UKURAN

PENYEBARAN

RANGE, RAK, SD,VARIANS

 RANGE


  
Menunjukkan selisih antara data yang paling tiggi
dengan data yang paling rendah
 Dapat menunjukkan variasi distribusi data

 Tidak mempertimbangkan nilai-nilai yang lain selain

nilai Ekstrim nya
CONTOH SOAL
 Berikut ini adalah tabel nilai pada masing-masing
matakuliah :

MATA KULIAH MAX - MIN Range

ARKL 60-60 0
Enthomologi 78-28 50
Kesling TTU 85-20 65

 Maka secara singkat dapat dijelaskan bahwa nilai mata

kuliah Kesling TTU lebih bervariasi dibandingkan
dengan nilai matakuliah yang lain nya, sedangkan nilai
mata kuliah ARKL lebih homogen
  Rentang Antar Kuartil:
 Ukuran Penyebaran dihitung dari selisih kuartil ke Tiga dan
Kuartil pertama yang Merupakan Variasi 50% dengan
menghilangkan 25% dari sisi Kiri dan 25% dari sisi Kanan
  Simpangan Kuartil
 Dihitung dari setengah Kuartil
 SK= (K3-K1)
 Simpangan Rata-rata
 Dapat digunakan untuk menutup kekurangan dari nilai
Range
 Memperhitungkan nilai-nilai selain nilai ekstrim
  Rumus untuk data tidak berkelompok :
SR =

Dimana :
X = Nilai data
X = Rata-rata Hitung
N = banyaknya data
  Rumus untuk data berkelompok :
SR =
 Tanda nilai mutlak berfungsi untuk menjamin agar
simpanan bernilai positif, karena dispersi data
merupakan ukuran yang bernilai positif
Contoh soal

Tentukan simpangan rata-rata kelompok data 20,30,50,70 dan 80

Dimana Rata-rata hitung adalah 50 dan jumlah data adalah 5

  Jawab
 =

= 30
5

=
= 20
 VARIANCE
O  Simpangan baku atau standar deviasi
merupakan bentuk akar pangkat 2 dari
variansi. Biasanya Ukuran Variansi ini di
berikan simbol
O Variansi bisa di sebagai ukuran penyabaran
O Varians adalah rata-rata kuadrat selisih atau
kuadrat simpangan dari semua nilai data
terhadap rata-rata hitung
 Rumus
O  Data tidak berkelompok :
O = (X - X)
n-1
o Untuk Data yang tidak berkelompok :
O = (X - X)
n-1
 Contoh soal
O  Tentukan variansi dari sekelompok data pada
contoh soal di bawah ini :
O = ++++
5-1
 Simpangan Baku
O Merupakan Ukuran Penyebaran Yang Paling
Banyak Digunakan
O Dikenalkan oleh Karl Pearson
O Merupakan ukuran penyebaran yang paling
teliti.
O  = untuk data berkelompok

O = Untuk data tidak berkelompok

 Contoh soal
O  Data umur petugas rekam medis :
O 20, 30, 50, 70
O Maka akan diperoleh
O Maka diperoleh standar deviasi nya adalah
25,495
Atau Menggunakan rumus :

X 20 30 50 70 80 250
400 900 2500 4900 6400 15100
O  =
=
= / 20
=
= 25,49
 Contoh soal
O Carilah simpangan baku dari data umur pasien
poli anak :
O 13,14,11,12,10,9,8,9,8
 No Kelas Interval Frekuensi(f)
1 18-22 3
2 23-27 10
3 28-32 35
4 33-37 65
5 38-42 30
6 43-47 45
7 48-52 26
8 53-57 11
9 58-62 5
  Ʃ (Jumlah Total) 230
 Momen
O  Penyimpangan data ke sekian, semisal momen
ke -1, berarti penyimpangan data yang
pertama rata-rata, momen ke 3 berarti
penyimpangan data yang ke 3 dari rata-rata
O Rumus :
O
Dimana nilai r adalah nilai momen yang ke ...
( r=1,2,3...)
O  Untuk data berkolompok rumusnya adalah :
O atau

O
 Kemiringan / skewness
O Merupakan ukuran ketidaksimetrisan
(kemencengan) distribusi.
O Distribusi yang ekor kurvanya lebih panjang
ke kanan di sebut menceng ke kanan atau
positif skewness
Menggambarkan model kurva
distribusi data
O Model positif – ekor memanjang ke kanan
O Model negatif – ekor memanjang ke kiri
O Simetri – sisi kanan dan sisi kiri sama
O Mo: Me:M
Karl Pearson

  Koefisien Skweness :
= -
SK=

Keterangan :
SK<0 = model Negatif
SK = 0 – simetris
SK > 0 – model positif Jika Skweness bernilai (0) maka
distribusi data normal
Keruncingan distribusi data

 Adalah derajat atau ukuran tinggi rendahnya puncak

suatu distribusi data terhadap distribusi normalnya
data,
 Keruncingan distribusi data disebut dengan Kurtosis
Dibagi menjadi 3

Lepto Distribusi data

yang puncakny
kurtik relatif tinggi

Distribusi data
yang puncanya Plati
relatif rendah
(mendatar)
kurtik

Distribusi data yang puncaknya

Meso tidak terlalu rendah dan tidak
kurtikterlalu tinggi
Distribusi Normal

Merupakan distribusi kontinu yang

sangat penting dalam ukuran
statistik
• Di gunakan dalam pengambilan keputusan

Dan mengatasi permasalahan

• Di sebut dengan distribusi Gauss
 Sifat Grafik
 Grafik selalu berada di atas sumbu datar µ
 Bentuk grafik simetris terhadap µ= 0
 Mempunyai modus
 Grafiknya mendekati sumbu µ dimulai dari x = µ + 3σ ke
kanan dan x = μ – 3 σ ke kiri
 Luas daerah grafik selalu sama dengan satu unit persegi
  Rumus n(x,μ,σ)=(x- μ)
 Dimana :
 = Nilai Konstanta , = 3,1416
 e = Bilangan Konstanta, e = 2,7183
 μ = Rata-rata populasi
 = Simpangan Baku distribusi
Hipotesis dalam penelitian

 Pengujian hipotesis membantu dalam pengambilan

keputusan.
 Menolak atau menerima berdasarkan pada besarnya
peluang untuk memperoleh hubungan secara kebetulan
 Prinsip Uji :
 Melakukan perbandingan nilai
sample atau hasil data
penelitian dengan nilai Hipotesis
atau nilai populasi yang
diajukan
Berasal dari bahasa
yunani

Hupo Sementara

Thesis
pernyataan /Dugaan
Hypothesis
Penelitian Disbut juga sebagai
Research Hypotheisis
Dinyatakan dalam
sebuah kalimat simpulan
Misalnya : ada hubungan
antara a dan b
Hypothesis
Statistik Disebut juga Statistical
hypothesis

Dinyatakan dalam H0 dan H1

Bersifat Komplementer; apa yang

ada dalam H0, tidak ada dalam
H1
H0 menunjukkan bahwa :

Tidak ada perbedaan

kejadian diantara dua
kelompok

Atau, tidak ada hubungan

antara satu variabel dean
variabel yang lain.
Hypothesis Alternatif
(Ha/H1)

Menyatakan bahwa
terdapat perbedaan
antara dua kelompok

Ada hubungan satu

vaiabel dengan
variabel yang lain
Arah dan bentuk Hypothesis

Satu arah
Dilih jika hipothesis alterna tif menunjukkan bahwa terdapat
perbedaan satu sama lain lebih tinggi atau lebih rendah

Contoh :
Pekerja yang merokok lebih cepat lelah dibandingkan yang tidak
Contoh Hypothesis statistik

HO : μD≥µK dan Ha : μD< µK

Perhatikan tandan Pada hasil Ha

Di jelaskan bahwa μD<µK

Tanda < mengarah ke Kiri, jadi dapat disimpulkan

bahwa

Hipotesis daiatas adalah hipotesis satu arah , yaitu ke

sebelah kiri
 Hipothesis 2 arah

Menyatakan perbedaan
tanpa melihat mana yang
lebih besar atau lebih
kecil

Contoh , ada beda Kadar

HB antara mahasiswa yang
terbiasa makan pagi dan
tidak makan pagi
Contoh Hipotesis Statistik :
 Berdasarkan dugaan penelitian tersebut maka dapat kita buat
dalam kalimat Hipotesis statistik sebgai berikut :

 H0 : μD=μK atau H1 : μD≠μK

Tanda = menenjukkan hipothesis 2 arah yaitu

disebelah kiri atau disebelah kanan bahwa daerah
kritis berada pada sebelah kiri dan sebelah kanan
 Kesalahan dalam pengambilan keputusan

Keadaan sebenarnya

Keputusan pengguna
HO Benar HO Salah

Menolak Ho Kesalahan Tipe σ Keputusan Benar (1-β)

Mendukung Ho Keputusan Benar Kesalahan tipe II (β)

Kesalahan Tipe 1 (σ)
 Terjadi karena menolak Ho padahal Ho bener. Hal ini
menyimpulkan adanya perbedaan padahal sesungguhnya Ho
benar.
 Hal ini berarti menyimpulkan adanya tidak ada beda.
 Peluang Kesalahan tipe I atau σ atau tingkat kemaknaan
(significant level) sebaliknya tingkat kesalahan tipe I adalah (1-
σ) disebut dengan tingkat kepercayaan (confidence level)
Kesalahan tipe II (β)
 Terjadi karena tidak menolak Ho, padahal Ho salah padahal
sesungguhnya Ho salah.
 Hal ini menyimpulkan bahwa tidak ada perbedaan padahal
sesungguhnya terdapat perbedaan.
 Peluangnya di lambangkan dalam β
 Peluang untuk tidak membuat kesalahan tipe II adalah 1- β
dan dikenal sebagai tingkat kekuatan uji
 Menentukan tingkat kemaknaan

Tingkat kemaknaan atau α adalah nilai yang

menunjukkan besarnya peluang salah dalam
menolak hipotesis o(Ho).
Merupakan nilai batas maksimal kesalahan menolak
Ho.
Bila Ho ditolak berarti ada beda atau ada hubungan
antara variabel yang diteliti.
Nilai yang sering digunakan adalah 1%,5%, dan 10%
 Langkah-langkah

Tetapkan rumusan hipotesis dengan tepat , baik

hipotesis 0, maupun hipotesis alternatif (Ha) apakah
termasuk uji satu arah atau uji 2 arah
Tetapkan taraf nyata α yang diinginkan sehingga
dapat diperoleh nilai kritis dalam tabel , dengan
demikian dapat digambarkan daerah penolakan atau
daerah penerimaan
Tetapkan uji yang cocok untuk menguji hipotesis.
Hitunglah nilai statistik berdasarkan data dan
informasi yang berdasarkan populasi maupun sampel
Simpulkan H0 ditolak jika nilai uji statistik jatuh
atau terletak pada daerah penolakan H0, bila Zh> Zα
Atau
Zh < -Z α untuk uji satu arah Zh>Z α /2
Zh<-Z α/2 untuk uji 2 arah
 Contoh soal

Pada sebuah laporan kelahiran di kecamatan

bahagia di ketahui rata-rata berat badan bayi lahir
adalah 3 kg (3000 gr). Dengan standar deviasi
adalah 300 gr. Kepala puskesmas ingin menguji
apakah ada perbedaan rata-rata berat badan bayi
tahun lalu dengan saat ini, diambel sample sebanyak
200 bayi dan diperoleh berat rata-rata 3,2 kg
buktikan apakah ada perbedaan antara bayi tahun
lalu dan saat ini jika diketahui α adalah 5%
Suatu survey ingin melihat rata-rata umur petugas
Rekam medis di rumah sakit merdeka. Diketahui
rata-rata umur petugas adalah 35. dengan
simpangan baku adalah 3,7. carilah berapa jumlah
petugas yang umurnya > 40 , jika diketahui ada 150
petugas pada bagian rekam medis