UKURAN DISPERSI

A. PENGERTIAN DISPERSI

Ukuran dispersi atau ukuran variasi atau ukuran 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.
Ukuran dispersi pada dasarnya adalah pelengkap dari ukuran nilai pusat dalam
menggambarkan sekumpulan data. Jadi, dengan adanya ukuran dispersi maka
penggambaran sekumpulan data akan menjadi lebih jelas dan tepat.

B. JENIS-JENIS UKURAN DISPERSI

1. Jangkauan (Range, R )
Jangkauan atau ukuran jarak adalah selisih nilai terbesar data dengan nilai terkecil
data. Cara mencari jangkauan dibedakan antara data tunggal dan data berkelompok.

a. Jangkauan data tunggal

Bila ada sekumpulan data tunggal X 1 , X2 . . ., Xn maka jangkauannya adalah

Contoh soal:

Tentukan jangkauan data: 1, 4, 7, 8, 9, 11!

Penyelesaian:

X6 = 11 dan X1 = 1
Jangkauan = X6 – X1 = 11 - 1 = 10
b. Jangkauan data berkelompok

Untuk data berkelompok, jangkauan dapat ditentukan dengan dua cara. yaitu
menggunakan titik atau nilai tengah dan menggunakan tepi kelas.
1) Jangkauan adalah selisih titik tengah kelas tertinggi dengan titik tengah kelas
terendah.
2) Jangkauan adalah selisih tepi atas kelas tertinggi dengan tepi bawah kelas terendah.
Contoh soal:
Tentukan jangkauan dari distribusi frekuensi berikut!

Penyelesaian:

Dari Tabel 5.1 terlihat:

Titik tengah kelas terendah = 142
Titik tengah kelas tertinggi = 172
Tepi bawah kelas terendah = 139,5
Tepi atas kelas tertinggi = 174,5
Jangkauan = 172 - 142 = 30
Jangkauan = 174,5 - 139,5 = 35
2. Jangkauan Antarkuartil dan Jangkauan Semi Interkuartil

Jangkauan antarkuartil adalah selisih antara nilai kuartil atas ( Q 3 ) dan kuartil bawah
(Q1). Dirumuskan:

Jangkauan semi interkuartil atau simpangan kuartil adalah setengah dari kuartil atas ( Q 3 )
dengan kuartil bawah ( Q 1 ) . Dirumuskan:

Rumus-rumus di atas berlaku untuk data tunggal dan data berkelompok.

Contoh Soal :
1. Tentukan jangkauan antarkuartil dan jangkauan semi interkuartil dari data berikut :
2,4,6,8,10, 12,14
Penyelesaian :
Q1 = 4 dan Q3 = 12
JK = Q3 – Q1
= 12 – 4 = 8
Qd = ½ (12 – 4) = 4
2. Tentukan jangkauan antarkuartil dan jangkauan semi interkuartil distribusi frekuensi
berikut
 Jangkauan antarkuartil (JK) dapat digunakan untuk menemukan adanya data
pencilan, yaitu data yang dianggap salah catat atau salah ukur atau berasal dari kasus
yang menyimpang, karena itu perlu diteliti ulang. Data pencilan adalah data yang kurang
dari pagar dalam atau lebih dari pagar luar.
Keterangan:
L = satu langkah
PD = pagar dalam
PL = pagar luar

Contoh soal:

Selidikilah apakah terdapat data pencilan dari data di bawah ini! 15, 33, 42, 50, 51, 51,
53, 55, 62, 64, 65, 68, 79, 85, 97
Penyelesaian :

Pada data di atas terdapat nilai 15 dan 97 yang berarti kurang dari pagar dalam (23) atau
lebih dari pagar luar (95). Dengan demikian, nilai 15 dan 97 termasuk data pencilan,
karena itu perlu diteliti ulang. Adanya nilai 15 dan 97 mungkin disebabkan salah dalam
mencatat, salah dalam mengukur, atau data dari kasus yang menyimpang.

3. Deviasi Rata-Rata (Simpangan Rata-Rata)

Deviasi rata-rata adalah nilai rata-rata hitung dari harga mutlak simpangan-
simpangannya. Cara mencari deviasi rata-rata, dibedakan antara data tunggal dan data
berkelompok.
a. Deviasi rata-rata data tunggal

Untuk data tunggal, deviasi rata-ratanya dapat dihitung dengan menggunakan

ramus:

Contoh soal :
Tentukan deviasi rata-rata dari 2,3,6,8,11

b. Deviasi rata-rata untuk data berkelompok

Untuk data berkelompok (distribusi frekuensi), deviasi rata-ratanya dapat dihitung
dengan rumus:

Contoh Soal :
Tentukan deviasi rata-rata dari distribusi frekuensi pada tabel berikut :
4. Varians

Varians adalah nilai tengah kuadrat simpangan dari nilai tengah atau simpangan rata-
rata kuadrat. Untuk sampel, variansnya (varians sampel) disimbolkan dengan s2. Untuk

populasi, variansnya (varians populasi) disimbolkan dengan 2 (baca: sigma).

a. Varians data tunggal

Untuk seperangkat data X1, X2, X3, .....Xn (data tunggal), variansnya dapat
ditentukan dengan dua metode biasa dan metode angka kasar.
Contoh soal data tunggal:
Tentukan varians dari data 2, 3, 6, 8, 11 !

Penyelesaian :
b. Varians data berkelompok
Untuk data berkelompok (distribusi frekuensi), variansnya dapat ditentukan dengan
menggunakan tiga metode, yaitu metode biasa, metode angka kasar, dan metode coding.
1) Metode biasa
a) Untuk sampel besar (n>30)
5. Simpangan Baku (Standar Deviasi)
Simpangan baku adalah akar dari tengah kuadrat simpangan dari nilai tengah atau akar
simpangan rata-rata kuadrat. Untuk sampel, simpangan bakunya (simpangan baku
sampel) disimbolkan dengan s. Untuk populasi, simpangan bakunya (simpangan baku
populasi) disimbolkan . Untuk menentukan nilai simpangan baku, caranya ialah dengan
menarik akar dari varians. Jadi :

a. Simpangan baku data tunggal

Untuk seperangkat data X1, X2, X3, .......Xn (data tunggal) simpangan bakunya dapat
ditentukan dengan dua metode, yaitu metode biasa dan metode angka kasar.
b. Simpangan baku data berkelompok
Untuk data berkelompok (distribusi frekuensi), simpangan bakunya dapat ditentukan
dengan tiga metode, yaitu metode biasa, metode angka kasar, dan metode coding.
c. KOEFISIEN VARIASI

Ukuran-ukuran dispersi atau variasi yang telah dibahas sebelumnya merupakan

dispersi absolut, seperti jangkauan, simpangan rata-rata, simpangan kuartil, dan
simpangan baku. Ukuran dispersi absolut hanya dapat digunakan untuk melihat
penyimpangan-penyimpangan nilai yang terdapat pada suatu kumpulan data, bukan untuk
beberapa kumpulan data.
Untuk membandingkan dispersi atau variasi dari beberapa kumpulan data digunakan
istilah dispersi relatif, yaitu perbandingan antara dispersi absolut dan rata-ratanya.
Dispersi relatif dirumuskan:
 Berikut ini adalah empat macam dispersi relatif, yaitu koefisien variasi, variasi
jangkauan, variasi simpangan rata-rata, dan variasi kuartil.

1. Koefisien Variasi (KV)

Jika dispersi absolut digantikan dengan simpangan bakunya maka dispersi relatifnya
disebut koefisien variasi ( K V ) Koefisien variasi dirumuskan:

2 . Variasi Jangkauan ( V R )

Variasi jangkauan adalah dispersi relatif yang dispersi absolutnya digantikan dengan
jangkauan. Variasi jangkauan dirumuskan:
 3 . Variasi Simpangan Rata-Rata ( V S R )

Variasi simpangan rata-rata adalah dispersi relatif yang dispersi absolutnya

digantikan dengan simpangan rata-rata. Variasi simpangan rata-rata dirumuskan:

SR
VSR = X x 100%

4. Variasi Kuartil ( V Q )
Variasi kuartil adalah dispersi relatif yang dispersi absolutnya digantikan dengan
kuartil. Variasi kuartil dirumuskan:

D. KEMENCENGAN ATAU KECONDONGAN

Kemencengan atau kecondongan (skewness) adalah tingkat ketidaksimetrisan atau

kejauhan simetri dari sebuah distribusi.
Sebuah distribusi yang tidak simetris akan memiliki rata-rata, median, dan

modus yang tidak sama besarnya ( X ≠ Me ≠ Mo ) , sehingga distribusi akan

terkonsentrasi pada salah satu sisi dan kurvanya akan menceng. Jika distribusi memiliki
ekor yang lebih panjang ke kanan daripada yang ke kiri maka distribusi disebut menceng
ke kanan atau memiliki kemencengan positif. Sebaliknya, jika distribusi memiliki ekor
yang lebih panjang ke kiri daripada yang ke kanan maka distribusi disebut menceng ke
kiri atau memiliki kemencengan negatif.
Berikut ini gambar kurva dari distribusi yang menceng ke kanan (menceng positif)
dan menceng ke kiri (menceng negatif).

Untuk mengetahui bahwa konsentrasi distribusi menceng ke kanan atau menceng ke

kiri, dapat digunakan metode-metode berikut.

1. Koefisien Kemencengan Pearson

Koefisien kemencengan Pearson merupakan nilai selisih rata-rata dengan modus

dibagi simpangan baku. Koefisien kemencengan Pearson dirumuskan:

Keterangan:
sk = koefisien kemencengan Pearson

Apabila secara empiris didapatkan hubungan antamilai pusat sebagai:

maka rumus kemencengan di atas dapat diubah menjadi:

Jika nilai sk dihubungkan dengan keadaan kurva maka:

1) sk = 0 —> kurva memiliki bentuk simetris;

2) sk > 0 —> nilai-nilai terkonsentrasi pada sisi sebelah kanan ( X terletak di

sebelah kanan M o ) , sehingga kurva memiliki ekor memanjang ke kanan,
kurva menceng ke kanan atau menceng positif;

3) sk < 0 —> nilai-nilai terkonsentrasi pada sisi sebelah kiri ( X terletak d i

sebelah kiri M o ) , sehingga kurva memiliki ekor memanjang ke kiri,
kurva menceng ke kiri atau menceng negatif.

E. KERUNCINGAN (KURTOSIS)

Keruncingan atau kurtosis adalah tingkat kepuncakan dari sebuah distribusi yang
biasanya diambil secara relatif terhadap suatu distribusi normal.
Berdasarkan keruncingannya, kurva distribusi dapat dibedakan atas tiga macam,
yaitu sebagai berikut.

1) Leptokurtik
Leptokurtik merupakan distribusi yang memiliki puncak relatif tinggi.

2 ) Platikurtik
Platikurtik merupakan distribusi yang memiliki puncak hampir mendatar.

3 ) Mesokurtik
Mesokurtik merupakan distribusi yang memiliki puncak tidak tinggi dan tidak
mendatar.

Bila distribusinya merupakan distribusi simetris maka distribusi mesokurtik dianggap

sebagai distribusi normal.
 Untuk mengetahui keruncingan suatu distribusi, ukuran y a n g sering digunakan
adalah koefisien keruncingan dan koefisien kurtosis persentil.

1. Koefisien Keruncingan

Koefisien keruncingan atau koefisien kurtosis dilambangkan dengan 4. (alpha 4).
Jika hasil perhitungan koefisien keruncingan diperoleh:
1) nilai lebih kecil dari 3 (<3) maka distribusinya adalah distribusi platikurtik:
2) nilai lebih besar dari 3 (>3) maka distribusinya adalah distribusi leptokurtik.
nilai yang sama dengan 3 (= 3) maka distribusinya adalah distribusi mesokurtik.

Untuk mencari nilai koefisien keruncingan, dibedakan antara data tunggal dan data
berkelompok.

a. Untuk data tunggal

F. BILANGAN z (z-SCORE)

Dari sampel yang berukuran n, data X 1 X2 X 3 . . . , X n dengan rata-rata X dan

simpangan baku s, dapat dibentuk data baru, yaitu z1, z 2 , z 3 . . menggunakan bilangan
z.
Nilai z dapat dicari dengan rumus:

Variabel (data baru) z1, z 2 , z 3 . . . , zn ternyata memiliki rata-rata 0 dan simpangan

baku 1.
Dalam penggunaannya, bilangan z sering diubah menjadi distribusi yang baru dengan

rata-rata x 0 dan simpangan baku so. Angka yang diperoleh dengar. cara itu disebut
angka standar atau angka baku, dengan rumus:

Jika xo = 0 dan so = 1 maka:

Jadi, angka z menjadi bilangan standar atau bilangan baku, atau bilangan z (z-score).