NAMA KELOMPOK 8:
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
Kelompok 8
DAFTAR ISI
KataPengantar ...................................................................................................... i
Bab.1Pendahuluan................................................................................................
1
A. Latar Belakang ..................................................................................................
1
B. Rumusan Masalah ............................................................................................
1
C. Tujuan Penulisan ..............................................................................................
1
D. Metode Penulisan ..............................................................................................
1
BAB I
PENDAHULUAN
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.
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.
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 = ∑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
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.