TOPIK III HARGA-HARGA DEVIASI

Tujuan Pengajaran : Setelah perkuliahan ini mahasiswa diharapkan dapat

terampil menghitung harga-harga penting terutama
harga penyebaran dari sekumpulan data.
Waktu Topik : 3 x 3 x 45 menit
Metode Pengajaran : Penjelasan materi, tanya jawab dan latihan soal.
Alat bantu pengajaran : white board
Kata Kunci : rentang, deviasi rata-rata, variansi, deviasi standar,
skewness, kurtosis

A. Pendahuluan

Harga tengah kurang berguna apabila tidak diketahui/disertai harga dispersi

(pemencaran) atau deviasi (penyimpangan) tiap datanya terhadap harga tengah
tadi. Jika harga deviasi tiap datanya terhadap harga tengah sangat besar, maka
harga tengah itu kurang berguna sebagai indikator tunggal yang menggambarkan
keadaan datanya. Untuk itu akan dipelajari beberapa ukuran deviasi seperti
berikut :
1. Rentang (range) 5. Koefisien Variasi
2. Deviasi rata-rata 6. Kemencengan kurva
3. Variansi dan deviasi standar 7. Keruncingan kurva
4. Deviasi kuartil

B. Rentang
Rentang adalah harga deviasi yang paling sederhana, yang didefinisikan
sebagai perbedaan antara harga yang tertinggi dan yang terendah dari sekumpulan
angka (distribusi). Kadang-kadang rentang juga dinyatakan dengan menunjukkan
harga-harga tertinggi dan terendah itu sendiri. Rentang memberikan gambaran
seberapa jauh data itu memencar (merentang), tetapi tidak menunjukkan rentang
variasi datanya. Dua kumpulan data di bawah mempunyai rentang yang sama,
tetapi keadaan datanya sendiri tidak sama.

31
Kelompok I : 60, 60, 61, 63, 65, 65, 66, 67, 68, 90
Rentang = 90 – 60 = 30
Kelompok II : 60, 65, 70, 72, 75, 78, 80, 85, 88, 90
Rentang = 90 – 60 = 30
Penggunaan rentang banyak kita jumpai dalam statistika pengawasan kualitas.

C. Deviasi rata-rata
Deviasi rata-rata adalah harga rata-rata penyimpangan tiap data terhadap
meannya. Makin kecil harga deviasi ini berarti makin kecil dispersi (pemencaran)
data terhadap harga meannya.
Yang dimaksudkan dengan deviasi disini adalah beda antara data dengan
mean, maka sebagian harga deviasi positif dan sebagian lagi akan negatif, dan
ternyata kalau dijumlah akan sama dengan nol. Sehingga tidak dapat dihitung
deviasi rata-ratanya. Untuk menghindari hal yang demikian, maka yang dimaksud
dengan beda antara data dengan meannya bukanlah beda aljabar, melainkan besar
perbedaan itu sendiri, yaitu harga mutlaknya. Dalam matematika, harga mutlak
diberi lambang | |, yang berarti misalnya |8| = 8 dan |-8| = 8.
Misalnya terdapat angka X1, X2, .... Xn dengan rata-rata (mean) X , maka deviasi
rata-ratanya adalah :
n

dr = x
i 1
i x

Sebagai contoh, di hitung deviasi rata-rata harga-harga beras yang telah

dibahas sebeumnya, yakni 3400, 5250, 4500, 2100 dan 2750. Mean harga beras
ini telah dihitung sama dengan 3600. Selanjutnya untuk menghitung deviasi rata-
rata, dibuat tabel sebagai berikut :

32
 Tabel 3.1 Harga Lima Kualitas Beras per kg
Harga beras Rata-rata (Xi - X ) Xi  X
Xi X
3400 -200 200
5250 1650 1650
4500 3600 900 900
2100 -1500 1500
2750 -850 850
0 5100

5100
Jadi deviasi rata-rata :  1020
5
Untuk data yang tersusun dalam distribusi frekuensi, deviasi rata-rata hanya
dapat dihitung dengan mengadakan anggapan tentang besar data yang jatuh pada
tiap kelas. Seperti waktu menghitung mean, dianganggap bahwa besar tiap data
sama dengan titik tengah interval kelas yang bersangkutan. Dengan anggapan ini,
dapat dihitung deviasi tiap data terhadap meannya, dan selanjutnya deviasi rata-
ratanya.
Sebagai contoh, menghitung deviasi rata-rata distribusi frekuensi Tabel 1.2

Tabel 3.2 Penghasilan harian 84 keluarga di ABC

Titik tengah Banyak keluarga
x x x i fi x  x i
(xi) ( fi )
24,5 7 30,71 214,97
34,5 9 20,71 186,39
44,5 16 10,71 171,36
54,5 21 55,21 0,71 14,91
64,5 14 9,29 130,06
74,5 9 19,29 173,61
84,5 4 29,29 117,16
94,5 3 39,29 117,87
104,5 1 49,29 49,29
84 1175,62

1175,62
Jadi deviasi rata-rata : dr =  13,995
84
Jika dituliskan dengan menggunakan lambang, maka
k

dr =
f i xi  x k
i 1
, dengan n   f i
n i 1

33
untuk menghindari hitungan-hitungan yang cukup banyak dalam menghitung
deviasi rata-rata, dapat digunakan cara yang lebih singkat, misalnya dengan
menggunakan skala baru. Namun tidak ditunjukkan di sini karena deviasi rata-rata
jarang digunakan.

D. Variansi dan Deviasi Standar

Variansi (biasanya diberi lambang s2) adalah harga deviasi yang juga
memperhitungkan deviasi tiap data terhadap meannya. Harga ini didefinisikan
sebagai: jumlah kuadrat deviasi tiap data terhadap mean dibagi (n-1), dimana n
adalah banyak data.
Deviasi standar (dengan lambang s) didefinisikan sebagai akar positif
variansi.
Jika dipunyai angka : X1, X2, X3, ........... Xn dengan mean X maka

 x 
n
2
i x
Variansi :
s2  i 1

 n - 1

 x 
n

i x
Deviasi standar :
s i 1

 n - 1
Sebagai contoh menghitung variansi dan deviasi standar harga-harga beras
tersebut di atas. Untuk ini dibuat tabel sebagai berikut:

Tabel 3.3 Harga Lima Kualitas Beras per Kg

Harga beras Rata-rata
(Xi - X ) (Xi - X ) 2
Xi X
3400 200 40000
5250 1650 2722500
4500 3600 900 810000
2100 -1500 2250000
2750 -850 722500
6545000

6545000
Jadi, variansi s2 =  1636250
4

34
Deviasi standar s = 1636250  1279,16

Menghitung variansi dengan rumus definisi di atas menjadi tidak praktis

apabila mean X berbentuk pecahan desimal dengan beberapa angka di belakang
koma. Karena deviasi kuadratnya akan terdiri dari banyak angka. Untuk
menghindari hal ini, dapat menggunakan rumus definisi dengan mengingat sifat-
sifat notasi sigma ( Σ ). Yaitu:
2
 n 
n n n
  Xi 
 (X i  X) 2   X i  n X  X i   i 1 
2 2 2

i 1 i 1 i 1 n
Maka
2
 n 
Variansi : 1 n


 X i 

 i 1
2
s 
2
Xi 
(n - 1) i 1 n

  n 
2

 
1  n
 
 i 1
X i 
 
  Xi 
2
Deviasi standar : s 
(n - 1)  i 1 n 
 
 

Untuk data yang tersusun dalam distribusi frekuensi, variansi dan deviasi
standarnya dapat dihitung dengan anggapan bahwa besar tiap data sama dengan
titik tengah interval kelas yang bersangkutan. Langkah-langkah yang ditempuh
untuk menghitung variansi (dan deviasi standar) adalah sebagai berikut :
a) Menghitung deviasi titik tengah tiap interval kelas terhadap mean. Harga-
harga ini dianggap sebagai deviasi tiap data dalam interval yang
bersangkutan terhadap mean.
b) Harga-harga deviasi yang diperoleh dalam a) dikuadratkan
c) Harga-harga yang telah dikuadratkan ini masing-masing dikalikan dengan
frekuensi-frekuensi yang bersangkutan.
d) Harga-harga kali itu dijumlahkan.
e) Jumlah itu dibagi dengan (n-1), dimana n adalah banyak data. Maka
diperoleh variansi.
f) Deviasi standarnya diperoleh dengan menarik akar dari variansi itu.

35
Jika langkah-langkah tersebut kita tuangkan dalam rumus, diperoleh :
1 k
Variansi : s2   f i (X i - X) 2
(n - 1) i 1

k
1
Deviasi standar : s
(n - 1)
 f (X
i 1
i i - X) 2

Dimana s2 = variansi dan s = deviasi standar

fi = frekuensi interval ke i
Xi = titik tengah interval ke i
X = mean
k
n = banyak data = f i 1
i

k = banyak interval

Rumus-rumus ini dapat juga diubah menjadi rumus-rumus baru yang lebih mudah
untuk menghitung. Yakni :
 k 2
k
  fiXi 
Variansi : 1
 f i X i   i 1 
2
s2 
(n - 1) i 1 n

  k 
2

   i i
f X  
1  k  i 1 
  fiXi 
2
Deviasi standar : s 
(n - 1)  i 1 n 
 
 

Untuk melihat bagaimana rumus-rumus ini digunakan, dihitung variansi dan

deviasi standar distribusi frekuensi Tabel 1.2

Tabel 3.4 Penghasilan harian 84 keluarga di ABC

36
 Titik tengah Banyak Kel.
Xi2 fiXi fiXi2
Xi fi
24,5 7 600,25 171,5 4201,75
34,5 9 1190,25 310,5 10712,25
44,5 16 1980,25 712,0 31684,00
54,5 21 2970,25 1144,5 62375,25
64,5 14 4160,25 903,0 58243,50
74,5 9 5550,25 670,5 49952,25
84,5 4 7140,25 338,0 28651,00
94,5 3 8930,25 283,5 26790,75
104,5 1 10920,25 104,5 10920,25
4638,0 283441,00

Jadi :
1  4638 2 
Variansi : s 
2
 283441    329,6041
83  84 

Deviasi standar : s 329,6041  18,155

E. Deviasi kuartil
Karena makin memencar data dalam suatu distribusi, makin besar pula
perbedaan antara harga-harga kuartil distribusi itu. Maka harga perbedaan ini
dapat pula digunakan sebagai ukuran deviasi distribusi itu. Ukuran deviasi ini
dinamakan deviasi kuartil dan didefinisikan sebagai :
K III  K I
dk 
2
Dimana dk = deviasi kuartir
KIII = kuartir ketiga
KI = kuartir pertama

Deviasi kuartir distribusi frekuensi Tabel 1.2 adalah

66,64 - 42,625
dk   12,0075
2
Karena KI = 42,625 dan KIII = 66,64

F. Deviasi Relatif

37
 Harga-harga deviasi yang dibicarakan di atas adalah harga-harga deviasi
mutlak, yang satuannya sama dengan satuan data yang bersangkutan. Sehingga
kalau ingin membandingkan deviasi dua kelompok data, tidak dapat digunakan
harga-harga deviasi tadi. Sebab, disamping kadang-kadang satuannya tidak sama,
juga dalam membandingkan harga deviasi, harus diingat pula harga-harga tengah
yang bersangkutan. Maka untuk ini digunakan harga deviasi dalam bentuk
persentase, atau harga deviasi relatif, yaitu :
s
v .100 yang dinamakan koefisien variasi.
x
Harga-harga deviasi relatif bentuk lain adalah :
deviasi rata - rata d
v dr  .100 atau v dr  r .100
mean x
Dan
K III  K I
v dk 
K III  K I

G. Kemencengan
Ukuran kemencengan adalah harga yang menunjukkan seberapa jauhkah
distribusi itu menyimpang dari simetrik. Apabila suatu distribusi itu simetrik, dan
bermodus satu, maka harga-harga mean, median dan modus berimpit (sama
besar). Untuk distribusi yang tidak simetrik, harga-harga tengah itu tidak sama.
Karena mean sangat dipengaruhi oleh harga yang telalu besar (atau terlalu kecil),
maka harga mean ini cenderung untuk bergeser ke arah harga-harga yang terlalu
besar (atau terlalu kecil). Sehingga makin menceng distribusinya, makin besar
jarak antara mean dan modus ini dapat digunakan sebagai harga yang mengukur
kemencengan distribusinya. Untuk menyatakan kemencengan kurva digunakan
koefisien kemencengan (skewness), Cs yang dihitung dengan (untuk data tak
berkelompok) :

 
n
n Xi  X
3

Cs  i 1

(n  1)(n  2) S 3

38
  
k
n f Mi  X
3

atau
Cs  i 1

(n  1)( n  2) S 3
Biasanya harga kemencengan ini digunakan untuk membandingkan kemencengan
dua distribusi atau lebih. Maka untuk menghindari kemungkinan adanya satuan
yang berbeda dari distribusi-distribusi itu, dan juga untuk menghindari pengaruh
harga penyimpangan dalam perbandingan ini, didistribusikan ukuran
kemencengan sebagai berikut :
mean - modus
km 
deviasi standar
Untuk distribusi yang tidak terlalu menceng, rumus di atas diganti dengan :
3(mean - median)
km 
deviasi standar
Dari rumus-rumus definisi di atas jelas bahwa untuk distribusi yang simetrik
harga kemencengannya sama dengan nol. Untuk distribusi yang mempunyai mean
lebih besar dari modus, harga kemencengannya positif, dan distribusinya
dinamakan menceng positif (ke kanan). Sebaliknya, jika mean lebih kecil dari
modus, harga kemencengannya negatif dan distribusinya dinamakan menceng
negatif (ke kiri).

mean modus modus mean

Menceng ke kiri Menceng ke kanan

Gambar 3.1 Kemencengan kurva

H. Keruncingan
Kurva suatu distribusi frekuensi dilihat dari tingkat keruncingan dibagi
menjadi tiga yaitu leptokurtis, platykurtis dan mesokurtis. Untuk menghitung

39
tingkat keruncingan suatu kurva digunakan moment coefficient of kurtosis (Ck)
sebagai berikut :

 
n
n Xi  X
4

Ck  i 1

(n  1)(n  2)(n  3) S 4

 
k
n f Mi  X
4

atau
Ck  i 1

(n  1)(n  2)(n  3) S 4
Apabila Ck > 3 maka kurva yang dihasilkan leptokurtis (meruncing), Ck = 3
dihasilkan kurva mesokurtis (normal) dan Ck < 3 akan dihasilkan kurva
platykurtis (mendatar).

I. Latihan Soal
Berikut ini adalah data debit yang melalui suatu penampang sungai dalam
satu satuan waktu tertentu.
Debit (m3/det) Frekuensi
20 - 29 3
30 – 39 5
40 - 49 6
50 - 59 4
60 - 69 2

Hitunglah :
a. Rentang/ kisaran debit yang melalui sungai tersebut.
b. Simpangan baku (S) dan koefisien variasinya.
c. Koefisien kemencengan dan keruncingannya serta berikan
penjelasannya.
Penyelesaian:
a. Rentang untuk data berkelompok dicari dengan dua cara :
Cara I (ekstrem) = batas atas kelas terakhir – batas bawah kelas pertama
Rentang = 69,5 – 19,5 = 50
Cara II = nilai tengah kelas terakhir – nilai tengah kelas pertama
Rentang = 64,5 – 24,5 = 40

40
 b. Simpangan baku (Standar deviasi), kurva kemencengan dan kurva
keruncingan dihitung dengan menggunakan tabel di bawah ini :

Standar deviasi =  f (X i i - X) 2
2855 12,26 m3/det
s i 1
 
n 1 20  1
Koefisien variasi Cv = S/X x 100%
Cv = (12,26/43) x 100% = 28,5 %
c. Nilai Cs dari debit sungai adalah :

 
k
n f Mi  X
3
20.39150
= = 0,124
Cs  i 1
19.18.12,26 3
(n  1)(n  2) S 3
Karena nilai Cs positif maka data tersebut menceng ke kanan dan
distribusinya mendekati normal (Cs ~ 0).
Koefisien keruncingannya dihitung dengan persamaan :

 
k
n f Mi  X
4
20.874846,25
= = 0,133
Ck  i 1
19.18.17.12,26 4
(n  1)(n  2)(n  3) S 4
Keruncingan kurva distribusi data tersebut adalah kurva platykurtis
(mendatar).
J. Soal-Soal
1. Hasil uji berat volume beton γ (kN/m3) sebanyak 10 sampel adalah sebagai
berikut :
24 22,6 23,5 24,5 24,3 23,6 24,1 23,8 24 23,2
a. Hitunglah rentang berat volume sampel tersebut.

41
 b. Berapakah simpangan baku dari sampel tersebut?
2. Di bawah ini adalah hasil uji kadar air 28 sampel dari lokasi pengambilan
bahan timbunan.
Kadar air w (%) Jumlah
0–9 4
10 – 19 6
20 - 29 7
30 – 39 5
40 – 49 3
50 – 59 2
60 – 69 1
Hitunglah :
a. Rata-rata, simpangan baku dan koefisien variasi dari data tersebut.
b. Koefisien kemencengan dan koefisien keruncingannya.
3. Hitunglah besar koefisien skewness dan kurtosis dari data hujan harian
maksimum tahunan di bawah ini
Tahun Hujan Harian Maksimum
1992 90,00
1993 90,00
1994 60,00
1995 90,00
1996 98,10
1997 15,40
1998 90,20
1999 50,20
2000 99,20
2001 90,50
2002 91,20
2003 91,00
2004 67,00

42