Keuangan Modern
Edisi 3, Buku 1
SUHARYADI
PURWANTO S.K
BAB 1
PENGERTIAN STATISTIKA
2
Pengertian Statistika Bab 1
OUTLINE
3
DEFINISI
• Statistika
Ilmu mengumpulkan, menata, menyajikan,
menganalisis, dan menginterprestasikan data
menjadi informasi untuk membantu pengambilan
keputusan yang efektif.
• Statistik
Suatu kumpulan angka yang tersusun lebih dari
satu angka.
4
Pengertian Statistika Bab 1
PERKEMBANGAN STATISTIKA
5
KASUS STATISTIKA
6
TABEL 1.1
7
Pengertian Statistika Bab 1
GRAFIK POLIGON
8
Pengertian Statistika Bab 1
PENGGUNA STATISTIKA
9
Pengertian Statistika Bab 1
11
Pengertian Statistika Bab 1
OUTLINE
12
JENIS-JENIS STATISTIKA
Materi:
1. Penyajian data
2. Ukuran pemusatan
3. Ukuran penyebaran
4. Angka indeks
Statistika Deskriptif
5. Deret berkala dan
peramalan
Materi:
STATISTIKA 1. Probabilitas dan teori
keputusan
2. Metode sampling
3. Teori pendugaan
Statistika Induktif 4. Pengujian hipotesis
5. Regresi dan korelasi
6. Statistika
nonparametrik
13
Pengertian Statistika Bab 1
POPULASI SAMPEL
Sebuah kumpulan dari semua Suatu bagian dari populasi
kemungkinan orang-orang, tertentu yang menjadi
benda-benda dan ukuran lain
perhatian.
dari objek yang menjadi
perhatian.
Pengertian Statistika Bab 1
OUTLINE
15
JENIS-JENIS DATA
1. Jenis kelamin
2. Warna kesayangan
3. Asal suku, dll
Data Kualitatif
1. Jumlah mobil
2. Jumlah staf
DATA 3. Jumlah TV, dll
Data Diskret
Data Kuantitatif
1. Berat badan
2. Jarak kota
3. Luas rumah,
Data Kontinu
dll
16
Pengertian Statistika Bab 1
OUTLINE
17
1. Wawancara langsung
2. Wawancara tidak
Data Primer langsung
3. Pengisian kuisioner
4. Observasi (pengamatan)
DATA
18
Pengertian Statistika Bab 1
OUTLINE
19
• Contoh Kasus
• Kaji Kasus
• Ringkasan
• Latihan Terjawab
• Latihan Soal
22
TERIMA KASIH
23
Statistika untuk Ekonomi dan
Keuangan Modern
Edisi 3, Buku 1
SUHARYADI
PURWANTO S.K
BAB 2
PENYAJIAN DATA
2
Penyajian Data Bab 2
PENGANTAR
• Tujuan
Untuk menyajikan data mentah yang diperoleh dari populasi atau
sampel menjadi data yang tertata dengan baik, sehingga bermakna
informasi bagi pengambilan keputusan manajerial.
3
Penyajian Data Bab 2
PENGANTAR
4
Penyajian Data
Penyajian Data dengan
Grafik
Ukuran Pemusatan
DISTRIBUSI FREKUENSI
Definisi:
6
Penyajian Data Bab 2
DISTRIBUSI FREKUENSI
7
2 84,5–91,9 IIII 4
3 92,0–99,4 IIIII II 7
4 99,5–106,9 IIII 4
5 107,0–114,4 IIII 4
8
Penyajian Data Bab 2
Definisi:
Frekuensi Relatif adalah frekuensi relatif setiap kelas dibandingkan
dengan frekuensi totalnya.
Contoh:
Kelas Interval Jumlah Frekuensi Keterangan
ke- Frekuensi (F) Relatif (%)
1 77,0–84,4 3 17 (3/22) × 100%
2 84,5–91,9 4 22 (4/22) × 100%
3 92,0–99,4 7 39 (7/22) × 100%
4 99,5–106,9 4 22 (4/22) × 100%
5 107,0–114,4 4 22 (4/22) × 100%
9
Penyajian Data Bab 2
OUTLINE
10
Ukuran Penyebaran
Angka Indeks
PENYAJIAN DATA
Definisi:
• Membuat distribusi frekuensi dalam bentuk sajian
gambar baik grafik poligon, histogram, atau ogif.
Istilah-Istilah Penting:
Ada beberapa istilah penting dalam penyajian data:
• Batas Kelas: nilai terendah dan tertinggi pada suatu
kelas.
• Nilai Tengah Kelas: nilai yang letaknya di tengah
kelas.
11
Penyajian Data Bab 2
Istilah-Istilah Penting:
• Frekuensi Kumulatif
Penjumlahan frekuensi pada setiap kelas, baik
meningkat (kurang dari) atau menurun (lebih
dari).
12
Penyajian Data Bab 2
1 77,0–84,4 3
2 84,5–91,9 4
3 92,0–99,4 7
4 99,5–106,9 4
5 107,0–114,4 4
Definisi:
Nilai yang letaknya di tengah kelas.
Contoh:
14
Penyajian Data Bab 2
Contoh:
Kelas Interval Frekuensi Nilai Tepi Keterangan
ke- Kelas
15
Penyajian Data Bab 2
FREKUENSI KUMULATIF
Definisi:
Penjumlahan frekuensi pada setiap kelas, baik meningkat (kurang
dari) atau menurun (lebih dari).
16
Penyajian Data Bab 2
OUTLINE
17
Angka Indeks
HISTOGRAM
Definisi:
Grafik yang berbentuk balok, di mana sumbu horizontal (X) adalah tepi
kelas dan sumbu vertikal (Y) adalah frekuensi setiap kelas.
Interval Frekuensi
76,95–84,45 3
84,45–91,95 4
91,95–99,45 7
99,45–106,95 4
106,95–114,45 4
18
Penyajian Data Bab 2
POLIGON
Definisi:
Grafik berbentuk garis dan menghubungkan antara nilai tengah
kelas dengan jumlah frekuensi pada setiap kelas.
Nilai tengah Jumlah
kelas frekuensi
80,7 3
88,2 4
95,7 7
103,2 4
110,7 4
19
Penyajian Data Bab 2
KURVA OGIF
Definisi:
Diagram garis yang menunjukkan kombinasi antara interval kelas
dengan frekuensi kumulatif.
Interval Tepi Kelas Frekuensi Frekuensi Lebih
kurang dari dari
76,95 0 (0%) 22 (100%)
77,0–84,4
84,45 3 (14%) 19 (86%)
84,5–91,9
91,95 7 (32%) 15 (68%)
92,0–99,4
99,45 14 (64%) 8 (36%)
99,5–106,9
106,95 18 (82%) 4 (18%)
107,0–114,4 114,45 22 (100%)
0 (0%)
20
Penyajian Data Bab 2
KURVA OGIF
21
TERIMA KASIH
22
Statistika untuk Ekonomi dan
Keuangan Modern
Edisi 3, Buku 1
SUHARYADI
PURWANTO S.K
BAB 3
UKURAN PEMUSATAN
2
Ukuran Pemusatan Bab 3
OUTLINE
3
Penyajian Data
Rata-Rata Hitung, Median, Modus
untuk Data Berkelompok
Ukuran Pemusatan
Karakteristik, Kelebihan, dan
Kekurangan Ukuran Pemusatan
Ukuran Penyebaran
Ukuran Letak
Angka Indeks
(Kuartil, Desil, dan Persentil)
PENGANTAR
• Ukuran Pemusatan
Nilai tunggal yang mewakili suatu kumpulan data dan
menunjukkan karakteristik dari data. Ukuran pemusatan
menunjukkan pusat dari nilai data.
RATA-RATA HITUNG
∑X
X=
n
• Rata-Rata Hitung Populasi
∑X
µ=
N
5
Ukuran Pemusatan Bab 3
6
Ukuran Pemusatan Bab 3
7
Ukuran Pemusatan Bab 3
RATA-RATA HITUNG TERTIMBANG
8
Definisi:
Rata-rata dengan bobot atau kepentingan dari setiap
data berbeda. Besar dan kecilnya bobot tergantung
pada alasan ekonomi dan teknisnya.
Rumus:
9
Ukuran Pemusatan Bab 3
OUTLINE
10
Penyajian Data
Rata-Rata Hitung, Median, Modus
untuk Data Berkelompok
Ukuran Pemusatan
Karakteristik, Kelebihan, dan
Kekurangan Ukuran Pemusatan
Ukuran Penyebaran
Ukuran Letak
Angka Indeks
(Kuartil, Desil, dan Persentil)
MEDIAN
Definisi:
Nilai yang letaknya berada di tengah data di mana data tersebut
sudah diurutkan dari terkecil sampai terbesar atau sebaliknya.
n/2 − CF
Md = L + ×i
f
14
Ukuran Pemusatan Bab 3
15
Ukuran Pemusatan Bab 3
• Nilai Median
16
Ukuran Pemusatan Bab 3
MODUS
Definisi:
Nilai yang (paling) sering muncul.
Mo = L + (d1/(d1+d2)) x i
17
Ukuran Pemusatan Bab 3
• Nilai Modus
HUBUNGAN RATA-RATA-MEDIAN-MODUS
19
Ukuran Pemusatan Bab 3
HUBUNGAN RATA-RATA-MEDIAN-MODUS
20
Ukuran Pemusatan Bab 3
OUTLINE
21
Penyajian Data
Rata-Rata Hitung, Median, Modus
untuk Data Berkelompok
Ukuran Pemusatan
Karakteristik, Kelebihan, dan
Kekurangan Ukuran Pemusatan
Ukuran Penyebaran
Ukuran Letak
Angka Indeks
(Kuartil, Desil, dan Persentil)
Definisi:
Kuartil adalah ukuran letak yang membagi 4 bagian yang sama. K1 sampai 25% data, K2
sampai 50% dan K3 sampai 75%.
22
Ukuran Pemusatan Bab 3
Letak Kuartil
23
Ukuran Pemusatan Bab 3
24
Ukuran Pemusatan Bab 3
Definisi:
Desil adalah ukuran letak yang membagi 10 bagian yang sama.
D1 sebesar 10%
D2 sampai 20%
D9 sampai 90%
D1 = [1(n+1)]/10 1n/10
D2 = [2(n+1)]/10 2n/10
….
D9 = [9(n+1)]/10 9n/10
25
Ukuran Pemusatan Bab 3
26
Ukuran Pemusatan Bab 3
Letak Desill
D1 = [1(19+1)]/10= 20/10 =2
D3 = [3(19+1)]/10 = 60/10 =6
D9 = [9(19+1)]/10 = 180/10 = 18
27
Ukuran Pemusatan Bab 3
Rumus:
NDi = L + (i.n/10) – cf x Ci
Fk
Letak D9 = 9.20/10=18
Jadi:
Definisi:
Ukuran letak yang membagi 100 bagian yang sama.
P1 sebesar 1%,
P2 sampai 2%,
P99 sampai 99%.
P1 = [1(n+1)]/100 1n/100
P2 = [2(n+1)]/100 2n/100
….
P99 = [99(n+1)]/100 99n/100
29
Ukuran Pemusatan Bab 3
30
Ukuran Pemusatan Bab 3
Letak Persentil
31
Ukuran Pemusatan Bab 3
Rumus:
NDi = L + (i.n/100) – cf × Ci
Fk
Letak P85=85.20/100=17
Letak P96=96.20/100=19,2
Jadi:
32
TERIMA KASIH
33
Statistika untuk Ekonomi dan
Keuangan Modern
Edisi 3, Buku 1
SUHARYADI
PURWANTO S.K
BAB 4
UKURAN PENYEBARAN
2
Ukuran Penyebaran Bab 4
OUTLINE
PENGANTAR
Ukuran Penyebaran
• Suatu ukuran baik parameter atau statistik untuk
mengetahui seberapa besar penyimpangan data
dengan nilai rata-rata hitungnya.
4
Ukuran Penyebaran Bab 4
5
Ukuran Penyebaran Bab 4
1. Rata-rata sama,
penyebaran berbeda
6
Ukuran Penyebaran Bab 4
BEBERAPA BENTUK UKURAN PENYEBARAN
7
RANGE
Definisi:
Nilai terbesar dikurang nilai terkecil.
Contoh:
Nilai Indonesia Thailand Malaysia
8
Ukuran Penyebaran Bab 4
DEVIASI RATA-RATA
Definisi:
Rata-rata hitung dari nilai mutlak deviasi antara nilai data
pengamatan dengan rata-rata hitungnya.
Rumus:
MD = (∑|X – X|)/n
9
Ukuran Penyebaran Bab 4
MD = (∑|X – X|)/n
10
Ukuran Penyebaran Bab 4
VARIANS
Definisi:
Rata-rata hitung dari deviasi kuadrat setiap data terhadap
rata-rata hitungnya.
Rumus:
σ2 = ∑(X – µ)2/n
11
Ukuran Penyebaran Bab 4
CONTOH VARIANS
σ2 = ∑(X – µ)2/n
12
Ukuran Penyebaran Bab 4
STANDAR DEVIASI
Definisi:
Akar kuadrat dari varians dan menunjukkan standar
penyimpangan data terhadap nilai rata-ratanya.
Rumus:
σ = √ ∑ ( X – µ)2
N
Contoh:
Jika varians = 44,47, maka standar deviasinya adalah:
σ = √44,47 = 6,67
13
Ukuran Penyebaran Bab 4
Definisi Range:
Selisih antara batas atas dari kelas tertinggi dengan batas bawah
dari kelas terendah.
Contoh:
1 3.850 – 10.450 13
2 10.451 – 17.051 1
3 17.052 – 23.652 3
4 23.653 – 30.253 1
5 30.254 – 36.853 2
14
Ukuran Penyebaran Bab 4
DEVIASI RATA-RATA
RUMUS
MD = ∑ f |X – X|
N
∑f.X = 261.818
∑f X – X = 154.463,4
a. X = ∑f X = 261.818/20= 13.090,90
n
b. MD = ∑ f X – X = 154.463,4/20
n
= 7.723,17
15
Ukuran Penyebaran Bab 4
Varians
Rata-rata hitung deviasi kuadrat setiap data terhadap
rata-rata hitungnya.
RUMUS: S2 = ∑f ( X – X)2
n–1
Standar Deviasi
Akar kuadrat dari varians dan menunjukkan standar
penyimpangan data terhadap nilai rata-ratanya.
RUMUS:
S2 = √ ∑f ( X – X )2
n –1
16
Ukuran Penyebaran Bab 4
CONTOH
17
a. Koefisien Range
RUMUS: [(La – Lb)/(La + Lb)] × 100
Contoh:
Range pertumbuhan ekonomi Indonesia = [(6,49 – 4,5)/(6,49 + 4,5)] ×100
= 18%
Jadi, jarak nilai terendah dan tertinggi harga saham adalah 18%.
18
Ukuran Penyebaran Bab 4
Contoh:
Pertumbuhan ekonomi negara maju=(1,124 / 2,61) × 100= 2,32%
Jadi, koefisien standar deviasi pertumbuhan ekonomi negara maju
sebesar 2,32%, bandingkan dengan Indonesia yang sebesar 0,15%.
19
Ukuran Penyebaran Bab 4
THEOREMA CHEBYSHEV
20
Ukuran Penyebaran Bab 4
HUKUM EMPIRIS
21
Ukuran Penyebaran Bab 4
68%
95%
99,7%
-3s -2s 1s X 1s 2s 3s
22
Ukuran Penyebaran Bab 4
OUTLINE
23
b. Deviasi Kuartil
b. Jarak Persentil
24
Ukuran Penyebaran Bab 4
OUTLINE
25
UKURAN KECONDONGAN
Rumus Kecondongan:
Sk = µ – Mo atau Sk = 3(µ – Md)
σ σ
26
Ukuran Penyebaran Bab 4
Penyelesaian:
Rumus =
m- Mo 3(m- Md)
Sk = Sk =
s s
Sk = (155,9- 157,9)/ 20,9 Sk = 3(155,9- 158,11)/ 20,9
Sk = - 0,096 Sk = - 0,035
Dari kedua nilai Sk tersebut terlihat bahwa keduanya adalah negatif jadi kurva condong
negatif (ke kanan). Hal ini disebabkan adanya nilai yang sangat kecil, sehingga
menurunkan nilai rata-rata hitungnya. Angka –0,096 dan –0,035 menunjukkan
kedekatan dengan nilai 0, sehingga kurva tersebut, kecondongannya tidak terlalu besar,
atau mendekati kurva normal.
27
Ukuran Penyebaran Bab 4
UKURAN KERUNCINGAN
Rumus Keruncingan:
α4 = 1/n ∑ (x – µ)4
σ4
28
Ukuran Penyebaran Bab 4
29
Ukuran Penyebaran Bab 4
Standar deviasi
σ = √∑ (X-µ)2/n = √ 54,88/10 = √5,49 = 2,34
30
Ukuran Penyebaran Bab 4
OUTLINE
31
MENGGUNAKAN MS EXCEL
32
Langkah-Langkah:
34
Statistika untuk Ekonomi dan
Keuangan Modern
Edisi 3, Buku 1
SUHARYADI
PURWANTO S.K
BAB 5
ANGKA INDEKS
2
Angka Indeks Bab 5
OUTLINE
3
Penyajian Data
Angka Indeks Agregrat Sederhana
Ukuran Pemusatan
Angka Indeks Agregrat Tertimbang
Ukuran Penyebaran
Macam-Macam Indeks
Angka Indeks dan Masalah Penyusunan Indeks
PENGANTAR
Angka Indeks:
Sebuah angka yang menggambarkan perubahan relatif
terhadap harga, kuantitas atau nilai yang dibandingkan
dengan tahun dasar.
4
Angka Indeks Bab 5
PENGANTAR
Banyak indikator ekonomi menggunakan angka indeks seperti
IH Konsumen, Indeks Harga Bahan Pokok, Indeks Harga yang
Diterima Petani, Indeks Harga Produsen, Indeks Harga Saham,
dan lain-lain.
5
Angka Indeks Bab 5
Rumus:
IH = Ht × 100
Ho
6
Angka Indeks Bab 5
Rumus:
IK = Kt × 100
Ko
7
Angka Indeks Bab 5
8
Angka Indeks Bab 5
9
Angka Indeks Bab 5
OUTLINE
10
Penyajian Data
Angka Indeks Agregrate Sederhana
Ukuran Pemusatan
Angka Indeks Agregrate
Ukuran Penyebaran Tertimbang
Macam-Macam Indeks
Angka Indeks dan Masalah Penyusunan Indeks
Angka indeks ini menekankan agregasi, yaitu barang dan jasa lebih
dari satu.
Rumus:
IHA = ∑ Ht × 100
∑ Ho
11
Angka Indeks Bab 5
Rumus:
IKA = ∑ Kt × 100
∑ Ko
13
Angka Indeks Bab 5
Rumus:
15
Angka Indeks Bab 5
OUTLINE
16
Penyajian Data
Angka Indeks Agregrat Sederhana
Ukuran Pemusatan
Angka Indeks Agregrat Tertimbang
Ukuran Penyebaran
Macam-Macam Indeks
Angka Indeks dan Masalah Penyusunan Indeks
17
Angka Indeks Bab 5
1. Formula Laspeyres
Etienne Laspeyres mengembangkan metode ini pada abad
18 akhir untuk menentukan sebuah indeks tertimbang
dengan menggunakan bobot sebagai penimbang adalah
periode dasar.
Rumus:
IL = ∑HtKo × 100
∑HoKo
= 503.999 × 100
411.140
= 123
Angka Indeks Bab 5
IL = 503.999 × 100
411.140
= 123
19
Angka Indeks Bab 5
2. Formula Paasche
Menggunakan bobot tahun berjalan dan bukan tahun dasar
sebagai bobot.
Rumus:
IP = ∑HtKt × 100
∑HoKt
20
Angka Indeks Bab 5
IP = 515.914 × 100
420.676
= 123
21
Angka Indeks Bab 5
3. Formula Fisher
• Fisher mencoba memperbaiki formula Laspeyres dan Paasche.
• Indeks Fisher merupakan akar dari perkalian kedua indeks.
• Indeks Fisher menjadi lebih sempurna dibandingkan kedua
indeks yang lain baik Lasypeyres maupun Paasche.
Rumus:
IF = √ IL × IP
Diketahui IL = 123
IP = 123
IF = √(123 × 123) = 123
22
Angka Indeks Bab 5
Rumus:
ID = IL + IP
2
Diketahui IL = 123
IP = 123
ID = IL + IP = 123 + 123
2 2
= 123
23
Angka Indeks Bab 5
5. Formula Marshal-Edgeworth
Formula Marshal-Edgeworth relatif berbeda dengan konsep
Laspeyres dan Paasche.
Menggunakan bobot berupa jumlah kuantitas pada tahun t
dengan kuantitas pada tahun dasar.
Pembobotan ini diharapkan akan mendapatkan nilai yang lebih
baik.
Rumus:
24
Angka Indeks Bab 5
IME =
å H t (K o + K t )
´ 100
å H o (K o + K t )
1.019.912,40
= ´ 100 = 123
831.816,13
25
Angka Indeks Bab 5
6. Formula Wals
Menggunakan pembobot berupa akar dari perkalian
kuantitas tahun berjalan dengan kuantitas tahun dasar.
Rumus:
IW = ∑Ht√KoKt × 100
∑Ho√KoKt
26
Angka Indeks Bab 5
IW =
å H t K oK t
´ 100
å H o K oK t
509.817,2
= ´ 100 = 123
415.797,5
27
Angka Indeks Bab 5
OUTLINE
28
Penyajian Data
Angka Indeks Agregrat Sederhana
Ukuran Pemusatan
Angka Indeks Agregrat Tertimbang
Ukuran Penyebaran
Macam-Macam Indeks
Angka Indeks dan Masalah Penyusunan Indeks
29
Angka Indeks Bab 5
OUTLINE
30
Penyajian Data
Angka Indeks Agregrat Sederhana
Ukuran Pemusatan
Angka Indeks Agregrat Tertimbang
Ukuran Penyebaran
Macam-Macam Indeks
Angka Indeks dan Masalah Penyusunan Indeks
33
Statistika untuk Ekonomi dan
Keuangan Modern
Edisi 3, Buku 1
SUHARYADI
PURWANTO S.K
BAB 6
DERET BERKALA DAN PERAMALAN
2
Deret Berkala dan Peramalan Bab 6
OUTLINE
3
PENDAHULUAN
4
Deret Berkala dan Peramalan Bab 6
• Trend
• Variasi Musim
• Variasi Siklus
5
Deret Berkala dan Peramalan Bab 6
TREND
b= (K2 – K1)
(tahun dasar K2 – tahun dasar K1)
7
Deret Berkala dan Peramalan Bab 6
Y = a + bX
a = ∑Y/N
b = ∑YX/X2
9
Deret Berkala dan Peramalan Bab 6
3. Metode Kuadratis
Untuk jangka waktu pendek,
kemungkinan trend tidak
bersifat linear. Metode
kuadratis adalah contoh
metode nonlinear
Y = a + bX + cX2
11
Deret Berkala dan Peramalan Bab 6
12
Deret Berkala dan Peramalan Bab 6
4. Trend Eksponensial
Persamaan eksponensial dinyatakan dalam bentuk variabel waktu (X)
dinyatakan sebagai pangkat. Untuk mencari nilai a, dan b dari data Y
dan X, digunakan rumus sebagai berikut:
Y’ = a (1+b)X
Ln Y’ = Ln a + X Ln (1+b)
Sehingga a = anti ln (∑LnY)/n
b = anti ln ∑ (X. LnY) -1
∑(X)2
13
Deret Berkala dan Peramalan Bab 6
14
Deret Berkala dan Peramalan Bab 6
OUTLINE
15
VARIASI MUSIM
2
20 100
1,5
Inflasi (%)
Indeks
10 1 50
0 0,5 0
I- II- III- I- II- III- I- II- III- I- II- III-
98 98 98 99 99 99 00 00 00 01 01 03
0 03 05 13 14 22
1 2 3 4 5 6 7 8 9 10 11 12
17
Deret Berkala dan Peramalan Bab 6
18
Deret Berkala dan Peramalan Bab 6
19
Deret Berkala dan Peramalan Bab 6
OUTLINE
20
VARIASI SIKLUS
Siklus
Ingat
Y=TxSxCxI
Maka
TCI = Y/S
CI = TCI/T
21
Deret Berkala dan Peramalan Bab 6
22
Deret Berkala dan Peramalan Bab 6
Siklus
Ingat Y = T x S x C x I
TCI = Y/S
CI = TCI/T
I = CI/C
23
Deret Berkala dan Peramalan Bab 6
24
Deret Berkala dan Peramalan Bab 6
OUTLINE
25
30
Statistika untuk Ekonomi dan
Keuangan Modern
Edisi 3, Buku 1
SUHARYADI
PURWANTO S.K
BAB 7
KONSEP DASAR PROBABILITAS
2
Konsep Dasar Probabilitas Bab 7
OUTLINE
3
PENDAHULUAN
Definisi:
Probabilitas adalah peluang suatu kejadian
Manfaat:
Manfaat mengetahui probabilitas adalah membantu
pengambilan keputusan yang tepat, karena kehidupan di dunia
tidak ada kepastian, dan informasi yang tidak sempurna.
Contoh:
• Pembelian harga saham berdasarkan analisis harga saham
• Peluang produk yang diluncurkan perusahaan (sukses atau
tidak), dll.
4
Konsep Dasar Probabilitas Bab 7
PENDAHULUAN
Probabilitas:
Suatu ukuran tentang kemungkinan suatu peristiwa (event)
akan terjadi di masa mendatang. Probabilitas dinyatakan antara
0 sampai 1 atau dalam persentase.
Percobaan:
Pengamatan terhadap beberapa aktivitas atau proses yang
memungkinkan timbulnya paling sedikit dua peristiwa tanpa
memperhatikan peristiwa mana yang akan terjadi.
Hasil (outcom e ):
Suatu hasil dari sebuah percobaan.
Peristiwa (event ):
Kumpulan dari satu atau lebih hasil yang terjadi pada sebuah
percobaan atau kegiatan.
5
Konsep Dasar Probabilitas Bab 7
PENGERTIAN PROBABILITAS
Contoh:
6
Konsep Dasar Probabilitas Bab 7
OUTLINE
7
PENDEKATAN PROBABILITAS
1. Pendekatan Klasik
2. Pendekatan Relatif
3. Pendekatan Subjektif
8
Konsep Dasar Probabilitas Bab 7
PENDEKATAN KLASIK
Definisi:
Setiap peristiwa mempunyai kesempatan yang sama untuk terjadi.
Rumus:
9
Konsep Dasar Probabilitas Bab 7
PENDEKATAN KLASIK
10
Konsep Dasar Probabilitas Bab 7
PENDEKATAN RELATIF
Definisi:
Probabilitas suatu kejadian tidak dianggap sama, tergantung dari
berapa banyak suatu kejadian terjadi.
Rumus:
Contoh:
Dalam 12 bulan, 9 bulan terjadi inflasi dan 3 bulan deflasi. Maka
probabilitas inflasi = 9/12=0,75 dan probabilitas deflasi = 3/12=0,25
11
Konsep Dasar Probabilitas Bab 7
PENDEKATAN SUBJEKTIF
Definisi:
12
Konsep Dasar Probabilitas Bab 7
OUTLINE
13
A. Hukum Penjumlahan
P(A ATAU B) = P(A) + P(B)
Contoh : P(A) = 0,60, P(B) = 0,40
Maka P(A ATAU B ) = 0,6 + 0,4 = 1,0
A AB B
A B
15
Konsep Dasar Probabilitas Bab 7
• Hukum Perkalian
P( A DAN B) = P(A) × P(B)
Apabila P(A) = 1/2 DAN P(B) = 1/2
Maka P(A DAN B) = 1/2 × 1/2 = 1/4
• Diagram
Pohon
Suatu diagram
berbentuk
pohon yang
membantu
mempermudah
mengetahui
probabilitas
suatu peristiwa
Konsep Dasar Probabilitas Bab 7
OUTLINE
18
TEOREMA BAYES
19
Konsep Dasar Probabilitas Bab 7
Factorial = n!
20
TERIMA KASIH
21
Statistika untuk Ekonomi dan
Keuangan Modern
Edisi 3, Buku 1
SUHARYADI
PURWANTO S.K
BAB 8
DISTRIBUSI PROBABILITAS DISKRET
2
Distribusi Probabilitas Diskret Bab 8
OUTLINE
Distribusi Probabilitas
Distribusi Probabilitas
Diskret
Hipergeometrik
PENDAHULUAN
Definisi:
• Distribusi probabilitas adalah sebuah susunan distribusi yang
mempermudah mengetahui probabilitas sebuah peristiwa.
• Merupakan hasil dari setiap peluang peristiwa.
Contoh Kasus:
• Berapa peluang meraih untung dari investasi di reksa dana
• Berapa banyak barang harus dikirim, apabila selama
perjalanan barang mempunyai probabilitas rusak
• Berapa peluang karyawan bekerja lebih baik esok hari
4
Distribusi Probabilitas Diskret Bab 8
VARIABEL ACAK
5
Variabel acak
Sebuah ukuran atau besaran yang merupakan hasil suatu
percobaan atau kejadian yang terjadi acak atau untung-
untungan dan mempunyai nilai yang berbeda-beda.
• Standar Deviasi σ= √ σ 2
6
Distribusi Probabilitas Diskret Bab 8
7
Distribusi Probabilitas Diskret Bab 8
OUTLINE
8
Distribusi Probabilitas
Distribusi Probabilitas
Diskret
Hipergeometrik
9
Distribusi Probabilitas Diskret Bab 8
n!
P(r ) = pr .qn- r
r !(n - r )!
10
Distribusi Probabilitas Diskret Bab 8
Jawab:
P(p) = 0,9 dan P(q) = 1 – 0,9 = 0,1
Distribusi Probabilitas
Distribusi Probabilitas
Diskret
Hipergeometrik
DISTRIBUSI HIPERGEOMETRIK
13
Distribusi Probabilitas Diskret Bab 8
DISTRIBUSI HIPERGEOMETRIK
( s C r x ( N −s C n −r )
P( r ) =
N
Cn
14
Distribusi Probabilitas Diskret Bab 8
15
Distribusi Probabilitas Diskret Bab 8
OUTLINE
16
Distribusi Probabilitas
Distribusi Probabilitas
Diskret
Hipergeometrik
DISTRIBUSI POISSON
• Rumus: x - m
me
P(X )=
X!
17
Distribusi Probabilitas Diskret Bab 8
Jawab:
n = 150 X= 5 p=0,1 µ=n.p =150 x 0,1 = 15
Distribusi Probabilitas
Distribusi Probabilitas
Diskret
Hipergeometrik
1. Anda klik icon fx atau Anda klik icon insert dan pilih fx
function.
2. Anda pilih menu statistical pada function category.
3. Anda pilih menu Binomdist pada function name, Anda
tekan OK.
4. Setelah Anda tekan OK pada langkah ke-3, maka akan keluar
kotak dialog seperti berikut:
BINOMDIST
Number_s : ………… (masukkan nilai X)
Trials : ……….. (masukkan nilai n)
Probability : ………… (masukkan nilai p)
Cumulative: ………… (tulis kata False)
• Nilai P(r) akan muncul pada baris Formula result atau tanda (=)
24
25
Distribusi Probabilitas Diskret Bab 8
MENGGUNAKAN MS EXCEL UNTUK DISTRIBUSI
POISSON
26
• Klik icon fx atau Anda klik icon insert dan pilih fx function.
• Pilih menu statistical pada function category.
• Pilih menu POISSON pada function name, tekan OK.
• Setelah tekan OK pada langkah ke-3, maka akan keluar kotak
dialog seperti berikut:
POISSON
X : ………… (masukkan nilai x)
Mean : ……….. (masukkan nilai µ)
Cumulative : ………… (tulis FALSE)
• Nilai P(X) akan muncul pada baris Formula result atau tanda (=)
27
28
TERIMA KASIH
29
Statistika untuk Ekonomi dan
Keuangan Modern
Edisi 3, Buku 1
SUHARYADI
PURWANTO S.K
BAB 9
DISTRIBUSI PROBABILITAS NORMAL
2
Distribusi Probabilitas Normal Bab 9
OUTLINE
3
Untuk -∝<X<∝
di mana
π = 3,14159
e = 2,71828
Distribusi Probabilitas Normal Bab 9
7
Distribusi Probabilitas Normal Bab 9
Di mana nilai Z:
Z=X–µ
σ
9
Distribusi Probabilitas Normal Bab 9
OUTLINE
10
TRANSFORMASI DARI X KE Z
Contoh Soal:
Sebanyak 20 perusahaan termasuk dalam harga saham pilihan (LQ45)
pada 2013. Harga saham ke-20 perusahaan tersebut berkisar antara
Rp1.030–Rp6.500 per lembarnya. Berapa probabilitas harga saham
antara Rp3.314 sampai Rp5.005 per lembar. Diketahui μ = 3.314
sebagai nilai rata-rata hitung dan standar deviasinya 1.610.
Jawab:
Diketahui: Nilai µ = 3.314 dan σ = 1.610
Maka nilai Z =( X – µ) / σ
Z1 = (3.314 – 3.314)/1.610
Z1 = 0/1.610= 0
Z2 = (5.005 – 3.314)/1.610
Z2 = 1,05
11
Distribusi Probabilitas Normal Bab 9
68,26%
95,44%
99,74%
Contoh Soal:
PT Gunung Sari mengklaim bahwa rata-rata berat buah mangga mutu
“B” adalah 350 gram dengan standar deviasi 50 gram. Bila berat
mangga mengikuti distribusi normal, berapa probabilitas bahwa berat
buah mangga mencapai kurang dari 250 gram sehingga akan
diprotes oleh konsumennya.
14
Distribusi Probabilitas Normal Bab 9
15
Jawab:
• Transformasi ke nilai z
P(x < 250); P(x = 250) = (250 – 350)/50= –2,00
Jadi P(x<250)=P(z <–2,00)
• Lihat pada tabel luas di bawah kurva normal
P(z<–2,00)=0,4772
• Luas sebelah kiri nilai tengah adalah 0,5. Oleh sebab itu, nilai
daerah yang diarsir menjadi 0,5 – 0,4772 = 0,0228. Jadi,
probabilitas di bawah 250 gram adalah 0,0228 (2,28%). Dengan
kata lain probabilitas diprotes konsumen karena berat buah
mangga kurang dari 250 gram adalah 2,28%.
Distribusi Probabilitas Normal Bab 9
Contoh Soal:
PT Work Electric yang berkantor pusat di Bandung memproduksi
bohlam lampu. Bohlam yang diproduksi dapat hidup hingga 900 jam
dengan standar deviasi 50 jam. Untuk kepentingan promosi, PT
Work Electric ingin mengetahui probabilitas keyakinan bahwa
bohlam lampunya dapat hidup pada kisaran antara 800–1.000 jam.
16
Distribusi Probabilitas Normal Bab 9
PENERAPAN KURVA NORMAL
17
Jawab:
P(800<X<1.000)?
• Hitung nilai Z
Z1 = (800 – 900)/50 = –2,00;
Z2 = (1.000 – 900)/50 = 2,00
• Jadi: P(800<X<1.000) =P(–2,00<Z<2,00);
P(–2,00<Z) = 0,4772 dan P(Z>2,00) = 0,4772
Sehingga luas daerah yang diarsir adalah = 0,4772+0,4772= 0,9544. Jadi
P(800<X<1.000) = P(–2,00 < Z<2,00) = 0,9544.
Jadi, 95,44% produksi berada pada kisaran 800 – 1.000 jam. Jadi jika PT
Work Electric mengklaim bahwa lampu bohlamnya menyala 800 – 1.000
jam, mempunyai probabilitas benar 95,44%, sedang sisanya 4,56% harus
dipersiapkan untuk garansi.
Distribusi Probabilitas Normal Bab 9
OUTLINE
18
Z = X - np
√npq
Buka program MS. Excel dari Start, pilih MS. Excel. Masukkan data-
Untuk mendapatkan nilai Z, letakkan kursor pada sel E2, dan tulis
Letakkan kursor pada E3, dan klik icon fx, atau klik icon insert,
• Masukkan nilai Z atau taruh kursor pada sel yang ada nilai Z, dan pada
cumulative TRUE. Hasilnya akan muncul sebesar 0, 853 yang kemudian
dikurang 0,5, sehingga diperoleh luas di bawah kurva 0<Z<1,05 sebesar 0,3531
24
25
TERIMA KASIH
26
Statistika untuk Ekonomi dan
Keuangan Modern
Edisi 3, Buku 1
SUHARYADI
PURWANTO S.K
BAB 10
TEORI KEPUTUSAN
Teori Keputusan Bab 10
OUTLINE
Teori Keputusan
Analisis Pohon Keputusan
Teori Keputusan Bab 10
PENGANTAR
Contoh:
Keputusan yang diambil suatu perusahaan:
• barang dan jasa apa yang akan diproduksi,
• metode apa yang dipakai untuk memproduksi,
• untuk siapa barang dan jasa di produksi,
• bagaimana strategi pemasaran dan promosinya,
• apakah perusahaam membutuhkan tenaga pemasaran,
• dll.
Teori Keputusan Bab 10
PENGANTAR
Contoh kasus:
1. Untuk menambah modal suatu Bank apakah:
a) menambah modal,
b) memecah saham,
c) menerbitkan obligasi
2. Investasi apakah:
a) tanah
b) tabungan
Teori Keputusan Bab 10
ELEMEN KEPUTUSAN
ELEMEN KEPUTUSAN
ELEMEN KEPUTUSAN
Teori Keputusan
Analisis Pohon Keputusan
Teori Keputusan Bab 10
CONTOH EV
Rumus:
CONTOH EOL
EVPI
OUTLINE
Teori Keputusan
Analisis Pohon Keputusan
Teori Keputusan Bab 10
2. Kriteria Maximin
3. Kriteria Maximax
4. Kriteria Hurwicz
1. Kriteria Laplace
Probabilitas semua kejadian sama, dan hasil perkalian antara
hasil dan probabilitas tertinggi adalah keputusan terbaik.
2. Kriteria Maximin
Keputusan didasarkan pada kondisi pesimis atau mencari
Nilai maksimum pada kondisi pesimis.
3. Kriteria Maximax
Keputusan didasarkan pada kondisi optimis dan mencari nilai
maksimumnya.
Teori Keputusan Bab 10
4. Kriteria Hurwicz
Keputusan didasarkan pada perkalian hasil dan koefisien
optimisme. Koefisien ini merupakan perpaduan antara
optimis dan pesimis.
CONTOH LAPLACE
CONTOH MAXIMIN
CONTOH MAXIMAX
CONTOH HURWICZ
• Contoh:
Koefisien optimisme didasarkan pada probabilitas terjadinya
kondisi boom dibandingkan dengan kondisi krisis.
Berdasarkan data diperoleh koefisien optimisme sebesar
0,63 sehingga koefisien pesimisme adalah 1 – 0,63 = 0,37.
Teori Keputusan Bab 10
Teori Keputusan
Analisis Pohon Keputusan
Teori Keputusan Bab 10