PERTEMUAN 7

PENGUKURAN VARIABILITAS
================================================================
Setelah mempelajari materi ini, diharapkan kepada para pengguna mampu:
Memahami dan mengaplikasikan pengukuran Variabilitas dan nilai standart. Adapun materi
yang dibahas meliputi:
1. Pengertian Variabilitas
2. Range
3. Mean Deviasi Data Tunggal
4. Mean Deviasi Data berkelompok
5. Simpangan Baku Data Tunggal
6. Simpangan Baku Data Berkelompok

==================================================================
A. PENGERTIAN VARIABILITAS
Tulus (2004) dan Sutrisno Hadi (2017) menyatakan bahwa ukuran variabilitas
adalah sebuah ukuran tentang derajat penyebaran nilai-nilai variable dari suatu tendensi
sentral dalam sebuah distribusi. Dua kelompok distribusi data dapat memiliki nilai tendensi
sentral yang sama, akan tetapi derajat penyebarannya bisa jadi sangat berbeda.
Rusydi dan Fadhli (2018) menyatakan bahwa variabilitas merupakan kondisi di
mana sekumpulan skor sama atau tidak. Jika sekumpulan skor itu sama maka distribusi
tersebut tidak mempunyai variabilitas.
Besar kecilnya variabilitas merupakan gambaran tentang penyebaran distribusi (Irianto,
2004). Kegunaan variabilitas dijelaskan Irianto adalah:
1. Variabilitas memberikan indikasi bagaimana tingkat akurasi rata-rata dalam
menjelaskan distribusi. Jika variabilitas kecil kemudian seluruh skor mengumpul dan
setiap skor mendekati rata-rata, maka rata-rata sampel representatif untuk seluruh
distribusi skor. Sebaliknya jika variabilitas besar, maka skor tersebar dan tidak
mendekati harga rata-ratanya, sehingga rata-rata sampel tidak representatif untuk
seluruh distribusi skor.
2. Variabilitas memberikan indikasi seberapa tepatnya suatu skor atau sekelompok skor
menggambarkan keseluruhan distribusi. Mengingat rata-rata populasi sering tidak
diketahui, maka peneliti lebih banyak menggunakan rata-rata yang berasal dari sampel.
Jika variabilitas kecil, maka setiap skor akan akurat dalam menggambarkan
keseluruhan distribusi. Sebaliknya jika variabilitas sampel berdistribusi besar, maka
setiap skor atau sekumpulan skor tidak akurat dalam menggambarkan keseluruhan
distribusi.
Ilustrasi
Terdapat dua kelas yaitu kelas A dan B. Nilai Ujian Akhir Semester (UAS) untuk mata
kuliah ststistik kelas A dan B mempunyai nilai rata-rata (mean) yang sama yaitu 70.
Walaupun mempunyai nilai mean yang sama, kelas A mempunyai penyebaran nilai-nilai
perseorangan yang lebih besar atau bervariasi daripada kelas B. Kelas A mempunyai
rentang nilai perseorangan antara 30 sampai dengan 100, sedangkan kelas B nilai
perseorangan tidak bervariasi dengan rentang nilai antara 60 sampai dengan 80. Hal ini-
pun dapat kita mengerti dari pemeriksaan terhadap Gambar.6.1. sebagai berikut.
 Gambar. 7.1. Ilustrasi Kelas A dan B.

Kita lihat dari grafik itu bahwa nilai rata-rata (Mean) dari kedua kelas itu adalah sama,
yaitu 70. Akan tetapi, nilai-nilai anak-anak dalam kelas A menunjukkan penyebaran dari
angka rata-rata (Mean) yang lebih besar dibandingkan dengan kelas B. Dalam kelas A
terdapat beberapa mahasiswa yang mendapat nilai-nilai tinggi seperti 80, 90, 100 namun
terdapat beberapa mahasiswa ada yang mempunyai nilai yang sangat rendah yaitu nilai 30
dan 40. Pada kelas B tidak ada mahasiswa yang mendapat nilai sangat baik, tetapi juga
tidak ada yang mendapatkan nilai yang sangat jelek. Kelas B mempunyai nilai paling
rendah 60 sedangkan nilai terbaik adalah 80. Disimpulkan bahwa nilai-nilai di kelas A
adalah lebih heterogen, sedang nilai mahasiswa di kelas B adalah lebih homogen. Kelas A
mempunyai variabilitas yang lebih besar daripada kelas B dalam nilai statistik.
keberagaman dan penyebaran nilai dalam suatu distribusi dapat dihitung dengan
menggunakan Range (R), Mean Deviasi (MD), dan Standar Deviasi (SD).

1. RANGE
Tulus (2004) Range (R) dapat didefinisikan sebagai jarak antara nilai tertinggi (Xt)
dengan nilai terendah (Xr).

Rumus mencari Range

Jenis Rumus Keterangan

R = Range (Jangkauan)
Range (R) R = (X t − X r )
Xt = nilai tertinggi
Xr = nilai terendah
 Range sebagai alat pengukuran variablitas sangat tergantung kepada dua nilai yaitu
nilai yang tertinggi dan nilai terendah. Kedua nilai tersebut adalah nilai-nilai yang
ekstrim dalam distribusi. Contoh kelas A nilai ekstremnya adalah nilai 30 (nilai
terendah) dan 100 (nilai tertinggi). Oleh karena hanya didasarkan pada dua nilai yang
tertinggi dan terendah inilah, maka R merupakan indeks variabilitasnya yang tidak
dapat diandalkan, tidak stabil dan tidak mantab (reliable) sebagai pendekatan
metodelogi ilmiah. Disamping itu, R tidak dapat menunjukkan bentuk distribusi dan
tidak memenuhi definisi variasi, sebab R dilepaskan dari tendensi sentral.
Sesungguhpun demikian, R mempunyai sifat seperti mode yaitu dapat digunakan untuk
menafsirkan variasi secara cepat dan mudah tetapi hasilnya kurang teliti.
Range 10 - 90
Persentil ke 10 = P10
Mencari persentil ke 10. Jumlah data adalah
1 + 3 + 6 + 10 + 8 + 5 + 1 = 34
10
𝑥 34 = 3.4
100
𝑖
𝑛 − 𝑓𝑘
𝑃𝑖 = 𝑇𝑏 + [ 100 ]𝑝
𝑓𝑖

Tabel. 7.1.
Data Kelompok Hasil Persentil ke 30
Berat Badan (kg) Frekuensi fk fk sebelum kelas P10
Lebar kelas 165 -169 1 1
p=5 170 -174 3 4 Letak P10
175-179 6 10 fi = 3
180-184 10 20
Bb = 170 - 0.5
= 169.5 185-189 8 28
190-194 5 33
195-199 1 34

10
34 − 1
𝑃10 = 169.5 + [ 100 ]5
3
3.4 − 1
𝑃10 = 169.5 + [ ]5
3
 2.4
𝑃10 = 169.5 + [ ]5
3
𝑃10 = 169.5 + [0.8]5
𝑃10 = 169.5 + 4
𝑃10 = 173.5

Persentil ke 90 = P90
Mencari persentil ke 90. Jumlah data adalah
1 + 3 + 6 + 10 + 8 + 5 + 1 = 34
90
x 34 = 30.6
100
Tabel. 7.2.
Data Kelompok Hasil Persentil ke 30
Berat Badan (kg) Frekuensi Fk
Lebar kelas 165 -169 1 1
p=5 170 -174 3 4
175-179 6 10
fk sebelum kelas P90
180-184 10 20
185-189 8 28
Letak P90
190-194 5 33 fi = 5
195-199 1 34
Tb = 190 - 0.5
= 189.5

90
34 − 28
𝑃90 = 189.5 + [ 100 ]5
5
30.6 − 28
𝑃90 = 189.5 + [ ]5
5
2.6
𝑃90 = 189.5 + [ ] 5
5
𝑃90 = 189.5 + [0.52]5
𝑃90 = 189.5 + 2.6
𝑃90 = 192.1
Karena R10 - 90 adalah P90 – P10
P90 = 192.1 – P10 = 173.5
= 18.6
 Apabila dihitung dengan range penuh maka R = 199 -165 = 34 (nilai terbesar – nilai
terkecil) lihat Tabel. 6.2.

2. MEAN DEVIASI
a. MEAN DEVIASI DATA TUNGGAL
Mean Deviasi atau deviasi rata-rata adalah rata-rata deviasi nilai-nilai dari mean
dalam suatu distribusi, diambil nilainya yang absolut yaitu nilai-nilai yang positif.
mean deviasi didefinisikan sebagai mean dari harga nutlak dari deviasi nilai-nilai
individual. Sutrisno Hadi. (2017:96).

Rumus mencari Rata-Rata Simpangan

Rumus Rumus Deviasi Keterangan

Rumus 1 ∑x
MD = MD
Data Tunggal n = Mean Deviasi
∑ | x| = Jumlah deviasi dalam harga mutlak
n = banyaknya data
Rumus 2 ∑fx
Berfrekuensi MD =
n

1) Mean Deviasi Data Tunggal (Rumus 1)

Contoh: Carilah rata-rata simpangan data: 6, 4, 8, 10, 11, 10, 7!
Pembahasan:
Langkah 1. Tentukan mean dari data tersebut. Rumus mean sebagai berikut
∑X
̅
X=
n
(6 + 4 + 8 + 10 + 11 + 10 + 7)
̅
X=
7
56
̅=
X
7
̅
X=8
Langkah 2. Tentukan Mean Deviasi dari data tersebut setelah diketahui rata-
ratanya:
∑ | x|
MD =
n
|x1 − X| + |x2 − X| + ⋯ + |xn − X|
MD =
n
(|6 − 8| + |4 − 8| + |8 − 8| + |10 − 8| + |11 − 8| + |10 − 8| + |7 − 8|
MD =
7
(| − 2| + | − 4| + |0| + |2| + |3| + |2| + | − 1|
MD =
7
INGAT: bahwa dalam deviasi nilainya absolut tidak ada nilai negatif (-) sehingga
(|2| + |4| + |0| + |2| + |3| + |2| + |1| 14
MD = = =2
7 7
Tabel. 7.3.
Ringkasan Mean Deviasi
x 𝐗 x- 𝐗
6 8 2
4 8 4
8 8 0
10 8 2
11 8 3
10 8 2
7 8 1
56 14

14
MD = = MD = 2
7
2) Mean Deviasi Berfrekuensi (Rumus 2)
Contoh: Perhatikan Tabel. 6.4. distribusi frekuensi data berikut ini. Hitunglah nilai
Mean Deviasi data di atas!
Tabel. 7.4.
Data Distribusi Frekuensi
X f
4 1
6 1
7 1
8 1
10 2
11 1
Jumlah 7
Pembahasan
Langkah 1. Perhatikan Tabel. 7.5. tentukan mean dari data tersebut.

Tabel. 7.5.
Data Tunggal Mean Deviasi
x 𝐟 fx
4 1 4
6 1 6
7 1 7
8 1 8
10 2 20
11 1 11
Jumlah 7 56

∑fx
̅=
X
n
56
X= =8
7

Langkah 2. Tentukan Mean Deviasi dari data tersebut setelah diketahui rata-
ratanya:

f1 |x1 − X| + f2 |x2 − X| + ⋯ + fn |xn − X|

MD =
f1 + f2 + ⋯ + fn

Sehingga nilainya

1|4 − 8| + 1|6 − 8| + 1|7 − 8| + 1|8 − 8| + 2|10 − 8| + 1|11 − 8|

MD =
1+1+1+1+2+1

INGAT bahwa dalam deviasi nilainya absolut tidak ada nilai negatif (-) sehingga

1|4| + 1|2| + 1|1| + 1|0| + 2|2| + 1|3||

MD =
7
4+2+1+0+4+3
MD =
7
14
MD =
7
MD = 2
 Apabila dirangkum dapat dilihat pada Tabel. 7.6. sebagai berikut:

Tabel. 7.6
Ringkasan Data Tunggal Mean Deviasi
x f X 𝐟x |𝐱 − X| 𝐟|𝐱 𝐢 − X|
4 1 8 4 -4 4
6 1 8 6 -2 2
7 1 8 7 -1 1
8 1 8 8 0 0
10 2 8 20 +2 4
11 1 8 11 +3 3
Jumlah 7 56 12 14

Tulus (2004:59) Deviasi yang bertanda plus menunjukkan deviasi di atas mean,
sedangkan yang bertanda minus menunjukkan deviasi di bawah mean. Untuk
menghitung MD tanda minus (-) ditiadakan dan semua harga deviasi dianggap
bertanda positif (+).

14
MD =
7
MD = 2

b. MEAN DEVIASI DATA BERKELOMPOK

Rumus mencari Mean Deviasi Data Berkelompok
Rumus Keterangan

1 xi = data ke i
MD = ∑ fi |xi − X|
n X = rata-rata
fi = frekuensi data ke i
n = banyaknya data

Contoh. Perhatikan Tabel. 6.7 data berkelompok. Tentukan nilai mean deviasinya!
Terlebih dahulu kita harus membuat tabel data berkelompok. Data diambil dari
Tabel.6.4.
Pembahasan
Langkah 1. Mencari jumlah kelas (interval)
K = 1 + 3.3 log N
K = 1 + 3.3 log 7
K = 1 + 3.3 (0.8450)
K = 1 + 2.788
K = 3.788 ≈ 4
Mencari lebar kelas (interval)
(R)
C𝑖 =
K
(11 − 4) + 1 = (R)
C𝑖 =
4=K
(7) + 1 = (R)
C𝑖 =
7
8 = (R)
C𝑖 =
4
C𝑖 = 2

Hasil pembagian data berkelompok dapat dihat pada Tabel. 7.7.

Tabel. 7.7.
Data Berkelompok
Nilai f
4-5 1
6-7 2
8-9 1
10-11 3

Langkah 2. Menentukan Mean Deviasi data berkelompok, tentukan titik tengah

setiap kelas, seperti pada Tabel. 7.8. kemudian dicari meannya:
Tabel. 7.8.
Data Berkelompok Titik Tengah
Nilai 𝐗 f 𝐟𝐗
4-5 4.5 1 4.5
6-7 6.5 2 13
8-9 8.5 1 8.5
10-11 10.5 3 31.5
Jumlah 7 57.5
Rumus mean sebagai berikut :
∑fX
̅=
X
n
1(4.5) + 2(13) + 1(8.5) + 3(31.5)
X=
1+2+1+3
57.5
X=
7
X = 8.21.

Langkah 3. Setelah diketahui rata-ratanya, saatnya mencari Mean Deviasi, dengan

menggunakan titik tengah kelas sebagai x diperoleh
f1 |x1 − X| + f2 |x2 − X| + ⋯ + fn |xn − X|
MD =
f1 + f2 + ⋯ + fn

1|4.5 − 8.2| + 2|6.5 − 8.2| + 1|8.5 − 8.2| + 3|10.5 − 8.2|

MD =
1+2+1+3
1|3.7| + 2|1.7| + 1|0.3| + 3|2.3|
MD =
7
3.7 + 3.4 + 0.3 + 6.9
MD =
7
14.3
MD =
7
MD = 2.04 ≈ 2
Apabila dirangkum dapat dilihat pada Tabel. 7.9. sebagai berikut:

Tabel. 7.9.
Ringkasan Data Berkelompok Mean Deviasi
Nilai 𝐗 f 𝐟𝐗 |𝐱 𝐢 − 𝐗| 𝐟|𝐱 𝐢 − X|
4-5 4.5 1 4.5 3.7 3.7
6-7 6.5 2 13 1.7 3.4
8-9 8.5 1 8.5 0.3 0.3
10-11 10.5 3 31.5 2.3 6.9
Jumlah 7 57.5 14.3
3. SIMPANGAN BAKU / STANDAR DEVIASI (SD)

Gambar. 7.2. Simpangan Baku

Standar Deviasi dapat dipandang sebagai satuan pengukuran sepanjang absis. Dari
absis ujung sebelah kiri ke ujung sebelah kanan berturut-turut terdapat skala
pengukuran dari nilai yang terendah sampai nilai yang tertinggi. Jarak antara kedua
ujung ini seperti sudah kita ketahui, disebut range. SD dapat pula kita gambarkan
sebagai luas pengukuran semacam range. Hanya saja SD tidak seluas range.
Suatu distribusi normal mempunyai 6 (enam) SD. Misalkan suatu distribusi
mempunyai mean 100 dengan SD 15. Apabila kita akan meletakkan 1 SD, maka kita
dapat menambahkan 1 SD di atas mean, maka titik di atas mean itu adalah 115 (dari
100 + 15). Apabila kita akan menambahkan 2 SD, maka kita akan memperoleh titik-
titik dengan nilai 130 (115 + 15), dan Apabila kita akan menambahkan 3 SD, Maka
kita akan memperoleh titik-titik dengan nilai 145 (130 + 15). Deviasi itu tidak saja di
atas mean, tetapi juga bisa di bawah. Artinya kita akan memperoleh titik-titik dengan
nilai-nilai 85 (dari 100 - 15), 70 (dari 100 - 2x15) dan 55 (dari 100 - 3x15).
Kita catat lagi: Jarak l antara angka 100 dan 115 adalah satu SD. Jarak (satu SD) itu
diisi dengan 15 angka kasar. Jarak ini biasanya disebut satu SD di atas mean, atau + 1
SD. Selanjutnya jarak antara 100 dan 130 ada +2 SD, dan di antara 100 dan 145 ada +3
SD. Jarak antara 100 dan 85 juga ada 1 SD. Akan tetapi, karena arahnya ke nilai yang
lebih rendah dari mean, Jarak itu diberi tanda negatif. Dengan kata lain, antara 100 dan
85 adalah -1 SD. Jarak antara 100 dan 70 dan 55 berturut-turut adalah -2 SD dan -3 SD.
Kita ingat kembali bahwa kurva normal adalah kurva simetris. Oleh sebab itu, tiap-tiap
ordinat yang didirikan di atas titik + 1 SD dan -1 SD akan sama tingginya. Demikian
juga ordinat-ordinat yang didirikan di atas titik +2 SD dan -2 SD, dan di atas +3 SD
dan -3 SD. Ordinat ini mewakili banyaknya trekuensi variabel pada tiap-tiap titik itu.
Adapun banyaknya frekuensi variabel dari mean ke titik +1 SD diwakili oleh "daerah"
yang dibatasi oleh ordinat dari mean dan ordinat dari titik +1 SD itu. Daerah ini
meliputi kira-kira 34% dari frekuensi seluruhnya. Adapun banyaknya frekuensi
variabel dari +1 SD ke titik +2 SD meliputi kira-kira 14%. Sedangkan dari +2 SD ke
titik +3 SD meliputi kira-kira 2 %. Sehingga banyaknya frekuensi dari titik mean ke
titik +3 SD meliputi 50% diperoleh dari (34% + 14% +2%). Demikian pula banyaknya
frekuensi variabel dari -1 SD ke titik -2 SD meliputi kira-kira 14%. Sedangkan dari -2
SD ke titik -3 SD meliputi kira-kira 2 %. Sehingga banyaknya frekuensi dari titik mean
ke titik -3 SD meliputi 50% diperoleh dari (34% + 14% + 2%). Dengan demikian
banyaknya frekuensi dari titik -3 SD ke +3 SD mencapai 100%.

a. SIMPANGAN BAKU DATA TUNGGAL

Ada beberapa rumus untuk mencari varians dan simpangan baku data tunggal.
Rumus Varians dan Standar Deviasi Data Tunggal

Rumus Rumus Varians Rumus Standar Keterangan

Deviasi
∑x 2
SD2 = ∑x 2
Rumus 1 N 𝑆𝐷 = √
N

(∑𝑋)2 𝑆𝐷 2 : Varians
(∑𝑋)2 ∑𝑋2 −
∑𝑋2 − √ 𝑁
Rumus 2 SD2 = 𝑁 𝑆𝐷 = (Populasi)
𝑁 𝑁
𝑆𝐷 : Standar
2
∑𝑋2 ∑𝑋 Deviasi (Popul
SD2 = −[ ] ∑𝑋2 ∑𝑋 2
Rumus 3 𝑁 𝑁 𝑆𝐷 = √ −[ ] asi)
𝑁 𝑁
∑𝑥 2 : Jumlah
∑fx 2 ∑fx 2 deviasi
Rumus 4 SD2 = SD = √
Berfrekuensi n N kuadrat
 N : Jumlah
∑fx 2 ∑fx 2 ∑fx 2 ∑fx 2 Individu
Rumus 5 SD2 = −[ ] SD = √ −[ ]
Angka Kasar N N N N 𝑋̅ = rata-rata
deviasi

1. STANDAR DEVIASI DATA TUNGGAL (RUMUS 1, 2, DAN 3)

Contoh. Perhatikan data pada Tabel. 7.10. Carilah Simpangan baku dari
Tabel. 7.10.
Data Simpangan Baku
No. Hasil (x)
1 4
2 6
3 6
4 6
5 10
6 10
7 14
56

Pembahasan:
Buatlah tabel Penolong seperti Tabel. 7.11. Tentukan rata-rata dari populasi tersebut

∑x
̅
X=
𝑁
56
̅=
X =8
7
Tabel. 7.11.
Tabel Penolong Simpangan Baku
Hasil ̅ Deviasi
No. 𝐗𝟐 𝐗 ̅) 𝐱𝟐
(x) (x-𝐗
1 4 16 8 -4 16
2 6 36 8 -2 4
3 6 36 8 -2 4
4 6 36 8 -2 4
5 10 100 8 2 4
6 10 100 8 2 4
7 14 196 8 6 36
56 520 0 72
Setelah Tabel penolong pada Tabel. 7.11, selesai diisikan datanya, maka data-data
tersebut dimasukkan ke dalam rumus.

Rumus 1
Varians Rumus 1 Standar Deviasi Rumus 1
∑x 2
𝑆𝐷 = 2 ∑x 2
N 𝑆𝐷 = √
N
72
𝑆𝐷 2 =
7 72
𝑆𝐷 2 = 10.28 𝑆𝐷 = √
7

𝑆𝐷 = √10.28

Rumus 2
Varians Rumus 2 Standar Deviasi Rumus 2
(∑𝑋)2 (∑𝑋)2
∑𝑋 2 − 2
𝑆𝐷 2 = 𝑁 √∑𝑋 − 𝑁
𝑁 𝑆𝐷 =
𝑁
(56)2
520 − (56)2
7
𝑆𝐷 2
= √520 − 7
7 𝑆𝐷 =
7
3.136
520 − 7
𝑆𝐷 2 = 3.136
7 𝑆𝐷 = √520 − 7
520 − 448 7
𝑆𝐷 2 =
7
520 − 448
72 𝑆𝐷 = √
𝑆𝐷 2 = 7
7
𝑆𝐷 2 = 10.28 72
𝑆𝐷 = √
7

𝑆𝐷 = √10.28
Rumus 3
Varians Rumus 3 Standar Deviasi Rumus 3
∑𝑋 2 ∑𝑋 2
2
𝑆𝐷 = −[ ] ∑𝑋 2 ∑𝑋 2
𝑁 𝑁 𝑆𝐷 = √ −[ ]
𝑁 𝑁
2
520 56 2
𝑆𝐷 = −[ ]
7 7 520 56 2
𝑆𝐷 = √ −[ ]
𝑆𝐷 2 = 74.28 − [8]2 7 7
𝑆𝐷 2 = 74.28 − 64 𝑆𝐷 = √74.28 − [8]2
2
𝑆𝐷 = 10.28
𝑆𝐷 = √74.28 − 64
𝑆𝐷 = √10.28

2. STANDAR DEVIASI DATA BERFREKUENSI (RUMUS 4)

Contoh. Terdapat data tunggal seperti pada Tabel. 7.10: data kemudian dibuat data
tunggal berfrekuensi. Tentukan Varian dan Standar Deviasi dari data tersebut:
Pembahasan: Tabel 7.12. adalah data tunggal berfrekuensi berdasarkan data dari
Tabel. 7.10.
Tabel. 7.12.
Data Tunggal Berfrekuensi
No x f fx
1 4 1 4
2 6 3 18
3 10 2 20
4 14 1 14
7 56

Langkah 1.
Buatlah rata-rata terlebih dahulu

∑fx
X=
N
56
X=
7
X=8
 Langkah 2.
Membuat tabel penolong, seperti pada Tabel. 7.13.

Tabel. 7.13
Tabel Penolong Data Tunggal Berfrekuensi
No (𝐱) f 𝐟𝐗 X x- X = x 𝐟𝐱 𝐱(𝐟𝐱) fX2
1 4 1 4 8 -4 -4 -4 x -4 1 x-42
2 6 3 18 8 -2 -6 -2 x-6 3 x-22
3 10 2 20 8 2 4 2x4 2 x 22
4 14 1 14 8 6 6 6x6 1 x 62
7 56 0 72 72

Langkah 4.
Masukkan rumus ke 4 Varian dan Standar Deviasi
Rumus 4 (Berfrekuensi)
Varians Rumus 4 Standar Deviasi Rumus 4
∑fx 2
SD =2 ∑fx 2
n 𝑆𝐷 = √
n
72
SD2 =
7 72
𝑆𝐷 = √
7
SD2 = 10.28
𝑆𝐷 = √10.28

3. STANDAR DEVIASI DATA TUNGGAL (RUMUS 5)

Contoh. Terdapat data tunggal seperti pada Tabel. 6.10: data kemudian dibuat data
tunggal berfrekuensi. Tentukan Varian dan Standar Deviasi dari data tersebut:

Pembahasan: Tabel 7.14. adalah data angka kasar berdasarkan data dari Tabel.
7.10.

Tabel. 7.14.
Data Tunggal Berfrekuensi
No x f fx
1 4 1 4
2 6 3 18
3 10 2 20
4 14 1 14
7 57
 Langkah 1.
Membuat tabel penolong, seperti pada Tabel. 7.15.
Tabel. 7.15.
Tabel Penolong Stndar Deviasi
No 𝐱 𝐟 fx 𝐟𝐱 𝟐
1 4 1 4 1x42 = 16
2 6 3 18 3x62 = 108
3 10 2 20 2x102 = 200
4 14 1 14 1x142 = 196
7 56 520

Langkah 2.
Masukkan rumus ke 5 Varian dan Standar Deviasi
Rumus 5 (Angka Kasar)
Varians Rumus 5 Standar Deviasi Rumus 5
∑fx 2 ∑fx 2
2
SD = −[ ] ∑fx 2 ∑fx 2
N N 𝑆𝐷 = √ −[ ]
N N
520 56 2
SD2 = −( )
7 7 520 56 2
𝑆𝐷 = √ −( )
SD2 = 74.28 − 82 7 7
SD2 = 74.28 − 64
𝑆𝐷 = √74.28 − 82
SD2 = 10.28
𝑆𝐷 = √10.28

b. SIMPANGAN BAKU DATA BERKELOMPOK

Ada beberapa rumus untuk mencari varians dan simpangan baku data berkelompok
yaitu dengan menggunakan rumus angka kasar dan deviasi berkode . Meskipun
rumusnya berbeda akan tetapi menghasilkan hasil yang sama asalkan data yang
digunakan sama untuk masing-masing rumus:
Rumus Hitung Varian dan Standar Deviasi Data Berkelompok
Rumus Standar
Rumus Rumus Varians Keterangan
Deviasi

Rumus 1 ∑fx 2 ∑fx 2 ∑fx 2 ∑fx 2

2
SD = −[ ] SD = √ −[ ] SD = simpangan
Angka Kasar N N N N
baku
xi = data yang ke i
x = rata-rata
Rumus 2 n = banyaknya
∑fx 2 ∑fx 2 ∑fx 2 ∑fx 2
Deviasi SD2 = ix −( ) SD = i√ −( ) data
N N N N
Berkode

1. STANDAR DEVIASI DATA BERKELOMPOK ANGKA KASAR (RUMUS 1)

Contoh. Saya hadirkan lagi Tabel. 7.10. Buatlah data berkelompok dan
hitunglah standar deviasi dengan menggunakan rumus 1 (angka kasar).

Tabel. 7.10.
Data Simpangan Baku
No. Hasil (x)
1 4
2 6
3 6
4 6
5 10
6 10
7 14
56

Pembahasan
Langkah 1.
Mencari jumlah kelas (interval)
K = 1 + 3.3 log N
K = 1 + 3.3 log 7
K = 1 + 3.3 (0.8450)
K = 1 + 2.788
K = 3.788 ≈ 4
Mencari lebar kelas (interval)
(R)
C𝑖 =
K
(15 − 4) + 1 = (R)
C𝑖 =
4
(11) + 1 = (R)
C𝑖 =
4
12 = (R)
C𝑖 =
4
C𝑖 = 3
Hasil pembagian data berkelompok dapat dihat pada Tabel. 7.16
Tabel. 7.16
Data Kelompok
Data (x) 𝐟
4-6 4
7-9 0
10 - 12 2
13 - 15 1
∑ 7

Langkah 2
Buatlah Tabel penolong, seperti pada Tabel. 7.17
Tabel. 7.17
Tabel Penolong Standar Deviasi Berkode
int 𝐗 𝐟 𝐟𝐗 X2 𝐟𝐗 𝟐
4-6 5 4 20 25 100
7-9 8 0 0 64 0
10 - 12 11 2 22 121 242
13 - 15 14 1 14 196 196
∑ 7 56 406 538
 Langkah 3
Masukkan ke dalam rumus 1 angka kasar
Varians Rumus 1 Standar Deviasi Rumus 1
∑fx 2 ∑fx 2
2
SD = −( ) ∑fx 2 ∑fx 2
N N SD = √ − ( )
N N
2
𝟓𝟑𝟖 56 2
SD = −( )
7 7 𝟓𝟑𝟖 56 2
SD = √ −( )
SD2 = 76.857 − (8)2 7 7
SD2 = 76.857 − 64 SD = √76.857 − (8)2
2
SD = 12.85
SD = √76.857 − 64
SD = √12.85
SD = 3.58

2. STANDAR DEVIASI DATA BERKELOMPOK DEVIASI BERKODE

(RUMUS 2)
Contoh. Terdapat data tunggal seperti pada Tabel. 10: data kemudian dibuat
data berkelompok. Tentukan Varian dan Standar Deviasi dari data tersebut
dengan menggunakan rumus 2 (Deviasi Berkode):

Langkah 1.
Membuat data berkelompok, dengan menggunkan log. Hasilnya adalah seperti
pada Tabel. 7.18.
Tabel. 7.18
Data Kelompok
Data (x) 𝐟
4-6 4
7-9 0
10 - 12 2
13 - 15 1
∑ 7
Langkah 2
Buatlah Tabel penolong, seperti pada Tabel. 7.19.

Tabel. 7.19.
Simpangan Baku dengan Deviasi Berkode
int 𝐟 𝐱′ 𝐟𝐱 ′ 𝐟𝐱 𝟐
4-6 4 +1 4 4
7-9 0 0 0 0
10 - 12 2 -1 -2 2
13 - 15 1 -2 -2 4
7 ∑fx = 0 ∑𝐟x 2 =10
′

Langkah 3
Masukkan ke dalam rumus 2 deviasi berkode

∑fx 2 ∑fx ′ 2
i√ −( )
N N

10 0 2
SD = 3√ −( )
7 7

SD = 3√1.428 − (0)2
SD = 3 x 1.195
SD = 3.58
Kesimpulan: ternyata menggunakan rumus standar deviasi angka kasar dan
dengan menggunakan rumus standar deviasi berkode hasilnya sama yaitu:
SD = 3.58
B. TUGAS
Carilah Simpangan Baku dan Varians dari data populasi seperti pada Tabel. 1. dengan
menggunakan ke tiga rumus data tunggal.
Tabel. 1.
Data Simpangan Baku
No. Hasil (x)
1 35
2 45
3 30
4 35
5 40
6 25
210