Tujuan Pembelajaran
Memahami Pengertian Ukuran
Penyebaran Data
Memahami Macam-macam
Ukuran Penyebaran Data
PENDAHULUAN
Dalam penyelidikan data seringkali dibutuhkan informasi yang lebih dari
sekedar mengetahui Tendensi Sentral saja
Contoh :
71, 75, 79, 77, 73 mean = 75
45, 60, 90, 85, 95 mean = 75
Meskipun mean dari data di atas adalah sama, tetapi pada kenyataannya
kedua kelompok tersebut berbeda, sehingga perlu dilakukan analisis lanjutan
yakni yang berkaitan dengan penyebaran data
Ukuran Penyebaran Data adalah
Suatu harga yang menunjukkan besar kecilnya variasi sekelompok data.
Macam ukuran yang digunakan untuk mengetahui penyebaran data :
- Luas Penyebaran Data
- Variasi Data
- Homoginitas Data
Macam ukuran penyebaran data yang umum digunakan dalam statistika adalah :
- Range
- Deviasi
- Varian
- Ukuran Penyebaran Data
MACAM-MACAM UKURAN
PENYEBARAN DATA
Macam-macam ukuran penyebaran data :
Range
Deviasi Deviasi Kuartil, Deviasi Rata-Rata, Deviasi Standar
Varian
Ukuran penyebaran relatif
Range/ R
Merupakan ukuran penyebaran data yang paling sederhana atau biasanya
disebut dengan ukuran penyebaran data yang paling benar.
Jarak antara nilai data yang tertinggi dengan nilai data yang terendah
Rumus
R
H
L
R = H-L
= Range
= Highest Score (Nilai Tertinggi)
= Lowest Score (Nilai Terendah)
Contoh :
HASIL UJIAN
MHS
Ketu BETO
Klp
a
N BAJA MT
1 Anton
55
75
90
Khaid
2 ir
55
80
85
3 Sefti
50
75
95
4 Roza
80
66
74
5 Zaidi
72
73
75
JML
220
220
220
220
220
L
55
55
50
66
72
R=H- MEA
H
L
N
90
35
73
85
95
80
75
30
45
14
3
Kegunaan Range :
Untuk mengetahui sebaran data dalam waktu yang sangat singkat
dengan mengabaikan faktor ketelitian dari sebaran data.
Kelemahan Range :
1. Sangat bergantung kepada nilai ekstrim (nilai tertinggi dan nilai
terendah
2. Range tidak memperhatikan sebaran datanya (hanya
memperhatian nilai tertinggi dan terendah) sehingga jarang
digunakan dalam penelitian lebih lanjut dalam analisis statistik
73
73
73
73
DEVIASI
Menurut kamus : Penyimpangan
Menurut statistik : simpangan/selisih dari masing-masing skor atau
interval dari nilai rata-rata hitung (Deviation from the Mean)
Pemberian tanda (+) jika deviasi berada di atas nilai Mean (disebut
deviasi positif) dan memberi tanda (-) jika berada di bawah Mean
(disebut deviasi negatif)
Deviasi
NILAI (X)
x = X-Mx
10
4deviasi +
3deviasi +
2deviasi +
1deviasi +
-1deviasi -
-2deviasi -
-3deviasi -
A. Deviasi Rata-Rata/Mean
Deviation
Dalam penggunaan deviasi agar dapat digunakan sebagai ukuran
variabilitas maka tanda-tanda aljabar (+/-) harus diabaikan. Hal ini bertujuan
untuk mendapatkan harga mutlak dari deviasi tersebut sehingga di peroleh
rata-ratanya.
Deviasi Rata-Rata :
Jumlah harga mutlak deviasi dari tiap-tiap skor atau nilai yang dibagi dengan
banyaknya individu atau frekuensi itu sendiri.
Rumus yang digunakan :
MD
x
N
Frekuensi Satu
Deviasi
TINGGI
BADAN
(X)
x = X-Mx
150
-15,8
155
-10,8
157
-8,8
160
-5,8
163
-2,8
167
1,2
172
6,2
176
1
10,2
Catatan :
Dalam penjumlahan deviasi rata-rata
178 mengabaikan
1
tanda aljabar
12,2 (+
atau -). Yang dijumlahkan adalah harga mutlak dari masing-masing
180
1
14,2
deviasi.
Total =
1658
10
88
Mx =
MD =
X/N =
x/N =
165,8
88/10 =
8,8
USIA (X)
x = X-Mx
fX
fx
45
90
10
44
176
16
43
215
15
42
252
12
41
328
40
10
400
39
312
-1
-8
38
228
-2
-12
MD
fx
N
Langkah-langkah :
1.
2.
3.
4.
5.
6.
INTERV
AL
NILAI
fX
x = XMx
fx
70-74
72
144
20
40
65-69
67
268
15
60
60-64
62
558
10
90
55-59
12
57
684
60
50-54
16
52
832
45-49
12
47
564
-5
-60
40-44
9
42
378
-10
-90
Catatan :
35-39
4
37 jarang
148 digunakan
-15
-60
Dalam penerapannya
deviasi
rata-rata
karena
dianggap
kurang teliti.
Hal ini didasarkan
dari
dari hasil
30-34
2
32 penjumlahan
64
-20
-40deviasi yang
sebenarnya bernilai minus tapi di sini dicari harga mutlaknya sehingga semua
Total =
0
70
468 3640
0
500
deviasi bernilai plus. Sehingga secara matematik ini dianggap kurang dapat
dipertanggungjawabkan
dengan melakukan interpretasi seperti itu.
Mx
= fX/N =
52
MD =
fx/N =
7,14
B. Deviasi Standar/Standart
Deviation
Merupakan pengembangan dari Deviasi Rata-Rata
Diperkenalkan oleh Karl Person, guna memberikan jalan keluar dari
deviasi rata-rata yang kurang dapat dipertanggungjawabkan dengan tidak
membedakan antara deviasi + dan deviasi -.
Langkah solusi :
Keterangan :
SD = Deviasi standar
x2 = Jumlah deviasi standar setelah dikuadratkan dari masingmasing deviasi
N
= Number of cases
Deviasi
(x = X
- Mx)
1
-15,80
1
-10,80
1
-8,80
1
-5,80
1
-2,80
1
1,20
1
6,20
1
10,20
1
12,20
1
14,20
10
0
x2
249,64
116,64
77,44
33,64
7,84
1,44
38,44
104,04
148,84
201,64
979,60
f
45
44
43
42
41
40
39
38
37
36
35
TOTAL
fX
2
4
5
6
8
10
8
6
5
4
2
60
90
176
215
252
328
400
312
228
185
144
70
2400
x=XMx
5
4
3
2
1
0
-1
-2
-3
-4
-5
0
x2
25
16
9
4
1
0
1
4
9
16
25
110
fx2
50
64
45
24
8
0
8
24
45
64
50
382
X
2
4
9
12
16
12
9
4
2
70
72
67
62
57
52
47
42
37
32
468
fX
144
268
558
684
832
564
378
148
64
3640
x=XMx
x2
fx2
20
400
800
15
225
900
10
100
900
5
25
300
0
0
0
-5
25
300
-10
100
900
-15
225
900
-20
400
800
0 1500 5800
Kondisi dan informasi-informasi lain yang labil dan kabur itulah yang
berusaha dijernihkan menggunakan statistika, sehingga dapat
memudahkan dan membantu menghasilkan keputusan yang tepat
sasaran.
Modus dipakai untuk melihat berapa banyak data senilai yang keluar
(konsistensi) dari sample. Ini dapat memberi gambaran mengenai
konsistensi sample. Semakin besar frekuensi modus dibandingkan
jumlah total sample, semakin konsisten data yang ada.
Varian dipakai untuk melihat pola variasi yang ada di dalam sample.
Semakin besar nilainya, semakin banyak variasi datanya yang
mengakibatkan data menjadi tidak akurat.