Welcome to Scribd, the world's digital library. Read, publish, and share books and documents. See more
Download
Standard view
Full view
of .
Look up keyword
Like this
13Activity
0 of .
Results for:
No results containing your search query
P. 1
Ukuran Kecondongan Dan Keruncingan Distribusi Data

Ukuran Kecondongan Dan Keruncingan Distribusi Data

Ratings: (0)|Views: 1,809|Likes:
Published by anii88

More info:

Published by: anii88 on Jan 09, 2012
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

06/04/2013

pdf

text

original

 
Ukuran kecondongan dan keruncingan distribusi dataApabila suatu distribusi atau gugusan data ingin ditampilkan, sebagaimana yangpernah dibahassebelumnya, distribusi dapat dinyatakan dalam wujud histogram, poligon,frekuensi relatif, atau diagram batang dan daun. Mungkin saja, apabila gugusan datatersebut terdiri dari lebih dari satu, nilai mean, deviasi standar, maupun ukuran yanglainnya akan sama. Namun, bentuk kurva yang ditampilkannya sebagai representasigugusan data bisa jadi berbeda. Tampilan kurva yang diperlihatkan oleh suatu distribusidata bisa saja berbentuk simetris maupun tidak simetris. Kurva yang mencerminkandistribusi data dikatakan simetris bila belahan kanan dan belahan sebelah kiri memilikibentuk dan ukuran yang sama. Sebaiknya, kurva yang menggambarkan distribusi datadikatakan tidak simetris jika belahan sebelah kiri dan belahan sebelah kanan tidak memiliki bentuk dan ukuran yang sama. Guna menunjukkan tingkat simetrisitas suatukurva yang ditampilkan dari suatu distribusi data, konsep dan pengertian mengenai
ukuran kecondongan (skewness)
menjadi penting untuk dipahami.Bentuk suatu kurva merupakan pencerminan pola distribusi data. Karenanya,kecondongan suatu kurva dapat dilihat dari perbedaan letak antara mean, median, danmodus. Distribusi suatu gugusan data dikatakan simetris bila nilai mean, median, danmodus terletak dalam suatu titik temu. Dengan kata lain, suatu gugusan data dikatakansimetris bila ketiganya mempunyai nilai yang sama besarnya. Sedangkan, apabila nilaimean, median, dan modus tidak sama, maka distribusi data itu tidak simetris.Sementara, apabila nilai mean, median, dan modus tidak sama atau tidak terletak pada suatu titik temu, maka distribusi data tidak akan tampil dalam kurva yang simetris.Data akan terkonsentrasikan pada salah satu sisi. Sehingga, bentuk kurva yangditampilkan akan condong pada salah satu sisi saja. Bisa saja, tampilan kurva itu lebihcondong ke kanan dan mungkin pula lebih condong ke kiri. Apabila ternyata distribusidata yang tercermin dalam kurva condong ke kiri atau condong secara negatif, datacenderung terpusat pada nilai yang tinggi. Keadaan ini bisa dilihat pada Gambar 7.2Sebaliknya, bila distribusi data condong ke kanan atau condong secara positif,data cenderung terkonsentrasi pada nilai yang rendah. Secara grafis, kondisi iniditampilkan sebagaimana terlihat dalam bentuk gambar di bawah :Seandainya kita ingin mengetahui arah kecondongan suatu distribusi data, dalamartian bahwa apakah ia menampilkan pola yang bersifat simetris, condong ke arah kananatau condong ke arah kiri, beberapa perhitungan bisa digunakan untuk mengetahuinya.Diantaranya adalah
koefisien kecondongan Pearson
(Pearson’s coefficient of skewness)
 dan
koefisien kecondongan momen (
 moment coefficient of skewness
)
. Koefisien
 
kecondongan momen ini disebut pula koefisien kecondongan
3
 
. Sehubungan dengankedua perhitungan untuk mencari nilai koefisien kecondongan tersebut, kita akanmencoba membahasnya dalam penjelasan berikut :
KOEFISIEN KECONDONGAN PEARSON
Nilai mean sangat kental dipengaruhi oleh keberadaan nilai ekstrem dalamgugusan datanya. Nilai modus tidak dipengaruhi oleh nilai ekstrem sedangkan medianhanya dipengaruhi oleh kedudukannya. Apabila distribusi data memang simetris, makanilai mean, modus, dan median tentunya sama. Sebaliknya, bila tidak sama, pastilahdistribusi data itu tidak dapat ditampilkan dalam kurva yang simetris bentuknya.Tentang pengukuran tingkat kecondongan ini,
Karl Pearson
(seorang pakarstatistika ternama) telah merumuskan suatu formula, yakni melalui apa yang dinamakansebagai koefisien kecondongan
Pearson
. Rumus untuk mengukur tingkat kecondongandistribusi data oleh
Karl Pearson
ini adalah :
s Mo X PSK 
(rumus 7.1)Dimana PSK merupakan nilai koefisien kecondongan Karl Pearson,
 X 
adalahmean, Mo adalah nilai modus, dan s adalah deviasi standar.Selain melalui rumus yang lebih menekankan pada nilai-nilai modus, dalamkondisi tertentu median dipandang sebagai ukuran nilai sentral yang lebih mampumemberikan angka valid. Karl Pearson merumuskan kembali hubungan di atas secaraumum :
)(3
Md  x Mo x
(rumus 7.2)Selanjutnya, apabila rumus di atas disederhanakan dengan memperhitungkanmedian dan nilai modus dari hubungan itu, maka akan menjadi :
s Md  xPS
)(3
(rumus 7.3)Berkenaan dengan perhitungan koefisien kecondongan Pearson itu, ada tigakemungkinan yang dapat terjadi. Bila nilai koefisien kecondongan Pearson adalah 0,distribusi data dalam suatu gugusan akan membentuk pola yang simetris. Jika nilaikecondongan Pearson nilainya lebih dari 0, berarti arah kecondongan adalah ke kanan dimana dalam hal ini data akan terkonsentrasikan pada nilai yang rendah. Sementaraapabila nilai koefisien kecondongan kurang dari 0 atau dengan kata lainnya negatif, makaarah kecondongan distribusi data adalah ke kiri di mana dalam hal ini ia akanterkonsentrasikan pada nilai yang relatif tinggi. Kita bisa menerapkan rumus itu gunamengetahui bagaimanaarah kecondongan gugusan data.
KOEFISIEN KECONDONGAN MOMEN
Pada dasarnya, koefisien kecondongan momen atau koefisien kecondongan
3
 
,merupakan penyederhanaan dari koefisien kecondongan Pearson. Kecondongan momendinamakan pula
koefisien kecondongan relatif(
 relative skewness coefficient
)
.Seandainya perhitungan dilakukan dan hasilnya diketahui, kita dapat menentukan arahkecondongan penyebaran data. Apabila nilai koefisien kecondongan momen adalah 0,distribusi penyebaran data akan membentuk kurva yang simetris atau normal. Seandainyanilai koefisien kecondongan momen positif, distribusi data condong ke kanan. Sedangkan jika nilai koefisien kecondongan momen negatif, arah kecondongan distribusi data adalahke kiri.

Activity (13)

You've already reviewed this. Edit your review.
1 hundred reads
1 thousand reads
Sang Boogie Time liked this
Agustina Cindy liked this
Suparko Mampori liked this
Wahyu Dwijaya liked this
Darma Wati liked this

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->