Skewness Adalah: Penjelasan, Jenis, dan Rumus
Populix

Skewness Adalah: Penjelasan, Jenis, dan Rumus

7 bulan yang lalu 3 MENIT MEMBACA

Dalam proses penelitian atau riset, ada yang dikenal dengan skewness. Sudah tahukah Anda tentang skewness? Melansir laman Research Connections, kecondongan atau skewness adalah kecenderungan sebaran suatu statistik menyimpang dari simetri.

Distribusi dapat condong dengan nilai lebih banyak ke kanan (positif) atau ke kiri (negatif). Ketika distribusinya miring, median adalah ukuran titik tengah distribusi yang lebih baik daripada rata-rata.

Yuk, pahami lebih detail tentang skewness di artikel ini!

Apa Itu Skewness?

Skewness adalah ukuran asimetris suatu distribusi, di mana dikatakan asimetris jika ruas kiri dan kanannya bukan merupakan bayangan cermin.

Mengutip laman Scribbr, suatu distribusi dapat miring atau condong ke kanan (positif), ke kiri (negatif), atau nol. Distribusi miring ke kanan lebih panajng pada sisi kanan puncaknya, sementara distribusi miring kiri lebih panajng pada sisi kiri puncaknya.

Skewness dapat digunakan untuk:

  • Menjelaskan distribusi suatu variabel bersama dengan statistik deskriptif lainnya
  • Menentukan apakah suatu variabel terdistribusi normal. Distribusi normal tidak mempunyai kemiringan nol dan merupakan asumsi dari banyak prosedur statistik.

Baca juga: Populasi dan Sampel Penelitian: Definisi hingga Perbedaannya

Jenis-Jenis Skewness

skewness adalah

Ada dua jenis skewness, yaitu positif dan negatif. Berikut ini penjelasannnya!

1. Positive Skewness

Skewness positif merupakan distribusi yang lebih condong ke kanan pada sisi puncaknya, dibandingkan pada sisi kirinya.

Anda dapat melihat kondisi ini dari ekor. Ekor adalah ujung distribusi yang panjang dan meruncing.

Hal itu menunjukkan bahwa terdapat pengamatan di salah satu ujung distribusi yang ekstrem, tetapi relatif jarang. Nah, skewness positif ini memiliki ekor panajng di sisi kanannya.

Rata-rata distribusi miring ke kanan hampir selalu besar daripada median. Sebab, nilai ekstrem (nilai di bagian ekor) lebih memengaruhi mean dibandingkan median.

2. Negative Skewness

Skewness negatif merupakan distribusi yang lebih condong ke kiri pada sisi puncaknya, dibandingkan pada sisi kanan. Dengan kata lain, distribusi yang condong ke kiri memiliki ekor panjang di sisi kirinya.

Rata-rata dari distribusi condong ke kiri hampir selalu lebih kecil dari mediannya.

Baca juga: Variabel Asing Adalah: Definisi, Jenis, Cara Mengendalikan

Normal Skewness

Selain skewness positif dan negatif, ada juga normal skewness.

Normal skewness atau kemiringan nol yaitu jika suatu distribusi tidak mempunyai kemiringan, maka distribusi tersebut simetris. Sisi kiri dan kanannya adalah bayangan cermin.

Distribusi normal memiliki kemiringan nol, tetapi distribusi ini bukanlah satu-satunya distribusi yang memiliki kemiringan nol.

Distribusi simetris apa pun, seperti distribusi seragam atau distribusi bimodal (dua puncak), juga akan mempunyai kemiringan nol.

Cara termudah untuk memeriksa apakah suatu variabel memiliki distribusi yang miring yaitu dengan memplotnya dalam histogram.

Baca juga: Double-Barreled Question: Definisi, Tips Menghindari, Contoh

Rumus Skewness

rumus skewness adalah

Sebenarnya ada beberapa rumus untuk mengukur skewness, tetapi salah satu yang paling sederhana yaitu Pearson’s median skewness. Ini memanfaatkan fakta bahwa mean dan median tidak setara dalam distribusi yang miring.

Pearson’s median skewness:

3\times\dfrac{(\textup{Mean}-\textup{Median})}{\textup{Standard\,\,deviation}}

Pearson’s median skewness memberi tahu Anda berapa banyak deviasi standar yang memisahkan mean dan median.

Observasi nyata jarang sekali memiliki median skewness Pearson yang tepat 0. Jika data Anda memiliki nilai yang mendekati 0, Anda dapat menganggapnya memiliki zero skew.

Tidak ada konvensi standar mengenai apa yang dianggap “cukup dekat” dengan 0 (walaupun penelitian ini menunjukkan bahwa 0,4 dan −0,4 adalah batas yang wajar untuk sampel besar).

***

Itulah penjelasan terkait skewness. Memahami skewness ini memang penting dalam segala proses penelitian atau riset, termasuk jika Anda melakukan survei online.

Dengan memahami skewness pada data survei online, kita dapat menggali informasi yang lebih mendalam dan akurat, memastikan bahwa hasil survei mencerminkan dengan tepat kecenderungan dan persepsi responden. Inilah kunci untuk mengambil keputusan yang lebih baik dan mendukung perkembangan positif dalam berbagai aspek bisnis atau penelitian.

Baca juga: Imputasi Data: Definisi, Metode, dan Pentingnya

Artikel Terkait
Total Quality Management (TQM): Pengertian, Elemen & Prinsip
Total Quality Management atau biasa disingkat TQM adalah suatu program perusahaan dalam rangka meningkatkan kepuasan konsumen (customer satisfaction). Dalam implementasinya, segala sumber daya bisnis akan digunakan, mulai dari karyawan, data, operasional, dan sebagainya.  Diharapkan langkah ini akan menumbuhkan loyalitas pelanggan sehingga membawa kesuksesan jangka panjang bagi suatu usaha. Pada artikel kali ini, Populix akan membahas […]
10 Tips dan Cara Memilih Jurusan S2 dengan Tepat
Melanjutkan pendidikan S2 menjadi impian sejumlah orang. Namun, memilih jurusan yang tepat sering menjadi tantangan tersendiri. Oleh karena itu, Anda perlu mengetahui cara memilih jurusan S2 yang sesuai dengan minat, tujuan, dan kebutuhan. Setiap individu tentu memiliki alasan yang berbeda-beda untuk melanjutkan studi S2. Ada yang karena alasan ingin mengejar karier, memperdalam pengetahuan di bidang […]
12 Ide Bisnis Startup Paling Menarik, Ini Tips Memulainya!
Pada zaman modern seperti sekarang ini, ide bisnis startup banyak bermunculan dengan beragam inovasi. Di Indonesia sendiri, pertumbuhan bisnis startup terbilang cukup pesat dalam beberapa tahun terakhir. Hal tersebut tentu tidak terlepas dari majunya perkembangan teknologi yang kemudian terus mendorong startup menjadi salah satu model bisnis paling menarik. Nah, artikel di bawah ini akan memberikan […]