Cara menghitung skewness & kurtosis dengan python

Dalam statistik, skewness dan kurtosis adalah dua cara untuk mengukur bentuk suatu distribusi.

Skewness adalah ukuran kemiringan suatu distribusi. Nilai ini bisa positif atau negatif.

• Kemiringan negatif menunjukkan bahwa ekornya berada di sisi kiri distribusi, yang mengarah ke nilai yang lebih negatif.
• Kemiringan positif menunjukkan bahwa ekornya berada di sisi kanan distribusi, yang mengarah ke nilai yang lebih positif.
• Nilai nol menunjukkan tidak adanya asimetri dalam distribusi, artinya distribusi tersebut simetris sempurna.

Kurtosis merupakan ukuran apakah suatu distribusi tergolong berat atau ringan dibandingkan dengan distribusi normal .

• Kurtosis berdistribusi normal adalah 3.
• Jika suatu distribusi mempunyai kurtosis kurang dari 3, maka dikatakan playkurtic , artinya distribusi tersebut cenderung menghasilkan outlier yang lebih sedikit dan tidak ekstrim dibandingkan distribusi normal.
• Jika suatu distribusi mempunyai kurtosis lebih besar dari 3 maka dikatakan leptokurtik , artinya cenderung menghasilkan lebih banyak outlier dibandingkan distribusi normal.

Catatan: Beberapa rumus (definisi Fisher) mengurangkan 3 dari kurtosis agar lebih mudah dibandingkan dengan distribusi normal. Dengan menggunakan definisi ini, suatu distribusi akan memiliki kurtosis yang lebih besar daripada distribusi normal jika nilai kurtosisnya lebih besar dari 0.

Tutorial ini menjelaskan cara menghitung skewness dan kurtosis dari kumpulan data tertentu dengan Python.

Contoh: Kemiringan dan Perataan dengan Python

Misalkan kita memiliki kumpulan data berikut:

 data = [88, 85, 82, 97, 67, 77, 74, 86, 81, 95, 77, 88, 85, 76, 81]

Untuk menghitung sampel skewness dan kurtosis dari dataset ini, kita dapat menggunakan fungsi skew() dan kurt() dari perpustakaan Scipy Stata dengan sintaks berikut:

• bias (array nilai, bias = salah)
• kurt (array nilai, bias = salah)

Kami menggunakan argumen bias=False untuk menghitung skewness dan kurtosis sampel sebagai lawan dari skewness dan kurtosis populasi.

Berikut cara menggunakan fungsi ini untuk kumpulan data khusus kami:

 data = [88, 85, 82, 97, 67, 77, 74, 86, 81, 95, 77, 88, 85, 76, 81]

#calculate sample skewness
skew(data, bias= False )

0.032697

#calculate sample kurtosis
kurtosis(data, bias= False )

0.118157

Skewnessnya ternyata 0.032697 dan kurtosisnya jadi 0.118157 .

Artinya distribusi tersebut sedikit condong positif dan memiliki nilai lebih banyak di bagian ekor dibandingkan dengan distribusi normal.

Sumber Tambahan: Kalkulator Skewness dan Kurtosis

Anda juga dapat menghitung kemiringan untuk kumpulan data tertentu menggunakan Kalkulator Skewness dan Kurtosis Statistik , yang secara otomatis menghitung kemiringan dan kurtosis untuk kumpulan data tertentu.