Skip to main content

Ukuran Penyebaran Data

Assalamualaikum wr. wb
Selamat datang kembali di blog kami, sesuai dengan judul materi, kita akan membahas mengenai Ukuran Penyebaran. 

Sebelumnya, kita telah membahas mengenai Ukuran Gejala Pusat, yang memberikan informasi mengenai kecenderungan berkumpulnya data, dan ukuran lokasi yang memberikan informasi tentang posisi kuantitatif sebuah skor dibanding skor lain dalam sekumpulan data. karena ukuran ini belum memberikan deskripsi yang cukup lengkap tentang data sehingga masih dibutuhkan ukuran lain, yaitu ukuran penyebaran. Ukuran penyebaran biasa juga disebut ukuran simpangan, atau ukuran dispersi. Ukuran penyebaran menjelaskan kecenderungan variasi penyimpangan data dari ukuran gejala pusat. yang pertama akan dibahas yaitu rentang, rentang antarkuartil, rentang semi antarkuartil, simpangan baku, variasi dan ukuran penyebaran relatif. Ukuran penyebaran relatif termasuk koefisien variasi, koefisien rata-rata simpangan, dan koefisien simpangan kuartil, serta bilangan baku.

A. Rentang Data
Rentang, rentang antarkuartil dan simpangan kuartil yang dibicarakan di sini adalah ukuran penyebaran yang disefinisikan sebagai jarak atau selisih antara dua nilai. Dengan demikian, rumusnya menjadi sangat sederhana sehingga mudah mengihtungnya.

1. Rentang
Ukuran penyebaran yang paling mudah ditentukan adalah rentang (Range). Rentang yang dilambangkan dengan R dapat ditulis dengan rumus :

R = data terbesar - data terkecil
Ukuran penyebaran ini banyak sekali digunakan dalam berbagai cabang statistika, mislanya statistika industri.

Contoh :
Tentukan rentang data 9, 7, 5, 3, 4, 6, 6, 9, 6, 4, 2

Jawaban :
Data terbesarnya adalah 9
Data terkecilnya adalah 2
sehingga :

R = 9 - 2 = 7
Jadi, rentang data tersebut adalah 7.

2.Rentang antarkuartil 
Rentang antarkuartil juga mudah dihitung, dan ini merupakan selisih antara dua kuartil, yaitu kuartil tas dan kuartil bawah. Rumus yang digunakan untuk menghitung rentang antarkuartil yang dilambangkan dengan Rak adalah :



contoh :
Tentukan Rak dari data dibawah ini.
 
keterangan :
K = Kuartil atas
K = Kuartil bawah

Jumlah datanya adalah 9 + 8 + 7 + 6 + 5 + 6 + 7 + 8 = 56
Dimana letak kuartiil atas ada pada 1/4 bagian data dan kuartil bawah ada pada 3/4 bagian data.

letak kuartil atas:
letak kuartil bawah :
simaklah tabel dubawah ini yang sudah memiliki tabel frekuensi komulatif kurang dari (fkk) serta letak kuartil atas dan kuartil bawah. 


cara mencari nilai kuartil atas :


cara mencari nilai kuartil bawah :



Untuk mencari nilai rentang antarkuartil 

3. Simpangan kuartil ( jangkauan semi interkuartil)
Simpangan kuartil adalah setengah dari selisih kuartil ketiga dan kuartil pertama.
Sk = ½ (K3 – K1)
Keterangan :
Sk = simpangan kuartil
K3 = kuartil ketiga
K1 = kuartil pertama
Contoh :
Perhatikan data dibawah ini.
3 8 7 6  9 8 7 5 8  7 5
Jawab :
Urutkan angka dari yang terkecil ke yang terbesar.
Sk = ½ (K3 – K1)
      = ½ (8-5)
     = ½ 3
     = 1,5
Jadi, Simpangan kuartil ( jangkauan semi interkuartil) 1,5.

B. Simpangan rata-rata
Simpangan rata-rata merupakan nilai rata-rata dari selisih setiap data dengan nilai mean atau rataan hitungnya. Simpangan rata-rata sering dilambangkan dengan SR.
1. Data Tunggal
Keterangan :
SR = simpangan rata-rata
Xi = data ke-i
X = rataan hitung
n = banyak data
Contoh :
Tentukan simpangan rata-rata dari data 3 5 5 6 7 7 7 8 8 8 9
 jawab:

Jadi, simpangan rata-ratanya adalah 1,33.

2. Data Kelompok

Keterangan :
SR = simpangan rata-rata
Xi = data ke-i
X = rataan hitung
fi = frekuensi data ke-i

Contoh :
Tentukan simpangan rata-rata dari data berikut:
Jawab:


Jadi, simpangan rata-ratanya adalah 4,744





Comments

Popular posts from this blog

Ukuran Kemiringan dan Ukuran Kecembungan

Selamat datang, di blog kami! Kali ini kita akan membahas mengenai Ukuran Kemiringan dan Ukuran Kecembungan. A. Ukuran Lokasi 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, apakah distribusi itu simetrik, positif, atau negatif. Dibawah ini adalah model distribusi tersebut: Untuk mengetahui apakah sekumpulan data mengikuti model distribusi positif, negatif, atau simetrik, hal ini dapat dilihat berdasarkan nilai koefisien kemiringannya. Menurut Pearson ada beberapa rumus untuk menghitung koefisien kemiringannya, yaitu : a. Koefisien Kemiringan (modus) Dimana X = Rata-rata, Mo = Modus, dan S = Simpangan baku. b. Koefisien Kemiringan (Median) Dimana X = Rata-rata, Mo = Modus, dan S = Simpangan baku. c. Koefisien Kemiringan menggunakan Nilai Kuartil Menurut Pearson, dari hasil koefis...

Persamaan Differensial Faktor Integral

Assalamualaikum wr. wb Selamat datang kembali di blog kami, kali ini kita akan membahas tentang Persamaan Differensial Faktor Integral. Persamaan Diferensial Non Eksak adalah suatu Persamaan Dasar tingkat satu danberpangkat satu yang berbentuk: M(x,y) dx + N(x,y) dy = 0                                            (1) dan memenuhi syarat: Penyelesaian Persamaan Diferensial Non Eksak dapat diperoleh dengan mengalikan pers. 1 dengan suatu fungsi u yang disebut Faktor Integral (FI) sehingga diperoleh PD Eksak yaitu:  u M(x,y) dx + u N(x,y) dy = 0                                    (2) karena PD (pers. 2) sudah berbentuk eksak, maka memenuhi : Rumus Umum FI : secara umum FI u terdiri dari tiga kondisi yaitu: 1. FI u sebagai fungsi x saja 2. FI u sebagai...

Contoh Soal Persamaan Differensial Eksak

Assalamualaikum wr. wb Kali ini kami akan memberikan contoh soal tentang PD Eksak, Bentuk Umum PD Eksak: M(x,y) dx + N(x,y) dy = 0 ===> My =Nx