📊

Memahami Skewness dan Kurtosis dalam Statistik

Oct 26, 2024

Catatan Kuliah: Skewness dan Kurtosis

Pengantar

  • Pembahasan tentang distribusi normal, skewness, dan kurtosis dalam statistika.
  • Data berdistribusi normal dicirikan oleh penyebaran simetris dan kurva berbentuk lonceng.

Distribusi Normal

  • Distribusi normal: simetri antara bagian kiri dan kanan.
  • Kondisi terjadi ketika nilai rata-rata (mean), median, dan modus sama.
  • Data mendekati distribusi normal ketika mean mendekati median dan modus.

Skewness (Kemiringan)

  • Definisi: Ukuran ketidaksimetrisan dalam distribusi data.
  • Nilai Skewness:
    • Positif: Ekor distribusi di sebelah kanan, data mengumpul di sebelah kiri.
    • Negatif: Ekor distribusi di sebelah kiri, data mengumpul di sebelah kanan.
    • Nol: Distribusi simetris.
  • Interpretasi Koefisien Skewness:
    • < -1 atau > 1: Kemiringan kuat.
    • -1 hingga -0,5 atau 0,5 hingga 1: Kemiringan moderat.
    • -0,5 hingga 0,5: Mendekati simetris.

Menghitung Skewness

  • Rumus Person Median Skewness:
    • [ \text{Koefisien Skewness} = 3 \times \frac{\text{Mean} - \text{Median}}{\text{Standar Deviasi} } ]
    • Contoh Perhitungan: Mean = 48,6, Median = 39, Standar Deviasi = 39,5; hasilnya 0,73 (moderate skewness).

Penanganan Data Tidak Simetris

  1. Tidak melakukan apa-apa: Beberapa uji statistik tidak sensitif terhadap skewness yang ringan/sedang.
  2. Gunakan model yang berbeda: Terapkan uji non-parametrik jika data sangat skewed.
  3. Transformasi variabel: Opsi terakhir jika data sangat tidak simetris.

Kurtosis (Keruncingan)

  • Definisi: Indikator derajat keruncingan kurva distribusi.
  • Jenis Kurtosis:
    • Leptokurtik: Nilai kurtosis > 3 (kurva sangat runcing).
    • Mesokurtik: Nilai kurtosis = 3 (kurva normal).
    • Platikurtik: Nilai kurtosis < 3 (kurva lebih landai).
  • Rumus Kurtosis: Persentil dan kuartil.

Kesimpulan

  • Skewness dan kurtosis adalah ukuran penting dalam memahami distribusi data.
  • Koefisien skewness dan kurtosis membantu mengidentifikasi tingkat normalitas distribusi data.
  • Penanganan data yang tidak simetris dapat dilakukan dengan beberapa pendekatan berbeda tergantung pada tingkat ketidaksimetrisan.

Saran

  • Jika ada pertanyaan, bisa ditanyakan di kolom komentar.