BAB V

MOMEN, KEMIRINGAN DAN KURTOSIS

5.1Momen
Misalkan diberikan variable x dengan harga-harga: x1, x2, x3, , xn. Jika A = sebuah
bilangan tetap dan r = 0, 1, 2, , n, maka momen ke-r sekitar A, disingkat mr , didefinisikan
oleh hubungan:
mr

'

(5.1)

Untuk A = 0 didapat momen ke-r sekitar nol atau disingkat momen ke-r.

momen ke r

'

r
i

. (5.2)

Dari persamaan (5.6), maka untuk r = 1 didapat rata-rata x

Jika A x kita peroleh momen ke-r sekitar rata-rata, biasa disingkat mr.

mr

'

(5.3)
2

Untuk r = 2, persamaan (5.2) memberikan varians s .

Untuk membedakan apakah momen itu untuk sampel atau untuk populasi, maka dipakai
simbol:
mr dan mr untuk momen sampel
r dan r ' untuk momen populasi.

Jadi mr dan mr adalah statistik sedangkan dan ' merupakan parameter.

r
r

Jika data telah disusun dalam daftar distribusi frekuensi, maka persamaan-persamaan di atas
berturut-turut berbentuk:

23

'

mr

mr

'

fX

(5.4)

f x

(5.5)

momen ke r

mr

'

f x

'

fx

r
i

(5.6)

(5.7)

dengan n f i , xi = tanda kelas interval dan fi = frekuensi yang sesuai dengan xi.
Dengan menggunakan cara sandi persamaan (5.7) menjadi:

fc

mr p r

'

(5.8)

p = panjang jelas interval,

ci = variabel sandi
Harga mr ditentukan berdasarkan hubungan:
'

'

'

'

'

'

'

'

'

'

m2 m2 (m1 ) 2 ... (5.9a)

m3 m3 3m1 m2 2(m1 ) 3 ...... (5.9b)
'

'

m4 m4 4m1 m3 6(m1 ) 3 m2 3(m1 ) 4 . (5.9b)

Contoh:
Untuk menghitung empat buah momen sekitar rata-rata untuk data dalam daftar distribusi
frekuensi, kita lakukan sebagai berikut:
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
-

fi ci
-10
-18
0
27
16
15

fi ci2
20
18
0
27
32
97

fi ci3
-40
-18
0
27
64
33

f i ci4
80
18
0
27
128
253

23

Dengan menggunakan persamaan (5.8), maka:

Sehingga dengan menggunakan hubungan di atas:

m 2 m ' 2 m '1

8,73 (0,45) 2 8,53

m3 m ' 3 3m '1 m ' 2 2 m '1

8,91 3(0,45)(8,73) 2(0,45) 3 2,69

m 4 m ' 4 4 m ' 1 m ' 3 6 m '1 m ' 2 3 m ' 1

204,93 4(0,45)(8,91) 6(0,45) 2 (8,73) 3(0,45) 4

199,38
2

Dari hasil ini didapat varians s =m2 = 8,53

5.2KEMIRINGAN
Kita sudah mengenal kurva halus atau model yang bentuknya bisa positif, negatif, atau
simetrik. Model positif terjadi bila kurvanya mempunyai ekor yang memanjang ke sebelah
kanan. Sebaliknya, jika ekornya memanjang ke sebelah kiri didapat model negatif. Dalam
kedua hal terjadi sifat taksimetris. Untuk mengetahui derajat taksimetri sebuah model,
digunakan ukuran kemiringan yang ditentukan oleh:

23

Kemiringan

Rata rata Modus

Simpangan Baku

(5.10)

Rumus empirik untuk kemiringan, adalah:

Kemiringan

3( Rata rata Median)

.. (5.11)
Simpangan Baku

Persamaan 5.10 dan 5.11 berturut-turut dinamakan koefisien kemiringan Pearson tipe pertama
dan tipe kedua.
Kita katakan model positif jika kemiringan positif, negatif jika kemiringan negatif dan
simetrik jika kemiringan dengan nol yang semuanya dapat dilihat pada Gambar 5.1, 5.2, dan
5.3.
Contoh:
Data nilai ujian statistika dasar 80 mahasiswa telah menghasilkan x 76,62 ; Me =
77,3; Mo = 77,17 dan simpangan baku s = 13,07.
Kemiringan

Rata rata Modus

Simpangan baku

Kemiringan

76,62 77,17
0,04
13,07

Karena kemiringan negatip dan dekat dengan nol, maka modelnya sedikit miring ke kiri, ini
dapat dilihat dari grafiknya.
1. Kemiringan negatif (kiri)
2. Kemiringan nol (simetris)
3. Kemiringan positif (kanan)

23

Gambar 3.1. Kemiringan negatif (kiri)

Gambar 3.2. Kemiringan nol (simetris)

Gambar 3.3. Kemiringan positif (kanan)

5.3Kurtosis
Bertitik tolak dari kurva model normal atau distribusi normal, tinggi rendahnya atau
runcing datarnya bentuk kurva disebut kurtosis, dapat ditentukan. Kurva distribusi normal,
yang tidak terlalu runcing atau tidak terlalu datar, dinamakan mesokurtik. Kurva yang runcing
dinamakan leptokurtik, sedangkan yang datar disebut platikurtik.
Bentuk Kurtosis
1. Leptokurtik (leptokurtic)

23

2. Platikurtik (platykurtic)

3. Mesokurtik (mesokurtic) atau bentuk kurva normal

Salah satu ukuran kurtosis ialah koefisien kurtosis, diberi simbol a4, ditentukan oleh
rumus:
m4
a
m2

(5.12)

Dengan m2 dan m4 didapat dari persamaan 5.2

Kriteria yang didapat dari persamaan ini ialah:
a) a4 > 3 distribusi leptokurtik
b) a4 = 3 distribusi normal
c) a4 < 3 distribusi platikurtik

23

Gambar. Leptokurtik,mesokurtik dan platikurtik

Untuk menyelidiki apakah distribusi normla atau tidak, sering pula dipakai koefisien
kurtosis Persentil, diberi simbol , (kappa) yang persamaannya:
1
( K 3 K1 )
SK

k
2
P90 P10
P90 P10

(5.13)
Dengan:
SK = rentang semi antar kuartil
K1 = kuartil pertama
K3 = kuartil ketiga
P10 = persentil kesepuluh
P90 = persentil ke-90
P90-P10 = rentang 10 - 90 persentil
Untuk Model distribusi normal, harga = 0,263
Contoh 1:
Untuk contoh data dalam Bagian 2, bab ini, telah dihitung:
m2 = 8,53; m3 = -2,69; dan m4 =199,38.
Dengan persamaan 2.2.3, koefisien kurtosis besarnya:
m
a 4 4
m2

199,38

8,53

2,74

23

Dan ini kurang dari nilai 3, maka kurvanya cenderung akan platikurtik.
Contoh 2:
Terdapat data upah untuk 65 karyawan. Telah dihitung K1 = Rp 68,25 dan K2 = Rp 90,75.
Jika juga dihitung, maka didapat:
P10 = Rp 58,12 dan P90 = Rp 101,00.
Dengan angka-angka ini koefisien kurtosis persentil besarnya:
1
1

90,75 68,25
K 3 K1
SK
k
2
2
0,262
P90 P10
P90 P10
101,00 58,12

TUGAS -4
Tentukan bentuk kurva data pada tugas-1 berdasarkan ukuran kemiringan dan kurtosisnya.

23