Assalamu Alaikum Wr. Wb.

UKURAN KEMIRINGAN DAN

KECEMBUNGAN
Oleh Kelompok X:
Firman
Feri Fadli
Hamdian
Model Populasi
Koefisien
Kemiringan
Koefisien
Kecembungan
 Model Populasi
Jika semua data dalam populasi dapat
dikumpulkan lalu digambarkan daftar sebaran
frekuensinya, dan akhirnya digambarkan kurva
frekuensinya, kurva ini dapat menjelaskan sifat
atau ciri populasi.
Kurva tersebut merupakan model populasi
yang akan ikut menjelaskan ciri populasi.
Model populasi itu sendiri adalah
penyederhanaan realita yang kompleks dan
dibuat untuk memudahkan penjelasan
terhadap realita yang sedang dipelajari.
NEXT
 Bentuk kurva untuk
model populasi
1. Model Normal
Selalu simetris dan
mempunyai sebuah
puncak, atau disebut
Unimodal.
NEXT
2.Model Simetris
Mempunyai satu puncak
(Unimodal). Berbeda dengan
yang pertama, model normal
selalu simetris tapi yang
simetris belum tentu normal.

NEXT
3. Model Positif
Ekor kurvanya
memanjang ke sebelah
kanan (tidak simetris).
Menggambarkan
bahwa sedikit gejala
yang bernilai makin
besar. NEXT
4. Model Negatif
Kurva ini ekornya
memanjang ke sebelah
kiri (tidak simetris).
Menunjukkan bahwa
sedikit gejala yang
bernilai makin kecil.
NEXT
5. Model J
Menggambarkan data yang
cenderung menanjak drastis.
Sedangkan J terbalik
menggambarkan data yang sangat
tinggi turun drastis, kemudian
sedikit demi sedikit menanjak lagi.

NEXT
6.Model U
Awalnya terdapat banyak
gejala bernilai kecil, kemudian
menurun sementara untuk
gejala bernilai besar, dan
akhirnya naik lagi untuk gejala
yang semakin besar.

MENU
 Koefisien Kemiringan
Pada kurva frekuensi populasi model
positif dan negatif terjadi sifat ketidak
simetrisan, untuk mengetahui derajat
ketidak simetrisan model populasi
digunakan ukuran kemiringan, yaitu
ukuran kemiringan Pearson dan
ukuran kemiringan Bowley

NEXT
1. Ukuran kemiringan Pearson
Ukuran ini memberitahukan arah
dan tingkat kemiringan sebaran
data. Untuk mendapatkan
koefisien kemiringan Pearson,
yaitu membagi jarak antara
rerata dan modus dengan
simpangan baku. Semakin jauh
nilai rerata dari modus, semakin
tidak simetris atau semakin
miring sebaran data.
NEXT
a. Koefisien kemiringan Person tipe
kesatu
Kmp1 = (rerata)
modus/simpang baku

Dari Jarak antara rerata dan modus

dalam sebaran yang kemiringannya
moderat diperoleh hubungan empiris
dari Pearson, yaitu antara rerata dan
modus sama dengan tiga kali antara
rerata dan median. Jarak tersebut
adalah dasar Pearson untuk ukuran
kemiringan.
NEXT
b. Koefisien kemiringan Person tipe
kedua
Kmp1 = 3{(rerata)
median}/simpang baku

Koefisien tipe kedua ini dapat

digunakan jika perbedaan antara nilai
rerata dan median tidak terlalu besar.
Tanda dari koefisien kemiringan ini
menunjukkan model kurva yang positif,
negatif atau simetris.

NEXT
2. Ukuran kemiringan Bowley
Ukuran kemiringan dapat dinyatakan
dalam kuartil. Dalam sebaran simetris,
K1, dan K3 mempunyai jarak yang
sama dari median. Jika jarak antara K 1
dan K3 berbeda maka akan terjadi
kemiringan negatif atau positif,
perbedaan jarak inilah yang menjadi
dasar untuk mengukur kemiringan
dalam sebaran yang tidak simetris.

NEXT
 Untuk pengukuran kemiringan
Bowley, dapat dilakukan
dengan menggunakan rentang
kuartil (K3 K1) sebagai
pembagi untuk rumus koefisien
kemiringan Bowley (Bowleys
measure of skewness).
Kmb = K3 + K1 2x median/ K3 -
K1

MENU
 Koefisien Kecembungan
Bertitik tolak dari kurva model
normal, kecembungan, yakni tinggi
rendahnya atau runcing datarnya
bentuk kurva dapat ditentukan.
Kurva sebaran normal, yang tidak
terlalu runcing atau tidak terlalu datar,
dinamakan mesokurtik, sedangkan
kurva runcing disebut leptokurtik, dan
kurva yang datar diswebut platikurtik.
NEXT
 Salah satu ukuran kecembungan kurva
adalah koefisien kecembungan
(Kurtosis) yang dilambangkan dengan
Kc.

Kalau data dalam bentuk sebaran

frekuensi,
dapat dihitung dengan :

NEXT
TERIMA KASIH

WASSALAM