SKEWNESS
KURTOSIS
Nama Anggota :
AZZA RISKI
DINDA VIO YONANTI
MAFIQOH AMBARWATI
M. HAIDAR ALI YAHYA
DISPERSI
Penyebaran atau dispersi adalah perserakan dari nilai
observasi terhadap nilai rata-ratanya. Rata-rata dari
serangkaian nilai observasi tidak dapat diinterpretasikan
secara terpisah dari hasil dispersi nilai-nilai tersebut sekitar
rataratanya. Makin besar variasi nilai xi , makin kurang
representatif rata-rata distribusinya. Ukuran penyebaran
suatu kelompok data terhadap pusat data disebut dispersi
atau variasi atau keragaman data.
Jenis - Jenis Pengukuran
Dispersi Adalah Sebagai
Berikut:
Jangkauan (Range)
01 Selisih antara batas atas dari kelas tertinggi dengan
batas bawah dari kelas terendah.
04
Standar Deviasi
Akar kuadrat dari varians dan menunjukkan standar
penyimpangan data terhadap nilai rata-ratanya.
03 Koefisien Variasi
Rata-rata hitung deviasi kuadrat setiap data terhadap
rata-rata hitungnya. 06 Koefisien Variasi, disebut dispersi relatif, dapat
digunakan untuk membandingkan nilai – nilai besar
dengan nilai – nilai kecil. Sedangkan lima bentuk
dispersi sebelumnya tidak bisa.
Kegunaan Ukuran Penyebaran Data
Kemiringan Keruncingan
Data Data
Kemiringan Data
Kemiringan adalah derajat
Tiga pola kemiringan distribusi data adalah sebagai berikut:
atau ukuran dari
Pengukuran kemiringan suatu distribusi data dapat diketahui dengan
ketidaksimetrisan suatu
beberapa cara, antara lain:
distribusi data.
Data
Berekompok
Data Rumus
Berkelompok
g an
n
t era Keteranga Ketentua
Ke n: n:
a4 = Derajat keruncingan a4 = 3 distribusi keruncingan data
disebut mesokurtis
Data tidak Xi = Nilai data ke – i
fi = Frekuensi kelas ke – i a4 > 3 distribusi keruncingan data
Berkelompok disebut leptokurtis
mi = Nilai titik tengah kelas ke – i a4 < 3 distribusi keruncingan data
disebut platikurtis
S = Simpangan baku
n = Banyaknya data
Analisa Ukuran Penyebaran Data
Analisa Kemiringan
Analisa Keruncingan Analisa Ukuran
Distribusi Data
Distribusi Data (Kurtosis) Penyebaran Data
(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).
Uji Normalitas Skewness dan Kurtosis
Salah satu uji statistik adalah uji normalitas data. Uji normalitas berguna untuk menentukan apakah data yang
telah dikumpulkan merupakan distribusi normal atau bukan.