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.

maka kualitas data itu semakin baik. sebaliknya semakin besar jangkauan suatu data. 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. Makin kecil jangakuan suatu data. maka kualitas data tersebut semakin tidak baik. .

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

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

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

 Contoh 5. 30.3 Tentukanlah simpangan rata-rata kelompok data: 20. 70. 50. 80! Jawab : Rata-rata hitung .

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

5   S2 . S2 Untuk data berkelompok: Rumus 5.

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

6  Untuk data berkelompok : . Untuk data tidak berkelompok: Rumus 5.

5072 658.5756 6.1280 340. Tentukanlah standar deviasi dari kelompok data berikut.9024 1205.6048 73.9024 1737.7756 1676. 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 116 125 134 143 152 161 170 601.4756 241.0256 42.2256 868.3780 419.5513 8097.1256 131.6756 2405.9741 .

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

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

 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. .

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

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

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

 Jawab Jadi. jangkauan persentil .

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

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

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

Rumus  . 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).

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

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

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

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

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

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

Sign up to vote on this title
UsefulNot useful