SIMPANGAN DAN KEMENCENGAN
description
Transcript of SIMPANGAN DAN KEMENCENGAN
SIMPANGAN DAN KEMENCENGAN
SIMPANGAN ABSOLUTSimpangan absolut merupakan salah satu alat
ukur untuk dalam menentukan variabilitas data, dengan satuan yang sama dengan datanya.
Alasan dibutuhkan pengukuran simpangan adalah: Dapat menilai seberapa jauh letak nilai sentral
terhadap datanya, satu data dengan nilai yang ekstrim sulit disimpulkan bila hanya disimpulkan dari nilai reratanya.
Dapat dipelajari bagaimana variasi kualitas suatu produk, dengan demikian usaha untuk meningkatkan keseragaman kualitas produk dapat diantisipasi.
Perhitungan simpangan
Data tidak dikelompokkan Data dikelompokkan
DATA TIDAK DIKELOMPOKKAN
JENIS SIMPANGANTiga jenis simpangan yang sering digunakan adalah : Rentang (perbedaaan antara datum terbesar dan
terkecil) Rata-rata simpangan (jarak antara tiap data dengan
nilai rata-rata, jarak selalu memberi tanda positif, atau harga mutlak)
Simpangan baku (merupakan simpangan yang paling banyak digunakan, selalu berdampingan dengan rerata aritmatik. Simpangan baku adalah ukuran seberapa jauh nilai yang ada terhadap reratanya). Kuadrat simpangan baku dikenal sebagai varian.
Simpangan ini dapat dihitung berdasarkan data yang dikelompokan dan data yang tidak dikelompokkan.
PERHITUNGAN
DATA TIDAK DIKELOMPOKKAN RENTANG
Datum terbesar dikurangi datum terkecil
RATA-RATA SIMPANGAN (RS)
RS = (Σ I X-μ I)/NDimana:
X = nilai observasi
μ = rerata aritmatik
N = jumlah observasi
I = tanda mutlak
SIMPANGAN BAKU (SB)
TERHADAP POPULASI
σ = [Σ (X – μ)2 / N] atau
σ = [( Σ X2/N – (ΣX/N)2 ](TANPA MENGHITUNG RATA-RATA)
TERHADAP SAMPEL
S = [Σ (Xi – X)2 / (n-1)]Dimana: xi = data
x = rerata aritmatik sampel
DATA TIDAK DIKELOMPOKKAN
RATA-RATA SIMPANGAN
DATA (X) X-μ I X-μ I
18 -13 13
19 -12 12
19 -12 12
19 -12 12
19 -12 12
19 -12 12
20 -11 11
20 -11 11
45 14 14
45 14 14
46 15 15
47 16 16
48 17 17
50 19 19
434 190
μ = 434/14 = 31
RS = 190/14 = 13.57
SIMPANGAN BAKU
DATA (X) X-μ (X-μ)^2
18 -13 169
19 -12 144
19 -12 144
19 -12 144
19 -12 144
19 -12 144
20 -11 121
20 -11 121
45 14 196
45 14 196
46 15 225
47 16 256
48 17 289
50 19 361
434 2654
σ = [ 2654/14] = 13.8
SB TANPA MENGHITUNG RERATA
DATA (X) x^2
18 324
19 361
19 361
19 361
19 361
19 361
20 400
20 400
45 2025
45 2025
46 2116
47 2209
48 2304
50 2500
434 16108
σ = [ (16108/14) - (434/14)^2] = 13.8
DATA DIKELOMPOKKAN
Dalam data yang dikelompokkan, maka dispersi yang biasa digunakan adalah simpangan baku.
Alternatif lain adalah menghitung simpangan kuartil yang digunakan bersama median untuk menjelaskan apakah distribusinya bisa dijelaskan dengan rerata aritmatik dan simpangan baku
Simpangan baku (data dikelompokkan)
Untuk populasiσ = [Σ f (m-μ)2 / N] Untuk sampel [Σ f (m-x)2 / (n-1)] Bila simpangan baku dihitung tanpa
memasukkan rerata aritmatik maka persamaan yang digunakan
[(1 / N) Σ f (m)2 - ( Σfm)2/ N]
Pemakaian air Frekuensi
titik tengah kelas
simpangan
(f) (xi)atau(m) f.m
(m-u) (m-u)^2 f(m-u)^2
80- 89 2 84.5 169-30.2 912.04 1824.08
90 - 99 6 94.5 567-20.2 408.04 2448.24
100 - 109 10 104.5 1045-10.2 104.04 1040.40
110 - 119 14 114.5 1603-0.2 0.04 0.56
120 - 129 9 124.5 11219.8 96.04 864.36
130 - 139 7 134.5 94219.8 392.04 2744.28
140 - 149 2 144.5 28929.8 88.04 1776.08
50 573510698.00
Simpangan baku = 10698/50 = 14.63 L/org/hari
1009070 80 110 130120
u-1σ-3σ -2σ 1σ 3σ2σ
68.3%
95.4%
99.7%
Banyak didapati data tersebar disekitar reratanya dalam bentuk yang hampir simetris. Dalam hal ini simpangan baku akan sangat bermanfaat sebagai pengukur sebaran data tersebut. Misalnya distribusi normal dari pengukuran iQ dari populasi, dengan rata 100 dan simpangan baku 10Z=x-u/simpangan baku
Simpangan kuartil
Seperti rentang simpangan kuartil adalah jarak antara titik-titik observasi terpilih.
Rangkaian data dibagi empat sama besar
Nilai terendah
Nilai tertinggi
Q1
25%
Q2
50%
median
Q3
75%
Kuartil 1 = Q1 = 25% dari data
Kuartil 2 = Q2 = 50% dari data
Kuartil 3 = Q3= 75% dari data
Rentang antar Kuartil adalah jarak antara Q3 dan Q1
Persamaan simpangan kuartil
Qn = LQn + [(N n/4 – KF)/fQn] I
L Qn = ujung bawah dari kuartil ke n dihitung dari frekuensi kumulatif
FQn = frekuensi kuartil ke n
SQ = (Q3 – Q1)/2
Simpangan relatif
Kadang kala dalam analisis diinginkan untuk membandingkan simpangan yang datanya tidak selalu proporsional, atau antara satu data dengan data yang lainnya tidak mempuyai satuan yang sama. Dalam ha ini simpangan relatif yang paling sering digunakan adalah koefisien variasi (KV)
Contoh
Rerata gaji perusahaan A = Rp400.000,. Per orang dengan simpangan baku Rp100.000,. Rerata gaji perusahaan B = Rp250.000,. Per orang dengan simpangan baku Rp50.000,.
KVA = (100.000/400.000) 100% = 25%
KVB = (50.000/250.000) 100% = 20%
Artinya dispersi gaji di mperusahaan B relatif lebih kecil dibanding perusahaan A
Hasil pengukuran timbulan sampah di kota A terdapat dalam 2 satuan,yaitu satuan berat dan satuan volume yang diukur selama 7 hari, yaitu :
Satuan berat adalah 0.378 kg/orang/hari dengan SB = 0.323 kg/orang /hari
Satuan volume adalah 2.18 L/orang/hari dengan SB = 1.15 L/orang/hari
Maka KV berat = (0.323/0.378) 100% =85.45%
KV volume = (1.15/2.18) 100% = 52.75%Artinya pengukuran secara berat menghasilkan
data yang lebih bervariasi
UKURAN KEMENCENGAN
Kaitan antara nilai sentral biasanya dinyatakan dengan ukuran kemencengan (skewness) yang memberikan arah dari grafik (condong ke kanan atau kekiri),
Persamaan
SK = [3 (μ – Md)] / σ
contoh
Data: Rerata aritmatik = 115.2 L/orang/hari Median = 115 L/orang/hari Simpangan baku = 14.63 L/orang/hariMaka ukuran kemencengan = Sk = [3(115.2 – 115)] / 14.63 = +0.041Artinya grafik condong ke kanan, dan rerata
aritmatik ada di kanan median.
gambar di bawah merupakan hubungan ketiga nilai sentral tersebut (rerata, median, dan modus)
Distribusi kemencengan +
Mo Med rerata
Distribusi kemencengan -
Rerata Med Mo
Distribusi simetris