Bab 2

untuk lihat materi lainnya klik link dibawah ini :

bab 1, bab 2, bab 3, bab 4, bab 5, bab 6, bab 7 , bab 8, bab 9

BAB 2

Cara penyajian data 

Ada dua cara penyajian data yang sering dilakukan, yaitu
a) daftar atau tabel,
b) grafik atau diagram.

1. Penyajian Data dalam Bentuk Tabel

Misalkan, hasil ulangan Bahasa Indonesia 37 siswa kelas XI SMA 3 disajikan dalam tabel di samping. Penyajian data pada Tabel 1.1 dinamakan penyajian data sederhana. Dari tabel 1.1, Anda dapat menentukan banyak siswa yang mendapat nilai 9, yaitu sebanyak 7 orang. Berapa orang siswa yang mendapat nilai 5? Nilai berapakah yang paling banyak diperoleh siswa? Jika data hasil ulangan bahasa Indonesia itu disajikan dengan cara mengelompokkan data nilai siswa, diperoleh tabel frekuensi berkelompok seperti pada Tabel 1.2. Tabel 1.2 dinamakan Tabel Distribusi Frekuensi.

2. Penyajian Data dalam Bentuk Diagram 

Kerapkali data yang disajikan dalam bentuk tabel sulit untuk dipahami. Lain halnya jika data tersebut disajikan dalam bentuk diagram maka Anda akan dapat lebih cepat memahami data itu. Diagram adalah gambar yang menyajikan data secara visual yang biasanya berasal dari tabel yang telah dibuat. Meskipun demikian, diagram masih memiliki kelemahan, yaitu pada umumnya diagram tidak dapat memberikan gambaran yang lebih detail.

a. Diagram Batang

Diagram batang biasanya digunakan untuk menggambarkan data diskrit (data cacahan). Diagram batang adalah bentuk penyajian data statistik dalam bentuk batang yang dicatat dalam interval tertentu pada bidang cartesius. Ada dua jenis diagram batang, yaitu 
1) diagram batang vertikal, dan
2) diagram batang horizontal.

b. Diagram Garis

Pernahkah Anda melihat grafik nilai tukar dolar terhadap rupiah atau pergerakan saham di TV? Grafik yang seperti itu disebut diagram garis. Diagram garis biasanya digunakan untuk menggambarkan data tentang m keadaan yang berkesinambungan (sekumpulan data kontinu). Misalnya, jumlah penduduk setiap tahun, perkembangan berat badan bayi setiap bulan, dan suhu badan pasien setiap jam.Seperti halnya diagram batang, diagram garis pun memerlukan sistem sumbu datar (horizontal) dan sumbu tegak (vertikal) yang saling berpotongan tegak lurus. Sumbu mendatar biasanya menyatakan jenis data, misalnya waktu dan berat. Adapun sumbu tegaknya menyatakan frekuensi data. Langkah-langkah yang dilakukan untuk membuat diagram garis adalah sebagai berikut.

1) Buatlah suatu koordinat (berbentuk bilangan) dengan sumbu mendatar menunjukkan waktu dan sumbu tegak menunjukkan data pengamatan.
2) Gambarlah titik koordinat yang menunjukkan data pengamatan pada waktu t.
3) Secara berurutan sesuai dengan waktu, hubungkan titiktitik koordinat tersebut dengan garis lurus.

c. Diagram Lingkaran

Untuk mengetahui perbandingan suatu data terhadap keseluruhan, suatu data lebih tepat disajikan dalam bentuk diagram lingkaran. Diagram lingkaran adalah bentuk penyajian data statistika dalam bentuk lingkaran yang dibagi menjadi beberapa juring lingkaran. Langkah-langkah untuk membuat diagram lingkaran adalah sebagai berikut.
1. Buatlah sebuah lingkaran pada kertas.
2. Bagilah lingkaran tersebut menjadi beberapa juring lingkaran untuk menggambarkan kategori yang datanya telah diubah ke dalam derajat.

3. Tabel Distribusi Frekuensi, Frekuensi Relatif dan Kumulatif, Histogram, Poligon Frekuensi, dan Ogive

a. Tabel Distribusi FrekuensiData yang berukuran besar (n > 30) lebih tepat disajikan dalam tabel distribusi frekuensi, yaitu cara penyajian data yang datanya disusun dalam kelas-kelas tertentu. Langkah-langkah penyusunan tabel distribusi frekuensi adalah sebagai berikut.
• Langkah ke-2 menentukan banyak interval (K) dengan rumus "Sturgess" yaitu: K= 1 + 3,3 log n dengan n adalah banyak data. Banyak kelas harus merupakan bilangan bulat positif hasil pembulatan.
• Langkah ke-3 menentukan panjang interval kelas (I) dengan menggunakan rumus:

• Langkah ke-4 menentukan batas-batas kelas. Data terkecil harus merupakan batas bawah interval kelas pertama atau data terbesar adalah batas atas interval kelas terakhir. • Langkah ke-5 memasukkan data ke dalam kelas-kelas yang sesuai dan menentukan nilai frekuensi setiap kelas dengan sistem turus. • Menuliskan turus-turus dalambilangan yang bersesuaian dengan banyak turus.

b. Frekuensi Relatif dan Kumulatif

Frekuensi yang dimiliki setiap kelas pada tabel distribusi frekuensi bersifat mutlak. Adapun frekuensi relatif dari suatu data adalah dengan membandingkan frekuensi pada interval kelas itu dengan banyak data dinyatakan dalam persen. Contoh: interval frekuensi kelas adalah 20. Total data seluruh interval kelas = 80 maka frekuensi relatif kelas ini adalah 

Frekuensi relatif dirumuskan sebagai berikut.

Frekuensi kumulatif kelas ke-k adalah jumlah frekuensi pada kelas yang dimaksud dengan frekuensi kelas-kelas sebelumnya. Ada dua macam frekuensi kumulatif, yaitu
1) frekuensi kumulatif "kurang dari" ("kurang dari" diambil terhadap tepi atas kelas)
2) frekuensi kumulatif "lebih dari" ("lebih dari" diambil terhadap tepi bawah kelas).

c. Histogram dan Poligon Frekuensi 
Histogram merupakan diagram frekuensi bertangga yang bentuknya seperti diagram batang. Batang yang berdekatan harus berimpit. Untuk pembuatan histogram, pada setiap interval kelas diperlukan tepi-tepi kelas. Tepi-tepi kelas ini digunakan unntuk menentukan titik tengah kelas yang dapat ditulis sebagai berikut.

Poligon frekuensi dapat dibuat dengan menghubungkan titik-titik tengah setiap puncak persegipanjang dari histogram secara berurutan. Agar poligon "tertutup" maka sebelum kelas paling bawah dan setelah kelas paling atas, masing-masing ditambah satu kelas.

d. Ogive (Ogif) 

Grafik yang menunjukkan frekuensi kumulatif kurang dari atau frekuensi kumulatif lebih dari dinamakan poligon kumulatif. Untuk populasi yang besar, poligon mempunyai banyak ruas garis patah yang menyerupai kurva sehingga poligon frekuensi kumulatif dibuat mulus, yang hasilnya disebut ogif. Ada dua macam ogif, yaitu sebagai berikut.
a. Ogif dari frekuensi kumulatif kurang dari disebut ogif positif.
b. Ogif dari frekuensi kumulatif lebih dari disebut ogif negatif.

Bab 1

untuk lihat materi lainnya klik link dibawah ini :

bab 1, bab 2, bab 3, bab 4, bab 5, bab 6 , bab 7,bab 8 bab 9

BAB 1

PERAN STATISTIKA DALAM PENELITIAN

            Statistika digunakan untuk menunjukkan tubuh pengetahuan (body of knowledge) tentang cara-cara pengumpulan data, analisis dan penafsiran data.

A.  Fungsi statistika

· Statistik menggambarkan data dalam bentuk tertentu

· Statistik dapat menyederhanakan data yang kompleks menjadi data yang mudah dimengerti

· Statistik merupakan teknik untuk membuat perbandingan

· Statistik dapat memperluas pengalaman individu

· Statistik dapat mengukur besaran dari suatu gejala

· Statistik dapat menentukan hubungan sebab akibat

B.  Kegunaan Statistika

· Membantu penelitian dalam menggunakan sampel sehingga penelitian dapat bekerja efisien dengan hasil yang sesuai dengan obyek yang ingin diteliti

· Membantu penelitian untuk membaca data yang telah terkumpul sehingga peneliti dapat mengambil keputusan yang tepat

· Membantu peneliti untuk melihat ada tidaknya perbedaan antara kelompok yang satu dengan kelompok yang lainnya atas obyek yang diteliti

· Membantu peneliti untuk melihat ada tidaknya hubungan antara variabel yang satu dengan variabel yang lainnya

· Membantu peneliti dalam menentukan prediksi untuk waktu yang akan datang

· Membantu peneliti dalam melakukan interpretasi atas data yang terkumpul (M.Subana dkk, 2000;14)

· Pemerintah menggunakan statistika untuk menilai hasil pembangunan masa lalu dan merencanakan masa mendatang

· Pimpinan menggunakannya untuk pengangkatan pegawai baru, pembelian peralatan baru, peningkatan kemampuan karyawan, perubahan sistem kepegawaian, dsb.

· Para pendidik sering menggunakannya untuk melihat kedudukan siswa, prestasi belajar, efektivitas metoda pembelajaran, atau media pembelajaran.

· Para psikolog banyak menggunakan statistika untuk membaca hasil pengamatan baik melalui tes maupun obserbasi lapangan.

C.  Peranan Statistika

-       Di dalam penelitian, statistika berperan untuk:

· Memberikan informasi tentang karakteristik distribusi suatu populasi tertentu, baik diskrit maupun kontinyu. Pengetahuan ini berguna dalam menghayati perilaku populasi yang sedang diamati

· Menyediakan prosedur praktis dalam melakukan survey pengumpulan data melalui metode pengumpulan data (teknik sampling). Pengetahuan ini berguna untuk mendapatkan hasil pengukuran yang terpercaya

· Menyediakan prosedur praktis untuk menduga karakteristik suatu populasi melalui pendekatan karakteristik sampel, baik melalui metode penaksiran, metode pengujian hipotesis, metode analisis varians. Pengetahuan ini berguna untuk mengetahui ukuran pemusatan dan ukuran penyebaran serta perbedaan dan kesamaan populasi.

· Menyediakan prosedur praktis untuk meramal keadaan suatu obyek tertentu di masa mendatang berdasarkan keadaan di masa lalu dan masa sekarang. Melalui metode regresi dan metode deret waktu. Pengetahuan ini berguna memperkecil resiko akibat ketidakpastian yang dihadapi di masa mendatang.

· Menyediakan prosedur praktis untuk melakukan pengujian terhadap data yang bersifat kualitatif melalui statistik non parametrik.

-       Sementara menurut Sugiyono (2003:12), statistika berperan untuk:

· Alat untuk menghitung besarnya anggota sampel yang diambil dari suatu populasi, sehingga jumlah sampel yang dibutuhkan akan lebih dapat dipertanggungjawabkan

· Alat untuk menguji validitas dan reliabilitas instrumen sebelum instrumen tersebut digunakan dalam penelitian

· Sebagai teknik untuk menyajikan data, sehingga data lebih komunikatif, misalnya melalui tabel, grafik, atau diagram

·  Alat untuk menganalisis data seperti menguji hipotesis yang diajukan dalam penelitian.

     Jenis Data

Data ialah sekumpulan informasi yang diperoleh dari suatu pengamatan. Adapun

 yang dimaksud dengan datum adalah elemen-elemen dalam data.

Data yang diperoleh dari suatu sampel dan populasi dapat dibedakan menjadi dua jenis, yaitu :

a.       Data kualitatif yakni data yang bukan berupa angka (non – numerik) biasa disebut dengan istilah atribut. Data kualitatif dibagi menjadi dua:

·         Nominal adalah Data yang paling rendah dalam level pengukuran data.

 Contoh : Jenis kelamin, tgl dan tempat lahir seseorang

Ordinal à ada tingkatan data. Contoh : Sangat setuju, Setuju, kurang setuju, tidak setuju

b.      Data kuantitatif: data yang berupa angka (numerik). Data jenis ini dibedakan menjadi dua bagian, yaitu data diskrit dan kontinyu. Selain itu Ddata kuantitatif dibagi menjadi dua:

o    Data Interval, Contoh : Interval temperatur ruang adalah sbb :

Cukup panas jika antara 50°C-80 °C

Panas jika antara 80 °C-110 °C

Sangat panas jika antara 110 °C-140 °C

·           Data Rasio à tingkat pengukuran paling ‘tinggi’ ; bersifat angka dalam arti sesungguhnya. Beda dengan interval mempunyai titik nol dalam arti sesungguhnya.

Selain pembagian tersebut, ada yang membagi data menjadi data primer dan data sekunder. Data primer adalah data yang diperoleh langsung dari sumbernya, misal melalui wawancara, penyebaran kuesioner, pengukurn langsung, dan lain lain. Sedangkan data sekunder adalah data yang diambil/ disadur dari pihak lain, misal diambil dari koran, jurnal, penelitian/ publikasi pihak lain, dan lain-lain.

·      Skala Pengukuran

Skala pengukuran : cara mengukur suatu varibel. Terdapat 4 jenis skala pengukuran, yakni :

a. Skala Nominal : angka yang diberikan pada objek/ variabel pengukuran hanya memiliki arti sebagai label saja (asal bisa dibedakan). Tidak memiliki tingkatan.

Contoh skala nominal :

No.	Jenis Kendaraan	Jumlah (Unit)
1.	Peugeuot	1,367
2.	Toyota	68,638
3.	Isuzu	20,521
4.	Daihatsu	15,721
5.	BMW	1,515

b. Skala Ordinal : angka yang diberikan pada objek/ variabel pengukuran mengandung pengertian tingkatan.

Contoh skala ordinal

	Jenis Kendaraan	Jumlah (Unit)
1.	Toyota	68,638
2.	Isuzu	20,521
3.	Daihatsu	15,721
4.	BMW	1,515
5.	Peugeuot	1,367

c. Skala Interval : angka yang diberikan pada objek/ variabel pengukuran mengandung sifat ordinal ditambah sifat jarak/ interval.

Contoh skala interval :

Suhu udara dapat berkisar antara -4° hingga 40° C. Jika termometer menunjukkan 0° C, bukan berarti tidak ada suhu, tetapi hanya sebagai penunjuk bahwa suhu saat itu tergolong rendah.

d. Skala Rasio : angka yang diberikan pada objek/ variabel pengukuran mengandung sifat interval ditambah sifat yang mampu memberikan keterangan tentang nilai absolut variabel yang diukur. Artinya apabila menunjuk angka 0 (nol), maka berarti benar-benar nol, tidak ada, atau kosong.

Contoh skala rasio :

Jumlah komponen mesin yang diproduksi per batch adalah 1.000.000 komponen. Bila dalam suatu batch menunjukkan angka produksi 0, maka artinya adalah pada saat itu tidak dilakukan proses produksi sehingga tidak ada output produks

Bab 6

untuk lihat materi lainnya klik link dibawah ini :

bab 1, bab 2, bab 3, bab 4, bab 5, bab 6, bab 7 , bab 8, bab 9

BAB 6

DISTRIBUSI NORMAL, DISTRIBUSI F DAN DISTRIBUSI T

Distribusi normal merupakan salah satu distribusi probabilitas yang penting dalam analisis statistika. Distribusi ini memiliki parameter berupa mean dansimpangan baku. Distribusi normal dengan mean = 0 dan simpangan baku = 1 disebut dengan distribusi normal standar. Apabila digambarkan dalam grafik, kurva distribusi normal berbentuk seperti genta (bell-shaped) yang simetris. Perhatikan kurva distribusi normal normal standar berikut:

Sumbu X (horizontal) memiliki range (rentang) dari minus takhingga (‒∞) hingga positif takhingga (+∞). Kurva normal memiliki puncak pada X = 0. Perlu diketahui bahwa luas kurva normal adalah satu (sebagaimana konsep probabilitas). Dengan demikian, luas kurva normal pada sisi kiri = 0,5; demikian pula luas kurva normal pada sisi kanan = 0,5.

Dalam analisis statistika, seringkali kita menentukan probabilitas kumulatif yang dilambangkan dengan notasi P (X<x). Sebagai contoh, P (X<1), apabila diilustrasikan dengan grafik adalah luas kurva normal dari minus takhingga hingga X = 1.

Secara matematis, probabilitas distribusi normal standar kumulatif dapat dihitung dengan menggunakan rumus:

Akan tetapi, kita lebih mudah dengan bantuan tabel distribusi normal. Berikut adalah tabel distribusi normal standar, untuk P (X < x), atau dapat diilustrasikan dengan luas kurva normal standar dari X = minus takhingga sampai dengan X = x.

Distribusi F,

Jika uji t digunakan untuk pengujian dua sampel, uji F atau Anova digunakan untuk pengujian lebih dari dua sampel.

Distribusi F digunakan untuk menguji hipotesis, apakah variansi dari sebuah populasi normal sama dengan variansi dari populasi normal lainnya. Satu variansi sampel yang lebih besar ditempatkan pada pembilang, sehingga rasio minimalnya adalah 1,00. Distribusi F juga digunakan untuk menguji asumsi-asumsi bagi beberapa statistik uji.

Berdasarkan pendapat Douglas A. Lind (2005, p387-388), Distribusi F memiliki ciri-ciri sebagai berikut:

1. Terdapat suatu keluarga distribusi F.

Suatu anggota keluarga distribusi F di tentukan berdasarkan dua parameter : derajat kebebasan pada pembilang dan derajat kebebasan pada penyebut.

2. Distribusi F bersifat kontinu.
3. Distribusi F tidak dapat bernilai negatif.
4. Bentuknya tidak simetris.
5. Bersifat Asimtotik (Asymptotic).

Distribusi F memberikan sebuah perangkat untuk menjalankan suatu uji variansi dari dua populasi normal. Menentukan validasi sebuah asumsi untuk suatu statistik uji, mula-mula kita tetap harus menentukan hipotesis nolnya. Hipotesis nolnya adalah bahwa variansi dari suatu populasi (σ1²), sama dengan variansi dari populasi normal lainnya (σ2²). Hipotesis alternatifnya dapat berupa perbedaan variansi tersebut.

Distribusi t merupakan salah satu pengembangan dari Distribusi z. Secara prinsip penggunaan Distribusi t digunakan untuk membandingkan rata-rata dari dua sampel. Rata-rata dua sampel tersebut dibandingkan untuk mengetahui apakah dua data tersebut mempunyai beda. Distribusi biasanya digunakan untuk data yang banyak sampelnya kurang dari sama dengan 30.

Bab 5

untuk lihat materi lainnya klik link dibawah ini :

bab 1, bab 2, bab 3, bab 4, bab 5, bab 6, bab 7 , bab 8 bab 9

Moment Kemiringan dan Kutosis

Ukuran penyebaran (Measures of Dispersion) atau ukuran keragaman pengamatan dari nilai rata-ratanya disebut simpangan (deviation/dispersi). Terdapat beberapa ukuran untuk menentukan dispersi data pengamatan, seperti jangkauan/rentang (range), simpangan kuartil (quartile deviation), simpangan rata-rata (mean deviation), dan simpangan baku (standard deviation).
Ukuran tendensi sentral (mean, median, mode) merupakan nilai pewakil dari suatu distribusi frekuensi, tetapi ukuran tersebut tidak memberikan gambaran informasi yang lengkap mengenai bagaimana penyebaran data pengamatan terhadap nilai sentralnya. Ukuran tendensi sentral saja tidak cukup untuk menggambarkan distribusi frekuensi. Selain itu kita harus memiliki ukuran persebaran data pengamatan.
Sebagai contoh, kita mempunyai distribusi hasil panen dua varietas padi (kg per plot), masing-masing terdiri dari 5 plot. Andaikan distribusi datanya sebagai berikut:

Varietas I : 45 42 42 41 4
Varietas II : 54 48 42 36 30
Varietas III : 45 40 44 41 40


Kita dapat melihat bahwa nilai mean varietas I dan II bernilai sama, 42 kg, namun apabila kita perhatikan, keragaman kedua varietas tersebut berbeda. Varietas I mungkin lebih dipilih karena lebih konsisten. Hal ini terlihat dari data hasil pada varietas I lebih seragam dibandingkan dengan Varietas II. Pada Varietas I, hasilnya tidak terlalu jauh dari nilai pusatnya, 42 kg, sedangkan pada Varietas II, sebaran datanya sangat beragam (perhatikan gambar berikut).

Pada contoh tersebut, jelas bahwa ukuran tendensi sentral saja tidak cukup untuk menggambarkan distribusi frekuensi. Selain itu kita harus memiliki ukuran persebaran data pengamatan. Ukuran penyebaran atau ukuran keragaman pengamatan dari nilai rata-ratanya disebut simpangan (deviation/dispersi). Terdapat beberapa ukuran untuk menentukan dispersi data pengamatan, seperti jangkauan/rentang (range), simpangan kuartil (quartile deviation), simpangan rata-rata (mean deviation), dan simpangan baku (standard deviation).

Bab 4

untuk lihat materi lainnya klik link dibawah ini :

bab 1, bab 2, bab 3, bab 4, bab 5, bab 6, bab 7 , bab 8 bab 9

UKURAN PENYIMPANGAN

PENGUKURAN PENYIMPANGAN

Pengukuran penyimpangan adalah suatu ukuran yang menunjukkan tinggi  rendahnya perbedaan data yang diperoleh dari rata-ratanya. Ukuran penyimpangan digunakan untuk mengetahui luas penyimpangan data atau homogenitas data. Dua variabel data yang memiliki mean sama belum tentu memiliki kualitas yang sama, tergantung dari besar atau kecil ukuran penyebaran datanya. Ada bebarapa macam ukuran penyebaran data, namun yang umum digunakan adalah standar deviasi.

Macam-macam ukuran penyimpangan data adalah :

1. Jangkauan (range)
2. Simpangan rata-rata (mean deviation)
3. Simpangan baku (standard deviation)
4. Varians (variance)
5. Koefisien variasi (Coefficient of variation)

1. Jangkauan (range)

Range adalah salah satu ukuran statistik yang menunjukan jarak penyebaran data antara nilai terendah (Xmin) dengan nilai tertinggi (Xmax). Ukuran ini sudah digunakan pada pembahasan daftar distribusi frekuensi. Adapun rumusnya adalah

Contoh : 
Berikut ini nilai ujian semester dari 3 mahasiswa
A = 60 55 70 65 50 80 40
B = 50 55 60 65 70 65 55
C = 60 60 60 60 60 60 60
Dari data diatas dapat diketahui bahwa
A = memiliki Xmax=80, Xmin= 40 , R = 40 , meanya 60
B = memiliki Xmax=70, Xmin= 50 , R = 20 , meanya 60
C = memiliki Xmax=60, Xmin= 60 , R = 0 , meanya 60
Dari contoh di atas dapat disimpulkan bahwa :
a. Semakin kecil rangenya maka semakin homogen distribusinya
b. Semakin besar rangenya maka semakin heterogen distribusinya
c. Semakin kecil rangenya, maka meannya merupakan wakil yang representatif
d. Semakin besar rangenya maka meannya semakin kurang representatif
2. Simpangan Rata-rata (mean deviation)

Simpangan rata-rata merupakan penyimpangan nilai-nilai individu dari nilai rata-ratanya. Rata-rata bisa berupa mean atau median. Untuk data mentah simpangan rata-rata dari median cukup kecil sehingga simpangan ini dianggap paling sesuai untuk data mentah. Namun pada umumnya, simpangan rata-rata yang dihitung dari mean yang sering digunakan untuk nilai simpangan rata-rata.

• Data tunggal dengan seluruh skornya berfrekuensi satu

dimana xi merupakan nilai data

• Data tunggal sebagian atau seluluh skornya berfrekuensi lebih dari satu

dimana xi merupakan nilai data

• Data kelompok ( dalam distribusi frekuensi)

dimana xi merupakan tanda kelas dari interval ke-i dan fi merupakan frekuensi interval ke-i

Contoh :
Dari tabel diperoleh 

3. Simpangan Baku (standard deviation)

Standar deviasi merupakan ukuran penyebaran yang paling banyak digunakan. Semua gugus data dipertimbangkan sehingga lebih stabil dibandingkan dengan ukuran lainnya. Namun, apabila dalam gugus data tersebut terdapat nilai ekstrem, standar deviasi menjadi tidak sensitif lagi, sama halnya seperti mean.

Standar Deviasi memiliki beberapa karakteristik khusus lainnya. SD tidak berubah apabila setiap unsur pada gugus datanya di tambahkan atau dikurangkan dengan nilai konstan tertentu. SD 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.

Rumus Simpangan Baku untuk Data Tunggal

• untuk data sample menggunakan rumus

• untuk data populasi menggunkan rumus

Contoh :
Selama 10 kali ulangan semester ini sobat mendapat nilai 91, 79, 86, 80, 75, 100, 87, 93, 90,dan 88. Berapa simpangan baku dari nilai ulangan sobat?

Jawab
Soal di atas menanyakan simpangan baku dari data populasi jadi menggunakan rumus simpangan baku untuk populasi.
Kita cari dulu rata-ratanya
rata-rata = (91+79+86+80+75+100+87+93+90+88)/10 = 869/10 = 85,9

Kita masukkan ke rumus

Rumus Simpangan Baku Untuk Data Kelompok

• untuk sample menggunakan rumus

• untuk populasi menggunakan rumus

Contoh :Diketahui data tinggi badan 50 siswa samapta kelas c adalah sebagai berikut

hitunglah berapa simpangan bakunya
1. Kita cari dulu rata-rata data kelompok tersebut

2. Setelah ketemu rata-rata dari data kelompok tersebut kita bikin tabel untuk memasukkannya ke rumus simpangan baku

4. Varians (variance)

Varians adalah salah satu ukuran dispersi atau ukuran variasi.  Varians dapat menggambarkan bagaimana berpencarnya suatu data kuantitatif.  Varians diberi simbol  σ² (baca: sigma kuadrat) untuk populasi dan untuk s² sampel.

Selanjutnya kita akan menggunakan simbol s²  untuk varians karena umumnya kita hampir selalu berkutat dengan sampel dan jarang sekali berkecimpung dengan populasi.

Rumus varian atau ragam data tunggal untuk populasi

Rumus varian atau ragam data tunggal untuk sampel

Rumus varian atau ragam data kelompok untuk populasi

Rumus varian atau ragam data kelompok untuk sampel

Keterangan:
σ² = varians atau ragam untuk populasi
S² = varians atau ragam untuk sampel
f_i = Frekuensi
x_i = Titik tengah
x¯ = Rata-rata (mean) sampel dan   μ = rata-rata populasi
n =  Jumlah data

5. Koefisien variasi (Coefficient of variation)

Koefisien variasi merupakan suatu ukuran variansi yang dapat digunakan untuk membandingkan suatu distribusi data yang mempunyai satuan yang berbeda. Kalau kita membandingkan berbagai variansi atau dua variabel yang mempunyai satuan yang berbeda maka tidak dapat dilakukan dengan menghitung ukuran penyebaran yang sifatnya absolut.

Koefisien variasi adalah suatu perbandingan antara simpangan baku dengan nilai rata-rata dan dinyatakan dengan persentase.

Besarnya koefisien variasi akan berpengaruh terhadap kualitas sebaran data. Jadi jika koefisien variasi semakin kecil maka datanya semakin homogen dan jika koefisien korelasi semakin besar maka datanya semakin heterogen.

Daftas Pustaka :

 Suharyadi, & Purwanto. (2009). In Statistika untuk Ekonomi dan Keuangan Modern. Jakarta: Salemba Empat.