PENGUKURAN DISPERSI

(Disusun Untuk Memenuhi Tugas Mata Kuliah Statistik Pendidikan)

Dosen Pengampu: Anugrah Mulia Tampubolon, M.Pd

Disusun Oleh :

Kelompok 6

BKPI-3 / Semester V

 Nadia Afrillia AR. (0303213150)

 Nur Ainun (0303213099)
 Siti Nurhaliza Muda (0303213101)

PROGRAM STUDI BIMBINGAN KONSELING DAN PENDIDIKAN ISLAM

FAKULTAS ILMU TARBIYAH DAN KEGURUAN

UNIVERSITAS ISLAM NEGERI SUMATERA UTARA MEDAN

2023
 KATA PENGANTAR

Assalamu’alaikum Warahmatullahi Wabarakatuh

Alhamdulillah kami sebagai penulis mengucapkan puji syukur kehadirat Tuhan Yang
Maha Esa yang telah memberikan kita berbagai nikmat, sehingga aktivitas hidup yang kita
jalani ini bahkan selalu membawa keberkahan, baik kehidupan di dalam dunia ini, lebih-lebih
lagi pada kehidupan akhirat kelak, sehingga semua cita-cita serta harapan yang ingin kita capai
menjadi lebih mudah dan penuh manfaat. Shalawat serta salam semoga selalu tercurahkan pada
sang tauladan Nabiyullah Muhammad S.A.W yang selalu mengajarkan kita dengan uswah
khasanahnya, sehingga kita bisa menjadi umat yang termasuk dalam golongan orang-orang
yang mendapat petunjuk-nya.

Tidak lupa kami ucapkan terima kasih kepada Bapak Anugrah Mulia Tampubolon, M.Pd
selaku dosen mata kuliah Statistik Pendidikan, orang tua, teman kelompok, dan kerabat yang
telah membantu kelancaran penyusunan makalah ini dengan judul “Pengukuran Dispersi”.
Kami menyadari bahwa penyusunan makalah ini jauh dari sempurna dan banyak kekurangan,
oleh karena itu kami sangat mengharapkan masukan dan saran yang membangun untuk
membantu makalah selanjutnya menjadi lebih baik lagi.

Wasalamu’alaikum Warahmatullahi Wabarakatuh

Medan, 1 November 2023

Kelompok 6

i
 DAFTAR ISI

KATA PENGANTAR ................................................................................................. i

DAFTAR ISI ............................................................................................................... ii

BAB I PENDAHULUAN ............................................................................................ 1

A. Latar Belakang Masalah .................................................................................... 1

B. Rumusan Masalah ............................................................................................. 1
C. Tujuan ............................................................................................................... 1

BAB II PEMBAHASAN ............................................................................................. 2

A. Pengertian dan Tujuan Pengukuran Dispersi ...................................................... 2

B. Jenis-Jenis Pengukuran Dispersi ........................................................................ 4

BAB III PENUTUP .................................................................................................... 13

A. Kesimpulan ...................................................................................................... 13
B. Saran ................................................................................................................ 13

DAFTAR PUSTAKA ................................................................................................. 14

ii
 BAB I
PENDAHULUAN
A. Latar Belakang Masalah
Pengukuran dispersi adalah salah satu konsep dalam statistik yang digunakan untuk
menggambarkan sejauh mana data tersebar atau berbeda dari nilai rata-ratanya. Pengukuran
dispersi penting dalam analisis data karena dapat memberikan informasi tentang variasi atau
keberagaman data. Dengan mengetahui sejauh mana data tersebar, kita dapat memahami lebih
baik karakteristik data tersebut dan membuat kesimpulan yang lebih akurat. Dalam analisis
data, pengukuran dispersi juga dapat digunakan untuk membandingkan dua atau lebih
kelompok data. Misalnya, jika kita ingin mengetahui apakah terdapat perbedaan dalam tingkat
pendapatan antara dua kelompok populasi, kita dapat menggunakan pengukuran dispersi untuk
melihat sejauh mana data pendapatan tersebar di setiap kelompok. Dengan pemahaman yang
baik tentang pengukuran dispersi, kita dapat melakukan analisis data yang lebih mendalam dan
membuat kesimpulan yang lebih akurat. Oleh karena itu, latar belakang makalah ini akan
memberikan dasar pengetahuan yang diperlukan untuk mempelajari lebih lanjut tentang
pengukuran dispersi dan aplikasinya dalam analisis data.
B. Rumusan Masalah
1. Apa pengertian dan tujuan dari pengukuran dispersi?
2. Apa saja jenis-jenis pengukuran dispersi?
C. Tujuan
1. Untuk mengetahui pengertian dan tujuan pengukuran dispersi.
2. Untuk mengetahui jenis-jenis pengukuran dispersi.

1
 BAB II
PEMBAHASAN
A. Pengertian dan Tujuan Pengukuran Dispersi
Pengukuran dispersi merupakan ukuran tentang derajat pemencaran (degree of scatter)
di mana terdapat kecenderungan bagi setiap nilai variabel untuk berpencar di sekitar nilai rata-
rata (mean). Dispersi merupakan suatu karakteristik yang selalu harus diperhitungkan di dalam
menganalisis data dalam sebuah frekuensi distribusi (Fadhli, 2018).
Ukuran dispersi atau ukuran variasi atau ukuran penyimpangan adalah ukuran yang
menyatakan seberapa jauh penyimpangan nilai- nilai data dari nilai-nilai pusatnya atau ukuran
yang menyatakan seberapa banyak nilai-nilai data yang berbeda dengan nilai-nilai pusatnya.
Menurut Hasan (2011: 101) ukuran dispersi atau ukuran variasi atau ukuran penyimpangan
adalah ukuran yang menyatakan seberapa jauh penyimpangan nilai-nilai data dari nilai-nilai
pusatnya atau ukuran yang menyatakan seberapa banyak nilai-nilai data yang berbeda dengan
nilai-nilai pusatnya.
Penyebaran atau dispersi adalah perserakan dari nilai observasi terhadap nilai rata-
ratanya. Rata-rata dari serangkaian nilai observasi tidak dapat diinterpretasikan secara terpisah
dari hasil dispersi nilai-nilai tersebut sekitar rata-ratanya. Ukuran penyebaran suatu kelompok
data terhadap pusat data disebut dispersi atau variasi atau keragaman data. Dispersi data
digunakan untuk membandingkan penyebaran dua distribusi data atau lebih (Fadhli, 2018).
Dapat disimpulkan bahwa, pengukuran dispersi adalah pengukuran seberapa jauh
penyimpangan nilai-nilai data dari nilai pusatnya (rata-ratanya) atau bagaimana penyebaran
suatu kelompok data. Pengukuran dispersi bertujuan untuk mengetahui apakah pemencaran
dari nilai-nilai variabel di sekitar rata-rata itu sifatnya kompak atau menyebar, dan metode
untuk menggambarkan bagaimana suatu kelompok data menyebar terhadap pusat data. Ukuran
dispersi pada dasarnya adalah pelengkap dari ukuran nilai pusat dalam menggambarkan
sekumpulan data. Jadi, dengan adanya ukuran dispersi maka penggambaran sekumpulan data
akan menjadi lebih jelas dan tepat.
Dalam bidang statistika, variasi data dapat dikatakan sebagai dispersi. Dalam kondisi
data yang bervariasi, terdapat tiga jenis pembagiannya, yaitu data yang homogen (data yang
terkandung sama), data heterogen (data yang di dalamnya terdapat bermacam-macam sampel),
dan data yang relatif homogen. Data yang relatif homogen ini adalah data yang tidak begitu
relatif atau beragam. Data homogen dicontohkan seperti 50 50 50 50 50 dengan rata-rata

2
sebesar 50. Data relatif homogen dicontohkan seperti 50 40 30 60 70 dengan rata-rata sebesar
50. Data heterogen dicontohkan seperti 100 40 80 20 10 dengan rata-rata hitung 50.

Dispersi digunakan untuk menunjukkan keadaan berikut:

1. Gambaran variabilitas data

Variabilitas data adalah suatu ukuran yang menunjukkan besar kecilnya perbedaan data
dari rata-ratanya. Ukuran ini dapat juga disebutkan sebagai ukuran yang menunjukkan
perbedaan antara data satu dengan yang lainnya. Ukuran pemusatan (Mean, Median, dan
Modus) ini dapat kita gunakan untuk menggambarkan keadaan sekumpulan data, tetapi
gambaran itu masih kurang lengkap apabila tidak disertai dengan ukuran-ukuran
penyebaran. Hal ini disebabkan karena dengan ukuran gejala pusat saja mungkin beberapa
kumpulan data sebenarnya berbeda dapat disimpulkan sama.
2. Perbedaan nilai satu observasi terhadap nilai observasi lainnya
Rata-rata dari serangkaian nilai-nilai observasi tidak dapat diinterpretasikan secara terpisah
dengan dispersi (sebaran) nilai-nilai tersebut terhadap rata-ratanya. Jika terdapat
keseragaman/kesamaan nilainilai observasi xi, maka dispersi nilai-nilai tersebut akan sama
dengan nol, dan rata-ratanya akan sama dengan nilai xi. Semakin besar variasi nilai-nilai xi,
maka rata-rata distribusi semakin kurang representatif. Tingkat dispersi berhubungan erat
dengan sifat kesamaan/kesejenisan data. Misalnya data tentang besarnya modal pedagang
kaki lima khusus makanan, akan kecil variasinya jika dibandingkan dengan data sel∞uruh
pedagang kaki lima tanpa melihat jenis dagangannya. Secara umum, suatu rata-rata akan
cukup representatif bagi serangkaian nilai-nilai observasi xi bila nilai-nilai tersebut
diperoleh dari data yang bersifat sejenis bagi tujuan pengamatan tertentu.
3. Ukuran penyebaran dapat digunakan untuk menentukan apakah nilai rata-ratanya benar-
benar representatif atau tidak. Apabila suatu kelompok data mempunyai penyebaran yang
tidak sama terhadap nilai rata-ratanya, maka dikatakan bahwa nilai rata-rata tersebut tidak
representatif.
4. Ukuran penyebaran dapat membantu penggunaan ukuran statistika, misalnya dalam
pengujian hipotesis, apakah dua sampel berasal dari populasi yang sama atau tidak.

3
B. Jenis-Jenis Pengukuran Dispersi
Ukuran dispersi dibedakan atas: (1) ukuran dispersi mutlak, dan (2) ukuran dispersi relatif.
1. Ukuran dispersi mutlak
Digunakan untuk mengetahui tingkat variasi nilai observasi pada suatu data. Ukuran
dispersi mutlak terdiri dari: jangkauan (range), simpangan rata-rata (mean deviation), variasi
(variance), standar deviasi (standart deviation), simpangan kuartil (quartile deviation).
a) Jangkauan (Range)
Jangkauan adalah selisih antara batas atas dari kelas tertinggi dengan batas bahwa dari
kelas terendah.
Rumus:
Range = 𝑋𝑚𝑎𝑥 − 𝑋𝑚𝑖𝑛
Contoh:
Tentukan jangkauan data: 2, 4, 6, 7, 8, 9, 12, 16, 20
Penyelesaian:
Range= 20 − 2 = 18
b) Simpangan Rata-Rata (Mean Deviation)
Simpangan rata-rata biasanya mempergunakan rata- rata hitung atau median sebagai
dasar pengukurannya. Simpangan rata-rata dihitung dengan jalan menjumlahkan simpangan
masing-masing nilai variabel dengan nilai rata-ratanya atau median dan kemudian
membaginya dengan jumlah seluruh variabel, tanpa memperhatikan tanda jabar, artinya
simpangan-simpangan itu harus dirata-ratakan seolah-olah kesemuannya itu adalah positif.
Oleh karena jumlah simpangan-simpangan itu merupakan suatu minimum bila diambil di
sekitar median, maka kadang- kadang simpangan rata-rata hitung atas dasar median. Namun
dalam praktek umumnya dipakai rata-rata hitung dan jika rangkaian data itu simetris maka
memberikan hasil yang sama. Simpangan rata-rata merupakan sebuah ukuran variabilitas yang
ringkas dan sederhana. Ukuran ini merangkum seluruh variabel yang ada dan tidak dipengaruhi
oleh simpangan-simpangan ekstrim seperti di dalam simpangan baku.
Untuk data yang tidak tersusun di dalam sebuah tabel frekuensi, perumusan yang
digunakan untuk menghitung nilai Simpangan rata-rata adalah:
Data tunggal:
𝛴|𝑋−𝑋̅|
𝑑𝑟 =
𝑛

4
 Dimana:
n= banyaknya variabel
X= nilai variabel
𝑋̅ = nilai rata-rata

Contoh:

Tentukan deviasi rata-rata dari 2, 3, 6, 8, 11!

Penyelesaian:

2+3+6+8+11
𝑋̅ = =6
5

𝜮│𝑋 − 𝑋̅ │= │2-6│+│3-6│+│6-6│+│8-6│+│11-6│

=│-4│+│-3│+│0│+│2│+│5│

= (4+3+0+2+5)

= 14

𝛴 |𝑋 − 𝑋̅|
𝑑𝑟 =
𝑛
14
= = 2,8
5

Data Kelompok:
𝛴𝑓|𝑋−𝑋̅|
𝑑𝑟 =
𝛴𝑓

Dimana:
𝑓 = frekuensi dari masing-masing kelas
𝑋 = nilai tengah
𝑋̅ = nilai rata-rata

5
Contoh:
Tentukan deviasi rata-rata dari distribusi frekuensi pada tabel 1 perguruan tinggi badan 50
mahasiswa!
Penyelesaian:
Tabel 1.1
Tinggi 𝒇 𝑿 F.X ̅|
|𝑿 − 𝑿 ̅|
𝒇|𝑿 − 𝑿
Badan
(cm)
140-144 2 142 284 15,7 31,4
145-149 4 147 588 10,7 42,8
150-154 10 152 1520 5,7 57
155-159 14 157 2198 0,7 9,8
160-164 12 162 1944 4,3 51,6
165-169 5 167 835 9,3 46,5
170-174 3 172 516 14,3 42,9
Jumlah 50 - 7885 - 282

7885
𝑋̅ = = 157,7
50
𝛴𝑓|𝑋 − 𝑋̅ | 282
𝑑𝑟 = = = 5,64
𝛴𝑓 50
c) Variasi (Variance)
Rata-rata hitung deviasi kuadrat setiap data terhadap rata-rata hitungnya. Menurut
Riduwan dan Akdon (2013: 43), Variasi adalah kuadrat dari simpangan baku. Fungsinya untuk
mengetahui tingkat penyebaran atau variasi dara. Menurut Hasan (2011: 107), variasi adalah
nilai tengah kuadrat simpangan dari nilai tengah atau simpangan rata-rata kuadrat. Varians
digunakan untuk melihat kehomogenan data secara kasar, dimana nilai hasil perhitungan
varians sebagai titik pusat dari penyebaran data. Untuk sampel, variansnya (varians sampel)
disimbolkan dengan s2. Untuk populasi, variansnya (varians populasi) disimbolkan dengan 𝜎 2
(baca: sigma).

Varians data tunggal

Rumus:

𝛴𝑋 2 (𝛴𝑋)2
𝑆2 = −
𝑛 − 1 𝑛(𝑛 − 1)

6
Contoh:
Tentukan varians dari data 2, 3, 6, 8, 11!
Penyelesaian:
n=5
2 + 3 + 6 + 8 + 11 30
𝑋̅ = = =6
5 5

Tabel 1.2

𝑋 𝑋 − 𝑋̅ (𝑋 − 𝑋̅ )2 𝑋2
2 -4 16 4
3 -3 9 9
6 0 0 36
8 2 4 64
11 5 25 121
𝜮𝑋 =30 54 𝛴𝑋 2 =234

2
𝛴𝑋 2 (𝛴𝑋)2
𝑆 = −
𝑛 − 1 𝑛(𝑛 − 1)
234 (30)2
= −
5−1 5 (5−1)

= 58,5 −45
= 13,5
d) Standar Deviasi (Standart Deviation)
Simpangan baku atau standar deviasi (s) merupakan bentuk simpangan rata- rata yang
diperbarui dan juga merupakan ukuran dispersi yang lebih umum dipergunakan. Dalam
kenyataannya simpangan baku adalah demikian pentingnya sehingga menjadi standar ukuran
dispersi. Kuadrat dari simpangan baku disebut varian.

Karakteristik dari simpangan baku adalah:

 Simpangan baku didasarkan atas setiap nilai yang ada di dalam data. Sebagaimana
halnya dengan simpangan rata-rata, maka simpangan baku memberikan gambaran yang
lebih baik mengenai dispersi daripada range dan simpangan kuartil.

7
  Simpangan baku dihitung dari rata-rata hitung nilai-nilai yang ada di dalam data.
Simpangan baku mengukur dispersi di sekitar rata-rata, bukan dispersi di dalam nilai-
nilai tertentu seperti yang diukur dengan range dan simpangan kuartil.
 Simpangan baku secara matematis adalah logis karena perhitungannya tidak
mengabaikan tanda-tanda positif dan negatif dari simpangan individual. Kenyataan ini
menambah kegunaan simpangan baku dalam operasi matematis lebih lanjut.
 Apabila setiap nilai dari data tertentu ditambah atau dikurangi dengan sebuah bilangan
tetap, simpangan baku tidak terpengaruh. Hal ini benar karena rata-rata seperti pada
setiap nilai, juga ditambah atau dikurangi dengan bilangan tetap tersebut. Jadi
simpangan setiap nilai dari rata-rata tidak terpengaruh. Tetapi apabila setiap nilai di
dalam data dikalikan atau dibagi dengan sebuah bilangan tetap, maka simpangan baku
juga dikalikan atau dibagi dengan bilangan tetap itu.

Untuk data tidak tersusun dalam bentuk distribusi frekuensi, simpangan baku dicari
dengan rumus:

𝛴𝑋 2 𝛴𝑋
Rumus: S = √ − ( )2
𝑁 𝑁

Contoh:

Tabel 1.4

Skor (X) X2
5 25
7 49
8 64
10 100
12 144
𝜮𝑿 = 𝟒𝟐 𝜮𝑿𝟐 = 382

Dari tabel di atas maka dapat dihitung standar deviasi:

𝛴𝑋 2 𝛴𝑋
S=√ − ( 𝑁 )2
𝑁

382 42
=√ − ( 5 )2
5

8
 = √7,64 − 70,56

= √5,84

= 2,42

e) Simpangan Kuartil (Quartile Deviation)

Simpangan kuartil (SK) merupakan suatu ukuran dispersi yang didasarkan atas nilai
kuartil yaitu kuartil pertama (K1) dan kuartil ketiga (K3). Ukuran ini juga disebut semi
interquartile range yang berarti setengah jarak antara kuartil pertama hingga kuartil ketiga.
Rumus yang digunakan adalah:
𝐾3 − 𝐾1
𝑆𝐾 =
2

Kuartil adalah tiga buah titik yang secara kasar membagi sebuah urutan atau sebaran
frekuensi ke dalam empat bagian yang sama. Kuartil pertama (K1) memisahkan seperempat
pertama dari sejumlah nilai dengan seperempat kedua. Kuartil kedua (K2) biasa disebut juga
median, memisahkan seperempat kedua. dengan seperempat ketiga dan kuartil ketiga (K3)
memisahkan seperempat ketiga dengan seperempat keempat. Karenanya quartile range K3- K1,
meliputi pertengahan setengah bagian itu. Simpangan kuartil merupakan setengah dari range
ini.

Karakteristik dari simpangan kuartil adalah:

a) Apabila distribusinya simetris, maka K1 dan K3 dipisahkan dari median dengan

jarak yang sama. Karena itu jika mengukur ± K dari median maka menghitung 50%

bagian dari distribusi itu karena telah mengukur kembali K1 dan K3.
b) Apabila distribusinya menceng (skewed) seperti biasa terjadi

maka dapat mengambil ± K di sekitar median, dan sementara itu tidak akan mencapai
salah satu dari K1 atau K3, mengharapkan dan memperhitungkan ± 50% dari bagian
itu tanpa memperhatikan besarnya kemencengan.
c) Simpangan kuartil relatif tidak dipengaruhi oleh simpangan- simpangan ekstrim. Di

lain pihak karena sama sekali tergantung pada nilai K1 dan K3, maka reliabilitasnya
tergantung pada derajat pemusatan pada kuartil-kuartil populasi dari mana sebuah
sampel diambil. Khususnya apabila terdapat kesenjangan-kesenjangan di dalam
populasi di sekitar kuartil, maka simpangan kuartil menjadi tidak reliabel.

9
Contoh: tentukan nilai K1, K2 dan K3 dari data:

1) 12 16 11 20 19 17 18 14 10 24
2) 12 16 11 20 19 17 18 14 22 25 23 24
3) 16 13 21 19 24 10 15 20 25 15 26 11 21

Penyelesaian:

1) 10 11 12⦁ 14 16⦁ 17 18 19⦁ 20 24

K1= 12 𝐾2=16+17 K3 = 19
2

=16,5
19−12
Sehingga diperoleh SK= = 3,50
2

2) 10 11 12 ⦁ 14 16 17 ⦁ 19 20 22 ⦁ 23 24 25
12+14 17+19 20+23
𝐾1 = 𝐾2 = 𝐾3 =
2 2 2
=13 = 18 =22,5
22,5−13
Sehingga diperoleh 𝑆𝐾 = =4,75
2
3) 10 11 13 ⦁ 15 15 16 19⦁ 20 21 21 ⦁ 24 25 26
13+15 21+24
𝐾1 = K2 =19 𝐾3 =
2 2
=14 =22,5
22,5+14
Sehingga diperoleh 𝑆𝐾 = = 4,25
2

2). Dispersi Relatif

Ukuran dispersi relatif atau dikenal dengan koefisien variasi dilakukan untuk
membandingkan tingkat variasi nilai observasi pada suatu data dengan tingkat variasi nilai
observasi data-data lainnya. Misalnya, kelompok sampel pertama mempunyai satuan kilogram
sedangkan kelompok sampel lainnya adalah meter. Dispersi relatif dapat digunakan untuk
membandingkan nilai-nilai besar dengan nilai-nilai kecil. Sedangkan lima bentuk dispersi
sebelumnya tidak bisa. Dalam hal ini Pearson menciptakan formula yang disebut dengan
koefisien variasi (V). Koefisien variasi adalah perbandingan antara simpangan standar dengan
nilai rata-rata yang dinyatakan dengan persentase. Koefisien Variasi (KV) mengukur dispersi
secara relatif dan digunakan untuk membandingkan dua set atau lebih kumpulan data.

10
Koefisien variasi berguna untuk melihat sebaran data dari rata-rata hitungnya. Ukuran ini
merupakan ukuran yang relatif sifatnya karena diperoleh dengan cara yang tidak langsung.
Rumus yang digunakan adalah:
𝑆𝑑
𝐾𝑉 = ̅ × 100%
𝑋

Dengan
V: Koefisien Variasi
Sd: Standar Devisi
𝑥̅ : nilai rata-rata data
Contoh:

Produk A memiliki harga rata-rata Rp. 750/kg dengan simpangan baku Rp. 65/kg. Produk B
memiliki harga rata-rata 1250/meter dengan simpangan baku Rp. 45/meter.

Perbandingan dispersi kedua produk tersebut adalah:

Produk A:

𝑆𝑑
𝐾𝑉 = ̅ × 100%
𝑋

65
𝐾𝑉 = × 100% = 8,67%
750

Produk B:

45
𝐾𝑉 = × 100% = 3,60%
1250

Dari perhitungan di atas ternyata produk A lebih besar dispersinya dibandingkan dengan
dispersi produk B.

Koefisien Variasi Kuartil

Rumus yang digunakan adalah:

𝐾3 − 𝐾1
𝑉𝐾 = × 100%
𝐾3 + 𝐾1

11
Contoh:

Diketahui: K1 =1500 K3 = 2600

Tentukan Vk

2600 − 1500
𝑉𝐾 = × 100%
2600 + 1500

1100
𝑉𝐾 = × 100%
4100

𝑉𝐾 = 26%

12
 BAB III

PENUTUP

A. Kesimpulan
Pengukuran dispersi adalah bahwa dispersi adalah ukuran sejauh mana data tersebar atau
merata di sekitar nilai rata-rata. Semakin tinggi nilai dispersi, semakin besar variasi data.
Dispersi dapat memberikan informasi tentang sejauh mana data berbeda dari nilai rata-rata dan
seberapa heterogen data tersebut. Pengukuran dispersi juga dapat membantu mengidentifikasi
adanya outlier atau data yang ekstrim. Pengukuran dispersi bertujuan untuk mengetahui apakah
pemencaran dari nilai-nilai variabel di sekitar rata-rata itu sifatnya kompak atau menyebar, dan
metode untuk menggambarkan bagaimana suatu kelompok data menyebar terhadap pusat data.
Ukuran dispersi pada dasarnya adalah pelengkap dari ukuran nilai pusat dalam
menggambarkan sekumpulan data. Jadi, dengan adanya ukuran dispersi maka penggambaran
sekumpulan data akan menjadi lebih jelas dan tepat.
Ukuran dispersi dibedakan atas: (1) ukuran dispersi mutlak, dan (2) ukuran dispersi
relatif. Ukuran dispersi mutlak terdiri dari: jangkauan (range), simpangan rata-rata (mean
deviation), variasi (variance), standar deviasi (standart deviation), simpangan kuartil (quartile
deviation). Sedangkan ukuran dispersi relatif terdiri dari koefisien variasi dan koefisien variasi
kuartil.
B. Saran
Alhamdulillah makalah ini dapat kami selesaikan dengan seefektif mungkin. Kami
menyadari bahwa materi yang disajikan ini jauh dari kata sempurna. Kritik dan saran kami
harapkan demi terwujudnya makalah yang lebih baik.

13
 DAFTAR PUSTAKA

Abdurahman, M., Somantri, A., & Muhidin, S. A. 2011. Dasar-Dasar Metode Statistik Untuk
Penelitian. Bandung: Pustaka Media.

Fadhli, R.A. 2018. Statistik Pendidikan. Medan: CV. Widya Puspita.

Hadjar, I. 2014. Dasar-Dasar Statistik Untuk Ilmu Pendidikan, Sosial, &

Humaniora. Semarang: Pustaka Zaman.

Hasan, M.Iqbal. 2011. Pokok-Pokok Materi Statistika 1 (Statistik Deskriptif). Jakarta: PT Bumi
Aksara.

Mamondol, M. R. 2021. Dasar-dasar statistika. Scopindo Media Pustaka.

Nuryadi, N., Astuti, T. D., Sri Utami, E., & Budiantara, M. 2017. Dasar-Dasar Statistik
Penelitan. Yogyakarta: Sibuku Media.

Pratikno, A. S., Prastiwi, A. A., & Ramahwati, S. 2020. Penyajian Data, Variasi Data, dan Jenis
Data. OSF PREPRINTS, 1-10.

Wicaksono, A., Gibran, A. F., Irmansyah, D., & Aji, H. 2020. Ukuran Penyebaran Data
(kemiringan dan keruncingan). Universitas Bina Sarana Informatika.

14