Anda di halaman 1dari 13

TUGAS

STATISTIK
RATA RATA SIMPANGAN DAN SIMPANGAN BAKU

DISUSUN OLEH :
Hengki Adi Saputra
1416132109

DOSEN PEMBIMBING :
Selvi Riyawati, M.Pd

PROGRAM STUDI EKONOMI ISLAM

FAKULTAS SYARIAH DAN EKONOMI ISLAM


INSTITUT AGAMA ISLAM NEGERI
IAIN (BENGKULU)
2014

RATA RATA SIMPANGAN DAN SIMPANGAN BAKU

Barangkali ukaran simpangan yang paling banyak digunakan dalah


Simpangan baku atau deviasi standar. Simpangan baku data sampel disimbul
dengan s, sedangkan untuk populasi diberi simbul (baca : sigma).
Jika kita mempunyai sampel berukuran n dengan data x1, x2, . . . , xn dan ratarata

( x i x ) 2
n 1

, maka statistik s dihitung dengan: s =

Pangkat dua dari simpangan baku dinamakan varians.


Simpangan baku s dihitung sebagai berikut
1). Hitung rata-rata

2). Tentukan selisih x1 -

, x2 -

, . . . , xn -

3). Tentukan kuadrat selsisih tersebut, yakni (x1 x

)2, (x2 -

)2, . . . , (xn -

)2

4). Kuadrat-kuadrat tersebut dijumlahkan


5). Jumlah tersebut dibagi oleh (n 1)
6). Lalu diambil akarnya yang positif.
Contoh :
Diberikan sampel dengan data : 8, 7, 10, 11, 4.
Untuk menentukan simpangan baku s, kita buat tabel berikut:
xi
8

xi - x
0

(xi - x )2
0

-1

10

11

-4

16

Rata-rata x = 8, dari kolom


(2), bahwa (xi - x ) = 0.
Karena itulah di sini diambil
kuadratnya yang dituliskan
pada kolom (3). Didapat
(xi - x )2 = 30.

30

40

didapat : S =

7,5

= 2,74.
2

nx i (xi ) 2
o Bentuk lain untuk rumus varians ialah : s =
n(n 1)
2

Pada rumus ini tidak perlu dihitung rata-rata.

xi
8

xi2
64

49

10

100

11

121

4
40

Dihasilkan xi = 40 dan
(xi2 = 350.
Dengan n = 5, didapat
varians
5 x350 ( 40) 5 x 4
s
7,5 dan
s = 7,5 = 2,74.
2

16
350

o Untuk data dari sampel telah disusun dalam daftar distribusi frekuensi, varians
s2 dipakai rumus :
2

s2 =

nf i x i ( f i x i ) 2
f i ( x i x ) 2
atau s2 =
n(n 1)
n 1

Untuk:
xi = tanda kelas,
fi = frekuensi yang sesuai dengan tanda kelas xi
n = fi.
Contoh :
Untuk menghitung varians s2 dari data dalam Daftar

IV (2) tentang

kelembaban selama 80 hari. Untuk lebih mudahnya digunakan rumus kedua.


Untuk menggunakan Rumus di atas maka dibuat tabel pembantu seperti di
bawah ini :

Kelembaban

fi

xi

xi2

35,5

1260,25

35,5

1.260,25

44738,87

41 -50

45,5

2070,25

90,0

4.140,50

188342,75

51 60

55,5

3080,25

277,5

15.401,25

814769,37

61 70

15

65,5

4290,25

982,5

64.353,75

71 80

25

75,5

5700,25

1887,5

142.506,25

81 90

20

85,5

7310,25

1710,0

146.205,00

90 100
Jumlah

12
80

95,5
-

9120,25
-

1146,0
6130,0

109.443,00
483.310,00

(x)
31 - 40

fixi2

fixi

fixi3

Dari tabel didapat :


n = fi = 80, fixi = 6.130 dan fixi2 = 483.310.
Sehingga diperoleh varians:

s2

80 x 483.310 (6.130) 2
172,1
80 x79

Cara koding, seperti ketika menghitung rata-rata

, l dapat digunakan

juga di sini sehingga perhitungan akan lebih sederhana. Rumusnya


adalah :

n f i c i 2 ( f i c i ) 2
s = p
n(n 1)

dengan :
p = panjang kelas interval,
ci = nilai koding, dan n = fi.

Contoh :
Untuk data di atas, jika dipakai Rumus IV (9) ini, maka diperlukan tabel
berikut :

dst

-4

fici
-4

fici2
16

45,5

-3

-6

18

55,5

-2

-10

20

61 70

15

65,5

-1

-15

15

71 80

25

75,5

81 90

20

85,5

20

20

Kelembaban (x)
31 - 40

fI
1

xI
35,5

41 -50

51 60

cI

90 100
12 95,5
2
24
48
Jumlah
80
9
137
Dari tabel didapat p = 10, n = fi = 80, fici = 9 dan fi ci2 = 137, sehingga
didapat varians.
80 x137 (9) 2
80 x79

s2 = (10)2

172,1

Hasilnya sama dengan bila digunakan sebelumnya. sebenarnya yang


terakhir didapat dari yang pertama dengan menggunakan transpormasi c i =
xi x 0
berdasarkan sifat :
p

1) Jika tiap nilai data xi ditambah atau dikurangi dengan bilangan yang
sama, maka simpangan baku s tidak berubah.
2) Jika tiap nilai data xi dikalikan dengan bilangan yang sama d, maka
simpangan bakunya menjadi hal d kali simpangan baku yang asal.
o Simpangan baku gabungan. Jika terdapat k buah subsampel :
Subsampel 1 : berukuran n1 dengan simpangan baku s1
Subsampel 2 : berukuran n2 dengan simpangan baku s2
.
Subsampel k : berukuran nk dengan simpangan baku sk

merupakan sebuah sampel berukuran n = n 1 + n2 + + nk, maka simpangan


baku untuk sampel ini merupakan simpangan baku gabungan yang dihitung
dengan rumus :

s2 =

( ni 1) si2
atau lengkapnya
ni k

(n1 1) s12 (n2 1) s 22 ... (nk 1) s k2


s =
n1 n2 ... nk k
2

dengan s2 berarti varians gabungan.

o Contoh :
Hasil pengamatan pertama terhadap 14 obyek memberikan s = 2,75 sedangkan
pengamatan yang kedua kalinya terhadap 23 obyek menghasilkan s = 3,308.
Maka, dengan Rumus V(10) untuk k = 2, didapat varians gabungan.

s2 =

(14 1)(2,75) 2 (23 1)(3,08) 2


8,7718
14 23 2

sehingga simpangan baku gabungan s = 2,96


Angka Baku dan Koefisien Variasi ?
o Satuan simpangan baku. Misalkan sebuah sampel berukuran n dengan data
x1, x2, , xn sedangkan rata-ratanya =
dirumuskan stuan simpangan baku::
zi =

xi x
untuk i = 1, 2, , n (1)
s

dan simpangan baku = s.,

o Angka baku atau angka standar adalah distribusi baru, yang mempunyai ratarata

x0

dan simpangan baku s0 yang ditentukan. dirumus : zi =

xi x

x 0 s 0

(2)

Perhatikan bahwa untuk x 0 = 0 dan s0 = 1, Rumus (2) menjadi Rumus (1),


sehingga angka z sering pula disebut angka standar.
Contoh :
1) Dalam psikologi, test Wechsler-Bellevue diubah ke dalam angka baku
dengan rata-rata = 10 dan simpangan baku = 3.
2) Test Klasifikasi Umum Tentara di Amerika biasa dijadikan angka baku
dengan rata-rata = 100 dan sipangan baku = 20
3) Graduate Record Examination di USA dinyatakan dalam angka standar
dengan rata-rata = 500 dan simpangan baku = 100
Angka baku dipakai untuk membandingkan keadaan distribusi sesuatu hal.
Contoh :
Seorang mahasiswa mendpat nilai 86 pada ujian akhir matematika dimana
rata-rata dan simpangan baku kelompok, masing-masing 78 dan 10. pada ujian
akhir statistika dimana rata-rata kelompok 84 dan simpangan baku 18, ia
mendapat nilai 92. Dalam mata ujian mana ia mencapai kedudukan yang lebih
baik?
Jawab : Dengan rumus V(11) didapat :
untuk matematika z =

86 78
0,8
10

untuk statistika

92 84
0,44
18

z=

Mahasiswa itu mendapat 0,8 simpangan baku diatas rata-rata nilai


matematika dan hanya 0,44 simpangan baku diatas rata-rata nilai statistika.
Kedudukannya lebih tinggi dalam hal matematika.
Kalau saja nilai-nilai di atas diubah kedalam angka baku dengan rata-rata
100 dan simpangan baku 20, maka :
86 78
116
10

untuk matematika z = 100 + 20

92 84
108,9
18

z = 100 + 20

untuk statistika

Dalam sistem ini ia lebih unggul dalam matematika.

o Ukuran variasi atau dispersi yang diuraikan dalam bagian-bagian lalu


merupakan dispersi absolut. Variasi 5 cm untuk ukuran jarak 100 m dan
variasi 5 cm untuk ukuran jarak 20 m jelas mempunyai pengaruh yang
berlainan. Untuk mengukur pengaruh demikian dan untuk membandingkan
variasi antara nilai-nilai besar dan nilai-nilai kecil, digunakan dispersi relatif
yang ditentukan oleh :
Dispersi Relatif =

DispersiAbsolut
Rata rata

o Jika untuk dispersi absolut diambil simpangan baku, maka didapat koefisien
variasi, disingkat KV. dirumuskan dalam persen. Jadi diperoleh : KV =
SimpanganBaku
x100%
rata rata

o Koefisien variasi tidak tergantung pada satuan yang digunakan, karenanya


dapat dipakai untuk membandingkan variasi relatif beberapa kumpulan data
dengan satuan yang berbeda.
Contoh :

Semacam lampu elektron rata-rata dapat diapakai selama 3.500 jam


dengan simpangan baku 1.050 jam. Lampu model lain rata-ratanya 10.000
jam dengan simpangan baku 2.000 jam. Dari sini mudah dihitung :

KV (lampu pertama) =

1.050
x100% 30%
3.500

KV (lampu kedua)

2.000
x100% 20%
10.000

Ternyata lampu kedua secara relatif mempunyai masa pakai yang lebih
uniform.
Simpangan baku (Standard deviation) adalah suatu nilai yang menunjukan tingkat
( derajat ) variasi kelompok atau ukuran standart penyimpangan dari reratanya. Simbol
simpangan baku populasi adalah

atau

n sedangkan untuk sampel ( s, sd, atau

n-1 ). Pada prinsipnya perhutungan simpangan baku sama dengan perhitungan lain pada
ukuran pemusatan dimana terdapat perbedaan formula maupun cara perhitungan untuk
data tunggal dan data berkelompok. Adapun cara perhitungannya adalah sebagai berikut :
1. Perhitungan simpangan baku untuk data tunggal.
Simpangan baku untuk data tunggal dapat dihitung dengan menggunakan
rumus :

n-1 =

n 1

atau

s=

n 1

Contoh : Data kemampuan dosen Fakultas X sebagai berikut :


No.
1
2
3
4
5
6
7
8
9
10

X
75
70
80
85
60
75
100
90
95
75

X2
5625
4900
6400
7225
3600
5625
10000
8100
9025
5625

n = 10

n-1 =

n 1
1322,5

X = 805
2

66125

X 2 = 66125

805 2

10 1

10

146,9 = 12,12

Rumus yang digunakan di atas adalah rumus angka kasar. Di samping rumus
tersebut, masih ada rumus lain yang dipakai untuk menghitung standar deviasi
sebagaimana terlihat dalam contoh berikut :
No.

1
2
3
4
5
6
7
8
9
10
n = 10

75
70
80
85
60
75
100
90
95
75
X = 805

(X X )

X2

x
-5,5
-10,5
-0,5
4,5
-20,5
-5,5
19,5
9,5
14,5
-5,5
0

30,25
110,25
0,25
20,25
420,25
30,25
380,25
90,25
210,25
30,25
= 1322,5

X2

Kemudian dilakukan perhitungan rata-rata sebagai berikut :


X =

805
= 80,5. Setelah diketahui rerata, berikutnya dilakukan
10

perhitungan simpangan baku dengan rumus deviasi sebagai berikut :


s=

2.

n 1

1322,5
=
10 1

146,9

= 12,12

Perhitungan simpangan baku untuk data bergolong.


Perhitungan simpangan baku untuk data bergolong dapat dilakukan dengan
menggunakan formula sebagai berikut :

fx
fx f 1

f
1
2

fx
f 1

n 1 =

atau

s=

Berikut ini adalah nilai ujian pengantar statistik Sosial mahasiswa program
ekstensi Ilmu Administrasi Negara FISIP-UNCEN :
60, 63, 66, 66, 67, 67, 67, 68, 70, 70,71, 71, 72, 72,72,72,73, 73, 74, 74,74, 74,
74, 75, 75, 75, 75, 75, 75, 75, 76, 76, 77, 77,77, 78,78,78, 78,78,78, 79, 79, 80,
80, 80, 80, 80, 81, 81, 81, 82,82, 83, 83, 84, 84, 84, 84, 85, 85, 87, 87, 87, 89,
89, 90, 93, 94, 94.
Setelah melalui proses pembuatan distribusi frekuensi, data tersebut selanjutnya
dimasukan dalam tabel sebagai berikut :
Tabel
Distribusi Frekuensi Nilai Ujian Statistika Sosial Mahasiswa
Program Extensi Ilmu Administrasi Negara FISIP-UNCEN
Titik
No.
1
2
3
4
5
6
7

Nilai
60- 64
65 - 69
70 - 74
75 - 79
80 - 84
85 - 89
90 - 94

tengah

2
6
15
20
16
7
4

(X)
62
67
72
77
82
87
92
-

f = 70

x2

124
402
1080
1540
1312
609
368

3844
4489
5184
5929
6724
7569
8464
-

fx

fx

fx 2

7688
26934
77760
118580
107584
52983
33856
fx 2 = 425385

5435

fx
fx f 1

f 1
2

n 1 =

425385

5435 2

70 1 =
70 1

49,64

= 7,045

Perhitungan di atas merupakan cara menghitung standar deviasi dengan angka kasar
(Raw Score). Ada cara lain untuk menghitung standar deviasi yang hasilnya akan sama
dengan cara pertama yakni dengan rumus deviasi. Adapun cara perhitungan dimaksud
adalah seperti berikut ini :
Tabel

Distribusi Frekuensi Nilai Ujian Statistika Sosial Mahasiswa


Program Extensi Ilmu Administrasi Negara FISIP-UNCEN
Batas kelas
No.

Nilai

1
2
3
4
5
6
7

60- 64
65 - 69
70 - 74
75 - 79
80 - 84
85 - 89
90 - 94

(X)

2
6
15
20
16
7
4

64,5
69,5
74,5
79,5
84,5
89,5
94,5

f =

70

X=

(X -

x
-15
-10
-5
0
5
10
15
0

x2
225
100
25
0
25
100
225
-

fx 2

7688
26934
77760
118580
107584
52983
33856
fx 2 = 3425

556,5

Setelah pengelompokan data dalam tabel distribusi frekuensi, selanjutnya dicari rata-rata
dengan mengacu pada batas kelas. Proses perhitungannya adalah sebagai berikut :
=

X
n

556,5
79,5 . Berdasarkan nilai mean tersebut, selanjutnya dilengkapi
7

nilai-nilai dalam tabel. Setelah mendapatkan nilai-nilai yang dikehandaki oleh rumus
untuk perhitungan simpangan baku, maka akan dilakukan perhitungan simpangan baku
sebagai berikut :

fx
f 1
2

s=

3425
=
70 1

49,64

= 7,045

DAFTAR PUSTAKA
Supranto, J. 2008. Statistik Teori dan Aplikasi. Erlangga: Jakarta.
Wiboso, Yusuf. 2005. Metode Statistik. Gajah Mada University Press: Yogyakarta.
Dajan, Anto. 1972.Pengantar Metode Statistik Jilid I.LP3ES Jakarta
Harini, sri dkk. 2007. Metode Statistika. Prestasi Pustaka: Jakarta
Sudijono, Anas. 2004. Pengantar Statistik Pendidikan. Raja Grafindo Persada :
Jakarta.

Anda mungkin juga menyukai