TUGAS STATISTIK

SKEWNESS DAN KURTOSIS

Disusun Oleh:
DINA AUDILA (1605170147)
SRI WULANADARI (1605170120)
TRIANA MUSTIKA (1605170153)
PUTRI VIDYA IRAWAN N. (1605170118)
ALVINE SEPTHYANDA P. (1605170161)
M. EDO ARROZAAQ (1605170140)
MHD AL RUMBIYA NST (1605170133)

Kelas 2 C Akuntansi (pagi)

FAKULTAS EKONOMI
UNIVERSITAS MUHAMMADIYAH SUMATERA UTARA
MEDAN
2017
 MOMENT, KEMIRINGAN DAN KURTOSIS

Skewness and Kurtosis

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 lain yang dikenal sebagai kemiringan (skewness) dan
keruncingan (kurtosis).
Skewness
Kemiringan (skewness) berarti ketidaksimetrisan. Sebuah distribusi dikatakan simetris apabila
nilai-nilainya tersebar merata disekitar nilai rata-ratanya. Sebagai contoh, distribusi data berikut
simetris terhadap nilai rata-ratanya, 3.
x 123 45
frek (f) 5 9 12 9 5

Pada contoh gambar berikut, distribusi data tidak simetris. Gambar pertama miring (menjulur) ke
arah kiri dan gambar ke-2 miring ke arah kanan.
Pada distribusi data yang simetris, mean, median dan modus bernilai sama.

Beberapa langkah-langkah perhitungan digunakan untuk menyatakan arah dan tingkat

kemiringan dari sebaran data. Langkah-langkah tersebut diperkenalkan oleh Pearson.
Koefisien kemiringan(Coefficient of Skewness):

Interpretasi: Untuk distribusi data yang simetris, Sk = 0. Apabila distribusi data menjulur ke
kiri (negatively skewed), Sk bernilai negatif, dan apabila menjulur ke kanan (positively
skewed), SK bernilai positif. Kisaran untuk SK antara -3 dan 3.
Ukuran kemiringan yang lain adalah koefisien β1 (baca 'beta-satu'):

dimana:
Interpretasi:
Distribusi dikatakan simetris apabila nilai b1 = 0. Skewness positif atau negatif tergantung pada
nilai b1 apakah bernilai positif atau negatif.
Ukuran Skewness yang sering digunakan:
Skewness Populasi:
Skewness Sampel:

Source: D. N. Joanes and C. A. Gill. "Comparing Measures of Sample Skewness and Kurtosis".
The Statistician 47(1):183–189.
atau formula berikut (MS Excel):

s = standar deviasi
NB: kedua formula di atas menghasilkan nilai skewness yang sama
Interpretasi:
Distribusi dikatakan simetris apabila nilai g1 = 0. Skewness positif atau negatif tergantung pada
nilai g1 apakah bernilai positif atau negatif.
Menurut Bulmer, M. G., Principles of Statistics (Dover, 1979):

 highly skewed: jika skewness kurang dari −1 atau lebih dari +1

 moderately skewed: jika skewness antara −1 dan −½ atau antara +½ dan +1.
 approximately symmetric: jika skewness is berada di antara −½ dan +½.

Kurtosis
Kurtosis merupakan ukuran untuk mengukur keruncingan distribusi data.
Distribusi pada gambar di atas semuanya simetris terhadap nilai rata-ratanya. Namun bentuk
ketiganya tidak sama. Kurva berwarna biru dikenal sebagai mesokurtik (kurva normal), kurva
berwarna merah dikenal sebagai leptokurtik (kurva runcing) dan kurva berwarna hijau dikenal
sebagai platikurtik (kurva datar).
Kurtosis dihitung dengan menggunakan koefisien Pearson, β2 (baca 'beta - dua').

dimana:
Ukuran Kurtosis yang sering digunakan:
Kurtosis Populasi:

Kurtosis:

Excess Kurtosis:

Kurtosis Sampel:

atau formula berikut (MS Excel):

s = standar deviasi
NB: Excel menggunakan nilai Excess Kurtosis. Hasil perhitungan dari kedua formula di atas,
menghasilkan nilai yang sama
Interpretasi:
Distribusi dikatakan:

 Mesokurtik (Normal) jika b2 = 3

 Leptokurtik jika b2 > 3
 platikurtik jika b2 < 3
Analisis Korelasi Product Moment dalam Statistika

Analisis korelasi merupakan salah satu teknik statistik yang digunakan untuk menganalisis
hubungan antara dua variabel atau lebih yang bersifat kuantitatif. Salah satu dari analisis korelasi
tersebut adalah analisis korelasi product moment (Pearson). Variabel yang digunakan disini
terbagi dua yaitu variabel bebas (x) dengan variabel terikat (y), dengan ketentuan data memiliki
syarat-syarat tertentu.

Korelasi Pearson Product Moment (r) dapat diformulasikan sbb:

dengan ketentuan −1 ≤ r ≤ r . Dan interpretasi koefisien korelasi nilai r ini dapat dirangkum
dalam tabel berikut:

Langkah-langkah yang diperlukan untuk uji korelasi Pearson Product Moment adalah sebagai
berikut :

1. Rumuskan hipotesis Ha dan Ho dalam bentuk kalimat.

2. Rumuskan hipotesis Ha dan Ho dalam bentuk statistik.
3. Buat tabel pembantu.
4. Tentukan r
5. Tentukan nilai KP
6. Lakukan uji signifikansi.
7. Tentukan α , dengan derajat bebas db = n − 2 .
8. Tentukan konklusi