UKURAN PENYEBARAN (UKURAN VARIASI / DISPERSI)

Ukuran penyebaran ini menunjukkan suatu variasi dari suatu distribusi data. Dengan mengetahui variasi suatu data maka kita bisa mengambil kesimpulan secara lebih tepat tentang distribusi suatu data. Pada ukuran nilai tengah, beberapa distribusi angka dengan mean (rerata) yang sama bisa memiliki ukuran variasi yang berbeda. Lihat ilustrasi berikut ini: Tabel 1. Distribusi nilai mahasiswa Matakuliah A B C 50 50 50 50 75 30 Nilai mahasiswa 50 65 40 50 30 85 50 30 45 Rerata (mean) 50

50 50

Rerata nilai mahasiswa untuk setiap matakuliah (A, B, dan C) tersebut diatas adalah sama. Namun demikian kita akan memberikan interpretasi yang berbeda bila mencermati lebih jauh tentang variasi dari masing-masing matakuliah. Penghitungan ukuran penyebaran atau ukuran dispersi ini penting karena: Akan diperoleh informasi tambahan tentang penyebaran yang terjadi pada suatu distribusi. Dapat menilai ketepatan ukuran nilai tengah dalam mewakili distribusinya. Bila suatu distribusi data memiliki dispersi yang besar maka ukuran nilai tengah kurang mewakili distribusinya, sebaliknya bila nilai dispersi semakin kecil maka semakin tepat nilai tengah mewakili distribusi datanya. Ukuran penyebaran yang akan dijelaskan adalah rentang (range), rerata deviasi (mean deviation). simpangan baku (standard deviation), variansi (variance) dan koefisien variasi (Coefficient of variation).

A. Rentang (RANGE)
Nilai rentang ini menunjukkan selisih antara data yang paling tinggi dengan data yang paling rendah. Dengan melihat ukuran ini maka dapat diketahui gambaran secara kasar tentang variasi suatu distribusi data. Nilai range ini sangat kasar, karena tidak mempertimbangkan nilai-nilai yang lain selain nilai ekstrimnya. Adapun rumusnya adalah sebagai berikut:

range = m m ax in
Contoh:

..... (1)

Pada data Tabel satu diperoleh range pada masing masing mata kuliah adalah: Matakuliah A B C Max min 50 - 50 75 30 85 30 range 0 45 55

Maka secara kasar dapat disimpulkan bahwa sebaran nilai pada matakuliah C paling bervariasi dibandingkan dengan nilai mata kuliah A dan B. Nilai range sama dengan 0 pada matakuliah A menunjukkan bahwa distribusi nilai A adalah homogen. Semakin besar nilai rentang maka distribusi data semakin bervariasi.

B. Simpangan Rata-rata
Untuk menutup kekurangan dari nilai range maka bisa dihitung nilai simpangan rata-rata (Mean Deviation). Simpangan rata-rata (SR) memperhitungan nilai-nilai lain selain nilai ekstrim distribusi data. Adapun rumusnya adalah sebagai berikut:

SR =
Dimana : xi = nilai ke i,

x
i= 1

.... (2)

x bar = nilai rerata distribusi data n = jumlah data Sebagai contoh mata kuliah B mempunyai rerata = 50 maka simpangan rata-rata :
5 0 + 5 0 + 5 0 + 0 0 + 0 0 0 5 7 5 6 5 3 5 3 5 S R = 5 0 + 5 +5 + 2 + 2 2 1 0 0 S R = 5

sehingga SR matakuliah B adalah 16.

Dengan menggunakan rumus yang sama maka SR mata kuliah A adalah 0 dan mata kuliah C adalah 14. Maka dapat disimpulkan bahwa nilai B lebih bervariasi daripada nilai A dan C. Mata kuliah A mempunyai distribusi nilai yang homogen.

C. Simpangan Baku (Standard Deviation)

Simpangan baku ini merupakan ukuran penyebaran yang paling banyak digunakan. Ukuran ini dikenalkan oleh Karl Pearson. Dengan menggunakan simpangan rata-rata hasil pengamatan penyebaran sudah memperhitungkan seluruh nilai yang ada pada data. Namun demikian karena dalam penghitungan menggunakan nilai absolut maka tidak dapat diketahui arah penyebarannya. Maka dengan simpangan baku kelemahan ini dapat diatasi, yakni dengan cara membuat nilai pangkat 2, sehingga nilai negatif menjadi positif. Simpangan baku ini merupakan ukuran penyebaran yang paling teliti. Adapun rumusnya adalah sebagai berikut (untuk sampel):

S=

n 1 ( x x ) 2 n 1 i =1

... (3) atau

S=

x
i =1

( x) / n
2

... (4)

n 1

Sedangkan rumus yang digunakan untuk populasi hampir sama, namun pembaginya tanpa dikurangkan dengan angka 1.

1 n ( x x) 2 n i =1

... (5) atau

x
i =1

( x) / n
2

... (6)

Sebagai contoh pada data Tabel 1 dapat dihitung standar deviasinya sebagai berikut : Matakuliah A B C Simpangan baku
0.00 20.31 20.92

Maka dapat disimpulkan bahwa nilai mata kuliah C mempunyai simpangan baku yang paling besar sehingga nilainya yang paling bervariasi.

D. Variansi (Variance)
Simpangan baku atau standard deviation merupakan bentuk akar pangkat 2 dari Variansi. Biasanya ukuran variansi ini diberi simbul sebagai S2 (s pangkat 2). Sebenarnya yang merupakan ukuran simpangan adalah simpangan baku, namun demikian ukuran variansi ini merupakan ukuran pangkat dua dari simpangan baku, sehingga bisa juga dianggap sebagai ukuran penyebaran. Sebagai contoh pada data sebelumnya dapat dihitung nilai variansinya adalah sebagai berikut: Matakuliah A B C Simpangan baku
0.00 20.31 20.92

Variansi
0 412.5 437.5

Dari hasil penghitungan diatas dapat disimpulkan bahwa nilai mata kuliah C mempunyai nilai yang paling besar, sehingga dapat disimpulkan bahwa nilai mata kuliah inilah yang paling bervariasi dibandingkan dengan nilai mata kuliah A dan B.

E. Koefisien Variansi (Coefficien of Variance)

Koefisien variasi merupakan suatu ukuran variansi yang dapat digunakan untuk membandingkan suatu distribusi data yang mempunyai satuan yang berbeda. Kalau kita membandingkan berbagai variansi atau dua variabel yang mempunyai satuan yang berbeda maka tidak dapat dilakukan dengan menghitung ukuran penyebaran yang sifatnya absolut. Sebagai contoh pada suatu pengukuran tinggi badan mahasiswa diperoleh rerata 165 cm dengan standar deviasi 2,5 cm dan hasil penimbangan diperoleh rerata berat badanya adalah 56 kg dengan standar deviasi 1,2 kg. Dari hasil pengamatan ini kita tidak bisa menyimpulkan bahwa tinggi badan mahasiswa lebih bervariasi bila dibandingkan dengan berat badannya. Untuk mengatasi permasalahan ini maka harus dihitung suatu ukuran penyebaran relative, yakni Koefisien Variansi (KV). Rumusnya dapat dilihat sebagai berikut:

KV =

S x100 % x

Dalam contoh kasus diatas maka : KV tinggi badan adalah 1,5 % KV berat badan adalah 2,14 %

Maka dapat disimpulkan bahwa data berat badan lebih bervariasi bila dibandingkan dengan tinggi badan. LATIHAN Hitunglah Nilai-nilai Range, Standar Deviasi, Variansi. Kemudian bandingkanlah data A atau B yang lebih bervariasi. 2 7 5 7 3 4 9 3 2 7 7 9 2 4 2 6 3 5 6 9 1 8 2 4 3 3 7 6 3 9 6 1 3 5 8 2 2 5 2 9 2 9 3 6 1 3 2 4 1 3 1 7 4 0 8 8 2 3 5 7 2 0 2 0 2 5 6 3 2 1 5 4 1 9 6 4 1 7 7 6

A B

Pada suatu pengukuran tinggi badan mahasiswa diperoleh rerata 165 cm dengan standar deviasi 2,5 cm dan hasil penimbangan diperoleh rerata berat badanya adalah 56 kg dengan standar deviasi 1,2 kg.

ESTIMASI 1. Definisi dan Manfaat estimasi 2. Berbagai jenis estimasi (Point, interval, Mean dan Proporsi) 3. Berbagai teknis penghitungan estimasi 4. Contoh-contoh kasus penghitungan estimasi.