Bingung mau pilih mean, median, atau modus?
Kalau kita menyebut kata rata-rata atau rerata, kemungkinan besar kita lebih condong untuk mempergunakan mean. Kalau kita ingin nilai tengah, maka kita berbicara median. sedangkan apabila kita ingin nilai yang paling sering muncul, kita menggunakan modus.
Mean adalah total semua data dibagi jumlah data. Mean digunakan ketika data yang kita miliki memiliki sebaran normal atau mendekati normal (berbentuk setangkup, nilai yang paling banyak berada ditengah dan makin besar semakin sedikit, makin kecil makin sedikit pula, nilai-nilai ekstrim yang besar maupun yang kecil hampir tidak ada).
Median adalah nilai yang berada ditengah-tengah data setelah diurutkan dari yang terkecil sampai terbesar. Median cocok digunakan bila data yang kita miliki tidak menyebar normal atau memiliki nilai yang berbeda-beda secara signifikan.
Misalnya ada yang 10.000 ada yang hanya 2, sedangkan distribusi nilai yang besar dan yang kecil tidak sama atau berat sebelah. Lebih banyak yang besar dan sedikit yang kecil atau sebaliknya. Selain itu juga memiliki banyak pencilan (outlier) yang nilainya sangat jauh dari nilai data yang lain. Median sangat cocok digunakan pada data seperti ini karena tidak terpengaruh oleh perbedaan data yang besar, karena median memilih nilai yang paling tengah setelah diurutkan, sehingga tidak tertarik ke atas jika ada data yang sangat besar.
Modus adalah nilai yang sering muncul. Jika kita tertarik pada data frekuensi, jumlah dari suatu nilai dari kumpulan data, maka kita menggunakan modus. Modus sangat baik bila digunakan untuk data yang memiliki sekala kategorik yaitu nominal atau ordinal.
Skala kategorik adalah data yang bukan angka. Data berskala nominal artinya tidak ada urutan yang lebih tinggi antara satu denga nyang lainnya. misalnya warna: merah, kuning, hijau. Merah diberi nilai 1, kuning 2, hijau 3. 1 tidak lebih kecil dari 2, sedangkan 3 tida lebih besar dari dua. Yang kita inginkan adalah data berapa banyak yang bernilai 1 (merah), berapa banyak bernilai 2 (kuning), dan berapa banyak yang bernilai 3 (hijau). Apabila yang paling banyak muncul adalah 2, maka modusnya 2 atau kuning.
Sedangkan data ordinal adalah data kategorik yang bisa diurutkan, misalnya kita menanyakan kepada 100 orang tentang kebiasaan untuk mencuci kaki sebelum tidur, dengan pilihan jawaban: selalu (5), sering (4), kadang-kadang(3), jarang (2), tidak pernah (1). Apabila kita ingin melihat ukuran pemusatannya lebih baik menggunakan modus yaitu yaitu jawaban yang paling banyak dipilih, misalnya sering (2). Berarti sebagian besar orang dari 100 orang yang ditanyakan menjawab sering mencuci kaki sebelum tidur.
Sudah jelas kan........
Kesimpulan:
Mean: Data yang normal
Median: Data tidak normal, banyak /pencilan outlier, data sangat besar/kecil
Modus: Data kategorik: Nominal or Ordinal
Anda tertarik dengan Statistika?
Mari kita berbagi informasi mengenai statistika...
Apabila Anda perlu bantuan, hubungi: (021)96927448
Rabu, 27 Mei 2009
Penggunaan Mean, Median, dan Modus (2)
Senin, 25 Mei 2009
Penggunaan Mean, Median, dan Modus (1)
Mean, Median, Modus sama-sama merupakan ukuran pemusatan data yang termasuk kedalam analisis statistika deskriptif. Namun, ketiganya memiliki kelebihan dan kekurangannya masing-masing dalam menerangkan suatu ukuran pemusatan data. Untuk tahu kegunaannya masing-masing dan kapan kita mempergunakannya, perlu diketahui terlebih dahulu pengertian analisis statistika deskriptif dan ukuran pemusatan data.
Analisis Statistika deskriptif merupakan metode yang berkaitan dengan penyajian data sehingga memberikan informasi yang berguna. Upaya penyajian ini dimaksudkan untuk mengungkapkan informasi penting yang terdapat dalam data ke dalam berntuk yang lebih ringkas dan sederhana yang pada akhirnya mengarah pada keperluan adanya penjelasan dan penafsiran (Aunudin, 1989)
Deskripsi data yang dilakukan meliputi ukuran pemusatan dan penyebaran data. Ukuran pemusatan data meliputi nilai rata-rata (median), modus, dan median. Sedangkan ukuran penyebaran data meliputi ragam (variance) dan simpangan baku (standard deviation).
Ukuran pemusatan data adalah suatu ukuran yang menggambarkan pusat dari kumpulan data yang bisa mewakilinya.
Misalnya kita ingin mengetahui tingkat usia dari Tim Sepak Bola AC Milan tahun 2009 yang dianggap beberapa kalangan merupakan skuad yang terlalu tua. Kita membutuhkan satu angka untuk menggambarkan keseluruhan usia pemain di Tim Ac Milan yang terdiri dari puluhan orang.
Angka apa yang kita akan pergunakan???
Angka salah satu pemain, misalnya maldini yang sudah usia 40 tahun?
atau Alesandro Pato yang masih berusia 19 tahun?
atau rata-rata usia seluruh pemain?
atau nilai yang paling tengah dari seluruh usia pemain?
atau usia yang paling banyak dari pemain (jumlah pemain yang terbanyak memiliki usia sama?
hhmmm....
bingung?
bersambung...
Anda Perlu Bantuan Analisis Data Statistik?
Hubungi kami melalui:
- Telp. (021)96927448
- email. jihadbest36@yahoo.com
Analisis Data:
- Skripsi (S1): Rp 500.000
- Tesis (S2): Rp 1.000.000
- Disertasi (S3): Rp 2.500.000
Kursus Private Statistika
2 jam per pertemuan:
- S1: Rp 150.000 per pertemuan
- S2: Rp 300.000 per pertemuan
- S3: Rp 500.000 per pertemuan
Konsultasi Rp 100.000 per jam
ANALISIS YANG KAMI LAYANI
Meringkas Data, statistika 5 serangkai, Ukuran pemusatan,
ukuran keragaman data, dll
2. Charting, grafik
Pembuatan chart dan grafik apapun sesuai keinginan Anda
3. Tabulasi
Pembuatan berbagai macam tabel sesuai keinginan Anda
4. Uji Signifikan
Melakukan uji hipotesis terhadap berbagai permasalahan
Uji satu sampel, uji dua sempel, uji dua atau lebih sampel
5. Korelasi
Metode untuk mengetahui hubungan antar dua variabel,
satu variabel dengan lebih dari satu veriabel, dan juga
banyak variabel dengan banyak variabel.
6. Regresi
Metode untuk membuat suatu modelhubungan antara
satu variabel terikat (dependent variable) dengan satu atau lebih variabel bebas (independent variable)
7. Multivariate Regression
Metode untuk membuat model hubungan antara banyak
variabel terikat (dependent variable) dan banyak variabel bebas
(independent variable)
8. Logit-Probit
Mirip dengan regresi namun dapat digunakan untuk variabel kategorik
(ordinal dan nominal), termasuk non parametrik
9. Experimental Design
10. Non-Parametrik Analysis
11. AKU (Analisis Komponen Utama) /Principal Component
12. Analisis Faktor
13. Cluster Analysis
14. Analisis Diskriminan
16. Biplot
17. Analisis Korespondency
18. Time Series Anlysis
19. Path Analysis
20. SEM (Seqential Equation Modeling)
21. CHAID
22. AMMI
23. Bootstrap