KATA PENGANTAR

Puji syukur kita panjatkan kehadirat Allah SWT yang telah memberikan nikmat
dan karunia-Nya, sehingga kami dapat menyelesaikan tugas makalah yang berjudul
“STATISTIK”. Shalawat serta salam tak lupa kita curahkan kepada Nabi Muhammad
SAW, semoga kelak mendapat syafa’atnya di hari kiamat.

Kami berharap makalah ini dapat berguna untuk menambah wawasan dan
pengetahuan bagi yang membaca makalah ini. Selain itu kami juga berharap makalah
ini digunakan sebagai mana mestinya.

Penulis sadar bahwa memiliki banyak kekurangan dalam menyusun makalah ini,
oleh karena itu penulis mengharapakan segala saran, kritik dan masukan yang
membangun untuk proses dimasa yang akan datang.

i
 DAFTAR ISI

KATA PENGANTAR ......................................................................................... i

DAFTAR ISI ....................................................................................................... ii
BAB I PENDAHULUAN
1.1. Latar Belakang Masalah ............................................................................... 1
BAB II PEMBAHASAN
2.1. Distribusi Frekuensi ....................................................................................... 2
2.2. Pengukuran Nilai Rata-rata Sentral ............................................................... 6
2.3. Ukuran Penyebaran Distribusi ....................................................................... 13
2.4. Angka Indeks ................................................................................................. 15
2.5 Time Series dan Garis Trend .......................................................................... 17

BAB V PENUTUP
5.1. Kesimpulan ...................................................................................................
5.1. Saran .............................................................................................................

ii
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Statistik digunakan pada awal zaman Masehi yang dipergunakan untuk melakukan
perhitungan pajak, perang, hasil pertanian, dan bahkan pertandingan atletik. Tidak menutup
kemungkinan statistik juga yang merubah perindustrian dan teknologi (IPTEK) yang semakin
maju.dan memacu kita untuk mengikuti perkembangan-perkembangan yang terjadi didalam
era globalisasi ini. Karena IPTEK sangat berpengaruh didalam kehidupan kita sehari-hari
didalam penerapannya yang sering kita jumpai yaitu bidang ilmu Statistika. Dimana Statistika
adalah ilmu yang mempelajari bagaimana merencanakan, mengumpulkan, menganalisis,
menginterpretasi, dan mempresentasikan data dimana selalu menggunakan rumus-rumus
didalam perhitungannya. Statistika adalah bilangan-bilangan yang menerangkan sifat
(characteristic) dari sekumpulan data (pengamatan). Ilmu statistik dapat didefinisikan sebagai
berikut: “ Ilmu statistika adalah kumpulan dari cara-cara dan aturan-aturan mengenai
pengumpulan, pengolahan, penafsiran dan penarikan kesimpulan dari data berupa angka-
angka”.
Penggunaan statistika tidak hanya digunakan dalam bidang pemerintahan saja kini
statistika sudah mulai meluas dengan semakin berkembangnya jaman. Statistika kini dapat
dipakai dalam bidang perdagangan, pendidikan, bisnis, ekonomi, kedokteran,dan lain
sebagainya.untuk itulah statistika sangatlah diperlukan terutama didalam perguruan tinggi.
Dan diantara pengguaan ilmu didalam bidang statistika diantaranya adalah ukuran
penyebaran, binomial, poisson. Dimana dari masing-masing modul tersebut memiliki fungsi
yang berbeda diantaranya ukuran penyebaran berfungsi untuk mencari nilai Range, Rentang
Antar Kuartil, Rentang semi kuartil, simpangan rata-rata, variansi, standar deviasi, koefisien
variansi, dan Z score. Binomial untuk mengetahui kejadian sukses dan kejadian gagal dimana
proabilitas kejadian sukses dan probabilitas kejadian gagal adalah tetap. Sedangknan poisson
untuk menghitung banyaknya kejadian dalam selang waktu detik, menit, jam, hari, bulan,
bahkan tahun. Bardasarkan uraian diatas, maka pentingnya mempelajari statistika dalam
kehidupan sehari-hari.

1
 BAB II
PEMBAHASAN
2.1 Distribusi Frekuensi
Distribusi frekuensi adalah suatu cara untuk menyusun data baik yang bersifat diskrit /
utuh maupun data yang bersifat kontinyu / tidak utuh dengan memasukkan data ke dalam
kelas – kelas interval dengan tujuan agar mudah dipahami, dianalisis, dan disimpulkan.

Aturan Sturges

1. Menentukan besarnya range, merupakan selisih antara nilai tertinggi dan nilai terendah dari
suatu distribusi data (raw data).
Rumus:
r=a–b
Keterangan:
r = Range
a = Nilai tertinggi
b = Nilai terendah

2. Menentukan banyaknya kelas interval / kelompok interval yang dapat dibentuk dari suatu
distribusi data.
Rumus:
K = 1 + 3.332 Log N
Keterangan:
K = Kelas interval / kelompok interval
N = Jumlah frekuensi / distribusi data

3. Menentukan besarnya interval.

Rumus:
i=r/k
Keterangan:
i = Interval
r = Range
K = Kelas /kelompok interval

Frekuensi Kumulatif
Frekuensi Kumolatif adalah frekuensi pada setiap kelas interval dijumlahkan dengan
seluruh frekuensi pada kelas – kelas interval sebelumnya.

Frekuensi Relatif
Frekuensi Relatif adalah perbandingan antara frekuensi pada setiap kelas interval
dengan jumlah frekuensi secara keseluruhan.

Grafik Histogram
Grafik Histogram adalah suatu grafik yang menggambarkan frekuensi dari setiap
kelompok data atau kelompok interval yang berbentuk balok atau persegi empat.

2
Grafik Polygon
Grafik Polygon adalah grafik distribusi frekuensi dalam bentuk garis yang
menghubungkan titik – titik tengah selisih frekuensi pada setiap kelompok interval pada
grafik histograf.

CONTOH SOAL

1. Susunlah tabel distribusi frekuensi dari distribusi nilai ujian statistik ekonomi I dari 76
orang mahasiswa!
Raw Data:
60 50 60 75 60 55 80 60 50 90
50 65 70 80 70 40 50 60 45 45
40 45 60 70 70 80 90 80 75 60
50 45 40 50 60 80 60 60 70 40
75 70 80 70 60 50 60 70 85 85
60 50 45 50 60 70 70 80 90 85
60 80 60 50 70 60 70 60 80 60
75 60 50 50 60 65

JAWAB :

1. Ubah menjadi Array Data:

Jawab:
40 40 40 40 45 45 45 45 45 50
50 50 50 50 50 50 50 50 50 50
50 55 60 60 60 60 60 60 60 60
60 60 60 60 60 60 60 60 60 60
60 60 60 65 65 70 70 70 70 70
70 70 70 70 70 70 70 75 75 75
75 80 80 80 80 80 80 80 80 80
85 85 85 90 90 90
2. Selesaikan Aturan Sturges
Jawab:
1. r = a – b
= 90 – 40
= 50

2. K = 1 + 3.332 Log N
= 1 + 3.332 Log 76
= 1 + 3.332 (1.88)
= 1 + 6.266
= 7.266
=8

3. i = r / k
= 50 / 8
= 6.25
=7
Catatan: Dalam aturan sturges, bila hasilnya dalam bentuk koma, misalnya 7.266 maka
dibulatkan menjadi 8 atau 6.5 dibulatkan jadi 7.

3
 2. Bila data hasi survey tentang produktivitas padi sawah pada suatu desa adalah sebagai
berikut:

15 5 11 7 9
15 10 11 6 9
15 10 8 6 13
5 10 8 7 13
5 12 8 9 14
Berkaitan dengan data diatas jawablah pertanyaan berikut:
a) Susunlah data diatas kedalam daftar distribusi frekuensi,
b) Susunlah data diatas kedalam daftar distribusi frekuensi relatif dan persentase,
c) Susunlah data diatas kedalam daftar distribusi frekuensi komulatif untuk tanda kelas lebih
kecil atau sama dengan (≥),
d) Susunlah data diatas kedalam daftar distribusi frekuensi komulatif untuk tanda kelas lebih
kecil atau sama dengan (≤),
e) Hitunglah nilai tengah ( NT ) dari data diatas,
f) Hitunglah median ( ME),
g) Hitung modus (Mo)

Jawab:
a) Daftar distribusi frekuensi
1) Range = Data terbesar – Data terkecil
15 – 5 = 10

2) K = 1 + 3,33 log N

= 1 + 3,33 log 25

= 5,662

=5

3) I = R/K

= 10/5

=2

4) Limit bawah kelas yang pertama

Karena data terkecil adalah 5 maka limit bawah kelas yang pertama adalah 5.

5) Batas bawah dari batas kelas yang pertama

Limit bawah dari kelas yang pertama dikurangi 0,5 = 4,5

6) Batas atas dari batas kelas yang pertama

I = BaKls – BbKls
2 = BaKls – 4,5
BaKls = 6,5

4
7) Limit atas dari kelas yang pertama

Batas atas dari batas kelas yang pertama dikurangi 0,5 = 6

Daftar distribusi frekuensi absolut

Titik
Kelas Batas Kelas Tally Frekuensi
TengahKelas
5–6 4.5 – 6,5 5,5 5
7–8 6,5 – 8,5 7,5 5
9 – 10 8,5 – 10,5 9,5 6
11 – 12 10,5 – 12,5 11,5 3
13 – 14 12,5 – 14,5 13,5 3
15 – 16 14,5 – 16,5 15,5 3
Total 25
Daftar distribusi frekuensi relatif

Titik Frekuensi
Kelas Batas Kelas Tally
TengahKelas relatif
5–6 4.5 – 6,5 5,5 5/25
7–8 6,5 – 8,5 7,5 5/25
9 – 10 8,5 – 10,5 9,5 6/25
11 – 12 10,5 – 12,5 11,5 3/25
13 – 14 12,5 – 14,5 13,5 3/25
15 – 16 14,5 – 16,5 15,5 3/25
Total 25/25
Daftar distribusi frekuensi persentae ( % )

Titik Frekuensi ( %
Kelas Batas Kelas Tally
TengahKelas )
5–6 4.5 – 6,5 5,5 20
7–8 6,5 – 8,5 7,5 20
9 – 10 8,5 – 10,5 9,5 24
11 – 12 10,5 – 12,5 11,5 12
13 – 14 12,5 – 14,5 13,5 12
15 – 16 14,5 – 16,5 15,5 12
Total 100
Daftar distribusi frekuensi komulatif lebih besar dari (≥)

Batas Kelas Titik TengahKelas Tally Frekuensi

≥ 4.5 5,5 25
≥ 6,5 7,5 20
≥ 8,5 9,5 15
≥ 10,5 11,5 9
≥ 12,5 13,5 6
≥ 14,5 15,5 3
Total

5
2.2 Pengukuran Nilai Rata-Rata Sentral
Yang dimaksud dengan Nilai Rata-rata Pertengahan atau Median ialah suatu nilai atau
suatu angka yang membagi suatu distribusi data ke dalam dua bagian yang sama besar.
Dengan kata lain, Nilai Rata-rata Pertengahan atau Median adalah nilai atau angka yang di
atas nilai atau angka tersebut terdapat 1/2N dan di bawahnya juga terdapat 1/2N. Itulah
sebabnya Nilai Rata-rata ini dikenal sebagai Nilai Pertengahan atau Nilai Posisi Tengah,
yaitu nilai yang menunjukkan pertengahan dari suatu distribusi data.
Median adalah nilai yang terletak di tengah bila nilai-nilai pengamatan disusun secara
teratur menurut besarnya data. Median merupakan ukuran nilai pusat yang dapat digunakan
baik untuk data yang dikelompokkan maupun untuk data yang tidak dikelompokkan. Nilai
median sangat dipengaruhi oleh letak urutan dari nilai kumpulan data sehingga median sering
disebut sebagai rata-rata letak (positional average). Median membagi nilai-nilai pengamatan
yang ada pada gugus data sehingga 50 % terletak di bawah median dan 50 % di atas median.
Sebagai salah satu ukuran nilai pusat kelebihan median adalah tidak dipengaruhi adanya nilai
ekstrim (pencilan).

Median dapat dipergunakan bila skala pengukuran datanya minimal ordinal dengan
demikian terhadap nilai-nilai pengamatan dapat dilakukan pemeringkatan untuk menemukan
nilai pengamatan yang berlokasi di tengah. Sebagai ukuran pemusatan median paling cocok
digunakan untuk data yang berskala ukur ordinal atau yang disrribusinya menceng/juling.

Kelemahan median adalah dengan diperlukannya pemeringkatan nilai-nilai pengamatan,

jika datanya sangat banyak menjadi kurang praktis, dan untuk data yang sudah
dikelompokkan perhitungannya relatif lebih sulit. Disamping itu karena median belum
banyak dikembangkan untuk keperluan inferensia, penggunaannya tidak sepopuler rata-rata
hitung.

Untuk data yang tidak dikelompokkan, median adalah nilai yang terletak pada posisi : (N
+1) / 2.
Dengan N menunjukkan banyak observasi secara keseluruhan. Untuk keperluan tersebut
nilai-nilai pengamatan terlebih dahulu diurutkan dari kecil ke besar atau sebaliknya.

6
Rumus Menghitung Nilai Rata-Rata

Berikut ini data nilai tes mata pelajaran Matematika 10 siswa, kita akan menghitung
nilai rata-rata dari 10 orang siswa tersebut.

1 Eka Baper Pratama 85

2 Putri Woles Mutiara 78

3 Bagus Diembae Nugraha 90

4 Neneng Tengsin Utami 75

5 Adi Galon Sugiharta 92

6 Tito Bete Gemilang 85

7 Toni Kepo Agung 85

8 Rina Capedeh Sari 82

9 Romy Kuper Pamungkas 96

10 Andika Pehape Hartawan 90

Jumlah nilai = 85 + 78 + 90 + 75 + 92 + 85 + 85 + 82 + 96 + 90 = 858

Jumlah data = 10
Nilai rata-rata = 858/10 = 85,8
Jadi nilai rata-rata pelajaran Matematika 10 siswa tersebut adalah 85,8.

7
Nilai Rata-Rata dengan Penambahan Data

Apabila ada tambahan data maka jumlah nilai serta banyaknya data menjadi berubah.
Jika ada penambahan satu data dengan nilai a maka,

Jumlah nilai sekarang = Jumlah nilai + a

Banyaknya data sekarang = Banyaknya data + 1

Contoh lainnya, misalkan ada penambahan dua data dengan nilai a1 dan a2 maka

Jumlah nilai sekarang = Jumlah nilai + (a1 + a2)

Banyaknya data sekarang = Banyaknya data + 2

Sebagai contoh misalnya jika diketahui nilai rata-rata dari sekelompok data ditambah data
tambahan. Misal diketahui nilai rata-rata tes mata pelajaran Bahasa Indonesia dari 8 orang
siswa adalah 86.

Dua orang siswa tidak hadir saat tes dan mengikuti tes susulan, masing masing mendapat
nilai 100 dan 87. Kita akan menghitung nilai rata-rata dari 10 orang siswa tersebut.

Nilai rata-rata = Jumlah nilai/banyaknya data

Jumlah nilai = (Nilai rata-rata) x (Banyaknya data)
Jumlah nilai = 86 x 8 = 688

Jumlah nilai sekarang = 688 + 100 + 87 = 875

Banyaknya data sekarang = 8 + 2 = 10
Nilai rata-rata sekarang = 875 / 10 = 87,5
Jadi nilai rata-rata pelajaran Bahasa Indonesia 10 siswa tersebut adalah 87,5.

8
Nilai Rata-Rata dengan Pengurangan Data

Jika ada pengurangan data maka jumlah nilai dan banyaknya data menjadi berubah.
Jika ada pengurangan satu data dengan nilai a maka,

Jumlah nilai sekarang = Jumlah nilai – a

Banyaknya data sekarang = Banyaknya data – 1

Contoh lain, misalkan ada penguragan tiga data dengan nilai a1 , a2 dan a3 maka,
Jumlah nilai sekarang = Jumlah nilai – (a1 + a2 + a3)
Banyaknya data sekarang = Banyaknya data – 3

Berikut ini contoh cara menghitung nilai rata-rata, jika diketahui nilai rata-rata dari
sekelompok data dikurangi beberapa data :

Pak Andre membeli ikan lele di pasar sebanyak 10 ekor. Setelah semua ikan lele
ditimbang, ternyata berat rata-rata satu ekor ikan lele adalah 175 gram. Sepulangnya di
rumah, Pak Andre memberikan 3 ekor lele pada keponakannya. Berat masing-masing ikan
lele yang diberikan adalah 190 gram, 195 gram dan 210 gram. Kita akan menghitung berat
rata-rata ikan lele milik Pak Andre yang masih tersisa.

Nilai rata-rata = Jumlah nilai/banyaknya data

Jumlah nilai = (Nilai rata-rata) x (Banyaknya data)
Jumlah nilai = 175 x 10 = 1.750
Jumlah nilai sekarang = 1.750 – (190 + 195 + 210) = 1.750 – 595 = 1.155
Banyaknya data sekarang = 10 – 3 = 7
Nilai rata-rata sekarang = 1.155 / 7 = 165
Jadi berat rata-rata ikan lele yang dimiliki Pak Andre adalah 165 gram.

9
Nilai Rata-Rata Gabungan dari Dua atau Lebih Nilai Rata-Rata

Adakalanya kita ingin mendapatkan nilai rata-rata dari dua kelompok data atau lebih
yang diketahui masing-masing nilai rata-rata dan banyaknya data. Jika kita memiliki dua
kelompok data yang diketahui nilai rata-rata dan banyaknya data maka.

Jumlah nilai gabungan = Jumlah nilai kelompok 1 + Jumlah nilai kelompok 2

Banyaknya data gabungan = Banyaknya data kelompok 1 + Banyaknya data kelompok 2

Demikian juga jika kita memiliki tiga kelompok data yang diketahui masing-masing nilai
rata-rata dan banyaknya data.

Jumlah nilai gabungan = Jumlah nilai kelompok 1 + Jumlah nilai kelompok 2 + Jumlah nilai
kelompok 3.
Banyaknya data gabungan = Banyaknya data kelompok 1 + Banyaknya data kelompok 2 +
Banyaknya data kelompok 3.

Berikut ini contoh cara menghitung nilai rata rata dari dua kelompok data yang diketahui
masing-masing nilai rata-rata dan banyaknya data. Hasil tes mata pelajaran Bahasa Inggris
kelas A yang terdiri dari 18 siswa adalah 89. Hasil tes mata pelajaran Bahasa Inggris kelas B
yang terdiri dari 22 siswa adalah 95. Kita akan menghitung nilai rata-rata hasil tes gabungan
kelas A dan kelas B.

Nilai rata-rata = Jumlah nilai/banyaknya data

Jumlah nilai = (Nilai rata-rata) x (Banyaknya data)
Jumlah nilai kelas A = 89 x 18 = 1602
Jumlah nilai kelas B = 95 x 22 = 2090

Nilai rata-rata gabungan = (Jumlah nilai gabungan) / (Banyaknya data gabungan)

Nilai rata-rata gabungan = (1.602 + 2.090) / (18 + 22)
Nilai rata-rata gabungan = (3.692) / (40) = 92,3

CONTOH SOAL
1. Nilai ulangan matematika Govin pada semester 1 adalah sebagai berikut :
7, 6, 8, 7, 5, 8, 7, 6, 8, 7.
Maka nilai rata-rata ulangan matematika Govin selama semester 1 adalah :

Jumlah seluruh data

Banyak data

7+6+8+7+5+8+7+6+8+7 = 69 = 6,9
10 10

Jadi nilai rata-ratanya adalah 6,9.

10
 2. Data hasil pengukuran tinggi badan siswa kelas 5 adalah sebagai berikut :

Rata-rata tinggi badan siswa kelas 5 adalah :

Jumlah seluruh data

Banyak data

= (120X6) + (125X4) + (140X3) + (145X2) + (150X5)

6+4+3+2+5

= 720 + 500 + 420 + 290 + 750

20
= 2.680
20

= 134

3. Grafik hasil try out matematika adalah sebagai berikut !

Nilai rata-rata try out matematika adalah : Banyak Siswa

Jumlah seluruh nilai

Banyak siswa

= (20X1) + (40X6) + (60X7) + (80X9) + (100X2)

1+6+7+9+2

= 20 + 240 + 420 + 720 + 200 Nilai

25
= 64
Jadi nilai rata-rata try out matematika adalah 64.

11
 2.3 Ukuran Penyebaran Distribusi

Dalam pengukuran statistika terdpat pula Ukuran Penyebaran data. Ukuran

penyebaran data merupakan ukuran yang menunjukkan seberapa jauh data menyebar dari
rata-rata. Terdapat ukuran penyebaran data yang akan kita pelajari pada artikel ini, yaitu
Jangkauan (range), Simpangan rata-rata, Ragam (variasi), dan Simpangan Baku. namun,
sebelum anda mempelajari postingan ini, sebaiknya anda baca dulu materi sebelumnya
tentang Pengertian Statistika, Ukuran Pemusatan Data Dan Ukuran Letak Data.

Jangkauan (Range)
Jangkauan merupakan selisih data terbesar dan data terkecil. Jangkauan sering
dilambangkan dengan R.

1. Jangkauan Data

R = xmaks – xmin

Keterangan:
R = jangkauan
Xmaks = data terbesar
Xmin = data terkecil

2. Jangkauan interkuartil

Jangkauan interkuartil adalah selisih antara kuartil ketiga dan kuartil pertama.

H = Q3 – Q1

Keterangan :
H = jangkauan interkuartil
Q3 = kuartil ketiga
Q1 = kuartil pertama

3. Simpangan kuartil ( jangkauan semi interkuartil)

Singan kuartil adalah setengah dari selisih kuartil ketiga dan kuartil pertama.

Sk = ½ Q3 – Q1

Keterangan :
Sk = simpangan kuartil
Q3 = kuartil ketiga
Q1 = kuartil pertama

12
CONTOH SOAL

1. Tentukan jangkauan dari data : 3,6,10,5,8,9,6,4,7,5,6,9,5,2,4,7,8.

Jawab :

R = xmaks – xmin
= 10-2 = 8

Jadi, jangkaun data tersebut adalah 8.

Simpangan Rata- Rata

Simpangan rata-rata merupakan nilai rata-rata dari selisih setiap data dengan nilai
mean atau rataan hitungnya. Simpangan rata-rata sering dilambangkan dengan SR.

1. Data Tunggal

Keterangan :
SR = simpangan rata-rata
Xi = data ke-i
X = rataan hitung
n = banyak data

CONTOH SOAL

Tentukan simpangan rata-rata dari data 4,6,8,5,4,9,5,7.

Jawab :

Jadi, simpangan rata-ratanya adalah 1,5

13
2. Data Bergolong (Berkelompok)

Keterangan :
SR = simpangan rata-rata
Xi = data ke-i
X = rataan hitung
fi = frekuensi data ke-i

CONTOH SOAL

1. Tentukan simpangan rata-rata dari data berikut:

Data f
41-45 6
46-50 3
51-55 5
56-60 8
61-65 8
Jawab:
Data f xi fixi |xi-x| Fi|xi-x|
41-45 6 43 258 11,5 69
46-50 3 48 114 6,5 19,5
51-55 5 53 265 1,5 7,5
56-60 8 58 464 3,5 28
61-65 8 63 504 8,5 68
Jumlah 30 1.635 165

Jadi, simpangan rata-ratanya adalah 5,5.

14
 2.4 Angka Indeks

Angka indeks adalah angka perbandingan yang dinyatakan dalam persentase untuk
mengukur perubahan relatif satu variabel atau lebih pada waktu tertentu atau tempat tertentu,
dibandingkan dengan variabel yang sama pada waktu atau tempat yang lainnya. Singkatnya,
angka indeks adalah angka perbandingan untuk mengukur perubahan variabel yang
dinyatakan dalam persentase. Angka indeks digunakan untuk mengetahui perubahan-
perubahan variabel yang berkaitan dengan banyak aspek kehidupan manusia. Oleh karena itu,
angka indeks digunakan hampir di seluruh cabang ilmu pengetahuan. Kedokteran, ekonomi,
fisika, geografi, dan psikologi adalah contoh cabang ilmu pengetahuan yang menggunakan
jasa angka indeks.

Macam-Macam Angka Indeks

Ada tiga macam angka indeks, yaitu:

1. Angka indeks harga, yaitu angka perbandingan untuk mengukur perubahan harga dari
suatu periode ke periode lainnya.
2. Angka indeks jumlah (kuantitas), yaitu angka perbandingan untuk mengukur
perubahan jumlah dari suatu periode ke periode lainnya.
3. Angka indeks nilai (value), yaitu angka perbandingan untuk mengukur perubahan
nilai dari suatu periode ke periode lainnya. Nilai dihitung dengan cara mengalikan
harga dengan jumlah (kuantitas).

CONTOH SOAL

1. Penduduk Lampung pada tahun 2007 adalah 6,7 juta jiwa dan pada tahun 2008 adalah 7,1
juta jiwa. Berapakah indeks penduduk Lampung untuk periode dasar 2008 dan periode dasar
2007 ?
2. Berikut ini adalah tabel 3 merk laptop pada tahun 2007 dan 2008
Harga / unit

Merk 2007 2008

Acer $1500 $1560

Compaq $2000 $2010

Xyrex $780 $801

Tentukan :
– Indeks harga agregat tahun 2008 dengan tahun dasar 2007
– Indeks harga rata-rata relatif tahun 2008 dengan tahun dasar 2007

15
 JAWABAN
1. 2007 = 6,7 Juta Jiwa
2008 = 7,1 Juta Jiwa
 Periode dasar 2007
Indeks penduduk 2007
6,7 Jt x 100 % = 100 %
6,7 Jt
Indeks penduduk 2008
7,1 Jt x 100 % = 105,97 %
6,7 Jt
Kenaikan = 105,97 % – 100 % = 5,97 %
 Periode dasar 2008
Indeks penduduk 2008
7,1 Jt x 100 % = 100 %
7,1 Jt
Indeks penduduk 2007
6,7 Jt x 100 % = 94,37 %
7,1 Jt
Kenaikan = 94,37 % – 100 % = 50,63 %
1. Indeks harga tahun 2007 dengan tahun 2008 (2007=100)
Indeks agregat I = ∑Pn x 100 %
∑Po
= $ 4371 x 100 %
$ 4280
= 102,12 %
Metode rata-rata relatif
I = ∑Pn x 100 %
∑Po
K
Kalau menghitung indeks dari harga barang pada tahun dasar 2007
 Acer = $ 1500 x 100 % = 104 %
$ 1500
 Compaq = $ 2010 x 100 % = 100,5 %
$ 2000
 Xyrex = $ 801 x 100 % = 102, 69 %
$ 780
Total harga relatif = $ 307,19
Jadi, indeks rata-rata relatif = 307,19 = 102,39.

16
 2.4 Time Series Dan Garis Trend

Data time series adalah nilai-nilai suatu variabel yang berurutan menurut waktu
(misal: hari, minggu, bulan, tahun). Ada 4 faktor yang mempengaruhi data time series .
Dalam data ekonomi biasanya kita mendapatkan adanya fluktuasi/ variasi dari waktu ke
waktu atau disebut dengan variasi time series. Variasi ini biasanya disebabkan oleh adanya
faktor Trend (trend factor), Fluktuasi siklis (cyclical fluktuation), Variasi musiman (seasonal
variation), dan pengaruh random (irregular/random influences). Trend adalah keadaan data
yang menaik atau menurun dari waktu ke waktu. Contoh yang menunjukkan trend menaik
yaitu pendapatan per kapita, jumlah penduduk. Variasi musiman adalah fluktuasi yang
muncul secara reguler setiap tahun yang biasanya disebabkan oleh iklim, kebiasaan
(mempunyai pola tetap dari waktu ke waktu). Contoh yang menunjukan variasi musiman
seperti penjualan pakaian akan meningkat pada saat hari raya, penjualan buku dan tas sekolah
akan meningkat pada saat awal sekolah. Variasi siklis muncul ketika data dipengaruhi oleh
fluktuasi ekonomi jangka panjang, variasi siklis ini bisa terulang setelah jangka waktu
tertentu. Variasi siklis biasanya akan kembali normal setiap 10 atau 20 tahun sekali, bisa juga
tidak terulang dalam jangka waktu yang sama. ini yang membedakan antara variasi siklis
dengan musiman. Gerakan siklis tiap komoditas mempunyai jarak waktu muncul dan sebab
yang berbeda-beda, yang sampai saat ini belum dapat dimengerti. Contoh yang menunjukkan
variasi siklis seperti industri konstruksi bangunan mempunyai gerakan siklis antara 15-20
tahun sedangkan industri mobil dan pakaian gerakan siklisnya lebih pendek lagi. Variasi
randomadalah suatu variasi atau gerakan yang tidak teratur (irregular). Variasi ini pada
kenyataannya sulit diprediksi. Contoh variasi ini dalam data time series karena adanya
perang, bencana alam dan sebab-sebab unik lainnya yang sulit diduga. Total variasi dalam
data time series adalah merupakan hasil dari keempat faktor tersebut yang mempengaruhi
secara bersama-sama. Dalam tulisan ini hanya akan dianalisa dua variasi pertama, sedangkan
dua variasi terakhir tidak dianalisa karena memang pola variasi tersebut tidak tersistem
dengan baik selain membutuhkan waktu yang sangat lama untuk mendapatkan data yang
panjang. Pengalaman dan feeling so good dari pengambil keputusan dapat
membantu adjustment pada hasil ramalan.
Model Time Series adalah suatu peramalan nilai-nilai masa depan yang didasarkan
pada nilai-nilai masa lampau suatu variabel dan atau kesalahan masa lampau. Model time
series biasanya lebih sering digunakan untuk suatu peramalan/prediksi. Dalam tehnik
peramal an dengan time series ada 2 kategori utama yang perlu dilakukan pengujian, yaitu
pemulusan (smoothing) dan dekomposisi (decomposition). Metode pemulusan mendasarkan
ramalannya dengan prinsip rata-rata dari kesalahan masa lalu (Averaging smoothing past
errors) dengan menambahkan nilai ramalan sebelumnya dengan persentase kesalahan
(percentage of the errors) antara nilai sebenarnya (actual value) dengan nilai ramalannya
(forecasting value). Metoda dekomposisi mendasarkan prediksinya dengan membagi
data time series menjadi beberapa komponen dari Trend, Siklis, Musiman dan pengaruh
Random; kemudian mengkombinasikan prediksi dari komponen-komponen tersebut (kecuali
pengaruh random yang sulit diprediksi). Pendekatan lain untuk peramalan adalah metoda
causal atau yang lebih dikenal dengan sebutan regresi. Tehnik pemulusan dan regresi akan
dibahas pada sesi tulisan yang lain.

17
Trend

Trend adalah keadaan data yang menaik atau menurun dari waktu ke waktu. Ada
beberapa tehnik dalam membuat model trend. Tehnik yang sering digunakan adalah metoda
kuadrat terkecil (least square method). Model trend linier perkiraan adalah sebagai berikut:

18
CONTOH SOAL

Data PT ABC TAHUN 1995-2006

NO TAHUN PENJUALAN (Y)

1 1996 15.000

2 1997 16.000

3 1998 17.000

4 1999 17.500

5 2000 18.000

6 2001 18.500

7 2002 18.500

8 2003 19.000

9 2004 19.250

10 2005 19.500

11 2006 19.750

JUMLAH 11 198.000

19
1. ANALISIS MENGGUNAKAN METODE LEAST SQUARE

PT ABC

PENJUALAN PREDIKSI
NO TAHUN X^2 XY
(Y) (X)

1 1996 15.000 -5 25 -75.000

2 1997 16.000 -4 16 -64.000

3 1998 17.000 -3 9 -51.000

4 1999 17.500 -2 4 -35.000

5 2000 18.000 -1 1 -18.000

6 2001 18.500 0 0 0

7 2002 18.500 1 1 18.500

8 2003 19.000 2 4 38.000

9 2004 19.250 3 9 57.750

10 2005 19.500 4 16 78.000

11 2006 19.750 5 25 98.750

JUMLAH 11 198.000 0 110 48.000

20
2. Mencari nilai a dan b

a = 198.000 /11 = 18.000

b = 48.000 /110 = 436.36

maka persamaan least squarenya adalah
Y’ = a + bX
Y’ = 18.000 + 436.36X
Maka ramalan penjualan untuk tahun 2007 :
Y (2007) = 18.000 + 436.36 (6)
Y (2007) = 18.000 + 2,618.18
Y (2007) = 20618.18 dibulatkan menjadi 20.619 unit
Ramalan penjualan tahun sebelumnya misalkan tahun 1995 adalah
Y (1995) = 18.000 + 436.36 (-6)
Y (1995) = 18.000 + (-2,618.18)
Y (1995) = 15.381,82 dibulatkan menjadi 15.382 unit

PENJUALAN PREDIKSI
NO TAHUN X^2 XY
(Y) (X)

1 1997 16250 -9 81 -146250

2 1998 17200 -7 49 -120400

3 1999 18050 -5 25 -90250

4 2000 18800 -3 9 -56400

5 2001 19450 -1 1 -19450

6 2002 20000 1 1 20000

7 2003 20450 3 9 61350

8 2004 20800 5 25 10400

9 2005 21050 7 49 147350

10 2006 21250 9 81 191250

JUMLAH 10 193300 0 330 91200

21
2. Mencari nilai a dan b

a = 193300/10 = 19330

b = 91200/330 = 276.36

maka persamaan least squarenya adalah

Y’ = a + bX

Y’ = 19330 + 276.36X

Maka ramalan penjualan untuk tahun 2007 :

Y (2007) = 19330 + 276.36 (6)

Y (2007) = 19330 + 3040

Y (2007) = 22370 jadi ramalan penjualan menjadi 20.619 unit

Ramalan penjualan tahun sebelumnya misalkan tahun 1995 adalah

Y (1995) = 18.000 + 436.36 (-13)

Y (1995) = 18.000 + (-3592.73)

Y (1995) = 15737,82 dibulatkan menjadi 15.738 unit

22
 BAB III

PENUTUP

3.1 Kesimpulan

Dari semua materi di atas dapat disimpulkan bahwa statistik, data, populasi dan sampel
merupakan hal yang sangat di butuhkan dalam membuat sebuah penelitian. Karena tanpa ada
ke-empat hal tersebut di atas maka sebuah penelitian akan sulit untuk di atur datanya. Karena
data yang kita teliti dalam bentuk populasi sangat banyak. Dengan adanya empat hal tersebut
maka penelitian dapat di lakukan dengan mudah karena ada teknik-teknik yang memudahkan
berjalannya sebuah penelitian.

3.2 Saran

Makalah ini masih sangat jauh dari kesempurnaan, baik dari segi penyajian bahan
maupun dalam segi penulisan. Oleh sebab itu, penulis sangat mengharapkan kritik dan saran
pembaca agar karya tulis ini bisa menjadi berguna bagi pendidikan di indonesia.

23