You are on page 1of 35

ISMUADI, SE, S.Pd.

I
Pengukuran penyimpangan dapat diartikan
suatu ukuran yang menunjukkan tinggi
rendahnya perbedaan data yang diperoleh
dari rata-rata data tersebut. Beberapa jenis
pengukuran penyimpangan antara lain :
Rentangan (range)
Varians
Simpangan baku (standar deviasi)
Koefisien varians

Rentangan dapat di ketahui dengan mengurangi
data tertinggi dengan data terendah. Rentangan
berfungsi untuk melihat perbedaan dari data
yang ada.

Rumus Range untuk data tidak berkelompok:
R = Xt-Xr
(Range (rentangan) = Data tertinggi data terendah))

Contoh :
Data UTS Statistika
Kelas A : 90, 70, 50, 80, 50, 60, 70, 70, 85, 85
Kelas B : 95, 87, 76, 84, 75, 96, 85, 83, 73, 80

Urutkan dulu kemudian dihitung rentangannya
Kelas A : 50, 50, 60, 70, 70, 70, 80, 85, 85, 90
Kelas B : 73, 75 ,76, 83, 84, 85, 87, 80, 95, 96

Rentangan Kelas A : 90-50 = 40
Rentangan Kelas B : 96-73 = 24
Perhitungan range untuk data
berkelompok adalah:

R = Ka Kp
Di mana:
Ka = nilai tengah kelas akhir
Kp = nilai tengah kelas pertama

Kelompok
nilai
Fi Xi
30-39,99 6 35
40-49,99 12 45
50-59,99 30 55
60-69,99 24 65
70-79,99 18 75
80-89,99 10 85
100 -
Contoh :

Kp = (40+30)/2 = 35
Ka = (80 + 90)/2 = 85
Sehingga; R = 85 35 = 50
Apabila nilai rentangan (range) semakin kecil,
maka kualitas data tersebut semakin baik.
Akan tetapi, metode ini mempunyai
kelemahan-kelemahan antara lain, didalam
perhitungan tidak mengikutsertakan seluruh
nilai. Dia hanya memperhatikan nilai tertinggi
dan terendah.
Yang dimaksud dengan simpangan (deviasi )
adalah selisih antara nilai pengamatan ke i
dengan nilai rata-rata, yaitu Xi X
dalam pengukuran deviasi rata-rata ini perlu
dilihat dari sisi datanya yaitu;
1. Data yang tidak berkelopok
2. Data yang berkelompok
Untuk menghitung deviasi
rata-rata bagi data yang tidak
berkelompok dapat dilakukan
dengan:

Contoh ;
Jumlah pemakaian energi listrik
yg dikonsumsikan oleh suatu
keluarga adalah seperti
berikut;
Bulan Jumlah
Pemakaian
dalam KWH (Xi)
Xi X I Xi X I
Januari 111 -8 8
Februari 108 -11 11
Maret 104 -15 15
April 117 -2 2
Mai 116 -3 3
Juni 124 5 5
Juli 122 3 3
Agustus 122 3 3
September 126 7 7
Oktober 119 0 0
November 128 9 9
Desember 131 12 12
1.428 0 78
Sebelum
menghitung
deviasi, perlu
dihitung terlebih
dahulu nilai rata-
rata, yaitu:

Sehingga deviasi
rata-rata (mean
deviation) dapat
dihitung:

119
12
1428
= =
=

x
n
X
x
i
5 . 6
12
78
= =

=

n
X X
MD
i
Fluktuasi jumlah pemakaian energi listrik
perbulan adalah sebanyak 6,5 KWH. Dengan
kata lain, rata-rata jumlah pemakaian energi
listrik bulanan berdeviasi sebesar 6,5 KWH
dari rata-rata bulanannya sebesar 119 KWH.
Dimana:
fi = frekuensi pada kelas i
Xi = titik tengah kelas frekuensi
N = jumlah frekuensi
Kelompok
nilai
fi Xi
30-39,99 6 35 26,6 159,6
40-49,99 12 45 16,6 199,2
50-59,99 30 55 6,6 198,2
60-69,99 24 65 3,4 81,6
70-79,99 18 75 13,4 241,2
80-89,99 10 85 23,4 234,0
100 - 1.113,6
X X f
i i
X X
i

Sebelum dilakukan
perhitungan deviasi, terlebih
dahulu perlu dihitung nilai
rata-rata hitung (aritmatic
mean). Oleh karena nilai
rata-rata ini telah dihitung
pada bab terdahulu, yaitu (X
bar) adalah 61,6, maka
perhitungan deviasi sudah
dapat dilakukan. Sehingga
deviasi rata-rata adalah:
Nilai 100 calon mahasiswa diatas, berdeviasi rata-rata
sebesar 11,136 dari nilai rata-rata sebesar 61,60.

136 , 11
100
6 , 113 . 1
= =

=

MD
n
X X f
MD
i i
N
X X f
x
i i

=

Pada umumnya, deviasi rata-rata merupakan pengukuran dispersi yang
lebih baik dibandingkan dengan metode rentangan (range). Hasil
pengukuran deviasi rata-rata (mean deviation) mencerminkan dispersi
tiap-tiap nilai observasi dari rata-ratanya, dan bukan hanya tergantung
pada dua nilai ekstrim, tertinggi dan terendah. Namun demikian,
pengukuran deviasi rata-rata tidak memperhatikan nilai negatif atau
positif, sehingga menyulitkan manipulasi secara matematis. Oleh
karennya, pengukuran dispersi dengan metode deviasi rata-rata kurang
populer dibanding dengan variance dan standar deviation
Simpangan baku ( standar deviasi) menunjukkan tingkat atau
derajat variasi kelompok data dari rata-ratanya. Standar deviasi
ini digunakan untuk memperlihatkan seberapa besar perbedaan
data yang ada dibandingkan dari rata-rata data itu sendiri.
Perhitungan simpang baku ini, sama halnya dengan deviasi rata-
rata, yaitu memperhatikan penyimpangan tiap-tiap nilai dari
rata-ratanya. Akan tetapi, perbedaan keduanya, di dalam
perhitugan deviasi standar atau simpang baku, tidak hanya
memperhatikan pada perbedaan tiap nilai dengan rata-rata,
lebih jauh diperhatikan pada kuadrat dari tiap-tiap
penyimpangan, yaitu;
( )
2
X X
i

Karl pearson merumuskan pengukuran varians
untuk data tidak berkelompok adalah:


Sehingga simpang baku (standar deviation)
adalah:
( )
n
X X
S
i
2
2

=
( )
n
X X
S
i
2

=
Oleh karena perumusan di atas digunakan untuk data-data sampel,
khususnya data sampel yang tidak berkelompok, maka perlu
diperhatikan jumlah sampel. Suatu sampel dikatakan besar, apabila
jumlah sampel n 30. dan dikatan sampel itu kecil, bila n <30.
Menurut para statistisi, perumusan di atas hanya dapat digunakan untuk sampel
besar, karena bila sampelnya kecil estimasinya akan bias. Sedangkan perhitungan
varians untuk data sampel kecil, dapat digunakan perumusan:

Sehingga simpang baku (standard deviation) adalah:



Alasan yang tepat untuk penggunaan rumus tersebut, di dalam perhitungan
deviasi standar sampel ialaha bahwa rumus ini akan memberikan hasil varians S2
yang memiliki sifat unbiased (tidak bias) untuk keperluan analisis statistik.
Dengan ini dimaksudkan bahwa nilai S2 yang didapat dari sampel akan sama
dengan parameter populasi (2), dan rata-rata hitung sampel (X bar) akan sama
dengan (rata-rata populasi).
( )
1
2
2

=
n
X X
S
i
( )
1
2

=
n
X X
S
i
Produksi air bersih oleh PDAM Tirta Mon Pase
Lhokseumawe setiap bulannya pada tahun 1997,
adalah seperti tertera berikut;

Bulan Jumlah Produksi
(m
3
)
Januari 46.608 -3.655,25 13.360.852,560
Februari 47.896
Maret 45.880
April 44.805
Mai 50.125
Juni 51.693
Juli 47.158
Agustus 52.555
September 60.414
Oktober 51.013
November 56.095
Desember 48.9
603.159 224.349.640,279
X X
i

( )
2
X X
i

Rata-rata produksi air pada tahun 1997 adalah:


Varians dari produksi tersebut adalah



Sehingga simpang baku adalah:



Artinya, fluktuasi produksi air bersih per bulan adalah 4.516.13 m3 dari rata-rata
produksi per bulan yang sebanyak 50.263.25 m3.
Perhitungan varians dan deviasi standar untuk populasi adalah:
Varians:

Deviasi standar :

25 , 263 . 50
12
159 . 603
= =
=

X
n
X
X
i
( )
84 , 421 . 395 . 20
11
279 , 640 . 349 . 224
1
2
2
2
= =

=

S
n
X X
S
i
( )
13 , 516 . 4 84 , 421 . 395 . 20
1
2
= =

=

S
n
X X
S
i
( )
N
X
i

=
2
2

o
( )
N
X X
i

=
2
o
Tentukan Simpangan Rata-rata (Mean Deviasi)
dari rata-rata nilai statistik 70 orang
mahasiswa berikut:

Nilai f
60-64
65-69
70-74
75-79
80-84
85-89
90-94
2
6
15
20
16
7
4
Jumlah 70
Dari hasil survai yang melihat bagaimana
kepemimpinan 10 orang mahasiswa yang
aktif dalam organisasi intra kampus. Data
berikut memperlihatkan nilai kepemimpinan
10 orang responden tersebut.
No X
1 75
2 70
3 80
4 85
5 60
6 75
7 100
8 90
9 95
10 75
Jumlah 805
x
Untuk menghitung varians dan deviasi
standar dari data berkelompok, juga tidak
begitu suka dilakukan. Bila varianse dan
deviasi standar dihitung dari sebuah frekunsi,
maka titik dengah tiap-tiap kelas dianggap
sebagai ninali observesi.
Perhitungan deviasi standar dan varians dari
data berkelompok ada dua metode, yaitu a.
Metode panjang (long method), dan b.
Metode pendek (short method)
Sebelum metode ini digunakan, terlebih dahulu
harus diperhatikan besarnya sampel. Untuk
sampel yang besar, perhitungan varians dan
deviasi standar dapat dihitung dengan rumus:


Sehingga simpang baku (standard deviation)
adalah:


Sedangkan bila sampelnya berukuran kecil,
variansya adalah:

.
( )
N
X X f
S
i i

=
2
2
( )
N
X X f
S
i i

=
2
( )
1
2
2

=

N
X X f
S
i i
Sehingga simpang baku (standar deviation)
adalah:


Untuk populasi dapat digunakan rumus:

Varians :

Deviasi standar :
( )
1
2

=

N
X X f
S
i i
( )
N
X f
i i

=
2
2

o
( )
N
X f
i i

=
2

o
Dari data tabel berikut ini dapat dihitung
varians dan deviasi standar sebagai berikut.
Apabila data dari tabel tersebut diasumsikan
sebagai data sampel, maka:

Kelompok nilai fi Xi
30-39,99 6 35 26,6 707,56 4.245,36
40-49,99 12 45 16,6 275,56 3.306,72
50-59,99 30 55 6,6 43,56 1.306,80
60-69,99 24 65 3,4 11,56 277,44
70-79,99 18 75 13,4 179,56 3.232,08
80-89,99 10 85 23,4 547,56 5.475,60
100 - 17.844,00
( )
2
X X
i

X X
i
( )
2
X X fi
i

Rata-rata hitung , telah diperoleh pada bagian
terdahulu, yaitu sebesar 61,60.
Variansnya diperoleh:


Simpang baku (standard deviation) adalah:





Artinya, fluktuasi nilai adalah sebesar 13,36 dari nilai
rata-ratanya yang sebesar 61,60.
) ( X
( )
44 , 178 100 / 844 . 17
2
2
2
= =

=

S
N
X X f
S
i i
( )
36 , 13 44 , 178
2
= =

=

S
N
X X f
S
i i
Perhitungan deviasi standar dengan
menggunakan metode pendek, hanya akan
melibatkan angka-angka kecil, sehingga
peritungannya sangat praktis. Metode ini juga
kadangkala disebut dengan coding
methods. Rumus untuk menghitungnya
dinyatakan sebagai berikut.

2
2
2
2
2
2
) 1 ( 1
|
|
.
|

\
|
=
|
|
.
|

\
|

=
|
|
.
|

\
|
=



N
d f
N
d f
i
N N
d f
N
d f
i S
N
d f
N
d f
i S
i i i i
i i i i
i i i i
o
Untuk Sampel Besar
Untuk Sampel Kecil
Untuk populasi
Dimana di adalah suatu bilangan skala deviasi
standar yang ditentukan secara sembarang
(arbitrary). Penempatan d=0, diupayakan di
tengah-tengah dari jumlah kelas interval. Untuk
menempatkan nilai skala deviasi standar
berikutnya dapat dilakukan dengan rumus:


Di mana:
di = deviasi standar pada kelas i
Mi = nilai tengah pada kelas ke i
Xo = nilai tengah di mana nol diletakkan
i = besar kelas interval
i
X M
d
o i
i
) (
=
Dari data tabel berikut ini dapat dihitung
deviasi standar dan variansnya dengan
metode pendek sebagai berikut. sampel,
maka:

Kelompok nilai fi Mi di fidi Fidi.di
30-39,99 6 35 -2 -12 24
40-49,99 12 45 -1 -12 12
50-59,99 30 55 0 0 0
60-69,99 24 65 1 24 24
70-79,99 18 75 2 36 72
80-89,99 10 85 3 30 90
100 - 66 222
Skala deviasi standar (di) dapat dihitung:

i
X M
d
o i
i
) (
=
1
10
) 55 65 (
1
=

= d
2
10
) 55 75 (
2
=

= d
1
10
) 55 45 (
1
=

d
2
10
) 55 35 (
2
=

d
3
10
) 55 85 (
3
=

= d
Maka deviasi standar dapat dihitung:








Sehingga variansnya adalah


Hasil yang diperoleh adalah persis sama dengan
yang dihasilkan melalui metode panjang.
2
.
|
|
.
|

\
|
=

N
d f
N
di d f
i S
i i i i
44 , 178 36 , 13
2 2
= = S
2
100
66
100
222
10 |
.
|

\
|
= S
4356 , 0 22 , 2 10 = S
7844 , 1 10 = S
36 , 13 = S
Deviasi standar atau simpang baku yang telah dibahas diatas,
mempunyai satuan yang sama dengan satuan data aslinya. Hal ini
akan mempunyai kelemahan bila membandingkan dua kelompok
data yang berbeda. Sebuah contoh berikut akan menjelaskan
persoalan tersebut.

Seorang pengusaha ingin membandingkan variasi gaji pejabat
struktural di perusahaannya. Gaji buruh dibayar secara harian,
sedangkan gaji pejabat struktural dibayar bulanan.
Rata-rata gaji buruh adalah Rp 5.000,- dengan deviasi standar Rp.
1.500,-. Sedangkan gaji pejabat steuktural rata-rata Rp. 600.000,-
dengan deviasi standar Rp. 300.000,-.
Dalam hal tersebut, perbandingan secara
langsung dari perhitungan deviasi standar
tidak mungkin benar. Gaji pejabat struktural
yang dibayar perbulan tentu lebih besar
daripada gaji buruh yang dibayar harian. Ole
karenanya, oleh para statistisi kemudian
dikembangkan suatu metode pengukuran
dispersi yang disebut koefisien variasi, yang
juga sering disebut dengan covariance
Perhitungan koefisien variasi ini dapat
dilakukan dengan rumus:
populasi untuk V _ .......

o
=
Dalam perbandingan dua koefisien variasi
(kovarians), maka distribusi data yang
memiliki koefisien variasi yang lebih besar
menunjukkan nilainya lebih bervariasi atau
lebih heterogen. Sebaliknya, yang memiliki
koefisien lebih kecil menunjukkan nilainya
lebih konstan atau kualitasnya lebih baik.
sampel untuk
X
S
v _ ....... =
Dua buah developer menawarkan perumahan
untuk masyarakat, masing-masing Matahari
Permai (MP) dan Matahari Indah (MI).
Serangkaian sampel diambil dan diperoleh,
harga rata-rata rumah di MP Rp 60 juta
dengan deviasi standar Rp 9.138.000,-
sedangkan harga rata-rata rumah di MI Rp 50
juta dengan deviasi standar Rp 8.750.000,-
Sepintas, bila diperhatikan, variasi harga
rumah di MP lebih besar daripada MI. Untuk
membandingkan secara lebih benar, dapat
diperhatikan sebagai berikut:

% 50 , 17 _ _ 1750 , 0
000 . 000 . 50
000 . 750 . 8
,
atau v
v
sedangkan
MI
MI
=
=
% 23 , 15 _ _ 1523 , 0
000 . 000 . 60
000 . 138 . 9
atau v
v
X
S
v
MP
MP
=
=
=
Ternyata, variasi harga rumah di MI lebih besar
daripada MP

Semoga Dapat di Amalkan dan Bermanfaat


WASSALAM....

You might also like