Pengukuran Dispersi

Pengukuran ttg sampai seberapa jauh selisih

antara nilai pengamatan thd nilai rata-ratanya.
Pengukuran dilakukan krn nilai-nilai
pengamatan itu bervariasi. Walaupun nilai rata-
rata daripada variabel itu sama tapi tingkat
penyebarannya belum pasti sama. Diharapkan
nilai rata-rata dpt mewakili seluruh nilai
pengamatan
 Dilihat dari penyebarannya data terbagi
atas :
I. 50,50,50,50,50 (Homogen)
II. 30,40,50,60,70 (Relatif Homogen)
III.20,30,50,70,80 (Heterogen)
Ketiga kelompok data mempunyai rata-rata hitung yang
sama, yaitu :

X  50
 Keterangan :
• 19,88 / (15-1) = 1,42 ini menunjukan variance (S2)
• √1,42 = 1,191 ini menunjukkan simpangan baku (S)
• Dengan demikian standard deviation (SD) memang merupakan cerminan
dari rata-rata penyimpangan data dari mean. SD dapat menggambarkan
seberapa jauh bervariasinya data. Jika nilai SD jauh lebih besar
dibandingkan nilai mean, maka nilai mean  merupakan representasi yang
buruk dari keseluruhan data. Sedangkan jika nilai SD sangat kecil
dibandingkan nilai mean, maka nilai mean dapat digunakan sebagai
representasi dari keseluruhan data (yang dalam hal contoh kasus kita
adalah panjang telinga kelinci percobaan).
• SD biasanya disajikan sebagai “mean±SD” dimana dalam contoh kasus
yang kita pelajari di atas nilainya adalah 11,19±1,191. Mengapa tanda “±”
digunakan dalam hal ini? Ya, jawabannya adalah karena kita menemukan
nilai (+) dan juga nilai (-) pada nilai deviasi (selisih data dengan nilai
mean).
Pengukuran Dispersi

Dispersi
adalah besarnya penyimpangan
suatu nilai dari nilai sentralnya

Ukuran dispersi
adalah mengukur variabilitas
nilai-nilai observasi dari nilai sentralnya
 Kegunaan Ukuran Dispersi
1. Dapat digunakan untuk menentukan
apakah suatu nilai rata-rata dapat mewakili suatu
rangkaian data atau tidak;

2.Dapat digunakan untuk mengadakan

perbandingan terhadap variabilitas
data;
3.Dapat membantu penggunaan ukuran
statistik
Jenis-jenis Ukuran Dispersi
1.Ukuran dispersi absolut:
a. Range (Nilai Jarak)
b. Deviasi kuartil
c. Deviasi rata-rata
d. Deviasi standar
e. Variansi
f. Standard score
2.Ukuran dispersi relatif
a. Koefisien variasi
b. Koefisien variasi
kuartil
 Range (Nilai Jarak)
Rumus:
Ungrouped data
R = Xmax - Xmin

Grouped data
R = Nilai tengah kelas terakhir –
nilai tengah kelas
pertama
R = Tepi kelas atas kelas terakhir –
tepi kelas bawah kelas pertama
 Contoh Range
Tepi kls bwh
Kelas Interval Kelas prtma = 214,5

1 215 2122 Tepi kls atas

Kelas terakir=9754,5
2 2123 4030
3 4031 5938
4 5939 7846 Range :
= 9754,5 – 214,5
5 7847 9754 = 9540
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.
Deviasi Kuartil

Rumus:

Q3  Q1
DK 
2
 Deviasi Rata-rata:
terhadap rata-rata hitung

Rumus:
Ungrouped data

DΧ 
 ΧΧ i

n
Grouped data

DΧ 
 FiΧ  Χ i

n
 Contoh ungroup data
• Diketahui : hasil penjualan di pasar grogol
selama 8 hari adalah sbb (jutaan rp):
H=1 H=2 H=3 H=4 H=5 H=6 H=7 H=8
10 15 50 30 5 90 25 15

• Pertanyaan :
Carilah rata-rata simpangan thd rata-rata
 Jawab :
• Deviasi rata-rata thd rata-rata hitung

Rata2 = X= (10+15+50+30+5+90+25+15) / 8 = 30

Dx = 1/n Σ Ixi-xI
= 1/8 (I10-30I + I15-30I+ I50-30I + I30-30I+ I5-30I +
I90-30I + I25-30I + I15-30I) = 160/8 = 20
 Deviasi Rata-rata:
terhadap median
Rumus:
Ungrouped data

DΧ 
 Χ  Med
i

n
Grouped data

DΧ 
 FiΧ  Med
i

n
 Contoh ungroup data
• Diketahui : hasil penjualan di pasar grogol
selama 8 hari adalah sbb (jutaan rp):
H=1 H=2 H=3 H=4 H=5 H=6 H=7 H=8
10 15 50 30 5 90 25 15

• Pertanyaan :
Carilah rata-rata simpangan thd median
 Jawab :
• Deviasi rata-rata thd median
Susun dalam bentuk array mulai terkecil sd terbesar
5, 10, 15, 15, 25, 30, 50, 90

Berarti mediannya (15+25) / 2 = 20

Dx = 1/n Σ Ixi-medI
= 1/8 (I5-20I + I10-20I+ I15-20I + I15-20I+ I25-20I
+I30-20I + I50-20I + I90-20I) = 18,75
 Deviasi Standar (stdr deviasi)
Rumus:
Ungrouped data

S
1
  Χi  Χ 2
S
1
  Χi  Χ 2

n 1 n

Grouped data

Fi Χi  Χ Fi Χi  Χ
1 1
 
2 2
S S
n 1 n
 Variansi
Rumus:
Ungrouped data
1
1
 Χi  Χ S    Χi  Χ
2

2 2
S 
2

n 1 n

Grouped data

Fi Χi  Χ S   Fi Χi  Χ
1 1

2 2
S 
2 2

n1 n
Contoh Kasus Sampel (ungroup)
Harga
No Perusahaan saham x-X (x - X)² Varians :
1 Jababeka 215 -358 128164 ∑(x – X)²
2 Indofarma 290 -283 80089
s² =
3 Budi Acid 310 -263 69169
4 Kimia farma 365 -208 43264
n–1
5 Sentul City 530 -43 1849 s² = 824260 / 9
6 Tunas Baru 580 7 49 s² = 91584.44
7 proteinprima 650 77 5929
8 total 750 177 31329
9 Mandiri 840 267 71289 Standar deviasi :
10 Panin 1200 627 393129 S =  s²
Jumlah 5730   824260 S =  91584.44
Rata - Rata (X) 573 s² 91584.44
S = 302.63
    S 302.63
 STANDAR SCORE (Z-Score)
• Z-Score dipergunakan untuk membanding kan
tingkat keberhasilan antara 2 atau beberapa
kelompok data.
• Misalnya : membandingkan antara hasil
produksi padi jawa tengah dengan jawa timur.
• Dalam hal ini yg terbaik adalah data yg
memiliki Z-Score yg terbesar
 Standard Score
Χ μ
Z
σ

Xi = nilai observasi
μ = rata-rata hitung (populasi)
σ = standar deviasi (populasi)
 Contoh Z-Score
• Tahun 2012 perusahaan Aqua memperoleh keuntungan Rp
120 M, sedangkan perusahaan Ades memperoleh keuntungan
Rp 80 M. BPS meneliti bahwa rata-rata keuntungan
perusahaan Aqua adalah Rp 100 M dengan simpangan baku
Rp 25 M. Sedangkan perusahaan Ades memiliki keuntungan
rata-rata Rp 75 M dg simpangan baku Rp 15 M.
• Pertanyaan :
Manakah di antara kedua perusahaan tsb yang mempunyai
hasil terbaik ?
 Jawab :
Diketahui data perushaan Aqua :
Xi = 120, μ = 100, σ = 25 , sehingga
Z-Score Aqua = (120 – 100) / 25 = 0,8
Diketahui data perushaan Ades :
Xi = 80, μ = 75, σ = 15 , sehingga
Z-Score Aqua = (80 – 75) / 15 = 0,33
Kesimpulan :
Z-Aqua > Z-Ades, prshaan aqua lbh berhasil dari
perusahaan Ades
 KOEFISIEN VARIASI
• Ukuran dispersi relatif digunakan apabila ingin
membandingkan tingkat dispersi (lebih
bervariasi / lebih stabil) antara 2 atau
beberapa kelompok data dan bila jumlah nilai-
nilai observasi dari 2 atau beberapa kelompok
data tersebut tidak sama
 Koefisien Variasi

Rumus:
S
KV  100%
Χ
 Koefisien Variasi Kuartil

Rumus:
Q3  Q1
KVk    X 100%
Q3  Q1
 Contoh KV
• Pengusaha X mempunyai 2 perusahaan kertas
di daerah Grogol dan Senen.
• Grogol : keuntungan Rp 75 jt/bln , simpangan
bakunya Rp 2 jt/bulan
• Senen : keuntungan Rp 82 jt/bln simpangan
bakunya Rp 3 jt/bln
• Pertanyaan : Manakah yg lebih bervariasi
keuntungannya apakah di daerah Grogol
ataukah di daerah Senen ?
 Jawab :
• KV grogol = (2 / 75) x 100% = 2,67%
• KV senen = (3 / 82) x 100% = 3,66%
• Kesimpulan : Karena KV daerah Senen lebih
besar dibandingkan daerah Grogol maka hal
ini berarti keuntungan di daerah Senen lebih
bervariasi atau heterogen dibandingkan
daerah grogol
 Soal Latihan 1

Data Gogirl:

120 112 150 145 111

235 250 196 120 125

198 200 120 199 256

236 123 189 170 185

 Berdasarkan data di atas, Anda diminta:
a. Menentukan nilai jarak dari penjualan majalah Go-girl!
b. Menentukan deviasi kuartil dari
penjualan majalah Go-girl!
c. Menentukan deviasi rata-rata
dari penjualan majalah Go-girl!
d. Menentukan deviasi standar dan variansi
dari penjualan majalah Go-girl!
e. Tentukan z-score (nilai standar) untuk penjualan
majalah Go-girl sebesar 112 (X=112)!
 Data Goboy:

90 99 89 100 86

125 110 96 75 66

123 78 99 145 78

99 156 75 99 63

Berdasarkan data di atas, data mana yang lebih stabil?

(Gunakan pendekatan koefisien variasi dan
koefisien variasi kuartil)
 Soal Latihan 2

Frekuensi
Pengeluaran per bulan Kumulatif

Lebih dari 499,5 100

Lebih dari 699,5 90

Lebih dari 899,5 60

Lebih dari 1.099,5 40

 Anda diminta:

a) Membuat tabel distribusi frekuensi!

b) Menentukan nilai jarak!

c) Menentukan deviasi kuartil!

d) Menentukan deviasi rata-rata

terhadap rata-rata hitung dan terhadap median!
 e) Menentukan deviasi standar!

f) Menentukan variansi!

g) Menentukan koefisien variasi dan

Koefisien variasi kuartil!
 Soal Latihan 3
Nilai Frekuensi Frekuensi
Tengah Kumulatif Kumulatif
Penjualan Mie Hijau Mie Orange
… 82 4
29 78 29
… 58 54
67 33 70
… 17 105

Manakah yang lebih heterogen?

(Gunakan Pendekatan Koefisien Variasi)
 Soal Latihan 4
Frekuensi Kumulatif Frekuensi Kumulatif Tanpa
Nilai Ujian
Sistem Komputerisasi Sistem Komputerisasi
3 150

8 146
26 - ... 13 136
39 - ... 22 129
47 105

86 70

127 44
150 15
 Anda diminta:
a. Buatlah tabel distribusi frekuensi
untuk kedua jenis data dia atas!

b. Menentukan deviasi rata-rata

terhadap median dari nilai ujian mahasiswa
yang menggunakan sistem komputerisasi!

c. Menentukan nilai ujian yang paling sering

didapatkan mahasiswa
yang tanpa menggunakan sistem komputerisasi!

d. Menentukan data mana yang lebih stabil

dengan menggunakan pendekatan koefisien variasi!
bulan mei juni juli agst sept okt nov des
Bekasi 3 4 6 5,5 5,7 4 6,5 8
Tambun 2 5 5,5 2,5 2,5 2 3 7

Dari data penjualan kedua RM Special Sambel Enak Sekali (milyar Rp),
tentukan :
• Penjualan RM mana yang paling stabil, apakah RM daerah Bekasi atau
Tambun ?
• Penjualan tertinggi dari 20% penjualan terendah untuk RM daerah
Bekasi ?
• Penjualan terendah dari 2/5 penjualan tertinggi untuk RM daerah Tambun
Seorang manajer sedang menganalisis sumber dana yg
sebaiknya dipakai oleh PT. BulGombalGambul berdasarkan
data dari berbagai perusahaan berikut untuk diambil
keputusan manakah dana yg akan dipakai, apabila
keputusannya adalah sebagai sumber dana yang stabil

Perusahaan Hutang Modal sendiri

1 30 100
2 80 150
3 50 130
4 100 100
5 80 150
6 75 155
7 65 160
8 95 170
9 130 150
10 101 145
 KEMENCENGAN/KEMIRINGAN DISTRIBUSI
DATA
Adalah ketidaksimetrisan / ketidaknormalan
suatu curva distribusi frekuensi.
Kurva Sim etris K u r va Co n d o n g K u r va Co n d o n g
Po si ti f Neg ati f
UKURAN KEMENCENGAN
 Rumus mencari Kemencengan

Ada 3 rumus :
1. Pearson
2. Momen
3. Bowley
 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
2. RUMUS MOMEN
Data tidak berkelompok

3 

 X-X  3

S3

Data berkelompok

3 

f X - X 3

atau
fS 3

3 
fU  fU   fU  
3
c  fU 3
 2

3  3  - 3    2  
S  n  n  n   n  
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

3. RUMUS BOWLEY
Q3  Q1 - Q 2

Q 3 - 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
 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
KERUNCINGAN DISTRIBUSI DATA (lanjutan)

Data tidak berkelompok

4 

 X-X  4

4
nS
Data berkelompok

4 

f X - X  4

4
nS
 4  3, Mesokurtis
 4  3, Leptokurti s
 4  3, Platikurti s
 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
 Koefisien Kurtosis
• Bentuk kurva keruncingan – kurtosis
– Mesokurtik 4 = 3
– Leptokurtik 4 > 3
– Platikurtik 4 < 3 Nilai data
• Koefisien kurtosis (data tidak dikelompokan)
4 =
1/n ∑(x - )4
4
 Koefisien Kurtosis
• Koefisien kurtosis (data dikelompokan)

4 = 1/n ∑ f. (X - )4
4
Jumlah Frekuensi

Standar deviasi Nilai rata – rata hitung

Nilai tengah kelas

UKURAN KERUNCINGAN KURVA (KURTOSIS)
• Keruncingan atau Kurtosis adalah tingkat kepuncak
dari sebuah distribusi yang biasanya diambil secara
relatif terhadap suatu distribusi normal.
• Berdasarkan Keruncingannya, Kurva Distribusi
Dapat Dibedakan Menjadi 3 Macam:
• 1. Leptokurtik ; Merupakan Distribusi yang memiliki
puncak relatif tinggi
• 2. Platikurtik ; Merupakan Distribusi yang memiliki
puncak Hampir Mendatar
• 3. Mesokurtik ; Merupakan Distribusi yang memiliki
puncak tidak tinggi dan tidak mendatar.
 Koefisien Keruncingan
• Nilai < 3 ; Distribusinya adalah distribusi
PLATIKURTIK
• Nilai >3 ; Distribusinya adalah distribusi
LEPTOKURTIK
• Nilai = 3 ; Distribusinya adalah distribusi
MESOKURTIK
 Koefisien Keruncingan
•  Untuk Data Tunggal :
• Tentukan
  Keruncingan Kurva Dari Data:
• 2, 3, 6, 8, 11! X
2
2 -4
-4 256
3
3 -3
-3 81
81
6 0 0
• Penyelesaian: 6
8
0
2
0
14
8 2 14
11 5 625
11 5 625
Jumlah 0 978
• s = 3,67 Jumlah 0 978

Contoh Soal
 Penyelesaian...
•  

• Karena Nilainya < 3, yaitu 1,08 maka distribusinya

adalah DISTRIBUSI PLATIKURTIK
 Koevisien Keruncingan
•  Untuk Data Berkelompok
Diameter Pipa (mm)
65-67
Contoh2 Soal...
Frekuensi

68-70 5
71-73 13
74-76 14
77-79 4
80-82 2
Jumlah 40
 X Frekuensi f
66 2
69 5
72 13
75 14
78 4
81 2
Jumlah 40 16.472,9661

Karena Nilai keruncingannya hampir sama atau sama dengan 3, maka bentuk
kurvanya adalah MESOKURTIK
Seorang siswa mendapat nilai matematika 70
dengan rata-rata 60 dan standar deviasi 12, nilai
Bahasa Inggris 80 dengan rata - rata 75 dan
simpangan standarnya 15, manakah kedudukan
nilai yang paling baik.