Ukuran dispersi

Dosen:
Karyadi Hidayat
 Pengertian dispersi
• Ukuran dispersi atau ukuran variasi atau ukuran
penyimpangan adalah ukuran yang menyatakan
seberapa jauh penyimpangan nilai-nilai data dari
nilai-nilai pusatnya atau ukuran yang menyatakan
seberapa banyak nilai-nilai data yang berbeda
dengan nilai-nilai pusatnya
• Ukuran dispersi pada dasarnya merupakan
pelengkap dari ukuran nilai pusat dalam
menggambarkan sekumpulan data. Jadi, dengan
adanya ukuran dispersi maka penggambaran
sekumpulan data akan menjadi lebih jelas dan
tepat
 Jenis-jenis ukuran dispersi
1. Dispersi mutlak
 Jangkauan (Range)
 Simpangan Rata-rata (Mean Deviation)
 Varians (Variance)
 Standar Deviasi (Standard Deviation)
 Simpangan Kuartil (Quartile Deviation)

2. Dispersi relatif
 Koefisien Variasi (Coeficient of Variation)
1. JANGKAUAN
Jangkauan atau ukuran jarak adalah selisih nilai
terbesar dengan data dengan nilai terkecil data.

R = nilai maksimum – nilai minimum

Semakin kecil nilai R maka kualitas data akan

semakin baik, sebaliknya semakin besar nilai R,
maka kualitas datanya semakin tidak baik.
 2. Simpangan Rata-rata (Mean Deviation)
Deviasi rata-rata atau simpangan rata-rata adalah nilai
rata-rata hitung dari harga mutlak simpangan-
simpangannya.
• Deviasi rata-rata data tunggal:

∑
DR = ∑ =

• Deviasi rata-rata data berkelompok:

∑
DR = ∑ =
Contoh 01.
Tentukan deviasi rata-rata dan deviasi frekuensi
dari data berikut ini:
Berat badan banyaknya mahasiswa (f)
60 – 62 10
63 – 65 25
66 – 68 32
69 – 71 15
72 – 74 18
penyelesaian
banyaknya
Berat badan mahasiswa X fX X − X f X − X
(f)
60 – 62 10 61 610 6,18 61,8
63 – 65 25 64 1600 3,18 79,5
66 – 68 32 67 2144 0,18 5,76
69 – 71 15 70 1050 2,82 42,3
72 – 74 18 73 1314 5,82 104,76
 100 6718 294,12
∑
Dari tabel di atas didapat =
∑
= = 67,18

∑ ,
DR = = = 29,412
3. varians
Varians adalah nilai tengah kuadrat simpangan dari nilai tengah atau
simpangan rata-rata kuadrat. Untuk sampel, variansnya (varians sampel)
disimbolkan dengan s2. Untuk populasi, variansnya (varians populasi)
disimbolkan dengan 2 (baca: sigma).
a. Varians data tunggal
1) Metode biasa
∑
 Untuk sampel besar (n30): s2 =
∑
 Untuk sampel kecil (N30): s2 =
2) Metode angka kasar
∑ ∑
 Untuk sampel besar (n30): s2 = −
∑ ∑
 Untuk sampel kecil (N30): s2 = −
Contoh 02.
Tentukan varians dari data 2, 3, 6 8, 11!
X − − X2
2 -4 16 4
Penyelesaian: 3 -3 9 9
6 0 0 36
n=5 8 2 4 64
11 5 25 121
= =6 30 54 234

∑
s2 = = =13,5
∑ ∑
s2 = − = − = 13,5
b. Varians data berkelompok
1) Metode biasa
∑
 Untuk sampel besar (n30): s2 =
∑
 Untuk sampel kecil (N30): s2 =
2) Metode angka kasar
∑ ∑
 Untuk sampel besar (n30): s2 = −
∑ ∑
 Untuk sampel kecil (N30): s2 = −
3) Metode coding
∑ ∑
 Untuk sampel besar (n30): s2 = . −
∑ ∑
 Untuk sampel kecil (N30): s2 = . −

Keterangan:
C = panjang interval kelas
u= =
M = rata-rata hitung sementara
Contoh 03.
Tentukan varian dari distribusi frekuensi Contoh
01 dengan metode biasa, angka kasar dan
coding!
Penyelesaian:
kelas f X fX X fX X − X (X − X) f (X − X)
2 2 u u fu fu 2 2 2 2

= 67,18
60 – 62
10 61 610 3721 37210 -6,18 38,1924 381,924 -2 4 -20 40
63 – 65 25 64 1600 4096 102400 -3,18 10,1124 252,81 -1 1 -25 25
66 – 68 32 67 2144 4489 143648 -0,18 0,0324 1,0368 0 0 0 0
69 – 71 15 70 1050 4900 73500 2,82 7,9524 119,286 1 1 15 15
72 – 74 18 73 1314 5329 95922 5,82 33,8724 609,7032 2 4 36 72
 100 6718 22535 452680 90,162 1364,76 0 10 6 152
• Dengan metode biasa
∑
s2 = = 1364,76
100
= 13,6476
• Dengan metode kasar
∑ ∑
s2 = − = 452680
100
−
6718
100
=13,6476
• Dengan metode coding
∑ ∑
s2 = . − =

3 . − =. − =13,6476
4. SIMPANGAN BAKU (STANDAR
DEVIASI)
Simpangan baku adalah akar dari tengah kuadrat simpangan dari nilai
tengah atau akar rata-rata kuadrat (s = ). Untuk sampel,
simpangan bakunya dilambangkan dengan s, sedangkan untuk
simpangan baku populasi dilambangkan dengan .
a. Simpangan baku data tunggal
1) Metode biasa
∑
 Untuk sampel besar (n30): s =
∑
 Untuk sampel kecil (N30): s =
2) Metode angka kasar
∑ ∑
 Untuk sampel besar (n30): s = −
∑ ∑
 Untuk sampel kecil (N30): s = −
b. Simpangan baku data berkelompok
1) Metode biasa
∑
 Untuk sampel besar (n30): s =
∑
 Untuk sampel kecil (N30): s =
2) Metode angka kasar
∑ ∑
 Untuk sampel besar (n30): s = −
∑ ∑
 Untuk sampel kecil (N30): s = −
3) Metode coding

 Untuk sampel besar (n30): s = .∑ −

∑

 Untuk sampel kecil (N30): s = .∑ −

∑

Keterangan:
C = panjang interval kelas
u= =
M = rata-rata hitung sementara
 5. Koefisien variasi (dispersi relatif)

Untuk melihat penyimpangan-penyimpangan nilai yang terdiri dari

beberapa kumpulan data.
Bentuk umum :
dispersi absolut
Dispersi relatif = rata−rata

a. Koefisien Variasi, KV = × 100%

b. Variasi Jangkauan, VR = × 100%
c. Variasi simpangan rata-rata, VSR = × 100%
d. Variasi kuartil (VQ) = × 100%
= × 100%
 Latihan 01 (wajib kumpul)
Dua perusahaan yakni “CV. Ngalor” dan “CV Ngidul”
memiliki karyawan sebanyak 100 orang. Untuk
keperluan penelitian diambil sampel sebanyak 8 orang
setiap perusahaan dengan gaji masing-masing (dalam
ribuan rupiah): 300, 250, 350, 600, 650, 500, 550, 450
dan 200, 250, 300, 650, 550, 550, 600, 400.
A. Tentukan dispersi relatif perusahaan tersebut
(gunakan ke-4 macam dispersi relatif.
B. Perusahaan mana yang memiliki variasi gaji yang
lebih baik?
C. Dikumpul paling lambat sebelum perkuliahan
berikutnya !
6. kemencengan/kecondongan
 Kemencengan atau kecondongan (skewness) adalah tingkat
ketidaksimetrisan atau kejauhan dari sebuah distribusi.
 Sebuah distribusi yang tidak simetris akan memiliki rata-
rata, median, dan modus yang tidak sama sehingga
distrbusi akan terkonsentrasi pada salah satu sisi dan
kurvanya akan menceng.
 Jika distribusi memiliki ekor lebih panjang ke kanan
daripada ke kiri maka maka distribusi disebut menceng ke
kanan atau memiliki kemencengan positif. Sebaliknya, Jika
distribusi memiliki ekor lebih panjang ke kiri daripada ke
kanan maka maka distribusi disebut menceng ke kiri atau
memiliki kemencengan negatif.
 GAMBAR 1. KEMENCENGAN DISTRIBUSI

Untuk mengetahui konsentrasi distrbusi menceng ke kanan atau ke kiri

digunakan metode-metode:
 Koefisien kemencengan pearson
 Koefisien kemencengan bowley
 Koefisien kemencengan persentil
 Koefisien kemencengan momen
a. Koefisien kemencengan pearson

Rumus koefisien kemencengan:

sk =
Keterangan : sk = koefisien kemencengan pearson
Apabila secara empiris didapat hubungan antar nilai pusat sebagai:
− =3 −
Maka rumus kemencengan menjadi:
sk =
Jika sk dihubungkan dengan keadaan kurva maka:
1) Sk = 0, berarti kurva berbentuk simetris
2) Sk > 0, berarti kurva menceng ke kanan (menceng positif)
3) Sk < 0, berarti kurva menceng ke kiri (menceng negatif)
b. Koefisien kemencengan bowley (Kuartil koefisien
kemencengan)

Rumus koefisien kemencengan:

=
Atau
=
Keterangan:
skB = koefisien kemencengan bowley
Q = kuartil
Jika skB dihubungkan dengan keadaan kurva maka:
1) − > − , berarti kurva menceng ke kanan (menceng positif).
2) − < − , berarti kurva menceng ke kanan (menceng positif).
3) skB positif, berarti distribusi menceng ke kanan
4) skB negatif, berarti distribusi menceng ke kiri
5) skB = ± 0,1 menggambarkan distribusi yang menceng tidak berarti dan skb
> 0,3 menggambarkan kurva yang menceng berarti.
c. Koefisien kemencengan persentil

Rumus koefisien kemencengan:

=
Atau,
=
Keterangan:
skP = koefisien kemencengan persentil
P = Persentil
d. Koefisien kemencengan momen
(kemencengan relatif)
• Untuk data tunggal, rumus:
∑
= =
• Untuk data berkelompok, rumus:
∑
= =
Atau
∑ ∑ ∑ ∑
= = −3 +2
7. Keruncingan (kurtosis)

GAMBAR 2. KERUNCINGAN KURVA

Keruncingan atau kurtosis adalah tingkat kepuncakan dari sebuah distribusi yang
biasanya diambil secara relatif terhadap suatu distribusi normal. Dapat dibedakan
atas tiga macam:
1) Leptokurtik : distribusi yang memiliki puncak relatif tinggi
2) Platikurtik : distribusi yang memiliki puncak hampir mendatar
3) Mesokurtik : distribusi yang memiliki puncak tidak tinggi dan tidak mendatar
Untuk mengetahui keruncingan suatu distribusi, ukuran
yang sering digunakan adalah koefisien keruncingan dan
koefisien kurtosis persentil.
1. Koefisien Keruncingan
Ketentuan:
 Nilai < 3, distribusi plaktikurtik
 Nilai > 3, distribusi leptokurtik
 Nilai = 3, distribusi mesokurtik
∑
Data tunggal: 4 =
∑
Data berkelompok : 4 =
 Latihan
A. Buatlah tabel dengan ketentuan sbb:
1. Banyaknya data (N)  50 data
2. Jangkauan sesuaikan dengan 1 angka NPM terakhir.
Apabila genap R = 4. apabila ganjil R= 5 dan nol R = 6
3. Dari tabel yang telah dibuat, hitung :
 Rata-rata hitung (dengan 3 metode), Median dan
Quartil (Q1,Q2,Q3)
 Varians, Simpangan baku dan simpangan rata-rata
4. Tabel Data tidak boleh ada yang sama dengan teman
lain. Kalo ada yang sama, dianggap tidak mengerjakan.
5. Tugas dikumpulkan paling lambat 1 minggu setelah tugas
ini diberikan (pada saat pertemuan minggu berikutnya).
 Latihan
B. Buatlah masing-masing satu contoh soal dan pembahasan
mengenai :
 Koefisien variasi
 Kemencengan dengan 4 metode
 Keruncingan dengan 2 metode
Dengan Ketentuan:
 Soal dapat berupa data tunggal atau data berkelompok.
 Contoh soal tidak boleh ada yang sama dengan teman lain.
Kalo ada yang sama, dianggap tidak mengerjakan.
 Apabila memungkinkan, disertai dengan gambar grafik.
 Tugas dikumpulkan paling lambat 1 minggu setelah tugas ini
diberikan (pada saat pertemuan minggu berikutnya).