1

STATISTIK DAN
PROBABILITAS

PROGRAM STUDI TEKNIK SIPIL

UNIVERSITAS ISLAM RIAU

Minggu Ke – 5 & 6
 PENDAHULUAN
2

Sebelumnya :
 Telah mempelajari statistika deskriptif, al:

 Minggu 1 telah mempelajari bagaimana menyajikan data dengan

memakai tabel, diagram batang, diagram garis dan diagram lingkaran.

 Minggu 2 distribusi frekuensi dan menggambarkannya dalam bentuk

histogram, poligon frekuensi dan ogif serta diagram batang-daun.

 Minggu 3 : (a) Ukuran pemusatan data : rata-rata hitung, median,
modus, rata-rata geometrik dan rata-rata harmonis. (b) Ukuran letak
data : kuartil, desil dan persentil.
 Aspek pengukuran lain yang juga sangat penting dan masih merupakan
bagian statistika deskriptif yaitu : pengukuran dispersi, kemiringan dan
keruncingan data.
 DISPERSI DATA
3

Keragaman data/ dispersi/ variasi adalah → ukuran penyebaran suatu kelompok

data terhadap pusat data.
Ukuran dispersi atau variasi atau keragaman atau penyimpangan adalah →
ukuran yang menyatakan seberapa jauh penyimpangan nilai-nilai data dari nilai-nilai
pusatnya atau ukuran yang menyatakan seberapa banyak nilai-nilai data yang berbeda
dengan nilai-nilai pusatnya.
Beberapa jenis ukuran keragaman data/ dispersi data :
A. Dispersi Mutlak
1. Jangkauan (range)
2. Simpangan rata-rata (mean deviation)
3. Variansi (variance)
4. Standar deviasi (standard deviation)
5. Simpangan kuartil (quartile deviation)
B. Dispersi Relatif
1. Koefisien variasi (coeficient of variation)
 Jenis ukuran keragaman data

4 MINGGU KE – 5
 1. Jangkauan (range)
5

Jangkauan atau range (r) adalah selisih antara nilai maksimum dengan nilai minimum.

Range (r) = nilai maksimum – nilai minimum

Contoh :
1. Kelompok data 1 : 50, 50, 50, 50, 50 → r = 50 – 50 = 0 (terkecil)
Kelompok data 2 : 30, 40, 50, 60, 70 → r = 70 – 30 = 40
Kelompok data 3 : 20, 30, 50, 70, 80 → r = 80 – 20 = 60 (terbesar) ≈ paling menyebar
2. Sampel A (dlm liter) : 0,97 1,00 0,94 1,03 1,11
Sampel B (dalam liter) : 1,06 1,01 0,88 0,91 1,14

Kedua sampel punya rataan sama = 1,00 liter. Pemencaran atau

penyebaran sampel A lebih kecil dibandingkan dengan sampel B. Artinya
bahwa sampel A lebih merata (lebih baik) dari pada B.
 1. Jangkauan (range)
6

3. Perhatikan tabel berikut

Jangkauan data = 73 – 61 = 12 kg
Jangkauan suatu kelompok data menunjukkan kualitas data. Makin kecil
jangkauan suatu datam maka kualitas data itu semakin baik dan sebaliknya.
 2. Simpangan rata-rata (mean deviation)
7

Simpangan rata-rata (SR) adalah jumlah nilai mutlak dari selisih semua nilai dengan
nilai rata-rata dibagi banyaknya data.
Rumus untuk data tidak berkelompok :
Dimana:
ഥ
σ 𝑿 −𝑿
SR = X = nilai data
𝒏 𝑋ത = rata-rata hitung
n = banyaknya data
Contoh : Tentukanlah simpangan rata-rata kelompok data : 20, 30, 50, 70, 80!
 2. Simpangan rata-rata (mean deviation)
8

.
Rumus untuk data berkelompok :
ഥ
σ 𝐟 𝑿 −𝑿
SR = , dimana n = ∑f
𝒏

Contoh : Tentukanlah simpangan rata-rata data modal 40 perusahaan pada tabel berikut.

Pada pertemuan sebelumnya (mingu ke 3)

ഥ = 140,525
diperoleh rata-rata hitung 𝑿
 2. Simpangan rata-rata (mean deviation)
9

Jawab :

Maka simpangan rata-rata data modal 40 perusahaan tersebut adalah :

ഥ 𝟒𝟓𝟓,𝟖𝟓𝟎
σ 𝐟 𝑿 −𝑿
SR = = = 11,396
σ𝐟 𝟒𝟎
 3. Variansi (variance)
10

Variansi (S2) adalah jumlah nilai mutlak dari selisih semua nilai dengan nilai rata-rata
dibagi banyaknya data.
Rumus untuk data tidak berkelompok :
ഥ )2
σ(𝑿−𝑿
S2 = Jika diturunkan :
𝒏 −𝟏
Contoh : Perbandingan harga semen di 4 toko yang dipilih secara acak menunjukkan kenaikan harga
dibandingkan dengan bulan sebelumnya sebesar 120, 150, 180 dan 230 rupiah per kg. Tentukanlah
variansi sampel acak kenaikan harga ini !
𝟏𝟐𝟎+𝟏𝟓𝟎+𝟏𝟖𝟎+𝟐𝟑𝟎
𝑥ҧ = = 170
𝟒

σ(𝑿−𝑿ഥ )2
S2 =
𝒏 −𝟏

𝟏𝟐𝟎−𝟏𝟕𝟎 2+ 𝟏𝟓𝟎−𝟏𝟕𝟎 2+ 𝟏𝟖𝟎−𝟏𝟕𝟎 2+ 𝟐𝟑𝟎−𝟏𝟕𝟎 2

=
𝟒−𝟏
𝟐𝟓𝟎𝟎+𝟒𝟎𝟎+𝟏𝟎𝟎+𝟑𝟔𝟎𝟎
= = 2200
𝟑
 3. Variansi (variance)
11

Rumus untuk data berkelompok :

ഥ )2
σ 𝐟(𝑿−𝑿 Jika diturunkan:
S2 = , dimana n = ∑f
𝒏 −𝟏

Contoh : Tentukanlah variansi data modal 40 perusahaan pada tabel soal sebelumnya.
Dimana 𝑿ഥ = 140,525. Data modal 40 perusahaan tersebut dianggap sebagai sampel.

ഥ )2
σ 𝐟(𝑿−𝑿
S2 =
𝒏 −𝟏
𝟖𝟎𝟗𝟕
=
𝟑𝟗
= 207,64
 4. Standar Deviasi (standard deviation)
12

Berkaitan langsung dengan variansi

Adalah akar pangkat dua dari variansi.
Standar Deviasi sering disebut simpangan baku.
Rumus
a. untuk data tidak berkelompok :

σ(𝑿−𝑿ഥ )2 atau
S=
𝒏 −𝟏

b. untuk data berkelompok :

ഥ )2
σ 𝐟(𝑿−𝑿
S= , dimana n = f atau
𝒏 −𝟏
 4. Standar Deviasi (standard deviation)
13

Contoh :
Dari soal sebelumnya. Tentukanlah standar deviasi kelompok data : 20, 30, 50, 70,
80! (dimana diperoleh variansi S2 = 650)

Jawab :
Maka, standar deviasi adalah :
S = 650 = 25,495

Atau : X 20 30 50 70 80
2
X2 400 900 2500 4900 6400

𝟐
𝟓 𝟏𝟓.𝟏𝟎𝟎 − 𝟐𝟓𝟎 𝟏𝟑.𝟎𝟎𝟎
Variansi S2 = = = = = 𝟔𝟓𝟎
𝟓(𝟒) 𝟐𝟎

Standar deviasi S = 650 = 25,495

 4. Standar Deviasi (standard deviation)
14

Contoh :
 4. Standar Deviasi (standard deviation)
15

Menghitung Variansi dan Standar Deviasi menggunakan Kode (U).

Selain cara di atas, juga dapat dilakukan dengan cara koding atau transformasi dari
fariabel X ke variabel U.

Rumus :

Dengan cara transformasi atau kode tersebut, maka untuk nilai data X yang besar akan
berubah menjadi nilai data U yang kecil, yaitu U=0, ±1, ±2, ±3, dst.
Kelebihan : mempermudah perhitungan, hasil yang diperoleh lebih teliti dan mengurangi
risiko kesalahan dalam proses perhitungan.
 4. Standar Deviasi (standard deviation)
16

Contoh: Tentukan variansi dan standar deviasi data modal 40 perusahaan pada contoh
sebelumnya.
Jawab :

n=

40 103 −(−112 4120−121)

Maka : a. = (9)2 = 81
40 (39) 1560
= 207,640
b. Standar deviasi = 207,640 = 14,410
 5. Jangkauan Kuartil dan Jangkauan
Persentil 10-90
17

Jangkauan kuartil (JK) disebut juga simpangan kuartil atau rentang semi
antarkuartil atau deviasi kuartil.
Jangkauan persentil (JP) 10 – 90 disebut juga rentang persentil 10 – 90.
Rumus Jangkauan kuartil (JK) :
𝟏 dimana:
JK = (𝑸𝟑 − 𝑸𝟏) Q1 = kuartil bawah atau kuartil pertama
𝟐
Q3 = kuartil atas atau kuartil ketiga

Rumus Jangkauan persentil (JP) :

dimana:
JP10-90 = P90 – P10 P10 = Persentil ke - 10
P90 = Persentil ke - 90
 DISPERSI DATA
5. Jangkauan Kuartil dan Jangkauan Persentil 10-90
18

Contoh :
 DISPERSI DATA
5. Jangkauan Kuartil dan Jangkauan Persentil 10-90
19

Contoh :
 DISPERSI DATA
5. Jangkauan Kuartil dan Jangkauan Persentil 10-90
20
 Jenis ukuran keragaman data

21 MINGGU KE – 6 (SAMBUNGAN)
 6. Koefisien Variasi (KV)
22

Merupakan salah satu dispersi relatif.

Koefisien variasi adalah suatu perbandingan antara simpangan baku
dengan nilai rata-rata dan dinyatakan dengan persentase.
Kegunaan dari koefisien varian adalah untuk membandingkan variasi
dua kelompok atau lebih data yang berbeda rata-ratanya atau
satuannya.
Rumus:
𝑺
Koefisien Variasi (KV) = x 100%
𝑿

dimana:
S = Standar deviasi/ simpangan baku
ഥ = rata-rata hitung/ mean
𝑿
 6. Koefisien Variasi (KV)
23

Contoh :
1. Tentukanlah koefisisen variansi kelompok data: 30, 40, 50, 60, 70!
Jawab:
ഥ ) dan standar deviasi (S)
Tentukanlah dulu rata-rata hitung (𝑿
30+40+50+60+70
ഥ=
𝑿 = 50
5
X 30 40 50 60 70
X2 900 1600 2500 3600 4900
𝟐
𝟓 𝟏𝟑.𝟓𝟎𝟎 − 𝟐𝟓𝟎
Variansi S2 = = = 250
𝟓(𝟒)
Standar deviasi S = 250 = 15,81
𝑆 15,81
Jadi, koefisien variasi (KV) = x 100% = x 100% = 31,62%
𝑋 50
 6. Koefisien Variasi (KV)
24

Contoh :
2. Ada 2 jenis bola lampu. Lampu A secara rata-rata mampu menyala selama
1500 jam dengan simpangan baku S1 = 275. Sedangkan lampu jenis B secara
rata-rata mampu menyala selama 1750 jam dengan simpangan baku S2 = 300
jam. Lampu mana yang kualitasnya lebih baik?
Jawab:
Lampu A : KV1 = (275/1500) x100% = 18,3%
Lampu B : KV2 = (300/1750) x100% = 17,1%

Maka, berdasarkan koef variasinya lampu B mempunyai koef variasi lebih kecil
daripada lampu A. Dengan kata lain kemampuan menyala lampu A lebih bervariasi
daripada lampu B, dan kemampuan menyala lampu B lebih seragam daripada
lampu A. Artinya lampu B kualitasnya lebih baik daripada lampu A.
 7. Koefisien Variasi Kuartil (KVQ)
25

Adalah jenis dari dispersi relatif, dimana dipakai bila suatu kelompok
data tidak diketahui berapa nili rata-rata hitungnya (𝑿ഥ ) dan standar
deviasinya (S).

Rumus : 𝑸𝟑 −𝑸𝟏
Koefisien Variasi Kuartil (KVQ) =
𝑸𝟑+𝑸𝟏

Atau : Koefisien Variasi Kuartil (KVQ) =

(𝑸𝟑 −𝑸𝟏)/𝟐
𝑴𝒆𝒅

dimana Med = median

 7. Koefisien Variasi Kuartil (KVQ)
26

Contoh:

(contoh soal Jangkauan Kuartil dan Jangkauan Persentil 10-90)

Jawab :
Diperoleh pada pembahasan sebelumnya Q1 = 42,5 dan Q3 = 82,5
𝑸𝟑 −𝑸𝟏 𝟖𝟐,𝟓 −𝟒𝟐,𝟓 𝟒𝟎
Maka KVQ = = = = 0,32
𝑸𝟑+𝑸𝟏 𝟖𝟐,𝟓+𝟒𝟐,𝟓 𝟏𝟐𝟓
 8. Nilai Baku (Z/ Z – Score)
27

ത dan
Nilai baku (Z – score) adalah gabungan dari nilai rata-rata hitung (𝑋)
standar deviasinya (S) dimana, kedua nilai tersebut dapat dipakai untuk
membuat transformasi data yang menghasilkan nilai baku atau nilai
standar (skor baku).
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.
Rumus :

𝑿𝟏 − 𝑿
Zi = , dimana i = 1, 2, 3,….. n
𝑺
 8. Nilai Baku (Z)
28

Contoh: Nilai rata-rata UAS mata kuliah Kalkulus 1 kelas A dengan 45 mahasiswa adalah
78 dan simpangan bakunya (S) = 10. Sedangkan untuk mata kuliah bhs Ingris
dikelas itu mempunyai rata-rata 84 dan simpangan bakunya (S) =18. Bila di kelas
itu Dona memperoleh nilai UAS untuk Kalkulus 1 adalah 86 dan untuk bhs Ingris
adalah 92, bagaimana posisi (prestasi) Dona di kelas itu?

Jawab:
Untuk melihat posisi Dona, maka harus dicari nilai baku untuk nilai UAS pada kedua mata
kuliah tersebut.
𝑿−𝑿
Z=
𝑺
Dimana X adalah nilai UAS yang diperoleh Dona.
𝟖𝟔 −𝟕𝟖
Untuk Kalkulus 1 : Z = = 0,8 karena nilai Z Kalkulus 1 > dari nilai Z bhs Ingris,
𝟏𝟎
𝟗𝟐 −𝟖𝟒
maka posisi (prestasi) Dona lebih baik pada mata
Untuk Bhs Ingris : Z = = 0,4 kuliah Kalkulus 1daripada mata kulah bhs Ingris.
𝟏𝟖
29 MINGGU KE – 6
 KEMIRINGAN DISTRIBUSI DATA
30

KEMIRINGAN DISTRIBUSI DATA ADA TIGA JENIS:

1. SIMETRI (letak nilai rata-rata hitung, median dan modus adalah berimpit, yaitu
berkisar disatu titik) → Distribusi data normal
2. MIRING KE KANAN – KEMIRINGAN POSITIF → nilai modus paling kecil dan nilai
rata-rata hitung paling besar (Mod<Med<𝑋) ത
3. MIRING KE KIRI – KEMIRINGAN NEGATIF → nilai modus paling besar dan nilai
ത
rata-rata hitung paling kecil (𝑋<Med<Mod)
Data yang distribusinya berbentuk tidak simetris/menceng/miring ke kiri atau ke kanan
(jenis 2 dan 3) merupakan → Distribusi data tidak normal

Kemiringan distribusi data disebut kemencengan atau kemenjuluran (skewness).

Kemiringan adalah derajat atau ukuran dari ketidaksimetrian (asimetri) suatu
distribusi data.
 KEMIRINGAN DISTRIBUSI DATA
31
 KEMIRINGAN DISTRIBUSI DATA
32

Cara yang dipakai untuk menghitung derajat kemiringan

distribusi data dengan 3 rumus, yaitu :
1. Rumus Pearson
2. Rumus Momen
3. Rumus Bowley
 KEMIRINGAN DISTRIBUSI DATA
1. Dengan Rumus Pearson
33

Rumus Pearson untuk menghitung derajat kemiringan () :

Rumus ini dapat dipakai untuk data tidak berkelompok maupun data
berkelompok.
 Bila  = 0 atau mendekati 0, disebut distribusi data simetri
 Bila  = negatif, disebut distribusi data miring ke kiri
 Bila  = positif, disebut distribusi data miring ke kanan
Semakin besar , maka distribusi data akan semakin miring atau
semakin tidak simetri.
 KEMIRINGAN DISTRIBUSI DATA
2. Dengan Rumus Momen
34

Untuk menghitung derajat kemiringan distribusi data cara yang lain

yaitu dengan Rumus Momen Derajat Ketiga (3) :
Untuk data tidak berkelompok : Untuk data berkelompok :
 KEMIRINGAN DISTRIBUSI DATA
2. Dengan Rumus Momen
35

Khusus data berkelompok dalam bentuk tabel distribusi frekuensi),

derajat kemiringan (3) dapat dihitung dengan cara transformasi
(Kode U).
Rumus

 Bila 3 = 0, distribusi data simetri

 Bila 3 < 0, distribusi data miring ke kiri

 Bila 3 > 0, distribusi data miring ke kanan

 KEMIRINGAN DISTRIBUSI DATA
3. Dengan Rumus Bowley
36

Menurut Bowley, derajat kemiringan bisa ditentukan dengan memakai nilai

Kuartil bawah (Q1), tengah (Q2) dan atas (Q3).

Rumus :

Jika distribusinya SIMETRI, maka Q3 – Q2 = Q2 – Q1, sehingga

Q3 + Q1 – 2 Q2 = 0, maka  = 0.
Jika distribusinya MIRING, ada 2 kemungkinan:
• Q1 = Q2 , maka  = 1

• Q2 = Q3 , maka  = -1
 KEMIRINGAN DISTRIBUSI DATA
Contoh Soal
37

1. Tentukanlah derajat kemiringan dan jenisnya dari data berikut 8, 8, 3,

5, 4, 9, 4, 6, 8, 10 !
Jawab:
Urutkan data : 3, 4, 4, 5, 6, 8, 8, 8, 9,10
65
𝑋ത = 3 + 4 + 4 + 5 + 6 + 8 + 8 + 8 + 9 + 10 = = 6,5
10 10
Median = Med = ½ (6+8) = 7
Modus = Mod = 8
Standar deviasi :
X 3 4 4 5 6 8 8 8 9 10 σX = 65
X2 9 16 16 25 36 64 64 64 81 100 σX2 = 475
 KEMIRINGAN DISTRIBUSI DATA
Contoh Soal
38

𝟐
𝟏𝟎 𝟒𝟕𝟓 − 𝟔𝟓 𝟓𝟐𝟓
S2 = = = = 5,83
𝟏𝟎(𝟗) 𝟗𝟎

Maka Standar Deviasi S = 5,83 = 2,42

Sehingga diperoleh Derajat Kemiringan Distribusi Data menurut Pearson

adalah:

𝑿−𝑴𝒐𝒅 𝟔,𝟓 −𝟖
𝜶= 𝑺
= = − 0,62
𝟐,𝟒𝟐

Karena 𝜶 bertanda negatif, maka distribusi data miring ke kiri.

 KEMIRINGAN DISTRIBUSI DATA
Contoh Soal
39

2. Diketahui data berat badan 100 mahasiswa suatu perguruan tinggi adalah sebagai berikut.

Jawab :
 KEMIRINGAN DISTRIBUSI DATA
Contoh Soal
40
 KERUNCINGAN DISTRIBUSI DATA
41

Keruncingan Distribusi Data adalah derajat atau ukuran tinggi rendahnya puncak suatu
distribusi data terhadap distribusi normalnya data.

Keruncingan Distribusi Data disebut Kurtosis.

Ada 3 jenis derajat keruncingan :

1. Leptokurtis, jika puncak relatif tinggi
2. Mesokurtis, jika puncaknya normal
3. Platikurtis, jika puncak terlalu rendah/ terlalu mendatar
 KERUNCINGAN DISTRIBUSI DATA
42

Derajat keruncingan distribusi data (4) dihitung dengan rumus:

Untuk data tidak berkelompok :

Untuk data berkelompok :

 KERUNCINGAN DISTRIBUSI DATA
43

Rumus:
 KERUNCINGAN DISTRIBUSI DATA
44

Cara lain menghitung Derajat Keruncingan Distribusi Data (k) adalah

dengan Rumus Koefisien Kurtosis Persentil:
 KERUNCINGAN DISTRIBUSI DATA
45

Contoh : Diketahui data berat badan 100 mahasiswa suatu perguruan tinggi seperti
pada contoh 2 Kemiringan Distribusi Data.
Jawab : Perhatikan tabel

𝜶4 =
 KERUNCINGAN DISTRIBUSI DATA
46

Karena 𝜶4 = 2,705 < 3, maka derajat keruncingan distribusi data adalah platikurtis.

Dengan Rumus Koefisien Kurtosis Persentil, yaitu :

Tentukan dahulu nilai Q3, Q1, P10 dan P90
 k KERUNCINGAN DISTRIBUSI DATA
47

Maka nilai k adalah :

𝟏
(𝟔𝟗,𝟔𝟏 −𝟔𝟓,𝟔𝟒) 𝟏,𝟗𝟖𝟓
k= = 𝟐
= 𝟕,𝟗𝟓
= 0,250
𝟕𝟏,𝟐𝟖 −𝟔𝟑,𝟑𝟑

Nilai k = 0,250 < 0,263, maka keruncingan distribusi data adalah

platikurtosis
48 Terimakasih…