sCp.

A. Pengertian Ukuran Variabilitas

Ukuran penyebaran (variabilitas)

adalah suatu ukuran yang menyatakan
seberapa besar nilai-nilai data berbeda
atau bervariasi dengan nilai ukuran
pusatnya atau seberapa besar
penyimpangan nilai-nilai data dengan
nilai pusatnya

#
S1 PENDIDIKAN TEKNIK INFORMATIKA
 B.Simpangan Rata-Rata
• Ukuran penyebaran didasarkan pada:
– Nilai maksimum dan minimum
– Seluruh nilai data
– Dihitung terhadap nilai rata-ratanya
• Jika nilai deviasi rata-rata kecil, nilai data
terkonsentrasi di sekitar nilai pusat
• Jika nilai deviasi rata-rata besar, nilai data tersebar
jauh dari nilai rata-ratanya

Jadi, deviasi rata-rata adalah suatu simpangan nilai

unit observasi terhadap rata-rata

#
S1 PENDIDIKAN TEKNIK INFORMATIKA
1.Deviasi Rata-Rata dari Data Tunggal
Keterangan:
SR=simpangan rata-rata
= nilai rata-rata
= data ke-i
n = banyaknya data

2.Simpangan Rata-Rata dari Data yang

Dikelompokkan

#
S1 PENDIDIKAN TEKNIK INFORMATIKA
C.Simpangan Standar (Standar
Deviasi)
• Simpangan standar adalah ukuran penyebaran
data yang dianggap paling baik karena memiliki
kebaikan secara matematis untuk pengukuran
penyebaran.
• Dapat digunakan untuk membandingkan suatu
rangkaian data dengan rangkaian data lainnya.
• Simpangan standar suatu rangkaian data adalah
akar pangkat dua dari kuadrat terhadap mean.
Dengan kata lain simpangan standar adalah akar
pangkat dua dari variasi.

#
S1 PENDIDIKAN TEKNIK INFORMATIKA
1.Simpangan Standar Data yang Belum
Dikelompokkan

Keterangan:
S = Simpangan Standar
xi = nilai ke-I
= nilai rata-rata
N = banyaknya data

2.Simpangan Standar dari Data Berkelompokkan

• Pada data yang telah dikelompokkan, nilai datanya dianggap
nilai yang mewakili seluruh data pada masing-masing kelasnya

#
S1 PENDIDIKAN TEKNIK INFORMATIKA
D.Koefisien Variasi

Koefisien variasi (KV)

atau Koevisien varians

Pengertian:
Membandingkan kegunaan:
antara simpangan Untuk mengamati varian data atau
standar dan harga sebaran data dari rata-rata
atau nilai rata-rata hitungnya.
yang dinyatakan Jika koefisien variansi semakin
dengan presentase kecil  data semakin homogen.
Jika koefisien variasi semakin
besar  data semakin heterogen

#
S1 PENDIDIKAN TEKNIK INFORMATIKA
E.Nilai Standar (Angka Baku)

Nilai Standar (angka baku)

Pengertian: Rumus:
Perubahan yang
dipergunakan untuk
membandingkan dua
buah keadaan atau Keterangan:
lebih. Angka baku x = nilai terendah
yang lazim = nilai rata-rata
digunakan adalah Z s = simpangan
score standar

#
S1 PENDIDIKAN TEKNIK INFORMATIKA
F. Ukuran Kemiringan

Gambar 6.1 Kurva Simetris

Jika nilai data tersebar

merata antara sebelah kiri
dan sebelah kanan rata-rata,
kurva akan berbentuk
simetris (gambar 6.1)

#
S1 PENDIDIKAN TEKNIK INFORMATIKA
 Gambar 6.2 Kurva Condong ke Kanan Gambar 6.3 Kurva Condong ke Kiri

Jika nilai data tersebar merata antara sisi –sisi kiri dan kanan
rata-ratanya, kurva akan condong ke kiri atau ke kanan (gambar
6.2 dan 6.3

#
S1 PENDIDIKAN TEKNIK INFORMATIKA
Untuk mengetahui apakah data mengikuti kurva
simetris, kurva negatif , atau kurva positif dapat
melihatnya berdasarkan nilai koefisien

a. Koefisien kemiringan b. Koefisien Kemiringan

pertama dari Karl Person kedua dari Karl person

Keterangan: Keterangan:
SK = koefisien kemiringan SK = koefisien kemiringan
= modus = modus
S = simpangan standar S = simpangan standar
= rata-rata = rata-rata

#
S1 PENDIDIKAN TEKNIK INFORMATIKA
 G. Kurtosis
Dilihat dari keruncingannya, kurva distribusi frekuensi
dapat digolongkan menjadi 3, yaitu:
1. Kurva Leptokurtik
Kurva leptokurtik adalah kurva
distribusi yang sangat runcing dan
nilai-nilai datanya sangat terpusat
di sekitar rata-rata.

2. Kurva Mesokurtik
Kurva mesokurtik adalah kurva
yang kemiringannya sedang dan
merupakan penggambaran dari
suatu distribusi normal.

#
S1 PENDIDIKAN TEKNIK INFORMATIKA
3. Kurva Platikurtik
kurva platikurtik adalah
kurva yang bentuknya
mendatar dan nilai-nilai
datanya tersebar secara
merata sampai jauh dari
rata-ratanya

Untuk mengetahui apakah suatu kurva distribusi

merupakan kurva leptokurtik, mesokurtik, atau
platikurtik dapat menggunakan ukuran teruncing atau
koefisien kurtosis

#
S1 PENDIDIKAN TEKNIK INFORMATIKA
Untuk menghitung tingkat keruncingan suatu kurva (koefisien
kurtosis) dipergunakan rumus yang dirumuskan berikut ini:

Keterangan:
= koefisien kurtosis
xi = nilai ke-I
= nilai rata-rata
n = banyaknya data
s = simpangan standar

Keterangan:
= koefisien kurtosis
xi = nilai ke-I
= nilai rata-rata
n = banyaknya data
s = simpangan standar

#
S1 PENDIDIKAN TEKNIK INFORMATIKA
Berdasarkan koefisien kurtosisnya, jenis kurvanya dikategorikan
sebagai berikut:

1 ˃ 3, kurva runcing (leptokurtik)

2 = 3, kurva distribusi normal (mesokurtik)

3 ˂ 3, kurva agak datar (platikurtik)

#
S1 PENDIDIKAN TEKNIK INFORMATIKA
 #
S1 PENDIDIKAN TEKNIK INFORMATIKA