Simpangan Baku Gabungan untuk Beberapa Kelompok

Apa itu Simpangan Baku Gabungan?

Simpangan baku gabungan menggabungkan estimasi varians dari dua atau lebih kelompok untuk mendapatkan satu estimasi berbobot. Ini penting untuk uji-t dua sampel ketika mengasumsikan varians yang sama.

Konsepnya langsung: jika kita percaya dua kelompok berasal dari populasi dengan variabilitas dasar yang sama, kita dapat menggabungkan data mereka untuk mendapatkan estimasi yang lebih baik dari variabilitas bersama tersebut. Lebih banyak data berarti estimasi yang lebih presisi.

Bayangkan seperti ini: jika Anda memiliki 20 pengamatan dari Kelompok A dan 30 dari Kelompok B, dan kedua kelompok memiliki varians sebenarnya yang sama, Anda sekarang memiliki 50 pengamatan untuk mengestimasi varians tersebut alih-alih mengestimasinya secara terpisah dari sampel yang lebih kecil.

Kapan Menggabungkan

Hanya gabungkan simpangan baku ketika Anda memiliki alasan untuk percaya bahwa varians populasi yang mendasari adalah sama. Gunakan uji Levene atau uji-F untuk memeriksa asumsi ini sebelum menggabungkan.

Rumus SD Gabungan

Untuk dua kelompok, simpangan baku gabungan adalah:

SD Gabungan Dua Kelompok

sp = √[((n₁-1)s₁² + (n₂-1)s₂²) / (n₁+n₂-2)]

Di mana n₁ dan n₂ adalah ukuran sampel, dan s₁ dan s₂ adalah simpangan baku sampel.

Untuk k kelompok (seperti dalam ANOVA), rumusnya digeneralisasi:

SD Gabungan Multi-Kelompok

sp = √[Σ(nᵢ-1)sᵢ² / Σ(nᵢ-1)]

Perhatikan rumus menggunakan suku (n-1) baik di pembilang maupun penyebut. Pembobotan ini memastikan sampel yang lebih besar berkontribusi lebih pada estimasi gabungan, yang tepat karena sampel yang lebih besar memberikan estimasi varians yang lebih andal.

Asumsi yang Mendasari

Simpangan baku gabungan mengasumsikan homogenitas varians—bahwa semua kelompok memiliki varians populasi yang sama. Asumsi ini paling penting ketika:

Ukuran sampel tidak sama (terutama bermasalah jika kelompok yang lebih besar memiliki varians lebih kecil)
Rasio varians terbesar terhadap terkecil melebihi 2-3
Ukuran sampel kecil (sampel besar lebih kokoh terhadap pelanggaran)

Ketika Varians Berbeda

Jika varians tidak sama, gunakan uji-t Welch alih-alih uji-t gabungan, atau gunakan estimasi varians terpisah. Uji Welch tidak mengasumsikan varians sama dan sering direkomendasikan sebagai pendekatan default.

Contoh Perhitungan

Skenario: Membandingkan nilai ujian antara dua kelas:

Kelas A: n₁ = 25, mean = 78, s₁ = 12
Kelas B: n₂ = 30, mean = 82, s₂ = 14

Perhitungan SD gabungan:

sp = √[((25-1)(12)² + (30-1)(14)²) / (25+30-2)] sp = √[(24×144 + 29×196) / 53] sp = √[(3456 + 5684) / 53] sp = √[9140 / 53] = √172,45 = 13,13

SD gabungan 13,13 berada di antara SD individual (12 dan 14), berbobot ke arah sampel yang lebih besar. Nilai gabungan ini kemudian akan digunakan dalam rumus uji-t atau perhitungan Cohen’s d.

Aplikasi Statistik

Uji-t sampel independen: SD gabungan digunakan untuk menghitung galat baku dari selisih rata-rata.
Ukuran efek Cohen’s d: Ukuran efek distandarkan menggunakan SD gabungan: d = (M₁ - M₂) / sp
ANOVA: Mean Square Error (MSE) dalam ANOVA pada dasarnya adalah estimasi varians gabungan di semua kelompok.
Meta-analisis: Saat menggabungkan studi, estimasi gabungan membantu menstandarkan efek di berbagai konteks.

A statistics tutorial is a practical interpretation guide, not just a formula dump. It refers to the assumptions, notation, and reporting language that analysts need when they explain a result to a teacher, manager, client, or reviewer. The article body covers the specific topic, while the sections below create a common interpretation frame that readers can reuse across related metrics.

Reading goal	What to focus on	Common mistake
Definition	What the metric is and what quantity it summarizes	Treating the formula as self-explanatory
Formula choice	Sample versus population assumptions and notation	Using n when n-1 is required or vice versa
Interpretation	Whether the result indicates concentration, spread, or risk	Calling a large value good or bad without context

Frequently Asked Questions

How should I interpret a high standard deviation?

A high standard deviation means the observations are spread farther from the mean on average. Whether that spread is acceptable depends on the context: wide dispersion might signal risk in finance, instability in manufacturing, or genuine natural variation in scientific data.

Why do some articles mention n while others mention n-1?

The denominator reflects the difference between population and sample formulas. Population variance and population standard deviation use N because the full dataset is known. Sample variance and sample standard deviation often use n-1 because Bessel’s correction reduces bias when estimating population spread from a sample.

What is a statistical interpretation guide?

A statistical interpretation guide is a page that moves beyond arithmetic and explains meaning. It tells you what a metric is, when the formula applies, and how to describe the result in plain English without overstating certainty.

Can I cite this article in a report?

You should cite the underlying authoritative reference for formal work whenever possible. This page is best used as an explanatory bridge that helps you understand the concept before quoting the original standard or handbook.

Why include direct citations on every article page?

Direct citations give readers a route to verify the definition, notation, and assumptions. That improves trust and reduces the chance that a simplified explanation is mistaken for the entire technical standard.

Authoritative References

These sources define the concepts referenced most often across our articles. Bessel's correction is a sample adjustment, variance is a squared measure of spread, and standard deviation is the square root of variance expressed in the same units as the data.