Ukuran Kemiringan dan

Keruncingan
Ukuran bentuk (measures of shape) bisa digunakan untuk menjelaskan distribusi data.
Terdapat dua ukuran bentuk yaitu ukuran kemencengan (skewness ) dan ukuran
keruncingan (kurtosis ).

Ukuran Kemiringan atau Kecondongan

Ukuran kemiringan adalah ukuran yang menyatakan sebuah model distribusi yang
mempunyai kemiringan tertentu. Apabila diketahui besarnya nilai ukuran ini maka
dapat diketahui pula bagaimana model distribusinya, apakah distribusi itu simetrik,
positif, atau negatif.
Ukuran kemiringan dan ukuran kurtosis
Kemiringan (skewness) atau gradien suatu garis adalah angka yang menunjukan arah dan
kecuraman garis tersebut. Ukuran Keruncingan (kurtosis) adalah suatu distribusi, biasanya
diambil relatif terhadap distribusi normal.

Jika nilai skewness dan kurtosis mendekati nol

Skewness yang bernilai negatif berarti ekor distribusi berada di sebelah kiri, menunjukkan
bahwa sebagian besar nilai berada di sisi kanan kurva. Sementara skewness bernilai nol
berarti nilai t erdistribusi secara simetris, dengan jarak antara ekor distribusi sebelah kanan
dan kiri sama besar.
Perbedaan skewness dan kurtosis
Skewness menunjukkan kemiringan suatu data dan kurtosis yang menunjukkan keruncingan
suatu data. Skewness menyatakan ketidaksimetrisan sedangkan kurtosis lebih ke kelancipan
dari distribusi terhadap distribusi normalnya.
Uji normalitas menggunakan skewness dan kurtosis
Uji normalitas dengan Skewness dan Kurtosis memberikan kelebihan tersendiri, yaitu
bahwa akan diketahui grafik normalitas menceng ke kanan atau ke kiri, terlalu datar atau
mengumpul di tengah. Oleh karena itu, uji normalitas dengan skewness dan kurtosis juga
seringdisebutdenganukurankemencengandata.

Tujuan mengukur kemiringan (skewness )

ukuran skewness bisa memberikan indikasi perubahan bentuk distribusi suatu variabel antar
waktu atau perbedaan bentuk distribusi suatu variabel antar tempat dalam suatu waktu.
Perubahan ini bisa bermanfaat dalam membuat suatu kesimpulan atau analisis yang
bermanfaat.
Kegunaan Ukuran Kemencengan

Pengetahuan tentang kemencengan berguna untuk menggambarkan bentuk suatu distribusi

atau kurva dan juga sebagai dasar untuk memilih ukuran pemusatan data (measures of central
tendencey) yang mana yang lebih sesuai atau dapat mewakili suatu kelompok data, kecuali
ada data extreme values atau outliers.
Contoh, bila diketahui kemencengan dari suatu distribusi (katakanlah distribusi pendapatan dari
suatu kelompok penduduk) adalah +1.5, maka distribusi tersebut adalah menjulur ke kanan
atau menceng positif, yang berarti data cenderung mengelompok pada nilai-nilai yang rendah.
Artinya, sebagian besar penduduk mempunyai pendapatan yang rendah, dan hanya sebagian
kecil yang berpendapatan tinggi. Demkian pula sebaliknya.

(a) Kurva menceng negatif dan (b) kurva menceng positif

 Berikut ini diberikan ketiga macam model distribusi

tersebut
.

Untuk mengetahui apakah sekumpulan data mengikuti

model distribusi positif, negatif, atau simetrik, hal ini dapat
dilihat berdasarkan nilai koefisien kemiringannya.
Menurut Pearson ada beberapa rumus
untuk menghitung koefisien
kemiringannya, yaitu :
a. Koefisien kemiringan (Modus)

Koefisien kemiringan =

dimana : = rata-rata, Mo = Modus, s =

simpangan baku
b. Koefisien kemiringan (Median)

Koefisien Kemiringan =

dimana : = rata-rata, Mo = Median, s =

simpangan baku
c. Koefisien kemiringan menggunakan nilai

kuartil

Koefisien kemiringannya =

dimana : K1 = kuartil ke satu, K2 = kuartil ke dua,

K3 = kuartil ke tiga
 Menurut Pearson, dari hasil koefisien kemitingan

diatas, ada tiga criteria untuk mengetahui model distribusi

dari sekumpulan data (baik data berkelompok maupun data

tidak berkelompok), yaitu :

• Jika koefisien kemiringan < 0, maka bentuk distribusinya

negatif
• Jika koefisien kemiringan = 0, maka bentuk distribusinya

simetrik
• Jika koefisien kemiringan > 0, maka bentuk distribusinya

positif
 Contoh soal

Misalkan berat badan bayi (dicatat dalam Kg) yang baru lahir dirumah
sakit bersalin “Bunda” dapat dilihat dalam tabel berikut.

Hitung koefisien kemiringannya dengan menggunakan nilai

kuartil
Penyelesaian :

koefisien kemiringannya =
a. Q1 = ………… ?

Q1 = (n)

Q1 = (28)

Q1 = 7 interval ke 3)
(kelas

Maka Q1 = Tb + p

` `
= 2,85 + 0,2

= 2,85 + 0,08
= 2,93
b. Q2 = ………… ?

Q2 = (n)

Q2 = (28)

Q2 = 14 interval ke 4)
(kelas

Maka Q2 = Tb + p

` `= 3,05 + 0,2

= 3,05 + 0,11
= 3,16
c. Q3 = ………… ?
Q3 = (n)
Q3 = (28)

Q3 = 21 (kelas interval ke
5)

Maka Q3 = Tb + p

` `= 3,25 + 0,2
= 3,25 + 0,13
= 3,38
Sehingga koefisien kemiringannya =

= - 0,022
Mengukur Skewness dengan Excel

Cara penulisan rumus skewness di excel :

=Skew (number1, number2,...)
MEMAHAMI NILAI KURTOSIS (KERUNCINGAN)
DALAM STATISTIK DESKRIPTIF
Keruncingan disebut juga ketinggian kurva. Keruncingan atau kurtosis adalah tingkat
kepuncakan dari sebuah distribusi yang biasanya diambil secararelatif terhadap suatu
distribusi normal. Rata-rata dan ukuran penyebaran dapat menggambarkan distribusi
data tetapi tidak cukup untuk menggambarkan sifat distribusi.

Untuk dapat menggambarkan karakteristik dari suatu distribusi data, kita menggunakan konsep-
konsep yang dikenal sebagai kemiringan (skewness) dan keruncingan (kurtosis). Ukuran
keruncingan (Kurtosis) adalah derajat kepuncakan dari suatu distribusi, biasanya
diambil relative terhadap distribusi normal.
Andi Supangat (2007: 126) mengatakan bahwa tingkat keruncingan dari suatu kurva (kurtosis)
merupakan besaran untuk menentukan jenis kurva (runcing, normal, atau datar).

Kurtosis (ketinggian kurva) pada distribusi frekuensi di bagi dalam tiga bagian yaitu (1)
leptokurtis (sangat runcing), mesokurtis (keruncingan sedang) dan platykurtis (kurva
datar).

Kriteria untuk mengetahui model distribusi dari koefisien kurtosis sebagai berikut :
 Jika koefisien kurang dari 0.263 maka distribusinya adalah platikurtik
 Jika koefisien kurtosis sama dengan 0,263 maka distribusinya adalah mesokurtic.
 Jika koefisien kurtosis lebih dari 0,263 maka distribusinya adalah leptokurtic
Leptokurtik adalah distribusi frekuensi yang kalau digambarkan kurvanya merupakan kurva
yang agak sempit pada bagian puncaknya atau mendekati runcing.

Mesokurtic adalah istilah statistik yang digunakan untuk menggambarkan karakteristik

pencilan dari distribusi probabilitas di mana peristiwa ekstrim (atau data yang jarang)
mendekati nol. Distribusi mesokurtik memiliki karakter nilai ekstrim yang sama dengan
distribusi normal.

Platikurtik, sebuah distribusi yang mempunyai puncak mendatar dinamakan platikurtik.

Distribusi normal yang puncaknya tidak terlalu tinggi atau puncaknya tidak mendatar
dinamakan mesokurtik.
Ukuran Keruncingan (Kurtosis)
Ukuran keruncingan adalah kepuncakan dari

suatu distribusi, biasanya diambil relatif terhadap

distribusi normal. Sebuah distribusi yang mempunyai

puncak relatif tinggi dinamakan leptokurtik, sebuah

distribusi mempunyai puncak mendatar dinamakan

platikurtik, distribusi normal yang puncaknya tidak

terlalu tinggi atau tidak mendatar dinamakan

mesokurtik.
Untuk mengetahui apakah sekumpulan data
mengikuti distribusi leptokurtik, platikurtik, dan
mesokurtik, hal ini dapat dilihat berdasarkan
koefisien kurtosisnya.
Untuk menghitung koefisien kurtosis digunakan

rumus

Dimana K1 = Kuartil kesatu

K2 = Kuartil kedua

P10 = Persentil ke 10
P90 = Persentil ke 90
 Dari hasil koefisien kurtosis diatas, ada tiga

criteria untuk mengetahui model distribusi dari

sekumpulan data, yaitu :

• Jika koefisien kurtosisnya < 0,263 maka

distribusinya adalah platikurtik

• Jika koefisien kurtosisnya = 0,263 maka

distribusinya adalah mesokurtik

• Jika koefisien kurtosisnya > 0,263 maka

distribusinya adalah leptokurtik

Contoh soal

Misalkan berat badan bayi (dicatat dalam Kg) yang baru lahir dirumah sakit
bersalin “Bunda” dapat dilihat dalam tabel berikut.

Hitung koefisien kurtosisnya

Penyelesaian :
a. Q1 = ………… ?
Q1 = (n)
Q1 = (28)

Q1 = 7 (kelas interval ke
3)

Maka Q1 = Tb + p

` `
= 2,85 + 0,2
= 2,85 + 0,08
= 2,93
b. Q3 = ………… ?
Q3 = (n)
Q3 = (28)

Q3 = 21 (kelas interval ke
5)

Maka Q3 = Tb + p

` `= 3,25 + 0,2
= 3,25 + 0,13
= 3,38
c. P10 = ………… ?
P10 = (n)
P10 = (28)
P10
= 2,8 (kelas interval ke 2)

maka P10 = Tb + p

` `= 2,65 + 0,2
= 2,65 + 0,05
= 2,70
d. P90 = ………… ?
P90 = (n)
P10 = (28)
P10
= 25,2 (kelas interval ke 6)

maka P10 = Tb + p

` `= 3,45 + 0,2
= 3.45 + 0,088
= 3,54
Sehingga koefisien kuatisisnya

= 0,268
Mengukur Kurtosis dengan Excel

Cara penulisan rumus kurtosis di excel :

=Kurt (number1, number2,...)