Pengukuran Dispersi, Kemiringan, dan Keruncingan Distribusi Data

Ukuran penyebaran suatu kelompok data terhadap pusat data disebut dispesi atau variasi atau keragaman data. Ada beberapa jenis ukuran disperse data yang akan dipelajari pada bagian ini, antara lain;  Jangkauan (range)  Simpangan rata-rata (mean deviation)  Variansi (variance)  Standar deviasi (standar deviation)  Simpangan kuartil (quartile deviation)  Koefisien variasi (coeficient of variation) Ukuran dispersi jenis 1 sampai 5 disebut dispersi mutlak, sedangkan jenis 6 disebut disperse relative.

 Jangkauan

atau range (r) suatu kelompok data adalah selisih antara nilai maksimum dengan nilai minimum. Dalam bentuk persamaan sebagai berikut Rumus 5.1

range (r)= nilai maksimum – nilai minimum
 Untuk

data berkelompok dalam bentuk distribusi frekuensi, jangkauan data dihitung dengan memakai selisih antara nilai tengah kelas yang maksimum dengan nilai tengah kelas minimum.

Makin kecil jangakuan suatu data. sebaliknya semakin besar jangkauan suatu data. . maka kualitas data itu semakin baik. maka kualitas data tersebut semakin tidak baik. Contoh Soal Berat badan 60-62 63-65 66-68 69-71 72-74 X 61 64 67 70 73 f 5 18 42 27 8  Jangkauan data = 73-61 = 12  Jangkauan suatu kelompk data dapat menunjukkan kualitas data.

Untuk data tidak berkelompok: .Simpangan rata-rata (mean deviation) Simpangan rata-rata disingkat SR adalah jumlah nilai mutlak dari selisih semua nilai dengan ratarata dibagi banyaknya data.

Rumus SR 5.2  Di mana: X = nilai data = Rata-rata hitung banyaknya data .

 Untuk data berkelompok: SR Tanda nilai mutlak pada rumus tersebut untuk menjamin agar simpangan bertanda positif. . karena dispersi data merupakan ukuran yang positif.

30. 50. Contoh 5. 80! Jawab : Rata-rata hitung . 70.3 Tentukanlah simpangan rata-rata kelompok data: 20.

Variansi untuk sampel dilambangkan dengan S2. Variansi adalah rata-rata kuadrat selisih atau kuadrat simpangan dari semuan nilai data terhadap rata-rata hitung. Sedangkan untuk populasi dilambangkan dengan 2. data tidak berkelompok:  Untuk .

 S2 Untuk data berkelompok: Rumus 5.5   S2 .

Dengan demikian rumus dari standar deviasi adalah: . Standar deviasi seringkali disebut simpangan baku. Standar deviasi adalah akar pangkat dua dari variansi. Standar deviasi berkaitan langsung dengan variansi.

 Untuk data tidak berkelompok: Rumus 5.6  Untuk data berkelompok : .

2256 868.1280 340.7756 1676.9741 .1256 131.6048 73.3780 419.4756 241.6756 2405.5513 8097.9024 1737.9024 1205.0256 42.5756 6. Modal 112-120 121-129 130-138 139-147 148-156 157-165 166-174 F 4 5 8 12 5 4 2 40 X 116 125 134 143 152 161 170 601. Tentukanlah standar deviasi dari kelompok data berikut.5072 658.

 Maka varians data modal tersebut adalah:  S2 Standar deviasinya adalah .

 Di mana Q1 = kuartil bawah atau kuartil pertama Q3 = kuartil atas atau kuartil ketiga . Jangkauan kuartil disebut juga simpangan kuartil atau rentang semi antarkuartil atau deviasi kuartil. Sedangkan jangkauan persentil 10-90 disebut juga rentang persentil 10-90.

 Jangkauan Persentil JP10 – 90 = P90 – P10 Di mana  P10 = persentil ke-10 dan  P90 = persentil ke-90 .

Tentukanlah jangkauan kuartil dan jangkauan persentil 10-90 data tersebut. .Contoh soal: Data berat badan 100 mahasiswa suatu perguruan tinggi disajikan pada tabel distribusi frekuensi berikut.

74 frekuensi 5 18 42 27 8 100 .62 63 – 65 66 – 68 69 – 71 72 .Berat badan (kg) 60 .

maka Q1 terletak pada nilai ke-25. Maka nilai Q1 dan Q3 adalah: . yaitu kelas 69-71. yaitu kelas 66-68. dan Q3 terletak pada nilai ke-75. Jawab:  Karena n = 100.

yaitu kelas 63-65 dan P90 terletak pada nilai ke-90 yaitu kelas 69-71.Jadi. Maka nilai P10 dan P90 adalah: . jangkauan kuartil: Sedangkan P10 terletak pada nilai ke-10.

 Jawab Jadi. jangkauan persentil .

variansi.  Salah satu ukuran disperse relative yang sangat terkenal adalah koefisien variasi (KV) yang dirumuskan sebagai berikut. Ukuran penyebaran data seperti jangkauan. jangkauan kuartil. standar deviasi. simpangan rata-rata. . dan jangkauan persentil merupakan dispersi mutlak.

Di mana S = standar deviasi = rata-rata hitung .

 Koefisien variasi kuartil dipakai bilamana suatu kelompok data tidak diketahui berapa nilai rata-rata hitungnya dan standar deviasinya. koefisien variasi kuartil juga dirumuskan dengan cara sebagai berikut . Koefisien variasi kuartil (KVQ)dirumuskan sebagai berikut  Selain itu.

 Salah satu manfaat penting dari nilai ratarata hitung dan standar deviasi (S) adalah kedua nilai tersebut dapat dipakai untuk membuat transformasi data yang menghasilkan nilai baku atau disebut juga skor baku (nilai standar). Rumus  .

 Cara pertama: dengan rumus Pearson . Kemiringan adalah derajat atau ukuran dari ketidaksimetrian (asimetri) suatu distribusi data.  Ada beberapa cara yang dipakai untuk menghitung derajat kemiringan distribusi data.

Di mana Mod = modus S = Standar Deviasi Med = median Bila .

 Cara kedua: dengan rumus Momen Untuk data tidak berkelompok:  Untuk data berkelompok: .

dan kuartil atas Q3. kuartil tengah Q2. Cara ketiga: dengan rumus Bawley  Bawley juga mengembangkan rumus sederhana untuk menghitung derajat kemiringan distribusi data.yaitu:  . dengan memakai nilai kuartil bawah Q1.

yaitu:  Leptokurtis artinya distribusi data yang puncaknya relative tinggi.  Keruncingan distribusi data disebut juga kurtosis.Keruncingan distribusi data adalah derajat atau ukuran tinggi rendahnya puncak suatu distribusi data terhadap distribusi normalnya data. Ada tiga jenis derajat keruncingan.  Mesokurtis artinya distribusi data puncaknya normal  Platikurtis artinya distribusi data yang puncaknya terlalu rendah atau terlalu mendatar .

Derajat keruncingan data dihitung dengan rumus berikut ini:  Untuk data tidak berkelompok:   Untuk data berkelompok: .