MODUL Statistik Bisnis Dan Ekonomi

MODUL STATISTIKA BISNIS 1
FAHMI JAHIDAH ISLAMY, SMB.,MM
PROGRAM STUDI MANAJEMEN
SEKOLAH TINGGI ILMU EKONOMI INDONESIA MEMBANGUN
(INABA)
2019
1
DAFTAR ISI
BAB I...................................................................................................................................................... 5
PENDAHULUAN .................................................................................................................................. 5
1.1 Pendahuluan ............................................................................................................................. 5
1.2 Peranan Statistika dalam Ruang Lingkup Ekonomi Manajemen Bisnis ................. 10
1.3 Isi Statistik ............................................................................................................................... 12
1.4 Data Statistik........................................................................................................................... 13
1.5 Syarat-syarat data yang baik .............................................................................................. 13
1.6 Jenis Data ................................................................................................................................ 14
1.7 Sumber Data ........................................................................................................................... 16
1.8 Pengumpulan Data ................................................................................................................ 17
1.9 Statistika dan Program Komputer Pengolahan Data Statistik .................................. 18
BAB II .................................................................................................................................................. 20
PENYAJIAN DATA ........................................................................................................................... 20
2.1 Pendahuluan ........................................................................................................................... 20
2.2 Tujuan Penyajian Data ......................................................................................................... 20
2.3 Tabel Kontingensi ................................................................................................................. 20
2.4 Tabel Dsistribusi Frekuensi ................................................................................................ 21
2.5 Tahapan Penyusunan Distribusi Frekuensi ................................................................... 22
2.6 Diagram Histogram, Poligon, dan Ogive ......................................................................... 27
BAB III ................................................................................................................................................. 34
STATISTIK DESKRIPTIF ................................................................................................................. 34
3.1 Pendahuluan ........................................................................................................................... 34
3.2 Deskriptif ................................................................................................................................. 34
3.2.1 Mean .................................................................................................................................. 35
3.2.2 Median ............................................................................................................................... 35
3.2.3 Modus................................................................................................................................ 36
3.2.4 Quartil................................................................................................................................ 36
3.2.5 Desil ................................................................................................................................... 39
3.2.6 Persentil............................................................................................................................ 40
3.2.7 Varians .............................................................................................................................. 40
3.2.8 Standar Deviasi............................................................................................................... 41
BAB IV ................................................................................................................................................. 54
2
ANGKA INDEKS ................................................................................................................................ 54
4.1 Pengertian ................................................................................................................................... 54
4.2 Jenis-Jenis Angka Indeks ....................................................................................................... 54
4.3 Metode Perhitungan Angka Indeks ...................................................................................... 56
BAB V .................................................................................................................................................. 68
POPULASI DAN SAMPEL............................................................................................................... 68
PENDAHULUAN ............................................................................................................................ 68
5.1 Teknik Sampling .................................................................................................................... 68
5.1.2 Probability Sampling ..................................................................................................... 69
5.1.3 Nonprobability Sampling ............................................................................................. 69
5.2 Menentukan Ukuran Sampel .............................................................................................. 70
5.3 Jenis Data dan Sumber Data .............................................................................................. 72
BAB VI ................................................................................................................................................. 74
REGRESI SEDERHANA DAN BERGANDA ................................................................................ 74
6.1 Pendahuluan ........................................................................................................................... 74
6.2 Regresi Linear Sederhana................................................................................................... 74
BAB VII ................................................................................................................................................ 84
PENGUJIAN VALIDITAS DAN RELIABILITAS INSTRUMEN PENELITIAN BISNIS ........... 84
7.1 Pendahuluan ........................................................................................................................... 84
7.2 Validitas ................................................................................................................................... 84
7.3 Reliabilitas ............................................................................................................................... 92
BAB VIII ............................................................................................................................................... 95
APLIKASI STATISTIKA DESKRIPTIF DENGAN SPSS ............................................................ 95
8.1 Membangun Data................................................................................................................... 95
8.2 Penyajian Data Dengan SPSS ............................................................................................ 98
8.3 Distribusi Frekuansi dengan SPSS ................................................................................ 102
8.4 Ukuran Nilai Pusat Dengan SPSS ................................................................................... 108
8.5 Ukuran Variasi atau Dispersi dengan SPSS ................................................................. 110
8.6 Korelasi dan Regresi Linier Sederhana dengan SPSS .............................................. 112
8.6.1 Analisis Korelasi Pearson.......................................................................................... 112
8.6.2 Analisis Korelasi Rank Spearman ........................................................................... 114
8.6.3 Analisis Regresi Linier Sederhana .......................................................................... 115
8.7 Regeresi dan Korelasi Linier Berganda Serta Korelasi Parsial dengan SPSS ... 118
8.7.1 Regresi dan Korelasi Linier Berganda ................................................................... 118
3
8.7.2 Korelasi Parsial............................................................................................................. 119
8.8 Analisis Tren Linier dengan SPSS .................................................................................. 120
8.9 Validitas dan Reliabilitas ................................................................................................... 120
4
BAB I
PENDAHULUAN
1.1 Pendahuluan
Dalam arti sempit statistik dapat diartikan sebagai kumpulan data yang
menjelaskan sesuatu. Dalam arti luas statistik merupakan metode dan aturan-
aturan untuk mengumpulkan, mengolah, menyajikan dan menganalisis serta
menginterpretasikan data yang pada akhirnya akan digunakan untuk
mengambil keputusan.
Definisi statistic secara sederhana dijelaskan oleh Agresti dan Finlay

(1997), yakni merupakan sebuah tubuh dari metode untuk mengumpulkan
dan menganalisis data. Definisi tersebut dapat lebih mudah dipahami apabila
kita mengacu pada arti statistika secara luas sebagaimana dijelaskan oleh
Iriawan dan Astuti (2006), mendefinisikan statistika sebagai sekumpulan
konsep dan metode untuk mengumpulkan data, menyajikannnya dalam
bentuk yang mudah dipahami, menganalisis data, dan mengambil suatu
kesimpulan berdasarkan hasil analisis data dalam situasi yang memiliki
ketidakpastian dan variasi.
Anderson dan Bancrof (1952) memberikan definisi teoretis lebih

komprehensif dari statistika, yakni sebagai ilmu dan seni pengembangan dan
penerapan metode yang paling efektif sehingga kemungkinan kesalahan
dalam kesimpulan dan estimasi dapat diperkirakan dengan menggunakan
penalaran induktif berdasarkan matematika probabilitas. Selaras dengan
pemaparan Anderson dan Bancrof (1952) tersebut di atas, Iriawan dan Astuti
(2006) menjelaskan bahwa karena sifat statistika bertolak pada cara berfikir
probabilistic, maka hasil pengolahan data yang menggunakan metode
statistic bukanlah sebuah hasil pasti, namun merupakan hasil taksiran adanya
ketidakpastian dan variasi yang terjadi dalam fenomena tertentu.
Kuncoro (2008) memaparkan bahwa pada umumnya, orang tidak

membedakan antara pengertian statistika dan statistic, di mana perbedaan
utamanya adalah terkait dengan konsekuensi yang ditimbulkannya. Pada satu
sisi, statistika adalah sebagai ilmu, sedangkan di sisi lain, statistic adalah
data, informasi, atau hasil penerapan algoritma statistika pada suatu data.
Oleh karena itu, dapat kita ketahui bahwa statistika sebagai ilmu lebih
berhubungan dengan proses, sedangkan statistik lebih berorientasi pada
hasil.
Statistik banyak diterapkan dalam berbagai disiplin ilmu. Untuk ilmu

bisnis dan ekonomi, statistik digunakan:
1. Bidang Akuntansi
Perusahaan akuntan publik dalam rangka pengambilan sampel atau
contoh akan menggunakan statistik dimana sample tersebut harus
5
memenuhi kaidah-kaidah tertentu ketika melakukan audit terhadap
kliennya.
2. Keuangan (Finance)
Para konsultan keuangan menggunakan beberapa jenis informasi
statistik, seperti rasio keuangan dan hasil dividen, untuk membantu
dalam memberikan rekomentasi investasi.
3. Pemasaran (Marketing)
Pengambilan sample untuk penelitian dalam rangka peluncuran produk
baru, masyarakat sebagai responden diminta pendapat mengenai
produk yang akan diluncurkan tersebut.
4. Ekonomi
Para ahli ekonomi menggunakan statistik untuk meramalkan kondisi
ekonomi masa mendatang.
5. Bidang penelitian ekonomi dan bisnis

Statistika digunakan juga sebagai alat pengelohan data dalam suatu
penelitian, penelitian yang menggunakan bantuan statistik adalah jenus
penelitian kuantitatif (penelitian yang dapat diselesaikan dengan
perhitungan statistika). Penelitian adalah cara ilmiah untuk memperoleh
data, dan data yang diperoleh tersebut diolah dengan statistika,
sehingga dapat dibaca yang selanjutnya disimpulkan untuk tujuan dan
kegunaan tertentu. Data merupakan unsur yang paling penting dalam
sebuah penelitian. Data tidak akan dapat dibaca untuk digunakan
sebagai kesimpulan apabila tidak dilakukan pengelolahan statistik.
Penelitian dalam bidang bisnis misalnya meneliti tentang kinerja
keuangan perusahaan. Dalam penelitian bisnis 2 jenis analisis yaitu :
a. Pengujian Deskriptif
Pengolahan data untuk tujuan mendeskripsikan atau memberi
gambaran terhadap obyek yang diteliti melalui data sampel atau
populasi. Data yang diolah dalam statistik deskriptif hanya satu
variabel saja. Pada statistik deskriptif dapat menghasilkan mean,
median, modus, quartile, table, grafik, diagram.
b. Pengujian Infarensi
Pengujian yang mengadukan dua variabel atau lebih. Pengujian
Infarensi dibagi menjadi 3 :
1) Pengujian Hubungan (Korelasi)
2) Pengujian Pengaruh (regresi)
3) Pengujian perbedaan (paired sample t test, independent
sample t test, dll)
Apabila dilihat dari muatan atau kandungan kegiatnnya, maka

statistika dapat dibagi menjadi dua kategori besar, yakni statistika
deskriptif (deduktif) dan statistika inferensial (indiktif). Agrestic dan
Finlay (1997) mengatakan metode statistika deskriptif merangkum
informasi dalam sebuah penhumpulan data. Statistika deskriptif
digunakan untuk merangkum karakteristik dasar, menyajikan data ke
6
dalam bentuk tabel, grafik, ukuran pemusatan data dan ukuran
penyebaran data.
Statistika Deskriptif
Statistika Deskriptif Statistika Deskriptif
Statistika Deskriptif Statistika Deskriptif
Statistika deskriptif terkait dengan kegiatan pengumpulan,

pengolahan, dan penyajian data, namun belum sampai pada tahap
interpretasi, apabila telah sampai pada tahap interpretasi, penarikan
simpulan dan pengambilan keputusan, maka telah masuk ke dalam
wilayah kerja statistika induktif (inferensial). Iriawan dan Astuti (2006),
memaprakan bahwa statistika inferensia memerlukan pengetahuan
lebih mengenai konsep probabilitas yang biasa dikenal sebagai ilmu
peluang. Agrestic dan Finlay (2997) mengatakan metode statistika
inferensia menyajikan prediksi-prediksi mengenai karakteristik dari
sebuah populasi, berdasarkan pada informasi dalam sebuah sampel
dari populasi tersebut. Hubungan antara statistika deskriptif dengan
statistika inferensia adalah sebagaimana digambarkan pada gambar
bagan arus di bawah ini
7
Start
Pengumpulan
data
kuantitatif
Pengolahan,
penyederhanaan dan
penataan data kuantitatif
Penggunaan data sampel

Data guna menaksir parameter
sampel atau menguji asumsi
? parameter populasi
Penggunaan data sensus Penarikan kesimpulan

(populasi) untuk analisis tentang karakteristik
karakteristik (parameter) populasi (parameter)
populasi yang sedang yang sedang diselidiki
diselidiki
Stop
Setelah anda membaca dan memahami gambar diatas berikut ini

disajikan dua contoh yang dapat memberikan ilustrasi kasus perbedaan
statistika deskriptif dan statistika inferensia:
8
Contoh 1.1
Seorang manajer ingin mengetahui gambaran kinerja keuangan

perusahaannya selama 1 tahun pembukuan terakhir (missal januari 2012
– desember 2012), untuk kemudian dijadikan dasar pengambilan
keputusan stratejik operasi perusahaan pada tahun berikutnya. Dalam hal
ini manajer tidak menggunakan data sampel, karena menggunakan
seluruh data keuangan pada periode 1 tahun pembukuan terakhir. Untuk
dapat memenuhi keingintahuan dari manajer tersebut, tentu saja seluruh
data-data keuangan tersebut kemudian dikumpulkan, diolah,
disederhanakan, dan disajikam dalam bentuk yang lebih mudah dipahami
seperti tabel dan grafik, serta angka-angka seperti rataan dan persentase.
Hal ini tentu saja akan memudahkan bagi manajer untuk memahami dan
memberikan interoretasi, dibandingkan daftar Panjang dari sebuah data
Contoh 1.2
Seorang manajer perusahaan menduga salah satu penyebab turunnya

laba pperusahaan yang dikelolanya disebabkan oleh adanya kekecewaan
atau ketidakpuasan para pelanggan dari kualitas pelayanan yang
diberikan. Untuk menjawab dugaannya tersebut maka dilakukanlah survei
kepuasan pelanggan.
Manajer menetapkan sampel sebanyak 300 orang pelanggan sebagai

responden secara aksidental. Hasilnya diketahui bahwa sebesar 68%
responden menyatakan tidak puas terhadap kualitas pelayanan yang
diberikan perusahaan. Meskipun jumlah sampel jauh lebih kecil
dibandingkan ukuran populasi sebenarnya, manajer tersebut dapat
menarik kesimpulan bahwa terdapat peluang mayoritas pelanggannya
tidak puas atau kecewa terhadap kualitas pelayanan yang diberikan
perusahaan
9
1.2 Peranan Statistika dalam Ruang Lingkup Ekonomi Manajemen Bisnis
Statistika memberikan manfaat yang sangat besar, baik dalam

kehidupan sehari-hari, bagi para peneliti, akademisi, pimpinan maupun
manajemen perusahaan, dan bagi ilmu pengetahuan. beberapa peranan
penting statistika dalam ruang lingkup manajemen dan bisnis
baiknsecara teori maupun praktis, khususnya dalam bidang:
1. manajemen pemasaran,
2. manajemen produksi operasi,
3. manajemen keuangan dan
4. manajemen sumberdaya manusia,
sebagai berikut:
1. Bidang manajemen pemasaran

Peranan statistika dalam bidang manajemen pemasaran terkait erat
dengan analisis penjualan produk, analisis pasar dna pemasaran.
Beberapa pokok persoalan yang berhubungan dangan ketiga hal
tersebut di atas, diantaranya investigasi preferensi konsumen,
estimasi potensi pasar bagi produk baru terkait kebutuhan
konsumen akan produk yang ditawarkan, potensi pasar di
daerahbaru dengan mengestimasi pengaruh barang substitusi
maupun barang komplementer terhadap produknya, peramalan
penjualan, penetapan harga, pemilihan bauran promosi dan
pengujian efektivitas metode penjualan yang berbeda.
2. Bidang manajemen produksi dan operasi

Statistika memiliki peranan yang erat dalam hal persoalan
penetapan buku mutu, pengawasan mutu, pengawasan terhadap
efisiensi kerja dan pengujian pada metode meupun produk baru
yang dihasilkan. Aplikasi grafis yang sering digunakan dalam
pengendalian kualitas diantaranya:
a. Grafik pareto, yang menggunakan pronsip pareto )aturan
80/20)
b. Bagan pengawas, yang memuat tiga macam garis batas
(Upper control limit-UCL, rata-rata kualitas sampel, dan
lower control limit ( LCL).
Satistical process control (SPC) merupakan salah satu pernagkat
handal dalam menajemen mutu terpadu (Total Quality
Management), sebagai proses yang digunakan untuk mengawasi
standar, membuat pengukuran, dan mengambil tindakan selagi
sebuah produk (barang atau jasa) sedang diproduksi.
3. Bidang manajemen keuangan

Peranan statistika dalam bidang manajemen keuangan terkait erat
dengan tugas manajer keuangan secara umum, yakni
mendapatkan dana perusahaan, menggunakan dana perusahaan,
dan membagi keuntungan laba perusahaan. Statistika banyak
digunakan dalam estimasi tingkat pengembalian yang diharapkan
(expected return) maupun tingkat risiko dari investasi perusahaan
)misalnya: saham, obligasi, valuta asing, dan lain-lain), analissi
10
pertumbuhan laba, konsep model indeks tunggal, model indeks
tunggal portfolio dengan manaksir beta dari statistic investasi yang
akan dimasukkan ke dalam portfolio
4. Bidang manajemene sumber daya manusia

Peranan statistika pada bidang manajemen sumber daya manusia
diantaranya adalah sebagai sebuah metode dalam memprediksi
kebutuhan pekerjaan. Beberapa perangkat yang sering digunakan
adalah:
a. Analisis tren
Yakni keragaman tingkat pekerjaan pada perusahaan
selama beberapa tahun terakhir yang digunakan untuk
memprediksikan kebutuhan masa depan
b. Analisis rasio
Yakni melakukan analisis peramalan kebutuhan pekerjaan
berdasarkan rasio, diantaranya seperti penyebab (volume
penjualan), dan jumlah karyawan yang dibutuhkan (jumlah
tenaga penjual).
c. Gambar penyebaran
Memperlihatkan secara grafis bagaimana dua peubah
seperti ukuran aktivitas dan tingkat penyusunan karyawan
perusahaan anda.
Statistik infarensial dapat dikelompokan menjadi 2 yaitu :

1) Statistik Parametrik
Statistik parametrik digunakan dengan syarat data sebagai sample
harus berdistribusi normal (diuji dengan uji normalitas terlebih
dahulu), jadi sebelum menentukan pengujian yang akan dipakai maka
dilakukan pengujian normalitas terlebih dahulu. Pengujian yang
dipakai dalam statistik parametrik adalah :
 Uji perbedaan
Disini akan diuji apakah sebuah sample mempunyai perbedaan
nyata dengan sampel lain. Uji yang digunakan adalah independent
sampe t test, paired sample t test, one sample t test.
 Uji Hubungan
Disini akan diuji apakah dua variabel yang ada mempunyai
hubungan, pengaruh. Uji yang digunakan adalah korelasi product
momment pearson.
 Uji pengaruh
Disini akan diuji apakah ada pengaruh antara variabel satu
dengan variabel yang lain. Uji yang digunakan adalah uji regresi.
2) Statistik Non Parametrik

Statistik non parametrik ini digunakan pada kondisi-kondisi penelitian
tertentu. Kondisi yang sering di jumpai antara lain pada sampel tidak
terdistribusi normal, jumlah sampel yang kecil (kurang dari 30),
cenderung lebih sederhana sehingga kesimpulannya kadang
diragukan. Yang termasuk uji non parametrik adalah :
11
 Uji perbedaan
Disini akan diuji apakah sebuah sampel mempunyai perbedaan
nyata dengan sampel yang lain. Uji yang digunakan adalah uji
sign, Uji Mann Whitney, Uji Friedman, Uji Kruskal Wallis.
 Uji Hubungan
Disini akan diuji apakah dua variabel yang ada mempunyai
hubungan, pengaruh. Uji yang digunakan adalah korelasi
spearman, Kendall Tau, Koefisien Contingensi.
Data
Pengujian Pengujian
Deskriptif Normalitas
Pengujian
Infarensi
Statistik
Statistik Non
Parametrik
Parametrik
Jika data yang digunakan dari penelitian berdistribusi normal maka uji
infarensi yang digunakan adalah uji statistik parametrik, jika datab tidak
berdistribusi normal maka digunakan uji statistik non parametrik.
1.3 Isi Statistik

ada tiga hal yang sangat penting dari statistika yaitu :
1. Data
Merupakan kumpulan kererangan atau fakta yang dapat berbentuk kategorik
(misalnya baik, buruk) ataupun bilangan yang diperoleh kemudian diolah
menjadi informasi yang nantinya berguna dalam menentukan keputusan.
2. Kriteria Keputusan
Setelah data diolah dengan statistika, kemudian akan menghasilkan berbagai
kriteria keputusan. Sama halnya dengan pilihan, masing-masing kriteria
keputusan memiliki manfaat dan akibat bagi kita.
3. Keputusan
Dari beberapa kriteria keputusan kemudian diambil dengan keputasan.
12
1.4 Data Statistik
Kontur (2005) memberikan definisi tentang data sebagai sesuatu yang

dimiliki oleh anggota dari populasi yang dapat diukur. Usman dan akbar
(2008) menjelaskna data ialah suatu bahan mentah yang jika diolah dengan
baik mellaui berbagai analisis dapat melahirkan berbagai informasi. Agrestic
dan Finaly (1997) memaparkan data terdiri dari pengukuran-pengukuran pada
karakteristik yang menarik. Dengan demikian, data dapat memberikan
gambaran tentang suatu keadaan atau persoalan.
Untuk dapat mengetahui perkembangan bisnisnya, maka para pelaku

bisnis maupun jajaran manajemen yang terkait, harus melakukan
pengumpulan data-data yang dapat memberikan gambaran keadaan yang
dibutuhkan. Misalnya data hasil penjualan, data keuangan, data hasil
produksi, data kepegawaian, data peralatan dan perlengkapan perusahaan,
data prefersnsi pelanggan, dan lain sebagainya. J. supranto (2008)
menjelaskan bahwa sesuatu yang dianggap juga merupakan data walaupun
data seperti itu belum tentu benar, sebab masih merupakan suatu hipotesis
yang perlu diuji terlebih dahulu. Dalam implementasinya banyak terdapat
anggapan atau asumsi yang digunakan sebagai dasar pembuatan keputusan.
Contoh 2.1
Misalkan, perusahan XYZ mengalami peningkatan jumlah
penjualan produknya secara nyata semenjak menetapkan
program periklanan di televisi. Dengan demikian, manajer
perusahaan memutuskan untuk meningkatkan anggaran biaya
periklanan di televisi, karena manajer menganggap bahwa
peningkatan anggaran biaya periklanan di televisi akan
berpengaruh terhadap peningkatan penjualan produk
perusahaan
Contoh 2.1
Misalnya, pemerintah menganggap persediaan beras tidak
mencukupi kebutuhan nasional pad atahun 2013, dikarenakan
pada semester kedua di tahun 2012 beberapa daerah sentra
penghasil beras di Indonesia mengalami kemarau Panjang.
Dengan demikian pemerintah mengambil keputusan untuk
mengimpor beras dari nagara lain
Pada dasarnya kegunaan dari data adalah untuk membantu para pengambil
keputusan dalam mengambil keputusan. Terkait dalam bidang persolana
manajemen dan bisnis, terdapat setidaknya tiga kegunaan dari data, yakni :
1. Dasar suatu perencanaan
2. Alat pengendalian terhadap implementasi perencanaan
3. Dasar evaluasi hasil kerja akhir
1.5 Syarat-syarat data yang baik

Kualitas sebuah data sangat mennetukan kualitas hasil pembuatan kelutusan.
Terdapat sebuah istilah “GIGO” yakni “Gargage in Garbage Out” yang bermakna
13
bahwa apabila data yang diinput salah, maka apabila digunakan sebagai dasar
dalam pembuatan keputusan, akan menghasilkan keputusan yang salah.
Beberapa persyaratan data yang baik diantaranya:
1. Objektif
Sesuai dengan kondisi sebenarnya dan tidak dilakukan manipulasi
maupun rekayasa didalamnya
2. Represntatif
Dapat mewakili objek diamati
3. Kesalahan sampling yang kecil
Yakni data dengan tingkat ketelitian yang tinggi
4. Cocok (relevan)
Memiliki hubungan atau keterkaitan dengan masalah yang akan
diselesaikan
5. Mutakhir
Semakin terkini data yang dimiliki maka akan semakin bermakna unutk
digunakan sebagai landasan pengambilan keputusan.
1.6 Jenis Data

Data berdasarkan jenisnya dibagi menjadi 2 yaitu:
1. Data Kualitatif
Data kualitatif secara sederhana dapat disebut data hasil kategori (pemberian
kdoe) untuk isi data yang berupa kata atau dapat didefinisikan sebagai data
bukan angka tetapi di angkakan contoh jenis kelamin, status dan lain
sebagaimananya. Data kualitatif mempunyai ciri tidak dapat dilakukan operasi
matematika, seperti penambahan, pengurangan, perkalian, dan pembagian.
Data kualitatif diambil dari penyebaran kuisoner pada responden sehingga
harus dilakukan pengujian reliabilitas dan validitas. Data kualitatif dapat dibagi
menjadi 2 :
a. Data Nominal
Data bertipe nominal adalah data yang paling rendah dalam level
pengukuran data. Data dalam bentuk kategori tetatpi tidak ada
tingkatannya. Contoh Jenis Kelamin ada 2 yaitu wanita dan pria maka
dikategorikan dalam bentuk angka misalnya 1 adalah wanita dan 2 adalah
pria.
b. Data Ordinal
Data ordinal adalah juga data kualitatif namun dengan level yang lebih
tinggi daripada data nominal. Jika dalam data nominal semua data
kategori dianggap setara, maka pada data ordinal ada tingkatannya.
Contoh tanggapan dari responden jika 1 adalah Sangat tidak setuju, 2
adalah tidak setuju, 3 adalah netral, 4 adalah setuju, dan 5 adalah sangat
setuju.
2. Data kuantitatif
Data berupa angka dalam arti sebenernya, jadi berbagai operasi matematika
dapat dilakukan pada data kuantitatif. Data kuantitatif dapat dibagi menjadi 2 :
a. Data interval
14
Data interval menempati level pengukuran data yang lebih tinggi dari data
ordinal karena selain dapat bertingkat urutannya, juga urutan tersebut
dapat dikuantitatifkan. Contoh Index Prestasi seorang mahasiswa. Dalam
data interval tidak mengenal nilai nol yang lebih absolut.
b. Data Rasio
Data rasio adalah data dengan tingkat pengukuran paling tinggi diantara
jenis data lainnya. Data rasio adalah data bersifat angka dalm arti
sesungguhnya (bukan kategori) dan dapat dioperasikan dalam
matematika. Perbedaan dengan data interval adalah bahwa data rasio
mempunyai titik nol dalam arti sesungguhnya. Contoh penjualan baju di
toko pakaian SANDANG sejumlah 1000 potong terjual. Atau jika penjualan
adalah 0, berarti memang tidak ada satupun baju yang terjual.
Dengan demikian tingkatan data apabila diurutkan dari yang tertinggi

sampai ke yang terendah adalah:
1. Rasio
2. Interval
3. Ordinal
4. Nominal
Dalam melakukan analisis data statistic, apabila diperlukan maka data
yang tinggi dapat diturunkan ke tingkat yang lebih rendah. Namun
dmeikian hal ini tidka dapat berlaku sebaliknya, yakni data yang
tingkatannya rendah tidak dapat dinaikkan kepada tingkatan yang lebih
tinggi. Ilustrasi tingkatan data disajikan pada gambar berikut:
Rasio
Interval
Ordinal
Nominal
Analisis statistic yang cocok untuk empat skala data tersebut di atas adalah
sebagaimana disajikan pada tabel berikut:
Skala Hubungan- Contoh statistic yang Tes statistic

hubungan yang cocok yang sesuai
emmbatasi
Nominal Ekuivalensi 1. Modus
2. Frekuensi
3. Koefisien
kontingensi Tes non
15
Ordinal Ekuivalansi 1. Median parametrik
Lebih besar dari 2. Persentil
3. Spearman
4. Kendal
Interval Ekuivalansi 1. Mean (rata-rata)
Lebih besar dari 2. Deviasi standar
Rasio sembarang 3. Korelasi momen
dua interval hasil kali pearson
diketahui 4. Korelasi momen Tes non
hasil kali ganda parametrik dan
Rasio Ekuivalansi 1. Meangeometrik parametrik
Lebih besar dari 2. Koefisien variasi
Rasio sembarang
dua interval
diketahui
Rasio sembarang
harga skala
diketahui
1.7 Sumber Data

Sumber data statistic terdapat dimana-mana asalkan kita dapat
bersikap kritis dengan memperhatikan sekeliling kita, melakukan pengamatan
langsung dan pencatatan yang cermat, hal ini tergantung dari maksud dna
tujuan dari pengumpulan data yang dilakukan. Apabila dilihat dari perspektif
data menurut sumbernya, maka mengacu kepada sumber perolehan data,
yaitu eksternal dan ienternal.
Data statistic yang dibuthkan maajer perusahaan untuk digunakan
sebagia acuan dalam pengembilan keputusan, diperoleh dari catatan-catatan
inernal perusahaan itu sendiri, misalnya:
1. Catatan-catatan akuntasi
2. Catatan produski operasi
3. Catatan penjulana
4. Catatan sumber daya manusia
5. Dan lain sebagainya
Sehingga dengan dmeikian dapat disimpulkan bahwa data internal
merupakan data bersumber dari keadaan atau kegiatan suatu organisasi atau
kelompok. Proses pengembilan keputusan seringkali tidak dapat hanya
sekedar mengandalkan ketersediaan data internal, namun juga diperlukan
adanya data eksternal. Analisis makro menganai permintaan dan penawaran
tenaga kerja, tentu membutuhkan data yang telah dikumpulkan oleh
kementrian tenaga kerja dan transmigrasi maupun institusi lain yang
mengadakan riset kuantitatif khusus tentang Angkatan kerja. Analisis tentang
perkembangan kurs mata uang asing, tingkat suku bunga, maupun jumlah
uang beredar, tentu membutuhkan data dari Bank Indonesia maupun institusi
lain yang relevan. Data-data yang diperoleh dari sumber-sumber di luar
perusahaan inilah yang dinamakan data eksternal. Sehingga dengan
demikian dapat disimpulkan bahwa data eksternal merupakan data yang
bersumber dari luar suatu organisasi atau kelompok.
16
Data berdasarkan sumbernya ada 2 yaitu :
1. Data Primer
data primer biasanya didapat dari subyek penelitian dengan cara
melakukan pengamatan , percobaan, atau interview/wawancara. Cara
untuk mendapatkan data primer biasanya melalui observasi/pengamatan
langsung, subyek diberi lembar yang berisi pertanyaan untuk diisi,
pertanyaan yang ditujukan untuk responden. Dalam penelitian bisnis data
primer akan didahului dengan pengujian validitas dan reliabilitas yang
akan dibahas pada BAB selanjutnya
2. Data sekunder
Data sekunder adalah data yang tidak langsung diperoleh dari sumber
pertama dan telah tersusun dalam bentuk dokumen tertulis. Data
sekunder dapat diperoleh dari buku cetak, BPS.
Menurut cara perolehannya, data dibedakan menjadi data primer dan

sekunder. Data primer adalah data yang dikumpulkan dan diolah sendiri oleh
individu maupun organisasi, secara langsung dari objeknya. Sednagkan data
sekundar merupakan data yang diperolah dalambentuk jadi dan telah diolah
oleh pihak lain (pada umumnya berbentuk publikasi).
1.8 Pengumpulan Data

Sebelum melakukan pengumpulan data, maka terlebih dahulu kita
harus mengetahui secara pasti untuk apa data itu dikumpulkan? Apakah data
tersebut hanya untuk sekedar memperoleh gambaran mengenai suatu
keadaan ataukah bertujuan untuk menyelesaikan suatu permasalahan?
Apapun tujuan dari pengumpulan data, kita juga terlebih dahulu harus
mengetahui jenis elemen atau ibjek yang akan diselidiki. Elemen merupakan
unit terkecil dari objek penelitian, disebut pula sebagai “unit analisis” atau “unit
sampling”. Elemen dapatberupa orang:
1. Karyawan
2. Wirausahawan
3. Mahasiswa
4. Konsumen
5. Nasabah, dsb
Elemen organisasi atau badan usaha:
1. Perusahaan
2. Universitas
17
3. Sekolah
4. Kementrian
5. Kelurahan, dsb
Pengumpulan data memiliki tujuan selain untuk mengetahui jumlah

elemen, juga untuk, mengetahui karakteristik dari elemen-elemen tersebut.
Karakteristik merupakan sifat-sifat, ciri-ciri mapupun segala hal yang dimiliki
oleh elemen, yakni segala keterangan mengenaimelemen. Contohnya, jika
elemennya berupa perusahaan, maka karakteristiknya antara lain jumlah
kekayaan, hasil produksi, hasil penjualan, jumlah karyawan, dan sebagainya.
Nilai karakteristik suatu elemen merupakan nilai variabel atau peubah, yakni
sesuatu yang nilainya dapat berubah atau berbeda.
Beberapa alat pengumpulandata yang dilakukan diantaranya adalah

melalui wawancara secara tidak sistematis (lisan maupun sistematis dengan
menggunakan bantuan instrument angket. Angket merupakan daftar
pertanyaan yang dapat dibuat dalam bentuk pertanyaan tertutup (jawaban
dibatasi dalam bentuk pilihan) dan pertanyaan terbuka (jawaban tidak dibatasi
dalam bentuk pilihan) dan pertanyaan terbuka (jawaban tidak dibatasi dan
bersifat naratif). Pengumpulan data juga dapat melalui pengamatan
(observation) secara langsung (participation) maupun tidka langsung
(nonparticipation). Selain itu, pengumpulan data lainnya adalag mellaui
dokumentasi (documentation)m baik gercetak, tergambar, maupun terekam.
Kita dapat emmilih salah satu mapupun menggabungkan Teknik Teknik
pengumpulan data tersebut.
1.9 Statistika dan Program Komputer Pengolahan Data Statistik

Proses pengolahan data dengan volume yang sedikit dan sederhana,
masih dapat dilakukan secara manual berdasarkan berbagai rumus yang
tersedia. Seiring dengan meningkatnya kompleksitas dan volume data,
pengolahan maupun komputasi yang sifatnya berulang kali, kebutuhan
penyelesaiian pengolahan maupun komputasi data secara cepat, dan
ketepatan atau ketelitian hasil pengolahan data, maka diperlukan bantuan
program perangkat lunak (software) ,statistic dalam pengolahan data statistic.
Beberapa software statistic yang terkenal dalam membantu dalam proses
pengolahan data statistic diantaranya adalah statistical package for the social
sciences (SPSS) yang saat ini telah bergabung dengan perusahaan IBM,
minitab, SAS, Eviews dan lainsebagainya.
Walaupun memiliki user interface yang berbeda, dalam hal angka hasil
pengolahan data pada masing-masing software statistic tersebut adalah
sama. Jika terdapat perbedaan, maka hal etrsebut terjadi disebabkan adanya
perbedaan dalam tingkat ketelitian angka (penentuan angka di belakang
18
koma) dan metode perhitungan yang berbeda. Fitur-fitur yang terdapat pada
masing-masing software tersebut pada umumnya memiliki kesamaan, namun
tentu saja terdapat beberapa keunggulan berbeda yang ditawarkan. Pada
perspektif tujuan keguanaan, IBM-SPSS lebih banyak digunakan untuk
mengolah data statistic dalam bidang bidang statis. Minitas dan SAS banyak
digunakan untuk mengolah data-data staistik untuk tujuan Teknik, misalnya
untuk pengendalian kualitas, rancangan percobaan, reponse surface, dan
lain-lain. Sementara eviews banyak digunakan untuk melakukan
analisis0analisis statistic bidang ekonomi seperti analisis regresi dan analisis
time series.
19
BAB II
PENYAJIAN DATA
2.1 Pendahuluan
Data yang telah dikumpulkan pada walnya, masih berupa data mentah,
yakni data yang belum diolah dan secara fisik masih “berserakan”. Data
mentah tersebut kemudian perlu disusun lagi agar dapat disajikan sebagian
data matang, yakni data dalam bentuk yang lebih ringkas. Penyajian data
dilakukan untuk memberikan deskripsi mengenai data yang telah dikumpulkan
dan memudahkan untuk pengambilan keputusan.
2.2 Tujuan Penyajian Data

Untuk menyajikan data mentah yang diperoleh dari populasi atau
sampel menjadi data yang tertata dengan baik, sehingga bermakna informasi
bagi pengambilan keputusan manajerial.
2.3 Tabel Kontingensi

Tabel kontingensi merupakan tabel yang sel-selnya berisi frekuensi dari
perpotongan baris dan kolom. Tabel kontingensi juga dapat diartikan sebagai
suatu susunan himpunan angka atau obyek yang diklasifikasikan berdasar
dua kriteria, satu kriteria dinyatakan dalam baris dan kriteria lain dalam kolom.
Tabel kontingensi kerap digunakan untuk menentukan ada atau tindaknya
hubungan antara dua kriteria yang kita uji (uji independensi). Berikut ini
diberikan contoh dari tabel kontingensi yang menyajikan data kinerja pegawai
di PT. XYZ dari tiga departemen yang telah dilakukan penilaian.
contoh
Departemen Kinerja Pegawai Total

Baik Sedang Kurang
Pemasaran 10 4 1 15
Produksi 30 3 2 35
Operasi
Keuangan 5 4 1 10
Total 45 11 4 60
Adapun contoh cara membaca data pad atabel kontingensi tersebut di

atas sebagai berikut:
Dari 15 orang pegawai PT. XZY pada departemen, 10 orang diantaranya

memiliki hasil penilaian kinerja yang baik, 4 orang berkinerja sedang, dan 1
orang berkinerja kurang. Dari 35 orang pegawai PT. XYZ pada departemen
produksi operasi, 30 orang diantaranya berkinerja baik, 3 orang berkinerja
sedang dan 2 orang berkinerja kurang. Sedangkan pada departemen
keuangan, dari total 10 orang pegawai, 5 orang diantaranya berkinerja baik, 4
orang berkinerja sedang, dan 1 orang berkinerja kurang.
20
Contoh
Susunlah dalam bentuk tabel kontingensi dari data berikut:
Responden gender Aktivitas Olahraga

1 Pria Rutin
2 Pria Tidak rutin
3 Pria Rutin
4 Wanita Rutin
5 Wanita Tidak rutin
6 Pria Tidak rutin
7 Wanita Tidak rutin
8 Wanita Rutin
9 Pria Rutin
10 Pria Rutin
Penyelesaian:
Gender Aktivitas Olahraga Jumlah

Rutin Tidak Rutin
Pria 4 2 5
Wanita 2 2 4
Jumlah 6 4 10
2.4 Tabel Dsistribusi Frekuensi

Distribusi frekuensi adalah data-data yang tersusun dengan baik menurut
kelas-kelas dalam sebuah daftar. Data-data dari hasil penelitian di lapangan
yang masih berupa data acak dapat dibuat data yang berkelompok
berdasarkan kelas kelas tertentu.
Tabel distribusi frekuensi merupakan pegelompokan data kedalam

beberapa kategori yang menunjukkan cacah data yang ada dalam setiap
kategori. Distribusi frekuensi atau sebaran frekuensi emmberi gambaran
sebaran nilai-nilai pengamatan pada suatu garis peubah atau
pengemlompokan data ke dalam beberapa kelas. Hal tersebut biasanya
terjadi saat dilakukannya penelitian dimana sering terdapat hasil yang
jumlahnya cukup besar dan membingungkan, sehingga diperlukan
pengelompokan data menjadi beberapa kelompok atau kelas.
Sebaran frekusni berbentuk sebuah tabel. Dalam suatu tabel frekuansi

(atau sebaran frekuensi) dapat berisi informasi tentang jumlah atau disebut
frekuensi, frekuensi relative, frekuensi kumultaif kurang dari dan frekuansi
kumulatif lebih dari. Frekuensi relative kelas disajikan secara visual dalam
bentuk histogram.
Tabel Ada komponen-komponen yang diperlukan dalam penyusunan tabel

distribusi frekuensi adalah sebagai berikut:
21
1. Class interval (Ci) atau interval kelas adalah sejumlah nilai variabel yang
ada dalam batas kelas tertentu, banyaknya kelas tergantung dengan
banyaknya data. Setiap interval kelas terdiri daro 2 batas kelas yaitu:
a. Batas kelas bawah (BKB) adalah nilai yang membatasi kelas bagian
bawah
b. Batas kelas atas (BKA) adalah nilai yang membatasi kelas bagian atas.
2. Frekuensi (N) adalah jumlah atau banyaknya data yang diambil dari
penelitian.
3. Range (R) adalah rentang kelas antara nilai terbesar dikurangi nilai
terkecil.
4. Titik tengah kelas (M), adalah nilai yang terdapat di tengah-tengah interval
kelas.
Rumusnya :
𝐵𝑎𝑡𝑎𝑠 𝐾𝑒𝑙𝑎𝑠 𝐵𝑎𝑤𝑎ℎ+𝐵𝑎𝑡𝑎𝑠 𝐾𝑒𝑙𝑎𝑠 𝐴𝑡𝑎𝑠

M=
2
5. Tepi kelas, yaitu batas kelas yang tidak memiliki lubang untuk angka
tertentu antara kelas yang satu dengan kelas yang lain. Terdapat dua tepi
kelas yang berbeda dalam pengertiannya dari data , yaitu:
a. Tepi Kelas Atas (TKA)
b. Tepi Kelas Bawah (TKB)
6. Frekuensi Komulatif Kurang Dari (FKDD) adalah penambahan dari nilai
frekuensi mulai dari atas ke bawah.
7. Frekuensi Komulatif Lebih Dari (FKLD) adalah dimulai dari nilai paling
bawah dari FKLD kemudian dikurangi nilai frekuensi dari atas ke bawah.
2.5 Tahapan Penyusunan Distribusi Frekuensi

Untuk membuat tabel distribusi frekuensi diperlukan langkah-langkah
sebagai berikut :
1. Urutkan data dari yang terbesar sampai yang terkecil
2. Tetapkan data terbesar dan data terkecil, kemudian tentukan rangenya (R)
3. Menentukan kelas interval/jumlah kelas yang diperlukan, atau dapat juga
dengan menggunakan rumus Sturges :
Keterangan :
K = 1 + 3,3 log n K = Kelas Interval
n = jumlah data
4. Hitung lebar interval kelas, lalu hasilnya dibulatkan.

5. Susunlah semua limit bawah interval kelas secara vertikal, kemudian
tentukan limit atas yang bersesuaian. Kembalilah ke data mentah dan
gunakan terus untuk memasukan data pada interval kelas yang ada.
22
Contoh soal 1 :
Dibawah ini adalah data nilai statistik mahasiswa Universitas X dengan jumlah
mahasiswa 40 orang.
No Nilai Statistik No Nilai Statistik

1 50 21 60
2 50 22 50
3 95 23 50
4 80 24 60
5 95 25 90
6 70 26 90
7 90 27 90
8 60 28 70
9 70 29 70
10 50 30 50
11 95 31 60
12 80 32 60
13 95 33 70
14 70 34 70
15 50 35 80
16 50 36 80
17 60 37 70
18 70 38 50
19 70 39 60
20 70 40 60
23
Buatlah tabel distribusi frekuensi !
Jawab :
a. Mengurutkan data dari yang kecil
1 50 18 70
2 50 19 70
10 50 20 70
15 50 28 70
16 50 29 70
22 50 33 70
23 50 34 70
30 50 37 70
38 50 4 80
8 60 12 80
17 60 35 80
21 60 36 80
24 60 7 90
31 60 25 90
32 60 26 90
39 60 27 90
40 60 3 95
6 70 5 95
9 70 11 95
14 70 13 95
b. Data terkecil 50 dan data terbesar 95

Mencari Range (R) = 95 - 50
= 45
c. Menghitung jumlah kelas
24
Rumus :
K = 1 +3,3 log n
Keterangan :
K = kelas interval
n = jumlah sampel
K = 1 + 3,3 log n
= 1 + 3,3 log 40
= 1 + 3,3 (1,60206)
= 6,286798 (pembulatan kebawah) = 6
d. Menghitung interval kelas
Rumus :
𝑁𝑇𝑡−𝑁𝑟
Ci =
𝐾
Keterangan :
Ci = interval kelas
NTt = Nilai tertinggi
Nr = Nilai terendah
K = kelas interval
95−50
Ci = = 7,5 ≈ 8
6
e. Membuat pengelompokan data berupa distribusi frekuensi

Nilai Statistik
50-58 50,50,50,50,50,50,50,50,50
59-67 60,60,60,60,60,60,60,60
68-76 70,70,70,70,70,70,70,70,70,70,70
77-85 80,80,80,80
86-94 90,90,90,90
95-103 95,95,95,95
Nilai Statistik Frekuensi

50-58 9
59-67 8
68-76 11
77-85 4
86-94 4
95-103 4
40
25
Contoh soal 2 :

1 50 21 60
2 50 22 50
3 95 23 50
4 80 24 60
5 95 25 90
6 70 26 90
7 90 27 90
8 60 28 70
9 70 29 70
10 50 30 50
11 95 31 60
12 80 32 60
13 95 33 70
14 70 34 70
15 50 35 80
16 50 36 80
17 60 37 70
18 70 38 50
19 70 39 60
20 70 40 60
Hitunglah :
a. Range
b. Interval Kelas (Ci) bila kelas yang digunakan 5
c. Bila 8 kelas yang digunakan
d. Bila ada 8 kelas dalam distribusi tersebut berapa tepi kelas atas, tepi kelas
bawah, dan nilai tengahnya?
26
e. Berapa nilai batas kelas atas dan batas kelas bawah pada kelas 1 dan
kelas 2?
Jawab :
a. Range = 95 – 50 = 45
45
b. Jika 5 kelas yang digunakan maka interval kelasnya Ci = =9
5
c. Jika 8 kelas yang digunakan maka interval kelasnya
45
C1 = = 5,626 ≈ 6
8
d. Bila ada 8 kelas yang digunakan maka distribusi frekuensinya menjadi :
Tepi Tepi
Titik
Kelas Kelas
Nilai Statistik Tengah Frekuensi
Bawah Atas
(M)
(TKB) (TKA)
50-58 49,5 58,5 54 9
59-67 58,5 67,5 63 8
68-76 67,5 76,5 72 11
77-85 76,5 85,5 81 4
86-94 85,5 94,5 90 4
95-103 94,5 103,5 99 4
40
e. Batas Kelas Atas (BKA) kelas 1 adalah 58

Batas Kelas Bawah (BKB) kelas 1 adalah 50
Batas Kelas Atas (BKA) kelas 2 adalah 67
Batas Kelas Bawah (BKB) kelas 2 adalah 59
2.6 Diagram Histogram, Poligon, dan Ogive

Data yang telah disusun dalam bentuk tabel distribusi frekuensi dapat dibuat
dalam bentuk diagram tersebut adalah Yosep (2013) :
1. Histogram dan Poligon, yaitu diagram kotak yang lebarnya menunjukan

interval kelas, sedangkan batas-batas tepi kotal merupakan tepi bawah
dan te[i atas kelas, dan tingginya menunjukan frekuensi pada kelas
tersebut. Apabila titik-titik tengah sisi atas dari histogram dihubungkan satu
sama lain oleh ruas-ruas garis maka diperoleh poligon frekuensi. Untuk
lebih memahami mengenai histogram dan poligon frekuensi, perhatikan
contoh berikut:
Tepi Tepi
Nilai
Nilai Statistik kelas kelas Frekuensi
Tengah
Bawah Atas
27
100-199 99,5 199,5 149,5 15
200-299 199,5 299,5 249,4 20
300-399 299,5 399,5 349,5 30
400-499 399,5 499,5 449,5 25
500-599 499,5 599,5 549,5 15
600-699 599,5 699,5 649,5 10
700-799 699,5 799,5 749,5 5
120
F
35
30
25
20
15
10
0
99.5 199.5 299.5 399.5 499.5 599.5 699.5
Upah ( dalam ribuan rupiah)
28
2. Ogive
Ogive adalah grafik yang digambarkan berdasarkan data yang sudah
disusun dalam bentuk tabel distribusi frekuensi kumulatif. Untuk data yang
disusun dalam bentuk tabel distribusi frekuensi kumatif kurang dari, grafiknya
berupa ogive positif, sedangkan untuk data yang disusun dalam bentuk tabel
distribusi frekuensi kumulatif lebih dari, grafiknya berupa ogive negatif.
Frekuensi kumulatif kurang dari untuk suatu kelas adalah jumlah frekuensi
semua kelas sebelum kelas tersebut dengan frekuensi kelas itu. Sedangkan
frekuensi kumulatif lebih dari suatu kelas adalah jumlah frekuensi semua
kelas sesudah kelas tersebut dengan frekuensi kelas itu. Data upah karyawan
29
sebelumnya dapat digambarkan ogivenya. Akan tetapi sebelum itu, buat
terlebih dahulu tabel distribusi frekuensi kumulatifnya. Perhatikan contoh
berikut:
Frekuensi Frekuensi
Nilai Statistik Frekuensi Kumulatif Kumulatif
Kurang Dari Lebih Dari
100-199 15 15 120
200-299 20 35 105
300-399 30 65 85
400-499 25 90 55
500-599 15 105 30
600-699 10 115 15
700-799 5 120 5
120
Dari tabel distribusi frekuensi kumulatif diatas, dapat digambarkan ogive

seperti pada diagram berikut:
140
120
100
80
60
40
20
0
99.5 199.5 299.5 399.5 499.5 599.5 699.5
Upah (dalam ribuan rupah)
30
Langkah-langkah penyajian data pada tabel frekuensi atau distribusi frekuensi:
1. Mengurutkan Data Mentah atau Data Asli
2. Menentukan banyak kelas
3. Menentukan besar interval
4. Menentukan Batas Bawah dan Batas Atas
5. Talling atau memasukkan data
Jawab:
1. Mengurutkan Data Mentah atau Data Asli
2. Menentukan banyaknya kelas
Dari 60 data tentang nilai UTS statistik I, maka untuk mengelompokkannya
ke dalam 7 kelas digunakan rumus Sturgess:
k = 1 + 3,3 log n
= 1 + 3,3 log (60)
= 1 + 3,3 (1,8)
= 1 + 5,94
=1+6
=7
Langkah ini kadang-kadang tidak dilakukan atau dapat diabaikan, artinya
dapat langsung menentukan banyaknya kelas
3. Menentukan Interval
Jangkauan atau range sebesar 88, sehingga besarnya interval kelas :
Interval kelas = 88 : 7 = 12,57 = 13
4. Menentukan Batas Bawah dan Atas
 Jika angka pada batas kelas yang akan dipergunakan tidak
mengandung desimal di belakang koma, maka angka
penyesuaian yang dipergunakan adalah satu.
31
 Jika angka pada batas kelas yang akan dipergunakan
mengandung satu desimal di belakang koma, maka angka
penyesuaian yang dipergunakan adalah 0,1
 Jika angka pada batas kelas yang akan dipergunakan
mengandung dua desimal di belakang koma, maka angka
penyesuaian yang dipergunakan adalah 0,01 dan seterusnya.
5. Talling atau memasukkan data
Langkah ini merupakan langkah terakhir untuk menyajikan data dalam suatu
distribusi frekuensi atau tabel frekuensi. Kadangkala terdapat angka data
yang tidak dapat dimasukkan (pada sekumpulan data mentah yang
mengandung angka data yang ekstrim), misalnya 110. Oleh karena itu
sebelum menetapkan interval kelas dan batas-batas kelas pada setiap kelas
yang ada, maka angka data dapat dimasukkan ke kelas-kelas yang
bersesuaian tanpa keragu-raguan. Jika terdapat satu data yang belum atau
tidak dapat dimasukkan, maka semuanya harus diperbaiki. Jika hal ini terjadi,
maka dapat dipergunakan bentuk penyajian pada distribusi frekuensi atau
tabel frekuensi dengan interval kelas tidak sama.
32
33
BAB III
STATISTIK DESKRIPTIF
3.1 Pendahuluan
Statistik Deskriptif adalah pengolahan data untuk tujuan
mendeskripsikan atau memberi gambaran terhadap obyek yang diteliti melalui
data sampel atau populasi. Data yang diolah dalam statistik deskriptif hanya
satu variabel saja. Pada statistik deskriptif dapat menghasilkan tabel, grafik,
diagram.
Variabel adalah sesuatu yang berbentuk yang ditetapkan oleh peneliti
dipelajari dengan seksama sehingga diperoleh informasi berupa data dan
diolah dengan statistik sehingga dapat ditarik kesimpulan.
3.2 Deskriptif
Dalam pengujian deskriptif terdapat pengujian nilai mean, median,
modus, quartil, varians, standar deviasi, berbagai macam bentuk diagram.
Dibawah ini terdapat data nilai statistik mahasiswa yang akan diolah
dengan pengujian deskriptif.
No Nilai Statistik
1 50
2 50
3 100
4 80
5 95
6 70
7 90
8 60
9 70
10 50
Dari contoh diatas terdapat satu variabel yaitu variabel nilai statistik,
sedangkan yang disebut data untuk variabel nilai statistik adalah
50,50,100,80,95,70,90,60,70,50. Statistik deskriptif menghasilkan:
1. Mean
2. Median
3. Modus
4. Quartil
5. Varians
6. Standar deviasi
7. Diagram lingkaran (pie graph)
34
Untuk data tidak berkelompok (jumlah data sedikit) dan berkelompok
(Jumlah data banyak) menggunakan rumus seperti dibawah ini:
3.2.1 Mean
Mean adalah alat pengukur rata-rata yang paling populer untuk
mengetahui karakteristik dari sekelompok data dengan membagi jumlah
dari keseluruhan isi data dengan jumlah datanya.
Rumus Data Tidak Berkelompok :
x1+ x2+ x3+⋯

Me =
𝑛
Keterangan :
Me = Mean (Rata-Rata)
X1 = nilai data pertama
X2 = nilai data kedua
X3 = nilai data ketiga
n = Jumlah sampel
Rumus Data Berkelompok :
∑ 𝑓𝑖𝑋
𝑖
Me =
∑ 𝑓𝑖
Keterangan :
Me = Mean
∑ 𝑓𝑖
= jumlah data/ sampel
∑ 𝑓𝑖𝑋𝑖 = jumlah perkalian antara jumlah data sample (f 1) dengan tanda

kelas (x1)
3.2.2 Median
Median adalah membagi data menjadi dua bagian sama besar, dan
kemudian menghitung nilai data yang membagi data menjadi dua bagian
tersebut. Untuk mencari nilai median pada data tidak berkelompok, data
yang ada harus diurutkan terlebih dahulu dan letak median dicari dengan
Rumus Data Tidak Berkelompok:
(𝑛+1)
Posisi Md = Keterangan :
2 Md = Median
n = Jumlah Sampel
35
Rumus Data Berkelompok:
1⁄2𝑛−𝐹
Md = b + p ( )
𝑓
Keterangan :
Md = Median
b = Batas bawah, dimana median akan terletak
n = Banyak nya data/ jumlah sampel
p = panjang kelas interval
F = jumlah semua frekuensi sebelum kelas median
f = Frekuensi kelas median
3.2.3 Modus
Modus adalah menghitung jumlah data yang paling sering muncul dalam
sekelompok data. Oleh karena itu dalam sekelompok data mungkin saja
tidak memiliki nilai modus.
Mo = dicari jumlah data yang sering muncul
𝑏1
Mo = b + p ( )
𝑏2 + 𝑏3
Keterangan :
Mo = Modus
b = Batas kelas interval dengan frekuensi terbanyak
p = Panjang kelas interval
b1 = Frekuensi pada kelas modus (Frekuensi pada kelas
terbanyak) dikurangi frekuensi kelas interval sebelumnya
b2 = Frekuensi kelas modus dikurangi frekuensi kelas interval
berikutnya
3.2.4 Quartil
Quartil adalah membagi data menjadi empat bagian yang sama besar.
Besarnya data disini adalah jumlah data, sehingga jika ada 10 data, maka
kuartil membagi setiap 10/4 atau 2,5 data, maka kuartil ingin mengetahui
besar data setiap 2,5 buah data. Dengan demikian pada saat setiap data
berapapun jumlahnya, jika akan dibagi menjadi kuartil akan selalu ada 4
buah kuartil, yakni Q1,Q2,Q3, dan Q4.
36
𝑛+1
Posisi Q1 = ( )
4
2𝑛+1
Posisi Q2 = ( )
4
3𝑛+1
Posisi Q3 = ( )
4
Keterangan :
Q1 = Quartil 1
Q2 = Quartil 2
Q3 = Quartil 3
n = Jumlah sampel

1
Posisi Q1 = 𝑥 𝑛
4
𝑝𝑄1−𝐹
Q1 = b + p ( )
𝑓
Keterangan :
Q1 = Quartil 1
b = Batas kelas interval dengan frekuensi posisi quartil 1
PQ1 = posisi quartil 1
F = jumlah semua frekuensi sebelum kelas quartil 1
f = jumlah frekuensi quartil 1
2 𝑝𝑄2−𝐹
Posisi Q2 = 𝑥 𝑛 Q2 = b + p ( )
4 𝑓
37
Keterangan :
Q2 = Quartil 2
3
Posisi Q3 = 𝑥 𝑛
4
𝑝𝑄3−𝐹
Q3 = b + p ( )
𝑓
Keterangan :
Q3 = Quartil 3
38
3.2.5 Desil
39
3.2.6 Persentil
3.2.7 Varians
Varians adalah adanya bias data dari rata-rata sampelnya.
Rumus Data Tidak Berkelompok
2
(𝑥1 − 𝑥̅ )2 + (𝑥2 − 𝑥̅ )2 + ⋯
α =
(𝑛 − 1)
Keterangan :
𝛼2
40
= Varians
x1 = Nilai data pertama
x2 = Nilai data kedua
𝑥̅ = Jumlah sampel
Rumus Data Tidak Berkelompok
2
∑ 𝑓𝑖 (𝑥𝑖 − 𝑥̅ )2
α =
(𝑛 − 1)
Keterangan :
𝛼2 = Varians
n = jumlah sampel
2 = Jumlah antara kuadrat pengurangan nilai data (x1),

∑ 𝑓𝑖 (𝑥𝑖 − 𝑥
̅)
dikurangi nilai rata-rata data (𝑥̅ )
3.2.8 Standar Deviasi

Standar deviasi adalah akar dari varians menunjukan simpangan baku.
2 2
√(𝑥1 − 𝑥̅ ) + (𝑥2 − 𝑥
̅) + ⋯
𝛼 = √𝑣𝑎𝑟𝑖𝑎𝑛𝑠
𝛼= Atau
(𝑛 − 1)
Keterangan:
𝛼 = Standar deviasi
𝑓𝑖 (𝑥𝑖 − 𝑥̅)2 Atau 𝛼 = √𝑣𝑎𝑟𝑖𝑎𝑛𝑠

𝛼=
(𝑛 − 1)
𝛼 = Standar deviasi
n = Jumlah sampel
1. Diagram Lingkaran
41
Diagram lingkaran (pie graph) adalah diagram ini dapat digunakan untuk skala
interval dan ratio, dimana berbentuk lingkaran dibagi berdasarkan kategori
dengan persentasenya.
Contoh soal data tidak berkelompok:
Dibawah ini adalah data nilai statistik mahasiswa Universitas X dengan jumlah
mahasiswa 10 orang.
No. Nama Nilai Statistik

1 Dian 50
2 Sinta 50
3 Ali 100
4 Boni 80
5 Agata 95
6 Bondan 70
7 Lian 90
8 Iksan 60
9 Nana 70
10 Harun 50
Dari data diatas carilah :

a. Nilai Mean d. Varians
b. Median e. Standar Variasi
c. Modus f. Diagram histogram
Jawab :
a. Mean
Rumus data tidak berkelompok :
x1+ x2+ x3+⋯

Me =
𝑛
Keterangan :
Me = Mean (Rata-Rata)
X1 = nilai data pertama
X2 = nilai data kedua
X3 = nilai data ketiga
n = Jumlah sampel
42
50+50+100+80+95+70+90+60+70+50
Me =
10
= 71,5 (menggunakan nilai rata-rata statistik siswa kelas A)
b. Median
Rumus data tidak berkelompok :
(𝑛+1) Keterangan :
Posisi Md = Md = Median
2
n = Jumlah Sampel
(10+1)
Posisi median = = 5,5
2
Jadi posisi nilai median ada di data 70,70

= 50,50,50,60,70,70,80,90,95,100
70+70
= = 70 (menggambarkan nilai tengah statistik siswa kelas A)
2
c. Modus adalah menghitung jumlah data yang paling sering muncul dalam
sekelompok data
Mo = 50 (menggambarkan nilai statistik siswa kelas A yang sering muncul)
d. Quartil
Deretan data setelah diurutkan dari nilai terkecil ke nilai terbesar sebagai
berikut:
No. Nilai Statistik

1 50
2 50
3 50
4 60
5 70
6 70
7 80
8 90
9 95
10 100
Rumus Data Tidak Berkelompok :

𝑛+1 Keterangan :
Posisi Q1 = ( )
4 n = Jumlah Sampel
43
(10+1)
Posisi Q1 = = 2,75
4
Dengan demikian data Q1 terletak pada posisi ke 2,75 dari 10 data tersebut
atau diantara data ke 2 dan data ke 3. Karena nilai data ke 2 dan ke 3
adalah sama yaitu 50, dengan demikian Q1 adalh 50. Hal ini berarti 25%
nilai siswa statistik kesehatan kelas A adalah 50.
Rumus data tidak berkelompok:

2𝑛+1 Keterangan :
Posisi Q2 = ( ) n = Jumlah Sampel
4
2(10+1)
Posisi Q2 = = 5,5
4
Dengan demikian data Q2 terletak pada posisi ke 5,5 dari 10. Data terletak
atau rata-rata dari data ke 5 dan data ke 6.
(70+70)
Q2 adalah = = 70
2
Hal ini berarti 50% nilai siswa statistik kesehatan kelas A mendapat nilai
ujian 70.
Rumus data tidak berkelompok

3𝑛+1 Keterangan :
Posisi Q3 = ( ) n = Jumlah Sampel
4
3(10+1)
Posisi Q3 = = 8,25
4
Dengan demikian data Q3 terletak pada posisi ke 8,25 dari 10. Data terletak
atau rata-rata dari data ke 8 dan data ke 9. Karena nilai data ke 8 dan 9
tidak sama, maka akan dilakukan interpolasi.
Data untuk interpolasi
Data Ke Nilai
8 90
8,25 ?
9 95
Proses interpolasi:
44
(8,25−8)
Q3 = 90 + [
(9−8)
𝑋 (95 − 90)] = 91,25
Hal ini berarti 75% nilai siswa statistik kesehatan kelas A mendapat nilai
ujian 91,25 ke bawah.
Keterangan: Q0 adalah data terkecil yaitu 50 dan Q4 adalah data terbesar
yaitu 100.
e. Varians
No. Nilai Statistik

1 50
2 50
3 50
4 60
5 70
6 70
7 80
8 90
9 95
10 100
Rata-Rata ̅̅̅
(𝑥 ) 71,5
Rumus data tidak berkelompok:
(𝑥1 − 𝑥̅ )2 + (𝑥2 − 𝑥̅)2 + ⋯

2
α =
(𝑛 − 1)
Keterangan :
𝛼2 = Varians
x1 = Nilai data pertama
n = Jumlah sampel
(50−71,5)2+ (50−71,5)2+ (50−71,5)2+ (60−71,5)2+

(70−71,5)2+ (70−71,5)2+ (80−71,5)2+ (90−71,5)2+ (95−71,5)2
+ (100−71,5)2
𝛼2 =
10−1
= 366,94
45
Semakin kecil varians sebuah data, semakin tidak bervariansi data tersebut.
Sebaliknya, semakin besar varians sebuah data semakin bervariansi data
tersebut.
f. Standar Deviasi adalah akar dari variansi menunjukan simpangan baku.

Rumus:
𝛼 = √𝑣𝑎𝑟𝑖𝑎𝑛𝑠
Keterangan:
𝛼 = Standar Deviasi
= √366,94 = 19,156
g. Diagram Lingkaran (Pie Graph)
46
Contoh soal Data Berkelompok:
Dibawah ini adalah data nilai statistik mahasiswa Universitas X dengan
jumlah mahasiswa 40 orang.

1 50 21 60
2 50 22 50
3 95 23 50
4 80 24 60
5 95 25 90
6 70 26 90
7 90 27 90
8 60 28 70
9 70 29 70
10 50 30 50
11 95 31 60
12 80 32 60
13 95 33 70
14 70 34 70
15 50 35 80
16 50 36 80
17 60 37 70
18 70 38 50
19 70 39 60
20 70 40 60
a. Buatlah tabel distribusi frekuensi!

b. Carilah nilai Mean, Median, Modus, Quartil,, Varians, Standar deviasi!
Jawab:
a. Membuat Tabel Distribusi Frekuensi

Dari data diatas dibuat data berkelompok (distribusi frekuensi) langkahnya
adalah sebagai berikut :
1) Menghitung jumlah kelas
Rumus :
K= 1 + 3,3 log n
Keterangan :
K = kelas interval
n = jumlah sampel
K = 1 + 3,3 log n
= 1 + 3,3 log 40
= 1 + 3,3 (1,60206)
= 6,286798 (pembulatan kebawah) = 6
47
2) Menghitung interval
Rumus :
𝑁𝑇𝑡 − 𝑁𝑟
𝐼=
𝐾
Keterangan :
I = Interval kelas
NTt = Nilai tertinggi
Nr = Nilai terendah
K = Kelas interval
95−50
Ci = = 7,5 ≈ 8
6
3) Membuat pengelompokan data berupa distribusi frekuensi.
Tabel Distribusi Frekuensi

Nilai Statistik Frekuensi
50-58 9
59-67 8
68-76 11
77-85 4
86-94 4
95-103 4
40
b. Mencari nilai Mean, Median, Modus, Quartil, Varians, Standar Deviasi
Nilai Statistik xi fi fixi

50-58 54 9 486
59-67 63 8 504
68-76 72 11 792
77-85 81 4 324
86-94 90 4 360
95-103 99 4 396
Jumlah 40 2862
1) Mean
∑ 𝑓𝑖𝑋
𝑖
Me =
∑ 𝑓𝑖
48
Keterangan :
Me = Mean
∑ 𝑓𝑖
= jumlah data/ sampel
∑ 𝑓𝑖𝑋𝑖 = jumlah perkalian antara jumlah data sample (f 1) dengan tanda

kelas (x1)
2862
Me = = 71,55
40
2) Median
1⁄2𝑛−𝐹
Md = b + p ( )
𝑓
Keterangan :
Md = Median
b = Batas bawah, dimana median akan terletak
n = Banyak nya data/ jumlah sampel
F = jumlah semua frekuensi sebelum kelas median
f = Frekuensi kelas median
Nilai Statistik fi
50-58 9
59-67 8
68-76 11
77-85 4
86-94 4
95-103 4
40
Jumlah sampel mahasiswa 40 orang, setengah dari seluruh data

(1/2n)=1/2.40=20. Jadi median akan terletak pada interval ke 3, karena
sampai pada interval ini jumlah frekuensi sudah lebih dari 20, tepatnya 28.
Dengan demikian pada interval ke 3 ini merupakan kelas median batas
bawahnya (b) adalah 68-0,5 = 67,5. Panjang kelas medianya (p) adalah 8,
dan frekuensinya =11. Adapun F-nya = 9+8 =17
20−17
= 67,5 + 8 ( )=69,7
11
49
3) Modus
𝑏
Mo = b + p ( )
𝑏1 + 𝑏2
Keterangan :
Mo = Modus
b = Batas kelas interval dengan frekuensi terbanyak
p = Panjang kelas interval
b1 = Frekuensi pada kelas modus (Frekuensi pada kelas
terbanyak) dikurangi frekuensi kelas interval sebelumnya
b2 = Frekuensi kelas modus dikurangi frekuensi kelas interval
berikutnya.
Nilai Statistik fi
50-58 9
59-67 8
68-76 11
77-85 4
86-94 4
95-103 4
40
Kelas Modus = kelas ke 3 (f-nya terbesar = 11)

b = 68 – 0,5
b1 = 11 – 8 = 7
b2 = 11 - 4 = 7
7
Mo = 67,5 + 8 ( ) = 71,5
7+7
4) Quartil
Nilai Statistik fi
50-58 9
59-67 8
68-76 11
77-85 4
86-94 4
95-103 4
40
50
Posisi Quartil 1 = 1/4n

Posisi Quartil 1 = ¼ (40) = 10
𝑝𝑄1−𝐹
Q1 = b + p ( )
𝑓
Keterangan :
Q1 = Quartil 1
10−9
Q1 = 58,5 + 8 ( ) = 59,5
8
Posisi Quartil 2 = 2/4 (40) = 20
𝑝𝑄2−𝐹
Q2 = b + p ( )
𝑓
Keterangan :
Q2 = Quartil 2
20−17
Q2 = 67,5 + 8 ( ) = 69,7
11
Posisi Quartil 2 = 2/4 (40) = 20
𝑝𝑄3−𝐹
Q3 = b + p ( )
𝑓
Keterangan :
Q3 = Quartil 3
51
30−28
Q3 = 7,6 + 8 ( ) = 80,5
4
5) Varians
2
∑ 𝑓𝑖 (𝑥𝑖 − 𝑥̅ )2
α =
(𝑛 − 1)
Keterangan :
𝛼2 = Varians
n = jumlah sampel
∑ 𝑓𝑖 (𝑥𝑖 − 𝑥̅ ) ∙2
= Jumlah antara kuadrat pengurangan nilai data (x1),
dikurangi nilai rata-rata data (𝑥̅ )
Nilai Statistik xi fi fixi xi-x (xi-x)2 fi(xi-x)2

50-58 54 9 486 -17,55 308,00 2.772,02
59-67 63 8 504 -8,55 73,10 584,82
68-76 72 11 792 0,45 0,20 2,23
77-85 81 4 324 9,45 89,30 357,21
86-94 90 4 360 18,45 340,40 1.361,61
95-103 99 4 396 27,45 753,50 3.014,01
Jumlah 40 2862 8.091,90
Rata-
71,55
Rata
8.091,90
𝛼2 = = 207,5
40−1
6) Standar Deviasi
𝑓𝑖 (𝑥𝑖 − 𝑥̅ )2 Atau 𝛼 = √𝑣𝑎𝑟𝑖𝑎𝑛𝑠

𝛼=
(𝑛 − 1)
Keterangan :
𝛼
52
= Standar deviasi
n = Jumlah sampel
𝛼 = √207,5 =14,40
53
BAB IV
ANGKA INDEKS
4.1 Pengertian
Angka indeks merupakan suatu metode analisis yang digunakan untuk
mengetahui tentang fluktuasi harga berbagai komoditas perdagangan, yang
selanjutnya juga dapat digunakan untuk mengethaui laju inflasi dari suatu
periode waktu. Angka indeks adalah angka yang relatif dinyatakan dalam
persentase.
Angka indeks dapat digunakan untuk membuat kebijakan yang harus diambil
pemerintah dalam perekonomian. Contoh dengan mengetahui produksi barang
tahun ini dibanding tahun kemarin. Perbandingan jumlah penduduk tahun ini
dengan tahun lalu, hal ini akan dapat digunakan pemerintah untuk membuat
kebijakan-kebijakan untuk mengatasi permasalahan-permasalahan.
Contoh soal :
Bila harga barang tahun 2012 adalah Rp. 8.000,00 per kilogram, kemudian pada
tahun 2013 menjadi Rp. 12.000,00 per kilogram, maka indeks harga barang
tersebut pada tahun 2013 adalah sebagai berikut :
12000
= 𝑋100% = 150%
8000
Jadi, harga barang pada tahun 2013 mengalami kenaikan sebesae 50%.
Dalam angka indeks terdapat tahundasar, waktu dasar adalah waktu atau
tahun yang lalu disebut juga tahun dasar, yaitu waktu atau tahun yang dijadikan
dasar untuk menentukan perkembangan suatu harga. Penentuan tahun dasar
harus mempertimbangkan:
1. Pemilihan tahun dasar sebaiknya berdasarkan waktu kondisi perekonomian
yang relatif stabil
2. Jarak antara tahun dasar dengan tahun sekarang tidak terlalu jauh.
3. Dalam penentuan tahun dasar perlu diperhatikan kejadian penting misalnya
tarik listrik dan BBM.
4.2 Jenis-Jenis Angka Indeks

Ada beberapa jenis angka indeks diantaranya adalah sebagai berikut :
1. Angka indeks Harga (Price Relative)
Indeks harga adalah angka yang menunjukan perubahan pada harga-harga
barang, baik harga untuk satu macam barang maupun berbagai macam
barang dalam periode waktu.
Contohnya indeks harga mobil niaga pada tahun ini 2015 adalah 115,
maka dapat diartikan bahwa harga mobil niaga tahun ini adalah 15% lebih
tinggi dari pada harga mobil niaga pada tahun dasar. Jika tahun yang akan
datang indeks harga mobil niaga adalah 95, maka harga mobil niaga pada
tahun depan telah mengalami penurunan sebesar 5% dari tahun dasar.
Indeks harga mempunyai peran dalam ekonomi negara yaitu:
54
a. Indeks Harga merupakan petunjuk kondisi ekonomi negara secara
umum. Misalnya indeks harga grosir menggambarkan pertumbungan
perdagangan dalam satu negara. Indeks harga pertanian dapat
menggambarkan pertumbuhan dalam dunia pertanian.
b. Indeks harga dapat digunakan sebagai pembandung dengan harga yang
ada dipasaran.
c. Indeks harga barang-barang konsumsi meruoakan dapat digunakan
sebagai patokan untuk menetapkan gaji buruh.
Jenis-jenis angka indeks harga yang ditetapkan oleh Badan Pusat

Statistik (BPS) adalah :
1) Angka indeks perdagangan besar (IHPB)
Angka indeks yang menunjukan perubahan pada harga pembelian
barang oleh para pedagang besar dari konsumen. Satuan ukurannya
adalah kuantitas borongan. Indeks harga sangat bermanfaat bagi para
pedagang besar:
 Untuk mengetahui perubahan-perubahan yang terjadi pada harga-
harga pembelian barang dagangan.
 Sebagai dasar untuk memperkirakan kondisi harga yang dimasa
mendatang
 Perdagangan besar dapat mengetahui penyebab terjadinya
perubahan pada harga, dengan demikian dapat digunakan untuk
menetapkan sehingga pengetahuan indeks harga tersebut dapat
dipergunakan untuk menetapkan harga dasar bagi para
konsumen. Besar atau kecilnya indeks harga perdagangan besar
dipengaruhi oleh :
o Kenaikan biaya Produksi
o Kebijakan politik dagang
o Kebijakan dalam bidang moneter
o Perubahan nilai uang.
Beberapa kemungkinan dalam perhitungan indeks harga, yaitu :

 Jika indeks harga > 1, berarti harga mengalami kenaikan
 Jika indeks harga < 1, berarti harga mengalami penurunan
 Jika indeks harga = 1, berarti harga tetap (tidak naik dan tidak turun)
2) Angka indeks konsumen adalah angka yang menunjukan harga rata-rata

barang dan jasa yang dikonsumsi oleh rumah tangga. Adapun rumus
untuk menghitung IKH adalah :
𝑃𝑛
IHK = 𝑋 100 %
𝑃𝑜
Keterangan:
Pn = Harga sekarang
po = Harga pada tahun dasar
Contoh:
Harga untuk jenis barang tertentu pada tahun 2013 Rp. 20.000,00 per
unit, sedangkan harga pada tahun dasar Rp. 16.000,00, per unit maka
indeks harga pada tahun 2013 dapat dihitung sebagai berikut. IHK =
(Rp. 20.000/Rp. 16.000) x 100 = 125 ini berarti pada tahun 2013 telah
55
terjadi kenaikan IHK sebesar 25% dari harga dasar yaitu 125-100
(sebagai tahun dasar). Sedangkan untuk menghitung tingkat inflasi
digunakan rumus sebagai berikut:
Inlasi = {(IHKn – IHKo)/IHKo} x 100%
Keterangan:
IHKn = Indeks Harga Konsumen periode ini
IHKo = Indeks Harga Konsumen periode lalu
Contoh:
Diketahui:
Indeks Harga Konsumen 2013 = 150
Indeks Harga Konsumen bulan 2012 = 120
Besarnya laju inflasi bulan 2013 adalah :
Laju inlasi = 150 -120 / 120 x100% = 25%
Termasuk inflasi sedang.
Berdasarkan parah atau tidaknya, inflasi dapat digolongkan:

a) Inflasi ringan (dibawah 10% setahun)
b) Inflasi sedang (antara 10% - 30% setahun)
c) Inflasi berat (anatara 30% -100% setahun), dan
d) Inflasi tak terkendali (diatas 100% setahun) angka indeks harga
sembilan bahan pokok adalah angka yang menunjukan harga rata-
rata beras, gula pasir, minyak goreng, mentega, susu, daging, telur,
obat-obatan, tepung terigu yang dikonsumsi oleh rumah tangga.
Sebaiknya indeks harga sembilan bahan pokok dihitung setiap
minggu.
2. Angka Indeks Kuantitas (Quantity Relative)

Indeks kuantitas adalah angka yang menunjukan perubahan
banyaknya/jumlah barang yang dihasilkan, barang tersebut adalah batang
yang sama untuk diekspor, dijual, dan sebagainya dalam periode sama
maupun berlainan.
3. Angka Indeks Nilai (Value Relative)

Indeks nilai adalah angka yang dapat dipergunakan untuk mengetahui nilai
mengenai barang yang sejenis atau sekumpulan barang dalam jangka waktu
yang tidak diketahui. Dapat diartikan sebagai perubahan nilai dari suatu
barang baik yang diimport maupun di eksport. Contoh indeks nilai import
beras, indeks eksport kopi.
4.3 Metode Perhitungan Angka Indeks

Metode penghitungan angka indeks dapat dilakukan dengan beberapa
metode yaitu sebagai berikut.
1. Angka indeks sederhana atau angka indeks tidak ditimbang. Dalam angka
indeks sederhana dibagi menjadi 2 yaitu:
a. Relatif sederhana adalah indeks yang tanpa memperhitungkan bobot
setiap barang dan jasa terdiri dari beberapa yaitu
1) Angka Indeks Harga Relatif Sederhana
56
Merupakan harga suatu barang dan jasa pada tahun berjalan
terhadap tahun dasar, tanpa memberi bobot. Rumusnya:
𝑃𝑛
=𝑃𝑜 = 𝑥100
𝑛 𝑃𝑜
Keterangan :
Pn = Harga barang dan jasa tahun n
Po = harga barang tahun dasar
Contoh soal
Berikut harga rata-rata rokok merek GLADIATOR perbatang.
Hitunglah angka indeks harga relatif sederhana dengan
menggunakan tahun dasar 2005
Tahun Harga Rokok Perbatang (RP)

2005 200
2006 225
2007 230
2008 220
2009 230
2010 235
2011 240
2012 240
2013 240
2014 250
Jawab :
Tahun 2006 = (225/200)x100 = 112,5
Tahun 2007 = (230/200)x100 = 115
Dan seterusnya
Tahun Harga Rokok Perbatang (RP) Indeks

2005 200 100
2006 225 112,5
2007 230 115
2008 220 110
2009 230 115
2010 235 117,5
2011 240 120
2012 240 120
2013 240 120
57
2014 250 125
Harga pokok perbatang dari tahun 2005 ke tahun 2014 mengalami
kenaikan sebesar 25%
2) Angka Indeks Kuantitatif Relatif Sederhana

Merupakan besarnya kuantitas barang dan jasa tahun tertentu
dengan tahun dasar tanpa memberikan bobot komoditas.
Rumusnya :
𝑄
=𝑄𝑜 = 𝑄𝑛 𝑥100
𝑛 𝑜
Keterangan :
Qn = Kuantitas barang dan jasa tahun n
Qo = Kuantitas barang tahun dasar
Contoh soal
Hitunglah angka indeks kuantitatif relatif sederhana dengan
menggunakan tahun dasar 2005
Tahun Kuantitas Rokok Perbatang (Unit)

2005 1200
2006 1300
2007 1320
2008 1330
2009 1345
2010 1366
2011 1388
2012 1400
2013 1412
2014 1455
Jawab :
Tahun 2006 = (1300/1200)x100 = 108,33
Tahun 2007 = (1320/1200)x100 = 110
Dan seterusnya
Harga Rokok Perbatang

Tahun Indeks
(RP)
2005 1200 100
2006 1300 108,33
2007 1320 110,00
2008 1330 110,83
58
2009 1345 112,08
2010 1366 113,83
2011 1388 115,67
2012 1400 116,67
2013 1412 117,67
2014 1455 121,25
Harga pokok perbatang dari tahun 2005 ke tahun 2014 mengalami

kenaikan sebesar 21,25%
3) Angka Indeks Nilai Relatif Sederhana

Merupakan besarnua nilai (harga dikalikan kuantitas) barang dan
jasa tahun tertentu dengan tahun dasar tanpa memberikan bobot
komoditas. Rumusnya :
𝑉 𝑥𝑄
=𝑉𝑜 = 𝑉𝑛 𝑥𝑄𝑛 𝑥100
𝑛 𝑜 𝑜
Keterangan :
Vn = Nilai barang dan jasa tahun n
Vo = Nilai barang tahun dasar
Contoh Soal:
Hitunglah angka indeks nilai sederhana dengan menggunakan
tahun dasar 2005
Produksi
Tahun Harga Rokok Perbatang (RP) (Batang)
2005 200 1200
2006 225 1300
2007 230 1320
2008 220 1330
2009 230 1345
2010 235 1366
2011 240 1388
2012 240 1400
2013 240 1412
2014 250 1455
59
60
Jawab:
Harga Rokok Perbatang Produksi

Tahun (Batang)
Nilai Indeks
(RP)
2005 200 1200 240000 100
2006 225 1300 292500 121,88
2007 230 1320 303600 126,50
2008 220 1330 292600 121,92
2009 230 1345 309350 128,90
2010 235 1366 321010 133,75
2011 240 1388 333120 138,80
2012 240 1400 336000 140,00
2013 240 1412 338880 141,20
2014 250 1455 363750 151,56
Nilai dari tahun 2005 ke tahun 2014 mengalami kenaikan sebesar
51,56%
b. Agregatif sederhana adalah menekannkan pada agregasi dimana

barang dan jasa lebih dari satu jenis. Terdiri dari beberapa yaitu:
1) Angka Indeks Harga Agregatif Sederhana
Merupakan membandingkan antara harga sejumlah barang
dan jasa pada tahun berjalan terhadap tahun dasar, tanpa
memberi bobot. Rumusnya:
𝑃 𝑥𝑄
=𝑉𝑜 = 𝑃𝑛 𝑥𝑄𝑛 𝑥100
𝑛 𝑜 𝑜
Contoh Soal
Hitunglah indeks harga agregatif sederhana dari 4 makanan
yang dikonsumsi masyarakat, dengan tahun dasar 2012
sebagai berikut:
Jenis 2012 2014

Barang Harga Harga
Telur Rp 1.000 Rp 1.200
susu Rp 2.000 Rp 2.200
keju Rp 3.000 Rp 3.100
roti Rp 1.500 Rp 1.800
total Rp 7.500 Rp 8.300
(Rp.8300/7500)x100 = 110,67
Selama 3 tahun dari tahun 2012-2014 harga untuk keempat

jenis makanan meningkat sebesar 10,67%
61
2) Angka Indeks Kuantitas Agregatif Sederhana
Merupakan membandingkan antara sejumlah barang dan
jasa pada tahun berjalan terhadap tahun dasar, tanpa
Contoh soal
Hitunglah indeks kuantitas agregatif sederhana dari 4
makanan yang dikonsumsi masyarakat, dengan tahun dasar
2012 sebagai berikut:
Jenis 2012 2014

Barang Kuantitas Kuantitas
Telur 60 70
susu 80 85
keju 78 89
roti 94 100
total 312 344
Jawab :
(Rp344/312)x100 = 110,26
Selama 3 tahun dari tahun 2012-2014 kuantitas untuk
keempat jenis makanan meningkat sebesar 10,26%
3) Angka Indeks Nilai Agregatif Sederhana

Merupakan membandingkan antara sejumlah nilai barang
dan jasa pada tahun berjalan terhadap tahun dasar, tanpa
∑ 𝑃𝑛 𝑥 𝑄𝑛
=𝑉𝑜 = ∑ 𝑃𝑛 𝑥 𝑄𝑛
𝑥100
𝑛
Contoh soal
Hitunglah indeks harga dan kuantitas agregatif sederhana
dari 4 makanan yang dikonsumsi masyarakat, dengan tahun
dasar 2012 sebagai berikut:
Jenis 2012 2012 2014 2014

Barang Harga Kuantitas Harga Kuantitas
Telur Rp 1.000 60 Rp 1.200 70
susu Rp 2.000 80 Rp 2.200 85
keju Rp 3.000 78 Rp 3.100 89
roti Rp 1.500 94 Rp 1.800 100
total Rp 7.500 312 Rp 8.300 344
62
Jawab :
Jenis 2012 2012 2012 2014 2014 2014
Barang Harga Kuantitas Nilai Harga Kuantitas Nilai
Telur Rp 1.000 60 Rp 60.000 Rp 1.200 70 Rp 84.000
susu Rp 2.000 80 Rp 160.000 Rp 2.200 85 Rp 187.000
keju Rp 3.000 78 Rp 234.000 Rp 3.100 89 Rp 275.900
roti Rp 1.500 94 Rp 141.000 Rp 1.800 100 Rp 180.000
total Rp 7.500 312 Rp 595.000 Rp 8.300 344 Rp 726.900
(726.900/595.000) x 100 = 122,17
Selama 3 tahun dari tahun 2012-2014 nilai untuk keempat
jenis makanan meningkat sebesar 22,17%
2. Angka indeks tertimbang. Dalam angka indeks tertimbang dibagi menjadi 2

yaitu:
Merupakan angka indeks yang mempertimbangkan pemberian bobot, untuk
pemberian bobot berupa angka yang ditentukan berdasarkan pentingnya
barang/ komoditi tersebut secara subyektif. Rumus yang digunakan untuk
menghitung indeks tertimbang:
I = [(∑ 𝑃𝑛 𝑥 𝑤) / (∑ 𝑃𝑜 𝑥 𝑤)] x 100%
a. Metode Laspeyres
Angka indeks yang tertimbang dengan faktor penimbangnya
kuantitas tahun dasar (Qo). Rumus:
IL = [(∑ 𝑃𝑛 𝑥 𝑄𝑜) / (∑ 𝑃𝑜 𝑥 𝑄𝑜)] x 100%
Keterangan :
IL = angka indeks Laspeyres
Pn = harga tahun yang dihitung angka indeksnya
Po = harga pada tahun dasar
Qo = kuantitas pada tahun dasar
Contoh soal
Dibawah ini kursi yang diproduksi oleh PT Abadi Furniture beresta
harganya jualnya, serta jumlah produk yang terjual dari tahun 2012
sampai 2014.
2012 2013 2014

Jenis Harga Harga Harga
kuantitas kuantitas kuantitas
perunit perunit perunit
Kursi Kecil 30000 200 35000 250 40000 300
Kursi
50000 250 55000 280 60000 320
Sedang
Kursi Besar 80000 150 90000 190 100000 200
Berapa angka indeks kuantitas model laspeyres tahun 2013
dengan tahun dasar 2012?
Jawab:
IL2012,2013 = [(∑ 𝑃𝑛 𝑥 𝑄𝑜) / (∑ 𝑃𝑜 𝑥 𝑄𝑜)] x 100%
63
= [(∑ 𝑃2013 𝑥 𝑄2012) / (∑ 𝑃2012 𝑥 𝑄2012)] x 100%
((35000)(200))+((55000)(250))+((90000)(150))
=((30000)(200))+((50000)(250))+((80000)(150)) 𝑥 100%
=(34250000/30500000)x100%
= 112,29%
b. Metode paasche
Angka indeks yang tertimbang dengan faktor penimbang kuantitas
tahun n (tahun yang dihitung angka indeksnya) atau Qn. Rumus:
IP = [(∑ 𝑃𝑛 𝑥 𝑄𝑛) / (∑ 𝑃𝑜 𝑥 𝑄𝑛)] x 100%
Keterangan :
IP = angka indeks Paasche
Qn = kuantitas tahun yang dihitung angka indeksnya.
Contoh soal
Dibawah ini kursi yang diproduksi oleh PT Abadi Furniture beserta
harga jualnya, serta jumlah produk yang terjual dari tahun 2012
sampai 2014.
2012 2013 2014

Kursi Kecil 30000 200 35000 250 40000 300
Kursi
50000 250 55000 280 60000 320
Sedang
Kursi Besar 80000 150 90000 190 100000 200
Berapa angka indeks kuantitas model Paasche tahun 2013 dengan
tahun dasar 2012?
Jawab:
IP2012,2013 = [(∑ 𝑃𝑛 𝑥 𝑄𝑛) / (∑ 𝑃𝑜 𝑥 𝑄𝑛)] x 100%
= [(∑ 𝑃2013 𝑥 𝑄2013) / (∑ 𝑃2012 𝑥 𝑄2013)]x 100%
((35000)(200))+((55000)(280))+((90000)(190))
=((30000)(250))+((50000)(280))+((80000)(190)) 𝑥 100%
=(41250000/36700000)x100%
= 112,40%
c. Metode Irving Fisher

Perhitungan angka indeks dengan metode Irving Fisher merupakan
angka indeks yang ideal. Irving Fisher menghitungkan indeks
64
kompromo dengan cara mencari rata-rata ukur dari indeks
Laspeyres dan indeks Paasche. Rumus:
IF = √(𝐼𝐿 𝑥 𝐼𝑃)
Keterangan:
IF = angka indeks Fisher
IL = angka indeks Laspeyres
IP = angka indeks Paasche
Contoh soal
sampai 2014.
2012 2013 2014

Kursi Kecil 30000 200 35000 250 40000 300
Kursi
50000 250 55000 280 60000 320
Sedang
Kursi Besar 80000 150 90000 190 100000 200
Berapa angka indeks kuantitas model Fisher tahun 2013 dengan
tahun dasar 2012?
Jawab:
IL2012,2013 = √(𝐼𝐿 𝑥 𝐼𝑃)
= √(112,29% 𝑥 112,40%)
= 112,345%
d. Metode Drobisch
Adalah kombinasi dari Indeks Laspeyres dengan indeks Paasche
atau rata-rata dari kedua indeks tersebut. Indeks Drobsich ini untuk
memperkecil perbedaan dari Indeks Laaspeyreys dan Indeks
Paasche. Rumus :
ID = (IL + IP ) /2
Keterangan :
ID = angka Indeks Drobisch
IL = angka Indeks Laspeyres
IP = angka Indeks Paasche
65
Contoh soal
sampai 2014.
2012 2013 2014

Kursi Kecil 30000 200 35000 250 40000 300
Kursi
50000 250 55000 280 60000 320
Sedang
Kursi
80000 150 90000 190 100000 200
Besar
Berapa angka indeks kuantitas model Drobsich tahun 2013 dengan
tahun dasar 2012?
Jawab:
IL2012,2013 = (IL + IP ) /2
= (112,29% + 112,40% ) /2
= 112,345%
e. Metode Edgeworth
Edgeworth, yaitu model perhitungan indeks dengan menjumlahkan
kuantitas dari tahun ke-n dengan kuantitas tahun dasar atau (Qo +
Qn) dan digunakan sebagai faktor penimbang. Rumus :
IE = [(∑ 𝑃𝑛 𝑥 (𝑄𝑛 + 𝑄𝑜)) / (∑ 𝑃𝑜 𝑥(𝑄𝑛 + 𝑄𝑜))] x 100%
Keterangan :
IE = angka Indeks Edgeworth
Qn = kuantitas tahun yang dihitung angka indeksnya
Qo = kuantitas pada tahun dasar
Contoh soal
sampai 2014.
2012 2013 2014

Kursi Kecil 30000 200 35000 250 40000 300
Kursi
50000 250 55000 280 60000 320
Sedang
Kursi
80000 150 90000 190 100000 200
Besar
66
Berapa angka indeks kuantitas model Edgeworth tahun 2013
dengan tahun dasar 2012?
Jawab:
IL2012,2013 = [(∑ 𝑃𝑛 𝑥 (𝑄𝑛 + 𝑄𝑜)) / (∑ 𝑃𝑜 𝑥(𝑄𝑛 + 𝑄𝑜))] x 100%
((35000)(250+200))+((55000)(280+250))+((90000)(190+150))
= 𝑥 100%
((30000)(250+200))+((50000)(280+250))+((80000)(190+150))
= (75500000/67200000)x100%
= 112,35%
67
BAB V
POPULASI DAN SAMPEL
PENDAHULUAN
Populasi adalah wilayah generakusasu yang terdiri atas obyek/subyek yang
mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk
dipelajari dan kemudian ditarik kesimpulannya.
Sampel adalah bagian dari jumlah dan karakteristik yang dimiliki oleh
populasi. Bila populasi besar dan peneliti tidak mungkin mempelajari semua yang
ada pada populasi misal karena terbatasnya dana, tenaga, dan waktu, maka
peneliti dapat menggunakan sampel yang diambil dari populasi itu. Apa yang
dipelajari dari sampel, kesimpulannya akan dapat diberlakukan untuk populasi.
Untuk itu sampel yang diambil dari populasi harus betul-betul representatif
(mewakili).
5.1 Teknik Sampling

Teknik sampling adalah merupakan teknik pengambilan sampel. Untuk
menentukan sampel yang akan digunakan dalam penelitian, terdapat berbagai
teknik sampling yang digunakan.
Teknik Sampling
Probability Sampling Non Probability Sampling
 Sampling Sistematis  Simple random sampling

 Sampling Kuota  Proportionate stratified
 Sampling Incidental random sampling
 Purposive Sampling  Area (cluster) sampling
 Sampling Jenuh (menurut daerah)
 Snowball Sampling
Teknik sampling terdiri dari 2 macam yaitu probability sampling dan non
probability sampling
68
5.1.2 Probability Sampling
Adalah pengambilan sampel yang memberikan peluang yang sama bagi
setiap unsur (anggota) populasi untuk dipilih menjadi anggota sampel. Teknik ini
terdiri dari 3 yaitu:
a. sampel random sampling

pengambilan anggota sampel dan populasi dilakukan secara acak
tanpa memperhatikan strata yang ada dalam populasi itu. Cara
demikian dilakukan bila anggota populasi dianggap homogin.
b. Proportionate stratified random sampling
Teknik ini digunakan bila populasi mempunyai anggota/unsur yang
tidak homogen dan berstrata secara proporsional. Suatu organisasi
yang mempunyai pegawai dari latar belakang pendidikan yang
berstrata, maka populasi pegawai itu berstrata. Misal jumlah
pegawai yang lulus S1=45, S2=30, STM=800, ST=900, SMEA=400,
SD=300. Jumlah sampe yang harus diambil meliputi strata
pendidikan tersebut.
c. Cluster sampling
Teknik sampling daerah digunakan untuk menentukan sampel bila
obyek yang akan diteliti atau sumber data sangat luas, misal
penduduk dari suatu negara, provinsi, atau kabupaten. Untuk
menentukan penduduk mana yang akan dijadikan sumber data,
maka pengambilan sampelnya berdasarkan daerah populasi yang
telah ditetapkan. Misal Indonesia terdiri dari 30 provinsi, dan
sampel akan menggunakan 15 provinsi, maka pengambilan 15
provinsi itu dilakukan secara random. Tetapi perlu diingat, karena
provinsi-provinsi di Indonesia itu berstrata maka pengambilan
sampelnya perlu menggunakan stratified random sampling. Provinsi
di Indonesia ada yang penduduknya padat, ada yang tidak; ada
yang mempunyai hutan banyak, ada yang tidak, ada yang kaya
bahan tambang, ada yang tidak. Karakteristik semacam ini perlu
diperhatikan sehingga pengambilan sampel menurut strata populasi
itu dapat ditetapkan. Teknik sampling daerah ini sering digunakan
melalui dua tahap, yaitu tahap pertama menentukan sampel
daerah, dan tahap berikutnya menentukan orang-orang yang ada
pada daerah itu secara sampling juga.
5.1.3 Nonprobability Sampling

Nonprobability sampling adalah teknik pengambilan sampel yang tidak
memberi peluanh atau kesempatan yang sama bagi setiap unsur atau anggota
populasi untuk dipilih menjadi sampel.
a. Sampling sistematis
Teknik pengambilan sampel berdasarkan urutan dari anggota populasi
yang telah diberi nomor urut. Misal diambil nomor ganjil saja.
b. Sampling kuota
Teknik menentukan sampel dari populasi yang mempunyai ciri-ciri tertentu
sampai jumlah kuota yang diinginkan. Sebagai contoh akan melakukan
penelitian tentang pendapat masyarakat terhadap pelayanan masyarakat.
Dalam urusan ijin mendirikan bangunan. Jumlah sampel yang ditentukan
69
500 orang. Kalau mengumpulan data belum berdasarkan pada 500 orang
tersebut, maka penelitian dipandang belum selesai, karena belum
memenuhi kuota yang ditentukan. Bila pengumpulan data dilakukan
secara kelompok yang terdiri dari 5 orang pengumpulan data, maka setiap
anggota kelompok harus menghubungi 100 orang anggota sampel atau 5
orang tersebut harus dapat mencari data hingga 500 anggota sampel.
c. Sampling insidental
Teknik penentuan sampel berdasarkan kebetulan, yaitu siapa saja yang
secara kebetulan/insidental bertemu dengan peneliti dapat digunakan
sebagai sampel, bila dipandang orang yang kebetulan ditemui itu cocok
sebagai sumber data.
d. Sampling purposive
Teknik penentuan sampel dengan pertimbangan atau kriteria-kriteria
tertentu.
e. Sampling jenuh
Teknik penentuan sampel bila semua anggota populasi digunakan
sebagai sampel. Hal ini sering dilakukan bila jumlah populasi relatif kecil,
kurang dari 30 orang, atau penelitian yang ingin membuat generalisasi
dengan kesalahan yang sangat kecil. Istilah lain sampel jenuh adalah
sensus, dimana semua anggota populasi dijadikan sampel.
f. Snowball sampling
Teknik penentuan sampel yang mula-mula jumlahnya kecil, kemudian
membesar. Ibarat bola salju yang menggelinding yang lama-lama menjadi
besar. Dalam penentuan sampel, pertama-tama dipilih satu atau dua
orang. Tetapi karena dengan dua orang ini belum merasa lengkap
terhadap data yang diberikan, maka peneliti mencari orang lain yang
dipandang lebih tahu dan dapat melengkapi data yang diberikan oleh dua
orang sebelumnya. Begitu seterusnya, sehingga jumlah sampel semakin
banyak.
5.2 Menentukan Ukuran Sampel

Jumlah anggota sampel sering dinyatakan dengan ukuran sampel. Jumlah
sampel yang diharapkan 100% mewakili populasi adalah jumlah anggota
populasi itu sendiri. Untuk penelitian jumlah populasi yang terlalu banyak akan
kita ambil untuk dijadikan sampel dengan harapan jumlah sampel yang kita ambil
dapat mewakili populasi yang ada. Untuk menentukan ukuran sampel
menggunakan rumus sebagai berikut:
a. Rumus Slovin adalah sebagai berikut:
𝑁
𝑛=
1 + (𝑁𝑥𝑒 2 )
Dimana:
n = ukuran sampel
N = populasi
e = presentasi kelonggaran ketidakterikatan karena kesalahan
pengambilan sampel yang maish diinginkan.
Contoh
70
Populasi responden adalah seluruh pegawa Bank Artha Prima Media
Yogyakarta berjumlah 100 orang, maka sampel yang kita ambil
sebagai penelitian jika menggunakan rumus Slovin dengan tingkat
kepercayaan 95%, dan tingkat error 5% adalah
100
𝑛= = 80 orang
1+(100𝑥0,052 )
b. Tabel penentuan sampel yang dikembangkan oleh Isac dan Michael

adalah sebagai berikut:
TABEL PENENTUAN JUMLAH SAMPEL DARI POPULASI TERTENTU DENGAN

TARAF KESALAHAN 1%, 5%, DAN 10%
S
N
1% 5% 10%
10 10 10 10
15 15 14 14
20 19 19 19
25 24 23 23
30 29 28 27
35 33 32 31
40 38 36 35
45 42 40 39
50 47 44 42
55 51 48 46
60 55 51 49
55 59 55 53
70 63 48 56
75 67 62 59
80 71 65 62
85 75 68 65
90 79 72 68
95 83 75 71
100 87 78 73
110 94 84 78
120 102 89 83
130 109 95 88
140 116 100 92
150 122 105 97
160 129 110 101
170 135 114 105
180 142 119 108
190 148 123 112
200 154 127 115
210 160 131 118
71
220 165 135 122
230 171 139 125
240 176 142 127
250 182 146 130
260 187 149 133
270 192 152 135
5.3 Jenis Data dan Sumber Data
Data berdasarkan jenisnya dibagi menjadi 2 yaitu:
1. Data kualitatif
Data kualitatif secara sederhana dapat disebut data hasil kategori
(pemberian kode) untuk isi data yang berupa kata atau dapat didefinisikan
sebagai data bukan angka tetapi diangkakan contoh jenis kelamin, status,
dan lain-lain. Data kualitatif mempunyai ciri tidak dapat dilakukan operasi
matematika, seperti penambahan, pengurangan, perkalian, dan
pembagian. Data kualitatif diambil dari penyebatan kuisoner pada
responden sehingga harus dilakukan pengujian reliabilitas dan validitas.
Data kualitatif dapat dibagi menjadi 2:
a. Data Nominal
Data bertipe nominal adalah data yang paling rendah dalam level
pengukuran data. Data dalam bentuk kategori tetapi tidak ada
tingkatannya. Contoh jenis kelamin ada 2 yaitu wanita dan pria maka
dikategorikan dalam bentuk angka misalnya 1 adalah wanita dan 2
adalah pria.
b. Data Ordinal
Data ordinal adalah juga data kualitatif namun dengan level yang lebih
tinggi daripada nominal. Jika dalam data nominal semua data kategori
dianggap setara, maka pada data ordinal ada tingkatannya. Contoh
tanggapan dari responden jika 1 adalah sangat tidak setuju, 2 adalah
tidak setuju, 3 adalah netral, 4 adalah setuju, dan 5 adalah sangat
setuju.
2. Data Kuantitatif
Data berupa angka dalam arti sebenarnya, jadi berbagai operasi
matematika dapat dilakukan pada data kuantitatif. Data kuantitatif dapat
dibagi menjadi 2:
a. Data Interval
Data interval menempati level pengukuran data yang lebih tinggi dari
data ordinal karena selain dapat bertingkat urutannya, juga urutan
tersebut dapat dikuantitatifkan. Contoh Index Prestasi seorang
mahasiswa. Dalam data interval tidak mengenal nilai nol yang absolud.
b. Data Rasio
Data rasio adalah data dengan tingkat pengukuran paling tinggi
diantara jenis data lainnya. Data rasio adalah data bersifat angka
dalam arti sesungguhnya (bukan kategori) dan dapat dioprasikan
dalam matematika. Perbedaan dengan data interval adalah bahwa
data rasio mempunyai titik nol dalam arti yang sesungguhnya. Contoh
penjualan baju di toko pakaian SANDANG sejumlah 1000 potong
terjual. Atau jika penjualan adalah 0, berarti memang tidak ada satupun
baju yang terjual.
72
Data berdasarkan sumbernya ada 2 yaitu:
1. Data primer
Data primer biasanya didapat dari subyek penelitian dengan cara
melakukan pengamatan, percobaan atau interview/wawancara.
Untuk mendapatkan data primer biasanya melalui
observasi/pengamatan langsung, subyek diberi lembar yang berisi
pertanyaan untuk diisi, pertanyaan yang ditujukan untuk responden
2. Data sekunder
Data sekunder adalah data yang tidak langsung diperoleh dari
sumber pertama dan telah tersusun dalam bentuk dokumen tertulis.
Data sekunder dapat diporel dari buku cetak,BPS.
73
BAB VI
REGRESI SEDERHANA DAN BERGANDA
6.1 Pendahuluan
Regresi bertujuan untuk menguji pengaruh antara variabel satu dengan
variabel lain. Variabel yang dipengaruhi disebut variabel tergantung atau
dependen. Sedangkan variabel yang mempengaruhi disebut variabel bebas atau
variabel independen. Uji regresi ada 2 yaitu:
1. Regresi linear sederhana
2. Regresi linear berganda
6.2 Regresi Linear Sederhana

Regresi yang memiliki satu variabel dependen dan satu variabel independen.
Model persamaan regresi linear sederhana dengan rumus sebagai berikut:
Y = a + bX
Keterangan:
Y = subyek dalam variabel dependen yang diprediksi
a = harga Y ketika harga X=0 (harga konstan)
b = angka arah atau koefisien regresi, yang menunjukan angka peningkatan
ataupun penurunan variabel dependen yang didasarkan pada perubahan
variabel independen. Bila (+) arah garis naik, dan bila (-) maka arah garis
turun.
X = subyek pada variabel independen yang mempunyai nilai tertentu
∑(𝑥𝑦) − (∑ 𝑥) (∑ 𝑦) ∑ 𝑦 − 𝑏(∑ 𝑥)
𝑏= 𝑎=
𝑛 (∑ 𝑥 2 ) − (∑ 𝑥)2 𝑛
𝑠𝑒
𝑠𝑏 =
∑ 𝑦2 − 𝑎 ∑ 𝑦 − 𝑏 ∑ 𝑥𝑦 2
𝑠𝑒 = √ √∑ 𝑥 2 − (∑ 𝑥)
𝑛−2 𝑛
𝑏
𝑡ℎ𝑖𝑡𝑢𝑛𝑔 =
𝑠𝑏
74
Contoh soal
Dibawah ini terdapat data nilai statistik dan IQ masing masing siswa kelas A
sebagai berikut:
No Nilai Statistik (X) IQ (Y)

1 50 100
2 50 100
3 100 150
4 80 120
5 95 130
6 70 115
7 90 125
8 60 100
9 70 115
10 50 100
Anda diminta mengambil keputusan apakah IQ mempunyai pengaruh terhadap

nilai statistik siswa kelas A
Jawab :
Langkahnya :
Kemungkinan jawaban
Ho = tidak terdapat pengaruh antara IQ terhadap nilai statistik siswa kelas A
Ha = terdapat pengaruh antara IQ terhadap nilai statistik siswa kelas A
Mencari persamaan regresi dan t hitung:
X Y XY X2 Y2
50 100 5000 2500 10000
50 100 5000 2500 10000
100 150 15000 10000 22500
80 120 9600 6400 14400
95 130 12350 9025 16900
70 115 8050 4900 13225
90 125 11250 8100 15625
60 100 6000 3600 10000
70 115 8050 4900 13225
50 100 5000 2500 10000
∑ 𝑥 = 715 ∑ 𝑦 = 1155 ∑ 𝑥𝑦 = 85300 ∑ 𝑥 2 = 1155 ∑ 𝑦 2 = 135875
75
76
∑(𝑥𝑦) − (∑ 𝑥) (∑ 𝑦)
𝑏=
𝑛 (∑ 𝑥 2 ) − (∑ 𝑥)2
10 (85300)−(715)(1155)
= = 0,823
10 (54425)−(511225)
∑ 𝑦 − 𝑏(∑ 𝑥)
𝑎=
𝑛
(1155)−0,823(715)
= = 56,66
10
Jadi persamaan regresi sederhana sebagai berikut:

Y = 56,66 + 0,823 X + e
∑ 𝑦 2 − 𝑎 ∑ 𝑦 − 𝑏 ∑ 𝑥𝑦
𝑠𝑒 = √
𝑛−2
(135875)−56,66(1155)−0,823(85300)
=√ = 5,37
10−2
𝑠𝑒
𝑠𝑏 =
2
√∑ 𝑥 2 − (∑ 𝑥)
𝑛
5,37
= = 0,0934
2
√54425− (715)
10
𝑏
𝑡ℎ𝑖𝑡𝑢𝑛𝑔 =
𝑠𝑏
0,823
= = 8,7
0,0934
Mengambil keputusan
Membandingkan antara thitung dengan ttabel
Tabel t dapat dilihat dibelakang (9;0,025)=2,262
Nilai 9 berasal dari n-1 merupakan jumlah sampel, nilai 0,025 berasal dari
tingkat kesalahan penelitian 5% (0,05) karena memakai 2 sisi jadi 0,05/2
77
Berada pada daerah Ho ditolak/ daerah penolakan Ho keputusannya adalah
terdapat pengaruh antara IQ terhadap nilai statistik siswa kelas A.
Persamaan regresi sederhana
Y = a + bX
Dimana :
X = nilai statistik
Y = IQ
Y = 56,66 + 0,823X1
Jika nilai statistik naik satu angka maka IQ akan naik sebesar 0,823.
A. Regresi Linear Berganda

Regresi yang memiliki satu variabel dependen dan dua atau lebih variabel
independent. Model persamaan regresi linier sederhana dengan rumus sebagai
berikut:
Y = a + b1X1 + b2X2
Keterangan :
Y = variabel dependen
a = harga konstanta
b1 = koefisien regresi pertama
b2 = koefisien regresi kedua
x1 = variabel independent pertama
x2 = variabel independent kedua
Mencari Persamaan Regresi

Untuk menghitung persamaan regresi yaitu menghitung a,b1,b2 dapat
menggunakan persamaan berikut: (untuk regresi dengan satu variabel
dependen dan dua variabel independent).
(∑ 𝑥1 𝑦) (∑ 𝑥2 2 )−(𝑥2 𝑦)(∑ 𝑥1 𝑥2 )
b1 =
(∑ 𝑥1 2 ) (∑ 𝑥2 2 )−(∑ 𝑥1 𝑥2 )2
(∑ 𝑥2 𝑦) (∑ 𝑥1 2 )−(𝑥1 𝑦)(∑ 𝑥1 𝑥2 )
b2 =
(∑ 𝑥1 2 ) (∑ 𝑥2 2 )−(∑ 𝑥1 𝑥2 )2
a= 𝑦̅ − 𝑏1 ̅̅̅
𝑥2
Pengujian Hipotesis
Mencari Uji parsian t
∑ 𝑦 2 −(𝑏1 .∑ 𝑥1 𝑦+ 𝑏2 .∑ 𝑥2 𝑦)
Se = √
𝑛−𝑘
∑ 𝑥2 2
sb1 = se √
(∑ 𝑥1 2 ) (∑ 𝑥2 2 )− (∑ 𝑥1 𝑥2 )2
78
∑ 𝑥1 2
sb2 = se √
(∑ 𝑥1 2 ) (∑ 𝑥2 2 )− (∑ 𝑥1 𝑥2 )2
Mencari uji hipotesis apakah terdapat pengaruh antara X1 terhadap Y
𝑏1
Thitung1 =
𝑠𝑏
Mencari uji hipotesis apakah terdapat pengaruh antara X2 terhadap Y
𝑏2
Thitung2 =
𝑠𝑏2
Mencari Uji Serentak/Simultan F
(𝑏1 ∑ 𝑥1 𝑦+𝑏2 ∑ 𝑥2 𝑦) ∶ (𝑘−1)

Fhitung =
(𝑠𝑒)2
Kriteria :
Jika Fhitung > Ftabel = Ho ditolak
Jika Fhitung < Ftabel = Ho diterima
Mencari nilai koefisien determinasi (R2)
(𝑏1 ∑ 𝑥1 𝑦+𝑏2 ∑ 𝑥2 𝑦) ∶ (𝑘−1)

𝑅2 =
∑ 𝑦2
Contoh soal
Dibawah ini terdapat penelitian dengan judul pengaruh pendapatan keluarga
perhari (X1) dan jumlah anggota keluarga (X2) terhadap pengeluaran konsumsi
keluarga perhari (Y), menggunakan sampel sebanyak 10 keluarga (soal dari
Slamet Santoso). Hasil pengumpulan data sebagai berikut :
Pendapatan Jumlah Pengeluaran

No Keluarga Perhr Anggota Keluarga Perhr
(X1) Keluarga (X2) (Y)
1 100 7 23
2 20 3 7
3 40 2 15
4 60 4 17
5 80 6 23
6 70 5 22
7 40 3 10
8 60 3 14
9 70 4 20
10 60 3 19
79
Anda diminta mengambil keputusan
1. Cari persamaan regresi berganda ini?
2. Apakah terdapat pengaruh antara pendapatan keluarga perhari (X1)
terhadap pengeluaran konsumsi keluarga perhari (Y)?
3. Apakah terdapat pengaruh antara jumlah anggota keluarga (X2) terhadap
pengeluaran konsumsi keluarga perhari (Y)?
4. Apakah terdapat pengaru antara pendapatan keluarga perhari (X1) dan
jumlah anggota keluarga (X2) secara bersamaan terhadap pengeluaran
konsumsi keluarga perhari (Y)?
5. Berapa sumbangan variabel independen terhadap variabel dependen (R 2)
JAWAB :
No X1 X2 Y X12 X22 Y2 X1X2 X1Y X2Y
1 100 7 23 10000 49 529 700 2300 161

2 20 3 7 400 9 49 60 140 21
3 40 2 15 1600 4 225 80 600 30
4 60 4 17 3600 16 289 240 1020 68
5 80 6 23 6400 36 529 480 1840 138
6 70 5 22 4900 25 484 350 1540 110
7 40 3 10 1600 9 100 120 400 30
8 60 3 14 3600 9 196 180 840 42
9 70 4 20 4900 16 400 280 1400 80
10 60 3 19 3600 9 361 180 1140 57
600 40 170 40600 182 3162 2670 11220 737
1. Mencari persamaan regresi berganda
(∑ 𝑥1 )2
∑ 𝑥1 2 = ∑ 𝑥1 2 − =4600
𝑛
(∑ 𝑥2 )2
∑ 𝑥2 2 = ∑ 𝑥2 2 − = 22
𝑛
(∑ 𝑦)2
∑ 𝑦2 = ∑ 𝑦2 − = 272
𝑛
(∑ 𝒙𝟏 ) (∑ 𝒙𝟐 )
∑ 𝒙𝟏 𝒙𝟐 = ∑ 𝒙𝟏 𝒙𝟐 − = 270
𝒏
(∑ 𝒙𝟏 ) (∑ 𝒚)
∑ 𝒙𝟏 𝒚 = ∑ 𝒙𝟏 𝒚 − = 1020
𝒏
(∑ 𝒙𝟐 ) (∑ 𝒚)
∑ 𝒙𝟐 𝒚 = ∑ 𝒙𝟐 𝒚 − = 57
𝒏
80
(∑ 𝑥1 𝑦) (∑ 𝑥2 2 )−(𝑥2 𝑦)(∑ 𝑥1 𝑥2 )
b1= = 0,25
(∑ 𝑥1 2 ) (∑ 𝑥2 2 )−(∑ 𝑥1 𝑥2 )2
(∑ 𝑥2 𝑦) (∑ 𝑥1 2 )−(𝑥1 𝑦)(∑ 𝑥1 𝑥2 )
b2 = = 0,47
(∑ 𝑥1 2 ) (∑ 𝑥2 2 )−(∑ 𝑥1 𝑥2 )2
a= 𝑦̅ − 𝑏1 ̅̅̅
𝑥2 - 𝑏2 ̅̅̅
𝑥2 = 3,88
Dengan demikian persamaan regresi linier berganda adalah sebagai berikut :

Y = 3,88 + 0,25x1 – 0,47x2
2. Mencari Uji parsial t (X1 terhadap Y)
∑ 𝑦−𝑏(∑ 𝑥)
𝛼=
𝑛
∑ 𝑥2 2
sb1 = se √ = 0,07
(∑ 𝑥1 2 ) (∑ 𝑥2 2 )− (∑ 𝑥1 𝑥2 )2
∑ 𝑥1 2
sb2 = se √ = 1,008
(∑ 𝑥1 2 ) (∑ 𝑥2 2 )− (∑ 𝑥1 𝑥2 )2
𝑏1
Thitung1 = = 3,5714
𝑠𝑏1
Apakah terdapat pengaruh antara pendapatan keluarga perhari (X1)

terhadap pengeluaran konsumsi keluarga perhari (Y)?
Ho : tidak terdapat pengaruh antara pendapatan keluarga perhari
(X1) terhadap pengeluaran konsumsi keluarga perhari (Y)
Ha : terdapat pengaruh antara pendapatan keluarga perhari(X1)
terhadap pengeluaran konsumsi keluarga perhari (Y)
Pengambilan keputusna dengan cara membandingkan antara t hitung dengan
ttabel
Ttabel dapat dilihat dibelakang (9;0,025) = 2,262
Nilai 9 berasal dari n-1, n merupakan jumlah sampel
Nilai 0,025 berasal dari tingkat kesalahan penelitian 5%(0,05) karena
memakai 2 sisi jadi 0,05/2
Daerah penolakan Ho (daerah penerimaan Ho) hitung(3,5714) tabel (2,262)

tabel t- (2,262) jadi berada didaerah Ho ditolak dan pernyataan Ha diterima
maka pengambilan keputusannya adalah Terdapat pengaruh antara
pendapatan keluarga perhari (X1) terhadap pengeluaran konsumsi keluarga
perhari (Y)
81
3. Mencari uji parsial t (X2 terhadap Y)
𝑏2
Thitung2 = = -0,46627
𝑠𝑏2
Apakah terdapat pengaruh antara jumlah anggota keluarga(X2) terhadap
pengeluaran konsumsi keluarga perhari (Y)?
Ho : tidak terdapat pengaruh antara jumlah anggota keluarga(X2)
Ha : terdapat pengaruh antara jumlah anggota keluarga(X2)
Pengambilan keputusna dengan cara membandingkan antara t hitung dengan
ttabel
Ttabel dapat dilihat dibelakang (9;0,025) = 2,262
Nilai 9 berasal dari n-1, n merupakan jumlah sampel
Nilai 0,025 berasal dari tingkat kesalahan penelitian 5%(0,05) karena
memakai 2 sisi jadi 0,05/2
Jadi berada di daerah Ha diterima dan pernyataan Ho ditolak maka

pengambilan keputusannya adalah tidak terdapat pengaruh antara jumlah
anggota keluarga (X2) terhadap pengeluaran konsumsi keluarga perhari (Y)
4. Mencari Uji serentak/Simultan F
(𝑏1 ∑ 𝑥1 𝑦+𝑏2 ∑ 𝑥2 𝑦) ∶ (𝑘−1)

Fhitung = =18,228
(𝑠𝑒)2
Apakah terdapat pengaruh antara pendapatan keluarga perhari (X1) dan jumlah
anggota keluarga (X2) secara bersamaa-sama terhadap pengeluaran konsumsi
keluarga perhari (Y)?
Ho : Tidak terdapat pengaruh antara pendapatan keluarga
perhari (X1) dan jumlah anggota keluarga (X2) secara
bersama- sama terhadap pengeluaran konsumsi keluarga
perhari (Y)
Ha : Terdapat pengaruh antara pendapatan keluarga perhari
(X1) dan jumlah anggota keluarga (X2) secara bersama-
sama terhadap pengeluaran konsumsi keluarga perhari (Y)
Pengambilan keputusan dengan cara membandingkan antara f hitung dengan ftabel

Ftabel 5% dengan uji satu sisi dapat dilihat dibelakang (V1=K=2; V2=n-k-1=7) =
4,737
K = jumlah variabel independent
Kriteria:
Jika fhitung > ftabel = Ho ditolak
Jika fhitung < ftabel = Ho diterima
Maka fhitung (18,228) > ftabel (4,737) = Ho ditolak dan Ha diterima artinya
Terdapat pengaruh antara pendapatan keluarga perhari (X1) dan jumlah
anggota keluarga (X2) secara bersama-sama terhadap pengeluaran konsumsi
keluarga perhari (Y).
82
5. Mencari Nilai Koefisien determinasi (R2)
(𝑏1 ∑ 𝑥1 𝑦+𝑏2 ∑ 𝑥2 𝑦) ∶ (𝑘−1)

𝑅2 = = 0,84
∑ 𝑦2
Sumbangan variabel independen (pendapatan keluarga perhari dan jumlah

anggota keluara) terhadap naik turunnya atau variasi variabel dependen
(pengeluaran konsumsi keluarga perhari) adalah sebesar 0,84 atau 84%
sedangkan sisanya sebesar 16% merupakan sumbangan dari variabel lain yang
tidak dimasukan dalam model yang diajukan.
83
BAB VII
PENGUJIAN VALIDITAS DAN RELIABILITAS INSTRUMEN

PENELITIAN BISNIS
7.1 Pendahuluan
Uji validitas dan reliabilitas digunakan untuk menguji data yang menggunakan
daftar atau kuisoner untuk melihat pertanyaan dalam kuisoner yang diisi oleh
responden tersebut layak atau belum pertanyaan-pertanyaan untuk mengambil
data
7.2 Validitas
Uji validitas digunakan untuk mengetahui kelayakan butir-butir dalam suatu
daftar pertanyaan dalam mendefinisikan suatu variabel. Daftar pertanyaan ini
pada umumnya mendukung suatu kelompok variabel tertentu. Uji validitas
sebaiknya dilakukan pada setiap butir pertanyaan di uji validitasnya. Hasil r
hitung kita bandingan dengan r tabel dimana df=n-2 dengan sig 5%. Jika r tabel
< r hitung maka valid. Uji validitas menggunakan teknik korelasi product moment
dengan menggunakan rumus sebagai berikut :
𝑛 ∑ 𝑥𝑦−(∑ 𝑥)(∑ 𝑦)
r=
√[𝑛 ∑ 𝑥 2 −(𝑥)2 ][𝑛 ∑ 𝑦 2 −(∑ 𝑦)2 ]
Contoh soal
Pelayanan merupakan satu hal yang sangat penting diperhatikan oleh Hotel, jika
konsumen merasa puas terhadap pelayanan yang diberikan oleh hotel maka
itulah tujuan utaman pelayanan. Ujilah validitas dari jawaban responden atas
pertanyaan yang diajukan sebagai berikut:
Skala
Butir Pertanyaan STS TS S SS
1 2 3 4
apakah karyawab di hotek
1
kami ramah?
apakah karyawan di hotel
2 kami cepat tanggap dengan
apa yang di inginkan?
kami telah memberikan
3
pelayanan sesuai dengan
keinginan?
84
kami dapat selalu
memberikan keterangan
4
dengan jelas setiap
pertanyaan konsumen yang
berhubungan dengan hotel?
apakah anda sebagai tamu
5 mendapat pelayanan yang
baik di hotel kami?
Keterangan :
STS = Sangat Tidak Setuju (nilainya 1)
TS = Tidak Setuju (nilainya 2)
S = Setuju (nilainya 3)
SS = Sangat Setuju (nilainya 4)
Maka jawaban dari responden sebagai berikut:
Jawaban Responden Atas Pertanyaan Pelayanan

P1 P2 P3 P4 P5
4 4 1 4 4
1 1 2 4 4
1 1 2 4 4
2 2 3 4 2
4 1 2 1 2
3 3 2 2 2
4 4 4 4 4
3 2 2 3 2
2 2 3 2 2
2 1 3 4 3
1 1 1 3 2
1 1 1 2 2
1 1 1 2 2
3 1 2 2 2
2 2 2 1 2
3 2 2 4 3
3 3 2 3 3
1 1 2 3 2
2 2 2 2 2
3 2 2 2 3
1 1 1 1 1
2 2 3 3 3
1 1 1 1 2
4 4 3 4 4
1 1 1 1 1
85
1 1 2 2 1
3 3 3 3 3
3 2 2 3 3
3 1 3 3 2
1 1 1 1 1
Langkah-langkahnya:
mencari Uji Validitas masing-masing item pertanyaan

Jawaban Responden Atas Pertanyaan
Sampel Pelayanan Total
P1 P2 P3 P4 P5
1 4 4 1 4 4 17
2 1 1 2 4 4 12
3 1 1 2 4 4 12
4 2 2 3 4 2 13
5 4 1 2 1 2 10
6 3 3 2 2 2 12
7 4 4 4 4 4 20
8 3 2 2 3 2 12
9 2 2 3 2 2 11
10 2 1 3 4 3 13
11 1 1 1 3 2 8
12 1 1 1 2 2 7
13 1 1 1 2 2 7
14 3 1 2 2 2 10
15 2 2 2 1 2 9
16 3 2 2 4 3 14
17 3 3 2 3 3 14
18 1 1 2 3 2 9
19 2 2 2 2 2 10
20 3 2 2 2 3 12
21 1 1 1 1 1 5
22 2 2 3 3 3 13
23 1 1 1 1 2 6
24 4 4 3 4 4 19
25 1 1 1 1 1 5
26 1 1 2 2 1 7
27 3 3 3 3 3 15
28 3 2 2 3 3 13
29 3 1 3 3 2 12
30 1 1 1 1 1 5
86
Mencari validitas P1
Sampel X Y X.X Y.Y X.Y

1 4 17 16 289 68
2 1 12 1 144 12
3 1 12 1 144 12
4 2 13 4 169 26
5 4 10 16 100 40
6 3 12 9 144 36
7 4 20 16 400 80
8 3 12 9 144 36
9 2 11 4 121 22
10 2 13 4 169 26
11 1 8 1 64 8
12 1 7 1 49 7
13 1 7 1 49 7
14 3 10 9 100 30
15 2 9 4 81 18
16 3 14 9 196 42
17 3 14 9 196 42
18 1 9 1 81 9
19 2 10 4 100 20
20 3 12 9 144 36
21 1 5 1 25 5
22 2 13 4 169 26
23 1 6 1 36 6
24 4 19 16 361 76
25 1 5 1 25 5
26 1 7 1 49 7
27 3 15 9 225 45
28 3 13 9 169 39
29 3 12 9 144 36
30 1 5 1 25 5
66 332 180 4112 827
𝑛 ∑ 𝑥𝑦−(∑ 𝑥)(∑ 𝑦)
r=
√[𝑛 ∑ 𝑥 2 −(𝑥)2 ][𝑛 ∑ 𝑦 2 −(∑ 𝑦)2 ]
(30 𝑥 827)−(60 𝑥 332)

r= = 0,782
√[30 𝑥 180)−(66𝑥66)][(30𝑥4112)−(332𝑥332)]
87
1 4 17 16 289 68
2 1 12 1 144 12
3 1 12 1 144 12
4 2 13 4 169 26
5 1 10 1 100 10
6 3 12 9 144 36
7 4 20 16 400 80
8 2 12 4 144 24
9 2 11 4 121 22
10 1 13 1 169 13
11 1 8 1 64 8
12 1 7 1 49 7
13 1 7 1 49 7
14 1 10 1 100 10
15 2 9 4 81 18
16 2 14 4 196 28
17 3 14 9 196 42
18 1 9 1 81 9
19 2 10 4 100 20
20 2 12 4 144 24
21 1 5 1 25 5
22 2 13 4 169 26
23 1 6 1 36 6
24 4 19 16 361 76
25 1 5 1 25 5
26 1 7 1 49 7
27 3 15 9 225 45
28 2 13 4 169 26
29 1 12 1 144 12
30 1 5 1 25 5
54 332 126 4112 689
(30 𝑥 689)−(54 𝑥 332)

r= = 0,814
√[30 𝑥 126)−(54𝑥54)][(30𝑥4112)−(332𝑥332)]
88
1 1 17 1 289 17
2 2 12 4 144 24
3 2 12 4 144 24
4 3 13 9 169 39
5 2 10 4 100 20
6 2 12 4 144 24
7 4 20 16 400 80
8 2 12 4 144 24
9 3 11 9 121 33
10 3 13 9 169 39
11 1 8 1 64 8
12 1 7 1 49 7
13 1 7 1 49 7
14 2 10 4 100 20
15 2 9 4 81 18
16 2 14 4 196 28
17 2 14 4 196 28
18 2 9 4 81 18
19 2 10 4 100 20
20 2 12 4 144 24
21 1 5 1 25 5
22 3 13 9 169 39
23 1 6 1 36 6
24 3 19 9 361 57
25 1 5 1 25 5
26 2 7 4 49 14
27 3 15 9 225 45
28 2 13 4 169 26
29 3 12 9 144 36
30 1 5 1 25 5
61 332 143 4112 740
(30 𝑥 740)−(61 𝑥 332)

r= = 0,713
√[30 𝑥 143)−(61𝑥61)][(30𝑥4112)−(332𝑥332)]
89
1 4 17 16 289 68
2 4 12 16 144 48
3 4 12 16 144 48
4 4 13 16 169 52
5 1 10 1 100 10
6 2 12 4 144 24
7 4 20 16 400 80
8 3 12 9 144 36
9 2 11 4 121 22
10 4 13 16 169 52
11 3 8 9 64 24
12 2 7 4 49 14
13 2 7 4 49 14
14 2 10 4 100 20
15 1 9 1 81 9
16 4 14 16 196 56
17 3 14 9 196 42
18 3 9 9 81 27
19 2 10 4 100 20
20 2 12 4 144 24
21 1 5 1 25 5
22 3 13 9 169 39
23 1 6 1 36 6
24 4 19 16 361 76
25 1 5 1 25 5
26 2 7 4 49 14
27 3 15 9 225 45
28 3 13 9 169 39
29 3 12 9 144 36
30 1 5 1 25 5
78 332 238 4112 960
(30 𝑥 960)−(78 𝑥 332)

r= = 0,780
√[30 𝑥 238)−(78𝑥78)][(30𝑥4112)−(332𝑥332)]
90

1 4 17 16 289 68
2 4 12 16 144 48
3 4 12 16 144 48
4 2 13 4 169 26
5 2 10 4 100 20
6 2 12 4 144 24
7 4 20 16 400 80
8 2 12 4 144 24
9 2 11 4 121 22
10 3 13 9 169 39
11 2 8 4 64 16
12 2 7 4 49 14
13 2 7 4 49 14
14 2 10 4 100 20
15 2 9 4 81 18
16 3 14 9 196 42
17 3 14 9 196 42
18 2 9 4 81 18
19 2 10 4 100 20
20 3 12 9 144 36
21 1 5 1 25 5
22 3 13 9 169 39
23 2 6 4 36 12
24 4 19 16 361 76
25 1 5 1 25 5
26 1 7 1 49 7
27 3 15 9 225 45
28 3 13 9 169 39
29 2 12 4 144 24
30 1 5 1 25 5
73 332 203 4112 896
(30 𝑥 896)−(73 𝑥 332)

r= = 0,836
√[30 𝑥 203)−(73𝑥73)][(30𝑥4112)−(332𝑥332)]
91
Hasil uji validitas
Dengan menggunakan jumlah responden sebanyak 30 maka nilai r tabel dapat
diperoleh melalui tabel r dengan df (degree of freedom)=n-2, jadi df=30-2=28,
maka nilai r tabel=0,3610. r tabel dapat dilihat pada tabel r pada lampiran. Butir
pertanyaan dikatakan valid jika nilai r hitung > r tabel. Hasil pengujian validitas
dapat dilihat sebagai berikut:
Item
r Hitung r Tabel Keterangan
Pertanyaan
P1 0,782 0,3610 Valid
P2 0,814 0,3610 Valid
P3 0,713 0,3610 Valid
P4 0,78 0,3610 Valid
P5 0,836 0,3610 Valid
7.3 Reliabilitas
Reliabilitas (keandalan) merupakan ukuran suatu kestabilan dan konsistensi
responden dalam menjawab hal yang berkaitan dengan kontruk-kontruk
pertanyaan yang merupakan dimensi suatu variabel dan disusun dalam suatu
bentuk kuisoner.
Uji reliabilitas dapat dilakukan secara bersama-sama terhadap seluruh butir
pertanyaan. Jika nilai Alpha > 0,60 maka reliabel. Dengan rumus sebagai berikut
𝑘 ∑ 𝜎𝑏 2
r[ ] [1 − ]
(𝑘−1) 𝜎𝑡 2
r = koefisien reliability instrument (cronbachalfa)

k = banyaknya butir pertanyaan
∑ 𝜎𝑏 2 = total varian butir
𝝈𝒕 𝟐 = total varian
Contoh soal
Pelayanan merupakan satu hal yang sangat penting diperhatikan oleh Hotel, jika
konsumen merasa puas terhadap pelayanan yang diberikan oleh hotel maka
itulah tujuan utaman pelayanan. Ujilah reliabilitas dari jawaban responden atas
pertanyaan yang diajukan sebagai berikut:
Jawaban Angket
Responden
1 2 3 4 5
1 4 4 3 4 4
2 3 3 4 4 4
3 2 2 2 2 4
4 3 4 4 4 4
5 3 4 4 4 5
6 4 3 3 4 4
92
7 2 3 3 4 5
8 4 4 4 2 4
9 4 4 4 2 4
10 4 4 4 4 4
Langkah-langkahnya:
Mencari uji reliabilitas untuk 5 item pertanyaan menjadi satu
Responde Jawaban Angket Total

Total
n 1 2 3 4 5 Kuadran
1 4 4 3 4 4 19 361
2 3 3 4 4 4 18 324
3 2 2 2 2 4 12 144
4 3 4 4 4 4 19 361
5 3 4 4 4 5 20 400
6 4 3 3 4 4 18 324
7 2 3 3 4 5 17 289
8 4 4 4 2 4 18 324
9 4 4 4 2 4 18 324
10 4 4 4 4 4 20 400
Jumlah 33 35 35 34 42 179 3251
Jumlah
115 127 127 124 178 3251
kuadran
Keterangan :
Jumlah kuadran 115 berasal dari 42+32+22+32+32+42+22+42+42+42
𝑘 ∑ 𝜎𝑏 2
r[ ] [1 − ]
(𝑘−1) 𝜎𝑡 2
menghitung total varian butir
332
115− 10
𝜎𝑏 2 = = 0,61
10
352
127− 10
𝜎𝑏 2 = = 0,45
10
352
127− 10
𝜎𝑏 2 = = 0,45
10
93
342
124−
𝜎𝑏 2 = 10
= 0,84
10
422
178− 10
𝜎𝑏 2 = = 0,16
10
Total varian butir = 0,61+0,45+0,45+0,84+0,16 = 2,51

Menghitung total varian
1792
3251− 10
𝜎𝑡 2 = = 4,69
10
Menghitung koefisien Cronbach Alpha
𝑘 ∑ 𝜎𝑏 2
𝑟 = [(𝑘−1)] [ 1- ]
𝜎𝑡 2
5 2,51
𝑟 = [(5−1)] [ 1- ] = 0,581
4,69
Hasil Uji Reliabilitas

Uji reliabilitas dapat dilihat pada nilai Cronbach Alpha,
jika nilai Cronbach Alpha >0,60 kontruk pertanyaan dimensi variabel adalah
reliabel
Jika nilai Cronbach Alpha <0,60 kontruk pertanyaan dimensi variabel adalah tidak
reliabel
Hasil uji Cronbach Alpha (0,581) < 0,60 maka pertanyaan tidak reliabel.
94
BAB VIII
APLIKASI STATISTIKA DESKRIPTIF DENGAN SPSS
8.1 Membangun Data
Untuk dapat menggunakan SPSS, maka sebelumnya diperlukan instalasi program

aplikasi dengan kebutuhan minimal system sebagai berikut:
1. System operasi : Microsoft Windows XP (Profesional, 32 bit) atau Vista

(Home, Business, 32 atau 64 bit)
2. Prosesor Intel atau AMD x86 berjalan pada 1GHz atau lebih tinggi
3. Ram 1 GB
4. Minimum space kosong hard disk 800MB
5. Monitor SCGA (800X600) atau resolusi yang lebih tinggi
Setelah anda melakukan instalasi dan memasukkan lisensi, selanjutnya anda telah
dapat menggunakan program SPSS ini. Berikut ini langkah-langkahnya:
1. Klik menu start, pilih All programs -> IBM SPSS Statistics kemudian akan
diawali dengan tampilan dialog berikut:
2. Pilih open an existing data source jika anda sebulmnya telah membangun
file data dalam format .sav (format SPSS). Lalu klik OK
3. Pilih open another type of file bila format selain .sav lalu klik OK
95
4. Bila anda ingin membangun data baru, klik Cancel
5. Mendefinisikan variabel, klik variabel view, kemudian definisikan atribut

variabel anda, misalnya variabel gender, Pendidikan, dan gaji
Keterangan atribut:
Name : nama variabel yang akan di tampilkan pada baris paling atas di data
view
Type: tipe variabel yang digunakan
Width: lebar kolom, nilai default-nya adalah 8
Decimal: jumlah digit di belakang koma
Label: penjelasan atribut variabel name
Value: pemberian kode pada variabel non angka. Missal, gender laki-laki
diberi kode 1 dan gender perempuan diberi kode 2
96
Data view: tempat anda menginput
Variabel view: tempat anda mendefinisikan variabel
Missing: menetapkan nilai khusus data sebagai user missing, misalnya saat
ingin membedakan data yang tidak diperoleh disebabkan responden menolak
menjawab maupun data hilang dan belum dikirimkan ke responden.
Columns: fungsinya sama seperti width
Align: posisi data dalam sel
Measure: skala pengukuran data hanya terdapat tiga, yakni nominal. Ordinal
dan scale. Skala pengukuran data interval dan rasio digabungkan ke dalam
skala pengukuran data scale.
Membangun data pada SPSS juga dapat dilakukan secara terbalik, yakni
dengan menginput data terlebih dahulu pada data view, kemudian dilanjutkan
dengan menentukan atributnya. Hal ini tentu saja tergantung dari kebiasaan,
namun lebih disarankan untuk mendefinisikan variabelnya terlebih dahulu
sebelum menginput data. Setelah input data telah dilakukan secara lengkap,
anda hrus menyimpan data agartidak hilang dan dapat digunakan kembali di
lain waktu. Langkah-langkahnya adalah:
6. Klik file pada menu bar dan pilih save sehingga muncul kotak dialog Save
Data As
97
7. Tentukan lokasi penyimpanan fie pada daftar drop down Look In
8. Tuliskan nama file pada kotak File Nama, lalu klik OK
8.2 Penyajian Data Dengan SPSS
Misalkan diketahui data hasil penjualan produk PT. XYZ dari tahun 2005 sampai
dengan 2012, seperti tabel berikut”
Tahun Volume Penjualan (Ton)

2005 10
2006 12
2007 16
2008 14
2009 19
2010 23
2011 27
2012 29
Langkah-langkah
1. Mendefinisikan atribut variabel pada “variabel view”
98
2. Input data pada “data view”
3. Klik “Graph” -> “legacy dialogs” ->”Bar”

4. Kemudian pilih “simple”, dan pada area data in chart are, pilih “values of
individual cases”, lalu klik “define”
99
5. Pada menu “define simple Bar: Values of individual Cases”, masukkan
variabel penjualan pada “Bars Represent”, lalu variabel tahun pada “category
labels” -> “Variabel” -> OK
100
6. Tampilan outputnya
7. Apabila anda ingin menyajikan data dalam bentuk selain diagram batang,
maka anda dapat memilihnya pada menu “Graph” -> “legacy dialogs”,
8. Misalkan, anda ingin menyajikannya dalam bentuk diagram lingkaran. Maka

pilih “Graph” -> “legacy dialogs” -> “pie”. Kemudian pilih “value of individual
cases” ,klik define
9. Masukkan variabel penjualan ke dalam kolom slices represent, dan variabel
tahun pada kolom slice labels (sebelumnya pilih dulu opsi variabel). Klik OK
101
8.3 Distribusi Frekuansi dengan SPSS
Misalkan dilakukan sebuah penelitian tentang rerata perolehan laba bersih

per tahun (dalam juta rupiah), dari 40 UMKM yang terpilih sebagai sampel di
wilayah kota XYZ dengan metode survei. Hasilnya sebagai berikut:
78 72 74 79 74 71 75 74 68 72
102
73 72 72 75 74 74 73 74 65 72
75 66 80 69 82 73 74 72 79 71
75 70 71 70 70 70 75 76 77 67
Langkah-langkah:
1. Mendefinisikan atribut variabel pada “variabel view”
103
3. Klik transform.
Ada dua pilihan dalam mengelompokkan data ini, yaitu recode into sama
variabels (kode pengelompokan akan menindih data asli) dan Recode
into different variabels (kode pengelompokkan akan dibuat pada
variabel yang baru). Kita pilih saja Recode inti fifferent Variabels.
104
4. Pindahkan variabel Rerata Laba Bersih yang tadinya ada dikotak sebelah
kiri ke kotak sebelah kanan dengan cara mengklik panah arah ke kanan.
Kemudian pada kotak Output Variable, untuk Nama tuliskan
rerata_laba_bersih dan untuk label tuliskan Rerata Laba Bersih ,
kemudian klik change
5. Sealnjutnya, klik Old and New Values, akan muncul tampilan berikut:
6. Berikan kode 1 dengan range 63 thru 65, kode 2 dengan range 66 thru 68,
dst sampai kode 7. Setelah selesai memberikan kode untuk
pengelompokan umur ini, kemudian klik Continue dan OK
105
7. Hasilnya, pada worksheet SPSS kita aka nada tambahan variabel baru,
yaitu kelompok rerata_laba_bersih sebagai beriku:
a. Klik “analyze” -> “Descriptive statistics” -> “frequencies”
b. Tampilan outputnya
8. Lakukan modifikasi dengan memberikan Value label pada variabel

rerata_laba_bersih untuk masing-masing kode pengelompokkan umur
tersebut dengan kode 1=63-65; kode 2= 66-68, kode 3= 69-71, kode 4=
72-74, kode 5= 75-77; kode 6= 78-80; kode 7= 81-83.
106
9. Klik “OK”, kemudian di menu utama klik “analyze” -> “Descriptive
Statistics” -> “Frequencies”.
Rerata Laba Bersih
Cumulative
Frequency Percent Valid Percent Percent
Valid 63-65 1 2.5 2.5 2.5
66-68 3 7.5 7.5 10.0
69-71 8 20.0 20.0 30.0
72-74 16 40.0 40.0 70.0
75-77 7 17.5 17.5 87.5
78-80 4 10.0 10.0 97.5
81-83 1 2.5 2.5 100.0
Total 40 100.0 100.0
10. Untuk membuat histogram, maka dapat menggunakan menu “Graph” ->
“legacy dialogs” -> “Histogram”. Kemudian masukkan variabel
rerata_laba_bersih ke dalam kolom Variabel. Centang opsi Display
Normal Curve, Klik OK
107
8.4 Ukuran Nilai Pusat Dengan SPSS
Dengan menggunakan data hasil penjualan smartphone yang mampu diraih oleh 10
orang pemasar PT. XYZ di bulan November 2012, berikut ini disajikan analisis
deskriptifnya dengan menggunakan IBM-SPSS
Hasil Penjualan (Unit)

50
60
40
70
80
90
108
100
65
75
85
Langkah-langkah:
1. Deskripsikan atribut variabelnya pada “variabel view”
3. Klim analyze -> Descriptive statistics -> frequencies. Kemudian masukkan

variabel penjualan ke dalam kotak Variabel(s)
109
4. Pada menu “statistics”, centang opsi-opsi sebagaimana disajikan pada
gambar berikut, kemudian klik “continue” lalu “OK”
Statistics
Hasil Penjualan (unit)
N Valid 10
Missing 0
Mean 71.50
Median 72.50
Mode 40a
Percentiles 25 57.50
50 72.50
75 86.25
a. Multiple modes exist. The smallest

value is shown
Keterangan:
Mean: nilai rerata
Median: median/nilai tengah
Mode: modusPercentiles 25” persentil 25 atau nilai kuartil 1
Percentiles 50: persentil 50 atau nilai kuartil 2
Percentiles 75: persentil 75 atau nilai kuartil 3
8.5 Ukuran Variasi atau Dispersi dengan SPSS
110
Dengan menggunakan file data hasil penjualan smartphone yang mampu diraih oleh
10 orang pemasar PT. XYZ di bulan November 2012, berikut ini disajikan analisis
data ukuran dispersi menggunakan SPSS.
Langkah-langkah:
1. Klik analyze -> Descriptive statistics -> frequencies. Masukkan variabel
penjualan ke dalam kotak variabel(s)
2. Kemudian pada menu “statistics”, centang opsi-opsi sebagaimana disajikan

pada gambar berikut, kemudian klik “continue” lalu “OK”
Statistics
Hasil Penjualan (unit)
N Valid 10
Missing 0
Std. Deviation 18.416
Skewness -.231
Std. Error of Skewness .687
Kurtosis -.482
Std. Error of Kurtosis 1.334
Range 60
111
Keterangan:
Std Deviation: simpangan baku
Skewness: kemencengan kurva
Kurtosis: keruncingan kurva
Range: jarak
8.6 Korelasi dan Regresi Linier Sederhana dengan SPSS
8.6.1 Analisis Korelasi Pearson

Misalkan diketahui data biaya promosi dan penjualan PT. XYZ adalah
sebagaimana disajikan berikut:
X 1 2 4 5 7 9 10 12
Y 2 4 5 7 9 10 12 14
Langkah-langkah:
a. Definisikan variabel biaya promosi dan penjualan pada Variable View
b. Input data pada data View
c. Pilih menu “analyze” -> “Correlate” -> “Bivariate”
112
d. Masukkan variabel biaya_promosi dan penjualan ke dalam kotak
Variables. Anda juga dapat memilih opsi Correlation Coefficients-nya,
apakah dengan metode Pearson, Kendall’s maupun Spearman (hal ini
tentunya terkait dengan jenis skala pengukuran datanya).
e. Klik OK
f. Tampilan outputnya
Correlations
Biaya Promosi Penjualan
Biaya Promosi Pearson Correlation 1 .992**
Sig. (2-tailed) .000
N 8 8
Penjualan Pearson Correlation .992** 1
Sig. (2-tailed) .000
N 8 8
**. Correlation is significant at the 0.01 level (2-tailed).
113
Keterangan:
Koefisien korelasi antara variabel biaya promosi dengan penjualan adalah
sebesar 0,992. Tanda dua asterisk (**) menjelaskan bahwa korelasinya nyata
oada derajat keyakinan 99% (uji dua arah)
8.6.2 Analisis Korelasi Rank Spearman

Dengan menggunakan data sebagai berikut:
Nilai Ujian Hasil Penjualan
48 312
32 164
40 2804
34 196
30 200
50 288
26 146
50 361
22 149
43 252
Langkah-langkah:
a. Definisikan variabel nilai ujian dan hasil penjualan pada Variable View
b. Input data pada Data View
c. Pilih menu “analyze” -> “Correlate” -> “Bivariate”
d. Masukkan variabel nilai ujian dan hasil penjualan ke dalam kotak
Variables. Pilih opsi Correlation Coefficients dengan metode Spearman
e. Klik OK
f. Tampilan Outputnya
Correlations
Nilai ujian Hasil Penjualan
114
Spearman's rho Nilai ujian Correlation Coefficient 1.000 .809**
Sig. (2-tailed) . .005
N 10 10
Hasil Penjualan Correlation Coefficient .809** 1.000
Sig. (2-tailed) .005 .
N 10 10
**. Correlation is significant at the 0.01 level (2-tailed).
8.6.3 Analisis Regresi Linier Sederhana

Dengan menggunakan data sebagai berikut:
Jumlah Karyawan Hasil Penjualan

1 2
2 4
4 5
5 7
7 8
9 10
10 12
12 14
Langkah-langkah:
a. Definisikan variabel jumlah karyawan dan penjualan pada Variabel View
b. Input pada Data View
115
c. Klik Analyze -> Regresion -> Linear
d. Masukkan variabel Penjualan di kotak Dependent, dan Variabel Jumlah

Karywan di kotak Independent
116
e. Klik OK
Model Summary
Adjusted R Std. Error of the

Model R R Square Square Estimate
1 .992a .984 .982 .555
a. Predictors: (Constant), Jumlah Karyawan
Keterangan:
Output model summary memberikan informasi perolahan nilai kefisien
korelasi pearson (0,992) dan koefisien penentuan (0,984x100%=98,4%).
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 115.649 1 115.649 374.842 .000b
Residual 1.851 6 .309
Total 117.500 7
a. Dependent Variable: Penjualan

b. Predictors: (Constant), Jumlah Karyawan
Keterangan:
Output Anova ini memberikan informasi tentang pengujian hipotesis terkait
linieritas hubungan antara variabel bebas terhadap variabel terikat
117
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 1.267 .388 3.265 .017
Jumlah Karyawan 1.037 .054 .992 19.361 .000
a. Dependent Variable: Penjualan
Keterangan:
Output Coefficients ini memberikan informasi nilai intercept (a= 1,267) dan
slope (b=1,037). Sehingga dengan demikian dapat disusun persamaan
regresi liniernya adalah Y’ = 1,267 + 1,037X
8.7 Regeresi dan Korelasi Linier Berganda Serta Korelasi Parsial dengan
SPSS
8.7.1 Regresi dan Korelasi Linier Berganda

Misalkan dengan menggunakan data sebagai berikut:
Pendapat (Y) Jumlah Anggota Pengeluaran

Keluarga (X₁) (X₂)
6 7 4
7 9 6
3 4 6
6 7 8
5 5 8
8 9 7
7 8 5
5 6 9
5 6 10
5 6 6
7 8 12
6 7 9
Langkah-langkah:
a. Definisikan variabel pendapatan per Bulan, Jumlah Anggota Keluarga, dan
pengeluaran konsumsi Rumah Tangga pada variabel view
c. Klik Analyze -> Regression->Linear
d. Msukkan variabel Pengeluaran di kotak Dependent, dan Variabel
Pendapatan pe Bulan dan Jumlah Anggota Keluarga di Kotak
Independent
e. Klik OK
118
Keterangan: Output model Summary memberikan informasi perolehan nilai

koefisien berganda Pearson (0,966) dan koefisien penentuan sebesar
(0,933x100%= 93,3%)
Keteranagan:Output Coefficients ini memberikan informasi nilai intercept (bₒ=

-1,87) dna slope (b₁ = 0,845 dan b₂ = 0,032). Sehingga dengan demikian
dapat disusun persamaan regresi linier bergandanya adalah Y’= -1,87 +
0,845X₁ + 0,032X₂
8.7.2 Korelasi Parsial
Diketahui data sebagai berikut:
Y 23 7 15 17 23 22 10 14 20 19
(pengeluaran
konsumsi)
X₁ 10 2 4 6 8 7 4 6 7 6
(Penghasilan
per Bulan)
X₂ (Jumlah 7 3 2 4 6 5 3 3 4 3
Anggota
Keluarga)
Hitung Koefisien Korelasi Parsial antara X₁ dan Y, X₂ dan Y, serta X₁ dan X₂
Langkah-langkah:
a. Definisikan variabel penghasilan per Bulan, Jumlah anggota keluarga dan
pengeluaran konsumsi Rumah Tangga pada Variabel View
c. Klik Analyze -> Correlate -> Partial
d. Koefisien korelasi parsial X₁ dan Y, dengan X₂ konstan. Maukkan variable;
Penghasilan per Bulan dan Pengeluaran Konsumsi ke dalam kotak
Variabels, dan masukkan variabel Jumlah Anggota Keluarga ke dalam
kotak Controllingfor
e. Klik OK
g. Koefisien korelasi parsia X₂ dan Y, dengan X₁ konstan. Masukkan variabel
Jumlah Anngota Keluarga dan Pengeluaran Konsumsi ke dalam kotak
Variables, dan masukkan variabel Penghasilan per Bulan ke dalam
kotak Controlling for
h. Klik OK
i. Tampilan outputnya
j. Koefisien korelasi parsial X₁ dan X₂ dengan Y konstan. Masukkan variabel
Penghasilan per Bulan dan Jumlah Anggota Keluarga ke dalam kotak
Variables, dan masukkan variabel Pengeluaran Konsumsi ke dalam
kotak Controllingfor
k. Klik OK
119
l. Tampilan outputnya
8.8 Analisis Tren Linier dengan SPSS
Diketahui data distribusi Persentase Produk Domestik Bruto Atas Dasar Harga
Berlaku Menurut Lapangan Usaha Perdagangan, Hotel dan Restoran 2004-2012
Tahun 2005 2006 2007 2008 2009 2010 2011* 2012**

PDB 15,60 15,00 14,90 14,00 13,30 13,69 13,80 13,90
Langkah-langkah:
a. Definisikan variabel Tahun dan PDB pada Variabel View
b. Input data pada Data view
c. Klik Analyze -> regression -> curve estimation
d. Masukkan variabel PDB ke dalam kotak Dependent ,klik opsi Time di Kotak
Independent, aktifkan tanda centang.
e. Klik Save ,aktifkan tanda centang Predictedvalues dan Residuals kemudian
klik Continue
Keterangan :
Persamaan tren linier : Y= 15,465 – 0,265X
8.9 Validitas dan Reliabilitas
Jawaban Responden Atas Pertanyaan Pelayanan

P1 P2 P3 P4 P5
4 4 1 4 4
1 1 2 4 4
1 1 2 4 4
2 2 3 4 2
4 1 2 1 2
3 3 2 2 2
4 4 4 4 4
3 2 2 3 2
2 2 3 2 2
2 1 3 4 3
1 1 1 3 2
1 1 1 2 2
1 1 1 2 2
3 1 2 2 2
2 2 2 1 2
3 2 2 4 3
3 3 2 3 3
1 1 2 3 2
120
2 2 2 2 2
3 2 2 2 3
1 1 1 1 1
2 2 3 3 3
1 1 1 1 2
4 4 3 4 4
1 1 1 1 1
1 1 2 2 1
3 3 3 3 3
3 2 2 3 3
3 1 3 3 2
1 1 1 1 1
Langkah-langkah:
1. Buka/jalankan program SPSS. Tampilan seperti berikut akan muncul
2. Kemudian, klik Cancel sehingga tampilan berikut muncul
3. Sebelum kita menginput data hasil kuesioner, kita memberi nama terlebih
dahulu dengan cara mengklik Variable View
4. Ketik nama sesuai dengan nama yang kita kehendaki, misalnya untuk item
pernyataan 1 kita beri nama P1, item pernyataan 2 kita beri nama P2 dst.
Type data adalah numerik (karena berupa angka), decimals 0(karena data
yang diinput berupa data ordinal dengan skala Likert)
5. Klik Data View
6. Input data hasil kuesoner penelitian ke dalam program SPSS
Keterangan: data yang dimasukkan adalah data ordinal dengan skala Likert, dimana
jawaban Sangat tidak setuju (STS) diberi skor 1, jawaban tidak setuju (TS) diberi
skor 2, jawaban setuju (S) diberi skor 3 dan jawaban sangat setuju (SS) diberi skor
4.baris ke 1 merupakan jawaban responden 1, baris ke dua merupakan jawaban
responden 2, dst
7. Selanjutnya, klik Analyze, kemudian, pilih Scale Klik Reliability Analysis

seperti pada tampilan berikut
8. Kemudian masukkan semua item (dari P1 sampai P5) ke kotak items yang
ada di sebelah kanan dengan cara melakukan double klik pada masing-
masing item pernyataan sehingga tampilan berikut akan muncul
9. Pada bagian Model, bairkan pilihan pada Alpha
10. Selanjutnya, klik statistics sehingga muncul tampilan seperti berikut
11. Selanjutnya lihat bagian Descriptive for (kiri atas) dan pilih: Item, Scale, Sclale
if item deleted
12. Klik Continue kemudian OK. Hailnya adalah sebagai berikut:
121
Setiawan, Budi. 2013. Menganalisa Statistik Bisnis dan Ekonomi dengan
SPSS 21. Yogyakarta: ANDI
Sarjono, Haryadi & Julianita. 2011. SPPS vs Lisrel. Jakarta:Salemba Empat
Riadi, Edi. 2016. Statistika Penelitian. Yogyakarta: ANDI
122

MODUL Statistik Bisnis Dan Ekonomi

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

MODUL Statistik Bisnis Dan Ekonomi

Diunggah oleh

Hak Cipta:

Format Tersedia

MODUL STATISTIKA BISNIS 1

FAHMI JAHIDAH ISLAMY, SMB.,MM

PROGRAM STUDI MANAJEMEN

SEKOLAH TINGGI ILMU EKONOMI INDONESIA MEMBANGUN

Definisi statistic secara sederhana dijelaskan oleh Agresti dan Finlay

Anderson dan Bancrof (1952) memberikan definisi teoretis lebih

Kuncoro (2008) memaparkan bahwa pada umumnya, orang tidak

Statistik banyak diterapkan dalam berbagai disiplin ilmu. Untuk ilmu

5. Bidang penelitian ekonomi dan bisnis

Apabila dilihat dari muatan atau kandungan kegiatnnya, maka

Statistika Deskriptif Statistika Deskriptif

Statistika Deskriptif Statistika Deskriptif

Statistika deskriptif terkait dengan kegiatan pengumpulan,

Penggunaan data sampel

Penggunaan data sensus Penarikan kesimpulan

Setelah anda membaca dan memahami gambar diatas berikut ini

Seorang manajer ingin mengetahui gambaran kinerja keuangan

Seorang manajer perusahaan menduga salah satu penyebab turunnya

Manajer menetapkan sampel sebanyak 300 orang pelanggan sebagai

Statistika memberikan manfaat yang sangat besar, baik dalam

1. Bidang manajemen pemasaran

2. Bidang manajemen produksi dan operasi

3. Bidang manajemen keuangan

4. Bidang manajemene sumber daya manusia

Statistik infarensial dapat dikelompokan menjadi 2 yaitu :

2) Statistik Non Parametrik

1.3 Isi Statistik

Kontur (2005) memberikan definisi tentang data sebagai sesuatu yang

Untuk dapat mengetahui perkembangan bisnisnya, maka para pelaku

1.5 Syarat-syarat data yang baik

1.6 Jenis Data

Dengan demikian tingkatan data apabila diurutkan dari yang tertinggi

Skala Hubungan- Contoh statistic yang Tes statistic

1.7 Sumber Data

Menurut cara perolehannya, data dibedakan menjadi data primer dan

1.8 Pengumpulan Data

Elemen organisasi atau badan usaha:

Pengumpulan data memiliki tujuan selain untuk mengetahui jumlah

Beberapa alat pengumpulandata yang dilakukan diantaranya adalah

1.9 Statistika dan Program Komputer Pengolahan Data Statistik

2.2 Tujuan Penyajian Data

2.3 Tabel Kontingensi

Departemen Kinerja Pegawai Total

Adapun contoh cara membaca data pad atabel kontingensi tersebut di

Dari 15 orang pegawai PT. XZY pada departemen, 10 orang diantaranya

Responden gender Aktivitas Olahraga

Gender Aktivitas Olahraga Jumlah

2.4 Tabel Dsistribusi Frekuensi

Tabel distribusi frekuensi merupakan pegelompokan data kedalam

Sebaran frekusni berbentuk sebuah tabel. Dalam suatu tabel frekuansi

Tabel Ada komponen-komponen yang diperlukan dalam penyusunan tabel

𝐵𝑎𝑡𝑎𝑠 𝐾𝑒𝑙𝑎𝑠 𝐵𝑎𝑤𝑎ℎ+𝐵𝑎𝑡𝑎𝑠 𝐾𝑒𝑙𝑎𝑠 𝐴𝑡𝑎𝑠

2.5 Tahapan Penyusunan Distribusi Frekuensi

4. Hitung lebar interval kelas, lalu hasilnya dibulatkan.

No Nilai Statistik No Nilai Statistik

a. Mengurutkan data dari yang kecil

No Nilai Statistik No Nilai Statistik

b. Data terkecil 50 dan data terbesar 95

c. Menghitung jumlah kelas

e. Membuat pengelompokan data berupa distribusi frekuensi

Nilai Statistik Frekuensi

No Nilai Statistik No Nilai Statistik

e. Batas Kelas Atas (BKA) kelas 1 adalah 58