Professional Documents
Culture Documents
BIOSTATISTIK
Learning Objectif
Minimum
Range dan Mean Deviasi
Maksimum
Koefisien Standar
Kuartil
Variasi Deviasi
Kurtosis dan
Skewnes
BIOSTATISTIK
Pengertian
Nilai Penyebaran Data/Ukuran Penyebaran
BIOSTATISTIK
MENGAPA NILAI PENYEBARAN
(DISPERSI) ITU PENTING ??
Dengan perhitungan dispersi, akan diperoleh
informasi tambahan tentang penyimpangan yang
terjadi pada suatu distribusi
Dengan menghitung dispersi, dapat menilai
ketepatan nilai tengah dalam mewakili distribusinya
Perhitungan dispersi memiliki arti penting untuk
mengadakan analisa statistik inferensia
BIOSTATISTIK
BEBERAPA BENTUK UKURAN PENYEBARAN
10
1. Rata-rata sama,
penyebaran berbeda 8
0
2 3 4.6 5 6
Kinerja Karyawan B o go r
Kinerja Karyawan Tangerang
5
BEBERAPA BENTUK UKURAN PENYEBARAN
10 10
9
8 8
7
6 6
5
4
4
3
2
2
1 0
0
2 3 4 5 6 7
2 3 4.6 5 6
6
Nilai Penyebaran Mutlak :
Rentang (Range)
Deviasi Kuartil
Mean Deviasi
Deviasi Standar
Jumlah 30
Soal
Perusahaan Harga Saham
Mandiri 840
Soal
Tinggi f Nt
badan
140-149 9
150-159
160-169
30
17
Berapa Nilai Range
170-179 12 nya ?
jumlah 68
Simpangan Rata-Rata
(Mean Deviation)
Merupakan penyimpangan nilai-nilai individu terhadap nilai
rata-rata
Rumus:
MD
XX
N
13
Contoh Deviasi Rata - Rata
1. Data tidak berkelompok (Ungrouped data)
MD =
= ∑|x - X| / n
= 8.84 / 5
= 1.768
2. Data berkelompok (Grouped data)
Rumus:
(X - µ )2
2=
N X = Nilai data pengamatan
µ = Nilai rata – rata hitung
N = Jumlah total data
Contoh Kasus Varians
Perusahaan Indek X-µ (X - µ)²
Sentul City 7.5 1.14 1.2996
Tunas Baru 8.2 1.84 3.3856
proteinprima 7.8 1.44 2.0736
total 4.8 -1.56 2.4336
Mandiri 3.5 -2.86 8.1796
Jumlah ( ∑X ) 31.8 ∑(X - µ)² 17.372
Rata - rata (µ) 6.36 ² 3.4744
(X - µ )2 17.372
2= = = 3.4744
N 5
Standar Deviasi
Standar deviasi
Akar kuadrat dari varians dan menunjukan
standar penyimpangan data terhadap nilai
rata-ratanya
Rumus standar deviasi
(X - µ )2
= atau = ²
N
Contoh Kasus Standar Deviasi
Nilai varians :
(X - µ )2 17.372
2= = = 3.4744
N 5
Varians
(x - x )2
s 2=
n -1
Standar deviasi
S = s²
Contoh Kasus Sampel
Harga
No Perusahaan saham x-X (x - X)² Varians :
1 Jababeka 215 -358 128164 ∑(x – X)²
2 Indofarma 290 -283 80089
s² =
3 Budi Acid 310 -263 69169
4 Kimia farma 365 -208 43264
n–1
5 Sentul City 530 -43 1849 s² = 824260 / 9
6 Tunas Baru 580 7 49 s² = 91584.44
7 proteinprima 650 77 5929
8 total 750 177 31329
9 Mandiri 840 267 71289 Standar deviasi :
10 Panin 1200 627 393129 S = s²
Jumlah 5730 824260 S = 91584.44
Rata - Rata (X) 573 s² 91584.44
S = 302.63
S 302.63
Koevisien Variasi
Koefisien variasi adalah perbandingan
antara simpangan standar dengan nilai
rata-rata yang dinyatakan dengan persen-
tase.
Koefisien variasi berguna untuk melihat
sebaran data dari rata-rata hitungnya.
Besarnya Koefisien Variasi dinyatakan
dengan rumus,
S
KV = x 100%
x
KV = koefisien variasi
S = simpangan standar
x = rata-rata
Contoh 1:
Nilai rata-rata matematika Kelas III AK 1
adalah 80 dengan simpangan standar 4,5
dan nilai rata-rata Kelas III AK 2 adalah 70
dengan simpangan standar 5,2. Hitunglah
koefisien variasi masing-masing.
Jawab :
KV III AK 1 = SS x 100%
xx
= 44,5,5 x 100% = 5,6%
8080
KV III AK 2 = 55,2,2 x 100% = 7,4%
7070
Contoh 2 :
Standar deviasi sekelompok data adalah
1,5 sedang koefisien variasinya adalah
12,5%. Mean kelompok data tersebut
adalah….
Jawab : S
KV = x 100%
x
1,5
12,5% = x 100%
x
150%
12,5% =
x
150%
= = 12
12,5%
SOAL
Harga obat per kemasan dos besar : Rp.
4.000.000,00 ; Rp.4.500.000,00 ;
Rp.5.000.000,00 ; Rp.4.750.000,00 ; Rp.
4.250.000,00
Harga pil per butir : Rp.600,00 ; Rp.800,00
;Rp.900,00 ; Rp.550,00 ; Rp.1.000,00
Manakah yang lebih bervariasi harganya ?
KUARTIL
1. Kuartil
Kelompok data yang sudah
diurutkan (membesar atau
mengecil) dibagi empat bagian yang
sama besar.
112 1
Q i nilai ke - , 3,25
4
Data ke-3 ¼, yaitu antara data ke-3 dan ke-
4 seperempat jauh dari data ke-3
Nilai Q1 = data ke-3 + ¼ (data ke-4 – data ke -3 )
= 57 + ¼ (60-57 )
= 57 ¾
Soal !
150,151,151,154,155,156,157,158
Berapa nilai Q1 dan Q3 ?
SKEWNESS
A. Skewness
Skewness atau ukuran kemencengan :
digunakan untuk mengukur simetris atau kemencengan
suatu kurva.
Rumus untuk koefisien Skewness menurut pearson :
Sk = 3 Mean – Median
Deviasi Standar
Rumus Koefisien Alpha 3 ( α₃)
n Untuk data tidak
1 ∑ xi - x ³ dikelompokkan
α₃ = n i =1
s³
n Untuk data
1 ∑ xi - x ³ . fi dikelompokkan
α₃ = n i =1
s³
Keterangan :
X = rata – rata sampel
Xi = nilai – nilai setiap observasi
n = jumlah observasi sampel
s = deviasi standar sampel
f = frekuensi setiap sampel
Tingkat kemencengan atau simetris dari suatu distribusi didasarkan atas
ketentuan berikut :
a. Ket :
Distribusi data yang menceng
kiri/ekornya di sebelah kanan
( besarnya koefisien skweness positif),
yang artinya mean > median dan modus.
mean median modus
b.
Ket :
Distribusi data yang menceng kanan/
ekornya disebelah kiri
mean median modus
( besatnya koefisien skweness negatif ),
yang artinya mean < median dan modus.
c.
Ket :
Distribusi data yang simetris
( besarnya koefisien skweness 0),yang
artinya mean = median =modus.
Modus = mean = median
Contoh Soal
Data tidak dikelompokkan
1. Distribusi data dari hasil ujian 12 siswa untuk 2 kelas
yang berbeda dinyatakan dengan nilai berikut :
Kelas A
45 50 50 50 55 60
60 82 87 90 95 100
Pertanyaan :
Tentukan tingkat kemencengan dengan koefisien
skweness dari distribusi nilai kelas tersebut.
Penyelesaian :
a. Perhitungan koefisien skweness untuk kelas A
Sk = 3 mean – median
Deviasi Standar
Step 1 : hitunglah besar rata – rata
x = Σx = 45 + 50 + 82 + 60 + 90 + 50 + 60 + 50 + 55 + 95 + 87 + 100
n 12
= 824 = 68, 67
12
Step 2 : Hitunglah median
- Urutkan data dari yang terkecil ke terbesar seperti data soal
- Tentukan letak median dengan rumus n + 1 / 2 = 12 +1 / 2 = 6,5 sehingga
median terletak antara data ke 6 dan ke 7.
Median = 60 +60 = 60
- 2
Step 3 : Hitunglah Deviasi Standar
S = Σ( Xi – X )²
n -1
3. ( Xi – X ) .f 1
1. Rata -rata
2. Deviasi
= 50 ( - 60211,2)
standar
20,98³
X = ∑ f.Xi = 2435 = - 0,130
n 50 = - 60211.2
= 48,7 xi - x ³ . fi
α₃ = n i =1
S = Σ(Xi- X)² . f
s³
n–1
= 21568 Karna α₃ negatif maka
50 – 1
= 20,98 distribusi data menceng kanan
Kurtosis
B. Kurtosis
Kurtosis atau ukuran keruncingan
Dilihat dari keruncingannya kurva distribusi normal
dibagi menjadi 3 :
leptokrutic ( kurva sangat runcing)
Platycrutic ( kurva agak datar )
Mezokurtic ( puncak tidak begitu runcing )
Gambar kurva kurtosis :
Apabila α₄ lebih besar dari 3 berati diagram distribusi itu runcing atau
leptokurtis.
Apabila α₄ kurang dari 3 berati diagram distribusi landai atau
tumpul atau platikurtis.
Apabila α₄ sama dengan 3 berati diagram distribusi normal atau mezokurtic.
RUMUS
Berikut rumus untuk menghitung tingkat keruncingan suatu kurva :
Alpha 4 (α₄ )
Data tidak dikelompokkan
Ket : M = median
S = deviasi standar sampel
n = jumlah observasi sampel
Xi = nilai – nilai setiap observasi
X = rata – rata sampel
Data dikelompokkan
1 n
M 4 n i 1
( X i X ) 4
. fi
4 4
S S4
Ket : M = median
S = deviasi standar sampel
X i = nilai tengah setiap kelas
X = rata – rata sampel
n = jumlah observasi sampel
fi = frekuensi tiap – tiap kelas
CONTOH SOAL
Data tidak dikelompokkan
a. Data tidak dikelompokkan
kelas A
45 50 50 50 55 60
60 82 87 90 95 100
S= ∑ Xi – X ² = 4586,67 = 20,4
n–1 11
4
tentukan besarnya ( Xi – X )
Xi ( Xi - X )² ( Xi - X )4
45 560.2689 313901.2403
50 348.5689 121500.278
50 348.5689 121500.278
50 348.5689 121500.278
55 186.8689 34919.98579
60 75.1689 5650.363527
60 75.1689 5650.363527
82 177.6889 31573.34518
87 335.9889 112888.5409
90 454.9689 206996.7
95 693.2689 480621.7677
100 981.5689 963477.5054
Σ 824 4586.6668 2520180.647
tentukan besarnya α₄
1 n
n i 1
( X i X ) 4
. fi 1 2520180,647
α₄ = = 12 = 24, 73
S4 20,4⁴