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.
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
3(x−Me)
Sk s
Keterangan :
Mo : Modus
Me : Median
Penyimpulan sebuah data dengan metode kemiringan pearson adalah sebagai berikut:
Ilustrasi dari ketiga kesimpulan di atas dapat kita lihat gambar kuva berikut :
2. Moment Matematis
∑ fi ( xi−x )3
N . S3
Keterangan :
Sk : kemiringan
x : rata – rata
s : standar deviasi
3. Bowley
Q3−2Q +Q1 2
Sk = Q 3−Q ❑
1
Keterangan :
Q3 : kuartil ketiga
Q2 : kuartil kedua
Q1 : kuartil kesatu
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
T P∫+ X
k=¿ m
¿
2
Keterangan:
MO : modul
Sk : kemiringan
2,3,4,5,6,7,8, dan 5
40
X= 8
X=5
Mo =5
S= √ 28
8
S = 1,871
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.
Untuk mengetahui keruncingan suatu distribusi, ukuran yang sering digunakan adalah
koefisien kurtosis persentil.
1. Koefisien keruncingan
Contoh:
Penyelesaian :
Karena nilainya 1,08 (lebih kecil dari 3) maka distribusinya adalah distribusi platikurtik.