Momen Kemiringan Dan Kurtosis
Momen Kemiringan Dan Kurtosis
oleh :
Kelompok 1
AGRIBISNIS D
UNIVERSITAS PADJAJARAN
2014
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
Dasar. Kami juga berterima kasih kepada Dosen mata kuliah Statistika dasar 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.
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
( x i¿− A)r
VI(1) . . . . . . . . . . . m 'r = ∑ ¿
n
Untuk A = 0 didapat momen ke-r sekitar nol atau disingkat momen ke-r:
∑ x ri
VI(2) . . . . . . . . . . . Momen ke−r=
n
Jika A = x́ kita peroleh momen ke-r sekitar rata-rata, biasa disingkat dengan mr. Jadi
didapat:
( x i− x́ ¿)r
VI(3) . . . . . . . . . . . m r = ∑ ¿
n
Untuk membedakan apakah momen itu sampel atau untuk populasi, maka dipakai
simbol sebagai berikut :
Jika data telah disusun dalam daftar distribusi frekuensi, maka rumus-rumus
sebelumnya berbentuk:
' ∑ f i ( x i ¿−A )r
VI(4) . . . . . . . . . . . m =
r ¿
n
f i x ri
VI(5) . . . . . . . . . . . Momen ke−r= ∑
n
f i ( x i− x́ ¿ )r
VI(6) . . . . . . . . . . . m r = ∑ ¿
n
Dengan n = ∑ f i , xi = tanda kelas interfal dan fi = frekuensi yang sesuai dengan xi.
f i c ri
VI(7) . . . . . . . . . . . m 'r =p r ( ∑ )
n
ci = variabel sandi
2
m2=m'2−( m'1)
2
m4 =m'4−4 m'1 m'3 +6 ( m'1 ) m'2−3( m'1 )4
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
∑ f i c ri 15
m '1= pr ( n ) ( )
=31
100
=0,45
∑ f i c ri 97
m'2= pr ( n ) ( )
=32
100
=8,73
∑ f i c ri 33
m '3= pr ( n ) ( )
=33
100
=8,91
∑ f i c ri 253
m'4 =p r ( n ) ( )
=3 4
100
=204,93
2
m2=m'2−( m'1) =8,73−( 0,45 )2=8,53
3
m3=m'3−3 m'1 m'2 +2 ( m'1 ) =8,91−3 ( 0,45 ) ( 8,73 ) +2 ( 0,45 )3=−2,49
2
m4 =m'4−4 m'1 m'3 +6 ( m'1 ) m'2−3( m'1 )4
2 4
¿ 204,93−4 ( 0,45 ) ( 8,91 ) +6 ( 0,45 ) ( 8,91 )−3 ( 0,45 ) =199 , 38
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.
3(Rata−rata−Median)
VI(9) . . . . . . . . . . . kemiringan=
Simpangan Baku
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.
76,62−77,17
kemiringan= =−0,04
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 :
Dengan m2 dan m4 didapat dari Rumus VI(3). Kriteria yang didapat dari rumus ini
adalah :
a) a4 = 3 distribusi normal
b) a4 ˃ 3 distribusi leptokurtik
c) a4 ˂ 3 distribusi platikurtik.
Untuk menyelidiki apakah distribusi normal atau tidak, sering pula dipakai koefisien
kurtosis persentil, diberi simbol κ , yang rumusnya :
1
( K 3−K 1 )
VI(11) . . . . . . . . . . . κ= SK = 2
p90− p10 p 90− p10
K1 = kuartil ke satu
K3 = kuartil ke tiga
P90 = persentil ke 90
Contoh :
1. Dalam sebuah data telah dihitung m2 = 8,53 ; m3 = -2,69 ; dan m4 = 199,38. Hitunglah
koefisien kurtosisnya!
a 4=( m 4 /m 22 )=199,38 /(8,53)2=2,74
2. Dalam data upah pegawai tercantum upah untuk 65 orang. Telah dihitung :
1 1
( K 3 −K 1) (90,75−68,25)
2 2
κ= = =0,262
p90− p10 101−58,12
DAFTAR PUSTAKA