Ragam & Simpangan Baku

Setelah ini kamu bisa menghitung ragam dan simpangan baku, membedakan versi sampel dan populasi, serta menjelaskan mengapa keduanya peka terhadap pencilan.

Dua reggu latihan tembak sama-sama rata-rata 8, tapi reggu A nyaris semua peluru mendarat di angka 8, sedangkan reggu B ada yang meleset ke 2 dan 3 serta ada yang sakti di 14. Rata-rata tidak membedakan keduanya — kamu butuh ukuran penyebaran. Ragam dan simpangan baku itulah alatnya. Seret satu titik di bawah, dan amati simpangan baku melar.

Coba seret satu titik menjauh dari kerumunan, lalu perhatikan garis mean dan nilai simpangan baku yang dihitung ulang live.

Ukuran penyebaran dari rata-rata

Mean memberitahu “di mana pusat data”, tetapi tidak “seberapa rapat data menggerumuni pusat itu”. Untuk itu kita ukur jarak tiap titik dari mean. Selisih $x_i - \bar{x}$ ini disebut simpangan — positif untuk data di atas mean, negatif untuk yang di bawah. Makin jauh titik dari mean, makin besar simpangannya.

Simpangan dari sebuah data adalah selisih nilainya dengan mean: $x_i - \bar{x}$ . Simpangan mengukur seberapa jauh satu titik menyimpang dari pusat data.

Seret titik di papan di bawah. Garis mean diam relatif stabil, tetapi bayangkan setiap titik punya karet yang merentang ke mean — makin jauh titik, makin kuat “ketegangan” itu. Total ketegangan inilah yang dirangkum ragam dan simpangan baku.

Ragam: rata-rata kuadrat simpangan

Jika semua simpangan dijumlahkan apa adanya, hasilnya nol — bagian positif dan negatif saling meniadakan. Solusinya: kuadratkan dulu tiap simpangan, baru dijumlahkan dan dibagi banyaknya data. Hasilnya disebut ragam (variance).

$\sigma^2 = \frac{(x_1-\bar{x})^2 + (x_2-\bar{x})^2 + \cdots + (x_n-\bar{x})^2}{n} = \frac{\sum (x_i-\bar{x})^2}{n}$

Arti tiap simbol: $\sigma^2$ = ragam populasi, $x_i$ = data ke- $i$ , $\bar{x}$ = mean, $n$ = banyaknya data. Untuk sampel, pembilang dibagi $n-1$ (lihat sub-bagian berikutnya).

Pengkuadratan membuat dua hal: (1) menghilangkan tanda negatif sehingga semua simpangan berkontribusi positif, dan (2) memberi bobot lebih besar pada simpangan yang jauh — sebuah titik yang dua kali lebih jauh menyumbang empat kali lipat ke ragam. Inilah sebabnya ragam dan simpangan baku sangat peka terhadap pencilan.

Simpangan baku: akar dari ragam

Ragam berunit kuadrat (misal meter kuadrat kalau data berupa meter), sehingga agak sulit diinterpretasikan. Simpangan baku mengembalikan ke unit asli dengan mengambil akar: $\sigma = \sqrt{\sigma^2}$ . Inilah ukuran penyebaran yang paling lazim dipakai.

$\sigma = \sqrt{\frac{\sum (x_i - \bar{x})^2}{n}}$

Arti tiap simbol: $\sigma$ = simpangan baku populasi, $x_i$ = data ke- $i$ , $\bar{x}$ = mean, $n$ = banyaknya data. Simpangan baku sampel dilambangkan $s$ dan memakai pembagi $n-1$ .

Simpangan baku kira-kira menjawab “data rata-rata berapa jauhnya dari mean?”. Angka kecil = data rapat di sekitar mean; angka besar = data menyebar luas. Tapi bukan rata-rata jarak biasa, melainkan rata-rata jarak kuadrat yang lalu diakar — inilah yang membuat pencilan sangat berbobot.

Bandingkan dua preset di bawah — keduanya mean-nya hampir sama, tetapi simpangan bakunya berbeda dua kali lipat. Itulah inti pesan: mean sama sekalian bukan jaminan sebaran sama.

Sampel vs populasi: bagi $n-1$ atau $n$ ?

Saat kamu punya seluruh data populasi (semua siswa Indonesia, misalnya), pembagi ragam adalah $n$ . Tapi bila data hanyalah sampel yang dipakai untuk menduga populasi, pembaginya $n-1$ — disebut koreksi Bessel. Alasannya: mean yang dipakai adalah mean sampel, yang cenderung sedikit lebih dekat ke titik-titik sampel sendiri, sehingga simpangan rata-rata terlalu kecil; membagi dengan $n-1$ mengoreksi underestimate itu.

Simpangan baku populasi $\sigma$ membagi jumlah kuadrat simpangan dengan $n$ ; simpangan baku sampel $s$ membaginya dengan $n-1$ untuk mengoreksi bias saat memperkirakan penyebaran populasi dari sampel.

Papan di bawah memperlihatkan bedanya. Toggle preset “bagi n” (populasi) dan “bagi n-1” (sampel) pada data yang sama — simpangan baku sampel selalu sedikit lebih besar. Di SMA, rumus baku soal data tunggal biasanya meminta simpangan baku populasi $\sigma$ kecuali dinyatakan sebagai sampel.

Catatan: pada primitif ini, nilai preset di atas hanya mengganti dataset; untuk melihat perbedaan pembagi $n$ vs $n-1$ , ubah tombol mode simpangan baku yang disediakan widget (simpanganBakuSampel: false untuk populasi, true untuk sampel) — keduanya memakai data yang persis sama.

Mean sama, simpangan baku beda

Inilah pelajaran inti: dua kelompok bisa punya mean identik tetapi simpangan baku yang jauh berbeda. Reggu penembak yang konsisten punya simpangan baku kecil; reggu yang naik-turun punya simpangan baku besar. Atlet yang stabil unggul bukan yang rata-rata tertinggi, tapi yang simpangan bakunya paling kecil sambil menjaga mean tinggi.

Bandingkan dua preset “reggu konsisten” dan “reggu fluktuatif” di bawah. Mean-nya nyaris sama, tetapi simpangan baku reggu fluktuatif dua kali lipat lebih besar.

Di TKA dan UTBK, ragam dan simpangan baku sering diuji lewat perbandingan dua kelompok atau dampak pencilan. Kerangka TKA (Peraturan Ka. BSKAP 045/H/AN/2025) memasukkan analisis data sebagai cakupan resmi, termasuk ukuran penyebaran. Jebakan klasik: lupa mengkuadratkan atau mengakar — soal pilihan ganda kerap menyelinapkan jawaban ragam ketika yang ditanya simpangan baku (atau sebaliknya).

Coba dulu di kertas, baru buka.

Soal. Data nilai lima siswa adalah $4, 6, 8, 10, 12$ . Hitung mean, ragam populasi, dan simpangan baku populasi.

Jumlah data $= 4 + 6 + 8 + 10 + 12 = 40$ . Bagi banyak data $n = 5$ : $\bar{x} = 40 / 5 = 8$ .

Simpangan tiap titik dari mean 8 adalah $-4, -2, 0, 2, 4$ . Kuadratnya: $16, 4, 0, 4, 16$ . Jumlah kuadrat simpangan $= 16 + 4 + 0 + 4 + 16 = 40$ .

Ragam populasi $\sigma^2 = 40 / 5 = 8$ . Simpangan baku populasi $\sigma = \sqrt{8} \approx 2{,}83$ . (Bila dipakai rumus sampel, $\sigma^2 = 40/4 = 10$ dan $\sigma \approx 3{,}16$ .)

Latihan sejenis dengan angka acak ada di bawah — hitung dulu di kertas, baru tekan tombol untuk memeriksa.

Jebakan: tertukar antara ragam dan simpangan baku. Yang benar: ragam berunit kuadrat dan dilambangkan sigma kuadrat; simpangan baku = akar(ragam), berunit asli, dilambangkan sigma. Bila soal bertanya simpangan baku, jangan berhenti di ragam — akar-i dulu.

Jebakan: lupa mengkuadratkan simpangan sehingga jumlahnya nol. Yang benar: jumlah simpangan mentah $x_i - \bar{x}$ selalu nol (positif dan negatif saling meniadakan). Karena itu ragam memakai kuadrat simpangan, bukan simpangan apa adanya.

Ragam dan simpangan baku mengukur seberapa jauh data menyebar dari mean.
Ragam = rata-rata kuadrat simpangan; simpangan baku = akar dari ragam.
Pengkuadratan membuat ukuran ini peka terhadap pencilan.
Populasi membagi $n$ (notasi $\sigma$ ); sampel membagi $n-1$ (notasi $s$ , koreksi Bessel).
Mean sama sekalian bukan jaminan sebaran sama — bandingkan selalu dengan simpangan baku.