6th

grade

KEMENCENG
AN KIRI DAN
KANAN
Pengertian Kemiringan / Kemencengan
● Skewness/kemencengan/kemiringan 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).
● Kemiringan sebuah diagram dari sebuah data bergantung kepada penyebaran data
yang merata atau tidak. Semakin banyak data yang besar dan semakin sedikit data
yang kecil maka kemiringan data tersebut akan condong kesebelah kiri atau sering
disebut kemiringan negatif. Sedangkan semakin banyak data yang besar dan semakin
sedikit data kecil maka kemiringan data tersebut akan condong ke sebelah kanan atau
sering disebut kemiringan negatif.
 Jenis – Jenis
Kemencengan
Kemiringan distribusi data terdapat 3 jenis, yaitu :
• Simetris : menunjukkan letak nilai rata-rata
hitung, median, dan modus berhimpit (berkisar
disatu titik)
• Miring ke kanan : mempunyai nilai modus paling
kecil dan rata-rata hitung paling besar
• Miring ke kiri : mempunyai nilai modus paling
besar dan rata-rata hitung paling kecil
Gambar 1 : Grafik
Kemiringan Distribusi
Data
Macam – Macam
Rumus Skewness/
Kemencengan
• Untuk menentukan skweness atau kemiringan
sebuah data ada 4 cara yang dapat digunakan yaitu
pearson, momen matematis, bowly, dan metode
Andi Supangat.
1. Metode Pearson
● Metode pearson merupakan cara mencari skweness atau kemiringan sebuah data yang
diperoleh dari selisih rata – rata dengan modus dan berbanding terbalik dengan
simpangan baku atau standar deviasi atau tiga kali dengan selisih rata – rata dengan
median dan berbanding terbalik dengan simpangan baku atau standar deviasi. Secara
matematis anda perhatikan perumusan sebagai berikut.
Penyimpulan sebuah data dengan metode kemiringan pearson adalah
sebagai berikut :
• Dikatakan negatif apabila rata – rata < median <modus
• Dikatakan positif apabila rata – rata > median >modus
• Dikatakan normal atau uniform apabila rata – rata = median =
modus
Ilustrasi dari ketiga kesimpulan di atas lihat gambar kurva berikut.
Gambar 2 : Grafik Ilustrasi
Kemiringan Pearson
2. Metode Matematis
● Metode untuk menentukan kemiringan yang kedua adalah metode moment matematis.
Metode kemiringan moment matematis merupakan metode kemiringan sebuah data
bedasarkan jumlah dari perkalian frekuensi ke-i dengan selisih niai ke-i dengan rata – rata
yang dipangkatkan tiga dan berbanding terbalik dengan perkalian jumlah data atau jumlah
frekuensi dengan simpangan baku yang dipangkatkan tiga. Secara matematis anda dapat
perhatikan perumusan sebagai berikut.
● Secara matematis anda dapat perhatikan perumusan sebagai berikut.
3. Bowley
● Metode untuk menentukan kemiringan kurva yang ketiga adalah metode Bowley.
Kemiringan menurut Bowley merupakan koefisien yang yang diperoleh dari kuartil tiga
yang dikurangkan dengan dua kali kuartil dua dan dijumlahkan dengan kuartil satu dan
berbanding terbalik dengan selisih kuartil tiga dengan kuartil satu. Secara matematis dapat
dirumuskan sebagai berikut.
Keterangan:
● Q3 : kuartilketiga
● Q2 : kuartilkedua
● Q1 : kuartilkesatu
● Sk : kemiringan sebuahdata
Kriteria penyimpulan jika nilai dari kemiringan menurut metode
Bowley yaitu :
■ Jika Sk = ±0,1, maka kurva dikatakan cenderung condong
ke kiri, kanan dan ataunormal
■ Jika Sk> ±3, maka tingkat kecondongan semakin berarti.
4. Andi Supangat
● Metode untuk menentukan kemiringan kurva yang keempat yaitu metode Andi Supangat. Kemiringan
sebuah data dalam kurva menurut Andi Supangat merupakan selisih antara paruh interval atau semi
interval dengan modus berbanding terbalik dengan titik tengah kurva. Secara matematis dirumuskan
sebagai berikut.
Kriteria penyimpulan jika besarnya kemiringan
sudah diketahui yaitu :
• Jika Sk > 0 , maka kurva
dikatakancenderungcondong ke kiri (positif).
• Jika Sk = 0 , maka kurva dikatakan
normal(uniform)
• Jika Sk < 0 , maka kurva dikatakan cenderung
condong ke kanan (negatif).
Cara Membaca Nilai Skewness
● Nilai Skewness (Kemiringan) Skewness diartikan sebagai kemiringan
distribusi data.Yang dimaksud dengan kemiringan data adalah besarnya
pembagian data atau rata-rata sebaran data yang biasanya di wujudkan
dengan bentuk lonceng, untuk data yang berdistribusi normal.
● Begitu juga jika kita terapkan pada Skewness. Apabila skewness
menunjukkan simetri maka dikatakan data membentuk distribusi normal,
apabila kemiringan distribusi data agak condong ke kanan ditunjukkan
dengan nilai skewness yang negative, selanjutnya apabila kemiringan
distribusi data condong ke kiri yang ditunjukkan bahwa nilai skewness
positif.
● Apabila nilai sk = 0, maka menunjukkan data
berdistribusi normal, sk < 0 kemiringan ke kanan, dan sk
> 0 kemiringan ke kiri. Sebagai contoh, jika diperoleh
nilai sk = -0,807 adalah artinya merupakan nilai negatif,
akan tetapi tidak jauh dari nilai, Berarti data cenderung
berdistribusi normal atau hamper normal.
TERIMAKASIH🤗🤗🤗