UKURAN PENYEBARAN

Mata kuliah:
Pengantar Statistik Sosial
 Ukuran Penyebaran
Adalah suatu nilai tunggal yang meringkas perbedaan dalam suatu kumpulan
data dan bisa memberikan gambaran seberapa jauh nilai-nilai pengamatan
menyimpang atau berbeda dari nilai pusatnya. Ukuran penyebaran dapat
dilihat dari tingkat keruncingan kurva atau Kurtosis.

A B C

Kurva A menunjukkan data memiliki nilai ukuran penyebaran (variasi) kecil, berarti
keragaman datanya rendah, dan nilai terkonsentrasi di sekitar nilai pusatnya atau
pengamatan homogen. Kurva B menunjukkan jika data memiliki nilai ukuran penyebaran
(variasi) besar berarti keragaman datanya tinggi, dan nilai tidak terkonsentrasi disekitar
nilai pusatnya (tersebar) atau data heterogen. Sedangkan kurva C menunjukkan data
yang terdistribusi secara normal.
Bentuk Hasil dari Ukuran Penyebaran
•Ukuran Variasi Absolut berarti membandingkan suatu ukuran
variasi dengan ukuran variasi lain dalam populasi yang sama dan
dinyatakan dalam satuan ukuran yang sama.
•Ukuran Variasi Relatif berarti membandingkan beberapa ukuran
variasi dari beberapa populasi dengan unit pengukuran berbeda.

Jenis-jenis ukuran Penyebaran

Data Kuantitatif Data Kualitatif

Range Index of Qualitative Variation
Simpangan absolut rata-rata atau mean
absolute deviation atau avergage deviation
atau mean deviation
Variance (Ragam)
Standar Deviasi
 Ukuran Penyebaran Untuk Data Kualitatif : THE INDEX OF
QUALITATIVE VARIATION ( IQV )

• Merupakan ukuran variasi untuk data kualitatif. Nilai IQV diperoleh

dengan membagi jumlah keseluruhan perbedaan yang diamati
dengan jumlah maksimum kemungkinan perbedaan.

Nilai IQV

0 50 100
Data cenderung Data tidak homogen Data cenderung
homogen dan heterogen heterogen
 :

Formula :

Total .number .of .observed .difference s

IQV   100
Maximum.number .of . possible.difference s

Atau

A
IQV   100
B
 n l  1
2
Dimana MaxB  
2l

Keterangan
l = jumlah kategori
n = jumlah data observasi
 Contoh :
Tabel III.9
Pendidikan perempuan peserta KB di Puskesmas AAA (n=50)

Kategori Frekuensi Persentase

SD 11 22%
SMP 12 24%
SMA 24 48%
PT 3 6%
Jumlah 50 100%
Sumber : Data Fiktif,
2003
Total number (A) = 11 (12 + 24 + 3) + 12 (24 +3) + 24
(3)
= 429 + 324 + 72
= 825

Maximum (B) = n 2
l  1 
50 2
4  1 2500  3
  937,5
2l 2.4 8
A 825
IQV   100   100  88
B 937,5
Jadi pendidikan perempuan peserta KB di
Puskesmas AAA cukup heterogen
 Rumus IQV yang lain

IQV = k (N²-∑f²)
N² (k-1)
Keterangan:
K = jumlah kategori
N = jumlah kasus
∑f² = jumlah frekuensi dari setiap kategori yang
dikuadratkan
• Bila menggunakan rumus di atas, maka
interpretasinya:
• ___________________________________
0 0.5 1
data cenderung data
cenderung
homogen heterogen
Penggunaan Rumus IQV ke-2

Kategori Frekuensi f²
SD 11 121
SMP 12 144
SMA 24 576
PT 3 9
Jumlah 50 850
IQV = k (N²-∑f²)
N² (k-1)
= 4 (50²-850)
50² (4-1)
= 4 (2500-850) = 4 (1650) = 6600 = 0.88
2500 (3) 7500 7500
Ukuran Penyebaran Untuk Data Kuantitatif
A. Jangkauan/Rentang/Range
• Merupakan selisih antara nilai maksimum dan nilai
minimum dalam suatu kumpulan (gugus) data.
Jangkauan dikenal sebagai ukuran penyebaran yang
paling sederhana dan rendah akurasinya. Karena itu
jarang digunakan karena hanya melibatkan dua nilai
dalam satu kumpulan data dan tergantung nilai
ekstrim.
Contoh :
• Usia tertinggi perempuan peserta KB di
puskesmas AAA adalah 40 tahun
• Usia terendah perempuan peserta KB di
puskesmas AAA adalah 16 tahun
• Range usia perempuan peserta KB di puskesmas
AAA adalah = 40 – 16 = 24
• Jadi rentang usia perempuan peserta KB di
puskesmas AAA adalah 24 tahun
B. Simpangan Absolut Rata-Rata
(Mean Absolute Deviation)/MAD
• MAD diperoleh dengan cara penjumlahan
mutlak penyimpangan setiap nilai
pengamatan terhadap rata-rata dan dibagi
banyaknya pengamatan. Nilai ini
mencerminkan rata-rata selisih mutlak nilai
data terhadap nilai rata-rata. Simpangan
absolut rata-rata dapat menggambarkan
variasi seluruh nilai pengamatan dan tidak
terlalu dipengaruhi oleh nilai ekstrim, namun
jarang digunakan pada analisis data lanjutan.
Rumus :
a.Data tidak dikelompokkan

Populasi Sampel

N N

x i  x
i 1
i x
MAD  i 1
MAD 
N N
Keterangan
μ = Rata-rata hitung (mean) untuk populasi
x= Rata-rata hitung (mean) untuk sampel
xi = Data observasi
N = jumlah data populasi
n jumlah data sampel
 Contoh: data tidak dikelompokkan (Ungrouped data)
Data usia perempuan peserta KB di puskesmas AAA
(baris pertama)

25 28 35 35 28
 x =30,2
 25  30,2  28  30,2  35  30,2  35  30,2  28  30,2 
MAD 
5
MAD 
5,2  2,2  4,8  4,8  2,2
 3,84
5
B. Data dikelompokkan

Populasi Sampel
K

f
K

f i  xi   i  xi  x
i 1
MAD  i 1
MAD 
N N
Keterangan
μ = Rata-rata hitung (mean) untuk populasi
x = Rata-rata hitung (mean) untuk sampel
xi = Nilai tengah kelas

fi = frekuensi absolut
N = jumlah data populasi
 Contoh: data dikelompokkan (Grouped data)
Tabel III.10
Usia Perempuan Peserta KBdi Puskesmas AAA (n=50)
Batas nyata xi fi xifi |xi – x| fi .|xi – x |
15,5 ≤ x < 19,5 17,5 9 157,5 10 90
19,5 ≤ x < 23,5 21,5 9 193,5 6 54
23,5 ≤ x < 27,5 25,5 8 204,0 2 16
27,5 ≤ x < 31,5 29,5 7 206,5 2 14
31,5 ≤ x < 35,5 33,5 9 301,5 6 54
35,5 ≤ x < 39,5 37,5 5 187,5 10 50
39,5 ≤ x < 43,5 41,5 3 124,5 14 42
∑ Σ 50 1375 320

x=1375/50 =27,5
320
MAD   6,4
50
C. Variance dan Standar Deviasi
• Variance (ragam) adalah jumlah kuadrat dari
selisih nilai observasi dengan nilai rata-rata
hitung dan dibagi banyaknya observasi.
Sedangkan Standar deviasi adalah akar dari
variance (ragam). Dalam statistika deskriptif
dan inferensia, standar deviasi banyak
digunakan karena interpretasinya lebih
mudah dan memiliki satuan pengukuran yang
sama dengan data aslinya.
Rumus Variance (ragam):
1). Data tidak dikelompokkan

Populasi Sampel
N
 
N

 x    i
2
i
2
x  x
 
2 i 1 S2  i 1

N n 1
atau atau
N  x  2 N  x  2

x  i
i
2
i 
i
x 2

N i 1 N
2  i 1
S2 
N n 1
Keterangan
σ2 = variance (ragam) untuk populasi

S2 = variance (ragam) untuk sampel

μ = rata-rata hitung (mean) untuk populasi
x = rata-rata hitung (mean) untuk sampel
xi = data observasi
N = jumlah data populasi
n jumlah data sampel
 Contoh: data tidak dikelompokkan (Ungrouped data)
Data usia perempuan peserta KB di puskesmas AAA (baris
pertama)
25 28 35 35 28

x =30,2
•Cara dengan rumus pertama
Jika data populasi

 2

 25  30,2
2 2 2 2
 28  30,2  35  30,2  35  30,2  28  30,2
2

5
2 
27,04  4,84  23,04  23,04  4,84  82.8  16,56
5 5
Jika data
sampel
S 2

 2
25  30,2
2 2 2
 28  30,2  35  30,2  35  30,2  28  30,2
2

4
S 
2 27,04  4,84  23,04  23,04  4,84 82.8
  20,70
4 4
Cara dengan rumus kedua

Jika data populasi

 2

 
25 2822
 35 2
 35 2
 28 2
 
 25  28  35  35  28 / 5
2

5
4643  22801 5 4643  4560,20 82.8
 
2
   16,56
5 5 5
Jika data sampel

S 2

25 2
28 2
 35 2
 35 2
 28 2
 
 25  28  35  35  28 / 5
2

4
4643  22801 5 4643  4560,20 82.8
 
2
   20,70
4 4 4
2). Data dikelompokkan

Populasi Sampel

 f  x  x 
N

 f  x   
2 2
i i i i

  2 i 1 S  2 i 1

N n 1
atau atau
N  f i  xi 
2
N  f i  xi 
2

 f i  x i2 
N
f i  x 2
i 
n
 
2 i 1
S 
2 i 1

N n 1
Keterangan
σ2 = variance (ragam) untuk populasi
S2 = variance (ragam) untuk sampel
μ = Rata-rata hitung (mean) untuk populasi
x = Rata-rata hitung (mean) untuk sampel
xi = Nilai tengah kelas
fi = frekuensi absolut
N = jumlah data populasi
n = jumlah data sampel
 Contoh: data dikelompokkan (Grouped data)
Cara dengan rumus pertamaTabel III.11
Usia Perempuan Peserta KB di Puskesmas AAA
(n=50)
Batas nyata xi fi fi . xi (xi – x ) (xi – x )2 fi . (xi – x )
15,5 ≤ x < 19,5 17,5 9 157,5 -10 100 900
19,5 ≤ x < 23,5 21,5 9 193,5 -6 36 324
23,5 ≤ x < 27,5 25,5 8 204,0 -2 4 32
27,5 ≤ x < 31,5 29,5 7 206,5 2 4 28
31,5 ≤ x < 35,5 33,5 9 301,5 6 36 324
35,5 ≤ x < 39,5 37,5 5 187,5 10 100 500
39,5 ≤ x < 43,5 41,5 3 124,5 14 196 588
∑ Σ 50 1375 2696
= Jika data
x 27,5 populasi
Jika data sampel
2696 2696
  S   55,02
2
2
 53,92
50 49
 Cara dengan rumus kedua
Tabel III.12
Usia Perempuan Peserta KB di Puskesmas AAA
(n=50)
xi fi fi . xi xi2 fi . xi2
17,5 9 157,5 306,25 2756,25
21,5 9 193,5 462,25 4160,25
25,5 8 204,0 650,25 5202,00
29,5 7 206,5 870,25 6091,75
33,5 9 301,5 1122,25 10100,25
37,5 5 187,5 1406,25 7031,25
41,5 3 124,5 1722,25 5166,75 x = 27,5
Σ 50 1375 40508,50
Jika data populasi

 
2  
40508,75  1375  50 40508,75  37812,50 2696,25
2
   53,93
50 50 50
Jika data sampel

S 
2  

40508,75  1375  50 40508,75  37812,50 2696,25
2
  55,03
49 49 49
 Rumus Standar Deviasi
1). Data tidak dikelompokkan
Populasi Sampel

  2 S  S2
Contoh :
Data usia perempuan peserta KB di puskesmas AAA (baris pertama)


25 28 35 35 28 x ,2
=30

Jika data populasi Jika data sampel

 2  16.56 S 2  20,70
   2  16,56  4,07 S  S 2  20,70  4,55
 2). Data dikelompokkan
Populasi Sampel

  2
S S 2

Contoh :
Jika data
Jika data sampel
populasi
  53,92
2
S 2  55,02
    53,92  7,34
2
S  S 2  55,02  7,42
Referensi:
 Siagian, Dergibson dan Sugiarto. 2006.
Metode Statistika untuk Bisnis dan Ekonomi.
Jakarta: PT Gramedia Pustaka Utama.
 Van Zanten, Wim. 1994. Statistika Untuk Ilmu-
ilmu Sosial (ed. Kedua), Jakarta: PT Gramedia
Pustaka Utama.
 LATIHAN
Berikut data sampel umur 10 orang pasien di RS X (dalam
tahun):

20 25 60 50 40 45 45 30 50
55

Hitunglah dari data di atas:

1.Range
2.Mean Absolute Deviation
3.Variance
4.Standar deviasi