BAB 4.

UKURAN PENYEBARAN
NILAI YANG MENGGAMBARKAN PENYEBARAN DATA
DARI NILAI TENGAHNYA

Disusun Guna Memenuhi Tugas

Mata Kuliah: Statistika Deskriptif
Dosen Pengampu: Lathif Hanafir Rifqi, S.E., M.A.

Disusun oleh:
1. Afifi Dzikro Khisan (2105036128)
2. Dita Ainurrizka (2105036137)
3. Fadillah Nur Saadatul. H (2105036138)
Kelas: PBAS D4

PROGRAM STUDI S1 PERBANKAN SYARIAH

FAKULTAS EKONOMI DAN BISNIS ISLAM
UNIVERSITAS ISLAM NEGERI WALISONGO
SEMARANG
2022
4. UKURAN PENYEBARAN
NILAI YANG MENGGAMBARKAN PENYEBARAN DATA DARI
NILAI TENGAHNYA

BAGIAN I STASTISTIK DESKRIPTIF

Pengertian Statistika
Range, Deviasi Rata-Rata, Varians, dan
Deviasi Standar untuk Data Tidak
Penyajian Data Berkelompok dan Berkelompok

Ukuran Pemusatan Karakteristik, Kelebihan, dan Kekurangan

Ukuran Penyebaran

Ukuran Penyebaran Ukuran Penyebaran Lain

(Range Inter-Kuartil, Deviasi Kuartil)

Angka Indeks Ukuran Kecondongan dan Keruncingan

(Skewness dan Kurtosis)

Pengolahan Data Ukuran Penyebaran

Deret Berkala dan Peramalan
dengan MS Excel

BAGIAN II PROBABILITAS DAN TEORI KEPUTUSAN

Konsep-Konsep Dasar
Probabilitas
Distribusi Probabilitas
Diskret

Distribusi Normal

Teori Keputusan
4.1 Pengantar
Pada bab 2 dan Bab 3 kita telah mempelajari bagaimana menyajikan data dalam bentuk
distribusi frekuensi dan grafik serta menghitung ukuran pemusatan, sebuah ukuran yang
dapat mewakili sekumpulan data tanpa menghilangkan makna dari sekumpulan data
tersebut. Pada bab ini akan dibahas tentang ukuran penyebaran. Apa pengertian ukuran
penyebaran dan mengapa kita harus mempelajarinya?
Ukuran penyebaran adalah suatu ukuran baik parameter atau statistic untuk
mengetahui seberapa besar penyimpangan data dengan nilai rata-rata
hitungnya.

Ukuran penyebaran yang akan dipelajari berturut-turut adalah range, deviasi rata-
rata, varian, dan standar deviasi, ukuran penyebaran lain, ukuran kecondongan dan
keruncingan. Mengapa kita mempelajari ukuran penyebaran tersebut? karena kita merasa
bahwa mengetahui nilai tengah saja belum cukup, tanpa disertai dengan pengetahuan
tentang seberapa besar data tersebut menyebar di sekitar nilai tengahnya. Dengan
memahami unsur penyebaran data diharapkan kita tidak menarik kesimpulan yang salah.
Berikut beberapa contoh yang memungkinkan dapat memperjelas pentingnya ukuran
penyebaran.
1. Dunia saat ini dikuasai oleh informasi dan komunikasi. Di Indonesia pada akhir
tahun 2012 terdapat 11 operator seluler dengan total jumlah pelanggan sekitar 385
juta, lebih tinggi dari jumlah penduduk Indonesia. Delapan (8) operator utama dan
jumlah pelanggannya pada 2012, yakni Bakrie Telekom (Esia): 11,6 juta pelanggan;
Hutchison (3): 14 juta pelanggan; Indosat (IM3, Indosat Matrix, Indosat Mentari):
58,5 juta pelanggan; Natrindo (Axis): 16 juta pelanggan; Smart Telecom (Smart): 11
juta pelanggan; Telkom (Flexsi): 15 juta pelanggan; Telkomsel (Kartu AS, Kartu
HALO, dan Simpati): 212 juta pelanggan. Dari kedelapan operator utama tersebut,
rata-rata pelanggan setiap operator mencapai 48,1 juta, jarak (range) sebesar 201
juta, dan standar deviasi 68,63 juta. Pelanggan terbanyak dimiliki oleh Telkomsel,
yaitu 212 juta dan yang terkecil adalah Smart Telecom dengan 11 juta pelanggan.
Teknologi komunikasi yang digunakan juga bervariasi, dari GSM, CDMA 800MHz
hingga CDMA 1.900MHz.
2. Rata-rata tingkat inflasi di Indonesia selama tahun 2004-2012 adalah 7,3% per
tahun. Hal tersebut tidak menggambarkan bahwa setiap tahun harga-harga umum
naik 7,3%. Rata-rata inflasi yang tinggi disebabkan oleh tiga hal, yakni kenaikan
harga barang impor akibat melemahnya nilai rupiah, kenaikan upah tenaga kerja
yang tidak diimbangi oleh peningkatan produktivitasnya, dan kenaikan harga BBM.
Kenaikan harga BBM yang mencapai 100% lebih yang membuat inflasi mencapai
 17% pada tahun 2005, sedangkan inflasi terendah di Indonesia adalah 2,78% pada
tahun 2009. Mungkin Anda juga dapat membandingkan dengan Malaysia yang
inflasi rata-ratanya hanya sebesar 2,5%; inflasi tertinggi sebesar 5,4% pada tahun
2008 dan terendah 0,6% pada tahun 2009. Perbedaan atau jarak antara inflasi
tertinggi dan terendah di Indonesia mencapai 14,3% sedangkan di Malaysia hanya
4,9%. Hal tersebut menunjukkan bahwa sebaran inflasi di Indonesia jauh lebih
banyak daripada Malaysia. Sebaran tersebut juga menggambarkan adanya fluktuasi
ekonomi sebagai salah satu indikator bahwa kondisi Indonesia jauh lebih tidak
menentu dibandingkan dengan Malaysia.
3. Rata-rata harga saham untuk 13 perusahaan pertambangan utama pada bulan
November 2013 sebesar Rp5.624 per saham. Apabila anda mempunyai dana sebesar
Rp10 juta, maka diperkirakan cukup untuk membeli 1.778 lembar saham. Meskipun
demikian, jika Anda ingin membeli saham Indo Tambangraya Megah Tbk yang
harganya Rp30.550 per lembar, maka dana Anda hanya cukup untuk membeli 327
lembar yang bukannya 1.778 lembar. Sebaliknya, untuk membeli saham Adaro
Energy Tbk dengan harga Rp1.190 per lembar, Anda dapat memperoleh 8.403
lembar. Perbedaan atau jarak antara harga bahan tertinggi dan terendah mencapai
Rp29.360.
4. Berikut adalah contoh yang tidak berkaitan dengan ekonomi. Misalnya Anda ingin
belajar berenang, Anda menanyakannya berapa kedalaman rata-rata kolam renang.
Misalkan kedalaman rata-rata 1,5meter. Jika anda tinggi Anda adalah 1,65 cm,
mungkin Anda pikir Anda tidak akan tenggelam. Namun Anda harus ingat bahwa
1,5meter adalah rata-rata mulai dari kolam anak-anak yang kedalamannya hanya 30
cm sampai dengan kolam untuk orang dewasa yang kedalamannya mencapai 3,5
meter. Apabila hati-hati dan belajar berenang pada kedalaman kolam 3,5 meter,
Anda bisa tenggelam.
Dari beberapa contoh di atas, Anda bisa jadi lebih memahami pentingnya ukuran
penyebaran. Apabila suatu kumpulan data tidak mempunyai nilai ekstrem rendah dan
tinggi, maka ukuran pemusatan relatif baik untuk digunakan. Namun demikian, apabila
datanya mengandung nilai ekstrem, maka kita perlu mengetahui sebarannya. Pada kasus
sampel atau populasi yang mempunyai nilai ukuran pemusatan yang sama sekalipun,
belum tentu mempunyai karakter yang sama. Oleh sebab itu, sangatlah penting untuk
memahami makna ukuran penyebaran. Ada beberapa kemungkinan yang terjadi jika
menggambarkan dua data ditinjau dari nilai rata-rata hitung dan penyebarannya. Beberapa
bentuk tersebut adalah sebagai berikut:
1. Rata-rata sama dengan penyebaran yang berbeda
Grafik berikut menunjukkan bahwa rata-rata pertumbuhan ekonomi negara
berkembang dan terbelakang pada tahun 2004 sama dengan rata-rata pertumbuhan
ekonomi negara maju pada tahun 2006, yakni dengan nilai tengah dan/atau rata-rata
sebesar 5,5%. Namun sebarannya berbeda, di mana kisaran pertumbuhan negara
berkembang/terbelakang pada tahun 2004 antara -10,92% hingga 22,46%,
sedangkan kisaran untuk negara maju adalah -6,16% hingga 17,69%. Jadi,
 pertumbuhan ekonomi di negara maju lebih seragam dibandingkan dengan
pertumbuhan ekonomi negara berkembang/terbelakang.

2. Rata-rata berbeda, sebaran berbeda

Grafik berikut menunjukkan perbedaan nilai rata-rata dan sebaran antara dua
kelompok negara maju dan negara berkembang terhadap utang (presentase terhadap
GDP) pada tahun 2011. Pada tahun 2011 rata-rata utang negara
berkembang/terbelakang terhadap GDP lebih rendah, yakni 41,6%, menyebar dari
9,3% hingga 105%. Sementara itu, pada negara maju rata-rata utangnya lebih tinggi,
yakni 69,3% dengan kisaran yang lebih menyebar, yakni dari 7% hingga 189%.
Dengan demikian, hutang luar negeri negara maju lebih besar dan lebih menyebar
dibanding utang negara berkembang/terbelakang.

3. Rata-rata berbeda, sebaran sama

Grafik berikut menunjukkan rata-rata pertumbuhan ekonomi kelompok negara
berkembang dan/ atau terbelakang pada tahun 2004 yang berbeda dengan tahun
2009, namun sebarannya sama. Rata-rata pertumbuhan ekonomi tahun 2004 sebesar
5,5, sedangkan pada tahun 2009 jauh lebih rendah yakni 0,5 akibat adanya krisis
global. Rentang sebaran pertumbuhan ekonomi tahun 2004 dan 2009 sama, yakni
38. Oleh karena itu, kondisi ekonomi negara-negara tersebut sama, namun karena
adanya krisis global maka pertumbuhan ekonomi kelompok negara ini pada tahun
2009 lebih buruk dibanding tahun 2004.

Untuk mempelajari ukuran penyebaran lebih lanjut, pada bagian berikut kita akan
membahas tentang:
a. Jarak atau kisaran nilai (range)
b. Deviasi rata-rata
c. Varians dan standar deviasi
 d. Ukuran penyebaran lain
e. Ukuran kecondongan
f. Ukuran keruncingan

4.2 Ukuran Penyebaran untuk Data yang Tidak Dikelompokan

4.2.1 Jarak (Range)
Jarak atau kisaran nilai (range) merupakan ukuran yang paling sederhana dari ukuran
penyebaran. Jarak merupakan perbedaan antara nilai terbesar dan terkecil dalam suatu
kelompok data baik data populasi atau sample. Semakin kecil ukuran jarak menunjukkan
karakter yang lebih baik, karena berarti data mendekati nilai pusat dan kompak.

Jarak (range) = Nilai Terbesar - Nilai Terkecil

Contoh 4 – 1
Berikut adalah laju inflasi dari negara Indonesia, Malaysia, dan Thailand. Hitunglah jarak
(range)-nya! Apa komentar Anda?
Laju Inflasi (%)
Tahun
Indonesia Thailand Malaysia
2004 6,40 2,76 1,52
2005 17,11 4,54 2,96
2006 6,60 4,64 3,61
2007 6,59 2,24 2,03
 2008 11,06 5,47 5,44
2009 2,78 -0,85 0,58
2010 6,96 3,27 1,71
2011 3,79 3,81 3,20
2012 4,30 3,01 1,66

Penyelesaian:
Nilai Indonesia Thailand Malaysia
Tertinggi 17,11 5,47 5,44
Terendah 2,78 -0,85 0,58
Jarak 14,33 6,31 4,86

Nilai range diperoleh dengan mengurangkan nilai tertinggi dengan nilai terendah.
Misalnya, range laju inflasi pada negara Indonesia sebesar 14,33 diperoleh dari nilai
tertinggi yaitu 17,11 - nilai terendah 2,78. Nilai rangka terkecil adalah Malaysia yang diikuti
dengan Thailand. Besarnya range menunjukkan teliti nilai terbesar dan terkecil sehingga
juga menunjukkan fluktuasi. Oleh sebab itu, dapat disimpulkan bahwa Indonesia
mempunyai laju inflasi terbesar maka fluktuasi dan dijual lembaga atau ekonomi yang
terjadi juga paling besar. Sedang negara Malaysia dengan range 4,86% berarti fluktuasi
perekonomiannya tidak terlalu besar. Ini berarti terjadinya gejolak yang positif atau negatif
tidak terlalu besar. Perekonomian atau perubahan harga pada suatu negara yang sudah dalam
kondisi matang, cenderung akan lebih stabil.

4.2.2 Deviasi Rata-Rata

Apabila kita perhatikan ukuran dari range, maka kesimpulan data hanya didasarkan pada
dua data eksterm, yaitu data tertinggi dan terendah. Hal tersebut berarti tidak
mempertimbangkan semua nilai data baik dalam populasi maupun sampel. Oleh sebab itu,
di samping ukuran range, juga dikembangkan ukuran deviasi rata-rata. Deviasi rata-rata
mengukur besarnya variasi atau selisih dari setiap nilai dalam populasi atau sampel dari
rata-rata hitunganya. Deviasi rata-rata didefinisikan dan dirumuskan sebagai berikut:
Deviasi rata-rata adalah rata-rata hitung dari nilai mutlak deviasi antara nilai dan
pengamatan dengan rata-rata hitungnya.
Bentuk rumus deviasi rata-rata yang disingkat dengan MD (mean deviation) atau
ada juga yang menyingkat AD (average deviation) adalah sebagai berikut:

MD =
¿
Σ∨ X−X ∨ ¿
N

Di mana:
MD : Deviasi rata-rata
X : Nilai setiap data pengamatan
X : Nilai rata-rata hitung dari seluruh nilai pengamatan
N : Jumlah data atau pengamatan dalam sampel/populasi
Σ : Lambang penjumlahan
|| : Lambang nilai mutlak
Mungkin Anda bertanya, mengapa menggunakan nilai mutlak. Anda harus ingat
mengenai sifat dari ukuran nilai hitung rata-rata pada Bab 3, bahwa jumlah dari selisih
nilai data dengan nilai hitung rata-rata sama dengan nol, Ukuran yang nilainya nol tidak
berarti banyak. Oleh sebab itu, digunakan nilai mutlak yang nilai yang mengabaikan tanda
negatif.
Pertumbuhan GDP (%)
Tahun
Negara Maju Indonesia
2002 1,74 4,50
2003 2,02 4,78
2004 3,09 5,03
2005 2,64 5,69
2006 3,03 5,50
2007 2,80 6,35
2008 0,07 6,01
2009 -3,47 4,63
2010 3,01 6,22
2011 1,63 6,49
2012 1,25 6,23

Penyelesaian:
a. Langkah pertama adalah menghitung nilai rata-rata hitung dari pertumbuhan
ekonomi negara maju dan Indonesia.
b. Langkah kedua mengurangkan setiap data dengan nilai rata-rata.
c. Langkah ketiga membuat harga mutlak setiap deviasi pada langkah kedua.
d. Langkah keempat menjumlahkan nilai mutlak dari deviasi dan membaginya
dengan jumlah data.
Hasil deviasi rata-rata untuk negara maju adalah sebagai berikut:
Tahun X ¿ X −X∨¿ Nilai Mutlak
2002 1,74 ¿ 0 , 12∨¿ 0,12
2003 2,02 ¿ 0 , 4∨¿ 0,40
2004 3,09 ¿ 1 , 47∨¿ 1,47
2005 2,64 ¿ 1 , 02∨¿ 1,02
2006 3,03 ¿ 1 , 41∨¿ 1,41
2007 2,80 ¿ 1 ,18∨¿ 1,18
2008 0,07 ¿−1 ,55∨¿ 1,55
2009 -3,47 ¿−5 , 09∨¿ 5,09
2010 3,01 ¿ 1 ,39∨¿ 1,39
2011 1,63 ¿ 0 , 01∨¿ 0,01
2012 1,25 ¿−0 , 37∨¿ 0,37
Jumlah ΣX = 17,81 Σ¿ X −X∨¿=
14,01
Rata-rata ΣX/n = 1,62 Σ| X−X|/n= 1,27
a. Penjumlahan dari data X berupa pertumbuhan ekonomi negara maju mendapatkan nilai
17,81. Apabila nilai tersebut dibagi dengan n = 11 maka didapat 1,62 sebagai nilai hitung
rata-rata ( X ¿ .
b. Langkah kedua mengurangkan setiap data yang nilai hitung rata-rata. Misalkan tahun
2002: 1,74 - 1,62 = 0,12, dan seterusnya sampai tahun 2012: 1,25 -1,62 = -0,37.
c. Langkah ketiga membuat harga mutlak, nilai negatif menjadi positif seperti tahun 2008,
¿−1 ,55∨¿ = 1,55.
d. Langkah keempat menjumlahkan nilai harga mutlak dari 0,12 tahun 2002 sampai 0,37
tahun 2012 dan nilai penjumlahan ini Σ¿ X −X∨¿= 14,01. Untuk mendapatkan deviasi
rata-rata, nilai penjumlahan dibagi dengan jumlah data, Σ| X−X|/n= 14,01/11 = 1,27.
Jadi nilai deviasi rata-rata pertumbuhan ekonomi negara maju adalah 1,27.
Untuk menghitung deviasi pertumbuhan ekonomi Indonesia dapat dilakukan dengan
cara yang sama sehingga hasilnya sebagai berikut:
Tahun X ¿ X −X∨¿ Nilai Mutlak
2002 4,50 ¿−1 ,08∨¿ 1,08
2003 4,78 ¿−0.55∨¿ 0,80
2004 5,03 ¿ 0 , 11∨¿ 0,55
2005 5,69 ¿−0 , 08∨¿ 0,11
2006 5,50 ¿ 0 , 77∨¿ 0,08
2007 6,35 ¿ 0 , 43∨¿ 0,77
2008 6,01 ¿−0 , 95∨¿ 0,43
2009 4,63 ¿ 0 , 64∨¿ 0,95
2010 6,22 ¿ 0 , 91∨¿ 0,64
2011 6,49 ¿ 0 , 65∨¿ 0,91
2012 6,23 0,65
Jumlah ΣX = 61,43 Σ¿ X −X∨¿= 6,97
Rata-rata ΣX/n = 5,58 Σ| X−X|/n= 0,63
Jadi deviasi rata-rata pertumbuhan ekonomi Indonesia sebesar 0,63% dari rata-rata
hitung pertumbuhan ekonomi sebesar 5,58%
Deviasi rata-rata mempunyai kelebihan dibandingkan dengan ukuran range, karena
deviasi rata-rata menggunakan seluruh data yang terdapat pada sampel atau populasi.
Namun demikian, ukuran deviasi rata-rata juga mempunyai kekurangan yaitu pemakaian
nilai mutlak yang relatif sulit. Oleh karena itu, biasanya digunakan ukuran lain yang lebih
baik lagi, yaitu deviasi standar.

4.2.3 Varians dan Standar Deviasi

Varians dan standar deviasi relatif agak berbeda dengan deviasi rata-rata, namun keduanya
didasarkan pada deviasi setiap data dengan rata-rata hitungnya. Apabila pada deviasi rata-
rata mengabaikan tanda + dan - dengan melakukan tanda mutlak, maka pada varian,
deviasi di kuadratkan, dengan demikian tanda negatif akan hilang dan menjadi bilangan
positif.
 Varian dan standar deviasi adalah sebuah ukuran penyebaran yang
menunjukkan standar penyimpanan atau deviasi data terhadap nilai rata-
ratanya.
Varians adalah rata-rata hitung deviasi kuadrat setiap data terhadap rata-
rata hitungnya.
Varian dapat dibedakan antara varian populasi dan varian sample. Varian populasi
adalah deviasi kuadrat dari setiap data terhadap rata-rata hitung semua data dalam populasi.
Sedang varian sampel adalah deviasi kuadrat dari setiap data rata-rata hitung terhadap semua
data dalam sampel, di mana sampel adalah bagian dari populasi.
Varians populasi dapat dirumuskan sebagai berikut:

2
σ =Σ¿ ¿ Ingat bahwa ΣX
μ=
N
Di mana:
2
σ : Varian populasi (σ merupakan huruf Yunani, dibaca tho)
X : Nilai setiap data/pengamatan dalam populasi
μ : Nilai rata-rata hitung dalam populasi
N : Jumlah total data/pengamatan dalam populasi
Σ : Simbol operasi penjumlahan
Contoh 4 – 3
Hitunglah varian dari pertumbuhan ekonomi negara maju dan Indonesia sebagaimana
Contoh 4 – 2.
a. Varians negara maju
Tahun X X −μ ¿
2002 1,74 0,12 0,01
2003 2,02 0,40 0,16
2004 3,09 1,47 2,16
2005 2,64 1,02 1,04
2006 3,03 1,41 1,99
2007 2,80 1,18 1,39
2008 0,07 −1 ,55 2,40
2009 −¿3,47 −5 , 09 25,90
2010 3,01 1,39 1,93
2011 1,63 0,01 0,00
2012 1,25 −0 , 37 0,14
Jumlah ΣX = 17,81 Σ ( X −μ ¿2= 37,14
Rata-rata μ=¿ΣX/N = 2
σ =Σ¿
1,62
1. Langkah pertama, mencari nilai rata-rata hitung populasi μ=Σ X /N , nilai diperoleh
dengan menjumlahkan seluruh X dari populasi dan membagi dengan N. Nilai μ=¿ 1,62
diperoleh dari membagi 17,81 dengan N = 11.
2. Langkah kedua, mengurangkan setiap nilai x dengan dan hasilnya tetap dan nilai
Absolut tidak dimutlakkan.
3. Langkah ketiga, mengkuadratkan nilai Σ−μ , sehingga didapat nilai positif semua.
4. Langkah keempat, menjumlahkan nilai Σ ¿, sehingga didapatkan nilai 37,14. Untuk
mendapatkan nilai varians, maka nilai 37,14 dibagi dengan N dimana N = 11, sehingga
diperoleh nilai karya 3,38.
b. Varians Indonesia, dengan cara yang sama diperoleh hasil sebagai berikut:
Tahun X X −μ ¿
2002 4,50 −1 , 08 1,18
2003 4,78 −0 , 80 0,65
2004 5,03 −0 , 55 0,31
2005 5,69 0,11 0,01
2006 2,50 −0 , 08 0,01
2007 6,35 0,77 0,59
2008 6,01 0,43 0,18
2009 4,63 −0 , 95 0,91
2010 6,22 0,64 0,40
2011 6,49 0,91 0,82
2012 6,23 0,65 0,42
Jumlah ΣX = 61,43 Σ ( X −μ ¿2= 5,47
Rata-rata μ=¿ΣX/N = 2
σ =Σ¿
5,58
Apa yang dapat disimpulkan dari nilai varians pertumbuhan ekonomi negara maju dan
Indonesia: (a) sebaran atau fluktuasi pertumbuhan ekonomi negara maju lebih kecil
dibandingkan dengan Indonesia (3,38 > 0,5), dan (b) pertumbuhan ekonomi negara maju
mengelompokkan sekitar nilai rata-ratanya dibandingkan dengan Indonesia. Oleh sebab itu,
pertumbuhan ekonomi Indonesia lebih mewakili nilai pertumbuhan ekonomi dibandingkan
negara maju. Besarnya varians pertumbuhan ekonomi negara maju juga menunjukkan
fluktuasi dan ketidakmenentuan yang jauh lebih besar dibandingkan dengan Indonesia.
Bagaimana menurut Anda hal ini dikaitkan dengan krisis ekonomi global tahun 2008 –
2012?
Varian sebagai ukuran penyebaran juga mempunyai kelemahan nilai varians dalam
bentuk kuadrat seperti tahun kuadrat dalam hal tertentu lebih sulit menginterpretasikannya
dibandingkan dengan ukuran range yang merupakan prinsip nilai tertinggi dan terendah atau
dihiasi rata-rata yang merupakan rata-rata hitung solusi data dari rata-rata hitungnya Oleh
sebab itu untuk memperoleh satuan yang sama dengan satuan data awal maka dilakukan
dengan mencari akar kuadrat dari varian populasi akar kuadrat dari varian populasi disebut
dengan standar deviasi.
Standar deviasi adalah akar kuadrat dari varians dan menunjukkan standar
penyimpangan data terhadap nilai rata-ratanya.
Rumus standar deviasi populasi selanjutnya dinyatakan dengan:
σ =√ Σ ¿ ¿ ¿
Contoh 4 – 4
Hitunglah standar deviasi dari pertumbuhan ekonomi negara maju dan Indonesia
sebagaimana pada Contoh 4 – 3.
Penyelesaian:
a. Diketahui bahwa σ 2 untuk negara maju adalah 3,38, sedang σ 2 untuk Indonesia 0,5.
b. Standar deviasi merupakan akar dari nilai varians, maka diperoleh nilai sebagai berikut:
σ =√ Σ ¿ ¿ ¿
σ negara maju = √ 3 ,38 = 1,84
σ Indonesia = √ 0 , 50 = 0,71
Jadi dari standar deviasi yang merupakan standar penyimpangan dari nilai rata-rata hitung,
Indonesia juga jauh lebih kecil dari negara maju, mengapa demikian? Apa kaitannya dengan
krisis ekonomi global tahun 2008-2012?

4.2.4 Varians Sampel

Pada sub-bagian ini yang ditekankan adalah sampel. Sampel merupakan bagian dari populasi,
Namun apabila jumlah anggota di dalam populasi kurang atau sama dengan 30, diusahakan
semuanya menjadi bagian yang dikaji. Apabila jumlah anggota dalam populasi > 30, maka
langkah pengambilan sampel dapat dilakukan, sehingga jumlah data tidak terlalu besar.
Varians sampel dirumuskan sebagai berikut:
2
S =Σ ¿ ¿

Di mana:
2
s : Varian sampel
X : Nilai setiap data pengamatan dalam sampel
X : Nilai rata-rata hitung dalam sampel
n : Jumlah total data pengamatan dalam sampel
Σ : Simbol operasi penjumlahan
Perlu diingat bahwa X =ΣX /n merupakan nilai rata-rata hitung sampel. Apabila Anda
lihat, pembagi untuk varians populasi berbeda dengan sampel, untuk populasi N, sedang
untuk sampel n−¿1. Mengapa menggunakan n−¿1, karena apabila digunakan n, akan
menghasilkan dugaan yang lebih rendah (underestimate) terhadap varians populasinya. Nilai
varians sampel menjadi penduga yang bias atau menyimpang terhadap populasinya. Pada
ukuran sampel yang kecil, pembagi n−¿1 akan mengoreksi hasil dugaan yang rendah,
sehingga menjadi penduga yang tidak bias.

4.2.5 Standar Deviasi Sampel

Sebagaimana s2 merupakan penduga σ 2, maka standar deviasi sampel (s) merupakan penduga
bagi standar deviasi populasi σ . Standar deviasi sampel merupakan akar kuadrat dari varians
sampel, sehingga dirumuskan sebagai berikut:

S= √ Σ ¿ ¿ ¿
Contoh 4 – 5
Hitunglah varian sampel dan standar deviasi pertumbuhan ekonomi negara maju dan
Indonesia dari tahun 2002 – 2012 dengan sampel untuk data tahun yang ganjil saja.
Pertumbuhan GDP (%)
Tahun
Negara Maju Indonesia
2003 2,02 4,78
2005 2,64 5,69
2007 2,80 6,35
2009 −3 , 47 4,63
2011 1,63 6,49
Data semula berjumlah 11 data dianggap sebagai populasi, dan untuk sampel diambil 5 saja,
dengan mengambil data tahun ganjil. Anda boleh mengambil data tahun genap atau memilih
secara acak.
Negara Maju Indonesia
X X −X ¿ X X −X ¿
2,02 0,90 0,80 4,78 −0 , 81 0,65
2,64 1,52 2,30 5,69 0,10 0,01
2,80 1,68 2,81 6,35 0,76 0,58
−3 , 47 −4 , 59 21,10 4,63 −0 , 96 0,92
1,63 0,51 0,26 6,49 0,90 0,81
Negara maju
1. Nilai tengah rata-rata:
X =ΣX /n=( 2, 02+2 , 64+2 , 80−3 , 47+1 , 63)/5
= 1,124
2. Varians sampel negara maju:
2
S =Σ ¿ ¿
3. Standar deviasi negara maju:
S= √ Σ ¿ ¿ ¿
Indonesia
1. Nilai tengah rata-rata:
X =ΣX /n=( 4 , 78+5 , 69+6,353+ 4 , 63+6 , 49)/5
= 5,588
2. Varians sampel Indonesia:
2
S =Σ ¿ ¿
3. Standar deviasi Indonesia:
S= √ Σ ¿ ¿ ¿
Berdasarkan standar deviasi sampel, deviasi standar Indonesia mencapai 0,86 sedang negara
maju 2,61. Apakah ada artinya secara ekonomi? Mengapa demikian Bagaimana
hubungannya dengan krisis ekonomi global 2008-2012?

4.3 Ukuran Penyebaran untuk Data yang Dikelompokkan

Pada bagian ini kita akan membahas ukuran penyebaran baik range, deviasi rata-rata,
varians dan standar deviasi data berkelompok. Data berkelompok adalah data yang sudah
dibuat distribusi frekuensinya.
4.3.1 Jarak (Range)
Sebagaimana pada data tidak berkelompok, range pada data berkelompok adalah selisih
antara batas atas dari kelas tertinggi dengan batas bawah dari kelas terendah.

Range adalah selisih antara batas atas dari kelas tertinggi dengan batas bawah dari
kelas terendah.
Contoh 4 – 6
Dari contoh 3 – 16 sebelumnya, berikut adalah data yang sudah dikelompokkan dari harga
saham pilihan LQ 45 pada 11 November 2013 di BEI. Hitunglah range dari data tersebut!
Kelas ke- Interval Jumlah Frekuensi (F)
1 3.850 – 10.450 13
2 10.451 – 17.051 1
3 17.052 – 23.652 3
4 23.653 – 30.253 1
5 30.254 – 36.853 2
Penyelesaian:
Range = batas atas kelas tertinggi – batas bawah kelas terendah
= 36.853 – 3.850
= 33.003

4.3.2 Deviasi Rata-Rata

Deviasi rata-rata untuk data berkelompok dirumuskan sebagai berikut:
 MD =
Σf ∨X −X∨ ¿ ¿
N

Di mana:
MD : Deviasi rata-rata (mean deviation)
f : Jumlah frekuensi setiap kelas
X : Nilai setiap data pengamatan
X : Nilai rata-rata hitung dari seluruh niali pengamatan
n : Jumlah data atau pengamatan dalam sampel
Σ : Lambang penjumlahan
|| : Lambang nilai mutlak
Jangan lupa untuk nilai rata-rata hitung data berkelompok adalah:
Σ f i ni
X=
n
Contoh 4 – 7
Kita akan tetap menggunaakan data pada Contoh 4 – 6. Hitunglah deviasi rata-rata dari data
berkelompok tersebut.
Penyelesaian:
a. Menghitung nilai tengah kelas. Untuk memperoleh nilai Tengah data (X), maka nilai
tengah kelas dikalikan dengan frekuensi masing-masing kelas (fX ). Jumlah dari
perkalian antara frekuensi dengan nilai tengah kelas dibagi dengan jumlah data
mendapatkan nilai rata-rata hitung data berkelompok ( ΣfX /n ¿.
b. Langkah kedua menghitung deviasi setiap kelas dengan cara mengurangkan nilai
Tengah kelas dengan nilai rata-rata hitungnya (| X i− X|) .
c. Langkah ketiga mengalikan frekuensi dengan deviasi setiap kelas f | X i−X| .
d. Menjumlahkan hasil perkalian frekuensi dengan deviasi setiap kelas kemudian
membaginya dengan jumlah data (n).
Langkah-langkah disajikan dalam bentuk tabel sebagai berikut:
Nilai
Interval Tengah f f,X ¿ X −X∨¿ f ∨X −X ∨¿
Kelas (xi)
3.850 – 10.450 7,150 13 92,950 5.940,9 77.231,7
10.451 – 17.051 13,751 1 13,751 660,1 660,1
17.052 – 23.652 20,352 3 61,056 7.261,1 21.783,3
23.653 – 30.253 26, 953 1 26,953 13.862,1 13.862,1
30. 254 – 36.853 33, 554 2 67,108 20.463,1 40.926,2
Jumlah n = 20 Σfi . xi=261,818 Σf .|X −X|=154.463 , 4
Σfi . xi/n=13,0909 MD =
Nilai rata-rata
7.723,17
Σf . X =261.818 dan Σf .| X− X|=154.463 , 4
a. X =(Σ f i . X i )/n=261.818 /20=13.090 , 90
b. MD = (Σf .|X −X|)/n=154.463 , 4 /20=7.723 , 17
4.3.3 Varian dan Standar Deviasi Data Berkelompok
Varians untuk data berkelompok hampir sama dengan varians data tunggal, namun dikalikan
dengan frekuensi setiap kelasnya. Varians data berkelompok dirumuskan sebagai berikut:

2
2 Σf ( X− X)
s=
n−1

Di mana:
2
s : Varian sampel
f : Jumlah frekuensi setiap kelas
X : Nilai setiap data/pengamatan dalam sampel
X : Nilai rata-rata hitung dalam sampel
n : Jumlah total data pengamatan dalam sampel
Σ : Simbol operasi penjumlahan
Sedang untuk standar deviasi data berkelompok dirumuskan sebagai berikut:

Contoh 4 – 8
2
s=
√
Σf .(X −X )2
n−1

Hitunglah varians dan standar deviasi dari data berkelompok sebagaimana pada Contoh 4 –
7.
Penyelesaian:
a. Langkah pertama menemukan nilai rata-rata hitung data ( X ¿, dan kemudian mencari
deviasi antara nilai tengah kelas (Xi) dengan nilai rata-rata hitung data (Xi− X).
b. Langkah kedua menguadratkan deviasi nilai tengah kelas dengan nilai rata-rata hitung (
2
Xi− X ¿ .
c. Langkah ketiga mengalikan frekuensi dengan kuadrat divisi (f .(Xi−X )¿¿ 2). ¿
d. Langkah keempat menjumlahkan hasil perkalian frekuensi dan kuadrat devias,i
kemudian membagi dengan n – 1, untuk mendapatkan varian sampel, serta
mengakarkan varian sampel untuk mendapatkan standar deviasi sampel.
Proses langkah penyelesaian disajikan pada tabel berikut:
2
Σf .( X−X ) =¿ 1.647.066.997,8
Diketahui nilai hitung rata-rata data ( X ¿ dari Contoh 4 – 7 = 13.090,90
a. Varians dari sampel adalah:
2 2
S =( Σf . ( X− X ) )/(n−1)=¿ (1.647.066.997,8) / (20-1) = 1.647.066.997,8 / 19
= 86.687.736,73
b. Standar deviasi dari sampel adalah:

S=
2

√ Σf .(X −X )2
n−1
=√ S = √ 86.687 .736 , 73 = 6.310,62
2
4.4 Ukuran Penyebaran Relatif
Ukuran penyebaran relatif adalah mengubah nilai ukuran penyebaran dari berbagai satuan
menjadi ukuran relatif atau persen. Mengapa demikian? Jawaban yang pertama adalah
bahwa kita tidak dapat membandingkan dua ukuran penyebaran dengan satuan yang
berbeda. Contohnya, apakah kita bisa membedakan antara standar deviasi harga saham
dengan standar deviasi pertumbuhan ekonomi. Pada Contoh 4 – 4, standar deviasi
pertumbuhan ekonomi Indonesia 0,71%, sedangkan pada Contoh 4 – 8, standar deviasi
sampel 9.310,62. Tentunya kita tidak dapat menyimpulkan bahwa penyebaran
pertumbuhan ekonomi lebih besar dari standar deviasi sampel dengan berbekal nilai 0,71
< 9.310,62. Kita tidak dapat membandingkan % dengan rupiah atau satuan lainnya.
Jawaban kedua adanya kebutuhan untuk memberikan arti yang lebih jelas terhadap
perbedaan antara nilai penyebaran yang terbebas dari nilai satuannya.
Penggunaan ukuran relatif akan memberikan manfaat pada kondisi: (a) data
mempunyai satuan pengukuran yang berbeda, contoh ukuran % dan ukuran rupiah, (b)
data mempunyai satuan ukuran yang sama, namun mempunyai rata-rata hidup yang sangat
berbeda. Contoh sama-sama mempunyai harga dalam rupiah, tetapi harga rata-rata
kelompok sayuran tertentu sangat berbeda dengan harga rata-rata kelompok mobil.
Untuk membahas ukuran penyebaran relatif, maka akan dibahas berurutan:
a. Koefisien range
b. Koefisiensi rata-rata
c. Koefisien deviasi standar

4.4.1 Koefisien Range

Koefisien Range adalah pengukuran penyebaran dengan menggunakan range secara
relatif.
Koefisien range dirumuskan sebagai berikut:

La−Lb
KR = × 100 %
La+ Lb

Di mana:
KR : Koefisien range dalam %
La : Batas atas data atau kelas tertinggi
Lb : Batas bawah data atau kelas terendah
Contoh 4 – 9
Hitunglah koefisien range dari pertumbuhan ekonomi Indonesia pada Contoh 4 – 2 dan
harga saham di BEI pada Contoh 4 – 6.
Penyelesaian:
Koefisien range pertumbuhan ekonomi Indonesia:
La : 6,49 (Pertumbuhan tertinggi)
Lb : 4,5 (Pertumbuhan terendah)
KR = {(6,49 – 4.5) / (6,49 + 4,5)} × 100
= (1,99 / 10,99) × 100% =18%
Koefisien range perkembangan harga saham:
La : 3.6853 (Harga saham tertinggi)
Lb : 3.850 (Harga saham terendah)
KR = {(3.6853 – 3.850) / (3.6853 + 3.850)} × 100%
= (33.003 / 40.703) ×100% = 81%
Dari hasil di atas terlihat bahwa KR untuk pertumbuhan ekonomi Indonesia 18%,
sedang KR harga saham 81%. Dengan demikian dapat disimpulkan bahwa penyebaran
deviasi dari pertumbuhan ekonomi jauh lebih besar dari harga saham. Mengapa demikian?

4.4.2 Koefisien Deviasi Rata-Rata

 Koefisien deviasi rata-rata adalah ukuran penyebaran dengan menggunakan
deviasi rata-rata relative terhadap nilai rata-ratanya, atau presentase dari
deviasi rata-rata terhadap nilai rata-ratanya.
Koefisien deviasi rata-rata dirumuskan sebagai berikut:

MD
KMD = ×
X
100%

Di mana:
KMD : Koefisien deviasi rata-rata dalam %
MD : Deviasi rata-rata
X : Nilai rata-rata data
Contoh 4 – 10
Hitunglah koefisien deviasi rata-rata dari pertumbuhan ekonomi antara negara maju dan
Indonesia, sebagaimana Contoh 4 – 2.
Penyelesaian:
Negara maju MD = 1,27 X = 1,62
KMD = (1,27 / 1,62) ×100%
= 0,78%
Indonesia MD = 0,63 X = 5,58
KMD = (0,63 / 5,58) ×100%
= 0,11%
Jadi, KMD Indonesia 0,11% dan lebih besar dari negara maju 0,78%. Berarti penyebaran
pertumbuhan ekonomi Indonesia lebih besar daripada negara maju, mengapa? Apa penyebab
dari sebaran ekonomi yang tinggi? Ketidakpastian ekonomi? Politik? Atau budaya bangsa?

4.4.3 Koefisien Standar deviasi

Koefisien standar deviasi adalah ukuran penyebaran yang menggunakan standar
deviasi relative terhadap nilai rata-rata yang digunakan sebagai persentase.
Koefisien standar deviasi dinyatakan dalam bentuk rumus:

s
KSD = ×100%
X

Di mana:
KSD : Koefisien standar deviasi dalam %
s : Standar deviasi
X : Nilai rata-rata data
Contoh 4 – 11
Berdasarkan standar deviasi dan nilai rata-rata pada Contoh 4 – 5, hitunglah koefisien
deviasi untuk pertumbuhan ekonomi negara maju dan Indonesia dengan menggunakan data
sampel tahun ganjil!
Penyelesaian:
Negara maju s = 2,61 X = 1,124
KSD = (1,124 / 2,61) × 100
= 2,32%
Indonesia s = 0,86 X = 5,588
KSD = (0,86 / 5,588) ×100
= 0,15%
Koefisien standar deviasi untuk Indonesia 0,15%, sedangkan negara maju 2,32%.
Penyebaran pertumbuhan ekonomi negara maju sebesar 15 kali dibandingkan Indonesia. Hal
tersebut disebabkan oleh kenyataan bahwa pada tahun 2008 terjadi krisis ekonomi global
yang melanda Amerika Serikat (AS), merembet ke Eropa dan negara-negara lain. Dampak
dari krisis ekonomi global sangat disarankan sangat dirasakan oleh negara-negara maju
hingga tahun 2013; sementara dampak kasus global tersebut terhadap Indonesia tidak
separah yang dialami oleh negara maju. Penyebab dari krisis ekonomi AS adalah
penumpukan utang nasional AS yang mencapai 8,98 triliun USD, pengurangan pajak
korporasi, pembengkakan biaya Perang Irak dan Afganistan, dan yang paling krusial adalah
Subprime Mortgage: Kerugian surat berharga properti sehingga membangkitkan Lehman
Brothers, Merryl Lynch, Goldman Sachs, Northern Rock, UBS, Mitsubishi UF, akibat dari
para pelaku short selling. Short Selling atau yang lebih dikenal dengan penjualan kosong
adalah suatu aksi penjualan atau aksi menjual sekuritas atau kontrak future komoditi yang
tidak memiliki penjualannya. Hal ini merupakan suatu tindakan spekulasi pada tingkat yang
sangat tinggi karena investor menjual sekuritas atau komoditi tanpa memilikinya, mereka
hanya menjual janji saja.

4.5 Makna dan Kegunaan Standar Deviasi

Standar deviasi digunakan untuk membandingkan penyebaran atau penyimpangan dua
kelompok data atau lebih. Apabila standar deviasinya kecil, maka hal tersebut menunjukkan
nilai sampel dan populasi berkumpul atau mengelompok di sekitar nilai rata-rata hitungnya.
Apa arti fenomena tersebut? Karena nilainya hampir sama dengan nilai rata-rata, maka kita
dapat menyimpulkan bahwa setiap anggota sampel atau populasi mempunyai kesamaan,
apakah itu misalnya pendapatan, harga saham, pertumbuhan ekonomi, inflasi, dan lain-lain.
Sebaliknya, apabila nilai deviasinya besar, maka penyebarannya dari nilai tengah juga besar.
Hal tersebut menunjukkan bahwa adanya nilai-nilai ekstrem baik yang tinggi maupun
rendah. Standar deviasi yang besar juga menunjukkan adanya perbedaan jauh diantara
anggota populasi, misalnya ada yang berpendapatan tinggi sekali dan rendah sekali, harga
saham dan inflasi suatu saat tinggi dan suatu saat rendah dan sebagainya. Oleh karena itu,
standar deviasi yang tinggi biasanya dipandang kurang baik, bila dibandingkan dengan
standar deviasi rendah.
Terkait dengan sebaran deviasi dari data, ahli matematika Rusia, PL. Chebyshev
(1821-1894) dalam land, Marchal and Mason (2002) mengembangkan teorema yang
memudahkan untuk menentukan proporsi minimal dari nilai-nilai yang terletak dalam
standar deviasi tertentu dari rata-rata hitungannya. Teorema Chebyshev menyatakan bahwa:
Teorema Chebyshev untuk suatu kelompok data dari sampel atau populasi,
minimal proporsi nilai-nilai yang terletak dalam k standar deviasi dari rata-rata
hitungnya adalah sekurang-kurangnya 1 – 1/k 2, di mana k merupakan konstanta
yang nilainya lebih dari 1.
 Dari tadi,Teorema Chebyshev diperoleh hasil bahwa 75% atau 3/4 data akan berada
pada kisaran X ± 2s, 89,9% data akan berada pada kisaran X ± 3s dan 96% data akan berada
pada kisaran X ± 5s.
Contoh 4 – 12
Berdasarkan data-data saham perusahaan properti dan real estate yang diperoleh dari data
saham Bursa Efek Indonesia (BEI) 11 November 2013, ingin diketahui presentase
perubahan harga saham saat penutupan (closing) dibanding harga pembukaan (opening).
Ternyata sebagian besar perusahaan harga sahamnya mengalami penurunan (negatif) atau
tetap (nol), dengan rata-rata perubahan harga −¿0,879% dan standar deviasi 1,723%. Atas
dasar itu hitung berapa jumlah perusahaan yang perubahan harga sahamnya berada pada
kisaran −¿4,33% dan 2,57%.
N Code Previou Chang X=Chang N Code Previou Chang X=Chang
o s e e o s e e
1 APLN 275 −¿15 −¿5,45% 16 JRPT 820 0 0,00%
2 ASRI 540 0 0,00% 17 KIJA 215 −¿10 −¿4,65%
3 BAPA 83 0 0,00% 18 LPCK 5.900 −¿200 −¿3,39
4 BCIP 435 −¿5 −¿1,15% 19 LPKR 1.060 −¿30 −¿2,83%
5 BKDP 77 0 0,00% 20 MDL 800 0 0,00%
N
6 BKSL 199 −¿3 −¿1,51% 21 MKPI 7.500 0 0,00%
7 CTRP 730 −¿10 −¿1,37% 22 MTLA 400 −¿5 −¿1,25%
8 CTRS 2.000 −¿10 −¿0,50% 23 MTS 690 0 0,00%
M
9 DUTI 4.200 0 0,00% 24 MOR 340 0 0,00%
E
10 ELTY 50 0 0,00% 25 PWO 295 −¿10 −¿3,39%
N
11 EMD 131 0 0,00% 26 RBMS 103 −¿2 1,94%
E
12 FMII 295 0 0,00% 27 RDTX 4.900 0 0,00%
13 GMT 7.200 0 0,00% 28 SCBD 3.200 100 3,13%
D
14 GWS 180 −¿2 −¿1,11% 29 SMD 205 0 0,00%
A M
15 JIHD 1.970 20 1,02% 30 SMRA 1.020 −¿20 −¿1,96%
X −¿0,88%
s −¿1,72%
Penyelesaian:
Kisaran perubahan saham harian −¿4,33% −¿2,57% = −¿0,88% + (2×1,72%)
2,57% = −¿0,88% + (2×1,72%) = −¿0,88% + 3,44% = 2,57%
−¿4,33% = −¿0,88% −¿ (2×1,72%) = −¿0,88% −¿ 3,44% = −¿4,33%
Jadi nilai k = 2, sehingga: 1−¿1/k² = 1 - 1/2² = 1−¿ 1/4 = 3/4 = 75%
Jadi, ada 75% perusahaan yang berada pada kisaran X ± 2s (−¿0,88%± 2×1,72%), apabila
jumlah perusahaan dengan bahan pilihan ada 30, maka jumlah perusahaan yang berada di
kisaran ini adalah = 0,75×30 = 23 perusahaan.
 Teorema Chebyshev berlaku untuk semua bentuk distribusi frekuensi. Namun
demikian, apabila kurva berbentuk kurva normal yaitu kurva yang berbentuk simetris (kurva
kalau dilipat menjadi dua bagian akar sama), maka akan lebih akurat apabila menggunakan
hukum empiris atau hukum normal.
Hukum empiris untuk distribusi, simetris dengan distribusi frekuensi berbentuk
lonceng diperkirakan 68% data berada di dalam rata-rata hitung ditambah satu
kali standar deviasi, ( X ± 1 s); 95% data akan berada pada kisaran rata-rata
hitung ditambah dua kali standar deviasi, ( X ± 2 s ); dan semua data atau 99,7%
akan berada pada kisaran rata-rata hitung ditambah tiga kali standar deviasi, (
X ± 3 s ).
Hukum empiris disajikan dalam bentuk diagram poligon adalah sebagai berikut:

Contoh 4 – 13
Pada 11 November 2013, BEI merekam sebanyak 252 transaksi saham harian. Jika perubahan
harga saat closing dan opening (persen terhadap harga opening) ke 252 saham tersebut dibuat
frekuensi distribusi, maka pola frekuensi distribusinya akan mendekati normal, dengan rata-
rata −¿0,371 4% (atau 0,003714) dan standar deviasi 3,17% (atau 0,00317). Dengan
menggunakan hukum empiris, hitung:
a. 68% perusahaan berada pada kisaran harga saham berapa?
b. 95% perusahaan berada pada kisaran harga saham berapa?
c. untuk semua perusahaan, berapa kisaran harga bahannya?

Penyelesaian:
a. 68% perusahaan, berada pada kisaran ( X ± 1 s)
= 0,003714 + 1.0,03173 = 0,003714 + 0,03173 = 0,02802 atau 2,80%
= 0,003714 −¿ 1 0,03173 = 0,003714 −¿ 0,03173 = −¿0,03545 atau −¿3,55%
 Jadi, kisaran harga saham untuk 68% perusahaan adalah −¿3,55% −¿2,80%
b. 95% perusahaan, berada pada kisaran ( X ± 2 s )
= 0,003714 + 2.0,03173 = 0,00252 + 0,06347 = 0,05975 atau 5,975%
= 0,003714 −¿2.0,03173 = 0,00252 −¿ 0,06347 = −¿0,06718 atau −¿ 6,718%
Jadi, kisaran harga saham untuk 95% perusahaan adalah −¿6,718% −¿5,975%
c. Semua perusahaan, berada pada kisaran ( X ± 3 s )
= 0,003714 + 3.0,03173 = 0,00252 + 0,09520 = 0,09149 atau 9,15%
= 0,003714 −¿ 3.0,03173 = 0,00252 −¿ 0,09520 = −¿ 0,09892 atau −¿9,89%
Jadi, kisaran harga saham untuk semua perusahaan adalah −¿9,89% −¿ 9,15%.

4.6 Ukuran Penyebaran Lainnya

Selain range, deviasi rata-rata, varians dan standar deviasi ada tiga ukuran penyebaran yang
lain yaitu range inter-kuartil (range interquartile), deviasi kuartil (quartile deviation) dan
range persentil (percentil range). Pemahaman tentang kuartil, dan presentil telah dikaji pada
Bab 3.
4.6.1 Range Inter-Kuartil

Range inter-kuartil adalah fungsi antara kuartil ketiga dengan kuartil pertama.

Jarak inter-kuartil = kuartil ketiga −¿kuartil pertama = K 3−K 1

Kuartil adalah ukuran yang membagi data menjadi 4 (25%) bagian yang sama. Dalam
gambar sederhana dapat disajikan sebagai berikut:

Kuartil 1 ( K 1) membatasi 25% data berada di bawahnya dan 75% berada di atasnya. Kuartil
3 ( K 3) membatasi 25% berada di atasnya dan 75% berada di bawahnya. Oleh sebab itu,
range inter-kuartil yaitu K 3−K 1 sama dengan 50% data yang dapat pula berasal dari ¿ ¿) dan
¿ ¿). Jarak inilah yang merupakan ukuran penyebaran.
Contoh 4 – 14
Berdasarkan data Contoh 3 – 11 yaitu 19 bahan perusahaan pilihan di BEI, diketahui bahwa
harga dan terkecil 1.030, harga saham tertinggi 7.900. Kuartil 1 ( K 1) = 1700, Kuartil 2 ( K 2)
= 3.475, dan Kuartil 3 ( K 3) = 4.950. Hitunglah jarak inter-kuartilnya!
Penyelesaian:
Jarak inter-kuartil = K 3−K 2 = 4.950 −¿1.700 = 3.250
Jadi, 50% perusahaan, harga sahamnya berkisar antara 1.700 −¿ 4950 dengan jarak inter-
kuartil 3.250.
Apa yang dapat disimpulkan dari inter-kuartil: (a) nilai inter-kuartil yang lebih kecil
menunjukkan bahwa data dalam sampel dan populasi lebih mengelompokkan nilai rata-rata
hitung serta seragam dibandingkan dengan nilai inter-kuartil yang lebih besar, (b) nilai inter-
kuartil yang kecil juga menunjukkan bahwa nilai rata-rata hitungnya lebih mewakili rata-rata
data dibandingkan dengan nilai inter-kuartil yang besar.
Sebagai contoh berdasarkan informasi harga saham dari BEI tanggal 11 November
2013, harga saham rata-rata sektor perbankan 1.994,5 sedang nilai K 1 = 210, K 2= 880, dan
K 3 = 2.100. Harga saham rata-rata sektor properti dan real estat 1.520,4, sedang K 1 =
202,75, K 2 = 485 dan K 3 = 1.990. Nilai inter-kuartil sektor perbankan K 3−K 1 = 2.100 −¿
210 = 1.890, sedang sektor properti dan real estat 1.990−¿202 = 1.787. Jadi, dapat
disimpulkan bahwa kinerja sektor properti dan real estat lebih seragam dibandingkan dengan
sektor perbankan, dan nilai saham sektor properti dan real estat lebih mewakili data saham
keseluruhan sektor properti dan real estat dibandingkan dengan sektor perbankan. Mengapa?
Karena deviasi harga saham sektor perbankan jauh lebih besar dari sektor properti dan real
estat.
Perusahaan
Perusahaan
No Kode Properti&Real Harga No Kode Harga
Perbankan
Estat
1 APLN Agung 260 1 BABP Bank ICB 150
Podomoro Land Bumiputera
Tbk Tbk
2 ASRI Alam Sutera 540 2 BAEK Bank Ekonomi 2.000
Realty Tbk Raharja Tbk
3 BAPA Bekasi Asri 83 3 BBCA Bank Central 10.250
Pemula Tbk Asia Tbk
4 BCIP Bumi Citra 430 4 BBKP Bank Bukopin 640
Permai Tbk Tbk
5 BKDP Bukit Darmo 77 5 BBNI Bank Negara 4.525
Property Tbk Indonesia Tbk
6 BKSL Sentul City Tbk 196 6 BBRI Bank Rakyat 7.900
Indonesia Tbk
7 CTRP Ciputra 720 7 BBTN BTN (Persero) 940
Property Tbk Tbk
8 CTRS Ciputra Surya 1.990 8 BCIC Bank Mutiara 50
Tbk Tbk
9 DUTI Duta Pertiwi 4.200 9 DMN Bank Danamon 4.000
Tbk Tbk
10 ELTY Bakrieland 50 10 BEKS Bank Pundi 94
Development Indonesia Tbk
Tbk
11 MDE Megapolitan 131 11 BJBR BPD Jabar dan 880
Developments Banten
12 FMII Fortune Mate 295 12 KSW Bank Kasawan 400
Indonesia Tbk Tbk
 13 MTD Gowa Makassar 7.200 13 BMRI Bank Mandiri 8.000
Tourism Dev. (Persero) Tbk
Tbk
14 WSA Greenwood 178 14 BNBA Bank Bumi 160
Sejahtera Arta Tbk
15 JIHD Jakarta Int 1 1.990 15 BNGA Bank CIMB 1.000
Hotel&Dev. Niaga Tbk
Tbk
16 JRPT Jaya Real 820 16 BNII Bank 320
Property Tbk Internasional
Ind Tbk
17 KIJA Kawasan 205 17 BSIM Bank Sinarmas 250
Industri Tbk
Jababeka Tbk
18 LPCK Lippo Cikarang 5.700 18 SWD Bank Swadesi 630
Tbk Tbk
19 LPKR Lippo Karawaci 1.030 19 BTPN BTPN Tbk 4.325
Tbk
20 MDLN Moderland 800 20 BVIC Bank Victoria 133
Realty Ltd. Tbk Int. 1 Tbk
21 MKPI Metropolitan 7.500 21 INPC Bank Artha 94
Kentjana Tbk Graha
Internasional
22 MTLA Metropolitan 395 22 MAYA Bank 2.100
Land Tbk Mayapada Tbk
23 MTSM Metro Realty 690 23 COR Bank Windu 210
Tbk Kentjana Int’1
Tbk
24 OMRE Indonesia Prima 340 24 EGA Bank Mega 2.000
Property Tbk Tbk
25 PWON Pakuwon Jati 285 25 NISP Bank OCBC 1.220
Tbk NISP Tbk
26 RBMS Ristia Bintang 101 26 PNBN Bank Pan 700
Mahkotasejati T Indonesia
27 RDTX Roda Vivatex 4.900 27 SDRA Bank 880
Tbk Himpunan
Saudara 1906
Tbk
28 SCBD Danayasa 3.300
Arthatama Tbk
29 SMDM Suryamas 205
Dutamakmur
Tbk
30 SMRA Summarecon 1.000
Agung Tbk

4.6.2 Deviasi Kuartil

 Deviasi kuartil adalah setengan jarak antara kuartil ketiga ( K 3 ¿dan Kuartil
pertama ( K 1 ¿.
Deviasi kuartil dirumuskan sebagai berikut:
DK =
K 3−K 1
2

Di mana:
DK : Deviasi kuartil
K3 : Kuartil ke-3
K1 : Kuartil ke-1
Contoh 4 – 15
Hitunglah deviasi kuartil dari sektor perbankan serta properti dan real estat, apabila
diketahui harga saham rata-rata sektor perbankan 393, 1.994,5, sedang nilai K 1 = 210, K 2 =
880 dan K 3 = 2.100. Harga saham rata-rata sektor properti dan real estate 1.520,4, sedang K 1
= 202,75, K 2= 485, dan K 3 = 1.990.
Penyelesaian:
a. DK perbankan = ( K 3−K 1)/2 = (2.100 −¿ 210)/2 = (1.890)/2 = 945
b. DK property dan real estat = ( K 3−K 1)/2 = (1.990 −¿ 202)/2 = (1.787)/2 = 893,6
Dari nilai deviasi kuartil terlihat bahwa DK properti dan real estat < DK perbankan.
Hal ini menunjukkan bahwa sebaran harga barang sektor properti dan real estat lebih kecil
dibandingkan dengan sektor perbankan dan nilai tengah rata-rata harga saham sektor
properti dan real estat lebih mewakili data saham keseluruhan dibandingkan dengan sektor
perbankan.

4.6.3 Jarak Persentil

Jarak persentil adalah selisih antara persentil ke-90 ( P90) dengan persentil ke-10
( P10)
Jarak Presentil dirumuskan sebagai berikut:

JP = P90−P10

Di mana:
JP : Jarak persentil
P90 : Persentil ke-90
P10 : Persentil ke-10
Apabila dikaji maka P90 menyatakan 90% data, sedang P10 menyatakan sebesar 10% data,
maka jarak kuartil menyatakan interval bagi 90% data.
Contoh 4 – 16
Hitunglah jarak persentil dari sektor perbankan serta properti dan real estat, apabila
diketahui untuk sektor perbankan P10 = 94 dan P90 = 7.920, sedang untuk sektor properti dan
rwal estat P10=¿ 84,8 dan P90=¿ 5.620.
Penyelesaian:
Jarak Persentil perbankan = P90−P10 = 7.920 −¿94 = 7.826
Jarak persentil perumahan = P90−P10 = 5.620 −¿84,8 = 5.535,2
Jadi, jarak persentil untuk 80% perusahaan pada sektor perbankan lebih besar dibandingkan
dengan sektor properti dan real estat. Hal tersebut menunjukkan bahwa deviasi sektor
perbankan lebih besar dibandingkan dengan sektor properti dan real estat.