PENGUKURAN DISPERSI,

KEMIRINGAN, DAN KERUNCINGAN

DISTRIBUSI DATA

1
 HOMOGEN DAN
HETEROGEN DATA
I. 50,50,50,50,50
II. 30,40,50,60,70
III. 20,30,50,70,80

Ketiga kelompok data mempunyai rata-rata

hitung yang sama, yaitu :

X  50
2
 DISPERSI DATA
Ukuran penyebaran suatu kelompok data terhadap pusat
data.
Jenisnya :
1) Dispersi mutlak
- Jangkauan (Range)
- Simpangan Rata-rata (Mean Deviation)
- Variansi (Variance)
- Standar Deviasi (Standart Deviation)
- Simpangan Kuartil (Quartile Deviation)

2) Dispersi relatif
Koefisien Variasi (Coeficient of Variation)

3
 Ukuran Dispersi
• Range (Jangkauan Data) – interval terkecil yang
memuat semua data. Didapat dengan mencari
selisih nilai maksimum dengan nilai minimum.
• Standar deviasi – menunjukkan seberapa jauh
deviasi data pada suatu gugus dari nilai tengahnya.
• Varians – menunjukkan seberapa jauh penyebaran
satu nilai dengan nilai yang lain pada gugus data.
• Kuartil & Jangkauan antar kuartil – memecahkan
data menjadi empat bagian yang rata.
 1. Jangkauan/Rentang
Merupakan ukuran dispersi yg merupakan selisih nilai
maksimum dan minimum

r = nilai maksimum – nilai minimum

Semakin kecil nilai r maka kualitas data akan semakin

baik, sebaliknya semakin besar nilai r, maka kualitasnya
semakin tidak baik.

5
 Rentang
• Merupakan ukuran dispersi yg merupakan
selisih nilai maksimum dan minimum.

Rentang = data terbesar – data terkecil

R  95 - 26  69
Kuartil
 Jangkauan Antar Kuartil
• Merupakan selisih antara q1 dan q3 yang merupakan titik tengah dari
seluruh distribusi

• Deviasi Kuartil
Dq   q3  q1  / 2
Dq   87  46  / 2  20,5

Dq   q3  q1  / 2
• Median

Dq   87  46 / 2  66,5
 2. SIMPANGAN RATA-RATA
Jumlah nilai mutlak dari selisih semua nilai dengan
nilai rata-rata dibagi dibagi dengan banyaknya data.

Data tidak berkelompok :

X-X
SR 
n

Data berkelompok :
f X - X
SR 
f
9
 SIMPANGAN RATA-RATA (lanjutan)

Contoh :
Interval Kelas X f X-X f X-X

9-21 15 3 50,92 152,76

22-34 28 4 37,92 151,68
35-47 41 4 24,92 99,68
48-60 54 8 11,92 95,36
61-73 67 12 1,08 12,96
74-86 80 23 14,08 323,84
87-99 93 6 27,08 162,48
Σf = 60 998,76

998,76
SR   16,646
60
10
 3. STANDAR DEVIASI
Akar pangkat dua dari Variansi. Disebut juga
Simpangan Baku.

Data sample tidak berkelompok :

S

 X-X  2

atau S 
n X -  X 
2 2

n -1 n  n - 1

Data sample berkelompok :

S

f X - X  2

atau S 
nfX2 -  fX  2
f - 1 n  n - 1
n  f
11
 4. VARIANSI
Rata-rata kuadrat selisih dari semua nilai data
terhadap nilai rata-rata hitung.

Data sampel tidak berkelompok :

S2 
X - X  2

atau S2 
n X 2
-  X 
2

n -1 n  n - 1

Data sample berkelompok :

S 
2  fX - X 
atau S 
2
2
n  fX 2
-  fX 
2

f - 1 n  n - 1
n  f
12
 STANDAR DEVIASI (lanjutan)
Contoh 1 :
Interval Kelas X f X - X 2

f X-X  2

9-21 15 3 2592,85 7778,55

22-34 28 4 1437,93 5751,72
35-47 41 4 621 2484
48-60 54 8 142,09 1136,72
61-73 67 12 1,17 14,04
74-86 80 23 198,25 4559,75
87-99 93 6 733,33 4399,98
Σf = 60 26124,76

26124,76
S 
2
 442,79
60 - 1
S  442,79  21,04 13
 STANDAR DEVIASI (lanjutan)
Menghitung Variansi dan Standar Deviasi juga dapat
menggunakan Kode (U).


2
S c 
2 n  fU 2
-   fU  2


 n  n - 1 

 nfU 2 -  fU  2 
S  c  , n  f
 n  n - 1 

14
 STANDAR DEVIASI (lanjutan)
Contoh 2 :
Interval Kelas X U f fU fU2
9-21 15 -3 3 -9 27
22-34 28 -2 4 -8 16
35-47 41 -1 4 -4 4
48-60 54 0 8 0 0
61-73 67 1 12 12 12
74-86 80 2 23 46 92
87-99 93 3 6 18 54
Σf = 60 ΣfU = 55 205


2
S  13 
60 205  -  55  2

  442,79
2

 60 60 - 1 
S  442,79  21,04
15
 Koefisien Variasi
• Untuk membandingkan 2 kelompok dengan
variabel yang sama tetapi nilai yang berbeda.

KV  ( SD / X ) x100%
KEMIRINGAN DISTRIBUSI DATA
Derajat atau ukuran dari ketidaksimetrian
suatu distribusi data.

Ada 3 rumus :
1. Pearson
2. Momen
3. Bowley

17
 1. RUMUS PEARSON


X - Mod
atau  

3 X - Med 
S S
  derajat kemiringan Pearson

Bila :
1.   0, maka distribusi datanya simetri
2.   0, maka distribusi datanya miring ke kiri
3.   0, maka distribusi datanya miring ke kanan

18
UKURAN KEMENCENGAN/SKEWNESS:

Kemencengan atau kecondongan (skewness) adalah tingkat

ketidaksimetrisan sebuah distribusi
Karl Pearson
Simetris  X = Me = Mo

Tidak simetris  X ≠ Me ≠ Mo

Menceng Kiri Menceng Kanan

19
UKURAN KEMENCENGAN/SKEWNESS:
KOEFISIEN KEMENCENGAN PEARSON:
Rumus:
X − Mo 3(X − Me)
sk = ----------- atau sk = --------------
s s
Jika
Sk = 0  kurva simetris
Sk > 0  menceng kanan
Sk < 0  menceng kiri

Contoh: Nilai ujian Frekuensi

31 – 40 4
41 – 50 3
51 – 60 5
61 – 70 8
71 – 80 11
81 – 90 7
91 – 100 2
Jumlah 40

20
UKURAN KEMENCENGAN/SKEWNESS:

21
 2. RUMUS MOMEN
Data tidak berkelompok

3 
 X-X   3

3
nS
Data berkelompok

3 

f X - X  3

atau
fS 3

c3  fU 3  fU 2  fU   fU  

3

3  3  - 3    2  
S  n  n  n   n  

22
 RUMUS MOMEN (lanjutan)

1. Jika  3  0, maka distribusi datanya simetri

2. Jika  3  0, maka distribusi datanya miring kiri

3. Jika  3  0, maka distribusi datanya miring kanan

23
 3. RUMUS BOWLEY
Sk = (Q3-Q2)-(Q2-Q1)/ (Q3-Q2)+(Q2-Q1)
Sk = (Q3-2Q2+Q1)/Q3-Q1
1. Jika Q3 - Q2 = Q2 - Q1 atau Q3 + Q1 - 2Q2 = 0 maka α = 0 dan
distribusi datanya simetri

2. Jika Q1 = Q2 maka α = 1 dan distribusi datanya miring ke kanan

3. Jika Q2 = Q3 maka α = -1 dan distribusi datanya miring ke kiri

24
 KERUNCINGAN DISTRIBUSI DATA
Derajat atau ukuran tinggi rendahnya puncak suatu distribusi
data terhadap distribusi normalnya data.

Disebut juga Kurtosis.

Ada 3 jenis :
1. Leptokurtis, puncak relatif tinggi
2. Mesokurtis, puncaknya normal
3. Platikurtis, puncak rendah

25
UKURAN KERUNCINGAN/KURTOSIS:

KERUNCINGAN/KURTOSIS:
Berdasar keruncingannya kurva distribusi dibedakan tiga macam

26
KERUNCINGAN DISTRIBUSI DATA (lanjutan)

Data tidak berkelompok

4 
 X-X   4

nS4
Data berkelompok

4 

f X - X  4

nS4
 4  3, Mesokurtis
 4  3, Leptokurti s
 4  3, Platikurti s
27
UKURAN KERUNCINGAN/KURTOSIS:

KOEFISIEN KERUNCINGAN
Koefisien keruncingan dilambangkan dengan α₄
Jika:
α₄ < 3  platikurtik
α₄ > 3  leptokurtik
α ₄= 3  mesokurtik

KOEFISIEN KERUNCINGAN DATA TIDAK BERKELOMPOK

Rumus:

Contoh:
tentukan keruncingannya
2, 3, 6, 8, 11
28
UKURAN KERUNCINGAN/KURTOSIS:
Contoh:

α₄ < 3  distribusi platikurtik

29
UKURAN KERUNCINGAN/KURTOSIS:

KOEFISIEN KERUNCINGAN DATA BERKELOMPOK

Rumus:

Contoh:

30
UKURAN KERUNCINGAN/KURTOSIS:

31