Oleh :

Yuliati Amperaningsih, S,K,M., M.Kes.

 Ukuran Variasi/Dispersi
Alasan pentingnya ukuran variasi :
Untuk mendptkan informasi tambahan ttg
penyimpangan yg terjadi pd suatu distribusi.
Untuk menilai ketepatan nilai tengah dlm
mewakili distribusinya.
Untuk mengadakan analisis melalui perhitungan
statistik yg lebih mendalam.
Mengapa terjadi variasi:
Variasi mrpkn peristiwa alamiah, dan dpt
terjadi pd semua kejadian.
Contoh :
1. Bbrp org analis kes. menghitung jumlah
leukosit, maka bisa saja akan dpt hasil yg
berbeda-beda (variasi eksterna).
2. Seorang analis kes. menghitung jumlah leukosit
berkali-kali dlm waktu yg berbeda akan
menghasilkan hasil yg berbeda (variasi interna).
Beberapa jenis ukuran variasi:
1. Ukuran variasi absolut :
 Range
 Kuartil
 Desil
 Persentil
 Deviasi rata-rata (mean deviation)
 Varians (variance)
 Deviasi standar (standard deviation)
2. Ukuran variasi relatif: Koefisien variasi
(Coefficient of variation)
Range
Adl selisih antara nilai terbesar dan nilai terkecil
dari data yg telah tersusun scr berurutan.
Keuntungan range: akan dpt dg segera
diperoleh gambaran kasar ttg besarnya variasi.
Keterbatasan range:
• Hanya melibatkan nilai terbesar dan terkecil.
• Sangat dipengaruhi nilai ekstrem baik ekstrem
besar maupun ekstrem kecil.
• Tdk dpt digunakan pd distribusi dg kelas
interval yg terbuka.
Contoh: Distribusi Nilai Ujian Statistik Kesehatan

Kelompok 1 Kelompok 2
(Perempuan) (Laki-laki)
40 10
45 25
Nilai 50 55
55 70
60 90
Jumlah 250 250
Rata-rata 50 50
Range 20 80
Kuartil:
Adl suatu ukuran yg membagi suatu distribusi
data yg telah disusun menjadi 4 bag yg sama.
Kuartil pertama (K1) mrpk 25% dari slrh
distribusi, K2 mrpkn 50% dan K3 mrpkn 75% dari
seluruh distribusi.

Keuntungan:
• Tidak dipengaruhi nilai ekstrem.
• Posisi K1, K2, dan K3 dpt dihitung.
• K2 sama dg median shg dpt dihitung deviasi
terhadap median.
• Distribusi dg kelas terbuka dpt dihitung.
Selisih antara K3 – K1 disebut rentang antar
kuartil (Interquartile Range) yg = 50% bag
tengah dari slrh distribusi sedangkan ½ dari
rentang antar kuartil disebut simpangan kuartil
(quartile deviation).

25% 25% 25% 25%

K1 K2 K3
Cara perhitungan:
Untuk data yg tdk dikelompokan
1. Tentukan letak/posisi K3 dan K1
2. Hitung nilai K3 dan K1

Rumus :
1. Letak K3 = ¾ (n+1) dan K1 = ¼ (n+1)
2. Nilai K3 dan K1 = L + b (S – L)

n = Jumlah pengamatan
L = Nilai sebelum K3 dan K1
b = Kekurangan untuk mencapai letak K3 dan K1.
S = Nilai dimana K3 dan K1 berada.
Contoh :
Hasil pemeriksaan kadar kolesterol darah
terhadap 10 penderita hipertensi sbb :
Kolestrl : 150, 152, 160, 165, 167, 169, 171, 174, 175 & 593
Data :1 2 3 4 5 6 7 8 9 10
Hitung Nilai Rentang Antar Kuartil?

Rumus :
• Letak K3 = ¾ (n+1) = ¾ (10+1) = 8,25 (antara 8 dan 9)
• Nilai K3 = L + b (S-L) = 174 + 0,25 (175 - 174) = 174,25.

• Letak K1 = ¼ (n+1) = ¼ (10+1) = 2,75 (antara 2 dan 3)

• Nilai K1 = L + b (S – L) = 152 + 0,75 (160 – 152) = 158

Nilai rentang antar kuartil : K3 – K1 = 174,25 – 158 = 16,25

Desil (Decile) :
Adl ukuran variasi yg membagi data yg telah
disusun menjadi 10 bagian yg sama.

Keuntungan : Dpt diperoleh informasi yg lebih

teliti dibandingkan dg kuartil.

Untuk data tdk diklpkan :

1.Letak Dd = data ke d (n + 1)/10
D = 1, 2, 3, 4, 5, 6, 7, 8, 9
2.Nilai Dd = L + b (S – L)
L = nilai sebelum Dd
S = nilai dimana Dd berada
b = kekurangan unit untuk mencapai Dd
Untuk data yg diklpkan :
1. Letak Dd pd data ke x = (d x n)/10
D = desil ke 1, 2, 3, 4, 5, 6, 7, 8, 9
2. Nilai Dd = L + i (x – fkum)/f

Keterangan :
n = jumlah pengamatan
L = tepi bawah dimana desil berada
i = interval kelas
fkum = frekuensi kumulatif sebelum Dd
f = frekuensi dimana Dd berada
Persentil (Percentil) :

Adl suatu distribusi yg dibagi menjadi 100

bagian yg sama, shg didptkan 99 bagian yg
sama.

Pd prinsipnya, persentil tdk berbeda dg

kuartil dan desil, yaitu dpt diketahui
posisi/letak dan dihitung nilainya.
Untuk data yg tdk dikelompokan :

Posisi Pp pd data ke p (n + 1)/100

P = 1, 2, 3, 4, … 99
n = jlh pengamatan

Nilai Pp = L + b (S – L)
L = nilai sebelum Pp
S = nilai dimana Pp berada
b = kekurangan unit untuk mencapai Pp
Untuk data yg dikelompokan :

Posisi Pp dg mengubah menjadi unit (n)

x = (p x n)/100
P = persentil ke 1, 2, 3, , … 99
n = jlh pengamatan

Nilai Pp = L + i (x – fkum)/f
L = nilai pengamatan sebelum Pp
i = interval kelas
fkum = frek kum < batas atas sebelum Pp
f = frekuensi diaman Pp berada
Deviasi Rata-Rata (Mean Deviation)
Adl jumlah selisih antara hasil setiap
pengamatan dg rata-rata dibagi dg
banyaknya pengamatan.

Deviasi rata-rata bermanfaat u/

mengetahui variasi yg terjadi dlm 1
kelompok pengamatan atau membandingkan
tkt variabilitas 2 kelompok atau lebih.
Rumus :

∑│x - µ│
1. MD populasi = -----------
n

∑│x - x│
2. MD sampel = -----------
n
n = banyaknya pengamatan
x = nilai pengamatan
µ = mean populasi
x = mean sampel
Contoh :
Berat badan 2 kelpk penderita Diare yg masing2 terdiri 5 orang.

Kel. 1 Kel. 2
BB Mean Deviasi BB Mean Deviasi
40 50 10 25 50 25
45 5 35 15
50 0 55 5
55 5 60 10
60 10 75 25
250 30 250 80

Kel.1 Kel.2
Kesimpulan: Variabelitas kel. 2 adl
x = 50 x = 50 2,5 kali lebih besar dari kel.1 atau
∑│x - x│ = 30 ∑│x - x│ = 80 dg kata lain kel 2 lebih bervariasi
dari kel 1.
MD = 30/5 = 6 MD = 80/5 = 16
Deviasi Standar (Standard Deviation)
Varian:
Adl jumlah seluruh selisih hasil pengamatan
dg rata-rata yg telah dipangkatkan dua
dibagi jumlah pengamatan.

Deviasi Standar:
Adl hasil akar dari varian.
Rumus SD untuk populasi :

∑ (x - µ)2
2
1. Varian = σ = -----------
N

∑ (x - µ)2
2. Deviasi Std = σ = -----------
N
N = banyaknya pengamatan
x = nilai pengamatan
µ = mean populasi
σ = deviasi standar
Rumus Deviasi Standar Sampel:

∑ (x - x)2
1. Varian sampel : Sd2 = -----------
n-1

∑
(x - x)2
2. Deviasi Std sampel : Sd = -----------
n-1
n = banyaknya pengamatan
x = nilai pengamatan
x = mean sampel
Sd = deviasi standar untuk sampel
Cara perhitungan deviasi standar:
1. Data mentah disusun scr berurutan (X)
2. Jumlahkan hasil pengamatan (∑X)
3. Bagilah ∑X dg banyaknya pengamatan (∑X/N) rata2
4. Kurangkan hasil tiap pengamatan dg rata2
(no.1 – no.3)
5. Pangkatkan hasil no. 4
6. Jumlahkan semua hasil no.5
7. Bagilah hasil no.6 dg banyaknya pengamatan
8. Hasil no.7 diakarkan.
Dalam bentuk flowcart:
1. x1, x2, ... xn
2. x1 + x2 + ... Xn = ∑x
3. x = ∑x/N
4. (x1–x) + (x2-x) + ... (xn-x)
5. (x1–x)2 + (x2-x)2 + ... (xn-x)2
6. ∑(xn-x)2
7. SD2 = ∑(xn-x)2/N

8. SD = ∑(xn-x)2/N
Contoh :
Hasil pemeriksaan glukosa darah (satuan mg%) 10 org dewasa normal
sbb:
Glukosa darah = x x–x (x – x)2
70 -8,4 70,56
72 -6,4 40,96
76 -2,4 5,76
77 -1,4 1,96
78 0,4 0,16
79 0,6 0,36
80 1,6 2,56
81 2,6 6,76
85 6,6 43,56
86 7,6 57,76
Jumlah = 784 Jumlah = 236,4

x = 784/10 = 78,4
SD = 236,4/10 = 4,85 mg%
Koefisien Variasi (Coefficient Of Variation)

Adl deviasi standar (simpangan baku) yg

dinyatakan sbg persentase dari rata-rata (mean),
atau dg kata lain KV mrpk perbandingan antara
simpangan baku thd rata-rata yg dinyatakan dlm
persen.

Rumus :
KV = (Sd / x) x 100%
Contoh :
Seorang analis kes A dlm sehari rata2 memeriksa
40 sampel darah dg std deviasi 5 dan analis kes B
dlm sehari rata2 dpt memeriksa 160 sampel dg
std deviasi 15. Mana variasi yg lebih baik, apakah
analis kes A atau analis kes B ?

Perhitungan :
Analis A : KV = (5/40) x 100% = 12,5%
Analis B : KV = (15/160) x 100% = 9,4%

Kesimpulan : Analis B mempunyai variasi < dari analis

A krn mempunyai kemampuan 4 kali > daripada A.
Sekian Terima Kasih