PENGUKURAN VARIANS DAN SIMPANGAN BAKU

Transkripsi

1 PEGUKURA VARIAS DA SIMPAGA BAKU Varians data yang belum dikelompokkan Pengertian varians mirip dengan deviasi rata-rata. Hanya saja, untuk memperoleh hasil perhitungan dalam bilangan positif tidak lagi diwujudkan dalam bilangan absolut, namun dikuadratkan, dengan kata lain bahwa: varians adalah alat ukur variabilitas serangkaian data yang dihitung dengan mencari rata-rata selisih/beda kuadrat antara data observasi dengan pusat datanya. Varians adalah rata-rata hitung dari kuadrat simpangan setia pengamatan terhadap rata-rata hitungnya, di mana (Xi - µ) adalah simpangan (deviasi) dari observasi terhadap rata-rata sampel. Apabila kita mempunyai suatu populasi dengan jumlah elemen sebanyak dan sampel dengan n elemen, dan selanjutnya nilai suatu karakteristik tertentu kita kumpulkan (umur, hasil penjualan perusahaan, harga barang, produksi barang, nilai ujian), maka kita akan memperoleh sekumpulan nilai observasi sebagai berikut: Populasi: X1. X2,, X Sampel: X1. X2,, Xn Seperti pada rata-rata, dalam varians pun ada yang disebut sebagai varians populasi dan varians sampel. Simbol dari varians populasi adalah σ 2 (dibaca sigma kuadrat) yang merupakan varians sebenarnya dari X. Rumusnya adalah: 16

2 Ukuran Penyebaran 2.8 di mana (Xi - µ) adalah simpangan (deviasi) dari observasi terhadap rata-rata sebenarnya. Rumus varians populasi tersebut juga dapat disederhanakan seperti berikut ini: σ X i 2 X i Sedangkan varians sampel (S 2 ) menurut Karl Pearson dirumuskan sebagai berikut: 2.10 Bagi distribusi sampel dengan n<100, Fisher, Wilks dan beberapa statistisi memberikan perumusan tentang varians sebagai berikut: 2.11 Begitu pula halnya dengan varians sampel dapat disederhanakan sebagai berikut: S X i X i n

3 Contoh 2.8 Soal Berdasarkan contoh 2.2 dengan tabel data penjulan seperti dibawah ini, tentukan Variasi nilai penjualan CV. Dharma Jaya di kota Surabaya dan Malang dapat di hitung seperti berikut: Tabel 2.8 Data Penjualan dari 6 Saleman CV.Dharma Jaya Tenaga Penjual Surabaya Malang David , ,00 Eliza , ,00 Farrah , ,00 Galih , ,00 Handoyo , ,00 Indah , ,00 Penyelesaian soal Tabel 2.9 Perhitungan Variasi nilai penjualan CV. Dharma Jaya di kota Surabaya Xi ( ) ( ) , , , , , , , , , , , , , , , , , , , , , , , , ,00 Varians data dari data sampel di atas adalah: Dengan menggunakan Rumus Varians 18

4 Ukuran Penyebaran maka hasil yang diperoleh adalah : ), = Varians data yang telah dikelompokkan Bila varians dan deviasi standar dihitung dari sebuah distribusi frekuensi maka titik tengah tiap-tiap kelas umumnya dianggap sebagai nilai tunggal yang cukup representatif bagi semua nilai-nilai observasi Xi yang dikelompokkan kedalam kelas-kelas yang bersangkutan. Rumus Varians dari distribusi frekuensi dapat disajikan sebagai berikut : Simbol dari varians populasi adalah σ 2 (dibaca sigma kuadrat) yang merupakan varians sebenarnya dari X. Rumusnya adalah: 2.13 Seringkali angka-angka yang dihadapi tergolong besar sehingga dapat menyulitkan dalam proses penghitungan. Untuk rumus tersebut dapat disederhanakan dengan menggunakan cara pengkodean yang dirumuskan seperti berikut ini. σ i u i 2 fi u i fi :Varians Populasi, i : Interval kelas ui : Kode u pada kelas ke-i, fi : Frekuensi kelas ke-i : Ukuran Populasi sedangkan varians sampel (S 2 ) dirumuskan sebagai berikut:

5 Atau dirumuskan dengan pengkodean sebagai berikut: : Varians S sampel i c i fi c i fi I : Interval kelas 2.16 S 2 :Varians ci fi n : Kode c pada kelas ke-i : Frekuensi kelas ke-i : Ukuran sampel Contoh 2.9 Soal dan penyelesaian Hitunglah Varians dari data berkelompok sebagaimana yang tertuang dalam contoh 2.6. Tabel 2.10 perhitungan nilai varians Interval Titik tengah (X) fi f.x Xi - (Xi - ) 2 fi. (Xi - ) , ,0-259, , ,5-115, , ,5 28, , ,0 172, , ,0 316, = = 490,7 ( ) S 2 = - = =

6 Ukuran Penyebaran Deviasi Standar / simpangan baku untuk data yang belum dikelompokkan Pada praktiknya, ukuran variabilitas yang sering digunakan adalah simpangan baku atau deviasi standar. Simpangan baku merupakan salah satu ukuran dispersi yang diperoleh dari akar kuadrat positif varians. Di antara ukuran dispersi atau variasi, simpangan baku adalah yang paling banyak dipergunakan, sebab mempunyai sifat-sifat matematis (mathematical property) yang sangat penting dan berguna sekali untuk pembahasan teori dan analisis. Rumus dan simbol dari deviasi standar populasi adalah: 2.17 di mana σ merupakan deviasi standar atau simpangan baku dari X. Pada prinsipnya simpangan baku adalah akar dari varians. Pada prakteknya, pengumpulan data yang hanya didasarkan atas sampel tidak menghasilkan varians atau simpangan baku yang sebenarnya, tetapi hanya suatu perkiraan saja dengan rumus sebagai berikut: S = X X Catatan: S = simpangan baku sampel. Bisa ditunjukkan secara statistik matematis bahwa jika pembaginya (penyebutnya) n 1, (S 2 ) = σ 2, artinya S 2 u b ased est mator dari σ 2, sehingga dalam prakteknya Rumus 2.18 banyak digunakan. 21

7 Contoh 2.10 Soal dan penyelesaian Berdasarkan contoh 2.8 tentukan simpangan baku nilai penjualan CV. Dharma Jaya di kota Surabaya ilai Varians adalah dari coontoh yang sudah ada (contoh 2.8) adalah : ) = , dari data tersebut maka dapat hasil simpangan baku atau deviasi standarnya adalah: S= = ,3826 Deviasi Standar / simpangan baku untuk data yang telah dikelompokkan Untuk data yang berkelompok dan sudah disajikan dalam tabel frekuensi, rumus simpangan baku populasi adalah sebagai berikut: σ f i (X i µ ) 2 Xi = nilai tengah dari kelas ke-i, i =,,, k 2.19 atau σ f ix i f ix i untuk kelas interval yang tidak sama 2, 2.20 pada distribusi frekuensi dengan kelas interval yang tidak sama dapat menggunakan rumus dengan metode pengkodean sebagai berikut σ i f i c i f i c i 2.21 untuk kelas interval yang sama di mana: i = besarnya kelas interval fi = frekuenasi ke-i 22

8 Ukuran Penyebaran ci = kode c pada kelas ke-i Untuk data sampel diperoleh simpangan baku sampel dengan rumus: S i f i c i f i c i 2.22 untuk elas interval yang sama S i f ix i f ix i untuk kelas interval yang tidak sama Contoh 2.11 Soal: Hitunglah simpangan baku dari modal 40 populasi perusahaan (dalam jutaan rupiah) data dalam distribusi frekuensi berikut: Kemudian data dikelompokkan dan disajikan dalam bentuk tabel frekuensi sebagai berikut: Tabel 2.11 perhitungan simpangan Modal (M) ilai Tengah f Jumlah 40 Penyelesaian Soal: Untuk data berkelompok: Kita harus memperhatikan jangkauan antara kelas yang satu dengan kelas berikutnya sama, atau dengan perkataan lain selisih nilai tengah yang satu dengan nilai tengah lainnya sama, yaitu 23

9 sebesar ( ) = (140 ) = =, jadi i = 9. Kita tentukan titik asal asumsi = Xi = 149, yaitu kelas Dengan demikian, kita dapat memperoleh nilai simpangan (deviasi) dari setiap nilai tengah terhadap titik asal asumsi tersebut sebagai berikut: Tabel 2.12 Penolong perhitungan Kelas f ci ci 2 fci fci Jumlah fici = -9 fici 2 = 95, σ - - = 13,72 Perhitungan ini merupakan pendekatan/aproksimasi dan nilainya tidak sama dengan hasil perhitungan langsung data asli yang masih merupakan data mentah). Titik asumsi ditentukan secara sembarang, tetapi lebih baik kalau dipilih kelas dengan nilai frekuensi terbesar. Contoh 2.11 Soal: Berdasarkan data yang sudah dikelompokkan dari Contoh diatas, hitunglah simpangan baku dengan menggunakan Rumus

10 Ukuran Penyebaran Penyelesaian Soal: Tabel 2.13 Tabel perhitungan / tabel penolong Xi Xi 2 f fxi fxi Jumlah fi = fixi = fixi 2 = { } Pada umumnya, setiap hasil pengumpulan data (melalui pengukuran dan pengamatan langsung seperti observasi, wawancara, dan lain sebagainya) akan menghasilkan suatu kelompok data, katakanlah, X1, X2,, Xi,, X, di mana masing-masing nilai akan berbeda satu sama lain. Sering kali kita ingin mengetahui berapa selisih simpangan atau deviasi dari masing-masing nilai tersebut (misalnya Xi, observasi atau nilai ke-i) terhadap rata-rata hitungnya (yaitu terhadap ). Simpangan atau deviasi dari Xi terhadap µ = (Xi - µ), diukur dengan simpangan baku σ. Jadi, simpangan baku merupakan satuan ukuran (unit of measurement) dari simpangan atau deviasi. Seperti halnya kg, ton untuk ukuran berat: cm, m, km untuk mengukur panjang, maka σ = simpangan baku digunakan untuk mengukur simpangan atau deviasi masing-masing nilai individu dari suatu kelompok data terhadap rata-rata hitungnya. Standard Deviasi (SD) membagi range menjadi beberapa bagian yang sama lebarnya, pembagian mana dimulai pertama-tama dari mean distribusi, membentang ke atas dan ke bawah dengan tanda-tanda plus dan minus. Di 25

11 bawah ini diberikan gambaran arti standard deviasi yang diterapkan pada salah satu bentuk distribusi, yaitu distribusi normal (normal distribution). Gambar 2.1 Distribusi normal Apabila suatu distribusi berbentuk normal, maka banyaknya individu yang mendapatkan nilai dari M sampai + 1 SD kira-kira ada 34 %; dari M sampai +2 SD ada 48 %; dan dari M sampai +3 SD ada 50 %. Demikian pula antara M sampai -1 SD = 34 %; antara M sampai -2SD = 48 %; dan antara M sampai -3 SD = 50 %. Persentase tersebut adalah persentase pembulatan. Presisinya adalah sebagai berikut: Dari M sampai 1 SD = 34,12 % Dari M sampai 2 SD = 47,72 % Dari M sampai 3 SD = 49,87 % Dari - 1 SD sampai + 1 SD = 68 % Dari - 2 SD sampai + 2 SD = 96 % Apabila kita hitung sebelah-menyebelah mean hasilnya adalah sebagai berikut: Dari - 1 SD sampai + 1 SD = 68 % Dari - 2 SD sampai + 2 SD = 96 % Dari - 3 SD sampai + 3 SD = 100 % 26