Nama :Diah Ayu Meilianti Putri

NIM :857682732

PGSD. 6C

RESUME MODUL 5

Ukuran Kemiringan & Ukuran Keruncingan dari Kurva Normal

K B .1

Ukuran Kemiringan

A. UKURAN KEMIRINGAN
Ukuran kemiringan adalah ukuran yang menyatakan sebuah model distribusi yang
mempunyai kemiringan tertentu. Apabila diketahui besarnya nilai ukuran ini maka
dapat diketahui pula bagaimana model distribusinya, apakah distribusi itu simetrik,
positif atau negatif.
Berikut ini diberikan ketiga macam model distribusi tersebut.
Gambar 5.1 Gambar 5.2 Gambar 5.3

x x x

Distribusi Positif Distribusi Simetrik Distribusi Negatif

Untuk mengetahui apakah sekumpulan data mengikuti model distribusi positif,

negatif atau simetrik, hal ini dapat dilihat berdasarkan nilai koefisien
kemiringannya. Ada beberapa rumus untuk menghitung koefisien kemiringan,
yaitu:

1. Koefisien Kemiringan Pertama dari Pearson

Koefisien kemiringan =
dengan: x = rata-rata; Mo = Modus; s = simpangan baku
2. Koefisien Kemiringan Kedua dari Pearson
Koefisien kemiringan =
dengan: x = rata-rata; Me = Median; s = simpangan baku
3. Jika kita menggunakan Nilai Kuartil maka Rumusnya adalah
k 3−2 k 2+k 1
Koefisien kemiringan =
k 3−k 1

dengan: K1 = Kuartil pertama; K2 = Kuartil kedua; K3 = Kuartil ketiga

4. Jika kita menggunakan Nilai Persentil maka rumusnya adalah
p 90−2 p 50+ p 10
Koefisien kemiringan =
p 90− p 10
dengan: P10 = Persentil ke-10; P50 = Persentil ke-50; P90 = Persentil ke-90
Menurut Pearson, dari hasil koefisien kemiringan di atas, ada tiga kriteria untuk
mengetahui model distribusi dari sekumpulan data (baik data tidak terkelompok maupun data
terkelompok), yaitu:
a. Jika koefisien kemiringan lebih kecil dari nol maka bentuk distribusinya negatif.
b. Jika koefisien kemiringannya sama dengan nol maka bentuk distribusinya simetrik.
 c. Jika koefisien kemiringan lebih besar dari nol maka bentuk distribusinya positif.

KB.2
Ukuran Keruncingan (Kurtosis)
Kurtosis adalah derajat kepuncakan dari suatu distribusi, biasanya diambil
relatif terhadap distribusi normal. Sebuah distribusi yang mempunyai puncak
relatif tinggi dinamakan leptokurtik(lihat gambar 5.4). Sebuah distribusi yang
mempunyai puncak mendatar dinamakan platikurtik(lihat gambar 5.5). Distribusi
normal yang puncaknya tidak terlalu tinggi atau puncaknya tidak mendatar
dinamakan mesokuritik(lihat gambar 5.6)
Untuk mengetahui apakah sekumpulan data mengikuti distribusi leptokurtik,
platikurtik atau mesokurtik, hal ini dapat dilihat berdasarkan nilai koefisien kurtosisnya.
Untuk menghitung koefisien kurtosis digunakan rumus koefisien kurtosis, yaitu:

1
(k 3−k 1)
2
k=
p 90− p 10

dengan: K1 = Kuartil pertama

K3 = Kuartil ketiga
P10 = Persentil ke 10
P90 = PersentiL ke 90
Dari hasil koefisien kurtosis di atas, ada tiga kriteria untuk mengetahui model
distribusi dari sekumpulan data, yaitu:
1. jika koefisien kurtosisnya kurang dari 0,263 maka distribusinya adalah platikurtik;
2. jika koefisien kurtosisnya sama dengan 0,263 maka distribusinya adalah
mesokurtik; dan
3. jika koefisien kurtosisnya lebih dari 0,263 maka distribusinya adalah
leptokurtik.
 PETA KONSEP MODUL 5

UKURAN KEMIRINGAN & UKURAN KERUNCINGAN DARI KURVA NORMAL

UKURAN KEMIRINGAN
v & UKURAN
KERUNCINGAN DARI KURVA
NORMAL

KB. 2
KB.1
UKURAN KERUNCINGAN
UKURAN KEMIRINGAN (KURTOSIS)

1. Koefisien Kemiringan Pertama

A. Ukuran Kemiringan dari Pearson
2. Koefisien Kemiringan Kedua dari
Pearson
3. Jika kita menggunakan Nilai
Kuartil
4. Jika kita menggunakan Nilai
Persentil