Apa Itu Simpangan Baku?
Simpangan baku (standard deviation) adalah ukuran statistik yang mengukur jumlah variasi atau sebaran dalam sekumpulan nilai data. Simpangan baku yang rendah menunjukkan bahwa titik data cenderung mendekati rata-rata (nilai harapan), sedangkan simpangan baku yang tinggi menunjukkan bahwa titik data menyebar dalam rentang nilai yang lebih luas. Dilambangkan dengan huruf Yunani σ (sigma) untuk populasi dan s untuk sampel, ini adalah salah satu konsep paling mendasar dalam statistika deskriptif.
Definisi Inti
Simpangan Baku Populasi vs. Sampel
Sebelum menghitung simpangan baku, Anda harus menentukan apakah data Anda mewakili seluruh populasi atau sampel dari suatu populasi. Populasi mencakup semua anggota dari kelompok tertentu, sedangkan sampel adalah subset perwakilan dari kelompok tersebut. Menghitung simpangan baku untuk sampel memerlukan penyesuaian matematis—menggunakan n - 1 (derajat kebebasan, atau df) alih-alih N—untuk memastikan hasilnya adalah estimator varians populasi yang tidak bias.
Simpangan Baku Populasi
Simpangan Baku Sampel
Penjelasan Rumus Simpangan Baku
Rumus simpangan baku bergantung pada perhitungan varians terlebih dahulu, lalu mengakarkannya. Langkah pengakaran ini sangat penting karena mengembalikan ukuran sebaran ke satuan asli data. Komponen utamanya adalah xᵢ (setiap nilai individual), μ atau x̄ (rata-rata populasi atau sampel), dan N atau n (jumlah total nilai).
Simpangan Baku Populasi
Simpangan Baku Sampel
Contoh Perhitungan Langkah demi Langkah
Mari kita hitung simpangan baku sampel untuk kumpulan data kecil berupa nilai ujian: [4, 8, 6, 5, 3, 2, 8, 9, 2, 5]. Mengikuti rumus langkah demi langkah akan menunjukkan bagaimana varians terakumulasi sebelum kita mengambil akar kuadrat terakhir.
Hitung Rata-rata (x̄)
Kurangi Rata-rata dan Kuadratkan Hasilnya
Jumlahkan Selisih Kuadrat
Bagi dengan n - 1 (Derajat Kebebasan)
Ambil Akar Kuadratnya
Menghitung Simpangan Baku dengan Python
Menghitung simpangan baku secara manual rentan terhadap kesalahan, terutama dengan kumpulan data besar. Dalam praktiknya, ahli statistik dan data scientist menggunakan bahasa pemrograman seperti Python untuk menghitungnya secara instan menggunakan pustaka bawaan.
import statistics
data = [4, 8, 6, 5, 3, 2, 8, 9, 2, 5]
# Hitung simpangan baku sampel (default)
sample_sd = statistics.stdev(data)
print(f"Sample SD: {sample_sd:.2f}")
# Hitung simpangan baku populasi
pop_sd = statistics.pstdev(data)
print(f"Population SD: {pop_sd:.2f}")Aturan Empiris dan Simpangan Baku
Ketika data mengikuti distribusi normal (kurva lonceng), simpangan baku menjadi sangat prediktif. Aturan Empiris, juga dikenal sebagai aturan 68-95-99.7, menyatakan bahwa hampir semua data akan berada dalam tiga simpangan baku dari rata-rata. Hal ini memungkinkan analis untuk dengan cepat mengidentifikasi pencilan (outlier) dan memahami probabilitas terjadinya observasi tertentu.
| Interval dari Rata-rata | Persentase Data | Penerapan |
|---|---|---|
| ±1σ | 68.27% | Mengidentifikasi nilai tipikal sehari-hari |
| ±2σ | 95.45% | Menetapkan interval kepercayaan |
| ±3σ | 99.73% | Mendeteksi pencilan (outlier) ekstrem |
Simpangan Baku vs. Varians
Varians dan simpangan baku adalah ukuran sebaran yang sangat berkaitan. Varians (σ² atau s²) adalah rata-rata dari selisih kuadrat dari rata-rata, sedangkan simpangan baku adalah akar kuadrat dari varians. Karena varians dinyatakan dalam satuan kuadrat (misalnya, rupiah kuadrat, sentimeter kuadrat), interpretasinya dalam konteks data asli bisa sulit dipahami. Simpangan baku mengatasi hal ini dengan mengubah ukuran tersebut kembali ke satuan aslinya.
Melaporkan Data Anda
Kesalahan Umum yang Harus Dihindari
Meskipun simpangan baku adalah alat yang sangat berguna, sering kali disalahgunakan. Kesalahan dalam menerapkan rumus atau salah memahami apa yang diwakili oleh nilai tersebut dapat mengarah pada analisis data yang cacat dan kesimpulan yang keliru.
- Menggunakan rumus populasi untuk sampel: Lupa menggunakan n - 1 untuk sampel akan menurunkan nilai sebaran yang dihitung secara semu, sehingga meremehkan varians populasi yang sebenarnya.
- Menerapkan simpangan baku pada distribusi non-normal: Aturan Empiris hanya berlaku untuk distribusi normal. Untuk data yang sangat miring (skewed), simpangan baku mungkin tidak mencerminkan sebaran secara akurat.
- Mencampuradukkan Simpangan Baku dengan Galat Baku: Galat baku (standard error) mengukur presisi dari estimasi rata-rata sampel, sedangkan simpangan baku mengukur sebaran dari data aslinya.
Waspada terhadap Pencilan (Outlier)
Further Reading
Sources
References and further authoritative reading used in preparing this article.