MAKALAH SKEWNESS & KURTOSIS

Disusun untuk memenuhi Tugas ujian tengah semester (UTS) Data Sains
Dosen: Dr.Rr. Ani Dijah Rahajoest.,M.Cs

Disusun oleh:

Muhammad Fareal Bernov (1714311012)

Shagi Hisyam Alfatony (1714311029)
Renaldy Galvaniz A (1714311041)

PROGAM STUDI TEKNIK INFORMATIKA

FAKULTAS TEKNIK
UNIVERSITAS BHAYANGKARA SURABAYA
 Penjelasan Skewness & Kurtosis

1. Pengertian Skewness (Kemiringan)

Skewness adalah derajat ketidaksimetrisan suatu distribusi. Jika kurvafrekuensi suatu
distribusi memiliki ekor yang lebih memanjang ke kanan (dilihat dari meannya) maka
dikatakan menceng kanan (positif) dan jika sebaliknya maka menceng kiri (negatif). Secara
perhitungan, skewness adalah momen ketiga terhadap mean. Distribusi normal (dan distribusi
simetris lainnya, misalnya distribusi t atau Cauchy) memiliki skewness 0 (nol). Kemiringan
sebuah diagram dari sebuah data bergantung kepada penyebaran data yang merata atau tidak.
Semakin banyak data yang besar dan semakin sedikit data yang kecil maka kemiringan data
tersebut akan condong kesebelah kiri atau sering disebut kemiringan negatif. Sedangkan
semakin banyak data yang besar dan semakin sedikit data kecil maka kemiringan data tersebut
akan condong ke sebelah kanan atau sering disebut kemiringan negatif.

• Macam Macam Rumus Skewness

Untuk menentukan skweness atau kemiringan sebuah data ada 4 carayang dapat digunakan
yaitu pearson, momen matematis, bowly, dan metode Andi Supangat.

Metode Pearson
Metode pearson merupakan cara mencari skweness atau kemiringansebuah data yang
diperoleh dari selisih rata-rata dengan modus dan berbanding terbalik dengan simpangan baku
atau standar deviasi atau tigakali dengan selisih rata–rata dengan median dan berbanding
terbalikdengan simpangan baku atau standar deviasi. Secara matematis anda perhatikan
perumusan sebagai berikut.
 Penyimpulan sebuah data dengan metode kemiringan pearson adalah sebagai berikut :
a. Dikatakan negatif apabila rata–rata < median < modus
b. Dikatakan positif apabila rata–rata > median > modus
c. Dikatakan normal atau uniform apabila rata–rata =median = modus

Contoh Kasus Data :

Diberikan data tunggal sebagai berikut
2,3,6,8,11 dan 3
maka tentukanlah kemiringan data tersebut dengan metode pearson?
2 + 3 + 6 + 8 + 11 + 3
𝑋̅ =
6
33
𝑋̅ =
6
𝑋̅ = 6,6
𝑀0 = 3

(2 − 6,6)2 + (3 − 6,6)2 + (6 − 6,6) 2 + (8 − 6,6)2 + (11 − 6,6)2 + (3 − 6,6) 2

𝑆= √
6

21,16 + 12,96 + 0,36 + 1,96 + 19,36 + 12,96

𝑆= √
6

68,76
𝑆= √
6

𝑆 = 11,46

6,6 − 3
𝑆𝑘 =
11,46
𝑆𝑘 = 0,31
Kemiringan data di atas sama dengan 0,31 yang artinya adalah data termasuk adalam kategori
normal atau uniform.
 2. Pengertian Kurtosis
Kurtosis merupakan koefisien yang menentukan jenis kurva berbentukruncing atau normal
atau tumpul. Kurtosis dapat ditentukan dengan caramenjumlahkan perkalian antara frekuensi
ke-i dengan nilai ke-i dikurangkandengan rata–rata yang di pangkatkan empat dan berbanding
terbalik dengan perkalian banyaknya data atau jumlah frekuensi dengan simpangan baku
ataustandar deviasi dipangkatkan empat.

Rumus Kurtosis
Kurtosis secara matematis dapat dirumuskan sebagai berikut.
∑ 𝑓𝑖 (𝑥𝑖 − 𝑥)4
𝐾=
𝑁. 𝑠 4
Jika menggunakan nilai momen ke-4 maka perumusannya adalah

Kriteria penyimpulan setelah nilai kurtosis atau K diketahui yaitu

1. Jika K > 3 , maka kurva dikategorikan runcing atau lepto kurtik
2. Jika K = 3 , maka kurva dikategorikan normal atau meso kurtik
3. Jika K < 3 , maka kurva dikategorikan datar atau plati kurtik
 Contoh Kasus Data :
Tentukan keruncingan kurva dari data 2, 3 , 6, 8, 11! (Data Tunggal) Jawab:

𝑋̅ = 6

S = 3,67

𝑥̅ 𝑥 − 𝑥̅ (𝑥 − 𝑥̅ )4
2 -4 256
3 -3 81
6 0 0
8 2 16
11 5 625
jumlah 0 978

1 1
∑(𝑥−𝑥̅) 4 978 195,6
𝑛 5
𝐾= = = = 1,08 dikarenakan nilainya 1,08 (lebih kecil dari 3)
𝑠4 3,674 181,4

Maka distribusinya adalah distribusi platikurtik.