BAB
IV
UKURAN
PENYEBARAN
4.1 Pengertian dan Batasan Ukuran Penyebaran
Untuk
dapat mendeskripsikan sifat-sifat yang dimiliki oleh sekelompok data, terutama
dalam membandingkan sifat-sifat yang dimiliki oleh masing-masing data terhadap
kelompoknya atau membandingkan sifat-sifat yang dimiliki sekelompok data
relative terhadap kelompok data lainnya.
Perlu adanya ukuran penyebaran/ukuran dispersi atau disebut ukuran variasi
sebagai pelengkap dari nilai sentral, sehingga gambaran sekelompok data menjadi
lebih jelas. Tujuan bab ini, setelah mempelajari bab ini mahasiswa diharapkan dapat
memahami dengan baik mengenai ukuran penyebaran, menghitung dan memberikan
intmerprestasi terhadap nilainya. Disamping itu, mahasiswa diharapkan dapat
memahami dalil Chebysev dan angka baku, dan mampu menginterprestasikan terhadap
nilainya.
Misalkan
kita memiliki 2 buah sampel cat tembok merek A dan B, dengan ukuran sampel
masing-masing 5. Setelah diteliti
beratnya dalam kg diperoleh data sebagai berikut:
Kedua sampel memiliki
rata-rata yang sama yaitu 5.kg. Akan
tetapi berat cat tembok merek A lebih seragam daripada merek B atau berat cat
tembok merek B lebih bervariasi daripada cat tembok merek A. oleh karena itu,
bila ingin membeli cat tembok yang beratnya sesuai dengan labelnya yaitu
5kg. Kita lebih percaya membeli cat
tembok merek A.
Jadi
yang dimaksud dengan penyebaran atau dispersi suatu data adalah: seberapa jauh
suatu data berada atau menyebar dari pusat serangkaian/kelompok data
tersebut. Sedangkan ukuran yang
menyatakan jauh dekatnya suatu data ke
pusat (rata-rata) serangkaian data disebut ukuran penyebaran. Semakin jauh
letak suatu data dari pusat serangkaian datanya atau semakin besar beda antara
nilai suatu data terhadap nilai pusat data , maka semakin besar dispersi data
tersebut. Ada dua macam ukuran
penyebaran, yaitu ukuran penyebaran absolut (range, deviasi, dan deviasi
standar), dan ukuran penyebaran relative (koefisien range, koefisien deviasi
kuartil, koefisien deviasi rata-rata dan koefisien variasi).
4.2 Ukuran Dispersi Absolut
Ukuran
dispersi absolut adalah ukuran dispersi yang hanya dapat digunakan untuk
melihat seberapa jauh (nilai) suatu data menyebar dari nilai pusat (rata-rata)
serangkaian/kumpulan data tersebut, dan
bukan untuk membandingkan variasi beberapa rangkaian/kumpulan data.
4.2.1
Range
Range
(jarak) serangkaian data adalah selisih nilai (data) terbesar dengan nilai
(data) yang terkecil dalam rangkaian data tersebut. Range merupakan ukuran
variasi yang paling mudah dihitung.
a.
Range Data yang belum dikelompokan
Range
data tidak berkelompok dapat dihitung dengan rumus
R
= xn – x1
R
= range / jarak/ jangkauan
xn
= nilai data (pengamatan) terbesar
x1
= nilai data (pengamatan) terkecil
Contoh 4-1
Besarnya
keuntungan yang diperoleh oleh seorang pedagang selama lima bulan terakhir
(dalam jutaan rupiah) sebagai berikut: 5,0 5,1 6,0 6,3 7,0 hitunglah
range nya:
Penyelesaian
R
= xn – x1
= 7,0 – 5,0
= 2,0
Jadi
range data tersebut adalah 2
b. Range
data yang telah dikelompokan
Bila
datanya sudah disusun dalam tabel frekuensi, rangennya dapat dihitung dengan
rumus:
R
= Batas bawah kelas terakhir – batas bawah kelas pertama atau
R
= nilai tengah tertinggi – nilai tengah terendah
Contoh 4-2
Data
tabel 4.1. dibawah ini menunjukan hasil omset 70 pedagang kaki lima di Kota
Ternate
Omzet
(jutaan Rp)
|
Banyaknya
pedagang (jiwa)
|
Nilai
tengah
(mi)
|
20
– 29
30
– 39
40
– 49
50
– 59
60
– 69
70
– 79
80
– 89
|
1
4
7
13
25
15
5
|
24,5
34,5
44,5
54,5
64,5
74,5
84,5
|
Total
|
70
|
|
Penyelesaian
Batas
bawah kelas pertama adalah 20. Batas bawah kelas terakhir adalah 80. Maka
jangkauannya
R
= 80 – 20
= 60
Atau
Nilai
tengah kelas pertama adalah 24,5 nilai tengah kelas terakhir adalah 84,5. Maka
jangkaunanya
R
= 84,5 – 24,5
= 60
Jadi
jangkauannya adalah 60 juta rupiah
4.2.2
Deviasi
Kuartil
Deviasi kuarti
(QD) serangkaian data adalah selisih nilai kuartil ke tiga (K3) dan
kuartil pertama (K1) dibagi 2. Untuk menghitung deviasi kuartil data tak
berkelompok maupun data yang berkelompok dipakai rumus sebai berikut:
QD = K 3- K 1 2
QD = deviasi kuartil
K3 = nilai kuartil ke-3
K1 = nilai kuartil ke-1
Contoh 4-3
Hitunglah deviasi kuartil pada tabel 4.1 didapat K1
= 53,73 dan K3 = 71,17 maka
QD = K 3- K 1 2
= 71,17
-53,73 2
= 8,72
Jadi deviasi kuartil dari omzet penjualan 70
pedagang adalah 8,72 juta
4.2.3
Deviasi
Rata-rata
Deviasi rata-rata(AD) serangkaian
data adalah rata-rata dari jumlah selisih mutlak nilai data terhadap nilai
rata-ratanya.
(1) Deviasi Rata-Rata Data Yang Belum
Dikelompokan
Deviasa
rata-rata dari suatu sampel dirumuskan
AD
= ∑ xi - x n
AD
= deviasi rata-rata
xi = Nilai data yang ke-i
n = Banyaknya data/pengamatan
Contoh 4-4
Pengeluaran
perbulan dari 5 orang ibu rumah tangga untuk keperluan biaya hidup (dalam
ratusan ribu rupiah) pada tahun 2006 adalah sebagai berikut: 3 4 4,5 5
6
Tentukanlah
deviasi rata-ratanya
Penyelesaian
Tabel
4.2 : Menghitung Deviasi rata-rata Biaya Hidup 5 Ibu Rumah Tangga
Ibu Rumah
Tangga
|
Pengeluaran
Bulanan (Xi)
|
xi
-
|
|
A
B
C
D
E
|
3
4
4,5
5
6
|
-1,5
-0,5
0
0,5
1,5
|
1,5
0,5
0
0,5
1,5
|
Total
|
22,5
|
0
|
4
|
AD
= ∑ xi - x n
= 4 5
= 0,8
Jadi
deviasi rata-rata biaya hidup 5 ibu rumah tangga tersebut adalah 0,8 ratus ribu
rupiah (=Rp.800.000). Nilai AD = Rp.800.000, memiliki arti bahwa secara
rata-rata kelima pengeluaran untuk biaya hidup ibu rumah tangga tersebut
menyimpang sebesar Rp.800.000 dari nilai rata-ratanya.
(2) Deviasi Rata-rata Data Yang Telah
Dikelompokan
Deviasi
rata-rata data berkelompok dirumuskan sebagai berikut
AD = ∑ fi mi - x n
AD
= deviasi rata-rata
mi = Nilai tengah kelas ke-i
n = Banyaknya data sampel/ukuran sampel
fi = frekuensi absolut kelas ke-i
Contoh 4-5
Berdasarkan
data 4.1. hitunglah deviasi rata-rata omzet penjualan 70 pedagang kaki lima
Penyelesaian
Tabel
4.3. Menghitung deviasi rata-rata omzet 70 pedagang kaki lima
Omzet
(jutaan Rp)
|
fi
|
(mi)
|
mi
-
|
|
fi mi
|
20 – 29
30 – 39
40 – 49
50 – 59
60 – 69
70 – 79
80 – 89
|
1
4
7
13
25
15
5
|
24,5
34,5
44,5
54,5
64,5
74,5
84,5
|
-37,43
-27,43
-17,43
-7,43
2,57
12,57
22,57
|
37,43
109,72
122,01
96,59
64,25
188,55
112,85
|
24,5
138,0
311,5
708,5
1612,5
1117,5
422,5
|
Total
|
70
|
|
|
731,4
|
4335
|
Sumber : tabel
4.1
Dihitung
terlebih dahulu rata-ratanya per rumus
AD = ∑ fi mi - x n
= 731,4 70
= 10,45
Jadi, deviasi rata-rata omzet
penjualan bagi 70 pedagang kaki lima tersebut adalah 10,45 juta rupiah
Interprestasi nilai AD. Nilai AD =
Rp. 10.450.000 memiliki arti bahwa secara rata-rata ketujuh puluh omzet
pedagang kaki lima dari nilai rata-ratanya (x
= 61,93 juta rupiah)
4.2.4
Varians
dan Deviasi Standar
Ukuran
variasi (dispersi)yang paling banyak digunakan dalam analisis statistik ialah
deviasi standar (simpangan baku). Deviasi standar/simpangan baku serangkaian
kelompok data adalah akar kuadrat dari varians nya atau sebaliknya varians
sekelompok data adalah pangkat dua dari simpangan bakunya. Yang dimaksud dengan
varians adalah jumlah dari kuadrat deviasi masing-masing data terhadap
rata-rata hitungnya, dibagi banyaknya data atau pengamatan. Varians dan deviasi
standar dari serangkaian atau sekelompok data didasarkan pada deviasi setiap
data atau pengamatan terhadap rata-rata hitungnya.
a. Varians
dan Deviasi Standar Sampel Data yang Belum Dikelompokan
1. Varians
dan Deviasi Standar Sampel Ukuran kecil (n ≤
30). Bila sampelnya ukuran kecil, varians dan simpangan
baku sekolompok data, dapat dihitung melalui rumus sebagai berikut :
S2 =
|
S =
|
S
= simpangan baku (deviasi standar)
n
= ukuran sampel
S2
= Varians (keragaman)
xi
= nilai data yang ke i
2. Varians
dan Deviasi Standar Sampel Ukuran besar (n > 30). Bila sampelnya ukuran besar, varians dan simpangan
baku sekolompok data, dapat dihitung melalui rumus sebagai berikut :
Varians
S2
= ( x - x ) 2 n
Deviasi
standar / simpangan baku
S = ( x - x ) 2 n
S = simpangan baku (deviasi standar)
n = ukuran sampel
S2 = Varians (keragaman)
xi = nilai data yang ke i
Contoh 4-6
Tingkat suku bunga
deposito berjangka 3 bulan (% per tahun) untuk enam valuta asing yang
ditawarkan oleh Bank Pembangunan, dicatat sebagai berikut:
Tabel
4.4. Tingkat suku bunga berjangka 6 valuta asing
Valuta
Asing
|
Tingkat Suku Bunga
(%
per Tahun)
|
AUS
$
Pound
Yen
Sin $
DM
HK $
|
6,50
6,50
3,00
3,50
5,50
4,50
|
Sumber
: Data Estimasi
Dengan menganggap data
tersebut sampel acak
a. Hitunglah
variansnya
b. Hitunglah
deviasi standar keenam tingkat suku bunga valuta asing tersebut. Berikan
interprestasi terhadap nilainya.
Penyelesaian
a) Menghitung
varians keenam tingkat suku bunga tersebut
Tabel 4.5. Menghitung Varians dan Simpangan Baku
Tingkat Suku Bunga 6 Valuta Asing
Valuta
Asing
|
Tingkat Suku Bunga
(Xi)
|
xi -
|
(xi
-
|
AUS
$
Pound
Yen
Sin $
DM
HK $
|
6,50
6,50
3,00
3,50
5,50
4,50
|
1,58
1,58
-1,92
-1,42
0,58
-0,42
|
2,50
2,50
3,69
2,02
0.34
0,18
|
Total
|
29,5
|
|
11,23
|
Dari
tabel 4.5 diatas dapat diketahui bahwa:
N
= 6 < 30, ∑xi = 29,5 dan ∑(xi - x
)2 = 11,23
Maka
x
= ∑ xi n
= 29,5 6
= 4,92
Dan
S2
= ( x - x ) 2 n - 1
= 11,23 5
= 2,25
b) Deviasi
standar
S
= ( x - x ) 2 n
= varians
= 2,25
= 1,50%
Jadi
simpangan baku keenam tingkat suku bunga tersebut adalah 1,50% pertahun
Interprestasi nilai s: nilai s = 1,50% artinya bahwa rata-rata
penyimpangan keenam tingkat suku bunga tersebut adari rata-ratanya sebesar 1,50%.
2. Varians dan Deviasi Standar Sampel
Yang Telah Dikelompokan
Bila
data sampel telah dikelompkan atau telah disusun dalam tabel frekuensi, varians
dan deviasi standar/simpangan bakunya dapat dihitung sebagai berikut:
a.
Ukuran Sampel Kecil (n ≤
30)
S2 = fi ( mi - x ) 2 n - 1
Deviasi standar
S = ( mi - x ) 2 n - 1
b.Ukuran
Sampel Besar (n > 30 )
varians
S2 = fi ( mi - x ) 2 n
Deviasi standar
S = fi ( mi - x ) 2 n
S = simpangan baku (deviasi standar)
n = ukuran sampel
S2 = Varians (keragaman)
fi = frekuensi kelas ke- i
mi = nilai tengah kelas ke-i
Contoh
4-7
Hitunglah
simpangan baku omzet penjualan 70 pedagang kaki lima dari data tabel 4.1
Penyelesaian
Tabel
4.6. menghitung simpangan baku omzet penjualan 70 pedagang kaki lima
Omzet
(jutaan Rp)
|
fi
|
(mi)
|
fi.
mi
|
(mi
–
|
(mi
–
|
fi
(mi –
|
20 – 29
30 – 39
40 – 49
50 – 59
60 – 69
70 – 79
80 – 89
|
1
4
7
13
25
15
5
|
24,5
34,5
44,5
54,5
64,5
74,5
84,5
|
24,5
138
311,5
708,5
1612,5
1117,5
422,5
|
-37,43
-27,43
-17,43
-7,43
2,57
12,57
22,57
|
1401
752,41
303,80
55,20
6,60
158
509,40
|
1401
3009,62
2126,63
717,66
165,12
2370,07
2547,02
|
Total
|
70
|
|
4335
|
|
|
12337,12
|
Sumber : tabel
4.1
Dihitung
terlebih dahulu x
sebagai berikut
Dari tabel 4.6 diketahui bahwa fi (mi – x
)2 = 12337,12 Maka
S = fi ( mi - x ) 2 n
= 1237,12 70
= 13,27
Jadi
simpangan baku omzet penjualan 70 pedagang kaki lima yang dimaksud pada tahun 2006 adalah 13,27 juta rupiah
4.2.5
Varians
dan Deviasi Standar Populasi
Varians dan deviasi standar
populasi berukuran kecil/besar dirumuskan sebagai berikut:
a.
Varians dan deviasi standar data tidak
berkolompok
Varians
Deviasi
standar
N
= ukuran populasi
b.
Varians dan deviasi standar data yang
berkelompok
Varians
Deviasi
Standar
Contoh 4-8
Umur semua pasien yang ditempatkan
dalam kamar isolasi disebuah rumah sakit umum adalah 34, 40, 30, 45, 31, dan 36
tahun. Berapa varians dan deviasi standar populasi umur pasien?
Penyelesaian
Tabel
4.7. varians dan deviasi standar populasi umur pasien
Umur (xi)
|
xi
- µ
|
(xi
- µ)2
|
34
40
30
45
31
36
|
-2
4
-6
9
-5
0
|
4
16
36
81
25
0
|
216
|
0
|
162
|
N = 6 , ∑xi
= 216, dan ∑(xi - µ)2 =
162
Maka
µ = ∑ xi N
= 216 6
= 36
Jadi variansnya adalah 27 tahun dan
deviasi standarnya adalah 5,20 tahun
4.3 Ukuran Penyebaran Relatif
Ukuran
penyebaran relatif adalah ukuran penyebaran yang dapat digunakan untuk
membandingkan penyebaran dari dua atau lebih kumpulan (distribusi) suatu data
yang memiliki satuan yang sama ataupun berbeda. Yang termasuk ukuran penyebaran
relatif adalah (1) koefisien dari range, (2) koefisien dari deviasi kuartil,
(3)koefisien dari deviassi rata-rata dan (4) koefisien dari deviasi standar
yang lebih dikenal dengan nama koefisien variasi. Dibawah ini akan dibahas
ukuran penyebaran relatif mulai dari ukuran yang paling banyak digunakan dalam
analisis statistik.
4.3.1
Koefisien
Variasi
Koefisien variasi adalah
perbandingan antara simpangan baku sekelompok data/pengamatan dengan rata-rata
hitung (mean). Koefisien variasi paling banyak digunakan dalam statistik untuk
membandingkan kehomogenan/homogenitas sekelompok data dengan kelompok data
lainya, baik dengan satuan yang sama ataupun satuan kedua kelompok tersebut
berbeda. Semakin kecil koefisien variasinya maka semakin homogeny / seragam,
kelompok data tersebut. Maksudnya data-data tersebut terkonsentrasi dekat ke
pusat (rata-rata) kumpulan data tersebut. Koefisien variasi untuk sampel
dirumuskan sebagai berikut:
KV = s x
x 100%
KV = koefisien variasi
S = simpangan baku sampel
Contoh 4-9
Pada label susu bayi merek A dan
merek B tertera berat netto 400 gram. Hasil pemeriksaan dua buah sampel
berukuran 10. Berupa 10 kaleng susu bayi merek A dan 10 kaleng susu bayi merek
B. mengenai berat nettonya diperoleh hasil sebagai berikut (dalam gram)
sA
= 80 gram sB = 125 gram
(a) Hitunglah
koefisien variasi berat netto susu bayi merek A dan merek B tersebut
(b) Bila
kita ingin membeli susu bayi yang berat nettonya sesuai dengan yang tertera
pada labelnya yaitu 400 gram, susu bayi merek manakah yang sebaiknya kita
pilih? Berikan alas an
Penyelesaian
(a) Menghitung
koefisien berat netto masing-masing susu bayi tersebut
KVA = s x
x 100% KVB
= s x
x 100%
= 80 400
x 100% =
125 400
x 100%
= 20% = 31%
Jadi, koefisien variasi berat netto susu
bayi merek A adalah 20% dan koefisien variasi susu bayi merek B adalah 31%
(b) Oleh
karena koefisien variasi berat netto bayi merek A adalah 20%, lebih kecil dari
koefisien netto merek B. (KVA=20% < KVB=31%). Itu
menunjukan bahwa berat netto susu bayi merek A lebih seragam dari pada berat
netto susu bayi merek B, maka dari itu kita sebaiknya membeli susu merek A.
Contoh
4-10
Dua
sampel yang masing-masing terdiri dari 5 buah sabun mandi merek A dan 5 buah
sabun merek B. diukur berat nettonya diperoleh data sebagai berikut (dalam
gram):
(a) Hitunglah
koefisien variasi untuk sampel A dan koefisien sapel B
(b) Mana
yang lebih seragam dari ke dua sampel tersebut?
Jawab
:
(a) Menghitung
koefisien variasi berat netto sabun A dan sabun B
Tabel 4.8.
menghitung KVA dan KVB
Sabun
merek A (XA.i)
|
XAi
-
|
(XAi
-
|
Sabun
merek B (XB,i)
|
XBi
–
|
(XBi
–
|
100
102
98
101
99
|
0
2
-2
1
-1
|
0
4
4
1
1
|
100
104
98
105
103
|
-2
2
-4
3
1
|
4
4
16
9
1
|
500
|
0
|
10
|
510
|
0
|
34
|
Sumber : data Estimasi
Rata – rata
berat netto sampel A dan B
Deviasi standar
berat netto sampel A dan B
SA = (∑ Ai - x A ) 2 nA - 1
= 10 5-1
= 1,58
SB = (∑ Bi - x B ) 2 nB - 1
= 34 5-1
= 2,92
Koefisien variasi berat netto sampel A dan B
KVA = sA x B
x 100% KVB
= sB x B
x 100%
= 1,58 100
x 100% = 2,92 102
x 100%
= 1,58% = 2,86%
Jadi koefisien variasi berat netto sabun
merek A adalah 1,58%, koefisien variasi sabun merek B adalah 2,86%
(b) Oleh
karena koefisien variasi berat netto sabun merek A lebih kecil dari koefisien
variassi berat netto sabun merek B (KVA=1,58 < KVB=2,86), maka berat netto
sampel sabun merek A lebih seragam atau lebih homogeny dari berat netto sampel
sabun merek B.
4.3.2
Ukuran
Penyebaran Relatif Lainnya
(a) Koefisien
dari range
Koefisien range
= xn - x 1 xn + x 1
(b) Koefisien
Deviasi kuartil
Koefisien
deviasi = K 3
- K 1 K 3+ K 1
(c) Koefisien
Deviasi rata-rata
Koefisien
deviasi rata-rata = AD x