Keruncingan disebut juga ketinggian kurva. Keruncingan atau kurtosis adalah tingkat kepuncakan dari sebuah distribusi yang biasanya diambil secararelatif terhadap suatu distribusi normal. Rata-rata dan ukuran penyebaran dapat menggambarkan distribusi data tetapi tidak cukup untuk menggambarkan sifat distribusi. Untuk dapat menggambarkan karakteristik dari suatu distribusi data, kita menggunakan konsep-konsep yang dikenal sebagai kemiringan (skewness) dan keruncingan (kurtosis). Ukuran keruncingan (Kurtosis) adalah derajat kepuncakan dari suatu distribusi, biasanya diambil relative terhadap distribusi normal. Andi Supangat (2007: 126) mengatakan bahwa tingkat keruncingan dari suatu kurva (kurtosis) merupakan besaran untuk menentukan jenis kurva (runcing, normal, atau datar). Kurtosis (ketinggian kurva) pada distribusi frekuensi di bagi dalam tiga bagian yaitu (1) leptokurtis (sangat runcing), mesokurtis (keruncingan sedang) dan platykurtis (kurva datar).

Kriteria untuk mengetahui model distribusi dari koefisien kurtosis sebagai berikut :

  • Jika koefisien kurang dari 0.263 maka distribusinya adalah platikurtik
  • Jika koefisien kurtosis sama dengan 0,263 maka distribusinya adalah mesokurtic
  • Jika koefisien kurtosis lebih dari 0,263 maka distribusinya adalah leptokurtic.

Kemiringan (skewness) berarti ketidaksimetrisan. Sebuah distribusi dikatakan simetris apabila nilai-nilainya tersebar merata disekitar nilai rata-ratanya. Nilai excess kurtosis menunjukkan data normal ketika nilai-nilai tersebut berada di antara rentang nilai -2 sampai dengan 2. Sebagai contoh nilai excess kurtosis dari variabel keamanan system (K) dengan indikator KP1 adalah -0.573, KP2 adalah 0.449, KP3 adalah 0.082, KP4 adalah -0.142 dan KP5 adalah 1.099. Semua nilai excess kurtosis pada indikator tersebut berada pada rentang nilai -2 sampai dengan 2, sehingga dapat disimpulkan bahwa data tersebut normal. Untuk mencari nilai Kemiringan (skewness) dari data sampel pada penelitian ilmiah bisa mengunakan SPSS atau Ms Excel atau software lainnnya.

Referensi:

  • Andi Supangat, 2007, Statistika Dalam Kajian Deskriptif, Inferensial, dan. Nonparametik. Edisi Pertama, Jakarta : Kencana.

Image Sources: Google Images