MAKALAH STATISTIKA PENDIDIKAN

PENGUKURAN GEJALA TERPUSAT DAN VARIABILITAS

Oleh:

Anak Agung Istri Brahmani Prita Dewi (1913031022)

PROGRAM STUDI PENDIDIKAN KIMIA

JURUSAN KIMIA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS PENDIDIKAN GANESHA
 DAFTAR ISI

HALAMAN SAMPUL

PRAKAT

DAFTAR ISI

BAB I PENDAHULUAN

1.1 Latar Belakang

1.2 Rumusan Masalah

1.3 Tujuan

1.4 Manfaat

BAB II PEMBAHASAN

2.1 Aturan Sumasi

2.2 Aturan Tendensi Sentral

2.2.1 Mean

2.2.2 Median

2.2.3 Modus

2.3 Ukuran Deviasi

2.3.1 Rentangan

2.3.2 Penyebaran H dan Rentangan Semi-Interkuartil

2.3.2 Ukuran Deviasi

BAB III PENUTUP

3.1 Simpulan

3.2 Saran

REFERENSI
 PRAKATA

Puji syukur penulis panjatkan ke hadirat Tuhan Yang Maha Esa karena atas berkat dan
rahmat-Nya makalah yang berjudul “Pengukuran Gejala Terpusat dan Variabilitas” ini dapat
diselesaikan tepat pada waktunya.

Dalam penyusunan makalah ini, penulis merasa bahwa banyak hambatan yang
dihadapi. Namun, berkat bimbingan dan dukungan dari berbagai pihak, hambatan-hambatan
tersebut dapat penulis atasi sedikit demi sedikit. Untuk itu, penulis mengucapkan terima
kasih kepada :
1. Prof. Dr. I Wayan Redhana, M.Si selaku dosen pengampu mata kuliah statistika
pendidikan.
2. Teman-teman mahasiswa prodi pendidikan kimia yang memberikan dukungan
penuh dalam pembuatan makalah.
Di samping itu, penulis menyadari bahwa makalah ini masih jauh dari sebuah
kesempurnaan. Oleh sebab itu, penulis mohon maaf apabila ada kesalahan-kesalahan di
dalam penulisan makalah ini. Demikian pula halnya penulis juga mengharapkan kritik dan
saran yang bersifat konstruktif demi penyempurnaan makalah ini untuk selanjutnya dapat
menjadi lebih baik dan mempunyai potensi untuk dikembangkan.
Dengan rampungnya makalah ini, maka seluruh isi makalah ini sepenuhnya menjadi
tangung jawab penulis dan seberapapun sederhananya makalah ini, penulis harapkan
mempunyai manfaat bagi semua pihak yang membaca makalah ini.

Singaraja, 5 September 2021

Penulis
 BAB I

PENDAHULUAN

1.1 Latar Belakang

Statistika merupakan ilmu yang mempelajari tentang cabang ilmu matematika terapan
yang berisi teori dan metoda mengenai bagaimana cara mengumpulkan, mengukur,
mengklasifikasi, menghitung, menjelaskan, menyintesis, menganalisis, dan menafsirkan data
yang diperoleh secara sistematis. Terdapat salah satu penerapan ilmu statistika, yaitu
pengukuran gejala terpusat dan variabilitas. Ukuran gejala terpusat atau tendensi sentral
(central tendency) karena nilai atau harga ukuran gejala pusat mampu memberi gambaran
tentang posisi atau letak pusat data atau nilai-nilai pengamatan, baik dalam bentuk data
terserak, maupun yang sudah dikelompokkan dalam bentuk tabel distribusi frekuensi. Data
yang disajikan dengan ukuran-ukuran gejala pusat lebih mudah dibaca dibandingkan dengan
data yang masih dalam keadaan terserak. Posisi atau letak pusat data yang ada dapat dilihat
dari besarnya harga rata-rata atau mean, modus, median, kuartil, desil, dan persentil.
Sedangkan variabilitas merupakan derajat penyebaran nilai-nilai variabel dari tendensi
sentralnya dalam suatu distribusi yang menunjukkan seberapa banyak nilai-nilai variabel itu
berbeda dari tendensi sentralnya, atau seberapa jauh nilai-nilai varibel itu menyimpang dari
tendensi sentralnya terutama pada mean atau rata-rata. Pengukuran variabilitas akan
memberikan gambaran variasi, jangkauan, serta heterogenitas-homogenitas dari pengukuran
suatu kelompok data.

1.2 Rumusan Masalah

1. Bagaimana penerapan dan penyajian terkait aturan sumasi?
2. Bagaimana penerapan dan penyajian terkait ukuran tendensi sentral?
3. Bagaimana penerapan dan penyajian terkait ukuran dispersi?
1.3 Tujuan
1. Mengetahui dan menjelaskan penerapan dan penyajian terkait aturan sumasi.
2. Mengetahui dan menjelaskan penerapan dan penyajian terkait ukuran tendensi sentral.
3. Mengetahui dan menjelaskan penerapan dan penyajian terkait ukuran dispersi.
1.4 Manfaat
1. Manfaat Praktis

Berdasarkan teori yang sudah ada, dapat dijadikan sumber acuan dalam menambah
wawasan. Selain itu, dapat menjadi dasar atau panduan dalam memahami tentang
pengukuran gejala terpusat dan variabilitas.

2. Manfaat Teoritis

Dalam makalah ini diharapkan dapat memberikan manfaat melalui penjabaran atau
penjelasan tentang memahami pengukuran gejala terpusat dan variabilitas. Melalui
kajian ini diharapkan pembaca serta penulis dapat memahami pembahasan tentang
pengukuran gejala terpusat dan variabilitas secara baik.
 BAB II

PEMBAHASAN

2.1 Aturan Sumasi

Aturan sumasi merupakan penerapan dari aljabar sumasi yang mana hukum
komputasi dalam statistika dan teori pengukuran yang mengikuti tata cara aritmatika
yang mencakup aturan-aturan penjumlahan (+) dan perkalian(x), namun penyajiannya
dimudahkan oleh penggunaan simbol-simbol operasi aljabar.
 Aturan 1

Jika xi = k, suatu nilai konstan (yaitu nilai yang tidak berubah dengan i), maka:

n n

∑ x i=¿ ∑ k =k + k +…+ k=nk ¿

i=1 i=1

∑ x i=nk
i=1

 Aturan 2

Jika k suatu konstanta, maka:

∑ k x i=k xi + k x 2 +…+ k x n
i=1

n
= k (x1 + x2 +….+ xn) = k ∑ x i
i=1

n n

∑ k x i=¿ k ∑ x i
i=1 i=1

 Aturan 3
n

∑ (x i+ y i)=( x1 + y 1 ) +( x 2 + y 2 ) +…(x n + y n )
i=1

= ( x 1 + y 2 ) +… x n + ( y 1+ y 2 +…+ y n )

n n
= ∑ x i + ∑ yi
i=1 i=1

n n n

∑ (x i+ y i) = ∑ x i + ∑ yi
i=1 i=1 i=1
 2.2 Ukuran Tendensi Sentral
2.2.1 Mean

Terdapat berbagai jenis rata-rata atau mean, yaitu rata-rata hitung, rata-rata ukur, rata-rata
harmonis, dan rata-rata tertimbang.

 Rata-rata hitung (arithmatic mean)

a. Rata-rata data terserak
Jika memperoleh data dari kegiatan sensus, maka harga rata-rata yang ada
merupakan rata-rata populasi dan diberi simbol , apabila memperoleh data
dari penelitian berupa sampling, maka datanya merupakan data statistik
sampel. Maka dari itu, jika rata-ratanya dicari maka rata-rata tersebut
meupakan rata-rata sampel atau rata-rata contoh, dan diberi simbol Y bar.
Rumus rata-rata populasi () adalah sebagai berikut.

μ=
Y 1+Y 2+Y 3 + …+Y n
=
∑ Yi
N N
Keterangan:
Yi = data atau nilai pengamatan untuk i = 1,2,3,…N
N = banyaknya data atau nilai pengamatan (ukuran populasi)

Y =
Y 1+Y 2+Y 3 + …+Y n
=
∑ Yi
N N

Contoh: Terdapat 30 peserta didik kelas X MIPA 1 di SMA X sudah melalui

atau melakukan kegiatan ulangan harian kimia, dengan nilai sebagai berikut:

78 89 87 69 69 60 62 72 72 72 60 97 66 66 66 78 81 78 88 68 82 84 91 82 98
89 96 82 83 86

Berapakah rata-rata nilai kelas tersebut?

Jawab:

=
78+89+87+ 69+69+60+62+72+72+72+60+97 +66+66+ 66+78+81+78+88+ 68+82+84 +91+82+98+ 89
30

= 78,3666666667 atau 78,37

 b. Rata-rata hitung data yang dikelompokkan
Rumus rata-rata hasil sensus untuk data yang sudah dikelompokkan ke dalam
kelompok adalah sebagai berikut:
f 1 Y +f
1 2Y 2 +¿f 3 Y 3+… f

= kY
k
¿
f 1+f 2+ f 3+fk

Keterangan:

Yi = nilai tengah kelas ke-I untuk i=1,2,3,..k

fi = frekuensi kelas ke-i, dan fi + f2+ f3+….+fk = n

Y=
f 1 Y +f
1 2Y 2 + ¿f 3 Y 3+… f ∑ f iY
¿=
kY
k
i

f 1+f 2+ f 3+fk
∑ fi
 Rata-rata kuadrat
a. Rata-rata hitung data yang terserak

√
N

𝑥̅ = ∑ Xn
i=1
N
Keterangan:
fn = frekuensi
Xn = data

Contoh soal:
Apabila terdapat 6 orang peserta didik yang mengikuti ulangan harian susulan
dengan nilai masing-masing 80, 70, 90, 80, 85, 70. Berapakah rata-rata
kuadratnya?
Jawab:

√
N

∑ Xn
√ √
𝑥̅ = i=1 80+70+ 90+80+ 85+70 475 8,89757 atau 8,9
= = =¿
N 6 6
b. Rata-rata hitung data yang dikelompokkan
Rumus rata-rata kuadrat untuk data yang dikelompokkan, sebagai berikut:
 √
n

∑ FM 2
𝑥̅ = i=1
n

∑N
i=1

Keterangan:
F = frekuensi
M = titik tengah
Contoh soal:
Diketahui nilai ujian akhir semester kelas X MIPA 1 dan MIPA 2 di SMA X
yang diikuti oleh 65 orang peserta didik, sebagai berikut:
Kelas Interval Kelas Frekuensi
1 25-34 6
2 35-44 8
3 45-54 11
4 55-64 14
5 65-74 12
6 75-84 8
7 85-94 6
Jumlah 65
Berapa rata-rata kelompok nilai statistika data diatas?
Jawab:
Nilai Frekuensi Titik Tengah Perkalian
NO M2
Interval (fi) (M) (fi. M2)
1 25-34 6 29,5 870,25 5221,5
2 35-44 8 39,5 1560,25 12482
3 45-54 11 49,5 2450,25 26952,75
4 55-64 14 59,5 3540,25 49563,5
5 65-74 12 69,5 4830,25 57963
6 75-84 8 79,5 6320,25 50562
7 85-94 6 89,5 8010,25 48061,5
Jumlah 65 250806,3
 √
n

∑ FM 2
𝑥̅ = i=1

∑N
n
=
√ 250806 , 3
65
=61,1

i=1

2.2.2 Median
Median merupakan suatu nilai yang membagi data yang telah diurutkan besarnya
dari yang terbesar sampai yang terkecil atau sebaliknya, menjadi dua kelompok
data, yakni data kelompok atas dan data kelompok bawah dengan anggota yang
sama banyaknya.

 Menentukan median data yang terserak

Supaya lebih mudah melacak atau mencari posisi median, data perlu diurutkan
dari yang terkecil ke yang terbesar atau sebaliknya. Kemudian cari posisi atau
letak median dengan rumus sebagai berikut:
n+1
Me = dengan n = banyak data
2
Contoh: Terdapat 30 peserta didik kelas X MIPA 1 di SMA X sudah melalui atau
melakukan kegiatan ulangan harian kimia, dengan nilai sebagai berikut:

78 89 87 69 69 60 62 72 72 72 60 97 66 66 66 78 81 78 88 68 82 84 91 82 98
89 96 82 83 86

Setelah diurutkan dari data yang terkecil ke terbesar, akan menghasilkan urutan
sebagai berikut:
60 60 62 66 66 66 68 69 69 72 72 72 78 78 78 81 82 82 82 83 84 86 87 88 89 89
91 96 97 98
30+1
Maka, Me = = 15,5 maka dicari data ke-15, yang mana data ke-15 adalah
2
78 dan data ke-16 adalah 81. Sehingga nilai median dari data tersebut adalah 79,5.

 Menentukan median data yang dikelompokkan

Median untuk menentukan data yang dikelompokkan dapat dihitung dengan rumus
sebagai berikut:
0,5n−f
Me = L+C kb

fm
 Keterangan:
L : batas bawah (lower class boundary) kelas yang mengandung median (kelas yang
mengandung datum ke (n + 1)/2 dari n data).
U : batas atas kelas (upper class boundary) yang mengandung median.
C : panjang kelas atau selang kelas.
n atau N : banyaknya data, n untuk data sampling dan N data sensus.
fkb : frekuensi kumulatif kelas di bawah kelas yang mengandung median.
fka : frekuensi kumulatif kelas di kelas yang mengandung median. fm : frekuensi
absolut kelas yang mengandung median.

2.2.3 Modus
Modus merupakan data yang memiliki frekuensi pemunculan terbanyak. Maka dari itu,
cara mencari modus dapat dilihat dari berapa kali suatu data muncul di antara seluruh data
yang ada.
 Menentukan modus data yang terserak
Agar lebih mudah mencari modus dari suatu data, sebaiknya data-data diurutkan
dari yang terkecil ke terbesar atau sebaliknya.
Contoh:
Terdapat 30 peserta didik kelas X MIPA 1 di SMA X sudah melalui atau
melakukan kegiatan ulangan harian kimia, dengan nilai sebagai berikut:

78 89 87 69 69 60 62 72 72 72 60 97 66 66 66 78 81 78 88 68 82 84 91 82 98
89 96 82 83 86

Setelah diurutkan dari data yang terkecil ke terbesar, akan menghasilkan urutan
sebagai berikut:
60 60 62 66 66 66 68 69 69 72 72 72 78 78 78 81 82 82 82 83 84 86 87 88 89 89
91 96 97 98
Berdasarkan data diatas, angka 66, 72, 78, dan 82 paling banyak muncul dengan
empat kali muncul atau dapat dikatakan sebagai modus. Sehingga data tersebut
dapat dikatakan sebagai data tetramodal.
 Menentukan modus data yang dikelompokkan
 Modus untuk data yang dikelompokkan dapat dihitung atau dianalisis
menggunakan rumus sebagai berikut:
s1
Mo = L + C
s 1+s 2

Keterangan:
L : batas bawah (lower class boundary) kelas yang mengandung modus (kelas yang memiliki
frekuensi terbesar).
s1 : selisih frekuensi kelas yang mengandung modus dengan frekuensi kelas dibawahnya.
s2 : selisih frekuensi kelas yang mengandung modus dengan frekuensi kelas di atasnya.
C : panjang kelas atau selang kelas (selisih harga batas bawah dengan batas atas kelas)

2.3 Ukuran Dispersi

2.3.1 Rentangan

Rentang atau kisaran (range) merupakan selisih antara nilai pengamatan terkecil dengan
nilai pengamatan terbesar dari suatu data. Adapun rumus terkait kisaran atau rentangan,
yaitu:

Kisaran atau rentang (R) = nilai pengamatan terbesar – nilai pengamatan terkecil

Contoh: Terdapat 30 peserta didik kelas X MIPA 1 di SMA X sudah melalui atau
melakukan kegiatan ulangan harian kimia, dengan nilai sebagai berikut:

78 89 87 69 69 60 62 72 72 72 60 97 66 66 66 78 81 78 88 68 82 84 91 82 98 89 96 82 83
86

Berapa nilai atau harga rentangannya?

Jawab: Berdasarkan data tersebut, nilai yang paling kecil adalah 60 sedangkan nilai yang
paling besar adalah 98. Maka rentang atau kisaran data adalah 98-60 = 28.

2.3.2 Penyebaran H dan Rentangan Semi-Interkuartil

 Penyebaran H

Penyebaran merupakan perserakan dari nilai observasi terhadap nilai rata-ratanya. Rata-
rata dari serangkaian nilai observasi tidak dapat diinterpretasikan secara terpisah dari
hasil dispersi nilai-nilai tersebut sekitar rata-ratanya. Apabila semakin besar variasi nilai,
maka semakin kurang representatif rata-rata distribusinya.

Contoh: Terdapat dua orang peserta didik yang mengikuti ulangan harian susulan,
berikut hasilnya:

Peserta Didik Hasil Tes

A 60,65,70,60,60
B 65,65,60,60,65

Peserta didik A : Rata-rata A = 63 , variasi nilai dari 60 sampai 70.

Peserta didik B : Rata-rata B = 63 , variasi nilai dari 60 sampai 65.

Hal tersebut memiliki arti bahwa rata-rata kedua peserta didik sama,tetapi penyebaran
hasil tes peserta didik A dan B berbeda yang mana hasil tes A lebih besar
dibandingkan hasil tes B. Nilai A lebih baik karena terdapat poin atau nilai 70
sehingga peserta didik A lebih baik atau stabil daripada peserta didik B. Adapun
keuntungan atau kegunaan penyebaran data adalah untuk menentukan apakah nilai
rata-ratanya benar-benar representatif atau tidak.

 Rentangan atau jangkauan semi-interkuartil

Jangkauan menunjukkan seberapa tersebarnya nilai-nilai dalam suatu deret. Jika

jangkauannya merupakan angka yang besar, maka nilai-nilai dalam deret tersebut sangat
tersebar; jika jangkauannya merupakan angka yang kecil, maka nilai-nilai dalam deret
tersebut dekat satu sama lain. Terdapat salah satu jenis jangkauan atau rentangan, yakni
jangkauan semi interkuartil atau sering disebut simpangan kuartil merupakan setengah
dari jangkauan antar kuartil. Rumus jangkauan semi interkuartil adalah sebagai berikut:

Qd =½ (Q3 – Q1)

Contoh: Terdapat data: 20 35 50 45 30 30 25 40 45 30 35

Berapa jangkauan semi-interkuartilnya?

Jawab: Terlebih dahulu mencari urutan data terkecil hingga terbesar, maka
menjadi:

20 25 30 30 30 35 35 40 45 45 50
 Q1=30

Q2=35

Q3=45

1
Sehingga QR =½ (Q3 – Q1), maka QR= × (45-30) = 15 (QR)
2

Qd=½ QR

Qd=½ × 15 = 7,5. Jadi, simpangan atau jangkauan semi interkuartil adalah 7,5.

2.3.3 Ukuran Deviasi

 Deviasi Rata-rata

Simpangan atau deviasi merupakan jumlah dari harga mutlak selisih antara setiap data
dengan rata-ratanya. Jika simpangan atau deviasi tersebut dibagi dengan banyaknya data
(N untuk populasi atau n untuk sampel), maka akan diperoleh rata-rata simpangan
(simpangan rata-rata) atau deviasi rata-rata. Untuk simpangan rata-rata tidak ada notasi
khusus. Berikut rumus untuk mencari rata-rata simpangan.

∑ ¿ Y i−μ∨¿ ¿
N

Keterangan:

 : rerata populasi

Yi : data (nilai pengamatan) ke-i untuk i = 1, 2, 3, …., N

N : banyaknya data atau ukuran populasi

Contoh: Terdapat 30 peserta didik kelas X MIPA 1 di SMA X sudah melalui atau
melakukan kegiatan ulangan harian kimia, dengan nilai sebagai berikut:

78 89 87 69 69 60 62 72 72 72 60 97 66 66 66 78 81 78 88 68 82 84 91 82 98
89 96 82 83 86
 ¿ 279
Didapatkan bahwa ∑ ¿Y i− μ∨¿ ¿ = 279, maka ∑ ¿Y i −μ∨ N ¿ = = 9,3
30

 Simpangan Baku atau Deviasi Standar

Simpangan baku atau deviasi standar merupakan ukuran yang menunjukkan

standar penyimpangan dari rata-ratanya. Dalam menyajikan gambaran penyimpangan
yang terjadi, secara umum disajikan harga simpangan baku atau standar deviasinya
dibandingkan ukuran simpangan rata-ratanya. Apabila dalam perhitungan simpangan
rata-rata dengan memberikan harga mutlak untuk menghilangkan harga negatif selisih
masing-masing data dengan rata-ratanya, maka pada perhitungan simpangan baku
atau standar deviasi dilakukan dengan cara mengkuadratkan selisih masing-masing
data dengan rata-ratanya. Berikut rumus yang digunakan.

σ = √∑ ¿ ¿ ¿ ¿

Contoh: Terdapat 30 peserta didik kelas X MIPA 1 di SMA X sudah melalui

atau melakukan kegiatan ulangan harian kimia, dengan nilai sebagai berikut:

78 89 87 69 69 60 62 72 72 72 60 97 66 66 66 78 81 78 88 68 82 84 91 82 98
89 96 82 83 86

√
σ = √∑ ¿ ¿ ¿ ¿ = 3560,0967 = 10,894
30

Jika akan mencari simpangan baku untuk sampel, rumusnya sebagai berikut:

s = √∑ Y 2i−¿¿¿ ¿ ¿ ¿

Berdasarkan data diatas, angka-angka tersebut dimasukkan ke dalam rumus

yang mana akan menjadi: s = √ 187801−¿ ¿ ¿ ¿ =

√ 187801−184240,0333
29
=

√ 122,791954 = 11,08

 Variasi atau Ragam

Varians(i) atau ragam (variance) merupakan kuadrat dari simpangan baku.

Varians atau ragam populasi diberi simbol 2 . Simpangan baku sampel diberi
simbol s. Jika besarnya simpangan baku populasi () sudah diketahui yaitu: 2.
 Sebagai contoh data yang tertera pada bagian simpamgan baku, menghasilkan
nilai s sebesar 11,08 maka s2 = (11,08)2 = 122,7664.

 Angka Baku

Koefisien variansi atau koefisien variabilitas (koefisien keragaman atau KK)

merupakan simpangan baku dibagi dengan rata-ratanya dan dikalikan 100%.
Koefisien variasi diberi simbol CV. Jika besarnya simpangan baku populasi () =
11,08 dan rata-rata populasi () = 78,37, maka besarnya koefisien variasi sampel
s × 11,08
(CV): 100% = × 100% = 14,13%
❑ 78,37

Suatu koefisien keragaman atau angka baku dari kelompok data hasil yang baik
adalah kisaran antara 3% - 20%. Koefisien keragaman data tidak diharapkan
melebihi 30% karena variasi datanya yang terlalu besar. Apabila data dengan KK
yang besar melebihi 30% maka digunakan uji beda yang mana hasilnya akan
menjadi bias atau menyimpang. Namun materi tersebut akan dipelajari pada bab
selanjutnya.

 Simpangan Baku Rata-Rata

Simpangan baku rata-rata merupakan simpangan baku yang dibagi dengan

akar banyak datanya atau varian dibagi banyaknya data. Simpagan baku rata-rata
σ
diberi simbol σ Y , yang mana rumusnya adalah σ Y = . Sebagai contoh
√N
berdasarkan data diatas, yang mana nilai s sebesar 11,08 dan s2 = 122,7664 maka
menjadi:

11,08
σY = = 2,02
√30
 BAB III
PENUTUP
3.1 Simpulan
Data yang terserak atau tersebar sangat sukar untuk diinterpretasi, maka perlu
disajikan secara terorganisasi. Ukuran gejala pusat mampu memberikan informasi
yang komunikatif dalam membaca data dibandingkan masih berwujud data tersebar
ataupun jika sudah dikelompokkan ke dalam distribusi frekuensi.

Agar data dapat diinterpretasikan secara tepat maka diperlukan informasi lain
yakni berupa ukuran-ukuran penyimpangan atau variabilitas. Setiap ukuran
penyimpangan atau variabilitas memberikan informasi spesifik, seperti range akan
memberikan informasi nilai minimum dan maksimum dari data yang dimiliki,
simpangan baku yang memberikan informasi besarnya standar penyimpangan data
dari nilai rata-ratanya, simpangan baku rata-rata menggambarkan besarnya nilai
standar kekeliruan dari nilai rata-ratanya, dan seterusnya.

3.2 Saran
Sebaiknya sebagai calon guru atau seorang pengajar memahami, menerapkan,dan
mempelajari secara mendalam tentang pengukuran gejala terpusat dan variabilitas.
 Agar saat menghadapi persoalan tentang materi ini dapat memecahkannya dan
mendapatkan hasil yang tepat.

REFERENSI
Anonim. 2020. Belajar Statistika, dari Penyajian hingga Ukuran Penyebaran Data. Tersedia
pada: https://www.kelaspintar.id/blog/edutech/belajar-statistika-dari-penyajian-
hingga-ukuran-penyebaran-data-3831/. Diakses pada tanggal 6 September 2021.
Anonim. 2021. Pengertian dan Rumus Jangkauan Data, Jangkauan Antar Kuartil serta
Jangkauan Semi Interkuartil. Tersedia pada:
https://www.berpendidikan.com/2021/06/pengertian-dan-rumus-jangkauan-data-
jangkauan-antar-kuartil-serta-jangkauan-semi-interkuarti.html. Diakses pada tanggal 6
September 2021.
Anonim. 2021. Pengertian dan Contoh Soal Jangkauan Data. Tersedia pada:
https://www.berpendidikan.com/2021/06/pengertian-dan-contoh-soal-jangkauan-
data.html. Diakses pada tanggal 6 September 2021.
Baskoro, Luthfi F. 2011. Ukuran Dispersi dan Teori Peluang. Tersedia pada:
http://blog.ub.ac.id/luthfimesin2011/2012/03/24/ukuram-dispersi-dan-teori-peluang/.
Diakses pada tanggal 6 September 2021.
Harlan, Johan. 2004. Buku Metode Statistika 1. Depok:Gunadarma.
Rahmah,A. 2020. Simpangan Kuartil. Tersedia pada: https://rumus.co.id/simpangan-kuartil/.
Diakses pada tanggal 29 Agustus 2021.
Sulisetjono. 2016. BAB V Statistika Deskriptif. Tersedia pada:
https://www.researchgate.net/publication/308149735. Diakses pada tanggal 29
Agustus 2021.