Pengertian Ukuran Kemiringan Data 
   
Ukuran kemiringan adalah ukuran yang menyatakan derajat ketidak simetrisan
suatu lengkungan halus (kurva) dari suatu distribusi frekuensi. 
Kemiringan
distribusi data ada tiga jenis:
•        
Simetri
•        
Miring ke kanan – kemiringan positif
•        
Miring ke kiri – kemiringan negative
Kemiringan
distribusi data disebut kemencengan atau kemenjuluran (skewness). Kemiringan
adalah derajat atau ukuran dari ketidaksimetrian (asimetri) suatu distribusi
data
Ada beberapa cara untuk menghitung
derajat kemiringan data yaitu sebagai berikut :
1. Rumus Pearson :
  2. Rumus Momen
    Untuk data tidak
berkelompok :
3. Rumus Bowley :
 
Cara menentukan kemiringannya
 
KERUNCINGAN DISTIRBUSI DATA
               Pengertian
Ukuran Keruncingan (Kurtosis) Data
Ukuran
keruncingan / kurtosis (k) adalah ukuran mengenai tinggi rendahnya atau
runcingnya    suatu kurva. Keruncingan distribusi data adalah
derajat atau ukuran tinggi rendahnya puncak suatu distribusi data terhadap
distribusi normalnya data. Keruncingan distribusi data disebut kurtosis.
Ada 3
jenis derajat keruncingan yaitu:
·        
Leptokurtis  -- jika puncak relatif tinggi
·        
Mesokurtis
-- jika puncak normal 
·        
Platikurtis
-- jika puncak  terlalu rendah / datar
 Untuk mengetahui keruncingan suatu distribusi, ukuran yang sering  digunakan adalah  
koefisien   kurtosis persentil.
1.            
Koefisien keruncingan
Koefisien keruncingan atau koefisien
kurtosis dilambangkan dengan a4 (alpha 4).
Jika hasil perhitungan koefisien
keruncingan diperoleh :
1) Nilai lebih kecil dari 3, maka
distribusinya adalah distribusi pletikurtik
2) Nilai lebih besar dari 3, maka
distibusinya adalah distribusi leptokurtik
3) Nilai yang sama dengan 3, maka
distribusinya adalah distribusi            mesokurtik
Untuk mencari nilai koefisien
keruncingan, dibedakan antara data   
tunggal dan
data kelompok.
a.       Untuk data tunggal
 Cara Penggunaan Pada Excel :
1. Ketik data pada kolom
2. Pilih menu Tools pada menu utama
3, Pilih Data Analysis
Hasilnya 







 
 

Komentar
Posting Komentar