1. Perhitungan Excel (B)

1. Mean (rata-rata)

Mean atau rata-rata adalah salah satu ukuran pusat dalam statistika yang digunakan untuk mengetahui nilai tengah dari sekelompok data. Untuk menghitung mean, Anda menjumlahkan semua nilai dalam himpunan data dan kemudian membaginya dengan jumlah total data. Ini dapat memberikan gambaran yang representatif tentang keseluruhan himpunan data. Misalnya, jika Anda memiliki data gaji dari sekelompok orang, menghitung mean gaji akan memberi Anda gambaran tentang gaji rata-rata dari kelompok tersebut. Mean sering digunakan dalam analisis statistik untuk menggambarkan karakteristik dari sekelompok data.

2. Median (Nilai Tengah)

Median atau nilai tengah adalah salah satu ukuran pusat dalam statistika yang mewakili nilai tengah dari sekelompok data yang diurutkan. Untuk menghitung median, data diurutkan dari nilai terendah hingga tertinggi, dan nilai tengah dari urutan tersebut diambil sebagai median. Jika jumlah data ganjil, median adalah nilai di tengah-tengah urutan data. Namun, jika jumlah data genap, median adalah rata-rata dari dua nilai tengah teratas.

Median merupakan ukuran kecenderungan sentral yang kuat karena tidak terpengaruh oleh nilai ekstrem atau outlier dalam data. Ini membuat median menjadi metode yang berguna untuk mengevaluasi sekelompok data yang mungkin memiliki distribusi yang tidak simetris atau terdapat nilai ekstrem.

Contoh penggunaan median adalah dalam memahami pendapatan rata-rata di suatu daerah; median pendapatan akan memberikan gambaran tentang pendapatan yang dihadapi oleh penduduk tengah, tanpa dipengaruhi oleh nilai pendapatan yang sangat tinggi atau rendah.

Dalam beberapa kasus, khususnya ketika distribusi data tidak normal atau terdapat banyak nilai yang sama, median dapat memberikan gambaran yang lebih representatif daripada mean.

3. Modus

Modus adalah salah satu ukuran kecenderungan sentral dalam statistika yang menggambarkan nilai yang paling sering muncul dalam suatu himpunan data. Dalam konteks distribusi data, modus adalah nilai atau kategori dengan frekuensi tertinggi. Dengan kata lain, modus adalah nilai yang paling umum atau paling sering muncul.
Jika terdapat lebih dari satu nilai dengan frekuensi tertinggi yang sama, maka himpunan data tersebut memiliki beberapa modus. Jika setiap nilai dalam himpunan data muncul hanya sekali atau tidak ada nilai yang muncul lebih dari satu kali, maka himpunan data tersebut tidak memiliki modus.

Misalnya, dalam sebuah kelas dengan tinggi badan siswa, jika tinggi badan 160 cm muncul lebih sering daripada tinggi badan lainnya, maka 160 cm adalah modus dari himpunan data tersebut. Modus berguna untuk memberikan pemahaman tentang nilai yang paling umum atau dominan dalam suatu distribusi data.

4. Quartil

Quartil adalah nilai-nilai yang membagi sebuah himpunan data menjadi empat bagian yang sama besar. Ada tiga quartil yang umum digunakan:

1. Quartil Pertama (Q1): Quartil pertama adalah nilai yang membagi 25% data terendah dari himpunan data yang diurutkan. Dengan kata lain, 25% data berada di bawah nilai Q1.
2. Quartil Kedua (Q2) atau Median: Quartil kedua adalah median dari himpunan data, yaitu nilai yang membagi data menjadi dua bagian yang sama besar. Sebanyak 50% data berada di bawah nilai Q2 dan 50% berada di atasnya.
3. Quartil Ketiga (Q3): Quartil ketiga adalah nilai yang membagi 75% data terendah dari himpunan data yang diurutkan. Dengan kata lain, 75% data berada di bawah nilai Q3.

Quartil berguna dalam menganalisis distribusi data karena memberikan gambaran tentang sebaran data secara kuantitatif. Quartil dapat digunakan bersama dengan box plot untuk memvisualisasikan sebaran data dan menemukan adanya outlier atau anomali dalam data.

Penggunaan quartil tidak hanya terbatas pada data numerik, tetapi juga dapat digunakan untuk data yang bersifat ordinal. Quartil dapat memberikan wawasan yang berguna dalam pemahaman struktur data dan kecenderungan sentralnya.

5. Desil

Desil adalah nilai yang membagi sebuah himpunan data menjadi sepuluh bagian yang sama besar. Desil digunakan untuk membagi data ke dalam 10 persen atau 10 segmen yang berbeda.

Ada sembilan desil yang umum digunakan, dengan desil pertama (D1) membagi 10% data terendah dan desil kesembilan (D9) membagi 90% data terendah. Desil kesepuluh biasanya identik dengan nilai maksimum dalam himpunan data. Desil kedua (D2) membagi 20% data terendah, desil ketiga (D3) membagi 30% data terendah, dan seterusnya, hingga desil kedelapan (D8) membagi 80% data terendah.

Penggunaan desil memungkinkan kita untuk memahami sebaran data dengan lebih detail daripada menggunakan quartil. Desil dapat membantu dalam mengidentifikasi pecahan data tertentu, serta memberikan informasi tentang sebaran data yang lebih halus. Misalnya, D5 mewakili nilai tengah dari data, sementara D1 dan D9 mewakili ekstremitas terendah dan tertinggi dari data secara berurutan. Desil dapat digunakan untuk analisis distribusi data yang lebih mendalam dan pemahaman tentang komposisi data secara lebih rinci.

6. Persentil

Persentil adalah nilai-nilai yang membagi sebuah himpunan data menjadi seratus bagian yang sama besar. Setiap persentil membagi data menjadi fraksi persen tertentu. Persentil digunakan untuk memahami sebaran data dengan sangat detail dan mendalam.

Seperti yang disebutkan sebelumnya, persentil membagi data menjadi 100 bagian yang sama besar. Persentil pertama (P1) membagi 1% data terendah, persentil kedua (P2) membagi 2% data terendah, dan seterusnya. Persentil keseratus (P100) biasanya identik dengan nilai maksimum dalam himpunan data.

Penggunaan persentil memungkinkan analisis yang sangat rinci tentang distribusi data. Misalnya, P50 mewakili median dari data, P25 dan P75 mewakili quartil pertama dan ketiga, dan seterusnya. Persentil juga berguna untuk mengevaluasi letak suatu data dalam distribusi secara relatif.

Penggunaan persentil tidak hanya terbatas pada data numerik, tetapi juga dapat digunakan untuk data yang bersifat ordinal atau kategorikal. Persentil dapat memberikan pemahaman yang mendalam tentang distribusi data dan distribusi kuantitatifnya, serta membantu dalam mengidentifikasi outlier atau anomali dalam data.

Latihan: 

Silakan klik link berikut:

https://docs.google.com/spreadsheets/d/1XG62vqSETu_sVlfQWMUU3FNnZlAx-3A0nvQhKb29U3I/edit?usp=sharing