UKURAN KEMENJULURAN (SKEWNESS)

Ukuruan kemenjuluran ini digunakan untuk menunjukkan simetris tidaknya bentuk kurva yang
dihasilkan dari distribusi suatu gugus data. Karena bentuk suatu kurva merupakan pencerminan dari
macam distribusi suatu gugus data, maka kemenjuluran suatu kurva dapat dilihat dari perbedaan letak
antara mean median dan modus.

Distribusi dari kumpulan data dikatakan simetris bila mean, median dan modus terletak dalam
suatu titik atau dengan kata lain ketiga ukuran nilai pusat tersebut mempunyai nilai yang sama.
Ukuran kemenjuluran data terbagi atas tiga bagian, yaitu :
 Kemenjuluran data ke arah kiri (menjulur ke n negatif) dimana nilai modus lebih dari nilai
mean (modus > median > mean).
 Kemenjuluran data simetris (distribusi normal) dimana nilai mean dan modus adalah sama
(mean = median = modus).
 Kemenjuluran data ke arah kanan (menjulur positif) dimana nilai mean lebih dari nilai modus
(mean > median> modus).

Gambar a. menunjukkan bahwa kurva menjulur ke kiri. pada distribusi yang menjulur kekiri (ekor
menjulur ke kiri / negative), data cenderung terkonsentrasi pada nilai yang tinggi.

Gambar b. menunjukkan bahwa kurva normal, tidak menunjukkan menjulur ke kiri ataupun ke kanan
(simetris)

Gambar c. menunjukkan bahwa kurva menjulur ke kanan. Pada distribusi yang menjulur kekanan (ekor
menjulur ke kanan/positif) data cenderung terkonsentrasi pada nilai yang rendah.

Untuk mengetahui apakah bentuk kurva dari suatu distribusi simetris, menjulur kekiri atau menjulur
kekanan, maka dapat diukur dengan koefisien pearson dan alpha tiga.

Pengukuran kemenjuluran :

 Koefisien Pearson

( x́−Mo )
SK=
s
 3 ( x́ −Md )
SK=
s

dimana : SK = Koefisien kemenjuluran pearson

x́ = Mean
Mo = Modus
S = Standart deviasi

Untuk data dikelompokan rumus tetap sama dan di kalikan dengan (fi) frekuensi kelas ke i.
( μ−Mo ) . fi
SK=
σ
3 ( μ−Md ) . fi
SK=
σ
Sk = 0 berarti distribusinya simetris

Sk > 0 atau positif maka distribusi akan menjulur kekanan, data cenderung menumpuk pada nilai rendah

SK< 0 atau negatif maka distribusi akan menjulur kekiri, data cenderung menumpuk pada nilai tinggi

Contoh :

Data 20 saham pilihan, diketahui Md = 497,17 kemudian Modus (Mo) = 504,7. Standar devias = 144,7
dan µ = 490,7. Hitung koefisien pearson kemenjulurannya ?

Jawab :

( 490,7−504,7 )
SK= = - 0,10
144,7

3 ( 490,7−497,17 )
SK= =−0,13
144,7
Dari kedua perhitungan koefisien pearson diatas menunjukkan bahwa kurva negatif
 Contoh peritungan di ms exel

Sebagai contoh, buat tabel seperti di bawah ini :

1. Ketik Data Post pada sell A2 hingga A11
2. Untuk menghitung nilai skewness, di sel C2 ketik formula =SKEW(A2:A11)

• Terlihat nilai skewnessnya lebih kecil dari 1, berarti jika grafik kurva distribusinya dibuat akan tampak
seperti pada gambar Negative Skew

Contoh Perhitungan dengan SPSS

 
untuk melihat apakah data berdistribusi normal atau tidak dengan menggunakan skewness dan
kurtosis, dapat digunakan formula sebagai berikut :

Z-Skewness = Skewness / sqrt(6/N)

Interpretasi pada tingkat signifikansi (alpha) 5% :
 Jika data memiliki nilai Z-Skewness < -1,96 berarti data memiliki kecondongan kanan.
 Jika data memiliki nilai Z-Skewness > +1,96 berarti data memiliki kecondongan kiri.
 Jika data memiliki nilai Z-Skewness antara -1,96 dan +1,96, berarti data mendekati simetris.
Z-Kurtosis = Kurtosis / sqrt(24/N)
Interpretasi pada tingkat signifikansi (alpha) 5% :
 Jika data memiliki nilai Z-Kurtosis < -1,96, berarti data memiliki keruncingan Leptokurtik.
 Jika data memiliki nilai Z-Kurtosis > +1,96, berarti data memiliki keruncingan Platikurtik.
 Jika data memiliki nilai Z-Kurtosis antara -1,96 dan +1,96, berarti data memiliki keruncingan
Mesokurtik.

Untuk contoh kita gunakan data pada penelitian Pengaruh Kualitas Pelayanan Pramuniaga dan
Jumlah Pengunjung Toko terhadap Jumlah Pembeli. Dengan menggunakan SPSS 21 :
 Pilih Analyze -> Descriptives Statistics -> Descriptives
 Pindahkan variabel "Kualitas Pelayanan Pramuniag" ke kolom Variables

 Pilih Options dan tandai Kurtosis dan Skewness, lalu klik Continue dan klik Ok

 Output dari data tersebut adalah 

Output di atas diperoleh nilai skewness -0,344 dan nilai kurtosis adalah 1,168. Sehingga kita bisa
menghitung nilai Z-Skewness dan Z-Kurtosis, sebagai berikut :

Z-Skewness =  Skewness / sqrt(6/N) = -0,344 / sqrt(6/40) = -0,89 

Atau nilai -1,96 < Z-Skewness = -0,89 < +1,96. Berarti kecondongan data adalah simetris atau
berdistribusi normal.

Z-Kurtosis = Kurtosis / sqrt(24/N) = 1,168 / sqrt(24/40) = 1,51 

Atau nilai -1,96 < Z-Kurtosis = 1,51 < +1,96. Berarti keruncingan data adalah mesokurtik atau
memiliki distribusi normal.