Memahami Distribusi Data: Perbedaan Antara Skewness Kanan dan Kiri

Gordon Scott telah berpengalaman lebih dari 20 tahun sebagai investor aktif dan analis teknikal. Ia juga merupakan Chartered Market Technician (CMT).

Definisi Skewness

Skewness adalah ukuran ketidaksimetrian dalam sekumpulan data. Ketika data tidak tersebar secara seimbang di sekitar median, distribusi tersebut mengalami skew atau kemiringan.

Apa Itu Skewness?

Skewness mengukur sejauh mana data menyimpang dari distribusi simetris normal. Pada distribusi yang ideal, data tersebar merata di kedua sisi median. Namun, jika terdapat lebih banyak nilai ekstrem di satu sisi, distribusi menjadi miring.

Skewness yang tinggi bisa menandakan keberadaan outlier atau distribusi yang memiliki puncak tajam (kurtosis). Distribusi yang miring ke kanan (right-skewed) memiliki ekor panjang di sisi kanan, sehingga rata-rata lebih besar dari median. Sebaliknya, distribusi yang miring ke kiri (left-skewed) memiliki ekor panjang di sisi kiri, membuat rata-rata lebih kecil dari median.

Poin Penting

• Skewness menunjukkan ketidaksimetrian data.
• Distribusi bisa positif (miring kanan) atau negatif (miring kiri).
• Distribusi normal memiliki skewness nol.
• Skewness sering dijumpai pada pengembalian pasar saham dan distribusi pendapatan individu.

Jenis-Jenis Skewness

Skewness negatif (miring kiri) berarti ekor distribusi lebih panjang di sisi kiri, sedangkan skewness positif (miring kanan) berarti ekor lebih panjang di sisi kanan. Hal ini menggambarkan arah distribusi data.

Contoh distribusi yang miring ke kanan menunjukkan bahwa nilai ekstrim yang tinggi lebih sering terjadi, sehingga rata-rata terdorong ke kanan. Sebaliknya, distribusi miring ke kiri menunjukkan banyak nilai ekstrim rendah yang mendorong rata-rata ke kiri.

Distribusi miring kanan biasanya memiliki sebagian besar data di sebelah kiri rata-rata, dengan beberapa nilai ekstrem tinggi di sisi kanan. Sebaliknya, distribusi miring kiri memiliki sebagian besar data di sebelah kanan rata-rata dengan beberapa nilai ekstrem rendah di sisi kiri.

Penting Diketahui

Skewness nol menandakan distribusi simetris, tanpa kecenderungan kemiringan ke kanan atau kiri, terlepas dari panjang atau ketebalan ekornya.

Cara Mengukur Skewness

Dua metode populer untuk mengukur skewness adalah koefisien skewness Pearson pertama dan kedua. Koefisien pertama menggunakan perbedaan antara rata-rata dan modus dibagi standar deviasi, sedangkan koefisien kedua menggunakan tiga kali perbedaan antara rata-rata dan median dibagi standar deviasi.

Rumus Koefisien Skewness Pearson

Sk1 = (X̄ - Mo) / s
Sk2 = 3 (X̄ - Md) / s

Dimana:
Sk1 = Koefisien skewness pertama
Sk2 = Koefisien skewness kedua
s = Standar deviasi
X̄ = Rata-rata
Mo = Modus
Md = Median

Koefisien pertama lebih cocok digunakan jika data memiliki modus yang jelas, sedangkan koefisien kedua lebih baik jika data memiliki modus yang lemah atau banyak modus.

Tips

Skewness membantu mengidentifikasi lokasi outlier, meskipun tidak memberi tahu jumlah outlier yang ada.

Makna Skewness bagi Investor

Investor memperhatikan skewness karena mencerminkan ekstrem dalam data pengembalian, bukan hanya nilai rata-rata. Hal ini penting bagi investor jangka pendek dan menengah yang menghadapi risiko tinggi dari nilai ekstrim.

Model prediksi keuangan yang hanya mengandalkan standar deviasi mengasumsikan distribusi normal, padahal banyak data pasar sebenarnya miring. Oleh karena itu, skewness menjadi parameter penting untuk memprediksi kinerja lebih akurat.

Risiko skewness adalah risiko munculnya nilai ekstrim dalam distribusi yang miring. Model keuangan yang mengabaikan skewness akan meremehkan risiko ini, sehingga hasil prediksi menjadi kurang tepat.

Contoh Skewness

Salah satu contoh nyata skewness dapat ditemukan dalam permainan judi, di mana kemungkinan kalah besar namun ada peluang kecil mendapatkan kemenangan sangat besar.

Misalnya, taruhan pada satu nomor di roulette: pemain memasang taruhan $100 pada satu nomor dari 38. Jika bola mendarat di nomor tersebut, pemain mendapat hadiah sekitar $3,500 plus modal. Jika tidak, pemain kehilangan $100.

Meski sebagian besar putaran menghasilkan kerugian, rata-rata kerugian hanya sekitar 5%. Peluang kemenangan yang jarang tapi besar membuat distribusi hasil taruhan sangat miring ke kanan.

Penjelasan Sederhana

Skewness adalah ukuran kemiringan data. Jika data miring kanan, rata-rata lebih besar dari sebagian besar nilai data. Jika miring kiri, rata-rata lebih kecil dari sebagian besar data.

Skewness yang kuat berarti ada nilai ekstrim yang memengaruhi rata-rata. Jika skewness nol, data terbagi rata di kedua sisi rata-rata.

Investor mempelajari skewness untuk memahami potensi hasil investasi. Beberapa aset mungkin punya keuntungan tinggi secara rata-rata, tapi juga risiko kerugian besar karena skewness yang tinggi.

Di Mana Skewness Terlihat di Ekonomi?

Pasar saham secara umum sering menunjukkan distribusi yang miring ke kiri, dengan keuntungan kecil yang sering terjadi dan kerugian besar yang jarang muncul. Namun, saham perusahaan tertentu bisa menunjukkan skewness kiri yang berbeda.

Distribusi pendapatan rumah tangga di Amerika Serikat adalah contoh lain dari skewness, dengan sebagian besar pendapatan terkonsentrasi di kisaran tertentu dan sebagian kecil pendapatan sangat tinggi.

Apa Penyebab Skewness?

Skewness terjadi ketika data terkonsentrasi di satu rentang nilai dan lebih tersebar di rentang lain. Misalnya, pada lompat jauh Olimpiade, banyak atlet mencapai jarak jauh, sedangkan sedikit yang mencapai jarak pendek, menyebabkan distribusi miring ke kanan.

Apakah Skewness Normal?

Skewness umum ditemui dalam berbagai data. Contohnya adalah umur manusia rata-rata: kebanyakan orang meninggal di usia lanjut, sehingga distribusi umur kematian miring ke kanan dan ini adalah hal yang wajar.

Kesimpulan

Skewness adalah ukuran statistik yang menunjukkan apakah distribusi data tidak simetris. Distribusi miring kanan memiliki lebih banyak nilai tinggi, sementara distribusi miring kiri memiliki lebih banyak nilai rendah. Memahami skewness penting untuk analisis data, terutama dalam investasi dan ekonomi.

Temukan berita terbaru dan peristiwa terkini di kategori Analisis Teknikal pada tanggal 30-01-2025. Artikel berjudul "Memahami Distribusi Data: Perbedaan Antara Skewness Kanan dan Kiri" memberikan informasi paling relevan dan terpercaya di bidang Analisis Teknikal. Setiap berita dianalisis secara mendalam untuk memberikan wawasan berharga bagi pembaca kami.

Informasi dalam artikel " Memahami Distribusi Data: Perbedaan Antara Skewness Kanan dan Kiri " membantu Anda membuat keputusan yang lebih tepat dalam kategori Analisis Teknikal. Berita kami diperbarui secara berkala dan mematuhi standar jurnalistik.