Pengukuran Penyimpangan adalah
ukuran yang menyatakan seberapa jauh penuimpangan nilai-nilai data dari
nilai-nilai pusatnya atau ukuran yang menyatakan seberapa banyak nilai-nilai
data yang berbeda dengan nilai-nilai pusatnya.
Pengukuran penyimpangan pada
dasarnya adalah pelengkap dari ukuran nilai pusat dalam menggambarkan
sekumpulan data. Jadi, dengan adanya ukuran penyimpangan maka penggaambaran
sekumpulan data akan menjadi lebih jelas dan tepat.
Ada
beberapa macam ukuran penyimpangan atau dispersi misalnya nilai jarak (range),
rata-rata simpangan (mean deviation), simpangan baku (standard deviation) dan
koefisien variasi (coefficient of variation).
Range (Rentang/Jangkauan)
Nilai rentang ini menunjukkan
selisih antara data yang paling tinggi dengan data yang paling rendah. Dengan
melihat ukuran ini maka dapat diketahui gambaran secara kasar tentang variasi
suatu distribusi data. Nilai range ini sangat kasar, karena tidak
mempertimbangkan nilai-nilai yang lain selain nilai ekstrimnya
Rumus Rentang Data :
R = xt - xr
Dimana :
R
= Rentang
xt =
Data terbesar dalam kelompok
xr
= Data terkecil dalam kelompok
Contoh :
Nilai Kuis 10 Mahasiswa antara lain 100, 75, 30, 85,
87, 25, 100, 55, 87, 70
Data terkecil = 25
Data terbesar = 100
R = 100 – 25 = 75
Maka range data tersebut adalah 75. Rentang data
inilah yang menunjukan tingkat variasi kelompok.
Varian dan Standar Deviasi
Salah seorang pembaca blog ini bertanya tentang maksud
dari standar deviasi serta bagaimana mencari standar deviasi dari suatu
kelompok data. Berangkat dari pertanyaan tersebutlah maka postingan tentang varian
dan standar deviasi ini dibuat.
Berbicara tentang standar deviasi atau simpangan baku
dalam bahasa Indonesia tidak bisa lepas dari varians. Hal ini karena standar
deviasi adalah akar kuadrat dari varians atau sebaliknya, varians adalah
kuadrat dari standar deviasi.
Dispersi mengukur variasi data yang diteliti dari
angka rata-ratanya. Perbedaan antara nilai data yang diteliti dengan nilai
rata-ratanya disebut dengan deviasi (deviation).
Ada berbagai cara untuk mengukur deviasi, antara
lain :
1) Deviasi rata-rata
2) Deviasi absolut rata-rata
3) Deviasi kuadrat rata-rata
4) Varian
5) Deviasi standar
1) Deviasi Rata-rata (Average Deviation)
Deviasi rata-rata adalah penjumlahan dari deviasi
masing-masing data yang diteliti dengan nilai rata-ratanya dibagi dengan jumlah
data.
∑ ( xi
– x )
Deviasi rata-rata = ---------------
n
Kelemahan deviasi rata-rata adalah jika nilai
deviasi yang bertanda negatif sama besar dengan nilai deviasi yang bertanda
positif, maka deviasi rata-rata yang merupakan penjumlahan akan sama dengan
nol.
2) Deviasi Absolut Rata-rata (Mean Absolute Deviation)
Deviasi ini menghitung deviasi rata-rata dengan
mengabaikan tanda positif atau negatif pada nilai deviasi setiap data yang
diteliti dan hanya menggunakan nilai absolut untuk masing-masing deviasi.
∑│
xi – x │
Deviasi absolut rata-rata = ---------------
n
3) Deviasi
Kuadrat Rata-rata (Mean Squared Deviation)
Cara lain yang digunakan untuk menghilangkan tanda
positif atau negatif pada masing-masing deviasi, selain dengan deviasi
rata-rata absolut, adalah dengan mengkuadratkan masing-masing deviasi.
∑ ( xi
– x )2
Deviasi rata-rata = ---------------
n
4) Varian
(variance)
Nilai rata-rata dari eviasi yang dikuadratkan
tersebut bermanfaat untuk mengukur variabilitas sampel. Penghitungan nilai
rata-rata tersebut dalam kaitannya dengan proses inferensi akan cenderung
menghasilkan estimasi yang lebih rendah terhadap parameter populasinya, karena
menggunakan jumlah data (n) sebagai pembagi dari jumlah deviasi yang
dikuadratkan. Untuk mengeliminasi masalah estimasi tersebut, pernghitungan
nilai rata-rata deviasi yang dikuadratkan dibagi dengan (n-1). Perhitungan
rata-rata ini selanjutnya disebut dengan varian
sampel (s2).
∑ ( xi – x )2
Varian = s2
= ----------------
(n-1)
5) Deviasi Standar (Standard Deviation)
Varian mengukur
dispersi dengan nilai yang dikuadratkan.
Penggunaan kudrat sebagai ukuran mempunyai
kelemahan, yaitu :
- Semakin besar nilai deviasi masing-masing data yang diteliti dari rata-ratanya, maka nilai variannya juga semakin besar.
- Jika data yang diteliti berupa satuan uang (Rupiah), maka variannya dalam bentuk rupiah yang dikuadratkan.
Untuk mengembalikan ukuran dispersi menjadi ukuran
(semula) yang sama dengan ukuran data yang diteliti, dihitung nilai akar dari
varian yang selanjutnya disebut dengan deviasi standar (s).
Contoh :
n = 9, x = 30
|
|||
x
|
( xi – x )
|
│ xi – x │
|
( xi – x )2
|
40
|
10
|
10
|
100
|
10
|
-20
|
20
|
400
|
20
|
-10
|
10
|
100
|
40
|
10
|
10
|
100
|
35
|
5
|
5
|
25
|
25
|
-5
|
5
|
25
|
15
|
-15
|
15
|
225
|
40
|
10
|
10
|
100
|
45
|
15
|
15
|
225
|
∑
|
0
|
100
|
1.300
|
Berdasarkan data diatas, pengukuran tendensi
sentral dan dispersi adalah sebagai berikut :
- Deviasi rata-rata = 0
- Deviasi absolut rata-rata = 100/9 = 11,11
- Deviasi kuadrat rata-rata = 1.300/9 = 144,44
- Varian = 1.300/8 = 162,50
- Deviasi standar = 12,75
VARIAN
Varian merupakan jumlah kuadrat semua
deviasi nilai-nilai individual terhadap rata-rata kelompok. Varian merupakan
konsep yang cukup penting dalam statistik, karena merupakan dasar dari banyak
metode statistik inferensial. Sebagai contoh, berikut adalah tampilan data:
10, 12, 15, 16 dan 12
Maka dapat dengan mudah dihitung
rata-rata dari lima data di atas adalah (10 + 12 + 15 + 16 + 12)/5 = 65/5 = 13.
Varian dihitung berdasarkan kuadrat selisih dari masing-masing data terhadap
nilai rata-ratanya, sehingga:
(10-13)^2
+ (12-13)^2 + (15-13)^2 + (16-13)^2 + (12-13)^2 = (-3)^2 + (-1)^2 + 2^2 + 3^2 +
(-1)^2 = 9 + 1 + 4 + 9 + 1 = 24.
Jadi besarnya varian adalah 24 dibagi 5
(jumlah data jika merupakan populasi) atau dibagi 5-1 = 4 jika merupakan
sampel. Sehingga nilainya adalah 24/4 = 6 (dianggap merupakan sampel).
Dan
jika akan dihitung standar deviasi maka akar kuadrat dari 6 yaitu sebesar
2,449.
Varian
merupakan ukuran variabilitas data, yang berarti semakin besar nilai varian
berarti semakin tinggi fluktuasi data antara satu data dengan data yang lain.
Contoh
:
data
gaji pada dua kelompok masyarakat di bawah:
Kelompok
kampung: 3 juta, 1 juta, 6 juta, 8 juta, rata-rata 4,5 juta
Kelompok perumahan: 4 juta, 5 juta, 4,2 juta, 4,8 juta, rata-rata 4,5 juta.
Kelompok perumahan: 4 juta, 5 juta, 4,2 juta, 4,8 juta, rata-rata 4,5 juta.
Empat
orang dari dua kelompok diambil secara acak dan diambil data gaji perbulannya.
Kelompok pertama, terdiri dari empat orang warga kampung X, yang pertama
mempunyai gaji 3 juta, yang kedua 1 juta, yang ketiga 6 juta dan yang keempat 8
juga, maka rata-ratanya adalah sebesar 4,5 juta.
Empat
orang dari kelompok kedua, yaitu warga perumahan, yang pertama mempunyai gaji 4
juta, yang kedua 5 juta, yang ketiga 4,2 juta dan yang keempat 4,8 juta dengan
rata-rata 4,5 juta.
Tampak
bahwa rata-rata kedua kelompok adalah sama yaitu sebesar 4,5 juta. Tampilan
data dengan rata-rata, menimbulkan bias, karena seolah-olah mempunyai rata-rata
yang sama, sehingga kebijakan yang diambil dapat salah. Jika kita menghitung
varian dari kedua kelompok tersebut akan diperoleh bahwa kelompok pertama
mempunyai varian sebesar 29/3 = 9,67 dan untuk kelompok kedua mempunyai varian
sebesar 0,68/3 = 0,227. Tampak bahwa varian kelompok satu (warga kampung) lebih
tinggi dari pada varian kelompok kedua (warga perumahan). Interpretasinya
adalah bahwa pendapatan warga kampung sangat berfluktuatif ada yang kecil ada
yang sangat besar. Akan tetapi pendapatan warga perumahan relatif sama dan
mempunyai tingkat ekonomi yang relatif sama antara satu warga dengan warga
perumahan yang lain. Dengan menyertakan nilai varian pada rata-rata akan memberikan
informasi yang lebih akurat. Demikian juga dengan standar deviasi, yang
besarnya merupakan akar kuadrat dari varian.