Ukuran Penyebaran (Variabilitas)
Ukuran Penyebaran (Variabilitas)
(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)
Dispersi relatif
Koefisien variasi (coeficient of variation)
RANGE/ JANGKAUAN DATA (r)
• Range: Selisih nilai maksimum dan nilai minimum
Rumus:
Range (r) = Nilai max – nilai min
X X Dimana:
X = nilai data
SR
X = rata – rata hitung
n = Σf = 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)
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):
XX
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
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 X f X X (X X )2 f (X X)2
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:
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
Lampu jenis A: KV1 X *100% 1500 *100% 18,3%
1
X Mod 3( X Med )
atau
S S
• Rumus tersebut dipakai untuk data tidak
berkelompok maupun data berkelompok.
– Bila α = 0 atau mendekati nol, maka dikatakan
distribusi data simetri.
– Bila α bertanda negatif, maka dikatakan distribusi
data miring ke kiri.
– Bila α bertanda positif, maka dikatakan distribusi
data miring ke kanan.
– Semakin besar α, 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 S3
• Khusus untuk data berkelompok dalam bentuk
tabel distribusi frekuensi , derajat kemiringan
α3 dapat dihitung dengan cara transformasi
sebabai berikut:
c
fU fU
3
3
fU 3
fU 2
3 3 3
2
S n n n n
2
n fU ( fU )
2
S c
n(n 1)
4
(X X ) 4
4
nS
• Data Berkelompok
4
( f (X X ) ) 4
f *S 4
• Khusus untuk transformasi
• Keterangan
– α4 = 3, distribusi data mesokurtis
– α4 > 3, distribusi data leptokurtis
– α4 < 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