FAKULTAS TARBIYAH DAN KEGURUAN

UNIVERSITAS ISLAM NEGERI ANTASARI

BIOSTATISTIKA (TPB18105/ 2 SKS)
STATISTICS IN EDUCATION (PBI18151/2 SKS)

Pertemuan ke-7
Ukuran Penyebaran Data
Dosen Pengampu: Agustina Ambar Pertiwi, M.Pd.
Oktober 2021
 TUJUAN PEMBELAJARAN
Mahasiswa mampu:
1. Menghitung range
2. Menghitung mean deviation
3. Menghitung standar deviation
4. Menghitung ragam (variance)
5. Menghitung standar deviation of means
 UKURAN PENYIMPANGAN/PENYEBARAN
DATA/ DISPERSI

Nilai yg menunjukkan adanya penyimpangan sejumlah data

dari rata-rata.

Semakin tinggi penyimpangan, maka semakin tinggi pula data

menyimpang dari rata-rata atau semakin tinggi tingkat
kesenjangan antara data satu dengan data lainnya
 MANFAAT UKURAN
PENYIMPANGAN/PENYEBARAN DATA/ DISPERSI

1. Digunakan untuk menentukan apakah nilai rata-ratanya benar-benar representatif atau tidak.
Apabila suatu kelompok data memiliki penyebaran yang tidak sama terhadap nilai rata-ratanya,
maka dikatakan bahwa nilai rata-rata tersebut tidak representatif.
Contoh:
Nilai Ujian Statistika: A 60, B 65, C 70, D 80, dan E 95.
Jumlah= 370, Rata-rata nilai siswa= 74.
Jelas nilai rata-rata ini tidak representatif, karena ada 3 siswa yang nilainya dibawah rata-rata. Hal
ini diakibatkan oleh sebaran data yang sangat heterogen.
 MANFAAT UKURAN
PENYIMPANGAN/PENYEBARAN DATA/ DISPERSI

2. Ukuran penyebaran dapat digunakan untuk mengadakan perbandingan

terhadap variabilitas data.
3. Ukuran penyebaran dapat membantu penggunaan ukuran statistika,
misalnya dalam pengujian hipotesis, apakah dua sampel berasal dari
populasi yang sama atau tidak.
 Beberapa Ukuran
Penyimpangan/Penyebaran Data/ Dispersi

1. Rentang/ Nilai Jarak (Range)

2. Deviasi
3. Rata-rata Simpangan/ Rata-rata deviasi (Mean Deviation/ MD)
4. Simpangan Baku/ Standar deviasi (Standar Deviation/ SD)
5. Ragam/ varian (Variance)
6. Simpangan Baku Rata-rata (Standard Deviation of Means)
7. Koefisien variansi=koefisien variabilitas
 1. Range (R)
R=H–L
R= range yang kita cari
H= skor atau nilai yang tertinggi (highest score)
L= skor atau nilai yang terendah (lowest score)

❑ Range: selisih antara nilai terbesar dan nilai terkecil dari data
yang telah disusun berurutan.
❑Digunakan sbg ukuran apabila di dalam waktu yg singkat kita
ingin memperoleh gambaran tentang penyebaran data yg sedang
kita selidiki dgn mengabaikan faktor ketelitian/kecermatan.
 Contoh:
No Nama Nilai yang dicapai H L R Σ Mean

Tugas Tugas Tugas Tugas Tugas

I II III IV V

1 Nisa 60 60 60 60 60 60 60 0 300 60
2 Hana 60 50 40 70 80 80 40 40 300 60
3 Lula 100 50 90 40 20 100 20 80 300 60

“semakin kecil nilai R maka data semakin homogen, mean

mewakili kelompok data, demikian pula sebaliknya….”
Kelebihan Range:
Dalam waktu singkat dapat diperoleh gambaran umum mengenai luas
penyebaran data yang sedang kita hadapi.

Kelemahan Range:
• Sangat tergantung kepada nilai-nilai ekstremnya atau sangat ditentukan oleh
nilai terendah dan nilai tertinggi, sehingga sifatnya sangat labil dan kurang
teliti.
• Tidak memperhatikan distribusi yang terdapat di dalam range itu sendiri.
2. Deviasi (Deviation)
Mean
❑ Selisih atau simpangan dari masing-masing skor atau interval, dari
σ𝑋
nilai rata-rata hitungnya (deviation from the mean). 𝑀𝑥 =
❑Salah satu ukuran variabilitas data yang biasa dilambangkan 𝑁
Deviasi Data Tunggal
dengan huruf kecil dari huruf yang digunakan bagi lambang
skornya. 𝑥 = 𝑋 − 𝑀𝑥
❑Deviasi di atas mean disebut selisih lebih (+), Deviasi di bawah Deviasi Data Kelompok

mean disebut selisih kurang (-), Jika dijumlahkan nilai deviasi 𝑥= −𝑀𝑥
adalah 0.
DEVIASI
Contoh:
Nilai (X) Frekuensi (f) Deviasi σ𝑋
x = X - Mean 𝑀𝑥 =
𝑁
9 1 +2 35
𝑀𝑥 = =7
5
8 1 +1
7 1 0 Deviasi

6 1 -1 𝑥 = 𝑋 − 𝑀𝑥
5 1 -2 𝑥 =9−7 =2 𝑥 = 6 − 7 = −1

ΣX= 35 N=5 ΣX= 0 𝑥 =8−7 =1 𝑥 = 5 − 7 = −2

𝑥 =7−7 =0
3. Rata-rata Simpangan/ Rata-rata deviasi
(Mean Deviation/ MD)
❑Merupakan jumlah harga mutlak deviasi dari tiap-tiap skor, dibagi
dengan banyaknya skor itu sendiri.
❑Tanda aljabar dihilangkan (+/-)

Data tunggal Data tunggal Sebagian atau

seluruh frekuensi 1 seluruh frekuensi lebih dari 1 Data kelompok

σ𝑥 σ 𝑓𝑥 σ 𝑓𝑥
𝑀𝐷 = 𝑀𝐷 = 𝑀𝐷 =
𝑁 𝑁 𝑁
 Mean Deviation Data Tunggal yang seluruh frekuensinya 1
Contoh:
Berikut merupakan nilai hasil studi tingkat sarjana Sasa dan Harry. Carilah
mean dan mean deviationnya!
Nilai (X) f Nilai (Y) f Mean
σ𝑋
73 1 73 1 𝑀𝑥 =
𝑁
78 1 69 1
Nilai Sasa, Nilai Harry, Mean Deviation
disimbolkan X 60 1 disimbolkan Y 72 1
70 1 70 1 σ𝑥
𝑀𝐷 =
62 1 71 1 𝑁
80 1 67 1 Deviasi
67 1 68 1
ΣX= 490 N=7 ΣX= 490 N=7
𝑥 = 𝑋 − 𝑀𝑥
 Mean Deviation Data Tunggal yang seluruh frekuensinya 1
Nilai Sasa, Nilai Harry,
disimbolkan X disimbolkan Y

Mean Nilai (Y) f Deviasi

Mean
Deviasi y = Y - Mean
Nilai (X) f x = X - Mean σ𝑋 490 σ𝑌 490
𝑀𝑥 = = = 70 𝑀𝑦 = = = 70
𝑁 7 𝑁 7
73 1 +3
73 1 +3
Mean Deviation 69 1 -1 Mean Deviation
78 1 +8
σ𝑥 42 72 1 +2 σ𝑦 12
60 1 -10 𝑀𝐷 = 𝑁
= 7
=6,0 𝑀𝐷 = = =1,7
70 1 0 𝑁 7
70 1 0
71 1 +1
62 1 -8 Deviasi Deviasi
67 1 -3
80 1 +10 𝑥 = 𝑋 − 𝑀𝑥 68 1 -2 y= 𝑌 − 𝑀𝑦
67 1 -3
𝑥 = 73 − 70 = 3, 𝑑𝑠𝑡 ΣY= 490 N=7 Σy=12 y= 73 − 70 = 3, 𝑑𝑠𝑡
ΣX= 490 N=7 Σx=42
Mean Deviation
Contoh 2:

Nilai (X) Frekuensi Deviasi σ𝑋 300

(f) x = X - Mean 𝑀𝑥 = = = 60 Mean
𝑁 5
50 1 -10
σ𝑥
60 1 0 𝑀𝐷 =
𝑁
70 1 +10
60
40 1 -20 𝑀𝐷 = = 12
5 Mean
80 1 +20
Deviation
ΣX= 300 N=5 Σx=60
 Contoh Mean Deviation Data Kelompok
Mean
Kelas Interval f Nilai f. 𝑥 Devisi (x)= 𝑥- Mean fx
(X) tengah (𝑥) σ f. 𝑥 3726
𝑀𝑥 = = =62,1
𝑁 60
52-54 4 53 212 -9,1 -36,4
55-57 8 56 448 -6,1 -48,8 Mean Deviation
58-60 10 59 590 -3,1 -31
σ 𝑓𝑥 235,4
61-63 15 62 930 -0,1 -1,5 𝑀𝐷 = = = 3,92
𝑁 60
64-66 11 65 715 +2,9 +31,9
67-69 7 68 476 +5,9 +41,3
Deviasi
70-72 5 71 355 +8,9 +44,5 𝑥 = 𝑋 − 𝑀𝑥
N=60 Σf𝑥= Σfx=
3726 235,4 𝑥 = 𝑥 − 𝑀𝑥
𝑥 = 53 − 62,1 = −9,1, 𝑑𝑠𝑡
 4. Simpangan Baku/ Standar deviasi
(Standar Deviation/ SD)
❑Yaitu suatu nilai yang menunjukkan tingkat variasi suatu
kelompok data
❑Hasil perhitungannya lebih teliti dibandingkan dengan Mean
Deviation

Data Tunggal Data Kelompok

Keterangan:

σ 𝑥2 σ 𝑓𝑥 2 SD= Standar Deviasi

X= nilai deviasi
𝑆𝐷 = 𝑆𝐷 = N= number of case
𝑁 𝑁
f= frekuensi
Contoh Standar Deviasi Data Tunggal

σ𝑋 300
Nilai (X) f x x2 𝑀𝑥 = = = 60 Mean
𝑁 5
40 1 -20 400
𝑥 = 𝑋 − 𝑀𝑥
50 1 -10 100 deviasi
𝑥 = 40 − 60 = −20, 𝑑𝑠𝑡
60 1 0 0
70 1 +10 100 σ 𝑥2
𝑆𝐷 =
80 1 +20 400 𝑁
ΣX= 300 N=5 Σx=0 1000
1000 Standar
𝑆𝐷 = = 200 = 14,14 deviasi
5
 Contoh Standar Deviasi Data Kelompok

STANDAR
Kelas f 𝑥 f𝑥 x x2 fx2
DEVIASI
Interval
(X) 𝑀𝑥 =
σ 𝑓𝑋
= 3726 = 62,1 Mean
𝑁 60
52-54 4 53 212 -9,1 82,81 331,24
55-57 8 56 448 -6,1 37,21 297,68 𝑥 = 𝑥 − 𝑀𝑥
58-60 10 59 590 -3,1 9,61 96,1 𝑥 = 53 − 62,1 = −9,1, 𝑑𝑠𝑡 deviasi
61-63 15 62 930 -0,1 0,01 0,15
64-66 11 65 715 +2,9 8,41 92,51 σ 𝑓𝑥 2
𝑆𝐷 =
67-69 7 68 476 +5,9 34,81 243,67 𝑁
70-72 5 71 355 +8,9 79,21 396,05
N=60 Σf 𝑥= 3726 Σfx2=1457,8 1457,8 Standar
𝑆𝐷 = = 24,29 = 4,93 deviasi
60
 Kegunaan Deviasi Rata-rata (MD)
dan Standar Deviasi (SD)

1. Sebagai ukuran untuk mengetahui variabilitas data sekaligus untuk

mengetahui homogenitas data dengan ketentuan:

“semakin besar nilai deviasi rata-rata (MD) atau standar deviasi (SD)
maka variabilitas data semakin besar dan data semakin kurang
homogen, sebaliknya, semakin kecil nilai deviasi rata-rata (MD) atau
standar deviasi (SD) maka variabilitas data semakin kecil dan data
semakin homogen".
 Lanjutan..

2. deviasi rata-rata (MD) dan standar deviasi (SD) merupakan ukuran statistik
yang sering digunakan dalam dunia pendidikan, khususnya dalam rangka
evaluasi hasil belajar anak didik, misalnya:
a. Untuk menetapkan nilai batas lulus aktual (minimum passing grade)
b. Untuk mengelompokkan anak didik ke dalam 3 ranking, yaitu ranking atas
(kelompok anak didik yang tergolong pandai), ranking tengah (kelompok
anak didik yang tergolong cukup/ sedang), dan ranking bawah (kelompok
anak didik yang tergolong lemah/ bodoh), dsb.
Thank you,
See you !