1

Setelah selesai mempelajari bab ini Anda

diharapkan mampu:
 menghitung dan menafsirkan ukuran dispersi
untuk data tidak berkelompok
 menghitung dan menafsirkan ukuran dispersi
untuk data berkelompok
 menghitung dan menafsirkan ukuran koefisien
kemencengan dan koefisien keruncingan

2
1. Ukuran Penyimpangan (Dispersion)
2. Ukuran Kemencengan (Skewness)
3. Ukuran Keruncingan (Kurtosis)

3
 Dispersi: mengukur reliabilitas rata-rata suatu data.
Semakin kecil ukuran dispersi suatu data, maka rata-rata
data tersebut semakin baik untuk mewakili anggotanya.
 Kemencengan: bentuk kemencengan distribusi data.
 menceng ke kiri (condong ke kanan): sebagian besar data bernilai
lebih besar dari rata-ratanya.
 menceng ke kanan (condong ke kiri): sebagian besar data bernilai
lebih kecil dari rata-ratanya.
 simetris: sebagian besar data berada di sekitar rata-ratanya.

 Keruncingan: bentuk keruncingan distribusi data.

Bentuk kerunc.: Leptikurtik, Mesokurtik, dan Platikurtik

4
 Dispersi Absolut:
1. Range (R)
2. Deviasi Rata-rata (AD)
3. Standar Deviasi ()
4. Varians (2)
5. Deviasi Kuartil (QD)
 Dispersi Relatif: Koefisien Variasi (CV)

5
 Range (R): selisih nilai tertinggi dengan nilai
terendah.
 Deviasi Rata-rata (AD): jumlah selisih nilai
mutlak rata-rata dengan nilai aktual.
AD   X
N
 Deviasi Standar (): akar jumlah selisih
kuadrat rata-rata dengan nilai aktual.
 (X   )2
σ 
N
6
 Varians (2): jumlah selisih kuadrat rata-rata dengan
nilai aktual.
2  (X  μ)2
σ 
N
 Deviasi Kuartil (QD): selisih antara kuartil 3 dengan
kuartil 1 dibagi 2.
K3  K1
QD 
2

7
 Koefisien Variasi (CV): persentase standar deviasi
terhadap rata-rata.

CV  σ 100%
μ

8
Simpangan Rata-rata (Mean Deviation atau MD)
adalah rata-rata dari penyimpangan nilai-nilai
variabel dari rata-rata kelompoknya.
Dibandingkan dengan rentangan informasi yang
didapat melalui MD lebih mantap sebagai ukuran
variabilitas, karena  ditentukan berdasarkan
seluruh nilai yang ada dalam kelompoknya, bukan
hanya berdasar pada nilai-nilai ekstrim saja.

Source: 
https://www.psikologimultitalent.com/2016/08/
memahami-macam-ukuran-variabilitas-dan.html
Statistika I: Ukuran Variabilitas 9
 SD adalah nilai tunggal yang mewakili semua
perbedaan individual yang dihitung
berdasarkan penyimpangan individu-individu
dari nilai rata-rata mereka. SD memberikan
informasi tentang posisi suatu skor dengan
melihat penyimpangannya dari nilai rata-rata.

Source: 
https://www.psikologimultitalent.com/2016/0
8/memahami-macam-ukuran-variabilitas-dan.h
tml
Statistika I: Ukuran Variabilitas 10
 Perhitungan standar deviasi adalah digunakan sebagai indikator seberapa
jauh data statistik menyimpang. Lalu bagaimana cara menghitung standar
deviasi? Dikutip dari Investopedia, standar deviasi adalah nilai statistik yang
dipakai guna menentukan seberapa dekat data dari suatu sampel statistik
dengan data mean atau rata-rata data tersebut. Semakin rendah nilai standar
deviasi, maka semakin mendekati rata-rata, sedangkan jika nilai standar
deviasi semakin tinggi, artinya semakin lebar rentang variasi datanya.
Sehingga standar deviasi adalah ukuran besarnya perbedaan dari nilai
sampel terhadap rata-rata. Rumus standar deviasi digunakan para ahli
statistik untuk mengetahui apakah sampel data yang dipakai dalam
perhitungan seperti survei bisa mewakili seluruh populasi. Dengan standar
deviasi, seseorang bisa memberi gambaran kualitas data sampel yang
diperolehnya.
https://money.kompas.com/read/2021/06/23/150642926/standar-deviasi-ad
alah-perhitungan-statistik-simak-rumus-dan-kegunaannya
.

Statistika I: Ukuran Variabilitas 11

Berikut ini adalah skor tes prestasi 10 karyawan
di perusahaan konveksi CYNTHIA Balikpapan:
 
78 56 66 94 48 82 80 70 76 50
 
Tentukan range (R), deviasi rata-rata (AD),
standar deviasi (), varians (2), dan koefisien
variasi (CV) skor tes prestasi 10 karyawan
tersebut.

12
 Skor  | X - |
78 70 8
 R = 94 – 48 = 46 56 70 14
 Deviasi rata-rata (AD) 66 70 4
94 70 24
 X 700 48 70 22
= = = 70 82 70 12
N 10 80 70 10
 | X - μ | 120 70 70 0
AD = = = 12 76 70 6
N 10
50 70 20
─────────
 | X -  | = 120

13
  Standar deviasi ()
Skor (X)  (X - ) (X - )2
78 70 8 64
56 70 -14 196
66 70 -4 16
94 70 24 576
48 70 -22 484
82 70 12 144
80 70 10 100
70 70 0 0
76 70 6 36
50 70 -20 400 +
2016

2
(X - μ) = 2.016 = 14,20
σ=
N 10
14
 Varians (2) 2
2 (X  μ) 2.016
σ =   201,6
N 10

 Koefisien Variasi (CV)

σ 14,20
CV  x100%  x100%  20,29%
μ 70

15
Populasi: 6; 4; 6; 8;10, 4; 3; 9; 7; 6; 5.
Tentukan: R, AD, , 2, dan CV.

16
 X Valid N (listwise)
 N Statistic 11 11
 Range Statistic 7
 Minimum Statistic 3
 Maximum Statistic 10
 Sum Statistic 68
 Mean Statistic 6.182
 Std. Error .658
 Std. Deviation Statistic 2.183
 Variance Statistic 4.764
 Skewness Statistic .352
 Kurtosis Statistic -.638
17
 Range (R): selisih antara tepi kelas atas kelas
terakhir dan tepi kelas bawah kelas pertama.

 Deviasi Rata-rata (AD): jumlah frekuensi dikali

selisih nilai mutlak rata-rata dengan nilai aktual.
 f M
AD 
N

18
 Deviasi Standar (): akar jumlah selisih kuadrat
antara rata-rata dengan nilai aktual.

 f(M  μ)2
σ
N
 Varians (2): jumlah frekuensi dikali selisih
kuadrat rata-rata dengan nilai aktual.

2
σ  f(M  μ)2
N
19
 Deviasi Kuartil (QD): selisih antara kuartil 3
dengan kuartil 1 dibagi 2.

K3  K1
QD 
2

 Koefisien Variasi (CV): persentase standar

deviasi terhadap rata-rata.

CV  σ 100%
μ

20
 JUMLAH Tentukan:
LABA
HARI - Range (R)
40 < 50 4
- Deviasi Rata-rata (AD)
50 < 60 6
60 < 70 10 - Standar Deviasi ()
70 < 80 4 - Varians (2)
80 < 90 4 - Koefisien Variasi (CV)
90 < 100 2

21
 Range = 100 – 40 = 60
 Deviasi Rata-rata (AD)
Laba f M  | M - | f.| M - |
40 < 50 4 45 66,33 21,33 85,32
50 < 60 6 55 66,33 11,33 67,98
60 < 70 10 65 66,33 1,33 13,3
70 < 80 4 75 66,33 8,67 34,68
80 < 90 4 85 66,33 18,67 74,68
90 < 100 2 95 66,33 28,67 57,34
30 333,30

 f | M - μ | 333,3
AD =   11,11
N 30

22
  Standar Deviasi ()
Laba f M  (M -  f.( M - 
40 < 50 4 45 66,33 454,97 1.819,88
50 < 60 6 55 66,33 128,37 770,21
60 < 70 10 65 66,33 1,77 17,69
70 < 80 4 75 66,33 75,17 300,68
80 < 90 4 85 66,33 348,57 1.394,28
90 < 100 2 95 66,33 821,97 1.643,94
  30       5.946,67

 f(M - μ )2 5.946,67
σ=   14,08
N 30

Statistika I: Ukuran Variabilitas 23

 Varians (2)
2  f(M  μ) 2 5.946,67
σ =   198,22
N 30

 Koefisien Variasi (CV)

σ 14,08
CV  x100%  x100%  21,23%
μ 66,33

Statistika I: Ukuran Variabilitas 24

 Kemencengan (Skewness) adalah bentuk
poligon distribusi data. Bentuk poligon
distribusi data dapat diketahui melalui
koefisien kemencengan (Sk). Jika Sk = 0:
simetris; Sk > 0: menceng ke kanan; Sk < 0:
menceng ke kiri.
3(  Md )
 Rumus: S 
k 

Statistika I: Ukuran Variabilitas 25

 Distribusi Data Simetris Distribusi Data Menceng
ke Kanan
Jan
60 Feb
Jan.
60 Mar
50 Feb.
Mar 50 Apr
40 Apr
40 Mei
30 Mei Jun
Jun 30 Jul
20 Jul 20 Agu
10 Agu
10 Sep
Sep
Okt
0 0
Sales Sales

26
 Distribusi Data Menceng
ke Kiri Jan Kemencengan distribusi
Feb
data dapat pula diketahui
60 Mar
Apr
dengan membandingkan ,
50 Md, dan Mo.
Mei
40 Jun
30 Jul Jika:
Agu
20 1.  = Md= Mo: Simetris
Sep
10 Okt 2.  < Md < Mo: M. Kiri
0 Nop
Sales 3.  > Md > Mo: M. Kanan

27
Tabel berikut ini menunjukkan data mengenai laba setiap hari yang
diperoleh perusahaan konveksi CYNTHIA selama 30 hari pada bulan Juni
2010.
Laba Banyaknya
Hari
(f)
40 - 49 4
50 - 59 6
60 - 69 10
70 - 79 4
80 - 89 4
90 - 99 2
Tentukan kemencengan distribusi laba setiap hari selama 30 hari tersebut.
Jawab:
Hasil perhitungan pada bab sebelumnya
 = 65,83 ; Md = 65 ;  = 14,08
3( - Md) 3(μ - Md) 3(65,83  65)
Sk = =   0,18
 σ 14,08
Karena Sk = 0,18 mendekati 0, maka distribusi laba mendekati simetris.

28
 Keruncingan (kurtosis) adalah bentuk poligon
distribusi data yang simetris. Beberapa bentuk
poligon distribusi data simetris, yaitu
Leptikurtik, Mesokurtik, dan Platikurtik. Bentuk
poligonnya dapat diketahui melalui koefisien
keruncingan (4). Jika 4 = 3: mesokurtik; 4 >
3: leptikurtik; 4 < 3: platikurtik.

Statistika I: Ukuran Variabilitas 29

 Koefisien keruncingan: Data Leptikurtik
tidak Berkelompok. Jan.
60 Feb.
1
 X  μ 4
50
Mar

α4  N Apr
σ4 40 Mei
Jun
 Koefisien keruncingan: Data 30 Jul
Berkelompok. 20
Agu
Sep
1 10 Okt
 f M  μ 4
Nop
α4  N 0
σ4 Sales

Statistika I: Ukuran Variabilitas 30

 Mesokurtik
Jan. Platikurtik
Jan.
60 Feb.
60 Feb.
Mar
50 Apr Mar
50
40 Mei Apr
Jun 40 Mei
30 Jul
30 Jun
20 Agu
Jul
Sep 20
10 Okt Agu
Nop 10 Sep
0
Sales Okt
0
Sales Nop

Statistika I: Ukuran Variabilitas 31

Tabel berikut ini menunjukkan data mengenai laba setiap hari yang
diperoleh perusahaan konveksi CYNTHIA selama 30 hari pada bulan Juni
2010.
Laba Banyaknya
Hari
(f)
40 - 49 4
50 - 59 6
60 - 69 10
70 - 79 4
80 - 89 4
90 - 99 2
Tentukan keruncingan distribusi laba setiap hari selama 30 hari tersebut.
Jawab:
Hasil perhitungan pada bab sebelumnya:  = 14,08
1 1
 f(M -  )4 (2.786.757 ,8)
N 30
4 = 4
= 4
 2,36
 (14,08)

Jadi besarnya 4 = 2,36 < 3 menunjukkan bahwa bentuk distribusi laba PT.
CYINTHIA adalah platikurtik.
Statistika I: Ukuran Variabilitas 32
 Laba f M  (M - )4 f(M - )4
40 - 49 4 44,5 65,83 206.996,70 827.986,8
50 - 59 6 54,5 65,83 16.478,57 98.871,4
60 - 69 10 64,5 65,83 3,13 31,3
70 - 79 4 74,5 65,83 5.650,36 22.601,5
80 - 89 4 84,5 65,83 121.500,28 486.001,1
90 - 99 2 94,5 65,83 675.632,87 1.351.265,7
30 2.786.757,8

Statistika I: Ukuran Variabilitas 33

Contoh:
UPAH JUMLAH
Tentukan kemencengan
(US$) KARYAWAN
(skewness) dan keruncingan
20 < 30 8
(kurtosis) distribusi data 30 < 40 16
upah berikut ini. 40 < 50 25
50 < 60 40
60 < 70 55
70 < 80 30
80 < 90 14
90 < 100 8
100 < 110 4

Statistika I: Ukuran Variabilitas 34