Modul 5

STATISTIKA

UKURAN KECONDONGAN (SKEWNESS) DAN KERUNCINGAN (KURTOSIS)

Oleh:
Mafizatun Nurhayati, SE., MM

Kopetensi Dasar:
Mahasiswa dapat:
1. Memahami makna yang terkandung dalam nilai ukuran kecondongan dan ukuran
keruncingan untuk persoalan manajemen dan bisnis
2. Menghitung ukuran kecondongan dan ukurn keruncingan.

Statistika Pusat Pengembangan Bahan Ajar

‘11 1 Mahfizatun Nurhayati, SE. MM. Universitas Mercu Buana
A. UKURAN KEMIRINGAN/KEMENCENGAN (SKEWNESS)

Dalam suatu distribusi frekuensi yang berdistribusi normal, kelas-kelas yang berada di tepi baik
sebelah kiri maupun sebelah kanan mempunyai frekuensi yang kecil. Sebaliknya untuk kelas-
kelas yang berada di tengah mempunyai frekuensi yang besar. Tidak semua data jika
digambarkan berdistribusi normal yaitu berbentuk seperti lonceng. Distribusi data yang tidak
normal dapat memiliki berbagai bentuk:
 berbentuk menceng ke kiri yaitu untuk kelas-kelas yang berada di tepi sebelah kiri memiliki
frekuensi tinggi
 berbentuk menceng kanan dimana untuk kelas-kelas yang berada di tepi sebelah kanan
frekuensinya tinggi.
 berbentuk U-shape dimana jumlah frekuensi untuk kelas-kelas yang berada ditepi sebelah
kiri dan sebelah kanan jumlahnya besar sementara kelas-kelas yang berada di tengah
nilainya relatif rendah.

Kemiringan (Skewness) adalah derajat kesetangkupan (derajat simetris) dari suatu distribusi.
Suatu kurva distribusi frekuensi dikatakan simetris (berbentuk lonceng) apabila distribusi
frekuensi tersebut memiliki nilai mean = median = modus. Namun, tidak semua kurva distribusi
frekuensi bersifat simetris. Kurva yang asimetris (tidak simetris) dapat condong ke kiri (ke data
yang lebih kecil), atau condong ke kanan (ke data yang lebih besar). Kemiringan suatu distribusi
didefinisikan sebagai:
E {( X−μ )3 }
γ=
σ3
Suatu distribusi yang setangkup, seperti distribusi normal dan t, mempunyai koefisien
kemiringan = 0, sedangkan bila koefisien kemiringan positif menyatakan distribusi yang “miring
ke kiri” sehingga bagian kiri berisi lebih banyak data dari bagian kanan, dan sebaliknya.

Statistika Pusat Pengembangan Bahan Ajar

‘11 2 Mahfizatun Nurhayati, SE. MM. Universitas Mercu Buana
Contoh:
frekuensi
Kelas
A B C D
2,5 - 7,5 2 2 2 1
7,5 - 12,5 4 9 10 2
12,5 - 17,5 6 4 8 4
17,5 - 22,5 9 3 6 6
22,5 - 27,5 6 4 4 8
27,5 - 32,5 4 9 2 10
32,5 - 37,5 2 2 1 2
N 33 33 33 33
Mean 20 20 16,52 23,48
Median 20 20 15 25
Modus 20 - 10 30

Pada kelompok A:
Data menyebar secara normal, sehingga histogram yang terbentuk mengikuti kurva normal.
Informasi yang dapat diambil dari tabel frekuensi tersebut adalah:
mean = median = modus = 20.

Pada kelompok B:
Data simetris kanan & kiri, sehingga histogram yang terbentuk bersifat simetris. Informasi yang
dapat diambil dari tabel frekuensi tersebut adalah: mean = median = 20, dan memiliki 2
modus.

Statistika Pusat Pengembangan Bahan Ajar

‘11 3 Mahfizatun Nurhayati, SE. MM. Universitas Mercu Buana
Pada kelompok C:
Data lebih menyebar ke data yang lebih kecil, sehingga histogram yang terbentuk panjang ke
kanan. Informasi yang dapat diambil dari tabel frekuensi tersebut adalah: mean (16,52) >
median (15) > modus (10).

Pada kelompok D:
Data lebih menyebar ke data yang lebih besar, sehingga histogram yang terbentuk panjang ke
kiri. Informasi yang dapat diambil dari tabel frekuensi tersebut adalah: mean (23,48) < median
(25) < modus (30).

Statistika Pusat Pengembangan Bahan Ajar

‘11 4 Mahfizatun Nurhayati, SE. MM. Universitas Mercu Buana
Ukuran Kemiringan Karl Pearson

Karl Pearson merumuskan ukuran kemiringan sebagai berikut:

K = X̄− Mo
dengan:
K = ukuran kemiringan
Mo = modus
X̄ = rata-rata.

 Apabila K bernilai positif, maka keragaman disebut dengan positive skew (ekor bagian
kanan lebih panjang).
 Sebaliknya, apabila K bernilai negatif, maka keragaman disebut dengan negative skew
(ekor bagian kiri lebih panjang).

Koefisien kemiringan (CK) untuk beberapa distribusi diberikan sebagai berikut:

X̄−Mo
CK = ;
deviasi standar
atau

3 ( X̄ −Md )
CK = ;
deviasi standar

Statistika Pusat Pengembangan Bahan Ajar

‘11 5 Mahfizatun Nurhayati, SE. MM. Universitas Mercu Buana
Atau bisa juga ditulis :

Contoh:

Kelas Frekuensi(fi)

93 – 97 2
98 – 102 10
103 – 107 12
108 – 112 10
113 – 117 7
118 – 122 4
123 – 127 3
128 – 132 1
133 – 137 0
138 – 142 1

Informasi yang dapat diambil dari tabel frekuensi tersebut adalah:

Mean = = 109,6
Median = X̄
Md = 108.
Modus = Mo = 105.
Deviasi standar =  = 9,26.
Ukuran kemiringan Karl Pearson adalah: K = 109,6 – 105 = 4,6.
Koefisien kemiringan (CK) untuk beberapa distribusi adalah:

4 ,6
CK= =0 ,5 .
9,26
Contoh lainnya:
Contoh untuk data tentang 20 harga saham pilihan pada bulan Maret 2003 di BEJ.

Statistika Pusat Pengembangan Bahan Ajar

‘11 6 Mahfizatun Nurhayati, SE. MM. Universitas Mercu Buana
Dari contoh pada soal 3-9 diketahui mediannya= 497,17, modus pada contoh 3-11=504,7,
Standar deviasi dan nilai rata-rata pada contoh soal 4-8 diketahui 144,7 dan 490,7.
Cobalah hitung koefisien kecondongannya!
Penyelesaian:
Sk = m - Mo atau Sk = 3(m - Md)
s s
Sk = 490,7 – 504,7 Sk = 3 (490,7 – 497,17)
144,7 144,7
Sk = - 0,10 Sk= -0,13

Dari kedua nilai Sk tersebut terlihat bahwa keduanya adalah negatif, jadi kurva condong negatif
(ke kanan). Hal ini disebabkan adanya nilai yang sangat kecil, sehingga menurunkan nilai rata-
rata hitungnya.
Angka –0,10 dan –0,13 menunjukkan kedekatan dengan nilai 0, sehingga kurva tersebut,
kecondongannya tidak terlalu besar, atau mendekati kurva normal.

Ukuran Kemiringan Bowley

Bowley merumuskan ukuran kemiringan sebagai berikut:

K = (Q1+ Q3) – 2(Md)

Statistika Pusat Pengembangan Bahan Ajar

‘11 7 Mahfizatun Nurhayati, SE. MM. Universitas Mercu Buana
Koefisien kemiringan (CK) diberikan sebagai berikut:
K
CK = ;
Q 3 -Q 1

dengan: K = ukuran kemiringan Bowley

Q1, Q2, dan Q3 = kuartil-1, 2 dan 3.

Pada contoh sebelumnya, diperoleh

Q1 = 102,71;
Q2 = 108;
Q3 = 116.
Sehingga: K = (102,71 + 116) – 2(108) = 2,71.
Koefisien kemiringan:

2 , 71
CK = =0 ,204 .
116-102,71

B. UKURAN KELANCIPAN / KERUNCINGAN ATAU KURTOSIS

Kurtosis erat kaitannya dengan kurva normal. Kurtosis menunjukkan keruncingan kurva.
Kelancipan (Kurtosis) adalah derajat kelancipan dari suatu distribusi dibandingkan terhadap
distrubusi yang normal. Distribusi yang normal memiliki nilai kurtosis = 0. Kurtosis didefinisikan
sebagai berikut:

E {( X −μ )4 }
K( x) =
σ4
Atau :

Statistika Pusat Pengembangan Bahan Ajar

‘11 8 Mahfizatun Nurhayati, SE. MM. Universitas Mercu Buana
Pengartiannya:
 Bila a4 kurang dari 3 diagram dari distribusinya landai atau tumpul disebut distribusi
platikurtis.
 Bilai a4 nilainya sama dengan 3 berarti diagram dari distribusinya tidak terlalu runcing
dan tidak terlalu tumpul disebut distribusi mesokurtis = distribusinya normal,
 Bila a4 lebih besar dari 3 berarti diagram dari distribusinya runcing dinamakan distribusi
leptokurtis.
Atau:
 Apabila kurva distribusi frekuensi memiliki puncak yang lebih runcing jika dibandingkan
dengan kurva normal, maka kurva tersebut dinamakan lepto kurtik (unsur-unsur data
lebih banyak menyebar ke arah nilai tengah, jika dibandingkan dengan distribusi
normal).
 Apabila kurva distribusi frekuensi memiliki puncak yang lebih rendah jika dibandingkan
dengan kurva normal, maka kurva tersebut dinamakan plati kurtik (unsur-unsur data
lebih banyak menyebar ke arah ruang lebih jauh dari nilai tengah, jika dibandingkan
dengan distribusi normal).
 Apabila kurva distribusi frekuensi berbentuk kurva normal, maka kurva tersebut
dinamakan meso kurtik.

Kurtosis adalah derajat keruncingan suatu distribusi (biasanya diukur relatif terhadap
distribusi normal). Kurva yang lebih lebih runcing dari distribusi normal dinamakan
leptokurtik, yang lebih datar platikurtik dan distribusi normal disebut mesokurtik.
Kurtosis dihitung dari momen keempat terhadap mean. Distribusi normal memiliki kurtosis =
3, sementara distribusi yang leptokurtik biasanya kurtosisnya > 3 dan platikurtik < 3.

Statistika Pusat Pengembangan Bahan Ajar

‘11 9 Mahfizatun Nurhayati, SE. MM. Universitas Mercu Buana
Apabila kurva diatas disatukan maka akan berbentuk sebagai berikut:

Contoh Soal Ukuran Keruncingan

Berikut ini adalah pertumbuhan ekonomi beberapa negara Asia tahun 2002.

Hitunglah koefisien keruncingannya.

Jawab:

Statistika Pusat Pengembangan Bahan Ajar

‘11 10 Mahfizatun Nurhayati, SE. MM. Universitas Mercu Buana
Jadi nilai a4 =3,27 dan lebih kecil dari 3, maka kurvanya termasuk Platykurtic.

Pengukuran kurtosis dapat dirumuskan dengan cara yang berbeda sebagai berikut:

μ4 μ4
γ= −3= −3
μ22 σ4
Sehingga:

{
¿ 0 , lepto kurtik
γ ¿ 0 , meso kurtik
¿ 0 , plati kurtik
Bila nilai kurtosis positif maka distribusinya memiliki puncak yang lebih lancip dibandingkan
dengan distribusi normal. Sedangkan bila negatif maka distribusinya memiliki puncak yang lebih
landai dibandingkan dengan distribusi normal.

Contoh Kurtosis:

Statistika Pusat Pengembangan Bahan Ajar

‘11 11 Mahfizatun Nurhayati, SE. MM. Universitas Mercu Buana
 X̄ =109 , 6
σ =+ √ σ 2
=+ √ 85 , 84
Sehingga:
=9 , 26
1 . 429 .942
μ4 = =28 . 598 , 48
50
28 . 598 , 48
γ= 4
−3=0 ,89
(9 , 26)
Jadi kurva yang terbentuk merupakan lepto kurtik.

Pengertian yang lain adalah:

Kurtosisi juga merupakan alat ukur dalam menelusuri distribusi data yang diperbandingkan
dengan distribusi normal. Kurtosis menggambarkan keruncingan (peakedness) atau kerataan
(flatness) suatu distibusi data dibandingkan dengan distribusi normal. Pada distribusi normal,
nilai kurtosis sama dengan 0. Nilai kurtosis yang positif menunjukkan distribusi yang relatif
runcing, sedangkan nilai kurtosis yang negatif menunjukkan distribusi yang relatif rata.

Rumus kurtosis adalah:

Statistika Pusat Pengembangan Bahan Ajar

‘11 12 Mahfizatun Nurhayati, SE. MM. Universitas Mercu Buana
Contoh perhitungan untuk data umur sebagai berikut

Sehingga kurtosisnya adalah:

Nilai kurtosis yang negatif menunjukkan distribusi yang relatif rata.

Apabila kurva distribusi frekuensi memiliki puncak yang relatif rata, lebih rendah jika
dibandingkan dengan kurva normal, maka kurva tersebut dinamakan plati kurtik (unsur-unsur
data lebih banyak menyebar ke arah ruang lebih jauh dari nilai tengah, jika dibandingkan
dengan distribusi normal).

Sumber Pustaka:
1. Suharyadi dan Purwanto S.K. (2008). Statistika untuk Ekonomi dan Keuangan Modern
Edisi 2. Buku 1. Penerbit Salemba Empat Jakarta.
2. Anto Dayan, 1996. Pengantar Metode Statistik, LP3ES, Jakarta

Statistika Pusat Pengembangan Bahan Ajar

‘11 13 Mahfizatun Nurhayati, SE. MM. Universitas Mercu Buana