<\/p>\n
Rentang interkuartil<\/strong> dan deviasi standar<\/strong> adalah dua cara untuk mengukur distribusi nilai dalam suatu kumpulan data.<\/span><\/p>\n Tutorial ini memberikan penjelasan singkat masing-masing metrik beserta persamaan dan perbedaan keduanya.<\/span><\/p>\n Rentang interkuartil<\/strong> (IQR) suatu kumpulan data adalah selisih antara kuartil pertama (persentil ke-25) dan kuartil ketiga (persentil ke-75). Ini mengukur distribusi rata-rata 50% nilai.<\/span><\/p>\n IQR = Q3 \u2013 Q1<\/strong><\/span><\/p>\n Misalnya, kita memiliki kumpulan data berikut:<\/span><\/p>\n Kumpulan data:<\/strong> 1, 4, 8, 11, 13, 17, 19, 19, 20, 23, 24, 24, 25, 28, 29, 31, 32<\/span><\/p>\n Menurut kalkulator rentang antarkuartil, rentang antarkuartil (IQR) untuk kumpulan data ini dihitung sebagai berikut:<\/span><\/p>\n Ini memberitahu kita bahwa 50% tengah dari nilai-nilai dalam kumpulan data memiliki deviasi sebesar 14,5<\/strong> .<\/span><\/p>\n Deviasi standar<\/strong><\/p>\n Deviasi standar<\/strong> suatu kumpulan data adalah cara untuk mengukur deviasi tipikal nilai individu dari nilai rata-rata. Ini dihitung sebagai berikut:<\/span><\/p>\n s = \u221a(\u03a3( xi<\/sub> \u2013 x<\/span> ) 2<\/sup> \/ (n-1))<\/strong><\/span><\/p>\n Misalnya, kita memiliki kumpulan data berikut:<\/span><\/p>\n Kumpulan data:<\/strong> 1, 4, 8, 11, 13, 17, 19, 19, 20, 23, 24, 24, 25, 28, 29, 31, 32<\/span><\/p>\n Kita dapat menggunakan kalkulator untuk mengetahui bahwa simpangan baku kumpulan data ini adalah 9,25<\/strong> . Ini memberi kita gambaran seberapa jauh nilai tipikal dari rata-rata.<\/span><\/p>\n Rentang interkuartil dan deviasi standar memiliki kesamaan sebagai berikut:<\/strong><\/span><\/p>\n Namun, rentang antarkuartil dan deviasi standar memiliki perbedaan utama sebagai berikut:<\/strong><\/span><\/p>\n Anda harus menggunakan rentang interkuartil untuk mengukur distribusi nilai dalam kumpulan data ketika terdapat outlier yang ekstrim.<\/span><\/p>\n Sebaliknya, Anda sebaiknya menggunakan deviasi standar untuk mengukur distribusi nilai ketika tidak ada outlier yang ekstrim.<\/span><\/p>\n Untuk mengilustrasikan alasannya, pertimbangkan kumpulan data berikut:<\/span><\/p>\n Kumpulan data:<\/strong> 1, 4, 8, 11, 13, 17, 19, 19, 20, 23, 24, 24, 25, 28, 29, 31, 32<\/span><\/p>\n Sebelumnya di artikel ini, kami menghitung metrik berikut untuk kumpulan data ini:<\/span><\/p>\n Namun, pertimbangkan apakah kumpulan data tersebut memiliki outlier yang ekstrim:<\/span><\/p>\n Kumpulan data:<\/strong> 1, 4, 8, 11, 13, 17, 19, 19, 20, 23, 24, 24, 25, 28, 29, 31, 32, 378<\/strong><\/span><\/p>\n Kita dapat menggunakan kalkulator untuk menemukan metrik berikut untuk kumpulan data ini:<\/span><\/p>\n Perhatikan bahwa rentang antarkuartil hampir tidak berubah ketika terdapat outlier, sedangkan deviasi standar meningkat dari 9,25 menjadi 85,02.<\/span><\/p>\n Ukuran tendensi sentral: definisi dan contoh<\/a> Rentang interkuartil dan deviasi standar adalah dua cara untuk mengukur distribusi nilai dalam suatu kumpulan data. Tutorial ini memberikan penjelasan singkat masing-masing metrik beserta persamaan dan perbedaan keduanya. Jarak interkuartil Rentang interkuartil (IQR) suatu kumpulan data adalah selisih antara kuartil pertama (persentil ke-25) dan kuartil ketiga (persentil ke-75). Ini mengukur distribusi rata-rata 50% nilai. IQR […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n Jarak interkuartil<\/strong><\/span><\/h3>\n
\n
Persamaan dan perbedaan<\/strong><\/span><\/h3>\n
\n
\n
Kapan menggunakan masing-masing<\/strong><\/span><\/h3>\n
\n
\n
Sumber daya tambahan<\/strong><\/span><\/h3>\n
Ukuran dispersi: definisi dan contoh
Cara mencari outlier menggunakan rentang interkuartil<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"