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

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

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

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.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 .

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

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

yaitu : Rumus Pertama = SD = ∑X N 2 2 −M X Rumus Kedua = SD = ( N ) (∑ X 2 ) − (∑ X ) N2 2 . 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. dengan x 2 ∑fx = dengan x Jumlah hasil perkalian antara frekuensi masing-masing interval . denagn deviasi skor yang telah dikuadratkan. Ada tiga buah rumus dapat digunakan. 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. N = Number of Cases 2) Cara mencari Deviasi standar untuk Data kelompokan.

Adapun rumus yang digunakan adalah : SD = ∑fX N 2  −    ∑fX N      2 . N = Number of Cases 2) Cara lain untuk mencari Deviasi Standar Data tunggal yang sebagian atau seluruh skornya berfrekuensi lebih dari satu. SD = 1 N N.Rumus Ketiga = SD = 1 N N. ∑ 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. yang kemudian dikuadratkan. ∑X 2 − (∑X ) 2 SD = Deviasi Standar ∑x 2 = Jumlah skor X setelah terlebih dahulu dikuadratkan. 2 (∑X ) = Jumlah seluruh skor X. M X = Nilai rata-rata Hitung (=mean) skor X.

apabila Deviasi rata-rata atau Deviasi Standar kecil. Saling Hubungan antara Deviasi Rata-rata dan Deviasi Standar Antara Deviasi Rata-rata dan Deviasi Standar terdapat saling hubungan sebagai berikut AD = 0. data yang sedang kita teliti itu makin dekat kepada sifat Homogenitas.253 atau 1. 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. kita dapat mengetahui pula bagaimana Variabilitas dan homogenitas data yang sedang kita selidiki.3 kali dari Deviasi Rata-rata f. e. hali ini berarti makin besarlah variabilitas datannya atau semakin kurang homogen.253 AD Artinya :  Bahwa besarnya Deviasi rata-rata (AD) adalah sekitar Bahwa besarnya Deviasi Standar (SD) adalah sekitar 0.SD = Deviasi Standar ∑fX ∑fX 2 = Jumlah hasil perkalian antara midpoint-2 yang telah dikuadratkan x 2 dengan frekuensinya masing-masing. Sebaliknya. = Jumlah hasil perkalian antara midpoint dengan frekuensinya masing- masing.798 atau 0. Dengan mengetahui besar kecilnya Deviasi rata-rata dan Deviasi Standar. dapat dan . Jika deviasi rata-rata atau deviasi standar makin besar. 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.8 kali dari Deviasi Standar  1.798 SD sedangkan SD = 1. N = Number of Cases d.

Untuk mengubah (mengkonversikan ) Raw Score menjadi niali Standar Sebelas (Eleven point Scale = Standar Eleven = Stanel). 4. yaitu : Ranking Atas (Kelompok anak didik yang tergolong pandai). khususnya dalam rangka Evaluasi hasil belajar anak didik. Untuk mengubah Raw Score (Skor mentah) ke dalam nilai standar sekala 5 atau huruf A-B-C-D dan E. Untuk mengubah (mengkonversikan) Raw Score menjadi Nilai Standar z (z Score). Untuk menetapkan nilai batas lulus Aktual (minimum Passing Level atau Passing Grade). Dapat disebutkan disini misalnya: 1. di mana patokan yang digunakan untuk keperluan tersebut adalah : Mean + 0. dimana z Score dapat diperoleh dengan rumus : z. Untuk mengubah (mengkonversikan) Raw Score menjadi nilai satndar T (T Score) dimana T Score itu dapat diperoleh dengan rumus :  X −M X T . yaitu nilai-nilai standar mulai dari 0 sampai dengan 10 (=11 Nilai Standar).sering digunakan dalam dunia pendidikan. Untuk mengelompokkan anak didik ke dalam tiga ranking. Ranking Tengah ( Kelompok anak didik yang tergolong cukup/sedang) dan Ranking Bawah (Kelompok anak didik yang tergolong lemah/bodoh) 5. 3.25 SD 2.Score = X −M X SD X 6.Score = 50 + 10  SD X    atau T Score = 50+10 X z Score   .

Sign up to vote on this title
UsefulNot useful