Kalkulator Min, Median, Mod

Data statistik mentah dalam jadual dan graf selalunya sukar untuk ditafsirkan sepintas lalu. Untuk mendapatkan pandangan yang bermakna, kita perlu meringkaskan set data dan mengenal pasti ciri-ciri utamanya.

Dalam statistik, pelbagai metrik digunakan untuk meringkaskan dan menerangkan data. Sesetengah metrik mengenal pasti pusat set data, yang dikenali sebagai ukuran kecenderungan memusat. Metrik lain, yang dipanggil ukuran serakan, memberitahu kita sejauh mana nilai data tersebar atau berselerak. Selain itu, ukuran kedudukan mendedahkan perkadaran data yang berada di bawah nilai tertentu.

Tujuan utama kalkulator statistik ini adalah untuk mengira ukuran kecenderungan memusat—khususnya min dan median—yang mewakili nilai tipikal atau pusat dalam sesuatu set data. Tujuan kedua alat ini adalah untuk menentukan tahap variasi dalam data anda dengan mengira julat, kuartil, dan julat antara kuartil (IQR).

Kalkulator Min

Min ialah purata aritmetik, yang dikira dengan menjumlahkan semua nilai dan membahagikannya dengan jumlah bilangan nilai tersebut. Ia merupakan metrik yang paling biasa digunakan untuk mencari purata dan dikira menggunakan formula berikut untuk sampel:

$$\bar{x}=\frac{x₁+x₂+x₃+\ldots+x_n}{n}=\frac{\sum_{}^{}x}{n}$$

Formula untuk mengira min bagi populasi lengkap ialah:

$$\mu=\frac{x₁+x₂+x₃+\ldots+x_n}{N}=\frac{\sum_{}^{}x}{N}$$

Dalam persamaan ini, pengangka mewakili hasil tambah semua nilai dalam set data, manakala penyebut mewakili jumlah bilangan nilai tersebut.

Kelebihan utama menggunakan min aritmetik ialah ia merangkumi setiap titik data dalam set data anda.

Walau bahawasanya, had utamanya ialah sensitiviti terhadap nilai ekstrem. Nombor yang sangat tinggi atau rendah, yang dikenali sebagai pencilan (outliers), boleh memesongkan purata secara ketara.

Penting juga untuk diperhatikan bahawa min tidak selalunya merupakan nilai "tipikal" bagi data tersebut. Malah, min yang dikira mungkin merupakan nombor yang tidak wujud pun dalam set data itu sendiri.

Purata untuk sampel dan populasi

Populasi merangkumi keseluruhan set nilai yang anda kaji. Sampel pula ialah kumpulan perwakilan yang lebih kecil yang diambil daripada populasi tersebut.

Kaedah matematik untuk mengira min adalah sama bagi kedua-dua sampel dan populasi. Satu-satunya perbezaan terletak pada tatatanda statistik.

Jika x₁, x₂,..., xₙ mewakili sampel, purata yang dikira dipanggil min sampel, yang ditunjukkan oleh simbol x̄. Jika anda mengira min bagi keseluruhan populasi, ia ditunjukkan oleh huruf Yunani 𝜇 (mu).

Dalam statistik, kita menggunakan huruf kecil n untuk menunjukkan saiz sampel dan huruf besar N untuk menunjukkan saiz populasi.

Contoh mengira min

Mari kita lihat contoh praktikal: Luigi ialah seorang cef pakar dan peminat piza yang ingin membuka restoran piza baharu di Bali. Untuk mendapatkan pelabur, Luigi sedang menulis rancangan perniagaan dan perlu menentukan purata kos piza di pelbagai restoran di pulau tersebut untuk meramalkan prestasi kewangan masa depannya.

Beliau menyelidik harga piza Margherita di pelbagai restoran tempatan dan menyusun satu set data. Untuk memudahkan pengiraan, mari kita gugurkan tiga sifar terakhir dan gunakan harga dalam ribuan. Sebagai contoh, nilai 60 dalam pengiraan kita mewakili 60,000 Rupiah Indonesia (IDR).

60, 60, 84, 45, 59, 70, 42, 59, 53, 70, 69, 70, 120, 160, 95, 50, 75, 55, 72, 70

Luigi tidak dapat melawat setiap restoran piza di pulau itu, jadi beliau memilih 20 restoran secara rawak. Oleh itu, kita sedang bekerja dengan satu sampel.

Mari kita kira nilai purata bagi set data ini menggunakan formula min sampel:

$$\bar{x}=\frac{x₁+x₂+x₃+\ldots+x_n}{n}=\frac{\sum_{}^{}x}{n}$$

Min yang diperoleh ialah x̄ = 71.9.

Penyelidikan Luigi menunjukkan bahawa 71,900 IDR ialah harga purata bagi piza Margherita di Bali. Beliau kini boleh menggunakan angka asas ini untuk unjuran kewangannya.

Kalkulator Median

Median ialah ukuran kedudukan yang mewakili nilai tengah yang tepat bagi sesuatu set data apabila ia disusun mengikut tertib menaik atau menurun.

Apabila mengira median, kita mencari nombor yang membahagikan data kepada dua bahagian yang sama rata. Tepat 50% daripada nilai data akan kurang daripada median, dan 50% lagi akan lebih besar. Inilah sebabnya mengapa menentukan median secara manual—sinpa bantuan kalkulator median—memerlukan anda mengisih nombor tersebut terlebih dahulu.

Kaedah pengiraan berbeza sedikit bergantung pada sama ada jumlah bilangan nilai dalam set data anda adalah ganjil atau genap.

Jika jumlah bilangan elemen adalah ganjil (bermaksud n atau N ialah nombor ganjil), anda menggunakan formula berikut:

$$Median=(\frac{n+1}{2})-th \ element$$

Walau bagaimanapun, jika bilangan elemen adalah genap, formula berikut digunakan:

$$Median=\frac{\left[(\frac{n}{2})-th \ element+(\frac{n}{2}+1)-th \ element\right]}{2}$$

Kelebihan terbesar menggunakan median ialah ketahannya terhadap pencilan. Tidak seperti min, median dipengaruhi secara minimum oleh nilai yang sangat tinggi atau sangat rendah.

Contoh mengira median

Menggunakan sampel dua puluh harga piza Luigi:

60, 60, 84, 45, 59, 70, 42, 59, 53, 70, 69, 70, 120, 160, 95, 50, 75, 55, 72, 70

Kita boleh mengira median langkah demi langkah:

1. Isih set data mengikut tertib menaik atau menurun. Disusun secara berurutan, data kelihatan seperti ini:

42, 45, 50, 53, 55, 59, 59, 60, 60, 69, 70, 70, 70, 70, 72, 75, 84, 95, 120, 160

2. Tentukan bilangan nilai dalam set data. Di sini, n = 20.

3. Jika n adalah ganjil, median ialah nilai tengah. Jika n adalah genap, median ialah min aritmetik bagi dua nombor tengah (tambahkan kedua-duanya dan bahagikan dengan 2).

Memandangkan 20 ialah nombor genap, kita cari dua nilai tengah tersebut.

Nilai tengah dalam sampel yang diisih ialah 69 dan 70. Kita mengira median seperti berikut:

$$Median = \frac{69 + 70}{2} = 69.5$$

Jika Luigi telah mengumpul set ganjil sebanyak 21 nilai, sebagai contoh:

60, 60, 84, 45, 59, 70, 42, 59, 53, 70, 69, 70, 120, 160, 95, 50, 75, 90, 55, 72, 70

Beliau akan mengisih nilai tersebut:

42, 45, 50, 53, 55, 59, 59, 60, 60, 69, 70, 70, 70, 70, 72, 75, 84, 90, 95, 120, 160

Dan hanya memilih nilai tengah yang tepat pada kedudukan ke-11, iaitu 70.

Perbezaan Antara Min dan Median

Walaupun kedua-dua min dan median berfungsi sebagai ukuran kecenderungan memusat, adalah penting untuk memahami perbezaannya dalam analisis statistik.

Perbezaan asas ialah min merangkumi setiap nilai dalam set data, manakala median hanya ditentukan oleh nombor tengah (atau dua nombor tengah).

Perbezaan ini amat kritikal apabila berurusan dengan set data yang mengandungi nombor yang sangat besar atau kecil, yang dikenali sebagai pencilan. Pencilan akan memesongkan min dengan ketara, tetapi ia hampir tidak memberi kesan kepada median.

Dalam statistik, sesuatu ukuran dianggap "rintang" (resistant) jika nilai ekstrem tidak mempengaruhinya secara ketara. Oleh itu, median ialah ukuran yang sangat rintang, manakala min tidak rintang.

Kedua-dua metrik ini mengukur "pusat" dengan cara yang berbeza. Min bertindak sebagai titik keseimbangan berat data. Median pula ialah titik tengah yang memisahkan 50% data terbawah daripada 50% data teratas. Dalam set data yang simetri sempurna, min dan median adalah sama.

Walau bagaimanapun, dalam data dunia sebenar, ia jarang sekali sama persis.

Apabila min dan median berbeza, set data tersebut dikatakan pencong (skewed).

Jika min jauh lebih rendah daripada median, set data tersebut pencong ke kiri (pencongan negatif). Jika min jauh lebih tinggi daripada median, set data tersebut pencong ke kanan (pencongan positif).

Sama ada min mahupun median, tiada satu pun yang "lebih baik" secara universal. Kedua-duanya hanya memenuhi tujuan yang berbeza. Penganalisis data sering kali lebih menyukai median apabila set data sangat pencong atau mengandungi pencilan yang besar, kerana median memberikan gambaran yang lebih tepat tentang nilai "tipikal".

Kalkulator Mod

Mod ialah nilai yang paling kerap muncul dalam sesuatu set data.

Jika set data mempunyai satu nilai jelas yang berlaku lebih kerap daripada yang lain, ia digambarkan sebagai unimodal.

Jika dua nilai berbeza berkongsi kekerapan tertinggi yang sama, kedua-duanya dianggap sebagai mod, menjadikan set data tersebut bimodal.

Jika tiga atau lebih nilai berkongsi kekerapan tertinggi, setiap satu ialah mod, dan set data tersebut dikelaskan sebagai multimodal.

Jika setiap nilai dalam set data muncul tepat sekali, set data tersebut tidak mempunyai mod. Sila ambil perhatian bahawa "tiada mod" tidak sama dengan mod bernilai sifar. Sifar boleh menjadi mod yang sah jika ia merupakan nombor yang paling kerap muncul dalam set data (contohnya, dalam bacaan suhu musim sejuk).

Kelebihan utama mod ialah ia mudah dicari dan langsung tidak terjejas oleh pencilan ekstrem. Kelemahan utamanya ialah sesetengah set data mungkin tidak mempunyai mod langsung.

Contoh pengiraan mod

Menggunakan set data dua puluh harga piza kita sebelum ini:

60, 60, 84, 45, 59, 70, 42, 59, 53, 70, 69, 70, 120, 160, 95, 50, 75, 55, 72, 70

Kita boleh mencari mod dengan langkah-langkah ini:

Mula-mula, susun set data mengikut tertib:

42, 45, 50, 53, 55, 59, 59, 60, 60, 69, 70, 70, 70, 70, 72, 75, 84, 95, 120, 160

Seterusnya, kenal pasti nombor yang paling banyak berulang. Dalam senarai ini, 70 muncul sebanyak empat kali, iaitu lebih banyak daripada nombor lain. Oleh itu, nilai mod ialah 70.

Walaupun mod ialah ukuran kecenderungan memusat, ia tidak selalunya mewakili pusat data yang sebenar, terutamanya dalam taburan yang sangat pencong. Mod secara teknikalnya boleh menjadi nilai tertinggi, nilai terendah, atau di mana-mana sahaja di antaranya. Sebagai contoh, pertimbangkan set data ini:

42, 45, 50, 53, 55, 57, 59, 60, 63, 69, 70, 72, 79, 82, 83, 95, 96, 120, 120, 120

Di sini, mod ialah 120. Walau bagaimanapun, 120 jelas tidak menggambarkan kecenderungan memusat bagi kumpulan tersebut.

Menariknya, walaupun min dan median hanya boleh dikira untuk data kuantitatif (berangka), mod boleh digunakan untuk kedua-dua data kuantitatif dan kualitatif (kategori).

Sebagai contoh, bayangkan Anna makan piza 12 kali sebulan, dengan pecahan seperti berikut:

• 3 kali piza Napoletana,
• 3 kali piza Margherita,
• 2 kali piza Calzone,
• 1 Pepperoni,
• 1 Marinara,
• 1 Four Cheese (Empat Keju),
• 1 Caprese.

Dalam set data kualitatif ini, terdapat dua mod: Napoletana dan Margherita.

Ukuran serakan

Ukuran serakan, juga dikenali sebagai ukuran kebolehubahan, menentukan penyebaran atau taburan dalam sesuatu set data. Ia menunjukkan sejauh mana titik data menyimpang daripada nilai pusat. Kita boleh menganalisis varians ini menggunakan tiga metrik utama: julat, kuartil, dan julat antara kuartil (IQR).

Kalkulator Julat

Julat ialah ukuran serakan yang paling mudah. Ia mewakili perbezaan mutlak antara nilai tertinggi dan terendah dalam sesuatu set data. Formulanya adalah mudah:

Julat = Nilai terbesar - Nilai terkecil

Contoh Mengira Julat

Merujuk kembali kepada set data dua puluh harga piza kita:

60, 60, 84, 45, 59, 70, 42, 59, 53, 70, 69, 70, 120, 160, 95, 50, 75, 55, 72, 70

Untuk mengira julat, mula-mula susun data untuk mengenal pasti nilai ekstrem dengan mudah:

42, 45, 50, 53, 55, 59, 59, 60, 60, 69, 70, 70, 70, 70, 72, 75, 84, 95, 120, 160

Nilai tertinggi ialah 160, dan nilai terendah ialah 42. Menggunakan formula:

Julat = nilai terbesar - nilai terkecil = 160 - 42 = 118

Julat bagi set data ini ialah 118.

Kalkulator Kuartil

Kuartil ialah nilai statistik yang membahagikan set data yang diisih kepada empat bahagian yang sama, atau sukuan, menggunakan tiga titik pembahagi: kuartil pertama, kedua, dan ketiga.

Kuartil pertama (Q₁) ialah persentil ke-25. Tepat 25% daripada data berada di bawah nilai ini, meninggalkan 75% di atasnya.

Kuartil kedua (Q₂) ialah persentil ke-50, iaitu sama persis dengan median. Ia membahagikan data secara terus kepada dua bahagian.

Kuartil ketiga (Q₃) ialah persentil ke-75. Di sini, 75% daripada data berada di bawah nilai ini, dan 25% berada di atasnya.

Pengiraan kuartil

Untuk mengira kuartil bagi sesuatu set data, ikuti prosedur ini:

1. Susun titik data mengikut tertib menaik.

2. Tentukan kuartil kedua dengan mengira median. Untuk kuartil pertama dan ketiga, teruskan ke langkah seterusnya menggunakan n (jumlah bilangan nilai dalam set data).

3. Untuk mencari kedudukan kuartil pertama, kira L = 0.25n. Untuk mencari kedudukan kuartil ketiga, kira L = 0.75n.

4. Jika L ialah nombor bulat (integer), kuartil tersebut ialah purata bagi nilai pada kedudukan L dan nilai pada kedudukan L + 1.

5. Jika L bukan nombor bulat, bundarkannya ke atas kepada nombor bulat seterusnya yang lebih tinggi. Kuartil tersebut ialah nilai yang terletak pada kedudukan yang dibundarkan itu.

Contoh pengiraan kuartil

Menggunakan set dua puluh harga piza kita:

60, 60, 84, 45, 59, 70, 42, 59, 53, 70, 69, 70, 120, 160, 95, 50, 75, 55, 72, 70

Mari kita kira kuartil tersebut:

1. Isih set data mengikut tertib menaik:

42, 45, 50, 53, 55, 59, 59, 60, 60, 69, 70, 70, 70, 70, 72, 75, 84, 95, 120, 160

2. Daripada pengiraan median kita sebelum ini, kita sudah tahu kuartil kedua:

Median = 69.5

3. Kira L untuk kuartil pertama: 0.25 × 20 = 5. Kira L untuk kuartil ketiga: 0.75 × 20 = 15.

4. Oleh kerana 5 ialah nombor bulat, Q₁ ialah purata bagi nilai ke-5 dan ke-6 (55 dan 59):

$$Q₁=\frac{55+59}{2}=57$$

5. Oleh kerana 15 juga ialah nombor bulat, Q₃ ialah purata bagi nilai ke-15 dan ke-16 (72 and 75):

$$Q₃=\frac{72+75}{2}=73.5$$

Bagi set data ini, kuartil pertama ialah 57, kedua (median) ialah 69.5, dan kuartil ketiga ialah 73.5.

Kalkulator julat antara kuartil

Julat antara kuartil (IQR) mengukur penyebaran 50% bahagian tengah set data anda. Ia ditakrifkan sebagai perbezaan antara kuartil ketiga (Q₃) dan kuartil pertama (Q₁). Ia merupakan ukuran serakan statistik yang sangat teguh, dikira dengan formula ini:

IQR = Q₃ - Q₁

Contoh Pengiraan IQR

Memandangkan kita telah mengira kuartil pertama dan ketiga (57 dan 73.5), pengiraan julat antara kuartil adalah semudah memasukkan nilai tersebut ke dalam formula:

IQR = Q₃ - Q₁ = 73.5 - 57 = 16.5

Julat antara kuartil bagi set data piza kita ialah 16.5.

Keputusan

Terima kasih kepada analisis statistik harga piza Margherita beliau, Luigi boleh membuat beberapa kesimpulan perniagaan yang boleh diambil tindakan.

Pertama, walaupun min (71.9) dan median (69.5) tidak sama—menunjukkan sedikit pencongan ke kanan disebabkan oleh beberapa restoran yang mahal—perbezaannya adalah minimum. Kedua-dua min dan median berfungsi sebagai ukuran kecenderungan memusat yang boleh dipercayai di sini.

Jika Luigi ingin menetapkan harga purata yang kompetitif untuk pizanya, beliau boleh menggunakan salah satu metrik tersebut. Walau bagaimanapun, harga yang tidak biasa seperti 71,900 IDR atau 69,500 IDR mungkin sukar untuk diingati oleh pelanggan. Mujurlah, mod bagi set datanya berada tepat di antara min dan median iaitu pada 70,000 IDR. Ini menjadikan mod sebagai titik harga yang sangat praktikal dan mudah diingati untuk strategi perniagaan Luigi.

Sebagai alternatif, jika Luigi memutuskan untuk menyasarkan demografi yang lebih mementingkan bajet, beliau boleh meletakkan harga pizanya lebih dekat dengan kuartil pertama, menyasarkan kira-kira 57,000 IDR. Bergantung pada kuartil ketiga (73,500 IDR) untuk menyasarkan pelanggan mewah adalah kurang berkesan dalam senario ini, asalkan kuartil atas sedikit pencong dan kurang menggambarkan had siling sebenar pasaran mewah.