Koefisien variasi (CV) tidak dapat menjawab pertanyaan yang tidak dapat dijawab oleh standar deviasi saja: apakah kumpulan data ini lebih banyak atau lebih sedikit variabelnya dibandingkan dengan rata-ratanya? Dengan menyatakan penyebaran sebagai persentase rata-rata, CV memungkinkan Anda membandingkan konsistensi antar kumpulan data yang diukur dalam satuan berbeda, pada skala berbeda, atau dengan nilai tipikal yang sangat berbeda.

Cara kerja Kalkulator Koefisien Variasi

Kalkulator menerapkan CV = SD / mean × 100. Saat Anda memasukkan kumpulan data mentah, kalkulator terlebih dahulu menghitung mean dan simpangan baku sampel (membagi simpangan kuadrat dengan n − 1) atau simpangan baku populasi (dibagi dengan n), bergantung pada mana yang Anda pilih. SD tersebut kemudian dibagi dengan mean dan dikalikan 100 untuk menghasilkan persentase CV. Jika Anda sudah mengetahui mean dan SD, tab Dari Mean & SD langsung melompat ke pembagian terakhir tersebut.

Masukan dan artinya

Pada tab CV, tempelkan daftar nilai numerik apa pun yang dipisahkan dengan koma, spasi, titik koma, atau baris baru — entri non-numerik secara otomatis dilewati dan dilaporkan. Pilih Sampel SD ketika data Anda adalah sampel yang digunakan untuk memperkirakan populasi yang lebih besar (kasus yang lebih umum), dan SD Populasi ketika data Anda mewakili seluruh populasi yang Anda pedulikan. Di tab Dari Mean & SD, masukkan mean dan deviasi standar secara langsung jika Anda sudah menghitung atau mendapatkannya — misalnya dari laporan lab atau tabel ringkasan statistik.

Batasan dan kasus tepi

CV tidak terdefinisi ketika meannya nol. CV ditujukan terutama untuk data skala rasio positif; data yang ditandatangani dapat membuat rasio menjadi tidak stabil — kalkulator menandai hal ini alih-alih menampilkan angka yang menyesatkan. CV juga menjadi kurang informatif untuk data yang diukur pada skala interval (seperti suhu dalam Celsius, di mana nol adalah sembarang) dibandingkan skala rasio sebenarnya (seperti berat, harga, atau jumlah). Dan karena CV adalah rasio, kumpulan data dengan mean yang sangat kecil dapat menghasilkan CV yang sangat besar meskipun penyebaran absolutnya kecil — selalu lihat mean dan SD di samping CV, bukan CV secara terpisah.