Σ
SDCalc
PemulaDasar-Dasar·10 min

Memahami Varians: Fondasi Simpangan Baku

Kuasai konsep varians dan hubungannya dengan simpangan baku. Pelajari rumus, perhitungan, dan aplikasi praktis varians dalam statistika.

Apa itu Varians?

Varians mengukur seberapa jauh kumpulan angka tersebar dari nilai rata-ratanya. Ini adalah rata-rata dari selisih kuadrat terhadap mean—dan merupakan fondasi di mana simpangan baku dibangun.

Setiap batang menunjukkan deviasi kuadrat dari rata-rata. Varians = rata-rata dari batang-batang ini.

Rumus Varians

Varians Populasi

σ² = Σ(xᵢ - μ)² / N

Varians Sampel

s² = Σ(xᵢ - x̄)² / (n-1)
1

Hitung rata-rata

Jumlahkan semua nilai dan bagi dengan jumlahnya.
2

Cari setiap deviasi

Kurangkan rata-rata dari setiap titik data.
3

Kuadratkan setiap deviasi

Ini menghilangkan nilai negatif dan menekankan deviasi besar.
4

Rata-ratakan deviasi kuadrat

Bagi dengan N (populasi) atau n-1 (sampel).

Mengapa Kita Mengkuadratkan Deviasi?

Tiga Alasan Utama

1. Menghilangkan nilai negatif: Tanpa pengkuadratan, deviasi positif dan negatif akan saling meniadakan, membuat jumlahnya nol. 2. Menghukum pencilan: Pengkuadratan memberikan bobot lebih pada nilai yang jauh dari rata-rata. 3. Sifat matematis: Varians memiliki sifat aljabar yang berguna untuk inferensi statistik.

Contoh: Mengapa Tidak Menggunakan Nilai Absolut Saja?

Dataset: 2, 4, 4, 4, 5, 5, 7, 9 (Mean = 5) Deviasi Absolut Rata-rata: |2-5| + |4-5| + ... = 14 MAD = 14/8 = 1,75 Varians (kuadrat): (2-5)² + (4-5)² + ... = 32 Var = 32/8 = 4

Varians vs Simpangan Baku

Hubungannya

Standard Deviation = √Variance → σ = √σ²

Varians (σ²)

- Satuan dikuadratkan (misal, cm², $²) - Lebih sulit diinterpretasi langsung - Berguna untuk operasi matematis - Aditif untuk variabel independen

Simpangan Baku (σ)

- Satuan sama dengan data asli - Lebih mudah diinterpretasi - Lebih baik untuk komunikasi - Digunakan dalam skor-z dan interval kepercayaan

Aplikasi Varians

Meskipun simpangan baku lebih umum dilaporkan, varians memiliki kegunaan spesifik:

  • ANOVA:Analisis Varians membandingkan rata-rata antar kelompok
  • Teori Portofolio:Varians imbal hasil digunakan dalam optimisasi
  • Regresi:R² adalah varians yang terjelaskan dibagi varians total
  • PCA:Analisis Komponen Utama memaksimalkan varians yang terjelaskan