MOMEN, KEMIRINGAN, DAN KURTOSIS

oleh :

Kelompok 2

Masithoh Habib 17052044

Ibnu Sina 170520

Ayu Sundari 170520

PROGRAM STUDI BAHASA INGGRIS

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN

UNIVERSITAS ASAHAN

2019
 KATA PENGANTAR

Puji syukur kami panjatkan kehadirat Tuhan Yang Maha Esa karena dengan rahmat,
karunia, serta hidayah-Nya kami dapat menyelesaikan tugas untuk mata kuliah Statistika. Kami
juga berterima kasih kepada Dosen mata kuliah Statistika yang telah memberikan tugas ini
kepada kami.

Kami sangat berharap tugas ini dapat berguna dalam rangka menambah wawasan serta
pengetahuan kita mengenai “Momen, Kemiringan, dan Kurtosis”. Kami juga menyadari
sepenuhnya bahwa di dalam tugas ini terdapat kekurangan-kekurangan dan jauh dari apa yang
kami harapkan. Untuk itu, kami berharap adanya kritik, saran dan usulan demi perbaikan di masa
yang akan datang, mengingat tidak ada sesuatu yang sempurna tanpa sarana yang membangun.

Semoga laporan ini dapat dipahami oleh siapapun yang membacanya dan dapat berguna
bagi diri kami sendiri maupun orang yang membacanya. Sebelumnya kami mohon maaf apabila
terdapat kesalahan kata-kata yang kurang berkenan dan kami memohon kritik dan saran yang
dapat membangun demi perbaikan yang lebih baik di masa yang akan datang.

Kisaran, Oktober 2019

Penyusun
 MOMEN, KEMIRINGAN, DAN KURTOSIS

Rata-rata dan varians sebenarnya merupakan hal istimewa dari kelompok ukuran lain
yang disebut momen. Dari momen ini pula beberapa ukuran lain dapat diturunkan. Bentuk-
bentuk sederhana dari momen dan ukuran-ukuran yang didapat daripadanya akan diuraikan
dalam materi ini.

1. MOMEN

Pada bagian ini dibahas tentang momen, yang meliputi konsep momen ke-r di sekitar
bilangan tetap (asli), momen ke -r di sekitar nol, momen ke-r di sekitar rata-rata, momen ke-r
dalam bentuk data distribusi frekuensi, momen ke-r dengan cara sandi. Agar dapat memahami
konsep momen tersebut dengan jelas, mari kita bahas uraian dberikut ini.

Misalkan diberikan variabel x dengan harga-harga: x1 , x2 , ..... , xn. Jika A = sebuah

bilangan tetap dan r = 0,1,2, .... , n maka momen ke-r sekitar A, disingkat . , didefinisikan oleh
hubungan :

VI(1) . . . . . . . . . . .

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

VI(2) . . . . . . . . . . .

Dari rumus VI(2), maka untuk r = 1 didapat rata-rata .

Jika A = kita peroleh momen ke-r sekitar rata-rata, biasa disingkat dengan m r. Jadi
didapat:
 VI(3) . . . . . . . . . . .

Untuk r = 2, rumus VI(3) memberikan varians s2.

Untuk membedakan apakah momen itu sampel atau untuk populasi, maka dipakai simbol
sebagai berikut :

dan untuk momen sampel

dan untuk momen populasi

Jadi dan adalah statistik sedangkan dan merupakan parameter.

Jika data telah disusun dalam daftar distribusi frekuensi, maka rumus-rumus sebelumnya
berbentuk:

VI(4) . . . . . . . . . . .

VI(5) . . . . . . . . . . .

VI(6) . . . . . . . . . . .

Dengan n = , xi = tanda kelas interfal dan fi = frekuensi yang sesuai dengan xi.

Dengan menggunakan cara sandi VI(4) menjadi :

VI(7) . . . . . . . . . . .

Dengan p = panjang kelas interval

ci = variabel sandi

Dari , harga-harga mr untuk beberapa harga r, dapat ditentukan berdasarkan hubungan-

hubungan berikut :
Contoh :

Untuk menentukan empat buah momen sekitar rata-rata untuk data dalam daftar distribusi
frekuens, kita lakukan sebagai berikut :

Data fi ci fi ci fi ci2 fi ci3 fi ci4

60-62 5 -2 -10 20 -40 80

63-65 18 -1 -18 18 -18 18

66-68 42 0 0 0 0 0

69-71 27 1 27 27 27 27

72-74 8 2 16 32 64 128

Jumlah 100 - 15 97 33 253

Dengan menggunakan rumus VI(7) maka:

Sehingga dengan menggunakan hubungan diatas maka:

Dari hasil ini didapat varians s2= m2 =8,53

2. KEMIRINGAN

Kita sudah mengenal kurva halus atau model yang bentuknya bisa positif, negatif, atau
simetris. Model positif terjadi apabila kurva memiliki ekor panjang ke kanan. Sementara apabila
ekor kurva memanjang ke kiri maka kurva tersebut adalah kurva negatif. Kedua kurva tersebut
terjadi sifat taksimetri.

Untuk mengetahui derajat taksimetri sebuah model, maka digunakan ukuran kemiringan
yang ditentukan oleh :

VI(8) . . . . . . . . . . . .

Rumus empirik untuk kemiringan adalah :

VI(9) . . . . . . . . . . .

Rumus VI(8) dan VI(9) berturut-turut dinamakan koefisien kemiringan pearson type
pertama dan type kedua.

Sebuah model dapat dikatakan model positif apabila kemiringannya positif, negatif jika
kemiringannya negatif, dan simetrik jika kemiringannya sama dengan nol.

Contoh soal :

Data nilai ujian 80 mahasiswa yang mengikuti test memiliki rata-rata 76,62, median 77,3, dan
modus 77,17. Simpangan baku data tersebut adalah s = 13,07.

Karena kemiringan negatif dan dekat kepada nol maka dapat di lihat di dalam grafik
sedikit miring ke kiri.
3. KURTOSIS

Bertitik tolak dari kurva model normal atau distribusi normal, tinggi rendahnya atau
runcing datarnya bentuk kurva disebut kurtosis dapat ditentukan. Kurva yang runcing disebut
kurva leptokurtik, kurva yang tidak terlalu runcing disebut mesokurtik, dan kurva yang lebih
datar disebut kurva platikurtik.

Salah satu ukuran kurtosis ialah koefisien kurtosis, yang simbolnya a4, ditentukan oleh
rumus berikut :

VI(10) . . . . . . . . . . .

Dengan m2 dan m4 didapat dari Rumus VI(3). Kriteria yang didapat dari rumus ini
adalah :

a4 = 3 distribusi normal

a4 ˃ 3 distribusi leptokurtik

a4 ˂ 3 distribusi platikurtik.

Untuk menyelidiki apakah distribusi normal atau tidak, sering pula dipakai koefisien
kurtosis persentil, diberi simbol κ , yang rumusnya :
 VI(11) . . . . . . . . . . .

Dengan SK = rentang semi antar kuartil

K1 = kuartil ke satu

K3 = kuartil ke tiga

P10 = persentil kesepuluh

P90 = persentil ke 90

P90 - P10 = rentang 10-90 persentil

Contoh :

1. Dalam sebuah data telah dihitung m 2 = 8,53 ; m3 = -2,69 ; dan m4 = 199,38. Hitunglah
koefisien kurtosisnya!

2. Dalam data upah pegawai tercantum upah untuk 65 orang. Telah dihitung :

K1 = 68,25 dan K3 = 90,75 ; P10 = 58,12 dan P90 = 101,00

Maka koefisien kurtosis persentilnya adalah :

 DAFTAR PUSTAKA

Sudjana. Metoda Statistika. 2005. Tarsito. Bandung.