Skor Nilai :
Disusun Oleh :
FAKULTAS EKONOMI
Maret 2020
EXCECUTIVE SUMMARY
Dalam buku yang kami bahas ini yang berjudul Statistik (Teori dan Aplikasi) karya
J. Supranto, M.A. Statistik merupakan ilmu yang penting dipelajari, karena berguna dalam
memecahkan masalah yang terjadi dalam kehidupan sehari-hari .
Statistik menyajikan berbagai macam jenis data yang mungkin ditemukan dalam
kehidupan sehari-hari. Dengan adanya data-data tersebut statisti memberikan beberapa jenis
cara untuk menganalisis data tersebut, dan kemudia dapat ditarik kesimpulan untuk
mendapatkan suatu keputusan yang baik. oleh karena itu, diperlukan intelegensi yang baik
untuk dapat memahami konteks statistik secara mendetail.
KATA PENGANTAR
Puji dan syukur saya aturkan kepada Tuhan Yang Maha Esa, karena telah memberi
rahmat dan karunia-NYA kepada kami untuk dapat menyelesaikan Critical Book Review ini.
Critical Book Review ini semestinya dibuat untuk memenuhi salah satu tugas dari mata
kuliah Statistic Ekonomi.
Critical Book Review ini disusun dengan harapan untuk menambah pengetahuan dan
wawasan dalam konteks statistika , dan juga dapat menjadi bahan referensi dalam berfikir
dengan rasional untuk menyelesaikan masalah yang terjadi dalam kehidupan sehari-hari.
Penulis sadar bahwa Critical Book Review ini masih jauh dari kata sempurna, jika
terdapat kesalahan dalam penulisan Critical Book Review ini dimohon kepada pembaca
supaya dapat memaklumi hal tersebut. Karena hal tersebut penulis sangat menerima kritik
dan saran yang dapat membantu mewujudkan Critical Book Review ini menjadi lebih baik.
Atas perhatiannya penulis mengucapkan terimakasih.
Kelompok
DAFTAR ISI
BAB I
PENDAHULUAN
A. RASIONALISASI PENTINGNYA CBR
Keterampilan dalam penulisan CBR dapat menguji kemampuan penulis dalam
menganalisis dan meringkas serta menyimpulkan isi sebuah buku dan membandingkannya
dengan buku lainnya yang relevan, dan memberikan kritik dan saran terhadap sebuah karya
tulis.
Sering kali kita bingung dalam dalam memilih sebuah buku untuk dijadikan sebagai
bahan referensi. Terkadang kita memilih satu buku untuk dibaca dan dipahami tetapi hasilnya
belum memuaskan hati bisa jadi dari segi sistematika penulisan, tata bahasa dan penggunaan
kata yang kurang menarik atau sulit dipahami.
Oleh karena itu penulis membuat Critical Book Review statistik ini untuk
mempermudah pembaca dalam memilih buku sebagai sumber referensi terkhusus dalam
pokok pembahasan tentang statistic.
B. TUJUAN PENULISAN
Penulisaaaan CBR ini bertujuan untuk mengkritisi dan membandingkan sebuah buku
dengan buku lain yang relevan yang berisi tentang statistik. Aspek yang dibandingkan adalah
kelengkapan pembahasan, keterkaitan antar babnya, serta kelebihan dan kekurangan dari
buku-buku yang dibandingkan tersebut.
C. MANFAAT
1. Untuk memenuhi salah satu tugas dari mata kuliah statistik ekonomi.
2. Menambah wawasan serta pengetahuan terutama dalam konteks statistik
dibidang ekonomi.
3. Meningkatkan kemampuan dalam menganalisis, memahami serta mengkritisi
sebuah karya tulis.
4. Menguatkan pola pikir yang kritis.
D. IDENTITAS BUKU
Buku Utama
1. Judul : STATISTIK (Teori dan Aplikasi)
2. Edisi :8
3. Pengarang : J. SUPRANTO, M.A.
4. Penerbit : ERLANGGA
5. Kota terbit : Jakarta
6. Tahun terbit : 2016
7. ISBN : 978-602-298-565-5
Buku Pembanding
BAB II
Menurut Websters’s New World Dicitionary, data berarti sesuatu yang diketahui
atau dianggap. Dengan demikian data dapat memberikan gambaran tentang suatu keadaan
atau persoalan. Data tentang sesuatu pada umumnya dikaitkan dengan tempat dan waktu.
Kegunaan data pada dasarnya adalah untuk membuat keputusan oleh para pembuat keputusan
(decision makers). Statistik dapat membantu kita dalam (1) menjabarkan dan memahami
suatu hubungan, (2) mengambil keputusan lebih baik, (3) menangani perubahan.
Dalam Pemecahan Masalah Secara Statistik ada beberapa langkah-langkah dasar yang
dapat dilakukan yaitu :
Data juga mempunyai syarat yang harus dipenuhi untuk menghasilkan keputusan
yang baik,yaitu Objektif, Representatif (mewakili), Kesalahan Sampling (sampling error)
kecil, Tepat Waktu, Relevan.
Data-data yang ada dapat dikumpulkan dari sumber-sumber internal dan eksternal,
dan data orisinil baru dapat diperoleh dari wawancara secara pribadi dan kuesioner. Setelah
data diperoleh kita perlu membahas tentang metode penarikan data secara rinci. Akan tetapi,
perlu diperhatikan bahwa semua data yang akan ditarik akan berupa hasil perhitungan atau
hasil pengukuran oleh suatu instrumen.
Data juga dapat dikelompokkan antara lain, Data Menurut Sifatnya dibedakan antara
Data Kualitatif dan Data Kuantitatif, Data Menurut Sumbernya dibedakan menjadi Data
Internal dan data Eksternal, Data Menurut Cara Memperolehnya dibedakan menjadi Data
Primer dan Data Sekunder, dan Data Menurut Waktu Pengambilannya dibedakan menjadi
Data Cross Section dan Data Berkala.
Dalam arti sempit, Statistik berarti data ringkasan berbentuk angka (kuantitatif)
sedangkan dalam arti luas berarti suatu ilmu yang mempelajari cara pengumpulan,
pengolahan/pengelompokan, penyajian dan analisis data serta cara pengambilan kesimpulan
dengan memperthitungkan unsur ketidakpastian berdasarkan konsep probabilitas. Tetap
dalam bukunya Statistical Theory In Research, Anderson and Bancrof mengatakan
Statistika adalah ilmu dan seni pengembangan dan penerapan metode yang paling efektif
sehingga kemungkinan kesalahan dalam kesimpulan dan estimasi yang diperkirakan dengan
menggunakan penalaran induktif berdasarkam matematika probabilitas.
Secara umum metode pengolahan data dibedakan menjadi dua yaitu pengolahan data
decara manual (yang dilakukan untuk jumlah obesrvasi yang tidak terlalau banyak dan
memerlukan waktu yang sangat lama karena harus menelitisatu persatu dari setiap obesrvasi)
dan pengolahan data secara elektronik (dengan menggunakan komputer).
menjelaskan tentang Penyajian Data. Data dapat disajikan dengan Tabel dan Grafik.
Penyajian data dalam bentuk tabel adalah penyajian dalam kumpulan angka-angka yang
disusun menurut kategori-kategori,sehingga memudahkan untuk pembuatan analisis data.
Ada beberapa bentuk tabel yaitu :
(1) Tabel Satu Arah (one way table),tabel yang memuat keterangan mengenai satu
hal/karakteristik saja,
(2) Tabel Dua Arah (two way table),tabelyang menunjukkan hubungan dua hal/karakteristik,
(3) Tabel Tiga Arah (three way table),tabel yang menunjukkan tiga hal/karakteristik.
Penyajian data dalam bentuk grafik adalah penyajian dalam bentuk gambar yang
menunjukkan secara visual data berupa angka yang dapat memudahkan pengambilan
kesimpulan dengan cepat. Ada beberapa bentuk grafik yaitu :
(1) Grafik Garis Tunggal (single line chart),grafik yang terdiri dari satu garis untuk
menggambarkan perkembangan dari suatu karakteristik,
(2) Grafik Garis Berganda (multiple line chart),grafik yang terdiri dari beberapa garis untuk
menggambarkan perkembangan beberapa hal sekaligus,
(3) Grafik Garis Komponen Berganda (multiple component line chart),mirip dengan grafik
berganda tetapi garis yang terakhir menggambarkan jumlah dari komponen-komponen,
(4) Grafik Garis Persentase Komponen Berganda (multiple percentage component line
chart),mirip dengan grafik garis berganda kecuali masing-masing nilai komponen dinyatakan
dalam persentase sehingga garis terakhir merupakan garis yang menunjukkan nilai 100%,
(5) Grafik Garis Berimbang Neto (net balanced line),grafik yang nilai-nilai selisih dengan
garis timbangan dapat diberi warna yang berbeda untuk menilai selisih positif dan negatif,
(9) Grafik Batangan Persentase Komponen Berganda (multiple percentage component bar
chart)
Frekuensi kelas
Frekuensi relatif dari suatu kelas=
n
Ada tiga hal yang perlu diperhatikan dalam menentukan kelas bagi distribusi frekuensi
untuk data kuantitatif yaitu :
1. Jumlah Kelas
Pada tahun 1926 H.A. Sturges menulis artikel dengan judul “The Choice of a Class
Interval” yang mengemukakan rumus untuk menentukan banyaknya kelas yaitu :
k = 1 + 3,322 log n
2. Interval Kelas
Pemilihan interval kelas dan jumlah kelas sebenarnya tidak independen. Semakin
banyak jumlah kelas berarti semakin kecil interval kelas dan sebaliknya.
Xn± X 1
c= k
3. Batas Kelas
Batas kelas bawah menunjukkan kemungkinan nilai data terkecil pada suatu kelas
sedangkan batas kelas atas mengidentifikasi kemungkinan nilai data terbesar dalam
suatu kelas.
Sering kali data dari tabel disajikan dalam bentuk grafik misalnya dalam bentuk
histogram/grafik batangan,frekuensi poligon dan frekeunsi kurva. Grafik batangan biasanya
digunakan untuk menyajikan datayang bukan merupakan tabel frekuensi. Dalam analisis
ekonomi,khususnya pada masalah pemerataan pendapatan dikenal suatu kurva yang disebut
Kurva Lorenz. Pada dasarnya kurva ini sama dengan kurva frekuensi kumulatif. Dalam
kurva ini ditunjukkan pembagian pendapatan yang sama sehingga menunjukkan keadilan atau
makin tidak sama, makin tidak adil. Pembagian pendapatan yang tidak sama atau kurang
merata disebut dengan Income Gap yaitu jurang pemisah antara yang berpendapatan tinggi
dengan yang berpendapatan rendah. Apabila income gap semakin besar sering terjadi
kekacauan yang menimbulkan pemberontakan.
Menjelaskan tentang Ukuran Pemusatan. Rata-rata (average) adalah nilai yang mewakii
himpunan atau sekelompok data (a set of data). Nilai rata-rata umumnya cenderung terletak
di tengah suatu kelompok data yang disusun menurut besar kecilnya nilai. Rata-rata yang
sering digunakan dalam ukuran pemusatan adalah Rata-rata Hitung (arithmetic mean), Rata-
rata Ukur (geometric mean) dan Rata-rata Harmonis (harmonic mean).
Rata-rata Hitung
Apabila kita mempunyai nilai variabel X, sebagai hasil pengamatan sebanyak N kali,
yaitu X1, X2,. . ., Xi, . . . , XN maka :
I. Jumlah deviasi atau selisih kelompok nilai terhadap nilai terhadap rata-ratanya
sama dengan nol.
II. Jumlah deviasi kuadrat dari suatu kelompok nilai terhadap nilai k akan
minimum jika k = X .
III. Apabila ada kelompok nilai :
Kelompok Pertama sebanyak f1 nilai dengan rata-rata X 1
Kelompok Kedua sebanyak f2 nilai dengan rata-rata X 2
Kelompok ke-i sebanyak fi nilai rata-rata dengan rata-rata X i
IV. Apabila k adalah sembarang nilai yang merupakan nilai rata-rata
asumsi/anggaran dan di merupakan deviasi dari nilai Xi terhadap k (di = Xi –
k,i = 1,2,.......,n)
V. Jika suatu kelompok data sangat heterogen, maka rata-rata hitung tidak dapat
mewakili masing-masing nilai dari kelompok tersebut dengan baik. Rata-rata
hitung hanya dapat mewakili dengan sempurna atau nilainya tepat bila
kelompok datanya homogen.
Apabila ada sekelompok nilai sebanyak n diurutkan mulai dari yang terkecil Xi
sampai dengan yang terbesar Xn, maka nilai yang ada ditengah disebut Median.
1
Untuk n Genap ditulis : median = (Xk + Xk+1)
2
Secara Geometrik, median juga merupakan nilai X dari absis (sumbu horizontal)
sesuai dengan jarak tegak lurus yang membagi suatu histogram menjadi dua daerah sama
luasnya. Jadi seluruh observasi seolah-olah dibagi menjadi dua,setengah di sebelah kiri
median (yang terdiri dari observasi yang nilainya sama atau lebih kecil dari median) dan
setengah di sebelah kanan median (yang terdiri dari observasi yang nilainya sama atau lebih
besar dari median)
n
med = L0 + c 2
{
−( ∑ fi ) 0
fm }
MODUS
Modus dari suatu kelompok nilai adalah nilai kelompok tersebut yang mempunyai
frekuensi tertinggi atau nilai yang paling banyak terjadi didalam suatu kelompok nilai.
Apabila data sudah dikelompokkan dan disajikan dalam tabel frekeunsi maka dalam mencari
modusnya digunakan rumus :
( f 1)0
Modus = L0 + c { ( f 1 ) 0+ ( f 2 ) 0 }
Dimana :
(f1)0 = fm() – f(m0-1) (selisih frekeunsi kelas yang memuat modus dengan frekeunsi
kelas sebelumnya)
(f2)0 = fm() – f(m0+1) (selisih frekeunsi kelas yang memuat modus dengan frekeunsi
kelas sesudahnya)
C = besarnya jarak antara nilai batas atas dan nilai batas bawah dari kelas yang
memuat modus
Apabila distribusi frekuensi mempunyai kurva yang simetris dengan satu puncak saja,
maka letak rata-rata X , median dan modus adalah sama yaitu X = mod = med. Bila kurva
menceng ke kanan, maka nilai rata-rata adalah yang paling besar,diikuti dengan median, lalu
modus. Bila kurva menceng ke kiri, maka nilai rata-rata paling kecil, diikuti median lalu
modus. Tetapi bila distribusinya tidak terlalu melenceng maka terdapat hubungan :
RATA-RATA UKUR
G = √n X ₁× X ₂. . . Xn
Log G =
∑ log Xi
n
log Xi
G = antilog (∑ n )
RATA-RATA HARMONIS
Rata-rata Harmonis (RH) dari n angka, X1, X2, . . ., Xn adalah nilai yang diperoleh
dengan jalan membagi n dengan jumlah kebalikan dari masing-masing X tersebut di atas.
Rumusnya adalah sebagai berikut :
n
n
RH = 1
∑ Xi
i=1
Bila kita berbicara tentang median, maka nilai ini seolah-olah membagi kelompok dan
menjadi 2 bagian yang sama. Artinya 50% dari kelompok data ini mempunyai nilai sama atau
lebih kecil dari median, sedangkan 50% lainnya mempunyai nilai yang sama atau lebih besar
dari median tersebut. Nilai median merupakan salah satu dari nilai observasi/ pengamatan.
Untuk kelompok data dimana n ≥ 4, kita tentukan tiga nilai, katakanlah Q 1, Q2, Q3, yang
membagi kelompok data tersebut menjadi 4 bagian yang sama yaitu setiap bagian memuat
data yang sama. Nilai-nilai tersebut dinamakan kuartil pertama, kedua dan ketiga.
Pembagian itu adalah sedemikian rupa sehingga nilai 25% data sama atau lebih kecil dari Q 1,
50% data sama atau lebih kecil dari Q2, 75 % data sama atau lebih kecil dari Q3.
Kuartil merupakan ukuran yang membagi sekelompok nilai menjadi empat bagian
yang sama. Rumus Kuartil yaitu :
¿ −( ∑fi ) 0
Qi = L0 + c 4
{fq }
, i = 1,2,3
dimana :
n = banyaknya observasi
∑ (f1)0 = jumlah frekeunsi dari semua kelas sebelum kelas yang mengandung kuartil
ke-i
i = 1,2,3
in = i kali n
Desil merupakan ukuran yang membagi sekelompok nilai menjadi 10 bagian yang
sama. Rumus desil yaitu :
¿ −( ∑ fi ) 0
Di = L0 + c
{
10
fd }
Persentil adalah ukuran yang membagi sekelompok nilai menjadi 100 bagian yang
sama. Rumus persentil yaitu :
¿ −( ∑ fi ) 0
{
Pi = L0 + c 100
fp }
dimana :
L0 = nilai batas bawah, kelas yang memuat desil ke-i (persentil ke-i)
n = banyaknya observasi
∑ (f1)0 = jumlah frekeunsi dari semua kelas sebelum kelas yang mengandung desil
ke-i (persentil ke-i)
Nilai Jarak
Diantara ukuran variansi yang paling sederhana dan paling mudah dihitung ialah nilai
jarak (range). Bila suatu kelompok nilai sudah disusun menurut urutan yang terkecil (X 1)
sampai dengan yang tersebar (Xn), maka untuk menghitung nilai jaraj dapat digunakan rumus:
Rata-rata Simpangan
Rata-rata simpangan adalah rata-rata hitung dari nilai absolut simpangan yang
dirumuskan :
i
RS = ∑ | Xi− X|
n
i
RS = ∑ | Xi−Med|
n
Simpangan Baku
Diantara ukuran dispersi atau variasi, simpangan baku adalah yang paling banyak
dipergunakan, karena mempunyai sifat-sifat matematis yang sangat penting dan berguna
sekali untuk pembahasan teori dan analisis. Simpangan baku adalah salah satu ukuran
dispersi yang diperoleh dari akar kuadrat positif varians. Varians adalah rata-rata hitung dari
kuadrat simpangan setiap pengamatan terhadap rata-rata hitungnya. Simbol dari varians
populasi adalah σ 2 dimana rumusnya adalah :
N
i
σ2 = ∑ ( Xi−μ ) 2
N i=1
Dimana ( X −μ) adalah simpangan deviasi dari observasi terhadap rat-rata sebenarnya.
Dirumuskan sebagai berikut :
N
2 i
S = n ±1 ∑ ( Xi−X )2
i=1
Dimana ( Xi− X ) adalah simpangan deviasi dari obseravasi terhadap rata-rata sampel.
Rumus dan simbol dari simpangan baku populasi adalah :
σ =¿
√
dimana σ merupakan simpangan baku dari X.
∑ ( Xi−μ ) 2
i=1
N
Nilai Jarak
Untuk data yang berkelompok, nilai jarak (NJ) dapat dihitung dengan dua cara yaitu :
Simpangan Baku
Untuk data yang berkelompok dan sudah disajikan dalam tabel frekeunsi, rumus
simpangan baku populasi adalah :
k
atau
k k 2
dimana :
σ =c
√ ∑ fidi
i=1
N
2
± ( ) ∑ fidi
i=1
N
, untuk kelas interval yang sama
dan
√{
k
σ=
1
N
k
∑ fiMi2−
i=1
( ∑ fiMi
i=1
N
) }
untuk kelas interval yang tidak sama, Mi = nilai tengah kelas ke-i.
√
k k
S=c ∑ fidi
i=1
n±1
2
− [ ]
∑ fidi
i=1
n−1
untuk kelas yang sama,
dan
√
k
S= 1
n−1 { k
∑ fiMi2−
i=1
( ∑ fiMi
i=1
n−1
) } untuk kelas tidak sama.
Xi
Variabel X yang mempunyai rata-rata µ dengan simpangan baku σ . Jadi,
σ
Xi−μ
merupakan nilai baku dari Xi, dan Zi = merupakan nilai simpangan atau deviasi yang
σ
baku. Simpangan baku yang sudah dibahas diatas mempunyai satuan yang sama dengan
satuan data aslinya. Hal ini menjadi suatu kelemahan kalau kita ingin membandingkan dua
kelompok data, misalnya harga 10 mobil dengan harge 10 ekor ayam atau berat 10 ekor gajah
dengan berat 10 ekor semut. Walaupun nilai simpangan baku untuk berat gajah atau harga
mobil lebih besar, nilai ini belum tentu lebih heterogen atau lebih bervariasi daripada harga
semut atau harga ayam. Untuk keperluan perbandingan dua kelompok nilai dipergunakan
Koefisien Variasi (KV) yang bebas dari satuan data asli dimana rumusnya adalah :
σ
KV = × 100%, untuk populasi
μ
S
kv = ×100%, untuk sampel
X
Jika ada dua kelompok data dengan KV1 dan KV2, dimana KV1 > KV2, maka
kelompok pertama lebih bervariasi atau lebih heterogen daripada kelompok kedua.
n
1
Mr =
n ∑ X ri . . . untuk data tak berkelompok
i=1
Untuk data yang sudah dikelompokkan menjadi k kelas, dengan Mi merupakan nilai
tengah kelas ke-i, maka rumus momen ke-r (Mr) yaitu :
k
1
Mr =
n ∑ fiM ri . . . untuk data berkelompok
i=1
n
i r
Mr = ∑ ( Xi− X ) . . . untuk data tak berkelompok
n i=1
k
i r
Mr = ∑ fi ( Mi−X ) . . . untuk data berkelompok
n i=1
Kurva yang tidak simetris dapat menceng ke kiri atau ke kanan. Di dalam kurva yang
tidak simetris, letak median, modus dan rata-rata (X ) sama. Ukuran tingkat kemencengan
menurut Pearson yaitu :
Q
1
Q
X−mod
TK =
S
dimana :
X = rata-rata hitung
Mod = modus
S = simpangan baku
atau
3 ( X−med )
TK =
S
Ukuran tingkat kemencengan dapat juga dihitung berdasarkan momen ketiga dengan
rumus :
M3 1
n
3
3 =
α 3= X − X ) . . . untuk data tak berkelompok
3∑( i
S nS i=1
atau
M3 1
k
3
α 3= = f M i−X ) . . . untuk data berkelompok
3 ∑ i(
S3 nS i=1
Semakin besar α 3, maka kurva suatu distribusi semakin menceng atau miring.
Dilihat dari tingkat keruncingannya kurva distribusi frekeunsi dibagi menjadi 3 yaitu
mesokurtis, leptokurtis dan platykurtis yang bentuk kurvanya adalah :
n
M41 4
α4 = 4 = n ∑ ( X i −X )
i=1 . . . (untuk data tidak berkelompok)
S 4
S
k
M4 1 4
f i ( M i− X )
α4 = 4 = n ∑
i=1 . . . (untuk data berkelompok)
S 4
S
Menjelaskan tentang Analisis Korelasi dan Regresi Liniear Sederhana. Didalam perencanaan,
selain data masa lampau dan masa sekarang, juga diperlukan data hasil ramalan yang
menggambarkan kemampuan di masa yang akan datang. Apabila dua variabel X dan Y
mempunyai hubungan, maka nilai variabel X yang sudah diketahui dapat dipergunakan untuk
memperkirakan / menaksir Y. Ramalan pada dasarnya merupakan perkiraan mengenai
terjadinya suatu kejadian. Variabel Y yang nilainya akan diramalkan disebut variabel tidak
bebas (dependent variabel), sedangkan variabel X yang nilainya dipergunakan untuk
meramalkan nilai Y disebut variabel bebas (independent variabel). Jadi analisis korelasi ini
memungkinkan kita untuk mengetahui sesuatu di luar hasil penyelidikan, misalnya dengan
ramalan kita dapat mengetahui terjadinya suatu kejadian baik secara kualitatif maupun
kuantitatif.
Hubungan dua variabel ada yang positif dan negatif. Hubungan X dan Y dikatakan
positif apabila kenaikan (penurunan) X pada umumnya diikuti oleh kenaikan (penurunan) Y.
Sebaliknya dikatakan negatif apabila kenaikan (penurunan) X pada umumnya diikuti oleh
penurunan (kenaikan) Y. Jadi apabila antara variabel X dan Y terdapat hubungan, maka
bentuk diagram pencarnya adalah mulus / teratur dimana yang pertama menunjukkan gerakan
diagram pencar dari kiri bawah ke kanan atas (hubungan positif), sedangkan yang kedua
bergerak dari kiri atas ke kanan bawah (hubungan negatif). Apabila bentuk diagram pencar
tidak teratur, artinya kenaikan/penurunan X pada umumnya tidak diikuti oleh naik turunnya
Y, maka dikatakan X dan Y tidak berkorelasi. Kuat dan tidaknya hubungan antara X dan Y
apabila dapat dinyatakan dengan fungsi liniear, diukur dengan suatu nilai yang disebut
Koefisien Korelasi. Nilai koefisien korelasi ini paling sedikit -1 dan paling besar 1. Jadi, jika
r = koefisien korelasi, maka nilai r dapat dinyatakan sebagi berikut :
-1 ≤ r ≤ 1
∑ xi yi
i=1
r= n n
√∑ √∑i =1
x 2
i
i=1
y 2i
Untuk menghitung koefisein korelasi data yang sudah berkelompok dapat dicari dengan
rumus :
n ( ∑ uvf )−( ∑ uf u )( ∑ vf v )
r= 2 2
√ n ( ∑ u f )−(∑ uf ) √ n (∑ v f )−(∑ vf )
2
u u
2
v v
6 ∑ d 2i
1-
n ( n2−1 )
Untuk data yang kualitatif yang dipergunakan dalam mengukur kuatnya hubungan
disebut Contingency Coefficient (Koefisien Bersyarat) yang mempunyai pengertian sama
seperti koefisien korelasi. Untuk menghitung nilai koefisien bersyarat (Cc) digunakan rumus :
X2
Cc =
√ X 2+ n
Tujuan utama subbab ini adalah bagaimana menghitung suatu perkiraan atau
persamaan regresi yang akan menjelaskan hubungan antara dua variabel.Pembahasan terbatas
pada regresi sederhana, yaitu mengenai hubungan antara dua variabel yang biasanya cukup
tepat dinyatakan dalam suati garis lurus.
(1) Membantu menunjukkan apakah terdapat hubungan yang bermanfaat antara dua
variabel,
(2) Membantu menetapkan tipe persamaan yang menunjukkan hubungan antara kedua
variabel tersebut.
Y’ = a + b X
dimana
Tujuan utama penggunaan persamaan regresi adalah untuk memperkirakan nilai dari variabel
tak bebas pada nilai variabel bebas tertentu. Persamaan regresi dalam ramalan dapat dihitung
dengan rumus:
Menjelaskan tentang Regresi Liniear Berganda dan Regresi Nonliniear. Dalam bab 7 telah
dibahas tentang korelasi antara dua variabel X dan Y yang sering diberi simbol rxy atau r saja.
∑ Xi .Yi
rxy =
√∑ x 2i . ∑ y 2i
Jikalau kita ingin mengetahui kuatnya hubungan anatara variabel Y dengan beberapa
variabel X lainnya, maka kita menggunakan suatu koefisien kolerasi yang disebut koefisien
korelasi linear berganda (KKLB)Untuk Koefisien Korelasi Liniear Berganda dapat dihitung
dengan rumus :
r 21 y +r 22 y −2r 1 y r 2 y r 12
KKLB =
√ 1−r 212
KP = R2y .12
Apabila variabel Y berkorelasi dengan X1 dan X2, maka koefisien korelasi anatara Y
dan X1 (X2 konstan), antara Y dan X2 (X1 konstan), dan antara X1 dan X2 (Y konstan) disebut
Koefisien Korelasi Parsial (KKP) dengan rumus sebagai berikut :
r 1 y −r 2 y r 12
r1y.2 = 2 2
√1−r √1−r 2y 12
r 2 y −r 1 y r 12
r2y.1 = 2 2
√1−r √ 1−r
1y 12
r 12−r 1 y r 2 y
r12.y = 2 2
√1−r √ 1−r 1y 2y
TREND PARABOLA
Garis trend pada dasarnya adalah garis regresi dimana variabel bebas X merupakan
variabel waktu. Baik garis regresi maupun trend dapat berupa garis lurus maupun tidak lurus.
Persamaan garis trend parabola adalah sebagai berikut :
Y’ = a + bX + cX2 (X = waktu)
(semi log)
a0 = log a
b0 = log b
(log)
a0 = log a
X0 = log X
Y’ = k + abX
Karena bentuk trend eksponensial yang diubah tidak dapat dijadikan bentuk linear
dengan jalan transformasi, maka untuk memperkirakan atau menghitung nilai koefisien a dan
b tidak dapat digunakan metode kuadrat terkecil (least square method).
TREND LOGISTIK
k
Y’ =
1+ 10a+bX
, dimana : k,a dan b konstan, biasanya b < 0.
TREND GOMPERTZ
Untuk mengenali jenis trend baik linear, parabola, eksponensial, logistik maupun
Gompertz, kita harus membuat diagram pencar. Dengan melihat diagram pencar kita bisa
menentukan jenis trend apa yang cocok atau tepat untuk meramalkan.
Menjelaskan tentang Analisis Data Berkala. Data berkala (time series data) adalah data yang
dikumpulkan dari waktu ke waktu untuk menggambarkan perkembangan suatu kegiatan.
Analisis data berkala memungkinkan kita untuk mengetahui perkembangan suatu atau
beberapa kejadian serta hubungan atau pengaruhnya terhadap kejadian lainnya. Gerakan /
variasi data berkala terdiri dari empat komponen yaitu sebagai berikut :
(1) Gerakan Trend Jangka Panjang, yaitu suatu gerakan yang menunjukkan arah
perkembangan secara umum (kecendrungan menaik/menurun). Garis trend ini
berguna untuk membuat ramalan yang diperlukan bagi perencanaan (T).
(2) Gerakan/Variasi Siklis, yaitu gerakan/variasijangka panjang disekitar garis trend
(berlaku untuk data tahunan) dan disimbolkan dengan C (cycle).
(3) Gerakan/Variasi Musiman, yaitu gerakan yang mempunyai pola tetap dari
waktu ke waktu yang disimbolkan dengan S (seasonal).
Apabila gerakan trend, siklis, musiman, dan acak masing-masing diberi simbol T, C,
S, dan I, maka data berkala Y merupakan hasil kali dari 4 komponen tersebut yaitu :
Y=T×C×S×I
MENENTUKAN TREND
Ada beberapa metode yang umum digunakan untuk menggambarkan garis trend, ada
beberapa metode yang bisa digunakan yaitu :
(2) Buat Scatter Diagram, yaitu kumpulan titik-titik koordinat (X, Y); X = variabel
waktu,
Cara menarik Garis Trend dengan tangan bebas meruoakan cara yan paling mudah,
tetapi sifatnya sangat subjektif.
Metode ini tidak memerlukan grafik, kita dapat mempreloeh nilai ramalan langsung
dari persamaan.
Y’ = a + bX
X = waktu
Untuk mencari persamaan trend garis lurus dengan metode kuadrat terkecil dapat
dilakukan dengan dua cara, yaitu:
Cara 1
Untuk mengadakan perhitungan diperlukan nilai tertentu pada variabel waktu (X)
sedemikian rupa, sehingga jumlah nilai variabel waktu adalah nol.
∑ X i=0
i=1
a) Untuk n ganjil → n=2 k +1
b) Untuk n genap → n=2 k
Cara 2
Cara lain untuk menentukan garis trend lurus adalah dengan menentukan periode awal
dari variabel waktu X = 1, jadi tidak perlu lagi membuat ∑ X i=0. Garis trend lurus dengan
cara ini dapat dicari dengan rumus :
a=Y −b X
n ∑ X i Y i− ∑ X i Y i
b=
n ∑ X 2i −¿¿ ¿
Menjelaskan tentang Indeks Musiman dan Gerakan Siklis. Gerakan musiman (seasonal
movement or variation) adalah gerakan yang teratur sehingga fluktuasinya terjadi pada
waktu-waktu yang sama atau sangat berdekatan. Untuk keperluan analisis, sering kali data
berkala dinyatakan dalm bentuk angka indeks. Apabila kita ingin menunjukkan ada / tidaknya
gerakan musiman, perlu dibuat indeks musiman (seasonal index). Dalam menghitung angka
indeks musiman, ada beberapa metode yang dapat dilakukan yaitu :
Apabila kita ingin menghilangkan pengaruh musiman terhadap data berkala, maka
setiap nilai (data asli) bulanan dari tahun ke tahun harus dibagi dengan indeks musiman.
Seperti kita ketahui, data berkala diberi simbol Y = TCSI. Apabila dibagi dengan S,
maka :
Y TCSI
=
S S
Y TCI
=
ST T
Pada bab terakhir kita akan mengetahui bahwa metode kedua, yaitu yang lebih
kompleks untuk menemukan indeks musiman adalah metode yang cukup memadai untuk
data yang memiliki trend kuat. Akan tetapi, kita dapat menggabungkan pengetahuan pada
data dan membutuhkan pekerjaan yang lebih sederhana dibandingkan metode kedua.
Dengan data yang disajikan kita dapat membangun persamaan regresi dari rumus:
Y^ =a+b1 t+ b2 S 2+ b3 S 3+ b4 S 4
Dimana :
Y^ (= Y topi)
t = periode waktu
S j = variabel indikator yang menunjukkan musim semi, panas, dan gugur.
Menjelaskan tentang Angka Indeks. Angka indeks pada dasarnya merupakan suatu angka
yang dibuat sedemikian rupa sehingga dapat dipergunakan untuk melakukan perbandingan
antara kegiatan yang sama dalam dua waktu yang berbeda. Tujuan pembuatan angka indeks
adalah mengukur secara kuantitatif terjadinya perubahan dalam dua waktu yang berlainan. Di
dalam membuat angka indeks diperlukan dua macam waktu, yaitu :
(1) waktu dasar (base period),yaitu waktu di mana suatu kegiatan diperlukan
sebagai dasar perbandingan,
(2) waktu yang bersangkutan atau sedang berjalan (current period), yaitu waktu
dimana suatu kegiatan (kejadian) dipergunakan sebagai dasar perbandingan terhadap
kegiatan pada waktu dasar.
Indeks harga relatif sederhana (simple relative price index) ialah indeks yang terdiri
dari satu macam barang saja, baik untuk indeks produksi maupun indeks harga. Indeks
agregatif merupakan indeks yang terdiri dari beberapa barang. Indeks agregartif
memungkinkan untuk melihat persoalan secara agregatif, yaitu secara keseluruhan, bukan
melihat satu per satu.
Pt
I t ,0 = ×100 %
P0
qt
I t ,0 = × 100 %
q0
Digunakan untuk unit-unit yang mempunyai satuan yang sama. Indeks ini diperoleh
dengan jalan membagi hasil penjumlahan harga pada waktu yang bersangkutan dengan hasil
penjumlahan harga pada waktu dasar. Dapat dirumuskan sebagai berikut:
I t ,0 =
∑ P i ×100
∑ P0
INDEKS AGREGATIF TERTIMBANG
1 p
I t ,0 =
n[∑ t ×100 %
p0 ]
Dimana, n adalah banyaknya jenis barang.
Ada beberapa rumus angka indeks tertimbang, yaitu rumus Laspeyres dan rumus
Passche, yaitu nama dari penemunya.
I t ,0 =
∑ P i q 0 ×100 %
∑ P0 q0
(rumus indeks harga agregatif tertimbang)
pt =harga waktu t
p0=hargawaktu 0
I t ,0 =
∑ P0 q t ×100 %
∑ P0 q0
(rumus indeks produksi agregatif tertimbang)
q 0= produksi waktu 0
p0=hargawaktu 0 , sebagaitimbanga
P t , 0=
∑ Pt qt ×100 %
∑ P 0 qt
(rumus indeks harga agregatif tertimbang)
p0=hargawaktu 0
P t , 0=
∑ Pt qt ×100 %
∑ Pt q 0
(rumus indeks produksi agregatif tertimbang)
q 0= produksi waktu 0
Rumus Laspeyres baik dalam praktek, lemah dalam teori, sedangkan rumus
Paasche baik dalam teori sukar penggunaannya dalam praktek. Sampai akhirnya muncul
Irving Fisher dengan rumusnya yang baru:
I =√ L× P
pt q 0 p t qt
¿
√ ×
p0 q 0 p 0 qt
×100 %
L+ P
I=
2
∑ pt q 0 + ∑ p t qt
¿
( ∑ p0 q 0 ∑ p0 qt ) × 100 %
1. Apabila data asli masih tersedia, maka angka pada waktu atau tahun tertentu
yang akan dipakai sebagai tahun dasar yang baru itu diberi nilai 100%,
sedangkan angka-angka lainnya dibagi dengan angkadari waktu tersebut,
kemudian dilakukan dengan 100%.
2. Indeks pada tahun yang akan dipilih sebagai waktu dasar diberi nilai 100%,
kemudian angka indeks pada tahun-tahun lainnya dibagi dengan indeks dari
tahun dasar baru, dan mengalikannya dengan 100%. Cara ini sering digunakan
apabila data aslinya sudah tidak ada lagi.
PENGUJIAN ANGKA INDEKS DAN PENDEFLASIAN DATA BERKALA
Kesempurnaan angka indeks biasanya dilihat dari kenyataan apakah indeks yang
bersangkutan memenuhi beberapa kriteria pengujian (test criteria). Indeks ideal dari Fisher
secara teoritis lebih baik daripada indeks Laspeyres atau Paasche karena indeks ideal lebih
banyak memenuhi kriteria pengujian daripada Laspeyres dan Paasche. Beberapa kriteria
pengujian adalah time reversal test, dan factor reversal test.
Suatu indeks dikatakan memenuhi time reversal test, apabila memenuhi persamaan
sebagai berikut :
I t ,0 × I 0 ,t =1
Sedangkan pada factor reversal test, langkah awal pengujiannya adalah mencari nilai.
v= p× q
Dimana: v=nilai
BAB 12 PROBABILITAS
1. Pendekatan Klasik
Perhitungan probabilitas secara klasik didasarkan pada asumsi bahwa seluruh
hasil dari suatu eksperimenmempunyai kemungkinan (peluang) yang sama.
Dapat dirumuskan sebagai berikut:
x
a) P ( A )=
n
b) P ( A )=1−P ( A )
Dimana: x = frekuensi relatif kejadian i
1. Notasi Himpunan
Himpunan dari seluruh kejadian yang ada disebut himpunan semesta
(universal set). Himpunan bagian yang paling kecil dari suatu himpunan
disebut himpunan kosong (null set).
2. Komplemen Suatu Kejadian
3. Interseksi Dua Kejadian
4. Union Dua Kejadian
5. Beberapa Aturan/Hukum dalam Himpunan
a. Hukum penutup (Law of Closure)
Untuk setiap pasang himpunan A dan B, terdapat himpunan-himpunan
yang unik yaitu himpunan A ∪ B= A ∩ B
b. Hukum komutatif (Commutative Law)
A ∪ B=B ∪ A dan A ∩ B=B ∩ A
c. Hukum asosiatif (Associative Law)
( A ∪ B ) ∪C= A ∪( B ∪C)
( A ∩ B ) ∩ C= A ∩( B∩ C)
1. Aturan Penjumlahan
Untuk menerapkan aturan penjumlahan ini, harus dilihat dari jenis kejadiannya
apakah bersifat saling meniadakan (mutually exclusive) atau tidak saling meniadakan.
P ( A ∪ B ) =P ( A )+ P ( B )
P ( A ∪ B ∪ C ) =P ( A )+ P ( B ) + P ( C )
P ( A 1 ∪ A 2 ∪ … ∪ Ak ) =∑ P( Ai )
b. Kejadian tidak saling meniadakan
P ( A ∪ B ) =P ( A )+ P ( B )−P( A ∩ B)
2. Aturan Perkalian
Aturan perkalian diterapkan secara berbeda menurut jenis kejadiannya. Ada dua jenis
kejadian dalam hal ini, yaitu :
P ( A ∩B)
P (B/A) ¿
P( A)
P ( A ∩B)
P (A/B) ¿
P(B)
P(A/B) = P(A)
P(B/A) = P(B)
P( A ∩ B) = P(A)P(B) = P(B)P(A)
4. Probabilitas Marjinal
Untuk mencari probabilitas marjinal dapat dirumuskan sebagai berikut :
P(R) =∑ P ( Si ) P ¿ ¿R/Si)
5. Rumus Bayes
Seorang ahli matematika dari Inggris, Thomas Bayes (1702 – 1761), mengembangkan
teori untuk menghitung probabilitas tentang sebab-sebab terjadinya suatu kejadian (causes)
berdasarkan pengaruh yang dapat diperoleh sebagai hasil observasi. Rumus Bayes dapat
ditulis
A
P ( Ai ) P( )
Ai
P ¿/A)¿ k
∑ P ( A i ) P( AA )
i=1 i
BAB 1
Distribusi Frekuensi
Tujuan dari pembuatan tabel distribusi frekuensi adalah untuk mengatur data mentah
(belum dikelompokkan) ke dalam bentuk yang rapi tanpa mengurangi informasi yang
ada.Ada beberapa keuntungan dari pengurutan data mentah.Pertama bisa dilihat jarak antar
nilai terkecil (22) dengan nilai terbesar (86),yaitu 86-22= kedua,tampak bahwa lima puluh
persen nilai terendah berkisar antara 22 54,sedang lima puluh persen nilai tertinggi berkisar
antara 55 dan 86.Ketiga,dapat dilihat disekitar mana nilai data terkonsentrasi.
Interval kelas adalah selisih antara tepi bawah dari suatu kelas,tetapi bukan selisih antara
batas atas kelas dengan batas bawah kelas.Jika interval kelas ditambahkan pada kelas maka
diperoleh batas bawah kelas berikutnya.
Yaitu disusun melalui pembagian masig-masing frekuensi kelas dengan seluruh frekuensi
dan diyatakan dalam persen.Distribusi frekuensi relatif berguna dalam membandingkan
beberapa distribusi yang memiliki jumlah frekuensi yang berbeda.
Histogram,adalah suatu diagram batang dari distribusi frekuensi.Jika dibentuk dari data
kualitatif dinamakan bar chart.
Diagram pie,digunakan untuk menunjukkan frekuensi kelas kualitatif.Bentuknya yang
berupa lingkaran berisi seluruh nilai variabel dan setiap belahannya menunjukkan
persentase atau proporsi setiap kelas.
Polygon frekuensi,adalah diagram garis dari suatu distribusi frekuensi yang diperoleh
dengan menghubungkan titik-titik yang merupakan pasangan koordinat titik tengah dan
frekuensi setiap kelas.
Ogive adalah penyajian secara grafis yang berupa diagram garis dari suatu distribusi
frekuensi kumulatif.Frekuensi kumulatif < mempunyai ogive yang turun kiri ke bawah naik
kekanan atas,sedang frekuensi kumulatif > mempunyai ogive yang turun dari kiri atas
kekanan bawah.
1.Simetris atau bentuk lonceng dengan ciri nilai variabel disamping kanan dan kiri yang
berjarak sama terhadap titik tengah(frekuensinya terbesar) mempunyai frekuensi yang sama.
2. Tidak simetris secara moderat atau condong dengan ciri bahwa ekor kurva yang satu lebih
panjang dari ekor kurva yang lainnya.
3. Bentuk J atau J terbalik dengan ciri bahwa salah satu nilai ujung kurva mempunyai
frekuensi maksimum.
7. Uniform jiks nilai-nilai variabel dalam suatu interval mempunyai frekuensi sama.
BAB 2
Ukuran Pemusatan
Rata-Rata Hitung
Rata-rata tertimbang dan rata-rata hitung data dikelompokkan atau cara langsung.Jika suatu
data-data sudah dikelompokkan,rata-ratanya dapat didekati dengan menganggap bahwa setiap
nilai observasi didalam suatu kelas mempunyai sebuah nilai yang sama dengan titik tengah
kelas.
Metode short cut,metode ini hanya berlaku apabila seluruh kelas interval sama
besar,sementara dengan cara langsung interval kelas tidak perlu sama.
Median
Median adalah suatu ukuran pemusatan yang menempati posisi tengah jika data diurutkan
menurut besarnya.Menghitung Median data dikelompokkan dilakukan dengan interpolasi
dalam interval kelas yang mengandung kelas median.
Modus
Modus adalah nilai yang paling sering muncul dari serangkaian data.Serangkaian data
mungkin memiliki dua modus(Bimodal) atau lebih dari dua (Multimodal).Sampai saat ini
variabel yang dibahas adalah kuantitatif dengan memiliki skala rasio dan interval,berbeda
dengan variabel kualitatif yang berskala ordinal atau nominal.
Ukuran-Ukuran Lain
Fraktil adalah nilai data yang membagi seperangkat data yang telah terurut menjadi
beberapa bagian yang sama.Perkiraan nilai kuartil,desil dan persentil dapat dianalogikan dari
perkiraan median data.Rata-rata ukur dari sejumlah N nilai data adalah akar pangkat N dari
perkalian nilai rata-rata.
BAB 3
Penyebaran
Kecondongan
Ketinggian
Ukuran ketinggian puncak distribusi dinamakan Kurtosis.Ketinggian suatu distribusi
biasanya dilihat dengan membandingkannya terhadap distribusi normal.Suatu distribusi yang
memiliki puncak yang relative tinggi dinamakan leptokurtic,distribusi dengan puncak yang
hampir mendatar dinamakan platykurtic.Distribusi normal,yang memiliki bagian atas tidak
mendatar maupun tidak runcing dinamakn mesokurtic.
BAB 4
Angka Indeks
Timbangan yang digunakan untuk menyusun indeks harga metode agregat adalah jumlah
atau kuantitas produksi atau penjualan.Ada dua rumus yan terkenal untuk menghitung indeks
harga dengan metode ini,yaitu Laspeyres dan rumus Paasche.Laspeyres menggunakan
timbangan kualitas dasar dan Paasche menggunakan timbangan kualitas pada periode yang
akan dicari indeks harganya.
Peranan perubahan harga relatif untuk mmasig-masing jenis barang dalam indeks harga
rata-rata relative diukur dengan jumlah rupiah yang dikeluarkan untuk barang tersebut selama
periode tertentu.Macam-macam indeks harga yaitu Indeks Harga Konsumen,Indeks
Perdagangan Besar dan Implicit Price Deflator.
Kriteria indeks yang baik yang dikemukakan oleh Fisher yaitu,Time Reversal Test dan
Factor Reversal Test.
Indeks kuantitas tertimbang
Indeks kuantitas tertimbang dihitung dengan dua rumus,yaitu rumus agregat dan rumus
rata-rata relatif.Dalam rumus rata-rata relative,timbangannya adalah nilai rupiah yang
dibelanjakan atau diproduksi pada periode dasar.
Indeks produktivitas
Produksi berarti jumlah output,sedang produktivitas adalah suatu ratio antara output dengan
input.Sehingga rasio antara jumlah output dengan semua inputnya dinamakan produktivitas
seluruh factor produksi (total productivity).
BAB 5
Time series adalah serangkaian nilai-nilai variabel yang telah tersusun berdasarkan
waktu,mempunyai empat komponen yaitu: tren jangka panjang (T),Siklis (S),variasi musim
(5)dan gerakan yang tidak teratur (I).
Trend Linier
Bentuk umum persamaan linier adalah sebagai berikut: Yt=a+Bx.Dengan metode Least
squarest akan diperoleh suatu garis yang paling cocok untuk suatu time series.
Yt=a(1+b)x.
Rata-Rata Bergerak
Rata-rata bergerak n periode (n adalah bilangan bukt positif) dari nilai data time series
dihitung melalui tahap-tahap seperti berikut:
Rata-rata ini dikatakan rata-rata bergerak karena setelah rata-rata dihitung kemudian diikuti
gerakan satu periode kebelakang,rata-rata bergerak bervariasi lebih kecil dari data aslinya.
Analisis Spektral
Analisis spektal yang digunakan bukan untuk peramalan seperti time series melainkan
untuk mempelajari sifat-sifat suati time series,dan analisis spectral silang untuk mempelajari
hubungan antara beberapa time series.
BAB 6
Secara aksiomatis dimana probabilitas merupakan suatu ukuran yang menunjukkan tingkat
keyakinan atas terjadinya suatu persoalan.
Diagram Pohon
Diagram pohon biasanya digambarkan dengan lambing yang baku yang membantu
memahami dan menyelesaikan persoalan probabilitas.
Teori Bayes
Teori ini menerangkan hubungan antara probabilitas terjadinya peristiwa X dengan syarat
peristiwa Y telah terjadi dan probabilitas terjadinya peristiwa Y dengan syarat peristiwa X
telah terjadi.Metode perhitungan menemukan probabilitas yaitu factorial,permutasi dan
kombinasi.
BAB 7
Variabel Random adalah variabel yang nilainya merupakan hasil dari suatu percobaan.Ada
dua macam variabel random yaitu diskrit dan kontinu.Distribusi probabilitas binomial
menggambarkan data dihasilkan oleh suatu percobaan yang dinamakan percobaan
Bernoulli.Ciri-ciri percobaan Bernoulli yaitu independensi dan probabilitas konstan.
Rumus Poisson dapat digunakan untuk mendekati probabilitas jumlah sukses dalam sebuah
percobaan.Rumus Poisson lebih mudah dibanding dengan rumus binomial,memberi jawaban
tentang probabilitas kedatang dalam suatu interval waktu.Perhitungan yang digunakan untuk
menentukan Expected Value adalah menentukan perhitungan yang digunakan untuk
mendapatkan rata-rata data dikelompokkan.
BAB 8
3.Rata-rata terletak ditengah distribusi dan distribusinya simetris disekitar garis tegak lurus
yang ditarik melalui rata-rata
4.Kedua ekor kurva menunjang tak terbatas dan tak pernah memotong sumbu horizontal.
Teori Keputusan
BAB 10
Ada 4 jenis utama sampel random yaitu : sampel random yaitu simple stratified,cluster dan
systemntic.Distribusi sampling adalah distribusi probabilitas dengan statistik sampel sebagai
variabel randomnya.Sehingga distribusi sampling rata-rata adalah distribusi probabilitas dari
semua rata-rata sampel dengan ukuran tertentu yang tidak ditarik dari suatu populasi.
BAB 11
Pendugaan titik parameter populasi dibagi menjadi penduga tak bias (unbias
estimator),penduga efisien,dan penduga konsisten.Pendugaan Interval menunujukkan suatu
jajaran nilai yang diantaranya terdapat parameter yang tak diketahui atau yang akan
diduga.Pendugaan interval rata-rata populasi dibagi atas pupulasi atau distribusi sampling
normal dan diketahui,serta populasi normal dan tak diketahui.
BAB 12
Pengujian hipotesis adalah membuktikan atau menguatkan suatu dugaan atau anggapan
tentang parameter populasi yang tak diketahui berdasarkan informasi dari sampel yang
diambil dari populasi tadi,
Pengujian kesamaan varians ada dengan menggunakan tabel F,pengujian ini dapat
dilakukan baik secara searah maupun dua arah.Yang tidak boleh dilakukan dalam pengujian
ini adalah bahwa dalam menghitung nilai statistik F,varians yang lebih besar dijadikan
pembilang.
BAB 13
Inferensi koefisien korelasi ada dalam pengujian hipotesis dengan asumsi p=0 dan dengan
asumsi p tidak sama dengan 0.Meskipun dalam analisis regresi dan korelasi dihadapkan pada
hubungan antarvariabel,ini tidak selalu berarti bahwa perubahan variabel bebas adalah
penyebab perubahan variabel terikat.
BAB 14
Bentuk umum garis regresi populasi tiga variabel yaitu dapat dituliskan sebagai berikut:
Dalam analisis regresi dan korelasi dua variabel,koefien korelasi (r) mengukur keeratan
hubungan linier antara dua variabel.Dalam model regresi tiga variabel terdapat koefisien
korelasi sederhan atau koefisien korelasi,tingkat nol.
BAB 15
Seperti distribusi probabilitas binomial,t dan F yang telah kita pelajari,distribusi X 2 bukan
suatu kurva probabilitas tunggal tetapi merupakan sutu keluarga dari kurva bermacam-macam
distribusi X1 yang bentuknya ditentukan derajat bebasnya.Untuk distribusi X2 dengan derajat
bebas v,modus dan puncak kurva akan terletak pada nilai X2=v-2.
BAB 16
1. Jika ukuran sampel begitu kecil sehingga distribusi normal,dan jika tidak ada asumsi
mengenai bentuk distribusi populasi dari mana sampel diambil.
Uji tanda (sign tes)memperhatikan arah perbedan dan bukan besarnya perbedaan-
perbedaan.Uji tanda dengan ukuran sampel kecil dan dengan sampel besar.
1. Menentukan H0 dan H1
Dan ada juga uji Mann-Whitney dengan sampel kecil dan sampel besar,uji Kruskal-Wallis.
BAB III
PEMBAHASAN
KEUNGGULAN BUKU
a. Kemutakhiran Buku
Dalam buku ini memiliki kemuktahiran yaitu ada beberapa penjelasan yang ada dalam
buku yang dapat diterapkan di dalam penolahan data. Dalam buku ini memiliki berbagai contoh
pembahasan. Penjelasan juga tidak panjang lebar namun langsung diberikan contoh yang nyata
untuk mengerjakan pengolahan data atau pelaksanaan penelitian dari awal hingga akhir. Dan
dirasa dalam buku ini cukup lengkap sebagai pedoman bagi mahasiswa untuk melakukan
pengolaan data penelitian skripsi atau tesis. Dalam buku ini dijelaskan berbagai cara
penghitungan untuk pengolahan data secara kuantitatif. Serta dalam buku ini lampiran –
lampiran tabel yang digunakan dalam pengolahan data secara statistika juga lengkap
dilampirkan sehingga pembaca tidak eprlu bersusah payah dalam mencari tabel – tabel yang
diperlukan. Dengan kelengkapan dan ketuntasan pembahsan ini maka buku ini memiliki
kemuktahiran yang baik dalam memberikan pemahaman untuk mengerjakan statistik hingga
pengambilan kesimpulan berdasarkan pengolahan data yang dilakukan secara statistika.
BAB IV
KELEMAHAN BUKU
Dalam bab ke bab sudah terkait, namun jika dibandingkan dengan buku lain penjelasan
ebih berurut buku pembanding. Dalam buku pembanding setiab bab atau elemen dalam bab
beruntun dari awal hingga akhir sehingga lebih mudah dalam pemahaman dari mulai awal
pengolahan data hingga pengambilan keputusan. Sedangkan buku utama tidak terlalu terkait
dalam setiap elemen. Dalam buku uatama pembahasan terjadi lompatan atau tidak runtun dari
sistematika penyusunan. Dalam buku utama dan buku pembanding jika dibandingkan
penjelasan buku utama kurang lengkap. Buku utama langsung pada contoh dan tidak banyak
menjelaskan mengenai per elemen. Sedangkan buku pembanding menjelaskan terlebih dahulu
setiapa elemen hingga rinci dan setelah itu baru diberikan contoh. Melalui hal ini jika
dibandingkan pembaca akan lebih mudah memahami buku pembanding karena pembaca akan
mengerti dan memahami maksud setiap elemen dan akan memahami fungsi bahkan cara
pengerjaaan elemen tersebut. Bahasa yang digunakan juga agak rancu pada buku utam atau
dengan kata lain bahasa yang digunakan dalam penjelasan dari buku pembanding lebih mudah
dipahami oleh pembaca.
BAB V
a. Kesimpulan
Berdasarkan penjelasan dan uraian diatas maka dapat disimpulkan bahwa Statistika
selalu digunakan dalam dunia penelitian dan riset dimanapun hal tersebut dilakukan. Untuk
mengetahui apakah cara yang baru lebih baik dari cara lama melalui riset atau penelitian perlu
diadakan penilaian secara statistika. Statistika juga cukup mampu untuk menentukaan apakah
faktor yang satu dipengaruhi atau mempengaruhi faktor lainnya. Statistik adalah rekapitulasi
dari fakta berbentuk angka – angka disusun dalam bentuk tabel dan diagram yang
mendeskrispsikan suatu permasalahan. Statistika adalah pengetahuan yang tersendiri dalam
mencari nilai rata – rata, persentase nilai keberhasilan untuk ditarik kesimpulan yang benar
melalui beberapa proses yaitu proses pengumpulan informasi, pengolahan informasi dan proses
penarikan kesimpulan.
Statistik memiliki beberapa landasan kerja yaitu : variasi, reduksi dan generalisasi.
Statistik memiliki kegunaan sebagai alat : komunikasi, deskripsi, regresi, korelasi dan komparasi.
Dalam statistik dibutuhkan populasi dan sampel. Populasi adalah wilayah generalisasi yang
terdiri dari obyek atau subyek yang menjadi kuantitas dan karakteristik tertentu yang
ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya. Sedangkan
sampel adalah bagian dari populasi yang mempunyai ciri – ciri atau keadaan tertentu yang akan
diteliti.
b. Saran
Dalam buku ini sebaiknya diberikan penjelasan yang lengkap tanpa mengurangi contoh
– contoh yang akan menjelaskan maksud buku. Dengan penjelasan yang jelas dan pengguanaan
bahasa yang ridak rancu akan memudahkan pembaca untuk memahami isi buku.s