Rumus Varians: Pengertian, Contoh Langkah Cara Hitung

Memahami Rumus Varians: Pengertian, Contoh Langkah Cara Mernghitung, dan Penggunaannya dalam Statistik:

Varians adalah salah satu konsep dasar dalam statistik yang digunakan untuk mengukur seberapa tersebar atau beragam data dalam suatu kumpulan data. Dalam artikel ini, kita akan mengeksplorasi secara mendalam apa itu varians, mengapa varians penting dalam statistik, bagaimana cara menghitungnya, dan peran pentingnya dalam analisis data.

Daftar Isi

Apa Itu Varians?

Varians adalah ukuran statistik yang menggambarkan seberapa jauh titik-titik data dalam suatu kumpulan data tersebar dari nilai rata-ratanya. Secara matematis, varians dihitung dengan mengambil selisih kuadrat antara setiap titik data dan nilai rata-rata, kemudian mengambil rata-rata dari selisih-selisih tersebut.

Dalam rumus, varians dari suatu populasi (σ^2) dihitung dengan rumus berikut:

$\sigma^2 = \frac{\sum_{i=1}^N (x_i - \mu)^2}{N}$

Di mana:

$\sigma^2$ adalah varians populasi.
$N$ adalah jumlah total data dalam populasi.
$x_i$ adalah masing-masing titik data dalam populasi.
$\mu$ adalah nilai rata-rata (mean) dari populasi.

Variabel dalam rumus ini dapat dijelaskan sebagai berikut:

Pertama, kita mengambil selisih antara setiap data ( $x_i$ ) dengan nilai rata-rata ( $\mu$ ).
Kemudian, kita mengkuadratkan selisih-selisih tersebut.
Selanjutnya, kita menjumlahkan semua kuadrat selisih ini.
Akhirnya, kita membagi hasil penjumlahan tersebut dengan jumlah total data ( $N$ ).

Rumus di atas adalah rumus untuk menghitung varians dari populasi. Namun, dalam beberapa kasus, kita hanya memiliki sampel data dari populasi. Dalam hal ini, kita menggunakan rumus yang sedikit berbeda, yaitu rumus untuk menghitung varians sampel (s^2):

$s^2 = \frac{\sum_{i=1}^n (x_i - \bar{x})^2}{n-1}$

Di mana:

$s^2$ adalah varians sampel.
$n$ adalah jumlah total data dalam sampel.
$x_i$ adalah masing-masing titik data dalam sampel.
$\bar{x}$ adalah nilai rata-rata (mean) dari sampel.

Variabel dalam rumus ini mirip dengan rumus varians populasi, kecuali kita menggunakan $n-1$ sebagai pembagi daripada $N$ . Hal ini disebabkan oleh adanya faktor koreksi Bessel yang digunakan ketika menghitung varians dari sampel untuk mengestimasi varians populasi.

Mengapa Varians Penting?

Varians adalah salah satu ukuran yang sangat penting dalam statistik karena memberikan informasi tentang sebaran data. Berikut beberapa alasan mengapa varians penting:

1. Mengukur Keragaman

Varians memberikan ukuran tentang sejauh mana data tersebar dari nilai rata-rata. Semakin besar varians, semakin besar keragaman data. Sebaliknya, semakin kecil varians, semakin mendekati data ke nilai rata-ratanya. Dengan demikian, varians membantu kita memahami keragaman atau variasi dalam data.

2. Pengambilan Keputusan

Varians dapat digunakan dalam pengambilan keputusan. Misalnya, dalam analisis investasi, varians dapat membantu investor memahami tingkat risiko yang terkait dengan investasi tertentu. Investasi dengan varians tinggi lebih berisiko karena nilainya dapat bervariasi secara signifikan dari waktu ke waktu.

3. Pembandingan Data

Varians memungkinkan kita untuk membandingkan sebaran data antara dua atau lebih kumpulan data. Dengan membandingkan varians, kita dapat menentukan mana yang lebih homogen atau lebih heterogen. Ini penting dalam berbagai bidang, seperti ilmu sosial dan ekonomi.

4. Pengujian Hipotesis

Dalam pengujian hipotesis statistik, varians sering digunakan untuk menghitung uji statistik yang relevan. Varians adalah

salah satu komponen utama dalam banyak uji statistik, seperti uji-t, uji ANOVA, dan lainnya.

5. Pengendalian Kualitas

Dalam pengendalian kualitas dan manufaktur, varians dapat digunakan untuk mengukur seberapa konsisten atau tidak konsistennya hasil produksi. Varians yang tinggi dapat menjadi indikasi bahwa proses produksi perlu diperbaiki untuk menghasilkan produk yang lebih konsisten.

6. Peramalan

Dalam analisis data deret waktu, varians dapat digunakan untuk mengukur tingkat fluktuasi atau volatilitas data seiring waktu. Ini penting dalam peramalan untuk memahami seberapa stabil atau tidak stabilnya data.

Dengan pemahaman yang baik tentang varians, kita dapat mengambil keputusan yang lebih informasional dan membuat analisis yang lebih akurat dalam berbagai konteks.

Perbedaan antara Varians dan Standar Deviasi

Varians sering kali digunakan bersamaan dengan standar deviasi, tetapi keduanya memiliki perbedaan penting. Standar deviasi, sering dilambangkan sebagai $σ$ (sigma) untuk populasi atau $s$ (s) untuk sampel, adalah akar kuadrat dari varians.

Dalam istilah matematis, standar deviasi dari populasi ( $σ$ ) dihitung sebagai berikut:

$σ = \sqrt{σ^2}$

Sementara itu, standar deviasi dari sampel ( $s$ ) dihitung sebagai berikut:

$s = \sqrt{s^2}$

Jadi, standar deviasi adalah ukuran statistik yang mengukur sebaran data dengan cara yang lebih intuitif daripada varians. Karena standar deviasi memiliki satuan yang sama dengan data asli (misalnya, dalam satuan dolar, kilogram, atau tahun), ia sering lebih mudah diinterpretasikan daripada varians yang memiliki satuan kuadrat.

Dalam prakteknya, baik varians maupun standar deviasi digunakan untuk tujuan yang sama, yaitu mengukur sebaran data. Namun, standar deviasi sering lebih populer karena interpretasinya yang lebih mudah.

Langkah Cara Menghitung Dengan Rumus Varians

Sekarang, mari bahas bagaimana cara menghitung varians dari suatu kumpulan data. Ada beberapa langkah yang harus Anda ikuti:

1. Hitung Rata-Rata

Langkah pertama adalah menghitung nilai rata-rata ( $\mu$ ) dari kumpulan data. Ini dilakukan dengan menjumlahkan semua nilai dalam kumpulan data dan kemudian membaginya dengan jumlah total data ( $N$ untuk populasi atau $n$ untuk sampel):

$\mu = \frac{\sum_{i=1}^N x_i}{N}$

2. Hitung Selisih dari Rata-Rata

Selanjutnya, hitung selisih antara setiap titik data ( $x_i$ ) dan nilai rata-rata ( $\mu$ ):

$x_i - \mu$

3. Kuadrat Selisih

Kemudian, kuadratkan setiap selisih yang telah dihitung sebelumnya:

$(x_i - \mu)^2$

4. Jumlahkan Kuadrat Selisih

Selanjutnya, jumlahkan semua kuadrat selisih yang telah dihitung:

$\sum_{i=1}^N (x_i - \mu)^2$

5. Bagi dengan Jumlah Data

Akhirnya, bagi jumlah kuadrat selisih tersebut dengan jumlah total data ( $N$ untuk populasi atau $n$ untuk sampel) untuk mendapatkan varians:

$\sigma^2 = \frac{\sum_{i=1}^N (x_i - \mu)^2}{N}$

atau

$s^2 = \frac{\sum_{i=1}^n (x_i - \bar{x})^2}{n-1}$

Begitulah cara menghitung varians dari suatu kumpulan data. Dalam prakteknya, Anda dapat menggunakan perangkat lunak statistik atau kalkulator statistik untuk melakukan perhitungan ini dengan cepat.

Catatan:

Varians adalah ukuran statistik yang penting dalam analisis data karena memberikan informasi tentang sebaran atau keragaman data. Varians mengukur seberapa jauh titik-titik data tersebar dari nilai rata-rata. Meskipun varians dan standar deviasi memiliki perbedaan, keduanya digunakan untuk tujuan yang sama, yaitu mengukur sebaran data. Dalam prakteknya, perhitungan varians melibatkan beberapa langkah sederhana, termasuk menghitung rata-rata, menghitung selisih dari rata-rata, mengkuadratkan selisih-selisih tersebut, menjumlahkannya, dan membaginya dengan jumlah data. Dengan pemahaman yang baik tentang varians, kita dapat membuat analisis data yang lebih informasional dan mendalam.

Bagaimana Cara Menghitung Rumus Varians dari Kumpulan Data?

Varians adalah salah satu konsep fundamental dalam statistik yang digunakan untuk mengukur sebaran atau keragaman data dalam suatu kumpulan. Rumus varians sangat berguna dalam berbagai konteks, termasuk analisis data, penelitian ilmiah, bisnis, dan pengambilan keputusan. Dalam artikel ini, kita akan membahas secara mendalam tentang bagaimana cara menghitung rumus varians dari suatu kumpulan data, baik untuk seluruh populasi maupun sampel data.

Mengapa Varians Penting?

Sebelum kita membahas cara menghitung varians, mari kita pahami mengapa varians begitu penting dalam dunia statistik dan analisis data.

Mengukur Sebaran Data: Varians adalah ukuran yang digunakan untuk mengidentifikasi seberapa tersebar atau beragam data dalam kumpulan tersebut. Dalam analisis statistik, kita sering ingin tahu sejauh mana data kita menyebar dari nilai rata-ratanya. Varians memberikan jawaban untuk pertanyaan ini.
Identifikasi Outlier: Outlier adalah nilai yang jauh berbeda dari nilai lain dalam kumpulan data. Varians membantu kita mengidentifikasi outlier, karena nilai yang sangat jauh dari rata-rata akan berkontribusi lebih besar terhadap nilai varians.
Perbandingan Data: Varians memungkinkan kita untuk membandingkan sebaran data antara dua atau lebih kumpulan data. Misalnya, dalam bisnis, kita dapat menggunakan varians untuk membandingkan kinerja penjualan antara dua cabang toko yang berbeda.
Analisis Risiko: Di bidang keuangan, varians digunakan untuk mengukur risiko investasi. Investasi dengan varians yang tinggi lebih berisiko karena nilainya lebih fluktuatif.

Sekarang, mari kita fokus pada cara menghitung varians dari kumpulan data.

Cara Menghitung Varians dari Seluruh Kumpulan Data

Jika Anda memiliki seluruh kumpulan data, Anda dapat menggunakan rumus varians berikut:

Varians = (Jumlah setiap suku – rata-rata)^2 / n

Mari kita bahas langkah-langkahnya:

1. Hitung Rata-Rata

Langkah pertama dalam menghitung varians adalah menghitung nilai rata-rata ( $\mu$ ) dari kumpulan data. Ini dilakukan dengan menjumlahkan semua nilai dalam kumpulan data dan kemudian membaginya dengan jumlah total data ( $n$ ).

Contoh: Misalkan Anda memiliki data penjualan harian selama satu bulan dan Anda ingin menghitung variansnya. Jumlahkan semua penjualan harian dan bagi hasilnya dengan jumlah hari untuk mendapatkan rata-rata penjualan harian.

2. Kurangkan Rata-Rata dari Setiap Nilai

Selanjutnya, kurangkan nilai rata-rata ( $\mu$ ) yang telah Anda hitung sebelumnya dari setiap nilai dalam kumpulan data. Ini akan memberikan Anda selisih antara setiap titik data dan rata-rata.

Contoh: Dalam contoh penjualan harian, kurangkan nilai rata-rata harian dari setiap nilai harian untuk mendapatkan selisihnya. Ini mengukur seberapa jauh setiap hari penjualan berbeda dari rata-rata harian.

3. Kuadrat Selisih

Setelah Anda memiliki selisih antara setiap nilai dan rata-rata, kuadratkan setiap selisih tersebut. Ini penting karena kita ingin mengukur sebaran data, dan kuadrat akan membuat semua nilai positif.

Contoh: Kuadratkan setiap selisih harian yang telah Anda hitung sebelumnya. Ini akan memberikan Anda kuadrat dari selisih-selisih tersebut.

4. Jumlahkan Kuadrat Selisih

Selanjutnya, jumlahkan semua kuadrat selisih yang telah Anda hitung dalam langkah sebelumnya. Ini akan memberikan Anda jumlah total kuadrat selisih.

Contoh: Jumlahkan semua kuadrat selisih harian yang telah Anda kuadratkan sebelumnya. Ini akan memberikan Anda jumlah total kuadrat selisih harian.

5. Bagi dengan Jumlah Data

Akhirnya, bagi jumlah total kuadrat selisih yang telah Anda hitung dalam langkah sebelumnya dengan jumlah total data ( $n$ ). Ini akan memberikan Anda nilai varians.

Contoh: Bagi jumlah total kuadrat selisih harian dengan jumlah hari dalam bulan. Ini akan memberikan Anda nilai varians penjualan harian selama satu bulan.

Rumus Cara Menghitung Varians dari Sampel Data

Saat Anda bekerja dengan sampel data daripada seluruh populasi, Anda perlu menggunakan rumus yang sedikit berbeda. Rumus varians untuk sampel data menggunakan suku $n-1$ sebagai penyebut, bukan $n$ , di langkah terakhir. Ini disebut sebagai *penyelarasan Bessel* dan digunakan untuk menghasilkan estimasi yang lebih akurat dari varians populasi berdasarkan sampel.

Varians = (Jumlah setiap suku – rata-rata)^2 / (n-1)

Langkah-langkahnya mirip dengan perhitungan varians untuk seluruh populasi, kecuali pada langkah terakhir.

Contoh Penghitungan Varians Sampel

Mari kita gunakan contoh data penjualan harian yang sama, tetapi kali ini sebagai sampel yang mewakili satu minggu. Data tersebut adalah:

Hari 1: 100
Hari 2: 120
Hari 3: 90
Hari 4: 110
Hari 5: 105
Hari 6: 115
Hari 7: 125

Langkah 1: Hitung Rata-Rata

Seperti sebelumnya, kita mulai dengan menghitung rata-rata:

$\mu = \frac{765}{7} \approx 109.29$

Rata-rata penjualan harian adalah sekitar 109.29.

Langkah 2: Kurangkan Rata-Rata dari Setiap Nilai

Kurangkan rata-rata ( $\mu$ ) dari setiap nilai harian:

Hari 1: $100 - 109.29 \approx -9.29$
Hari 2: $120 - 109.29 \approx 10.71$
Hari 3: $90 - 109.29 \approx -19.29$
Hari 4: $110 - 109.29 \approx 0.71$
Hari 5: $105 - 109.29 \approx -4.29$
Hari 6: $115 - 109.29 \approx 5.71$
Hari 7: $125 - 109.29 \approx 15.71$

Ini adalah selisih antara setiap nilai harian dan rata-rata harian.

Langkah 3: Kuadrat Selisih

Kuadratkan setiap selisih yang telah Anda hitung sebelumnya:

Hari 1: $(-9.29)^2 \approx 86.16$
Hari 2: $(10.71)^2 \approx 114.84$
Hari 3: $(-19.29)^2 \approx 372.75$
Hari 4: $(0.71)^2 \approx 0.51$
Hari 5: $(-4.29)^2 \approx 18.41$
Hari 6: $(5.71)^2 \approx 32.64$
Hari 7: $(15.71)^2 \approx 246.90$

Ini adalah hasil kuadrat dari selisih-selisih tersebut.

Langkah 4: Jumlahkan Kuadrat Selisih

Jumlahkan semua kuadrat selisih yang telah Anda hitung dalam langkah sebelumnya:

$86.16 + 114.84 + 372.75 + 0.51 + 18.41 + 32.64 + 246.90 = 872.21$

Ini adalah jumlah total kuadrat selisih harian.

Langkah 5: Bagi dengan $n-1$

Saat bekerja dengan sampel data, Anda menggunakan penyelarasan Bessel. Jadi, bagi jumlah total kuadrat selisih dengan $n-1$ , di mana $n$ adalah jumlah data dalam sampel (7 dalam contoh ini):

$\text{Varians} = \frac{872.21}{7-1} = \frac{872.21}{6} \approx 145.37$

Jadi, varians dari sampel data penjualan harian selama satu minggu adalah sekitar 145.37.

Perbedaan antara Varians Populasi dan Varians Sampel

Saat Anda mempelajari varians, Anda akan menemui dua kon

sep yang sering digunakan: varians populasi dan varians sampel. Perbedaan utama antara keduanya adalah dalam penggunaan penyebut $n$ dan $n-1$ , seperti yang telah dijelaskan sebelumnya.

Varians Populasi ( $\sigma^2$ ): Digunakan saat Anda memiliki data lengkap atau seluruh populasi. Penyebutnya adalah $n$, di mana $n$ adalah jumlah data dalam populasi. Varians populasi memberikan estimasi tentang sebaran data dalam populasi itu sendiri.

Varians Sampel ( $s^2$ ): Digunakan saat Anda hanya memiliki sampel dari seluruh populasi. Penyebutnya adalah $n-1$ , di mana $n$ adalah jumlah data dalam sampel. Varians sampel memberikan estimasi tentang sebaran data dalam populasi berdasarkan sampel yang diambil.

Penggunaan penyelarasan Bessel ( $n-1$ ) dalam varians sampel adalah untuk mengkompensasi potensi bias yang mungkin timbul saat kita hanya bekerja dengan sampel. Hal ini memungkinkan kita untuk mengestimasi varians populasi dengan lebih baik.

Contoh Penghitungan Dengan Rumus Varians 1

Mari kita lihat contoh penghitungan varians dengan menggunakan data sampel. Misalkan kita memiliki data tinggi (dalam sentimeter) dari lima orang: 160, 165, 170, 175, dan 180. Kita akan menghitung varians dari data ini.

Langkah 1: Hitung Rata-Rata

$\bar{x} = \frac{160 + 165 + 170 + 175 + 180}{5} = \frac{850}{5} = 170$

Jadi, nilai rata-rata ($\bar{x}$) dari data ini adalah 170 sentimeter.

Langkah 2: Hitung Selisih dari Rata-Rata

Sekarang, kita akan menghitung selisih antara setiap titik data dengan nilai rata-rata:

$x_1 - \bar{x} = 160 - 170 = -10$
$x_2 - \bar{x} = 165 - 170 = -5$
$x_3 - \bar{x} = 170 - 170 = 0$
$x_4 - \bar{x} = 175 - 170 = 5$
$x_5 - \bar{x} = 180 - 170 = 10$

Langkah 3: Kuadrat Selisih

Selanjutnya, kita akan kuadratkan selisih-selisih ini:

$(-10)^2 = 100$
$(-5)^2 = 25$
$0^2 = 0$
$5^2 = 25$
$10^2 = 100$

Langkah 4: Jumlahkan Kuadrat Selisih

Sekarang, kita akan menjumlahkan semua kuadrat selisih:

$\sum_{i=1}^5 (x_i - \bar{x})^2 = 100 + 25 + 0 + 25 + 100 = 250$

Langkah 5: Bagi dengan Jumlah Data

Terakhir, kita akan membagi jumlah kuadrat selisih tersebut dengan jumlah total data (jumlah sampel) yang dalam hal ini adalah 5:

$\[ s^2 = \frac{\sum_{i=1}^5 (x_i - \bar{x})^2}{5} = \frac{250}{5} = 50 \ ]$

Jadi, varians dari data tinggi ini adalah 50.

Contoh Penghitungan Dengan Rumus Varians 2

Mari kita lihat contoh penghitungan varians dengan menggunakan data penjualan harian selama satu minggu. Data tersebut adalah sebagai berikut:

Hari 1: 100
Hari 2: 120
Hari 3: 90
Hari 4: 110
Hari 5: 105
Hari 6: 115
Hari 7: 125

Langkah 1: Hitung Rata-Rata

Jumlahkan semua penjualan harian:

$100 + 120 + 90 + 110 + 105 + 115 + 125 = 765$

Ada tujuh hari dalam data, jadi rata-rata penjualan harian adalah:

$\mu = \frac{765}{7} \approx 109.29$

Jadi, rata-rata penjualan harian adalah sekitar 109.29.

Langkah 2: Kurangkan Rata

-Rata dari Setiap Nilai

Sekarang, kurangkan rata-rata ( $\mu$ ) dari setiap nilai harian:

Hari 1: $100 - 109.29 \approx -9.29$
Hari 2: $120 - 109.29 \approx 10.71$
Hari 3: $90 - 109.29 \approx -19.29$
Hari 4: $110 - 109.29 \approx 0.71$
Hari 5: $105 - 109.29 \approx -4.29$
Hari 6: $115 - 109.29 \approx 5.71$
Hari 7: $125 - 109.29 \approx 15.71$

Ini adalah selisih antara setiap nilai harian dan rata-rata harian.

Langkah 3: Kuadrat Selisih

Kuadratkan setiap selisih yang telah Anda hitung sebelumnya:

Hari 1: $(-9.29)^2 \approx 86.16$
Hari 2: $(10.71)^2 \approx 114.84$
Hari 3: $(-19.29)^2 \approx 372.75$
Hari 4: $(0.71)^2 \approx 0.51$
Hari 5: $(-4.29)^2 \approx 18.41$
Hari 6: $(5.71)^2 \approx 32.64$
Hari 7: $(15.71)^2 \approx 246.90$

Ini adalah hasil kuadrat dari selisih-selisih tersebut.

Langkah 4: Jumlahkan Kuadrat Selisih

Jumlahkan semua kuadrat selisih yang telah Anda hitung dalam langkah sebelumnya:

$86.16 + 114.84 + 372.75 + 0.51 + 18.41 + 32.64 + 246.90 = 872.21$

Ini adalah jumlah total kuadrat selisih harian.

Langkah 5: Bagi dengan Jumlah Data

Bagi jumlah total kuadrat selisih dengan jumlah hari dalam data, yaitu 7:

$\text{Varians} = \frac{872.21}{7} \approx 124.60$

Jadi, varians dari data penjualan harian selama satu minggu adalah sekitar 124.60.

Kesimpulan

Varians adalah alat penting dalam analisis statistik yang membantu kita memahami sebaran data dalam kumpulan data. Dengan menghitung varians, kita dapat mengukur tingkat variasi atau keragaman dalam data, mengidentifikasi outlier, dan membuat perbandingan antara kumpulan data yang berbeda. Varians juga penting dalam berbagai aplikasi bisnis, ilmiah, dan keuangan, membantu pengambilan keputusan dalam berbagai konteks.

Dalam menghitung varians, perhatikan apakah Anda bekerja dengan seluruh populasi data atau hanya sampel. Gunakan rumus yang sesuai dengan jenis data yang Anda miliki: varians populasi ( $\sigma^2$ ) untuk data seluruh populasi dan varians sampel ( $s^2$ ) untuk data sampel. Dengan demikian, Anda dapat menghasilkan estimasi yang akurat tentang sebaran data Anda, yang dapat membantu dalam pengambilan keputusan yang lebih baik.

****
Subscribe, follow @dramatizencom dan ikuti terus dramatizen.com untuk berbagai inspirasi terbaru dan agar hari harimu makin seru!