Teknik untuk Menentukan Purata Sisihan dalam Data Statistik
Dalam statistik, hanya memahami "pusat" data—contohnya, melalui min atau median—selalunya tidak mencukupi. Dua set data boleh mempunyai purata yang sama, tetapi berbeza dengan ketara dalam tahap "variasi" mereka. Oleh itu, ukuran serakan adalah penting. Satu ukuran serakan yang agak mudah difahami dan digunakan ialah sisihan min. Artikel ini membincangkan teknik untuk menentukan sisihan min dalam pelbagai bentuk data statistik, lengkap dengan langkah pengiraan dan contoh.
Memahami Sisihan Purata
Sisihan min ialah ukuran yang menyatakan jarak purata setiap titik data daripada ukuran kecenderungan memusat, biasanya min aritmetik (min) atau median. Jarak yang dimaksudkan ialah nilai mutlak perbezaan antara data dan nilai memusat, supaya tiada perbezaan negatif yang boleh "membatalkan" perbezaan positif.
Secara amnya, sisihan min menggambarkan sejauh mana data tersebar dari nilai pusatnya. Semakin kecil sisihan min, semakin rapat data terkumpul di sekitar pusat; semakin besar nilai, semakin berubah-ubah data tersebut.
Mengapa Menggunakan Nilai Mutlak?
Jika kita mengira purata perbezaan antara data dan min tanpa nilai mutlak, jumlah perbezaan akan sentiasa sifar (kerana min ialah titik keseimbangan). Contohnya, jika terdapat perbezaan +5 dan -5, ia akan berjumlah 0. Oleh itu, nilai mutlak digunakan supaya sisihan benar-benar mencerminkan jarak data dari pusat.
Formula Sisihan Purata untuk Data Tunggal
Bagi data tunggal (tidak dikumpulkan), sisihan purata daripada min dirumuskan:
\[
SR = \frac{\jumlah |x_i – \bar{x}|}{n}
\]
Maklumat:
– \( SR \): sisihan purata
– \( x_i \): data ke-i
– \( \bar{x} \): min aritmetik (min)
– \( n \): jumlah data
Teknik Pengiraan Data Tunggal (Langkah-langkah)
1. Kira min \( \bar{x} \) bagi semua data.
2. Kira perbezaan antara setiap data dan min: \( x_i – \bar{x} \).
3. Ambil nilai mutlak bagi setiap perbezaan: \( |x_i – \bar{x}| \).
4. Tambahkan semua nilai mutlak perbezaan.
5. Bahagikan dengan bilangan data \( n \).
Contoh Data Tunggal
Data nilai: 6, 8, 10, 12, 14
1) Purata:
\[
\bar{x}=\frac{6+8+10+12+14}{5}=\frac{50}{5}=10
\]
2) Nilai mutlak perbezaan:
– |6 − 10| = 4
– |8 − 10| = 2
– |10 − 10| = 0
– |12 − 10| = 2
– |14 − 10| = 4
Jumlah = 4 + 2 + 0 + 2 + 4 = 12
3) Purata sisihan:
\[
SR=\frac{12}{5}=2{,}4
\]
Ini bermakna secara purata setiap nilai menyimpang sebanyak 2,4 unit daripada min (10).
Sisihan Purata untuk Data Kerap (Diskrit)
Jika data dibentangkan dalam bentuk nilai dan frekuensi (contohnya jadual), formula menjadi:
\[
SR = \frac{\jumlah f_i |x_i – \bar{x}|}{\jumlah f_i}
\]
Maklumat:
– \( f_i \): frekuensi data \( x_i \)
Teknik Pengiraan Data Frekuensi
1. Kira min: \(\bar{x}=\frac{\sum f_i x_i}{\sum f_i}\)
2. Kira \( |x_i-\bar{x}| \)
3. Darabkan dengan frekuensi: \( f_i |x_i-\bar{x}| \)
4. Jumlahkan semua keputusan langkah 3
5. Bahagikan dengan jumlah kekerapan
Contoh Data Diskret
| Nilai (x) | Kekerapan (f) |
|—|—|
| 5 | 2 |
| 7 | 3 |
| 9 | 1 |
Jumlah kekerapan: \(2+3+1=6\)
min:
\[
\bar{x}=\frac{(5)(2)+(7)(3)+(9)(1)}{6}=\frac{10+21+9}{6}=\frac{40}{6}=6{,}67
\]
Kirakan sisihan:
– Untuk x=5: |5−6,67|=1,67 → darab f=2 → 3,34
– Untuk x=7: |7−6,67|=0,33 → darab f=3 → 0,99
– Untuk x=9: |9−6,67|=2,33 → darab f=1 → 2,33
Jumlah: 3,34 + 0,99 + 2,33 = 6,66
Sisihan purata:
\[
SR=\frac{6{,}66}{6}=1{,}11
\]
Sisihan Purata untuk Data Berkumpulan (Selang Kelas)
Dalam data berkumpulan (contohnya, taburan frekuensi selang), nilai data tidak dipaparkan secara individu, tetapi sebaliknya dalam kelas. Untuk tujuan ini, titik tengah kelas (xi) digunakan untuk mewakili data dalam sesuatu kelas.
Formulanya:
\[
SR=\frac{\jumlah f_i |x_i-\bar{x}|}{\jumlah f_i}
\]
Walau bagaimanapun, \(x_i\) ialah titik tengah kelas tersebut.
Teknik Pengiraan Data Kumpulan
1. Tentukan titik tengah setiap kelas:
\[
x_i=\frac{\text{had bawah + had atas}}{2}
\]
2. Kira min kumpulan:
\[
\bar{x}=\frac{\jumlah f_i x_i}{\jumlah f_i}
\]
3. Kira \( |x_i-\bar{x}| \)
4. Darabkan dengan frekuensi \( f_i \)
5. Tambahkan semua keputusan, kemudian bahagikan dengan jumlah kekerapan.
Contoh Data Kumpulan
| Kelas | f |
|—|—|
| 10–14 | 3 |
| 15–19 | 5 |
| 20–24 | 2 |
Titik tengah:
– 10–14 → 12
– 15–19 → 17
– 20–24 → 22
Jumlah f = 10
min:
\[
\bar{x}=\frac{(12)(3)+(17)(5)+(22)(2)}{10}=\frac{36+85+44}{10}=\frac{165}{10}=16{,}5
\]
Penyimpangan:
– |12−16,5|=4,5 → ×3 = 13,5
– |17−16,5|=0,5 → ×5 = 2,5
– |22−16,5|=5,5 → ×2 = 11
Jumlah = 13,5 + 2,5 + 11 = 27
Sisihan purata:
\[
SR=\frac{27}{10}=2{,}7
\]
Sisihan Purata daripada Median
Selain min, sisihan purata juga boleh dikira daripada median. Prinsipnya sama, cuma nilai pusatnya berbeza. Ini berguna apabila data mengandungi outlier kerana median lebih berdaya tahan terhadap nilai ekstrem.
Untuk data tunggal:
\[
SR_{Me}=\frac{\jumlah |x_i-Me|}{n}
\]
Untuk data frekuensi:
\[
SR_{Me}=\frac{\jumlah f_i|x_i-Me|}{\jumlah f_i}
\]
Kelebihan dan Batasan Sisihan Min
Berlebihan:
1. Mudah difahami kerana ia menggunakan "jarak purata" dari pusat data.
2. Gunakan semua data (bukan hanya data tertentu).
3. Boleh dikira untuk pelbagai bentuk persembahan data.
Had:
1. Kurang popular berbanding sisihan piawai dalam analisis statistik lanjutan.
2. Penggunaan nilai mutlak menjadikannya kurang mudah untuk beberapa manipulasi algebra.
3. Tidak sekuat sisihan piawai dalam banyak kaedah inferensi.
penutup
Teknik untuk menentukan sisihan min dalam data statistik pada asasnya mengikuti corak yang konsisten: tentukan nilai pusat (min atau median), kira jarak mutlak setiap titik data (atau titik tengah kelas) dari pusat, dan kemudian puratakannya—dengan mengambil kira frekuensi jika data dibentangkan dalam jadual. Sisihan min ialah ukuran serakan yang mudah untuk menerangkan kebolehubahan data secara intuitif. Dengan memahami langkah-langkahnya, anda boleh membandingkan variasi merentasi set data dan menilai kestabilan set data dengan lebih lengkap.
Jika anda mahu, saya boleh membantu anda membuat versi artikel ini dalam format tugasan sekolah (dengan pengenalan–perbincangan–kesimpulan) atau menambah soalan latihan bersama-sama dengan perbincangan.
