Ukuran Nilai Tengah

(Tendency Central)

- Mean
- Median
- Modus
Ukuran Nilai Tengah
1. Mean (Arythmatic mean/rata-rata hitung)
 Simbol x ( x bar)
 Paling banyak dipakai dlm analisis
 Mudah dihitung yaitu jumlah semua nilai observasi
dibagi jumlah observasi
 Paling stabil dibanding Median dan modus
 Dipengaruhi nilai ekstrim n

x i
x i 1

 Contoh:
n
observasi: x1 x2 x3,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,x n
 Ukuran Nilai Tengah
2. Median
 Adalah nilai observasi yang paling ditengah
 Syaratnya setelah nilai raw data di array
 Posisi median (n+1)/2
 Nilai median= nilai observasi pd posisi tersebut
 Tidak dipengaruhi nilai ekstrim
 Paling sesuai untuk data yang skewed (menceng)
 Simbol Md atau Me

Contoh :
Ukuran Nilai Tengah (Central Values)
3. Modus (Mode):
 Adalah nilai yang paling banyak ditemui dalam
suatu agregate (observasi)
 Didalam suatu observasi karena mode adalah
yang terbanyak maka dapat saja terjadi, tidak
ada modus, hanya satu modus atau lebih dari
satu modus.
 Tidak dipengaruhi nilai ekstrim
 Contoh:
Hubungan Mean, Median , Modus

 Untuk pengamatan yang cukup besar dan

satu Modus maka kurva yang dibentuk:
 1) kurva symetris

X = Md = Mo
Hub Mean- Md - Mo
 Kurva Skewed to the left, menceng ke kiri,
adanya nilai ektrim kecil

Md
---------

X Mo
Hub Mean – Md - Mo
 Kurva skewed to the right= menceng ke
kanan: adanya nilai ekstrim besar

Md
----------

Mo X
 Nilai Posisi
 Median….. Posisi tengah
 Kuartil …..nilai yang membagi empat
agregate, ,,,,, K1. K2. K3
 Desil….nilai yang membagi agregate menjadi
10 bagian…..D1, D2…………D9
 Presentil…..nilai yang membagi agregate
menjadi 100 bagian…. P1 , P2……..P99
Nilai posisi
 Md,Kuartil, Desil, Persentil

Md

K1 K2 K3

D5

P 25 P 50 P 75
 Ukuran Variasi
1. Range:
 Adalah perbedaan antara nilai terbesar dengan
terkecil
 R = ( max – min )
2. Interquartile Range
 Perbedaan antara K1 dengan K3
 IQR = │K3-K1│
 Ukuran Variasi
3. Mean Deviation ( Mdev )
 Adalah rata-rata perbedaan
antara nilai observasi dengan x Ix-xI=d
mean
1 5
 Rumus
5 1
xx 6 0
xd  7 1
n 8 2
9 3
 Contoh
 1 5 6 7 8 9 mean = 6
X=6 Xd = 12/6= 2
 Jarang dipakai kerena nilai
mutlak
 Ukuran Variasi
4. Varians
 Rata-rata kuadrat perbedaan antara observasi
dengan mean
 Rumus: n

 x  x 
2
i
2
s  i 1
n 1
 (n-1) koreksi Fisher Wilks………..degree of fredom
 Contoh
Varians
x ( x-x ) (x-x)2
48 9 81
52 5 25
56
62
1
5
1
25
2
s 
 ( x  x ) 2


232
 58
n 1 5 1
67 10 100

X=285
Ukuran Variasi

5. Standard deviation (Simpangan baku)

 Akar dari varian

 x  x 
 Rumus 2

s
n 1
 Contoh diatas maka S= V8= 7,6 (cm atau kg )
Varian dan Standard deviation banyak dipakai dalam
analisis statistik karena merupaka patokan luas area
dibawah kurva normal
 Ukuran Variasi
6. Coefficient of Variation (COV)
 Adalah nilai Standard deviaton dibagi mean x
100% COV= S/ x x 100%
 Membandingkan variasi antara
s
dua atau lebih agregate yang cov  *100%
ukurannya berbeda atau x
gradasinya berbeda
 Contoh : dari suatu pengukuran didapatkan rata
TB= 162 cm dan S= 15 cm. Berat badan rata-
rata 58 kg dan S= 8 kg…..manakah yang lebih
bervariasi TB atau BB ?
COV
 Jawab:
 COV TB= 15/162 x100%= 9,3 %
 COV BB= 8/58 x100% = 13,8 %
 Dari hasil COV terlihat bahwa walaupun S TB
15cm dan S BB 8 kg ternyata COV BB lebih
besar dari COV TB , Jadi dapat disimpulkan
BB lebih bervariasi.
TUGAS MINGGU DEPAN????