““M

MAAT
TEER
RII K
KEE 55””

UKURAN VARIASI
(UKURAN DISPERSI)

OLEH:

Andi Riska Andreani, S.E., M.Ak

[DESKRIPSI: Ukuran Variasi atau yang sering disebut Ukuran Dispersi merupakan
ukuran yang menyatakan seberapa jauh penyimpangan nilai-nilai data dari nilai-
nilai pusatnya; Atau bisa disebut juga Ukuran yang menyatakan seberapa banyak
nilai-nilai data yang berbeda dengan nilai-nilai pusatnya]

Materi Kuliah: Statistika Bisnis | UMS Rappang: Andi Riska Andreani, S.E., M.Ak 1
2021
 UKURAN DISPERSI DATA

Dispersi adalah ukuran penyebaran suatu kelompok data terhadap pusat data.
Ukuran dispersi yang sering digunakan dalam penelitian ialah jangkauan (range),
simpangan rata-rata (mean deviation), variansi (variance), dan deviasi baku (standard
deviation). Selain itu pada bab ini juga dibahas tentang simpangan kuartil, koefisien
variasi, kemiringan, dan kurtosis. Dalam dispersi data dibedakan antara ukuran dispersi
pada populasi dan ukuran dispersi pada sampel.
1. Jangkauan (range)
Jangkauan sebuah distribusi frekuensi dirumuskan sebagai beda antara pengukuran
nilai terbesar dan nilai terkecil yang terdapat dalam sebuah distribusi. Untuk
menghitung jangkauan tidak terdapat perbedaan rumus maupun simbol untuk data
populasi maupun data sampel.
Dirumuskan: Range (r) = nilai max – nilai min
Contoh untuk data tunggal:
• Data 1: 50,50,50,50,50 ; mempunyai r = 50-50=0
• Data 2: 30,40,50,60,70 ; mempunyai r = 70-30=40
Contoh untuk data bergolong:

Mempunyai range data = 73 – 61 = 12

2. Simpangan rata-rata (mean deviation)

Simpangan Rata-rata (SR) adalah jumlah nilai mutlak dari selisih semua nilai dengan
nilai rata-rata dibagi banyaknya data. Baik pada populasi maupun sampel digunakan
rumus yang sama untuk menghitung simpangan rata-rata. Akan tetapi, digunakan

Materi Kuliah: Statistika Bisnis | UMS Rappang: Andi Riska Andreani, S.E., M.Ak 2
2021
simbol yang berbeda untuk mean (  pada populasi dan X pada sampel) dan untuk
banyaknya data (N pada populasi dan n pada sampel)
a. Simpangan Rata-rata pada Populasi
• Bila data tunggal, maka:

SR 
 |X |
N
• Bila data bergolong, maka:

SR 
f | X   |,
N
di mana :
X  nilai data
  rata - rata hitung untuk populasi
N  banyak data untuk populasi
Contoh untuk data tunggal:
Tentukanlah simpangan rata-rata untuk kelompok data populasi: 20,30,50,70,80!
Rata  rata hitung   50 , N  5, maka
| 20 50 | | 30 50 | | 50 50 | | 70 50 | | 80 50 |
SR 
5
30 20 0 20 30 100
   20
5 5
Contoh untuk data bergolong:
Tentukanlah SR data modal 40 perusahaan berikut jika data tersebut merupakan
data populasi.

Rata – rata dari data tersebut adalah 140,525

Materi Kuliah: Statistika Bisnis | UMS Rappang: Andi Riska Andreani, S.E., M.Ak 3
2021
SR 
f | X  |  455,850  11,396
f 40

b. Simpangan Rata-rata pada Sampel

• Bila data tunggal, maka:

SR 
 |XX |
n
• Bila data bergolong, maka:

SR 
f X X
,
n
di mana :
X  nilai data
X  rata - rata hitung untuk sampel
n  banyak data untuk sampel

Contoh untuk data tunggal:

Tentukanlah simpangan rata-rata untuk kelompok data sampel: 20,30,50,70,80.
Rata  rata hitung X  50, n  5, maka
| 20 50 | | 30 50 | | 50 50 | | 70 50 | | 80 50 |
SR 
5
30 20 0 20 30 100
   20
5 5

Materi Kuliah: Statistika Bisnis | UMS Rappang: Andi Riska Andreani, S.E., M.Ak 4
2021
 Contoh untuk data bergolong:
Tentukanlah SR data modal 40 perusahaan berikut jika data tersebut merupakan
data sampel.

Rata-rata dari data tersebut adalah 140,525

SR 
f | X X |  455,850  11,396
f 40

3. Variansi (variance)
Variansi adalah rata-rata kuadrat selisih atau kuadrat simpangan dari semua nilai
data terhadap rata-rata hitung. Untuk menghitung variansi, digunakan rumus dan
simbol yang berbeda antara data sampel dan data populasi.
a. Variansi Pada Populasi
• Bila data tunggal, maka:

2 
 ( X  ) 2

N
• Bila data bergolong, maka:

 2

 ( X  ) 2 2
dimana f
 N

Materi Kuliah: Statistika Bisnis | UMS Rappang: Andi Riska Andreani, S.E., M.Ak 5
2021
 dimana :
X  nilai data
  rata  rata hitung
N banyak data
Contoh untuk data tunggal:
Tentukanlah variansi untuk kelompok data populasi 20,30,50,70,80.

(20 50)2 (30 50) (50 50) (70 50) (80 50)
 2 
5
900 400 0 400 900
  520
5
Contoh untuk data bergolong:
Tentukanlah SR data modal 40 perusahaan berikut jika data tersebut merupakan
data populasi.

 2

f (X  ) 2


8097,9741
 202,449
N 40

Materi Kuliah: Statistika Bisnis | UMS Rappang: Andi Riska Andreani, S.E., M.Ak 6
2021
b. Variansi Pada Sampel
• Bila data tunggal, maka:

S 2

 2
(X  X)
1
n

Materi Kuliah: Statistika Bisnis | UMS Rappang: Andi Riska Andreani, S.E., M.Ak 7
2021
 • Bila data bergolong, maka:


S 2  
f (X X ) 2
, di mana n   f
n 1
dimana :
X  nilai data
X  rata  rata hitung
n banyak data sampel
Contoh untuk data tunggal:
Tentukanlah variansi untuk kelompok data sampel: 20,30,50,70,80.
(20  50) 2  (30  50) 2  (50  50) 2  (70  50) 2  (80  50)2
S 2 
5 1
900 400 0 400 900
  650
4
Contoh untuk data bergolong:
Tentukanlah SR data modal 40 perusahaan berikut, jika data tersebut merupakan
data sampel.

Materi Kuliah: Statistika Bisnis | UMS Rappang: Andi Riska Andreani, S.E., M.Ak 8
2021
  
f (X X ) 2
8097,9741
S 2
  207,64
n 1 39

Materi Kuliah: Statistika Bisnis | UMS Rappang: Andi Riska Andreani, S.E., M.Ak 9
2021
 4. Deviasi baku (standard deviation)
Deviasi baku adalah adalah akar pangkat dua dari variansi. Oleh karena itu, tentunya
terdapat perbedaan rumus dan simbol untuk menghitung deviasi baku pada data
populasi dan data sampel.
a. Deviasi baku pada Populasi
• Bila data tunggal, maka:

 
(X  ) 2

N
• Bila data bergolong, maka:

 f ( X  ) 2

,di mana N   f
N
Contoh untuk data tunggal:
Tentukanlah deviasi baku untuk kelompok data polulasi: 20,30,50,70,80.

(20  50)2  (30  50) 2  (50  50) 2  (70  50) 2  (80  50) 2
 
 5
900 400 0 400 900
  520  22.804
5
Contoh untuk data bergolong:
Tentukanlah deviasi baku data modal 40 perusahaan berikut, jika data tersebut
merupakan data populasi.

Materi Kuliah: Statistika Bisnis | UMS Rappang: Andi Riska Andreani, S.E., M.Ak 10
2021
 


 f (X  ) 2


8097,9741 
 202,45  14,229
N 40
b. Deviasi baku pada Sampel
• Bila data tunggal, maka:

S  (2X  X )
n 1
• Bila data bergolong, maka:

S 
2 f (X X ) 2

, di mana n   f
n 1
Contoh untuk data tunggal:
Tentukanlah deviasi baku untuk kelompok data sampel: 20,30,50,70,80.

(20  50) 2  (30  50) 2  (50  50) 2  (70  50) 2  (80  50) 2
S 
5 1
900 400 0 400 900 
  650  25,495
4
Contoh untuk data bergolong:
Tentukanlah deviasi baku data modal 40 perusahaan berikut, jika data tersebut
merupakan data sampel.

Materi Kuliah: Statistika Bisnis | UMS Rappang: Andi Riska Andreani, S.E., M.Ak 8
2021
 


 f (X  ) 2


8097,9741 
 202,45  14,229
N 40

5. Simpangan kuartil (quartile deviation)

Simpangan kuartil merupakan ukuran setengah jarak antara kuartil ke 3 dan kuartil
ke 1.
Rumusan Deviasi kuartil: DK = [ K3 – K1 ] / 2
Contoh untuk data tunggal:
Tentukanlah simpangan kuartil untuk kelompok data: 20,30,50,70,80.
Contoh untuk data bergolong:
Tentukanlah simpangan kuartil data modal 40 perusahaan berikut.

(kerjakan sebagai latihan)

6. Koefisien variasi (coeficient of variation)

Digunakan untuk membandingkan beberapa kumpulan data yang berbeda
Rumus
S
V  100%
X

Materi Kuliah: Statistika Bisnis | UMS Rappang: Andi Riska Andreani, S.E., M.Ak 9
2021
 V = ukuran variasi relatif (koefisien variasi)
S = deviasi baku
X = mean
Contoh:
Diketahui data hasil ujian dari 120 orang
MK Statistik:
• Rata-rata = 56
• Deviasi Baku = 23
MK Matematika:
• Rata-rata = 65
• Simpangan Baku = 30
Tentukan hasil ujian yang mana yang variansinya lebih besar.
Ss 30
Vs  100%  100%  46,15%
Xs 65
Sm 23
Vm  100%  100%  41,07%
Xm 56

Karena Vs > Vm berarti hasil ujian statistik lebih bervariasi (heterogen) dibanding hasil
ujian matematika.
Jika data tersebut merupakan data populasi, digunakan simbol yang berbeda untuk
mean dan deviasi baku, yaitu  untuk mean dan  untuk deviasi baku.

7. Kemiringan dan Kurtosis

a. Kemiringan
Kemiringan adalah derajat atau ukuran dari asimetri suatu distribusi data, ada
tiga jenis:
1. Simetris
Letak nilai rata-rata hitung, median dan modus berhimpit.
2. Miring ke kanan/kemiringan positif
Nilai modus paling kecil dan rata-rata hitung paling besar.
3. Miring ke kiri/ kemiringan negatif
4. Nilai modus paling besar dan rata-rata hitung paling kecil.

Materi Kuliah: Statistika Bisnis | UMS Rappang: Andi Riska Andreani, S.E., M.Ak 10
2021
 frekuensi
frekuensi

frekuensi
Mod=Med=X Mod Med X Mod Med X

Terdapat beberapa cara yang dipakai untuk menghitung derajat kemiringan distribusi
data. Data yang dibicarakan pada pembahasan ini adalah data sampel. Untuk data
populasi dapat digunakan cara yang sama dengan mengganti symbol untuk mean (
 pada populasi dan X pada sampel) dan variansi (  2 pada populasi dan s2 pada
sampel)
a) Pearson
X Mod 3(X Med )
 atau  
S S
di mana :
 X  derajat kemiringan Pearson
Mod  rata  rata hitung
S  modus
Med  standar deviasi
 median
Rumus ini dapat dipakai untuk data tunggal maupun data bergolong,
dengan aturan sbb:
– Bila  = 0, distribusi data simetri
– Bila  = negatif, distribusi data miring ke kiri
– Bila  = positif, distribusi data miring ke kanan
Semakin besar , distribusi data akan semakin miring atau makin tidak
simetri.

Materi Kuliah: Statistika Bisnis | UMS Rappang: Andi Riska Andreani, S.E., M.Ak 11
2021
 b) Momen
Bila data tunggal, maka:

3 
 ( X X ) 3

nS 3
Bila data bergolong, maka:

 3    3
f (X X )3
nS
di mana:
 3  derajat kemiringan
X  rata  rata hitung
S  s tan dar deviasi
n  f

• Bila 3 = 0, distribusi data simetri

• Bila 3 < 0, distribusi data miring ke kiri
• Bila 3 > 0, distribusi data miring ke kanan
c) Bowley
Q3 Q1 Q2

Q3  Q1

Jika distribusi simetris maka Q3  Q2  Q2  Q1 sehingga Q3  Q1  2Q2  0

mengakibatkan  sama dengan nol.

Jika distribusinya MIRING, ada 2 kemungkinan:
Q1 = Q2 maka  = 1
Q2 = Q3 maka  = -1
b. Kurtosis
Keruncingan adalah derajat atau ukuran tinggi rendahnya puncak suatu distribusi
data terhadap distribusi normalnya data, ada tiga jenis:
a) Leptokurtis
Distribusi data yang puncaknya relatif tinggi.
b) Mesokurtis
Distribusi data yang puncaknya normal.

Materi Kuliah: Statistika Bisnis | UMS Rappang: Andi Riska Andreani, S.E., M.Ak 12
2021
 c) Platikurtis
Distribusi data yang puncaknya rendah atau terlalu datar

frekuensi

frekuensi
frekuensi

Puncak runcing Puncak normal Puncak tumpul

• Bila data tunggal, maka:

4 
 (X X ) 4

nS 4
• Bila data bergolong, maka:

4 
f ( X X ) 4

nS 4
di mana:
 3  derajat kemiringan
X  rata  rata hitung
S  s tan dar deviasi
n  f

Bentuk kurva keruncingan – kurtosis

• Mesokurtik 4 = 3
• Leptokurtik 4 > 3
• Platikurtik 4 < 3

Materi Kuliah: Statistika Bisnis | UMS Rappang: Andi Riska Andreani, S.E., M.Ak 13
2021
Sumber:
• Syamsudin. 2002. Statistik Deskriptif. MUP: Surakarta
• N. Setyaningsih, Pengantar Statistika Matematika, MUP -UMS
• Budiyono, Statistika untuk Penelitian, 2004 , UNS

Materi Kuliah: Statistika Bisnis | UMS Rappang: Andi Riska Andreani, S.E., M.Ak 14
2021