MODUL PEMBELAJARAN

PROGRAM STUDI
TEKNIK INFORMATIKA

Mata Kuliah : Statistika dan Probabilitas

Bobot Sks : 3
Dosen Pengembang : Muhammad Ikhwani Saputra, S.Kom, M.Kom
Tutor :
Capaian Pembelajaran : 1. …..
Mata Kuliah 2.
Kompetentsi Akhir Di 1. Mahasiswa mampu untuk memahami dan
Setiap Tahap (Sub- menjelaskan pengertian skewness, kurtosis
Cpmk) deviasi standard dan variance
2. Mahasiswa mampu mengerjakan contoh dari
skewness, kurtosis deviasi standard dan
variance
Minggu Perkuliahan 3
Online Ke-

JUDUL TOPIK – Ukuran Penyebaran Data

Skewness dan Kurtosis

1. Pendahuluan
Mata kuliah statistika bagi mahasiswa sangat diperlukan terutama ketika
seorang mahasiswa harus mengumpulkan, mengolah, menganalisis dan
menginterprestasikan data untuk pembuatan skripsi. Dalam hal ini pengetahuan
statistik dipakai dalam menyusun metodologi penelitian.
Sebagai suatu ilmu, kedudukan statistika merupakan salah satu cabang dari
ilmu matematika terapan. Oleh karena itu untuk memahami statistika pada tingkat
yang tinggi, terebih dahulu diperlukan pemahaman ilmu matematika.
Dinegara maju seperti Amerika, Eropa dan Jepang, ilmu statistika berkembang
dengan pesat sejalan dengan berkembangnya ilmu ekonomi dan teknik. Bahkan
kemajuan suatu negara sangat ditentukan oleh sejauh mana negara itu menerapkan
ilmu statistika dalam memecahkan masalah-masalah pembangunan dan perencanaan
pemerintahannya. Jepang sebagai salah satu negara maju, konon telah berhasil
memadukan ilmu statistika dengan ilmu ekonomi, desain produk, psikologi dan
sosiologi masyarakat.

1
 MODUL PEMBELAJARAN
PROGRAM STUDI
TEKNIK INFORMATIKA

Sejauh itu ilmu statistika digunakan pula untuk memprediksi dan menganalisis
perilaku konsumen, sehingga Jepang mampu menguasai perekonomian dunia sampai
saat ini.
2. Isi
Ukuran penyebaran data
Beberapa jenis pengukuran penyebaran data antara lain :
a. Rentangan (range)
b. Varians
c. Simpangan baku (standar deviasi)
d. Koefisien varians

a. Rentangan (Range)
Rentangan dapat di ketahui dengan mengurangi data tertinggi dengan data
terendah. Rentangan berfungsi untuk melihat perbedaan dari data yang ada.
Rumus :
R = Data tertinggi – data terendah
Contoh :
Data UTS Statistika
Kelas A : 90, 70, 50, 80, 50, 60, 70, 70, 85, 85
Kelas B : 95, 87, 76, 84, 75, 96, 85, 83, 73, 80

Langkah :
1. urutkan dulu kemudian dihitung rentangannya
Kelas A : 50, 50, 60, 70, 70, 70, 80, 85, 85, 90
Kelas B : 73, 75 ,76, 83, 84, 85, 87, 80, 95, 96

Rentangan Kelas A : 90-50 = 40

Rentangan Kelas B : 96-73 = 24

b. Simpangan Rata-rata (Mean Deviasi)

Simpangan rata-rata merupakan nilai rata-rata dari harga mutlak semua
simpangan terhadap rata-rata (mean) kelompoknya. Rumus untuk simpangan
rata-rata :
a. Data tunggal
∑ x−x
SR = n
Contoh :
Data nilai UTS yang diambil sampel 10 orang:
Kelas A : 50, 50, 60, 70, 70, 70, 76, 80, 85, 90

2
 MODUL PEMBELAJARAN
PROGRAM STUDI
TEKNIK INFORMATIKA

Nilai Rata- (X- ∑ x −x

(X Rata x SR = n
) ( )
x |x| = 101
) 10
50 20 =10,1
50 20 Artinya rata-rata nilau UTS 10
60 70 10
70 70 0 orang mahasiswa sebesar 70
70 70 0 dengan simpangan 10,1
70 70 0
76 70 6
80 70 10
85 15
90 20
701 101

b. Data Berkelompok

∑ f . ( x i −x )
SR = ∑f
SR = Simpangan rata-rata
f = frekuensi
x i = titik tengah
x = rata-rata

Contoh :

Nilai f Titik f.X (X- f. |x|

Tenga x
h (X) )
|x|
60-64 2 62 124 15,6 31,28
65-69 6 67 402 4 63,84
70-74 15 72 1.08 10,6 84,6
75-79 20 77 0 4 12,8
80-84 16 82 1.54 5,64 69,76
85-89 7 87 0 0,64 65,52
90-94 4 92 1.31 4,36 57,44
2 9,36
609 14,3
368 6

3
 MODUL PEMBELAJARAN
PROGRAM STUDI
TEKNIK INFORMATIKA

Jumla 70 5.43 385,2

h 5 4

x = 5435 = 77,64
70

∑ f . ( x i −x ) 385 ,24
=5,5
SR = ∑f = 70
Jadi, rata-rata nilai statistik 70 orang mahasiswa sebesar 77,64 dengan simpangan
rata-rata 5,5

c. Simpangan Baku ( Standar deviasi )

Simpangan baku ( standar deviasi) menunjukkan tingkat atau derajat variasi

kelompok data dari rata-ratanya. Standar deviasi ini digunakan untuk
memperlihatkan seberapa besar perbedaan data yang ada dibandingkan dari
rata-rata data itu sendiri.
Rumus untuk Standar deviasi :

1. Data tunggal :
∑ x2
S=
S = Standar deviasi
√
n−1

X = nilai rata – rata di kuadratkan

n = Jumlah sampel

contoh :

1. Data nilai UTS yang diambil sampel 10 orang:

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

Nilai (X- X2
(X x ∑ x2
)

50
|x|
-20
)

400
S= √ n−1

1661
50
60
70
-20
-10
0
400
100
0
= √ 10−1
1661
70
70
76
0
0
6
0
0
36
= √ 9
= √ 184,556 =13,58
4
 MODUL PEMBELAJARAN
PROGRAM STUDI
TEKNIK INFORMATIKA

80 10 100
85 15 225
90 20 400
701 101 1661

2. 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.

No X X2 X- x2
x
( x)
1 75 5625 - 5,5 30,25
2 70 4900 -10,5 110,2
5
3 80 6400 -0,5 0,25
4 85 7225 4,5 20,25
5 60 3600 -20,5 420,2
5
6 75 5625 -5,5 30,25
7 10 1000 19,5 380,2
0 0 5
8 90 8100 9,5 90,25
9 95 9025 14,5 210,2
5
10 75 5625 -5,5 30,25
Jumla 80 6612 0 1322,
h 5 5 5

∑x
x = n
805
x = 10 = 80,5
Maka :
∑ x2
S= √ n−1
1322
S= √ 10−1

5
 MODUL PEMBELAJARAN
PROGRAM STUDI
TEKNIK INFORMATIKA

1322
S= √ 9
S= √146,9
S = 12,12
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 Berkelompok :
∑ f . x2
S= √ ∑ f −1

Contoh
Data nilai 70 orang mahasiswa Statistika
Nilai f Batas kelas
(X- x )
X2 fX2
atas
|x|
60-64 2 64,5 -15 225 450
65-69 6 69,5 -10 100 600
70-74 15 70,5 -5 25 375
75-79 20 79,5 79,5 0 0 0
80-84 16 84,5 5 25 400
85-89 7 89,5 10 100 700
90-94 4 94,5 15 225 900

Jumlah 70 556,5 0 700 3425

∑ f . x2
S= √ ∑ f −1
3425
S= √ 69
S= √ 49,64
S = 7,045
Jadi, standar deviasi nilai statistika dari 70 mahasiswa sebesar 7,045

d. Varians

6
 MODUL PEMBELAJARAN
PROGRAM STUDI
TEKNIK INFORMATIKA

Varian ini digunakan untuk menunjukkan tingkat homogenitas suatu data. Varians
ini dapat dihitung dengan berdasarkan kepada standar deviasi dan rata-rata
data.
Varians adalah kuadrat dari standar deviasi.

Contoh :

Jika (Standar Deviasi)  13,58 maka (Varians) = 13,582 = 184.4164

Jika (Standar Deviasi)  7,045 maka (Varians) = 7,0452 = 49.632025

e. Koefisien Varians (KV)

Koefisein varians adalah perbandingan antara Standar deviasi dengan harga
mean (rata-rata) yang dinyatakan dalam angka persentase (%). Guna dari
koefisien Varians untuk mengamati variasi atau sebaran data dari meannya.
Semakin kecil koefien variannya maka data semakin seragam (homogen),
sebaliknya semakin besar koefisien varians maka data semakin bervariasi
(heterogen).

Rumus Koefisien Varians

s
KV = x x 100 %

KV = Koefisien varians
s = Standar deviasi
x = Rata-rata (mean)

Contoh :

Nilai 70 orang mahasiswa, standar deviasi = 7,045 dengan nilai rata-rata 77,64
maka Koefisien Variansnya adalah :

s 7,045
x100%
KV = x x 100 % = 77 ,64 = 9,07 %

e. Skewness (ukuran kecondongan)

7
 MODUL PEMBELAJARAN
PROGRAM STUDI
TEKNIK INFORMATIKA

- Ukuran kecondongan – kemencengan

o Kurva tidak simetris
- Pada kurva distribusi frekuensi diketahui dari posisi modus, rata-
rata dan median
- Pendekatan : Jika
o mean = median = modus : Simetris
o Modus < mean < median : Menceng ke kiri
o Median < mean < modus : Menceng ke kanan

Gambar a. Menceng ke kiri Gambar b. Menceng ke kanan

f. Kurtosis (ukuran keruncingan)

- Keruncingan disebut juga ketinggian kurva
- Pada distribusi frekuensi di bagi dalam tiga bagian :
 Leptokurtis = Sangat runcing
 Mesokurtis = Keruncingan sedang (normal)
 Platykurtis = Kurva datar

Cara Membuat Tabulasi Data

Langkah 1
Mengurutkan data mentah dari yang terkecil ke besar

8
 MODUL PEMBELAJARAN
PROGRAM STUDI
TEKNIK INFORMATIKA

Menghitung rentang,
R = Xmaks – Xmin

Langkah 2
Menentukan banyaknya kelas dengan kaidah empiris Sturgess sebagai
berikut :
K = 1 + 3,3 log n
Dengan
k menyatakan banyak kelas
n menyatakan banyaknya data

Langkah 3
Menentukan panjang dan interval kelas
Panjang kelas = rentang/banyak kelas

Langkah 4
Membuat table ;
Batas atas = batas bawah+(panjang kelas-1)

Langkah 5
Menghitung frekuensi tiap kelasnya dengan turus

3. Soal Mandiri

4. REFERENSI/DAFTAR PUSTAKA

1. Prof. Dr. Agus Irianto, , “Statistik : Konsep Dasar dan Aplikasinya”, Jakarta,
Kencana, 2006
2. Getut Pramesti, “Aplikasi SPSS 15.0 dalam Model Linier Statistika”, Jakarta,
Media Alex Computindo, 2007.
3. Dr. Ir. Harinaldi, M.Eng, “Prinsip-Prinsip Statistik untuk Teknik dan
Sains”,Jakarta, Erlangga, 2005.
4. Prof. Dr. Sudjana, MA.,MSc., ”Metoda Statistika”, Bandung, Tarsito, 2007
5. Sudaryono, M.Pd., “Statistika Probabilitas [Teori&Aplikasi]”, Yogyakarta, Andi,
2012.