See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/363863580

TUGAS BESAR 1 STATISTIKA "Menganalisis Ukuran Penyebaran" Kelompok 4

Article · September 2022

CITATIONS READS
0 903

4 authors:

Rona Tumiur Mauli Carolin Simorangkir Gabriela Shamita

Universitas Mercu Buana Universitas Mercu Buana
61 PUBLICATIONS 53 CITATIONS 22 PUBLICATIONS 3 CITATIONS

SEE PROFILE SEE PROFILE

Nova Tazkya Fayiz Hilmy

Universitas Mercu Buana Universitas Mercu Buana
8 PUBLICATIONS 0 CITATIONS 6 PUBLICATIONS 0 CITATIONS

SEE PROFILE SEE PROFILE

All content following this page was uploaded by Gabriela Shamita on 27 September 2022.

The user has requested enhancement of the downloaded file.

 TUGAS BESAR 1

STATISTIKA

MENGANALISIS UKURAN PENYEBARAN

(Dosen: Rona Tumiur Mauli C.Simorangkir, SE.,MM)

Disusun Oleh :

Diana Ika Fahirah (43120010245)

Gabriela Shamita Feliciana Putri (43120010296)

Nova Tazkya (43120010258)

Syindhia Indah Rahmani (43120010294)

Fayiz Hilmy Rantri (43120010287)

Muhammad Fadil (43120010310)

MANAJEMEN

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS MERCU BUANA

JAKARTA

2022
 KATA PENGANTAR

Segala puji syukur kami panjatkan kepada Tuhan Yang Maha Esa. Atas rahmat
dan karunia-Nya, kami dapat menyelesaikan tugas penulisan makalah pada mata kuliah
statistika dengan tepat waktu. Penulisan makalah berjudul “Menganalisis Ukuran
Penyebaran ” dapat diselesaikan karena bantuan banyak pihak. Kami berharap makalah
“Menganalisis Ukuran Penyebaran” dapat menjadi referensi bagi pihak yang tertarik.
Selain itu, kami juga berharap agar pembaca mendapatkan sudut pandang baru setelah
membaca makalah ini.

Penulis menyadari makalah ini masih memerlukan penyempurnaan, terutama

pada bagian isi. Kami menerima segala bentuk kritik dan saran pembaca demi
penyempurnaan makalah. Apabila terdapat banyak kesalahan pada makalah ini, kami
memohon maaf. Demikian yang dapat kami sampaikan. Akhir kata, semoga makalah ini
dapat bermanfaat.

Jakarta, 23 September 2022

Penulis

i
 ABSTRAK

Tujuan penulisan Tugas Besar 1 ini adalah membahas tentang ukuran penyebaran
dan menjelaskan tentang cara menyelesaikan masalah ukuran penyebaran dengan
rentang, rentang interkuartil, simpangan rata-rata, variansi, simpangan baku dan
koefisien variansi. Ukuran penyebaran merupakan ukuran yang menyatakan seberapa
jauh nilai observasi yang sebenarnya menyimpang atau berbeda dengan nilai pusatnya
yaitu rata-rata, median, dan modus. Yang termasuk dalam ukuran penyebaran yaitu
rentang, rentang interkuartil, simpangan rata-rata, variansi, simpangan baku dan
koefisien variansi. Rentang dari suatu data adalah selisih antara nilai data terbesar dan
terkecil. Rentang interkuartil adalah selisih antara kuartil ketiga dan kuartil pertama.
Simpangan rata-rata adalah jumlah harga mutlak penyimpangan setiap nilai pengamatan
terhadap rata-rata dibagi dengan banyaknya pengamatan. Variansi adalah jumlah
kuadrat dari selisih nilai data observasi dengan rata-rata dibagi banyaknya data observasi
sedangkan simpangan baku adalah akar dari varians tersebut. Koefisien variansi adalah
ukuran variansi yang dapat digunakan untuk membandingkan beberapa kumpulan data
yang berbeda, yaitu simpangan baku terhadap rata-rata. Dalam ukuran penyebaran yaitu
rentang, rentang interkuartil, rata-rata simpangan, variansi dan simpangan baku,
koefisien variansi, bila nilainya semakin kecil, menunjukan data semakin homogen dan
sebaliknya bila nilainya semakin besar menunjukan data semakin heterogen

ii
 DAFTAR ISI

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

ABSTRAK .................................................................................................................................................... ii
KAJIAN PUSTAKA .................................................................................................................................... iv
BAB I ............................................................................................................................................................ 1
1.1 Latar Belakang ............................................................................................................................... 1
1.2 Rumusan Masalah ......................................................................................................................... 1
1.3 Tujuan ............................................................................................................................................... 1
BAB II ........................................................................................................................................................... 2
2.1 Pengertian Ukuran Penyebaran ................................................................................................. 2
2.2 Kegunaan dari Ukuran Penyebaran.......................................................................................... 2
2.3 Macam Macam Ukuran Penyebaran Data ............................................................................... 2
2.4 Ukuran Penyebaran Relatif ......................................................................................................... 9
2.5 Ukuran Penyebaran Lainnya .................................................................................................... 10
2.6 Ukuran Kecondongan (Skewness) ......................................................................................... 10
2.7 Ukuran Keruncingan (Kurtosis) ............................................................................................... 11
STUDI KASUS ..................................................................................................................................... 11
BAB III ....................................................................................................................................................... 19
3.1 KESIMPULAN ............................................................................................................................... 19
3.2 SARAN ............................................................................................................................................ 19
DAFTAR PUSTAKA ................................................................................................................................. 20

iii
 KAJIAN PUSTAKA

Dalam usaha membandingkan beberapa rangkaian data, penggunaan ukutan pusat

data saja tidak akan memberikan hasil yang baik, bahkan dapat memberikan hasil yang
menyesatkan (Kustituanto & Badrudin, 1994:94)

iv
 BAB I

PENDAHULUAN

1.1 Latar Belakang

Anda dapat menemukan data situasi kependudukan di suatu desa atau kecamatan
dengan mengunjungi kantor desa atau kecamatan. Begitu pula ketika Anda mengunjungi
kantor suatu instansi pemerintah atau swasta, pasti Anda akan menemukan data tentang
status pegawai/pegawai instansi tersebut dan data-data lain yang berkaitan dengan
ruang lingkup kerja instansi tersebut. Statistika adalah alat yang memberikan gambaran
tentang kejadian atau masalah dalam bentuk sederhana, baik secara numerik, tabel,
maupun grafik. Selain data yang disajikan dalam tabel dan grafik, kita juga membutuhkan
pengukuran yang mewakili kumpulan data. Bab ini menjelaskan tentang ukuran
penyebaran. Ukuran penyebaran data menunjukkan seberapa menyebar data dari rata-
rata. Besarnya sebaran data juga menunjukkan keragaman pengamatan yang
ditunjukkan oleh varians (deviasi). Ada beberapa cara untuk menentukan distribusi data
yaitu jangkauan/rentang (range), simpangan kuartil (quartile deviation), simpangan rata-
rata (mean deviation), dan simpangan baku (standard deviation). Ukuran tendensi sentral
(mean, median, mode), yang mewakili distribusi frekuensi, memberikan informasi
lengkap tentang bagaimana data yang diamati didistribusikan menuju nilai sentral.
Ukuran tendensi sentral saja tidak cukup untuk menggambarkan distribusi frekuensi.

1.2 Rumusan Masalah

1. Apa pengertian dari ukuran penyebaran?
2. Apa saja kegunaan dari ukuran penyebaran?
3. Apa saja macam-macam ukuran penyebaran?

1.3 Tujuan
1. Mengetahui pengertian dari ukuran penyebaran.
2. Mengetahui kegunaan dari ukuran penyebaran.
3. Mengetahui macam-macam ukuran penyebaran

1
 BAB II

PEMBAHASAN

2.1 Pengertian Ukuran Penyebaran

Ukuran penyebaran adalah ukuran sejauh mana penyimpangan nilai data dari nilai
pusatnya atau deskripsi nilai data yang berbeda dengan nilai tengah. Ukuran penyebaran
pada dasarnya adalah pelengkap untuk nilai sentral dalam mendeskripsikan kumpulan
data. Maka, deskripsi data menjadi lebih jelas dan tepat dengan menggunakan ukuran
penyebaran. Ukuran penyebaran membantu untuk mengetahui seberapa besar
penyebaran suatu nilai dari nilai pusatnya, semakin kecil semakin besar. Ukuran
penyebaran data juga menujukkan keragaman pengamatan yang disajikan dalam deviasi
(penyimpangan). Dengan memahami ukuran penyebaran data, maka akan mudah dalam
menarik kesimpulan suatu data.

2.2 Kegunaan dari Ukuran Penyebaran

Ukuran penyebaran data akan sangat berguna dalam membaca suatu data, karena
suatu data akan mengandung nilai yang ekstrem dan perlu memahami sebarannya untuk
membuat kesimpulan dari data tersebut. Ukuran penyebaran data memiliki manfaat yang
beragam, yaitu:

a) Ukuran penyebaran dapat digunakan untuk menentukan apakah rata-rata

representative atau tidak, JIka sekelompok data memiliki sebaran yang tidak sama
pada nilai rata-rata, maka rata-rata tersebut dikatakan representative.
b) Ukuran penyebaran digunakan untuk membandingkan variabilitas data.
c) Ukuran penyebaran membantu dalam pengukuran statiska, misalnya dalam
pengujian hipotesis.

2.3 Macam Macam Ukuran Penyebaran Data

Dalam dunia statistik, dikenal beberapa macam Ukuran Penyebaran Data, dari
ukuran yang paling sederhana (kasar) sampai dengan ukuran yang dipandang memiliki
kadar ketelitian yang tinggi, yaitu: (1) Range, (2) Deviasi ( simpangan rata-rata), (3)
Varians dan standar deviasi, (4) Varians sampel, dan (5) Standar deviasi sampel.

2
1) Range
Ukuran Penyebaran Data yang pertama-tama diperkenalkan disini adalah Range,
yang didalam dunia statistik dikenal sebagai ukuran penyebaran data yang paling
sederhana, yang karena itu juga sering disebut sebagai ukuran penyebaran data
yang paling kasar.
a. Pengertian Range
Range yang biasa diberi lambang “R” adalah salah satu ukuran statistik yang
menunjukan jarak penyebaran antara skor (nilai) yang teredah (lowest score)
samapi skor (nilai) yang tertinggi (higbest score). Dengan singkat dapat
dirumuskan:
R=H–L
Ket :
R = Range yang kita cari
H = Skor atau nilai yang tertinggi (higbest score)
L = Skor atau nilai yang terendah (lowest score)
Berdasarkan pada range kita juga dapat mengatakan bahwa kian kecil range
dari suatu distribusi data, kian cenderung bagi diri kita untuk menganggap
bahwa mean yang kita peroleh merupakan wakil yang persentatif data yang
bersangkutan; sebaliknya kian besar range-nya, kita akan lebih cenderung
untuk menganggap bahwa mean yang kita peroleh itu sifatnya meragukan.
- Range Untuk Data Tidak Berkelompok
Rumus untuk data tidak berkelompok adalah sebagai berikut :
Jarak (range) = Nilai Terbesar – Nilai Terkecil
Contoh :
Data nilai UAS Statistika
Kelas A : 90 80 70 90 70 100 80 50 75 70
Kelas B : 80 80 75 95 75 70 95 60 85 60

Langkah-langkah menjawab :
Urutkan dahulu kemudian dihitung berapa rentangannya.
Kelas A : 50 70 70 70 75 80 80 90 90 100
Kelas B : 60 60 70 75 75 80 80 85 95
Rentangan kelas A : 100 – 50 = 50
Rentangan kelas B : 95 – 60 = 35

- Range Untuk Data Berkelompok

Jangkauan data berkelompok merupakan selisih antara nilai tengah kelas
terakhir dengan nilai tengah kelas pertama.Perhatikan tabel berikut ini!
Tabel 2 Data umur peserta sertifikasi guru

Umur Titik Tenga Frekuensi

3
 30-34 32 5

35-39 37 35

40-44 42 100

45-49 47 50

50-54 52 10

Tabel 2 menunjukkan data umur peserta yang mengikuti diklat sertifikasi

guru yang berjumlah 200 orang. Bila nilai tengah kelas pertama adalah 32
dan nilai tengah kelas terakhir adalah 52, maka,
R = 52 – 32
= 20
Jadi, jangkauan data dari tabel 2 adalah 20. Dapat disimpulkan bahwa
untuk menentukan jangkauan data berkelompok digunakan persamaan:
R = xmaks – xmin
Ket :
R : Jangkauan/range/rentang
Xmaks : Nilai tengah kelas terakhir
Xmin : nilai tengah kelas pertama
b. Penggunaan Range
Range kita gunakan sebagai ukuran, apabila di dalam waktu yang sangat
singkat kita ingin memperoleh gambaran tentang penyebaran data yang
sedang kita selidiki dengan mengabaikan faktor ketelitian atau kecermatan.
c. Kebaikan dan Kelemahan Range
Kebaikan Range sebagai salah satu ukuran penyebaran data ialah dengan
menggunakan Range dalam waktu singkat dapat diperoleh gambaran umum
mengenai luas penyebaran data yang sedang kita hadapi.
Adapun kelemahannya ialah:
- Range akan sangat tergantung kepada nilai-nilai ekstrimnya. Dengan kata
lain, besar-kecilnya Range akan sangat ditentukan oleh Nilai Tetendah dan
Nilai Tertinggi yang terdapat dalam distribusi data, dengan demikian Range
sifatnya sangat labil dan kurang teliti.
Contoh:
Data X : H = 80, L = 30 – R = 80-30 = 50.

4
 Data Y : H = 95, L = 30 – R = 95-45 = 50.
Data Z : H = 88, L = 38 – R = 88-38 = 50.
- Range sebagai ukuran penyebaran data, tidak memperhatikan sistribusi
yang terdapat di dalam range itu sendiri. Ambillah sebagai contoh, misalnya
Nuilai Tertinggi dan Nilai Terendah yang berhasil dicapai oleh 8 orang
mahasiswa masing-masing adalah 80 dan 40, sehingga Rangenya = 80 –
40 = 40. Dengan Range sebesar 40 itu ada kemungkinan distribusi nilai itu
adalah: 40,47,52, 59, 64, 67, 70 dan 80, mungkin juga: 40, 40, 40, 40, 40,
40, 40 dan 80; mungkin juga: 40, 40, 50, 50, 60, 60, 80, 80, atau bentuk
distribusi lainnya. Yang jelas, dengan hanya mengetahui Range-nya saja,
kita belum tahu secara pasti bagaimana sebenarnya bentuk distribusi data
yang kita hadapi mulai dari Nilai Terendah sampai Nilai Tertinggi. Karena
kelemahan itulah maka sebagai salah-satu ukuran penyebaran data,
Range dangat jarang digunakan dalam pekerjaan anailis statistik.

2) Deviasi
Ukuran Penyebaran Data selanjutnya yang akan kita pelajari adalah Deviasi
(Deviation).
a. Pengertian Deviasi
Dalam statistik, yang dimaksud dengan deviasi ialah selisih satu simpangan
dari masing-masing skor atau interval, dari nilai rata-rata hitungannya
(deviation from the mean). Deviasi merupakan salah satu ukuran variabilitas
data yang biasa dilambangkan dengan huruf kecil dari huruf yang digunakan
bagi lambang skornya. Jika apabila skornya dibagi lambang X maka deviasinya
berlambang x; jika skornya Y maka deviasinya y; jika skornya Z maka lambang
deviasinya z. Karena deviasi merupakan simpangan atau selisih dari masing-
masing skor terhadap Mean groupnya, maka sudah tentu akan terdapat dua
jenis deviasi, yaitu: (1) deviasi yang berada diatas Mean, dan (2) deviasi yang
berada dibawah Mean.
Deviasi yang berada diatas Mean dapat diartikan sebagai “selisih lebih”;
karenanya deviasi semacam ini akan bertanda (+), dan lazim dikenal dengan

5
istilah deviasi positif. Adapun deviasi yang berada dibawah Mean dapat
diartikan sebagai “selisih kurang” oleh karena itu, selalu bertanda minus (-),
dan lazim dikenal dengan istilah deviasi negatif. Perlu diingatlan bahwa semua
deviasi – baik yang bertanda plus maupun yang bertanda minus – apabila kita
jumlahkan hasilnya pasti sama dengan nol (0).
Guna memperjelas uraian yang telah dikemukakan diatas, marilah kita
perhatikan contoh berikut ini.

Skor Banyaknya Deviasi

(X) (f) (x=X-Mx)

8 1 8-6 = +2

7 1 7-6 = +1

6 1 6-6 = 0

5 1 5-6 = -1

4 1 4-6 = -2

30 = 5=N 0 =

∑X ∑x

- Deviasi Rata-rata
Seperti terlihat pada tabel diatas, jika seluruh deviasi kita jumlahkan,
hasilnya pasti sama dengan nol (∑x=0). Karena jumlah deviasi akan selalu
sama dengan nol, maka kalau deviasi itu kita gunakan sebagai ukuran
untuk mengetahui variabilitas data tidak akan ada gunanya sama sekali.
Oleh karena itulah agar deviasi dapat digunakan sebagai ukuran
variabilitas, dalam menjumlahkan deviasi itu tanda-tanda aljabar (yaitu
tanda + dan -) yang terdapat didepan beviasi sebaiknya diabaikan. Dengan
kata lain, agar deviasi dapat dimanfaatkan sebagai ukuran variabilitas,
maka penjumlahan itu dilakukan terhadap harga mutlaknya. Setelah
seluruh harga mutlak deviasi dijumlahkan, lalu dihitung rata-ratanya.
a. Pengertian Deviasi Rata-rata
Dari pembicaraan diatas sebenarnya sudah cukup tergambar apa yang
sebenarnya dimaksud dengan deviasi rata-rata itu, yakni: jumlah harga

6
 mutlak deviasi dari tiap-tiap skor, doibagi dengan banyaknya skor itu
sendiri. Dalam bahasa Inggris Deviasi Rata-rata dikenal dengan nama
Mean Devisiation (diberi lambang: MD) atau Average Devitiation (diberi
lambang: AD); dalam uraian selanjutnya akan digunakan lambang AD.
Dengan demikian, apabila pengertian tentang Deviasi Rata-rata tadi kita
formasikan dalam bentuk rumus adalah sebagai berikut:
∑x = jumlah harga mutlak deviasi tiap-tiap skor atau interval.
N = Number of Cases

b. Cara Mencari Deviasi Rata-rata

 Cara Mencari Deviasi Rata-rata untuk Data Tunggal.
Soal :
Diberikan data sebagai berikut: 4, 6, 12, 16, 22
Tentukan nilai simpangan rata-rata data di atas!
Pembahasan :
Kita dapat menghitung besar simpangan rata-rata namun terlebih
dahulu hitung besar rata-rata (mean) terlebih dahulu:

Kemudian mencari nilai simpangan rata-rata data tunggal

mengunakan rumus simpangan rata-rata:

Jadi besar simpangan rata-rata dari data tunggal tersebut

sebesar 5,6.
 Cara mencari deviasi untuk data berkelompok
Soal :
Perhatikan tabel distribusi frekuensi data berikut ini

7
 Tentukan nilai simpangan rata-rata data di atas!
Pembahasan
Cari terlebih dahulu besar rata-rata dari data tersebut dengan
membagikan hasil perkalian antara titik tengah dengan frekuensi
terhadap jumlah frekuensi. titik tengah = (Batas atas + batas
bawah)/2

Kemudian cari besar simpangan rata-rata menggunakan tabel

agar lebih mudah dalam perhitungan:

Jadi besar simpangan rata-rata dari data tersebut sebesar 7,4.

3) Varians dan Standar Deviasi

Varians dan standar deviasi adalah sebuah ukuran penyebaran yang
menunjukkan standar penyimpangan atau deviasi data terhadap nilai rata-
ratanya.

8
 Varians adalah rata-rata hitung deviasi kuadrat setiap data terhadap rata-
rata hitungnya.
Standar Deviasi adalah akar kuadrat dari varians dan menunjukan standar
penyimpangan data terhadap nilai rata-ratanya.
Varian dapat dibedakan antara varians populasi dan varians sampel.
Varians populasi adalah deviasi kuadrat dari setiap data terhadap rata rata hitung
semua data dalam populasi. Sedang varians sampel adalah deviasi kuadrat dari
setiap data rata-rata hitung terhadap semua data dalam sampel, dimana sampel
adalah bagian dari populasi.
∑(𝑋−𝜇)2
𝜎 2= 𝑁
σ : Varians populasi
X : Nilai setiap data pengamatan
μ : Nilai rata-rata hitung dalam populasi
N :Jumlah data
∑ : Simbol operasi penjumlahan

4) Varians Sampel
∑(𝑥−𝑥)2
𝑆2 = 𝑛−1
2
𝑆 : Varian sampel
X : Nilai setiap data
X̅ : Nilai rata-rata hitung dalam sampel
n : Jumlah total data
∑ : Simbol operasi penjumlahan

5) Standar deviasi sampel

∑(𝑥−𝑥)2
S=√ 𝑛−1

2.4 Ukuran Penyebaran Relatif

1) Koefisien Range
Koefisien range adalah pengukuran penyebaran dengan menggunakan range
secara relatif.
𝐿𝑎−𝐿𝑏
KR = 𝐿𝑎+𝐿𝑏 x 100%
KR : Koefisien range dalam %
La : Batas atas data atau kelas tertinggi
Lb : Batas bawah data atau kelas terendah

2) Koefisien Deviasi Rata-rata

9
 Koefisien defiasi rata-rata adalah ukuran penyebaran dengan menggunakan
deviasi rata-rata relatif terhadap nilai rata-ratanya, atau presentase dari deviasi
rata-rata terhadap nilai rata- ratanya.
𝑀𝐷
KMD = 𝑋 x 100%
KMD : Koefisien deviasi rata-rata
MD : Deviasi rata-rata
X̅ : Nilai rata-rata data

3) Koefisien Standar Deviasi

Koefisien standar deviasi adalah ukuran penyebaran yang menggunakan standar
deviasi relatif terhadap nilai rata-rata yang dinyatakan sebagai presentase.
𝑆
KSD = 𝑋 x 100%
KSD: Koefisien standar deviasi
S : Standar deviasi
X̅ : Nilai rata-rata data

2.5 Ukuran Penyebaran Lainnya

1) Range Inter-Kuartil
Range inter-kuartil adalah selisih antara kuartil ketiga dengan kuartil pertama.
Jarak inter kuartil = K3 - K1

2) Deviasi Kuartil
Deviasi kuartil adalah setengah jarak antara kuartil ketiga (K3) dan kuartil
pertama(k1).
𝐾3 − 𝐾1
DK = 2

3) Jarak Persentil
Jarak persentil adalah selisih antara persentil ke-90(P90) dengan persentil ke-
10(P10).
JP = P90-P10

2.6 Ukuran Kecondongan (Skewness)

Ukuran kecondongan menunjukkan apakah kurva condong positif, negatif, atau
normal. Jika kurva condong ke kiri, kurva demikian disebut dengan condong positif. Kurva

10
condong positif ini disebabkan karena adanya data yang sangat besar sehingga nilai rata-
rata hitungnyameningkat. Sebaliknya, jika kurva condong ke kanan maka condong
negative. Hal ini disebabkan adanya data yang ekstrem kecil sehingga menurunkan nilai
hitung rata-ratanya.

𝜇− 𝑀𝑜 3(𝜇−𝑀𝑑)
SK = atau SK =
𝜎 𝜎
SK : Koefisien kecondongan
μ : Nilai rata-rata hitung
Mo : Nilai modus
Md : Nilai median
σ : Standar deviasi

2.7 Ukuran Keruncingan (Kurtosis)

Ukuran keruncingan menunjukkan apakah kurva bersifat nromal, runcing, atau
datar.
1
∑(𝑥 − 𝜇)4
4
𝛼 = 𝑛
𝜎4
STUDI KASUS
Berikut ini merupakan data penutupan saham PT Adaro Minerals Indonesia Tbk. periode
bulan Agustus 2022. Tentukan:

a) Range
b) Deviasi rata-rata
c) Varian dan standar deviasi
d) Koefisien standar deviasi
e) Jarak inter kuartil
f) Koefisien kecondongan
g) Keofisien keruncingan

Penutupan saham PT Adaro Minerals

Indonesia Tbk.

Periode 1-31 Agustus 2022

11
Tanggal Saham Harga Penutupan (X)

1 ADMR 1.800

2 ADMR 1.675

3 ADMR 1.700

4 ADMR 1.645

5 ADMR 1.635

8 ADMR 1.620

9 ADMR 1.670

10 ADMR 1.640

11 ADMR 1.770

12 ADMR 1.805

15 ADMR 1.785

16 ADMR 1.760

18 ADMR 1.750

19 ADMR 1.760

22 ADMR 1.645

23 ADMR 1.685

24 ADMR 1.640

25 ADMR 1.625

26 ADMR 1.660

29 ADMR 1.645

30 ADMR 1.655

12
 31 ADMR 1.715

Jumlah 37.285
Rata-rata 1.695

Penyelesaian:

a) Range (jarak)
Nilai terbesar – Nilai Terkecil = 1.805 – 1.620
= 185
b) Deviasi Rata-Rata
∑|X−X̅|
MD = 𝑁

X :Nilai setiap data pengamatan

X̅ : Nilai rata-rata hitung dari seluruh nilai pengamatan
N = Jumlah data

Harga Penutupan
Tanggal (X) |X-X̅| Nilai Mutlak
1 1.800 105 105
2 1.675 -20 20
3 1.700 5 5
4 1.645 -50 50
5 1.635 -60 60
8 1.620 -75 75
9 1.670 -25 25
10 1.640 -55 55
11 1.770 75 75
12 1.805 110 110
15 1.785 90 90
16 1.760 65 65
18 1.750 55 55
19 1.760 65 65
22 1.645 -50 50
23 1.685 -10 10
24 1.640 -55 55
25 1.625 -70 70
26 1.660 -35 35
29 1.645 -50 50

13
 30 1.655 -40 40
31 1.715 20 20
Jumlah ∑X = 37.285 ∑|X-X̅| = 1.185
∑|X-X̅|/n =
Rata-rata ∑X/n = 1.695 53,863

Jadi nilai deviasi rata-rata Penutupan Saham PT. Adaro Minerals Indonesia
adalah 53,863.
c) Varians dan Standar Deviasi
Rumus varian populasi:
∑(𝑋−𝜇)2
𝜎 2= 𝑁

μ : Nilai rata-rata hitung dalam populasi

Harga Penutupan
Tanggal (X) X-μ (X-μ)2
1 1.800 105 11.025
2 1.675 -20 400
3 1.700 5 25
4 1.645 -50 2.500
5 1.635 -60 3.600
8 1.620 -75 5.625
9 1.670 -25 625
10 1.640 -55 3.025
11 1.770 75 5.625
12 1.805 110 12.100
15 1.785 90 8.100
16 1.760 65 4.225
18 1.750 55 3.025
19 1.760 65 4.225
22 1.645 -50 2.500
23 1.685 -10 100
24 1.640 -55 3.025
25 1.625 -70 4.900
26 1.660 -35 1.225
29 1.645 -50 2.500
30 1.655 -40 1.600
31 1.715 20 400
𝟐
Jumlah ∑X = 37.285 ∑(X-μ) = 80.375

14
 𝝈𝟐 = ∑(𝑿 − 𝝁)𝟐 /
Rata-rata μ = ∑X/N = 1.695 𝑵 =3.653

Rumus Standar deviasi :

∑(𝑋−𝜇)2
σ=√ = √𝜎 2
𝑁

80.375
=√ = √3.653
22

= 60,44
d) Koefisien Standar Deviasi
𝑠
KSD = 𝑋 x 100%

Data semula berjumlah 22 data dianggap sebagai populasi, dan untuk sampel
diambil 11 saja, dengan mengambil data tanggal ganjil.

Harga Penutupan
Tanggal (X) X-X̅ (X-X̅)2
1 1.800 105 11.025
3 1.700 5 25
5 1.635 -60 3.600
9 1.670 -25 625
11 1.770 75 5.625
15 1.785 90 8.100
19 1.760 65 4.225
23 1.685 -10 100
25 1.625 -70 4.900
29 1.645 -50 2.500
31 1.715 20 400
Jumlah 18.790 41.125
Rata-
rata 1.708 3.739

∑(𝑥−𝑥)2 41.125 41.125

𝑆2 = = (11−1) = = 4.112,5
𝑛−1 10
∑(𝑥−𝑥)2
S=√ = √𝑆 2 = √4.112,5 = 64,128
𝑛−1

𝑠
KSD = 𝑋 x 100%
64,128
= x 100
1.708

15
 = 3,75%
e) Range Inter-Kuartil (Jarak inter-kuartil)
Range inter-kuartil = kuartil ketiga – kuartil pertama

Range Interkuartil
1.620
1.625
1.635
1.640
1.640+1.645
1.640 K1 = 2
1.645 = 1.642,5
1.645
1.645
1.655
1.660
1.670+1.675
1.670 K2 = 2
1.675 = 1.672,5
1.685
1.700
1.715
1.750
1.760+1.760
1.760 K3 = 2
1.760 = 1.760
1.770
1.785
1.800
1.805

Jarak Inter-Kuartil = 𝐾3 − 𝐾1
= 1.760 – 1.642,5
= 117,5
f) Ukuran Kecondongan (Skewness)
𝜇− 𝑀𝑜 3(𝜇−𝑀𝑑)
SK = atau SK =
𝜎 𝜎

 Mencari median dengan melakukan operasi dengan rumus

=median(D1:D22), tekan enter. Hasil Md = 1.673
 Mencari standar deviasi dengan melakukan operasi dengan rumus
=stadev(D1:D22), tekan enter. Hasinya = 61,86

16
 3(𝜇−𝑀𝑑)
SK = 𝜎

3(1.695−1.673)
= 61,86

= 1,06

SK 1,06 mendekati 0, menunjukan bahwa kurva mendekati kurva normal. Nilai

positif menunjukan kurva condong positif (ke kiri).

g) Ukuran Keruncingan (Kurtosis)

1
∑(𝑥 − 𝜇)4
4
𝛼 = 𝑛
𝜎4
Harga Penutupan
Tanggal (X) X-μ (X-μ)2 (X-μ)4
1 1.800 105 11.025 121.550.625
2 1.675 -20 400 160.000
3 1.700 5 25 625
4 1.645 -50 2.500 6.250.000
5 1.635 -60 3.600 12.960.000
8 1.620 -75 5.625 31.640.625
9 1.670 -25 625 390.625
10 1.640 -55 3.025 9.150.625
11 1.770 75 5.625 31.640.625
12 1.805 110 12.100 146.410.000
15 1.785 90 8.100 65.610.000
16 1.760 65 4.225 17.850.625
18 1.750 55 3.025 9.150.625
19 1.760 65 4.225 17.850.625
22 1.645 -50 2.500 6.250.000
23 1.685 -10 100 10.000
24 1.640 -55 3.025 9.150.625
25 1.625 -70 4.900 24.010.000
26 1.660 -35 1.225 1.500.625
29 1.645 -50 2.500 6.250.000
30 1.655 -40 1.600 2.560.000
31 1.715 20 400 160.000
Jumlah 37.285 80.375 520.506.875

17
Rata-
rata 1.695 3.653 23.659.403

√∑(𝑋−𝜇)2 √80.375
Standar deviasi : σ =
𝑛 22

= √3.653
= 60,44
Koefisien Kurtosis : 𝛼 4 = {1/n∑(X-𝜇)4}/(60,44)4
= {1/22 x 520.506.875}/ 13,344
= 1.773

18
 BAB III
PENUTUP

3.1 KESIMPULAN
Statistika adalah sebuah ilmu yang mempelajari bagaimana cara merencanakan,
mengumpulkan, menganalisis, lalu menginterpretasikan, dan akhirnya
mempresentasikan data. Singkatnya, statistika adalah ilmu yang bersangkutan dengan
suatu data.
Statistika merupakan ilmu yang berkaitan dengan data. dan Statistik adalah data
itu sendiri, informasi-nya, atau hasil penerapan algoritme statistika pada suatu data
tersebut. Dari kumpulan data, statistika dapat digunakan untuk menyimpulkan atau
mendeskripsikan data; inilah yang dinamakan statistika deskriptif. Sebagian besar
konsep dasar statistika memberi asumsi mengenai teori probabilitas.

3.2 SARAN
Statistik adalah suatu ilmu pengetahuan sangat dibutuhkan untuk
perkembanganduniabanyak sekali orang ingin mengetahui cabang ilmu ini sehingga
banyak yang mengetahui ilmustatistik namun karena kesukaran sehingga banyak yang
terkadang enggan atau malas untukmempelajari ilmu ini sebenarnya statistik mudah
untuk dipelajari yang penting ada niat dari kitauntuk mau mendalami ilmu ini pasti
akan tahu dan paham sebagai ntang ilmu statistik .

19
 DAFTAR PUSTAKA

Kustituanto, B., & Badrudin, R. (1994). Statistika 1 (Deskriptif). Penerbit Gunadarma.

Wirawan, N. (2016). Cara Mudah Memahami STATISTIKA EKONOMI dan BISNIS
(STATISTIKA DESKRIPTIF). Keraras Emas.
Riduwan. (2006). Dasar-Dasar Statistik. Bandung: Alfabeta.
Priyadi Gendra. (2018). SPM Matematika SMK. Jakarta: Erlangga.
https://www.studocu.com/id/document/universitas-negeri-medan/ilmu-
komputer/makalah-statistika-kelompok-1/13318901

20

View publication stats