E. Analisa Ukuran Penyebaran Data Menggunakan Ms.

Excel

1. 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). Secara perhitungan, skewness adalah momen ketiga terhadap mean. Distribusi normal dan
distribusi simetris lainnya, misalnya distribusi t memiliki skewness 0.

Cara penulisan rumus skewness di excel :

Skew (number1, number2,...)

Dimana :

Number1, number2 ... berupa1-255 argumen yang Kita ingin hitung skewnessnya. Kita juga dapat
menggunakan array tunggal atau referensi ke array, bukan argumen yang dipisahkan oleh koma.

2. Analisa Keruncingan Distribusi Data (Kurtosis)

Kurtosis adalah derajat keruncingan suatu distribusi (biasanya diukur relatif terhadap distribusi normal).
Kurva yang lebih runcing dari distribusi normal dinamakan Leptokurtik, yang lebih datar Platikurtik dan
distribusi normal disebut Mesokurtik. Kurtosis dihitung dari momen keempat terhadap mean. Cara
penulisan rumus kurtosis di excel :

Kurt (number1, number2,...)

Dimana :

Number1, number2, ... dapat berupa 1-255 argumen yang ingin dihitung kurtosisnya. Anda juga dapat
menggunakan array tunggal atau referensi ke array, bukan argumen yang dipisahkan oleh koma.

3. 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, tanpa melakukan
analisis dan membuat kesimpulan yang berlaku untuk umum. Dalam Statistik Deskriptif ini akan
dikemukakan cara-cara penyajian data, dengan tabel biasa maupun distribusi frekuensi; grafik garis
maupun batang; diagram lingkaran; histogram dll, dan menghitung ukuran penyebaran dan pemustan
data seperti: Mean, Median, Mode, Standard Deviation, Variance,

Kurtosis, Skewness, Range, Minimum, Maximum, Sum, dan Count.

Menggunakan EXCEL

#Nilai Mode tidak diketahui karena Nilai umumnya tidak ada.

Keterangan:

Mean Mean aritmetik atau dikenal sebagai rata-rata.

Sama seperti fungsi Rata-rata.

Standar Error Perkiraan kesalahan dalam sampel Mean.

Median Nilai di tengah, sama dengan fungsi Median.

Mode Nilai yang paling umum.

Standar

Deviation

Sebuah ukuran variabilitas data. Sama seperti fungsi STDEV.

Sample Varians Kuadrat dari standar deviasi. Sama seperti fungsi VAR.

Kurtosis Mengukur berat dari ekor distribusi. Sama seperti fungsi KURT.

Skewness Indeks apakah nilai-nilai yang di salah satu ujung distribusi.

Sama seperti fungsi SKEW.

Range Perbedaan antara maksimum dan minimum.

Minimum Nilai Terkecil.

Maximum Nilai Terbesar.

Sum Jumlah dari semua nilai. Sama seperti fungsi SUM.

Count Jumlah total nilai. Sama seperti fungsi menghitung.

F. Cara Membaca Nilai Kurtosis dan Skewness

1. Nilai Skewness

Skewness diartikan sebagai kemiringan distribusi data. Yang dimaksud dengan kemiringan data adalah
besarnya pembagian data atau rata-rata sebaran data yang biasanya di wujudkan denan bentuk lonceng,
untuk data yang berdistribusi normal. Begitu juga jika kita terapkan pada Skewness. Apabila skewness
menunjukkan simetri maka dikatakan data membentuk distribusi normal, apabila kemiringan distribusi
data agak condong ke kanan ditunjukkan dengan nilai skewness yang negative, selanjutnya apabila
kemiringan distribusi data condong ke kiri yang ditunjukkan bahwa nilai skewness positif. Apabila nilai sk
= 0, maka menunjukkan data berdistribusi normal, sk < 0 kemiringan ke kanan, dan sk > 0 kemiringan ke
kiri. Sebagai contoh, jika diperoleh nilai sk = -0,807 adalah artinya merupakan nilai negatif, akan tetapi
tidak jauh dari nilai, Berarti data cenderung berdistribusi normal atau hampir normal.

2. Nilai Kurtosis

Kurtosis diartikan sebagai keruncingan distribusi data. Semakin runcing nilai kurtosis akan
menunjukkan data hampir mengumpul (homogen). Akan tetapi apabila nilai kurtosis 0 menunjukkan
data normal, dan apabila nilai kurtosis semakin kecil, maka menunjukkan data semakin tumpul (semakin
menyebar dikatakan data tidak homogen).

Jika nilai kurtosis dekat nol maka data cenderung normal, apabila nilai kurtosis negative berarti datanya
tumpul atau cenderung melebar ke bawah, sebaliknya apabila nilai kurtosis positif maka datanya bersifat
runcing atau cenderung mengelompok (homogen). Sebagai contoh misalnya, Jika diketahui nilai ku =
1,06. Maka nilai kurtosis positif yang lebih besar dari nol dan cukup jauh dari nol. Oleh karena itu,
dikatakan datanya cenderung runcing atau dengan kata lain cenderung homogen