UKURAN PENYEBARAN

(VARIABILITAS)
 PENGUKURAN DISPERSI, KEMIRINGAN, DAN
KERUNCINGAN DATA
DISPERSI DATA
Dispersi/ variasi/ keragaman data: ukuran penyebaran suatu
kelompok data terhadap pusat data.
Ukuran Dispersi yang akan dipelajari:
Jangkauan (Range)
Simpangan rata rata (mean deviation)
Variansi (variance)
Dispersi multak
Standar Deviasi (Standard Deviation)
Simpangan Kuartil (quartile deviation)
Koefisien variasi (coeficient of variation) Dispersi relatif
 RANGE/ JANGKAUAN DATA (r)
Range: Selisih nilai maksimum dan nilai minimum
Rumus:
Range (r) = Nilai max nilai min

Range untuk kelompok data dalam bentuk distribusi

frekuensi diambil dari selisih antara nilai tengah kelas
maksimum nilai tengah kelas minimum
 Simpangan Rata2/ Mean Deviation (SR)

Simpangan rata rata: jumlah nilai mutlak dari selisih

semua nilai dengan nilai rata rata, dibagi banyaknya
data.
Rumus
Untuk data tidak berkelompok

X X
Dimana:
X = nilai data

SR X = rata rata hitung

n = banyaknya data
n
 Untuk data berkelompok
Dimana:
( f X X ) X = nilai data

SR
X = rata rata hitung
n = f = jumlah frekuensi

n
2
VARIANSI/ VARIANCE ( s )
Variansi adalah rata rata kuadrat selisih atau
kuadrat simpangan dari semua nilai data terhadap
rata rata hitung.
2
s = simbol untuk sample

2
= simbol untuk populasi
 Rumus untuk data tidak berkelompok

X X
2

S
2

n 1
Untuk data berkelompok

f X X
2

S
2

n 1
STANDAR DEVIASI/ STANDARD DEVIATION
(S)
Standar deviasi: akar pangkat dua dari variansi
Rumus:
Untuk data tidak berkelompok
X X
2

S
2

n 1
Untuk data berkelompok

f X X
2

S
2

n 1
 Contoh Soal
Data tidak berkelompok
Diketahui sebuah data berikut:
20, 50, 30, 70, 80
Tentukanlah:
a. Range (r)
b. Simpangan Rata rata (SR)
c. Variansi
d. Standar Deviasi
 Jawab:
a. Range (r) = nilai terbesar nilai terkecil = 80 20 = 60
b. Simpangan Rata rata (SR):
X X
SR
n
20 50 30 70 80
X 50
5

n=5
20 50 50 50 30 50 70 50 80 50
SR
5
30 0 20 20 30 100
SR 20
5 5
 2
Variansi ( s )
X X
2

S
2

n 1

(20 50) 2
(50 50) 2
(30 50) 2
(70 50) 2
(80 50) 2
S2
5 1
900 0 400 400 900 2600
S2 650
4 4

Standar Deviasi (S)

S S 2

S 650 25, 495

 Contoh Soal
Data Berkelompok
Diketahui data pada tabel dibawah ini:

Modal Frekuensi Tentukan:

a. Range (r)
112 - 120 4 b. Simpangan rata rata (SR)
c. Variansi
121 - 129 5
d. Standar Deviasi
130 - 138 8
139 - 147 12
148 -156 5
157 -165 4
166 - 174 2
40
 JAWAB
Range (r)= (nilai tengah tertinggi nilai tengah terendah)/2
Simpangan rata rata
( f X X )
SR
n
n = jml frekuensi
Variansi
f X X
2

S
2

n 1
Standar Deviasi
f X X
2

S
2

n 1
 Untuk memudahkan mencari jawaban, maka dibuat tabel
sesuai dengan keperluan jawaban
Nilai
Modal f Tengah X X f X X ( X X )2 f ( X X )2
(X)
112 - 120 4 116 24,525 98,100 601,476 2405,902
121 - 129 5 125 15,525 77,625 241,026 1205,128
130 - 138 8 134 6,525 52,200 42,576 340,605
139 - 147 12 143 2,475 29,700 6,126 73,507
148 -156 5 152 11,475 57,375 131,676 658,378
157 -165 4 161 20,475 81,900 419,226 1676,902
166 - 174 2 170 29,475 58,950 868,776 1737,551
Jumlah 40 455,850 8097,974
 Maka dapat dijawab:
Range (r) = 170 116 = 54
Simpangan rata rata
455,850
SR 11,396
40
Variansi
8097,974 8097,974
S
2
207, 64
40 1 39
Standar Deviasi
S 207, 64 14, 41
 JANGKAUAN QUARTIL
DAN JANGKAUAN PERSENTIL 10-90
Jangkauan kuartil disebut juga simpangan kuartil, rentang
semi antar kuartil, deviasi kuartil. Jangkauan persentil 10-90
disebut juga rentang persentil 10-90
Jangkauan kuartil dan jangkauan persentil lebih baik daripada
jangkauan (range) yang memakai selisih antara nilai
maksimum dan nilai minimun suatu kelompok data
Rumus:
Jangkauan Kuartil:
Ket:
1
JK (Q3 Q1 ) JK: jangkauan kuartil
Q1: kuartil bawah/ pertama
2 Q3: kuartil atas/ ketiga
 Rumus Jangkauan Persentil

JP1090 P90 P10

KOEFISIEN VARIASI/ DISPERSI RELATIF
Untuk mengatasi dispersi data yang sifatnya mutlak, seperti
simpangan baku, variansi, standar deviasi, jangkauan kuartil,dll
Untuk membandingkan variasi antara nilai nilai bersar dengan nilai
nilai kecil.
Untuk mengatasi jangkauan data yang lebih dari 2 kelompok data.

Rumus:
Ket:
S KV: Koefisien variasi
KV *100% S : Standar deviasi
X X : Rata rata hitung
 KOEFISIEN VARIASI KUARTIL
Alternatif lain untuk dispersi relatif yang bisa digunakan jika
suatu kelompok data tidak diketahui nilai rata rata hitungnya
dan nilai standar deviasinya.
Rumus:

Q3 Q1 (Q3 Q1 ) / 2
KVQ atau KVQ
Q3 Q1 Med
 NILAI BAKU
Nilai baku atau skor baku adalah hasil transformasi antara nilai
rata rata hitung dengan standar deviasi
Rumus:

X1 X Nilai i = 1, 2, 3, , n
Zi
S
 Contoh Soal untuk Koefisien Variasi dan
Simpangan Baku
Koefisien Variasi
Ada dua jenis bola lampu. Lampu jenis A secara rata rata
mampu menyala selama 1500 jam dengan simpangan baku
(standar deviasi) S1 = 275 jam, sedangkan lampu jenis B
secara rata rata dapat menyala selama 1.750 jam dengan
simpangan baku S2 = 300 jam. Lampu mana yang kualitasnya
paling baik?
Jawab: S1 275
KV *100% *100% 18,3%
Lampu jenis A: 1 X 1 1500

Lampu jenis B: KV2 S2 *100% 300 *100% 17,1%

X2 1750
 Nilai rata rata ujian akhir semester mata kuliah Statistika
dengan 45 mahasiswa adalah 78 dan simpangan baku/standar
deviasi (S) = 10. Sedangkan untuk mata kuliah Bahasa Inggris
di Kelas itu mempunyai nilai rata rata 84 dan simpangan
bakunya (S) = 18. Bila dikelas itu, Desi mendapat nilai UAS
untuk kalkulus adalah 86 dan untuk bahasa Inggris adalah 92,
bagaimana posisi/ prestasi Desi di kelas itu?
Jawab
Untuk mengetahui posisi/ prestasi Desi, maka harus dicari
nilai baku (Z) dari kedua mata kuliah tersebut.
X X
Z
S
dengan nilai X adalah nilai UAS yang diperoleh Desi
 Untuk Mata Kuliah Statistika
X = 86 S = 10
X 78
Maka:
86 78
Z 0,8
10
Untuk Mata Kuliah Bahasa Inggris
X = 92 S = 18
X 84
Maka:
92 84
Z 0, 4
18
Karena nilai baku (Z) untuk mata kuliah Statistika
lebih besar dari B. Inggris, maka posisi Desi lebih baik
pada mata kuliah Statistika dari pada B. Inggris
 KEMIRINGAN DATA
Kemiringan: derajat/ ukuran dari
ketidaksimetrian (asimetri) suatu distribusi
data
3 pola kemiringan distribusi data, sbb:
Distribusi simetri (kemiringan 0)
Distribusi miring ke kiri (kemiringan negatif)
Distribusi miring ke kanan (kemiringan positif)
 Beberapa metoda yang bisa dipakai untuk
menghitung kemiringan data, yaitu:
Rumus Pearson
Rumus Momen
Rumus Bowley
Rumus Pearson ()
X Mod 3( X Med )
atau
S S
 Rumus tersebut dipakai untuk data tidak
berkelompok maupun data berkelompok.
Bila = 0 atau mendekati nol, maka dikatakan
distribusi data simetri.
Bila bertanda negatif, maka dikatakan distribusi
data miring ke kiri.
Bila bertanda positif, maka dikatakan distribusi
data miring ke kanan.
Semakin besar , maka distribusi data akan
semakin miring atau tidak simetri
 RUMUS MOMEN ( 3 )
Cara lain yang dipakai untuk menghitung
derajat kemiringan adalah rumus momen
derajat tiga, yaitu
Untuk data tidak berkelompok:

3
(X X ) 3

3
nS
Untuk data berkelompok
3 ( f ( X X ) 3
)
f S 3
 Khusus untuk data berkelompok dalam bentuk
tabel distribusi frekuensi , derajat kemiringan
3 dapat dihitung dengan cara transformasi
sebabai berikut:

c
fU fU
3
3
fU 3
fU 2

3 3 3

n 2
S n n n

Jika 3 = 0, maka distribusi data simetri

Jika 3 < 0, maka distribusi data miring ke kiri
Jika 3 > 0, maka distribusi data miring ke kanan
 Untuk mencari nilai Standar deviasi (S)
menggunakan variabel U:

2
n fU ( fU )
2

S c
n(n 1)

Variabel U = 0, 1, 2, 3, dst.
RUMUS BOWLEY
Q3 Q1 Q2

Q3 Q1
 KERUNCINGAN DISTRIBUSI DATA
Keruncingan distribusi data adalah derajat
atau ukuran tinggi rendahnya puncak suatu
distribusi data terhadap distribusi normalnya.
Keruncingan data disebut juga kurtosis, ada 3
jenis yaitu:
Leptokurtis
Mesokurtis
Platikurtis
KERUNCINGAN DISTRIBUSI DATA
 Keruncingan distribusi data (4) dihitung
dengan rumus:
Data tidak berkelompok

4
(X X ) 4

4
nS
Data Berkelompok

4
( f (X X ) ) 4

f *S 4
 Khusus untuk transformasi
4
c fU
4
fU fU fU fU fU
3 2 2 4

4 4 4



6



3
S n n n n n n

Keterangan
4 = 3, distribusi data mesokurtis
4 > 3, distribusi data leptokurtis
4 < 3, distribusi data platikurtis
 Selain cara di atas, untuk mencari keruncingan
data, dapat dicari dengan menggunakan
rumus:
1 K= Koefisien Kurtorsis Persentil
(Q3 Q1 )
JK
K 2
P90 P10 P90 P10

Keterangan
K = 0,263 maka keruncingan distribusi data mesokurtis
K > 0,263 maka keruncingan distribusi data leptokurtis
K < 0,263 maka keruncingan distribusi data platikurtis