A. M.

Fadhil Hayat

UKURAN DISPERSI
(PENYEBARAN DATA)
Pendahuluan
Pendahuluan
 Dengan mengetahui nilai rata-rata saja,informasi
yang didapat kadang-kadang bisa salah interpretasi.
 Misalnya, dari dua kelompok data diketahui rata-
ratanya sama, kalau hanya dari informasi ini kita
sudah menyatakan bahwa dua kelompok ini sama,
mungkin saja kita bisa salah kalau tidak diketahui
bagaimana bervariasinya data di dalam kelompok
masing-masing
Mengapa dispersi penting?

 Didapat info tambahan ttg penyimpangan yg

terjadi pada suatu distribusi data.
 Dapat menilai ketepatan nilai tengah dalam
mewakili distribusinya.
 Untuk analisis melalui perhitungan statistik
yang lebih mendalam
Nilai dispersi / nilai variasi

 Adalah nilai yang menunjukkan bagaimana

bervariasinya data di dalam kelompok data
itu terhadap nilai rata-ratanya.
 Jadi, semakin besar nilai variasi maka
semakin bervariasi pula data tersebut.
Mengapa terjadi variasi ?
 Variasi merupakan peristiwa alamiah  dapat
terjadi pada semua kejadian
 Misal : 1) beberapa orang mhs sanitasi mengukur
BOD air (hasil berbeda2), perbedaan disebabkan
variasi antar individu  variasi eksterna
 2) BOD air diukur oleh mhs sanitasi berkali2 pada
waktu berbeda (hasilnya berbeda2), variasi
disebabkan adanya variasi intra-individu  variasi
interna
Definisi
DEFINISI

Ukuran penyebaran data 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.
Ukuran variasi / dispersi, al :
 A. Dispersi absolut :
 Rentang (range)
 Kuartil
 Desil
 Persentil
 Deviasi rata-rata/Rata-rata simpangan (mean deviation)
 Deviasi standar/Simpangan baku (standar deviation)
 Varians
 Kemencengan / skewness
 B. Dispersi relatif
Dispersi absolut
RENTANG (Range)
 Ukuran dispersi paling sederhana
 Range adalah :
selisih antara nilai terbesar dan nilai terkecil dari
data yang telah disusun berurutan
 Contoh Range:
BB 5 orang dewasa 48,52,56,62,dan 67 kg
Range adalah 67 – 48 = 17 kg
Tabel Distribusi berat badan mahasiswa
Berat badan
Kelompok 1 Kelompok 2
40 40
43 40
49 40
60 40
60 43
64 45
65 50
65 52
66 55
70 70
Jumlah 582 475
Range 30 30
Rata-rata 58,2 47,5
Tabel Distribusi nilai ujian
Nilai ujian
Kelompok 1 Kelompok 2
40 10
45 25
50 55
55 70
60 90
Jumlah 250 250
Rata-rata 50 50
Range 20 80
Interpretasi tabel nilai ujian

 Dilihat nilai rata2, kedua kelompok seolah-

olah punya nilai sama
 Namun, range keduanya ternyata berbeda
 Kesimpulan :
 kelompok 1 punya kepandaian merata
 kepandaian kelompok 2 sangat bervariasi
RATA-RATA DEVIASI

 Rata-rata Deviasi (Mean deviation= Md)

adalah rata-rata dari seluruh perbedaan
pengamatan dibagi banyaknya pengamatan.
 Untuk itu diambil nilai mutlak.
Rumus: Md = Σ [ x – x ]
n
Contoh mean deviasi
X (kg) [x–x] [ x – x ]2
48 9 81
52 5 25
56 1 1
62 5 25
67 10 100
285

Mean = 48 + 52 + 56 + 62 + 67 = 57 kg
5
Mean Deviasi = 9 + 5 + 1+ 5 + 10 = 6 kg
5
Menghitung mean deviasi dg Microsoft
Excel
 utk menghitung mean deviasi
dg Microsoft Excel, data
diinput terlebih dahulu. Hasil
input data adalah sbb:

 Dari hasil input tsb, diketahui

bahwa data yg akan dihitung
mean deviasinya berada pada
kolom-baris D5 sampai D14
atau ditulis D5:D14.
 Selanjutnya
penghitungan mean
deviasi menggunakan
fungsi AVEDEV. Di
kolom-baris D15
tempat penghitungan
mean deviasi ditulis =
AVEDEV(D5:D14).
 Contohnya adalah sbb:
 Selanjutnya tekan
ENTER, hasil mean
deviasi adalah sbb:
VARIANS

 Yaitu rata-rata perbedaan antara mean

dengan nilai masing-masing observasi.
 Rumus : V (S2) = Σ ( x – x )2
n-1
 Contoh:
V = 81 + 25 + 1 + 25 + 100 = 58
4
Menghitung varians dg Microsoft Excel

 utk menghitung varians dg

Microsoft Excel, data diinput
terlebih dahulu. Hasil input
data adalah sbb:

 Dari hasil input tsb, diketahui

bahwa data yg akan dihitung
variansnya berada pada
kolom-baris D5 sampai D14
atau ditulis D5:D14.
 Selanjutnya
penghitungan varians
menggunakan fungsi
VAR. Di kolom-baris
D15 tempat
penghitungan varians
ditulis = VAR(D5:D14).
 Contohnya adalah sbb:
 Selanjutnya tekan
ENTER, hasil varians
adalah sbb:
STANDAR DEVIASI
 Standar deviasi = simpangan baku
 Yaitu suatu nilai yang menunjukkan tingkat variasi
suatu kelompok data
 Jika simpangan baku dikuadratkan disebut varians
 Simpangan baku untuk data sampel  “S”,
varians  S2
 Simpangan baku untuk data populasi  “σ” (tho),
varians  σ2
STANDAR DEVIASI
 Rumus :
S = √V = √S2

 Contoh :
S = √58 = 7,6 kg
Menghitung standar deviasi dg
Microsoft Excel
 utk menghitung standar
deviasi dg Microsoft Excel,
data diinput terlebih dahulu.
Hasil input data adalah sbb:

 Dari hasil input tsb, diketahui

bahwa data yg akan dihitung
standar deviasinya berada
pada kolom-baris D5 sampai
D14 atau ditulis D5:D14.
 Selanjutnya
penghitungan standar
deviasi menggunakan
fungsi STDEV. Di
kolom-baris D15
tempat penghitungan
standar deviasi ditulis
=STDEV(D5:D14)
 Contohnya adalah sbb:
 Selanjutnya tekan
ENTER, hasil standar
deviasi adalah sbb:
KEMENCENGAN
 Harga yang menunjukkan seberapa jauhkah distribusi itu
menyimpang dari simetrik. Apabila suatu distribusi itu
simetrik, dan bermodus satu, maka harga rata-rata (mean),
median dan modus berimpit (sama besar). Untuk distribusi
yang tidak simetrik, harga-harga tengah itu tidak sama.
Semakin menceng distribusinya, maka semakin besar jarak
antara mean dan modus.
 Rumus:
Km = rata-rata – modus/deviasi standar
 Untuk distribusi yang tidak terlalu menceng, rumus diatas
dapat diganti dengan:
Km = (3Xrata-rata – modus/deviasi standar)
 Dari rumus diatas terlihat jelas bahwa untuk
distribusi yang simetrik harga kemencenganya = 0.
Untuk distribusi yang mempunyai mean lebih besar
dari modus, harga kemencengannya positif, dan
distribusinya dinamakan menceng positif (kekanan).
Sebaliknya jika mean lebih kecil dari modus, harga
kemencengannya negatif dan distribusinya
dinamakan menceng negatif (kekiri)
 Km = 0 distribusi simetrik
 Km < 0 distribusi menceng kekiri
 Km > 0 distribusi menceng ke kanan
Menghitung kemencengan dg
Microsoft Excel
 utk menghitung
kemencengan dg Microsoft
Excel, data diinput terlebih
dahulu. Hasil input data
adalah sbb:

 Dari hasil input tsb, diketahui

bahwa data yg akan dihitung
kemencengannya berada
pada kolom-baris D5 sampai
D14 atau ditulis D5:D14.
 Selanjutnya
penghitungan
kemencengan
menggunakan fungsi
SKEW. Di kolom-baris
D15 tempat
penghitungan
kemencengan ditulis
=SKEW(D5:D14)
 Contohnya adalah sbb:
 Selanjutnya tekan
ENTER, hasil
kemencengan adalah
sbb:
Dispersi relatif
Ukuran Penyebaran Relatif
 Mengubah ukuran penyebaran menjadi
persentase atau ukuran relatif
 Penggunaan ukuran relatif memberikan
manfaat :
 Data mempunyai satuan pengukuran yang
berbeda
 Data mempunyai satuan ukuran yang sama
Ukuran Penyebaran Relatif

 Koefisien variansi
 Koefisien range
 Koefisien deviasi rata-rata
 Koefisien deviasi standar
Koefisien variansi

 Harga deviasi dalam bentuk persentase.

Berguna untuk membandingkan deviasi dua
kelompok data
 Rumus:

simpangan baku
KV  x100%
rata  rata
Contoh

 Seorang mhs melakukan pengukuran tingkat

variabilitas thd jam kerja tenaga magang di
Puskemas yg berbeda wilayah. Msg2
Puskesmas terdpt 5 tenaga magang hasilnya
seperti pd tabel.
 Hitunglah msg koefisien variasi dr jam kerja
di Puskesmas A, B, C
 Jumlah jam kerja tenaga magang
Sampel Puskesmas Puskesmas Puskesmas
A B C
1 25 15 31
2 20 21 25
3 35 30 19
4 31 42 17
5 27 50 28
Jawab
Koefisien Range
 Pengukuran penyebaran dengan
menggunakan range secara relatif
 Rumusan :
KR = ( (La – Lb) / (La + Lb) ) x 100 %

La : Batas atas data atau kelas tertinggi

Lb : Batas bawah data atau kelas terendah
Koefisien Deviasi Rata - Rata
 Koefisien deviasi rata – rata: Ukuran
penyebaran dengan menggunakan deviasi
rata-rata relatif terhadap nilai rata-ratanya
atau persentase dari deviasi rata-rata
terhadap nilai rata-ratanya
 Rumus :
KMD = [ MD / x ] x 100%
MD = Deviasi rata - rata
X = Nilai rata – rata data
Koefisien Standar Deviasi
 Koefisien standar deviasi: Ukuran penyebaran
yang menggunakan standar deviasi relatif
terhadap nilai rata-rata yang dinyatakan
sebagai persentase
 Rumus
KSD = [ s / x ] x 100 %
S = Standar deviasi
x = Nilai rata – rata data
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 4 = 3
 Leptokurtik 4 > 3
 Platikurtik 4 < 3
 Koefisien kurtosis (data tidak dikelompokan)

1/n ∑(x - ) 4
4 =
4
Koefisien Kurtosis
 Koefisien kurtosis (data dikelompokan)

4 = 1/n ∑ f. (X - )4
4

Jumlah Frekuensi

Standar deviasi Nilai rata – rata hitung

Nilai tengah kelas

Latihan

 Hitunglah Range, rata-rata deviasi, varians

dan standar deviasi dari data nilai mahasiswa
berikut ini:
40, 90, 55, 58, 85, 78, 45, 88, 62, 78, 69, 70, 80,
78, 65, 89, 64, 78 ,62 ,71