Modul-8

BAB VI
VARIAN DAN DEVIASI STANDAR

Selain menggunakan Range, Jangkauan Interkuartil dan Jangkauan Semi Interkuartil,

dan Deviasi Rata-rata terdapat dua pengukuran dispersi lain yang lazim digunakan, yakni
Varian dan Deviasi Standar. Kedua alat pengukur ini paling populer dan keduanya
mempunyai keeratan hubungan, karena varian adalah hasil pengkuadratan dari Nilai Deviasi
Standar.
Keunggulan dari dua alat pengukur ini adalah cakupan proses penghitungannya. Pada
Range, yang diukur hanyalah dua titik saja, dan tidak tidak mengukur semua data yang ada
sehingga bisa terjadi dua kelompok data yang mempunyai Range yang sama bisa mempunyai
Jangkauan Interkuartil yang berbeda. Hal ini menjadi bias jika data yang dianalisis sangat
bervariasi, namun tidak akan terdeteksi jika hanya menghitung Range atau Jangkauan
Interkuartil nya saja. Sebagai contoh, jika ada dua kelompok data misalnya data A dan data
B di bawah ini :
Data A : 6, 10, 15, 4, 14, 1
Data B : 2, 3, 3, 4, 15, 1

Data A mempunyai Range 15 – 1 = 14; Data B mempunyai Range 15 – 1 = 14.

Sepintas terlihat bahwa data A lebih bervariasi isinya daripada data B, karena pada data B
hanya ada satu data ekstrim yang besarnya berbeda jauh dengan data lainnya yaitu 15. Hal
ini berbeda jika pengukuran dilakukan dengan varian dan deviasi standar, yang mengukur
variasi dengan mempertimbangkan semua isi data yang ada sehingga walaupun Range kedua
data A dan B sama, namun akan menghasilkan varian dan deviasi standar yang berbeda.

6.1. VARIAN
Varian adalah nilai tengah kuadrat simpangan dari nilai tengah atau simpangan rata-
rata kuadrat. Ada sedikit perbedaan pada persamaan untuk menghitung varian dari populasi
dan varian dari sampel. Varian populasi dilambangkan s2 untuk sampel dan σ2 untuk
populasi. Perbedaan utama varian sampel dibandingkan varian populasi selain simbol yang
digunakan, juga jumlah data yang digunakan yaitu n-1 (untuk sampel, n ≤ 30) untuk varian
sampel dan N untuk varian populasi (untuk n > 30). Secara logika maka N > n, atau jumlah
sampel selalu lebih kecil dari jumlah populasi karena populasi adalah elemen keseluruhan
dari objek yang diteliti, sedang sampel merupakan bagian dari populasi.

6.1.1. Varian Data Tunggal

Varian data tunggal dapat ditentukan dengan menggunakan dua metode yaitu a)
metode biasa, b) metode angka kasar.
a. Metode Biasa
 Untuk populasi

∑(𝑋 − 𝑋̅)2
𝜎2 =
𝑁

VI-8 Varians dan Deviasi Standar by Linda Bachrun Page 1

  Untuk sampel

∑(𝑋 − 𝑋̅)2
𝑠2 =
𝑛−1

Dimana :
s2 = varian dari sampel
X = skor data
𝑋̅ = rata-rata hitung
N = jumlah dari populasi
n = jumlah dari sampel

b. Metode Angka Kasar

 Untuk populasi
2
2
∑ X2 ∑𝑋
σ = −( )
N 𝑁

 Untuk sampel

∑ 𝑋2 ∑(𝑋)2
𝑠2 = −
𝑛 − 1 𝑛 (𝑛 − 1)

Contoh 1.
Tentukan varian dari konsumsi mie instan per minggu di daerah A dan B dengan
menggunakan metode biasa dan metode angka kasar

A B
5 6
6 7
7 7
10 8

Penyelesaian dengan Metode Biasa:

Diket : n = 4
Langkah 1 : mencari rata-rata hitung pada masing-masing daerah :
28 28
Daerah A : 𝑋̅ = 4 = 7 Daerah B : 𝑋̅ = =7
4

Langkah 2 : Menghitung dengan pertolongan tabel

Daerah A
X 𝑋 − 𝑋̅ (𝑋 − 𝑋̅)2 X2
5 -2 4 25
6 -1 1 36
7 0 0 49
10 3 9 100
14
210 = ΣX2
Σ(𝑋 − 𝑋̅)2

VI-8 Varians dan Deviasi Standar by Linda Bachrun Page 2

Daerah B
X 𝑋 − 𝑋̅ (𝑋 − 𝑋̅)2 X2
6 -1 1 36
7 0 0 49
7 0 0 49
8 1 1 64
2
198 = ΣX2
Σ(𝑋 − 𝑋̅)2

Langkah 3 : menghitung varian dengan rumus :

Daerah A :
∑(𝑋 − 𝑋̅)2
𝑠2 =
𝑛−1
14 14
𝑠2 = = = 4,67
4−1 3

Daerah B :
∑(𝑋 − 𝑋̅)2
𝑠2 =
𝑛−1
2 2
𝑠2 = = = 0,67
4−1 3

Perhatikan bahwa varian dari daerah B jauh lebih kecil dari daerah A atau varian B < A.
Dengan demikian terlihat bahwa data A lebih bervariasi dibandingkan dengan data B
ATAU
Data A lebih tersebar dari rata-ratanya dibandingkan dengan data B

Penyelesaian dengan Metode Angka Kasar :

Diket : n = 4
Langkah 1 : mencari rata-rata hitung pada masing-masing daerah :
28 28
Daerah A : 𝑋̅ = 4 = 7 Daerah B : 𝑋̅ = =7
4

Langkah 2 : Menghitung dengan pertolongan tabel

Daerah A :
X 𝑋 − 𝑋̅ (𝑋 − 𝑋̅)2 X2
5 -2 4 25
6 -1 1 36
7 0 0 49
10 3 9 100
14
28 = ΣX 210 = ΣX2
Σ(𝑋 − 𝑋̅)2

VI-8 Varians dan Deviasi Standar by Linda Bachrun Page 3

Daerah B
X 𝑋 − 𝑋̅ (𝑋 − 𝑋̅)2 X2
6 -1 1 36
7 0 0 49
7 0 0 49
8 1 1 64
2
28 = ΣX 198 = ΣX2
Σ(𝑋 − 𝑋̅)2

Langkah 3 : menghitung varian dengan rumus :

Daerah A :

∑ 𝑋2 ∑(𝑋)2
𝑠2 = −
𝑛 − 1 𝑛 (𝑛 − 1)

2
210 282
𝑠 = −
4 − 1 4 (4 − 1)

210 784
𝑠2 = − = 70 − 65,33 = 4,67
3 12

Daerah B :
∑ 𝑋2 ∑(𝑋)2
𝑠2 = −
𝑛 − 1 𝑛 (𝑛 − 1)

198 282
𝑠2 = −
4 − 1 4 (4 − 1)

198 784
𝑠2 = − = 66 − 65,33 = 0,67
3 12

Perhatikan bahwa varian yang diperoleh dengan metode angka kasar hasilnya sama dengan
varian yang diperoleh dengan metode biasa.

6.1.2. Varian Data Kelompok

Untuk data berkelompok perhitungan sama dengan varian untuk data tunggal.
Perbedaan hanya terletak pada penempatan titik tengah kelas (midpoint) sebagai dasar
pengambilan frekuensi. Varian data berkelompok dapat ditentukan dengan menggunakan
metoda : a) metoda biasa , b) metode angka kasar, dan c) metode Coding.

a. Metode Biasa
 Untuk populasi
∑(𝑋 − 𝑋̅)2
𝜎2 =
𝑁

VI-8 Varians dan Deviasi Standar by Linda Bachrun Page 4

  Untuk sampel

∑ 𝑓(𝑋 − 𝑋̅)2
𝑠2 =
𝑛−1

Dimana :
s2 = varian dari sampel
X = skor data
𝑋̅ = rata-rata hitung
N = jumlah dari populasi
n = jumlah dari sampel

b. Metode Angka Kasar

 Untuk populasi
2
∑ X2
2
∑ 𝑓𝑋
σ = −( )
N 𝑁

 Untuk sampel

∑ 𝑓𝑋 2 ∑(𝑓𝑋)2
𝑠2 = −
𝑛−1 𝑛 (𝑛 − 1)

c. Metode Coding

 Untuk populasi
2
2
∑ fu2 2
∑ 𝑓𝑢
σ =C . −( )
N 𝑁

 Untuk sampel

2
∑ 𝑓𝑢2 ∑(𝑓𝑢)2
2
𝑠 =𝐶 −
𝑛 − 1 𝑛 (𝑛 − 1)

Dimana :
C = panjang interval kelas

𝑑 𝑋−𝑀
𝑢= =
𝐶 𝐶

u = …,-3, -2….0, 1,2, 3,… (dengan meletakkan angka nol pada frekuensi tertinggi)

M = Rata-Rata hitung sementara (diambil dari midpoint dg frekuensi terbesar)

VI-8 Varians dan Deviasi Standar by Linda Bachrun Page 5

Contoh 2 :
Tentukan varian dari distribusi frekuensi berikut ini :

Diameter Pipa (mm) Frekuensi (f)

65 – 67 2
68 – 70 5
71 – 73 13
74 – 76 14
77 – 79 4
80 – 82 2
40 = Σf atau n

Penyelesaian :
Penyelesaian dengan Metode Biasa :
Diket : n = 40

Titik
Diameter Frekuensi (𝑋 − 𝑋̅)2
Tengah fX 𝑋 − 𝑋̅ f(𝑋 − 𝑋̅)2
Pipa (mm) (f)
(X)
65 – 67 2 66 132 -7,425 55,131 110,262
68 – 70 5 69 345 -4,425 19,581 97,905
71 – 73 13 72 936 -1,425 2,031 26,403
74 – 76 14 75 1050 1,575 2,482 34,734
77 – 79 4 78 312 4,575 20,931 83,724
80 – 82 2 81 162 7,575 57,381 114,762
40 = Σf
2937 467,790
atau n

Langkah 1 : mencari titik tengah (midpoint) dari masing-masing interval (lihat kolom 3)
Langkah 2 : mencari rata-rata hitung:
2937
𝑋̅ = = 73, 425
40

Setelah semua perhitungan pada tabel selesai dilakukan (seperti apa yang diminta oleh rumus
) kemudian menghitung varian dengan rumus :

2
∑(𝑋 − 𝑋̅)2
𝜎 =
𝑁
467,790
𝜎2 = = 11,694
40

Catatan : penjelasan langkah-langkah perhitungan (cara menghitung) dilihat kembali pada

bab-bab sebelumnya. Anda cukup mencari atau menghitung apa yang diminta oleh rumus
atau apa yang tertera dalam rumus. Begitu juga penyelesaian dengan metode-metode
lainnya, baik untuk data tunggal dan kelompok.

VI-8 Varians dan Deviasi Standar by Linda Bachrun Page 6

Penyelesaian dengan Metode Angka Kasar :
Diket : n = 40

Titik
Diameter Frekuensi
Tengah fX X2 fX2
Pipa (mm) (f)
(X)
65 – 67 2 66 132 4356 8.712
68 – 70 5 69 345 4761 23.805
71 – 73 13 72 936 5184 67.392
74 – 76 14 75 1050 5625 78.750
77 – 79 4 78 312 6084 24.336
80 – 82 2 81 162 6561 13.122
40 = Σf 2937 216.117
atau n ΣfX ΣfX2

Setelah semua perhitungan selesai dilakukan seperti yang tertera pada Tabel di atas (seperti
apa yang diminta oleh rumus ) , kemudian menghitung varian dengan rumus :
2
∑ fX 2
2
∑ 𝑓𝑋
σ = −( )
N 𝑁

2
216.117 2.937 2
σ = −( )
40 40

σ2 = 5402,925 − 5391,231 = 11,694

Penyelesaian dengan Metode Coding :

Diket : n = 40
C=3

Titik
Diameter Frekuensi
Tengah u u2 f.u f.u2
Pipa (mm) (f)
(X)
65 – 67 2 66 -3 9 -6 18
68 – 70 5 69 -2 4 -10 20
71 – 73 13 72 -1 1 -13 13
74 – 76 14 75 0 0 0 0
77 – 79 4 78 1 1 4 4
80 – 82 2 81 2 4 4 8
40 = Σf 21 63
atau n Σfu Σfu2

Pada kolom 4 yaitu kolom “u” dengan meletakkan angka nol pada frekuensi tertinggi

Setelah semua perhitungan selesai dilakukan, seperti yang tertera pada Tabel di atas (seperti
apa yang diminta oleh rumus ) , kemudian menghitung varian dengan rumus :

VI-8 Varians dan Deviasi Standar by Linda Bachrun Page 7

 2
2
∑ fu2
2
∑ 𝑓𝑢
σ =C . −( )
N 𝑁

63 21 2
σ2 = 32 . −( )
40 40

σ2 = 9 x 1,575 − (0,525)2

σ2 = 9 (1,575 − 0,276) = 11,694

Interpretasi Hasil : Hal ini berarti varian dari diameter pipa adalah 11,694 mm

Perhatikan bahwa varian yang diperoleh dengan ketiga metode di atas menghasilkan nilai
yang sama yakni 11,694. Metode coding ini digunakan apabila jumlah data banyak. Jika
data berjumlah banyak, penggunaan rumus dengan metode ini akan jauh lebih efisien dan
tidak beresiko.

Catatan : Semakin kecil varian sebuah data, semakin tidak bervariasi data tersebut
(homogen), sebaliknya semakin besar varian sebuah data, semakin bervariasi
data tersebut (heterogen).

VI-8 Varians dan Deviasi Standar by Linda Bachrun Page 8

6.2. DEVIASI STANDAR (SIMPANGAN BAKU)
Sebelumnya sudah dikemukakan bahwa deviasi rata-rata sebagai salah satu ukuran
variabilitas data mempunyai kelemahan yang sangat mendasar karena menganggap sama
antara deviasi yang bertanda plus dengan deviasi yang bertanda minus. Untuk mengatasi
kelemahan ini, deviasi rata-rata ini kemudian dibakukan oleh Karl Pearson sehingga
mempunyai reliabilitas yang lebih mantap. Deviasi rata-rata yang telah dibakukan ini dikenal
dengan istilah Deviasi Standar atau Simpangan Baku.
Standardisasi deviasi rata-rata menjadi deviasi standar adalah sebagai berikut : 1)
semua deviasi yang bertanda “plus” dan minus dikuadratkan terlebih dahulu, dengan cara
demikian, maka deviasi yang bertanda “plus” tetap akan bertanda “plus”, sedangkan deviasi
yang bertanda “minus” dengan sendirinya akan berubah “plus”, 2) setelah semua deviasi
dikuadratkan dan bertanda “plus” lalu dijumlahkan, dicari rata-ratanya dan dicari akarnya.
Dengan cara demikian kelemahan yang dimiliki Deviasi Rata-rata sudah dapat diatasi.
Secara sederhana , Deviasi Standar adalah akar dari Varian.
Deviasi Standar/Simpangan Baku, merupakan satuan ukuran dari deviasi atau
simpangan. Seperti halnya Kg, ton untuk mengukur berat, satuan Cm, M, Km untuk
mengukur panjang, maka Deviasi Standar/Simpangan Baku (σ) digunakan untuk mengukur
simpangan atau deviasi masing-masing nilai individu dari suatu kelompok data terhadap
rata-rata hitungnya. Simpangan atau deviasi dari Xi terhadap (𝑋) ̅̅̅ = (𝑋𝑖 − ̅̅̅
𝑋), diukur
dengan simpangan baku.
Satuan deviasi standar/simpangan baku mengikuti data aslinya. Kalau satuan data asli
adalah Kg, Liter, M, Rp maka satuan σ juga Kg, Liter, M, Rp.

6.2.1. Deviasi Standar Data Tunggal

. Deviasi Standar data tunggal dapat ditentukan dengan dua metode : a) metode Biasa ,
dan b) metode angka kasar.

a. Metode Biasa
 Untuk Populasi
2
√∑(𝑋 − 𝑋̅)
𝜎=
𝑁

 Untuk Sampel

2
∑(𝑋 − 𝑋̅)
𝜎=√
𝑛−1

b. Metoda Angka Kasar

 Untuk Populasi

2
∑ X2 ∑X
𝜎= √ −( )
N N

VI-8 Varians dan Deviasi Standar by Linda Bachrun Page 9

  Untuk Sampel

∑ X2 (∑ 𝑋) 2
𝑠=√ −
n − 1 𝑛(𝑛 − 1)

Contoh 3 :
Berikut adalah sampel nilai midtes statistik dari mahasiswa FE-Unbor

30 35 42 50 58 66 74 82 90 98

Penyelesaian :
Diket : n = 10
Langkah 1 : mencari rata-rata hitung (mean)

625
𝑋̅ = = 62,5
10

Langkah 2 : membuat tabel untuk perhitungan seperti yang diminta oleh rumus

X 𝑋 − 𝑋̅ (X − ̅X)2 X2
30 -32,50 1.056, 25 900
35 -27,50 756,25 1.225
42 -20,50 420,25 1.764
50 -12,25 156,25 2.500
58 -4,25 20,24 3.364
66 3,50 12,25 4.356
74 11,50 132,25 5.476
82 19,50 380,25 6.724
90 27,50 756,25 8.100
98 35,50 1.260,25 9.608
625 = ΣX 4.950,50 44.013
Σ (X − ̅
X)2 ΣX2

Langkah 3 : Mencari Deviasi Standar

a. Metoda Biasa
√∑(𝑋 − 𝑋̅)2
𝑠=
n−1

√4.950,50
𝑠=
10 − 1

VI-8 Varians dan Deviasi Standar by Linda Bachrun Page 10

 √4.950,50
𝑠= = 23,45
9

b. Metoda Angka Kasar

∑ X2 (∑ 𝑋) 2
𝑠=√ −
n − 1 𝑛(𝑛 − 1)

44.013 (625) 2
𝑠=√ −
10 − 1 10(10 − 1)

44.013 (625)2
s=√ −
9 90

𝑠 = √4.890,33 − 4.340,28

𝑠 = √550,05222

𝑠 = 23,45

Hal ini berarti deviasi standar adalah 23,45

6.2.2. Deviasi Standar Data Kelompok

Untuk data berkelompok, penghitungan hampir sama dengan penghitungan deviasi
standar pada data tunggal. Perbedaan hanya terletak pada penetapan titik tengah kelas
(midpoint) sebagai dasar pengambilan frekuensi. Deviasi standar data berkelompok dapat
ditentukan dengan : a) metoda biasa, b) metoda Angka kasar, c) metoda Coding.

a. Metoda Biasa
 Untuk Populasi
2
√∑ 𝑓(𝑋 − 𝑋̅)
𝜎=
𝑁

 Untuk Sampel

2
∑ 𝑓(𝑋 − 𝑋̅)
𝜎=√
𝑛−1

VI-8 Varians dan Deviasi Standar by Linda Bachrun Page 11

b. Metode Angka Kasar
 Untuk Populasi
2
∑ 𝑓𝑋 2 ∑ 𝑓𝑋
𝜎=√ −( )
𝑁 𝑁

 Untuk Sampel

∑ 𝑓𝑋 2 (∑ 𝑓𝑋) 2
𝑠=√ −
𝑛−1 𝑛(𝑛 − 1)

c. Metoda Coding
 Untuk Populasi
2
∑ fu2 ∑ fu
σ = C. √ −( )
N N

 Untuk Sampel

∑ fu2 (∑ 𝑓𝑢) 2
𝑠 = C. √ −
n − 1 𝑛(𝑛 − 1)

Dimana :
C = Panjang kelas
u = …,-3,-2…,0, 1, 2,….dst (dgn meletakkan angka nol pada frek terbesar)

Contoh 4 :
Tentukan deviasi standar (simpangan baku) dari distribusi frekuensi berikut ini :
Berat Badan Frekuensi (f)
40 – 44 8
45 – 49 12
50 – 54 19
55 – 59 31
60 – 64 20
65 – 69 6
70 – 74 4
Jumlah 100

Penyelesaian :
Diket : n =100
C=5
Langkah 1 : mencari rata-rata hitung (mean)
5585
𝑋̅ = = 55,85
100

VI-8 Varians dan Deviasi Standar by Linda Bachrun Page 12

Langkah 2 : membuat tabel untuk perhitungan seperti yang diminta oleh rumus

Berat Badan Frekuensi Titik fX 𝑋 − 𝑋̅ ̅)2

(X − X ̅)2
f(X − X
(f) Tengah
(X)
40 – 44 8 42 336 -13,85 191,8225 1534,58
45 – 49 12 47 564 -8,85 78,3225 938,87
50 – 54 19 52 988 -3,85 14,8225 281,63
55 – 59 31 57 1767 1,15 1,3225 40,99
60 – 64 20 62 1240 6,15 37,8225 756,45
65 – 69 6 67 402 11,15 260,8225 745,94
70 – 74 4 72 288 16,15 260,8225 1043,29
Jumlah 100 5585 5342,75
ΣfX Σ f(X − X̅)2

Langkah 3 : Mencari Deviasi Standar

a. Metoda Biasa
2
√∑ 𝑓(𝑋 − 𝑋̅)
𝜎=
𝑁

5342,75
𝜎=√ = 7,31
100

b. Metoda Angka Kasar

Berat Badan Frekuensi Titik X2 fX fX2

(f) Tengah
(X)
40 – 44 8 42 1.764 336 14.112
45 – 49 12 47 2.209 564 26.508
50 – 54 19 52 2.704 988 51.376
55 – 59 31 57 3.249 1.767 100.719
60 – 64 20 62 3.844 1.240 76.880
65 – 69 6 67 4.489 402 26.934
70 – 74 4 72 5.184 288 20.736
Jumlah 100 5.585 317.265
Σf atau N ΣfX =ΣfX2

2
∑ 𝑓𝑋 2 ∑ 𝑓𝑋
𝜎=√ −( )
𝑁 𝑁

317.265 5.585 2
𝜎= √ −( )
100 100

VI-8 Varians dan Deviasi Standar by Linda Bachrun Page 13

 𝜎 = √3172,65 − 3119,22

𝜎 = √53,43

𝜎 = 7,31

c. Metoda Coding

Titik
Frekuensi
Berat Badan Tengah u u2 fu Fu2
(f)
(X)
40 – 44 8 42 -3 9 -24 72
45 – 49 12 47 -2 4 -24 48
50 – 54 19 52 -1 1 -19 19
55 – 59 31 57 0 0 0 0
60 – 64 20 62 1 1 20 20
65 – 69 6 67 2 4 12 24
70 – 74 4 72 3 9 12 36
Jumlah 100 -23 219
Σfu Σfu2

2
∑ fu2 ∑ fu
σ = C. √ −( )
N N

219 −23 2
σ = 5. √ −( )
100 100

σ = 5. √2,19 − 0,0529

σ = 5. √2,1371

σ = 5 x 1,4619 = 7,31

Dengan demikian, Deviasi standar dari Berat Badan 100 mahasisa adalah 7,31 Kg

Perhatikan bahwa Deviasi standar yang diperoleh dengan ketiga metode di atas menghasilkan
nilai yang sama yakni 7,31. Metode coding ini digunakan apabila jumlah data banyak. Jika
data berjumlah banyak, penggunaan rumus dengan metode ini akan jauh lebih efisien dan
tidak beresiko.

Catatan : Semakin kecil Deviasi Standar (Simpangan Baku) sebuah data, semakin tidak
bervariasi data tersebut (Homogen), semakin besar Deviasi standar (Simpangan Baku)
sebuah data, semakin bervariasi data tersebut (data lebih tersebar dari rata-ratanya)

VI-8 Varians dan Deviasi Standar by Linda Bachrun Page 14

2.7. Interpretasi Deviasi Standar
Penggunaan deviasi standar baik data tunggal dan kelompok sudah selesai kita bahas.
Namun demikian setelah besaran deviasi standar diketahui, apa yang harus ditafsirkan dari
besaran tersebut ?. Pada penghitungan deviasi standar melibatkan mean atau rata-rata hitung
Karena kedua besaran tersebut mempunyai hubungan yang erat dan perlu dilakukan
penafsiran untuk keduanya.
Terdapat pola penafsiran hasil distribusi data berdasarkan besaran deviasi standar.
Oleh karena untuk menaksirkan deviasi standar, telah disusun aturan atau Empirical Rules
tentang kemungkinan distribusi data seperti di bawah ini :

Gambar 1. Sebaran Data dengan Deviasi Standar

Keterangan : μ = rata-rata

Empirical Rules :
Jika sekelompok data yang berjumlah n mempunyai rata-rata serta deviasi standar tertentu,
maka :
 Sekitar 68% dari seluruh data akan terletak di antara -1 sampai +1 deviasi standar
 Sekitar 95% dari seluruh data akan terletak di antara -2 sampai +2 deviasi standar
 Sekitar 99% dari seluruh data akan terletak di antara -3 sampai +3 deviasi standar

Catatan : aturan ini hanya bisa digunakan pada data yang berdistribusi normal atau mendekati
normal atau mempunyai tingkat kemencengan yang moderat. Pada distribusi data yang
asimetris (menceng ke kiri atau ke kanan) aturan ini tidak bisa digunakan dengan efektif.

Contoh 5 :
Sebuah Stasiun TV ingin mengetahui berapa lama penonton menghabiskan waktunya setiap
hari dalam mennonton acara-acara di TV. Untuk itu diambil sampel sebanyak 40 orang, dan
kepada mereka ditanyakan berapa jam mereka menonton TV setiap hari. Hasil survei seperti
yang tertera di bawah ini :

VI-8 Varians dan Deviasi Standar by Linda Bachrun Page 15

 No Jam No Jam No Jam No Jam
1 3,50 11 4,10 21 3,40 31 4,20
2 3,40 12 3,20 22 4,80 32 4,10
3 3,30 13 3,60 23 3,10 33 4,00
4 3,20 14 4,20 24 4,00 34 4,20
5 3,50 15 4,10 25 4,20 35 3,70
6 3,60 16 3,90 26 4,00 36 3,90
7 3,20 17 3,80 27 3,50 37 3,80
8 3,00 18 4,30 28 4,20 38 3,20
9 3,10 19 5,00 29 3,60 39 4,20
10 4,20 20 3,90 30 4,10 40 3,50

Ket :
Sampel pertama (seorang penonton) rata-rata menonton TV dalam sehari adalah 3,5 jam.
Sampel kedua rata-rata menonton TV dalam sehari adalah 3,4 jam. Demikian seterusnya
sampai sampel yang ke-40.

Penyelesaian :
n = 40
Langkah 1 : Menghitung rata-rata (mean) :

151,8
𝑋̅ = = 𝟑, 𝟕𝟗𝟓
40

Berarti rata-rata sampel menonton TV adalah 3,795 jam per hari

Langkah 2 :Menghitung Deviasi Standar dengan metode biasa dengan menggunakan

deviasi standar untuk sampel

√∑(𝑋 − 𝑋̅)2
𝑠=
n−1

√∑(3,5 − 3,795)2 + ⋯ .
𝑠= = 𝟎, 𝟒𝟔𝟓𝟐
40 − 1

Langkah 3 : Menginterpretasikan Deviasi Standar

Dari Empirical Rules didapat bahwa :

 68% dari seluruh data akan terletak di antara -1 sampai +1 deviasi standar
Hal ini berarti 68% dari jumlah data (68% x 40 = 27,3 dibulatkan menjadi 27 data akan
terletak di antara :
𝑋̅ − 1. 𝑠
= 3,795 − (1 𝑥 0,4652)
= 𝟑, 𝟑𝟐𝟗𝟖

Sampai

VI-8 Varians dan Deviasi Standar by Linda Bachrun Page 16

 𝑋̅ + 1. 𝑠
= 3,795 + (1 𝑥 0,4652)
= 𝟒, 𝟐𝟔𝟎𝟐

Hal ini berarti bahwa dari 40 sampel, 27 orang diperkirakan menonton TV rata-rata antara
3,33 jam sampai 4,26 jam

 Sekitar 95% dari seluruh data akan terletak di antara -2 sampai +2 deviasi standar
Hal ini berarti 95% dari jumlah data (95% x 40 = 38 data akan terletak di antara :

̅ − 𝟐. 𝒔
𝑿
= 3,795 − (2 𝑥 0,4652)
= 𝟐, 𝟖𝟔𝟒𝟔

Sampai

̅ + 𝟐. 𝒔
𝑿
= 3,795 + (2 𝑥 0,4652)
= 𝟒, 𝟕𝟐𝟓𝟒

Hal ini berarti bahwa dari 40 sampel, 38 orang diperkirakan menonton TV rata-rata antara
2,86 jam sampai 4,72 jam

 Sekitar 99% dari seluruh data akan terletak di antara -3 sampai +3 deviasi standar
Hal ini berarti 99% dari jumlah data (99% x 40 = 39,6 dibulatkan menjadi 40 data akan
terletak di antara :
𝑋̅ − 3. 𝑠
= 3,795 − (3 𝑥 0,4652)
= 𝟐, 𝟑𝟗𝟗𝟒

Sampai

𝑋̅ + 3. 𝑠
= 3,795 + (3 𝑥 0,4652)
= 𝟓, 𝟏𝟗𝟎𝟔

Hal ini berarti bahwa dari 40 sampel, semua orang diperkirakan menonton TV rata-rata
antara 2,39 jam sampai 5,19 jam

Hasil perhitungan di atas tersebut dapat ditafsirkan kurva deviasi standarnya seperti di
bawah ini :

VI-8 Varians dan Deviasi Standar by Linda Bachrun Page 17

 3,3 jam 4,3 jam

2,9 jam 4,7 jam

2,4 jam 5,2 jam

Rata-rata

Gambar 2. Penafsiran Deviasi Standar

VI-8 Varians dan Deviasi Standar by Linda Bachrun Page 18