Professional Documents
Culture Documents
Ukuran Kecondongan Dan Keruncingan
Ukuran Kecondongan Dan Keruncingan
STATISTIKA
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.
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.
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.
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).
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).
X̄−Mo
CK = ;
deviasi standar
atau
3 ( X̄ −Md )
CK = ;
deviasi standar
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
4 ,6
CK= =0 ,5 .
9,26
Contoh lainnya:
Contoh untuk data tentang 20 harga saham pilihan pada bulan Maret 2003 di BEJ.
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.
2 , 71
CK = =0 ,204 .
116-102,71
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 :
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.
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:
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