Σ
SDCalc
LanjutanTeori·15 min

Skewness dan Kurtosis: Melampaui Simpangan Baku

Pelajari skewness dan kurtosis - momen ketiga dan keempat yang menggambarkan bentuk distribusi melampaui mean dan simpangan baku.

Melampaui Mean dan Simpangan Baku

Sementara mean dan simpangan baku menggambarkan pusat dan sebaran, skewness (kecondongan) dan kurtosis menggambarkan bentuk distribusi—asimetri dan ketebalan ekor.

Dalam statistika, kita mendeskripsikan distribusi menggunakan “momen”—ringkasan matematis yang menangkap aspek bentuk yang berbeda:

  • Momen ke-1:Mean (tendensi sentral)
  • Momen ke-2:Varians/Simpangan Baku (sebaran)
  • Momen ke-3:Skewness (asimetri)
  • Momen ke-4:Kurtosis (ketebalan ekor)

Dua distribusi bisa memiliki mean dan simpangan baku yang identik namun terlihat sangat berbeda. Skewness dan kurtosis menangkap perbedaan ini, memberikan gambaran yang lebih lengkap tentang distribusi data Anda.

Skewness: Mengukur Asimetri

Skewness mengukur seberapa asimetris suatu distribusi. Skew positif berarti ekor kanan lebih panjang (misal, distribusi pendapatan), sementara skew negatif berarti ekor kiri lebih panjang.

Skewness Sampel

g₁ = [n/((n-1)(n-2))] × Σ[(xᵢ - x̄)/s]³
  • Skewness = 0:Distribusi simetris (normal, seragam)
  • Skewness > 0:Menceng kanan—mean melebihi median (pendapatan, harga rumah)
  • Skewness < 0:Menceng kiri—median melebihi mean (usia pensiun, nilai ujian dengan batas atas)

Data Menceng Kanan yang Umum

Banyak fenomena dunia nyata menceng kanan: pendapatan, kekayaan, ukuran perusahaan, populasi kota, klaim asuransi, dan waktu tunggu. Dalam kasus ini, mean ditarik naik oleh nilai ekstrem, menjadikan median ukuran “tipikal” yang lebih baik.

Pedoman interpretasi:

  • |Skewness| < 0,5: Mendekati simetris
  • 0,5 ≤ |Skewness| < 1: Cukup menceng
  • |Skewness| ≥ 1: Sangat menceng

Kurtosis: Ketebalan Ekor

Kurtosis mengukur seberapa tebal atau tipis ekor dibandingkan distribusi normal. Kurtosis tinggi berarti lebih banyak nilai ekstrem (ekor gemuk), kurtosis rendah berarti lebih sedikit.

Kesalahpahaman umum adalah bahwa kurtosis mengukur “keruncingan.” Meskipun terkait, kurtosis pada dasarnya tentang ekor. Distribusi dengan kurtosis tinggi memiliki lebih banyak massa probabilitas di ekor dan puncak, tetapi lebih sedikit di “bahu.”

Kurtosis Berlebih

g₂ = [n(n+1)/((n-1)(n-2)(n-3))] × Σ[(xᵢ - x̄)/s]⁴ - 3(n-1)²/((n-2)(n-3))
  • Mesokurtik (k ≈ 0):Ekor seperti normal (acuan perbandingan)
  • Leptokurtik (k > 0):Ekor gemuk, lebih banyak nilai ekstrem dari normal (imbal hasil saham, gempa bumi)
  • Platikurtik (k < 0):Ekor tipis, lebih sedikit ekstrem dari normal (distribusi seragam, data terbatas)

Ekor Gemuk dalam Keuangan

Imbal hasil finansial terkenal menunjukkan kurtosis tinggi (“ekor gemuk”). Peristiwa yang seharusnya terjadi sekali dalam satu abad berdasarkan asumsi distribusi normal terjadi jauh lebih sering. Mengabaikan kurtosis menyebabkan meremehkan risiko—pelajaran dari banyak krisis keuangan.

Aplikasi Praktis

Manajemen Risiko: Kurtosis tinggi berarti hasil ekstrem lebih sering terjadi. VaR dan ukuran risiko lainnya yang mengasumsikan normalitas mungkin secara drastis meremehkan risiko sebenarnya ketika kurtosis tinggi.

Pengendalian Mutu: Data manufaktur dengan kurtosis tinggi menunjukkan deviasi ekstrem dari target yang terjadi sesekali, meskipun kinerja rata-rata dapat diterima. Pola ini mungkin menunjukkan ketidakstabilan proses yang memerlukan penyelidikan.

Transformasi Data: Data yang sangat menceng mungkin mendapat manfaat dari transformasi (log, akar kuadrat) sebelum analisis. Tujuannya sering untuk mencapai normalitas mendekati untuk uji statistik yang mengasumsikannya.

Pengujian Statistik: Banyak uji mengasumsikan normalitas. Skewness atau kurtosis yang signifikan mungkin menunjukkan asumsi ini dilanggar, menyarankan penggunaan alternatif non-parametrik atau metode robust.

Pedoman Interpretasi

Pengujian Normalitas: Uji Jarque-Bera menggabungkan skewness dan kurtosis untuk menguji normalitas. Uji ini menolak normalitas ketika salah satu metrik menyimpang secara signifikan dari nol.

Pertimbangan Ukuran Sampel: Sampel kecil menghasilkan estimasi skewness dan kurtosis yang tidak andal. Dengan n < 50, statistik ini memiliki variabilitas pengambilan sampel yang tinggi. Dengan n < 20, mereka pada dasarnya tidak bermakna.

Kekokohan: Baik skewness maupun kurtosis sensitif terhadap pencilan. Satu nilai ekstrem dapat secara dramatis mempengaruhi statistik ini, jadi selalu visualisasikan data Anda bersama ringkasan numerik.

Further Reading

← Pusat Pembelajaran

How to Read This Article

A statistics tutorial is a practical interpretation guide, not just a formula dump. It refers to the assumptions, notation, and reporting language that analysts need when they explain a result to a teacher, manager, client, or reviewer. The article body covers the specific topic, while the sections below create a common interpretation frame that readers can reuse across related metrics.

Reading goalWhat to focus onCommon mistake
DefinitionWhat the metric is and what quantity it summarizesTreating the formula as self-explanatory
Formula choiceSample versus population assumptions and notationUsing n when n-1 is required or vice versa
InterpretationWhether the result indicates concentration, spread, or riskCalling a large value good or bad without context

Frequently Asked Questions

How should I interpret a high standard deviation?

A high standard deviation means the observations are spread farther from the mean on average. Whether that spread is acceptable depends on the context: wide dispersion might signal risk in finance, instability in manufacturing, or genuine natural variation in scientific data.

Why do some articles mention n while others mention n-1?

The denominator reflects the difference between population and sample formulas. Population variance and population standard deviation use N because the full dataset is known. Sample variance and sample standard deviation often use n-1 because Bessel’s correction reduces bias when estimating population spread from a sample.

What is a statistical interpretation guide?

A statistical interpretation guide is a page that moves beyond arithmetic and explains meaning. It tells you what a metric is, when the formula applies, and how to describe the result in plain English without overstating certainty.

Can I cite this article in a report?

You should cite the underlying authoritative reference for formal work whenever possible. This page is best used as an explanatory bridge that helps you understand the concept before quoting the original standard or handbook.

Why include direct citations on every article page?

Direct citations give readers a route to verify the definition, notation, and assumptions. That improves trust and reduces the chance that a simplified explanation is mistaken for the entire technical standard.

Authoritative References

These sources define the concepts referenced most often across our articles. Bessel's correction is a sample adjustment, variance is a squared measure of spread, and standard deviation is the square root of variance expressed in the same units as the data.