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

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

Fisher mengenalkan analisa varians dalam literatur statistiknya.W Zimmesman mengenalkan kata statistika dalam bukunya Statistical Account Of Scotland. Hal itu disebabkan karena sekitar lingkungan kita berada selalu berkaitan dengan Statistik. Penggunaan Statistika sudah dikenal sebelum abad 18.BAB I PENDAHULUAN A. menganalisis dan menginterpretasikan data. 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. Deskripsi yang sudah stabil tentang suatu fenomena seringkali mampu menjelaskan suatu teori. Tahun 1791-1799.A. G. Mesir dan Roma mengeluarkan catatan tentang nama usia dan jenis kelamin. banyak anak. Dalam menganalisis data. orang dapat saja berargumentasi bahwa ilmu biasanya menggambarkan bagaimana sesuatu itu terjadi. bukannya mengapa). Tahun 1981-1935 R. Dr. Misalnya di kantor kelurahan kita mengenal statistik desa. dan sebagai Ukuran Penyebaran Data (Kemiringan dan Keruncingan Data) Page 1 . pada saat itu negaranegara Babilon. pemerintahan Inggris mengeluarkan catatan mingguan tentang kematian dan tahun 1662. pekerjaanya. di dalamnya memuat keadaan penduduk mulai dari banyak penduduk. Baru pada tahun 1772-1791. Latar Belakang Statistika adalah cabang ilmu yang mempelajari tentang bagaimana mengumpulkan. Kemudian pada tahun 1500. dikembangkan catatan kelahiran dan kematian. para ilmuwan menggambarkan persepsinya tentang suatu fenomena. Di Indonesia Pengantar Statistika telah dicantumkan dalam kurikulum Matematika Sekolah Dasar sejak tahun1975. pekerjaan dan jumlah anggota keluarga. Atau dengan kata lain. statistika menjadi semacam alat dalam melakukan suatu riset empiris. (Walaupun demikian.E. 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. 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. penulis mencoba menguraikan sedikit rumusan permasalahan yang akan dibahas dari materi yang berkaitan dengan tema penulisan makalah. Excel dan SPSS. 3) Belajar membuat makalah tentang STATISTIKA DESKRIPTIF dalam materi Ukuran Penyebaran Data. 2) Dengan dibuatnya makalah ini dapat membantu kita dalam memahami penganalisaan tentang data-data statistik dengan menggunakan Software Ms. 2) Manfaat mempelajari Statistika Deskriptif.B. Diantara lain: 1) Pengertian Statistika Deskriptif. 3) Pengertian Dispersi Data. Ukuran Penyebaran Data (Kemiringan dan Keruncingan Data) Page 2 .

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

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

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

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

Kemiringan dan Kerunncingan Data a. 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 . Menggunakan koefisien Pearson.D. antara lain: Memperhatikan hubungan antara rata-rata hitung. 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. Rumus untuk menghitung derajat kemiringan distribusi data: i. Menggunakan Momen ketiga. Menggunakan kotak diagram garis.

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

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

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 .

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

number2.2. .) Dimana : Number1. Analisa Keruncingan Distribusi Data (Kurtosis) Kurtosis adalah derajat keruncingan suatu distribusi (biasanya diukur relatif terhadap distribusi normal).... Cara penulisan rumus kurtosis di excel : Kurt (number1. number2. Kurtosis dihitung dari momen keempat terhadap mean. Kurva yang lebih runcing dari distribusi normal dinamakan Leptokurtik. yang lebih datar Platikurtik dan distribusi normal disebut Mesokurtik.. 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. Anda juga dapat menggunakan array tunggal atau referensi ke array..

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

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

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

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

terlalu datar atau mengumpul di tengah. Dimana jika skor berada antara -2 dan 2 maka distribusi data normal. 5%). std error skewness =0. Kurtosis=0. Skewness berkaitan dengan lebar kurva.807 .833 Nilai Ratio Skewness/Std Error Skewness = 0. Dua nilai ini harus diperhatikan.9 6> -2 Uji normalitas dengan Skewness dan Kurtosis memberikan kelebihan tersendiri. Nilai Kritis (Z) = Skewness / √ (6/N). Misal kita peroleh nilai Skewness = 0.96 (sig. std error kurtosis = 0. uji normalitas dengan Skewness dan Kurtosis juga sering disebut dengan ukuran kemencengan data. tapi kalau nilai kurtosisnya besar (salah satu kategori terlalu tinggi) maka tidak normal.022 .807 / 0. Satu istilah dalam Kurva Normal adalah Skewness dan Kurtosis. Z tidak boleh lebih dari 2. Ukuran Penyebaran Data (Kemiringan dan Keruncingan Data) Page 17 .427. yaitu bahwa akan diketahui grafik normalitas menceng ke kanan atau ke kiri.58 (sig.022 / 0. Oleh karena itu.Dengan membandingkan antara nilai Statistic Skewness dibagi dengan Std Error Skewness atau nilai Statistic Kurtosis dibagi dengan Std Error Kurtosis.833 = -0. Jika data terlihat sebarannya normal.427 = 0. sedangkan Kurtosis dengan tinggi kurva. Untuk Kurtosis rumusnya juga sama.05 < 2 Nilai Ratio Kurtosis /Std Error Kurtosis = -0. 1%) dan 1.

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

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

Sign up to vote on this title
UsefulNot useful