TUGAS TUTORIAL KE-1

PROGRAM STUDI EKONOMI PEMBANGUNAN

Nama Mata Kuliah : STATISTIKA EKONOMI

Kode Mata Kuliah : ESPA4213
Jumlah sks : 3 (Tiga) SKS
Nama Pengembang : Azuwandri, SE., M.Si
Nama Penelaah : -
Status Pengembangan : Baru/Revisi*
Tahun Pengembangan : 2019.1
Edisi Ke- : 1

Sumber
Skor
No Tugas Tutorial Tugas
Maksimal
Tutorial
1 Jelaskan tahap-tahap kegiatan statistik 30  Modul 1:
konsep
dasar
statistika.
 Kegiatan
belajar 1.
Pengertia
n Dasar
Statistika
dan Data
2 Berikut ini disajikan data tentang kiriman uang yang 40  Modul 1:
diterima mahasiswa di Jakarta (dalam ribu rupiah) konsep
30 40 500 35 70 550 35 800 90 1450 dasar
0 0 0 0 0 0 statistika.
40 50 600 90 75 650 40 700 60 1000
0 0 0 0 0 0  Kegiatan
60 54 700 80 60 500 67 780 90 1200 belajar 2.
0 0 0 0 0 0 Distribusi
60 75 560 85 40 660 74 950 80 1500 Frekuensi
0 0 0 0 0 0
60 70 800 40 50 600 70 800 60 1200
0 0 0 0 0 0
a. Tentukan jumlah kelas dengan menggunakan
pedoman Sturges. Ingat banyaknya kelas harus
bulat, silahkan dibulatkan
b. Hitunglah range, dengan cara mencari selisih
antara data tersebar dan data terkecil
c. Hitunglah kelas interval, dengan membagi range
dengan jumlah kelas yang sudah dibulatkan
d. Tentukan klas dari distribusi
e. Tabulasikan data tersebut dalam tabel yang sudah
dibuat
3 Diketahui jumlah tenaga kerja yang dipergunakan dalam 40 • Modul 2:
40 perusahaan garmen seperti terlihat dalam distribusi ukuran
berikut: tendensi
Jumlah karyawan di beberapa perusahaan garmen pusat
Jumlah tenaga kerja Frekuensi dan
10-19 8 ukuran
20-29 10 letak.
30-39 20 • Kegiatan
40-49 17 belajar 1.
50-59 5 Ukuran
Hitunglah mean, median, dan modus data jumlah tendensi
karyawan tersebut pusat
* coret yang tidak sesuai

Pengertian Ukuran Kemiringan Data

Ukuran kemiringan adalah ukuran yang menyatakan derajat ketidak simetrisan suatu lengkungan
halus (kurva) dari suatu distribusi frekuensi.
Kemiringan distribusi data ada tiga jenis:
•         Simetri
•         Miring ke kanan – kemiringan positif
•         Miring ke kiri – kemiringan negative
Pengertian Ukuran Keruncingan (Kurtosis) Data
Ukuran keruncingan / kurtosis (k) adalah ukuran mengenai tinggi rendahnya atau runcingnya
suatu kurva. Keruncingan distribusi data adalah derajat atau ukuran tinggi rendahnya puncak
suatu distribusi data terhadap distribusi normalnya data. Keruncingan distribusi data disebut
kurtosis.
Ada 3 jenis derajat keruncingan yaitu:
·         Leptokurtis  -- jika puncak relatif tinggi
·         Mesokurtis -- jika puncak normal
·         Platikurtis -- jika puncak  terlalu rendah / datar
Untuk mengetahui keruncingan suatu distribusi, ukuran yang sering digunakan
adalah koefisien kurtosis persentil.
1. Koefisien keruncingan
Koefisien keruncingan atau koefisien kurtosis dilambangkan dengan a4 (alpha 4).
Jika hasil perhitungan koefisien keruncingan diperoleh :
1) Nilai lebih kecil dari 3, maka distribusinya adalah distribusi pletikurtik
2) Nilai lebih besar dari 3, maka distibusinya adalah distribusi leptokurtik
3) Nilai yang sama dengan 3, maka distribusinya adalah distribusi mesokurtik
Untuk mencari nilai koefisien keruncingan, dibedakan antara data tunggal dan
data kelompok.

Kemiringan/ kecondongan grafik ada tiga jenis yaitu :

1. Simetris
2. Menceng ke-Kanan
3. Menceng ke-Kiri
• Kemencengan data ke arah kiri (condong negatif) dimana nilai modus lebih
dari nilai mean (modus > mean). MEAN<MEDIAN<MODUS
• Kemencengan data simetris (distribusi normal) dimana nilai mean dan modus
adalah sama (mean = modus). MEAN = MEDIAN = MODUS
• Kemencengan data ke arah kanan (condong positif) dimana nilai mean lebih
dari nilai modus (mean > modus). MEAN  >  MEDIAN  >  MODUS
Jika kurang jelas bisa melihat gambar dibawah ini:

Nahhh setelah mengetahui dan mendapatkan materi inii lalu kita coba menentukan
kecondongan(skewness)

Berikut adalah tabel frekuensi yang saya buat untuk memudahkan kita menentukan
skewnessnya:

Dan ini adalah histogramnya:

REPORT THIS AD
Kita telah mendapatkan modus, median, dan mean dari data sebagai berikut :
Modus = 7
Median = 8
Mean = 9,62
Dari data yang telah kita dapatkan bahwa Mean> Median > Modus oleh sebab itu
maka dapat disimpulkan bahwa data memiliki kecondongan kekanan (skew to the
right).

Mean > Median > Modus

Jadi, data condong kekanan yang menunjukkan bahwa data tersebut memiliki lebih
banyak nilai observasi (nilai variabel), berada dibawah nilai rata rata.
Untuk menentukan ukuran kecondongan (Sk) :

Koefisien kecondongan = mean (rata-rata hitung) - modus

                                              deviasi standar

Apabila data yang dipakai banyak, maka hubungan mean, median dan modus mempunyai
hubungan  :

                Modus = 3 median – 2 mean, sehingga koefisien kecondongan menjadi :

                Sk  =  3 (mean (rata-rata hitung) - median

                                          deviasi standar

Cara lain untuk menentukan kecondongan distribusi adalah dengan melihat nilai (alpha tiga),
yaitu rata-rata penyimpangan data-data dari mean dipangkatkan tiga, dibagi dengan deviasi
standar pangkat tiga.

 1. Data yang tidak dikelompokkan

 2. Data yang dikelompokkan