Ukuran Statistika

Ukuran Penyebaran

Pendahuluan
Ukuran penyebaran

Suatu ukuran baik parameter atau statistik untuk mengetahui seberapa besar penyimpangan data dengan nilai rata – rata hitungnya Ungrouped data
 Data yang belum dikelompokan

Ukuran penyebaran mencakup data

Grouped data
 Data yang telah dikelompokan ; Tabel distribusi

frekuensi

Ukuran Penyebaran
Ukuran penyebaran:

     

Range Deviasi Rata – rata Varian Deviasi standar Range inter-kuartil Deviasi kuartil

Ukuran kecondongan dan keruncingan

Ukuran Penyebaran Untuk Data Tidak Dikelompokan Range – Jarak  Merupakan perbedaan antara nilai terbesar dan terkecil dalam suatu kelompok data baik data populasi atau sampel Rumusan Range Range = Nilai terbesar – nilai terkecil Perusahaan Sentul City Tunas Baru proteinprima total Mandiri Produk Mur 530 580 650 750 840 Range = 840 – 530 = 310 .

x| MD = X = Nilai data pengamatan X = Rata – rata hitung N N = Jumlah data .Deviasi Rata – rata Populasi Rata – rata hitung dari nilai mutlak deviasi antara nilai data pengamatan dengan rata-rata hitungnya Rumusan Deviasi rata –rata ( MD) ∑|x .

36 x-X 1.8 4.Rata Perusahaan Sentul City Tunas Baru proteinprima total Mandiri Total Rata -rata (X) Indek 7.44 1.5 31.56 -2.Contoh Deviasi Rata .2 7.768 .5 8.56 2.768 MD = = ∑|x .X| / n = 8.84 1.8 6.14 1.86 Nilai Mutlak 1.8 3.84 / 5 = 1.84 MD 1.86 8.84 1.44 -1.14 1.

Varians dan Standar Deviasi Populasi Varians  Rata – rata hitung deviasi kuadrat setiap data terhadap rata – rata hitungnya Rumus varians populasi  2= (X .µ )2 N X = Nilai data pengamatan µ = Nilai rata – rata hitung N = Jumlah total data .

1796 17.3856 2.5 8.µ)² 1.8 X-µ 1.µ )2  2= = N 17.2 7.44 -1.4336 Mandiri Jumlah ( ∑X ) Rata .84 1.Contoh Kasus Varians Perusahaan Sentul City Tunas Baru proteinprima total Indek 7.4744 (X .8 4.0736 2.56 (X .372 3.2996 3.8 6.rata (µ) 3.86 ∑(X .372 = 3.36 ² -2.5 31.µ)² 8.14 1.4744 5 .

Standar Deviasi Standar deviasi  Akar kuadrat dari varians dan menunjukan standar penyimpangan data terhadap nilai rata-ratanya Rumus standar deviasi = (X .µ )2 N atau  =  ² .

4744 = 1.4744 N 5 Nilai standar deviasi :  =  3.864 Nilai penyimpangan sebesar 1.Contoh Kasus Standar Deviasi Nilai varians :  2= (X .µ )2 = 17.372 = 3.864 .

x )2 n -1 Standar deviasi S =  s² .Varians dan Standar Deviasi Sampel Varians s 2= (x .

44 Standar deviasi : S =  s² S =  91584.63 10 Panin Jumlah Rata .X)² 128164 80089 69169 43264 1849 49 5929 31329 71289 Varians : ∑(x – X)² s² = n–1 s² = 824260 / 9 s² = 91584.44 S = 302.Contoh Kasus Sampel No 1 2 3 4 5 6 7 8 9 Perusahaan Jababeka Indofarma Budi Acid Kimia farma Sentul City Tunas Baru proteinprima total Mandiri Produk Mur 215 290 310 365 530 580 650 750 840 x-X -358 -283 -263 -208 -43 7 77 177 267 (x .63 .Rata (X) 1200 5730 573 s² S 627 393129 824260 91584.44 302.

Ukuran Penyebaran Untuk Data dikelompokan Range – Jarak  Merupakan selisih antara batas atas dari kelas tertinggi dengan batas bawah dari kelas terendah Rumusan Range Range = Batas atas kelas tertinggi – nilai terkecil .

Contoh Range Kelas 1 2 3 4 5 Interval 215 2122 2123 4030 4031 5938 5939 7846 7847 9754 Batas atas Kelas terendah Batas atas Kelas tertinggi Range : = 9754 – 215 = 9539 .

Deviasi Rata .rata MD =  f.Rata Rumus deviasi rata . |x .x| n Rata – rata hitung data dikelompokan x = ( f.x ) / n .

x 200 522 |x .08 / 50 = 8.X| 136.|x .48 53.68 4.X|) / n = 442.64 6 61 Total 69 2 50 65 255 130 1684 33.X| 13.|x .28 44.68 31.8416 .32 22.64 442.68 f.8 84.08 Rata .32 60.rata (X) MD = (∑f.64 62.Contoh Kasus Kelas 1 2 Interval Kelas 16 25 24 33 f 10 18 Titik tengah (x) 20 29 f.32 13.24 3 4 5 34 43 52 42 51 60 14 4 2 38 47 56 532 188 112 4.32 89.

(x .Varians dan Standar Deviasi data di kelompokan Varians s 2= f.x )2 n -1 Standar deviasi S =  s² .

X|²)/ n – 1 = 6194.2736 709.68 4.X|² 187.64 |x .4261 = 11.32 13.X| 13.4224 498.2439 .|x .6624 177.1424 21.88 Varians : s²= (∑f.1824 980.32 89.68 4.32 22.424 394.88 / 49 = 126.9024 18.Contoh Kasus Kelas 1 2 3 4 5 6 Interval Kelas 16 25 34 43 52 61 Total Rata .68 |x .x 200 522 532 188 112 130 1684 33.X|² 1871.9424 1884.|x .32 31.2432 261.885 6194.4261 Standar deviasi : S =  s² =  126.6896 996.254 f.rata (X) 24 33 42 51 60 69 f 10 18 14 4 2 2 50 Titik tengah (x) 20 29 38 47 56 65 255 f.3648 1961.

Ukuran Penyebaran Relatif Mengubah ukuran penyebaran menjadi persentase atau ukuran relatif Penggunaan ukuran relatif memberikan manfaat :   Data mempunyai satuan penguikuran yang berbeda Data mempunyai satuan ukuran yang sama .

Ukuran Penyebaran Relatif Koefisien range Koefisien deviasi rata-rata Koefisien deviasi standar .

Koefisien Range Pengukuran penyebaran dengan menggunakan range secara relatif Rumusan : KR = ( (la – Lb) / (La + Lb) ) x 100 % La : Batas atas data atau kelas tertinggi Lb : Batas bawah data atau kelas terendah .

Contoh Koefisien Range Kelas 1 2 3 4 5 6 Interval Kelas 16 24 25 33 34 42 43 51 52 60 61 69 f 10 18 14 4 2 2 KR : = (La – Lb) / (La + Lb) = (69 – 16 ) / (69 + 16) = 53 / 85 = 0.35 % La : Kelas tertinggi = 69 Lb : Kelas terendah = 16 .6235 x 100 % = 62.

Koefisien Deviasi Rata .rata X = Nilai rata – rata data .Rata Koefisien deviasi rata – rata  Ukuran penyebaran dengan menggunakan deviasi rata-rata relatif terhadap nilai rataratanya atau persentase dari deviasi ratarata terhadap nilai rata-ratanya Rumus : KMD = [ MD / x ] x 100% MD = Deviasi rata .

68 Koefisien deviasi rata – rata : KMD = [ 8.68 ] x 100 % = 0.25 % .2625 x 100 % = 26.8416 / 33.8416 X = 33.Contoh Kasus Data dikelompokan :   MD = 8.

Koefisien Standar Deviasi Koefisien standar deviasi  Ukuran penyebaran yang menggunakan standar deviasi relatif terhadap nilai ratarata yang dinyatakan sebagai persentase Rumus KSD = [ s / x ] x 100 % S X = Standar deviasi = Nilai rata – rata data .

2439 Rata – Rata hitung (x) = 33.68 ] x 100% = 0.2439 / 33.38 %  .Contoh Kasus Data dikelompokan   Standar deviasi = 11.3338 x 100 % = 33.68 Nilai koefisien stnadar deviasi KSD = [ s / x ] x 100 % = [ 11.

Ukuran Kecondongan .Skewness Ukuran kecondongan – kemencengan  Kurva tidak simetris Pada kurva distribusi frekuensi diketahui dari posisi modus. rata-rata dan media Pendekatan : Jika    Rata-rata = median = modus : Simetris Rata-rata < median < modus : Menceng ke kiri Rata-rata > median > modus : Menceng ke kanan .

2439 Sk = 0.2439 µ = Nilai rata – rata hitung Mo = Nilai modus Md = Nilai median  = Standar deviasi Sk = [33.2439 Sk = 1.68 Mo = 18 Md = 32  = 11.2439 Sk = 15.394 Sk = {3.2439 Sk = 5.68.68 – 32]} 11.18 ] / 11.04 / 11.Md] /  Contoh kasus data dikelompokan µ = 33.Mo ] /  atau = 3. [ 33.Koefisien Skewness Sk = [µ .4482 .[µ .68 / 11.

Kurtosis Keruncingan disebut juga ketinggian kurva Pada distribusi frekuensi di bagi dalam tiga bagian :    Leptokurtis = Sangat runcing Mesokurtis = Keruncingan sedang Platykurtis = Kurva datar .Ukuran Keruncingan .

Koefisien Kurtosis Bentuk kurva keruncingan – kurtosis    Mesokurtik Leptokurtik Platikurtik 4 = 3 4 > 3 4 < 3 Nilai data Koefisien kurtosis (data tidak dikelompokan) 1/n ∑(x .)4 4 = 4 .

Koefisien Kurtosis Koefisien kurtosis (data dikelompokan) 1/n ∑ f. (X .)4 4 = 4 Jumlah Frekuensi Standar deviasi Nilai rata – rata hitung Nilai tengah kelas .

x2 . … xn ) G = [log x1 + log x2 +… log xn] n G = Antilog (log G) . x3 .Rata – Rata Geometrik Digunakan untuk menghitung rata-rata laju pertumbuhan – Growth rate Rumus : G = n (x1 .

5.397] / 5 G = 1.5464 / 5 = 0.5 + log 2.3. 1.30928 = 2. 2.3 +log 3.5 % Tingkat pertumbuhan : G = [log 1.5 ] / 5 G = [ 0.176 + 0.2 + log 2. 2.Contoh Data pertumbuhan suku produk selama 5 hari.079 + 0.30928 G = antilog 0.361 + 0.2. yaitu 1.03 . 3.531 + 0.4.4 + log 1.

Kurang seragam .Ukuran Penyebaran Lain Range Inter-Kuartil  Jarak inter-kuartil = K3 – K1 Jika :   Inter-kuartil : Nilainya lebih kecil . Bahwa data dalam sampel dan populasi lebih mengelompok ke nilai rata-rata hitung (seragam) Inter-kuartil : lebih besar .

Ukuran Penyebaran Lain Deviasi Kuartil  Setengah jarak antara kuartil ke 3 dan kuartil ke 1 Rumusan Deviasi kuartil – DK DK = [ K3 – K1 ] / 2 Jika  DK lebih kecil . Rata – rata data lebih mewakili keseluruhan data .

JP JP = P90 – P10 Jika JP lebih besar  Bahwa nilai deviasi lebih besar .Ukuran Penyebaran Lain Jarak persentil  Selisih antara persentil ke 90 dengan persentil ke 10 Rumusan jarak persentil .

Sign up to vote on this title
UsefulNot useful