Pertemuan 9 : Ukuran Deskriptif IV

Probabilitas dan Statistika

Fakultas Teknik
Teknik Informatika
Universitas Pelita Bangsa 2022
 Pengantar
Dasar
Statistika Distribusi
Time Series Frekuensi
(Analisis Data dan
Berkala Penyajian
Data

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

Penyajian • Penyajian Data dengan Tabel

Data • Penyajian Data dengan Grafik
Pengant
ar Dasar
Statistik Distribu
Time a si
Series
Frekuen
(Analisis
si dan
Data
Penyajia
Berkala
n 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

Rata – rata ukur

Range Rata – rata

Ukuran Ukuran harmonis
Deskriptif Penyebaran Simpangan Kuartil
Data Rata rata
Desil
Varians
Standard Persentil
Deviasi Pengant
Koefisien ar Dasar
Statistik Distribu
Variasi Time
Series
a si
Frekuen
(Analisis
si dan
Kemiringan Data
Berkala
Penyajia
n Data
distribusi Data
Regresi
Linear Ukuran
Probabilitas dan
Sederha Deskript
Statistika
na dan if
Korelasi

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

Distribusi Simetri Distribusi Miring ke Kanan Distribusi Miring ke Kiri

 Kemiringan Distribusi Data
Terdapat beberapa cara yang dipakai untuk menghitung derajat kemiringan distribusi data, yaitu :

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.

Leptokurtis artinya distribusi Mesokurtis artinya distribusi platikurtis artinya distribusi

data memiliki puncak yang data memiliki puncak yang data memiliki puncak yang
relatif tinggi atau runcing, normal, tidak terlalu tinggi terlalu rendah atau terlalu
(runcing) maupun tidak terlalu mendatar dan
rendah
Keruncingan Distribusi Data
Contoh soal kemiringan :
Tentukanlah derajat kemiringan dan jenisnya dari
data berikut 8, 8, 3, 5, 4, 9, 4, 6, 8, 10
Jawab :
Data terurut : 3, 4, 4, 5, 6, 8, 8, 8, 9,10 maka
diperoleh :

x = 1/ n x = 1/10{3 + 4 + ...+10} = 6,5

Median = Med = ½ (6+8) = 7
Modus = Mod = 8
 • Standar deviasi diperoleh dari variansinya yaitu :
S 2
=
 (x − x) 2
=
(3 − 6,5) 2 + (4 − 6,5) 2 + ...+ (10 − 6,5) 2
= 5,83
n −1 10 −1

Maka standar deviasinya =

S = S 2 = 5,83 = 2,42
Derajat kemiringan data menurut Pearson
adalah
Karena  bertanda negatif,
 = x − M od = 6,5 − 8 = −0,62 maka distribusi data miring
S 2,42 ke kiri.
3( x − M ed ) 3(6,5 − 7)
= = = −0,62
S 2,42
Derajat kemiringan data dengan rumus
Momen adalah

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

Data terurut : 30,35,40,45,50,55,60,65,70,80,85,95,100 dan

n = 13
Q1 = nilai ke 1(13 +1) / 4 = nilai ke 14 / 4 = nilai ke 3,5
Maka :

Q1 = x3 + 0,5(x4 − x3 ) = 40 + 0,5(45 − 40) = 42,5

Q3 = nilai ke 3(13 +1) / 4 = nilai ke 42 / 4 = nilai ke 10,5

Maka :

Q3 = x10 + 0,5(x11 − x10 ) = 80 + 0,5(85−80) = 82,5

Data terurut : 30,35,40,45,50,55,60,65,70,80,85,95,100 dan
n = 13
Q2 = nilai ke 2(13 +1) / 4 = nilai ke 28 / 4 = nilai ke 7
Maka :
Q2 = x7 + 0,0(x8 − x7 ) = 60
Derajat kemiringan data dengan rumus Bowley
adalah
Karena  bertanda positif
Q 3 +Q1 − Q2
= maka distribusi data miring
Q3 − Q1 ke kanan.

 = 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)

112 – 120 4 116 464 601,4756 2405,9024

121 – 129 5 125 625 241,0256 1205,1280
130 – 138 8 134 1072 42,5756 340,6048
139 – 147 12 143 1716 6,1256 73,5072
148 – 156 5 152 760 131,6756 658,3780
157 – 165 4 161 644 419,2256 1676,9024
166 – 174 2 170 340 868,7756 1737,5513
40 5621 8097,9741
Maka :

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

112 – 120 4 116 -14751,1897 -59004,7588

121 – 129 5 125 -3741,9228 -18709,6141
130 – 138 8 134 -277,8059 -2222,4476
139 – 147 12 143 15,1609 181,9311
148 – 156 5 152 1510,9778 7554,8889
157 – 165 4 161 8583,6447 34334,5787
166 – 174 2 170 25607,1615 51214,3231
40 13348,9013
Maka Derajat kemiringan data kelompok
dengan rumus Momen adalah

3 =
 f (m − x) 3
= 13348,9013 = 0,1115
nS 3 40.(14,410)3

Karena  bertanda positif maka distribusi data miring ke

kanan.
Contoh soal keruncingan :

Tentukanlah derajat keruncingan dan jenisnya dari

data berikut 8, 8, 3, 5, 4, 9, 4, 6, 8, 10
Jawab :
Data terurut : 3, 4, 4, 5, 6, 8, 8, 8, 9,10 maka
diperoleh :

x = 1/ n x = 1/10{3 + 4 + ...+10} = 6,5

• Standar deviasi diperoleh dari variansinya yaitu :

S2 =
 (x − x) 2
=
(3 − 6,5) 2 + (4 − 6,5) 2 + ...+ (10 − 6,5) 2
= 5,83
n −1 10 −1

Maka standar deviasinya =

S= S 2
= 5,83 = 2,42
Derajat keruncingan data dengan rumus Momen adalah

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

Karena  lebih dari 3 maka distribusi keruncingan data

disebut Leptokurtis
 Analisa Ukuran Penyebaran Data Menggunakan Ms. Excel

Statistik Deskriptif adalah Statistik yang berfungsi untuk mendeskripsikan

atau memberikan gambaran terhadap objek yang di teliti melalui data
sampel atau populasi sebagaimana adanya, tanpa melakukan analisis dan
membuat kesimpulan yang berlaku untuk umum.

Dalam Statistik Deskriptif ini akan dikemukakan cara-cara penyajian

data,dengan tabel biasa maupun distribusi frekuensi; grafik garis maupun
batang; diagram lingkaran; histogram dll, dan menghitung ukuran
penyebaran dan pemustan data seperti: Mean, Median, Mode, Standard
Deviation, Variance, Kurtosis, Skewness, Range, Minimum, Maximum, Sum,
dan Count.
 Analisa Ukuran Penyebaran Data Menggunakan Ms. Excel

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

Ketika Box Dialog muncul:

❑ Pada kotak Input Range, sorot pada
range A2 : A11
❑ Pada kotak Output Range, ketik C3
❑ Berikan tanda check pada Summary
Statistics, kemudian klik OK
Keterangan:
Analisa Ukuran Penyebaran Data Menggunakan Ms. Excel
Keterangan Analisa Statistika Deskriptif Penyebaran
Data
❑ Mean aritmetik atau dikenal sebagai rata-rata.
Sama seperti fungsi Rata-rata.
❑ Standar Error Perkiraan kesalahan dalam sampel
Mean.
❑ Median Nilai di tengah, sama dengan fungsi
Median.
❑ Mode Nilai yang paling umum.
❑ Standar Deviation Sebuah ukuran variabilitas
data. Sama seperti fungsi STDEV.
❑ Sample Varians Kuadrat dari standar deviasi.
Sama seperti fungsi VAR.
❑ Kurtosis Mengukur berat dari ekor distribusi.
Sama sepertifungsi KURT.
❑ Skewness Indeks apakah nilai-nilai yang di salah
satu ujung distribusi. Sama seperti fungsi SKEW.
❑ Range Perbedaan antara maksimum dan
minimum.
❑ Minimum Nilai Terkecil.
❑ Maximum Nilai Terbesar.
❑ Sum Jumlah dari semua nilai. Sama seperti fungsi
SUM.
❑ Count Jumlah total nilai. Sama seperti fungsi
menghitung
 Cara Membaca Nilai Kurtosis dan Skewness

Nilai Skewness (Kemiringan)

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