SKEWNESS DAN KURTOSIS

Disusun Oleh :
Nama : Rini Yolanda Sitorus
Nim : 032017018
M.Kuliah : Biostatistika
Dosen : Pomarida Simbolon S.KM., M.Kes

PROGRAM STUDI NERS TAHAP AKADEMIK

STIKes SANTA ELISABETH
MEDAN
2020
 DAFTAR ISI

Cover
BAB 1............................................................................................................................3

TINJAUAN PUSTAKA................................................................................................3

1.1 Skewnes..........................................................................................................3

1.2. Kurtosis...........................................................................................................5

BAB 2............................................................................................................................8

KASUS..........................................................................................................................8

BAB 3............................................................................................................................9

PEMBAHASAN............................................................................................................9

DAFTAR PUSTAKA..................................................................................................15

1.1.
 BAB 1

TINJAUAN PUSTAKA

1.1 Skewnes
Ukuran dispersi merupakan ukuran tentang derajat pemencaran
(degree of scatter) di mana terdapat kecenderungan bagi setiap nilai variabel
untuk berpencar di sekitar nilai rata-rata (mean). Dispersi merupakan suatu
karakteristik yang selalu harus diperhitungkan di dalam menganalisis data
dalam sebuah frekuensi distribusi. Ukuran dispersi dimaksudkan untuk
mengetahui apakah pemencaran dari nilai-nilai variabel di sekitar rata-rata
itu sifatnya kompak atau menyebar.
Ukuran kemencengan atau kemiringan (skewness) merupakan ukuran
tentang derajat kesimetrisan dari sebuah sebaran (distribusi). Dapat pula
dikatakan sebagai ukuran keseimbangan atau ketidakseimbangan pada kedua
sisi nilai sentral. Keadaan seperti ini disebut juga asimetris. Ukuran
kemencengan atau kemiringan dibedakan antara yang positif dengan yang
negatif. Sebuah sebaran dikatakan menceng positif (positive skewed) apabila
kemencengan itu memberat ke arah kanan, atau ekornya berada di sebelah
kanan.
Sebaliknya sebuah sebaran dikatakan menceng/ miring negatif apabila
kemencengan/ kemiringan itu memberat ke arah kiri atau ekornya terletak di
sebelah kiri. (Dr. Rusydi Ananda & Muhammad Fadhli, 2018)
Skewness merupakan statistik yang digunakan dalam memberikan
gambaran distribusi data apakah miring ke kiri, ke kanan atau simetris
sedangkan kurtosis merupakan statistik yang digunakan dalam memberikan
gambaran apakah distribusi data cenderung rata atau runcing. (Setiawan,
2016)
 Ukuran kemiringan dari suatu distribusi data menurut kurvanya untuk
mengetahui derajat taksimetri suatu model (mengetahui simetris tidaknya
kurva). Pada kurva distribusi frekuensi diketahui dari posisi modus, mean,
dan median.(Gunawan, 2016)

Skewness dari suatu variable random X yang dinotasikan dengan

Skew[X] didefinisikan sebagai

E[ ( x−μ )3 ]
Skew [X] = 2
E[ ( x−μ ) ]³ ⸝ ²

dengan µ = E[ X ]. Skewness ini juga dinamakan skewness populasi.

Skewness merupakan ukuran dari kesimetrisan atau lebih tepatnya kekurang
simetrisan. Suatu distribusi dikatakan simetris jika distribusi tersebut
nampak sama antara sebelah kanan dan sebelah kiri titik pusatnya.
Menurut Pearson dalam Janosik et al., (2018) ada beberapa rumus untuk
menghitung koefisien kemiringan, yaitu:
 Jika nilai dari sk (Koefisien Kemiringan Pearson) dihubungkan dalam
keadaan kurva maka dadapatkan ketentuan 3 hal:
a. Apabila nilai sk = 0 model distribusi kurva memiliki bentuk simetrik atau
normal.
b. Apabila nilai sk > 0 model ditribusi kurva memiliki bentuk kemiringan ke
arah kanan yang artinya modek distribusi kurva positif.
c. Apabila nilai sk < 0 model distribusi kurva memiliki bentuk kemiringan
ke arah kiri yang artinya model distribusi kurva negatif.
1.2. Kurtosis
Ukuran Keruncingan adalah kepuncakan dari suatu distribusi, biasanya
diambil relatif terhadap distribusi normal.(Janosik et al., 2018) Ukuran
peruncingan (kurtosis) merupakan ukuran tentang derajat peruncingan dari
 sebuah sebaran. Dua buah sebaran dapat memiliki rata-rata yang sama, tetapi
yang satu dapat lebih runcing dibandingkan yang lain. Derajat peruncingan
sebuah sebaran dapat dibedakan dalam 3 (tiga) jenis yaitu:
a. Leptokurtic, apabila puncak sebaran adalah runcing. Distribusi leptokurtic
(runcing) adalah α4 > 3
b. Mesokurtic, apabila puncak sebaran adalah normal. Distribusi mesokurtic
(runcing) adalah α4 = 3
c. Platykurtic, apabila puncak sebaran adalah datar. Distribusi platyurtic
(runcing) adalah α4 < 3
(Dr. Rusydi Ananda & Muhammad Fadhli, 2018)

Ukuran keruncingan suatu distribusi data menurut kurvanya untuk

mengetahui derajat keruncingan suatu model. Keruncingan disebut juga
ketinggian kurva. (Gunawan, 2016)

Kurtosis dari suatu variable random X didefinisikan sebagai

E[ ( x−μ )4 ]
Κ== 2
E[ ( x−μ ) ]²

Kurtosis merupakan ukuran apakah distribusi X lebih rata secara

relatif dari distribusi normal atau sebaliknya. (Setiawan, 2016)
 (Sutrisno, 2018)
Rumus K=
1
K 3−K 1
K= 2
P 90−P 10
 BAB 2

KASUS

Nilai Ujian Matematika siswa kelas XII IPA 3 SMA Negeri Harapan dapat
dilihat dari tabel berikut ini :

No. Nilai Frekuensi

1. 51-60 2

2. 61-70 4

3. 71-80 8

4. 81-90 4

5. 91-100 2

Jumlah 20

a. Hitunglah koefisien kemiringan degan menggunakan nilai kuartil.

b. Hitunglah Koefisien Kurtosis (K)
 BAB 3

PEMBAHASAN

Nilai Ujian Matematika siswa kelas XII IPA 3 SMA Negeri Harapan dapat
dilihat dari tabel berikut ini :

No. Nilai Frekuensi

1. 51-60 2

2. 61-70 4

3. 71-80 8

4. 81-90 4

5. 91-100 2

Jumlah 20

Penyelesaian :

a. Koesfisien Skewnes
K 3−2 K 2+ K 2
Sk =
K 3−K 1

Sebelumnya tentukan terlebih dahulu letak dan nilai dari setiap kuartil.

K1 = ….?

1
K1 = n
4

1
= 20
4
 =5

1
n−fk
Maka K₁ = Tb + p 4 n
f

5−2
= 60.5 + 10 [ ]
4

= 60.5 + 7.5

= 68

K2 = ….?

2
K2 = n
4

2
= 20
4

= 10

2
n−fk
Maka K2 = Tb + p 4 n
f

10−6
= 70.5 + 10 [ ]
8

= 70.5 + 10

= 70.5 + 5

= 75.5

K3 = ….?
 3
K3 = n
4

3
= 20
4

= 15

3
n−fk
Maka K₃ = Tb + p 4 n
f

15−14
= 80.5+10[ ]
4

= 80.5 + 10

= 80.5 + 2.5

= 83

No Nilai Frekuensi Fk Keterangan

.

1. 51-60 2 2

2. 61-70 4 6 K1

3. 71-80 8 14 K2

4. 81-90 4 18 K3

5. 91-100 2 20

Jumlah 20

Jadi, koefisien skewnes dari data tersebut adalah

 K 3−2 K 2+ K 2
Sk =
K 3−K 1

83−2 x 75.5+75 .5
Sk =
83−68

= 7.5/15

= 0,5

sehingga dapat dipastikan Nilai Koefisien Kemiringan Pearson 0.5 (Positif)

b. Koefisien Kurtosis (K)

1
K 3−K 1
K= 2
P 90−P 10

1
K1 = n
4

1
= 20
4

=5

1
n−fk
Maka K₁ = Tb + p 4 n
f

5−2
= 60.5 + 10 [ ]
4

= 60.5 + 7.5

= 68

3
K3 = n
4
 3
= 20
4

= 15

3
n−fk
Maka K₃ = Tb + p 4 n
f

15−14
= 80.5+10[ ]
4

= 80.5 + 10

= 80.5 + 2.5

= 83

10
P10 = n
100

10
= 20
100

1
= 20
10

=2

10
n−fk
Maka P10 = Tb + p 100 n
f

2−0
= 50.5 + 10 [ ]
2

= 50.5 + 10

= 60.5
 90
P90 = n
100

90
= 20
100

9
= 20
10

= 18

90
n−fk
Maka P90 = Tb + p 100 n
f

18−18
= 90.5 + 10 [ ]
2

= 90.5 + 0

= 90.5

Sehingga Koefisien Kurtosis nya adalah :

1
K 3−K 1
K= 2
P 90−P 10
1
83−68
K= 2
90,5−60,5
7,5
K=
30
= 0,25

Karena nilainya < 0.263 maka distribusinya adalah Platikurtik

 DAFTAR PUSTAKA

Dr. Rusydi Ananda, M. P., & Muhammad Fadhli, M. P. (2018). STATISTIK

PENDIDIKAN TEORI DAN PRAKTIK DALAM PENDIDIKAN.

Gunawan, I. (2016). SKOR BAKU, SKEWNES, DAN KURTOSIS. X, 1–8.

Janosik, S. M., Safitri, T. A., & Retnaningdiah, D. (2018). Statistik Deskriptif. In

NASPA Journal (Vol. 42, Issue 4).

https://doi.org/10.1017/CBO9781107415324.004

Setiawan, A. (2016). Penentuan distribusi skewness dan kurtosis dengan metode

resampling berdasar densitas kernel. June 2012.

Sutrisno, B. (2018). U k ur a n K e c ondong a n ( Sk ew n es s ) d a n U kur a n

Keruncingan ( K u rto s i s ).