Kecondongan dan Ketinggian Nerisa Agnesia Widiyanto SP M

  • Slides: 21
Download presentation
Kecondongan dan Ketinggian Nerisa Agnesia Widiyanto, SP. , M. Si

Kecondongan dan Ketinggian Nerisa Agnesia Widiyanto, SP. , M. Si

Penyebaran (Dispersion/Deviation)

Penyebaran (Dispersion/Deviation)

Metode deviasi pangkat dua Harga Buku (x) Metode rata-rata pangkat dua Harga Buku (x)

Metode deviasi pangkat dua Harga Buku (x) Metode rata-rata pangkat dua Harga Buku (x) 10 -1 1 12 1 1 9 -2 4 8 -3 9 16 5 25 X² 10 100 12 144 9 81 8 64 16 256

KOEFISIEN KECONDONGAN (SKEWNESS) Koefisien kecondongan menunjukkan apakah kurva condong positif, negatif atau normal. Rumus

KOEFISIEN KECONDONGAN (SKEWNESS) Koefisien kecondongan menunjukkan apakah kurva condong positif, negatif atau normal. Rumus kecondongan adalah : Dimana : Sk : koefisien kecondongan µ : nilai rata-rata hitung Mo : nilai modus Md : nilai median σ : standar deviasi *) Untuk data dikelompokan rumus tetap sama dan di kalikan Sk =(fi) [µ - Mo ]. fi / atau = 3. [µ - Md]. fi / dengan

KOEFISIEN KECONDONGAN (SKEWNESS) Nilai Sk (Skewness): Sk = 3 berarti normal, Sk > 3

KOEFISIEN KECONDONGAN (SKEWNESS) Nilai Sk (Skewness): Sk = 3 berarti normal, Sk > 3 condong positif Sk < 3 condong negatif.

Ukuran Kecondongan - Skewness Ukuran kecondongan – kemencengan Kurva tidak simetris Pada kurva distribusi

Ukuran Kecondongan - Skewness Ukuran kecondongan – kemencengan Kurva tidak simetris Pada kurva distribusi frekuensi diketahui dari posisi modus, rata dan media Pendekatan : Jika Rata-rata = median = modus : Simetris Rata-rata < median < modus : Menceng ke kiri Rata-rata > median > modus : Menceng ke kanan

KURVA KECONDONGAN

KURVA KECONDONGAN

Koefisien Skewness Sk = [µ - Mo ] / atau = 3. [µ -

Koefisien Skewness Sk = [µ - Mo ] / atau = 3. [µ - Md] / Contoh kasus data µ = 33. 68 Mo = 18 Md = 32 = 11. 2439 Sk = [33. 68 - 18 ] / 11. 2439 Sk = 15. 68 / 11. 2439 Sk = 1. 394 µ = Nilai rata – rata hitung Mo = Nilai modus Md = Nilai median = Standar deviasi Sk = {3. [ 33. 68 – 32]} 11. 2439 Sk = 5. 04 / 11. 2439 Sk = 0. 4482

Ukuran Keruncingan - Kurtosis Keruncingan disebut juga ketinggian kurva Pada distribusi frekuensi di bagi

Ukuran Keruncingan - Kurtosis Keruncingan disebut juga ketinggian kurva Pada distribusi frekuensi di bagi dalam tiga bagian : Leptokurtis = Sangat runcing Mesokurtis = Keruncingan sedang Platykurtis = Kurva datar

Contoh Soal: Sk = [µ - Mo ] / atau = 3. [µ -

Contoh Soal: Sk = [µ - Mo ] / atau = 3. [µ - Md] /

Answer:

Answer:

KOEFISIEN KERUNCINGAN (KURTOSIS) Koefisien keruncingan menunjukkan apakah kurva bersifat normal, runcing, atau datar. Rumus

KOEFISIEN KERUNCINGAN (KURTOSIS) Koefisien keruncingan menunjukkan apakah kurva bersifat normal, runcing, atau datar. Rumus koefisien keruncingan untuk data tidak berkelompok adalah : Dimana : α 4 : koefisien kurtosis n : jumlah data X : nilai data µ : nilai rata-rata hitung data

KOEFISIEN KERUNCINGAN (KURTOSIS) Untuk data yang dikelompokkan dirumuskan sbb : Dimana : α 4

KOEFISIEN KERUNCINGAN (KURTOSIS) Untuk data yang dikelompokkan dirumuskan sbb : Dimana : α 4 : koefisien kurtosis n : jumlah data f : jumlah frekuensi kelas X : nilai tengah kelas µ : nilai rata-rata hitung data σ : standar deviasi

Koefisien Kurtosis Bentuk kurva keruncingan – kurtosis Mesokurtik 4 = 3 Leptokurtik 4 >

Koefisien Kurtosis Bentuk kurva keruncingan – kurtosis Mesokurtik 4 = 3 Leptokurtik 4 > 3 Platikurtik 4 < 3 Koefisien kurtosis (data tidak dikelompokan) 4 4 1/n ∑(x ) = 4 Nilai data

UKURAN KERUNCINGAN

UKURAN KERUNCINGAN

Koefisien Kurtosis Koefisien kurtosis (data dikelompokan) 4 = 1/n ∑ f. (X - )4

Koefisien Kurtosis Koefisien kurtosis (data dikelompokan) 4 = 1/n ∑ f. (X - )4 4 Jumlah Frekuensi Nilai rata – rata hitung Standar deviasi Nilai tengah kelas

Hitunglah Keruncingannya! Berikut adalah 20 frekuensi saham pilihan BEJ Maret 2003 Kolom bantuan yang

Hitunglah Keruncingannya! Berikut adalah 20 frekuensi saham pilihan BEJ Maret 2003 Kolom bantuan yang harus dicari!

Penyelesaiannya

Penyelesaiannya

Any Queries ?

Any Queries ?