Ukuran Dispersi/Ukuran Penyebaran

Dispersi / Ukuran penyebaran Data adalah 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/
suatu kelompok data terhadap pusat data.Ukuran ini kadang – kadang dinamakan pula
ukuran variasi yang mnggambarkan berpencarnya data kuantitatif. Beberapa ukuran
dispersi yang terkenal dan akan diuraikan disini ialah : Rentang, Rentang natar kuartil,
simpangan kuartil/deviasi kuartil, rata-rata simpangan/rata-rata deviasi, simpangan baku
atau standar deviasi, variansi dan koefisien variansi, jangkauan kuartil, dan jangkauan
persentil.

a) Rentang/Range (Jangkauan Data)

Rentang (Range) dinotasikan sebagai R, menyatakan ukuran yang menunjukkan

selisih nilai antara maksimum dan minimum atau selisih bilangan terbesar dengan
bilangan terkecil.
Rentang merupakan ukuran penyebaran yang sangat kasar, sebab hanya
bersangkutan dengan bilangan terbesar dan terkecil.Semakin kecil nilai R maka kualitas
data akan semakin baik, sebaliknya semakin besar nilai R, maka kualitasnya semakin
tidak baik.
Rentang cukup baik digunakan untuk mengukur penyebaran data yang simetrik dan nilai
datanya menyebar merata. Ukuran ini menjadi tidak relevan jika nilai data maksimum
dan minimumnya merupakan nilai ekstrim.
Rentang = Xmax – Xmin,
Xmax adalah data terbesar dan Xmin adalah data terkecil.

b) Kuartil
 Kuartil

Jika sekumpulan data dibagi menjadi empat bagian yang sama banyak, sesudah
disusun menurut urutan nilainya, maka bilangan pembaginya disebut kuartil. Ada tiga
buah kuartil, yakni kuatil pertama, kuartil kedua, dan kuartil ketiga yang masing-masing
disingkat dengan Q1, Q2, dan Q3. Pemberian nama ini dimulai dari nilai kuartil paling
kecil. Untuk menentukan nilai kuartilnya adalah:
o Susun data menurut urutan nilainya.
o Tentukan letak kuatil.
o Tentukan nilai kuatil.
Letak kuartil ke i, diberi lambing Ki, ditentukan oleh rumus:
n+1
Q1 = Kuartil bawah = x ( )
4
2 ( n+1 )
Q2 = Median = Kuartil Tengah = x ( )
4
3 ( n+ 1 )
Q3 = Kuartil atas = x ( )
4

 Rentang antar Kuartil

Rentang antar kuartil dapat dirumuskan:
Rak = Q3 – Q1

Kuartil Data Tunggal

Contoh Kuartil data tunggal :

Sampel dengan data 3,4,4,5,5,6,6,6,6,7,7,8,9.

Q1 =1(13+1)
4
= 1.14
4
= 14 : 4
= 3,5
Data ke-3.5 berada antara angka 4 dan 5 sehingga

4+5  = 4.5
2
Q2 = 2(13+1)
4
= 2(14)
4
= 7

Data ke-7 adalah 6

Q3     = 3(13+1)

                4

          =3(14)

             4

          = 10.5

Data ke-10.5 berada diantara angka 7 dan 7 jadi :

7+7  = 7
2
Kuartil Data Berkelompok
Qi  = Tb + p { ( i/4.n )-F }
                             f
Keterangan:
i/4.n = letak Qi
Tb   = Tepi bawah interval kelas Qi ( Tb = batas bawah - 0,5)
p      = Panjang kelas interval
n      = Banyak data
F      = Frekuensi kumulatif sebelum kelas Qi
f       = Frekuensi pada kelas Qi 
Contoh:
Kuartil Data berkelompok
Hitunglah kuartil Dari data pada tabel dibawah ini !

Tabel Nilai Praktikum Komputer

Mahasiswa
Teknik Komputer
Nilai f F
51 – 55 4 4
56 – 60 20 24
61 – 65 24 48<Q1>
66 – 70 56 104
71 – 75 19 123
76 – 80 16 139
81 – 85 10 149
86 – 90 7 156
91 – 95 3 159
96 – 100 1 160
160

Letak Q1 = ¼. n

             = ¼.160

             = 40

Data ke-40 berada pada kelas 61-65

(Tb = 61 – 0,5 = 60,5)

Jadi :

Q1 = Tb + p { (1/4.n –F)}

f
      = 60,5+ 5 { (1/4.160 – 24 )}

                                24

      = 60,5 + 5 {0,67}

      = 60,5 + 3,35 = 63,85

Nilai f F
51 – 55 4 4
56 – 60 20 24
61 – 65 24 48
66 – 70 56 104<Q2>
71 – 75 19 123
76 – 80 16 139
81 – 85 10 149
86 – 90 7 156
91 – 95 3 159
96 – 100 1 160
160

Letak Q2 = 2 /4. n
             = 2/4 .160
             = 80
Data ke-80 berada pada kelas 66-70
(Tb = 66 – 0,5 = 65,5)
Jadi :
Q2 = Tb + p { (2/4.n –F)}
f
      = 65,5+ 5 { (2/4.160 – 48 )}
                                 56
      = 65,5 + 5 {0,57}
      = 65,5 + 2,85 = 68,35

Nilai f F

51 – 55 4 4
56 – 60 20 24
61 – 65 24 48
 66 – 70 56 104
71 – 75 19 123<Q3>
76 – 80 16 139
81 – 85 10 149
86 – 90 7 156
91 – 95 3 159
96 – 100 1 160
160
Letak Q3 = 3 4 .
/ n
             = 3/4160
             = 120
Data ke-120 berada pada kelas 71-75
(Tb = 71 – 0,5 = 70,5)
Jadi :
Q3 = Tb + p { (3/4.n –F)}
                             f
      = 70,5+ 5 { (3/4.160 – 104 )}
                                 19
      = 70,5 + 5 {0,84}
      = 70,5 + 4,2 = 74,7

c) Desil

Jika sekumpulan data dibagi menjadi 10 bagian yang sama, maka didapat
sembilan pembagi dan tiap pembagi dinamakan desil. Karenanya ada sembilan buah
desil, ialah desil pertama, desil kedua, …, desil kesembilan, yang disingkat D1, D2, …,
D9. Desil-desil ini dapat ditentukan dengan jalan:
o Susun data menurut urutan nilainya.
o Tentukan letak desil.
o Tentukan nilai desil.
Letak desil ke i, diberi lambing Di

Desil Data Tunggal

Contoh Desil data tunggal:

Tentukan D1, D3 dan D7 dari data : 3, 4, 4, 5, 5, 6, 6, 6, 6, 7, 8, 8, 8, 9(n=14)!

Jawab :

Di = i ( n + 1 )

            10

D1 = 1(14+1)

            10

       = 15

10

       = 1,5

Data ke 1,5 berada diantara angka 3 dan 4 jadi :

3+4 = 3,5
2
D3 = 3(14+1)
10
       =  45
10
       = 4,5

Data ke 4,5 berada diantara angka 5 dan 5 jadi :

5+5 = 5
2

D7 = 7(14+1)
10
       = 105
 10
       = 10,5

Desil Data Kelompok

Untuk data berkelompok yang telah disusun dalam tabel distribusi frekuensi, desil ke i
Di (i = 1, 2, …, 9) dihitung dengan rumus:
dengan
 i = 1, 2, …, 9.
Tb = batas bawah kelas Di , ialah kelas interval dimana Di  akan terletak.
p = panjang kelas Di.
F = jumlah frekuenasi dengan tanda kelas lebih kecil dari tanda kelas Di.
f = frekuensi kelas Di.

Contoh Desil pada data berkelompok :

Hitunglah D5 dan D9 dari data pada tabel berikut ini :

Tabel Nilai Praktikum Komputer

Mahasiswa
Teknik Komputer
Nilai f F
51 – 55 4 4
56 – 60 20 24
61 – 65 24 48
66 – 70 56 104<D5>
71 – 75 19 123
76 – 80 16 139
81 – 85 10 149
86 – 90 7 156
91 – 95 3 159
96 – 100 1 160
160

Jawab :
Di  = Tb + p { ( i/10.n )-F }
                            f
Letak D5 = 5/10 . n
              = 5/10.160
             = 80
Data ke-80 berada pada kelas 66-70
(Tb = 66 – 0,5 = 65,5)
Jadi :
D5 = Tb + p { (5/10.n –F)}
                            f
      = 65,5+ 5 { (5/10.160 – 48 )}
                                 56
      = 65,5 + 5 {0,57}
      = 65,5 + 2,85 = 68,35

d) Persentil

Sekumpulan data yang dibagi menjadi 100 bagian yang sama, akan menghasilkan 99
pembagi berturut-turut yang dinamakan persentil pertama, persentil kedua, …, persentil
ke-99. Simbol yang digunakan berturut-turut P1, P2, …, P99. Persentil ini dapat
ditentukan dengan jalan:

o Susun data menurut urutan nilainya.

o Tentukan letak desil

o Tentukan nilai desil.

Letak desil ke i, diberi lambing P

Persentil Data Tunggal

1 ( n+1 )
Rumus Persensil ke-i = x ( )
100

Contoh Persentil Data Tunggal :

Diketahui data sebagai berikut : 3, 4, 4, 5, 5, 6, 6, 6, 6, 7, 8, 8, 8, 9(n=14).

hitung P90!
Jawab :

Pi = i ( n + 1 )
100
P90 = 90 (14+1)
100
       = 1350
100
       = 13,5

Data ke 13,5 berada diantara angka 8dan 9 jadi :

8+9 = 8,5
2
Persentil Data Kelompok

Untuk data berkelompok yang telah disusun dalam tabel distribusi frekuensi, persentil ke
i Pi (i = 1, 2, …, 99) dihitung dengan rumus:

dengan
 i = 1, 2, …, 99.
Tb = batas bawah kelas Pi , ialah kelas interval dimana Pi  akan terletak.
p = panjang kelas Pi.
F = jumlah frekuenasi dengan tanda kelas lebih kecil dari tanda kelas Pi.
f = frekuensi kelas Pi.

Contoh Persentil Pada Data Berkelompok :

Tabel Nilai Praktikum Komputer Mahasiswa
Teknik Komputer Hitung P10 dari data di
Nilai f F bawah ini !

51 – 55 4 4
56 – 60 20 24<P10>
61 – 65 24 48
66 – 70 56 104
71 – 75 19 123
76 – 80 16 139
81 – 85 10 149
86 – 90 7 156
91 – 95 3 159
96 – 100 1 160
160
 Jawab :

 Pi  = Tb + p { ( i/100.n )-F }

                               f

Letak P10 = 10/100 . n

                = 10/100.160
                = 16
Data ke-16 berada pada kelas 56-60
(Tb = 56 – 0,5 = 55,5)
Jadi :
P10 = Tb + p { (10/100.n –F)}
                                f
         = 55,5+ 5 { (10/100.160 – 4 )}
                                   20
         = 55,5 + 5 {0,6}
         = 55,5 + 3 = 58,5

e) Simpangan Kuartil/Deviasi Kuartil

Simpangan kuartil dihitung dengan cara menghapus nilai-nilai yang terletak di bawah
kuartil pertama dan nilai-nilai di atas kuartil ketiga, sehingga nilai-nilai ekstrem, baik
yang berada di bawah ataupun di atas distribusi data, dihilangkan.
 D = (K3-K1)/2
Simpangan kuartil lebih stabil dibandingkan dengan Range karena tidak dipengaruhi oleh
nilai ekstrem. Nilai-nilai ekstrim sudah dihapus. Meskipun demikian, sama seperti Range,
simpangan kuartil juga tetap tidak memperhatikan dan memperhitungkan penyimpangan
semua gugus datanya. Simpangan kuartil hanya memperhitungkan nilai pada kuartil
pertama dan kuartil ketiga saja.

f) Jumlah dan Interval Kelompok

 Menentukan banyaknya kelompok

m=1+3,3 log n
m: banyaknya kelompok/kelas
 Menentukan Interval Kelompok

i= R/ m

R = Xmaks – Xmin

i: interval kelompok/kelas

g) Varians
Varians adalah salah satu ukuran dispersi atau ukuran variasi.  Varians dapat
menggambarkan bagaimana berpencarnya suatu data kuantitatif.  Varians diberi simbol 
σ2 (baca: sigma kuadrat) untuk populasi dan untuk s2 sampel. 
Rumus kerja untuk varians adalah sebagai berikut:

Dimana:
σ2 = rata-rata populasi
N = total jumlah populasi
 Adapun varians untuk sample dapat dicari dengan rumus yang sama namun
mengurangkan N dengan 1 sebagai berikut:

Dimana :
s = rata-rata sampel
n = jumlah sampel yang digunakan

h) Standar Deviasi/Simpangan Baku

Standar deviasi disebut juga simpangan baku.  Seperti halnya varians, standar deviasi
juga merupakan suatu ukuran dispersi atau variasi.  Standar deviasi merupakan ukuran
dispersi yang paling banyak dipakai.  Hal ini mungkin karena standar deviasi mempunyai
satuan ukuran yang sama dengan satuan ukuran data asalnya.  Misalnya, bila satuan data
asalnya adalah cm, maka satuan standar deviasinya juga cm.  Sebaliknya, varians
memiliki satuan kuadrat dari data asalnya (misalnya cm2).  Simbol standar deviasi untuk
populasi adalah σ (baca: sigma) dan untuk sampel adalah s.
Rumus untuk menghitung standar deviasi adalah sebagai berikut:

Atau

i) Koefisien Variasi
Koefisien Variasi merupakan ukuran yang bebas satuan dan selalu dinyatakan dalam
bentuk persentase. Nilai KK yang kecil menunjukkan bahwa data tidak terlalu beragam
dan di katakan lebih konsisten. KK tidak dapat diandalkan apabila nilai rata-rata hampir
sama dengan 0 (nol). KK juga tidak stabil apabila skala pengukuran data yang digunakan
bukan skala rasio.

Persamaannya: KV =( SD/ X )x100%

SD: Standard Deviasi