MAKALAH STATISTIKA PENDIDIKAN

“PENGUKURAN PENYIMPANGAN”
Dosen Pengampu: Tenku Idris, M.Pd

DISUSUN OLEH:
KELOMPOK 4
Herlina Safitri (176510211)
Putri Nurul Safitri (176510)
Riandini Rahayu S (176510425)
Winda Sari Angliani (176510426)

KELAS: 6B

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN

PROGRAM STUDI PENDIDIKAN BIOLOGI
UNIVERSITAS ISLAM RIAU
PEKANBARU
2020
 KATA PENGANTAR

Puji syukur kami ucapkan kepada Allah SWT yang telah memberikan
rahmat, hidayah, serta karunia-Nya kepada kami semua sehingga kami dapat
menyelesaikan makalah Statistika Pendidikanini dengan baik.
Penulisan makalah yang bersifat sederhana ini, dibuat berdasarkan tugas
kelompokyangdiberikan oleh dosen pengampu kamiyaitu bapak Tenku Idris,
M.Pd dalam materi yang berjudul “Pengukuran Penyimpangan”.
Dengan mengucapkan syukur Alhamdulillah, kami semua dapat menyusun,
serta dapat menyelesaikan sebuah makalah ini. Disamping itu, kami mengucapkan
rasa terima kasih kepada semua pihak yan telah banyak membantu kami dalam
menyelesaikan pembuatan sebuah makalah ini, baik dalam bentuk moril maupun
dalam bentuk materi sehingga dapat terlaksana denan baik.
Kamisangat menyadari sepenuhnya bahwa makalah kami ini memang masih
banyak kekurangan serta amat jauh dari kata kesempurnaan. Namun, kami semua
telah berusaha semaksimal mungkin dalam membuat sebuah makalah ini.
Disamping itu, kami sangat mengharapkan kritik serta saran dari semua teman-
teman demi tercapainya kesempurnaan.

Pekanbaru, 9 Maret 2020

Kelompok 4

i
 DAFTAR ISI

Kata Pengantar......................................................................................................i
Daftar Isi................................................................................................................ii
BAB I PENDAHULUAN
Latar belakang.........................................................................................................1
Rumusan Masalah...................................................................................................1
Tujuan.....................................................................................................................1
BAB II PEMBAHASAN
2.1 Pengertian Pengukuran Penyimpangan............................................................2
2.2 Macam-Macam Pengukuran Penyimpangan....................................................2
1.Rentangan (Range) .............................................................................................2
2.Rentangan Antar Kuarti (RAK).........................................................................4
3.Rentangan Semi Antar Kuartil ( Simpangan Kuartil)........................................6
4.Simpangan Rata-Rata (SR) ................................................................................8
5.Simpangan Baku( Standar Deviasi)...................................................................10
6.Variasi (Varians)................................................................................................13
7.KoefisienVarians ( KV).....................................................................................14
8. Angka Baku ( Standar Score)..........................................................................15
BAB III PENUTUP
3.1 Kesimpulan ...................................................................................................19
DAFTAR PUSTAKA

ii
 BAB I

PENDAHULUAN

1.1 Latar Belakang

Pengukuran penyimpangan adalah suatu ukuran yang menunjukkan

tinggirendahnya perbedaan data yang diperoleh dari rata-ratanya. Ukuran
penyebaran ini menunjukkan suatu variasi dari suatu distribusi data. Dengan
mengetahui variasi suatu data maka kita bisa mengambil kesimpulan secara lebih
tepat tentang distribusi suatu data.

Dalam pengukuran memusat kita hanya melihat bagaimana semua data dilihat
dari kesemaannya, tetapi tidak menjelaskan perbedaan antar data. Bisa saja
dengan pengukuran memusat menghasilkan kesimpulan yang sama tetapi jika
dilihat dari masing-masing data akan ada perbedaan. Dengan demikian akan
menghasilkan kesimpulan yang salah.

Untuk lebih menggambarkan perbedaan antar data secara keseluruhan maka

dapat kita lihat dari pengukuran penyimpangan. Pengukuran penyimpangan dapat
diartikan suatu ukuran yang menunjukkan tinggi rendahnya perbedaan data yang
diperoleh dari rata-rata data tersebut.

1.2 Rumusan Masalah

1. Apa pengertian Pengukuran Penyimpangan?
2. Apasaja macam-macam Pengukuran Penyimpangan?

1.3 Tujuan
1. Untuk mengetahui pengertian Pengukuran Penyimpangan.
2. Untuk mengetahui apa saja macam-macam Pengukuran Penyimpanga.

1
 BAB II

PEMBAHASAN

2.1 Pengertian Pengukuran Penyimpangan.

Penyajian data baik berupa penyelidikan, riset, maupun teknologi selalu

membutuhkan informasi yang lebih baik lagi.untuk lebih lengkap dan nyamannya
informasi perlu dibumbui dengan perhitungan simpangan baku dan variasi.
Karena, dengan menggunakan pengukuran gejala pusat saja cendrung
menghasilkan kesimpulan yang sama tetapi mempunyai simpangan dan variasi
yang berbeda.

Pengukuran penyimpangan adalah suatu ukuran yang menunjukkan tinggi

rendahnya perbedaan data yang diperoleh dari rata-ratanya. Ukuran
penyimpangan digunakan untuk mengetahui luas penyimpangan data atau
homogenitas data. Dua variabel data yang memiliki mean sama belum tentu
memiliki kualitas yang sama, tergantung dari besar atau kecil ukuran penyebaran
datanya. Ada bebarapa macam ukuran penyebaran data, namun yang umum
digunakan adalah standar deviasi.

Pengukutan penyimpangan akan membahas rentangan (range), rentangan

antar kuertil, rentangan semi antar kuarti, simpangan rata-rata, simpangan
baku,varians, koefisien varians, dan angka baku.

2.2 Macam-macam Ukuran Penyimpangan

1. Rentangan (range).
Range adalah salah satu ukuran statistik yang menunjukan jarak
penyebaran data antara nilai terendah (Xmin) dengan nilai tertinggi (Xmax).
Ukuran ini sudah digunakan pada pembahasan daftar distribusi frekuensi.Jarak
atau kisaran nilai (range) merupakan ukuran paling sederhana dari ukura n
penyebaran.Jarak merupakan perbedaan antara nilai terbesar dan nilai terkecil
dalam suatu kelompok data baik data populasi atau sampel.Semakin kecil

2
ukuran jarak menunjukkan karakter yang lebih baik, karena berarti data
mendekati nilai pusat dan kompak.
Rentangan (range) adalah ukuran yang paling sederhana, range
adalah jarak antara nilai tertinggi dan nilai terendah.
a) Range Untuk Data Tidak Berkelompok.
Rumus untuk data tidak berkelompok adalah sebagai berikut :
Jarak (range) = Nilai Terbesar – Nilai Terkecil

Contoh Pertama :

Data nilai UAS Statistika

Kelas A = 90 80 70 90 70 100 80 50 75 70
Kelas B = 80 80 75 95 75 70 95 60 85 60
Langkah-langkah menjawab :
Urutkan dahulu kemudian dihitung berapa rentangannya.
Kelas A = 50 70 70 70 75 80 80 90 90 100
Kelas B = 60 60 70 75 75 80 80 85 95
Rentangan kelas A : 100 – 50 = 50
Rentangan kelas B : 95 – 60 = 35

Contoh Kedua :

Diketahui data Prestasi Pegawai

Bagian C : 45, 50, 60, 65, 70, 80
Bagian J : 45, 49, 55, 60, 75, 80
Bagian D : 45, 48, 50, 52, 60, 80
Bagian W : 45, 46, 50, 51, 70, 80
Keempat data prestasi pegawai menunjukkan nilai rentangan yang sama,
yaitu 35 tetapi penyebaran variasi berbeda.
b) Range Untuk Data Berkelompok
Rumus untuk data berkelompok adalah sebagai berikut :
Range = nilai tengah kelas terakhir – nilai tengah kelas pertama

3
 Contoh :
Carilah range dari data berikut!

Interval Frekuensi
30-34 8
35-39 10
40-44 13
45-49 17
50-54 14
55-59 11
60-64 7

Caranya pertama :

Nilai tengah kelas pertama = (30=34) : 2 = 32

Nilai tengah kelas terakhir = (60=64) : 2 = 62

Maka Range = 62-32 = 30

Caranya kedua :

Tepi bawah kelas pertama = 30-0,5 = 29,5

Tepi atas kelas terakhir = 64 + 0,5 = 64,5

Maka Range = 64,5 – 29,5 = 35

2. Rentangan Antar Kuartil (RAK)

Rentangan antar kuartil yaitu selisih antara kuartil ketiga dengan kuartil
pertama ditulis.

Rumus : RAK = K3 – K1

Contoh :

Diketahui : data seperti (tabel 45)

4
 Tabel 45

Distribusi frekuensi

No
Nilai Kelas Interval Frekuensi (f)
.
1. 60-64 2
2. 65-69 8
3. 70-74 15
4. 75-79 18
5. 80-84 16
6. 85-89 7
7. 90-94 4
N = ∑f = 70

Kuartil dengan rumus :

K1 = Bb + P (1/4 n – JF) ꞊ 69,5 + 5. (1/4.70 - 10) ꞊ 72

F 15

K2 ꞊ Bb + P (1/2 n – JF) ꞊ 74,5 + 5 (1/2 .70 – 25) ꞊ 77,2

F 18

K3 ꞊ Bb + P (3/4 n –JF) ꞊ 79,5 + 5 (3/4. 70 – 43) ꞊ 82,45

F 16

Makna atau arti dari K1 , K2, K3

1. Arti dari K1 bahwa terdapat 25% mahasiswa mendapatkan nilai ujian

statistik = 72
2. Arti dari K2 bahwa terdapat 50% mahasiswa mendapatkan nilai ujian
statistik = 77,2
3. Arti dari K3 bahwa terdapat 75% mahasiswa mendapatkan nilai ujian
statistik = 82,45

K1 ꞊ 72

5
K3 ꞊ 82,45

RAK = 82,45 – 72 = 10,45

Jadi dapat ditarik kesimpulannya bahwa 50% nilai tersebut paling rendah 72 dan
paling tinggi 82,45 dengan perbedaan paling tinggi 10,45

3 . Rentangan semi antar kuartil ( simpangan kuartil)

ialah setengan dari Rentang Antar Kuartil dengan rumus

½ RAK

Contoh data tunggal :

Nilai UAS SMA 14 PEKANBARU

6,7,7,8,7,9,6,10,7,8,8,8,8,8,10,10,10

Jawaban :

Diurutkan dari terkecil-terbesar = 6,6,7,7,7,7,8,8,8,8,8,8,9,10,10,10,10

Cari K1,K2, dan K3

K1 = ¼ (n+1) = ¼ . (17+1) = ¼. 18 = 4,5

Berarti berada pada posisi data ke 4,5
=data ke-4 + data 0.5 (data ke-5 – data ke-4)
=7 + 0,5 (7-7)
= 7 + 0,5(0)
=7

K2 = ½ (n+1) = ½ (17=1) = ½. 18 = 8
Berarti berapa pada posisi data ke-8 = 8

K3 = ¾ (n+1) = ¾ ( 17+1) = ¾.18 = 13,5

Berarti berada pada posisi data ke-13,5

6
= data 13 + data 0,5 ( data ke-14 – data ke-13)
=9 + 0,5 ( 10 – 9)
=9 + 0,5
=9,5
Sehingga SK = ½ ( K3- K1)

= ½ ( 9,5-7) = ½ .2,5 = 1.25

Contoh data kelompok :

No
Nilai Kelas Interval Frekuensi (f)
.
1. 60-64 2
2. 65-69 6
3. 70-74 15
4. 75-79 20
5. 80-84 16
6. 85-89 7
7. 90-94 4
N = ∑f = 70

Jawaban :

K1 = ¼ n = ¼.70 =17,5

Sehingga K1 berada pada data ke 17,5

K1 = Bb + P (1/4 n – JF) ꞊ 69,5 + 5. (1/4.70 - 10) ꞊ 72

F 15

K2 = ½ n = ½ 70 = 35

Sehingga K2 berada pada data ke 35

K2 = Bb + P (1/2 n – JF) ꞊ 74,5 + 5. (1/2.70 - 25 ) ꞊ 77,2

F 18

7
 K3 = ¾. N = ¾. 70 = 52,5

Sehinggga K3 berada pada data ke 52,5

K3 ꞊ Bb + P (3/4 n –JF) ꞊ 79,5 + 5 (3/4. 70 – 43) ꞊ 82,45

F 16

Jadi , SK = ½ (Q3-Q1)

= ½ ( 82,45 – 72 )

= ½ . 10, 45

= 5, 22

4. simpangan rata- rata ( SR)

Yaitu nilai rata- rata dari harga mutlak semua simpangan terhadap rata-rata
(mean) kelompoknya. Maksud harga mutlak disini semua nilai simpangan
negative dianggap positif.

Rumus SR untuk data tunggal = SR =

∑ |X −ẋ|
n

Rumus SR untuk data kelompok = SR =

∑ fi|ti−ẋ|
∑ fi
Contoh soal data tunggal

Nilai UAS SMAN 14 PEKANBARU = 6,6,7,7,7,7,8,8,8,8,8,8,9,10,10,10,10

 Nilai n = 17

 Cari ẋ =
∑ Xi
n

6+6+7 +7+7+7+ 8+8+ 8+8+8+ 8+9+10+10+10+ 10

=
17

8
 137
= =8
17

 Cari ∑ | X− ẋ| =
= |6-8|+ |6-8|+|7-8|+|7-8|+|7-8|+|7-8|+|8-8|+|8-8|+|8-8|+
|8-8|+|8-8|+|8-8|+|9-8|+|10-8|+|10-8|+|10-8|+|10-8|
= 17

 SR =
∑ |X −ẋ|
n
17
= =1
17

Contoh data kelompok

Nilai ti fi. ti ẋ |ti−ẋ| f |ti− ẋ|

No
Kelas Frekuensi (fi)
.
Interval
1. 60-64 2 62 124 77,35 15,35 31
2. 65-69 6 67 536 77,35 10,35 62
3. 70-74 15 72 1080 77,35 5,35 80
4. 75-79 20 77 1386 77,35 0,35 70
5. 80-84 16 82 1312 77,35 4,65 74
6. 85-89 7 87 609 77,35 9,65 67
7. 90-94 4 92 368 77,35 14,65 59
∑fi. ti = ∑ f I |ti− ẋ|
N = ∑fi = 70
5415 = 443

∑ fi . ti 5415
Untuk mencari ẋ = ∑ f i = 70 = 77, 35sehingga SR =
∑ fi|ti−ẋ| 443= = 6,33
∑ fi 70

5. Simpangan Baku (Standar Deviasi).

Standar deviasi adalah ukuran yang digunakan untuk mengukur jumlah

variasi atau sebaran sejumlah nilai data. Semakin rendah nilai standar deviasi,

9
maka semakin mendekati rata-rata, sedangkan jika nilai standar deviasi semakin
tinggi maka semakin lebar rentang variasi datanya. Sehingga standar deviasi
merupakan besar perbedaan dari nilai sampel terhadap rata-rata.

Standar deviasi juga disebut simpangan baku dan disimbolkan dengan

alfabet Yunani untuk populasi adalah σ (baca: sigma) dan untuk sampel adalah s.
Dalam bahasa Inggris, standar deviasi disebut standard deviation. Standar deviasi
menyatakan keragaman sampel dan dapat digunakan untuk mendapatkan data dari
suatu populasi.

Misalnya ketika kita ingin mengetahui nilai yang didapat siswa di suatu
kabupaten dengan populasi siswa 50.000 orang, maka diambil sampel 5.000
orang. Dari hasil riset sampel didapat data dengan standar deviasi tertentu.
Semakin besar standar deviasi, maka keragaman sampel semakin besar.

Standar Deviasi ialah suatu nilai yang menunjukan tingkat (derajat) variasi
kelompok data atau ukuran standar penyimpangan dari meannya. Symbol standar
Deviasi populasi (σn atau σ ) sedangkan symbol sampel (σn-1, Sd atau s). Rumus
Standar Deviasi:

1. Standar Deviasi (Sd) sampel untuk data tunggal

2
∑ ( x− x́ )
Sd = √ n−1

Standar Deviasi (Sd) populasi untuk data tunggal:

2
∑ ( x−μ )
σ= √ n

keterangan :

x́ = rata-rata hitung sample

n = ukuran / jumlah sampel

xi = data nilai

10
µ = rata-rata hitung populasi

Contoh data tunggal:

Tentukan simpangan baku dari 5,3,7,6,4,3,10,2

Penyelesaian :

2
∑ ( x− x́ )
RumusSd =
√ n−1

5+3+7+6+ 4 +3+10+2 40
x́ = 8 = 8 =5

X ( x−x́ ) ( x−x́ )2
5 0 0
3 -2 4
7 2 4
6 1 1
4 -1 1
3 -2 4
10 5 25
2 -3 9
n= 8 2
∑ ( x−x́ ) =¿48

2
∑ ( x− x́ ) 48 48
√
Sd =
n−1
= √ 8−1
= √ 7
=√ 6,85 = 2,61 (data sampel)

2
∑ ( x−μ ) 48
σ=√ n
= √ 8
=√ 6 = 2,44 (data populasi)

2. Standar Deviasi (Sd) sample untuk data distribusi (dikelompokan).

2
∑ fi . ( ti− x́ )
Sd = √ ∑ fi−1

Standar Deviasi (Sd) populasi untuk data distribusi (dikelompokan).

2
∑ fi . ( ti−μ )
σ= √ ∑ fi

11
 Contoh data distribusi :

Diketahui : data Distribusi Frekuensi Nilai Ujian Statistika Universitas CJDW 2001:

Fre
Titik
kuen
NILAI tengah fi .ti ti−x́ ( ti−x́ )2 fi . ( ti−x́ )
2

si
fi ti
60-64 2 62 124 -15,35 235,62 471,24
65-69 8 67 536 -10,35 107,12 856,96
70-74 15 72 1080 -5,35 28,62 429,3
75-79 18 77 1386 -0,35 0,12 2,16
80-84 16 82 1312 4,65 21,62 345,92
85-89 7 87 609 9,65 93,12 651,84
90-94 4 92 368 14,65 214,62 858,48
- ∑ fi=70 ∑ fi .ti=5415 ∑ fi . ( ti−x́ )2
¿3615,9
Penyelesaian :

2
∑ fi . ( ti− x́ )
RumusSd =
√ ∑ fi−1

∑ fi . t i 5415
x́ = ∑ fi = 70 = 77,35

2
∑ fi . ( ti− x́ ) 3615,9 3615,9
Sd=
√ ∑ fi−1
=√ 70−1
=√ 69
=√ 52,40=7,23 (data sampel)

2
∑ fi . ( ti−μ ) 3615,9 3615,9
σ =√ ∑ fi
=√ 70
=√ 70
=√ 51,65=7,18 (data populasi)

6. Variasi (Varians)

Varians adalah kuadrat dari standar deviasi.  Varians dapat

menggambarkan bagaimana berpencarnya suatu data kuantitatif.  Simbol populasi
= σ2 atau σ2n sedangkan untuk sampel σ2n-1 atau (S2) atau S . Selanjutnya kita akan
menggunakan simbol s2  untuk varians karena umumnya kita hampir selalu
berkutat dengan sampel dan jarang sekali berkecimpung dengan populasi.

12
 a) Rumus varian (S2) sampel untuk data tunggal.

S2=( Sd )2

Rumus varian (S2) populasi untuk data tunggal.

S2= ( σ )2

Contoh :
Jika ( Standar Deviasi data tunggal) Sd : 2,61(data sampel)
Maka ( Varians data tunggal)  S2 : ( 2,61 )2 = 6,81 (data sampel varians)

b) Rumus varian (S2) sampel untuk data distribusi (dikelompokan).

S2= ( Sd )2

Rumus varian (S2) populasi untuk data distribusi (dikelompokan).

S2= ( σ )2
contoh data Berdistribusi :

Jika ( Standar Deviasi data kelompok) Sd : 7,23 (data sampel)

Maka ( Varians data kelompok )  S2 : ( 7,23 )2 = 52,27 (data sampel varians)

Cara Menghitung Standar Deviasi Dan Varians Menggunakan Microsoft Excel,

a) Standar Deviasi.
Langkah-langkahnya adalah sebagai berikut:
1. Siapkan set data yang akan dihitung standar deviasi nya.
2. Pada kolom kosong yang ingin ditampilkan nilai standar deviasi, ketikkan rumus
berikut ini: =STDEV.S(rentang data) atau =STDEV.P(rentang data)

13
 3. Tekan enter untuk memunculkan nilai.

7. Koefisien variasi (Coefficient of variation)

Koefisien variasi merupakan suatu ukuran variansi yang dapat digunakan

untuk membandingkan suatu distribusi data yang mempunyai satuan yang
berbeda. Kalau kita membandingkan berbagai variansi atau dua variabel yang
mempunyai satuan yang berbeda maka tidak dapat dilakukan dengan menghitung
ukuran penyebaran yang sifatnya absolut.

Koefisien variasi adalah suatu perbandingan antara simpangan baku dengan nilai
rata-rata dan dinyatakan dengan persentase.

S
KV= x 100%
X́

Keterangan :

KV = Koefisien Variasi (%)

S = Standar Devisiasi

x́ = Rata-rata

Contoh :

Drs. Riduwan,M,B,A. Mengajar mata kuliah Statistika 1 dua kelas, yitu kelas A
dan B setelah 8 kali pertemuan di adakan UTS. Data diperoleh berikut:

Kelas A

Nilai rata-rata = 75

Standar deviasi = 5,4

Kelas B

Nilai rata-rata = 85

Standar deviasi = 4,2

Ditanya berapa koefisien variasi masing-masing

Jawab :

14
 S 5,4
KVKelas A = x 100% = x 100% = 7,2%
X́ 75

S 4,2
KVKelas B = x 100% = x 100% = 4,94%
X́ 85

Besarnya koefisien variasi akan berpengaruh terhadap kualitas sebaran data. Jadi

jika koefisien variasi semakin kecil maka datanya semakin homogen dan jika
koefisien korelasi semakin besar maka datanya semakin heterogen.

8. Angka Baku(Standar Score)

Nilai  standar (angka baku ) adalah perubahan yang dipergunakan untuk

membandingkan dua buah keadaan atau lebih. Z score adalah nilai yang
dinyatakan dengan satuan standar deviasi (S).Angka Baku digunakan untuk
mengetahui kedudukan suatu objek yang sedang diselidiki dibandingkan terhadap
keadaan pada umumnya (nilai rata-rata) kumpulan objek tersebut. 
Kegunaan angka baku, yaitu Mengamati perubahan nilai kenaikan dan nilai
penurunan variable atau suatu gejala dari rata-ratanya.Semakin kecil angka
bakunya, semakin kecil pula perubahan variable tersebut dari rata-ratanya, dan
sebaliknya.Nilai Z mengukur berapa simpangan baku sebuah pengamatan terletak
diatas atau dibawah nilai tengahnya.Nilai standar (Z-score) adalah suatu bilangan
yang menunjukkan seberapa jauh sebuah nilai mentah menyimpang dari rata-
ratanya dalam suatu distribusi data dengan satuan SD. Dengan demikian, nilai
standar tidak lagi tergantung pada satuan pengukuran seperti cm, kg, rupiah, detik
dan sebagainya.

Contoh1:

Fatimah mahasiswa STIA mengambil 5 mata kuliah dengan nilai presentasi

UTS dan rata-rata kelas:

Bahasa Inggris : Nilai 80; x́ = 70; s=5

Statistika : Nilai 95; x́ = 75; s=4

Manajemen SDM : Nilai 85; x́ = 80; s=5

15
 Hukum Tata Negara : Nilai 90; x́ = 70; s = 10

Matematika : Nilai 100; x́ = 85; s=5

Berdasarkan kelima nilai di atas, mana yang lebih baik diperoleh oleh
Fatimah.

Jawab :

Kalau dilihat dari besar nilainya Matematika yang paling baik derajatnya yaitu
100 lebih besar dari nilai statistika = 95, tetapi kalau dinilai secara relative
disbanding dengan rata-ratanya, maka harus dihitung angka bakunya yaitu:

80−70 90−70 95−75

Z(BI) = =2 Z(HTN) = =2 Z(Stk) = =5
5 10 4

100−85 85−80
Z(Mat) = =5 Z(MSDM) = =1
5 5

Berdasarkan kelima nilai tersebut yang lebih baik ialah Statistika atau
kedudukan nilai statistika lebih tinggi dari pada nilai keempat mata kuliah diatas
(matematika, Bahasa Inggris, Hukum Tata Negara, dan Manajemen SDM).

Dalam penggunaan bilangan Z sering diubah menjadi distribusi baru

(model yang baru) yang mempunyai x́ dan standar deviasi yang sudah ditentukan.
Bilangan yang diperoleh dengan cara ini disebut bilangan baku (bilangan standar).
Dengan x́, dan s ditulis rumus:

Zscore = x́ o + so ( X −x́
s )

Keterangan:

Zscore =Angka Baku

X = Nilai Verbal

x́ o =Mean yang sudah ditentukan

so = Standar deviasi yang sudah ditentukan

S = Standar deviasi

x́ = Rata-rata (mean)

16
 Jika angka-angka diatas dimasukkan ke dalam angka baku dengan rata-rata 100
dan standar devisiasi (s) 15, maka angka baku untuk mata kuliah:

Z(BI) = 100+15 ( 80−70

5 )
= 130 Z(HTN) = 100+15 ( 90−70
10 )
=

130

Z(Stk) = 100+15 ( 95−75

4 )
= 175 ZMatI) = 100+15 ( 100−85
5 ) = 145
Z(MSDM)= 100+15 ( 85+80
5 )
= 115

Jadi, nilai mata kuliah yang disandang paling baik oleh fatimah ialah Statistika.

Contoh 2

Bang Ibrahim pedagang es Campina di jalan Setiabudi Bandung, penghasil

rata-rata Rp.25.000,00/hari dan standar deviasi Rp.500,00 sedangka Bang Sya’ban
pedagang susu kambing dengan penghasilan rata-rata Rp.50.000,00/hari standar
deviasi Rp.2.500,00. Waktu ada festival dan bazaar Bang Ibrahim dapat
meningkatkan penjualan es krimnya menjadi Rp.75.000,00 dan Bang Sya’ban
sebesar Rp.100.000,00. Pertanyaan: Pedagang manakah yang lebih baik
menigkatkan penjualannya:

Jawab:

Rp .75 .000,00−Rp .25 .000,00

Bang Ibrahim = = Rp. 100,00
Rp .500,00

Rp .100 .000,00−Rp .50 .000,00

Bang Sya’ban = = Rp.20,00
Rp .2 .500,00

Berdasarkan analisis di atas, maka Bang Ibrahim lebih berhasil menaikkan

volume penjualannya dengan angka baku sebesar Rp.100,00.

17
 BAB III

PENUTUPAN

2.1 Kesimpulan

18
  Pengukuran penyimpangan ini digunakan untuk melihat penyebaran data serta
tingkat homogenitas dari data yang ada. Deviasi (penyimpangan) akan
memperlihatkan seberapa tersebar data dibandingkan dengan kecendrungan rata-
ratanya.

DAFTAR PUSTAKA

Buku dasar-dasar statistika karya Dr. Riduwan, M.B.A

https://dreamerzone16.wordpress.com/2013/10/08/pengukuran-penyimpangan/

19
https://mutiaoctivianti.wordpress.com/pengukuran-penyimpangan-range-deviasi-
varian/

20