Anda di halaman 1dari 40

UKURAN PENYEBARAN

ANIF PRASETYORINI, S.KM., M.Kes

Kemampuan akhir yang diharapkan :


Mahasiswa mampu Memahami dan menerapkan
statistik deskriptif

Indikator :
Mahasiswa mampu menjelaskan konsep statistik
deskriptif
Mahasiswa mampu menjelaskan konsep
distribusi frekuensi
Mahasiswa mampu membuat distribusi frekuensi
Mahasiswa mampu menjelaskan ukuran sentral,
ukuran penyebaran, skewness dan kurtosis
Mahasiswa mampu menghitung ukuran sentral,
ukuran penyebaran, koefisien skewness
dan koefisian kurtosis

Ukuran

Pendahuluan

penyebaran
Suatu ukuran baik parameter atau statistik untuk
mengetahui seberapa besar penyimpangan data
dengan nilai rata rata hitungnya
Adalah suatu nilai yang menunjukkan seberapa jauh
nilai pengamatan tersebar di sekitar nilai rata-rata,
sering disebut juga variasi atau dispersi

Ukuran

penyebaran mencakup data


1. Ungrouped data
Data yang belum dikelompokan
2. Grouped data
Data yang telah dikelompokan ; Tabel distribusi
frekuensi

MENGAPA NILAI PENYEBARAN


(DISPERSI) ITU PENTING ??
Untuk memperoleh informasi tambahan tentang
penyimpangan yang terjadi pada suatu
distribusi
Dapat menilai ketepatan nilai tengah dalam
mewakili distribusinya
Untuk mengadakan analisa statistik inferensial

PENGGUNAAN UKURAN PENYEBARAN

Rata-rata bunga bank 11,43% per tahun, namun


kisaran bunga antar bank dari 7,5% - 12,75%

Rata-rata inflasi Indonesia 1995-2001 sebesar 18,2%


dengan kisaran antara 6% - 78%

Harga rata-rata saham Rp 470 per lembar, namun


kisaran saham sangat besar dari Rp 50 - Rp 62.500 per
lembar

BEBERAPA BENTUK UKURAN


PENYEBARAN
1.

Rata-rata sama,
penyebaran
berbeda

10
8
6
4
2
0
2

4.6

Kinerja Karyawan Bogor


Kinerja Karyawan Tangerang

Ukuran Penyebaran

Bab 4

BEBERAPA BENTUK UKURAN PENYEBARAN

2. Rata-rata berbeda
dengan penyebaran
berbeda
10
9
8
7
6
5
4
3
2
1
0

3. Rata-rata berbeda
dengan penyebaran
sama
10
8
6
4
2
0

4.6

Kinerja Karyawan Bogor

Kinerja Karyawan Bogor

Kinerja Karyawan Tangerang

Kinerja Karyawan Tangerang

Ukuran Penyebaran

Ukuran penyebaran:
Range
Deviasi Rata rata
Varians
Deviasi standar

Ukuran kecondongan dan keruncingan

RANGE - JARAK
Perbedaan antara nilai terbesar dan

terkecil dalam suatu kelompok data baik


data populasi atau sampel
Ukuran variasi data yang paling
sederhana
Dengan range, akan diketahui dengan
segera gambaran seberapa jauh data itu
memencar (merentang) tetapi tidak
menunjukkan tentang keragaman
datanya

RUMUS RANGE UNTUK DATA


INDIVIDU
Range = Nilai Terbesar Nilai Terkecil

Perusahaan

Harga Saham

Sentul City

530

Tunas Baru

580

proteinprima

650

total

750

Mandiri

840

Range
= 840 530
= 310

RUMUS RANGE UNTUK DATA


DIKELOMPOKAN

Range =
Batas atas kelas tertinggi batas
bawah kelas terendah

Contoh Range
Kelas
1
2
3
4
5

Interval
215
2122
2123
4030
4031
5938
5939
7846
7847
9754

Batas bawah
Kelas terendah

Batas atas
Kelas tertinggi

Range :
= 9754 215
= 9539

DEVIASI RATA RATA


=Simpangan

rata-rata
Rata rata hitung dari nilai mutlak
deviasi antara nilai data pengamatan
dengan rata-rata hitungnya
Rumus Deviasi rata rata ( MD)
Untuk Data Individu
X = Nilai data pengamatan
|x - x|
X = Rata rata hitung
d x = MD =
N = Jumlah data
N

Contoh Deviasi Rata - Rata


Perusahaan

Indek

x-X

Nilai Mutlak

Sentul City

7.5

1.14

1.14

Tunas Baru

8.2

1.84

1.84

proteinprima

7.8

1.44

1.44

total

4.8

-1.56

1.56

Mandiri

3.5

-2.86

2.86

Total

31.8

Rata -rata (X)

6.36

MD =
= |x - X| / n
= 8.84 / 5
= 1.768

8.84
MD

1.768

Deviasi Rata - Rata


Rumus

deviasi Rata Rata Untuk


Data dikelompokkan
MD =

f. |x - x|
n

Rata rata hitung data dikelompokan


x = ( f.x ) / n

Contoh Kasus
Kelas

Interval
Kelas

Titik tengah
(x)

f.x

|x - X|

f.|x - X|

16

24

10

20

200

13.68

136.8

25

33

18

29

522

4.68

84.24

34

42

14

38

532

4.32

60.48

43

51

47

188

13.32

53.28

52

60

56

112

22.32

44.64

61

69

65

130

31.32

62.64

50

255

1684

Total

Rata - rata
(X)

33.68

89.64

442.08

MD = (f.|x - X|) / n = 442.08 / 50 = 8.8416

VARIANS &STANDAR
DEVIASI DATA INDIVIDU

Varians & Standar Deviasi


Pada Populasi
Varians
Rata rata hitung deviasi kuadrat

setiap data terhadap rata rata


hitungnya
Varians diberi simbol 2(baca: sigma
kuadrat) untuk populasi dan untuk
/N
2
)
X
s sampel.
(

(X -varians
)
Rumus
populasi
2

2=

X = Nilai data pengamatan


= Nilai rata rata hitung
N = Jumlah total data

Contoh Kasus Varians


Perusahaan

X-

(X - )

Sentul City

7.5

1.14

1.2996

Tunas Baru

8.2

1.84

3.3856

proteinprima

7.8

1.44

2.0736

total

4.8

-1.56

2.4336

Mandiri

3.5

-2.86

8.1796

Jumlah ( X )

31.8

(X - )

17.372

Rata - rata ()

6.36

3.4744

2=

(X - )2
17.372
=
= 3.4744
N
5

Standar Deviasi
Standar

deviasi = Simpangan baku

Akar kuadrat dari varians dan

menunjukan standar penyimpangan


data terhadap nilai rata-ratanya
Rumus

standar deviasi Populasi

-)
=

(X

atau

Contoh Kasus Standar


Deviasi
Nilai varians :
(X - )2
2=
=
3.4744
N

Nilai standar deviasi :

17.372
=
5

= 3.4744 = 1.864

Nilai penyimpangan sebesar 1.864

Varians dan Standar Deviasi


Sampel
Varians

s 2=

(x - x )2
n -1

Standar

deviasi

S = s

Contoh Kasus Sampel


No

Perusahaan

Harga
saham

(x - X)

x-X

Jababeka

215

-358

128164

Indofarma

290

-283

80089

Budi Acid

310

-263

69169

Kimia farma

365

-208

43264

Sentul City

530

-43

1849

Tunas Baru

580

49

proteinprima

650

77

5929

total

750

177

31329

Mandiri

840

267

71289

Panin

1200

627

393129

Jumlah

5730

10

Rata - Rata (X)

573

s
S

824260
91584.44
302.63

Varians :
(x X)
s =
n1
s = 824260 / 9
s = 91584.44

Standar deviasi :
S = s
S = 91584.44
S = 302.63

VARIANS DAN STANDAR DEVIASI


DATA DI KELOMPOKAN

Varians

f. (mi - x )2
s 2=
n -1
Standar

deviasi

S = s

Contoh Kasus
Kelas

Interval Kelas

Titik tengah
(mi)

f.mi

|mi - X|

|mi - X|

f.|x - X|

16

24

10

20

200

13.68

187.1424

1871.424

25

33

18

29

522

4.68

21.9024

394.2432

34

42

14

38

532

4.32

18.6624

261.2736

43

51

47

188

13.32

177.4224

709.6896

52

60

56

112

22.32

498.1824

996.3648

61

69

65

130

31.32

980.9424

1961.885

255

1684

1884.254

6194.88

Total

Rata - rata (X)

50

Varians :
s= (f.|mi - X|)/ n 1
= 6194.88 / 49
= 126.4261

33.68

89.64

Standar deviasi :
S = s
= 126.4261
= 11.2439

Rumus lain Standar Deviasi :

POPULASI

SAMPEL

Ukuran Kecondongan Skewness

(Koefisien skewness dan kurtosis digunakan utk mengetahui data tsb ber distribusi normal atau
tidak.) dg menggunakan * statistik deskriptif atau * Koefisien Skewness & Koefisien Kurtosis

Ukuran

kecondongan
kemencengan
Kurva tidak simetris

Pada

kurva distribusi frekuensi


diketahui dari posisi modus, ratarata dan media
Pendekatan : Jika
Rata-rata = median = modus : Simetris

(sama)
Rata-rata < median < modus : Menceng ke
kiri

Koefisien Skewness
Sk

= [ - Mo ] / atau = 3.[ - Md]

Contoh kasus data dikelompokan


= 33.68
Mo = 18
Md = 32
= 11.2439
Sk = [33.68- 18 ] / 11.2439
Sk = 15.68 / 11.2439
Sk = 1.394

SK = Skewness Koefisien
= Nilai rata rata hitung
Mo = Nilai modus
Md = Nilai median
= Standar deviasi
Sk = {3. [ 33.68 32]}
11.2439
Sk = 5.04 / 11.2439
Sk = 0.4482

Rumus Lain
Data

individu
3= [(1/ (n-1)) (Xi-X) 3 ] / [s 3]
Data dikelompokkan
X 3= [(1/ (n-1)) f.(X
i

) 3 ] / [s 3]

0 maka bentuk kurva simetris


3 > 0 maka bentuk kurva positif
(menceng/landai ke kanan)
3 < 0 maka bentuk kurva negatif
(menceng/landai ke kiri)
3 =

BENTUK KECONDONGAN

Kurva Condong
Positif

Kurva Condong
Negatif

Rumus Kecondongan:
Sk = - Mo
3( - Md)

atau Sk =
32

CONTOH SOAL UKURAN KECONDONGAN


Contoh untuk data tentang 20 harga saham pilihan pada bulan Maret
2003 di BEJ. Dari contoh pada soal 3-9 diketahui mediannya= 497,17,
modus pada contoh 3-11=504,7, Standar deviasi dan nilai rata-rata
pada contoh soal 4-8 diketahui 144,7 dan 490,7. Cobalah hitung
koefisien kecondongannya!

Penyelesaian:

Rumus =

Sk = - Mo atau
Sk = 3( - Md)

Sk = 490,7 504,7
Sk = 3 (490,7 497,17)
144,7
144,7
Sk = - 0,10
Sk= -0,13

Dari kedua nilai Sk tersebut terlihat bahwa keduanya adalah negatif,


jadi kurva condong negatif (ke kanan). Hal ini disebabkan adanya
nilai yang sangat kecil, sehingga menurunkan nilai rata-rata
hitungnya. Angka 0,10 dan 0,13 menunjukkan kedekatan dengan33

Ukuran Keruncingan Kurtosis


Keruncingan

disebut juga ketinggian

kurva
Pada distribusi frekuensi di bagi
dalam tiga bagian :
Leptokurtis = Sangat runcing
Mesokurtis = Keruncingan sedang
Platykurtis = Kurva datar

Koefisien Kurtosis
Bentuk

kurva keruncingan kurtosis

Mesokurtik
Leptokurtik
Platikurtik

Koefisien

4 = 3
4 > 3
4 < 3

Nilai data

kurtosis (data tidak


dikelompokan)
1/n (x - )4
44 =

Koefisien Kurtosis
Koefisien

kurtosis (data
dikelompokan)
1/n f. (X - )4
4 =
4

Jumlah Frekuensi
Standar deviasi
Nilai tengah kelas

Nilai rata rata hitung

BENTUK KERUNCINGAN

Ke r uncingan Kur va

Platy kurtic
Leptokurtic

Mesokurtic

37

CONTOH SOAL UKURAN KERUNCINGAN

X = 49,8; = X/n =
49,8/10=4,98;

(X-)2=24,516;
(X-)4
=204,27

Dari data di atas (x - )4 =


204,27

Standar deviasi
= (X-)2/n = 24,516/10
= 2,4516 = 1,6

4 = 1/n (x - )4
= 1/10 .
204,27
4
1,64
= 20,427 = 3,27
6,25

(X-)

(X-)2

(X-)4

7,4

2,42

5,86

34,30

4,0

-0,98

0,96

0,92

1,4

-3,58

12,82

164,26

5,8

0,82

0,67

0,45

5,0

0,02

0,00

0,00

6,0

1,02

1,04

1,08

4,5

-0,48

0,23

0,05

3,9

-1,08

1,17

1,36

3,8

1,12

1,25

1,57

5,7

0,72

0,52

0,27
38

CONTOH SOAL UKURAN KERUNCINGAN


Berikut ini adalah pertumbuhan ekonomi
negara
Asia
tahun
2002.
Hitunglah
keruncingannya.
Negara

2002

Negara

beberapa
koefisien

2002

Cina

7,4

Korea Selatan

6,0

Pilipina

4,0

Malaysia

4,5

Hongkong

1,4

Singapura

3,9

Indonesia

5,8

Thailand

6,1

Kamboja

5,0

Vietnam

5,7

39

SEKIAN