MAKALAH STATISTIK EKONOMI KELOMPOK 4

UKURAN PENYEBARAN

DISUSUN OLEH :

1. Aisyah Azzahra (01031382126144) 6. Neva Zhafira (01031382126164)

2. Callista Dea Athallah (01031382126148) 7. Rizka Fatya Azilya (01031382126155)

3. Fildzah Amelia P. (01031382126136) 8. Siti Najwa A. M (01031382126161)

4. Nabilah Maharani (01031382126154) 9. Zalfa Adilah Putri (01031382126185)

5. Nadia Isra Kusuma (01031382126149)

Dosen Pengampu : Dr. Shelly Febriana Kartasari, SE.M.Si.Ak.CSRA

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.

Palembang, 11 Februari 2022

Penulis

i
 DAFTAR ISI

HALAMAN JUDUL .......................................................................................... I

KATAPENGANTAR.......................................................................................... i

DAFTAR ISI.......................................................................................................... ii

BAB I PENDAHULUAN

1.1 Latar Belakangan ........................................................................... 1

1.2 Rumusan Masalah ......................................................................... 2

1.3 Tujuan............................................................................................ 2

BAB II PEMBAHASAN

2.1 Ukuran Penyebaran untuk Data yang Tidak Dikelompokkan.......... 3-11

2.2.Ukuran Penyebaran untuk Data yang Dikelompokkan...... ............... 12-15
2.3.Ukuran Penyebaran Relatif .............................................................. 16-19
2.4. Makna dan Kegunaan Standar Deviasi............................................. 20-22
2.5. Ukuran Penyebaran Lainnya.............................................................. 23-26
2.6. Ukuran Kecondongan (Skewness)...................................................... 27-28
2.7. Ukuran Keruncingan (Kurtosis)......................................................... 29-31

BAB III PENUTUP

3.1.Kesimpulan ....................................................................................... 32
3.2.Saran .................................................................................................. 32

DAFTAR PUSTAKA…………………………………………………………… 33

ii
 BAB I

PENDAHULUAN

1.1. Latar Belakang

Statistika dapat didefinisikan sebagai suatu ilmu pengetahuan yang berhubungan

dengan cara-cara mengumpulkan fakta atau data, pengolahan data, kemudian
menganalisis data tersebut sehingga dapat diperoleh suatu kesimpulan atau keputusan.
Penggunaan istilah statitika berakar dari istilah - istilah dalam bahasa latin “modern
statisticum collegiums (“dewan negara”) dan bahasa Italian statista (“negarawan” atau
“politikus”).
Statistik berasal dari bahasa Latin yang artinya adalah “status” atau negara. Pada
mulanya statistika berhubungan dengan fakta dan angka yang dikumpulkan oleh
pemerintah untuk bermacam-macam tujuan. Statistik juga diturunkan dari kata bahasa
Inggris yaitu state atau pemerintah. Pengertian yang sangat sederhana tentang statistic
adalah sebagai suatu kumpulan data yang berbentuk angka dan tersusun rapi dalam suatu
tabel, grafik, gambar, dan lain-lain. Pengertian yang lebih luas mengenai statistik adalah
merupakan kumpulan dari teknik mengumpulkan, analisis, dan interpretasi data dalam
bentuk angka. Satatistik juga merupakan bilangan yang menunjukkan sifat-sifat
(karakteristik) data yang dikumpulkan.
Pada abad ke 19 dan awal abad ke 20 statistika mulai banyak menggunakan bidang-
bidang dalam matematika, terutama peluang. Penggunaan statistika pada masa sekarang
sudah ada pada semua bidang ilmu pengetahuan, mulai dari astronomi hingga
linguistika. Kegunaan statistika dalam ekonomi dapat ditemui pada bidang produksi,
akuntansi, dan pemasaran.

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) ?

1.3 Tujuan Penulisan

1. Mengetahui penjelasan tentang Ukuran Penyebaran untuk Data yang Tidak
Dikelompokkan.
2. Mengetahut penjelasan tentang Ukuran Penyebaran untuk Data yang Dikelompokkan.
3. Mengetahui penjelasan tentang Ukuran Penyebaran Relatif.
4. Mengerti Makna dan Kegunaan Standar Deviasi.
5. Mengetahui pembagian Ukuran Penyebaran lainnya.
6. Mengetahui penjelasan tentang Ukuran Kecondongan (Skewness).
7. Mengetahui penjelasan tentang Ukuran Keruncingan (Kurtosis).

2
 BAB II

PEMBAHASAN

2.1. Ukuran Penyebaran untuk Data yang Tidak Dikelompokkan

 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.

𝐽𝑎𝑟𝑎𝑘 (𝑟𝑎𝑛𝑔𝑒) = 𝑁𝑖𝑙𝑎𝑖 𝑡𝑒𝑟𝑏𝑒𝑠𝑎𝑟 – 𝑁𝑖𝑙𝑎𝑖 𝑡𝑒𝑟𝑘𝑒𝑐𝑖𝑙

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 :

Urutkan dahulu kemudian dihitung berapa rentangannya.

Kelas A : 50 70 70 70 75 80 80 90 90 100
Kelas B : 60 60 70 75 75 80 80 85 95
Rentangan kelas A : 100 – 50 = 50
Rentangan kelas B : 95 – 60 = 35

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 :

a. Penjumlahan dari data X berupa pertumbuhan ekonomi negara maju mendapatkan

nilai 17,81. Apabila nilai tersebut dibagi dengan n = 11, maka didapat 1,62
sebagai nilai hitung rata rata.
b. Langkah kedua mengurangkan setiap data dengan nilai hitung rata rata. Misalkan
tahun 2002, 1,74-1,62=0,12, dan seterusnya sampai tahun 2012 : 1,25-1,62=-0,37
c. Langkah ketiga membuat harga mutlak, nilai negative menjadi positif seperti
tahun 2008, |-1,55| = 1,55
d. Langkah keempat menjumlahkan nilai harga mutlak dari 0,12 tahun 2002 sampai
0,37 tahun 2012, dan nilai penjumlahan ini | X-¯X | = 14,01. Untuk
mendapatkan deviasi rata-rata, nilai penjumlahan dibagi dengan jumlah data,
| X-¯X |/n =14,01/11 =1,27

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.

 Varians dan Standar Deviasi

Varians dan standar deviasi adalah sebuah ukuran penyebaran yang menunjukkan standar
penyimpangan atau deviasi data terhadap nilai rata ratanya. Varians adalah rata rata
hitung deviasi kuadrat setiap data terhadap rata rata hitungnya
.
Varians dapat dibedakan menjadi varians populasi dan varians sample. Varians populasi
adalah deviasi kuadrat dari setiap data terhadap rata rata hitung semua data dalam
populasi. Sedangkan varians sampel adalah deviasi kuadrat dari setiap data rata rata
hitung terhadap semua data dalam sampel, dimana sampel merupakan bagian dari
populasi.

 Rumus varian atau ragam data tunggal untuk populasi

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 Indonesia dapat diperoleh sebagaimana cara diatas.

 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

 Standar Deviasi Sampel

Untuk standart deviasi sampel merupakan akar kuadrat dari varian sampel,
sehingga didapatkan rumus:

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:

Kelas Interval Jumlah Frekuensi

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:

𝑅𝑎𝑛𝑔𝑒 = 𝑏𝑎𝑡𝑎𝑠 𝑘𝑒𝑙𝑎𝑠 𝑡𝑒𝑟𝑡𝑖𝑛𝑔𝑔𝑖 – 𝑏𝑎𝑡𝑎𝑠 𝑘𝑒𝑙𝑎𝑠 𝑡𝑒𝑟𝑒𝑛𝑑𝑎ℎ

= 36.853 – 3.850

= 33.003

 Deviasi Rata-rata
Deviasi rata-rata berekelompok dirumuskan sebgai berikut:

12
Keterangan:

MD : Deviasi rata-rata (mean deviation)

f : Jumlah frekuensi setiap kelas

X : Nilai setiap data pengamatan

𝑋̅ : Nilai rata-rata hitung dari seluruh nilai pengamatan

n : Jumlah data atau pengamatan dalam sampel

 : Lambang penjumlahan

| | : Lambang nilai mutlak

 𝑓. 𝑋 + 261.818 𝑑𝑎𝑛 𝑓. │𝑋 − 𝑋 ̅│ = 154. 463,4

a. 𝑋 ̅ = (𝑓𝑖. 𝑋𝑖) / 𝑛 = 261.818/ 20 = 13.090,90

b. 𝑀𝐷 + (𝑓. │𝑋 − 𝑋 ̅│) /𝑛 = 154.463,4/ 20 = 7.723,17

13
  Varians dan Standar deviasi Data Berkelompok

Dirumuskan sebagai berikut :

Keterangan:

s2 : Varians sampel

f : Jumlah frekuensi setiap kelas

X : Nilai setiap data dalam sampel

𝑋̅ : Nilai rata-rata hitung dalam sempel

n : Jumlah total data dalam sampel

 : Simbol operasi penjumlahan

Sedang untuk standar deviasi data berekelompok (𝑠) dirumuskan sebagai berikut:

14
Contoh.

Proses langkah penyelesaian disajikan pada tabel berikut:

𝑓. (𝑋 − 𝑋 ̅)2= 1.647.066.997,8

Diketahui nilai rata-rata hitung data (𝑋̅) dari contoh = 13.090,90

a. Varians dari sampel

1.647.066.997,8 1.647.066.997,8
= = = 86.687.736,73
20−1 19

b. Standar deviasi dari sampel

= √𝑆2 = √86.687.736,73 = 9.310,60

15
2.3. Ukuran Penyebaran Relatif

Ukuran penyebaran relatif (Measures of Relative Dispersion) adalah mengubah nilai

ukuran penyebaran dari berbagai satuan menjadi ukuran relative atau persen. Karena kita
tidak dapat membandingkan dua ukuran penyebaran dengan satuan yang berbeda.
Kemudian karena adanya kebutuhan untuk memberikan arti yang lebih jelas terhadap
perbedaan antara nilai penyebaran yang terbebas dari nilai satuannya. Penggunaan ukuran
relative akan memberikan manfaat pada kondisi:

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.

Bahasan ukuran penyebaran relatif:

 Koefisien Range adalah pengukuran penyebaran dengan menggunakan range

secara relatif.
𝐿𝑎−𝐿𝑏
Rumus : 𝐾𝑅 = 𝐿𝑎+𝐿𝑏 × 100%

KR = Koef. Range dalam %

La = Batas atas data atau kelas tertinggi
Lb = Batas bawah data atau kelas terendah

Contoh: Hitunglah koefisien range dari pertumbuhan ekonomi Indonesia dan

perkembangan harga saham di BEI.
(Data perkembangan harga saham)
Kelas ke- Interval Jumlah Frekuensi (F)
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

16
La = 36.853 (Harga saham tertinggi)
Lb = 3.850 (Harga saham terendah)

36.853 − 3.850 33.003

𝐾𝑅 = ( ) × 100% = ( ) × 100% = 81%
36.853 + 3.850 40.703

(Data pertumbuhan ekonomi Indonesia)

La = 6,49 (pertumbuhan tertinggi)

Lb = 4,5 (pertumbuhan terendah)

6,49 − 4,5 1,99

𝐾𝑅 = ( ) × 100% = ( ) × 100% = 18%
6,49 + 4,5 10,99

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.

 Koefisien Deviasi Rata-Rata

Koefisien deviasi rata-rata adalah ukuran penyebaran dengan menggunakan deviasi
rata-rata relatif terhadap nilai rata-ratanya, atau persentase dari deviasi rata-rata
terhadap nilai rata-ratanya.

𝑀𝐷
Rumus : 𝐾𝑀𝐷 = × 100%
𝑥̅

KMD = Koefisien deviasi rata-rata dalam %

MD = Deviasi rata-rata
𝑥̅ = Nilai rata-rata data

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

Koefisien standar deviasi adalah ukuran penyebaran yang menggunakan standar

deviasi relatif terhadap nilai rata-rata yang dinyatakan sebagai persentase.
𝑠
Rumus : 𝐾𝑆𝐷 = 𝑥̅ × 100%

KSD = koefisien standar deviasi dalam %

s = Standar deviasi
𝑥̅ = Nilai rata-rata data

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 digunakan untuk membandingkan penyebaran atau penyimpangan dua

kelompok data atau lebih. Apabila standar deviasinya kecil, maka hal tersebut menunjukkan
nilai sampel dan populasi berkumpul atau mengelompok di sekitar nilai rata-rata hitungnya.
Sebaliknya, apabila nilai deviasinya besar, maka penyebarannya dari nilai tengah juga besar.
Hal tersebut menunjukkan adanya nilai-nilai ekstrem baik yang tinggi maupun rendah.
Standar deviasi yang besar juga menunjukkan adanya perbedaan jauh di antara anggota
populasi, misalnya ada yang berpendapatan tinggi sekali dan rendah sekali, harga saham dan
inflasi suatu saat tinggi dan suatu saat rendah dan sebagainya. Oleh sebab itu, standar deviasi
yang tinggi biasanya dipandang kurang baik, bila dibandingkan dengan standar deviasi
rendah.

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:

a) 68% perusahaan berada pada kisaran harga saham berapa?

b) 95% perusahaan berada pada kisaran harga saham berapa?
c) untuk semua perusahaan, berapa kisaran harga sahamnya?

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 %

b. b. 95% perusahaan, berada pada kisaran 𝑋̅ ± 2s

= 0,003714 + 2.0,03173 = 0,00252 + 0,06347 = 0,05975 𝑎𝑡𝑎𝑢 5,975%
= 0,003714 − 2.0,03173 = 0,00252 − 0,06347 = −0,06718 𝑎𝑡𝑎𝑢 − 6,718%

Jadi, kisaran harga saham untuk 95% perusahaan adalah -6,718% -5,975%

c. Semua perusahaan, berada pada kisaran ̅𝑋 ± 3s

= 0,003714 + 3.0,03173 0,00252 + 0,09520 = 0,09149 𝑎𝑡𝑎𝑢 9,15%
= 0,003714 − 3.0,03173 = 0,00252 − 0,09520 = −0,09892 𝑎𝑡𝑎𝑢 − 9,89%

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 .

Jarak Inter-Kuartil = Kuartil ketiga – 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

Jadi kita melihat bahwa kisaran interkuartil adalah 8 - 3,5 = 4,5.

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:

a. Untuk data yang belum dikelompokan

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

- K3 terletak pada data yang ke-8 1/4

- Nilai K3 = data ke-8 + 1/4 (data ke-9 - data ke-8)
= 75 + 1/4 (80 - 75) = 76,25
- Nilai dk = 1/2 (76,25 - 52,5) = 11,875

b. Untuk data yang sudah dikelompokkan

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:

Diminta: Tentukan nilai deviasi kuartilnya!

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

P90 : Persentil ke-90

P10 : Persentil ke-10

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 :

Jarak persentil perbankan = P90 – P10 = 7.920 – 94 = 7.826

Jarak persentil perumahan = P90 – P10 = 5.620 – 84,8.

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:

Pada kurva simetris 𝜇 = 𝑋̅ = 𝑀𝑑 = 𝑀𝑜 sehingga berbentuk simetris. Pada gambar ke-

2. terlihat bahwa, 𝜇 = 𝑋̅ > 𝑀𝑑 > 𝑀𝑜 sehingga kurva condong ke kiri, kurva demikian disebut
dengan condong positif. Kurva condong positif ini disebabkan karena adanya data yang sangat
besar sehingga nilai rata-rata hitungnya meningkat. Sebaliknya pada gambar ke-3, kurva
condong ke kanan karena 𝜇 = 𝑋̅ < 𝑀𝑑 < 𝑀𝑜 Kurva demikian disebut kurva condong ke
kanan atau condong negatif. Hal ini disebabkan adanya data yang ekstrem kecil, sehingga
memurunkan nilai hitung rata-ratanya.

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

𝜇 : Nilai rata-rata hitung

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.

Untuk mengetahui keruncingan kurva, dapat digunakan rumus koefisien keruncingan

yang dikenal dengan Koefisien Kurtosis (∝4 ). Apabila ∝4 = 3 maka kurva mesokurtik, ∝4 > 3
berarti kurva leptokurtik, ∝4 < 3 maka kurva platikurtik.

Koefisien kurtosis (∝4 ) untuk data yang tidak dikelompokkan adalah:

1/𝑛 ∑(𝑥 − 𝜇)4

∝4 =
𝛼4

Keterangan:

𝛼4 : Koefisien kurtosis

n : Jumlah data

X : Nilai data

𝜇 : Nilai rata-rata hitung data

𝜎 : Standar deviasi

29
Untuk data yang dikelompokkan dirumuskan sebagai berikut:

1/𝑛 ∑ 𝑓(𝑥 − 𝜇)4

∝4 =
𝛼4

Keterangan:

𝛼4 : Koefisien kurtosis

n : Jumlah data

f : Jumlah frekuensi kelas

X : Nilai data

𝜇 : Nilai rata-rata hitung 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 = 50,10; 𝜇 = ∑ 𝑋 /𝑛 = 50,10/10 = 5,01; ∑(𝑋 − 𝜇)2 = 54,88; ∑(𝑋 − 𝜇)4 = 518,60

Dari data diatas ∑(𝑋 − 𝜇)4 = 518,60

√∑(𝑋−𝜇)2 √54,88
Standar Deviasi 𝜎= = = √5,49 = 2,34
𝑛 10

1/𝑛 ∑(𝑥−𝜇)4 1/10.518,60 51,86

Koefisien Kurtosis ∝4 = = = = 1,72
𝛼4 30,12 30,12

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