Anda di halaman 1dari 14

Ukuran Penyebaran

file:CatKulA03 Modul05

Digunakan untuk mengukur penyimpangan nilai data disekitar nilai rataratanya. Perbedaan nilai dari rata-ratanya atau dari nilai lainnya disebut variasi atau dispersi. Perhitungan deviasi didasarkan pada penyimpangan nilai-nilai data secara individu terhadap rata-ratanya, karena itu deviasi akan makin besar jika nilai-nilai datanya menyebar. Jika perbedaan seluruh nilai sama dengan nol, maka kelompok data tersebut dinamakan homogen. Jika perbedaan antara satu dengan yang lainnya sangat besar, disebut heterogen (sangat bervariasi). Antara yang homogen dengan yang heterogen disebut relatif homogen (tidak begitu bervariasi). 1. Nilai Jarak (Range) NJ = Xn - X1 = Nilai Maximum - Nilai Minimum.

Contoh: Carilah nilai jarak dari data berikut: a. 50 40 30 60 70 b. 100 40 80 20 10 Jawab: a. Data diurut dari yang terkecil sampai yang terbesar, yaitu: x1 = 30; x2 = 40; x3 = 50; x4 = 60; x5 = 70. Maka : NJ = x5 - x1 = 70 - 30 = 40 b. Dengan cara yang sama, data diurut dahulu dari yang terkecil sampai yang tebesar, yaitu:

2. Rata-rata Simpangan terhadap Rata-rata Hitung RS = --- |Xi = --- {|X1 - X| - X| + |X2 - X| + . . . + |Xn - X|}

Untuk simpangan selalu diambil harga mutlaknya 3. Rata-rata Simpangan terhadap Median RS = -- |Xi - Med| - Med| + |X2 - Med| + . . . + |Xn
31

= --- {|X1

- Med|}

Contoh: Dari contoh nilai jarak di atas, carilah rata-rata simpangan terhadap ratarata hitung dan median. Jawab: X1 = X ; X2 = ; X3 = ; X4 = ; X5 =

= 1/5 (10 + 20 + 40 + 80 + 100) = 250/5 = 50

Rata-rata simpangan terhadap rata-rata hitung: RS = 1/5 {|10-50| + |20-50| + |40-50| + |80-50| + |100-50|} = 1/5 {|- 40| + |- 30| + |- 10| + | 30 | + | 50 |} = 1/5 ( 40 + 30 + 10 + 30 + 50 ) 160 = ------ = 32 5 Med = X3 = 40

Rata-rata simpangan terhadap median: RS = 1/5 = 1/5 {|10-40| + |20-40| + |40-40| + |80-40| + |100-40|} {| - 30| + | - 20| + | 0 | + | 40 | + | 60 |}

= 1/5 ( 30 + 20 + 0 + 40 + 60 ) 150 = ----- = 30 5

32

4. Simpangan Baku (Standard Deviation) Variance sebenarnya dari X :

X2

(Xi -

)2

= --------------N

Xi - = simpangan (deviasi) dari observasi terhadap rata-rata sebenarnya. Simpangan Baku dari X = Standard Deviation dari X:

X
=

(Xi -

)2

------------------N

Deviasi (Xi - ) menunjukkan berapa banyak suatu nilai berbeda dari rat-rata hitungnya. Pengkuadratan membuat deviasi yang bertanda minus menjadi positip. Rata-rata dari deviasi yang dikuadratkan disebut Variance. Akar dari variance dinamakan Standard Deviasi. Rumus di atas dapat juga ditulis dalam bentuk lain: 1 ( Xi )2

Xi 2
= ------- -N

Xi

= ----N

Xi 2 -- ------N

-----N

Kalau hanya satu variabel X, maka X ditulis saja. X = digunakan untuk mengukur rata-rata jarak atau selisih masing-masing nilai individu dari sekelompok nilai terhadap rata-ratanya. Contoh
1 2 3 4 5 Jml. X 10 12 9 8 16 55 Deviasi (X-U) 10 - 11 = 12 - 11 = 9 - 11 = 8 - 11 = 16 - 11 = -1 1 -2 -3 5 (X-U) 1 1 4 9 25 40 X 100 144 81 64 256 645

U = 55/5 = 11 33

X X
= =

(Xi -

)2
=

40

------------------N 2,828

----5

22

atau dengan mempergunakan rumus: 1 ( Xi ) -- ------N


2

1 = 40 ----5

(55) 645 -- -----5

----N

Xi

---5

1 ---- (645 605) = 5

22 = 2,828

Standard Deviasi untuk sampel dinyatakan dengan:

S =

(Xi - X)2 -------------n

atau

S =

(Xi - X)2 -------------n-1

= standard deviasi perkiraan = simpangan baku perkiraan, S perkiraan dari . Jika n > 30 maka penyebut N atau n-1 akan memberikan hasil yang 2 2 2 hampir sama. Kalau pembaginya n-1, maka E (S ) = , artinya S unbiased estimate dari . Bentuk rumus lainnya:
2 2

1 S =

----n

Xi

( Xi ) -- ------n

34

Untuk data yang berkelompok: fi (Mi - )2

-------------N

; Mi = nilai tengah dari kelas ke i.

Untuk kelas interval yang sama:

fi (di) 2 ---------- -N

f i di ---------N

c = besarnya kelas interval fi = frekuensi ke i di = deviasi = simpangan dari kelas ke i terhadap titik asal asumsi Untuk kelas interval yang tidak sama:

1 --N

fi (Mi) 2

( f i Mi)2 -- ---------N

; Mi = nilai tengah kelas ke i.

Standar Deviasi digunakan untuk menunjukkan proporsi dari observasi dalam distribusi yang berbeda pada jarak tertentu terhadap rata-rata. Bila distribusi frekuensi mempunyai bentuk normal, maka proporsi yang berbeda dalam interval: 1 sebanyak 68,28% 2 sebanyak 95,44% 3 sebanyak 99,74%

35

Contoh:

Kelas 118 - 126 127 - 135 136 - 144 145 - 153 154 - 162 163 - 171 172 - 180 Jumlah

f 3 5 9 12 5 4 2 40 f d

d -3 -2 -1 0 1 2 3 0 d
2

d 9 4 1 0 1 4 9 0

fd -9 -10 -9 0 5 8 6 -9 fd fd

fd 27 20 9 0 5 16 18 95
2

fi (di) 2 ---------- -N 95 -9 -- ---40


2

f i di ---------N

; c = 127 - 118 = 9

= 9

---40

= 9 2,375 ( - 0,225) 2

9 2,375 0,051

= 9 2,324

= 9 ( 1,524) = 13,72

36

Kelas 118 - 126 127 - 135 136 - 144 145 - 153 154 - 162 163 - 171 172 - 180 Jumlah

f 3 5 9 12 5 4 2 40

M 122 131 140 149 158 167 176 1,043

M 14,884 17,161 19,600 22,201 24,964 27,889 30,976 1,087,849

fM 366 655 1,260 1,788 790 668 352 5,879

fM 44,652 85,805 176,400 266,412 124,820 111,556 61,952 871,597

1 --N 1 --40

fi (Mi) 2

( f i Mi)2 -- ---------N

; Mi = nilai tengah kelas ke i. 1 ---

(5.879)2 871.597 -- ---------40

(871.597 -- 864.066,025)

1 --- ( 7.530,975) 40

= 188,27

= 13,72

37

Nilai Baku ( = Standardized Value ) Xi - Zi = ------- Zi merupakan nilai simpangan atau deviasi yang dibakukan Xi -- Contoh: X1 = 2; X2 = 8 X3 = 10 X4 = 4 X5 = 1 1 1 25 = --- Xi = --- ( 2 + 8 + 10 + 4 + 1) = --- = 5 N 5 5 = 1/N (Xi - )2 = 12 = 3,46 = 1/5 3,5 X2 8 ; --- = ---- = 2,29 3,5 X5 1 ; --- = ---- = 0,29 3,5 85 Z2 = ------- = 0,86 ; 3,5 15 Z5 = ------- = - 1,14 3,5 10 5 Z3 = ------- = 1,43 3,5 X3 10 ; --- = ---- = 2,86 3,5 ( 2 5 )2 + ( 8 5 )2 + . . . + ( 1 5 )2 merupakan nilai baku dari Xi

X1 2 --- = ---- = 0,57 3,5 X4 4 --- = ---- = 1,14 3,5 25 Z1 = ------- = - 0,86 ; 3,5 45 Z4 = ------- = - 0,29 ; 3,5 1

1 = ---- Zi = --- ( - 0,86 + 0,86 + 1,43 0,29 1,14) = 1/5 (0) = 0. N 5


38

Rata-rata deviasi yang dibakukan = 0

1 ( Zi)2 ---- (Zi) 2 -- -------N N 1 02 2 ---- (- 0,86) + . . . -- --5 5 0,9907 1 = 1/5 (4,9078) = 0,98156

= =

Standard deviasi yang dibakukan = 1 Rata-rata Hitung dan Standard Deviasi secara bersama-sama dapat dipakai untuk membuat transformasi data yang menghasilkan nilai baku Z. Misalkan kelompok data dengan nilai X1, X2, ., Xn dengan rata-rata hitung X dan standard deviasi S. Kita dapat membuat nilai baku Z dengan memakai transformasi baku berikut: Xi - X Zi = -------S Z akan sama dengan nol dan Sz akan sama dengan satu.

Nilai Z1, Z2, ., Zn yang diperoleh dengan cara transformasi ini disebut nilai baku. Contoh: Ujian akhir semester (UAS) kelas C untuk mata kuliah Statistik dengan 70 mahasiswa adalah X = 78 dan S = 10. Sedangkan untuk mata kuliah Bahasa Inggris adalah X = 84 dan S = 18. Jika nilai UAS Budi untuk mata kuliah Statistik = 86 dan B. Inggris = 92, bagaimanakah prestasi Budi dalam kelas tersebut? Jawab: Xi - X ZMT = -------SMT Xi - X ZBI = -------SBI 86 - 78 = --------10 92 - 84 = --------18 = 0,40 = 0,18

39

Karena ZMT > ZBI maka prestasi Budi lebih baik pada mata kuliah Statistik dibandingkan dengan mata kuliah Bahasa Inggris. Koefisien Variasi Untuk membandingkan variasi antara nilai-nilai besar dengan nilai-nilai kecil digunakan dispersi relatif. Salah satu ukuran dispersi relatif yang sangat terkenal adalah Koefisien Variasi. Makin kecil simpangan baku, makin dekat nilai X pada x, sedangkan makin besar simpangan baku, makin jauh nilai X dari x. Koefisien Variasi adalah ukuran yang bebas dari satuan data asli yang dipakai untuk membandingkan dua kelompok. K V = ---- x 100% untuk populasi kv = Contoh: S ---X x 100% untuk sampel

Harga dari lima barang A adalah Rp. 4.000.000; Rp. 4.500.000; Rp. 5.000.000; Rp. 4.750.000; dan Rp. 4.250.000. Harga dari lima barang B masing-masing adalah Rp 600; Rp 800; Rp 900; Rp 550; dan Rp 1.000; A = 1/5 (4.000.000 + . . . + 4.250.000) = 4.500.000 B = 1/5 (600 + . . . + 1.000) = 770 A = 1/5 (Xi - A)2 B = 1/5 (Xi - B)2 A K VA = ----- x 100% A B K VB = ----- x 100% B = 353.550 = 172,05

353.550 = ------------- x 100% = 7,86% 4.500.000 172,05 = --------- x 100% = 22,34%. 770

K VB > K VA , berarti harga barang B lebih bervariasi (heterogen) dibanding dengan harga barang A. Koefisien Variasi Kuartil digunakan jika suatu kelompok data tidak diketahui berapa rata-ratanya ( X ) dan berapa standard deviasinya ( S ):
40

K VQ

Q3 - Q1 = ----------Q3 + Q1

atau

K VQ

(Q3 - Q1)/2 = --------------Med

Ukuran Kemencengan

1 Moment ke r terhadap titik asal : Mr = --- Xi n 1 Untuk data berkelompok : Mr = --- fi Mi n Untuk r = 1, maka M1 (moment pertama) merupakan rata-rata hitung. Moment terhadap rata-rata hitung: 1 Untuk data tidak berkelompok Mr = --- ( Xi - X ) n 1 Untuk data berkelompok Mr = --- fi ( Mi - X) n Untuk r = 2, maka M2 merupakan variance = s2 = kuadrat dari simpangan baku. Untuk r = 3, maka M3 berguna untk mengukur kemencengan (skewness) dari suatu distribusi frekuensi Untuk r = 4, maka M4 berguna untk mengukur keruncingan (kurtosis). Ukuran tingkat kemencengan (Pearson): X - Mod TK = ----------S atau 3 (X - Mod) TK = ---------------S

Dapat juga diukur berdasarkan moment ke 3, yaitu: Untuk data tidak berkelompok: M3 1 3 = ---- = ------ ( Xi - X )3 S3 n S3 Untuk data berkelompok: M3 1

3 = ---- =

------ ( Mi - X )3
41

S3

n s3

3 sering disebut moment coeficient of skewness

Untuk kelas interval yang sama: C3 1 = --- --- S3 n 1 1 1 2 ( --- fi di ) ( --- fi di) + 2 ( --- fi di)3 n n n

fi di3

3
S C fi k

= = = = =

ukuran tingkat kemencengan simpangan baku besarnya kelas interval frekuensi kelas ke i banyaknya kelas

Ukuran kemencengan menggunakan kuartil (rumus Bowley) dan persentil: (Q3 Q2) (Q2 Q1) Q3 2 Q 2 + Q 1 QCS = --------------------------- = ------------------Q3 Q1 Q3 Q1 QCS = Quartile Coeficient of Skewness

(P90 P50) (P50 P10) P90 2 P50 + P10 10 90 PCS = --------------------------- = ------------------P90 P10 P90 P10 10 90 PCS = 10 90 Percentile Coeficient of Skewness.

42

Ukuran Keruncingan a. b. c. Leptokurtis : puncaknya sangat runcing Platykurtis : puncaknya agak datar/merata Mesokurtis : puncaknya tidak begitu runcing

Moment Coeficient of Kurtosis = 4 Untuk data tidak berkelompok: M4 1 4 = ---- = ------ ( Xi - X )4 S4 n S4 Untuk data berkelompok: M4 1

4 = ---- =
S
4

------ fi ( Mi - X )4
n s4

Khusus untuk data berkelompok, derajat keruncingan dapat pula dihitung dengan memakai tranformasi: C4 f d 4 = --- ------ - 4 S4 n f d3 -----n fd -----n f d2 f d 2 ------ ------- - 3 n n fd -----n
4

+ 6

Jika 4 > 3 Jika 4 = 3 Jika 4 < 3

: kurva leptokurtis (meruncing) : kurva mesokurtis (normal) : kurva platykurtis (mendatar)


43

Rumus lainnya:

(Q3 Q1) QCK = --------------- = Quartile Coeficient of Kurtosis P90 P10

Kurva normal QCK = 0,263 QCK = 0,263 keruncingan distribusi data disebut mesokurtis QCK > 0,263 keruncingan distribusi data disebut leptokurtis QCK < 0,263 keruncingan distribusi data disebut platikurtis

44