UKURAN PENYEBARAN
DISUSUN OLEH :
NIP : 198102192002122001
FAKULTAS EKONOMI
UNIVERSITAS SRIWIJAYA
TAHUN 2022
KATA PENGANTAR
Dengan menyebut nama Allah SWT yang Maha Pengasih lagi Maha Panyayang,
Kami panjatkan puja dan puji syukur atas kehadirat-Nya, yang telah melimpahkan rahmat,
hidayah, dan inayah-Nya kepada kami, sehingga kami dapat menyelesaikan makalah statistik
ekonomi tentang Ukuran Penyebaran.
Makalah ini telah kami susun dengan maksimal dan bersungguh-sungguh sehingga
pembuatan makalah ini dapat berjalan lancar. Maka kami menyampaikan terima kasih
kepada semua pihak yang telah berpartisipasi dalam pembuatan makalah ini.
Terlepas dari semua itu, Kami menyadari sepenuhnya bahwa masih ada kekurangan
pada makalah ini. Oleh karena itu dengan segala kekurangan dalam makalah ini kami
menerima segala saran dan kritik dari pembaca agar sekiranya dapat menjadi pelajaran untuk
kami.
Demikian kami berharap semoga makalah tentang Ukuran Penyebaran ini dapat
memberikan manfaat maupun inpirasi terhadap pembaca.
Penulis
i
DAFTAR ISI
KATAPENGANTAR.......................................................................................... i
DAFTAR ISI.......................................................................................................... ii
BAB I PENDAHULUAN
1.3 Tujuan............................................................................................ 2
BAB II PEMBAHASAN
3.1.Kesimpulan ....................................................................................... 32
3.2.Saran .................................................................................................. 32
DAFTAR PUSTAKA…………………………………………………………… 33
ii
BAB I
PENDAHULUAN
1
1.2. Rumusan Masalah
1. Bagaimana analisis tentang Ukuran Penyebaran untuk Data yang Tidak
Dikelompokkan ?
2. Bagaimana analisis tentang Ukuran Penyebaran untuk Data yang Dikelompokkan ?
3. Bagaimana analisis tentang Ukuran Penyebaran Relatif ?
4. Bagaimana Makna dan Kegunaan Standar Deviasi ?
5. Bagaimana pembagian Ukuran Penyebaran lainnya ?
6. Bagaimana penjelasan tentang Ukuran Kecondongan (Skewness) ?
7. Bagaimana penjelasan tentang Ukuran Keruncingan (Kurtosis) ?
2
BAB II
PEMBAHASAN
Jarak (range)
Jarak atau kisaran nilai (range) merupakan ukuran yang paling sederhana dari ukuran
penyebaran. Jarak merupakan perbedaan antara nilai terbesar dan terkecil dalam suatu
kelompok data baik data populasi atau sampel. Semakin kecil ukuran jarak menunjukkan
karakter yang lebih baik, karena berarti data mendekati nilai pusat dan kompak.
Contoh :
Data nilai UAS Statistika
Kelas A : 90 80 70 90 70 100 80 50 75 70
Kelas B : 80 80 75 95 75 70 95 60 85 60
Langkah-langkah menjawab :
3
Deviasi Rata-Rata
Deviasi rata-rata mengukur besarnya variasi atau selisih dari setiap nilai dalam populasi
atau sampel dari rata-rata hitungannya. Deviasi rata-rata didefinisikan sebagai berikut :
Deviasi rata-rata dalah rata-rata hitung dari nilai mutlak deviasi antara nilai data
pengamatan dengan rata-rata hitungannya.
Di mana:
MD=Deviasi rata-rata
X=Nilai setiap data pengamatan
¯X =Nilai rata-rata hitung dari seluruh nilai pengamatan
N=Jumlah data atau pengamatan dalam sampel/ populast
=Lambang penjumlahan
Ll=Lambang nilai mutlak
Contoh :
Hitunglah deviasi rata-rata untuk negara maju
4
Penyelesaian :
a) Langkah pertama adalah menghitung nilai rata rata hitung dari pertumbuhan
ekonomi negara maju dan Indonesia.
b) Langkah kedua mengurangkan setiap data dengan nilai rata rata
c) Langkah ketiga membuat harga mutlak setiap deviasi pada Langkah kedua
d) Langkah keempat menjumlahkan nilia mutlak dari deviasi dan membaginya
dengan jumlah data.Hasil deviasi rata rata negara maju adalah sebagai berikut :
5
Jadi nilai deviasi rata rata pertumbuhan ekonomi negara maju adalah 1,27.
Untuk menghitung deviasi rata rata Indonesia maka dapat dilakukan cara yang sama
seperti sebelumnya.
6
.
Rumus varian atau ragam data tunggal untuk sampel
Keterangan:
σ2 = varians atau ragam untuk populasi
S2 = varians atau ragam untuk sampel
fi = Frekuensi
xi = Titik tengah
x¯ = Rata-rata (mean) sampel dan μ = rata-rata populasi
n = Jumlah data
Contoh :
Hitung variant dari pertumbuhan ekonomi Negara maju dan Indonesia.
a) Langkah pertama, mencari nilai rata-rata hitung populasi μ=∑X/N, nilai diperoleh
dengan menjumlahkan seluruh X dari populasi dan membagi dengan N. Nilai
μ=2,6 diperoleh dari membagi 20,8 dengan N=8.
7
b) Langkah kedua, mengurangkan setiap nilai X dengan μ, dan hasilnya tetap dalam
nilai absolute, tidak dimutlakan.
c) Langkah ketiga, mengkuadratkan nilai X- μ, sehingga didapat nilai positif semua.
d) Langkah keempat, menjumlahkan nilai ∑(X-μ)2, sehingga didapatkan nilai 1,94.
Untuk mendapatkan nilai variant, maka nilai 1,94 dibagi dengan N dimana N=8,
sehingga diperoleh nilai variant 0,24.
Varians Sample
Sampel merupakan bagian dari populasi, namun apabila jumlah anggota didalam
populasi kurang atau sama dengan 30, diusahakan semuanya menjadi bagian yang
dikaji. Apabila jumlah anggota dalam populasi > 30, maka langkah pengambilan
sampel dapat dilakukan, sehingga jumlah data tidak terlalu besar.
8
Keterangan:
S2: varian sampel
x : nilai setiap data/pengamatan dalam sampel
x : nilai rata-rata hitung dalam sampel
n : jumla total data/pengamatan dalam sampel
∑ : simbol operasi penjumlahan
Contoh :
Hitunglah varian sampel dan standart deviasi pertumbuhan ekonomi negara maju dan Indonesia
dari tahun 1994-2001 dengan sampel untuk data tahun yang ganjil saja.
9
Data semula berjumlah 8 data dianggap sebagai populasi, dan untuk sampel diambil 4 data saja,
dengan mengambil data tahun ganjil. Anda boleh mengambil data tahun genap atau anda pilih
secara acak.
10
11
2.2. Ukuran Penyebaran untuk Data yang Dikelompokkan
Jarak (Range)
Range adalah selisih antara batas dari kelas tertinggi dengan batas bawah dari
kelas terendah.
Contoh:
1 3.850-10.450 13
2 10.451-17.051 1
3 17.052-23.652 3
4 23.653-30.253 1
5 30.254-36.853 2
Penyelesaian:
= 36.853 – 3.850
= 33.003
Deviasi Rata-rata
Deviasi rata-rata berekelompok dirumuskan sebgai berikut:
12
Keterangan:
: Lambang penjumlahan
13
Varians dan Standar deviasi Data Berkelompok
Keterangan:
s2 : Varians sampel
Sedang untuk standar deviasi data berekelompok (𝑠) dirumuskan sebagai berikut:
14
Contoh.
1.647.066.997,8 1.647.066.997,8
= = = 86.687.736,73
20−1 19
15
2.3. Ukuran Penyebaran Relatif
a) Data mempunyai satuan pengukuran yang berbeda, contohnya ukuran % dan rupiah.
b) Data mempunyai satuan ukuran yang sama, namun mempunyai rata-rata hitung yang
sangat berbeda. Contohnya sama-sama mempunyai harga dalam rupiah, tetapi harga rata-
rata kelompok sayuran tentunya sangat berbeda dengan harga rata-rata kelompok mobil.
16
La = 36.853 (Harga saham tertinggi)
Lb = 3.850 (Harga saham terendah)
Dari hasil di atas terlihat bahwa KR untuk pertumbuhan ekonomi Indonesia 18%,
sedangkan KR harga saham 81%. Dengan demikian dapat disimpulkan bahwa
penyebaran deviasi dari pertumbuhan ekonomi jauh lebih besar dari harga saham.
𝑀𝐷
Rumus : 𝐾𝑀𝐷 = × 100%
𝑥̅
17
Contoh: Hitunglah koefisien deviasi rata-rata dari pertumbuhan ekonomi antara negara
maju dan Indonesia.
Negara maju :
MD = 1,27 𝑥̅ = 1,62
1,27
𝐾𝑀𝐷 = ( ) × 100% = 0,78%
1,62
Indonesia :
MD = 0,63 𝑥̅ = 5,58
0,63
𝐾𝑀𝐷 = ( ) × 100% = 0.11%
5,58
Jadi, KMD Indonesia 0,11% dan lebih besar dari negara maju 0,78%. Berarti penyebaran
pertumbuhan ekonomi Indonesia > negara maju.
18
Koefisien standar deviasi
Contoh: hitunglah koefisien standar deviasi untuk pertumbuhan ekonomi negara maju dan
Indonesia dengan menggunakan data sampel tahun ganjil.
Negara maju :
s = 2,61 𝑥̅ = 1,124
𝑠 2,61
𝐾𝑆𝐷 = 𝑥̅ × 100% = 1,124 × 100 = 2,32%
Indonesia :
s = 0,86 𝑥̅ = 5,588
𝑠 0,86
𝐾𝑆𝐷 = 𝑥̅ × 100% = 5,588 × 100 = 0,15%
Koefisien standar deviasi untuk Indonesia 0,15%, sedang negara maju 2,32 %, Penyebaran
pertumbuhan ekonomi negara maju sebesar 15 kali dibandingkan Indonesia. Hal tersebut
disebabkan oleh kenyataan bahwa pada tahun 2008 terjadi krisis ekonomi global yang melanda
Amerika Serikat (AS), merembet ke Eropa dan negara-negara lain. Dampak dari krisis ekonomi
global sangat dirasakan oleh negara-negara maju hingga tahun 2013, sementara dampak kriris
global tersebut terhadap Indonesia tidak separah yang dialami oleh negara maju.
19
2.4. Makna dan Kegunaan Standar Deviasi
Standar deviasi adalah pengukuran statistik dalam keuangan yang ketika diterapkan pada
tingkat pengembalian tahunan investasi, menyoroti volatilitas historis investasi tersebut.
Semakin besar standar deviasi sekuritas, semakin besar varians antara setiap harga dan
rata-rata, yang menunjukkan kisaran harga yang lebih besar.
Terkait dengan sebaran deviasi dari data, ahli matematika Rusia, PL. Chebyshev (1821 1894)
dalam Lind, Marchal and Mason (2002) mengembangkan teorema yang memudahkan untuk
menentukan proporsi minimal dari nilai-nilai yang terletak dalam standar deviasi tertentu dari
rata-rata hitungnya. Teorema Chebyshev menyatakan bahwa:
Teorema Chebyshev untuk suatu kelompok data dari sampel atau populasi, minimal proporsi
nilai-nilai yang terletak dalam k standar deviasi dari rata-rata hitungnya adalah sekurang-
kurangnya 1 − 1/𝑘 2 , di mana k merupakan konstanta yang nilainya lebih dari 1, diperoleh
hasil bahwa 75% atau 3% data akan berada pada kisaran 𝑋̅ ± 2s, 89,9% data akan berada
pada kisaran 𝑋̅ ± 3s, dan 96% data akan berada pada kisaran 𝑋̅ ± 5s.
Teorema Chebyshev berlaku untuk semua bentuk distribusi frekuensi. Namun demikian,
apabila kurva berbentuk kurva normal yaitu kurva yang berbentuk simetris (kurva kalau
dilipat menjadi dua bagian akan sama), maka akan lebih akurat apabila menggunakan hukum
empiris atau hukum normal.
20
Hukum empiris untuk distribusi simetris, dengan distribusi frekuensi berbentuk lonceng
diperkirakan 68% data berada di dalam rata-rata hitung ditambah satu kali standar deviasi,
(𝑋̅± 1s); 95% data akan berada pada kisaran rata-rata hitung ditambah dua kali standar
deviasi. (𝑋̅± 2s); dan semua data atau 99,7% akan berada pada kisaran rata-rata hitung
ditambah tiga kali standar deviasi, (𝑋̅± 35).
Grafik hukum empiris disajikan dalam bentuk diagram poligon sebagai berikut:
Contoh Soal:
Pada 11 November 2013, BEI merekam sebanyak 252 transaksi saham harian. Jika perubahan
Contoh: menghim hukion empiris harga saat closing dan opening (persen terhadap harga
opening) ke 252 saham tersebut dibuat dengan menggu frekuensi distribusi, maka pola frekuensi
distribusinya akan mendekati normal, dengan rata-rata -0,3714% (atau 0,003714) dan standar
deviasi 3,17% (atau 0,00317). Dengan menggunakan hukum empiris, hitung:
d)
21
Penyelesaian:
a. 68% perusahaan, berada pada kisaran 𝑋̅ ± 1s
= 0,003714 + 1.0,03173 = 0,003714 + 0,03173
= 0,02802 𝑎𝑡𝑎𝑢 2,80% = 0,003714 − 1.0,03173
= 0,003714 − 0,03173 = −0,03545 𝑎𝑡𝑎𝑢 − 3,55%
Jadi, kisaran harga saham untuk 68% perusahaan adalah -3,55% -2,80 %
Jadi, kisaran harga saham untuk 95% perusahaan adalah -6,718% -5,975%
Jadi, kisaran harga saham untuk semua perusahaan adalah -9,89% -9,15%.
22
2.5. Ukuran Penyebaran Lainnya
Range Inter-Kuartil
Range inter-kuartil adalah selisih antara kuartil ketiga dengan kuartil pertama .
(K3 – K1)
Seperti yang terlihat di atas, rentang interkuartil dibangun di atas perhitungan statistik lainnya.
Sebelum menentukan range interkuartil, terlebih dahulu kita perlu mengetahui nilai-nilai kuartil
pertama dan kuartil ketiga. (Tentu saja, kuartil pertama dan ketiga bergantung pada nilai
median). Setelah kita menentukan nilai kuartil pertama dan ketiga, rentang interkuartil sangat
mudah dihitung. Yang harus kita lakukan adalah mengurangi kuartil ketiga dari kuartil pertama.
Contoh :Untuk melihat contoh penghitungan jarak interkuartil, kita akan mempertimbangkan
kumpulan data: 2, 3, 3, 4, 5, 6, 6, 7, 8, 8, 8, 9. Ringkasan lima angka untuk ini kumpulan data
adalah:
Minimal 2
Kuartil pertama 3,5
Median 6
Kuartil ketiga dari 8
Maksimal 9
23
Deviasi Kuartil
Tingkat penyimpangan data dapat pula diukur berdasarkan pengukuran jarak kuartilnya. Deviasi
kuartil ini sangat penting artinya manakala data yang akan dianalisis terkelompok ke dalam
daftar distribusi frekuensi yang bersifat terbuka, baik terbuka di atas, terbuka di bawah, maupun
terbuka keduanya.
Untuk data dalam kelompok semacam ini, jika diminta menentukan tingkat penyimpangannya
(deviasi), maka nilai penyimpangan tersebut yang digunakan adalah nilai deviasi kuartilnya.
Deviasi kuartil dirumuskan sebagai persamaan berikut ini:
𝑲𝟑 − 𝑲𝟏
DK =
𝟐
Dimana :
DK : Deviasi Kuartil
K3 : Kuartil ke-3
K1 : Kuartil ke-1
Sebagai ilustrasi untuk menghitung pengukuran deviasi kuartil, dicontohkan sebagai berikut:
Jika diketahui kumpulan data mengenai nilai suatu mata pelajaran dari sejumlah siswa seperti
berikut: 70, 65, 55, 45, 80, 85, 40, 60, 60, dan 75, maka berapakah nilai deviasi kuartilnya?
Jawab:
- Tentukan terlebih dahulu nilai kuartil 1 (K1) dan kuartil 3 (K3), dengan cara seperti berikut.
- Urutkan data di atas dari data terkecil sampai data terbesar, sehingga urutan data tersebut
menjadi:
24
40, 45, 55, 60, 60, 65, 70, 75, 80, dan 85.
- Letak K1 = (1 (n+1))/4 = ((10+1))/4 = 2 3/4
- K1 terletak pada data ke-2 3/4
- Nilai K1 = data ke-2 + 3/4 (data ke-3 - data ke-2)
= 45 + 3/4 (55 - 45) = 52,5
- Letak K3 = (3 (n+1))/4 = (3 (10+1))/4 = 8 ¼
Untuk data yang sudah dikelompokkan ke dalam daftar distribusi frekuensi, apabila data
mengenai pendapatan masyarakat di wilayah X tersebut yang diamatinya ada sebanyak 90
orang dan hasil observasinya kemudian disusun ke dalam daftar distribusi frekuensi, maka
akan terlihat seperti berikut:
25
Jawab:
Jarak Persentil
Jarak persentil adalah sekumpulan data yang mempunyai persentil ke – 10 dan persentil ke
90, dengan rumus sebagai berikut :
JP = P90 – P10
JP : Jarak Persentil
Contoh soal :
Hitunglah jarak persentil dari sector perbankan serta property dan real estat, apabila diketahui
untuk sector perbankan P10 = 94 dan P90 = 7.920, sedangkan untuk sector property dan real
estat P10 = 84,8 dan P90 = 5.620
Jawab :
26
2.6. Ukuran Kecondongan (Skewness)
Kecondongan kurva dapat terjadi sebagai akibat dari 𝑋̅ ≠ 𝑀𝑑 ≠ 𝑀𝑜. Ada dua bentuk
kecondongan positif dan negatif, sebagaimana gambar berikut:
Pearson dalam Lind, Marchal and Mason (2002) mengembangkan suatu ukuran yang
menjelaskan derajat kecondongan yang dikenal dengan koefisien kecondongan (Coefficant of
Skess) yang dirumuskan sebagai berikut:
Keterangan:
Sk : Koefisien kecondongan
Mo : Nilai modus
Md : Nilai median
𝜎 : Standar deviasi
27
Nilai Sk akan berkisar dari -3 sampai +3, apabila nilai Sk negatif menunjukkan kurva
condong negative. Sebaliknya, jika Sk positif, maka kurva juga condong positif. Apabila Sk
nilainya sama dengan 0 (nol) maka kurvanya simetris. Kurva dengan nilai Sk semakin mendekati
nol, akan semakin mendekati kurva berbentuk normal.
Contoh soal:
Dengan menggunakan data harga 53 jenis mobil Daihatsu 2013 (lihat Sub-Bab 2.5), dapat
diketahui mediannya = 158,11. Modus 157,9, rata-rata = 155.9, dan standar deviasinya 20,9.
Hitunglah koefisien kecondongannya!
Penyelesaian:
𝜇 − 𝑀𝑂 155,9 − 157,9
𝑆𝑘 = = = −0,096, atau
𝜎 20,9
3(𝜇 − 𝑀𝑑 3(155,9 − 158,11)
𝑆𝑘 = = = −0,035
𝜎 20,9
Dari kedua nilai Sk tersebut terlihat bahwa keduanya adalah negatif jadi kurva condong negatif
(ke kanan). Hal ini disebabkan adanya nilai yang sangat kecil, sehingga menurunkan nilai rata-
rata hitungnya. Angka -0,096 dan -0,035 menunjukkan kedekatan dengan nilai 0, sehingga kurva
tersebut, kecondongannya tidak terlalu besar, atau mendekati kurva normal.
28
2.7. Ukuran Keruncingan (Kurtosis)
Ukuran keruncingan ada yang menyebut kepuncakan atau ketinggian kurva. Keruncingan
dalam bahasa statistik disebut dengan kurtosis. Untuk mengukur keruncingan dari suatu kurva
dapat dilakukan melalui perbandingan dengan kurva normal (simetris). Kurva normal yaitu
mempunyai distribusi yang tidak mendatar dan tidak meruncing. Kurva demikian disebut dengan
mesokurtik. Kurva dengan distribusi puncak yang mendatar dikenal dengan platikurtik, sedang
kurva distribusi puncak yang tinggi dikenal sebagai leptokurtik.
Keterangan:
𝛼4 : Koefisien kurtosis
n : Jumlah data
X : Nilai data
𝜎 : Standar deviasi
29
Untuk data yang dikelompokkan dirumuskan sebagai berikut:
Keterangan:
𝛼4 : Koefisien kurtosis
n : Jumlah data
X : Nilai data
𝜎 : Standar deviasi
Contoh soal:
Berikut ini adalah pertumbuhan ekonomi beberapa negara Asia tahun 2012. Hitunglah koefisien
keruncingan!
Negara 2012
1. Cina 7,80
2. Hong Kong 1,50
3. Indonesia 6,23
4. Kamboja 7,26
5. Korea Selatan 2,04
6. Malaysia 5,61
7. Filipina 6,81
8. Singapura 1,32
9. Thailand 6,49
10. Vietnam 5,03
30
Penyelesaian:
X (𝑿 − 𝝁) (𝑿 − 𝝁)𝟐 (𝑿 − 𝝁)𝟒
7,80 2,79 7,78 60,58
1,50 -3,51 12,31 151,56
6,23 1,22 1,49 2,32
7,26 2,25 5,07 25,68
2,04 -2,97 8,80 77,40
5,61 1,80 3,26 10,60
6,81 -3,69 13,62 185,64
1,32 1,48 2,19 4,80
6,49 0,02 0,00 0,00
5,03 2,79 7,78 60,58
√∑(𝑋−𝜇)2 √54,88
Standar Deviasi 𝜎= = = √5,49 = 2,34
𝑛 10
Jadi, nilai ∝4 = 1,72 dan lebih besar dari 3, maka kurvanya termasuk mesokurtik.
31
BAB III
PENUTUP
3.1 Simpulan
Ukuran penyebaran data yang telah dihitung adalah range, standar deviasi
(simpangan baku). Rentang data menunjukkan selisih antara nilai terbesar dengan
nilai terkecil dalam suatu himpunan data. Simpangan baku adalah jumlah mutlak
selisih setiap nilai pengamatan terhadap nilai rata-rata dibagi dengan banyaknya
pengamatan kurtosis merupakan ukuran untuk menentukan bentukbentuk
distribusi yang biasanya dibandingkan dengan kurva distribusi normal. Ukuran
penyebaran dapat digunakan untuk menentukan apakah nilai rata-ratanya benar-
benar representatif atau tidak. Apabila suatu kelompok data mempunyai
penyebaran yang tidak sama terhadap nilai rata-ratanya, maka dikatakan bahwa
nilai rata-rata tersebut tidak representatif.
3.2 Saran
Dalam kehidupan penggunaan aplikasi microsoft Excel dan aplikasi statistik
komputer memberikan manfaat yang besar yaitu waktu dapat menjadi lebih
efisien ketika melakukan pengolahan data mentah menjadi data berkelompok yang
nantinya menjadi informasi bagi organisasi tersebut dalam menentukan keputusan
yang tepat untuk masa yang akan datang. Sebaliknya, jika sebuah organisasi
perusahaan maupun pendidikan masih menerapkan penghitungan manual dalam
pengolahan data statistik, maka waktu yang ada menjadi kurang efisien dan
pengerjaan dalam mengolah data menjadi kurang efektif. Dan juga bila
dibandingkan hasil dari pengolahan data secara manual dengan hasil pengolahan
data secara otomatis yaitu dengan aplikasi komputer maka akan memperoleh hasil
yang berbeda dari keduanya. Tingkat keakuratan pengolahan data secara otomatis
lebih mendekati kebenaran daripada pengolahan data secara manual.
32
DAFTAR PUSTAKA
Suharyadi, Purwanto. 2017. Statistika Untuk Ekonomi dan Keuangan Modern, Edisi 3. Jakarta:
Salemba 4.
https://www.greelane.com/id/sains-teknologi-matematika/matematika/what-is-the-interquartile-
range-3126245/ , https://www.situsekonomi.com/2019/08/pengukuran-deviasi-
kuartil.html ,
33