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

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

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

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

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

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

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

Kegunaan ukuran penyebaran antara lain sebagai berikut : a. Apabila suatu kelompok data mempunyai penyebaran yang tidak sama terhadap nilai rata-ratanya. 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. 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. Ukuran penyebaran dapat digunakan untuk menentukan apakah nilai rataratanya benar-benar representatif atau tidak. b. c. misalnya dalam pengujian hipotesis. Dispersi data sangat penting untuk membandingkan penyebaran dua distribusi data atau lebih. Ukuran penyebaran dapat membantu penggunaan ukuran statistika. apakah dua sampel berasal dari populasi yang sama atau tidak. maka dikatakan bahwa nilai rata-rata tersebut tidak representatif. Pusat data seperti rata-rata hitung.

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

i mi = Nilai titik tengah kelas ke – I S = Simpangan baku n = Banyaknya data iii. Rumus Momen: .ii.Q1 Ukuran Penyebaran Data (Kemiringan dan Keruncingan Data) Page 8 .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 . Rumus Bowley: α3 > 0 distribusi data miring ke kanan Rumus ini menggunakan nilai kuartil.

b. Ada tiga jenis derajat keruncingan: i. Leptokurtis : Distribusi data yang puncaknya relatif tinggi ii. 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 . 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. Keruncingan distribusi data disebut juga kurtosis.

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 .

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

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

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

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

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

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

96 (sig. Jika data terlihat sebarannya normal. 5%).58 (sig.9 6> -2 Uji normalitas dengan Skewness dan Kurtosis memberikan kelebihan tersendiri. sedangkan Kurtosis dengan tinggi kurva.833 Nilai Ratio Skewness/Std Error Skewness = 0. terlalu datar atau mengumpul di tengah.05 < 2 Nilai Ratio Kurtosis /Std Error Kurtosis = -0.807 / 0. Nilai Kritis (Z) = Skewness / √ (6/N). Dua nilai ini harus diperhatikan. uji normalitas dengan Skewness dan Kurtosis juga sering disebut dengan ukuran kemencengan data.807 .022 . Misal kita peroleh nilai Skewness = 0.427 = 0.427.833 = -0. Ukuran Penyebaran Data (Kemiringan dan Keruncingan Data) Page 17 . std error kurtosis = 0. 1%) dan 1. Oleh karena itu. Satu istilah dalam Kurva Normal adalah Skewness dan Kurtosis. tapi kalau nilai kurtosisnya besar (salah satu kategori terlalu tinggi) maka tidak normal. Skewness berkaitan dengan lebar kurva. Untuk Kurtosis rumusnya juga sama. Z tidak boleh lebih dari 2. std error skewness =0.022 / 0. Kurtosis=0. Dimana jika skor berada antara -2 dan 2 maka distribusi data normal.Dengan membandingkan antara nilai Statistic Skewness dibagi dengan Std Error Skewness atau nilai Statistic Kurtosis dibagi dengan Std Error Kurtosis. yaitu bahwa akan diketahui grafik normalitas menceng ke kanan atau ke kiri.

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

Richard dan David Rubin. J.DAFTAR PUSTAKA Statistika. 1992 www. Singgih 2001. Jakarta. Jakarta. 1994 Levin. Prentice Hall. Pengantar Statistika. Teori dan Aplikasi (2001). Statistika 2. 1991 Ronald E Walpole. Statistics for Management. edisi pertama. halaman 126 –145 Statistika. kar. Elex Media Komputindo. halaman 93-134 Bambang Kustituanto dan Rudy Badrudin. edisi terjemahan. jilid 1 Chap.com Santoso. (2000) kar. Aplikasi Excel dalam Statistik Bisnis. Seri Diktat Kuliah. Bab 05.6 edisi keenam. Ukuran Penyebaran Data (Kemiringan dan Keruncingan Data) Page 19 . Supranto. PT Gramedia Jakarta. Modul BSI (Bina Sarana Informatika) mata kuliah Statistika Deskriptif. Jakarta. Wayan Koster. Penerbit Gunadarma. Penerbit Gunadarma. 1994 Haryono Subiyakto. Seri Diktat Kuliah. New Jersey. Statistika I.gudangmateri.