Ringkasan Masalah an Data

MASALAH PENYEBARAN DATA

A.PENGANTAR Ukuran Variabilitas Data (Measures of variability) atau Ukuran Penyebaran Data (Measures of Dispersion). B.PENGERTIAN UKURAN PENYEBARAN DATA Ukuran Penyebaran Data itu, yakni berbagai macam ukuran statistic yang dapat digunakan untuk mengetahui , luas penyebaran data, atau variasi data, atau homogenitas data atau stabilitas data. C.MACAM-MACAM UKURAN PENYEBARAN DATA Macam-macam ukuran Penyebaran Data, dari ukuran yang paling sederhana (kasar) sampai dengan ukuran yang dipandang memiliki kadar ketelitian yang tinggi, yaitu (1) Range, (2) Deviasi (yaitu Deviasi Kuartil, Deviasi Rata-rata dan Deviasi Standar), (3) Variance, dan (4) Ukuran Penyebaran Relatif. Ditilik segi relevansinya, maka dalam pembicaraan lebih lanjut hanya akan dikemukakan dua jenis saja, yaitu (1) dan (2) Deviasi , dan pembicaraan tentang Deviasi pun hanya dibatasi pada Deviasi Rata-rata dan Deviasi Standar. 1. Range

Range, yang dalam dunia statistic dikenal sebagai ukuran penyebaran data yang paling sederhana, yang karena itu juga sering disebut sebagai ukuran penyebaran data yang palin kasar. a. Pengertian Range Range diberi lambing R adalah salah satu ukuran statisik yang menunjukkan jarak penyebaran antara skor (nilai) yang terendah (Lowest Score) sampai skor (nilai) yang tertinggi (Highest Score). Dengan singkat dapat dirumuskan : R=H–L

Karena kelemahan itulah maka sebagai salah satu ukuran penyebaran data. kian cenderung bagi diri kita untuk menganggap bahwa mean yang kita peroleh merupakan wakil yang presentatif data yang bersangkutan. Kebaikan dan Kelemahan Kebaikan Kebaikan Range sebagai salah satu ukuran penyebaran data ialah dengan menggunakan Range dalam waktu singkat dapat diperoleh gambaran umum mengenai luas penyebaran data yang sedang kita hadapi. dari nilai rata-rata hitungnya (deviation from the Mean). 2. Deviasi Pengertian Deviasi Deviasi ialah selisih atau simpangan dari masing-masing skor dan interval. c. (2) Dengan mengetahui Range nya saja.R = Range yang kita cari H = Skor atau nilai yang tertinggi (Highest Score) L = Skor atau nilai yang terendah (Lowest Score) b. kita akan lebih cenderung untuk menganggap bahwa Mean yang kita peroleh itu sifatnya meragukan. sebaliknya kian besar Range nya. apabila didalam waktu yang sangat singkat kita ingin memperoleh gambaran tentang penyebaran data yang sedang kita selidiki dengan mengabaikan factor ketelitian atau kecermatan. Kelemahan (1) Range sifatnya sangat labil dan kurang teliti. Penggunaan Range Range kita gunakan sebagai ukuran. d. kita belum tahu secara pasti bagaimana sebenarnya bentuk Distribusi Data yang kita hadapi mulai dari nilai Terendah dan Nilai tertinggi. a. range sangat jarang digunakan dalam pekerjaan analisis statistic. . Cara Mencari Range Range kita juga dapat mengatakan bahwa kian kecil Range dari suatu distribusi data.

Guna memperjelas uraian yang telah dikemukakan diatas. Adapun deviasi yang berada dibawah mean dapat diartikan sebagai “Selisih kurang” oleh karena itu selalu bertanda minus (-). maka sudah barang tentu akan terdapat dua jenis deviasi. Deviasi rata-rata tadi diformulasikan dalam bentuk rumus sebagai berikut : . (1) Deviasi yang berada diatas mean dan (2) Deviasi yang berada di bawah mean. jika skornya Z maka lambing deviasinya z. marilah kita perhatikan contoh berikut ini: Skor (X) 8 7 6 5 4 ∑X = 30 Banyaknya (f) 1 1 1 1 1 N=5 30 =6 5 Deviasi ( x = X − M x ) 8 – 6 = +2 7 – 6 = +1 6–6=0 5 – 6 = -1 4 – 6 = -2 ∑x = 0 Mx = ∑X N = +2 dan +1 adalah Deviasi Positif -2 dan -1 adalah Deviasi Negatif b. Jadi apabila skornya diberi lambing X maka deviasinya berlambangkan x. Karena deviasi merupakan simpangan atau selisih dari masing-masing skor terhadap mean grupnya. dilazim dikenal dengan istilah Deviasi Negatif. 1) Deviasi Rata-rata Pengertian Deviasi Rata-rata Deviasi rata-rata yakni Jumlah Harga mutlak deviasi dari tiap-tiap skor. dan lazim dikenal dengan istilah deviasi positif. Deviasi yang berada diatas Mean dapat diartikan sebagai “selisih lebih” karenanya deviasi semacam ini akan bertanda plus (+). jika skornya Y maka dilambangkan deviasinya y. dibagi dengan banyaknya skor itu sendiri.Deviasi merupakan salah satu ukuran variabilitas data yang biasa dilambangkan dengan huruf kecil dari huruf yang digunakan bagi lambing skornya. dalam uraian selanjutnya akan digunakan lambing AD. Dalam bahasa Inggris Deviasi rata-rata dikenal dengan nama Mean Deviation (diberi lambang MD) atau Average Deviation (diberi lambang AD).

AD = ∑x N AD = Average Deviation = Deviasi rata-rata ∑x = Jumlah harga mutlak deviasi tiap-tiap skor atau interval N = Number of Cases 2) a) Cara Mencari Deviasi Rata-rata Cara Mencari Deviasi rata-rata untuk Data Tunggal yang masing-masing skornya berfrekuensi Satu. Rumus yang digunakan adalah : AD = ∑fx N AD = Average Deviation = Deviasi rata-rata ∑fx = Jumlah hasil perkalian antara deviasi tiap-tiap skor dengan frekuensi masing-masing skor tersebut N = Number of Cases c) Cara Mencari Deviasi rata-rata untuk Data Kelompokan Deviasi rata-ratanya dapat diperoleh dengan menggunakan rumus : AD = ∑fx N AD = Average Deviation = Deviasi rata-rata . Mx = ∑X N AD = ∑x N Mx = ∑Y N AD = ∑y N b) Cara Mencari Deviasi rata-rata untuk Data Tunggal yang sebagian atau seluruh skornya berfrekuensi lebih dari satu.

N = Number of Cases 2) a) Cara Mencari Deviasi Standar Cara mencari Deviasi standar untuk data tunggal yang semua skornya berfrekuensi Satu. oleh karena itu. SD = ∑X N 2 .∑fx = Jumlah hasil perkalian antara deviasi tiap-tiap interval (x) dengan frekuensi masing-masing interval yang bersangkutan. Kelemahan Deviasi rata-rata Deviasi Standar Deviasi rata-rata sebagai salah satu ukuran variabilitas data ditilik dari segi matematika memiliki kelemahan yang sangat mendasar karena mengganggap sama antara deviasi yang bertanda “plus” dengan deviasi yang bertanda “minus”. Deviasi Standar. dalam dunia analisis statistic Deviasi standar ini mempunyai kedudukan yang amat penting. N = Number of Cases 3) c. telah dibakukan atau distandarisasikan. 1) Pengertian Deviasi Standar Deviasi standar (Standar Deviation). setelah mengalami proses pengkuadratan terlebih dahulu. sehingga memiliki kadar kepercayaan atau reliabilitas yang mantap. karena Deviasi rata-rata yang tadinya memiliki kelemahan. Maka rumus umum Deviasi Standar atau SD ialah sebagai berikut : SD = ∑X N 2 SD = Deviasi Standar ∑X 2 = Jumlah semua deviasi. yang umumnya diberi lambing δ atau SD.

yaitu rumus panjang dan rumus singkat.SD = Deviasi Standar ∑X 2 = Jumlah semua deviasi. dengan mengunakan rumus panjang SD = ∑ fx N 2 SD = Deviasi Standar . dengan deviasi skor yang telah dikuadratkan. N = Number of Cases b) Cara mencari Deviasi standar untuk data tunggal yang sebagian atau seluruh skornya berfrekuensi lebih dari satu. SD = ∑ fx N 2 SD = Deviasi Standar ∑fx 2 = Jumlah hasil perkalian antara frekuensi masing-masing skor. Rumus panjang kita pakai bila kita memiliki alat Bantu penghitungan seperti kalkulator dan sebagainya. 1) Cara Mencari Deviasi Standar untuk Data kelompokan. setelah mengalami proses pengkuadratan terlebih dahulu. N = Number of Cases c) Cara mencari Deviasi Standaruntuk Data Kelompokan Deviasi standar dapat dicari dengan mengunakan dua buah rumus . karenaa memerlukan tingkat ketelitian dan kecermatan yang setinggi mungkin.

dengan x 2 ∑fx = dengan x Jumlah hasil perkalian antara frekuensi masing-masing interval . N = Number of Cases d) Cara lain yang dapat dipergunakan untuk menghitung atau mencari Deviasi Standar 1) Cara lain untuk mencari Deviasi Standar Data tunggal yang seluruh skornya berfrekuensi satu. dengan menggunakan Rumus pendek SD = i ∑fx N 2  −    ∑fx   N    2 SD = Deviasi Standar i = Kelas interval ∑fx 2 = Jumlah hasil perkalian antara frekuensi masing-masing interval .∑fx 2 = Jumlah hasil perkalian antara frekuensi masing-masing skor. Ada tiga buah rumus dapat digunakan. yaitu : Rumus Pertama = SD = ∑X N 2 2 −M X Rumus Kedua = SD = ( N ) (∑ X 2 ) − (∑ X ) N2 2 . N = Number of Cases 2) Cara mencari Deviasi standar untuk Data kelompokan. denagn deviasi skor yang telah dikuadratkan.

∑ fX 2 − (∑ fX ) 2 SD = Deviasi Standar yang kita cari 1 = Bilangan Konstan (yang tidak boleh diubah-ubah ∑fX 2 = Jumlah hasil perkalian antara frekuensi tiap-tiap skor (f) denagn skor yang telah dikuadratkan lebih dahulu x 2 (∑fX ) 2 = Jumlah hasil perkalian antara frekuensi tiap-tiap skor (f) dengan masing-masing skor yang bersangkutan (X) N = Number of Cases 3) Cara lain untuk mencari Deviasi Standar Data Kelompokan Deviasi Standar untuk data Kelompokan juga dapat ddicari atau diperhitungkan berdasarkan angka kasar atau skor aslinya. M X = Nilai rata-rata Hitung (=mean) skor X. N = Number of Cases 2) Cara lain untuk mencari Deviasi Standar Data tunggal yang sebagian atau seluruh skornya berfrekuensi lebih dari satu. yang kemudian dikuadratkan. SD = 1 N N.Rumus Ketiga = SD = 1 N N. ∑X 2 − (∑X ) 2 SD = Deviasi Standar ∑x 2 = Jumlah skor X setelah terlebih dahulu dikuadratkan. Adapun rumus yang digunakan adalah : SD = ∑fX N 2  −    ∑fX N      2 . 2 (∑X ) = Jumlah seluruh skor X.

253 AD Artinya :  Bahwa besarnya Deviasi rata-rata (AD) adalah sekitar Bahwa besarnya Deviasi Standar (SD) adalah sekitar 0.8 kali dari Deviasi Standar  1.SD = Deviasi Standar ∑fX ∑fX 2 = Jumlah hasil perkalian antara midpoint-2 yang telah dikuadratkan x 2 dengan frekuensinya masing-masing. Kegunaan Deviasi Rata-rata dan Deviasi Standar Baik Deviasi rata-rata maupun deviasi standar keduanya berguna sebagai ukuran untuk mengetahui variabilitas data dan sekaligus untuk mengetahui homogenitas data. data yang sedang kita teliti itu makin dekat kepada sifat Homogenitas. Saling Hubungan antara Deviasi Rata-rata dan Deviasi Standar Antara Deviasi Rata-rata dan Deviasi Standar terdapat saling hubungan sebagai berikut AD = 0. Catatan Tambahan Tentang Penggunaan Lebih Lanjut dari Mean dan Deviasi Standar Dalam Dunia Pendidikan Sebagai catatan tambahan perlu kiranya dikemukakan disini bahwa mean dan deviasi standar sebagai dua buah ukuran statistic yang dipandang memiliki reliabilitas yang tinggi. N = Number of Cases d. kita dapat mengetahui pula bagaimana Variabilitas dan homogenitas data yang sedang kita selidiki. Sebaliknya.798 SD sedangkan SD = 1. dapat dan .3 kali dari Deviasi Rata-rata f.253 atau 1.798 atau 0. = Jumlah hasil perkalian antara midpoint dengan frekuensinya masing- masing. apabila Deviasi rata-rata atau Deviasi Standar kecil. e. Dengan mengetahui besar kecilnya Deviasi rata-rata dan Deviasi Standar. hali ini berarti makin besarlah variabilitas datannya atau semakin kurang homogen. Jika deviasi rata-rata atau deviasi standar makin besar.

Untuk mengubah (mengkonversikan) Raw Score menjadi nilai satndar T (T Score) dimana T Score itu dapat diperoleh dengan rumus :  X −M X T . khususnya dalam rangka Evaluasi hasil belajar anak didik.Score = X −M X SD X 6. Untuk mengelompokkan anak didik ke dalam tiga ranking. 4. yaitu : Ranking Atas (Kelompok anak didik yang tergolong pandai). di mana patokan yang digunakan untuk keperluan tersebut adalah : Mean + 0. Ranking Tengah ( Kelompok anak didik yang tergolong cukup/sedang) dan Ranking Bawah (Kelompok anak didik yang tergolong lemah/bodoh) 5. 3. Dapat disebutkan disini misalnya: 1.Score = 50 + 10  SD X    atau T Score = 50+10 X z Score   . Untuk menetapkan nilai batas lulus Aktual (minimum Passing Level atau Passing Grade). yaitu nilai-nilai standar mulai dari 0 sampai dengan 10 (=11 Nilai Standar). Untuk mengubah (mengkonversikan) Raw Score menjadi Nilai Standar z (z Score). Untuk mengubah (mengkonversikan ) Raw Score menjadi niali Standar Sebelas (Eleven point Scale = Standar Eleven = Stanel).25 SD 2. Untuk mengubah Raw Score (Skor mentah) ke dalam nilai standar sekala 5 atau huruf A-B-C-D dan E.sering digunakan dalam dunia pendidikan. dimana z Score dapat diperoleh dengan rumus : z.

Sign up to vote on this title
UsefulNot useful