STATISTIK TERAPAN

Dosen Pengampu :
Prof. Dr. H. Wahyudin, M. Pd

Variabilitas, Z-Score,
dan Kurva Normal
Presenter: Ida Fiteriani
 VARIABILITAS DATA
 Perhitungan tendensi sentral (mean, median,
dan modus) memiliki beberapa kelemahan.
Karenanya, untuk mengatasinya, seorang
statistisi (pekerja statistik) atau seorang peneliti,
dapat menindaklanjuti proses analisis data
dengan melakukan pengamatan terhadap pola
sebaran data, apakah bentuknya menyebar di
sekitar rentang nilai atau berkumpul bersama di
suatu titik.
 Dalam artian makna apakah menyebar secara
heterogen atau homogen. Pengamatan seperti
ini secara terminologis disebut dengan melihat
variabilitas. Keragaman atau keseragaman data
 Sebagai contoh, terdapat dua kelompok data
Kelompok A : 7 – 6 – 6 – 6 – 6 – 6 – 7 – 6
Kelompok B : 7 – 5 – 4 – 4 – 2 – 8 – 8 – 9 – 8
– 8. Nilai Mean (x̄ )kedua kelompok = 6,3
Interpretasi :
 Pada kelompok A, data lebih homogen, karena kualitas
kemampuan siswanya hampir sama. Idealnya yang
diharapkan secara keseluruhan nilai siswa bisa sama-
sama memperoleh nilai yang tinggi (homogen positif),
bukan homogen negatif atau kebanyakan siswa
mendapatkan nilai yang rendah. Sebab, tinggi rendahnya
nilai dapat menjadi parameter keberhasilan guru dalam
mengajar.
 Pada kelompok B, meskipun mean sama, tapi pola
sebaran nilai berbeda, yaitu nilai lebih beragam dan
dalam teori peluang siswa-siswanya memiliki potensi
yang lebih baik untuk bisa mencapai nilai yang lebih
tinggi dan meraih kesuksesan yang lebih besar. Terlebih
dalam keikutsertaan pada suatu kompetisi juga dapat
lebih diandalkan. Intinya pada kelompok B, siswa-
siswanya dapat lebih berkembang lagi, asal mendapatkan
treatment atau pengajaran yang lebih intensif
Sebagai bahan analisa, perhatikan gambar berikut

Nilainya ada yang

menyebar dan ada yang
berkumpul, namun
ukuran mean sama

Nilainya sama-
sama menyebar,
namun mean beda
(ada di posisi
rendah dan tinggi)
 UKURAN-UKURAN VARIABILITAS
RENTANG (R=range)
Range atau rentangan merupakan perhitungan
variabilitas yang paling sederhana, lebih mudah
dihitung & maknanya langsung dan cepat
memberikan informasi, serta bisa menjadi indikator
kinerja permulaan. Namun itu kelemahannya
tergolong ukuran yang terlalu kasar, karena kurang
tepat mendeskripsikan kondisi suatu distribusi data,
sebab hanya melihat dua skor terluarnya saja (nilai
terendah dan tertinggi),
Contoh : 3 – 5 – 5 – 8 – 13 – 14 – 18 – 23
Rumus : R = H – L = 23 - 3, maka rangenya 20
Akibatnya, kurang bisa menjadi acuan (tolak ukur)
untuk menilai keberhasilan siswa dalam belajar.
Kemudian, kelemahan berikutnya sangat tergantung
pada besar-kecilnya sampel.
 RENTANG SEMI-KUARTIL
Mencermati kelemahan pada range/rentang,
perhitungan rentang semi-kuartil bisa menjadi
solusi. Ukuran ini membagi distribusi skor menjadi
empat bagian (kuartil) yang sama besar, sehingga
diperolehlah Q1 (kuartil bawah) ,Q2 (kuartil
tengah), dan Q3 (kuartil atas)
 Rentang semi-kuartil dilambangkan oleh huruf Q merupakan
ukuran yang lebih mutakhir dan relatif stabil (perbandingannya
dengan Range). Namun juga kelemahannya yaitu kurang peka
terhadap kehadiran beberapa skor yang sangat ekstrim
daripada halnya pada simpangan baku.
 2Q sama dengan rentang 50 % tengah skor-skor. Oleh karena
posisi Q2 berada di tengah-tengah, membagi antara daerah Q1
dan Q3 maka sering Q2 diistilahkan dengan median.
 Dengan demikian, rentang semi-kuartil boleh dikatakan jarak
rerata diantara median dan dua titik kuartil luar, yaitu Q1 dan
Q3. Oleh karena itu rumus rentang semi-kuartil, tidak
mengherankan berbunyi:
Contoh dalam perhitungan

67 – 70 – 73 – 74 – 77 – 80 – 82

Jadi Q = 5
 Gambarnya:

Keterangan:
1. Jika Q3 – Q2 = Q2 – Q1 maka kurvanya akan normal
2. Jika Q3 – Q2 > Q2 – Q1 maka kurvanya akan miring ke kiri
(juling positif)
3. Jika Q3 – Q2 < Q2 – Q1 maka kurvanya akan miring ke
kanan (juling negatif), sebagaimana gambar di atas.
Singkat kata kegunaan kuartil juga dapat menjadi acuan untuk
mengetahui simetris dan normalitas suatu kurva.
 SKOR SIMPANGAN (DEVIASI)
 Ukuran lainnya untuk melihat variabilitas, yaitu dengan
mempelajari skor selisih atau simpangan, atau sering disebut
nilai deviasi. Diasumsikan, jika variabilitas besar atau skor-skor
menyebar dengan lebar maka simpangan-simpangan dari mean
juga akan besar, dan sebaliknya jika sebarannya berkumpul
maka simpangan-simpangan dari mean juga akan kecil.
 Secara terminologis, simpangan
(deviasi) diartikan sebagai
selisih antara perhitungan skor
mentah dengan mean distribusi
(X-x̄). Telah diketahui,
perhitungan seluruh nilai
simpangan, baik yang berada di
atas mean (bertanda +) dan
yang di bawah mean (bertanda  Akibatnya, hasil
-) bila dijumlahkan keduanya, perhitungan ini dianggap
maka hasilnya pasti sama kurang bermanfaat, karena
dengan nol (∑x=0). sia-sia saja, hasilnya nol.
 Oleh karena itu, agar deviasi dapat dihitung sebagai ukuran
variabilitas maka tanda +/_ diabaikan saja atau penjumlahan
dilakukan terhadap harga mutlaknya. Setelah seluruh harga
mutlak deviasi dijumlahkan, lalu dihitunglah nilai rata-ratanya.
Lazimnya perhitungan ini disebut perhitungan nilai simpangan
rata-rata. Dalam hal ini,saya tidak menyajikan rumus &
contoh perhitungannya.
 Namun demikian, cara ini
(menghitung simpangan rata-rata)
juga memiliki kelemahan, sebab
tanda 10 tetap memilki makna
dalam hitungan matematis.
 Oleh karena itu, caranya dilakukan
 Jadi, Varians adalah mean
dengan mengkuadratkan skor-skor (nilai rata-rata) dari
simpangan tersebut atau disebut kuadrat-kuadrat skor-skor
juga menghitung varians (∑(X-x̄) 2) simpangan. Simbol
atau pendeknya disebut hasil varians suatu populasi
jumlah kuadrat, lambangnya SS (σ2) dan varians untuk
suatu sampel (S2).
Contoh perhitungan :
 SIMPANGAN BAKU
 Segala pemecahan masalah di atas, tidak serta merta
menyelesaikan problem, khususnya tidak semua nilai selesai
dengan cara dikuadratkan. Contoh dalam perhitungan berat
badan dengan satuan PON. Oleh karena itu ada alternatif lain
yang bisa digunakan yaitu dengan mengambil akar kuadrat
dari perhitungan varians yang lazim disebut menghitung
simpangan baku. Simbol simpangan baku populasi (σ) dan
simpangan baku sampel (S), rumus :
Jika diperhatikan dengan rumus varians, pada SD tidak
terdapat tanda kuadrat, hal ini karena nilai SD
diperoleh dengan cara menarik akar kuadrat. Contoh,
lihat data pada slide 10, maka hasil perhitungan SD
diambil dari perhitungan varians.

Dalam dunia statistik, perhitungan SD memiliki kedudukan

yang sangat penting & lebih sering digunakan. Hal ini karena
seperti pada mean, perhitungan SD bersifat responsif “peka”
terhadap ada tidaknya skor-skor yang berada di titik-titik
ekstrim distribusi. Sebagai contoh, terdapat dua kelompok
distribusi nilai. Satu diantaranya mempunyai beberapa skor
ekstrim. Tentu saja jika n sangat besar dan skor-skor ekstrim
juga besar maka akan memberi pengaruh pada perhitungan
simpangan baku secara tidak seimbang
 Contoh soal perhitungan SD

Dengan menggunakan kalkulator (Casio fx-82ES PLUS

BK),langkah-langkah perhitungan:
Tekan on, mode set-up, tekan no.2 (stat), AC, shift dan
no.1, tekan no.2 (data), masukan data lalu enter dengan
tekan =, tekan AC, shift dan no.1, tekan no.4 (Var), tekan
no.4 (Sx) dan cek hasilnya dengan tekan =.
Perbandingan Sifat-sifat antar Ukuran Variabilitas
(R, Q, dan SD)
 SKOR BAKU (Z Score)
Dalam statistika, skor baku dilambangkan dengan Z-score,
yaitu suatu bilangan yang menunjukkan seberapa jauh
sebuah nilai mentah menyimpang dari nilai rata-ratanya
dalam suatu distribusi data yang dinyatakan dengan standar
deviasi (SD). Dengan demikian, skor-Z menyatakan posisi
suatu skor sehubungan dengan mean ditribusinya dengan
memakai simpangan baku (SD) sebagai satuan
pengukurannya. Tujuan perhitungan skor Z untuk
membandingkan atau memutuskan sesuatu. Semakin besar
skor Z, maka semakin baik.
 Perhitungan dengan rumus Skor Z populasi. Cont: diketahui
X=120, µx = 100, σx= 20, maka Z skore sebesar +1. Artinya,
skor itu berada pada 1 SD di atas mean distribusi. Begitu
juga, diketahui X= 60, µx = 100, σx= 20, maka Z skore
sebesar -2. Artinya, skor itu berada pada 2 SD di bawah
mean distribusi.
 Cont. lain dalam bentuk soal cerita.
Helen mendapat nilai ujian Sejarah sebesar 80, dengan nilai
rata-rata kelas sebesar 50, dan nilai simpangan baku kelas
sebesar 9. pada matpel Aritmatika, Helen mendapat nilai
sebesar 65, dengan nilai rata-rata kelas sebesar 55, dan nilai
simpangan baku kelas sebesar 6. Dipelajaran manakah Helen
berprestasi lebih baik, pada pelajaran Sejarah atau
Aritmatika?
 Maknanya, skor/nilai Helen pada matpel Sejarah berada
pada 3 SD di atas mean distribusi. Sedangkan nilai Helen
pada matpel Aritmatika hanya berada pada 2 SD di atas
mean distribusi. Lebih kecil dari SD matpel Sejarah.
 Kesimpulannya Zsejarah > Zaritmatika, artinya Helen
berprestasi lebih baik pada matpel Sejarah daripada matpel
Aritmatika.
 Berdasarkan penjelasan di atas, skor Z menyatakan
berapa banyak simpangan baku skor mentah yang
berkorespondensi dengannya berada di atas atau di bawah
mean distribusi. Dari itu dapat dideskripsikan sifat skor Z :
1. Mean dari distribusi skor-skor yang diubah menjadi
skor-skor Z adalah selalu nol ; µz= 0
2. Simpangan baku sebarang distribusi yang diekspresikan
dalam skor-skor Z adalah selalu satu ; σz= 1
3. Menstransformasikan skor-skor mentah pada skor-skor
Z mengubah mean menjadi nol dan simpangan baku
menjadi 1, tetapi hal ini tidak mengubah bentuk
distribusinya.
VARIABILITAS DAN DISTRIBUSI NORMAL
 Penjelasan, distribusi normal adalah suatu gambar yang
melukiskan penyebaran atau variabilitas data dalam bentuk grafik
atau kurva yang simetris, umumnya menyerupai lonceng atau
genta.
Secara visual, ciri-ciri kurva normal dapat diamati :
a. Gambarnya merupakan perpaduan antara sumbu datar X dan
sumbu Y
b. Nila mean, median, dan modus berada dalam proporsi yang
seimbang, sehingga memiliki kecenderungan berada pada posisi
yang sama
c. Luas antara sisi kemiringan kiri dan kanan dalam kondisi yang
sama (seimbang, tidak mencong/miring ke kiri atau ke kanan)
Karena itu sifat –sifat yang terdapat pada kurva normal:
1. Kurvanya berada di atas sumbu datar X (sb X)
2. Membentuk pola simetris, menyerupai lonceng atau genta
karena sisi kiri dan kanan dalam kondisi seimbang, disebabkan
nilai mean, median, dan modus dalam kondisi yang sama.
Sebaliknya, jika salah satunya adanya nilainya yang lebih besar,
maka kemungkinan tingkat kemiringan kurva tidak lagi normal.
Lebih jauh dapat diteliti melalui uji skewness
3. Memiliki satu nilai modus tertinggi. Nilai ini dicapai saat nilai
Y memiliki nilai modus tertinggi, nilainya 0,3989/σ (SD
populasi).
4. Luas kurva normal lebih banyak berada di tengah, mulai
dari -1 sampai+ 1 atau dari -2 sampai+ 2. Ini maknanya, bila
nilai rata2 (meannya) berada di tengah maka penyimpangan
+1 ke kanan dan -1 ke kiri, maka dikatakan terjadi
penyimpangan standar deviasi (simpangan baku) yang
disimbolkan dengan µ +-1σ ke kiri dan ke kanan. Begitu juga
saat terjadi penyimpangan +2 ke kanan dan -2 ke kiri, maka
maknanya disimbolkan dengan µ +-2σ ke kanan dan ke kiri.
6. Ketika kita melihat penyimpangan data dari mean yaitu+1
ke kanan dan -1 ke kiri, maka luas kurva mencaai 68 %,
semakin menyebar hingga ke +2 ke arah kanan dan -2 ke
arah kiri, maka daerah kurva normal semakin luas sebesar
95 %, sebagian besar berada di tengah dan sebagian kecil
berada di tepi, hingga sebaran simbangan baku nilai semakin
bertambah tinggi sebesar 99,7 %,
6. Meskipun selalu bergerak hingga -3 atau + 3, namun tidak
pernah menyentuh titik nol