Ukuran Pemusatan dan

Penyebaran Data

Tujuan :
Menyajikan data dalam bentuk ukuran numerik berupa
ukuran pemusatan dan ukuran variasi.

Definisi :
Ukuran pemusatan data menyatakan titik pusat (nilai
tengah) data, sedangkan ukuran variasi menyatakan
variabilitas (penyebaran) data.
 Ukuran Pemusatan dan Ukuran Letak

 Rata-rata atau rata-rata hitung

 Modus
 Median
 Kuartil
 Desil
 Persentil
 1. Rata-rata atau rata-rata hitung

x1, x2 ,......xn :
Untuk sebuah sampel yang terdiri dari n hasil pengukuran
x rataan sampel n adalah
maka :
 xi
x  i 1 n
n  f i xi
Apabila ada beberapa data yang sama, x  i 1n
maka :
 fi
i 1

Contoh :
1. Hitung rata-rata hitung dari data lima nilai ujian : 70, 69, 45, 80, dan
56
2. Hitung rata-rata hitung jika frekuensi tiap data diatas berturut-
turut 5, 6, 3, 1, dan 1
 n
Untuk data berkelompok, rata-rata diperoleh dari:
 f i xi
x  i 1n
 fi
Dengan fi : frekuensi kelas ke-i i 1

xi : nilai tengah kelas ke-i

atau,

x0 = nilai tengah kelas yang diambil

p = lebar kelas interval
fi = frekuensi kelas ke i
ci = kode kelas ke i
Contoh :
tentukan nilai rataan dari :

NILAI UJIAN FREKUENSI TITIK TENGAH

31 – 40 1 35.5
41 – 50 2 45.5
51 – 60 5 55.5
61 – 70 15 65.5
71 – 80 25 75.5
81 – 90 20 85.5
91 – 100 12 95.5
JUMLAH 80
 Rata-rata Gabungan

Jika ada k buah sub sampel, maka rata-rata gabungan:

k
 ni x i
x  i 1k
 ni
i 1
ni : banyaknya data dalam sub sampel ke-i
x i : rata-rata dari sub sampel ke-i
Contoh :
1. Tiga sub sampling masing-masing berukuran 10, 6 dan
8 sedangkan rata-ratanya masing-masing 145, 118 dan
162. Hitung rata-rata gabungannya
 2. Modus
Modus sampel dari data adalah hasil pengukuran yang memiliki
frekuensi terbanyak.
 b1 
Mo  b  p 
 b1  b2 

b = batas bawah kelas modus

p = panjang kelas interval
b1 = frekuensi kelas modus dikurangi frekuensi kelas
sebelumnya
b2 = frekuensi kelas modus dikurangi frekuensi kelas
sesudahnya
Contoh :
1. Terdapat sampel dengan data:
12, 34, 14, 34, 28, 34, 34, 28, 14 Hitung nilai modusnya!

2. Dari data berkelompok, hitung nilai modusnya !

NILAI UJIAN FREKUENSI
31 – 40 1
41 – 50 2
51 – 60 5
61 – 70 15
71 – 80 25
81 – 90 20
91 – 100 12
JUMLAH 80
 3. Median

Median sampel dari data yang terdiri dari n hasil

pengukuran : x1, x2,.., xn adalah nilai tengah bila nilai setiap hasil
pengukuran diurutkan dari kecil ke besar
Nilai Median: n n 
datake-    datake-   1
 untuk n genap adalah : 2 2 
2

 n  1
datake-  
untuk n ganjil adalah :  2 
1 
 nF
Me  b  p 2 
untuk data berkelompok  f 
 
Contoh :
1. Diberikan sampel data 12, 7, 8, 14, 16, 19, 10, 8. Hitung
mediannya !
2. Dari data berkelompok di bawah ini, hitung mediannya !
NILAI UJIAN FREKUENSI TANDA KELAS
31 – 40 1 35.5
41 – 50 2 45.5
51 – 60 5 55.5
61 – 70 15 65.5
71 – 80 25 75.5
81 – 90 20 85.5
91 – 100 12 95.5
JUMLAH 80
 Catatan
1. Rata-rata hitung adalah ukuran yang paling umum digunakan dalam
statistika. Ukuran ini mudah dihitung dan memanfaatkan semua
informasi yang dimiliki. Akan tetapi ukuran ini memiliki kekurangan
yaitu sangat dipengaruhi oleh nilai ekstrim.

2. Median memiliki kelebihan dalam kemudahan menghitung bila banyak

data relatif kecil. Median tidak dipengaruhi nilai ekstrim, sehingga
memberikan rata-rata yang lebih benar.

3. Modus merupakan ukuran yang paling jarang digunakan diantara

ketiganya. Untuk gugus data kecil, manfaat modus hampir atau bahkan
tidak ada sama sekali. Kelebihannya yaitu tidak memerlukan perhitungan
dan dapat digunakan baik data kualitatif maupun kuantitatif
 4. Kuartil
pengamatan yang membagi data ke dalam 4 bagian.
i n  1
Letak kuartil ke i, Ki = data ke ,i = 1,2,3
4
Untuk data berkelompok :  n.i 
  F 
Ki  b  p 4 , i  1,2,3
 f 
 
b : batas bawah kelas interval kelas kuartil
ke-i
p : panjang kelas interval
F : total frekuensi sebelum kelas kuartil
f : frekuensi kelas kuartil ke-i
Contoh :
1. Sampel dengan data 75, 82, 66, 57, 64, 56, 92, 94, 86, 52, 60, 70.
Hitung kuartil 1
2. Untuk data berkelompok berikut, tentukan kuartil 1, 2 dan 3.

NILAI UJIAN FREKUENSI TANDA KELAS

31 – 40 1 35.5
41 – 50 2 45.5
51 – 60 5 55.5
61 – 70 15 65.5
71 – 80 25 75.5
81 – 90 20 85.5
91 – 100 12 95.5
JUMLAH 80
 5. Desil
Jika kumpulan data dibagi menjadi 10 bagian yang sama, maka
diperoleh 9 pembagi dan tiap pembagi dinamakan desil (D)
n- 1
Letak Di = data ike , i = 1,2,…,9
10
 n.i 
 F
Di : b  p 10
Untuk data berkelompok , i  1,2,..9
 f 
 
b : batas bawah kelas interval kelas desil ke-i
p : panjang kelas interval
F : total frekuensi sebelum kelas desil ke-i
f : frekuensi kelas desil ke-i
Contoh :
1. Sampel dengan data 75, 82, 66, 57, 64, 56, 92, 94, 86, 52, 60, 70.
Hitung desil 4
2. Dari data kelompok brikut, tentukan desil ke-7 nya
NILAI UJIAN FREKUENSI TANDA KELAS
31 – 40 1 35.5
41 – 50 2 45.5
51 – 60 5 55.5
61 – 70 15 65.5
71 – 80 25 75.5
81 – 90 20 85.5
91 – 100 12 95.5
JUMLAH 80
 6. Persentil
 Persentil membagi data menjadi 100 bagian.
 Persentil ke p adalah nilai pengamatan demikian rupa sehingga
setelah data diurutkan dari kecil ke besar, paling tidak p%
pengamatan di bawah nilai tersebut dan paling tidak 100-p%
pengamatan berada di atasnya.
i n  1
Letak Pi = data ke-100 , i=1, 2, .., 99
Untuk data berkelompok :   F 
n.i
Pi  b  p 100 , i  1,2,..99
 f 
 
b : batas bawah kelas interval kelas percentil
ke-i
p : panjang kelas interval
F : total frekuensi sebelum kelas percentil ke-i
f : frekuensi kelas percentil ke-i
1. Hitung Persentil 37 untuk data berkelompok berikut
NILAI UJIAN FREKUENSI TANDA KELAS
31 – 40 1 35.5
41 – 50 2 45.5
51 – 60 5 55.5
61 – 70 15 65.5
71 – 80 25 75.5
81 – 90 20 85.5
91 – 100 12 95.5
JUMLAH 80
 Ukuran Variasi
Data

Rentang (R)
Rentang Antar Kuartil (RAK)
Simpangan Kuartil (SK)
Rataan Simpangan
Ragam (Varians)
Simpangan Baku (Standar Deviasi)
Angka Baku
Koefisien Variasi
 Rentang (R) = max – min
 Rentang Antar Kuartil (RAK) = K3 – K1
 Simpangan Kuartil (SK) = (K3 – K1)/2

Dari sebuah data diperoleh K1 = 68.25 dan K3=90.75

Maka SKn = (90.75-68.75)/2 =11.25
 xi  x
RS  i 1
 Rataan Simpangan (RS)
n
xi xi  x xi  x
6
8 -1 1 RS 
7 -2 2
4
10 1 1
11 2 2
 Ragam (Varians) :
2 2
x i  x  n  x i 2   xi 
n n n

s 2  i 1 atau s 2  i 1  i 1 
n 1 nn  1
s  s:2
 Simpangan Baku (Standar Deviasi)

Contoh data:
1. Hitung varians dan simpangan bakunya dari daa 8, 7, 10,
11, 4
Varians untuk data berkelompok
2 2
x i  x  n  f i x i   f i xi 
n n 2 n
 fi
s 2  i 1 atau s 2  i 1  i 1 
n 1 nn  1

Contoh : Hitung varians dan simpangan bakunya !

NILAI
UJIAN
fi xi x  x
i x i  x 2 f i x i  x 
2

31 – 40 1 35.5 -41.1 1689.21 1689.21

41 – 50 2 45.5 -31.1 967.21 1934.42 S2 =13598.8/79
51 – 60 5 55.5 -21.1 445.21 2226.05 = 172.1
S = 13.1
61 – 70 15 65.5 -11.1 123.21 1848.15
71 – 80 25 75.5 -1.1 1.21 30.25
81 – 90 20 85.5 8.9 79.21 1584.2
91 – 100 12 95.5 18.9 357.21 4286.52
JUMLAH 80 13598.8
Simpangan baku gabungan
Jika ada sebanyak k sub kelompok data yang masing-masing
memiliki n1, n2 , …, nk banyaknya data, dengan simpangan baku
masing-masing sebesar s1, s2 , …, sk , maka Ragam gabungan
dapat diperoleh dari: k
 ni  1S i
2

S 2  i 1 k
 ni k
i 1

Contoh :
Hasil pengamatan pertama terhadap 14 obyek memberikan
s=2.75 sedangkan pengamatan yang kedua kalinya terhadap 23
obyek menghasilkan s=3.08. Hitung varians gabungannya
Bilangan baku

Sebuah sampel berukuran n dengan data x1, x2 , …, xn , rata-

rata x-bar dan simpangan baku s, maka:
xi  x
zi  , i  1,2,..., n
s
zi mempunyai rata-rata 0 dan simpangan baku = 1.
Nilai z mengukur berapa simpangan baku sebuah pengamatan
terletak di atas atau di bawah nilai tengahnya.
Contoh :
Suhu minimum 3 lokasi yang terpisah cukup jauh di negara X
pada 1 Januari 1980 tercatat 150F di lokasi A, 620F di lokasi B dan
30C di lokasi C.
Bila diketahui data suhu selama 20 tahun terakhir untuk 3 lokasi
LOKASI
tersebut sbb:
Data A B C
Suhu rata-rata 20°F 71°F 5°C
Simp. Baku 4.5°F 6.9°F 2.3°C

Secara relatif, lokasi mana yang pada 1 Januari 1980 mengalami suhu
terdingin?
Jawab:
Dengan menggunakan bilangan baku, diperoleh:
zA = -1,1 zB = -1,3 zC = -0,86
Suhu pada lokasi B memiliki simpangan baku paling besar di bawah
rataan, sehingga secara relatif memiliki suhu terdingin dibandingkan 2
lokasi lainnya.
Koefisien Variasi (KV)

KV = (simpangan baku / rata-rata) x 100%

s
KV (% RSD)  x 100%
x
Contoh : Semacam lampu elektron rata-rata dapat dipakai
selama 3500 jam dengan s=1050 jam. Lampu model lain rata-
ratanya 10.000 jam dengan s=2000 jam. Manakah lampu yang
secara relatif memiliki masa pakai yang lebih uniform?