1

MATERI - 4
UKURAN PENYEBARAN
 2

OUTLINE

BAGIAN I Statistik Deskriptif

Pengertian
Statistika
Penyajian Data
Range, Deviasi Rata-rata, Varians dan
Ukuran Pemusatan Deviasi Standar untuk Data Tunggal dan
Berkelompok
Ukuran Penyebaran

Ukuran Kecondongan dan Keruncingan

(Skewness dan Kurtosis)
 3

PENGANTAR

Ukuran Penyebaran
• Suatu ukuran untuk mengetahui seberapa besar penyimpangan
data dengan nilai rata-rata hitungnya.

• Ukuran penyebaran membantu mengetahui sejauh mana suatu

nilai menyebar dari nilai tengahnya, semakin kecil selisihnya
maka semakin baik hasil analisa nya.
 4

RANGE

Definisi :
Merupakan selisih nilai tertinggi dengan nilai terendah suatu data.

Rumus data tunggal :

Range = Max – Min

Max : Nilai tertinggi

Min : Nilai Terendah

Rumus data berkelompok :

Range = BA Max – BB Min

BA Max : Batas atas pada kelas terakhir

BB Min : Batas bawah pada kelas awal
 5

Contoh Kelas Interval Frekuensi

Untuk data tunggal. 1 15 - 21 8

12, 10, 15, 16, 25, 20, 19, 24, 11 2 22 - 28 13

3 29 - 35 7
Dari data di atas diperoleh nilai
terendah (min) adalah 10 dan nilai 4 36 - 42 14
tertinggi (max) adalah 25. 5 43 - 49 2
Sehingga range nya adalah 15 6 50 - 56 4
7 57 - 63 2
Range = max – min
Range = 25 – 10
Range = 15 Untuk data kelompok di atas, maka nilai
range nya adalah 48

Range = BA max – BB min

Range = 63 – 15
Range = 48
 6

DEVIASI RATA-RATA

Definisi:
Rata-rata hitung dari nilai mutlak deviasi antara nilai data
pengamatan dengan rata-rata hitungnya.

Rumus data tunggal : Rumus data kelompok:

𝑿−𝑿 (𝒇 𝑿 − 𝑿 )
𝑴𝑫 = 𝑴𝑫 =
𝒏 𝒇
X : nilai pengamatan X : nilai tengah kelas
X : nilai rata-rata X : nilai rata-rata
n : banyak nya data f : jumlah frekuensi kelas
 7

Contoh
X-𝐗 𝐗−𝐗
12 -5 5
Untuk data tunggal.
10 -7 7
12, 10, 15, 16, 25, 20, 19, 24, 11, 18 15 -2 2
16 -1 1
𝑿−𝑿
𝑴𝑫 = 25 8 8
𝒏 20 3 3
42
MD = 19 2 2
10 24 7 7
MD = 4,2
11 -6 6
18 1 1
𝐗 = 17 Σ = 42
 8

Interval f X X-𝐗 𝐗−𝐗 f 𝐗−𝐗

15 - 21 8 18 -15,26 15,26 122,08
22 - 28 13 25 -8,26 8,26 107,38
29 - 35 7 32 -1,26 1,26 8,82
36 - 42 14 39 5,74 5,74 80,36
43 - 49 2 46 12,74 12,74 25,48
50 - 56 4 53 19.74 19,74 78,96
57 - 63 2 60 26,74 26,74 53,48
Σ = 50 Σ = 476,56

(𝒇 𝑿 − 𝑿 ) 𝟒𝟕𝟔, 𝟓𝟔
𝑴𝑫 = = = 𝟗, 𝟓𝟑
𝒇 𝟓𝟎
 9

STANDAR DEVIASI

Definisi:
Akar kuadrat dari varians dan menunjukkan standar
penyimpangan data terhadap nilai rata-ratanya.

Rumus:

𝒏 𝑿𝟐 − 𝑿 𝟐 𝑿−𝑿 𝟐
𝑺= atau 𝑺=
𝒏 𝒏−𝟏 𝒏−𝟏
X : Data pengamatan
n : banyak data
Contoh
• Hitunglah standar deviasi dari data : 4, 5, 6, 7, 8

Jawaban :
xi xi2
4 16
5 25
6 36
n = 5, ∑xi = 30, ∑xi2 = 190 7 49
8 64
30 190
S
n  x    x 
2
i i
2

nn  1
5(190)  (30) 2

5(5  1)
950  900 • Maka nilai standar deviasi dari
 sekumpulan data tunggal di
20 atas adalah 1,58
 2,5
 1,5811
• Untuk data berdistribusi frekuensi, rumus standar
deviasinya adalah :

S
 2
i 0 
n  f x   f i x0 
2

nn  1
x0 : tanda kelas
fi : frekuensi kelas
n : jumlah observasi
• Langkah-langkah pengerjaan :
1. Tentukan nilai tengah untuk setiap kelas.
2. Tentukan kuadrat dari nilai tengah tersebut.
3. Tentukan hasil perkalian antara frekuensi dengan nilai
tengah untuk setiap kelas.
4. Tentukan hasil perkalian frekuensi dengan nilai tengah
yang dikuadratkan.
Contoh
• Hitunglah nilai standar deviasi dari data berikut ini :

Nilai ujian fi
31 – 40 1
41 – 50 2
51 – 60 5
61 – 70 15
71 – 80 25
81 – 90 20
91 – 100 12
Jumlah 80
 Nilai fi x0 x 02 fix0 fix02
31 – 40 1 35,5 1260,25 35,5 1260,25
41 – 50 2 45,5 2070,25 91,0 4140,50
51 – 60 5 55,5 3080,25 277,5 15401,25
61 – 70 15 65,5 4290,25 982,5 64353,75
71 – 80 25 75,5 5700,25 1887,5 142506,25
81 – 90 20 85,5 7310,25 1710,0 146205,00
91 – 100 12 95,5 9120,25 1146,0 109443,00
Jumlah 80 - - 6130,0 483310,00
S
 2
0 
n  f i x   f i x0 
2

nn  1
80(483310)  (6130) 2

80(80  1) • Jadi, nilai standar deviasi
tabel distribusi frekuensi
1087900
 di atas adalah 13,12
6320
 172,1361
 13,1201
 17

VARIANS

Definisi:
Rata-rata hitung dari deviasi kuadrat setiap data terhadap rata-rata
hitungnya.

Rumus data tunggal :

𝟐 𝒏 𝑿𝟐 − 𝑿 𝟐 𝟐 𝑿−𝑿 𝟐
𝑺 = atau 𝑺 =
𝒏 𝒏−𝟏 𝒏−𝟏

Rumus data kelompok

S 2
n  f x    f x 
i
2
0 i 0
2

nn  1
 18

Skewness dan Kurtosis

Skewness digunakan untuk melihat kecondongan data

Rumus Skewness :
𝝁−𝑴𝒐 𝟑 𝝁−𝑴𝒅
𝑺𝒌 = atau 𝑺𝒌 =
𝝈 𝝈

Kurtosis digunakan untuk melihat keruncingan kecondongan data

Rumus Kurtosis :

𝟏 𝟒
𝒏 𝑿−𝝁
𝜶𝟒 =
𝝈𝟒
 19

TERIMA KASIH