Ukuran Kemencengan (Statistik)
Kita Telah Mengetahui bahwa bila rerata dan deviasi baku sekumpulan data diketahui, kita akan memperoleh cukup gambaran mengenai data tersebut.Meskipun demikian, sekumpulan data yang rerata dan devisiasi bakunya masing-masing sama, mungkin bentuknya lain. Misalnya seperti nampak pada kedua histogram berikut. Kedua histogram itu mempunyai rerata yang sama besar, yaitu 64,50. Deviasi bakunya pun sama besar, yaitu 14,83. tetapi bentuknya lain (yang pertama simetris sedangkan yang sebuah lagi sedikit menceng ke sebelah kanan (berekor ke sebelah kanan).
Untuk Membedakan Bentuk -bentuk distribusi semacam itu kita menggunakan ukuran kemencengan
(skewness) atau ukuran kesetangkupan (simetri). Kemencengan sendiri adalah
derajat (tingkat) ketidaksimetrisan. Simetrisnya atau kurang simetrisnya suatu
distribusi ditentukan oleh perbedaan antara rerata dengan median atau rerata
dengan modus. Suatu distribusi yang simetris sempurna akan mempunyai rerata,
median, dan modus yang sama. Sedangkan untuk distribusi lainnya, kedudukan
rerata, median, dan modusnya itu mungkin sebagai berikut.
![](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEgPH_fQZamyC60O6pVEbA50RtlowNftD1UfQNTt7DfCOdoVJo1USQi_h_1EQmXZqEPJ8M632USGyjY2_Qkcr0rXPnkFhQgoInu5vSCeY0Dbyydo9p09CB8tdvS_jSBlkLVBBN4qTHall9E/s1600/gabungan+63-65.jpg)
Catatan: Mo = Modus, X = Rerata, Me = Median.
Ukuran Kemencengan biasa disebut Koefisien Kemencengan Pearson. atau KK didefinisikan sebagai berikut:
Perlu diketahui mengenai
pembagian oleh deviasi baku dalam rumus di atas. Pembagian oleh deviasi baku
pada rumus 6.1 dimaksudkan agar rumus itu tidak tergantung dari satuan
pengukuran. Sebab, di sini yang penting ialah mempelajari bentuk, yang tidak
boleh dipengaruhi oleh perubahan satuan pengukuran.
Untuk Histogram pada diagram 6.1:
Untuk Histogram pada diagram 6.2
Dari perhitungan diatas nampak bahwa
untuk distribusi yang simetris sempurna, koefisien kemencengan
Pearson harganya sama dengan nol. Dan koefisien kemencengan Pearson itu positif
bila reratanya lebih besar dari pada modus dan mediannya. Kita dapat
mengambil kesimpulan bahwa koefisien kemencengan Pearson itu negatif
bila reratanya lebih kecil daripada modus atau mediannya. Dapat pula dikatakan
bahwa distribusi itu kemencengannya positif bila ekor kurva halusnya yang di
sebelah kanan lebih panjang dari pada yang disebelah kiri ; yang demekian itu
disebut pula distribusi yang berat ke kiri. Dan sebaliknya distribusi itu
kemencengannya negatif bila ekor kurva halusnya yang disebelah kiri lebih
panjang daripada yang di sebelah kanan; distribusinya disebut pula berat ke
sebelah kanan. Distribusi yang berat ke kiri. Dan sebaliknya distribusi itu
kemencengannya negatif bila ekor kurva halusnya yang disebelah kiri lebih
panjang daripada yang di sebelah kanan; distribusinya disebut pula berat ke
sebelah kanan.
*SUMBER: Dokumen Pribadi
Tidak ada komentar:
Posting Komentar