Kenali Analisis Statistik dalam Ukuran Penyebaran Data
Dalam analisis statistik, tidak hanya ukuran pemusatan saja yang dipertimbangkan. Data dalam analisis statistik ternyata belum cukup untuk menggambarkan kejelasan dan kecenderungan. Dengan demikian analisis statistik deskriptif juga bisa dibuktikan dengan ukuran penyebaran data. Dalam pengukuran statistik, selain ukuran pemusatan dan ukuran letak data juga ada ukuran penyebaran data. Ukuran penyebaran data menunjukkan seberapa jauh suatu data menyebar dari rata-ratanya. Ukuran penyebaran data juga menunjukkan keragaman pengamatan yang ditunjukkan dengan simpangan (deviasi). Terdapat beberapa ukuran untuk menentukan sebaran data, seperti jangkauan/rentang (range), simpangan kuartil (quartile deviation), simpangan rata-rata (mean deviation), dan simpangan baku (standard deviation). Ukuran tendensi sentral (mean, median, mode) merupakan nilai pewakil dari suatu distribusi frekuensi, tetapi ukuran tersebut tidak memberikan gambaran informasi yang lengkap mengenai bagaimana penyebaran data pengamatan terhadap nilai sentralnya. Ukuran tendensi sentral saja tidak cukup untuk menggambarkan distribusi frekuensi.
Selain itu kita harus memiliki ukuran persebaran data pengamatan. Adapun contoh sebaran datanya bisa dideteksi melalui penyimpangan data seperti skewness dan kurtosis. Skewness menunjukkan kemiringan suatu data dan kurtosis yang menunjukkan keruncingan suatu data. Skewness menyatakan ketidaksimetrisan sedangkan kurtosis lebih ke kelancipan dari distribusi terhadap distribusi normalnya. Keduanya didaulat menjadi ukuran untuk melihat apakah data statistik telah terbukti terdistribusi secara normal atau tidak. Keduanya tetap dipakai dalam melakukan pengukuran penyebaran data. Lalu, kira-kira apa saja sih penjabaran dari masing-masing perbandingan model regresi berikut. Yuk mari kita jawab rasa penasaran kamu lewat artikel berikut ini ya! Pada artikel DQLab kali ini, kita akan membahas mengenai perbandingan model regresi dan apa saja perbedaannya. Dengan harapan bisa menjadi tambahan insight dan rekomendasi bagi kalian calon praktisi data, pemula data maupun data enthusiast. Jangan lewatkan artikel berikut ini, pastikan simak baik-baik, stay tune and keep scrolling on this article guys!
1. Kurtosis
Dalam statistik, kurtosis didefinisikan sebagai parameter ketajaman relatif dari puncak kurva distribusi probabilitas. Ini memastikan cara pengamatan dikelompokkan di sekitar pusat distribusi. Ini digunakan untuk menunjukkan kerataan atau puncak dari kurva distribusi frekuensi dan mengukur ekor atau outlier dari distribusi. Kurtosis positif menyatakan bahwa distribusi lebih memuncak daripada distribusi normal, sedangkan kurtosis negatif menunjukkan bahwa distribusi kurang memuncak daripada distribusi normal. Jenis kurtosis dalam ukuran penyebaran dibagi menjadi tiga tipe yaitu Leptokurtik, Mesokurtik dan Platikurtik. Perbedaannya adalah leptokurtik menunjukkan kurtosis yang mengarah kepada tajam memuncak dengan ekor gemuk dan kurang bervariasi. Mesokurtik menunjukkan kondisi kurtosis yang sedang memuncak. Terakhir ada platykurtic yang menunjukkan puncak kurva paling rata dan sangat tersebar.
Baca juga : Pengolahan Data Statistik Parametrik dan Non-Parametrik
2. Skewness
Skewness merupakan ukuran ketidaksimetrisan dalam penyebaran data. Terutama pada distribusi nilai. Tanda skewness diwakili dengan nilai positif, negatif bahkan nol. Skewness yang bernilai positif berarti ekor distribusi berada di sebelah kanan nilai terbanyak. Berarti, sebagian besar distribusi berada di nilai rendah. Skewness yang bernilai negatif berarti ekor distribusi berada di sebelah kiri, menunjukkan bahwa sebagian besar nilai berada di sisi kanan kurva. Sementara skewness bernilai nol berarti nilai terdistribusi secara simetris, dengan jarak antara ekor distribusi sebelah kanan dan kiri sama besar.
Skewness juga diartikan sebagai singgungan atas kecenderungan distribusi yang menentukan simetri tentang mean atau rata-rata. Dalam distribusi miring, kurva diperpanjang ke kiri atau kanan. Jadi, ketika plot diperluas ke sisi kanan lebih, itu menunjukkan kemiringan positif, di mana mode < median < mean. On the other hand, when the plot is stretched more towards the left direction, then it is called as negative skewness and so, mean < median < mode.
3. Perbedaan Kurtosis dan Skewness
Keduanya baik skewness maupun kurtosis merupakan dua hal yang penting diperhatikan khususnya dalam interpretasi statistik deskriptif. Perbedaannya antara skewness dan kurtosis terletak pada ukurannya yang pertama. Dari ukuran, skewness menunjukkan tingkat ketidakseimbangan dalam distribusi atau penyebaran data. Sedangkan kurtosis menggambarkan tingkat kebuntuan dalam suatu distribusi data. Skewness menyinggung kecenderungan distribusi yang menentukan simetri tentang mean atau rata-rata. Sedangkan kurtosis lebih menitikberatkan pada ukuran ketajaman masing-masing kurva. Khususnya dalam distribusi frekuensi.
4. Simpangan Kuartil
Selanjutnya adalah simpangan kuartil. Sebelum membahas lebih jauh terkait simpangan kuartil, kita bahas pengertian kuartil terlebih dahulu. Kuartil merupakan nilai-nilai yang membagi data yang telah diurutkan kedalam empat bagian yang nilainya sama besar. Ketika menentukan letak kuartil dalam kasus data tunggal, maka harus melihat kondisi jumlah datanya dulu. Barulah kita bisa menentukan berapakah besarnya kuartil data tersebut. Selain kuartil, ada pula istilah simpangan kuartil.
Jangkauan kuartil disebut juga dengan simpangan kuartil atau rentang semi antar. Kuartil pada suatu data dapat didapatkan dengan cara membagi data tersebut secara terurut menjadi empat bagian yang memiliki nilai sama besar. K3 “ K1. / JAK ialah merupakan jangkauan antar kuartil, K3 dan, K1 =kuartil ke 1).Simpangan kuartil terdapat tiga jenis antara lain kuartil bawah (Q1), Kuartil tengah atau Q2 dan kuartil atas atau Q3. Batas antara bagian pertama dan bagian kedua disebut dengan kuartil bawah (Qâ‚). Batas antara bagian kedua dan bagian kedua disebut dengan kuartil tengah atau median (Qâ‚‚). Batas antara bagian ketiga dan bagian keempat disebut dengan kuartil atas (Q₃).
5. Range
Terakhir adalah range dalam ukuran penyebaran data. Dalam sekelompok data kuantitatif akan terdapat data dengan nilai terbesar dan data dengan nilai terkecil. Rentang (range) atau disebut juga dengan jangkauan adalah selisih antara data dengan nilai yang terbesar dengan data dengan nilai yang terkecil tersebut. R = xmax - xmin ‹dimana RR adalah range (jangkauan atau rentang), x max adalah nilai data yang paling besar dan x min adalah nilai data yang paling kecil.
Baca juga : Yuk Pelajari Macam-Macam Metode Analisis Statistika
6. Belajar Statistika Sampai Mahir Bersama DQLab!
Agar skill statistik kamu semakin terasah, tidak salah lagi jika kamu bisa upgrade skillmu bersama DQLab! Kamu bisa loh untuk coba bikin akun gratisnya kesini di DQLab.id dan lakukan signup untuk dapatkan info-info terbaru serta belajar data science. Banyak benefit yang bisa kamu dapatkan jika kamu bergabung untuk belajar bersama DQLab! Nikmati pengalaman belajar data science yang menarik dan cobain berlangganan bersama DQLab yang seru dan menyenangkan dengan live code editor. Cobain juga free module Introduction to Data Science with R dan Introduction to Data Science with Python untuk menguji kemampuan data science kamu gratis! Jika ingin berlangganan kalian bisa mendapatkan benefit yang beragam salah satunya mencoba modul platinum dan career track.
Dapatkan keuntungan-keuntungan yang didapatkan salah satunya tidak perlu install software tambahan. Karena kalian belajar secara langsung terhubung dengan live code editor dari device yang kalian gunakan. Kalian juga bisa mencoba studi kasus penerapan real case industry. Jika kamu kesulitan dalam proses pembelajaran di DQLab, kamu bisa loh gabung ke discord kita untuk menanyakan hal-hal yang kurang jelas dan bingung bagaimana cara penyelesaiannya. Kamu juga diberikan kesempatan mendapatkan job connector dari perusahaan ternama di ranah industri data. Uniknya kamu bisa langsung apply dari akun kamu loh. So, tunggu apalagi, buruan SIGNUP Sekarang ya!
Penulis: Reyvan Maulid