P. 1
Analisa Ukuran Penyebaran Data

Analisa Ukuran Penyebaran Data

3.0

|Views: 7,603|Likes:
Dipublikasikan oleh Nara Laywielt's

More info:

Published by: Nara Laywielt's on Sep 25, 2012
Hak Cipta:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

10/04/2015

pdf

text

original

TUGAS MAKALAH STATISTIKA DESKRIPTIF UKURAN PENYEBARAN DATA (KEMIRINGAN DAN KERUNCINGAN

)

MAKALAH
Diajukan untuk memenuhi tugas mata kuliah Statistika Deskriptif

Kelompok 5 : 1. Ade Risma Arianto 2. Mahattir Syarief 3. Rio Setioaji 4. Alfan Zulkarnaen (NIM: 12110457) (NIM: 12111808) (NIM: 12111479) (NIM: 12111478)

5. Aditya Pandu Pradana (NIM: 12110939) 6. Arri Pradala 7. Dede Darmawan 8. Rahmat Solikin 9. Tuvah Nurhakim 10. Ardi Revian Saputra (NIM: 12110989) (NIM: 12110258) (NIM: 12110868) (NIM: 12111182) (NIM: 12110094)

Jurusan Manajemen Informatika Akademi Manajemen Informatika dan Komputer Bina Sarana Informatika Jakarta 2012

KATA PENGANTAR
Dengan mengucapkan Alhamdulillah kehadirat Tuhan Yang Maha Esa, atas segala Rahmat, Hidayah dan bimbingan-Nya, Sehingga kami penulis dapat menyelesaikan Makalah ini. Penulisan makalah ini digunakan untuk memenuhi salah satu syarat kelulusan mata kuliah STATISTIKA DESKRIPTIF sebagai nilai Ujian Akhir Semester (UAS). Pada Makalah ini, kami akan membahas hasil analisa studi yang berkenaan pada pembahasan makalah ini yaitu “UKURAN PENYEBARAN DATA (kemiringan dan keruncingan distribusi data)”. Oleh karena itu, kami mengucapkan rasa terima kasih kepada: 1. Ibu Ita Dewi Sintawati, selaku Dosen Pada Mata Kuliah STATISTIKA DESKTIPTIF. 2. Teman-teman semua yang telah mendukung dan memberi semangat kepada kami. Semoga bantuan dan dukungan yang telah diberikan kepada kami mendapat balasan serta karunia dari Allah SWT. Kami menyadari penulisan makalah ini jauh dari sempurna, maka dari itu kami berharap saran dan kritik untuk kesempurnaan makalah ini. Akhirnya kami berharap semoga makalah ini dapat memberi manafaat yang sebesar-besarnya bagi kami dan pihak yang memerlukan.

Jakarta,

2012

Penulis

i

....... PENUTUP ................... Sistematika Penulisan ........................................... Kemiringan dan Keruncingan Data ............................................................. A.......................... Pengertian Dispersi Data..................DAFTAR ISI Judul Kata Pengantar ............................... Daftar Isi....................... PENDAHULUAN ............................................. 1 1 1 2 2 3 3 BAB II ................................. D............................................ B............................................................................................................................... G......................................................................................................................... Pengertian Statistika Deskriptif ......................... F............................................................................................... Excel ......................................... E.......................... 4 4 4 5 6 7 11 15 16 BAB III ................................................................................ B.......................................................................................... Latar Belakang .......... PEMBAHASAN .. E....... 18 18 DAFTAR PUSTAKA ii ........................................................................................................ Rumusan Masalah ....... Tujuan dan Manfaat ................................ Metode Pengumpulan Data ............................................. D...................... Cara Membaca Nilai Kurtosis dan Skewness ..................... C.. A......................................... Halaman i ii BAB I .............................................. Uji Normalitas Kurtosis dan Skewness.......... Analisa Ukuran Penyebaran Data Menggunakan MS..................... C.......................................................................................................................................... Kegunaan Ukuran Penyebaran Data ...............................................................

dan sebagai Ukuran Penyebaran Data (Kemiringan dan Keruncingan Data) Page 1 . statistika menjadi semacam alat dalam melakukan suatu riset empiris. Dr.BAB I PENDAHULUAN A. orang dapat saja berargumentasi bahwa ilmu biasanya menggambarkan bagaimana sesuatu itu terjadi. Baru pada tahun 1772-1791. Pendekatan awal yang umumnya digunakan untuk menjelaskan suatu fenomena adalah statistika deskriptif. Misalnya di kantor kelurahan kita mengenal statistik desa.Fisher mengenalkan analisa varians dalam literatur statistiknya. Dalam menganalisis data. pemerintahan Inggris mengeluarkan catatan mingguan tentang kematian dan tahun 1662.W Zimmesman mengenalkan kata statistika dalam bukunya Statistical Account Of Scotland. Tahun 1791-1799. G. Hal itu disebabkan karena sekitar lingkungan kita berada selalu berkaitan dengan Statistik. para ilmuwan menggambarkan persepsinya tentang suatu fenomena. menganalisis dan menginterpretasikan data. di dalamnya memuat keadaan penduduk mulai dari banyak penduduk. Deskripsi yang sudah stabil tentang suatu fenomena seringkali mampu menjelaskan suatu teori. pekerjaan dan jumlah anggota keluarga. Penemuan teori baru merupakan suatu proses kreatif yang didapat dengan cara mereka ulang informasi pada teori yang telah ada atau mengesktrak informasi yang diperoleh dari dunia nyata. (Walaupun demikian. Tahun 1981-1935 R. Di Indonesia Pengantar Statistika telah dicantumkan dalam kurikulum Matematika Sekolah Dasar sejak tahun1975. dikembangkan catatan kelahiran dan kematian. Achenwall menggunakan istilah statistika sebagai kumpulan data tentang negara. Atau dengan kata lain. Latar Belakang Statistika adalah cabang ilmu yang mempelajari tentang bagaimana mengumpulkan. Penggunaan Statistika sudah dikenal sebelum abad 18. bukannya mengapa). pada saat itu negaranegara Babilon. Kemudian pada tahun 1500.E.A. banyak anak. Mesir dan Roma mengeluarkan catatan tentang nama usia dan jenis kelamin. pekerjaanya.

Diantara lain: 1) Pengertian Statistika Deskriptif. 4) Menganalisa Ukuran Penyebaran Data (Kemringan dan Keruncingan) 5) Pengujian Normalitas Kemiringan dan Keruncingan (Kurtosis dan Skewnees) C. Rumusan Masalah Dalam penulisan makalah ini. Manfaat Penulis mengharapkan agar tulisan ini dapat dimengerti oleh pembaca dan pembaca dapat memahami seberapa pentingnya materi Ukuran Penyebaran. Excel dan SPSS. 2) Dengan dibuatnya makalah ini dapat membantu kita dalam memahami penganalisaan tentang data-data statistik dengan menggunakan Software Ms. Ukuran Penyebaran Data (Kemiringan dan Keruncingan Data) Page 2 . Tujuan dan Manfaat Penulisan Tujuan 1) Tujuan dari penulisan ini guna melengkapi dan memenuhi salah satu syarat untuk memperoleh nilai UAS (Ujian Akhir Semester) mata kuliah STATISTIKA DESKRIPTIF. 3) Belajar membuat makalah tentang STATISTIKA DESKRIPTIF dalam materi Ukuran Penyebaran Data. penulis mencoba menguraikan sedikit rumusan permasalahan yang akan dibahas dari materi yang berkaitan dengan tema penulisan makalah. 3) Pengertian Dispersi Data.B. 2) Manfaat mempelajari Statistika Deskriptif.

Metode Pengumpulan Data 1. Metode Kepustakaan. dan Sistematika Penulisan. 2. Tujuan dan Manfaat Penulisan. E. Dalam bab ini juga akan dijelaskan tentang cara membaca nilai dari Ukuran Penyebaran Data beserta Uji Normalitas. Metode Browsing Internet. Pengumpulan data dengan cara membaca buku-buku yang berhubungan dengan masalah yang berkenaan dengan penulisan tugas makalah ini dapat disajikan sebagai bahan pertimbangan untuk mendekati dan meneliti kebenaran antara teori dengan praktek yang ada. Metode Pengumpulan Data. Rumusan Masalah. BAB II : Dalam bab ini akan diuraikan mengenai teori dari materi yang dibahas serta Pembahasan hasil Analisa penulis dalam menganalisa Ukuran Penyebaran Data (Ketajaman dan Keruncingan). Sistematika Penulisan Untuk mempermudah pembaca mengerti akan maksud dan isi makalah ini. Dalam pembuatan Makalah ini penulis melakukan penelitian melalui browsing ke internet supaya Makalah ini dapat menjelaskan secara terperinci atau penambahan wawasan dalam materi yang bersangkutan yaitu Ukuran Penyebaran Data. Ukuran Penyebaran Data (Kemiringan dan Keruncingan Data) Page 3 . maka penulis mengadakan penggolongan secara garis besar sesuai dengan permasalahan yang akan dibahas yaitu : BAB I : Dalam bab pendahuluan ini penulis mencoba menguraikan tentang Latar Belakang.D. BAB III : Dalam bab ini penulis menguraikan tentang penutup yang meliputi kesimpulan dan saran berdasarkan atas pada bab pendahulu.

BAB II PEMBAHASAN A. Pada ilmu statistika. c. Berbagai statistik sederhana. Hal ini melibatkan proses kuantifikasi dari penemuan suatu fenomena. Statistika deskriptif dapat memberikan pengetahuan yang signifikan pada kejadian fenomena yang belum dikenal dan mendeteksi keterkaitan yang ada di dalamnya. Pengertian Statistika Deskriptif Statistika deskriptif adalah tehnik yang digunakan untuk mensarikan data dan menampilkannya dalam bentuk yang dapat dimengerti oleh setiap orang. fluktuasi seperti itu dapat dijadikan model. Ukuran Penyebaran Data (Kemiringan dan Keruncingan Data) Page 4 . Hubungan relasi statistik selanjutnya merupakan hubungan relasi yang menerangkan suatu proporsi perubahan stokastik yang pasti. Mengolah data hasil pengumpulan. Pada ilmu fisika. d. yang sangat berkaitan dengan ekstraksi dan formulasi persamaan matematik tidak menyisakan banyak tempat untuk fluktuasi acak. seperti rata-rata. Tetapi dapatkah statistika deskriptif memberikan hasil yang bisa diterima secara ilmiah? Statistik merupakan suatu alat pengukuran yang berhubungan dengan keragaman pada karakteristik objek-objek yang berbeda . Objek yang belum dikenal tidaklah mewakili populasi objek yang memiliki "quantifiabel feature" melalui penyelidikan. b. Mengumpulkan data/informasi. Statistika Deskriptif adalah ilmu yang mempelajari tentang cara: a. keragaman bisa menjadi hasil dari keberagaman yang lainnya (karena acak atau terkontrol). dihitung dan ditampilkan dalam bentuk tabel dan grafik. Menganalisis data. Namun demikian. Menyajikan data hasil pengolahan.

2. 5. 3. disebut dispersi relatif. Rata-rata dari serangkaian nilai observasi tidak dapat diinterpretasikan secara terpisah dari hasil dispersi nilai-nilai tersebut sekitar rataratanya. Beberapa jenis pengukuran Dispersi adalah sebagai berikut: 1. Jangkauan kuartil dan jangkauan persentil 10-90 Jangkauan kuartil disebut juga simpangan kuartil atau semi antar kuartil atau deviasi kuartil sedangkan jangkauan persentil 10-90 disebut juga rentang persentil 10-90. Makin besar variasi nilai x i . Pengertian Dispersi Data Penyebaran atau dispersi adalah perserakan dari nilai observasi terhadap nilai rata-ratanya. Sedangkan lima bentuk dispersi sebelumnya tidak bisa. Simpangan Rata-Rata (Mean Deviation) Jumlah nilai mutlak dari selisih semua nilai dengan nilai rata-rata dibagi banyaknya data. Jangkauan (Range) Selisih antara batas atas dari kelas tertinggi dengan batas bawah dari kelas terendah.B. Dispersi data digunakan untuk membandingkan penyebaran dua distribusi data atau lebih. Standar Deviasi Akar kuadrat dari varians dan menunjukkan standar penyimpangan data terhadap nilai rata-ratanya. Varians (Variance) Rata-rata hitung deviasi kuadrat setiap data terhadap rata-rata hitungnya. 6. 4. Koefisien Variasi Koefisien Variasi. makin kurang representatif rata-rata distribusinya. Ukuran Penyebaran Data (Kemiringan dan Keruncingan Data) Page 5 . Ukuran penyebaran suatu kelompok data terhadap pusat data disebut dispersi atau variasi atau keragaman data. dapat digunakan untuk membandingkan nilai – nilai besar dengan nilai – nilai kecil.

C. misalnya dalam pengujian hipotesis. Kegunaan Ukuran Penyebaran Data Dispersi Data adalah data yang menggambarkan bagaimana suatu kelompok data menyebar terhadap pusatnya data atau ukuran penyebaran suatu kelompok data terhadap pusatnya data. apakah dua sampel berasal dari populasi yang sama atau tidak. Ukuran penyebaran dapat membantu penggunaan ukuran statistika. Ukuran penyebaran dapat digunakan untuk mengadakan perbandingan terhadap variabilitas data. Pusat data seperti rata-rata hitung. Dispersi data sangat penting untuk membandingkan penyebaran dua distribusi data atau lebih. Kegunaan ukuran penyebaran antara lain sebagai berikut : a. maka dikatakan bahwa nilai rata-rata tersebut tidak representatif. Apabila suatu kelompok data mempunyai penyebaran yang tidak sama terhadap nilai rata-ratanya. c. Ukuran penyebaran dapat digunakan untuk menentukan apakah nilai rataratanya benar-benar representatif atau tidak. median dan modus hanya memberi informasi yang sangat terbatas sehingga tanpa disandingkan dengan dispersi data menjadi kurang bermanfaat dalam menganalisa data. b. Ukuran Penyebaran Data (Kemiringan dan Keruncingan Data) Page 6 .

Kemiringan dan Kerunncingan Data a. Tiga pola kemiringan distribusi data adalah sebagai berikut: Gambar 1: Grafik Kemiringan Distribusi Data Pengukuran kemiringan suatu distribusi data dapat diketahui dengan beberapa cara. Menggunakan koefisien Pearson. median dan modus. Rumus Pearson: 1 α = (X − mod) S atau 3 α = (X − med) S Ukuran Penyebaran Data (Kemiringan dan Keruncingan Data) Page 7 . Rumus untuk menghitung derajat kemiringan distribusi data: i.D. Menggunakan kotak diagram garis. Menggunakan Momen ketiga. Kemiringan Distribusi Data Kemiringan adalah derajat atau ukuran dari ketidaksimetrisan suatu distribusi data. antara lain: Memperhatikan hubungan antara rata-rata hitung.

Rumus Bowley: α3 > 0 distribusi data miring ke kanan Rumus ini menggunakan nilai kuartil.i mi = Nilai titik tengah kelas ke – I S = Simpangan baku n = Banyaknya data iii. Rumus Momen: .2Q 2 α3 = Q 3 .ii.Data Berkelompok 1 α3 = Σf i (m i − X ) 3 nS 3 Data tidak Berkelompok α3 1 = (Σ X i − X ) 3 3 nS Tabel 1: Keterangan Rumus Momen Keterangan : Ketentuan : α3 = 0 distribusi data simetris α3 < 0 distribusi data miring ke kiri α3 = Derajat kemiringan Xi = Nilai data ke – i = Nilai rata-rata hitung fi = Frekuensi kelas ke . Tabel 2: Keterangan Rumus Bowley Keterangan : Q1 = Kuartil pertama Q2 = Kuartil kedua Q3 = Kuartil ketiga Q 3 + Q1 .Q1 Ukuran Penyebaran Data (Kemiringan dan Keruncingan Data) Page 8 .

b. Platikurtis : Distribusi data yang puncaknya terlalu rendah dan terlalu mendatar. Ada tiga jenis derajat keruncingan: i. Keruncingan Distribusi Data Keruncingan distribusi data adalah derajat atau ukuran tinggi rendahnya puncak suatu distribusi data terhadap distribusi normalnya data. Gambar 2: Grafik Keruncingan Distribusi Data Ukuran Penyebaran Data (Kemiringan dan Keruncingan Data) Page 9 . Keruncingan distribusi data disebut juga kurtosis. Leptokurtis : Distribusi data yang puncaknya relatif tinggi ii. Mesokurtis : Distribusi data yang puncaknya normal iii.

Derajat keruncingan distribusi data α4 dapat dihitung berdasarkan rumus berikut : - Data Berkelompok : α4 - 1 = Σf i (m i − X ) 4 nS 4 1 = nS (Σ X i − X ) 4 Data tidak Berkelompok : α4 4 Tabel 3: Keterangan Rumus Keruncingan Data Keterangan : α4 = Derajat keruncingan Xi = Nilai data ke – i fi = Frekuensi kelas ke .i mi = Nilai titik tengah kelas ke – i S = Simpangan baku n = Banyaknya data Ketentuan : α4 = 3 distribusi keruncingan data disebut mesokurtis α4 > 3 distribusi keruncingan data disebut leptokurtis α4 < 3 distribusi keruncingan data disebut platikurtis Ukuran Penyebaran Data (Kemiringan dan Keruncingan Data) Page 10 .

Analisa Ukuran Penyebaran Data Menggunakan Ms.. Gambar 3: Analisa Kemiringan Distribusi Data Menggunakan EXCEL Ukuran Penyebaran Data (Kemiringan dan Keruncingan Data) Page 11 . Secara perhitungan.. Analisa Kemiringan Distribusi Data (Skewness) Skewness adalah derajat ketidaksimetrisan suatu distribusi.) Dimana : Number1.. bukan argumen yang dipisahkan oleh koma. skewness adalah momen ketiga terhadap mean.E. Distribusi normal dan distribusi simetris lainnya. Cara penulisan rumus skewness di excel : Skew (number1.. Jika kurva frekuensi suatu distribusi memiliki ekor yang lebih memanjang ke kanan (mengacu dari meannya) maka disimpulkan menceng kanan (positif) dan jika distribusi memiliki ekor yang lebih memanjang ke kiri maka dapat disimpulkan menceng kiri (negatif). Excel 1. berupa1-255 argumen yang Kita ingin hitung skewnessnya. Kita juga dapat menggunakan array tunggal atau referensi ke array. number2.. number2 . misalnya distribusi t memiliki skewness 0.

yang lebih datar Platikurtik dan distribusi normal disebut Mesokurtik. .2.. dapat berupa 1-255 argumen yang ingin dihitung kurtosisnya. Anda juga dapat menggunakan array tunggal atau referensi ke array. number2. bukan argumen yang dipisahkan oleh koma.) Dimana : Number1.. Analisa Keruncingan Distribusi Data (Kurtosis) Kurtosis adalah derajat keruncingan suatu distribusi (biasanya diukur relatif terhadap distribusi normal). Kurva yang lebih runcing dari distribusi normal dinamakan Leptokurtik. number2. Cara penulisan rumus kurtosis di excel : Kurt (number1. Gambar 4: Analisa Keruncingan Distribusi Data Menggunakan EXCEL Ukuran Penyebaran Data (Kemiringan dan Keruncingan Data) Page 12 .... Kurtosis dihitung dari momen keempat terhadap mean.

Sum. Mode. Range. Kurtosis. Variance. dan Count. Median. Gambar 5: Analisa Statistika Deskriptif Ukuran Penyebaran Data Menggunakan EXCEL #Nilai Mode tidak diketahui karena Nilai umumnya tidak ada.3. tanpa melakukan analisis dan membuat kesimpulan yang berlaku untuk umum. dan menghitung ukuran penyebaran dan pemustan data seperti: Mean. histogram dll. diagram lingkaran. grafik garis maupun batang. Minimum. Dalam Statistik Deskriptif ini akan dikemukakan cara-cara penyajian data. Standard Deviation. dengan tabel biasa maupun distribusi frekuensi. Ukuran Penyebaran Data (Kemiringan dan Keruncingan Data) Page 13 . Analisa Ukuran Penyebaran Data Statistik Deskriptif adalah Statistik yang berfungsi untuk mendeskripsikan atau memberikan gambaran terhadap objek yang di teliti melalui data sampel atau populasi sebagaimana adanya. Maximum. Skewness.

sama dengan fungsi Median. Nilai Terbesar. Standar Error Median Mode Standar Deviation Sample Varians Perkiraan kesalahan dalam sampel Mean. Sama seperti fungsi STDEV. Ukuran Penyebaran Data (Kemiringan dan Keruncingan Data) Page 14 . Sama seperti fungsi VAR. Skewness Indeks apakah nilai-nilai yang di salah satu ujung distribusi. Range Minimum Maximum Sum Count Perbedaan antara maksimum dan minimum. Sama seperti fungsi KURT. Sama seperti fungsi Rata-rata. Jumlah dari semua nilai.Keterangan: Tabel 4: Keterangan Analisa Statistika Deskriptif Penyebaran Data Mean Mean aritmetik atau dikenal sebagai rata-rata. Sama seperti fungsi SUM. Nilai yang paling umum. Kurtosis Mengukur berat dari ekor distribusi. Sama seperti fungsi SKEW. Sama seperti fungsi menghitung. Nilai Terkecil. Nilai di tengah. Sebuah ukuran variabilitas data. Jumlah total nilai. Kuadrat dari standar deviasi.

Ukuran Penyebaran Data (Kemiringan dan Keruncingan Data) Page 15 . sk < 0 kemiringan ke kanan. Jika nilai kurtosis dekat nol maka data cenderung normal. untuk data yang berdistribusi normal. Apabila nilai sk = 0. dan sk > 0 kemiringan ke kiri. Sebagai contoh misalnya.06. Maka nilai kurtosis positif yang lebih besar dari nol dan cukup jauh dari nol. dan apabila nilai kurtosis semakin kecil. Apabila skewness menunjukkan simetri maka dikatakan data membentuk distribusi normal. Berarti data cenderung berdistribusi normal atau hampir normal. akan tetapi tidak jauh dari nilai. 2. Nilai Kurtosis Kurtosis diartikan sebagai keruncingan distribusi data. selanjutnya apabila kemiringan distribusi data condong ke kiri yang ditunjukkan bahwa nilai skewness positif.807 adalah artinya merupakan nilai negatif. Nilai Skewness Skewness diartikan sebagai kemiringan distribusi data. maka menunjukkan data semakin tumpul (semakin menyebar dikatakan data tidak homogen). Semakin runcing nilai kurtosis akan menunjukkan data hampir mengumpul (homogen). Oleh karena itu.F. Jika diketahui nilai ku = 1. maka menunjukkan data berdistribusi normal. Yang dimaksud dengan kemiringan data adalah besarnya pembagian data atau rata-rata sebaran data yang biasanya di wujudkan denan bentuk lonceng. jika diperoleh nilai sk = -0. apabila nilai kurtosis negative berarti datanya tumpul atau cenderung melebar ke bawah. Akan tetapi apabila nilai kurtosis 0 menunjukkan data normal. apabila kemiringan distribusi data agak condong ke kanan ditunjukkan dengan nilai skewness yang negative. Cara Membaca Nilai Kurtosis dan Skewness 1. sebaliknya apabila nilai kurtosis positif maka datanya bersifat runcing atau cenderung mengelompok (homogen). Sebagai contoh. dikatakan datanya cenderung runcing atau dengan kata lain cenderung homogen. Begitu juga jika kita terapkan pada Skewness.

Metode statistik klasik dalam pengujian normalitas suatu data tidak begitu rumit. sudah dapat diasumsikan berdistribusi normal. 3. 2. Oleh karena itu. Kolmogorov Smirnov untuk 1-sample K-S. Uji normalitas berguna untuk menentukan apakah data yang telah dikumpulkan merupakan distribusi normal atau bukan. Karena belum tentu data yang lebih dari 30 bisa dipastikan berdistribusi normal. Kolmogorov-Smirnov dengan pendekatan koreksi Lillifors. terlalu datar atau mengumpul di tengah. data yang banyaknya lebih dari 30 (n > 30). Cara dalam menguji Normalitas dari nilai Skewness dan Kurtosis yang diperoleh : Uji normalitas dengan Skewness dan Kurtosis mempunyai kelebihan yang tidak didapat diperoleh dari uji normalitas yang lain. demikian juga yang kurang dari 30 belum tentu tidak berdistribusi normal. Berdasarkan pengalaman empiris ahli statistik. Tetapi untuk memberikan kepastian data merupakan distribusi normal atau tidak. Dimana dengan uji skewness/kurtosis akan dapat diketahui diketahui grafik normalitas menceng ke kanan atau ke kiri. sebaiknya digunakan uji normalitas. Uji Normalitas Skewness dan Kurtosis Salah satu uji statistik adalah uji normalitas data. untuk itu perlu suatu pembuktian. Pengujian normalitas akan mengarahkan teknik statistik apa yang akan digunakan untuk uji pengambilan keputusan (statistisk inferensi).G. Berikut ini Beberapa Cara yang umum pada pengolahan data menggunakan SPSS dalam menguji normalitas data : 1. Ukuran Penyebaran Data (Kemiringan dan Keruncingan Data) Page 16 . uji normalitas dengan Skewness dan Kurtosis juga sering disebut dengan ukuran kemencengan data. Dengan melihat hasil nilai skewness kurtosis yang didapat melalui statistik deskriptif.

yaitu bahwa akan diketahui grafik normalitas menceng ke kanan atau ke kiri. Dua nilai ini harus diperhatikan. terlalu datar atau mengumpul di tengah. Untuk Kurtosis rumusnya juga sama.Dengan membandingkan antara nilai Statistic Skewness dibagi dengan Std Error Skewness atau nilai Statistic Kurtosis dibagi dengan Std Error Kurtosis.96 (sig. sedangkan Kurtosis dengan tinggi kurva.05 < 2 Nilai Ratio Kurtosis /Std Error Kurtosis = -0. tapi kalau nilai kurtosisnya besar (salah satu kategori terlalu tinggi) maka tidak normal. Ukuran Penyebaran Data (Kemiringan dan Keruncingan Data) Page 17 . std error kurtosis = 0. Jika data terlihat sebarannya normal.9 6> -2 Uji normalitas dengan Skewness dan Kurtosis memberikan kelebihan tersendiri. Misal kita peroleh nilai Skewness = 0. Dimana jika skor berada antara -2 dan 2 maka distribusi data normal. std error skewness =0. 1%) dan 1. uji normalitas dengan Skewness dan Kurtosis juga sering disebut dengan ukuran kemencengan data.833 = -0. Kurtosis=0. Satu istilah dalam Kurva Normal adalah Skewness dan Kurtosis. Oleh karena itu.427. 5%).022 . Skewness berkaitan dengan lebar kurva. Nilai Kritis (Z) = Skewness / √ (6/N).58 (sig.427 = 0. Z tidak boleh lebih dari 2.833 Nilai Ratio Skewness/Std Error Skewness = 0.807 .807 / 0.022 / 0.

Oleh karenanya pemakai statistik deskriptif tidak dapat mengambil kesimpulan yang umum atas data yang terbatas. Kesimpulan yang dapat diambil. 2. median dan modus) hanya memberi informasi yang sangat terbatas. Pusat data (rata2. Statistika Deskriptif memberikan informasi yang terbatas. terbatas atas data yang ada. yaitu memberi informasi yang terbatas pada data apa adanya. 2. Kedua. dispersi data sangat penting untuk membandingkan penyebaran dua distribusi data atau lebih. Untuk Penaksiran (Forecasting) 3. Selain itu juga dengan statistika kita bisa meramalkan keadaan yang akan datang berdasarkan data masa lalu.BAB III PENUTUP Statistika dipelajari di berbagai bidang ilmu karena statistika adalah sekumpulan alat analisis data yang dapat membantu pengambil keputusan untuk mengambil keputusan berdasarkan hasil kesimpulan pada analisis data dari data yang dikumpulkan. Memperoleh gambaran suatu keadaan atau persoalan yang sudah terjadi. Untuk Pengujian (Testing Hypotesa) Sedangkan Pentingnya mempelajari Dispersi data didasarkan pada 2 pertimbangan: 1. Kegunaan mempelajari ilmu Statistik adalah: 1. Ukuran Penyebaran Data (Kemiringan dan Keruncingan Data) Page 18 .

jilid 1 Chap. 1994 Haryono Subiyakto. 1991 Ronald E Walpole. Supranto. Richard dan David Rubin. Seri Diktat Kuliah. Teori dan Aplikasi (2001).DAFTAR PUSTAKA Statistika. 1994 Levin. Penerbit Gunadarma. Ukuran Penyebaran Data (Kemiringan dan Keruncingan Data) Page 19 . J. Modul BSI (Bina Sarana Informatika) mata kuliah Statistika Deskriptif. kar. edisi pertama. Bab 05. Elex Media Komputindo. Jakarta. Singgih 2001. 1992 www. Seri Diktat Kuliah. Jakarta. edisi terjemahan. PT Gramedia Jakarta. Prentice Hall. New Jersey. halaman 126 –145 Statistika. Jakarta. Penerbit Gunadarma.com Santoso. Aplikasi Excel dalam Statistik Bisnis. (2000) kar. Statistika 2. halaman 93-134 Bambang Kustituanto dan Rudy Badrudin. Statistics for Management. Wayan Koster.gudangmateri. Pengantar Statistika.6 edisi keenam. Statistika I.

You're Reading a Free Preview

Mengunduh
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->