TUGAS PROBABILITAS DAN STATISTIK

UKURAN PENYEBARAN DATA

NAMA KELOMPOK 8:

FARRAS TAMIM (5193230008)

T. AFRIAN (5193530005)
TAUFIK AHMAD (5193230009)

UNIVERSITAS NEGERI MEDAN

FAKULTAS TEKNIK
PROGRAM STUDI TEKNIK ELEKTRO
2020
 KATA PENGANTAR

ASSALAMU’ALAIKUM WR.WB

Puji syukur atas kehadirat ALLAH SWT karena limpahan rahmat dan hidayahnya makalah
mata kuliah PROBABILITAS dan STATISTIK ini dapat terselesaikan juga. Makalah ini
dibuat dengan maksud bertujuan untuk menyelesaikan tugas rutin untuk, pada materi ketiga
minggu ke-4 yaitu makalah ukuran penyebaran data

kami menyadari bahwa tugas makalah ini belumlah sempurna, baik dari segi materi maupun
cara penyajian dari tugas makalah ini. Oleh karena itu kami meinta maaf kepada pembaca
makalah ini, untuk itu saran dan kritik kami harapkan dari pembaca sekalian supaya untuk
membangun perbaikan tugas makalah ini. Semoga tugas makalah ini dapat bermanfaat untuk
kita semua. Aamiin

MEDAN MARET 2020

Kelompok 8
 DAFTAR ISI
KataPengantar ...................................................................................................... i

Daftar Isi ..............................................................................................................

ii

Bab.1Pendahuluan................................................................................................
1
A.    Latar Belakang ..................................................................................................
1
B.     Rumusan Masalah ............................................................................................
1
C.     Tujuan Penulisan ..............................................................................................
1
D.    Metode Penulisan ..............................................................................................
1

Bab II : Pembahasan ............................................................................................

2

A.    Pengertian Ukuran Penyajian Data ...................................................................

2
B.     Jenis-jenis ukuran Penyajian Data....................................................................
2
1.      Range...............................................................................................................
2
2.      Deviasi.............................................................................................................
4
3.      Variansi...........................................................................................................
7
4.      Ukuran Penyebaran Relatif..............................................................................
8
5. Skewness dan Kurtosis....................................................................................
9

Bab III : Penutup.................................................................................................

10

A.    Kesimpulan .....................................................................................................

10
B.     Saran ..............................................................................................................
10

BAB I
PENDAHULUAN

A.    Latar Belakang

Statistik berasal dari bahasa Latin yang artinya adalah “status” atau negara. Pada
mulanya statistika berhubungan dengan fakta dan angka yang dikumpulkan oleh pemerintah
untuk bermacam-macam tujuan. Statistik juga diturunkan dari kata bahasa Inggris yaitu state
atau pemerintah. Pengertian yang sangat sederhana tentang statistic adalah sebagai suatu
kumpulan data yang berbentuk angka dan tersusun rapi dalam suatu tabel, grafik, gambar,
dan lain-lain. Misalnya tabel mengenai keadaan pegawai di kantor-kantor, grafik
perkembangan jumlah penduduk dari waktu ke waktu, dan lain sebagainya. Sedangkan
pengertian yang lebih luas mengenai statistik adalah merupakan kumpulan dari teknik
mengumpulkan, analisis, dan interpretasi data dalam bentuk angka. Dan statistik juga
merupakan bilangan yang menunjukkan sifat-sifat (karakteristik) data yang dikumpulkan
tersebut.
Statistika dapat didefinisikan sebagai suatu ilmu pengetahuan yang berhubungan
dengan cara-cara mengumpulkan fakta/data, pengolahan data, kemudian menganalisis data
tersebut sehingga dapat diperoleh suatu kesimpulan/keputusan. Penggunaan istilah statitika
berakar dari istilah - istilah dalam bahasa latin “modern statisticum collegiums (“dewan
negara”) dan bahasa Italian statista (“negarawan” atau “politikus”). Pada abad ke 19 dan awal
abad ke 20 statistika mulai banyak menggunakan bidang-bidang dalam matematika, terutama
 peluang.penggunaan statistika pada masa sekarang dapat di katakan telah menyentuh semua
bidang ilmu pengetahuan, mulai dari astronomi hingga linguistika. Meskipun ada pihak yang
menganggap statistika sebagai cabang dari matematika tetapi sebagian pihak lainya
menganggap statistika sebagai bidang yang banyak terkait dengan matematika melihat dari
sejarah dan aplikasinya.

B.     Rumusan Masalah

1.      Apa definisi ukuran penyebaran data?
2.      Jelaskan jenis-jenis ukuran penyebaran data?

C.    Tujuan Penulisan

1.      Untuk mengetahui dan memahami pengertian ukuran penyajian data.
2.      Untuk mengetahui jenis-jenis ukuran penyajian data.

D.    Metode Penulisan

1.      Pengumpulan data dari berbagai buku sebagai sumber referensi.
2.      Pencarian data dari situs-situs internet.

BAB II
PEMBAHASAN
A.    Pengertian Ukuran Penyebaran Data
Ukuran penyebaran adalah suatu ukuran baik parameter atau statistik untuk
mengetahui seberapa besar penyimpangan data dengan nilai rata-rata hitungnya. Mengapa
kita mempelajari ukuran penyebaran tersebut? Karena kita merasa bahwa mengetahui nilai
tengah saja kurang cukup, tanpa disertai dengan pengetahuan tentang seberapa besar data
tersebut menyebar disekitar nilai tengahnya. Dengan memahami unsur penyebaran data
diharapkan kita tidak menarik kesimpulan yang salah.
Penyebaran adalah perserakan data individual terhadap nilai rata-rata. Penyebaran
disebut juga dispersi. Data homogen memiliki penyebaran yang kecil, sedangkan data yang
heterogen memiliki penyebaran yang besar.
Kegunaan Ukuran Penyebaran :1) Untuk menentukan apakah suatu nilai rata-rata
dapat mewakili suatu rangkaian data / tidak, 2) Untuk perbandingan terhadap variabilitas
data, misalnya data curah hujan, suhu udara, dsb, dan 3) Membantu penggunaan ukuran
statistik, misalnya dalam membandingkan ukuran penyebaran sampel terhadap populasi.

B.     Jenis-Jenis Ukuran Penyebaran Data

Dalam dunia statistik, dikenal beberapa macam ukuran penyebaran data, dari ukuran
yang paling sederhana sampai denga ukuran yang dipandang memiliki kadar ketelitian yang
tinggi, yaitu: 1) Range, 2) Deviasi, 3) Variansi, dan 4) Ukuran penyebaran relatif.
1.      Range
Range disebut juga rentang/jangkauan. Range adalah jarak antara data terbesar
dengan data terkecil, atau jangkauan yang menyatakan perbedaan dari nilai terbesar dan
terkecil dari suatu jajaran data.
 Range biasa diberi lambang R adalah satu ukuran statistik yang menunjukkan jarank
penyebaran antara nilai yang terendah (lowest score) sampai nilai tertinggi (highest score).
Dengan singkat dapat dirumuskan:
           R = H – L.
R = Range atau nilai yang kita cari.
H = Skor atau nila yang tertinggi (highest score).
L = Skor atau nilai yang terendah (lowest score).

a.       Cara Mencari Range

TABEL
Perhitungan range nilai hasil tes untuk lima acam bidang study
yang diikuti oleh tiga orang calon yang mengikuti tes seleksi
panerimaan calon mahasiswa baru
pada sebuah perguruan tinggi agama islam

Jumlah
Nilai yang dicapai H L R=H-L Mean
N niali
NAMA
O Bhs. Bhs. Bhs.
pkn pnjs
indo arab ingg
1. Ega 85 65 76 45 65 85 45 40 325 65

2. Nunu 58 65 72 60 70 72 58 14 325 65

3. Yuni 65 65 65 65 65 65 65 0 325 65
 Keterangan:
Kolom 3-7 menunjukkan distribusi nilai hasil yang dicapai oleh tiga orang calon.
  Kolom 8 memuat nilai tertinggi (higbest score) masing-masing calon.
  Kolom 9 memuat nilai terendah (lowest score) masing-masing calon.
  Kolom 10 menunjukkan jumlah seluruh nilai.
  Kolom 11 adalah mean (nilai rata-rata) yang dicapai oleh masing-masing calon.

Dari tabel tersebut menunjukkan bahwamakin kecil jarak penyebaran  nilai dari nilai
terendah sampai nilai tertinggi, akan semaakin homogen (concentrated) distribusi nilai
tersebut. Sebaliknya makin besar range-nya, akan makin berfariasi nilai-nilai yang dada
dalam distribusi nilai tersebut.
Selain itu berdasar pada range kita juga dapat mengatakan bahwa kian kecil range dari
suatu distribusi data, kian cenderung bagi diri kita untuk menganggap bahwa mean yang kita
peroleh merupakan wakil yang persentatif data yang bersangkutan; sebaliknya kian besar
range-nya, kita akan lebih cenderung untuk menganggap bahwa mean yang kita peroleh itu
sifatnya meragukan.

b.      Penggunaan Range

Range kita gunakan sebagai ukuran, apabila didalam waktu sangat singkat kita ingin
memperoleh gambaran tentang penyebaran data yang sedang kita selidiki dengan
mengabaikan faktor ketelitian atau kecermatan.

c.       Kebaikan dan Kelemahan Range

Kebaikan range sebagai salah satu ukuran penyebaran data ialah menggunakan range
dalam waktu singkat dapat diperoleh gambaran umum mengenai luas penyebaran data yang
sedang kita hadapi.
Adapun kelemaahannya ialah:
1)      Range akan sangat tergantung kepada nilai-nilai ekstrimnya. Dengan kata lain, besar-
kecilnya range akan sangat ditentukan oleh nilai terendah dan nilai tertinggi yang terdapat
dalam distribusi data, dengan demikian range sifatnya sangat label dan  kurang teliti.
Contoh:
Data X                        : H = 80, L = 30                      R = 80-30=50
Data Y                        : H = 95, L = 45                      R = 95-45=50
Data Z             : H = 88, L = 38                      R = 88-38=50
2)      Range sebagai ukuran penyebaran data, tidak memperhatikan distribusi yang terdapat di
dalam range itu sendiri. Ambillah sebagai contoh, misalnya nilai tertinggi dan niali terendah
yang berhasil dicapai oleh 8 orang mahasiswa masin-masing adalah 80 dan 40, sehingga
range-nya = 80-40=40 dengan range sebesar itu ada kemungkinan distribusi nilai itu adalah
40, 40, 40, 40, 40, 40, 40, dan 80, atau bahkan bentuk distribusi lainnya. Yang jelas, dengan
hanya mengetahui range-nya saja, kita belum tau secara pasti bagaimana sebenarnya bentuk
distribusi data yang kita hadapi mulai dari nilai terendah sampai nilai tertinggi.
 Karena kelemahan maka sebagai salah satu ukuran penyebaran data, range sanagat jarang
digunakan dalam pekerjaan analisis statistik.

2.      Deviasi
Dalam statistik, yang dimaksud dengan deviasi adalah selisih atau simpangan dari
masing-masing skor atau interval, dari nilai rata-rata hitungnya.
Deviasi merupakan salah satu ukuran variabilitas data yang biasa dilambangkan
dengan huruf kecil dari huruf yang digunakan bagi lambang skorya. Jadi apabila skornya
diberi lambang X maka deviasimya berlambang x, jika skornya berlambnag Y maka lambang
deviasinya berlambang y.
Karena deviasi merupakan simpangan atau selisih dari masing-masing skor terhadap
mean groupnya, maka sudah barang tentu akan terdapat dua jenis deviasi, yaitu: 1) deviasi
yang berada di atas Mean, dan 2) deviasi yang berada di bawah Mean.
Deviasi yang berada diatas mean dapat diartikan sebagai “selisih lebih”; kerenanya
deviasi semacam ini akan bertanda plus (+), dan lazim dekenal dngan istilah deviasi positif.
Adapun deviasi yang berada dibawah mean dapat diartikan sebagai “selisih kurang” oleh
karena itu, selalu bertanda minus (-), dan lazim dengan istilah deviasi negatif.
Perlu diingat bahwa semua deviasi baik yang bertanda plus maupun yang bertanda
minus apabila kita jimlahkan, hasilnya pasti sama dengan nol (0).

Guna memperjelas uraian yang telah dikemukakan diatas, marilah kita perhatikan
contoh berikut ini.
Skor (x) Banyaknya (f) Deviasi (x=X-Mx)
8 1 8 - 6 = +2
7 1 7 - 6 = +1
6 1 6-6=0
5 1 5 - 6 = -1
4 1 4 - 6 = -2

30 = ∑X 5=N 0 = ∑x

Mx =                    =      = 6
                                          
                    
a.       Deviasi Rata-rata
Deviasi rata-rata adalah jumlah harga mutlak deviasi dari tiap-tiap skor, dibagi dengan
banyaknya skor itu sendiri. Seperti terlihat pada tabel diatas, jika seluruh deviasi kita
jumlahkan, hasilnya pasti sama dengan nol (∑x=0). Karena jumlah deviasi akan selalu sama
dengan nol, maka kalau deviasi itu kita gunakan sebagai ukuran untuk mengetahui
variabilitas data tidak akan ada gunanya sama sekali. Oleh karena itulah agar deviasi dapat
digunakan sebagai ukuran variabelitas, dalam menjumlahkan deviasi itu tanda-tanda aljabar
(yaitu tanda + dan -) yang terdapat di depan deviasi sebaiknya diabaikan. Dengan kata lain,
agar deviasi dapat dimanfaatkan sebagai ukuran variabilitas, maka penjumlahan itu dilakukan
terhadap harga mutlaknya. Setelah harga mutlak deviasi dijumlahkan, lalu dihitung rata-
ratanya. Dengan demikian, apabila pengertian tentang deviasi rata-rata kita formulasikan
dalam bentuk rumus adalah sebagai berikut:

AD: Average Deviation = Deviasi Rata-rata .

∑x: Jumlah harga mutlak deviasi tiap tiap skor atau interval.
N: Number of Cases 

Misalkan seorang mahasiswa memiliki nilai untuk 7 mata kuliah

yang diujikant ingkat sarjanayang berhasil dicapai dan perhitungan
 deviasi rata-rata
Deviasi
Nilai (X) F
(x = X – Mx)
73 1 +3
78 1 -8
60 1 -10
70 1 0
62 1 -8
80 1 + 10
67 1 -3
490 = ∑X 7=N 42 = ∑x
                        

AD = ∑x / N
b.      Deviasi Standar
Diatas telah dikemukakan bahwa devisi rata-rata sebagaisalah satu ukuran variabelitas
data ditilik segi matematika memiliki kelemahan yang sangat mendasar karena menganggap
sama antara deviasi yang bertanda “plus” dengan deviasi yang bertanda “minus”.

Disebut deviasi standar, karena deviasi rata-rata yang tadinya memiliki kelemahan,
telah dibakukan atau distandaraisasi, sehingga memiliki distandarisasikan, sehingga kadar
kepercayaan atau reliabilitas yang lebih mantap, oleh karena itu, dalam dunia analisis statistik
deviasi standar ini mempunyai kedudukan yang amat penting. Deviasi standar yang umum
diberi lambang: δ atau: SD.
Jika ungkapan diatas kita tuangkan dalam bentuk rumus, maka rumus umum deviasi
standar atau SD ialah sebagai berikut:

SD = Deviasi standar.
∑X2 = Jumlah semua deviasi, setelah mengalami proses penguadratan terlebih dahulu.
N = Number of case.

Contoh:
Misalkan data yang disajikan pada tabel (daviasi rata-rata), kita cari deviasi standarnya, maka
proses perhitungannya berturut-turut adalah sebagai berikut:
Perhitungan SD dari data yang disajikan (deviasi rata-rata)
Deviasi
 X F X2
(x = X – Mx)
73 1 +3 +9
78 1 -8 + 64
60 1 -10 + 100
70 1 0 0
62 1 -8 + 64
80 1 + 10 + 100
67 1 -3 +9
490 = ∑X 7=N 0 = ∑x 346 = ∑X2

Langkah perhitungannya:

1.     
2.      Mencari deviasi x:       x = X – Mx
3.      Menguadratkan x sehingga diperoleh x2, setelah itu dijumlahkan, sehingga diperoleh ∑x2 =
346.
4.      Mencari deviasi standarnya:

                                                = 7,03
Ternyata SD-nya lebih besar d aripada AD-nya. Hasil perhitungan SD ini lebih teliti daripada
hasil perhitungan AD.

3.      Variansi
Variansi adalah salah satu ukuran dispersi atau ukuran variasi.  Varians dapat
menggambarkan bagaimana berpencarnya suatu data kuantitatif.  Varians diberi simbol 
σ2 (baca: sigma kuadrat) untuk populasi dan untuk s2 sampel. Selanjutnya kita akan
menggunakan simbol s2  untuk varians karena umumnya kita hampir selalu berkutat dengan
sampel dan jarang sekali berkecimpung dengan populasi. Rumus untuk menghitung varians
ada dua , yaitu rumus teoritis dan rumus  kerja.  Namun demikian, untuk mempersingkat 
tulisan ini, maka kita gunakan rumus kerja saja.  Rumus kerja ini mempunyai kelebihan
dibandingkan rumus teoritis, yaitu hasilnya lebih akurat dan lebih mudah mengerjakannya.

S2
Sifat penting varians adalah varians kombinasi (combined/pooled variance). Jika
terdapat beberapa kumpulan data (distribusi frekuensi) dengan masing-masing banyaknya
data Ni  dan variasinya S2x.i. maka varians kombinasinya adalah:
4.      Ukuran Penyebaran Relatif
Variansi merupakan ukuran penyebaran mutlak. Variansi5 cm untuk jarak 100m dan
variansi 5cm untuk jarak 10m tentu mempunyai pengaruh yang berbeda. Demikian pula
variansi 5 untuk satuan pengukuran cm tentu tidak dapat dibandingkan. Untuk mengukur
pengaruh demikian dan untuk membandingkan nilai-nilai yang mempunyai satuan
pengukuran yang berbeda, dugunakan ukuran penyebaran relatif.
            Salah satu ukuran penyebaran relatif yang lazim digunakan adalah koefisien variasi
yang dilambangkan dengan KV dengan rumus:

Misalnya, kita mempunyai data nialai ujian statistika untuk dua kelompok mahasiswa.
Kelompok pertama mempunyai nilai rata-rata 37 dan simpangan baku 3, dan kelompok kedua
mempunyai nilai rata-rata 75 dan simpangan baku 4. Kita tidak dapat mengatakan bahwa
kelompok pertama (simpangan baku = 3) lebih homogen daripada kelompok kedua
(simpangan baku = 4) karena kedua kelompok mempunyai nilai rata-rata yang berbeda.
Penyebaran relatifnya dengan mudah dapat dihitung sebagai berikut.
KV (kelompok pertama) = (3/37) x 100% = 8,11%
KV (kelompok kedua) = (4/47) x 100% = 5,33%
Hasil perhitungan menunjukkan bahwa kelompok kedua (KV = 5,33%)  lebih homogen
daripada kelompok  pertama (KV = 8,11%).
            Perlu diperhatikan bahwa koefisiean variasi adalah ukuran penyebaran yang tidak
tergantung pada satuan pengukuran yang digunakan. Satuan pengukuran apapun yang
digunakan, simpangan baku dan rata-rata mempunyai satuan pengukuran yang sama,
sehingga hasil baginya menghilangkan pengaruh satuan pengukuran itu. Dengan demikian.
Membandingkan koefisiean variasi beberapa kelompok data dapat dilakukan tanpa
mengetahui satuan pengukuran yang digunakan

5. Kurtosis dan Skewness

Pada statistika, dikenal istilah skewness dan kurtosis.
Skewness adalah ukuran ketidaksimetrisan dalam distribusi nilai.
Skewness dapat bernilai positif, negatif, dan nol. Skewness yang bernilai positif berarti ekor
distribusi berada di sebelah kanan nilai terbanyak. Berarti, sebagian besar distribusi berada di
nilai rendah.
Skewness yang bernilai negatif berarti ekor distribusi berada di sebelah kiri, menunjukkan
bahwa sebagian besar nilai berada di sisi kanan kurva.
Sementara skewness bernilai nol berarti nilai terdistribusi secara simetris, dengan jarak
antara ekor distribusi sebelah kanan dan kiri sama besar.
 Sumber: https://en.wikipedia.org/wiki/Skewness

Kurtosis menunjukkan derajat keruncingan (tailedness).

Semakin besar nilai kurtosis maka kurva semakin runcing.

Nilai referensi kurtosis adalah 3. Jika nilai kurtosis lebih besar dari 3, maka kurva distribusi
disebut leptokurtik. Sementara jika lebih rendah dari 3, maka disebut platikurtik. Sedangkan
nilai kurtosis sama dengan 3 bermakna kurva distribusi normal atau mesokurtik atau
mesokurtotik.

Source: https://www.researchgate.net/figure/Types-of-kurtosis_fig4_275208180

Skewness dan kurtosis dapat menunjukkan kondisi pembagian atau distribusi data.

Kondisi ideal adalah saat data terdistribusi normal, yakni saat skewness bernilai 0 dan
kurtosis bernilai 3. Semakin jauh dari kondisi ideal berarti data tersebar semakin tidak ideal
atau tidak merata.

BAB III
PENUTUP

Demikianlah penulisan makalah ini yang telah kami buat. Dari hasil pembahasan yang
telah kami bahas pada makalah ini maka dapat kita ambil kesimpulan dan rekomendasi.

Kesimpulan

Ukuran penyebaran data yang telah dihitung adalah range (rentang), standar deviasi
(simpangan baku). Rentang data menunjukkan selisih antara nilai terbesar dengan nilai
terkecil dalam suatu himpunan data. Simpangan baku adalah jumlah mutlak selisih setiap
nilai pengamatan terhadap nilai rata-rata dibagi dengan banyaknya pengamatan kurtosis
merupakan ukuran untuk menentukan bentukbentuk distribusi yang biasanya dibandingkan
dengan kurva distribusi normal. Ukuran penyebaran dapat digunakan untuk menentukan
apakah nilai rata-ratanya benar-benar representatif atau tidak. Apabila suatu kelompok data
mempunyai penyebaran yang tidak sama terhadap nilai rata-ratanya, maka dikatakan bahwa
nilai rata-rata tersebut tidak representatif.

Saran

Dalam kehidupan sehari – hari bahwa penggunaan aplikasi microsoft Excel dan juga
SPSS dapat memberikan manfaat yang besar bagi suatu organisasi perusahaan maupun
pendidikan yaitu waktu dapat menjadi lebih efisien ketika melakukan pengolahan data
mentah menjadi data berkelompok yang nantinya menjadi informasi bagi organisasi tersebut
dalam menentukan keputusan yang lebih baik di masa yang akan datang. Sebaliknya, jika
sebuah organisasi perusahaan maupun pendidikan masih menerapkan penghitungan manual
dalam pengolahan data statistik, maka waktu yang ada menjadi kurang efisien dan pengerjaan
dalam mengolah data menjadi kurang efektif. Dan juga bila dibandingkan hasil dari
pengolahan data secara manual dengan hasil pengolahan data secara otomatis yaitu dengan
aplikasi microsoft excel dan SPSS, akan memperoleh hasil yang berbeda dari keduanya.
Tingkat keakuratan pengolahan data secara otomatis lebih mendekati kebenaran daripada
pengolahan data secara manual.