Rumus Varians: Data Tunggal, Kelompok, dan Contohnya

Ringkasan
- Variansi mengukur penyebaran data dari nilai rata-ratanya.
- Rumusnya dibedakan untuk populasi, sampel, data tunggal, dan kelompok.
- Dalam investasi, variansi membantu memahami risiko perubahan return saham.
Pernah melihat dua kumpulan data dengan rata-rata yang sama, tetapi penyebarannya berbeda? Nah, rumus variansi bisa membantu kamu memahami seberapa jauh nilai-nilai tersebut menyebar dari rata-ratanya.
Yuk, pelajari cara menghitung variansi pada data tunggal dan kelompok, baik untuk populasi maupun sampel. Dengan begitu, kamu bisa memilih rumus yang tepat dan menghindari kesalahan perhitungan!
Variansi Mengukur Seberapa Menyebar Data
Sebelum masuk ke rumus, penting untuk memahami apa yang sebenarnya diukur oleh variansi. Dengan begitu, kamu tidak hanya bisa menghitung hasilnya, tetapi juga memahami makna angka tersebut.
Variansi menunjukkan tingkat penyebaran nilai dalam sekumpulan data terhadap nilai rata-ratanya. Semakin besar variansi, semakin jauh nilai-nilai data tersebar dari rata-rata. Sebaliknya, variansi yang kecil menunjukkan bahwa nilai-nilai data cenderung berdekatan dengan rata-rata.
Sebagai gambaran, bayangkan dua kelompok siswa yang sama-sama memiliki nilai rata-rata 80. Kelompok pertama memperoleh nilai yang berkisar antara 78–82, sedangkan kelompok kedua memiliki nilai antara 60–100. Meskipun rata-ratanya sama, penyebaran nilai kelompok kedua lebih lebar sehingga variansinya cenderung lebih besar.
Menurut NIST/SEMATECH dalam Measures of Scale, variansi digunakan untuk mengukur penyebaran data dan berkaitan dengan kuadrat selisih setiap nilai terhadap rata-ratanya.
Ada beberapa hal penting yang perlu kamu pahami:
Variansi besar: nilai data lebih menyebar dari rata-rata.
Variansi kecil: nilai data cenderung berkumpul di sekitar rata-rata.
Variansi nol: semua nilai dalam kumpulan data memiliki angka yang sama.
Variansi tidak negatif: hasil perhitungannya selalu nol atau lebih besar karena menggunakan kuadrat selisih.
Rumus Variansi Data Tunggal
Setelah memahami konsepnya, sekarang kita masuk ke rumus variansi data tunggal. Jenis perhitungan ini digunakan ketika data yang kamu miliki masih berupa kumpulan angka individual dan belum dikelompokkan ke dalam interval kelas.
Secara umum, terdapat dua jenis rumus variansi data tunggal, yaitu untuk populasi dan sampel. Keduanya memiliki bentuk yang hampir sama, tetapi menggunakan pembagi yang berbeda.
Rumus Variansi Populasi
Variansi populasi digunakan ketika data yang dihitung mencakup seluruh anggota kelompok yang sedang diteliti. Simbol yang digunakan untuk variansi populasi adalah σ² (sigma kuadrat).
Rumus variansi populasi:

Keterangan:
σ² = variansi populasi.
Σ = simbol penjumlahan.
xᵢ = setiap nilai dalam data.
μ = rata-rata populasi.
N = jumlah seluruh data dalam populasi.
Dalam rumus ini, setiap nilai data dikurangi dengan rata-rata populasi. Hasil pengurangan tersebut kemudian dikuadratkan dan dijumlahkan. Setelah itu, hasilnya dibagi dengan jumlah seluruh data.
Rumus Variansi Sampel dan Alasan Dibagi n−1
Berbeda dari populasi, variansi sampel digunakan ketika kamu hanya mengambil sebagian anggota dari kelompok yang lebih besar. Misalnya, kamu ingin mengetahui karakteristik nilai seluruh siswa di sebuah sekolah, tetapi hanya mengumpulkan data dari 30 siswa.
Rumus variansi sampel:

Keterangan:
s² = variansi sampel.
Σ = simbol penjumlahan.
xᵢ = setiap nilai dalam sampel.
x̄ = rata-rata sampel.
n = jumlah data sampel.
n−1 = derajat kebebasan (degrees of freedom).
Mengapa pembaginya menggunakan n−1, bukan n?
Penggunaan n−1 dikenal sebagai koreksi Bessel. Ketika kamu menghitung rata-rata dari sampel, nilai rata-rata tersebut berasal dari data sampel yang sama. Akibatnya, penyebaran data terhadap rata-rata sampel cenderung lebih kecil dibandingkan penyebaran terhadap rata-rata populasi yang sebenarnya.
Dengan membagi jumlah kuadrat selisih menggunakan n−1, perhitungan variansi sampel dapat memberikan estimasi variansi populasi yang tidak bias dalam kondisi pengambilan sampel yang sesuai.
Jadi, ingat perbedaan sederhananya: gunakan N untuk seluruh populasi dan n−1 untuk sampel.
Rumus Singkat Tanpa Menghitung Selisih Satu per Satu
Selain menggunakan rumus dasar, kamu juga bisa memakai rumus varians singkat. Cara ini membantu mempercepat perhitungan, terutama ketika jumlah datanya cukup banyak.
Rumus singkat variansi populasi:

Rumus singkat variansi sampel:

Kedua rumus tersebut menghasilkan nilai yang sama dengan rumus dasar jika digunakan secara tepat. Perbedaannya hanya terletak pada cara menyusun perhitungannya.
Baca Juga: Apa Itu Mark Up? Rumus dan Contohnya
Contoh Menghitung Variansi Data Tunggal Langkah demi Langkah
Sebelum masuk ke perhitungan, perhatikan bahwa satu kumpulan data bisa menghasilkan nilai variansi yang berbeda, tergantung apakah kamu menganggapnya sebagai populasi atau sampel. Lewat contoh lima angka berikut, kamu bisa melihat proses menghitung rata-rata, mencari selisih setiap nilai, hingga mendapatkan hasil variansinya.
4, 6, 8, 10, 12
Kita akan menghitung variansi populasi dan sampel dari kumpulan angka tersebut.

Dari perhitungan tersebut, diperoleh variansi populasi sebesar 8 dan variansi sampel sebesar 10. Perbedaan hasil muncul karena kedua rumus menggunakan pembagi yang berbeda.
Rumus Variansi Data Kelompok
Jika data yang kamu miliki sudah disusun ke dalam interval kelas dan frekuensi, kamu perlu menggunakan rumus variansi data kelompok. Bentuk perhitungannya sedikit berbeda karena setiap interval diwakili oleh nilai tengah kelas.
Rumus dan Notasi Variansi Data Kelompok
Pada data kelompok, nilai tengah kelas digunakan sebagai pendekatan nilai data dalam setiap interval. Sementara itu, frekuensi menunjukkan berapa banyak data yang berada dalam interval tersebut.
Materi Ukuran Simpangan dan Ukuran Variasi dari UNIKOM Repository membahas ukuran penyebaran data, termasuk penggunaan frekuensi dalam perhitungan data berkelompok.
Rumus variansi populasi data kelompok:

Rumus variansi sampel data kelompok:

Keterangan:
fᵢ = frekuensi setiap kelas.
xᵢ = nilai tengah kelas.
μ = rata-rata populasi.
x̄ = rata-rata sampel.
N atau n = jumlah seluruh frekuensi.
Untuk mencari nilai tengah kelas, gunakan rumus:

Perlu diingat, penggunaan nilai tengah merupakan pendekatan. Karena nilai asli setiap data di dalam interval tidak diketahui, hasil variansi data kelompok dapat berbeda dari hasil perhitungan menggunakan seluruh data individual.
Contoh Soal Variansi Data Kelompok
Misalnya, kamu memiliki data nilai ujian 30 siswa yang sudah dikelompokkan seperti berikut.
Interval Nilai | Frekuensi (f) | Nilai Tengah (x) | f × x | f × (x − 65,5)² |
41–50 | 3 | 45,5 | 136,5 | 1.200 |
51–60 | 7 | 55,5 | 388,5 | 700 |
61–70 | 10 | 65,5 | 655 | 0 |
71–80 | 7 | 75,5 | 528,5 | 700 |
81–90 | 3 | 85,5 | 256,5 | 1.200 |
Total | 30 | – | 1.965 | 3.800 |
Dari tabel tersebut, kita bisa menghitung variansi melalui beberapa tahap.

Jadi, variansi populasi data kelompok tersebut sekitar 126,67, sedangkan variansi sampelnya sekitar 131,03.
Variansi vs Standar Deviasi: Kapan Pakai yang Mana?
Setelah mengetahui cara menghitung variansi, kamu mungkin bertanya apa bedanya dengan standar deviasi. Keduanya sama-sama digunakan untuk mengukur penyebaran data, tetapi memiliki bentuk hasil yang berbeda.
Variansi diperoleh dari rata-rata kuadrat selisih nilai data terhadap rata-ratanya. Sementara itu, standar deviasi atau simpangan baku merupakan akar kuadrat dari variansi.
Hubungan keduanya dapat ditulis sebagai berikut:

Misalnya, jika variansi suatu data sebesar 25, standar deviasinya adalah:

Perbedaan variansi dan standar deviasi juga terletak pada satuannya. Variansi menggunakan satuan kuadrat, sedangkan standar deviasi tetap menggunakan satuan asli data. Misalnya, jika data diukur dalam rupiah, variansi dinyatakan dalam rupiah kuadrat dan standar deviasi dalam rupiah. Keduanya juga sensitif terhadap nilai ekstrem (outlier) yang dapat memperbesar hasil perhitungan.
Baca Juga: Apa Itu Total Value Locked (TVL)? Rumus dan Contoh Perhitungannya
Cara Mengecek Hasil Variansi di Excel dan Kesalahan yang Sering Terjadi
Menghitung variansi secara manual memang membantu kamu memahami prosesnya. Namun, jika jumlah data cukup banyak, Microsoft Excel bisa digunakan untuk memeriksa hasil perhitungan agar lebih praktis.
Rumus Variansi di Excel
Excel menyediakan beberapa fungsi untuk menghitung variansi dan standar deviasi. Kamu hanya perlu memilih fungsi sesuai jenis data yang dimiliki.
VAR.P untuk menghitung variansi populasi.
VAR.S untuk menghitung variansi sampel.
STDEV.P untuk menghitung standar deviasi populasi.
STDEV.S untuk menghitung standar deviasi sampel.
Sebagai contoh, masukkan data 4, 6, 8, 10, dan 12 ke dalam satu kolom Excel. Jika ingin menghitung variansi sampel, gunakan:
=VAR.S(4;6;8;10;12)
Hasilnya adalah 10, sama seperti perhitungan manual sebelumnya. Pada beberapa pengaturan regional Excel, pemisah argumen menggunakan koma, bukan titik koma.
Kesalahan yang Sering Terjadi Saat Menghitung Variansi
Sebelum menggunakan hasil perhitungan variansi, pastikan kamu sudah menerapkan rumus dan langkahnya dengan benar. Berikut beberapa kesalahan umum yang perlu kamu hindari:
Salah menghitung rata-rata: Pastikan total data dibagi dengan jumlah data secara tepat.
Lupa menguadratkan selisih: Variansi menggunakan kuadrat selisih setiap nilai dari rata-rata.
Keliru memilih pembagi: Gunakan N untuk populasi dan n−1 untuk sampel.
Salah menentukan nilai tengah kelas: Hitung dari batas bawah dan batas atas setiap interval.
Menyamakan variansi dengan standar deviasi: Variansi merupakan kuadrat dari standar deviasi, bukan nilai yang sama.
Variansi dalam Investasi: Membaca Risiko Return Saham
Selain digunakan dalam pelajaran statistika, variansi juga bermanfaat untuk memahami penyebaran hasil investasi. Salah satu penerapannya adalah melihat seberapa besar perubahan return atau imbal hasil suatu saham dari waktu ke waktu.
Menurut CFA Institute dalam materi Statistical Measures of Asset Returns (2026), ukuran statistik seperti variansi dan standar deviasi membantu investor memahami penyebaran return aset. 'Konsep variansi juga dipakai di pasar saham AS, misalnya dalam CBOE Volatility Index (VIX) yang mengukur ekspektasi volatilitas S&P 500
Misalnya, terdapat dua saham fiktif dengan data return selama lima periode berikut:
Saham A: 2%, −1%, 3%, 0%, dan 1%.
Saham B: 6%, −5%, 8%, −4%, dan 0%.
Kedua saham tersebut memiliki rata-rata return yang sama, yaitu 1%, tetapi tingkat penyebarannya berbeda. Berdasarkan perhitungan variansi sampel, saham A memiliki variansi 2,5 (%²), sedangkan saham B mencapai 34 (%²). Artinya, return saham B lebih berfluktuasi dari rata-ratanya, dengan standar deviasi masing-masing sekitar 1,58% dan 5,83%. Menurut CFA Institute dalam materi Statistical Measures of Asset Returns (2026), variansi dan standar deviasi dapat membantu investor memahami penyebaran return aset.
Konsep ini juga berkaitan dengan teori portofolio modern. Dalam jurnal akademik Portfolio Selection yang diterbitkan Harry Markowitz (1952) di The Journal of Finance, pendekatan mean-variance digunakan untuk mempertimbangkan kombinasi aset berdasarkan return dan risiko portofolio.
Sementara itu, penelitian akademik Mean–Variance Portfolio Selection with Correlation Risk (2014) dalam Journal of Computational and Applied Mathematics membahas peran risiko korelasi dalam pemilihan portofolio. Jadi, selain variansi masing-masing saham, kamu juga perlu memperhatikan kovariansi dan korelasi untuk memahami bagaimana pergerakan return antara set saling berhubungan.
Meski begitu, variansi bukan alat untuk memprediksi return masa depan. Perhitungan ini juga memperlakukan kenaikan dan penurunan return sebagai penyimpangan dari rata-rata, sehingga tidak membedakan keuntungan besar dari kerugian besar. Karena itu, gunakan variansi sebagai salah satu bahan analisis investasi, bukan satu-satunya dasar untuk mengambil keputusan.
Mulai Kenali Risiko Investasi Saham AS Bersama Gotrade
Memahami rumus variansi bisa membantu kamu mengenali penyebaran data dan perubahan return saham. Jika ingin mempelajari pasar saham Amerika Serikat, kamu bisa mengenal berbagai informasi saham dan mulai bertransaksi melalui aplikasi Gotrade. Gunakan informasi yang tersedia sebagai bahan pertimbangan sebelum mengambil keputusan investasi, karena setiap investasi memiliki risiko dan kinerja masa lalu tidak menjamin hasil di masa mendatang.
Referensi
Chiu, M. C., & Wong, H. Y. (2014). Mean-variance portfolio selection with correlation risk. Journal of Computational and Applied Mathematics, 263, 432–444.
CFA Institute. (2026). Statistical Measures of Asset Returns. CFA Institute.
Harry Markowitz. (1952). Portfolio selection. The Journal of Finance, 7(1), 77–91.
NIST/SEMATECH. (n.d.). Measures of Scale. e-Handbook of Statistical Methods.
Universitas Komputer Indonesia (UNIKOM). (n.d.). Ukuran Simpangan dan Ukuran Variasi. Repository UNIKOM.
Disclaimer: PT Valbury Asia Futures Pialang berjangka yang berizin dan diawasi OJK untuk produk derivatif keuangan dengan aset yang mendasari berupa Efek.
Investasi saham berisiko tinggi dan tidak sesuai untuk semua orang. Lakukan analisis pribadi sebelum memutuskan.












