Regresi
Probabilitas
Linear
Sederhana dan Ukuran
Deskriptif
dan Korelasi
Statistika
Teori dan
Pengujian
Distribusi
Hipotesis
Peluang
Distribusi
Sampling
Pengertian
Statistika
Skala
Sejarah
Pengukuran
Statistika
Variabel
Pengantar
Dasar Pengant
ar Dasar
Statistika Time
Series
(Analisis
Statistik
a
Distribu
si
Frekuen
si dan
Data
Penyajia
Berkala
n Data
Regresi
Linear Ukuran
Probabilitas dan
Sederha Deskript
Statistika
na dan if
Korelasi
Metode
Data Pengujia
Teori
Pengumpulan n
dan
Statistika Hipotesi
Distribu
Data s Distribu
si
Peluang
si
Samplin
g
Distribusi
Frekuensi
dan
Penyajian
Data
Regresi
Linear Ukuran
Probabilitas dan
Sederha Deskript
Statistika
na dan if
Korelasi
Distribusi
Frekuensi Pengujia
n
Teori
dan
Distribu
Hipotesi
si
s Distribu Peluang
si
Samplin
g
Rata – rata
Ukuran hitung
Pemusatan Median
data
Modus
Keruncingan
distribusi Data Pengujia
n
Teori
dan
Distribu
Hipotesi
si
s Distribu Peluang
si
Samplin
g
Kemiringan Distribusi Data
Kemiringan adalah derajat atau ukuran dari ketidaksimetrian (asimetri) suatu distribusi data
1. Karl Pearson
Menurut Pearson, derajat kemiringan (α) didefinisikan sebagai :
(𝑥ҧ −𝑀𝑜) 3(𝑥ҧ −𝑀𝑒𝑑)
𝑎= atau 𝑎=
𝑠 𝑠
Bila α=0 atau mendekati nol maka dikatakan distribusi data simetri,
bila α < 0 atau bertanda negatif maka distribusi data dikatakan miring ke kiri sedangkan
bila α > 0 atau bertanda positif maka distribusi data dikatakan miring ke kanan.
Kemiringan Distribusi Data
Terdapat beberapa cara yang dipakai untuk menghitung derajat kemiringan distribusi data, yaitu :
Kemiringan Distribusi Data
Terdapat beberapa cara yang dipakai untuk menghitung derajat kemiringan distribusi data, yaitu :
Keruncingan Distribusi Data
Keruncingan distribusi data (kurtosis) adalah derajat ukuran tinggi rendahnya puncak suatu distribusi data
terhadap distribusi normalnya data (DR. Boediono, 2014). Terdapat tiga keruncingan distribusi data yaitu
leptokurtis, mesokurtis dan platikurtis.
3 =
(x − x)
=
3
(3−6,5)3 +(4−6,5)3 +...+(10−6,5)3
3
nS 10.(2,42)3
={−42,875+(−15,625)+(−15,625)+(−3,375)+(−0,125)+
3,375+3,375+3,375+
15,625+ 42,875}/141,725
= −0,0635
Karena bertanda negatif, maka distribusi data miring ke kiri.
Derajat kemiringan data dengan Q 3 +Q1 − Q2
=
rumus Bowley adalah Q3 − Q1
= 8 2 ,5 + 4 2 ,5 − 6 0 = 6 5 = 1,6 2 5
82,5 − 42,5 40
Tentukanlah derajat kemiringan dan
jenisnya dari data berikut ini :
Modal f m (tiitik f. m (x − x) 2 f .(x − x) 2
tengah)
x = f .m
=
5621
= 140,525
f 40
S 2
=
f (x − x) 2
=
8097,9741
= 207,64
n −1 39
Maka simpangan baku atau standar deviasinya adalah
S= S 2
= 207,64 = 14,410
Derajat kemiringan data kelompok
dengan rumus Momen adalah
Modal f m (tiitik
tengah)
(m − x)3 f .(m − x)3
3 =
f (m − x) 3
= 13348,9013 = 0,1115
nS 3 40.(14,410)3
S2 =
(x − x) 2
=
(3 − 6,5) 2 + (4 − 6,5) 2 + ...+ (10 − 6,5) 2
= 5,83
n −1 10 −1
4 =
(x − x) 4
=
(3 − 6,5) 4 + (4 − 6,5) 4 + ... + (10 − 6,5) 4
nS 4 10.(2,42)4
= {150,0625 + 39,0625 + 39,0625 + 5,0625 +
0,0625 + 5,0625 + 5,0625 + 5,0625 + 39,0625
150,0625}/ 5970600,524
= 0,000073296
Karena kurang dari 3 maka distribusi keruncingan data
disebut platikurtis
Dari contoh soal terdahulu diperoleh hasil
sebagai berikut :
x = f .m 5621
= = 140,525
f 40
S =
2 f (x − x) 2
=
8097,9741
= 207,64
n −1 39
S = S 2 = 207,64 = 14,410
Derajat keruncingan data kelompok dengan
rumus Momen adalah
Modal f m (tiitik
tengah) (m − x) 4 f .(m − x)4
112 – 120 4 116 361772,9275 1447091,71
121 – 129 5 125 58093,3519 290466,7595
130 – 138 8 134 1812,6838 14501,47075
139 – 147 12 143 37,5233 450,2794
148 – 156 5 152 17338,4702 86692,3511
157 – 165 4 161 175750,1247 703000,4986
166 – 174 2 170 754771,0866 1509542,173
40 4051745,243
Maka Derajat keruncingan data kelompok dengan
rumus Momen adalah
4 =
f (m − x) 4
= 4051745,243
= 9,397
nS 4 40.(14,410)4
Langkah-langkahnya:
1.Masukkan data pada range tertentu,
misal ( A2:A11)
2.Pilih menu Data pada menu utama
3.Pilih Data Analysis
4.Pilih Deskriptive Statistics pada daftar
Analysis Tools lalu klik OK
Skewness diartikan sebagai kemiringan distribusi data.Yang dimaksud dengan kemiringan data
adalah besarnya pembagian data atau rata-rata sebaran data yang biasanya di wujudkan
dengan bentuk lonceng, untuk data yang berdistribusi normal. Begitu juga jika kita terapkan
pada Skewness. Apabila skewness menunjukkan simetri maka dikatakan data membentuk
distribusi normal, apabila kemiringan distribusi data agak condong ke kanan ditunjukkan
dengan nilai skewness yang negative, selanjutnya apabila kemiringan distribusi data condong
ke kiri yang ditunjukkan bahwa nilai skewness positif.
Apabila nilai sk = 0, maka menunjukkan data berdistribusi normal, sk < 0 kemiringan ke kanan,
dan sk > 0 kemiringan ke kiri. Sebagai contoh, jika diperoleh nilai sk = -0,807 adalah artinya
merupakan nilai negatif, akan tetapi tidak jauh dari nilai, Berarti data cenderung berdistribusi
normal atau hamper normal.
Cara Membaca Nilai Kurtosis dan Skewness
Nilai Kurtosis
Kurtosis diartikan sebagai keruncingan distribusi data. Semakin runcing nilai kurtosis akan
menunjukkan data hampir mengumpul (homogen). Akan tetapi apabila nilai kurtosis 0
menunjukkan data normal, dan apabila nilai kurtosis semakin kecil, maka menunjukkan
data semakin tumpul (semakin menyebar dikatakan data tidak homogen).
Jika nilai kurtosis dekat nol maka data cenderung normal, apabila nilai kurtosis negative
berarti datanya tumpul atau cenderung melebar ke bawah,sebaliknya apabila nilai kurtosis
positif maka datanya bersifat runcing atau cenderung mengelompok (homogen).
Sebagai contoh misalnya, Jika diketahui nilai ku = 1,06. Maka nilai kurtosis positif yang lebih
besar dari nol dan cukup jauh dari nol. Oleh karena itu, dikatakan datanya cenderung
runcing atau dengan kata lain cenderung homogen.
Terimakasih