BAB III

UKURAN PENYEBARAN DATA (DISPERSI),

KEMIRINGAN DAN KURTOSIS

3.1. RATA – RATA SIMPANGAN (MEAN DEVIASI) UNTUK DATA TUNGGAL

Jika data hasil pengamatan : x1, x2, …, xn dengan rata – rata x . Selanjutnya jika jarak antara
tiap data dengan rata – rata x adalah |xi  x |, maka rata – rata simpangan (mean deviasi)
Rumus :
n

x
i1
i x
RS =
n
Contoh :
Jika diketahui data 4, 5, 6, 6, 7, 8, 8, 9 maka rata – rata simpangan nya Jawab :
53
4566788 = 6,625
9x = 8
=
8
n

x
i1
i x
RS =
n
 5  6  6  7 8 8 9
= 46,625 6,625 6,625 6,625 6,625 6,625 6,625 6,625
8

11
= 8

= 1,375

1
3.2. RATA – RATA SIMPANGAN UNTUK DATA BERKELOMPOK

Jika data hasil pengamatan : x1, x2, …, xn dengan rata – rata x , f sebagai frekuensi dari tiap
data, xi sebagai nilai tengan interval dan N merupakan jumlah dari frekuensi. Selanjutnya
jika jarak antara tiap data dengan rata – rata x adalah |xi 
x |, maka rata – rata simpangan (mean deviasi)
Rumus :
n
 f xi  x
RS = i1
N
Contoh :
Jika diberikan tabel Distribusi Frekuensi :
No Nilai Ujian Frekuensi (fi)
1 31 – 40 1
2 41 – 50 2
3 51 – 60 5
4 61 – 70 15
5 71 – 80 25
6 81 – 90 20
7 91 – 100 12
Jumlah 80
Maka tentukan Rata – rata Simpangannya
 Jawab :
Nilai Frekuensi
No xi fi.xi xi  x |xi  x | f |xi  x |
Ujian (fi)

1 31 – 40 35,5 1 35,5 41,125 41,125 41,125

2 41 – 50 45,5 2 91 31,125 31,125 62,25
3 51 – 60 55,5 5 277,5 21,125 21,125 105,625
4 61 – 70 65,5 15 982,5 11,125 11,125 166,875
5 71 – 80 75,5 25 1887,5 1,125 1,125 28,125
6 81 – 90 85,5 20 1710 8,875 8,875 177,5
7 91 – 100 95,5 12 1146 18,875 18,875 226,5

Jumlah N = 80 6130 808

Untuk menghitung rata – rata :

n
 fi x i
613
x = i1n f = 0 = 76,625
80
i
i1

n
 f xi  x
RS = i1
N

808
= 80

= 10,1

3.3. SIMPANGAN BAKU (STANDAR DEVIASI) DAN VARIANS UNTUK

DATA TUNGGAL
Simpangan baku (deviasi standar) adalah ukuran sebaran statistic yang paling umum atau
rata – rata jarak penyimpangan titik – titik data diukur dari nilai rata – rata data tersebut.
Simbol : s
Rumus deviasi standar yang pertama :

 x 
n
2
i x
i1
s=
n 1
atau
Rumus deviasi standar yang kedua :
n
 n 2
nxi1
2
 x i
i
 i1
s=
nn 1

Contoh :
Diberikan sampel data : 8, 7, 10, 11, 4

Jawab :
xi xi  x (xi  x )2 xi2
8 0 0 64
7 1 1 49
10 2 4 100
11 3 9 121
4 4 16 16

xi = 40 (xi  x ) = 0 (xi  x )2 = 30  xi2 = 350

x 
n
2
i x
i1 30
s= = 4 = 2,74
n 1
atau jika menggunakan rumus kedua, dengan n = 5 (banyaknya data) dan (xi)2 = (40)2 =
1600, sehingga :
n
 n 2
nx i2  x i
 i1 i1 5 (350)  (40)2 150 30
s= = = = 4 = 2,74
5(5  1) 5.4
nn 1
 hasil yang didapat dengan menggunakan rumus pertama dengan rumus kedua sama.
Varian adalah kuadrat dari simpangan baku. Simbol : s2
Rumus varian yang pertama :

n x i  x 2 
s2 = i1

n  1
Rumus varian yang kedua :
2
 n
n

nx  x  2
i i

s2 = i1  i1 
n n 
1

selanjutnya jika di hitung varians dengan menggunakan rumus varians yang pertama :

2 x
n

i
x 2 30
s = i1 = = 7,5
4
n  1
Dan jika menggunakan rumus varians yang kedua didapat :
2
n
 n 
nx  x 2
150
i i
 =
s2 =
i1
  i1  = 7,5
n n  1 20
hasilnya juga sama.

3.4. SIMPANGAN BAKU (STANDARD DEVIASI) DAN VARIANS UNTUK DATA

DALAM TABEL DISTRIBUSI FREKUENSI
Rumus Deviasi Standar :
2
 n
 fi .x i
n
n 2
 fi x i 
i1 i1
S=
n(n 1)
Rumus Varians :

 f .x
2
2
n
 
n
n
 i i
 
fi x i 
s2 = i1  i1 
n(n 1)

Contoh :
Tentukan deviasi standard dan varian dari :
Nilai Ujian Frekuensi (fi)
31 – 40 1
41 – 50 2
51 – 60 5
61 – 70 15
71 – 80 25
81 – 90 20
91 – 100 12
Jumlah 80

Jawab :
Frekuensi
Nilai Ujian xi xi2 fixi fixi2
(fi)
31 – 40 1 35,5 1260,25 35,5 1260,25
41 – 50 2 45,5 2070,25 90 4140,50
51 – 60 5 55,5 3080,25 227,5 15401,25
61 – 70 15 65,5 4290,25 982,5 64353,75
71 – 80 25 75,5 5700,25 1887,5 142506,25
81 – 90 20 85,5 7310,25 1710 146205
91 – 100 12 95,5 9120,25 1146 109443
Jumlah fi = 80 fixi = fixi2 = 483310
6130
 Deviasi Standar :
2

 f i .x i i f xi 
n n
n 2

i1 i1 80.(483310 )  (6130)2 1087900

S= = = 80(79) = 172,14 =13,12
n(n 1) 80(80  1)

Varian :

   f x 2
n n
2
n fi .xi i i  80.(483310 )  (6130)2
s2 = i1  i1 
= = 172,14
n(n 1) 80(80 1)
Ket : n = fi = 80

3.5. KOEFISIEN VARIANS (KV)

Koefisien varians biasanya digunakan untuk membandingkan dua data dari sumber yang
berbeda, misalkan data dari hasil ujian Statistic dan hasil ujian Kalkulus. Koefisien varians
biasanya dinyatakan dalam persen dengan rumus :

KV Standard Deviasi
= Rata  Rata x 100%
Contoh :
1) Jika terdapat 2 jenis lampu yaitu lampu pijar dan lampu led. Lampu Pijar dapat digunakan
selama 3500 jam, dengan simpangan baku 1050 jam, sementara Lampu Led dapat
digunakan selama 10000 jam dengan simpangan bakunya sebesar 2000 jam. Maka
tentukan koefisien varians dari masing – masing lampu tersebut. (contoh untuk data
tunggal)
Jawab :
1050 3
KV (Lampu Pijar) = Standard Deviasi x 100 % = x 100% = = 30 %
Rata  Rata 3500 10
2000 2
KV (Lampu Led) = Standard Deviasi x 100 % = x 100% = = 20 %
Rata  Rata 10000 10
 2) Jika diberikan data :
Nilai Ujian Frekuensi (fi)
31 – 40 1
41 – 50 2
51 – 60 5
61 – 70 15
71 – 80 25
81 – 90 20
91 – 100 12
Jumlah 80
Tentukan Koefisien Varians (KV untuk data berkelompok)
Jawab :
Berdasarkan perhitungan sebelumnya, SD (Standard Deviasi) dari data diatas adalah
13,12 dan rata–ratanya adalah 76,625, sehingga KV bisa di tentukan :

KV Standard Deviasi 13,12

x 100 % = x 100 % = 17,12 %
= Rata  Rata 76,625

3.6. KOEFISIEN KEMIRINGAN (SKEWNESS)

Distribusi yang tidak simetris di sebut miring (Skewness). Distribusi miring ini terbagi 2,
yaitu :
a. Distribusi miring positif
Distribusi ini disebut positif jika bagian ekor kanan lebih panjang dari ekor bagian kiri.

mo me 
b. Distribusi miring negatif
Distribusi ini disebut negatif jika bagian ekor kiri lebih panjang dari ekor bagian kanan.

 me mo

Untuk menghitung kemiringan (skewness) pearson ini, kita gunakan rumus :

(Rata - Rata  (x  mo)
Kemiringan = =
Modus) s
Simpangan Baku
Atau bisa juga menggunakan rumus :

Kemiringan = 3(Rata - Rata  3(x  me)

Media) Simpangan = s
Contoh : Baku

1. Diberikan data sebagai berikut : 4, 5, 5, 6, 6, 7, 7, 7, 8, 9 tentukan kemiringan

(Skewness). Soal ini untuk data tunggal
Jawab :
Pertama yang di hitung adalah rata – ratanya, diketahui banyaknya data n = 10, maka :

4  5  5  6  6  7  7  7  8 = 6,4
x 9=
10
Selanjutnya kita hitung simpangan bakunya, dengan rumus :

x 
n
2
i x
s= i1

n 1
(4  6,4) 2  (5  6,4) 2  (5  6,4) 2  (6  6,4) 2  (6  6,4) 2  (7  6,4) 2  (7  6,4) 2  (7  6,4) 2  (8  6,4) 2  (9  6,4) 2
= 10
 51
= = 1,43
5
Dari data tersebut dapat di lihat bahwa angka yang paling banyak keluar adalah angka 7,
maka mo = 7. Sehingga koefisien kemiringan dapat dihitung :

Koefisien kemiringan = (x  (6,4 

= =  0,42
mo) 7)
1,43
s
Karena Koefisien kemiringannya bernilai negative, maka Distribusi data miring negatif
2. Jika di berikan data :
Nilai Ujian Frekuensi (fi)
31 – 40 1
41 – 50 2
51 – 60 5
61 – 70 15
71 – 80 25
81 – 90 20
91 – 100 12
Jumlah 80
Tentukan kemiringannya. Soal ini untuk data berkelompok
Jawab :
Berdasarkan perhitungan sebelumnya di dapat :
 Rata - rata
n
 fi x i
613
x = i1n f = 0 = 76,625
80
i
i1

 Modus
 10 
Mo = 70,5 + (10)  = 77,17
10  5
 
  Simpangan bakunya
2

 f i .x i i f xi 
n n
n 2

i1 i1 80.(483310 )  (6130)2 1087900

S= = = 80(79)
n(n 1) 80(80  1)

=
172,14 =13,12
Sehingga

Koefisien kemiringan = (x  (7,625  =  5,342

=
77,17)
mo)
13,12
s

3.7. KOEFISIEN KURTOSIS

Koefisien Kurtosis adalah ukuran keruncingan suatu kurva. Makin runcing suatu kurva
maka makin kecil simpangan bakunya, sehingga data makin mengelompok atau homogen.
1
(Q3  Q1)
=2
(P90  P10 )
Keterangan :
Q1 = Kuartil pertama
Q3 = Kuartil ke-3
P10 = Persentil ke-10
P90 = Persentil ke-90
Selanjutnya untuk koefisien Kurtosis () terbagi dalam 3 kategori :
 Jika  > 0,263 ; maka model kurva Runcing (Leptokurtis)
 Jika  = 0,263 ; maka model kurva normal (Mesokurtis)
 Jika  < 0,263 ; maka model kurva datar (Platikurtis)

Leptokurtis Platikurtis Mesokurtis

Contoh :
Jika di berikan data dalam Distribusi Frekuensi :
Nilai Ujian Frekuensi (fi)
31 – 40 1
41 – 50 2
51 – 60 5
61 – 70 15
71 – 80 25
81 – 90 20
91 – 100 12
Jumlah 80
Tentukan Kurtosis dari tabel tersebut
90Jawab :
 1 x 80 
Q1 = 60,5 + 10  4  
 15 8 
 
 
= 68,5

 3 x4 80 
 48
Q3 = 80,5 + 10 
 20 
 
 
= 86,5
 10 x 80 
100 
P10 = 60,5 + 10  8 
 15 
 
 
= 60,5

 90100
x 80 
 68 
P90 = 90,5 + 10 
 12 
 
 
= 93,83
Sehingga didapat nilai kurtosis :
1
(Q  Q 1
(86,5  68,5)
) 3 1
2
= = 0,27
=2 (93,83  60,5)
(P90  P10 )
Karena  = 0,27 > 0,263, maka kurvanya berbentuk Platikurtis, yang artinya datanya
menyebar dan tidak homogen.