STATISTIKA DESKRIPTIF

UKURAN DISPERSI
dr. Dedi Ardinata, M.Kes
Statistik dan Statistika
■ Statistik : nilai-nilai ukuran data yang mudah dimengerti.
Contoh : statistik liga sepak bola Indonesia

■ Statistika : ilmu yang berkaitan dengan cara pengumpulan,

pengolahan, analisis dan pernarikan kesimpulan atas data.
Jenis-Jenis Statistika
■ Statistika deskriptif: metode yang berkaitan dengan
pengumpulan dan penyajian data.

■ Statistika inferensi: metode yang berkaitan dengan analisis

sampel untuk penarikan kesimpulan tentang karakteristik
populasi.
Apakah Statistik Deskriptif Itu?
■ Statistika deskriptif adalah cabang statistik yang menjabarkan
karakteristik suatu gugus data secara kuantitatif.

■ Statistika deskriptif dapat dibedakan dari statistik inferensia

karena statistika deskriptif bertujuan untuk meringkas suatu
gugus data, bukan untuk menarik kesimpulan pada
populasi yang lebih besar.
 Apakah Statistik Deskriptif Itu?
Walaupun kesimpulan analisa suatu data didapat dengan menggunakan statistika
inferensia, biasanya statistika deskriptif juga mempunyai peran.

Misalnya, dalam penelitian penggunaan obat yang melibatkan manusia sebagai

subjeknya, pasti akan diberikan tabel mengenai jumlah sampel, jumlah sampel pada
bagian populasi (misalnya, pada tiap dosis yang berbeda atau pada tiap jam yang
berbeda), and karakteristik demografi atau klinis seperti, rata-rata umur, dan
perbandingan jumlah subjek laki-laki dan perempuan.
Kapan Statistik Deskriptif Diaplikasikan?

■ Analisa Univariate
– Analisa Univariate adalah analisa yang
mempelajari kasus-kasus dengan variabel tunggal
dengan memfokuskan pada tiga karakteristik:
■ Distribusi,
■ Tendensi Sentral, dan
■ Ukuran Dispersi.
Ukuran Dispersi
■ Ukuran dispersi/pemencaran/penyebaran/pengukuran penyimpangan adalah suatu
ukuran yang menunjukkan tinggi rendahnya perbedaan data yang diperoleh dari
rata-ratanya (mean-nya)

■ Ukuran dispersi biasanya digunakan bersamaan dengan tendensi sentral untuk

mempelajari distribusi data.

Misal: mean±SD atau median (range)

 PENGUKURAN DISPERSI
TUJUANNYA adalah untuk mengetahui penyebaran suatu kelompok data, agar kita
dapat menentukan kelompok data (nilai) yang bersifat homogen (tidak bervariasi),
heterogen (sangat bervariasi) dan relatif homogen (tidak begitu bervariasi).

Perhatikan 3 kelompok data berikut ini :

KLP. 1 50 50 50 50 50 rata-rata = 50
KLP.2 50 40 30 60 70 rata-rata = 50
KLP.3 100 40 80 20 10 rata-rata = 50

Rata-ratanya sama = 50 namun

KLP.1 : mewakili rata-rata kelompok data dengan baik, tetapi
KLP.3 dapat mewakili rata-rata kelompok dengan tidak baik.
 JENIS UKURAN DISPERSI

Dispersi absolut / mutlak Dispersi relatif

untuk mengetahui
Simpan tingkat variasi nilai observasi
Deviasi Simpan
Jangka
pada suatu data
gan Varian baku gan
uan/Re
rata-rata si (standa kuartil
ntang (mean (quartile
Koefisien variasi (coeficient of variation)
(varian rd
(Range deviatio deviatio
ce) deviati
, R) n) on) n)

membandingkan tingkat variasi nilai observasi

pada suatu data dengan tingkat variasi nilai
observasi data-data lainnya
1. Rentang (R) :

Selisih antara nilai maksimal (Xmax) dan minimal (Xmin) dalam suatu distribusi
data. Sangat dipengaruhi oleh nilai ekstrim.

DATA TUNGGAL : Rumus R = Xmax - Xmin

CONTOH : cari range dari data berikut :

40, 45, 49, 47, 50, 100, 47, 42, 48, 49,

JAWAB : DATA HARUS DIURUT DULU MENJADI :

40, 42, 45, 47, 47, 48, 49, 49, 50, 100

Xt=100 dan Xr=40 → R = 100 - 40 = 60

Penentuan range sebuah distribusi merupakan pengukuran dispersi yang paling sederhana.
Kelemahannya :

hanya ditentukan oleh 2 nilai observasi.

Jika pada data terdapat nilai ekstrim, range akan memberikan

gambaran yang variasinya kurang benar.

Contoh :
40, 42, 45, 47, 47, 48, 49, 49, 50, 100
Range = 100 – 40 = 60
UNTUK DATA BERKELOMPOK • Cara-1
Nilai tengah kelas terakhir = (72 + 74 ) /2 = 73
Untuk data berkelompok, R dihitung dengan dua cara : Nilai tengah kelas pertama = (60 + 62)/2 = 61
1. R = ½ (Nilai tengah kelas terakhir – Nilai tengah kelas Jadi R = 73 – 61 = 12 Kg.
pertama)
2. R = ½ (Batas atas kelas terakhir – Batas bawah kelas
pertama). • Cara-2
Nilai Batas atas kelas terakhir = 74,5 Kg
Contoh : Hitung R dari berat badan 100 Mahasiswa dibawah ini. Nilai Batas bawah kelas pertama = 59,5 kg
Jadi R = 74,5 – 59,5 = 15 Kg.
Berat Badan (Kg) Banyaknya (f)
60 – 62 5 Catatan :
63 – 65 18 Cara-1 Cenderung menghilangkan kasus-kasus
66 – 68 42 ekstrim.
69 – 71 27
72 – 74 8
Nilai R akan selalu positif.

Interpretasi nilai R adalah:

◦ R = 0, menunjukkan bahwa data terbesar sama dengan data terkecil,

akibatnya semua data memiliki harga yang sama

◦ R kecil, memberikan informasi bahwa data akan mengumpul di sekitar

pusat data

◦ R besar, menyatakan bahwa paling sedikit ada satu data yang harganya
berbeda jauh dengan data lainnya

15
2. Simpangan rata-rata (mean deviation):

Simpangan Rata-rata (SR) adalah jumlah nilai mutlak dari selisih semua
nilai dengan nilai rata-rata dibagi banyaknya data.
Baik pada populasi maupun sampel digunakan rumus yang sama untuk
menghitung simpangan rata-rata. Akan tetapi, digunakan simbol yang
berbeda untuk mean (µ pada populasi dan x pada sampel) dan untuk
banyaknya data (N pada populasi dan n pada sampel)
116-140,525 = 24,525

n genap

n ganjil

n=9 → (9+1)/2=5 →X5 =116

4x20,475=81,900
3. Variansi (variance)
Variansi adalah rata-rata kuadrat selisih atau kuadrat simpangan dari semua nilai data
terhadap rata-rata hitung. Untuk menghitung variansi, digunakan rumus dan simbol yang
berbeda antara data sampel dan data populasi.
4. Deviasi baku (standard deviation)

Deviasi baku adalah adalah akar pangkat dua dari variansi. Oleh karena
itu, tentunya terdapat perbedaan rumus dan simbol untuk menghitung
deviasi baku pada data populasi dan data sampel
5. Simpangan kuartil (quartile deviation)

Simpangan kuartil merupakan ukuran setengah jarak antara kuartil ke 3 dan kuartil ke 1.
Rumusan : SK = [ K3 – K1 ] / 2

Simpangan kuartil (SK) digunakan untuk :

• melihat lokasi dari data.
• melihat apakah ada data pencilan (nilai ekstrim) atau data yang menyimpang, yaitu
data Q yang nilainya :
- lebih kecil dari pagar luar (Q1 – SK)
- lebih besar dari pagar dalam (Q3 + SK) ( karena salah catat atau salah ukur ).
Contoh Cara Mencari Kuartil Data Tunggal

1. Kuartil data tunggal dengan jumlah data ganjil

Terdapat sejumlah data pengujian yang terdiri dari 5, 7, 4, 4, 6, 2, 8. Tentukan Q1, Q2 dan Q3.

Langkah 1 : urutkan data menjadi 2, 4, 4, 5, 6, 7, 8.

Langkah 2 : Cari Q1, Q2 dan Q3 berdasarkan rumus Kuartil data

tunggal.

Q1 = ¼ (n+1) Q2 = ½ (n+1) Q3 = ¾ (n+1)

Q1 = ¼ (7+1) Q2 = ½ (7+1) Q3 = ¾ (7+1)
Q1 = ¼ (8) Q2 = ½ (8) Q3 = ¾ (8)
Q1 = 2 Q2 = 4 Q3 = 6

Berarti Q1 berada di posisi 2 Berarti Q2 berada di posisi 4 Berarti Q3 berada di posisi 6

yaitu angka 4 yaitu angka 5 yaitu angka 7
 2. Kuartil data tunggal dengan jumlah data genap
Hitunglah Q1, Q2 dan Q3 dari data berikut ini : 1, 3, 3, 4, 5, 6, 6, 7.
Langkah 1 : urutkan data menjadi 1, 3, 3, 4, 5, 6, 6, 7.
Langkah 2 : Cari Q1, Q2 dan Q3 berdasarkan rumus Kuartil data tunggal.

Q1 = ¼ (n+1) Q2 = ½ (n+1) Q3 = ¾ (n+1)

Q1 = ¼ (8+1) Q2 = ½ (8+1) Q3 = ¾ (8+1)
Q1 = ¼ (9) Q2 = ½ (9) Q3 = ¾ (9)
Q1 = 2,25 → Posisi diantara 2 Q2 = 4,5 → Posisi diantara 4 Q3 = 6,75 → Posisi diantara 6
dan 3 dan 5 dan 7

maka hitung rata-rata dari angka maka hitung rata-rata dari angka Maka hitung rata-rata dari
yang berada di posisi 2 dan 3 yang berada di posisi 5 dan 6 angka berada di posisi 6 dan 7
yaitu (3+3)/2 = 3 yaitu (4+5)/2 = 4,5 yaitu (6+6)/2 = 6
Kuartil data tunggal dengan jumlah data ganjil
Terdapat sejumlah data pengujian yang terdiri dari 5, 7, 4, 4, 6, 2, 8. Hitung nilai Q1, Q2 dan Q3.
Langkah 1 : urutkan data menjadi 2, 4, 4, 5, 6, 7, 8

Q1 = ¼ (n+1) Q2 = ½ (n+1) Q3 = ¾ (n+1)

Q1 = ¼ (7+1) Q2 = ½ (7+1) Q3 = ¾ (7+1)
Q1 = ¼ (8) Q2 = ½ (8) Q3 = ¾ (8)
Q1 = 2 Q2 = 4 Q3 = 6

Berarti Q1 berada di posisi 2 Berarti Q2 berada di posisi 4 Berarti Q3 berada di posisi 6

yaitu angka 4 yaitu angka 5 yaitu angka 7
Kuartil Data Kelompok
Interval kelas
i =5
cfb = Frek. Kumulatif dibawah kelas berisi Q3
= 28

fQ = frek. Kelas yang mengandung Q3

= 36

B1=70-0,5
=69,5 N = 40
6. Koefisien variasi (coeficient of variation)
Digunakan untuk membandingkan beberapa kumpulan data yang berbeda

Contoh:
Diketahui data hasil ujian dari 120 orang

MK Statistik: MK Matematika:
• Rata-rata = 56 • Rata-rata = 65
• Deviasi Baku = 23 • Simpangan Baku = 30

Tentukan hasil ujian yang mana yang variansinya lebih besar

Karena Vs > Vm berarti hasil ujian statistik lebih bervariasi (heterogen)

dibanding hasil ujian matematika.
TERIMAKASIH