P. 1
31002-7-746656772037

31002-7-746656772037

|Views: 14|Likes:
Dipublikasikan oleh Jono Yang

More info:

Published by: Jono Yang on Feb 14, 2013
Hak Cipta:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOC, PDF, TXT or read online from Scribd
See more
See less

03/07/2014

pdf

text

original

1

7

MOMEN, KEMIRINGAN DAN KURTOSIS
By: Siti Nadhifah, Ir, MM, MSi

Tujuan Instruksional Khusus: Mahasiswa dapat memperhitungkan bagaimana bentuk data mereka dengan adanya sebaran datanya, sehingga diharapkan untuk menetukan bahwa data mereka menyebar normal atau tidak.
PENDAHULUAN Rata-rata dan varians sebenarnya merupakan hal istimewa dari kelompok ukuran lain yang disebut momen. Dari momen ini juga dapat diturunkan beberapaukuran lain. Bentuk-bentuk sederhana dari momen dan ukuran-ukuran yang didapat daripadanya akan dapat diuraikan pada modul ini. MOMEN Misalkan diberikan variable x dengan harga-harga: x1, x2, …, xn. didefinisikan oleh hubungan: ∑ (xi – A )r mr’ = __________ n Untuk A = 0 didapat momen ke – r sekitar nol atau disingkat momen ke – r. ∑ xir Momen ke r = _______ n Dan untuk r = 1 didapat rata-rata x¯. Jika A = x¯. kita peroleh momen ke – r sekitar rata-rata, biasa disingkat dengan mr. ∑ (xi – x¯.)r Dan didapat mr = ___________ n Untuk r = 2 , maka akan memberikan varians s2 Untuk membedakan apakah momen itu untuk sample atau untuk populasi, maka dipakai symbol: Jika A adalah bilangan tetap dan r = 0,1, 2, …,maka momen ke – r sekitar A, disingkat mr’,

Pusat Pengembangan Bahan Ajar - UMB

Siti Nadhifah Ir, MM

STATISTIK I

r = _______ n ∑ fi (xi . xi = tanda kelas interval dan fi = frekuensi yang sesuai dengan xi.x¯)r dan mr = _____________ n dengan n = ∑ fi.2 mr dan mr’ untuk momen sample. adalah: Data 60 – 62 63 – 65 66 – 68 69 – 71 72 – 74 Jumlah fi 5 18 42 27 8 100 ci -2 -1 0 1 2 fici -10 -18 0 27 16 15 fici2 20 18 0 27 32 97 fici3 -40 -18 0 27 64 33 fici4 80 18 0 27 128 253 ∑ ficir Dengan menggunakan rumus sandi : mr’ = pr n ∑ ficir m1’ = p ______ n = 3 (15/100) = 0. Jika data disusun dalam daftar distribusi frekuensi. harga-harga mr untuk beberapa harga r. dapat ditentukan berdasarkan hubungan: m2 = m2’ – (m1’)2 m3 = m3’ – 3m1’m2’ + 2(m1’)3 m4 = m4’ – 4m1’m3’ + 6(m1’)2m2’ – 3(m1’)4 Contoh: Untuk menghitung empat buah momen sekitar rata-rata untuk data dalam daftar distribusi frekuensi. Dari mr’. maka rumus di atas berturut-turut berbentuk: ∑ (xi – A.)r mr’ = ___________ n ∑ fi xir Momen ke. sedangkan µrdan µr’ untuk momen populasi.UMB Siti Nadhifah Ir. MM STATISTIK I .45 ________ Pusat Pengembangan Bahan Ajar . Jadi mr dan mr’ adalah statistic sedangkan µrdan µr’ adalah parameter.

69 m4 = m4’ – 4m1’m3’ + 6 (m1’)2(m2’) – 3 (m1)4 = 204.53.73 – (0.91 = 32 (97/100) = 8.45)2(8. MM STATISTIK I . dan dapat dikatakan sebagai model positif jika kemiringan positif.38 Dari data ini diperoleh varians s2 = m2 = 8.45)(8.45)4 = 199. Dalam kedua hal terjadi sifat taksimetri.3 ∑ ficir m2’ = p2 _______ n ∑ ficir m3’ = p3 ______ n ∑ ficir m4’ = p4 ______ n Sehingga dengan menggunakan hubungan di atas: m2 = m2’ – (m1’)2 = 8. sebaliknya jika ekornya memanjang ke sebelah kiri didapat model negative. Model positif terjadi bila kurvanya mempunyai ekor yang memanjang ke sebelah kanan. Pusat Pengembangan Bahan Ajar . = 34 (253/100) = 204.45)3 = -2.53 m3 = m3’ – 3m1’m2’ + 2 (m1’)3 = 8.45)(8.91 – 3 (0.73) – 3 (0. negative atau simetris.93 – 4 (0. negative jika kemiringan negative dan simetrik jika kemiringan sama dengan nol.73) + 2 (0.45)2 = 8. Untuk mengetahui derajad taksimetri sebuah model digunakan ukuran kemiringan yang dapat ditentukan oleh: Rata-rata – Modus median Kemiringan = _______________ atau empiris: kemiringan = __________________ Simpangan baku simpangan baku 3 (rata-rata)- Rumus di atas dinamakan koefisien kemiringan Pearson tipe pertama dan tipe kedua.93 = 33 (33/100) = 8.73 KEMIRINGAN Kita sudah mengenal kurva halus atau model yang bentuknya bias positif.91) + 6 (0.UMB Siti Nadhifah Ir.

62. m3 = .0. dan ditentukan oleh rumus: a4 = (m4/m22) nilai m2 dan m4 diperoleh dari rumus di atas Kriteria yang didapat dari rumus : a.263 Contoh: Diketahui m2 = 8. diberi simbul yang rumusnya: SK k = ________ P90 – P10 ½ (K3 –K1) = ___________ P90 – P10 P10 = persentil ke sepuluh P90 = persentil ke 90 P90 – P10 = rentang 10 – 90 persentil Dimana: SK = rentang semi antar kuartil K1 = kuartil ke Satu K3 = kuartil ke tiga Untuk model distribusi normal.69 dan m4 = 199.17 dan simpangan baku s = 13. a 4 =3 b. diberi simbul a4.07 KURTOSIS Bertitik tolak dari kurva model normal atau distribusi normal.38 Pusat Pengembangan Bahan Ajar . Kurva yang sedikit ke kiri) ___________________ ___________________ ________________ leptokurtic platikurtik mesokurtik Salah satu ukuran kurtosis adalah koefisien kurtosis.62 – 77. harga k = 0. yang tidak terlalu runcing atautidak terlalu datar maka dinamakan mesokurtik.UMB Siti Nadhifah Ir.04 ( karena negative dan dekat nol maka model 13. runcing dinamakanleptokurtik sedangkan yang datar disebut platikurtik.17 Kemiringan = ____________ = .53. MM STATISTIK I . Me = 77.4 Contoh: Data dari hasil ujian 80 mahasiswa menghasilkan x¯ = 76.07 76. sering pula dipakai koefisien kurtosis persentil. tinggi rendahnya atau runcing datarnya bentuk kurvadisebut kurtosis. Kurva distribusi normal.3. Mo = 77.2. a 4< 3 distribusi normal distribusi leptokurtic distribusi platikurtik Untuk menyelidiki apakah distribusi normal atau tidak. a 4 > 3 c.

38/(8. ….baku) *M3 dan M4 utk mengukur kemencengan (skewness) dan skewness) Keruncingan (kurtosis) Pusat Pengembangan Bahan Ajar .baku) simp.74 dan ini kurang dari 3 jadi kurvanya akan platikurtik.25 dan K3 = 90.00 Koefisien kurtosis persentil adalah ? koefisien urtosisnya a4 = (m4/m22) = 199.5 Dan Contoh: Dari bab lalu tentangupah 60pegawai diperoleh K1 = Rp 68.53)2 = 2.75 P10 = Rp 58.UMB Siti Nadhifah Ir. Ringkasan rumus kemencengan dan keruncingan: Jk sekelompok data sebanyak n: X1.12 dan P90 = Rp 101. MM STATISTIK I .Xn maka momen ke r (Mr) : (Mr) n Mr = 1/n ∑Xir utk data tak berkelompok i=1 n Mr = 1/n ∑ fi Mir utk data berkelompok i=1 jadi: jadi: * r = 1 maka M1 adalah rata-rata hitung rata* r = 2 maka M2 varians (kuadrat simp.X2.

6    X ¯ .med) 3(X¯ __________ s        Ukuran Kemencengan jg dpt diukur berdasarkan momen ke 3 : M3 1 n _ Data tdk berkelompok: α3 = ____ = ___ ∑ (Xi – X )3 berkelompok: s3 ns3 i=1 M3 1 k _ Data berkelompok : α3 = ____ = ___ ∑ fi (Mi – X)3 s3 ns3 i=1 Untuk interval yg sama: sama:  c3 α3 = ____ s3 dimana: dimana: 1 k 1 k 1 k 1 k __ ∑ fidi3 . MM STATISTIK I . k = banyak kelas Jadi makin besar α3 . Kelas ke Iterhadap ttk asal asumsi simp.UMB Siti Nadhifah Ir.3 ( __ ∑ fidi2)( __ ∑ fidi ) + 2 ( __ ∑ fidi)3 n I =1 n i=1 n i=1 n i=1 α3 = ukuran tingkat kemencengan s = simp.baku c=p= besar kelas interval fi = frekuensi kelas ke I di = simp.Mod TK = _________ atau s UKURAN KEMENCENGAN KURVA(SKEWNESS) 3(X¯ . kurva distribusi makin menceng atau miring Pusat Pengembangan Bahan Ajar .

Kelas: 0–4 5–9 10 – 14 15 – 19 20 – 24 Frekuensi 2 7 12 6 3 Hitunglah: a. Kelas ke Iterhadap ttk asal asumsi k = banyak kelas 1 k 1 k 1 k 1 k 1 k 1 k -__ ∑ fidi4 . variasinya d. Nilai koefisien kemencengan dan keruncingannya? Pusat Pengembangan Bahan Ajar .3( __ ∑ fidi)4 n I =1 n i=1 n i=1 n i=1 n i=1 n i=1 Latihan Soal: 1.7 UKURAN KERUNCINGAN KURVA (KURTOSIS) • Digunakan • • • • • • • • • • M4 1 n _ Data tdk berkelompok: α4 = ____ = ___ ∑ (Xi – X )4 s4 ns4 i=1 M4 1 k _ Data berkelompok : α4 = ____ = ___ ∑ fi (Mi – X)4 s4 ns4 i=1 c4 α4 = ____ s4 dimana: α3 = ukuran tingkat kemencengan s = simp.UMB Siti Nadhifah Ir. deviasi standar c. nilai K1 e. K3 f. MM STATISTIK I .4 ( __ ∑ fidi3)( __ ∑ fidi ) + 6( __ ∑ fidi2)( ___ ∑ fidi)2 .baku c=p= besar kelas interval fi = frekuensi kelas ke I di = simp. Nilai KV g. jarak b.

You're Reading a Free Preview

Mengunduh
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->