1.1.

Pengertian Skewness (Kemiringan)

Skewness adalah derajat ketidaksimetrisan suatu distribusi. Jika kurva frekuensi 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.

1.2. Macam-Macam Skewness

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

1. Metode Pearson

Metode Pearson merupakan cara mencari skweness atau kemiringan sebuah data yang
di peroleh dari selisih rata-rata dengan modus dan berbanding terbalik dengan simpangan
baku atau standar deviasi atau tiga kali dengan selisih rata-rata dengan median dan
berbanding terbalik dengan simpangan baku atau standar deviasi. Secara matematis ,
perhatikan perumusan sebagai berikut :

x−Mo
Sk = s

Modus dapat di ganti menjadi median sehingga rumus menjadi

3(x−Me)
Sk s

Keterangan :

Sk : Skewness atau kemiringan

 X : Rata-rata

Mo : Modus

Me : Median

S : Standar deviasi atau simpangan baku

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

Ilustrasi dari ketiga kesimpulan di atas dapat kita lihat gambar kuva berikut :

2. Moment Matematis

Metode untuk menentukan kemiringan yang kedua adalah metodemoment matematis.

Metode kemiringan moment matematis merupakanmetode kemiringan sebuah data
bedasarkan jumlah dari perkalianfrekuensi ke-i dengan selisih niai ke-i dengan rata- rata
yangdipangkatkan tiga dan berbanding terbalik dengan perkalian jumlah dataatau jumlah
frekuensi dengan simpangan baku yang dipangkatkan tiga.Secara matematis anda dapat
perhatikan perumusan sebagai berikut :

∑ fi ( xi−x )3
N . S3

Keterangan :
Sk : kemiringan

fi : frekuensi data ke-i

xi : nilai atau data ke-i

x : rata – rata

s : standar deviasi

N : banyaknya data atau jumlah frekuensi

Kriteria kemiringan dengan metode moment matematis yaitu :

a. Suatu kurva dikatakan condong ke kiri (positif), jika Sk > 0,01.

b. Suatu kurva dikataka normal jika Sk = 0,01.
c. Suatu kurva dikategorikan condong ke kanan (negatif), jika Sk < 0,01.

3. Bowley

Metode untuk menentukan kemiringan kurva yang ketiga adalahmetode Bowley.

Kemiringan menurut Bowley merupakankoefisien yang yang diperoleh dari kuartil tiga yang
dikurangkandengan dua kali kuartil dua dan dijumlahkan dengan kuartil satudan berbanding
terbalik dengan selisih kuartil tiga dengankuartil satu. Secara matematis dapat dirumuskan
sebagai berikut :

Q3−2Q +Q1 2

Sk = Q 3−Q ❑
1

Keterangan :

Q3 : kuartil ketiga

Q2 : kuartil kedua

Q1 : kuartil kesatu

Sk : kemiringan sebuah dataKriteria penyimpulan jika nilai dari kemiringan menurut

metode Bowley yaitu :
 a. Jika Sk = ± 0,1, maka kurva dikatakan cenderung condong ke kiri, kanan dan atau
normalii.
b. Jika Sk > ±3, maka tingkat kecondongan semakin berarti.

4. Andi Supangat

Metode untuk menentukan kemiringan kurva yang keempat yaitu metode Andi Supangat.
Kemiringan sebuah data dalam kurva menurut Andi Supangat merupakan selisih antara paruh
interval atau semi interval dengan metode berbanding terbalik dengan titik tengah kurva.
Secara matematis dirumuskan sebagai berikut :

P∫− MO
Sk = Tk

P∫ ¿=¿¿ Batas atas kelas terakhir +batas bawahkelas pertama

2

T P∫+ X
k=¿ m
¿
2

Keterangan:

P∫ ¿ ¿ : paruh interval ( semi interval)

MO : modul

Tk : titik tengah kurva

Xm : nilai tengah pada kelas yang mempunyai frekuensi terbanyak.

Sk : kemiringan

Kriteria penyimpulan jika besarnya kemiringan sudah diketahuiyaitu :

a. Jika Sk > 0 , maka kurva dikatakan cenderung condong kekiri (positif).

b. Jika Sk = 0 , maka kurva dikatakan normal (uniform)
c. Jika Sk < 0 , maka kurva dikatakan cenderung condong kekanan (negatif).

1.3. Pengaplikasian Rumus Skewness Pada Contoh Soal

Diberikan data tunggal sebagai berikut :

2,3,4,5,6,7,8, dan 5

Maka tentukanlah kemiringan data tersebut dengan metode pearson ?

2+ 3+4 +5+6+7 +8+5

X= 8

40
X= 8

X=5

Mo =5

S = √ 2−5 ¿2 + ( 3−5 )2+ ¿ ¿

S= √ 28
8

S = 1,871

Maka kemiringan dengan metode pearson yang pertama yaitu :

x−M o
Sk =
s

S 5−5
k=
1,871

Sk=0

Kemiringan data di atas sama dengan 0 yang artinya adalah data termasuk
termasuk dalam katagori normal atau uniform.
1.1. PENGUKURAN KERUNCINGAN
A. Pengertian Keruncingan Data

Ukuran keruncingan / kurtosis (k) adalah ukuran mengenai tinggi rendahnya atau
runcingnya suatu kurva. Keruncingan distribusi data adalah derajat atau ukuran tinggi
rendahnya puncak suatu distribusi data terhadap distribusi normalnya data. Keruncingan
distribusi data disebut kurtosis.

Ada 3 jenis derajat keruncingan yaitu:

1. Leptokurtis  — jika puncak relatif tinggi

2. Mesokurtis — jika puncak normal
3. Platikurtis — jika puncak  terlalu rendah / datar

Untuk mengetahui keruncingan suatu distribusi, ukuran yang sering digunakan adalah
koefisien kurtosis persentil.

1. Koefisien keruncingan

Koefisien keruncingan atau koefisien kurtosis dilambangkan dengan a4 (alpha 4).Jika

hasil perhitungan koefisien keruncingan diperoleh :

a) Nilai lebih kecil dari 3, maka distribusinya adalah distribusi pletikurtik

b) Nilai lebih besar dari 3, maka distibusinya adalah distribusi leptokurtik
c) Nilai yang sama dengan 3, maka distribusinya adalah distribusimesok urtik
 Untuk mencari nilai koefisien keruncingan, dibedakan antara data tunggal dan data
kelompok.

1. Untuk data tunggal

Contoh:

Tentukan keruncingan kurva dari data 2, 3, 6, 8, 11 !

Penyelesaian :

Karena nilainya 1,08 (lebih kecil dari 3) maka distribusinya adalah distribusi platikurtik.

1. Untuk data kelompok