Hello Sobat TeknoBgt, dalam ilmu statistik, banyak sekali metode pengolahan data yang dapat digunakan untuk memudahkan kita dalam menjawab sebuah masalah. Salah satunya adalah kemampuan dalam menghitung varians dan standar deviasi dari data kelompok. Pada artikel ini, kita akan membahas cara menghitung varians dan standar deviasi data kelompok secara detail.
Pendahuluan
Sebelum kita memahami cara menghitung varians dan standar deviasi data kelompok, ada baiknya kita memahami terlebih dahulu apa itu varians dan standar deviasi.
Varians adalah ukuran seberapa jauh data berada dari rata-ratanya. Semakin besar varians, semakin besar pula variasi data tersebut dari rata-ratanya. Sementara itu, standar deviasi adalah akar kuadrat dari varians. Semakin besar standar deviasi, semakin besar juga ragam data tersebut.
Adapun pengelompokan data adalah sebuah langkah awal dan mutlak yang harus dilakukan ketika ingin menghitung nilai varians dan standar deviasi sebuah data.
Metode Pengelompokkan Data
Pada umumnya, pengelompokan data dilakukan dengan cara membuat beberapa kelas atau interval berdasarkan nilai-nilai data yang dimiliki. Ada tiga metode pengelompokan data yang bisa digunakan, yaitu metode amplitudo, metode jumlah kelas, dan metode rentangan.
Metode amplitudo dilakukan dengan cara menghitung selisih tertinggi dan terendah dari kumpulan data. Selisih itu kemudian dibagi dengan banyaknya kelas yang dibutuhkan. Metode jumlah kelas dilakukan dengan menghitung jumlah data yang dimiliki, kemudian menentukan interval yang dibutuhkan berdasarkan rumus jumlah kelas. Sedangkan metode rentangan dilakukan dengan cara mengalikan nilai rentang data dengan 0,325 atau 0,375.
Contoh Pengelompokkan Data
Misalnya kita memiliki data berikut:
No | Data |
---|---|
1 | 12 |
2 | 17 |
3 | 25 |
4 | 30 |
5 | 32 |
6 | 45 |
7 | 57 |
8 | 65 |
9 | 76 |
10 | 89 |
Dalam kasus ini, kita akan menggunakan metode amplitudo dengan jumlah kelas sebanyak 4. Berikut adalah tabel kelas yang dibuat berdasarkan pengelompokan data tersebut:
No | Data | Kelas |
---|---|---|
1 | 12 | 10-20 |
2 | 17 | 10-20 |
3 | 25 | 20-30 |
4 | 30 | 20-30 |
5 | 32 | 30-40 |
6 | 45 | 40-50 |
7 | 57 | 50-60 |
8 | 65 | 60-70 |
9 | 76 | 70-80 |
10 | 89 | 80-90 |
Cara Menghitung Varians Data Kelompok
Setelah data berhasil dikelompokkan, langkah selanjutnya adalah mencari nilai varians dari data kelompok tersebut. Ada beberapa rumus yang bisa digunakan, tergantung pada jenis data yang dimiliki.
Varians Data Tidak Tergolong
Jika data tidak tergolong, maka rumus yang digunakan adalah:
$\sigma^2=\dfrac{\sum{(x-\overline{x})^2}}{n}$
Keterangan:
- $\sigma^2$ = Varians
- $\sum$ = Penjumlahan
- x = Nilai data
- $\overline{x}$ = Rata-rata data
- n = Banyaknya data
Varians Data Tergolong
Jika data sudah tergolong dalam kelas tertentu, maka rumus yang digunakan adalah:
$\sigma^2=\dfrac{\sum{f \times (x-\overline{x})^2}}{n}$
Keterangan:
- $\sigma^2$ = Varians
- $\sum$ = Penjumlahan
- f = Frekuensi kelas
- x = Tengah kelas
- $\overline{x}$ = Rata-rata data
- n = Banyaknya data
Contoh Menghitung Varians Data Kelompok
Dalam kasus sebelumnya, kita akan menghitung varians dari data kelompok tersebut. Berikut adalah langkah-langkahnya:
- Hitung dulu rata-rata data kelompok. Caranya dengan menjumlahkan tengah kelas yang ada, kemudian dibagi dengan jumlah kelas yang ada.
- Hitung selisih tiap tengah kelas dengan rata-rata data. Kemudian, kuadratkan selisih tersebut.
- Hitung varians dari data kelompok. Caranya dengan membagi total penjumlahan f(x – $\overline{x}$)2 dengan jumlah data.
$\overline{x}=\dfrac{\sum{(tengah\;kelas \times f)}}{\sum{f}}$
$\overline{x}=\dfrac{(15\times2)+(25\times2)+(35\times1)+(45\times1)+(55\times1)+(65\times1)+(75\times1)+(85\times1)+(95\times1)}{10}$
$\overline{x}=50$
Kelas | Tengah Kelas | Frekuensi | x – $\overline{x}$ | (x – $\overline{x}$)2 | f(x – $\overline{x}$)2 |
---|---|---|---|---|---|
10-20 | 15 | 2 | -35 | 1225 | 2450 |
20-30 | 25 | 2 | -25 | 625 | 1250 |
30-40 | 35 | 1 | -15 | 225 | 225 |
40-50 | 45 | 1 | -5 | 25 | 25 |
50-60 | 55 | 1 | 5 | 25 | 25 |
60-70 | 65 | 1 | 15 | 225 | 225 |
70-80 | 75 | 1 | 25 | 625 | 625 |
80-90 | 85 | 1 | 35 | 1225 | 1225 |
90-100 | 95 | 1 | 45 | 2025 | 2025 |
10 | $\sum{(x – \overline{x})^2}$ = 5525 | $\sum{f(x – \overline{x})^2}$ = 6750 |
$\sigma^2=\dfrac{\sum{f \times (x-\overline{x})^2}}{n}$
$\sigma^2=\dfrac{6750}{10}$
$\sigma^2=675$
Cara Menghitung Standar Deviasi Data Kelompok
Setelah nilai varians didapatkan, kita dapat menghitung nilai standar deviasinya dengan menghitung akar kuadrat dari nilai varians tersebut.
Contoh Menghitung Standar Deviasi Data Kelompok
Dalam kasus sebelumnya, kita sudah mendapatkan nilai varians sebesar 675. Langkah selanjutnya adalah mencari nilai akar kuadrat dari varians tersebut untuk mendapatkan nilai standar deviasi.
$\sigma=\sqrt{\sigma^2}$
$\sigma=\sqrt{675}$
$\sigma=25,98$
FAQ
1. Apa beda varians dan standar deviasi?
Varians adalah ukuran seberapa jauh data berada dari rata-ratanya. Sementara itu, standar deviasi adalah akar kuadrat dari varians. Semakin besar standar deviasi, semakin besar juga ragam data tersebut.
2. Mengapa perlu melakukan pengelompokan data?
Pengelompokan data diperlukan agar dapat mempermudah pengolahan data, terutama ketika data yang dimiliki sangat banyak.
3. Apa saja metode pengelompokan data yang dapat digunakan?
Ada tiga metode pengelompokan data yang bisa digunakan, yaitu metode amplitudo, metode jumlah kelas, dan metode rentangan.
4. Apa rumus yang digunakan untuk menghitung varians data kelompok?
Jika data tidak tergolong, maka rumus yang digunakan adalah $\sigma^2=\dfrac{\sum{(x-\overline{x})^2}}{n}$. Sementara itu, jika data sudah tergolong dalam kelas tertentu, rumus yang digunakan adalah $\sigma^2=\dfrac{\sum{f \times (x-\overline{x})^2}}{n}$.
5. Bagaimana cara menghitung standar deviasi dari data kelompok?
Cara menghitung standar deviasi dari data kelompok adalah dengan menghitung akar kuadrat dari nilai varians yang didapatkan.
Kesimpulan
Dalam artikel ini, kita telah membahas cara menghitung varians dan standar deviasi data kelompok dengan lengkap dan detail. Melakukan pengelompokan data secara benar adalah kunci utama untuk mendapatkan hasil yang akurat dan dapat dipercaya. Semoga informasi yang diberikan dapat bermanfaat untuk Sobat TeknoBgt dalam mempelajari ilmu statistik lebih lanjut.
Semoga Bermanfaat dan sampai jumpa di artikel menarik lainnya.