Kesalahan Standar digunakan untuk mengukur keakuratan statistik estimasi. Ini terutama digunakan dalam proses pengujian hipotesis dan estimasi interval.
Ini adalah dua konsep penting statistik, yang banyak digunakan dalam bidang penelitian. Perbedaan antara standar deviasi dan kesalahan standar didasarkan pada perbedaan antara deskripsi data dan inferensi.
Grafik perbandingan
| Dasar untuk Perbandingan | Standar deviasi | Kesalahan Standar |
|---|---|---|
| Berarti | Standar Deviasi menyiratkan ukuran dispersi dari set nilai dari rata-rata mereka. | Kesalahan Standar berkonotasi dengan ukuran ketelitian statistik dari suatu estimasi. |
| Statistik | Deskriptif | Inferensial |
| Tindakan | Seberapa banyak pengamatan berbeda satu sama lain. | Seberapa tepat sampel berarti bagi populasi sebenarnya. |
| Distribusi | Distribusi pengamatan tentang kurva normal. | Distribusi perkiraan tentang kurva normal. |
| Rumus | Root kuadrat varians | Simpangan baku dibagi dengan akar kuadrat dari ukuran sampel. |
| Menambah ukuran sampel | Memberikan ukuran standar deviasi yang lebih spesifik. | Mengurangi kesalahan standar. |
Definisi Standar Deviasi
Standar Deviasi, adalah ukuran penyebaran suatu seri atau jarak dari standar. Pada tahun 1893, Karl Pearson menciptakan gagasan deviasi standar, yang tidak diragukan lagi ukuran yang paling banyak digunakan, dalam studi penelitian.
Ini adalah akar kuadrat dari rata-rata kuadrat penyimpangan dari rata-rata mereka. Dengan kata lain, untuk set data yang diberikan, standar deviasi adalah root-mean-square-deviasi, dari rata-rata aritmatika. Untuk seluruh populasi, ini ditunjukkan oleh huruf Yunani 'sigma (σ)', dan untuk sampel, diwakili oleh huruf Latin 's'.
Standar Deviasi adalah ukuran yang mengukur tingkat dispersi dari set pengamatan. Semakin jauh titik data dari nilai rata-rata, semakin besar penyimpangan dalam kumpulan data, yang menunjukkan bahwa titik data tersebar di rentang nilai yang lebih luas dan sebaliknya.
- Untuk data yang tidak diklasifikasikan:
- Untuk distribusi frekuensi yang dikelompokkan:
Definisi Kesalahan Standar
Anda mungkin telah mengamati bahwa sampel yang berbeda, dengan ukuran yang identik, diambil dari populasi yang sama, akan memberikan nilai statistik yang beragam dalam pertimbangan, yaitu rata-rata sampel. Standard Error (SE) menyediakan, standar deviasi dalam nilai yang berbeda dari rata-rata sampel. Ini digunakan untuk membuat perbandingan antara rata-rata sampel di seluruh populasi.
Singkatnya, kesalahan standar suatu statistik tidak lain adalah standar deviasi dari distribusi samplingnya. Ini memiliki peran besar untuk memainkan pengujian hipotesis statistik dan estimasi interval. Ini memberikan gambaran tentang ketepatan dan keandalan estimasi. Semakin kecil kesalahan standar, semakin besar keseragaman distribusi teoretis dan sebaliknya.
- Rumus : Kesalahan Standar untuk mean sampel = σ / √n
Di mana, σ adalah simpangan baku populasi
Perbedaan utama antara standar deviasi dan kesalahan standar
Poin-poin yang dinyatakan di bawah ini adalah substansial sejauh perbedaan antara standar deviasi yang bersangkutan:
- Standar Deviasi adalah ukuran yang menilai jumlah variasi dalam set pengamatan. Kesalahan Standar mengukur keakuratan suatu perkiraan, yaitu itu adalah ukuran variabilitas dari distribusi teoritis suatu statistik.
- Standar Deviasi adalah statistik deskriptif, sedangkan kesalahan standar adalah statistik inferensial.
- Standar Deviasi mengukur seberapa jauh nilai individu dari nilai rata-rata. Sebaliknya, seberapa dekat rata-rata sampel dengan rata-rata populasi.
- Standar Deviasi adalah distribusi pengamatan dengan mengacu pada kurva normal. Terhadap ini, kesalahan standar adalah distribusi estimasi dengan mengacu pada kurva normal.
- Standar Deviasi didefinisikan sebagai akar kuadrat dari varians. Sebaliknya, kesalahan standar digambarkan sebagai standar deviasi dibagi dengan akar kuadrat dari ukuran sampel.
- Ketika ukuran sampel dinaikkan, ini memberikan ukuran standar deviasi yang lebih khusus. Tidak seperti, kesalahan standar ketika ukuran sampel meningkat, kesalahan standar cenderung menurun.
Kesimpulan
Secara umum, standar deviasi dianggap sebagai salah satu ukuran dispersi terbaik, yang mengukur dispersi nilai dari nilai pusat. Di sisi lain, kesalahan standar terutama digunakan untuk memeriksa keandalan dan keakuratan estimasi sehingga, semakin kecil kesalahannya, semakin besar keandalan dan akurasinya.
