Panduan Lengkap Simpangan Baku | Standard Deviation Calculator

Apa itu Simpangan Baku?

Simpangan baku (standar deviasi) adalah ukuran statistik yang mengkuantifikasi besarnya variasi atau sebaran dalam suatu kumpulan data. Secara sederhana, simpangan baku menunjukkan seberapa jauh angka-angka tersebar dari nilai rata-ratanya (mean).

Bayangkan seperti ini: jika Anda memiliki sekelompok nilai ujian siswa, simpangan baku menunjukkan apakah sebagian besar siswa memperoleh nilai yang serupa (SD rendah) atau nilai-nilainya sangat bervariasi (SD tinggi).

Visual Comparison

Low SD (σ = 0.5)

Data clustered tightly around the mean

High SD (σ = 2)

Data spread widely from the mean

Mengapa Simpangan Baku Penting?

Simpangan baku adalah salah satu ukuran statistik yang paling banyak digunakan karena memberikan wawasan penting untuk pengambilan keputusan di hampir setiap bidang:

Keuangan:Mengukur risiko investasi dan volatilitas portofolio
Manufaktur:Pengendalian mutu dan peningkatan proses Six Sigma
Sains:Melaporkan ketidakpastian pengukuran dan presisi eksperimen
Pendidikan:Menganalisis distribusi nilai ujian dan kurva penilaian
Kesehatan:Uji klinis dan memahami variabilitas data pasien

Rumus Simpangan Baku

Terdapat dua versi rumus simpangan baku, tergantung apakah Anda bekerja dengan sampel atau seluruh populasi:

Simpangan Baku Populasi

σ = √[Σ(xᵢ - μ)² / N]

Simpangan Baku Sampel

s = √[Σ(xᵢ - x̄)² / (n-1)]

Keterangan Simbol

σ (sigma) = SD populasi · s = SD sampel · Σ = jumlah dari · xᵢ = setiap titik data · μ (mu) = mean populasi · x̄ (x-bar) = mean sampel · N = ukuran populasi · n = ukuran sampel

Mengapa (n-1)?

Saat bekerja dengan sampel, kita membagi dengan (n-1) bukan n. Ini disebut koreksi Bessel dan memberikan estimasi tak bias dari simpangan baku populasi.

Perhitungan Langkah demi Langkah

Mari kita hitung simpangan baku sampel untuk kumpulan data: 4, 8, 6, 5, 3

Hitung Rata-rata

Mean = (4 + 8 + 6 + 5 + 3) / 5 = 26 / 5 = 5,2

Cari Setiap Deviasi dari Rata-rata

4 - 5,2 = -1,2 · 8 - 5,2 = 2,8 · 6 - 5,2 = 0,8 · 5 - 5,2 = -0,2 · 3 - 5,2 = -2,2

Kuadratkan Setiap Deviasi

(-1,2)² = 1,44 · (2,8)² = 7,84 · (0,8)² = 0,64 · (-0,2)² = 0,04 · (-2,2)² = 4,84

Jumlahkan Deviasi Kuadrat

1,44 + 7,84 + 0,64 + 0,04 + 4,84 = 14,8

Bagi dengan (n-1)

Varians = 14,8 / (5-1) = 14,8 / 4 = 3,7

Ambil Akar Kuadrat

Simpangan Baku = √3,7 = 1,924

Tips Pro

Gunakan Kalkulator Simpangan Baku kami untuk menghitung SD secara instan dengan solusi langkah demi langkah untuk kumpulan data apa pun.

Menginterpretasi Hasil

Memahami arti nilai simpangan baku sangat penting untuk membuat keputusan yang tepat:

Nilai SD	Interpretasi	Contoh
SD Rendah	Titik data berkumpul dekat di sekitar rata-rata; konsistensi tinggi	Komponen yang diproduksi mesin dengan toleransi ketat
SD Tinggi	Titik data tersebar luas; variabilitas tinggi	Perubahan harga saham harian
SD Nol	Semua titik data identik	Barang dengan harga tetap di toko

Aturan Empiris (68-95-99,7)

Untuk data berdistribusi normal: 68% data berada dalam 1 simpangan baku dari rata-rata · 95% berada dalam 2 simpangan baku · 99,7% berada dalam 3 simpangan baku

Contoh Dunia Nyata

Contoh 1: Nilai Ujian

Sebuah kelas dengan 30 siswa mengikuti ujian. Nilai rata-rata adalah 75 dengan simpangan baku 10. Interpretasi: Sebagian besar siswa (sekitar 68%) memperoleh nilai antara 65 dan 85. Siswa yang memperoleh nilai 95 menunjukkan performa luar biasa baik (2 SD di atas rata-rata), sementara nilai 55 menunjukkan mereka kesulitan (2 SD di bawah rata-rata).

Contoh 2: Mutu Manufaktur

Sebuah pabrik memproduksi baut yang seharusnya berdiameter 10mm. Setelah mengukur 100 baut, rata-ratanya 10,02mm dengan SD 0,05mm. Interpretasi: Proses terkendali dengan baik. 99,7% baut akan berada antara 9,87mm dan 10,17mm (±3σ). Jika spesifikasi mengharuskan 10mm ± 0,2mm, proses ini dengan mudah memenuhi standar mutu.

Kesalahan Umum yang Harus Dihindari

Menggunakan rumus yang salah

Jangan gunakan SD populasi (N) ketika Anda memiliki sampel. Ini akan meremehkan variabilitas sebenarnya.

Mengabaikan pencilan

Simpangan baku sensitif terhadap pencilan. Satu nilai ekstrem dapat meningkatkan SD secara dramatis. Pertimbangkan menggunakan deviasi absolut median (MAD) untuk kumpulan data dengan pencilan.

Mengasumsikan distribusi normal

Aturan empiris (68-95-99,7) hanya berlaku untuk data berdistribusi normal. Periksa distribusi data Anda sebelum menerapkan persentase ini.

← Pusat Pembelajaran