Pertemuan 4

Ukuran Variasi Data

Apa yang Anda bayangkan ketika membaca judul berita di atas? Dengan
cepat fikiran kita pasti tertuju pada sekelompok orang dengan penghasilan
sangat tinggi sehingga berkewajiban membayar pajak yang besar pula. Nah
sekelompok orang dengan penghasilan sangat tinggi ini tentu memiliki
pendapatan yang jumlahnya bisa ratusan kali atau bahkan ribuan kali dari
orang kebanyakan. Jika kita ingin menghitung agregat jumlah pajak yang
dibayar oleh rakyat Indonesia, secara otomatis pembayar-pembayar pajak
yang sangat besar akan mengangkat naik nilai rupiah rata-rata pajak yang
Ukuran Variasi Data 43
dibayarkan. Apabila jumlah pajak yang mereka bayarkan dipisahkan dengan
jumlah pajak yang dibayarkan oleh masyarakat dengan pendapatan biasa,
maka secara otomatis pula nilai rupiah rata-rata pajak yang dibayarkan akan
turun kembali.

Dari ilustrasi di atas, kita dapat menyimpulkan bahwa data-data yang besar
akan menaikkan nilai rata-rata. Sebaliknya, nilai-nilai yang rendah akan
menurunkan nilai rata-rata.

3.1. Rentang Data (Range)

Pada sebuah data, kita tentu saja dapat melihat data yang bernilai paling
kecil dan data yang bernilai paling besar. Misalnya gaji pegawai kantor pajak
golongan terendah adalah Rp5.700.000,00 dan tertinggi adalah
Rp30,000.000,00. Diantara kedua nilai tersebut tentu terdapat nilai-nilai lain
yang lebih besar dari nilai terkecil dan lebih rendah dari nilai tertinggi.
Dalam statistik, selisih nilai tertinggi dengan nilai terendah disebut sebagai
range. Hal ini berlaku baik pada data berkelompok maupun data tidak
berkelompok.

Contoh data tidak Berkelompok

30 60 80 90 95 110

Range = Nilai Tertinggi − Nilai terendah

Range = 110−30  Range = 80

44 Ukuran Variasi Data

Data Berkelompok

USIA JUMLAH

20-24 12

25-29 22

30-34 28

35-39 11

Range pada data di atas adalah 39 – 20 = 19

Pada data berkelompok, nilai terendah adalah batas bawah kelas terendah
dan nilai tertinggi adalah batas atas nilai tertinggi. Range sebagai ukuran
variasi data memiliki beberapa kelemahan, yaitu sebagai berikut.

1. Hanya merupakan selisih nilai tertinggi dengan nilai terendah,

sehingga tidak bisa menjadi ukuran variasi yang baik apabila terdapat
nilai-nilai ekstrim, baik di bawah maupun di atas.

2. Nilai Range sangat dipengaruhi nilai ekstrim. Artinya, apabila selisih

nilai tertinggi dengan terendah terlalu besar, nilai range ikut menjadi
besar.

3. Sangat tergantung pada jumlah sampel.

4. Tidak applicable untuk distribusi frekuensi dengan kelas terbuka.

Ukuran Variasi Data 45

 3.2. Range Interkuartil

Range interkuartil adalah cara lain yang dapat digunakan untuk mengatasi
ketidakefektifan range sebagai ukuran variasi data. Untuk mendapatkan nilai
range interkuartil, terlebih dahulu kita harus membagi data 4 bagian.

25% 25%

Nilai Nilai
Terendah Q1 Q2 Q3 Tertinggi

Nilai range interkuartil = Q3 − Q1. Setengah dari nilai range interkuatil

disebut deviasi kuartil yang bisa didapat dari membagi dua nilai range
interkuartil.

𝑄3−𝑄1
Deviasi kuartil =
2

Jarak dari Q1 ke Q2 dan dari Q2 ke Q3 menentukan apakah data bersifat

simetris atau tidak. Deviasi kuartil bisa dilihat juga dari sini. Jika deviasi
kuartil = median maka data bersifat simetris, artinya (Q3-Q2) = (Q2-Q1).
Apabila nilainya berbeda, maka data menjadi tidak simetris.

Deviasi kuartil mengukur range rata-rata sebesar 25% data dari sekelompok
data.

46 Ukuran Variasi Data

Semakin besar nilai deviasi quartil, semakin besar variasi 50% data yang
diobservasi. Sementara, semakin kecil deviasi kuartil, semakin tinggi
kesamaan data (kurang variasi).

Contoh: Tentukanlah nilai range, range interkuartil dan deviasi kuartil dari
data berikut!

Pajak Pendapatan Wajib Frekuensi

(Dalam Jutaan Rupiah Pajak Komulatif

5−9 20 20

10 − 14 27 47

15 − 19 34 81

20 − 24 24 105

25 − 29 19 124

ⅈ(n⁄4) − cf
Q1 = L + xh
f

Untuk menentukan kelas yang memuat nilai Q1 maka banyak data harus

dibagi 4, atau n/4. Maka didapat 124/4 = 31. Nilai tersebut berada pada
interval ( 10 – 14 ). Batas bawah atau L nya adalah 10.

1(124/4) − 20
Q1 = 10 + 𝑥5
27

Ukuran Variasi Data 47

 1(124/4) − 20
Q1 = 10 + 𝑥5
27

Q1 = 12,03

Untuk menentukan kelas yang memuat nilai Q3, maka banyak data harus
dikalikan 3 dan kemudian dibagi 4, atau 3(n/4). Maka didapat 3 (124/4 =
93. Nilai tersebut berada pada interval ( 20 – 24 ). Batas bawahnya adalah
20. Maka nilai Q3 adalah sebagai berikut.

3(124⁄4) − 81
Q3 = 20 + 𝑥5
24

Q3 = 22,5

Range interkuartil = Q3 - Q1

Range interkuartil = 22,5 -12,3

Range interkuartil = 10,47

Deviasi kuartil dapat dicari sebagai berikut

𝑄3−𝑄1
Deviasi kuartil =
2

22,5−10,47
Deviasi kuartil =
2

Deviasi kuartil = 5,235

48 Ukuran Variasi Data

Dengan cara yang sama, carilah nilai range, range interkuartil dan deviasi
kuartil pada data-data di bawah ini!

1. Data keterlambatan pelaporan SPT Pajak oleh wajib pajak di KCP

Duren Sawit dalam hitungan hari

Lama Keterlambatan
NO Frekuensi
Pelaporan Pajak

1 1−5 50
2 6 − 10 59
3 11 −15 70
4 16 − 20 89
5 21 − 25 75
6 26 − 30 60

2. Data besarnya jumlah kelebihan bayar (dalam Jutaan) pada wajib pajak
Badan di KCP Cempaka Putih

No Kelebihan Bayar Frekuensi

1 10 − 14 10
2 15 − 19 14
3 20 − 24 22
4 25 − 29 30
5 30 − 34 21
6 35 − 39 11

Ukuran Variasi Data 49

3. Deviasi Rata-Rata (Mean Deviation) dan Varians

Pada sub bab di atas, kita sudah dapat menarik kesimpulan bahwa range
dan range interkuartil secara terbatas hanya bisa melihat lebar distribusi,
yang ditandai dengan jarak dari data terkecil ke data terbesar, serta
pengukuran atas 50 persen data. Akan tetapi, sebagai ukuran persebaran
data, mereka tidak bisa menunjukkan bagaimana persebaran data di sekitar
rata-rata. Oleh sebab itu, perlu dicari ukuran yang mengukur tingkat variasi
nilai di dalam sekelompok data yang berdeviasi dari rata-ratanya.

Deviasi bisa juga disebut simpangan. Misalnya, kelas A terdiri dari 35 orang
mahasiswa. Rata-rata nilai mata kuliah Pengantar Perpajakan di Kelas A
adalah 75. Salah seorang mahasiswa kelas A bernama Rani, mendapatkan
nilai 73 maka dapat dikatakan bahwa nilai Rani menyimpang dua poin di
bawah rata-rata. Sementara, jika ada mahasiswa lain yang bernama Fitri
bernilai 78, maka dapat dikatakan bahwa nilainya menyimpang 3 poin di
atas rata-rata. Jumlah simpangan dari nilai Rani, Fitri dan 33 orang teman-
temannya yang lain terhadap nilai rata-rata, apabila dibagi dengan banyak
mahasiswa yang ada di kelas A, yaitu 35 orang, kita sebut sebagai deviasi
rata-rata.

Contoh KCP Duren Sawit memiliki data 7 perusahaan yang konsisten

memberikan laporan pajak tepat waktu. Usia kesepuluh perusahaan tersebut
adalah sebagai berikut

5 9 11 11 14 16 18

Jika kita jumlahkan usia ketujuh perusahaan, maka kita dapatkan umur total
perusahaan adalah 84 yang apabila kita bagi 7 adalah 12. Maka cara
menentukan deviasi rata-rata dapat dilakukan sebagai berikut.

50 Ukuran Variasi Data

 5 – 12 -7
9 – 12 -3
11 – 12 -1
11 – 12 -1
14 – 12 2
16 – 12 4
18 – 12 6
0

Adanya tanda negatif menyebabkan penjumlahan selisih nilai akan selalu

menjadi nol, sehingga tidak dapat dibagi dengan banyak data untuk
mendapatkan deviasi rata-rata. Cara untuk mendapatkan nilainya adalah
dengan mengkuadratkan selisih nilai tersebut, baru kemudian dibagi dengan
banyak data. Dalam statistik, kuadrat jumlah selisih nilai yang dibagi dengan
banyak data menghasilkan satuan lain yang disebut varians. Dengan
demikian penggunaan cara ini akan membantu kita untuk tidak hanya
mendapatkan standar deviasi, tetapi juga mendapatkan nilai varians dari
data.

Rumus varians adalah sebagai berikut.

2
∑(𝑋 − 𝑥̅ )2
𝑆 =
𝑛−1
S2 = Varians

X = Nilai

𝑥̅ = Rata-rata

n = Banyak data
Ukuran Variasi Data 51
Penggunaan (n-1) sebagai pembagi jumlah selisih data dengan rata-rata
merupakan metode matematika untuk mengakuratkan hasil perhitungan
nilai standar deviasi. Pada data-data yang kurang dari 100 atau sampel kecil,
hal ini lazim digunakan, Sedangkan pada data besar (populasi) pengurangan
n dengan 1 tidak perlu dilakukan karena tidak akan terlalu mempengaruhi
perhitungan nilai standar deviasi.

Pada data berkelompok, yang menggantikan nilai X adalah nilai tengah dari
setiap interval data. Rumusnya menjadi sebagai berikut.

2
∑(𝑀 − 𝑥 ) 2
𝑆 =
𝑁

M = nilai tengah interval

Sedangkan deviasi rata-rata didapat dengan mengakarkan varians

∑(𝑀𝑖 − 𝑥̅ )2
𝜎 = √
𝑁

𝜎 = standar deviasi

Untuk data berkelompok dan jumlah data kurang dari 100 rumus standar
deviasinya adalah sebagai berikut

∑ 𝑓(𝑀 − 𝑥̅ )2
𝑆=√
𝑛−1

M = Nilai tengah interval

52 Ukuran Variasi Data
Mari kembali ke tabel sebelumnya, dimana data adalah data
tidak berkelompok dan kurang dari 100.

5 -12 (7) 49
9 – 12 (-3)2 9
11 – 12 (-1)2 1
11 – 12 (-1)2 1
14 – 12 (2)2 4
16 – 12 (4)2 16
18 -12 (6)2 36
116

Varians adalah:

2
∑(𝑥 − 𝑥̅ )2
𝑆 =
𝑛−1
116
𝑆2 =
7−1

116
𝑆2 =
6
2
S = 19,3

Sedangkan standar deviasinya adalah 19,3 = 4,3

Perhatikan contoh perhitungan standar deviasi dan varians pada data

berkelompok di bawah ini. Tabel berikut adalah data jumlah tunggakan
pajak (dalam jutaan rupiah) wajib Pajak Badan dalam tahun 2018.

Ukuran Variasi Data 53

 Jumlah
No Tunggakan Pajak
Perusahaan
1 10 − 14 5
2 15 − 19 7
3 20 − 24 9
4 25 −29 7
5 30 −34 2

Berdasarkan tabel di atas, maka varians dan standar deviasi dapat dicari
dengan tabel pembantu berikut ini

Tunggakan
Jumlah F(M-X)2
No Pajak M fXM
Perusahaan
(Juta) M-𝑥̅ (M-𝑥̅ )2
405
1 10 – 14 5 12
60 -9 81
112
2 15- 19 7 17
119 -4 16
9
3 20-24 9 22
198 1 1
252
4 25-29 7 27
189 6 36
242
5 30-34 2 32
64 11 121
1020
630

(𝑓 x M)
Rata-rata adalah  = 630/30 = 21
𝑁

Artinya rata-rata tunggakan pajak perusahaan tersebut adalah 21 juta rupiah.

54 Ukuran Variasi Data

Varians data kita cari sebagai berikut.

2
∑ 𝑓(𝑀 − 𝑥̅ )2
𝑆 =
n−1

∑ (1020)
𝑆2 =
30 − 1

S2 = 35,17

Standar deviasi = varians

Standar deviasi =  35,17 =

Standar deviasi = 5,93

4. Manfaat Standar Deviasi dan Varians

Manfaat utama dari standar deviasi dan varians adalah untuk dapat melihat
variasi data. Semakin besar varians dan standar deviasi mengindikasikan
data yang besar variasinya. Besarnya variasi adalah indikasi bahwa banyak
nilai yang berjarak cukup jauh dari rata-rata. Sedangkan data yang nilai
varians dan standar deviasinya kecil menunjukkan bahwa data cenderung
homogen atau jarak tiap data dengan rata-rata tidak terlalu berjauhan.

Seorang ahli statistika Rusia bernama Chebyshev memperkenalkan teori

sebagai berikut: Pada sekelompok data observasi baik populasi maupun
sampel nilai proporsi yang terletak di dalam k standar deviasi dari nilai rata-
ratanya paling tidak sebesar 1- 1/k2. dimana k adalah nilai konstan yang
lebih besar dari 1. Misalnya k = 2 maka paling tidak sebesar 1-1/4 = ¾
data atau 75% nilai dari sekelompok data terletak dalam rentang 𝜇 ± 2. 𝞼 ⋅
Jika k sama dengan 4 maka nilai sekelompok data akan terletak dalam range
1- 1/16 = 15/16 atau 93,75% akan terletak dalam range 𝜇 ± 4𝞼

Ukuran Variasi Data 55

 adalah rata-rata dan  adalah standar deviasi .

Apabila dipindahkan dalam bentuk grafis, teori Chebyshev bisa dilihat

sebagai berikut.

𝞼𝑘 𝞼𝑘

2
1 – 1/k

𝜇
=X
Teori Chebysev dapat diaplikasikan dalam semua jenis distribusi frekuensi.
Jika kita mempunyai bentuk distribusi yang simetri, kita dapat menjelaskan
secara rinci tentang variasi atau persebaran data terhadap rata-ratanya.
Aturan empiriknya adalah sebagai berikut.

1. Sekitar 68% observasi akan terletak di dalam plus minus satu standar
deviasi dari rata-rata (𝜇 ± 1𝜎)

2. Sekitar 95% observasi akan terletak di dalam plus minus dua standar
deviasi dari rata-rata (𝜇 ± 2𝜎)

3. Sekitar 99.7% akan terletak di dalam plus minus tiga standar deviasi
dari rata-rata (𝜇 ± 3𝜎)

56 Ukuran Variasi Data

 LATIHAN BAB 3
A. Jawablah pertanyaan-pertanyaan berikut!

1. Apakah yang dimaksud dengan range?

2. Apakah kelemahan penggunaan range sebagai pengukuran pusat

data. Jelaskan!

3. Apakah yang dimaksud dengan range interkuartil?

4. Apa informasi yang bisa kita dapatkan jika kita mencari nilai range
interkuartil. Jelaskan!

5. Apakah pengertian standar deviasi dan varians. Jelaskan!

1. Selesaikanlah soal-soal berikut ini!

Penjualan Sales (Jutaan/Minggu) JUMLAH

5− 9 5

10 − 14 7

15 − 19 9

20 − 24 8

25 − 29 4

1. Tentukanlah range dan range interkuartil dari data pada tabel di atas!

Ukuran Variasi Data 57

2. Perhatikan data berikut

No Tunggakan Pajak Jumlah Perusahaan

1 10 − 14 10

2 15 − 19 12

3 20 − 24 13

4 25 − 29 9

5 30 − 34 5

Hitunglah varians dan standar deviasinya!

58 Ukuran Variasi Data