STATISTIKA

Rio Suareski
2018
Pengertian Data
• Apa itu DATA ???????????
 PENGERTIAN DATA

• Data dalam arti sempit : Ukuran suatu nilai, atau gambaran tentang
suatu keadaan.

• Data dalam arti luas : Semua keterangan, Informasi atau ilustrasi

mengenai sesuatu, hasil dari pengamatan, bisa berbentuk kategori
misalnya rusak, baik, senang, puas, berhasil, gagal, dan sebagainya atau
bisa berbentuk bilangan.
• Data adalah objek dari statistika.
• Data yang telah diolah menggunakan statistika akan
menghasilkan Informasi.
• Informasi tersebut dapat digunakan sebagai bahan dalam
membuat kebijakan atau sebagai rekomendasi dalam
membuat keputusan.
• Data : Bentuk jamak (plural)
• Datum : Bentuk tunggal (singular)
Data Statistika Informasi

Proses
Syarat Data yang Reliable dan Berkualitas

• Objektif dan Akurat

• Representatif
• Kesalahan Baku Kecil
• Up to Date
• Relevan
• Konsisten
 KEGUNAAN DATA
•
•
•
•
KLASIFIKASI Data
1. Menurut Jenis Datanya

• Data Kualitatif : Hasil pengamatan yang disajikan dalam bentuk

kata verbal bukan dalam bentuk angka atau hanya berdasarkan
kategori.
– misalnya : Ketahanan tanaman terhadap penyakit (tahan, agak tahan,
rentan), warna bunga (merah, merah muda, putih), rasa buah jeruk (manis
sekali, manis, masam) dll.
– Data kualitatif jarang dilakukan analisis statistika. Analisis data kualitatif
dapat ditemui dalam statistika non parameterik
•Data Kuantitatif : Hasil pengamatan yang dapat diukur atau dihitung
dengan pasti.
– misalnya : tinggi badan mahasiswa PKN STAN kelas d1 perbendaharan,
jumlah pendapatan petani pasca panen.

Data kuantitatif terbagi atas :

➢ Data Diskrit : Data yang didapat dari hasil menghitung
Data deskrit tidak dapat disajikan dalam bentuk garis. Penyajian data
deskrit lebih tepat dengan diagram batang.
contohnya : Jumlah mahasiswa spesialisasi perbendaharaan di PKN STAN.
Data Jumlah Penduduk, Data Jumlah Barang yang Terjual, Data Gaji Karyawan, Data
Jumlah Masyarakat Miskin di Daerah X
• Data kontinyu yaitu data yang didapat dari hasil mengukur.
– Contoh, tinggi tanaman (cm) : 10,2; 10,21; 10,3;…..,
– hasil panen bawang merah (ton) : 4,5; 4,6; 4,8; ….
– Data Panjang Tali, Data Suhu Ruangan Setiap Hari, Data Tekanan Dalam
Ban, Data Iluminasi Cahaya
2. Menurut Waktu Pengumpulannya
• Cross-sectional Data
yaitu data yang dikumpulkan pada waktu tertentu yang bisa
menggambarkan keadaan pada waktu tersebut.
Contoh: Jumlah mahasiswa PKN STAN TA 2018/2019, Jumlah perusahaan go
public tahun 2018

• Time Series Data

yaitu data yang dikumpulkan selama kurun waktu/periode tertentu
Contoh: Pergerakan nilai tukar rupiah dalam 1 bulan, Produksi Padi Indonesia
tahun 2006-2011
3. Menurut Cara Memperolehnya
• Data Primer : Data yang dikumpulkan dan diolah sendiri oleh
suatu instansi/organisasi langsung dari objeknya
– contohnya : Mewawancarai langsung penonton bioskop 21 untuk
meneliti preferensi konsumen bioskop, BPS melakukan sensus penduduk
ke masing-masing penduduk

• Data Sekunder: Data yang diperoleh dalam bentuk yang sudah jadi, sudah
dikumpulkan dan diolah oleh pihak lain.
– contohnya : peneliti yang menggunakan data statistik, hasil riset dari
surat kabar atau majalah, data perbankan dari BI.
4. Menurut Sumbernya
• Data Intern : data yang menggambarkan keadaan di dalam
suatu organisasi
– contohnya : data keuangan, data pegawai, data produksi

• Data Ekstern : data yang menggambarkan keadaan di luar

suatu organisasi
– contohnya : sebaran penduduk, tingkat preferensi wajib
pajak.
5. Berdasarkan SKALA PENGUKURAN
Skala Nominal
Angka yang diberikan hanya sebagai
labe/kategori saja.
Contoh: pria = 1, wanita = 2 dan waria = 3.
Skala Interval
Angka mengandung sifat ordinal dan
mempunyai jarak atau interval serta tidak
adanya angka Nol mutlak pada data ini.
Contoh: 1. Saham sangat prospektif dengan
harga saham Rp736-878,
2. saham prospektif Rp592-735.
Skala Ordinal
Angka mengandung pengertian tingkatan.
Contoh: ranking 1, 2, dan 3. Ranking 1
menunjukkan lebih tinggi dari ranking 2
dan 3.
Skala Rasio
Angka mempunyai sifat nominal, ordinal dan
interval serta mempunyai nilai absolut dari
objek yang diukur.
Contoh: bunga BCA 7% dan bunga Mandiri 14%,
maka bunga Mandiri 2 kali bunga BCA.
 SKALA INTERVAL (1)
• Hasil pengukuran suhu (temperatur) menggunakan termometer yang dinyatakan
dalam ukuran derajat. Rentang temperatur antara 00 Celcius sampai 10 Celcius
memiliki jarak yang sama dengan 10 Celcius sampai 20 Celcius. Oleh karena itu
berlaku operasi matematik ( +, – ), misalnya 150 Celcius + 150 Celcius = 300 Celcius.
Namun demikian tidak dapat dinyatakan bahwa benda yang bersuhu 150 Celcius
memiliki ukuran panas separuhnya dari benda yang bersuhu 300 Celcius. Demikian
juga, tidak dapat dikatakan bahwa benda dengan suhu 00 Celcius tidak memiliki
suhu sama sekali. Angka 00 Celcius memiliki sifat relatif (tidak mutlak). Artinya, jika
diukur dengan menggunakan Termometer Fahrenheit diperoleh 00 Celcius = 320
Fahrenheit.
 SKALA INTERVAL (2)
• Kecerdasaran intelektual yang dinyatakan dalam IQ. Rentang IQ 100 sampai 110
memiliki jarak yang sama dengan 110 sampai 120. Namun demikian tidak dapat
dinyatakan orang yang memiliki IQ 150 tingkat kecerdasannya 1,5 kali dari orang
yang memiliki IQ 100.

• Didasari oleh asumsi yang kuat, skor tes prestasi belajar (misalnya IPK mahasiswa
dan hasil ujian siswa) dapat dikatakan sebagai data interval.
 SKALA RASIO (1)
• Panjang suatu benda yang dinyatakan dalam ukuran meter adalah data rasio. Benda yang
panjangnya 1 meter berbeda secara nyata dengan benda yang panjangnya 2 meter sehingga
dapat dibuat kategori benda yang berukuran 1 meter dan 2 meter (sifat data nominal).
Ukuran panjang benda dapat diurutkan mulai dari yang terpanjang sampai yang terpendek
(sifat data ordinal). Perbedaan antara benda yang panjangnya 1 meter dengan 2 meter
memiliki jarak yang sama dengan perbedaan antara benda yang panjangnya 2 meter dengan
3 (sifat data interval). Kelebihan sifat yang dimiliki data rasio ditunjukkan oleh dua hal yaitu:
(1) Angka 0 meter menunjukkan nilai mutlak yang artinya tidak ada benda yang diukur; serta
(2) Benda yang panjangnya 2 meter, 2 kali lebih panjang dibandingkan dengan benda yang
panjangnya 1 meter yang menunjukkan berlakunya semua operasi matematik. Kedua hal
tersebut tidak berlaku untuk jenis data nominal, data ordinal, ataupun data interval.
 SKALA RASIO (2)

• Data hasil pengukuran berat suatu benda yang dinyatakan dalam gram memiliki
semua sifat-sifat sebagai data interval. Benda yang beratnya 1 kg. berbeda secara
nyata dengan benda yang beratnya 2 kg. Ukuran berat benda dapat diurutkan mulai
dari yang terberat sampai yang terringan. Perbedaan antara benda yang beratnya 1
kg. dengan 2 kg memiliki rentang berat yang sama dengan perbedaan antara benda
yang beratnya 2 kg. dengan 3 kg. Angka 0 kg. menunjukkan tidak ada benda (berat)
yang diukur. Benda yang beratnya 2 kg., 2 kali lebih berat dibandingkan dengan
benda yang beratnya 1 kg.
STATISTIKA
• Merupakan bagian dari matematika yang membahas rumus untuk
mengumpulkan, menggambarkan atau menyajikan, menganalisis, dan
menginterpretasikan data kuantitatif [Webster New Collegiate Distionary]
• Merupakan cabang dari metode ilmiah yang menggunakan data didapatkan
dengan menghitung atau mengukur bagian populasi [Kendall & Stuart, The
Advanced Theory of Statistics]
• Membahas metode penarikan kesimpulan dari hasil percobaan atau proses
[Fraser]
• Sebagai teknologi metoda ilmiah yang membahas rancangan percobaan dan
investigasi serta inferensia statistika [Mood]
“ilmu perencanaan studi dan eksperimen untuk memperoleh
data, dan kemudian mengatur, menyederhanakan, menyajikan,
menganalisis, menafsirkan, dan menarik kesimpulan berdasarkan
data yang ada untuk membantu pengambilan keputusan yang
efektif”.
(a) Jaman Mesir dan Cina untuk menentukan besar pajak

(b) Jaman gereja untuk mencatat kelahiran, kematian, dan pernikahan

(c) Tahun 1937 Tinbergen mengembangkan ekonomi statistik

(d) Hicks mengembangkan matematika ekonomi untuk analisis IS- LM

(e) Tahun 1950, Bayes mengembangkan Teori Pengambilan Keputusan

PENGGUNA STATISTIKA (1)
Pengguna Statistika Masalah yang Dihadapi
Manajemen 1. Penentuan struktur gaji, pesangon, dan tunjangan
karyawan.
2. Penentuan jumlah persediaan barang, barang dalam
proses, dan barang jadi.
3. Evaluasi produktivitas karyawan.
4. Evaluasi kinerja perusahaan.
Akuntansi 1. standar audit barang dan jasa.
2. Penentuan enentuan depresiasi dan apresiasi barang dan
jasa.
3. Analisis rasio keuangan perusahaan
PENGGUNA STATISTIKA (2)
Pengguna Statistika Masalah yang Dihadapi
Pemasaran 1. Penelitian dan pengembangan produk.
2. Analisis potensi pasar, segmentasi pasar dan diskriminasi
pasar.
3. Ramalan penjualan.
4. Efektivitas kegiatan promosi penjualan.
Keuangan 1. Potensi peluang kenaikan dan penurunan harga saham,
suku bunga dan reksadana.
2. Tingkat pengembalian investasi beberapa sektor ekonomi.
3. Analisis pertumbuhan laba dan cadangan usaha.
4. Analisis resiko setiap usaha.
PENGGUNA STATISTIKA (3)
Pengguna Statistika Masalah yang Dihadapi
Ekonomi Pembangunan 1. Analisis pertumbuhan ekonomi, inflasi dan suku bunga.
2. Pertumbuhan penduduk dan tingkat pengangguran serta
kemiskinan.
3. Indeks harga konsumen dan perdagangan besar.

Agribisnis 1. Analisis produksi tanaman, ternak, ikan dan kehutanan.

2. Kelayakan usaha dan skala ekonomi.
3. Manajemen produksi agribisnis.
4. Analisis ekspor dan impor produk pertanian.
Istilah-istilah
1. Parameter

pengukuran numerik yang menggambarkan beberapa karakteristik

dari suatu populasi.

2. Statistik

pengukuran numerik yang menggambarkan beberapa karakteristik

sampel.
3. Populasi

keseluruhan dari objek yang kita selidiki.

➢ Populasi dapat berupa sekelompok orang, binatang, tumbuhan, bagian dari
tumbuhan atau benda apa saja

4. Sampel
sebagian dari jumlah dan karakteristik yang dimiliki oleh populasi tersebut,
ataupun bagian kecil dari anggota populasi yang diambil menurut prosedur tertentu
sehingga dapat mewakili populasinya. Jika populasi besar, peneliti tidak mungkin
mempelajari seluruh yang ada di populasi, hal seperti ini dikarenakan adanya
keterbatasan dana atau biaya, tenaga dan waktu, maka oleh sebab itu peneliti dapat
memakai sampel yang diambil dari populasi. Sampel yang akan diambil dari populasi
tersebut harus betul-betul representatif atau dapat mewakili
5. BAD SAMPEL

Voluntary response sample atau sampel yang dipilih sendiri

.
➢ Dimana responden memilih dan memutuskan sendiri apa yang akan dimasukkan
dan tidak mewakili populasi

6. SMALL Sampel

Kesimpulan tidak boleh didasarkan pada sampel yang terlalu kecil.

Contoh: Mendasarkan tingkat suspensi sekolah pada sampel hanya tiga siswa
7. SENSUS

pengumpulan data dimana seluruh elemen populasi diselidiki.

Cth: sensus penduduk, sensus ekonomi

8. Sampling

cara pengumpulan data dimana yg diselidiki adalah elemen dari suatu

populasi. Dapat dilakukan dengan cara :
random (acak), non-random.
9. elemen

unit terkecil dari objek penelitian.

Cth: orang, perusahaan, dll

10. Kharakteristik

sifat atau ciri yang dimiliki oleh elemen.

Cth: karakteristik dari elemen orang adalah tinggi badan, berat, dll
11. Variabel

sesuatu yang nilainya dpt berubah-ubah.

Cth: harga barang, umur, dll

12. Variasi

penampakan dari sifat tertentu yang menyebabkan satu data berbeda

dengan data lain dalam satu jenis.
Pengumpulan Data
1. Melalui Observasi

“mengamati dan mengukur karakteristik tertentu tanpa

memberikan intervensi pada variabel yang akan diteliti.

2. Melalui eksperiment

“mengamati dan mengukur karakteristik tertentu dan melakukan

intervensi terhadap varibel sebab yang akan diteliti.
3. Simple Random Sampling

dari n subjek yang dipilih sedemikian rupa sehingga setiap sampel

yang mungkin dari ukuran yang sama n memiliki kesempatan yang
sama untuk dipilih.
Contoh: misal ada “pembiayaan pembangunan pendidikan Dasar di Jawa
Barat”, sampelnya adalah seluruh SD dan SMP yang ada di Jawa Barat.
Terhadap seluruh SD dan SMP itu dilakukan pemilihan secara random tanpa
pengelompokan terlebih dahulu, dengan demikian peluang SD maupun SMP
untuk terpilih sebagai sampel sama.
4. Stratified Random Sampling

Merupakan suatu teknik sampling dimana populasi kita bagi

kedalam sub populasi (strata), Setiap stratum dipilih sampelnya
melalui proses simple random sampling.
Contoh: misalnya ada suatu manajer yang ingin mengetahui sikap manajer
terhadap suatu kebijakan. Dia menduga bahwa manajer tingkat atas memiliki
sikap yang positif terhadap kebijakan perusahaan. Agar dapat menguji dugaan
teresebut maka sampelnya harus terdiri dari manajer tingkat atas, menengah,
dan bawah. Kemudian dari masing-masing. Strata dipilih manajer dengan
teknik simple random sampling.
5. Systematic Sampling

Merupakan teknik sampling jika peneliti dihadapkan pada ukuran

populasi yang banyak dan tidak memiliki alat pengambil data secara
random, cara pengambilan sampel sistematis dapat digunakan. Cara ini
menuntut kepada peneliti untuk memilih unsur populasi secara
sistematis, yaitu unsur populasi yang bisa dijadikan sampel adalah yang
“keberapa”..
Contoh : Misalnya setiap unsur populasi yang keenam, yang bisa dijadikan sampel.
Soal “keberapa”-nya satu unsur populasi bisa dijadikan sampel tergantung pada
ukuran populasi dan ukuran sampel. Misalnya, dalam satu populasi terdapat 5000
rumah. Sampel yang akan diambil adalah 250 rumah dengan demikian interval di
antara sampel kesatu, kedua, dan seterusnya adalah 25.
6. Convenience Sampling

Merupakan teknik dalam memilih sampel, peneliti tidak mempunyai

pertimbangan lain kecuali berdasarkan kemudahan saja. Seseorang diambil
sebagai sampel karena kebetulan orang tadi ada di situ atau kebetulan dia
mengenal orang tersebut. Oleh karena itu ada beberapa ahli menggunakan
istilah accidental sampling – tidak disengaja – atau juga captive sample (man-
on-the-street) Jenis sampel ini sangat baik jika dimanfaatkan untuk penelitian
penjajagan, yang kemudian diikuti oleh penelitian lanjutan yang sampelnya
diambil secara acak (random). Beberapa kasus penelitian yang menggunakan
jenis sampel ini, hasilnya ternyata kurang obyektif.
Contoh : misalnya ada seorang peneliti ingin mengetahui tentang kebersihan wilayah Jakarta
Selatan ia menanyakan kepada orang yang ada dijalan atau orang dia jumpai bukan orang
yang mengerti tentang kebersihan wilayah Jakarta Selatan seperti petugas kebersihan atau
mendatangi kantor gubernur atau walikota Jakarta Selatan.
7. Cluster Sampling

Merupakan teknik sampling dengan cara membagi wilayah populasi

menjadi beberapa bagian (atau kluster); secara acak pilih beberapa
kluster tersebut; pilih semua anggota dari kluster yang terpilih.
Contoh : Misalnya setiap unsur populasi yang keenam, yang bisa dijadikan
sampel. Soal “keberapa”-nya satu unsur populasi bisa dijadikan sampel
tergantung pada ukuran populasi dan ukuran sampel. Misalnya, dalam satu
populasi terdapat 5000 rumah. Sampel yang akan diambil adalah 250 rumah
dengan demikian interval di antara sampel kesatu, kedua, dan seterusnya
adalah 25.
8. Multistage Sampling

Kumpulkan data dengan menggunakan beberapa kombinasi dari

metode pengambilan sampel

Dalam desain sampel multistage, lembaga survei memilih sampel

dalam berbagai tahap, dan setiap tahap mungkin menggunakan
metode pengambilan sampel yang berbeda
9. Snowball Sampling

Merupakan teknik sampling yang banyak dipakai ketika peneliti

tidak banyak tahu tentang populasi penelitiannya. Dia hanya tahu
satu atau dua orang yang berdasarkan penilaiannya bisa dijadikan
sampel. Karena peneliti menginginkan lebih banyak lagi, lalu dia
minta kepada sampel pertama untuk menunjukan orang lain yang
kira-kira bisa dijadikan sampel. Satuan sampling dipilih atau
ditentukan berdasarkan informasi dari responden sebelumnya
 Sampling Error

adalah kesalahan yang terjadi di saat menentukan jumlah

sample,metode pengambilan sample dan pengumpulan data
sample.
ALAT PENGUMPULAN DATA

1. Kuisioner, dengan menggunakan daftar pertanyaan yang

sistematis dan standar.
2. Wawancara, dengan mengajukan sejumlah pertanyaan
secara langsung ke responden.
3. Observasi atau pengamatan langsung
4. Metode lain seperti telp, pos
 PENGOLAHAN DATA

• Proses untuk memperoleh data/angka ringkasan

berdasarkan data mentah yang diperoleh dari pengumpulan
data. Dapat dilakukan secara manual atau dengan elektonik.

– Cara manual dilakukan untuk data yang sedikit, sederhana.

– Cara elektronik dapat dilakukuan dengan memakai tools seperti
SPSS.
PENYAJIAN DATA
1. Tabel
– Tabel satu arah (one-way table)
– Tabulasi silang (lebih dari satu arah (two-way table), dst.)
– Tabel Distribusi Frekuensi

2. Grafik
– Batang (Bar Graph), untuk perbandingan/pertumbuhan
– Lingkaran (Pie Chart), untuk melihat perbandingan (dalam
persentase/proporsi)
– Grafik Garis (Line Chart), untuk melihat pertumbuhan
– Grafik Peta Cartogram Chart, untuk melihat/menunjukkan lokasi
– Gambar (Picktogram Chart), untuk menunjukkah kharakteristik
Pictographs
 Grafik Peta
(Cartogram)