UKURAN PENYEBARAN

(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

• Range untuk kelompok data dalam bentuk distribusi

frekuensi diambil dari selisih antara nilai tengah kelas
maksimum – nilai tengah kelas minimum
 Simpangan Rata2/ Mean Deviation (SR)

• Simpangan rata – rata: jumlah nilai mutlak dari selisih

semua nilai dengan nilai rata – rata, dibagi banyaknya
data.
• Rumus
• Untuk data tidak berkelompok

 X X Dimana:
X = nilai data

SR  X = rata – rata hitung

n = banyaknya data
n
• Untuk data berkelompok
Dimana:
( f X  X ) 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)

• Standar deviasi: akar pangkat dua dari variansi

• Rumus:
Untuk data tidak berkelompok
 X  X 
2

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):
 XX
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

S  650  25, 495

 Contoh Soal
• Data Berkelompok
Diketahui data pada tabel dibawah ini:

Modal Frekuensi Tentukan:

a. Range (r)
112 - 120 4 b. Simpangan rata – rata (SR)
121 - 129 5 c. Variansi
130 - 138 8 d. Standar Deviasi
139 - 147 12
148 -156 5
157 -165 4
166 - 174 2
40
 JAWAB
• Range (r)= (nilai tengah tertinggi – nilai tengah terendah)/2
• Simpangan rata – rata
( f X  X )
SR 
n
n = jml frekuensi
• Variansi

 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:

• Range (r) = 170 – 116 = 54

• Simpangan rata – rata
455,850
SR   11,396
40
• Variansi
8097,974 8097,974
S 
2
  207, 64
40  1 39
• Standar Deviasi
S  207, 64  14, 41
 JANGKAUAN QUARTIL
DAN JANGKAUAN PERSENTIL 10-90

• Jangkauan kuartil disebut juga simpangan kuartil, rentang

semi antar kuartil, deviasi kuartil. Jangkauan persentil 10-90
disebut juga rentang persentil 10-90
• Jangkauan kuartil dan jangkauan persentil lebih baik daripada
jangkauan (range) yang memakai selisih antara nilai
maksimum dan nilai minimun suatu kelompok data
• Rumus:
Jangkauan Kuartil:
1 Ket:
JK  (Q3  Q1 ) JK: jangkauan kuartil
2 Q1: kuartil bawah/ pertama
Q3: kuartil atas/ ketiga
• Rumus Jangkauan Persentil

JP1090  P90  P10

• KOEFISIEN VARIASI/ DISPERSI RELATIF
 Untuk mengatasi dispersi data yang sifatnya mutlak, seperti
simpangan baku, variansi, standar deviasi, jangkauan kuartil,dll
 Untuk membandingkan variasi antara nilai – nilai bersar dengan nilai
– nilai kecil.
 Untuk mengatasi jangkauan data yang lebih dari 2 kelompok data.

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

Lampu jenis B: KV  S2 *100%  300 *100%  17,1%

2
X2 1750
• Nilai rata – rata ujian akhir semester mata kuliah Statistika
dengan 45 mahasiswa adalah 78 dan simpangan baku/standar
deviasi (S) = 10. Sedangkan untuk mata kuliah Bahasa Inggris
di Kelas itu mempunyai nilai rata – rata 84 dan simpangan
bakunya (S) = 18. Bila dikelas itu, Desi mendapat nilai UAS
untuk kalkulus adalah 86 dan untuk bahasa Inggris adalah 92,
bagaimana posisi/ prestasi Desi di kelas itu?
• Jawab
• Untuk mengetahui posisi/ prestasi Desi, maka harus dicari
nilai baku (Z) dari kedua mata kuliah tersebut.
X X
Z
S
dengan nilai X adalah nilai UAS yang diperoleh Desi
• Untuk Mata Kuliah Statistika
X = 86 S = 10
X  78
Maka:
86  78
Z  0,8
10
• Untuk Mata Kuliah Bahasa Inggris
X = 92 S = 18
X  84
Maka:
92  84
Z  0, 4
18(Z) untuk mata kuliah Statistika
Karena nilai baku
lebih besar dari B. Inggris, maka posisi Desi lebih baik
pada mata kuliah Statistika dari pada B. Inggris
 KEMIRINGAN DATA
• Kemiringan: derajat/ ukuran dari
ketidaksimetrian (asimetri) suatu distribusi
data
• 3 pola kemiringan distribusi data, sbb:
– Distribusi simetri (kemiringan 0)
– Distribusi miring ke kiri (kemiringan negatif)
– Distribusi miring ke kanan (kemiringan positif)
• Beberapa metoda yang bisa dipakai untuk
menghitung kemiringan data, yaitu:
– Rumus Pearson
– Rumus Momen
– Rumus Bowley
• Rumus Pearson (α)

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  


– Jika α3 = 0, maka distribusi data simetri

– Jika α3 < 0, maka distribusi data miring ke kiri
– Jika α3 > 0, maka distribusi data miring ke kanan
 – Untuk mencari nilai Standar deviasi (S)
menggunakan variabel U:

2  
 n fU  ( fU ) 
2

S c  
 n(n  1) 

– Variabel U = 0, ±1, ±2, ±3, dst.

• RUMUS BOWLEY
Q3  Q1  Q2

Q3  Q1
 KERUNCINGAN DISTRIBUSI DATA
• Keruncingan distribusi data adalah derajat
atau ukuran tinggi rendahnya puncak suatu
distribusi data terhadap distribusi normalnya.
• Keruncingan data disebut juga kurtosis, ada 3
jenis yaitu:
– Leptokurtis
– Mesokurtis
– Platikurtis
KERUNCINGAN DISTRIBUSI DATA
• Keruncingan distribusi data (α4) dihitung
dengan rumus:
• Data tidak berkelompok

4 
 (X  X ) 4

4
nS
• Data Berkelompok

4 
 ( f (X  X ) ) 4

 f *S 4
 • Khusus untuk transformasi

c fU  fU  fU   fU  fU   fU  

 4 3 2 2 4
4
4  4  4
 

 
 6
 

 
 3  
S n  n  n   n  n   n  
 

• 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