PENGUKURAN DISPERSI, KEMIRINGAN,

DAN KERUNCINGAN DATA

• DISPERSI DATA
Dispersi/ variasi/ keragaman data: ukuran penyebaran
suatu kelompok data terhadap pusat data.
• Ukuran Dispersi yang akan dipelajari:
❑Jangkauan (Range)
❑Simpangan rata – rata (mean deviation)
❑Variansi (variance)
Dispersi multak
❑Standar Deviasi (Standard Deviation)
❑Simpangan Kuartil (quartile deviation)
❑Koefisien variasi (coeficient of variation) Dispersi relatif
 RANGE/ JANGKAUAN DATA (r)
• Range: Selisih nilai maksimum dan nilai minimum
Rumus:
Range (r) = Nilai max – nilai min

• Rangeuntuk kelompok data dalam bentuk distribusi

frekuensi diambil dari selisih antara nilai tengah kelas
maksimum – nilai tengah kelas minimum
 Simpangan Rata2/ Mean Deviation (SR)

• Simpangan rata – rata: jumlah nilai mutlak dari

selisih semua nilai dengan nilai rata – rata,
dibagi banyaknya data.
• Rumus
• Untuk data tidak berkelompok

 X −X
Dimana:
X = nilai data

SR = X = rata – rata hitung

n = banyaknya data

n
Contoh:
• Deviasi rata-rata dari nilai UTS 10 siswa adalah

78 56 66 94 48 82 80 70 76 50
• Langkah pertama adalah menghitung nilai rata-rata 10 orang yaitu
700:10 = 70
• langkah kedua menghitung selisih skor dengan µ

Skor µ X-µ  X −X
SR =
78 70 8 n
56 70 14
66 70 4 120
94 70 24 SR=
10
48 70 22 =12
82 70 12
80 70 10
70 70 0
76 70 6
50 70 20+
120
• Data Berkelompok (Grouped Data)
Dimana:
( f X − X ) X = nilai data

SR =
X= rata – rata hitung
n = Σf = jumlah frekuensi

n
 2
VARIANCE/VARIANS ( s )
• Variansi adalah rata – rata kuadrat selisih atau
kuadrat simpangan dari semua nilai data terhadap
rata – rata hitung.
s2 = simbol untuk sample

 2
= simbol untuk populasi
• Data Tidak Berkelompok Data Populasi
 2 ∑(X−µ )𝟐
( X − X )
2
=
𝑁
S =
2

n −1

• Data Berkelompok Data Sampel

 f (X − X )
2

S =
2

n −1
Contoh (Menggunakan soal sebelumnya)
Skor µ X-µ (X−µ )𝟐
78 70 8 64
56 70 14 196
66 70 4 16
94 70 24 576
48 70 22 484
82 70 12 144
80 70 10 100
70 70 0 0
76 70 6 36
50 70 20+ 400+
120 2016

2 =
2016
10
= 201,6
 STANDAR DEVIASI/ STANDARD DEVIATION (S)

• Standar deviasi: akar pangkat dua dari variansi

• Rumus:
( X − X )
2
Data Tidak Berkelompok S =
2

n −1

 f (X − X )
Data Berkelompok 2

S =
2

n −1
Contoh (Menggunakan soal Sebelumya)
Skor µ X-µ (X−µ )𝟐
78 70 8 64
56 70 14 196
66 70 4 16
94 70 24 576
48 70 22 484
82 70 12 144
80 70 10 100
70 70 0 0
76 70 6 36
50 70 20+ 400+
120 2016

2 =
2016
= 14,20
10
Contoh Soal
• Data tidak berkelompok
Diketahui sebuah data berikut:
20, 50, 30, 70, 80
Tentukanlah:
a. Range (r)
b. Simpangan Rata – rata (SR)
c. Variansi
d. Standar Deviasi
• Jawab:
a. Range (r) = nilai terbesar – nilai terkecil = 80 – 20 = 60
b. Simpangan Rata – rata (SR):
 X −X
SR =
n
20 + 50 + 30 + 70 + 80
X= = 50
5
n=5

20 − 50 + 50 − 50 + 30 − 50 + 70 − 50 + 80 − 50
SR =
5
30 + 0 + 20 + 20 + 30 100
SR = = = 20
5 5
• Variansi (s 2 )
( X − X )
2

S =
2

n −1

(20 − 50) 2
+ (50 − 50) 2
+ (30 − 50) 2
+ (70 − 50) 2
+ (80 − 50) 2
S2 =
5 −1
900 + 0 + 400 + 400 + 900 2600
S2 = = = 650
4 4

• Standar Deviasi (S)

S= S 2

S = 650 = 25, 495

Contoh Soal
• Data Berkelompok

Diketahui data pada tabel dibawah ini:

Modal Frekuensi Tentukan:

a. Range (r)
112 - 120 4 b. Simpangan rata – rata (SR)
c. Variansi
121 - 129 5
d. Standar Deviasi
130 - 138 8
139 - 147 12
148 -156 5
157 -165 4
166 - 174 2
40
JAWAB
• Range (r)= (nilai tengah tertinggi – nilai tengah terendah)/2
• Simpangan rata – rata

( f X − X )
SR =
n
n = jml frekuensi
• Variansi

 f (X − X )
2

S =
2

n −1

• Standar Deviasi
 f (X − X )
2

S =
2

n −1
• Untuk memudahkan mencari jawaban, maka dibuat tabel
sesuai dengan keperluan jawaban
Nilai
Modal f Tengah
(X)
fx
X −X f X −X ( X − X )2 f ( X − X )2
112 - 120 4 116 464 24,525 98,100 601,476 2405,902

121 - 129 5 125 625 15,525 77,625 241,026 1205,128

130 - 138 8 134 1072 6,525 52,200 42,576 340,605

139 - 147 12 143 1716 2,475 29,700 6,126 73,507

148 -156 5 152 760 11,475 57,375 131,676 658,378

157 -165 4 161 644 20,475 81,900 419,226 1676,902

166 - 174 2 170 340 29,475 58,950 868,776 1737,551

Jumlah 40 5621 455,85 8097,97

0 4

𝑓𝑥
* =𝑓
Maka dapat dijawab:
= 170 – 116 = 54
• Range (r)

• Simpangan rata – rata

455,850
SR = = 11,396
40
• Variansi

8097,974 8097,974
S =
2
= = 207, 64
40 − 1 39
• Standar Deviasi

S = 207, 64 = 14, 41
JANGKAUAN QUARTIL
DAN JANGKAUAN PERSENTIL 10-90
• Jangkauan kuartil disebut juga simpangan kuartil, rentang
semi antar kuartil, deviasi kuartil. Jangkauan persentil 10-90
disebut juga rentang persentil 10-90
• Jangkauan kuartil dan jangkauan persentil lebih baik daripada
jangkauan (range) yang memakai selisih antara nilai
maksimum dan nilai minimun suatu kelompok data
• Rumus:

Jangkauan Kuartil:
Ket:
1
JK = (Q3 − Q1 ) JK: jangkauan kuartil
Q1: kuartil bawah/ pertama
2 Q3: kuartil atas/ ketiga
• Rumus Jangkauan Persentil

JP10−90 = P90 − P10

• KOEFISIEN VARIASI/ DISPERSI RELATIF
❑Untuk mengatasi dispersi data yang sifatnya mutlak, seperti simpangan
baku, variansi, standar deviasi, jangkauan kuartil,dll
❑Untuk membandingkan variasi antara nilai – nilai besar dengan nilai –
nilai kecil.
❑Untuk mengatasi jangkauan data yang lebih dari 2 kelompok data.

Rumus:
Ket:
S KV: Koefisien variasi
KV = *100% S : Standar deviasi
X X : Rata – rata hitung
 KOEFISIEN VARIASI KUARTIL
• Alternatif lain untuk dispersi relatif yang bisa digunakan jika
suatu kelompok data tidak diketahui nilai rata – rata hitungnya
dan nilai standar deviasinya.
• Rumus:

Q3 − Q1 (Q3 − Q1 ) / 2
KVQ = atau KVQ =
Q3 + Q1 Med
 NILAI BAKU
• Nilai baku atau skor baku adalah hasil transformasi antara nilai
rata – rata hitung dengan standar deviasi
• Rumus:

X1 − X Nilai i = 1, 2, 3, …, n
Zi =
S
Contoh Soal untuk Koefisien Variasi dan
Simpangan Baku
• Koefisien Variasi

Ada dua jenis bola lampu. Lampu jenis A secara rata – rata
mampu menyala selama 1500 jam dengan simpangan baku
(standar deviasi) S1 = 275 jam, sedangkan lampu jenis B secara
rata – rata dapat menyala selama 1.750 jam dengan simpangan
baku S2 = 300 jam. Lampu mana yang kualitasnya paling baik?
Jawab:
Lampu jenis A:
S1 275
KV1 = *100% = *100% = 18,3%
Lampu jenis B: X1 1500

S2 300
KV2 = *100% = *100% = 17,1%
X2 1750
• Nilairata – rata ujian akhir semester mata kuliah Statistika
dengan 45 mahasiswa adalah 78 dan simpangan baku/standar
deviasi (S) = 10. Sedangkan untuk mata kuliah Bahasa Inggris
di Kelas itu mempunyai nilai rata – rata 84 dan simpangan
bakunya (S) = 18. Bila dikelas itu, Desi mendapat nilai UAS
untuk Statistika adalah 86 dan untuk bahasa Inggris adalah 92,
bagaimana posisi/ prestasi Desi di kelas itu?
• Jawab
• Untuk mengetahui posisi/ prestasi Desi, maka harus dicari nilai
baku (Z) dari kedua mata kuliah tersebut.

X −X
Z=
S
dengan nilai X adalah nilai UAS yang diperoleh Desi
• Untuk Mata Kuliah Statistika
X = 86 S = 10
Maka: X = 78 86 − 78
Z= = 0,8
10
• Untuk Mata Kuliah Bahasa Inggris
X = 92 S = 18
Maka: X = 84 92 − 84
Z= = 0, 4
18
Karena nilai baku (Z) untuk mata kuliah Statistika
lebih besar dari B. Inggris, maka posisi Desi lebih baik
pada mata kuliah Statistika dari pada B. Inggris
 KEMIRINGAN DATA/KEMENCENGAN/SKEWNESS
• Kemiringan: derajat/ ukuran dari ketidaksimetrian (asimetri) suatu
distribusi data
• 3 pola kemiringan distribusi data, sbb:
• Distribusi simetri (kemiringan 0)
• Distribusi miring ke kiri (kemiringan negatif)
• Distribusi miring ke kanan (kemiringan positif)
 Rumus Koefisien Skewness
menggunakan Formula Pearson
3(µ − 𝑀𝑑)
𝑆𝑘 =
σ
𝑆𝑘 = Koefisien Kemencengan/Skewness
µ = nilai rata-rata
Md = nilai Median
σ = standar deviasi
• Beberapa metoda yang bisa dipakai untuk menghitung kemiringan data,
yaitu:
• Rumus Pearson
• Rumus Momen
• Rumus Bowley

• Rumus Pearson (α)

X − Mod 3( X − Med )
= atau =
S S
• Rumus tersebut dipakai untuk data tidak berkelompok maupun data
berkelompok.
• Bila α = 0 atau mendekati nol, maka dikatakan distribusi data simetri.
• Bila α bertanda negatif, maka dikatakan distribusi data miring ke kiri.
• Bila α bertanda positif, maka dikatakan distribusi data miring ke kanan.
• Semakin besar α, maka distribusi data akan semakin miring atau tidak simetri
 RUMUS MOMEN ( 3 )
• Cara lain yang dipakai untuk menghitung
derajat kemiringan adalah rumus momen
derajat tiga, yaitu
• Untuk data tidak berkelompok:

3 =
 (X − X ) 3

3
nS
• Untuk data berkelompok
3 =  ( f ( X − X ) 3
)
 f S3
• Besarnya koefisien kemencengan dapat juga diketahui melalui nilai alpha 3
(α3 ):

1 3
𝑁
∑(𝑋−µ)
α3 =
σ3
• Jika α3 = 0, maka distribusi data simetri
• Jika α3 < 0, maka distribusi data miring ke kiri (negative skew)
• Jika α3 > 0, maka distribusi data miring ke kanan (positive skew)
 • Untuk mencari nilai Standar deviasi (S) menggunakan variabel U:

2  
 n fU 2
− ( fU ) 
S =c  
 n ( n − 1) 
• Variabel U = 0, ±1, ±2, ±3, dst.
• RUMUS BOWLEY

Q3 + Q1 − Q2
=
Q3 − Q1
KERUNCINGAN DISTRIBUSI
DATA
• Keruncingan
distribusi data adalah derajat atau ukuran tinggi
rendahnya puncak suatu distribusi data terhadap distribusi
normalnya.
• Keruncingan data disebut juga kurtosis, ada 3 jenis yaitu:
• Leptokurtis
• Mesokurtis
• Platikurtis
KERUNCINGAN DISTRIBUSI
DATA
• Keruncingan distribusi data (α4) dihitung dengan rumus:
• Data tidak berkelompok

4 =  ( X − X ) 4

nS 4
• Data Berkelompok

4 =
 ( f (X − X ) ) 4

 f *S 4
 • Khusus untuk transformasi


c   fU
4 4
  fU    fU    fU    fU    fU  
3 2 2 4

4 = 4  − 4
 
 
 
 − 6 
 
 
 
 − 3   
S  n  n  n   n  n   n  
 
• Keterangan
• α4 = 3, distribusi data mesokurtis
• α4 > 3, distribusi data leptokurtis
• α4 < 3, distribusi data platikurtis
• Selain cara di atas, untuk mencari keruncingan data, dapat dicari dengan
menggunakan rumus:
1
(Q3 − Q1 )
JK
K= =2
P90 − P10 P90 − P10 K= Koefisien Kurtorsis Persentil

• Keterangan
• K = 0,263 maka keruncingan distribusi data mesokurtis
• K > 0,263 maka keruncingan distribusi data leptokurtis
• K < 0,263 maka keruncingan distribusi data platikurtis