1

BAB I
PENDAHULUAN
1.1 Latar Belakang
Dengan memahami unsur penyebaran data diharapkan kita tidak menarik
kesimpulan yang salah, nilai range menunjukkan, bahwa yang terkecil negara
maju, kemudian negara industry baru, negara Asean, dan akhirnya Indonesia.
Besarnya range menunjukkan selisih nilai terbesar dan terkecil sehingga juga
menunjukkan fkultuasi. Oleh sebab itu, dapat disimpulkan karena Indonesia
mempunyai range pertumbuhan ekonomi terbesar maka flultuasi dan gejolak
ekonomi yang terjadi juga paling besar. Sedang Negara maju dengan range 1,2%
berarti fluktuasi perekonomian tidak terlalu besar, dan hal ini menunjukkan
terjadinya gejolak yang positif atau negative tidak terlalu besar. Perekonomian
suatu negara yang sudah dalam kondisi matang, cenderung akan lebih stabil.
Standar deviasi digunakan untuk membandingkan penyebaran atau
penyimpangan dua kelompok data atau lebih. Apabila standar deviasinya kecil,
maka hal tersebut menunjukkan nilai sampel dan populasi berkumpul atau
mengelompok di sekitar nilai rata-rata hitungnya. Artinya karena nilainya hampir
sama dengan nilai rata-rata, maka disimpulkan bahwa anggota sampel atau
populasi mempunyai kesamaan. Sebaliknya, apabila nilai deviasinya besar, maka
penyebarannya dari nilai tengah juga besar.

1.2 Rumusan Masalah

1.2.1 Bagaimana pengertian nilai penyebaran data?
1.2.2 Apa yang dimaksud dengan perhitungan dan interprestasi nilai penyebaran
data?

1.3 Tujuan
1.3.1 Untuk mengetahui bagaimana pengertian nilai penyebaran data
1.3.2 Untuk mengetahui apa yang dimaksud dengan perhitungan dan
interprestasi nilai penyebaran data

1
 2

BAB II
PEMBAHASAN

2.1 Pengertian Nilai Penyebaran Data

Ukuran penyebaran adalah suatu ukuran baik parameter atau statistic untuk
mengetahui seberapa besar penyimpangan data dengan nilai rata-rata hitungnya.
Mengapa kita mempelajari ukuran penyebaran tersebut? Karena kita merasa
bahwa mengetahui nilai tengah saja kurang cukup, tanpa disertai dengan
pengetahuan tentang seberapa besar data tersebut menyebar disekitar nilai
tengahnya. Dengan memahami unsur penyebaran data diharapkan kita tidak
menarik kesimpulan yang salah.

2.2 Perhitungan Dan Interprestasi Nilai Penyebaran Data

Seperti apa yang sudah disebutkan di muka bahwa ukuran tendensi sentral
merupakan nilai yang mewakili sekumpulan bilangan. Ternyata nilai –nilai
tersebut belum merupakan wakil yang baik, tetapi hanya memberikan gambaran
sepintas lalu saja dari sekumpulan data. Untuk memperjelasnya selain ukuran
tendensi sentral perlu ditambah suatu keterangan mengenai penyebaran nilai data
tersebut. Penyebaran nilai tersebut dinamakan variasi atau dispersi atau ukuran
penyebaran. Yang termasuk ukuran dispersi antara lain adalah :
2.2.1 Range (Jangkauan)
Range dari sekumpulan bilangan adalah selisih antara bilangan tertinggi
(maksimum) dengan bilangan terendah (minimum).
Contoh
Tentukan range dari : 5, 6, 3, 4, 7, 19, 10, 11
Jawab :
Nilai tertinggi = 19
Nilai terendah = 3
Range = 19 – 3 = 16
Untuk menentukan range data berkelompok ada dua cara yaitu :

2
 3

1. Range adalah titik tengah dari kelas yang tertinggi dikurangi titik tengah dari
nilai terendah .
2. Range adalah batas atas nyata (tepi atas) dari kelas tertinggi dikurangi batas
bawah nyata (tepi bawah dari kelas terendah.
Contoh
Tentukan range dari data berikut :
Nilai Frekuensi
50 – 52 5
53 – 55 18
56 – 58 42
59 – 61 27
62 – 64 8
Dengan cara i)
Range = 63 – 51 = 12
dengan cara ii)
Range = 64,5 – 49,5 = 15
2.2.2 Simpangan Rata-rata
Simpangan rata-rata adalah ukuran disfersi yang menyatakan penyebaran
nilai-nilai (data) terhadap rata-ratanya. Simpangan rata-rata dari sekumpulan
bilangan/data merupakan nilai rata-rata hitung harga mutlak simpangan-
simpangannya.
1. Simpangan Rata-rata Data Tunggal
Jika sekelompok bilangan-bilangan adalah : x1, x2, x3, x4, ….,xn
dan rata-ratanya = x

maka simpangan rata-rata :

x1  x  x 2  x  x3  x  .....  x n  x
SR =
n

xx
=
n

Jadi simpangan rata-rata data tunggal : SR =

xx
Contoh n
Tentukan simpangan rata-rata dari : 7, 5, 6, 2
Jawab :
7562
x =
4
 4

20
=
4
=5
75  55  65  25
SR =
4
2  0 1 3
=
4
6
=
4
= 1,5
2. Simpangan Rata-rata Data Berbobot
simpangan rata-rata untuk data berbobot dapat dihitung dengan rumus :

SR =
 f xx
Contoh n

Hitunglah simpangan rata-rata dari data berikut :

Ulangan matematika kelas 3P1
Nilai 5 6 7 8 9
Frekuensi 6 8 13 10 3
Jawab :
Nilai (x) f f.x x  x f xx
5 6 30 1,9 11,4
6 8 48 0,9 7,2
7 13 91 0,1 1,3
8 10 80 1,1 11
9 3 27 2,1 6,3
Jumlah 40 276 37,2
276
x =
40
= 6,9
37,2
SR =
40
= 0,93
3. Simpangan Rata-rata Data Berkelompok
Simpangan rata-rata data berkelompok pada hakekatnya dapat dihitung
dengan rumus yang sama dengan data berbobot yaitu :

SR =
 f xx
n
 5

Contoh 28
Pada tabel berikut ini diketahui rata-ratanya 53,46. tentukan simpangan rata-
ratanya !
Berat Badan 50 siswa SAWOJAJAR
Berat Fekuensi
47 – 49 10
50 – 52 12
53 – 55 15
56 – 58 8
59 – 62 5
Jumlah 50
Jawab :
Tabel di atas dilengkapi sebagai berikut :
Berat f x x  x f x  x

47 – 49 10 48 5,46 54,6
50 – 52 12 51 2,46 29,52
53 – 55 15 54 0,54 8,1
56 – 58 8 57 3,54 28,32
59 – 62 5 60 6,54 32,7
Jumlah 50 153,24
153,24
SR =
50
= 3,06
2.2.3 Simpangan Baku / Deviasi Standar
Simpangan baku suatu rangkaian data atau bilangan adalah akar dari
jumlah deviasi kuadrat dari bilangan-bilangan tersebut dibagi dengan banyaknya
bilangan / jumlah frekuensi, atau akar dari rata-rata deviasi kuadrat.
Secara statistik dirumuskan sebagai berikut :

s =

Rumus tersebut selanjutnya dapat disederhanakan menjadi :

s =
 6

Untuk data yang telah disusun dalam tabel frekuensi ( data berbobot atau
data berkelompok), simpangan baku dihitung dengan rumus sebaga berikut :

s =

 f ( x x)2
f
Atau disederhanakan menjadi :

s =
Atau s =

 fx 2
f  (  fxf ) 2  fd 2
 (  fdf ) 2
Catatan : d = deviasi f

Contoh
Tentukan simpangan baku dari : 7, 5, 6, 2
Jawab :
7562
x =
4
=5
( 7 5 ) 2  ( 5 5 ) 2  ( 6  5 ) 2  ( 2 5 ) 2
s= 4

4  0 1 9
= 4

14
= 4

= 3,5

= 1,87
Contoh
Tentukan simpangan baku dari data Berat Badan Siswa SMK SAWOJAJAR dari
contoh 15 !
Jawab :
Berat f x x- x (x - x ) 2 F (x - x ) 2
47 – 49 10 48 -5,46 29,81 298,1
50 – 52 12 51 -2,46 6,05 72,6
53 – 55 15 54 0,54 0,31 4,65
56 – 58 8 57 3,54 12,53 100,24
59 – 62 5 60 6,54 42,77 213,85
 7

Jumlah 50 689,44

689 , 44
S = 50

= 13,79

= 3,7

Atau dapat dihitung sebagai berikut :

Berat f d fd d2 fd 2
47 – 49 10 -6 -60 36 360
50 – 52 12 -3 -36 9 108
53 – 55 15 0 0 0 15
56 – 58 8 3 24 9 72
59 – 62 5 6 30 36 180
Jumlah 50 -42 720
s= 72
50  ( 5042 ) 2

= 14,4  0,71

= 13,69

= 3,7
2.2.4 Jangkauan Semi Inter Kuartil
Kuartil adalah nilai yang membagi kelompok data menjadi 4 bagian yang
sama setelah data-data itu diurutkan dengan garis bilangan dapat ditunjukkan
sebagai bertikut :

X1 Q1 Q2 Q3 Xn
X1 = nilai minimum
Q1 = kuartil bawah (kuartil pertama)
Q2 = kuartil tengah (kuartil ke dua)
Q3 = kuartil atas (kuartil ke tiga)
Xn = nilai maksimum
Jangkauan semi inter kuartil atau simpangan kuartil (Qd) didefinisikan sebagai
berikut :

1
Qd = (Q3 – Q1)
2
 8

1. Simpangan Kuartil Data Tunggal

Untuk menentukan nilai kuartil langkah – langkahnya sama dengan
menentukan median, yang berbeda adalah letaknya saja. Letak kuartil data tunggal
ditentukan dengan rumus :

i i = 1, 2, 3
Qi = 4 (n + 1)
n = banyaknya data.

Contoh
Tentukan simpangan kuartil dari
a) 5, 17, 8, 13, 12, 10, 15
b) 25, 27, 24, 22, 20, 18
Jawab :
a) setelah diurutkan data menjadi 5, 8, 10, 12, 13, 15, 17
1
letak Q1 = 4 (7+1)
= 2
Artinya nilai Q1 adalah data nomor urut 2 (suku ke-2)
sehingga nilai Q1 = 8
3
letak Q3 = 4 (7+1)
=6
Artinya nilai Q3 adalah suku ke-6
Jadi nilai Q3 = 15
Simpangan kuartil :
1
Qd = 2 (15-8)
= 3,5
b) setelah diurutkan menjadi : 18, 20, 22, 24, 25, 27
1
letak Q1 = 4 (6+1)
3
= 1 4

3
Artinya Q1 terletak pada suku pertama ditambah 4 kali selisih antara suku
pertama dan ke-2
 9

3
Nilai Q1 = 18 + 4 (20-18)
= 18 + 1,5
= 19,5
3
letak Q3 = 4 (6+1)
1
=5 4

1
Artinya Q3 terletak pada suku ke-5 ditambah 4 kali selisih antara suku ke-6 dan
suku ke-5
1
Jadi nilai Q3 = 25 + 4 (27-25)
1
= 25 + 2

= 25,5
1
Sehingga Qd = 2 (25,5 – 19,5)
=3

Contoh
Tentukan simpangan kuartil dari :
Nilai Frekuensi
6 2
6,5 3
7 6
7,5 4
8 3
9 2
Jawab:
Untuk menentukan nilai kuartil data tersebut, terlebih dahulu dibuat tabel
Letak Q1 = 14 (20+1)
frekuensi komulatif sebagai berikut :
= 5 14
Nilai Frekuensi F kom ≤ Nilai Q1 = 6,5 + 14 (7- 6,5)
6 2 2 = 6,5 + 0,125
6,5 3 5 = 6,625
7 6 11 Letak Q3 = 34 (20+1)
7,5 4 15 3
8 3 18 = 15 4

9 2 20 Nilai Q3 = 7,5 + 34 (8-7,5)

= 7,5 + 0,375
= 7,875
 10

1
Qd = 2 ( 7,875-6,625)
1
= 2 (8,55)
= 4,275
Catatan :
1 1
Karena 2 (Q3+Q1) = 64,39 dan 2 (Q3-Q1) = 4,275, maka 50 % dari nilai tersebut

terletak pada simpangan (64,39  4,275).

2.2.5 Jangkauan Persentil

Persentil dari sekumpulan bilangan merupakan nilai yang membagi
kelompok bilangan tersebut atas seratus bagian yang sama banyaknya setelah
bilangan-bilangan itu diurutkan.
Jangkauan 10 – 90 persentil = P90 – P10
untuk menghitung persentil caranya identik dengan cara menghitung
median maupun kuartil yaitu dengan membuat tabel frekuensi komulatif kurang
dari dan menentukan terlebih dahulu letak kelas persentil.
P10 merupakan persentil ke 10.
10
letak kelas P10 = .n
100
nilai P10 dihitung dengan rumus :

100
10
.n  fka
P10 = Tb + [ ]i
f 10
Demikian juga P90 yang merupakan persentil yang ke 90 :
90
Letak kelas P90 = .n
100
Nilai P90 dihitung dengan rumus :

100
90
n  fka
P90 = Tb + [ ]i
f 90
Contoh
Tentukan 10 – 90 Persentil dari data berikut :
Nilai Frekuensi
40 – 49 5
50 – 59 15
60 - 69 14
 11

70 – 79 10
80 – 89 4
90 – 99 2

Jawab :
Dibuat tabel frekuensi komulatif sebagai berikut :
Nilai Frekuensi f kom <
40 – 49 5 5
50 – 59 15 20
60 - 69 14 34
70 – 79 10 44
80 – 89 4 48
90 – 99 2 50
10
Letak kelas P10 = .n
100
10
= x 50
100
=5

100
10
.n  fka
Nilai P10 = Tb + [ ]i
f 10
50
= 39,5 + [ ]10
5
= 39,5 + 10
= 49,5
90
Letak kelas P90 = .n
100
90
= x 50
100
= 45
45  44
P90 = 79,5 + [ ]10
4
= 79,5 + 2,5
= 82
Jangkauan 10 – 90 persentil = 82 – 49,5
= 32,5
Catatan :
 12

1 1
Karena 2 ( P90 + P10) = 67,75 dan 2 (P90 – P10) = 16,25 maka 80% dari nilai tersebut

terletak pada jangkauan ( 65,75  16,25).

2.2.5 Angka Baku

Angka baku digunakan untuk mengetahui kedudukan suatu obyek yang
diselidiki terhadap keadaan pada umumnya ( nilai rata-rata ) kumpulan obyek
tersebut.
Angka baku ( Z ) dihitung dengan menggunakan rumus :

xx
Z= X = obyek/data yang diselidiki
s
x = nilai rata-rata data yang
diselidiki
s = simpangan baku

Contoh
Pada suatu hari seorang pedagang buah-buahan memperoleh keuntungan
Rp 13.000,00 dari hasil penjualan dagangannya. Sedangkan seorang pedagang
beras pada hari yang sama memperoleh keuntungan sebesar Rp 8.000,00.
keuntungan rata-rata pedagang buah pada hari tersebut Rp10.000,00 dengan
simpangan baku Rp 2.500,00. sedangkan rata-rata dan simpangan bamu pedagang
beras berturut-turut Rp 6.000,00. siapakah diantara kedua pedagang tersebut yang
usahanya lebih maju ?
Jawab :
Pedagang buah :
x = 13.000,00 x = 10.000,00 s = 2.500,00
13.000,00  10.000,00
maka : Z = 2.500,00

3.000,00
= 2.500,00

= 1,2
Pedagang beras :
x = 8.000,00 x = 6.000,00 s 1.000,00
 13

8.000,00  6.000,00
maka : Z = 1.000,00

2.000,00
= 1.000,00

=2
Dari hasil perhitungan tersebut maka berarti usaha pedagan buah 1,2
simpangan baku di atas rata-rata, sedangkan usah pedagang beras adalah dua
simpangan baku di atas rata-rata hasil usaha pedagang beras seluruhnya.
Karena nilai Z untuk pedagang beras lebih besar dari nilai Z pedagang buah maka
usaha pedagang beras lebih maju dibanding usaha pedagang buah.

2.2.6 Koefisien Variasi / Variabilitas

Koefisien Variasi adalah suatu perbandingan antara simpangan baku
dengan nilai rata-rata sekumpilan data yang dinyatakan dengan persentase.
Jadi rumus Koefisian Variasi (KV):

s
KV = x 100%
x

Besar kecilnya koefisien Variasi menunjukkan baik tidaknya sekumpulan

data. Jika koefisien variasi semakin kecil maka sekumpulan data semakin baik /
homogen, sebaiknya jika koefisien variasinya semakin besar maka sekumpulan
data makin heterogen
.
Contoh
Rata-rata nilai matematika suatu kelas adalah 8,25 dengan simpangan baku 0,75.
Hitunglah besarnya koefisien variasi !
Jawab :
x = 8,25 s = 0,75

s
KV = x 100%
x
 14

0,75
= 8,25 x 100%

= 9,09 %
 15

BAB III
PENUTUP

3.1 Simpulan
Standar deviasi digunakan untuk membandingkan penyebaran atau
penyimpangan dua kelompok data atau lebih. Apabila standar deviasinya kecil,
maka hal tersebut menunjukkan nilai sampel dan populasi berkumpul atau
mengelompok di sekitar nilai rata-rata hitungnya. Artinya karena nilainya hampir
sama dengan nilai rata-rata, maka disimpulkan bahwa anggota sampel atau
populasi mempunyai kesamaan. Sebaliknya, apabila nilai deviasinya besar, maka
penyebarannya dari nilai tengah juga besar. Hal tersebut menunjukkan adanya
nilai-nilai ekstrem baik yang tinggi maupun rendah. Standar deviasi yang besar
juga menunjukkan adanya perbedaan jauh diantara anggota populasi. Oleh sebab
itu, satandar deviasi yang tinggi biasanya dipandang kurang baik bila
dibandingkan dengan standar deviasi rendah.

3.2 Saran

15
 16

DAFTAR PUSTAKA

Argyrous, George. (1997). Statistic for Social Research. MacMillan Press Ltd.
Babbie, Earl. (1992). The Practice of Social Research. Belmont: Wadsworth Co.
Bailey, Kenneth D. (1994). Methods of Social Research. New York: The Free
Press..
Elifson, Kirk W., Richard P., Runvon and Audrey Haber. (1990). Fundamentals of
Social Statistics. Mc. Graw Hill Publishing Company.
Creswell, John. (1994). Research Design Quantitative and Qualitative
Approaches. : Thousand Oaks: Sage Publication.
Dajan, Anto. (1995). Pengantar Metode Statistik Jilid I. Jakarta: LP3S.
Djarwanto. (1996). Mengenal Beberapa Uji Statistik dalam Penelitian. Jogyakarta:
Liberty.