MOMENT UKURAN KEMIRINGAN DAN

UKURAN KERUNCINGAN
1. Momen
• Momen juga merupakan sebuah ukuran dalam
statistik, yang dapat menurunkan ukuran statistik
yang lain, seperti rerata atau varians. Ada dua
macam momen, yaitu momen non-sentral dan
momen sentral.
a. Momen non-Sentral
• Definisi: Jika X1, X2, X3, ..., Xn, adalah n buah data
yang diasumsikan oleh variabel X, maka momen
non-sentral ke- k di sekitar M adalah
 m'k ( M ) 
 i
( X  M ) k

Berdasarkan definisi ini, maka momen non sentral

di sekitar 0 adalah m'  X   X k
k
n
Momen ini disebut momen asli.
X
Momen asli yang pertama adalah: 1 m '  X 
n
yaitu nilai rerata dari data X1, X2, X3, .Xn.
Selanjutnya momen asli kedua dan ketiga
2
berturut-turut adalah ... m' 2  X 2   X . dan
 X 3 n
m' 3  X 3 
n
• Contoh
• Diketahui sekelompok data adalah sebagai
berikut: 34; 46; 50; 75; 80; 65; 55; 70; 60; 40.
Tentukan
a. momen ke- 1 di sekitar 50.
b. momen ke- 2 di sekitar 50.
c. momen asli yang pertama.
Penyelesaian.
 No Xi Xi-50 (Xi-50)2
1 34 -16 256
2 40 -10 100
3 46 -4 16
4 50 0 0
5 55 5 25
6 60 10 100
7 65 15 225
8 70 20 400
9 75 25 625
10 80 30 900
Jumlah 575 75 2647
 artinya

75 2647
m'1 (50)   75 m' 2 (50)   264,7
10 10
575
m'1   57,5
10
b. Momen sentral
Definisi: Jika X1, X2, X3, ..., Xn, adalah n buah data yang
diasumsikan oleh variabel X, maka momen sentral ke- k
adalah
mk  X  X  

k X i  X) k

i
n
Artinya

m1 
 X - X
m2 
 X - X
2

n n
• Momen sentral kedua adalah nilai varians
populasi.
• Untuk data dalam distribusi frekuensi,
f X 
k

mk 
 i i X
, dengan n   f i , dan X i
n
• titik tengah interval.
• Jika perhitungan menggunakan cara koding
(rerata dugaan) maka
k  i i  p = panjang interval,
 f d
k

mk  p
 n  X  X0
  di  , X 0  rerata dugaan
p
Interval Frek Xo = 69 d3 fd3 d4 fd4
Skor (f) X d
45 - 51 3 48 -3 -27 -81 81 243
52 - 58 10 55 -2 -8 -80 16 160
59 - 65 18 62 -1 -1 -18 1 18
66 - 72 30 69 0 0 0 0 0
73 - 79 23 76 1 1 23 1 23
80 - 86 18 83 2 8 144 8 144
87 - 93 9 90 3 27 243 81 729
94 - 100 9 97 4 64 576 256 2304
jumlah 120 75 807 3765
 3  i i 
 fd 
3
3  807 
m3  p 7    2306,675
 n   120 
 

 m 4  75331,375
a 4   4   4
 3, 4685
 s  12, 143
2. Ukuran Kemiringan
Jika sekumpulan data dalam distribusi
frekuensi digambakan kurvanya (polygon)
maka akan diperoleh tiga model distribusi
berdasarkan ukuran kemiringan dan 3 model
distribusi berdasarkan ukuran keruncingan
• Ukuran kemiringan suatu distribusi
sekelompok data adalah hasil perbandingan
yang dapat dinyatakan dengan bilangan yang
berdasarkan pada ukuran pemusatan, ukuran
letak maupun ukuran penyebaran.

•
M Mo M Mo
Mo
Me Me
Me
M
•
 UKURAN KEMIRINGAN

x me mo mo me x
• Miring ke kiri simetris miring kekanan
• a3 < 0 ( - ) a3 = 0 a3> 0 ( + )
a. Koefisien Kemiringan Pertama dari Pearson
X - Mo
Koefisien kemiringan  a3 
s
• X = mean=nilai rata-rata data,
• Mo = nilai modus, dan s = simpangan baku
• Contoh1. Tentukan Koefisien kemiringan
kurva untuk data di bawah ini.
Interval Skor Frek (f) X
45 - 51 3 48
52 - 58 10 55
59 - 65 18 62
66 - 72 30 69
73 - 79 23 76
80 - 86 18 83
87 - 93 9 90
94 - 100 9 97
• X  73,375
• Mo = 69,92
• S = 12, 143
• Q1= 65,11, Q3=81,83, P10=57,8, P90= 91
• Me =
• Distribusinya positif.
X - Mo 73,375 - 69,92
Koefisien kemiringan  a3    0,285
s 12,143
Menurut Pearson, model distribusi berdasarkan koefisien
kemiringnnya ada 3 macam, yaitu distribusi negative koeisien
kemiringannnya negative, distribusi simetrik koefisien
kemiringannya nol, dan distribusi positif koefisien
kemiringannya positif
b.  Koefisien Kemiringan kedua dari Pearson.
3.X - Me 
Koefisien kemiringan = a 3 
s
Jadi untuk data contoh 1 koefisien
kemiringan kedua dari Pearson,
3.73,375 - 72,27 
a3 = 12,143
0,273


c. Koefisien Kemiringan dengan nilai Kuartil.

Q 3 - 2Q 2  Q1
a3 
Q 3 - Q1

untuk data contoh1, koefisien kemiringan

berdasarkan nilai kuartil adalah
 Q 3 - 2Q 2  Q1
• Koef kemiringan a3 = a 3 
Q 3 - Q1
• untuk data contoh1, koefisien kemiringan
berdasarkan nilai kuartil adalah
Q - 2Q  Q
• Koef kemiringan, a3 = 3

Q -Q
=
3
2

1
1

81,83 - 2(72,27)  65,11

 0,144
81,83 - 65,11

d.Ukuran Kemiringan berdasarkan persentil.

P90 - 2P50  P10
Koefisienkemiringan=a3= . P90 - P10
• Tentukan koef kemiringan berdasarkan persentil
dari data contoh 1!
P90 - 2P50  P10 91,17 - 2(72,27)  57,8
a3    0,133
P90 - P10 91,17  57,8

• Ukuran kemiringan dengan momen sentral

adalah mdengan
3 s = simpangan baku
a3  3
• Jika a3 > 0, makas kurva miring positip (miring ke
kanan)
• Jika a3 = 0, maka kurva simetris
• Jika a3 < 0, maka kurva miring negatip (miring ke kiri)
• 2. Ukuran Keruncingan ( Kurtosis)
• Kurtosis adalah derajat kepuncakan dari suatu
distribusi. Jadi berdasarkan derajat kepuncakan
suatu distribusi ada tiga macam, yaitu leptokurtik,
meso kurtik dan platikurtik.

Leptokurtik a4 >3 messokurtik a4=3 Platikurtik a4 < 3

runcing normal landai

• Sekolompok data apakah termasuk distribusi

leptokurtic, mesokurtik, atau platikurtik, dinyatakan
dengan koefisien keruncingan.
 1
Q 3 - Q1 
• Koefisien keruncingan = a 4  2
P90 - P10

• Koefisien momen keruncingan sekelompok

data X1, X2, X3,...., Xn disajikan dengan a4,
didefinisikan sebagai: a  m4
4
s4
s= simpangan baku sampel
m4 = momen sentral ke- 4
 4 i i 
 f d
4
 4  3765 
m4  p 7    75331,375
 n   120 
 

 m 4  75331,375
a 4   4   4
 3, 4685
 s  12, 143

Koefisien keruncingan = a4 = 3, 4685

Latihan
1. Diketahui data sebagai berikut:
1 9 2 2 8 8 7 7 7 3 3 3 4 4 4
4 6 6 6 6
a. Tentukan rerata dan simpangan bakunya.
b. Carilah m1, m2, m3, dan m4 .
c. Carilah m’1, m’2, m’3, dan m’4 .
d. Carilah koefisisen momen kemiringan dan koefisien
momen keruncingannya
2. Tentukan koefisien momen kemiringan dan
koefisien momen keruncingan dari data
dalam distribusi frekuensi tunggal di bawah
ini.
Nilai Frekuensi
4 1
5 2
6 3
7 4
8 7
9 3
Jumlah 20
3. Tentukan koefisien momen kemiringan dan
koefisien momen keruncingan dari data
dalam distribusi frekuensi berinterval di
bawah ini.
Nilai Frekueni
61 – 65 5
66 – 70 8
71 – 75 4
76 – 80 2
81 – 85 1
20