MOMEN, KECONDONGAN DAN
KERUNCINGAN
Oleh :
Malalina (20102512008) Febrina Bidasari (20102512018)
Mahasiswa Pasca Sarjana Universitas Sriwijaya
Rata-rata dan varians sebenarnya merupakan hal istimewa dari kelompok
ukuran lain yang disebut Momen. Dari Momen ini juga dapat diturunkan beberapa
ukuran lain.
1. MOMEN
a. Untuk Data Tunggal
Misalkan diberikan variabel x dengan harga-harga: x1, x2, x3, …, xn. Jika
A = sebuah bilangan tetap dan r = 0, 1, 2, …, n, maka momen ke-r sekitar A,
disingkat mr’, didefinisikan oleh hubungan :
(
)
n A x m
r i r
− =
'
… (1.1)
Untuk A = 0 didapat momen ke-r sekitar nol atau disingkat momen ke-r.
n x m
r i r =
'
… (1.2)
maka untuk r = 1 didapat rata-rata x
Jika A=x kita peroleh momen ke-r sekitar rata-rata, biasa disingkat mr.
(
)
n x x m
r i r
− =
Untuk r = 2, persamaan (2.3) memberikan varians s2.
Untuk membedakan apakah momen itu untuk sampel atau untuk populasi, maka
dipakai simbol :
mr dan mr’ untuk momen sampel
Jadi mr dan mr’ adalah statistik sedangkan r dan r’ merupakan parameter.
b. Untuk Data Kelompok
Jika data telah disusun dalam daftar distribusi frekuensi (data kelompok),
maka persamaan-persamaan di atas berturut-turut berbentuk :
Momen ke-r di sekitar A
(
)
n A x f m
r i i r
− =
'
Untuk A = 0 didapat momen ke-r sekitar nol atau disingkat momen ke-r.
n x f m
r i i r =
'
Jika A=x kita peroleh momen ke-r sekitar rata-rata, biasa disingkat mr.
(
)
n x x f m
r i i r
− =
Keterangan :
= fi
n
xi= tanda kelas interval
fi= frekuensi yang sesuai dengan xi.
Dengan menggunakan persamaan diatas untuk data kelompom dapat ditulis
dengan cara coding menjadi :
=
n ci fi p
m
r r
r
.
'
Keterangan :
P = Panjang kelas,
c = Variabel coding, (c = 0, + 1, + 2, .... )
( )
( )
( )
( )
' 41 ' 2 2 ' 1 ' 3 ' 1 ' 4 4 3 ' 1 ' 2 ' 1 ' 3 3 2 ' 1 ' 2 2 3 6 4 2 3 m m m m m m m m m m m m m m m − + − = + − = − = Contoh :
Untuk menghitung momen disekitar rata-rata, untuk data dalam daftar distribusi
frekuensi, kita lakukan sebagai berikut:
TABLE 5.1: Table pembantu untuk mencari m
Data f1 Ci f1Ci f1C12 f1C13 f1C14 60 – 63
64 – 67 68 – 71 72 – 75 76 – 79
5 18 42 27 8 -2 -1 0 1 2 -10 -18 0 27 16 20 18 0 37 42 -40 -18 0 27 64 80 18 0 27 128
Jumlah 100 15 97 33 253
Dapat dihitung: 6 , 0 100 15 4 . 1 1 '
1 = = =
n ci fi p m 52 , 15 100 97 16 . 2 2 '
2 = = =
n ci fi p m 12 , 21 100 33 64 . 3 4 '
3 = = =
n ci fi p m 68 , 647 100 253 256 . 4 4 '
4 = = =
n ci fi p
m
( )
( )
( )
( )
4752 , 652 3888 , 0 872 , 55 688 , 50 68 , 647 3 6 4 384 , 6 432 , 0 936 , 27 12 , 21 2 3 16 , 15 36 , 0 52 , 15 ) 6 , 0 ( 52 , 15 4 ' 1 ' 2 2 ' 1 ' 3 ' 1 ' 4 4 3 ' 1 ' 2 ' 1 ' 3 3 2 2 ' 1 ' 2 2 = − + − = − + − = − = + − = + − = = − = − = − = m m m m m m m m m m m m m m mJadi Varian S2 = m2 = 15,16
2. KECONDONGAN ATAU KEMENCENGAN (SKEWNESS)
Tampilan kurva yang diperlihatkan oleh suatu distribusi data bisa saja
berbentuk simetris maupun tidak simetris. Kurva yang mencerminkan distribusi
data dikatakan simetris bila belahan kanan dan belahan sebelah kiri memiliki
bentuk dan ukuran yang sama. Sebaiknya, kurva yang menggambarkan distribusi
data dikatakan tidak simetris jika belahan sebelah kiri dan belahan sebelah kanan
tidak memiliki bentuk dan ukuran yang sama. Guna menunjukkan tingkat
simetrisitas suatu kurva yang ditampilkan dari suatu distribusi data, konsep dan
pengertian mengenai ukuran kecondongan (skewness) menjadi penting untuk dipahami.
Bentuk suatu kurva merupakan pencerminan pola distribusi data.
Karenanya, kecondongan suatu kurva dapat dilihat dari perbedaan letak antara
mean, median, dan modus. Bila disajikan dalam bentuk grafik maka akan terlihat
sebagai berikut :
Kurva Keterangan
Distribusi suatu gugusan data
dikatakan simetris bila nilai mean, median, dan modus terletak dalam suatu titik temu atau mempunyai
Condong secara Negatif
(Condong ke Kiri)
Kecondongan Penyebaran Data ke
Arah kiri.
Karena nilai mean, median, dan modus tidak sama maka bentuk kurva yang ditampilkan akan condong pada salah satu sisi kiri saja.
x Mo
Condong secara Positif
(Condong ke Kanan)
Kecondongan Penyebaran Data ke
Arah Kanan.
Karena nilai mean, median, dan modus tidak sama maka bentuk kurva yang ditampilkan akan condong pada salah satu sisi kanan saja.
x Mo
Contoh :
Tentukan bentuk Kurva dari Nilai Ujian Statistik Semester II ?
Nilai Ujian Frekuensi (f) Nilai Tengah (X) f.X
32 - 41 7 36.5 255.5
42 - 51 12 46.5 558
52 - 61 22 56.5 1243
62 - 71 12 66.5 798
72 - 81 7 76.5 535.5
60 3390
Penyelesaian :
Dari tabel diatas dilakukan perhitungan mean, median dan modus.
50 , 56 60 3390
= =
=
f fX X
Median dari data nilai ujian statistik adalah :
50 , 56 22
19 30 10 50 , 51 2
1
= − +
= − +
=
f F n p b Me
Modus dari data nilai ujian statistik adalah :
50 , 56 10 10
10 10 50 , 51
2 1
1 =
+ +
= + +
=
b b
b p b Mo
Dari data ujian statistik karena nilai mean, median dan modus adalah sama maka
akan membentuk kurva yang simetris yaitu :
Md x Mo= =
Untuk mengetahui bahwa kurva condong kekiri atau ke kanan dapat digunakan
metode berikut :
a. Koefisien Kemencengan Person
Karl Pearson (seorang pakar statistika ternama) telah merumuskan suatu
formula, yakni melalui apa yang dinamakan sebagai koefisien kecondongan
Pearson. Rumus untuk mengukur tingkat kecondongan distribusi data oleh Karl
Pearson ini adalah :
s Mo X PSk = −
Keterangan :
PSk = Koefisien kecondongan Person
X = Mean
s = standar deviasi
Selain melalui rumus yang lebih menekankan pada nilai-nilai modus,
dalam kondisi tertentu median dipandang sebagai ukuran nilai sentral yang lebih
mampu memberikan angka valid. Karl Pearson merumuskan kembali hubungan di
atas secara umum :
) (
3 X Md Mo
X − = −
Keterangan : Md = Median
X = Mean
Mo = Modus
Apabila rumus di atas disederhanakan dengan memperhitungkan median dan nilai
modus dari hubungan itu, maka akan menjadi :
s Md X
PSk =3( − )
Keterangan :
Md = Median
X = Mean
Mo = Modus
s = Standar Deviasi
Berkenaan dengan perhitungan koefisien kecondongan Pearson itu, ada tiga
kemungkinan yang dapat terjadi yaitu :
a. Nilai koefisien kecondongan Pearson adalah 0 maka distribusi data dalam
suatu gugusan akan membentuk pola yang simetris.
b. Nilai kecondongan Pearson nilainya lebih dari 0 maka arah kecondongan
adalah ke kanan di mana dalam hal ini data akan terkonsentrasikan pada
nilai yang rendah (X terletak di sebelah kanan Mo).
c. Sementara apabila nilai koefisien kecondongan kurang dari 0 maka arah
kecondongan adalah ke kiri di mana dalam hal ini ia akan terkonsentrasikan
pada nilai yang relatif tinggi (X terletak di sebelah kanan Mo).
Tentukan niali koefisien person dan tentuka kemencengan kurva dari data Nilai
Ujian Statistik di Universitas Borobudur Tahun 2009
Nilai Ujian Frekuensi (f)
Nilai Tengah
(X) f.X
(
X −X)
(
X−X)
2 f(
X −X)
231 - 40 4 35.5 142 -32 1024 4096
41 - 50 3 45.5 136.5 -22 484 1452
51 - 60 5 55.5 277.5 -12 144 720
61 - 70 8 65.5 524 -2 4 32
71 - 80 11 75.5 830.5 8 64 704
81 - 90 7 85.5 598.5 18 324 2268
91 - 100 2 95.5 191 28 784 1568
40 2700 10840
Penyelesaian :
nilai mean :
5 , 67 40 2700 = = = f fX X
Nilai standar deviasai :
(
)
2 , 16 271 40 10840 2 = = = − = n X X f sNilai Median :
5 , 70 8 12 40 2 1 10 5 , 60 2 1 = − + = − + = f F n p b Md
Nilai Modus :
94 , 74 4 3 3 10 5 , 70 2 1 1 = + + = + + = b b b p b Mo
Nilai koefisien kecondongan Pearson :
Karena nilai koefisien kecondongan Pearson adalah negatif maka kurvanya
condong ke kiri.
b. Koefisien Kemencengan Bowley
Koefisien kemencengan Bowley berdasarkan pada hubungan kuartil-kuartil
(Q1,Q2 dan Q3) dari sebuah distribusi. Koefisien kemencengan Bowley
dirumuskan :
(
) (
)
(
3 2) (
2 1)
1 2 2 3
Q Q Q Q
Q Q Q Q skB
− + −
− − − =
Atau
) (
) 2 (
1 3
2 1 3
Q Q
Q Q Q skB
− − + =
Keterangan :
skb = Koefisien kemencengan Bowley
Q = Kuartil
Koefisien kemencengan Bowley sering juga disebut Kuartil Koefisien
Kemencengan.
Apabila nilai skb dihubungkan dengan kurva, didapatkan :
a. Jika Q3 - Q2 > Q2 – Q1 maka distribusi akan menceng ke kanan (Menceng
positif)
b. Jika Q3 - Q2 < Q2 – Q1 maka distribusi akan menceng ke kiri (Menceng
negatif)
c. skb positif berarti distribusi menceng ke kanan
e. skb = + 0,01 berarti distribusi yang menceng tidak berarti
Contoh :
Tentukan kemencengan kurva nilai ujian statistik universitas Borobudur Tahun
2007
Nilai Ujian Frekuensi (f) Nilai Tengah (X) f.X
31 - 40 4 35.5 142
41 - 50 3 45.5 136.5
51 - 60 5 55.5 277.5
61 - 70 8 65.5 524
71 - 80 11 75.5 830.5
81 - 90 7 85.5 598.5
91 - 100 2 95.5 191
40 2700
i = 1 maka
( )
10 4 40 14 = =
in
terletak dikelas ke-3
i = 2 maka
( )
20 440 2
4 = =
in
terletak dikelas ke-4
i = 3 maka
( )
30 440 3
4 = =
in
terletak di kelas ke-5
b1 = 50,5 ; b2 = 60,5 ; b1 = 70,5
p = 10
f1 = 5 ; f1 = 8 ; f1 = 11
F1 = 7 ; F1 = 12 ; F1 = 20 ;
( )
5 , 56 5
7 4 40 1
10 5 , 50
1 =
− +
=
Q
( )
5 , 70 8
12 4 40 2
10 5 , 60
2 =
− +
=
Q
( )
59 , 79 11
20 4 40 3
10 5 , 70
3 =
− +
Sehingga nilai koefisien kemencengan Bowley adalah :
(
)
2 , 0 5
, 56 59 , 79
5 , 70 2 5 , 56 59 , 79 )
(
) 2 (
1 3
2 1
3 =−
− − + =
− − + =
Q Q
Q Q Q skB
Karena skB negatif yaitu -0,2 maka kurva menceng kekiri dengan kemencengan
yang berarti.
c. Koefisien Kemencengan Persentil
Koefisien kemencengan persentil didasarkan atas hubungan antarpersentil
(P90, P50 dan P10) dari sebuah distribusi. Koefisien kemencengan persentil
dirumuskan :
10 50
10 50 90 2
P P
P P P skP
− + − =
Keterangan :
skP = Koefisien kemencengan Persentil
P = Persentil
Contoh :
Tentukan kemencengan kurva nilai ujian statistik universitas Borobudur Tahun
2007
Nilai Ujian Frekuensi (f) Nilai Tengah (X) f.X
31 - 40 4 35.5 142
41 - 50 3 45.5 136.5
51 - 60 5 55.5 277.5
61 - 70 8 65.5 524
71 - 80 11 75.5 830.5
81 - 90 7 85.5 598.5
91 - 100 2 95.5 191
40 2700
n = 40
i = 10 maka
( )
4100 40 10
100 = =
in
terletak dikelas ke-1
i = 50 maka
( )
20100 40 50
100 = =
in
terletak dikelas ke-4
i = 90 maka
( )
36100 40 90
4 = =
in
terletak dikelas ke-6
b10 = 30,5 ; b50 = 60,5 ; b90 = 80,5
p = 10
f10 = 4 ; f50 = 8 ; f90 = 7
F10 = 4 ; F50 = 12 ; F90 = 31
( )
5 , 30 4 4 100 40 10 10 5 , 30 10 = − + = P( )
5 , 70 8 12 100 40 50 10 5 , 60 50 = − + = P( )
64 , 87 7 31 100 40 90 10 5 , 80 90 = − + = PSehingga koefisien kemencengan persentil adalah :
(
)
5715 , 0 5 , 30 5 , 70 5 , 30 5 , 70 2 64 , 87 2 10 50 10 5090 =−
− + − = − + − = P P P P P skP
d. Koefisien Kemencengan Momen
Koefisien kecondongan momen atau koefisien kecondongan merupakan
perbandingan momen ketiga dengan pangkat tiga simpangan baku. Dilambangkan
3
α
, merupakan penyederhanaan dari koefisien kecondongan Pearson.Kecondongan momen dinamakan pula koefisien kecondongan relatif(relative skewness coefficient).
Apabila nilai
α
3 dihubungkan dengan keadaan kurva maka :a. Nilai koefisien kecondongan momen adalah 0 maka distribusi simetris atau
normal.
b. Nilai koefisien kecondongan momen positif, distribusi data condong ke
kanan.
c. Nilai koefisien kecondongan momen negatif, arah kecondongan distribusi
data adalah ke kiri.
d. Menurut karl pearson distribusi yang memiliki nilai
α
3 > + 0,50 adalah distribusi yang sangat mencenge. Menurut kenney dan keeping nilai
α
3 bervariasi antara + 2 bagi distribusi yang menceng.Untuk mencari nilai
α
3, dibedakan antara data tunggal dan data kelompoka. Untuk Data Tunggal
Koefisien kemencengan momen untuk data tunggal dirumuskan :
(
)
3 3 3
3 3
1
s X X n s
M −
= =
α
Keterangan :
3
α
= koefisien kemencengan momenContoh :
Penyelesaian :
6 5
11 9 5 3 2
= + + + + =
X
X X −X
(
X −X)
2(
X −X)
32 -4 16 64
3 -3 9 27
5 -1 1 1
9 3 9 27
11 5 25 125
JUMLAH 60 60
(
)
873 , 3 4 60 1
2
= =
− − =
n X X s
Sehingga koefisien momen adalah :
(
)
( )
(
3,873)
0,260 5 1 1
2 3
3
3 = =
− =
s X X n α
Maka kecondongan dari data ini adalah kecondongan ke kanan (positif)
b. Untuk Data Berkelompok
Koefisien kemencengan momen untuk data kelompok dirumuskan :
(
)
3 3 3
1
s
f X X
n −
=
Contoh :
Tentukan kemencengan kurva nilai ujian statistik universitas Borobudur Tahun
2007
Nilai Ujian Frekuensi (f)
Nilai Tengah
(X)
f.X X −X
(
)
2
X
X −
(
)
3X
X − f
(
X −X)
331 - 40 4 35.5 142
41 - 50 3 45.5 136.5
51 - 60 5 55.5 277.5
61 - 70 8 65.5 524
71 - 80 11 75.5 830.5
81 - 90 7 85.5 598.5
91 - 100 2 95.5 191
40 2700
Penyelesaian :
5 , 67 40 2700
= =
=
f fX X
(
)
5 , 8 40 2828 1
2
= =
− − =
n X X s
Sehingga Koefisien kemencengan momen adalah :
(
)
(
)
31 , 3 4
, 8
81360 40
1 1
3 3
3 =−
− = −
=
s
f X X n α
3. KERUNCINGAN ATAU KURTOSIS
Keruncingan atau kurtosisi adalah tingkat kepuncakan dari sebuah
distribusi yang biasa diambil secara relatif terhadap suatu distribusi normal.
Berdasarkan keruncingannya, kurva distribusi dapat dibedakan atas tiga
macam, yaitu :
Leptokurtik
Leptokurtik merupakan
distribusi yang memiliki puncak
relatif tinggi
Platikurtik
Platikurtik merupakan distribusi
yang memiliki puncak hampir
mendatar
Mesokurtik
Mesokurtik merupakan
distribusi yang memiliki puncak
yang tidak tinggi dan tidak
mendatar.
Bila distribusinya simetris maka distribusi mesokurtik dianggap sebagai distribusi
normal.
Untuk mengetahui keruncingan suatu distribusi, ukuran yang sering
digunakan adalah koefisien keruncingan atau koefisien kurtosisi persentil.
a. Koefisien Keruncingan
Koefisien keruncingan dilambangkan dengan α4. Hasil perhitungan koefisien keruncingan diperoleh :
- Jika α4 <3 maka distribusi platikurtik - Jika α4 >3 maka distribusi leptokurtik - Jika α4 =3 maka distribusi mesokurtik
Untuk mencari nilai koefisien keruncingan, dibedakan antara data tunggal
dan data kelompok.
a. Untuk data Tunggal
(
)
4 4 4
1
s X X
n −
=
α
Contoh :
Tentukan keruncingan dari data : 2, 3, 6, 8, 11 dengan s= 3,67 dan X =6
X X −X
(
X − X)
42 -4 256
3 -3 81
6 0 0
8 2 16
11 5 625
JUMLAH 978
Sehingga koefisien keruncingannya adalah :
(
)
(
)
(
3,67)
1,08978 5 1 1
4 4
4
4 = =
− =
s X X n α
Karena nilai koefisien keruncingan lebih kecil dari 3 maka distribusinya
b. Untuk data Kelompok
(
)
4 4 4
1
s
f X X
n −
=
α
Contoh :
Tentukan keruncingan dari tabel distribusi frekuensi dengan s = 3,42 berikut :
Nilai Ujian Frekuensi
(f)
Nilai
Tengah (X) X −X
(
)
4
X
X − f
(
X −X)
465 - 67 2 66 -7.425 3039.3858 6078.7716
68 - 70 5 69 -4.425 383.4009 1917.0044
71 - 73 13 72 -1.425 4.1234 53.6047
74 - 76 14 75 1.575 6.1535 86.1490
77 - 79 4 78 4.575 438.0911 1752.3643
80 - 82 2 81 7.575 3292.5361 6585.0723
40 16472.9662
Penyelesaian :
(
)
(
)
(
3,42)
3,019662 , 16472 40
1 1
4 4
4
4 = =
− =
s f X X n α
b. Koefisien Kurtosisi Persentil
Koefisien kurtosisi persentil dilambangkan dengan K (kappa). Untuk
distribusi normal, nilai K = 0,263. Koefisien kurtosisi Persentil dirumuskan :
(
)
10 90
1 3
2 1
P P
Q Q K
− − =
Contoh :
Tentukan koefisien kurtosisi persentil (K) dari nilai ujian statistik universitas
Borobudur Tahun 2007
Nilai Ujian Frekuensi (f) Nilai Tengah (X) f.X
31 - 40 4 35.5 142
41 - 50 3 45.5 136.5
51 - 60 5 55.5 277.5
61 - 70 8 65.5 524
71 - 80 11 75.5 830.5
81 - 90 7 85.5 598.5
91 - 100 2 95.5 191
40 2700
Penyelesaian :
( )
5 , 56 5
7 4 40 1
10 5 , 50
1 =
− +
=
Q
( )
59 , 79 11
20 4 40 3
10 5 , 70
3 =
− +
Q
( )
5 , 30 4
4 100
40 10
10 5 , 30
10 =
− +
=
( )
64 , 87 7
31 100
40 90
10 5 , 80
90 =
− +
=
P
Sehingga nilai koefisien kurtosisi persentil adalah :
(
)
(
)
2 , 0 14 , 57
09 , 23 2 1 2
1
10 90
1 3
= =
− − =
P P
Q Q K
Karena nilai K = 0,2 maka distribusinya adalah distribusi normal dan grafiknya
adalah sebagai berikut :
DAFTAR PUSTAKA
Hasan, Iqbal. 2009. Pokok-Pokok Materi Statistik 1 (Statistik Deskriptif). Jakarta:Bumi Aksara
N. Reksoatmodjo, Tedjo. 2009. Bandung:Refika Aditama.
Riduwan. 2003. Dasar-Dasar Statistika. Bandung:Alfabeta.
Sudjana. 2002. Metode Statistika. Bandung:Tarsito
Walpole, Ronald E. 1997. Pengantar Statistika Edisi Ke-3. Jakarta:PT. Gramedia Pustaka Utama.