapat modus karena semua data
hanya 1 kali bermunculan
3. Lulusan SLTA

3. Lulusan SLTA
Varian
Pengertian
varian
Dalam teori dan statistik dan statistika probabilitas, arti
varian adalah pengukuran sebaran antar angka dalam suatu
kumpulan data. Atau dengan kata lain, secara informal, ini
mengukur seberapa jauh serangkaian angka tersebar dari nilai
rata-ratanya.

Varian adalah alat penting dalam sains, di mana analisis

statistik data biasa dilakukan. Varian adalah kuadrat dari
simpangan baku atau standar deviasi, momen pusat kedua
dari sebuah distribusi, dan kovariansi variabel acak dengan
dirinya sendiri, dan sering kali diwakili σ2, s2, Var(X).
 RUMUS
VARIANSI
Rumus varian populasi yaitu sebaagi berikut: Rumus varian sampel yaitu sebaagi berikut:

 
Dengan keterangan:
Dengan keterangan:
 σ : Simpangan baku populasi
 s2 : varian
 N : Jumlah observasi dalam populasi  s : standar deviasi (simpangan
baku)
 Xi : nilai x ke-i pada populasi
 xi : nilai x ke-i
 : Rata-rata populasi  x : rata-rata
 N : ukuran sampel
 Cara Penggunaan Varian

1. Varian mengukur variabilitas dari rata-rata atau mean. Bagi investor, variabilitas adalah
volatilitas, dan volatilitas adalah ukuran risiko. Oleh karena itu, statistik varian dapat
membantu menentukan risiko yang diasumsikan investor saat membeli sekuritas tertentu.
2. Varian besar menunjukkan bahwa angka-angka dalam himpunan jauh dari mean dan dari satu
sama lain, sedangkan varian kecil menunjukkan sebaliknya.
3. Varian bisa negatif. Nilai varians nol menunjukkan bahwa semua nilai dalam sekumpulan
angka identik.
4. Semua varian yang bukan nol akan menjadi bilangan positif.
VARIANSI DATA
LULUSAN
UNIVERSITAS
VARIANSI
DATA
LULUSAN
DIPLOMA
VARIANSI
DATA
LUUSAN
SLTA
DISTRIBUSI
NORMAL
 DISTRIBUSI
NORMAL
Distribusi normal merupakan distribusi paling
penting dalam bidang statistika. Banyak gejala yang
muncul di alam, industri, dan penelitian yang dapat
digambarkan dengan baik oleh kurva distribusi
normal. Kurva distribusi normal ini berbentuk
seperti lonceng atau genta, dan persamaannya
pertama kali ditemukan tahun 1733 oleh Abraham
DeMoivre. Distribusi ini disebut juga distribusi
Gauss, untuk menghormati Karl Fredrich Gauss
(1777-1855), yang juga menemukan persamaannya
waktu meneliti galat dalam pengukuran yang
berulang-ulang mengenai bahan yang sama.
Persamaan matematika distribusi peluang peubah
normal kontinu bergantung pada dua parameter,
yaitu rataan µ dan simpangan baku σ .
Ciri-ciri Distribusi Normal :
a. Disusun dari varibel random kontinu
b. Kurva distribusi normal mempunyai satu puncak.
c. Nilai mean, median dan modus terletak pada satu titik
d. Kurva normal dibentuk dari jumlah pengamatan yang sangat banyak
e. Event yang dihasilkan bersifat independen
f. Ekor kurva mendekati absis pada penyimpangan ke kiri dan ke kanan
sebesar 3 SD dari rata-rata dan ekor grafik ini dapat dikembangkan terus
tanpa menyentuh absis.
Bila δ besar maka kurva yang dihasilkan mempunyai puncak yang rendah
atau kurva ceper, sebaliknya jika δ kecil maka kurva mempunyai puncak
yang tinggi dan ekor kurva ramping.
Pengukuran
Distribusi Normal
Kurva normal juga dapat dibentuk
dengan µ yang berbeda-beda atau
keduanya µ dan σ yang berbeda.
Normal umum
Dimana μ = rata-rata
σ = simpangan baku
  
Normal baku (standar) Persamaan distribusi normal ini
adalah sebagai berikut (Walpole,
1995):

Cara mencari
 Universitas
Data 1  
   
Rata-Rata 1401
Sta dev 2072.022

Chart Title
0

0
0 2000 4000 6000 8000 10000 12000
DIPLOMA
Data 2  
Rata-Rata 1910
Sta dev 4991.76

Chart Title
0
0
0
0
0
0
0
0
0
0
0 5000 10000 15000 20000 25000 30000 35000
 SMA
Data 3  
Rata-Rata 7521
Stav Dev 10402.55

Chart Title
0
0
0
0
0
0
0
0
0
0
0 10000 20000 30000 40000 50000 60000
Kesimpulan
Ada beberapa pengukuran tendensi sentral
yaitu mean (rata-rata), median (nilai tengah),
dan modus (nilai yang sering muncul).
Nilai sentral atau tendensi sentral adalah
nilai dalam rangkaian data yang mewakili
rangkaian data tersebut. Tendensi sentral
merupakan suatu ukuran yang digunakan
untuk mengetahui kumpulan data mengenai
sampel atau populasi yang disajikan dalam Distribusi normal, disebut pula distribusi
tabel atau diagram, yang dapat mewakili Gauss, adalah distribusi probabilitas yang
sampel atau populasi. paling banyak digunakan dalam berbagai
analisis statistika.
Kesimpulan
Distribusi normal baku adalah distribusi
normal yang memiliki rata-rata nol dan
simpangan baku satu. Ada 2 pengukuran
distribusi normal yaitu normal umum dan
normal baku.
Saran
Dalam materi tendensi sentral dan distribusi
normal, kita harus ekstra teliti saat
mengerjakan karena jika kita kurang teliti
hasilnya tidak akan sesuai pada data
sesungguhnya.
TERIMAKASIH