VARIANS, STANDAR DEVIASI, DAN KORELASI

1) Varians
Varians adalah ukuran seberapa tersebarnya data. Varians yang rendah menandakan
data yang berkelompok dekat satu sama lain. Varians yang tinggi menandakan data yang
lebih tersebar. Konsep ini memiliki banyak kegunaan di dalam statistik. Misalnya,
membandingkan varians dari dua kelompok data (seperti hasil dari pasien laki-laki dan
perempuan) adalah salah satu cara untuk menguji apakah sebuah variabel memiliki efek yang
dapat diamati. Varians juga berguna saat membuat model statistik, karena varians yang
rendah menandakan data yang over-fitting. Varians dapat menggambarkan bagaimana
berpencarnya suatu data kuantitatif. Varians diberi simbol σ2 (baca: sigma kuadrat) untuk
populasi dan untuk s2 sampel.
Rumus varian atau ragam data tunggal untuk populasi

Rumus varian atau ragam data tunggal untuk sampel

Rumus varian atau ragam data kelompok untuk populasi

Rumus varian atau ragam data kelompok untuk sampel

Keterangan:
σ2 = varians atau ragam untuk populasi
S2 = varians atau ragam untuk sampel
fi = Frekuensi
xi = Titik tengah
 x¯ = Rata-rata (mean) sampel dan μ = rata-rata populasi
n = Jumlah data

Contoh soal :
1. Hitung rata-ratanya, hasilnya ditempatkan pada kolom 3. Penghitungan rata-rata ini
telah dilakukan pada artikel "Rata-rata"
2. Kurangi setiap data dengan rata-ratanya (kolom 4 = kolom 2 dikurangi kolom 3)
3. Kuadratkan pengurangan data dengan ratanya tersebut (kolom 5 = kolom 4
dikuadratkan)
4. Jumlahkan semua hasil kuadrat pada kolom 5 (hasilnya pada bagian bawah)

Dari tabel di atas diperoleh :

Oleh karena itu dapat dihitung varian

2) Standar Deviasi
Standar deviasi ialah sebuah nilai statistik yang di manfaatkan untuk menentukan
sebuah sebaran data dalam suatu sampel, serta seberapa dekat titik data individu ke mean atau
rata– rata nilai sampel nya. Lalu dari kumpulan data sama dengan 0 menandakan bahwa
semua nilai dalam himpunan tersebut yakni sama. Sedangkan nilai deviasi yang lebih besar
menunjukkan bahwa titik data individu jauh dari nilai rata – rata nya.
 Berikut terdapat empat (4) rumus dalam standar deviasi, diantaranya:
1. Rumus Standar Deviasi Data Tunggal

2. Rumus Standar Deviasi Data Populasi

3. Rumus Standar Deviasi Data Berkelompok

Keterangan :
 s = Standar deviasi
 xi = Nilai x ke – i
 x¯ = Rata – rata
 n = Ukuran sampel

Cara Menghitung Standar Deviasi

Berikut terdapat tiga (3) cara menghitung dalam standar deviasi, diantaranya:
1. Cara Menghitung Standar Deviasi Data Tunggal
Langkah 1: Cari dulu nilai rata-ratanya
X̄ = ΣX : n = 4.4+5.3+5.2+4.8 : 4 = 4.925
Langkah 2: Cari standar deviasi tunggal
2. Cara Menghitung Standar Deviasi Data Populasi
Langkah 1: Cari dulu nilai rata-ratanya
X̄= 4.925
Langkah 2: Cari standar deviasi populasi

3) Korelasi
Korelasi adalah salah satu teknik analisis dalam statistik yang digunakan untuk
mencari hubungan antara dua variabel yang juga bersifat kuantitatif. Analisis korelasi adalah
suatu cara atau metode untuk mengetahui ada atau tidaknya hubungan linear antar variabel.
Apabila terdapat hubungan maka perubahan-perubahan yang terjadi pada salah satu variabel
X akan mengakibatkan terjadinya perubahan pada variabel lainnya (Y). Istilah tersebut
dikatakan istilah sebab akibat, dan istilah tersebut menjadi ciri khas dari analisis korelasi.
Contoh kasus yang memiliki korelasi :
 Hubungan antara kenaikan harga BBM (X) dengan harga kebutuhan pokok (Y)
 Hubungan tingkat pendidikan (X) dengan tingkat pendapatan (Y)
 Hubungan umur pernikahan pertama (X) dengan jumlah anak yang dilahirkan (Y)

Macam-macam Korelasi :
1. Korelasi Positif
Korelasi Positif dapat diartikan yaitu suatu hubungan antara variabel X dan Y yang dapat
ditunjukan dengan hubungan sebab akibat dimana apabila terjadi penambahan nilai pada
variabel X maka akan diikuti terjadinya penambahan nilai variabel Y.
Contoh Korelasi Positif : Dalam pernilaian, jika dilakukan penambahan pupuk (X), maka
produksi padi pun menjadi akan meningkat (Y).
2. Korelasi Negatif
Jika pada korelasi positif tadi adalah untuk peningkatan nilai X dan akan diikuti penambahan
nilai Y, korelasi negatif ini dapat berlaku sebaliknya. Jika nilai variabel X meningkat maka
nilai variabel Y justru mengalami penurunan.
Contoh Korelasi Negatif : Apabila harga barang (X) sedang meningkat maka kemungkinan
permintaan terhadap barang tersebut juga akan mengalami penurunan.
 3. Tidak Ada Korelasi
Korelasi ini akan dapat terjadi apabila kedua variabel (X dan Y) tidak menunjukkan adanya
hubungan linearnya.
Contoh : Panjang rambut (X) dan dengan tinggi badan (tidak bisa dihitung hubungannya atau
tidak ada hubungannya sama sekali).
4. Korelasi Sempurna
Korelasi sempurna biasanya akan dapat terjadi apabila kenaikan atau penurunan variabel X
selalu sebanding dengan kenaikan atau penurunan variabel Y. Jika digambarkan dengan jelas
diagram titik atau diagram pencar, titik – titik berderet akan membentuk satu garis lurus,
dengan hampir tidak ada pencaran.

Jenis-jenis Korelasi :
 KORELASI PRODUCT MOMENT
Untuk menerapkan koefisien korelasi antara dua variabel yang masing-masing mempunyai
skala pengukuran interval maka digunakan korelasi product moment yang dikembangkan
oleh Karl Pearson.
Rumus korelasi product momen :

 KORELASI POINT-SERIAL
Teknik korelasi point-serial digunakan untuk menghitung korelasi antara dua variabel, yang
satu berskala nominal dan yang lain berskala interval.
Rumusnya adalah sebagai berikut:
 Keterangan :
 rp-bis = koefisien korelasi point-biserial
 M1 = mean gejala interval kelompok 1
 M2 = mean gejala interval kelompok 2
 St = standar deviasi total (kelompok 1 dan 2)
 P = Proporsi dari kelompok 1
 Q = 1-p

 KORELASI SERIAL
Teknik korelasi serial ini digunakan untuk menguji hubungan antara dua variabel, yang satu
berskala pengukuran orinal dan yang lain berskala pengukuran interval.
Rumus :

Keterangan :
 or = Ordinat yang lebih rendah pada kurve normal
 ot = Ordinat yang lebih tinggi pada kurve normal
 M = Mean (pada masing-masing kelompok)
 SDtot = Standar seviasi total

 KORELASI RANK ORDER

Apabila kelompok data yangakan dikorelasikan keduanya mempunyai skala pengukuran yang
berjenjang (data ordinal), maka tidak dapat digunakan rumus korelasi product moment dari
person. Untuk itu, digunakan rumus korelasi spearman (spearman correlation atau Rank
Correlation).
Adapun rumus korelasi yang digunakan adalah: