PENGERTIAN STATISTIKA EKONOMI

BAB 1
STATISTIKA
Statistika adalah ilmu mengumpulkan, menata, menyajikan, menganalis, dan
menginterpresentasikan data menjadi informasi untuk membantu pengambilan
keputusan yang efektif.

JENIS-JENIS STATISTIKA :
a) Statistika Deskriptif :
1. Penyajian data
2. Ukuran pemusutan
3. Ukuran penyebaran
4. Angka indeks
5. Deret berkala dan peramalan

b) Statistika Induktif :
1. Probabilitas dan teori keputusan
2. Metode sampling
3. Teori pendugaan
4. Penguji hipotesa
5. Regresi dan kolerasi
6. Statistika nonparametrik

POPULASI DAN SAMPLE

 POPULASI
adalah sebuah kumpulan dari semua kemungkinan orang-orang, benda-benda dan
ukuran lain dari objek yang menjadi perhatian.
 SAMPLE
adalah suatu bagian dari populasi tertentu yang menjadi perhatian.
JENIS-JENIS DATA :
 Data Kualiatif
 Data Diskret
 Data Kuantitatif
 Data Kontinue

SKALA PENGUKURAN :
 Skala Nominal : Angka yang diberikan hanya sebagai label saja.
 Skala Ordinal : Angka mengandung pengertian tingkatan.
 Skala Radio : Angka yang mempunyai sifat nominal,ordinal dan
interval
 Skala Interval : Angka yang mengandung sifat ordinal dan mempunyai
jarak atau interval.


PENYAJIAN DATA
BAB 2
Tujuan
Untuk menyajikan data mentah yang diperlukan dari populasi atau sample menjadi
data yang tertata dengan baik, sehingga bermakna informasi bagi pengambilan
keputusan manajerial.
PENYAJIAN DATA
Definisi : membuat distributor frekuensi dalam bentuk sajian gambar baik grafik
poligon,histogram,atau ogif
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
 Nilai tepi kelas : nilai batas antar kelas (border) yang memisahkan nilai antara
kelas yang satu dengan kelas yang lain

DISTRIBUSI FREKUENSI
  adalah pengelompokan data ke dalam beberapa kategori yang menunjukkan
banyaknya data dalam setiap kategori.
 Setiap data tidak dapat dimaksukkan kedalam dua atau lebih kategori.
Langkah-langkah Distribusi Frekuensi :
Mengumpulkan data
Mengurutkan data dari terkecil ke terbesar atau sebaliknya.
Membuat kategori kelas jumlah kelas K= 1 + 3,322 log n dimana 2𝑘 >n; di
mana k= jumlah kelas; n = jumlah data.
Membuat interval kelas interval kelas = (nilai tertinggi – nilai terendah)/
jumlah kelas.
Melakukan penghitungan atau penturusan setiap kelasnya.
Langkah-langkah dalam Statistika Deskriptif:
Memahami masalah dan jawaban yang diperlukan.
Mengumpulkan data yang sesuai dengan masalah dan tujuan.
Menata dan mentah ke dalam distribusi frekuensi.
Menyajikan data distribusi secara grafik.
Menarik kesimpulan mengenai permasalahan.
DISTRBUSI FREKUENSI RELATIF
adalah frekuensi relative setiap kelas dibandingkan dengan frekuensi totalnya.

FREKUENSI KUMULATIF
Definisi : Penjumlahan Frekuensi pada setiap kelas, baik meningkat (kurang dari)
atau menurun (lebih dari).

Interval Frekuensi Nilai Tengah F.Relatif F.Relatif Lebih

Kurang Dari Dari
157-204 4 180,5 4 15
205-252 5 228,5 9 10
253-300 7 276,5 16 3
301-348 2 324,5 18 1
349-396 1 372,5 19 0
 HISTOGRAM
Definisi : Grafik yang berbentuk balok, dimana sumbu horizontal (X) adalah tepi
kelas dan sumbu vertical (Y) adalah frekuensi setiap kelas.

Histogram
8
7
6
5
4
3
2
1
0
180.5 228.5 276.5 324.5 372.5

KURVA OGIF
Definisi : Diagram garis yang menunjukan kombinasi antara interval kelas dengan
frekuensi kumulatif.

Kurva Ogiv
20

15

10 frekuensi data kurang dari

frekuensi data lebih dari
5

0
180.5 228.5 276.5 324.5 372.5
 UKURAN PEMUSATAN
BAB 3

UKURAN PEMUSATAN
adalah nilai tunggal yang mewakili suatu kumpulan data dan menunjukkan
karakteristik dari data. Ukuran pemusatan menunjukkan pusat dari nilai data.

RUMUS POPULASI DAN SAMPEL :

𝑥
 Rumus rata-rata hitung populasi : 𝜇 = ∑
𝑁
𝑥
 Rumus rata-rata hitung sampel : x = ∑
𝑛

RATA-RATA HITUNG TERTIMBANG

Definisi : Rata-rata dengan bobot atau kepentingan dan setiap data berbeda. Besar
dan kecilnya bpbpt tergantung pada alasan ekonomi dan teknisnya.
𝑥 𝑥𝑖
Datung → Daber : x = ∑ 𝑖 = 𝑓.
𝑛 𝑛

Note : D1 = frekuensi sebelum modus

D2 = frekuensi sesudah modus
Fk = jumlah frekuensi sebelum kelas kwartil
Fsk = jumlah frekuensi sesudah kelas kwartil
1 𝐹𝐾1
K1 = Tb + C = −
4𝑛 𝐹𝑠𝐾
1 𝐹𝐾2
K2/Me = Tb + C = −
2𝑛 𝐹𝑠𝑘
3 𝐹𝐾3
K3 = Tb + C = −
4𝑛 𝐹𝑠𝐾
𝐷1
MO = Tb + C .
𝐷1+𝐷2
RATA-RATA HITUNG DATA BERKELOMPOK
1. Setiap kelompok baik dalam bentuk skala interval maupun rasio mempunyai
rata-rata hitung.
2. Semua nilai data harus dimasukkan ke dalam perhitungan rata-rata hitung.
3. Satu kelompok baik kelas maupun satu kesatuan dalam populasi dan sampel
hanya mempunyai satu rata-rata hitung.
4. Rata-rata hitung untuk membandingkan karakteristik dua atau lebih populasi
atau sampel.

SIFAT RATA-RATA HITUNG

1. Rata-rata hitung sebagai satu-satunya ukuran pemusatan, maka jumlah deviasi
setiap nilai terhadap rata-rata hitungnya selalu sama dengan nol.
2. Rata-rata hitung sebagai titik keseimbangan dari keseluruhan data, maka
letaknya berada di tengah data.
3. Rata-rata hitung nilainya sangat dipengaruhi oleh nilai ekstrim yaitu nilai
yang sangat besar atau sangat kecil.
4. Bagi data dan sekelompok data yang sifatnya terbuka (lebih dari atau kurang
dari) tidak mempunyai rata-rata hitung.

MEDIAN
Nilai yang letaknya berada di tengah data dimana data tersebut sudah diurutkan
dari terkecil sampai terbesar atau sebaliknya.
Median Data tidak Berkelompok :
a) Letak median = (𝑛 + 1)/2,
b) Data ganjil, median terletak di tengah,
c) Median untuk data genap adalah rata-rata dari dua data yang terletak di
tengah.

MODUS
Nilai yang (paling) sering muncul.
Rumus Modus Data Berkelompok :

𝑑1
𝑀𝑜 = 𝐿 + ( )𝑥 𝑖
𝑑1 + 𝑑2

UKURAN LETAK :
 KUARTIL
Definisi : ukuran letak yang membagi 4 bagian yang sama. K1 sampai 25% data, K2
sampai 50% dan K3 sampai 75%.
Rumus letak kuartil :
DATA TIDAK BERKELOMPOK DATA BERKELOMPOK
K1 = [𝟏(𝒏 + 𝟏)]/𝟒 1n/4
K2 = [𝟐(𝒏 + 𝟏)]/𝟒 2n/4
K3 = [𝟑(𝒏 + 𝟏)]/𝟒 3n/4
 DESIL
Definsi : ukuran letak yang membagi 10 bagian yang sama.
D1 sebesar 10%
D2 sebesar 20%
D3 sebesar 90%
Rumus letak desil :
DATA TIDAK BERKELOMPOK DATA BERKELEMPOK
D1 = [𝟏(𝒏 + 𝟏)]/𝟏𝟎 1n/10
D2 = [𝟐(𝒏 + 𝟏)]/𝟏𝟎 2n/10
…..
D9 = [𝟗(𝒏 + 𝟏)]/𝟏𝟎 9n/10
  PRESENTIL
Definisi : ukuran letak yang membagi 100 bagian yang sama.
P1 sampai 1%
P2 sampai 2%
P99 sampai 99%
Rumus letak Presentil :
DATA TIDAK BERKELOMPOK DATA BERKELOMPOK
P1 = [𝟏(𝒏 + 𝟏)]/𝟏𝟎𝟎 1n/100
P2 = [𝟐(𝒏 + 𝟏)]/𝟏𝟎𝟎 2n/100
…..
P99 = [𝟗𝟗(𝒏 + 𝟏)]/𝟏𝟎𝟎 99n/100

UKURAN PENYEBARAN
BAB 4

Ukuran Penyebaran
 Suatu ukuran baik parameter atau statistik untuk mengetahui seberapa besar
penyimpangan data dengan nilai rata-rata hitungnya.
 Ukuran penyebaran membantu mengetahui sejauh mana suatu nilai menyebar
dari nilai tengahnya, semakin kecil semakin besar.

PENGGUNAAN UKURAN PENYEBARAN

 Rata-rata bunga bank 11,43% per tahun, namun kisaran bunga antar bank dari
7,5%- 12,75%.
 Rata-rata inflasi Indonesia 1995-2001 sebesar 18,2% dengan kisaran antara
6%-78%.
  Harga rata-rata saham Rp 470 per lembar, namun kisaran saham sangat besar
dari Rp 50 – Rp 62.500 per lembar.

BEBERAPA BENTUK UKURAN PENYEBARAN

1. Rata-rata sama, penyebaran berbeda.
2. Rata-rata berbeda dengan penyebaran berbeda.
3. Rata-rata berbeda dengan penyebaran sama.

 RANGE
Definisi : Nilai terbesar dikurang nilai terkecil.
Contoh :
Nilai Negara Maju Negara Negara Asean Indonesia
Industri Baru
Tertinggi 3,2 7,6 7,1 8,2

Terendah 2,0 -1,5 -9,4 -13,7

Range/Jarak

Keterangan
Range/Jarak

 DEVIASI RATA-RATA
Definis : Rata-rata hitung dari nilai mutlak deviasi antara nilai data pengamatan
dengan nilai rata-rata hitungnya.

RUMUS :

MD = (∑ |X − x |)/n

 VARIANS
 Definisi : Rata-rata hitung dari deviasi kuadrat setiap data terhadap rata-rata
hitungnya.

RUMUS :

𝜎2 = ∑(𝑋 − 𝜇)2/𝑛

STANDAR DEVIASI
Definisi : Akar kuadrat dari varians dan menunjukkan standar penyimpangan data
terhadap nilai rata-ratanya.

RUMUS :

𝜎 = √∑( X − μ)2/N

UKURAN PENYEBARAN RELATIF

a. Koefisien Range
RUMUS : [(La – Lb)/(La+Lb)]x100
Contoh :
Range Harga Saham = [(878-160)/(878+160)]x100 = 69,17% jadi jarak nilai
terendah dan tertinggi harga saham adalah 69,17%

b. Koefisien Deviasi Rata-rata

RUMUS : (MD/X) x 100
Contoh :
Pertumbuhan ekonomi negara maju=(0,56/2,6) x 100 = 19,23% jadi penyebaran
pertumbuhan ekonomi dari nilai tengahnya sebesar 19,23%, bandingkan dengan
Indonesia yang sebesar 13,30%

c. Koefisien Standar Deviasi

RUMUS : KSD = (S/X) x 100
Contoh :
Pertumbuhan ekonomi Negara maju=(0,55/2,5)x100 = 22% jadi koefisien standar
deviasi pertumbuhan ekonomi Negara maju sebesar 22%, dibandingkan dengan
Indonesia yang sebesar 42%
THEOREMA CHEBYSHEV
 Untuk suatu kelompok data dari sampel dan populasi, minimum proporsi
nilai-nilai yang terletak dalam k standar deviasi dari rata-rata hitungnya
adalah sekurang-kurangnya 1-1/k2
 k merupakan konstanta yang nilai nya lebih dari 1.

HUKUM EMPIRIK
Untuk distribusi simetris, dengan distribusi frekuensi berbentuk loceng
diperkirakan:
 68% data berada pada kisaran rata-rata hitung + satu kali standar deviasi,
(X ±1s)
 95% dara berada pada kisaran rata-rata hitung + dua kali standar deviasi, ,
(X ±2s)
 Semua data atau 99,7% akan berada pada kisaran rata-rata hitung + tiga kali
standar deviasi, , (X ±3s)

UKURAN PENYEBARAN LAINNYA

a. Range Inter Kuartil
RUMUS : Kuartil ke-3 – Kuartil ke-1 atau K3 – K1
 b. Deviasi Kuartil
RUMUS : (K3-K1)/2
c. Jarak presentil
RUMUS : P90 – P10

ANGKA INDEKS
BAB 5

ANGKA INDEKS :
Sebuah angka yang menggambarkan perubahan relatif terhadap harga, kuantitas atau
nilai yang di bandingkan dengan tahun besar.

PEMILIHAN TAHUN DASAR :

 Tahun yang dipilih sebagai tahun dasar menunjukkan kondisi perekonomian
yang stabil.
 Tahun dasar diusahakan tidak terlalu jauh dengan tahun yang dibandingkan,
sehingga perbandingannya masih bermakna.

ANGKA INDEKS RELATIF SEDERHANA

Definisi : Dikenal juga dengan unweighted index yaitu indesks yang tanpa
memperhitungkan bobot setiap barang dan jasa.
1. Angka Indeks Harga Relatif Sederhana
Menunjukkan perkembangan harga relatif suatu barang dan jasa pada tahun berjalan
dengan tahun dasar, tanpa memberikan bobot terhadap kepentingan barang dan jasa.
RUMUS :

Ht
IH = x 100
Ho
 2. Angka Indeks Kuantitas Relatif Sederhana
Menunjukkan perkembangan kuantitas barang dan jasa dibandingkan dengan tahun
atau periode dasarnya. Indeks kuantitas sederhana dihitung tanpa memberikan bobot
pada setiap komoditas, karena dianggap masih mempunyai kepentingan yang sama.
RUMUS :

Kt
IK = x 100
Ko

3. Angka Indeks Nilai Relatif Sederhana

Menunjukkan perkembangan nilai ( harga dikalikan dengan kuantitas ) suatu barang
dan jasa pada suatu periode dengan periode atau tahun dasarnya.
RUMUS :

Vt Htkt
IN = x 100 = x 100
Vo Hoko

ANGKA INDEKS AGREGAT SEDERHANA

Angka indeks ini menekankan agregasi yaitu barang dan jasa lebih dari satu.

1. Angka Indeks Harga Agregat Sederhana

Angka indeks yang menunjukkan perbandingan antara jumlah harga kelompok
barang dan jasa pada periode tertentu dengan periode dasarnya.
RUMUS :

Ht
IHA = ∑ x 100
Ho
 2. Angka Indeks Kuantitas Agregat Sederhana
Angka indeks yang menunjukkan perbandingan antara jumlah kuantitas kelompok
barang dan jasa pada periode tertentu dengan periode dasarnya.
RUMUS :

Kt
IKA = ∑ x 100
Ko

3. Indeks Nilai Agregat Relatif Sederhana

Indeks nilai agregat relative sederhana menunjukkan perkembangan nilai ( harga
dikalikan dengan kuantitas ) sekelompok barang dan jasa pada suatu periode dengan
periode atau tahun dasarnya.
RUMUS :

Vt HtKt
INA = ∑ x 100 = ∑ x 100
Vo HoKo

ANGKA INDEKS TERTIMBANG

Indeks tertimbang memberikan bobot yang berbeda terhadap setiap komponen.
Mengapa harus diberikan bobot yang berbeda?
Karena pada dasarnya setiap barang dan jasa mempunyai tingkat utilitas (manfaat
dan kepentingan) yang berbeda.

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 :

HtKo
IL = ∑ x100
Hoko
 2. Formula paasche
Menggunakan bobot tahun berjalan dan bukan tahun dasar sebagai bobot.
RUMUS :

HtKt
IP = ∑ x100
Hokt

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 Laspeyres maupun Paasche.
RUMUS :

IF = √IL X IP

4. Formula Drobisc
 Digunakan apabila nilai Indeks Laspeyres dan Indeks Paasche berbeda terlalu
jauh. Indeks Drobisch juga merupakan jalan tengah selain Indeks Fisher.
 Indeks Drobisc merupakan nilai rata-rata dari kedua indeks.

5. Formula Marshal- Edgeworth

Formula Marshal-Edgeworth relative berbeda dengan konsep Laspeyres dan
Paasche.
Menggunakan bobot berupa jumlah kuantitas pada tahun t dengan kuantitas pada
tahun dasar.
Pembobotan ini diharapkan akan mendaptkan nilai yang lebih baik.
RUMUS :

Ht(Ko + Kt)
IME = ∑ x 100
Ho(Ko + Kt)
 6. Formula Wals
Menggunakan pembobotan berupa akar dari perkalian kuantitas tahun berjalan
dengan kuantitas tahun dasar.
RUMUS :

Ht√KoKt
IW = ∑ x 100
Ho√KoKt

JENIS DAN MASALAH ANGKA INDEKS

Macam-macam Angka Indeks :
1. Indeks Harga Konsumen
2. Indeks Harga Perdagangan Besar
3. Indeks Nilai Tukar Petani
4. Indeks Produktivitas

Masalah Dalam Penyusunan Angka Indeks :

1. Masalah Pemilihan Sampel
2. Masalah Pembobotan
3. Perubahan Teknologi
4. Masalah Pemilihan Tahun Dasar
5. Masaah Mengubah Periode Tahun Dasar

DERET BERKALA DAN PERAMALAN

BAB 6

PENDAHULUAN
 Data deret berkala adalah sekumpulan data yang dicatat dalam suatu periode
tertentu.
 Manfaat analisis data berkala adalah mengetahui kondisi masa mendatang
atau meramalkan kondisi mendatang.
  Peramalan kondisi mendatang bermanfaat untuk perencanaan produksi,
pemasaran, keuangan dan bidang lainnya.

KOMPONEN DATA BERKALA

 Trend
Suatu gerakan kecenderungan naik atau turun dalam jangka panjang yang diperoleh
dari rata-rata perubahan dari waktu ke waktu dan nilainya cukup rata (smooth).

Y Y

Tahun (X) Tahun (X)

Trend Positif Trend Negatif

METODE ANALISI TREND

1. Metode Semi Rata-rata :
 Membagi data menjadi 2 bagian.
 Menghitung rata-rata kelompok. Kelompok 1 (K1) dan kelompok 2 (K2).
 Merumuskan persamaan trend Y = a + bX

2. Metode Kuadrat Terkecil :

Menentukan garis trend yang mempunyai jumlah terkecil dari kuadrat selisih data
asli dengan data pada garis trendnya.

Y = a + bX
RUMUS 
A = ∑ Y/N

b = ∑ YX/X2
 3. Metode Kuadritas :
Untuk jangka waktu pendek, kemungkinan trend tidak bersifat linear. Metode
kuadritas adalah contoh metode nonlinear.
RUMUS  Y = a + bX + cX2

4. Trend Eksponensial
Persamaan eksponensial dinyatakan dalam bentuk variabel waktu (X) dinyatakan
sebagai pangkat. Untuk mencari nilai a, b, c dari data Y dan X, digunakan rumus
sebagai berikut :

Y’ = a ( 1 + b)x
LnY’ = Ln a + X Ln (1+b)
Sehingga a = anti In (∑ LnY)/n
RUMUS 
1
b = anti In ∑(X. LnY) − (X)2

 Variasi Musim
Variasi musim terkait dengan perubahan atau fluktuasi dalam musim-musim aau
bulan tertentu dalam 1 tahun.

 Variasi Siklus

Siklus :
Ingat
RUMUS  Y=TxSxCxI
Maka
TCI = Y/S
CI = TCI/T
  Variasi yang Tidak Tetap (Irregular)

Siklus :
Ingat  Y = T x S x C x I

RUMUS  Maka  TCI = Y/S

CI = TCI/T
I = CI/C

KONSEP DASAR PROBABILITAS

BAB 7

PENDAHULUAN
Definisi Probabilitas adalah peluang suatu kejadian.
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 (outcome):
Suatu hasil dari sebuah percobaan.
Persitiwa (event):
Kumpulan dari satu atau lebih hasil yang terjadi pada sebuah percobaan atau
kegiatan.
Manfaat :
Manfaat mengetahui probabilitas adalah membantu pengambilan keputusan yang
tepat, karena kehidupan di dunia tidak ada kepastian, dan informasi yang tidak
sempurna.
Contoh :
 Pengembalian harga saham berdasarkan analisis harga saham.
 Peluang produk yang diluncurkan perusahaan ( sukses atau tidak ), dll.

PENDEKATAN PROBABILITAS
1. Pendekatan Klasik
Definisi : Setiap peristiwa mempunyai kesempatan yang sama untuk terjadi.
RUMUS :

Probabilitas suatu kejadian = Jumlah kemungkinan hasil

Jumlah total kemungkinan hasil

2. Pendekatan Relatif
Definisi : Probabilitas suatu kejadian tidak dianggap sama, tergantung dari berapa
banyak suatu kejadian terjadi.
RUMUS :

Probabilitas suatu peristiwa = Jumlah peristiwa yang terjadi

Jumlah total percobaan

3. Pendekatan Subjektif
Definisi : Probabilitas suatu kejadian didasarkan pada penilaian pribadi yang
dinyatakan dalam suatu derajat kepercayaan.
KONSEP DASAR HUKUM PROBABILITAS
A. Hukum Penjumlahan

P(A ATAU B) = P(A) + P(B)

Contoh : P (A) = 0,35, P (B) = 0,40 DAN P (C) = 0,25 Maka P ( A atau C ) = 0,35
0,25 = 0,60

 Peristiwa atau Kejadian Bersama

P ( A atau B ) = P (A) + P (B) – P (AB)

Apabila P (AB) = 0,2, maka, P(A atau B) = 0,35 + 0,40 – 0,2 = 0,55

 Peristiwa Saling Lepas

P (AB) = 0
Maka P (A atau B) = P (A) + P (B) + 0 = P (A) + P (B)

A B

B. Hukum Perkalian

LATIHAN SOAL

Kategori Kelas :
157,174,198,202,215,237,242,247,249,253,255,268,278,283,286,297,336,345,392
D (jumlah data) = 19
K = 1+3,322 log 19
= 1+3,322 (1,279)
 = 1+4,249
= 5,249 = 5

2𝑘 > n = 25 > 19
= 32 > 19
392−157
IK = = 47
5

Interval :
157 + 47 = 204
205 + 47 = 252
253 +47 = 300
301 + 47 = 348
349 + 47 = 396

Nilai Tengah :
205+252
= 276,5
2
157+204
= 180,5
2
253+300
= 276,5
2
301+348
= 324,5
2
349+396
= 372,5
2
MATERI SOAL :
1) Jelaskan pentingnya statiska dalam kehidupan sehari-hari dan siapa saja yang
sering menggunakan statiska?

Jawab: Statiska membantu dalam mengambil keputusan yang tepat,alat untuk

mengendalikan kualitas dan memungkinkan untuk mengetahui peluang suatu
kejadian dimasa yang akan datang. Statiska sering digunakan oleh
ekonomi,pimpinan perusahaan baik dalam bidang keuangan, manajemen,
akuntansi, dan bidang lainnya.
2) Perbedaan statiska deskriptif dan statiska induktif?

Jawab: - Statiska deskriptif adalah statiska yang digunakan untuk

menggambarkan atau mendeskripsikan data menjadi informasi yang berguna untuk
pengambilan keputusan
- Statiska induktif adalah statiska untuk menganalisis dan menginterprestasikan
data menjadi suatu kesimpulan dari populasi dengan menggunakan sampel.
- Contoh statiska deskriptif : adalah pembuatan distribusi frekuensi, diagram,
ukuran pemusatan dan penyebaran
- Contoh statiska induktif : teori probabilitas,pengujian statistik, regresi,
korelasi, dan lain-lain.

LATIHAN SOAL :

Interval Frekue Xi Fi Xi 2
X- X Fi X- X X- X
nsi
100 – 119 5 109,5 547,5 51,2 256 2621,4
120 – 139 > K1 7 129,5 906,5 31,2 218,4 973,4
140 – 159 9 149,5 1345,5 11,2 100,8 125,4
160 – 179 > K2 16 169,5 2712 8,8 140,8 77,4
180 – 199 10 189,5 1895 28,8 288 829,4
200 – 219 > K3 3 209,5 628,5 48,8 146,4 2381,4
50 8035 180 1150,4 7008,4
Bagian A :
8035
X= = 160,7
50
1 50−5 25−21
K1 = 119,5 + 20 . . K2/Me = 159 + 20 .
4 7 16
1 12,5
= 119,5 + 20 . . = 159,5 + 5
4 7

= 119,5 + 21,4 = 164,5

= 140,9

3 50−37 9
K3 = 179,5 + 20 . . MO = 159,5 + 20 .
4 10 9+10
37,5−37 9
= 179,5 + 20 . = 159,5 + 20 .
10 19
0,5
= 179,5 + 20 . = 159,5 + 9,4
10

= 179,5 + 1 = 168,9
= 180,5

Range = Nilai tertinggi – Nilai terendah

= 219 – 100
= 119
1150,4
MD =
50

= 23,008
7008,4
T2 =
50

= 140,1
T = √140,1
= 11,83
CONTOH SOAL :

Jenis Barang 2016 2017 HT.KT HO.KO

HO HT KO KT
Sepeda Motor 4 12 12 20 240 48
Rumah 6 20 15 30 600 90
Sepeda 10 5 20 25 125 200
Mobil 5 8 10 20 160 59
25 45 57 95 1125 388

Tentukan : IH,IHA,IK,IKA,IN,INA
12
Jawab : IH sepeda motor = × 100% = 3
4
45
IHA = × 100% = 1,8
25
95
IKA = × 100% = 1,6
57
1125
INA = × 100% = 2,8
388

LATIHAN SOAL :
Diketahui data sebagai berikut :

Jenis 2010 2011 HT KT HO HT HO KO

HO HT KO KT KO KO KT KT
Anak 20 46 35 50 2300 700 1610 1000 1750
Olahraga 60 90 65 80 7200 3900 5850 4800 5200
Dewasa 80 120 120 200 24000 9600 14400 16000 24000
Wanita 60 120 70 150 18000 4200 8400 9000 10500
220 376 290 480 51500 18400 30260 30800 41450

Ditanya : IL,IP,IW,IF,ID,IME
Jawab :
30.260
1. IL = × 100% 4. IF = √1,64 . 1,67
18.400

= 1,64 = 2,73 = √1,65

51.500 1
2. IP = × 100% 5. ID = (1,64 + 1,67)
30.800 2

3,31
=1,67 = = 1,65
2

376 √41.450 376 (290+480)

3. IW = × 100 % 6. IME = =
220 √41.450 220 (290+480)
376 (770)
× 100%
220 (770)

376.203,5 289.520
= = = 1,70
220.203,5 169.400

= 1,70

LATIHAN SOAL :
Rentang Nilai f Xi Fi xi x- x f. x- x
40-49 10 44,5 445 28,54 285,4
50-59 16 54,5 872 18,54 296,64
60-69 20 64,5 1290 8,54 170,8
70-79 25 74,5 1862,5 1,46 36,5
80-89 18 84,5 1521 11,46 206,28
90-99 15 94,5 1417,5 21,46 321,9
100-109 6 104,5 627 31,46 188,76
∑ 110 521,5 8035

1 𝑑1
Me : Tb + C . n – fm Mo : Tb + C
2 𝑑1+𝑑2
20
= 69,5 + 10 . 1⁄ 110−46 = 69,5 + 10
2 20+18
25
 55−46 20
= 69,5 + 10 . = 69,5 + 10
25 38
9
= 69,5 + 10 . = 69,5 + 5,26
25

= 69,5 + 3,6 = 74,76

= 73,1

1 − 𝑓𝑘𝑖
K1: Tb + C . n
4 𝑓𝑠𝑘

= 49,5 + 10 . 1⁄ 110−10
4
16
17,5
= 49,5 + 10 .
16
27,5−10
= 49,5 + 10 .
16

= 49,5 + 10,9
= 60,4

3 − 𝑓𝑘3 ∑𝑓 . 𝑥𝑟𝑒𝑛
K3 : Tb + C . n Rataan : x =
4 𝑓𝑠𝑘 𝑛
8035
= 89,5 + 10 . 3⁄ 110−89 =
4 110
15
82,5−89
= 89,5 + 10 . = 73,04
15
6,5
= 89,5 + 10 .
15

= 89,5 + 4,3
= 93,8
 LATIHAN SOAL :

Jenis Barang Bobot 2018 2019 QO PO PN QO PN PO QN PN QN

P Q P Q QN
O O N N
Toyota 40 12 15 13 20 300 156 195 240 260
Kijang
Izuzu 20 10 14 10 15 210 100 140 150 150
Panther
Karnival 10 9 13 12 20 260 108 156 180 240
Honda 10 8 12 10 10 120 80 120 80 100
Civic
Suzuki 10 7 11 9 15 165 63 99 105 135
Carry
Senia 5 6 10 8 10 100 48 80 60 80
Karimun 5 5 9 7 8 72 35 63 40 56

100 57 84 69 98 1227 590 853 855 1021

853 ×100%
IL = = 1,445 ID = 1⁄2 ( 1,445 + 1,435 )
590
1227×100%
IP = = 1,435 = 1,44
855

IF = √1,445 . 1,435

= √2.073 = 1,43

CONTOH SOAL :
Diketahui data sebagai berikut :

X Y XY X2 Y𝟐
4 3 12 16 9
6 5 30 36 25

7 8 56 49 64 ∑X|2 = (30)2 = 900

8 10 80 64 100
∑Y|2 = (36)2 = 1296
2 4 8 4 16

3 6 18 9 36
6. (204) − 30.36
𝑟=
30 36 204 178 250 √6 (178) − (30)2 x 6 (250) − 1296

= 0,77

Kp = 0,772 𝑥 100%

= 0,5929

CONTOH SOAL :
n!
nPr =
(n − r)!
4!
4P2 =
(4 − 2)!
4!
=
2!
5!
5P4 =
(5 − 4)!

5!
= = 120
1