A.

Konsep Ukuran Penyebaran Data

1. Pengantar
Kegiatan menganalisis data statistik dengan hanya mengetahui frekuensi dan nilai
rata-ratanya saja masih dipandang belum cukup detail, tajam, dan teliti, hal ini
disebabkan masih terdapat hal yang belum terungkap seperti bagaimana
penyebaran data/pemencaran/variasi/dispersi/variablitas data-data tersebut.
Sebagai contoh, misalnya Mean dari dari hasil belajar bidang studi Fisika dari dua
kelas yang masing-masing berbeda sekolah diperoleh nilai mean sebesar 50.
Berdasarkan nilai mean tersebut dipandang memiliki kualitas hasil belajar yang
sama. Alasannya cukup jelas, yaitu: kedua kelompok siswa itu sama-sama memiliki
nilai rata-rata sebesar 50, akan tetapi beradasarkan sumber data mentahnya
diperoleh bahwa untuk hasil bidang studi Fisika dari sekolah A tersebar antara 0 –
100, sedangkan untuk sekolah B tersebar antara 20 – 80, maka berdasarkan
sumber data mentah tersebut dapat diketahui perbedaan kaulitas hasil belajar
siswa.

2. Pengertian
Ukuran penyebaran data merupakan ukuran yang menunjukkan seberapa jauh
data menyebar dari nilai rata-ratanya. pengertian lain ukuran penyebaran data
adalah berbagai macam ukuran statistik yang dapat digunakan untuk mengetahui
luas penyebaran data, atau variasi data, atau homogenitas data, atau stabilitas
data.
3. Jenis Ukuran Penyebaran Data
Dalam dunia statistik, dikenal berbagai macam ukuran penyebaran data, antara
lain:
1. range,
2. deviasi (devasi kuartil, deviasi rata-rata, dan deviasi standar),
3. variance, dan
 4. ukuran penyebaran relatif.

B. Range
Range merupakan ukuran penyebaran data yang paling sederhana sehingga
kadang disebut ukuran data yang kasar, karena tingkat ketelitian dan
kecermatannya masih rendah. Range (diberi lambang R) adalah ukuran statistik
yang menunjukkan jarak penyebaran data antara skor (nilai) terendah dengan skor
(nilai) yang tertinggi. Dengan rumus matematika, sebagai berikut:
𝑅 = 𝐻−𝐿
Keterangan:
R : Range
H : Skor tertinggi
L : Skor terendah
Sebagai contoh, cermati data hasil belajar siswa pada tabel di bawah ini.
35 45 55
20 20 20
45 35 65
40 40 40
45 35 70
60 60 65
65 45 70
80 55 75
90 75 65
Dari pengamatan data di atas, diperoleh nilai tertinggi sebesar 90 dan nilai
terendah sebesar 20, sehingga diperoleh nilai Range sebesar 70.

C. Deviasi
1. Pengertian Deviasi
Deviasi adalah selisih atau simpangan dari masing-masing skor atau interval, dari
nilai rata-rata hitungnya. Berbagai jenis deviasi yang akan dibahan pada buku ini
adalah:
1. deviasi rata-rata (mean deviation), dan
2. simpangan baku atau standar deviasi (standar deviation)
2. Deviasi Rata-rata (Mean Deviation)

a. Pengertian deviasi rata-rata

Deviasi rata-rata adalah rata-rata penyimpangan data dari rata-rata (mean). Di
dalam menghitung deviasi rata-rata harus kita cari rata-rata dari harga mutlak
selisih antara tiap-tiap data dengan meannya. Harga mutlak adalah nilai dengan
tidak memandang positif atau negatif, semuanya dianggap positif.
Dalam bahasa Inggris deviasi rata-rata dikenal dengan Mean Deviation (MD) atau
Average Deviation (AD) selanjutnya istilah AD akan digunakan dalam penulisan
rumus, dengan berdasarkan pengertian di atas, maka secara matematika deviasi
rata-rata dirumuskan sebagai berikut:
∑𝑥
𝐴𝐷 =
𝑁
Keterangan:
MD : Deviasi rata-rata
x : Jumlah harga mutlak deviasi rata-rata tiap skor atau interval tertinggi
N : Jumlah sampel/populasi

b. Deviasi rata-rata untuk data tunggal

Deviasi rata-rata untuk data tunggal, rumus yang digunakan adalah sebagai
berikut:
∑ 𝑓𝑥
𝐴𝐷 =
𝑁
Keterangan:
MD : Deviasi rata-rata
fx : Jumlah hasil perkalian antara deviasi tiap-tiap skor dengan frekuensi
masing-masing skor tersebut
N : Jumlah sampel/populasi
Misalkan data hasil belajar siswa (40 orang) yang disajikan pada tabel 5.1 di bawah
ini:
Tabel 5.1. Hasil belajar siswa 40 orang
Hasil Belajar Siswa (40 orang)
40 70 60 50 45
80 60 70 50 50
80 70 60 45 45
45 60 70 50 60
80 70 60 50 80
80 70 70 60 90
45 50 60 50 50
60 70 60 90 60
Dengan bantuan tabel distribusi frekuensi, diperoleh hasil seperti di bawah ini:
Tabel 5.2. Tabel bantuan menghitung deviasi rata-rata untuk data tunggal
X f fX x fx
1 2 3 4 5
 90 2 180 28.37 56.74
80 5 400 18.37 91.85
70 8 560 8.37 66.96
60 11 660 -1.63 -17.93
50 8 400 -11.63 -93.04
45 5 225 -16.63 -83.15
40 1 40 -21.63 -21.63
Jumlah 40 2465 431.30
MX 61,63 AD 10,78

Berdasarkan sumber data pada kolom 1 dan 2 (X dan f) selanjutnya dapat dihitung
kolom 3, 4, dan 5, dengan cara sebagai berikut:
1) Hitung jumlah sampel (N) pada kolom 2 bagian jumlah, sehingga diperoleh
N = 40
2) Kolom 3, dengan cara: hitung f kali X pada masing-masing baris, lalu
jumlahkan (fX)
3) Hitung mean, dengan rumus:
∑ 𝑓𝑋 2465
𝑀𝑋 = = = 𝟔𝟏, 𝟔𝟑
𝑁 40
4) Kolom 4, dengan cara: Hitung deviasi masing-masing skor pada kolom 4,
dengan rumus
𝑥 = X − 𝑀𝑋
5) Kolom 5, dengan cara: Hiitung f kali x pada setiap baris, lalu Jumlahkan
hasilnya (fx)
Sehingga dengan menggunakan rumus deviasi rata-rata untuk data tunggal,
diperoleh hasil sebagai berikut:
∑ 𝑓𝑥 431,30
𝐴𝐷 = = = 𝟏𝟎, 𝟕𝟖
𝑁 40

c. Deviasi rata-rata untuk data kelompokan

Deviasi rata-rata untuk data tunggal, rumus yang digunakan adalah sebagai
berikut:
∑ 𝑓𝑥
𝐴𝐷 =
𝑁
Keterangan:
MD : Deviasi rata-rata
fx : Jumlah hasil perkalian antara deviasi tiap-tiap interval dengan frekuensi
masing-masing interval yang bersangkutan
N : Jumlah sampel/populasi
Misalkan data hasil belajar siswa (63 orang) yang disajikan pada tabel 5.3 di bawah
ini:
Tabel 5.3. Hasil belajar siswa 63 orang
Hasil Belajar Siswa (63 orang)
36 56 66 71
40 56 67 72
41 57 68 73
43 58 69 74
45 58 70 75
46 59 66 71
47 60 67 75
48 60 70 76
50 61 68 77
51 61 81 78
52 62 82 79
53 62 84 80
54 63 85 86
55 63 64 88
53 64 65 90
65 61 65

Dengan bantuan tabel distribusi frekuensi, diperoleh hasil seperti di bawah ini:
Tabel 5.4. Tabel bantuan menghitung deviasi rata-rata untuk data kelompokan
i f X fX x fx
1 2 3 4 5 6
86 – 90 3 88 264 23.81 71.43
81 – 85 4 83 332 18.81 75.24
76 – 80 5 78 390 13.81 69.05
71 – 75 7 73 511 8.81 61.67
66 – 70 9 68 612 3.81 34.29
61 – 65 12 63 756 -1.19 -14.28
56 – 60 8 58 464 -6.19 -49.52
51 – 55 6 53 318 -11.19 -67.14
46 – 50 4 48 192 -16.19 -64.76
41 – 45 3 43 129 -21.19 -63.57
36 – 40 2 38 76 -26.19 -52.38
Jumlah 63 - 4044 - 623.33
Mx 64,19 AD 9,89

Berdasarkan sumber data pada kolom 1 dan 2 (i dan f) selanjutnya dapat dihitung
kolom 3, 4, 5, dan 6 dengan cara sebagai berikut:
1. Kolom 3, dengan cara menghitung midpoint untuk masing-masing interval
skor dengan rumus Xi= (Nilai batas atas + nilai batas bawah)/2
2. Kolom 4, dengan cara kali f dengan X, lalu jumlahkan hasilnya (fX)
3. Hitung mean (rata-rata) dengan rumus
 ∑ 𝑓𝑋 4044
𝑀𝑋 = = = 64,19
𝑁 64
4. Kolom 5, dengan cara mengitung selisih dengan rumus xi = X - MX
5. Kolom 6, dengan cara kali f dengan x, lalu jumlahkan hasilnya (fx) tanpa
memperhatikan tanda minus (-)
Sehingga dengan menggunakan rumus deviasi rata-rata untuk data kelompokan,
diperoleh hasil sebagai berikut:
∑ 𝑓𝑥 623,33
𝐴𝐷 = = = 𝟗, 𝟖𝟗
𝑁 63
Bahwa untuk memperoleh deviasi rata-rata, maka semua deviasi yang ada kita
jumlahkan lalu setelah itu dibagi dengan N. dalam menjumlahkan deviasi masing-
masing skor atau deviasi masing-masing interval tersebut, tanda-tanda aljabar
yang terdapat didepan angka diabaikan (semua deviasi dianggap bernlai plus).
Cara seperti itu, secara matematika kurang dapat dipertanggungjawabkan, inilah
kelemahan daripada deviasi rata-rata.
3. Deviasi Standar (Standart Deviation)

a. Pengertian deviasi standar

Dijelaskan sebelumnya bahwa deviasi rata-rata memiliki kelemahan secara
matematika, untuk itu deviasi standar menjadi solusi terhadap kelemahan deviasi
rata-rata karena deviasi standar telah dibakukan atau distandarisasikan, sehingga
memiliki tingkat kepercayaan atau reliabilitas yang lebih baik. Sehingga pada
analisis-analisis statistik deviasi standar memiliki kedudukan yang sangat penting.
Secara matematika deviasi standar dirumuskan sebagai berikut:

∑ 𝑓𝑥 2
𝑆𝐷 = √
𝑁

Keterangan:
SD : Deviasi standar
fx : Jumlah semua deviasi, setelah proses penguadratan
N : Jumlah sampel/populasi

a. Deviasi standar untuk data tunggal

Deviasi standar untuk data tunggal, rumus yang digunakan adalah sebagai berikut:

∑ 𝑓𝑥 2
𝑆𝐷 = √
𝑁

Keterangan:
MD : Deviasi rata-rata
fx : Jumlah hasil perkalian antara frekuensi masing-masing skor dengan deviasi
skor yang telah dikuadratkan.
N : Jumlah sampel/populasi
Misalkan data yang dianalisis untuk mencari deviasi standar untuk data tunggal
sama dengan tabel 5.1., dengan menggunakan bantuan tabel distribusi frekuensi
diperoleh hasil analisis sebagai berikut:
Tabel 5.5. Tabel bantuan menghitung deviasi standar untuk data tunggal
X f fX x X^2 fx^2
90 2 180 28.38 805.42 1610.84
80 5 400 18.38 337.82 1689.10
70 8 560 8.38 70.22 561.76
60 11 660 -1.63 2.66 29.26
50 8 400 -11.63 135.26 1082.08
45 5 225 -16.63 276.56 1382.80
40 1 40 -21.63 467.86 467.86
Jumlah 40 2465 - - 6823.70
Mx 61,63 SD 13,05

Berdasarkan sumber data pada kolom 1 dan 2 (X dan f) selanjutnya dapat dihitung
kolom 3, 4, 5, dan 6 dengan cara sebagai berikut:
1. Kolom 3, dengan cara: f kali X untuk masing-masing baris, lalu jumlahkan
hasilnya (fX)
2. Hitung mean (rata-rata) dengan rumus
∑ 𝑓𝑋 2465
𝑀𝑋 = = = 61,63
𝑁 40
3. Kolom 4, dengan cara: mengitung selisih dengan rumus xi = X - MX, untuk
masing-masing baris
4. Kolom 5, dengan cara: x pada kolom 4 berpangkat 2
5. Kolom 6, dengan cara: f (kolom 2) kali x2 (kolom 5), lalu jumlahkan hasilnya
fx2)
Sehingga dengan menggunakan rumus deviasi standar untuk data tunggal,
diperoleh hasil sebagai berikut:

∑ 𝑓𝑥 6823,70
𝑆𝐷 = √ =√ = 𝟏𝟑, 𝟎𝟓
𝑁 40

Amati perbedaan antara hasil hitung deviasi rata-rata untuk data tunggal dengan
deviasi standar untuk data tunggal.
 b. Deviasi standar untuk data kelompokan
Deviasi standar untuk data kelompokan, rumus yang digunakan adalah sebagai
berikut:

∑ 𝑓𝑥 2
𝑆𝐷 = √
𝑁

Keterangan:
MD : Deviasi rata-rata
fx : Jumlah hasil perkalian antara frekuensi masing-masing skor dengan deviasi
skor yang telah dikuadratkan.
N : Jumlah sampel/populasi
Misalkan data yang dianalisis untuk mencari deviasi standar untuk data
kelompokan sama dengan tabel 5.3., dengan menggunakan bantuan tabel
distribusi frekuensi diperoleh hasil analisis sebagai berikut:
Tabel 5.6. Tabel bantuan menghitung deviasi standar untuk data kelompokan
i f X fX x x2 fx2
86 – 90 3 88 264 23.81 566.92 1700.76
81 – 85 4 83 332 18.81 353.82 1415.28
76 – 80 5 78 390 13.81 190.72 953.60
71 – 75 7 73 511 8.81 77.62 543.34
66 – 70 9 68 612 3.81 14.52 130.68
61 – 65 12 63 756 -1.19 1.42 17.04
56 – 60 8 58 464 -6.19 38.32 306.56
51 – 55 6 53 318 -11.19 125.22 751.32
46 – 50 4 48 192 -16.19 262.12 1048.48
41 – 45 3 43 129 -21.19 449.02 1347.06
36 – 40 2 38 76 -26.19 685.92 1371.84
Jumlah 63 4044 9585.96 9585.96
Mx 64,19 SD 12,233

Berdasarkan sumber data pada kolom 1 dan 2 (i dan f) selanjutnya dapat dihitung
kolom 3, 4, 5, 6, dan 7 dengan cara sebagai berikut:
1. Kolom 3, dengan cara menghitung midpoint untuk masing-masing interval
skor dengan rumus Xi= (Nilai batas atas + nilai batas bawah)/2
2. Kolom 4, dengan cara kali f dengan X, lalu jumlahkan hasilnya (fX)
3. Hitung mean (rata-rata) dengan rumus
∑ 𝑓𝑋 4044
𝑀𝑋 = = = 64,19
𝑁 64
4. Kolom 5, dengan cara: mengitung selisih dengan rumus xi = X - MX
5. Kolom 6, dengan cara: menghitung x pangkat 2 (x2)
6. Kolom 7, dengan cara kali f dengan x2, lalu jumlahkan hasilnya (fx2)
Sehingga dengan menggunakan rumus deviasi standar untuk data kelompokan,
diperoleh hasil sebagai berikut:

∑ 𝑓𝑥 2 9585,96
𝑆𝐷 = √ =√ = 𝟏𝟐, 𝟑𝟑
𝑁 63

c. Aplikasi Excel: Fungsi Deviasi Standar (Stdev)

1) Menghitung deviasi standar dengan rumus manual
Menghitung deviasi standar dengan rumus manual dengan cara lain, yaitu:

𝑁 ∑ 𝑥 2 − (∑ 𝑋 )2
𝑆𝐷 = √
𝑁(𝑁 − 1)

Keterangan:
SD : Deviasi standar
X : Nilai baku hasil belajar siswa
x : skor atau nilai masing-masing skor dengan deviasi skor yang telah
dikuadratkan.
N : Jumlah sampel/populasi
Sebagai contoh simak data hasil belajar siswa pada tabel 5.7. berikut ini:
Tabel 5.7. Tabel bantuan menghitung deviasi standar
No X x2
1 55 3025
2 60 3600
3 60 3600
4 75 5625
5 60 3600
6 65 4225
7 75 5625
8 85 7225
9 55 3025
10 90 8100
X = 680 x = 47650
2
-
X2 = 462400 -

Dengan menggunakan persamaan di atas:

𝑁 ∑ 𝑥 2 − (∑ 𝑋 )2 10(47650) − (462400)
𝑆𝐷 = √ = √ = 𝟏𝟐, 𝟓𝟐
𝑁(𝑁 − 1) 10(10 − 1)

2) Menghitung deviasi fungsi Stdev

Fungsi ini digunakan untuk menghasilkan nilai deviasi standar pada sebuah
sampel. Bentuk umum fungsi Stdev:
 =STDEV(angka1,angka2,……)
 Angka1, angka2, ….. adalah argumen yang berisi data sampel atau populasi
Sebagai contoh, dengan menggunakan data tabel .. di atas

Gambar 5.1. Fungsi Stdev aplikasi excel

Rumus Hasil Quartile Hasil

=STDEV(A2:A11) Deviasi standar nilai A2 sampai A11 12,52

Nilai yang diperoleh dengan menggunakan rumus manual dengan fungsi Stdev
diperoleh hasil yang sama, yaitu 12,52
Catatan: penggunaan fungsi Stdev pada aplikasi excel tersebut di atas tidak perlu
mempertimbangkan data tunggal maupun kelompokan, yang penting semua data
yang dianalisis dimasukkan dalam seleksi fungsi Stdev.

D. Manfaat Deviasi Rata-Rata Dan Deviasi Standar

Deviasi rata-rata maupun deviasi standar keduanya memiliki manfaat untuk
mengetahui variabilitas data dan tingkat homogenitas data, dengan mengetahui
besar dan kecilnya hasil analisis deviasi rata-rata dan deviasi standar.
Jika hasil analisis deviasi rata-rata atau deviasi standar makin besar, maka dapat
diartikan semakin besar pula variabilitas datanya dan semakin kurang homogen.
Sebaliknya, jika analisis data deviasi rata-rata atau deviasi standar makin kecil,
maka dapat diartikan semakin kecil pula variabilitas datanya dan semakin
homogen.
Selain manfaat deviasi rata-rata atau deviasi standar untuk mengetahui tingkat
variabilitas data dan homogenitas data, juga dapat digunakan bagi seorang guru
untuk mengevaluasi hasil belajar siswa, yaitu:
1) Menetapkan nilai batas kelulusan (passing grade), dengan rumus:
𝑃𝑎𝑠𝑠𝑖𝑛𝑔 𝑔𝑟𝑎𝑑𝑒 = 𝑁𝑖𝑙𝑎𝑖 𝑟𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 + 0,25 𝑆𝐷
2) Mengubah skor mentah ke nilai standar skala 5 atau A, B, C, D, dan E
Faktor Pengubah Konversi Nilai
Mean + 1,5 SD A
Mean + 0,5 SD B
Mean C
Mean – 0,5 SD D
Mean – 1,5 SD E
3) Mengelompokkan peserta didik ke dalam kelompok atas, sedang, dan
bawah.
Faktor Pengubah Konversi Nilai
Mean + 1 SD Atas
Mean Sedang
Mean – 1 SD Bawah