MAKALAH STATISTIKA BISNIS

Disusun Oleh :

 Nama : Lily Angellina

 NIM : E010318014
 Kelas : 2A Administrasi Bisnis

Dosen Pengajar
Hikmayanti Huwaeda, S.Si, M.Pd

KEMENTRIAN RISET, TEKNOLOGI DAN PENDIDIKAN TINGGI

POLITEKNIK NEGERI BANJARMASIN
JURUSAN ADMINISTRASI BISNIS
PRODI ADMINISTRASI BISNIS
2019
 KATA PENGANTAR

Puji syukur kita panjatkan atas kehadirat Allah SWT karena berkat rahmat dan hidayah-Nya,
Saya dapat menyelesaikan makalah ini dengan baik. Makalah ini saya buat guna membantu
nilai mata kuliah Statistik Bisnis semester 2. Dalam penyusunan makalah ini tak sedikit
hambatan yang saya alami.

Saya pun menyadari bahwa makalah ini tentu masih ada kekurangan, baik pada teknis
maupun materi, maka dari itu saya membutuhkan kritik dan saran demi kesempurnaan
makalah yang saya buat.

Saya berharap makalah ini akan bermanfaat utuk saya dan pembacanya sekalian agar daapat
menjadi acuan dan pembelajaran.

Banjarmasin, 22 Maret 2019

Lily Angellina
 DAFTAR ISI

BAB I
PENDAHULUAN…………………………………………………………
1.1 Latar Belakang………………………………………………………….

BAB II
PEMBAHASAN…………………………………………………………..
1. Syarat Data Yang Baik
2. Pembagian Data
3. Tata Cara Pengambilan Sample
4. Penjelasan Tentang Ciri – Ciri Berdasarkan Urutan, Jarak, dan Asal Mula Untuk
Menghasilkan Pengelompokkan Skala Ukuran
DAFTAR PUSTAKA
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Statistik didefinisikan sebagai fakta-fakta berbentuk angka yang terangkumdalam tabel-

tabel atau kumpulan angka pada tabel yang menerangkan suatufenomena.Statistika adalah ilmu
yang mempelajari bagaimana merencanakan,mengumpulkan, menganalisis, menginterpretasi,
dan mempresentasikan data.Singkatnya, statistika adalah ilmu yang berkenaan dengan data. Atau
statistikaadalah ilmu yang berusaha untuk mencoba mengolah data untuk mendapatkanmanfaat
berupa keputusan dalam kehidupan.
Dalam sebuah penelitian, terutama penelitian kuantitatif dapat dilakukananalisis data
dengan bantuan statistik. Secara umum semua statistik parameterik berfungsi untuk
menggeneralisasi hasil penelitian, yaitu pemberlakuanhasil penelitian dalam populasi dengan
menggunakan data sampel yang harusmemenuhi asumsi-asumsi. Asumsi tersebut meliputi data
sampel diambil secaraacak dari populasi dan data terdistribusi normal. Sedangkan asumsi-
asumsilainnyamenyesuaikan dengan teknik analisis data yang digunakan.
Untuk analisis perbedaan seperti uji t, maka asumsi-asumsi yang harusdipenuhi adalah
data dari kedua kelompok sampel diambil secara acak dari populasi, data yang dianalisis bersifat
independen satu samalain, data darikedua kelompok sampel terdistribusi normal, serta varians
dari populasi adalah homogen.
 BAB II
PEMBAHASAN

A. Syarat Data Yang Baik

Data merupakan dasar yang penting dalam membuat perencanaan dan keputusan, seperti
rencana pembangunan. Data yang salah akan menyebabkan kesalahan dalam membuat
kebijakan yang tidak tepat guna dan keputusan yang salah. Untuk itu, dalam mengambil
keputusan, kita harus menggunakan data yang baik. Adapun syarat data yang baik yaitu :

1. Objektif, yang berarti bahwa data yang ditampilkan harus sesuai dengan keadaan yang
sebenarnya. Misalnya, jumlah penduduk miskin di suatu kota sebanyak 1 juta jiwa, maka
yang harus dilaporkan harus dengan jumlah 1 juta, jika kurang atau lebih maka akan
berimbas pada pengambilan kebijakan yang salah untuk penduduk miskin seperti raskin
dan BLT.

2. Representatif, yang berarti bahwa data yang tersedia harus mewakili objek yang diamati.
Misalnya, data tentang harga barang yang diambil tidak hanya dari pasar tradisional
tetapi juga pasar modern, data tentang konsumsi beras tidak hanya diambil di daerah
perkotaan saja tetapi juga di daerah pedesaan.

3. Kesalahan baku (standard error) kecil. Data yang diperoleh dari hasil survey biasanya
memiliki kesalahan baku, baik yang diperoleh dari sampling error maupun non sampling
error. Namun hasil estimasi yang diperoleh diharapkan mendekati parameter atau nilai
dari populasinya. Agar mendekati nilai parameternya maka kesalahan baku harus sekecil
mungkin agar keputusan yang diambil tepat sasaran.

4. Tepat waktu. Terkadang kita membutuhkan data yang paling up to date untuk mengambil
suatu keputusan. Misalnya, pemerintah tahun ini (2014) ingin melakukan perbaikan
bangunan SD yang rusak, maka data yang diperlukan adalah data jumlah bangunan SD
yang rusak yang terkini (tahun 2014 atau 2013), bukan data jumlah bangunan SD yang
rusak tahun 2010, karena pemerintah ingin melihat gambaran terakhir jumlah bangunan
SD yang rusak.

5. Relevan, yang berarti bahwa data yang dikumpulkan harus relevan dengan masalah yang
akan dipecahkan. Misalnya, kebijakan pemerintah dalam impor sapi, maka data yang
dibutuhkan adalah produksi daging sapi di Indonesia atau data jumlah sapi tahun
berjalan.
B. Pembagian Data

Data merupakan kumpulan kejadian dari sebuah fakta yang terjadi. Data masih
membutuhkan proses pengolahan untuk dapat dijadikan informasi. Data dapat dibagi
menjadi beberapa jenis. Berikut saya akan menjelaskan pembagian/pengelompokan data.

1. Data menurut sifatnya. Menurut sifatnya data dibedakan menjadi data kualitatif dan
data kuantitatif. Data kualitatif merupakan data yang tidak berbentuk angka, misalnya
jenis kelamin dan warna. Sedangkan data kuantitatif adalah data yang berbentuk angka
seperti tinggi badan, jumlah penduduk, dan panjang meja.Data menurut sumbernya.
2. Menurut sumbernya, data dibedakan menjadi data internal dan data eksternal. Data
internal merupakan data yang berasal dari keadaan atau kegiatan suatu kelompok atau
organisasi. Misalnya, data pengeluaran dan pembelian dari suatu perusahaan.
Sedangkan data eksternal merupakan data yang bersumber dari luar suatu kelompok
atau organissi. Misalnya, agen produk susu bayi meminta data persebaran penduduk
usia 0-4 tahun untuk memasarkan produknya.
3. Data menurut cara mempeolehnya. Menurut cara memperolehnya, data dibedakan atas
data primer dan data sekunder. Data primer adalah data yang dikumpulkan sendiri oleh
 perorangan atau kelompok yang merupakan hasil pengamatan langsung terhadap suatu
objek. Misalnya data hasil sensus penduduk oleh BPS yang dilakukan melalui
wawancara langsung. Sedangkan data sekunder adalah data yang diperoleh dalam
bentuk jadi dan telah diolah oleh pihak lain. Misalnya seorang mahasiswi kebidanan
mencari data jumlah wanita di suatu daerah ke BPS untuk keperluan tugas akhir.
4. Data menurut waktu pengumpulannya. Menurut waktu pengumpulannya, data
dibedakan atas data cross section, data time series, dan data panel. Data cross section
adalah data yang dikumpulkan dalam satu periode tertentu untuk menggambarkan
keadaan objek pada periode tersebut. Misalnya data jumlah pengrajin industry keramik
menurut omset yang dihasilkan, jenis kelamin, dan ukuran perusahaan. Data time series
adalah data yang dikumpulkan dari waktu ke waktu. Misalnya data pergerakan nilai
IHSG dari tahun 2000-2010 dan data harga beras mingguan selama tahun 2013.
Sedangkan data panel adalah gabungan dari data cross section dan data panel.
Misalnya, data perusahaan operator seluler di Indonesia menurut jumlah pelanggan dan
omset tahun 2000-2014.

C. Tata Cara Pengambilan Sample

Sampel adalah bagian dari kualitas dan karakteristik yang dimiliki populasi. Sampel yang
diambil harus benar-benar representatif karena kasimpulan yang diambil dari sampel
tersebut akan diberlakukan untuk populasi.

Dalam pengambilan sampel, terdapat beberapa teknik yang dapat digunakan. Teknik-
teknik pengambilan sampel tersebut dikelompokkan menjadi probability
sampling dan non-probability sampling.

Probability sampling yaitu teknik pengambilan sampel yang memberi kesempatan sama
kepada semua anggota populasi untuk dipilih menjadi sampel. Teknik probability
sampling terdiri dari simple random, proportionate stratified random
sampling, disproportionate stratified random sampling, dan cluster sampling.

1. Simple random yaitu teknik pengambilan anggota sampel secara acak dari populasi tanpa
memperhatikan strata dalam populasi tersebut. Teknik ini dilakukan apabila
anggota/unsur populasi homogen.
2. Proportionate stratified random sampling yaitu teknik yang digunakan bila
anggota/unsur populasi tidak homogen dan berstrata secara proporsional.
 3. Disproportionate stratified random sampling yaitu teknik yang digunakan untuk
menentukan jumlah sampel bila populasi berstrata namun kurang proporsional.
4. Cluster sampling yaitu teknik pengambilan sampel yang digunakan apabila obyek yang
akan diteliti atau sumber data sangat luas.

Sedangkan teknik non-probability sampling terdiri atas sampling sistematis, sampling kuota,
sampling incidental, porposive sampling, sampling jenuh, serta snowball sampling.

1) Sampling sistematis adalah teknik pengambilan sampel berdasarkan urutan anggota

populasi yang telah diberi nomor urut.
2) Sampling kuota adalah teknik pengambilan sampel yang memiliki ciri-ciri tertentu
sampai terpenuhinya kuota yang diinginkan.
3) Sampling incidental adalah teknik pengambilan sampel secara kebetulan. Maksudnya,
peneliti mengambil sampel yang secara kebetulan ditemuinya yang dipandang cocok
menjadi sumber data dalam penelitian yang akan dilakukan.
4) Porposive sampling merupakan teknik pengambilan sampel berdasarkan pertimbangan
tertentu.
5) Sampling jenuh merupakan teknik penentuan sampel bila semua anggota populasi
dijadikan sebagai sampel. Teknik ini dilakukan apabila populasi memiliki anggota yang
relatif kecil atau bila peneliti tersebut ingin membuat generalisasi dengan kesalahan yang
sangat kecil.
6) Snowball sampling adalah teknik pengambilan sampel dari sampel yang jumlahnya kecil
kemudian membesar, seperti halnya bola salju.

Jumlah anggota sampel yang paling tepat digunakan dalam penelitian tergantung pada tingkat
ketelitian atau kesalahan yang dikehendaki. Makin besar tingkat kesalahan, maka semakin besar
sampel yang dibutuhkan.

D. Penjelasan Tentang Ciri – Ciri Berdasarkan Urutan, Jarak, dan Asal Mula Untuk
Menghasilkan Pengelompokkan Skala Ukuran

Dalam suatu pengukuran akan dibentuk suatu skala dan kemudian ditransfer pengamatan
terhadap cirri-ciri kepada skala tersebut. Pengelompokan skala memakai sistem bilangan
nyata/dasar yang paling umum yang digunakan untuk membuat skala mempunyai tiga
cirri sebagai berikut (Coopr dan Earning)

1) Bilangannya berurutan. Satu bilangan adalah lebih besar dari pada, lebih kecil dari
padaatau sama dengan bilangan yang lain.
2) Selisih antara bilangan-bilangan adalah berurutan. Selisih antara sepasang bilanganadalah
beururtan selisih antara sepasang bilangan adalah lebih besar dari pada lebih kecildari
pada, atau sama dengan selisih antara pasangan bilangan yang lain.
3) Deret bilangan mempunyai asal mula yang unik yang ditandai dengan bilangan nol.

Kombinasi ciri-ciri urutan, jarak, dan asal mula menghasilkan pengelompokan skala
ukuran yang umum dipakai. Ada empat macam skala pengukuran yaitu:

1. SKALA NOMINAL (SKALA LABEL)

Skala ini menempatkan angka sebagai atribut objek. Tidak memiliki efek evaluatif karena
hanya menempatkan angka ke dalam kategori tanpa struktur, tidak memiliki peringkat
dan tidak ada jarak.

Contoh Data Variabel :

Ya = 1 dan Tidak = 0
Pria = 1 dan Wanita = 0
Hitam = 1, Abu-abu = 2, Putih = 2

Analisis Statistik :

Angka tidak bermakna matematika. Analisis statistik yang dapat digunakan berada dalam
kelompok non-parametrik yaitu frekuensi dan tabulasi silang dengan Chi-square.

2. SKALA ORDINAL (SKALA PERINGKAT)

Skala ordinal memiliki peringkat, tapi tidak ada jarak posisional objektif antar angka
karena angka yang tercipta bersifat relatif subjektif. Skala ini menjadi dasar dalam Skala
Likert.

Contoh Data Variabel :

Sangat Tidak Setuju = 1

Tidak Setuju = 2
Tidak Tahu = 3
Setuju = 4
Sangat Setuju = 5

Pendek = 1
Sedang = 2
Tinggi = 3
 Tidak enak = 1
Ragu-ragu = 2
Enak = 3

Analisis Statistik :

Angka 1 lebih rendah dari angka 2 dalam peringkat, tapi tidak bisa dilakukan operasi
matematika. Data ordinal menggunakan statistik non-parametrik mencakup frekuensi,
median dan modus, Spearman rank-order correlation dan analisis varian.

3. SKALA INTERVAL (SKALA JARAK)

Skala interval adalah skala ordinal yang memiliki poin jarak objektif dalam keteraturan
kategori peringkat, tapi jarak yang tercipta sama antar masing-masing angka.

Contoh Data Variabel :

Umur 20-30 tahun = 1

Umur 31-40 tahun = 2
Umur 41-50 tahun = 3

Suhu 0-50 Celsius = 1

Suhu 51-100 Celsius = 2
Suhu 101-150 Celsius = 3

Analisis Statistik :

Angka 3 berarti lebih tua atau lebih panas dari angka 2 setara dengan angka 2 terhadap
angka 1, bisa operasi penjumlahan dan pengurangan. Statistik parametrik yaitu deviasi
mean dan standar, korelasi r, regresi, analisis varian dan analisis faktor ditambah berbagai
multivariat.
4. SKALA RASIO (SKALA MUTLAK)

Skala rasio adalah skala interval yang memiliki nol mutlak.

Contoh Data Variabel :

0 tahun, 1 tahun, 2 tahun, 3 tahun, ..... dst.

..... -3C, -2C, -1C, 0C, 1C, 2C, 3C, ..... dst.

..... 0,71m ..... 5,38m ..... 12,42m ..... dst.

Analisis Statistik :

Berlaku semua operasi matematika. Analisis statistik sama dengan skala interval.
 DAFTAR PUSTAKA

https://tu.laporanpenelitian.com/2014/11/24.html
http://www.konsultanstatistik.com/2009/03/skala-pengukuran-statistik.html
https://www.coursehero.com/file/12694687/Pertemuan-8/
https://anitaharum.wordpress.com/2013/09/10/skala-pengukuran/
https://www.scribd.com/doc/112784294/INSTRUMEN-DAN-PENGUKURAN
http://eijuntwenty.blogspot.com/2014/04/data-merupakan-dasar-yang-pentingdalam.html
http://eijuntwenty.blogspot.com/2014/04/pembagian-data.html