<\/p>\n
Dalam statistik, kita sering kali ingin memahami bagaimana nilai-nilai \u201ctersebar\u201d dalam suatu kumpulan data. Untuk mengukurnya, kita sering menggunakan<\/span> ukuran dispersi berikut:<\/span><\/p>\n Dari keempat ukuran tersebut, varians<\/strong> cenderung menjadi yang paling sulit dipahami secara intuitif. Artikel ini bertujuan untuk memberikan penjelasan sederhana mengenai varians.<\/span><\/p>\n Sebelum kita memahami varians, pertama-tama kita harus memahami simpangan baku<\/strong> , yang biasanya dilambangkan dengan \u03c3<\/strong> .<\/span><\/p>\n Rumus untuk menghitung simpangan baku adalah:<\/span><\/p>\n \u03c3<\/strong> = \u221a(\u03a3 ( xi<\/sub> \u2013 \u03bc) 2<\/sup> \/ N)<\/span><\/p>\n dimana \u03bc adalah rata-rata populasi, x i<\/sub> adalah elemen ke-i<\/i> dari populasi, N adalah ukuran populasi, dan \u03a3 hanyalah sebuah simbol indah yang berarti “jumlah”.<\/span><\/p>\n Dalam praktiknya, Anda jarang perlu menghitung deviasi standar dengan tangan; sebagai gantinya, Anda dapat menggunakan perangkat lunak statistik atau kalkulator.<\/span><\/p>\n Pada tingkat paling dasar, deviasi standar memberi tahu kita distribusi nilai data dalam kumpulan data. Untuk mengilustrasikannya, pertimbangkan tiga kumpulan data berikut beserta standar deviasinya:<\/span><\/p>\n [5, 5, 5] standar deviasi = 0<\/strong> (tidak ada spread sama sekali)<\/span><\/p>\n [3, 5, 7] standar deviasi = 1,63<\/strong> (beberapa deviasi)<\/span><\/p>\n [1, 5, 99] standar deviasi = 45,28<\/strong> (spread banyak)<\/span><\/p>\n Istilah \u201cdeviasi standar\u201d dapat dipahami dengan melihat dua kata yang menyusunnya:<\/span><\/p>\n Setelah Anda memahami deviasi standar, akan lebih mudah untuk memahami varians.<\/span><\/p>\n Variansnya, biasanya dilambangkan dengan \u03c32<\/sup><\/strong> , hanyalah deviasi standar yang dikuadratkan. Rumus untuk mencari varians suatu kumpulan data adalah:<\/span><\/p>\n \u03c3 2<\/sup><\/strong> = \u03a3 ( xi<\/sub> \u2013 \u03bc) 2<\/sup> \/ N<\/span><\/p>\n dimana \u03bc adalah rata-rata populasi, x i<\/sub> adalah elemen ke-i<\/i> dari populasi, N adalah ukuran populasi, dan \u03a3 hanyalah sebuah simbol indah yang berarti “jumlah”.<\/span><\/p>\n Jadi, jika simpangan baku suatu kumpulan data adalah 8, maka variasinya adalah 8 2<\/sup> = 64.<\/span><\/p>\n Atau, jika simpangan baku suatu kumpulan data adalah 10, maka variasinya adalah 10 2<\/sup> = 100.<\/span><\/p>\n Atau, jika simpangan baku suatu kumpulan data adalah 3,7, maka variasinya adalah 3,7 \u00b7 2<\/sup> = 13,69.<\/span><\/p>\n Semakin tersebar nilai-nilai dalam suatu kumpulan data, semakin tinggi variansnya. Untuk mengilustrasikannya, pertimbangkan tiga kumpulan data berikut beserta variansinya yang sesuai:<\/span><\/p>\n [5, 5, 5] varians = 0<\/strong> (tidak ada spread sama sekali)<\/span><\/p>\n [3, 5, 7] varians = 2,67<\/b> (beberapa deviasi)<\/span><\/p>\n [1, 5, 99] varians = 2.050,67<\/b> (banyak spread)<\/span><\/p>\n Setelah membaca penjelasan tentang deviasi standar dan varians di atas, Anda mungkin bertanya-tanya kapan Anda akan menggunakan varians alih-alih deviasi standar untuk mendeskripsikan kumpulan data.<\/span><\/p>\n Lagi pula, deviasi standar memberi tahu kita jarak rata-rata antara suatu nilai dan rata-rata, sedangkan varians memberi tahu kita kuadrat dari nilai tersebut. Tampaknya simpangan baku lebih mudah dipahami dan diinterpretasikan.<\/span><\/p>\n Pada kenyataannya, Anda hampir selalu menggunakan deviasi standar untuk menggambarkan distribusi nilai dalam kumpulan data.<\/span><\/p>\n Namun, varians dapat berguna ketika menggunakan teknik seperti ANOVA<\/a> atau regresi<\/a> dan mencoba menjelaskan varians total suatu model karena faktor-faktor tertentu.<\/span><\/p>\n Misalnya, Anda mungkin ingin memahami seberapa besar varians dalam nilai ujian yang dapat dijelaskan oleh IQ dan seberapa besar varians yang dapat dijelaskan oleh jam belajar.<\/span><\/p>\n Jika 36% variasi disebabkan oleh IQ dan 64% disebabkan oleh jam belajar, hal ini mudah dimengerti. Namun jika kita menggunakan standar deviasi 6 dan 8, hasilnya kurang intuitif dan tidak masuk akal dalam konteks masalahnya.<\/span><\/p>\n Kasus lain di mana lebih baik menggunakan varians daripada deviasi standar adalah ketika Anda melakukan pekerjaan statistik teoretis.<\/span><\/p>\n Dalam hal ini, akan lebih mudah menggunakan varians saat menghitung karena Anda tidak perlu menggunakan tanda akar kuadrat.<\/span><\/p>\n Tutorial berikut memberikan informasi tambahan tentang varians:<\/span><\/p>\n Varians sampel dan varians populasi: apa bedanya?<\/a> Dalam statistik, kita sering kali ingin memahami bagaimana nilai-nilai \u201ctersebar\u201d dalam suatu kumpulan data. Untuk mengukurnya, kita sering menggunakan ukuran dispersi berikut: Range: selisih antara nilai terbesar dan terkecil dalam suatu kumpulan data. Rentang interkuartil: selisih antara kuartil pertama dan kuartil ketiga suatu kumpulan data (kuartil hanyalah nilai yang membagi kumpulan data menjadi empat bagian […]<\/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\n
Memahami Deviasi Standar<\/strong><\/span><\/h2>\n
\n
Memahami Kesenjangan<\/strong><\/span><\/h2>\n
Kapan Anda akan menggunakan varians dan bukan deviasi standar?<\/strong><\/span><\/h2>\n
Sumber daya tambahan<\/strong><\/span><\/h3>\n
Cara Menghitung Varians Sampel dan Populasi di Excel<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"