KURTOSIS
A. DISPERSI
Dispersi adalah suatu bentuk pengukuran dari
penyebaran nilai nilai suatu data yang diobservasi
di sekitar tendensi pusatnya.
Pada nilai rata rata seperti mean atau median hanya
menitikberatkan pengukuran nilai pada pusat data
saja, tetapi tidak memberikan informasi mengenai
nilai yang tersebar di sekitar ukuran tendensi
pusatnya.
Dua jenis pengukuran dispersi:
1. Dispersi Absolut
2. Dispersi Relative
Dispersi Absolut
1.Nilai Jarak (Range)
Adalah
pengukuran
dispersi
yang
paling
sederhana dan paling mudah dihitung, yaitu dengan
menyusub sekelompok data mulai dari urutan yang
terkecil hingga yang terbesar.
Rumus dispersi Nilai Jarak (Range) Data Tidak
Dikelompokkan:
R atau NJ = Xn X1
Dimana:
R = Range/Nilai Jarak
Xn = Nilai data terbesar
X1 = Nilai data terkecil
Contoh soal:
Carilah jarak dari data berikut ini: 50
70
40 30
Langkah Pengerjaan:
Data diurutkan terlebih dahulu dari yang terkecil;
X1 = 30, X2 = 40, X3 = 50, X4 = 60, X5 = 70
NJ = X5 X1
= 70 30 = 40
60
Rumus
dispersi
Dikelompokkan:
Contoh
soal: (kg)
Berat Badan
Nilai
Jarak
(Range)
Banyaknya
Mahasiswa (f)
60 62
63 65
18
66 68
42
69 71
27
72 - 74
Langkah Pengerjaan:
Cara 1: Nilai Tengah kelas terakhir = 72 + 74 = 73 Kg
2
Nilai Tengah kelas pertama = 60 + 62 = 61 Kg
2
Maka, NJ = 73 61 = 12 Kg
Data
= Kuartil pertama
= Persentil kesepuluh
fi
Kelas Interval
30
40
50
60
70
80
90
Frekuensi
39
49
59
69
79
89
99
6
7
8
16
11
8
4
Jumlah
60
Penyelesaian:
Kelas
Interval
Nilai
tengah
(Xi)
Frekue
nsi (fi)
Xi.fi
Xi X
fi Xi - X
30
40
50
60
70
80
90
34,5
44,5
54,5
64,5
74,5
84,5
94,5
6
7
8
16
11
8
4
207
311,5
436
1032
819,5
676
378
29,83
19,83
9,83
0,17
10,17
20,17
30,17
178,98
138,81
78,64
2,72
111,87
161,36
120,68
fi =60
Xi.fi =
3860
39
49
59
69
79
89
99
fiXi - X =
793,06
Penyelesaian:
Step 1
: Mencari rata rata dari data tersebut.
Step 2
z=X-
7. Koefisien Variasi
Untuk keperluan perbandingan dua kelompok nilai
digunakan
Koefisien
Variasi
(KV)
dengan
menggunakan rumus sebagai berikut:
Untuk Data Sampel
kv = S x 100%
X
Untuk Data populasi
KV = x 100%
Dimana:
S = Simpangan Baku untuk sampel
= Simpangan Baku untuk populasi
X = Rata rata untuk sampel
= Rata rata untuk populasi
KV didasari pada zero value (Z = 0), apabila KV1 lebih
besar dari KV maka KV lebih bervariasi (heterogen).
B. SKEWNESS
Adalah suatu pengukuran atas bentuk suatu
distribusi data. Pengukuran terhadap distribusi data
diterjemahkan ke dalam bentuk kurva, dimana kurva
dapat berbentuk simetris maupun tidak simetris.
Kurva dikatakan simetris apabila letak modus,
median dan mean berada pada titik yang sama. Kurva
juga dapat berbentuk tidak simetris yaitu miring ke
kanan atau miring ke kiri.
Data (sampel) dapat menunjukkan distribusi
normal yaitu merupakan distribusi yang simetris,
sehingga nilai skewness untuk data dengan distribusi
normal adalah 0.
Data (sampel) juga dapat menunjukkan distribusi
tidak normal, dimana nilai skewness bernilai positif
maka ekor kurva sebelah kanan lebih panjang.
Skewness yang bernilai negatif menunjukkan
Distribusi
(negatif)
Distribusi Normal (positif)
Asimetris
Rumus Skewness :
a. Metode Karl Pearson:
Sk = X Mo
S
dimana:
X
Mo
S
= Momen3
S3
C. KURTOSIS
Kurtosis menggambarkan keruncingan (peak) atau
kerataan (flat)
suatu distribusi data dibandingkan dengan distribusi
normal.
Terdapat 3 tingkat kurtosis, yaitu: leptokurtosis,
mesokurtis dan
platikurtis.
Distribusi normal memiliki bentuk mesokurtis.
3 Tingkat Kurtosis:
> 3 : leptokurtis
= 3 : mesokurtis
< 3 : platykurtis
> 0 : leptokurtis