KONSEP UKURAN KEMIRINGAN DATA

Disusun Oleh:

Kelompok 6:

1. Dwi Oktari (06041382227065)

2. Zoraya Audry Erawan (060413822270)

Dosen Pengampu :
Prof. Dr. Ratu Ilma Indra Putri, M. Si
Novita Sari, S. Pd, M. Pd
KATA PENGANTAR
DAFTA ISI
 BAB I

PENDAHULUAN

1.1 Latar Belakang

1.2 Rumusa Masalah

1. Apa yang dimaksud dengan ukuran kemiringan data?
2. Macam-macam ukuran kemiringan data?
3. Bagaimana langkah-langkah menentukan ukuran kemiringan data?

1.3 Tujuan Masalah

1. Untuk mengetahui pengertian ukuran kemiringan data
2. Untuk mengetahui macam-macam ukuran kemiringan
3. Untuk mengetahui langkah-langkah menentukan ukuran penyebaran
 BAB II

PEMBAHASAN

2.1 Pengertian Ukuran Kemiringan

Ukuran kemiringan (skewness) adalah ukuran yang menyatakan suatu model
distribusi yang mempunyai derajat kemiringan tertentu. Beberapa kategori distribusi
kemiringan dikaitkan dengan ukuran kemiringan positif (ke kanan), kemiringan simetris,
dan kemiringan negatif (ke kiri).
Ukuran kemiringan suatu distribusi sekelompok data adalah hasil perbandingan
yang dapat dinyatakan dengan bilangan yang berdasarkan pada ukuran pemusatan,
ukuran letak maupun ukuran penyebaran. Adapun ukuran kemiringan adalah ukuran
yang menyatakan derajat ketidaksimetrisan suatu lengkungan halus (kurva) dari suatu
distribusi frekuensi. Dapat pula dikatakan bahwa ukuran kemiringan adalah harga yang
menunjukkan seberapa jauh distribusi itu menyimpang dari simetris.
Kemiringan data merupakan derajat atau ukuran dari ketidaksimetrisan (Asimetri)
suatu distribusi data. Kemiringan distribusi data terdapat 3 jenis, yaitu :a).Simetris:
menunjukkan letak nilai rata-rata hitung, median, dan modus berhimpit (berkisar isatu
titik), b). Miring ke kanan : mempunyai nilai modus paling kecil dan rata-rata hitung
paling besar, c). Miring ke kiri : mempunyai nilai modus paling besar dan rata-rata
hitung paling kecil.

2.2 Macam-Macam Ukuran Kemiringan Data dan Langkah-Langkah

Menentukan Ukuran Kemiringan
Ukuran kemiringan terbagi menjadi beberapa maacam :
A. Distribusi Positif
Suatu distribusi dikatakan miring positif bila ekornya lebih menonjol di sisi kanan
dibandingkan di sisi kiri, karena distribusinya positif, asumsinya nilainya positif.
Dengan demikian, sebagian besar nilai akhirnya berada diluar mean. Artinya nilai
paling ekstrim ada di sisi kanan.
B. Distribusi Negatif
Sebaliknya, kemiringan negatif terjadi ketika ekor lebih menonjol di sisi kiri
daripada di sisi kanan. Berbeda dengan skew positif, sebagian besar nilai berada di
sisi kanan mean jika menyangkut skewness negatif. Oleh karena itu, nilai paling
ekstrim terdapat di sebelah kiri.

C. Distribusi Simetris
Dalam statistika, distribusi simetris adalah distribusi yang sisi kiri dan kanannya
saling bercermin. Distribusi simetris yang paling terkenal adalah distribusi normal ,
yang memiliki bentuk lonceng yang berbeda.
Menurut Pearson ada beberapa rumus untuk menghitung koefisien kemiringannya,
yaitu:
a. Koefisen Kemiringan (Modus)
Koefisien kemiringan pearson dengan menggunakan modus ialah nilai selisih
rata-rata dengan modus dibagi simpangan baku. (Mo) X

( X−Mo )
sk=
s

Ket.

sk : koefisien kemiringan pearson

X : nilai rata-rata

Mo : modus

S : simpangan baku

b. Koefisien Kemiringan (Median)

3( X−Me)
sk=
s
Ket.

sk : koefisien kemiringan pearson

X : nilai rata-rata

Me : median

S : simpangan baku

c. Koefisien Kemiringan Menggunakan Nilai Kuartil

K 3−2 K 2 + K 1
sk=
K 3 −K 1
 Ket.
sk : koefisien kemiringan pearson
K 1 : kuartil ke satu
K 2 : kuartil ke dua
K 3 : kuartil ke tiga
Menurut Pearson, dari hasil koefisien kemitingan diatas, ada tiga criteria untuk
mengetahui model distribusi dari sekumpulan data (baik data berkelompok maupun
data tidak berkelompok), yaitu :
a. Jika koefisien kemiringan < 0, maka bentuk distribusinya negative
b. Jika koefisien kemiringan = 0, maka bentuk distribusinya simetrik
c. Jika koefisien kemiringan > 0, maka bentuk distribusinya positif