Академический Документы
Профессиональный Документы
Культура Документы
tentang
PENGERTIAN STATISTIK, PENGERTIAN STATISTIKA,
MACAM-MACAM DATA, DISTRIBUSI FREKUENSI DAN GRAFIKNYA,
UKURAN PEMUSATAN, UKURAN PENYEBARAN (FRAKTIL) DAN
UKURAN DISPERSI
DISUSUN OLEH :
TUTIK HARIANI, M.Pd
BAB 1
PENGERTIAN STATISTIK, STATISTIKA DAN
MACAM-MACAM DATA
adalah
pengetahuan
yang
berhubungan
dengan
cara-cara
f. Statistik kesehatan
adalah statistik yang diterapkan atau digunakan dalam bidang kesehatan.
Jumlah Mahasiswa
45 49
50 54
55 59
60 64
65 69
12
70 74
15
75 79
11
80 84
85 89
Jumlah
70
2. Tabel klasifikasi,
Tabel klasifikasi adalah tabel yang menunjukkan atau memuat pengelompokkan
data. Tabel klasifikasi dapat berupa tabel klasifikasi tunggal dan ganda.
Contoh tabel klasifikasi tunggal
TABEL JUMLAH MURID XII IPA SMA X PALEMBANG YANG LULUS
UJIAN MATEMATIKA TAHUN 2009
Jenis
Jumlah
Laki-laki
81
Perempuan
88
Jumlah
169
Jumlah
Kelamin
Murid
Kelas
XII IPA 1
XII IPA 2
XII IPA 3
XII IPA 4
Laki-laki
81
17
20
25
19
Perempuan
88
22
23
18
25
Jumlah
169
39
43
43
44
3. Tabel kontingensi,
Tabel kontingensi adalah tabel yang menunjukkan atau memuat data sesuai
dengan rinciannya. Apabila bagian baris tabel berisikan m baris dan bagian kolom tabel
berisikan n kolom maka didapatkan tabel kontingensi berukuran m x n.
Contoh :
TABEL BANYAK MURID MENYUKAI BELAJAR MATEMATIKA DI SEKOLAH
DAERAH T MENURUT TINGKAT KELAS DAN JENIS KELAMIN TAHUN 2009
Jenis Kelamin
Tingkat Kelas
Jumlah
XI
XII
Laki-laki
115
103
201
419
Perempuan
234
212
195
641
Jumlah
349
315
396
1.060
4. Tabel korelasi
Tabel korelasi adalah tabel yang menunjukkan atau memuat adanya korelasi
(hubungan) antara data yang disajikan.
Contoh :
TABEL HASIL UJIAN STATISTIK DAN AKUNTANSI 100 MAHASISWA DI
SUATU AKADEMI
Nilai
Nilai Statistik
Akuntansi
90-99
80-89
70-79
10
60-69
50-59
40-49
b. Diagram Data
Diagram data disebut juga grafik data, adalah penyajian data dalam bentuk
gambar-gambar. Grafik data biasanya berasal dari tabel dan grafik biasanya dibuat
bersama-sama, yaitu tabel dilengkapi dengan grafik. Grafik data sebenarnya merupakan
penyajian data secara visual dari data bersangkutan. Grafik data dibedakan atas
beberapa jenis, yaitu :
1. Piktogram
Piktogram adalah grafik data yang menggunakan gambar atau lambang dari data
itu sendiri dengan skala tertentu.
Contoh
Penduduk dunia pada akhir abad ke-20 diperkirakan :
1) Afrika
2) Amerika
3) Asia
4) Eropa
5) Jerman
50 juta jiwa
6) Uni Soviet :
Banyaknya Siswa
Kesenian
Bahasa Indonesia
Ekonomi
Bahasa Inggris
Matematika
65
34
13
10
9
Bahasa
Indonesia
Ekonomi
Banyaknya Siswa
Bahasa Inggris
Matematika
3. Diagram garis
Diagram Garis adalah diagram berupa garis, diperoleh dari beberapa ruas garis
yang menghubungkan titik-titik pada bidang bilangan. Pada diagram garis digunakan
dua garis yang saling berpotongan. Pada garis horizontal (sumbu-X) ditempatkan
bilangan-bilangan yang sifatnya tetap, seperti tahun dan ukuran-ukuran. Pada garis
tegak (sumbu-Y) ditempatkan bilangan-bilangan yang sifatnya berubah-ubah, seperti
harga, biaya jumlah, dan jumlah.
Peringkat Mata Pelajaran yang Disukai Siswa di Sekolah T
Tahun 2010
70
60
50
40
30
20
10
0
65
34
13
10
Banyaknya Siswa
4. Diagram lingkaran
Diagram lingkaran adalah diagram data berupa lingkaran yang telah dibagi
menjadi juring-juring sesuai dengan data tersebut. Bagian-bagian dari keseluruhan data
tersebut dinyatakan dalam persen.
Contoh: Peringkat Mata Pelajaran yang Disukai Siswa di Sekolah T Tahun 2010
Jenis Mata Pelajaran
Banyaknya Siswa
Kesenian
65
Bahasa Indonesia
34
Ekonomi
12
Bahasa Inggris
10
Matematika
8%
7%
Kesenian
50%
26%
Bahasa Indonesia
Ekonomi
Bahasa Inggris
Matematika
Untuk mencari besar sudut tiap-tiap juring atau %, caranya sebagai beikut.
1. sudut untuk pelajaran kesenian
65
360 0 180 0
130
65
100% 50%
130
34
360 0 94,154 0
130
34
100% 26,154%
130
12
360 0 33,2310
130
12
100% 9,231%
130
10
360 0 27,692 0
130
10
100% 7,692%
130
9
360 0 24,9230
130
9
100% 6,923%
130
5. Kartogram
Kartogram atau peta statistik adalah diagram data berupa peta yang
menunjukkan kepadatan penduduk, curah hujan, hasil pertanian, hasil pertambangan
dsb. Contoh :
TABEL PEMASARAN TELEVISI PERUSAHAAN X, SEMESTER I, 1990
Daerah Pemasaran
Jumlah
Semarang
Yogyakarta
Purwokerto
Tegal
Pati
Surakarta
500.000
400.000
300.000
300.000
200.000
350.000
6. Diagram Pencar
Diagram pencar untuk kumpulan data yang terdiri atas dua variable dengan nilai
kuantitatif, diagramnya dapat dibuat dalam system sumbu koordinat dan gambarnya
akan merupakan kumpulan titik-titik yang terpencar.
Peringkat Mata Pelajaran yang Disukai Siswa di Sekolah T
Tahun 2010
80
60
40
Banyaknya Siswa
20
0
0
BAB 2
DISTRIBUSI FREKUENSI DAN GRAFIKNYA
k bulat
Contoh:
Dari hasil nilai ujian matematika 40 siswa, diperoleh data sebagai berikut.
78
72
74
79
74
71
75
74
72
68
72
73
72
74
75
74
73
74
65
72
66
75
80
69
82
73
74
72
79
71
70
75
71
70
70
70
75
76
77
67
Penyelesaian:
a. Urutan data
65
66
67
68
69
70
70
70
70
71
71
71
72
72
72
72
72
72
73
73
73
74
74
74
74
74
74
74
75
75
75
75
75
76
77
78
79
79
80
82
82 65
6
( )=
=
=
= 2,8 = 3
d. Tabelnya
Nilai
Turus
Frekuensi
65 67
III
68 70
IIII I
71 73
IIII IIII II
12
74 76
13
77 79
IIII
80 82
II
Jumlah
40
Contoh:
Distribusi Frekuensi Hasil Pengukuran Tinggi Badan 50 Siswa
Interval Kelas
Frekuensi
(Tinggi (cm))
(Banyak Murid)
140 144
Titik Tengah
139,5 144,5
142
145 149
144,5 149,5
147
150 154
12
149,5 154,5
152
155 159
15
154,5 159,5
157
160 164
12
159,5 164,5
162
165 169
164,5 169,5
167
170 - 174
169,5 174,5
172
= 60
a. Histogram
Histogram tinggi badan 60 siswa
banyak siswa
(frekuensi)
15
10
5
0
139,5
144,5
149,5
154,5
159,5
164,5
169,5
tinggi badan
frekuensi
b. Poligon Frekuensi
16
14
12
10
8
6
4
2
0
Frekuensi
= , , ,
,,
Interval Kelas
Frekuensi
f1
f2
fk
Jumlah
Frekuensi Relatif
=1
Contoh:
Berikut ini adalah data 50 mahasiswa dalam perolehan nilai statistik pada
Pendidikan Matematika Universitas T semester II tahun 2010!
70
91
93
82
78
70
71
92
38
56
79
49
48
74
81
95
87
80
80
84
35
83
73
74
43
86
68
92
93
76
81
70
74
97
95
80
53
71
77
63
74
73
68
72
85
57
65
93
83
86
Frekuensi (f)
35 43
44 52
53 61
62 70
71 79
13
80 88
13
89 - 97
Jumlah
50
Frekuensi (f)
35 43
44 52
53 61
62 70
71 79
13
80 88
13
89 - 97
Jumlah
50
Frekuensi Relatif
Perbandingan
Desimal
Persen
3
50
2
50
3
50
7
50
13
50
13
50
9
50
0,06
0,04
0,06
0,14
14
0,26
26
0,26
26
0,18
18
100
100% = 6%.
89 97 =
100% = 18%.
Frekuensi (f)
fk Kurang Dari
< 35
35 43
< 44
44 52
< 53
53 61
< 62
62 70
< 71
15
71 79
13
< 80
28
80 88
13
< 89
41
89 - 97
< 98
50
Frekuensi (f)
fk Lebih Dari
> 35
50
35 43
> 44
47
44 52
> 53
44
53 61
> 62
42
62 70
> 71
33
71 79
13
> 80
20
80 88
13
> 89
89 - 97
> 98
e. Ogifnya adalah
Nilai
Frekuensi
(f)
Nilai
fk Kurang Dari
Nilai
fk Lebih Dari
< 35
> 35
50
35 43
< 44
> 44
47
44 52
< 53
> 53
44
53 61
< 62
> 62
42
62 70
< 71
15
> 71
33
71 79
13
< 80
28
> 80
20
80 88
13
< 89
41
> 89
89 - 97
< 98
50
> 98
60
50
40
30
fk Kurang Dari
fk Lebih Dari
20
10
0
0
20
40
60
80
100
120
BAB 3
UKURAN PEMUSATAN
a.
1.
Jika X1, X2, ..., Xn merupakan n buah nilai dari variabel X, maka rata-rata
hitungnya sebagai berikut.
X
n
X 1 X 2 ... X n
n
n = 6;
X = 7 + 6 + 3 + 4 + 8 + 8 = 36
36
6
6
Jika nilai X1, X2, ..., Xn masing-masing memiliki frekuensi f1, f2, ..., fn maka mean
adalah,
fX
f
f1 X 1 f 2 X 2 ... f n X n
f1 f 2 ... f n
Contoh soal :
Hitunglah rata-rata hitung dari nilai-nilai 3, 4, 3, 2, 5, 1, 4, 5, 1, 2, 6, 4, 3, 6, 1?
Penyelesaian :
X1 = 3 maka f1 = 3;
X2 = 4 maka f2 = 3
X3 = 2 maka f3 = 2;
X4 = 5 maka f4 = 2
X5 = 1 maka f5 = 3;
X6 = 6 maka f6 = 2
fX = (3 x 3) + (4 x 3) + (2 x 2) + (5 x 2) + (1 x 3) + (6 x 2) = 50
f = 3 + 3 + 2 + 2 + 3 + 2 = 15
Sehingga mean adalah : X
3.
50
3,3
15
Jika f1 nilai yang memiliki mean m1, f2 nilai yang memiliki mean m2, ... dan fk nilai
yang memiliki mean mk. Maka mean dapat dihitung sebagai berikut.
b.
fm
f
f1 m1 f 2 m2 ... f k mk
f1 f 2 ... f k
Metode Biasa
fX
f
f = frekuensi
X = titik tengah
2.
X M
fd
f
3.
Metode coding
X M C
fu
f
Contoh :
Tentukan rata-rata hitung dari tabel dibawah ini Nilai Ujian Statistik dari 80
mahasiswa universitas Borobudur Tahun 1997
Metode
Metode Simpangan
Metode
Biasa
Rata-Rata
Coding
(f)
(X)
31 - 40
35.5
41 - 50
51 - 60
d=X-M
fd
u = d/C
35.5
-40
-40
-4
-4
45.5
91
-30
-60
-3
-6
55.5
277.5
-20
-100
-2
-10
61 - 70
15
65.5
982.5
-10
-150
-1
-15
71 - 80
25
75.5
1887.5
81 - 90
20
85.5
1710
10
200
20
91 - 100
12
95.5
1146
20
240
24
80
fX
f
6130
76,625
80
X M
fd 75,5 90 76,625
80
f
fX
6130
90
fu
c. Metode Coding
M = 75,5;
C = 10
X M C x
2.
fu 75,5 10 x 9 76,625
80
f
MEDIAN
Median adalah nilai tengah dari data yang ada setelah data diurutkan. Median
disimbolkan dengan Me atau Md. Untuk Mencari Median dibedakan data tunggal dan
data kelompok.
a.
Contoh :
Tentukan Median dari data berikut :
a.
4, 3, 2, 6, 7, 5, 8
Jawab :
Urutan data : 2, 3, 4, 5, 6, 7, 8
n = 7 (ganjil) maka Me X 7 1 X 4 5
2
b.
11, 5, 7, 4, 8, 14, 9, 15
Urutkan data : 4, 5, 7, 8, 9, 11, 12, 14
X 8 X 8 2
n = 8 (genap) maka Me
X4 X5 8 9
8,5
2
2
b.
nF
Me b p 2
f
Me
= Median
= batas bawah kelas median, ialah kelas dimana median akan terletak.
= banyak data
Contoh :
Tentukan median dari Tabel Nilai Ujian Statistik dari 80 mahasiswa universitas
Borobudur Tahun 1997
Frekuensi
Titik Tengah
Nilai Ujian
(f)
(X)
31 -
40
35.5
41 -
50
45.5
51 -
60
55.5
61 -
70
15
65.5
71 -
80
25
75.5
81 -
90
20
85.5
91 -
100
12
95.5
80
Penyelesaian :
n = 80 maka
b = 70,5;
1
1
n (80) 40 berarti terletak di kelas ke-5
2
2
F = 1 + 2 + 5 + 15 = 23;
f = 25
(80) 23
77,3
sehingga median dari data diatas adalah Me 70,5 10 2
25
3.
MODUS
Modus adalah nilai yang paling sering muncul. Modus sering disimbolkan
dengan Mo. Sejumlah data bisa tidak mempunyai modus, mempunyai satu modus
(unimodal), mempunyai dua modus (bimodal), atau mempunyai lebih dari dua modus
(multimodal). Untuk Mencari modus dibedakan data tunggal dan data kelompok.
a.
b1
Mo b p
b1 b2
Dimana :
Mo = modus
b
b1
b2
Contoh :
Tentukan modus dari Tabel Nilai Ujian Statistik dari 80 mahasiswa universitas
Borobudur Tahun 1997
Nilai Ujian
Frekuensi (f)
31
40
35.5
41
50
45.5
51
60
55.5
61
70
15
65.5
71
80
25
75.5
81
90
20
85.5
91
100
12
95.5
80
Penyelesaian :
Dari tabel diketahui bahwa kelas modus adalah kelas ke-5
b = 70,5;
P = 10;
b1 = 25-15 = 10;
sehingga,
b
Mo b p 1
b1 b2
b2 = 25-20 = 5
10
70,5 10
77,17
10
G n X 1 . X 2 . X 3 ....X n
atau
log G
1
log X 1 log X 2 log X 3 ... log X n
n
Contoh :
Tentukan rata-rata ukur dari 2, 4, 8, 16, 32
Penyelesaian :
n=5
G 5 2 x 4 x8 x16 x32 5 32768 8
Atau
1
log 2 log 4 log 8 log 16 log 32
5
log G 0,903
log G
G 8
b.
f . log X
f
Contoh :
Tentukan rata-rata ukur dari Tabel Nilai Ujian Statistik dari 80 mahasiswa
universitas Borobudur Tahun 1997
Nilai Ujian
Frekuensi (f)
Log X
f.Log X
31 -
40
35.5
1.5502
1.5502
41 -
50
45.5
1.6580
3.3160
51 -
60
55.5
1.7443
8.7215
61 -
70
15
65.5
1.8162
27.2436
71 -
80
25
75.5
1.8779
46.9487
81 -
90
20
85.5
1.9320
38.6393
91 - 100
12
95.5
1.9800
23.7600
80
log G
150.1794
G 75,37
Pt Po 1
100
Keterangan :
Pt
Contoh Soal :
Tentukan laju pertumbuhan rata-rata penduduk Indonesia jika pada akhir tahun
1946 dan akhir tahun 1956 jumlah penduduk masing-masing 60 juta dan 78 juta ?
Penyelesaian :
Pt = 78 Juta
Po = 60 Juta
t = 10 tahun
Pt Po 1
100
78 601
100
X
1
100
10
10
1,3
1
X
1,310
100
X
1
1,0266
100
X 2,66
D. RATA-RATA HARMONIS
a.
1
X
n
1
1
1
1
...
X1 X 2 X 3
Xn
Contoh soal :
Si B berepgian pergi-pulang ke kampus dengan kendaraan mobil. Waktu pergi ia
menggunakan waktu 40 km/jam, sedang waktu kembali menggunakan waktu 30
km/jam. Berapa kecepatan rata-rata pergi pulang si B?
Penyelesaian :
RH
b.
2
32,3 km / jam
1
1
40 30
f
f
X
Antara ketiga rata-rata dalam ukuran nilai pusat, yaitu rata-rata hitung, rata-rata
ukur dan rata-rata harmonis terdapat hubungan : RH G X
Contoh :
Tentukan rata-rata harmonis dari Tabel Nilai Ujian Statistik dari 80 mahasiswa
universitas Borobudur!
Frekuensi
Titik Tengah
Nilai Ujian
(f)
(X)
31 -
40
35.5
0.0282
41 -
50
45.5
0.0440
51 -
60
55.5
0.0901
61 -
70
15
65.5
0.2290
71 -
80
25
75.5
0.3311
81 -
90
20
85.5
0.2339
91 -
100
12
95.5
0.1257
80
Penyelesaian :
RH
f
f
X
80
73,94
1,0819
1.0819
BAB 4
UKURAN PENYEBARAN (FRAKTIL)
1. Pengertian Fraktil
Fraktil adalah nilai-nilai yang membagi seperangkat data yang telah terurut
menjadi beberapa bagian yang sama. Fraktil dapat berupa kuartil, desil dan persentil.
a. Kuartil
Kuartil adalah nilai-nilai yang membagi seperangkat data yang telah terurut
menjadi empat bagian yang sama. Ada 3 kuartil yaitu kuartil bawah (Q1), kuartil tengah
(Q2), dan kuartil atas (Q3).
a.
i(n + 1)
,
4
i = 1, 2, 3
Contoh :
Tentukan kuartil dari data : 2, 6, 8, 5, 4, 9, 12
Penyelesaian :
Data diurutkan : 2, 4, 5, 6, 8, 9, 12
n=7
b.
Q1
17 1
2, yaitu 4
4
Q3
37 1
6, yaitu 9
4
Q2
27 1
4, yaitu 6
4
( )
+4
C
Keterangan:
Bi = tepi bawah kelas kuartil
i = 1, 2, 3
Contoh :
Tentukan kuartil ke-3 dari Tabel Nilai Ujian Statistik dari 80 mahasiswa
Universitas T Tahun 2010
Frekuensi
Titik Tengah
Nilai Ujian
(f)
(X)
31 -
40
35.5
41 -
50
45.5
51 -
60
55.5
61 -
70
15
65.5
71 -
80
25
75.5
81 -
90
20
85.5
91 -
100
12
95.5
Penyelesaian :
n = 80;
i = 3,
Bi = 80,5;
C = 10;
maka
in 380
= 20;
( ) = 1+2+5+15+25 = 48
( )
+4
C
( )
60 48
+4
C = 80,5 +
10 = 80,5 + 6 = 86,5
20
b. DESIL
Desil adalah nilai-nilai yang membagi seperangkat data yang telah terurut
menjadi sepuluh bagian yang sama.
1. Untuk data tunggal
Di
in 1
; i 1,2,3,...,9
10
+ 10
( )
Contoh:
Tentukan desil ke-4 (D4) dan desil ke-8 (D8) dari distribusi frekuensi berikut.
Nilai Matematika 40 Mahasiswa Universitas T Tahun 2010
Nilai
Frekuensi (f)
30 39
40 49
50 59
60 69
70 79
80 89
90 99
Jumlah
40
Penyelesaian:
Untuk desil ke-4 (D4)
n = 40;
i = 4,
B4 = 59,5;
C = 10;
+ 10
( )
maka
in 440
= 7;
( ) = 5 + 3 + 6 = 14
C = 59,5 +
16 14
10 = 59,5 + 2,86 = 62,36
7
i = 8,
B8 = 79,5;
C = 10;
+ 10
c.
( )
maka
in 840
= 7;
C = 79,5 +
( ) = 5 + 3 + 6 + 7 + 8 = 29
32 29
10 = 79,5 + 4,29 = 83,79
7
PERSENTIL
Persentil adalah nilai-nilai yang membagi seperangkat data yang telah terurut
in 1
; i 1,2,3,...,99
100
2.
+ 100
( )
Contoh:
Dari distribusi frekuensi di bawah ini, tentukan P88!
Tinggi 100 Mahasiswa Universitas Borobudur
Tinggi (cm)
Frekuensi (f)
150 154
155 159
160 164
14
165 169
35
170 174
27
175 - 179
12
Jumlah
100
Penyelesaian:
n = 100;
i = 88,
B88 = 169,5;
C = 5;
+ 100
maka
in
88100
= 27;
)
C = 169,5 +
) = 4 + 8 + 14 + 35 = 61
88 61
5 = 169,5 + 5 = 174,5
27
BAB 5
UKURAN DISPERSI
A. PENGERTIAN DISPERSI
Ukuran dispersi atau ukuran variasi atau ukuran penyimpangan adalah ukuran
yang menyatakan seberapa jauh penyimpangan nilai-nilai data dari nilai-nilai pusatnya
atau ukuran yang menyatakan seberapa banyak nilai-nilai data yang berbeda dengan
nilai-nilai pusatnya.
Contoh:
Tentukan jangkauan dari distribusi frekuensi berikut!
Tabel Nilai Matematika 50 Siswa
Nilai
Frekuensi
50 54
55 59
60 64
10
65 69
14
70 74
12
75 79
80 84
Jumlah
50
Penyelesaian:
Titik tengah kelas terendah
= 52
= 82
= 49,5
= 84,5
1. Jangkauan = 82 52 = 30
2. Jangkauan = 84,5 49,5 = 35
JK = Q3 Q1
Jangkauan semi interkuartil adalah setengah dari selisih kuartil atas (Q3) dan
kuatil bawah (Q1). Dirumuskan:
= (
JK = Q3 Q1 = 12 4 = 8
) = (8) = 4
Frekuensi (f)
39
49
59
69
79
89
99
2
3
5
14
24
20
12
Jumlah
80
Penyelesaian:
n
( f1 )
Q1 B1 4
C
fQ1
3n
( f3 )
Q3 B3 4
C
fQ3
80
10
4
Q1 59,5
10
14
3 (80)
48
4
Q3 79,5
10
20
Q3 79,5 6 85,5
1
85,5 66,64 9,43 .
2
= 1,5 x JK
PD = Q1 L
PL = Q3 + L
Keterangan:
L
= satu langkah
PD
= pagar dalam
PL
= pagar luar
Contoh soal:
Selidikilah apakah terdapat data pencilan dari data dibawah ini!
15, 33, 42, 50, 51, 51, 53, 55, 62, 64, 65, 68, 79, 85, 97.
Penyelesaian:
Q1
= 50 dan Q3 = 68
JK
= 68 50 = 18
= 1,5 x 18 = 27
PD
= 50 27 = 23
PL
= 68 + 27 = 95
Pada data di atas terdapat nilai 15 dan 97 yang berarti kurang dari pagar dalam
(23) atau lebih dari pagar luar (95). Dengan demikian, nilai 15 dan 97 termasuk data
pencilan, karena itu perlu diteliti ulang. Adanya nilai 15 dan 97 mungkin disebabkan
salah dalam mencatat, salah dalam mengukur, atau data dari kasus menyimpang.
X X
1
X
n
n
Contoh soal : Tentukan deviasi rata-rata data 2, 3, 6, 8, 11!
DR
Penyelesaian:
Rata-rata hitung = X
DR
2 3 6 8 11
6
5
X 2 6 3 6 6 6 8 6 11 6 14
14
2,8
5
X X
n
4. Varians
Varians adalah nilai tengah kuadrat simpangan dari nilai simpangan rata-rata
kuadrat. Varians sampel disimbolkan dengan s2. Varians populasi disimbolkan dengan
2(sigma).
a. Varians data tunggal
Dapat digunakan dengan dua metode, yaitu metode biasa dan metode angka
kasar.
1. Metode Biasa
a. Untuk sampel besar (n > 30) :
2
2
n
2
n 1
X2
n
X2
n 1
2
n (n 1)
Contoh Soal:
Tentukan varians dari data 2, 3, 6, 8, 11 ?
Penyelesaian:
n=5
X
2 3 6 8 11
6
5
X X
2
3
6
8
11
30
-4
-3
0
2
5
n 1
X X
X2
16
9
0
4
25
54
4
9
36
64
121
234
54
13,5
5 1
n 1
2
n (n 1)
30 2 13,5
234
5 1 55 1
f 2
n
f 2
n 1
fX 2
fX
fX 2
fX 2
n
n n 1
3) Metode coding.
a. Untuk sampel besar (n > 30) :
2
s C
fu
fu
s C
fu
n 1
fu
nn 1
Keterangan:
C
d X M
C
C
Contoh:
Tentukan varians dari data diistribusi frekuensi berikut!
Tabel Nilai Matematika 40 Siswa di Sekolah T
Nilai
Frekuensi
65 67
68 70
71 73
13
74 76
14
77 79
80 - 82
Jumlah
40
Penyelesaian:
Nilai
65 67
68 70
71 73
74 76
77 79
80 - 82
Jumlah
X
66
69
72
75
78
81
f
2
5
13
14
4
2
40
-7,425
-4,425
-1,425
1,575
4,575
7,575
( )
55,130625
19,580625
2,030625
2,480625
20,930625
57,380625
( )
110,26125
97,903125
26,398125
34,72875
83,7225
114,76125
467,775
=
=
= 73,425
( )
467,775
= 11,694375
40
2
n
2
n 1
n 1
nn 1
Contoh Soal:
1. Tentukan simpangan baku (standar deviasi) dari data 2, 3, 6, 8, 11 ?
Penyelesaian:
Dari perhitungan sebelumnya, diperoleh s2 = 13,5
Simpangan bakunya adalah:
35
42
50
58
66
74
82
90
98
900
-27,5
756,25
1225
42
-20,5
420,25
1764
50
-12,5
156,25
2500
58
-4,5
20,25
3364
66
3,5
12,25
4356
74
11,5
132,25
5476
82
19,5
380,25
6724
90
27,5
756,25
8100
98
35,5
1260,25
9604
625
X 62,5
4950,5
44013
n 1
4905,5
550,056 23, 45
10 1
nn 1
n 1
44013
625 4890,33 4340,28 23,45
10 1 1010 1
f 2
n
f 2
n 1
1056,25
35
X2
30
X X
X X
-32,5
fX 2
n
fX
n
fX 2
n 1
fX 2
nn 1
3. Metode coding
a. Untuk sampel besar (n > 30) :
s C
fu
fu
fu
n 1
fu
nn 1
Contoh:
Tentukan simpangan baku dari distribusi frekuensi berikut (gunakan ketiga rumuusnya)!
Penyelesaian:
Berat Badan 100 Mahasiswa Universitas T tahun 2010
Berat Badan (kg)
Frekuensi (f)
40 44
45 49
12
50 54
19
55 59
31
60 64
20
65 69
70 - 74
Jumlah
100
Penyelesaian:
a. Dengan metode Biasa
Nilai
40 44
X
42
f
8
fX
336
-13,85
( )
191,8225
( )
1534,58
45 49
50 54
55 59
60 64
65 69
70 - 74
Jumlah
=
12
19
31
20
6
4
100
47
52
57
62
67
72
564
988
1767
1240
402
288
5585
-8,85
-3,85
1,15
6,15
11,15
16,15
78,3225
14,8225
1,3225
37,8225
124,3225
260,8225
939,87
281,6275
40,9975
756,45
745,935
1043,29
5342,75
5585
= 55,85
100
( )
5342,75
= 7,31
100
X
42
47
52
57
62
67
72
f
8
12
19
31
20
6
4
100
fX
336
564
988
1.767
1.240
402
288
5.585
317.265
5.585
100
100
X2
1.764
2.209
2.704
3.249
3.844
4.489
5.184
fX2
14.112
26.508
51.376
100.719
76.880
26.934
20.736
317.265
= 7,31
c. Metode Coding
Nilai
40 44
45 49
X
42
47
f
8
12
u
-3
-2
u2
9
4
fu
-24
-24
fu2
72
48
50 54
55 59
60 64
65 69
70 - 74
Jumlah
19
31
20
6
4
100
52
57
62
67
72
-1
0
1
2
3
1
0
1
4
9
-19
0
20
12
12
-23
19
0
20
24
36
219
c = 5;
= c
= 5
219
23
100
100
= 7,31
C. KOEFISIEN VARIASI
Koefisien dispersi atau variasi yang telah dibahas sebelumnya merupakan
dispersi absolut, seperti jangkauan, simpangan rata-rata, simpangan kuartil dan
simpangan baku. Untuk membandingkan dispersi atau variasi dari beberapa kumpulan
data, digunakan istilah dispersi relatif, yaitu perbandingan antara dispersi absolut dan
rata-ratanya.
Dispersi relatif digunakan untuk membandingkan tingkat variabilitas nilai-nilai
observasi suatu data dengan tingkat variabilitas nilai-nilai observasi data lainnya.
Koefisien variasi adalah contoh dispersi relatif.
Ada empat macam dispersi relatif, yaitu :
1. Koefisien Variasi (KV)
Jika dispersi absolut digantikan dengan simpangan bakunya maka dispersi
relatifnya disebut koefisien variasi (KV).
KV
s
100%
X
Keterangan:
KV = koefisien variasi
s
= simpangan baku
= rata-rata
Contoh Soal:
Dari hasil penelitian 2 sekolah, diketahui jumlah siswa yang menyukai belajar
matematika, datanya sebagai berikut.
Sekolah A = X A 980 anak, s A 15
KV A
sA
15
100%
100% 1,53%
XA
980
KV B
sB
5
100%
100% 0,636%
XB
785
VR
R
100%
X
VR
SR
100%
X
DISPERSI ABSOLUT digunakan untuk mengetahui tingkat variabilitas nilainilai observasi pada suatu data, sedangkan DISPERSI RELATIF digunakan untuk
membandingkan tingkat variabilitas nilai-nilai observasi suatu data dengan tingkat
variabilitas nilai-nilai observasi data lainnya.
DAFTAR PUSTAKA
Hasan, Iqbal. 2006. Analisis Data Penelitian dengan Statistik. Jakarta: Bumi Aksara.
Irianto, Agus. 2008. Statistik Konsep Dasar dan Aplikasinya. Jakarta: Kencana.
Pusat Pembina dan Pengembangan Bahasa. 1998. Kamus Besar Bahasa Indonesia Edisi
ke 2. Jakarta: Balai Pustaka.
Sudjana. 2002. Metoda Statistika edisi ke 6. Bandung: Tarsito.