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

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

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

Sistematika Penulisan Untuk mempermudah pembaca mengerti akan maksud dan isi makalah ini. Metode Browsing Internet. 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. Tujuan dan Manfaat Penulisan. 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. BAB III : Dalam bab ini penulis menguraikan tentang penutup yang meliputi kesimpulan dan saran berdasarkan atas pada bab pendahulu. dan Sistematika Penulisan. Metode Kepustakaan. 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. Rumusan Masalah. 2. 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. 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 .D. Metode Pengumpulan Data 1.

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

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

misalnya dalam pengujian hipotesis. b. Kegunaan ukuran penyebaran antara lain sebagai berikut : a. Ukuran penyebaran dapat digunakan untuk mengadakan perbandingan terhadap variabilitas data. apakah dua sampel berasal dari populasi yang sama atau tidak. Pusat data seperti rata-rata hitung. Dispersi data sangat penting untuk membandingkan penyebaran dua distribusi data atau lebih. Ukuran penyebaran dapat membantu penggunaan ukuran statistika. Apabila suatu kelompok data mempunyai penyebaran yang tidak sama terhadap nilai rata-ratanya.C. Ukuran Penyebaran Data (Kemiringan dan Keruncingan Data) Page 6 . Ukuran penyebaran dapat digunakan untuk menentukan apakah nilai rataratanya benar-benar representatif atau tidak. c. median dan modus hanya memberi informasi yang sangat terbatas sehingga tanpa disandingkan dengan dispersi data menjadi kurang bermanfaat dalam menganalisa data. maka dikatakan bahwa nilai rata-rata tersebut tidak representatif. 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 untuk menghitung derajat kemiringan distribusi data: i. Menggunakan koefisien Pearson. Kemiringan dan Kerunncingan Data a. Kemiringan Distribusi Data Kemiringan adalah derajat atau ukuran dari ketidaksimetrisan suatu distribusi data. 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 Pearson: 1 α = (X − mod) S atau 3 α = (X − med) S Ukuran Penyebaran Data (Kemiringan dan Keruncingan Data) Page 7 .D. median dan modus. antara lain: Memperhatikan hubungan antara rata-rata hitung. Menggunakan Momen ketiga. Menggunakan kotak diagram garis.

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

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 . Keruncingan distribusi data disebut juga kurtosis. 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. Mesokurtis : Distribusi data yang puncaknya normal iii.b.

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 .

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

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

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

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

2. Oleh karena itu. Semakin runcing nilai kurtosis akan menunjukkan data hampir mengumpul (homogen). Akan tetapi apabila nilai kurtosis 0 menunjukkan data normal. Maka nilai kurtosis positif yang lebih besar dari nol dan cukup jauh dari nol. sebaliknya apabila nilai kurtosis positif maka datanya bersifat runcing atau cenderung mengelompok (homogen). Sebagai contoh. dikatakan datanya cenderung runcing atau dengan kata lain cenderung homogen. Jika diketahui nilai ku = 1. dan apabila nilai kurtosis semakin kecil. untuk data yang berdistribusi normal. apabila kemiringan distribusi data agak condong ke kanan ditunjukkan dengan nilai skewness yang negative. dan sk > 0 kemiringan ke kiri. sk < 0 kemiringan ke kanan. Begitu juga jika kita terapkan pada Skewness. Apabila nilai sk = 0. selanjutnya apabila kemiringan distribusi data condong ke kiri yang ditunjukkan bahwa nilai skewness positif. Nilai Kurtosis Kurtosis diartikan sebagai keruncingan distribusi data. Sebagai contoh misalnya. Jika nilai kurtosis dekat nol maka data cenderung normal. Nilai Skewness Skewness diartikan sebagai kemiringan distribusi data.807 adalah artinya merupakan nilai negatif. apabila nilai kurtosis negative berarti datanya tumpul atau cenderung melebar ke bawah.F. Berarti data cenderung berdistribusi normal atau hampir normal. jika diperoleh nilai sk = -0.06. Yang dimaksud dengan kemiringan data adalah besarnya pembagian data atau rata-rata sebaran data yang biasanya di wujudkan denan bentuk lonceng. maka menunjukkan data berdistribusi normal. Apabila skewness menunjukkan simetri maka dikatakan data membentuk distribusi normal. Cara Membaca Nilai Kurtosis dan Skewness 1. maka menunjukkan data semakin tumpul (semakin menyebar dikatakan data tidak homogen). akan tetapi tidak jauh dari nilai. Ukuran Penyebaran Data (Kemiringan dan Keruncingan Data) Page 15 .

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

833 Nilai Ratio Skewness/Std Error Skewness = 0.427.05 < 2 Nilai Ratio Kurtosis /Std Error Kurtosis = -0. Z tidak boleh lebih dari 2. Satu istilah dalam Kurva Normal adalah Skewness dan Kurtosis.807 / 0. uji normalitas dengan Skewness dan Kurtosis juga sering disebut dengan ukuran kemencengan data. 1%) dan 1. 5%). Dua nilai ini harus diperhatikan. sedangkan Kurtosis dengan tinggi kurva. Oleh karena itu. Untuk Kurtosis rumusnya juga sama. std error kurtosis = 0. std error skewness =0.58 (sig.807 .9 6> -2 Uji normalitas dengan Skewness dan Kurtosis memberikan kelebihan tersendiri.022 . tapi kalau nilai kurtosisnya besar (salah satu kategori terlalu tinggi) maka tidak normal. terlalu datar atau mengumpul di tengah. Jika data terlihat sebarannya normal. Misal kita peroleh nilai Skewness = 0.427 = 0.833 = -0. Nilai Kritis (Z) = Skewness / √ (6/N). Kurtosis=0. Dimana jika skor berada antara -2 dan 2 maka distribusi data normal. yaitu bahwa akan diketahui grafik normalitas menceng ke kanan atau ke kiri. Skewness berkaitan dengan lebar kurva.Dengan membandingkan antara nilai Statistic Skewness dibagi dengan Std Error Skewness atau nilai Statistic Kurtosis dibagi dengan Std Error Kurtosis.96 (sig.022 / 0. Ukuran Penyebaran Data (Kemiringan dan Keruncingan Data) Page 17 .

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

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

Sign up to vote on this title
UsefulNot useful