KERANGKA ISI

1. Pendahuluan
2. Pembahasan
a. Pengertian dan PerhitunganRentangan (Range), Rata-Rata Simpangan
(Deviasi Rata-Rata), Standar Deviasi (Simpangan Baku), Varians,
Koefisien Variasi, Nilai Standar, Ukuran Kemiringan, Kurtosis.
b. Pendeskripsian hasil perolehan ukuran dispersi
c. Penentuan ukuran dispersi dengan menggunakan Software
Microsoft Excel
3. Rangkuman
4. Latihan Soal
5. Kunci Jawaban
6. Daftar Rujukan

PENDAHULUAN
Statistika merupakan suatu ilmu yang mempelajari bagaimana
merencanakan, mengumpulkan, menganalisis, menginterpretasi, dan
mempresentasikan data.Sedangkan statistik adalah data, informasi, atau hasil
penerapan algoritma statistika pada suatu data.Alat statistik yang bisa digunakan
untuk mengetahui penyebaran data ialah variabilitas.Variabilitas juga sering
disebut dispersi atau penyebaran.

Dispersi ialah suatu ukuran baik parameter atau statistika untuk

mengetahui seberapa besar penyimpangan data.Melalui ukuran penyebaran maka
dapat diketahui seberapa jauh data-data menyebar dari titik pemusatannya.Ukuran
ini terkadang dinamakan pula ukuran variasi yang menggambarkan berpencarnya
data kuantitatif.Pengukuran variabilitas dapat dimanfaatkan untuk kepentingan
praktis misalnya; penyusunan standar nilai baik untuk kepentingan akademik
maupun praktis dengan menggunakan standar deviasi.

Beberapa ukuran dispersi yang terkenal dan akan diuraikan disini

ialah :rentangan (range), rata-rata simpangan, simpangan baku, varians, koefisien
variasi, nilai standar, ukuran kemiringan.

1
 MATERI
1. Pengertian dan perhitungan
a. Rentang (Range)
Range memiliki nama lain yaitu rentang atau jangkuan dalam
varian data. Range adalah selisih antara data nilai terbesar dengan data
nilai terkeci. Jadi, range dalam statistik merupakan sebuah sekolompok
data kuantitatif yang memiliki nilai terkecil dan terendah yang
memiliki rentang atau jangkuan tersebut bisa dibilang dengan range.
Rumus Range dalam Statistik:

Range (R) = Xmax – Xmin

Keterangan:
Xmax = Nilai tertinggi
Xmin = Nilai terkecil

1) Data Tunggal
Rentangan data tunggal dapat dicari dengan menggunakan rumus
sebagai berikut.
Contoh soal:
Hitunglah rentangan (range) dari data di bawah ini!
68 90 82 58 70 60 92 82 58 70
75 60 55 95 90 84 60 85 70 56
Penyelesaian:
Diurutkan terlebih dahulu dari nilai yang terkecil ke nilai terbesar
55 56 58 58 60 60 60 68 70 70
70 75 82 82 84 85 90 90 92 95

Diketahui:

Xmax = 95

Xmin = 55

2
 Jawab:
R = Xmax – Xmin
= 95 – 55
= 40

2) Data Kelompok
Untuk menentukan rentangan pada data kelompok dapat
menggunakan dengan dua cara yaitu dengan menggunakan titik
atau nilai tengah dan tepi kelas.
a. Dengan menggunakan titik atau nilai tengah, rentangan
merupakan selisih titik tengah kelas tertinggi dengan titik
b. Dengan menggunakan tepi kelas, rengtangan merupakan selisis
tepi atas kelas dengan tepi bawah kelas.
Contoh soal:
Carilah rentangan (range) dari data di bawah ini!

Nilai f fk
60-64 12 12
65-69 15 27
70-74 10 37
75-79 2 39
80-84 6 45
85-89 5 50

R = X₆ - X₁
= 87 – 62
= 25

b. Rata–Rata Simpangan (Deviasi Rata–Rata)

Rata-rata simpangan disebut juga simpangan rata-rata atau deviasi
mean. Deviasi mean mengukur jumlah rata-rata dari nilai-nilai
populasi (atau sampel) yang berbeda-beda dari rata-ratanya. Deviasi
mean didefinisikan sebagai rata-rata hitung dari nilai mutlak deviasi
dengan rata-rata hitungnya.
1) Rumus Data Tunggal

1 ∑ | x i - x́ |
SR= ∑ | x i - x́ | =
n n

3
Keterangan:
SR = simpangan rata-rata
xi = nilai data ke-i
x́ = rata-rata data
n = banyaknya data
Contoh soal:
Carilah simpangan rata-rata data tunggal di bawah ini !
55 56 58 58 60 60 60 68 70 70
70 75 82 82 84 85 90 90 92 95
Jawab :
∑x
X́ =
n
=

55+56+58+58+60+ 60+60+68+70+70+ 70+75+82+82+84 +85+90

+90+ 92+ 95
20
1460
=
20
= 73

∑ | x i - x́ |
SR=
n
=

|55−73||56−73||58−73||58−73||60−73||60−73||60−73||68−73||70−73|
|70−73||70−73||75−73||82−73||82−73||84−73||85−73||90−73||90−73|
|92−73||95−73|
20
=

18+17+15+15+13+13+ 13+5+3+3+3+ 2+ 9+9+11+ 12+17 +17+19+22

20
236
=
20
= 11,8

4
 2) Rumus Data Kelompok

1 f | x i - x́ |
SR= f | x i - x́ | =
f f

Keterangan:
f = jumlah seluruh frekuensi
f = frekuensi kelas
x i= nilai tengah kelas
x́= rata-rata
k = banyaknya kelas interval
Contoh Soal:

Nilai fi xi f ixi |xi - x́| f i(xi - x́)

60-64 12 62 744 9 108
65-69 15 67 1005 4 60
70-74 10 72 720 1 10
75-79 2 77 154 6 12
80-84 6 82 492 11 66
85-89 5 87 435 16 80
Jumlah 50 3550 336

fx
X́ =
f
3550
=
50
= 71

f | x i - x́ |
SR =
f
336
=
50
= 6,72

c. Standar Deviasi (Simpangan Baku)

Simpangan baku merupakan ukuran penyebaran yang paling
banyak digunakan. Semua gugus data dipertimbangkan sehingga lebih
stabil dibandingkan dengan ukuran lainnya. Namun, apabila dalam

5
gugus data tersebut terdapat nilai ekstrem, standar deviasi menjadi
tidak sensitif lagi, sama halnya seperti mean.
Simpangan baku memiliki beberapa karakteristik khusus lainnya.
Simpangan baku tidak berubah apabila setiap unsur pada gugus
datanya di tambahkan atau dikurangkan dengan nilai konstan tertentu.
Simpangan baku berubah apabila setiap unsur pada gugus datanya
dikali/dibagi dengan nilai konstan tertentu. Bila dikalikan dengan nilai
konstan, standar deviasi yang dihasilkan akan setara dengan hasilkali
dari nilai standar deviasi aktual dengan konstan.
Simpang baku merupakan ukuran jarak antara skor dengan angka
rata-rata kelompoknya. Dengan demikian, dapat diketahui kedudukan
seorang siswa dalam kelompoknya dibandingkan dengan rata-rata
kelasnya.
a) Data Tunggal
Rumus simpangan baku yaitu :

S= √∑( x i - x́ ¿2 ¿ atau 2 ¿
S2 = ∑ ( x i - x́ ¿ n
n
Keterangan :
S = Simpangan baku
xi = data ke-i atau nilai ke i
x́= rataan hitung
n = banyak nilai data

Contoh soal:
Hitunglah simpangan rata-rata dari data di bawah ini!
55, 56, 58, 60. 68, 70, 75, 82, 84, 85, 90, 92, 95

Penyelesaian:
xi fi xi - x́ (xi - x́)2
55 1 -18 324
56 1 -17 289
58 2 -15 225
60 3 -13 169
68 1 -5 25

6
 70 3 -3 9
75 1 2 4
82 2 9 81
84 1 11 121
85 1 12 144
90 2 17 289
92 1 19 361
95 1 22 484
Jumlah 20 3476

2 ¿
S2 = ∑ ( x i - x́ ¿ n

3476
=
20
= 173,8

S = √ S2
= √ 173,8
= 13,18

b) Data Kelompok
Rumus simpangan baku:
S = √ ∑ f x 2−¿ ¿ ¿ ¿
Nilai fi xi f ixi xi2 f ixi2
60-64 12 62 744 3844 46128
65-69 15 67 1005 4489 67335
70-74 10 72 720 5184 51840
75-79 2 77 154 5929 11858
80-84 6 82 492 6724 40344
85-89 5 87 435 7569 37845
Jumlah 50 3550 33739 255350

2
S = √∑ f x −¿ ¿ ¿ ¿
= √ 255350−¿ ¿ ¿ ¿

12602500
=
√ 255350−
49
50

7
 255350−252050
=
√ 49
3300
=
√ 49
= √ 67,35
= 8,21
Contoh menggunakan perumpaan:
Nilai fi xi ci ci2 ci2 f ci f i
60-64 12 62 -2 4 48 -24
65-69 15 67 -1 1 15 -15
S = 70-74 10 72 0 0 0 0
75-79 2 77 1 1 2 2
80-84 6 82 2 4 24 12
85-89 5 87 3 9 45 15
Jumlah 50 134 -10

p
n
√ ∑ ( c f )−¿ ¿

5
=
50
√ 50 (134 )−¿ ¿
5
= √ 6700−100
50
5
= √ 6600
50
5
= x 81,24
50
= 0,1 x 81,24
= 8,124
d. Varians
Varian dan standar deviasi adalah sebuah ukuran penyebaran yang
menunjukkan standar penyimpangan atau deviasi data terhadap nilai
rata-ratanya. Varian adalah rata-rata hitung deviasi kuadrat setiap data
terhadap rata-rata hitungnya (Sutrima, 2009). Varian dapat dibedakan
antara varians populasi dan varian sampel. Varian populasi (σ dibaca
tho) adalah deviasi kuadrat dari setiap data terhadap rata-rata hitung
semua data dalam populasi. Varian sampel adalah deviasi kuadrat dari

8
 setiap data rata-rata hitung terhadap semua data dalam sampel dimana
sampel adalah bagian dari populasi.
Varian itu kuadrat dari simpangan baku (standar deviasi):

Data tunggal

S = 13,8
2
S2= ( 13,8 ) = 173,8
Data kelompok
2 2
S =( 8,21 ) =67 , 4

e. Koefisien Varians
Koefisien varians adalah perbandingan antara simpangan baku
dengan rata-rata suatu data dan dinyatakan dalam %. Standar deviasi
dapat mengukur keheterogenan atau variasi suatu kelompok data.
Namun jika membandingkan dua kelompok data yang mempunyai
ukuran yang berbeda, standar deviasi tidak dapat digunakan artinya
standar deviasi yang lebih besar tidak selalu berarti kelompok data
tersebut lebih heterogen. Untuk keperluan perbandingan dua kelompok
tanpa melihat ukuran satuannya, maka dapat digunakan suatu ukuran
variasi yang dinamakan koefisien variasi (CV). Koefisien variasi
berguna untuk melihat sebaran data dari rata-rata hitungnya.
Besarnya koefisien variasi dinyatakan dengan rumus:
S
KV = × 100 %
X́
Keterangan:
KV = koefisien variasi
S = simpangan standar
X́ = rata-rata
Contoh soal:
S
KV = × 100 %
X
13.8
= ×100 %
73

9
 =18,9% atau 0,18

f. Nilai Standar
Nilai standar (Z-score) adalah suatu bilangan yang menunjukkan
seberapa jauh sebuah nilai mentah menyimpang dari rata-ratanya
dalam suatu distribusi data dengan satuan SD. Dengan demikian, nilai
standar tidak lagi tergantung pada satuan pengukuran seperti cm, kg,
rupiah, detik dan sebagainya
Rumus Z-score :
X-M
Z=
SD

Dimana: Z = Nilai standar

X = Nilai mentah yang akan dicari nilai standarnya

M = Rata-rata distribusi

SD = Standar deviasi distribusi

Contoh soal:

g. Ukuran Kemiringan
Hasan (2009: 125) menyatakan kemencengan atau kecondongan
(skewness) adalah tingkat ketidaksimetrisan atau kejauhan simetri dari
sebuah distribusi. Menurut Somantri (2006: 147), ukuran kemiringan
adalah suatu ukuran yang dapat digunakan untuk menentukan miring
tidaknya suatu kurva distribusi. Menurut Gasperz (1989: 98), ukuran
kemenjuluran atau kemencengan (skewness) merupakan suatu ukuran
yang menunjukkan sejauh mana pergeseran dari bentuk yang simetri
umtuk suatu sebaran atau distribusi. Sedangkan menurut Herryanto
dan Hamid (2008: 62), ukuran kemiringan adalah ukuran yang

10
menyatakan sebuah model distribusi yang mempunyai kemiringan
tertentu.
Jadi, ukuran kemiringan adalah suatu ukuran yang dapat digunakan
untuk menentukan miring tidaknya suatu kurva distribusi
dibandingkan dengan bentuk yang simetri. Ukuran kemiringan adalah
ukuran yang menyatakan sebuah model distribusi yang mempunyai
kemiringan tertentu.Apabila diketahui besarnya nilai ukuran ini maka
dapat diketahui pula bagaimana model distribusinya.

NEGATIF NORMAL POSITIF

Gambar 1

Dari gambar 1 dapat dilihat 3 model distribusi yaitu negatif,

simetrik, positif. Untuk mengetahui mengenai sekumpulan data apakah
data tersebut modeldistribusi negatif, simetrik atau positif. Hal ini
dapatdilihat berdasarkan nilaikoefisien kemiringannya. Untuk
mengetahui bahwa konsentrasi distribusi menceng ke kanan atau kekiri,
dapat digunakan metode-metode berikut:

a) Koefisien Kemiringan Pearson

Koefisien Kemencengan Pearson merupakan nilai selisih
rata-ratadengan modus dibagi simpangan baku (Hasan, 2009:
126). KoefisienKemencengan Pearson dirumuskan sebagai
berikut:
1) Koefisien Kemiringan Pearson dengan menggunakan Modus

11
 x́−Mo
sk = s

Keterangan:
sk : Koefisien Kemencengan Pearson
s : Simpangan baku
Mo : Modus
x́ : Nilai rata-rata data
Apabila secara empiris didapatkan hubungan antarnilai
pusatsebagai:
x́−Mo=3 ( x́−Me )

2) Koefisien Kemiringan (Median)

3 ( x́− Me )
sk =
s
Keterangan:
sk : Koefisien Kemencengan Pearson
s : Simpangan baku
Me : Median
x́ : Nilai rata-rata data

3) Koefisien Kemiringan meenggunakan nilai kuartil

Q 3−2 Q 2+Q 1
sk = Q 3 −Q 1
Keterangan:
sk : Koefisien Kemencengan Pearson
Q1 : Kuartil ke 1
Q2 : Kuartil ke 2
Q3 : Kuartil ke 3
Jika nilai dari sk (Koefisien Kemiringan Pearson)
dihubungkan dalam keadaan kurva maka didapatkan
ketentuan 3 hal:

12
 a) Apabila nilai sk = 0, model distribusi kurva memiliki
bentuk simetrik atau normal.
b) Apabila nilai sk > 0, model distribusi kurva memiliki
bentuk kemiringan ke arah kanan yang artinya model
distribusi kurva positif.
c) Apabila nilai sk < 0, model distribusi kurva memiliki
bentuk kemiringan ke arah kiri yang artinya model
distribusi kurva negatif.
b) Koefisien Kemencengan Bowley
Koefisien Kemencengan Bowley berdasarkan pada
hubungankuartil-kuartil (K1, K2 dan K3) dari sebuah distribusi
(Hasan, 2009: 125).Begitu pula menurut Gasperz (1989: 101)
bahwa “Bowley (A. L. Bowley) mendasarkan rumusnya pada
nilai-nilai kuartil dari suatu sebaran (distribution)”.
Koefisien kemencengan Bowley dirumuskan:
( Q3−Q2 ) −( Q2−Q1 ) Q 3−2 Q 2+Q 1
sk B = atau sk B = Q −Q
( Q3−Q2 ) + ( Q2−Q1 ) 3 1

Keterangan:
skB : Koefisien Kemencengan Bowley
Q1 : Kuartil ke 1
Q2 : Kuartil ke 2
Q3 : Kuartil ke 3

c) Koefisien Kemencengan Persentil

Gasperz (1989: 102) mengatakan “Ukuran Kelly
merupakan suatu ukuran moderat antara ukuran Pearson yang
didasarkan pada semua bagian data dan ukuran Bowley yang
didasarkan pada 50% dari bagian data.Kelly mendasarkan pada
sebaran antara persentil 90 (P90) dan persentil 10 (P10).Jadi,
Koefisien Kemencengan Persentil didasarkan atas hubungan antar
persentil (P90, P50 dan P10) dari sebuah distribusi (Hasan, 2009:
132).

13
 Koefisiensi Kemencengan Persentil dirumuskan :
( P90−P50 )−( P50−P10)
skp=
P 50−P10
Keterangan:
skp : Koefisien Kemencengan Persentil
P90 : Persentil ke 90
P50 : Persentil ke 50
P10 : Persentil ke 10

d) Koefisien Kemencengan Momen

Koefisien Kemencengan Momen didasarkan pada
perbandingan momen ke-3 dengan pangkat tiga simpangan baku.
Koefisien Kemencvengan Momen dilambangkan dengan α3.
Koefisien Kemencengan Momen disebut juga Kemencengan
Relatif (Hasan, 2009: 133)
Menurut Gasperz (1989: 103), kemenjuluran α3 digunakan
sebagai pengukuran kemenjuluran sekitar rata-rata sebaran
teoritits (distribusi teoritis). Menurut Somantri (2006 : 149),
koefisien alpha ketiga merupakan rata-rata penyimpangan data
dari rata-ratanya dipangkatkan tiga, dibagidengan simpangan
baku pangkat tiga. Jadi, koefisien kemencengan momen adalah
nilai perbandingan momen ke-3 dengan pangkat tiga simpanbgan
baku.
a) Untuk data tunggal
Koefisien kemencengan momen untuk data tunggal
dirumuskan:
M3 1
a3 = 3 = 2 ∑ ¿ ¿
s
Keterangan:
α3 = koefisien kemencengan momen

b) Untuk data kelompok

14
 Koefisien kemencengan momen untuk data berkelompok
dirumuskan :
M3 1
a3 = 3 =
∑ ¿ ¿ atau
s 2

C3 ∑ f u3 ∑ f u2 ∑fu ∑ fu 3
a3 = 3 =
s n ( −3
n ( )( ) ( ) )
n
+2
n

contoh soal data tunggal :

Nilai x−x́ ¿
55 -18 5832
56 -17 4913
58 -15 3375
60 -13 2197
68 -5 125
70 -3 27
75 2 8
82 9 729
84 11 1331
85 12 1728
90 17 4913
92 19 6859
95 22 10648
Jumlah 42685

3
3 m3 1 ∑( x− x́ )
a = 3=
s 2 s3
1 42685
= ×
2 2289,5
= 9,321

Contoh soal data kelompok :

Carilah kemiringan data di bawah ini dengan menggunakan modus,
median, quartil.

Nilai f fk x
60-64 12 12 62
65-69 15 27 67
70-74 10 37 72
75-79 2 39 77

15
 80-84 6 45 82
85-89 5 50 87

Modus :
dᵢ
Mo ¿ Lᵢ+
d 1 +d 2
3
¿ 64,5+
3+5

3
¿ 64,5+
8

¿ 64,5+0,375

¿ 64,87 5

x́ −Me
SK ¿
s
71−64,875
¿
13,18
¿ 0,46

Median:
1
Me
¿ Li + ( )
2
n−f
f
p

¿ 64,5+ ( 25−12
15 )
5

13
¿ 64,5+
9
¿ 64,5+ 4,3
¿ 68,8

3( x́−Me)
SK ¿
s
3(71−68,8)
¿
13,18

3× 2,2
¿
13,18

16
 6,6
¿
13,18

¿ 0,5

Quartil:

Menentukan terlebih dahulu Q ₁, Q ₂ ,Q ₃

Posisi Q 1

n
Q 1=i
4

50
Q 1=1
4

Q 1=12,5

i
Q ₁=L1 +
4
f Q1(
n−fk Q1
p )
1
=
64,5+
4
15 (
× 50−12
5
)
¿ 64,5+0,17

¿ 64,67

Posisi Q 2

n
Q 2=i
4

50
Q 2=2
4

Q2=25

17
 i
Q2=L2 +
4
(
n−fk Q 2
f Q2
p )
2
Q2=64,5+
4
×50−12
15 (
5 )
¿ 64,5+ 4 , 3

¿ 68 , 8

Posisi Q 2

n
Q 3=i
4

50
Q 3=3
4

Q3=37,5

i
Q 3¿ Lᵢ+ 4
(
n−fk Q3
f Q3
p )
3
¿ 74,5+
4
2 (
×50−37
5 )
¿ 74,5+1,25

¿ 75,75

Q 3−Q 2 = 75,75−68,8

¿ 6,9 5

18
 Q 2−Q 1=68,8−64,67

¿ 4,1 3

Jadi Q 3−Q 2>Q 2−Q 1 Maka menceng kanan.

( Q 3−Q ₂ )−(Q ₂−Q ₁)

SK=
(Q ₃−Q₂ ) + ( Q 2−Q₁ )

Q₃−2Q ₂−Q ₁
¿
Q ₃−Q ₁

75,75−2 ( 68,8 ) +64,67

¿
75,75−64,67

75,75−137,6+64,67
¿
11,08

2,82
¿
11,08

¿ 0,2 6

h. Keruncingan atau Kurtosis

Keruncingan atau kurtosis adalah tingkat kepuncakan dari sebuah
distribusi yang biasanya diambil secara relatif terhadap suatu distribusi
normal (Hasan, 2009: 137). Menurut Gasperz (1989: 104), kurtosis
adalah suatu ukuran tentang keruncingan dari sebuah sebaran, yang
biasanya dibandingkan dengan sebaran normal. Menurut Somantri
(2006: 151), kurtosis merupakan tingkat menunggunya suatu
distribusi, yang umumnya dibandingkan dengan distribusi normal.
Sedangkan menurut Herryanto dan Hamid (2008: 6.12), kurtosis
adalah derajat kepuncakan dari suatu distribusi, biasanya diambil
relatif terhadap distribusi normal.

19
 Jadi, keruncingan adalah tingkat kepuncakan dari sebuah distribusi,
yang biasanya dibandingkan dengan distribusi normal.Keruncingan
atau kurrtosis adalah tingkat kepuncakan dari sebuah distribusi yang
biasanya diambil secara relatif terhadap suatu distribusi normal.
Berdasarkan keruncingannya, kurva distribusi dapat dibedakan atas
tiga macam, yaitu sebagai berikut :
a) Leptokurtik, merupakan distribusi yang memiliki puncakrelatif
tinggi
b) Platikurtik, merupakan distribusi yang memiliki puncak hampir
mendatar.
c) Mesokurtik, merupakan distribusi yang memiliki puncak tidak
tinggi dan tidak mendatar
Bila distribusi merupakan distribusi simetris maka distribusi
mesokurtik dianggap sebagai distribusi normal.

Untuk mengetahui keruncingan suatu distribusi, ukuran yang

sering digunakanadalah koefisien kurtosis persentil.
a) Koefisien keruncingan
Koefisien atau koefisien kurtosis dilambangkan dengan α4 (alpha
4).
Jika hasil perhitungan koefisien keruncingan diperoleh :
1) Nilai lebih kecil dari 3, maka distribusinya adalah
distribusi pletikurtik
2) Nilai lebih besar dari 3, maka distibusinya adalah
distribusi leptokurtik

20
 3) Nilai yang sama dengan 3, maka distribusinya adalah
distribusi mesokurtik
Untuk mencari nilai koefisien keruncingan, dibedakan antara data
tunggal dandata kelompok.
1) Untuk data tunggal
1 4
∑ ( X − X́ )
∝4 = n
s4
Contoh soal:
Tentukan keruncingan kurva dari data 55, 56, 58, 58, 60,
60, 60, 68, 70, 70, 70, 75, 82, 82, 84, 85, 90, 90, 92, 95
Penyelesaian:
1 x x−x́ ( x−x́ )4
∑ ( x−x́ )4
α₄ = n 55 -18 104976
S4 56 -17 83521
58 -15 50625
1
×758457 60 -13 28561
= 13 68 -5 625
30175,9 70 -3 81
75 2 32
82 9 6561
84 11 14641
85 12 20736
90 17 83521
92 19 130321
95 22 234256
Jumlah 758457

58342,85
=
30175,9

=1,93

Karena hasilnya kurang dari 3 maka kurvanya platikurtik

atau hasilnya negatif.

2) Untuk data kelompok

1
∝4 = ∑ ¿ ¿ atau
n

21
 ∝4 =

4
C4 ∑ f u 4 ∑ f u3 ∑ fu ∑ f u 2 ∑ fu 2 ∑ fu
n4 n ( −4
n ( )( ) (
n
+6
n )( ) ( ) )
n
−3
n

Nilai fi xi x i−x́ ( x−x́ )4 f i ( x−x́ )4

60-64 12 62 -9 6561 78732
65-69 15 67 -4 256 3840
70-74 10 72 -1 1 10
75-79 2 77 6 1296 2592
80-84 6 82 11 14641 87846
85-89 5 87 16 65536 327680
Jumlah 50 500700

m₄ 1
α₄ = s ₄ = n ∑ f ¿ ¿ ¿

1
× 500700
50
¿
8,24

1
× 500700
50
¿
4521,22

10014
¿
4521,22

¿ 2,2

Karena hasilnya kurang dari 3,maka kurvanya platikurtik

atau negatif.

b) Koefisien Kurtosis Persentil

Koefisien Kurtosis Persentil dilambangkan dengan K (kappa).
Untuk distribusi normal, nilai K = 0,263. Koefisien Kurtosis
Persentil, dirumuskan :

22
 1
( Q3−Q1 )
K= 2
P90 −P 10

2. Penentuan ukuran dispersi dengan menggunakan Software Microsoft

Excel

23
 RANGKUMAN

Variabilitas data adalah suatu ukuran yang menyatakan seberapa besar nilai-
nilai data yang berbeda atau bervariasi dengan nilai ukuran pusatnya atau
seberapa besar penyimpangan nilai-nlai data dengan nilai pusatnya. Dalam
variabilitas data dapat diuraikan menjadi beberapa cara seperti :

1. Range dalam statistik merupakan sebuah sekolompok data kuantitatif

yang memiliki nilai terkecil dan terendah yang memiliki rentang atau
jangkuan tersebut bisa dibilang dengan range.
2. Rata-rata simpangan disebut juga deviasi mean. Deviasi mean mengukur
jumlah rata-rata dari nilai-nilai populasi (atau sampel) yang berbeda-beda
dari rata-ratanya. Deviasi mean didefinisikan sebagai rata-rata hitung dari
nilai mutlak deviasi dengan rata-rata hitungnya.
3. Standar deviasi atau disebut juga simpangan baku merupakan ukuran
jarak antara skor dengan angka rata-rata kelompoknya. Simpangan baku
merupakan ukuran penyebaran yang paling banyak digunakan. Semua
gugus data dipertimbangkan sehingga lebih stabil dibandingkan dengan
ukuran lainnya
4. Varian adalah rata-rata hitung deviasi kuadrat setiap data terhadap rata-
rata hitungnya. Varian dan standar deviasi adalah sebuah ukuran
penyebaran yang menunjukkan standar penyimpangan atau deviasi data
terhadap nilai rata-ratanya,jadi saling berhubungan.
5. Koefisien varians adalah perbandingan antara simpangan baku dengan
rata-rata suatu data dan dinyatakan dalam %. Standar deviasi dapat
mengukur keheterogenan atau variasi suatu kelompok data.

24
 6. Nilai standar (Z-score) adalah suatu bilangan yang menunjukkan
seberapa jauh sebuah nilai mentah menyimpang dari rata-ratanya dalam
suatu distribusi data dengan satuan SD.
7. Ukuran kemiringan adalah suatu ukuran yang dapat digunakan untuk
menentukan miring tidaknya suatu kurva distribusi dibandingkan dengan
bentuk yang simetri. Dan ada beberapa para ahli yang menghitung
kemiringan ini dengan berbagai cara atau pendapatnya masing-masing.
8. Keruncingan adalah tingkat kepuncakan dari sebuah distribusi, yang
biasanya dibandingkan dengan distribusi normal. Keruncingan atau
kurtosis adalah tingkat kepuncakan dari sebuah distribusi yang biasanya
diambil secararelatif terhadap suatu distribusi normal.

Dalam materi Pengukuran Variabilitas data ini banyak perhitungan-

perhitungan yang berhubungan antara satu dengan yang lainnya. Jika dalam
perhitungan dari awal sudah salah maka, dalam mencari data yang selanjutanya
juga akan ikut salah. Sehingga, perlu ketelitian dalam pengukuran variabilitas data
tersebut.

25
 LATIHAN SOAL

PILIHAN GANDA

1. Diketahui data tinggi badan 10 siswa kelas 5 adalah 130, 132, 135, 135,
137, 137, 140, 141, 141, 143. Berapakah rentangan data tersebut?
a. 14
b. 13
c. 20
d. 6
e. 11
2. Selisih anatara data nilai terbesar dengan data nilai terkecil adalah..
a. Rentangan (range)
b. Rata – rata simpangan
c. Standart deviasi
d. Nilai standart
e. Varians
3. Diberikan data tunggal sebagai berikut 4, 6, 7, 8, 9, 10 berapa simpangan
rata – rata data tersebut?
a. 2,4
b. 4,6
c. 3,3
d. 5,6
e. 1,6
4. Perhatikan tabel distribusi frekuensi data berikut ini

26
 Nilai Frekuensi
6 6
7 4
8 10
9 8
10 2
Berapakah nilai simpangan rata-rata data di atas!

a. 1,98
b. 2,48
c. 0,98
d. 1,68
e. 4,28
5. Dalam suatu kelas, tinggi badan beberapa siswa dijadikan sampel. Berikut
adalah data sampel tersebut: 172, 180, 169, 175, 173, 170. Berapakah
standart deviasi dari data sampel tersebut?
a. 3,97
b. 4,77
c. 2,87
d. 4,97
e. 5,52
6. Berikut adalah data sampel sebuah data 156, 160,162, 170, 174, 186.
Berapakah varian data sampel tersebut?
a. 200,2
b. 314,5
c. 415,6
d. 215,2
e. 245,5
7. Nilai rata – rata ipa kelas 4A adalah 70 dengan simpangan standart 4,2 dan
nilai rata – rata ipa kelas 4B adalah 80 dengan simpangan standart 5,2
berapakah koefisien Variasi kelas 4A dan 4B?
a. 7% dan 8%
b. 6% dan 7%
c. 6% dan 6,5%
d. 5,5% dan 6,5%

27
 e. 5% dan 7,5%
8. Lampu neon rata-rata dapat dipakai selama 2.800 jam dengan simpangan
baku700 jam, sedang lampu pijar dapat dipakai rata-rata 3.500 jam dengan
simpangan baku 1.050 jam. Berapa koefisien variasi lampu pijar dan
lampu neon dari data di atas?
a. 30% dan 25%
b. 30% dan 40%
c. 25% dan 40%
d. 35% dan 45%
e. 25% dan 30%
9. Berikut ini adalah hasil penjurian dua orang peserta lomba Putri Indonesia:

Jenis A B X SD
Kepribadian 20 18 16 3
Inteligensi 109 114 100 10
Fisik 8 9 7 1
Perilaku 59 54 50 8
Berapakah nilai standart yang diperoleh peserta A dan B ?
a. 4,57SD dan 5,27SD
b. 4,36SD dan 2,57SD
c. 5,36SD dan 7,33SD
d. 4,36SD dan 4,57SD
e. 3,67SD dan 5,36SD
10. Perhatikan data nilai berikut

Nilai Frekuensi
51 – 55 1
56 – 60 2
61 – 65 6
66 – 70 15
71 – 75 10
76 – 80 9
81 – 85 3
86 – 90 4
Berapa simpangan rata – rata dari data di atas?
a. 6,44
b. 7,44
c. 5,24

28
 d. 8,64
e. 3,56

ESSAY

1. Lampu di rumah ila rata-rata dapat dipakai 3800 jam dengan simpangan
baku 800 jam, sedangkan lampu dirumah udin dapat dipakai rata-rata
selama 4500 jam dengan simpangan baku 1200 jam. Dari data diatas
lampu rumah siapa yang lebih baik?
2. Berikut ini adalah tingkat hunian hotel di beberapa kota di Indonesia pada
bulan Desember 2002

Kota % dari jumlah kamar tersedia

Medan 36
Padang 28
Jakarta 48
Bandung 34
Semarang 41
Yogyakarta 55
Surabaya 41
Denpasar 68
Manado 47
Makassar 32
a. Hitunglah range dari tingkat hunian hotel
b. Hitunglah standar devisiasinya
c. Hitunglah koefisien relatifnya
3. Hitunglah simpangan baku dari tabel berikut

xi fi
51 5
54 42
57 18
60 27
63 8
Σƒ = 100

4. Berikut ini disajikan tabel distribusi frekuensi dari tinggi 100 mahasiswa
universitas XYZ.
a. Tentukan koefisien kurtosis persentil (K)
b. Apakah distribusinya termasuk distribusi normal

29
 5. Tentukan koefisien variasi dari data dibawah ini!
6, 7, 8, 9, 10, 14

KUNCI JAWABAN

PILIHAN GANDA

1. B

30
 2. A
3. E
4. C
5. A
6. D
7. C
8. A
9. D
10. A

ESSAY

1. Koefisien variasi pemakaian lampu di rumah ila:

s
KV = ×100 %
x́
800
= ×100 %
3800
= 21%
Koefisien variasi pemakaian lampu dirumah ila:
s
KV¿ × 100 %
x́
1200
= × 100 %
4500
= 27%
Dari perhitungan koefisien variasi, lampu dirumah ila lebih baik dari
lampu dirumah udin, karena koefisien variasi dirumah ila < koefisien
dirumah udin.
2. a. Range = nilai tertinggi - nilai terendah = 68 - 28 = 40
b. Standar Deviasi

Kelompok % dari jumlah kamar tersedia (x - μ) (x - μ)2

1 36 -7 49
2 28 -15 225
3 48 5 25
4 34 -9 81
5 41 -2 4
6 55 12 144
7 41 -2 4
8 68 25 625
9 47 4 16

31
 10 32 -11 121
jumlah 430 1.294
Rata-rata (μ) 43
Σ(X - μ)2
129
N
√Σ (X - μ)2
11,4
N
c. Koefisien relatifnya / koefisien Standar Deviasi

Koefisien relatifnya= ( Sμ ) x 100

11,4
=(
4,3 )
x 100

= 26,5%
51,5+54,42+ 57,18+ 60,27+63,8
3. Rataan hitung : x́ =
100
= 56,73

2
xi ( x i−x́ ) fi f i ( x i− x́ )2
51 32,83 5 164,15
54 7,45 42 312,90
57 0,07 18 1,26
60 10,69 27 288,63
63 39,31 8 314,48
Jumlah 100 1081,42
Sampel yang berukuruan besar (n > 30)

2 ¿
S2 = ∑ ( x i - x́ ¿ n

1081,42
=
100
= 10,81

S = √ S2
= √ 10,81
= 3,29
Jadi, standar deviasi adalah 3,29

4.

32
5. Langkah yang digunakan yaitu;
- Mencari rata-rata
- Mencari simpangan baku
- Menentukan koefisien variasi
a. x́ = 9
2
b. S = ( x i−x́ )
= (6-9)2 + (7-9)2 + (8-9)2 + (9-9)2 + (10-9)2 (14-9)2
= (9 + 4 + 1 + 0 + 1 +25)
= 2,6
c. KV = 2,6 x 100%
= 28,9%

DAFTAR RUJUKAN

33
Susetyo, Budi. 2010. Statistika untuk Analisis Data Penelitian. Bandung: PT
Refika Aditama.
Carasiumi. 2014. Cara Menghitung Simpangan Baku. (Online).
(http://carasiumi.com/cara-menghitung-
simpanganbaku/#Pengertian_Simpangan_Baku), diakses 17 Februari 2019.
https://www.rumusstatistik.com/2015/09/menghitung-varian-dan-standar-
deviasi.html (online) (diakses pada Senin, 18 Februari 2019)

Sinollah, Pengukuran Variabilitas, (online),

http://dinus.ac.id/repository/docs/ajar/5-pengukuranvariabilitas-
121203200040-phpapp01_file_2013-04-
15_090155_mukhamad_taufik_hidayat_se._m.si__akt__.pdf,diakses pada
Sabtu, 16 Februari 2019.
Sutrima, Budi Usodo. 2009. Wahana Matematika. Jakarta : CV. Haka MJ
www.academia.co.id (online), diakses tanggal 18 Februari 2019

34