Makalah ini dibuat ditujukan untuk memenuhi tugas Mata Kuliah Statistik
Pendidikan
Disusun oleh:
2019
Statistik Pendidikan | 1
BAB I
PENDAHULUAN
PENDAHULUAN
A. Latar Belakang
Statistika tidak dapat dipisahkan dalam kehidupan sehari-hari. Tanpa sadar
kita sering menjumpai data statistika. Ilmu statistika dapat membantu seseorang
dalam menyelesaikan masalah yang kaitannya dengan data tunggal maupun
kelompok. Salah satu jenis dari statistika mengenai kemiringan dan keruncingan.
Dalam malakah ini, akan dijelaskan mengenai pengertian, jenis dan kurva dari
suatu kemiringan dan keruncingan distribusi data tunggal maupun kelompok.
Materi dalam makalah ini juga dilengkapi dengan contoh soal dan latihan soal
untuk menguji pemahaman dari materi yang telah dipelajari.
PEMBAHASAN
KOEFISIEN VARIASI
Berikut ini adalah empat macam dispersi relatif yaitu koefisien variasi, variasi
jangkauan, variasi simpangan rata-rata dan variasi kuartil.
1. Koefisien Variasi
Jika koefisien absolut digantikan dengan simpangan bakunya maka
dispersi relatifnya disebut koefisien variasi(KV). Koefisien variasi
dirumuskan :
𝑠
KV =𝑋x 100%
Keterangan:
Statistik Pendidikan | 2
KV = Koefisien Varian
S = simpangan baku
X = rata-rata
A. UKURAN KEMIRINGAN
Statistik Pendidikan | 3
distribusi itu menyimpang dari simetris. Jika kita tinjau berdasarkan kemiringan,
suatu kurva distribusi dapat dikelompokkan menjadi tiga bagian, yaitu sebagai
berikut:
Menurut Pearson, dari hasil koefisien kemiringan diatas ada tiga kriteria untuk
mengetahui model distribusi dari sekumpulan data (baik data tidak berkelompok
maupun data berkelompok), yaitu:
1. Jika koefisien kemiringannya lebih kecil dari nol (<0), model distribusinya
negatif
2. Jika koefisien kemiringannya sama dengan nol (= 0), model distribusinya
simetris
3. Jika koefisien kemiringannya lebih besar dari nol (> 0), model
distribusinya positif.
Keterangan : 𝑥̅ = rata-rata
Mo = modus
S = simpangan baku
b. Koefisien kemiringan kedua dari Pearson
3 (𝑥̅ −Me)
Koefisien kemiringan = s
Keterangan : 𝑥̅ = rata-rata
Me = median
Statistik Pendidikan | 4
S = simpangan baku
c. Koefisien kemiringan menggunakan nilai kuartil
𝑄3 −2 𝑄2 + 𝑄1
Koefisien kemiringan = 𝑄3 − 𝑄1
Contoh :
Misalkan berat badan bayi (dicatat dalam kg) yang baru lahir selama seminggu
tertentu di rumah sakit bersalin “Sehat” dapat dilihat dalam tabel berikut.
Berat Badan bayi yang Baru Lahir
Selama Seminggu tertentu di Rumah Sakit Bersalin
Berat Badan (Kg) Banyak Bayi
2,5 – 2,6 2
2,7 – 2,8 3
2,9 – 3,0 5
3,1 – 3,2 7
3,3 – 3,4 6
3,5 -3,6 5
Jumlah 28
Statistik Pendidikan | 5
Hitung koefisien kemiringannya dengan menggunakan nilai kuartil.
Penyelesaian :
1. Menggunakan rumus kemiringan pertama dari pearson
Untuk memudahkan mencari koefisien kemiringan, maka kita gunakan
tabel dibawah ini
Jumlah 28 88 19 233
𝑥̅ − 𝑀𝑜
Koefisien kemiringan pertama dari pearson = 𝑠
∑𝐹. 𝑥𝑖 88
̅=
𝒙 = 28 = 3,14
∑𝐹
𝑑1
Modus = Tb Mo + p ( )
𝑑1+𝑑2
Statistik Pendidikan | 6
𝑑1
Modus = tbm + p (𝑑1+𝑑2)
2
= 3,05+ 0,2 (2+1)
= 3,05+ 0,13
= 3,18
√∑𝐹𝑖.𝑑2 √(∑𝐹𝑖.𝑑)2
S =P −
𝑛 𝑛
√61 √(−1)²
= 0,2 −
28 28
√61 √1
= 0,2 − 784
28
√1708 √1
= 0,2 − 784
784
√1707
= 0,2 784
= 0,2 √2,17
= 0,2 . 1,47
= 0,294
𝑥̅ − 𝑀𝑜
Koefisien kemiringan pertama dari pearson = 𝑠
3,14−3,18
= 0,294
−0,04
= 0,294
= -0,13
Karena koefisien kemiringannya -0,13 yaitu kurang dari 0, maka model
distribusinya adalah distribusi negatif.
3 (𝑥̅ −Me)
Koefisien kemiringan = s
̅ = 3,14 , s = 0,294
𝒙
Statistik Pendidikan | 7
𝑛 28
Median = 2 = = 14 , terletak dikelas interval ke-4.
2
𝑛
−𝐹
2
Me = Tb Me + p (𝐹𝑚𝑒 )
28
−10
2
= 3,05+ 0,2 ( )
7
4
= 3,05 + 0,2 ( 7 )
= 3,05 + 0,11
= 3,16
3 (𝑥̅ −Me)
Koefisien kemiringan = s
3 (3,14−3,16)
=
0,294
3 (−0,02)
= 0,294
− 0,06
= 0,294
= - 0,204
Karena koefisien kemiringannya -0,204 yaitu kurang dari 0, maka model
distribusinya adalah distribusi negatif.
𝑄3 −2 𝑄2 + 𝑄1
Koefisien kemiringan =
𝑄3 − 𝑄1
Statistik Pendidikan | 8
Untuk 𝑸𝟏 (kuartil pertama)
Kelas kuartil pertama adalah sebuah kelas interval yang frekuensinya apabila
1
dijumlahkan dati frekuensi kelas interval pertama mencapai paling sedikit n,
4
1
yaitu 4 x 28 orang = 7 orang.
Ternyata kelas kuartil pertama terletak pada kelas interval ketiga, karena jumlah
frekuensinya (2 + 3 + 5) orang = 10 orang. Sehingga kita bisa menghitung
besaran-besaran yang diperlukan dalam rumus kuartil pertama, yaitu
𝑇𝑏𝑄1 = 2,9 – 0,05 = 2, 85
p = 0,2
F =2+3=5
f𝑄1 =5
1
𝑛−𝐹
𝑄1 = 𝑇𝑏𝑄1 + p ( 4 f )
𝑄1
7−5
= 2,85 + 0,2 ( )
5
= 2,85 + 0,08
= 2,93
14 − 10
= 3,05 + 0,2 ( )
7
= 3,05 + 0,11
= 3,16
Statistik Pendidikan | 9
3 3
Letak Q3 ada pada data ke- n = x 28 orang = 21, yaitu pada kelas ke-5,
4 4
21 − 17
= 3,25 + 0,2 ( )
6
4
= 3,25 + 0,2 ( 6 )
= 3,25 + 0,13
= 3,38
𝑄3 −2 𝑄2 + 𝑄1
Diperoleh koefisien kemiringan = 𝑄3 − 𝑄1
3,38−2.3,16+2,93
= 3,38−2,93
−0,01
= 0,45
= -0,022
Karena koefisien kemiringannya -0,022 yaitu kurang dari 0, maka model
distribusinya adalah distribusi negatif.
25,2 – 23
= 3,45 + 0,2 ( 5
)
Statistik Pendidikan | 10
2,2
= 3,45 + 0,2 ( 5 )
= 3,45 + 0,088
= 3.538
Ternyata kelas persentil ke 50 terletak pada kelas interval keempat, karena jumlah
frekuensinya mencapai (2+3+5+7) orang = 17 orang. Sehingga kita bisa
menghitung besar-besaran yang diperlukan dalam rumus persentil ke 50, yaitu b =
3,1 – 0,05 = 3,05; p = 0,2, F = 10 ; 𝑓𝑝50 = 7
50
𝑛–𝐹
100
Jadi : 𝑃50 = Tb𝑃50 + p ( )
𝑓 𝑃50
14−10
= 3,05 + 0,2 ( )
7
4
= 3,05 + 0,2 ( )
7
= 3,05 + 0,11
= 3,16
Ternyata kelas persentil ke 10 terletak pada kelas interval kedua, karena jumlah
frekuensinya mencapai (2 + 3) orang = 5 orang. Sehingga kita bisa menghitung
besar-besaran yang diperlukan dalam rumus persentil ke 10, yaitu b = 2,7 – 0,05 =
2,65; p = 2,9 – 2,7 = 0,2; F = 2; 𝑓𝑝10 = 3
10
𝑛–𝐹
100
Jadi : 𝑃10 = Tb𝑃10 + p ( )
𝐹𝑃 10
2,8−2
= 2,65 + 0,2 ( )
3
Statistik Pendidikan | 11
0,8
= 2,65 + 0,2 ( 3 )
= 2,65 + 0,053
= 2,703
= - 0,094
Karena koefisien kemiringannya -0,094 yaitu kurang dari 0, maka model
distribusinya adalah distribusi negatif.
1. Jika suatu distribusi (kurva) lebih landai atau lebih tumpul dibandingkan
terhadap kurva normal, distribusinya disebut platikurtis
Statistik Pendidikan | 12
2. Jika suatu distribusi (kurva) normal, distribusinya disebut mesokurtis
3. Jika suatu distribusi (kurva) lebih lancip ataulebih ramping dibandingkan
terhadap kurva normal, distribusinya disebut leptokurtis.
1
( 𝑄3− 𝑄1 )
2
K=
𝑃90 − 𝑃10
Dari hasil koefisien kurtosis diatas, ada tiga kriteria untuk mengetahui model
distribusi dari sekumpulan data, yaitu :
1. jika koefisien kurtosisnya kurang dari 0,263 (< 0,263), maka distribusinya
adalah platikurtis
2. jika koefisien kurtosisnya sama dengan 0,263 (=0,263), maka distribusinya
adalah mesokurtis
3. jika koefisien kurtosisnya lebih dari 0,263 (>0,263), maka distribusinya
adalah leptokurtis
Contoh:
Lihat data dalam daftar (1), yaitu mengenai berat badan bayi yang baru lahir
selama seminggu tertentu dari rumah sakit bersalin “Sehat”. Hitung koefisien
kurtosisnya.
Penyelesaian:
Statistik Pendidikan | 13
Rumus yang digunakannya adalah :
1
2
( 𝑄3− 𝑄1 )
Q=
𝑃90 − 𝑃10
Kita sudah menghitung : 𝑄1 = 2,93, 𝑄 = 3,38, 𝑃10 = 2,703 dan 𝑃90 = 3,538
1
( 𝑄3− 𝑄1 )
Berarti: K = 2𝑃
90 − 𝑃10
1
( 3,38 −2,93 )
2
= 3,538−2,703
0,225
= 0,835
= 0,269
Karena koefisien keruncingannya lebih dari 0,263 (>0,263), maka distribusinya
adalah leptokurtis.
Statistik Pendidikan | 14
1. Tentukan koefisien kemiringan data berat badan 100 orang dibawah ini
menggunakan rumus pertama dari pearson dan tentukan jenis
distribusinya !
25-29 8
30-34 12
35-39 26
40-44 16
45-49 15
50-54 9
55-59 14
Jumlah 100
Statistik Pendidikan | 15
Kunci jawaban :
Penyelesaian :
35-39 26 37 962 46 0 0 0 0
40-44 16 42 672 62 5 1 16 16
45-49 15 47 705 77 10 2 30 60
50-54 9 52 468 86 15 3 27 81
𝑥̅ − 𝑀𝑜
1. Koefisien kemiringan pertama dari pearson = 𝑠
∑𝐹 − 𝑥𝑖 4205
̅=
𝒙 = = 42,05
∑𝐹 100
𝑑1
Modus = tbm + p (𝑑1+𝑑2)
Statistik Pendidikan | 16
= 34,5 + 2,916
= 37,416
√∑𝐹𝑖.𝑑2 √(∑𝐹𝑖.𝑑)2
S =P −
𝑛 𝑛
√425 √(101)²
=5 −
100 100
√425 √10201
=5 −
100 10000
√42500 √10201
=5 −
10000 10000
√32299
=5 10000
= 5 √3,2299
= 5 . 1,79
= 8,95
𝑥̅ − 𝑀𝑜
Koefisien kemiringan pertama dari pearson = 𝑠
42,05− 37,416
= 8,95
4,634
= 8,95
= 0,517
3 (𝑥̅ −Me)
Penyelesaian : Koefisien kemiringan = s
𝑛 100
Median = 2 = = 50 , terletak dikelas interval ke-4.
2
= 39,5 + 1,25
Statistik Pendidikan | 17
= 40,75
3 (𝑥̅ −Me)
Koefisien kemiringan kedua dari pearson = s
3 (42,05−40,75)
= 8,95
3 (1,3)
= 8,95
3,9
= 8,95
= 0,435
Karena koefisien kemiringannya 0,435 yaitu lebih dari 0, maka model
distribusinya adalah distribusi positif.
3. Diketahui : 𝑄2 = 40,75
Ditanya :Berapa nilai koefisien kemiringannya menggunakan nilai kuartil?
Penyelesaian : Koefisien kemiringan menggunakan nilai kuartil
𝑄3 −2 𝑄2 + 𝑄1
Koefisien kemiringan = 𝑄3 − 𝑄1
1
Letak 𝑄1 =4.n
1
= 4 . 100
= 34,5 + 0,961
= 35,461
Median = 𝑄2
= 40,75
3∑F 3.100
Letak 𝑄3 = = = 75 terletak dikelas interval ke 5.
4 4
Statistik Pendidikan | 18
3.∑𝐹
−𝐹
4
𝑄3 = tb𝑄3 + p ( )
𝐹 𝑄3
75−62
= 44,5 + 5 ( )
15
= 44,5 + 4,3
= 48,5
𝑄3 −2 𝑄2 + 𝑄1
Koefisien kemiringan = 𝑄3 − 𝑄1
48,5−2 (40,75)+35,461
= 48,5− 35,461
48,5−81,5+35,461
= 48,5− 35,461
2,461
= 13,039
= 0,188
Karena koefisien kemiringannya 0,188 yaitu lebih dari 0, maka model
distribusinya adalah distribusi positif
90−86
= 54,5 + 5 ( )
14
= 54,5 + 1,42
= 55,92
50 .∑𝐹 50 .100
Letak 𝑃50 = = = 50 terletak dikelas ke 4.
100 100
50−46
= 54,5 + 5 ( )
16
= 39,5 + 1,25
= 40,75
10 .∑𝐹 10 .100
Letak 𝑃10 = = = 10 terletak dikelas ke 2.
100 100
Statistik Pendidikan | 19
Jadi tb𝑃10 = 30 –0,5= 29,5, p = 5, F =8, F𝑃10 =12
10.∑𝐹
−𝐹
𝑃10 = tb 𝑃10 + p ( 100 )
𝐹𝑃 10
10−8
= 29,5 + 5 ( )
12
= 29,5 + 0,83
= 30,33
𝑃90 −2 𝑃50 + 𝑃10
Koefisien kemiringan = 𝑃90 − 𝑃10
55,92−2 (40,75)+30,33
= 55,214 − 30,33
55,92−81,5+30,33
= 55,92 − 30,33
4,75
= 25,59
= 0,185
Karena koefisien kemiringannya 0,185 yaitu lebih dari 0, maka model
distribusinya adalah distribusi positif.
= 0,254
Karena nilai koefisien kurtosisnya kurang dari 0,263 (< 0,263), maka
distribusinya adalah platikurtil.
Angka Z (Z-Score)
Statistik Pendidikan | 20
Setiap data mentah dapat ditransformasikan ke dalam skor baku. Skor baku
atau nilai baku atau angka-z (z-score) atau bilangan baru dapat dibentuk dengan
langkah-langkah sebagai berikut:
Dapat sampel yang berukuran n, data X1, X2, X3,...,Xn dengan rata-rata ̅ X dan
simpangan baku s, yaitu Z1,Z2,Z3,...,Zn
Jika simpangan baku dari nilai z lebih besar dari nilai z yang lainnya maka
nilai z yang terbesar adalah nilai yang terbaik.
Contoh 4.15:
Buat data baru dengan menggunakan angka-z (z-score) dan buktikan bahwa
data baru itu memiliki rata-rata hitung sam dengan 0 sdan simpangan baku sama
dengan 1, dari data 2, 8, 10, 4, 1!
Penyelesaian:
1+2+4+8+10 25
x̅ = = =5
5 5
x x- x̅ x-x̅̅̅
̅2
1 -4 16
2 -3 9
4 -1 1
8 3 9
10 5 25
Jumlah Sebanyak 60
̅̅̅
∑(X−x) 60
S=√ = √ 5 = 3,87
n−1
Xi− X
̅
zi = s
−4
zi = 3,78 = =1,034
Statistik Pendidikan | 21
−3
= 3,78 = =0.775
−1
= 3,78 = =0,258
3
= 3,78 = =0,775
5
= 3,78 = =1,295
= -1,031+(0,775)+(-0,258)+0,775+1,295
Rata-rata hitungannya adalah
−1,034+(−0,775)+(−0,258)+0,775+1,295 0,003
= = = 0,0006
5 5
zi zi − ̅̅̅
x0 (zi − x̅0 )2
-1,034 -1,0346 1,070
-0.775 -0,7756 0,601
-0,258 -0,2586 0,067
0,775 0,7744 0,600
1,295 1,2944 1,675
Jumlah 4,013
Contoh 4.16:
Dua orang dosen A dan B masing-masing memberi nilai sebesar 8 dan 7
pada saat ujian skripsi. Jika rata-rata dosen A memberi nilai sebesar 7,5 dan
simpangan bakunya 2 dan dosen B memberi rata-rata nilai sebesar 6,5 dan
simpangan bakunya 1. Dosen manakah yang memiliki nilai yang lebih konsisten?
Penyelesaian:
xA = 8 dan xB = 7
xA = 7,56 dan xB = 6,5
sA = 2 dan sB = 1
x −x̅ 8−7,5
zA = As A = 2 = 0,25
A
xB −x̅B 7−6,5
zA = = = 0,5
sB 1
Statistik Pendidikan | 22
Jadi, pemberian nilai dari dosen B lebih konsisten daripada dosen A. Hal ini
disebabkan nilai z untuk dosen B lebih besar daripada nilai z untuk dosen A.
Statistik Pendidikan | 23
DAFTAR PUSTAKA
Herrhyanto, Nar, Hamid, H.M. Akib. 2008. Statistika Dasar. Jakarta : Universitas
Terbuka.
Statistik Pendidikan | 24