Materi Ajar: Perbandingan Ukuran Pemusatan dan Penyebaran Kelompok Data (Kelas IX)

Mata Pelajaran: Matematika

Fase / Kelas: D / IX

Elemen: Analisa Data dan Peluang

Capaian Pembelajaran: Peserta didik mampu memahami, mengaplikasikan, dan bernalar tingkat tinggi (HOTS) untuk menyelesaikan permasalahan terkait perbandingan ukuran pemusatan (mean, median) dan ukuran penyebaran (jangkauan/range) dari beberapa kelompok data yang berbeda untuk pengambilan keputusan.

A. Memahami: Mengapa Kita Membandingkan Data?

Di dunia nyata, kita jarang hanya menganalisis satu kelompok data saja. Biasanya, kita dihadapkan pada pilihan: "Mesin pabrik mana yang lebih bagus?", "Kelas mana yang lebih siap menghadapi ujian?", atau "Investasi mana yang lebih menguntungkan?". Untuk menjawabnya, kita harus membandingkan statistik dari beberapa kelompok data tersebut secara berdampingan.

1. Membandingkan Ukuran Pemusatan (Kualitas Rata-Rata)

Kita membandingkan Mean (Rata-rata) atau Median (Nilai Tengah) untuk melihat kelompok mana yang secara umum memiliki "prestasi" atau "kualitas" yang lebih tinggi atau lebih baik.

2. Membandingkan Ukuran Penyebaran (Konsistensi / Risiko)

Kita membandingkan Jangkauan (Range) untuk melihat kelompok mana yang datanya lebih berkumpul (mirip satu sama lain) atau lebih menyebar (bervariasi).

Aturan Emas Pengambilan Keputusan (HOTS)

Dua kelompok data bisa saja memiliki Rata-rata (Mean) yang sama persis. Jika ini terjadi, keputusan diambil berdasarkan penyebarannya (Range). Seringkali, dalam industri atau perlombaan, kelompok dengan Range yang lebih kecil (lebih stabil) dianggap lebih unggul dan dapat diandalkan dibandingkan kelompok yang memiliki Range besar, meskipun sesekali menghasilkan nilai puncak yang sangat tinggi.

B. Mengaplikasikan: Membaca Karakteristik dari Dua Kelompok

Misalkan terdapat dua kelas, yaitu Kelas A dan Kelas B. Keduanya mengikuti ujian Matematika.

C. Bernalar: Pemecahan Masalah Analitis (HOTS)

Dalam soal tingkat tinggi, Anda akan diminta bertindak sebagai analis data (manajer, juri, atau investor) yang harus menjatuhkan pilihan terbaik berdasarkan kombinasi pemusatan dan penyebaran data.

Studi Kasus 1: Quality Control (Pengendalian Mutu Pabrik)

Situasi: Sebuah pabrik mur dan baut memiliki dua buah mesin pencetak. Standar panjang baut yang diminta oleh klien adalah $10 \text{ cm}$. Pabrik mengambil sampel 5 baut dari masing-masing mesin untuk diukur panjangnya:
Mesin Alpha: $10.1, \quad 9.9, \quad 10.0, \quad 10.1, \quad 9.9$
Mesin Beta: $\quad 10.5, \quad 9.5, \quad 10.0, \quad 11.0, \quad 9.0$
Manajer produksi harus menghentikan satu mesin untuk diservis. Mesin manakah yang sebaiknya dipertahankan untuk produksi?

Analisis Penalaran:
Kita hitung terlebih dahulu ukuran pemusatan (Mean) dan penyebaran (Range) dari kedua mesin.

  1. Analisis Mesin Alpha:
    $$ \text{Mean } (\bar{x}) = \frac{10.1 + 9.9 + 10.0 + 10.1 + 9.9}{5} = \frac{50}{5} = 10.0 \text{ cm} $$ $$ \text{Range } (R) = 10.1 - 9.9 = 0.2 \text{ cm} $$
  2. Analisis Mesin Beta:
    $$ \text{Mean } (\bar{x}) = \frac{10.5 + 9.5 + 10.0 + 11.0 + 9.0}{5} = \frac{50}{5} = 10.0 \text{ cm} $$ $$ \text{Range } (R) = 11.0 - 9.0 = 2.0 \text{ cm} $$

Kesimpulan: Kedua mesin menghasilkan panjang rata-rata yang persis sama dan sesuai standar ($10.0 \text{ cm}$). Namun, Mesin Beta memiliki Range yang sangat besar ($2.0 \text{ cm}$), artinya ukurannya sangat tidak stabil dan sering meleset jauh dari standar (cacat produksi). Oleh karena itu, Mesin Alpha yang harus dipertahankan karena jauh lebih presisi dan konsisten (Range sangat kecil).

Studi Kasus 2: Seleksi Tim Cerdas Cermat (Kapan Butuh Range Besar?)

Situasi: Sekolah harus mengirimkan satu kelas untuk lomba Cerdas Cermat yang berisi soal-soal Matematika level Olimpiade yang sangat sulit. Terdapat dua kelas kandidat dengan statistik nilai harian sebagai berikut:
Kelas X: Mean = $75$, Range = $15$, Nilai Tertinggi = $85$
Kelas Y: Mean = $72$, Range = $45$, Nilai Tertinggi = $98$
Kelas mana yang sebaiknya dipilih untuk diikutkan lomba tersebut?

Analisis Penalaran (Konteks Ekstrem):
Biasanya, kita menyukai Range yang kecil (konsisten). Namun, perhatikan konteks masalahnya. Ini adalah lomba Olimpiade yang butuh "jenius" dengan nilai luar biasa tinggi, bukan sekadar nilai pemerataan kelas biasa.

  • Kelas X: Rata-ratanya lebih bagus dan anaknya merata pintar (stabil). Namun, anak terpintar di kelas ini hanya mentok di nilai $85$.
  • Kelas Y: Secara umum kelasnya kurang merata (ada yang nilainya sangat jelek sehingga Range membesar hingga 45 dan rata-rata turun menjadi 72). Namun, kelas ini memiliki murid-murid "pencilan atas" (outlier positif) dengan nilai luar biasa jenius mencapai $98$.

Kesimpulan: Untuk kompetisi elit (Olimpiade), sekolah sebaiknya memilih Kelas Y atau mengambil perwakilan dari kelas tersebut. Dalam kasus langka ini, Range yang besar dan rata-rata yang lebih rendah justru mengindikasikan adanya beberapa individu brilian yang sangat dibutuhkan untuk perlombaan berlevel tinggi.

Studi Kasus 3: Membaca Efek Penggabungan Data

Situasi: Toko A menjual 5 jenis beras dengan harga per kg: Rp 10.000, Rp 11.000, Rp 12.000, Rp 13.000, Rp 14.000.
Toko B menjual 5 jenis beras premium dengan harga per kg: Rp 15.000, Rp 16.000, Rp 17.000, Rp 18.000, Rp 19.000.
Jika pemilik memutuskan untuk menggabungkan kedua toko tersebut menjadi satu "Supermarket Beras", apa yang akan terjadi pada Rata-Rata (Mean) dan Jangkauan (Range) dari keseluruhan harga beras tersebut?

Analisis Penalaran:
Tanpa menghitung secara detail, kita bisa menggunakan logika pemusatan dan penyebaran.

  1. Rata-rata Toko A adalah $12.000$. Rata-rata Toko B adalah $17.000$. Jika digabung, Mean gabungan pasti akan berada di tengah-tengah kedua nilai tersebut (karena jumlah datanya sama-sama 5). Yaitu $\frac{12.000 + 17.000}{2} = 14.500$. (Mean gabungan menjadi lebih besar dari A, tapi lebih kecil dari B).
  2. Range Toko A $= 14.000 - 10.000 = 4.000$.
    Range Toko B $= 19.000 - 15.000 = 4.000$.
  3. Range Gabungan: Nilai terbesar gabungan adalah $19.000$ dan nilai terkecil gabungan adalah $10.000$. Maka Range yang baru adalah $19.000 - 10.000 = 9.000$.

Kesimpulan: Penggabungan dua kelompok data yang memiliki jarak (gap) berbeda akan menyebabkan Range (penyebaran) membengkak menjadi jauh lebih besar (variasi harga menjadi sangat luas, dari yang paling murah hingga paling premium). Sedangkan rata-ratanya akan mencari titik seimbang baru di antara kedua kelompok lama.