MODUL 3

UKURAN PENYIMPANGAN

Disampaikan Oleh :
SujonoSetyawan,S.Pd.,M.Pd
Tutor UT UPBJJ Semarang
 KB 1 DEVIASI RATA-
RATA DAN DEVIASI STANDAR

A. RANGE (RENTANG NILAI )

Penyimpangan adalah suatu ukuran yang menunjukkan
tinggi rendahnya perbedaan data yang diperoleh dari
rata-ratanya. Ukuran penyimpangan digunakan untuk
mengetahui luas penyimpangan data atau homogenitas
data. Dua variabel data yang memiliki mean sama belum
tentu memiliki kualitas yang sama, tergantung dari besar
atau kecil ukuran penyebaran datanya. Ada bebarapa
macam ukuran penyebaran data, namun yang umum
digunakan adalah standar deviasi.
Range adalah perbedaan antara data terbesar dan data
terkecil yang terdapat dalam kelompok data
 B. UKURAN PENYIMPANGAN

B. Macam-macam ukuran penyimpangan data adalah :

• Jangkauan (range)
• Simpangan rata-rata (mean deviation)
• Simpangan baku (standard deviation)
• Varians (variance)
• Koefisien variasi (Coefficient of variation)
 1. JANGKAUAN
• 1. Jangkauan (range)
Range adalah salah satu ukuran statistik yang menunjukan jarak
penyebaran data antara nilai terendah (Xmin) dengan nilai tertinggi
(Xmax). Ukuran ini sudah digunakan pada pembahasan daftar distribusi
frekuensi. Adapun rumusnya adalah

• Contoh :
Berikut ini nilai ujian semester dari 3 mahasiswa
A = 60 55 70 65 50 80 40
B = 50 55 60 65 70 65 55
C = 60 60 60 60 60 60 60 
 LANJUTAN...
Dari data diatas dapat diketahui bahwa
A = memiliki Xmax=80, Xmin= 40 , R = 40 , meanya 60
B = memiliki Xmax=70, Xmin= 50 , R = 20 , meanya 60
C = memiliki Xmax=60, Xmin= 60 , R = 0 , meanya 60
 
Dari contoh di atas dapat disimpulkan bahwa :
a. Semakin kecil rangenya maka semakin homogen distribusinya
b. Semakin besar rangenya maka semakin heterogen distribusinya
c. Semakin kecil rangenya, maka meannya merupakan wakil yang
representatif
d. Semakin besar rangenya maka meannya semakin kurang
representatif
B. DEVIASI RATA RATA /SIMPANGAN RATA-RATA
2. Simpangan Rata-rata (mean deviation)
Simpangan rata-rata merupakan penyimpangan nilai-nilai individu dari nilai
rata-ratanya. Rata-rata bisa berupa mean atau median. Untuk data mentah
simpangan rata-rata dari median cukup kecil sehingga simpangan ini
dianggap paling sesuai untuk data mentah. Namun pada umumnya,
simpangan rata-rata yang dihitung dari mean yang sering digunakan untuk
nilai simpangan rata-rata.
Data tunggal dengan seluruh skornya berfrekuensi satu
SR/dx = Simpangan rata rata /deviasi rata rata
x = Nilai data
n = Banyak data
x = Rata rata hitung

Contoh:lihat halaman 3.4 – 3.6

Contoh :

Produksi batik dari 5 perusahaan :

70 65 45 40 30
Untuk mempermudah perhitungan deviasi rata
rata kita akan menggunakan pendekatan tabel
Data di atas kita masukkan kedalam table di
bawah ini :
Contoh :Perhitungan Deviasi rata rata untuk data yg tidak dikelompokkan

X X-X IX–XI
70 70-50 20

65 65-50 15

45 45-50 5

40 40-50 10

30 30-50 20

250 0 70

X = = 50 dx = = 14
 LANJUTAN....

• Data kelompok ( dalam distribusi frekuensi)

dimana xi merupakan tanda kelas dari interval ke-i dan

fi merupakan frekuensi interval ke-i
Contoh : Perhitungan Deviasi rata rata data yg sdh
dikelompokkan

Keuntung F X f. x X-X /X–X/ F/X–X/

an
30 – 39,9 4 35 140
-29,8 29,8 119,2
40 -- 49,9 7 45 315
-19,8 19,8 138,6
50 -- 59,9 8 55 440
-9,8 9,8 78,4
60 -- 69,9 12 65 780
0,2 0,2 2,4
70 -- 79,9 9 75 675
10,2 10,2 91,8
80 -- 89,9 6 85 510
20,2 20,2 121,2
90 – 99,9 4 95 380
30,2 30,2 120,8
Jumlah 50 3240 672,4

X = = 64,8 dx = =13,448
C. DEVIASI STANDAR /SIMPANGAN BAKU
Standar deviasi merupakan ukuran penyebaran yang paling
banyak digunakan. Semua gugus data dipertimbangkan
sehingga lebih stabil dibandingkan dengan ukuran lainnya.
Namun, apabila dalam gugus data tersebut terdapat nilai
ekstrem, standar deviasi menjadi tidak sensitif lagi, sama halnya
seperti mean.

Standar Deviasi memiliki beberapa karakteristik khusus lainnya.

SD tidak berubah apabila setiap unsur pada gugus datanya di
tambahkan atau dikurangkan dengan nilai konstan tertentu. SD
berubah apabila setiap unsur pada gugus datanya dikali/dibagi
dengan nilai konstan tertentu. Bila dikalikan dengan nilai
konstan, standar deviasi yang dihasilkan akan setara dengan
hasilkali dari nilai standar deviasi aktual dengan konstan.
 Rumus Simpangan Baku untuk Data Tunggal
Untuk data sample menggunakan rumus

untuk data populasi menggunkan rumus

 
 

Contoh :
Selama 10 kali ulangan semester ini sobat mendapat nilai 91, 79, 86, 80, 75, 100,
87, 93, 90,dan 88. Berapa simpangan baku dari nilai ulangan sobat?
 
Jawab
Soal di atas menanyakan simpangan baku dari data populasi jadi
menggunakan rumus simpangan baku untuk populasi. Kita cari dulu rata-
ratanya
rata-rata = (91+79+86+80+75+100+87+93+90+88)/10 = 869/10 = 85,9
 LANJUTAN...
masukkan ke rumus
 Rumus Simpangan Baku Untuk Data
Kelompok
untuk sample menggunakan rumus

untuk populasi menggunakan rumus

 D. Varians (variance)

Varians adalah salah satu ukuran dispersi atau

ukuran variasi. Varians dapat menggambarkan
bagaimana berpencarnya suatu data kuantitatif.
Varians diberi simbol σ2 (baca: sigma kuadrat)
untuk populasi dan untuk s2 sampel.
Selanjutnya kita akan menggunakan simbol s2
untuk varians karena umumnya kita hampir
selalu berkutat dengan sampel dan jarang
sekali berkecimpung dengan populasi.
 RUMUS VARIANS
• Rumus varian atau ragam data tunggal untuk
populasi

• Rumus varian atau ragam data tunggal untuk

sampel

• Rumus varian atau ragam data kelompok untuk

populasi
 LANJUTAN...
• Rumus varian atau ragam data kelompok untuk sampel

 
*Keterangan:
• σ2 = varians atau ragam untuk populasi
• S2 = varians atau ragam untuk sampel
• fi = Frekuensi
• xi = Titik tengah
• x¯ = Rata-rata (mean) sampel dan μ = rata-rata
populasi
• n = Jumlah data
 5. Koefisien variasi

Koefisien variasi merupakan suatu ukuran variansi

yang dapat digunakan untuk membandingkan suatu
distribusi data yang mempunyai satuan yang
berbeda. Kalau kita membandingkan berbagai
variansi atau dua variabel yang mempunyai satuan
yang berbeda maka tidak dapat dilakukan dengan
menghitung ukuran penyebaran yang sifatnya
absolut. Koefisien variasi adalah suatu perbandingan
antara simpangan baku dengan nilai rata-rata dan
dinyatakan dengan persentase.
 LANJUTAN...

Besarnya koefisien variasi akan berpengaruh terhadap kualitas

sebaran data. Jadi jika koefisien variasi semakin kecil maka
datanya semakin homogen dan jika koefisien korelasi semakin
besar maka datanya semakin heterogen.
 KB 2 Probalitas Peristiwa Sederhana

Ukuran Kecondongan dan Keruncingan Ukuran Kecondongan

adalah ukuran yang menunjukkan menceng tidaknya suatu
data. Biasanya kelas yang berada di tengah mempunyai
frekuensi yang paling besar dan kelas sebelum dan
sesudahnya mempunyai frekuensi yang paling kecil.
• A. Bentuk distribusi
Pada distribusi yang tidak normal,gambar tidak simetris.pada
distribusi semacam ini,jika datanya cukup banyak berlaku
ketentuan berikut :
Modus – median =2(median -mean)
Atau Modus= 3 median – 2 mean
 LANJUTAN...
B. Ukuran Kecondongan
 Untuk mengukur kecondongan dari suatu kurva
kita gunakan koefisien kecondongan/skewness.
Dengan rumus :
Sk = X - mo
Sk = koefisien kecondongan
X = mean atau rata rata hitung
Mo = modus
S = devlasi standar
C. Ukuran Keruncingan data tidak dikelompokkan
 LANJUTAN...
C. Ukuran Keruncingan data tidak dikelompokkan untuk
menghitung tingkat Keruncingan bagi data yang tidak
dikelompokkan
D. Ukuran Keruncingan untuk data dikelompokkan menggunakan
mean
Untuk menghitung tingkat Keruncingan data yang sudah
dikelompokkan
E. Ukuran Keruncingan untuk data dikelompokkan menggunakan
deviasi.
Apabila dalam suatu distribusi frekuensi memiliki kelas terbuka,maka
kelas yang terbuka tidak dapat di hitung titik tengahnya.
Terima Kasih