SlideShare a Scribd company logo
1 of 30
Download to read offline
Menghitung Kemiringan Keruncingan Data Tunggal
Nilai UTS Semester Ganjil Tahun 2020 MTS AL AMAR
Kelompok 4 KELAS : 12.3A.27
Rendy Alfianto : 12192095
Ade Azhari : 12190515
Indah Mustika Sary : 12191761
1. Konsep Kemiringan dan Keruncingan
Kemiringan ada beberapa jenis yaitu; simetri, miring kekanan dan
miring kekiri. Data yang simetri menunjukan bahwa letak nilai rata
– rata hitung, median dan modus berhimpit.
Data yang miring kekanan mempunyai nilai modus paling kecil
dan rata – rata hitung paling besar. Data yang miring kekiri
mempunyai nilai modus paling besar dan rata – rata hitung paling
kecil
Keruncingan mempunyai tiga jenis yaitu; leptokurtis
adalah distribusi data yang puncaknya relatif tinggi,
mesokurtis adalah distribusi data yang puncaknya normal
dan platikurtis adalah distribusi data yang puncaknya
terlalu rendah dan terlalu mendatar.
2. Kemiringan Distribusi Data
Derajat atau ukuran dari ketidaksimetrisan
suatu distribusi data. Kemiringan distribusi data ada tiga yaitu ;
A.
Simetris (normal) menunjukan letak nilai rata
– rata hitung (𝑋̅), median dan modus
berhimpit (berkisar disatu titik).
 Simetris (normal) menunjukan letak nilai
rata – rata hitung (𝑋̅), median dan modus
berhimpit (berkisar disatu titik).
 Miring kekanan (kemiringan positif) adalah
nilai modus paling kecil dan rata – rata
hitungnya (𝑋̅) paling besar.
Mod=Med=𝑋̅
Mod<Med<𝑋̅
𝑋̅<Med<Mod
 Miring kekiri (kemiringan negatif) adalah
nilai modusnya paling besar dan rata – rata
hitungnya (𝑋̅) paling kecil.
Untuk menghitung kemiringan (Skewness) bisa digunakan beberapa cara yaitu
dengan menggunakan rumus pearson, rumus momen dan rumus bowley. Untuk
grafiknya seperti Gambar 1 dibawah ini.
a. Rumus Pearson
• Rumus ini menekankan bahwa rata –
rata hitung (𝑋̅) dipengaruhi oleh
nilai – nilai ekstrimnya. Modus tidak
dipengaruhi nilai ekstrim sedangkan
median dipengaruhi kedudukannya.
Kemiringan data menurut Rumus
Pearson sebagai berikut:
• Jika modusnya diketahui,
• Atau, jika modus tidak diketahui
• Keterangan :
• α = Derajat kemiringan pearson
• = Rata-rata hitung
• Mod = Modus
• Med = Median
• S = Simpang Baku (Standar deviasi)
•
• Dari rumus diatas bisa ditentukan
hasil a nya, jika;
• α = 0 distribusi data simetris.
• α < 0 distribusi data miring kekiri.
• α > 0 distribusi data miring kekanan.
Merupakan derajat atau ukuran tinggi rendahnya
puncak suatu distribusi data terhadap distribusi normalnya data. Ada tiga jenis
derajat keruncingan yaitu;
Leptokurtis : distribusi data yang puncaknya relative tinggi.
Mesokurtis : distribusi data yang puncaknya normal.
Platikurtis : distribusi data yang puncaknya terlalu rendah dan terlalu
mendatar.
3. Keruncingan Distribusi Data
• Hasil perhitungan bisa disebut
sebagai salah satu dari ketiga jenis
keruncingan, jika;
• α4 = 3, Mesokurtis
• α4 > 3, Leptokurtis
• α4 < 3, Platikurtis
• Jenis rumus untuk menghitung keruncingan distribusi
data,yaitu;
• Data tidak berkelompok ;
• Keterangan :
• α4 = Derajat keruncingan
• X = Nilai data
• = Nilai rata-rata hitung
• S = Standar deviasi
• n = Banyaknya data
•
Metode Penelitian
• Dalam menghitung pendistribusian data pada
nilai UTS Semester Ganjil Tahun 2020 MTS AL
AMAR untuk menentukan apakah nilai – nilai
tersebut memiliki keruncingan ataupun
kemiringan.
• Data yang kami ambil merupakan data nilai UTS
MTS AL AMAR, pada kasus ini menggunakan
data tidak berkelompok/data tunggal hasil UTS.
No NAMA SISWA NILAI
1 ABDUL KHOLIK 85
2 AHMAD DYANA 87
3 AJENG DEWI AGUSTINA 80
4 APRIYANSYAH 85
5 BUNGA HANDAYANI 87
6 DENDI ANDIANSYAH 85
7 DEVINA MAYANGSARI I.J 88
8 ELYA SAHARA 82
9 FAREL FERDIANSYAH 84
10 IBNU SAWALUDIN 92
11 KHAERUL FAZAR 87
12 MADJID GHANI WINANTO 89
13 MOHAMAD RIDHO F.A 87
14 MUHAMAD ALFIN 85
15 MUHAMAD FAHRI 87
16 MUHAMAD FURKON 85
17 MUHAMAD RADITYA 89
18 MUHAMAD TAQYUDDIN 87
19 MUHAMMAD NAZID R 83
20 MUNAYA NISA AZHUMA 87
21 NESYAHAH 85
22 NUR MELIYANA OKTAVIA 82
23 PUPUT ARIFAH 87
24 RADEN SIGIT OKTAVIAN 81
25 REHAN SAHRUL R 87
26 SALSA KAYLA JULIANTI 85
27 SILPIA DEWI 80
28 SILVI MAYANG SARI 92
29 SUCI AINI 83
30 ZULVY RIZKY 85
Tabel Nilai UTS
Untuk menghitung
kemiringan distribusi data, kami
menggunakan Rumus Pearson,
dengan modus yang sudah
diketahui. Untuk mengetahui
modus dan , kami harus
membuat tabel pembantu pada
excel, tabel pembantu ini juga
diperlukan untuk mencari
keruncingan.
Data Ke Nilai
X
1 80 2 -1 1
2 81 1 -2 16
3 82 2 -1 1
4 83 2 -1 1
5 84 1 -2 16
6 85 8 5 625
7 87 9 6 1296
8 88 1 -2 16
9 89 2 -1 1
10 92 2 -1 1
Jumlah 30 1974
Data Ke Nilai
X
1 80 2 -1 1
2 81 1 -2 16
3 82 2 -1 1
4 83 2 -1 1
5 84 1 -2 16
6 85 8 5 625
7 87 9 6 1296
8 88 1 -2 16
9 89 2 -1 1
10 92 2 -1 1
Jumlah 30 1974
Tabel Tabel Pembantu
Rumus yang digunakan untuk mecari
kemiringan adalah Rumus Pearson :
Keterangan :
α = Derajat kemiringan pearson
= Rata-rata hitung
Mod = Modus
Med= Median
S = Simpang Baku (Standar deviasi)
Rumus yang digunakan untuk mencari
keruncingan :
Keterangan :
α4 = Derajat keruncingan
X = Nilai data
= Nilai rata-rata hitung
S = Standar deviasi
n = Banyaknya data
Langkah – langkahnya dalam Microsoft Excel :
1. Pilih Data pada menu.
2. Setelah memilih Data, pilih Data
Analisis pada pojok sebelah kanan.
3. Kemudian akan muncul
box, lalu pilih Descriptive
Statistics.
4. Setelah di klik akan muncul
box untuk mengisi datanya,
untuk input range kita
memasukan data nilai UTS nya,
untuk outputnya kita memilih
cell K25, centang Summary
statistics dan kemudian klik OK.
5. Setelah klik OK
hasilnya akan keluar
pada cell yang tadi
dipilih dan terlihat
hasil dari skewness
dan kurtosisnya
Langkah – Langkah dalam SPSS :
1. Klik Variable View kemudian ubah namanya menjadi
Nilai_UTS.
2. Inputkan Nilainya pada
Data View.
3. Kemudian pada menu pilih
Analyze, lalu Descriptive
Statistics dan Frequencies.
4. Ketika box muncul,
masukan Nilai_UTS ke
Variable(s).
5. Lalu klik Statistics centang
Skweness dan Kurtosis kemudian
Continue.
6. Setelah itu
hasilnya akan
keluar secara
otomatis.
HASIL DAN PEMBAHASAN
• Hasil yang didapatkan dari data nilai UTS adalah
Kemiringan (Skewness) sebesar 0.082 berarti datanya
miring ke kekanan karna a > 0, sedangkan hasil untuk
keruncingan (Kurtosis) sebesar 0.190 artinya
keruncingan data ini disebut dengan Platikurtis. Hasil
dari keduanya dihitung otomatis menggunakan
Microsoft Excel dan SPSS, hasilnya pun sama.
Hasil dari Kemiringan (Skewness) sebesar 0.082 berarti
datanya miring ke kekanan karna a > 0, sedangkan hasil untuk
keruncingan (Kurtosis) sebesar 0.190 artinya keruncingan data
ini disebut dengan Platikurtis. Hasil dari keduanya dihitung
otomatis menggunakan Microsoft Excel dan SPSS, hasilnya pun
sama, untuk perhitungan manualnya tidak selaras dengan hasil
SPSS dan Microsoft Excel.
KESIMPULAN
 REFERENSI
UBSI (2020). Minggu keempat: Statistika [portable
document format]. Diakses dari
http://students.bsi.ac.id/mahasiswa/jadwal_kuliah_d3_a3a7
19fa.aspx
Pitanatri, Putu DIah Sastri. 2017, September
10). Menulis daftar pustaka APA STYLE. Diakases dari
https://diahsastri.com/2017/11/28/menulis-daftar-pustaka-
apa-style/
Amalia, D., Afifah, Nur, K., Wahyuningsih, N.,
Nurjanah, P., Rahmawati, S., Siahaan, T., Choirunnisa, T.,
& Wati, Anggia, Y. (2019). Kemiringan dan keruncingan:
Data nilai pts ganjil mata pelajaran fiqih mts al-amar legok
kelas 7 tahun 2019, 1-29.
Asmoro, W. (2020, April 11). Cara membuat daftar
distribusi frekuensi tunggal dan kelompok [Video File].
Diakses dari
https://www.youtube.com/watch?
v=ZFGcwM2R_5c&feature=youtu.be.
Faiha, N. (2020, April 26). Tingkat kemencengan
(skewness) [Video File]. Diakses dari
https://www.youtube.com/watch?
v=6b53rXdN_84&feature=youtu.be.
Wisuda1, C. (2020, Mei 18). Kurtosis (koefisien
keruncingan kurva) | konsep dan penjelasn [Video File].
Diakses dari
https://www.youtube.com/watch?v=0wB-
wEljwQk&feature=youtu.be.
Safa, Rizka. (Momen kemiringan
dan_keruncingan(7). (2015, Juni 17). Momen kemiringan
dan_keruncingan(7). Diakses dari
https://www.slideshare.net/rizka_safa/momen-kemiringan-
dankeruncingan7.
UNIVERSITAS
BINA SARANA
INFORMATIKA

More Related Content

Similar to Menghitung Kemiringan Keruncingan Data Tunggal Nilai UTS Semester Ganjil Tahun 2020 MTS AL AMAR.pdf

Espa4123 statistika modul 2
Espa4123 statistika   modul 2Espa4123 statistika   modul 2
Espa4123 statistika modul 2Ratzman III
 
ukuran kemiringan dan keruncingan
ukuran kemiringan dan keruncinganukuran kemiringan dan keruncingan
ukuran kemiringan dan keruncinganArini Dyah
 
PERTEMUANN PENDAHULUAN Statistika Konsep Statistika PERTEMUAN I & II.ppt
PERTEMUANN PENDAHULUAN Statistika Konsep Statistika PERTEMUAN I & II.pptPERTEMUANN PENDAHULUAN Statistika Konsep Statistika PERTEMUAN I & II.ppt
PERTEMUANN PENDAHULUAN Statistika Konsep Statistika PERTEMUAN I & II.pptRomadhonDwiCahyoNugr
 
5. Data Deskriptif 3.pdf
5. Data Deskriptif 3.pdf5. Data Deskriptif 3.pdf
5. Data Deskriptif 3.pdfJurnal IT
 
Modul Ajar Statistika Inferensia ke-11: Analisis Regresi Linier Berganda (Mul...
Modul Ajar Statistika Inferensia ke-11: Analisis Regresi Linier Berganda (Mul...Modul Ajar Statistika Inferensia ke-11: Analisis Regresi Linier Berganda (Mul...
Modul Ajar Statistika Inferensia ke-11: Analisis Regresi Linier Berganda (Mul...Arif Rahman
 
Pert 02 statistik deskriptif 2013
Pert 02 statistik deskriptif 2013Pert 02 statistik deskriptif 2013
Pert 02 statistik deskriptif 2013aiiniR
 
ukuran_pemusatan.ppt
ukuran_pemusatan.pptukuran_pemusatan.ppt
ukuran_pemusatan.pptssusere3d2cb
 
Normalitas & homogenitas
Normalitas & homogenitasNormalitas & homogenitas
Normalitas & homogenitasAYU Hardiyanti
 
Tugas ke 3 statistik pendidikan
Tugas ke 3 statistik pendidikanTugas ke 3 statistik pendidikan
Tugas ke 3 statistik pendidikanyuliana0189
 
4._central_tendensi_nerisa(0).ppt hdhsbshs
4._central_tendensi_nerisa(0).ppt hdhsbshs4._central_tendensi_nerisa(0).ppt hdhsbshs
4._central_tendensi_nerisa(0).ppt hdhsbshssr9786603
 
4._central_tendensi_nerisa gak jelas.ppt
4._central_tendensi_nerisa gak jelas.ppt4._central_tendensi_nerisa gak jelas.ppt
4._central_tendensi_nerisa gak jelas.pptRinaKurniawati17
 

Similar to Menghitung Kemiringan Keruncingan Data Tunggal Nilai UTS Semester Ganjil Tahun 2020 MTS AL AMAR.pdf (20)

Ukuran penyebaran data
Ukuran penyebaran dataUkuran penyebaran data
Ukuran penyebaran data
 
Statistika Dasar
Statistika DasarStatistika Dasar
Statistika Dasar
 
Espa4123 statistika modul 2
Espa4123 statistika   modul 2Espa4123 statistika   modul 2
Espa4123 statistika modul 2
 
ukuran kemiringan dan keruncingan
ukuran kemiringan dan keruncinganukuran kemiringan dan keruncingan
ukuran kemiringan dan keruncingan
 
STATISTIK DESKRIPTIF
STATISTIK DESKRIPTIFSTATISTIK DESKRIPTIF
STATISTIK DESKRIPTIF
 
Pengertian statistika
Pengertian statistikaPengertian statistika
Pengertian statistika
 
PERTEMUANN PENDAHULUAN Statistika Konsep Statistika PERTEMUAN I & II.ppt
PERTEMUANN PENDAHULUAN Statistika Konsep Statistika PERTEMUAN I & II.pptPERTEMUANN PENDAHULUAN Statistika Konsep Statistika PERTEMUAN I & II.ppt
PERTEMUANN PENDAHULUAN Statistika Konsep Statistika PERTEMUAN I & II.ppt
 
5. Data Deskriptif 3.pdf
5. Data Deskriptif 3.pdf5. Data Deskriptif 3.pdf
5. Data Deskriptif 3.pdf
 
Modul Ajar Statistika Inferensia ke-11: Analisis Regresi Linier Berganda (Mul...
Modul Ajar Statistika Inferensia ke-11: Analisis Regresi Linier Berganda (Mul...Modul Ajar Statistika Inferensia ke-11: Analisis Regresi Linier Berganda (Mul...
Modul Ajar Statistika Inferensia ke-11: Analisis Regresi Linier Berganda (Mul...
 
3b_Manajemen Data.pdf
3b_Manajemen Data.pdf3b_Manajemen Data.pdf
3b_Manajemen Data.pdf
 
Pertemuan 4
Pertemuan 4Pertemuan 4
Pertemuan 4
 
( Putri). ukuran pemusatan data.
( Putri). ukuran pemusatan data.( Putri). ukuran pemusatan data.
( Putri). ukuran pemusatan data.
 
Pert 02 statistik deskriptif 2013
Pert 02 statistik deskriptif 2013Pert 02 statistik deskriptif 2013
Pert 02 statistik deskriptif 2013
 
ukuran_pemusatan.ppt
ukuran_pemusatan.pptukuran_pemusatan.ppt
ukuran_pemusatan.ppt
 
Normalitas & homogenitas
Normalitas & homogenitasNormalitas & homogenitas
Normalitas & homogenitas
 
Tugas bu ifana
Tugas bu ifanaTugas bu ifana
Tugas bu ifana
 
Tugas ke 3 statistik pendidikan
Tugas ke 3 statistik pendidikanTugas ke 3 statistik pendidikan
Tugas ke 3 statistik pendidikan
 
DESKRIPSI DATA
DESKRIPSI DATADESKRIPSI DATA
DESKRIPSI DATA
 
4._central_tendensi_nerisa(0).ppt hdhsbshs
4._central_tendensi_nerisa(0).ppt hdhsbshs4._central_tendensi_nerisa(0).ppt hdhsbshs
4._central_tendensi_nerisa(0).ppt hdhsbshs
 
4._central_tendensi_nerisa gak jelas.ppt
4._central_tendensi_nerisa gak jelas.ppt4._central_tendensi_nerisa gak jelas.ppt
4._central_tendensi_nerisa gak jelas.ppt
 

Recently uploaded

DATA MINING : ESTIMASI, PREDIKSI, KLASIFIKASI, KLASTERING, DAN ASOSIASI.ppt
DATA MINING : ESTIMASI, PREDIKSI, KLASIFIKASI, KLASTERING, DAN ASOSIASI.pptDATA MINING : ESTIMASI, PREDIKSI, KLASIFIKASI, KLASTERING, DAN ASOSIASI.ppt
DATA MINING : ESTIMASI, PREDIKSI, KLASIFIKASI, KLASTERING, DAN ASOSIASI.pptmuhammadarsyad77
 
PERTEMUAN 4 himpunan dan fungsi logika fuzzy.ppT
PERTEMUAN 4 himpunan dan fungsi logika fuzzy.ppTPERTEMUAN 4 himpunan dan fungsi logika fuzzy.ppT
PERTEMUAN 4 himpunan dan fungsi logika fuzzy.ppTYudaPerwira5
 
Salinan PPT TATA BAHASA Bahasa Indonesia
Salinan PPT TATA BAHASA Bahasa IndonesiaSalinan PPT TATA BAHASA Bahasa Indonesia
Salinan PPT TATA BAHASA Bahasa Indonesiasdn4mangkujayan
 
Perlindungan Anak Dalam Hukum Perdata (2).pdf
Perlindungan Anak Dalam Hukum Perdata (2).pdfPerlindungan Anak Dalam Hukum Perdata (2).pdf
Perlindungan Anak Dalam Hukum Perdata (2).pdfjeffrisovana999
 
KISI-KISI USEK PJOK TA 2023-2024 anans ajaja jaja hdsh
KISI-KISI USEK PJOK TA 2023-2024 anans ajaja jaja hdshKISI-KISI USEK PJOK TA 2023-2024 anans ajaja jaja hdsh
KISI-KISI USEK PJOK TA 2023-2024 anans ajaja jaja hdshDosenBernard
 
PPT SIDANG UJIAN KOMPREHENSIF KUALITATIF
PPT SIDANG UJIAN KOMPREHENSIF KUALITATIFPPT SIDANG UJIAN KOMPREHENSIF KUALITATIF
PPT SIDANG UJIAN KOMPREHENSIF KUALITATIFFPMJ604FIKRIRIANDRA
 
KONSEP DASAR ADVOKASI GIZI KEBIJAKAN PEMERINTAHAN
KONSEP DASAR ADVOKASI GIZI KEBIJAKAN PEMERINTAHANKONSEP DASAR ADVOKASI GIZI KEBIJAKAN PEMERINTAHAN
KONSEP DASAR ADVOKASI GIZI KEBIJAKAN PEMERINTAHANDevonneDillaElFachri
 
Contoh Algoritma Asosiasi pada data mining
Contoh Algoritma Asosiasi pada data miningContoh Algoritma Asosiasi pada data mining
Contoh Algoritma Asosiasi pada data miningSamFChaerul
 
Materi Pajak Untuk BOS tahun 2024 untuk madrasah MI,MTS, dan MA
Materi Pajak Untuk BOS tahun 2024 untuk madrasah MI,MTS, dan MAMateri Pajak Untuk BOS tahun 2024 untuk madrasah MI,MTS, dan MA
Materi Pajak Untuk BOS tahun 2024 untuk madrasah MI,MTS, dan MAmasqiqu340
 
SIMPUS SIMPUS SIMPUS & E- PUSKESMAS (3).ppt
SIMPUS SIMPUS SIMPUS & E- PUSKESMAS (3).pptSIMPUS SIMPUS SIMPUS & E- PUSKESMAS (3).ppt
SIMPUS SIMPUS SIMPUS & E- PUSKESMAS (3).pptEndangNingsih7
 
DATA MINING : RSITEKTUR & MODEL DATA MINING
DATA MINING : RSITEKTUR & MODEL DATA MININGDATA MINING : RSITEKTUR & MODEL DATA MINING
DATA MINING : RSITEKTUR & MODEL DATA MININGYudaPerwira5
 
KISI KISI PSAJ IPS KLS IX 2324.docskskkks
KISI KISI PSAJ IPS KLS IX 2324.docskskkksKISI KISI PSAJ IPS KLS IX 2324.docskskkks
KISI KISI PSAJ IPS KLS IX 2324.docskskkksdanzztzy405
 
Alur Pengajuan Surat Keterangan Pindah (Individu) lewat IKD.pdf
Alur Pengajuan Surat Keterangan Pindah (Individu) lewat IKD.pdfAlur Pengajuan Surat Keterangan Pindah (Individu) lewat IKD.pdf
Alur Pengajuan Surat Keterangan Pindah (Individu) lewat IKD.pdfPemdes Wonoyoso
 
Sistem operasi adalah program yang bertindak sebagai perantara antara user de...
Sistem operasi adalah program yang bertindak sebagai perantara antara user de...Sistem operasi adalah program yang bertindak sebagai perantara antara user de...
Sistem operasi adalah program yang bertindak sebagai perantara antara user de...Shary Armonitha
 
514034136-Tugas-Modul-4-5-Komputer-Dan-Media-Pembelajaran.pptx
514034136-Tugas-Modul-4-5-Komputer-Dan-Media-Pembelajaran.pptx514034136-Tugas-Modul-4-5-Komputer-Dan-Media-Pembelajaran.pptx
514034136-Tugas-Modul-4-5-Komputer-Dan-Media-Pembelajaran.pptxAbidinMaulana
 

Recently uploaded (17)

DATA MINING : ESTIMASI, PREDIKSI, KLASIFIKASI, KLASTERING, DAN ASOSIASI.ppt
DATA MINING : ESTIMASI, PREDIKSI, KLASIFIKASI, KLASTERING, DAN ASOSIASI.pptDATA MINING : ESTIMASI, PREDIKSI, KLASIFIKASI, KLASTERING, DAN ASOSIASI.ppt
DATA MINING : ESTIMASI, PREDIKSI, KLASIFIKASI, KLASTERING, DAN ASOSIASI.ppt
 
PERTEMUAN 4 himpunan dan fungsi logika fuzzy.ppT
PERTEMUAN 4 himpunan dan fungsi logika fuzzy.ppTPERTEMUAN 4 himpunan dan fungsi logika fuzzy.ppT
PERTEMUAN 4 himpunan dan fungsi logika fuzzy.ppT
 
Salinan PPT TATA BAHASA Bahasa Indonesia
Salinan PPT TATA BAHASA Bahasa IndonesiaSalinan PPT TATA BAHASA Bahasa Indonesia
Salinan PPT TATA BAHASA Bahasa Indonesia
 
Perlindungan Anak Dalam Hukum Perdata (2).pdf
Perlindungan Anak Dalam Hukum Perdata (2).pdfPerlindungan Anak Dalam Hukum Perdata (2).pdf
Perlindungan Anak Dalam Hukum Perdata (2).pdf
 
KISI-KISI USEK PJOK TA 2023-2024 anans ajaja jaja hdsh
KISI-KISI USEK PJOK TA 2023-2024 anans ajaja jaja hdshKISI-KISI USEK PJOK TA 2023-2024 anans ajaja jaja hdsh
KISI-KISI USEK PJOK TA 2023-2024 anans ajaja jaja hdsh
 
PPT SIDANG UJIAN KOMPREHENSIF KUALITATIF
PPT SIDANG UJIAN KOMPREHENSIF KUALITATIFPPT SIDANG UJIAN KOMPREHENSIF KUALITATIF
PPT SIDANG UJIAN KOMPREHENSIF KUALITATIF
 
Abortion pills in Kuwait salmiyah [+966572737505 ] Get Cytotec in Kuwait city...
Abortion pills in Kuwait salmiyah [+966572737505 ] Get Cytotec in Kuwait city...Abortion pills in Kuwait salmiyah [+966572737505 ] Get Cytotec in Kuwait city...
Abortion pills in Kuwait salmiyah [+966572737505 ] Get Cytotec in Kuwait city...
 
KONSEP DASAR ADVOKASI GIZI KEBIJAKAN PEMERINTAHAN
KONSEP DASAR ADVOKASI GIZI KEBIJAKAN PEMERINTAHANKONSEP DASAR ADVOKASI GIZI KEBIJAKAN PEMERINTAHAN
KONSEP DASAR ADVOKASI GIZI KEBIJAKAN PEMERINTAHAN
 
Contoh Algoritma Asosiasi pada data mining
Contoh Algoritma Asosiasi pada data miningContoh Algoritma Asosiasi pada data mining
Contoh Algoritma Asosiasi pada data mining
 
Materi Pajak Untuk BOS tahun 2024 untuk madrasah MI,MTS, dan MA
Materi Pajak Untuk BOS tahun 2024 untuk madrasah MI,MTS, dan MAMateri Pajak Untuk BOS tahun 2024 untuk madrasah MI,MTS, dan MA
Materi Pajak Untuk BOS tahun 2024 untuk madrasah MI,MTS, dan MA
 
SIMPUS SIMPUS SIMPUS & E- PUSKESMAS (3).ppt
SIMPUS SIMPUS SIMPUS & E- PUSKESMAS (3).pptSIMPUS SIMPUS SIMPUS & E- PUSKESMAS (3).ppt
SIMPUS SIMPUS SIMPUS & E- PUSKESMAS (3).ppt
 
DATA MINING : RSITEKTUR & MODEL DATA MINING
DATA MINING : RSITEKTUR & MODEL DATA MININGDATA MINING : RSITEKTUR & MODEL DATA MINING
DATA MINING : RSITEKTUR & MODEL DATA MINING
 
KISI KISI PSAJ IPS KLS IX 2324.docskskkks
KISI KISI PSAJ IPS KLS IX 2324.docskskkksKISI KISI PSAJ IPS KLS IX 2324.docskskkks
KISI KISI PSAJ IPS KLS IX 2324.docskskkks
 
Alur Pengajuan Surat Keterangan Pindah (Individu) lewat IKD.pdf
Alur Pengajuan Surat Keterangan Pindah (Individu) lewat IKD.pdfAlur Pengajuan Surat Keterangan Pindah (Individu) lewat IKD.pdf
Alur Pengajuan Surat Keterangan Pindah (Individu) lewat IKD.pdf
 
Sistem operasi adalah program yang bertindak sebagai perantara antara user de...
Sistem operasi adalah program yang bertindak sebagai perantara antara user de...Sistem operasi adalah program yang bertindak sebagai perantara antara user de...
Sistem operasi adalah program yang bertindak sebagai perantara antara user de...
 
Abortion pills in Jeddah+966543202731/ buy cytotec
Abortion pills in Jeddah+966543202731/ buy cytotecAbortion pills in Jeddah+966543202731/ buy cytotec
Abortion pills in Jeddah+966543202731/ buy cytotec
 
514034136-Tugas-Modul-4-5-Komputer-Dan-Media-Pembelajaran.pptx
514034136-Tugas-Modul-4-5-Komputer-Dan-Media-Pembelajaran.pptx514034136-Tugas-Modul-4-5-Komputer-Dan-Media-Pembelajaran.pptx
514034136-Tugas-Modul-4-5-Komputer-Dan-Media-Pembelajaran.pptx
 

Menghitung Kemiringan Keruncingan Data Tunggal Nilai UTS Semester Ganjil Tahun 2020 MTS AL AMAR.pdf

  • 1. Menghitung Kemiringan Keruncingan Data Tunggal Nilai UTS Semester Ganjil Tahun 2020 MTS AL AMAR Kelompok 4 KELAS : 12.3A.27 Rendy Alfianto : 12192095 Ade Azhari : 12190515 Indah Mustika Sary : 12191761
  • 2. 1. Konsep Kemiringan dan Keruncingan Kemiringan ada beberapa jenis yaitu; simetri, miring kekanan dan miring kekiri. Data yang simetri menunjukan bahwa letak nilai rata – rata hitung, median dan modus berhimpit. Data yang miring kekanan mempunyai nilai modus paling kecil dan rata – rata hitung paling besar. Data yang miring kekiri mempunyai nilai modus paling besar dan rata – rata hitung paling kecil
  • 3. Keruncingan mempunyai tiga jenis yaitu; leptokurtis adalah distribusi data yang puncaknya relatif tinggi, mesokurtis adalah distribusi data yang puncaknya normal dan platikurtis adalah distribusi data yang puncaknya terlalu rendah dan terlalu mendatar.
  • 4. 2. Kemiringan Distribusi Data Derajat atau ukuran dari ketidaksimetrisan suatu distribusi data. Kemiringan distribusi data ada tiga yaitu ; A. Simetris (normal) menunjukan letak nilai rata – rata hitung (𝑋̅), median dan modus berhimpit (berkisar disatu titik).  Simetris (normal) menunjukan letak nilai rata – rata hitung (𝑋̅), median dan modus berhimpit (berkisar disatu titik).  Miring kekanan (kemiringan positif) adalah nilai modus paling kecil dan rata – rata hitungnya (𝑋̅) paling besar. Mod=Med=𝑋̅ Mod<Med<𝑋̅ 𝑋̅<Med<Mod  Miring kekiri (kemiringan negatif) adalah nilai modusnya paling besar dan rata – rata hitungnya (𝑋̅) paling kecil.
  • 5. Untuk menghitung kemiringan (Skewness) bisa digunakan beberapa cara yaitu dengan menggunakan rumus pearson, rumus momen dan rumus bowley. Untuk grafiknya seperti Gambar 1 dibawah ini.
  • 6. a. Rumus Pearson • Rumus ini menekankan bahwa rata – rata hitung (𝑋̅) dipengaruhi oleh nilai – nilai ekstrimnya. Modus tidak dipengaruhi nilai ekstrim sedangkan median dipengaruhi kedudukannya. Kemiringan data menurut Rumus Pearson sebagai berikut:
  • 7. • Jika modusnya diketahui, • Atau, jika modus tidak diketahui • Keterangan : • α = Derajat kemiringan pearson • = Rata-rata hitung • Mod = Modus • Med = Median • S = Simpang Baku (Standar deviasi) •
  • 8. • Dari rumus diatas bisa ditentukan hasil a nya, jika; • α = 0 distribusi data simetris. • α < 0 distribusi data miring kekiri. • α > 0 distribusi data miring kekanan.
  • 9. Merupakan derajat atau ukuran tinggi rendahnya puncak suatu distribusi data terhadap distribusi normalnya data. Ada tiga jenis derajat keruncingan yaitu; Leptokurtis : distribusi data yang puncaknya relative tinggi. Mesokurtis : distribusi data yang puncaknya normal. Platikurtis : distribusi data yang puncaknya terlalu rendah dan terlalu mendatar. 3. Keruncingan Distribusi Data
  • 10. • Hasil perhitungan bisa disebut sebagai salah satu dari ketiga jenis keruncingan, jika; • α4 = 3, Mesokurtis • α4 > 3, Leptokurtis • α4 < 3, Platikurtis
  • 11. • Jenis rumus untuk menghitung keruncingan distribusi data,yaitu; • Data tidak berkelompok ; • Keterangan : • α4 = Derajat keruncingan • X = Nilai data • = Nilai rata-rata hitung • S = Standar deviasi • n = Banyaknya data •
  • 12. Metode Penelitian • Dalam menghitung pendistribusian data pada nilai UTS Semester Ganjil Tahun 2020 MTS AL AMAR untuk menentukan apakah nilai – nilai tersebut memiliki keruncingan ataupun kemiringan. • Data yang kami ambil merupakan data nilai UTS MTS AL AMAR, pada kasus ini menggunakan data tidak berkelompok/data tunggal hasil UTS.
  • 13. No NAMA SISWA NILAI 1 ABDUL KHOLIK 85 2 AHMAD DYANA 87 3 AJENG DEWI AGUSTINA 80 4 APRIYANSYAH 85 5 BUNGA HANDAYANI 87 6 DENDI ANDIANSYAH 85 7 DEVINA MAYANGSARI I.J 88 8 ELYA SAHARA 82 9 FAREL FERDIANSYAH 84 10 IBNU SAWALUDIN 92 11 KHAERUL FAZAR 87 12 MADJID GHANI WINANTO 89 13 MOHAMAD RIDHO F.A 87 14 MUHAMAD ALFIN 85 15 MUHAMAD FAHRI 87 16 MUHAMAD FURKON 85 17 MUHAMAD RADITYA 89 18 MUHAMAD TAQYUDDIN 87 19 MUHAMMAD NAZID R 83 20 MUNAYA NISA AZHUMA 87 21 NESYAHAH 85 22 NUR MELIYANA OKTAVIA 82 23 PUPUT ARIFAH 87 24 RADEN SIGIT OKTAVIAN 81 25 REHAN SAHRUL R 87 26 SALSA KAYLA JULIANTI 85 27 SILPIA DEWI 80 28 SILVI MAYANG SARI 92 29 SUCI AINI 83 30 ZULVY RIZKY 85 Tabel Nilai UTS
  • 14. Untuk menghitung kemiringan distribusi data, kami menggunakan Rumus Pearson, dengan modus yang sudah diketahui. Untuk mengetahui modus dan , kami harus membuat tabel pembantu pada excel, tabel pembantu ini juga diperlukan untuk mencari keruncingan. Data Ke Nilai X 1 80 2 -1 1 2 81 1 -2 16 3 82 2 -1 1 4 83 2 -1 1 5 84 1 -2 16 6 85 8 5 625 7 87 9 6 1296 8 88 1 -2 16 9 89 2 -1 1 10 92 2 -1 1 Jumlah 30 1974 Data Ke Nilai X 1 80 2 -1 1 2 81 1 -2 16 3 82 2 -1 1 4 83 2 -1 1 5 84 1 -2 16 6 85 8 5 625 7 87 9 6 1296 8 88 1 -2 16 9 89 2 -1 1 10 92 2 -1 1 Jumlah 30 1974 Tabel Tabel Pembantu
  • 15. Rumus yang digunakan untuk mecari kemiringan adalah Rumus Pearson : Keterangan : α = Derajat kemiringan pearson = Rata-rata hitung Mod = Modus Med= Median S = Simpang Baku (Standar deviasi) Rumus yang digunakan untuk mencari keruncingan : Keterangan : α4 = Derajat keruncingan X = Nilai data = Nilai rata-rata hitung S = Standar deviasi n = Banyaknya data
  • 16. Langkah – langkahnya dalam Microsoft Excel : 1. Pilih Data pada menu.
  • 17. 2. Setelah memilih Data, pilih Data Analisis pada pojok sebelah kanan.
  • 18. 3. Kemudian akan muncul box, lalu pilih Descriptive Statistics.
  • 19. 4. Setelah di klik akan muncul box untuk mengisi datanya, untuk input range kita memasukan data nilai UTS nya, untuk outputnya kita memilih cell K25, centang Summary statistics dan kemudian klik OK.
  • 20. 5. Setelah klik OK hasilnya akan keluar pada cell yang tadi dipilih dan terlihat hasil dari skewness dan kurtosisnya
  • 21. Langkah – Langkah dalam SPSS : 1. Klik Variable View kemudian ubah namanya menjadi Nilai_UTS.
  • 22. 2. Inputkan Nilainya pada Data View.
  • 23. 3. Kemudian pada menu pilih Analyze, lalu Descriptive Statistics dan Frequencies.
  • 24. 4. Ketika box muncul, masukan Nilai_UTS ke Variable(s).
  • 25. 5. Lalu klik Statistics centang Skweness dan Kurtosis kemudian Continue.
  • 26. 6. Setelah itu hasilnya akan keluar secara otomatis.
  • 27. HASIL DAN PEMBAHASAN • Hasil yang didapatkan dari data nilai UTS adalah Kemiringan (Skewness) sebesar 0.082 berarti datanya miring ke kekanan karna a > 0, sedangkan hasil untuk keruncingan (Kurtosis) sebesar 0.190 artinya keruncingan data ini disebut dengan Platikurtis. Hasil dari keduanya dihitung otomatis menggunakan Microsoft Excel dan SPSS, hasilnya pun sama.
  • 28. Hasil dari Kemiringan (Skewness) sebesar 0.082 berarti datanya miring ke kekanan karna a > 0, sedangkan hasil untuk keruncingan (Kurtosis) sebesar 0.190 artinya keruncingan data ini disebut dengan Platikurtis. Hasil dari keduanya dihitung otomatis menggunakan Microsoft Excel dan SPSS, hasilnya pun sama, untuk perhitungan manualnya tidak selaras dengan hasil SPSS dan Microsoft Excel. KESIMPULAN
  • 29.  REFERENSI UBSI (2020). Minggu keempat: Statistika [portable document format]. Diakses dari http://students.bsi.ac.id/mahasiswa/jadwal_kuliah_d3_a3a7 19fa.aspx Pitanatri, Putu DIah Sastri. 2017, September 10). Menulis daftar pustaka APA STYLE. Diakases dari https://diahsastri.com/2017/11/28/menulis-daftar-pustaka- apa-style/ Amalia, D., Afifah, Nur, K., Wahyuningsih, N., Nurjanah, P., Rahmawati, S., Siahaan, T., Choirunnisa, T., & Wati, Anggia, Y. (2019). Kemiringan dan keruncingan: Data nilai pts ganjil mata pelajaran fiqih mts al-amar legok kelas 7 tahun 2019, 1-29. Asmoro, W. (2020, April 11). Cara membuat daftar distribusi frekuensi tunggal dan kelompok [Video File]. Diakses dari https://www.youtube.com/watch? v=ZFGcwM2R_5c&feature=youtu.be. Faiha, N. (2020, April 26). Tingkat kemencengan (skewness) [Video File]. Diakses dari https://www.youtube.com/watch? v=6b53rXdN_84&feature=youtu.be. Wisuda1, C. (2020, Mei 18). Kurtosis (koefisien keruncingan kurva) | konsep dan penjelasn [Video File]. Diakses dari https://www.youtube.com/watch?v=0wB- wEljwQk&feature=youtu.be. Safa, Rizka. (Momen kemiringan dan_keruncingan(7). (2015, Juni 17). Momen kemiringan dan_keruncingan(7). Diakses dari https://www.slideshare.net/rizka_safa/momen-kemiringan- dankeruncingan7.