2

Variance
• Varian adalah ukuran keragaman dalam alanisis deskriptif.
• Varians adalah ukuran dari seberapa jauh penyebaran data dari nilai
rata-ratanya.
• Semakin besar nilai varians, semakin jauh data yang kita gunakan
tersebar dari nilai rata-ratanya
• Jika semua nilai data identik, maka itu menunjukkan variansnya nol.
• Singkatnya, varians didefinisikan sebagai rata-rata jarak kuadrat dari
setiap titik ke mean
• “Range” (rentang) memiliki keterbatasan sebagai indeks variabilitas
karena tidak dipengaruhi oleh setiap skor dalam distribusi dan sensitif
terhadap skor ekstrim.
• Untuk bisa menggambarkan distribusi yg lebih lengkap, kita
memerlukan indeks yang mencerminkan variasi dalam serangkaian
skor yg lengkap.
• Sehingga kita dapat membandingkan antar sample dengan ukuran
yang berbeda dan menentukan apakah yang satu lebih bervariasi dari
pada yang lain.
Kita dapat mulai menguji variabilitas dengan melihat deviasi setiap skor
dari mean. Dengan mengurangkan rata-rata dari setiap skor dalam
distribusi, kita akan memperoleh skor penyimpangan.

Oleh karenanya, sampel dengan skor deviasi yang lebih besar akan lebih
bervariasi di sekitar mean.
• Untuk mengilustrasikannya, mari kita fokus
pada distribusi skor dari Grup B pada Tabel
disebelah

• Rata-rata dari distribusi adalah 17,25. Untuk

skornya X = 9, skor deviasinya adalah 9 –
17,25 = –8,25.

• Perhatikan bahwa tiga skor deviasi pertama

adalah nilai negatif karena skor ini lebih
kecil dari rata-rata.
Sebagai ukuran variabilitas, skor deviasi memiliki daya tarik intuitif,
karena skor ini akan lebih luas jika skor menjadi lebih heterogen dan
lebih jauh dari rata-rata.
Mungkin tampak masuk akal, kemudian, untuk mengambil rata-rata dari
nilai-nilai ini, atau deviasi rata-rata, sebagai indeks penyebaran dalam
sampel.
Plot kotak dapat memberikan klarifikasi visual yang berguna tentang
bagaimana kelompok yang berbeda dibandingkan variabilitas dan
tendensi sentralnya.
Misalnya, Morone et al (2014) mempelajari penggunaan sistem video
game Wii untuk latihan keseimbangan dibandingkan dengan terapi
keseimbangan standar untuk pasien yang pernah mengalami stroke.
Outcome measure  Indeks Barthel, yang diukur pada tiga interval
waktu: baseline (T0), setelah 4 minggu intervensi (T1), dan pada follow-
up (T2).
Hasil penelitian menunjukkan bahwa peningkatan secara signifikan lebih
besar untuk kelompok yang menggunakan sistem Wii.
• Plot kotak berdampingan
memungkinkan perbandingan yang
mudah,
• Pada plot kotak disamping
menunjukkan bahwa penyebaran skor
cukup lebar pada awal dan menurun
pada T1 dan T2 pada kedua kelompok.
• Akan tetapi, penurunan variabilitas ini
lebih terlihat pada kelompok Wii.
• Bintang menunjukkan peningkatan
yang lebih baik secara signifikan dalam
grup Wii di T1 dan T2
Standard Deviasi (simpangan baku)

• Keterbatasan varians sebagai ukuran deskriptif variabilitas sampel

adalah  Varians dihitung menggunakan kuadrat dari skor deviasi.
• Umumnya tidak berguna untuk menggambarkan variabilitas sampel
dalam satuan kuadrat, seperti derajat kuadrat atau pon kuadrat.
• Oleh karena itu, untuk mengembalikan indeks ke unit pengukuran
awal, kami mengambil akar kuadrat positif dari varians.
• Nilai ini disebut simpangan baku, dilambangkan dengan s.
Standar deviasi biasanya dilaporkan bersama dengan mean sehingga
data dicirikan menurut tendensi sentral dan variabilitas.
Rata-rata dapat dinyatakan sebagai

X-Bar (Mean) = 83.63 ± 12.22

Standar deviasi dapat digunakan sebagai dasar untuk membandingkan
sampel.
Coefficient of Variation

• Koefisien variasi (CV) adalah ukuran variabilitas lain yang dapat

digunakan untuk menggambarkan data yang diukur pada skala interval
atau rasio.
• Ini adalah rasio dari standar deviasi (SD) terhadap rata-rata, dinyatakan
sebagai persentase
• Ada dua keuntungan utama indeks ini.
• Pertama, ia tidak bergantung pada satuan pengukuran karena satuan
secara matematis akan hilang. Oleh karena itu, ini adalah statistik
praktis untuk membandingkan distribusi yang dicatat dalam unit yang
berbeda.
• Kedua, koefisien variasi menyatakan standar deviasi sebagai
proporsi rata-rata, dengan demikian memperhitungkan perbedaan
besarnya rata-rata.
• Oleh karena itu, Koefisien variasi mengukur variasi relatif, hal ini
paling bermakna ketika membandingkan dua distribusi
Keuntungan ini dapat diilustrasikan dengan menggunakan data dari studi nilai
normal rentang gerak tulang belakang lumbar, di mana data dicatat dalam
derajat dan inci.
Rentang rata-rata untuk anak berusia 20 hingga 29 tahun adalah X = 41 .2 ±
9,6 derajat, dan X = 3,7 ± 0,72 inci, masing-masing.
Nilai absolut dari standar deviasi untuk dua pengukuran ini menunjukkan bahwa
ukuran inci, menggunakan pita pengukur, jauh lebih sedikit variabel; namun,
karena rata-rata dan unitnya berbeda secara substansial, kita akan
mengharapkan deviasi standarnya juga berbeda.
Dengan menghitung koefisien variasi, kita mendapatkan ide yang lebih baik
tentang variasi relatif dari dua pengukuran ini
Sekarang kita dapat melihat bahwa variabilitas pada kedua distribusi ini sebenarnya cukup sebanding.
Seperti yang diilustrasikan contoh ini, koefisien variasi merupakan pengukuran yang berguna untuk
membuat perbandingan antara kelompok pasien atau asesmen klinis yang berbeda untuk menentukan
apakah suatu alat ukur (suatu kelompok) lebih stabil daripada yang lain
DISTRIBUSI NORMAL
Seperti yg telah dibahas sebelumnya, distribusi yg simetris dikenal
sebagai distribusi normal.
Distribusi ini mewakili konsep statistik yang penting karena begitu
banyak fenomena biologis, psikologis, dan sosial yang muncul dalam
populasi menurut bentuk ini.
Jika kita membuat grafik distribusi frekuensi populasi dari variabel-
variabel seperti tinggi badan atau kecerdasan, grafiknya akan
menyerupai kurva berbentuk lonceng.
• Sayangnya, di dunia nyata kita hanya dapat memperkirakan data
tersebut dari sampel dan, oleh karena itu, tidak dapat mengharapkan
data sesuai dengan kurva normal secara tepat.
• Untuk tujuan praktis, kurva normal hanya mewakili konsep teoretis,
dengan sifat yang terdefinisi dengan baik yang memungkinkan kita
membuat estimasi statistik tentang populasi menggunakan data
sampel.
• Fakta bahwa kurva normal penting bagi teori statistik seharusnya
tidak diartikan, bahwa data tidak berguna atau tidak valid jika tidak
terdistribusi normal.
• Banyak variabel sosiologis, seperti kelas sosial ekonomi, pendapatan,
latar belakang etnis dan usia, yang miring.
PROPORSI SEBUAH KURVA NORMAL
Skor standar
• Data statistik hanya bermakna jika diterapkan dalam beberapa
konteks kuantitatif.
• Sebagai contoh, jika seorang pasien memiliki denyut nadi 58X/min,
implikasi dari nilai itu terbukti hanya jika kita tahu di mana skor itu
turun dalam kaitannya dengan distribusi denyut nadi normal.
• Jika kita tahu bahwa Mean = 68 dan SD = 10 untuk sampel tersebut,
maka kita tahu bahwa skor individu 58 adalah satu standar deviasi di
bawah rata-rata
• Ketika kita menyatakan skor dalam satuan SD, berarti kita
menggunakan skor standar, yang disebut z-scores.
Untuk contoh ini, skor 58 dapat dinyatakan sebagai skor-z dari - 1,0,
tanda minus yang menunjukkan bahwa itu adalah satu unit standar
deviasi di bawah Mean.
Z-score dihitung dengan cara:
Z = x – Mean
SD
Jika seseorang memiliki HR 85X/min, dengan Mean 68 dan SD 10
Z = 85 – 68 = 1.7
10

Jadi 85 bpm adalah 1.7 SD diatas Mean