Mengapa Rata-Rata Saja Tidak Cukup
Bayangkan dua kota sama-sama punya suhu harian rata-rata 27 derajat Celsius. Kedengarannya cuaca mereka mirip, bukan? Tapi bagaimana jika Kota A (Denpasar) stabil antara 25 dan 29 derajat sepanjang tahun, sementara Kota B berfluktuasi dari 15 derajat di pagi hari sampai 40 derajat di siang hari? Rata-ratanya sama, tapi pengalaman tinggal di sana sangat berbeda.
Inilah mengapa kita perlu mengukur sebaran — seberapa besar perbedaan nilai-nilai dalam kumpulan data satu sama lain. Dua alat terpenting untuk mengukur sebaran adalah rentang dan varians.
Rentang: Ukuran Sebaran Paling Sederhana
Rentang adalah ukuran sebaran yang paling mudah dipahami. Ambil nilai terbesar, kurangi nilai terkecil, dan itulah rentang Anda.
Rentang = Nilai tertinggi - Nilai terendah
Pemain Liga 1 mencetak gol berikut dalam 5 pertandingan: 0, 1, 2, 1, 3
Gol tertinggi: 3. Gol terendah: 0.
Rentang = 3 - 0 = 3 gol
Ini memberitahu kita performa gol pemain bervariasi 3 gol dari pertandingan terburuk ke terbaik.
Rentang memberi gambaran cepat, tapi punya keterbatasan besar: hanya melihat dua nilai paling ekstrem dan mengabaikan semua yang di antaranya.
Perhatikan nilai ujian dua siswa dalam 5 kuis:
Siswa A: 60, 80, 82, 83, 100 → Rentang = 40
Siswa B: 60, 61, 62, 63, 100 → Rentang = 40
Keduanya punya rentang yang sama yaitu 40, tapi nilai Siswa A lebih terkumpul di tengah, sementara Siswa B punya nilai yang menumpuk di bawah dengan satu pencilan tinggi. Rentang tidak bisa memberitahu Anda perbedaan ini.
Kapan Rentang Berguna
Meskipun keterbatasannya, rentang berguna untuk pengecekan cepat. Perawat yang memeriksa tekanan darah pasien selama seminggu mungkin mencatat rentang dulu: "Tekanan sistolik Anda berkisar dari 118 sampai 142." Itu langsung memberitahu informasi yang berguna.
Memperkenalkan Varians: Ukuran Sebaran yang Lebih Cerdas
Varians melihat setiap nilai dalam data Anda dan bertanya: seberapa jauh masing-masing dari mean? Lalu menggabungkan semua jarak itu menjadi satu angka. Varians rendah berarti nilai-nilai berkumpul dekat mean. Varians tinggi berarti mereka tersebar jauh.
Menghitung Varians Langkah demi Langkah
Mari kita telusuri ini dengan contoh sederhana agar idenya menjadi jelas.
Pengeluaran harian 4 mahasiswa untuk makan (dalam ribuan rupiah): 30, 35, 40, 35
Langkah 1 — Cari mean:
(30 + 35 + 40 + 35) : 4 = Rp35.000
Langkah 2 — Cari jarak setiap nilai dari mean:
- 30 - 35 = -5
- 35 - 35 = 0
- 40 - 35 = +5
- 35 - 35 = 0
Langkah 3 — Kuadratkan setiap jarak (untuk menghilangkan tanda negatif dan menekankan jarak yang lebih besar):
- (-5)² = 25
- (0)² = 0
- (5)² = 25
- (0)² = 0
Langkah 4 — Cari mean dari jarak kuadrat:
(25 + 0 + 25 + 0) : 4 = 12,5
Variansnya 12,5 (dalam "ribuan rupiah kuadrat," yang memang agak aneh — kita akan atasi ini di pelajaran berikutnya tentang deviasi standar).
Mengapa Kita Mengkuadratkan Jaraknya?
Ini pertanyaan yang sering diajukan pemula, dan pertanyaan bagus. Jika Anda hanya menjumlahkan jarak mentah tanpa mengkuadratkan, positif dan negatif akan saling menghapus dan Anda akan selalu mendapat nol. Mengkuadratkan membuat semua nilai positif dan juga memberi bobot ekstra pada nilai yang jauh dari mean.
Varians Populasi vs. Varians Sampel
Anda mungkin menemui dua rumus yang sedikit berbeda untuk varians. Perbedaannya kecil tapi perlu diketahui.
Jika data Anda mencakup setiap anggota dari kelompok yang Anda pedulikan (misalnya, setiap siswa dalam kelas), Anda membagi dengan jumlah total. Ini disebut varians populasi.
Jika data Anda adalah sampel — kelompok lebih kecil yang dipilih untuk mewakili kelompok yang lebih besar (misalnya, 100 pembeli yang disurvei dari ribuan) — Anda membagi dengan satu kurang dari jumlahnya. Ini disebut varians sampel, dan penyesuaian kecil ini membantu membuat estimasi lebih akurat.
Anda mensurvei 5 orang tentang berapa gelas kopi yang mereka minum per hari: 1, 2, 3, 2, 2. Mean-nya 2.
Jarak kuadrat dari mean: 1, 0, 1, 0, 0
Varians populasi (jika 5 orang ini semua yang Anda pedulikan): (1+0+1+0+0) : 5 = 0,4
Varians sampel (jika 5 orang ini mewakili kelompok lebih besar): (1+0+1+0+0) : 4 = 0,5
Perbedaannya kecil di sini, dan semakin kecil seiring ukuran sampel bertambah.
Mengapa Sebaran Penting dalam Kehidupan Nyata
Harga Beras di Pasar
Jika rata-rata harga beras di Jakarta Rp13.000/kg, Anda mungkin menganggarkan sekitar itu. Tapi jika sebarannya tinggi, harga bisa berkisar dari Rp10.000 di pasar tradisional sampai Rp18.000 di supermarket premium. Rata-rata saja tidak mempersiapkan Anda.
Negosiasi Gaji
Lowongan kerja bilang gaji rata-rata untuk posisi itu Rp8 juta. Tapi berapa sebarannya? Jika rentangnya Rp7 juta sampai Rp9 juta, gaji terkumpul rapat dan Anda tahu kira-kira apa yang diharapkan. Jika rentangnya Rp4 juta sampai Rp15 juta, gaji sebenarnya sangat tergantung pengalaman, lokasi, dan negosiasi.
Konsistensi dalam Olahraga
Dua penyerang Liga 1 masing-masing mencetak rata-rata 1 gol per pertandingan selama musim. Pemain A mencetak 0 atau 1 di kebanyakan pertandingan — sangat konsisten. Pemain B mencetak 0 di banyak pertandingan tapi kadang mencetak 4 atau 5 — varians tinggi. Pelatih yang memilih di antara mereka mungkin lebih suka Pemain A untuk keandalan atau Pemain B untuk pertandingan penting di mana performa besar bisa jadi pembeda.
Membandingkan Rentang dan Varians
Rentang cepat dan mudah tapi hanya mempertimbangkan dua titik data. Varians menggunakan setiap titik data dan memberi gambaran sebaran yang lebih lengkap. Bayangkan rentang seperti melirik termometer sekali di pagi dan sekali di malam hari, sementara varians seperti mengeceknya setiap jam dan menghitung seberapa besar suhu berfluktuasi sepanjang hari.
Rentang memberitahu Anda jarak antara nilai tertinggi dan terendah — cepat dan sederhana, tapi melewatkan detail. Varians memberitahu seberapa tersebar semua nilai di sekitar mean — menggunakan setiap titik data dan memberi gambaran yang jauh lebih kaya. Bersama mean, ukuran-ukuran ini membantu Anda memahami bukan hanya apa yang tipikal, tapi seberapa besar variasi yang ada. Dan dalam kehidupan nyata, variasi sering lebih penting daripada rata-rata.