SIMPANGAN DAN KEMENCENGAN

SIMPANGAN ABSOLUT
Simpangan absolut merupakan salah satu alat ukur untuk dalam menentukan variabilitas data, dengan satuan yang sama dengan datanya. Alasan dibutuhkan pengukuran simpangan adalah: Dapat menilai seberapa jauh letak nilai sentral terhadap datanya, satu data dengan nilai yang ekstrim sulit disimpulkan bila hanya disimpulkan dari nilai reratanya. Dapat dipelajari bagaimana variasi kualitas suatu produk, dengan demikian usaha untuk meningkatkan keseragaman kualitas produk dapat diantisipasi.

Perhitungan simpangan
Data tidak dikelompokkan Data dikelompokkan

DATA TIDAK DIKELOMPOKKAN

Tiga jenis simpangan yang sering digunakan adalah : Rentang (perbedaaan antara datum terbesar dan terkecil) Rata-rata simpangan (jarak antara tiap data dengan nilai rata-rata, jarak selalu memberi tanda positif, atau harga mutlak) Simpangan baku (merupakan simpangan yang paling banyak digunakan, selalu berdampingan dengan rerata aritmatik. Simpangan baku adalah ukuran seberapa jauh nilai yang ada terhadap reratanya). Kuadrat simpangan baku dikenal sebagai varian. Simpangan ini dapat dihitung berdasarkan data yang dikelompokan dan data yang tidak dikelompokkan.

JENIS SIMPANGAN

PERHITUNGAN

DATA TIDAK DIKELOMPOKKAN

RENTANG Datum terbesar dikurangi datum terkecil

RATA-RATA SIMPANGAN (RS) RS = ( I X- I)/N

Dimana:

X = nilai observasi = rerata aritmatik N = jumlah observasi I = tanda mutlak

SIMPANGAN BAKU (SB)

TERHADAP POPULASI

= =

[ (X )2 / N] [( X2/N (X/N)2 ]

atau

(TANPA MENGHITUNG RATA-RATA)

TERHADAP SAMPEL

S=

[ (Xi X)2 / (n-1)]

Dimana: xi = data x = rerata aritmatik sampel

DATA TIDAK DIKELOMPOKKAN

RATA-RATA SIMPANGAN DATA (X) 18 X- -13 I X- I 13

19
19 19 19 19 20 20 45 45

-12
-12 -12 -12 -12 -11 -11 14 14

12
12 12 12 12 11 11 14 14

46
47 48 50

15
16 17 19 31 13.57

15
16 17 19

434
= 434/14 = RS = 190/14 =

190

SIMPANGAN BAKU DATA (X) 18 19 19 19 19 X- -13 -12 -12 -12 -12 (X-)^2 169 144 144 144 144

19
20 20 45 45 46 47

-12
-11 -11 14 14 15 16

144
121 121 196 196 225 256

48
50 434 = [ 2654/14]

17
19

289
361 2654

13.8

SB TANPA MENGHITUNG RERATA DATA (X) 18 19 19 19 19 x^2 324 361 361 361 361

19
20 20 45 45 46 47

361
400 400 2025 2025 2116 2209

48
50 434 = [ (16108/14) - (434/14)^2] =

2304
2500 16108 13.8

DATA DIKELOMPOKKAN
Dalam data yang dikelompokkan, maka dispersi yang biasa digunakan adalah simpangan baku. Alternatif lain adalah menghitung simpangan kuartil yang digunakan bersama median untuk menjelaskan apakah distribusinya bisa dijelaskan dengan rerata aritmatik dan simpangan baku

Simpangan baku (data dikelompokkan)

Untuk populasi = [ f (m-)2 / N] Untuk sampel [ f (m-x)2 / (n-1)] Bila simpangan baku dihitung tanpa memasukkan rerata aritmatik maka persamaan yang digunakan [(1 / N) f (m)2 - ( fm)2/ N]

Pemakaian air

Frekuensi (f)

titik tengah kelas (xi)atau(m) 84.5 94.5 104.5 114.5 124.5 134.5 144.5 f.m 169 567 1045 1603 1121 942 289 5735

simpangan (m-u) -30.2 -20.2 -10.2 -0.2 9.8 19.8 29.8 (m-u)^2 912.04 408.04 104.04 0.04 96.04 392.04 88.04 f(m-u)^2 1824.08 2448.24 1040.40 0.56 864.36 2744.28 1776.08 10698.00

80- 89 90 - 99 100 - 109 110 - 119 120 - 129 130 - 139 140 - 149

2 6 10 14 9 7 2 50

Simpangan baku =

10698/50 = 14.63 L/org/hari

68.3%

95.4%
99.7% 70 80 90 100 110 -3 -2 -1 u 1 2 120 130 3

Banyak didapati data tersebar disekitar reratanya dalam bentuk yang hampir simetris. Dalam hal ini simpangan baku akan sangat bermanfaat sebagai pengukur sebaran data tersebut. Misalnya distribusi normal dari pengukuran iQ dari populasi, dengan rata 100 dan simpangan baku 10 Z=x-u/simpangan baku

Simpangan kuartil
Seperti rentang simpangan kuartil adalah jarak antara titik-titik observasi terpilih. Rangkaian data dibagi empat sama besar
Nilai terendah Q1 25% Q2 50% median Q3 75% Nilai tertinggi

Kuartil 1 = Q1 = 25% dari data Kuartil 2 = Q2 = 50% dari data Kuartil 3 = Q3= 75% dari data

Rentang antar Kuartil adalah jarak antara Q3 dan Q1

Persamaan simpangan kuartil

Qn = LQn + [(N n/4 KF)/fQn] I L Qn = ujung bawah dari kuartil ke n dihitung dari frekuensi kumulatif FQn = frekuensi kuartil ke n SQ = (Q3 Q1)/2

Simpangan relatif
Kadang kala dalam analisis diinginkan untuk membandingkan simpangan yang datanya tidak selalu proporsional, atau antara satu data dengan data yang lainnya tidak mempuyai satuan yang sama. Dalam ha ini simpangan relatif yang paling sering digunakan adalah koefisien variasi (KV)

Contoh
Rerata gaji perusahaan A = Rp400.000,. Per orang dengan simpangan baku Rp100.000,. Rerata gaji perusahaan B = Rp250.000,. Per orang dengan simpangan baku Rp50.000,. KVA = (100.000/400.000) 100% = 25% KVB = (50.000/250.000) 100% = 20% Artinya dispersi gaji di mperusahaan B relatif lebih kecil dibanding perusahaan A

Hasil pengukuran timbulan sampah di kota A terdapat dalam 2 satuan,yaitu satuan berat dan satuan volume yang diukur selama 7 hari, yaitu : Satuan berat adalah 0.378 kg/orang/hari dengan SB = 0.323 kg/orang /hari Satuan volume adalah 2.18 L/orang/hari dengan SB = 1.15 L/orang/hari Maka KV berat = (0.323/0.378) 100% =85.45% KV volume = (1.15/2.18) 100% = 52.75% Artinya pengukuran secara berat menghasilkan data yang lebih bervariasi

UKURAN KEMENCENGAN
Kaitan antara nilai sentral biasanya dinyatakan dengan ukuran kemencengan (skewness) yang memberikan arah dari grafik (condong ke kanan atau kekiri), Persamaan SK = [3 ( Md)] /

contoh
Data: Rerata aritmatik = 115.2 L/orang/hari Median = 115 L/orang/hari Simpangan baku = 14.63 L/orang/hari Maka ukuran kemencengan = Sk = [3(115.2 115)] / 14.63 = +0.041 Artinya grafik condong ke kanan, dan rerata aritmatik ada di kanan median.

gambar di bawah merupakan hubungan ketiga nilai sentral tersebut (rerata, median, dan modus)

Distribusi kemencengan +

Mo Med rerata

Distribusi kemencengan -

Rerata

Med

Mo

Distribusi simetris