You are on page 1of 168

BAB VI

UKURAN PENYEBARAN




A. PENDAHULUAN
Telah dikemukakan, bahwa penyajian data statistik dalam
berbagai bentuk table distribusi frekuensi dan grafik, sedikit banyak
telah membantu berbagai pihak misalnya saja seorang peneliti.
Dalam rangka mengenal dan mengetahui ciri atau sifat yang
terkandung dalam sekumpulan bahan keterangan (data) yang
berupa angka maka ia sangat membutuhkan statistika.
Namun demikian, yang harus diingat ialah, kegiatan
menganalisis data yang hanya dengan mengetahui frekuensi dan
nilai rata-ratanya saja dipandang belum tajam dan teliti, sebab
masih terdapat banyak hal yang berada di luar jangkauan
pengetahuan seorang peneliti dari keterangan tersebut. Karena
sekalipun distribusi frekuensi dan nilai rata-ratanya telah diketahui,
tetapi bagaimana penyebaran/ pemencaran/ variansi/ disperse/
variabilitas data itu sebenarnya belum terlihat secara jelas oleh
peneliti.
Jadi menggambarkan karakteristik sekelompok data ternyata
tidak cukup dengan hanya melihat ukuran pemusatannya, karena
ukuran pemusatan hanya memberikan informasi tunggal tentang
dimana data mengumpul, tanpa mengetahui bagaimana pola
distribusi data secara keseluruhan. Untuk tujuan yang terakhir
disebutkan ini, yaitu untuk mengetahui bagaimana pola distribusi
data secara keseluruhan, digunakan ukuran penyebaran. Ukuran
penyebaran memberikan informasi tentang bagaimana pola data

menyebar, atau seberapa luas data menyebar disekitar rata-ratanya.
Semakin besar nilai pada ukuran penyebaran menunjukkan
semakin luas sebaran data, yang berarti variasi antara satu data
dengan data lainnya semakin besar dan berarti pula datanya
semakin heterogen.
Ukuran penyebaran sangat berguna untuk membandingkan
sifat homogenitas atau kesamaan variasi antara dua populasi.
Perhatikan dua himpunan data tentang jumlah nilai pada raport
siswa kelas VA dan kelas VB MI berikut ini:
Nilai kelas VA: 115 110 86 82 97 100 82 95 89 54
Nilai kelas VB: 96 95 88 96 79 86 93 88 88 91
Jika kedua kelompok data di atas dihitung rata-ratanya maka
akan diperoleh rata-rata yang sama, yaitu 90, tetapi apakah kedua
kelompok data mempunyai nilai-nilai data yang sama? Nilai raport
pada kelas VA lebih bervariasi atau heterogen dibandingkan
dengan kelas VB, dengan range yang lebih lebar yaitu antara 54
sampai dengan 115. Sedangkan kelas VB, nilai raport anak hampir
sama, rangenya lebih sempit dan nilai-nilainya lebih dekat dengan
nilai rata-ratanya. Secara kasar, dapat dianalisis bahwa di kelas VA
terdapat anak dengan kemampuan yang sangat tinggi dan juga
berkemampuan sangat rendah, sedang di kelas VB kemampuan
anak relatif sama. Informasi sederhana ini dapat menjadi dasar bagi
guru dalam menerapkan metode pengajaran yang tepat untuk kelas
dengan materi yang berbeda.
Sehubungan dengan hal-hal yang telah dikemukakan di atas,
maka agar dapat dicapai tingkat ketajaman analisis, disamping
mengetahui distribusi frekuensi dan mengetahui nilai rata-rata dari
data yang sedang kita teliti, maka untuk analisis lebih lanjut
terhadap data tersebut perlu ditentukan ukuran yang dapat
digunakan untuk mengetahui variabilitas atau penyebarannya.
Sebuah nilai untuk mengukur seberapa besar data menyebar relatif

terhadap rata-rata inilah yang disebut dengan nama Ukuran
Variabilitas Data (Measures of Variabilitas) atau Ukuran Penyebaran
Data (Measures of Dispersion).
Pengertian ukuran penyebaran data pada dasarnya ada
bermacam-macam diantaranya adalah ukuran penyebaran data
merupakan berbagai macam ukuran statistik yang dapat digunakan
untuk mengetahui luas penyebaran data, atau variasi data, homogenitas
data, dan stabilitas data. Dalam statistika dikenal beberapa macam
ukuran penyebaran data yaitu dari ukuran yang paling sederhana
(kasar) sampai dengan ukuran yang dipandang memiliki kadar
ketelitian yang tinggi. Ada beberapa ukuran penyebaran yang dapat
digunakan, yaitu: (1) Jangkauan/Range, (2) Deviasi / Simpangan
(yaitu Deviasi Kuartil, Deviasi Rata-rata dan Deviasi Standart), (3)
Ragam / Variance. Sebagaimana dalam ukuran pemusatan, ukuran
penyebaran dapat dihitung pada data tunggal ataupun data
kelompok.

B. JANGKAUAN (RANGE)
Range dikenal sebagai ukuran penyebaran data yang paling
sederhana dan karena itu range sering juga disebut sebagai ukuran
penyebaran data yang paling kasar. Range yang biasa diberi
lambang R adalah salah satu ukuran statistic yang menunjukan
jarak penyebaran antara skor (nilai) yang terendah (Lowest Score)
sampai skor (nilai) yang tertinggi (Highest Score). Dengan singkat
dapat dirumuskan :

R = H L. Atau R = Xt Xr (6.1)

Keterangan
R = Range yang kita cari

H = Skor (nilai) yang tertinggi ( Xt )
L = Skor (nilai) yang terendah (Xr )
Pemakaian keterangan yang diberikan oleh range sebagai
tambahan bagi keterangan yang telah diberikan oleh harga rata-rata
mengenai sekumpulan data, dapat memberi gambaran yang lebih
terang mengenai kumpulan data itu. Artinya range kita gunakan
sebagai ukuran, apabila di dalam waktu yang sangat singkat kita
ingin memperoleh gambaran tentang penyebaran data yang sedang
kita selidiki dengan mengabaikan faktor ketelitian atau kecermatan.

Contoh 9 :
Dua kelompok memiliki distribusi sebagai berikut :

Kedua kelompok di atas mempunyai range yang
sama yaitu 10-1 = 9, walaupun distribusi kedua
kelompok nilainya jelas berbeda.
Contoh 10 :
Berikut ini adalah contoh perhitungan range nilai
hasil tes untuk 5 macam bidang studi dari 3 orang
peserta yang mengikuti tes seleksi penerimaan calon
mahasiswa baru pada sebuah Perguruan Tinggi
Agama Islam






A : 1 8 9 9 10 10
B : 1 2 4 6 8 10


Keterangan :
Kolom 3 s.d 7 menunjukan distribusi nilai hasil yang
dicapai oleh 3 orang calon.
Kolom 8 memuat nilai tertinggi (Highest Score) setiap
calon.
Kolom 9 memuat nilai terendah (Lowest Score) setiap
calon.
Kolom 10 menunjukan jumlah seluruh nilai.
Kolom 11 adalah mean (nilai rata-rata hitung) yang
dicapai oleh masing-masing calon.
Dari tabel di atas kita ketahui bahwa berdasarkan nilai range
kita dapat mengatakan semakin kecil range dari suatu distribusi
data, maka kita memiliki kecenderungan untuk menganggap bahwa
mean yang kita peroleh merupakan wakil yang representatif dari
data yang bersangkutan., sebaliknya semakin besar rangenya, maka
kita akan cenderung untuk menganggap bahwa mean yang kita
peroleh itu sifatnya meragukan.
Dari uraian diatas dapat diambil suatu kesimpulan sebagai
berikut:
Semakin kecil rangenya maka semakin homogen
distribusinya.
Semakin besar rangenya maka semakin heterogen
distribusinya.
Semakin kecil rangenya maka meannya merupakan
wakil yang representatif.
No
Ujian
Na
ma
Nilai Yang dicapai H L R =
H-L
Jum.
Nilai
Mean
PMP Dir.
Isla
Bhs.
Ind
Bhs.
Arb.
Bhs.
Ingg
1. 2.
3.
A
B
C
85
58
65
55
65
65
76
72
65
45
60
65
65
70
65
85
72
65
45
58
65
40 14
0
325
325
325
65
65
65

Semakin besar rangenya maka meannya merupakan
wakil yang kurang reperesentatif.
Kebaikan pemakaian range sebagai salah satu ukuran
penyebaran ialah dengan menggunakan range dalam waktu singkat
dapat diperoleh gambaran umum mengenai luas penyebaran data
yang sedang kita hadapi. Sedangkan kelemahannya ialah:
i. Range akan sangat tergantung kepada nilai-nilai
ekstrimnya. Dengan kata lain, besar kecilnya range akan
sangat ditentukan oleh nilai terendah dan nilai tertinggi
yang terdapat dalam distribusi data, dengan demikian
range sifatnya sangat labil dan kurang teliti.
Contoh:
Data X : H = 80, L = 30 R = 80 -30 = 50
Data Y : H = 95, L = 45 R = 95 45 = 50
Data Z : H = 88, L = 38 R = 88 38 = 50.
ii. Range sebagai ukuran penyebaran data, tidak
memperhatikan distribusi yang terdapat di dalam range
itu sendiri. Ambillah sebagi contoh, misalnya nilai
tertinggi dari nilai terendah yang berhasil, dicapai oleh
8 orang mahasiswa masing-masing adalah 80 dan 40,
sehingga rangenya = 80 40. Dengan range sebesar 40
itu ada kemungkinan distribusi nilai itu adalah: 40, 47,
52, 59, 64, 67, 70 dan 80, mungkin juga: 40, 40, 40, 40, 40,
40, 40 dan 80; mungkin juga: 40, 40, 50, 50, 60, 60, 80, 80,
atau bentuk distribusi lainnya. Yang jelas, dengan
hanya mengetahui range-nya saja, kita belum tahu
secara pasti bagaimana sebenarnya bentuk distribusi
data yang kita hadapi mulai dari nilai terendah sampai
nilai tertinggi.
Karena kelemahan-kelemahan itulah maka sebagai salah satu
ukuran penyebaran data, range sangat jarang digunakan dalam

pekerjaan analisis statistic. Adapun cara mencari range dapat
dibedakan menjadi 3 macam, yaitu :
1. Data Tunggal
Bila ada sekumpulan data tunggal X1, X2, ..., Xn maka
jangkauannya adalah
R = Xt Xr
(6.1)

Contoh 11:
Tentukan jangkauan data : 1, 4, 7, 8, 9, 11!
Jawab:
Xt = 11 dan Xr = 1
Jangkauan = Xt Xr = 11 1 = 10

2. Data Kelompok
Untuk data kelompok, jangkauan dapat ditentukan
dengan dua cara yaitu menggunakan titik atau nilai
tengah dan menggunakan tepi kelas.
a. Jangkauan adalah selisih titik tengah kelas
tertinggi dengan titik tengah kelas terendah.
b. Jangkauan adalah selisih tepi kelas tertinggi
dengan tepi bawah kelas terendah.
Contoh 12:
Tentukan jangkauan dari distribusi frekuensi
berikut !
Tabel Tinggi Badan 50 Mahasiswa
Tinggi Badan (cm) Frekuensi
140 144
145 149
2
4

150 154
155 159
160 164
165 169
170 174
10
14
12
5
3
Jumlah 50

Jawab :
Dari table di atas terlihat bahwa:
Titik tengah kelas terendah = 142
Titik tengah kelas tertinggi = 172
Tepi bawah kelas terendah = 139, 5
Tepi atas kelas tertinggi = 174,5
a. Jangkauan = 172 142 = 30
b. Jangkauan = 174,5 139,5 = 35


3. Range Antarkuartil dan Range Semi Interkuartil
Range antarkuartil adalah selisih antara nilai
kuartil atas ( K3 ) dan kuartil bawah ( K1 ). Dirumuskan

Interquartile Range = K3 - K1 (6.2)

Interquartile range ini mengandung 50 persen
dari pada pengamatan yang terdapat di dalam
kumpulan data yang bersangkutan. Yang termasuk

kedalamnya adalah 50 persen bagian tengah dari pada
kumpulan data itu atau dari suatu pencaran frekuensi
ukuran ini dapat dipakai untuk tujuan tujuan tertentu
dan dapat dicari dengan mudah, yaitu dengan mencari
dahulu nilai-nilai kuartil ketiga dan kuartil pertama.

C. SIMPANGAN RATA-RATA (STANDARD DEVIATION)
Dalam statistika, yang dimaksud dengan deviasi ialah
selisih simpangan dari masing-masing skor atau interval
dengan nilai rata-rata hitung atau mediannya. Bila setiap skor/
nilainya lebih besar dari rata-rata hitungnya, maka deviasinya
positif dan bila setiap skor atau nilainya lebih kecil dari rata-
rata hitungnya, maka deviasinya negatif. Deviasi merupakan
salah satu ukuran variabilitas data yang biasa dilambangkan
dengan huruf kecil dari huruf yang digunakan bagi lambang
skornya. Jadi apabila skornya diberi lambang X maka
deviasinya berlambang x; jika skornya Y maka lambang
deviasinya y; jika skornya Z maka lambang deviasinya z.
Karena deviasi merupakan simpangan atau selisih dari
masing-masing skor terhadap rata-rata hitung groupnya, maka
sudah barang tentu akan terdapat dua jenis deviasi, yaitu: (1)
deviasi yang berada di atas rata-rata hitung, dan (2) deviasi
yang berada di bawah rata-rata hitung. Deviasi yang berada di
atas rata-rata hitung dapat diartikan sebagai selisih lebih;
karenanya deviasi semacam ini akan bertanda plus (+), dan
lazim dikenal dengan istilah deviasi positif. Adapun deviasi
yang berada di bawah rata-rata hitung dapat diartikan sebagai
selisih kurang oleh karena itu, selalu bertanda minus (-), dan
lazim dikenal dengan istilah deviasi negatif. Penjumlahan
deviasi akan selalu menghasilkan nol, sehingga tidak dapat
digunakan untuk mengetahui keragaman data. Supaya hasil

penjumlahan dapat digunakan untuk mengetahui keragaman
data maka pada waktu mengadakan penjumlahan, yang
dijumlahkan adalah harga mutlaknya atau tanda-tanda aljabar
dari deviasi (tanda + dan -) diabaikan, sehingga tanda positif
dan negatifnya tidak mempengaruhi penjumlahan.
Contoh 13:
Skor (X) 8 7 6 5 4 X = 30
Deviasi (x) 2 1 0 -1 -2 x = 0

Ukuran penyebaran dibedakan menjadi 2 kelompok
yaitu ukuran penyebaran mutlak dan ukuran penyebaran
relatif. Ukuran penyebaran mutlak terdiri dari: simpangan rata-
rata (mean deviation), simpangan kuartil (quartile deviation), dan
simpangan baku (standard deviation). Sedangkan yang termasuk
dalam ukuran penyebaran relatif adalah koefisien variasi
(coevicient of Variation)

1. Deviasi Rata-Rata / Simpangan Rata-Rata
Seperti terlihat pada table di atas, jika seluruh
deviasi kita jumlahkan, hasilnya pasti sama dengan nol (x
= 0). Karena jumlah deviasi akan selalu sama dengan nol,
maka kalau deviasi itu kita gunakan sebagai ukuran untuk
mengetahui variabilitas data tidak akan ada manfaatnya
sama sekali. Oleh karena itulah agar deviasi dapat
digunakan sebagai ukuran variabilitas, dalam menjum-
lahkan deviasi itu tanda-tanda aljabar (yaitu tanda + dan -)
yang terdapat di depan deviasi sebaiknya diabaikan.
Dengan kata lain, agar deviasi dapat dimanfaatkan sebagai
ukuran variabilitas, maka penjumlahan itu dilakukan

terhadap harga mutlaknya. Setelah seluruh harga mutlak
deviasi dijumlahkan lalu dihitung rata-ratanya.
Biasanya kita mempergunakan rata-rata hitung atau
median sebagai dasar pengukuran data. Deviasi rata-rata,
dihitung dengan cara menjumlahkan simpangan masing-
masing nilai skor dengan nilai rata-ratanya (atau median)
dan kemudian membaginya dengan banyaknya skor, tanpa
memperhatikan tanda-tanda aljabarnya. Artinya, simpa-
ngan-simpangan itu harus dirata-ratakan seolah-olah
kesemuanya itu adalah positif. Dalam bahasa Inggris
Deviasi Rata-rata dikenal dengan nama Mean Deviation
(diberi lambang MD) atau Average Deviation diberi lambang
AD.
Dari uraian di atas sebenarnya sudah cukup
tergambar apa sebenarnya yang dimaksud dengan simpa-
ngan rata-rata (Sr) itu, yakni jumlah harga mutlak deviasi
dari tiap-tiap skor, dibagi dengan banyaknya skor itu
sendiri. Dengan demikian, apabila pengertian tentang
simpangan rata-rata tadi kita formulasikan dalam bentuk
rumus, maka akan kita peroleh formula sebagai berikut:
a. Data tunggal

Sr =
n
x x
n
i
i
=

1
(6.3)
Keterangan : Sr = Simpangan rata-rata
xi = Nilai pengamatan ke-i
x = Rata-rata hitung
n = Banyaknya pengamatan

Contoh 14:
Seorang ibu rumah tangga melakukan pencatatan
mengenai jumlah pemakaian gula pasir selama 6 bulan
berturut-turut sebagai berikut:
Bulan Konsumsi gula (kg)
1
2
3
4
5
6
7,00
8,50
6,75
7,25
7,50
7,25
Carilah simpangan rata-rata dari pemakaian gula pasir
tersebut!
Jawab :
i. Kalau memakai dasar perhitungan rata-rata
hitung.
Konsumsi gula (kg)
(xi)
Simpangan = xi - x
7,00
8,50
6,75
7,25
7,50
7,25
7,00 - 7,375 = 0,375
8,50 - 7,375 = 1,125
6,75 - 7,375 = 0,625
7,25 - 7,375 = 0,125
7,50 - 7,375 = 0,125
7,25 - 7,375 = 0,125
xi = 44,25 ( xi - x ) = 2,500


x = xi / n = 44,25 / 6 = 7,375
Sr = 2,500/6 = 0,417 kg/bulan
ii. Kalau memakai dasar perhitungan median
Konsumsi gula (kg)
(xi)
Simpangan = xi - Me
7,00
8,50
6,75
7,25
7,50
7,25
7,00 - 7,25 = 0,25
8,50 - 7,25 = 1,25
6,75 - 7,25 = 0, 5
7,25 - 7,25 = 0,00
7,50 - 7,25 = 0,25
7,25 - 7,25 = 0,00
xi = 44,25 ( xi - Me) = 2,25
Me = 7,25
Sr = 2,25/6 = 0,375 kg/bulan
b. Data Kelompok
Untuk data berkelompok (distribusi frekuensi),
deviasi rata-ratanya dapat dihitung dengan rumus:

Sr =

=
=

k
i
i
k
i
i i
f
x x f
1
1
(6.4)



Atau

Sr =

=
=

k
i
i
k
i
t ti i
f
x x f
1
1
(6.5)

Keterangan : Sr = Simpangan rata-rata
xti = Nilai tengah pengamatan ke-i
xi = Nilai pengamatan ke-i

t
x = Rata-rata hitung nilai tengah pengamatan
x = Rata-rata hitung pengamatan
fi = Frekuensi kelas ke-i
k = banyaknya kelas
Contoh 15 :
Tentukan simpangan rata-rata dari data pada tabel
berikut!

Usia 31 30 29 28 27 26 25 24 23
frek 4 4 5 7 12 8 5 3 2

Jawab :
Langkah I: Mencari mean, dengan rumus

=
=
=
k
i
i
k
i
i i
f
x f
x
1
1
=
50
1360
= 27,2
Langkah II: Menghitung deviasi masing
skor, dengan rumus:
x = xi - x (Lihat kolom 4).
Langkah III : Mengalikan fi dengan
diperoleh nilai fixsetelah itu dijumlahkan,
sehingga diperoleh fix= 82,0.
Langkah IV : Menghitung simpangan rata
dengan rumus:
Sr =

=
=

k
i
i
k
i
i i
f
x x f
1
1
= 64 , 1
50
0 , 82
=


Tabel Penolong Menghitung Simpangan Rata-Rata Kelompok
Usia (xi ) fi fi xi x = xi - x fi xi
31 4 124 + 3,8 15,2
30 4 120 + 2,3 11,2
29 5 145 + 1,8 9,0
28 7 196 + 1,8 5,6
27 12 324 - 0,2 2,4
26 8 208 - 1,2 9,6
25 5 125 - 2,2 11,0
Menghitung deviasi masing-masing
x sehingga
setelah itu dijumlahkan,
ata-rata,
Kelompok
i - x
15,2
11,2
9,0
5,6
2,4
9,6
11,0

24 3 72 - 3,2 9,6
23 2 46 - 4,2 8,4
Jumlah 50 1360 82,0
Contoh 16:
Tentukan simpangan rata-rata dari ditribusi frekuensi
pada Tabel berikut ini!
Tinggi Badan Mahasiswa STAIN
Tinggi Badan (cm) frek
140 - 144 2
145 - 149 4
150 - 154 10
155 - 159 14
160 - 164 12
165 - 169 5
170 - 174 3
Jumlah 50
Jawab :
Langkah I: Mencari titik tengah kelas, dengan
rumus
2
kelas bawah Batas kelas atas Batas +
= x
ti

Langkah II: Mengalikan fi dengan xti sehingga
diperoleh fi xti ; kemudian jumlahkan. ( fixti = 7885)
Langkah III: Mencari mean, dengan rumus

t
x

=
=
=
k
i
i
k
i
ti i
f
x f
1
1
=
50
7885
= 157,7

Langkah IV: Menghitung deviasi masing-masing
kelas, dengan rumus:
x = xti -
t
x (Lihat kolom 5).
Langkah V: Mengalikan fi dengan x sehingga
diperoleh fix ; kemudian tentukan nilai fix setelah
itu dijumlahkan, sehingga diperoleh fix = 282.
Langkah IV : Menghitung simpangan rata-rata,
dengan rumus:
Sr =

=
=

k
i
i
k
i
t ti i
f
x x f
1
1
= =
50
282
5,64

Tabel Penolong Menghitung Simpangan Rata-Rata Kelompok

Tinggi
Badan (cm)
xti fi fi xti xi=xti -
t
x fi xi
140 - 144 142 2 284 15,7 31,4
145 - 149 147 4 588 10,7 42,8
150 - 154 152 10 1520 5,7 57
155 - 159 157 14 2198 0,7 9,8

160 - 164 162 12 1944 4,3 51,6
165 - 169 167 5 835 9,3 46,5
170 - 174 172 3 516 14,3 42,9
Jumlah 50 7885 282

Dari uraian di atas telah kita ketahui bersama bahwa untuk
memperoleh simpangan rata-rata, semua deviasi yang ada kita
jumlahkan, setelah itu kita bagi dengan N. Dalam menjumlahkan
deviasi masing-masing skor atau deviasi masing-masing interval
itu, tanda-tanda aljabar yang terdapat di depan angka yang
menunjukkan deviasi itu, kita abaikan; berarti semua deviasi yang
ada kita anggap bertanda plus, sebab yang dijumlahkan adalah
harga mutlaknya. Memang cukuplah beralasan bahwa baik tanda
plus maupun randa minus itu pada dasarnya menunjukkan
selisih antara tiap-tiap skor atau interval yang ada dengan mean-
nya (yang dimaksud disini adalah misalnya deviasi sebesar + 1 dan
sebesar 1, sama saja artinya yaitu ada selisih sebesar 1 jika
dibandingkan dengan mean-nya; apakah itu selisih lebih ataukah
selisih kurang). Namun cara kerja demikian sebenarnya secara
matematik kurang dapat dipertanggungjawabkan, yang karenanya
dalam penganalisisan data statistik ukuran ini jarang sekali
digunakan, karena dianggap kurang teliti.
Karakteristik utama dari simpangan rata-rata adalah:
Simpangan rata-rata didasarkan pada setiap nilai di
dalam data. Karenanya ia memberikan gambaran yang
lebih baik mengenai penyebaran data dari pada range
dan simpangan kuartil.
Simpangan rata-rata dihitung dari sebuah rata-rata,
baik rata-rata hitung maupun median. Ia mengukur
penyebaran data sekitar rata-rata lebih baik dari

penyebaran data di dalam nilai-nilai tertentu, seperti
yang di ukur dengan range dan simpangan kuartil.
Simpangan rata-rata merupakan rata-rata hitung dari
nilai-nilai simpangan yang mutlak. Dalam perhitu-
ngannya, simpangan ini mengabaikan tanda-tanda
positif dan negatif dari simpangan terhadap rata-rata.
Ini merupakan kelemahan dari simpangan rata-rata.

2. Simpangan Kuartil (Quartile Deviation),
Simpangan kuartil (quartile deviation) dengan notasi
SK merupakan suatu ukuran dispersi yang didasarkan
atas nilai kuartil, yaitu kuartil pertama (K1) dan kuartil
ketiga (K3). Ukuran ini juga disebut: semi interquartile
range, yang berarti setengah jarak antara kuartil pertama
hingga kuartil ketiga.
Orang biasanya lebih suka memakai istilah quartile
deviation atau semi interquartile range dari pada
interquartile range sebagai ukuran penyebaran. Quartile
deviation adalah sama dengan setengah dari interquartile
range. Oleh karena itu, kita dapat menuliskan rumus quartile
deviation itu sebagai:

Quartile deviation = (1/2) (K3 - K1)
(6.6)

Quartile deviation bukanlah merupakan ukuran-
ukuran yang baik bagi penyebaran sekumpulan data. Jadi,
jika kita hendak mengukur penyebaran sekumpulan data,
biasanya ukuran-ukuran ini tidak kita pakai. Keuntungan
yang mungkin diperoleh dari pemakaian ukuran-ukuran ini

sebagai ukuran penyebaran, hanyalah kemudahan dalam
perhitungan saja. Karakteristik utama dari simpangan
kuartil adalah:
Apabila distribusinya simetris. Maka K1 dan K3
dipisahkan dari median dengan jarak yang sama
(equidistant). Karena itu, jika kita mengukur +- K dari
median kita menghitung 50 % bagian dari distribusi itu
karena kita telah mengukur kembali K1 dan K3.
Apabila distribusinya menceng (skewed), seperti biasa
terjadi kita dapat mengambil +- K di sekitar median; dan
sementara kita tidak akan mencapai salah satu dari K1
atau K3, kita dapat mengharapkan dapat memper-
hitungkan +- 50 % dari bagian itu tanpa memperhatikan
besarnya kemencengan.
Simpangan kuartil relatif tidak dipengaruhi oleh
simpangan-simpangan ekstrim. Di lain pihak karena
sangat tergantung pada nilai K1 dan K3, maka
reliabilitasnya tergantung pada derajad pemusatan
(degree of concentration) pada kuartil-kuartil populasi
dari mana sebuah sampel di ambil. Khususnya bila
terdapat kesenjangan-kesenjangan di dalam populasi di
sekitar kuartil, maka simpangan kuartil itu menjadi
tidak reliabel.
3. Simpangan Baku ( Standard Deviation)
Simpangan baku biasa disebut juga deviasi standar
atau standard deviation karena simpangan baku berasal dari
simpangan rata-rata yang telah dibakukan atau
distandarisasikan, sehingga memiliki kadar kepercayaan
atau reliabiitas yang lebih mantap. Oleh karena itu, dalam
analisis statistika simpangan baku ini mempunyai

kedudukan yang amat penting. Adapun karakteristik
umum dari simpangan baku adalah:
Simpangan baku didasarkan atas simpangan setiap nilai
yang ada di dalam data. Karenanya, sebagaimana
halnya dengan simpangan rata-rata, simpangan baku
ini memberikan gambaran yang lebih baik mengenai
dispersi dari pada range dan simpangan kuartil.
Simpangan baku dihitung dari rata-rata hitung nilai-
nilai yang ada dalam rata-rata, bukan dispersi di dalam
nilai-nilai tertentu seperti yang diukur dengan range dan
simpangan kuartil.
Simpangan baku secara matematis adalah logis (masuk
akal), karena perhitungannya tidak memperhatikan
tanda-tanda positif dan negatif dari simpangan indi-
vidual. Kenyataan ini menambah kegunaan simpangan
baku dalam operasi matematis lebih lanjut.
Bila setiap nilai dari data tertentu ditambah (dikurangi)
dengan sebuah bilangan tetap, simpangan baku tidak
terpengaruh. Hal ini benar karena rata-rata, seperti
pada setiap nilai, juga ditambah (dikurangi) dengan
bilangan tetap tersebut. Jadi, simpangan setiap nilai
dari rata-rata tidak terpengaruh. Tetapi bila setiap nilai
di dalam data dikalikan (dibagi) dengan sebuah
bilangan tetap, simpang baku juga dikalikan (dibagi)
dengan bilangan tetap itu.
Simpangan baku (standard deviation) merupakan ukuran
penyimpangan terhadap nilai rata-ratanya. Semakin kecil
simpangan baku, berarti semakin terkumpul distribusi skornya,
demikian pula sebaliknya. Dengan demikian maka semakin kecil
simpangan baku, maka semakin baik prediksi rata-rata sample
terhadap rata-rata populasinya. Atau dengan kata lain sekumpulan

skor sample maupun skor individual dapat menggambarkan
keseluruhan skor ( skor populasi).
Simpangan baku merupakan harga akar positif dari selisih
item data dengan nilai rata-rata yang dibagi oleh jumlah data (untuk
data tidak berkelompok). Jika ungkapan tersebut kita tuangkan
dalam bentuk rumus, maka rumus umum simpangan baku (s) atau
standard deviation (SD) ialah sebagai berikut:
a. Data Tunggal
Untuk seperangkat data X1, X2, X3, ........... Xn (data
tunggal) simpangan bakunya dapat ditentukan dengan
dua metode, yaitu metode biasa dan metode angka
kasar.
i. Metode Biasa

SD =
( )
1
1
2

=
n
x x
s
n
i
i
, untuk n 30 (6.7)
Atau

SD =
( )
n
x x
s
n
i
i
=

=
1
2
, untuk n > 30 (6.8)





Keterangan :
SD = s = Simpangan baku (Standard Deviation)
xi = Nilai pengamatan ke-i
x = Nilai rata-rata hitung
n = Banyaknya pengamatan
ii. Metode Angka Kasar

s =
1
1
2
1
2

\
|


=
=
n
n
x
x
n
i
n
i
i
i
, untuk n 30 (6.9)

Atau

s =
n
n
x
x
n
i
n
i
i
i

=
=
|

\
|

1
2
1
2
, untuk n > 30 (6.10)

Keterangan :
SD = s = Simpangan baku (Standard Deviation)
xi = Nilai pengamatan ke-i
x = Nilai rata-rata hitung
n = Banyaknya pengamatan

Contoh 17:
Tentukan simpangan baku (standard
deviation) dari data berikut ini!
Nilai kelas VA:
115 110 86 82 97 100 82 95 89 54
Nilai kelas VB:
96 95 88 96 79 86 93 88 88 91
Jawab :
Standard deviation setiap kelas dihitung dengan cara:
Tabel Penolong Menghitung SD kelas VA
Kelas VA
i
x x - x
i

2
i
) x - x (
115 25 625
109 19 361
85 -5 25
81 -9 81
96 6 36
99 9 81
81 -9 81
94 4 16
88 -2 4
52 -38 1444
= 900 = 2754



Rata-rata hitung dari data adalah
n
x
x
n
i
i
=
=
1
=
10
900
10
10
1
=

= i
i
x
= 90
Besarnya standard deviation adalah
SD =
1 - n
) x - (x
s
2
i
=
17,493
9
2754
s = =

Interprestasi dari nilai standard deviation 17,493 adalah bahwa
data menyebar sebesar 17,493 disekitar (baik di atas atau di bawah)
nilai rata-rata yang sebesar 90.

Tabel Penolong Menghitung SD kelas VB
Kelas VB
i
x x - x
i

2
i
) x - x (
96 6 36
95 5 25
88 -2 4
96 6 36
79 -11 121
86 -4 16
93 3 9
88 -2 4

88 -2 4
91 1 1
= 900 = 256

Rata-rata hitung dari data adalah

n
x
x
n
i
i
=
=
1
=
10
900
10
10
1
=

= i
i
x
= 90
Besarnya standard deviation adalah
SD =
1 - n
) x - (x
s
2
i
=
5,333
9
256
s = =

Interprestasi dari nilai standard deviation 5,333 adalah bahwa
data menyebar sebesar 5,333 disekitar (baik di atas atau di bawah)
nilai rata-rata (sebesar 90). Dari kedua data di atas dapat
disimpulkan bahwa meskipun sehimpunan data mempunyai nilai
rata-rata yang sama tetapi standard deviation nya belum tentu sama
juga. Standard deviation kelas VA (17,496) lebih besar dibanding
dengan standard deviation kelas VB (5,333). Hal ini menunjukkan
kemampuan anak di kelas VA lebih bervariasi (heterogen)
dibandingkan dengan kelas VB.
Contoh 18 :
Berikut ini adalah sampel nilai mid test statistika I dari
sekelompok mahasiswa di sebuah universitas.
30 35 42 50 58 66 74 82 90 98

Tentukan simpangan bakunya! (Gunakan kedua rumus).
Jawab :
Tabel Penolong Menghitung Simpangan Baku
i
x x - x
i

2
i
) x - x ( xi
30 - 32,5 1.056,25 900
35 - 27,5 756,25 1.225
42 - 20,5 420,25 1.764
50 - 12,5 156,25 2.500
58 - 4,5 20,25 3.364
66 3,5 12,25 4.356
74 11,5 132,25 5.476
82 19,5 380,25 6.724
90 27,5 756,25 8.100
98 35,5 1.260,25 9.604
= 625 = 4.950,5 = 44.013

i. Dengan metode biasa
Rata-rata hitung dari data adalah
n
x
x
n
i
i
=
=
1
=
10
625
10
10
1
=

= i
i
x
= 62,5
Besarnya standard deviation adalah
SD =
1 - n
) x - (x
s
2
i
= = 23,45
9
4950,5
=

ii. Dengan metode angka kasar:
SD = s =
1
1
2
1 2

\
|


=
=
n
n
x
x
n
i
n
i
i
i
=
( )
1 10
10
625
44013
2


=
1 10
5 . 39062 44013

=
9
5 . 4950

= 056 . 550 = 23,45

b. Data Kelompok
Untuk data berkelompok (distribusi frekuensi),
simpangan bakunya dapat ditentukan dengan tiga
metode, yaitu metode biasa, metode angka kasar, dan
metode coding.
i. Metode Biasa
( )
1
1
1
2

=
=
k
i
i
k
i
t ti i
f
x x f
s , untuk n 30 (6.11)
atau
( )

=
=

=
k
i
i
k
i
t ti i
f
x x f
s
1
1
2
, untuk n > 30 (6.12)


Keterangan :
s = SD = Standard Deviation = Simpangan Baku
xti = Nilai tengah kelas ke-i

t
x = Rata-rata hitung nilai tengah pengamatan
fi = Frekuensi kelas ke-i
k = banyaknya kelas

ii. Metode Angka Kasar

s =
1
1
1
1
2
1 2

\
|

=
=
=
=
k
i
i
k
i
k
i
i
k
i
ti i
ti i
f
f
x f
x f
, untuk n 30 (6.13)
atau
s =

=
=
=
=
|

\
|

k
i
i
k
i
k
i
i
k
i
ti i
ti i
f
f
x f
x f
1
1
1
2
1
2
, untuk n > 30 (6.14)
Keterangan :
s = SD = Standard Deviation = Simpangan Baku
xti = Nilai tengah kelas ke-i

fi = Frekuensi kelas ke-i
k = banyaknya kelas

iii. Metode Coding
|

\
|

|

\
|

= =
=
=
=
1
1
1 1
2
1
1
1
2
k
i
i
k
i
i
k
i
i i
k
i
i
k
i
i i
f f
u f
f
u f
I s , untuk n 30 (6.15)
atau

2
1
1
1
1
2
|
|
|
|

\
|
=

=
=
=
=
k
i
i
k
i
i i
k
i
i
k
i
i i
f
u f
f
u f
I s , untuk n > 30 (6.16)
Keterangan :
s = SD = Standard Deviation = Simpangan Baku
I = panjang interval kelas
fi = frekuensi kelas ke-i
k = banyaknya kelas di dalam pencaran frekuensi
ui = simpangan antara titik tengah kelas ke-i
dengan titik tengah kelas pertengahan di
bagi dengan interval kelas
Contoh 19:
Misalkan data yang tertera pada contoh 15 yang
telah dihitung simpangan rata-ratanya itu kita

cari simpangan bakunya, maka langkah yang
perlu ditempuh adalah sebagai berikut:

Tabel Penolong Perhitungan Deviasi Standar dari data Pada
Contoh 15
xi fi fi xi x - x
i

2
i
) x - x ( fi
2
i
) x - x (
31 4 124 + 3,8 14,44 57,76
30 4 120 + 28 7,84 31,26
29 5 145 + 1,8 3,24 16,20
28 7 196 + 0,8 0,64 4,48
27 12 324 - 0,2 0,04 0,48
26 8 208 - 1,2 1,44 11,52
25 5 125 - 2,2 4,84 24,20
24 3 72 - 3,2 10,24 30,72
23 2 46 - 4,2 17,64 35,28
= 50 = 1360 = 212,00
Jawab :
1) Mencari rata-rata hitung untuk data
kelompok dengan rumus

=
=
=
k
i
i
k
i
i i
f
x f
x
1
1
50
1360
= = 27,2
2) Mencari simpangan tiap-tiap skor yang ada
(kolom 4)

3) Menguadratkan semua simpangan yang ada
(kolom 5)
4) Mengalikan frekuensi (fi) dengan kuadrat
simpangan {
2
i
) x - x ( }, sehingga diperoleh

2
i
) x - x ( = 212
5) Mencari simpangan bakunya dengan rumus:
( )

=
=

=
k
i
i
k
i
t ti i
f
x x f
s
1
1
2

24 , 4
50
212
= = = 2,06
Contoh 20:
Tentukan simpangan baku dari distribusi frekuensi pada
tabel di bawah ini! (gunakan ketiga rumus)
Tabel Berat Badan Mahasiswa STAIN Tahun 2007










Berat Badan (Kg) Frekuensi (f)
40 - 44 8
45 - 49 12
50 - 54 19
55 - 59 31
60 64 20
65 - 69 6
70 - 74 4
Jumlah 100

Jawab :
i. Metode biasa
Berat badan xti fi fi xti xti -
t
x ( xti -
t
x )
2
fi ( xti -
t
x )
40 - 44 42 8 336 -13,85 191,8225 1.534,58
45 - 49 47 12 564 -8,85 78,3225 939,87
50 - 54 52 19 988 -3,85 14,8225 281,63
55 - 59 57 31 1767 1,15 1,3225 40,99
60 64 62 20 1240 6,15 37.8225 756,45
65 - 69 67 6 402 11,15 124,3225 745,94
70 - 74 72 4 288 16,15 260,8225 1043,29
Jumlah 100 5585 5342,75

=
=
=
k
i
i
k
i
i i
f
x f
x
1
1
100
5585
= = 55,85

( )

=
=

=
k
i
i
k
i
t ti i
f
x x f
s
1
1
2

4275 , 53
100
75 , 5342
= = = 7,31




ii. Metode angka kasar
Berat Badan fi xti xti f i xti f i xti
40 - 44 8 42 1764 336 14112
45 - 49 12 47 2209 564 26508
50 - 54 19 52 2704 988 51376
55 - 59 31 57 3249 1767 100719
60 64 20 62 3844 1240 76880
65 - 69 6 67 4489 402 26934
70 - 74 4 72 5184 288 20736
Jumlah 100 5585 317265
s =

=
=
=
=
|

\
|

k
i
i
k
i
k
i
i
k
i
ti i
ti i
f
f
x f
x f
1
1
1
2
1
2

=
100
100
5585
317265
2

=
100
25 , 311922 317265
4275 , 53
100
75 , 5342
= =
= 7,31




iii. Metode coding
Berat Badan xti fi ui ui fiui fiui
40 44 42 8 -3 9 -24 72
45 49 47 12 -2 4 -24 48
50 54 52 19 -1 1 -19 19
55 59 57 31 0 0 0 0
60 64 62 20 1 1 20 20
65 69 67 6 2 4 12 24
70 74 72 4 3 9 12 36
Jumlah 100 100 -23 219
u
i

I
x x
t ti

= ; 57 =
t
x ; I = 5

2
1
1
1
1
2
|
|
|
|

\
|
=

=
=
=
=
k
i
i
k
i
i i
k
i
i
k
i
i i
f
u f
f
u f
I s
2
100
23
100
219
5
|

\
|

=

4619 , 1 . 5 1371 , 2 5 0529 , 0 19 , 2 5 = = =

= 7,31

D. RAGAM (VARIANCE)
Varians adalah nilai tengah kuadrat simpangan dari
nilai tengah atau simpangan rata-rata kuadrat. Untuk sampel,
variansnya (varians sampel) disimbolkan dengan s sedang
untuk populasi, variansnya disimbolkan dengan
2
(baca
sigma). Seperti halnya pada ukuran penyebaran yang lainnya,

maka perhitungan ragam ini dibedakan antara perhitungan
pada data tunggal dan data kelompok.

a. Data Tunggal
Untuk seperangkat data X1, X2, X3, ..... Xn (data
tunggal), variansnya dapat ditentukan dengan dua metode,
yaitu metode biasa dan metode angka kasar.
i. Metode biasa
( )
1
1
2
2

=
n
x x
s
n
i
i
, untuk n 30 (6.17)
atau
( )
n
x x
s
n
i
i
=

=
1
2
2
, untuk n > 30 (6.18)

Keterangan : s
2
= variansi = ragam
xi = Nilai pengamatan ke-i
x = Nilai rata-rata hitung
n = Banyaknya pengamatan
ii. Metode angka kasar
1
1
2
1
2
2

\
|


=
=
n
n
x
x
s
n
i
n
i
i
i
, untuk n 30 (6.19)


atau

n
n
x
x
s
n
i
n
i
i
i

=
=
|

\
|

=
1
2
1
2
2
. untuk n > 30 (6.20)

Contoh 21:
Tentukan varians dari data berikut: 2, 3, 6, 8, 11 !
Jawab :
Tabel Pertolongan Menghitung Varians
xi x - x
i

2
i
) x - x ( xi
2 -4 16 4
3 -3 9 9
6 0 0 36
8 2 4 64
11 5 25 121
= 30 = 54 = 234

i. Metode biasa
6
5
30
1
= = =

=
n
x
x
n
i
i

( )
1
1
2
2

=
n
x x
s
n
i
i
( )
1 5
6
5
1
2

= i
i
x
4
54
= = 13,5

ii. Metode angka kasar
1
1
2
1
2
2

\
|


=
=
n
n
x
x
s
n
i
n
i
i
i
( )
1 5
5
30
234
2

=

5 , 13
4
54
4
180 234
= =

=


b. Data Kelompok
Untuk data berkelompok (distribusi frekuensi),
simpangan bakunya dapat ditentukan dengan tiga metode
yaitu metode biasa, metode angka kasar, dan metode
coding.
i. Metode Biasa

( )
1
1
1
2
2

=
=
k
i
i
k
i
t ti i
f
x x f
s , untuk n 30 (6.21)

atau

( )

=
=

=
k
i
i
k
i
t ti i
f
x x f
s
1
1
2
2
, untuk n > 30 (6.22)



Keterangan :
s
2
= variansi = ragam
xti = Nilai tengah kelas ke-i

t
x = Rata-rata hitung nilai tengah pengamatan
fi = Frekuensi kelas ke-i
k = banyaknya kelas

ii. Metode Angka Kasar
s
2
=
1
1
1
1
2
1 2

\
|

=
=
=
=
k
i
i
k
i
k
i
i
k
i
ti i
ti i
f
f
x f
x f
, untuk n 30 (6.23)
atau
s
2
=

=
=
=
=
|

\
|

k
i
i
k
i
k
i
i
k
i
ti i
ti i
f
f
x f
x f
1
1
1
2
1
2
, untuk n > 30 (6.24)
Keterangan :
s2 = variansi = ragam
xti = Nilai tengah kelas ke-i
fi = Frekuensi kelas ke-i
k = banyaknya kelas


iii. Metode Coding

\
|

|

\
|

= =
=
=
=
1
1
1 1
2
1
1
1
2
2 2
k
i
i
k
i
i
k
i
i i
k
i
i
k
i
i i
f f
u f
f
u f
I s
, untuk n 30 (6.25)
atau

|
|
|
|

\
|
=

=
=
=
=
2
1
1
1
1
2
2 2
k
i
i
k
i
i i
k
i
i
k
i
i i
f
u f
f
u f
I s
, untuk n > 30 (6.26)


Keterangan :
s
2
= variansi = ragam
I = panjang interval kelas
fi = frekuensi kelas ke-i
k = banyaknya kelas
ui = simpangan antara titik tengah kelas ke-i dengan titik
tengah kelas pertengahan di bagi dengan interval
kelas

Contoh 22:
Tentukan varians dari distribusi frekuensi berikut:



Diameter (mm) Frekuensi
65 67
68 70
71 73
74 76
77 79
80 82
2
5
13
14
4
2
Jumlah 40

Jawab :
i. Dengan Metode biasa :
Diameter xti fi fi xti xti -
t
x ( xti -
t
x )
2
fi (xti-
t
x )
2

65 67
68 70
71 73
74 76
77 79
80 82
66
69
72
75
78
81
2
5
13
14
4
2
132
345
936
1050
312
162
-7,425
-4,425
-1,425
1,575
4,575
7,575
55,131
19,581
2,031
2,481
20,931
57,381
110,262
97,905
26,403
34,734
83,724
114,762
Jumlah - 40 2937 467,790
425 , 73
40
2937
1
1
= = =

=
=
k
i
i
k
i
ti i
t
f
x f
x


( )

=
=

=
k
i
i
k
i
t ti i
f
x x f
s
1
1
2
2
40
790 , 467
= = 11,69475

ii. Dengan Metode angka kasar
Diameter xti fi xti
2
fi xti fi xti
2

65 67
68 70
71 73
74 76
77 79
80 82
66
69
72
75
78
81
2
5
13
14
4
2
4356
4761
5184
5625
6084
6561
132
345
936
1050
312
162
8712
23805
67392
78750
24336
13122
Jumlah - 40 2937 216117
s
2
=

=
=
=
=
|

\
|

k
i
i
k
i
k
i
i
k
i
ti i
ti i
f
f
x f
x f
1
1
1
2
1
2

=
( )
40
225 , 215649 216117
40
40
2937
216117
2

694375 , 11
40
775 , 467
= =


iii. Dengan Metode coding
Diameter xti fi ui ui fiui fiui
65 67 66 2 -3 9 -6 18
68 70 69 5 -2 4 -10 20
71 73 72 13 -1 1 -13 13
74 76 75 14 0 0 0 0
77 79 78 4 1 1 4 4
80 82 81 2 2 4 4 8
Jumlah 40 -21 63
u
i

I
x x
t ti

= ; 75 =
t
x ; I = 3

|
|
|
|

\
|
=

=
=
=
=
2
1
1
1
1
2
2 2
k
i
i
k
i
i i
k
i
i
k
i
i i
f
u f
f
u f
I s

\
|

=
2
2
40
21
40
63
3 { }
2 2
525 , 0 575 , 1 3 =
= 9{1,575 0,275625}= 9 {1,299375}
= 11,694375

Hasil perhitungan dengan menggunakan ketiga rumus adalah
sama, namun dengan menggunakan rumus ke-3, perhitungan-
nya jauh lebih sederhana dan cepat.


E. KOEFISIEN VARIASI
Ukuran-ukuran dispersi atau variasi yang telah dibahas
sebelumnya merupakan dispersi absolut, seperti jangkauan,
simpangan rata-rata, simpangan kuartil, dan simpangan baku.
Ukuran dispersi absolut hanya dapat digunakan untuk melihat
penyimpangan-penyimpangan nilai yang terdapat pada
sekumpulan data, bukan untuk beberapa kumpulan data.
Untuk membandingkan dispersi atau variasi dari
beberapa kumpulan data digunakan istilah dispersi relatif, yaitu
perbandingan antara dispersi absolut dan rata-ratanya. Dispersi
relatif dirumuskan:

% 100 x
rata Rata
absolut Dispersi
relatif Dispersi

=
(6.27)


Ukuran dispersi ini dinyatakan dengan (%), gunanya
untuk mengamati prosentase variasi data atau sebaran data
dari meannya (rata-ratanya). Artinya semakin kecil koefisien
variasinya maka data semakin seragam (homogen), sebaliknya
semakin besar koefisien variasinya maka data semakin
heterogen.
Dispersi mutlak seperti yang telah diuraikan umumnya
dinyatakan dalam bentuk satuan original, misalnya: dalam
rupiah, kilogram, liter, dan sebagainya. Apabila diinginkan
untuk membandingkan dispersi dari dua buah rangkaian atau
lebih dengan mempergunakan ukuran mutlak akan sulit
dilakukan manakala rangkaian-rangkaian itu memiliki satuan
ukuran atau ukuran rata-rata yang berbeda satu dengan yang
lain. Misalkan kita ingin membandingkan dispersi antara gaji
pegawai negeri yang dibayar secara bulanan dengan upah

buruh kasar yang dibayar secara harian. Gaji dan upah
mempunyai ukuran rata-rata yang berlainan, gaji diukur atas
dasar bulanan sedang upah diukur atas dasar harian. Demikian
pula kita tidak dapat membandingkan secara mutlak dispersi
antara gula pasir yang mempunyai satuan berat kilogram
dengan tekstil yang mempunyai satuan panjang meter.
Untuk mengatasi kesulitan ini Karl Pearson (1857
1936) telah menciptakan ukuran lain yang disebut Koefisien
Variasi (KV). Ukuran ini merupakan ukuran yang relatif
sifatnya karena diperoleh dengan cara yang tidak langsung.
Dispersi relatif kemudian dikembangkan untuk mengetahui
variasi dari beberapa ukuran dispersi absolut, yaitu: variasi
jangkauan, variasi simpangan rata-rata, variasi simpangan
kuartil, dan variasi simpangan baku sebagai berikut:
1. Variasi Jangkauan (VR)
Variasi jangkauan adalah dispersi relatif yang dispersi
absolutnya digantikan dengan jangkauan. Variasi jangkauan
dirumuskan:

% 100 x
x
R
VR =
(6.28)


2. Variasi Simpangan Rata-Rata (VSR)
Variasi simpangan rata-rata adalah dispersi relatif yang
dispersi absolutnya digantikan dengan simpangan rata-rata.
Variasi simpangan rata-rata dirumuskan:

% 100 x
x
SR
VSR =
(6.29)


3. Variasi Kuartil (VK).
Variasi kuartil adalah dispersi relatif yang dispersi
absolutnya digantikan dengan kuartil. Variasi kuartil
dirumuskan:

% 100 x
x
SK
VK =
(6.30)
atau

% 100 x
Me
SK
VK =
(6.31)
atau

% 100
1 3
1 3
x
K K
K K
VK
+

=
(6.32)

4. Variasi Simpangan Baku (KV)
Variasi simpangan baku adalah dispersi relatif yang dispersi
absolutnya digantikan dengan simpangan baku. Variasi
simpangan baku ini lebih dikenal dengan istilah Koefisien
Variasi. Koefisien variasi merupakan angka perbandingan
antara nilai simpangan baku (tingkat penyimpangan data )
dengan nilai rata-ratanya (nilai tengahnya). Rumus yang
digunakan untuk menghitung koefisien variasi data
berkelompok dan data tunggal adalah:

% 100
x
s
KV = (6.33)



Keterangan : KV = Koefisien variasi
SD = s = Simpangan baku (Standard Deviation)
x = Nilai rata-rata hitung
Contoh 23:
Dari suatu penelitian diketahui penjualan besi beton
di toko A dan toko B adalah sebagai berikut: rata-rata
kekuatan besi beton di toko A yang terjual adalah
55590 dengan simpangan baku 20. Sedangkan rata-
rata kekuatan besi beton di toko B yang terjual adalah
76000 dengan simpangan baku 25.
a. Tentukan koefisien variasi masing-masing!
b. Di toko mana sebaiknya kita membeli besi
beton!
Jawab :
a.
% 036 , 0 % 100
590 . 55
20
% 100 = = = x x
x
s
KV
A
A
A
% 033 , 0 % 100
000 . 76
25
% 100 = = = x x
x
s
KV
B
B
B

Jadi, variasi kekuatan besi beton yang terjual
di toko A lebih besar dari pada variasi
kekuatan besi beton di toko B.
b. Sebaiknya membeli besi beton di toko B.






Contoh 24:
Dalam suatu sampel penelitian diketahui gaji
karyawan di dua perusahaan yang sedang
berkembang adalah sebagai berikut:
Perusahaan A : 250, 500, 550, 600, 300, 350, 400
Perusahaan B : 350, 450, 500, 750, 200, 250, 300
a. Tentukan dispersi relative dari kedua
perusahaan tersebut dengan menggunakan
keempat cara diatas !
b. Perusahaan manakah yang memiliki variasi gaji
lebih baik ?
Jawab :
Tabel Penolong Menghitung Dispersi
relative
Perusahaan A

i
x x - x
i

2
i
) x - x (
250 171,4286 29387,76
300 121,4286 14744,9
350 71,42857 5102,041
400 21,42857 459,1837
500 78,57143 6173,469
550 128,5714 16530,61
600 178,5714 31887,76
=2950 =771,4286 =104285,7




Perusahaan B

i
x x - x
i

2
i
) x - x (
200 200 40000
250 150 22500
300 100 10000
350 50 2500
450 50 2500
500 100 10000
750 350 122500
=2800 =1000 =210000

1. Perhitungan variasi jangkauan.
RA = 600 250 = 350
=
A
x 4286 , 421
7
2950
= =
% 100 x
x
R
VR
A
A
A
=
% 05 , 83 % 100
4286 , 421
350
= = x
RB = 750 200 = 550
=
B
x 400
7
2800
= =

% 100 x
x
R
VR
B
B
B
= % 5 , 137 % 100
400
550
= = x

2. Perhitungan variasi simpangan rata-rata
SrA =
n
x x
n
i
i
=

1
2041 , 110
7
4286 , 771
= =
% 100 x
x
SR
VSR
A
A
A
=
% 15012 , 26 % 100
4286 , 421
2041 , 110
= = x
SrB =
n
x x
n
i
i
=

1
8571 , 142
7
1000
= =
% 100 x
x
SR
VSR
B
B
B
=
% 71429 , 35 % 100
400
8571 , 142
= = x
3. Perhitungan variasi simpangan kuartil
Urutan data Perusahaan A :
250, 300, 350, 400, 500, 550, 600
K1 = 300 K2 = 400 K3 = 550
SKA = ( K3 K1) = (550 300) = (250) = 125

% 100 x
x
SK
VK
A
A
A
= % 100 x
Me
SK
A
A
=
% 25 , 31 % 100
400
125
= = x

Urutan data Perusahaan B :
200, 250, 300, 350, 450, 500, 750
K1 = 250 K2 = 350 K3 = 500
SKA = ( K3 K1) = (500 250) = (250) = 125
% 100 x
x
SK
VK
B
B
B
= % 100 x
Me
SK
B
B
=
% 71429 , 35 % 100
350
125
= = x

4. Perhitungan variasi simpangan baku

1 - n
) x - (x
s
2
i
A

=
6
104285,71
=
131,83684 17380,952 = =
% 28 , 31 % 100
4286 , 421
83684 , 131
% 100 = = = x x
x
s
KV
A
A
A


1 - n
) x - (x
s
2
i
B

=
6
210000
=
187,0829 35000 = =
% 77 , 46 % 100
400
0829 , 187
% 100 = = = x x
x
s
KV
B
B
B


a. Dari perhitungan disperse relative di atas, terlihat
bahwa dispersi relative gaji perusahaan B lebih baik
dari pada disperse gaji perusahaan A.
b. Variasi gaji di perusahaan B lebih baik diban-
dingkan variasi gaji di perusahaan A.

F. ANGKA BAKU (STANDARD SKOR)
Angka baku (Z score) ialah bilangan yang menunjukkan
tingkat penyimpangan data dari mean dalam satuan
simpangan baku atau seberapa jauh suatu nilai tersebut
menyimpang dari rata-ratanya dengan satuan SD. Kegunaan
angka baku untuk untuk mengamati perubahan nilai kenaikan
dan nilai penurunan variable atau suatu gejala yang ada dari
meannya.Semakin kecil angka bakunya semakin kecil pula
perubahan variable tersebut dari nilai meannya. Sebaliknya
semakin besar angka bakunya semakin besar juga perubahan
angka baku dari nilai rata-ratanya. Dari uraian tersebut maka
dapat ditulis rumus untuk angka baku adalah:

SD
x x
z

= (6.34)
Keterangan z = angka baku
x = nilai variable
x = rata-rata hitung (mean)
SD = simpangan baku
Dalam penggunaan bilangan z sering dirubah menjadi
distribusi baru (model yang baru) yang mempunyai rata-rata x0
dan simpangan baku st.dv0 yang sudah ditentukan. Bilangan
yang diperoleh dengan cara ini disebut bilangan baku

(bilangan standar). Adapun rumus untuk memperoleh
bilangan baku sebagai berikut:

|

\
|

+ =
SD
x x
SD x z
0 0
(6.35)
Keterangan:
z = angka baku
x = nilai variable
x = rata-rata hitung (mean)
SD = simpangan baku

0
x = mean yang sudah ditentukan
SD0 = simpangan baku yang sudah ditentukan
Contoh 25:
Imah adalah mahasiswa STAIN yang semester ini
hanya mengambil 5 mata kuliah. Pada pertengahan
semester diperoleh data tentang nilai UTS dan rata-rata
kelas Imah sebagai berikut:
Bahasa Inggris : nilai 80 ; rata-rata 70; SD 5
Statistika : nilai 95 ; rata-rata 75; SD 4
Manaj. SDM : nilai 85 ; rata-rata 80; SD 5
Kewiraan : nilai 90 ; rata-rata 70; SD 10
Matematika : nilai 100; rata-rata 85; SD 5
Berdasarkan uraian kelima nilai di atas, bidang studi
apakah yang memperoleh nilai terbaik ?
Jawab:

Kalau dilihat dari besar nilainya, Matematika adalah
yang paling baik derajadnya yaitu 100, tetapi kalau
dinilai secara relative yaitu dibandingkan dengan rata-
rata kelasnya, maka kita peroleh hasil sebagai berikut:
1
5
80 85
) (
5
4
75 95
) (
2
5
70 80
) (
=

=
=

=
=

=
MSDM z
Stat z
BI z

3
5
85 100
) (
2
10
70 90
) (
=

=
=

=
Mat z
Kew z

Berdasarkan kelima nilai tersebut yang lebih
baik ialah statistika. Atau kedudukan nilai Statistika
lebih tinggi dari pada nilai keempat mata kuliah
lainnya (matematika, Bahasa Inggris, kewiraan, dan
manajemen SDM).
Jika angka-angka di atas dimasukkan ke dalam
angka baku dengan rata-rata 50 dan simpangan baku
10, maka angka baku untuk kelima mata kuliah
tersebut adalah:

80
5
85 100
10 50 ) (
70
10
70 90
10 50 ) (
80
5
80 85
10 50 ) (
100
4
75 95
10 50 ) (
90
5
70 80
10 50 ) (
=
|

\
|

+ =
=
|

\
|

+ =
=
|

\
|

+ =
=
|

\
|

+ =
=
|

\
|

+ =
Mat z
Kew z
MSDM z
Stat z
BI z

Jadi nilai terbaik diperoleh Imah dari mata kuliah
Statistika.
Contoh 26:
Pak Adi adalah pedagang es campur di Jalan Bromo
Malang, penghasilan rata-ratanya adalah Rp.
25.000,00/hari dengan simpangan baku Rp. 500,00.
sedangkan Pak Bari adalah seorang pedagang es degan
di tempat yang sama mempunyai penghasilan rata-rata
Rp. 50.000,00/hari dengan simpangan baku Rp.
2.500,00. Sewaktu ada festival dan tontonan di Jalan
Bromo, maka pendapatan Pak Adi mengalami
peningkatan sehingga mencapai Rp. 75.000,00 dan Pak
Bari sebesar Rp. 100.000,00. Pedagang manakah yang
pendapatannya mengalami peningkatan yang
signifikan dikarenakan naiknya volume penjualan?
Jawab :
Pak Adi = 100
500
000 . 25 000 . 75
=



Pak Bari = 20
500 . 2
000 . 50 000 . 100
=


Berdasarkan analisa di atas, maka Pak Adi lebih
berhasil menaikkan volume penjualannya dengan
angka sebesar 100 dibanding Pak Bari yang cuma
mencapai angka 20.

G. LATIHAN SOAL
1. Jangkauan semi interkuartil dari data 9, 7, 12, 6, 14, 8, 10, 11
adalah ...
2. Dari daftar frekuensi data-data nilai suatu bidang studi
berikut, jangkauan semi interkuartilnya adalah . . . .
Nilai Frekuensi
50 3
53 4
61 5
70 3

3. Diketahui data 1, 4, 13, 7, 8, 4, x1, x2 yang memiliki mean 6
dan ragam 12,5. Tentukan nilai x1 dan x2.
4. Seorang guru ekonomi melakukan ujian tertulis pada 12
siswanya dan diperoleh nilai sebagai berikut.
Siswa ke-i Nilai
1 75
2 85
3 55

4 80
5 80
6 75
7 75
8 90
9 95
10 90
11 100
12 85
5. Hitung range, simpangan rata-rata, simpangan baku, dan
variansinya.
6. Diketahui data 1, 4, 13, 7, 8, 4, x1, x2 yang memiliki mean 6
dan ragam 12,5. Tentukan nilai x1 dan x2.
7. Berikut adalah data indeks harga konsumen gabungan di 43
kota di Indonesia, carilah standar deviasinya serta koefisien
relatifnya?
No Kelompok IHK
1 Bahan pangan 317
2 Makanan jadi 304
3 Perumahan 235
4 Sandang 285
5 Kesehatan 277
6 Pendidikan, rekreasi, dan olah raga 248
7 Transpor, dan komunikasi 255


8. Berikut adalah tingkat hunian hotel di beberapa kota di
Indonesia pada bulan Desember 2002
Kota % dari jumlah kamar tersedia
Medan 36
Padang 28
Jakarta 48
Bandung 34
Semarang 41
Yogyakarta 55
Surabaya 41
Denpasar 68
Menado 47
Makasar 32

a. Hitunglah range dari tingkat hunian hotel.
b. Hitunglah standar deviasinya.
c. Hitunglah koefisien relatifnya.
9. Berikut adalah harga saham sektor perikanan di BEJ pada
bulan Mei 2003:
Kisaran Harga Saham Jumlah Perusahaan
200300 2
300400 6
400500 12
500600 4

600700 3
a. Hitunglah deviasi rata-rata
b. Hitunglah standar deviasi
10. Berikut adalah data kepadatan jumlah penduduk
Kabupaten Bengkulu Selatan pada tahun 2003.

Kecamatan Kepadatan Penduduk
Manna 129
Kota Manna 342
Kedurang 53
Seginim 171
Pino 62
Pino Raya 68

Hitunglah koefisien kecondongan dari kepadatan jumlah
penduduk, apabila koefisien negatif condong ke kiri berarti
penduduk mengarah ke perkotaan dan sebaliknya.
11. Berikut adalah realisasi pembangunan perumahan melalui
KPR BTN dalam unit selama tahun 2002 di Wilayah
Sumatera.
Propinsi Unit
Aceh 18
Sumatera Utara 324
Sumatera Barat 216
Riau 468

Jambi 120
Sumatera Selatan 302
Bengkulu 152
Lampung 176

a. Hitunglah range dari tingkat realisasi pembangunan
rumah melalui KPR BTN.
b. Hitunglah standar deviasinya.
c. Hitunglah koefisien relatifnya.
12. Luas tanaman perkebunan rakyat di Indonesia berkisar 3,6
juta hektar. Dari luas lahan tersebut yang relatif besar
adalah perkebunan karet. Luas perkebunan karet antara 539
sampai 557 ribu hektar. Data statistik menunjukkan selama
1997-2002 rata-rata luas lahan mencapai 546 ribu hektar dan
standar deviasinya mencapai 8 ribu hektar. Hitunglah:
a. Koefisien standar deviasi
b. Berapa kisaran produksi luas lahan karet untuk 95%
dari seluruh luas lahan yang ada sepanjang tahun 1997-
2002

H. DAFTAR PUSTAKA
Hartono. Statistik Untuk Penelitian. Yogyakarta: LSFK2P, 2004.
Hasan, Iqbal. Pokok-pokok Materi Statistik 1 (Statistik
Deskriptif). Jakarta: PT. Bumi Aksara. 2008.
Irianto, Agus. Statistik Konsep Dasar dan Aplikasinya. Jakarta:
Kencana, 2007.

Mangkuatmodjo, Soegyarto. Pengantar Statistik. Jakarta: Rineka
Cipta, 2003.
Riduan. Statistika1. Bandung: Alfabeta, 2001.
Saleh, Samsubar. Statistik Deskriptif. Yogyakarta: UPP AMP
YKDN, 1998.
Sudjana. Statistik Metoda Grafis. Bandung: Tarsito, 1996.
Sujiono, Anas.Pengantar Statistik Pendidikan. Jakarta: PT Raja
Grafindo Persada, 2005.
Usman, Husain. Pengantar Statistika. Bandung: Bumi Angkasa,
2006.




BAB VII
UKURAN KEMENCENGAN (SKEWNESS)




A. PENDAHULUAN
Seperti telah kita ketahui bahwa bentuk distribusi
frekuensi pada dasarnya ada tiga, yaitu distribusi frekuensi
yang berbentuk simetris (biasa disebut dengan bentuk
lonceng), distribusi frekuensi yang bentuknya menceng kanan,
dan distribusi frekuensi yang bentuknya menceng kiri.
Kemencengan ini mempengaruhi letak nilai rata-rata hitung,
median, dan modus. Dalam suatu pencaran frekuensi yang
simetris, nilai rata-rata hitung, median, dan modus adalah sama
ketiga-tiganya dan ketiganya akan berbeda jika pencaran
frekuensi itu tidak simetris.
Contoh :
Tabel Pertolongan Perhitungan Dari 3 Kelompok Distribusi
Frekuensi
Kelas X Kelompok I Kelompok II Kelompok III
f U fU fU
2
f U fU fU
2
f U fU fU
2

5-9 7 2 -2 -4 8 5 -2 -10 20 6 -2 -12 24
10-14 12 16 -1 -16 16 10 -1 -10 10 10 -1 -10 10
15-19 17 14 0 0 0 15 0 0 0 12 0 0 0
20-24 22 12 1 12 12 15 1 15 15 14 1 14 14





Distribusi Frekuensi Kelompok I :

=
=
+ =
k
i
i
k
i
i i
Me
f
u f
I x x
1
1
= 17 + 5
60
30
= 19,5
SD = =
|

\
|
=
|
|
|
|

\
|

=
=
=
=
2
2
1
1
1
1
2
60
30
60
130
5
k
i
i
k
i
i i
k
i
i
k
i
i i
f
u f
f
u f
I 6,9222
79 , 18 5
14
18 30
5 , 14 =
|

\
|

+ = Me
875 , 13 5
2 14
14
5 , 9 =
|

\
|
+
+ = Mo

=
=
+ =
k
i
i
k
i
i i
Me
f
u f
I x x
1
1
= 17 + 5
60
30
= 19,5
SD =
=
|

\
|
=
|
|
|
|

\
|

=
=
=
=
2
2
1
1
1
1
2
60
30
60
130
5
k
i
i
k
i
i i
k
i
i
k
i
i i
f
u f
f
u f
I
6,9222
25-29 27 10 2 20 40 10 2 20 40 16 2 32 64
30-34 32 6 3 18 54 5 3 15 45 2 3 6 18
60 30 130 60 30 130 60 30 130

5 , 19 5
15
15 30
5 , 14 =
|

\
|

+ = Me
5 , 19 5
0 5
5
5 , 14 =
|

\
|
+
+ = Mo









Gambar 17. Distribusi Frekuensi Menceng Kanan
Distribusi Frekuensi Kelompok II :

=
=
+ =
k
i
i
k
i
i i
Me
f
u f
I x x
1
1
= 17 + 5
60
30
= 19,5
SD =
=
|

\
|
=
|
|
|
|

\
|

=
=
=
=
2
2
1
1
1
1
2
60
30
60
130
5
k
i
i
k
i
i i
k
i
i
k
i
i i
f
u f
f
u f
I
6,9222
5 , 19 5
15
15 30
5 , 14 =
|

\
|

+ = Me
5 , 19 5
0 5
5
5 , 14 =
|

\
|
+
+ = Mo
0
10
20
7 12 17 22 27 32 F
r
e
k
u
e
n
s
i
Titik Tengah Kelas
Kelompok 1
0
10
20
7 12 17 22 27 32
F
r
e
k
u
e
n
s
i
Titik Tengah Kelas
Kelompok 1








Gambar 18. Distribusi Frekuensi Yang Simetris

Distribusi Frekuensi Kelompok III :

=
=
+ =
k
i
i
k
i
i i
Me
f
u f
I x x
1
1
= 22 + 5
60
30
= 19,5
SD =
=
|

\
|

=
|
|
|
|

\
|

=
=
=
=
2
2
1
1
1
1
2
60
30
60
130
5
k
i
i
k
i
i i
k
i
i
k
i
i i
f
u f
f
u f
I

6,9222
21 , 20 5
14
28 30
5 , 19 =
|

\
|

+ = Me
214 , 25 5
14 2
2
5 , 24 =
|

\
|
+
+ = Mo


0
10
20
7 12 17 22 27 32
F
r
e
k
u
e
n
s
i
Titik Tengah Kelas
Kelompok 2
0
10
20
7 12 17 22 27 32
F
r
e
k
u
e
n
s
i
Titik Tengah Kelas
Kelompok 2









Gambar 19. Distribusi Frekuensi Menceng Kiri

Dari analisa diatas diperoleh hasil bahwa hubungan antara
nilai Mean, Median, dan Modus pada ketiga kelompok adalah
sebagai berikut:
Kelompok 1 : Mean > Median > Modus
Kelompok 2 : Mean = Median = Modus
Kelompok 3 : Mean < Median < Modus
Jadi meskipun ketiga distribusi frekuensi diatas
mempunyai mean dan standar deviasi yang sama, namun
nilai median dan modus yang berbeda maka bentuk kurvany
juga berbeda. Hal ini akan lebih jelas jika kita lihat pada
grafiknya.
Dari gambar di atas dapat dikatakan bahwa kelompok 1
adalah distribusi frekuensi yang kurvanya memiliki ekor lebih
memanjang ke kanan (dilihat dari meannya) sehingga dapat
dikatakan kurva menceng kanan. Sedangkan kelompok 2 adalah
distribusi frekuensi yang kurvanya berbentuk simetris, dan
kelompok 3 adalah distribusi frekuensi yang kurvanya memiliki
ekor lebih memanjang ke kiri (dilihat dari meannya) sehingga
0
10
20
7 12 17 22 27 32
F
r
e
k
u
e
n
s
i
Titik Tengah Kelas
Kelompok 3
Gambar 19. Distribusi Frekuensi Menceng Kiri
Dari analisa diatas diperoleh hasil bahwa hubungan antara
pada ketiga kelompok adalah
Mean > Median > Modus
Mean = Median = Modus
Mean < Median < Modus
eskipun ketiga distribusi frekuensi diatas
dan standar deviasi yang sama, namun karena
bentuk kurvanya
pada gambar
Dari gambar di atas dapat dikatakan bahwa kelompok 1
adalah distribusi frekuensi yang kurvanya memiliki ekor lebih
memanjang ke kanan (dilihat dari meannya) sehingga dapat
takan kurva menceng kanan. Sedangkan kelompok 2 adalah
distribusi frekuensi yang kurvanya berbentuk simetris, dan
kelompok 3 adalah distribusi frekuensi yang kurvanya memiliki
ekor lebih memanjang ke kiri (dilihat dari meannya) sehingga

dapat dikatakan kurva menceng kiri. Dewasa ini untuk
mengetahui bahwa konsentrasi distribusi menceng ke kanan atau
ke kiri kita tidak harus menggunakan metode grafis seperti yang
sudah kita lakukan di atas. Karena metode seperti ini sangat
tidak efisien sebab untuk melakukannya kita memerlukan waktu
yang relatif lama. Salah satu cara singkat yang dapat digunakan
untuk menentukan kemencengan atau ketidaksimetrisan suatu
distribusi data adalah menggunakan koefisien kemencengan
(skewness).
Sebuah distribusi yang tidak simetris akan memiliki rata-
rata, median, dan modus yang tidak sama besarnya
( ) Mo Me x , sehingga distribusi akan terkonsentrasi pada
salah satu sisi dan kurvanya akan menceng. Makin tinggi derajat
asimetri dari pencaran frekuensi itu makin besar pula
penyimpangan antara ketiga macam nilai rata-rata itu. Oleh
karena itu, dapat dimengerti dengan mudah mengapa orang
memakai selisih antar ketiga nilai tersebut itu sebagai ukuran
atau sebagai dasar untuk menentukan ukuran skewness.
Sebagai ukuran yang kasar bagi skewness, kita dapat
memakai selisih itu. Jika sebuah pencaran mempunyai skewness
yang positif, maka nilai rata-rata hitung lebih besar daripada
modus atau ( ) Mo x adalah positif. Sebaliknya, jika pencaran
frekuensi mempunyai skewness yang negative, maka modus lebih
besar dari nilai rata-rata hitung sehingga ( ) Mo x adalah
negatif. Akan tetapi, pemakaian selisih antara nilai rata-rata
hitung itu dengan modus ini memiliki kelemahan yaitu
pemakaian selisih antara nilai rata-rata hitung itu dengan modus
ini akan berubah dengan adanya perubahan skala (satuan
ukuran), akibatnya ukuran kasar ini menjadi tidak bisa dipakai
lagi.
Tetapi dewasa ini orang telah mendapatkan jalan untuk
menghindarkan kesulitan yang ditimbulkan oleh skala itu, yaitu

dengan membagi selisih antara nilai rata-rata hitung dan modus
dengan standar deviasi. Karena selisih dan standar deviasi itu
mempunyai satuan yang sama, maka hasil bagi, yang dipakai
sebagai ukuran bagi skewness itu, tidak mempunyai satuan sama
sekali (hanya bilangan saja).
Secara perhitungan, skewness adalah hasil momen ketiga
terhadap mean. Distribusi normal dan distribusi simetris lainnya
(misalnya distribusi t atau Cauchy) memiliki skewness 0 (nol).
Adapun untuk menentukan koefisien skewness dapat digunakan
berbagai metode antara lain : koefisien kemencengan Pearson,
koefisien kemencengan Bowley, koefisien kemencengan Moment,
dan koefisien kemencengan Persentil.

B. KOEFISIEN KEMENCENGAN PEARSON
Untuk mengukur derajat kemencengan suatu distribusi
frekuensi biasanya dinyatakan dengan koefisien kemencengan
yang mula-mula dirumuskan oleh Karl Pearson. Koefisien
kemencengan ini kemudian kita kenal dengan koefisien Pearson
yaitu ukuran kemencengan yang dinyatakan dengan sk. Adapun
koefisien skewness pearson yang pertama adalah

SD
Mo x
sk

=
1
(7.1)
Keterangan :
sk1 = Koefisien skewness pearson yang pertama
x = Mean (rata-rata)
Mo = Modus
SD = Standar Deviasi

Akan tetapi rumus tersebut akan mengalami kesulitan
dalam pemakaiannya jika sebuah distribusi frekuensi
mempunyai Modus yang lebih dari satu. Adanya kenyataan
bahwa kebanyakan modus dari suatu distribusi frekuensi
hanyalah merupakan suatu perkiraan semata semakin mele-
mahkan validitas rumus di atas. Menurut Karl Pearson, distribusi
frekuensi yang asimetris secara umum mempunyai ketentuan
bahwa hubungan antara harga rata-rata hitung, median, dan
modus adalah:
( ) Me x Mo x = 3
( ) Me x Mo = 3 x
( ) x Me Mo = 3 + x
x Me Mo 2 3 =
Oleh karena itu perumusan Pearson tentang koefisien
skewness yang pertama diatas dapat dirubah menjadi :
( )
SD
Me x
SD
x Me x
SD
x Me x
sk
3 3
2 3
2 3

=
+
=

=


( )
SD
Me x
sk

=
3
2
(7.2)
Keterangan :
sk2 = Koefisien skewness pearson yang kedua
x = Mean (rata-rata)
Me = Median
SD = Standar Deviasi

Dengan menggunakan rumus skewness pearson yang
kedua tersebut, maka ketiga distribusi frekuensi dalam contoh
di atas dapat dihitung koefisien kemencengannya, sebagai
berikut :
Distribusi Frekuensi Kelompok I :
( )
3223 , 0
98 , 6
75 , 18 5 , 19 3
2
=

= sk
Distribusi Frekuensi Kelompok II :
( )
0
98 , 6
5 , 19 5 , 19 3
2
=

= sk
Distribusi Frekuensi Kelompok III :
( )
3052 , 0
98 , 6
21 , 20 5 , 19 3
2
=

= sk
Dari hasil perhitungan di atas dapat di simpulkan
bahwa secara umum besarnya koefisien skewness mempunyai
ketentuan sebagai berikut :
jika koefisien skewness positif, berarti distribusi frekuensinya
menceng positif, yaitu ekor kurvanya panjang (menjulur) ke
kanan
jika koefisien skewness sama dengan nol, berarti distribusi
frekuensinya simetris
jika koefisien skewness negatif, berarti distribusi frekuensinya
menceng negatif, yaitu ekor kurvanya panjang (menjulur)
ke kiri
Contoh 1 :
Berikut ini adalah data nilai ujian statistik dari 40
orang mahasiswa sebuah universitas.
Tabel Nilai Ujian Statistik Pada Semester II 1997

Nilai Ujian Frekuensi
31-40 4
41-50 3
51-60 5
61-70 8
71-80 11
81-90 7
91-100 2
Jumlah 40

a. Tentukan nilai sk dan ujilah arah
kemencengannya (gunakan kedua rumus
tersebut)
b. Gambarlah kurvanya
Jawab :
Nilai xi fi fi xi ui ui
2
fi ui fi ui
2

31 - 40 35,5 4 142 -4 16 -16 64
41 - 50 45,5 3 136,5 -3 9 -9 27
51 - 60 55,5 5 277,5 -2 4 -10 20
61 - 70 65,5 9 589,5 -1 1 -8 8
71 - 80 75,5 10 755 0 0 0 0
81 - 90 85,5 7 598,5 1 1 7 7
91 - 100 95,5 2 191 2 4 4 8
Jumlah 40 2690 -32 124

Diketahui: ui
I
x x
t ti

= ; 5 , 65 =
t
x ; I =
10

=
=
=
k
i
i
k
i
i i
f
x f
x
1
1
40
2690
= = 67,25
I
f
f f
B Me
m
ksm t
b
|
|
|
|

\
|

+ =
2
1
10
9
12 40
2
1
5 , 60
|
|
|
|

\
|

+ =
10
9
12 20
5 , 60
|

\
|

+ = 4 , 69
9
80
5 , 60 =
|

\
|
+ =
I
b a
a
B Mo
b
|

\
|
+
+ = 10
3 1
1
5 , 70
|

\
|
+
+ =
73 5 , 2 5 , 70
4
10
5 , 70 = + =
|

\
|
+ =

2
1
1
1
1
2
|
|
|
|

\
|
=

=
=
=
=
k
i
i
k
i
i i
k
i
i
k
i
i i
f
u f
f
u f
I SD
2
40
7
40
109
10
|

\
|
=
694375 , 2 10 030625 , 0 725 , 2 10 = =
641455 , 1 . 10 = = 16,41455


a.
SD
Mo x
sk

=
1

=
41455 , 16
73 25 , 67

= 0,3503


( )
SD
Me x
sk

=
3
2

=
41455 , 16
45 , 6
41455 , 16
) 4 , 69 25 , 67 ( 3
=


= 0,3929

b. Oleh karena nilai sk-nya negative (0,3503 atau
0,3929) maka kurvanya menceng ke kiri atau
skewness negatif.
Gambar Kurvanya :

Gambar 20. Kurva nilai ujian statistik 40 mahasiswa


0
5
10
15
35.5 45.5 55.5 65.5 75.5 85.5 95.5
F
r
e
k
u
e
n
s
i
Titik Tengah Kelas

Contoh 2 :
Diketahui bahwa sebuah sebaran frekuensi memiliki
rata-rata hitung 45 unit, median 47 unit, modus 49
unit, dan simpang baku 3,5 unit. Tentukan koefisien
kemencengan dari sebaran tersebut.
Jawab :
Dengan rumus Pearson yang pertama diperoleh hasil :

1428 , 1
5 , 3
4
5 , 3
) 49 45 (
1
=

= sk
Dengan rumus Pearson yang kedua diperoleh hasil :

7143 , 1
5 , 3
6
5 , 3
) 47 45 ( 3
2
=

= sk


Koefisien kemencengan Pearson akan positif apabila rata-rata
hitung lebih besar dari median dan modus, dan akan negatif
apabila rata-rata hitung lebih kecil dari median dan modus.

C. KOEFISIEN KEMENCENGAN BOWLEY
Koefisien Bowley merupakan rumusan yang lebih
sederhana dari Koefisien Pearson yang diformulasikan oleh
A.L. Bowley. Rumusan ini didasarkan atas hubungan antara
statistik kuartil K1, K3 dan median (K2) dari suatu distribusi.
Dasar-dasar Statistika perumusan Koefisien Bowley adalah:

simetris, maka jarak antara kedua kuartil (K1 dan K3)
dengan median (K2) harus sama : {K3 K2 = K2 K1},
sedangkan pada yang:
asimetris, jarak keduanya tidak sama : jika { K3 K2 > K2
K1} maka kurva akan menjulur positif atau jika { K3 K2 <
K2 K1} maka kurva akan menjulur negatif.
Secara umum koefisien Bowley (skB) dirumuskan menjadi :
skB =
) K ( ) K (
) K ( ) K (
1 2 2 3
1 2 2 3
+

K K
K K

=
) K (
) K ( ) K (
1 3
1 2 2 3

+
K
K K


skB =
) K (
) 2K K (
1 3
2 1 3

+
K
K

(7.3)
Keterangan :
skB = koefisien kemencengan Bowley.
Ki = kuartil ke-i
Koefisien kemencengan Bowley sering juga disebut Kuartil
Koefisien Kemencengan. Apabila nilai skB dihubungkan dengan
keadaan kurva, didapatkan:
1) Jika K3 K2 > K2 K1 maka distribusi akan menceng ke
kanan atau menceng secara positif.
2) Jika K3 K2 < K2 K1 maka distribusi akan menceng ke
kiri atau menceng secara negatif.
3) skB positif, berarti distribusi menceng ke kanan.
4) skB negatif, berarti distribusi menceng ke kiri.

5) skB = + 0,10 menggambarkan distribusi yang menceng
tidak signifikan.
skB > + 0,30 menggambarkan kurva yang menceng
signifikan.
Contoh 1 :
Tentukan kemencengan kurva dari distribusi
frekuensi berikut !
Tabel Nilai Ujian Matematika Dasar 1
Nilai Ujian Frekuensi
20,00 29,99
30,00 39,99
40,00 49,99
50,00 59,99
60,00 69,99
70,00 79,99
4
8
25
40
28
5
Jumlah 110

Jawab :
Untuk p = 1 diperoleh 5 , 27 110
4
1
4
= =
t
f
p
yang
berarti kelas kuartil pertama adalah kelas 40,00
49,99
XK1 = I
f
f f
B
K
s t
b
|
|

\
|
+
1
1 4
1


= 10
25
12 110
995 , 39
4
1
|
|

\
|
+
= 39,995 + 6,2
= 46,195
Untuk p = 2 diperoleh 55 110
4
2
4
= =
t
f
p
yang
berarti kelas kuartil pertama adalah kelas 50,00
59,99
XK2 = I
f
f f
B
K
s t
b
|
|

\
|
+
2
2
4
2

= 10
40
37 110
995 , 49
4
2
|
|

\
|
+
= 49,995 + 4,5
= 54,495
Untuk p = 3 diperoleh 5 , 82 110
4
3
4
= =
t
f
p
yang
berarti kelas kuartil pertama adalah kelas 60,00
69,99
XK2 = I
f
f f
B
K
s t
b
|
|

\
|
+
2
2
4
2

= 10
28
77 110
995 , 59
4
3
|
|

\
|
+
= 59,995 + 1,964
= 61,959
skB =
) K (
) 2K K (
1 3
2 1 3

+
K
K


=
495 , 46 959 , 61
) 495 , 54 ( 2 195 , 46 959 , 61

+

= 05406 , 0
464 , 15
836 , 0
=


Karena skB negative ( 0,05406) maka kurva menceng
ke kiri dengan kemencengan yang tidak signifikan.

Gambar 21. Kurva Nilai Ujian Matematika Dasar 1
Contoh 2 :
Dalam suatu penelitian di desa X akan diamati
kuantitas kedelai yang dihasilkan desa tersebut.
Untuk keperluan itu maka sampel diambil dari 8
petani pada satu masa produksi dengan hasil sebagai
berikut : 13 10 8 5 4 2 4 2 . Tentukanlah tingkat
produktifitas kedelai di desa X tersebut !
Jawab :
Data diurutkan terlebih dahulu menjadi: 2, 2, 4, 4, 5, 8, 10, 13
K1 =
( )
( )
2 3 2 25 , 2
4
9
1 8
4
1
25 , 0 X X X X X X + = = =
+

( ) 5 , 2 5 , 0 2 2 4 25 , 0 2 = + = + =
0
10
20
30
40
50
24.995 34.995 44.995 54.995 64.995 74.995
F
r
e
k
u
e
n
s
i
Titik Tengah Kelas

K2 =
( )
( )
4 5 4 5 , 4
4
18
1 8
4
2
5 , 0 X X X X X X + = = =
+

( ) 5 , 4 5 , 0 4 4 5 5 , 0 4 = + = + =
K3 =
( )
( )
6 7 6 75 , 6
4
27
1 8
4
3
75 , 0 X X X X X X + = = =
+

( ) 5 , 9 5 , 1 8 8 10 75 , 0 8 = + = + =
Sehingga diperoleh :
skB =
) K (
) 2K K (
1 3
2 1 3

+
K
K
=
( )
) 2,5 5 , 9 (
) 4,5 2 2,5 5 , 9 (

+
= 4286 , 0
7
3
=
Berarti distribusi ini menjulur positif secara signifikan. Hasil
ini bermakna bahwa kemenjuluran distribusi produksi
kedelai tersebut bersifat positif secara nyata atau bermakna,
dan ini menunjukkan bahwa produktifitas kedelai di desa
X sangat dominant yang rendah.

Gambar 22. Kurva Kuantitas produksi kedelai

0
0.5
1
1.5
2
2.5
0 5 10 15
F
r
e
k
u
e
n
s
i
Kuantitas

D. KOEFISIEN KEMENCENGAN MOMENT
Koefisien kemencengan momen didasarkan pada
perbandingan moment ke-3 dengan pangkat tiga simpangan
baku. Koefisien kemencengan moment dilambangkan dengan
3. Koefisien kemencengan moment disebut juga kemencengan
relatif. Apabila nilai 3 dihubungkan dengan keadaan kurva,
didapatkan :
1. untuk distribusi simetris (normal), nilai 3 = 0
2. untuk distribusi menceng ke kanan, nilai 3 = +
(positif)
3. untuk distribusi menceng ke kiri, nilai 3 = (negatif)
4. menurut Karl Pearson, distribusi yang memiliki nilai
3 > + 0,50 adalah distribusi yang sangat menceng.
5. menurut Kenney dan Keeping, nilai 3 bervariasi antara
+ 2 bagi distribusi yang menceng.
Untuk mencari nilai 3 dibedakan antara data tunggal dan data
berkelompok:
1. Data tunggal
Koefisien kemencengan momen untuk data tunggal
dirumuskan :
( )

=
= =
n
i
i
x x
SD n SD
m
1
3
3 3
3
3
1
(7.4)
Keterangan :
3
= koefisien kemencengan moment
m3 = moment ke -3
n = banyaknya data
xi = data ke-i
x = rata-rata hitung
SD = standar deviasi

Contoh 3:
Tentukan nilai 3 dari data : 2, 3, 4, 5, 9, 11
Jawab :
i
x x - x
i

2
i
) x - x (
3
i
) x - x (
2 -4 16 - 64
3 -3 9 - 27
5 -1 1 - 1
9 3 9 27
11 5 25 125
= 30 - = 60 = 60
Rata-rata hitung dari data adalah
n
x
x
n
i
i
=
=
1
= 6
5
30
5
5
1
= =

= i
i
x

Besarnya standard deviation adalah
SD =
1 - n
) x - (x
s
2
i
= 3,873
4
60
= =
Koefisien kemencengan momentnya adalah
( )

=
= =
n
i
i
x x
SD n SD
m
1
3
3 3
3
3
1

( )
( )
( )
( ) 60
873 , 3 5
1
873 , 3 5
1
3
5
1
3
3
= =

= i
i
x x
206556 , 0
4775 , 290
60
= =



2. Data kelompok
Jika datanya tersusun di dalam sebuah pencaran frekuensi
(Data kelompok) maka koefisien kemencengannya dihitung
dengan dua cara sebagai berikut :
i. Metode moment biasa
( )

=
= =
k
i
i i
t
f x x
SD f SD
m
1
3
3 3
3
3
1
(7.5)

Keterangan :
3
= koefisien kemencengan moment
m3 = moment ke -3
fi = frekuensi kelas ke-i
ft = frekuensi total
xi = nilai tengah kelas data ke-i
x = rata-rata hitung titik tengah
k = banyaknya kelas
SD = standar deviasi
Contoh 4:
Tentukan tingkat kemencengan dari distribusi
frekuensi di bawah ini dengan menggunakan koefisien
kemencengan moment!
Tabel 3. Usia Peserta Diklat Di 10 Klinik
Usia Peserta Frekuensi
15 19 1
20 24 29

25 29 43
30 34 41
35 39 24
40 44 12
Jumlah 150

Jawab :
Tabel Penolong Menghitung skewness
Usia xti fi fi xti xti -
t
x fi ( xti -
t
x )
2
fi (xti-
t
x )
3

15 19
20 24
25 29
30 34
35 39
40 44
17
22
27
32
37
42
1
29
43
41
24
12
17
638
1161
1312
888
504

-13,133
-8,1333
-3,1333
1,86667
6,86667
11,8667

172,484
1918,38
422,164
142,862
1131,63
1689,81

-2265,3
-15603
-1322,8
266,676
7770,5
20052,5

Jumlah - 150 4520 5477,33 8898,71

Rata-rata hitung dari data adalah
1333 , 30
150
4520
1
1
= = =

=
=
k
i
i
k
i
ti i
f
x f
x




Besarnya standard deviation adalah
( )

=
=

=
k
i
i
k
i
t ti i
f
x x f
SD
1
1
2
150
33 , 5477
= = 6,04281
Koefisien kemencengan momentnya adalah
( )

=
= =
k
i
i i
t
f x x
SD f SD
m
1
3
3 3
3
3
1


( )
486 , 33098
71 , 8898
71 , 8898
04281 , 6 150
1
3
= =
= 0,26886

ii. Metode Coding (Cara Singkat Perhitungan Koefisien Skewness)

|
|
|
|

\
|
+
|
|
|
|

\
|
|
|
|
|

\
|
=

=
=
=
=
=
=
=
=
3
1
1
1
1
1
1
2
1
1
3
3
3
3
2 3
k
i
i
k
i
i i
k
i
i
k
i
i i
k
i
i
k
i
i i
k
i
i
k
i
i i
f
f u
f
f u
f
f u
f
f u
SD
I


(7.6)

Keterangan :

3
= koefisien kemencengan moment
I = interval kelas
fi = frekuensi kelas ke-i
k = banyaknya kelas di dalam pencaran frekuensi

u = simpangan antara titik tengah kelas ke-i dengan titik
tengah kelas pertengahan di bagi dengan interval kelas
SD = standar deviasi
Contoh 5:
Dengan soal yang sama pada contoh di atas, tentukan koefisien
kemencengan dari distribusi frekuensi tersebut dengan
menggunakan cara singkat (metode coding)!
Jawab :
Usia xti fi ui fiui fiui
2
fiui
3

15 19
20 24
25 29
30 34
35 39
40 44
17
22
27
32
37
42
1
29
43
41
24
12
-2
-1
0
1
2
3
-2
-29
0
41
48
36
4
29
0
41
96
108
-8
-29
0
41
192
324
Jumlah 150 - 94 278 520

ui
I
x x
t ti

= ; 27 =
t
x
I = 5

2
2
1
1
1
1
2
150
94
150
278
5
|

\
|
=
|
|
|
|

\
|
=

=
=
=
=
k
i
i
k
i
i i
k
i
i
k
i
i i
f
u f
f
u f
I SD
39271 , 0 85333 , 1 5 62672 , 0 85333 , 1 5
2
= =

( ) 20856 , 1 5 46062 , 1 5 = = = 6,0428

|
|
|
|

\
|
+
|
|
|
|

\
|
|
|
|
|

\
|
=

=
=
=
=
=
=
=
=
3
1
1
1
1
1
1
2
1
1
3
3
3
3
2 3
k
i
i
k
i
i i
k
i
i
k
i
i i
k
i
i
k
i
i i
k
i
i
k
i
i i
f
f u
f
f u
f
f u
f
f u
SD
I


( )
)

\
|
+
|

\
|
|

\
|
=
3
3
3
150
94
2
150
94
150
278
3
150
520
0428 , 6
5

( ) ( ) ( ) { }
3
62667 , 0 2 62667 , 0 85333 , 1 3 46667 , 3
65545 , 220
125
+ =
( ) { } 246099 , 0 2 48428 , 3 46667 , 3 56649 , 0 + =
{ } 492198 , 0 48428 , 3 46667 , 3 56649 , 0 + =
{ } 474588 , 0 56649 , 0 = = 0,26885

Gambar 23. Kurva Usia Peserta Diklat Di 10 Klinik
Dalam pemakaiannya, terlihat bahwa rumus kedua lebih
praktis dan lebih mudah penerapan perhitungannya.

0
10
20
30
40
50
17 22 27 32 37 42
F
r
e
k
u
e
n
s
i
Titik Tengah Kelas

E. KOEFISIEN KEMENCENGAN PERSENTIL
Koefisien kemencengan persentil diperoleh berdasarkan
atas hubungan antar persentil (P90, P50 dan P10) dari sebuah
distribusi. Koefisien kemencengan persentil dinotasikan dengan
skp dengan rumus sebagai berikut:
skp =
10 90
10 50 50 90
) ( ) (
P P
P P P P




skp =
10 90
10 50 90
2
P P
P P P

+
(7.7)

Keterangan :
skp = koefisien kemencengan persentil
Pi = persentil ke-i
Contoh 6:
Tentukan nilai skP dari distribusi frekuensi berikut !
Tabel Upah 65 Karyawan Perusahaan Z, 1997
Upah (ratusan ribu rupiah) Frekuensi
250,00 259,99
260,00 269,99
270,00 279,99
280,00 289,99
290,00 299,99
300,00 309,99
310,00 319,99
8
10
16
14
10
5
2
Jumlah 65

Jawab :
Untuk mencari persentil ke-10, 50, dan persentil ke-90, terlebih
dahulu dicari kelas persentil ke-10, 50, dan ke-90.
Untuk p = 10 diperoleh 5 , 6 65
100
10
100
= =
t
f
p
yang berarti
kelas persentil ke-10 adalah kelas 250,00 259,99
XP10 = I
f
f f
B
P
s t
b
|
|

\
|
+
10
10
100
10

= 99 , 10
8
0 65
995 , 249
100
10
|
|

\
|
+
= 249,995 + 8,929375
= 258,929325
Untuk p = 50 diperoleh 5 , 32 65
100
50
100
= =
t
f
p
yang berarti
kelas persentil ke-50 adalah kelas 270,00 279,99
XP50 = I
f
f f
B
P
s t
b
|
|

\
|
+
50
50
100
50

= 99 , 10
16
18 65
995 , 269
100
50
|
|

\
|
+
= 269,995 + 9,95969
= 279,95469
Untuk p = 90 diperoleh 5 , 58 65
100
90
100
= =
t
f
p
yang berarti
kelas persentil ke-10 adalah kelas 300,00 209,99

XP90 = I
f
f f
B
P
s t
b
|
|

\
|
+
90
90
100
90

= 99 , 10
5
58 65
995 , 299
100
90
|
|

\
|
+
= 299,995 + 1,099
= 301,094

skp =
10 90
10 50 90
2
P P
P P P

+

=
929325 , 258 094 , 301
929325 , 258 ) 95469 , 279 ( 2 094 , 301

+

=
164675 , 42
929325 , 258 90938 , 559 094 , 301 +

=
164675 , 42
113945 , 0

= 0,0027024
Hasil ini menunjukkan bahwa distribusi ini mempunyai
kemenjuluran positif yang relatif tidak bermakna, atau
kurva relatif simetris.

Gambar 24. Kurva Upah 65 Karyawan Perusahaan

F. LATIHAN SOAL
1. Diberikan rata-rata 78.3, standar deviasi 10.8, median 77.9,
selidiki apakah data tersebut berdistribusi normal, miring ke
kanan, atau miring ke kiri ?
2. Dari data pada table dibawah ini, tentukan
kemiringan dan jenisnya (skewness)!
Nilai Ujian Frekuensi (fi)
21-30
31-40
41-50
51-60
61-70
3
2
5
25
15
Jumlah 50


Upah 65 Karyawan Perusahaan Z, 1997
rata 78.3, standar deviasi 10.8, median 77.9,
berdistribusi normal, miring ke
tentukan koefisien


3. Diketahui data minat masyarakat pada satu acara reality
show yang disiarkan oleh satu stasiun TV swasta yang
berjumlah 54 responden adalah sebagai berikut :
Nilai Tengah (Xi) Frekuensi
12.5
17.5
22.5
27.5
32.5
37.5
42.5
3
7
16
12
9
5
2

Pertanyaan :
a. Hitunglah standard deviasi (s) dari data tersebut !
b. Hitunglah ukuran Skewness-nya dan tentukan jenisnya !
4. Diketahui pencaran frekuensi data motivasi kerja suatu
departemen yang berjumlah 100 personil adalah sebagai
berikut :
Nilai Tengah (Xi) Frekuensi
60
65
70
75
80
85
90
2
3
18
42
27
5
3



Pertanyaan :
a. Hitunglah standard deviasi (s) dari data tersebut !
b. Hitunglah ukuran Skewness-nya dan tentukan jenisnya !

G. DAFTAR PUSTAKA

Hasan, Iqbal. Pokok-pokok Materi Statistik I (Statistik deskriptif).
Jakarta : Bumi Aksara. 2008
Mangkuatmojo, Soegyarto. Pengantar Statistik. Jakarta : Rineka
Cipta. 2003
Mustafa. Zainal. Pengantar Statistik Deskriptif. Yogyakarta. Surya
Sarana utama. 1998
Hanafiah, kemas Ali. Dasar-dasar Statistik. Jakarta : Raja Grafindo
Persada. 2006

BAB VIII
UKURAN KERUNCINGAN (KURTOSIS)





A. PENDAHULUAN
Setelah kita bicarakan ukuran kemencengan dari suatu
distribusi frekuensi, baiklah sekarang kita bicarakan ukuran
keruncingan bagi suatu distribusi frekuensi. Keruncingan dari
suatu distribusi frekuensi biasa disebut dengan Kurtosis atau
Peakedness sedangkan ukuran derajat keruncingannya disebut
Koefisien Kurtosis. Ada beberapa pengertian dari kurtosis,
diantaranya:
1. Kurtosis adalah ukuran keruncingan untuk menentukan
jenis kurva dari suatu pencaran frekuensi data.
2. Kurtosis adalah derajat keruncingan suatu distribusi
(biasanya diatur relatif terhadap distribusi normal).
3. Kurtosis adalah ukuran kelancipan distribusi data dimana
distribusi normal sebagai pembanding.
4. Keruncingan atau kurtosis adalah tingkat kepuncakan dari
sebuah distribusi yang biasanya diambil secara relatif
terhadap suatu distribusi normal.
5. Kurtosis adalah derajat kepuncakan suatu distribusi yang
biasanya diambil relatif terhadap suatu distribusi normal.


Dari beberapa definisi di atas, dapat disimpulkan bahwa
kurtosis adalah ukuran keruncingan sebuah pencaran frekuensi
data. Ditinjau dari sudut keruncingan, pencaran frekuensi dapat
dibagi atas tiga kelompok, yaitu pencaran frekuensi yang
leptokurtik, pencaran frekuensi yang platykurtik, dan pencaran
yang mesokurtik. Kurva yang lebih lebih runcing dari distribusi
normal dinamakan leptokurtik, yang lebih datar platykurtik dan
yang berdistribusi normal disebut mesokurtik. Kurtosis dihitung
dari momen keempat terhadap mean. Distribusi normal memiliki
kurtosis = 3, sementara distribusi yang leptokurtik biasanya
kurtosisnya > 3 dan platikurtik kurtosisnya < 3.
Salah satu manfaat dari koefisien kurtosis adalah untuk
mengetahui bagaimanakah bentuk / derajat keruncingan dari
suatu distribusi frekuensi, karena seringkali terjadi bahwa
beberapa distribusi frekuensi yang mempunyai mean (rata-rata),
standar deviasi dan ukuran kemencengan sama tetapi berbeda
tingkat keruncingannya.
Dibawah ini diberikan contoh 2 kelompok distribusi
frekuensi yang mempunyai mean, standar deviasi dan ukuran
kemencengan yang sama tetapi ukuran keruncingannya yang
dimiliki ternyata berbeda.
Tabel Perhitungan Mean, Standar Deviasi Dan Kemencengan Dari 2
Distribusi Frekuensi
Kelas xi Kelompok I Kelompok II
f u f.u fu
2
f u f.u fu
2
2 6
7 11
12 16
17 21
4
9
14
19
7
8
10
40
-3
-2
-1
0
-21
-16
-10
0
63
32
10
0
5
10
20
20
-3
-2
-1
0
-15
-20
-20
0
45
40
20
0

22 26
27 31
32 36
24
29
34
10
8
7
1
2
3
10
16
21
10
32
63
20
10
5
1
2
3
20
20
15
20
40
45
90 0 0 210 90 0 0 210

Distribusi Frekuensi Kelompok I

=
=
+ =
k
i
i
k
i
i i
Me
f
u f
I x x
1
1
= 19 + 5
90
0
= 19
SD = =
|

\
|
=
|
|
|
|

\
|

=
=
=
=
2
2
1
1
1
1
2
90
0
90
210
5
k
i
i
k
i
i i
k
i
i
k
i
i i
f
u f
f
u f
I
7,6376
=
|

\
|

+ = 5
40
25 45
5 , 16 Me 19
=
|

\
|
+
+ = 5
30 30
30
5 , 16 Mo 19
sk2 =
6376 , 7
) 19 19 ( 3
= 0





Distribusi Frekuensi Kelompok II

=
=
+ =
k
i
i
k
i
i i
Me
f
u f
I x x
1
1
= 19 + 5
90
0
= 19
SD = =
|

\
|
=
|
|
|
|

\
|

=
=
=
=
2
2
1
1
1
1
2
90
0
90
210
5
k
i
i
k
i
i i
k
i
i
k
i
i i
f
u f
f
u f
I
7,6376
=
|

\
|

+ = 5
20
35 45
5 , 16 Me 19
=
|

\
|
+
+ = 5
0 0
0
5 , 16 Mo 16,5
sk2 =
6376 , 7
) 19 19 ( 3
= 0







Gambar 25. Histogram dan kurva distribusi frekuensi kelompok I

0
20
40
60
4 9 14 19 24 29 34
F
r
e
k
u
e
n
s
i
Titik Tengah Kelas
Kelompok I
0
10
20
30
40
50
4 9 14 19 24 29 34
F
r
e
k
u
e
n
s
i
Titik Tengah Kelas








Gambar 26. Histogram dan kurva distribusi frekuensi
kelompok II
Dari analisa diatas ( baik melalui hitungan maupun grafis)
jelas sekali terlihat bahwa kedua distribusi frekuensi diatas
walaupun mempunyai mean, standar deviasi dan kemencengan
yang sama ternyata berbeda tingkat keruncingannya.
Berdasarkan keruncingannya, kurva suatu distribusi data
dapat dibedakan menjadi tiga macam, yaitu :
1. Leptokurtik
Leptokurtik merupakan distribusi yang memiliki puncak
relatif tinggi. Pencaran yang leptokurtik adalah pencaran
yang agak sempit pada bagian puncaknya. Pencaran-
pencaran frekuensi yang mendekati bentuk runcing, pada
umumnya, termasuk pencaran yang leptokurtik. Pada
pencaran yang demikian, kebanyakan dari frekuensi
tersebar pada interval yang pendek sekitar harga rata-rata
hitung, sehingga hanya sedikit data yang tersebar lebih jauh
dari harga rata-rata hitung. (Gambar 27. menunjukkan
sebuah contoh distribusi frekuensi yang leptokurtik.)


0
20
40
4 9 1419242934 F
r
e
k
u
e
n
a
s
i
Titik Tengah Kelas
Kelompok II
0
5
10
15
20
25
4 9 14 19 24 29 34
F
r
e
k
u
e
n
s
i
Titik Tengah Kelas

2. Platykurtik
Platykurtik merupakan distribusi yang memiliki puncak
hampir mendatar. Pencaran platykurtik mempunyai puncak
yang agak mendatar (tumpul) sehingga pencaran itu seolah-
olah berbentuk lebar. Di dalam pencaran seperti ini, data
tersebar agak merata pada seluruh kelas-kelas, kecuali pada
beberapa kelas-kelas pertama dan terakhir. (Gambar 29.
menunjukkan sebuah contoh distribusi frekuensi yang
platykurtik).
3. Mesokurtik
Mesokurtik merupakan distribusi yang memiliki puncak
tidak tinggi dan tidak mendatar. Pencaran frekuensi yang
tidak leptokurtik dan tidak platykurtik dinamakan pencaran
yang mesokurtik. Bila distribusinya merupakan distibusi
simetris maka distribusi mesokurtik dianggap sebagai
distribusi normal. Jadi pencaran data yang berdistribusi
normal adalah suatu pencaran yang mesokurtik. (Gambar 28.
menunjukkan sebuah contoh distribusi frekuensi yang
mesokurtik.)






Gambar 27. Gambar 28. Gambar 29.






Tabel Klasifikasi Ukuran Kurtosis
No Kelas Ukuran Kurtosis 4
1.
2.
3.
4.
5.
6.
7.
8.
9.
Sangat platikurtik
Agak platikurtik
Platikurtik
Kurang mesokurtik
Mesokurtik (normal)
Lebih mesokurtik
Agak leptokurtik
Leptokurtik
Sangat leptokurtik
< 1,00
1,00 1,99
2,00 2,33
2,34 2,66
2,67 3,33
3,34 4,50
4,51 5,99
6,00 9,00
>9

Untuk mengetahui keruncingan suatu distribusi, ada berbagai
ukuran yang bisa dipakai. Ukuran yang sering digunakan
adalah koefisien kurtosis metode moment dan koefisien kurtosis
persentil.

B. KOEFISIEN KURTOSIS METODE MOMENT
Ukuran yang paling banyak dipakai untuk menentukan
kurtosis suatu data adalah hasil bagi moment keempat sekitar
harga rata-rata hitung dengan pangkat empat dari standard
deviasi. Ukuran tersebut tidak mempunyai satuan dan biasanya
dinyatakan dengan 4(alpha 4) dan dinamakan moment
coefficient of kurtosis. Secara umum ukuran keruncingan suatu
data dapat dibedakan dalam 3 kriteria yaitu:
1. Jika nilai 4 kurang dari 3 (< 3) maka distribusinya adalah
distribusi platikurtik = sangat datar

2. Jika nilai 4 lebih dari 3 (> 3) maka distribusinya adalah
distribusi leptokurtic = sangat runcing
3. Jika nilai 4 sama dengan 3 (= 3) maka distribusinya adalah
distribusi mesokurtik = sedang
Berdasarkan keterangan di atas maka ukuran
keruncingan (kurtosis) yang diberi simbol 4 dapat dituliskan
dalam bentuk rumus sebagai berikut :

4 =
2
2
4
m
m

(8.1)

dimana m4 =
m2 =
Dalam aplikasinya penulisan rumus koefisien kurtosis
ini dibedakan menurut bentuk datanya yaitu data tunggal atau
data kelompok.

1. Data tunggal

4 =
4
4
SD
m
= ( )

n
i
i
x x
SD n
1
4
4
1
(8.2)


Keterangan :
4 = koefisien kurtosis/ukuran keruncingan
m4 = moment ke-4
n = banyaknya data

n
i
x x
n
1
4
1
) (
1

n
i
i
x x
n
1
2
) (
1

xi = data ke-i
x = rata-rata hitung
SD = standar deviasi

Contoh 1:
Diketahui nilai kuiz mata kuliah statistik adalah sebagai berikut :
95, 90, 80, 85, 70, 100, 60, 65.
Hitunglah koefisien kurtosisnya!
Jawab :
Tabel Penolong Menghitung Kurtosis
xi xi x (xi x )
2
(xi x )
4

95
90
80
85
70
100
60
65
14,4
9,4
-0,6
4,4
-10,6
19,4
-20,6
-15,6
207,36
88,36
0,36
19,36
112,36
376,36
424,36
243,36
42998,17
7807,49
0,13
374,81
12624,77
141646,85
180081,41
59224,09
645 1471,88 444757,72
Rata-rata hitung dari data adalah
8
645
1
= =

=
n
x
x
n
i
i
= 80,6



Besarnya standard deviation adalah
SD =
( )
5 , 14 27 , 210
1 8
88 , 1471
1
1
2
= =

=
n
x x
n
i
i

Koefisien keruncingan momentnya adalah
4 = ( )

n
i
i
x x
SD n
1
4
4
1

= . 444757,72
=
=
= 1,2576
Karena nilai 4 = 1,2576 < 3,0, maka kurvanya berbentuk
platykurtik atau sangat datar.
Contoh 2:
Tentukan nilai 4 dari data : 2, 3, 5, 9, 11
Jawab :
Tabel Penolong Menghitung Kurtosis
xi
xi
x
2
i
) x - x (
3
i
) x - x (
4
i
) x - x (
2 -4 16 - 64 256
3 -3 9 - 27 81
5 -1 1 - 1 1
4
5 , 14 . 8
1
06 , 44205 . 8
72 , 444757
48 , 353640
72 , 444757

9 3 9 27 81
11 5 25 125 625
=
30
- = 60 = 60
1044
Rata-rata hitung dari data adalah
n
x
x
n
i
i
=
=
1
= 6
5
30
5
5
1
= =

= i
i
x

Besarnya standard deviation adalah
SD =
1 - n
) x - (x
s
2
i
= 3,873
4
60
= =
Koefisien kemencengan momentnya adalah
( )

=
= =
n
i
i
x x
SD n SD
m
1
3
3 3
3
3
1

( )
( )
( )
( ) 60
873 , 3 5
1
873 , 3 5
1
3
5
1
3
3
= =

= i
i
x x
206556 , 0
4775 , 290
60
= =
Koefisien keruncingan momentnya adalah
( )

=
= =
n
i
i
x x
dev st n dev st
m
1
4
4 4
4
4
.
1
.

( )
( ) 0967875 , 5625
1044
0193575 , 1125 5
1044
873 , 3 5
1044
4
= = =
= 0,1855968


Karena nilai 4 (=0,1855968) < 3 maka distribusi frekuensi
tersebut mempunyai bentuk yang platykurtik.
2. Data kelompok
i. Metode Moment Biasa

4 =
4
4
SD
m
= ( )

k
i
i t ii
t
f x x
SD f
1
4
4
1
(8.3)

Keterangan :
4 = koefisien kurtosis/ukuran keruncingan
m4 = moment ke-4
fi = frekuensi kelas ke-i
ft = frekuensi total
xti = nilai tengah kelas data ke-i
i
x = rata-rata hitung titik tengah
k = banyaknya kelas
SD = standar deviasi
Contoh 3:
Carilah koefisien kurtosis dari data berikut ini!


Kelas f
30-34
35-39
40-44
45-49
50-54
55-59
6
13
5
10
15
1

Jawab :
Tabel Penolong Menghitung Kurtosis Data Kelompok
Kelas fi xi fi xi xi x (xi x )
2
fi (xi x )
2
(xi x )
4
fi (xi x )
4

30-34
35-39
40-44
45-49
50-54
55-59
6
13
5
10
15
1
32
37
42
47
52
57
192
481
210
470
780
57
-11,8
-6,8
-1,8
3,2
8,2
13,2
139,24
46,24
3,24
10,24
67,24
174,24
835,44
601,12
16,2
102,4
1008,6
174,24
19387,78
2138,14
10,49
104,86
4521,22
30359,58
116326,68
27795,82
52,45
1048,6
67818,3
30359,58
50 2190 2738 243401,43


50
2190
1
1
= =

=
=
k
i
i
n
i
i i
f
x f
x = 43,8
SD =
( )
88 , 55
1 50
2738
1
1
1
2
=

=
=
k
i
i
k
i
i i
f
x x f
= 7,47
4 = ( )

k
i
i t ii
t
f x x
SD f
1
4
4
1

= . 243401,43
=
4
47 , 7 . 50
1
74 , 3113 . 50
243401,43

=
= 1,5634
Karena nilai 4 = 1, 5634 < 3, maka kurvanya berbentuk
platykurtik atau sangat datar.
ii. Metode Coding (Cara Singkat)
Selain rumus-rumus tersebut, ada rumus singkat
perhitungan koefisien kurtosis, sebagai berikut :

|
|
|
|

\
|

|
|
|
|
|

\
|
|
|
|
|
|

\
|
+
|
|
|
|

\
|
|
|
|
|

\
|
=

=
=
= = =
=
=
=
=
=
4
1
1
2
1 1
2
1
1
1
1
3
1
1
4
4
4
4
3 6 4
k
i
i
k
i
i i
k
i
i
i i
k
i
i
i i
k
i
i
k
i
i i
k
i
i
k
i
i i
k
i
i
k
i
i i
f
f u
f
f u
f
f u
f
f u
f
f u
f
f u
SD
I



(8.4)
Keterangan :
=
4


koefisien kurtosis / ukuran keruncingan
I = interval kelas
fi = frekuensi kelas ke-i
k = banyaknya kelas di dalam pencaran frekuensi
ui = simpangan antara titik tengah kelas ke-i dengan titik
tengah kelas pertengahan di bagi dengan interval
kelas
SD = standar deviasi
Contoh 4:
Berikut ini adalah nilai DP3 untuk 34 PNS
Tabel Distribusi Nilai DP3
155687
3401,43 4 2


Hitunglah koefisien kurtosis-nya dengan menggunakan metode
coding!
Jawab :
Kelas fi xi fi xi xi x (xi x )
2
fi (xi x )
2
ui ui. fi ui
2
. fi ui
3
. fi ui
4
. fi
48 54
55 61
62 68
69 75
76 82
83 89
90 96
1
2
7
12
7
3
2
51
58
65
72
79
86
93
51
116
455
864
553
258
186
-22,03
-15,03
-8,03
-1,03
5,97
12,97
19,97
485,32
225,9
64,48
1,06
35,64
168,22
398,8
485,32
451,8
451,36
12,72
249,48
504,66
797,6
-3
-2
-1
0
1
2
3
-3
-4
-7
0
7
6
6
9
8
7
0
7
12
18
-27
-16
-7
0
7
24
54
81
32
7
0
7
48
162
34 2483 2952,94 5 61 35 337


I
x x
u
ti i

= ; I = 7 ;
ti
x = 72
Nilai DP3 frek
48 54
55 61
62 68
69 75
76 82
83 89
90 96
1
2
7
12
7
3
2
total 34


34
2483
1
1
= =

=
=
k
i
i
n
i
i i
f
x f
x = 73,03
SD =
( )
48 , 89
1 34
94 , 2952
1
1
1
2
=

=
=
k
i
i
k
i
i i
f
x x f
= 9,46

|
|
|
|

\
|

|
|
|
|
|

\
|
|
|
|
|
|

\
|
+
|
|
|
|

\
|
|
|
|
|

\
|
=

=
=
= = =
=
=
=
=
=
4
1
1
2
1 1
2
1
1
1
1
3
1
1
4
4
4
4
3 6 4
k
i
i
k
i
i i
k
i
i
i i
k
i
i
i i
k
i
i
k
i
i i
k
i
i
k
i
i i
k
i
i
k
i
i i
f
f u
f
f u
f
f u
f
f u
f
f u
f
f u
SD
I

=
= {9,9 4 (1,03) (0,15) + 6 (1,8) (0,15)
2
3 (0,15)
4
}
= 0,29 {9,9 4 (0,1545) + 6 (1,8) (0,0225) 3 (0,0005)}
= 0,29 {9,9 0,618 + 0,243 0,0015}
= 0,29 {9,5235}
= 2,7618
Jadi nilai 4 = 2, 7618 < 3, maka termasuk jenis mesokurtik atau
normal.

\
|

\
|
|

\
|
+
|

\
|
|

\
|

4 2
4
4
34
5
3
34
5
34
61
6
34
5
34
35
4
34
337
46 , 9
7
75 , 8008
2401


Gambar 30. Histogram nilai DP3
Contoh 5 :
Berikut ini distribusi frekuensi dari pengukuran diameter pipa.
Tabel Distribusi Diameter Pipa
Diameter (mm) Frekuensi
65 67
68 70
71 73
74 76
77 79
80 82
2
5
13
14
4
2
Jumlah 40
0
5
10
15
51 58 65 72 79 86 93
F
r
e
k
u
e
n
s
i
Titik Tengah Kelas
0
5
10
15
51 58 65 72 79 86 93
F
r
e
k
u
e
n
s
i
Titik Tengah Kelas

a. Tentukan nilai koefisien keruncingannya dan
bentuknya !
b. Gambarkan grafiknya !
Jawab :
Diameter xi fi fi xi xi x fi (xi x )
2
(xi x )
4
fi (xi x )
4

65 67
68 70
71 73
74 76
77 79
80 82
66
69
72
75
78
81
2
5
13
14
4
2
132
345
936
1050
312
162
-7,425
-4,425
-1,425
1,575
4,575
7,575
110,2613
97,90312
26,39812
34,72875
83,7225
114,7613

3.039,3858
383,4009
4,1234
6,1535
438,0911
3.292,5361
6.078,7716
1.917,0044
53,6047
86,1490
1.752,3642
6.585,0722
Jumlah 40 2937 - 467,775 16.472,9661


40
2937
1
1
= =

=
=
k
i
i
n
i
i i
f
x f
x = 73,425
SD =
( )
99423 , 11
1 40
775 , 467
1
1
1
2
=

=
=
k
i
i
k
i
i i
f
x x f
=
3,46327
4 = ( )

k
i
i t ii
t
f x x
SD f
1
4
4
1


= ( ) 97 , 16472
) 46327 , 3 ( 40
1
4

=
( ) 8616 , 143 40
97 , 16472

=
463 , 5754
97 , 16472

= 2,862642
Karena nilai 4 = 2,862642 hampir sama atau sama dengan 3
maka bentuk kurvanya adalah mesokurtik atau sedang.
Dengan rumus kedua, perhitungan 4 ialah sebagai berikut :
Diameter xi fi ui ui
2
ui
3
ui
4
fi ui fi ui
2
fi ui
3
fi ui
4
65 67
68 70
71 73
74 76
77 79
80 82
66
69
72
75
78
81
2
5
13
14
4
2
-3
-2
-1
0
1
2
9
4
1
0
1
4
-27
-8
-1
0
1
8
81
16
1
0
1
16
-6
-10
-13
0
4
4
18
20
13
0
4
8
-54
-40
-13
0
4
16
162
80
13
0
4
32
Jumlah 40 -21 63 -87 291


I
x x
u
ti i

= ; I = 3 ;
ti
x = 75

SD =
2
1
1
1
1
2
|
|
|
|

\
|

=
=
=
=
k
i
i
k
i
i i
k
i
i
k
i
i i
f
u f
f
u f
I
( )
2
2
525 , 0 575 , 1 3
40
21
40
63
3 =
|

\
|

=
( ) 139901 , 1 3 299375 , 1 3 275625 , 0 575 , 1 3 = = =
= 3,419704 =3,42

|
|
|
|

\
|

|
|
|
|

\
|
|
|
|
|

\
|
+
|
|
|
|

\
|
|
|
|
|

\
|
=

=
=
=
=
=
=
=
=
=
=
=
=
4
1
1
2
1
1
1
1
2
1
1
1
1
3
1
1
4
4
4
4
3 6 4
k
i
i
k
i
i i
k
i
i
k
i
i i
k
i
i
k
i
i i
k
i
i
k
i
i i
k
i
i
k
i
i i
k
i
i
k
i
i i
f
f u
f
f u
f
f u
f
f u
f
f u
f
f u
SD
I


( )

)

\
|

\
|

\
|
+
|

\
|

\
|

=
4 2
4
4
40
21
3
40
21
40
63
6
40
21
40
87
4
40
291
42 , 3
3
( )
)

\
|

\
|

\
|
+
|

\
|

\
|

=
4 2
4
40
21
3
40
21
40
63
6
40
21
40
87
4
40
291
42 , 3
81

( )( ) ( )( ) ( ) { }
4 2
525 , 0 3 525 , 0 575 , 1 6 525 , 0 175 , 2 4 275 , 7
8058 , 136
81
+ =
= 0,59208 { 7,275 4,5675 + 2,6046563 0,2279074 }
= 0,59208 {5,0842488}
= 3,0102835
Karena nilai 4 (3,0102835) hampir sama atau sama dengan 3
maka bentuk kurvanya adalah mesokurtik atau sedang.



b. Gambar grafiknya adalah :


Gambar 31. Histogram Ukuran Diameter Pipa
Adapun langkah-langkah mengerjakan atau mencari
kurtosis sebuah pencaran data adalah:
1. Untuk memudahkan dalam mengerjakan atu mencari
koefisien kurtosis, maka diperlukan tabel penolong
sebagai berikut :
a. Untuk data tunggal dengan rumus,
4 = ( )

k
i
i t ii
t
f x x
SD f
1
4
4
1
, maka tabelnya sebagai
berikut :
xi xi - (xi - )
2
(xi - )
4




xi (xi - )
2
(xi - )
4

Untuk x , diperoleh dari
n
x
x
n
i
i
=
=
1

0
5
10
15
20
66 69 72 75 78 81
F
r
e
k
u
e
n
s
i
Titik Tengah Kelas
x x x
x x
0
5
10
15
66 69 72 75 78 81
F
r
e
k
u
e
n
s
i
Titik Tengah Kelas

b. Untuk data kelompok dengan rumus :
4 = ( )

k
i
i t ii
t
f x x
SD f
1
4
4
1
, maka tabelnya sebagai
berikut :
Kelas xi fi fi xi xi x (xi x )
2
fi (xi x )
2
(xi x )
4
fi (xi x )
4





fi fi
xi
fi (xi x )
2
fi (xi x )
4

Untuk x , diperoleh dari

=
=
=
k
i
i
n
i
i i
f
x f
x
1
1

c. Untuk data berkelompok dengan rumus singkat, maka
tabel yang dibutuhkan adalah :
Kelas fi xi fi xi xi x (xi x )
2
fi (xi x )
2
ui ui.fi ui
2
.fi ui
3
.fi ui
4
.fi




fi fi xi fi (xi x )
2
uifi ui
2
.fi ui
3
.fi ui
4
.fi
Untuk x , diperoleh dari

=
=
=
k
i
i
n
i
i i
f
x f
x
1
1
dan
I
x x
u
ti i

=
2. Setelah membuat dan mengisi tabel penolong di atas,
langkah selanjutnya adalah mencari standar deviasi (SD)
dengan memasukkan data dari tabel tersebut, kedalam
rumus :

a. Untuk data tunggal, SD =
1 - n
) x - (x

2
i

b. Untuk data kelompok,
( )
1
1
1
2

=
=
k
i
i
k
i
i i
f
x x f
SD
3. Langkah selanjutnya adalah mencari koefisien kurtosis (4)
dengan memasukkan data-data yang terdapat dalam tabel
kedalam rumus koefisien kurtosis yang telah dijelaskan
sebelumnya.
4. Tentukan jenis kurtosis dari data tersebut, apakah termasuk
mesokurtik, platykurtik atau leptokurtik.

C. KOEFISIEN KURTOSIS PERSENTIL
Koefisien Kurtosis Persentil dilambangkan dengan K
(kappa). Untuk distribusi normal, nilai K adalah 0,263.
Koefisien Kurtosis Persentil dapat dirumuskan sebagai berikut:

( )
10 90
1 3 2
1
P P
K K
K

= (8.5)

Keterangan :
K = Koefisien Kurtosis Persentil
K1 = Kuartil ke-1
K3 = Kuartil ke-3
P10 = Persentil ke-10
P90 = Persentil ke-90

Contoh 6:
Berikut ini disajikan tabel distribusi frekuensi dari tinggi 66
mahasiswa universitas XYZ.
a. Tentukan koefisien kurtosis persentil (K)!
b. Apakah distribusinya termasuk distribusi normal?
c. Gambarkan grafiknya !

Tabel Tinggi Mahasiswa Universitas XYZ
Tinggi (cm) Frekuensi (f)
160 162 7
163 165 18
166 168 6
169 171 27
172 174 8
Jumlah 66

Jawab :
Kelas kuartil ke-1 = kelas yang memuat data ke
t
f
p
4
=
5 , 16 66
4
1
= yaitu kelas 163 165.
K1 = I
f
f f
B
K
s t
b
|
|

\
|
+
1
1
4
1
= 3
18
7 66
5 , 162
4
1
|
|

\
|
+
= 3
18
5 , 9
5 , 162
|

\
|
+ =
|

\
|
+
18
5 , 28
5 , 162
= 162,5 + 1,58333 = 164,08333


Kelas kuartil ke-3 = kelas yang memuat data ke
t
f
p
4
=
5 , 49 66
4
3
= yaitu kelas 169 171.
K3 = I
f
f f
B
K
s t
b
|
|

\
|
+
3
3
4
3
= 3
27
31 66
5 , 168
4
3
|
|

\
|
+
= 3
27
5 , 18
5 , 168
|

\
|
+ =
|

\
|
+
27
5 , 55
5 , 168
= 168,5 + 2,05555 = 170,55555

Kelas persentil ke-10 = kelas yang memuat data ke
t
f
p
100

= 6 , 6 66
100
10
= yaitu kelas 160 162
P10 = I
f
f f
B
P
s t
b
|
|

\
|
+
10
10
100
10
= 3
7
0 66
5 , 159
100
10
|
|

\
|
+
= 3
7
6 , 6
5 , 159
|

\
|
+ =
|

\
|
+
7
8 , 19
5 , 159
= 159,5 + 2,82857 = 162,32857

Kelas persentil ke-90= kelas yang memuat data ke
t
f
p
100
= 4 , 59 66
100
90
= yaitu kelas 172 174
P90 = I
f
f f
B
P
s t
b
|
|

\
|
+
90
90
100
90
= 3
8
58 66
5 , 171
100
90
|
|

\
|
+

= 3
8
4 , 1
5 , 171
|

\
|
+ =
|

\
|
+
8
2 , 4
5 , 171 = 171,5 + 0,525 =
172,025

a.
( )
10 90
1 3 2
1
P P
K K
K

=
=
32857 , 162 025 , 172
) 08333 , 164 55555 , 170 (
2
1


=
69643 , 9
23611 , 3
69643 , 9
) 47222 , 6 (
2
1
=
= 0,33374
b. Karena nilai K = 0,33374 (K > 0,263 ) maka
distribusinya bukan distribusi normal
c. Gambar grafiknya adalah


Gambar 32. Histogram Tinggi Mahasiswa Universitas XYZ


0
10
20
30
160 170 180
F
r
e
k
u
e
n
s
i
Titik Tengah Kelas
0
10
20
30
161 164 167 170 173
F
r
e
k
u
e
n
s
i
Titik Tengah Kelas

D. LATIHAN SOAL

1. Diketahui data minat masyarakat pada satu acara reality
show yang disiarkan oleh satu stasiun TV swasta yang
berjumlah 54 responden adalah sebagai berikut :
Nilai Tengah (Xi) Frekuensi
12.5
17.5
22.5
27.5
32.5
37.5
42.5
3
7
16
12
9
5
2
Pertanyaan :
a. Hitunglah standard deviasi (s) dari data tersebut !
b. Hitunglah ukuran Kurtosis-nya dan tentukan jenisnya !
2. Diketahui pencaran frekuensi data motivasi kerja suatu
departemen yang berjumlah 100 personil adalah sebagai
berikut :
Nilai Tengah (Xi) Frekuensi
60
65
70
75
80
85
90
2
3
18
42
27
5
3


Pertanyaan :
a. Hitunglah standard deviasi (s) dari data tersebut !
b. Hitunglah ukuran Kurtosis-nya dan tentukan jenisnya !
3. Berikut adalah data nilai ekspor minyak mentah menurut
negara tujuan pada tahun 2002:
Negara Nilai (juta US$)
Jepang 1840
Singapura 413
Cina 857
Australia 718
Amerika Serikat 380
Korea Selatan 788

Hitunglah koefisien kecondongan dari nilai ekspor minyak
mentah dan apa kesimpulannya!
4. Berikut adalah data kepadatan jumlah penduduk
Kabupaten Bengkulu Selatan pada tahun 2003.
Kecamatan Kepadatan Penduduk
Manna 129
Kota Manna 342
Kedurang 53
Seginim 171
Pino 62
Pino Raya 68


Hitunglah koefisien kecondongan dari kepadatan jumlah
penduduk, apabila koefisien negatif condong ke kiri berarti
penduduk mengarah ke perkotaan dan sebaliknya.

E. DAFTAR PUSTAKA
Hanafiah, kemas Ali. Dasar-dasar Statistik. Jakarta : Raja Grafindo
persada. 2006
Hasan, Iqbal. Pokok-pokok Materi Statistik I (Statistik deskriptif).
Jakarta : Bumi Aksara. 2008
http://arika.blog.unej.ac.id/files/2009/05/kemiringan-dan-
kurtosis.pdf
http://pksm.mercubuana.id/modul, diakses tanggal 9 Juni 2009.
http://statutorial.blogspot.com/2008/01/skewness-dan-kurtosis.html
Mangkuatmojo, Soegyarto. Pengantar Statistik. Jakarta : Rineka
Cipta. 2003
Mustafa. Zainal. Pengantar Statistik Deskriptif. Yogyakarta. Surya
Sarana utama. 1998
Pasaribu, Amudi. Pengantar Statistik. Jakarta Timur: Ghalia
Indonesia, 1965
Sudjana. Metoda Statistika. Bandung: Tarsita, 1995








BAB IX
ANGKA INDEKS






A. PENDAHULUAN
Pada bab-bab terdahulu sudah dipelajari bagaimana
menyajikan data, mengetahui ukuran pemusatan dan penyeba-
ran sebagai bagian dari statistik deskriptif. Apabila kita membaca
surat kabar atau melihat berita ekonomi maka akan banyak
disajikan indikator perekonomian seperti indeks harga konsu-
men, indeks harga bahan pokok, indeks harga yang diterima
petani, indeks harga produsen, indeks harga saham, dan indeks
yang lain.
Angka indeks adalah sebuah angka yang menggambarkan
perubahan relatif tehadap harga, kuantitas atau nilai yang
dibandingkan dengan tahun dasar. Angka indeks memperli-
hatkan bagaimana perubahan terjadi. Bagaimana harga-harga,
pendapatan, produksi, dan nilai produksi berubah seiring de-
ngan perubahan waktu, teknologi dan sumber daya manusia.
Untuk melihat seberapa besar perubahan tersebut, maka angka
indeks membandingkannya dengan tahun dasar. Tahun dasar
(base year) adalah tahun pembanding yang dipilih secara bebas.
Namun demikian, apabila Anda melihat indikator ekonomi
Badan Pusat Statistik (BPS), tahun dasar diubah setiap 10 tahun
seperti 1973,1983, 1993, 2003, dan ke depan 2013. Angka indeks

akan membandingkan bagaimana kondisi misalnya tahun 2002
dibandingkan dengan tahun 1993, apakah sama, meningkat atau
menurun.
Pemilihan tahun dasar untuk angka indeks biasanya
memperhatikan:
(a) Tahun yang dipilih sebagai tahun dasar menunjukkan
kondisi perekonomian yang stabil. Apabila dipilih kondisi
tidak stabil seperti tahun 1997-1998, dalam kondisi krisis,
perekonomian tidak berjalan normal sehingga tidak dapat
dibuat sebagai dasar perbandingan. Pertimbangan ideal-
nya adalah untuk membandingkan sesuatu seharusnya
dibandingkan dengan sesuatu yang normal.
(b) Tahun dasar diusahakan tidak terlalu jauh dengan tahun
yang dibandingkan, sehingga perbandingannya masih
bermakna. Oleh sebab itu, tahun dasar setiap 10 tahun diu-
bah, sebab tidak baik juga apabila setiap tahun mengubah
tahun dasar.
Untuk mempelajari angka indeks, berturut-turut akan dibahas:
I. Angka Indeks Relatif Sederhana
1. Angka indeks harga relatif sederhana
2. Angka indeks kuantitas relatif sederhana
3. Angka indeks nilai relatif sederhana
II. Angka Indeks Agregat Sederhana
1. Angka indeks harga agregat sederhana
2. Angka indeks kuantitas agregat sederhana
3. Angka indeks nilai agregat sederhana
III. Angka Indeks Agregat Tertimbang
1. Indeks harga tertimbang

2. Formula Laspeyres
3. Formula Paasche
4. Formula Fisher
5. Formula Drobisch
6. Formula Marshal-Edoeworth
7. Formula Wals
IV. Macam-macam lndeks
1. Indeks harga konsumen
2. Indeks harga perdagangan besar
3. Indeks nilai tukar oetani
4. Indeks produktivitas
Masalah dalam penyusunan indeks

B. ANGKA INDEKS RELATIF SEDERHANA
Angka indeks relatif sederhana dikenal juga dengan
unweighted index yaitu indeks yang tanpa memperhitungkan
bobot setiap barang dan jasa. Setiap barang dan jasa diberikan
porsi yang sama, sehingga peran bahan pangan (beras, daging,
dan sayuran) sama saja dengan barang lain seperti pakaian,
elektronika, dan sebagainya.
1. Angka Indeks Harga Relatif Sederhana
Angka indeks harga relatif sederhana menunjukkan
perkembangan harga relatif suatu barang dan jasa pada tahun
berjalan dengan tahun dasar, tanpa memberikan bobot terhadap
kepentingan barang dan jasa.
Angka indeks harga relatif sederhana dirumuskan sebagai
berikut:

100
0
x
H
H
IH
t
= (9.1)

Di mana: lH : Indeks harga
Ht : Harga pada tahun t
H0 : Harga pada tahun dasar
Contoh 1:
Berikut adalah harga beras per kg di Jakarta. Hitunglah
indeks harga relatif sederhana dengan menggunakan tahun
dasar 1996.
Tahun Harga per kg
1996 1014
1997 1112
1998 2461
1999 2058
2000 2240
2001 2524
2002 2777
Sumber: Laporan Perekonomian
Indonesia,BPS,2002
Penyelesaian:
a. Tahun dasar 1996, maka angka indeks adalah 100.
b. Indeks harga relatif sederhana untuk tahun 1997 adalah:
110 100
1014
1112
100
0
= = = x x
H
H
IH
t


c. Dengan cara yang sama pada point b, maka indeks harga
relatif sederhana adalah sebagai berikut:
Tahun Harga per kg Indeks Perhitungan
1996 1014 100 (1014/1014) x 100
1997 1112 110 (1112/1014) x 100
1998 2461 243 (2461/1014) x 100
1999 2058 203 (2058/1014) x 100
2000 2240 221 (2240/1014) x 100
2001 2524 249 (2524/1014) x 100
2002 2777 274 (2777/1014) x 100

Dari indeks harga sejak 1996 sampai 2002 harga telah
naik 174% (274100) atau setiap tahunnya 24,86%
Contoh 2:
Berikut adalah perkembangan harga saham PT Indofarma
Tbk. Selama tahun 2002. Hitunglah indeks harganya dengan
harga dasarnya bulan Juli 2002.
Bulan Harga Bulan Harga
Januari 200 Juli 275
Februari 250 Agustus 230
Maret 240 September 245
April 290 Oktober 265
Mei 300 Nopember 240
Juni 260 Desember 230
Sumber: Investor V(70)

Penyelesaian:
lH = (Ht /H0) x 100 dengan bulan dasar Juli (lH Juli = 100)
lH Februari = (250/275) x 100 = 91
Penyelesaian seluruhnya adalah sebagai berikut:
Bulan Harga Indeks Perhitungan
Januari 200 73 (200/275)x100
Februari 250 91 (250/275)x100
Maret 240 87 (240/275)x100
April 290 105 (290/275)x100
Mei 300 109 (300/275)x100
Juni 260 95 (260/275)x100
Juli 275 100 (275/275)x100
Agustus 230 84 (230/275)x100
September 245 89 (245/275)x100
Oktober 265 96 (265/275)x100
Nopember 240 87 (240/275)x100
Desember 230 84 (230/275)x100

Dari nilai indeks harga saham PT Indofarma terlihat bahwa
yang lebih tinggi dari bulan Juli ada 2 bulan, sedang 9 bulan
lainnya di bawah bulan Juli. Indeks yang di atas seratus
terkumpul pada April sampai Juli kecuali bulan Juni,
selebihnya bulan September-Maret indeks harga saham
cenderung turun.

2. Angka Indeks Kuantitas Relatif Sederhana
Indeks kuantitas relatif sederhana dimaksudkan untuk
melihat perkembangnn kuantitas barang dan jasa. Seberapa
besar perkembangan kuantitas tersebut dibandingkan
dengan tahun atau periode dasarnya. Indeks kuantitas
sederhana dihitung tanpa memberikan bobot setiap
komoditas, karena masih dianggap mempunyai
kepentingan yang sama.
lndeks kuantitas relatif sederhana dirumuskan sebagai
berikut:

100
0
x
K
K
IK
t
= (9.2)

Di mana: lK : Indeks kuantitas
Kt : Kuantitas Pada tahun t
K0 : Kuantitas Pada tahun dasar
Contoh 3
Berikut adalah produksi beras di Indonesia. Hitunglah indeks
kuantitas relatif sederhana dengan menggunakan tahun dasar
1996.
Tahun Produksi (juta ton)
1996 31
1997 30
1998 32
1999 33

2000 32
2001 30
2002 31
Sumber: Laporan Perekonomian Indonesia.BPS.2002

Penyelesaian:
a. Tahun dasar 1996, maka angka indeks adalah 100.
b. Indeks kuantitas relatif sederhana untuk tahun 1997 adalah:
97 100
31
30
100
0
= = = x x
K
K
IK
t

c. Dengan cara perhitungan yang sama pada bagian b, maka
indeks kuantitas relatif sederhana adalah sebagai berikut:
Tahun Produksi (juta ton) Indeks Perhitungan
1996 31 100 (31/31) x 100
1997 30 97 (30/31) x 100
1998 32 103 (32/31) x 100
1999 33 106 (33/31) x 100
2000 32 103 (32/31) x 100
2001 30 97 (30/31) x 100
2002 31 100 (31/31) x 100
Dari indeks kuantitas terlihat bahwa produksi yang lebih kecil
dari 1996 adalah tahun 1997 dan 2001. Produksi selama 1996
2002 mengalami penurunan sebesar 3% (97% 100%) dan
kenaikan tertinggi 6% (106% 100%).

3. Angka Indeks Nilai Relatif Sederhana
Indeks nilai relatif sederhana menunjukkan perkembangan
nilai (harga dikalikan dengan kuantitas) suatu barang dan
jasa pada suatu periode dengan periode atau tahun
dasarnya.
Indeks nilai relatif sederhana dirumuskan sebagai berikut:

100 100
0 0 0
x
K H
K H
x
V
V
IN
t t t
= = (9.3)

Di mana: IN : Indeks nilai relatif sederhana
Vt : Volume/nilai pada periode/tahun t
V0 : Volume/nilai pada periode/tahun dasar
Ht : Harga komoditi pada periode/tahun t
Kt : Kuantitas komoditi pada periode/tahun t
H0 : Harga komoditi pada periode/tahun dasar
K0 : Kuantitas komoditi pada periode/tahun dasar
Contoh 4
Berikut adalah harga beras dan produksi beras di Indonesia
tahun 19962002. Hitunglah indeks nilai berdasarkan tahun
dasar 1996.
Tahun Harga (Rp/Kg) Produksi (juta ton)
1996 1014 31
1997 1112 30
1998 2461 32

1999 2058 33
2000 2240 32
2001 2524 30
2002 2777 31

Penyelesaian:
a. Menghitung nilai yaitu perkalian harga dengan kuantitas
Contoh tahun 1996
= 1.014 (Rp/Kg) x 31.000.000.000 Kg = 31.434.000.000.000
Untuk menyederhanakan ditulis 31.434 miliar.
b. Membagi nilai masing-masing tahun dengan nilai tahun
dasar.
Hasil selengkapnya adalah sebagai berikut:
Tahun Harga
(Rp/Kg)
Produksi
(juta ton)
Nilai Indeks Perhitungan
1996 1014 31 31434 100 (31434/31434) x 100
1997 1112 30 33360 106 (33360/31434) x 100
1998 2461 32 78752 251 (78752/31434) x 100
1999 2058 33 67914 216 (67914/31434) x 100
2000 2240 32 71680 228 (71680/31434) x 100
2001 2524 30 75720 241 (75720/31434) x 100
2002 2777 31 86087 274 (86087/31434) x 100
Dari indeks nilai dapat diketahui bahwa penerimaan dari padi
meningkat 6% untuk tahun 19961997, sedang selama periode

19962002, penerimaan meningkat 174% atau meningkat 24,86%
per tahunnya.
Contoh 5
Berikut adalah transaksi saham PT Astra lnternasional di BEJ, 5
Maret 2003. Hitunglah indeks harga saham dengan
menggunakan tahun dasar 1998!
Tahun Harga (Rp/lembar) Jumlah (juta lmb)
1998 1525 2,33
1999 1237 1,11
2000 2664 2,35
2001 2300 2,29
2002 2350 3,91
Sumber: Kompas.Prospektif.InfoBank
Penyelesaian:
a. Menghitung nilai = harga saham x volume penjualan
Untuk 1998 = 1525 x 2,33 = 3553 juta
Dan dilanjutkan untuk semua tahun.
b. Menghitung indeks = (nilai tahun Unilai tahun 1998) x 100
Untuk 1999 = (1373/3553) x 100 = 39.
Perhitungan selengkapnya adalah sebagai berikut:
Tahun Harga
(Rp/lembar)
Jumlah
(juta lb)
Nilai Indeks Perhitungan
1998 1525 2,33 3553,25 100 (3553,25/3553,25)x100
1999 1237 1,11 1373,07 39 (1373,07/3553,25)x100
2000 2664 2,35 6260,4 176 (6260,4/3553,25)x100

2001 2300 2,29 5267 148 (5267/3553,25)x100
2002 2350 3,91 9188,5 259 (9188,5/3553,25)x100
Dari angka indeks nilai memperlihatkan kecenderungan nilai
saham yang meningkat dari Astra Internasional. Sejak tahun
1998 sampai 2002 telah meningkat 159% atau per tahun
meningkat 31,8%. Nilai indeks hanya turun tahun 1999, di mana
Astra harus merestrukturisasi utang-utangnya.

C. ANGKA INDEKS AGREGAT SEDERHANA
Angka indeks ini menekankan agregasi yaitu barang dan jasa
lebih dari satu. Harga, kuantitas; dan nilai dari beberapa
komoditi dijadikan satu, sehingga mendapatkan angka indeks
yang mewakili agregasi tersebut. Contoh berdasarkan pada
metode BPS, ada agregasi makanan (merupakan kelompok dari
beras, jagung, kedelai, minuman, tembakau, dan lain - lain)
,perumahan (alat dan bahan perumahan), sandang (tekstil dan
produk tekstil), dan aneka barang dan jasa (untuk seluruh
barang dan jasa yang tidak masuk agregasi yang lainnya). Pada
subbagian ini akan dibahas indeks agregat untuk harga,
kuantitas, dan nilai sederhana yaitu tanpa pembobotan.
1. Angka indeks harga agregat sederhana
Angka indeks harga agregat sederhana adalah angka indeks
yang menunjukkan perbandingan antara jumlah harga
kelompok barang dan jasa pada periode tertentu dengan
periode dasarnya,
Angka indeks harga agregat sederhana dirumuskan sebagai
berikut:


100
0
x
H
H
IHA
t

=

(9.4)

Di mana:
IHA : Indeks harga agregat sededrana
Ht : Jumlah harga kelompok barang dan jasa periode t
H0 : Jumlah harga kelompok barang dan jasa periode dasar

Contoh 6
Hitunglah indeks harga agregat kelompok makanan berikut
dengan tahun dasar 2000.
Jenis Barang 1997 1998 1999 2000 2001 2002
Beras 815 1002 1013 1112 2461 2777
Jagung 456 500 627 662 1294 1650
Kedelai 1215 1151 1148 1257 1380 1840
Kacang Hijau 1261 1288 1630 1928 3687 3990
Kacang Tanah 2095 2000 2288 2233 2540 3100
Ketela Pohon 205 269 261 243 551 650
Ketela Rambat 298 367 357 351 798 980
Kentang 852 824 937 1219 2004 2450
Sumber: BPS, 2002
Penyelesaian:
a. Langkah pertama menjumlahkan harga semua jenis
barang.
Contoh H97 =

815 + 456 + 1215 + 1261 + 2095 + 205 + 298 + 852 = 7197
Penjumlahan seluruhnya adalah sebagai berikut:

Jenis Barang 1997 1998 1999 2000 2001 2002
Beras 815 1002 1013 1112 2461 2777
Jagung 456 500 627 662 1294 1650
Kedelai 1215 1151 1148 1257 1380 1840
Kacang Hijau 1261 1288 1630 1928 3687 3990
Kacang Tanah 2095 2000 2288 2233 2540 3100
Ketela Pohon 205 269 261 243 551 650
Ketela Rambat 298 367 357 351 798 980
Kentang 852 824 937 1219 2004 2450
Jumlah 7197 7401 8261 9005 14715 17437

b. Langkah kedua menghitung angka indeks
Indeks 1997 = (7.197/9.005) x 100 = 80
Indeks 1998 = (7.401/9.005) x 100 = 82
Hasil selengkapnya angka indeks adalah sebagai berikut:
Tahun Angka Indeks Harga Agregat
1997 80
1998 82
1999 92
2000 100
2001 163

2002 194

Angka indeks tahun 2002 berdasarkan tahun dasar 2000 adalah
194, ini menunjukkan bahwa selama 2 tahun dari 2000
2002,harga telah naik 94% (194100). Apabila kita melihat pada
selisih angka indeks, maka kita mendapatkan kenaikan harga
setiap tahun, seperti dari 1997 ke 1998, harga naik 2%, tahun
19981999 naik 10%, tahun 19992000 naik 8%, tahun 20002001
naik 63% dan tahun 20012002 naik 31%

2. Angka indeks kuantitas agregat sederhana
Angka indeks kuantitas agregat sederhana adalah angka
indeks yang menunjukkan perbandingan antara jumlah
kuantitas kelompok barang dan jasa pada periode tertentu
dengan periode dasarnya. Angka indeks kuantitas agregat
sederhana dirumuskan sebagai berikut:

100
0
x
K
K
IKA
t

= (9.5)
Di mana:
IKA : Indeks kuantitas agregat sederhana
Kt : Jumlah kuantitas kelompok barang dan jasa periode t
Ko: Jumlah kuantitas kelompok barang dan jasa periode
dasar
Contoh 7
Hitunglah indeks kuantitas agregat kelompok makanan berikut
dengan tahun dasar 2000. Nilai dalam juta ton.

Jenis Barang 1997 1998 1999 2000 2001 2002
Beras 44,7 45,2 44,7 48,2 48,1 46,6
Jagung 6,2 6,7 6,2 7,9 6,5 6,8
Kedelai 1,3 1,5 1,6 1,9 1,7 1,6
Kacang Hijau 0,2 0,3 0,2 0,5 0,6 0,3
Kacang Tanah 0,6 0,7 0,7 0,8 0,6 0,6
Ketela Pohon 17,1 15,8 15,9 16,5 17,3 15,7
Ketela Rambat 2,2 1,9 2,1 2,2 2,1 1,8
Kentang 0,1 0,3 0,4 0,5 0,6 0,5

Sumber: BPS, 2002

Penyelesaian:
a. Langkah pertama adalah menjumlahkan kuantitas
produksi seluruh barang setiap tahunnya.
K 97 = 44,7 + 6,2 + 1,3 + 0,2 + 0,6 + 17,1 + 2,2 + 0,1 =72,4
Penjumlahan seluruhnya adalah sebagai berikut:
Jenis Barang 1997 1998 1999 2000 2001 2002
Beras 44,7 45,2 44,7 48,2 48,1 46,6
Jagung 6,2 6,7 6,2 7,9 6,5 6,8
Kedelai 1,3 1,5 1,6 1,9 1,7 1,6
Kacang Hijau 0,2 0,3 0,2 0,5 0,6 0,3
Kacang Tanah 0,6 0,7 0,7 0,8 0,6 0,6
Ketela Pohon 17,1 15,8 15,9 16,5 17,3 15,7
Ketela Rambat 2,2 1,9 2,1 2,2 2,1 1,8
Kentang 0,1 0,3 0,4 0,5 0,6 0,5

Jumlah 72,4 72,4 71,8 78,5 77,5 73,9

b. Menghitung angka indeks kuantitas
Angka indeks 97 = (72,4178,5) x 100 = 92
Angka indeks seluruhnya adalah sebagai berikut:
Tahun Angka Indeks
1997 92
1998 92
1999 91
2000 100
2001 99
2002 94

lndeks kuantitas tahun 2002 sebesar 94, hal ini menunjukkan
bahwa selama tahun 20002002, produksi turun 6% (100 - 94).
Dari selisih nilai indeks terlihat selama tahun 19971998 produksi
tidak meningkat, tahun 1998-1999 meningkat 1%, tahun 1999
2000 meningkat 9%, namun untuk 20002001 turun 1% dan
tahun 20012002 turun 5%.
Mengapa produksi pangan cenderung menurun? Dampak krisis
yang mendorong meninkatnya harga sarana produksi seperti
pupuk, obat, dan alat pertanian mungkin salah satu jawabannya.

3. Angka indeks nilai agregat sederhana
Indeks nilai agregat relatif sederhana menunjukkan
perkembangan nilai (harga dikalikan dengan kuantitas)

sekelompok barang dan jasa pada suatu periode dengan
periode atau tahun dasarnya.
Indeks nilai agregat relatif sederhana dinimuskan sebagai
berikut:

100 100
0 0 0
x
K H
K H
x
V
V
INA
t t t
=

= (9.6)

Di mana: INA : Indeks nilai agregat relatif sederhana
: Lambang operasi penjumlahan
Vt : Volume/nilai pada periode/tahun t
V0 : Volume/nilai pada periode/tahun dasar
Ht : Harga komoditi pada periode/tahun t
Kt : Kuantitas komoditi pada periode/tahun t
H0 : Harga komoditi pada periode/tahun dasar
K0 : Kuantitas komoditi pada periode/tahun
dasar
Contoh 8
Berikut adalah harga dan kuantitas kelompok bahan
pangan. Hitunglah indeks nilai agregat relatif sederhana
dengan tahun dasar 2000.
Jenis Barang Tahun 2000 Tahun 2002
Harga Kuantitas Harga Kuantitas
Beras 1112 48,2 2777 46,6
Jagung 662 7,9 1650 6,8
Kedelai 1257 1,9 1840 1,6

Kacang Hijau 1928 0,5 3990 0,3
Kacang Tanah 2233 0,8 3100 0,6
Ketela Pohon 243 16,5 650 15,7
Ketela Rambat 351 2,2 980 1,8
Kentang 1219 0,5 2450 0,5
Sumber: BPS, 2002

Penyelesaian:
a. Menghitung nilai masing-masing barang, contoh:
Nilai beras tahun 2000 = 1.112 x 49,2 = 53.598
Nilai beras tahun 2002 = 2.777 x 46,6 = 129.408
Nilai selengkapnya adalah sebagai berikut:
Jenis Barang Tahun 2000 Tahun 2002
H0 K0 H0K0 Ht Kt HtKt
Beras 1112 48,2 53598 2777 46,6 129408
Jagung 662 7,9 5230 1650 6,8 11220
Kedelai 1257 1,9 2388 1840 1,6 2944
Kacang Hijau 1928 0,5 964 3990 0,3 1197
Kacang Tanah 2233 0,8 1786 3100 0,6 1860
Ketela Pohon 243 16,5 4010 650 15,7 10205
Ketela Rambat 351 2,2 772 980 1,8 1764
Kentang 1219 0,5 610 2450 0,5 1225
Jumlah 69358 159823
b. Langkah kedua menjumlahkan nilai tahun 2000 = 69.358
dan tahun 2002= 159.823

c. Mengitung angka indeks nilai agregat relatif sederhana
230 100
69358
159823
100 100
0 0 0
= = =

= x x
K H
K H
x
V
V
INA
t t t

Angka indeks nilai agregat tahun 2002 sebesar 230 dapat
diartikan bahwa selama tahun 20002002 nilai agregat meningkat
130% (230 100). Apa yang mempengaruhi indeks nilai agregat?
Perubahan harga dan kuantitas selama periode yang diukur.

D. ANGKA INDEKS AGREGAT TERTIMBANG
Angka indeks tertimbang (weighted index), indeks ini berbeda
dengan indeks sederhana. Indeks tertimbang memberikan
bobot yang berbeda terhadap setiap komponen. Mengapa
harus diberikan bobot yang berbeda? Karena pada dasarnya
setiap barang dan jasa mempunyai tingkat utilitas (manfaat dan
kepentingan) yang berbeda. Beras mungkin dirasakan lebih
penting dibandingkan dengan sayuran atau jenis barang lain.
lndeks tertimbang biasa digunakan untuk indeks agregat di
mana banyak jenis komoditi, sehingga setiap komoditi
mempunyai bobot yang berbeda. Untuk indeks relatif tidak
perlu diadakan pembobotan karena barang dan jasanya
tunggal.
1. Indeks Harga Tertimbang
Rumus indeks tertimbang adalah sebagai berikut:

100
) (
) (
0
x
W x P
W x P
IHT
t

= (9.7)
Di mana: IHT : Indeks harga agregat tertimbang
Pt : Harga agregat pada tahun t

P0 : Harga agregat pada tahun dasar
W : Bobot penimbang
: Lambang operasi penjumlahan

Untuk menghitung indeks tertimbang, ada beberapa
permasalahan yaitu bagaimana menentukan bobot penim-
bang. Penentuan bobot berdasarkan utilitas tentunya bisa
subjektif tergantung darimana orang memandangnya. Oleh
sebab itu, ada beberapa formula yang telah dikembangkan
untuk menentukan nilai bobot sebagai penimbang tersebut.
Berikut beberapa formula tersebut:

2. Formula Laspeyres
Etienne Laspeyres mengembangkan metode ini pada akhir
abad ke-18 dalam menentukan sebuah indeks tertimbang
dengan menggunakan bobot sebagai penimbang yaitu
periode dasar.
Indeks tertimbang Laspeyres dirumuskan sebagai berikut:

100
0 0
0
x
K H
K H
IL
t

= (9.8)


Di mana: IL : Indeks Laspeyres
Ht : Harga pada tahun t
H0 : Harga pada tahun dasar

K0 : Kuantitas pada tahun dasar sebagai
pembobot (W)
Contoh 9
Hitunglah indeks Laspeyres dari kelompok pangan berikut
ini, dengan menggunakan tahun dasar 2000.
Jenis Barang Tahun 2000 Tahun 2002
Harga Kuantitas Harga Kuantitas
Beras 1112 48,2 2777 46,6
Jagung 662 7,9 1650 6,8
Kedelai 1257 1,9 1840 1,6
Kacang Hijau 1928 0,5 3990 0,3
Kacang Tanah 2233 0,8 3100 0,6
Ketela Pohon 243 16,5 650 15,7
Ketela Rambat 351 2,2 980 1,8
Kentang 1219 0,5 2450 0,5
Sumber: BPS, 2002
Penyelesaian:
a. Menghitung nilai HtK0 dan H0K0
Untuk beras misalnya, HtK0= 2.777x 48,2 = 133.851
Untuk beras misalnya, H0K0 = 1 .112 x 48,2 = 53.598
Untuk nilai HtK0 dan H0K0 seluruhnya adalah sebagai
berikut:
Jenis Barang H0 Ht K0 H0K0 HtK0
Beras 1112 2777 48,2 53598 133851
Jagung 662 1650 7,9 5230 13035

Kedelai 1257 1840 1,9 2388 3496
Kacang Hijau 1928 3990 0,5 964 1995
Kacang Tanah 2233 3100 0,8 1786 2480
Ketela Pohon 243 650 16,5 4010 10725
Ketela Rambat 351 980 2,2 772 2156
Kentang 1219 2450 0,5 610 1225
Jumlah 69358 168963

b. Menentukan angka indeks Laspeyres
244 100
69358
168963
100
0 0
0
= =

= x x
K H
K H
IL
t

Jadi nilai indeks Laspeyres 244 ini menunjukkan bahwa
harga barang pangan dari tahun 20002002 telah
meningkat 144% (244 100).
3. Formula Paasche
Setelah Laspeyres mengemukakan formulanya, Paasche
mengemukakan konsep penggunaan bobot tahun beridan
dan bukan tahun dasar sebagai bobot. Formula Paasche
selanjutnya dirumuskan sebagai berikut:

100
0
x
K H
K H
IP
t
t t

= (9.9)

Di mana: IP : Indeks Paasche
Ht : Harga pada tahun t
H0 : Harga pada tahun dasar

Kt : Kuantitas pada tahun berjalan sebagai
pembobot (W)
Contoh 10
Hitunglah indeks Paasche untuk komoditi pangan pada
contoh 9.
Penyelesaian:
a. Menghitung nilai HtKt dan H0Kt
Untuk beras misalnya, HtKt = 2.777 x 46,6 = 129.408
Untuk beras misalnya, H0Kt = 1.112 x 46,6 = 51.819
Untuk nilai HtKt dan H0Kt, seluruhnya adalah sebagai
berikut:
Jenis Barang H0 Ht Kt H0Kt HtKt
Beras 1112 2777 46,6 51819 129408
Jagung 662 1650 6,8 4502 11220
Kedelai 1257 1840 1,6 2011 2944
Kacang Hijau 1928 3990 0,3 578 1197
Kacang Tanah 2233 3100 0,6 1340 1860
Ketela Pohon 243 650 15,7 3815 10205
Ketela Rambat 351 980 1,8 632 1764
Kentang 1219 2450 0,5 610 1225
Jumlah 65307 159823
b. Menentukan angka indeks Paasche
245 100
65307
159823
100
0
= =

= x x
K H
K H
IP
t
t t


Nilai indeks Paasche sebesar 245, artinya harga pangan
telah meningkat 141% selama tahun 20002002 (245
100).
4. Formula Fisher
Fisher mencoba memperbaiki formula Laspeyres dan
Paasche. Menurut Fisher, Indeks agregat adalah paduan
dari kedua indeks dan merupakan akar dari perkalian
kedua indeks. Indeks Fisher menjadi lebih sempurna
dibandingkan kedua indeks yang lain baik Laspeyres
maupun Paasche.

IP x IL IF = (9.10)

Di mana: lF : Indeks Fisher
lL : Indeks Laspeyres
lP : Indeks Paasche
Contoh 11
Hitunglah indeks Fisher dengan menggunakan data pada
Contoh 9 dan Contoh 10.
Penyelesaian:
Diketahui Indeks Laspeyres = 244 dan Indeks Paasche = 245
Maka Indeks Fisher = 245 244 x = 244,5
Nilai Indeks Fisher sebesar 244,5 menunjukkan bahwa
selama tahun 20002002 harga telah meningkat 144,5%
(244,5100). Nilai Fisher juga merupakan nilai tengah di
antara Indeks Laspeyres dan Indeks Paasche.


5. Formula Drobisch
Indeks Drobisch dipergunakan apabila nilai Indeks
Laspeyres dan Indeks Paasche berbeda terlalu jauh, Indeks
Drobisch juga merupakan jalan tengah selain lndeks Fisher.
Indeks Drobisch merupakan nilai rata-rata dari kedua
indeks. Indeks Drobisch dirumuskan sebagai berikut:

2
IP IL
ID
+
= (9.11)
Di mana: ID : lndeks Drobisch
IL : Indeks Laspeyres
IP : Indeks Paasche
Contoh 12
Hitunglah lndeks Drobisch, apabila Indeks Laspeyres = 244
dan Indeks Paasche = 245.
Penyelesaian:
5 , 244
2
245 244
2
=
+
=
+
=
IP IL
ID


6. Formula Marshal-Edgeworth
Formula Marshal-Edgeworth relatif berbeda dengan konsep
Laspeyres dan Paasche. Marshal- Edgeworth menggunakan
bobot berupa jumlah kuantitas pada tahun t dengan
kuantitas pada tahun dasar. Pembobotan ini diharapkan
akan mendapatkan nilai yang lebih baik. Indeks Marshal-
Edgeworth dirumuskan sebagai berikut:


100
) (
) (
0 0
0
x
K K H
K K H
IME
t
t t
+
+
= (9.12)

Di mana: IME : Indeks Marshal-Edgeworth
Ht : Harga pada tahun t
H0 : Harga pada tahun dasar
Kt : Kuantitas pada tahun t
K0 : Kuantitas pada tahun dasar

Contoh 12
Hitunglah indeks Marshal-Edgeworth dari kelompok pangan
seperti data pada Contoh 9.
Penyelesaian:
a. Langkah pertama menjumlahkan K0 + Kt
b. Langkah kedua mengalikan H0(K0 + Kt) dan Ht(K0 + Kt)
c. Langkah ketiga menjumlahkan H0 (K0 + Kt) danHt (K0 + Kt)
d. Menghitung Indeks Marshal-Edgeworth
Jenis Barang H0 K0 Ht Kt K0+Kt H0(K0+Kt) Ht(K0+Kt)
Beras 1112 48,2 2777 46,6 94,8 105418 263260
Jagung 662 7,9 1650 6,8 14,7 9731 24255
Kedelai 1257 1,9 1840 1,6 3,5 4400 6440
Kacang Hijau 1928 0,5 3990 0,3 0,8 1542 3192
Kacang Tanah 2233 0,8 3100 0,6 1,4 3126 4340
Ketela Pohon 243 16,5 650 15,7 32,2 7825 20930

Ketela Rambat 351 2,2 980 1,8 4 1404 3920
Kentang 1219 0,5 2450 0,5 1 1219 2450
Jumlah 134665 328787

Indeks Marshal-Edgeworth
15 , 244 100
134665
328787
100
) (
) (
0 0
0
= =
+
+
= x x
K K H
K K H
IME
t
t t

Nilai IME= 244,15, nilai ini menunjukkan bahwa harga
telah meningkat sebesar 144,15% (244,5100) selama tahun
20002002. Nilai ini lebih kecil dibandingkan dengan
Indeks Paasche, Fisher dan Drobisch tetapi lebih dekat
dengan angka Laspeyres.
7. Formula Wals
Indeks Wals menggunakan pembobot berupa akar dari
perkalian kuantitas tahun berjalan dengan kuantitas tahun
dasar. Rumus Indeks Wals adalah sebagai berikut:

100
0 0
0
x
K K H
K K H
IW
t
t t

= (9.13)

Di mana IW : lndeks Wals
Ht : Harga pada tahun t
H0 : Harga pada tahun dasar
Kt : Kuantitas pada tahun t
K0 : Kuantitas pada tahun dasar
Contoh 13

Hitunglah indeks Wals dari kelompok pangan seperti data pada
Contoh 9
Penyelesaian:
a. Langkah pertama mengalikan K0 x Kt dan membuat akarnya.
b. Langkah kedua mengalikan H0 dan Ht dengan akar (K0.Kt)
c. Langkah ketiga menjumlahkan H0(K0.Kt) dan Ht( K0.Kt)
d. Menghitung Indeks Wals
Jenis Barang H0 K0 Ht Kt K0.Kt (K0.Kt)
Beras 1112 48,2 2777 46,6 2246,12 47,39
Jagung 662 7,9 1650 6,8 53,72 7,33
Kedelai 1257 1,9 1840 1,6 3,04 1,74
Kacang Hijau 1928 0,5 3990 0,3 0,15 0,39
Kacang Tanah 2233 0,8 3100 0,6 0,48 0,69
Ketela Pohon 243 16,5 650 15,7 259,05 16,10
Ketela Rambat 351 2,2 980 1,8 3,96 1,99
Kentang 1219 0,5 2450 0,5 0,25 0,50

Jenis Barang H0(K0.Kt) Ht(K0.Kt)
Beras 52701 131611
Jagung 4852 12093
Kedelai 2192 3208
Kacang Hijau 747 1545
Kacang Tanah 1547 2148
Ketela Pohon 3911 10462

Ketela Rambat 698 1950
Kentang 610 1225
Jumlah 67258 164243

Indeks Wals:
2 , 244 100
67258
164243
100
0 0
0
= =

= x x
K K H
K K H
IW
t
t t

Jadi indeks wals sebesar 244,2 ini menunjukkan bahwa
selama tahun 20002002 harga telah meningkat 144,2%
(244,2 - 100).

E. MACAM-MACAM INDEKS
Pada bagian di atas telah dibahas tentang rumus/formula
beberapa indeks. Berikut ini dibahas beberapa macam indeks
yang umum dipakai dalam perekonomian.
1. Indeks Harga Konsumen
Indeks harga konsumen (lHK) merupakan indeks yang
memperhatikan harga-harga yang harus dibayar konsumen
baik di perkotaan maupun pedesaan. IHK merupakan dasar
bagi perhitungan laju inflasi di Indonesia. Perhitungan IHK
pada tahun 1999 didasarkan pada 249353 komoditas dari
44 kota. Kelompok barang dalam IHK diperluas menjadi 7
yang sebelumnya hanya 4 kelompok. Kelompok barang
tersebut adalah bahan makanan, (makanan jadi, minuman,
rokok, dan tembakau), perumahan, sandang, kesehatan,
pendidikan, rekreasi dan olah raga, serta transportasi dan
komunikasi.

Berikut gambaran Indeks Harga Konsumen di Indonesia
tahun 1998-2001.
Kelompok 1998 1999 2000 2001
Makanan 209 262 249 270
Perumahan 142 164 175 196
Sandang 192 230 245 268
Aneka Barang 174 216 229 262
IHK 168 203 210 234
Inflasi (%) NA 20,83 3,45 11,43

Tabel di atas menunjukkan IHK yang berguna untuk
melihat besarnya laju inflasi. Rumus inflasi adalah sebagai
berikut:
100
1
1
x
IHK
IHK IHK
Inflasi
t
t t

= (9.14)
Di mana:
IHKt : Indeks harga konsumen tahun t
IHKt-1 : Indeks harga konsumen tahun t 1 (tahun lalu)
Jadi inflasi secara umum adalah:
lnflasi umum 1998-1999 = [(203 168)/168] x 100 = 20,83
Inflasi makanan = [(262 209)/209] x 100 = 25,36
Inflasi perumahan = (164 142)/142] x 100 = 15,49
Inflasi sandang = [(230 192)/192] x 100 = 19,79
Inflasi aneka barang =[216 174)/174] x 100 = 24,14

Inflasi menunjukkan laju kenaikan harga barang dan jasa yang
dapat mempengaruhi derajat sejauh mana daya beli konsumen
dapat tertekan oleh harga. Inflasi tahun 19981999 sebesar
20,83% ini menunjukkan bahwa semua barang dan jasa
meningkat sebesar 20,83%. Apabila gaji tenaga kerja tidak
meningkat sebesar nilai inflasi tersebut, maka daya belinya
menurun. Oleh sebab itu, inflasi bermanfaat sebagai indikator
ekonomi untuk melakukan perbaikan tingkat upah, gaji, dan
tunjangan pensiun. Selain itu, IHK setiap kelompok juga berman-
faat untuk mengetahui kelompok apa yang menyebabkan
besarnya inflasi. Untuk tahun 19981999 terlihat bahwa
kelompok makanan mengalami laju inflasi tertinggi 25,36%,
sedang yang rendah adalah kelompok perumahan sebesar
15,49%.
Indeks harga konsumen (lHK) tidak hanya bermanfaat untuk
melihat inflasi. IHK bermanfaat juga untuk mengetahui:
pendapatan riil, penjualan yang dideflasi, daya beli uang, dan
penyesuaian biaya hidup.

a. IHK dan Pendapatan Riil
Pendapatan seseorang, perusahaan, atau negara secara nominal
akan meningkat sepanjang tahun. Seseorang yang bergaji Rp
500.000 tahun 1992, pada tahun 2002 menjadi Rp 2.500.000,
gajinya meningkat 5 kali. Namun demikian tidak selalu
pendapatan riilnya juga meningkat 5 kali, karena harga-harga
yang harus dibayar juga meningkat seperti misalnya nasi
sebungkus tahun 1992 masih Rp 500 pada tahun 2002 sudah Rp
8.500. Oleh sebab itu,-diperlukan pengetahuan tentang
pendapatan riil yang mencerminkan daya beli. Pendapatan riil
selanjutnya dirumuskan sebagai berikut:


100
min tan
tan x
IHK
al No Pendapa
Riil Pendapa = (9.15)

Berikut ini contoh perhitungan pendapatan per-kapita riil
penduduk Indonesia.

Tahun
Pendapatan
Nominal
IHK
(1993=100)
Pendapatan Riil
1995 532.568 254 (532568/254) x 100 = 209.672
1998 989.573 322 (989573/322) x 100 = 307.321
2001 1.490.974 363 (1490974/363) x 100 = 410.737
Pendapatan nominal 2001 sebesar Rp 1.490.974 sebetulnya sama
dengan pendapatan Rp 410.737 pada tahun 1993. Oleh sebab itu,
pendapatan nominal tahun 1995-1998 yang naik 86%, namun
secara riil hanya meningkat 47%, hal ini terjadi karena adanya
kenaikan harga yang tercermin dari kenaikan lHK.
b. IHK dan Penjualan yang Dideflasi
Penjualan yang dideflasi penting untuk mengetahui kecende-
rungan penjualan riil . Hal ini diperlukan karena mungkin
nominal penjualan meningkat, namun demikian perlu diingat
bahwa harga bahan baku juga sudah meningkat. Contoh: mobil
untuk angkutan pada tahun 1996 masih berkisar Rp 30-40 juta,
namun sejak tahun 1998 sudah meningkat menjadi berkisar Rp
70-80 juta. Oleh sebab itu, penjualan juga perlu diindeks dengan
IHK untuk mengetahui penjualan riil.

100
arg
x
Sesuai Yang a H Indeks
Aktual Penjualan
Riil Penjualan =

(9.16)


Indeks harga yang sesuai dimaksudkan tidak hanya IHK tetapi
juga indeks harga perdagangan besar (IHPB) yang merupakan
pedoman harga produsen dan bukan konsumen.
Berikut contoh perhitungan penjualan riil berdasarkan lndeks
Harga Perdagangan Besar pada PT Astra Agro Lestari Tbk.
Tahun Penjualan Nominal IHK (1983=100) Penjualan Riil
2001 1200 820 (1200/820) x 100 = 146
2002 1400 923 (1400/923) x 100 = 152
Pendapatan tahun 2001 sebesar Rp 1.200 miliar setara dengan Rp
146 miliar tahun 1983. Penjualan nominal tahun 2002 kelihatan
naik 17% dari tahun 2001, namun secara riil hanya 4,1%.

c. IHK dan Daya Beli Uang
IHK dan daya beli uang mempunyai kaitan dengan daya beli riil.
Nilai nominal yang sama mempunyai daya beli yang berbeda
berdasarkan waktu, karena ada pengaruh dari kenaikan harga.
Daya beli uang dirumuskan sebagai berikut:

100
min
x
IHK
rupiah al No
Beli Daya = (9.17)

Contoh berikut adalah daya beli Rp 10.000 berdasarkan pada
tahun berbeda:
Tahun IHK Daya Beli Perhitungan
1995 254 3937 (10000/254) x 100

1998 322 3106 (10000/322) x 100
2002 363 2755 (10000/363) x 100
Nilai daya beli pada tahun 2002 menunjukkan bahwa nominal
Rp 10.000 pada saat itu secara riil nilainya sama dengan Rp 2.755
dengan tahun dasar 1993. Ini menunjukkan bahwa nilai uang
menurun, seiring kenaikan lHK.
2. Indeks Harga Perdagangan Besar
Indeks harga perdagangan besar merupakan indikator
yang digunakan untuk melihat perekonomian suatu negara, yang
pada hakikatnya menyangkut komoditi yang diperjualbelikan di
suatu negara pada tingkat perdagangan besar/grosir.
IHPB di Indonesia mencakup lima sektor yaitu pertanian
(44 komoditas), pertambangan dan penggalian (6 komoditas),
industri (140 komoditas), ekspor (53 komoditas) dan impor (38
komoditas). Berikut adalah contoh Indeks Harga Perdagangan
Besar dengan tahun dasar 1993.
Kelompok 1997 1998 1999 2000 2001
Pertanian 170 298 410 459 567
Tambang & Galian 141 173 214 236 275
Industri 132 217 268 278 309
Impor 129 286 289 316 356
Ekspor' 148 417 366 461 521
Indeks Umum 140 288 314 353 403
IPHB menunjukkan harga pada tingkat grosir dan pada
tahun 2001 IPHB yang paling besar adalah produk pertanian dan
yang terkecil adalah tambang dan galian. IPHB pertanian
meningkat relatif besar, karena depresiasi mata uang rupiah dari
Rp 2.000-3.000.per US $ menjadi Rp 8.000-10.000, per US$

sehingga produk pertanian yang diekspor mengalami kenaikan
harga yang cukup besar.

3. Indeks Nilai Tukar Petani
Jika Anda membaca laporan BPS, maka akan ada data
tentang indeks harga yang diterima petani, indeks harga yang
dibayar petani dan nilai tukar petani. Mengapa perlu angka in-
deks untuk petani? Jawabannya adalah karena mayoritas
penduduk Indonesia bermukim di pedesaan dan menggan-
tungkan hidupnya pada pertanian.
Untuk melihat fluktuasi harga barang-barang yang dihasil-
kan petani dari tahun ke tahun digunakan indeks harga yang
diterima petani, yang merupakan rata-rata harga produsen darl
hasil produksi petani sebelum farm gate atau yang disebut
dengan harga di sawah setelah petik' Dengan membandingkan
indeks yang diterima petani (lT) ierhaoap indeks harga yang
dibayar petani (lB), maka akan diperoleh nilai tukar petani.
Indeks harga yang diterima petani.
(lT) merupakan suatu ukuran perubahan harga yang terja-
di pada rata-rata harga yang diterima petani untuk produk-
si'pertaniannya. sedang indeks yang dibayar petani (lB) merupa-
kan ukuran perubahan harga yang dibayar petani untuk barang
dan jasa baik untuk keperluan rumah tangga maupun produksi
pertanian. Apabila nilai tukar petani (NTP) lebih dari 100, maka
kondisi petani lebih baik dari tahun dasar dan begitu sebaliknya.
Berikut contoh lT, lB dan NTP di Indonesia tahun 1999-
2002
Indeks 1998 1999 2000 2001
IT 648 342 377 489

IB 615 368 363 427
NTP 104 93 104 114

4. Indeks Produktivitas
Produktivitas merupakan rasio antara output atau
produksi dengan input, produktivitas input bisa mencerminkan
jenisnya seperti produktivitas tenaga kerja, produktivitas modal
dan produktivitas mesin. Namun demikian pada saat teknologi
berkembang, sumbangan input sudah tidak dapat dipisahkan,
maka sebutan produktivitas diarahkan pada produktivitas total.
Indeks produktivitas dirumuskan sebagai berikut:

100
0 Pr
Pr
Pr x
periode s oduktivita
t periode s oduktivita
s oduktivita Indeks =

(9.18)

Apabila indeks lebih dari 100, menunjukkan bahwa
produktivitas tebih baik dari tahun dasar.
Berikut adalah contoh Indeks Produktivitas beberapa
sektor pada tahun 1997-2000.
Sektor 1997 1998 1999 2000
Pertanian 106,3 90,4 102,9 96,3
Konstruksi 97,2 76,8 99,5 104,8
Keuangan & Perbankan 111,3 78 89,6 74,4
Jasa 100,2 103,9 101,4 130,2


Sektor yang produktivitasnya meningkat adalah sektor
jasa, setain di atas 100, juga mempunyai trend meningkat. Sektor
yang mempunyai produktivitas menurun adalah sektor
keuangan dan perbankan, semenjak krisis produktivitas
menurun, kemudian tahun 1999 meningkat, namun tahun 2000
menurun lagi. Lemahnya dukungan perbankan pada sektor riil
dan hanya mengandalkan SBl, mendorong turunnya
produktivitas sektor keuangan dan perbankan.
F. MASALAH DALAM PENYUSUNAN INDEKS
Dalam menyusun angka indeks ada beberapa masalah
utama yang dihadapi dan berpengaruh terhadap keabsahan atau
validitas dari angka indeks. Beberapa masalah utama tersebut
adalah:
1. Masalah Pemilihan Sampel. Adalah suatu kemustahilan
untuk mendata seluruh komoditi pada semua tempat
seperti Indonesia. IHK misalnya sebelum tahun 1998 hanya
didasarkan pada 200-225 jenis barang dan jasa di 27 ibu kota
propinsi, dan sesudah 1998 diperluas menjadi 249-353
barang dan jasa di 44 kota. Permasalahannya adalah, bagai-
mana memilih barang dan jasa, dan bagaimana memilih
tempat. Apakah pemilihan ibu kota sudah mewakili?
Bagaimana dengan kondisi di pedesaan? Masalah pemilihan
sampel ini penting supaya angka indeksnya objektif.
2. Masalah Pembobotan. Masalah pembobotan terkait dengan
apakah suatu bobot akan sesuai pada suatu periode dengan
periode yang lainnya. Seiring dengan perubahan waktu,
terdapat perubahan perilaku dan gaya hidup masyarakat.
Oleh sebab itu, diperlukan ukuran pembobotan yang tidak
menghasilkan angka indeks yang over estimate atau under
estimate.

3. Perubahan Teknologi. Teknologi berkembang sepanjang
waktu, dan seiring perubahan teknologi harga juga berubah.
Apakah dapat diidentifikasi suatu kenaikan harga disebab-
kan oleh kenaikan harga semata, atau karena ada perbaikan
kualitas produk sehingga harganya meningkat. Apabila kita
membeli TV misalnya, pada tahun 1990-an hanya untuk TV
saja, namun pada saat ini ada TV yang dapat untuk CD,
VCD, bahkan radio. Jadi apakah kenaikan harga TV akibat
perbaikan kualitas atau sekadar harganya meningkat?
4. Masalah Pemilihan Tahun Dasar. Pemilihan tahun dasar
adalah penting sehingga harus diperhatikan: (a) tahun dasar
adalah tahun di mana kondisi normal, tidak krisis dan tidak
pula boom, (b) tahun dasar memudahkan dalam perhitu-
ngan indeks untuk membandingkan dengan tahun yang
lainnya.
5. Bagaimana Mengubah Periode Dasar. Masalah timbul
apabila kita mempunyai dua atau lebih data dengan tahun
dasar yang berbeda, sehingga kedua nilai tidak dapat diban-
dingkan. Berikut contoh dari dua indeks yang mempunyai
tahun berbeda.
Indeks 1999 2000 2001 2002
Indeks Harga Diterima Petani Jabar (1983=100) 274 316 329 369
Indeks Harga Diterima Petani Aceh (1987=100) 167 190 202 214
Kita tidak bisa mengatakan bahwa lT di Jawa Barat lebih
tinggi dari lT di Aceh, karena kedua angka indeks mempunyai
tahun dasar berbeda, Jawa Barat 1983 = 100, sedang Aceh 1987 =
100. oleh sebab itu, untuk membandingkan dibuat tahun dasar
yang sama, misalnya tahun 1999 dibuat tahun dasar baru untuk
Jawa Barat dan Aceh, di mana keduanya mempunyai nilai indeks
= 100. Sehingga indeks tahun 2000;

lndeks lT 2000 Jawa Barat = (316/274) x 100 = 115
Indeks lT 2000 Aceh = (190/167) x 100 = 114
Hasil perhitungan indeks secara lengkap dengan tahun
dasar 1999 menjadi sebagai berikut:
Indeks 1999 2000 2001 2002
Indeks Harga Diterima Petani Jabar (1999=100) 100 115 120 135
Indeks Harga Diterima Petani Aceh (1999=100) 100 114 121 128
Setelah angka indeks dengan tahun dasar sama, maka
dapat diperbandingkan. Apabila menggunakan tahun dasar
berbeda, maka Jawa Barat terlihat lebih tinggi dari Aceh, namun
dengan tahun dasar yang sama 1999 = 100, terlihat bahwa Jawa
Barat lebih tinggi sedikit dibandingkan dengan Aceh, bahkan
tahun 2002 lebih rendah.

G. CONTOH SOAL
1. Berikut data pendapatan per kapita dan kurs nilai tengah Bl
untuk US$. Hitunglah angka indeks relatif sederhananya dan
kecederungan dari indeks relatifnya dengan menggunakan
tahun dasar 1998.
Tahun Pendapatan/Kapita (ribuan) Kurs Nilai Tengah
1998 4955 8076
1999 5915 7100
2000 6228 9595
2001 7161 10400
2002 8140 8905


Penyelesaian:
lH = (Ht/H0)x 100
Indeks pendapatan per kapita 1999 = (5.915/4.955) x 100 = 119
Indeks kurs nilai tengah 1999 = (7.100/8.076) x 100 = 88
Indeks selengkapnya adalah sebagai berikut:
Tahun Pendapatan/Kapita (ribuan) Kurs Nilai Tengah
1998 100 100
1999 119 88
2000 126 119
2001 145 129
2002 164 110

lH pendapatan per kapita 2002, 164 menunjukkan bahwa dari 1998
sampai 2002, pendapatan per kapita naik 64%. Sedang lH untuk
nilai kurs 2002, 110 menunjukkan bahwa nilai tukar naik 10%
selama 1998-2002
Kecenderungan atau trend mempunyai rumus sama dengan
pertumbuhan dan inflasi.
Kencederungan t = [(lHt lH0)/lH0] x 100.
Kecenderungan pendapatan 1999 = [(119 100)/100] x 100 = 19%
Kecenderungan nilai tukar 1999 = [(88 100)/100] x 100 = -12%
Nilai kecenderungan selengkapnya adalah sebagai berikut:
Tahun Pendapatan/Kapita (%) Kurs Nilai Tengah (%)
1998 - -
1999 19 -12

2000 5 35
2001 15 8
2002 14 -14
Pendapatan meningkat 19% pada tahun 1999-2000, sedang nilai
tukar turun 12%. Peningkatan pendapatan terkecil tahun 2000 dan
nilai tukar mengalami kenaikan (depresiasi) paling besar yaitu 35%.

2. Berikut perkembangan harga dan kuantitas ekspor komoditi
pertanian lndonesia tahun 2000 dan 2002. Harga dalam US$/Kg
dan kuantitas dalam ribuan ton.
Jenis Barang Tahun 2000 Tahun 2002
Harga Kuantitas Harga Kuantitas
Karet 1,05 42 1,17 36
Kopi 0,97 329 2,61 267
Udang 8,98 97 10,26 98
Teh 1,25 124 1,17 36
Hitunglah:
a. Indeks Laspeyres
b. lndeks Paasche
c. Indeks Fisher
Penyelesaian:
a. Indeks Laspeyres = (HtK0/H0K0) x 100
Jenis Barang H0K0 HtK0
Karet 44 49
Kopi 319 859

Udang 871 995
Teh 155 145
Jumlah 1389 2048
lndeks IL = (2.048/1.389) x 100 = 147,42

b. Indeks Paasche = (HtKt/H0Kt) x 100
Jenis Barang H0Kt HtKt
Karet 38 42
Kopi 259 697
Udang 880 1005
Teh 45 42
Jumlah 1222 1787

lndeks lP = (1.787/1.222) x 100 = 146,22
c. Indeks Fisher = IP x IL IF = 22 , 146 42 , 147 x = = 146,819
Nilai Indeks Fisher sebesar 146,8 menunjukkan bahwa selama
tahun 20002002 harga ekspor produk pertanian telah
meningkat 46,8% (146,8100).

3. Laba bersih PT HM Sampoerna tahun 2002 menjadi Rp 1.480
miliar dari tahun 2001sebesar Rp 794 miliar. Apabila IHPB
tahun 2001 sebesar 120 dan 2002 menjadi 135.
Hitunglah persentase perubahan laba bersih:
(a) dalam harga berlaku
(b) dalam harga konstan.

Penyelesaian:
a. Perubahan persentase dalam harga berlaku
40 , 86 100
794
) 794 1480 (
=

x
b. Perubahan persentase dalam harga konstan
Tahun 2001 = (794/120) x 100 = 662
Tahun 2002 = (1.480/135) x 100 = 1.096
Perubahan harga konstan = 56 , 65 100
662
) 662 1096 (
=

x
Hasil perubahan harga berlaku 86,40%, sedang harga
konstannya 65,56%. Perubahan harga konstan lebih kecil
daripada harga berlaku, karena dalam harga berlaku
terdapat pengaruh nilai uang akibat inflasi dan lain-lain.
4. Upah pekerja di DKI Jakarta berupa UMP (upah minimum
provinsi dinaikkan dari 650.000/ bulan menjadi 950.000/bulan).
Sementara IHK pada tahun yang sama naik dari 145 menjadi
164. Apa yang terjadi dengan UMP riil tenaga kerja?
Penyelesaian:
Upah nominal meningkat sebesar =
15 , 46 100
650
) 650 950 (
=

x
Kenaikan IHK = 10 , 13 100
145
) 145 164 (
=

x
Karena kenaikan upah nominal mencapai 46,15% lebih besar
dari kenaikan IHK (13,10%), maka upah riil tenaga kerja di
Jakarta meningkat.


H. LATIHAN SOAL
1. Berikut adalah perkembangan ekspor migas dan non-migas
Indonesia tahun 1998-2002.

Tahun Migas Non Migas
1998 7,9 41
1999 9,8 38,9
2000 14,4 47,8
2001 12,6 43,7
2002 10,8 41,1
Sumber: BPS dan BKPM
a. Hitunglah indeks nilai berdasarkan tahun dasar 1998
untuk ekspor migas dan non-migas.
b. Hitunglah trend/kecenderungan ekspor migas dan non-
migas, mana yang lebih besar, dan mengapa?
2. Berikut adalah data harga saham dan volume penjualan
beberapa perusahaan dalam kelompok properti dan real estate.
Harga dalam Rp/lembar dan volume dalam ribuan lembar.
Perusahaan 5 Maret 2003 14 Maret 2003 22 Maret 2003
Harga Volume Harga Volume Harga Volume
BIPP 15 55 15 37 20 925
CAKRA 35 3 30 5 30 1
CITRA 70 21 65 175 60 60
JAKA 45 25 45 21 45 70
LAMI 60 49 55 35 50 25
a. Hitunglah Indeks Fisher dan Indeks Wals untuk ketiga
transaksi tanggal 5,14, dan 22 Maret 2003.

b. Lebih besar mana Indeks Fisher dan Indeks Wals.
c. Apakah Indeks menunjukkan kencenderungan
meningkat dan menurun?
3. Berikut adalah nilai penjualan PT Semen Gresik selama 3 tahun
dan Indeks Harga Perdagangan Besar. Hitunglah persentase
kecenderungan nilai penjualan dalam nilai nominal dan nilai
konstan.

Keterangan 2000 2001 2002
Penjualan 3596 4659 4808
IHPB 416 392 425

4. 4. Berikut adalah data jumlah produk sepatu dan jam kerja
karyawan PT PSK Jaya, Tangerang. Hitunglah indeks
produktivitasnya dan bagaimana perbedaan antar-kedua tahun
tersebut, adakah perbaikan atau penurunan?
Jenis 2001 2002
Produk Jam Produk Jam
Anak 20 46 35 50
Olah Raga 60 90 65 80
Dewasa 80 120 120 200
Wanita 60 120 70 150





I. DAFTAR PUSTAKA
Adiningsih, Sri, 2001, Statistik, BPFE-Yogyakarta.
Bank lndonesia, 2002, Perkembangan Ekonomi Keuangan dan Kerja Sama
Internasional,Bank Indonesia, Jakarta.
BPS, 2003, Indikator Ekonomi, Januari 2003, BPS, Jakarta.
CESS, 1998, Kekuatan Kolektif Sebagai Strategi Mempercepat Pemberdayaan
Usaha Kecil. CESS. Jakarta.
Harian Kompas, 2003, Finansial, 5, 14,22 Maret 2003.
Lapin L. Lawrence, 1982, Statistics for Modern Business Decisions,
Harcourt Brace Jovanavich, Inc.
Lind, A. Dauglas, William G. Marchal and Robert D. Mason, 2002,
Statistical Techniques in Business & Economics, McGraw-Hill
lrwin.
Majalah Investor, 2003, Peluang Gain Saham-saham Farmasi. V (72).
Majalah Investor, 2003, Rontoknya Daya Beli Rakyat. V (70).
Majalah Indonesia Corp 2003, Astra dan Indomobil: Jadi Pedagang Mobil
Saja, ll(04).
Majalah Indonesia Corp 2003, Telkomsel: Coverage Terluas. ll (03).
Majalah InfoBank, 2003, Rezeki Baru Setelah Bunga Turun. XXV (285).
Majalah Jurnal, 2003, Pengusaha Menghimpit, Pengusaha Menjerit, Rakyat
Terjepit. VIX (2).
Majalah Prospektif, 2003, Emiten-emiten Pembagi Dividen di Tahun 2003. V
(14).
Maryati, MC, 2001, Statistik Ekonomi dan Bisnis Plus, UPP AMP YKPN.
Mason D. Robert and Dauglas A. Lind, 1996, Statistical Techniques in
Business and Economics, Richard D. lrwin, Inc.
Mulyono, Sri, 1991, Statistika Untuk Ekonomi, LP-FEUI.
Pasaribu, Amudi, 1965, Pengantar Statistika, Ghalia Indonesia.

You might also like