Contoh

Kurva distribusi normal berbentuk lonceng, artinya titik data cenderung bergerombol di sekitar rerata atau mean. Pertimbangkan tiga orang yang bermain bola basket. Salah satu adalah pemain yang baik, satu adalah pemain yang cukup baik, dan yang ketiga belum pernah bermain bola basket. Kemungkinan besar, pemain yang baik akan mencetak lebih banyak tembakan ke dalam keranjang, dan yang mereka lewatkan akan berada dekat dengan target. Pemain yang cukup baik mungkin akan membuat beberapa tembakan, dengan tembakan yang tidak masuk berada lebih jauh dari keranjang. Dan tembakan pemain pemula kemungkinan akan berada di mana-mana. Data cenderung bergerombol di sekitar rerata, seperti tembakan pemain yang baik yang berkerumun di sekitar keranjang, menciptakan distribusi normal dan menciptakan kurva berbentuk lonceng. Sebaliknya, tembakan pemula yang mendarat di mana-mana adalah contoh distribusi acak yang sama sekali tidak akan menciptakan kurva. Aturan empiris hanya berlaku untuk data yang terdistribusi normal, seperti tembakan pemain yang baik.

Apa itu aturan empiris?

Aturan empiris adalah suatu persamaan yang berusaha untuk memperkirakan di mana data jatuh jika terdapat rerata (rata-rata) dan simpangan baku (jarak dari rerata) dalam distribusi normal.

Kurva distribusi normal (juga disebut kurva Gaussian) sering muncul dalam bisnis, kedokteran, alam, pendidikan, dan analisis saham. Mereka berbentuk lonceng dan simetris (sisi kanan dan kiri sama). Data didistribusikan lebih banyak di sekitar rerata di pusat.

Simpangan baku adalah jarak rata-rata antara setiap titik data dan rerata. Semakin kecil simpangan baku, semakin dekat data akan ke rerata. Semakin besar simpangan baku, semakin jauh data akan dari rerata.

Aturan empiris menyatakan bahwa:

• 68% data dalam sebuah set data akan berada dalam satu simpangan baku dari rerata (antara -1sd dan 1sd)
• 95% data dalam sebuah set data akan berada dalam dua simpangan baku dari rerata (antara -2sd dan 2sd)
• 99,7% data dalam sebuah set data akan berada dalam tiga simpangan baku dari rerata (antara -3sd dan 3sd)

Dengan menggunakan aturan empiris, kita mungkin dapat menentukan kemungkinan data berada dalam rentang tertentu. Aturan empiris memperkirakan bahwa:

• 68% titik data akan berada antara rerata dan satu simpangan baku dari rerata.
• 27% titik data akan berada antara 1-2 simpangan baku dari rerata.
• 4,7% titik data akan berada antara 2-3 simpangan baku dari rerata.
• 0,3% titik data akan berada di luar 3 simpangan baku dari rerata.

Bagaimana aturan empiris dapat berguna?

Dalam perdagangan, baik analisis fundamental (penelitian tentang perusahaan, industri, pesaing, produk, berita, politik, dll.) maupun analisis teknis (menganalisis pergerakan aset untuk mencoba memprediksi pergerakan masa depan) adalah cara para trader mencoba menentukan apakah harga saham atau sekuritas akan naik atau turun.

Aturan empiris adalah alat analisis teknis untuk menganalisis risiko dan pengembalian serta memperkirakan peristiwa masa depan yang mungkin dengan mempertimbangkan kemungkinan hasil alternatif. Sebagai contoh, rumus aturan empiris dapat menunjukkan volatilitas historis. Volatilitas historis adalah simpangan baku dari Tingkat Pengembalian Harian Periodik (PDR) – Tingkat perubahan yang suatu aset telah meningkat dan menurun nilainya setiap hari.

Bagaimana simpangan baku berguna?

Simpangan baku memberi tahu kita jarak antara titik data. Tetapi mungkin sulit dilihat jika Anda hanya melihat harga penutupan setiap hari. Simpangan baku dapat memberikan beberapa konteks historis untuk mengenali apakah harga saham tertentu di luar dari yang biasa (outlier), seperti saham yang memiliki pergerakan tiga simpangan baku.

Ketika data lebih tersebar, jarak antara rerata dan simpangan baku akan lebih besar untuk aset yang lebih volatile (harganya memiliki lebih banyak kenaikan dan penurunan setiap hari). Jika data lebih dekat ke rerata, jarak antara rerata dan simpangan baku akan lebih kecil, dan asetnya kurang volatile (harganya memiliki lebih sedikit kenaikan dan penurunan setiap hari).

Rumus aturan empiris apa?

Untuk menggunakan aturan empiris, Anda memerlukan tiga hal:

1 – Seperangkat data. 2 – Rerata (rata-rata) data. 3 – Simpangan baku (jarak antara rerata dan setiap titik data).

Mari kita ambil set data acak:

14, 8, 2, 7, 3, 1

Pertama, Anda perlu menemukan rerata atau rata-rata.

1. Jumlahkan angka-angka tersebut: 14+8+2+7+3+1=35
2. Bagi dengan berapa banyak angka yang ada: 35/6=5,8

Rerata adalah 5,8.

Sekarang temukan varians (simpangan baku kuadrat). Rumus untuk varians adalah:

σ: simpangan baku

σ2: varians

N: ukuran populasi atau total jumlah titik data yang kita gunakan untuk perhitungan.

X: variabel

μ: rerata

Σ: jumlah – ini meminta jumlah

Berikut apa yang dinyatakan oleh persamaan ini dalam bahasa Inggris:

Varians sama dengan jumlah (setiap angka dikurangkan dengan rerata)2 – kemudian dibagi dengan jumlah total nilai data.

σ2: varians = 19,8

Sekarang bahwa Anda tahu variansnya adalah (σ2 = 19,8), Anda dapat mengambil akar kuadratnya untuk mendapatkan simpangan baku.

Simpangan baku σ = 4,4.

Dengan rerata μ sebesar 5,8 dan simpangan baku σ sebesar 4,4, Anda dapat menggunakan aturan empiris untuk menempatkan data dalam kurva lonceng.

Bagaimana menghitung aturan empiris di spreadsheet?

Baik di Excel maupun Google Sheets, kita dapat mengimpor data saham secara langsung dan menemukan simpangan baku untuk memvisualisasikan volatilitas saham. Contoh ini menggunakan Google Sheets.

1. Buat Lembar.

Di sel A1, mulailah dengan rumus berikut untuk menarik data penutupan saham selama satu tahun dari saham pilihan Anda dengan memasukkan kode saham apa pun dalam rumus ini.

=GOOGLEFINANCE(“TCEHY”,”close”,today()-365,today())

Data Anda akan dimuat dengan tanggal di kolom A dan data penutupan di kolom B selama 252 hari penutupan, yang merupakan jumlah hari perdagangan dalam setahun.

Buat judul untuk kolom C, D, dan E untuk distribusi, rerata, dan simpangan baku seperti di bawah ini:

Mari temukan rerata. Di sel D2, masukkan rumus berikut untuk menghitung rata-rata:

=AVERAGE(B2:B252)

Sekarang kita perlu menemukan simpangan baku. Di sel E2, masukkan rumus berikut untuk menghitung simpangan baku.

=STDEV(B2:B252)

Kita perlu menemukan distribusi data kita. Masukkan rumus berikut di sel C2.

=NORMDIST(B2,$D$2,$E$2,false)

Kemudian klik dan tarik sudut kanan bawah sel B2 ke B252 untuk mengisi sel-sel.

Untuk membuat grafik kurva lonceng, pilih data dalam kolom B dan C dari baris 2 hingga baris 252.

Klik ‘sisipkan grafik.’

Pilih Grafik Sebar.

Anda juga dapat menghitung Periodic Daily Returns dari data penutupan.

Pergi ke kolom F dan buat judul PDR untuk Periodic Daily Returns.

Kemudian turun satu sel ke F3. Gunakan rumus

=LN(B3/B2)

Tarik sudut kanan bawah sel F3 ke bawah kolom untuk mengisi semua sel dalam kolom F dengan PDR.

Anda dapat menemukan nilai persentase untuk pergerakan 1, 2, dan 3 simpangan baku dengan rumus berikut.

Untuk menemukan pergerakan Lower (-1) simpangan baku gunakan rumus ini, =AVERAGE(F:F)-1*STDEV(F:F) Catatan: Rumus ini ada di sel H11, tetapi Anda dapat menempatkannya di sel mana saja yang Anda inginkan.

Untuk menemukan pergerakan 1 simpangan baku atas, ubah tanda minus menjadi plus: =AVERAGE(F:F)+1*STDEV(F:F)

Ulangi untuk 2 dan 3 dengan mengganti 2 dan 3 dalam rumus. Untuk pergerakan 2 SV lebih rendah =AVERAGE(F:F)-2STDEV(F:F) Untuk pergerakan 2 SV lebih atas =AVERAGE(F:F)+2STDEV(F:F) Untuk pergerakan 3 SV lebih rendah =AVERAGE(F:F)-3STDEV(F:F) Untuk pergerakan 3 SV lebih atas =AVERAGE(F:F)+3STDEV(F:F)

Anda dapat menampilkan semua pergerakan simpangan sebagai persentase dengan menghighlight setiap sel dan mengklik % di toolbar.

Dan sekarang Anda memiliki beberapa data statistik yang dapat Anda bandingkan dengan aset lain untuk volatilitas historis.

Ini hanya pengantar dasar tentang bagaimana Anda dapat menggunakan simpangan baku untuk melihat pergerakan saham dan volatilitas historis. Ada banyak hal lain yang bisa Anda lakukan. Anda dapat mengatur lembar Anda sesuai keinginan Anda. Misalnya, Anda dapat menampilkan nilai deviasi dalam dolar, dan Anda dapat menemukan pecahan deviasi seperti 0,5. Semua data saham adalah data langsung, yang berarti akan berubah setiap hari dan diperbarui. Anda juga dapat menggunakan lembar yang sama untuk menarik data dari saham lain. Cukup ubah kode saham dalam rumus pertama. Sebagai contoh, masukkan kode saham Amazon dalam lembar yang sama, lembar akan diisi dengan data waktu nyata untuk Amazon. =GOOGLEFINANCE(“AMZN”,”close”,today()-365,today())

Apa itu bukti empiris?

Bukti empiris adalah setiap informasi yang dapat Anda kumpulkan melalui proses pengamatan, eksperimen, atau penggunaan indera manusia.

Memperoleh bukti empiris merupakan langkah penting dalam metode ilmiah, karena memberikan peneliti kesempatan untuk mengumpulkan, mengatur dan mempelajari data yang dihasilkan dari pekerjaan mereka. Dalam metode ilmiah, peneliti memulai dengan membentuk hipotesis, atau pertanyaan yang mendidik. Anda dapat mendukung atau menyangkal hipotesis dengan pengamatan atau eksperimen, yang keduanya menghasilkan bukti empiris. Setelah Anda memperoleh dan mengubah bukti menjadi data empiris, itu kemudian dapat memvalidasi atau membatalkan teori yang dihipotesiskan.

Kegunaan untuk bukti empiris

Penelitian dan eksperimen adalah cara paling umum untuk menemukan dan menggunakan bukti empiris. Pengujian menyeluruh terhadap teori-teori ilmiah dan bukti empiris berikutnya telah memberikan data untuk penciptaan berbagai teknologi, termasuk fitur keselamatan umum seperti sabuk pengaman, kantung udara, ventilasi udara, alat pemadam kebakaran, dan banyak lagi. Meskipun para ilmuwan umumnya menggunakan bukti empiris dalam pekerjaan mereka, itu muncul dalam disiplin lain seperti:

• Rekayasa
• Penelitian dan Pengembangan
• Psikologi
• Sosiologi
• Pemasaran
• Keuangan

Bagaimana mengidentifikasi bukti empiris

Penting bagi para ilmuwan dan peneliti untuk mengenali dengan benar contoh bukti empiris, karena ini memberikan kredibilitas pada proyek penelitian atau eksperimen. Untuk memastikan bahwa Anda dapat secara akurat mengidentifikasi bukti empiris dalam eksperimen atau pengamatan, tanyakan pada diri Anda tiga pertanyaan berikut:

• Dapatkah Anda mendefinisikan kelompok atau fenomena yang diteliti?
• Bisakah Anda menguji ulang eksperimen?
• Apakah peneliti secara jelas mendefinisikan pernyataan tentang proses, alat dan variabel terkontrol yang digunakan untuk menyelesaikan penelitian?

Jika jawaban atas pertanyaan-pertanyaan ini adalah “ya”, maka Anda dapat menyimpulkan bahwa bukti dalam eksperimen atau studi penelitian adalah empiris.

Jenis bukti empiris

Ada dua jenis bukti empiris utama yang dapat Anda gunakan saat melakukan metode ilmiah:

Kuantitatif

Bukti kuantitatif mengacu pada segala jenis data yang diwakili melalui angka, dan itu menciptakan data numerik. Seorang peneliti kemudian dapat menganalisis data ini untuk membuat kesimpulan ilmiah. Bukti kuantitatif hadir di hampir semua jenis penelitian, dan biasanya kurang rentan terhadap bias karena bukti Anda dapat membuktikan atau menyangkal bukti menggunakan matematika dan statistik. Bukti kuantitatif lebih umum dalam eksperimen daripada dalam pengamatan.

Kualitatif

Bukti kualitatif adalah data yang tidak dapat diukur oleh peneliti secara numerik. Anda dapat mengumpulkan bukti kualitatif melalui pengamatan perilaku manusia dan hewan. Sementara para ilmuwan sering mengumpulkan penelitian kualitatif sebagai bagian dari eksperimen mereka, pengamatan ini juga umum dalam penelitian ilmu sosial, pemasaran, dan keuangan, karena ketiga bidang ini membahas perilaku manusia. Penelitian kualitatif terkadang kurang dapat diandalkan dibandingkan penelitian kuantitatif, karena ada lebih banyak peluang untuk bias dalam pelaporan kualitatif. Karena itu, para ilmuwan mungkin lebih suka menggunakan penelitian kualitatif dalam pengamatan daripada dalam eksperimen.

Apa jenis bukti lainnya?

Bukti empiris bukan satu-satunya bentuk bukti yang ada. Sangat membantu untuk mengetahui tentang dua jenis bukti lain yang mungkin Anda temui:

Bukti anekdot

Anda dapat mengumpulkan bukti anekdot melalui cerita pribadi atau pengalaman yang dilaporkan dari seorang individu. Misalnya, seseorang yang mengatakan bahwa mereka telah berbicara dengan hantu adalah bukti paranormal adalah bukti anekdot. Karena hampir tidak mungkin untuk membuktikan atau menyangkal klaim ini, bukti anekdotal jarang ditemukan dalam penelitian ilmiah.

Bukti logis

Bukti logis menggunakan penalaran dan kebenaran universal untuk membuktikan atau menyangkal teori. Penalaran deduktif dapat membantu peneliti membuat kesimpulan dengan bukti logis. Misalnya, penalaran deduktif dapat membantu menentukan hal-hal berikut:

All dogs are canines. Fido is a dog. Therefore, Fido is a canine.

Contoh bukti empiris

Untuk lebih memahami berbagai jenis bukti empiris dan bagaimana peneliti dapat terlibat dengan mereka, mungkin akan membantu untuk melihat contoh berikut:

Penelitian kosmetik kuantitatif

West Palm Beauty adalah perusahaan kosmetik yang ingin membuat pelembab bawah mata baru untuk mengurangi kerutan. Perusahaan telah menghabiskan waktu satu tahun untuk meneliti berbagai bahan yang berpotensi meningkatkan kualitas kulit ketika diterapkan pada area bawah mata. Dengan menggunakan penelitiannya, ia menciptakan formula yang diharapkan akan mengurangi kerutan pada target demografis wanita di atas usia 50 tahun. Untuk mendukung teorinya bahwa bahan-bahan dalam produk akan menghasilkan kulit yang halus, perusahaan perlu melakukan percobaan dan mengukur perubahan tekstur di bawah mata selama interval waktu. Untuk mengukur keberhasilan produk, peneliti mengukur elastisitas kulit subjek tes di area bawah mata setiap hari selama 60 hari. Temuan peneliti dari jenis eksperimen ini adalah bukti empiris kuantitatif.

Penelitian satwa liar kualitatif

Sebuah tim peneliti satwa liar di Universitas Willow sedang mempelajari pola perburuan malam serigala abu-abu di suaka margasatwa. Selama bertahun-tahun, tim telah berusaha melacak serigala abu-abu di malam hari tanpa hasil. Karena serigala menghindari area di mana manusia berada, tim memutuskan untuk membuat rencana observasi alternatif. Agar mereka mengidentifikasi waktu yang lebih disukai serigala untuk berburu, tim memutuskan untuk menggunakan teknik pengamatan untuk lebih memahami perilaku serigala.

Para peneliti mengumpulkan data dengan memasang beberapa kamera night vision di area cagar alam tempat mereka mengetahui perburuan serigala. Kamera bertenaga surya dan diprogram untuk mulai syuting saat matahari terbenam setiap malam selama 30 hari. Rekaman observasi yang dihasilkan adalah bukti empiris kualitatif.