UKURAN DISPERSI
Dr. Ir. SUGIYONO A.B., M.Kes.
Daftar Isi:
4.1 Range – rentang
4.2 Mean deviasi
4.3 Varian dan Standar Deviasi
4.4 Skewness dan Kurtosis
4.5 Box Plots
Dispersi (dispersion) atau sebaran juga disebut variasi (variation).
Dispersi adalah seberapa jauh suatu data numerik tersebar di sekitar nilai
rerata. Ukuran dispersi bermacam-macam antara lain rentang (range), nilai
tengah deviasi, rerata deviasi (mean deviation), simpangan baku, deviasi
standar (standard deviation). Ukuran dispersi merujuk pada ringkasan data
tentang variabilitas atau banyaknya fluktuasi di sekitar rerata. Jadi ukuran
dispersi adalah bilangan tunggal yang menggambarkan sekumpulan data
dengan menunjukkan seberapa menyebar data observasi tersebut di
sepanjang garis bilangan riil.
Keterangan:
𝑥𝑚𝑎𝑥 : nilai data maksimum atau terbesar
𝑥𝑚𝑖𝑛 : nilai data minimun atau terkecil
∑𝑛𝑖=1|𝑥𝑖 − 𝑥̅ |
MD =
𝑛
Keterangan:
MD : Mean deviasi
𝑥𝑖 : nilai observasi ke-i
𝑥̅ : mean aritmatika
𝑛 : banyaknya observasi dalam sampel
∑𝑁
𝑖=1|𝑥𝑖 − 𝜇|
MD =
𝑁
Keterangan:
MD : Mean deviasi
𝑥𝑖 : nilai observasi ke-i
𝜇 : mean populasi
𝑁 : banyaknya observasi dalam populasi
∑ 𝑥𝑖 = 53 ∑ 𝑥𝑖 − 𝑥̅ = 0 ∑|𝑥𝑖 − 𝑥̅ | = 39.6
53 39.6
𝑥̅ = = 5.3 MD = = 3.96
10 10
Mean deviasi kira-kira 4,0. Ini memberitahu kita bahwa meskipun beberapa
ruangan berbeda dari mean, beberapa lebih dari 4 poster dan beberpa kurang
dari 4 poster.
∑𝑁
𝑖=1(𝑥𝑖 − 𝜇)
2
𝜎2 =
𝑁
2
∑𝑛𝑖=1(𝑥𝑖 − 𝑥̅ )2
𝑠 =
𝑛−1
Contoh 3.1
Melanjutkan contoh 2.1, kita hitung varian sampel dari jumlah poster yang
dipajang di 10 kamar tempat tinggal. Perhitungannya dapat diringkas
sebagai tabel sebagai berikut.
Jml.poster Deviasi Deviasi kuadrat
𝑥𝑖 𝑥𝑖 − 𝑥̅ (𝑥𝑖 − 𝑥̅ )2
8 2.7 7.29
1 -4.3 18.49
7 1.7 2.89
5 -0.3 0.09
1 -4.3 18.49
8 2.7 7.29
2 -3.3 10.89
1 -4.3 18.49
2 -3.3 10.89
18 12.7 161.29
∑ 𝑥𝑖 = 53 ∑ 𝑥𝑖 − 𝑥̅ = 0 ∑(𝑥𝑖 − 𝑥̅ )2 = 256.10
53 256.10
𝑥̅ = = 5.3 𝑠2 = = 28.46
10 10 − 1
∑𝑛 (𝑥𝑖 − 𝑥̅ )2
𝑠 = √ 𝑖=1
𝑛−1
Keterangan:
𝑠 : standar deviasi sampel
𝑥𝑖 : nilai observasi
𝑥̅ : mean, rerata
𝑛 : banyaknya observasi
yang memberikan jawaban yang satuannya kuadrat. Hasil ini tidak dapat
diterima sebagai ukuran dispersi, tetapi berguna sebagai ukuran variabilitas.
Ini disebut varian dan diberi simbol 𝑠 2 . Jika kita lakukan akar kuadrat,
jawabnya akan berbeda dalam satuan yang sama dengan nilai observasi.
Perhitungannya adalah sebagai berikut.
1. Ungrouped data
Rumus yang digunakan dalam standar deviasi dapat digunakan untuk
data yang tidak dikelompokkan. Namun, rumus alternatif lebih cocok
untuk tujuan perhitungan, sebagai berikut.
2
𝑛 ∑𝑛 𝑥 2 − (∑𝑛𝑖=1 𝑥𝑖 )
𝑠 = √ 𝑖=1 𝑖
𝑛(𝑛 − 1)
Contoh 3.2
Tentukan standar deviasi kadar air dari gulungan kertas kraft. Hasil dari
enam pembacaannya adalah 6.7, 6.0, 6.4, 6.4, 5.9, dan 5.8 persen.
6(231,26) − (37,2)2
𝑠=√ = √0,124 = 0,35 %
6(6 − 1)
2. Grouped data
Jika data telah dikelompokkan ke dalam distribusi frekuensi, maka
teknik berikut ini dapat digunakan. Rumus standar deviasi dari data
yang dikelompokkan adalah sebagai berikut.
2
𝑛 ∑ℎ𝑖=1(𝑓𝑖 𝑥𝑖2 ) − (∑ℎ𝑖=1 𝑓𝑖 𝑥𝑖 )
𝑠=√
𝑛(𝑛 − 1)
Keterangan:
𝑠 : standar deviasi
𝑛 : banyaknya observasi
ℎ : banyaknya kelas
𝑓𝑖 : frekuensi kelas ke-i
𝑥𝑖 : nilai observasi ke-i
Contoh 3.3
Hasil observasi terhadap kecepatan mobil penumpang dalam satuan
km/jam selama 15 menit di suatu tempat tertentu, disajikan dalam tabel
sebagai berikut. Tentukan mean dan standar deviasi !
midpoint frekuensi komputasi
kelas
𝑥𝑖 𝑓𝑖 𝑓𝑖 𝑥𝑖 𝑓𝑖 𝑥𝑖2
72.6 – 81.5 77.0 5 385 29.645
81.6 – 90.5 86.0 19 1634 140.524
90.6 – 99.5 95.0 31 2945 279.775
99.6 – 108.5 104.0 27 2808 292.032
108.6 – 117.5 113.0 14 1582 178.766
𝑛 = 96 Σ = 9354 Σ = 920.742
∑ℎ𝑖=1 𝑓𝑖 𝑥𝑖 9354
𝑥̅ = = = 97,4 km/jam
𝑛 96
2
𝑛 ∑ℎ (𝑓𝑖 𝑥𝑖2 ) − (∑ℎ𝑖=1 𝑓𝑖 𝑥𝑖 ) 96(920.742) − (9354)2
𝑠 = √ 𝑖=1 =√
𝑛(𝑛 − 1) 96(96 − 1)
96(920.742) − (9354)2
=√ = 9,9 km/jam
96(96 − 1)
Skewness (kemiringan)
Skewness atau kemiringan artinya ketidaksimetrisan suatu distribusi data.
Sebuah set data dikatakan simetris apabila nilai-nilainya tersebar merata di
sekitar nilai mean. Rumus yang digunakan adalah sebagai berikut.
Keterangan:
𝑎3 : koefisien kemiringan
𝑓𝑖 : frekuensi observasi ke-i
𝑥𝑖 : nilai observasi data ke-i
𝑥̅ : mean atau rerata data observasi
𝑠 : standar deviasi
𝑛 : banyaknya observasi
Contoh 4.1
Berikut ini data ilustrasi untuk skewness dan kurtosisi.
𝑥𝑖 𝑓𝑖 𝑥𝑖 − 𝑥̅ 𝑓𝑖 (𝑥𝑖 − 𝑥̅ )3 𝑓𝑖 (𝑥𝑖 − 𝑥̅ )4
1 1 (1-7) = -6 1(-6)3 = -216 1(-6)4 = 1296
Σ = −162 Σ = 2430
nilai Skewness
Rasio Skewness =
Std. Error of Skewness
Kurtosis (keruncingan)
Kurtosis untuk mengukur keruncingan distribusi data. Rumus yang
digunakan adalah sebagai berikut.
∑ℎ𝑖=1 𝑓𝑖 (𝑥𝑖 − 𝑥̅ )4 ⁄𝑛
𝑎4 =
𝑠4
Contoh 4.2
Tentukan nilai kurtosis dari distribusi frekuensi yang tersajikan pada tabel
Contoh 4.1 yang memiliki 𝑥̅ = 7,0 dan 𝑠 = 2,32.
Penyelesaian:
𝑄3 − 𝑄1 IQR
Quartile deviation = =
2 2
𝑄3 + 𝑄1
Mid quartile range =
2
Contoh 5.1
Sepuluh siswa diminta untuk menuliskan umur mereka dalam satuan bulan.
Kemudian kesepuluh siswa mengumpulkan catatan umur mereka, dan
dirangkum hasilnya. Hasil rangkuman umur (dalam bulan) kesepuluh siswa
tersebut adalah sebagai berikut.
131 132 130 136 150 137 142 147 138 134
Hitunglah (a) Nilai semi-interquatile range !, dan
𝑛+1 10 + 1 11
𝑄1 = ( )1 = ( ) 1 = ( ) 1 = 2,75
4 4 4
Jadi 𝑄1 adalah data urutan ke-2 (= 131) +(0,75(132 − 131) = 0,75)
𝑄1 = 131 + 0,75 = 131,75
𝑛+1 10 + 1 11
𝑄3 = ( )3 = ( ) 3 = ( ) 3 = (2,75)3 = 8,25
4 4 4
Jadi 𝑄3 adalah urutan ke-8 (= 142) (+0,25(147 − 142) = 1,25)
𝑄3 = 142 + 1,25 = 143,25
Penyelesaian:
1) Urutkan data dari terkecil sampai terbesar:
130 131 132 134 136 137 138 142 147 150 162
1 2 3 4 5 6 7 8 9 10 11
2) Temukan nilai terkecil (lower extreme).
Nilai minimum = 130
3) Temukan nilai terbesar (upper extreme).
Nilai maksimum = 162
4) Hitung kuartil ke-1, 𝑄1
Nilai kuartil ke-1 (Percentiles 25), 𝑄1 = 132
5) Hitung kuartil ke-3, 𝑄3
Nilai kuartil ke-3 (Persentiles 75), 𝑄3 = 147
6) Temukan nilai median (kuartil ke-2), 𝑄2
Nilai median (kuartil ke-2), 𝑄2 = 137 → diberi tanda kotak merah.
7) Hitung Interquartail Range (IQR)
Nilai IQR = 𝑄3 − 𝑄1 = 147 − 132 = 15 → ini adalah Box-nya.
8) Gambar Box and Whisker Plot berdasarkan informasi tersebut.