NILAI PEMUSATAN

NILAI PENYEBARAN
 NILAI PEMUSATAN
Central tendency
Nilai representatif dr seklp nilai hsl
observasi
Nilai yg berkecendrungan di tengah
Utk mendpt gambaran umum dr suatu
pengamatan
Meliputi :
a. Mean (rata-rata hitung)
b. Median (nilai posisi tengah)
c. Modus (nilai dg frek terbanyak)
 MEAN
Rata – rata hitung
Pada populasi : µ (miu), pada sampel : 
(x bar)
Jumlah semua nilai hsl pengamatan (x)
dibagi dg banyaknya pengamatan (n)
Sifat :
- mempertimbangkan semua nilai pengamatan
- hanya utk data kuantitatif
- dipengaruhi nilai ekstrim (besar at kecil)
 MEAN
Rumus mean

- Data Tunggal :

 = x1 + x2 + x3 + …..
n
atau  : mean
x1 : nilai pengamatan ke-1
x2 : nilai pengamatan ke-2
=x x : jml nilai tiap pengamatan
n : jml pengamatan
n
 MEAN
Rumus mean

- Data Berkelompok :

=  fx
n
atau
 : mean
fx : jml nilai pengamatan
 =  f.tt f.tt : jml nilai pengamatan
n n : jml pengamatan
Contoh 1 :
berat badan (kg) :

65, 66, 55, 70, 67, 53, 61, 64, 75 dan 50

Mean ?

c= 620 = 62 kg
10
Contoh 2 :
x f tt f.tt
41 – 45 2 43 86
46 – 50 5 48 240
51 – 55 10 53 530
56 – 60 15 58 870
61 - 65 13 63 819
45 8545

= 8545 = 56,6 Kg
45
 MEDIAN

Nilai pengamatan yg terletak ditengah stl

data diarray
Sifat :
- mudah dihitung dan dimengerti
- dipengaruhi oleh jumlah pengamatan
- tdk dipengaruhi oleh nilai pengamatan
 MEDIAN
Rumus median

Data Tunggal :

- nilai pengamatan di array

- jml pengamatan = n dan n = angka ganjil :
(n + 1)/2
- bila n = angka genap
antara ½ n dg ½ n + 1
 MEDIAN
Data Berkelompok :
tentukan kelas median, penentuan dg bantuan
frek kumulatif
Nilai median dihitung :
Me = Bb + p (n/2 – F)
f
Me : median
Bb : batas bawah kls median
p : panjang kelas (interval)
n : jumlah data
F : jumlah semua nilai sblm kelas median
f : jumlah kelas median
Contoh 1 :

Data berat badan :

57, 55, 56, 49, 47

Dit. Median ?

Array : 47, 49, 55, 56, 57

n = 5, posisi median = (5 + 1)/2 = 3
Nilai pengamatan ke- 3 = 55
Jadi nilai median = 55
Contoh 2 :

Data berat badan :

57, 55, 56, 49
Dit. Median ?

Array : 49, 55, 56, 57

n = 4, posisi median = antara 4/2=2 & (4/2) + 1=3
Nilai pengamatan ke- 2 (55) dan ke- 3 (56)
Jadi nilai median = (55 + 56)/2 = 55,5 Kg
Contoh 3 :
x f f kum

41 – 45 2 2
46 – 50 5 7
51 – 55 10 17
56 – 60 15 32
61 - 65 13 45
45

Posisi me = (45+1)/2 = 23 = kelas 56 – 60

Bb = 55,5
p =5
F = 17
f = 15
Me = 55,5 + 5 x (23-17)/15 = 57,5 Kg
 MODUS

Nilai yg paling sering muncul

Nilai yg frekwensinya terbanyak
Sifat :
- digunakan pd data kualitatif dan kuantitatif
- dpt unimodus, bimodus, multimodus
 MODUS
Data Tunggal : nilai pengamatan yg sering muncul

Data Berkelompok :
tentukan kelas modus = cari kelas dg frekwensi tertinggi
Nilai modus dihitung :
Mo = Bb + p ( b1 )
(b1 + b2)
Mo : modus
Bb : batas bawah kls modus
p : panjang kelas (interval)
b1 : frekwensi kls modus – frekwensi sbl kls modus
b2 : frekwensi kls modus – frekwensi ssd kls modus
Contoh 1 :

Data berat badan :

57, 55, 55, 56, 56, 56, 49, 47
Mo = 56

Data berat badan :

57, 55, 55, 56, 56, 49, 47
Mo = 2 modus (55 & 56)
Contoh 3 :
x f

41 – 45 2
46 – 50 5
51 – 55 10
56 – 60 15
61 - 65 13
45

Posisi mo = 15 = kelas 56 – 60
Bb = 55,5
p =5
b1 = 15 – 10 = 5
b2 = 15 – 13 = 2
Mo = 55,5 + 5 x (5/5+2) = 59,1 Kg
 Hub Mean, Median dan Modus

1. Kurva simetris : mean = median = modus

2. Kurva miring kanan : modus kekiri, mean
kekanan, median ditengah
3. Kurva miring kiri : modus kekanan, mean kekiri,
median ditengah
UKURAN DISPERSI
(PENYEBARAN DATA)
Dengan mengetahui nilai rata-rata saja,
informasi yang didapat kadang-kadang bisa
salah interpretasi.
Misalnya, dari dua kelompok data diketahui
rata-ratanya sama, kalau hanya dari informasi
ini kita sudah menyatakan bahwa dua
kelompok ini sama, mungkin saja kita bisa
salah kalau tidak diketahui bagaimana
bervariasinya data di dalam kelompok
masing-masing
Contoh :

A = 60, 65, 60, 55 → Mean = 60

B = 85, 55, 50, 50 → Mean = 60

Walau kedua mean sama, namun B lebih

bervariasi
Mengapa dispersi penting ?
Didapat info tambahan ttg
penyimpangan yg terjadi pada suatu
distribusi data.
Dapat menilai ketepatan nilai tengah
dalam mewakili distribusinya.
Untuk analisis melalui perhitungan
statistik yang lebih mendalam
Nilai dispersi / nilai variasi
Adalah nilai yang menunjukkan
bagaimana bervariasinya data di dalam
kelompok data itu terhadap nilai rata-
ratanya.
Jadi, semakin besar nilai variasi maka
semakin bervariasi pula data tersebut.
Mengapa terjadi variasi ?
Variasi merupakan peristiwa alamiah  dapat
terjadi pada semua kejadian
Misal :
1) beberapa orang analis mengukur leukosit
seseorang (hasil berbeda2), perbedaan
disebabkan variasi antar individu  variasi
eksterna
2) leukosit seseorang diukur oleh analis
berkali2 pada waktu berbeda (hasilnya
berbeda2), variasi disebabkan adanya variasi
intra-individu  variasi interna
Ukuran variasi / dispersi, al :
A. Dispersi absolut :
Rentang (range),
Kuartil,
Desil,
Persentil,
Deviasi rata-rata (mean deviation),
Deviasi standar (standar deviation), dan
Varians
B. Dispersi relatif berupa koefisien variasi
1. RENTANG (Range)
Ukuran dispersi paling sederhana
Range adalah :
selisih antara nilai terbesar dan nilai terkecil
dari data yang telah disusun berurutan
Contoh Range:
BB 5 orang dewasa 48,52,56,62,dan 67 kg
Range adalah 67 – 48 = 17 kg
Tabel Distribusi berat badan mahasiswa
Berat badan
Kelompok 1 Kelompok 2
40 40
43 39
49 40
60 40
60 43
64 45
65 50
65 52
66 55
70 70

Jumlah 582 474

Range 30 30
Rata-rata 58,2 47,4
Tabel Distribusi nilai ujian

Nilai ujian
Kelompok 1 Kelompok 2
40 10
45 25
50 55
55 70
60 90

Jumlah 250 250

Rata-rata 50 50
Range 20 80
Interpretasi tabel nilai ujian
Dilihat nilai rata2, kedua kelompok
seolah-olah punya nilai sama
Namun, range keduanya ternyata
berbeda
Kesimpulan :
- kelompok 1 punya kepandaian merata
- kepandaian kelompok 2 sangat
bevariasi
2. RATA-RATA DEVIASI
Rata-rata Deviasi (Mean deviation= Md)
adalah rata-rata dari seluruh perbedaan
pengamatan dibagi banyaknya
pengamatan.
Untuk itu diambil nilai mutlak.
Rumus: Md = Σ [ x – x ]
n
Contoh :
Berat badan : 55, 57, 59, 65

BB
x1 55
x2 57
x3 59
x4 65
x 59

Nilai Mean Deviasi ?

Contoh :
Berat badan : 55, 57, 59, 65

BB x-x
x1 55 -4
x2 57 -2
x3 59 0
x4 65 +6
x 59 0

Nilai Mean Deviasi ?

Contoh :
Berat badan : 55, 57, 59, 65

BB x-x lx–xl
x1 55 -4 4
x2 57 -2 2
x3 59 0 0
x4 65 +6 6
x 59 0 12

Maka nilai Mean Deviasi = 12/4 = 3

 VARIANS

Jumlah seluruh selisih nilai pengamatan dg

mean dipangkat 2 dibagi jumlah pengamatan
Rumus :
 l x - x l²
n-1
Contoh :
Berat badan : 55, 57, 59, 65

BB x-x lx–xl
x1 55 -4 4
x2 57 -2 2
x3 59 0 0
x4 65 +6 6
x 59 0 12

Nilai Varian ?
Contoh :
Berat badan : 55, 57, 59, 65

BB x-x l x – x l l x – x l²
x1 55 -4 4 16
x2 57 -2 2 4
x3 59 0 0 0
x4 65 +6 6 36
x 59 0 12 56

Maka nilai Varian = 56/3 = 18,67

4. STANDAR DEVIASI
Standar deviasi = simpangan baku
Yaitu suatu nilai yang menunjukkan tingkat
variasi suatu kelompok data
Jika simpangan baku di kuadratkan disebut
varians
Simpangan baku untuk data sampel  “S”,
varians  S2
Simpangan baku untuk data populasi  “σ”
(tho), varians  σ2
 STANDAR DEVIASI

Akar varian
Rumus :
√  l x - x l²
n-1
Contoh :
Berat badan : 55, 57, 59, 65

BB x-x l x – x l l x – x l²
x1 55 -4 4 16
x2 57 -2 2 4
x3 59 0 0 0
x4 65 +6 6 36
x 59 0 12 56

Varian = 56/3 = 18,67

Maka Standar Deviasi = √18,67 = 4,3 Kg
 KOEFISIEN VARIAN

Perbandingan SD terhadap mean dalam %

Untuk mengukur perbedaan besar
keragaman antara dua nilai dengan skala
berbeda
Rumus :
SD x 100%
x
Contoh :
Berat badan : 55, 57, 59, 65

BB x-x l x – x l l x – x l²
x1 55 -4 4 16
x2 57 -2 2 4
x3 59 0 0 0
x4 65 +6 6 36
x 59 0 12 56
Standar Deviasi = √56/3 = √18,67 = 4,3 Kg
Jadi Koefisien Varian = 4,3/59 x 100% = 7,3 %
LATIHAN
1. Lama hari dirawat 5 pasien dengan
penyakit jantung :
x1 = 5 hari
x2 = 7 hari
x3 = 10 hari
x4 = 18 hari
x5 = 20 hari
2. Nilai M.A. Statistik 80 mahasiswa sbb:
Nilai Ujian F

31 - 40 1

41 – 50 2

51 – 60 5

61 – 70 15

71 – 80 25

81 – 90 20

91 - 100 12

Jumlah 80