TAHAPAN ANALISIS STATISTIK DESKRIPTIF

(Penentuan Ukuran Penyebaran Distribusi Data

atau Ukuran Dispersi atau Variabilitas Data)

Demikianlah dua tahapan utama analisis statistik deskriptif telah dilakukan, yaitu
tahapan penentuan distribusi frekuensi data nilai-nilai variabel dan penentuan ukuran tendensi
sentral atau gejala pusat dari sebaran atau distribusi data. Seperti dikatakan Sudijono (2010),
kegiatan menganalisis data statistik dengan hanya mengetahui distribusi frekuensi data dan
nilai rata-rata hitung atau nilai meannya saja , dipandang belum cukup tajam dan teliti, sebab
masih terdapat hal yang berada diluar jangkauan pengetahuan peneliti/investigator atau
pengguna statistika. Sudjana, (2001) mengungkapkan pula, bahwa hanya dengan mengetahui
distribusi frekuensi data dan ukuran nilai rata-rata hitung atau nilai meannya saja, analisis
statistik tidaklah akan lengkap, masih dibutuhkan ukuran-ukuran statistik lainnya. Hal yang
dimaksud tersebut, yaitu bahwa sekalipun distribusi frekuensi unit-unit data variabel dan nilai
rata-rata hitung atau nilai meannya telah diketahui, namun belum dapat diketahui perihal
penyebaran/pemencaran/variasi/dispersi/variabilitas distribusi data sesungguhnya. Oleh sebab
itulah, tahapan utama analisis statistik deskriptif perlu dilanjutkan lagi untuk mengetahui hal
penyebaran/pemencaran/variasi/dispersi/variabilitas atau ukuran penyimpangan atau variasi
(variance) yang relatif tepat dari suatu distribusi data variabel (Sudjana, 2001).
Ukuran tentang derajat pemencaran (degree of scatter) merupakan ukuran dispersi di
mana terdapat kecenderungan bagi setiap nilai variabel untuk berpencar di sekitar nilai rata-
rata (mean). Dispersi merupakan suatu karakteristik yang selalu harus diperhitungkan di
dalam menganalisis data dalam sebuah frekuensi distribusi. Ukuran dispersi dimaksudkan
untuk mengetahui apakah pemencaran dari nilai-nilai variabel di sekitar rata-rata itu sifatnya
berkumpul atau menyebar. Ukuran dispersi atau ukuran penyebaran distribusi data ini, di
sebut pula sebagai ukuran variabilitas dari penyebaran unit data pada sebuah distribusi data.
Variabilitas merupakan kondisi di mana data atau sekumpulan skor sama atau tidak.
Jika data atau sekumpulan skor itu sama maka distribusi data tersebut tidak mempunyai
variabilitas. Besar kecilnya variabilitas merupakan gambaran tentang penyebaran distribusi.
Kegunaan variabilitas ini, dijelaskan Irianto (2011) adalah: (1) Variabilitas memberikan
indikasi bagaimana tingkat akurasi rata-rata dalam menjelaskan distribusi. Jika variabilitas
kecil kemudian seluruh nilai skor mengumpul dan setiap nilai skor mendekati rata-rata, maka
rata-rata sampel representatif untuk seluruh distribusi data nilai skor. Sebaliknya jika
variabilitas besar, maka nilai-nilai atau angka skor tersebar dan tidak mendekati harga rata-
ratanya, sehingga rata-rata sampel tidak representatif untuk seluruh distribusi data nilai atau
skor; dan (2) Variabilitas memberikan indikasi seberapa tepatnya suatu distribusi data berupa
sekelompok angka/nilai/bilangan harga atau sekelompok skor menggambarkan keseluruhan
distribusi. Mengingat rata-rata populasi sering tidak atau sukar diketahui, maka peneliti atau
pengguna statistika lebih banyak menggunakan nilai rata-rata yang berasal dari sampel. Jika
variabilitas data dari sampel berdistribusi kecil, maka setiap data skor/nilai/angka akan akurat
dalam menggambarkan keseluruhan distribusi data tersebut. Sebaliknya jika variabilitas data
sampel berdistribusi besar, maka setiap data atau sekumpulan skor/nilai/angka/bilangan/harga
tidak akurat dalam menggambarkan keseluruhan distribusi atau penyebaran data tersebut.
Ukuran dispersi yang di sebut pula sebagai ukuran variabilitas dari penyebaran suatu
distribusi data merupakan ukuran penyebaran dari sekumpulan data. Sebagaimana dikatakan
Sudijono (2010), ukuran penyebaran dari distribusi data merupakan berbagai macam ukuran
statistik yang dapat digunakan untuk mengetahui hal-hal terkait sebaran data, yang meliputi
ukuran-ukuran: luas penyebaran data; atau variasi data; atau stabilitas data; atau dispersi data
Dispersi data itu sendiri, seperti dijelaskan Ananda, dkk,. (2018) dibedakan atas: (1) ukuran
dispersi mutlak yang terdiri terdiri dari: simpangan rata-rata, simpangan kuartil, dan
simpangan baku., dan (2) ukuran dispersi relatif atau dikenal dengan koefisien variasi yang
digunakan untuk mengukurperbandingan derajat pemencaran dua kelompok distribusi data
yang mempunyai satuan ukuran yang berlainan satu sama lain, misalnya kelompok sampel
pertama mempunyai satuan kilogram sedangkan kelompok sampel lainnya adalah meter.
Kata Pearson yang menemukan formula Koefisien Variasi (KV), ukuran KV ini merupakan
ukuran yang relatif sifatnya karena diperoleh dengan cara yang tidak langsung. Rumus yang
digunakan yakni: KV = (Nilai simpangan baku distribusi data : Nilai Meannya) x 100%.
Sehubungan dengan makna penjelasan teoritis yang dipaparkan sebelumnya, seperti
dikatakan Sudijono (2010), agar dapat dicapai tingkat ketajaman analisis statistik, maka
disamping mengetahui distribusi frekuensi data dan nilai rata-rata hitung atau meannya dari
data nilai variabel yang diteliti atau diinvestigasi, analisis statistik deskriptif yang lebih lanjut
perlu dilakukan terhadap sebaran data nilai-nilai variabel yang diteliti atau diinvestigasi itu,
untuk dapat diketahui kecenderungan penyebarannya. Ukuran yang dapat digunakan untuk
maksud tersebut, dalam dunia statistika dikenal dengan nama Ukuran Variabilitas Sebaran
Data (Measures of Variability) atau Ukuran Penyebaran Data (Measures of Dispersion), atau
seperti disebutkan Sudjana (2001), Ukuran Variansi (Variance) atau Ukuran Penyimpangan
(Deviasi) setiap unit satuan nilai data terhadap nilai rata-rata dari sekumpulan data itu sendiri.
Terkait dengan Ukuran Variabilitas sebaran Data (Measures of Variability) atau
Ukuran Penyebaran Data (Measures of Dispersion), atau Ukuran Variansi (Variance) atau
Ukuran Penyimpangan (Deviation) suatu kumpulan unit-unit data, kata Sudijono (2010) dan
Sujana (2001) , dalam dunia statistika dikenal beberapa macam ukuran tersebut dari yang
paling sederhana (kasar) sampai dengan ukuran yang dipandang memeiliki derajat ketelitian
yang tinggi, yaitu; (1) range atau rentangan data; (2) rentang kuartil; (3) simpangan kuartil;
(4) deviasi, meliputi; deviasi kuartil, rata-rata simpangan atau deviasi rata-rata, dan deviasi
standar atau simpangan baku; (5) Variance atau variansi sebaran data; (6) ukuran penyebaran
relatif atau Koevisien variasi; dan standar angka baku. Adapun ukuran penyebaran relatif atau
Koevisien variasi; dan standar angka baku; dapat diketahui harganya bilamana nilai standar
deviasi atau simpangan baku telah diketahui. Karena, nilai standar deviasi atau simpangan
baku ini, yang diterapkan dalam rumusan perhitungan Koevisien variasi; dan standar angka
baku. Ukuran variabilitas data, seperti kata Irianto (2011); & Ananda, dkk., (2018), umumnya
dikelompokkan dalam 3 golongan ukuran variabilitas data, yakni: (1) range; (2) interquartile
range; dan (3) standar deviasi atau simpangan baku. Teknik range dan interquartile range,
merupakan perhitungan variabilitas yang masih kasar, sehingga jarang dipergunakan untuk
melakukan perhitungan variabilitas data. Teknik perhitungan variabilitas data yang memiliki
tingkat keakuratan tinggi dan yang paling sering diterapkan peneliti dalam menganalisis data
penelitiannya, yakni teknik standar deviasi atau simpangan baku.
Standar deviasi (SD) atau simpangan baku (s) merupakan salah satu cara mengukur
variasi sekelompok unit-unit data kuantitatif. Besar harga standar deviasi menunjukkan
tingkat variansi dari sekumpulan data. Semakin besar harga standar deviasi atau simpangan
baku, berarti semakin bervariasi atau bersifat heterogen angka-angka/nilai-nilai/bilangan
statistik pada sekumpulan data kuantitatif tersebut. Dalam dunia statistika induktif, kata
Sudjana (2001), ukuran variabilitas terutama Standar Deviasi (SD) atau Simpangan Baku (s),
memegang peranan penting, sama pentingnya dengan peranan nilai rata-rata hitung atau nilai
mean dari suatu distribusi data. Disebut Standar Deviasi (SD), karena ukuran deviasi rata-rata
yang memiliki kelemahan, telah dibakukan atau distandarisasikan sehingga memiliki kadar
kepercayaan atau reliabilitas yang lebih mantap. Oleh karena itu, dalam dunia statistika,
Standar Deviasi (SD) ini memiliki kedudukan yang amat penting (Sudijono, 2010). Karena
itulah, kata Sudjana (2001), ukuran variabalitas data yang paling sering digunakan dalam
kerja analisis statistik Standar Deviasi (SD) atau yang biasa dinamakan Simpangan Baku
yang dinotasikan huruf “s” untuk simpangan baku sampel, sedangkan untuk simpangan baku
populasi dinotasikan dengan “𝞼” yang dibaca “sigma”. Pangkat dua dari standar deviasi atau
simpangan baku ini disebut varians (variance). Jadi “s2” adalah varians (Variance) untuk
sampel dan “𝞼2” menyatakan varians (variance) untuk populasi. Ini memberi pula makna
seperti dikatakan Irianto (2011), bahwa Standar Deviasi (SD) atau Simpangan Baku (s) ini,
tidak lain adalah merupakan akar dari harga atau nilai varians (variance), karena turunan
secara matematis dari pangkat dua adalah akar. Jadi, bila nilai harga varians telah diketahui,
kemudian dicari nilai akarnya, maka diketahuilah harga atau nilai Standar Deviasi (SD) atau
Simpangan Baku (s) ini pada sebuah distribusi data.
Berikut ini, setelah melakukan tahapan analisis statistik deskriptif tentang distribusi
frekuensi data dan penentuan ukuran tendensi sentral yakni mean atau rata-rata hitungnya,
pekerjaan analisis statistik deskriptif selanjutnya yakni melakukan tahapan analisis penentuan
ukuran penyebaran distribusi data atau ukuran dispersi atau variabilitas data. Teknik analisis
statistik deskriptif perhitungan variabilitas data yang dilakukan yakni teknik analisis untuk
menentukan ukuran Standar Deviasi (SD) atau simpangan baku (s). Hal ini karena, standar
deviasi (SD) atau simpangan baku (s) merupakan ukuran variabilitas yang memiliki tingkat
keakuratan tinggi dan yang paling sering diterapkan peneliti/investigator untuk menganalisis
secara statistikal sekumpulan data objek yang diteliti dalam kegiatan penelitiannya.
Harga atau angka ukuran standar deviasi (SD) atau simpangan baku (s) dari sebuah
susunan data kuantitatif dapat dilakukan dengan berbagai cara. Namun, seperti dikatakan
Sudjana (2001), dalam dunia statistika, umumnya dikenal dua macam susunan unit-unit data
atau susunan datum data, yakni yang tersusun secara tak berkelompok (susunan tunggal tanpa
kelas-kelas interval) dan yang tersusun secara berkelompok (atau yang diatur dalam daftar
distribusi frekuensi dan terkelompokkan dalam kelas-kelas interval nilai-nilai data). Oleh
sebab itu pula, untuk mencari ketetapan harga atau angka nilai ukuran standar deviasi (SD)
atau simpangan baku (s) ini dari kumpulan unit data kuantitatif, maka dilakukan melalui
rumus hitung standar deviasi (SD) atau simpangan baku (s) untuk distribusi data yang
tersusun secara tak berkelompok dan untuk distribusi data yang tersusun secara berkelompok.
Lebih lanjut, dikatakan Sudjana (2001), untuk distribusi data yang tersusun secara tak
berkelompok (susunan tunggal tanpa kelas-kelas interval), dengan jumlah subjek sampel
kecil (n < 30), dapat menggunakan rumus hitung untuk mencari harga atau nilai ukuran
standar deviasi (SD) atau simpangan baku (s) nya, yakni seperti berikut:
SD atau s = √∑ ¿ ¿ ¿ ¿
Dapat dimaknakan seperti berikut; SD atau s = √∑ ¿ ¿ ¿ ¿
Dan bila jumlah subjek sampel besar (n > 30), diterapkan rumus berikut ini;
SD atau s = √ ∑ ¿ ¿ ¿ ¿
Dapat dimaknakan seperti berikut; SD atau s = √ ∑ ¿ ¿ ¿ ¿
Sehubungan dengan kategori ukuran sampel, seperti diungkapkan Sudjana (2001), bahwa
biasanya dalam statistika dikenal dua kategori ukuran sampel, yakni sampel berukuran kecil
 dan sampel berukuran besar. Dikatakan suatu ukuran sampel berukuran kecil, bila n < 30;
dan dikatakan sampel yang berukuran besar, bila n > 30; Beberapa ahli masih ada yang
menentukan lain mengenai ukuran-ukuran sampel ini, akan tetapi umumnya yang terbanyak
digunakan adalah seperti ketentuan yang dikemukakan di atas.
Selain cara seperti yang telah dijelaskan Sudjana (2001) di atas, untuk distribusi data
yang tersusun secara tak berkelompok (susunan tunggal tanpa kelas-kelas interval), dapat
pula dilakukan cara seperti yang dikatakan Ananda, dkk, (2018); dan Sudijono (2010), yang
disebutnya sebagai teknik menghitung standard deviasi dari distribusi data tunggal yang
sebagian atau seluruh nilai variabel berfrekuensi lebih dari satu (angka atau nilai unit data
yang sama dikumpulkan bersama lalu dihitung jumlah frekuensinya). Cara ini dilakukan
melalui penggunaan rumus hitung berikut :
Untuk distribusi data yang tersusun secara tak berkelompok (susunan tunggal tanpa kelas-
kelas interval), dengan jumlah subjek sampel kecil (n < 30), dapat menggunakan rumus
hitung berikut ini;

SD atau s =
√ ∑ f i. x 2
n
Rumus di atas dapat dimaknakan seperti berikut
SD atau s =

√ ∑ ( Frekuensi Unit Data yang berangka sama) Χ (Deviasi Unit Data yang berangka sama)2
n atau JumlahUnit Data
Jika jumlah subjek sampel besar (n > 30), dapat menggunakan rumus hitung berikut:

SD atau s =
√ ∑ f i. x 2
n−1
Rumus di atas dapat dimaknakan seperti berikut
SD atau s =

√ ∑ ( Frekuensi Unit Data yang berangka sama) Χ (Deviasi Unit Data yang berangka sama)2
n atau Jumlah Unit Data−1

Selanjutnya, dikatakan Ananda, dkk, (2018); & Sudijono (2010), untuk dapat menggunakan
rumus hitung untuk mencari harga atau nilai ukuran standar deviasi (SD) atau simpangan
baku (s) tersebut, terlebih dahulu harus ditentukan nilai mean data yang tersusun secara tak
berkelompok (susunan tunggal tanpa kelas-kelas interval) tersebut. harga atau nilai mean
data itu, kemudian digunakan dalam menentukan harga nilai ukuran deviasi dari setiap unit-
unit data tunggal, baik unit data tunggal yang berfrekuensi satu maupun unit data tunggal
yang berfrekuensi lebih dari satu (unit-unit data yang berangka statistik sama). Untuk
menentukan besaran harga atau nilai mean atau rata-rata hitungnya digunakan cara berikut:
∑f , X
Mean Data variabel =
∑N
Dimana :
∑f.X adalah total jumlah perkalian antara unit-unit nilai data dengan frekuensinya
N adalah Jumlah seluruh frekuensi atau jumlah sampel atau subjek penelitian/investigasi
Berdasarkan penjelasan tentang rumus-rumus hitung dan cara penerapannya di atas,
maka kerja analisis statistik deskriptif dalam menentukan besaran standar deviasi atau
 simpangan baku untuk distribusi data yang tersusun secara tak berkelompok (susunan
tunggal tanpa kelas-kelas interval) dapat dilakukan. Tahapan prosesnya seperti berikut ini;
1. Langkah Pertama: Melakukan perhitungan standar deviasi (SD) atau simpangan baku (s)
untuk distribusi data yang tersusun secara tak berkelompok, atau menghitung standar
deviasi dari data mentah (data aslinya). Nilai-nilai data asli atau data mentah adalah data
nilai variabel yang diperoleh langsung dari lapangan. Data nilai itu ditampilkan berikut ini;
Tabel 13. Data mentah atau Data Asli Nilai Variabel………………….. ..dari hasil….….
No Urut Ori Angka-Angka Nilai Data Variabel……… (dlm satuan ukuran…)
1 16
2 17
3 20
4 30
5 15
6 17
7 19
8 31
9 20
10 30
11 40
12 50
13 10
14 20
15 30
16 40
17 10
18 20
19 30
20 40
21 20
22 10
23 30
24 50
25 32
26 38
27 44
28 50
29 20
30 40
31 50
32 62
33 10
34 20
35 30
36 40
37 31
38 17
39 10
40 32
41 10
42 17
43 20
 44 40
45 10
2. Langkah Kedua: Menjumlahkan seluruh nilai data mentah variabel……….………...…
lalu menghitung besaran nilai rata-rata hitung atau mean data, yang hasilnya berikut ini
Tabel 14. Besaran Nilai Rata-Rata atau Mean Sebaran Data mentah atau Data Asli Nilai
Variabel………………….. yang diperoleh dari hasil pengukuran/penimbangan
No Urut Ori Angka-Angka Nilai Data Variabel……… (dlm satuan ukuran…)
1 16
2 17
3 20
4 30
5 15
6 17
7 19
8 31
9 20
10 30
11 40
12 50
13 10
14 20
15 30
16 40
17 10
18 20
19 30
20 40
21 20
22 10
23 30
24 50
25 32
26 38
27 44
28 50
29 20
30 40
31 50
32 62
33 10
34 20
35 30
36 40
37 31
38 17
39 10
40 32
41 10
42 17
43 20
44 40
 45 10
Total Nilai Data 1238
Nilai Rata-Rata atau Mean Data = Total nilai Data : Jumlah Unit Data = 1238 : 45 = 27.51
3. Langkah Ketiga: Melakukan perhitungan standar deviasi (SD) atau simpangan baku (s)
sebaran data mentah (data aslinya) nilai variabel……………. yang diawali dengan kerja
menghitung nilai penyimpangan atau deviasi setiap unit nilai data dari meannya.
Tabel 15. Hasil Analisis Statistik Deskriptif Penentuan Nilai Standar Deviasi (SD) atau Simpangan
Baku (S) Sebaran Data Mentah (Data Aslinya) Nilai Variabel…………….
No. Unit Data X Data Nilai Variabel X Deviasi Unit Data X Deviasi2
1 16 -11.51 132.48
2 17 -10.51 110.46
3 20 -7.51 56.40
4 30 2.49 6.20
5 15 -12.51 156.50
6 17 -10.51 110.46
7 19 -8.51 72.42
8 31 3.49 12.18
9 20 -7.51 56.40
10 30 2.49 6.20
11 40 12.49 156.00
12 50 22.49 505.80
13 10 -17.51 306.60
14 20 -7.51 56.40
15 30 2.49 6.20
16 40 12.49 156.00
17 10 -17.51 306.60
18 20 -7.51 56.40
19 30 2.49 6.20
20 40 12.49 156.00
21 20 -7.51 56.40
22 10 -17.51 306.60
23 30 2.49 6.20
24 50 22.49 505.80
25 32 4.49 20.16
26 38 10.49 110.04
27 44 16.49 271.92
28 50 22.49 505.80
29 20 -7.51 56.40
30 40 12.49 156.00
31 50 22.49 505.80
32 62 34.49 1189.56
33 10 -17.51 306.60
34 20 -7.51 56.40
35 30 2.49 6.20
36 40 12.49 156.00
37 31 3.49 12.18
39 17 -10.51 110.46
39 10 -17.51 306.60
40 32 4.49 20.16
41 10 -17.51 306.60
42 17 -10.51 110.46
43 20 -7.51 56.40
44 40 12.49 156.00
 45 10 -17.51 306.60
Total Jumlah 1238 0.05 8033.24
Mean 27.51 0.0 178.52
Berdasarkan hasil kerja analisis statistik deskriptif yang hasilnya ditampilkan pada
Tabel 15. dapat diketahui beberapa nilai-nilai hasil analisis data X secara deskriptif, yakni;
Total Jumlah Data Nilai Variabel X (variabel…..………………………..….) = 1238
Jumlah Seluruh Unit Data Nilai Variabel X (variabel…..………….……...) = 45
Mean atau Rerata Data Nilai Variabel X (variabel….……………..………..) = 27.51
Total Jumlah nilai Deviasi2 (Deviasi kuadrat) Data Nilai Variabel X (…….…) = 8033.24
Mean atau Rerata Deviasi2 Data Nilai Variabel X (variabel…..………..…..) = 178.52
Selanjutnya ditentukan harga nilai Simpangan baku (s) atau standar deviasi (SD) sebaran
Data Nilai Variabel X (Variabel………………..……….…), dengan memperhatikan nilai-
nilai hasil dari perhitungan analisis seperti yang tersebut di atas, kemudian disubsitusikan ke
dalam rumus hitung Simpangan Baku (s) atau Standar Deviasi (SD). Karena jumlah unit data
nilai variabel X berjumlah sebanyak 45 unit, maka rumus hitung Simpangan Baku (s) atau
Standar Deviasi (SD) yang dipergunakan, yakni yang formulasinya seperti berikut ini;
SD atau s = √∑ ¿ ¿ ¿ ¿= √∑ ¿ ¿ ¿ ¿
atau SD atau s ¿
√ ∑ Total Nilai Deviasi Kuadrat Data NilaiVariabel X … … … … …
n atau Jumlah Unit Data X−1
Melalui penggunaan rumus hitung di atas, maka diperoleh harga nilai Simpangan Baku (s)
atau Standar Deviasi (SD) sebaran Data Nilai Variabel X (Variabel……………….…) yakni;

SD atau s ¿
√ 8033.24
45−1
=
√ 8033.24
44
= 182.57

SD atau s ¿ √ 182.57 = 13.51

Dengan demikian dapatlah dikatakan bahwa, sebaran data nilai variabel X (variabel……….
yang diperoleh dari hasil pengukuran/penimbangan langsung di lapangan), memiliki harga
atau nilai Simpangan Baku (s) atau Standar Deviasi (SD) sebesar 13.51. Nilai 13.51 ini,
merupakan harga standar ukuran dispersi atau pemencaran atau penyebaran nilai-nilai unit
data variabel X (variabel…………………..) terhadap titik tendency sentralnya yakni mean
data variabel X itu sendiri. Dari hasil perhitungan ini pula, dapat diketahui nilai variance atau
variansi sebaran data variabel X (nilai yang diperoleh dari hasil pengukuran/penimbangan
langsung di lapangan). Sebagaimana dikatakan Ananda, dkk., (2018), Simpangan baku (s)
atau standar deviasi (SD) merupakan bentuk simpangan rata-rata yang diperbarui dan juga
merupakan ukuran dispersi yang lebih umum dipergunakan dalam analisis data statistik.
Dalam kenyataannya simpangan baku (s) atau standar deviasi (SD) ini, dipandang demikian
pentingnya sehingga menjadi standar ukuran dispersi yang memiliki keakuratan yang tinggi.
Kuadrat dari simpangan baku disebut variance.
Berdasarkan paparan penjelasan ringkas di atas, yang menyatakan bahwa Kuadrat dari
simpangan baku disebut variance, maka harga nilai variance sebaran data variabel X (nilai
yang diperoleh dari hasil pengukuran/penimbangan langsung di lapangan) adalah 182.57.
Besaran nilai 182.57 ini, diperoleh dari nilai kuadrat (13.51)2 atau secara manual dapat
dihitung dengan cara; 13.51 x 13.51 = 182.57.