Apa Itu Aturan Empiris?

Aturan empiris menyatakan bahwa untuk data yang berdistribusi normal, sekitar 68,27% data berada dalam 1 simpangan baku dari rata-rata, 95,45% dalam 2 simpangan baku, dan 99,73% dalam 3 simpangan baku. Aturan ini juga disebut aturan 68–95–99,7 atau aturan tiga sigma.

Dengan kata lain, aturan empiris menjelaskan arti kurva lonceng dalam praktik: sebagian besar nilai berkumpul di dekat rata-rata, dan hanya sedikit yang jauh darinya. Singkatnya, aturan ini mengatakan:

  • Sekitar 68,27% data berada dalam 1 simpangan baku dari rata-rata (rata-rata ± 1σ).
  • Sekitar 95,45% data berada dalam 2 simpangan baku (rata-rata ± 2σ).
  • Sekitar 99,73% data berada dalam 3 simpangan baku (rata-rata ± 3σ).

Angka 68–95–99,7 yang sudah dikenal luas adalah bentuk pembulatan dari nilai-nilai tepat ini — bentuk yang dipakai hampir semua orang sehari-hari.

Aturan ini berguna bagi pelajar, guru, mahasiswa, analis data, dan siapa saja yang ingin memahami statistika, karena aturan ini mengubah kurva yang abstrak menjadi angka-angka yang mudah dibaca. Kalau Anda ingin mencoba aturan ini dengan angka Anda sendiri, Kalkulator Aturan Empiris menghitungnya dengan cepat dan gratis.

Apa itu aturan empiris?

Distribusi normal membentuk kurva lonceng: bentuk simetris yang puncaknya berada pada rata-rata dan ekornya mengecil ke kedua sisi. Aturan empiris adalah pernyataan tentang luas di bawah kurva itu — luas yang menunjukkan peluang sebuah nilai jatuh dalam suatu rentang.

Nama “empiris” dipakai karena aturan ini lahir dari pengamatan terhadap pengukuran nyata: nilai-nilai terus jatuh dalam proporsi yang sama, lagi dan lagi. Aturan ini juga dikenal sebagai aturan 68–95–99,7 dan aturan tiga sigma — ketiganya merujuk pada hal yang sama.

Diagram berikut merangkum pembagian itu sekilas. Anda bisa menggambar kurva lonceng dengan rata-rata dan simpangan baku Anda sendiri di Generator Kurva Lonceng, atau membaca penjelasan lengkap tentang kurva itu di Kalkulator Distribusi Normal.

Satu hal yang langsung terlihat dari gambar: kurva ini simetris, jadi setiap persentase punya bayangan cerminnya. Separuh dari 68,27% — yaitu 34,13% — berada di antara rata-rata dan satu simpangan baku di atasnya, dan 34,13% lainnya berada di antara rata-rata dan satu simpangan baku di bawahnya. Kedua potongan di antara satu dan dua simpangan baku masing-masing menampung 13,59% — total 27,18%. Kedua potongan di antara dua dan tiga simpangan baku masing-masing menampung 2,14% — total 4,28%. Di luar tiga simpangan baku, hanya tersisa 0,27% data, terbagi rata 0,135% di setiap ekor.

Rumus aturan empiris

Rumus aturan empiris menunjukkan persentase data dalam rentang tertentu pada distribusi normal:

  • Rata-rata ± 1 simpangan baku → 68,27% data.
  • Rata-rata ± 2 simpangan baku → 95,45% data.
  • Rata-rata ± 3 simpangan baku → 99,73% data.

Di sini, rata-rata (μ, dibaca “mu”) adalah nilai tengah data Anda, dan simpangan baku (σ, dibaca “sigma”) mengukur seberapa jauh nilai-nilai biasanya menyebar dari rata-rata itu. Simpangan baku yang kecil berarti sebagian besar nilai berdekatan dengan rata-rata; simpangan baku yang besar berarti nilainya tersebar luas. Untuk distribusi normal yang sempurna, persentase ini bersifat eksak — persentase ini adalah luas sebenarnya di bawah kurva, jadi tidak pernah berubah, berapa pun rata-rata dan simpangan bakunya.

Ditulis dengan simbol, ketiga pernyataan itu menjadi P(μ − σ < X < μ + σ) = 0,6827, P(μ − 2σ < X < μ + 2σ) = 0,9545, dan P(μ − 3σ < X < μ + 3σ) = 0,9973. Simbol P(…) dibaca sebagai peluang: peluang sebuah nilai acak X jatuh dalam rentang itu. Berpikir dengan skor z membuat ini lebih jelas. Jika Anda menggambar kurva lonceng untuk rata-rata dan simpangan baku Anda: nilai yang tepat 1 simpangan baku di atas rata-rata adalah z = +1, yang 2 simpangan baku di atasnya adalah z = +2, dan seterusnya.

Karena kurva simetris, Anda juga bisa membaca satu sisi saja: nilai di bawah μ + σ adalah 50% + 34,13% = 84,13% — jadi nilai yang tepat 1 simpangan baku di atas rata-rata berada pada persentil ke-84,13. Sebaliknya, yang berada di luar μ ± 2σ hanya 4,55% (2,28% di setiap ekor), dan yang di luar μ ± 1σ adalah 31,73% (15,87% di setiap ekor). Angka-angka ini tepat, bukan pembulatan dari 5% dan 32%.

Contoh dengan nilai ujian: sebuah ulangan dinilai 0–10, dengan rata-rata kelas 6,0 dan simpangan baku 1,5. Aturan empiris memberikan [4,5; 7,5] untuk 68,27% siswa, [3,0; 9,0] untuk 95,45%, dan [1,5; 10,5] untuk 99,73%. Perhatikan bahwa rentang 99,73% melampaui nilai maksimum 10 — itu interval teoretis; dalam praktik, nilai tidak bisa melebihi 10.

RentangPersentaseContoh (rata-rata 6,0; SD 1,5)
Rata-rata ± 1 SD68,27%4,5 sampai 7,5
Rata-rata ± 2 SD95,45%3,0 sampai 9,0
Rata-rata ± 3 SD99,73%1,5 sampai 10,5
Di luar ± 3 SD0,27%Di bawah 1,5 atau di atas 10,5

Tabel ini memperjelas cara aturan ini berlaku pada setiap kumpulan data normal. Untuk memahami distribusi normal lebih dalam, baca Kalkulator Distribusi Normal — dan kalau Anda butuh peluang untuk rentang yang bukan kelipatan bulat simpangan baku, Kalkulator Aturan Empiris menghitungnya untuk Anda.

Cara menggunakan aturan empiris

Ikuti lima langkah ini setiap kali Anda ingin menerapkan aturan ini pada data nyata:

  1. Cari rata-rata dan simpangan baku. Hitung rata-rata (μ) data Anda dan seberapa jauh nilai-nilai biasanya menyimpang darinya (σ). Kalau Anda hanya punya data mentah, Kalkulator Aturan Empiris menghitung keduanya untuk Anda.
  2. Periksa bahwa data mendekati normal. Buat histogram — aturan ini hanya bekerja seperti yang dijanjikan untuk data berbentuk lonceng. Jika bentuknya miring, gunakan teorema Chebyshev.
  3. Tambah dan kurangkan simpangan baku. Hitung μ ± σ, μ ± 2σ, dan μ ± 3σ untuk mendapatkan ketiga rentang itu.
  4. Baca persentasenya. Sekitar 68,27% nilai jatuh dalam rentang pertama, 95,45% dalam rentang kedua, dan 99,73% dalam rentang ketiga. Untuk pertanyaan satu sisi, tambahkan 50% dengan separuh pita — misalnya, 50% + 34,13% = 84,13% nilai berada di bawah μ + σ.
  5. Periksa jawaban Anda dengan alat. Gambar kurvanya untuk rata-rata dan simpangan baku Anda sendiri, atau cari peluang tepat untuk batas mana pun dengan Kalkulator Distribusi Normal.

Contoh soal di bawah ini mengikuti tepat kelima langkah ini, supaya Anda bisa melihat masing-masing langkah beraksi.

Contoh soal aturan empiris

Mari lihat aturan empiris beraksi dengan contoh-contoh praktis yang menghidupkan konsep ini. Setiap contoh dimulai dengan rata-rata dan simpangan baku, lalu menerapkan ketiga rentang — dan setiap jawaban bisa diperiksa dengan alat kami.

Contoh 1: Nilai ujian

Misalkan nilai ujian sebuah kelas mengikuti distribusi normal dengan rata-rata 70 dan simpangan baku 10. Aturan empiris memberikan:

  • 68,27% siswa mendapat nilai antara 60 dan 80.
  • 95,45% siswa mendapat nilai antara 50 dan 90.
  • 99,73% siswa mendapat nilai antara 40 dan 100.

Sebaliknya, hanya sekitar 2,5% siswa (tepatnya 2,28%) yang mendapat nilai di atas 90 — itu separuh dari 4,55% yang berada di luar dua simpangan baku. Nilai 85 sendiri berada 1,5 simpangan baku di atas rata-rata (z = 1,5), jadi hanya sekitar 6,68% siswa yang nilainya lebih tinggi. Periksa angka Anda sendiri dengan Kalkulator Aturan Empiris.

Contoh 2: Tinggi badan

Bayangkan tinggi badan orang dewasa mengikuti model normal dengan rata-rata 165 cm dan simpangan baku 7 cm. Model ini bersifat hipotetis — sekadar contoh untuk menunjukkan cara kerja aturan ini, bukan hasil pengukuran nyata. Aturan empiris memberikan:

  • 68,27% orang dewasa tingginya antara 158 dan 172 cm.
  • 95,45% tingginya antara 151 dan 179 cm.
  • 99,73% tingginya antara 144 dan 186 cm.

Seseorang dengan tinggi 200 cm berada 5 simpangan baku di atas rata-rata (z = 5) — sangat langka: sekitar 1 dari 3,5 juta orang (tepatnya 1 dari 3.488.556). Kalau Anda penasaran berapa persen orang yang lebih pendek dari 172 cm, aturan ini memberikan sekitar 84,13% (50% + 34,13%), sehingga 15,87% sisanya lebih tinggi. Gambar kurva untuk tinggi badan Anda sendiri dengan Generator Kurva Lonceng.

Contoh 3: Skor IQ

Skor IQ dirancang mengikuti distribusi normal dengan rata-rata 100 dan simpangan baku 15. Aturan empiris memberikan:

  • 68,27% orang mendapat skor antara 85 dan 115.
  • 95,45% mendapat skor antara 70 dan 130.
  • 99,73% mendapat skor antara 55 dan 145.

Itulah sebabnya skor IQ 130 atau lebih — dua simpangan baku di atas rata-rata — menempatkan seseorang di sekitar 2,28% teratas. Sebaliknya, skor 85 berada tepat pada persentil ke-15,87, karena 15,87% orang mendapat skor di bawah 85. Lihat posisi skor Anda pada kurva dengan Kalkulator Skor Z.

Contoh 4: Waktu pengiriman

Waktu pengiriman sebuah layanan kurir memiliki rata-rata 40 menit dan simpangan baku 6 menit. Dengan asumsi waktu pengiriman mendekati normal, aturan empiris memberikan:

  • 68,27% pengiriman memakan waktu 34 sampai 46 menit.
  • 95,45% memakan waktu 28 sampai 52 menit.
  • 99,73% memakan waktu 22 sampai 58 menit.

Hanya sekitar 0,13% pengiriman yang memakan waktu lebih dari 58 menit, jadi pengiriman selambat itu adalah pencilan sejati yang layak diselidiki. Ini membantu perusahaan menetapkan janji pengiriman yang realistis dan menandai keterlambatan yang bukan sekadar nasib buruk.

Contoh 5: Berat bayi lahir

Berat bayi lahir mengikuti distribusi normal dengan rata-rata 3,2 kg dan simpangan baku 0,4 kg. Aturan empiris memberikan:

  • 68,27% bayi lahir dengan berat antara 2,8 dan 3,6 kg.
  • 95,45% bayi lahir dengan berat antara 2,4 dan 4,0 kg.
  • 99,73% bayi lahir dengan berat antara 2,0 dan 4,4 kg.

Rentang 95% ini — [2,4; 4,0] kg — sering dipakai sebagai gambaran kasar berat lahir yang umum, sementara rentang 68% — [2,8; 3,6] kg — menunjukkan berat yang paling sering ditemui.

Kapan aturan empiris bisa dipakai

Aturan empiris bekerja paling baik untuk data yang mengikuti distribusi yang mendekati normal — pola simetris berbentuk lonceng, di mana rata-rata, median, dan modus berdekatan. Aturan ini juga mengasumsikan Anda mengetahui rata-rata dan simpangan baku, serta bahwa data bersifat kontinu: pengukuran seperti tinggi badan atau waktu, bukan hitungan.

Bagaimana perbandingannya dengan metode lain? Aturan empiris khusus untuk distribusi normal, sehingga persentasenya begitu tepat. Untuk data yang tidak normal, teorema Chebyshev adalah pilihan yang lebih aman: teorema ini menjamin setidaknya 75% nilai berada dalam dua simpangan baku dan setidaknya 88,89% dalam tiga simpangan baku — untuk distribusi apa pun — tetapi itu hanya batas minimum, jadi jauh lebih lebar daripada angka tepat aturan empiris. Perbandingan aturan empiris dan teorema Chebyshev kami menjelaskan kapan memakai masing-masing.

Sebelum mengandalkan aturan ini, periksa apakah data Anda berbentuk lonceng: histogram akan menunjukkan bentuknya dan menandai pencilan apa pun. Definisi yang dipakai di sini mengikuti NIST/SEMATECH e-Handbook of Statistical Methods, referensi standar untuk praktik statistika.

Batasan aturan empiris

Aturan empiris tidak sempurna dan punya beberapa batasan:

  • Distribusi normal wajib: Aturan ini hanya berlaku untuk data berbentuk lonceng dan simetris. Data miring, seperti penghasilan atau waktu hingga gagal, tidak akan mengikuti persentase ini.
  • Ukuran sampel: Kumpulan data kecil (kurang dari 30) mungkin tidak mengikuti distribusi normal, sehingga aturan ini menjadi tidak andal.
  • Eksak atau perkiraan? Untuk distribusi normal yang sempurna, persentasenya eksak: 68,27%, 95,45%, dan 99,73% adalah luas sebenarnya di bawah kurva, bukan perkiraan kasar. Persentase ini menjadi perkiraan hanya ketika data nyata sekadar mendekati normal — dan semakin jauh data menyimpang dari bentuk lonceng, semakin kasar perkiraannya.
  • Pencilan: Nilai ekstrem dapat menggeser rata-rata atau simpangan baku, sehingga memengaruhi hasil.

Sebelum menerapkan aturan ini, gunakan histogram untuk memastikan data Anda berbentuk lonceng.

Rata-rata skor UTBK-SNBT 2025 jenjang S1 adalah 545,78 (SNPMB), tertinggi 819,85, terendah 200,00 — tetapi SNPMB tidak mempublikasikan simpangan baku skor UTBK, sehingga aturan empiris tidak dapat diterapkan langsung pada skor UTBK. Contoh di halaman ini memakai nilai ujian kelas yang rata-rata dan simpangan bakunya diketahui.

Bagaimana cara menghitung interval aturan empiris?

Hitung rata-rata dan simpangan baku data Anda, lalu tambah dan kurangkan simpangan baku dari rata-rata: μ ± 1σ untuk 68,27%, μ ± 2σ untuk 95,45%, dan μ ± 3σ untuk 99,73%. Kalkulator Aturan Empiris melakukan ini seketika untuk angka Anda.

Apakah aturan empiris berlaku untuk semua distribusi?

Tidak. Aturan empiris hanya berlaku untuk distribusi yang mendekati normal — simetris dan berbentuk lonceng. Untuk distribusi miring atau bentuk lain, gunakan teorema Chebyshev, yang berlaku untuk distribusi apa pun tetapi hanya memberikan batas minimum: setidaknya 75% nilai dalam dua simpangan baku dan setidaknya 88,89% dalam tiga simpangan baku.

Apa bedanya aturan empiris dan teorema Chebyshev?

Aturan empiris hanya berlaku untuk distribusi normal, tetapi memberikan persentase yang eksak: 68,27%, 95,45%, dan 99,73%. Teorema Chebyshev berlaku untuk distribusi apa pun, tetapi hanya memberikan batas minimum: setidaknya 75% dalam dua simpangan baku dan setidaknya 88,89% dalam tiga simpangan baku. Jadi Chebyshev lebih umum, tetapi aturan empiris lebih tajam ketika datanya memang normal.

Blue bell-shaped normal distribution curve, symmetric about a vertical line at the centre, showing the bell-shaped data the empirical rule requires

Pertanyaan yang sering diajukan

Aturan empiris menyatakan bahwa untuk data yang berdistribusi normal, sekitar 68,27% data berada dalam 1 simpangan baku dari rata-rata, 95,45% dalam 2 simpangan baku, dan 99,73% dalam 3 simpangan baku. Aturan ini juga disebut aturan 68–95–99,7 atau aturan tiga sigma.

Intervalnya adalah rata-rata ± 1 simpangan baku untuk 68,27% data, rata-rata ± 2 simpangan baku untuk 95,45%, dan rata-rata ± 3 simpangan baku untuk 99,73%. Misalnya, dengan rata-rata 70 dan simpangan baku 10, intervalnya adalah [60, 80], [50, 90], dan [40, 100].

Hitung rata-rata (μ) dan simpangan baku (σ) data Anda, lalu tambah dan kurangkan simpangan baku dari rata-rata: μ ± 1σ, μ ± 2σ, dan μ ± 3σ. Persentasenya selalu 68,27%, 95,45%, dan 99,73%. Kalkulator Aturan Empiris melakukan perhitungan ini seketika.

Karena 68,27% adalah luas sebenarnya di bawah kurva normal dalam 1 simpangan baku dari rata-rata. Angka 68% hanyalah pembulatan yang dipakai sehari-hari; nilai tepatnya adalah 68,27%, begitu juga 95,45% (bukan 95%) dan 99,73% (bukan 99,7%).

Untuk distribusi normal yang sempurna, persentasenya eksak — 68,27%, 95,45%, dan 99,73% adalah luas sebenarnya di bawah kurva. Untuk data nyata yang hanya mendekati normal, angka-angka ini adalah perkiraan yang sangat baik, tetapi tetap perkiraan.

Aturan empiris tidak berlaku untuk data yang tidak berdistribusi normal — misalnya data miring, data dengan dua puncak, atau sampel kecil (kurang dari 30) yang bentuknya belum stabil. Aturan ini juga tidak berlaku jika simpangan baku tidak diketahui, seperti pada skor UTBK, yang simpangan bakunya tidak dipublikasikan SNPMB.

Aturan empiris hanya berlaku untuk distribusi normal, tetapi memberikan persentase yang eksak: 68,27%, 95,45%, dan 99,73%. Teorema Chebyshev berlaku untuk distribusi apa pun, tetapi hanya memberikan batas minimum: setidaknya 75% dalam dua simpangan baku dan setidaknya 88,89% dalam tiga simpangan baku.

Tidak langsung. Rata-rata skor UTBK-SNBT 2025 jenjang S1 adalah 545,78, tertinggi 819,85, dan terendah 200,00 — tetapi SNPMB tidak mempublikasikan simpangan baku skor UTBK. Tanpa simpangan baku, interval aturan empiris tidak bisa dihitung, sehingga aturan ini tidak dapat diterapkan langsung pada skor UTBK.

Jelajahi Alat Lainnya