Pertemuan 3 · Bab 1 · Statistika 2 Satuan Kredit Semester · Program Studi Diploma Empat Manajemen Proyek Konstruksi

Ukuran Pemusatan Data: Mean, Median, dan Modus

Setelah data diringkas melalui tabel dan grafik pada Pertemuan 2, kita membutuhkan satu atau beberapa nilai yang dapat menjelaskan di mana pusat data berada. Pertemuan ini membimbing mahasiswa menghitung, membandingkan, memilih, dan menginterpretasikan mean, median, dan modus, termasuk memahami bagaimana nilai ekstrem dapat mengubah kesimpulan.

Mean Median Modus Nilai Ekstrem Kemencengan Distribusi Pemilihan Ukuran Pusat IBM SPSS Statistics 340 menit Formatif 0%

Target Rencana Pembelajaran Semester: mahasiswa mampu menghitung, memilih, dan menginterpretasikan ukuran pemusatan. Indikator keberhasilan: perhitungan benar dan alasan memilih mean, median, atau modus tepat.

Sinkronisasi Rencana Pembelajaran Semester

Kemampuan Akhir yang Direncanakan: Menghitung dan menginterpretasikan ukuran pemusatan data.
Waktu: TM 100 + PT 120 + BM 120 = 340 menit
Penilaian: Formatif 0%
Referensi RPS: 1,2,3

Tujuan belajar Pertemuan 3

Pertemuan 3 mempunyai 5 tujuan utama. Klik salah satu tujuan untuk langsung menuju materi yang membahasnya.

1
Menghitung dan menjelaskan mean, median, dan modus. 2
Menganalisis pengaruh nilai ekstrem dan bentuk distribusi. 3
Memilih ukuran pemusatan yang sesuai dengan jenis data dan konteks. 4
Menghitung dan memeriksa ukuran pusat dengan IBM SPSS Statistics. 5
Menginterpretasikan ukuran pusat pada data proyek konstruksi.

Cara belajar: selesaikan Tujuan Pembelajaran 1 sampai Tujuan Pembelajaran 5 secara berurutan. Setiap blok mempunyai penjelasan, contoh, latihan, dan tombol kembali ke daftar tujuan.

Cara belajar Pertemuan 3 agar tetap ringan

Mulai dari makna. Pahami apa yang dimaksud “pusat data”.

Hitung manual. Gunakan dataset kecil agar langkah perhitungan terlihat.

Bandingkan. Jangan menganggap mean, median, dan modus selalu memberikan pesan yang sama.

Periksa pola. Lihat nilai ekstrem dan bentuk distribusi sebelum memilih ukuran pusat.

Verifikasi. Gunakan IBM SPSS Statistics dan tulis interpretasi dalam konteks proyek.

Siklus belajar Pertemuan 3: data → hitung manual → bandingkan → pilih ukuran pusat → verifikasi → interpretasi.

Peta materi Pertemuan 3

Tujuan Pembelajaran 1 · Mean, Median, Modus Tujuan Pembelajaran 2 · Nilai Ekstrem Tujuan Pembelajaran 3 · Pemilihan Ukuran Tujuan Pembelajaran 4 · IBM SPSS Statistics Tujuan Pembelajaran 5 · Interpretasi Proyek

Data → Mean / Median / Modus → Bandingkan → Pilih → Interpretasikan

Pertemuan 3 berfokus pada pusat data. Rentang, varians, standar deviasi, koefisien variasi, kuartil, dan persentil diperdalam pada Pertemuan 4.

TUJUAN PEMBELAJARAN 1

Menghitung dan menjelaskan mean, median, dan modus

↑ Kembali ke Tujuan Belajar

Rujukan utama: Montgomery & Runger · Sudjana · Sugiyono

Ukuran pemusatan adalah nilai yang digunakan untuk menggambarkan posisi pusat atau nilai tipikal dari sekumpulan data. Tiga ukuran utama pada Pertemuan 3 adalah mean, median, dan modus.

1.1 Rata-rata (mean) — rata-rata aritmetika

Mean dihitung dengan menjumlahkan seluruh nilai kemudian membaginya dengan jumlah observasi. Mean menggunakan informasi dari setiap nilai dalam dataset.

Mean sampel: x̄ = (x₁ + x₂ + ... + xₙ) / n

Contoh produktivitas harian

Produktivitas lima hari: 8, 9, 10, 11, 12 m²/hari.

x̄ = (8 + 9 + 10 + 11 + 12) / 5 = 10 m²/hari

Interpretasi: rata-rata produktivitas pada lima hari pengamatan adalah 10 m²/hari.

Mean selalu mempertimbangkan besar-kecilnya setiap nilai. Karena itu mean dapat berubah cukup besar ketika terdapat nilai yang sangat ekstrem.

1.2 Median — nilai tengah setelah data diurutkan

Median membagi data terurut menjadi dua bagian: sekitar separuh observasi berada di bawah median dan separuh lainnya berada di atas median.

Jumlah data ganjil

Data terurut: 6, 8, 9, 11, 14.

Median = 9.

Jumlah data genap

Data terurut: 6, 8, 9, 11, 14, 16.

Median = (9 + 11) / 2 = 10

Langkah wajib: urutkan data terlebih dahulu. Median tidak dapat ditentukan hanya dari posisi data yang belum diurutkan.

1.3 Modus — nilai atau kategori yang paling sering muncul

Modus adalah nilai atau kategori dengan frekuensi tertinggi. Modus dapat digunakan pada data numerik maupun kategorik.

Data numerik: 7, 8, 8, 8, 9, 10 → modus = 8.

Data kategorik: penyebab keterlambatan yang paling sering muncul = Material.

1.4 Dataset dapat memiliki lebih dari satu modus atau tidak memiliki modus yang jelas

Jika dua nilai sama-sama paling sering muncul, dataset dapat disebut mempunyai dua modus.
Jika semua nilai muncul dengan frekuensi sama, modus mungkin tidak informatif.
Untuk data kontinu dengan banyak nilai unik, modus mentah sering kurang berguna dibanding mean atau median.

1.5 Perbandingan dasar

Ukuran	Menggunakan	Kekuatan utama	Keterbatasan utama
Mean	semua nilai	memanfaatkan seluruh informasi numerik	sensitif terhadap nilai ekstrem
Median	urutan/posisi	lebih tahan terhadap nilai ekstrem	tidak menggunakan besar setiap nilai secara langsung
Modus	frekuensi	dapat digunakan untuk kategori	dapat lebih dari satu atau tidak informatif

1.6 Contoh terarah terpadu

Durasi lima aktivitas: 10, 11, 11, 12, 16 hari.

Mean: (10 + 11 + 11 + 12 + 16) / 5 = 12 hari.

Median: nilai tengah = 11 hari.

Modus: nilai yang paling sering = 11 hari.

Ketiga ukuran memberikan informasi yang berbeda. Mean lebih tinggi karena nilai 16 menarik rata-rata ke atas.

Latihan Tujuan Pembelajaran 1

Hitung mean, median, dan modus dari data: 8, 9, 9, 10, 12, 12, 12, 15.

Jawaban: mean = 10,875; median = 11; modus = 12.

↑ Kembali ke Tujuan Belajar

TUJUAN PEMBELAJARAN 2

Menganalisis pengaruh nilai ekstrem dan bentuk distribusi

↑ Kembali ke Tujuan Belajar

Rujukan utama: Montgomery & Runger · Sudjana · Sugiyono

Nilai ekstrem adalah observasi yang jauh dari sebagian besar data. Nilai ekstrem dapat merupakan kesalahan pencatatan, kondisi khusus, atau kejadian nyata. Pertemuan 3 berfokus pada dampaknya terhadap ukuran pusat, bukan langsung menghapusnya.

2.1 Bandingkan dataset tanpa dan dengan nilai ekstrem

Dataset A: 8, 9, 10, 10, 10, 11, 12.

Mean = 10; Median = 10; Modus = 10.

Dataset B: 8, 9, 10, 10, 10, 11, 40.

Mean = 14; Median = 10; Modus = 10.

Satu nilai 40 mengubah mean dari 10 menjadi 14, tetapi median dan modus tetap 10. Ini menunjukkan bahwa mean lebih sensitif terhadap nilai ekstrem.

2.2 Mengapa mean sensitif?

Mean memakai besar setiap nilai dalam penjumlahan. Nilai yang sangat tinggi atau sangat rendah langsung memengaruhi total sehingga memengaruhi mean. Median hanya bergantung pada posisi setelah data diurutkan.

2.3 Distribusi simetris dan distribusi miring

Pada distribusi yang relatif simetris, mean dan median sering berdekatan. Pada distribusi yang miring, keduanya dapat berbeda cukup jauh.

Gambar di atas adalah pola konseptual. Hubungan mean dan median tidak boleh digunakan sebagai satu-satunya diagnosis bentuk distribusi. Tetap periksa histogram, boxplot, dan data aktual.

2.4 Nilai ekstrem tidak boleh dihapus hanya karena “merusak mean”

Periksa sumber data. Apakah salah ketik, salah satuan, atau benar-benar terjadi?

Periksa konteks. Apakah kasus tersebut mewakili kondisi proyek yang penting?

Bandingkan ukuran pusat. Apakah mean berubah besar sementara median stabil?

Dokumentasikan keputusan. Jangan menghapus data hanya untuk menghasilkan angka yang diinginkan.

Audit kualitas data yang lebih formal, termasuk missing data dan nilai ekstrem, diperdalam pada Pertemuan 10.

2.5 Simulator nilai ekstrem

Ubah nilai terakhir dan perhatikan bagaimana mean serta median merespons.

Format input angka: pisahkan nilai dengan titik koma (;) atau baris baru; gunakan koma sebagai tanda desimal.

Data numerik

Tambahkan satu nilai

Latihan Tujuan Pembelajaran 2

Data biaya harian: 9, 10, 10, 11, 11, 12, 48 juta rupiah. Ukuran pusat mana yang paling terpengaruh oleh nilai 48? Jelaskan.

Jawaban: mean paling terpengaruh karena nilai 48 ikut langsung dalam penjumlahan. Median lebih stabil karena ditentukan oleh posisi data.

↑ Kembali ke Tujuan Belajar

TUJUAN PEMBELAJARAN 3

Memilih ukuran pemusatan yang sesuai dengan jenis data dan konteks

↑ Kembali ke Tujuan Belajar

Rujukan utama: Montgomery & Runger · Sudjana · Sugiyono

Menghitung semua ukuran pusat mudah dilakukan. Tantangan statistik yang lebih penting adalah memilih ukuran yang paling sesuai dengan jenis data, skala pengukuran, bentuk distribusi, dan tujuan analisis.

3.1 Peta keputusan sederhana

Jenis / kondisi data	Ukuran yang umumnya relevan	Alasan
Nominal	Modus	kategori hanya membedakan kelompok
Ordinal	Median dan/atau modus	urutan bermakna, jarak belum tentu sama
Numerik relatif simetris tanpa nilai ekstrem kuat	Mean	menggunakan seluruh nilai
Numerik sangat miring atau memiliki nilai ekstrem valid	Median sering lebih representatif	lebih tahan terhadap nilai ekstrem
Nilai/kategori yang paling lazim ingin diketahui	Modus	berdasarkan frekuensi tertinggi

3.2 Jangan menghitung mean dari kode kategori

Metode kerja: 1 = Konvensional, 2 = Prefabrikasi.

Mean kode 1,6 tidak berarti “rata-rata metode kerja = 1,6”. Angka 1 dan 2 hanyalah label kategori.

3.3 Mean dan median dapat dilaporkan bersama

Dalam data proyek yang miring, mean dan median sering dilaporkan bersama karena selisih keduanya dapat membantu pembaca memahami pengaruh nilai tinggi/rendah.

“Mean keterlambatan adalah 6,8 hari, sedangkan median 4 hari. Perbedaan ini menunjukkan bahwa beberapa keterlambatan yang tinggi menarik mean ke atas.”

3.4 Modus pada data kategorik

Modus sangat berguna untuk menjawab pertanyaan seperti: jenis keterlambatan apa yang paling sering muncul, metode kerja apa yang paling banyak digunakan, atau kategori risiko apa yang paling umum.

3.5 Strategi memilih ukuran pemusatan

Tentukan jenis dan skala data. Jangan mulai dari rumus.

Lihat distribusi. Gunakan tabel, histogram, atau boxplot dari Pertemuan 2.

Periksa nilai ekstrem. Tentukan apakah ada observasi yang sangat memengaruhi mean.

Tentukan pertanyaan. Apakah ingin rata-rata numerik, posisi tengah, atau nilai paling sering?

Pilih ukuran. Mean, median, modus, atau kombinasi yang paling informatif.

Tulis alasan. Keputusan statistik harus dapat dijelaskan.

Interpretasikan dalam satuan/kategori asli.

Pengayaan opsional — mean data berkelompok

Jika data hanya tersedia sebagai tabel distribusi berkelompok, mean dapat diperkirakan menggunakan titik tengah kelas.

Mean berkelompok ≈ Σ(f × titik tengah kelas) / Σf

Hasil merupakan pendekatan karena nilai individual dalam setiap kelas tidak lagi diketahui.

Pengayaan opsional — mean gabungan

Jika dua kelompok mempunyai jumlah observasi dan mean yang diketahui, mean gabungan harus mempertimbangkan ukuran masing-masing kelompok.

Mean gabungan = (n₁x̄₁ + n₂x̄₂) / (n₁ + n₂)

Jangan mengambil rata-rata sederhana dari dua mean jika ukuran kedua kelompok berbeda.

Latihan Tujuan Pembelajaran 3

Pilih ukuran pusat yang paling sesuai: (a) jenis kontrak paling umum; (b) durasi proyek yang sangat miring ke kanan; (c) produktivitas harian yang relatif simetris tanpa nilai ekstrem kuat.

Jawaban: (a) modus; (b) median, dapat disertai mean sebagai informasi tambahan; (c) mean.

↑ Kembali ke Tujuan Belajar

TUJUAN PEMBELAJARAN 4

Menghitung dan memeriksa ukuran pusat dengan IBM SPSS Statistics

↑ Kembali ke Tujuan Belajar

Rujukan utama: Montgomery & Runger · Sudjana · Sugiyono

IBM SPSS Statistics digunakan untuk mempercepat perhitungan dan memeriksa hasil manual. Perangkat lunak tidak menggantikan keputusan mengenai ukuran pusat mana yang sesuai.

4.1 Persiapan data

satu baris tetap mewakili satu kasus sesuai Pertemuan 1;
variabel numerik memiliki satuan yang konsisten;
kode kategori dan missing sudah benar;
nilai ekstrem yang mencurigakan ditelusuri, bukan langsung dihapus;
Measure pada Variable View sesuai dengan makna variabel.

4.2 Frequencies — mean, median, dan modus

Buka Analyze → Descriptive Statistics → Frequencies.

Pindahkan variabel yang akan dianalisis.

Pilih Statistics.

Aktifkan Mean, Median, dan Mode sesuai kebutuhan.

Jalankan analisis dan periksa nilai valid serta missing.

Bandingkan hasil dengan perhitungan manual.

4.3 Descriptives — mean untuk variabel numerik

Menu Analyze → Descriptive Statistics → Descriptives dapat digunakan untuk menghasilkan mean serta beberapa statistik deskriptif lain. Pada Pertemuan 3 fokus utama tetap mean; statistik penyebaran diperdalam pada Pertemuan 4.

4.4 Explore — melihat mean dan median bersama konteks distribusi

Menu Analyze → Descriptive Statistics → Explore berguna ketika mahasiswa ingin melihat ukuran pusat bersama informasi distribusi dan grafik eksploratif.

4.5 Membandingkan manual dan output

Yang diperiksa	Pertanyaan audit
Jumlah data valid	Apakah sama dengan data yang dihitung manual?
Mean	Apakah sama atau berbeda hanya karena pembulatan?
Median	Apakah data manual sudah diurutkan dengan benar?
Modus	Apakah terdapat lebih dari satu nilai dengan frekuensi tertinggi?
Missing	Apakah ada nilai hilang yang tidak sengaja ikut dihitung?

4.6 Kesalahan yang sering terjadi

menggunakan mean pada kode kategori nominal;
mengabaikan missing atau salah coding;
menyalin seluruh output tanpa menjelaskan statistik yang relevan;
menganggap hasil perangkat lunak selalu benar meskipun struktur data salah;
melaporkan angka tanpa satuan atau konteks.

4.7 Kalkulator latihan mean, median, dan modus

Masukkan angka dipisahkan dengan koma, titik koma, spasi, atau baris baru.

Format input angka: pisahkan nilai dengan titik koma (;) atau baris baru; gunakan koma sebagai tanda desimal.

Data numerik

Latihan Tujuan Pembelajaran 4

Hitung mean, median, dan modus dari dataset kecil secara manual, lalu verifikasi dengan menu Frequencies pada IBM SPSS Statistics. Jelaskan jika terdapat selisih akibat pembulatan.

Kriteria: nilai manual dan hasil perangkat lunak konsisten, prosedur dapat dijelaskan, serta mahasiswa mengetahui statistik mana yang perlu dilaporkan.

↑ Kembali ke Tujuan Belajar

TUJUAN PEMBELAJARAN 5

Menginterpretasikan ukuran pusat pada data proyek konstruksi

↑ Kembali ke Tujuan Belajar

Rujukan utama: Montgomery & Runger · Sudjana · Sugiyono

Statistik yang benar belum cukup. Mahasiswa harus mampu mengubah angka menjadi pernyataan yang bermakna dalam konteks Manajemen Proyek Konstruksi.

5.1 Dataset mini produktivitas

Produktivitas sepuluh observasi pekerjaan dinding: 8,4; 8,9; 9,1; 9,3; 9,4; 9,5; 9,7; 9,8; 10,0; 16,5 m²/hari.

Mean: 10,06 m²/hari.

Median: 9,45 m²/hari.

Modus: tidak ada nilai yang berulang.

5.2 Apa yang dapat dibaca?

Mean lebih tinggi daripada median karena observasi 16,5 m²/hari jauh lebih tinggi dibanding sebagian besar data. Jika nilai 16,5 valid, median 9,45 m²/hari dapat lebih menggambarkan pusat mayoritas observasi, sementara mean tetap berguna untuk menunjukkan rata-rata aritmetika keseluruhan.

Nilai 16,5 tidak boleh dihapus hanya karena membuat mean lebih tinggi. Verifikasi terlebih dahulu apakah nilai tersebut salah input atau kejadian yang benar-benar terjadi.

5.3 Modus untuk kategori penyebab keterlambatan

Penyebab keterlambatan: Material, Cuaca, Material, Peralatan, Material, Tenaga Kerja, Cuaca.

Modus = Material, karena kategori tersebut paling sering muncul.

5.4 Contoh narasi yang baik

“Produktivitas rata-rata pada sepuluh observasi adalah 10,06 m²/hari, sedangkan mediannya 9,45 m²/hari. Perbedaan ini terutama dipengaruhi oleh satu observasi tinggi sebesar 16,5 m²/hari. Karena itu median lebih mewakili posisi pusat sebagian besar observasi, tetapi nilai tinggi tersebut tetap perlu diverifikasi sebelum keputusan analisis dibuat.”

5.5 Contoh narasi yang kurang tepat

“Mean selalu merupakan nilai terbaik.”
“Nilai 16,5 pasti salah dan harus dihapus.”
“Median 9,45 berarti setiap pekerjaan menghasilkan 9,45 m²/hari.”
“Modus tidak berguna karena tidak dapat dihitung jika semua nilai unik.”

5.6 Evidence yang harus dihasilkan

perhitungan manual mean, median, dan modus pada dataset kecil;
identifikasi nilai ekstrem yang dapat memengaruhi mean;
alasan memilih ukuran pemusatan yang sesuai;
verifikasi menggunakan IBM SPSS Statistics;
interpretasi dengan satuan dan konteks proyek;
pernyataan batas kesimpulan jika data memiliki kondisi khusus.

5.7 Indikator ketercapaian Pertemuan 3

Sesuai Rencana Pembelajaran Semester: perhitungan mean, median, dan modus benar serta alasan memilih ukuran pemusatan tepat.

Latihan integrasi Tujuan Pembelajaran 5

Durasi tujuh pekerjaan adalah 9, 10, 10, 11, 12, 13, dan 35 hari. Hitung mean dan median, kemudian tentukan ukuran mana yang lebih mewakili pusat sebagian besar data.

Jawaban: mean ≈ 14,29 hari; median = 11 hari. Median lebih mewakili pusat sebagian besar observasi karena nilai 35 hari menarik mean ke atas. Nilai 35 tetap harus diverifikasi, bukan otomatis dihapus.

↑ Kembali ke Tujuan Belajar

Rangkuman Pertemuan 3

Tujuan Pembelajaran 1

Hitung: mean memakai semua nilai; median memakai posisi; modus memakai frekuensi.

Tujuan Pembelajaran 2

Periksa: nilai ekstrem dapat mengubah mean jauh lebih besar daripada median.

Tujuan Pembelajaran 3

Pilih: gunakan jenis data, bentuk distribusi, nilai ekstrem, dan tujuan analisis.

Tujuan Pembelajaran 4–5

Verifikasi dan interpretasikan: IBM SPSS Statistics membantu menghitung, tetapi keputusan tetap harus dijelaskan.

Kalimat kunci Pertemuan 3: ukuran pemusatan yang baik bukan sekadar angka yang dapat dihitung, tetapi angka yang paling tepat untuk menjelaskan pusat data pada konteks yang dianalisis.

Beban kegiatan Pertemuan 3

Tatap muka / terbimbing	100 menit
Penugasan terstruktur	120 menit
Belajar mandiri	120 menit
Total	340 menit
Penilaian	Formatif 0%

Latihan formatif Pertemuan 3

Gunakan satu dataset numerik kecil dalam konteks proyek konstruksi.

urutkan data dan hitung mean, median, serta modus secara manual;
identifikasi apakah terdapat nilai ekstrem yang berpengaruh;
tentukan ukuran pemusatan yang paling informatif dan jelaskan alasannya;
verifikasi hasil dengan IBM SPSS Statistics;
tulis interpretasi singkat menggunakan satuan dan konteks variabel.

Asesmen formatif: 0%. Fokus penilaian mengikuti Rencana Pembelajaran Semester: perhitungan benar dan alasan memilih mean, median, atau modus tepat.

Kriteria Latihan Formatif Pertemuan 3

Kriteria berikut mengikuti rubrik analitik umum Rencana Pembelajaran Semester. Tidak ada bobot internal tambahan yang ditetapkan pada halaman materi; penilaian mengikuti instrumen dosen pada pelaksanaan tugas.

Kriteria	Fokus evidence pada Pertemuan 3
Pemahaman masalah dan data	jenis data dan konteks ukuran pemusatan dikenali dengan tepat
Pemilihan metode statistik	rata-rata, median, atau modus dipilih dengan alasan yang tepat
Perhitungan/analisis	perhitungan manual dan verifikasi perangkat lunak benar
Interpretasi	pengaruh nilai ekstrem dan bentuk distribusi dijelaskan
Kesimpulan berbasis bukti	ukuran pusat yang dipilih didukung evidence
Komunikasi data	hasil dilaporkan dengan satuan dan konteks yang jelas

Prinsip: ketepatan prosedur harus disertai kemampuan menjelaskan alasan pemilihan metode, interpretasi, dan kaitannya dengan masalah/data.

Checklist penguasaan Pertemuan 3

0 dari 5 tujuan tercapai 0%

Tujuan Pembelajaran 1 — Saya dapat menghitung dan menjelaskan mean, median, dan modus. Tujuan Pembelajaran 2 — Saya dapat menjelaskan pengaruh nilai ekstrem dan bentuk distribusi. Tujuan Pembelajaran 3 — Saya dapat memilih ukuran pemusatan yang sesuai dan menjelaskan alasannya. Tujuan Pembelajaran 4 — Saya dapat memeriksa hasil dengan IBM SPSS Statistics. Tujuan Pembelajaran 5 — Saya dapat menginterpretasikan ukuran pusat pada data proyek konstruksi.

Checklist ini tersimpan hanya pada browser/perangkat dan bukan progres atau nilai resmi pada sistem pembelajaran.

Catatan Penyelarasan

Materi dan penilaian pada halaman ini menggunakan struktur canonical semester yang telah diharmonisasi. Acuan kurikulum final adalah Rencana Pembelajaran Semester yang berlaku; nomor versi tidak ditampilkan pada halaman materi agar tidak menjadi usang ketika dokumen diperbarui.

Daftar Pustaka Pertemuan 3

Montgomery, D. C., & Runger, G. C. (2018). Applied Statistics and Probability for Engineers (7th ed.). Wiley.
Sudjana. (2005). Metoda Statistika. Bandung: Tarsito.
Sugiyono. (2019). Statistika untuk Penelitian. Bandung: Alfabeta.

Daftar pustaka pada halaman ini identik dengan kode referensi pada Rencana Pembelajaran Semester terbaru.

↑ Kembali ke bagian utama

Jembatan ke Pertemuan 4

Mean, median, dan modus menjelaskan pusat data, tetapi dua dataset dapat memiliki pusat yang sama dan penyebaran yang sangat berbeda. Pertemuan 4 membahas rentang, varians, standar deviasi, koefisien variasi, kuartil, dan persentil.

Pusat Data → Penyebaran Data → Posisi Data

↑ Lihat kembali Tujuan Belajar Pertemuan 3