Skala Pengukuran & Ukuran Data

OLEH : REZA YOGA A.,M.Si.

Descriptive Statistics: Methods of organizing,
summarizing, and presenting data in an informative
way.
EXAMPLE 1: A EXAMPLE 2: According
Polling found that to Consumer Reports,
49% of the people in General Electric washing
a survey knew the machine owners reported
name of the first book 9 problems per 100
of Adam Smith. The machines during 2001.
statistic 49 describes The statistic 9 describes
the number out of the number of problems
every 100 persons out of every 100 machines.
who knew the
answer. Types of Statistics
 Statistics is the science
of collecting,
organizing, presenting,
analyzing, and
interpreting numerical
data to assist in
making more effective
decisions.

  
 
What is Meant by Statistics?
Statistical techniques
are used extensively
by marketing,
accounting, quality
control, consumers,
professional sports
people, hospital
administrators,
educators, politicians,
physicians, and many
others.

Who Uses Statistics?

Inferential Statistics: A decision, estimate,
prediction, or generalization about a population,
based on a sample.

A Population A Sample is
is a Collection a portion, or
of all possible part, of the
individuals, population of
objects, or interest
measurements
of interest.

Types of Statistics
Example 1: TV Example 2: Wine
networks constantly tasters sip a few drops
monitor the of wine to make a
popularity of their decision with respect
programs by hiring to all the wine waiting
Nielsen and other to be released for sale.
organizations to
sample the Example 3: The accounting
preferences of TV department of a large firm will
viewers. select a sample of the invoices
to check for accuracy for all the
invoices of the company.

Types of Statistics
(examples of inferential statistics)
For a Qualitative or Attribute Variable the
characteristic being studied is nonnumeric.
G ender
E ye
Color

St at e of
Type of car B irt h

Types of Variables
 In a Quantitative Variable information is
reported numerically.

Balance in your checking account

Minutes remaining in class

Number of children in a family

Types of Variables
 Quantitative variables can be classified as
either Discrete or Continuous.

Discrete Variables: can only assume

certain values and there are usually
“gaps” between values.
Example: the number of
bedrooms in a house, or
the number of hammers
sold at the local Home
Depot (1,2,3,…,etc).

Types of Variables
 A Continuous Variable can assume
any value within a specified range.

The pressure in a tire

The weight of a pork chop

The height of students in a

class.
Types of Variables
 D A TA

Q u alitative or attrib u te Q u an titative or n u m erical

(typ e of car own ed )

d iscrete con tin u ou s

(n u m b er of ch ild ren ) (tim e taken for an exam )

Summary of Types of Variables

There are four levels of data
based on the measurement level:

Nominal
Ordinal Levels of Measurement
Interval
Ratio
Skala Pengukuran Variabel

• Skala pengukuran merupakan

seperangkat aturan yang diperlukan untuk
mengkuantitatifkan data dari pengukuran
suatu variabel.
Macam-Macam Skala Pengukuran(NORI)

1. Skala Nominal
2. Skala Ordinal
3. Skala Rasio
4. Skala Interval
SKALA PENGUKURAN
Nominal level G ender
Data that is
classified into
categories and
cannot be E ye
arranged in any Color
particular order.

Nominal data
 Nominal level variables must be:

Mutually exclusive
An individual, object, or
measurement is included in only
one category.

Exhaustive
Each individual, object, or
measurement must appear in
one of the categories.
Levels of Measurement
Ordinal level: involves data arranged in some
order, but the differences between data values
cannot be determined or are meaningless.

During a taste test

of 4 soft drinks, 4
2
Coca Cola was
ranked number 1,
Kratingdaeng 3
number 2, Pepsi 1
number 3, and Root
Beer number 4.

Levels of Measurement
 Interval level
Similar to the ordinal level, with the additional
property that meaningful amounts of differences
between data values can be determined. There
is no natural zero point.

Temperature on
the Fahrenheit
scale.

Levels of Measurement
Ratio level: the interval level with an
inherent zero starting point. Differences and
ratios are meaningful for this level of
measurement.
M iles t rav eled by sales M ont hly income
represent at iv e in a mont h
of surgeons

Levels of Measurement
 Levels of Measurement
• Scales of Measurement:
– Nominal
• labeling/classifying objects
• i.e. your last name, names on jerseys, social
security number, etc.
• not technically a scale of measurement since
nothing is measured
– Ordinal
• labels that imply rank
• i.e. place in a race, military rank – 1st > 2nd > 3rd
and General > Lieutenant > Private
• doesn’t say how much more one is than the other
Basic Concepts
• Interval
– provides labels that imply exactly how much different one label is
than another
– i.e. temperature - 15° F is 5 ° F more than 10 ° F
– lacks true zero point - 0 ° F does not represent the complete
absence of heat because we have negative values of °F
• Ratio
– has all of the above, plus a true zero point
– i.e. height, weight, ° Kelvin – 0 lbs represents a true lack of
weight
– can talk about 16 ° being four times 4 °, which is a proportion
/ratio, hence the name of the scale - x = 4y
– often very difficult to identify in practice if a true zero point exists
 Measurement Levels

Differences between
measurements, true Ratio Data
zero exists. Eq.
Weight, height, Quantitative Data
grade, score
Differences between
measurements but no Interval Data
true zero. Eq.
Temperature,

Ordered Categories
(rankings, order, or Ordinal Data
scaling) Eq. Class rank
Qualitative Data

Categories (no
ordering or direction). Nominal Data
Eq. Sex
 Instrumen Pengukuran
• Adalah alat yang digunakan untuk
mengukur variabel.
Macamnya :
 questionare ( untuk mengukur data
qualitatif )
 Alat ukur scientific ( termometer,
meteran, neraca, stopwach dll ) untuk
mengukur data quantitatif.
Questionare
• Merupakan instrumen yang banyak
digunakan untuk mengukur data
qualitatif, seperti : sikap, pendapat,
moral dll.
• Skala yang dipakai : nominal, interval
dan ordinal.
• Questionare dapat berupa pertanyaan
atau pernyataan.
 Hal yang penting dalam menyusun
questionare adalah
• Gunakan bahasa yang mudah
dimengerti,sopan, singkat dan jelas.
• Susun format yang menarik ( huruf, warna,
editing ).
• Jangan tendensius dan menyinggung
responden.
• Buat pengantar bahwa anda
membutuhkan jawaban responden .
Uji Instrumen
• Uji Reliabilitas
– Test-retest
– Split half
– Paralel form

• Uji Validitas
– Content Validity
– Construct Validity
Skala menurut fenomena sosial yang diukur

• Skala pengukuran untuk mengukur perilaku

susila dan kepribadian.
Contoh: skala sikap, skala moral, test
karakter, skala partisipasi sosial.
• Skala pengukuran untuk mengukur berbagai
aspek budaya lain dan lingkungan sosial.
Contoh: skala untuk mengukur status sosial
ekonomi, lembaga2 sosial, kemasyarakatan,
kondisi kerumahtanggaan.
Skala Sikap

• Skala likert
• Skala Guttman
• Rating Scale
• Semantic Defferensial
• Skala Thurstone
Skala Likert (1)
• Skala likert digunakan untuk mengukur sikap,
pendapat, dan persepsi seseorang atau
sekelompok orang tentang fenomena sosial.
• Dengan skala likert , maka variabel yang akan
diukur dijabarkan menjadi sub variabel,
kemudian subvariabel dijabarkan menjadi
komponen2 yang dapat terukur (indikator).
Indikator ini kemudian dijadikan titik tolak untuk
menyusun item instrument yang dapat berupa
pertanyaan atau pernyataan yang kemudian
dijawab oleh responden.
Skala Likert (2)

• Jawaban setiap item instrument yang

menggunakan skala likert mempunyai gradasi
dari sangat positif sampai sangat negative,
yang dapat berupa kata-kata antara lain:
Sangat Setuju (sangat positif)
Setuju (Positif)
Ragu-ragu (netral)
Tidak setuju (negatif)
Sangat tidak setuju (sangat negatif)
Skala Likert (3)

• Untuk keperluan analisis secara kuantitatif

(untuk pernyataan positif), maka jawaban itu
dapat diberi skor, misalnya:
• Sangat Setuju / Sangat positif diberi skor 5
• Setuju / Positif diberi skor 4
• Ragu-ragu / Netral diberi skor 3
• Tidak setuju / negative diberi skor 2
• Sangat tidak setuju / sangat negatif diberi
skor 1
Skala Guttman (1)

• Skala ini didapat jawaban yang tegas, ya-

tidak, benar-salah, positif-negatif, pernah-
tidak pernah. Penelitian dengan
menggunakan skala Guttman bila ingin
mendapat jawaban yang tegas terhadap
suatu permasalahan yang ditanyakan.
Skala Guttman selain dapat dibuat dalam
bentuk pilihan ganda, juga dapat dibuat
dalam bentuk checklist.
Skala Guttman (2)

• Jawaban diberi skor tertinggi 1 dan

terendah nol. Misal untuk jawaban setuju
diberi skor 1 dan jawaban tidak setuju
diberi skor 0.
Contoh:
Pernahkah pimpinan melakukan
pemeriksaan di ruang kerja anda?
a. Tidak pernah
b. Pernah
Semantic Defferensial
• Skala pengukuran yang berbentuk semantic
defferensial dikembangkan oleh Osgood. Skala ini
juga untuk mengukur sikap hanya bentuknya tidak
checklist atau pilihan ganda, tetapi tersusun dalam
satu garis kontinum yang jawaban sangat
positifnya teletak dibagian kanan garis, dan
jawaban sangat negative terletak terletak di
bagian kiri garis atau sebaliknya.
• Data yang diperoleh adalah data interval, dan
biasanya skala ini digunakan untuk mengukur
sikap/karakteristik tertentu yang dipunyai oleh
seseorang.
Rating Scale
Dari ketiga skala pengukuran, data yang diperoleh
semuanya adalah data kualitatif yang kemudian
dikuantitatifkan. Tetapi dengan rating scale data
mentah yang diperoleh berupa angka kemudian
ditafsirkan dalam pengertian kualitatif. Oleh karena
itu rating scale ini lebih fleksibel, tidak terbatas
untuk pengukuran sikap saja tetapi untuk
mengukur persepsi responden terhadap fenomena
lainnya, seperti skala untuk mengukur status sosial
ekonomi, kelembagaan, pengetahuan,
kemampuan, proses kegiatan dll.
Contoh:
Kenyaman ruang loby kampus PKTJ:
5 43 2 1

Kebersihan area parkir Kampus PKTJ:

5 43 2 1
 Ukuran Pemusatan
dan

Ukuran Penyebaran
Tujuan Pembelajaran :

1. Memahami dan mengerti tentang ukuran pemusatan

2. Mampu mencari nilai Rata-rata hitung, Median, Modus,
Kuartil Desil dan Persentil pada data yang tidak
dikelompokkan dan pada data yang dikelompokkan
3. Memahami plus minusnya ukuran pemusatan : rata-rata
hitung, median dan modus
4. Memahami dan mengerti tentang ukuran penyebaran
5. Dapat menghitung Deviasi standar pada data populasi
maupun pada data sampel
6. Memahami penggunaan Koefisien Variasi
PENGANTAR

Rata-rata hitung (mean),

Ukuran
Median, Modus
Pemusatan(3M)

Range, Deviasi Rata-

Ukuran rata, Varians dan Deviasi
Penyebaran Standar, Kecondongan
dan Keruncingan
(Skewness dan Kurtosis)
PENGANTAR

• Ukuran Pemusatan(3M):
Nilai tunggal yang mewakili suatu kumpulan data dan menunjukkan
karakteristik dari data. Ukuran pemusatan menunjukkan pusat dari
nilai data.

• Contoh pemakaian ukuran pemusatan

(a) Berapa rata-rata harga saham?
(b) Berapa rata-rata inflasi pada tahun 2020?
(c) Berapa rata-rata pendapatan usaha kecil dan
menengah?
(d) Berapa rata-rata tingkat suku bunga deposito?
 PENGERTIAN, ISTILAH LAIN DAN JENIS MEAN
 Apakah Mean?
Mean merupakan salah satu ukuran untuk memberikan gambaran yang lebih jelas dan singkat
tentang sekumpulan data.
Mean dipelajari dalam materi Statistika, yaitu dalam sub materi ukuran pemusatan data.

Ukuran data

Ukuran Pemusatan Ukuran letak Ukuran penyebaran

data data data

Mean Median Jangkauan

Median Kuartil Jangkauan antar kuartil

Modus Desil Simpangan rata-rata

Simpangan Baku
 Istilah lain Persentil
atau ragam
rata-rata atau rerata atau rataan
Rata-rata
 Jenis Mean
1. rata-rata hitung,
2.rata-rata ukur dan
3. rata-rata harmonis
 RATA-RATA HITUNG (MEAN)

• Rata-rata Hitung Populasi

X

N
• Rata-rata Hitung Sampel

X
X
n
 Contoh soal 1

Berat badan 10 orang siswa

adalah z, 48, 50, 44, 46, 50,
56, 57, 44, dan 45 kg. Jika
berat badan rata-rata ke 10
siswa tersebut 50 kg, nilai
yang benar untuk z adalah ….
Kg.
a. 70
b. 65
c. 60
d. 55
e. 45
 Pembahasan soal 1

Diketahui : Ditanya : z
banyak data = n = 10 Jawab :
Rata-rata = 50 Σxi
Jumlah data x 
n
z  440
Σx
= zi + 48+50+44+46+50 50 = 10

+56+57+44+45 z + 440 = 50 . 10
= z + 440 z + 440 = 500
z = 500 – 440
z = 60
 LATIHAN 1
1. Tentukanlah rata-rata tinggi badan anggota paskibra dari 8 siswa putri berikut
164, 165, 163, 160, 167, 165, 160, dan 160 cm

2. Rata-rata hasil ulangan matematika 15 siswa adalah 6,8. Jika 5 siswa mengikuti
ujian susulan maka nilai rata-ratanya menjadi 7,0. Berapa nilai rata-rata kelima
siswa yang mengikuti ujian susulan tersebut?
Dik :
n=8
xi= 164, 165, 163, 160,
167, 165, 160, dan
160 cm

Ditanya : rata-rata tinggi badan

X
Jawab :
= 164+165+163+160
Σxi
+167+165+160+160
= 1304

Σxi
x 
n
1304
x 
= 163 cm 8
RATA-RATA HITUNG TERTIMBANG

Definisi:
Rata-rata dengan bobot atau kepentingan dari setiap
data berbeda. Besar dan kecilnya bobot tergantung
pada alasan ekonomi dan teknisnya.

Rumus:

Xw = (w1X1 + w2X2 + … + wnXn)/(w1 + w2 + … +wn)

 RATA-RATA HITUNG
DATA TUNGGAL BERBOBOT

Jika nilai n buah data adalah x1, x2, x3, … xn, dan masing-masing
frekuensinya adalah f1, f2, f3, … fn , nilai rata-rata hitung sekumpulan data
tersebut didefinisikan sebagai berikut.
f1.x 1  f2 .x 2  f3 .x 3  ....  fn .x n
x atau
n
n
Σ fi.x i Σfi.x i
x i1
atau x 
n Σfi

Σfi.x i = Jumlah hasil perkalian setiap data dan frekuensinya

fi = Frekuensi data ke-i
x i = Data ke-i
fi = n = banyak data
 Contoh soal 2

Tabel penjualan spare part 10 buah Rata-rata pakaian yang terjual pada
kios pakaian pada minggu pertama tabel di samping adalah
bulan Desember 2019 a. 70
b. 71
Spare part terjual Banyak Kios
c. 72
(xi)
(fi) d. 73
e. 74
70 2
80 3
90 4
100 1
 Pembahasan contoh soal 2

Diketahui : Ditanya : Rumus rata-rata

Pakaian Banyak Kios Jawab :
terjual (fi) x 
 f .xi i
(xi) fi. xi
f i

70 2 140
740
80 3 240 = 10
90 4 360
100 1 = 74
 100
10 740
 RATA-RATA HITUNG
DATA KELOMPOK
Berikut ini adalah rumus-rumus
Menentukan untuk menentukan
rata-rata Rata-rata
hitung data hitung data berkelompok.
berkelompok akan
1. dengan rumus sigma
lebih mudah apabila data disajikan dalam bentuk tabel
distribusi frekuensi.
, xi = Titik tengah
x 
 f .x i i
= ½ . (batas bawah + batas atas)
2. dengan rumus coding f i

ci = Kode titik tengah

x  x0 
 f .c
i i
.I I = Interval kelas
b n =b Panjang
n 1
kelas
n
3. dengan rata-rata duga
= satuan ukuran terkecil
x0 = Titik tengah pada frekuen
terbesar
x  x0 
 f .d i i
di = xi – x 0
n
 Contoh soal 3

Rata-rata pendapatan harian Tabel pendapatan 50 Pedagang

pedagang kaki lima pada tabel di kaki lima pada tanggal 1 Januari
samping adalah Rp … 2009

a. 97.000 b. 107.000 NO Pendapatan (dalam fi

puluhan ribu
c. 117.000 d. 127.000 rupiah)
e. 137.000 1 1–5 6
2 6 – 10 20
3 11 - 15 10
4 16 - 20 9
5 21 - 25 5
Batas bawah Pembahasan contoh soal 3
Batas atas Dengan rumus sigma

NO X fi xi fi.xi
x 
 f .xi i
1 1–5 6 3 18
f i
2 6 – 10 20 8 160 585
x 
3 11 - 15 10 13 130 50
X = 11,7
4 16 - 20 9 18 162
5 21 - 25 5 23 115
Penghasilan rata-rata pedagang =
 50 585
11,7 x 10.000

x1 = ½ (1+5) x2 = ½ (6+10) x3 = ? = Rp 117.000

=½.6 = ½ . 16 x4 = ?

=3 =8 x5 = ?
Kelas dengan frekuensi terbesar
Pembahasan contoh soal 3
X0 = nilai tengah pada frekuensi terbesa Dengan rumus coding
0 = Kode pada frekuensi terbesar
NO X fi xi ci fi.ci
x  x0 
 f .ci i
.I
1 1–5 6 3 -1 -6 n
2 6 – 10 20 8 0 0 x0. = 8
fi.c i = 37
3 11 - 15 10 13 1 10 n = 50
4 16 - 20 9 18 2 18 I = (6 – 1)/1 = 5
5 21 - 25 5 23 3 15 37
x 8  .5
50 37
50

X = 8 + 3,7 = 11,7

Penghasilan rata-rata pedagang =

11,7 x 10.000

= Rp 117.000
Kelas dengan frekuensi terbesar
di = Nilai tengah – Nilai dugaan = xi –x0
X0 = nilai dugaan d1 = 3 – 8 = -5
d2 = 8 – 8 = 0
d3 = ?, d4 =? dan d5 = ?
NO X fi xi di fi.di
x  x0 
 fi.d i
1 1–5 6 3 -5 -30 n
2 6 – 10 20 8 0 0 x0. = 8
3 11 - 15 10 13 5 50 fi.d i = 185
n = 50
4 16 - 20 9 18 10 90
5 21 - 25 5 23 15 75 185
x 8  .
50 185
50

X = 8 + 3,7 = 11,7

Penghasilan rata-rata pedagang =

11,7 x 10.000

Pembahasan dengan
rata-rata duga = Rp 117.000
MEDIAN

Definisi:
Nilai yang letaknya berada di tengah data dimana data tersebut
sudah diurutkan dari terkecil sampai terbesar atau sebaliknya.

Median :

(a) Data ganjil, median terletak di tengah,

(b) Median untuk data genap adalah rata-rata dari dua data yang
terletak di tengah.
MODUS (MODE)

Definisi:

Nilai yang (paling) sering muncul.

 HUBUNGAN RATA-RATA-MEDIAN-MODUS

12
10
8
6
4
2
0
1. Md= Mo=µ

15

10
2. Mo < Md<µ 5

0
231 Mo Md Rt 663 807

15
10
3. Mo>Md>µ 5
0
231 375 Rt Md Mo 807
 Plus Minus Rata-rata hitung, Median dan Modus

Ukuran Kelebihan Kekurangan

Pemusatan
1. Mempertimbangkan 1. Peka atau mudah
semua nilai terpengaruh oleh nilai
Rata-rata hitung 2. Dapat menggambarkan ekstrim
mean populasi 2. Kurang baik unutk data
3. Cocok untuk data heterogen
homogen (rasio)

1. Tidak terpengaruh oleh 1. Tidak mempertimbangkan

data ekstrim semua nilai
Median 2. Cocok untuk data 2. Kurang dapat
heterogen ( nominal) menggambarkan mean
populasi
1. Tidak terpengaruh oleh 1. Kurang menggambarkan
Modus nilai ekstrim mean populasi
2. Cocok untuk data 2. Modus bisa lebih dari satu
homogen/heterogen
3. Open ended data
 PENGANTAR

Ukuran Penyebaran
• Suatu ukuran baik parameter atau statistik untuk mengetahui
seberapa besar penyimpangan data dengan nilai rata-rata
hitungnya.

• Ukuran penyebaran membantu mengetahui sejauh mana suatu

nilai menyebar dari nilai tengahnya, semakin kecil semakin
besar.
PENGGUNAAN UKURAN PENYEBARAN

• Rata-rata bunga bank 11,43% per tahun, namun kisaran bunga

antar bank dari 7,5% - 12,75%

• Rata-rata inflasi Indonesia 1995-2001 sebesar 18,2% dengan

kisaran antara 6% - 78%

• Harga rata-rata saham Rp 470 per lembar, namun kisaran

saham sangat besar dari Rp 50 - Rp 62.500 per lembar
 BEBERAPA BENTUK UKURAN PENYEBARAN

10
1. Rata-rata sama,
penyebaran berbeda 8

0
2 3 4.6 5 6

Kine rja Ka rya wa n B o go r

Kine rja Ka rya wa n Ta nge ra ng
BEBERAPA BENTUK UKURAN PENYEBARAN

2. Rata-rata berbeda dengan 3. Rata-rata berbeda dengan

penyebaran berbeda penyebaran sama

10 10
9
8 8
7
6 6
5
4
4
3
2
2
1 0
0
2 3 4 5 6 7
2 3 4.6 5 6

Kine rja Ka rya wa n B o go r Kinerja Ka rya wa n B o go r

Kine rja Ka rya wa n Ta nge ra ng Kinerja Ka rya wa n Ta ngerang
 RANGE

Definisi:
Nilai terbesar dikurang nilai terkecil.

Contoh:
Nilai Negara Maju Negara Negara Indonesia
Industri Baru Asean

Tertinggi 3,2 7,6 7,1 8,2

Terendah 2,0 -1,5 -9,4 -13,7

Range/Jarak

Keterangan
Range/Jarak
DEVIASI RATA-RATA

Definisi:
Rata-rata hitung dari nilai mutlak deviasi antara nilai data
pengamatan dengan rata-rata hitungnya.

Rumus:

MD = (|X – X|)/n
DEVIASI RATA-RATA

MD = (|X – X|)/n

    X – X   
Tahun X Nilai Mutlak
1994 7,5 4,2 4,2

1995 8,2 4,9 4,9

1996 7,8 4,5 4,5
1997 4,9 1,6 1,6

1998 -13,7 -17,0 17,0

1999 4,8 1,5 1,5

2000 3,5 0,2

0,2
2001 3,2 -0,1 0,1
Jumlah
Rata-rata
VARIANS

Definisi:
Rata-rata hitung dari deviasi kuadrat setiap data terhadap
rata-rata hitungnya.

Rumus:

2 = (X – )²/n
Ukuran Penyebaran Bab 4

VARIANS

2 = (X – )2/n

Tahun X X– (X – )2

1994 7,5 4,2 17,64
1995 8,2 4,9 24,01
1996 7,8 4,5 20,25
1997 4,9 1,6 2,56
1998 -13,7 -17,0 289,00
1999 4,8 1,5 2,25
2000 3,5 0,2 0,04
2001 3,2 -0,1 0,01
Jumlah

Rata-rata
 STANDAR DEVIASI

Definisi:
Akar kuadrat dari varians dan menunjukkan standar
penyimpangan data terhadap nilai rata-ratanya.

Rumus standar deviasi populasi:

 =   ( X - )2

Contoh: N
Jika varians = 44,47, maka standar deviasinya adalah:
 CONTOH

Varians sampel :      
X (X – ) (X – )²
S2 =  (X – )2
n-1 8,2 2,9 8,41

Standar Deviasi sampel: 4,9 -0,4 0,16

 S =   (X –  )2 =  S2
4,8 -0,5 0,25
n-1

3,2 -2,1 4,41

Contoh Soal
Data tidak berkelompok
Diketahui sebuah data berikut:
20, 50, 30, 70, 80
Tentukanlah:
a. Range (r)
b. Simpangan Rata – rata (SR)
c. Variansi
d. Standar Deviasai
Jawab:
a. Range (r) = nilai terbesar – nilai terkecil = 80 – 20 = 60
b. Simpangan Rata – rata (SR):
 X X
SR 
n
20  50  30  70  80
X  50
5

n=5

20  50  50  50  30  50  70  50  80  50
SR 
5

30  0  20  20  30 100
SR    20
5 5
 Variansi (s 2 )
X  X 
2
2
S 
n 1
2 2 2 2 2
(20  50)  (50  50)  (30  50)  (70  50)  (80  50)
S2 
5 1
900  0  400  400  900 2600
S2    650
4 4

 Standar Deviasi (S)

2
S S
S  650  25, 495
Contoh Soal
Data Berkelompok
Diketahui data pada tabel dibawah ini:

Modal Frekuensi Tentukan:

112 - 120 4
a. Range (r)
121 - 129 5
b. Simpangan rata – rata (SR)
130 - 138 8
c. Variansi
139 - 147 12
d. Standar Deviasi
148 -156 5
157 -165 4
166 - 174 2
40
JAWAB
 Range (r)= (nilai tengah tertinggi – nilai tengah terendah)/2
 Simpangan rata – rata

( f X  X )
SR  n = jml frekuensi
 Variansi n

 f X  X 
2
2
S 
n 1
 Standar Deviasi

 f X  X 
2
2
S 
n 1
 Untuk memudahkan mencari jawaban, maka dibuat tabel
sesuai dengan keperluan jawaban
Nilai
Modal f Tengah X  X f X X ( X  X )2 f ( X  X )2
(X)
112 - 120 4 116 24,525 98,100 601,476 2405,902
121 - 129 5 125 15,525 77,625 241,026 1205,128
130 - 138 8 134 6,525 52,200 42,576 340,605
139 - 147 12 143 2,475 29,700 6,126 73,507
148 -156 5 152 11,475 57,375 131,676 658,378
157 -165 4 161 20,475 81,900 419,226 1676,902
166 - 174 2 170 29,475 58,950 868,776 1737,551
Jumlah 40 455,850 8097,974
Maka dapat dijawab:

= 170 – 116 = 54
Range (r)
Simpangan rata – rata

455,850
SR   11,396
40
Variansi

2 8097,974 8097,974
S    207, 64
40  1 39
Standar Deviasi

S  207, 64  14, 41
SIMPULAN
Nilai rerata melambangkan tinggi rendahnya kinerja
kelompok.
Nilai standar deviasi melambangkan risiko, kesulitan
dikelola/diprediksiatas kelompok.
Rerata tinggi dan SD tinggi  Risk Taker
Rerata sedang dan SD sedang  Risk Neutral
Rerata rendah dan SD rendah  Risk Averter
TUGAS INDIVIDUAL
Carilah data kuantitatif dari internet dari dua kelompok
berbeda (beda dari sisi waktu atau tempat, atau
manejemen, dsb).
Hitunglah nilai rerata dan standar deviasinya
(berdasarkan data tunggal)
Buatlah kesimpulan menarik dan bermanfaat dari hasil
pembandingan tersebut.
HUKUM EMPIRIK

Untuk distribusi simetris, dengan distribusi frekuensi

berbentuk lonceng diperkirakan:

• 68% data berada pada kisaran rata-rata hitung + satu kali

standar deviasi, (X1s)

• 95% data berada pada kisaran rata-rata hitung + dua kali

standar deviasi, (X2s)

• semua data atau 99,7% akan berada pada kisaran rata-rata

hitung + tiga kali standar deviasi, (X3s)
DIAGRAM POLIGON HUKUM EMPIRIK

68%

95%

99,7%

-3s -2s 1s X 1s 2s 3s
 UKURAN KECONDONGAN (SKEWNESS)

Kurva Sim e tris K u r va Co n d o n g K u r va Co n d o n g

Po si ti f Neg ati f

Rumus Kecondongan:
Sk =  - Mo atau Sk = 3( - Md)
 
KEMIRINGAN DATA
Kemiringan: derajat/ ukuran dari ketidaksimetrian
(asimetri) suatu distribusi data
3 pola kemiringan distribusi data, sbb:
Distribusi simetri (kemiringan 0)
Distribusi miring ke kiri (kemiringan negatif)
Distribusi miring ke kanan (kemiringan positif)
KEMIRINGAN DISTRIBUSI DATA
Derajat atau ukuran dari ketidak simetrian suatu
distribusi data.

Ada 3 rumus :
1. Pearson
2. Momen
3. Bowley
1. RUMUS PEARSON

X - Mod
atau  

3 X - Med 
S S
  derajat kemiringan Pearson

Bila :
1.   0, maka distribusi datanya simetri
2.   0, maka distribusi datanya miring ke kiri
3.   0, maka distribusi datanya miring ke kanan
2. RUMUS MOMEN
Data tidak berkelompok

3 
 X-X  3

nS3
Data berkelompok

3 

f X - X3

atau
3
fS
3  3
c  fU 3
 fU  fU   fU  
2

3  3  - 3    2  
S  n  n  n   n  
RUMUS MOMEN (lanjutan)

1. Jika  3  0, maka distribusi datanya simetri

2. Jika  3  0, maka distribusi datanya miring kiri

3. Jika  3  0, maka distribusi datanya miring kanan

3. RUMUS BOWLEY
Q 3  Q1 - Q 2

Q 3 - Q1
1. Jika Q3 - Q2 = Q2 - Q1 atau Q3 + Q1 - 2Q2 = 0
maka α = 0 dan distribusi datanya simetri

2. Jika Q1 = Q2 maka α = 1 dan distribusi datanya

miring ke kanan

3. Jika Q2 = Q3 maka α = -1 dan distribusi datanya

miring ke kiri
KERUNCINGAN DISTRIBUSI DATA
(lanjutan)
Data tidak berkelompok

4 

 X-X 
4

4
nS
Data berkelompok

4 

f X - X 4

nS4
 4  3, Mesokurtis
 4  3, Leptokurti s
 4  3, Platikurti s
 CONTOH SOAL UKURAN KECONDONGAN

Contoh untuk data tentang 20 harga saham pilihan pada bulan Maret
2003 di BEJ. Dari contoh pada soal 3-9 diketahui mediannya= 497,17,
modus pada contoh 3-11=504,7, Standar deviasi dan nilai rata-rata
pada contoh soal 4-8 diketahui 144,7 dan 490,7. Cobalah hitung
koefisien kecondongannya!
 
Penyelesaian:
 
 UKURAN KERUNCINGAN (KURTOSIS)

Ke r uncingan Kur va

BENTUK KERUNCINGAN

Rumus Keruncingan:
4 = 1/n  (x - )4
4
KERUNCINGAN DISTRIBUSI
DATA/Kurtosis
Derajat atau ukuran tinggi rendahnya puncak suatu distribusi
data terhadap distribusi normalnya data.

Disebut juga Kurtosis.

Ada 3 jenis :
1. Leptokurtis, puncak relatif tinggi
2. Mesokurtis, puncaknya normal
3. Platikurtis, puncak rendah
Ukuran Keruncingan Data(Kurtosis)

Data berdistribusi normal Frekuensi data kontras Frekuensi data merata

93
Ukuran Penyebaran Bab 4

CONTOH SOAL UKURAN KERUNCINGAN

Berikut ini adalah pertumbuhan ekonomi beberapa negara Asia

tahun 2002. Hitunglah koefisien keruncingannya.
 
Negara 2002   Negara 2002

Cina 7,4   Korea Selatan 6,0

Pilipina 4,0   Malaysia 4,5

Hongkong 1,4   Singapura 3,9

Indonesia 3,2   Thailand 3,8

Kamboja 5,0   Vietnam 5,7

Ukuran Penyebaran Bab 4

CONTOH SOAL UKURAN KERUNCINGAN

X (X-) (X-)2 (X-)4

7,4 2,9 8,4 70,7

4,0 -0,5 0,3 0,1

1,4 -3,1 9,6 92,4

3,2 -1,3 1,7 2,9

5,0 0,5 0,3 0,1

6,0 1,5 2.3 5,1

4,5 0,0 0.0 0,0

3,9 -0,6 0.4 0,1

3,8 -0,7 0.5 0,2

5,7 1,2 1,4 2,1

TERIMA KASIH