PENYEBARAN DATA

1. Menjelaskan pengertian nilai penyebaran data

2. Menjelaskan jenis dan sifat-sifat nilai penyebaran data
3. Menghitung cara perhitungan nilai penyebaran data

Thomas Y. Gunarto
Pengertian
Nilai Penyebaran Data

Adalah suatu nilai yang menunjukkan seberapa jauh

nilai pengamatan tersebar di sekitar nilai rata-rata,
sering disebut juga variasi atau dispersi
MENGAPA NILAI PENYEBARAN
(DISPERSI) ITU PENTING ??
Dengan perhitungan dispersi, akan diperoleh
informasi tambahan tentang penyimpangan
yang terjadi pada suatu distribusi
Dengan menghitung dispersi, dapat menilai
ketepatan nilai tengah dalam mewakili
distribusinya
Perhitungan dispersi memiliki arti penting untuk
mengadakan analisa statistik inferensia
 Contoh:
 Karyawan PT Makmur mempunyai gaji rata-rata 5 jt
per bulan

 Karyawan PT Subur mempunyai gaji rata-rata 10 jt

per bulan

 Karyawan mana yg lebih sejahtera?

 Contoh:
 Karyawan PT Makmur mempunyai gaji rata-rata 5 jt per
bulan
 Data Gaji: 5jt, 6jt, 4jt, 5jt  rata-rata 5jt (Hampir Seragam)

 Karyawan PT Subur mempunyai gaji rata-rata 10 jt per

bulan
 Data Gaji: 2jt, 1.5jt,1.5jt, 30jt  rata-rata 10jt (Beragam)

 Karyawan mana yg lebih sejahtera?

Ukuran Penyebaran Bab 4
BEBERAPA BENTUK UKURAN PENYEBARAN
1. Rata-rata sama, 2. Rata-rata berbeda dengan
penyebaran berbeda penyebaran berbeda
10
9
8

1. Rata-rata sama,
7
6
5
4
3 penyebaran berbeda
2
1
0
2 3 4.6 5 6

3. Rata-rata berbeda dengan penyebaran sama

Nilai Penyebaran :
Rentang (Range)
Deviasi Kuartil
Mean Deviasi
Deviasi Standar

Skewness
Kurtosis
Rentang (Range)
Ukuran variasi data yang paling sederhana
Dengan range, akan diketahui dengan segera gambaran
seberapa jauh data itu memencar (merentang) tetapi tidak
menunjukkan tentang keragaman datanya
Proses perhitungannya :
Urutkan data dari yang terkecil ke terbesar
Nilai range = nilai terbesar – nilai data terkecil
Nilai range untuk data kelompok :
= Batas bawah kelas terakhir - batas bawah kelas pertama
atau
= Nilai tengah tertinggi – Nilai tengah terendah
Rentang (Range)
Contoh 1:
Lama rawat 10 pasien di 2 RS
Data RS A : 2,2,3,3,3,3,4,4,5,6 ; nilai range = 4 hari
Data RS B : 1,1,2,3,3,3,4,5,5,8, ; nilai range = 7 hari
Contoh 2 :
Berat Badan (kg) f Nt
Batas bawah kelas terakhir = 76
41 - 45 4 43 Batas bawah kelas pertama = 41
46 - 50 4 48 Nilai range : R = 76-41 = 35
51 - 55 1 53
56 - 60 2 58
61 - 65 5 63 Nilai tengah tertinggi = 78
66 - 70 7 68 Nilai tengah terendah = 43
71 - 75 5 73 Nilai range : R = 78 – 43 = 35
76 - 80 2 78

Jumlah 30
Kekurangan Range
Hanya melibatkan nilai terbesar dan nilai terkecil tanpa
melibatkan nilai-nilai lain dalam distribusi

Hanya melibatkan 2 nilai terbesar dan terkecil sehingga

sangat dipengaruhi oleh adanya nilai ekstrem

Range tidak dapat ditentukan pada distribusi dengan

kelas interval yang terbuka
Simpangan Kuartil (Quartile Deviation)
Dihitung dengan cara menghapus nilai-nilai yang terletak di
bawah kuartil pertama dan diatas kuartil ketiga, sehingga nilai
ekstrik yang berada di bawah maupun diatas dihilangkan

Simpangan kuartil didapatkan dengan cara menghitung nilai

rata-rata dari Q1 dan Q3
Rumus : Simpangan Kuartil = (Q3 – Q1)
2
Simpangan kuartil lebih stabil dibandingkan range karena tidak
dipengaruhi oleh nilai ekstrim

Kelemahan : Simpangan kuartil juga tidak memperhitungkan

penyimpangan semua nilai tetapi hanya memperhitungkan nilai
pada Q1 dan Q3
Contoh 3:
Lama rawat 10 pasien di RS
Data RS A : 2,2,3,3,3,3,4,4,5,6
Letak Qi = i/4 x (n + 1)

Letak Q1 = ¼ (10 + 1) = 2.75 ≈ 3 yaitu 3

Letak Q3 = ¾ (10 + 1) = 8.25 ≈ 8 yaitu 4
Simpangan kuartil = 4-3 = 0.5
2
Simpangan Rata-Rata
(Mean Deviation)
Merupakan penyimpangan nilai-nilai individu terhadap nilai
rata-rata

Angka selisih antara hasil pengamatan dengan rata-rata

diambil harga mutlaknya tanpa memperhatikan tanda
aljabarnya

Deviasi rata-rata bermanfaat untuk mengetahui variasi

yang terjadi dalam satu kelompok pengamatan atau
membandingkan tingkat variabilitas dua kelompok atau
lebih

Kekurangan deviasi rata-rata yaitu tidak dapat mengetahui

arah simpangan ke kiri atau ke kanan
Simpangan Rata-Rata
(Mean Deviation)
Jarak setiap data terhadap mean disebut simpangan,
dengan rumus : di = Xi – ẋ
Jumlah simpangan Σ (xi- ẋ) = 0, sehingga perlu
diabsolutkan : Σlxi- ẋ l

Rumus Simpangan Rata-Rata:

Mean Deviasi (Sampel) = Σlxi- ẋ l
n
Rumus Simpangan Rata-Rata untuk data berkelompok:
Mean Deviasi (Sampel) = Σf lNti- ẋ l
Simpangan Rata-Rata
(Mean Deviation)
Contoh 3 lama rawat inap pasien di 2 RS (hari) :
Data RS A : 2,2,3,3,3,3,4,4,5,6 ; mean = 3.5 hari
Mean Deviasi RS A = ((|2-3.5|+|2-3.5|+|3-3.5|+|3-3.5|+
|3-3.5|+|3-3.5|+ |4-3.5|+|4-3.5|+|5-3.5|
+|6-3.5|)) / 10 = 1 hari

Data RS B : 1,1,2,3,3,3,4,5,5,8, ; mean = 3.5 hari

Mean Deviasi RS B = ((|1-3.5|+|1-3.5|+|2-3.5|+|3-3.5|+
|3-3.5|+|3-3.5|+ |4-3.5|+|5-3.5|+|5-3.5|
+|8-3.5|)) / 10 = 1.6 hari
Deviasi Standar
(Standar Deviation)
Simpangan baku (standar deviation) merupakan ukuran dispersi
yang sering digunakan dalam statistika

Merupakan akar dari varian yaitu akar dari jumlah selisih hasil
pengamatan dengan rata-rata dipangkatkan dua kemudian
dibagi dengan jumlah pengamatan

Standar Deviasi memegang peranan penting karena dapat

memberikan gambaran tentang penyimpangan yang terjadi
pada setiap nilai hasil pengamatan terhadap rata-rata suatu
distribusi

Stantard diviasi sampel yang baik seharusnya merupakan

ukuran yang tidak bias thd standar deviasi populasi, sehinggga
nilai n diganti dengan n-1 untuk sampel
Deviasi Standar (Standar Deviation)
Rumus-Rumus

Varians populasi :

Deviasi standar populasi :

Varians sampel :

Deviasi standar sampel :

Deviasi standar untuk data berkelompok (distribusi
frekuensi ) :
Ket : Mi = nilai tengah
• Populasi :

• Sampel :
Contoh 4
Berapakah deviasi standar terhadap rata-rata kadar Hb
dari 10 orang wanita hamil yang melakukan PNC di suatu
rumah sakit dengan hasil sebagai berikut :
8,8,9,9,10,10,11,11,12,12
xi (xi - x) (xi - x)² x = 8+8+9+9+10+10+11+11+12+12
10
8 -2 4 = 10
8 -2 4
9 -1 1 Dengan menggunakan rumus deviasi
9 -1
0
1
0
populasi maka :
10
10 0 0
11 1 1
11 1 1
12 2 4
12 2 4 s = 20 = 1.49
10-1
Σ(xi – x)² =20
 Rumus lain Standar Deviasi :
 Populasi

 Sampel
Standard Deviasi Grouped data
Kelas fi Mi Mi-ẋ (Mi-ẋ)2 fi.(Mi-ẋ)2

Jumlah
 Mi = Titik Tengah Kelas
 Fi = frekuensi kelas
Interpretasi Deviasi Standar
 Dalam suatu populasi selalu terjadi variasi dari hasil pengamatan
baik variasi eksternal maupun variasi internal sebagai akibat hukum
alam

 Semakin besar variasinya semakin tidak seragam datanya

sedangkan semakin kecil variasinya maka keseragaman data
semakin tinggi

 Varians dan deviasi standar sampel menunjukkan suatu

kecenderungan untuk lebih kecil dari varians dan deviasi standar
populasi sehingga untuk mengurangi underestimate, dilakukan
koreksi yaitu besarnya n sampel menjadi n-1
Nilai yang Dibakukan

1σ 1σ 1σ 1σ

X=µ-2 X=µ-1 µ X=µ+1 X=µ+2

 Zi Merupakan nilai simpangan dari nilai Xi

 Rata-rata simpangan baku yang dibakukan µz = 0 dan
σz = 1
 HUBUNGAN STANDARD DEVIASI DENGAN
PELUANG NORMAL

68,26%
95,44%
99,74%

-3 -2 -1 =x +1 +2 +3

-3 -2 -1 Z=0 +1 +2 +3

• Luas antara nilai Z (-1<Z<1) sebesar 68,26% dari jumlah data.

• Berapa luas antara Z antara 0 dan sampai Z = 0,76 atau biasa
dituis P(0<Z<0,76)?
• Dapat dicari dari tabel luas di bawah kurva normal. Nilainya
dihasilkan = 0,2764
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
1.Kurva simetris 12
10

X= Md= Mo
8
6
4
2
0

o
5

7
M
7

0
=
3

8
d
M
t=
R
15
2. Kurva Menceng ke kanan 10
Mo < Md < X 5

0
231 Mo Md Rt 663 807

15
10

3. Kurva Menceng ke kiri 5

X < Md < Mo 0
231 375 Rt Md Mo 807
 Koefisien Skewness
 Sk = [µ - Mo ] /  atau = 3.[µ - Md] / 
Contoh kasus data dikelompokan µ = Nilai rata – rata hitung
µ = 33.68 Mo = Nilai modus
Mo = 18 Md = Nilai median
Md = 32  = Standar deviasi
 = 11.2439
Sk = {3. [ 33.68 – 32]}
Sk = [33.68- 18 ] / 11.2439
11.2439
Sk = 15.68 / 11.2439
Sk = 5.04 / 11.2439
Sk = 1.394
Sk = 0.4482
 Koefisien Kurtosis
 Bentuk kurva keruncingan –
kurtosis
 Mesokurtik 4 = 3
 Leptokurtik 4 > 3
 Platikurtik 4 < 3
 Koefisien kurtosis (data tidak
dikelompokan) Nilai data

4 = 1/n ∑(x - ) 4

4
 Koefisien Kurtosis
 Koefisien kurtosis (data dikelompokan)

4 =
1/n ∑ f. (X - ) 4

4
Jumlah Frekuensi

Standar deviasi Nilai rata – rata hitung

Nilai tengah kelas

TUGAS 4
Dari Data Tersebar dan Data berkelompok (Tabel
distribusi frekuensi ) Tugas 2, hitunglah :
a. Range
b. Simpangan rata-rata
c. Simpangan baku
d. Skewness
e. Kurtosis