Anda di halaman 1dari 8

MATERI INISIASI 1

STATISTIKA EKONOMI (ESPA4123)

PENGERTIAN DATA DAN STATISTIK

Data dan statistik mempunyai hubungan yang sangat erat. Selain itu, keduanya juga
mempunyai hubungan yang sangat erat dengan kehidupan manusia sehari-hari, dengan
bidang ilmu pengetahuan, baik yang eksakta, sosial, ekonomi, bisnis dan lain-lain. Data dan
statistik serta fungsi keduanya, banyak memberikan kegunaan yang sangat tidak ternilai
bagi manusia, bagi kita semua.

DATA, KEGUNAAN DAN FUNGSINYA

Anda sebagai individu, seorang manajer, atau mungkin seorang pengusaha, menginginkan
untuk:
 Mengetahui siapa saja yang akan pensiun tahun depan, dari bagian mana, apa jabatannya,
berapa pesangon yang akan didapat, dan sebagainya. Tujuannya adalah antara lain:
 Mempersiapkan dana, berapa besarnya untuk pembayaran pesangon mereka.
 Mempersiapkan penerimaan karyawan baru untuk mengganti karyawan yang bakal
pensiun tersebut (walaupun tidak semua).
Untuk maksud tersebut, Anda memerlukan data berupa data pegawai, yang mungkin
cukup didapat dari dalam perusahaan sendiri.
 Mengetahui tingkat kepuasan konsumen produk yang anda pasarkan, bagaimana respon
mereka terhadap mutu produk Anda, harga, pelayanan dan sebagainya. Untuk inipun,
Anda perlu data, malah mungkin data tersebut perlu dikumpulkan di lapangan melalui
survei (terlepas dari apakah dilakukan sendiri atau dengan membayar lembaga riset
yang Anda percayai).
 Mengetahui apakah proses produksi saat ini masih terkendali atau tidak. Berapa persen
dari produksi yang tertolak karena dianggap cacat, lengkap dengan perinciannya per
mesin, per lokasi, kapan, mengapa dan lain-lain. Untuk inipun, Anda memerlukan data
(yang didapat dari bagian produksi).
 Mengetahui perkembangan perekonomian (trend) untuk jangka waktu tertentu,
pertumbuhan penduduk penduduk, pendapatan nasional dan sebagainya . Termasuk
juga mengetahui faktor-faktor atau variabel yang mempengaruhi pertumbuhan
ekonomi.

Dari contoh-contoh tersebut diatas, kita mengetahui betapa pentingnya data. Dengan data,
kita mengetahui gambaran perusahaan sekarang, masalah apa yang sedang dihadapi,
mengapa terjadi masalah-masalah tersebut, bagaimana cara pemecahannya. Dengan data,
kita dapat meramal atau memperkirakan, apa yang kira-kira bakal terjadi di masa
mendatang. Dengan data, kita pun bisa membuat perencanaan, peramalan, mengontrol
pelaksanaan, mengevaluasi target apakah tercapai atau tidak, dan sebagainya. Dengan
adanya data, kita dapat banyak mengetahui tentang berbagai hal. Dengan data, kita bisa
mengambil keputusan-keputusan, kebijakan-kebijakan perusahaan, dan sebagainya.
Pendeknya, fungsi dan manfaat data sangat penting dan banyak sekali. Sering kali, akan
berbahaya jika kita mengambil kesimpulan dan keputusan tanpa didukung oleh data. Orang
bilang ”Speak with data”, berbicaralah dengan data agar objektif dan lebih akurat.
Sebenarnya apa itu data?
Tutorial Online Statistika Ekonomi (ESPA4123)

PENGERTIAN DATA DAN PENGGOLONGANNYA

Dari uraian di atas, sebenarnya data adalah kumpulan keterangan atau informasi yang
diperoleh dari suatu pengamatan, dapat berupa angka, lambang atau sifat. Jika kita
mendapatkan data yang tidak baik, sebaik apa pun cara pengolahan data yang kita lakukan,
hasilnya atau kesimpulan yang didapat dari data tersebut tetap tidak baik. Semisal,
ungkapan ”garbage in, garbage out”, yang artinya jika yang masuk sampah, yang keluar pun
juga sampah. Jadi, syarat utama agar analisa data secara statistik menghasilkan informasi
atau kesimpulan yang baik adalah data yang diolah haruslah juga baik.

Apa itu data yang baik? Data yang baik adalah data yang sifatnya representatif (mewakili),
objektif (sesuai dengan apa yang ada atau yang terjadi), relevan (ada hubungannya dengan
persoalan yang sedang dihadapi dan akan dipecahkan), mempunyai tingkat ketelitian yang
tinggi atau standard error (kesalahan baku) yang kecil.

Dari mana data diperoleh? Data dapat diperoleh dari sumber internal (internal data) dan
sumber eksternal (external data). Data internal adalah data yang didapat oleh organisasi itu
sendiri untuk keperluan operasi sehari-hari. Organisasi dimaksud dapat berupa instansi
pemerintah maupun swasta, misalnya departemen-departemen, Biro Pusat Statistik,
BAPPENAS, BUMN, perusahaan-perusahaan swasta dan sebagainya. Sedangkan, data
eksternal adalah data yang didapat dari luar organisasi yang bersangkutan, biasanya
menggambarkan keadaan di luar organisasi tersebut. Contoh data jenis ini misalnya data
pendapatan nasional, penduduk, harga-harga bahan pokok yang dukumpulkan oleh Biro
Pusat Statistik, data keuangan negara yang dikumpulkan oleh departemen keuangan, data
perbankan dari Bank Indonesia dan sebagainya, termasuk data yang dikumpulkan oleh
badan-badan internasional, seperti UNESCO, IMF, FAO dan lain-lain.

1. DATA KUANTITATIF DAN DATA KUALITATIF

 DATA KUANTITATIF
Banyak data yang berbentuk angka atau bilangan, misalnya luas tanah, jumlah penduduk
dan sebagainya. Untuk jenis data ini dapat dilakukan perhitungan-perhitungan atau
operasi matematika, seperti penambahan, pengurangan, perkalian, pembagian dan
sebagainya. Data kuantitatif nilainya bisa berubah-ubah sehingga disebut variabel.
Data kuantitatif dapat dibagi atas:
 Data Interval
Ukuran data mempunyai interval atau jarak, misalnya berat badan antara 50-60 kg.
 Data Rasio
Data berupa angka dalam arti yang sebenarnya, sehingga mempunyai nilai nol.
Data jenis ini diperoleh melalui pengukuran dan memiliki tingkat pengukuran paling
tinggi diantara jenis data lainnya.

 DATA KUALITATIF
Data kualitatif adalah data yang bukan berbentuk angka atau bilangan, misalnya
kepuasan pelanggan (sangat puas, puas, kurang puas dan sebagainya), sehingga kita
tidak dapat melakukan operasi matematika terhadapnya. Jenis data ini disebut atribut.
Data kualitatif dapat dibagi atas:
 Data nominal
Ukuran data nominal adalah kategori, misalnya jenis kelamin, laki-laki atau wanita,
tempat tinggal dan sebagainya. Dilihat dari tingkat pengukuran data, data nominal

Hal. 2
Tutorial Online Statistika Ekonomi (ESPA4123)

mempunyai tingkatan yang paling rendah dari jenis data lainnya. Hal tersebut karena
walaupun dalam prakteknya data ini bisa diangkakan, tetapi terhadapnya tidak bisa
dilakukan operasi matematika. Contoh pemberian angka tersebut di atas misalnya,
angka ’1’ untuk yang tinggal di Jakarta, ’2’ untuk yang tinggal di Bandung, ’3’ untuk
Surabaya dan sebagainya.
 Data Ordinal
Data ordinal hampir sama dengan data nominal, hanya saja data orrdinal mempunyai
tingkatan data atau urutan kelas, ada yang lebih tinggi ada yang lebih rendah. Contoh
data ini adalah data tentang kepuasan pelanggan, yang dibagi menjadi sangat puas,
tidak puas, antara puas dan tidak puas, tidak puas dan sangat tidak puas. Data ordinal
mempunyai tingkatan yang lebih tinggi dari data nominal. Walaupun mempunyai
tingkatan, terhadap jenis data ini kita tetap tidak dapat melakukan operasi
matematika.

Dilihat dari tingkat data, urutan dari yang paling tinggi adalah data rasio, data
interval, data ordinal dan paling rendah data nominal.Untuk mengolah data kualitatif
(data nominal dan ordinal), biasanya digunakan statistik non parametrik, sedangkan
untuk data kuantitatif digunakan statistik parametrik.

2. DATA INTERNAL DAN DATA EKSTERNAL

 DATA INTERNAL
Data yang berasal dari dalam organisasi atau perusahaan sendiri. Data jenis ini biasanya
berkaitan langsung dengan organisasi sendiri, misalnya data keuangan (neraca, laporan
laba-rugi dan sebagainya), data kepegawaian, data produksi dan lain-lain.
 DATA EKSTERNAL
Data yang berasal bukan dari dalam organisasi perusahaan sendiri. Data ini sering tidak
berkaitan langsung dengan organisasi sendiri, misalnya data tentang jumlah kendaraan
di Jakarta, jumlah penduduk di suatu desa dan lain-lain.

3. DATA PRIMER DAN DATA SEKUNDER

 DATA PRIMER
Data yang dukumpulkan, diolah serta diterbitkan sendiri oleh organisasi yang
menggunakannya. Contoh jenis data ini adalah data kependudukan yang dibuat oleh Biro
Pusat Statistik, data tentang pertanian yang dibuat oleh Departemen Pertanian dan
sebagainya.
 DATA SEKUNDER
Data yang tidak dibuat atau diterbitkan oleh penggunanya, misalnya data tentang jumlah
kendaraan dari Departemen Perhubungan merupakan data primer bagi Departemen
tersebut karena dibuat dan diterbitkannya, tapi merupakan data sekunder bagi PT X
sebagai pengguna, yang mendapatkannya dari sumber lain (misalnya media massa) yang
mengutipnya. Jadi, orang bisa mendapatkan data sekunder dari harian, majalah, buletin
dan media massa lainnya yang mengutip data dari sumber-sumber lain yang
menerbitkannya (misalnya data dikutip dari departemen, Biro Pusat Statistik, Bank
Indonesia dan lain-lain). Dengan demikian, data eksternal bisa berupa data primer, bisa
juga berupa data sekunder.

4. DATA DISKRIT DAN DATA KONTINYU

Hal. 3
Tutorial Online Statistika Ekonomi (ESPA4123)

Seperti telah dikatakan di muka, data kuantitatif disebut variabel, karena nilainya atau
besarnya bisa berubah-ubah, data ini dapat mempunyai variabel diskrit sehingga disebut
data diskrit, dapat juga mempunyai variabel kontinyu atau indiskrit dan disebut dengan data
kontinyu.

Data diskrit adalah data yang sifatnya terputus-putus, nilainya bukan merupakan pecahan
(angka utuh). Sedangkan data kontinyu adalah data yang sifatnya sinambung atau
kontinyu, nilainya bisa berupa pecahan. Contoh data diskrit adalah data tentang jumlah
penduduk, kendaraan dan sebagainya, sedangkan contoh data kontinyu adalah data tentang
hasil panen padi, panjang jalan, berat sapi dan sebagainya.

Gambar I. Jenis Data

I nterval
Kuantitatif

Rasio

N ominal

Kualitatif

Ordinal

D ata

Runtut W aktu

D imensi
Silang T empat
W aktu

Poling

I nternal

Eksternal

Sumber

Primer

Sekunder

Sumber: Kuncoro, 2001:24

Hal. 4
Tutorial Online Statistika Ekonomi (ESPA4123)

Statistik atau statistika adalah ilmu yang berhubungan dengan cara pengumpulan,
pengolahan atau analisis, penyajian data dan cara pengambilan kesimpulannya. Fungsi
utamanya adalah membantu dalam pengambilan keputusan dan keputusan tentang
parameter populasi dengan menggunakan data sampel yang diambil dari populasi tersebut.

PENGGOLONGAN STATISTIK

Statistik dapat digolongkan dengan berbagai cara.

STATISTIK DESKRIPTIF DAN INDUKTIF (INFERENSI)


 STATISTIK DESKRIPTIF
Statistik Deskriptif berusaha menjelaskan atau menggambarkan berbagai karakteristik
data, seperti berapa rata-ratanya, seberapa jauh data bervariasi dan sebagainya, tanpa
membuat interpretasi apa-apa terhadap data tersebut.
 STATISTIK INDUKTIF (INFERENSI)
Statistik Induktif berusaha membuat berbagai inferensi terhadap sekumpulan data yang
berasal dari suatu sampel. Tindakan inferensi tersebut misalnya melakukan perkiraan,
peramalan, pengambilan keputusan dan sebagainya.

STATISTIK PARAMETRIK DAN NON PARAMETRIK

 STATISTIK PARAMETRIK
Statistik Parametrik adalah statistik induktif untuk populasi yang parameternya telah
memenuhi persyaratan-persyaratan tertentu (misalnya, sebaran data mengikuti
distribusi normal)
 SATISTIK NON PARAMETRIK
Statistik non parametrik adalah statistik induktif yang berusaha mengambil kesimpulan
tentang keseluruhan populasi yang parameternya tidak memenuhi persyaratan, yaitu
tidak mengikuti suatu distribusi tertentu. Jadi, statistik non parametrik digunakan untuk
populasi yang tidak menetapkan persyaratan-persyaratan parameter populasinya.

PENGERTIAN DALAM STATISTIK PENTING YANG PERLU DIPAHAMI: POPULASI,


ELEMEN, SAMPLING DAN SAMPEL

Populasi adalah kumpulan semua elemen yang ada yang akan diobservasi atau diteliti,
sedangkan sampling adalah pengambilan sebagian kecil dari seluruh elemen populasi
tersebut yang dijadikan sebagai contoh atau sampel yang dianggap dapat mewakili seluruh
elemen dalam populasi. Sedangkan sampling adalah cara pengumpulan data dengan
mengambil sampel atau contoh dari seluruh anggota populasi.

Misalkan, ada 100 orang murid kelas 3 di SMU Garuda. Pimpinan Sekolah ingin melihat
prestasi ujian matematika mereka pada tahun 2001 yang lalu dan untuk itu diadakan
pencatatan nilai ujian dari setiap murid yang berjumlah 100 murid tersebut satu per satu
tanpa kecuali. Setiap murid tersebut disebut elemen. Kumpulan dari 100 orang murid
tersebut (seluruh elemen) disebut populasi dan pekerjaan untuk meneliti seluruh elemen
yang terdapat dalam populasi disebut sensus. Jika untuk maksud tersebut, hanya diambil 20
murid saja sebagai contoh, hal tersebut disebut sampling, dan contoh yang diambil
dinamakan sampel.

Hal. 5
Tutorial Online Statistika Ekonomi (ESPA4123)

Jika data yang didapat dari sensus dinamakan data sebenarnya (true value), data yang
terdapat dari sampling merupakan data dugaan sehingga nilainya dinamakan nilai perkiraan
(estimate value). Nilai perkiraan tentunya tidak akan sama betul dengan nilai sebenarnya,
tentu ada selisih. Selisih ini disebut kesalahan perkiraan (error estimate) atau kesalahan
sampling (sampling error) dan jika nilainya kecil, cara pengumpulan data dengan sampling
masih dapat dipertanggung-jawabkan.

Agar data yang diperoleh dari sampling mempunyai nilai kepercayaan yang tinggi (valid)
atau nilai kesalahan perkiraannya sekecil mungkin, dalam pengambilan sampel kita harus
mengikuti metode pengambilan sampel yang baik (termasuk jumlah sampel yang harus
diambil), sesuai dengan keadaan populasinya. Ada berbagai macam teknik sampling namun
tidak akan dibahas di sini.(Silakan lihat Modul Metode Penelitian)

Alasan-alasan mengapa kita menggunakan sampling:


 Menghemat waktu, tenaga dan biaya.
 Secara teknis, tidak mungkin mengamati seluruh anggota populasi. Misalnya, meneliti
seluruh jumlah ikan yang terdapat di suatu sungai, meneliti seluruh jumlah kelelawar di
suatu hutan, jumlah seluruh kendaraan di suatu negara dan sebagainya.
 Pengamatan terhadap seluruh anggota populasi dapat bersifat merusak. Misalnya,
pengaruh pemakaian narkoba terhadap kerusakan otak.
 Contoh lain-lain yang bergantung pada pertimbangan peneliti atau pengguna data.

Secara teoritis atau logika, hasil analisa atau pengolahan data yang dihasilkan oleh sensus
(harusnya) memberikan data yang sebenarnya (true value). Sebaliknya, karena sampling
hanya mengambil sebagian elemen saja yang ada dalam populasi, hasil analisa datanya
hanya merupakan perkiraan (estimate value). Mengingat alasan-alasan dan pertimbangan-
pertimbangan tersebut, khususnya oleh karena sensus biasanya memerlukan biaya, tenaga
dan waktu yang lebih banyak dibandingkan dengan sampling, maka pada umumnya
penelitian dilakukan hanya dengan cara sampling saja, dengan catatan pelaksanaan
sampling tersebut dilakukan dengan baik. Baik dalam hal ini artinya, baik metode sampling
maupun pelaksanaan pengumpulan datanya dilakukan dengan benar dan cermat, sehingga
perkiraan yang diperoleh tidak banyak berbeda dari keadaan populasi yang sebenarnya.
Sampling yang baik pun tidak akan sempurna betul, selalu ada ketidaksempurnaan atau
kesalahan (sampling error). Untuk dapat mewakili seluruh elemen dalam populasi harus
diusahakan agar sampling dilaksanakan dengan sebaik-baiknya sehingga kesalahan yang
terjadi dapat sekecil mungkin. Jadi, seperti halnya dalam sensus, dalam melakukan sampling
pun, kesalahan selalu dapat terjadi. Jika nilai sampling ternyata sama betul dengan nilai yang
sebenarnya seperti yang dilakukan pada sensus, hal tersebut hanya bersifat kebetulan.

Berapa besarnya sampel agar didapat data yang baik sehingga dapat mewakili suatu
populasi? Untuk mengetahui berapa jumlah sampel, biasanya digunakan rumus-rumus
sebagai berikut :

2
 Z .S 
n
 E 
E = Kesalahan atau error yang diizinkan menyangkut ketelitian pendugaan.
Z = Nilai Z yang sesuai dengan interval keyakinan yang digunakan, yaitu 1,96 untuk I.K =
95% dan 2,58 untuk I.K = 99%.

Hal. 6
Tutorial Online Statistika Ekonomi (ESPA4123)

S = Deviasi standar dari pra-survey yang dilakukan dengan sampel yang kecil untuk
menduga deviasi standar populasi.

Untuk proporsi
2
Z 
n  P (1  P )  
E

P = Estimasi atau perkiraan proporsi populasi


Z = Nilai Z yang sesuai dengan interval keyakinan yang ditentukan
E = Kesalahan (error) maksimum yang diizinkan

Kesalahan (error) yang diizinkan misalnya sebesar 5%, berarti ketelitian yang diinginkan
dalam pendugaan parameter populasi (interval keyakinan) adalah sebesar 95% (100%-5%),
dan jika error yang diizinkan sebesar 1%, berarti tingkat ketelitian (interval keyakinan) yang
ingin dicapai sebesar 99% (100%-1%). Dengan demikian, besarnya sampel bergantung pada
interval keyakinan yang digunakan (error maksimum yang diizinkan) dan deviasi standar
atau estimasi proporsi populasi (ukuran sampel untuk proporsi). Jika deviasi standar atau
proporsi populasi belum diketahui, kita perlu mengadakan survey pendahuluan dengan
ukuran sampel yang kecil untuk menduga deviasi standar populasi. Deviasi standar populasi
dapat juga dilakukan berdasarkan pengetahuan tentang populasi.

Perhitungan deviasi standar distribusi sampling harus dikoreksi dengan faktor koreksi
sebesar
N n
N 1

Jika ukuran sampel (n) dibagi ukuran populasi (N) relatif cukup besar, akan tetapi jika
n
ukuran populasi besar sekali apalagi tak terhingga atau ukuran populasi terbatas tapi
N
relatif kecil, faktor koreksi tidak diperlukan.

Dari rumus tersebut di atas, semakin tinggi interval keyakinan maka semakin besar ukuran
sampel yang dibutuhkan. Untuk lebih jelasnya, jika kita ingin yakin 100% interval duga akan
sama dengan parameter populasi jumlah sampel yang harus diambil adalah seluruh
populasi, ini berarti sama dengan sensus.

PARAMETER DAN SAMPLING ERROR


Seperti telah diterangkan dimuka, baik dalam melaksanakan sensus maupun cara
pengambilan sampel (sampling), kesalahan dapat saja terjadi (error sampling) baik
disengaja maupun yang tidak disengaja. Jenis kesalahan yang mungkin terjadi dimaksud
adalah:
 Kesalahan secara umum (baik sensus maupun sampling):
 Kesalahan mencatat (recording’s error),
 Kesalahan mengukur (measurement’s error),
 Kesalahan menjawab (response’s error),
 Kesalahan mengingat (recal’s error),
 Kesalahan mengamati (observation’s error) dan sebagainya.
 Kesalahan lainnya khusus dalam sampling :

Hal. 7
Tutorial Online Statistika Ekonomi (ESPA4123)

 Kesalahan penentuan responden (misspecification of sample subject).


 Kesalahan variasi acak (random variation error).
 Kesalahan penarikan sampel (sampling error).
 Kesalahan spesifikasi (specification error).
 Kesalahan karena tidak lengkapnya respon (non response error).
 Kesalahan karena tidak lengkapnya cakupan elemen populasi (coverage error) dan
sebagainya.

Sumber Bahan Bacaan disarankan:

Kachigan, Sam Kash (1986), Statistical Analyisis: An Interdisiplinary Introduction to


Univariate & Multivariate Methods, Radius Press, New York.

Kuncoro. Mudrajat (2003), Metode Riset Untuk Bisnis dan Ekonomi: Bagaimana Meneliti
dan Menulis Tesis ?, Erlangga, Jakarta

Mutiara, Kurwadi Erna (2004), Statistik Berbasis Komputer untuk Orang-Orang Non
Statistik, Elek Media Komputindo, Jakarta

Santoso, Purbayu Budi dan Ashari (2005), Analisis Statistik dengan Microsoft Excel dan
SPSS, Andi, Yogyakarta.

Santoso, Singgih (2003), Statistik Deskriptif Konsep dan Aplikasi Dengan Microsoft Excel
dan SPSS, Andi, Yogyakarta.

Santoso, Singgih dan Fandy Tjiptono (2001), Riset Pemasaran: Konsep dan Aplikasi
dengan SPSS, Elek Media Komputindo, Jakarta

Santoso, Singgih, Mengatasi Berbagai Masalah Statistik dengan SPSS ver. 11.5, Elek
Media Komputindo, Jakarta

Trihendradi, Cornelius (2004), Memecahkan Statistik: Deskriptif, Parametrik dan Non


Parametrik dengan SPSS 12, Andi, Yogyakarta

Hal. 8