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

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

2) Dengan dibuatnya makalah ini dapat membantu kita dalam memahami penganalisaan tentang data-data statistik dengan menggunakan Software Ms. 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. Diantara lain: 1) Pengertian Statistika Deskriptif. 2) Manfaat mempelajari Statistika Deskriptif. 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. Ukuran Penyebaran Data (Kemiringan dan Keruncingan Data) Page 2 . 3) Pengertian Dispersi Data. Excel dan SPSS. penulis mencoba menguraikan sedikit rumusan permasalahan yang akan dibahas dari materi yang berkaitan dengan tema penulisan makalah.B.

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

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

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

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

D. Menggunakan koefisien Pearson. Menggunakan Momen ketiga. 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. Rumus untuk menghitung derajat kemiringan distribusi data: i. Kemiringan Distribusi Data Kemiringan adalah derajat atau ukuran dari ketidaksimetrisan suatu distribusi 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. median dan modus. Menggunakan kotak diagram garis.

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 . 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 . Rumus Momen: . 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.ii.

Gambar 2: Grafik Keruncingan Distribusi Data Ukuran Penyebaran Data (Kemiringan dan Keruncingan Data) Page 9 . Mesokurtis : Distribusi data yang puncaknya normal iii. Keruncingan distribusi data disebut juga kurtosis.b. Leptokurtis : Distribusi data yang puncaknya relatif tinggi ii. 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. Ada tiga jenis derajat keruncingan: i.

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 .

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

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

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

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

maka menunjukkan data semakin tumpul (semakin menyebar dikatakan data tidak homogen). Yang dimaksud dengan kemiringan data adalah besarnya pembagian data atau rata-rata sebaran data yang biasanya di wujudkan denan bentuk lonceng. Nilai Skewness Skewness diartikan sebagai kemiringan distribusi data. Sebagai contoh. Akan tetapi apabila nilai kurtosis 0 menunjukkan data normal.06. sebaliknya apabila nilai kurtosis positif maka datanya bersifat runcing atau cenderung mengelompok (homogen). Oleh karena itu. apabila kemiringan distribusi data agak condong ke kanan ditunjukkan dengan nilai skewness yang negative. Maka nilai kurtosis positif yang lebih besar dari nol dan cukup jauh dari nol. Semakin runcing nilai kurtosis akan menunjukkan data hampir mengumpul (homogen). maka menunjukkan data berdistribusi normal. Jika nilai kurtosis dekat nol maka data cenderung normal. sk < 0 kemiringan ke kanan. 2. apabila nilai kurtosis negative berarti datanya tumpul atau cenderung melebar ke bawah. akan tetapi tidak jauh dari nilai. selanjutnya apabila kemiringan distribusi data condong ke kiri yang ditunjukkan bahwa nilai skewness positif. Sebagai contoh misalnya. Begitu juga jika kita terapkan pada Skewness. Apabila skewness menunjukkan simetri maka dikatakan data membentuk distribusi normal. dan apabila nilai kurtosis semakin kecil. Jika diketahui nilai ku = 1. untuk data yang berdistribusi normal. dan sk > 0 kemiringan ke kiri. Cara Membaca Nilai Kurtosis dan Skewness 1.F. Nilai Kurtosis Kurtosis diartikan sebagai keruncingan distribusi data. jika diperoleh nilai sk = -0.807 adalah artinya merupakan nilai negatif. dikatakan datanya cenderung runcing atau dengan kata lain cenderung homogen. Apabila nilai sk = 0. Berarti data cenderung berdistribusi normal atau hampir normal. Ukuran Penyebaran Data (Kemiringan dan Keruncingan Data) Page 15 .

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

tapi kalau nilai kurtosisnya besar (salah satu kategori terlalu tinggi) maka tidak normal. Misal kita peroleh nilai Skewness = 0.Dengan membandingkan antara nilai Statistic Skewness dibagi dengan Std Error Skewness atau nilai Statistic Kurtosis dibagi dengan Std Error Kurtosis.022 / 0.807 . sedangkan Kurtosis dengan tinggi kurva. std error skewness =0. Satu istilah dalam Kurva Normal adalah Skewness dan Kurtosis.96 (sig.833 = -0. yaitu bahwa akan diketahui grafik normalitas menceng ke kanan atau ke kiri. 1%) dan 1.807 / 0.833 Nilai Ratio Skewness/Std Error Skewness = 0. Skewness berkaitan dengan lebar kurva.022 . Dua nilai ini harus diperhatikan. Jika data terlihat sebarannya normal. Z tidak boleh lebih dari 2.9 6> -2 Uji normalitas dengan Skewness dan Kurtosis memberikan kelebihan tersendiri. Ukuran Penyebaran Data (Kemiringan dan Keruncingan Data) Page 17 .427. 5%). std error kurtosis = 0. Dimana jika skor berada antara -2 dan 2 maka distribusi data normal. Untuk Kurtosis rumusnya juga sama. uji normalitas dengan Skewness dan Kurtosis juga sering disebut dengan ukuran kemencengan data. Kurtosis=0. terlalu datar atau mengumpul di tengah. Oleh karena itu.05 < 2 Nilai Ratio Kurtosis /Std Error Kurtosis = -0.427 = 0. Nilai Kritis (Z) = Skewness / √ (6/N).58 (sig.

Ukuran Penyebaran Data (Kemiringan dan Keruncingan Data) Page 18 . Kesimpulan yang dapat diambil. median dan modus) hanya memberi informasi yang sangat terbatas. yaitu memberi informasi yang terbatas pada data apa adanya. 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. Untuk Penaksiran (Forecasting) 3. Kedua. 2. 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. Statistika Deskriptif memberikan informasi yang terbatas. Pusat data (rata2. terbatas atas data yang ada. Selain itu juga dengan statistika kita bisa meramalkan keadaan yang akan datang berdasarkan data masa lalu. 2. Oleh karenanya pemakai statistik deskriptif tidak dapat mengambil kesimpulan yang umum atas data yang terbatas.

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