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

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

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

4) Menganalisa Ukuran Penyebaran Data (Kemringan dan Keruncingan) 5) Pengujian Normalitas Kemiringan dan Keruncingan (Kurtosis dan Skewnees) C. 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. Excel dan SPSS. Diantara lain: 1) Pengertian Statistika Deskriptif. Ukuran Penyebaran Data (Kemiringan dan Keruncingan Data) Page 2 . 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.B. penulis mencoba menguraikan sedikit rumusan permasalahan yang akan dibahas dari materi yang berkaitan dengan tema penulisan makalah. 2) Manfaat mempelajari 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. 3) Belajar membuat makalah tentang STATISTIKA DESKRIPTIF dalam materi Ukuran Penyebaran Data.

2. dan Sistematika Penulisan. 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.D. 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. 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). 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. Metode Pengumpulan Data. E. Rumusan Masalah. BAB III : Dalam bab ini penulis menguraikan tentang penutup yang meliputi kesimpulan dan saran berdasarkan atas pada bab pendahulu. Ukuran Penyebaran Data (Kemiringan dan Keruncingan Data) Page 3 . 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. Metode Browsing Internet. Tujuan dan Manfaat Penulisan. Metode Kepustakaan. Metode Pengumpulan Data 1.

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

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

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

Rumus Pearson: 1 α = (X − mod) S atau 3 α = (X − med) S Ukuran Penyebaran Data (Kemiringan dan Keruncingan Data) Page 7 . Kemiringan dan Kerunncingan Data a.D. Rumus untuk menghitung derajat kemiringan distribusi data: i. 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. Kemiringan Distribusi Data Kemiringan adalah derajat atau ukuran dari ketidaksimetrisan suatu distribusi data. median dan modus. antara lain: Memperhatikan hubungan antara rata-rata hitung. Menggunakan koefisien Pearson. Menggunakan kotak diagram garis.

2Q 2 α3 = Q 3 .ii. Rumus Bowley: α3 > 0 distribusi data miring ke kanan Rumus ini menggunakan nilai kuartil.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 . Rumus Momen: .Q1 Ukuran Penyebaran Data (Kemiringan dan Keruncingan Data) Page 8 .i mi = Nilai titik tengah kelas ke – I S = Simpangan baku n = Banyaknya data iii. Tabel 2: Keterangan Rumus Bowley Keterangan : Q1 = Kuartil pertama Q2 = Kuartil kedua Q3 = Kuartil ketiga Q 3 + Q1 .

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

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 .

E. Excel 1.) Dimana : Number1. number2 .. skewness adalah momen ketiga terhadap mean. Kita juga dapat menggunakan array tunggal atau referensi ke array. Gambar 3: Analisa Kemiringan Distribusi Data Menggunakan EXCEL Ukuran Penyebaran Data (Kemiringan dan Keruncingan Data) Page 11 . Analisa Kemiringan Distribusi Data (Skewness) Skewness adalah derajat ketidaksimetrisan suatu distribusi. Secara perhitungan. Distribusi normal dan distribusi simetris lainnya... misalnya distribusi t memiliki skewness 0. berupa1-255 argumen yang Kita ingin hitung skewnessnya. Analisa Ukuran Penyebaran Data Menggunakan Ms. 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.. number2.. bukan argumen yang dipisahkan oleh koma.

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

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

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

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

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

Kurtosis=0.807 / 0. 5%). terlalu datar atau mengumpul di tengah. Dua nilai ini harus diperhatikan.833 Nilai Ratio Skewness/Std Error Skewness = 0.427. yaitu bahwa akan diketahui grafik normalitas menceng ke kanan atau ke kiri. std error kurtosis = 0. Dimana jika skor berada antara -2 dan 2 maka distribusi data normal.96 (sig. Satu istilah dalam Kurva Normal adalah Skewness dan Kurtosis. Nilai Kritis (Z) = Skewness / √ (6/N).Dengan membandingkan antara nilai Statistic Skewness dibagi dengan Std Error Skewness atau nilai Statistic Kurtosis dibagi dengan Std Error Kurtosis.9 6> -2 Uji normalitas dengan Skewness dan Kurtosis memberikan kelebihan tersendiri. tapi kalau nilai kurtosisnya besar (salah satu kategori terlalu tinggi) maka tidak normal. sedangkan Kurtosis dengan tinggi kurva. uji normalitas dengan Skewness dan Kurtosis juga sering disebut dengan ukuran kemencengan data. Skewness berkaitan dengan lebar kurva.022 .427 = 0. Oleh karena itu. Ukuran Penyebaran Data (Kemiringan dan Keruncingan Data) Page 17 . Z tidak boleh lebih dari 2.022 / 0. Misal kita peroleh nilai Skewness = 0.05 < 2 Nilai Ratio Kurtosis /Std Error Kurtosis = -0.833 = -0. Jika data terlihat sebarannya normal. 1%) dan 1. Untuk Kurtosis rumusnya juga sama. std error skewness =0.58 (sig.807 .

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

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

Sign up to vote on this title
UsefulNot useful