DISPERSI

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.

Simpangan Rata-Rata (Mean Deviation)

02
Jangkauan kuartil dan jangkauan persentil 10-90
Jumlah nilai mutlak dari selisih semua nilai dengan
nilai rata-rata dibagi banyaknya data.
05 Jangkauan kuartil disebut juga simpangan kuartil atau
semi antar kuartil atau deviasi kuartil sedangkan
jangkauan persentil 10-90 disebut juga rentang
Varians (Variance) persentil 10-90.

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

Ukuran penyebaran dapat digunakan

01 untuk menentukan apakah nilai
rataratanya benar-benar representatif
atau tidak.
Ukuran penyebaran dapat digunakan
02 untuk mengadakan perbandingan
terhadap variabilitas data.

Ukuran penyebaran dapat membantu

03 penggunaan ukuran statistika,
Kemiringan dan Kerunncingan
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.

• Memperhatikan hubungan antara

rata-rata hitung, median dan
modus.
• Menggunakan koefisien Pearson.
• Menggunakan Momen ketiga.
• Menggunakan kotak diagram garis.
• Rumus untuk menghitung derajat
kemiringan distribusi data RUMUS
 Rumus untuk menghitung derajat
kemiringan distribusi data
Data
Rumus Pearson Rumus Momen
Berekompok

Data
Berekompok

Rumus Bowley KETERANGAn

Keterangan : Ketentuan :
a3 = Derajat kemiringan a3 = 0 distribusi data simetris
Keterangan : Xi = Nilai data ke – i a3 < 0 distribusi data miring ke kiri

Q1 = Kuartil pertama = Nilai rata-rata hitung a3 > 0 distribusi data miring ke

kanan
Q2 = Kuartil kedua fi = Frekuensi kelas ke - i  

Q3 = Kuartil ketiga mi = Nilai titik tengah kelas ke

– I S = Simpangan baku
n = Banyaknya data  
 Keruncingan Distribusi Data
Keruncingan distribusi data adalah Ada tiga jenis derajat keruncingan:
derajat atau ukuran tinggi • Leptokurtis : Distribusi data yang puncaknya relatif tinggi
rendahnya puncak suatu distribusi • Mesokurtis : Distribusi data yang puncaknya normal
data terhadap distribusi normalnya • Platikurtis : Distribusi data yang puncaknya terlalu rendah dan terlalu
data. Keruncingan distribusi data mendatar.
disebut juga kurtosis.

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)

Statistik Deskriptif adalah

Skewness adalah derajat
Kurtosis adalah derajat Statistik yang berfungsi
ketidaksimetrisan suatu
keruncingan suatu distribusi untuk mendeskripsikan atau
distribusi. skewness adalah
(biasanya diukur relatif memberikan gambaran
momen ketiga terhadap
terhadap distribusi normal). terhadap objek yang di teliti
mean. Distribusi normal dan
Kurtosis dihitung dari melalui data sampel atau
distribusi simetris lainnya,
momen keempat terhadap populasi sebagaimana
misalnya distribusi t memiliki
mean. adanya, tanpa melakukan
skewness 0.
analisis dan membuat
kesimpulan yang berlaku
untuk umum.
 Cara Membaca Nilai Kurtosis dan
Skewnessa
Nilai Skewnes
Skewness diartikan sebagai kemiringan distribusi data. Yang dimaksud dengan
kemiringan data adalah besarnya pembagian data atau rata-rata sebaran data yang
biasanya di wujudkan denan bentuk lonceng, untuk data yang berdistribusi normal.
Begitu juga jika kita terapkan pada 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.

Cara dalam menguji Normalitas dari nilai Skewness

dan Kurtosis yang diperoleh :
• Uji normalitas dengan Skewness dan Kurtosis
mempunyai kelebihan yang tidak didapat
diperoleh dari uji normalitas yang lain.
• Dengan membandingkan antara nilai Statistic
Skewness dibagi dengan Std Error Skewness
atau nilai Statistic Kurtosis dibagi dengan Std
Error Kurtosis.
Thank You