TEORI PROBABILITAS

Ukuran Penyebaran
 Materi
◼ Ukuran penyebaran
◼ Range
◼ Varians
◼ Standar deviasi
◼ Koefisien variasi
◼ Kuartil
◼ Box-plot
 Ukuran Penyebaran

◼ Suatu ukuran baik parameter atau statistika

untuk mengetahui seberapa besar
penyimpangan data.

◼ Melalui ukuran penyebaran dapat diketahui

seberapa jauh data-data menyebar dari titik
pemusatannya.
 Ukuran Penyebaran
Variasi

Range Range Varians Standar Koefisien

Interkuartil Deviasi variasi

◼ Ukuran penyebaran memberikan

informasi mengenai penyebaran
atau variabilitas dari nilai-nilai data
yang ada

pusat sama,
Variasi berbeda
 Ukuran Penyebaran [2]
Mengapa mempelajari ukuran penyebaran?
◼ Ukuran pemusatan hanya menunjukkan pusat dari
data dan tidak menjelaskan penyebaran dari data
◼ Contoh: jika seorang pemandu wisata mengatakan
bahwa rata2 kedalaman sungai adalah 1 meter tanpa
informasi tambahan lain. Apakah anda tetap ingin
menyebranginya dengan berjalan kaki tanpa
informasi tambahan lain?
◼ Ukuran penyebaran dapat digunakan untuk
membandingkan sebaran dari dua distribusi data

5
 Range

◼ Ukuran penyebaran yang paling sederhana

◼ Selisih antara nilai terbesar dan terkecil

Range = Xmax – Xmin

misal:

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14

Range = 14 - 1 = 13
 Kekurangan Range
◼ Tidak mempedulikan distribusi data

7 8 9 10 11 12 7 8 9 10 11 12
Range = 12 - 7 = 5 Range = 12 - 7 = 5

◼ Sensitif terhadap outlier

1,1,1,1,1,1,1,1,1,1,1,2,2,2,2,2,2,2,2,3,3,3,3,4,5

Range = 5 - 1 = 4

1,1,1,1,1,1,1,1,1,1,1,2,2,2,2,2,2,2,2,3,3,3,3,4,120

Range = 120 - 1 = 119

 Kuartil
◼ Membagi data terurut menjadi 4 bagian, dengan
banyaknya elemen di setiap bagian adalah sama

25% 25% 25% 25%

Q1 Q2 Q3

◼ Kuartil pertama, Q1, menunjukkan terdapat 25%

pengamatan yang bernilai lebih kecil dan 75% lainnya
lebih besar
◼ Q2 sama dengan median (50% lebih kecil, 50% lebih
besar)
◼ Hanya 25% dari pengamatan yang lebih besar dari Q3
 Rumus Kuartil Data Tunggal

Penentuan nilai kuartil dilakukan dengan

menentukan posisi yang sesuai dari data terurut
posisi kuartil pertama: Q1 = 0.25(n+1)

posisi kuartil kedua: Q2 = 0.50(n+1)

(posisi median)

posisi kuartil ketiga: Q3 = 0.75(n+1)

 Kuartil Data Tunggal

◼ Contoh: tentukan kuartil pertama

Sample Ranked Data: 11 12 13 16 16 17 18 21 22

(n = 9)
Q1 = ada di 0.25(9+1) = 2.5 position dari data terurut
sehingga ambil nilai tengah antara pengamatan ke 2 dan 3

jadi, Q1 = 12.5
 Varian Populasi
Data Tunggal

◼ Varian populasi:
N

 (x i − μ) 2

σ =
2 i =1
N

Dimana : μ = mean populasi

N = ukuran populasi
xi = nilai variabel X ke-i
 Varians Sampel
Data Tunggal

◼ Varian sampel:

σn 2
2
(x
i=1 i − x)
lj
s =
n−1

Dimana : X = rata-rata aritmatika

n = ukuran sampel
Xi = nilai variabel X ke-i
 Standar Deviasi Populasi
◼ Standar Deviasi Populasi ◼ Standar Deviasi Sampel

N n

 (x i − μ) 2
 (x − x)
i
2

σ= i =1
S= i=1
N n -1
 Pengukuran Variasi

Standar deviasi & Varian kecil

Standar deviasi & Varian besar

 Perbandingan standar deviasi

Data A
Mean = 15.5

11 12 13 14 15 16 17 18 19 20 21
s = 3.338

Data B
Mean = 15.5
11 12 13 14 15 16 17 18 19 20 21 s = 0.926

Data C
Mean = 15.5

11 12 13 14 15 16 17 18 19 20 21 s = 4.570
 Kelebihan varians dan
standar deviasi
◼ Untuk mengetahui besar perbedaan dari
nilai sampel terhadap rata-rata
◼ Untuk menyatakan keragaman sampel
◼ Untuk membantu mendapatkan data dari
suatu populasi
◼ Mengukur tingkat kepercayaam pada
kesimpulan statistik
 Koefisien Variasi [1]

◼ Mengukur variasi relatif

◼ Dalam bentuk persentase (%)
◼ Menunjukkan variasi relatif terhadap mean
◼ Dapat digunakan untuk membandingkan dua
atau lebih data yang berbeda satuan

 s
CV =    100%
x 
 Koefisien Variasi [2]
◼ Ikan Hiu:
◼ Rata-rata panjang = 150 cm

◼ Standar deviasi= 15 cm

s  15
CVA =   100% = 100% = 10% Panjang ikan
teri lebih
x  150 bervariasi
◼ Ikan teri: daripada ikan
hiu
◼ Rata-rata panjang= 4 cm
◼ Standar deviasi= 1 cm

s  1
CVB =   100% = 100% = 25%
x  4
 Penggunaan ukuran pemusatan dan
penyebaran: Box Plot

Ringkasan lima angka:

Min Q1 Median Q3 Max

• membagi data menjadi 4 bagian

• ringkasan sederhana terhadap distribusi
data
•Digunakan untuk membentuk box-plot,
untuk menentukan bentuk distribusi data
dan mendeteksi outlier
 Membuat Box-Plot [1]

✓Hitung Q1, median, Q3 dan Interquartile range

(IQR) = Q3-Q1
✓ gambarkan garis horizontal untuk menyatakan
skala satuan pengukuran
✓ gambarkan kotak (box) untuk Q1, median, Q3.

Q1 m Q3
 Membuat Box-Plot [2]
✓Outlier ditentukan dengan pagar
✓Pagar bawah: Q1-1.5 IQR
✓Pagar atas: Q3+1.5 IQR
✓ data yang berada di luar pagar,
dikatakan outlier (*).

*
Q1 m Q3
 Membuat Box-Plot [3]
✓ gambarkan “whiskers” yang
menghubungan nilai max dan min yang
bukan outlier

*
Q1 m Q3
 Interpretasi Box-Plot

✓ garis median tepat di tengah box – simetris

✓ garis median di kiri pusat box dan dan
whisker panjang di kanan— miring kanan
(skewed right)
✓garis median di kanan pusat box dan dan
whisker panjang di kiri—miring kiri (skewed left)
 Contoh: Ukuran Penyebaran
Data Tunggal [1]

Contoh: Berikut ini adalah temperatur (0C) selama

20 hari di perairan lau.
24, 35, 17, 21, 24, 37, 26, 46, 58, 30,
32, 13, 12, 38, 41, 43, 44, 27, 53, 27
Data Terurut
12, 13, 17, 21, 24, 24, 26, 27, 27, 30, 32, 35, 37, 38, 41, 43, 44, 46, 53, 58

- Range: max – min= 58 - 12 = 46

 Contoh: Ukuran Penyebaran Data
Tunggal [2]
Xi Xi-Xbar (Xi-Xbar)2
12 12-32.4=-20.4 (-20.4)2=416.2 Rumus definisi:
13 -19.4 376.4

 −
17 -15.4 237.2 2
21 -11.4 130 ( x x )
24 -8.4 70.56 s2 = i
24
26
-8.4
-6.4
70.56
40.96
n −1
27 -5.4 29.16
3051
= = 160,579
27 -5.4 29.16
30 -2.4 5.76
32 -0.4 0.16 20 − 1
35 2.6 6.76
37 4.6 21.16
38 5.6 31.36
41
43
8.6
10.6
73.96
112.4 s = s 2 = 160,579 = 12,672
44 11.6 134.6
46 13.6 185
53 20.6 424.4
58 25.6 655.4

Jumlah 0 3051
 Contoh: perhitungan varians [2]
Xi X2 Rumus kerja:
12 122=144
13 169
( xi ) 2
 xi −
2
17 289
21 441 s =
2 n
24 576 n −1
24 576
26 676
27 729 6482
27 729 24046 −
30 900 = 20 = 160.6
32 1024 20 − 1
35 1225
37 1369 s = s 2 = 160.6 = 12.67
38 1444
41 1681
43 1849
44 1936
46 2116
53 2809
s  14.192
58 3364 Koefisien Variasi : CV =    100% = 100% = 33.31%
648 24046 x  42.6
 ◼ Box-Plot
12 13 17 21 24 24 26 27 27 30 32 35 37 38 41 43 44 46 53 58

Q1=24 Q2=31 Q3=42.5

posisi kuartil pertama = 0.25(n+1)=0.25(21)=5.25 (antara obs 5 dan 6)

Q1=0.25(24) + 0.75(24) =24

posisi kuartil kedua/median = 0.50(n+1)=0.50(21)=10.5 (antara obs 10 dan 11)

Q2= 0.50 (30+32) = 31

posisi kuartil ketiga = 0.75(n+1) = 0.75 (21) = 15.75 (antara obs 15 dan 16)
Q3=0.75(41) 30,75+ 0.25(43 )=41.5

IQR = Q3 - Q1 = 41.5– 24 = 17.5

Pagar Bawah = Q1 – 1.5(IQR) = 24 – 1.5(17.5) = -2.25

Pagar Atas = Q3 + 1.5(IQR) =42.5 + 1.5(17.5) = 68.45
 Deviasi Rata-rata Data Kelompok

◼ Penyimpangan rata-rata antara nilai-nilai data

menuju nilai rata-ratanya
◼ Digunakan untuk mengetahui seberapa jauh
nilai data menyimpang dari rata-ratanya
 VARIANS DAN STANDAR DEVIASI
DATA BERKELOMPOK

◼ Varians s2= varians sampel

s = standar deviasi
k
Xi= nilai tengah kelas ke-i
 i i
f ( X − X ) 2

fi= frekuensi kelas ke-i

s2 = i =1
n −1
X = rata-rata sampel
◼ Standar deviasi

 f (X )
k 2
i i −X
s= i =1
n −1
 Kuartil Data Berkelompok
i 
 (n ) - F 
Letak Q i = (n )
i
Q i = L 0 + c 4 
 f  4
 
 
 Qi = kuartil ke-i (i = 1, 2, 3)
 L0 = tepi bawah kelas kuartil
 c = panjang kelas interval kelas kuartil
 n = banyaknya data pengamatan
 F = jumlah frekuensi sebelum kelas kuartil
 f = frekuensi kelas kuartil
 Contoh: Ukuran Penyebaran
Data Berkelompok [1]
Contoh: Berikut ini adalah temperatur (0C) selama 20 hari di perairan
laut K.
22, 20, 23, 26, 28, 27, 29, 22, 26, 29
21, 20, 22, 22, 25, 26, 28, 29, 22, 24

Ketika dibuat tabel distribusi frekuensi akan menjadi sbb

KELAS Frekuensi

20 – 21 3

22 – 23 6

24 – 25 2

26 – 27 4

28 – 29 5

Jumlah 20
 Contoh: Varians Data Berkelompok

KELAS Xi fi Xi . Fi X i − X ( X i − X )2 fi ( X i − X )2

20 – 21 20.5 3 61.5 -3.6 12.96 38.88

X=
 f .x
i i
=
482
= 24.1
22 – 23 22.5 6 135 -1.5 2.25 13.5 f i 20
24 – 25 24.5 5 122.5 0.4 0.16 0.8

26 – 27 26.5 4 106 2.5 6.25 25

28 – 29 28.5 2 57 4.5 20.25 40.5

Total 20 482 118.68

 f (X − X) 2
s = s = 6.246 = 2.499
i i 2
118.68
s =
2 i =n
= = 6.246
n -1 19
 Kuartil 1 Data Berkelompok
1
Letak Q1 = .20 = 5
4
L0 = 19,5 1 
 .20 - 3 
c =2 Q1 = 19.5 + 2  4  = 19.5 + 0.667 = 20.164
 6 
n = 20  
F =3
f =6
 Kuartil 2 Data Berkelompok
2
Letak Q1 = .20 = 10
4
2 
L0 = 23.5  .20 - 9 
Q 2 = 23.5 + 2  4  = 23.5 + 1 = 24.5
c =2  2 
 
n = 20
F = 3+6= 9
f =2
 Kuartil 3 Data Berkelompok
3
Letak Q3 = .20 = 15
4
L0 = 25.5 3 
 .20 - 11 
c = 2 Q3 = 25.5 + 2  4  = 25.5 + 2 = 27.5
 4 
n = 20
 
F = 11
f = 4