UKURAN PENYEBARAN

(MEASURE OF DISPERSION)
Merupakan ukuran rentang penyebaran data di sekitar rata-rata
1. Ragam = Varians = Variance
2. Simpangan Baku = Standard Deviation
3. Koefisien Varians
4. Angka Baku
 X2

X1
X3
X4

Xn

MEAN
RAGAM DAN SIMPANGAN BAKU
UNGROUPED DATA
 POPULASI
𝑵    𝑵
   𝟐 𝟐
𝟐
𝝈 =∑ ¿ ¿ ¿ 𝝈 =𝑵 ∑ 𝒙𝒊 −¿ ¿
𝒊=𝟏 𝒊=𝟏

xi : data ke i
 : rata-rata populasi
 2 : ragam populasi    2

 : simpangan baku populasi

N : ukuran populasi
RAGAM DAN SIMPANGAN BAKU
UNGROUPED DATA
 Jika dianggap sebagai DATA POPULASI:
18 19 20 21 22

 Tentukan Ragam dan Simpangan Baku populasi tersebut

RAGAM DAN SIMPANGAN BAKU
UNGROUPED: POPULASI  =2

Populasi N=5
𝑁
 
1 18 324 20 -2 4 𝜎2=𝑁 ∑ 𝑥 𝑖2 − ¿ ¿
𝑖=1
2 19 361 20 -1 1
3 20 400 20 0 0   𝟓 × 𝟐𝟎𝟏𝟎− ( 𝟏𝟎𝟎 ) 𝟐
4
4 21
21 441
441 20
20 1
1 1
1 ¿ 𝟐
5 22
22 484
484 20
20 2
2 4
4
𝟓
5
Jumlah 100 2010 10   𝟏𝟎𝟎𝟓𝟎 −𝟏𝟎𝟎𝟎𝟎
Jumlah ()
() 100 2010 10 ¿
Rata-rata ( 20 Ragam () 𝟐𝟓
20 20 VAR.P 2
AVERAGE  = 2
20 Std deviasi VAR.P 2
AVERAGE () STDEV.P 1.41
  2
STDEV.P 1.41
𝜎 =√ 𝜎 =√ 2=1.41
EXCE
RAGAM DAN SIMPANGAN BAKU
UNGROUPED DATA
 SAMPEL
   𝑛   𝑛
2 2
2
𝑠 =∑ ¿ ¿ ¿ 𝑠 = 𝑛 ∑ 𝑥𝑖 − ¿ ¿
𝑖=1
𝑖=1
xi : data ke i

s s 2 x : rata-rata sampel
s 2 : ragam sampel
s : simpangan baku sampel
n : ukuran sampel
RAGAM DAN SIMPANGAN BAKU
UNGROUPED DATA
 JIKA dianggap sebagai DATA SAMPEL:
18 19 20 21 22

 Tentukan Ragam dan Simpangan Baku sampel tersebut

RAGAM DAN SIMPANGAN BAKU
UNGROUPED: SAMPEL  =2.5
SAMPEL n=5

𝑛
1 18 324 20 -2 4  
2 19
19 361
361 20
20 -1
-1 1
1
𝑠 = 𝑛 ∑ 𝑥𝑖 2 − ¿ ¿
2
2 𝑖=1
3
3 20
20 400
400 20
20 0
0 0
0
4 21 441 20 1 1
  5 × 2010− ( 100 ) 2
4 21 441 20 1 1 ¿
5 22
22 484
484 20
20 2
2 4
4
5×4
5
Jumlah 100 2010 10   10050 −10000
Jumlah ()
() 100 2010 10
¿
Rata-rata 20
() 20 Ragam () 2,5
2,5 20
AVERAGE 20 VAR.S 2.5  = 2.5
AVERAGE 20 Stdev (s) VAR.S
STDEV.S 2.5
1.58
Stdev (s) STDEV.S 1.58
  2
EXCE 𝑠= √ 𝑠 =√ 2.5=1.58
RAGAM DAN SIMPANGAN BAKU

 Semakin tinggi nilai Ragam, semakin heterogen data

 Data yang semua nilainya sama memiliki Ragam = 0
(lihat contoh / ilustrasi)
 Terkaitdengan homogenitas data, idealnya nilai
simpangan baku lebih kecil dari rata-rata. Artinya
simpangan baku yang kecil menunjukkan data
cenderung homogen (mirip mirip atau angka
berdekatan)
CONTOH melihat keragaman data

Kelompo x1 x2 x3 x4 Rata rata Ragam Simpangan Baku

k
I 50 50 50 50 50 0
II 45 55 45 55 50
III 70 30 20 80 50 > Dari kel
II

Ketiga kelompok data memiliki rata rata yang sama, tetapi

berbeda nilai datanya, yang menunjukkan kelompok data I
seragam atau ragamnya NOL. Data pada Kel III lebih
beragam dibandingkan kel II.
 Cha
p 3-
Membandingkan Standar Deviasi atau 11
Simpangan Baku

© 2002 Prentice-Hall, Inc.

Mean = 15.5
Data A s = 3.338
11 12 13 14 15 16 17 18 19 20 21

Data B Mean = 15.5

11 12 13 14 15 16 17 18 19 20 21 s = .9258

Data C
Mean = 15.5

11 12 13 14 15 16 17 18 19 20 21
s = 4.57
RAGAM DAN SIMPANGAN BAKU
GROUPED DATA
 POPULASI
𝒌    𝟐
 𝟐
𝝈 =√ 𝝈

𝝈 =∑ 𝒇 𝒊 ¿ ¿ ¿
𝒊=𝟏

xi : TTK kelas ke i f i : frekuensi kelas ke i

 : rata-rata populasi k : banyak kelas
 2
: ragam populasi N : ukuran populasi
 : simpangan baku populasi
 RAGAM DAN SIMPANGAN BAKU
GROUPED DATA
 SAMPEL    𝒌
𝟐
𝒔 =∑ 𝒇 𝒊 ¿ ¿ ¿    𝟐
𝒊=𝟏
𝒔= √ 𝒔

xi : TTK kelas ke i f i : frekuensi kelas ke i

x : rata-rata sampel k : banyak kelas
s 2
: ragam sampel
n : ukuran sampel
s : simpangan baku sampel
CONTOH RAGAM DAN SIMPANGAN BAKU
GROUPED DATA

Kelas TTK Frek. 𝜇

 
 𝑥𝑖 − 𝜇   ¿ 𝑓  𝑖
2
( 𝑥𝑖 − 𝜇 )  

16-23
24-31
(xi)
19.5
27.5
(fi)
10
17
x x
33.58 -14.08
33.58 -6.08
xi  x
198.2464
36.9664
𝑓  𝑖 ( 𝑥 𝑖 − ¯
1982.464
628.4288
𝑥)
2

∑ 𝒇𝒊¿
N = 50
32-39 35.5 7 33.58 1.92 3.6864 25.8048
40-47 43.5 10 33.58 9.92 98.4064 984.064
48-55 51.5 3 33.58 17.92 321.1264 963.3792
56-63 59.5 3 33.58 25.92 671.8464 2015.5392
Jumlah () 50     6599.68
 

∑ 𝒇𝒊¿
n = 50
HASIL PERHITUNGAN

Jika dianggap sebagai data

POPULASI

Jika dianggap sebagai data

SAMPEL
RAGAM DAN SIMPANGAN BAKU
GROUPED DATA
 Diketahui : • Maka:
 Data Populasi • Ragam Populasi
  𝑘
N = 50 2
  𝜎 =∑ 𝑓 𝑖 ¿ ¿ ¿
∑ 𝒇𝒊¿  
𝑖=1

• Simpangan Baku Populasi

 
=
RAGAM DAN SIMPANGAN BAKU
GROUPED DATA
 Diketahui : • Maka:
Maka:
 DATA SAMPEL
• Ragam
Ragam Sampel
Sampel
n = 50 𝑘
 
  𝑠 2= ∑ 𝑓 ¿¿¿
∑ 𝒇𝒊¿  
𝑖=1

𝟔𝟓𝟗𝟗 . 𝟔𝟖
𝑖

¿ =134.6873...
𝟒𝟗
• Simpangan Baku Sampel
 
𝟐
𝒔= √ 𝒔 =√ 𝟏𝟑𝟒.𝟔𝟖𝟕𝟑…=𝟏𝟏.𝟔𝟏
KOEFISIEN VARIANS (KV) = KOEFISIEN
RAGAM

 Koefisien Varians menyatakan KERAGAMAN DATA

 Semakinbesar nilai Koefisien Ragam, semakin tinggi

keragaman data, berarti data semakin beragam
KOEFISIEN VARIANS (KV) = KOEFISIEN
RAGAM
 POPULASI


𝜎
  : rata-rata populasi
𝐾𝑉 = ×100 %  : simpangan baku populasi
𝜇
• SAMPEL
x : rata-rata sampel
  𝑠 s : simpangan baku sampel
𝐾𝑉 = ×100 %
¯𝑥
KOEFISIEN VARIANS (KV)
POPULASI

  DATA POPULASI:

18 19 20 21 22
 Rata-Rata Populasi =  = 20
 Simpangan Baku Populasi =  =
 Koefisien Varians (KV)

 
𝝈 √ 𝟐
𝑲𝑽 = ×𝟏𝟎𝟎 %= × 𝟏𝟎𝟎 %=𝟕 . 𝟎𝟕 %
𝝁 𝟐𝟎
KOEFISIEN VARIANS (KV) SAMPEL


  DATA SAMPEL:

18 19 20 21 22
 Rata-Rata sampel = x= 20
 Simpangan Baku Populasi = s =
 Koefisien Varians (KV)

 
𝑠 √ 2.5
𝐾𝑉 = ×100 %= × 100 %=7.91 %
´𝑥 20
 Cha
p 3-
Membandingkan Koefisien Varians 22
 Saham A:

© 2002 Prentice-Hall, Inc.

 Average price last year = $50
 Standard deviation = $5
 Saham B:
 Average price last year = $100
 Standard deviation = $5
 Koefisien Varians:
 Saham A:  K

 Saham B:  K
Membandingkan Koefisien Varians

Sampel 1
18
18 19
19 20
20 21
21 22
22
AVERAGE 20
( 20
STDEV.S 1.58 Nilai Rata-Rata dan
( 1.58 Simpangan Baku pada kedua
KV1 7.91% sampel dihitung dengan
KV1 7.91% fungsi-fungsi dalam EXCEL
Sampel 2
15 2
Sampel 18 20 22 25
AVERAGE 20
15
( 18 20 22 25
STDEV.S 20
3.81
(
KV2 19.04%
3.81
KV2 19.04%
ANGKA BAKU = NILAI Z (Z-SCORE)

1. Angka baku adalah ukuran penyimpangan suatu data

dari rata-rata populasi
2. Angka memperlihatkan jarak relatif data dengan rata-
rata populasi
3. Angka Baku akan digunakan kembali dalam
pembahasan Distribusi Teoritis (Distribusi Normal)
TIGA KONDISI NILAI Z Score (ANGKA BAKU)

1. z = nol (z = 0) : data bernilai sama dengan rata-rata

populasi

2. z positif (z >0): data bernilai di atas rata-rata populasi

3. z negatif (z<0): data bernilai di bawah rata-rata populasi

RUMUS ANGKA BAKU = NILAI Z
(ZSCORE)
 𝒙−𝝁
 
𝒛=
𝝈

x : nilai data

 : rata-rata populasi

 : simpangan baku populasi

ANGKA BAKU CONTOH
PERHITUNGAN
 Rata-rata populasi kinerja divisi Teknologi Informasi (TI) dalam Industri = 
= 82.16 dengan simpangan baku =  = 2.40
 Nilai z untuk kinerja divisi TI di 3 perusahaan berikut ini:

 Kinerja divisi TI di perusahaan A = xA = 86  = 1.60

 Kinerja divisi TI di perusahaan B = xB = 95  = 5.35

 = -4.23
 Kinerja divisi TI di perusahaan C = xc = 72
PEMETAAN ANGKA BAKU

Sangat Baik B

Baik

A Sedang

z=0 Sedang

Buruk

Buruk Sekali C
ANGKA BAKU CONTOH
PERHITUNGAN
Ada 2 test yang harus dilalui untuk menjadi asisten di lab komputer,
yaitu Matematika dan Fisika. Diketahui distribusi nilai Matematika : μ
= 85, σ = 6 dan nilai Fisika : μ = 65, σ = 4. JJ yang sedang mengikuti
tes mendapat nilai 80 pada Matematika dan 70 pada Fisika. Kinerja JJ
lebih baik pada Matematika atau Fisika?

 = -0.83

 = 1.25