DISPERSI, SKEWNESS, DAN KURTOSIL

Kelompok 1
Disusun Oleh :
•Ahmad Hanif Hamyanto (21901081410)
•Sri Harningsih (22001081001)
•Arif Rahman Surya Putra (22001081022)
 DISPERSI DATA

• Ukuran dispersi atau ukuran variasi atau ukuran penyimpangan

adalah ukuran yang menyatakan seberapa jauh penyimpangan nilai-
nilai data dari nilai-nilai pusatnya atau ukuran yang menyatakan
seberapa banyak nilai-nilai data yang berbeda dengan nilai-nilai
pusatnya.
• Ukuran dispersi pada dasarnya adalah pelengkap dari ukuran nilai
pusat dalam menggambarkan sekumpulan data. Jadi, dengan adanya
ukuran dispersi maka penggambaran sekumpulan data akan menjadi
lebih jelas dan tepat.

-
 DISPERSI TERDIRI ATAS :
1. RENTANG (Range)
2. DEVIASI RATA-RATA (Average Deviation)
3. VARIANS (Variance)
4. DEVIASI STANDAR (Standard Deviation)

1. Rentang (range) :
selisih bilangan terbesar dengan bilangan terkecil.
Sebaran merupakan ukuran penyebaran yang sangat kasar, sebab hanya
bersangkutan dengan bilangan terbesar dan terkecil.

Contoh : A : 100 90 80 70 60 50 40 30 20 10
r = 100 – 10 = 90

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.
 2. DEVIASI/SIMPANGAN RATA-RATA
Jumlah nilai mutlak dari selisih semua nilai dengan nilai
rata-rata dibagi dibagi dengan banyaknya data.
Data tunggal :

X-X
SR 
n

Data berkelompok :

f X - X
SR 
f
 CONTOH SOAL DATA TUNGGAL

Tentukan Simpangan Rata – rata dari 2, 3, 6, 8, 11

Penyelesaian :
CONTOH SOAL DATA BERKELOMPOK

Interval X f X-X f X-X

Kelas
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

fX 3955
X   65,92
f 60 998,76
SR   16,646
60
 3. VARIANSI

Rata-rata kuadrat selisih dari semua nilai

data terhadap nilai rata-rata hitung.
Data tidak berkelompok :

S 
2  
X - X  2

atau S 
2 n X 2
-  X 
2

n -1 n  n - 1
Data berkelompok :

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

f - 1 n  n - 1
n  f
 4. STANDAR DEVIASI

Akar pangkat dua dari Variansi.

Disebut juga Simpangan Baku.
Data tidak berkelompok :

S
 X-X   2

atau S 
nX 2 -  X 
2

n -1 n  n - 1
Data berkelompok :

S

f X - X  2

atau S 
nfX2 -  fX  2
f - 1 n  n - 1
n  f
CONTOH SOAL

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
 KOEFISIEN KECONDONGAN
(SKEWNESS)
• Koefisien kecondongan menunjukkan apakah
kurva condong positif, negatif atau normal.
• Rumus kecondongan adalah :
μ  Mo 3(μ  Md)
Sk  atau Sk 
σ σ
• Dimana :
Sk : koefisien kecondongan
µ : nilai rata-rata hitung
Mo : nilai modus
Md : nilai median
σ : standar deviasi
*) Untuk data dikelompokan rumus tetap sama dan
di kalikan dengan (fi)
Sk = [µ - Mo ] .fi /  atau = 3.[µ - Md].fi / 
 KOEFISIEN KECONDONGAN (SKEWNESS)

•Nilai Sk (Skewness):
Sk = 3 berarti normal,
Sk > 3 condong positif
Sk < 3 condong negatif.
UKURAN KECONDONGAN - SKEWNESS

• Ukuran kecondongan – kemencengan

• Kurva tidak simetris
• Pada kurva distribusi frekuensi diketahui dari posisi
modus, rata-rata dan media
• Pendekatan : Jika
• Rata-rata = median = modus : Simetris
• Rata-rata < median < modus : Menceng ke
kiri
• Rata-rata > median > modus : Menceng ke
kanan
KURVA KECONDONGAN
 KOEFISIEN SKEWNESS
• Sk = [µ - Mo ] /  atau = 3.[µ -
Md] / 
µ = Nilai rata – rata hitung
Contoh kasus data Mo = Nilai modus
µ = 33.68 Md = Nilai median
 = Standar deviasi
Mo = 18
Md = 32
 = 11.2439 Sk = {3. [ 33.68 – 32]}
11.2439
Sk = [33.68- 18 ] / 11.2439 Sk = 5.04 / 11.2439
Sk = 15.68 / 11.2439 Sk = 0.4482
Sk = 1.394
 CONTOH SOAL:

 Sk = [µ - Mo ] /  atau = 3.[µ - Md] / 

JAWABAN:
 KOEFISIEN KERUNCINGAN
(KURTOSIS)
• Koefisien keruncingan menunjukkan apakah kurva
bersifat normal, runcing, atau datar.
• Rumus koefisien keruncingan untuk data tidak
berkelompok adalah :
1/n  (x  μ) 4
α4  4
Dimana : σ
α4 : koefisien kurtosis
n : jumlah data
X : nilai data
µ : nilai rata-rata hitung data
σ : standar deviasi
KOEFISIEN KERUNCINGAN (KURTOSIS)
• Untuk data yang dikelompokkan
dirumuskan sbb :

1/n  f.(X  μ) 4

α 
4
4
σ
Dimana :
α4 : koefisien kurtosis
n : jumlah data
f : jumlah frekuensi kelas
X : nilai tengah kelas
µ : nilai rata-rata hitung data
σ : standar deviasi
 KOEFISIEN KURTOSIS

• Bentuk kurva keruncingan –

kurtosis
• Mesokurtik 4 = 3
• Leptokurtik 4 > 3
• Platikurtik 4 < 3
 UKURAN KERUNCINGAN - KURTOSIS

• Keruncingan disebut juga ketinggian kurva

• Pada distribusi frekuensi di bagi dalam tiga
bagian :
• Leptokurtis = Sangat runcing
• Mesokurtis = Keruncingan sedang
• Platykurtis = Kurva datar
UKURAN KERUNCINGAN
•Sekian dan Terima kasih