BAB.

4
UKURAN PENYEBARAN

Peni Mawarningrum,S.Pd.,M.Pd
 SIMPANGAN BAKU ( STANDAR DEVIASI )
Rata-rata dari varians dinamakan dengan simpangan baku (standard deviasi) yang dilambangkan
sebagai σ (untuk populasi) dan s (untuk sample).

  x  
2

 Untuk data Tunggal

N

 f m  
2

 Untuk data Kelompok

N

Contoh :
Tentukan Varians dan standard deviasi dari data
Interval kelas Frekuensi
20-29 4
30-39 7
40-49 8
50-59 12
60-69 9
70-79 8
80-89 2
50
Penyelesaian :
Interval kelas Frekuensi m fm m-µ (m-µ)2 f(m-µ)2
f
20-29 4 24.5 98 -29.4 864.36 3457.44
30-39 7 34.5 241.5 -19.4 376.36 2634.52
40-49 8 44.5 356 -9.4 88.36 706.88
50-59 12 54.5 654 0.6 0.36 4.32 Tabel
60-69 9 64.5 580.5 10.6 112.36 1101.24
70-79 8 74.5 596 20.6 424.36 3394.88 bantu
80-89 2 84.5 169 30.6 936 1872.72
Jumlah 50 2695 13082
 

2695
  53,9
50

13082
2 
50
= 261,64 Varians

  261,64 = 16,175 Standar Deviasi

KECONDONGAN (SKEWNESS)
Kecondongan menunjukkan penyimpangan dari bentuk distribusi simetris. Jika distribusi frekuensi mempunyai ekor

kanan yang lebih panjang dibanding ekor kiri maka dikatakan distribusi condong ke kanan atau mempunyai

kecondongan yang positif. Sebaliknya dikatakan condong ke kiri atau mempunyai kecondongan yang negative.

Untuk distribusi yang tidak simetris maka mean, median dan modusnya tidak sama. Pearson menggunakan hubungan

diantara ketiganya untuk merumuskan koefisien kecondongan S k, yaitu:

  Modus 3   Median 
Sk  Sk 
 
Jika distribusi simetris, maka S k = 0 karena σ = Md = Mo. Jika distribusinya tidak simetris, maka koefisien kecondongan

akan berkisar antara -1 dan +1, kadang-kadang melebihi 1. makin dekat dengan 0 berarti makin simetris.

Ukuran kecondongan lain yang sering digunakan adalah α3.

1
N
 x   3

3  Untuk data tunggal

 3

1
N
m   3
f
3  Untuk data kelompok
3
KEPUNCAKAN
Ukuran ketinggian puncak distribusi dinamakan Kurtosis. Ketinggian suatu distribusi biasanya dibandingkan

dengan kurva normal. Suatu distribusi memiliki puncak yang relative tinggi dinamakan Leptokurtic, distribusi

dengan puncak yang hampir mendatar dinamakan platykurtic. Distribusi normal dinamakan mesokurtik.

Koefisien Kurtosis α4 untuk data mentah dirumuskan sebagai:

1
N
 x   4

4  Untuk data tunggal

4

1
N
m   4 f
4  Untuk data kelompok
4
Dari data pada slide di atas, tentukan ukuran kecondongan dan kepuncakan

Interval kelas Frekuensi f m fm m-µ (m-µ)2 f(m-µ)2 f(m-µ)3 f(m-µ)4

Penyelesaian 20-29 4 24,5 98 -29,4 864,36 3457,44 -101.648,74 2.988.472,84
30-39 7 34,5 241,5 -19,4 376,36 2634,52 - 51.109,69 991.527,95
40-49 8 44,5 356 -9,4 88,36 706,88 - 6.644,67 62.459,92
50-59 12 54,5 654 0,6 0,36 4,32 2,59 1,55
60-69 9 64,5 580,5 10,6 112,36 1101,24 11.673,14 123.735,33
70-79 8 74,5 596 20,6 424,36 3394,88 69.934,53 1.440.651,28
80-89 2 84,5 169 30,6 936 1872,72 57.305,23 1.753.540,1
50 2.695 13082 - 20.487,61 7.360.388,97
 

  261,64  16,175

m    20.483,61
N
1 3
f
3   50   409,6722  0,096
 3 3
16,175 4.231,88

1
N
m   4
f 7.360.388,97
50  147.207,8  2,15
4  
4 16,1754 68.450,67
TERIMAKASIIIIIH

Tugas Kelompok,
hitug :
- Standar Deviasi
- Kepuncakan
- Kecondongan