MAKALAH

UKURAN PENYEBARAN DATA

(RANGE, DEVISIASI, DEVISIASI RATA-RATA, DEVISIASI STANDAR

DEVISIASI)

Mata Kuliah : STATISTIKA

Dosen Pengampu : Drajat Stiawan, M.Si

Penyusun:

1. Dwi Intan Lestari ( 4220058 )

2. Sidiq Asrofi (4220090)

3. Nila Anggraini (42200148)

JURUSAN PERBANKAN SYARIAH

FAKULTAS EKONOMI DAN BISNIS ISLAM

IAIN PEKALONGAN

TAHUN AJARAN 2020/2021

 KATA PENGANTAR

Dengan menyebut nama Allah SWT yang Maha Pengasih lagi Maha
Penyayang. Penulis menghaturkan rasa syukur atas segala rahmat, taufik, serta
hidayah Nya, sehingga penulis makalah ini dengan judul “Ukuran penyebaran
data” bisa penulis selesaikan dengan lancar.

Tentunya dalam penulisan makalah ini tidak lepas dari bantuan beberapa
pihak. Oleh karena itu, penulis mengucapkan terima kasih kepada semua pihak
yang telah membantu dalam penyusunan makalah ini, terutama Bapak Drajat
Stiawan, M.S.I. selaku dosen pembimbing dalam mata kuliah statistika.

Dan juga penulis menyadari bahwa dalam penulisan makalah ini masih
terdapat banyak kekurangan. Baik dalam segi bahasa, penyusunan kalimat
maupun isi makalah ini. Oleh karena itu, harapan penulis semoga makalah ini
membantu menambah pengetahuan dan pengalaman bagi para pembaca, sehingga
penulis dapat memperbaiki bentuk maupun isi makalah ini sehingga kedepannya
bisa lebih baik lagi.

Penulis sadari bahwa pada penulisan makalah ini masih banyak

kekurangan karena kekurangan penulis dalam pengetahuan, maka dari itu penulis
berharap agar para pembaca memberikan kritik dan sarannya agar kedepannya
penulis bisa memperbaikinya pada kesempatan yang lain.

Pekalongan, 15 Maret 2021

Penyusun
 DAFTAR ISI

HALAMAN JUDUL.................................................................................... i

KATA PENGANTAR................................................................................. i

DAFTARISI................................................................................................. iii

BAB 1 PENDAHULUAN

A. Latar Belakang.................................................................................
B. Rumusan Masalah............................................................................
C. Tujuan.............................................................................................. 2
D. Manfaat............................................................................................ 2

BAB II PEMBAHASAN

BAB III PENUTUP

A. Kesimpulan...................................................................................... 9

DAFTAR PUSTAKA.................................................................................. 10
 BAB I

PENDAHULUAN

A. Latar Belakang
Statistik berasal dari bahasa Latin yang artinya adalah “status” atau
negara. Pada mulanya statistika berhubungan dengan fakta dan angka yang
dikumpulkan oleh pemerintah untuk bermacam-macam tujuan. Statistik
juga diturunkan dari kata bahasa Inggris yaitu state atau pemerintah.
Pengertian yang sangat sederhana tentang statistic adalah sebagai suatu
kumpulan data yang berbentuk angka dan tersusun rapi dalam suatu tabel,
grafik, gambar, dan lain-lain. Misalnya tabel mengenai keadaan pegawai
di kantor-kantor, grafik perkembangan jumlah penduduk dari waktu ke
waktu, dan lain sebagainya. Sedangkan pengertian yang lebih luas
mengenai statistik adalah merupakan kumpulan dari teknik
mengumpulkan, analisis, dan interpretasi data dalam bentuk angka. Dan
statistik juga merupakan bilangan yang menunjukkan sifat-sifat
(karakteristik) data yang dikumpulkan tersebut.
Statistika dapat didefinisikan sebagai suatu ilmu pengetahuan yang
berhubungan dengan cara-cara mengumpulkan fakta/data, pengolahan
data, kemudian menganalisis data tersebut sehingga dapat diperoleh suatu
kesimpulan/keputusan. Penggunaan istilah statitika berakar dari istilah -
istilah dalam bahasa latin “modern statisticum collegiums (“dewan
negara”) dan bahasa Italian statista (“negarawan” atau “politikus”). Pada
abad ke 19 dan awal abad ke 20 statistika mulai banyak menggunakan
bidang-bidang dalam matematika, terutama peluang.penggunaan statistika
pada masa sekarang dapat di katakan telah menyentuh semua bidang ilmu
pengetahuan, mulai dari astronomi hingga linguistika. Meskipun ada pihak
yang menganggap statistika sebagai cabang dari matematika tetapi4
sebagian pihak lainya menganggap statistika sebagai bidang yang banyak
terkait dengan matematika melihat dari sejarah dan aplikasinya.

41
Edi Prio Baskoro, 2017, Statistik Dasar Untuk Pendidikan, Cirebon, Graha Bima Terrace A-60
B. Rumusan Masalah
1. Apa pengertian ukuran penyebaran data ?
2. Apa saja macam – macam penyebaran data ?
3. Bagaiman memahami dan menghitung macam-macam ukuran
penyebaran data.

C. Tujuan
1. Memaparkan pengetahuan tentang ukuran penyebaran data
2. Memaparkan dan mengetahui macam – macam penyebaran data
3. Memahami pemecahan masalah dalam contoh soal yang berkaitan
dengan penyebaran data

D. Manfaat

Penulisan makalah ini diharapkan bisa menjadi sumber informasi

sekaligus untuk menambah wawasan bagi yang membacanya dan semoga
bisa menjadi bahan rujukan bagi yang membutuhkan. Dan penulis
mengharapkan tulisan ini bisa menjadi suatu pemaparan yang dapat
menjelaskan tentang ilmu statistika khususnya dalam materi penyebaran
data.
 BAB II

PEMBAHASAN

A. Ukuran penyebaran data

Ukuran Penyebaran data (Maesures of Dispersion = Maesures of Variability)

Ukuran penyebaran data adalah suatu ukuran yang menyatakan seberapa besar nilai-
nilai data berbeda atau bervariasi dengan nilai ukuran pusatnya atau seberapa besar
penyimpangan nilai-nilai data dengan nilai pusatnya

Penyebaran atau dispersi adalah pergerakan dari nilai observasi terhadap nilai
rata-ratanya. Rata-rata dari serangkaian nilai observasi tidak dapat diinterpretasikan
secara terpisah dari hasil dispersi nilai-nilai tersebut sekitar rata-ratanya. Makin besar
variasi nilai , makin kurang representatif rata-rata distribusinya. Adapun ukuran
penyebaran data yang biasa dihitung adalah range (rentang), standar deviasi (simpangan
baku), kurtosis (keruncingan), skewness (kemiringan). Rentang data menunjukkan
selisih antara nilai terbesar dengan nilai terkecil dalam suatu himpunan data.
Simpangan baku adalah jumlah mutlak selisih setiap nilai pengamatan terhadap nilai
rata-rata dibagi dengan banyaknya pengamatan, kurtosis merupakan ukuran untuk
menentukan bentuk-bentuk distribusi yang biasanya dibandingkan dengan kurva
distribusi normal.

Kegunaan ukuran penyebaran antara lain sebagai berikut:

1. -benar representatif atau tidak. Apabila suatu kelompok data mempunyai Ukuran
penyebaran dapat digunakan untuk menentukan apakah nilai rata-ratanya benar
penyebaran yang tidak sama terhadap nilai rata-ratanya, maka dikatakan bahwa nilai
rata-rata tersebut tidak representatif.
2. Ukuran penyebaran dapat digunakan untuk mengadakan perbandingan terhadap
variabilitas data.
3. Ukuran penyebaran dapat membantu penggunaan ukuran statistika, misalnya dalam
pengujian hipotesis, apakah dua sampel berasal dari populasi yang sama atau tidak.
B.     Macam-macam Ukuran Penyebaran Data

Dalam dunia statistik, dikenal beberapa macam Ukuran Penyebaran Data, dari
ukuran yang paling sederhana (kasar) sampai dengan ukuran yang dipandang memiliki
kadar ketelitian yang tinggi, yaitu:

1. RANGE

Ukuran Penyebaran Data yang pertama-tama diperkenalkan disini adalah Range, yang
didalam dunia statistik dikenal sebagai ukuran penyebaran data yang paling sederhana,
yang karena itu juga sering disebut sebagai ukuran penyebaran data yang paling kasar.
Ukuran Penyebaran Data yang pertama-tama diperkenalkan disini adalah Range, yang
didalam dunia statistik dikenal sebagai ukuran penyebaran data yang paling sederhana,
yang karena itu juga sering disebut sebagai ukuran penyebaran data yang paling kasar.

a) Range yang biasa diberi lambang “R” adalah salah satu ukuran statistik yang
menunjukan jarak penyebaran antara skor (nilai) yang teredah (lowest score) samapi
skor (nilai) yang tertinggi (higbest score).
Dengan singkat dapat dirumuskan:

R=H-L
Ket :
R = Range yang kita cari
H = Skor atau nilai yang tertinggi (higbest score)
L = Skor atau nilai yang terendah (lowest score)

b) Penggunaan Range
Range kita gunakan sebagai ukuran, apabila di dalam waktu yang sangat singkat
kita ingin memperoleh gambaran tentang penyebaran data yang sedang kita selidiki
dengan mengabaikan faktor ketelitian atau kecermatan.
 c) Kelebihan Range
Range sebagai salah satu ukuran penyebaran data ialah dengan menggunakan Range
dalam waktu singkat dapat diperoleh gambaran umum mengenai luas penyebaran data
yang sedang kita hadapi.

d) Kelemahan Range
 Range akan sangat tergantung kepada nilai-nilai ekstrimnya. Dengan kata lain,
besar-kecilnya Range akan sangat ditentukan oleh Nilai Tetendah dan Nilai
Tertinggi yang terdapat dalam distribusi data, dengan demikian Range sifatnya
sangat labil dan kurang teliti.
 Range sebagai ukuran penyebaran data, tidak memperhatikan sistribusi yang
terdapat di dalam range itu sendiri.
Karena kelemahan itulah maka sebagai salah-satu ukuran penyebaran data, Range
dangat jarang digunakan dalam pekerjaan anailis statistik.

e) Cara Mencari Range

TABEL
Perhitungan range nilai hasil tes untuk lima macam bidang study
yang diikuti oleh tiga orang calon yang mengikuti tes seleksi
panerimaan calon mahasiswa baru
pada sebuah perguruan tinggi agama islam

Jumlah
Nilai yang dicapai H L R=H-L Mean
niali
NO NAMA
Bhs.i Bhs. Bhs.
pkn pnjs
ndo arab ingg
1. Ega 85 65 76 45 65 85 45 40 325 65

2. Nunu 58 65 72 60 70 72 58 14 325 65

3. Yuni 65 65 65 65 65 65 65 0 325 65

5
Suharyadi, Purwanto S.H, 2013, Statistika untuk Ekonomi dan Keuangan Modern, Jakarta, Salemba Empat.
 Keterangan:
·         Kolom 3-7 menunjukkan distribusi nilai hasil yang dicapai oleh tiga orang calon.
·         Kolom 8 memuat nilai tertinggi (higbest score) masing-masing calon.
·         Kolom 9 memuat nilai terendah (lowest score) masing-masing calon.
·         Kolom 10 menunjukkan jumlah seluruh nilai.
·         Kolom 11 adalah mean (nilai rata-rata) yang dicapai oleh masing-masing calon.

Dari tabel tersebut menunjukkan bahwa makin kecil jarak penyebaran  nilai dari
nilai terendah sampai nilai tertinggi, akan semaakin homogen (concentrated) distribusi
nilai tersebut. Sebaliknya makin besar range-nya, akan makin berfariasi nilai-nilai yang
dada dalam distribusi nilai tersebut.
Selain itu berdasar pada range kita juga dapat mengatakan bahwa semakin kecil
range dari suatu distribusi data, maka semakin cenderung bagi diri kita untuk menganggap
bahwa mean yang kita peroleh merupakan wakil yang persentatif data yang bersangkutan;
sebaliknya kian besar range-nya, kita akan lebih cenderung untuk menganggap bahwa
mean yang kita peroleh itu sifatnya meragukan.

1.      Range Untuk Data Tidak Berkelompok

Rumus untuk data tidak berkelompok adalah sebagai berikut :
Jarak (range) = Nilai Terbesar – Nilai Terkecil
Contoh :
Data nilai UAS Statistika
Kelas A : 90 80 70 90 70 100 80 50 75 70
Kelas B : 80 80 75 95 75 70 95 60 85 60
Langkah-langkah menjawab :
Urutkan dahulu kemudian dihitung berapa rentangannya.
Kelas A : 50 70 70 70 75 80 80 90 90 100
Kelas B : 60 60 70 75 75 80 80 85 95
Rentangan kelas A : 100 – 50 = 50
Rentangan kelas B : 95 – 60 = 35
    2. Range Untuk Data Berkelompok
 Jangkauan data berkelompok merupakan selisih antara nilai tengah kelas terakhir
dengan nilai tengah kelas pertama.
Perhatikan tabel berikut ini!
Tabel 2 Data umur peserta sertifikasi guru
Umur Titik Tenga Frekuensi
30-34 32 5
35-39 37 35
40-44 42 100
45-49 47 50
50-54 52 10

Tabel 2 menunjukkan data umur peserta yang mengikuti diklat sertifikasi guru
yang berjumlah 200 orang.
Bila nilai tengah kelas pertama adalah 32 dan nilai tengah kelas terakhir adalah
52, maka,

R = 52 – 32 = 20

Jadi, jangkauan data dari tabel 2 adalah 20. Dapat disimpulkan bahwa untuk
menentukan jangkauan data berkelompok digunakan persamaan:
R = xmaks – xmin
Keterangan :
R = jangkauan/range/rentang
Xmaks = nilai tengah kelas terakhir
Xmin = nilai tengah kelas pertama
 6

2. DEVIASI
Ukuran Penyebaran Data selanjutnya yang akan kita pelajari adalah Deviasi (Deviation).
Dalam statistik, yang dimaksud dengan deviasi ialah selisih satu simpangan dari masing-
masing skor atau interval, dari nilai rata-rata hitungannya (deviation from the mean).

Deviasi merupakan salah satu ukuran variabilitas data yang biasa dilambangkan dengan
huruf kecil dari huruf yang digunakan bagi lambang skornya. Jika apabila skornya dibagi
lambang X maka deviasinya berlambang x; jika skornya Y maka deviasinya y; jika skornya Z
maka lambang deviasinya z.
Karena deviasi merupakan simpangan atau selisih dari masing-masing skor terhadap Mean
groupnya, maka sudah tentu akan terdapat dua jenis deviasi, yaitu: (1) deviasi yang berada
diatas Mean, dan (2) deviasi yang berada dibawah Mean.

Deviasi yang berada diatas Mean dapat diartikan sebagai “selisih lebih”; karenanya
deviasi semacam ini akan bertanda (+), dan lazim dikenal dengan istilah deviasi positif.
Adapun deviasi yang berada dibawah Mean dapat diartikan sebagai “selisih kurang” oleh
karena itu, selalu bertanda minus (-), dan lazim dikenal dengan istilah deviasi negatif.
Perlu diingatlan bahwa semua deviasi – baik yang bertanda plus maupun yang bertanda
minus – apabila kita jumlahkan hasilnya pasti sama dengan nol (0).
Guna memperjelas uraian yang telah dikemukakan diatas, marilah kita perhatikan
contoh berikut ini:

Skor Banyaknya Deviasi

(X) (f) (x=X-Mx)
8 1 8-6 = +2
7 1 7-6 = +1
6 1 6-6 = 0
5 1 5-6 = -1
4 1 4-6 = -2

6
Ejournal_RNHidayat_Ukuranpenyebarandata_range_ diakses pada tanggal 3 maret 2021
 30 = 5=N 0=
∑X ∑x
7

3. DEVIASI RATA – RATA

Deviasi rata-rata yaitu jumlah harga mutlak deviasi dari tiap-tiap skor, dibagi dengan
banyaknya skor itu sendiri. Dalam bahasa Inggris Deviasi Rata-rata dikenal dengan nama
Dean Deviation (diberi lambang: MD) atau Average Deviation (diberi lambang: AD);
dalam uraian selanjutnya akan digunakan lambang AD. Dengan demikian, apabila
pengertian tentang Deviasi Rata-rata tadi kita formulasikan dalam bentuk rumus adalah
sebagai berikut:

AD = ∑x

Keterangan :
AD = Average Deviation = Deviasi Rata-rata
∑x = Jumlah harga mutlak deviasi tiap-tiap skor atau interval.
N = Number of cases

Cara Mencari Deviasi Rata-rata

1.      Cara Mencari Deviasi Rata-rata untuk Data Tunggal yang masing-masing skornya
berfrekuensi satu
Tabel 1.1.
Nilai F Deviasi
(x) ( x = X – M)
73 1 +3
78 1 +8
60 1 -10
70 1 0
62 1 -8
80 1 +10
67 1 -3
490 = ∑X 7=N 42 = ∑x
7
S.Maunah et al./ UNNES Journal of Mathematics6(2)(2017)
 M=∑X = 490 = 70
N 7
AD = ∑x = 42 = 6,0
N 7
*Dalam menjumlahkan deviasi ini, tanda aljabar (yaitu tanda “plus” dan tanda
“minus” ) diabaikan . Jadi, yang dijumlahkan adalah harga mutlak deviasi tersebut.
2. Cara Mencari Deviasi Rata-rata untuk Data Tunggal yang sebagian atau seluruh
berfrekuensi lebih dari satu

∑fx
AD = ―
N

AD = Average Deviation = Deviasi Rata-rata

∑f = Jumlah hasil perkalian antara deviasi tiap-tiap skor dengan frekuensi masing-masing skor
tersebut .
N = Number of cases

Tabel 1.2.
Usia F fX X Fx
(X)
31 4 124 + 3,8 + 15,2
30 4 120 + 2,8 + 11,2
29 5 145 + 1,8 + 9, 0
28 7 196 + 0,8 + 5,6
27 12 324 - 0,2 - 2,4
26 8 208 - 1,2 - 9,6
25 5 125 - 2,2 - 11,0
24 3 72 - 3,2 - 9,6
23 2 46 - 4,2 - 8,4
 Total 50 = N 1360 = ∑ Fx - 82,0 = ∑fx

Langkah I : Mencari Mean, dengan rumus:

M = ∑Fx = 1360 = 27,2
N 7

Langkah II : Menghitung deviasi masing-masing skor, dengan rumus: x = X-M

(lihat kolom 4).

Langkah III : Memperkalikan f dengan x sehingga diperoleh fx; Setelah itu dijumlahkan,
sehingga diperoleh ∑fx, dengan catatan bahwa dalam menjumlahkan fx itu tanda aljabar
diabaikan (yang dijumlahkan adalah harga mutlaknya), diperoleh: ∑fx = 82,0.
Langkah IV : Menghitung Deviasi Rata-ratanya, dengan rumus:
AD = ∑fx
N
Telah diketahui: ∑fx = 82,0 dan N = 50.
Dengan demikian:
AD = 82,0 = 1,64
50

3. Cara Mencari Deviasi Rata-rata untuk Data Kelompokan

Untuk data kelompokan, Deviasi Rata-ratanya dapat diperoleh dengan menggunakan rumus:

AD = ∑fx
N

AD = Average Deviation = Deviasi Rata-rata.

∑fx = Jumlah hasil perkalian antara deviasi tiap-tiap interval (x) dengan frekuensi masing-
masing interval yang bersangkutan.
N = Number of cases.
Contoh: Tabel 1.3.

Interval F X Fx X X
70-74 3 72 216 + 25, 1875 + 75, 5625
65-69 5 67 335 + 20, 1875 100, 9375
60-64 6 62 372 + 15, 1875 + 91, 1250
55-59 7 57 399 + 10, 1875 + 71, 3125
50-54 7 52 364 +5, 1875 + 36, 3125
45-49 17 47 799 + 0, 1875 + 3, 1875
40-44 15 42 630 - 4, 8125 -72,1875
35-39 7 37 259 - 9, 8125 - 68, 6875
30-34 6 32 192 - 14, 8125 - 88, 8750
25-29 5 27 135 - 19, 8125 - 99, 0625
20-24 2 22 44 - 24, 8125 - 49, 6250

756, 8750 =
Total 80 = N - 3745 = ∑fx - ∑fx

Langkah yang kita tempuh dalam mencari Deviasi Rata-rata Data Kelompokan seperti
termuat pada tabel di atas adalah:
Langkah Pertama : Menetapkan Midpoint masing-masing interval. (Lihat kolom 3).
Langkah kedua : Memperkalilan frekuensi masing-masing interval (f) dengan
Midpointnya (X), sehingga diperoleh ∑fX = 3745 (Lihat kolom 4).
Langkah ketiga : Mencari Mean-nya, dengan rumus: M = ∑fx = 3745 = 46, 8125
N 80
Langkah keempat : Mencari deviasi tiap-tiap interval, dengan rumus: x = X-M
(di mana X = Midpoint). Hasilnya dapat dilihatpada kolom 5.
Langkah kelima : memperkalikan f dengan x sehingga diperoleh fx; setelah itu
dijumlahkan dengan tidak mengindahkan tanda-tanda “plus” dan “minus”,
sehingga diperoleh ∑fx = 756, 8750.
Langkah keenam: Mencari Deviasi Rata-ratanya, dengan rumus:
 AD = ∑fx = 756, 8750 = 9,461
N 80

4. STANDAR DEVIASI

Standar Deviasi adalah suatu nilai yang menunjukkan tingkat (derajat) variasi
kelompok data atau ukuran standar penyimpangan dari maennya, yang umumnya diberi
lambang atau SD. Disebut Standar Deviasi, karena Deviasi Rata-rata yang tadiya memiliki
kelemahan, telah dibakukan atau distandarisasikan, sehingga memiliki kadar kepercayaan
atau reliabilitas yang lebih mantap, oleh karena itu, dalam dunia analisis statistik Standar
Deviasi ini mempunyai kedudukan yang amat penting.

Standar deviasi dari kumpulan data sama dengan nol menunjukkan bahwa semua nilai-nilai
dalam himpunan tersebut adalah sama. Nilai deviasi yang lebih besar akan memberikan
makna bahwa titik data individu jauh dari nilai rata-rata.

Dalam distribusi normal data, juga dikenal sebagai kurva lonceng, sebagian besar data dalam
distribusi – sekitar 68% – akan jatuh dalam, kurang atau lebih satu satu standar deviasi dari
mean (-σ atau +σ). Sebagai contoh, jika standar deviasi dari satu kumpulan data adalah 2,
maka sebagian besar data pada kumpulan akan berjarak plus atau minus 2 dari rata-rata.
Sekitar 95,5% dari data yang terdistribusi normal adalah dalam dua standar deviasi dari
mean, dan lebih dari 99% berada dalam jarak 3 standar deviasi dari rata-rata.

Untuk menghitung standar deviasi, ahli statistik pertama-tama menghitung nilai rata-rata dari
semua titik data. Rata-rata adalah sama dengan jumlah dari semua nilai dalam kumpulan data
dibagi dengan jumlah total titik data. Selanjutnya, penyimpangan setiap titik data dari rata-
rata dihitung dengan mengurangkan nilai dari nilai rata-rata. Deviasi setiap titik data akan
dikuadratkan, dan dicari penyimpangan kuadrat individu rata-rata. Nilai yang dihasilkan
dikenal sebagai varians. Deviasi standar adalah akar kuadrat dari varians.

Biasanya, ahli statistik menemukan standar deviasi sampel dari populasi dan menggunakan
itu untuk mewakili seluruh populasi. Menemukan data yang tepat untuk populasi yang besar
tidak praktis, dan juga agak mustahil, sehingga menggunakan sampel yang representatif
sering digunakan sebagai metode terbaik.
Contoh soal :

1. jika seseorang ingin menemukan jumlah orang dewasa di negara bagian California
yang beratnya antara 180 dan 200 pound, ia bisa mengukur bobot sejumlah kecil pria dan
menghitung rata-rata mereka, varians dan standar deviasi, dan nilai yang diperoleh akan sama
dan berlaku untuk populasi secara keseluruhan.

2. Pertimbangkan grup yang memiliki delapan nomor berikut:

2, 4, 4, 4, 5, 5, 7, 9

Kedelapan angka ini memiliki rata-rata (rata-rata) 5:

Untuk menghitung standar deviasi populasi, pertama-tama temukan perbedaan setiap angka
dalam daftar dari rata-rata. Lalu kuadratkan hasil dari setiap perbedaan:
Selanjutnya, cari rata-rata nilai-nilai ini (jumlah dibagi dengan jumlah angka). Terakhir,
ambil akar kuadrat:

Jawabannya adalah deviasi standar populasi. Formula hanya benar jika delapan angka yang
kita mulai adalah seluruh kelompok. Jika mereka hanya bagian dari kelompok yang dipilih
secara acak, maka kita harus menggunakan 7 (yang merupakan n – 1) alih-alih 8 (yang
merupakan n) di bagian bawah (penyebut) dari langkah kedua hingga terakhir. Maka
jawabannya adalah standar deviasi sampel. Ini disebut Bessel’s Correction.

 Kegunaan Standar Deviasi

Selain menggunakan analisis statistik, standar deviasi juga dapat digunakan untuk
menentukan jumlah risiko dan volatilitas terkait dengan investasi tertentu. Investor dapat
menghitung standar deviasi tahunan pengembalian investasi dan menggunakan angka itu
untuk menentukan seberapa stabil investasi tersebut. Angka standar deviasi yang lebih besar
akan berarti investasi yang lebih berisiko, dengan asumsi stabilitas itu adalah hasil yang
diinginkan.

 Kelebihan Standar Deviasi:

Standar deviasi hampir selalu dipertimbangkan dalam hubungannya dengan nilai tengah (atau
rata-rata). Misalnya, jika saya beri tahu Anda seseorang mendapat nilai 60 pada tes
kecerdasan dengan nilai rata-rata 50, apakah itu benar-benar bagus? Yah, itu tergantung pada
standar deviasi itu. Jika standar deviasi adalah 1 poin, skor 60 ini luar biasa dan orang itu
jenius. Jika standar deviasi adalah 20, maka orang tersebut mungkin hanya rata-rata. Jika kita
tidak tahu standar deviasi (atau metrik serupa lainnya), kita tidak tahu berapa banyak skor
bervariasi di sekitar rata-rata.

1. Anda dapat melakukan operasi aljabar dan tidak terlalu terpengaruh oleh fluktuasi
pengambilan sampel daripada kebanyakan ukuran dispersi lainnya.
2. Dimungkinkan untuk menghitung standar deviasi gabungan dari dua atau lebih
kelompok. Ini tidak mungkin dilakukan dengan tindakan lain apa pun.
 3. Untuk membandingkan variabilitas dua atau lebih distribusi, koefisien variasi
dianggap paling tepat dan ini didasarkan pada standar deviasi patokan.
4. Standar deviasi paling menonjol digunakan dalam pekerjaan statistik lebih lanjut.
Misalnya, dalam menghitung kemiringan, korelasi, dll., Penggunaan dibuat dari
standar deviasi.
5. Standar deviasi adalah inti sari dalam pengambilan sampel dan menyediakan unit
pengukuran untuk distribusi normal.

 Cara Menghitung Standar Deviasi Secara Manual

Dalam menghitung secara manual, ada beberapa metode yang bisa digunakan. Seperti
menghitung secara manual, dengan kalkulator dan Excel. Akan tetapi untuk pertama – tama
kita bahas cara yang manual.

Untuk mengetahui cara menghitung standar deviasi maka ada 2 rumus yang harus diketahui,
yakni rumus varian dan rumus standar deviasi. Berikut ini iyalah kedua rumus tersebut :

Rumus Varian

Rumus Standar Deviasi

Selain rumus di atas,  ada juga versi lain yang bisa kalian gunakan. Walaupun rumus
ini berbeda, namun hasil akhir nya tetap lah sama. Berikut adalah rumus nya:

Rumus Varian 2
 Rumus Standar Deviasi 2

Keterangan : 

 s2 = Varian
 s = Standar deviasi
 xi = Nilai x ke – i
 x¯ = Rata – rata
 n = Ukuran sampel

 Cara Menghitung Standar Deviasi Data Berkelompok

Untuk data berkelompok, rumus yang digunakan tidak lah jauh berbeda. Supaya lebih
jelas silakan perhatikan rumus di bawah ini:

Rumus Varian Data Berkelompok :

 Rumus Standar Deviasi Data Berkelompok :

A. Contoh soal standar Devisiasi

1. Dari hasil survai yang melihat bagaimana kepemimpinan 10 orang mahasiswa yang
aktif dalam organisasi intra kampus. Data berikut memperlihatkan nilai
kepemimpinan 10 orang responden tersebut.

Jawaban:
 Jadi dapat disimpulkan bahwa rata-rata nilai kepemimpinan mahasiswa yang aktif
dalam organisasi intra kampus adalah 80, 5 dengan standar deviasi (penyimpangan)
12,12.

2. Data nilai UTS yang diambil sampel 10 orang:

Kelas A  : 50, 50, 60, 70, 70, 70, 76, 80, 85, 90

Jawaban:
 BAB III

PENUTUP

A. Kesimpulan

Demikianlah penulisan makalah ini yang telah kami buat. Dari hasil pembahasan yang
telah kami bahas pada makalah ini maka dapat kita ambil kesimpulan dan rekomendasi.
Ukuran penyebaran data yang telah dihitung adalah range (rentang), standar deviasi
(simpangan baku). Rentang data menunjukkan selisih antara nilai terbesar dengan nilai
terkecil dalam suatu himpunan data. Simpangan baku adalah jumlah mutlak selisih setiap
nilai pengamatan terhadap nilai rata-rata dibagi dengan banyaknya pengamatan kurtosis
merupakan ukuran untuk menentukan bentukbentuk distribusi yang biasanya dibandingkan
dengan kurva distribusi normal. Ukuran penyebaran dapat digunakan untuk menentukan
apakah nilai rata-ratanya benar-benar representatif atau tidak. Apabila suatu kelompok data
mempunyai penyebaran yang tidak sama terhadap nilai rata-ratanya, maka dikatakan bahwa
nilai rata-rata tersebut tidak representatif.
 DAFTAR PUSTAKA

Suharyadi, Purwanto S.H, 2013, Statistika untuk Ekonomi dan Keuangan Modern, Jakarta,
Salemba Empat

Ejournal_RNHidayat_Ukuranpenyebarandata_range¬_ diakses pada tanggal 3 maret 2021

S.Maunah et al./ UNNES Journal of Mathematics6(2)(2017)