CRITICAL BOOK REVIEW

MK. STATISTIK EKONOMI

PRODI S1 PEND. EKO - FE

Skor Nilai :

STATISTIK (Teori dan Aplikasi)

(J. SUPRANTO, M.A.)

DOSEN PENGAMPU : Dr. ARWANSYAH, M.Si

Disusun Oleh :

1. ROHOT JEKKI MANURUNG (7192441014)

2. TUMPAK MARISI SIHOTANG (7192441011)
3. JONATAND GILBERD PANDIANGAN (7193341001)

PROGRAM STUDI S1 PENDIDIKAN EKONOMI

FAKULTAS EKONOMI

UNIVERSITAS NEGERI MEDAN

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 .

Dengan lebih memperdalam mengenai ilmu statistika, dapat mendukung dalam

meningkatkan daya analisis dan pemahaman terutama dalam pengimplementasian matematik
dalam kehidupan sehari-hari. Maka dari itu, untuk semakin meningkatkan kemampuan dan
pemahaman dalam dunia statistika diperlukan intelegensi dan kemauan yang cukup tinggi.

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.

Medan, 10 Maret 2020

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

RINGKASAN ISI BUKU

BAB 1 BERKENALAN DENGAN STATISTIK

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 :

(1) Mengidentifikasi masalah atau peluang,

(2) Mengumpulkan fakta yang tersedia,

(3) Mengumpulkan data orisinil yang baru,

(4) Mengklasifikasikan dan mengikhtisarkan data,

(5) Menyajikan Data,

(6) Menganalisis Data.

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.

BAB 2 PENGUMPULAN DAN PENGOLAHAN DATA

Menjelaskan tentang Pengumpulan dan Pengolahan Data. Tujuan pengumpulan data

yaitu untuk mengetahui jenis elemen (unit terkecil dari objek penelitian), karakteristik (sifat-
sifat yang dilakukan oleh elemen), populasi dan sampel. Dalam statistik ada dua cara untuk
memperoleh data yaitu cara Sensus (pengumpulan data apabila seluruh elemen populasi
diselidiki satu persatu), data yang diperoleh disebut Parameter. Yang kedua adalah cara
Sampling (cara pengumpulan data apabila diselidiki adalah elemen sampel dari suatu
populasi), data yang diperoleh merupakan Data Perkiraan. Dibandingkan dengan sensus.
Pengumpulandata degancara sampling membutuhkan biaya yang jauh lebih sedikit,
memerlukan waktu yang lebih cepat, tenaga yang tidak terlalu banyak dan dapat
menghasilkan cakupan data yang lebih luas serta terperinci. Dalam pengambilan sampel ada
dua cara yang sering dipakai yaitu secara acak dan bukan acak. Alat yang dipakai untuk
memperoleh keterangan dari objek yaitu daftar pertanyaan (questionnaire), wawancara,
observasi, melalui pos/alat komunikasi lain dan alat ukur lainnya. Akan tetapi hal yang
terpenting dalam pengumpulan data adalah merancang kuesioner (daftar isian yang berupa
satu set pertanyaan yang tersusun secara sistematis dan standar sehingga pertanyaan yang
sama dapat diajukan kepada setiap responden). Sistematis yang dimaksud adalah bahwa item-
item pertanyaan disusun menurut logika (logical sequence) sesuai dengan maksud dan tujuan
pengumpulan data. Sedangkan yang dimaksud dengan standar adalah setiap item pertanyaan
mempunyai pengertian,konsep,dan definisi yang sama.
 Ada dua tujuna utama dalam membuat kuesioner suatu survei yang baik yaitu:

1. memperoleh informasi/data yang berhubungan dengan maksud dan tujuan survei

2. mengumpulkan informasi dengan kecermatan dan ketelitian yang dapat
dipertanggungjawabkan.

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).

BAB 3 PENYAJIAN DATA

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,

(6) Grafik Batangan Tunggal (single bar chart)

(7) Grafik Batangan Berganda (multiple bar chart)

(8) Grafik Batangan Komponen Berganda (multi component bar chart)

(9) Grafik Batangan Persentase Komponen Berganda (multiple percentage component bar
chart)

(10) Grafik Batangan Berimbang Neto (net balanced bar chart)

(11) Grafik Lingkaran Tunggal (single pie chart)

(12) Grafik Lingakaran Berganda (multi pie chart)

(13) Grafik Peta (cartogram chart)

(14) Grafik gambar (pictogram chart)

BAB 4 DISTRIBUSI FREKUENSI

Menjelaskan tentang Distribusi Frekuensi. Distribusi frekuensi menunjukkan banyaknya item

dalam setiap kategori atau kelas. Dalam distribusi frekuensi terdapat frekuensi relatif dari
suatu kelas adalah proporsi item dalam setiap kelas terhadap jumlah kesuluruhan item data
tersebut. Jika sekelompok data memiliki n observasi.maka frekuensi relatif dari kategori atau
kelas akan diberikan sebagai berikut.

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.

BAB 5 UKURAN PEMUSATAN

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 :

a) Rata-rata sebenarnya (populasi)

N
1
µ= ∑ Xi
N i=1

b) Rata-rata Perkiraan (sampel)

n
1
X= ∑ Xi
n i=1

BEBERAPA SIFAT/CIRI RATA-RATA HITUNG

Rata-rata hitung memiliki beberapa sifat yaitu :

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.

MEDIAN (DATA TIDAK BERKELOMPOK)

Apabila ada sekelompok nilai sebanyak n diurutkan mulai dari yang terkecil Xi
sampai dengan yang terbesar Xn, maka nilai yang ada ditengah disebut Median.

Untuk n Ganjil ditulis : n= 2k + 1

1
Untuk n Genap ditulis : median = (Xk + Xk+1)
2

MEDIAN (DATA BERKELOMPOK)

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 :

L0 = nilai batas bawah, kelas yang memuat modus

 fm0 = frekeunsi kelas yang memuat modus

(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

PERBANDINGAN ANTARA RATA-RATA, MEDIAN, DAN 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 – modus = 3 (rata-rata – median) atau,

modus = rata-rata – 3 (rata-rata – median)

RATA-RATA UKUR

Untuk mencapai rata-rata ukur dapat digunakan rumus :

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, DESIL, PERSENTIL (DATA BERKELOMPOK)

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 :

L0 = nilai batas bawah, kelas yang memuat kuartil ke-i

n = banyaknya observasi

∑ (f1)0 = jumlah frekeunsi dari semua kelas sebelum kelas yang mengandung kuartil
ke-i

fq = frekeunsi dari kelas yang mengandung kuartil ke-i

 c = besarnya kelas interval yang mengandung kuartil ke-i atau jarak nilai batas
bawah (atas) dari suatu kelas terhadap nilai batas bawah (atas) kelas berikutnya

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)

fd = frekeunsi dari kelas yang memuat desil ke-i

fp = frekeunsi dari kelas yang memuat persentil ke-i

c = besarnya kelas interval yang memuat desil ke-i (persentil ke-i)

BAB 6 UKURAN VARIASI ATAU DISPERSI

Menjelaskan tentang Ukuran Variasi atau Dispersi. Ada beberapa macam ukuran variasi atau
dispersi, misalnya nilai jarak (range), rata-rata simpangan (mean deciation), simpangan baku
(standard deviation), dan koefisien variasi (coefficient of varitation). Diantara ukuran variasi
tersebut simpangan baku yang sering dipergunakan, khususnya untuk keperluan analisis data.
Dispersi dipelajari untuk membandingkan sebaran data dari dua informasi distribusi nilai.
Misalnya untuk membandingkan tingkat produktivitas dari dua perusahaan. Meskipun kita
mengetahui bahwa produksi rata-rata dari dua perusahaan mobil adalah 20 mobil sehari,
namun kita tentu tidak dapat langsung mengatakan bahwa tingkat produksi mereka identik.
Kita perlu melihat bagaimana sebaran nilai (jumlah produksi harian) dari kedua perusahaan
tersebut. Mungkin perusahaan pertama cenderung lebih homogen, dalam arti bahwa jumlah
produksi harian tidak jauh dari kisaran rata-rata. Mungkin pula pperusahaan kedua ternyata
cenderung memiliki tingkat distribusi produksi yang lebih heterogen, yang berarti bahwa
jumlah produksi harian sangat beragam dan menyebar jauh disekitar rata-rata.

PENGUKURAN DISPERSI DATA TIDAK DIKELOMPOKKAN

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:

Nilai Jarak = Nilai Maksimum (Xn) – Nilai Minimum (X1)

Rata-rata Simpangan

Rata-rata simpangan adalah rata-rata hitung dari nilai absolut simpangan yang
dirumuskan :

i
RS = ∑ | Xi− X|
n

sedangkan simpangan terhadap median dapat dirumuskan :

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

PENGUKURAN DISPERSI DATA DIKELOMPOKKAN

Nilai Jarak

Untuk data yang berkelompok, nilai jarak (NJ) dapat dihitung dengan dua cara yaitu :

a) NJ = Nilai tengah kelas akhir - Nilai tengah kelas pertama

b) NJ = Batas atas kelas terakhir – Batas bawah kelas pertama

Simpangan Baku

Untuk data yang berkelompok dan sudah disajikan dalam tabel frekeunsi, rumus
simpangan baku populasi adalah :
 k

Mi = nilai tengah dari kelas ke-i, i = 1,2, . . . , k.

σ=
√ ∑ fi ( Mi−μ )2
i=1
N

atau

k k 2

dimana :
σ =c
√ ∑ fidi
i=1
N
2

± ( ) ∑ fidi
i=1
N
, untuk kelas interval yang sama

c = besarnya kelas interval

fi = frekeunsi kelas ke-i

di = deviasi = simpangan dari kelas ke-i terhadap titik asal asumsi

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.

Untuk data sampel diperoleh simpangan baku sampel dengan rumus :

√
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.

UKURAN KEMENCENGAN DAN KERUNCINGAN KURVA

Apabila kita mempunyai sekelompok data sebanyak n: X1,X2,....,Xn, maka yang

disebut momen dengan momen ke-r (Mr) adalah :

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

Untuk r = 1, maka M1 merupakan rata-rata hitung. Momen tersebut merupakan

terhadap titik asal, sedangkan momen terhadap rata-rata hitung adalah :

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

Untuk r = 2, maka M2 merupakan varians(kuadrat dari simpangan baku = S2). Momen

ketiga dan keempat yaitu M3 dan M4 bergunan untuk mengukur kemencengan (skewness)
dan keruncingan (kurtosis) dari suatu distribusi frekuensi.

Ukuran Kemencengan Kurva (Skewness)

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

Kurva Simetris Kurva Menceng ke Kiri Kurva Menceng ke Kanan

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.

Ukuran Keruncingan Kurva (Kurtosis)

Dilihat dari tingkat keruncingannya kurva distribusi frekeunsi dibagi menjadi 3 yaitu
mesokurtis, leptokurtis dan platykurtis yang bentuk kurvanya adalah :

Untuk menghitung tingkat keruncingan suatu kurva distribusi dipergunakan α 4,yaitu

moment coefficient of kurtosis yang rumusnya sebagai berikut :

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

BAB 7 ANALISIS KORELASI DAN REGRESI LINEAR SEDERHANA

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.

KOEFISIEN KORELASI DAN KEGUNAANYA

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

Cara menghitung r adalah sebagai berikut :

 n

∑ xi yi
i=1
r= n n

√∑ √∑i =1
x 2
i
i=1
y 2i

Dapat juga disebut dengan koefisien korelasi Pearson.

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

Koefisien korelasi anatar Rank dapat dihitung dengan rumus :

6 ∑ d 2i
1-
n ( n2−1 )

dimana di = selisih dari pasangan rank ke-i ;

n = banyaknya pasangan rank

rumus ini disebut rumus Spearman.

KOLERASI DATA KUALITATIF

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

TEKNIK RAMALAN DAN ANALISIS REGRESI

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.

Diagram Pencar (Scatter Diagram)

 Setelah ditetapkan bahwa terdapat dua hubungan logis diantara variabel, maka untuk
mendukung analisis lebih jauh, barangkali tahap selanjutnya adalah menggunakan grafik.
Grafik ini disebut Diagram Pencar, yang menunjukkan titik-titik tertentu. Setiap titik
memperlihatkan sesuatu hasil yang kita nilai sebagai variabel tak bebas (dependent) maupun
bebas (independent). Diagram Pencar ini memiliki dua manfaat yaitu :

(1) Membantu menunjukkan apakah terdapat hubungan yang bermanfaat antara dua
variabel,

(2) Membantu menetapkan tipe persamaan yang menunjukkan hubungan antara kedua
variabel tersebut.

Persamaan Regresi Liniear

Persamaan regresi linear dapat dihitung dengan rumus :

Y’ = a + b X

dimana

a = Y pintasan, (nilai Y’ bila X = 0)

b = kemiringan dari regresi atau koefisien regresi, yang mengukur besarnya

pengaruh X terhadap Y kalau X naik satu unit

X = nilai tertentu dari variabel bebas

Y’ = nilai yang diukur atau dihitung pada variabel tidak bebas

Penggunaan Persamaan Regresi dalam Peramalan

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:

Y’ = 1,02 + 5,14 (x)

BAB REGRESI LINEAR BERGANDA DAN REGRESI NONLINEAR

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

Apabila KKLB dikuadratkan, maka akan diperoleh koefisien penentuan (KP)

berganda, yaitu suatu nilai untuk mengukur besarnya sumbangan dari variabel X terhadap
variasi Y,dimana rumusnya adalah :

KP = R2y .12

Koefisien Korelasi Parsial

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

(Koefisien korelasi parsial X1 dan Y, kalau X2 konstan)

r 2 y −r 1 y r 12
r2y.1 = 2 2
√1−r √ 1−r
1y 12

(Koefisien korelasi parsial X2 dan Y, kalau X1 konstan)

r 12−r 1 y r 2 y
r12.y = 2 2
√1−r √ 1−r 1y 2y

(Koefisien korelasi parsial X1 dan X2, kalau Y konstan)

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)

TREND EKSPONENSIAL (LOGARITMA)

Trend Eksponensial sering dipergunakan untuk meramalkan junlah penduduk,

pendapatan nasional, produksi, hasil penjualan, dan kejadian-kejadian lain yang
perkembangan/pertumbuhannya meningkat secara geometris. Trend Eksponensial
mempunyai bentuk persamaan seperti Y’ = abx atau Y’ = aXb.

TREND EKSPONENSIAL YANG DIUBAH

Seperti yang telah diuraikan sebelumnya, trend eksponensial mempunyai persamaan

yang masing-masing melalui proses transformasi menjadi bentuk liniear dalam semi log dan
sepenuhnya log yaitu:

(semi log)

Y’0 = a0 + bo X Y’0 = log Y’

a0 = log a

b0 = log b

(log)

Y’0 = a0 + b X Y’0 = log Y’

a0 = log a

X0 = log X

Bentuk Y’ = abX dapat dikonversi dengan jalan menambah bilangan konstanta k.

Dengan demikian, persamaannya menjadi :

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

Trend Logistik biasanya dipergunakan untuk mewakili data yang menggambarkan

perkembangan / pertumbuhan yang mula-mula cepat sekali, tetapi kemudian melambat,
dimana kecepatan pertumbuhannya makin berkurang sampai tercapai suatu titik jenuh.
Contoh bentuk trend logistik adalah sebagai berikut :

k
Y’ =
1+ 10a+bX
, dimana : k,a dan b konstan, biasanya b < 0.

TREND GOMPERTZ

Trend Gompretz biasanya dipergunakan untuk meramalkan jumlah penduduk pada

usia tertentu. Bentuk daripada Trend ini adalah :

Y’ = kabX , dimana k,a, dan b konstan.

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.

BAB 9 ANALISIS DATA BERKALA

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).

(4) Gerakan/Variasi yang Tidak Teratur, yaitu gerakan/variasi yang sifatnya

sporadis, disimbolkan dengan I (irregular).

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 :

Metode Tangan Bebas

Adapun langkah-langkah yang digunakan dalam metode ini adalah :

(1) Buat sumbu tegak Y dan sumbu mendatar X,

(2) Buat Scatter Diagram, yaitu kumpulan titik-titik koordinat (X, Y); X = variabel
waktu,

(3) Dengan jalan observasi langsung terhadap bentuk Scatter Diagram.

Cara menarik Garis Trend dengan tangan bebas meruoakan cara yan paling mudah,
tetapi sifatnya sangat subjektif.

Metode Rata-rata Semi

Cara dengan metode ini memerlukan langkah-langkah sebagai berikut :

(1) Data dikelompok menjadi dua, masing-masing kelompok harus mempunyai

jumlah data yang sama,

(2) Masing-masing kelompok dicari rata-ratanya,

 (3)Titik absis harus dipilih dari variabel X yang berada di tengah masing-masing
kelompok,

(4)Titik koordinat terdiri dari b) dan c) dimasukkan kedalam persamaan Y =a+bX

Metode ini tidak memerlukan grafik, kita dapat mempreloeh nilai ramalan langsung
dari persamaan.

Metode Rata-rata Bergerak

Rata-rata bergerak sering dipergunakan untuk memuluskan fruktuasi yang terjadi

dalam data tersebut. Proses pemulusan ini disebut pemulusan data berkala. Apabila rata-
rata bergerak dibuat dari data tahunan atau bulanan sebanyak n waktu maka rata-rata
bergerak disebut rata-rata bergerak tahunan atau bulanan dengan orde n.

Metode Kuadrat Terkecil

Garis trend linear dapat ditulis sebagai persamaan garis lurus :

Y’ = a + bX

Di mana Y’ = data berkala (time seri data)

X = waktu

a dan b = bilangan konstan

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 −¿¿ ¿

BAB 10 INDEKS MUSIMAN DAN GERAKAN SIKLIS

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 :

1. Metode Rata-rata Sederhana (simple average method)

2. Metode Relatif Bersambung (link relative method)
Untuk menggunakan metode relatif bersambung, data bulanan yang asli mula-mula
dinyatakan sebagai presentase dari data pada bulan yang mendahuluinya. Persentase-
persentase yang didapat dengan cara demikian disebut relatif bersambung. Jadi, relatif
bersambung menghubungkan data pada bulan yang mendahuluinya. Dalam metode ini dapat
dihitung denga dua cara yaitu :

(1) Dengan menggunakan rata-rata,

(2) Dengan menggunakan median berdasarkan rata-rata.
3. Metode Rasio terhadap Trend (ratio to trend method)
Dalam metode ini, data asli untuk setiap bulan dinyatakan sebagai persentase dari
nilai-nilai trend bulanan. Rata-rata (median) dari persentase ini merupakan indeks musiman.
Apabila rata-rata indeks ≠ 100% atau jumlahnya tidak = 1.200%, perlu diadakan
penyesuaian.

4. Metode Rasio terhadap Rata-rata Bergerak (ratio to moving average

method)
Dalam metode ini, harus dihitung terlebih dahulu rata-rata bergerak selama 12 bulan.
Karena hasil perhitungan rata-rata bergerak 12 bulan ini terletak antara dua bulan yang
berdekatan, tidak terletak pertengahan bulan, maka harus dibuat rata-rata bergerak dua bulan
yang didasarkan atas data rata-rata bergerak 12 bulan tersebut. Yang terakhir ini sering
disebut rata-rata bergerak 12 bulan terpusat.

MENGHILANGKAN PENGARUH MUSIMAN DAN TREND

Apabila kita ingin menghilangkan pengaruh musiman terhadap data berkala, maka
setiap nilai (data asli) bulanan dari tahun ke tahun harus dibagi dengan indeks musiman.

GERAKAN SIKLIS DAN CARA MENGUKURNYA

Seperti kita ketahui, data berkala diberi simbol Y = TCSI. Apabila dibagi dengan S,
maka :

Y TCSI
=
S S

= TCI (bebas pengaruh musiman) yang kemudian kalau dibagi denagn T:

Y TCI
=
ST T

= CI (bebas pengaruh musiman dan trend).

MENEMUKAN UKURAN MUSIMAN DENGAN PENGGUNAAN REGRESI

BERGANDA

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.

BAB 11 ANGKA INDEKS

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 DAN AGREGATIF

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.

Rumus indeks harga sederhana (simple index) adalah:

Pt
I t ,0 = ×100 %
P0

Dimana: I t ,0 =indeks harga pada waktu t dengan waktu dasar 0

Pt =harga pada waktu t

P0 = harga pada waktu

 Rumus untuk menghitung indeks produksi sama seperti untuk menghitung indeks
harga hanya huruf p-nya saja diganti dengan q.

qt
I t ,0 = × 100 %
q0

Dimana: I t ,0 =indeks harga pada waktu t dengan waktu dasar 0

q t=harga pada waktu t

q0 = produksi dalam waktu 0

INDEKS AGREGATIF TIDAK TERTIMBANG

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

Indeks agregatif tertimbang ialah indeks yang dalam pembuatannya telah

dipertimbangkan faktor-faktor yang akan mempengaruhi naik turunnya angka indeks
tersebut.

Timbangan yang akan dipergunakan untuk pembuatan indeks biasanya :

1. Kepentingan Relatif (relative importance)

2. Hal-hal yang ada hubungannya atau ada pengaruhnya terhadap naik-turunnya
indeks tersebut.

Kelemahan dari Indeks ini adalah :

1. Satuan atau unit harga barang sangat mempengaruhi indeks harga.

2. Tidak memperhitungkan kepentingan relatif barang-barang yang tercakup dalam
pembuatan indeks.
INDEKS RATA-RATA HARGA RELATIF
Indeks rata-rata harga relatif dinyatakan oleh persamaan berikut:

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)

Dimana: L = indeks Laspeyres

pt =harga waktu t

p0=hargawaktu 0

q 0=harga waktu 0 , sebagai timbangan

I t ,0 =
∑ P0 q t ×100 %
∑ P0 q0
(rumus indeks produksi agregatif tertimbang)

Dimana: q t= produksi waktu t

q 0= produksi waktu 0

p0=hargawaktu 0 , sebagaitimbanga

P t , 0=
∑ Pt qt ×100 %
∑ P 0 qt
(rumus indeks harga agregatif tertimbang)

Dimana: P=indeks Paasche

 pt =harga waktu t

p0=hargawaktu 0

q t= produksi waktu t , sebagai timbanga

P t , 0=
∑ Pt qt ×100 %
∑ Pt q 0
(rumus indeks produksi agregatif tertimbang)

Dimana: q t= produksi waktu t

q 0= produksi waktu 0

Pt = harga waktu t, sebagai timbangan

VARIASI DARI INDEKS HARGA TERTIMBANG

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 %

Rumus lainnya dimunculkan oleh Drobisch yaitu :

L+ P
I=
2

∑ pt q 0 + ∑ p t qt
¿
( ∑ p0 q 0 ∑ p0 qt ) × 100 %

ANGKA INDEKS BERANTAI

Dalam membuat indeks berantai,terlebih dahulu harus ditentukan berapa satuan

waktu dasar. Rumus yang digunakan untuk mencapai Indeks Berantai yaitu :
 qt
I t ,t −1= ×100 %
qt −1
Dimana: q t=ekspor tah un t
q t−1=ekspor tahun t−1

Keuntungan menggunakan angka indeks ini adalah :

1. Memungkinkan kita untuk memasukkan komoditi-komoditi baru yang

diperlukan sebagai timbangan,
2. Apabila sudah dibuat indeks berantai dengan waktu dasar yang berubah-ubah,
kita dapat menurunkan dari indeks berantai tersebut suatu indeks pada tahun-
tahun tertentu dengan waktu dasar yang tetap.
PENENTUAN DAN PENGGESERAN WAKTU DASAR

Tujuan utama pembuatan angka indeks adalah untuk melakukan perbandingan

mengenai suatu kegiatan pada waktu yang berbeda. Ada beberapa syarat yang perlu
diperhatikan dalam menentukan waktu dasar yaitu :
1. Waktu sebaiknya menunjukakan keadaan perekonomian yang stabil, dimana
harga tidak berubah dengan cepat sekali.
2. Waktu jangan terlalu jauh dibelakang, usahakan paling lama 10 tahun atau
lebih baik kurang dari 5 tahun.
3. Waktu dimana terjadi peristiwa penting.
4. Waktu dimana tersedia data untuk keperluan timbangan.
Jika waktu dasar dari angka indeks dianggap sudah out of date karena sudah terlalu
lama atau terlalu jauh ketinggalan, maka perlu diadakan penggeseran waktu dasar (shifting
the base period). Ada dua cara untuk melakukan pergeseran, yaitu :

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

(indeks belum dinyatakan dalam persentase)

Dimana: I t ,0 =indeks waktu t dengan waktu dasar 0
I 0 ,t =¿ indeks waktu 0 dengan waktu dasar t

Sedangkan pada factor reversal test, langkah awal pengujiannya adalah mencari nilai.

v= p× q

Dimana: v=nilai

p=harga per satuan

q=banyaknya barang dalam satuan

Pendeflasian Data Berkala

Data berkala (time series data), menujukkan perkembangan mengenai kegiatan

dari waktu ke waktu. Untuk mendapatkan data berkala yang riil (real term), dan pendapatan
nyata (real wages,real income), angka-angka tersebut harus dibagi dengan indeks biaya
hidup (cost of living index).

BAB 12 PROBABILITAS

Menjelaskan tentang Probabilitas. Secara umum, probabilitas merupakan peluang bahwa

sesuatu akan terjadi. Secara lengkap, probabilitas didefenisikan sebagai berikut :

“Probability”is a measure of a likelihood of the occurance of a random event.

(Mendenhall dan Reinmuth, 1982)
 Terjemahan bebasnya:
“Probabilitas” ialah suatu nilai yang dipergunakan untuk mengukur tingkat
terjadinya suatu kejadian yang acak.
Dalam mempelajari probabilitas, ada 3 yang harus diketahui: eksperimen, hasil
(outcome), dan kejadian atau peristiwa (event).

PENDEKATAN PERHITUNGAN PROBABILITAS

Ada dua pendekatan dalam menghitung probabilitas yaitu pendekatan yang

bersifat objektif dan subjektif. Probabilitas objektif dibagi menjadi dua yaitu :

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

n = ukuran sampel (jumlah observasi)

2. Konsep Frekeunsi Relatif

Pendekatan yang mutakhir adalah perhitungan yang didasarkan atas limit dari
frekuensi relatif. Perhitungan probabilitaas dengan pendekatan frekuensi
relative yaitu:
fi
P ( X i ) =lim
n →∞ n
Dimana: f i = frekuensi relatif kejadian i
Xi = kejadian i
n = total jumlah observasi

Probabilitas Subjektif, didasarkan atas penilaian seseorang dalam menyatakan tingkat

kepercayaan. Hal ini biasanya terjadi dalam bentuk opini atau pendapat yang dinyatakan
dalam suatu nilai probabilitas.

KEJADIAN/PERISTIWA DAN NOTASI HIMPUNAN

 Hasil yang berbeda-beda dari suatu eksperimen disebut titik sample. Sedangkan
himpunan dari seluruh kemungkinan hasil disebut ruang sample. Ruang sample merupakan
himpunan hasil eksperimen. Suatu himpunan merupakan kumpulan yang lengkap atas
elemen-elemen sejenesi tetapi dapat dibedakan satu sama lain.

Hasil eksperimen dapat berbeda-beda, sehingga pada umumnya hasil eksperimen

bersifat acak, di mana kita sering menggunakan istilah variabel acak untuk maksud
perhitungan probabilitas terjadinya hasil suatu eksperimen.

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)

d. Hukum distributif (Distributive Law)

A ∩ ( B∪C )=( A ∩ B ) ∪ ( A ∩ C )
A ∪ ( B ∩C )=( A ∪ B ) ∩( A ∪C)

e. Hukum identitas (Identity Law)

Ada himpunan ∅ dan S yang unik, sedemikian rupa sehinggauntuk setiap himpunan A
selalu berlaku persamaan A ∩ S= A dan A ∩ ∅=A . ∅=¿ himpunan kosong.

f. Hukum komplementasi (Complementation Law)

 g. Bersesuaian dengan setiap himpunan A ada himpunan A,
yang unik sedemikian rupa sehingga A ∩ A=∅ dan A ∪ A=S .
BEBERAPA ATURAN DASAR PROBABILITAS

1. Aturan Penjumlahan
Untuk menerapkan aturan penjumlahan ini, harus dilihat dari jenis kejadiannya
apakah bersifat saling meniadakan (mutually exclusive) atau tidak saling meniadakan.

a. Kejadian saling meniadakan

Disebut juga dengan penjumlahan khusus yang dapat diartikan bahwa kejadian
dimana jika sebuah kejadian terjadi, maka kejadian yang kedua adalah kejadian yang 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 :

a. Kejadian Tak Bebas / Bersyarat

Adalah probabilitas terjadinya kejadian A dengan syarat bahwa B sudah terjadi atau
akan terjadi. Pada umumnya probabilitas bersyarat dirumuskan sebagai berikut :

P ( A ∩B)
P (B/A) ¿
P( A)
P ( A ∩B)
P (A/B) ¿
P(B)

b. Probabilitas Kejadian Interseksi

Rumus yang digunakan dalam probabilitas ini adalah :

P ( A ∩ B )=P ( A ) P(B/A) =P(B)P(A/B)

3. Kejadian Bebas (Independent Event)
 Dua kejadian atau lebih dikatakan merupakan kejadian bebas apabila terjadinya
kejadian tersebut tidak saling. Dua kejadian A dan B dikatakan bebas, apabila kejadian A
tidak mempengaruhi atau sebaliknya.

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.

1.Distribusi Frekuensi Relatif

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.

2.Distribusi Frekuensi Kualitatif

Kelas-kelas yang tidak kuantitatif dinamakan kelas kualitatif.

Penyajian Distribusi Frekuensi Dengan Grafik

Bentuk penyajian grafik yang populer dari seperangkat data adalah

 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.

3.Distribusi Frekuensi Kumulatif

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.

Jenis Kurva Frekuensi

 Kurva distribusi frekuensi dalam praktik memiliki bentuk dengan ciri-ciri yaitu:

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.

4. U dengan ciri bahwa kedua ujung kurva memiliki frekuensi maksimal.

5. Bimodal bila memiliki dua maksimal.

6. Multimodal bila mempunyai lebih dari dua maksimal.

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

Ukuran Penyebaran,Kecondongan,dan Ketinggian

Penyebaran

Ukuran penyebaran mengukur penyimpangan nilai data disekitar nilai rata-ratanya.Deviasi

menunjukkan berapa banyak suatu nilai berbeda dari rata-rata hitungnya.Standar deviasi
dapat dicapai dengan cara langsung dan short cut.

Ketidaksamaan Chebyshev memiliki keuntungan yaitu penerapannya yang bersifat

umum,dan kelemahannya terletak pada kata sekurng-kurangnya,yang tidak khusus,misal
sekurang-kurangnya 75% berarti dapat berkisar dari 75% sampai 100%.Disamping standar
deviasi ada banyak ukuran penyebaran lain seperti range,mean,absolute deviation dan
interquarill range.

Kecondongan

Menunjukkan penyimpangan dari bentuk distribusi simetris.Jika distribusi frekuensi

mempunyai ekor kanan yang lebih panjang dibanding ekor kiri,maka dikatakan distribusi
condong kekanan atau memiliki kecondongan positif,jika sebaliknya dikatakn condong kekiri
atau memiliki kecondongan negatif.

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

Indeks Harga Tertimbang,perhitungan angka indeks harga tak tertimbang menganggap

bahwa perubahan harga masing-masing mempunyai peranan yang sama penting terhadap
perubahan harga keseluruhan.

Indeks harga agregat tertimbang

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.

Indeks harga rata-rata relatif tertimbang

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

Analisis Time Series dan Spektral

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.

Trend Kuadratis (persamaan trend yang tidak linier).Trend Eksponensial,bentuk umum

persamaan trend eksponensial adalah : Yt=a(1+b)t-t atau dalam bentuk tahun kode,

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:

 Hitunglah rata-rata dari sebanyak n nilai data yang paling awal

 Lupakan nilai data yang pertama
 Ulangi tahap no.1 dan no.2 sampai data yang terakhir telah digunakan.

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.

BAGIAN II PROBABILITAS DAN TEORI KEPUTUSAN SECARA STATISTIK

BAB 6

Probabalitas : Konsep-Konsep Dasar

Secara aksiomatis dimana probabilitas merupakan suatu ukuran yang menunjukkan tingkat
keyakinan atas terjadinya suatu persoalan.

Peristiwa,Percobaan,dan Ruang Sampel

Probabilitas dinyatakan dalam pecahan (1/4,1/2,3/4)atau persen (25%,75%,80%)dan

besarnya antara 0 dan 1.Dalam teori probabilitas suatu peristiwa adalah hasil (outcome) yang
mungkin dari suatu kegiatan.Kegiatan yang menghasilkan suatu peristiwa yang dinamakan
percobaan (experiment).

Tiga pendekatan probabilitas yaitu pendekatan klasik,pendekatan frekuensi relatif dan

pendekatan subjektif.Peristiwa bersama adalah terjadinya dua atau lebih peristiwa dalam satu
percobaan.Peristiwa Mutually Exclusive atau disjoint yaitu jika hanya satu dari dua (atau
lebih)peristiwa yang dapat terjadi.

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

Distribusi Probabilitas Diskrit

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

Distribusi Normal : Suatu Distribusi Variabel Random Kontinu

Ciri-ciri distribusi normal yaitu :

1.Kurvanya mempunyai puncak tunggal

2.Kurvanya terbentuk seperti lonceng

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.

Dalam distribusi probabilitas variabel diskrit,probabilitas suatu nilai variabel ditunjukkan

oleh panjang garis tegak lurus diatasnya,sehingga jumlah panjang garis tegak lurus diatasnya
harus =1.
BAB 9

Teori Keputusan

Keputusan dalam Suasana Risk

Dalam pengambilan keputusan dalam suasan risk,pertama kali harus diidentifikasikan

bermacam-macam tindakan yang tersedia dan layak.Kriteria yang paling sering digunakan
dalam pengambilan keputusan adalah expected value,untuk rata-rata tertimbang pay off,yaitu
jumlah dari pay off untuk setiap tindakan dikalikan probabilitas peristiwa yang bersangkutan,

Expected Opportunity Loss yaitu untuk mengevaluasi keputusan dalam suasana

risk,opportunity loss dihitunh untuk setiap peristiwa dengan pertama kali megidentifikasikan
tindakan terbaik untuk setiap peristiwa.Expected Value of Perfect Information adalah
perluasan dari kriteria EV.

Keputusan Dalam Ketidakpastian

Kriteria Laplace,menyarankan bahwa karena probabilitas peristiwa tak

diketahui,seharusnya diasumsikan bahwa semua peristiwa mempunyai kemungkinan yang
sama untuk terjadi. Kriteria Maximin,mengatakan hasil terkecil untuk setiap alternatif
dibandingkan dan alternatif yang menghasilkan nilai maksimum dan hasil. Kriteria
maximax,didasarkan pada asumsi optimisme pengambil keputusan.Kriteria Hurwicz dan
Kriteria Regret

BAGIAN 3 STATISTIKA INFERENSI

BAB 10

Metode Sampling dan Distribusi Sampling

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

Teori Pendugaan secara Statistik

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 Secara Statistik

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.

Anova (analysis of variance),Analisis varians ini menggunakan distribusi F dan pengujian

dilakukan searah atas,dikembangkan oleh R.A.Fisher.

BAB 13

Analisis Regresi dan Korelasi Linier Sederhana

Analisis regresi bertujuan untuk menduga persamaan regresi,sedangkan dalam analisis

korelasi meliputi dan aspek.Pertama,mengukur kesesuaian garis regresi terhadap data sampel
atau disebut koefisien determinasi,dan yang kedua mengukur keeratan hubungan antar
variabel atau disebut koefisien korelasi.

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

Analisis Regresi dan Korelasi Linier Majemuk

Bentuk umum garis regresi populasi tiga variabel yaitu dapat dituliskan sebagai berikut:

E (X1 dimana X2,X3)=B1,23+B12,3X2+B13,2 X3.Untuk menduga koefisien regresi parsial,kita

menggunakan metode Least squarest.

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.

Penyimpangan beberapa asumsi regresi model klasik yaitu ada multicolinearity,terdapat

hubungan yang sempurna antar variabel bebas yang mengakibatkan varians koefiseien regresi
sampel mempunyai nilai tak terbatas sehingga koefisien regresi akan tidak signifikan berbeda
dari nol.Autokorelasi,dapat terjadi baik pada regresi sederhana maupun regresi majemuk,dan
Heteroscedasticity yang berarti varians error term tidak sama untuk setiap observasi,sering
dijumpai dalam data cross section dibanding data time series,dan dapat terjadi baik pada
regresi dua variabel maupun regresi majemuk.

BAB 15

Distribusi Chi-Square (X)2

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

Pengujian Non Parametrik

Uji non-parametrik dapat diterapkan dalam situasi seperti berikut:

1. Jika ukuran sampel begitu kecil sehingga distribusi normal,dan jika tidak ada asumsi
mengenai bentuk distribusi populasi dari mana sampel diambil.

2. Jika digunakan data urutan atau data ordinal

3. Jika digunakan data nominal.

Uji tanda (sign tes)memperhatikan arah perbedan dan bukan besarnya perbedaan-
perbedaan.Uji tanda dengan ukuran sampel kecil dan dengan sampel besar.

Dalam Uji urutan bertanda Wilcoxon,prosedur pengujiannya yaitu:

1. Menentukan H0 dan H1

2. Menentukan nilai krisis

3. Menentukan nilai test statistik

4. Membuat keputusan secara statistik.

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

a. Keterkaitan Antar BAB

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

KESIMPULAN DAN SARAN

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