TEKNO BANGET Berita Teknologi Review Laptop Komputer Gadget,Smartphone, Handphone,Gratis Download Games, Aplikasi, Software, Tutorial,Tips Trick InternetHalo Sobat TeknoBgt! Apakah kamu sudah tahu apa itu skewness dan kurtosis? Jika kamu seorang statistikawan atau mahasiswa statistik, pasti sudah familiar dengan kedua istilah ini. Namun, bagi kamu yang baru belajar statistik, mungkin masih bingung dengan konsep ini. Oleh karena itu, pada artikel ini kita akan membahas cara menghitung skewness dan kurtosis dengan mudah dan singkat.
Apa Itu Skewness?
Skewness adalah ukuran kecondongan atau kemiringan suatu distribusi data. Ukuran skewness bisa bernilai positif, negatif, atau nol. Jika skewness bernilai nol, maka distribusi data tersebut simetris. Jika skewness bernilai positif, maka distribusi data cenderung condong ke kanan (positif skewness), sedangkan jika skewness bernilai negatif, maka distribusi data cenderung condong ke kiri (negatif skewness).
Untuk menghitung skewness, ada beberapa rumus yang bisa digunakan, antara lain:
Rumus Skewness Pearson
Rumus Skewness Pearson diperkenalkan oleh Karl Pearson pada tahun 1895. Rumus ini sangat populer dan sering digunakan dalam menghitung skewness. Berikut adalah rumusnya:
| Skewness = | (3 * (Mean – Median)) / Standard Deviation |
Di mana:
- Mean adalah rata-rata data.
- Median adalah nilai tengah data.
- Standard Deviation adalah simpangan baku data.
Contohnya, misalnya kita memiliki data sebagai berikut:
| No | Data |
|---|---|
| 1 | 10 |
| 2 | 15 |
| 3 | 20 |
| 4 | 25 |
| 5 | 30 |
Maka kita dapat menghitung skewness sebagai berikut:
| Skewness = | (3 * (20 – 20)) / 7.91 |
| = 0 |
Karena hasilnya nol, maka distribusi data tersebut simetris.
Apa Itu Kurtosis?
Kurtosis adalah ukuran keruncingan atau keruncitan suatu distribusi data. Ukuran kurtosis bisa bernilai positif, negatif, atau nol. Jika kurtosis bernilai nol, maka distribusi data tersebut mengikuti distribusi normal (mesokurtik). Jika kurtosis bernilai positif, maka distribusi data lebih kerucut (leptokurtik) dibanding distribusi normal, sedangkan jika kurtosis bernilai negatif, maka distribusi data lebih landai (platikurtik) dibanding distribusi normal.
Untuk menghitung kurtosis, ada beberapa rumus yang bisa digunakan, antara lain:
Rumus Kurtosis Pearson
Rumus Kurtosis Pearson juga diperkenalkan oleh Karl Pearson pada tahun 1905. Berikut adalah rumusnya:
| Kurtosis = | (Mean – Mode)^4 / (Standard Deviation)^4 |
Di mana:
- Mean adalah rata-rata data.
- Mode adalah nilai data yang paling sering muncul.
- Standard Deviation adalah simpangan baku data.
Contohnya, misalnya kita memiliki data sebagai berikut:
| No | Data |
|---|---|
| 1 | 10 |
| 2 | 15 |
| 3 | 20 |
| 4 | 25 |
| 5 | 30 |
Maka kita dapat menghitung kurtosis sebagai berikut:
| Kurtosis = | (20 – 20)^4 / (7.91)^4 |
| = 1.22 |
Karena hasilnya lebih dari nol, maka distribusi data tersebut lebih kerucut (leptokurtik) dibanding distribusi normal.
FAQ
Q: Apa beda skewness dan kurtosis?
A: Skewness adalah ukuran kecondongan atau kemiringan suatu distribusi data, sedangkan kurtosis adalah ukuran keruncingan atau keruncitan suatu distribusi data.
Q: Bagaimana cara menghitung skewness?
A: Ada beberapa rumus yang bisa digunakan, di antaranya adalah rumus skewness Pearson: Skewness = (3 * (Mean – Median)) / Standard Deviation.
Q: Bagaimana cara menghitung kurtosis?
A: Ada beberapa rumus yang bisa digunakan, di antaranya adalah rumus kurtosis Pearson: Kurtosis = (Mean – Mode)^4 / (Standard Deviation)^4.
Kesimpulan
Dari penjelasan di atas, kita dapat menyimpulkan bahwa skewness dan kurtosis adalah ukuran statistik yang digunakan untuk mengukur bentuk distribusi data. Skewness mengukur kecondongan atau kemiringan distribusi, sedangkan kurtosis mengukur keruncingan atau keruncitan distribusi. Untuk menghitung skewness dan kurtosis, kita dapat menggunakan beberapa rumus yang tersedia, seperti rumus skewness Pearson dan rumus kurtosis Pearson.
Semoga Bermanfaat dan sampai jumpa di artikel menarik lainnya!
