Kalkulator Teorema Chebyshev
Teorema Chebyshev menjamin bahwa setidaknya 1 − 1/k² data berada dalam k simpangan baku dari rata-rata — untuk distribusi APAPUN bentuknya. Masukkan k di atas untuk melihat proporsi minimum yang dijamin dan intervalnya, atau masukkan persentase target untuk mencari k yang dibutuhkan.
Apa itu teorema Chebyshev?
Teorema Chebyshev — juga disebut Pertidaksamaan Chebyshev atau Pertidaksamaan Bienaymé–Chebyshev — berbunyi: untuk sebarang variabel acak dengan rata-rata μ dan simpangan baku σ yang berhingga, peluang nilainya menyimpang dari rata-rata sejauh k simpangan baku atau lebih adalah paling banyak 1/k². Ditulis sebagai pertidaksamaan: P(|X − μ| ≥ kσ) ≤ 1/k². Dengan kata lain, setidaknya 1 − 1/k² data berada dalam interval [μ − kσ, μ + kσ].
Yang luar biasa dari teorema ini adalah ia berlaku untuk distribusi apa pun bentuknya — normal, miring, bimodal, diskret — asalkan rata-rata dan variansnya ada dan berhingga. Teorema ini dibuktikan oleh matematikawan Rusia Pafnuty Chebyshev pada tahun 1867 (gagasan terkait sudah muncul pada karya Irénée-Jules Bienaymé tahun 1853). Berbeda dengan aturan empiris 68–95–99,7 yang hanya berlaku untuk distribusi normal, teorema Chebyshev tidak menuntut bentuk distribusi apa pun — tetapi sebagai gantinya ia hanya memberi batas bawah (nilai minimum), bukan persentase eksak.
Bagaimana cara memakai teorema Chebyshev?
Ada tiga cara memakai teorema ini, sesuai tiga mode kalkulator di atas. Pertama, dari k: hitung proporsi minimum 1 − 1/k² dan intervalnya [μ − kσ, μ + kσ]. Kedua, dari persentase target: cari k yang dibutuhkan dengan k = 1 ÷ √(1 − p), dengan p proporsi target dalam bentuk desimal. Ketiga, dari interval: hitung k yang tersirat dari interval itu, lalu baca jaminan minimumnya.
Tabel proporsi minimum untuk nilai k yang umum:
| k | Minimum di dalam interval | Maksimum di luar interval |
|---|---|---|
| 1,5 | 55,56% | 44,44% |
| 2 | 75% | 25% |
| 2,5 | 84% | 16% |
| 3 | 88,89% | 11,11% |
| 4 | 93,75% | 6,25% |
| 5 | 96% | 4% |
| 10 | 99% | 1% |
Contoh: nilai ujian dengan rata-rata 60 dan simpangan baku 8. Dengan k = 2, setidaknya 75% nilai berada dalam [44; 76]. Dengan k = 3, setidaknya 88,89% nilai berada dalam [36; 84]. Dengan k = 1,5, setidaknya 55,56% nilai berada dalam [48; 72]. Dengan k = 4, setidaknya 93,75% nilai berada dalam [28; 92]. Perhatikan polanya: menggandakan k dari 2 ke 4 tidak menggandakan jaminannya — jaminan naik dari 75% ke 93,75% karena rumusnya memakai 1/k².
Apa bedanya teorema Chebyshev dan aturan empiris?
Keduanya berbicara tentang sebaran data di sekitar rata-rata, tetapi dengan janji yang berbeda. Aturan empiris memberi persentase eksak — 68,27% dalam 1 simpangan baku, 95,45% dalam 2 simpangan baku, 99,73% dalam 3 simpangan baku — tetapi hanya bila datanya menyebar normal. Teorema Chebyshev memberi proporsi minimum yang dijamin untuk distribusi apa pun, tanpa syarat bentuk. Bandingkan keduanya untuk k yang sama:
| Teorema Chebyshev (minimum) | Aturan empiris (eksak, normal) | |
|---|---|---|
| k = 1 | ≥0% | 68,27% |
| k = 2 | ≥75% | 95,45% |
| k = 3 | ≥88,89% | 99,73% |
Aturan praktisnya: bila Anda tahu datanya menyebar normal, pakai aturan empiris karena angkanya lebih tajam. Bila bentuk distribusinya tidak diketahui — atau datanya jelas tidak normal — pakai teorema Chebyshev, karena jaminannya tetap berlaku. Perbandingan lengkap kedua aturan ini (dalam bahasa Inggris) ada di Empirical Rule vs Chebyshev's Theorem.
Mengapa teorema Chebyshev hanya memberi nilai minimum?
Karena teorema ini harus benar untuk semua distribusi — termasuk distribusi yang sengaja dibuat seburuk mungkin. Ada distribusi yang menumpuk data tepat di batas interval [μ − kσ, μ + kσ] sehingga proporsi di dalamnya persis sama dengan batas bawah 1 − 1/k². Distribusi nyata hampir selalu lebih jinak dari kasus terburuk itu, sehingga persentase sebenarnya lebih besar dari jaminannya.
Contoh dari buku teks OpenStax: biaya buku 20 mahasiswa mempunyai rata-rata 445 dan simpangan baku populasi 113,91. Dengan k = 2, teorema Chebyshev menjamin setidaknya 75% biaya berada dalam [217,18; 672,82]. Kenyataannya, 18 dari 20 mahasiswa (90%) berada di dalam interval itu — jauh di atas jaminan 75%. Jaminan itu adalah lantai, bukan ramalan: ia memberi tahu Anda hal terburuk yang masih mungkin, bukan hal yang paling mungkin.
Kapan teorema Chebyshev tidak berlaku?
Teorema ini sangat umum, tetapi ada batasnya. Pertama, k harus lebih besar dari 1. Untuk k = 1, rumusnya memberi 1 − 1/1² = 0% — jaminan 0% itu benar, tetapi tidak berguna: ia tidak memberi informasi apa pun tentang data Anda. Kedua, variansnya harus berhingga. Distribusi Cauchy — yang ekornya sangat berat — tidak mempunyai rata-rata maupun varians, sehingga teorema Chebyshev tidak berlaku untuknya. Ketiga, teorema memakai parameter populasi (μ dan σ yang sebenarnya). Bila Anda hanya mempunyai simpangan baku sampel, jaminan yang dihitung adalah perkiraan; untuk sampel besar selisihnya kecil. Keempat, teorema tidak mengatakan apa pun tentang bentuk distribusi: ia tidak memberi tahu di mana tepatnya data berada di dalam interval, hanya bahwa setidaknya sekian persen berada di dalamnya.
Contoh soal: gaji bulanan
Gaji bulanan karyawan sebuah perusahaan mempunyai rata-rata Rp 6.000.000 dan simpangan baku Rp 2.000.000. Berapa proporsi karyawan yang gajinya berada dalam 2 simpangan baku dari rata-rata? Dengan k = 2, teorema Chebyshev menjamin setidaknya 75% gaji berada dalam [Rp 2.000.000; Rp 10.000.000]. Dengan k = 3, setidaknya 88,89% gaji berada dalam [Rp 0; Rp 12.000.000]. Batas bawahnya 0 karena gaji tidak mungkin negatif — dan secara matematis 6.000.000 − 3 × 2.000.000 memang tepat 0, jadi tidak ada pemotongan yang dilakukan.
Contoh sebaliknya: Anda ingin menjamin setidaknya 90% nilai ujian berada dalam suatu interval. Berapa k yang dibutuhkan? k = 1 ÷ √(1 − 0,90) = 3,1623. Untuk nilai ujian dengan rata-rata 60 dan simpangan baku 8, intervalnya adalah [34,70; 85,30]. Perhatikan betapa besar k yang dibutuhkan: untuk naik dari jaminan 75% ke 90%, k harus naik dari 2 menjadi 3,1623.
Teorema Chebyshev di Excel
Tidak ada fungsi Excel untuk teorema Chebyshev — dan memang tidak perlu, karena rumusnya hanya dua sel. Misalkan k ada di sel A1, rata-rata di sel B1, dan simpangan baku di sel C1:
- Proporsi minimum: =1-1/A1^2 — untuk k = 2 hasilnya 0,75.
- Batas bawah interval: =B1-A1*C1.
- Batas atas interval: =B1+A1*C1.
- k dari target 90%: =1/SQRT(1-0,9) = 3,1623.
Excel Indonesia memakai nama fungsi berbahasa Inggris dengan pemisah argumen titik koma (;) — tetapi rumus-rumus di atas tidak memakai fungsi dengan argumen, jadi penulisannya sama di semua bahasa Excel.
Kesalahan umum
- Mengira 75% itu nilai eksak. Teorema Chebyshev memberi nilai minimum: setidaknya 75% data berada dalam 2 simpangan baku — kenyataannya bisa 90% atau lebih.
- Memakai k ≤ 1 lalu menyimpulkan teorema tidak berguna. Jaminan 0% pada k = 1 memang benar tetapi kosong; teorema bekerja mulai k > 1.
- Menerapkan teorema pada distribusi tanpa varians. Distribusi Cauchy tidak mempunyai varians — teorema tidak berlaku untuknya.
- Menyamakan teorema Chebyshev dengan aturan empiris. Angka 68–95–99,7 hanya berlaku untuk distribusi normal; teorema Chebyshev berlaku untuk distribusi apa pun tetapi memberi batas bawah.
- Memakai simpangan baku sampel kecil tanpa catatan. Teorema memakai σ populasi; simpangan baku dari sampel kecil adalah perkiraan.
Pertanyaan yang sering diajukan
Apa itu teorema Chebyshev?
Teorema Chebyshev menjamin bahwa setidaknya 1 − 1/k² data berada dalam k simpangan baku dari rata-rata, untuk distribusi apa pun bentuknya — asalkan rata-rata dan variansnya ada dan berhingga.
Berapa proporsi minimum dalam 2 simpangan baku?
Setidaknya 75%: 1 − 1/2² = 1 − 1/4 = 0,75. Paling banyak 25% data berada di luar interval [μ − 2σ, μ + 2σ].
Bagaimana cara mencari k untuk persentase tertentu?
Pakai k = 1 ÷ √(1 − p), dengan p proporsi target dalam bentuk desimal. Untuk target 90% (p = 0,90), k = 3,1623. Untuk target 75%, k = 2.
Apakah teorema Chebyshev berlaku untuk semua distribusi?
Ya — untuk semua distribusi yang rata-rata dan variansnya ada dan berhingga, apa pun bentuknya: normal, miring, bimodal, atau diskret. Pengecualiannya adalah distribusi tanpa varians berhingga, seperti distribusi Cauchy.
Apa bedanya dengan aturan empiris 68–95–99,7?
Aturan empiris memberi persentase eksak (68,27% / 95,45% / 99,73%) tetapi hanya untuk distribusi normal. Teorema Chebyshev memberi proporsi minimum (misalnya ≥75% untuk k = 2) tetapi berlaku untuk distribusi apa pun.
Mengapa k harus lebih besar dari 1?
Karena untuk k ≤ 1 rumusnya memberi jaminan 0% atau negatif. Jaminan 0% itu benar tetapi tidak berguna — ia tidak memberi informasi apa pun tentang data Anda.
Apakah 75% itu nilai eksak atau minimum?
Minimum. Setidaknya 75% data berada dalam 2 simpangan baku; kenyataannya biasanya lebih banyak. Pada contoh biaya buku OpenStax, 90% data berada di dalam interval padahal jaminannya hanya 75%.
Bisakah teorema Chebyshev dipakai untuk skor UTBK?
Tidak langsung. Teorema ini membutuhkan rata-rata dan simpangan baku yang diketahui, dan SNPMB tidak mempublikasikan simpangan baku UTBK. Tanpa σ, interval Chebyshev tidak bisa dihitung.
Langkah Selanjutnya
Teorema Chebyshev Dijelaskan
Pahami teorema Chebyshev dengan contoh soal langkah demi langkah: berapa persen data yang pasti berada dalam 2 atau 3 simpangan baku. Penjelasan mudah.
Baca →Jelajahi Alat Lainnya
Kalkulator Aturan Empiris
Hitung interval 68,27%, 95,45%, dan 99,73% dengan rata-rata dan simpangan baku.
Hitung →Kalkulator Distribusi Normal
Hitung peluang distribusi normal dengan rata-rata dan simpangan baku, lengkap dengan grafik dan nilai z.
Hitung →Kalkulator Simpangan Baku
Hitung simpangan baku sampel dan populasi dari data Anda, lengkap dengan rata-rata dan varians.
Hitung →Sumber: Wolfram MathWorld — Chebyshev's Inequality. Metodologi: metodologi kami. Oleh Afan Shafiq — BS AI student. Diperbarui 18 November 2026.