P E N Y I M PA N G A

N
“Suatu ukuran yang menunjukkan
tinggi rendahnya perbedaan data
yang diperoleh dari rata-ratanya”
A. RENTANGAN

RUMUS : R = Data Tertinggi – Data Terendah

Data Tertinggi – Data Terendah

Contoh : Data nilai UAS Statistika

Kelas A : 90,80,70,90,70,100,80,50.75,70
Kelas B : 80,80,75,95,75,70,95,60,85,60

Langkah Menjawab :
Kelas A : 50,70,70,70,75,80,80,90,90,100
Kelas B : 60,60,70,75,75,80,80,85,95,95

Rentangan Kelas A : 100 – 50 = 50

Rentangan Kelas B : 95 – 60 = 35
B. Rentangan Antar Kuartil (RAK)
RAK = K3 – K1
Selisih antara kuartil ketiga dengan kuartil pertama

Contoh :
Diketahui Data: 90,80,70,90,70,100,80,50.75,70
Langkah Menjawab : 50,70,70,70,75,80,80,90,90,100

K1 = ¼ (n + 1) = ¼ (10 + 1 ) = ¼ ( 11 ) = 2,75
K3 = ¾ ( n + 1) = ¾ ( 11 + 1 ) = ¾ (11) = 8,25

RAK = K3 – K1
= 90 – 70 = 20
Dapat ditarik kesimpulan bahwa 50% nilai tersebut paling rendah 70 dan paling tinggi 90 dengan perbedaan paling
tinggi 20
C. Rentangan Semi Antar Kuartil (Simpangan
Kuartil )
SK = ½ RAK

Contoh :
Diketahui Data: 90,80,70,90,70,100,80,50.75,70
Langkah Menjawab : 50,70,70,70,75,80,80,90,90,100

K1 = ¼ (n + 1) = ¼ (10 + 1 ) = ¼ ( 11 ) = 2,75
K3 = ¾ ( n + 1) = ¾ ( 11 + 1 ) = ¾ (11) = 8,25

RAK = K3 – K1
= 90 – 70 = 20
SK = ½ ( 20 ) = 10
Selanjutnya harga median (K2) = ½ (70 + 90) = 80 +/- 10.
Artinya 50% dari Ujian Statistik
Selanjutnya harga median (K2) = ½ (70 + 90) = 80 +/- 10.
Artinya 50% dari Ujian Statistik memperoleh nilai terletak
dalam interval antara 70 sampai 90 atau 80 +/- 10. Dapat
digambarkan sebagai berikut :

SK = 10 SK = 10

 K1 = 70 Me = 80 K3 = 90

 RAK = 20
d.Simpangan Rata-Rata (SR)
Nilai rata-rata dari harga mutlak semua simpangan terhadap
rata-rata (Mean) kelompoknya. Maksud harga mutlak semua
nilai simpangan negatif dianggap positif.
Nilai simpangan diberi simbol (x), Harga Mutlak bersimbol x .
Rumus : x = X - x

Catatan :
x = simpangan data dari rata-ratanya
X = data yang diketahui
x = Mean kelompok data

Rumus Simpangan Rata-rata (SR) data tunggal :

SR = atau SR =
Rumus Simpangan Rata-rata (SR) data kelompok :

SR =

Contoh data tunggal :

Data nilai UAS Statistika yang diambil sampel sebanyak 7 mahasiswa
sebagai berikut :
Nilai UAS Statistika
Nilai (X) Rata-rata | X - x 
(x ) | x x = = = 75
60 15
65 10 SR = = = 8,57
70 5
75 75 0
80 5
Rata-rata nilai UAS 7 orang
85 10
90 15 mahasiswa sebesar 75
dengan simpangan 8,57
x = 525   x  = 60
Contoh : Data Kelompok
Nilai Frekuensi Titik Tengah f.X ( X -x ) f. x
(f) (X) x
60 - 64 2 62 124 15,64 31,28
65 - 69 6 67 402 10,64 63,84
70 - 74 15 72 1080 5,64 84,6
75 - 79 20 77 1540 0,64 12,8
80 - 84 16 82 1312 4,36 69,76
85 - 89 7 87 609 9,36 65,52
90 - 94 4 92 368 14,36 57,44

f = 70 f x = 5435 f x
=385,24
x = = = 77,64

SR = = = 5,5
Jadi rata-rata nilai statistika dari 70 mahasiswa sebesar 77,64
dengan simpangan rata-rata 5,5
e. Simpangan Baku (Standar Deviasi)
Suatu nilai yang menunjukkan tingkat (derajat) variasi
kelompok data atau ukuran standar penyimpangan dari
meannya.
Simbol standar deviasi populasi (n atau n )
Simbol sampel (n – 1, SD atau s)

1. Rumus Standar Deviasi (s) sampel untuk data tunggal :

n – 1 = atau s=

Standar Deviasi (s) populasi untuk data tunggal :

n = atau  =
Diketahui nilai UTS statistika mahasiswa Universitas X :
No X X2
1 75 5625 s = =
2 70 4900
3 80 6400
4 85 7225
5 60 3600
6 75 5625 s = =
7 100 10000
8 90 8100
9 95 9025
10 75 5625
s = =
n=10 X X2
10 805 66125
= 12,12 (Data sampel)
 No x (X -x) X2
x x = = 805/10
1 75 -5,5 30,25
2 70 -10,5 110,25
3 80 -0,5 0,25 = 80,5
4 85 4,5 20,25 s = =
5 60 -20,5 420,25
6 75 -5,5 30,25
7 100 19,5 380,25
8 90 9,5 90,25 =
9 95 14,5 210,25
10 75 -5,5 30,25
n = 10 X =805 0 X2 = 1322,5
s = = 12,12
2. Standar deviasi (s) sampel untuk data distribusi
(dikelompokkan)

n – 1 = .

Atau s=

Standar deviasi (s) Populasi untuk data distribusi

(dikelompokkan)
n = . atau  =
Contoh : Data Kelompok
Nilai Frekuensi Titik Tengah f.X X2 f. X2
(f) (X)
60 - 64 2 62 124 62x62 7688
65 - 69 6 67 402 67x67 26934
70 - 74 15 72 1080 DST 77760
75 - 79 20 77 1540 118580
80 - 84 16 82 1312 107584
85 - 89 7 87 609 52983
90 - 94 4 92 368 33856
f = 70 f x = 5435 f X2.=425385

S= = =

S= = = = 7,016
Contoh : Data Kelompok
Nilai Frekuensi Batas Kelas x (X - x) X2 f. X2
(f) Atas (X) x
60 - 64 2 64,5 -15 225 450
65 - 69 6 69,5 -10 100 600
70 - 74 15 74,5 -5 25 375
75 - 79 20 79,5 79,5 0 0 0
80 - 84 16 84,5 5 25 400
85 - 89 7 89,5 10 100 700
90 - 94 4 94,5 15 225 900
f = 70 X= 556,5 0 X2 = 700 f. X2 =3425

S= = = 79,5

S= = = = = 7,045 (sampel)
Apabila Standar Deviasi lebih dari satu, maka dihitung dengan
menggunakan Standar Deviasi gabungan (Sg).

Rumus : Sg =

Contoh :
Diketahui 20 orang pegawai mengikuti Diklat setelah dibagi 3
kelompok diuji dengan hasil sebagai berikut :
Kelompok 1 : 70,75,73,80,84,86
Kelompok 2 : 82,85,67,68,74,75
Kelompok 3 : 74,76,85,83,71,76,86,90
Ditanyakan Berapakah simpangan gabungan (Sg) ketiga
kelompok itu ?
Jawab :
S1 = 6,356 S12 = 40,45
S2 = 7,25 S22 = 52,56
S3 = 6,75 S32 = 45,56

Sg =

Sg =

Sg =

Sg =

Sg = = 6,79
F. Variasi (Varians)
Kuadrat dari standar deviasi.
Simbol varians untuk populasi = 2 atau 2n
Sampel 2n – 1 atau (S2 ) atau S
1. Rumus Varians (S) sampel untuk data tunggal :

2 n – 1 = Atau S =

Varian (S) populasi untuk data tunggal

2 n = Atau 2 =
Contoh :
Jika (Standar Deviasi) s = 12,12 (Data Sampel)
Maka (Varians) S = 12,122 = 146,89

2. Varians (S) Sampel untuk data distribusi (dikelompokkan)

2 n – 1 = Atau S =

Varians (S) Populasi untuk data distribusi (dikelompokkan)

2n = Atau 2n =

Contoh : Data Berdistribusi :
Jika (Standar Deviasi) s = 7,016 (data sampel)
Maka (Varians) S = 7,0162 = 49,2243
g. KOEFISIEN VARIANS (KV)

Perbandingan antara Standar Deviasi dengan harga

mean yang dinyatakan dengan (%).
Gunanya untuk mengamati variasi data atau sebaran
data dari meannya (rata-ratanya),
Semakin kecil koefisien variasinya maka data semakin
seragam (homogen). Sebaliknya semakin besar
koefisien variasinya maka data semakin heterogen.
Menghitung besarnya Koefisien Varians dengan rumus :
Keterangan :

KV = KV = Koefisien Varians (KV)

s = Standar Deviasi
x = Rata-rata

Contoh : Diperoleh data ujian statistik sbb :

Kelas A : Kelas B :
Nilai rata-rata = 75 Nilai rata-rata = 85
Standar Deviasi = 5,4 Standar Deviasi = 4,2

Ditanyakan koefisien varians masing-masing?

Jawab :
KVKelas A = = x 100% = 7,2%

KVKelas B = = x 100% = 4,94%

h. Angka Baku

Atau skor baku ialah bilangan yang menunjukkan tingkat data

penyimpangan dari mean dalam satuan standar deviasi atau
seberapa jauh suatu nilai tersebut yang menyimpang dari
rata-rata dengan satuan s.
Kegunaan angka baku antara lain :
Untuk mengamati perubahan nilai kenaikan, nilai
penurunan variabel atau suatu gejala yang ada dari
meannya dan untuk menaikan (mengubah) data
ordinal menjadi data interval dengan jalan mengubah
skor mentah menjadi skor baku.

Rumus : Zscore =

Keterangan : Zscore = Angka baku

X = Nilai Variabel
s = Standar Deviasi
x = Rata – Rata (Mean)
Contoh :

Seorang Mahasiswa nebfambil 5 mata kuliah dengan nilai

prestasi UTS dan rata-rata kelas :
Bahasa Inggris : Nilai 80; x = 70; s = 5
Statistika : Nilai 95; x = 75; s = 4
Manajemen SDM : Nilai 85; x = 80; s = 5
Hukum Lingkungan : Nilai 90; x = 70; s = 10
Matematika : Nilai 100; x = 85; s = 5

Berdasarkan kelima nilai diatas, mana yang lebih baik

diperoleh oleh mahasiswa tersebut?
 Jawab : Kalau dilihat dari besar nilainya matematika yang
paling baik derajatnya yaitu 100 lebih besar dari nilai
statistika = 95, tetapi kalau dinilai secara relatif dibanding
dengan rata-rata, maka harus dihitung angka bakunya
yaitu :
Z(BI) = = 2 Z(HTN) = = 2

Z(Mat) = = 3 Z(MSDM) = =1

Z(Stk) = =5

Berdasarkan kelima nilai tersebut lebih baik ialah Statistika

atau kedudukan nilai statistika lebih tinggi daripada nilai
keempat mata kuliah diatas
 KEMENCENGAN ATAU
KECONDONGAN
Ada 3 kemungkinan kesimetrian kurva distribusi data :

1) Jika nilai ketiganya sama maka kurvanya berbentuk simetri.

2) Jika Mean > Med > Mod, maka kurva miring ke kanan.
3) Jika Mean < Med < Mod, maka kurva miringke kiri.
Untuk mengetahui sebuah distribusi menceng ke
kanan atau kekiri digunakan beberapa metode-
metode berikut.

A. KOEFISIEN KEMENCENGAN PEARSON

Merupakan Selisih Rata-Rata dengan Modus Dibagi Simpangan Baku. Rumus =

SK = Koefisien Kemencengan Pearson

Secara Empiris didapatkan hubungan antara nilai
pusat sebagai berikut :

Maka rumus kemencengan diatas dapat dirubah

menjadi :
Jika nilai sk dihubungkan dengan keadaan kurva,
maka:

sk 0 kurva berbentuk simetris

sk kurva menceng ke kanan
sk kurva menceng ke kiri
Contoh soal 1 :
Diberikan data tinggi badan mahasiswa,Tentukan
besarnya kemencengan kurva dari data berikut:
Ukuran data dari tabel frekuensi tersebut adalah
Mean = 109,6
Median =108
Modus  = 105
Deviasi standar = 9,26
Ukuran kemencengan Pearson adalah=109,6105
= 4,6.
Koefisien kemencengan (CK) adalah : 4,6:9,26=
0,5
Contoh soal :
Koefisien kemiringan kurva distribusi frekuensi
dari hasil penjualan suatu barang yang
mempunyai nilai rata-rata =Rp 516.000,00,
modus = Rp 435.000,00dan standar deviasi =
Rp 150.000,00 adalah..
Penyelesaian:
Contoh soal :
Koefisien Kemencengan Bowley:

Keterangan:
Skb= Koefisien Kemencengan Bowley
Q1 = kuartil pertama
Q2 = kuartil kedua
Q3= kuartil ketiga

• Jika Q3 - Q2 = Q2 - Q1atau Q3 + Q1 - 2Q2 = 0 maka α = 0 dan

distribusi datanya simetri
• Jika Q1 = Q2 maka α = 1 dan distribusi datanya miring ke kanan
• Jika Q2 = Q3maka α = -1 dan distribusi datanya miring ke kirI
Penyelesaian:
Q1= 102,71
Q2= 108
Q3= 116

Karena skb positif, maka kurva menceng ke

kanan dengan kemencengan yang tidak berarti.
Koefisien Kemencengan Persentil
Koefisien kemencengan persentil didasarkan atas
hubungan antarpersentil (P90, P50, P10) dari sebuah
distribusi . Koefesien ini dirumuskan:
Keterangan :
= Koefisien kemencengan persentil
P= persentil
Koefisien kemencengan momen
Koefisien Kemencengan Momen didasarkan pada
perbandingan momen ke-3 dengan pangkat 3
simpangan baku. Koefisien ini dilambangkan
dengan . Koefisien Kemencengan Momen disebut
juga kemencengan relatif.
α3= 0, maka distribusi datanya simetri
α3 < 0, maka distribusi datanya miring ke kiri
α3 > 0, maka distribusi datanya miring ke kanan
menurut Karl Pearson, distribusi dengan α3 ± 0,50
adalah distribusi sangat menceng.
Menurut Kenney and Keeping, nilai α3 bervariasi
antara ± 2bagi distribusi yang sangat menceng.
Untul mencari α3 dibedakan antara data tunggal dan
data berkelompok:
Untuk data tunggal

= koefisien kemencengan
M3= momen ketiga, mengukur kemencengan
S = simpangan baku
n = banyaknya data pengamatan
Xi= data frekuensi ke-i
Untuk data berkelompok

Atau
 KERUNCINGAN (KURTOSIS)

Keruncingan adalah tingkat kepuncakan dari suatu

distribusi yang diambil secara relatif terhadap
suatu distribusi normal.

Kurtosis terdiri dari:

1. Leptokurtis, puncak kurva relatif tinggi

2. Mesokurtis, puncak kurva normal
3. Platikurtis, puncak kurva rendah
Koefisien Keruncingan
Dilambangkan dengan . Jika hasil perhitungan
koefisien keruncingan diperoleh:
Jika α4> 3, maka bentuk kurva leptokurtis
(meruncing)
Jika α4= 3, maka bentuk kurva mesokurtis
(normal)
Jika α4< 3, maka bentuk kurva
platikurtis(mendatar)
Untuk mencari nilai atau koefisien keruncingan
dibedakan antara data tunggal dan data
berkelompok.

Untuk data tunggal

Untuk data berkelompok

 
Atau
JAWAB :