1.

Kurva Normal dan Proporsi Penyebaran Data

2. Membandingkan 2 Populasi dan Mendeteksi Outlier
3. Kurva Kemiringan (skewness)
4. Kurva Keruncingan (kurtosis)

Suatu data membentuk kurva normal apabila jumlah data diatas dan dibawah mean
adalah sama.
1. A. Kurva Normal kurva ini dimaksudkan untuk mengetahui sebaran data, apakah sesuai
kurva normal /tidak.
Memiliki 2 unsur , yaitu rata rata populasi (μ) dan variansi (σ) dimana keduanya ini akan
berpengaruh terhadap bentuk kurva normal. Kurva normal ini merupakan suatu polygon
yang menyerupai bentuk lonceng (bell) dimana absisnya memuat nilai variabel dan
ordinatnya memuat frekuensi.

B. Proporsi Penyebaran data

Pada distribusi data yang mendekati kurva normal maka kira kira,
68% dari banyaknya data terletak dalam μ ± 1 σ
95% dari banyaknya data terletak dalam μ ± 2 σ
99,7% dari banyaknya data terletak dalam μ ± 3 σ
 Note: bila kaidah ini diberlakukan untuk sampel maka rata rata dan simpangan bakunya
disesuaikan dengan rata rata sampel (x̄) dan simpangan baku (s)

Contoh
Sebuah perusahaan memiliki karyawan sejumlah 2000 orang yang digaji dengan
rata rata sebesar Rp. 2,5 juta perbulan dan simpangan baku Rp. 0,3 juta. Diketahui
bahwa gaji karyawan mengikuti kurva normal . deskripsikan penyebaran gaji
karyawan .
Penyelesaian
Dik:
μRp. 2.5 juta
σ Rp. 0,3 juta
menentukan interval penyebaran datanya!

μ ± 1 σ =2,5 ± 1 (0,3)
2,5 + 0,3= 2,8
2,5 – 0,3= 2,2
μ ± 2 σ = 2,5 ± 2 (0,3)
2,5 + 0,6= 3,1
2,5 – 0,6= 1,9
μ ± 3 σ= 2,5 ± 3 (0,3)
2,5 + 0,9= 3,4
2,5 – 0,9= 1,6

Kesimpulan
Kira kira 68% dari banyaknya karyawan ( kurang lebih 1,360 orang) mendapat gaji
perbulan sekitar Rp. 2,2 juta hingga 2,8 juta . sekitar 95% dari banyaknya karyawan
( kurang lebih 1,900 orang), kira kira mendapat gaji perbulan sekitar Rp. 1,9 juta hingga
Rp. 3.1 juta dan hampir semua karyawannya sekitar 1,994 orang (99,7%) kira kira
mendapat gaji perbulan sekitar Rp. 1,6 juta hingga Rp. 3,4 juta

2. Angka baku
Perbandingan penyimpangan nilai data dari rata rata nya terhadap simpangan baku
 Angka baku Z=( xi -  μ)/ σ
Kegunaan nilai Z
Membandingkan 2 pengamatan yg berasal dari 2 populasi berbeda sehingga dapat
ditentukan peringkat relatifnya dan mendeteksi ada atau tidaknya data pengamatan yg
nilainya ekstrem ( data outlier)
Contoh
Tini adalah mahasiswa kelas A dan tono adalah mahasiswa kelas B. Nilai UTS statistik
mereka masing masing adalah 85 dan 70. Sementara rata rata nilai uts untuk kelas A
adalah 80 dan rata rata nilai uts kelas B adalah 60, dengan simpangan baku 10 dan 7,5.
a. Siapa yg lebih berprestasi dalam mata kuliah statistik
b. Bagaimana kedudukan nilai uts tini dan tono dalam kelasnya masing2
Diketahui

Tini (A) X1= 85 μ =80 σ= 10

Tono (B) X2=70 μ =60 σ= 7,5

siapakah yang lebih berprestasi dalam mata kuliah ?

jawab

Z1 = ( xi -  μ)/ σ = 85-80/10=5/10=0,5

Z2 = ( xi -  μ)/ σ = 70-60/7,5= 10/7,5=1,33

Diperoleh bahwa kedua z bernilai positif,dengan Z2 lebih besar daripada Z1,artinya tono lebih
berprestasi di kelasnya,dibanding prestasi tini dikelasnya,pada mata pelajaran statistik.

Bagaimana kedudukan nilai uts tini dan tono dalam kelasnya masing- masing?

Jawab: nilai Z positif,maka letak data berada di K simpangan baku diatas rata-ratanya.

Tini : (0,5)(10)=5 => artinya ,nilai tini berada di 5 angka diatas rata-ratanya karna Z
positif.

Tono: (1,33) (7,5)=9,98 => artinya,nilai tono berada di 9,98 angka diatas rata-ratanya.

Kriteria ( McCLAVE,et.al,2011,dalam wirawan,2016)

Jika nilai Z berada diluar interval (-3) dan (3) atau bila nilai |Z|> 3,maka data dianggap outlier.

Contoh: sebuah perusahaan memiliki 2000 pegawai dengan rata-rata gajinya adalah Rp.3,5 juta
perbulan dan simpangan bakunya adalah Rp.260 ribu(Rp.0,26 juta). Intan merupakan salah satu
karyawan di perusahaan tersebut, yang mendapat gaji sebesar Rp. 1,3 juta perbulan. Apakah gaji
intan tersebut merupakan data outlier?
Diketahui: N =2000

x = 1,3 juta μ= 3,5 juta σ= 0,26

Apakah gaji intan merupakan data outlier?

Jawab

Z = ( xi - μ)/ σ = 1,3-3.5/0,26 = -2,2/0,26 =-8,46

Diperoleh nilai Z = -8,46 atau Z = -8,46>3

Oleh karena nilai Z =-8,46 maka nilainya terletak diluar interval minus 3 dan positif 3 . Dengan
kata lain, nilai Z dari gaji intan lebih kecil dari -3. Artinya gaji intan merupakan data outlier,
dimana gajinya terbilang terlalu kecil dibanding karyawan lainnya.

3. Ukuran kemiringan (skewness)

Tingkat kemiringan suatu distribusi, dimana distribusi yang tidak simetris akan mempunyai nilai
mean, median, modus yang tidak sama.

Koefisien skewness

Karna tidak simetris, kurva nya bisa miring ke kiri (negatif) dan ke kanan (positif).

Nilai yg ada di puncak kurva nya adalah nilai modus, nilai median ada ditengah tengah antara
nilai rata rata dan nilai modusnya. Jadi disebut miring kiri karna kau nilai rata rata ada disebelah
kiri dari nilai mediannya

Bila kita ingin melihat kemiringannya, kita membutuhkan koefisien skewness. koefisien
skewness ini dapat dihitung menggunakan aturan pearson

Tipe 1
Sk= x̄- Mo/s

Sk= koefisien skewness

x̄= rata rata hitung

Mo=modus

S= simpangan baku

Contoh tentukan tingkat kemiringan dari data tinggi badan (cm) dari 10 mahasiswa.

160 165 172 168 156 158 161 162 160 160

Diketahui

x̄= 162,2 dan Mo= 160

S= 4,826

Jawab

Sk = x̄- Mo/S = 162,2-160/4,826=2,2/4,826=0,46

Tipe kedua

Sk = 3 ( x̄-Md)/S

x̄= 162,2 dan Md= 160,5

S= 4,826

Jwb

Sk= 3 (x̄-Md)/S = 3 (162,2-160,5)/4,826= 5,1/4,826= 1,06

Jika sk sama dengan nol maka kurva memiliki bentuk simetris

jika sk lebih besar dari nol maka kurva memiliki bentuk miring positif

jika sk kurang dari 0 maka kurva memiliki bentuk miring negatif

4. Ukuran kurtosis

Tingkat keruncingan suatu distribusi yang biasanya diambil secara relatif terhadap distribusi
normal. Untuk mengetahui keruncingan suatu distribusi digunakan koefisien kurtosis.
a. Kurva distribusi normal dinamakan mesokurtik karena ini diperoleh ketika koefisien kurtosis
nya = 3.

b. Koefisien kurtosis>3 kurva ini dinamakan leptokurtik atau positif kurtosis.

c. Koefisien kurtosis <3 kurva ini dinamakan platikurtik atau negatif kurtosis.

Sebenarnya ini untuk apa sih? jadi ini untuk menggambarkan penyebaran data nya semakin
runcing suatu kurva menandakan bahwa penyebaran data nya cenderung mendekati rata-ratanya.

Cara mencari nilai koefisien kurtosis:

a.       Untuk data tunggal

1. Tentukan keruncingan kurva dari data 2, 3, 6, 8, 11 !
2. Penyelesaian :

3.
4. Karena nilainya 1,08 (lebih kecil dari 3) maka distribusinya adalah distribusi platikurtik.
5. b.        Untuk data kelompok
 6.
Tentukan tingkat keruncingan dari data berikut:
Diketahui
Rata rata nya 55,5 dan simpangan baku 20,062

interval frekuensi Xi xi- x̄ Fi(xi- x̄)4

23-37 3 30 422825,06 1268475
38-52 1 45 12155,06 12155,06
53-67 2 60 410,06 820,12
68-82 4 75 144590,06 578360
a4 =1/10(1859811)/(20,062)4= 185981,1/162006,3= 1,148