Tendensi Sentral

Anda baru saja membereskan survei gaji tujuh alumni FEB UNDIP angkatan 2018: 5, 6, 6, 7, 8, 30, dan 33 juta rupiah per bulan. Atasan bertanya: “Rata-rata gajinya berapa?” Anda jumlahkan, bagi tujuh, lalu menjawab: “Sekitar Rp 13,6 juta.” Atasan mengernyit: “Aneh — setahu saya kebanyakan alumni masih di kisaran enam-tujuh juta.”

Atasan benar, dan kalkulator Anda juga benar. Masalahnya satu angka tunggal tidak selalu mewakili tujuh angka. Dua alumni yang sudah tembus 30-an juta menarik rata-rata jauh ke atas, sampai angka itu lebih tinggi daripada gaji lima dari tujuh orang. Nilai yang lebih jujur di sini justru nilai tengah: Rp 7 juta.

Mean, median, dan modus adalah tiga cara meringkas data ke satu angka, masing-masing dengan watak berbeda. Salah pilih, salah cerita. Artikel ini membahas ketiganya dari nol — cara menghitung, dan yang lebih penting, kapan memakai yang mana.

Apa Itu Tendensi Sentral

Tendensi sentral adalah satu angka yang menggambarkan pusat sebaran data. Bayangkan semua data Anda berbaris dari kecil ke besar, lalu Anda harus menunjuk satu titik yang paling mewakili seluruh barisan. Titik itulah tendensi sentral.

Ada tiga ukuran utama, dan ketiganya menjawab pertanyaan “di mana pusatnya?” dengan definisi yang berbeda:

Setiap ukuran punya kelemahannya sendiri. Mean peka terhadap pencilan (satu nilai ekstrem yang jauh dari lainnya). Median tahan pencilan tetapi mengabaikan besar-kecilnya nilai. Modus berguna untuk kategori tetapi sering tidak tunggal. Pemilihan ukuran bukan soal selera — bergantung pada bentuk data dan pertanyaan yang ingin dijawab.

Mean: Rata-rata Aritmatika

Mean dihitung dengan menjumlahkan semua nilai, lalu membaginya dengan banyaknya nilai. Lambangnya $\bar{x}$ untuk sampel (sebagian data) dan $\mu$ untuk populasi (seluruh data).

$$\bar{x} = \frac{\sum_{i=1}^{n} x_i}{n}$$

Penjelasan tiap lambang:

• $\bar{x}$ dibaca “x-bar”, yaitu mean dari sampel; $\mu$ (dibaca “mu”) mean populasi.
• $\sum_{i=1}^{n}$ artinya “jumlahkan untuk semua data, dari yang ke-1 sampai ke-$n$”. Misalnya untuk data 70, 75, 80 nilainya $70 + 75 + 80 = 225$.
• $x_i$ = nilai data ke-$i$ (ke-1, ke-2, dan seterusnya sampai ke-$n$). Untuk data tadi, $x_1 = 70$, $x_2 = 75$, $x_3 = 80$.
• $n$ = banyak data. Untuk data tadi $n = 3$.

Contoh hitung mean dari nol

Lima nilai ujian: 70, 75, 80, 85, 90.

$$\bar{x} = \frac{70 + 75 + 80 + 85 + 90}{5} = \frac{400}{5} = 80$$

Mean = 80. Sederhana dan intuitif: kalau seluruh nilai diratakan agar semua orang dapat angka yang sama, masing-masing dapat 80.

Sekarang ganti satu angka menjadi pencilan: 70, 75, 80, 85, 190.

$$\bar{x} = \frac{70 + 75 + 80 + 85 + 190}{5} = \frac{500}{5} = 100$$

Mean melonjak dari 80 menjadi 100. Satu pencilan menggeser mean sebesar 25%, padahal empat nilai lainnya tidak berubah. Inilah kenapa mean kurang cocok untuk data berekor panjang seperti gaji atau harga rumah.

Sifat-sifat mean

1. Peka terhadap pencilan — satu nilai ekstrem mengubah hasil secara nyata (contoh di atas).
2. Selalu tunggal untuk satu kumpulan data.
3. Mempertimbangkan setiap nilai — tidak ada data yang diabaikan.
4. Cocok untuk hitungan lanjutan (varians, korelasi, regresi semua bertumpu pada mean).
5. Tak bermakna untuk data kategori — mean dari “merah, biru, hijau” tidak ada artinya.

Median: Nilai Tengah

Median adalah nilai yang berada di posisi tengah setelah data diurutkan dari kecil ke besar. Yang dilihat hanya posisinya, bukan besar nilainya. Aturan posisinya bergantung pada apakah banyak data ganjil atau genap.

Kalau $n$ ganjil, median adalah satu nilai tepat di tengah:

$$\text{median} = x_{\left(\frac{n+1}{2}\right)}$$

Kalau $n$ genap, tidak ada satu nilai tunggal di tengah — median adalah rata-rata dua nilai tengah:

$$\text{median} = \frac{x_{\left(\frac{n}{2}\right)} + x_{\left(\frac{n}{2}+1\right)}}{2}$$

Di sini $x_{(k)}$ berarti “nilai pada posisi ke-$k$ setelah data diurutkan” — tanda kurung pada indeks menegaskan bahwa data sudah terurut lebih dulu.

Contoh hitung median dari nol

Kasus ganjil ($n = 5$): 70, 75, 80, 85, 90 (sudah terurut).

Posisi tengah $= \frac{5+1}{2} = 3$. Nilai pada posisi ke-3 adalah 80. Jadi median = 80.

Kasus genap ($n = 6$): 70, 75, 80, 85, 90, 95.

Dua posisi tengah adalah ke-3 dan ke-4, yaitu 80 dan 85. Mediannya:

$$\text{median} = \frac{80 + 85}{2} = 82{,}5$$

Median tahan pencilan

Pakai lagi data berpencilan tadi: 70, 75, 80, 85, 190.

Posisi tengah $= \frac{5+1}{2} = 3$. Nilai ke-3 tetap 80 — sama persis dengan median data tanpa pencilan.

Bandingkan: saat pencilan 190 masuk, mean bergerak dari 80 ke 100, sedangkan median diam di 80. Pencilan hanya menggeser posisi, bukan nilai tengahnya. Inilah alasan median menjadi pilihan untuk gaji, harga rumah, atau peubah apa pun yang berekor panjang ke kanan (menceng kanan).

Sifat-sifat median

1. Tahan pencilan (disebut statistik yang robust — kokoh terhadap nilai ekstrem).
2. Selalu tunggal untuk satu kumpulan data.
3. Hanya mempertimbangkan posisi, bukan besar nilai aktual.
4. Bermakna untuk data ordinal (peringkat) maupun numerik.
5. Kurang cocok untuk hitungan matematis lanjutan.

Modus: Nilai Paling Sering

Modus adalah nilai yang paling sering muncul dalam data. Tidak ada rumus — cukup hitung frekuensi tiap nilai, lalu pilih yang terbanyak.

Contoh hitung modus dari nol

Jumlah anak per keluarga di RT 03: 0, 1, 1, 2, 2, 2, 3, 3, 4.

Hitung berapa kali tiap nilai muncul: 0 (1×), 1 (2×), 2 (3×), 3 (2×), 4 (1×).

Nilai 2 muncul paling sering, jadi modus = 2.

Modus bisa lebih dari satu

Data: 70, 75, 75, 80, 85, 85, 90.

Frekuensi: 70 (1×), 75 (2×), 80 (1×), 85 (2×), 90 (1×).

Dua nilai sama-sama muncul terbanyak, jadi modus = 75 dan 85. Data seperti ini disebut dwimodus (dua puncak). Sebuah data bisa pula berpuncak tiga, berpuncak banyak, atau bahkan tanpa modus (kalau setiap nilai muncul sama banyak).

Sifat-sifat modus

1. Bisa dipakai untuk data kategori (warna favorit, partai politik, jenis kelamin) — satu-satunya ukuran yang sahih di sini.
2. Bisa tidak tunggal (dwimodus, berpuncak banyak).
3. Bisa tidak ada (kalau semua nilai unik, semua frekuensi sama dengan 1).
4. Tidak peka pencilan selama pencilan itu tidak berulang.
5. Kurang cocok untuk hitungan matematis lanjutan.

Kapan Ketiganya Berbeda

Pada data yang setangkup (kiri dan kanan seimbang), mean, median, dan modus jatuh di tempat yang hampir sama. Ketiganya mulai berpencar saat data menceng — punya ekor panjang ke salah satu sisi. Inilah inti seluruh materi ini, dalam satu gambar:

Mari telusuri angka di gambar itu, dari nol, untuk data 2, 3, 3, 3, 4, 5, 6, 8, 10 ($n = 9$):

• Modus: nilai 3 muncul tiga kali, terbanyak → modus = 3.
• Median: data sudah terurut, posisi tengah $= \frac{9+1}{2} = 5$, nilai ke-5 adalah 4 → median = 4.
• Mean: jumlahnya $2+3+3+3+4+5+6+8+10 = 44$, dibagi 9 → mean $= \frac{44}{9} \approx 4{,}89$.

Kenapa urutannya begitu? Modus hanya peduli puncak tumpukan, jadi ia menempel di nilai tersering (3). Median hanya peduli posisi tengah, jadi nilai-nilai ekor (8 dan 10) tidak menariknya — ia tetap di 4. Mean memperhitungkan besar setiap nilai, jadi ekor yang jauh (10) menariknya ke kanan, melewati median, sampai 4,89.

Pola yang umum ditemui:

• Data menceng kanan (ekor ke kanan, misal gaji): modus ≤ median ≤ mean. Mean paling besar karena tertarik ekor kanan. Laporkan median agar mewakili kebanyakan orang.
• Data menceng kiri (ekor ke kiri, misal usia pensiun): mean ≤ median ≤ modus. Mean paling kecil. Sekali lagi median lebih mewakili.
• Data setangkup (misal tinggi badan): ketiganya hampir berimpit. Pakai mean karena paling informatif untuk analisis lanjutan.

Pegangan praktis: kalau mean dan median berbeda lebih dari 10%, data Anda menceng — laporkan median. Pada data gaji pembuka tadi, mean Rp 13,6 juta dan median Rp 7 juta berbeda hampir dua kali lipat: tanda menceng kanan yang sangat kuat.

Bereksperimen Sendiri

Geser titik data, lihat bagaimana mean, median, dan modus bergeser. Tambahkan satu pencilan jauh, lalu perhatikan mean melompat sementara median nyaris diam.

Tiga eksperimen yang disarankan:

1. Tambah pencilan. Geser satu titik jauh ke kanan. Lihat selisih mean dan median melebar.
2. Tumpuk satu nilai. Buat tiga titik bertumpuk di nilai yang sama. Lihat modus pindah ke nilai itu.
3. Buat setangkup. Susun data seimbang kiri-kanan. Lihat mean dan median bertumpuk.

Kapan Pakai Yang Mana

Tabel keputusan praktis:

Aturan praktis tiga langkah

1. Gambar histogram dulu untuk melihat bentuk data — setangkup atau menceng.
2. Hitung mean dan median. Kalau bedanya lebih dari 10%, data menceng.
3. Pilih ukuran sesuai konteks:
   • Untuk laporan publik atau kebijakan → median (lebih mewakili).
   • Untuk analisis lanjutan (regresi, ANOVA) → mean (lebih mudah diolah matematis).
   • Untuk data kategori → modus.

Rumus di Excel

=AVERAGE(A1:A100)     → Mean
=MEDIAN(A1:A100)      → Median
=MODE.SNGL(A1:A100)   → Modus (mengembalikan satu modus pertama)
=MODE.MULT(A1:A100)   → Modus (mengembalikan larik semua modus)

Fungsi pendamping yang berguna:

=TRIMMEAN(A1:A100; 0,1)  → Mean setelah memangkas 10% data (5% tiap ekor),
                            lebih tahan pencilan ringan
=GEOMEAN(A1:A100)        → Mean geometrik (untuk laju/imbal hasil majemuk)
=HARMEAN(A1:A100)        → Mean harmonik (untuk laju per satuan, mis. kecepatan)

⬇ Unduh 03-tendensi-sentral.xlsx

Berkas pendamping berisi 10 lembar; yang paling instruktif adalah KALKULASI_MANUAL — menampilkan langkah hitung mean, median, dan modus dengan formula hidup dari data mentah — dan KALKULASI_OTOMATIS yang membandingkannya dengan fungsi bawaan Excel.

Cek Pemahaman

1. Sebuah data sampel sudah terurut: 3, 5, 5, 7, 9, 11, 12, 20 ($n = 8$). Hitung median-nya dari nol.

Lihat jawaban

Karena $n = 8$ genap, median adalah rata-rata dua nilai tengah, yaitu posisi ke-4 dan ke-5: nilai 7 dan 9. Median $= \frac{7 + 9}{2} = 8$. (Sebagai pembanding, mean-nya $= \frac{72}{8} = 9$ — sedikit lebih besar karena nilai 20 menarik ke kanan.)

2. Anda mendata gaji bulanan tujuh kepala keluarga di satu RT (juta rupiah): 4, 5, 5, 6, 7, 8, 45. Ukuran pusat mana yang sebaiknya Anda laporkan ke ketua RT, dan kenapa?

Lihat jawaban

Laporkan median. Hitung dulu keduanya: median = nilai ke-4 = 6 juta; mean $= \frac{80}{7} \approx 11{,}4$ juta. Bedanya hampir dua kali lipat — pertanda data menceng kanan, ditarik oleh satu rumah tangga bergaji 45 juta. Mean 11,4 juta lebih tinggi daripada gaji enam dari tujuh keluarga, jadi menyesatkan kalau dipakai sebagai gambaran “gaji khas”. Median 6 juta jauh lebih mewakili.

3. Sebuah toko mendata ukuran sepatu yang terjual: 39, 40, 40, 41, 41, 41, 42, 43. Untuk memutuskan ukuran mana yang harus paling banyak distok, ukuran pusat mana yang relevan?

Lihat jawaban

Modus. Toko tidak peduli rata-rata ukuran (40,9 — bahkan bukan ukuran sepatu yang nyata) maupun nilai tengah; yang dicari adalah ukuran paling laku. Frekuensi terbanyak ada di ukuran 41 (muncul 3×), jadi itulah yang harus paling banyak distok.

Kesalahan Umum

Melaporkan mean untuk data gaji. Distribusi gaji hampir selalu menceng kanan — sedikit orang berpenghasilan sangat tinggi, banyak orang berpenghasilan menengah. Mean tertarik ke atas oleh pencilan kaya. Median lebih jujur. BPS, OECD, dan Bank Indonesia semuanya memakai median untuk laporan pendapatan publik.

Menghitung mean dari data kategori. Mean dari kode kategori (1=SD, 2=SMP, 3=SMA, 4=Sarjana) tidak bermakna. Mean = 2,7 itu apa? Antara SMP dan SMA? Untuk peubah jenjang pendidikan, pakai modus.

Mencari modus pada data kontinu yang unik. Tinggi badan 100 mahasiswa hampir pasti unik sampai satuan sentimeter. Modusnya tak tentu atau kebetulan. Untuk data kontinu, kelompokkan dulu menjadi selang (misal 160–164, 165–169), baru cari selang dengan frekuensi tertinggi.

Melaporkan mean tanpa memeriksa pencilan. Selalu gambar histogram atau boxplot sebelum melaporkan mean. Satu pencilan bisa menggeser mean 20–50%. Kalau ada pencilan, dua pilihan: pakai mean terpangkas (TRIMMEAN), atau ganti ke median.

Bingung posisi median dengan nilai median. Median bukan angka posisinya, melainkan nilai yang berada di posisi tengah. Untuk $n = 10$, posisi tengah ada di antara data ke-5 dan ke-6 — ambil rata-rata nilai kedua data itu, bukan menulis “5,5”.

Dipakai di Dunia Nyata

• BPS dan pelaporan ekonomi. Badan Pusat Statistik melaporkan median pengeluaran rumah tangga, bukan mean — karena distribusi pendapatan menceng kanan dan mean tertarik oleh minoritas super-kaya. Periksa publikasi Susenas BPS sebagai rujukan.
• Real estat dan harga properti. Portal seperti Rumah123 dan 99.co memakai median harga per kecamatan. Mean akan terdistorsi oleh satu rumah mewah bermiliar di kawasan yang didominasi rumah ratusan juta.
• Pengujian A/B produk digital. Saat mengukur waktu muat halaman, perekayasa memakai median atau persentil ke-95, bukan mean. Mean menyembunyikan pengguna terburuk; persentil ke-95 menjawab “5% pengguna paling lambat masih mengalami apa”.
• Survei preferensi konsumen. Modus untuk warna favorit, rasa minuman, pilihan desain antarmuka. Mean dan median tak bermakna untuk data kategori murni.
• Penelitian akademik. Untuk publikasi bereputasi dengan peubah kontinu, laporkan mean dan median bersama standar deviasi. Penelaah akan curiga kalau salah satunya hilang — tabel statistik deskriptif baku selalu memuat keduanya.

Lanjutan

Tendensi sentral baru menceritakan separuh data Anda. Separuh lainnya adalah sebaran: dua kumpulan data bisa punya mean yang sama persis tetapi tersebar sangat berbeda.

• Mean 75 dengan sebaran kecil → nilai berkerumun di 70–80.
• Mean 75 dengan sebaran besar → nilai melebar dari 35 sampai 115.

Mean sama, ceritanya beda. Lanjut ke Variabilitas dan Sebaran untuk mempelajari range, varians, standar deviasi, dan koefisien variasi — di sanalah Anda belajar mengukur “seberapa lebar” data.

Setelah tendensi sentral dan variabilitas, Anda siap masuk ke Distribusi Normal, fondasi seluruh statistika inferensial.