KECENDERUNGAN TERPUSAT (STATISTIK DESKRIPTIF)

Nilai – Nilai tak dapat ditentukan. Kadang kala, Anda akan menemui situasi di mana seorang individu memiliki skor yang tidak diketahui atau skor tidak dapat ditentukan. Dalam psikologi, hal ini sering terjadi dalam belajar eksperimen di mana Anda mengukur jumlah kesalahan (atau jumlah waktu) yang diperlukan bagi seorang individu untuk memecahkan suatu masalah tertentu. Misalnya, para peserta diminta untuk merakit sebuah teka - teki kayu secepat mungkin. Catatan eksperimen berapa lama (dalam menit) yang diperlukan masing-masing individu untuk mengatur semua bagian untuk menyelesaikan teka-teki. Tabel 3.5 hadir hasil untuk sampel n = 6 orang.

            Perhatikan bahwa 6 orang pernah menyelesaikan teka-teki. Setelah satu jam, orang ini masih tidak menunjukkan tanda-tanda memecahkan teka-teki, sehingga eksperimen menghentikan dia. Orang ini memiliki skor yang belum ditentukan. (Ada dua poin penting yang perlu diperhatikan. Pertama, eksperimen tidak harus membuang nilai individu ini. Seluruh tujuan untuk menggunakan sampel adalah untuk mendapatkan gambaran dari populasi, dan individu ini memberitahu kita bahwa bagian dari populasi tidak dapat memecahkan teka-teki. Kedua, orang ini tidak boleh diberikan skor X = 60 menit. Meskipun eksperimen berhenti individu setelah 1 jam, orang tersebut tidak menyelesaikan teka-teki. Skor yang dicatat adalah jumlah waktu yang diperlukan untuk Untuk menyelesaikan individu ini, kita tidak tahu berapa lama ini).

Tidak mungkin untuk menghitung rata-rata untuk data tersebut karena nilai tak dapat ditentukan. Kita tidak bisa menghitung bagian ΣX dari rumus untuk mean. Namun, adalah mungkin untuk menghitung median. Untuk data ini, median adalah 12,5. tiga nilai di bawah median, dan tiga nilai (termasuk nilai ditentukan) berada di atas median.

Distribusi Terbuka. Sebuah distribusi dikatakan terbuka ketika tidak ada batas atas (atau batas bawah) untuk salah satu kategori. Tabel di sebelah kiri memberikan contoh dari distribusi terbuka, menunjukkan jumlah pizza dimakan selama periode 1 bulan untuk sampel n = 20 siswa SMA. Kategori teratas dalam distribusi ini menunjukkan bahwa tiga dari siswa dikonsumsi "5 atau lebih" pizza. Ini adalah suatu kategori terbuka. Perhatikan bahwa tidak mungkin untuk menghitung rata-rata untuk data ini karena Anda tidak dapat menemukan ΣX (jumlah total pizza untuk semua 20 siswa). Namun, Anda dapat menemukan median. Membuat daftar 20 nilai dalam rangka menghasilkan X = 1 dan X = 2 sebagai dua nilai tengah. Untuk data ini, median adalah 1,5.

Skala ordinal. Banyak peneliti skala percaya bahwa itu tidak tepat untuk menggunakan maksud untuk menggambarkan tendensi sentral untuk data nomor urutan. Ketika skor diukur dalam skala nomor urutan, median selalu tepat dan biasanya ukuran disukai tendensi sentral.

Anda harus ingat bahwa pengukuran ordinal memungkinkan Anda untuk menentukan arah (lebih besar dari atau kurang dari) tetapi tidak memungkinkan Anda untuk menentukan jarak. Median adalah kompatibel (kecocokan) dengan jenis pengukuran karena ditentukan oleh arah: setengah dari toko berada di atas median dan setengah berada di bawah median. Rata - rata, di sisi lain, mendefinisikan tendensi sentral dalam hal jarak. Ingat bahwa mean adalah titik keseimbangan

untuk distribusi, sehingga jarak di atas rata-rata yang persis seimbang dengan jarak bawah rata-rata. Karena mean didefinisikan dalam hal jarak, dan karena skala nomor urutan tidak ukuran jarak. Hal ini tidak tepat untuk menghitung rata-rata untuk skor dari skala ordinal.

Kami akan mempertimbangkan tiga situasi di mana modus ini sering digunakan sebagai alternatif untuk rata - rata, atau digunakan dalam hubungannya dengan rata-rata untuk menggambarkan tendensi sentral.

Skala nominal. Keuntungan utama dari mode adalah bahwa hal itu dapat digunakan untuk mengukur dan menggambarkan tendensi sentral untuk data yang diukur pada skala nominal. Ingat bahwa kategori yang membentuk skala nominal dibedakan hanya dengan nama. karena skala nominal tidak mengukur kuantitas (jarak atau arah). Tidak mungkin untuk menghitung rata-rata atau median untuk data dari skala nominal. Oleh karena itu, mode adalah satu-satunya pilihan untuk menggambarkan tendensi sentral untuk data nominal.

Variabel terpisah. Mengingat bahwa variabel terpisah adalah mereka yang hanya ada secara keseluruhan, kategori individu. Seringkali, variabel terpisah adalah nilai-nilai menurut angka, seperti jumlah anak-anak dalam suatu keluarga atau jumlah kamar di rumah. Ketika variabel-variabel menghasilkan skor menurut angka, adalah mungkin untuk menghitung cara. Dalam situasi ini, sarana dihitung akan menghasilkan hasil seperti "keluarga rata-rata memiliki 2,4 anak dan rumah dengan 5,33 kamar. "Di sisi lain, modus selalu mengidentifikasi kasus yang paling khas dan, oleh karena itu, menghasilkan tindakan yang lebih masuk akal tendensi sentral. Menggunakan mode, kesimpulan kami akan menjadi ", khas atau modal, keluarga memiliki 2 anak-anak dan rumah dengan 5 kamar." Dalam banyak situasi, terutama dengan variabel terpisah, orang lebih nyaman menggunakan, realistis seluruh jumlah nilai yang dihasilkan oleh mode.

Gambaran bentuk. Karena modus memerlukan perhitungan sedikit atau tidak ada, hal ini sering dimasukkan sebagai ukuran tambahan bersama dengan dengan tujuan atau median no-biaya tambahan. Nilai modus (atau cara) dalam situasi ini adalah bahwa hal itu memberikan indikasi bentuk distribusi serta ukuran tendensi sentral. Ingat bahwa modus mengidentifikasi lokasi puncak (atau puncak) pada grafik distribusi frekuensi. Misalnya, jika Anda mengatakan bahwa satu set nilai ujian memiliki rata-rata 72 dan modus 80, Anda harus memiliki gambaran yang lebih baik dari distribusi daripada yang tersedia dari rata-rata saja (lihat bagian 3.6).

 

DALAM LITERATUR
PELAPORAN TINDAKAN DARI KECENDERUNGAN TERPUSAT

Ukuran tendensi sentral yang umum digunakan adalah ilmu perilaku untuk meringkas dan menggambarkan hasil penelitian. Sebagai contoh, seorang peneliti dapat melaporkan sampel berarti dari dua perlakuan yang berbeda atau nilai median sampel besar. Nilai-nilai ini dapat dil aporkan dalam deskripsi verbal dari hasilnya, dalam tabel, atau grafik.

Dalam melaporkan hasil, banyak jurnal ilmu perilaku menggunakan pedoman yang diadopsi oleh American Pshychological Asosiasi (APA), yang dituangkan dalam manual publikasi dari American pshychological asosiasi (2001). Kami akan mengacu pada manual APA dari waktu dalam menggambarkan bagaimana data dan hasil penelitian yang dilaporkan dalam literatur ilmiah. Gaya APA biasanya menggunakan huruf m sebagai simbol untuk sampel berarti. Dengan demikian, studi itu boleh

menyatakan kelompok perlakuan menunjukkan sedikit kesalahan (M = 2,56) pada tugas daripada kelompok kontrol (M = 11,76).

Ketika ada banyak cara untuk melaporkan, tabel dengan judul menyediakan dan presentasi terorganisir dan lebih mudah dipahami. Tabel 3.6 menggambarkan hal ini.
Median dapat dilaporkan menggunakan Mdn singkatan, seperti dalam "= Mdn 8,5 kesalahan," atau itu hanya dapat dilaporkan dalam teks narasi, sebagai berikut:

Jumlah rata-rata kesalahan untuk kelompok perlakuan adalah 8,5 dibandingkan dengan rata-rata 13 untuk kelompok kontrol.

Tidak ada simbol khusus atau konvensi untuk melaporkan modus. Jika disebutkan sama sekali, modus ini biasanya hanya dilaporkan dalam teks naratif.

Warna rambut pirang adalah modal, dengan keluar dari 50 peserta dalam kategori ini.

PENYAJIAN RATA - RATA DAN MEDIAN DALAM GRAFIK

Grafik juga dapat digunakan untuk melaporkan dan membandingkan ukuran tendensi sentral. Biasanya, grafik yang digunakan untuk menampilkan nilai-nilai yang diperoleh untuk sampel berarti, tapi kadang-kadang Anda akan melihat median sampel dilaporkan dalam grafik (mode jarang, jika pernah, ditampilkan dalam grafik). Nilai grafik yang memungkinkan beberapa cara (atau median) untuk ditampilkan secara bersamaan sehingga memungkinkan untuk membuat perbandingan cepat antara kelompok atau kondisi pengobatan. Saat mempersiapkan grafik, adalah kebiasaan untuk daftar nilai untuk kelompok yang berbeda atau kondisi pengobatan pada sumbu horisontal. Biasanya, ini adalah nilai-nilai yang berbeda yang membentuk variabel independen atau variabel kuasi-independen. Nilai untuk variabel dependen (nilai) yang tercantum pada sumbu vertikal. Sarana (atau median) yang kemudian ditampilkan menggunakan grafik garis, histogram, atau grafik batang, tergantung pada skala pengukuran yang digunakan untuk variabel independen.                             

            Gambar 3.11 menunjukkan contoh grafik menampilkan hubungan antara dosis obat (variabel independen) dan konsumsi makanan (variabel dependen). Dalam penelitian ini, ada lima yang berbeda obat dosis (kondisi perawatan) dan mereka terdaftar di sepanjang sumbu horisontal. Kelima berarti muncul sebagai titik-titik dalam grafik. Untuk membangun grafik ini, titik ditempatkan di atas setiap kondisi perlakuan sehingga posisi vertikal titik sesuai dengan skor rata-rata untuk kondisi perlakuan. Poin tersebut kemudian dihubungkan dengan garis-garis lurus dan grafik yang dihasilkan disebut grafik garis. Sebuah grafik garis digunakan ketika nilai-nilai pada sumbu horisontal diukur pada interval atau skala rasio. Sebuah alternatif untuk grafik garis adalah histogram. Untuk contoh ini, histogram akan menunjukkan sebuah bar di atas setiap dosis obat sehingga ketinggian setiap batang sesuai dengan konsumsi makanan rata-rata untuk kelompok itu, dengan tidak ada ruang antara bar yang berdekatan.

Gambar 3.12 menunjukkan grafik batang menampilkan harga jual rata-rata untuk rumah keluarga tunggal di daerah yang berbeda dari negara-negara bersatu. Grafik batang digunakan untuk sarana hadir (atau median) ketika kelompok atau perawatan ditampilkan pada horizontal