BAB VII UKURAN PENYIMPANGAN DATA

A. PENDAHULUAN
Ukuran penyimpangan atau biasa juga disebut ukuran dispersi
adalah suatu ukuran untuk mengetahui seberapa besar penyimpangan
sekelompok data dari nilai rata-rata hitungnya, atau dapat dikatakan
bahwa dispersi adalah metode untuk menggambarkan bagaimana suatu
kelompok data menyebar terhadap pusat data (Kariadinata &
Abdurrahman, 2012). Secara umum materi-materi yang akan dibahas
dalam Bab VII ini mencakup ukuran rentang/jangkauan (range), rentang
antar kuartil, simpangan kuartil/rentang semi antar kuartil, simpangan
rata-rata, simpangan baku (standart deviation) dan keragaman (variance)
dari sekolompok data, baik data tunggal maupun data yang telah
dikelompokkan (dalam tabel distribusi frekuensi). Setelah mempelajari
Bab VII ini dengan baik, mahasiswa secara keseluruhan diharapkan
mampu:
1. Melakukan perhitungan nilai rentang/jangkauan (range) dari
sekelompok data
2. Melakukan perhitungan nilai rentang antar kuartil dari
sekelompok data.
3. Melakukan perhitungan nilai simpangan kuartil/rentang semi
antar kuartil dari sekelompok data.
4. Melakukan perhitungan nilai simpangan rata-rata dari
sekelompok data.
5. Melakukan perhitungan nilai simpangan baku (standart
deviation) dari sekelompok data, serta mampu
menginterpretasikannya;
6. Melakukan perhitungan nilai keragaman (variance) dari
sekelompok data, serta mampu menginterpretasikannya.

Statistika Pendidikan 1
B. RENTANG/JANGKAUAN (RANGE)
Jangkauan atau range dalam Statistik disebut juga “sebaran”,
yaitu selisih angka data tertinggi dengan angka data terendah dari
kumpulan data. Satuan dari jangkauan ini sama dengan satuan datanya.
Apabila data tersebut seragam, maka nilai jangkauan tersebut adalah 0.
Secara notasi, jangkauan dapat dituliskan sebagai berikut (Hidayati dkk.,
2019):

R = X max − X min

Dimana:
R : Nilai Rentang/Jangkauan (Range) suatu data
Xmax : Data dengan nilai terbesar
Xmax : Data dengan nilai terkecil

Contoh 7.1:
Diberikan data seperti berikut:
2 2 2 2 2 4 4 4 6 7
8 8 8 8 9 10 20 21 40 60
Tentukan nilai rentangnya!
Penyelesaian:

R = X max − X min
= 60 – 2
= 58
Jadi, nilai rentang/jangkauan data tersebut adalah 58.
Rentang hanya memperhitungkan dua nilai, yaitu nilai maksimum dan
nilai minimum dan tidak memperhitungkan semua nilai, sehingga
sangat tidak stabil atau tidak dapat diandalkan sebagai indikator
dari ukuran penyebaran. Hal ini terjadi karena rentang sangat
dipengaruhi oleh nilai-nilai ekstrim.

Statistika Pendidikan 2
C. RENTANG ANTAR KUARTIL
Merupakan selisih antara kuartil ke-3 (Q3) dgn kuartil pertama
(Q1). Besarnya rentang antar kuartil adalah 50% dari data.

RAK = Q3 − Q1

Dimana:
RAK : Nilai Rentang antarkuartil suatu data
Q1 : Nilai Kuartil pertama data
Q3 : Nilai Kuartil ketiga data

Contoh 7.2:
Berdasarkan data pada contoh 7.1, tentukan nilai rentang antar
kuartilnya!
Penyelesaian:
1. Menghitung nilai Q1
a. Urutkan data dari yang terkecil ke terbesar
2, 2, 2, 2, 2, 4, 4, 4, 6, 7, 8, 8, 8, 8, 9, 10, 20, 21, 40, 60
b. Tentukan letak 𝑄1
i(n + 1)
Letak Qi = data ke -
4
1(20 + 1)
Letak Q1 = data ke -
4
1(21)
= data ke -
4
21
= data ke -
4
= data ke - 5,25
c. Tentukan nilai Q1
Q1 = data ke-5 + 0,25 ∙ (data ke-6 – data ke-5)
= 2 + 0,25 ∙ (4 – 2)
= 2 + 0,25 ∙ (2)
= 2 + 0,5
= 2,5

Statistika Pendidikan 3
2. Menghitung nilai Q3
a. Urutkan data dari yang terkecil ke terbesar
2, 2, 2, 2, 2, 4, 4, 4, 6, 7, 8, 8, 8, 8, 9, 10, 20, 21, 40, 60
b. Tentukan letak 𝑄3
i(n + 1)
Letak Qi = data ke -
4
3(20 + 1)
Letak Q3 = data ke -
4
3(21)
= data ke -
4
63
= data ke -
4
= data ke - 15,75
c. Tentukan nilai Q1
Q1 = data ke-15 + 0,75 ∙ (data ke-16 – data ke-15)
= 9 + 0,75 ∙ (10 – 9)
= 9 + 0,75 ∙ (1)
= 9 + 0,75
= 9,75
3. Menghitung nilai rentang antar kuartil (RAK)
RAK = Q3 − Q1
= 9,75 – 2,5
= 7,25
Jadi, nilai rentang antar kurtil data tersebut adalah 7,25.

Seperti halnya nilai rentang, rentang antar kuartil juga hanya

memperhitungkan dua nilai, yaitu nilai kuartil ke-1 dan nilai nilai kuartil
ke-3, sehingga sangat tidak stabil atau tidak dapat
diandalkan sebagai indikator dari ukuran penyebaran. Walaupun
masih lebih baik jika dibanding dengan nilai rentang.

D. SIMPANGAN KUARTIL/RENTANG SEMI ANTAR KUARTIL

Merupakan selisih antara kuartil ke-3 (Q3) dgn kuartil pertama
(Q1) yang dibagi dua.

Statistika Pendidikan 4
 Q3 − Q1
SK =
2

Dimana:
SK : Nilai Rentang antarkuartil suatu data
Q1 : Nilai Kuartil pertama data
Q3 : Nilai Kuartil ketiga data

Contoh 7.3:
Berdasarkan data pada contoh 7.2, tentukan nilai simpangan kuartilnya!

Penyelesaian:
Karena nilai Q1 dan Q2 telah diperoleh sebelumnya pada contoh 7.2 maka
nilai simpangan kuartil dihitung sebagai berikut:

Q3 − Q1
SK =
2
9,75 − 2,5
=
2
7,25
=
2
= 3,625
Jadi, nilai rentang antar kurtil data tersebut adalah 3,625.

Seperti halnya nilai rentang antar kuartil, simpangan kuartil juga hanya
memperhitungkan dua nilai, yaitu nilai kuartil ke-1 dan nilai nilai kuartil
ke-3, sehingga sangat tidak stabil atau tidak dapat
diandalkan sebagai indikator dari ukuran penyebaran.

E. SIMPANGAN RATA-RATA
Merupakan jumlah jarak/selisih tiap data dgn rata-ratanya dibagi
dengan banyaknya data.
1. Simpangan rata-rata untuk data tunggal
Untuk mengihitung nilai simpangan rata-rata data tunggal dapat
menggunakan rumus berikut:

Statistika Pendidikan 5
 n n

 x −x
i =1
i f
i =1
i xi − x
SR = SR =
n atau n
Keterangan:
SR : simpangan rata-rata
xi : data ke-i
fi : frekuensi data ke-i
𝑥̅ : rataan hitung (mean)
n : banyak data

Contoh 7.4:
Berdasarkan data pada contoh 7.1, tentukan nilai simpangan rata-
ratanya!

Penyelesaian:
Berdasarkan contoh 7.1, data 2, 2, 2, 2, 2, 4, 4, 4, 6, 7, 8, 8, 8, 8, 9,
10, 20, 21, 40, 60 dapat disusun menggunakan tabel distribusi
frekuensi tunggal seperti berikut:

xi fi fi ∙ xi ̅|
|𝒙𝒊 − 𝒙 ̅|
fi∙|𝒙𝒊 − 𝒙
2 5 10 9,35 46,75
4 3 12 7,35 22,05
6 1 6 5,35 5,35
7 1 7 4,35 4,35
8 4 32 3,35 13,4
9 1 9 2,35 2,35
10 1 10 1,35 1,35
20 1 20 8,65 8,65
21 1 21 9,65 9,65
40 1 40 28,65 28,65
60 1 60 48,65 48,65
Jumlah 227 129,05 191,2

Statistika Pendidikan 6
 Langkah pertama: Menghitung nilai rata-rata data
n

f i  xi
227
x= i =1
= = 11,35
n 20

Langkah kedua: Menghitung nilai simpangan rata-rata data

n

f i xi − x
191,20
SR = i =1
= = 9,56
n 20

2. Simpangan rata-rata untuk data berkelompok

Untuk data berkelompok (tersusun dalam tabel distribusi frekuensi
dengan interval nilai), nilai simpangan rata-rata dapat dihitung
menggunakan rumus berikut:
n

f
i =1
i xi − x
SR =
n
Keterangan:
SR : simpangan rata-rata
xi : nilai tengah kelas interval ke-i
fi : frekuensi data ke-i
𝑥̅ : rataan hitung (mean)
n : banyak data

Contoh 7.5:
Hitung nilai nilai simpangan rata-rata dari data berdistribusi
kelompok berikut:
Tabel 1. Data Skor Kemampuan Berpikir Kritis Matematis Siswa Kelas
VII di Sekolah XX
Nilai 𝒇𝒊
21 – 25 3
26 – 30 9
31 – 35 4
36 – 40 10

Statistika Pendidikan 7
 41 – 45 3
46 – 50 11
Total 40

Penyelesaian:

Nilai 𝒇𝒊 𝒙 𝒊 𝒇𝒊 ∙ 𝒙 𝒊 ̅ |𝒙𝒊 − 𝒙
𝒙𝒊 − 𝒙 ̅| 𝒇𝒊 ∙ |𝒙𝒊 − 𝒙
̅|
21 – 25 3 23 69 -14,25 14,25 42,75
26 – 30 9 28 252 -9,25 9,25 83,25
31 – 35 4 33 132 -4,25 4,25 17
36 – 40 10 38 380 0,75 0,75 7,5
41 – 45 3 43 129 5,75 5,75 17,25
46 – 50 11 48 528 10,75 10,75 118,25
Jumlah 40 213 1.490 45 286

Langkah pertama: Menghitung nilai rata-ratanya

n

 f x i i
x= i =1
n
1.490
x=
40
x = 37,25
Langkah kedua: Menghitung nilai simpangan rata-ratanya

f
i =1
i xi − x
SR =
n
286
=
40
= 7,15

Jadi data Skor Kemampuan Berpikir Kritis Matematis Siswa Kelas VII di
Sekolah XX pada tabel 24 menyebar/menyimpang sebesar 7,15 dari rata-
ratanya.

Statistika Pendidikan 8
Dibanding dengan nilai rentang, rentang antar kuartil, dan simpangan
kuartil, simpangan rata-rata merupakan ukuran
penyimpangan/penyebaran data yang lebih baik, karena telah
memperhitungkan seluruh data (xi) dalam perhitungannya. Namun
simpangan rata-rata ini masih dianggap memiliki kelemahan karena
akibat bekerja dengan nilai/bilangan mutlak. Dimana penurunan rumus
matematis (seperti dalam statistika matematika/statistika teoritis) sulit
dilakukan dengan melibatkan nilai mutlak. Nilai simpangan rata-rata ini
juga tidak dapat membedakan antara rentang yang lebih besar dengan
rentang yang lebih kecil. Oleh karena itu, simpangan baku dan varians
menjadi alternatif ukuran penyimpangan/penyebaran data yang paling
baik/lebih stabil.

F. SIMPANGAN BAKU (STANDART DEVIATION),

KERAGAMAN (VARIANCE), DAN SKOR BAKU/SKOR Z (Z
SCORE)
Simpangan baku (standard deviation) dan keragaman atau
variansi (variance) sebagai ukuran dari variasi seperangkat data sangat
berhubungan. Hal ini dikarenakan variansi merupakan kuadrat dari
simpangan baku dan sebaliknya simpangan baku merupakan pangkat dua
dari variansi. Apabila ukuran yang satu ditemukan maka secara langsung
ukuran yang satunya juga dapat diketahui (Widiyanto, 2013). Simpangan
baku merupakan salah satu ukuran penyimpangan/penyebaran (disperse)
yang diperoleh dari akar kuadrat positif varians. Varians adalah rata-rata
hitung dan kuadrat simpangan setiap pengamatan terhadap rata-rata
hitungnya (Supranto, 2000). Simpangan Baku (standart deviation)
merupakan ukuran variabilitas skor yg didasarkan pada kuadrat
penyimpangan (seberapa menyimpan) tiap skor dari rata-rata hitung.
Simpangan Baku paling sering digunakan, karena merupakan Ukuran
Penyimpangan yg paling baik/lebih stabil. Kuadrat dari Simpangan Baku
adalah Varians atau Ragam (variance). Varians data menyatakan
besarnya keragaman suatu data.
1. Simpangan Baku (Standard Deviation) dan Varians Populasi Untuk
Data Tidak di Kelompokkan

Statistika Pendidikan 9
 b. Ragam (varians)
a. Simpangan Baku
n

 (x − )
2
n

 (x − )
2 i
i 2 = i =1

= i =1 N
N

Keterangan:
σ : simpangan baku populasi (dibaca sigma)
σ2 : ragam/varians populasi (dibaca sigma kuadrat)
xi : data ke-i
μ : rata-rata/mean populasi (dibaca mu)
N : banyaknya populasi

2. Simpangan Baku (standard deviation) dan Varians Populasi Untuk

Data yang Dikelompokkan.
a. Simpangan Baku b. Ragam (varians)
n n
 f i  (xi −  )  f  (x −  )
2 2
i i
= i =1
2 = i =1
N N

Keterangan:
σ : simpangan baku populasi (dibaca sigma)
σ2 : ragam/varians populasi (dibaca sigma kuadrat)
fi : frekuensi kelas interval ke-i
xi : nilai tengah kelas interval ke-i
μ : rata-rata/mean populasi (dibaca mu)
N : banyaknya populasi

3. Simpangan Baku (Standard Deviation) dan Varians Sampel Untuk

Data Tidak Dikelompokkan.
a. Simpangan Baku b. Ragam (varians)

 (x − x )  (x )
n
n 2
2 i −x
i
i =1
S2 = i =1

S= n −1
n −1 Atau

Statistika Pendidikan 10
 Atau 2
n
 n 
n x i −   x i 
2
2
n  n  i =1  i =1 
n  xi − 
2
  xi 

S2 =
n(n − 1)
S=
i =1  i =1 
n(n − 1)

Keterangan:
S : simpangan baku sampel (dibaca sigma)
S2 : ragam/varians sampel (dibaca sigma kuadrat)
xi : data ke-i
𝑥̅ : rata-rata/mean sampel
n : banyaknya sampel

Untuk n yg cukup besar, pembagi (n – 1) mendekati/bahkan

sama dgn pembagi N.

Contoh 7.6:
Berdasarkan data pada contoh 7.4, tentukan nilai simpangan baku dan
ragamnya!

Penyelesaian:
Berdasarkan contoh 7.4, data 2, 2, 2, 2, 2, 4, 4, 4, 6, 7, 8, 8, 8, 8, 9,
10, 20, 21, 40, 60 dapat disusun menggunakan tabel distribusi
frekuensi tunggal seperti berikut:
xi fi 𝒇𝒊 ∙ 𝒙 𝒊 𝒙𝒊 − 𝒙 ̅)𝟐 𝒇𝒊 ∙ (𝒙𝒊 − 𝒙
̅ (𝒙𝒊 − 𝒙 ̅)𝟐
2 5 10 -9,35 87,42 437,11
4 3 12 -7,35 54,02 162,07
6 1 6 -5,35 28,62 28,62
7 1 7 -4,35 18,92 18,92
8 4 32 -3,35 11,22 44,89
9 1 9 -2,35 5,52 5,52
10 1 10 -1,35 1,82 1,82
20 1 20 8,65 74,82 74,82
21 1 21 9,65 93,12 93,12
40 1 40 28,65 820,82 820,82
60 1 60 48,65 2.366,82 2.366,82

Statistika Pendidikan 11
 Jumlah 20 227 62,15 3.563,15 4.054,55

Simpangan bakunya dihitung sebagai berikut:

 f (x )
n

i i −x 2

S= i =1

n −1

4.054,55
=
20 − 1

4.054,55
=
19

= 213,397

= 14,61

Jadi nilai simpangan bakunya sebesar 14,61. Nilai ini menjelaskan

bahwa data menyimpan/menyebar dari ukuran pemusatannya (rata-
ratanya) sebesar 14,61 satuan.
Varians/ragam dihitung sebagai berikut:

 f (x − x )
n
2
i i
i =1
S2 =
n −1
4.054,55
=
20 − 1
4.054,55
=
19
= 213,397

Jadi nilai varians/ragamnya sebesar 213,397. Nilai ini menjelaskan

bahwa data memiliki keragaman yang besar atau sangat bervariasi.

Statistika Pendidikan 12
4. Simpangan Baku (Standard Deviation) dan Varians Sampel Untuk
Data yang Dikelompokkan.
a. Simpangan Baku b. Ragam (varians)

 f (x − x )
n

 f (x − x )
2 n
i i 2
i =1 i i
S= i =1
n −1 S2 =
n −1
atau
2
atau
n
 n 
n  f i  xi −   f i  xi 
2
2 n
 n 
n  f i  xi −   f i  x i 
2

S= i =1  i =1 
 i =1 
n  (n − 1) S 2 = i =1
n  (n − 1)

Keterangan:
σ : simpangan baku populasi (dibaca sigma)
σ2 : ragam/varians populasi (dibaca sigma kuadrat)
fi : frekuensi kelas interval ke-i
xi : nilai tengah kelas interval ke-i
μ : rata-rata/mean populasi (dibaca mu)
N : banyaknya populasi

Untuk n yg cukup besar, pembagi (n – 1) mendekati/bahkan sama

dgn pembagi N.

5. Koefisien Variasi
Variasi 5 cm untuk ukuran jarak 100 m dan 5 cm untuk 20 m
mempunyai pengaruh yang berlainan. Untuk mengukur pengaruh
demikian dan untuk membandingkan variasi antara nilai-nilai
besar dan nilai-nilai kecil, digunakan koefisien variansi.

Simpangan Baku
KV =  100%
Rata - rata

Statistika Pendidikan 13
 Karena dapat dipakai untuk membandingkan variasi relatif dari
beberapa kumpulan data dengan satuan yang berbeda, maka
Koefisien Variasi tidak bergantung pada satuan yang digunakan.

6. Simpangan Baku (Standard Deviation) Gabungan

Jika ada k buah subsampel maka:
Subsampel 1 : berukuran n1 dengan simpangan baku S1
Subsampel 2 : berukuran n2 dengan simpangan baku S2
...
Subsampel k : berukuran nk dengan simpangan baku Sk.
Yang jika digabungkan menjadi sampel berukuran:
n = n1 + n2 + ... + nk, dengan Simpangan Baku Gabungan:

 (n − 1)  s
2
i i
SG = i =1
n−k

Keterangan:
SG2 : simpangan baku gambungan sampel
ni : banyaknya sampel ke-i
Si2 : ragam/varians sampel ke-i
n : banyaknya data sampel
k : banyaknya kelompok sampel

Contoh 7.7:
Berdasarkan data pada contoh 7.5, tentukan nilai simpangan baku
dan ragamnya!

Penyelesaian:
Nilai 𝒇𝒊 𝒙𝒊 𝒇𝒊 ∙ 𝒙 𝒊 (𝒙𝒊 − 𝒙 ̅)𝟐 𝒇𝒊 ∙ (𝒙𝒊 − 𝒙
̅) (𝒙𝒊 − 𝒙 ̅)𝟐
21 – 25 3 23 69 -14,25 203,06 609,19

Statistika Pendidikan 14
26 – 30 9 28 252 -9,25 85,56 770,06
31 – 35 4 33 132 -4,25 18,06 72,25
36 – 40 10 38 380 0,75 0,56 5,63
41 – 45 3 43 129 5,75 33,06 99,19
46 – 50 11 48 528 10,75 115,56 1.271,19
Total 40 213 1.490 2.827,50

Langkah pertama: Menghitung nilai rata-ratanya

n

 f x i i
x= i =1
n
1.490
x=
40
x = 37,25

Langkah kedua: Menghitung nilai simpangan baku dan

variannya

Simpangan bakunya dihitung sebagai berikut:

 f (x )
n

i i −x 2

S= i =1

n −1

2.827 ,5
=
40 − 1

2.827 ,5
=
39

= 72,50

= 8,51

Jadi nilai simpangan bakunya sebesar 8,51. Nilai ini menjelaskan

bahwa data menyimpan/menyebar dari ukuran pemusatannya
(rata-ratanya) sebesar 8,51 satuan.

Statistika Pendidikan 15
 Varians/ragam dihitung sebagai berikut:

 f (x − x )
n
2
i i
i =1
S2 =
n −1
2.827 ,5
=
40 − 1
2.827 ,5
=
39
= 72,50

Jadi nilai varians/ragamnya sebesar 72,50. Nilai ini menjelaskan

bahwa data memiliki keragaman yang besar atau sangat
bervariasi.
7. Skor Baku atau Skor Z (Z Score)
Skor baku adalah hasil bagi dari skor simpangan dengan
simpangan baku suatu kumpulan data. Skor baku tidak memiliki
satuan, oleh karena itu Skor baku juga diartikan sebagai
perubahan yg dipergunakan utk membandingkan dua atau lebih
keadaan. Skor Baku seringkali digunakan dalam statistika
inferensia ketika data yang akan dianalisis memiliki satuan yang
berbeda. Misalkan “Pengaruh Penghasilan Orang Tua Siswa
terhadap Motivasi Belajar Siswa”. Penghasilan Orang Tua
memiliki satuan Rupiah (Rp) sedangkan Motivasi Belajar
memiliki satuannya sendiri yaitu Skor Motivasi.
Perbedaan Satuan ini seringkali menyebabkan Asumsi dalam
Statistika Parametrik tidak terpenuhi. Oleh karena itu disarankan
untuk mengubah/mentransformasi data yang memiliki perbedaan
satuan ini kedalam satuan Skor Baku atau Skor Z (Z Score),
dengan rumus sebagai berikut:

xi − x
Zi = ; Untuk i = 1, 2, ..., n
S

Statistika Pendidikan 16
Keterangan:
Zi : nilai skor Z untuk sampel ke-i (i = 1, 2, 3, …, n)
xi : banyaknya sampel ke-i
𝑥̅ : rata-rata/mean sampel
S : simpangan baku sampel (dibaca sigma)

Contoh 7.8:
Berdasarkan data pada contoh 7.4, tentukan skor baku/skor z
untuk masing-masing datanya!

Penyelesaian:
Dari data contoh 7.4 dapat dihitung nilai rata-rata dan simpangan
bakunya sebagai berikut:
n

x i
227
x= i =1
= = 11,35
n 20
Dan

 (x )
n

i −x 2

S= i =1

n −1

4.054,55
=
20 − 1

4.054,55
=
19

= 213,397

= 14,61

Sehingga, nilai skor Z dapat dihitung sebagai berikut:

Statistika Pendidikan 17
 No 𝒙𝒊 (𝒙𝒊 − 𝒙̅) Skor Z
1 2 -9.35 -0.64
2 2 -9.35 -0.64
3 2 -9.35 -0.64
4 2 -9.35 -0.64
5 2 -9.35 -0.64
6 4 -7.35 -0.50
7 4 -7.35 -0.50
8 4 -7.35 -0.50
9 6 -5.35 -0.37
10 7 -4.35 -0.30
11 8 -3.35 -0.23
12 8 -3.35 -0.23
13 8 -3.35 -0.23
14 8 -3.35 -0.23
15 9 -2.35 -0.16
16 10 -1.35 -0.09
17 20 8.65 0.59
18 21 9.65 0.66
19 40 28.65 1.96
20 60 48.65 3.33
Jumlah 227
Rata-rata 11.35
Simpangan Baku 14.61

Statistika Pendidikan 18
 DAFTAR PUSTAKA

Hidayati, T., Noviana, W., Handayani, I., & Cahya Firdaus, I. (2019).
Statistika Dasar (H. Haerudin (ed.); 1st ed.). Unpam Press.
Widiyanto, M. A. (2013). Statistika Terapan: Konsep & Aplikasi SPSS
dalam Penelitian Bidang Pendidikan, Psikologi & Ilmu Sosial
Lainnya. PT Elex Media Komputindo.

Statistika Pendidikan 19