Andi Supangat1
Abstrak. Skewness adalah merupakan besaran (ukuran) untuk menentukan tingkat kemiringan
kurva. Penentuan kecenderungan kemiringannya selama ini ditetapkan berdasarkan metode dari
Pearson dan Bowley. Pearson dengan metode pendekatan nilai rata-rata hitung, nilai modus ,
nilai median serta moment matematisnya, menyatakan bahwa kurva berkecenderungan condong
(miring) ke kiri (positif) jika nilai skewnessnya > 0, apabila nilai skewnessnya =0, maka kurva
dikatakan berkecenderungan normal dan apabila nilai skewness < 0, maka kurva dikatakan
cenderung condong ke kanan (Negatif). Sedangkan Bowley dengan melakukan pendekatan nilai
kuartilnya, menyatakan bahwa suatu kurva dikatakan cenderung condong ke kiri (positif) jika
nilai skewnessnya, normal dan atau cenderung condong ke kanan (negatif) ditetapkan jika nilai
skewness = ± 0,1, sedangkan jika nilai skev.rnessnya = ± 0,3, maka kecenderungan ccondongnya
sangat berarti.
Formulasi baru guna menentukan kemiringan kurva yang ditetapkan oleh Andi Supangat ini
didasarkan pada konsep pendekatan rata-rata polar dan deviasi polar. Adapun formulasi
1. PENDAHULUAN
Skewness adalah merupakan besaran (ukuran) untuk menentukan tingkat kemiringan kurva.
Kurva yang terbentuk dari penghalusan poJigon frekuensi, penentuan kecenderungan
kemiringannya selama ini ditetapkan berdasarkan metode dari Pearson dan Bowley'. Pearson
dengan metode pendekatan nilai rata-rata hitung, nilai modus, nilai median serta menggunakan
model moment matematis, menyatakan bahwa kurva berkecenderungan condong (miring) kekiri
(positif) jika nilai skewnessnya > 0, apabila nilai skewnessnya = 0, maka kurva dikatakan
berkecenderungan normal dan apabila nilai ske\\'T1ess < 0, maka kurva dikatakan cenderung
condong ke kanan (negatif). Sedangkan Bowley dengan melakukan pendekatan nilai kuartilnya ,
menyatakan bahwa suatu kurva dikatakan cenderung condong kekiri (Positif) jika nilai
skewnessnya, normal dan atau cenderung condong kekanan (negatif) ditetapkan jika nilai
skewness = ± 0,1, sedangkan jika nilai skewnessnya = ± 0,3, maka kecenderungan ccndongnya
sangat berarti, pada konsep penentuan nilai skewness oleh Andi Supangat dengan menggunakan
metode selisih modus, menyatakan bahwa jika Sk >0, maka kurva cenderung condong ke kanan
95
(negatif), jika Sk = 0, maka kurva cendenmg nonnal dan jika Sk <
2
condong kekiri (posi tif) .
° maka kurva cendenmg
Dari hasil pengamatan yang telah dilakukan, yaitu dengan cara membuat simulasi data yang
tersusun dalarn model-model daftar distribusi frekuensi, pada akhimya dapat ditetapkan
fonnulasi baru dengan metode rata-rata polar dengan kriteria, jika Kemiringan Kurva (\) > 0,
maka kurva dikatakan cenderung condong kekanan (negatif), jika Sk 0, maka kurva dikatakan
=
nonnal dan jika \ < 0, maka kurva dikatakan cenderung condong kekiri (positif).
2. MODEL SKEWNESS
Berikut disajikan model-model untuk menghitung dan menentukan nilai skewness menu rut
Pearson dan Bowley 3:
1. Pearson":
X -Mo 3(X - Me)
a. Model I : Sk = 0: 3 = : - - - atau Sk = 0: 3 =:
S S
Sk : Skewness
X : Rata-rata
Mo : Modus
Me : Median
S : Sirnpangan baku
- (0 3 + O2) + (0 2 + 0 1 ) 0 3 + 20 2 + 0 1
Gambar 1
96
3. EKSISTENSI FORMULASI TERDAHULU
Seperti telah dikemukakan sebelumnya, bahwa pad a dasarnya gambaran kemiringan kurva dan
atau kenonnalan suatu kurva, konsep penentu utamanya adalah: "Bagaimana sekumpulan data
tersebar (terdistribusi) pada interval - interval kelas yang diimplementasikan dalam
frekuensnya".
Sejauh ini konsep penanganan bentuk kemiringan kurva dilandasi oleh ukuran keterpusatan data
dan ukuran letak data. Namun demikian pada gilirannya hal tersebut dihadapkan pada berbagai
kendala untuk mendapatkan kepastian secara nyata, karena sering dihadapkan pada kondisi
kondisi yang inkonsistensi antara hasil perhitungan dan kenyataannya.
Secara khsusus, penulis mencoba menelaah fonnulasi skewness yang disampaikan oleh
Pearson, baik dilihat dari fonnulasi dengan pendekatan Modus, Median maupun dengan
menggunakan model Moment Matematis, seperti :
X-Mo
Formulasi -I : Sk = oJ =- -
S
3(X M) I F- (X, . X)3
Formulasi - 2 : Sk = - e dan Fonnulasi - 3 : Sk = I I
S ns 3
Ukuran kemiringan kurva (skewness) pada pnnslpnya didasarkan pada konsep
hubungan pemusatan data antara niJai rata-rata hitung, modus dan mediannya (X, Mo, dan Me ),
jika nilai X = Mo = Me, maka kecenderungan kurvanya akan terbentuk simetris (normal).
Namun demikian apabila nilai-nilai X;to Mo;to Me maka ada 2 (dua) kemungkinan yang dapat
terjadi pada kemiringan kurvanya, yaitu bisa condong kekiri (positif) atau bisa juga condong
kekanQn (negQrif).
Dalam kajian ini, penulis sengaja menyampaikan satu telaah (dalam bentuk contoh
penyeJesaian soaJ) yang akan dijadikan sebagai gambaran cara menghitung nilai skewness dari
Pearson dan Bowley?
Contoh - 1 :
Jika da ft ar distribusi frekuensi tersaj i seperti pada tabel berikut, maka tentukan kesesuaian
tingkatkemirin gan kurvan ya dengan hasil perhitungan nilai skewness nya ')
Tabel 1
(0000 Rupiah)
10,2 19,4 1
19,5 28,7 6
28,8 38,0 10
38, 1 47,3 8
47,4 56,6 40
56,7 65 ,9 20
66,0 75 ,2 6
75,3 84,5 5
97
84,6 - 93,8 7
93 ,9 - 103,1 8
lumlah III
Sumber : Flictlf
Penyelesaian:
65.9
"
2e
52
8
o Menurut Pearson
X-Mo
1. Sk =a 3 =--
S
Mo = b + p( _ b_- ]
b, + b2
1
~ Mo = 47,35 + 9,3(~J
32 + 20
= 53,07
19,69
2. Sk = 3(X - Me)
S
l
Me=b+p ~-Fl
~ ~Me=47,35+9,3 (55,5-25
40 J =54 ,44
d ' N']
Jal l al'Sk ewnessnya : Sk 3(57,45 - 54,44) = 0,4 6
=
19,69
Karena sk > a, maka Kurva cenderung Condong kekil'i I Positif
9
o Menurut Cara Moment Matematis :
8Ibid
91bid
98
Sk = IF,(X , - XY ~ Sk = - 6369,096 = -0 007
ns 3 111(19,69)3'
Karena sk < 0, maka Kurva cenderung Condong kekanan / Ncgatif
o Menurut BowleylO:
Nilai-nilai Kuartil:
Q =b+
1
[~n-F]=4735+93(27'75-25)=4799
2n - F] ( 55,5 _25)
Q2 = b + P _4_- = 47,35 + 9,3 40 = 47,35 + 6,67 = 54,44
[ f
3n - F] ( 83 25 _65)
Q3 = b + P _4_- = 56,65 + 9,3 ' 20 = 56,65 + 8,49 = 65,14
[ f
Sk-(Q3+Q2)-(Q2+QI) _ Q3-Ql
Keterangan Gambar 2:
Untuk menentukan kurva penghalusan (kurva yang diarsir), adalah merupakan model
kurva kontinu sebagai penghalusan dari kurva polygon frekuensinya, kalau diperhatikan dan
model kurva (hasil penghalusan), tingkat kecenderungan kurva di atas lebih condong kekanan
(kurva negatif), namun demikian sesuai dengan hasil perhitungan dengan modus dan median,
kurva di alas dikatakan cenderung condollg kekiri (kurva posilif), sedangkan dengan
menggunakan metode Moment Matematis dan Bowley, hasilnya adalah cenderung cOfldong
kekallall (kurva negatif), secara nyata hasil perhitungan satu dengan lainnya terjadi kelidak
Konsislenan.
Telah dikemukakan sebelumnya, bahwa keterpusatan dala dan variasi data adalah merupakan
pendukung utama dalam me nentukan nilai skewness (kemiringan kurva), seperti nilai rata-rata,
nilai Median, nilai Modus, nilai simpangan baku serta nilai variasi lainnya .
Secara teoritis , di dalam Statistika dikenal beberapa istilah untuk melakukan pengukuran
terhadap tingkat penyirnpangan data (deviasi), maka berangkat dari semua persoalan yang
terjadi khususnya dalam menentukan nilai-Rjlai yang terkait dengan uJ....Llran parameter
penyirnpangannya . Dalam kaitan dengan penentuan formula baru ini , penulis mencoba
memperke nalkan beberapa istilah "baru" sebagai pendukung teon yang akan diungkapkan
lebih ianjut, seperti: Paruh Interval, Middle Rallge, Titik Interval, Rata-rata Polar dan
Deviasi Polar.
10 Ibid
99
Kurva:
KURVA PENDAPATAN MASYARAKAT KOTA "x"
Frekuensi
40
20
10
InlerYal Kelas
o
Gambar 2
Yang dimaksud dengan istilah "Paruh In tervar' I I adalah merupakan nilai atau ukuran data
tengah dari kelas kelas intervalnya yang terdapat pada Daftar Distribusi Frekuensi. Adapun nilai
dari Paruh interval ini diperoleh berdasarkan : "Jumlah nilai ujung bawah kelas interva l pertama
(NA + Ns )
dengan nilai ujung atas kelas interval terakhir dibagi dua". Paruh Interval (P In! )
2
Dimana : Pint : Paruh interval
NA : Ujung bawah kelas interval pertama
Ns : Ujung atas kelas interval terakhir
Sebagai gambaran, untuk menentukan nilai paruh interval sebagai berikut:
Tabel2
(0000 Rupiah)
lntreval
Fi Xi
pendapatan
25 - 34 15 29,5
35 - 44 7 39,5
45 - 54 8 49,5
55 - 64 12 59,5
65 - 74 22 69,5
75 - 84 10 79,5
85 - 94 15 89,5
95 - 104 9 99,5
Jumlah 98
Sumber: Flktlf
(104 + 25) = 62 5
2 '
11 Andi Supangat, 2005, Hasil Penelitian "Rata·rata Polar Sebagai Alternatif Dalam Menentukan Ukuran Keterpusatan
Data", Universitas Widyatama, Bandung .
100
5.2. MIDDLE RANGE (M R)
l2
Yang dimaksud dengan middle range adalah jarak setengah interval yang merupakan hasil
selisih ujung atas interval kelas terakhir dengan ujung bawah interval kelas perlama dan
dihagi dua . Middle range (M R) diformulasikan seperti berikut: MR == (N N J
B ; A
· ~Jdai~I~~II~~
10 - 19 5
20 - 29 10
30 - 39 18
40 - 49 20
50 - S9 14
60 - 69 7
70 - 79 II
80 - 89 28
90 - 99 18
lumlah 132
Su mbe r. F.kt. r
DA : Data awal
12Ibid
14Andi Supangat, 2005, Hasil Penelitian "Rata·rata Polar Sebagai Alternatif Dalam Menentukan Ukuran Keterpusatan
Data", Universitas Widyatama, Bandung
101
DT : Data tengah
DB : data akhir
Dirnana:
P = (MRXLF;. T;)
A P'LF;
Dirnana:
PA : Rata-rata polar
MR : Middle range
P : Panjang kelas
LF : Jurnlah data
Perhitungan nilai deviasi polar dapat dilakukan untuk data yang belurn dikelornpokkan dan data
yang sudah dikelornpokkan '5 :
o Untuk data yang bel urn dikelornpokkan (jurnlah data ganjil) :
Deviasi Polar (D ) =
IDs -PAl
IDA -PAl + lOT -PAl + '---..:.-~
P 3 3 3
Dirnana: DA.T.B : Data awal, data tengah dan data akhir
PA : Rata-rata polar
o
Untuk data yang belurn dikelornpokkan (jurnlah data genap):
15 Andi Supangat, 2005, Hasil Penelitian U Deviasi Polar Sebagai Alternatif Dalam Mene~tukan Tingkat Penyimpangan
Data", Universitas Widyatama, Bandung "
102
o
Untuk data yang belum dikelompokkan (Jumlah Data
Deviasi Polar
Dimana:
: Hasil kali frekuensi titik interval kelas interval pertama
T : Hasil kali frekuensi interval kelas tengah dengan titik interval kelas interval
TB : Hasil kali fTekuensi interval kelas akhiT titik interval kelas interval
Akhir
PA : Rata rata
Dp
Dimana.
kurva
Pint Paruh interval
.
PA : Rata-rata polar
Dp : Deviasi
Tabel 1
103
90 - 99 5 94,5 18,9 94,5
100 - 109 9 104,5 20,9 [r~;r
lumlah 59 697,1
SUMBER : F[J(TlF
.
Paruh mterval P. = (10 + 109) = 59,5
onl 2
Middle range: M
R
=(NB-NAJ=
2
109-10 =495
2 '
Deviasi Polar : Dp =
Sk -
Dp 13,75 '
Kesimpulan :
Karena 0,07 > 0, maka dapat diartikan kurva penghalusan cenderung condong kekanan
(Negatif)
Kurva Penghalusarmya :
KURVA PENDAPATAN MASYARAKAT KOTA "Y"
(0000 Rupiah)
15
10
Gambar.,3
8.1. KESIMPULAN
Berdasarkan penelaahan yang telah dilakukan dengan menggunakan simulasi penyelesaian soal,
104
Berdasarkan hasil telaah fonnulasi skelvness yang
Pearson dan Bowley yang kriteria
kemiringan kurvanya, dalam proses pelaksanaan
kali terjadi ketidak
2. Ketidak sesuaian yang dimunculkan menentukan nilai bisa terjadi
dan hasil perhitungan fonnula dan bahkan tidak terjadi perbedaan antara
hasil hitungan fonnula dengan kesesuaian kurva penghalusannya;
3 Abbat adanya "ketidak sesuaian" hasil akhir dalam IJ",uH"'Uie,a.u
dan kesesuaian poJa kurva maka
4. Berdasarkan hasil telaah dari penulis, tehadap fonnulasi bam guna menghitung nilai
SkelVness,
pada lebih berkesesuaian antara hasil
fonnulasi
Dengan memanfaatkan
secara otomatis akan timbul
ilmu statistika, Istilah Paruh Interval, Midlle Range, Paruh
Interval, Interval, Rata-rata polar dan Deviasi Polar; untuk data
yang belum (ungrouped) maupun yang sudah
dikelompokkan
8.2. SARAN
1. Fonnulasi skewness yang oleh PenuIis, adalah merupakan metode barn
guna menentukan nilai kemmiringan Kurva (skeIVness) selain metode
sebelunmya Bowley dan Moment l'viathematics).
2. Temuan bam tersebut diharapkan menciptakan nuansa baru pula khususnya
dalam kajian "STA TISTlKA" dan umunya dalam dunia Ilmu
baik,
9. DAFTAR PUSTAKA
a. Andi Supangat, Hasil Pellelitian "Rata-rata Polar Sebagai Alternatif Dalam
Afellentukan Ukuran Keterpusatan Data", Universitas Bandung.
b. Andi 2005, Hasil Penelitiall " Deviasi Polar Alternatif Da/am
ftfellell(ukan Tingkat Penyimpangall Data", Universitas Widyatama,
c Andi Supangat, Hasil Penelitian "Sebuah [novasi Sebagai Paradigma Baru
Da/am ftfenentukan Ukuran Kemiringan Kurva", Universitas Widyatama Bandung.
d. Andi Supangat, Statistika Untuk Ekonomi dall Bisnis, Pustaka, '-''"'''U''''A
e. Anto 1991, Statistika I dall II, Jakarta.
f 1 Statis tik a Ulltuk Bisnis, BP STIE
105