Memahami Askewness dalam Statistika dan Analisis Data

Askewness adalah ukuran seberapa besar penyimpangan sekumpulan data dari distribusi simetris. Ini didefinisikan sebagai jarak rata-rata titik data dari pusat distribusi.

Dengan kata lain, ketimpangan mengukur seberapa "miring" atau "miring" suatu distribusi. Sebaran dengan kemiringan yang tinggi berarti titik-titik data lebih tersebar pada satu sisi pusat dibandingkan pada sisi yang lain, sedangkan sebaran dengan kemiringan yang rendah berarti titik-titik data tersebar lebih merata di sekitar pusat.

Kemiringan dihitung dengan menggunakan rumus berikut :

Kecondongan = (jumlah semua deviasi dari mean) / (deviasi standar distribusi)

di mana jumlah semua deviasi dari mean dihitung dengan mengurangkan mean dari setiap titik data dan kemudian menjumlahkan semua perbedaan tersebut, dan standarnya deviasi distribusi adalah akar kuadrat dari varians distribusi.

Ketimpangan dapat digunakan dalam berbagai cara dalam statistik dan analisis data, seperti:

1. Untuk menentukan apakah suatu dataset simetris atau tidak. Jika kemiringannya mendekati nol, maka kumpulan data tersebut kira-kira simetris. Jika kemiringannya besar, maka kumpulan datanya sangat miring.
2. Untuk membandingkan bentuk kumpulan data yang berbeda. Tipe data yang berbeda sering kali memiliki tingkat ketimpangan yang berbeda pula. Misalnya, data keuangan mungkin lebih tidak tepat dibandingkan data ilmiah.
3. Untuk mengidentifikasi outlier dalam kumpulan data. Titik data yang jauh dari pusat sebaran kemungkinan mempunyai pengaruh yang besar terhadap ukuran ketimpangan.
4. Untuk memeriksa asumsi uji statistik. Banyak uji statistik berasumsi bahwa data kira-kira simetris dan terdistribusi normal. Jika ketimpangan datanya tinggi, maka asumsi tersebut mungkin tidak valid.