SIMPANGAN (DISPERSI) DAN VARIASI

Ukuran Simpangan = Ukuran Dispersi = Ukuran Variasi

1. Rentang (range)
2. Rentang antar kuartil
3. Simpangan kuartil (deviasi Kuartil)
4. Rata-rata Simpangan (Deviasi rata-rata)
5. Simpangan baku (standar deviasi) dan Varians

1. Rentang (Range) = skor terbesar – skor terkecil

2. Rentang antar kuartil  RAK = K3 – K1

3. Simpangan Kuartil (Deviasi Kuartil = Rentang Semi Antar Kuartil) 

SK = ½ (K3 – K1)

∑|𝑋𝑖− 𝑋̅|
4. Rata-rata Simpangan (Deviasi Rata-rata)  RS =
𝑛

Contoh: Suatu sampel berukuran n = 5, dengan data: 8, 7, 10, 11, 14

Maka Deviasi rata-rata (Rata-rata Simpangan) dapat dihitung sbb:

Xi Xi - 𝑋̅ |𝑋𝑖 − 𝑋̅|
8 -2 2 Nilai rata-rata  𝑋̅ = ∑ 𝑋 = 50 = 10
𝑛 5
7 -3 3
10 0 0 ∑|𝑋𝑖− 𝑋̅| 10
11 +1 1 RS = = = 2,0
𝑛 5
14 +4 4
∑ X = 50 0 10

5. Simpangan Baku = Standar Deviasi

Simpangan baku (Standar Deviasi) merupakan ukuran simpangan yang
paling banyak digunakan. Misalkan suatu sampel berukuran n, dengan data: X1,
X2, X3, …., Xn. Maka simpangan baku (standar deviasi) dari sampel tersebut
dapat dihitung sbb:
∑(𝑋𝑖− 𝑋̅)2 ∑𝑥𝑖 2
a. Estimasi yg sifatnya bias  s = √ =√
𝑛 𝑛
 ∑(𝑋𝑖− 𝑋̅)2 ∑𝑥𝑖 2
b. Estimasi yg tidak bias  s = √ =√
𝑛−1 𝑛−1
Keterangan:
s = simpangan baku sampel sbg estimasi terhadap σ (simpangan baku
populasi)
n – 1 = derajat kebebasan

Contoh: Suatu sampel berukuran n = 5, dengan data: 8, 7, 10, 11, 14

Maka Simpangan baku atau Standar Deviasi dapat dihitung sbb:

Xi Xi - 𝑋̅ (𝑋𝑖 − ̅̅̅
𝑋)2
8 -2 4 ∑𝑋 50
̅=
Nilai rata-rata  𝑋 = = 10
𝑛 5
7 -3 9
10 0 0
∑(𝑋𝑖− 𝑋̅)2 30
11 +1 1 s=√ =√ = √7,5 = 2,74
𝑛−1 5−1
14 +4 16
∑ X = 50 0 30
Rumus di atas diterapkan dengan selalu menghitung rerata (𝑋̅ ) terlebih
dahulu, sehingga disebut sebagai Rumus Deviasi.

6. Simpangan Baku dengan Rumus Skor Kasar :

Harga simpangan baku (standar deviasi) dengan rumus angka kasar atau
rumus varians dapat dihitung sbb:
𝑛. ∑𝑋𝑖 2 − (∑𝑋𝑖)2 𝑛.∑𝑋𝑖 2 − (∑𝑋𝑖)2
𝑠2 =  s=√
𝑛 (𝑛−1) 𝑛 (𝑛−1)

Contoh: Suatu sampel berukuran n = 5, dengan data: 8, 7, 10, 11, 14

Maka Simpangan baku atau Standar Deviasi dapat dihitung dengan rumus
angka kasar (rumus varians) sbb:

Xi 𝑋𝑖 2 𝑛. ∑𝑋𝑖 2 − (∑𝑋𝑖)2 𝑛.𝑋𝑖 2 − (∑𝑋𝑖)2

8 64
𝑠2 =  s=√
𝑛 (𝑛−1) 𝑛 (𝑛−1)
7 49
(5).(530)− (50)2 150
10 100 s=√ =√ = 2,74
5 (5−1) 20
11 121
14 196
∑ Xi = 50 ∑𝑋𝑖 2 = 530
7. Simpangan Baku dari data dalam Distribusi Frekuensi Bergolong:
a. Dengan rumus Angka Kasar (Rumus Varians):
𝑛.∑𝑓𝑖.𝑋𝑖 2 − (∑𝑓𝑖.𝑋𝑖)2
𝑠2 =
𝑛 (𝑛−1)
Keterangan: Xi = tanda kelas (mid-point)
fi = Frekuensi pada kelas yang sesuai
n = ∑fi

Contoh: Data Nilai Statistika 80 Mahasiswa yg telah disajikan dalam Tabel

Distribusi Frekuensi Bergolong sbb:

Nilai fi Xi 𝑋𝑖 2 fi. Xi 𝑓𝑖. 𝑋𝑖 2

31 – 40 1 35,5 1260,25 35,5 1.260,25
41 – 50 2 45,5 2070,25 91,0 4.140,50
51 – 60 5 55,5 3080,25 277,5 15.401,25
61 – 70 15 65,5 4290,25 982,5 64.353,75
71 – 80 25 75,5 5700,25 1887,5 142.506,25
81 – 90 20 85,5 7310, 25 1710,0 146.205,0
91 – 100 12 95,5 9120, 25 1146,0 109.443,0
JUMLAH 80 -- -- 6130,0 483.310,0

(80). (483.310) − (6130)2

Maka 𝑠 2 = = 172,1  s = √172,1 = 13,12
80 (80−1)

b. Dengan Rumus Deviasi :

Contoh: Data Nilai Statistika 80 Mahasiswa yg telah disajikan dalam Tabel
Distribusi Frekuensi Bergolong sbb:

Nilai fi Xi Xi - 𝑋̅ (𝑋𝑖 − 𝑋̅)2 𝑓𝑖. (𝑋𝑖 − 𝑋̅)2

31 – 40 1 35,5 -41,1 1689,21 1.689,21
41 – 50 2 45,5 -31,1 967,21 1.834,42
51 – 60 5 55,5 -21,1 445,21 2.226,05
61 – 70 15 65,5 -11,1 123,21 1.848,15
71 – 80 25 75,5 -1,1 1,21 30,25
81 – 90 20 85,5 +8,9 79,21 1.584,20
91 – 100 12 95,5 +18,9 357,21 4.286,52
JUMLAH 80 -- -- 13.498,80
Nilai rata-rata : 𝑋̅ = 76,625 ∞ 76,6
∑𝑓𝑖. (𝑋𝑖− 𝑋̅ )2 13.498,80
𝑠2= = = 170,9  s = √170,9 = 13,07
𝑛−1 80−1
c. Dengan Rumus Koding :

Contoh: Data Nilai Statistika 80 Mahasiswa yg telah disajikan dalam Tabel

Distribusi Frekuensi Bergolong sbb:

Nilai fi Xi ci 𝑐𝑖 2 fi. ci 𝑓𝑖. 𝑐𝑖 2

31 – 40 1 35,5 -3 9 -3 9
41 – 50 2 45,5 -2 4 -4 8
51 – 60 5 55,5 -1 1 -5 5
61 – 70 15 65,5 0 0 0 0
71 – 80 25 75,5 +1 1 + 25 25
81 – 90 20 85,5 +2 4 + 40 80
91 – 100 12 95,5 +3 9 + 36 108
JUMLAH 80 -- -- -- + 89 235

𝑛.∑𝑓𝑖.𝑐𝑖 2 – (∑𝑓𝑖.𝑐𝑖)2 (80). (235) – (89)2

Rumus : 𝑠 2 = 𝑝2 [ ] = (10)2 [ ] = 172,1
𝑛 (𝑛−1) 80 (80−1)

 S = √172,1 = 13,12

Apakah dalam menentukan nilai simpangan baku ini, kita juga bebas menentu-
kan letak ci = 0 …?

Contoh:

Nilai fi Xi ci 𝑐𝑖 2 fi. ci 𝑓𝑖. 𝑐𝑖 2

31 – 40 1 35,5 -4 16 -4 16
41 – 50 2 45,5 -3 9 -6 18
51 – 60 5 55,5 -2 4 -10 20
61 – 70 15 65,5 -1 1 -15 15
71 – 80 25 75,5 0 0 0 0
81 – 90 20 85,5 +1 1 + 20 20
91 – 100 12 95,5 +2 4 + 24 48
JUMLAH 80 -- -- -- +9 137

𝑛.∑𝑓𝑖.𝑐𝑖 2 – (∑𝑓𝑖.𝑐𝑖)2 (80). (137) – (9)2

Rumus : 𝑠 2 = 𝑝2 [ ] = (10)2 [ ] = 172,1
𝑛 (𝑛−1) 80 (80−1)

 S = √172,1 = 13,12
8. Simpangan Baku Gabungan dari Beberapa Sub Sampel
Misal:
Sub-sample 1 : berukuran n1, dgn simpangan baku s1
Sub-sample 2 : berukuran n2, dgn simpangan baku s2
………………………………………………………………………………..
Sub-sample k : berukuran nk, dgn simpangan baku sk
Maka simpangan baku gabungan dari sampel berukuran n1 + n2 + …..+ nk
dapat dihitung dengan rumus:
2 ∑(𝑛𝑖−1).𝑠12 (𝑛1−1).𝑠12 +(𝑛2−1).𝑠22 + … +(𝑛𝑘−1) 𝑠𝑘 2
𝑠 = 2
atau 𝑠 =
∑𝑛𝑖−𝑘 𝑛1+𝑛2+⋯+𝑛𝑘−𝑘
𝐂ontoh:
Hasil pengamatan pada sub sampel pertama terhadap 14 objek,
menghasilkan s1 = 2,75 , sedangkan pengamatan pada sub sampel kedua
terhadap 23 objek, diperoleh s2 = 3,08. Maka simpangan baku gabungan
dari kedua sub sampel tsb dapat dihitung:
(𝑛1−1).𝑠12 +(𝑛2−1).𝑠22 (14−1).(2,75)2 +(23−1).(3,08)2
𝑠2 = =
𝑛1+𝑛2−𝑘 14+ 23−2
𝑠 2 = 8,772  s = √8,772 = 2,96