NILAI PENYEBARAN RANGE,STANDAR DEVIASI,KUARTIL, DECILE

PERSENTIL,COV,SKEWNESS&KURTOSIS

Disusun Oleh : Kelompok 5

Sr Marcela FSE (032020021)

Sovia Elisabeth Sinurat (032020022)
Kezia R M Silaban (032020029)
Ronita Reksawana (032020033)
Ester Putri Natalia Lase (032020034)
Srifaniat Zebua (032020042)

Dosen Pembimbing :
Ice Septriani Saragih, S. Kep., Ns., M. Kep

STIKes SANTA ELISABETH MEDAN

T.A 2022/2023
 KATA PENGANTAR

Puji syukur penulis ucapkan kehadirat Tuhan yang Maha Esa, karena berkat rahmat
Nya sehingga Kelompok dapat menyelesaikan makalah dengan Judul “Nilai penyebaran
range, standar deviasi, kuartil, decile persentil, COV, skewness dan kurtosis” tepat
pada waktunya. Dalam penyelesaian tugas ini, kami banyak mendapat sumber materi dari
berbagai pihak, antara lain dosen pembimbing, Jurnal, E-book, dan teman-teman kelompok
yang telah banyak membantu mencari sumber materi dan memberikan masukan, dukungan,
dalam menyelesaian tugas makalah ini.
Kami menyadari sepenuhnya bahwa tugas ini belum sempurna. Untuk itu segala saran
dan kritikan yang sifatnya membangun sangat kami harapkan dari semua pihak demi
kesempurnaan penulisan makalah selanjutnya. Semoga dengan adanya tugas kelompok ini
akan dapat memberikan manfaat besar bagi bagi pembaca dan untuk kita semua.

Medan,22 Agustu 2023

Kelompok 5
 DAFTAR ISI

KATA PENGANTAR
DAFTAR ISI
BAB I PENDAHULUAN
1.1 Latar Belakang
1.2 Rumusan Masalah
1.3 Tujuan
BAB II TINJAUAN TEORITIS
2.1 Nilai Penyebaran Range
2.2 Standar Deviasi
2.3 Kuartil decile persentil
2.4 COV
2.5 Skewness dan Kurtosis
BAB III PENUTUP
3.1 Kesimpulan
3.2 Saran
DAFTAR PUSTAKA
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Statistika adalah cabang ilmu yang mempelajari tentang bagaimana mengumpulkan,

menganalisis dan menginterpretasikan data. Atau dengan kata lain, statistika menjadi
semacam alat dalam melakukan suatu riset empiris. Dalam menganalisis data, para ilmuwan
menggambarkan persepsinya tentang suatu fenomena.Deskripsi yang sudah stabil tentang
suatu fenomena seringkali mampu menjelaskan suatu teori. (Wicaksono et al., 2021) .
Pada pengukuran statistika, selain ukuran pemusatan dan ukuran letak, juga ada
Ukuran Penyebaran Data. Ukuran penyebaran data adalah ukuran yang menunjukkan
seberapa jauh data suatu menyebar dari rata-ratanya. Sebenarnya materi ini cukup mudah
untuk dipahami namun dalam menentukan nilai-nilai dari setiap komponen yang termasuk
dalam ukuran penyebaran data seringkali belum mampu memhami ataupun keliru dalam
mentukan nilai-nilai dari komponen-komponen tersebut. Pada ukuran penyebaran data, kita
akan mempelajari materi Simpangan rata-rata, Simpangan baku (standar deviasi),
ukuran penyebaran pada nilai kuartil, dan presentil .
Ukuran penyebaran data merupakan ukuran yang menyatakan sebesar besar nilai-nilai
data itu berbeda atau bervariasi dengan nilai ukuran pusatnya. Penyebaran data sering juga
disebut dengan penyimpangan data. Untuk mengukur tingkat penyimpangan dari suatu nilai
variabel dapat digunakan dengan tiga cara, yaitu ukuran jarak (range) yang merupakan
selisih data terbesar dengan data terkecil, simpangan rata-rata (deviasi rata-rata) dan
simpangan baku (deviasi standart)

1.2 Rumusan Masalah

a. Bagaimana Nilai Penyebaran Range ?
b. Bagaimana Standar Deviasi ?
c. Bagaimana Kuartil decile persentil ?
d. Bagaimana COV ?
e. Bagaimana Skewness dan Kurtosis ?

1.3 Tujuan
a. Untuk Mengetahui Nilai Penyebaran Range
b. Untuk Mengetahui Standar Deviasi
c. Untuk MengetahuiKuartil decile persentil
d. Untuk Mengetahui COV
e. Untuk Mengetahui Skewness dan Kurtosis
 BAB II
TINJAUAN TEORI

2.1 Nilai Penyebaran Range

Range atau yang disebut juga dengan jangkauan diperoleh dari selisih antara nilai
maksimum dan nilai minimum yang terdapat dalam data. Kelebihan dan Kekurangan Range
diantaranya sebagai berikut : Kelebihan range, diantaranya adalah
a. Ukuran penyebarannya sangat sederhana
b. Range mudah dan cepat dihitung serta mudah dimengerti
Kekurangan range diantaranya adalah perhitungan range tidak didasarkan pada seluruh nilai
data tetapi hanya pada 2 nilai data saja. Range sangat dipengaruhi oleh nilai ekstrim,
fluktuasi sampel dan hanya dengan mengetahui nilai range saja kita tidak dapat mengetahui
distribusinya. Range dapat dihitung dengan :

Rumus: R = Xmaks – X min

Contoh : Data nilai hasil belajar mahasiswa Universitas Pahlawan

90, 80, 70, 90, 70, 100, 80, 50, 75, 70
Jawab:
Urutkan terlebih dahulu nilai terendah hingga tertinggi kemudian hitung rentangnya.
50, 70, 70, 70, 75, 80, 80, 90, 90, 100
Rentang nilai mahasiswa (R) = 100 – 50 = 50

2.2 Standar Deviasi (Simpangan Baku)

Simpangan baku ini merupakan ukuran penyebaran yang paling banyak digunakan.
Ukuran ini dikenalkan oleh Karl Pearson. Dengan menggunakan simpangan rata-rata hasil
pengamatan penyebaran sudah memperhitungkan seluruh nilai yang ada pada data. Namun
demikian karena dalam penghitungan menggunakan nilai absolute maka tidak dapat
diketahui arah penyebarannya. Maka dengan simpangan baku kelemahan ini dapat diatasi,
yakni dengan cara membuat nilai pangkat 2, sehingga nilai negatif menjadi positif.
Simpangan baku ini merupakan ukuran penyebaran yang paling teliti. Standar deviasi
berkaitan langsung dengan variansi. Standar deviasi adalah akar pangkat dua dari variasi.
(NURYADI et al., 2017).
2.3 Kuartil decile persentil
Kuartil
Adalah setengah jarak antara nilai kuartil 1 dan nilai kuartil 3. Perhitungan nilai deviasi
kuartil dapat dibedakan dalam 2 macam yaitu : perhitungan deviasi kuartil untuk data tidak
dikelompokkan dan dikelompokkan.

Keterangan :
k3 = nilai dari kuartil ke 3
K1 = nilai dari kuartik ke 1
Decile
Desil adalah nilai-nilai yang membagi serangkaian data atau suatu distribusi
(digambarkan dengan garis putus-putus) dibagi menjadi 10 (sepuluh) bagian yang sama
besarnya, yaitu masing-masing 10%. Sedangkan titik-titik pembaginya (pada gambar 2,
yaitu Q1, Q2 dan Q3)ialah nilai-nilai desil sebanyak 9 (sembilan) buah nilai yang
disimbolkan dengan D1,D2, D3 sampai dengan D9 .
 Keterangan :
Di = Desil ke-i
i = 1,2,3, sampai dengan 9.
n = Banyak nya data (dimana n > 10)
Desil Data Berkelompok
Setelah melakukan proses pembuatan tabel frekuensi dari data mentah yang diperoleh.
Untuk data berkelompok, penentuan nilai presentil dapat dilakukan dengan menggunakan
rumus sebagai berikut :

Keterangan :
L0 = Tepi bawah dari kelas yang memuat nilai presentil ke-i
n = Banyaknya observasi / jumlah semua frekuensi / jumlah data
(fi)0 = Jumlah frekuensi dari semua kelas sebelum kelas yang mengandung persentil ke-i
fd = frekuensi dari kelas yang memuat nilai presentil ke-i
c = besarnya kelas (panjang interval kelas) yang mengandung persentil ke-i
i = 1,2,3 sampai dengan 99

Persentil
Sama dengan kuartil dan desil, setelah data mentah mengalami proses pengurutan data,
maka langkah selanjutnya dalam menentukan persentil untuk data tunggal yaitu dengan cara
mencari persentil ke-i (Pi) dengan rumus :
Keterangan :
Pi = Persentil ke-i
i = 1,2,3, sampai dengan 99.
n = Banyak nya data (dimana n > 100)
Presentil Data Berkelompok
Setelah melakukan proses pembuatan tabel frekuensi dari data mentah yang diperoleh.
Untuk data berkelompok, penentuan nilai presentil dapat dilakukan dengan menggunakan
rumus sebagai berikut :

Keterangan :
L0 = Tepi bawah dari kelas yang memuat nilai presentil ke-i
n = Banyaknya observasi / jumlah semua frekuensi / jumlah data
(fi)0 = Jumlah frekuensi dari semua kelas sebelum kelas yang mengandung
persentil ke-i (kelas yang mengandung persentil ke-i tidak termasuk)
fd = frekuensi dari kelas yang memuat nilai presentil ke-i
c = besarnya kelas (panjang interval kelas) yang mengandung persentil ke-i
i = 1,2,3 sampai dengan 99.
2.4 COV (COEFISIEN OF VARIASI)
Koefisien variasi (coefficient of variation) atau koefisien dispersi adalah ukuran
persebaran yang dinormalkan dari suatu distribusi probabilitas. Kadang-kadang nilai dari
koefisien variasi dinyatakan dalam prosen. Harga mutlak dari koefisien variasi kadang
kadang dikenal dengan nama simpangan baku relatif (relative standard deviation – RSD).
Koefisien variasi digunakan untuk membandingkan variasi relatif beberapa kumpulan
data dengan satuan yang berbeda.

Keterangan :
KV = Koevision Variasi
S = Simpang Baku
X = Nilai rata rata
a. Semakin kecil nilai KV, maka semakin seragam ( Homogen ) data dan semakin baik
b. Semakin besar nilai KV, maka semakin tidak seragam ( Heterogen ) data dan semakin
kurang baik
Contoh Soal :
Dik : Lampu dirumah Tono rata – rata dapat dipakai 3.800 jam dengan simpangan baku
800 jam, sedangkan lampu dirumah Rudi dapat dipakai rata – rata selama 4.500 jam dengan
simpangan baku 1.200 jam .
Dit : Dari data diatas lampu dirumah siapa kah yang lebih baik ?
Jawab :
a. Koefisien variasi pemakaian lampu dirumah Tono :

b. Koefisien variasi pemakaian dirumah Rudi :

 Jadi dari perhitungan koefisien variasi , lampu dirumah Tono lebih baik dari lampu
dirumah Rudi , karena koefisien variasi dirumah Tono < koefisien dirumah Rudi .

2.5 Skewness dan Kurtosis

Skewnes
Ukuran kemencengan atau kemiringan (skewness) merupakan ukuran tentang derajat
kesimetrisan dari sebuah sebaran (distribusi). Dapat pula dikatakan sebagai ukuran
keseimbangan atau ketidakseimbangan pada kedua sisi nilai sentral. Keadaan seperti ini
disebut juga asimetris. Ukuran kemencengan atau kemiringan dibedakan antara yang positif
dengan yang negatif. Sebuah sebaran dikatakan menceng positif (positive skewed) apabila
kemencengan itu memberat ke arah kanan, atau ekornya berada di sebelah kanan. Sebaliknya
sebuah sebaran dikatakan menceng/ miring negatif apabila kemencengan/ kemiringan itu
memberat ke arah kiri atau ekornya terletak di sebelah kiri.

Kemencengan (skewness atau Sk) mempengaruhi letak nilai rata-rata hitung, median
dan modus, maka untuk dapat mengukur sampai di mana besarnya derajat kemencengan itu
oleh Pearson dipergunakan ketiga ukuran tendensi tersebut bersama-sama dengan simpangan
baku. Oleh Pearson disebut dengan Pearson coefficient of skewness dengan rumus sebagai
berikut :

Kurtosis
Ukuran peruncingan (kurtosis) merupakan ukuran tentang derajat peruncingan dari
sebuah sebaran. Dua buah sebaran dapat memiliki rata-rata yang sama, tetapi yang satu dapat
lebih runcing dibandingkan yang lain. Derajat peruncingan sebuah sebaran dapat dibedakan
dalam 3 (tiga) jenis yaitu:
1. Leptokurtic, apabila puncak sebaran adalah runcing. Distribusi leptokurtic (runcing)
adalah α4 > 3
2. Mesokurtic, apabila puncak sebaran adalah normal. Distribusi mesokurtic (runcing)
adalah α4 = 3
3. Platykurtic, apabila puncak sebaran adalah datar. Distribusi platyurtic (runcing)
adalah α4 < 3
Ukuran kurtosis ialah koefisien diberi simbol α4 dengan rumus :

Data tunggal :

Keterangan :

Data kelompok :
 BAB III

PENUTUP

3.1 Kesimpulan

Range atau yang disebut juga dengan jangkauan diperoleh dari selisih antara nilai
maksimum dan nilai minimum yang terdapat dalam data. Kelebihan range, diantaranya
adalah
a. Ukuran penyebarannya sangat sederhana
b. Range mudah dan cepat dihitung serta mudah dimengerti
Simpangan baku merupakan ukuran penyebaran yang paling banyak digunakan. Ukuran ini
dikenalkan oleh Karl Pearson. Dengan menggunakan simpangan rata-rata hasil pengamatan
penyebaran sudah memperhitungkan seluruh nilai yang ada pada data. Koefisien variasi
(coefficient of variation) atau koefisien dispersi adalah ukuran persebaran yang dinormalkan
dari suatu distribusi probabilitas. Kadang-kadang nilai dari koefisien variasi dinyatakan
dalam prosen. Ukuran kemencengan atau kemiringan (skewness) merupakan ukuran tentang
derajat kesimetrisan dari sebuah sebaran (distribusi). Ukuran peruncingan (kurtosis)
merupakan ukuran tentang derajat peruncingan dari sebuah sebaran.

3.2 Saran
 DAFTAR PUSTAKA

Prof. Dr. Stang Abdul Rahman, M. K. (2020). biostatistik Derkriptif (Vol. 1999, Issue
December). Penerbit Samudra Biru (Anggota IKAPI).

uantari, C., & Handayani, S. (2016). Buku Ajar Statistik Deskriptif & Inferensial.
https://doi.org/10.1111/j.1467-8683.2009.00753.x