BAB 4

DISPERSI, SKEWNESS, DAN KURTOSIS

UKURAN DISPERSI
A. Dispersi
Seingkali informasi yang diperoleh dari nilai gejala pusat (central
tendency) belum cukup mampu menggambarkan keadaan populasi yang
sebenarnya. Nilai mean dan median hanya memberikan informasi mengenai
pusat data dan tidak memberikan informasi mengenai sebaran nilai pada data
tersebut. Hal ini disebabkan karena ada tiga kelompok nilai, yaitu; Homogen,
Relatif Homogen, dan Heterogen. Sebagai contoh perhatikan data berikut; Y : 2,
3, 7, 7, 16. Kemudian Z : 5, 6, 7, 7, 10. Nilai gejala pusat dari data Y dan Z
adalah sama, yaitu mean sebesar 7, median adalah 7, modus juga sama yaitu 7.
Namun kalau diperhatikan secara seksama, penyebaran data kedua kelompok
tersebut tidaklah sama, Y lebih menyebar dibandingkan Z. Oleh karena itu,
untuk memberikan gambaran penyebaran data dari nilai gejala pusatnya, maka
diperlukan ukuran dispersi. Ukuran dispersi atau variasi atau penyimpangan
adalah ukuran yang menyatakan jauhnya nilai pengamatan yang sebenarnya
menyimpang atau menyebar dari nilai gejala pusatnya. Jenis-jenis ukuran
dispersi yang akan dibahas antara lain; Rentang (range), Rentang Antar Kuartil,
Simpangan Kuartil (Rentang Semi Inter Kuartil), Simpangan Rata-rata (Deviasi
mean), Simpangan Baku (standard deviation), dan Varians (variance), serta
Koefisien Variasi.

a. Rentang (range) atau jangkauan

Jangkauan data adalah selisih antara nilai statistik maksimum dan nilai
statistik minimum. Menentukan rentang atau jangkauan data dapat dicari
dengan rumus sebagai berikut:

r = D max – D min

1 Draft Buku Ajar Statistik Deskriptif 2021 Agus Abdillah, SE., M.Pd.E.
b. Rentang Antar Kuartil
Rentang antar kuartil adalah selisih antara kuartil atas dan kuartil
bawah. Untuk mencari rentang antar kuartil, dapat dihitung dengan rumus
sebagai berikut:

RAK = Q3 – Q1

c. Simpangan Kuartil (Deviasi Kuartil atau Rentang Semi Antar Kuartil)

Simpangan Kuartil adalah setengah dari jangkauan antar kuartil.
Sedangkan untuk mencari simpangan kuartil, dapat dihitung dengan rumus
sebagai berikut:

SK = ½ (Q3 – Q1)

d. Simpangan Rata-rata (Deviasi Mean)

Simpangan rata-rata (deviasi mean) adalah rata-rata jarak antara nilai-
nilai data menuju rata-ratanya.
a) Rumus simpangan rata-rata untuk data tunggal:

∑| ̅|
RS =

Contoh: Suatu sampel berukuran n = 5, dengan data: 9, 6, 8, 10, 12. Maka

Simpangan rata-rata dapat dihitung sebagai berikut:
x x- ̅ | ̅|
9 0 0
6 -3 3
8 -1 1
10 1 1
12 3 3
∑x = 45 8

∑ ∑| ̅|
̅ = =9 RS = = = 1,6

2 Draft Buku Ajar Statistik Deskriptif 2021 Agus Abdillah, SE., M.Pd.E.
 b) Rumus simpangan rata-rata untuk data berkelompok:

∑ | ̅|
RS = ∑

Contoh: Informasi nilai UPM Statistik sebagai berikut:

Nilai f X fx |x- ̅| f.| x - ̅ |
41 – 50 2 45,5 91 -25,5 51
51 – 60 5 55,5 277,5 -15,5 77,5
61 – 70 10 65,5 655 -5,5 55
71 – 80 15 75,5 1132,5 4,5 67,5
81 – 90 8 85,5 684 14,5 116
Jumlah 40 2840 367

∑ | ̅|
Maka, ̅ RS = = = 9,17
∑

e. Varians (variance/ ) dan Simpangan baku (standard deviation/ S)

Varians adalah rata-rata hitung deviasi atau selisih kuadrat setiap data
terhadap rata-rata hitungnya. Sedangkan standar deviasi atau simpangan baku
yaitu nilai statistik yang dimanfaatkan untuk menentukan bagaimana sebaran
data dalam sampel, serta seberapa dekat titik data individu ke mean ataupun
rata-rata nilai sampel. Dengan kata lain, simpangan baku merupakan akar dari
varians.
Sebelum kita membahas mengenai rumus standar deviasi, ada suatu
hal yang perlu kita ketahui. Nilai simpangan baku dari kumpulan data yaitu
bisa = 0 atau bahkan lebih besar maupun lebih kecil dari nol (0). Jika nilainya
sama dengan nol, maka semua nilai yang ada dalam himpunan tersebut adalah
sama. Sementara pada nilai yang nilainya lebih besar atau lebih kecil
menandakan bahwa titik data individu tersebut jauh dari nilai rata-rata.
Rumusnya dibuat dengan beberapa sebab. Simpangan baku pada umumnya
biasa dipakai oleh para ahli statistik atau orang yang terjun dalam dunia
statistik untuk mengetahui apakah sampel data yang diambil mewakili seluruh
populasi.

3 Draft Buku Ajar Statistik Deskriptif 2021 Agus Abdillah, SE., M.Pd.E.
 Perlu kita ketahui, dalam mencari data yang tepat untuk sebuah
populasi sangat sulit dilakukan. Oleh karena itu, untuk memepermudah
mencarinya maka dipakai lah sampel data yang mewakili seluruh populasi.
Hal ini dapat memudahkan seseorang dalam melakukan suatu penelitian.
Misalkan suatu sampel berukuran n, dengan data: X1, X2, X3, …., Xn. Maka
simpangan baku (standar deviasi) dari sampel tersebut dapat dihitung sebagai
berikut:
a) Simpangan baku untuk data tunggal:

∑| ̅| ∑
1. Estimasi yang sifatnya bias S=√ =√

∑| ̅| ∑
2. Estimasi yang tidak bias S=√ =√

3. Simpangan Baku dengan Rumus Skor Kasar

Simpangan baku dengan rumus angka kasar atau rumus varians
dapat dihitung sebagai berikut:

∑ ∑ ∑ ∑
= , maka S=√

Keterangan:
S = simpangan baku, n – 1 = derajat kebebasan

4 Draft Buku Ajar Statistik Deskriptif 2021 Agus Abdillah, SE., M.Pd.E.
 Contoh: Suatu sampel berukuran n = 5, dengan data: 9, 6, 8, 10, 12. Maka
simpangan baku dapat dihitung sebagai berikut:
X x- ̅ | ̅|
9 0 0
6 -3 9
8 -1 1
10 1 1
12 3 9
∑x = 45 20

∑ ∑| ̅|
̅ = =9 S=√ =√ = √ = 2,24

Rumus di atas diterapkan dengan selalu menghitung rerata ( ̅

terlebih dahulu, sehingga disebut sebagai Rumus Deviasi.

b) Simpangan baku untuk data berkelompok:

1. Dengan rumus Angka Kasar (Rumus Varians):

∑ ∑ ∑ ∑
= maka, S = √

atau S=√

Keterangan: x = nilai tengah kelas (mid-point)

f = Frekuensi pada kelas yang sesuai
n = ∑f
Contoh: Nilai Mata kuliah Metode Penelitian dari 70 mahasiswa yang telah
disajikan dalam tabel distribusi frekuensi adalah sebagai berikut:

Nilai f x fx
41 – 50 2 45,5 2070,25 91 4140,5
51 – 60 8 55,5 3080,25 444 24642
61 – 70 15 65,5 4290,25 982,5 64353,75
71 – 80 25 75,5 5700,25 1887,5 142506,25
81 – 90 20 85,5 7310, 25 1710 146205
Jumlah 70 5115 381310,5

5 Draft Buku Ajar Statistik Deskriptif 2021 Agus Abdillah, SE., M.Pd.E.
 Maka = = 109,42

=√ = 10,46

2. Dengan Rumus Deviasi:

∑ | ̅| ∑ | ̅|
= maka, S=√

atau S=√

Contoh: Nilai Mata kuliah Metode Penelitian dari 70 mahasiswa yang

telah disajikan dalam tabel distribusi frekuensi adalah sebagai
berikut:
Nilai F x |x - ̅ | | ̅| | ̅|
41 – 50 2 45,5 -27,57 760,10 1520,20
51 – 60 8 55,5 -17,57 308,70 2469,60
61 – 70 15 65,5 -7,57 57,30 859,50
71 – 80 25 75,5 2,43 5,90 147,50
81 – 90 20 85,5 12,43 154,50 3090
Jumlah 70 8086,80

= = 117,2 sehingga S = √ = 10,82

3. Dengan Rumus Coding:

∑ – ∑
= [ ]

6 Draft Buku Ajar Statistik Deskriptif 2021 Agus Abdillah, SE., M.Pd.E.
 Contoh: Nilai Mata kuliah Metode Penelitian dari 70 mahasiswa yang
telah disajikan dalam tabel distribusi frekuensi adalah sebagai
berikut:
Nilai f X c f.c
41 – 50 2 45,55 -2 4 -4 8
51 – 60 8 55,5 -1 1 -8 8
61 – 70 15 65,5 0 0 0 0
71 – 80 25 75,5 +1 1 25 25
81 – 90 20 85,5 +2 4 40 80
Jumlah 70 53 121

–
Maka, = [ ] = 117,2

S=√ = 10,82

f. Simpangan Baku Gabungan (Dua Sampel atau Lebih)

Misalkan:
Sampel 1 : berukuran n1, dengan simpangan baku s1
Sampel 2 : berukuran n2, dengan simpangan baku s2
………………………………………………………
Sampel k : berukuran nk, dengan simpangan baku sk
Maka simpangan baku gabungan dari sampel berukuran n1 + n2
+ …..+ nk dapat dihitung dengan rumus:

∑
S=√ atau S= √
∑

Contoh:
Hasil pengamatan pada sampel pertama terhadap 28 objek, menghasilkan S1 =
5,5 , sedangkan pengamatan pada sampel kedua terhadap 46 objek, diperoleh
S2 = 6,16. Maka simpangan baku gabungan dari kedua sampel tersebut dapat
dihitung:

7 Draft Buku Ajar Statistik Deskriptif 2021 Agus Abdillah, SE., M.Pd.E.
 S=√

=√ = √ = 5,92

g. Koefisien Variasi (coefficient of variation)

Koefisien Variasi (KV) adalah Suatu sistem perbandingan antara
Simpangan baku dengan nilai rata-rata yang dinyatakan dalam bentuk
persentase. Sistem ini digunakan untuk mencari nilai rata-rata yang terdapat
pada suatu data berkelompok. Jika semakin kecil nilai koefisien variasi, maka
data yang ada akan semakin baik. Sebaliknya, jika semakin besar nilai
koefisien variasi, maka data yang ada akan semakin tidak baik. Koefisien
variasi dapat diformulasikan sebagai berikut:

KV = x 100% untuk populasi

KV = x 100% untuk sampel

̅

SKEWNESS DAN KURTOSIS

B. Skewness
Skewness atau disebut juga ukuran kemiringan yaitu suatu bilangan yang
dapat menunjukan miring atau tidaknya bentuk kurva suatu distribusi frekuensi.
Skewness adalah derajat ketidaksimetrisan suatu distribusi. Jika kurva frekuensi
suatu distribusi memiliki ekor yang lebih memanjang ke kanan (dilihat dari
meannya) maka dikatakan menceng kanan (positif) dan jika sebaliknya maka
menceng kiri (negatif). Secara perhitungan, skewness adalah momen ketiga
terhadap mean. Distribusi normal (dan distribusi simetris lainnya, misalnya

8 Draft Buku Ajar Statistik Deskriptif 2021 Agus Abdillah, SE., M.Pd.E.
distribusi t atau Cauchy) memiliki skewness 0 (nol). Komponen penting yang
dapat dijadikan ukuran tentang simetris atau tidak simetris dari sebuah distribusi
ialah letak dari nilai Mean, Median, dan Modus. Makin tinggi tingkat (derajat)
ketidaksimetrisan suatu distribusi frekuensi akan semakin besar pula perbedaan
antara nilai ketiga ukuran central tendency tersebut.
Pada diagram yang simetris besarnya mean = median = modus. Pada
distribusi yang tidak simetris besarnya mean ≠ median ≠ modus. Pada distribusi
semacam ini apabila datanya cukup banyak berlaku ketentuan sebagai berikut:

Mo – Me = 2 (Me - ̅ )

Mo = 3 (Me) – 2 ( ̅ )

Untuk mengukur tingkat kecondongan atau simetris atau tidaknya suatu

distribusi dapat kita gunakan Koefisien Kecondongan atau Coefficient of
Skewness yang dapat dihitung dengan rumus:
1) Metode Pearson
Koefisien Skewness dapat dinyatakan dengan rumus sebagai berikut:
 Cara ke-1 metode Pearson

X
Sk =

Dimana,
Sk : Koefisien skewness
X : Rata-rata
Mo : Nilai modus
S : Simpangan baku

Contoh:
Berdasarkan tabulasi angket mengenai Kepuasan Kerja Guru di SMKN 3 Depok,
tabel berikut ini menyajikan skor jawaban angket tersebut dari sampel sebanyak
80 guru sebagai berikut:

9 Draft Buku Ajar Statistik Deskriptif 2021 Agus Abdillah, SE., M.Pd.E.
 Kepuasan Kerja frekuensi
50 - 54 1
55 - 59 2
60 - 64 11
65 - 69 10
70 - 74 12
75 - 79 21
80 - 84 6
85 - 89 9
90 - 94 4
95 - 99 4
Jumlah 80

Jawab:
Kepuasan f x f.x |x - ̅ | | ̅| | ̅|
50 - 54 1 52 52 -23.38 546.39 546.39
55 - 59 2 57 114 -18.38 337.64 675.28
60 - 64 11 62 682 -13.38 178.89 1967.80
65 - 69 10 67 670 -8.38 70.14 701.41
70 - 74 12 72 864 -3.38 11.39 136.69
75 - 79 21 77 1617 1.63 2.64 55.45
80 - 84 6 82 492 6.63 43.89 263.34
85 - 89 9 87 783 11.63 135.14 1216.27
90 - 94 4 92 368 16.63 276.39 1105.56
95 -9 9 4 97 388 21.63 467.64 1870.56
Jumlah 80 6030 8538.75

fX
Mencari X  = = 75,37 selanjutnya mencari nilai modus,
f

Mo = +c [ ]

 9 
Mo = 74.5 + 5   = 76,37. Kemudian mencari nilai simpangan baku
 9 15 
dengan rumus,

∑ | ̅|
S=√ = 8538 .75  108.08 10.39
80  1

X  Mo 75.37  76,37
Sehingga diperoleh Sk  =  0,09
S 10,39

10 Draft Buku Ajar Statistik Deskriptif 2021 Agus Abdillah, SE., M.Pd.E.
 Dengan menggunakan hubungan antara mean, median, modus rumus di
atas dapat diubah menjadi
 Cara ke-2 metode Pearson

̅
Sk =

Maka terlebih dahulu mencari nilai median,

 40  36 
Me = = 74,5 + 5   = 74,5 + 0,952 = 75,452
 21 

Sehingga diperoleh,

Sk 

3 X  Md 
=
3(75,37  75,45)
 0,02
S 10,39
Jadi distribusi di atas mempunyai skewness negatif

2) Metode Bowley
Dalam menentukan koefisien skewness, Bowley mendasarkan pada
nilai-nilai kuartil, sehingga dapat diformulasikan sebagai berikut:

Jika diperoleh:
1. Q3 - Q2 = Q2  Q1 maka hasilnya akan 0. Membentuk
kurva normal

11 Draft Buku Ajar Statistik Deskriptif 2021 Agus Abdillah, SE., M.Pd.E.
 2. Q3 - Q2  Q2  Q1 maka hasilnya akan skewness positif.

3. Q3 - Q2  Q2  Q1 maka hasilnya akan skewness

negatif.

3) Metode Percentil
Untuk menghitung skewness dengan metode persentil, Sk-nya
dinyatakan dengan:

P90  P10   P50  P10 

Sk 
P90  P10 

Setelah kita ketahui besarnya koefisien skewness maka untuk

menentukan gambar dari distribusi itu condong ke kiri, ke kanan atau simetris
didasarkan atas ketentuan berikut:
a) bila koefisien skewness itu positif berarti mean > median dan modus, maka
kurva condong ke kiri atau ekornya disebelah kanan,
b) bila koefisien skewness itu negatif berarti mean < median dan modus, maka
kurva itu condong ke kanan atau ekornya di sebelah kiri, dan
c) bila koefisien skewnes itu besarnya sama dengan nol berarti
mean=median=modus, maka kurva itu simetris.

Distribusi Simetrik Distribusi Positif Skewness

Distribusi Negatif Skewness

12 Draft Buku Ajar Statistik Deskriptif 2021 Agus Abdillah, SE., M.Pd.E.
C. Kurtosis
Pengukuran Kurtosis (peruncingan) sebuah distribusi teoritis adakalanya
dinamakam pengukuran ekses (excess) dari sebuah distribusi. Sebenarnya
kurtosis bisa dianggap sebagai suatu distorsi dari kurva normal. Keruncingan
atau kurtosis adalah tingkat ketinggian puncak atau keruncingan dari sebuah
distribusi yang biasanya diambil secara relatif terhadap suatu distribusi normal.
Berdasarkan keruncingannya, kurva distribusi dapat dibedakan atas tiga
macam, yaitu sebagai berikut:
1) Leptokurtic
Merupakan distribusi yang memiliki puncak relatif menyempit. Dengan kata
lain puncak kurva hampir meruncing.
2) Platikurtic
Merupakan distribusi yang memiliki puncak hampir mendatar, tumpul
puncak kurvanya.
3) Mesokurtic
Merupakan distribusi yang memiliki puncak tidak tinggi dan tidak mendatar
Bila distribusi merupakan distribusi simetris, maka distribusi mesokurtik
dianggap sebagai distribusi normal.

Leptokurtic

Mesokurtic

Platikurtic

Pada kurva simetris, jika skala tegak lurus kurva normal ditarik secara
memanjang dan skala horisontalnya dipersempit maka kurvanya akan menjadi
tingggi dan ramping. Sebaliknya, jika skala tegak lurusnya diperpendek dan
skala horisontal diperlebar, maka kurvanya akan menjadi pendek dan melebar.

13 Draft Buku Ajar Statistik Deskriptif 2021 Agus Abdillah, SE., M.Pd.E.
 Untuk mengetahui keruncingan atau koefisien kurtosis dilambangkan
dengan α4 (alpha 4). Jika hasil perhitungan koefisien keruncingan diperoleh:
a. Nilai lebih kecil dari 3 (α4 < 3), maka distribusinya adalah distribusi
pletikurtik.
b. Nilai lebih besar dari 3 (α4 > 3), maka distribusinya adalah distribusi
leptokurtik.
c. Nilai yang sama dengan 3 (α4 = 3), maka distribusinya adalah distribusi
mesokurtik.
Dalam perhitungan untuk mengetahui runcingan kurva dapat
mendasarkan pada moment keempat. Momen keempat ialah rata-rata dari
kuatnya penyimpangan keempat dari nilai mean dalam suatu distribusi frekuensi.
Kurtosis dalam suatu distribusi frekuensi diukur atas dasar momen
keempat tersebut dan ukuran ini diberi symbol α4. Sehingga dapat dapat
dirumuskan sebagai berikut:
a. Untuk data tunggal;

∑| ̅| ∑| ̅|

α4 = = = =
∑| ̅|
( )

b. Untuk data berkelompok;

∑ | ̅| ∑ | ̅|
∑ ∑
α4 = = = =
∑ | ̅|
( ∑
)

Contoh:
1. Tentukan kurtosis dari data tunggal 3, 6, 8, 8, 10 !
Jawab:
3  6  8  8  10 35
X  7
5 5

14 Draft Buku Ajar Statistik Deskriptif 2021 Agus Abdillah, SE., M.Pd.E.
 x |x - ̅ | | ̅| | ̅|
3 -4 16 256
6 -1 1 1
8 1 1 1
8 1 1 1
10 3 9 81
Jumlah 0 28 340

Diperoleh, m2 = = 5,6 Sedangkan m4 = = 68

∑| ̅|

Maka, α4 = = = 2,17

Jadi data di atas kurvanya platikurtik (distribusi yang lebih mendatar)

2. Tentukan kurtosis dari tabel mengenai tingkat kecerdasan mahasiswa yang

diambil secara acak sebanyak 100 mahasiswa berikut ini:
IQ Frekuensi
100 – 102 5
103 – 105 18
106 – 108 42
109 – 111 27
112 – 114 8
Jumlah 100

Jawab:
IQ f x f.x |x - ̅ | | ̅| | ̅| | ̅| | ̅|
100 - 102 5 101 505 -6.45 41.60 208.01 1730.77 8653.84
103 - 105 18 104 1872 -3.45 11.90 214.25 141.67 2550.05
106 - 108 42 107 4494 -0.45 0.20 8.51 0.04 1.72
109 - 111 27 110 2970 2.55 6.50 175.57 42.28 1141.63
112 - 114 8 113 904 5.55 30.80 246.42 948.79 7590.35
Jumlah 100 10745 852.75 19937.59

852,75
m2   8.53
100
19937 .6
m4 =  199.38
100

15 Draft Buku Ajar Statistik Deskriptif 2021 Agus Abdillah, SE., M.Pd.E.
 ∑ | ̅| ∑ | ̅|
∑ ∑
Maka, α4 = = = = = =
∑ | ̅| ( )
( ∑
)

2,74
Jadi data di atas kurvanya platikurtik (distribusi yang lebih mendatar)

Momen coefficient of kurtosis dan alpha empat, ukuran keruncingan

tersebut dapat juga dicari dengan menggunakan nilai kuartil dan persentil.
Ukuran yang demikian dinamakan quartile coefficient of kurtosis dan dinyatakan
dengn rumus;

1
(Q 3  Q1 )
K= 2
P90  P10

Dari hasil koefisiensi kurtosis di atas, ada tiga kriteria untuk mengetahui
model distribusi dari sekumpulan data, yaitu:
a. Jika koefisien kurtosisnya < 0,263, maka distribusinya adalah platikurtik.
b. Jika koefisien kurtosisnya = 0,263, maka distribusinya adalah mesokurtik.
c. Jika koefisien kurtosisnya > 0,263, maka distribusinya adalah leptokurtik.

16 Draft Buku Ajar Statistik Deskriptif 2021 Agus Abdillah, SE., M.Pd.E.