Statistik & Data

Definisi Statistik

a. Statistik berarti data ringkasan berbentuk angka

b. Statistik adalah suatu ilmu yang mempelajari cara pengumpulan,
pengolahan/pengelompokan, penyajian, dan analisis data serta cara pengambilan
kesimpulan secara umum berdasarkan hasil penelitian yang tidak menyeluruh
c. Statistika adalah ilmu dan seni pengembangan dan penerapan metode yang paling
efektif untuk kemungkinan salah dalam kesimpulan dan estimasi dapat diperkirakan
dengan menggunakan penalaran induktif berdasarkan matematika probabilitas

Jenis statistik

a. Statistik deskriptif
bagian statistika yang mempelajari cara penyusunan dan penyajian data yang
dikumpulkan

b. Statistik induktif
mempelajari tata cara penarikan kesimpulan

Fungsi statistik
a. Keperluan rutin
b. Dasar pengambilan keputusan
c. Metode untuk mengembangkan ilmu lainnya melalui riset

Definisi data

Data adalah sesuatu yang dianggap atau diketahui, yang dapat memberikan gambaran
tentang suatu keadaan atau persoalan

Fungsi data

a. Dasar perencanaan
b. Alat pengendali
c. Dasar evaluasi
Syarat data yang baik
a. Objektif
b. Representatif
c. Kesalahan baku kecil
d. Tepat waktu
e. Relevan

Istilah pokok

a. Elemen: unit terkecil dari objek penelitian

cth: orang, perusahaan, dll.
b. Karakteristik: sifat atau ciri yang dimiliki elemen
cth karakteristik dari elemen orang adalah tinggi badan, berat, dll.
c. Variabel: sesuatu yang nilainya dpt berubah-ubah
cth : harga barang, produksi padi, dll.
d. Populasi: kumpulan dari seluruh elemen sejenis tetapi dapat dibedakan satu sama
lainnya.
e. Sampel: bagian dari populasi.

Metode pengumpulan data

a. Sensus yaitu pengumpulan data dimana seluruh elemen populasi diselidiki.

Cth: sensus penduduk, sensus ekonomi

b. Sampling yaitu cara pengumpulan data dimana yg diselidiki adalah elemen dari
suatu populasi.

Dpt dilakukan dg cara :

 random (acak),
 non-random (tidak acak).

Alat pengumpulan data

a. Kuisioner, dengan menggunakan daftar pertanyaan yang sistematis dan standar.

b. Wawancara, dengan mengajukan sejumlah pertanyaan secara langsung ke
responden.
c. Observasi atau pengamatan langsung
d. Metode lain seperti telepon, pos, internet
 Pengelompokan data
a. Berdasarkan sifat:
 Data kuantitatif: Data yang dinyatakan dalam bentuk angka (numeris)
 Data kualitatif: Data yang tidak dinyatakan dalam bentuk angka
(nonnumeric)

b. Berdasarkan sumber:
 Data internal: Data yang bersumber dari keadaan atau kegiatan suatu
organisasi atau kelompok
 Data eksternal: Data yang berdasar dari luar organisasi atau kelompok

c. Berdasarkan cara perolehan:

 Data primer: data yang dikumpulkan dan diolah sendiri oleh suatu
organisasi dari objeknya
 Data sekunder: data yang diperoleh dalam bentuk jadi yang diolah oleh
pihak lain

d. Berdasarkan waktu
 Data cross section: data yang dikumpulkan dalam suatu periode tertentu
 Data time series: data yang dikumpulkan secara berkala dari waktu ke
waktu

Pengolahan data
Proses untuk memperoleh data/angka ringkasan berdasarkan data mentah yang
diperoleh dari pengumpulan data dapat dilakukan dengan 2 cara, yaitu:

a. Cara manual, untuk data yang sedikit dan sederhana

b. Cara elektronik, untuk data yang banyak dan beragam dengan memakai tools
seperti Ms. Excell, Minitab, EVIEWS, SPSS, dan STATA.
 Penyajian data
a. Macam-macam table
 Tabel Satu Arah (Tabel Baris Kolom): memuat satu karakteristik saja
 Tabel Dua Arah (Tabel Kontingensi): menunjukkan dua
hubungan/karakteristik
 Tabel Tiga Arah: menunjukan tiga karakteristik

b. Macam-macam grafik
 Grafik garis
 Grafik batang
 Grafik lingkaran
 Grafik peta
 Grafik gambar
 Grafik daun

Dasar matematika dalam statistika:

a. Notasi sigma
b. Fungsi dan penggambarannya
c. Aturan pembulatan

Distribusi Frekuensi

Distribusi frekuensi

Distribusi Frekuensi yaitu pengelompokan data ke dalam beberapa kelompok

(kelas) dan kemudian dihitung banyaknya data yang masuk ke dalam tiap kelas

Jenis Distribusi Frekuensi:

a. Distribusi Frekuensi Data Kualitatif

b. Distribusi Frekuensi Data Kuantitatif

Bagian bagian distribusi frekuensi

a. Kelas-kelas (class): Kelas adalah kelompok nilai data atau variabel

b. Batas kelas (class limits): Batas kelas adalah nilai-nilai yang membatasi kelas
yang satu dengan kelas yang lain. Terdapat dua batas kelas, yaitu:
 Batas kelas bawah (lower class limits),
 terdapat di deretan sebelah kiri setiap kelas;

 Batas kelas atas (upper class limits),

terdapat di deretan sebelah kanan setiap kelas

c. Tepi kelas (class boundary/real limits/true class limits)

Terdapat dua tepi kelas, yaitu:

 tepi bawah kelas = batas bawah kelas – 0,5

 tepi atas kelas = batas atas kelas + 0,5

d. Titik tengah kelas atau tanda kelas (class mid point, class marks)

Titik tengah = ½ (batas atas kelas + batas bawah kelas)

e. Interval kelas (class interval)

Interval kelas adalah selang yang memisahkan kelas yang satu dengan kelas
yang lain.

f. Panjang interval kelas atau luas kelas (interval size)

Panjang interval kelas adalah jarak antara tepi atas kelas dan tepi bawah kelas.

g. Frekuensi kelas (class frequency)

Frekuensi adalah banyaknya data yang termasuk ke dalam kelas tertentu.

Cara membuat table distribusi frekuensi kuantitatif

1) Tentukan Range atau jangkauan data (r)

R = nilai max – nilai min

2) Tentukan banyak kelas (k)

Rumus Sturgess :

k=1+3,322 log n

3) Tentukan lebar kelas (c) c=r/k

4) Menentukan frekuensi

5) Menentukan nilai tengah kelas

*) Untuk banyak kelas & lebar kelas, salah satu atau keduanya tidak harus
mengikuti aturan pembulatan yg berlaku. Hal ini disesuaikan dg kebutuhan kelas yg
tersedia.
Contoh 1:

Data hasil ujian akhir Mata Kuliah Statistika dari 60 orang mahasiswa

1. Jangkauan

Data terkecil = 10 dan Data terbesar = 98

R = 98 – 10 = 88

2. Banyak kelas (k) = 1 + 3,3 log 60 = 6,8

Jadi banyak kelas adalah sebanyak 7 kelas

3. Lebar kelas (c) = 88 / 7 = 12,5 mendekati 13

4. Kelas yang terbentuk: 10-22; 23-35; 36-48; 49-61; 62-74; 75-87; 88-100

Contoh 2:

Distribusi Frekuensi Nilai Ujian Akhir Mata Kuliah Statistika

 Histogram dan Poligon Frekuensi Nilai Ujian Akhir Mata Kuliah Statistika

Distribusi frekuensi relative dan kumulatif

 Distribusi frekuensi relatif

ringkasan dalam bentuk tabel dari sekelompok data yang menunjukkan frekuensi
relatif bagi setiap kelas

 Distribusi frekuensi persentase

ringkasan dalam bentuk tabel dari sekelompok data yang menunjukkan frekuensi
relatif bagi setiap kelas

 Distribusi frekuensi kumulatif

1. distribusi frekuensi kumulatif kurang dari

Tabel distribusi frekuensi kumulatif kurang dari

Ogif distribusi frekuensi kurang dari

Distribusi frekuensi kumulatif lebih dari

Tabel distribusi frekuensi kumulatif lebih dari

Ogif distribusi frekuensi kumulatif lebih dari

Ogif kumulatif
Ukuran pemusatan

Jenis ukuran statistik

a. Ukuran Pemusatan/Tendensi Sentral

 Rata-rata
 Median
 Modus

 Ukuran Letak/Posisi

 Kuartil (quartiles)
 Desil (deciles)
 Persentil (percentiles)

 Ukuran Penyebaran/Dispersi

 Jarak
 Simpangan Baku
 Koefisien Variasi
 Ukuran Kemencengan
 Ukuran Keruncingan

Ukuran pemusatan

1. Rata-rata (mean)
a. Data tunggal

X1  X 2  ...  X n X
X 
n n

Contoh:
Jika sebuah seri pengamatan terhadap panjang 10 buah tongkol jagung (dalam cm)
adalah
24 21 25 26 24 23 19 20 20 20
b. Data kelompok
f1X1  f 2 X 2  ...  f n X n fX
X 
f1  f 2  ...  f n f
a. Dengan table distribusi frekuensi

fX 3937
X   65,62
f 60

b. Dengan kode (U)

 fU   49 
X  X0  c    55  13    65,62
 f   60 
2. Median

a. Data tunggal

Letak median = (n+1)/2

-Median data ganjil terletak di tengah,

-Median data genap adalah rata-rata dari dua data yang terletak di tengah.
b. Data berkelompok
n 
 -F
Med  L 0  c  2 
 f 
 
 

L0 = batas bawah kelas median

F = jumlah frekuensi semua kelas sebelum median
f = frekuensi kelas median

Contoh:

a. Data tunggal

Untuk set 4, 5, 2, 3, 7, 8, 4, 1, 12, mediannya dicari sebagai berikut.

Aturlah nilai pengamatan menurut ranking, yaitu
1 2 3 4 4 5 7 8 12

Jawab:

n=9
Letak median:
(9+1) / 2 = 5
Data ke 5 adalah 4, jadi mediannya adalah 4

b. Data berkelompok

Letak median ada pada data ke 30,

yaitu pada interval 62-74, sehingga :

L0 = 61,5

F = 20

f = 14

 60 
 - 20 
Med  61,5  13  2   70,78
 14 
 
 
Modus

a. Data tunggal
Cari data dengan frekuensi terbanyak

b. Data berkelompok
 f 
Mod  L 0  c  1 
 f1  f 2 
L 0  batas bawah kelas modus
f1  selisih antara frekuensi kelas modus dengan
frekuensi tepat satu kelas sebelum kelas modus
f 2  selisih antara frekuensi kelas modus dengan
frekuensi tepat satu kelas sesudah kelas modus

Contoh:

 7 
Mod  74,5  13    78,46
 7  16 

Hubungan empiris mean, median, dan modus

Rata-rata hitung-Modus = 3 (Rata-rata hitung-Median)


X - Mod  3 X  Med 
Ukuran letak

a. Kuartil

Data tunggal

Qi  nilai yang ke i
 n  1
4
n = jumlah data

Data berkelompok
in
 (  fi ) 
Qi  Bi  4 C
fQi

Bi = tepi bawah kelas kuartil

n = jumlah semu frekuensi
(  fi ) 
= jumlah frekuensi semua kelas sebelum kelas kuartil
C = panjang interval kelas
fQi = frekuensi kelas kuartil

b. Desil

Data tunggal

Di  nilai yang ke i
 n  1
10
n = jumlah data

Data berkelompok

in
 (  fi ) 
Di  Bi  10 C
fDi
Bi = tepi bawah kelas desil
n = jumlah semu frekuensi
(  fi ) 
= jumlah frekuensi semua kelas sebelum kelas desil
C = panjang interval kelas
fDi = frekuensi kelas desil

Persentil
 Pi  nilai yang ke i
 n  1
100

n = jumlah data

in
 (  fi ) 
Pi  Bi  100 C
fPi
Bi = tepi bawah kelas persentil

n = jumlah semu frekuensi

(  fi ) 
= jumlah frekuensi semua kelas sebelum kelas persentil

C = panjang interval kelas

fPi = frekuensi kelas persentil

Ukuran penyebaran

Jarak

Data tunggal

Jarak = nilai max – nilai min

Data berkelompok

Jarak = Nilai tengah kelas terakhir – nilai tengah kelas pertama

Jarak = Batas atas kelas terakhir – batas bawah kelas pertama
Rata-rata simpangan

Simpangan terhadap rata-rata

Xi = nilai data ke-i

X = rata-rata
Simpangan terhadap median

med 
Xi = nilai data ke-i
Med = median

Data berkelompok

Fi = frekuensi data ke-i

Xi = nilai data ke-i
X = rata-rata

Simpangan baku

Koefisien variasi

Untuk sampel
s
kv = x 100%
x
s = simpangan standar
x = rata-rata

Untuk populasi

σ
KV = x 100%
μ

σ = simpangan standar
μ = rata-rata
Ukuran kemencengan (skewness)

Ukuran tingkat kemencengan (TK) menurut pearson:

X−mod
TK =
s

(x ¿−med)
TK = 3 ¿
s

Ukuran tingkat kemencengan (TK) berdasarkan momen ketiga:

Ukuran keruncingan kurva (kurtosis)

Korelasi

Analisis korelasi dan regresi linear

Variabel bebas (X): Variabel yang mempengaruhi variabel lain

Variabel terikat (Y): Variabel yang dipengaruhi variabel lain

Hubungan variabel
Positif: Apabila kenaikan/penurunan X diikuti dengan
kenaikan/penurunan Y
Negatif: Apabila kenaikan/penurunan X diikuti dengan
penurunan/kenaikan Y

Koefisien korelasi pearson:

Nilai koefisien korelasi (r) ini diantara 1 dan -1

r=1 : hubungan x dan y sempurna dan positif

r = -1 : hubungan x dan y sempurna dan negatif

r=0 : tidak ada hubungan antara x dan y

r ~ ±1 : hubungan x dan y sangat kuat dan +/-

r~0 : hubungan x dan y sangat lemah dan +/-

Koefisien relasi data berkelompok:

n  uvf     uf u   vf v 
r
 
n  u 2 f u    uf u 
2
 
n  v 2 f v    vf v 
2

Koefisien penentu (KP):

KP  r 2
Contoh:

1. Data tidak berkelompok

n n n
n  X i Yi   X i  Yi
r i 1 i 1 i 1
2 2
n
 n
 n
 n 
n  X i2    X i  n  Yi2    Yi 
i 1  i 1  i 1  i 1 
 8(499)-(50)(62)
r=
8(420)-(50)2 8(598)-(62)2
892
r= =0, 99209 » 0, 99
860 940

KP= r2

KP = (0,99)2

= 0.9801

Interpretasi = hubungan sangat kuat

2. Data tidak berkelompok

Dari 100 mahasiswa sebagai sampel yang ikut tes matematika dan statistika, akan
diselidiki seberapa besar pengaruh nilai matematika terhadap nilai statistika.
Hasilnya sebagai berikut. Berapakah koefisien korelasinya dan koefisien
penentunya?

Kode v Frekuensi statistika

Kode u
Frekuensi matematika
r=
( å uvf ) - ( å uf ) ( å vf )
n u v

n ( å u f ) - ( å uf ) n ( å v f ) - ( å vf )
2 2
2 2
u u v v

100125   64  55

r
100 236    64  100 253    55
2 2

 0,7686  0,77

KP = r2
KP = (0,77)2

Korelasi data kualitatif

Contigency Coefficient (Koefisien Bersyarat)

dengan rumus:

2 ( r  1)
Cc   Cc ( maks ) 
2 n r
p q p q p q
n    f ij   ni.   n. j    nij
i 1 j 1 i 1 j 1 i 1 j 1

2  
p q
f ij  eij 
2

i 1 j 1 eij
 Nilai korelasi data kualitatif:

Diperoleh dengan membandingkan antara Cc dan Cmax.

Jenis hubungan:

1. Hubungan lemah (Cc /Cmax < 0,5)

2. Hubungan sedang/cukup (0,5 < Cc /Cmax < 0,75)

3. Hubungan kuat (0,75 < Cc /Cmax < 0,9)

4. Hubungan sangat kuat (0,9 < Cc /Cmax < 1)

5. Hubungan sempurna (Cc /Cmax = 1)

Pendidikan Konsumsi
Kurang Cukup Sangat cukup
(1) (2) (3) (4)
Tidak tamat SLTA 82 65 12
Tamat SLTA 59 112 24
Pernah masuk 37 94 42
perguruan tinggi
 n 1.n 3 (159)(78)
e 13= =
n 527

n 3.n 3 (173)(78)
e 33= =
n 527

ANGKA INDEKS
Konsep

 Angka indeks adalah angka yang dibuat sedemikian rupa sehingga dapat dipergunakan untuk
melakukan perbandingan antara kegiatan yang sama (produksi, ekspor, hasil penjualan, jumlah uang
beredar, dll) dalam waktu yang berbeda.
Tujuan

 Dari angka indeks dapat diketahui maju mundurnya atau naik turunnya suatu usaha atau
kegiatan.
 Tujuan pembuatan angka indeks adalah untuk mengukur secara kuantitatif terjadinya
perubahan dalam dua waktu yang berlainan.
 Misalnya indeks harga untuk mengukur perubahan harga (berapa kenaikannya atau
penurunannya), indeks produksi untuk mengetahui perubahan yang terjadi dalam kegiatan produksi,
indeks biaya hidup untuk mengukur tingkat inflasi, dll.
Dalam membuat angka indeks diperlukan dua macam waktu, yaitu:

1. Waktu dasar (base period)

Waktu dasar adalah waktu dimana suatu kegiatan (kejadian) dipergunakan sebagai dasar
perbandingan.

2. Waktu yang bersangkutan atau sedang berjalan (current period)

Waktu yang sedang berjalan adalah waktu dimana suatu kegiatan (kejadian) dipergunakan sebagai
dasar perbandingan terhadap kegiatan (kejadian) pada waktu dasar.

Jenis (Cara Penentuan)

1. Indeks Tidak Tertimbang

Indeks tidak berimbang dalam pembuatannya tidak memasukkan faktor yang mempengaruhi naik-
turunnya angka indeks.
a. Metode Angka Relatif
b. Metode Agregat
c. Metode Rata-Rata Relatif
2. Indeks Tertimbang
Indeks tertimbang memasukkan faktor yang mempengaruhi naik-turunnya angka indeks.
a. Metode Agregat Sederhana Tertimbang
b. Metode Laspeyres
c. Metode Paasche
d. Metode Drobisch
e. Metode Irving Fisher
f. Metode Marshall – Edgeworth

INDEKS HARGA RELATIF SEDERHANA

Konsep

Indeks harga relatif sederhana (simple relative price index) ialah indeks yang terdiri dari satu macam
barang saja, baik untuk indeks produksi maupun indeks harga (misalnya indeks produksi beras, indeks
produksi karet, indeks produksi ikan, indeks harga beras, indeks harga karet, indeks harga ikan, dsb).

Rumus

Pt qt
It , 0= ×100 % It , 0= ×100 %
Po qo

It,0 = indeks harga atau produksi pada waktu t dengan waktu dasar 0

Pt = harga pada waktu t

P0 = harga pada waktu 0

qt = produksi pada waktu t

q0 = produksi pada waktu 0

INDEKS AGREGATIF TIDAK TERTIMBANG
Konsep

Indeks agregatif tidak tertimbang digunakan untuk unit-unit yang mempunyai satuan yang sama. Indeks
ini diperoleh dengan membagi hasil penjumlahan harga pada waktu yang bersangkutan dengan hasil
penjumlahan harga pada waktu dasar.

Rumus

It , 0=
∑ Pt ×100 % It , 0=
∑ q t ×100 %
∑ Po ∑ qo
It,0 = indeks harga atau produksi agregatif tak tertimbang pada waktu t dengan waktu dasar
0

Pt = harga pada waktu t

P0 = harga pada waktu 0

qt = produksi pada waktu t

q0 = produksi pada waktu 0

INDEKS AGREGATIF TERTIMBANG

Konsep

Indeks agregatif tertimbang adalah indeks yang dalam pembuatannya telah dipertimbangkan faktor-
faktor yang akan mempengaruhi naik turunnya angka indeks tersebut.

Timbangan yang akan digunakan untuk pembuatan indeks biasanya:

1. Kepentingan relatif (relative importance).

2. Hal-hal yang berhubungan atau berpengaruh dengan naik turunnya indeks tersebut.
Rumus

It , 0=
∑ Pt Q o ×100 %
∑ Po Q o
It,0 = indeks agregatif tertimbang pada waktu t dengan waktu dasar 0

Pt = harga agregat pada waktu t

P0 = harga agregat pada waktu 0

Q0 = produksi agregat pada waktu 0

INDEKS RATA-RATA HARGA RELATIF
Rumus
P
It , o=
1
n [ ∑ P t ×100 %
o
]
It,0 = indeks rata-rata haga relatif

Pt = harga pada waktu t

P0 = harga pada waktu 0

n = banyaknya jenis barang

ANGKA INDEKS TERTIMBANG (LASPEYRES)

 Rumus Indeks Harga Agregatif Tertimbang

IL = Indeks Laspeyres
P t Qo ∑
Pt= IL harga waktu×100
t %
t , o=
Po = P oharga
Qo waktu 0 ∑
Qo = produksi waktu 0
 Rumus Indeks Produksi Agregatif Tertimbang
IL =
ILt , o =
∑ P Indeks
o Qt
Laspeyres
×100 %
Qt = ∑ P oproduksi
Qo waktu t

Qo = produksi waktu 0

Po = harga waktu 0

ANGKA INDEKS TERTIMBANG (PAASCHE)

 Rumus Indeks Harga Agregatif Tertimbang

IP = ∑ PIndeks Paasche
t Qt
IPt , o = ×100 %
Pt= harga Po Q t t
∑waktu
Po = harga waktu 0

Qo = produksi waktu 0
 Rumus Indeks Produksi Agregatif Tertimbang
IP = Indeks Paasche
∑ Pt Q t
IP=t , o = produksi×100 %
Qt ∑ Pt Qo waktu t
Qo = produksi waktu 0

Po = harga waktu 0
VARIASI DARI INDEKS HARGA TERTIMBANG

 Rumus Irving Fisher

I = √Lx P
PtQo x PtQt
I=
√ PoQo x PoQt
 Rumus Drobisch
L+ P
I=
2
∑ PtQo + ∑ PtQt x 100%
I=
(
∑ PoQo ∑ PoQt )

Indeks musiman
Gerakan musiman adalah gerakan yang teratur sehingga fluktuasinya terjadi
pada waktu-waktu yang sama atau sangat berdekatan. Disebut gerakan musiman
karena terjadinya bertepatan dengan pergantian musim dalam suatu tahun.
Misalnya:
 Naik-turunnya produksi karet tiap bulan dari tahun ke tahun
 Naik-turunnya jumlah orang ke luar negeri
Untuk menunjukkan ada / tidaknya gerakan musiman, perlu dibuat indeks
musiman. Ada beberapa metode untuk menghitung angka indeks musiman,
antara lain:
 Metode rata-rata sederhana
 Metode relatif bersambung
 Metode rasio terhadap trend
 Metode rasio terhadap rata-rata bergerak
 

Metode rata-rata sederhana

o Pengambilan nilai rata-rata untuk mewakili bulan tertentu
o Indeks musiman adalah presentase dari nilai rata-rata bulanan
dibagi dengan total rata-rata selama satu tahun yang dikalikan 12
bulan
o Total presentase harus 100%
Tabel Produksi Gas Indonesia
Bulan Harga Rata-rata Persentase (%) terhadap Total Indeks Musiman
dari Kolom (2)

(1) (2) (3) (4)

Januari 270.682,50 8,7805 105,37
270.682,50
Februari 255.098,50 8,2750 99,30 x 100 %
3.083 .751
Maret 267.937,75 8,6915 104,30 =

April 246.384,25 7,9923 95,91 8,7805 x 12 bulan

Mei 249.914,25 8,1069 97,28
Juni 237.901,00 7,7172 92,61
Juli 254.677,00 8,2614 88,14
Agustus 264.228,75 8,5712 99,14
September 244.204,75 7,9216 102,85
Oktober 255.756,25 8,2964 95,06
Nopember 259.450,25 8,4162 99,56
Desember 276.516,25 8,9698 107,64
Jumlah 3.083.751 100,00 1.200,00

o
Metode relatif bersambung
o Metode relatif bersambung menghubungkan dengan data pada bulan yang
mendahuluinya
o Presentase angka relatif dari bulan tertentu dapat dicari dengan membagi
data pada bulan tersebut dengan bulan yang mendahuluinya kemudian
dikali dengan 100%

Bulan 1995 1996 1997 1998

(1) (2) (3) (4) (5)

Januari 259.982 278.525 276.438 267.785

Februari 244.993 259.589 276.439 239.373

Maret 268.423 274.530 278.306 250.492

April 236.293 250.171 268.242 230.830

Mei 251.439 248.524 263.570 236.124

Juni 244.756 238.479 238.531 229.838

Juli 246.631 256.076 263.283 252.718

Agustus 254.749 267.292 272.805 262.069

September 228.903 255.964 250.000 241.952

Oktober 245.213 280.989 257.920 238.903

Nopember 243.994 273.245 263.112 257.450

Desember 273.852 283.237 280.028 268.948

Jumlah 2.769.228 3.166.621 3.188.674 2.976.482

Data februari 1995

Februari 1995 = Data Januari 1995 x 100%
 244.993
= 259.982 x 100%

= 94,23%

Rata-rata relatif bersambung

Relatif berantai sebelum X

Relatif berantai X = 100
x rata-rata relatif bersambung

94,21
Relatif berantai Maret = 100 x 105,61 = 99,07

Tutorial kalkulator

a. 2 kolom

b. 3 kolom

 Simpangan baku:

Mode -> stat (3) -> var (1) -> masukin data -> AC -> shift -> stat (1) -> var -> σx -> =

 Determinan
 Mode -> matrix (6) -> matA (1) -> 3x3 (1) -> masukin data -> AC -> shift -> matrix (4) ->
Det (7) -> shift -> matrix (4) -> matA (3) -> tutup kurung -> =

 Rank

Mode -> stat (3) -> ax+b -> masukin data -> AC -> shift -> stat -> reg -> pilih a/r/b