1
1. Ukuran statistik yang dapat menggambarkan keseragaman data.
2. Memperlihatkan bagaimana sebaran data dari rata-ratanya atau ukuran gejala
pusat lainnya.
3. Semakin kecil ukuran keseragaman semakin merata datanya, semakin besar ukuran
keseragaman semakin besar ketidakmerataan data.
4. Untuk membandingkan penyebaran data dari dua atau lebih kelompok data atau
distribusi data.
2
SUMMARY MEASURES
Absolute Relative
Dispersion Dispersion
3
Ukuran Dispersi : Ukuran baik parameter/statistik untuk mengetahui
seberapa besar pemyimpangan nilai suatu data terhadap rata-ratanya.
Macam-macam Ukuran Dispersi
A. Ukuran Dispersi Absolut
Ukuran dispersi absolut adalah suatu ukuran dispersi yang tidak dibandingkan dengan ukuran
deskriftif lainnya. Ukuran dispersi absolut digunakan untuk membandingkan dua atau lebih data
yang mempunyai satu ukuran yang sama.
Ukuran dispersi absolut terdiri dari :
CATATAN : Xmax dalam data berkelompok merupakan nilai tengah kelas terakhir, sedangkan Xmin
4
2. Sebaran Antar Kuartil (Inter Quartile Range (IQR))
Sebaran Antar Kuartil adalah selisih antara nilai kuartil ketiga (Q3 ) dengan
kuartil pertama (Q1). Semakin besar IQR suatu data, maka data tersebut
semakin tidak merata.
Rumusnya untuk populasi dan sampel menggunakan rumus yang sama
sebagai berikut :
IQR = Q3 – Q1
3. Simpangan Kuartil (Quartile Deviation (QD) atau Semi Inter Quartile Range)
Simpangan Kuartil adalah setengah bagian dari selisih antara nilai kuartil
ketiga (Q3 ) dengan kuartil pertama (Q1).
Rumusnya untuk populasi dan sampel menggunakan rumus yang sama :
sebagai berikut :
Q3 Q1
QD
2
5
4. Simpangan Rata-rata (Average Deviation (AD))
Simpangan Rata-rata adalah rata-rata hitung dari nilai mutlak
penyimpangan antara nilai data pengamatan dengan rata-rata
hitungnya. Semakin besar AD suatu data, maka data tersebut
memiliki fluktuasi yang semakin besar atau tidak stabil dan memiliki
resiko yang tinggi.
Rumusnya sebagai berikut :
• Data Tidak Berkelompok (Ungrouped Data (UD))
Populasi : X Sampel : X x
AD AD
N n
• Data Berkelompok (Grouped Data (GD))
Populasi : f Xi Sampel : f Xi x
AD AD
N n
6
5. Simpangan Baku (Standard Deviation (σ atau s))
Simpangan Baku adalah standar rata-rata penyimpangan suatu data
terhadap nilai rata-ratanya. Semakin besar σ atau s suatu data, maka
data tersebut memiliki fluktuasi yang semakin besar atau tidak stabil.
Dalam dunia usaha, simpangan baku sering dijadikan sebagai ukuran
resiko. Semakin besar simpangan baku, maka semakin besar resiko
yang dihadapi.
Rumusnya sebagai berikut :
• Data Tidak Berkelompok (Ungrouped Data (UD))
Populasi : ( X ) 2
N
Sampel
n > 30 : ( X x) 2
s
n
( X x ) 2
n ≤ 30 : s
n 1
7
• Data Berkelompok (Grouped Data (GD))
Populasi :
f ( X )2
N
Sampel :
f ( xi x) 2
n > 30 : s
n
f ( xi x) 2
n ≤ 30 : s
n 1
8
Contoh :
Diketahui data sbb :
9
Nilai fi xi fixi (xi – x) 2 fi
31 – 40 1 35,5 35,5 (35.5-76.625) 2x 1 = 1691,27
41 – 50 2 45,5 91 (45.5-76.625) 2x 2 = 1937,53
51 – 60 5 55,5 277,5 (55.5-76.625 ) 2x 5 = 2231,32
61 – 70 15 65,5 982,5 (65.5-76. 625) 2x 15 = 1856,48
71 – 80 25 75,5 1887,5 (75.5-76.625 ) 2x 25 = 31,64
81 – 90 20 85,5 1710 (85.5-76.625) 2x 20 = 1575,31
91 –100 12 95,5 1146 (95.5-76.625) 2x 12 = 4275,19
Jumlah ∑fi=80 ∑fixi=6130 ∑ (xi – x) 2 fi = 13598,74
xi . fi 6130
x 76 , 625
f 80
13598 , 74
s 13 , 04
80
Jadi simpangan baku untuk nilai ujian adalah 13,04.
10
6. Varians (Variance (V)
Varians adalah rata-rata hitung dari deviasi kuadrat setiap data
terhadap rata-rata hitungnya atau merupakan bentuk kuadrat dari
simpangan baku.
Rumusnya sebagai berikut :
• Data Tidak Berkelompok (Ungrouped Data (UD)) dan Data
Berkelompok (Grouped Data (GD))
Populasi : V 2
Sampel : V s2
11
Latihan
Kelas f
118-126 3
127-135 5
136-144 9
145-153 12
154-162 5
163-171 4
172-180 2
Jumlah 40
12
B. Ukuran Dispersi Relatif
Ukuran dispersi relatif adalah suatu ukuran dispersi yang dibandingkan
dengan ukuran deskriftif lainnya. Ukuran dispersi relatif digunakan untuk
membandingkan dua data atau lebih yang berbeda baik yang mempunyai
satuan ukuran yang sama atau berbeda.
Ukuran dispersi relatif terdiri dari :
1. Koefisien Variasi (Coefficient of Variation (CV))
Koefisien Variasi adalah hasil bagi antara simpangan baku suatu data dengan
rata-rata hitungnya, dinyatakan dalam bentuk persentase. CV digunakan
sebagai ukuran perbandingan antara dua data atau lebih (terutama jika
simpangan baku tidak bisa dijadikan ukuran perbandingan). Semakin kecil CV,
maka data tersebut lebih homogen atau lebih merata (lebih baik).
Rumusnya sebagai berikut :
Populasi :
CV 100%
s
Sampel : CV 100%
x
13
2. Koefisien Variasi Kuartil (Coefficient of Quartile Variation (CVQ))
Koefisien Variasi Kuartil adalah hasil bagi antara selisih nilai kuartil ketiga (Q3 ) dan
kuartil pertama (Q1) dengan penjumlahan nilai kuartil ketiga (Q3 ) dan kuartil
pertama (Q1), dinyatakan dalam bentuk persentase.
Rumusnya senagai berikut :
QD Q3 Q1
CVQ 100% atau CVQ 100%
Me Q3 Q1
14
Angka Baku (Standard Score (Z))
Angka Baku adalah bilangan yang diperoleh dari hasil bagi antara selisih nilai tertentu suatu
data dan rata-rata hitung data tersebut dengan nilai simpangan bakunya. Angka baku
digunakan sebagai ukuran perbandingan antara dua data atau lebih. Semakin besar angka
bakunya, maka data tersebut lebih baik.
Rumusnya sebagai berikut :
Populasi : X
Z
Sampel :
X x
Z
s
Contoh :
Tuan A adalah pedagang telur yang setiap hari menghasilkan volume penjualan rata-rata
Rp. 75.000 dan simpangan baku Rp. 12.500, sedangkan Tuan B adalah pedagang
kelontong yang setiap hari menghasilkan volume penjualan rata-rata Rp. 55.000 dan
simpangan baku Rp. 5.000. Pada suatu hari bertepatan dengan hari besar A
menghasilkan Rp. 95.000 dan B menghasilkan Rp. 65.000. Siapa yang berhasil menaikkan
volume penjualan ?
15
Jawab :
Tuan A = Z = 95.000 – 75.000 =1,6
12.500
Tuan B = Z = 65.000 - 55.000 = 2,0
5000
Kesimpulan : Yang berhasil menaikkan volume penjualan adalah tuan B karena
mempunyai angka standar lebih besar.
16
UKURAN KEMENCENGAN / UKURAN KEMIRINGAN (Skewness (Sk = σ3))
kurva simetris
17
0,1 ≤ ׀Sk = σ3 < ׀0,3 berarti bentuk kurva DF nya menceng ke kiri jika nilainya negatif
atau menceng ke kanan jika nilainya positif
Sk = σ3 ≥ ׀0,3 berarti bentuk kurva DF nya sangat menceng ke kiri jika nilainya
negatif atau menceng ke kanan jika nilainya positif.
x Mo 3( x M e )
Sk 3 atau Sk 3
s s
3. Rumus Moment / Matematis
Sk 3
f X x
3
ns 3
19
Contoh :
Berapa kemiringan menurut metode Pearson, bowley dan moment ?
Nilai fi
0–9 5
10 – 19 20
20 – 29 15
30 – 39 45
40 – 49 10
50 – 59 5
Jumlah 100
20
Jawab :
k
f i xi 2950 f ( X x) 2 11500
X 29,50 s 10,72
i 1 fi 100 n 100
d1
Mo L .ci 29,5 10 30 34,12
Mo d d Mo 30 35
1 2
21
1 / 2n F
.ci 29,5 10 1 / 2.100 40 31,72
Me L
Me f Me
45
Me
i.n 1.100
F 5
Qi LQ1 4 .ciMe 9,5 10 4 19,5
f Q1 20
i.n 3.100
F 40
Q3 LQ 3 4 .ciQ 3 29,5 10 4 37,28
fQ3 45
22
1. Skewness menurut Pearson :
x Mo 29,50 34,12
Sk 3 SK 0,43
s 10,72
Jadi menurut Pearson kurvanya menceng ke kiri
Sk 3
f X x 3
S
k
30000
3
0, 24
ns 3 100 x10,72
ns 4
Untuk menentukan apakah distribusi itu runcing atau tidak, maka kita
gunakan ketentuan sebagai berikut :
Bila (4) > 3 : Leptokurtic (diagram distribusi berbentuk runcing)
Bila (4) < 3 : Platikurtic (diagram distribusi berbentuk landai)
Bila (4) = 3 : Mezokurtic (diagram distribusi berbentuk simetris)
1 1. Leptokurtic
2. Mezokurtic
2
3
3. Platycurtic
24
Contoh :
Berapa koefisien kurtosis dari data dibawah ini ?
Nilai fi
0–9 5
10 – 19 20
20 – 29 15
30 – 39 45
40 – 49 10
50 – 59 5
Jumlah 100
25
Jawab :
Kelas
0 –9
f
5
(xi – x)4.f
1.953.125 Kt 4
f X x
4
ns 4
10 – 19 20 1.012.500
20 – 29 15 9.375 5462500
30 – 39 45 28.125 K4 4,14
4
100 x10,72
40 – 49 10 506.250
50 – 59 5 1.953.125
Jumlah 100 5.462.500
26
Latihan
1. Berapa kemiringan menurut metode moment dan koefisien
kurtosis dari data frekuensi dibawah ini :
Umur Frekuensi
10-19 3
20-29 5
30-39 10
40-49 12
50-59 20
Jumlah 50
27