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

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

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

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

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. dan Sistematika Penulisan. Metode Browsing Internet. Sistematika Penulisan Untuk mempermudah pembaca mengerti akan maksud dan isi makalah ini. Dalam bab ini juga akan dijelaskan tentang cara membaca nilai dari Ukuran Penyebaran Data beserta Uji Normalitas. 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. 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). BAB III : Dalam bab ini penulis menguraikan tentang penutup yang meliputi kesimpulan dan saran berdasarkan atas pada bab pendahulu. 2. E. Tujuan dan Manfaat Penulisan. 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. Metode Pengumpulan Data 1. Metode Kepustakaan. Rumusan Masalah. Metode Pengumpulan Data.D. Ukuran Penyebaran Data (Kemiringan dan Keruncingan Data) Page 3 .

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

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

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

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. Menggunakan kotak diagram garis. Kemiringan dan Kerunncingan Data a. median dan modus. Menggunakan koefisien Pearson. Kemiringan Distribusi Data Kemiringan adalah derajat atau ukuran dari ketidaksimetrisan suatu distribusi data.D. Menggunakan Momen ketiga. Tiga pola kemiringan distribusi data adalah sebagai berikut: Gambar 1: Grafik Kemiringan Distribusi Data Pengukuran kemiringan suatu distribusi data dapat diketahui dengan beberapa cara. antara lain: Memperhatikan hubungan antara rata-rata hitung.

Tabel 2: Keterangan Rumus Bowley Keterangan : Q1 = Kuartil pertama Q2 = Kuartil kedua Q3 = Kuartil ketiga Q 3 + Q1 . Rumus Momen: .ii.2Q 2 α3 = Q 3 .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 .Q1 Ukuran Penyebaran Data (Kemiringan dan Keruncingan Data) Page 8 . 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.

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

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 .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 .

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

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

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

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

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

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

tapi kalau nilai kurtosisnya besar (salah satu kategori terlalu tinggi) maka tidak normal. Dimana jika skor berada antara -2 dan 2 maka distribusi data normal. Kurtosis=0.96 (sig.Dengan membandingkan antara nilai Statistic Skewness dibagi dengan Std Error Skewness atau nilai Statistic Kurtosis dibagi dengan Std Error Kurtosis. sedangkan Kurtosis dengan tinggi kurva. Z tidak boleh lebih dari 2. uji normalitas dengan Skewness dan Kurtosis juga sering disebut dengan ukuran kemencengan data. Dua nilai ini harus diperhatikan. terlalu datar atau mengumpul di tengah. Skewness berkaitan dengan lebar kurva.022 / 0. Satu istilah dalam Kurva Normal adalah Skewness dan Kurtosis.9 6> -2 Uji normalitas dengan Skewness dan Kurtosis memberikan kelebihan tersendiri. Ukuran Penyebaran Data (Kemiringan dan Keruncingan Data) Page 17 .022 . 1%) dan 1.807 / 0. yaitu bahwa akan diketahui grafik normalitas menceng ke kanan atau ke kiri.833 = -0.58 (sig.427 = 0. 5%). Misal kita peroleh nilai Skewness = 0.427. Untuk Kurtosis rumusnya juga sama.807 . Nilai Kritis (Z) = Skewness / √ (6/N).833 Nilai Ratio Skewness/Std Error Skewness = 0. std error kurtosis = 0.05 < 2 Nilai Ratio Kurtosis /Std Error Kurtosis = -0. Jika data terlihat sebarannya normal. std error skewness =0. Oleh karena itu.

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

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

Sign up to vote on this title
UsefulNot useful