Statistik 4
Statistik 4
Statistik 4
UKURAN DISPERSI
Pengertian Dispersi
Ukuran variasi atau dispersi atau ukuran penyimpangan adalah ukuran yang
menyatakan seberapa jauh penyimpangan nilai-nilai data dari nilai-nilai sentralnya atau
ukuran yang menyatakan seberapa banyak nilai-nilai data yang berbeda dengan nilai-nilai
sentralnya.
Nilai jarak = 14 – 2 = 12
Nilai Ujian fi
31 – 40 1
41 – 50 2
51 – 60 5
61 – 70 15
71 – 80 25
81 – 90 20
91 – 100 12
Jumlah 80
2
NJK = K 3 – K1
Niai jarak semi interkuartil atau simpangan kuartil adalah setengah dari selisih
kuartil ketiga ( K 3 ) dengan kuartil pertama ( K1 ).
NJSK = ½ ( K 3 – K1 )
Contoh:
1. Tentukan nilai jarak antar kuartil dan nilai jarak semi interkuartil dari data berikut:
3, 5, 7, 9, 11, 13, 15
Jawab:
K1 = 5 K3 = 13
NJK = 13 – 5 = 8
NJSK = ½ (13 – 5 ) = 4
2. Nilai jarak antar kuartil dan nilai jarak semi interkuartil dari Tabel 2.1
Nilai Ujian fi
31 – 40 1
41 – 50 2
51 – 60 5
61 – 70 15
71 – 80 25
81 – 90 20
91 – 100 12
Jumlah 80
Jawab:
3
n
4 ( f i ) 0
K1 = L0 c
fq
20 8
60,5 10
15
= 68,5
3n
4 ( f i ) 0
K3 = L0 c
fq
60 48
80,5 10
20
= 86,5
Rata-rata Simpangan
a. Rata-rata Simpangan Data Tunggal
Untuk data tunggal, rata-rata simpangannya dapat dihitung dengan menggunakan
formula:
RS =
1
∑ X X = X X
n n
Contoh:
Tentukan rerata simpangan dari data: 3, 5, 8, 11, 13
3 5 8 11 13
Jawab: X = 8
5
∑ X X = 38 + 5 8 8 8 11 8 13 8 = 16
16
RS = 3,2
5
b. Rata-rata Simpangan Data Kelompok
Bila data berkelompok, rata-rata simpangannya dapat dihitung dengan formula:
RS =
1
f X X = f X X
n n
Contoh 4-5:
4
X X f X X
Nilai Ujian f X
31 – 40 1 35,5 41,12 41,12
41 – 50 2 45,5 31,12 62,24
51 – 60 5 55,5 21,12 105,60
61 – 70 15 65,5 11,12 166,80
71 – 80 25 75,5 1,12 28
81 – 90 20 85,5 8,88 177,60
91 – 100 12 95,5 18,88 226,56
Jumlah 80 - - 807,92
RS = f X X
n
807,92
= = 10,09
80
Simpangan Baku
Untuk sampel simpangan baku diberi simbol dengan s, sedangkan untuk populasi
diberi simbol dengan σ.
Cara mencari simpangan baku, dibedakan antara data tunggal dan data kelompok.
s = (X X )
2
s = (X X )
2
n 1
s = X
2
2
X
n n
X
2
s = ( X )2
n 1 n( n 1)
Contoh:
Tentukan simpangan baku dari nilai ujian mahasiswa berikut ini:
30 35 42 50 58 66 74 82 90 98
Jawab:
X = 62,5
X X X ( X X )2 X2
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 3.363
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 4.950,50 44.013
s = (X X )
2
n 1
4.950,50
= = 23,45
10 1
X
2
( X )2
s=
n 1 n( n 1)
44.013 (62,5) 2
=
10 1 10(10 1)
= 4.890,33 4.340,28
6
= 23,45
s = f (X X )
2
s = f (X X )
2
n 1
fX fX
2
2
s =
n n
s = fX ( fX ) 2
2
n 1 n( n 1)
Contoh:
Dari Tabel diperoleh X = 76,62, hitung simpangan bakunya:
Jawab:
Nilai Ujian f X (X X ) ( X X )2 f ( X X )2
31 – 40 1 35,5 41,12 1.690,85 1.690,85
41 – 50 2 45,5 31,12 968,45 1.936,90
51 – 60 5 55,5 21,12 446,05 2.230,25
61 – 70 15 65,5 11,12 123,65 1.854,75
71 – 80 25 75,5 1,12 1,25 31,25
81 – 90 20 85,5 8,88 78,85 1.577,00
7
s = f (X X )
2
13.598,40
=
80
= 13,04
Nilai f X X2 fX fX 2
31 – 40 1 35,5 1.260,25 35,5 1.260,25
41 – 50 2 45,5 2.070,25 91,0 4.140,50
51 – 60 5 55,5 3.080,25 277,5 15.401,25
61 – 70 15 65,5 4.290,25 982,5 64.353,75
71 – 80 25 75,5 5.700,25 1.887,5 142.506,25
81 – 90 20 85,5 7.310,25 1.710,0 146.205,00
91 – 100 12 95,5 9.120,25 1.146,0 109.443,00
Jumlah 80 6.130,0 483.310,00
s = fX fX
2
2
n n
2
483.310 6.130
=
80 80
= 6.041,375 5.871,391
= 13,04
(n 1) s1 (n 1) s2 ... (n 1) si
s gab =
(n1 n2 ... nk ) k
atau:
s gab =
(n 1) s
n k
8
Contoh:
Jika diketahui:
n1 = 140 dan s1 = 5,86
n2 = 30 dan s2 = 2,92
Ditanya s gab :
Jawab:
(n 1) s1 (n 1) s2
s gab =
(n1 n2 ) k
= 5,35
Varians
Varians adalah nilai tengah kuadrat simpangan dari nilai tengah atau rata-rata
simpangan kuadrat. Untuk sampel, variansnya disimbolkan dengan s 2 , sedangkan untuk
populasi disimbolkan dengan 2 .
s2 = (X X ) 2
s2 = (X X ) 2
n 1
2. Metode angka kasar
a. Untuk sampel besar (n > 30):
9
X X
2
2
s =
2
n n
X ( X )
2 2
s2 =
n 1 n(n 1)
Contoh 4.9:
Tentukan varians dari nilai ujian mahasiswa berikut ini:
30 35 42 50 58 66 74 82 90 98
Jawab:
X = 62,5
X X – X ( X – X )2 X2
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 3.363
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 4.950,50 44.013
s2 = (X X ) 2
n 1
4.950,50
=
10 1
= 549,90
X ( X )
2 2
s =
2
n 1 n(n 1)
44.013 (625) 2
=
10 1 10(10 1)
= 549,90
10
1. Metode biasa
a. Untuk sampel besar (n > 30):
s2 = f (X X ) 2
s2 = f (X X ) 2
n 1
fX fX
2
2
s = 2
n n
s2 =
fX 2
( fX ) 2
n 1 n( n 1)
Contoh:
Dari Tabel diperoleh X = 76,62, hitung variansnya:
Jawab:
Nilai Ujian f X (X X ) (X X )
2
f ( X X )2
31 – 40 1 35,5 –41,12 1.690,85 1.690,85
41 – 50 2 45,5 –31,12 968,45 1.936,90
51 – 60 5 55,5 –21,12 446,05 2.230,25
61 – 70 15 65,5 –11,12 123,65 1.854,75
71 – 80 25 75,5 –1,12 1,25 31,25
81 – 90 20 85,5 8,88 78,85 1.577,00
91 – 100 12 95,5 18,88 356,45 4.277,40
Jumlah 80 3.665,55 13.598,40
s2 = f (X X ) 2
13.598,40
=
80
= 169,98
Nilai f X X2 fX fX 2
31 – 40 1 35,5 1.260,25 35,5 1.260,25
41 – 50 2 45,5 2.070,25 91,0 4.140,50
51 – 60 5 55,5 3.080,25 277,5 15.401,25
61 – 70 15 65,5 4.290,25 982,5 64.353,75
71 – 80 25 75,5 5.700,25 1.887,5 142.506,25
81 – 90 20 85,5 7.310,25 1.710,0 146.205,00
91 – 100 12 95,5 9.120,25 1.146,0 109.443,00
Jumlah 80 6.130,0 483.310,00
s =
2 fX 2
( fX ) 2
n 1 n( n 1)
483.310 (6.130) 2
=
80 1 80(80 1)
= 169,98
Koefisien Variasi
Koefisien Variasi
Ukuran-ukuran dispersi atau variasi yang telah diulas di atas merupakan dispersi
absolut. Ukuran dispersi absolut hanya dapat digunakan untuk melihat penyimpangan-
penyimpangan nilai yang terdapat pada suatu kumpulan data, bukan untuk beberapa
kumpulan data.
Guna membandingkan dispersi atau variasi dari beberapa kumpulan data
digunakan istilah dispersi relatif, yaitu perbandingan antara dispersi absolut dengan
reratanya. Dispersi relatif formulanya adalah:
Dispersi absolut
12
Dispersi relatif =
Rata-rata
Ada empat macam dispersi relatif:
1. Koefisien Variasi
Apabila dispersi absolut digantikan dengan simpangan bakunya, maka dispersi
relatifnya disebut koefisien variasi, dengan formula:
KV = x 100%, untuk populasi
s
KV = x 100%, untuk sampel
X
Jika ada dua kelompok data dengan KV1 dan KV2 , di mana KV1 > KV2 ,
maka kelompok pertama lebih bervariasi atau lebih heterogen daripada kelompok kedua.
Contoh 4-11:
Harga 5 motor bekas masing-masing Rp 6.000.000, Rp 6.500.000, Rp 7.000.000,
Rp 6.750.000, serta Rp 6.250.000 dan harga beras masing-masing Rp 7.500, Rp 9.000, Rp
10.000, Rp 9.500, dan Rp 11.000. Hitunglah simpangan baku harga motor dan harga
beras. Mana yang lebih bervariasi, harga motor atau harga beras.
Jawab:
6.000.000 6.500.000 ... 6.250.000
X harga motor =
5
= 6.500.000
s = (X X )
2
n 1
X (X X ) ( X X )2
6.000.000 –500.000 250.000.000
6.500.000 0 0
7.000.000 500.000 250.000.000
6.750.000 250.000 62.500.000
6.250.000 –250.000 62.500.000
Jumlah 625.000.000
625.000.000
s =
5 1
= 12.500
13
s = (X X )
2
n 1
X (X X ) ( X X )2
7.500 –1.900 3.610.000
9.000 –400 0
10.000 600 160.000
9.500 100 10.000
11.000 1.600 2.560.000
Jumlah 6.340.000
6.340.000
s =
5 1
= 1.259
s
KV motor = x 100%
X
12.500
= x 100%
6.500.000
= 0,19%
s
KV beras = x 100%
X
1.259
= x 100%
9.400
= 13,39%
Karena KV beras > KV motor, ini berarti harga beras lebih bervariasi
(heterogen) dibanding harga motor bekas.
4. Variasi Kuartil
Variasi kuartil adalah dispersi relatif yang dispersi absolutnya digantikan dengan
kuartil. Variasi kuartil formulanya adalah:
Kd
VK = x 100%
Me
K 3 K1
VK = x 100%
K 3 K1
Contoh 4-12:
Dua perusahaan, yaitu PT YORANIA dan PT HERMICO memiliki 60 orang
karyawan tetap. Untuk keperluan penelitian mengenai variasi gaji karyawan diambil
sampel sebanyak 6 orang setiap perusahaan dengan besaran gaji masing-masing: 2,8 juta,
2,5 juta, 2 juta, 3,1 juta, 3,4 juta, dan 3,2 juta untuk PT YORANIA serta 2,5 juta, 3,8 juta,
3,6 juta, 2,5 juta, 3,1 juta dan 4,1 juta untuk PT HERMICO.
a. Tentukan dispersi relatif perusahaan tersebut (gunakan keempat macam dispersi
relatif).
b. Perusahaan mana yang memiliki variasi gaji yang lebih baik.
Jawab:
a. Perhitungan dispersi relatif:
XA
X A
=
17
2,83
n 6
X A 17
X 2
A 289
2
289 17
sA
6 1 6 1
= 6,80
XB
X B
=
19,6
3,26
n 6
15
X B 19,6
X 2
B 384,16
2
384,16 19,6
sB
6 1 6 1
= 7,83
sA
KV A = x 100%
XA
6,80
x 100%
2,83
= 240,28%
sB
KVB = x 100%
XB
7,83
x 100%
3,26
= 240,18%
NJ A
VNJ A x 100%
XA
1,4
= 2,83 x 100%
= 49,47%
NJ B
VNJ B x 100%
XB
1,6
= 3,26 x 100%
= 49,08%
a.3 Variasi Simpangan Rerata
SR A = X A X A
n
16
2,40
=
6
= 0,40
SRB = X B XB
n
3,40
=
6
= 0,57
SR A
VSRA = x 100%
XA
0,40
= 2,83 x 100%
= 14,13%
SRB
VSRB = x 100%
XB
0,57
= 3,26 x 100%
= 17,48%
4. Variasi Kuartil
Urutan data:
Data A : 2; 2,5; 2,8; 3,1; 3,2; 3,4
Data B : 2,5; 2,5; 3,1; 3,6; 3,8; 4,1
K dA = ½ (K3 – K1)
= ½ (3,4 – 2,5)
= 0,45
K dB = ½ (K3 – K1)
= ½ (4,1 – 2,5)
= 0,80
17
K dA
VK A = x 100%
Me A
0,45
= 2,95 x 100%
= 15,25%
K dB
VK B = x 100%
MeB
0,80
= 3,35 x 100%
= 23,88%
K 3 A K1 A
VK A = x 100%
K 3 A K1 A
3,4 2,5
= 3,4 2,5 x 100%
= 15,25%
K 3 B K1B
VK B = x 100%
K 3 B K1B
4,1 2,5
= 4,1 2,5 x 100%
= 24,24%
Kesimpulan:
a. Dari perhitungan dispersi relatif di atas, dapat dikatakan bahwa dispersi relatif
kedua perusahaan adalah sama.
b. Variasi gaji di kedua perusahaan dapat dikatakan relatif sama satu dengan yang
lainnya.
X Mo
KP =
s
X Mo 3( X Me)
Contoh 4-13:
Dari data Tabel 2.1, tentukan:
a. Nilai K P dan ujilah arah kemencengannya.
b. Gambarlah kurvanya.
Jawab:
Nilai f X u u2 fu fu 2
31 – 40 1 35,5 –4 16 –4 16
41 – 50 2 45,5 –3 9 –6 18
19
51 – 60 5 55,5 –2 4 –10 20
61 – 70 15 65,5 –1 1 –15 15
71 – 80 25 75,5 0 0 0 0
81 – 90 20 85,5 1 1 20 20
91 – 100 12 95,5 2 4 24 48
Jumlah 80 9 137
X X0 c
fu
f
9
= 75,5 + 10
80
= 76,62
s = c fu fu
2 2
n n
2
137 9
= 10
80 80
= 10 (1,30)
= 13
n
2 ( f i ) 0
Me = L0 c
fm
40 23
= 70,5 10
25
= 77,30
( f1 ) 0
Mo = L0 c
( f1 ) 0 ( f 2 ) 0
10
= 70,5 10
10 5
= 77,17
20
X Mo
a. 1. K P =
s
76,62 77,17
=
13
= –0,04
3( X Me)
2. K P =
s
3(76,62 77,30)
=
13
= –0,16
Oleh karena nilai K P nya negatif (–0,04 atau –0,16) maka kurvanya menceng ke kiri
atau menceng negatif.
b. Gambar kurvanya:
25-
20-
15-
10-
5-
X
0 35,5 45,5 55,5 66,5 75,5 85,5 95,5
Contoh 4-14:
Tentukan kemencengan kurva dari distribusi pada Tabel 2.1.
Jawab:
in
4 ( f i ) 0
Ki = L0 c
fq
20 8
K1 = 60,5 10
15
= 68,5
40 23
K 2 = 70,5 10
25
= 77,3
60 48
K 3 = 80,5 10
20
= 86,5
86,5 2(77,3) 68,5
KB =
86,5 68,5
= 0,02
Karena K B = 0,02 menggambarkan distribusi yang menceng tidak berarti.
a. Data Tunggal
Formula koefisien kemencengan momen data tunggal adalah:
1
M n
3 ( X X )3
3 3
s s3
Contoh 4-15:
Tentukan nilai α3 dari data berikut: 3, 4, 5, 8, 10, 12
Jawab:
42
X = = 7
6
X X–X (X – X )2 (X – X )3
3 –4 16 –64
4 –3 9 –27
5 –2 4 –8
8 1 1 1
10 3 9 27
12 5 25 125
Jumlah – 64 54
s = (X X ) 2
n 1
64
= = 3,58
5
1
n
( X X )3
3
s3
23
9
=
(3,58) 3
= 0,19
b. Data Kelompok
Formula koefisien menceng momen data kelompok adalah:
1
M3 n
f ( X X )3
3 3
s s3
atau:
c3
fu
3
fu 2 fu fu
3
3 3 2
s3 n n n n
Contoh 4-16:
Tentukan tingkat kemencengan dari data Tabel 2.1
Jawab:
Nilai f X u u2 fu fu 2 fu 3
31 – 40 1 35,5 –4 16 –4 16 –64
41 – 50 2 45,5 –3 9 –6 18 –54
51 – 60 5 55,5 –2 4 –10 20 –40
61 – 70 15 65,5 –1 1 –15 15 –15
71 – 80 25 75,5 0 0 0 0 0
81 – 90 20 85,5 1 1 20 20 20
91 – 100 12 95,5 2 4 24 48 96
Jumlah 80 9 137 –57
fu fu
2 2
s =c
n n
2
137 9
= 10
80 80
= 10 (1,30) = 13
c3
fu
3
fu 2 fu fu
3
3 3 3
n 2 n
s n n
24
103
57 137 9 9
3
= (13)3 3 2
80 80 80 80
4.2.8 Kurtosis
Kurtosis atau keruncingan adalah tingkat kepuncakan dari sebuah distribusi yang
biasanya diambil secara relatif terhadap suatu distribusi normal. Dilihat dari tingkat
keruncingannya kurva distribusi dibagi menjadi 3, yaitu leptokurtis, mesokurtis, dan
platykurtis.
leptokurtis
mesokurtis
platykurtis
Gambar 4.1
Keruncingan Kurva
Untuk mengetahui kurtosis suatu distribusi, ukuran yang sering digunakan adalah
koefisien kurtosis dan koefisien kurtosis persentil.
1. Koefisien Kurtosis
Koefisien kurtosis dilambangkan dengan 4 . Jika hasil perhitungan koefisien
kurtosis diperoleh:
a. nilai lebih kecil dari 3 maka distribusinya adalah platykurtis.
25
a. Data Tunggal
1
4 = n
( X X )4
s4
Contoh 4-17: Tentukan kurtosis kurva dari data: 3, 4, 5, 8, 10, 12
Jawab:
42
X = = 7
6
s = 3,58
X X X ( X X )4
3 –4 256
4 –3 81
5 –2 16
8 1 1
10 3 81
12 5 625
Jumlah – 1.060
1
4 = n
( X X )4
s4
1
(1.060)
4 = 6 = 1,08
4
(3,58)
Karena nilainya lebih kecil dari 3, maka distribusinya adalah distribusi platykurtis.
b. Data Kelompok
1
4 = n
f ( X X )4
s4
atau:
fu fu 3 fu
6
fu fu
2 4
c4
4
fu 2
4 = 4 4
n
n 3 n
s n n n
26
Contoh 4.18:
a. Tentukan nilai koefisien kurtosis dari Tabel 2.1.
b. Gambarkan grafiknya.
Jawab:
s = 13,04
Nilai f X–X (X – X )4 f (X – X )4
31 – 40 1 –41,12 2.858.988,60 2.858.988,60
41 – 50 2 –31,12 937.903,92 1.875.807,84
51 – 60 5 –21,12 198.964,53 994.822,65
61 – 70 15 –11,12 15.290,41 229.356,15
71 – 80 25 –1,12 1,57 39,25
81 – 90 20 8,88 6.218,02 124.360,40
91 – 100 12 18,88 127.059,74 1.524.716,88
Jumlah 80 - 7.608.091,77
1
a. 4 = n
f ( X X )4
s4
1
(7.608.091,77)
= 80
(13,04) 4
95.101,15
= 28.914,15
= 3,29
Karena nilai koefisien kurtosisnya lebih besar dari 3, maka bentuk kurvanya
adalah leptokurtis.
b. Gambar grafik
25-
20-
15-
10-
5-
27
X
0 35,5 45,5 55,5 66,5 75,5 85,5 95,5
Contoh 4-19:
a. Tentukan nilai koefisien kurtosis persentil dari Tabel 2.1.
b. Apakah distribusinya termasuk distribusi normal.
Jawab:
Nilai Ujian fi
31 – 40 1
41 – 50 2
51 – 60 5
61 – 70 15
71 – 80 25
81 – 90 20
91 – 100 12
Jumlah 80
in
4 ( f i ) 0
Ki = L0 c
fq
80
4 8
K1 = 60,5 10
15
= 68,5
3(80)
4 48
K3 = 80,5 10
20
= 86,5
28
10(80)
100 3
P10 = 50,5 10
5
= 60,5
90(80)
100 68
P90 = 90,5 10
12
= 93,8
1
( K 3 K1 )
a. K = 2
P90 P10
1
(86,5 68,5)
= 2
93,8 60,5
9
= 33,3 = 0,27
b. Karena nilai K = 0,27 (K > 0,263) maka distribusinya adalah distribusi normal.
X X
Bilangan z =
s
Jawab:
85 75
z =
5
=2
75 85
Karena nilai mahasiswa tersebut di atas rerata, maka posisi bilangan z berada di
sebelah kanan dan hasil perhitungan z adalah positif. Sebaliknya bila nilai mahasiswa
lebh kecil dari nilai rerata maka posisi bilangan z berada di sebelah kiri dan hasil
perhitungan z adalah negatif. Nilai negatif ini hanya sekedar notasi karena dalam
kenyataannya semua daerah di bawah kurva adalah positif.
Contoh 4-21: Dari soal di atas apabila mahasiswa mendapat nilai 65, berapa bilangan z
nya?
Jawab:
65 75
z =
5
= –2
30
65 75
X X
z =
s
sz = X – X
X = sz + X
Jika bilangan asli ditransformasikan ke z, maka hasil distribusi bilangan z akan selalu
mempunyai rerata = 0.
Pada contoh nilai Statistik Deskriptif di atas, jika ditransformasikan ke dalam
bilangan z maka distribusinya akan terlihat sebagai berikut:
55 65 75 85 95
-2 -1 0 s 1 2
X
42
X = = 7
6
s = 3,58
Jika distribusi nilai tersebut ditransformasikan ke bilangan z, maka hasilnya adalah
sebagai berikut:
Untuk:
X = 3 menjadi (3–7) : 3,58 = –1,12
X = 4 menjadi (4–7) : 3,58 = –0,84
X = 5 menjadi (5–7) : 3,58 = –0,56
X = 8 menjadi (8–7) : 3,58 = 0,28
X = 10 menjadi (10–7): 3,58 = 0,84
X = 12 menjadi (12–7): 3,58 = 1,40
Dari perhitungan di atas dapat disusun suatu tabel yang dapat membantu dalam
pencarian simpangan baku bilangan z.
Z ( z s) ( z s) 2
–1,12 –1,12 1,2544
–0,84 –0,84 0,7056
–0,56 –0,56 0,3136
0,28 0,28 0,0784
0,84 0,84 0,7056
1,40 1,40 1,9600
Jumlah 0 5,0176
s = ( z s) 2 5,0176
=
n 1 5
= 1,00175
= 1
X z selalu 0, sedangkan sz = 1. Dengan demikian maka transformasi bilangan asli ke
z dapat digunakan untuk membandingkan dua sekumpulan data.
yang ditentukan. Angka yang diperoleh dengan cara ini dinamakan angka baku atau
angka standar dengan formula:
X X
z = X s0
s
Contoh 4-23: Seorang mahasiswa mendapat nilai 84 pada mata uji Matematika di mana
rerata dan simpangan baku kelompok masing-masing 80 dan 10. Pada ujian
Statistik di mana rerata kelompok 82 dan simpangan baku 15, ia mendapat nilai
90. Dalam mata uji mana ia mendapat kedudukan yang lebih baik.
Jawab:
84 80
Untuk Matematika z =
10
= 0,40
90 82
Untuk Statistika z =
15
= 0,53
Mahasiswa mendapat kedudukan yang lebih baik dalam mata uji Statistika.
Jika saja nilai di atas diubah ke dalam angka baku dengan rerata 100 dan
simpangan baku 20, maka:
84 80
Untuk Matematika z = 100 + 20
10
= 108
90 82
Untuk Statistika z = 100 + 20
15
= 110,67
Dalam kondisi ini mahasiswa mendapat kedudukan yang lebih baik dalam mata
uji Statistika.