TUGAS KE – 3

MATA KULIAH STATISTIK

NAMA OSMI ZEIN.R
NIM 21198008
DOSEN PEMBIMBING Dr. Ofianto, M.Pd

KEGUNAAN SKALA PENGUKURAN, CENTRAL TENDENCY

DAN VARIABILITAS

A. FUNGSI DAN KEGUNAAN MEAN, MEDIAN DAN MODUS

(CENTRAL TENDENCY)
Tujuan umum metode statistik deskriptif adalah untuk mengorganisisr dan
menyimpulkan seperangkat skor. Metode umum untuk menyimpulkan dan
mendeskripsikan distribusi adalah untuk menemukan nilai tunggal yang disebut
rata-rata skor dan dapat mengetahui ditribusi data yang representative. Dalam
statistik rata-rata representative skor disebut tendensi sentral.
Tendensi sentral adalah pengukuran statistik untuk menentukan skor tunggal yang
menetapkan pusat dari distribusi. Tujuan tendensi sentral adalah untuk
menemukan skor single yang paling khusus atau paling representatif dalam
kelompok (Gravetter & Wallnau, 2007).
Tiga metode dalam pengukuran tendensi sentral yakni: mean, median, modus. Mean
biasanya diketahui sebagai ilmu hitung rata-rata. Rata-rata untuk populasi
diidentifikasi dalam huruf yunani yakni μ (mew), dan rata-rata untuk sampel adalah
“M atau x ( x-bar) ”. Pengukuran tendensi sentral yang kedua yakni median, yakni
skor yang membagi distribusi menjadi dua. Median sama dengan persentil ke-50.
Ukuran tendensi sentral yang ketiga yakni modus (mode), modus adalah skor atau
kategori yang paling besar dari frekuensi. Kata mode/modus berarti ”gaya yang
paling populer”, definisi statistik modus adalah skor yang paling sering terlihat
dalam kelompok data/ skor yang paling sering muncul .

1. MEAN
Mean adalah bagian dari perhitungan dasar statistika. Dalam bahasa Indonesia,
mean juga disebut dengan rata-rata. Mean adalah indikator statistik yang dapat
digunakan untuk mengukur rata-rata sebuah data.
Penghitungan mean banyak digunakan dalam kehidupan sehari-hari ataupun dalam
penelitian Contoh manfaat perhitungan mean adalah
1. Untuk mengetahui nilai rata-rata nilai siswa.
 2. Untuk mengetahui rata-rata tinggi siswa 9
3. Untuk mengetahui rata-rata pengunjung pustaka
Jadi dengan mengetahui rata-rata sebuah data kita dapat mengambil kesimpulan
dari penyebaran data yang ada, dan bisa menentukan keputusan dari penyebaran
data, dan tindakan yang akan diambil.
2. MEDIAN
Fungsi median adalah untuk mengukur pemusatan data. Dalam teori statistik dan
probabilitas, median adalah nilai yang memisahkan separuh lebih tinggi dari
separuh bawah sampel data, populasi, atau distribusi probabilitas.
Jadi dengan mengetahui median kita dapat mengetahui pemusatan data yang sangat
berguna untuk distribusi data bawah dan distribusi data atas
3. MODUS
Modus adalah informasi penting dalam suatu variabel atau populasi acak. Modus
adalah nilai data yang paling sering muncul atau nilai data yang memiliki frekuensi
paling besar. Dengan diketahuinya modus suatu distribusi data maka dapat
diketahui data yang yang paling tinggi frekuensinya.
Contoh dari data model yang digemari masyarakat, dengan diketahuinya modus
maka kita akan tahun selera masyarakat tentang model yang sedang berkembang.

B. KEGUNAAN SKALA PENGUKURAN, CENTRAL TENDENCY DAN

VARIABILITAS

1. Pengertian Dan Kegunaan Skala Pengukuran

Skala dapat diartikan garis atau titik tanda yang berderet-berderet dan sebagai-
nya yang sama jarak antaranya, dipakai untuk mengukur atau menentukan
tingkatan atau banyaknya sesuatu . Jadi skala merupakan prosedur pemberian
angka-angka atau symbol lain kepada sejumlah ciri dari suatu objek

Pengukuran adalah proses, cara perbuatan mengukur yaitu suatu proses

sistimatik dalam menilai dan membedakan sesuatu obyek yang diukur atau
pemberian angka terhadap objek atau fenomena menurut aturan tertentu.
Pengukuran tersebut diatur menurut kaidah-kaidah tertentu. Kaidah-kaidah
yang berbeda menghendaki skala serta pengukuran yang berbeda pula.
Misalnya, orang dapat digambarkan dari beberapa karakteristik: umur, tingkat
pendidikan, jenis kelamin, tingkat pendapatan.

Tiga buah kata kunci yang diperlukan dalam memberikan definisi terhadap
konsep pengukuran. Kata-kata kunci tersebut adalah angka, penetapan, dan
aturan. Pengukuran yang baik, harus mempunyai sifat isomorphism dengan
realita. Prinsip isomorphism, artinya terdapat kesamaan yang dekat antara
realitas sosial yang diteliti dengan ”nilai” yang diperoleh dari pengukuran. Oleh
karena itu, suatu instrumen pengukur dipandang baik apabila hasilnya dapat
merefleksikan secara tepat realitas dari fenomena yang hendak diukur.

Skala pengukuran merupakan seperangkat aturan yang diperlukan untuk

mengkuantitatifkan data dari pengukuran suatu variable. Dalam melakukan
analisis statistik, perbedaan jenis data sangat berpengaruh terhadap pemilihan
model atau alat uji statistik. Tidak sembarangan jenis data dapat digunakan oleh
alat uji tertentu. Ketidaksesuaian antara skala pengukuran dengan operasi
matematik /peralatan statistik yang digunakan akan menghasilkan kesimpulan
yang bias dan tidak tepat/relevan.

Macam-macam Skala Pengukuran

a) . Skala Nominal
Skala pengukuran nominal digunakan untuk menklasifikasi obyek, individual
atau kelompok; sebagai contoh mengklasifikasi jenis kelamin, agama, pekerjaan,
dan area geografis. Dalam mengidentifikasi hal-hal di atas digunakan angka-
angka sebagai symbol. Apabila kita menggunakan skala pengukuran nominal,
maka statistik non-parametrik digunakan untuk menganalisa datanya. Hasil
analisa dipresentasikan dalam bentuk persentase. Sebagai contoh kita
mengklaisfikasi variable jenis kelamin menjadi sebagai berikut: laki-laki kita
beri simbol angka 1 dan wanita angka 2. Kita tidak dapat melakukan operasi
arimatika dengan angka-angka tersebut, karena angka-angka tersebut hanya
menunjukkan keberadaan atau ketidak-adanya karaktersitik tertentu. Skala
nominal akan menghasilkan data yang disebut data nominal atau data diskrit,
yaitu data yang diperoleh dari mengkategorikan, memberi nama dan
menghitung fakta-fakta dari objek yang diobservasi

Skala Nominal merupakan skala yang paling lemah/rendah di antara keempat

skala pengukuran. Sesuai dengan nama atau sebutannya, skala nominal hanya
bisa membedakan benda atau peristiwa yang satu dengan yang lainnya
berdasarkan nama (predikat). Sebagai contoh, klasifikasi barang yang
dihasilkan pada suatu proses produksi dengan predikat cacat atau tidak cacat.
Atau, bayi yang baru lahir bisa laki-laki atau perempuan. Tidak jarang
digunakan nomor-nomor yang dipilih sekehendak hati sebagai pengganti nama-
nama atau sebutan-sebutan, untuk membedakan benda-benda atau peristiwa-
peristiwa berdasarkan beberapa karakteristik.. Skala nominal biasanya juga
digunakan bila peneliti berminat terhadap jumlah benda atau peristiwa yang
termasuk ke dalam masing-masing kategori nominal. Data semacam ini sering
disebut data hitung ( count data) atau data frekuensi. Contoh lain yang dapat
mendekatkan pemahaman kita terhadap skala pengukuran nominal dapat
dilihat sebagai berikut : Pertama Penggunaan nomor “1” untuk menyebut
kelompok barang yang cacat dari suatu proses produksi dan nomor “0” untuk
menyebut kelompok barang yang tidak cacat dari suatu proses produksi,
Kedua :Jawaban pertanyaan berupa dua pilihan “ya” dan “tidak” yang bersifat
kategorikal dapat diberi symbol angka-angka sebagai berikut: jawaban “ya”
diberi angka 1 dan “tidak” diberi angka 2.

b) . Skala Ordinal (Ranking) 

Skala Ordinal terjadi bila obyek yang ada dalam satu katagori suatu skala tidak
hanya berbeda dengan obyek-obyek itu, tetapi juga mempunyai hubungan satu
dengan yang lain. Hubungan yang ada biasa kita jumpai diantara kelas-kelas
adalah : lebih tinggi, lebih disenangi, lebih sering, lebih sulit, lebih dewasa dan
sebagainya

Skala pengukuran ordinal memberikan informasi tentang jumlah relatif

karakteristik berbeda yang dimiliki oleh obyek atau individu tertentu. Tingkat
pengukuran ini mempunyai informasi skala nominal ditambah dengan sarana
peringkat relatif tertentu yang memberikan informasi apakah suatu obyek
memiliki karakteristik yang lebih atau kurang tetapi bukan berapa banyak
kekurangan dan kelebihannya.

Pengukuran yang dilakukan dalam skala ordinal adalah obyek dibedakan

menurut persamaanya dan menurut urutannya. Jadi dapat dibuat urutan atau
rangking yang lengkap dan teratur diantar kelas-kelas. 

Skala Ordinal adalah skala yang merupakan tingkat ukuran kedua, yang
berjenjang sesuatu yang menjadi ‘lebih’ atau ‘kurang’ dari yang lainnya, ukuran
ini digunakan untuk mengurutkan objek dari yang terendah hingga tertinggi
dan sebaliknya yang berarti peneliti sudah melakukan pengukuran terhadap
variable yang diteliti. Contoh : mengukur kejuaraan olah raga, prestasi kerja,
senioritas pegawai. Misalnya : Jawaban pertanyaan berupa peringkat misalnya:
sangat tidak setuju, tidak setuju, netral, setuju dan sangat setuju dapat diberi
symbol angka 1, 2,3,4 dan 5. Angka-angka ini hanya merupakan simbol
peringkat, tidak mengekspresikan jumlah.

Skala ordinal, lambang-lambang bilangan hasil pengukuran menunjukkan

urutan atau tingkatan obyek yang diukur menurut karakteristik yang dipelajari.
Misal, kita ingin mengetahui preferensi responden terhadap merek indomie
goreng: merek Sarimi, Indomie, Mie Sedap, Gaga Mie kemudian responden
diminta untuk melakukan ranking terhadap merek mie goreng dengan memberi
angka 1 untuk merek yang paling disukai, angka 2 untuk rangking kedua, dst.
Rangkuman hasil Rangking Merek mie goreng sebagai berikut : Indomie = 1 ,
Mie Sedap = 2, Sarimi = 3, Gaga Mie = 4
Tabel ini menunjukkan bahwa merek Indomie lebih disukai daripada Mie Sedap,
merek Mie Sedap lebih disukai daripada Sarimi, dsb. Walaupun perbedaan
angka antara preferensi satu dengan lainnya sama, namun kita tidak dapat
menentukan besarnya nilai preferensi dari suatu merek terhadap merek
lainnya. Uji statistik yang sesuai adalah modus, median, distribusi frekuensi dan
statistik non-parametrik seperti rank order correlation.

Skala Ordinal ini lebih tinggi daripada skala nominal, dan sering juga disebut
dengan skala peringkat. Hal ini karena dalam skala ordinal, lambang-lambang
bilangan hasil pengukuran selain menunjukkan pembedaan juga menunjukkan
urutan atau tingkatan obyek yang diukur menurut karakteristik tertentu.
Misalnya tingkat kepuasan seseorang terhadap produk. Bisa kita beri angka
dengan 5=sangat puas, 4=puas, 3=kurang puas, 2=tidak puas dan 1=sangat tidak
puas. Atau misalnya dalam suatu lomba, pemenangnya diberi peringkat 1,2,3
dstnya.

Dalam skala ordinal, tidak seperti skala nominal, ketika kita ingin mengganti
angka-angkanya, harus dilakukan secara berurut dari besar ke kecil atau dari
kecil ke besar. Jadi, tidak boleh di buat 1=sangat puas, 2=tidak puas, 3=puas
dstnya. Yang boleh adalah 1=sangat puas, 2=puas, 3=kurang puas dstnya.

Selain itu, yang perlu diperhatikan dari karakteristik skala ordinal adalah
meskipun nilainya sudah memiliki batas yang jelas tetapi belum memiliki jarak
(selisih). Kita tidak tahu berapa jarak kepuasan dari tidak puas ke kurang puas.
Dengan kata lain juga, walaupun sangat puas kita beri angka 5 dan sangat tidak
puas kita beri angka 1, kita tidak bisa mengatakan bahwa kepuasan yang sangat
puas lima kali lebih tinggi dibandingkan yang sangat tidak puas.

Sebagaimana halnya pada skala nominal, pada skala ordinal kita juga tidak
dapat menerapkan operasi matematika standar (aritmatik) seperti
pengurangan, penjumlahan, perkalian, dan lainnya. Peralatan statistik yang
sesuai dengan skala ordinal juga adalah peralatan statistik yang berbasiskan
(berdasarkan) jumlah dan proporsi seperti modus, distribusi frekuensi, Chi
Square dan beberapa peralatan statistik non-parametrik lainnya

c) . Skala Interval 
Skala interval mempunyai karakteristik seperti yang dimiliki oleh skala nominal
dan ordinal dengan ditambah karakteristik lain, yaitu berupa adanya interval
yang tetap. Dengan demikian peneliti dapat melihat besarnya perbedaan
karaktersitik antara satu individu atau obyek dengan lainnya. perbedaan
karakteristik antara obyek yang berpasangan dengan lambang bilangan satu
dengan lambang bilangan berikutnya selalu tetap. Jika dalam pengukuran
preferensi responden terhadap merek indomie goreng tersebut diasumsikan
bahwa urutan kategori menunjukkan preferensi yang sama, maka kita dapat
mengatakan bahwa perbedaan indomie goreng merek urutan ke 1 dengan 2
adalah sama dengan perbedaan merek 2 dengan lainnya. Namun demikian, kita
tidak bisa mengatakan 3 bahwa merek yang mendapat ranking 5 nilainya lima
kali preferensi daripada merek 1. Uji statistik yang sesuai adalah semua uji
statistik kecuali uji yang mendasarkan pada rasio seperti koefisien variasi.

Dengan demikian, skala interval sudah memiliki nilai intrinsik, sudah memiliki
jarak, tetapi jarak tersebut belum merupakan kelipatan. Pengertian “jarak
belum merupakan kelipatan” ini kadang-kadang diartikan bahwa skala interval
tidak memiliki nilai nol mutlak. Angka 0 (nol) untuk thermometer memiliki
makna yang sangat berpengaruh dan bukan berarti dapat diabaikan. 

Misalnya pada pengukuran suhu. Kalau ada tiga daerah dengan suhu daerah A =
10oC, daerah B = 15oC dan daerah C=20oC. Kita bisa mengatakan bahwa selisih
suhu daerah B, 5oC lebih panas dibandingkan daerah A, dan selisih suhu daerah
C dengan daerah B adalah 5oC. (Ini menunjukkan pengukuran interval sudah
memiliki jarak yang tetap). Tetapi, kita tidak bisa mengatakan bahwa suhu
daerah C dua kali lebih panas dibandingkan daerah A (artinya tidak bisa jadi
kelipatan). Kenapa ? Karena dengan pengukuran yang lain, misalnya dengan
Fahrenheit, di daerah A suhunya adalah 50oF, di daerah B = 59oF dan daerah
C=68oF. Artinya, dengan pengukuran Fahrenheit, daerah C tidak dua kali lebih
panas dibandingkan daerah A, dan ini terjadi karena dalam derajat Fahrenheit
titik nolnya pada 32, sedangkan dalam derajat Celcius titik nolnya pada 0. 

d) . Skala Rasio
Skala rasio adalah skala data dengan kualitas paling tinggi. Pada skala rasio,
terdapa semua karakteristik skala nominal,ordinal dan skala interval ditambah
dengan sifat adanya nilai nol yang bersifat mutlak. Nilai nol mutlak ini artinya
adalah nilai dasar yang tidak bisa diubah meskipun menggunakan skala yang
lain. Oleh karenanya, pada skala ratio, pengukuran sudah mempunyai nilai
perbandingan/rasio. Pengukuran ratio biasanya dalam bentuk perbandingan
antara satu individu atau obyek tertentu dengan lainnya. Pengukuran-
pengukuran dalam skala rasio yang sering digunakan adalah pengukuran tinggi
dan berat. Misalnya Berat : Sari 35 Kg sedang berat Maya 70 Kg. Maka berat Sari
dibanding dengan berat Maya sama dengan 1 dibanding 2. atau berat benda A
adalah 30 kg, sedangkan benda B adalah 60 kg. Maka dapat dikatakan bahwa
benda B dua kali lebih berat dibandingkan benda A.

Dua skala Pengukuran Pertama (Nominal dan Ordinal) adalah skal pengukuran
Kualitatif karena karakteristiknya tidak namuric, (contoh : Jenis Kelamin,
 pekerjaan, dan lain-lain). sedangkan dua skala terakhir (Interval dan Rasio)
adalah skala kuantitatif yang diekspresikan lewat numeric (contoh : berat,
tinggi, biaya, pendapatan dan lain-lain.

C. KEGUNAAN VARIABILITAS
Variabilitas adalah pengukuran kuantitatif mengenai derajat seberapa tersebar atau
seberapa terkumpulnya skor-skor yang ada di dalam suatu distribusi. Variabilitas
juga memperlihatkan seberapa bervariasinya suatu data.
Variabilitas memiliki 2 fungsi yaitu :
- Berfungsi untuk menggambar atau mendeskripsikan suatu distribusi. Dari gambar
atau grafik, dapat dilihat seberapa menyebarnya suatu distribusi dan bisa juga
dilihat berapa jarak antara suatu skor dengan rata-ratanya.
- Menggabarkan seberapa mewakili suatu individu pada sampelnya.
Ada tiga macam perhitungan mengenai variabilitas
1. Range
Jarak dari skor yang paling tinggi dengan skor yang paling rendah. Perhitungan
Range ini biasa digunakan untuk skala interval dan rasio dari variabel kontinu.
Kelemahan Range ialah tidak dapat digunakan apabila ada ekstrim skore.
Rumusnya : skor tertinggi – skor terendah + 1
2. Interquartil Range (IR)
Range yang meliputi 50% pada bagian tengah distribusi. Kelebihan IR, tidak
dipengaruhi oleh ekstrim skore. Kelemahan IR, perhitungan ini hanya menghitung
50% dari data yang ada dan data yang berada di kanan ataupun kiri tidak
diperhitungkan. Perhitungan ini tidak bisa menggambarkan keseluruhan distribusi
dan juga tidak bisa menggambarkan variasi yang sesungguhnya.
Rumus IR : Q3 –Q1
Q3 adalah nilai yang terletak di 25% dari keseluruhan data yang dihitungnya dari
data kanan.
Q1 adalah nilai yang terletak di 25% dari keseluruhan data yang dihitungnya dari
data kiri.
Contohnya :
Ada data :
2, 3, 4, 4, 5, 5, 6, 6, 6, 7, 7, 8, 8, 9, 10, 11
Dari data di atas terdapat 16 data. Kita harus mencari terlebih dahulu 25% dari 16
yaitu data keempat. Rumusnya adalah data keempat + data kelima dibagi dua.
Sehingga Q1 sebesar 4+5 = 9 dibagi 2 menjadi 4,5. Untuk mencari Q3, kita melihat
dari sebelah kanan yaitu (8+8) / 2 = 8. Dari situ, dapat ditentukan IR nya sebesar
3,5.
Setelah mendapatkan IR, kita bisa mencari semi-interquartil range(SIR) yang
memiliki rumus = (Q3-Q1) : 2
SIR ini dihitung untuk menghindarkan nilai ektrim agar tidak berpengaruh terhadap
perhitungan.
3. Standar deviasi dan variance
Standar deviasi adalah perhitungan yang mengutamakan deskripsi dalam variabel,
bagaimana penyebaran skor dalam distribusi. Standar deviasi mendeskripsikan
variability dari perhitungan jarak dari rata-rata.
Perhitungan yang ketiga ini bisa dibilang perhitungan paling penting dari
variabilitas.
Perhitungan ini digunakan untuk mencari variance dan standard deviasi. Ada
beberapa langkah untuk menghitungnya :
- Untuk populasi
1. Mencari skor deviasi yang merupakan jarak standard dari mean untuk setiap
skor. Rumusnya : X - µ
Contohnya : ada seorang anak memiliki skor 56 dan rata-rata kelasnya 53. Maka
skor deviasinya adalah : 56-50=3. Sedangkan apabila seorang anak memiliki skor
50, maka skor deviasinya menjadi 50-53=-3
Tanda positif dan negative disini menunjukan letak dari skor tersebut. Apakah di
atas rata-rata atau di bawah rata-rata.
2. Memangkatkan dua setiap skor deviasi
Hal ini digunakan untuk mengatasi apabila jumlah dari skor deviasi bisa saja
menghasilkan angka 0.
Contohnya :

X X-µ (X - µ)2

8 5 25

1 -2 4

3 0 0

0 -3 9

12 0 38

Dari tabel di atas dapat dilihat bahwa apabila skor deviasi tidak kita jumlahkan, kita
akan mendapatkan nilai 0 di akhir penjumlahannya. Oleh karena itu kita musti
memangkatkan dua skor tersebut.
3. Menghitung rata-rata dari langkah kedua
Dalam menghitung rata-rata, kita menggunakan data yang sudah dipangkat duakan
agar hasilnya tidak 0. Proses seperti ini biasa disebut menghitung variance
Rumusnya :
s2 = å (X - µ)2 / N
Dengan N sebagai jumlah dari populasi.
4. Menghitung standar deviasi
Setelah variance nya dapat, kita harus menghitung standari deviasinya yang
rumusnya berupa : Ö s2
 - Untuk sampel
Perhitungan menggunakan sampel digunakan apabila sampel dapat mewakili
populasi asal mereka. Variabelitas yang ada pada sampel biasanya lebih sedikit
dibandingkan populasi. Hal ini lah yang terkadang membuat penelitian ini
menimbulkan suatu bias. Namun, meskipun menimbulkan bias, bukan berarti
penelitian ini tidak dapat dibetulkan.
Langkah-langkah yang diperlukan tidak berbeda dengan perhitungan untuk
populasi. Bedanya hanya terletak di simbol.
1. Mencari skor deviasi yang merupakan jarak standard dari mean untuk setiap
skor. Rumusnya : X – M
M disini berarti rata-rata dari sampel.
2. Memangkatkan dua setiap skor deviasi
3. Menjumlahkan skore deviasi yang telah di pangkatkan dua. Simbol yang
digunakan => SS : å (X - M)2
4. Menghitung sampel variance : s2 = SS / (n-1)
5. Menghitung standard deviasi : s = Ö s2
Hal yang harus diperhatikan dalam penggunaan perhitungan sampel, variability di
populasi dapat saja tidak tergambar dengan sempurna karena variabel di sampel
terbatas hanya pada sampel dan tidak mewakili keseluruhan populasi.
Derajat kebebasan
Derajat kebebasan digunakan untuk mengetahui berapa skor yang dapat kita
tentukan secara acak.
Contohnya :
Kita mengetahui adanya 3 skor yang memiliki rata-rata 5. Karena adanya 3 skor,
kita bisa memilih secara acak 2 skor. 2 skor itu merupakan derajat kebebasan.
Jadinya rumus dari derajat kebebasan ialah n-1. n merupakan jumlah skor yang ada.
Kenapa harus dikurang dengan 1? Karena satu itu tidak boleh ditentukan secara
acak. Satu skor berfungsi untuk membuat data menjadi sesuai dengan yang telah
diketahui sebelumnya.
Skala transformasi
Ada dua macam skala transformasi yang mungkin harus diperhatikan apabila ada
perubahan jarak atau skor
1. Menambahkan suatu angka yang konstan ke setiap skor tidak mengubah skor dari
standar deviasi
Contohnya : apabila ada dua skor dengan nilai 41 dan 43. Kedua skor tersebut
memiliki jarak 2. Apabila dua skore tersebut ditambahkan 2 menjadi 43 dan 45
maka jarak antara keduanya tetap 2.
2. Mengalikan setiap skore dengan angka konstan akan menjadikan standar deviasi
terkalikan dengan angka yang sama
Contohnya : apabila ada dua skore dengan nilai 41 dan 43 memiliki jarak 2 dan
keduanya sama-sama di kalikan 2 menjadi 82 dan 86, maka jarak mereka juga akan
di kalikan 2 pula menjadi 4.
 Faktor-faktor yang dapat mempengaruhi variability
1. Ekstrim skor
Apabila ada ekstrim skor disuatu data, maka sebaiknya kita menggunakan
perhitungan semi interquartil range.
2. Sampel size
Apabila menggunakan sampel size, sebaiknya menggunakan perhitungan standard
deviasi, variance atau semi interquartil range.
3. Stabilitas dalam sampel
Apabila ada stabilitas dalam sampel, perhitungan yang kita gunakan sebaiknya
standard deviasi, variance dan semi interquartil range.
4. Distribusi yang batasnya masih belum jelas
Apabila ada distribusi yang batasnya masih belum jelas seperti > 60. Perhitungan
yang dipergunakan sebaiknya semi interquartil range.
Jadi kesimpulannya, perhitungan range memiliki kemampuan untuk menghitung
sangat terbatas karena tidak selalu range dapat digunakan. Hanya di saat-saat yang
mendukung saja. Sedangkan semi interquartil range memiliki kemampuan untuk
menghitung semua jenis variability.