SKEWNESS & KURTOSIS

• SKEWNESS

Skewness (kemiringan) dan kurtosis (keruncingan) merupakan ukuran untuk melihat

apakah suatu data statistik terdistribusi secara normal atau tidak. Skewness atau disebut juga
ukuran kemiringan yaitu suatu bilangan yang dapat menunjukan miring atau tidaknya bentuk
kurva suatu distribusi frekuensi. 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).

Batas – Batas nilai ukuran kemiringan

ž 0 ≤ | Sk = α3 | < 0,1 artinya bentuk kurva DF dianggap normal .

ž 0,1 ≤ | Sk = α3 | < 0,3 artinya bentuk kurva DF miring ke kiri atau kanan.

ž 0,3 ≤ | Sk = α3 | artinya bentuk kurva DF sangat miring ke kiri atau kanan.

Rumus Skewness :

ž Pearson

Populasi : Sk = α3 = µ - Mo/ϭ atau Sk = α3 = 3(µ - Mo)/ϭ

Sampel : Sk = α3 = ẋ - Mo/S atau Sk = α3 = 3(ẋ - Mo)/S

ž Bowley

Sk = α3 = Q3 – 2Q3 + Q1 / Q3-Q1

ž Matematis / Moment

populasi : Sk = α3 = Σf(x-µ)3 / N – ϭ3

Sampel : Sk = α3 = Σf(x-ẋ)3 / N – S

Kemiringan secara singkat dapat disebut sebagai kemiringan distribusi data. Ukuran
kemiringan suatu distribusi data dapat ditentukan berdasarkan rata-rata, median, dan modus.
Nilai kemiringan distribusi data dapat diukur dengan menggunakan rumus kemiringan pearson.

1. Ukuran Kemiringan
 a. kecondongan suatu kurva distribusi data dapat ditentukan berdarkan perbedaan rata-rata,
median, dan modus;
b. jika nilai rata-rata, median, dan modus tidak berbeda atau sama, maka kurva distribusi
data berbentuk simetris (nilai kecondongan=0);
c. jika kurva tidak simetris, maka distribusi data tidak merata.

2. Ukuran Kecondongan

a. kurva condong ke kiri jika nilai mean < median <modus atau nilai modus > mean, kurva
condong ke kiri bersifat negatif,
b. kurva akan simetris atau tidak memiliki kecondongan jika nilai modus mean;
c. kurva condong ke kanan jika nilai mean > median > modus atau nilai modus mean, kurva
condong ke kanan bersifat positif.

3. Menghitung Nilai Kecondongan

Nilai kecondongan suatu kurva distribusi data dapat dihitung dengan menggunakan
rumus pearson. Koefisien kecondongan pearson adalah kecondongan kurva distribusi
data yang dihitung dengan mencari nilai selisih rata-rata dengan modus dan
membanginya dengan simpangan baku atau deviasi standar. Koefisien kecondongan
pearson dirumuskan sebagai berikut:

Sk = rata-rata hitung-modus
deviasi standar
atau

Sk = ³(rata-rata hitung-median)
deviasi standar

nilai kecondongan kurva distribusi data yang diperoleh dari rumus pearson dapat
dihubungkan sebagai berikut:

a. kurva berbentuk simetris jika nilai Sk=0

 b. kurva condong ke kanan (positif) dan ekor kurva terletak di sebelah kiri jika nilai Sk>0

c. kurva condong ke kiri (negatif) dan ekor kurva terletak di sebelah kanan jika nilai
Sk<0.

Contoh Soal :

Menurut data, harga 53 jenis mobil Daihatsu pada tahun 2013, dapat diketahui mediannya adalah
158,11. Modus 157,9, rata-rata 155.9, dan standar deviasinya 20,9. Hitunglah koefisien kecon
don gannya!

Penyelesaian:

Dari kedua nilai Sk tersebut, terlihat bahwa keduanya adalah negative. Jadi kurva condong
negatif (ke kanan). Hal ini disebabkan adanya nilai yang sangat kecil sehingga menurunkan nilai
rata-rata hitungnya. Angka -0,096 dan -0,035 menunjukkan kedekatan dengan nilai 0, sehingga
kurva tersebut kecondongannya tidak terlaly besar, atau mendekati kurva normal

• KURTOSIS

Ukuran keruncingan atau yang disebut juga kurtosis adalah suatu bilangan yang dapat
menunjukan runcing tidaknya bentuk kurva distribusi frekuensi. Kurtosis adalah derajat
keruncingan suatu distribusi (biasanya diukur relatif terhadap distribusi normal). Kurva yang
lebih lebih runcing dari distribusi normal dinamakan leptokurtik, yang lebih datar platikurtik dan
distribusi normal disebut mesokurtik. Kurtosis dihitung dari momen keempat terhadap mean.
Distribusi normal memiliki kurtosis = 3, sementara distribusi yang leptokurtik biasanya
kurtosisnya > 3 dan platikurtik <> dengan :
Rumus matematika / moment

populasi : Kt = α4 = Σf(x-µ)4 / N – ϭ4

sampel : Kt = α4 = Σf(x-ẋ)4 / N – S4

1. Kurva Keruncingan

Jika dilihat dari tingkat keruncingannya, kurva distribusi frekuensi dibagi menjadi tiga, yaitu
leptokurtik, platikurtik, dan mesokurtik.

a. Leptokurtik

Leptokurtik adalah distribusi yang memiliki puncak relatif tinggi. Distribusi frekuensi ini
kurvanya sempit dibagian puncak dan mendekati runcing

b. Platikurtik

Platikurtik adalah distribusi frekuensi yang memiliki puncak hampir mendatar. Distribusi
frekuensi ini kurvanya sedikit mendatar (tumpul) pada puncaknya.
 c. Mesokurtik

Mesokurtik adalah distribusi yang memiliki puncak yang tidak tinggi dan tidak mendatar.
Distribusi frekuensi ini kurvanya normal (bukan leptokurtik dan platikurtik).

2. Rumus Koefisien Keruncingan

Contoh Soal
Tentukan apakah kurva dari data daftar distribusi disamping
Runcing, normal atau datar?
Untuk memberikan gambaran visual, berikut ini diberikan ilustrasi Skewness (Gambar 1) dan
Kurtosis (Gambar 2) :

Gambar 1

Gambar 2