besar penyimpangan data dengan nilai rata-rata hitungnya. nilai penyebaran ini dapat menjadi
petunjuk apakah sekelompok data menyebar atau bervariasi di sekitar rata-rata atau jauh diatas
rata-rata. Seandainya ada sekelompok data yang tidak menyebar atau bervariasi akan
ditunjukkan dengan ukuran penyebaran sama dengan nol, dimisalkan pendapatan masyarakat
suatu kota adalah satu juta rupiah per bulan berarti semua masyarakat di kota tersebut semua
berpendapatan satu juta tidak ada yang lebih ataupun kurang.
Ukuran-ukuran Penyebaran atau Dispersi meliputi :
1. Dispersi Absolut
2. Dispersi Relatif
Ukuran Penyebaran Dispersi Absolut yaitu :
a. Range
Range merupakan selisih antara nilai data terbesar dengan data terkecil dari
sekelompok data.
Rumusannya adalah R = Xn – X1
b. Deviasi Kuartil/Quartil Deviation
Deviasi Kuartil atau juga disebut Simpangan Kuartil dirumuskan Qd = Q3 – Q1
2AA
Deviasi Rata-rata/Simpangan Rata-rata/Average Deviation
a. Data tidak berkelompok
AD = ∑ │X – х│
N
Dimana :
X = Nilai observasi/data
X = rata-rata/Mean
│ │ = Tanda Mutlak yaitu semua hasil perhitungan jika menggunakan tanda mutlak maka
jika negative hasilnya secara otomatis diubah menjadi positip.
N = Banyaknya data/observasi
b. Data berkelompok
AD = ∑ f│m – х│
N
Dimana :
F = Frekuensi dari suatu kelas
M = Nilai Tengah dari suatu kelas
X = rata-rata/Mean
│ │= Tanda Mutlak yaitu semua hasil perhitungan jika menggunakan tanda mutlak maka jika
negative hasilnya secara otomatis diubah menjadi positip.
N = Banyaknya data/jumlah seluruh frekuensi
Standar deviasi / simpangan baku
1. Data tidak berkelompok
S = √ ∑ (X – x)2 untuk sample kecil / n < 30
n-1
S = √ ∑ (X – x)2 untuk sampel besar/ n = 30 ke atas
n
Standar Deviasi/Simpangan Baku
2. Data berkelompok
a. S = √ ∑ (m – x)2 .f
n
Dimana :
M = Nilai Tengah dari suatu kelompok kelas
F = Frekuensi dari suatu kelompok kelas
N = Jumlah seluruh data/frekuensi
b. S = √ I2 [ ∑ui2.fi - ( ∑uifi )2 ]
n n
Dimana :
I = Interval kelas
Ui = Nilai deviasi kelas ke i
Fi = Frekuensi kelas ke i
N = Jumlah seluruh data
Dispersi relative
Koefisien Variasi
KV = s X 100
X
Dimana :
X = Rata-rata Hitung
S = Standar Deviasi
Makin tinggi Nilai Koefisien Variasi, makin besar pencaran/dispersi/variasi dari suatu data.
Nilai Standar
Nilai standar digunakan untuk mencari melihat posisi suatu data dihubungkan dengan
selompoknya secara relatif.
Z=x-X
s
Dimana :
Z = Nilai Standar
X = Nilai dari suatu data yang akan dicari posisi / kedudukannya.
X = Nilai Rata-rata Hitung dan s adalah Standar Deviasi
Cara perhitungan nilai penyebaran dan interpretasinya meliputi
JENIS-JENIS NILAI PENYEBARAN DATA
1. Range
Pengertian Range
Range yang biasa diberi lambang R adalah salah satu ukuran statistik yang menunjukkan jarak
penyebaran antara skor (nilai) yang terendah sampai skor (nilai) yang tertinggi. Range
dirumuskan :
R = H – L
R : Range yang dicari
H : Skor atau nilai yang tertinggi
L : Skor atau nilai yang terendah
Semakin kecil Range-nya maka akan semakin homogen distribusi nilai tersebut, sebaliknya
makin besar Range-nya, akan bervariasi nilai-nilai yang ada dalam distribusi nilai tersebut.
Kegunaan Range
Range digunakan sebagai ukuran, apabila di dalam waktu yang sangat singkat kita ingin
memperoleh gambaran tentang penyebaran data yang sedang kita selidiki dengan mengabaikan
factor ketelitian atau kecermatan.
Kelebihan :
Dengan menggunakan range dalam waktu singkat kita dapat memperoleh gambaran umum
mengenai luas penyebaran data yang kita hadapi.
Kelemahan :
Range akan sangat bergantung kepada nilai-nilai ekstrimnya.
Range sebagai ukuran penyebaran data tidak memperhatikan distribusi yang terdapat di dalam
Range itu sendiri.
1. Deviasi
Dalam statistik yang dimaksud dengan Deviasi ialah selisih atau simpangan dari masing-
masing skor atau interval dari nilai rata-rata hitungnya. Deviasi merupakan salah satu ukuran
variabilitas data yang biasa dilambangkan dengan huruf kecil dari huruf yang digunakan
sebagai lambang skornya. Deviasi dirumuskan :
= Mean
= Skor
Deviasi yang berada di atas Mean disebut deviasi positif bertanda +, sedangkan deviasi yang
berada di bawah Mean disebut deviasi negatif bertanda – . Deviasi ada dua jenis yaitu deviasi
rata-rata dan deviasi standar.
a.Deviasi Rata-rata
Deviasi rata-rata adalah jumlah harga mutlak deviasi dari tiap-tiap skor dibagi dengan
banyaknya skor itu sendiri. Deviasi rata-rata dirumuskan :
= Deviasi rata-rata
= Jumlah harga mutlak deviasi tiap-tiap skor atau interval
= Jumlah skor keseluruhan
Cara mencari deviasi rata-rata untuk data tunggal yang berfrekuensi satu
Langkah-langkahnya :
Mencari Mean
Menghitung deviasi masing-masing skor :
Menghitung deviasi rata-rata :
Contoh :
TABEL
4.2
Mx (RATA-
NILAI FREKUENSIRATA) DEVIASI
73 1 70 3
78 1 70 8
60 1 70 -10
70 1 70 0
62 1 70 -8
80 1 70 10
67 1 70 -3
Total 7=N 42
Cara mencari defiasi rata-rata data tunggal berfrekuensi lebih dari satu
Langkah-langkah :
Mencari Mean
Mx (RATA-
USIA (X) FREKUENSIFx RATA) DEVIASIfx
31 4 124 27,2 3,8 15,2
30 4 120 27,2 2,8 11,2
29 5 145 27,2 1,8 9
28 7 196 27,2 0,8 5,6
27 12 324 27,2 -0,2 -2,4
26 8 208 27,2 -1,2 -9,6
25 5 125 27,2 -2,2 -11
24 3 72 27,2 -3,2 -9,6
23 2 46 27,2 -4,2 -8,4
JUMLAH 50=N 1360 82
Langkah-langkah :
Menetapkan midpoint masing-masing interval
Mengalikan frekuensi masing-masing interval dengan midpointnya sehingga diperoleh dan
Mencari Mean
TABEL 4.5
INTERVALFREKUENSIX fX Mx x fx
70-74 3 72 216 46,81 25,19 75,56
65-69 5 67 335 46,81 20,19 100,94
60-64 6 62 372 46,81 15,19 91,13
55-59 7 57 399 46,81 10,19 71,31
50-54 7 52 364 46,81 5,19 36,31
45-49 17 47 799 46,81 0,19 3,19
40-44 15 42 630 46,81 -4,81 -72,19
35-39 7 37 259 46,81 -9,81 -68,69
30-34 6 32 192 46,81 -14,81 -88,88
25-29 5 27 135 46,81 -19,81 -99,06
20-24 2 22 44 46,81 -24,81 -49,63
Total 80=N - 3745 756,88
Deviasi Standar
Deviasi Rata-rata dalam dunia statistik dikenal sebagai deviasi standar.
Deviasi standar dirumuskan seperti berikut :
SD = Deviasi Standar
= Jumlah semua deviasi setelah mengalami pengkuadratan
N = Jumlah skor keseluruhan
Langkah perhitungan :
Mencari Mean
Contoh :
TABEL
4.6
X f Mx x x2
73 1 70 3 9
78 1 70 8 64
60 1 70 -10 100
70 1 70 0 0
62 1 70 -8 64
80 1 70 10 100
67 1 70 -3 9
490 7 70 346
Cara mencari Deviasi Standar untuk data tunggal berfrekuensi lebih dari satu
Mencari Mean
Contoh :
TABEL
4.8
X f fX Mx x x2 fx2
31 4 124 27,2 3,8 14,44 57,76
30 4 120 27,2 2,8 7,84 31,36
29 5 145 27,2 1,8 3,24 16,2
28 7 196 27,2 0,8 0,64 4,48
27 12 324 27,2 -0,2 0,04 0,48
26 8 208 27,2 -1,2 1,44 11,52
25 5 125 27,2 -2,2 4,84 24,2
24 3 72 27,2 -3,2 10,24 30,72
23 2 46 27,2 -4,2 17,64 35,28
243 50 1360 60,36 212
Cara mencari deviasi standar untuk data kelompok
Contoh :
TABEL 4.9
INTERVALFREKUENSIX fX Mx x x2 fx2
70-74 3 72 216 46,81 25,19 634,41 1903,23
65-69 5 67 335 46,81 20,19 407,54 2037,68
60-64 6 62 372 46,81 15,19 230,66 1383,96
55-59 7 57 399 46,81 10,19 103,79 726,50
50-54 7 52 364 46,81 5,19 26,91 188,37
45-49 17 47 799 46,81 0,19 0,04 0,60
40-44 15 42 630 46,81 -4,81 23,16 347,40
35-39 7 37 259 46,81 -9,81 96,29 674,00
30-34 6 32 192 46,81 -14,81 219,41 1316,46
25-29 5 27 135 46,81 -19,81 392,54 1962,68
20-24 2 22 44 46,81 -24,81 615,66 1231,32
Total 80=N - 3745 2750,39 11772,19
Definisi:
R = X u - Xl
R = TKu - TK
Jangkauan (Range)
Misalnya, range untuk Varietas I pada tabel di atas adalah 45 – 40 = 5 (45 adalah nilai
maksimum dan 40 adalah nilai minimum). Seringkali kita mengatakan range dengan
pernyataan seperti “hasil berkisar antara 40 – 45 kg per petak”. Kisarannya lebih sempit
dibandingkan dengan pernyataan “hasil berkisar antara 40 – 60 kg per petak”. Pernyataan
pertama menggambarkan bahwa variasi hasil padi tidak terlalu beragam, sedangkan pada
pernyataan kedua, terjadi hal sebaliknya.
Range hanya memperhitungkan dua nilai, yaitu nilai maksimum dan nilai minimum dan tidak
memperhitungkan semua nilai, sehingga sangat tidak stabil atau tidak dapat diandalkan sebagai
indikator dari ukuran penyebaran. Hal ini terjadi karena range sangat dipengaruhi oleh nilai-
nilai ekstrim. Pada contoh di atas, jika hasil tertinggi varietas I adalah 60 kg/petak, bukan 45
kg/petak, maka range-nya = 60-40= 20 kg/petak.
Jelas, interpretasi kita akan berubah. Kita lebih sepakat mengatakan bahwa variasi hasil sangat
beragam. Benarkah demikian? Apabila kita perhatikan kembali, nilai hasil padi lainnya hampir
seragam, berkisar antara 40-44 kg/petak. Namun dengan adanya pencilan hasil, 60 kg/petak,
interpretasinya jadi lain, kita cenderung mengatakan bahwa hasil beragam, padahal keragaman
tersebut sebenarnya tidak mewakili semua nilai dalam sampel/populasinya.
Hasil sebesar 60 kg/petak merupakan contoh dari nilai ekstrem dan tidak biasa. Nilai tersebut
merupakan pencilan (outlier) dan sebaiknya di periksa kembali kebenaran datanya atau
dihilangkan dari data pengamatan, karena akan menghasilkan kesimpulan yang tidak tepat.
Contoh 2:
Contoh kasus lain yang bisa menimbulkan salah interpretasi mengenai ukuran penyebaran data
dengan menggunakan Range adalah sebagai berikut:
Berikut ini adalah nilai Quiz ke-1 dan ke-2 Matakuliah Statistik. Tentukan Range untuk
masing-masing Quiz. Apa kesimpulan Anda?
Quiz ke-1: 1 20 20 20 20 20 20 20 20 20 20
Quiz ke-2: 2 3 4 5 6 14 15 16 17 18 19
Jawab:
Tentukan Mean dan Range dari kedua Varietas berikut. Kesimpulan apa yang bisa Anda tarik
berdasarkan nilai mean (rata-rata) dan range-nya?
Varietas I 45 42 42 41 40
Varietas III 45 40 44 41 40
Jawab:
Kedua Varietas, I dan III mempunyai nilai mean dan range yang sama, yaitu mean = 42 dan
range = 5.
Apabila kita hanya menggunakan ukuran range sebagai ukuran penyebaran, pasti kita
mengatakan bahwa keragaman hasil kedua varietas sama. Namun apabila kita perhatikan
bagaimana sebaran data kedua varietas terhadap nilai pusatnya, mungkin kita lebih memilih
Varietas I, karena pada Varietas I sebaran datanya tidak jauh dari nilai pusatnya.