Anda di halaman 1dari 46

TATAP MUKA IV

UKURAN PENYIMPANGAN
SKEWNESS DAN KURTOSIS

Fitri Yulianti, SP. MSi.


UKURAN PENYIMPANGAN

Pengukuran penyimpangan adalah suatu ukuran yang menunjukkan


tinggi rendahnya perbedaan data yang diperoleh dari rata-ratanya.
Ukuran penyimpangan digunakan untuk mengetahui luas
penyimpangan data atau homogenitas data.
Dua variabel data yang memiliki mean sama belum tentu memiliki
kualitas yang sama, tergantung dari besar atau kecil ukuran
penyebaran datanya.
Ada bebarapa macam ukuran penyebaran data, namun yang umum
digunakan adalah standar deviasi.
UKURAN PENYIMPANGAN

Macam-macam ukuran penyimpangan data adalah :


1. Jangkauan (range)
2. Simpangan rata-rata (mean deviation)
3. Simpangan baku (standard deviation)
4. Varians (variance)
5. Koefisien variasi (Coefficient of variation)
1. Jangkauan (Range)
Range adalah salah satu ukuran statistik yang menunjukan jarak penyebaran
data antara nilai terendah (Xmin) dengan nilai tertinggi (Xmax).

R = Xmax Xmin
Range = nilai maksimum nilai minimum
Contoh Jangkauan (Range)
Berikut ini nilai ujian semester dari 3 mahasiswa
A = 60 55 70 65 50 80 40
B = 50 55 60 65 70 65 55
C = 60 60 60 60 60 60 60
Dari data diatas dapat diketahui bahwa
A = memiliki Xmax=80, Xmin= 40 , R = 40 , meanya 60
B = memiliki Xmax=70, Xmin= 50 , R = 20 , meanya 60
C = memiliki Xmax=60, Xmin= 60 , R = 0 , meanya 60
Dari contoh di atas dapat disimpulkan bahwa :
a. Semakin kecil rangenya maka semakin homogen distribusinya
b. Semakin besar rangenya maka semakin heterogen distribusinya
c. Semakin kecil rangenya, maka meannya merupakan wakil yang representatif
d. Semakin besar rangenya maka meannya semakin kurang representatif
2. Simpangan rata-rata (mean deviation)
Simpangan rata-rata merupakan penyimpangan nilai-nilai individu dari nilai
rata-ratanya.
Rata-rata bisa berupa mean atau median.
Untuk data mentah simpangan rata-rata dari median cukup kecil sehingga
simpangan ini dianggap paling sesuai untuk data mentah.
Namun pada umumnya, simpangan rata-rata yang dihitung dari mean yang
sering digunakan untuk nilai simpangan rata-rata.
2. Simpangan rata-rata (mean deviation)

Data tunggal dengan seluruh skornya berfrekuensi satu


2. Simpangan rata-rata (mean deviation)
Data kelompok ( dalam distribusi frekuensi)
Contoh Simpangan rata-rata (mean deviation)
3. Simpangan baku (standard deviation)

Standar deviasi merupakan ukuran penyebaran yang paling banyak digunakan.


Semua gugus data dipertimbangkan sehingga lebih stabil dibandingkan dengan
ukuran lainnya.
Namun, apabila dalam gugus data tersebut terdapat nilai ekstrem, standar
deviasi menjadi tidak sensitif lagi, sama halnya seperti mean.
Standar Deviasi memiliki beberapa karakteristik khusus lainnya :
1. Standar Deviasi tidak berubah apabila setiap unsur pada gugus datanya di
tambahkan atau dikurangkan dengan nilai konstan tertentu.
2. Standar Deviasi berubah apabila setiap unsur pada gugus datanya
dikali/dibagi dengan nilai konstan tertentu. Bila dikalikan dengan nilai
konstan, standar deviasi yang dihasilkan akan setara dengan hasilkali dari
nilai standar deviasi aktual dengan konstan.
3. Simpangan baku (standard deviation)
Rumus Simpangan Baku untuk Data Tunggal

untuk data sample menggunakan rumus

untuk data populasi menggunkan rumus


Contoh Simpangan baku (standard deviation)
Selama 10 kali ulangan semester ini sobat mendapat nilai 91, 79, 86, 80, 75, 100,
87, 93, 90,dan 88. Berapa simpangan baku dari nilai ulangan sobat?
Jawab
Soal di atas menanyakan simpangan baku dari data populasi jadi menggunakan
rumus simpangan baku untuk populasi.
rata-rata = (91+79+86+80+75+100+87+93+90+88)/10 = 869/10 = 85,9
3. Simpangan baku (standard deviation)
Rumus Simpangan Baku untuk Data Kelompok

untuk data sample menggunakan rumus

untuk data populasi menggunkan rumus


Contoh Simpangan baku (standard deviation)
Diketahui data tinggi badan 50 siswa samapta kelas c adalah sebagai berikut

hitunglah berapa simpangan bakunya


Contoh Simpangan baku (standard deviation)
Contoh Simpangan baku (standard deviation)
4. Varians (variance)
Varians adalah salah satu ukuran dispersi atau ukuran variasi.
Varians dapat menggambarkan bagaimana berpencarnya suatu data
kuantitatif.
Varians diberi simbol 2 (baca: sigma kuadrat) untuk populasi dan untuk
s2 sampel.
Selanjutnya kita akan menggunakan simbol s2 untuk varians karena
umumnya kita hampir selalu berkutat dengan sampel dan jarang sekali
berkecimpung dengan populasi.
4. Varians (variance)
Rumus varian atau ragam data tunggal untuk populasi

Rumus varian atau ragam data tunggal untuk sampel


4. Varians (variance)
Rumus varian atau ragam data kelompok untuk sampel

Rumus varian atau ragam data kelompok untuk populasi


Keterangan:
2 = varians atau ragam untuk populasi
S2 = varians atau ragam untuk sampel
fi = Frekuensi
xi = Titik tengah
x = Rata-rata (mean) sampel dan
= rata-rata populasi
n = Jumlah data
Contoh Varians (variance)
Contoh Varians (variance)
5. Koefisien variasi (Coefficient of variation)
Koefisien variasi merupakan suatu ukuran variansi yang dapat digunakan untuk
membandingkan suatu distribusi data yang mempunyai satuan yang berbeda.
Kalau kita membandingkan berbagai variansi atau dua variabel yang mempunyai
satuan yang berbeda maka tidak dapat dilakukan dengan menghitung ukuran
penyebaran yang sifatnya absolut.
Koefisien variasi adalah suatu perbandingan antara simpangan baku dengan
nilai rata-rata dan dinyatakan dengan persentase.

Besarnya koefisien variasi akan berpengaruh terhadap kualitas sebaran data.


Jadi jika koefisien variasi semakin kecil maka datanya semakin homogen dan
jika koefisien korelasi semakin besar maka datanya semakin heterogen.
Contoh Koefisien variasi (Coefficient of variation)
Skewness and Kurtosis

Sebelum data diolah dan dianalisis maka harus


dipenuhi persyaratan analisis terlebih dahulu.
Dengan asumsi bahwa :
a. Data yang dihubungkan berdistribusi normal.
b. Data yang dibandingkan bersifat homogen.
Skewness
Kecondongan suatu kurva dapat dilihat dari perbedaan
letak mean, median dan modusnya.
Jika ketiga ukuran pemusatan data tersebut berada
pada titik yang sama, maka dikatakan simetris atau
data berdistribusi normal.
Sedangkan jika tidak berarti data tidak simetris atau
tidak berdistribusi normal.
Skewness
Ukuran kecondongan data terbagi atas tiga bagian,
yaitu :
Kecondongan data ke arah kiri (ekornya condong
kiri/negatif) di mana nilai modus lebih dari nilai mean
(modus > mean).
Kecondongan data simetris (distribusi normal) di mana
nilai mean dan modus adalah sama (mean = modus).
Kecondongan data ke arah kanan (ekornya condong
kanan/positif) di mana nilai mean lebih dari nilai modus
(mean > modus).
Skewness
Pada distribusi data yang simetris, mean, median dan modus bernilai sama.
Skewness
Skewness
Nilainya dapat diukur menggunakan :
Koefisien kecondongan Pearson dan
Koefisien kecondongan Momen

Untuk contoh kali ini digunakan Koefisien kecondongan


Pearson
Skewness
Koefisien Kemencengan Pearson merupakan nilai selisih rata-rata
dengan modus dibagi simpangan baku.
Koefisien Kemencengan Pearson dirumuskan sebagai berikut:

Mo 3( Md)
Sk atau Sk

Dimana :
Sk : koefisien kecondongan
: nilai rata-rata hitung
Mo : nilai modus
Md : nilai median
: standar deviasi
*) Untuk data dikelompokan rumus tetap sama dan di kalikan dengan
(fi)

Sk = [ - Mo ] .fi / atau = 3.[ - Md].fi /


Skewness

Jika nilai Sk dihubungkan dengan keadaan kurva maka


:
Sk = 0 kurva memiliki bentuk simetris;
Sk > 0 nilai-nilai mean terletak di sebelah kanan Mo,
kurva memiliki ekor memanjang ke kanan, kurva
menceng ke kanan/positif;
Sk < 0 nilai-nilai mean terletak di sebelah kiri Mo,
kurva memiliki ekor memanjang ke kiri, kurva
menceng ke kiri/negatif.
Contoh Skewness
Skewness

Menghitung skewness dengan excel

Cara penulisan rumus skewness di excel :


Skew (number1, number2,...)
Dimana : Number1, number2 ... berupa 1-255 argumen
yang ingin dihitung skewnessnya. Juga dapat
menggunakan array tunggal atau referensi ke array,
bukan argumen yang dipisahkan oleh koma.
Skewness

Sebagai contoh, buat tabel seperti di bawah ini :


1. Ketik Data Post pada sell A2 hingga A11
2. Untuk menghitung nilai skewness, di sel C2 ketik
formula =SKEW(A2:A11)
Skewness

Terlihat nilai skewnessnya lebih kecil dari 1, berarti jika


grafik kurva distribusinya dibuat akan tampak seperti
pada gambar Negative Skew.
Skewness
Ukuran kemiringan yang lain adalah koefisien 1 (baca 'beta-satu'):

Dimana

Interpretasi
Distribusi dikatakan simetris apabila nilai b1 = 0. Skewness positif atau
negatif tergantung pada nilai b1 apakah bernilai positif atau negatif.
Skewness
Ukuran Skewness yang sering digunakan:

Skewness Populasi:

Skewness Sampel:

atau formula berikut (MS Excel):

NB: kedua formula di atas menghasilkan nilai skewness yang sama

Interpretasi:
Distribusi dikatakan simetris apabila nilai g1 = 0. Skewness positif atau negatif
tergantung pada nilai g1 apakah bernilai positif atau negatif.
Skewness

Menurut Bulmer, M. G., Principles of Statistics (Dover, 1979):


highly skewed: jika skewness kurang dari 1 atau lebih dari +1
moderately skewed: jika skewness antara 1 dan atau antara + dan +1.
approximately symmetric: jika skewness is berada di antara dan +.
Kurtosis

Kurtosis atau keruncingan adalah tingkat kepuncakan dari sebuah distribusi


yang biasanya diambil secara relatif terhadap suatu distribusi normal.
Berdasarkan keruncingannya, kurva distribusi dapat dibedakan atas tiga macam,
yaitu :
1) Leptokurtik, merupakan distribusi yang memiliki puncak relatif tinggi (nilai
keruncingan > 3)
2) Platikurtik, merupakan distribusi yang memiliki puncak hampir mendatar (nilai
keruncingan <3)
3) Mesokurtik, merupakan distribusi yang memiliki puncak sedang dan tidak
mendatar (Normal (nilai keruncingan = 3)
Kurtosis

Untuk mengetahui keruncingan suatu distribusi, ukuran


yang sering digunakan adalah koefisien kurtosis
persentil.

Koefisien keruncingan atau koefisien kurtosis


dilambangkan dengan 4 (alpha 4).
Kurtosis

Menghitung Kurtosis dengan excel

Cara penulisan rumus kurtosis di excel :


Kurt (number1, number2,...)
Dimana : Number1, number2 ... berupa 1-255 argumen
yang ingin dihitung kurtosisnya. Juga dapat
menggunakan array tunggal atau referensi ke array,
bukan argumen yang dipisahkan oleh koma.
Kurtosis
Sebagai contoh, buat tabel seperti di bawah ini :
1. Ketik Data Pre pada sell A2 hingga A11
2. Untuk menghitung nilai kurtosis, di sel C2 ketik formula =Kurt(A2:A11)

Hasil krtosis = -0.72543


Kurtosis
Kurtosis dihitung dengan menggunakan koefisien Pearson, 2 (baca 'beta - dua').

dimana:
Kurtosis
Ukuran Kurtosis yang sering digunakan:
Kurtosis Populasi:

Kurtosis:

Excess Kurtosis:

Kurtosis Sampel:

atau formula berikut (MS Excel):

s = standar deviasi
NB: Excel menggunakan nilai Excess Kurtosis. Hasil perhitungan dari
kedua formula di atas, menghasilkan nilai yang sama
Kurtosis
Interpretasi:
Distribusi dikatakan:
Mesokurtik (Normal) jika b2 = 3
Leptokurtik jika b2 > 3
platikurtik jika b2 < 3