Mean, Median, dan Modus untuk Keputusan — Persiapan UTBK

Setelah ini kamu bisa memilih dan menghitung ukuran pemusatan yang tepat pada konteks nilai rapor dan gaji, termasuk efek pencilan.

Tujuh karyawan gajinya mirip-mirip Rp3 juta, lalu masuk bos bergaji Rp200 juta. Rata-rata gaji lonjak menjadi Rp30 juta, tetapi itu tidak menggambarkan kehidupan nyata para karyawan. Di sinilah median lebih jujur: tetap sekitar Rp3 juta. Memilih ukuran pemusatan yang tepat menentukan apakah kamu mengambil keputusan berdasarkan gambaran asli atau ilusi statistik. Coba seret satu titik jauh ke kanan di bawah dan lihat mean tertarik, sedangkan median diam.

Coba seret salah satu titik data menjauh, lalu perhatikan garis mean tertarik sementara garis median tetap.

Tiga ukuran pemusatan

Mean (rata-rata) adalah jumlah seluruh data dibagi banyak data: $\bar{x} = \frac{\sum x_i}{n}$ . Median adalah nilai tengah setelah data diurutkan; bila banyak data genap, median adalah rata-rata dua nilai tengah. Modus adalah nilai yang paling sering muncul. Ketiganya sama-sama “mewakili” pusat data, tetapi karakternya berbeda, terutama saat ada pencilan.

$\bar{x} = \frac{x_1 + x_2 + \dots + x_n}{n}$

Arti tiap simbol: $x_i$ = nilai data ke-i, $n$ = banyak data, $\bar{x}$ = mean.

Mean mudah ditarik pencilan

Karena mean memperhitungkan setiap nilai, satu pencilan besar bisa menggesernya jauh. Data [3, 4, 5, 6, 100] punya mean $\frac{118}{5} = 23{,}6$ , padahal hampir semua data di bawah 10. Inilah sebabnya rata-rata gaji yang memuat bos miliuner menipu — mean tidak mewakili karyawan biasa.

Median tahan pencilan

Median hanya melihat posisi tengah, bukan besaran setiap nilai, sehingga tahan terhadap pencilan. Untuk [3, 4, 5, 6, 100], mediannya 5 — masuk akal. Ketika data condong (skewed) atau ada pencilan, median adalah ukuran pemusatan yang lebih representatif. Coba lihat sendiri efek gaji bos berikut.

Modus untuk data kategorial

Modus cocok untuk data kategori atau data berulang. Bila ditanya “ukuran sepatu paling laku”, modus menjawab; mean ukuran sepatu tidak berarti. Modus juga berguna saat data tidak numerik (mis. merek pilihan). Data tanpa pengulangan dianggap tak bermodus. Pilih modus saat kamu butuh “yang paling sering”, bukan “rata-rata”.

Memilih ukuran untuk keputusan

Pilihan ukuran bergantung pada pertanyaan dan bentuk data. Untuk data simetris tanpa pencilan, mean ideal. Untuk data condong atau ada pencilan (gaji, harga rumah), median lebih representatif. Untuk data kategori atau pertanyaan “paling sering”, modus. Keputusan yang baik dimulai dari memilih ukuran yang menjawab pertanyaan dengan jujur. Coba pilih sendiri untuk beberapa konteks.

Kerangka resmi UTBK (snpmb.id/fr) memasukkan ukuran pemusatan ke dalam domain data dan ketidakpastian Penalaran Matematika. Soal tipe ini sering menyodorkan data nilai atau gaji lalu memintamu memilih ukuran yang tepat atau menghitung dampak satu perubahan data.

Latih menghitung mean

Kerjakan latihan berikut; tulis jumlah dan banyak data di kertas sebelum mengisi jawaban.

Coba dulu di kertas, baru buka.

Soal. Gaji 7 karyawan (juta rupiah): 3, 3,2, 3,3, 3,5, 3,7, 3,8, 200. Bandingkan mean dan median.

Jumlah $= 3 + 3{,}2 + 3{,}3 + 3{,}5 + 3{,}7 + 3{,}8 + 200 = 220{,}5$ . Mean $= \frac{220{,}5}{7} \approx 31{,}5$ juta.

Data sudah terurut; nilai tengah (ke-4) $= 3{,}5$ juta.

Mean $\approx 31{,}5$ juta (tertipu oleh bos), median $= 3{,}5$ juta (mewakili karyawan biasa).

Jebakan: memakai mean untuk data condong atau ada pencilan. Yang benar: bila ada pencilan besar (gaji bos, satu nilai ekstrem), median lebih representatif; mean akan tertarik menjauh dari mayoritas data.

Jebakan: menganggap mean selalu lebih baik karena “lebih matematis”. Yang benar: pilihan ukuran bergantung pada pertanyaan dan bentuk data; mean ideal hanya pada data simetris tanpa pencilan.

Mean $= \frac{\sum x_i}{n}$ ; sensitif terhadap pencilan.
Median = nilai tengah data terurut; tahan terhadap pencilan.
Modus = nilai paling sering; cocok untuk data kategori.
Pada data condong atau ada pencilan, median lebih representatif.
Pada data simetris tanpa pencilan, mean ideal.