UKURAN DISFERSI

PENYIMPANGAN /
DISFERSI
Variasi / selebaran : Derajat yang
memperlihatkan sampai seberapa jauh data
numerin cendrung untuk tersebar disekitar nilai
rata –rata dari suatu nilai distribusi.
 apakah semua nilai yang diobservasi
berdekatan dengan nilai mean atau hanya
sebagian nilai observasi yang nilainya terjauh
dari nilai mean dan bila ada pada bagian arah
mana ?

 Variasi memegang peranan penting dalam

metodologi dan analisa statistik.
Disfersi  Penting :

1. Kita dapat informasi tambahan tentang

penyimpangan yang terjadi pada suatu
distribusi.
2. Dapat menilai ketepatan nilai tengah
dalam mewakili distribusi.
Makin besar nilai variasi semakin kurang
mewakili nilai tengahnya dan sebaliknya
Faktor-Faktor yang menyebabkan Variabilitas :

1. Faktor eksternal.
 Tergantung pada teknik Penelitian dan faktor ini
dapat dikurangi :
. Metode obs berbeda
. Instrumen obs berbeda
. Waktu obs berbeda
. Faktor lingkungan obs berbeda
. Menafsirkan 1 hal yang berbeda
2. Faktor Instrinsik
. Umur
. Herediter
. St. Kesehatan
. Ras Kesukuan
3. Faktor Kebetulan
Faktor ini memegang peranan penting
dalam bidang biostatistik, terutama
dalam survei teknik sampling

Karena ke 3 faktor inilah maka terjadi

variabilitas  masing-masing peneliti
mendapatkan hasil yang tidak sama.
Dibawah ini beberapa ukuran variabilitas :
. Rentang ( Range )
. Kuartile
. Desil
. Presentil
. Mean Deviation
. Standart Deviation ( SD )
. Variance
. Disversi Relatif ( COV ) = Coeffisient Of
Variation
Ad.1. Range.

. Ukuran yang paling sederhana

. Melibatkan 2 nilai dalam distribusi :
Nilai terbesar --- n terkecil
. Dapat dengan segera memperoleh
gambaran kasar tentang besarnya
variasi.
Hal ini penting misalnya pada qualiti kontrol
dari kemurnian obat . Bila kemurnian obat
mempunyai range sangat besar --
membahayakan pemakainya.
Dapat digunakan u/memperkirakan hasil
perhitungan simpangan baku (SD),karena
pada distribusi normal simpangan 1 SD
kira-kira sama dengan 1/6 dari range.Bila
hasil pengukuran simpangan baku amat
jauh dari 1/6 maka kemungkinan :
1.Perhitungan yg salah
2.Distribusi yg tidak normal.
Dapat terjadi :
a. Range sama tetapi Mean berbeda.
b. Range berbeda tetapi meanya sama.
Contoh 1:Distribusi BB Mahasiswa

Kelompok I Kelompok II
40 40
43 39
49 40
60 40
60 43
64 45
65 50
65 52
66 55
70 70
Jumlah 582. 471
Range Kel 1 : 30 Kel 2 : 30
Mean : 58.2 : 47,2.

Cth 2.
Kel 1 Kel 2
40 10
45 35
50 55
55 60
60 90
Julah 250 250
Range 20 80
Mean 50 50
Jadi seolah-olah punya nilai yg sama ,ternyata
range kedua kelompok itu berbeda.Maka
simpulanya bahwa kepandaian kelompok 1
hampir sama namun pada kelompok 2 amat
bervaruiasi.
Ad.2. Deviasi Rata – rata ( Mean Deviasi ).
Pada prinsipnya Md merupakan
modifikasi dari ukuran rata-rata yaitu :
- Bila rata-rata mean adalah jumlah
pengamatan setiap individu dibagi
dengan banyaknya pengamatan
maka......
- Simpangan rata-rata Md : Jumlah
selisih antara hasil setiap
pengamatan dengan rata-rata dibagi
dan banyaknya pengamatan.
Angka selisih antara hasil pengamatan
dengan rata-rata kemungkinan diperoleh
angka negatif ( - ) dan untuk
menghindarkan angka tersebut maka
dalam simpangan rata-rata selisih antara
hasil pengamatan dengan nilai rata-rata
diambil angka mutlaknya tanpa
memperhatikan tanda aljabarnya.
Namun cara ini memiliki kelemahan
karena tidak dapat mengetahui arah
simpangan kekiri atau kekanan.
Rumus : Md ( Populasi ) = Σ |x - μ|
n
Md ( Sampel ) = Σ |x - x|
n
Simpangan rata-rata bermanfaat untuk
mengetahui variasi yang terjadi dalam
satu kelompok pengamatan atau
membandingkan tingkat variabilitas 2
kelompok atau lebih.
Contoh :
BB 2 Kelompok penderita yang masing-
masing terdiri dari 5 orang.
Kel. 1 Kel. 2

BB Mean Selisih BB Mean Selisih

40 50 10 25 50 25
45 5 35 15
50 0 55 5
55 5 60 10
60 10 75 25

250 30 250 80
Kel 1. Kel. 2.
X = 50 x = 50
|x - x| = 30 |x - x| = 80
MD : 30 / 5 = 6 MD : 80 / 5 = 16

Maka dapat dikatakan bahwa variabilitas

kelompok 2 adalah 2,5 kali lebih besar dari
pada kelompok 1.
Ad 3.Deviasi Standar ( SD )
- Merupakan ukuran Deviasi yang sangat penting
dan banyak digunakan dalam statistik.
- Selisih nilai hasil pengamatan dengan rata-rata
juga dapat menghasilkan nilai yang ( - ) juga.
Untuk menghindari hal ini maka boleh pula
diambil nilai absolutnya
- Tetapi juga tidak dapat menentukan arah
penyimpangan ( kiri atau kanan )
- Untuk menghindari kelemahan tersebut maka
selisih hasil hasil pengamatan dengan nilai rata-
ratanya dipangkat duakan hingga hasilnya ( + )a
- Jumlah seluruh selisih hasil pengamatan
dengan rata-rata yang telah dipangkatkan 2
dibagi dengan jumlah pengamatan disebut
VARIANS.
2
= Σ( X – u ) ²
N
- Akar dari Varians adalah nilai SD ( standard
deviasi ) :
SD = ( X – u )²
N
 SD : Standard deviasi
u : rata-rata
x : hasil pengamatan
N : Banyaknya pengamatan.

Cara perhitungan :
1.Data mentah disusun secara berurutan
2.Jumlah hasil pengamatan = ΣX
3.Bagilah ΣX dengan banyaknya pengamatan
( Σ/N = u ).
4.Kurangkan hasil dari tiap pengematan dengan
rata-rata.
5.Hasilnya ( No 4 ) dipangkatkan.
6.Jumlahkan semua hasil no 5 diatas.
7.Bagilah hasil no 5 dengan benyaknya
pengamatan.
8.Hasil no 7 diakarkan.
Secara skematis sbb :
1.x 1, x 2 , .......... Xn.
2.x 1, x 2 , .............=Σx
3.X = ΣX/N
4.( x 1 - x)+(x 2 – x ).... (xn – x )
5.( x1 - x )² + ( x 2 - x )....+ ( x 3 - x )²
6.Σ (xn – x )²
7.SD² = Σ ( x – x )² ( varians )
N
8.SD = Σ (x – x )² ( standard deviasi )
N
Contoh :
Hasil pemeriksaan kadar gula darah puasa 9 org dewasa normal.

No Glukosa P x-x (x – x )²
1 70 -8,1 65,61
2 72 -6,1 37,21
3 76 -2,1 4,41
4 77 -1,1 1,21
5 78 -0,1 0,01
6 79 0,9 0,81
7 80 1,9 3,61
8 85 6,9 47,61
9 86 7,9 62,41
Jlh 703 0,1 222,89
Maka :
X = 703/9 = 78,1

SD = 222,89
9
= 24,7
= 4,9 mg %
Bila glukosa normal adalah x ± 2 SD,
maka nilai normal akan terletak antara
68,3 – 87,9.
Maka :
Simpangan kiri : Simpangan kanan :
1 sd =78,1-4,9 1 sd = 78,1+4,9
2 sd = 78,1- 9,8 2 sd = 78,1+ 9,8
3 sd = 78,1- 14,7. 3 sd = 78,1+ 14,7

3sd 2sd 1sd 78,1 1sd 2sd 3sd

Gbr Distribusi normal kadar gula darah 9 orang dewasa.

Perhitungan SD pada distribusi yg
dikelompokkan dengan cara pengkodean
menggunakan rumus sbb :
Σfd² Σfd ²
2
SD = n n

Contoh : Bila kita menggunakan data pada

halaman sebelumnya ,maka kita dapat
menghitungnya sbb :
 SD = Σfd² Σfd ²
n n
= 199 - 35 ²
30 30
= 5,24
= 2,29

Selain dengan rumus diatas dapat pul dengan

menggunakan rumus : SD = Σfx²
n
Ad 4.Koefisien Variasi (Coeficeint of variation)

Bila kita ingin membandingkan berbagai variasi

atau 2 variabel dengan satuan tg berbeda,maka
tidk dapat kita lakukan perhitungan disfersi
absulut seperti sebelumnya.Misalkan suatu
distribusi dengan rata-rata 5 dan SD 10 ,berarti
terjadi penyimpangan 2 x lebih besar dari pada
rata-rata dan sebaliknya,bila kita mendapatkan
SD 5 dan rata- rata sebesar 500 maka variasi
terhadap nilai rata-rata dapat diabaikan.
 Oleh karenanya kita tidak dapat menggunakan
data untuk perbandingan bila hanya
menggunakan disversi absolut.Salah satu cara
yg dapat digunakan adalah dengan
menggunakan disversi Relatif.
COV merupakan berbandingan antara
simpangan baku terhadap rata-rata yg
dinyatakan dalam persen.
SD
Rumus : COV= x 100 %
X
Contoh :
Seorang analisa A dalam sehari rata-rata
dapat memeriksa 40 sampel darah ,dengan
SD 5.
Analis B dalam 1 hari rata-rata dapat
memeriksa 160 sampel darah dengan SD 15.
Sepintas dapat kita katakan ,bahwa analis B
mempunyai variasi yg lebih besar dibanding
dengan A .Tetapi anlis B dapat memeriksa 4 x
lebih banyak dari pada analis A .
Tetapi bila dihitung dengan COV maka :
 A : COV = 5/40 x 100 = 12,5%
B : COV = 15/160 x 100=9,4 %

Dengan membandingkan secara relatif,maka

analis B mempunyai variasi yg lebih kecil dari
pada A dan B mempunyai kemampuan 4x lebih
besar dari pada A.
 BB 2 Kelompok umur sebnyak 10 orang
Contoh 2 :
BB kel.1/Anak1-15 th BB Kel 2/Dewasa 18-40 th
10 30
12 40
14 45
16 50
18 55
20 60
25 65
27 70
30 75
35 80
207 570
Maka :
n Kel 1 : 10 n kel 2 : 10
x : 20,7 x : 57
SD :7,57 SD : 15,5
COV : (7,57/20)x100 COV : (15,5/57)x100
= 36,3 % = 27,2 %

Simpulan : Kel 1 punya variasi > kel 2

Penggunaan :
Untuk membandingkan 1 variabel dari 2
kelompok dengan satuan yg sama.
Dua variabel dari 1 kelompok dengan satuan
yg berbeda,
Untuk mengetahui homogenitas suatu
kelompok.Bila COV < 10 % maka kelompok
tersebut dianggap cukup homogen.