Nama : Didin Ferdiansyah

Judul : Kemiringan dan Kurtosis

Pertemuan ke : 11
Pukul : 09.00 WITA

A. Kemiringan
Kemencengan atau kemiringan (skewness) adalah tingkat
ketidaksimetrisan atau kejauhan simetri dari sebuah distribusi. Sebuah distribusi
yang tidak simetris akan memiliki rata-rata, median, dan modus yang tidak sama
besarnya (Mean ≠ Med ≠ Mo), sehingga distribusi akan terkonsentrasi pada salah
satu sisi dan kurvanya akan menceng.
Rata-rata dan ukuran penyebaran dapat menggambarkan distribusi data
tetapi tidak cukup untuk menggambarkan sifat distribusi. Untuk dapat
menggambarkan karakteristik dari suatu distribusi data, kita menggunakan
konsep-konsep lain yang dikenal sebagai kemiringan (skewness) dan keruncingan
(kurtosis).
Kemiringan (skewness) berarti ketidaksimetrisan. Sebuah distribusi
dikatakan simetris apabila nilai-nilainya tersebar merata disekitar nilai rata-
ratanya
Beberapa langkah-langkah perhitungan digunakan untuk menyatakan arah
dan tingkat kemiringan dari sebaran data. Langkah-langkah tersebut
diperkenalkan oleh Pearson.
Jika distribusi memiliki ekor yang lebih panjang ke kanan daripada yang
ke kiri maka distribusi disebut menceng ke kanan atau memiliki kemencengan
positif. Sebaliknya, jika distribusi memiliki ekor yang lebih panjang ke kiri
daripada yang ke kanan maka distribusi disebut menceng ke kiri atau memiliki
kemencengan negatif.
Berikut ini gambar kurva dari distribusi yang menceng ke kanan (menceng
positif) dan menceng ke kiri (menceng negatif).

Mod
Mod
Gambar a Gambar b
Gambar 1
Kemencengan Distribusi (a) Menceng ke kanan (b) Menceng ke kiri.
 1. Koefisien Kemencengan Pearson
Koefisien Kemencengan Pearson merupakan nilai selisih rata-rata dengan
modus dibagi simpangan baku. Koefisien Kemencengan Pearson dirumuskan
sebagai berikut:
X−Mod
α=
S
Keterangan :
Sk = koefisien kemencengan pearson
Aoabila secar empiris didapatkan hubungan antarnilai pusat sebagai:

Maka rumus kemencengan diatas dapat dirubah menjadi:

( X−Med )
α=3
S
Jika nilai sk dihubungkan dengan keadaan kurva maka:
1) Sk =0, kurva memiliki bentuk simetris
2) Sk>, Nilai-nilai terkonsentrasi pada sisi sebelah kanan (terletak di sebelah
kanan Mo), sehingga kurva memiliki ekor memanjang ke kanan, kurva menceng
ke kanan atau menceng positif.
3) Nilai-nilai terkonsentrasi pada sisi sebelah kiri (terletak di sebelah kiri Mo),
sehingga kurva memiliki ekor memanjang ke kiri, kurva menceng ke kiri atau
menceng negatif.
Contoh soal :
Tabel 1. penjualan Jalangkote di warung Cahaya Berkah
Distribus Tepi
fi xi U fU fU² fU³ fU⁴
i Kelas
2-6 5 1.5 4 -4 -20 80 -320 1280
7 - 11 9 6.5 9 -3 -27 81 -243 729
12 - 16 12 11.5 14 -2 -24 48 -96 192
17 - 21 12 16.5 19 -1 -12 12 -12 12
22 - 26 13 21.5 24 0 0 0 0 0
27 - 31 4 26.5 29 1 4 4 4 4
32 - 36 5 31.5 34 2 10 20 40 80
Jumlah 60       -69 245 -627 2297
Maka dari tabel tersebut dapa dicari kemencengannya dengan dua rumus
Kemencengan Pearson yaitu :
 ( X −Med )
X −Mod sk =3
sk= S
S 3 ( 18 .25−19 .69 )
18 , 25−22 sk =
8 . 37
sk= 3(−1 , 44 )
8 . 37 sk =
−3 . 75 8 . 37
sk= sk =
−4 , 32
8 . 37 8 . 37
sk=−-0 . 44 sk =−0 . 51
Oleh karena nilai sk-nya negatif (-0,44) dan (-0.51) maka kurvanya menceng ke
kiri atau menceng negatif.
2. Koefisien Kemencengan Bowley
Koefisien kemencengan Bowley berdasarkan pada hubungan kuartil-kuartil (Q1,
Q2 dan Q3) dari sebuah distribusi. Koefisien kemencengan Bowley dirumuskan :

Koefisien kemencengan Bowley sering juga disebut Kuartil Koefisien

Kemencengan.Apabila nilai skB dihubungkan dengan keadaan kurva, didapatkan :
1) Jika Q3 – Q2 > Q2 – Q1 maka distribusi akan menceng ke kanan atau menceng
secara
positif.
2) Jika Q3 – Q2 < Q2 – Q1 maka distribusi akan menceng ke kiri atau menceng
secara
negatif.
3) skB positif, berarti distribusi mencengke kanan.
4) skB negatif, nerarti distribusi menceng ke kiri.
5) skB = ± 0,10 menggambarkan distribusi yang menceng tidak berarti dan skB>
0,30
menggambarkan kurva yang menceng berarti.
Contoh: Dari tabel 1. maka dapat dihitung koefisien kemencengan bowley sebagai
berikut:

Dik :

Q 3 =24 . 192

Q 1 =11. 916

Q 2 =18 . 167
Dit : sk B = . . . ?

sk B =
Q + Q −Q
3 1 2

Q −Q 3 1
24 . 192 +11 . 916 −18 . 167
sk B =
24 . 192−11 . 916
17 . 941
sk B =
12 . 276
sk B =1 . 46

Karena skB negatif (-1.46) maka kurva menceng ke kanan dengan kemencengan
yang berarti.
3. Keofisien Kemencengan Momen
Koefisien Kemencengan Momen didasarkan pada perbandingan momen ke-3
dengan pangkat tiga simpang baku. Koefisien menencengan momen
dilambangkan
dengan α3. Koefisien kemencengan momen disebut juga kemencengan relatif.
Apabila nilai α3dihubungkan dengan keadaan kurva, didapatkan :
1) Untuk distribusi simetris (normal), nilai α3= 0,
2) Untuk distribusi menceng ke kanan, nilai α3 = positif,
3) Untuk distribusi menceng ke kiri, nilai α3= negatif,
4) Menurut Karl Pearson, distribusi yang memiliki nilai α3> ±0,50 adalah
distribusi
yang sangat menceng
5) Menurut Kenney dan Keeping, nilai α3 bervariasi antara ± 2 bagi distribusi
yang menceng.
Untuk mencari nilai α3, dibedakan antara data tunggal dan data berkelompok.
a. Untuk data tunggal
Koefisien Kemencengan Momen untuk data tunggal dirumuskan :

1
4 ∑ ( x −x )4
M 2
a 4= =
s4 s4
α3 = koefisien kemencengan momen
b. Untuk data berkelompok
Koefisien kemencengan momen untuk data berkelompok dirumuskan :

1
M 4
2
∑ fi ( x− x )4
a 4= 4
=
s s4 atau
3
∑ fU³ −3 ∑ f u2 ∑ fU
α 3=
c
S
3
3

{ n ( n )( ) ( ) } n
+2
∑ fu
n
Contoh: Dari tabel 1. maka dapat dihitung koefisien kemencengan Momen
sebagai berikut: 3

{ ( )}
3
c u
2
∑ fu
α=
S
3 3
∑ fU³ −3 ∑ f
n n
( )( ) n
∑ fU
n
+2

3
5
3

α=
8.36
125
3 3
{−627
60
−3
245
60 ( )(−69
60 )
+2
( )}
−69
60
¿ {−10. 45−3( 4 . 08)(−1. 15 )+ 2(−1 .520875 ) }
584 .277056
¿ 0 .213 {−4 , 43+14 . 076−3 .04175 }
¿ 0 .213 {6 .60425}
¿ 1. 406

Karena positif (1.406) maka kurva menceng ke kanan dengan kemencengan yang
berarti.

B. KERUNCINGAN ATAU KURTOSIS

Keruncingan atau kurtosis adalah tingkat kepuncakan dari sebuah distribusi yang
biasanya diambil secararelatif terhadap suatu distribusi normal.
Berdasarkan keruncingannya, kurva distribusi dapat dibedakan atas tiga macam,
yaitu sebagai berikut :
1) Leptokurtik
Merupakan distribusi yang memiliki puncak relatif tinggi.
2) Platikurtik
Merupakan distribusi yang memiliki puncak hampir mendatar
3) Mesokurtik
Merupakan distribusi yang memiliki puncak tidak tinggi dan tidak
mendatar bila distribusi merupakan distribusi simetris maka distribusi mesokurtik
dianggap
sebagai distribusi normal.

leptokurtik

mesokurtik

platikurtik

Gambar 2. Keruncingan Kurva

Untuk mengetahui keruncingan suatu distribusi, ukuran yang sering digunakan adalah
koefisien kurtosis persentil.
1. Koefisien keruncingan
Koefisien keruncingan atau koefisien kurtosis dilambangkan dengan 4 (alpha 4). Jika
hasil perhitungan koefisien keruncingan diperoleh :
1) Nilai lebih kecil dari 3, maka distribusinya adalah distribusi pletikurtik
2) Nilai lebih besar dari 3, maka distibusinya adalah distribusi leptokurtik
3) Nilai yang sama dengan 3, maka distribusinya adalah distribusi mesokurtik
Untuk mencari nilai koefisien keruncingan, dibedakan antara data tunggal dan data
kelompok.
a. Untuk data tunggal
1
fi ( x−x )4
n∑
α 4=
s4
b. Untuk data kelompok
1
fi ( x−x )4
n∑
α 4=
s 4 Atau
4
c u
4
u
3
u
2

α=
4
S
4 { ∑f
n (
−4
∑f
n )( ∑ fU + 6 ∑ f
n )n ( )( ∑ fU
n
2

) ( −3
∑ fU
n )
4

}
Contoh: Dari tabel 1. maka dapat dihitung koefisien keruncingan sebagai berikut:

c f u ∑ f u ∑ fU ∑ f u ∑ fU
4 4 3 2

α= ∑
4
S n
4 { −4
n ( n ()+6
n ) ( n )(−3 (
∑ fU
n ) ) 2 4

}
5
4

α= { 2297
−4 (
−627 −69
)( 245 −69
60 ) (60 ) ( 60 )
+6 −3 (
60 ) }
−69 2 4

8 , 36
4 4
60 60
2 4
α =625
44884 . 55 {38 . 28−4 (−10 . 45 ) (−1. 15 ) +6 ( 4 . 08 ) (−1 .15 ) −3 ( −1 .15 ) }

α =0 .12 { 38 .28−48 . 07+32 .37−5 . 24 }

4

α =0 .12 { 17 .34 }
4

α =2. 21
4

2.      Koefisien Kurtosis Persentil

K=
1
2 ( Q −Q ) 3 1

P 90 − P 10

Koefisien Kurtosis Persentil dilambangkan dengan K (kappa). Untuk distribusi normal,

nilai K = 0,263.
Contoh: Dari tabel 1. maka dapat dihitung koefisien kurtosis sebagai berikut:
 k=
JK
=
1
2 ( Q −Q )
3 1

P 90 − P 10 P 90 − P 10
1
( 24 . 192−11 . 916 )
2 6 .13
¿ = =0. 264
30 .25−7 .056 23 .194

Karena nilai K = 0,264 (K>0,263) maka disribusinya bukan distribusi normal.