Anda di halaman 1dari 48

STATISTIK DAN

PROBABILITAS
Distribusi Data/ Sampel
(Pengukuran Dispersi, Kemiringan dan
Keruncingan Distribusi Data)
Oleh :
Sapitri, ST., MT

PROGRAM STUDI TEKNIK SIPIL


UNIVERSITAS ISLAM RIAU

Minggu Ke – 5 & 6
PENDAHULUAN
2

Sebelumnya :
 Telah mempelajari statistika deskriptif, al:

 Minggu 1 telah mempelajari bagaimana menyajikan data dengan

memakai tabel, diagram batang, diagram garis dan diagram lingkaran.


 Minggu 2 distribusi frekuensi dan menggambarkannya dalam bentuk

histogram, poligon frekuensi dan ogif serta diagram batang-daun.


 Minggu 3 : (a) Ukuran pemusatan data : rata-rata hitung, median, modus,

rata-rata geometrik dan rata-rata harmonis. (b) Ukuran letak data : kuartil,
desil dan persentil.
 Aspek pengukuran lain yang juga sangat penting dan masih merupakan

bagian statistika deskriptif yaitu : pengukuran dispersi, kemiringan dan


keruncingan data.
DISPERSI DATA
3

Dispersi/ variasi/ keragaman data adalah → ukuran penyebaran suatu kelompok


data terhadap pusat data.
Ukuran dispersi atau variasi atau keragaman atau penyimpangan adalah →
ukuran yang menyatakan seberapa jauh penyimpangan nilai-nilai data dari nilai-nilai
pusatnya atau ukuran yang menyatakan seberapa banyak nilai-nilai data yang berbeda
dengan nilai-nilai pusatnya.
Beberapa jenis ukuran dispersi data :
A. Dispersi Mutlak
1. Jangkauan (range)
2. Simpangan rata-rata (mean deviation)
3. Variansi (variance)
4. Standar deviasi (standard deviation)
5. Simpangan kuartil (quartile deviation)
B. Dispersi Relatif
1. Koefisien variasi (coeficient of variation)
Dispersi Data
(Pengukuran Dispersi Mutlak)

4 MINGGU KE – 5
DISPERSI DATA
1. Jangkauan (range)
5

Jangkauan atau range (r) adalah selisih antara nilai maksimum dengan
nilai minimum.
Range (r) = nilai maksimum – nilai minimum

Contoh :
1. Kelompok data 1 : 50, 50, 50, 50, 50 → r = 50 – 50 = 0 (terkecil)
Kelompok data 2 : 30, 40, 50, 60, 70 → r = 70 – 30 = 40
Kelompok data 3 : 20, 30, 50, 70, 80 → r = 80 – 20 = 60 (terbesar)
≈ paling menyebar
DISPERSI DATA
1. Jangkauan (range)
6

2. Perhatikan tabel berikut

Jangkauan data = 73 – 61 = 12 kg
Jangkauan suatu kelompok data menunjukkan kualitas data. Makin kecil
jangkauan suatu datam maka kualitas data itu semakin baik dan sebaliknya.
DISPERSI DATA
2. Simpangan rata-rata (mean deviation)
7

Simpangan rata-rata (SR) adalah jumlah nilai mutlak dari selisih semua nilai dengan
nilai rata-rata dibagi banyaknya data.
Rumus untuk data tidak berkelompok :

Contoh : Tentukanlah simpangan rata-rata kelompok data : 20, 30, 50, 70, 80!
DISPERSI DATA
2. Simpangan rata-rata (mean deviation)
8

.
Rumus untuk data berkelompok :

Contoh : Tentukanlah simpangan rata-rata data modal 40 perusahaan pada tabel berikut.
DISPERSI DATA
2. Simpangan rata-rata (mean deviation)
9
DISPERSI DATA
3. Variansi (variance)
10

Variansi (S2) adalah jumlah nilai mutlak dari selisih semua nilai dengan nilai rata-rata
dibagi banyaknya data.
Rumus untuk data tidak berkelompok :

Jika diturunkan :
DISPERSI DATA
3. Variansi (variance)
11
DISPERSI DATA
4. Standar Deviasi (standard deviation)
12

Berkaitan langsung dengan variansi


Adalah akar pangkat dua dari variansi.
Standar Deviasi sering disebut simpangan baku.
Rumus
a. untuk data tidak berkelompok :

atau

b. untuk data berkelompok :

atau
DISPERSI DATA
4. Standar Deviasi (standard deviation)
13

X 20 30 50 70 80 ∑X = 250
X2 400 900 2500 4900 6400 ∑X2 = 15.100
DISPERSI DATA
4. Standar Deviasi (standard deviation)
14

Contoh :
DISPERSI DATA
4. Standar Deviasi (standard deviation)
15

Menghitung Variansi dan Standar Deviasi menggunakan Kode (U).


Selain cara di atas, juga dapat dilakukan dengan cara koding atau transformasi dari
fariabel X ke variabel U.

Rumus :

Dengan cara transformasi atau kode tersebut, maka untuk nilai data X yang besar akan
berubah menjadi nilai data U yang kecil, yaitu U=0, ±1, ±2, ±3, dst.
Kelebihan : mempermudah perhitungan, hasil yang diperoleh lebih teliti dan mengurangi
risiko kesalahan dalam proses perhitungan.
DISPERSI DATA
4. Standar Deviasi (standard deviation)
16
DISPERSI DATA
5. Jangkauan Kuartil dan Jangkauan Persentil 10-90
17

Jangkauan kuartil (JK) disebut juga simpangan kuartil atau rentang semi
antarkuartil atau deviasi kuartil.
Jangkauan persentil (JP) 10 – 90 disebut juga rentang persentil 10 – 90.
Rumus Jangkauan kuartil (JK) :
dimana:
Q1 = kuartil bawah atau kuartil pertama
Q3 = kuartil atas atau kuartil ketiga

Rumus Jangkauan persentil (JP) :


dimana:
JP10-90 = P90 – P10 P10 = Persentil ke - 10
P90 = Persentil ke - 90
DISPERSI DATA
5. Jangkauan Kuartil dan Jangkauan Persentil 10-90
18

Contoh :
DISPERSI DATA
5. Jangkauan Kuartil dan Jangkauan Persentil 10-90
19

Contoh :
DISPERSI DATA
5. Jangkauan Kuartil dan Jangkauan Persentil 10-90
20
Dispersi Data
(Pengukuran Dispersi Relatif)

21 MINGGU KE – 6 (SAMBUNGAN)
DISPERSI DATA
6. Koefisien Variasi (KV)
22
DISPERSI DATA
6. Koefisien Variasi (KV)
23

X 30 40 50 60 70 ∑X = 250
X2 900 1600 2500 3600 4900 ∑X2 = 13500
DISPERSI DATA
6. Koefisien Variasi (KV)
24

Contoh :
2. Ada 2 jenis bola lampu. Lampu A secara rata-rata mampu menyala selama
1500 jam dengan simpangan baku S1 = 275. Sedangkan lampu jenis B secara
rata-rata mampu menyala selama 1750 jam dengan simpangan baku S2 = 300
jam. Lampu mana yang kualitasnya lebih baik?
Jawab:
Lampu A : KV1 = (275/1500) x100% = 18,3%
Lampu B : KV2 = (300/1750) x100% = 17,1%

Maka, berdasarkan koef variasinya lampu B mempunyai koef variasi lebih kecil
daripada lampu A. Dengan kata lain kemampuan menyala lampu A lebih
bervariasi daripada lampu B, dan kemampuan menyala lampu B lebih seragam
daripada lampu A. Artinya lampu B kualitasnya lebih baik daripada lampu A.
DISPERSI DATA
7. Koefisien Variasi Kuartil (KVQ)
25
DISPERSI DATA
7. Koefisien Variasi Kuartil (KVQ)
26
DISPERSI DATA
8. Nilai Baku (Z/ Z – Score)
27
DISPERSI DATA
8. Nilai Baku (Z)
28

karena nilai Z Kalkulus 1 > dari nilai Z bhs Ingris,


maka posisi (prestasi) Dona lebih baik pada mata
kuliah Kalkulus 1daripada mata kulah bhs Ingris.
Kemiringan Distribusi Data

29 MINGGU KE – 6
KEMIRINGAN DISTRIBUSI DATA
30
KEMIRINGAN DISTRIBUSI DATA
31
KEMIRINGAN DISTRIBUSI DATA
32

Cara yang dipakai untuk menghitung derajat kemiringan


distribusi data dengan 3 rumus, yaitu :
1. Rumus Pearson
2. Rumus Momen
3. Rumus Bowley
KEMIRINGAN DISTRIBUSI DATA
1. Dengan Rumus Pearson
33

Rumus Pearson untuk menghitung derajat kemiringan () :

Rumus ini dapat dipakai untuk data tidak berkelompok maupun data
berkelompok.
 Bila  = 0 atau mendekati 0, disebut distribusi data simetri
 Bila  = negatif, disebut distribusi data miring ke kiri
 Bila  = positif, disebut distribusi data miring ke kanan
Semakin besar , maka distribusi data akan semakin miring atau
semakin tidak simetri.
KEMIRINGAN DISTRIBUSI DATA
2. Dengan Rumus Momen
34

Untuk menghitung derajat kemiringan distribusi data cara yang lain


yaitu dengan Rumus Momen Derajat Ketiga (3) :
Untuk data tidak berkelompok : Untuk data berkelompok :
KEMIRINGAN DISTRIBUSI DATA
2. Dengan Rumus Momen
35

Khusus data berkelompok dalam bentuk tabel distribusi frekuensi),


derajat kemiringan (3) dapat dihitung dengan cara transformasi
(Kode U).
Rumus

 Bila 3 = 0, distribusi data simetri


 Bila 3 < 0, distribusi data miring ke kiri

 Bila 3 > 0, distribusi data miring ke kanan


KEMIRINGAN DISTRIBUSI DATA
3. Dengan Rumus Bowley
36

Menurut Bowley, derajat kemiringan bisa ditentukan dengan memakai nilai


Kuartil bawah (Q1), tengah (Q2) dan atas (Q3).

Rumus :

Jika distribusinya SIMETRI, maka Q3 – Q2 = Q2 – Q1, sehingga


Q3 + Q1 – 2 Q2 = 0, maka  = 0.
Jika distribusinya MIRING, ada 2 kemungkinan:
• Q1 = Q2 , maka  = 1

• Q2 = Q3 , maka  = -1
KEMIRINGAN DISTRIBUSI DATA
Contoh Soal
37

1.

X 5 6 8 8 8 9 10
X2 9 16 16 25 36 64 64 64 81 100
KEMIRINGAN DISTRIBUSI DATA
Contoh Soal
38
KEMIRINGAN DISTRIBUSI DATA
Contoh Soal
39

2. Diketahui data berat badan 100 mahasiswa suatu perguruan tinggi adalah sebagai berikut.

Jawab :
KEMIRINGAN DISTRIBUSI DATA
Contoh Soal
40
KERUNCINGAN DISTRIBUSI DATA
41

Keruncingan Distribusi Data adalah derajat atau ukuran tinggi rendahnya puncak suatu
distribusi data terhadap distribusi normalnya data.

Keruncingan Distribusi Data disebut Kurtosis.

Ada 3 jenis derajat keruncingan :


1. Leptokurtis, jika puncak relatif tinggi
2. Mesokurtis, jika puncaknya normal
3. Platikurtis, jika puncak terlalu rendah/ terlalu mendatar
KERUNCINGAN DISTRIBUSI DATA
42

Derajat keruncingan distribusi data (4) dihitung dengan rumus:


Untuk data tidak berkelompok :

Untuk data berkelompok :


KERUNCINGAN DISTRIBUSI DATA
43

Rumus:
KERUNCINGAN DISTRIBUSI DATA
44

Cara lain menghitung Derajat Keruncingan Distribusi Data (k) adalah


dengan Rumus Koefisien Kurtosis Persentil:
KERUNCINGAN DISTRIBUSI DATA
45

Contoh : Diketahui data berat badan 100 mahasiswa suatu perguruan tinggi seperti
pada contoh 2 Kemiringan Distribusi Data.
Jawab : Perhatikan tabel

� 4=
KERUNCINGAN DISTRIBUSI DATA
46

Karena � 4 = 2,705 < 3, maka derajat keruncingan distribusi data adalah platikurtis.

Dengan Rumus Koefisien Kurtosis Persentil, yaitu :


Tentukan dahulu nilai Q3, Q1, P10 dan P90
k KERUNCINGAN DISTRIBUSI DATA
47

Maka nilai k adalah :

Nilai k = 0,250 < 0,263, maka keruncingan distribusi data adalah


platikurtosis
48 Terimakasih…