NILAI PENYEBARAN (KURTOSIS DAN SKEWNES)

Dosen Pembimbing:

Ibu Pomarida Simbolon S.KM., M.Kes

Disusun Oleh:

Grace Yolanda Sembiring

NIM: 032017011

PRODI NERS TAHAP AKADEMIK TAHUN 2017

SEKOLAH TIGGI ILMU KESEHATAN STIKES SANTA ELISABETH

MEDAN

TAHUN 2020/2021
 KATA PENGANTAR

Puji syukur kehadirat Tuhan Yang Mahakuasa karena telah memberikan kesempatan
pada penulis untuk menyelesaikan makalah ini. Atas rahmat dan hidayah-Nya lah penulis
dapat menyelesaikan makalah yang berjudul “Nilai Penyebaran (Kurtosis Dan Skewnes)”
tepat waktu.

Makalah manfaat dan tehnik penyajian data disusun guna memenuhi tugas dosen Ibu
pomarida pada Mata Kuliah Biostatistika di STIKes St. Elisabeth Medan. Selain itu, penulis
juga berharap agar makalah ini dapat menambah wawasan bagi pembaca Tentang Nilai
Penyebaran (Kurtosis Dan Skewnes).

Penulis mengucapkan terima kasih sebesar-besarnya kepada Ibu pomarida selaku

dosen mata kuliah. Tugas yang telah diberikan ini dapat menambah pengetahuan dan
wawasan terkait bidang yang ditekuni penulis. Penulis juga mengucapkan terima kasih pada
semua pihak yang telah membantu proses penyusunan makalah ini.

Penulis menyadari makalah ini masih jauh dari kata sempurna. Oleh karena itu, kritik dan
saran yang membangun akan penulis terima demi kesempurnaan makalah ini.

Medan,, 29 Agustus 2020

Penulis
 DAFTAR ISI
Cover................................................................................................................
KATA PENGANTAR....................................................................................
DAFTAR ISI...................................................................................................
BAB 1 PENDAHULUAN...............................................................................
1.1 Mean ..........................................................................................................
1.2 Standar deviasi............................................................................................
1.3 Varians .......................................................................................................
BAB 2 KASUS.................................................................................................
2.1 Kasus Desil.................................................................................................
2.2 Kasus Kuartil..............................................................................................
2.3 Kasus Persentil............................................................................................
BAB 3 PEMBAHASAN..................................................................................
3.1 Pembahasan Desil.......................................................................................
3.2 Pembahasan Kuarti.....................................................................................
3.3 Pembahasan Persentil.................................................................................
BAB 4 PENUTUP...........................................................................................

Daftar Pustak
 BAB 1

PEMBAHASAN

1.1 Kurtosis
Ukuran Keruncingan adalah kepuncakan dari suatu distribusi, biasanya diambil relatif
terhadap distribusi normal.
Berdasarkan keruncingannya. model kurva distribusi dapat dibedakan atas 3 macam, yaitu
sebagai berikut:
a. Leptokortik merupakan kurva distribusi yang memiliki puncak relatif tinggi dari
distribusi normal.
b. Platikurtik merupakan kurva distribusi yang memiliki puncak hampir mendatar dan
distribusi normal
c. Mesokurtik Merupakan kurva distribusi yang memiliki puncak tidak relatif tinggi dan
hampir distribusi normal.

Bila suatu model distribusi adalah simetrik maka distribusi mesokurtik dianggap sebagai
distribusi normal

Untuk menentukan ataupun mengetahui apakah sekumpulan data mengikuti distribusi

leptokurtik, platikurtik ataupun mesokurtik, hal ini dapat dilihat dari koefisien kurtosisnya.
(Yuantari & Handayani, 2017)
Koefisien Kurtosis Persentil dilambangkan dengan K (kappa). Untuk distribusi normal nilai
K = 0.263. Untuk menghitung koefisien kurtosis deigunakan rumus:

Keterangan:

K₃ : Kuartil ketiga

K₁ : Kuartil kesatu

P₉₀ : Persentil ke 90

P₁₀ : Persentil ke 10

Dari hasil koefisien kurtosis di atas yang menyatakan Nilai K (kappa) = 0.263, maka dapat
diketahui bahwa ada 3 kriteria untuk model distribusi dan sekumpulan data, yaitu:

1. Jika Nilai Koefisien Kurtosisnya < 0.263 maka distribusinya adalah Platikurtik
2. Jika Nilai Koefisien Kurtosisnya = 0.263 maka distribusinya adalah Mesokurtik
3. Jika Nilai Koefisien Kurtosisnya > 0.263 maka distribusinya adalah Leptokurtik

Macam-macam ukuran kurtosis:

a. koef. moment kurtosis

m4 m 4
α 4= +
s 2 m 22
Q Q
1) kurtosis thd kuartil dan percentile K= −
P90 P 10
b. kurtosis positif  distribusi lancip
c. kurtosis negatif distribusi tumpul
Dengan rumus momen
4 = 3 maka keruncingan distribusi data disebut mesokurtis
4 > 3 maka keruncingan distribusi data disebut leptokurtis
4 < 3 maka keruncingan distribusi data disebut platikurtis
1.2 SKEWNESS
Skewness adalah derajat asimetri suatu distribusi data atau tingkat ketidaksimetrisan dari
suatu distribusi data atau besaran (ukuran) untuk menentukan tingkat kemiringan kurva. Pada
gambar dapat dilihat perbedaan antara kurva normal atau simetris dengan kurva tidak normal
(asimetris).(Rusydi Ananda, 2018)
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 sama berarti data
tidak simetris atau tidak berdistribusi normal. Skewness atau tingkat kemencengan kurva
terdiri dari dua macam yaitu kurva menceng kiri (Skew to the Left) dan kurva menceng
kanan (Skew to the Right).
Skewness: ukuran ketidaksimetrisan (kemencengan) distribusi. Distribusi yang ekor
kurvanya lebih panjang kekanan disebut menceng ke kanan atau positif skewness. Begitu
juga sebaliknya Menggambarkan model kurva di distribusi data \
a. Model positif – ekor memanjang ke kanan
b. Model negatif – ekor memanjang ke kiri
c. Simetri – sisi kanan & kiri sama
Mo : Me : M
1. Kurva Menceng Kiri (Skew to the Left) atau condong negatif, yaitu nilai modus lebih
besar dari nilai mean (median > mean) atau sk < 0
2. Kurva Menceng Kanan (Skew to the Left) atau condong positif, yaitu nilai mean lebih
dari nilai modus (mean > median) atau sk > 0

Nilai skewness dapat diukur dengan menggunakan koefisien skewness Pearson dan
koefisien skewness Momen. Koefisien Skewness Pearson (sk) dengan rumus sebagai berikut:

1) Metode Karl Pearson

Koefisien Skewness :
X− Mo
SK=
S
Karena X – Mo : 3 (X – Me)
3(X −Me)
: SK=
3
Ket :
SK < 0 – Mdl negative
SK = 0 – simetri
SK > 0 – Mdl positif

Koef. Pearson I
mean−Mode X−Mode
SK= =
Standar deviasi S
Koef. Pearson II
¿ 3(mean−Mode ) 3( X−Mode )
SK= =
Standar deviasi S
Nb: Diperhatikan bila distribusinya normal maka koefisien skewness bernilai nol.
Koefisien skewness lainnya
( Q3−Q 2 )−(Q1−Q2) Q 3−2Q 2+Q 1
SK= =
Q 3−Q1 Q 3−Q1
koef. skewness 10-90% percentile:
( P 90−P 50 )−(P50−P 10) P 90−2 P 50+ P10
SK= =
P 90−P10 P 90−P 10
 2) Metode BowleY
( K 3−K 2 )−( K 2−K 1)
SK=
( K 3+ K 2 ) +(K 2−K 1)
Simetri k3 – k2 = k2 – k1
Positif : k3 – k2 > k2 – k1

BAB 2
KASUS

2.1 Kasus Skewness

Judul: Analisis Kemampuan Kemampuan Penalaran Dan Self Confidence Siswa Sma Dalam
Materi Peluang

Tentukan keruncingan dan kemencengan data !

 BAB 3
PEMBAHASAN

3.1 Pembahasan

Mean: 99,57
Median : 99,00
Standar deviasi : 8,283
3.2 Kurtosis

K= 1+ 3,3 log n
K= 1+ 3,3 log 48
K= 1+ 5,54
K= 6, 54 atau 7

CI = R/K
CI = 20
7
CI = 2, 85 atau 3

1
K1= . 48= 12
4
12−7
K1 = . 3 + 57, 7
8
5
K1 = . 3 + 57, 7
8
= 1,875 + 57,7 = 59,575
 3
K3= . 48= 36
4
36−22
K3 = . 3 + 63,5
14
14
K3 = . 3 + 63, 5
14
K3 = 3 + 63,5 = 66,5

69,5−59,575
SK = = 6, 925
2
Persentil:
10
Letak P10= . 48=4,8
100
4,8−2
P10= 54, 5 + .3
5
2,8
P10= 54, 5 + .3
5
P10= 54,5 + 1, 68 = 56, 18
 REFERENSI

Rizal. (2011). HUBUNGAN ANTARA TINGKAT KECEMASAN SISWA DALAM

MENGHADAPI UJIAN DENGAN HASIL BELAJAR AKUNTANSI SISWA KELAS XI
SMA NEGERI 1 RAHA 1 Oleh: Rizal 2. Hubungan Antara Tingkat Kecemasan Siswa
Dalam Menghadapi Ujian Dengan Hasil Belajar Akuntansi Siswa Kelas XI SMA Negeri 1
Raha, 1, 65–74.

Rusydi Ananda, M. F. (2018). STATISTIKA PENDIDIKAN : Teori dan Praktik Dalam

Pendidikan. In Journal of Visual Languages & Computing, CV. WIDYA PUSPITA (Vol. 11,
Issue 3).

Yuantari, C., & Handayani, S. (2017). Buku Ajar Statistik Deskriptif & Inferensial.
https://doi.org/10.1111/j.1467-8683.2009.00753.x