UKURAN KEBERAGAMAN DATA

Setelah kita pelajari ukuran pemusatan data dan ukuran letak, satu lagi ukuran yang harus diketahui
adalah ukuran keragaman data

Keberagaman data itu apa?

Ukuran keragaman menggambarkan bagaimana berpencarnya data atau menggambarkan seberapa jauh
data menyebar dari rata-ratanya. Sebagai contoh perhatikan tiga data X1, X2 dan X3 berikut

No. X1 X2 X3 Ketiga data disamping memiliki rata-rata yang sama, yaitu 𝑋̅1 = 5, 𝑋̅2 =5
1 5 8 9 dan 𝑋̅3 = 5. Meskipun ketiga data memiliki rata –rata yang sama, namun
2 5 7 2 ketiga data tidak sama karena ketiga data berbeda dalam keberagaman.
3 5 4 3 Jika dilihat, maka Data X1 tidak beragam, data X2 dan data X3 beragam.
4 5 6 8 Data mana yang lebih beragam, X2 atau atau X3? Untuk menjawab
5 5 8 7 pertanyaan ini diperlukan ukuran keberagaman.
6 5 5 4
7 5 4 3 Mengapa ukuran keberagaman diperlukan?
8 5 2 4 Ukuran keberagaman diperlukan jika dua data perlu dibandingkan. Jika
9 5 3 6 perlakuan menghasilkan dua atau lebih data berasal dari perlakuan,
10 5 3 4 maka ukuran keberagaman diperlukan untuk melihat efek perlakuan
 50 50 50 meskipun rata-rata sama. Jika ini terjadi dapat dinyatakan bahwa
𝑿̅ 5 5 5 perlakukan tidak memberi pengaruh pada variabel perlakuan, tapi
menyebabkan beragamnya objek perlakuan.

Apa-apa saja ukuran keberagaman yang biasa dibicarakan untuk data hasil penelitian?

Ada 3 ukuran keberagaman yang biasa dibicarakan, yaitu range (jangkauan), mean deviation (rata-rata
simpangan), variance (variansi), dan standar deviation (simpangan baku). Dua yang pertama dibicarakan
dalam rangka memahami keberagaman, dan dua yang terakhir untuk digunakan dalam pengolahan data
hasil penelitian.

RANGE (JANGKAUAN)

Range itu apa?

Jangkauan adalah ukuran keberagaman paling sederhana. Jangkauan adalah beda skor tertinggi dengan
skor terendah. Dengan jangkauan gambaran keberagaman terlihat dari seberapa lebar jarak dua anggota
data ekstrim besar dan ekstrim kecil. Sehingga bermakin besar angka jangkauan, maka semakin beragam
anggota data.

𝑅 = 𝑋𝑚𝑎𝑥 − 𝑋𝑚𝑖𝑛

Dari data di atas: RX1 = 5 − 5 = 0; Rx2 = 8 – 3 = 5; RX3 = 9 – 3 = 6, sehingga kita simpulkan data X3 lebih
beragam dari data X2 dan lebih beragam X1. Urutan keberagaman data adalah X3 > X2 > X1

Apa Kelebihan dan kelemahan ukuran keberagaman dengan jangkauan?

Kelebihan jangkauan : mudah ditentukan dan dikomunikasikan (mudah dimengerti)

Kelemahan : (a) sangat dipengaruhi skor pencilan (skor dengan nilai sangat berbeda dengan skor yang
lain, misalnya sangat tinggi atau sangat rendah), (b) sukar digunakan untuk menipulasi
matematika (operasi subtitusi atau operasi eliminasi)

MEAN DEVIATION (RATA-RATA SIMPANGAN)

Mean deviation itu apa?

Mean deviation adalah rata-rata simpangan absolut anggota data (skor) dari rata-rata. Simpangan absolut
adalah simpangan skor dari rata-rata tanpa memperhatikan tanda. Nilai absolut diperlukan sebab
simpangan skor dari rata-rata ada yang berharga positif dan ada yang berharga negatif, dan ∑ 𝑥𝑖 = 0
∑|𝑋− 𝑋̅ |
𝑀𝐷 =
𝑁

Untuk data di atas MD dapat ditentukan dengan cara berikut:

No. X1 X2 X3 │x1│ │x2│ │x3│ Dari hasil perhitungan terlihat bahwa urutan
1 5 8 9 0 3 4 Keberagaman berdasarkan harga MD adalah:
2 5 7 2 0 2 3
3 5 4 3 0sw 1 2 𝑀𝐷𝑋3 > 𝑀𝐷𝑋2 > 𝑀𝐷𝑋1
4 5 6 8 0 1 3 Kesimpulan adalah Skor pada data X3 lebih beragam
5 5 8 7 0 3 2 dibanding skor data X2 dan lebih beragam dibanding data
6 5 5 4 0 0 1 X1
7 5 4 3 0 1 2
8 5 2 4 0 3 1
9 5 3 6 0 2 1
10 5 3 4 0 2 1
 0 18 20
𝑀𝐷 0 1.8 2.0

Apa kelebihan dan kelemahan MD?

Kelebihan MD: MD telah menggunakan seluruh skor dan telah menunjukkan keberagaman secara lebih
konseptual

Kelemahan: Mean deviation menggunakan nilai mutlak sehingga sukar digunakan untuk manipulasi
matematika (manipulasi aljabar) sehigga sangat jarang digunakan dalam statistika
VARIANSI DAN DEVIASI STANDAR

Variansi itu apa dan bagaimana cara menentukannya

Variansi adalah rata-rata kuadrat simpangan skor dari rata-rata.

∑(𝑋 − 𝑋̅)2 Kuadrat simpangan

𝑠2 = Jumlah skor
𝑁
Operasi kuadrat digunakan untuk menghilangkan tanda negatif pada simpangan sehingga jumlahnya tidak
sama dengan nol. Dengan mencari variansi dari rata-rata dari kuadrat simpangan, maka secara konseptual
variansi akan memperlihatkan keberagaman data. Artinya semakin besar variansi semakin menyebar skor
dari rata-ratanya dan semakin beragam data. Variansi disimbolkan dengan s 2, dan akan ditambah
subscript x,y, atau simbol lain tergatung dengan apa data disimbolkan. Pensimbolan s x2 artinya variansi
data X.

Variansi data di atas dapat ditentukan dengan caa :

No. X1 X2 X3 x1 x2 x3 (x1) 2 (x2 )2 (x3) 2 Dari hasil perhitungan terlihat bahwa

1 5 8 9 0 3 4 0 9 16 urutan Keberagaman berdasarkan
2
2 5 7 2 0 2 -3 0 4 9 harga s adalah:
3 5 4 3 0 -1 -2 0 1 4
4 5 6 8 0 1 3 0 1 9 𝑠𝑋23 > 𝑠𝑋22 > 𝑠𝑋21
5 5 8 7 0 3 2 0 9 4 Kesimpulan adalah skor data X3 lebih
6 5 5 4 0 0 -1 0 0 1 beragam dibanding skor data X2 dan
lebih beragam dibanding skor data X1
7 5 4 3 0 -1 -2 0 1 4
8 5 2 4 0 -3 -1 0 9 1
9 5 3 6 0 -2 1 0 4 1
10 5 3 4 0 -2 -1 0 4 1
 50 50 50 0 0 0 0 42 50
𝟐
𝒔 0 4.2 5.0
s 0 2.0 2.2

Deviasi standar itu apa dan bagaimana cara menentukannya

Deviasi standar adalah akar kuadrat dari s2,

(𝑋−𝑋̅ )2
𝑠 = √𝑠2 atau 𝑠 = √
𝑁

Sehingga untuk data diatas diperoleh seperti tercantum pada tabel sebelumnya, dimana 𝑠𝑋1=0; 𝑠𝑋2=2.0;
dan 𝑠𝑋3=2.2 . Harga ini menunjukkan bahwa sor data X3 lebih beragam dibanding skor data X2 dan lebih
beragam dibanding skor data X1. Kesimpulan ini sama dengan kesimpulan variansi karena deviasi standar
hanyalah akar kuadrat dari variansi. Sama juga, bahwa kesimpulan ini mirip dengan MD, karena pada
deviasi standar kuadrat delah dihilangkan dan simpangan dijumlahkan dengan harga negatif telah
dihilangkan sebelumnya pada variansi dengan kuadrat.
SKOR BAKU (STANDARD SCORE atau Z-SCORE)

Skor baku itu apa dan bagaimana menentukannya?

Skor baku adalah skor simpangan dengan satuan deviasi standar. Skor baku (misalkan untuk data yang
disimbolkan dengan X) dicari dengan cara:
(𝑋−𝑋̅ ) 𝑥
𝑧𝑥 = atau 𝑧𝑋 = dimana 𝑥 adalah skor simpangan atau 𝑥 = 𝑋 − 𝑋̅
𝑠𝑥 𝑠𝑋

Skor baku secara konseptual memperlihatkan simpangan skor dari rata-rata dengan satuan deviasi
standar. Simbol skor baku akan ditambah subscript x,y, atau simbol lain tergatung dengan apa data
disimbolkan. Pensimbolan zX artinya skor baku data X.

Skor baku untuk data di atas dapat dicari seperti pada tabel berikut

No. X1 X2 X3 x1 x2 x3 𝑥 𝑥 𝑥
𝑧𝑋1 = 𝑧𝑋2 = 𝑧𝑋3 =
𝑠𝑋1 𝑠𝑋2 𝑠𝑋3
1 5 8 9 0 3 4 0 33/√4.2 4/√5
2 5 7 2 0 2 -3 0 2/√4.2 -3/√5
3 5 4 3 0 -1 -2 0 -1/√4.2 -2/√5
4 5 6 8 0 1 3 0 1/√4.2 3/√5
5 5 8 7 0 3 2 0 3/√4.2 2/√5
6 5 5 4 0 0 -1 0 0/√4.2 -1/√5
7 5 4 3 0 -1 -2 0 -1/√4.2 -2/√5
8 5 2 4 0 -3 -1 0 -3/√4.2 -1/√5
9 5 3 6 0 -2 1 0 -2/√4.2 1/√5
10 5 3 4 0 -2 -1 0 -2/√4.2 -1/√5
 50 50 50 0 0 0 0 0 0

Dari tabel terlihat bahwa data baku sama halnya dengan data simpangan dimana jumlahnya sama
dengan nol.

∑ 𝑧𝑥1 = ∑ 𝑧𝑥2 = ∑ 𝑧𝑥3 = 0

Bila √5 dicari dan diperoleh 2.23607 maka harga z tidak lagi sebagai bilangan bulat dan z tidak lagi
sama dengan nol. Ini dapat terjadi karena pada pembagian dengan sx diperoleh angka dengan digit
dibelakang koma yang banyak dan akibat pembulatan z tidak tepat nol.

MOMEN TERHADAP RATA-RATA

Momen terhadap rata-rata itu apa?

Rata-rata dan deviasi standar adalah besaran-besaran untuk statistika deskriptif dalam kelompok yang
dikenal sebagai momen. Momen adalah besaran fisika yang menggambarkan penyimpangan terhadap
titik setimbang. Dalam statistika titik setimbang adalah rata-rata, maka momen dalam statistika adalah
penyimpangan terhadap titik setimbang rata-rata. Ada empat momen (disimbolkan dengan m), yaitu:
 Momen Keterangan
∑(𝑋 − 𝑋̅) 𝑚1 adalah momen terhadap rata adalah jumlah rata-rata simpangan
𝑚1 = =0 yang membuktikan bahwa rata-rata adalah titik setimbang
𝑁
∑(𝑋 − 𝑋̅)2 𝑚2 adalah variansi yang menggambarkan keberagaman data
𝑚2 = = 𝑠𝑋2
𝑁
∑(𝑋 − 𝑋̅)3 Kedua momen ini akan menentukan ukuran kecondongan kurva
𝑚3 = (condong ke kanan atau condong ke kiri) dan kelandaian kurva yang
𝑁
∑(𝑋 − 𝑋̅)4 menggambarka data
𝑚3 =
𝑁
∑(𝑋 − 𝑋̅)𝑟 Momen ke r terhadap rata-rata
𝑚𝑟 =
𝑁

UKURAN KECONDONGAN KURVA (SKEWNESS)

Kecondongan kurva itu apa dan bagaimana cara menentukannya?

Ukuran kecondongan kurva direntukan dengan cara mencari g1

𝑚1
𝑔1 =
𝑚2 √𝑚2

Pada kurva yang condong positif
g1 = +, karena pangkat tiga
simpang rata-rata yang berharga
positif lebih besar dari pangkat
tiga simpangan rata-rata yang
berharga negatif
Pada distribusi simetris g2= 0.
Pada kurva yang condong positif
g1 = −, karena pangkat tiga
simpang rata-rata yang berharga
positif lebih kecil dari pangkat
tiga simpangan rata-rata yang
berharga negatif
Apa kurtosis itu dan bagaimana cara menentukannya?

Kurtosis adalah tingkat kelandaian kurva atau lebih tepat disebut tingkat ketebalan ekor (ujung) kurva
distribusi. Kurtosis biasanya dibandingkan dengan kurva normal seperti pada gambar di bawah.

Kurtosis ditentukan dengan cara menghitung g2

𝑚4
𝑔2 = −3
𝑚22

Penyimpangan yang besar dari rata-rata menyebabkan m4 jauh lebih besar dari m2. Untuk distribusi
𝑚
normal harga 42 adalah 3.
𝑚2

Platty curtosis

Lepto curtosis

Pada kurva dengan lepto kurtosis
positif g2 lebih besar dari nol (g2 >
0)
Pada distribusi simetris g2 = 0. Pada kurva dengan palatty
Pada distribusi simetri m3 =0, kurtosis g2 lebih kecil dari nol
karena pangkat tiga (g2 < 0)
simpangan rata-rata yang
berharga negatif saman
dengan pangkat tiga
simpangan rata-rata yang
berharga positif.
Tugas :
Perhatikan data pada tabel berikut!

2 11 6 4 18 1 9 2 2 15
8 16 12 11 17 3 3 5 3 7
11 9 5 16 16 15 4 9 5 7
4 10 4 4 15 16 5 5 11 18
5 10 9 8 7 7 2 6 13 1
a. Tentukanlah ukuran keberagaman dalam bentuk jangkauan, rata-rata simpangan (mean
deviation), variansi dan simpangan baku
b. Tentukan tipe skewness dan kurtosis

Kumpulkan setelah perkuliahan pada elearning!

Dengan format : Tugas3-statistika-nim-nama lengkap