NILAI PENYEBARAN

BY :
YAN SARTIKA, SST, M.Keb
PENGANTAR

Ukuran Penyebaran
• Suatu ukuran baik parameter atau statistik
untuk mengetahui seberapa besar
penyimpangan data dengan nilai rata-rata
hitungnya.

• Ukuran penyebaran membantu mengetahui

sejauh mana suatu nilai menyebar dari nilai
tengahnya, semakin kecil semakin besar.

2
Lanjutan....

 Dispersi: ukuran penyebaran suatu

kelompok data terhadap pusat data

 Alasan perlunya mempelajari dispersi data:

1. Pusat data memberi informasi yang
terbatas
2. Dispersi perlu untuk mengetahui
distribusi dua data atau lebih
 Penghitungan dispersi sangat penting
karena beberapa hal sebagai berikut
 Dengan penghitungan dispersi,kita akan
mendapatkan informasi tambahan tentang
penyimpangan yang terjadi pada suatu distribusi.

 Dengan menghitung dispersi,kita dapat menilai

ketepatan nilai tengah dalam mewakili distribusinya.

 Perhitungan dispersi juga mempunyai arti penting

untuk mengadakan analisis melalui perhitungan
statistik yang lebih mendalam.
 Mengapa terjadi variasi?
 Terjadi nya variasi merupakan peristiwa alamiah.oleh
karena itu,variasi dapat terjadi pada semua
kejadian.misalkan,beberapa orang petugas kesehatan
melakukan penimbangan seorang anak balita maka
diperoleh hasil yg berbeda-beda  variasi eksterna.

 Sebaliknya, bila seorang analis menghitung jumlah

leukosit berkali-kali pada waktu yg berbeda akan
menghasilkan nilai yg berbeda-beda  variasi
interna.
 UKURAN-UKURAN VARIASI

1. RENTANG (Range)
2. SIMPANGAN RATA-RATA (Mean Deviation)
3. VARIANS (Variance) DAN SIMPANGAN BAKU
4. DEVIASI STANDAR (Standart Deviation)
5. KOEFISIENS VARIASI (Coefficient Of Variation)
6. KUARTIL, DESIL & PERSENTIL
7. KURTOSIS DAN SKEWNES
 RENTANG (Range)

• Rentang merupakan ukuran disversi yg paling

sederhana karena hanya melibatkan 2 nilai
dalam distribusi, yaitu nilai terbesar dan nilai
terkecil.

• Rentang adalah selisih antara nilai terbesar dan

nilai terkecil dari data yg telah tersusun secara
berurutan.
Manfaat range sangat terbatas karena :
1. Range hanya melibatkan nilai terbesar dan nilai
terkecil tanpa melibatkan nilai-nilai lain dalam
distribusi

2. Range hanya melibatkan dua nilai terbesar dan

terkecil maka range sangat dipengaruhi oleh
adanya nilai ekstrem

3. Range tidak dapat ditentukan pada distribusi

dengan kelas interval yang terbuka.
Contoh Range
Batas atas
Kelas Interval Kelas terendah

1 215 2122 Batas atas

Kelas tertinggi
2 2123 4030
3 4031 5938
4 5939 7846 Range :
= 9754 – 215
5 7847 9754 = 9539
Contoh
Distribusi berat badan mahasiswa

Kelompok 1 Kelompok 2
40 40
43 39
49 40
60 40
60 43
64 45
65 50
65 52
66 55
70 70

Jumlah 582 474

Distribusi nilai ujian

Kelompok 1 Kelompok 2
40 10
45 25
50 55
55 70
60 90

Jumlah 250 250

Simpangan Rata-rata (deviasi
rata-rata)

Definisi:
Suatu ukuran yang
mencerminkan penyebaran
setiap nilai data terhadap nilai
rata-ratanya.
 DEVIASI RATA-RATA (MEAN DEVIATION)

• Deviasi rata-rata adalah jumlah harga mutlak

deviasi setiap sekornya dibagi dengan banyaknya
sekor

• Pada prinsipnya, simpangan rata-rata merupakan

modifikasi dari ukuran rata-rata, yaitu apabila rata-
rata (mean) adalah jumlah pengamatan setiap
individu dibagi dengan banyaknya pengamatan,
sedangkan pada simpangan rata-rata adalah jumlah
selisih antara hasil setiap pengamatan dengan
rata-rata dibagi dengan banyaknya pengamatan
Lanjutan…..

• Cara ini memiliki kelemahan yaitu kita tdk dapat

mengetahui arah simpangan kekiri atau kekanan

• Simpangan rata-rata bermanfaat utk

mengetahui variasi yg terjadi dlm satu kelompok
pengamatan atau membandingkan tingkat
variabilitas dua kelompok atau lebih.
•Simpangan Rata-rata (deviasi rata-
rata) untuk Data Tunggal

Pada suatu data kuantitatif x1, x2, x3, …, xn.

Simpangan rata-rata (SR) dirumuskan:
dengan :
SR = simpangan rata-
rata
n = banyak data
xi = nilai tengah ke-i
= nilai rata-rata
= simbol harga
mutlak
 Contoh:
1) Disajikan data sampel: 6, 8, dan 10. Tentukan
rata-rata simpangannya.
Jawab:
No. xi
1 6 -2 2
2 8 0 0
3 10 2 2
24 4
2) Hasil pengukuran tinggi badan 10 orang diperoleh data
sebagai berikut: 170, 160, 164, 158, 157, 167, 166, 163, 161,
164.
Tentukan simpangan rata-ratanya.
Jawab:
No. xi
1 157 -6 6
2 158 -5 5
3 160 -3 3
4 161 -2 2
5 163 0 0
6 164 1 1
7 164 1 1
8 166 3 3
9 167 4 4
10 170 7 7
163 32
0
• Simpangan Rata-rata (deviasi rata-rata)
untuk Data Berkelompok
Simpangan rata-rata dari data yang disajikan berkelompok,
rumus yang digunakan adalah:
Dengan :
SR = simpangan rata-rata
n = banyak data
fi = frekuensi data ke-i
xi = nilai tengah ke-i
= nilai rata-rata
= simbol harga mutlak
Contoh:
Disajikan data nilai UTS Biostatistik sebagai
berikut:
Tentukan simpangan rata-ratanya!
Skor Frekuensi
40-49 1
50-59 4
60-69 8
70-79 14
80-89 10
90-99 3
Jawab:
Untuk mempermudah perhitungan dibuat tabel
seperti berikut:
Skor fi xi fixi
40-49 1 44,5 44,5 29,25 29,25
50-59 4 54,5 218 19,25 77
60-69 8 64,5 516 9,25 74
70-79 14 74,5 1043 0,75 10,5
80-89 10 84,5 845 10,75 107,5
90-99 3 94,5 283,5 20,75 62,25
40 2950 360,5
 SOAL

1) Hitung simpangan rata-rata dari data berikut:

12, 3, 11, 3, 4, 7, 5, 11
2) Pada tabel berikut, tentukan simpangan rata-
ratanya:
Nilai frekuensi
30-39 3
40-49 5
50-59 2
60-69 13
70-79 25
80-89 12
90-99 20
Jawab :

1) Simpangan rata-rata:
2)Tabel distribusi frekuensi
Nilai fi xi fixi
30-39 3 35,5 106,5 41 123
40-49 5 45,5 227,5 31 155
50-59 2 55,5 111 21 42
60-69 13 65,5 851,5 11 143
70-79 25 75,5 1887,5 1 25
80-89 12 85,5 1026 9 108
90-99 20 95,5 1910 19 380
80 6120 976
 Ragam (Varians) dan Simpangan
Baku

 Ragam (Varians)

Definisi :
Ragam menyatakan rata-rata kuadrat jarak suatu data
terhadap rataannya.

 Simpangan Baku

Definisi :
Simpangan baku menunjukkan penarikan akar dari
rata-rata kuadrat jarak suatu data terhadap rataannya.
 DEVIASI STANDAR (STANDARD DEVIATION
• SD merupakan ukuran dispersi yg sangat penting dan
banyak digunakan dalam statistika. Istilah ini mula-mula
digunakan oleh Karl Pearson untuk menilai dispersi

• Semua deviasi positif dan deviasi negatifnya di

kuadratkan sehingga semua deviasinya menjadi positif

• Semua deviasi yg bertanda positif itu dijumlahkan, lalu

dicari rata-ratanya dan akarnya.

• Cara kerja diatas disebut dengan standar deviasi,

lambangnya δ atau SD.
 a. Ragam (varians) dan Simpangan Baku untuk Data
Tunggal
•Ragam (Varians)
Misalnya data x1, x2, x3, …, xn mempunyai rataan , ragam
atau varians dapat ditentukan dengan rumus:

Dengan :
S2 = ragam atau varians
n = banyaknya data
xi = data ke-I
= rataan hitung
•Simpangan Baku

atau

Contoh :
Hitunglah ragam dan simpangan
baku dari data : 1, 3, 4, 5, 8, 10,
12, 13.
Jawab:
Data : 1, 3, 4, 5, 8, 10, 12, 13
n=8

(1-7)2 + (3-7)2 + (4-7)2 + (5-7)2 + (8-7)2 + (10-7)2 +

(12-7)2 + (13-7)2
= 36 + 16 + 9 + 4 + 1 +9 + 25 + 36
=136
Jadi, nilai ragamnya
,sedangkan simpangan baku
adalah S=4,12
b.Ragam (Varians) dan Simpangan Baku
untuk Data Berkelompok
•Ragam (Varians)

Untuk ragam data berkelompok, nilai ragam dapat

ditentukan dengan rumus :
Dengan :
S2 = ragam atau varians
n = banyaknya data
k = banyaknya kelas ke-i
fi = frekuensi kelas ke-i
xi = data ke-i
=rataan hitung
•
Simpangan Baku

atau

Contoh :
Tentukan ragam dan simpangan baku dari data berikut :
Skor Frekuensi
40-49 1
50-59 4
60-69 8
70-79 14
80-89 10
90-99 3
 Jawab:
Skor fi xi f ix i
40-49 1 44,5 44,5 -29,25 855,56 855,56
50-59 4 54,5 218 -19,25 370,56 1. 482,25
60-69 8 64,5 516 -9,25 85,56 684,48
70-79 14 74,5 1083 0,75 0,56 7,88
80-89 10 84,5 845 10,75 115,56 1.155,63
90-99 3 94,5 283,5 20,75 430,56 1.291,69
Jumlah 40 2950 5.477,49

Jadi, nilai ragamnya

136,94 dan nilai
simpangan bakunya
11,70
 SOAL
1. Tentukan ragam dan simpangan baku untuk data
berikut : 10, 44, 56, 62, 65, 72, 76

2. Pada tabel berat badan anak berikut tentukan ragam

(varians) dan simpangan bakunya

Berat Frekuensi
Badan
21-25 2
26-30 8
31-35 9
36-40 6
41-45 3
46-50 2
Jawab :
1. Data: 10 44 56 62 65 72 76
, n=7

(10-55)2 + (44-55)2 + (56-55)2 +

(62-55)2 + (65-55)2 + (72-55)2 +
(76-55)2
= 2.025 + 121 + 1 + 49 + 100 + 289 + 441
=3.026
2. Tabel distribusi frekuensi:
Berat fi xi f ix i
Badan
21-25 2 23 46 -11 121 242
26-30 8 28 224 -6 36 288
31-35 9 33 297 -1 1 9
35-40 6 38 228 4 16 96
41-45 3 43 129 9 81 243
45-50 2 48 96 14 196 392
Jumlah 30 1.020 1.270

Jadi, nilai ragamnya

42,33 dan simpangan
bakunya 6,5
 KUARTIL

Data yg telah disusun menjadi suatu

distribusi kita bagi menjadi 4 bagian yg
sama atau kuartil (K). Hal ini
menunjukkan bahwa kuartil pertama
disebut K1 merupakan 25% dari seluruh
distribusi, K2 merupakan 50%, dan K3
merupakan 75% dari seluruh distribusi
 Kelebihan kuartil
Kuartil menggunakan 50% bagian tengah
hingga tidak dipengaruhi oleh nilai ekstrem
seperti pada range
Posisi K1, K2 dan K3 dapat dihitung
K2 sama dengan median hingga dapat
dihitung deviasi terhadap median
Pada kuartil, distribusi dengan kelas
interval terbuka dapat dihitung dispersinya
sedangkan pada range tidak
Rentang antar Kuartil

25% 25%

K1 K2 K3
 Grafik letak kuartil

0 K 1 K 2 K 3 n

0 % 2 5 % 5 0 % 7 5 % 1 0 0 %
 Cara perhitungan kuartil dengan data yg tdk
dikelompokkan

K3=3/4(n +1) dan K1=1/4(n +1)

K3 dan K1 = L + b(S-L)

Ket :
L = nilai sebelum K3 dan K1
b = kekurangan unit untuk mencapai letak K3 dan K1
S = nilai dimana K3 dan K1 berada
 Contoh :
Misalkan, kita ingin mengetahui nilai rentang antar kuartil
kolesterol darah dari 10 orang penderita hipertensi adalah
sbb:
Kolesterol 150, 152, 160, 165, 167, 169, 171, 174, 175 dan 593
Data ke 1 2 3 4 5 6 7 8 9 10
Letak K3= 3/4(10+1) K1= ¼ (10+1)
= 8,25 = 2,75
antara data ke 8 dan 9 antara data ke 2 dan 3

Nilai K3= 174 + 0,25 (175-174)Rentang antar kuartil

= 174,25 = K3-K1
K1= 152 + 0,75 (160-152)= 174,25-158
= 158 = 16,25
 DESIL (DECILE)

 Desil adalah bila data yang telah disusun

menjadi distribusi dan dibagi menjadi 10
bagian yg sama.

 Prinsip perhitungan sama dengan prinsip

perhitungan untuk kuartil. Dengan
menghitung desil, kita akan mendapat
informasi yg lebih teliti dibandingkan dengan
kuartil
 GRAFIK LETAK DESIL

0% 20% 40% 60% 80% 100%

0 D2 D4 D6 D'8 n

43
RUMUS
Rumus untuk data yg tidak dikelompokkan :
Letak Dd = data ke d(n + 1)/10
D = 1,2,3,4,5,6,7,8,9

Dd = L + b (S – L)

Ket :
L = Nilai sebelum Dd
S = nilai dimana Dd berada
b = kekurangan unit untuk mencapai Dd
 CONTOH :

Misalkan, kita ingin mengetahui nilai rentang antar kuartil

kolesterol darah dari 10 orang penderita hipertensi adalah
sbb:
Kolesterol 150, 152, 160, 165, 167, 169, 171, 174, 175 dan 593
Data ke 1 2 3 4 5 6 7 8 9 10
 PERSENTIL (PERCENTILE)

 Data dari hasil penelitian telah diolah dan dihitung

rata-ratanya, tetapi karena kita masih ingin
mengetahui dimana posisi rata-rata tersebut serta
ingin mengetahui pada jenjang keberapa posisi
tersebut maka dapat digunakan perhitungan
persentil.

 Persentil adalah suatu distribusi dibagi menjadi

100 bagian yg sama, dengan cara demikian kita
mendapatkan 99 bagian yg sama.
CONTOH UKURAN LETAK PERSENTIL

1% 3% … … … 99%
P1 P3 … … … P99

47
 Cara perhitungan :

Untuk data yg tdk dikelompokkan

Tentukan posisi persentil (Pp) pada data ke p(n +1)/100
P = 1,2,3,4…99
n = jumlah pengamatan

Pp = L + b(S – L)

L = nilai sebelum Pp
S = nilai dimana Pp berada
b = kekurangan unit untuk mencapai Pp
 Contoh :

Pemeriksaan BB 15 org penderita penyakit jantung koroner

dengan hasil sbb:
45, 46, 47, 48, 50, 51, 54, 55, 56, 57, 59, 60, 61, 63, 65
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

Bila seorang penderita dikatakan mempunyai BB yg terletak

pada persentil 30% maka berapakah BB penderita tsb?

Jawab :
P30 terletak pada data ke 30(15 + 1)/100=4,8 atau 4+0,8
Nilai P30= 48 + 0,8 (50 – 48)
= 49,6 Kg
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
 Koefisien Skewness

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

Contoh kasus data dikelompokan µ = Nilai rata – rata hitung
µ = 33.68 Mo = Nilai modus
Md = Nilai median
Mo = 18  = Standar deviasi
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
 UKURAN KECONDONGAN

Kurva Sim etris K u r va Co ndo n g K u r va Co n d o n g

Posi ti f Neg ati f

52
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

Ke r uncingan Kur va

BENTUK KERUNCINGAN

Platy kurtic Mesokurtic

Leptokurtic

56
TERIMA KASIH