KATA PENGANTAR

                        Puji dan syukur penulis panjatkan ke hadirat tuhan yang maha esa karena berkat
limpahan rahmat dan karunia-nya sehingga penulis dapat menyusun makalah ini tepat pada
waktunya. makalah ini membahas tentang ”Range,Standar Deviasi,Variansi,Korelasi dan
Regresi”.
Dalam penyusunan makalah ini, penulis banyak mendapat tantangan dan hambatan akan
tetapi dengan bantuan dari berbagai pihak tantangan itu bisa teratasi. Olehnya itu, penulis
mengucapkan terima kasih yang sebesar-besarnya kepada semua pihak yang telah membantu
dalam penyusunan makalah ini, semoga bantuannya mendapat balasan yang setimpal dari Tuhan
Yang Maha Esa.
Penulis menyadari bahwa makalah ini masih jauh dari kesempurnaan baik dari bentuk
penyusunan maupun materinya. Kritik konstruktif dari pembaca sangat penulis harapkan untuk
penyempurnaan makalah selanjutnya.
Akhir kata semoga makalah ini dapat memberikan manfaat kepada kita sekalian.

Padang,20 Maret 2020

Penulis
 BAB I
PENDAHULUAN
A.Latar Belakang
Perlu diketahui bahwa pengetahuan kita mengenai materi Ukuran Dispersi sangat perlu
dibutuhkan agar kita bisa memperoleh gambaran-gambaran lebih lengkap dalam memahami
tentang data-data yang ada.
Maka dari itu,dalam kesempatan ini kami dipercaya untuk menyusun makalah yang berkaitan
dengan Ukuran Dispersi dalam dunia statistic.Beberapa ukuran yang kami bahas dalam makalah
ini adalah Range,Standar Deviasi,Variansi,Korelasi dan regresi.
B.Rumusan Masalah
1.Apa yang dimaksud dengan Range,Standar Deviasi,dan Variansi ?
2.Apa yang dimaksud dengan Korelasi dan regresi ?
3. Apa saja macam-macam Korelasi dan Regresi ?
4.Apa tujuan penggunaan Korelasi dan regresi ?
5.Apa Karakteristik penggunaan Korelasi dan Regresi ?
C.Tujuan
1.Untuk mengetahui Range,Standar Deviasi,dan Variansi.
2.Untuk mengetahui Korelasi dan Regresi.
3.Untuk mengetahui Macam-macam Korelasi dan Regresi.
4.Untuk mengetahui Tujuan penggunaan Korelasi dan Regresi.
5.Untuk mengetahui Karakteristik penggunaan Korelasi dan Regresi.
 BAB 2
PEMBAHASAN
1.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. Adapun rumusnya adalah

Contoh :

Berikut ini nilai ujian semester dari 3 mahasiswa

A = 60 55 70 65 50 80 40

B = 50 55 60 65 70 65 55

C = 60 60 60 60 60 60 60

Dari data diatas dapat diketahui bahwa

A = memiliki Xmax=80, Xmin= 40 , R = 40 , meanya 60

B = memiliki Xmax=70, Xmin= 50 , R = 20 , meanya 60

C = memiliki Xmax=60, Xmin= 60 , R = 0 , meanya 60

Dari contoh di atas dapat disimpulkan bahwa :

a. Semakin kecil rangenya maka semakin homogen distribusinya

b. Semakin besar rangenya maka semakin heterogen distribusinya

c. Semakin kecil rangenya, maka meannya merupakan wakil yang representatif

d. Semakin besar rangenya maka meannya semakin kurang representatif

Range adalahselisihbilangan yang terbesar denganbilangan yang terkecil.

Range=Data terbesar-Data terkecil

Contoh :

6,5,3,10,9,1,8

BilanganTerbesar : 10

BilanganTerkecil : 1

Range : 9

2.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 varian atau ragam data tunggal untuk populasi

Rumus varian atau ragam data tunggal untuk sampel

Rumus varian atau ragam data kelompok untuk populasi

 Rumus varian atau ragam data kelompok untuk sampel

Keterangan:

σ2 = varians atau ragam untuk populasi

S2 = varians atau ragam untuk sampel

fi = Frekuensi

xi = Titik tengah

x¯ = Rata-rata (mean) sampel dan μ = rata-rata populasi

n = Jumlah data

Salah satu ukuran dispersi atauukuran variasi. Varians dapat menggambarkan

memisahnyasuatu data kuantitatif. Variansdiberisimbol σ2 (dibacasigma kuadrat) untukpopulasi
dan untuk sampel. Selanjutnya kita akan menggunakan simbol s2 (Sampel) untuk varians karena
biasanya kita hampir selalu berkutat dengan sampel dan jarang sekali terkait dengan populasi.

Rumus untuk menghitung varians ada dua ,yaitu rumus teoritis dan rumus kerja. Namun
Rumus kerja mempunyai kelebihan dibandingkan rumus teoritis, yaitu hasilnya lebih akurat dan
lebih mudah mengerjakannya.

Rumus kerja untuk varians adalah sebagai berikut

Contoh

Data jumlah anakan padi varietas Pandan Wangi pada metode SRI adalah sebagai berikut

28 32 15 21 30 30 27 22 36 40

Sampel Y y2
1 28 784
 2 32 1024
3 15 225
4 21 441
5 30 900
6 30 900
7 27 729
8 22 484
9 36 1296
10 40 1600
Jumlah 281 8383

Maka nilai variansi diatas adalah:

3.STANDAR DEVIASI

Standar deviasi merupakan ukuran penyebaran yang paling banyak digunakan. Semua
gugus data dipertimbangkan sehingga lebih stabil dibandingkan dengan ukuran lainnya. Namun,
apabila dalam gugus data tersebut terdapat nilai ekstrem, standar deviasi menjadi tidak sensitif
lagi, sama halnya seperti mean.

Standar Deviasi memiliki beberapa karakteristik khusus lainnya. SD tidak berubah

apabila setiap unsur pada gugus datanya di tambahkan atau dikurangkan dengan nilai konstan
tertentu. SD berubah apabila setiap unsur pada gugus datanya dikali/dibagi dengan nilai konstan
tertentu. Bila dikalikan dengan nilai konstan, standar deviasi yang dihasilkan akan setara dengan
hasilkali dari nilai standar deviasi aktual dengan konstan.

Rumus Simpangan Baku untuk Data Tunggal

a.untuk data sample menggunakan rumus

 b.untuk data populasi menggunkan rumus

Contoh :

Selama 10 kali ulangan semester ini sobat mendapat nilai 91, 79, 86, 80, 75, 100, 87, 93,
90,dan 88. Berapa simpangan baku dari nilai ulangan sobat?

Jawab:

Soal di atas menanyakan simpangan baku dari data populasi jadi menggunakan rumus simpangan
baku untuk populasi.

Kita cari dulu rata-ratanya

rata-rata = (91+79+86+80+75+100+87+93+90+88)/10 = 869/10 = 85,9

Kita masukkan ke rumus

Rumus Simpangan Baku Untuk Data Kelompok

a.untuk sample menggunakan rumus

b. untuk populasi menggunakan rumus

 Contoh :

Diketahui data tinggi badan 50 siswa samapta kelas c adalah sebagai berikut

hitunglah berapa simpangan bakunya

1. Kita cari dulu rata-rata data kelompok tersebut

2.Setelah ketemu rata-rata dari data kelompok tersebut kita bikin tabel untuk
memasukkannya ke rumus simpangan baku
 4.REGRESI DAN KORELASI

a.Pengertian Regresi Dan Korelasi

Istilah regresi pertama kali diperkenalkan oleh Sir Francis Galton pada tahun 1886.
Galton menemukan adanya tendensi bahwa orang tua yang memiliki tubuh tinggi memiliki anak-
anak yang tinggi, orang tua yang pendek memiliki anak-anak yang pendek pula. Kendati
demikian. Ia mengamati bahwa ada kecenderungan tinggi anak cenderung bergerak menuju rata-
rata tinggi populasi secara keseluruhan. Dengan kata lain, ketinggian anak yang amat tinggi atau
orang tua yang amat pendek cenderung bergerak kearah rata-rata tinggi populasi. Inilah yang
disebut hukum Golton mengenai regresi universal. Dalam bahasa galton, ia menyebutkan sebagai
regresi menuju mediokritas.

Secara umum, analisis regresi pada dasarnya adalah studi mengenai ketergantungan satu
variabel dependen (terikat) dengan satu atau lebih variabel independent (variabel
penjelas/bebas), dengan tujuan untuk mengestimasi dan/ atau memprediksi rata-rata populasi
atau niiai rata-rata variabel dependen berdasarkan nilai variabe! independen yang diketahui.
Pusat perhatian adalah pada upaya menjelaskan dan mengevalusi hubungan antara suatu variabel
dengan satu atau lebih variabel independen. Hasil analisis regresi adalah berupa koefisien regresi
untuk masing-masing variable independent. Koefisien ini diperoleh dengan cara memprediksi
nilai variable dependen dengan suatu persamaan.
 Korelasi merupakan teknik analisis yang termasuk dalam salah satu teknik pengukuran
asosiasi / hubungan (measures of association). Pengukuran asosiasi merupakan istilah umum
yang mengacu pada sekelompok teknik dalam statistik bivariat yang digunakan untuk mengukur
kekuatan hubungan antara dua variabel.

Dalam korelasi sempurna tidak diperlukan lagi pengujian hipotesis, karena kedua variabel
mempunyai hubungan linear yang sempurna. Artinya variabel X mempengaruhi variabel Y
secara sempurna. Jika korelasi sama dengan nol (0), maka tidak terdapat hubungan antara kedua
variabel tersebut. Dalam korelasi sebenarnya tidak dikenal istilah variabel bebas dan variabel
tergantung. Biasanya dalam penghitungan digunakan simbol X untuk variabel pertama dan Y
untuk variabel kedua. Dalam contoh hubungan antara variabel remunerasi dengan kepuasan
kerja, maka variabel remunerasi merupakan variabel X dan kepuasan kerja merupakan variabel
Y.

Analisis korelasi sederhana (Bivariate Correlation) digunakan untuk mengetahui keeratan

hubungan antara dua variabel dan untuk mengetahui arah hubungan yang terjadi. Koefisien
korelasi sederhana menunjukkan seberapa besar hubungan yang terjadi antara dua variabel.
Hubungan dua variabel tersebut dapat terjadi karena adanya hubungan sebab akibat atau dapat
pula terjadi karena kebetulan saja. Dua variabel dikatakan berkolerasi apabila perubahan pada
variabel yang satu akan diikuti perubahan pada variabel yang lain secara teratur dengan arah
yang sama (korelasi positif) atau berlawanan (korelasi negatif).

b.Analisis Regresi dan Korelasi

Analisis regresi merupakan salah satu analisis yang bertujuan untuk mengetahui pengaruh
suatu variabel terhadap variabel lain. Dalam analisis regresi, variabel yang mempengaruhi
disebut Independent Variable (variabel bebas) dan variabel yang dipengaruhi disebut Dependent
Variable (variabel terikat). Jika dalam persamaan regresi hanya terdapat satu variabel bebas dan
satu variabel terikat, maka disebut sebagai persamaan regresi sederhana, sedangkan jika variabel
bebasnya lebih dari satu, maka disebut sebagai persamaan regresi berganda.

Analisis Korelasi merupakan suatu analisis untuk mengetahui tingkat keeratan hubungan
antara dua variabel. Tingkat hubungan tersebut dapat dibagi menjadi tiga kriteria, yaitu
mempunyai hubungan positif, mempunyai hubungan negatif dan tidak mempunyai hubungan.
 Untuk mencari persamaan garis regresi dapat digunakan berbagai pendekatan (rumus),
sehingga nilai konstanta (a) dan nilai koefisien regresi (b) dapat dicari dengan metode sebagai
berikut :

a = [(ΣY . ΣX2) – (ΣX . ΣXY)] / [(N . ΣX2) – (ΣX)2] atau a = (ΣY/N) – b (ΣX/N)

b = [N(ΣXY) – (ΣX . ΣY)] / [(N . ΣX2) – (ΣX)2]

Contoh :

Berdasarkan hasil pengambilan sampel secara acak tentang pengaruh lamanya belajar (X)
terhadap nilai ujian (Y) adalah sebagai berikut :

Y(nilai ujian) X (lama belajar) X2 XY

40 4 16 160
60 6 36 360
50 7 49 350
70 10 100 700
90 13 169 1.170
ΣY = 310 ΣX = 40 ΣX2 = 370 ΣXY = 2.740

Dengan menggunakan rumus di atas, nilai a dan b akan diperoleh sebagai berikut :

a = [(ΣY . ΣX2) – (ΣX . ΣXY)] / [(N . ΣX2) – (ΣX)2]

a = [(310 . 370) – (40 . 2.740)] / [(5 . 370) – 402] = 20,4

b = [N(ΣXY) – (ΣX . ΣY)] / [(N . ΣX2) – (ΣX)2]

b = [(5 . 2.740) – (40 . 310] / [(5 . 370) – 402] = 5,4

Sehingga persamaan regresi sederhana adalah Y = 20,4 + 5,2 X

Berdasarkan hasil penghitungan dan persamaan regresi sederhana tersebut di atas, maka
dapat diketahui bahwa : 1) Lamanya belajar mempunyai pengaruh positif (koefisien regresi (b) =
5,2) terhadap nilai ujian, artinya jika semakin lama dalam belajar maka akan semakin baik atau
tinggi nilai ujiannya; 2) Nilai konstanta adalah sebesar 20,4, artinya jika tidak belajar atau lama
belajar sama dengan nol, maka nilai ujian adalah sebesar 20,4 dengan asumsi variabel-variabel
lain yang dapat mempengaruhi dianggap tetap.

Analisis Korelasi (r) : digunakan untuk mengukur tinggi redahnya derajat hubungan antar
variabel yang diteliti. Tinggi rendahnya derajat keeratan tersebut dapat dilihat dari koefisien
korelasinya. Koefisien korelasi yang mendekati angka + 1 berarti terjadi hubungan positif yang
erat, bila mendekati angka – 1 berarti terjadi hubungan negatif yang erat. Sedangkan koefisien
korelasi mendekati angka 0 (nol) berarti hubungan kedua variabel adalah lemah atau tidak erat.
Dengan demikian nilai koefisien korelasi adalah – 1 ≤ r ≤ + 1. Untuk koefisien korelasi sama
dengan – 1 atau + 1 berarti hubungan kedua variabel adalah sangat erat atau sangat sempurna dan
hal ini sangat jarang terjadi dalam data riil. Untuk mencari nilai koefisen korelasi (r) dapat
digunakan rumus sebagai berikut : r = [(N . ΣXY) – (ΣX . ΣY)] / √{[(N . ΣX2) – (ΣX)2] . [(N .
ΣY2) – (ΣY)2]}

Contoh :

Sampel yang diambil secara acak dari 5 mahasiswa, didapat data nilai Statistik dan Matematika
sebagai berikut :

Sampel X (statistik) Y XY X2 Y2
(matematika)
1 2 3 6 4 9
2 5 4 20 25 16
3 3 4 12 9 16
4 7 8 56 49 64
5 8 9 72 64 81
Jumlah 25 28 166 151 186

r = [(N . ΣXY) – (ΣX . ΣY)] / √{[(N . ΣX2) – (ΣX)2] . [(N . ΣY2) – (ΣY)2]}

r = [(5 . 166) – (25 . 28) / √{[(5 . 151) – (25)2] . [(5 . 186) – (28)2]} = 0,94

Nilai koefisien korelasi sebesar 0,94 atau 94 % menggambarkan bahwa antara nilai
statistik dan matematika mempunyai hubungan positif dan hubungannya erat, yaitu jika
mahasiswa mempunyai nilai statistiknya baik maka nilai matematikanya juga akan baik dan
sebaliknya jika nilai statistik jelek maka nilai matematikanya juga jelek.
 c. Macam-Macam Regresi Dan Korelasi

Macam-macam regresi itu terbagi lima antara lain sebagai berikut:

1. Regresi Linier Sederhana

Hubungan antara 2 variabel. Yaitu x (variabel bebas) dan y (variabel tak bebas). Kedua variable
datanya kuantitatif.

Misal: Berat badan seseorang dipengaruhi tinggi badannya

2. Regresi Linier Berganda

Hubungan antara variabel y dengan dua atau lebih variabel x. Semua variable datanya kuantitatif.
Misal : produksi padi dipengaruhi oleh jenis pupuk, suhu, lama penyinaran, dll

3. Regresi Nonlinier

Hubungan antara variabel y dan x yang tidak linier. Tidak linier maksudnya laju perubahan y
akibat laju perubahan x tidak konstan untuk nilai-nilai x tertentu.

Misal : Produksi padi akan meningkat saat diberi pupuk taraf rendah ke sedang. Tapi kalau diberi
dengan taraf tinggi, malah produksinya menurun.

4. Regresi Dummy

Hubungan antara variabel y (data kuantitatif) dan variabel x (data kualitatif).

Misal : Melihat pengaruh kemasan terhadap harga jual makanan. Kita coding 1 jika kemasan
menarik dan 0 jika kemasan tidak menarik. 1 dan o adalah variabel dummy.

5. Regresi Logistik

Hubungan antara variabel y (data kualitatif) dan variabel x (data kuantitatif).

Misal : Ingin diketahui apakah konsumen akan membeli makanan di rumah makan berdasarkan
penilaian konsumen terhadap lokasi, pelayanan, pendapatan. Dalam kasus ini hanya ada 2
kemungkinan respon konsumen, yaitu konsumen membeli (1) dan tidak membeli (0).
 Macam-macam korelasi terdiri dari:

1. Korelasi Positif

Korelasi positif adalah tingkat hubungan antara dua variabel yang mempunyai ciri, bahwa
perubahan variabel independent x (variabel bebas x) diikuti oleh perubahan variable dependent y
(variabel bebas y) secara ‘’Searah’’

2. Korelasi Negatif

Korelasi negatif adalah tingkat hubungan antara dua variabel yang mempunyai ciri, bahwa
perubahan variabel independent x (variabel bebas x) diikuti oleh perubahan variable dependent y
(variabel bebas y) secara ’’Berlawanan”.

3. Korelasi Sederhana (Simple Corelation)

Yaitu tingkat hubungan yang terjadi antara 2 (dua) variabel saja.

4. Korelasi Multiple (Multiple Corelation)

Yaitu tingkat hubungan yang terjadi antara 2 (dua) variabel atau lebih. Misalkan pada model
regresi linier multiple (y = a0 + a1x1 + a2x2 + e), maka maksud dan pengertian dari
pernyataan diatas adalah Tingkat hubungan antara antar y dan x1 atau tingkat hubungan antara y
dengan x2 atau tingkat hubungan antara x1 dan x2.

5. Korelasi Sempurna (Perfect Corelation)

Maksud dan pengertian dari korelasi sempurna antara 2 variabel, yaitu suatu kondisi bahwa
setiap nilai variabel bebas x akan terdapat pada setiap nilai variabel tidak bebas y-nya. Hal ini
dapat diartikan pula, bahwa garis regresi yang terbentuk dari kata yang tersebar (terdistribusi)
adalah merupakan tempat kedudukan dari data-data dimaksud, sehingga nilai r nya =1 atau r =
-1.

6. Korelasi Tidak sempurna (Imperfect Corelation)

Korelasi antara 2 (dua) variabel yang dikatakan tidak sempurna, jika titik-titik yang tersebar
tidak terdistribusi tepat pada satu garis lurus.
7. Korelasi yang Mustahil (Nonsense Corelation)

Korelasi antara dua variabel yang seolah-olah ada tetapi tidak ada.

d. Tujuan Pengggunaan Regresi dan Korelasi

Ada beberapa tujuan penggunaan analisis regresi, antara lain:

1.Membuat estimasi rata-rata dan nilai variabel tergantung dengan didasari pada nilai variabel
bebas.

2.Menguji hipotesis karakteristik dependensi.

3.Untuk meramalkan nilai rata-rata variabel bebas dengan didasarkan pada nilai variabel bebas
diluar jangkauan sample.

Adapun tujuan penggunaan korelasi yaitu: untuk mengukur kekuatan (strength) dan arah
hubungan hubungan antar dua variabel atau lebih.

Contoh :

1).Mengukur hubungan antara variabel

2).Motivasi kerja dengan produktivitas;

3).Kualitas layanan dengan kepuasan pelangga;

4).Tingkat inflasi dengan IHSG

e.karakteristik Penggunaan Regresi dan Korelasi

Regresi memiliki beberapa karakteristik antara lain :

1.Model regresi dikatakan layak jika angka signifikansi pada ANOVA sebesar < 0.05.

2.Tidak boleh terjadi multikolinieritas, artinya tidak boleh terjadi korelasi yang sangat tinggi atau
sangat rendah antar variabel bebas. Syarat ini hanya berlaku untuk regresi linier berganda dengan
variabel bebas lebih dari satu.
3.Keselerasan model regresi dapat diterangkan dengan menggunakan nilai r2 semakin besar nilai
tersebut maka model semakin baik. Jika nilai mendekati 1 maka model regresi semakin baik.
Nilai r2 mempunyai karakteristik diantaranya: 1) selalu positif, 2) Nilai r2 maksimal sebesar 1.
Jika Nilai r2 sebesar 1 akan mempunyai arti kesesuaian yang sempurna. Maksudnya seluruh
variasi dalam variabel Y dapat diterangkan oleh model regresi. Sebaliknya jika r2 sama dengan
0, maka tidak ada hubungan linier antara X dan Y.

4.Terdapat hubungan linier antara variabel bebas (X) dan variabel tergantung (Y)

5.Data harus berdistribusi normal

6.Data berskala interval atau rasio

7.Kedua variabel bersifat dependen, artinya satu variabel merupakan variabel bebas (disebut juga
sebagai variabel predictor) sedang variabel lainnya variabel tergantung (disebut juga sebagai
variabel response).

Korelasi memiliki beberapa karakteristik antara lain :

1).Kisaran Korelasi: Kisaran (range) korelasi mulai dari 0 sampai dengan 1. Korelasi dapat
positif dan dapat pula negatif.

2).Korelasi Sama Dengan Nol: Korelasi sama dengan 0 mempunyai arti tidak ada hubungan
antara dua variabel.

3).Korelasi Sama Dengan Satu: Korelasi sama dengan + 1 artinya kedua variabel mempunyai
hubungan linier sempurna (membentuk garis lurus) positif. Korelasi sempurna seperti ini
mempunyai makna jika nilai X naik, maka Y juga naik.

4).Korelasi sama dengan minus satu: artinya kedua variabel mempunyai hubungan linier
sempurna (membentuk garis lurus) negatif. Korelasi sempurna seperti ini mempunyai makna jika
nilai X naik, maka Y turun dan berlaku sebaliknya.

BAB III

PENUTUP
A.Kesimpulan
Variansi dipakai untuk melihat pola variasi yang ada di dalam sample. Semakin besar
nilainya, semakin banyak variasi datanya yang mengakibatkan data menjadi tidak akurat.
Standar deviasi merupakan fungsi langsung dari varian. Sama seperti varian, standar
deviasi berfungsi memperlihatkan pola sebaran data, gap, dan variasi sebaran antar data.
Keseluruhan alat uji di atas sebenarnya memiliki satu tujuan yaitu mengetahui polas sebaran data
yang akan memberikan gambaran mengenai karakter sample, apakah cukup konsisten untuk
dapat diterima sebagai karakter sample yang sebenar-benarnya (tidak bias) sehingga informasi
ini dapat digunakan sebagai bahan atau pijakan untuk mengambil suatu keputusan dalam konteks
perindustrian, entah itu bidang marketing, quality assurance, rekayasa produk, dan lain
sebagainya.
B.Saran
Adapun saran yang penulis berikan kepada pembaca adalah bahwa didalam mempelajari
ilmu statistik itu dibutuhkan kesabaran dan ketekunan didalam mempelajari formula yang
ada,kemudian lebih dari pada itu bahwa setiap dari kita dituntut menjadi seseorang yang kritis
akan sebuah ilmu,penulis berharap ada kritik dan saran yang membangun yang dapat
diberikan,demi perbaikan pembuatan makalah selanjutnya.

DAFTAR PUSTAKA
 Suharyadi, & Purwanto. (2009). In Statistika untuk Ekonomi dan Keuangan Modern. Jakarta:
Salemba Empat.
Sudjana. (1991). In Statistika. Bandung: Tarsito.
http://www.smartstat.info/statistika/statisika-deskriptif/ukuran-penyebaran-measures-of-
dispersion.html
http://rumushitung.com/2013/04/05/rumus-simpangan-baku/
http://digensia.wordpress.com/2012/03/15/statistik-deskriptif/
http://okemath.com/?page_id=394

BAB III
PENUTUP