PENYEBARAN DATA

Oleh : Deddy Purnomo R.

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

= Mean Deviation atau Deviasi Rata-Rata

= Jumlah Deviasi Rata-Rata
= Number of Cases (jumlah individu)

Cara mencari Mean Deviation / Deviasi Rata-Rata :

1. Deviasi rata-rata tunggal
2. Deviasi rata-rata data berkelompok

1. Mencari Deviasi Rata-Rata Data

Tunggal
* Mencari Deviasi Rata-Rata Data Tunggal yang Skornya Mempunyai

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

* Mencari Deviasi Rata-Rata

Data Tunggal yang Skornya
Mempunyai Frekuensi Lebih
Dari Satu
MD
fx
N

= Mean Deviation atau Deviasi Rata-Rata

= Jumlah perkalian frekuensi dengan Deviasi
= Number of Cases (jumlah individu)

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

2. Mencari Deviasi Rata-Rata Data Kelompok

MD
fx
N

= Mean Deviation atau Deviasi Rata-Rata

= Jumlah perkalian frekuansi dengan Deviasi
= Number of Cases (jumlah individu)

Langkah-langkah :
1.
2.
3.
4.
5.
6.

Menentukan Midpoint (nilai tengah masing-masing interval)

Mengalikan masing-masing banyaknya frekuensi (f) dengan nilai
Midpoint, sehingga di dapatkan fX, kemudian menjumlahkan nilai fx
menjadi fX.
Mencari Mean dari data tunggal dengan rumus : Mx = fX/N
Mencari deviasi tiap-tiap interval dengan rumus : x = X Mx
Mengalikan masing-masing banyaknya frekuensi (f) dengan nilai deviasi
tiap-tiap interval fx menjadi fx
Menghitung deviasi rata-rata atau Mean Deviation dengan rumus :
MD = fx/N

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 :

Mengkuadratkan semua deviasi yang ada, baik yang bertanda +

maupun
yang bertanda -, sehingga semua akan bernilai +
Hasil kuadrat dijumlahkan dan dicari rata-ratanya
Kemudian di akarkan dari rata-rata tersebut

Keterangan :
SD = Deviasi standar
x2 = Jumlah deviasi standar setelah dikuadratkan dari masingmasing deviasi
N
= Number of cases

1. STANDAR DEVIASI DATA

TUNGGAL
Data berfrekuensi 1
LHR
(X)
150
155
157
160
163
167
172
176
178
180
1658

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

 Data berfrekuensi lebih dari 1

LHR
(X)

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

2. STANDAR DEVIASI DATA

BERKELOMPOK
INTERVA
L NILAI
70-74
65-69
60-64
55-59
50-54
45-49
40-44
35-39
30-34
TOTAL

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

KEGUNAAN DEVIASI RATA-RATA (MEAN DEVIATION) DAN DEVIASI

STANDAR (STANDART DEVIATION)

Untuk mengetahui variabilitas data dan homogenitas data.

Semakin besar deviasi maka semakin besar variabilitas datanya dan
semakin berkurang homogenitas datanya.

KONSEP STATIKA DALAM DUNIA INDUSTRI/REKAYASA

BIDANG TEKNIK SIPIL

Statika secara luas telah digunakan dalam dunia industri/rekayasa.

Hampir setiap segmen perindustrian memerlukan statistika sebagai
alat bantu dalam pengambilan keputusannya.
Strategi pemasaran,
penentuan rencana produksi,
pengendalian dan rekayasa kualitas,
penentuan karakter produk yang akan diproduksi,
dan masih banyak lainnya.

Dalam industri, kestabilan dan kejelasan suatu keadaan merupakan

syarat mutlak ketahanan dan kemampuan untuk berkembang.
Mengapa demikian? Hal ini dikarenakan konsep dan sistem kerja
yang serba majemuk, melibatkan banyak sistem dan komponen kerja
serta urutan produksi dan jumlah produksi yang banyak, serta konsep
modal dan penggalian keuntungan yang kontinu dan jangka panjang.

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.

KONSEP STATIKA DALAM DUNIA INDUSTRI/REKAYASA

BIDANG TEKNIK SIPIL

Dalam pembahasana statistika sebelumnya, disebutkan mengenai

peran mean, median, modus, varian, dan standar deviasi dalam
statistika. Secara garis besar, mean, median, modus, varian, dan
standar deviasi berfungsi untuk memberi gambaran mengenai
karakteristik populasi data yang ada

Penggalian data mengenai suatu karakter seringkali memerlukan

banyak sample untuk melihat konsistensi karakternya. Mean, median,
modus, varian, dan standar deviasi berfungsi untuk mengukur dan
memastikan apakah sample-sample yang ada sudah cukup konsisten
untuk diambil suatu kesimpulan.

Mean atau rata-rata berfungsi memberi informasi mengenai nilai

tengahan (rata-rata) dari sebaran data yang ada, tetapi hal ini tidak
cukup untuk dijadikan acuan karena dalam kasus tertentu, data yang
stabil dan data yang memiliki gap yang lebar, dapat saja memiliki nilai
rata-rata yang sama. Contoh: Data kerusakan 4,4,4,4 memiliki nilai
rata-rata yang sama dengan data 1,3,5,7

Median berfungsi menentukan nilai data yang berada di tengah

populasi. Nilai tengah ini dipakai untuk mengetahui range antara data
terkecil-median dan data terbesar-median.

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.

KONSEP STATIKA DALAM DUNIA INDUSTRI/REKAYASA

BIDANG TEKNIK SIPIL

Varian dipakai untuk melihat pola variasi yang ada di dalam sample.
Semakin besar nilainya, semakin banyak variasi datanya yang
mengakibatkan data menjadi tidak akurat.

Standar deviasi merupakan fungsi langsung dari varian. Sama seperti

varian, standar deviasi berfungsi memperlihatkan pola sebaran data,
gap, dan variasi sebaran antar data.

Keseluruhan alat uji di atas sebenarnya memiliki satu tujuan yaitu

mengetahui pola sebaran data yang akan memberikan gambaran
mengenai karakter sample, apakah cukup konsisten untuk dapat
diterima sebagai karakter sample yang sebenar-benarnya (tidak bias)
sehingga informasi ini dapat digunakan sebagai bahan atau pijakan
untuk mengambil suatu keputusan dalam konteks industri/rekayasa,
baik itu bidang marketing, quality assurance, rekayasa produk,
perencanaan waktu/siklus dan lain sebagainya.