# Aturan Empiris: Definisi dan Aplikasi *English: Understanding the Empirical Rule: Definition and Application* > Pahami Aturan Empiris (68-95-99.7) dalam statistik untuk memprediksi penyimpangan data dari rata-rata dan aplikasinya dalam kontrol kualitas dan analisis risiko. **Definisi:** Aturan empiris adalah prinsip statistik yang memprediksi bahwa dalam distribusi normal, sebagian besar data akan berada dalam jarak tertentu dari rata-rata, yaitu 68% dalam satu standar deviasi, 95% dalam dua, dan 99.7% dalam tiga. **URL:** https://invespedia.belajarforex.co.id/e/empirical_rule --- ## Poin Penting ## Apa Itu Aturan Empiris? Aturan empiris, yang juga terkadang disebut aturan tiga-sigma atau aturan 68-95-99.7, memprediksi penyimpangan dari mean atau rata-rata data. Aturan ini menunjukkan bahwa 68% observasi akan berada dalam standar deviasi pertama (µ ± σ) dalam distribusi normal, 95% dalam dua standar deviasi pertama (µ ± 2σ), dan 99.7% dalam tiga standar deviasi pertama (µ ± 3σ) dari mean. Aturan ini merupakan komponen vital dalam kontrol kualitas dan analisis risiko. Investopedia / Michela Buttignol ## Memahami Aturan Empiris Aturan empiris sering digunakan dalam statistik untuk memperkirakan hasil akhir. Setelah menghitung standar deviasi dan sebelum mengumpulkan data lengkap, aturan ini dapat digunakan sebagai perkiraan kasar dari hasil data yang akan dikumpulkan dan dianalisis. Distribusi probabilitas ini dapat digunakan sebagai teknik evaluasi karena pengumpulan data yang sesuai mungkin memakan waktu atau bahkan tidak mungkin dalam beberapa kasus. Pertimbangan semacam itu muncul ketika sebuah perusahaan meninjau langkah-langkah kontrol kualitasnya atau mengevaluasi eksposur risikonya. Misalnya, alat risiko yang sering digunakan, value-at-risk (VaR), mengasumsikan bahwa probabilitas kejadian risiko mengikuti distribusi normal. Aturan empiris juga digunakan sebagai cara kasar untuk menguji "kenormalan" suatu distribusi. Jika terlalu banyak titik data jatuh di luar batas tiga standar deviasi, ini menunjukkan bahwa distribusi tersebut tidak normal dan mungkin miring atau mengikuti distribusi lain. Aturan empiris juga dikenal sebagai aturan tiga-sigma, karena "tiga-sigma" mengacu pada distribusi statistik data dalam tiga standar deviasi dari mean pada distribusi normal (kurva lonceng), seperti yang ditunjukkan pada gambar di bawah. ## Contoh Aturan Empiris dalam Aksi Mari kita asumsikan populasi hewan di kebun binatang diketahui terdistribusi secara normal. Setiap hewan hidup rata-rata 13,1 tahun (mean), dan standar deviasi masa hidupnya adalah 1,5 tahun. Jika seseorang ingin mengetahui probabilitas seekor hewan akan hidup lebih dari 14,6 tahun, mereka dapat menggunakan aturan empiris. Mengetahui mean distribusi adalah 13,1 tahun, rentang usia berikut terjadi untuk setiap standar deviasi: Orang yang memecahkan masalah ini perlu menghitung total probabilitas hewan hidup 14,6 tahun atau lebih. Aturan empiris menunjukkan bahwa 68% distribusi berada dalam satu standar deviasi, dalam hal ini, dari 11,6 hingga 14,6 tahun. Dengan demikian, sisa 32% distribusi berada di luar rentang ini. Setengahnya berada di atas 14,6, dan setengahnya lagi di bawah 11,6. Jadi, probabilitas hewan hidup lebih dari 14,6 adalah 16% (dihitung sebagai 32% dibagi dua). ## Menerapkan Aturan Empiris pada Investasi Sebagian besar data pasar tidak terdistribusi secara normal, sehingga aturan 68-95-99.7 umumnya tidak berlaku untuk investasi. Namun, banyak analis menggunakan aspek-aspeknya—seperti standar deviasi—untuk memperkirakan volatilitas. Anda dapat menghitung standar deviasi portofolio Anda, indeks, atau investasi lainnya dan menggunakannya untuk menilai volatilitas. Menghitung standar deviasi investasi tertentu cukup mudah jika Anda memiliki akses ke spreadsheet dan harga atau imbal hasil investasi pilihan Anda. Analis pasar menyatakan standar deviasi dalam bentuk persentase. Misalnya, standar deviasi untuk indeks S&P 500 dari tahun 2015 hingga 2025 adalah 15,37%. Menggunakan spreadsheet, Anda dapat menempelkan imbal hasil, harga, atau nilai ke dalamnya, temukan perubahan persentase dari sesi sebelumnya, dan gunakan fungsi standar deviasi: ### Penting Anda akan mendapatkan hasil yang lebih akurat dengan menggunakan data perdagangan lebih dari satu bulan, seperti tiga tahun atau lebih. Contoh di bawah menggunakan nilai harian indeks selama satu bulan dan menganalisasi standar deviasi untuk membatasi ukuran tabel. Untuk menganalisasi standar deviasi, kalikan dengan akar kuadrat dari jumlah hari perdagangan dalam satu tahun—biasanya ada 252. Berikut adalah perhitungan standar deviasi berdasarkan harga penutupan S&P 500. Jadi, volatilitas tahunan berdasarkan data yang digunakan dalam tabel adalah 20,42%. Semakin tinggi standar deviasi, semakin besar risiko yang diyakini analis pada investasi tersebut. Alternatifnya, Anda dapat menemukan standar deviasi investasi di situs web investasi populer. Misalnya, Morningstar menampilkan standar deviasi S&P 500 dalam pengukuran tiga, lima, dan 10 tahun. ## Jelaskan Seperti Saya Berusia Lima Tahun Aturan empiris menggambarkan bagaimana titik-titik dalam kumpulan data mengelompok di sekitar pusat. Aturan ini didasarkan pada standar deviasi, ukuran seberapa tersebar titik-titik data tersebut. Jika kumpulan data terdistribusi secara normal, aturan empiris memprediksi bahwa 68% data kurang dari satu standar deviasi dari mean. 95% berada dalam dua standar deviasi dari mean, dan 99,7% berada dalam tiga standar deviasi. ## Apa Itu Aturan Empiris? Dalam statistik, aturan empiris menyatakan bahwa dalam distribusi normal, 99,7% data yang diamati akan berada dalam tiga standar deviasi dari mean. Secara spesifik, 68% data yang diamati akan terjadi dalam satu standar deviasi, 95% dalam dua standar deviasi, dan 99,7% dalam tiga standar deviasi. ## Bagaimana Aturan Empiris Digunakan? Aturan empiris diterapkan untuk mengantisipasi hasil yang mungkin terjadi dalam distribusi normal. Misalnya, seorang ahli statistik dapat menggunakannya untuk memperkirakan persentase kasus yang jatuh di setiap standar deviasi. Pertimbangkan bahwa standar deviasi adalah 3,1 dan mean sama dengan 10. Dalam kasus ini, standar deviasi pertama akan berkisar antara (10+3,2)= 13,2 dan (10-3,2)= 6,8. Deviasi kedua akan jatuh antara 10 + (2 X 3,2)= 16,4 dan 10 - (2 X 3,2)= 3,6, dan seterusnya. ## Apa Manfaat Aturan Empiris? Aturan empiris bermanfaat karena berfungsi sebagai sarana untuk memperkirakan data. Hal ini terutama berlaku untuk kumpulan data besar dan yang variabelnya tidak diketahui. ## Intinya Analis menggunakan aturan empiris untuk melihat berapa banyak data yang jatuh dalam interval tertentu dari mean kumpulan data. Analis investasi dapat menggunakannya untuk memperkirakan volatilitas investasi, portofolio, atau dana tertentu. ## FAQ **Apa saja persentase data yang diprediksi oleh aturan empiris dalam distribusi normal?** Aturan empiris memprediksi bahwa 68% data akan berada dalam satu standar deviasi dari mean, 95% akan berada dalam dua standar deviasi, dan 99,7% akan berada dalam tiga standar deviasi. **Kapan aturan empiris berguna dalam analisis keuangan?** Meskipun data pasar seringkali tidak terdistribusi normal, analis dapat menggunakan konsep standar deviasi dari aturan empiris untuk memperkirakan volatilitas investasi atau portofolio. **Bagaimana aturan empiris membantu dalam kontrol kualitas?** Aturan empiris membantu dalam kontrol kualitas dengan memprediksi seberapa banyak produk atau proses yang diharapkan berada dalam batas-batas tertentu dari rata-rata, memungkinkan identifikasi penyimpangan. **Apakah aturan empiris berlaku untuk semua jenis distribusi data?** Tidak, aturan empiris secara spesifik berlaku untuk distribusi data yang normal atau mendekati normal.