VARIAN (RAGAM)

1. PENGERTIAN

Dalam teori probabilitas dan statistika, varians (dari bahasa Inggris: variance)

atau ragam suatu peubah acak (atau distribusi probabilitas) adalah ukuran seberapa
jauh sebuah kumpulan bilangan tersebar. Varians nol mengindikasikan bahwa semua
nilai sama. Varians selalu bernilai non-negatif: varians yang rendah mengindikasikan
bahwa titik data condong sangat dekat dengan nilai rerata (nilai ekspektasi) dan antara
satu sama lainnya, sementara varians yang tinggi mengindikasikan bahwa titik data
sangat tersebar disekitar rerata dan dari satu sama lainnya.

Pengukuran yang sama yaitu akar kuadrat dari varians, disebut

juga simpangan baku. Simpangan baku memiliki dimensi dan data yang sama, oleh
karena itu bisa dibandingkan dengan deviasi dari rerata.

Varians adalah salah satu pendeskripsi dari sebuah distribusi probabilitas.

Pada khususnya, varians adalah salah satu momen dari sebuah distribusi. Dalam
konteks tersebut, ia menjadi bagian dari pendekatan sistematis sebagai pembeda
antara distribusi probabilitas. Walau pendekatan lain telah dikembangkan, yang
berbasis momen lebih menguntungkan dalam kemudahan secara matematis dan
penghitungan.

Varians adalah salah satu parameter yang menjelaskan, antara lain, distribusi

probabilitas sebenarnya dari suatu populasi bilangan yang diobservasi, atau distribusi
probabilitas teoretis dari sebuah populasi yang tidak secara penuh diobservasi di mana
sebuah bilangan sampel diambil. Pada kasus terakhir, sebuah sampel data dari
distribusi dapat digunakan untuk membentuk sebuah estimasi varians dari distribusi
yang mendasarinya; pada kasus sederhana estimasi ini bisa menjadi varians sampel.

Istilah varians pertama kali diperkenalkan oleh Ronald Fisher dalam

makalahnya pada tahun 1918 yang berjudul The Correlation Between Relatives on the
Supposition of Mendelian Inheritance ("Korelasi di Antara Kerabat dalam Kerangka
Pewarisan Mendel").

Varian merupakan jumlah kuadrat semua deviasi nilai-nilai individual

terhadap rata-rata kelompok. Varian merupakan konsep yang cukup penting dalam
statistik, karena merupakan dasar dari banyak metode statistik inferensial.
Sebagai contoh, berikut adalah tampilan data:

10, 12, 15, 16 dan 12

Maka dapat dengan mudah dihitung rata-rata dari lima data di atas adalah

(10 + 12 + 15 + 16 + 12)/5 = 65/5 = 13.

Varian dihitung berdasarkan kuadrat selisih dari masing-masing data terhadap nilai
rata-ratanya, sehingga:

(10-13)^2 + (12-13)^2 + (15-13)^2 + (16-13)^2 + (12-13)^2 = (-3)^2 + (-1)^2 + 2^2 +

3^2 + (-1)^2 = 9 + 1 + 4 + 9 + 1 = 24.

Jadi, besarnya varian adalah 24 dibagi 5 (jumlah data jika merupakan

populasi) atau dibagi 5-1 = 4 jika merupakan sampel. Sehingga nilainya adalah 24/4 =
6 (dianggap merupakan sampel).
Dan jika akan dihitung standar deviasi maka akar kuadrat dari 6 yaitu sebesar 2,449.

Varian merupakan ukuran variabilitas data, yang berarti semakin besar

nilai varian berarti semakin tinggi fluktuasi data antara satu data dengan data yang
lain. Untuk jelasnya, perhatikan data gaji pada dua kelompok masyarakat di bawah:

Kelompok kampung: 3 juta, 1 juta, 6 juta, 8 juta, rata-rata 4,5 juta

Kelompok perumahan: 4 juta, 5 juta, 4,2 juta, 4,8 juta, rata-rata 4,5 juta.

Empat orang dari dua kelompok diambil secara acak dan diambil data gaji
perbulannya. Kelompok pertama, terdiri dari empat orang warga kampung X, yang
pertama mempunyai gaji 3 juta, yang kedua 1 juta, yang ketiga 6 juta dan yang
keempat 8 juga, maka rata-ratanya adalah sebesar 4,5 juta.
 Empat orang dari kelompok kedua, yaitu warga perumahan, yang pertama
mempunyai gaji 4 juta, yang kedua 5 juta, yang ketiga 4,2 juta dan yang keempat 4,8
juta dengan rata-rata 4,5 juta.

Tampak bahwa rata-rata kedua kelompok adalah sama yaitu sebesar 4,5 juta.
Tampilan data dengan rata-rata, menimbulkan bias, karena seolah-olah mempunyai
rata-rata yang sama, sehingga kebijakan yang diambil dapat salah. Jika kita
menghitung varian dari kedua kelompok tersebut akan diperoleh bahwa kelompok
pertama mempunyai varian sebesar 29/3 = 9,67 dan untuk kelompok kedua
mempunyai varian sebesar 0,68/3 = 0,227. Tampak bahwa varian kelompok satu
(warga kampung) lebih tinggi dari pada varian kelompok kedua (warga perumahan).
Interpretasinya adalah bahwa pendapatan warga kampung sangat berfluktuatif ada
yang kecil ada yang sangat besar. Akan tetapi pendapatan warga perumahan relatif
sama dan mempunyai tingkat ekonomi yang relatif sama antara satu warga dengan
warga perumahan yang lain. Dengan menyertakan nilai varian pada rata-rata akan
memberikan informasi yang lebih akurat.
2. RUMUS
Rumus Variasi/Ragam Data Tunggal

Rumus variasi/ragam data tunggal dinyatakan melalui persamaan di bawah.

Keterangan:
xi= nilai data ke-i
x= rata-rata
n = jumlah seluruh frekuensi
CONTOH SOAL VARIAN DATA TUNGGAL

1. Perhatikan tabel distribusi frekuensi data tunggal berikut ini

Nilai frekuensi (f)

5 2
6 5
7 12
8 7
9 4

1.Tentukan:
a) Ragam (variansi)

Pembahasan
Pertama kali cari rata-ratanya dulu:

Sehingga

a) Ragam (variansi)
Untuk menentukan ragam atau variansi (S2) ,
Sehingga

2. Perhatikan tabel berikut!

Berat (kg) Frekuensi

31 - 35 4
36 - 40 7
41 - 45 9
46 - 50 10

Tentukan:
a) Ragam (variansi)

Pembahasan
Ambil titik tengah untuk setiap interval kelas terlebih dahulu:

Berat (kg)
Frekuensi
Titik Tengah
(f)
(x)

33 4
38 7
43 9
48 10

Setelah titik tengah ditentukan, cari rata-rata dulu:

Diperoleh nilai rerata:

a) Ragam (variansi)
Untuk menentukan ragam atau variansi (S2) ,

Sehingga

Rumus Variasi/Ragam Data Berkelompok

CONTOH SOAL VARIAN DATA BERKELOMPOK

1. Hitunglah varian data tersebut!

Pembahasan
Kelebihan dan Kekurangan Varian

Variansi sering digunakan untuk menguji hipotesis tentang perbedaan rata-rata

yang signifikan antara dua kelompok atau lebih. Kelebihan analisis varian jika
dibandingkan dengan pengujian t yang berdasarkan perbedaan antara dua rata-rata
adalah pengujian t hanya dapat menguji perbedaan antara kedua rata-rata tersebut
saja.  Sehingga untuk lebih dari dua rata-rata (mean) kita harus melakukan pengujian
terhadap masing-masing rata-rata dengan rata-rata lainnya. Meskipun hal tersebut
menyebabkan meningkatnya tingkat kesalahan yang disebut kesalahan tingkat satu
akan semakin berkurang.

            Walaupun demikian analisis variansi memiliki kelemahan, yaitu apabila

terdapat perbedaan antar kelompok yang dianalisis, letak perbedaannya tidak
diketahui, apakah antara A, dan B, B dan C, A dan C dan seterusnya. Selain itu
analisis variansi memerlukan paling sedikit dua kali pengulangan, bahkan empat kali
lebih baik. Semakin banyak pengulangan, kita semakin percaya bahwa informasi rata-
rata benar-benar mencerminkan kenyataan.