(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.
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.
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)
6
dalam bentuk tabel, grafik, ukuran pemusatan data dan ukuran
penyebaran data.
Statistika Deskriptif
7
Start
Pengumpulan
data
kuantitatif
Pengolahan,
penyederhanaan dan
penataan data kuantitatif
Stop
8
Contoh 1.1
Contoh 1.2
9
1.2 Peranan Statistika dalam Ruang Lingkup Ekonomi Manajemen Bisnis
10
pertumbuhan laba, konsep model indeks tunggal, model indeks
tunggal portfolio dengan manaksir beta dari statistic investasi yang
akan dimasukkan ke dalam portfolio
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.
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.
12
1.4 Data Statistik
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
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.
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.
Rasio
Interval
Ordinal
Nominal
Analisis statistic yang cocok untuk empat skala data tersebut di atas adalah
sebagaimana disajikan pada tabel berikut:
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
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.
1. Karyawan
2. Wirausahawan
3. Mahasiswa
4. Konsumen
5. Nasabah, dsb
1. Perusahaan
2. Universitas
17
3. Sekolah
4. Kementrian
5. Kelurahan, dsb
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.
20
Contoh
Susunlah dalam bentuk tabel kontingensi dari data berikut:
Penyelesaian:
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 :
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.
22
Contoh soal 1 :
Dibawah ini adalah data nilai statistik mahasiswa Universitas X dengan jumlah
mahasiswa 40 orang.
23
Buatlah tabel distribusi frekuensi !
Jawab :
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
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
25
Contoh soal 2 :
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
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
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
140
120
100
80
60
40
20
0
99.5 199.5 299.5 399.5 499.5 599.5 699.5
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.
∑ 𝑓𝑖𝑋
𝑖
Me =
∑ 𝑓𝑖
Keterangan :
Me = Mean
∑ 𝑓𝑖
= jumlah data/ sampel
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
(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.
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
Rumus Data Tidak Berkelompok:
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
𝑝𝑄1−𝐹
Q1 = b + p ( )
𝑓
Keterangan :
Q1 = Quartil 1
b = Batas kelas interval dengan frekuensi posisi quartil 1
p = panjang kelas interval
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
b = Batas kelas interval dengan frekuensi posisi quartil 2
p = panjang kelas interval
PQ2 = posisi quartil 2
F = jumlah semua frekuensi sebelum kelas quartil 2
f = jumlah frekuensi quartil 2
3
Posisi Q3 = 𝑥 𝑛
4
𝑝𝑄3−𝐹
Q3 = b + p ( )
𝑓
Keterangan :
Q3 = Quartil 3
b = Batas kelas interval dengan frekuensi posisi quartil 3
p = panjang kelas interval
PQ3 = posisi quartil 3
F = jumlah semua frekuensi sebelum kelas quartil 3
f = jumlah frekuensi 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.
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
2
∑ 𝑓𝑖 (𝑥𝑖 − 𝑥̅ )2
α =
(𝑛 − 1)
Keterangan :
𝛼2 = Varians
n = jumlah sampel
x2 = Nilai data kedua
2 2
√(𝑥1 − 𝑥̅ ) + (𝑥2 − 𝑥
̅) + ⋯
𝛼 = √𝑣𝑎𝑟𝑖𝑎𝑛𝑠
𝛼= Atau
(𝑛 − 1)
Keterangan:
𝛼 = Standar deviasi
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.
Dibawah ini adalah data nilai statistik mahasiswa Universitas X dengan jumlah
mahasiswa 10 orang.
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
b. Median
Rumus data tidak berkelompok :
(𝑛+1) Keterangan :
Posisi Md = Md = Median
2
n = Jumlah Sampel
(10+1)
Posisi median = = 5,5
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:
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.
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.
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 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
Keterangan :
𝛼2 = Varians
x1 = Nilai data pertama
x2 = Nilai data kedua
n = Jumlah sampel
= 366,94
45
Semakin kecil varians sebuah data, semakin tidak bervariansi data tersebut.
Sebaliknya, semakin besar varians sebuah data semakin bervariansi data
tersebut.
𝛼 = √𝑣𝑎𝑟𝑖𝑎𝑛𝑠
Keterangan:
𝛼 = Standar Deviasi
= √366,94 = 19,156
46
Contoh soal Data Berkelompok:
Dibawah ini adalah data nilai statistik mahasiswa Universitas X dengan
jumlah mahasiswa 40 orang.
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
∑ 𝑓𝑖𝑋
𝑖
Me =
∑ 𝑓𝑖
48
Keterangan :
Me = Mean
∑ 𝑓𝑖
= jumlah data/ sampel
2862
Me = = 71,55
40
2) Median
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
Nilai Statistik fi
50-58 9
59-67 8
68-76 11
77-85 4
86-94 4
95-103 4
40
20−17
= 67,5 + 8 ( )=69,7
11
49
3) Modus
Rumus Data Berkelompok :
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
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
Rumus Data Berkelompok :
𝑝𝑄1−𝐹
Q1 = b + p ( )
𝑓
Keterangan :
Q1 = Quartil 1
b = Batas kelas interval dengan frekuensi posisi quartil 1
p = panjang kelas interval
PQ1 = posisi quartil 1
F = jumlah semua frekuensi sebelum kelas quartil 1
f = jumlah frekuensi quartil 1
10−9
Q1 = 58,5 + 8 ( ) = 59,5
8
𝑝𝑄2−𝐹
Q2 = b + p ( )
𝑓
Keterangan :
Q2 = Quartil 2
b = Batas kelas interval dengan frekuensi posisi quartil 2
p = panjang kelas interval
PQ2 = posisi quartil 2
F = jumlah semua frekuensi sebelum kelas quartil 2
f = jumlah frekuensi quartil 2
20−17
Q2 = 67,5 + 8 ( ) = 69,7
11
𝑝𝑄3−𝐹
Q3 = b + p ( )
𝑓
Keterangan :
Q3 = Quartil 3
b = Batas kelas interval dengan frekuensi posisi quartil 3
p = panjang kelas interval
51
PQ3 = posisi quartil 3
F = jumlah semua frekuensi sebelum kelas quartil 3
f = jumlah frekuensi quartil 3
30−28
Q3 = 7,6 + 8 ( ) = 80,5
4
5) Varians
Rumus Data Berkelompok :
2
∑ 𝑓𝑖 (𝑥𝑖 − 𝑥̅ )2
α =
(𝑛 − 1)
Keterangan :
𝛼2 = Varians
n = jumlah sampel
x2 = Nilai data kedua
∑ 𝑓𝑖 (𝑥𝑖 − 𝑥̅ ) ∙2
= Jumlah antara kuadrat pengurangan nilai data (x1),
dikurangi nilai rata-rata data (𝑥̅ )
8.091,90
𝛼2 = = 207,5
40−1
6) Standar Deviasi
Rumus Data Berkelompok :
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.
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.
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.
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
57
2014 250 125
Harga pokok perbatang dari tahun 2005 ke tahun 2014 mengalami
kenaikan sebesar 25%
Keterangan :
Qn = Kuantitas barang dan jasa tahun n
Qo = Kuantitas barang tahun dasar
Contoh soal
Berikut harga rata-rata rokok merek GLADIATOR perbatang.
Hitunglah angka indeks kuantitatif relatif sederhana dengan
menggunakan tahun dasar 2005
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
Keterangan :
Vn = Nilai barang dan jasa tahun n
Vo = Nilai barang tahun dasar
Contoh Soal:
Berikut harga rata-rata rokok merek GLADIATOR perbatang.
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:
Contoh Soal
Hitunglah indeks harga agregatif sederhana dari 4 makanan
yang dikonsumsi masyarakat, dengan tahun dasar 2012
sebagai berikut:
61
2) Angka Indeks Kuantitas Agregatif Sederhana
Merupakan membandingkan antara sejumlah barang dan
jasa pada tahun berjalan terhadap tahun dasar, tanpa
memberi bobot. Rumusnya:
Contoh soal
Hitunglah indeks kuantitas agregatif sederhana dari 4
makanan yang dikonsumsi masyarakat, dengan tahun dasar
2012 sebagai berikut:
∑ 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:
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%
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.
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:
Keterangan :
IP = angka indeks Paasche
Pn = harga tahun yang dihitung angka indeksnya
Po = harga pada tahun dasar
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.
((35000)(200))+((55000)(280))+((90000)(190))
=((30000)(250))+((50000)(280))+((80000)(190)) 𝑥 100%
=(41250000/36700000)x100%
= 112,40%
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
Dibawah ini kursi yang diproduksi oleh PT Abadi Furniture beresta
harganya jualnya, serta jumlah produk yang terjual dari tahun 2012
sampai 2014.
= 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
Dibawah ini kursi yang diproduksi oleh PT Abadi Furniture beresta
harganya jualnya, serta jumlah produk yang terjual dari tahun 2012
sampai 2014.
= 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 :
Keterangan :
IE = angka Indeks Edgeworth
Pn = harga tahun yang dihitung angka indeksnya
Po = harga pada tahun dasar
Qn = kuantitas tahun yang dihitung angka indeksnya
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.
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
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).
Teknik 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:
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.
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 )
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
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
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:
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
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
∑ 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.
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
(∑ 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
𝑏1
Thitung1 =
𝑠𝑏
𝑏2
Thitung2 =
𝑠𝑏2
Kriteria :
Jika Fhitung > Ftabel = Ho ditolak
Jika Fhitung < Ftabel = Ho diterima
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 :
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 :
(∑ 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
∑ 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
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)
terhadap pengeluaran konsumsi keluarga perhari (Y)
Ha : terdapat pengaruh antara jumlah anggota keluarga(X2)
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
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)
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)
83
BAB VII
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?
apakah karyawan di hotel
kami telah memberikan
3
pelayanan sesuai dengan
keinginan?
84
apakah karyawan di hotel
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)
86
Mencari validitas P1
𝑛 ∑ 𝑥𝑦−(∑ 𝑥)(∑ 𝑦)
r=
√[𝑛 ∑ 𝑥 2 −(𝑥)2 ][𝑛 ∑ 𝑦 2 −(∑ 𝑦)2 ]
Mencari validitas P2
87
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 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
Mencari validitas P3
88
Sampel X Y X.X Y.Y X.Y
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
Mencari validitas P4
89
Sampel X Y X.X Y.Y X.Y
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
90
Mencari validitas P5
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
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:
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
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
1792
3251− 10
𝜎𝑡 2 = = 4,69
10
𝑘 ∑ 𝜎𝑏 2
𝑟 = [(𝑘−1)] [ 1- ]
𝜎𝑡 2
5 2,51
𝑟 = [(5−1)] [ 1- ] = 0,581
4,69
94
BAB VIII
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
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
Misalkan diketahui data hasil penjualan produk PT. XYZ dari tahun 2005 sampai
dengan 2012, seperti tabel berikut”
Langkah-langkah
98
2. Input data pada “data view”
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”,
101
10. Tampilan outputnya
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:
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
106
9. Klik “OK”, kemudian di menu utama klik “analyze” -> “Descriptive
Statistics” -> “Frequencies”.
Cumulative
Frequency Percent Valid Percent Percent
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
11. Tampilan outputnya
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
108
100
65
75
85
Langkah-langkah:
109
4. Pada menu “statistics”, centang opsi-opsi sebagaimana disajikan pada
gambar berikut, kemudian klik “continue” lalu “OK”
5. Tampilan outputnya
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
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
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)
3. Tampilan outputnya
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
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
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
N 8 8
Penjualan Pearson Correlation .992** 1
N 8 8
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)
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
114
Spearman's rho Nilai ujian Correlation Coefficient 1.000 .809**
N 10 10
N 10 10
Langkah-langkah:
115
c. Klik Analyze -> Regresion -> Linear
116
e. Klik OK
f. Tampilan Outputnya
Model Summary
Keterangan:
Output model summary memberikan informasi perolahan nilai kefisien
korelasi pearson (0,992) dan koefisien penentuan (0,984x100%=98,4%).
ANOVAa
Total 117.500 7
Keterangan:
Output Anova ini memberikan informasi tentang pengujian hipotesis terkait
linieritas hubungan antara variabel bebas terhadap variabel terikat
117
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
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
Langkah-langkah:
a. Definisikan variabel pendapatan per Bulan, Jumlah Anggota Keluarga, dan
pengeluaran konsumsi Rumah Tangga pada variabel view
b. Input data pada Data 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
f. Tampilan outputnya
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)
Langkah-langkah:
a. Definisikan variabel penghasilan per Bulan, Jumlah anggota keluarga dan
pengeluaran konsumsi Rumah Tangga pada Variabel View
b. Input data pada Data 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
f. Tampilan Outputnya
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
Diketahui data distribusi Persentase Produk Domestik Bruto Atas Dasar Harga
Berlaku Menurut Lapangan Usaha Perdagangan, Hotel dan Restoran 2004-2012
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
f. Tampilan outputnya
Keterangan :
Persamaan tren linier : Y= 15,465 – 0,265X
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
121
Setiawan, Budi. 2013. Menganalisa Statistik Bisnis dan Ekonomi dengan
SPSS 21. Yogyakarta: ANDI
122