Masdalina Pane
1
Pengukuran Statistik
Ukuran Sentral:
• Mean atau Arithmetic Mean
• Median
• Modus
•Ukuran Variasi:
• Range (min-max)
• Mean Deviasi
• Standar deviasi
• Coefisien Variasi
•Ukuran Posisi:
• Median
• Kuartil, Desil, Persentil
2
Mean atau Arithmetic Mean
Mean paling sering digunakan untuk menggambarkan
ukuran pemusatan data
Rumus: x
n
i
i 1
x=
n
Contoh:Lama rawat 10 pasien (hari)
Data: 2, 3, 4, 2, 3, 5, 3, 6, ,3, 4
6
Nilai Mean=(2+3+4+2+3+5+3+6+3+4)/10=3.5 3.5 hari
Sifat nilai Mean
Proses perhitungannya melibatkan semua data
Sangat sensitif terhadap nilai ekstrim (kecil atau besar)
Data: 2, 3, 4, 2, 3, 5, 3, 31 , 3, 4
31
Nilai Mean=(2+3+4+2+3+5+3+31+3+4)/10=6.0 hari
6.0
3
Mean atau Arithmetic Mean
Bila terhadap seluruh data ditambah dengan konstanta
c yaitu yi=xi+c, i=1,2…..n maka mean y=mean x + c
Contoh:Lama rawat 10 pasien (hari)
Data: 2, 3, 4, 2, 3, 5, 3, 6, 3, 4 dan Mean 3.5 hari
Masing-masing ditambah dengan angka 2
Data: 4, 5, 6, 4, 5, 7, 5, 8, 5, 6 dan Mean 5.3 atau (3.5+2) hari
Bila terhadap seluruh data dikalikan dengan konstanta
c yaitu yi=cxi i=1,2…..n maka mean y=(mean x)(c)
Data: 2, 3, 4, 2, 3, 5, 3, 6, 3, 4 dan Mean 3.5 hari
Masing-masing dikali dengan angka 2
Data: 4, 6, 8, 4, 6, 10, 6, 12, 6, 8 dan Mean 7 atau (3.5x2) hari
4
Median(Med)
Median membagi data menjadi dua bagian yaitu
50% data berada di bawah nilai median dan 50%
data berada di atas nilai median
Proses perhitungannya
1. Mengurutkan data dari terkecil ke terbesar
2. Menentukan posisi median yaitu (n+1)/2
3. Nilai Median adalah nilai pada posisi median
Contoh:Lama rawat 10 pasien (hari)
Data: 2, 3, 4, 2, 3, 5, 3, 6, 3, 4
Di urutkan menjadi: 2,2,3,3,3, 3,4,4,5,6
Posisi median (10+1)/2=5.5 Posisi median
Nilai median adalah (3+3)/2= 3 hari
5
Median(jika ada nilai ekstrim)
Mean paling sering digunakan untuk menggambarkan ukuran pemusatan data
Rumus:
Tidak terpengauh oleh nilai ekstrim (kecil atau besar)
6
Modus (Mode)
Secara kuantitatif nilai yang paling banyak muncul
atau frekuensi paling besar atau nilai pada posisi
puncak suatu kurva/grafik histogram
Proses perhitungannya
Mengurutkan data dari terkecil ke terbesar
(mempermudah)
Satu modus (unimodal), dua modus (bimodal), dst
Contoh:
Data: 2, 3, 4, 2, 3, 5, 3, 6, 3, 4, Mod=3
7
Hubungan Empiris Mean, Median dan Modus
Miring ke kanan
‘Skewness’ negatif
• Mean=Median=Modus simetris
• Modus<Median<Mean ‘Skewness’ Positif
• Mean<Median<Modus ‘Skewness’ Negatif
8
Kelebihan dan Kekurangan Mean, Median dan Modus
Mean
Kelebihan Kekurangan
Mempertimbangkan semua nilai Sensitif /peka terhadap nilai ekstrim
Dapat menggambarkan mean populasi Kurang baik untuk data heterogen
Cocok untuk data homogen
Median
Tidak sensitif /peka terhadap nilai ekstrim Tidak mempertimbangkan semua nilai
Cocok untuk data heterogen /homogen Kurang dapat menggambarkan mean
pop
Modus
Tidak sensitif /peka terhadap nilai ekstrim Tidak mempertimbangkan semua nilai
Cocok untuk data homogen/heterogen Kurang menggambarkan mean populasi
Modus bisa lebih dari satu atau tidak
ada 9
Ukuran Letak/Posisi Data
Median (membagi 2)
Kuartil (membagi 4)
Desil (membagi 10)
Persentil (membagi 100)
10
Ukuran Letak/Posisi Data
Median
K1 K2 K3
D1 D9
P10 P25 P75 P90
11
Ukuran Posisi Data
Kuartil
Kuartil membagi data menjadi 4 (empat) bagian yang sama
K1 (25%), K2 (50%) dan K3 (75%)
Kuartil 1 disimbol K1 merupakan 25% data ada di bawah atau sama dengan nilai K1.
Posisi kuartil Ki= i (n+1)/4, i=1,2,3 n= jml pengamatan
Nilai kuartil (berada pd 1 titik) Nilai pada posisi tsb
Contoh
Data: 3 2 4 5 6 6 5 7 8 8 6 10 11 9 12
Urutkan: 2 3 4 5 5 6 6 6 7 8 8 9 10 11 12
12
Ukuran Posisi Data
Kuartil
Kuartil membagi data menjadi 4 (empat) bagian yang sama
K1 (25%), K2 (50%) dan K3 (75%)
Kuartil 1 disimbol K1 merupakan 25% data ada di bawah atau sama dengan nilai K1.
Posisi kuartil Ki= i (n+1)/4 (i=1,2,3) (n= jml pengamatan)
Nilai kuartil (posisi median berada antara 2 titik)
Contoh
Data: 3 2 4 5 6 6 5 7 8 8 6 10 11 9
Urutkan: 2 3 4 5 5 6 6 6 7 8 8 9 10 11
13
Ukuran Posisi Data
Desil
Desil membagi data menjadi 10 (sepuluh) bagian yang sama
D1, D2, ……. , D9
Posisi Di= i (n+1)/10, i=1,2,3,4,5,6,7,8,9
Nilai desil (jika posisi desil berada antara 2 titik)
Di= x1 + [ posisi,?? (x2-x1) ]?? = desimal
Contoh
Data: 3 2 4 5 6 6 5 7 8 8 6 10 11 9
Urutkan: 2 3 4 5 5 6 6 6 7 8 8 9 10 11
16
Ukuran Variasi Data
17
Ukuran Variasi Data
Contoh:Lama rawat 10 pasien (hari) di Dua RS
RS A: 2,2,3,3,3,3,4,4,5,6 maka nilai Mean=3.5 hari, median 3 hari
RS B: 1,1,2,3,3,3,4,5,5,8 maka nilai Mean=3.5 hari , median 3 hari
RS A dan RS B mempunyai nilai Mean yang sama tetapi mempunyai
variasi data yang berbeda
Range RS-A = 2 sd 6 hari dan RS-B = 1 sd 8 hari
SD RS A= 1.27 hari dan SD RS B=2.12 hari
Bila hanya menampilkan informasi ukuran pemusatan data (misalnya
Mean) ternyata ada informasi yang hilang tanpa mengikutsertakan
ukuran variasi data.
Ukuran Variasi Data (Mutlak): Range, Mean Deviasi dan Standar
Deviasi (SD)
Ukuran Variasi Data (Relatif): Coefficient of Variation (COV)
18
Range (Kisaran)
Ukuran variasi data yang paling sederhana dibandingkan
dengan Mean Deviasi dan Standar Deviasi
Proses perhitungannya:
Urutkan data dari terkecil ke terbesar
Nilai Range adalah selisih dari data terbesar terhaap data terkecil
Contoh:Lama rawat 10 pasien (hari) di Dua RS
RS A: 2,2,3,3,3,3,4,4,5,6 maka nilai Range=4 hari
RS B: 1,1,2,3,3,3,4,5,5,8 maka nilai Range=7 hari
Nilai range juga sensitif terhadap nilai-nilai ekstrim besar
atau kecil
19
Mean Deviasi
Rata-rata Penyimpangan (Mean Deviasi) dalam harga
mutlak dari masing-masing pengamatan terhadap nilai
Mean-nya
Contoh:Lama rawat 10 pasien (hari) di Dua RS
RS A: 2,2,3,3,3,3,4,4,5,6 dengan nilai mean=3.5 hari
RS A: (|2-3.5|+|2-3.5|+|3-3.5|+|3-3.5|+|3-3.5|+|3-3.5|+|4-3.5|+|4-3.5|
+|5-3.5|+|6-3.5|)/10 = 1 hari
RS A: (1,5+1,5+0.5+0.5+0.5+0.5+0.5+0.5+1.5+2.5)/10 = 1 hr
RS B: 1,1,2,3,3,3,4,5,5,8 dengan nilai mean=3.5 hari
RS B: (|1-3.5|+|1-3.5|+|2-3.5|+|3-3.5|+|3-3.5|+|3-3.5|+|4-3.5|+|5-3.5|
+|5-3.5|+|8-3.5|)/10 =1.6 hari
Mean deviasi juga sensitif terhadap nilai-nilai ekstrim besar atau kecil
20
Ukuran Variasi Data
Standar Deviasi
Ukuran variasi data yang paling sering
digunakan
Lebih menggambarkan variasi data yang
sesungguhnya dibandingkan Range & mean
deviasi
Rumus Standar Deviasi Sampel
x x
n
2
i
i 1
SD =
n 1
21
Standar Deviasi Populasi
x x
n
2
i
i 1
SD =
N
22
(Standar Deviasi)2 = Varians
Rata-rata kuadrat Penyimpangan dari masing-masing
pengamatan terhadap nilai Mean-nya
Contoh:Lama rawat 10 pasien (hari) di RS-A
Lama rawat: 2,2,3,3,3,3,4,4,5,6 dengan nilai mean=3.5 hari
Varians: (2-3.5)2+(2-3.5)2+(3-3.5)2+(3-3.5)2+(3-3.5)2+(3-
3.5)2+(4-3.5)2+(4-3.5)2+(5-3.5)2+(6-3.5)2/10-1 = (1,5876)
Varians:
(1,52+1,52+0.52+0.52+0.52+0.52+0.52+0.52+1.52+2.52)/9 =
(1,5876)
SD=Akar (1,5876) = 1.269 hari
RS B: 1,1,2,3,3,3,4,5,5,8 = SD = 2.121 hari
23
Ukuran Variasi Data
Coefisien Variasi (COV)
Koefisien variasi adalah rasio perbandingan antara
standar deviasi dengan mean, yang dinyatakan dalam
persen
Membandingkan variasi dua kelompok data yang
mempunyai unit atau satuan pengukuran atau gradasi
yang berbeda
SD
Rumus COV = x100%
x
Contoh:
Mean BB=40.5 kg, SD=5 kg maka COV=(5/40.5)x100% =12.3%
Mean TB=167 cm, SD=12 cm maka COV=(12/167) x 100%=7.2%
24
Kemiringan Distribusi Data (Skewness)
‘Skewness’ negatif
Pearson
x Mod 3( x Med )
= atau
SD SD
Mean Med Mod
25
Keruncingan distribusi data (Kurtosis)
y 4
( x x)
4 i
4
nSD
Mesokurtis = 4 = 3
Leptokurtis= 4 >3
Platykurtis = 4 < 3
26
Contoh soal
• Diketahui dari 200 mhs,
rata2 berat badannya adalah 60 kg,
median 50,0kg Std Deviasi 12 kg,
minimum 40 kg, maksimum 80 kg.
1. Berapa org mhs yg memiliki berat badan <50kg?
2. Berapa org mhs yg memiliki berat badan >50kg?
27
Contoh soal
• Diketahui dari 200 mhs, rata2 berat badannya adalah: 60 kg, kuartil-1:
45,0kg, Std Deviasi: 12 kg, minimum:40kg, dan maksimum:80 kg.
1. Berapa org mhs yg memiliki berat badan <45kg? = 25% * 200 = 50
org
2. Berapa org mhs yg memiliki berat badan >45kg? = 75% * 200 = 150
org
28
• Data kualitatif dan kuantitatif • Chi Square
• Manajemen data Statistik • Regresi Linier
Rumah Sakit • Regresi Logistik
• Bias • Manova
• Normalitas • Mancova
• Uji Parametrik • Manacova
• Uji Non Parametrik • Meta Analysis
• Z dan T tes • Path Analysis
• Korelasi dan Korelasi Parsial • Multi Level Analysis
Terima Kasih