Perbezaan antara Min, Median dan Mod dalam Statistik Deskriptif
Dalam statistik deskriptif, salah satu matlamat utama adalah untuk meringkaskan data agar mudah difahami. Data yang besar, pelbagai, dan kadangkala "kotor" akan lebih bermaklumat apabila dibentangkan dalam bentuk ukuran kecenderungan memusat. Tiga ukuran kecenderungan memusat yang paling biasa digunakan ialah min, median dan mod. Walaupun ketiga-tiganya bertujuan untuk menunjukkan "nilai perwakilan" set data, kaedah operasi, kepekaan terhadap outlier dan situasi penggunaan yang sesuai berbeza-beza dengan ketara.
Artikel ini membincangkan maksud, cara mengira, kelebihan dan kekurangan, serta contoh aplikasi min, median dan mod supaya anda boleh memilih ukuran yang paling sesuai untuk data yang dianalisis.
1. Purata (Purata): Definisi dan Cara Mengira
Min ialah jumlah semua nilai data dibahagikan dengan bilangan titik data. Sering dirujuk sebagai "purata," min paling biasa dalam kehidupan seharian. Ia memberikan gambaran ringkas tentang pusat data dengan mempertimbangkan semua nilai secara berkadaran.
Formula purata:
\[
\bar{x} = \frac{\jumlah x_i}{n}
\]
Maklumat:
– \(\jumlah x_i\) = jumlah semua nilai data
– \(n\) = bilangan data
contoh:
Katakan skor peperiksaan lima orang pelajar ialah: 70, 75, 80, 85, 90
Purata = (70 + 75 + 80 + 85 + 90) / 5 = 400 / 5 = 80
Kelebihan Purata
1. Gunakan semua data supaya maklumat yang digunakan adalah lengkap.
2. Mudah dikira dan digunakan secara meluas dalam analisis lanjutan (cth. varians, sisihan piawai).
3. Sesuai untuk data berangka dan taburan yang agak simetri.
Kekurangan Purata
1. Sangat sensitif terhadap outlier. Satu nilai ekstrem boleh menarik purata jauh daripada kebanyakan data.
2. Tidak selalunya mewakili "nilai tipikal" jika taburan data tidak senget.
Contoh kesan outlier:
Data pendapatan (juta rupiah): 3, 3, 4, 4, 5, 50
Min = (3+3+4+4+5+50)/6 = 69/6 = 11,5
Walaupun kebanyakan pendapatan berada dalam julat 3–5 juta, minnya kurang mewakili.
2. Median (Nilai Tengah): Definisi dan Cara Mengira
Median ialah nilai di tengah apabila data disusun dari terkecil hingga terbesar. Median menekankan kedudukan, bukannya magnitud keseluruhan, menjadikannya lebih tahan terhadap outlier.
Cara menentukan median:
1. Isih data.
2. Jika bilangan data adalah ganjil, median ialah nilai di kedudukan tengah.
3. Jika bilangan data adalah genap, median ialah purata bagi dua nilai tengah.
Contoh (ganjil):
Data: 2, 3, 5, 7, 9
Median = nilai tengah = 5
Contoh (genap):
Data: 10, 20, 30, 40
Median = (20 + 30) / 2 = 25
Kelebihan Median
1. Tahan terhadap nilai-nilai luar dan ekstrem.
2. Sesuai untuk data yang tidak menentu seperti pendapatan, harga rumah atau masa menunggu.
3. Boleh digunakan untuk data ordinal (cth. penilaian kepuasan: sangat berpuas hati, berpuas hati, neutral, tidak berpuas hati).
Kekurangan Median
1. Tidak menggunakan semua nilai data dalam pengiraannya (lebih "berasaskan kedudukan").
2. Kurang sesuai untuk analisis matematik lanjutan yang memerlukan sifat purata.
Jika kita kembali kepada contoh pendapatan: 3, 3, 4, 4, 5, 50
Data telah disusun, median untuk 6 data ialah purata nilai ke-3 dan ke-4: (4 + 4) / 2 = 4
Median ini jauh lebih mewakili keadaan majoriti.
3. Mod (Nilai Terbanyak): Definisi dan Cara Menentukan
Mod ialah nilai yang paling kerap muncul dalam set data. Dalam sesetengah kes, data mungkin mempunyai:
– Satu mod (unimodal): satu nilai muncul paling kerap
– Dua mod (bimodal): dua nilai muncul paling kerap
– Pelbagai mod (multimodal)
– Tiada mod: jika semua nilai muncul dengan frekuensi yang sama
contoh:
Data: 2, 3, 3, 4, 5
Mod = 3 (paling kerap muncul)
Contoh bimodal:
Data: 1, 2, 2, 3, 3, 4
Mod = 2 dan 3
Kelebihan Mod
1. Satu-satunya ukuran kecenderungan memusat yang boleh digunakan untuk data nominal (cth. warna kegemaran, jenama paling digemari).
2. Mudah difahami kerana ia serta-merta menunjukkan kategori/nilai yang paling dominan.
3. Tidak terjejas oleh outlier dalam erti kata nilai ekstrem tidak mengubah kekerapan nilai yang paling kerap berlaku.
Kekurangan Mod
1. Kadangkala ia tidak unik (boleh lebih daripada satu) atau malah tidak wujud.
2. Boleh menjadi kurang stabil; perubahan kecil dalam data boleh mengubah mod.
3. Tidak selalunya mewakili "pusat" data secara matematik.
4. Perbezaan Utama Antara Min, Median dan Mod
Secara ringkasnya, perbezaan antara ketiga-tiganya dapat dilihat daripada kaedah pengiraan, kepekaan terhadap outlier dan jenis data yang sesuai:
1. Min menggunakan semua nilai, paling sesuai untuk data berangka simetri, tetapi sensitif kepada outlier.
2. Median berdasarkan kedudukan, sesuai untuk data condong, lebih kukuh terhadap outlier.
3. Mod berdasarkan frekuensi, sesuai untuk data kategori/nominal dan untuk melihat nilai yang paling dominan.
Dalam banyak buku statistik, terdapat hubungan umum antara ketiga-tiga taburan tersebut:
– Taburan simetri: min ≈ median ≈ mod
– Taburan condong ke kanan (condong ke kanan): min > median > mod
– Taburan condong ke kiri: min < median < mod Walau bagaimanapun, ini adalah satu kecenderungan, bukan peraturan mutlak. 5. Bilakah Perlu Menggunakan Min, Median atau Mod? Memilih ukuran kecenderungan memusat yang sesuai bergantung pada sifat data dan tujuan analisis. Gunakan Min jika: - Data adalah berangka (selang/nisbah). - Taburan adalah agak simetri. - Tiada outlier ekstrem atau outlier telah dikendalikan. - Anda memerlukan asas untuk pengiraan statistik lain. Contoh situasi: skor ujian kelas purata dengan taburan skor yang adil.
