HARVINA SAWITRI

Ukuran Nilai Tengah

- Nilai Rata-rata
- Central Values
- Central Tendency
 Ukuran Nilai Tengah (Central
Values)
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
 Mengikutkan semua nilai observasi xi 
x i 1
n
 Contoh:
observasi: x1 x2 x3,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,xn
Ukuran Nilai Tengah (Central
Values)
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
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
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
 Persentil…..nilai yang membagi agregate
menjadi 100 bagian…. P1 , P2……..P99
Nilai posisi

 Md,Kuartil, Desil, Persentil

Md

K1 K2 K3

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) atau (P75 – P25)

IQR tidak dipengaruhi nilai ekstrim, sedangkan

R dipengaruhi nilai ekstrim
 Ukuran Variasi

3. Mean Deviation ( Mdev )

 Adalah rata-rata perbedaan
antara nilai observasi dengan x Ix-xI=d
mean
1 5
 Rumus 5 1
n

x x i
6
7
0
1
xd  i 1
8 2
n 9 3
 Contoh
 1 5 6 7 8 9 mean = 6
X=6 Xd = 12/6= 2
 Jarang dipakai kerena nilai mutlak
 Ukurana Variasi

4. Varians
 Rata-rata kuadrat perbedaan antara observasi dengan
mean
 Rumus: n

 x  x 
2
i
s 
2 i 1
n 1
 (n-1) koreksi Fisher Wilks………..degree of fredom
 Contoh
Varians

x ( x-x ) (x-x)2
1 -5 25 s 2

 (x  x) 2


40
8
5 -1 1 n 1 6 1
6 0 0
7 1 1
8 2 4
9 3 9 Kalau satuannya
cm……..cm2
X=6 ∑=0 ∑=40
kg………kg2
Ukuran Variasi

5. Standard deviation (Simpangan baku)

 Akar dari varian

 x  x 
 Rumus 2

s
n 1
 Contoh diatas maka S= V8= 2,8 (cm atau kg )
Varian dan Standard deviation banyak dipakai dalam
analisis statistik
 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.