Pengukuran Gejala Pusat

Dr. Iman Chaerudin, SE,MMI

 Topik

1 Pengukuran Data
2 Rata-rata
3 Median
4 Modus
Jenis Pengukuran Data
Ukuran pusat letak data merupakan metode untuk mengukur letak
pusat sekumpulan data. Ukuran letak data yang seringkali
digunakan adalah rata-rata (mean = average).

2.1. RATA-RATA MATEMATIS

2.1.1. RATA-RATA ARITMATIK DATA TIDAK BERKELOMPOK
1. Rata- Rata Populasi


X 1  X 2  X 3 ... X N

 X
N N
X  nilai observasi dan N  jumlah populasi
 Contoh 1. Rata-rata Populasi
Data jumlah produk yang diiklankan TV nasional di TVRI, RCTI, SCTV, ANTV, TPI,
INDOSIAR, METRO TV, TRANS 7, GLOBAL TV, TV ONE DAN TRANS pada bulan
Janurari 2013 masing-masing sebesar 105, 175, 175, 170, 168, 172, 160, 165,
170, 166 dan 167.

Hitunglah rata-rata produk yang diiklankan pada bulan tersebut


 X 1793
  163
N 11

2. Rata-rata Sampel


X 1  X 2  X 3 ... X N

 X
n n
X  nilai observasi dan n  jumlah sampel
 Contoh 2. Rata-rata sampel
Pengeluaran iklan (juta) per tahun dari sampel sebanyak 10 perusahaan tahun
2015 sbb:
 9751200 1100 950 1050 990 1025 1250 1310 1275
Hitunglah rata-rata pengeluaran iklan

X 
 X 11125
  1112 ,5
N 10

2.1.2. Rata-Rata Aritmatik Data Berkelompok

X
 fM
n
f  frekuensi setiap kelas, M  nilai tengah setiap kelas,
n  jumlah total frekuensi
X 
 fM

43245
 35,02
n 1235
2.2. Rata-Rata Tertimbang
· Rata-rata tertimbang (weighted mean) adalah rata-rata dengan setiap observasi
diberi timbangan berbeda-beda
· Digunakan jika sebagian besar observasi yang ada mempunyai nilai yang sama
atau ketika data mempunyai makna yang berbeda-beda

Xw 
 Xw
w
x  nilai observasi; w  timbangan

Xw 
 Xw 369
  5,7656
w 64
2.4. Rata-Rata Geometrik
Rata-rata geometrik digunakan mengukur rata-rata data yang bersifat relatif
seperti persentase, indeks, rasio atau tingkat pertumbuhan

GM  n X1 X 2 X 3... X n

GM  5 (5)(6)(4,5)(7)(10)  6,2386%
2.5. Rata-Rata Harmoni
Rata-rata geometrik digunakan mengukur rata-rata data dalam bentuk tingkat
(rate) dan rasio (ratio).
2.5.1. Rata-rata Harmoni Data Tidak Berkelompok
n
HM 
1

X
x  nilai observasi; n  jumlah obervasi

Contoh 3.6. Rata-rata Harmoni data tidak berkelompok

Seorang analisis ingin mengetahui rata-rata rasio keuntungan sebelum pajak
terhadap total aset dari 5 perusahaan terbesar yang terdaftar di bursa efek
Indonesia tahun 2014. Adapun datanya sbb:
0, 207 0,255 0, 210 0,227 0,187
n 5 5
HM     0,215
1 1 1 1 1 1 23, 267
    
X 0,207 0,225 0,210 0,227 0,187
2.5.2. Rata-rata Harmoni Data Berkelompok
n
HM 
1
f
M
f  jumlah frekensi, M  nilai tengah kelas; n  jumlah observasi

Contoh 3.7. Rata-rata Harmoni data berkelompok

Hitunglah rata-rata tingkat deviden (% per tahun) 45 perusahaan di Bursa Efek
Indonesia pada tahun 2014 sbb:

n 45
HM    5,14
1 8,75
f
M
3.3. Median (Med)
Median adalah nilai tengah (middle value) dari sekelompok data.
Karakteristik penting median :
1. Hanya ada satu angka median untuk sekelompok data
2. Tidak terpengaruh oleh nilai ekstrim data
3. Digunakan untuk mengukur data dalam bentuk rasio, interval maupun ordinal.

3.3.1. Median Data tidak Berkelompok

4. Bila data berjumlah ganjil
Med =n/2
n=jumlah observasi

Contoh median Harga rumah tipe 45 di Yogya (juta)

265 260 255 250 295
Untuk menghitung median, data harus diurutkan dari yang terkecil hingga
terbesar. Harga rumah setelah diurutkan
250 255 260 265 295
Nilai Med=260
2. Bila data berjumlah genap
Me =(n+1)/2
n=jumlah observasi
Contoh median Harga rumah tipe 45 di Yogya (juta)
260 265 255 250 295 270
Harga rumah tipe 45 di Yogya setelah diurutkan
250 255 260 265 270 295
Nilai median =(260+265)/2=262,5 juta

3.3.2. MEDIAN DATA BERKELOMPOK

n / 2  cf
Med  L  xh
f
L = batas kelas paling bawah dari interval kelas median
Cf = frekuensi kumulatif dari kelas sebelum interval kelas median
f = frekuensi kelas median
h = lebar interval kelas median
n = jumlah observasi
Median dicari 60/2 =30 sehingga median data terletak pada observasi ke 30 yang
terletak pada interval kelas 66 – 69.

n / 2  cf (60 / 2)  20
Med  L  xh  65  x5  65  2  67
f 25
3.4. MODUS (M0)
·Modus merupakan nilai yang seringkali muncul di dalam sebuah observasi.
·modus tidak terpengaruh oleh nilai ekstrim di dalam observasi.

Kelamahan modus sebagai ukuran pusat data:

1. Jika data tidak ada nilai yang sama, maka tidak ada modus
2. kesulitan menentukan modus bila mempunyai dua modus atau lebih.
3. Modus kurang merepresentasikan jika frekuensinya kecil di dalam modus
4. Jika distribusi data tidak merata, modus kurang mewakili pusat dari data.

3.4.1. MODUS DATA TIDAK BERKELOMPOK

ujian statistika sebanyak 65 mahasiswa hasilnya sbb:

Berapa nilia modusnya?

Nilai 70 mempunyai frekuensi terbesar yaitu 8 sehingga modusnya adalah 70
3.4.2. MODUS DATA BERKELOMPOK
f m  f m 1
Modus  L  xh
2 f m  f m 1  f m 1
L = batas kelas paling bawah dari interval kelas modus
fm = frekuensi kelas interval kelas modus
fm - 1 = frekuensi kelas sebelum interval kelas modus
fm + 1 = frekuensi kelas setelah interval kelas modus
h = lebar interval kelas modus.
3.5. KUARTIL, DESIL AND PERSENTIL
· Nilai penyekat atau pembagi (partition values) adalah ukuran pusat data yang
digunakan membagi sekelompok data menjadi beberapa bagian sama
besarnya
· Nilai penyekat adalah kuartil (quartiles), desil (deciles) dan persentil
(percentiles).

3.5.1. KUARTIL
Kuartil adalah nilai penyekat sekelompok data jika data tersebut dibagi menjadi
empat bagian sama besar

1. DATA TIDAK BERKELOMPOK

kuartil pertama (Q1) adalah 25% data, kuartil kedua (Q2) adalah 50% data dan
kuartil ketiga (Q3) adalah 75% data
2. DATA BERKELOMPOK
i (n / 4)  cf
Qi  L  xh
f
i = 1,2,3
Cf = frekuensi kumulatif sebelum interval kelas kuartil
L = batas kelas paling bawah dari interval kelas kuartil
f = frekuensi kelas interval kelas kuartil
n = jumlah observasi
h = lebar interval kelas kuartil

2. DESIL
Desil (D) adalah nilai penyekat data yang dibagi menjadi sepuluh sama besar
i (n / 10)  cf
Di  L  xh
f
i = 1,2,3, ..., 9
Cf = frekuensi kumulatif sebelum interval kelas desil
L = batas kelas paling bawah dari interval kelas desil
f = frekuensi kelas interval kelas desil
n = jumlah observasi
h = lebar interval kelas desil
2. PRESENTIL
Presentil (P) adalah nilai penyekat data yang dibagi menjadi 100 sama besar
i (n / 100)  cf
Pi  L  xh
f
i = 1,2,3, ..., 99
cf = frekuensi kumulatif sebelum interval kelas presentil
L = batas kelas paling bawah dari interval kelas presentil
f = frekuensi kelas interval kelas presentil
n = jumlah observasi
h = lebar interval kelas presentil

Contoh 3.10. Kuartil, Desil dan Persentil

Hitunglah kuartil kedua, desil kesembilan dan 30 persentil waktu penerbangan
Jakarta Yogyakarta?
Q2 pada observasi ke 50 yaitu (2/4)x100 dan pada interval kelas 65 – 69.

D9 pada observasi ke 90 yaitu (9/10)x100 dan pada interval kelas 70 – 74.

P30 pada observasi ke 30 yaitu (30/100)x100 dan pada interval kelas 60 – 64.

 
3.6. HUBUNGAN RATA-RATA, MEDIAN DAN MODUS
· Distribusi simetris 
Mean – Modus = 3 (Rata-rata – Median)
Modus = 3 median – 2 rata-rata
· Distribusi menceng ke kanan atau condong positif (positively skewed).
Rata-rata > median > Modus
· Distribusi menceng ke kanan atau condong positif (positively skewed).
Rata-rata < Median < Modus