Hitung Kuartil Data

Menghitung Q1, Median (Q2), dan Q3 dari kumpulan data.

Contoh: 10, 20, 30, 40, 50, 60, 70

💡 Masukkan data statistik untuk menghitung kuartil.

Hasil akan dihitung secara otomatis saat input terisi

Apa itu Kalkulator Kuartil?

Kuartil adalah nilai-nilai yang membagi data terurut menjadi empat bagian yang sama besarnya. Dalam statistika deskriptif, terdapat tiga kuartil utama: Kuartil 1 (Q1) atau kuartil bawah yang membatasi 25% data terbawah, Kuartil 2 (Q2) atau median yang membatasi 50% data terbawah, dan Kuartil 3 (Q3) atau kuartil atas yang membatasi 75% data terbawah.

Konsep dan Rumus Kuartil & IQR

Q1 = P25 | Q2 = Median = P50 | Q3 = P75 | IQR = Q3 - Q1

Keterangan:

  • Q1Kuartil Pertama (P25)
    Nilai yang membatasi 25% data terbawah (persentil ke-25)(contoh: Q1 = 25)
    💡 Mengetahui batas bawah 25% nilai ujian
  • Q2Kuartil Kedua = Median (P50)
    Nilai tengah data yang membatasi 50% data terbawah (persentil ke-50)(contoh: Q2 = 50)
    💡 Menentukan nilai tengah gaji karyawan
  • Q3Kuartil Ketiga (P75)
    Nilai yang membatasi 75% data terbawah (persentil ke-75)(contoh: Q3 = 75)
    💡 Mengetahui batas atas 75% penjualan
  • IQRInterquartile Range
    Selisih Q3 dan Q1, mengukur sebaran 50% data tengah(contoh: IQR = 75 - 25 = 50)
    💡 Mengukur sebaran data yang robust terhadap outlier
  • OutlierNilai Ekstrem (Outlier)
    Data < Q1 - 1,5×IQR atau > Q3 + 1,5×IQR(contoh: >150 atau <-25)
    💡 Deteksi data anomali dalam penelitian
  • nJumlah Data
    Banyaknya observasi dalam kumpulan data(contoh: n = 20 (20 data))
    💡 Menentukan posisi kuartil dalam data

Kategori:

Q1 (25%)Data kuartil bawah (25% terbawah)
Q2 (50%)Median (data tengah)
Q3 (75%)Data kuartil atas (75% terbawah)

Cara Menggunakan Kalkulator Kuartil Kalkulab

Menghitung kuartil secara manual bisa membingungkan, apalagi jika jumlah data banyak. Kalkulab menyederhanakan semuanya. Ikuti langkah-langkah berikut:

  1. 1

    Urutkan Data (Opsional)

  2. 2

    Masukkan Data Anda

  3. 3

    Klik Tombol Hitung

  4. 4

    Analisis Hasil & Box Plot

💡 Tips Penggunaan:

  • •Pastikan data terurut dari terkecil ke terbesar sebelum menghitung kuartil
  • •Jika jumlah data genap, Q2 (median) adalah rata-rata dua nilai tengah
  • •Untuk Q1: cari median dari setengah bawah data (tidak termasuk Q2 jika n ganjil)
  • •Untuk Q3: cari median dari setengah atas data (tidak termasuk Q2 jika n ganjil)
  • •Gunakan IQR untuk mendeteksi outlier: data < Q1-1,5×IQR atau > Q3+1,5×IQR adalah outlier

Contoh Perhitungan

Contoh 1: Nilai Ujian Matematika (n=9)

Soal:

Data nilai ujian: 45, 55, 60, 65, 70, 75, 80, 85, 95. Hitung Q1, Q2, Q3, dan IQR!

Penyelesaian:
  1. 1.Data sudah terurut (n=9 ganjil)
  2. 2.Q2 (Median) = nilai tengah ke-5 = 70
  3. 3.Q1 = median dari setengah bawah {45,55,60,65} = (55+60)/2 = 57,5
  4. 4.Q3 = median dari setengah atas {75,80,85,95} = (80+85)/2 = 82,5
  5. 5.IQR = Q3 - Q1 = 82,5 - 57,5 = 25
Hasil:Q1=57,5 | Q2=70 | Q3=82,5 | IQR=25

50% nilai berada di kisaran 57,5 hingga 82,5. Data cukup merata dengan IQR 25.

Contoh 2: Deteksi Outlier Gaji Karyawan

Soal:

Data gaji (juta): 5, 6, 7, 8, 9, 10, 50. Identifikasi outlier!

Penyelesaian:
  1. 1.Data terurut (n=7 ganjil)
  2. 2.Q2 (Median) = nilai tengah ke-4 = 8
  3. 3.Q1 = median {5,6,7} = 6
  4. 4.Q3 = median {9,10,50} = 10
  5. 5.IQR = 10 - 6 = 4
  6. 6.Batas bawah = Q1 - 1,5×IQR = 6 - 6 = 0
  7. 7.Batas atas = Q3 + 1,5×IQR = 10 + 6 = 16
  8. 8.50 > 16 → 50 adalah OUTLIER
Hasil:50 juta adalah OUTLIER

Gaji 50 juta (mungkin direktur) adalah nilai ekstrem yang jauh di luar rentang normal (0-16 juta). IQR sangat efektif mendeteksi anomali data.

Contoh 3: Waktu Tempuh Harian (n=8)

Soal:

Waktu tempuh (menit): 25, 28, 30, 32, 35, 38, 40, 60. Hitung kuartil dan IQR!

Penyelesaian:
  1. 1.Data terurut (n=8 genap)
  2. 2.Q2 (Median) = rata-rata nilai ke-4 dan ke-5 = (32+35)/2 = 33,5
  3. 3.Q1 = median setengah bawah {25,28,30,32} = (28+30)/2 = 29
  4. 4.Q3 = median setengah atas {35,38,40,60} = (38+40)/2 = 39
  5. 5.IQR = 39 - 29 = 10
Hasil:Q1=29 | Q2=33,5 | Q3=39 | IQR=10

Waktu tempuh 50% tengah berada di kisaran 29-39 menit. Nilai 60 menit mendekati batas atas outlier (39+1,5×10=54), sehingga 60 adalah outlier.

Contoh 4: Analisis Penjualan Toko Harian

Soal:

Penjualan 10 hari: 100, 120, 130, 140, 150, 150, 160, 170, 180, 1000. Cari Q1, Q3, IQR, dan outlier!

Penyelesaian:
  1. 1.Data terurut (n=10 genap)
  2. 2.Q2 = (150+150)/2 = 150
  3. 3.Q1 = median {100,120,130,140,150} = 130
  4. 4.Q3 = median {150,160,170,180,1000} = 170
  5. 5.IQR = 170 - 130 = 40
  6. 6.Batas bawah = 130 - 1,5×40 = 70
  7. 7.Batas atas = 170 + 1,5×40 = 230
  8. 8.1000 > 230 → 1000 adalah OUTLIER
Hasil:Q1=130 | Q3=170 | IQR=40 | 1000 adalah outlier

Penjualan 1000 unit adalah anomali (mungkin ada promo besar). Tanpa outlier, penjualan berada di kisaran 70-230 unit dengan IQR 40.

Contoh 5: Nilai Siswa Kelas Statistik (n=11)

Soal:

Nilai: 50, 55, 60, 65, 70, 75, 80, 85, 90, 95, 100. Hitung kuartil lengkap!

Penyelesaian:
  1. 1.Data terurut (n=11 ganjil)
  2. 2.Q2 (Median) = nilai tengah ke-6 = 75
  3. 3.Q1 = median {50,55,60,65,70} = 60
  4. 4.Q3 = median {80,85,90,95,100} = 90
  5. 5.IQR = 90 - 60 = 30
Hasil:Q1=60 | Q2=75 | Q3=90 | IQR=30

Distribusi nilai simetris dengan median 75. 50% nilai berada di kisaran 60-90 dengan IQR 30. Tidak ada outlier dalam data ini.

Pertanyaan yang Sering Diajukan (FAQ)

Apa bedanya kuartil dan persentil?
Kuartil membagi data menjadi 4 bagian sama besar (Q1=P25, Q2=P50/Median, Q3=P75). Persentil lebih umum, membagi data menjadi 100 bagian (P1-P99). Jadi kuartil adalah kasus khusus dari persentil: Q1=persentil ke-25, Q2=persentil ke-50, Q3=persentil ke-75.
Mengapa IQR lebih baik daripada standar deviasi untuk data dengan outlier?
IQR hanya mengukur sebaran 50% data tengah dan mengabaikan 25% data terbawah dan 25% teratas, sehingga sangat robust (tahan) terhadap outlier. Standar deviasi menggunakan semua data dan sangat sensitif terhadap nilai ekstrem, sehingga bisa memberikan gambaran sebaran yang menyesatkan jika ada outlier.
Apa itu box plot (diagram kotak) dan bagaimana membuatnya?
Box plot adalah visualisasi yang menunjukkan Q1, Q2, Q3, whiskers (garis hingga 1,5×IQR), dan outlier. Cara membuatnya: gambarkan kotak dari Q1 ke Q3, garis tengah di Q2, whiskers ke nilai terbesar/terkecil dalam batas 1,5×IQR, dan titik outlier di luar itu. Sangat berguna untuk membandingkan distribusi beberapa kelompok.
Bagaimana jika jumlah data genap saat mencari Q1 dan Q3?
Jika n genap, bagi data menjadi dua setengah (tidak termasuk Q2 karena tidak ada satu nilai tengah yang tunggal). Q1 adalah median dari setengah bawah, Q3 adalah median dari setengah atas. Jika setengah tersebut jumlahnya genap, ambil rata-rata dua nilai tengahnya.
Apa fungsi kuartil dalam kehidupan nyata?
Kuartil sangat berguna dalam: analisis gaji (membagi karyawan menjadi 4 kelompok gaji), segmentasi pelanggan (25% teratas adalah pelanggan VIP), analisis performa (25% siswa terbawah perlu bimbingan), deteksi fraud (transaksi di luar IQR adalah curiga), dan pengambilan keputusan bisnis berbasis data.
Bagaimana cara menentukan ada/tidaknya outlier dengan IQR?
Hitung Q1 dan Q3, lalu hitung IQR = Q3 - Q1. Batas bawah = Q1 - 1,5×IQR, Batas atas = Q3 + 1,5×IQR. Data yang < batas bawah ATAU > batas atas adalah outlier. Contoh: Q1=10, Q3=20, IQR=10 → Batas: -5 s.d 35. Data 40 adalah outlier.
Bisakah kalkulator ini menangani data dalam jumlah besar?
Ya, kalkulator Kuartil Kalkulab mampu memproses ratusan hingga ribuan data points dengan cepat dan akurat. Sangat cocok untuk analisis data penelitian skala besar, evaluasi nilai massal, atau analisis bisnis dengan dataset luas.
Apakah hasil kuartil akan sama jika menggunakan metode perhitungan yang berbeda?
Ada beberapa metode mencari kuartil (seperti metode Excel, metode Minitab, metode Freund & Perles). Hasilnya bisa sedikit berbeda terutama untuk data dengan jumlah tertentu. Kalkulator Kalkulab menggunakan metode yang umum digunakan dan memberikan hasil yang akurat untuk keperluan statistik deskriptif standar.

Kalkulator Terkait

Kalkulator Mean Median Modus

Ukuran tendensi sentral

Kalkulator Standar Deviasi

Ukuran sebaran data

Kalkulator Z-Score

Standardisasi nilai data

Kalkulator Varians

Rata-rata kuadrat simpangan

Kalkulator Persentil

Posisi relatif data

Referensi