Kalkulator Simpangan Baku Sampel

Q: Apa rumus untuk simpangan baku sampel?

Rumus simpangan baku sampel adalah s = sqrt(sum((xi - x-bar)^2) / (n-1)), di mana xi mewakili setiap nilai data, x-bar adalah rata-rata sampel, dan n adalah jumlah titik data. Pembagian dengan (n-1) daripada n adalah koreksi Bessel untuk bias.

Hitung simpangan baku sampel dengan rumus langkah demi langkah, visualisasi data interaktif, deteksi outlier, analisis aturan empiris, dan statistik komprehensif termasuk varians, rata-rata, median, dan rentang.

Gratis digunakanTidak perlu mendaftarHasil instan

Kalkulator Simpangan Baku SampelCoba sekarang — gratis ▼

Embed Kalkulator Simpangan Baku Sampel Widget

Tentang Kalkulator Simpangan Baku Sampel

Selamat datang di Kalkulator Simpangan Baku Sampel, alat analisis statistik komprehensif yang menghitung simpangan baku sampel dengan rumus langkah demi langkah, visualisasi data interaktif, deteksi outlier, dan analisis aturan empiris. Baik Anda seorang pelajar yang sedang belajar statistik, peneliti yang menganalisis data eksperimental, atau profesional yang melakukan kontrol kualitas, kalkulator ini menyediakan analisis tingkat profesional dengan penjelasan terperinci.

Apa itu Simpangan Baku Sampel?

Simpangan baku sampel adalah ukuran seberapa tersebar angka dalam kumpulan data sampel. Berbeda dengan simpangan baku populasi yang mendeskripsikan seluruh populasi, simpangan baku sampel memperkirakan parameter populasi berdasarkan sampel. Ini memberi tahu Anda, rata-rata, seberapa jauh setiap titik data menyimpang dari rata-rata.

Perbedaan utamanya adalah penggunaan (n-1) dalam penyebut alih-alih n. Penyesuaian ini, yang disebut koreksi Bessel, mengompensasi bias yang terjadi saat menggunakan rata-rata sampel alih-alih rata-rata populasi yang sebenarnya, sehingga memberikan estimasi varians populasi yang tidak bias.

Rumus Simpangan Baku Sampel

Simpangan Baku Sampel (s)

$$s = \sqrt{\frac{\sum_{i=1}^{n}(x_i - \bar{x})^2}{n-1}}$$

Di mana:

s = Simpangan baku sampel
x_i = Setiap nilai data individu
x̄ = Rata-rata sampel
n = Jumlah titik data dalam sampel
n-1 = Derajat kebebasan (koreksi Bessel)

Sampel vs Populasi

Memahami kapan harus menggunakan setiap rumus sangat penting untuk analisis statistik yang akurat:

Aspek	Simpangan Baku Sampel (s)	Simpangan Baku Populasi (σ)
Pembagi Rumus	n - 1	n
Kapan Digunakan	Data adalah bagian dari populasi yang lebih besar	Data mencakup seluruh populasi
Tujuan	Memperkirakan parameter populasi	Mendeskripsikan populasi aktual
Penggunaan Umum	Eksperimen, survei, kontrol kualitas	Data sensus, dataset lengkap
Bias	Estimator tidak bias	Bias saat digunakan pada sampel

Cara Menggunakan Kalkulator Ini

Masukkan data Anda: Input nilai numerik di area teks, dipisahkan dengan koma, spasi, atau jeda baris. Anda memerlukan setidaknya 2 nilai untuk perhitungan simpangan baku sampel.
Atur presisi desimal: Pilih jumlah tempat desimal (2-15) untuk hasil Anda berdasarkan kebutuhan presisi Anda.
Aktifkan deteksi outlier: Secara opsional, identifikasi titik data yang lebih dari 2 simpangan baku dari rata-rata yang mungkin memerlukan penyelidikan.
Hitung dan analisis: Klik "Hitung Simpangan Baku Sampel" untuk melihat hasil komprehensif termasuk simpangan baku, varians, rata-rata, dan statistik tambahan.
Tinjau visualisasi: Periksa scatter plot yang menunjukkan distribusi data dan histogram yang menunjukkan distribusi frekuensi.
Periksa perhitungan langkah demi langkah: Tinjau rincian terperinci yang menunjukkan dengan tepat bagaimana setiap hasil dihitung.

Memahami Hasil Anda

Statistik Utama

Simpangan Baku Sampel (s): Hasil utama yang menunjukkan penyebaran data menggunakan pembagi (n-1)
Varians Sampel (s²): Kuadrat dari simpangan baku, berguna untuk perhitungan statistik lebih lanjut
Rata-rata (x̄): Rata-rata aritmetika dari data Anda
Jumlah (Σx): Total dari semua nilai data

Statistik Tambahan

Simpangan Baku Populasi (σ): Untuk perbandingan, menggunakan pembagi n
Koefisien Variasi (CV): Simpangan baku relatif terhadap rata-rata, dinyatakan sebagai persentase
Kesalahan Standar Rata-rata (SEM): Presisi estimasi rata-rata sampel
Median: Nilai tengah saat data diurutkan
Modus: Nilai yang paling sering muncul
Kuartil (Q1, Q3) dan IQR: Penyebaran data pada persentil ke-25 dan ke-75
Rentang: Perbedaan antara nilai maksimum dan minimum

Aturan Empiris (Aturan 68-95-99.7)

Untuk data yang terdistribusi normal, Aturan Empiris memberikan cara cepat untuk memahami distribusi data:

68% data berada dalam 1 simpangan baku dari rata-rata
95% data berada dalam 2 simpangan baku dari rata-rata
99.7% data berada dalam 3 simpangan baku dari rata-rata

Kalkulator ini menunjukkan berapa persentase data aktual Anda yang masuk dalam setiap rentang, membantu Anda menilai apakah data Anda mengikuti distribusi normal.

Deteksi Outlier

Outlier adalah titik data yang berbeda secara signifikan dari pengamatan lainnya. Kalkulator ini mengidentifikasi potensi outlier sebagai nilai yang lebih dari 2 simpangan baku dari rata-rata (mencakup sekitar 95% data yang terdistribusi normal). Outlier dapat menunjukkan:

Kesalahan entri data
Kesalahan pengukuran
Nilai ekstrem yang benar-benar layak diselidiki
Distribusi data tidak normal

Menginterpretasikan Penyebaran Data

Koefisien Variasi (CV) membantu menginterpretasikan apakah simpangan baku Anda "besar" atau "kecil" relatif terhadap data Anda:

CV ≤ 10%: Variabilitas rendah - titik data berkumpul rapat di sekitar rata-rata
CV 10-25%: Variabilitas sedang - tipikal untuk banyak dataset dunia nyata
CV 25-50%: Variabilitas tinggi - data tersebar di rentang yang luas
CV > 50%: Variabilitas sangat tinggi - data sangat tersebar

Mengapa Menggunakan Koreksi Bessel (n-1)?

Saat kita menghitung simpangan baku dari sebuah sampel, kita menggunakan rata-rata sampel (x̄) alih-alih rata-rata populasi yang sebenarnya (μ). Hal ini menimbulkan bias karena:

Rata-rata sampel dihitung untuk meminimalkan jumlah kuadrat deviasi dari dirinya sendiri
Hal ini membuat deviasi sampel secara sistematis lebih kecil daripada deviasi populasi yang sebenarnya
Membagi dengan (n-1) alih-alih n mengoreksi peremehan ini

Secara matematis, kita kehilangan satu "derajat kebebasan" saat memperkirakan rata-rata dari sampel, jadi kita memiliki (n-1) keping informasi independen, bukan n.

Aplikasi Simpangan Baku Sampel

Penelitian Ilmiah

Peneliti menggunakan simpangan baku sampel untuk mengukur variabilitas eksperimental, menentukan presisi pengukuran, dan menilai keandalan temuan mereka. Ini penting untuk menghitung interval kepercayaan dan melakukan uji hipotesis.

Kontrol Kualitas

Proses manufaktur menggunakan simpangan baku untuk memantau konsistensi. Nilai yang lebih rendah menunjukkan produksi yang lebih konsisten. Peta kendali sering kali menggunakan rata-rata ± 3 simpangan baku untuk menetapkan batas kendali.

Keuangan

Dalam keuangan, simpangan baku mengukur volatilitas investasi. Simpangan baku yang lebih tinggi menunjukkan risiko yang lebih besar karena imbal hasil bervariasi lebih luas dari rata-rata.

Pendidikan

Pendidik menggunakan simpangan baku untuk memahami distribusi skor pada tes. Ini membantu mengidentifikasi apakah sebagian besar siswa memiliki performa yang serupa atau apakah ada variasi performa yang luas.

Pertanyaan yang Sering Diajukan

Apa itu simpangan baku sampel?

Simpangan baku sampel adalah ukuran seberapa tersebar angka dalam kumpulan data sampel. Ini memperkirakan simpangan baku dari seluruh populasi berdasarkan sampel. Rumusnya membagi dengan (n-1) alih-alih n, yang disebut koreksi Bessel, untuk memberikan estimasi simpangan baku populasi yang tidak bias.

Apa rumus untuk simpangan baku sampel?

Rumus simpangan baku sampel adalah s = sqrt(sum((x_i - x̄)²) / (n-1)), di mana x_i mewakili setiap nilai data, x̄ adalah rata-rata sampel, dan n adalah jumlah titik data. Pembagian dengan (n-1) daripada n adalah koreksi Bessel untuk bias.

Mengapa menggunakan (n-1) daripada n dalam simpangan baku sampel?

Menggunakan (n-1) daripada n disebut koreksi Bessel. Saat menghitung dari sampel, kita kehilangan satu derajat kebebasan karena kita menggunakan rata-rata sampel daripada rata-rata populasi yang sebenarnya. Membagi dengan (n-1) mengoreksi bias ini dan memberikan estimasi varians populasi yang tidak bias.

Apa perbedaan antara simpangan baku sampel dan populasi?

Simpangan baku sampel (s) membagi dengan (n-1) dan digunakan ketika data Anda adalah bagian dari populasi yang lebih besar. Simpangan baku populasi (σ) membagi dengan n dan digunakan ketika data Anda mencakup setiap anggota populasi. Simpangan baku sampel lebih umum karena kita biasanya bekerja dengan sampel daripada seluruh populasi.

Berapa nilai simpangan baku yang baik?

Tidak ada simpangan baku yang secara universal 'baik' - itu tergantung pada konteksnya. Simpangan baku yang rendah berarti titik data berkumpul dekat dengan rata-rata, sedangkan nilai yang tinggi berarti data tersebar. Koefisien Variasi (CV = simpangan baku / rata-rata x 100%) membantu membandingkan variabilitas di berbagai skala: CV di bawah 10% menunjukkan variabilitas rendah, 10-25% sedang, dan di atas 25% tinggi.

Apa itu Aturan Empiris (68-95-99.7)?

Aturan Empiris menyatakan bahwa untuk data yang terdistribusi normal: kira-kira 68% data berada dalam 1 simpangan baku dari rata-rata, 95% berada dalam 2 simpangan baku, dan 99.7% berada dalam 3 simpangan baku. Aturan ini membantu mengidentifikasi outlier dan memahami distribusi data.

Alat Terkait

Kalkulator Simpangan Baku - Hitung simpangan baku sampel dan populasi dengan statistik tambahan
Kalkulator Simpangan Baku Relatif - Hitung RSD (Koefisien Variasi sebagai persentase)

Sumber Daya Tambahan

Kutip konten, halaman, atau alat ini sebagai:

"Kalkulator Simpangan Baku Sampel" di https://MiniWebtool.com/id/contoh-kalkulator-simpangan-baku/ dari MiniWebtool, https://MiniWebtool.com/

oleh tim miniwebtool. Diperbarui: 11 Jan 2026

API developer tersedia: Jalankan alat ini dari aplikasi, otomatisasi, atau agen Anda dengan satu permintaan HTTP JSON. Lihat dokumentasi API

Anda juga dapat mencoba Penyelesai Matematika AI GPT kami untuk menyelesaikan masalah matematika Anda melalui pertanyaan dan jawaban dalam bahasa alami.