BAB I

PEMBAHASAN

VARIABILITAS
Variabilitas merupakan kondisi di mana sekumpulan skor sama atau tidak. Jika
sekumpulan skor itu sama, maka distribusi tersebut tidak mempunyai variabilitas. Besar
kecilnya variabilitas merupakan gambaran tentang penyebaran distribusi.

Pengertian lain menyatakan bahwa ukuran variabilitas adalah suatu ukuran yang
mengukur sebaran data. Karena yang diukur adalah seberapa jauh data menyimpang dari rata-
ratanya, maka ukuran variabilitas sering disebut sebagai ukuran penyimpangan (Subagyo,
1988: Bab 4).

Dalam artikel lain juga dinyatakan bahwa ukuran penyebaran (variabilitas) adalah
suatu ukuran yang menyatakan seberapa besar nilai-nilai data berbeda atau bervariasi dengan
nilai ukuran pusatnya atau seberapa besar penyimpangan nilainilai data dengan nilai
pusatnya.

Dari berbagai pengertian di atas dapat dipahami bahwa yang dimaksud ukuran
variabilitas (penyebaran) adalah ukuran yang mengukur seberapa jauh data yang ada
menyimpang dari ukuran pusatnya (tendency central). Pengukuran variabilitas sangat penting
artinya, terutama untuk penggambaran serangkaian data, lebih-lebih jika seseorang ingin
membandingkan dua atau lebih rangkaian data. Karena dalam usaha memandingkan beberapa
rangakaian data, penggunaan ukuran pusat saja tidak akan memberikan hasil yang cukup
lengkap, bahkan dapat memberikan hasil yang menyesatkan. Kegunaan perhitungan
variabilitas adalah:

a. Variabilitas memberikan indikasi bagaimana tingkat akurasi rata-rata dalam

menjelaskan distribusi. Jika variabilitas kecil kemudian seluruh skor mengumpul dan
setiap skor mendekati hingga rata-ratanya, maka rata-rata sampel representatif untuk
seluruh distribusi skor. Sebaliknya jika variabilitas besar, maka skor tersebar dan
tidak mendekati harga rata-ratanya, sehingga rata-rata sampel tidak representative
untuk seluruh distribusi skor.
b. Variabilitas memberikan indikasi seberapa tepatnya suatu skor atau sekelompok skor
menggambarkan keseluruhan distribusi. Mengingat rata-rata populasi sering tidak
diketahui, maka peneliti lebih banyak menggunakan rata-rata yang berasal dari
 sampel. Jika variabilitas kecil, maka setiap skor akan akurat dalam menggambarkan
keseluruhan distribusi. Sebaliknya, jika variabilitas sampel distribusi besar, maka
setiap skor atau sekumpulan skor tidak akurat dalam menggambarkan keseluruhan
distribusi.

Untuk mencari variabilitas dari suatu distribusi dapat dilakukan dengan beberapa cara,
seperti yang akan dijelaskan berikut:

A. Range
Range merupakan pengukuran variabilitas yang paling sederhana. Range disebut juga
sebagai data yang paling kasar. Range adalah jarak antara nilai yang tertinggi dengan
nilai yang terendah.

R = Xt – Xr

Keterangan:
R = Range
Xt = nilai tertinggi
Xr = nilai terendah
1. Penggunaan Range
Range kita gunakan sebagai ukuran, apabila di dalam waktu yang sangat singkat
kita ingin memperoleh gambaran tentang penyebaran data yang sedang kita
selidiki dengan mengabaikan faktor ketelitian dan kecermatan.
Kebaikan dan Kelemahan Range
a) Kebaikan
- Range sebagai salah satu ukuran penyebaran data ialah dengan
menggunakan Range dalam waktu singkat dapat diperoleh gambaran
umum mengenai luas penyebaran data yang sedang kita hadapi.

b) Kelemahan Range:
- Penggunaannya sangat terbatas.
- Sangat tergantung pada nilai tertinggi dan nilai terendah sehingga
mempunyai fluktuasi yang sangat besar.
- Range kurang memenuhi definisi sebagai alat pengukuran variabilitas
karena tidak dapat menunjukkan letak tendensi sentral dan penyebarannya/
tidak menunjukkan bentuk distribusi.
 c) Range 10-90
- Nilai-nilai yang ekstrem (terlalu rendah atau terlalu tinggi) adalah nilai-
nilai yang tidak stabil.
- Untuk menghindari nilai-nilai yang tidak stabil itu, maka diambil range
yang lebih sempit yaitu range antara persentil ke-10 dengan persentil ke-
90.

d) Range 10-90
- memotong distribusi sebanyak 20 persen, yaitu masing-masing 10 persen
pada tiap ujungnya.
- Rumus R 10-90 = P90 – P10
- Kelemahan : masih tergantung pada nilai-nilai di bagian ujung distribusi
e) Range 25-75
- Range 25-75 memotong 25 persen dari tiap-tiap ujung distribusi atau 50
persen frekuensi distribusi.
- Disebut juga sebagai “Range antar Kwartil”
- R 25-75 = P75 – P25 = K3 – K1
- Masih memiliki kelemahan karena masih memiliki sifat-sifat Range

B. Pengertian Simpangan Kuartil

Simpangan Kuartil atau disebut Jangkauan Semi Antar Kuartil merupakan Setengah dari
jangkauan kuartil. K3 – K1. atau dengan JAK (jangkauan antar kuartil), K3 = kuartil ke
3, K1 = kuartil ke 1).
Nilai Standar Misalkan kalian memiliki suatu sampel yang berukuran n (banyak data
nya = n), dan dari data nya x1, x2, x3,…,xn. Maka rata-rata nya = x. Dan simpangan
bakunya yaitu = s.
Dibentuk data baru : z1, z2, z3…, zn dengan menggunakan Koefisien Variasi. Koefisien
Variasi KV =JAK = K3 – K1 Jangkauan Semi Antar Kuartil = 1/2 (K3 – K1)Kuartil
Notasi : q
a. Bentuk – Bentuk Simpangan Kuartil
b. Kuartil memiliki 4 bagian yang sama bagian dalam membagi data
(n).——|—— Q1 Q2 Q3.
 Dimana :
- Q1 = Kuartil Bawah (1/4n )
- Q2 = Kuartil Tengah (Median) (1/2n)
- Q3 = kuartil atas (1/4n ) Pada data yang tidak dikelompokkan terlebih
dahulu mencari kuartil tengah (Median) nya, kemudian kuartil bawah dan
kuartil atas nya.
1. Cara mencari simpangan kuartil
Kuartil merupakan ukuran yang membagi data menjadi empat bagian yang sama.
Seperti yang telah di jelaskan di atas bahwa kuartil terdiri dari kuartil bawah (Q₁),
kuartil tengah (Q₂/median) dan kuartil atas (Q₃).
Simpangan kuartil ialah setengah dari selisih kuartil atas dengan kuartil bawah.
Simpangan kuartil = ½ (Q₃ – Q₁)
Jika kita ingin menentukan nilai kuartil, data harus diurutkan dulu dari terkecil ke
terbesar.
Jika banyaknya data n ganjil
Q₁ = data ke ¼ (n + 1)
Q₂ = data ke ½ (n + 1)
Q₃ = data ke ¾ (n + 1)
Jika banyaknya data n genap
Q₁ = data ke ¼ (n + 2)
Q₂ = ½ (data ke ½ n + data ke (½ n + 1))
Q₃ = data ke ¼ (3n + 2).

2. Jangkauan semi interkuartil (Q)

Range Inter Kuartil merupakan nilai dari selisih antara kuarti ketiga dengan
kuartil pertama. Perhitungan range inter kuartil digunakan untuk meminimalisir
kelemahan dari range. Sehingga dapat mendekatkan nilai range inter kuartil dengan
letak pemusatan data dan tidak dipengaruhi oleh nilai ekstrem.
Jangkauan semi interkuartil (Q) adalah distribusi data yang ditunjukkan
dipotongnya di kedua ujungnya masing-masing 25%, yang terdapat di antara 3 titik
Q1, Q2, dan Q3. Perhatikan ilustrasi di bawah ini untuk penjelasan letak Q di antara
Q1, Q2, dan Q3.
 Berdasarkan ilustrasi di atas, pengukuran jangkauan semi interquartile (Q)
dapat dijelaskan dengan menggunakan rumus berikut:

Q = (Q3 – Q1)
2

Q1 = kuartil pertama (P25)

Q2 = Median (P50)
Q3 = kuartil ketiga (P75)
Contoh 1:
Jangkauan semi interkuartil dari data 5, 7, 12, 6, 14, 8, 10, 11 adalah ..
Data diurutkan terlebih dahulu
5,6,7,8,10,11,12,14
banyak data (n) = 8

3. Jangkauan semi interkuartil (Qd)

Qd = ½QR
atau
Qd = ½(Q3 – Q1)

Cari Q 3
letak Q3 = 3/4 (n+1)
letak Q3 = 3/4 (8+1)
letak Q3= 3/4 (9)
letak Q3 = 27/4
letak Q3 = 6,75
 letak Q3 ada di data urutan 6,75 atau ada di antara data 6 dan 7

Q3 = (data ke-6 + data ke-7):2

Q3 = (11+12):2
Q3 = 23:2
Q3 = 11,5

Cari Q1
letak Q1 = 1/4 (n+1)
letak Q1 = 1/4 (8+1)
letak Q1 = 1/4 (9)
letak Q1 = 9/4
letak Q1 = 2,25

Letak Q1 ada di data urutan ke 2,25, artinya Q1 terletak di antara data urutan kedua
dan ketiga
Q1 = (data ke-2 + data ke-3):2
Q1 = (6+7):2
Q1 = 6,5

Jangkauan semi interkuartil (Qd)

Qd = 1/2 (Q3-Q1)
Qd = 1/2 (11,5 - 6,5)
Qd = 1/2 (5)
Qd = 2,5

C. Skor – Skor Simpangan

1. Varian & Standar Deviasi
Varian dan Standar Deviasi (Simpangan Baku) adalah ukuran-ukuran
keragaman (variasi) data statistik yang paling sering digunakan. Standar deviasi
(simpangan baku) merupakan akar kuadrat dari varian.
 Untuk menentukan dasar penghitungan varian dan simpangan baku merupakan
keinginan untuk mengetahui variasi dari kelompok data. Untuk bisa mengetahui
variasi suatu kelompok data yaitu mengurangi nilai data beserta rata-rata kelompok
data tersebut, kemudian hasil semuanya baru dijumlahkan. Hanya saja cara tersebut
tidak bisa dipakai karena hasilnya akan selalu menjadi 0.

Agar hasilnya tidak menjadi 0 yaitu dengan mengkuadratkan setiap pengurangan

nilai data serta rata-rata kelompok data tersebut yang kemudian dilakukan
penjumlahan. Dengan begitu hasil penjumlahan kuadrat (sum of squares) tersebut
akan memiliki nilai positif.

Nilai varian didapat dari pembagian hasil penjumlahan kuadrat (sum of squares)
dengan ukuran data (n).

Meskipun demikian ketika diterapkan nilai varian tersebut bias untuk menduga
varian populasi. Dengan memakai rumus-rumus diatas maka nilai varian populasi bisa
lebih besar dari varian sampel.

Supaya tidak bias saat menduga varian populasi maka n sebagai pembagi
penjumlahan kuadrat (sum of squares) harus diganti dengan n-1 (derajat bebas)
sehingga nilai varian sampel mendekati varian populasi. Dengan begitu rumus varian
sampel akan menjadi seperti dibawah ini:
 Nilai varian yang diperoleh merupakan nilai yang berbentuk kuadrat. Seperti
misalnya satuan nilai rata-rata adalah gram dengan begitu nilai varian adalah gram
kuadrat. Untuk memperoleh nilai satuannya maka varian diakarkuadratkan supaya
hasilnya standar deviasi (simpangan baku).

Contoh Penghitungan :
Dalam suatu kelas, tinggi badan beberapa orang siswa yang dijadikan sampel adalah
sebagai berikut.

172, 167, 180, 170, 169, 160, 175, 165, 173, 170.

Dari data tersebut diketahui bahwa jumlah data (n) = 10, dan (n – 1) = 9. Selanjutnya
dapat dihitung komponen untuk rumus varian.

Dari tabel diatas maka kita bisa mengetahui :

Oleh karena itu dapat dihitung varian:

 Sedangkan standar deviasi adalah akar kuadrat dari varian tersebut.

2. Z-Score ( Skor Baku)

Nilai suatu Z-score adalah merupakan suatu ukuran yang menentukan seberapa
besar jarak suatu nilai (dari observasi suatu set sample) terhadap rata-ratanya dalam
satuan standar deviasinya.

Nilai Z-score akan berada pada suatu titik pada sumbu datar dari kurva normalnya.

Keberadaan nilai z-score akan menentukan posisinya dalam sumbu datar kurva
normal yang juga mencerminkan seberapa jauh keberadaan suatu nilai observasi (x)
terhadap rata-ratanya.

Apabila z-score bernilai negative(-) maka dia ada pada posisi sebelah kiri rata-rata
nya dalam kurva normal (dilihat dari hadapan kita). Sementara bila bernilai
positive(+), maka ada di posisi sebelah kanan rata-ratanya.

Keterangan :

Zi : Skor Baku

Xi : Skor Individual / Skor Mentah

X : Rata – rata skor seperangkat data.

S : Simpangan baku.

Contoh Penghitungan :
 Masih sama untuk dataset diatas, telah diketahui standar deviasi nya adalah
5.51. Misalnya, dalam sampel tinggi badan siswa, kita ingin mencari berapa z-score
dan peluang siswa yang tinggi badan nya dibawah 167.

P(x < 167 ; x(mean) = 170 & s = 5.51)

Maka, sesuai rumus diatas, anda akan menghitung: 167 – 170 = -3

Maka, z-score dalam kasus ini adalah -3/5.51 = -0.544

Artinya nilai z-score nya adalah sebesar -0.544 dimana berarti posisinya berada di
sebelah kiri nilai rata-rata dalam kurva normal (karena nilainya negative). Nilai ini
juga dapat diartikan bahwa umur anda yaitu 20 tahun adalah 1,25 kali standar deviasi
dibawah rata-rata popuasinya.

Langkah berikutnya, perhatikan nilai z-score terhadap z-table dalam kurva normal.

Carilah nilai probabilitas nilai -0,544 dalam kurva normal dengan cara:
Nilai negative hanya menunjukkan posisi saja sehingga dapat diabaikan dalam
mencari besarnya probabilitas dalam kurva normal

Nilai 0,544 dipecah jadi 2 bagian -0,5 dan 4

Lihat nilai 0,5 pada judul baris di kolom pertama (kolom paling kiri), kemudian
carilah nilai 4 pada judul kolom di baris pertama (baris paling atas), disini didapatkan
nilai sebesar 0,2946
Seperti kita ketahui, bahwa luas seluruh area dibawah kurva normal adalah 1, dan
setengah luas area kurva normal adalah sebesar 0,5 (yaitu luas arsiran dari titik tengah
ke titik ujung). Dimana Titik tengah adalah rata-rata.

Kesimpulan pada contoh kasus diatas, peluang mendapatkan siswa dengan tinggi bada
yang umurnya dibawah 167 cm sebesar 0,2946 x 100% = 29,46%.
 DAFTAR PUSTAKA

https://id.scribd.com/doc/100407619/BAB-5-Variabilitas

https://id.scribd.com/doc/109778823/Ukuran-Variabilitas

http://addi-muhaemin.blogspot.com/2012/04/statistika-pengukuran-variabilitas.html?m=1

http://idayoce.blogspot.com/2016/07/variabilitas-range-deviasi.html

http://blogpsikologi.blogspot.com/2016/08/memahami-macam-ukuran-variabilitas-dan.html

https://mafia.mafiaol.com/2014/06/cara-menentukan-jangkauan-interkuartil-simpangan-
kuartil.html

https://text-id.123dok.com/document/9ynp5jllz-rentang-rentang-rentang-interkuartil-dan-
simpangan-kuartil.html

https://informatikalogi.com/menghitung-varian-standart-deviasi-z-score/

https://books.google.co.id/