Skip to main content

Ukuran Kemiringan dan Ukuran Kecembungan

Selamat datang, di blog kami!
Kali ini kita akan membahas mengenai Ukuran Kemiringan dan Ukuran Kecembungan.

A. Ukuran Lokasi

Ukuran kemiringan adalah ukuran yang menyatakan sebuah model distribusi yang mempunyai kemiringan tertentu. Apabila diketahui besarnya nilai ukuran ini maka dapat diketahui pula bagaimana model distribusinya, apakah distribusi itu simetrik, positif, atau negatif.


Dibawah ini adalah model distribusi tersebut:









Untuk mengetahui apakah sekumpulan data mengikuti model distribusi positif, negatif, atau simetrik, hal ini dapat dilihat berdasarkan nilai koefisien kemiringannya.



Menurut Pearson ada beberapa rumus untuk menghitung koefisien kemiringannya, yaitu :
a. Koefisien Kemiringan (modus)
Dimana X = Rata-rata, Mo = Modus, dan S = Simpangan baku.

b. Koefisien Kemiringan (Median)
Dimana X = Rata-rata, Mo = Modus, dan S = Simpangan baku.

c. Koefisien Kemiringan menggunakan Nilai Kuartil

Menurut Pearson, dari hasil koefisien kemitingan diatas, ada tiga criteria untuk mengetahui model distribusi dari sekumpulan data (baik data berkelompok maupun data tidak berkelompok), yaitu :

• Jika koefisien kemiringan < 0, maka bentuk distribusinya negatif
• Jika koefisien kemiringan = 0, maka bentuk distribusinya simetrik

• Jika koefisien kemiringan > 0, maka bentuk distribusinya positif.

B. Ukuran Kecembungan (keruncingan)
Ukuran keruncingan adalah kepuncakan dari suatu distribusi, biasanya diambil relatif terhadap distribusi normal. Sebuah distribusi yang mempunyai puncak relatif relatif tinggi dinamakan dinamakan leptokurtik leptokurtik, sebuah distribusi mempunyai puncak mendatar dinamakan platikurtik, distribusi normal yang puncaknya tidak terlalu tinggi atau tidak mendatar dinamakan mesokurtik.


Untuk mengetahui apakah sekumpulan data mengikuti distribusi leptokurtik, platikurtik, dan mesokurtik, hal ini dapat dilihat berdasarkan koefisien kurtosisnya.

Untuk menghitung koefisien kurtosis digunakan rumus:
Dari hasil koefisien kurtosis diatas, ada tiga criteria untuk mengetahui model distribusi dari sekumpulan data, yaitu :

• Jika koefisien kurtosisnya < 0,263 maka distribusinya adalah platikurtik
 • Jika koefisien kurtosisnya = 0,263 maka distribusinya adalah mesokurtik
 • Jika koefisien kurtosisnya > 0,263 maka distribusinya adalah leptokurtik


Terimakasih.

Comments

Popular posts from this blog

Persamaan Differensial Faktor Integral

Assalamualaikum wr. wb Selamat datang kembali di blog kami, kali ini kita akan membahas tentang Persamaan Differensial Faktor Integral. Persamaan Diferensial Non Eksak adalah suatu Persamaan Dasar tingkat satu danberpangkat satu yang berbentuk: M(x,y) dx + N(x,y) dy = 0                                            (1) dan memenuhi syarat: Penyelesaian Persamaan Diferensial Non Eksak dapat diperoleh dengan mengalikan pers. 1 dengan suatu fungsi u yang disebut Faktor Integral (FI) sehingga diperoleh PD Eksak yaitu:  u M(x,y) dx + u N(x,y) dy = 0                                    (2) karena PD (pers. 2) sudah berbentuk eksak, maka memenuhi : Rumus Umum FI : secara umum FI u terdiri dari tiga kondisi yaitu: 1. FI u sebagai fungsi x saja 2. FI u sebagai...

Contoh Soal Persamaan Differensial Eksak

Assalamualaikum wr. wb Kali ini kami akan memberikan contoh soal tentang PD Eksak, Bentuk Umum PD Eksak: M(x,y) dx + N(x,y) dy = 0 ===> My =Nx