Ukuran
Pemusatan (Mean-Modus-Median)
22 Sep
Rata-rata (average) adalah nilai
yang mewakili himpunan atas sekelompok data ( a set of data ). Nilai
rata-rata umumnya terletak di tengah suatu kelompok data yang disusun menurut
besar/kecilnya nilai.
Contoh:
3,4,2,,5,6,9,7,13,15,36,29,16,35,32,27,47
Jika ada data seperti ini maka data
harus diurutkan terlebih dahulu,menjadi:
2,3,4,5,6,7,9,13,15,16,27,29,32,35,36,47
X1 =
statistik minimum
Xn = statistik maksimum
Banyaknya data yang diamati sama
dengan N, maka nilai N disebut ukuran kumpulan data (populasi).
Nilai rata-rata memiliki
kecenderungan memusat, sehingga disebut juga ukuran kecenderungan memusat ( measures
of central tendency ). Beberapa jenis rata-rata tersebut yang sering
dipergunakan ialah Rata-rata Hitung (arithmetic mean atau sering disingkat mean
saja), Rata-rata Ukur ( geometric mean ), dan Rata-rata Harmonis ( harmonic
mean ).
A. MEAN /RATA-RATA
1.
Rata-Rata Hitung
Rata-rata (mean) adalah ukuran
pemusatan lokasi yang banyak digunakan dalam statistika. Ukuran ini mudah
dengan memanfaatkan semua data yang dimiliki.Namun demikian kekurangan dari
ukuran pemusatan rata-rata ini sangat dipengaruhi nilai ekstrim.
Penghitungan rata-rata dilakukan
dengan menjumlahkan seluruh nilai data suatu kelompok sampel, kemudian dibagi
dengan jumlah sampel tersebut. Jadi jika suatu kelompok sampel acak dengan
jumlah sampel n, maka bisa dihitung rata-rata dari sampel tersebut
dengan rumus sebagai berikut.
Keterangan:
= rata-rata hitung
xi = nilai sampel ke-i
n = jumlah sampel
* Rata-Rata Sementara
Menghitung nilai rata-rata dapat
dilakukan dengan menggunakan rata-rata sementara.Rata-rata hitung yang
diperoleh dari jumlah rata-rata sementara dan simpangan rata-rata dirumuskan:
Keterangan:
= rata-rata hitung
s= rata-rata hitung sementara
xi = nilai sampel ke-i
fi = frekuensi ke-i
n = jumlah sampel
* Rata-Rata Tertimbang.
Rata-rata tertimbang/terbobot (weighted average) adalah rata-rata yang
dihitung dengan memperhitungkan timbangan/bobot untuk setiap datanya. Setiap
penimbang/bobot tersebut merupakan pasangan setiap data.
Rumus rata-rata tertimbang/terbobot
adalah sebagai berikut.
Keterangan:
=
rata-rata tertimbang
xi =
nilai data ke-i
wi =
bobot data ke-i
n =
jumlah data
* Rata-Rata Gabungan
Misalkan ada n buah populasi
terhingga dengan ukuran populasi f1,f2,……,fn maka
akan mempunyai rata-rata populasi maka rata-rata gabungan dari semua populasi
adalah:
Keterangan:
= rata-rata hitung
xi = nilai sampel ke-i
fi = frekuensi ke-i
n = jumlah sampel
B. MEDIAN
Median adalah nilai tengah dari data yang telah disusun
berurutan mulai dari yang terkecil sampai dengan yang terbesar. Secara
matematis median dilambangkan dengan Me yang dapat dicari
dengan cara sebagai berikut.
Median untuk jumlah data (n)
ganjil
Median untuk jumlah data (n)
genap
Keterangan:
Me =
Median
n =
jumlah data
x =
nilai data
C. MODUS
Modus adalah nilai yang memiliki
frekuensi terbanyak dalam seperangkat data. Modus untuk data yang disusun dalam
bentuk kelas interval (data berkelompok) bisa ditentukan berdasarkan nilai
tengah kelas interval yang memiliki frekuensi terbanyak.
Namun nilai yang dihasilkan dari
nilai tengah kelas interval ini adalah nilai yang kasar. Nilai modus yang lebih
halus bisa diperoleh dengan menggunakan rumus di bawah ini.
Mo =
modus
b =
batas bawah kelas interval dengan frekuensi terbanyak
p =
panjang kelas interval
b1 =
frekuensi terbanyak dikurangi frekuensi kelas sebelumnya
b2 =
frekuensi terbanyak dikurangi frekuensi kelas sesudahnya
D. HUBUNGAN RATA-RATA,MEDIAN DAN
MODUS
Pada suatu distribusi frekuensi,
hubungan antara rata-rata, median dan modus adalah sebagai berikut.
1.
Jika rata-rata, median dan modus
memiliki nilai yang sama, maka nilai rata-rata, median dan modus akan terletak
pada satu titik dalam kurva distribusi frekuensi. Kurva distribusi frekuensi
tersebut akan terbentuk simetris.
2. Jika rata-rata lebih besar dari median, dan median lebih besar dari modus,
maka pada kurva distribusi frekuensi, nilai rata-rata akan terletak di sebelah
kanan, sedangkan median terletak di tengahnya dan modus di sebelah kiri. Kurva
distribusi frekuensi akan terbentuk menceng ke kiri.
3. Jika rata-rata lebih kecil dari median, dan median lebih kecil dari modus,
maka pada kurva distribusi frekuensi, nilai rata-rata akan terletak di sebelah
kiri, sedangkan median terletak di tengahnya dan modus di sebelah kanan. Kurva
distribusi frekuensi akan terbentuk menceng ke kanan.
4. Jika kurva distribusi frekuensi tidak simetris (menceng ke kiri atau ke
kanan), maka biasanya akan berlaku hubungan antara rata-rata median dan modus
sebagai berikut.Rata-rata – Modus = 3 (Rata-rata – Median)
![https://datatalker.files.wordpress.com/2013/02/comparison_mean_median_mode.png?w=645](file:///C:\Users\LENOVO~1\AppData\Local\Temp\msohtmlclip1\01\clip_image002.jpg)
Xn = statistik maksimum
![https://irmasafitri07.files.wordpress.com/2013/09/89d51-rata-rata-hitung.png?w=645](file:///C:\Users\LENOVO~1\AppData\Local\Temp\msohtmlclip1\01\clip_image004.gif)
![https://irmasafitri07.files.wordpress.com/2013/09/4526a-rata-rata.png?w=645](file:///C:\Users\LENOVO~1\AppData\Local\Temp\msohtmlclip1\01\clip_image006.gif)
![https://irmasafitri07.files.wordpress.com/2013/09/61876-xbar.png?w=645](file:///C:\Users\LENOVO~1\AppData\Local\Temp\msohtmlclip1\01\clip_image008.gif)
xi = nilai sampel ke-i
n = jumlah sampel
![https://irmasafitri07.files.wordpress.com/2013/09/b3e30-rumus-rataan-hitung-sementara-2842013.jpg?w=645](file:///C:\Users\LENOVO~1\AppData\Local\Temp\msohtmlclip1\01\clip_image009.jpg)
![https://irmasafitri07.files.wordpress.com/2013/09/61876-xbar.png?w=645](file:///C:\Users\LENOVO~1\AppData\Local\Temp\msohtmlclip1\01\clip_image008.gif)
![https://irmasafitri07.files.wordpress.com/2013/09/61876-xbar.png?w=645](file:///C:\Users\LENOVO~1\AppData\Local\Temp\msohtmlclip1\01\clip_image008.gif)
xi = nilai sampel ke-i
fi = frekuensi ke-i
n = jumlah sampel
![https://irmasafitri07.files.wordpress.com/2013/09/cba09-rumusrata-ratatertimbang.png?w=645](file:///C:\Users\LENOVO~1\AppData\Local\Temp\msohtmlclip1\01\clip_image011.gif)
![https://irmasafitri07.files.wordpress.com/2013/09/61876-xbar.png?w=645](file:///C:\Users\LENOVO~1\AppData\Local\Temp\msohtmlclip1\01\clip_image008.gif)
![https://i2.wp.com/blog.ub.ac.id/rakamahendras/files/2012/03/36.jpg](file:///C:\Users\LENOVO~1\AppData\Local\Temp\msohtmlclip1\01\clip_image012.jpg)
![https://irmasafitri07.files.wordpress.com/2013/09/61876-xbar.png?w=645](file:///C:\Users\LENOVO~1\AppData\Local\Temp\msohtmlclip1\01\clip_image008.gif)
xi = nilai sampel ke-i
fi = frekuensi ke-i
n = jumlah sampel
![https://irmasafitri07.files.wordpress.com/2013/09/7a09c-mediandataganjil.png?w=645](file:///C:\Users\LENOVO~1\AppData\Local\Temp\msohtmlclip1\01\clip_image014.gif)
![https://irmasafitri07.files.wordpress.com/2013/09/37e0f-mediandatagenap.png?w=645](file:///C:\Users\LENOVO~1\AppData\Local\Temp\msohtmlclip1\01\clip_image016.gif)
![https://irmasafitri07.files.wordpress.com/2013/09/45c4c-modusdataberkelompok1.png?w=645](file:///C:\Users\LENOVO~1\AppData\Local\Temp\msohtmlclip1\01\clip_image018.gif)
2. Jika rata-rata lebih besar dari median, dan median lebih besar dari modus, maka pada kurva distribusi frekuensi, nilai rata-rata akan terletak di sebelah kanan, sedangkan median terletak di tengahnya dan modus di sebelah kiri. Kurva distribusi frekuensi akan terbentuk menceng ke kiri.
3. Jika rata-rata lebih kecil dari median, dan median lebih kecil dari modus, maka pada kurva distribusi frekuensi, nilai rata-rata akan terletak di sebelah kiri, sedangkan median terletak di tengahnya dan modus di sebelah kanan. Kurva distribusi frekuensi akan terbentuk menceng ke kanan.
4. Jika kurva distribusi frekuensi tidak simetris (menceng ke kiri atau ke kanan), maka biasanya akan berlaku hubungan antara rata-rata median dan modus sebagai berikut.Rata-rata – Modus = 3 (Rata-rata – Median)
Ukuran Letak (Kuartil, Desil, dan Persentil)
KuartilKuartil merupakan bilangan pembagi dari sekumpulan data menjadi empat bagian yang sama banyak. Ada tiga kuartil yaitu kuartil pertama, kuartil kedua, dan kuartil ketiga, yang diberi simbol K1, K2, dan K3. Langkah-langkah menentukan kuatil yaitu:
- Susun data menurut urutan nilainya Tentukan letak kuartil
![8](file:///C:\Users\LENOVO~1\AppData\Local\Temp\msohtmlclip1\01\clip_image019.jpg)
Dengan i = 1, 2, 3
- Tentukan
nilai kuartil
a. Data tunggal dengan seluruh skornya berfrekuensi satu dan data tunggal sebagian atau seluluh skornya berfrekuensi lebih dari satu
- Letak Ki berbentuk bilangan bulat, misalnya p. Akibatnya nilai kuartil merupakan data ke-p atau dinotasikan Xp.
- Letak Ki
berbentuk pecahan campuran, misalnya
![10](file:///C:\Users\LENOVO~1\AppData\Local\Temp\msohtmlclip1\01\clip_image021.jpg)
b. Data kelompok ( dalam distribusi frekuensi) Nilai kuartil dirumuskan dengan
![11](file:///C:\Users\LENOVO~1\AppData\Local\Temp\msohtmlclip1\01\clip_image022.jpg)
Dengan i = 1, 2, 3
Dimana
b : batas bawah kelas Ki
p : panjang kelas Ki
F : Jumlah frekuensi dengan tanda kelas lebih kecil dari tanda kelas Ki
F : frekuensi kelas Ki
Desil
Desil merupakan bilangan pembagi dari sekumpulan data menjadi sepuluh bagian yang sama banyak. Ada sembilan Desil yaitu Desil pertama, Desil kedua, . . ., Desil sembilan, yang diberi simbol D1, D2, . . ., D3. Langkah-langkah menentukan Desil yaitu:
- Susun data menurut urutan nilainya
- Tentukan letak Desil
![12](file:///C:\Users\LENOVO~1\AppData\Local\Temp\msohtmlclip1\01\clip_image023.jpg)
Dengan i = 1, 2, 3, … , 9
- Tentukan nilai Desil
Letak Desil akan muncul dua kemungkinan, yaitu
- Letak Di berbentuk bilangan bulat, misalnya u.Akibatnya nilai Desil merupakan data ke-u atau dinotasikan Xu.
- Letak Ki
berbentuk pecahan campurah, misalnya
![13](file:///C:\Users\LENOVO~1\AppData\Local\Temp\msohtmlclip1\01\clip_image024.jpg)
b. Data kelompok ( dalam distribusi frekuensi)
Nilai Desil dirumuskan dengan
![14](file:///C:\Users\LENOVO~1\AppData\Local\Temp\msohtmlclip1\01\clip_image025.jpg)
Dengan i = 1, 2, 3, . . ., 9
Dimana
b : batas bawah kelas Di
p : panjang kelas Di
F : Jumlah frekuensi dengan tanda kelas lebih kecil dari tanda kelas Di
f : frekuensi kelas Di
Persentil
Persentil merupakan bilangan pembagi dari sekumpulan data menjadi seratus bagian yang sama banyak. Ada 99 persentil yaitu persentil pertama, persentil kedua, . . ., persentil sembilan, yang diberi simbul P1, P2, . . ., P99.
Langkah-langkah menentukan persentil, yaitu :
- Susun data menurut urutan nilainya
- Tentukan letak persentil
![15](file:///C:\Users\LENOVO~1\AppData\Local\Temp\msohtmlclip1\01\clip_image026.jpg)
Dengan i = 1, 2, 3, … , 9
- Tentukan nilai Persentil
Letak persentil akan muncul dua kemungkinan, yaitu:
- Letak Pi berbentuk bilangan bulat, misalnya u.Akibatnya nilai persentil merupakan data ke-p atau dinotasikan Xu.
- Letak
Di berbentuk pecahan campuran,
misalnya
Akibatnya nilai persentil
![16](file:///C:\Users\LENOVO~1\AppData\Local\Temp\msohtmlclip1\01\clip_image027.jpg)
b. Data kelompok ( dalam distribusi frekuensi)
Nilai Persentil dirumuskan dengan
![17](file:///C:\Users\LENOVO~1\AppData\Local\Temp\msohtmlclip1\01\clip_image028.jpg)
Dengan i = 1, 2, 3, . . ., 99
Dimana
b : batas bawah kelas Pi
p : panjang kelas Pi
F : Jumlah frekuensi dengan tanda kelas lebih kecil dari tanda kelas Pi
f : frekuensi kelas Pi
Pengertian
Dispersi
Dalam kehidupan sehari-hari kita
sering mendengar orang menyebutkan data statistik. Rata-rata upah karyawan
perusahaan Rp.2.000.0000 per bulan, rata-rata jumlah mahasiswa baru Raharja
1000 mahasiswa per tahun ajaran baru. Setiap kali kita mendengar rata-rata,
maka secara otomatis kita membayangkan sekelompok nilai di sekitar rata-rata
tersebut. Ada yang sama dengan rata-rata, ada yang lebih kecil, dan ada yang
lebih besar dari rata-rata tersebut. Dengan kata lain, ada variasi atau
dispersi dari nilai-nilai tersebut, baik terhadap nilai lainnya maupun terhadap
rata-ratanya. Ukuran
dispersi atau ukuran variasi atau ukuran penyimpangan adalah ukuran yang
menyatakan seberapa jauh penyimpangan nilai-nilai data dari nilai-nilai
pusatnya atau ukuran yang menyatakan seberapa banyak nilai-nilai data yang
berbeda dengan nilai-nilai pusatnya.
Ukuran variabilitas adalah sebuah ukuran derajat penyebaran nilai-nilai
variabel dari suatu ukuran pemusatan data dalam sebuah distribusi. Dua kelompok
distribusi data dapat memiliki nilai ukuran pemusatan yang sama, akan tetapi
derajat penyebarannya bisa jadi sangat berbeda. Misalnya kita memiliki data
yang berasal dari dua kelompok individu yang berbeda. Data kelompok individu A
: 24, 24, 25, 25, 25, 26, 26, diperoleh mean sebesar 25. Dan data dari kelompok
individu B : 16, 19, 22, 25, 28, 30, 35, diperoleh mean sebesar 25.
Nilai tendensi sentral dalam dua distribusi A dan B tersebut di atas adalah
sama yaitu keduanya memiliki harga rata-rata = 25. Namun demikian apabila
dilihat dari keragaman dan penyebaran nilai dari kedua distribussi tersebut
tampak sangat berbeda. Dimana penyebaran nilai-nilai dalam distribusi A
terlihat lebih homogen dibanding distribusi B. Sebaliknya penyebaran nilai
dalam distribusi B lebih beragam atau heterogen dibanding penyebaran nilai
dalam distribusi A. Hal ini diperlukan suatu indeks yang tidak saja dapat
memberikan gambaran ringkas mengenai suatu distribusi (melalui suatu ukuran
pemusatan data atau ukuran tendensi sentral), melainkan juga diperlukan suatu
ukuran yang dapat memberikan gambaran berdasarkan keragaman nilai-nilai dalam
suatu distribusi.
Ukuran
dispersi pada dasarnya adalah pelengkap dari ukuran nilai pusat dalam
menggambarkan sekumpulan data. Jadi, dengan adanya ukuran dispersi maka
penggambaran sekumpulan data akan menjadi lebih jelas dan tepat. Ada beberapa
macam ukuran variasi atau dispersi, misalnya nilai jarak (range),
rata-rata simpangan (mean deviation), simpangan baku (standard
deviation), koefisien variasi (coefficient of variation), ukuran
kemencengan kurva (skewness), dan ukuran keruncingan kurva (kurtosis).
Di antara ukuran variasi atau disperse data tersebut simpangan baku yang sering
dipergunakan, khususnya untuk keperluan analisis data.
JENIS-JENIS
UKURAN DISPERSI
Jangkauan
(Range, R)
Jangkauan
atau ukuran jarak adalah selisih nilai terbesar data dengan nilai terkecil
data. Dengan kata lain range atau disebut juga rentangan atau jarak pengukuran
dapat didefinisikan sebagai jarak antara nilai tertinggi dengan nilai terendah.
Besar kecilnya range dapat digunakan sebagai petunjuk untuk mengetahui taraf
keragaman dan variabilitas suatu distribusi. Semakin tinggi range berarti
distribusinya semakin beragam, bervariasi atau heterogen. Sebaliknya semakin
kecil harga range maka distribusinya semakin tidak bervariasi, tidak beragam,
sejenis atau homogen.
Walaupun
prosedur yang dilalui sangat sederhana, namun penggunaan range sebagai ukuran
variabilitas harus dilakukan dengan hati-hati. Karena range sangat bergantung
pada data yang ekstrim (yaitu data yang kemunculan dan ketidak munculannya
sangat berpengaruh pada tinggi rendahnya nilai range). Oleh karena hanya
didasarkan pada dua nilai yang tertinggi dan terendah inilah, maka range
merupakan indeks variabilitas yang tidak dapat diandalkan, tidak stabil atau
tidak mantap (reliable) sebagai pendekatan metodologi ilmiah. Cara
mencari jangkauan dibedakan antara data tunggal dan data berkelompok.
Jangkauan
data tunggal
Bila
ada sekumpulan data tunggal X1, X2, …, Xn maka
jangkauannya adalah
Jangkauan
Contoh
:
Tentukan
jangkauan data: 1, 4, 7, 8, 9, 11 !
Jawab:
X6
= 11 dan X1 = 1
Jangkauan
=
Jangkauan
data berkelompok
Untuk
data berkelompok, jangkauan dapat ditentukan dengan dua cara, yaitu menggunakan
titik atau nilai tengah dan menggunakan tepi kelas. Jangkauan adalah selisih
titik tengah kelas tertinggi dengan titik tengah kelas terendah. Jangkauan
adalah selisih tepi atas kelas tertinggi dengan tepi bawah kelas terendah.
Contoh
:Tentukan jangkauan dari distribusi frekuensi berikut!
Tabel
4.1. Hasil Pengukuran Tinggi Badan 50 Mahasiswa STMIK Raharja
Tinggi
Badan (cm)
|
Frekuensi
|
140
– 144
145
– 149
150
– 154
155
– 159
160
– 164
165
– 169
170
– 174
|
2
4
10
14
12
5
3
|
Jumlah
|
50
|
Jawab:
Dari
Tabel 4.1. terlihat bahwa:
Titik
tengah kelas terendah = 142
Titik
tengah kelas
tertinggi
= 172
Tepi
bawah kelas terendah = 139,5
Tepi
atas kelas tertinggi
= 174,5
- Jangkauan = 172 – 142 = 30
- Jangkauan = 174,5 – 139,5 = 35
Jangkauan
Semi Interkuartil
Jangkauan
antarkuartil adalah selisih antara nilai kuartil atas dan kuartil bawah
Dirumuskan:
Jangkauan
semi interkuartil atau simpangan kuartil (deviasi kuartil) dari suatu himpunan
data, disimbolkan dengan Q didefinisikan sebagai setengah dari selisih kuartil
dengan kuartil bawah . Dirumuskan:
Di
mana Q1 dan Q2 adalah kuartil pertama dan kuartil ketiga
dari kelompok data. Jangkauan interkuartil kadang-kadang digunakan juga
meskipun jaangkauan semi interkuartil lebih umum dan sering digunakan sebagai
ukuran untuk disperse data. Rumus-rumus di atas berlaku baik untuk data tunggal
dan data yang telah dikelompokan dalam distribusi frekuensi. Perhatikan contoh
berikut:
- Tentukan jangkauan antarkuartil dan jangkauan semi interkuartil dari data berikut!
2,
4, 6, 8, 10, 12, 14
Jawab:
dan
- Tentukan jangkauan antarkuartil dan jangkauan semi interkuartil berikut!
Tabel
4.2. Nilai Statistik 80 Mahasiswa STMIK Raharja Semester II.
Nilai
|
Frekuensi
|
30
– 39
40
– 49
50
– 59
60
– 69
70
– 79
80
– 89
90
– 99
|
2
3
5
14
24
20
12
|
Jumlah
|
80
|
Jawab:
Jangkauan
antarkuartil (JK) dapat digunakan untuk menemukan adanya data pencilan,
yaitu data yang dianggap salah catat atau salah ukur atau berasal dari
kasus yang menyimpang, karena itu perlu diteliti ulang. Data pencilan adalah
data yang kurang dari pagar dalam atau lebih dari pagar luar.
Keterangan:
Satu
langkah pagar
dalam
pagar luar
Contoh
: Selidiki apakah terdapat data pencilan dari data di bawah ini!
15, 33, 42, 50, 51, 51, 53, 55, 62, 64, 65, 68, 79, 85, 97
Jawab:
dan
Pada
data di atas terdapat nilai 15 dan 97 yang berarti kurang dari pagar dalam (23)
atau lebih dari pagar luar (95). Dengan demikian, nilai 15 dan 97 termasuk data
pencilan, karena itu perlu diteliti ulang. Adanya nilai 15 dan 97 mungkin
disebabkan salah dalam mencatat, salah dalam mengukur, atau data dari kasus
yang menyimpang.
Deviasi
Rata-Rata (Simpangan Rata-Rata)
Deviasi
rata-rata atau deviasi mean disingkat MD (mean deviation) dari himpunan
data didefinisikan sebagai nilai rata-rata hitung dari harga mutlak
simpangan-simpangannya. Dengan kata lain, untuk melakukan penghitungan MD
digunakan harga yang mutlak saja, yaitu dengan hanya menggunakan nilai-nilai
yang bertanda positif saja sedangkan nilai-nilai yang memiliki tanda negatif
tidak diperhitungkan atau diabaikan. Cara mencari deviasi rata-rata, dibedakan
antara data tunggal dan data berkelompok.
Deviasi
rata-rata data tunggal
Untuk
data tunggal, deviasi rata-ratanya dapat dihitung dengan menggunakan rumus:
Contoh
: Tentukan deviasi rata-rata dari 2, 3, 6, 8, 11!
Jawab:
Rata-rata
hitung
Deviasi
rata-rata untuk data berkelompok
Untuk
data berkelompok (distribusi frekuensi), deviasi rata-ratanya dapat dihitung
dengan rumus:
Contoh:
Tentukan
deviasi rata-rata dari distribusi frekuensi pada Tabel 4.1.!
Jawab:
Dari
Tabel 4.1. didapat Dengan nilai itu, dapat dibuat tabel deviasinya.
Tinggi
Badan (cm)
|
||||
140
– 144
145
– 149
150
– 154
155
– 159
160
– 164
165
– 169
170
– 174
|
142
147
152
157
162
167
172
|
2
4
10
14
12
5
3
|
15,7
10,7
5,7
0,7
4,3
9,3
14,3
|
31,4
42,8
57
9,8
51,6
46,5
42,9
|
Jumlah
|
–
|
50
|
–
|
282
|
Oleh karena MD ini mengabaikan tanda-tanda plus minus maka tidaak dapat
diteruskan kepada perhitungan-perhitungan matematik lebih lanjut, terutama pada
rumus-rumus yang mencantumkan tanda plus minus itu. Untuk mengatasi kelemahan
ini, digunakan cara perhitungan ukuran variabilitas yang lain, yaitu yang
dikenal dengan simpangan baku atau standar deviasi atau deviasi standar. Namun
sebelum masuk ke pembahasan standar deviasi akan diuraikan terlebih dahulu
tentang varians.
Variansi
(Variance)
Seperti pada perhitungan simpangan
rata-rata, variasi juga menggunakan selisih atau simpangan antara semua nilai
data dengan rata-rata hitung. Bedanya pada rumus simpangan rata-rata yang
digunakan adalah nilai mutlak dari selisih nilai, sedangkan pada variansi yang
digunakan adalah kuadrat selisih nilai. Walaupun nilai mutlak dan kuadrat
sama-sama bertujuan untuk membuat nilai negatif menjadi positif, tetapi
maknanya sangat berbeda dan mempunyai pengaruh yang berbeda terhadap ukuran
dispersi data. Varians adalah nilai tengah kuadrat simpangan dari nilai tengah
atau simpangan rata-rata kuadrat. Untuk sampel, variansnya (varians sampel)
disimbolkan dengan Untuk populasi, variansnya (varians populasi)
disimbolkan dengan (baca: sigma).
Varians
data tunggal
Untuk
seperangkat data X1, X2, X3,…, Xn
(data tunggal), variansnya dapat ditentukan dengan dua metode, yaitu metode
biasa dan metode angka kasar.
Metode
biasa
- Untuk sampel besar
- Untuk sampel kecil
Metode
angka kasar
- Untuk sampel besar
- Untuk sampel kecil
Contoh:
Tentukan varians dari data 2, 3, 6, 8, 11!
Jawab:
maka diperoleh
2
3
6
8
11
|
-4
-3
0
2
5
|
16
9
0
4
25
|
4
9
36
64
121
|
30
|
54
|
234
|
Varians
data berkelompok
Untuk
data berkelompok (data yang telah dikelompokan dalam distribusi frekuensi),
variansnya dapat ditemukan dengan menggunakan tiga metode, yaitu metode biasa,
metode angka kasar, dan metode coding.
Metode
biasa
- Untuk sampel besar
- Untuk sampel kecil
Metode
angka kasar
- Untuk sampel besar
- Untuk sampel kecil
Metode
coding
- Untuk sampel besar
- Untuk sampel kecil
Keterangan:
panjang
interval kelas
rata-rata
hitung sementara.
Contoh
: Tentukan varians dari distribusi frekuensi berikut!
Tabel
4.3. Hasil Pengukuran Diameter Pipa
Diameter
|
Frekuensi
|
65
– 67
68
– 70
71
– 73
74
– 76
77
– 79
80
– 82
|
2
5
13
14
4
2
|
Jumlah
|
40
|
Jawab:
Dengan
menggunakan metode biasa:
Diameter
|
|||||
65
– 67
68
– 70
71
– 73
74
– 76
77
– 79
80
– 82
|
66
69
72
75
78
81
|
2
5
13
14
4
2
|
-7,425
-4,425
-1,425
1,575
4,575
7,575
|
55,131
19,581
2,031
2,481
20,931
57,381
|
110,262
97,905
26,403
34,734
83,724
114,762
|
Jumlah
|
–
|
40
|
–
|
–
|
467,790
|
Dengan
metode angka kasar:
Diameter
|
|||||
65
– 67
68
– 70
71
– 73
74
– 76
77
– 79
80
– 82
|
66
69
72
75
78
81
|
2
5
13
14
4
2
|
4.356
4.761
5.184
5.625
6.084
6.561
|
132
345
936
1.050
312
162
|
8.712
23.805
67.392
78.750
24.336
13.122
|
Jumlah
|
–
|
40
|
–
|
2.937
|
216.117
|
Dengan
metode coding:
Diameter
|
||||||
65
– 67
68
– 70
71
– 73
74
– 76
77
– 79
80
– 82
|
66
69
72
75
78
81
|
2
5
13
14
4
2
|
-3
-2
-1
0
1
2
|
9
4
1
0
1
4
|
-6
-10
-13
0
4
4
|
18
20
13
0
4
8
|
Jumlah
|
–
|
40
|
–
|
-21
|
63
|
Hasil perhitungan dengan menggunakan ketiga rumus adalah sama, namun dengan
menggunakan rumus ke-3, perhitungannya jauh lebih sederhana dan cepat.
Perhatikan bahwa dengan menggunakan varians, disperse data tersebut jauh lebih
besar jika dibandingkan dengan menggunakan simpangan rata-rata. Hal ini diakibatkan
oleh variansi yang menggunakan kuadrat selisih nilai-nilai data terhadap
rata-rata hitung, sehingga simpangannya membesar secara drastis. Ini berarti
varians bukan merupakan ukuran dispersi yang baik untuk menggambarkan
penyebaran data. Kelemahan varians disebabkan oleh bentuk kuadrat yang dipakai
dalam rumus, sementara dispersi data sesungguhnya merupakan ukuran yang
bentuknya linier. Oleh karena itu varians juga jarang digunakan dalam analisis
data. Namun demikian, variansi masih mempunyai kelebihan karena melibatkan
selisih dari semua nilai data.
Varians
gabungan
Misalkan,
terdapat buah subsample sebagai berikut:
–
Sub-sampel 1, berukuran dengan varians
–
Sub-sampel 2, berukuran dengan varians
–
……………., …………
……… ……
–
Sub-sampel berukuran dengan varians
Jika
subsampel-subsampel tersebut digabungkan menjadi sebuah sampel berukuran
, maka varians gabungannya adalah:
atau
Contoh:
Hasil pengamatan terhadap 20 objek mendapatkan s = 4. Pengamatan
terhadap 30 objek mendapatkan s = 5. Berapakah varians gabungannya?
Tidak ada komentar:
Posting Komentar