For AI agents: use /llms.txt for the Nakafa content index.
Bagaimana sebaran data yang disajikan dalam bentuk tabel frekuensi berkelompok? Misalnya, data durasi baterai HP yang dikelompokkan dalam interval jam (, , dst.).
Karena kita tidak tahu nilai pasti setiap data dalam satu kelas interval (misalnya, di kelas , kita tidak tahu apakah durasinya pas , , atau lainnya), kita perlu asumsi.
Asumsi yang paling umum adalah semua data dalam satu kelas interval itu terdistribusi merata, sehingga kita bisa mewakili semua data di kelas itu dengan nilai tengah () kelas tersebut.
Dengan menggunakan nilai tengah () dan frekuensi () setiap kelas, rumusnya menjadi sedikit berbeda:
Varian ()
Rumus yang sering digunakan (dan lebih mudah untuk dihitung) adalah rumus komputasi yang disesuaikan untuk data kelompok:
Rumus ini pada dasarnya menghitung rata-rata dari kuadrat nilai tengah dikali frekuensi, dikurangi kuadrat dari rata-rata nilai tengah dikali frekuensi (mean data kelompok).
Simpangan Baku ()
Sama seperti data tunggal, simpangan baku adalah akar kuadrat dari varian:
Misalkan sebuah penelitian mengenai lamanya durasi baterai HP menghasilkan data berikut:
| Durasi baterai (jam) | Frekuensi () |
|---|---|
Mari kita tentukan varian dan simpangan baku dari data durasi baterai ini.
Kita perlu menghitung nilai tengah () untuk setiap kelas, lalu menghitung dan .
| Durasi baterai (jam) | Nilai tengah, | Frekuensi, | ||
|---|---|---|---|---|
Masukkan nilai-nilai total dari tabel ke dalam rumus varian:
Jadi, varian dari data durasi baterai adalah sekitar (dalam satuan jam kuadrat).
Ambil akar kuadrat dari varian:
Simpangan baku durasi baterai HP adalah sekitar . Ini memberi kita gambaran bahwa rata-rata penyimpangan durasi baterai dari mean (yang bisa dihitung sebagai ) adalah sekitar .
Semakin kecil simpangan baku, semakin seragam durasi baterai HP dalam penelitian tersebut.
| Jumlah |
