Ukuran Statistik

Ir. Moden Purba, MT

Pendahuluan
Ukuran penyebaran
 Suatu ukuran baik parameter atau statistik untuk
mengetahui seberapa besar penyimpangan data
dengan nilai rata – rata hitungnya
Ukuran penyebaran mencakup data
 Ungrouped data
 Data yang belum dikelompokan
 Grouped data
 Data yang telah dikelompokan ; Tabel distribusi
frekuensi
Ukuran Penyebaran
Ukuran penyebaran:
 Range
 Mean Deviasi
 Rata – rata
 Modus
 Median
 Varian
 Deviasi standar
 Range inter-kuartil
 Deviasi kuartil
Ukuran kecondongan dan keruncingan
 Ukuran Penyebaran Untuk Data
Tidak Dikelompokan
Range – Jarak
 Merupakan perbedaan antara nilai terbesar
dan terkecil dalam suatu kelompok data baik
data populasi atau sampel
Rumusan Range
Range = Nilai terbesar – nilai terkecil
Perusahaan Harga Saham

Sentul City 530

Tunas Baru 580

Range
proteinprima 650
= 840 – 530
total 750
= 310
Mandiri 840
Deviasi Rata – rata Populasi
Rata – rata hitung dari nilai mutlak
deviasi antara nilai data pengamatan
dengan rata-rata hitungnya
Rumusan Deviasi rata –rata ( MD)
∑|x - x|
MD = X = Nilai data pengamatan
N X = Rata – rata hitung
N = Jumlah data
Contoh Deviasi Rata - Rata
Perusahaan Indek Xi Xi - X Nilai Mutlak
Sentul City 7.5 1.14 1.14

Tunas Baru 8.2 1.84 1.84

proteinprima 7.8 1.44 1.44

total 4.8 -1.56 1.56

Mandiri 3.5 -2.86 2.86

Total 31.8 8.84

Rata -rata (X) 6.36 MD 1.768

MD =
= ∑|Xi - X| / n
= 8.84 / 5
= 1.768
Varians dan Standar Deviasi Populasi
Varians
 Rata – rata hitung deviasi kuadrat setiap
data terhadap rata – rata hitungnya
Rumus varians populasi

(Xi - µ )2
 2=
N Xi = Nilai data pengamatan
µ = Nilai rata – rata hitung
N = Jumlah total data
Contoh Kasus Varians
Perusahaan Indek Xi - µ (Xi - µ)²
Sentul City 7.5 1.14 1.2996
Tunas Baru 8.2 1.84 3.3856
proteinprima 7.8 1.44 2.0736
total 4.8 -1.56 2.4336
Mandiri 3.5 -2.86 8.1796
Jumlah ( ∑X ) 31.8 ∑(Xi - µ)² 17.372
Rata - rata (µ) 6.36 ² 3.4744

(Xi - µ )2 17.372
 2= = = 3.4744
N 5
Standar Deviasi

Standar deviasi
 Akar kuadrat dari varians dan menunjukan
standar penyimpangan data terhadap nilai
rata-ratanya
Rumus standar deviasi
(X - µ )2
= atau  =  ²
N
Contoh Kasus Standar Deviasi
Nilai varians :
(X - µ )2 17.372
 2= = = 3.4744
N 5

Nilai standar deviasi :

 =  3.4744 = 1.864

Nilai penyimpangan sebesar 1.864

Varians dan Standar Deviasi Sampel

Varians
(x - x )2
s 2=
n -1
Standar deviasi
S =  s²
Contoh Kasus Sampel
Harga
No Perusahaan saham x-X (x - X)² Varians :
1 Jababeka 215 -358 128164 ∑(x – X)²
2 Indofarma 290 -283 80089
s² =
3 Budi Acid 310 -263 69169
4 Kimia farma 365 -208 43264
n–1
5 Sentul City 530 -43 1849 s² = 824260 / 9
6 Tunas Baru 580 7 49 s² = 91584.44
7 proteinprima 650 77 5929
8 total 750 177 31329
9 Mandiri 840 267 71289 Standar deviasi :
10 Panin 1200 627 393129 S =  s²
Jumlah 5730 824260 S =  91584.44
Rata - Rata (X) 573 s² 91584.44
S = 302.63
S 302.63
Ukuran Penyebaran Untuk Data
dikelompokan
Range – Jarak
 Merupakan selisih antara batas atas dari
kelas tertinggi dengan batas bawah dari
kelas terendah
Rumusan Range
Range = Batas atas kelas tertinggi –
nilai terkecil
Contoh Range
Batas bawah
Kelas Interval Kelas terendah

1 215 2122 Batas atas

Kelas tertinggi
2 2123 4030
3 4031 5938
4 5939 7846 Range :
= 9754 – 215
5 7847 9754 = 9539
Deviasi Rata - Rata
Rumus deviasi rata - rata
 f. |x - x|
MD =
n

Rata – rata hitung data dikelompokan

x = ( f.x ) / n
 Contoh Kasus
Titik tengah
Kelas Interval Kelas fi (xi) fi.xi |xi - X| f.|xi - X|
1 16 24 10 20 200 13.68 136.8
2 25 33 18 29 522 4.68 84.24
3 34 42 14 38 532 4.32 60.48
4 43 51 4 47 188 13.32 53.28
5 52 60 2 56 112 22.32 44.64
6 61 69 2 65 130 31.32 62.64

Total 50 255 1684 89.64 442.08

Rata - rata (X) 33.68

MD = (∑f.|x - X|) / n = 442.08 / 50 = 8.8416

Varians dan Standar Deviasi data di
kelompokan

Varians
f. (x - x )2
s2=
n -1
Standar deviasi
s =  s²
 Contoh Kasus
Titik tengah
Kelas Interval Kelas fi (xi) fi.xi |xi - X| |xi - X|² f.|xi - X|²
1 16 24 10 20 200 13.68 187.1424 1871.424
2 25 33 18 29 522 4.68 21.9024 394.2432
3 34 42 14 38 532 4.32 18.6624 261.2736
4 43 51 4 47 188 13.32 177.4224 709.6896
5 52 60 2 56 112 22.32 498.1824 996.3648
6 61 69 2 65 130 31.32 980.9424 1961.885

Total 50 255 1684 89.64 1884.254 6194.88

Rata - rata (X) 33.68

Varians : Standar deviasi :

s²= (∑f.|xi - X|²)/ n – 1 S =  s²
= 6194.88 / 49 =  126.4261
= 126.4261 = 11.2439
Modus
Modus untuk Ungrouped Data
Contoh : Sumbangan Mahasiswa (Rp)
7500 8000 9000 8000 3000 5000 8000
Modus : Rp. 8000
Bisa terjadi data dengan beberapa modus (multi-modus) bisa
terjadi data tanpa modus
a. Berat 5 orang bayi : 3.6 3.5 2.9 3.1 3.0
(Tidak Ada Modus)
b. Umur Mahasiswa : 19 18 19 18 23
21 19 21 18 20 22 17
Modus : 18 dan 19
Modus untuk Grouped Data

Mo = b1 + i(d1/(d1+d2)
Mo = Modus
b1 : Batas Bawah Kelas Modus
d1 : frekwensi kelas modus dikurangi
frekwensi sebelum kelas modus
d2 : frekwensi kelas modus dikurang
frekwensi sesudah kelas modus
Mengitung Modus
Kelas Modus : 24.5 – 33.5
b1 : 24.5
Kelas Kelas i : 9
Interval Bounderies fi Frekwensi Mo : 18
16 24 15.5 24.5 10 Frekwensi seb Mo : 10
25 33 24.5 33.5 18 Frekwensi ses Mo : 14
34 42 33.5 42.5 14 d1 = 18-10 = 8
43 51 42.5 51.5 4 d2 = 18-14 = 4
52 60 51.5 60.5 2
61 69 60.5 69.5 2

Mo = b1 + i(d1/(d1+d2))

Mo = 24.5 + 9( 8/(8+4))
= 30.5
Median (Me)
Nilai yang membagi gugus data yang telah tersortir
(ascending) menjadi 2 bagian yang sama besar

Median untuk Ungrouped Data

Letak Median berada dalam gugus data yang telah tersortir

Letak Median = (n + 1)/2 n: banyak data
Contoh 1: Tinggi Badan 5 mahasiswa:
1.75 1.78 1.60 1.73 1.78 meter
Sorted : 1.60 1.73 1.75 1.78 1.78 meter
n=5 Letak Median = (n+1)/2 =(5+1)/2 = 3
Median = Data ke-3 = 1.75
Median Cont’s
Contoh 2:

Tinggi 6 Mhs : 1.60 1.73 1.75 1.78 1.78 1.80

meter (Sorted) n= 6
Letak Median  = (n+1)/2 = 3.5

Me = (Data ke 3 + Data ke 4) = (1.75 + 1.78)/2 = 1.765

= Data ke-3 + 0.5 (Data ke-4 – Data ke-3)
= 1.75 + 0.5 (1.78 – 1.75)
= 1.75 + (0.5  0.02) = 1.75 + 0.015 = 1.765
Median untuk Grouped Data
Letak Me = n/2 n: banyak data
Kelas Median : Kelas di mana Median berada
Kelas Median didapatkan dengan membandingkan
Letak Median dengan Frekuensi Kumulatif
Me = b1 + i((1/2)n - F))/fMe
Me : Median
i : Interval Kelas
F : Kumulatif Frekwensi Sebelum kelas Median
fMe : Frekwensi Kelas Median
Mengitung Median Grouped Data
Kelas Kelas Letak Median n/2 = 50/2 =25
Interval Bounderies fi Sfi Letak Median / Frekwensi Kumulatif = 25
Kelas Median : 24.5 – 33.5
16 24 15.5 24.5 10 10
b1 : 24.5
25 33 24.5 33.5 18 28
i : 9
34 42 33.5 42.5 14 42
(1/2)n : 25
43 51 42.5 51.5 4 44
Frekwensi Kumulatif seb Me : 10
52 60 51.5 60.5 2 46 Frekwensi Me (fMe) : 18
61 69 60.5 69.5 2 48
Total 50 50

Me = b1 + i((1/2)n - F))/fMe

Me = 24.5 + 9(( 25-10))/18

= 32.0
Ukuran Penyebaran Relatif
Mengubah ukuran penyebaran menjadi
persentase atau ukuran relatif
Penggunaan ukuran relatif memberikan
manfaat :
 Data mempunyai satuan pengukuran yang
berbeda
 Data mempunyai satuan ukuran yang sama
Ukuran Penyebaran Relatif
Koefisien range
Koefisien deviasi rata-rata
Koefisien deviasi standar
Koefisien Range
Pengukuran penyebaran dengan
menggunakan range secara relatif
Rumusan :
KR = ( (la – Lb) / (La + Lb) ) x 100 %
La : Batas atas data atau kelas tertinggi
Lb : Batas bawah data atau kelas terendah
Contoh Koefisien Range
Interval
KR :
Kelas Kelas f
= (La – Lb) / (La + Lb)
1 16 24 10
= (69 – 16 ) / (69 + 16)
2 25 33 18
= 53 / 85
3 34 42 14
= 0.6235 x 100 %
4 43 51 4 = 62.35 %
5 52 60 2
6 61 69 2

La : Kelas tertinggi = 69
Lb : Kelas terendah = 16
Koefisien Deviasi Rata - Rata
Koefisien deviasi rata – rata
 Ukuran penyebaran dengan menggunakan
deviasi rata-rata relatif terhadap nilai rata-
ratanya atau persentase dari deviasi rata-
rata terhadap nilai rata-ratanya
Rumus :
KMD = [ MD / x ] x 100%

MD = Deviasi rata - rata

X = Nilai rata – rata data
Contoh Kasus
Data dikelompokan :
 MD = 8.8416
 X = 33.68

Koefisien deviasi rata – rata :

KMD = [ 8.8416 / 33.68 ] x 100 %
= 0.2625 x 100 %
= 26.25 %
Koefisien Standar Deviasi
Koefisien standar deviasi
 Ukuran penyebaran yang menggunakan
standar deviasi relatif terhadap nilai rata-
rata yang dinyatakan sebagai persentase
Rumus
KSD = [ s / x ] x 100 %
S = Standar deviasi
X = Nilai rata – rata data
Contoh Kasus
Data dikelompokan
 Standar Deviasi = 11.2439
 Rata – Rata hitung (x) = 33.68

 Nilai Koefisien Standar Deviasi

KSD = [ s / x ] x 100 %
= [ 11.2439 / 33.68 ] x 100%
= 0.3338 x 100 %
= 33.38 %
Ukuran Kecondongan - Skewness
Ukuran kecondongan – kemencengan
 Kurva tidak simetris
Pada kurva distribusi frekuensi
diketahui dari posisi modus, rata-rata
dan media
Pendekatan : Jika
 Rata-rata = median = modus : Simetris
 Rata-rata < median < modus : Menceng ke kiri
 Rata-rata > median > modus : Menceng ke kanan
Kuartil
Letak Ki = (i(n+1)/4
i = 1,2,3
Suatu data setelah diurutkan :
52,56,57,60,64,66,70,75,82,86,92,94
Cari :
K1
K3
Kuartil [cont’]
Letak K1
K1 = (1(n+1))/4
= (1(12+1))/1
= 3.25,
= Data ke 3+ 0.25(Data4-Data3)
= 57 + 0.25(60-57)
= 57.75
Kuartil [cont’]
K3 = (3(n+1))/4
= (3(12+1))/4
= 9.75
= Data9 + 0.75(Data10-Data9)
= 82 + 0.75(86-82)
= 85
Kuartil Dist. Frekwensi

Ki = b + p(((in/4)-F)/f))
b= Batas Bawah Kelas Ki dimana terletak
P= panjang Kelas
F= Frekwensi dengan tanda lebih kecil
f = Frekwensi kelas Ki
Kuartil Dist Frekwensi [cont’]
Nilai Ujian f Letak K3? in/4 = (3x80)/4
31 40 1 = 60
41 50 2 K3 = b+p(((in/4)-F)/f))
51 60 5 = 80.5 + 10((60-48)/20)
61 70 15 = 86.5
71 80 25
81 90 20
91 100 12
Jumlah 80
Desil
Letak Di = (i(n+1))/10
i = 1,2,3,4, …,9
Contoh Data setelah diurutkan
52,56,57,60,64,66,70,75,82,86,92,94
D7 =?
Desil [cont’]
Letak D7 = (7(n+1))/10 = (7(12+1))/10

= 9.1
= Data9 + 0.1(Data10-Data9)
= 82 + 0.1(86-82)
= 82.4
Desil Dist. Frekwensi
Di = b + p(((in/10)-F))/f)
Di = Desil ke I
b = Batas Bawah Kelas Bounderies Letak Di
P = panjang kelas
n = jumlah data
F= Jumlah Frekwensi dgn tanda lebih
kecil dari Di
f = frekwensi kelas Di
 Desil [cont’]
Cari Nilai D3
Nilai Ujian f Letak D3 = (3x80)/10 =24
31 40 1
41 50 2 D3 = 70.5 + (10(24-23))/25
51 60 5 D3 = 70.9
61 70 15
71 80 25
81 90 20
91 100 12
Jumlah 80
Persentil
Letak Pi = (i(n+1))/100 untuk non DF

Pi = b+p(((in/100)-F)/f)) untuk DF
Kemiringan
Kemiringan = (Rata-rata – Modus)/s

Kemiringan = (3(Rata-rata – Median))/s

Momen
m’r = (p(Sficir))/n
m2 = m’2 – (m’1)2
m3 = m’3 – 3m’1m’2 + 2(m’1)3
m4 = m’4 – 4m’1m’3 + 6(m’1)2m’2 – 3(m’1)4

m'1 = (Sfici.i)/Sfi
m'2 = Sfici .i /Sfi
2 2

m'3 = Sfici .i /Sfi

2 3

Sfici .i /Sfi
2 4
m'4 =
Momen
2 3 4
Interval Bounderies fi ci fici fici fici fici
16 24 15.5 24.5 10 -1 -10 10 -10 10
25 33 24.5 33.5 18 0 0 0 0 0
34 42 33.5 42.5 14 1 14 14 14 14
43 51 42.5 51.5 4 2 8 16 32 64
52 60 51.5 60.5 2 3 6 18 54 162
61 69 60.5 69.5 2 4 8 32 128 512
Total 50 9 26 90 218 762
 Interval Bounderies fi ci fici fici2 fici3 fici4
16 24 15.5 24.5 10 -1 -10 10 -10 10
25 33 24.5 33.5 18 0 0 0 0 0
34 42 33.5 42.5 14 1 14 14 14 14
43 51 42.5 51.5 4 2 8 16 32 64
52 60 51.5 60.5 2 3 6 18 54 162
61 69 60.5 69.5 2 4 8 32 128 512
Total 50 9 26 90 218 762
m'1 4.68
m'2 145.80 m2 123.90
m'3 3178.44
m'4 99989.64 m4 58210.32
2
m4/m2 3.79 a4
Kurtosis

a4 = m4/m22
Kurtosis

a = 3 Dist. Normal
4

a > 3 Dist. Leptokurtik

4

a < 3 Dist. Platikurtik

4
Koefisien Skewness
Sk = [µ - Mo ] /  atau = 3.[µ - Md] / 
Contoh kasus data dikelompokan µ = Nilai rata – rata hitung
Mo = Nilai modus
µ = 33.68 Md = Nilai median
Mo = 30.5  = Standar deviasi
Md = 32
 = 11.2439
Sk = {3. [ 33.68 – 32]}
Sk = [33.68- 18 ] / 11.2439 11.2439
Sk = 15.68 / 11.2439 Sk = 5.04 / 11.2439
Sk = 1.394 Sk = 0.4482
Ukuran Keruncingan - Kurtosis
Keruncingan disebut juga ketinggian
kurva
Pada distribusi frekuensi di bagi dalam
tiga bagian :
 Leptokurtis = Sangat runcing
 Mesokurtis = Keruncingan sedang
 Platykurtis = Kurva datar
Koefisien Kurtosis
Bentuk kurva keruncingan – kurtosis
 Mesokurtik 4 = 3
 Leptokurtik 4 > 3
Nilai data
 Platikurtik 4 < 3
Koefisien kurtosis (data tidak
dikelompokan)
1/n ∑(x - )4
4 =
4
 Koefisien Kurtosis
Koefisien kurtosis (data dikelompokan)

1/n ∑ f. (X - )4
4 =
4

Jumlah Frekuensi

Standar deviasi Nilai rata – rata hitung

Nilai tengah kelas

Rata – Rata Geometrik
Digunakan untuk menghitung rata-rata
laju pertumbuhan – Growth rate
Rumus :
G = n (x1 . x2 . x3 . … xn )

Log G = [log x1 + log x2 +… log xn]

n
G = Antilog (log G)
Contoh
Data pertumbuhan suku bunga selama
5 hari, yaitu 1.5, 2.3, 3.4, 1.2, 2.5 %
Tingkat pertumbuhan :
Log G = [log 1.5 + log 2.3 +log 3.4 +
log 1.2 + log 2.5 ] / 5
Log G = [ 0.176 + 0.361 + 0.531 + 0.079
+ 0.397] / 5
Log G = 1.5464 / 5 = 0.30928
G = antilog 0.30928 = 2.03
Terimaksih