Perbedaan Antara Skewness dan Kurtosis
Skewness, dalam istilah dasar, menyiratkan off-center, begitu juga dalam statistik, itu berarti kurangnya simetri. Dengan bantuan skewness, seseorang dapat mengidentifikasi bentuk distribusi data.
Di sisi lain Kurtosis, mengacu pada runcingnya puncak dalam kurva distribusi. Perbedaan utama antara Skewness dan kurtosis adalah bahwa yang pertama berbicara tentang tingkat simetri, sedangkan yang terakhir berbicara tentang tingkat puncaknya, dalam frekuensi distribusi.
Data dapat didistribusikan dengan banyak cara, seperti menyebar lebih ke kiri atau ke kanan atau menyebar secara merata. Ketika data tersebar merata di titik pusat, itu disebut Distribusi Normal. Kurva ini simetris sempurna, berbentuk lonceng, yaitu kedua sisinya sama besar, sehingga tidak miring. Di sini ketiga mean, median dan modus terletak pada satu titik.
Skewness dan Kurtosis adalah dua karakteristik penting dari distribusi yang dipelajari dalam statistik deskriptif. Untuk lebih memahami pemahaman kedua konsep ini, mari kita lihat artikel yang diberikan di bawah ini.
Tabel Perbandingan
Definisi Skewness
Istilah 'Skewness' digunakan untuk mengartikan tidak adanya simetri dari rata-rata kumpulan data. Merupakan ciri penyimpangan dari rata-rata, lebih besar di satu sisi dari yang lain, yaitu atribut distribusi memiliki satu ekor lebih berat dari yang lain. Skewness digunakan untuk menunjukkan bentuk sebaran data.
Dalam distribusi miring, kurva diperpanjang ke sisi kiri atau kanan. Jadi, ketika plot lebih diperpanjang ke arah kanan, itu menunjukkan kemiringan positif, di mana mode < median < mean. Sebaliknya, ketika plot diregangkan lebih ke arah kiri, maka disebut sebagai skewness negatif dan, rata-rata < median < mode.
Definisi Kurtosis
Dalam statistik, kurtosis didefinisikan sebagai parameter ketajaman relatif dari puncak kurva distribusi probabilitas. Ini memastikan cara pengamatan berkerumun di sekitar pusat distribusi. Ini digunakan untuk menunjukkan kerataan atau puncak dari kurva distribusi frekuensi dan mengukur ekor atau outlier dari distribusi.
Kurtosis positif menunjukkan bahwa sebarannya lebih berpuncak daripada sebaran normal, sedangkan kurtosis negatif menunjukkan bahwa sebarannya kurang berpuncak dari sebaran normal. Ada tiga jenis distribusi:
- Leptokurtik: Memuncak tajam dengan ekor gemuk, dan kurang bervariasi.
- Mesokurtic: Sedang memuncak
- Platykurtic: Puncak paling datar dan sangat tersebar.
Perbedaan Utama Antara Skewness dan Kurtosis
Poin-poin yang disajikan kepada Anda menjelaskan perbedaan mendasar antara kemiringan dan kurtosis:
1. Karakteristik distribusi frekuensi yang memastikan simetrinya terhadap mean disebut skewness. Di sisi lain, Kurtosis berarti kecuraman relatif dari kurva lonceng standar, yang ditentukan oleh distribusi frekuensi.
2. Skewness adalah ukuran derajat kemiringan dalam distribusi frekuensi. Sebaliknya, kurtosis adalah ukuran derajat kekusutan dalam distribusi frekuensi.
3. Skewness adalah indikator kurangnya simetri, yaitu sisi kiri dan kanan kurva tidak sama, sehubungan dengan titik pusat. Berlawanan dengan ini, kurtosis adalah ukuran data, yang memuncak atau datar, sehubungan dengan distribusi probabilitas.
4. Skewness menunjukkan seberapa besar dan ke arah mana nilai-nilai menyimpang dari mean? Sebaliknya, kurtosis menjelaskan seberapa tinggi dan tajam puncak pusatnya?
Kesimpulan
Untuk distribusi normal, nilai statistik skewness dan kurtosis adalah nol. Inti dari distribusi adalah bahwa dalam skewness plot distribusi probabilitas direntangkan ke kedua sisi. Di sisi lain, kurtosis mengidentifikasi jalannya; nilai dikelompokkan di sekitar titik pusat pada distribusi frekuensi.
