Ukuran variasi/penyebaran /

keragaman
Range (nilai kisar)
minimum & maksimum
Rata-rata deviasi (mean deviation)
Varians (keragaman / variasi)
Standar deviasi
Koefisien variasi (Coefisien of Variation)
 NILAI VARIASI
(Ukuran Keragaman)
Variasi (Deviasi)
Adh : Nilai bervariasinya data di dlm klpk
data itu thd nilai rata2nya. (x – x)

Makin besar nilai variasi maka makin

bervariasi pula data tsb.
Macam-macam Nilai variasi :
1. Range = Nilai kisar
adh : nilai yg menyatakan perbedaan
antara nilai terbesar dan nilai terkecil

Mis : 4, 5, 6, 7, 8
Range = 8 – 4 = 4
 2. Rata2 Deviasi (Mean Deviation)
 Adh Rata2 dari seluruh perbedaan pengamatan
dibagi banyaknya pengamatan
 Rumus
MD = RD = ∑ l x – x l ……. Ungroup Data
n

RD = ∑ f lMp – xl
∑ƒ
AT :

RD = ∑ f lMp – xl
n
 Varian
Adh Rata2 hitung dari kuadrat penyimpangan
setiap nilai thd rata2 hitungnya

Rumus :

V = SD2 = ∑ (x – x)2 ……. Ungroup Data

n–1

V = SD2 = ∑ f (Mp – x)2 …. Group Data

n
 Standar Deviasi
 Simpangan baku
 Adh akar dari varian
 Merupakan patukan luas area dibawah kurva normal
 Rumus :

SD = V = ∑ ( x – x )2 ……. Ungroup Data

n–1

SD = V = ∑ f ( Mp – x )2 ……. Group Data

n
Koefisien Varian
 = Koefisien keragaman
= Coeficient of variation
Adh untuk melihat perbedaan besar
keragaman antara dua ukuran yg
mempunyai skala atau satuan berbeda
Rumus

SD
Cov = ------- x 100 %
X
UNGROUP DATA
No Berat Badan x-x (x – x)2
(x)
1 48 - 57 9 81
2 52 -57 5 25
3 52- 57 5 25
4 65 -57 8 64
5 68-57 11 121
285 38 316
No Berat xi – x(bar) (x –
Badan x)2
(x)
1 48 9 81
2 52 5 25
3 52 5 25
4 65 8 64
5 68 11 121
285 38 316
 ∑x
A. Mean = x = -------
n
285
= ------ = 57 kg
5

∑lx–x l
B. Mean Deviasi = MD = RD = -------------
n

38
= ---- = 7,6 kg
5
 2
∑ (x – x )
C. Varians = V = S2 = SD2 = -----------
n–1

316

= ------ = 79
5–1

2
∑(x – x )
D. Standar Deviasi = S = SD = v = ------------
n -1

316
= ------- = 79 = 8,89
5 -1
E. Koefisien Varian
(Coeficient Of Variation = COV)
SD
Cov = --------- x 100 %
X

8,89
= -------- x 100 %
57

= 15,59 %
 Umur
No f Mp f.Mp
(thn)
1 28-31 3 29,5 88,5

2 32-35 8 33,5 268

3 36-39 11 37,5 412,5

4 40-43 11 41,5 456,5

5 44-47 2 45,5 91

6 48-51 3 49,5 148,5

7 52-55 1 53,5 53,5

39 1518,5
 Umur
No f
(thn)
1 28-31 3

2 32-35 8

3 36-39 11

4 40-43 11

5 44-47 2

6 48-51 3

7 52-55 1

39
 X = 38, 9 thn
Umur
No f Mp f.Mp f.(Mp-X) f.(Mp-X)2
(thn)
1 28-31 3 29,5 88,5 3xl9,4l=28,2 3x(88,36)= 265,08

2 32-35 8 33,5 268 8x(5,4)= 43,2 8x(29,16)= 233,28

3 36-39 11 37,5 412,5 11x(1,4)= 15,4 11x(1,96)= 21,56

4 40-43 11 41,5 456,5 11x(2,6)= 28,6 11x(6,76)= 74,36

5 44-47 2 45,5 91 2x(6,6)= 13,2 2x(43,56)= 87,12

6 48-51 3 49,5 148,5 3x(10,6)= 31,8 3x(112,36)= 337,08

7 52-55 1 53,5 53,5 1x(14,6)= 14,6 1x(213,16)= 213,16

39 1518,5 175 1231,64

A. Mean = Rata-Rata Hitung = x
∑(ƒ.Mp) 1518,5
x = ----------- = ------------- = 38, 9 thn
∑ ƒ 39

B. Mean Deviasi = MD = RD
∑ f IMp – x I 175
RD = ---------------- = -------- = 4,49
∑ ƒ 39
C. Varians = V = S2 = SD2

2 1231,64
∑ f (Mp – x)
V = --------------- = ------------- = 31,58
∑ ƒ 39
D. Standar Deviasi = S = SD
2
∑ f (MP – x)
SD = ----------------
∑ ƒ

1231,64
SD = -------------- = 31,58 = 5,62
39
E. Koefisien Varian (Coeficient Of Variation)
SD
Cov = ------- x 100 %
X

5,62
= ------- x 100 %
38,9

= 14,45 %
Contoh
Nyamuk Anopheles x SD
Culicifacies ( mm) ( mm)
Panjang sayap 2,54 0,208
Lebar sayap 0,622 0,0764
Maka:
SD 0,208
Cov ps = ------ x 100% = ------- x 100% = 8%
x 2,54
 SD 0,0764
Cov Ls = ------ x 100% = ------- x 100% = 12%
x 0,622

Jadi variabelitas Lebar Sayap lebih besar

daripada panjang Sayap
 Kurva Normal
Memiliki 2 parameter
populasi…
30
MEAN
20
frekuensi

10

0
-3SD -2SD -1SD  +1SD +2SD +3SD

SKOR
 Kurva Normal
Memiliki 2 parameter
populasi…
30
MEAN
20 STANDARD DEVIASI
frekuensi

10

0
-3SD -2SD -1SD Χ +1SD +2SD +3SD

SKOR
 Kurva Normal

30

20
frekuensi

10

0
-3SD -2SD -1SD  +1SD +2SD +3SD

SKOR
 Kurva Normal

30

20
frekuensi

10

0
-3SD -2SD -1SD  +1SD +2SD +3SD

SKOR
BENTUK KURVA:
 Seperti LONCENG
 SIMETRIS terhadap mean
 Mean, median, & modus equal
 Kurva Normal

30

20
frekuensi

10

0
-3SD -2SD -1SD  +1SD +2SD +3SD

SKOR
TOTAL DAERAH DI BAWAH
KURVA NILAINYA
SATU (100%)
 Kurva Normal

30
…memiliki ekor yang
20 panjangnya
frekuensi

10
tak terhingga

0
~-3SD -2SD -1SD 
SKOR
+1SD ~
+2SD +3SD
 Kurva Normal

30

20
frekuensi

68%

10

0
-3SD -2SD -1SD  +1SD +2SD +3SD
 Kurva Normal

30

20
frekuensi

10
95%

0
-3SD -2SD -1SD  +1SD +2SD +3SD
 Kurva Normal

30

20 99,7%
frekuensi

10

0
-3SD -2SD -1SD  +1SD +2SD +3SD
 Kurva Normal

30
OUTLIER

20
frekuensi

10

0
-3SD -2SD -1SD  +1SD +2SD +3SD

SKOR
 Kurva Normal

30
EKSTRIM

20
frekuensi

10

0
-3SD -2SD -1SD  +1SD +2SD +3SD

SKOR
 UKURAN
KECENDERUNGAN KURVA
Ukuran Simetris atau condongnya suatu
kurva (Skewness)

Diukur dengan menggunakan koefisien skewness, yang dapat

di hitung dengan rumus pearson :

Mean  Modus
Sk 
Deviasi standar

ATAU

3 (Mean  Median)
Sk 
Deviasi standar
Ketentuan besar koefisien skewness :
•Bila koefisien skewness itu (+) berarti mean melebihi median dan
modus, maka kurva condong ke kiri atau ekornya di sebelah kanan.

•Bila koefisien skewness itu (-) berarti mean kurang dari median
dan modus, maka kurva condong ke kanan atau ekornya di
sebelah kiri.

•Bila koefisien skewness itu besarnya (=) 0 berarti mean sama

dengan median dan modus, maka kurva simetris
Ukuran kesimetrisan dari distribusi
frekuensi:
• Skewed ke kiri (mean < median < modus),
koefisien skewness (-)
• Unskewed/simetris (mean = median =
modus), koefisien skewness (0)
• Skewed ke kanan (modus < median <mean),
koefisien skewness (+)
Contoh :
Distribusi I : mean = 55; median = 50; dan deviasi standar = 7
Distribusi II : mean = 47; median = 51; dan deviasi standar = 3

3(55  50) 15
Sk    2,14
Distribusi I : 7 7

3(47  51)  12
Sk    4
Distribusi II : 3 3
CONTOH
Diketahui mediannya= 497,17, modus =504,7,
Standar deviasi dan nilai rata-rata diketahui 144,7
dan 490,7. Cobalah hitung koefisien
kecondongannya!

Penyelesaian:
Cara lain dihitung dengan menggunakan 3
(alpha tiga) yaitu rata-rata penyimpangan data
dari mean, dipangkatkan tiga dibagi dengan
deviasi standar pangkat tiga, dengan rumus
berikut :

1 n
  xi  x 3

n i 1
3  3
s
Ukuran Keruncingan Distribusi (Kurtosis)

Untuk mengukur runcing atau tumpulnya suatu distribusi biasanya

digunakan 4, yaitu rata-rata dari selisih antara data-data dengan mean
pangkat empat, dibagi deviasi standar pangkat empat, atau dengan rumus
berikut :
n
1
  xi  x 4

n i 1
4  4
s
Ketentuan apakah distribusi itu runcing atau
tumpul sebagai berikut :

• Apabila 4 lebih besar dari 3 berarti diagram distribusi itu runcing,

disebut leptocurtic.

• Apabila 4 kurang dari 3 berarti diagram distribusi itu landai,

disebut platycurtic.

• Apabila 4 sama dengan 3 berarti diagram distribusi itu

berbentuk bel dan normal, tidak terlalu runcing dan tidak terlalu
tumpul