Derajat Kebebasan: Definisi, Makna, dan Contoh

Derajat kebebasan adalah salah satu istilah statistik yang sering terdengar abstrak atau membingungkan pada awalnya. Anda mungkin sudah pernah mendengar istilah ini di suatu buku teks.

Jawaban singkatnya adalah bahwa derajat kebebasan mengukur seberapa besar kebebasan data Anda untuk bervariasi setelah diberlakukan pembatasan tertentu, seperti rata-rata atau total yang ditetapkan. Jika itu terdengar membingungkan, jangan khawatir: Dalam artikel ini, mulai dari bagian berikutnya, saya akan menguraikannya secara rinci. Saya akan menjelaskan mengapa konsep ini ada, dan saya akan memberikan contoh yang jelas agar Anda dapat mempelajarinya dan membangun intuisi yang kuat.

Apa yang Dimaksud dengan Derajat Kebebasan?

Derajat kebebasan merepresentasikan jumlah nilai dalam suatu dataset atau perhitungan yang dapat berubah secara bebas setelah semua kendala diperhitungkan.

Bayangkan Anda diminta memilih tiga angka yang jumlahnya tepat 30. Anda bisa bebas memilih dua angka pertama, tetapi angka ketiga akan otomatis tetap agar totalnya menjadi 30. Ini mengurangi jumlah nilai yang benar-benar bebas untuk bervariasi. Karena itu, derajat kebebasan memberi tahu kita berapa banyak potongan informasi yang independen yang tersisa setelah menerapkan pembatasan.

Cara Menentukan Derajat Kebebasan

Secara umum, derajat kebebasan dihitung sebagai jumlah observasi n dikurangi jumlah kendala atau parameter yang diestimasi dari data.

Berbagai uji statistik menerapkan kendala yang berbeda, itulah mengapa rumusnya bervariasi, seperti n-1 pada uji t satu sampel. Dalam praktik, Anda jarang perlu menghitung derajat kebebasan secara manual, karena perangkat lunak statistik melakukannya secara otomatis. Namun, memahami prinsip umumnya akan sangat membantu Anda menafsirkan hasil dengan benar.

Mengapa Derajat Kebebasan Penting dalam Statistik

Derajat kebebasan ada karena perhitungan statistik sangat bergantung pada estimasi, seperti mean sampel atau varians, yang "mengonsumsi" informasi dari data. Tanpa memperhitungkan kendala ini, estimasi keragaman, interval kepercayaan, p-value, dan lain-lain akan menjadi tidak akurat.

Secara umum, derajat kebebasan yang lebih tinggi cenderung menghasilkan estimasi yang lebih presisi dan interval kepercayaan yang lebih sempit. Derajat kebebasan juga muncul dalam pengujian hipotesis karena menentukan distribusi mana yang digunakan dan seberapa banyak informasi yang dimiliki uji tersebut. Dengan demikian, hal ini langsung memengaruhi keandalan inferensi statistik.

Derajat Kebebasan Dijelaskan dengan Contoh Sederhana

Misalkan Anda memiliki tiga teman yang membagi tagihan restoran sebesar $60. Anda ingin rata-ratanya $20 per orang, jadi Anda mengikuti langkah-langkah berikut:

1. Anda bebas memilih pembayaran pertama sebesar $15.
2. Anda bebas memilih pembayaran kedua sebesar $25.
3. Pembayaran ketiga harus $20 agar rata-ratanya $20, yang menghasilkan total $60.

Jadi meskipun Anda memiliki tiga nilai, hanya dua yang bebas bervariasi. Kita katakan nilai terakhir ditentukan oleh kendala (yaitu rata-rata yang tetap). Karena itu, derajat kebebasan di sini sama dengan 3-1=2.

Ini menunjukkan bahwa jumlah titik data (3) tidak sama dengan derajat kebebasan (2). Kita katakan kendala tersebut "menggunakan" satu derajat kebebasan.

Derajat Kebebasan dalam Uji Statistik yang Umum

Pada bagian ini, saya akan menunjukkan beberapa contoh derajat kebebasan dalam uji statistik yang umum dan cara menggunakannya.

Derajat kebebasan dalam uji t

Untuk uji t satu sampel, derajat kebebasan = n - 1. Dalam kasus ini, satu derajat kebebasan terpakai karena kita mengestimasi mean sampel dari data. Untuk ukuran sampel yang lebih besar, kita mendapatkan df yang lebih tinggi dengan uji t yang lebih andal.

Derajat kebebasan dalam uji chi-square

Dalam uji chi-square goodness-of-fit, derajat kebebasan = jumlah kategori - 1. Jadi, kendalanya adalah bahwa total frekuensi teramati harus sama dengan total frekuensi harapan.

Derajat kebebasan dalam ANOVA

Dalam ANOVA satu arah, derajat kebebasan terbagi antara-antar kelompok (k-1, di mana k adalah jumlah kelompok) dan dalam-kelompok (N-k, di mana N = total ukuran sampel). Ini menunjukkan kendala dari rata-rata tiap kelompok dan rata-rata keseluruhan dataset.

Kesalahpahaman Umum tentang Derajat Kebebasan

Di bagian ini, saya akan membahas beberapa anggapan yang paling keliru tentang derajat kebebasan. Pertama dan terutama, derajat kebebasan bukanlah ukuran sampel karena derajat kebebasan biasanya lebih kecil akibat kendala yang menguranginya.

Dengan kata lain, derajat kebebasan tidak sama dengan jumlah variabel atau parameter. Derajat kebebasan secara khusus menghitung potongan informasi yang independen setelah adanya kendala.

Selain itu, derajat kebebasan yang lebih tinggi tidak selalu lebih baik, dan selalu ada kompromi karena derajat kebebasan yang sangat besar dalam beberapa konteks dapat menandakan overfitting atau asumsi yang tidak realistis.

Derajat Kebebasan vs. Ukuran Sampel

Ukuran sampel n adalah jumlah total observasi. Meskipun derajat kebebasan tidak persis sama dengan ukuran sampel, nilainya sangat dipengaruhi oleh ukuran sampel. Ini berawal dari fakta bahwa derajat kebebasan biasanya adalah n dikurangi jumlah kendala atau parameter yang diestimasi. Inilah alasan mengapa df hampir selalu lebih kecil daripada n. Hubungan di antara keduanya ada karena pengestimasian parameter memberlakukan kendala pada data.

Cara Menafsirkan Derajat Kebebasan

Aturan praktisnya adalah fokus lebih sedikit pada perhitungan yang persis dan lebih pada apa yang sebenarnya direpresentasikan oleh kendala tersebut.

Derajat kebebasan yang rendah berarti potongan informasi independen yang lebih sedikit, yang pada gilirannya menghasilkan interval kepercayaan yang lebih lebar dan kekuatan statistik yang lebih rendah. Anda sebaiknya mempercayai keluaran perangkat lunak Anda, tetapi selalu lakukan pemeriksaan kewarasan, seperti menanyakan apakah derajat kebebasan yang dilaporkan masuk akal mengingat ukuran sampel dan uji yang dilakukan.

Kesimpulan

Derajat kebebasan mengukur seberapa banyak informasi yang benar-benar independen tersedia dalam data Anda setelah memperhitungkan semua kendala. Gagasan utama yang perlu diingat sederhana: setiap kali Anda mengestimasi sebuah parameter atau memberlakukan pembatasan, Anda kehilangan satu derajat kebebasan. Oleh karena itu, memahami konsep ini memperkuat intuisi statistik Anda dan membantu Anda menafsirkan hasil uji dengan keyakinan yang lebih besar. Dengan latihan, derajat kebebasan akan terasa jauh kurang misterius dan jauh lebih bermakna.