Apa itu varians?
Varians mengkuantifikasi sebaran dataset relatif terhadap rata-ratanya. Ini mengukur seberapa jauh setiap angka dalam himpunan dari rata-rata, dan dengan demikian dari setiap angka lain dalam himpunan. Varians tinggi menunjukkan bahwa titik data tersebar luas, sedangkan varians rendah menunjukkan bahwa mereka berkelompok erat.
Berbeda dengan deviasi standar, varians dinyatakan dalam satuan kuadrat. Sifat matematis ini membuatnya sangat diperlukan untuk perhitungan statistik lanjutan, meskipun kurang intuitif untuk interpretasi manusia langsung. Analis menggunakan varians untuk menilai risiko, mengevaluasi konsistensi, dan membangun model prediktif.
Varians populasi vs. sampel
Menghitung varians memerlukan titik referensi pusat yang presisi. Anda harus terlebih dahulu menentukan rata-rata dataset Anda sebelum mengukur sebarannya. Kalkulator Rata-rata kami menyediakan nilai pusat yang tepat yang diperlukan untuk langkah fundamental ini.
Rumus matematika berubah tergantung pada apakah data Anda mewakili seluruh populasi atau subset. Menggunakan rumus yang salah memperkenalkan bias sistematis ke dalam analisis statistik Anda.
| Karakteristik | Varians populasi ($\sigma^2$) | Varians sampel ($s^2$) |
|---|---|---|
| Definisi | Mengukur sebaran grup keseluruhan. | Mengukur sebaran subset (sampel). |
| Penyebut | Membagi dengan $N$ (total ukuran populasi). | Membagi dengan $n - 1$ (koreksi Bessel). |
| Kasus penggunaan | Data sensus, catatan lengkap. | Survei, eksperimen, statistik inferensial. |
Rumus varians
Notasi matematika berubah tergantung pada apakah Anda menghitung sebaran untuk seluruh populasi atau sampel. Kedua rumus bergantung pada operator penjumlahan, dilambangkan dengan huruf Yunani kapital Sigma ($\sum$).
Rumus varians populasi
Ketika Anda memiliki data untuk setiap anggota populasi, rumusnya adalah:
Dimana:
- $\sigma^2$ = varians populasi
- $\mu$ = rata-rata populasi
- $x_i$ = setiap nilai individual
- $N$ = jumlah total nilai dalam populasi
Rumus varians sampel
Ketika Anda bekerja dengan sampel yang diambil dari populasi yang lebih besar, rumusnya adalah:
Dimana:
- $s^2$ = varians sampel
- $\bar{x}$ = rata-rata sampel
- $x_i$ = setiap nilai individual
- $n - 1$ = derajat kebebasan (koreksi Bessel)
Rumus singkat (komputasi)
Rumus komputasi menawarkan alternatif yang lebih cepat saat bekerja dengan statistik ringkasan. Ini menghilangkan kebutuhan untuk menghitung deviasi individual dari rata-rata. Metode ini sangat praktis untuk dataset besar atau perhitungan manual.
Rumus singkat untuk populasi:
Rumus singkat untuk sampel:
Mengapa kita mengkuadratkan deviasi?
Mengkuadratkan deviasi melayani dua tujuan matematis kritis. Pertama, ini menghilangkan angka negatif. Jika Anda hanya menjumlahkan deviasi mentah dari rata-rata, nilai positif dan negatif akan saling meniadakan dengan sempurna, menghasilkan jumlah nol.
Kedua, mengkuadratkan menghukum pencilan besar lebih berat daripada deviasi kecil. Titik data yang berjarak 4 unit dari rata-rata memberikan kontribusi 16 pada jumlah kuadrat, sementara titik yang berjarak 2 unit hanya memberikan kontribusi 4. Ini memastikan bahwa nilai ekstrem berdampak signifikan pada metrik varians akhir.
Varians vs. deviasi standar
Varians dan deviasi standar mengukur konsep sebaran yang sama persis, tetapi mereka ada dalam satuan matematika yang berbeda. Varians dinyatakan dalam satuan kuadrat (misalnya, meter persegi), yang membuat interpretasi dalam konteks data asli menjadi sulit.
Deviasi standar hanyalah akar kuadrat dari varians. Ini mengembalikan metrik ke satuan asli dataset (misalnya, meter). Kami menggunakan varians untuk operasi matematika kompleks seperti ANOVA, tetapi kami menggunakan deviasi standar untuk melaporkan hasil kepada manusia. Kalkulator Deviasi Standar kami menangani konversi ini secara otomatis.
Cara menghitung varians secara manual
Perhitungan manual mengikuti proses yang ketat. Meskipun kalkulator kami mengotomatiskan ini, memahami mekanismenya tetap penting untuk literasi statistik. Bagian berikut mendemonstrasikan kedua metode dengan contoh dunia nyata yang terperinci.
Cara menghitung varians sampel
Gunakan rumus varians sampel ketika data Anda mewakili subset dari grup yang lebih besar. Contoh berikut mendemonstrasikan proses ini secara detail.
Contoh 1: Daya tahan baterai smartphone
Seorang insinyur kontrol kualitas menguji daya tahan baterai (dalam jam) dari 6 smartphone yang dipilih secara acak dari lini produksi. Datasetnya adalah: $14, 16, 15, 18, 13, 14$. Kami memperlakukan ini sebagai sampel untuk menyimpulkan kualitas seluruh batch produksi.
Solusi
- Hitung rata-rata sampel ($\bar{x}$): Jumlahkan nilai ($90$) dan bagi dengan $n$ ($6$). $\bar{x} = 15$ jam.
- Temukan deviasi dari rata-rata: Kurangi $15$ dari setiap nilai (mis. $14 - 15 = -1$).
- Kuadratkan setiap deviasi: Kalikan setiap deviasi dengan dirinya sendiri (mis. $(-1)^2 = 1$).
- Jumlahkan deviasi kuadrat: Tambahkan semua nilai kuadrat. $\sum (x_i - \bar{x})^2 = 14$.
- Bagi dengan $n-1$ untuk mendapatkan varians sampel ($s^2$): $14 \div 5 = 2,8$.
Hasil: Varians sampel adalah 2,8 jam². Ini menunjukkan deviasi kuadrat rata-rata dari daya tahan baterai rata-rata 15 jam.
Tabel di bawah ini merinci perhitungan deviasi untuk sampel ini:
| Observasi ($x_i$) | Deviasi ($x_i - \bar{x}$) | Deviasi kuadrat $(x_i - \bar{x})^2$ |
|---|---|---|
| 14 | -1 | 1 |
| 16 | 1 | 1 |
| 15 | 0 | 0 |
| 18 | 3 | 9 |
| 13 | -2 | 4 |
| 14 | -1 | 1 |
| Jumlah: | 14 | |
Contoh 2: Imbal hasil saham harian
Seorang analis keuangan menghitung varians dari imbal hasil persentase harian aset tertentu selama minggu perdagangan 5 hari. Imbal hasilnya adalah: $1,2\%, -0,5\%, 0,8\%, 1,5\%, -0,2\%$. Sampel ini membantu memperkirakan volatilitas keseluruhan aset.
Solusi
- Hitung rata-rata sampel ($\bar{x}$): Jumlahkan nilai ($2,8\%$) dan bagi dengan $n$ ($5$). $\bar{x} = 0,56\%$.
- Temukan deviasi dari rata-rata: Kurangi $0,56$ dari setiap nilai (mis. $1,2 - 0,56 = 0,64$).
- Kuadratkan setiap deviasi: Kalikan setiap deviasi dengan dirinya sendiri (mis. $0,64^2 = 0,4096$).
- Jumlahkan deviasi kuadrat: Tambahkan semua nilai kuadrat. $\sum (x_i - \bar{x})^2 = 2,472$.
- Bagi dengan $n-1$ untuk mendapatkan varians sampel ($s^2$): $2,472 \div 4 = 0,618$.
Hasil: Varians sampel adalah 0,618 %². Ini mengkuantifikasi sebaran imbal hasil harian di sekitar imbal hasil rata-rata 0,56%.
Cara menghitung varians populasi
Gunakan rumus varians populasi ketika data Anda mencakup setiap anggota grup yang Anda pelajari. Contoh berikut mendemonstrasikan proses ini secara detail.
Contoh 1: Tinggi pemain basket
Seorang analis olahraga mencatat tinggi (dalam inci) dari 5 pemain starter tim basket tertentu. Datasetnya adalah: $74, 76, 78, 80, 82$. Karena ini mencakup setiap starter, kami memperlakukannya sebagai populasi lengkap.
Solusi
- Hitung rata-rata populasi ($\mu$): Jumlahkan nilai ($390$) dan bagi dengan $N$ ($5$). $\mu = 78$ inci.
- Temukan deviasi dari rata-rata: Kurangi $78$ dari setiap nilai (mis. $74 - 78 = -4$).
- Kuadratkan setiap deviasi: Kalikan setiap deviasi dengan dirinya sendiri (mis. $(-4)^2 = 16$).
- Jumlahkan deviasi kuadrat: Tambahkan semua nilai kuadrat. $\sum (x_i - \mu)^2 = 40$.
- Bagi dengan $N$ untuk mendapatkan varians populasi ($\sigma^2$): $40 \div 5 = 8$.
Hasil: Varians populasi adalah 8 inci². Ini menunjukkan deviasi kuadrat rata-rata dari tinggi rata-rata tim 78 inci.
Tabel di bawah ini merinci perhitungan deviasi untuk populasi ini:
| Observasi ($x_i$) | Deviasi ($x_i - \mu$) | Deviasi kuadrat $(x_i - \mu)^2$ |
|---|---|---|
| 74 | -4 | 16 |
| 76 | -2 | 4 |
| 78 | 0 | 0 |
| 80 | 2 | 4 |
| 82 | 4 | 16 |
| Jumlah: | 40 | |
Contoh 2: Diameter baut presisi
Seorang manajer pabrik mengukur diameter (dalam milimeter) dari 6 baut presisi yang diproduksi oleh mesin tertentu selama satu kali run kalibrasi. Diameternya adalah: $10,0, 10,1, 9,9, 10,2, 9,8, 10,0$. Ini mewakili seluruh output dari run spesifik tersebut.
Solusi
- Hitung rata-rata populasi ($\mu$): Jumlahkan nilai ($60,0$) dan bagi dengan $N$ ($6$). $\mu = 10,0$ mm.
- Temukan deviasi dari rata-rata: Kurangi $10,0$ dari setiap nilai (mis. $10,1 - 10,0 = 0,1$).
- Kuadratkan setiap deviasi: Kalikan setiap deviasi dengan dirinya sendiri (mis. $0,1^2 = 0,01$).
- Jumlahkan deviasi kuadrat: Tambahkan semua nilai kuadrat. $\sum (x_i - \mu)^2 = 0,10$.
- Bagi dengan $N$ untuk mendapatkan varians populasi ($\sigma^2$): $0,10 \div 6 \approx 0,0167$.
Hasil: Varians populasi adalah 0,0167 mm². Varians yang sangat rendah ini menunjukkan bahwa mesin sangat presisi selama run kalibrasi ini.
Peran varians dalam statistik lanjutan
Varians adalah blok bangunan fundamental untuk banyak metodologi statistik lanjutan. Meskipun deviasi standar lebih baik untuk pelaporan, varians diperlukan untuk matematika yang mendasari statistik inferensial.
Analisis varians (ANOVA): Teknik ini membandingkan rata-rata dari tiga grup atau lebih. Ini melakukannya dengan membagi total varians menjadi varians antar grup dan varians dalam grup untuk menentukan apakah rata-rata grup berbeda secara signifikan.
Analisis regresi: Dalam pemodelan prediktif, koefisien determinasi ($R^2$) mewakili proporsi varians dalam variabel dependen yang dapat diprediksi dari variabel independen. Ini adalah rasio langsung dari varians.
Teori portofolio modern: Dalam keuangan, varians digunakan untuk mengukur volatilitas dan risiko portofolio investasi. Dengan menghitung varians imbal hasil, analis dapat mengoptimalkan alokasi aset untuk memaksimalkan imbal hasil untuk tingkat risiko tertentu.
Pertanyaan umum tentang varians
Apakah varians bisa negatif?
Tidak, varians tidak bisa negatif. Perhitungan melibatkan pengkuadratan deviasi dari rata-rata, yang selalu menghasilkan angka positif. Jumlah angka positif dibagi dengan jumlah positif akan selalu menghasilkan varians positif.
Apa arti varians 0?
Varians nol berarti setiap nilai dalam dataset Anda identik. Sama sekali tidak ada sebaran atau variabilitas dalam data. Setiap titik data sama persis dengan rata-rata.
Mengapa varians dinyatakan dalam satuan kuadrat?
Varians dinyatakan dalam satuan kuadrat karena rumus mengkuadratkan deviasi untuk menghilangkan angka negatif. Jika data Anda diukur dalam meter, varians diukur dalam meter persegi. Itulah sebabnya kita mengambil akar kuadrat untuk mendapatkan deviasi standar.
Bagaimana varians berhubungan dengan deviasi standar?
Varians adalah kuadrat dari deviasi standar, dan deviasi standar adalah akar kuadrat dari varians. Mereka mengukur sebaran yang sama, tetapi deviasi standar kembali ke satuan asli data untuk interpretasi yang lebih mudah.
Kapan saya harus menggunakan varians populasi vs. sampel?
Gunakan varians populasi ketika data Anda mencakup setiap anggota grup yang Anda pelajari. Gunakan varians sampel ketika data Anda mewakili subset yang diambil dari grup yang lebih besar dan Anda bermaksud membuat inferensi tentang grup yang lebih besar tersebut.
Bagaimana pencilan mempengaruhi varians?
Pencilan menggelembungkan varians secara signifikan. Karena rumus mengkuadratkan jarak dari rata-rata, nilai ekstrem memberikan pengaruh matematika yang tidak proporsional pada hasil akhir, jauh lebih banyak daripada yang mereka lakukan pada rata-rata itu sendiri.
Apa perbedaan antara varians dan deviasi absolut rata-rata?
Deviasi absolut rata-rata (MAD) menggunakan nilai absolut deviasi alih-alih mengkuadratkannya. Meskipun MAD kurang sensitif terhadap pencilan, varians secara matematis lebih mulus dan dapat diturunkan, menjadikannya penting untuk metode statistik berbasis kalkulus.
Apakah varians tinggi itu baik atau buruk?
Apakah varians tinggi itu baik atau buruk sepenuhnya tergantung pada konteksnya. Dalam manufaktur, varians rendah sangat ideal untuk kontrol kualitas. Dalam portofolio investasi, varians yang lebih tinggi dapat diterima jika disertai dengan imbal hasil yang diharapkan lebih tinggi.
Sumber untuk membaca lebih lanjut
- BPS (Badan Pusat Statistik): Konsep Statistik: Varians – Metodologi dan standar resmi pemerintah untuk mengukur variabilitas dan sebaran dalam dataset demografis berskala besar.
- Universitas Indonesia: Sumber Statistik Deskriptif – Definisi formal dan ketelitian matematika yang didukung oleh salah satu institusi akademik paling bergengsi di Indonesia.
- Khan Academy (Indonesia): Tinjauan varians populasi dan sampel – Penjelasan mendasar yang sangat baik dan masalah latihan interaktif untuk memahami sebaran.
- MIT OpenCourseWare: 18.05 Pengantar Probabilitas dan Statistik – Materi akademik ketat yang mencakup statistik ringkasan dari Massachusetts Institute of Technology.