Paket Pemograman !

Microsoft Office
By Nardiman

Pertemuan Ke 1 daiman286@gmail.com
Powerpoint Templates
MY_PROFIL

Nama : Nardiman, SE.,MM

Pendidikan : S1 ( STIE Pasman Barat)

S2 ( M.M Universitas Negeri Padang)

Handphone : 081266157175

Email : daiman286@gmail.com

Universitas Putra Indonesia “YPTK” Padang

Fakultas Ekonomi
RULE/ATURAN

1 Tidak diperbolehkan masuk kuliah yang memakai kaos oblong

atau sandal atau dan sepatu sandal.

Tidak diperbolehkan masuk kuliah yang berambut gondrong,

2 rambut dicat warna dan memakai anting bagi laki-laki, bagi
wanita di larang mengenakanan pakaian ketat/rok diatas
lutut.

Waktu keterlambatan Mak. 15 Menit setelah perkuliahaan

3
berlangsung.

Selama perkuliahaan berlangsung tidak diperbolehkan keluar

4
masuk

5 Kehadiran min. 75%, mak. Tidak hadir 4x pertemuan termasuk

Alpha ,izin, sakit
 Sistem Penilaian

UTS : 40%

include : Tugas
Kuis
Presentasi

UAS : 60%

include : Tugas
Kuis
Presentasi

NOTE : ATTITUDE NO 1
PENGERTIAN, RUANG LINGKUP DAN
KEGIATAN STATISTIK
PENGERTIAN
kumpulan angka yang dihasilkan
dari pengukuran atau perhitungan
yang disebut data

Statisti diartikan sebagai statistik sampel

k

suatu metode ilmiah yang dapat

digunakan sebagai alat bantu
dalam mengambil keputusan,
mengadakan analisis data hasil
penelitian, dal lain-lain.

(Budiarto)
 PERTANYAAN MENDASAR

 Apa yang dimaksud dengan “Statistik”?

 Mengapa perlu “Statistik”?

 Kapan dan dimana kita bisa menggunakan “Statistik”?

 Bagaimana menggunakan “Statistik”?

 Teknik/prosedur apa saja yang ada di dalam statistik?

 MENGAPA YA PERLU STATISTIK?
 Di dunia tidak ada yang pasti.
 Ada error/kesalahan, adanya variasi/fluktuasi.
 Butuh sample, generate populasi.
 Ada Dugaan/Estimasi.
 Membutuhkan Pengujian hipotesa dalam eksperimen.
 Ingin mengetahui pola hubungan.
 Ingin mengetahui studi kelayaakan.
 Ingin mengetahui yang akan datang.
 Ingin mengambil kelompok informasi.
 Sebagai Pengambilan Keputusan dlm menentukan kebijaksanaan.
 Ingin mengidentifikasi pola atau bentuk tertentu.
 Menganalisa Standart Kwalitas Produksi, kompetensi?
 Dll.
DUNIA TIDAK PASTI
 Mati Pasti, kapan saudara mati?.
 Jodoh Takdir, bagaimana dan kapan?.
 Rejeki Barokah, Berapa tiap hari rejekinya?.
1. Data
2. Perlakuan data
Seperti pengumpulan
dan pengolahan
3. Kesimpulan
4. Angka-angka
C. PERANAN STATISTIK

 Dalam kehidupan sehari-hari

contoh : angka-angka kenakalan
remaja, tingkat biaya hidup,
tingkat kecelakaan lalu lintas.

 Dalam penelitian ilmiah

 Dalam ilmu pengetahuan
PERLUNYA STATISTIK
 Menjelaskan hubungan antara
variabel-variabel
 Membuat rencana dan ramalan
 Mengatasi berbagai perubahan
 Membuat keputusan yang lebih
baik
FUNGSI STATISTIK

 Bank Data
 Alat quality kontrol

 Alat analisis

 Pemecahan masalah dan

pembuat keputusan
 CONTOH PENGGUNAAN STATISTIKA

 Akuntansi (Accounting)
Perusahaan akuntan publik seringkali menggunakan
prosedur pengambilan sampel (contoh) yang memenuhi
kaidah-kaidah statistik ketika melakukan audit terhadap
kliennya.

 Keuangan (Finance)
Penasehat keuangan menggunakan berbagai jenis
informasi statistik, termasuk price-earnings ratio dan hasil
dividen, untuk membantu dalam memberikan rekomentasi
investasi.
 CONTOH PENGGUNAAN STATISTIKA

 Pemasaran (Marketing)
Pengambilan sampel masyarakat sebagai calon konsumen
untuk diminta pendapat tentang produk yang akan
diluncurkan oleh suatu perusahaan seringkali
menggunakan kaidah statistik.

 Ekonomi
Para ahli ekonomi menggunakan prosedur statistik dalam
melakukan peramalan tentang kondisi perekonomian pada
masa yang akan datang.
TUJUAN STATISTIK

 Untuk menjawab permasalahan dan

membuktikan sesuatu yang belum
terbukti kebenarannya.
 Meringkas data sehingga data
tersebut menghasilkan informasi
yang mudah dimengerti
PENERAPAN STATISTIK

Statistik

Hampir di
setiap
Bidang

pertanian kesehatan

industri
ekonomi
psikologi Manajeme
n
STATISTIK MANAJEMEN

data atau informasi

Statistik
yang berkaitan dengan
Manajemen
masalah manajemen

Merencanakan Program Pelayanan

Pelanggan
Administrasi menemukan alternatif penyelesaian
Perusahaan masalah pelanggan
melakukan analisis tentang kepuasan
pelanggan selama periode waktu
tertentu
RUANG LINGKUP STATISTIK

Statistika Deskriptif

Statistika
Statistika Parametrik

Statistika Inferensial

Statistika Nonparametrik
PENJELASAN
a. Statistik Diskriptif
Kegiatan statistik yang dilakukan meliputi
pengumpulan data, pengolahan data, penyajian data,
dan penyimpulan data untuk mencari gambaran
tentang ; ciri – ciri, bentuk, karakter, pada
penduduk, masyarakat, organisasi berdasarkan data
yang diperoleh
b. Statistik Inferensial
Merupakan Statistik yang menaksir secara umum
suatu populasi dengan menggunakan sampel,
termasuk didalamnya teori penaksiran dan teori uji.
Kegiatan statistik ini mulai pengumpulan data
sampai dengan uji hypotesis.
c. Statistika Parametrik: statistika untuk menganalisa
data yang diambil dari populasi berdistribusi normal
d. Statistika Nonparametrik: statistika untuk
menganalisa data dari populasi yang bebas distribusi
 Hubungan
masalah Penelitian dan
statistik…??????
?
hipotesis

menentukan sampel

mengumpulkan sampel
perlu
statistika
menyajikan data

menganalisa data

membuat kesimpulan
 IKHTISAR PEMBAGIAN DATA

Data

Menurut Menurut Menurut Cara Menurut waktu

sifat sumber memperoleh pengumpulannya

Kualitatif Kuantitatif Primer Sekunder Time series Cross

section

Internal Eksternal
 SYARAT DATA BAIK
1. Data harus obyektif, sesuai dengan keadaan sebenarnya
(as it is).
2. Data harus bisa mewakili (representative).
3. Kesalahan baku (standard error) harus kecil.
Suatu perkiraan (estimate) dikatakan baik (memiliki
tingkat ketelitian tinggi) jika kesalahan bakunya kecil.
Syarat (2) & (3) sering disebut sebagai syarat data yang
dapat diandalkan (reliable).
4. Harus tepat waktu (up to date).
5. Harus relevan, yaitu data yang dikumpulkan harus ada
hubungannya dengan masalah yang akan dipecahkan.
Pertemuan Ke 2
 DATA & VARIABEL

 Data adalah sekumpulan datum yang berisi fakta-fakta

serta gambaran suatu fenomena yang dikumpulkan,
dirangkum, dianalisis dan selanjutnya diinterpretasikan.

 Variabel adalah karakteristik data yang menjadi perhatian.

 Variabel Diskrit, adalah suatu variabel dengan nilai yang
dapat dihitung atau terbatas.
 Variabel Kontinu, adalah variabel dengan nilai tidak terbatas
yang dapat diukur atau dicatat sampai tingkat kesempatan
yang diperlukan.
 DATA MENURUT SKALA PENGUKURAN

a. Nominal, sifatnya hanya untuk membedakan antar

kelompok.
Contoh: Jenis kelamin,
Jurusan dalam suatu sekolah tinggi
(Manajemen, Akuntansi).

b. Ordinal, selain memiliki sifat nominal, juga menunjukkan

peringkat.
Contoh: Tingkat pendidikan (SD, SMP, SMA),
Skala perusahaan (besar, sedang).
 DATA MENURUT SKALA
PENGUKURAN
c. Interval, selain memiliki sifat data ordinal, juga memiliki
sifat interval antar observasi dinyatakan dalam unit
pengukuran yang tetap.
Contoh: Temperatur

d. Rasio, selain memiliki sifat data interval, skala rasio

memiliki angka 0 (nol) dan perbandingan antara dua nilai
mempunyai arti.
Contoh: Tinggi badan,
Berat badan,
Waktu
 JENIS DATA MENURUT SIFATNYA

a. Kualitatif
 Berupa label/nama-nama yang digunakan
untuk mengidentifikasikan atribut suatu elemen
 Skala pengukuran: Nominal atau Ordinal
 Data bisa berupa numeric atau nonnumeric
 Misalnya prestasi siswa sangat meningkat,
biaya sekolah sangat mahal, penyaluran BOS
sangat lancar, dsb.
 JENIS DATA MENURUT SIFATNYA

b. Kuantitatif
 Mengindikasikan seberapa banyak (how
many/diskret atau how much/kontinu)
 Data selalu numeric
 Skala pengukuran: Interval dan Rasio
 Misalnya rata-rata nilai matematika siswa 80,
biaya SPP perbulan Rp 100.000,-, 99% siswa
dinyatakan tamat dan lulus, dan sebagainya.
 JENIS DATA MENURUT
SUMBERNYA
a. Data Internal
yaitu data yang menggambarkan keadaan/kegiatan di
dalam suatu organisasi.
Di dalam suatu sekolah, misalnya data guru, data
keuangan, data siswa, data prestasi siswa, dan
sebagainya.

b. Data Eksternal
yaitu data yang menggambarkan keadaan/kegiatan di
luar suatu organisasi.
Bagi suatu sekolah, misalnya tingkat daya beli
masyarakat, perkembangan biaya sekolah, permintaan
(demand), dan sebagainya.
 JENIS DATA MENURUT WAKTU
PENGUMPULANNYA
a. Cross-sectional Data
yaitu data yang dikumpulkan pada waktu tertentu yang
sama atau hampir sama
Contoh: Jumlah mahasiswa UPI yptk 2016/2017,
Jumlah perusahaan go public tahun 2016

b. Time Series Data

yaitu data yang dikumpulkan selama kurun waktu/periode
tertentu
Contoh: Pergerakan nilai tukar rupiah dalam 1 bulan,
Produksi Padi Indonesia tahun 2007-2016
 JENIS DATA MENURUT CARA
MEMPEROLEHNYA
a. Data Primer
yaitu data yang dikumpulkan dan diolah sendiri oleh
suatu organisasi atau perseorangan langsung dari
objeknya.
Misalnya, BPS melakukan sensus penduduk tahun 2000
untuk memperoleh data penduduk.

b. Data Sekunder
yaitu data yang diperoleh dalam bentuk yang sudah jadi,
sudah dikumpulkan dan diolah oleh pihak lain, biasanya
sudah dalam bentuk publikasi.
Misalnya, suatu perusahaan memperoleh data penduduk
dari BPS, data perbankan dari BI, dll.
DEFINISI

Distribusi Frekuensi?

Pengelompokkan data menjadi tabulasi data dengan memakai

kelas-kelas data dan dikaitkan dengan masing-masing
frekuensinya

Pertemuan Ke 3
KELEBIHAN DAN KEKURANGAN

 Kelebihan
1. Dapat mengetahui gambaran secara lebih mudah

2. Memudahkan mengienterpretasi data

3. Mempermudah penarikan kesimpulan

 Kekurangan

1. Rincian atau informasi awal menjadi hilang

CARA MEMBUAT TABEL DISTRIBUSI FREKUENSI

1) Tentukan Range atau jangkauan data (r)

r = nilai tertinggi – nilai terendah (data mentah)
1) Tentukan banyak kelas (k)
Rumus Sturgess :
k=1+3,3 log n
3) Tentukan lebar kelas (c)
c=r/k
CARA MEMBUAT TABEL DISTRIBUSI FREKUENSI (LANJUTAN)

4) Tentukan limit bawah kelas pertama dan kemudian batas

bawah kelasnya
5) Tambah batas bawah kelas pertama dengan lebar kelas
untuk memperoleh batas atas kelas
6) Tentukan limit atas kelas
7) Tentukan nilai tengah kelas
8) Tentukan frekuensi
LIMIT, BATAS, NILAI TENGAH, DAN LEBAR KELAS

 Limit Kelas/Tepi Kelas (class limit)

Nilai terkecil/terbesar pada setiap kelas
 Batas Kelas (class boundry)
Nilai yang besarnya sama dengan setengah dari nilai limit atas kelas sebelum
dan nilai limit bawah kelas atasnya. Nilai ini digunakan untuk membuat histogram
(bar chart)
 Nilai Tengah Kelas (mid point)
Nilai tengah antara batas bawah kelas dengan batas atas kelas pada suatu kelas.
Nilai ini digunakan untuk membuat poligon (lne chart)
 Lebar Kelas (class interval)
Selisih antara batas bawah kelas dengan batas atas kelas
 SOAL KUIS

Data hasil ujian akhir Mata Kuliah Statistika

dari 60 orang mahasiswa
23 60 79 32 57 74 52 70 82 36
80 77 81 95 41 65 92 85 55 76
52 10 64 75 78 25 80 98 81 67
41 71 83 54 64 72 88 62 74 43
60 78 89 76 84 48 84 90 15 79
34 67 17 82 69 74 63 80 85 61
JAWAB
1. Data terkecil = 10 dan Data terbesar = 98
r = 98 – 10 = 88
Jadi jangkauannya adalah sebesar 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. Limit bawah kelas pertama adalah 10, kita dapat membuat beberapa alternatif limit bawah kelas
yaitu 10, 9, dan 8
5. Maka nilai tepi kelas pertama masing – masing alternatif menjadi sebagai berikut
10 – 22 (10 s/d 10 + lebar kelas -1)
9 – 21 (9 s/d 9 + lebar kelas -1)
8 – 20 (8 s/d 8 + lebar kelas -1)
3. Maka batas bawah dan atas kelas pertamanya adalah
9,5 – 22,5
8,5 – 21,5
7,5 – 20,5
JAWAB (LANJUTAN)

5. Batas atas kelas pertama adalah batas bawah kelas ditambah lebar kelas, yaitu
sebesar
- 9,5 + 13 = 22,5
- 8,5 + 13 = 21,5
- 7,5 + 13 = 20,5
6. Limit atas kelas pertama adalah sebesar
- 22,5 - 0,5 = 22
- 21,5 - 0,5 = 21
- 20,5 – 0,5 = 20
JAWAB (LANJUTAN)
Alternatif 1 Alternatif 2 Alternatif 3
8-20 9-21 10-22
21-33 22-34 23-35
34-46 35-47 36-48
47-59 48-60 49-61
60-72 61-73 62-74
73-85 74-86 75-87
86-98 87-99 88-100

Misal dipilih Alternatif 2

JAWAB (LANJUTAN)

7. Nilai tengah kelas adalah

batas bawah kelas  batas atas kelas
2
8,5  21,5
 15
2
8. Frekuensi kelas pertama adalah 3
JAWAB (LANJUTAN)

Distribusi Frekuensi Nilai Ujian Akhir Mata Kuliah Statistika

Interval Kelas Batas Kelas Nilai Tengah Frekuensi

9-21 8,5-21,5 15 3
22-34 21,5-34,5 28 4
35-47 34,5-47,5 41 4
48-60 47,5-60,5 54 8
61-73 60,5-73,5 67 12
74-86 73,5-86,5 80 23
87-99 86,5-99,5 93 6
Jumlah 60
HISTOGRAM DAN POLIGON FREKUENSI

Histogram dan Poligon Frekuensi Nilai Ujian Akhir Mata Kuliah Statistika

23
25
Histogram
20
Frekuensi

Poligon Frekuensi
15 12
8
10 6
4 4
5 3

0 8,5 34,5 60,5 86,5

21,5 47,5 73,5 99,5 Nilai
DISTRIBUSI FREKUENSI RELATIF DAN KUMULATIF

 Distribusi frekuensi relatif

Membandingkan frekuensi masing-masing kelas dengan
jumlah frekuensi total dikalikan 100 %
 Distribusi frekuensi kumulatif ada 2, yaitu distribusi frekuensi
kumulatif kurang dari dan lebih dari
DISTRIBUSI FREKUENSI RELATIF

Distribusi Frekuensi Relatif Nilai Ujian Akhir Mata Kuliah Statistika

Frekuensi
Interval Kelas Batas Kelas Nilai Tengah Frekuensi
Relatif (%)
9-21 8,5-21,5 15 3 5
22-34 21,5-34,5 28 4 6,67
35-47 34,5-47,5 41 4 6,67
48-60 47,5-60,5 54 8 13,33
61-73 60,5-73,5 67 12 20
74-86 73,5-86,5 80 23 38,33
87-99 86,5-99,5 93 6 10

Jumlah 60 100
DISTRIBUSI FREKUENSI KUMULATIF KURANG DARI

Distribusi Frekuensi Kumulatif Kurang Dari Untuk Nilai Ujian Akhir Mata Kuliah Statistika

Interval Batas Kelas Frekuensi Kumulatif Persen

Kelas Kurang Dari Kumulatif
kurang dari 8,5 0 0
9-21 kurang dari 21,5 3 5
22-34 kurang dari 34,5 7 11,67
35-47 kurang dari 47,5 11 18,34
48-60 kurang dari 60,5 19 31,67
61-73 kurang dari 73,5 31 51,67
74-86 kurang dari 86,5 54 90
87-99 kurang dari 99,5 60 100
OGIF

Ogif Frekuensi Kumulatif Kurang Dari Untuk Nilai Ujian Akhir Mata Kuliah Statistika
60 60
54
50
Frekuensi Kumulatif

40
31
30

20 19
6
11
10 7
3
0 8,5 34,5 60,5 86,5
21,5 47,5 73,5 99,5 Nilai
DISTRIBUSI FREKUENSI KUMULATIF LEBIH DARI

Distribusi Frekuensi Kumulatif Lebih Dari Untuk Nilai Ujian Akhir Mata Kuliah Statistika

Interval Batas Kelas Frekuensi Kumulatif Persen

Kelas Lebih Dari Kumulatif
9-21 lebih dari 8,5 60 100
22-34 lebih dari 21,5 57 95
35-47 lebih dari 34,5 53 88,33
48-60 lebih dari 47,5 49 81,66
61-73 lebih dari 60,5 41 68,33
74-86 lebih dari 73,5 29 48,33
87-99 lebih dari 86,5 6 10
lebih dari 99,5 0 0
OGIF (LANJUTAN)

Ogif Frekuensi Kumulatif Lebih Dari Untuk Nilai Ujian Akhir Mata Kuliah Statistika
60
60 57
53
50 49
Frekuensi Kumulatif

41
40
29
30

20

10 6

0 8,5 34,5 60,5 86,5

21,5 47,5 73,5 99,5 Nilai
OGIF (LANJUTAN)
Ogif Frekuensi Kumulatif kurang dan lebih dari Untuk Nilai Ujian Akhir
Mata Kuliah Statistika

60 kurva ogif lebih dari

kurva ogif kurang dari
50
Frekuensi Kumulatif

40

30

20

10

0 8,5 34,5 60,5 86,5

21,5 47,5 73,5 99,5 Nilai
 TENDENSI SENTRAL

PENGERTIAN
 Merupakan ukuran yang dapat mewakili data secara
keseluruhan. Artinya, jika keseluruhan nilai yang ada dalam
data tersebut diurutkan besarnya dan selanjutnya
dimasukkan nilai rata-rata ke dalamnya, nilai rata-rata
tersebut memiliki kecenderungan terletak di urutan paling
tengah.

Pertemuan Ke 4
 PLUS MINUS RATA-RATA HITUNG, MEDIAN DAN MODUS

Ukuran Kelebihan Kekurangan

Pemusatan
1. Mempertimbangkan 1. Peka atau mudah
semua nilai terpengaruh oleh nilai
Rata-rata hitung 2. Dapat menggambarkan ekstrim
mean populasi 2. Kurang baik unutk data
3. Cocok untuk data heterogen
homogen (rasio)
1. Tidak terpengaruh oleh 1. Tidak mempertimbangkan
data ekstrim semua nilai
Median 2. Cocok untuk data 2. Kurang dapat
heterogen ( nominal) menggambarkan mean
populasi
1. Tidak terpengaruh oleh 1. Kurang menggambarkan
Modus nilai ekstrim mean populasi
2. Cocok untuk data 2. Modus bisa lebih dari satu
homogen/heterogen
3. Open ended data
 UKURAN PEMUSATAN
Ukuran Pemusatan menunjukkan di mana suatu data
memusat atau suatu kumpulan pengamatan memusat
(mengelompok)

Pada umumnya data akan memusat pada nilai-nilai :

Rata-rata hitung, Median dan Modus

Rata-rata hitung

Jumlah semua nilai data

Rata-rata hitung = ------------------------------------
Banyaknya data
 JENIS-JENIS UKURAN NILAI PUSAT
 Rata-rata Hitung (Mean)
adalah nilai rata-rata dari data-data yang ada.

- Mean untuk data tunggal

- Mean untuk data berkelompok

* Metode Biasa
UKURAN PEMUSATAN RATA-RATA HITUNG

Pada data yang tidak dikelompokkan

X i
X  i 1

contoh : 5 8 4 7 9

_ 5+8+4+7+9
X = ----------------------- = 6,6
5
 JENIS-JENIS UKURAN NILAI PUSAT
Contoh :
Berat badan 100 orang mahasiswa universitas UPI YPTK tahun 1997.

Berat Badan (kg) Banyaknya Mahasiswa (f)

60 - 62 10
63 - 65 25
66 - 68 32
69 - 71 15
72 - 74 18

Berat Badan (kg) Titik Tengah (X) Frekuensi (f) fX

60 - 62 61 10 610
63 - 65 64 25 1,600
66 - 68 67 32 2,144
69 - 71 70 15 1,050
72 - 74 73 18 1,341
Jumlah - 100 6.718
JENIS-JENIS UKURAN NILAI PUSAT
* Metode simpangan rata-rata
Apabila M adalah rata-rata hitung sementara

Dari soal sebelumnya M = 67

Berat Badan (kg) f X d = X-M fd
60 - 62 10 61 -6 -60
63 - 65 25 64 -3 -75
66 - 68 32 67 0 0
69 - 71 15 70 3 45
72 - 74 18 73 6 108
Jumlah 100 - 0 18
JENIS-JENIS UKURAN NILAI PUSAT

* Metode Coding
Sering digunakan apabila jumlah nilai-nilai dalam data yang berupa
bilangan-bilangan besar.

Berat Badan (kg) f X d u fu

60 - 62 10 61 -6 -2 -20
63 - 65 25 64 -3 -1 -25
66 - 68 32 67 0 0 0
69 - 71 15 70 3 1 15
72 - 74 18 73 6 2 36
Jumlah 100 - 0 0 6
RATA-RATA HITUNG (LANJUTAN)
1. Dalam Tabel Distribusi Frekuensi
Interval Kelas Nilai Tengah Frekuensi fX
(X)
9-21 15 3 45
22-34 28 4 112
35-47 41 4 164
48-60 54 8 432
61-73 67 12 804
74-86 80 23 1840
87-99 93 6 558
Σf = 60 ΣfX = 3955

fX 3955
X   65,92
f 60
RATA-RATA HITUNG (LANJUTAN)
2. Dengan Memakai Kode (U)
Interval Kelas Nilai Tengah U Frekuensi fU
(X)
9-21 15 -3 3 -9
22-34 28 -2 4 -8
35-47 41 -1 4 -4
48-60 54 0 8 0
61-73 67 1 12 12
74-86 80 2 23 46
87-99 93 3 6 18
Σf = 60 ΣfU = 55

 fU   55 
X  X0  c    54  13    65,92
 f   60 
MEDIAN UKURAN PEMUSATAN
Median adalah nilai yang berada di tengah, yang
membagi dua jumlah data sama banyak
(setelah data diurut).

Pada data yang tidak dikelompokkan

1. Data diurut dari nilai kecil ke besar
2. Tentukan posisi median = (n+1)/2
3. Tentukan nilai median

Contoh : data : 9 5 7 8 4 5
1. Sort data : 4 5 5 7 8 9
2. Posisi median = (6+1)/2 = 3,5
3. Nilai median pada posisi 3,5 adalah 6
MEDIAN UKURAN PEMUSATAN

Pada data yang dikelompokkan

 (n / 2)  F 
Md  B   .i
 fm 

Md : Nilai Median
B : Tepi batas bawah kelas median
F : frekuensi kumulatif sebelum kelas median
fm : frekuensi pada kelas median
i : interval kelas median
 CARA PENGHITUNGAN MEDIAN

frek kum kurang frek x ttk  Pada data yang

kelas Batas kelas frek ttk tngh dr tepi bts bwh tngh dikelompokkan
1 20-29 4 24.5 0 98
 (n / 2)  F 
2 30-39 7 34.5 4 241.5 Md  B   .i
 fm 
3 40-49 8 44.5 11 356
4 50-59 12 54.5 19 654 

Md : Nilai Median
B : Tepi batas bawah kelas median
5 60-69 9 64.5 31 580.5  F : frekuensi kumulatif sebelum kelas
median
 fm : frekuensi pada kelas median
6 70-79 8 74.5 40 596  i : interval kelas median

7 80-89 2 84.5 48 169  (25 )  19 

Md  49 ,5   .10  54 ,5
50 50 2695  12 
 MEDIAN DATA BERKELOMPOK
 Diameter dari 40 buah pipa adalah sebagai
berikut :  Penyelesaian :

Jumlah Frekuensi (n) = 40 dan ½ n = 20

Diameter Pipa (mm) Frekuensi (f) Kelas median
65 - 67 2
68 - 70 5
71 - 73 13
74 - 76 14 Jadi, kelas median adalah kelas ke-3
77 - 79 4
80 - 82 2
 Modus Ukuran Pemusatan
MODUS ADALAH NILAI YANG PALING SERING MUNCUL.

Tentukan modus dari 3,4,5,5,5,6,7

Jawab : Mo = 5

Tentukan modus dari 6,6,7,7,8,8,9,10

Jawab :
Mo = 6,7 dan 8

Tentukan modus dari 5,5,7,7,9,9

Jawab :
Mo = tidak ada
 Modus Ukuran Pemusatan

PADA DATA YANG DIKELOMPOKKAN

 d1 
Mo  B   .i
 d1  d 2 

MO = NILAI MODUS
B = TEPI BATAS BAWAH KELAS MODUS
D1= BEDA FREKUENSI ANTARA KELAS MODUS DG KELAS SEBELUMNYA
D2 = BEDA FREKUENSI ANTARA KELAS MODUS DG KELAS SESUDAHNYA
I = INTERVAL KELAS MODUS
 MODUS UKURAN PEMUSATAN

Tentukan kelas modusnya (kelas yg memiliki

Kelas Batas Kelas f frekuensi terbesar) : 50 – 59
1 20 – 29 4 d1 = 12 – 8 = 4
2 30 – 39 7 d2 = 12 – 9 = 3
3 40 – 49 8
4 50 – 59 12
5 60 – 69 9
 4 
6 70 – 79 8 Mo  49 ,5   .10  55,21
7 80 - 89 2  43
50
HUBUNGAN EMPIRIS ANTARA NILAI RATA-RATA HITUNG, MEDIAN, DAN MODUS

Ada 3 kemungkinan kesimetrian kurva distribusi data :

1) Jika nilai ketiganya hampir sama maka kurva mendekati
simetri.
2) Jika Mod<Med<rata-rata hitung, maka kurva miring ke
kanan.
3) Jika rata-rata hitung<Med<Mod, maka kurva miring ke kiri.
 UKURAN LETAK
KUARTIL, DESIL, PERSENTIL
1. Kuartil
Kelompok data yang sudah diurutkan (membesar atau
mengecil) dibagi empat bagian yang sama besar.

Ada 3 jenis yaitu kuartil pertama (Q1) atau kuartil bawah,

kuartil kedua (Q2) atau kuartil tengah, dan kuartil ketiga (Q3)
atau kuartil atas.

Pertemuan Ke 5
KUARTIL (LANJUTAN)
50%

25%
, , ,
Q1 Q2 Q3

75%

Dimana Q2= Med

Kalau suatu kelompok data atau nilai sudah diurutkan dari yang terkecil
(X1) sampai yang terbesar (Xn) maka untuk menghitung Q1, Q2, dan
Q3 dipergunakan rumus sebagai berikut:
KUARTIL (LANJUTAN)
Untuk data tidak berkelompok
in  1
Qi  nilai ke - , i  1,2,3
4
Untuk data berkelompok
L0 = batas bawah kelas kuartil
 in 
 - F  n = jumlah semua frekuensi
Qi  L 0  c 4  , i  1,2,3 F = jumlah frekuensi semua
 f  C = jarak nilai batas bawah
 
  kelas sebelum kelas kuartil Qi
f = frekuensi kelas kuartil Qi
 KUARTIL (LANJUTAN)
Contoh : berikut data upah bulanan dari 13 karyawan dalam
ribuan rupiah yaitu 40, 30, 50, 65, 45, 55, 70, 60, 80, 35, 85, 95,
100, (n=13). Carilah nilai Q1, Q2, dan Q3
Penyelesaian...
Pertama-tama data diurutkan dahulu: X1= 30, X2=35, X3= 40,
X4=45, X5= 50, X6=55, X7=60, X8=65, X9=70, X10=80, X11=85,
X12=95, X13=100
i n  1
Q1= nilai yang ke
4
= nilai yang ke 113  1
4
= nilai yang ke 3½ ( nilai yang ke 3½, berati rata-rata dari Q3 dan
Q4)
Jadi: Q1 = X3+X4)
= (40+45)
= 42,5
 KUARTIL (LANJUTAN)
Q2= nilai yang ke in  1
4
213  1
= nilai yang ke 4
= nilai ke 7, atau nilai X7
= X7= 60
i n  1
Q3= nilai yang ke 4
= nilai yang ke313  1
4
= nilai ke 10,5 ( nilai yang ke 10,5, berarti rata-rata dari
X10 dan X11)
Q3= (80+85)
=82,5
(nilai kuartil tidak perlu sesuai dengan nilai data yang asli)
KUARTIL (LANJUTAN)

Contoh :
Interval Nilai Frekuensi Q1 membagi data menjadi 25 %
Kelas Tengah Q2 membagi data menjadi 50 %
(X) Q3 membagi data menjadi 75 %
9-21 15 3
22-34 28 4
35-47 41 4
Sehingga :
48-60 54 8
61-73 67 12
Q1 terletak pada 48-60
74-86 80 23
87-99 93 6 Q2 terletak pada 61-73
Σf = 60 Q3 terletak pada 74-86
KUARTIL (LANJUTAN)
 1.60 
Untuk Q1, maka :  - 11 
Q1  47,5  13 4   54
 8 
 
 

Untuk Q2, maka :  2.60 

 - 19 
Q 2  60,5  13 4   72,42
 12 
 
 
Untuk Q3, maka :  3.60 
 - 31 
Q3  73,5  13 4   81,41
 23 
 
 
KUARTIL, DESIL, PERSENTIL (LANJUTAN)

2. Desil
Kelompok data yang sudah diurutkan (membesar atau
mengecil) dibagi sepuluh bagian yang sama besar.
DESIL (LANJUTAN)

Untuk data tidak berkelompok

in  1
Di  nilai ke - , i  1,2,3,...,9
10

Untuk data berkelompok

L0 = batas bawah kelas desil Di
 in 
 - F  F = jumlah frekuensi semua
Di  L 0  c 10  , i  1,2,3,...,9 kelas sebelum kelas desil Di
 f 
  f = frekuensi kelas desil Di
 
DESIL (LANJUTAN)
Contoh :
Tentukan desil ke-8 dari data :
6,3,8,9,5,9,9,7,5,7,4,5,8,3,7,6,.
Jawab:
n = 16
data terurut = 3,3,4,5,5,5,6,6,7,7,7,8,8,9,9,9.

Jadi, nilai desil ke-8 adalah 8,6.

DESIL (LANJUTAN)

Contoh :
Interval Nilai Frekuensi D3 membagi data 30%
Kelas Tengah
(X) D7 membagi data 70%
9-21 15 3
22-34 28 4
35-47
48-60
41
54
4
8
Sehingga :
61-73 67 12
74-86 80 23
87-99 93 6
D3 berada pada 48-60
Σf = 60
D7 berada pada 74-86
DESIL (LANJUTAN)

 3.60 
 - 11 
D3  47,5  13 10   58,875
 8 
 
 

 7.60 
 - 31 
D 7  73,5  13 10   79,72
 23 
 
 
KUARTIL, DESIL, PERSENTIL (LANJUTAN)

3. Persentil
Untuk data tidak berkelompok
in  1
Pi  nilai ke - , i  1,2,3,...,99
100
Untuk data berkelompok
 in 
 -F
Pi  L 0  c 100  , i  1,2,3,...,99
 f 
 
 
PERSENTIL (LANJUTAN)
Contoh :
Tentukan persentil ke-65 dari data :
6,5,8,7,9,4,5,8,4,7,8,5,8,4,5.
Jawab:
n = 15
data terurut : 4,4,4,5,5,5,5,6,7,7,8,8,8,8,9.

Jadi, nilai persentil ke-65 adalah 7,4.

PERSENTIL (LANJUTAN)

Contoh :
Interval Nilai Frekuensi P50 membagi data 50%
Kelas Tengah
(X) P70 membagi data 70%
9-21 15 3
22-34 28 4
35-47
48-60
41
54
4
8
Sehingga :
61-73 67 12
74-86 80 23
87-99 93 6
P50 berada pada 61-73
Σf = 60
P70 berada pada 74-86
PERSENTIL (LANJUTAN)

 50.60 
 - 19 
P50  60,5  13 100   72,42
 12 
 
 

 70.60 
 - 31 
P70  73,5  13 100   79,72
 23 
 
 
 KONSEP UKURAN DISPERSI
PENGUKURAN DISPERSI, KEMIRINGAN, DAN KERUNCINGAN DATA

 DISPERSI DATA
Dispersi/ variasi/ keragaman data: ukuran penyebaran suatu kelompok data terhadap
pusat data.
 Ukuran Dispersi yang akan dipelajari:
 Jangkauan (Range)
 Simpangan rata – rata (mean deviation)
 Variansi (variance) Dispersi multak
 Standar Deviasi (Standard Deviation)
 Simpangan Kuartil (quartile deviation)
 Koefisien variasi (coeficient of variation) Dispersi relatif

Pertemuan Ke 6
HOMOGEN DAN HETEROGEN DATA

I. 50,50,50,50,50
II. 30,40,50,60,70
III. 20,30,50,70,80

Ketiga kelompok data mempunyai

rata-rata hitung yang sama, yaitu :

X  50
KEMIRINGAN DATA

 Kemiringan: derajat/ ukuran dari ketidaksimetrian (asimetri)

suatu distribusi data
 3 pola kemiringan distribusi data, sbb:
 Distribusi simetri (kemiringan 0)
 Distribusi miring ke kiri (kemiringan negatif)

 Distribusi miring ke kanan (kemiringan positif)

 Beberapa metoda yang bisa dipakai untuk
menghitung kemiringan data, yaitu:
 Rumus Pearson
 Rumus Momen

 Rumus Bowley

 Rumus Pearson (α)

X  Mod 3( X  Med )
 atau 
S S
 PENENTUAN UKURAN DISPERSI
RANGE/ JANGKAUAN DATA (R)
 Range: Selisih nilai maksimum dan nilai minimum
Rumus: Range (r) = Nilai max – nilai min

 Range untuk kelompok data dalam bentuk distribusi

frekuensi diambil dari selisih antara nilai tengah kelas
maksimun – nilai tengah kelas minimum
 Semakin kecil nilai r maka kualitas data akan semakin
baik, sebaliknya semakin besar nilai r, maka kualitasnya
semakin tidak baik.
Pertemuan Ke 7
 Untuk data berkelompok
Dimana:
( f X  X ) X = nilai data

SR 
X = rata – rata hitung
n = Σf = jumlah frekuensi

n
2
VARIANSI/ VARIANCE (s )
• Variansi adalah rata – rata kuadrat selisih atau
kuadrat simpangan dari semua nilai data
terhadap rata – rata hitung.
2
s = simbol untuk sample

 2
= simbol untuk populasi
 Rumus untuk data tidak berkelompok

 X  X 
2

S 
2

n 1
 Untuk data berkelompok

 f X  X 
2

S 
2

n 1
STANDAR DEVIASI/ STANDARD DEVIATION (S)
 Standar deviasi: akar pangkat dua dari variansi
 Rumus:
Untuk data tidak berkelompok
 X  X 
2

S 
2

n 1
Untuk data berkelompok

 f X  X 
2

S 
2

n 1
CONTOH SOAL
 Data tidak berkelompok
Diketahui sebuah data berikut:
20, 50, 30, 70, 80
Tentukanlah:
a. Range (r)

b. Simpangan Rata – rata (SR)

c. Variansi

d. Standar Deviasi
 Jawab:
a. Range (r) = nilai terbesar – nilai terkecil = 80 – 20 =
60
 X X
b. Simpangan Rata – rata (SR): SR 
n

20  50  30  70  80
X  50
5
n=5

20  50  50  50  30  50  70  50  80  50
SR 
5
30  0  20  20  30 100
SR    20
5 5
 2
 (
Variansi )s
 X  X 
2

S 
2

n 1

(20  50) 2
 (50  50) 2
 (30  50) 2
 (70  50) 2
 (80  50) 2
S2 
5 1
900  0  400  400  900 2600
S2    650
4 4

 Standar Deviasi (S)

S S 2

S  650  25, 495

CONTOH SOAL
 Data Berkelompok
Diketahui data pada tabel dibawah ini:

Modal Frekuensi Tentukan:

a. Range (r)
112 - 120 4 b. Simpangan rata – rata (SR)
c. Variansi
121 - 129 5
d. Standar Deviasi
130 - 138 8
139 - 147 12
148 -156 5
157 -165 4
166 - 174 2
40
JAWAB
 Range (r)= (nilai tengah tertinggi – nilai tengah
terendah)/2
 Simpangan rata – rata
( f X  X )
SR 
n
n = jml frekuensi

 f X  X 
 Variansi 2

S 
2

n 1

 f X  X 
2
 Standar Deviasi S 
2

n 1
 Untuk memudahkan mencari jawaban, maka dibuat tabel
sesuai dengan keperluan jawaban

Nilai
Modal f Tengah X X f X X ( X  X )2 f ( X  X )2
(X)
112 - 120 4 116 24,525 98,100 601,476 2405,902
121 - 129 5 125 15,525 77,625 241,026 1205,128
130 - 138 8 134 6,525 52,200 42,576 340,605
139 - 147 12 143 2,475 29,700 6,126 73,507
148 -156 5 152 11,475 57,375 131,676 658,378
157 -165 4 161 20,475 81,900 419,226 1676,902
166 - 174 2 170 29,475 58,950 868,776 1737,551
Jumlah 40 455,850 8097,974
MAKA DAPAT DIJAWAB:

 Range (r) = 170 – 116 = 54

 Simpangan rata – rata
455,850
SR   11,396
40
 Variansi
8097,974 8097,974
S 
2
  207, 64
40  1 39
 Standar Deviasi
S  207, 64  14, 41
JANGKAUAN QUARTIL
DAN JANGKAUAN PERSENTIL 10-90
 Jangkauan kuartil disebut juga simpangan kuartil,
rentang semi antar kuartil, deviasi kuartil. Jangkauan
persentil 10-90 disebut juga rentang persentil 10-90
 Jangkauan kuartil dan jangkauan persentil lebih baik
daripada jangkauan (range) yang memakai selisih antara
nilai maksimum dan nilai minimun suatu kelompok data
 Rumus:
Jangkauan Kuartil:
Ket:
1
JK  (Q3  Q1 ) JK: jangkauan kuartil
Q1: kuartil bawah/ pertama
2 Q3: kuartil atas/ ketiga
 Rumus Jangkauan Persentil

JP1090  P90  P10

 KOEFISIEN VARIASI/ DISPERSI
RELATIF
 Untuk mengatasi dispersi data yang sifatnya mutlak, seperti
simpangan baku, variansi, standar deviasi, jangkauan kuartil,dll
 Untuk membandingkan variasi antara nilai – nilai bersar dengan
nilai – nilai kecil.
 Untuk mengatasi jangkauan data yang lebih dari 2 kelompok
Rumus:
data. Ket:
S KV: Koefisien variasi
KV  *100% S : Standar deviasi
X X : Rata – rata hitung
KOEFISIEN VARIASI KUARTIL
 Alternatif lain untuk dispersi relatif yang bisa digunakan
jika suatu kelompok data tidak diketahui nilai rata – rata
hitungnya dan nilai standar deviasinya.
 Rumus:

Q3  Q1 (Q3  Q1 ) / 2
KVQ  atau KVQ 
Q3  Q1 Med
NILAI BAKU
 Nilai baku atau skor baku adalah hasil transformasi
antara nilai rata – rata hitung dengan standar deviasi
 Rumus:

X1  X Nilai i = 1, 2, 3, …, n
Zi 
S
CONTOH SOAL UNTUK KOEFISIEN VARIASI
DAN SIMPANGAN BAKU
 Koefisien Variasi
Ada dua jenis bola lampu. Lampu jenis A secara rata –
rata mampu menyala selama 1500 jam dengan
simpangan baku (standar deviasi) S1 = 275 jam,
sedangkan lampu jenis B secara rata – rata dapat
menyala selama 1.750 jam dengan simpangan baku S2
= 300 jam. Lampu mana yang kualitasnya paling baik?
Jawab: S1 275
KV  *100%  *100%  18,3%
Lampu jenis A: 1 X 1 1500

S2 300
KV2 
Lampu jenis B: *100%  *100%  17,1%
X2 1750
 Nilai rata – rata ujian akhir semester mata kuliah
Statistika dengan 45 mahasiswa adalah 78 dan
simpangan baku/standar deviasi (S) = 10. Sedangkan
untuk mata kuliah Bahasa Inggris di Kelas itu
mempunyai nilai rata – rata 84 dan simpangan bakunya
(S) = 18. Bila dikelas itu, Desi mendapat nilai UAS untuk
kalkulus adalah 86 dan untuk bahasa Inggris adalah 92,
bagaimana posisi/ prestasi Desi di kelas itu?
 Jawab
 Untuk mengetahui posisi/ prestasi Desi, maka harus
dicari nilai baku (Z) dari kedua mata kuliah tersebut.

X X
Z
S
dengan nilai X adalah nilai UAS yang diperoleh Desi
 Untuk Mata Kuliah Statistika
X = 86 S = 10
Maka: X  78
86  78
Z  0,8
10
 Untuk Mata Kuliah Bahasa Inggris
X = 92 S = 18
Maka: X  84
92  84
Z  0, 4
18
Karena nilai baku (Z) untuk mata kuliah Statistika lebih
besar dari B. Inggris, maka posisi Desi lebih baik
pada mata kuliah Statistika dari pada B. Inggris
 Rumus tersebut dipakai untuk data tidak
berkelompok maupun data berkelompok.
 Bila α = 0 atau mendekati nol, maka
dikatakan distribusi data simetri.
 Bila α bertanda negatif, maka dikatakan
distribusi data miring ke kiri.
 Bila α bertanda positif, maka dikatakan
distribusi data miring ke kanan.
 Semakin besar α, maka distribusi data akan
semakin miring atau tidak simetri
KASUS

DATA TIDAK BERKELOMPOK

 Berikut adalah data sampel tentang nilai sewa bulanan
untuk satu kamar apartemen ($). Berikut adalah data
yang berasal dari 70 apartemen di suatu kota tertentu:
425 430 430 435 435 435 435 435 440 440
440 440 440 445 445 445 445 445 450 450
450 450 450 450 450 460 460 460 465 465
465 470 470 472 475 475 475 480 480 480
480 485 490 490 490 500 500 500 500 510
510 515 525 525 525 535 549 550 570 570
575 575 580 590 600 600 600 600 615 615
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.

 Contoh
Harga elektronik turun 5%, harga beras naik 7%, dll
Pertemuan Ke 8 110
ANGKA INDEKS

 Contoh
Jumlah produksi barang A yang dihasilkan oleh PT. BonBon
selama tahun 2005 dan 2006 masing-masing adalah 150 ton
dan 225 ton. Hitunglah indeks produksi tahun 2005 dan
2006.

111
ANGKA INDEKS
 Jawaban
Indeks produksi tahun 2005 adalah
Produksi tahun 2005 = 150 ton
Produksi tahun 2006 = 225 ton

Waktu yang bersangkutan (2005) = 150

Waktu dasar (2006) = 225

Indeks produksi tahun 2005 adalah

150
 100%  66,67%
225
(ada kenaikan produksi 33,33%)

112
ANGKA INDEKS
 Jenis (Penggunaan)
1. Indeks Harga (Price Index)
Mengukur perubahan harga barang
Misalnya : Indeks harga konsumen
Indeks harga perdagangan besar
Indeks harga yang dibayar dan diterima petani

2. Indeks Kwantitas (Quantity Index)

Mengukur kwantitas suatu barang yang diproduksi dikonsumsi maupun dijual
Misalnya : Indeks produksi beras
Indeks konsumsi kedelai
Indeks penjualan jagung

3. Indeks Nilai (Value Index)

Perubahan nilai dari suatu barang, baik yang dihasilkan diimpor maupun diexport
Misalnya : Indeks nilai ekpor kopra
Indeks nilai import beras
113
ANGKA INDEKS
 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
g. Metode Walsh

114
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).

115
INDEKS HARGA RELATIF SEDERHANA
 Bermanfaat dalam memahami dan menginterpretasikan perubahan kondisi ekonomi
dan bisnis dari waktu ke waktu.

 Harga relatif menunjukkan bagaimana harga per unit untuk komoditas tertentu saat
ini dibandingkan dengan harga per unit komoditas yang sama pada tahun dasar.

 Harga relatif memperlihatkan harga per unit pada setiap periode waktu sebagai
persentase dari harga per unit pada tahun dasar.

 Periode dasar merupakan waktu/titik awal (starting point) yang telah ditentukan.

116
INDEKS AGREGATIF

 Konsep
Indeks agregatif merupakan indeks yang terdiri dari
beberapa barang (kelompok barang), misalnya indeks harga
9 macam bahan pokok, indeks impor Indonesia, indeks
ekspor Indonesia, indeks harga bahan makanan, indeks
biaya hidup, indeks hasil penjualan suatu perusahaan (lebih
dari satu barang yang dijual), dll.

117
INDEKS HARGA RELATIF SEDERHANA
 Rumus
Pt qt
I t ,0   100 % I t ,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
Pertemuan Ke 10
118
INDEKS KUANTITAS RELATIF SEDERHANA

 Konsep
Digunakan untuk melihat perkembangan kuantitas barang dan jasa dengan
dibandingkan dengan tahun dasar

 Rumus

Kt
IK   100 %
Ko
IK = indeks kuantitas pada waktu t dengan waktu dasar 0
Kt = kuantitas pada waktu t
K0 = kuantitas pada waktu 0

119
INDEKS HARGA DAN KUANTITAS RELATIF SEDERHANA

 Contoh 1
Bulan Harga Kuantitas Indeks
Harga Kuantitas
Januari 3500 50 100 100
Februari 3800 52 109 104
Maret 3400 56 97 112
April 4000 49 114 98
Mei 4200 51 120 102
Juni 3900 48 111 96

Indeks harga bulan Februari Indeks kuantitas bulan Februari

dengan waktu dasar bulan Januaridengan waktu dasar bulan Januari

3800 52
 100%  109  100%  104
3500 50
120
INDEKS HARGA RELATIF SEDERHANA

 Contoh 2
Berikut adalah biaya iklan melalui surat kabar dan televisi
pada tahun 1992 dan 1997 yang telah dikeluarkan oleh
Besco. Dengan menggunakan tahun dasar 1992, hitung
indeks harga pada tahun 1997 untuk biaya iklan melalui surat
kabar dan televisi.
1992 1997
Surat kabar $14,794 $29,412
Televisi $11,469 $23,904

121
INDEKS HARGA RELATIF SEDERHANA
 Jawaban 2
Indeks harga relatif sederhana adalah
Televisi Surat kabar
Pt Pt
I t ,0   100% I t ,0   100%
Po Po
23,904 29,412
I 1997   100% I 1997   100%
11,469 14,794
I 1997  208 I 1997  199
Kenaikan biaya iklan melalui televisi lebih besar dibandingkan melalui
surat kabar.

122
INDEKS HARGA RELATIF SEDERHANA
 Contoh 3
Data rata-rata perdagangan beberapa hasil pertanian di Jakarta dari
tahun 1992 – 1997 disajikan dalam tabel berikut. Hitunglah indeks
harga beras pada tahun 1995, 1996, dan 1997 dengan waktu dasar
tahun 1992.
Jenis Pertanian 1992 1993 1994 1995 1996 1997
Beras 66.368 67.337 81.522 100.209 101.382 111.183
Jagung Kuning 34.877 39.829 45.850 50.000 62.740 66.208
Kacang Kedelai 110.505 116.458 121.542 115.052 114.800 125.733
Kacang Hijau 111.528 111.063 127.108 128.750 163.042 192.771
Kacang Tanah 161.243 198.271 209.542 200.000 228.792 223.250
Ketela Pohon 15.433 13.853 20.538 26.944 26.079 24.311
Ketela Rambat 22.033 22.273 29.831 36.698 35.688 35.131
Kentang 46.984 55.110 85.183 82.404 93.713 121.920
123
INDEKS HARGA RELATIF SEDERHANA

 Jawaban 3
Tahun 1995
P95 100209
I 95 / 92   100%   100%  150,99%
P92 66368

Tahun 1996
P96 101382
I 96 / 92   100%   100%  152,67%
P92 66368

Tahun 1997
P97 111183
I 97 / 92   100%   100%  167,52%
P92 66368
124
INDEKS HARGA RELATIF SEDERHANA

 Jadi, dibandingkan dengan harga beras tahun 1992, harga

beras tahun 1995 naik 50,99% (150,99% – 100%) pada
tahun 1996 naik 52,76%, dan pada tahun 1997 naik 67,52%

125
BEBEBAPA HAL PENTING TENTANG INDEKS HARGA
 Pemilihan Tahun Dasar
◦ Tahun dasar sebaiknya tidak jauh jaraknya dari periode saat ini
(current period).
◦ Penentuan tahun dasar sebaiknya dilakukan
penyesuaian/pembaruan secara teratur.
 Perubahan Kualitas
◦ Asumsi dasar Indeks Harga : harga dihitung untuk komoditas
yang sama pada setiap periode.
◦ Perbaikan kualitas secara substansial akan berakibat
meningkatnya harga sebuah produk.

126
BEBEBAPA HAL PENTING TENTANG INDEKS HARGA
 Pemilihan Komoditas
◦ Jika banyaknya kelompok komoditas sangat besar, maka cukup dipilih
kelompok yang dianggap mewakili (secara purposive).

◦ Dalam indeks harga agregat kelompok komoditas harus dikaji ulang

dan direvisi secara teratur untuk mengetahui apakah kelompok yang
dipilih mewakili seluruh kelompok yang ada atau tidak.

127
SOAL INDEKS PRODUKSI RELATIF SEDERHANA
 Tabel dibawah ini menyajikan data produksi Tanaman Bahan Makanan menurut
jenis, dari tahun 1993-1998. Hitunglah indeks produksi kacang tanah tahun 1996,
1997, dan 1998 dengan waktu dasar adalah tahun 1993.

Jenis Pertanian 1992 1993 1994 1995 1996 1997

Padi Sawah 45.559 43.959 46.806 48.188 46.592 45.711
Padi Ladang 2.622 2.682 2.938 2.913 2.785 2.761
Jagung 6.460 6.869 8.246 9.307 8.711 10.059
Ubi Kayu 17.285 15.729 15.441 17.002 15.134 14.728
Ubi Jalar 2.088 1.845 2.171 2.017 1.847 1.928
Kacang Tanah 639 632 760 738 688 691
Kedelai 1.709 1.565 1.680 1.517 1.357 1.306

128
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.

129
INDEKS AGREGATIF TIDAK TERTIMBANG

 Kelemahan
1. Satuan atau unit harga barang sangat mempengaruhi
indeks harga
2. Tidak memperhitungkan kepentingan relatif barang-
barang yang tercakup dalam pembuatan indeks

130
INDEKS AGREGATIF TIDAK TERTIMBANG
 Rumus
I t ,0 
 P
t
 100% I t ,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
131
INDEKS AGREGATIF TIDAK TERTIMBANG

 Contoh
Data yang menyajikan pengeluaran rumah tangga untuk tahun 2000-
2004. Hitunglah indeks harga tak tertimbang untuk tahun 2002
dengan waktu dasar tahun 2000.
Bulan 2000 2001 2002 2003 2004
Januari 3500 3800 4100 4200 3850
Februari 3800 3450 4120 4250 3800
Maret 3400 3600 3950 4150 3900
April 4000 3900 3890 4050 3950
Mei 4200 4100 3950 3900 4000
Juni 3900 3950 4000 4100 3990
Jumlah 22800 22800 24010 24650 23490
Indeks Harga 100 100 105 108 103
132
INDEKS AGREGATIF TIDAK TERTIMBANG

 Jawaban
Tahun 2002
P02 24010
I 02 / 00   100%   100%  105%
P00 22800

Jika dibandingkan dengan tahun 2000,besarnya pengeluaran

rumah tangga untuk tahun 2002 mengalami kenaikan
sebesar 5%.
133
SOAL INDEKS AGREGATIF TIDAK TERTIMBANG

Data yang menyajikan besarnya pengeluaran untuk pembelian

jenis bahan makanan berikut. Hitunglah indeks harga tak
tertimbang untuk tahun 2001 dengan waktu dasar tahun 2000.

Jenis Bahan Makanan Kuantitas

2000 2001
Daging sapi (per kg) 20 30

Daging kambing (per kg) 500 600

Daging ayam (per kg) 50 75

134
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

adalah
1. Kepentingan relatif
2. Hal-hal yang berhubungan atau berpengaruh dengan naik turunnya
indeks tersebut
135
INDEKS AGREGATIF TERTIMBANG
 Rumus
I t ,0 
 PQ
t o
 100%
P Q
o 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
136
INDEKS AGREGATIF TERTIMBANG
 Indeks Laspeyres (IL)
ILh arga 
 PQ
t o
 100% ILproduksi 
 PQ o t
 100%
P Q
o o P Q o o

 Indeks Harga Paasche (IP)

IPh arg a 
 PQ
t t
 100% IPproduksi 
 PQ
t t
 100%
P Q
o t  PQ
t o

 Indeks Drobisch (ID)

IL  IP
ID 
2
137
INDEKS AGREGATIF TERTIMBANG
 Indeks Irving Fisher (IF)
IF  IL.IP
 Indeks Walsh
IW 
 p t Qo Qt
 100 %
P o Qo Qt

 Indeks Marshal – Edgeworth (IME)

IME 
 P (Q t o  Qt )
 100%
 P (Q o o  Qt )
138
INDEKS AGREGATIF TERTIMBANG
 Contoh
Data pembelian beras dalam beberapa bulan untuk tahun
2005 dan 2006. Tentukan indeks agregatif terimbang.
Bulan Tahun 2005 Tahun 2006
Harga Kuantitas Harga Kuantitas
Januari 3500 15 3950 20
Februari 3800 16 4000 19
Maret 3400 20 4150 22
April 4000 25 4250 25
Mei 4200 22 3850 20
Juni 3900 20 3960 23
139
INDEKS AGREGATIF TERTIMBANG
Tahun 2005 Tahun 2006
Bulan Harga Kuantitas Harga Kuantitas Po.Qo Pt.Qo Po.Qt Pt.Qt
Po Qo Pt Qt
Januari 3500 15 3950 20 52500 59250 70000 79000
Februari 3800 16 4000 19 60800 64000 72200 76000
Maret 3400 20 4150 22 68000 83000 74800 91300
April 4000 25 4250 25 100000 106250 100000 106250
Mei 4200 22 3850 20 92400 84700 84000 77000
Juni 3900 20 3960 23 78000 79200 89700 91080
Jumlah 22800 118 24160 129 451700 476400 490700 520630

Total 451700 476400 490700 520630

Indeks Harga Tertimbang 105.4682
Laspeyres 105.4682 108.6340
Paasche 106.0994 109.2842
Drobisch 105.7838 108.9591
Fisher 105.7833 108.9586
Marshal-Edgeworth 105.7969
Walsh 105.7898 140
SOAL INDEKS AGREGATIF TERTIMBANG
Buatlah indeks agregatif tertimbang untuk tahun 1995 dengan
waktu dasar 1994 dari data yang disajikan dalam tabel berikut.

Jenis Barang Produksi (Satuan) Harga (Satuan)

1994 1995 1994 1995
A 35 20 20 15
B 15 40 35 30
C 60 50 40 40
D 45 70 30 60
E 30 90 15 80

141
DATA BERKALA
 Konsep
Data Berkala adalah data yang dikumpulkan dari waktu ke waktu untuk menggambarkan
perkembangan suatu kegiatan.

 Contoh
Perkembangan Produksi, Harga, Penduduk, dll

 Manfaat
Sebagai dasar pembuatan garis trend.
Garis trend digunakan untuk membuat ramalan yang diperlukan untuk daar perumusan
perencanaan.

Pertemuan Ke 11
142
ANALISIS DATA BERKALA

 Pada umumnya terdiri dari uraian secara matematis tentang

komponen-komponen yang menyebabkan gerakan atau
variasi yang tercerin dalam fluktuasi.

 Fluktuasi dapat terjadi dalam satuan bulanan, triwulan, atau

semester

 Perubahan terjadi kurang dari satu tahun

143
ANALISIS DATA BERKALA

 Manfaat
Untuk mengetahui perkembangan suatu atau beberapa
kejadian serta hubungan atau pengaruh terhadap kejadian
lainnya.

 Contoh
Apakah kenaikan biaya iklan akan diikuti dengan kenaikan
penerimaan penjualan

144
ANALISIS DATA BERKALA

 Manfaat
Untuk mengetahui kondisi masa mendatang.

Peramalan kondisi mendatang bermanfaat untuk

perencanaan produksi, pemasaran, keuangan dan bidang
lainnya

145
KLASIFIKASI ANALISIS DATA BERKALA
1. Gerakan Trend Jangka Panjang (Trend)
Simbol : T

2. Gerakan/ Variasi Siklus

Simbol : C

3. Gerakan/ Variasi Musiman

Simbol : S

4. Gerakan/ Variasi Acak (Tidak Teratur)

Simbol : I

146
GERAKAN TREND JANGKA PANJANG (T)
 Suatu gerakan yang menunjukkan arah perkembangan
secara umum (kecenderungan menaik/ menurun)
Y = f(X) Y = f(X)

Waktu Waktu
Trend Turun Trend Naik 147
GERAKAN/ VARIASI SIKLUS (C)
 Gerakan/ variasi jangka panjang di sekitar garis trend (berlaku
untuk data tahunan)
 Gerakan siklus dapat terulang setelah jangka waktu tertentu
(setiap 3 tahun, 5 tahun, atau lebih) dan dapat terulang dalam
jangka waktu yang samaY = f(X)

Waktu
Trend Siklis 148
GERAKAN/ VARIASI MUSIMAN (S)
 Gerakan yang mempunyai pola tetap dari waktu ke waktu
 Pada umumnya gerakan musiman terjadi pada data bulanan yang
dikumpulkan dari tahun ke tahun, tapi juga berlaku bagi data harian,
mingguan, atau satuan waktu yang lebih kecil lagi
Y = f(X)

Waktu
Trend Musiman
149
GERAKAN/ VARIASI ACAK (I)
 Gerakan/ variasi yang sifatnya sporadis, misalnya naik turunnya
produksi akibat banjir yang datangnya tidak tentu.

Y = f(X) Y = f(X)

Waktu Waktu
Trend Acak Naik Trend Acak Mendatar 150
HUBUNGAN KLASIFIKASI ANALISIS DATA BERKALA

 Data berkala (Y) merupakan hasil kali dari empat komponen,

yaitu

Y=T×C×S×I

 Data berkala (Y) merupakan hasil penjumlahan dari empat

komponen, yaitu

Y=T+C+S+I
151
TREND
 Konsep
Suatu gerakan kecenderungan naik atau turun dalam jangka panjang yang
diperoleh dari rata-rata perubahan dari waktu ke waktu dan nilainya cukup
rata (smooth).

Y Y

Tahun (X) Tahun (X)

Trend Positif Trend Negatif

152
METODE TREND

 Metode yang umum digunakan untuk menggambarkan garis

trend adalah
1. Metode Tangan Bebas
2. Metode Rata-rata Semi
3. Metode Rata-rata Bergerak
4. Metode Kuadrat Terkecil

153
METODE TANGAN BEBAS
• Konsep
Metode tangan bebas merupakan cara paling mudah, tetapi
sifatnya sangat subjektif.

Maksudnya, jika ada lebih dari satu orang menarik garis trend
dengan cara ini akan diperoleh garis trend lebih dari satu orang.

Hal ini disebabkan masing-masing orang mempunyai pilihan

sendiri sesuai dengan anggapannya garis yang mewakili diagram
pencar.
154
METODE TANGAN BEBAS

 Langkah-langkah menentukan garis trend

1. Buat sumbu tegak Y dan sumbu mendatar X.
2. Buat diagram pencar (X, Y). X adalah variabel waktu.
3. Melalui pengamatan langusng terhadap diagram pencar, tariklah
garis yang mewakili atau paling tidak mendekati semau titik
koordinat yang membentuk diagram pencar.
Y : Y1, Y2, …, Yi, …, Yn
X : X1, X2, …, Xi, … Xn

155
METODE TANGAN BEBAS

Y
Rumus
•  persamaan
Yn  linear
•
 y  y1 x  x1
Yi• 
 y 2  y1 x 2  x1
Y2
•  


Y1
• Rumus
persamaan
trend
•       
X1 X2 X3 X4 Xi Xn X Y  a  bX
156
METODE TANGAN BEBAS
 Contoh Tahun X PDB (Y)
Produk Domestik Bruto (PDB) 1992 0 10164,9
atas dasar harga konstan 1993 1 11169,2
tahun 1983 (milyar rupiah). 1994 2 12054,6

Buatlah persamaan garis trend 1995 3 12325,4

dengan metode tangan bebas. 1996 4 12842,2

Ramalkan PDB untuk tahun 1997 5 13511,5

2000 dan 2001. 1998 6 14180,8

1999 7 14850,1

Pertemuan Ke 12
157
METODE TANGAN BEBAS

 Jawaban

Garis trend Y = 10.164,9 + 669,32 X

milyar rupiah
15.000
• 

14.000 •

13.000
• 
12.000
•  

11.000
•
10.000

•       
1992 1993 1994 1995 1996 1997 1998 1999 2000 tahun
158
METODE TANGAN BEBAS

 Jawaban
Diambil tahun 1992 sebagai titik asal (0, 10164,9) dan tahun
1999 sebagai titik akhir (7, 14850,1)

Y = a + bx
(0, 10164,9) 10164,9 = a + b(0)
(7, 14850,1) 14850,1 = a + b(7)

159
METODE TANGAN BEBAS

 Jawaban

a  b0   10164,9 b = 669,3

a  10164,9 bahwa setiap tahun
secara rata-rata
terjadi kenaikan
a  7b  14850,1
Produk Domestik
10164,9  7b  14850,1 Bruto (PDB) sebesar
7b  4685,2 669,3 milyar
b  669,3
160
METODE TANGAN BEBAS

 Jawaban
Persamaan garis linear adalah

Y  a  bX
Y  10164 ,9  669 ,3 X

Ramalan untuk tahun 2000 (X = 8) dan tahun 2001 (X = 9)

PDB2000  10164,9  669,38  15519,3 Rp15.519,3 milyar

PDB2001  10164,9  669,39  16188,6 Rp16.188,6 milyar
161
METODE RATA-RATA SEMI

 Langkah-langkah menentukan garis trend

1. Data dikelompokkan menjadi dua bagian dengan jumlah data yang
sama
2. Masing-masing kelompok dicari rata-ratanya, misalnya Y1 dan Y2
3. Titik absis harus dipilih dari variabel X yang berada di tengah
masing-masing kelompok (tahun atau waktu yang ditengah)
4. Titik koordinat (2) dan (3) dimasukan dalam persamaan Y = a + bX

162
METODE RATA-RATA SEMI

 Data genap (titik absis bulat)

X 6
X1, X 2 , X 3 , X 4 , X 5 , X 6
1, 2, 3, 4, 5, 6
           

Y1 Y2
2  titik absis
5  titik absis 163
METODE RATA-RATA SEMI

 Data genap (titik absis desimal)

X 8
X1, X 2 , X 3 , X 4 , X 5 , X 6 , X 7 , X 8
1, 2, 3, 4, 5, 6, 7, 8
             

Y1 Y2
2,5  titik absis
6,5  titik absis 164
METODE RATA-RATA SEMI

 Data ganjil

X 7
X1, X 2 , X3, X5 X6, X7
X4
1, 2, 3, 5, 6, 7,
          

Y1 Y2
X 4 dihapus
2  titik absis
6  titik absis 165
METODE RATA-RATA SEMI

 Contoh
Produk Domestik Bruto Tahun X PDB (Y)

(PDB) atas dasar harga 1992 0 10164,9

konstan tahun 1983 1993 1 11169,2

(milyar rupiah). 1994 2 12054,6

1995 3 12325,4
Buatlah persamaan
1996 4 12842,2
garis trend dengan
1997 5 13511,5
metode rata-rata semi.
1998 6 14180,8
Ramalkan PDB untuk 1999 7 14850,1
tahun 2000 dan 2001.
166
METODE RATA-RATA SEMI
 Jawaban
Tahun X Y Rata-rata
1992 0 10164,9
1993 1 11169,2 1 2
X1   1,5
1994 2 12054,6 2
45714 ,1
1995 3 12325,4 Y1   11428 ,5
4
1996 4 12842,2 1,5; 11428 ,5
56
1997 5 13511,5 X2   5,5
2
1998 6 14180,8 55384 ,6
Y2   13846 ,2
4
1999 7 14850,1 5,5; 13846 ,2
167
METODE RATA-RATA SEMI

 Jawaban
Y  a  bX
a  1,5 X  11428,5  5,5a  62856,75
a  5,5 X  13846,2  1,5a  20769,3
4
a  42087,45
a  10521,8625
b  604,425
Y  10521,8625  604,425 X
168
METODE RATA-RATA SEMI

 Jawaban
Y  10521,8625  604,425 X
mencari nilai b
PDB2000  X  8 Y2  Y1
b
Y  10521,8625  604,4258 X 2  X1
Y  15357,23 13846,2  11428,5
b
5,5  1,5
PDB2001  X  9
2417,7
Y  10521,8625  604,4259 b
4
Y  15961,65 b  604,425
169
METODE RATA-RATA BERGERAK

 Konsep
Rata-rata bergerak digunakan untuk memuluskan fluktuasi
yang terjadi dalam data tersebut. Proses pemulusan ini
disebut pemulusan data berkala.

Setiap rata-rata hitung dalam rata-rata bergerak disebut total

bergerak, yang berguna untuk mengurangi variasi dari data
asli.

170
METODE RATA-RATA BERGERAK

 Rumus
Data berkala sebanyak n: Y1, Y2, …, Yi, …, Yn, maka rata-
rata bergerak n waktu (tahun, bulan, minggu, hari)
merupakan urutan rata-rata hitung, yaitu

Y1  Y2  ...  Yn Y2  Y3  ...  Yn 1 Y3  Y4  ...  Yn  2

, , ,...
n n n

171
METODE RATA-RATA BERGERAK
• Apabila rata-rata bergerak dibuat dari data tahunan atau
bulanan sebanyak n waktu, maka rata-rata bergerak disebut
rata-rata bergerak tahunan atau bulan dengan orde n
(banyaknya data untuk menghitung rata-rata bergerak).

• Dengan menggunakan rata-rata bergerak untuk mencari

trend, terjadi kehilangan beberapa data dibandingkan data
asli. Artinya, banyaknya rata-rata bergerak menjadi tidak
sama dengan banyaknya data asli.

172
METODE RATA-RATA BERGERAK
Tahun Penjualan
 Contoh 1989 50,0
Data penjualan 1990 36,5
1991 43,0
suatu perusahaan
1992 44,5
disajikan dalam tabel 1993 38,9
berikut. Buatlah rata- 1994 38,1
rata bergerak 4 1995 32,6
1996 38,7
tahun dan 5 tahun.
1997 41,7
Buatlah kurvanya 1998 41,1
dalam satu grafik. 1999 33,8

173
METODE RATA-RATA BERGERAK

 Jawaban
Tahun Y Rata-rata Bergerak 4 tahun
1989 50,0
1990 36,5 43,5
1991 43,0 40,7
1992 44,5 41,1
1993 38,9 38,5
1994 38,1 37,1
1995 32,6 37,8
1996 38,7 38,5
1997 41,7 38,8
1998 41,1
1999 33,8
174
METODE RATA-RATA BERGERAK

Tahun Y Rata-rata Bergerak 5 tahun

1989 50,0
1990 36,5
1991 43,0 42,6
1992 44,5 40,2
1993 38,9 39,4
1994 38,1 39,6
1995 32,6 38,0
1996 38,7 38,4
1997 41,7 37,6
1998 41,1
1999 33,8
175
METODE RATA-RATA BERGERAK

60

50

40

30 Asli
4 tahun
20 5 tahun

10

176
METODE RATA-RATA BERGERAK

 Dari grafik, bahwa semakin besar derajat rata-rata bergerak,

semakin mulus bentuk kurva. Maksudnya, semakin
berkurang fluktuasinya maka tampak jelas adanya trend
(dalam hal ini trend menurun)

177
SOAL METODE RATA-RATA BERGERAK

Data hasil penjualan Tahun Penjualan

suatu perusahaan 1989 40,0
selama 10 tahun 1990 39,5
terakhir disajikan dlaam 1991 48,0

tabel berikut. Buatlah 1992 41,5

1993 38,9
rata-rata bergerak 2 1994 45,1
tahun, 3 tahun, dan 4 1995 56,6
tahun. Buatlah 1996 65,7
kurvanya dalam satu 1997 78,7

grafik. 1998 90,1

178
METODE KUADRAT TERKECIL
• Konsep
Metode kuadrat terkecil untuk mencari garis trend
dimaksudkan suatu perkiraan atau taksiran mengenai nilai a
dan b dari persamaan Y = a + bX yang didasarkan atas data
hasil observasi sedemikian rupa sehingga dihasilkan jumlah
kesalahan kuadrat terkecil (minimum)

Semakin kecil nilai jumlah kesalahan kuadrat, semakin

mendekati garis trend pada diagram pencar

179
METODE KUADRAT TERKECIL

 Rumus (Cara I)
Garis trend dapat dinyatakan dengan

X i 0
1
a   Yi 1
n Y   Yi ; rata  rata Y
n
b
 X i Yi
1
X   X i ; rata  rata X
 i
2
X n

Y  a  bX 180
METODE KUADRAT TERKECIL

• Contoh 1 Tahun PDB (Y)

Produk Domestik Bruto 1992 10164,9
(PDB) atas dasar harga 1993 11169,2
konstan tahun 1983
(milyar rupiah). 1994 12054,6
1995 12325,4
Buatlah persamaan
garis trend dengan 1996 12842,2
metode kuadrat 1997 13511,5
terkecil. 1998 14180,8
Ramalkan PDB untuk 1999 14850,1
tahun 2000.

181
METODE KUADRAT TERKECIL

 Jawaban 1
Tahun X Y XY X2
1992 -7 10164,9 -71154,3 49
1993 -5 11169,2 -55846,0 25
1994 -3 12054,6 -36163,8 9
1995 -1 12325,4 -12325,4 1
1996 1 12842,2 12842,2 1
1997 3 13511,5 40534,5 9
1998 5 14180,8 70904,0 25
1999 7 14850,1 103950,7 49
Jumlah 0 101098,7 52741,9 168
182
METODE KUADRAT TERKECIL

 Jawaban 1
1
a   Yi Y  a  bX
n
Y  12637 ,34  313 ,94 X
a  101098,7   12637,34
1
8
• Untuk tahun 2000, X = 9

b
 XY i i
Y = 12637,34 + 313,94(9)

X
2 Y = 12637,34+2825,46
i
Y = 15462,8
52741,9 (Rp15.462,8 milyar)
b  313,94
168
183
METODE KUADRAT TERKECIL

• Contoh
Data penjualan suatu Tahun Penjualan
1989 50,0
perusahaan disajikan
1990 36,5
dalam tabel berikut.
1991 43,0
Buatlah persamaan
1992 44,5
garis trend dengan
1993 38,9
menggunakan metode 1994 38,1
kuadrat terkecil. 1995 32,6
Berapa ramalan hasil 1996 38,7
penjualan tahun 1997 41,7
2000? 1998 41,1
1999 33,8
184
METODE KUADRAT TERKECIL
Tahun X Y XY X2
 Jawaban 2 1989 -5 50,0 -250 25
1990 -4 36,5 -146 16
1991 -3 43,0 -129 9
1992 -2 44,5 -89 4
1993 -1 38,9 -38,9 1
1994 0 38,1 0 0
1995 1 32,6 32,6 1
1996 2 38,7 77,4 4
1997 3 41,7 125,1 9
1998 4 41,1 164,4 16
1999 5 33,8 169 25
Jumlah 0 438,9 -84,4 110
185
METODE KUADRAT TERKECIL

 Jawaban 2
1
a   Yi
n Y  a  bX
a  438,9  39,9
1 Y  39 ,9  0,77 X
11
• Untuk tahun 2000, X = 6

b
 XY i i
Y = 39,9 – 0,77(6)
Y = 39,9 – 4,62
X
2
i Y = 35,28
 84,4 (Rp35,28 milyar)
b  0,77 Terjadi penurunan 0,77
110 (Rp770,000)
186
METODE KUADRAT TERKECIL

 Rumus (Cara II)

Garis trend dapat dinyatakan dengan

a  Y  bX
n X i Yi   X i  Yi 1
Y   Yi ; rata  rata Y
b
n X i   X i 
2
n
2
1
X   X i ; rata  rata X
n

Y  a  bX
187
METODE KUADRAT TERKECIL

• Contoh 3
Produk Domestik Bruto Tahun PDB (Y)
(PDB) atas dasar harga
konstan tahun 1983 1992 10164,9

(milyar rupiah). 1993 11169,2

Buatlah persamaan 1994 12054,6

garis trend dengan 1995 12325,4
metode kuadrat 1996 12842,2
terkecil. 1997 13511,5
Ramalkan PDB untuk 1998 14180,8
tahun 2000. 1999 14850,1

188
METODE KUADRAT TERKECIL

 Jawaban 3

Tahun X Y XY X2
1992 1 10164,9 10164,9 1
1993 2 11169,2 22338,4 4
1994 3 12054,6 36163,8 9
1995 4 12325,4 49301,6 16
1996 5 12842,2 64211,0 25
1997 6 13511,5 81069,0 36
1998 7 14180,8 99265,6 49
1999 8 14850,1 118800,8 64
Jumlah 36 101098,7 481315,1 204 189
METODE KUADRAT TERKECIL

 Jawaban 3

a  Y  bX
X   X i  36  4,5 a  12637,34  627,884,5
1 1
n 8
a  9811,88
Y   Yi  101098,7   12637,34
1 1
n 8
Y  a  bX
n X i Yi   X i  Yi Y  9811,88  627,88 X
b
n X i   X i 
2 2
Untuk tahun 2000, X = 9
b
8481315,1  36101098,7  Y= 9811,88 + 627,88(9)
8204  362 Y = 15462,8
b  627,879 (Rp15,462,8 milyar) 190
SOAL METODE KUADRAT TERKECIL

Data hasil penjualan Tahun Penjualan

suatu perusahaan 1989 40,0
selama 10 tahun 1990 39,5
terakhir disajikan dlaam 1991 48,0
tabel berikut. Buatlah 1992 41,5

persamaan garis trend 1993 38,9

1994 45,1
dengan menggunakan
1995 56,6
metode kuadrat terkecil.
1996 65,7
Berapa ramalan hasil
1997 78,7
penjualan tahun 1999?
1998 90,1

191
ATRIBUT
Besterfield (1998)  karakteristik kualitas yang sesuai dengan spesifikasi atau tidak sesuai dengan
spesifikasi.

Atribut : - goresan
- kesalahan
- warna
- bagian yang hilang

Kesalahan atau cacat  evaluasi terkait penggunaan

Ketidaksesuaian  diukur dengan spesifikasi

Peta ATRIBUT hanya mempunyai 2 nilai : YA dan TIDAK seperti : sesuai atau tidak sesuai, bagus
atau jelek, terlambat atau tepat waktu

Pertemuan Ke 13
PERBEDAAN PETA KONTROL VARIABEL DAN ATRIBUT
Control variabel
Perhitungan pada semua karakter
Pengendalian pada tingkat bawah
(mesin)
Menentukan alasan khusus pada
kondisi out of statistical control
Control atribut
Tidak harus disemua karakter
Pengendalian pada semua
tingkatan dlm organisasi,
perusahaan, departemen, pusat2
kerja, mesin-mesin
Dapat mengidentifikasi akar
permasalahan baik di tk umum
atau tk yg lebih detail
KELEMAHAN PETA CONTROL ATRIBUT :

1. Tidak dapat diketahui seberapa jauh ketidaktepatan dengan

spesfikasi tsb.
2. Ukuran sampel yang besar akan bermasalah bila
pengukuran mahal atau pengujian yg menyebabkan
kerusakan.
 p-chart
(proporsi ketidaksesuain)
Distribusi binomial

np-chart
(banyaknya ketidaksesuain)
Peta
Control Atribut

c-chart
(ketidaksesuain dlm unit
Distribusi Poisson Yg diinspeksi)

u-chart
(bila ukuran sampel
bervariasi)
LANGKAH-LANGKAH PETA PENGENDALI STATISTIK DATA ATRIBUT
(BESTERFIELD, 1998)
1. Menentukan sasaran yg akan dicapai
2. Menentukan banyaknya sampel dan banyknya observasi
3. Mengumpulkan data
4. Menentukan garis pusat an batas pengendali
5. Merevisi garis pusat dan batas2 pengendali
PETA PENGENDALI PROPORSI KESALAHAN (P-CHART) DAN BANYAKNYA
KESALAHAN (NP-CHART) DLM SAMPEL

Kegunaan :
Untuk mengetahui apakah cacat produk yang dihasilkan
masih dalam batas yg disyaratkan.
SAMPEL KONSTAN
 Utk mengetahui kesalahan atau cacat pada sampel untuk setiap kali
observasi :
x
P
n
 Dimana :
p = proporsi kesalahan di setiap sempel
x = banyaknya produk yg salah tiap sampel
n = banyaknya sampel yg diambil dalam inspeksi
 Center line
g g

 pi  xi
p i 1
 i 1
g n.g
 Dimana :
p = garis pusat peta pengendali proporsi kesalahan
pi = proporsi kesalahan stp sampel/sub kelmpk dlm tp
observasi
n = banyaknya sampel yg diambil tiap observasi
g = banyaknya observasi yg dilakukan
PETA KONTROL P 3 SIGMA

p(1  p) p(1  p)
BPAp  p  3 BPBp  p  3
n n

Batas Pengendali Atas

Batas Pengendali Bawah
proporsi
proporsi
PETA CONTROL P (1 SIGMA)

p(1  p) p(1  p)
BPAp  p  BPBp  p 
n n

Peta control p (6 sigma)

p(1  p) p(1  p)
BPAp  p  6 BPbp  p  6
n n
PETA CONTROL NP

Bila sampel yg diambil tiap observasi sama maka bisa

digunakan peta np-chart
Center line np-chart

np  n p
Dimana :
n p = grs pusat utk peta pengendali banyaknya
kesalahan
xi = bnyknya kesalhan dlm stp sampel atau tp observasi
g = banyaknya observasi yg dilakukan
PETA CONTROL NP 3 SIGMA

 Standar deviasi
 _ np  n p(1  p)

 BPA np  n p  3 (n p(1  p)

 BPB np  n p  3 (n p(1  p)
PETA CONTROL NP 1 SIGMA

UCLnp  n p  (n p(1  p) LCLnp  n p  (n p(1  p)

Peta control np 6 sigma

UCLnp  n p  6 (n p(1  p) LCLnp  n p  6 (n p(1  p)

CONTOH SOAL

 Suatu perusahaan pembuat plastik ingin membuat peta

pengendali untuk periode mendatang dengan mengadakan
inspeksi terhadap proses produksi bulan ini. Perusahaan
melakukan 25 observasi dengan mengambil sampel 50 buah
utk setiap observasi.
observasi ukuran sampel Banyaknya produk cacat porporsi cacat keterangan
1 50 4 0.08
2 50 2 0.04
3 50 5 0.1
4 50 3 0.06
5 50 2 0.04
6 50 1 0.02
7 50 3 0.06
8 50 2 0.04
9 50 5 0.1
10 50 4 0.08
11 50 3 0.06
12 50 5 0.1
13 50 5 0.1
14 50 2 0.04
15 50 3 0.06
16 50 2 0.04
17 50 4 0.08
18 50 10 0.2 keterlambatan bahan
19 50 4 0.08
20 50 3 0.06
21 50 2 0.04
22 50 5 0.1
23 50 4 0.08
24 50 3 0.06

25 50 4 0.08

jumlah 1250 90
 90
p  0.072
garis pusat 1250

0.072 (1  0.072 )
p  0.072  3  0.182
50
BPA

0.072 (1  0.072 )
p  0.072  3  0.038  0
50
BPB
 Out of statistic control

p-chart

0.25

0.2
proporsi

Series1
0.15
Series2
0.1 Series3

0.05

0
1 3 5 7 9 11 13 15 17 19 21 23 25

observasi
Dilakukan revisi
90  10
Garis pusat : p  0.067
1250  50

0.067 (1  0.067 )
p  0.067  3  0.173
BPA 50

0.067 (1  0.067 )
BPB p  0.067  3  0.039  0
50
 p-chart revisi

0.2
0.18
0.16
0.14 p
0.12
BPA
0.1
BPB
0.08
0.06 CL
0.04
0.02
0
1 3 5 7 9 11 13 15 17 19 21 23
 Garis pusat np = 90/25 = 3,6

 BPA np  3.6  3 3.6(1  0.072)  9.08

 BPB np  3.6  3 3.6(1  0.072)  1.88  0

 Out of statistical control

np-chart

12

10

8 x
jml cacat

BPA
6
BPB
4 CL
2

0
1 3 5 7 9 11 13 15 17 19 21 23 25
observasi
 Dilakukan revisi :
 Garis pusat np = (90-10)/(25-
1) = 3.33 dan
p = (90-10)/(1250-50) = 0.067
BPA
np  3.33  3 3.33(1  0.067)  8.618

BPB
np  3.33  3 3.33(1  0.067)  1.96  0
 np-chart revisi

10

8
x
jmlh cacat

6 BPA

4 BPB
CL
2

0
1 3 5 7 9 11 13 15 17 19 21 23
observasi
UNTUK BANYAKNYA SAMPEL BERVARIASI

 Untuk sampel yg bervariasi peta yg digunakan

hanya p-chart, bukan banyaknya kesalahan (np-
chart)
 Namun peta pengendali proporsi kesalahan
mempunyai tiga pilihan :
 - peta pengendalian harian/individu
 - peta pengendali model rata-rata
 - peta pengendali dgn model yg dibuat menurut
banyaknya sampel berdasarkan pertimbangan
perusahaan
PETA PENGENDALI UTK BANYAKNYA KESALAHAN DALAM SATU UNIT
PRODUK
(C-CHART DAN U-CHART)
 Peta pengendali ini digunakan untuk mengadakan
pengujian terhadap kualitas proses produksi dengan
mengetahui banyaknya kesalahan pada satu unit produk
sebagai sampelnya.

 Contoh penggunaan peta ini :

- mengetahui jumlah bercak pada sebidang tembok
- mengetahui jumlah gelembung udara pada gelas
- mengetahui jumlah kesalahan pemasangan sekrup
pada mobil, dan sebagainya.
SAMPEL KONSTAN

 Menggunakan c-chart
Garis pusat (center line) :
Garis pusat g

 ci
cc i 1

Dimana : g
c = garis pusat
ci = banyaknya kesalahan setiap unit sebagai sampel tiap
observasi
g =banyaknya observasi yg dilakukan
PETA CONTROL C 3 SIGMA

 BPA
c  c 3 c

 BPB
c  c 3 c
PETA CONTROL C (6 SIGMA)

 BPA
c  c6 c

 BPB
c  c 6 c
CONTOH SOAL
 Bayangkan PT ABC adalah sebuah perusahaan jasa yng beroperasi
dlm bidang transportasi taksi. Pada saat ini perusahaan sedang
mengoperasikan 500 Armada taksi . PT ABC ingin memantau proses
pelayanan taksi melalui mengendalikan banyaknya keluahan dari
pengguna taksi yg diterima setiap hari. Untuk itu, melalui
pengumpulan data banyaknya keluhan selama 20 periode
pengamatan.
nomor banyaknya keluhan
pengematan pengguna taksi
1 12
2 8
3 10
4 7 BUATLAH PETA CONTROL C DENGAN 3
5 9 SIGMA ??????????
6 11
7 10
8 12
9 13
10 12
11 11
12 14
13 10
14 9
15 10
16 12
17 11
18 10
19 8
20 9
MENGGUNAKAN PETA PENGENDALI U (U-CHART)

 Untuk menggunakan peta pengendali u (u-chart)

ini terlebih dahulu diketahui banyaknya
kesalahan utk satu unit produk.
  utk mengukur ketidak sesuaian (titik spesifik)
per unit laporan inspeksi dalam kelompok
(periode) pengamatan, yg mungkin memiliki
ukuran contoh

ci
ui   Dimana n adalah banyaknya sampel utk setiap kali
observasi
n
PETA CONTROL U 3 SIGMA UTK SAMPEL VARIANSI
 Garis pusat  Dimana
g  u =grs pusat
 ci  ci = bnyknya
u i 1
kesalahan pd stp unit
ng
sebagai sampel tiap
u
 BPA u  u 3 observasi
N  g = bnyknya
observasi yg
dilakukan
u
 BPB u  u 3  n = ukuran sampel
N
 PETA CONTROL U 3 SIGMA UTK SAMPEL
KONSTAN
 Dimana
 Garis pusat
g  u =grs pusat
 ci  ci = bnyknya
u i 1
kesalahan pd stp unit
ng
sebagai sampel tiap
 BPA u  u 3 u observasi
 g = bnyknya
observasi yg
 BPB u  u 3 u dilakukan
 n = ukuran sampel
CONTOH SOAL

 PT ABC adalah sebuah perusahan perakitan komputer, ingin

memantau proses perakitan komputer dengan cara
mengendalikan banyaknya komponen yang tidak memenuhi
syarat per unit komputer.
nomor pengamatan ukuran contoh banyaknya komponen banyaknya komponen yang
(n) yg tidak memenuhi syarat tidak memnuhi syarat
c perunit komputer ( u = c/n)
1 5 10
2 5 12
3 5 8
4 5 14
5 5 10
6 5 16
7 5 11
8 5 7
9 5 10
10 5 15
11 5 9
12 5 5
13 5 7
14 5 11
15 5 12
16 5 6
17 5 8
18 5 10
19 5 7
20 5 5
 SEJARAH REGRESI

Istilah Regresi diperkenalkan oleh Fancis

Galtom
“Meskipun ada kecenderungan bagi orang tua yang
tinggi mempunyai anak-anak yang tinggi, dan bagi
orang tua yang pendek mempunyai anak yang
pendek, distribusi tinggi dari suatu populasi tidak
berubah secara menyolok (besar) dari generasi ke
generasi”.

Regresi = “Kemunduran ke arah sedang”

Pertemuan Ke 14
 PENGERTIAN REGRESI
 Analisis regresi merupakan studi ketergantungan satu atau
lebih variabel bebas terhadap variabel tidak bebas. Dengan
maksud untuk meramalkan nilai variabel tidak bebas.
 CONTOH PENERAPAN ANALISIS
1. Analisis Regresi antara tinggi orang tua terhadap tinggi anaknya (Gultom).
2. Analisis Regresi antara pendapatan terhadap konsumsi rumah tangga.
3. Analisis Regresi antara harga terhadap penjualan barang.
4. Analisis Regresi antara tingkat upah terhadap tingkat pengangguran.
5. Analisis Regresi antara tingkat suku bunga bank terhadap harga saham
6. Analisis regresi antara biaya periklanan terhadap volume penjualan
perusahaan.
 KETERGANTUNGAN STATISTIK VS.
FUNGSIONAL
 Hubungan kausal (ketergantungan statistik)
 Konsumsi dengan pendapatan
 Masa kerja dengan produktifitas
 Iklan dengan penjualan
 Hubungan fungsional/Identitas
 Likuditas dengan aktiva lancar
 Produktivitas dengan hasil produksi
 Upah karyawan dengan jam kerja
PERBEDAAN MENDASAR ANTARA KORELASI
DAN REGRESI ?
 Korelasi hanya  Regresi menunjukkan
menunjukkan hubungan pengaruh.
sekedar hubungan.  Dalam regresi
 Dalam korelasi terdapat istilah
variabel tidak ada tergantung dan
istilah tergantung variabel bebas.
dan variabel bebas.
ISTILAH DAN NOTASI VARIABEL
DALAM REGRESI ?
Y X
 Varaibel tergantung
(Dependent Variable)
 Variabel yang dijelaskan
(Explained Variable)
 Variabel yang diramalkan
(Predictand)
 Variabel yang diregresi
(Regressand)
 Variabel Tanggapan
(Response)
 Varaibel bebas (Independent
Variable)
 Variabel yang menjelaskan
(Explanatory Variable)
 Variabel peramal (Predictor)
 Variabel yang meregresi
(Regressor)
 Variabel perangsang atau
kendali (Stimulus or control
variable)
PERSAMAAN REGRESI
Persamaan Regresi
linier Sederhana:
n( XY )  ( X )( Y )
Y = a + bX +  b
n(  X 2 )  (  X ) 2
Y = Nilai yang diramalkan
a = Konstansta
b = Koefesien regresi
a
 Y  b( X )
X = Variabel bebas
n
 = Nilai Residu
CONTOH KASUS:

Seorang manajer pemasaran akan meneliti

apakah terdapat pengaruh iklan terhadap
penjualan pada perusahaan-perusahaan di
Kabupaten WaterGold, untuk kepentingan
penelitian tersebut diambil 8 perusahaan
sejenis yang telah melakukan promosi.
 PEMECAHAN
1. Judul
Pengaruh biaya promosi terhadap
penjualan perusahaan.
2. Pertanyaan Penelitian
 Apakah terdapat pengaruh positif biaya
promosi terhadap penjualan perusahaan ?
3. Hipotesis
 Terdapat pengaruh positif biaya promosi
terhadap penjualan perusahaan.
 4. KRITERIA PENERIMAAN HIPOTESIS
Ho : Tidak terdapat pengaruh positif biaya iklan terhadap penjualan perusahaan.
Ha : Terdapat pengaruh positif biaya iklan terhadap penjualan perusahaan.

 Ho diterima Jika
b ≤ 0, t hitung ≤ tabel
 Ha diterima Jika
b > 0, t hitung > t tabel.
5. Sampel
8 perusahaan
6. Data Yang dikumpulkan

Penjualan (Y) 64 61 84 70 88 92 72 77

Promosi (X) 20 16 34 23 27 32 18 22
7. ANALISIS DATA
Untuk analisis data diperlukan, perhitungan:
1. Persamaan regresi
2. Nilai Prediksi
3. Koefesien determinasi
4. Kesalahan baku estimasi
5. Kesalahan baku koefesien regresinya
6. Nilai F hitung
7. Nilai t hitung
8. Kesimpulan
PERSAMAAN REGRESI
Y X XY X2 Y2
64 20 1280 400 4096
61 16 976 256 3721
84 34 2856 1156 7056
70 23 1610 529 4900
88 27 2376 729 7744
92 32 2944 1024 8464
72 18 1296 324 5184
77 22 1694 484 5929
608 192 15032 4902 47094
 n( XY )  ( X )( Y )
b
n(  X 2 )  (  X ) 2

8(15032 )  (192 )( 609 )

b  1,497
8(4902 )  (192 ) 2

a
 Y  b( X )
n

(608)  1,497(192)
a  40,082
8

Y= 40,082 + 1,497X+e
NILAI PREDIKSI
 Berapa besarnya penjualan jika promosi sebesar 20?
40,082 + (1,497*20)= 70,022
 Berapa besarnya penjualan jika promosi sebesar 16?
40,082 + (1,497*16)=64,034
 Berapa besarnya penjualan jika promosi sebesar 34?
40,082 + (1,497*34)= 90,98
 Berapa besarnya penjualan jika promosi sebesar 23?
40,082 + (1,497*23)= 74,513
 Berapa besarnya penjualan jika promosi sebesar 27?
40,082 + (1,497*27)=80,501
 Berapa besarnya penjualan jika promosi sebesar 32?
40,082 + (1,497*32)= 87,986
Dan seterusnya…………………….!!!
No Y X XY X2 Y2 Ypred (Y-Ypred)2 (Y-Yrata)2

1 64 20 1280 400 4096 70.022 36.264 144

2 61 16 976 256 3721 64.034 9.205 225

3 84 34 2856 1156 7056 90.98 48.720 64

4 70 23 1610 529 4900 74.513 20.367 36

5 88 27 2376 729 7744 80.501 56.235 144

6 92 32 2944 1024 8464 87.986 16.112 256

7 72 18 1296 324 5184 67.028 24.721 16

8 77 22 1694 484 5929 73.016 15.872 1

Jlh 608 192 15032 4902 47094 608.08 227.497 886

 KOEFESIEN DETERMINASI
Koefesien determinasi:

R2  1
 (Y  Yˆ ) 2

R  1
2 (227 ,497 )
 0,743
 (Y  Y ) 2
(886 )

Koefesien Determinasi Disesuaikan (adjusted)

P (1  R 2
) 1(1  0,743)
Radj  R2  Radj  0,743   0,70
N  P 1 8 11
KESALAHAN BAKU ESTIMASI

Digunakan untuk mengukur tingkat kesalahan dari model regresi yang

dibentuk.

Se 
 (Y  Yˆ ) 2

Se 
(227 ,467 )
 6,1576
nk 82
 STANDAR ERROR KOEFESIEN
REGRESI
Digunakan untuk mengukur besarnya tingkat kesalahan dari koefesien regresi:

Se 6,1576
Sb  Sb1   0,359
( X ) 2
(192) 2

X 
2
(4902) 
n 8
 UJI F
Uji F digunakan untuk uji ketepatan model, apakah nilai prediksi mampu menggambarkan kondisi
sesungguhnya:

Ho: Diterima jika F hitung  F tabel

Ha: Diterima jika F hitung > F tabel

R 2 /(k  1) 0,743 /(2  1)

F F  17 ,367
1  R 2 /(n  k ) 1  0,743 /(8  2)

Karena F hitung (17,367) > dari F tabel (5,99) maka persamaan

regresi dinyatakan Baik (good of fit).
UJI T
Digunakan untuk mengatahui pengaruh variabel bebas
terhadap variabel tergantung.
Ho: Diterima jika t hitung  t tabel
Ha: Diterima jika t hitung > t tabel

bj 1,497
Thitung  t hitung   4,167
Sbj 0,359

Karena t hitung (4,167) > dari t tabel (1,943) maka Ha diterima

ada pengaruh iklan terhadap penjualan.
KESIMPULAN DAN IMPLIKASI
KESIMPULAN
Terdapat pengaruh positif biaya periklanan terhadap volume
penjualan.

IMPLIKASI
Sebaiknya perusahaan terus meningkatkan periklanan agar
penjualan meningkat.
TUGAS:
Carilah persamaan regresi dari data
berikut:

X 3 4 5 6 7 8 9
Y 12 11 13 12 13 14 16
LATAR BELAKANG MUNCULNYA ANALISIS REGRESI BERGANDA

Fenomena ekonomi bersifat komplek, sehingga tidak cukup

dijelaskan oleh satu variabel bebas.

Contoh:
Besarnya konsumsi tidak hanya dipengaruhi oleh pendapatan saja
tetapi juga dipengaruhi oleh jumlah anggota keluarga, tingkat
pendidikan serta variabel lainnya.

Pertemuan Ke 15
PERBEDAAN DENGAN REGRESI SEDERHANA
 Regresi sederhana hanya  Regresi berganda terdiri dua
terdiri satu variabel bebas. variabel atau lebih variabel
bebas.
 Y = a+bX+  Y = a+b1X1+ b2X2+ ….+bnXn+ 
UJI ASUMSI KLASIK
 UJI NORMALITAS
 NON-HETEROSKEDASTISITAS

 NON-MULTIKOLINIERITAS

 NON-AUTOKORELASI
PERSAMAAN REGRESI

Persamaan Regresi linier Berganda:

Y = a + b1X1 + b2X2+…+bnXn + 

Y = Nilai yang diramalkan

a = Konstansta
b1 = Koefesien regresi untuk X1
b2 = Koefesien regresi untuk X2
bn = Koefesien regresi untuk Xn
X1 = Variabel bebas pertama
X2 = Variabel bebas kedua
Xn = Variabel bebas ke n
 = Nilai Residu
CONTOH KASUS:
Seorang peneliti akan meneliti apakah ada pengaruh harga dan
pendapatan terhadap konsumsi buah Duren. Untuk keperluan
tersebut diambil sampel secara acak sebanyak 10 rumah tangga.
PEMECAHAN
1.Judul
Pengaruh pendapatan dan harga terhadap konsumsi buah Duren.
2. Pertanyaan Penelitian
 Apakah terdapat pengaruh negatif harga terhadap konsumsi buah Duren?
 Apakah terdapat pengaruh positif pendapatan terhadap konsumsi buah Duren?
 Diantara variabel pendapatan dan harga variabel manakah yang paling berpengaruh terhadap
konsumsi buah Duren?
3.Hipotesis
 Terdapat pengaruh negatif harga terhadap konsumsi buah Duren?
 Terdapat pengaruh positif pendapatan terhadap konsumsi buah Duren?
 Variabel pendapatan memiliki pengaruh yang paling besar terhadap konsumsi buah Duren.
4. KRITERIA PENERIMAAN
HIPOTESIS 1

Hipitesis 1.
Untuk menguji hipotesis: Harga memiliki pengaruh negatif
terhadap konsumsi buah Duren, digunakan kriteria sebagai berikut:
Ho : bj≥ 0 : Tidak terdapat pengaruh negatif harga terhadap
konsumsi buah Duren.
Ha : bi < Terdapat pengaruh negatif harga terhadap konsumsi buah
Duren.
Kriteria:
 Ho diterima Jika thitung ≥ -t tabel
 Ha diterima Jika thitung < -t tabel
4. KRITERIA PENERIMAAN HIPOTESIS 2
Hipitesis 2.
Untuk menguji hipotesis: Pendapatan memiliki pengaruh positif terhadap konsumsi buah
Duren, digunakan kriteria sebagai berikut:
Ho : bj≤ 0 : Tidak terdapat pengaruh positif pendapatan terhadap konsumsi buah Duren.
Ha : bi > Terdapat pengaruh positif pendapatan terhadap konsumsi buah Duren. .
Kriteria:
 Ho diterima Jika thitung ≤ t tabel
 Ha diterima Jika thitung > t tabel
4. KRITERIA PENERIMAAN HIPOTESIS 3
Hipitesis 3.
Untuk menguji hipotesis, Variabel pendapatan memiliki pengaruh yang paling besar terhadap
konsumsi buah Duren
Kriteria:
• Hipotesis Ditolak Jika:
Elastisitas () Pendapatan ≤ Elastisitas () Harga
• Hipotesis Diterima Jika:
Elastisitas () Pendapatan > Elastisitas () Harga
Uji ketepatan model.
Untuk melakukan uji ketepatan model (goodness of fit) digunakan uji F

Kriteria:
 Model persamaan regresi dinyatakan baik (good of fit), jika F hitung > F tabel
 Model persamaan regresi dinyatakan jelek (bad of fit)Jika F hitung ≤ F tabel
5. Sampel
10 Keluarga
6. Data Yang dikumpulkan

X1 2 3 5 4 6 2 3 4 5 6
X2 3 4 6 5 7 6 4 5 4 3
Y 5 8 8 9 9 13 6 9 4 3
7. ANALISIS DATA
Untuk analisis data diperlukan, perhitungan:
1. Persamaan regresi
2. Nilai Prediksi
3. Koefesien determinasi
4. Kesalahan baku estimasi
5. Kesalahan baku koefesien regresinya
6. Nilai F hitung
7. Nilai t hitung
8. Kesimpulan
PERSAMAAN REGRESI

No X1 X2 Y X12 X22 X1X2 X1Y X2Y Y2

1 2 3 5 4 9 6 10 15 25
2 3 4 8 9 16 12 24 32 64
3 5 6 8 25 36 30 40 48 64
4 4 5 9 16 25 20 36 45 81
5 6 7 9 36 49 42 54 63 81
6 2 6 13 4 36 12 26 78 169
7 3 4 6 9 16 12 18 24 36
8 4 5 9 16 25 20 36 45 81
9 5 4 4 25 16 20 20 16 16
10 6 3 3 36 9 18 18 9 9
Jlh. 40 47 74 180 237 192 282 375 626
Koefesien Regresi:
Y = a +b1X1+b2X2+

Y = 2,5529 -1,0921X1+1,9608X2+
MAKNA PERSAMAAN REGRESI YANG TERBENTUK

a = 2,553, Artinya jika harga (X1) dan pendapatan (X2)

sebesar 0 maka Y akan sebesar 2,553.
b1 =-1,092, Artinya jika pendapatan (X2) konstans, maka
kenaikan harga (X1) akan menyebabkan penurunan Y
sebesar -1,092 satuan.
b2 =1,961, Artinya jika harga (X1) konstans, maka kenaikan
pendapatan (X2) akan menyebabkan kenaikan Y
sebesar 1,961 satuan.
NILAI PREDIKSI
 Berapa besarnya permintaan jika harga sebesar 2 dan pendapatan sebesar 3?
2,553- (1,092x2)+(1,961x3)= 6,25
 Berapa besarnya permintaan jika harga sebesar 3 dan pendapatan sebesar 4?
2,553 - (1,092x3)+(1,961x4)= 7,12
 Berapa besarnya permintaan jika harga sebesar 5 dan pendapatan sebesar 6?
2,553 - (1,092x5)+(1,961x6)= 8,86
 Berapa besarnya permintaan jika harga sebesar 4 dan pendapatan sebesar 5?
2,553 - (1,092x4)+(1,961x5)= 7,99
 Berapa besarnya permintaan jika harga sebesar 6 dan pendapatan sebesar 7?
2,553 - (1,092x6)+(1,961x7)= 9,73
 Berapa besarnya permintaan jika harga sebesar 2 dan pendapatan sebesar 6?
2,553 - (1,092x2)+(1,961x6)= 12,13
 Berapa besarnya permintaan jika harga sebesar 3 dan pendapatan sebesar 4?
2,553 - (1,092x3)+(1,961x4)= 7,12
 Berapa besarnya permintaan jika harga sebesar 4 dan pendapatan sebesar 5?
2,553 - (1,092x4)+(1,961x5)= 7,99
Dan seterusnya…………………….!!!
No X1 X2 Y Ypred (Y-Ypred)2 (Y-Ybar)2
1 2 3 5 6.252 1.568 5.76
2 3 4 8 7.121 0.773 0.36
3 5 6 8 8.859 0.738 0.36
4 4 5 9 7.99 1.020 2.56
5 6 7 9 9.728 0.530 2.56
6 2 6 13 12.135 0.748 31.36
7 3 4 6 7.121 1.257 1.96
8 4 5 9 7.99 1.020 2.56
9 5 4 4 4.937 0.878 11.56
10 6 3 3 1.884 1.245 19.36
Jlh. 40 47 74 9.777 78.4
KOEFESIEN DETERMINASI
Koefesien determinasi:

(9,776 )
R2  1
 (Y  Yˆ ) 2
R  1
2
 0,875
(78,4)
 (Y  Y ) 2

Koefesien Determinasi Disesuaikan (adjusted)

P (1  R 2
) 2(1  0,875)
Radj  R2  Radj  0,875   0,840
N  P 1 10  2  1
KESALAHAN BAKU ESTIMASI

Digunakan untuk mengukur tingkat kesalahan dari model regresi yang

dibentuk.

Se 
 (Y  Yˆ ) 2

Se 
(9,776 )
 1,1818
nk 10  3
STANDAR ERROR KOEFESIEN REGRESI
Digunakan untuk mengukur besarnya tingkat kesalahan dari koefesien regresi:

(1,1818) 2
Sa  (5796)  1,626
Se2 3060
Sb  ( Kii)
Det[ A]
(1,1818) 2
Sb1  (161)  0,271
3060

(1,1818) 2
Sb2  (200)  0,302
3060
UJI T
 1,092
tX1   4,029
bj 0,271
t hitung 
Sbj
1,961
tX 2   6,490
0,302

Pengujian Hipotesis 1:
• thitung X1 (-4,029) < dari - ttabel (1,89), maka Ha diterima, Terdapat pengaruh negatif
harga terhadap konsumsi buah Duren.
Pengujian Hipotesis 2:
thitung X1 (6,490) > dari t tabel (1,89), maka Ha diterima, Terdapat pengaruh positif
pendapatan terhadap konsumsi buah Duren.
Hipotesis 3:
Untuk menguji variabel yang paling berpengaruh, digunakan uji elastisitas atau uji koefesien
beta.

Uji elastisitas:
4
1  1,0921  0,590
Xi 7,4
  i
Y 4,7
 2  1,9608  1,245
7,4
Uji Koefesien beta:
Beta X1 =-0,552
Beta X2 =0,889
Kesimpulan: Karena 2>1 atau Beta(X2) > Beta (X1) pendapatan (X2)
lebih berpengaruh terhadap konsumsi dibandingkan harga (X2)
UJI F
Uji F digunakan untuk uji ketepatan model, apakah nilai prediksi mampu menggambarkan kondisi
sesungguhnya:

Ho: Diterima jika F hitung  F tabel

Ha: Diterima jika F hitung > F tabel

R 2 /(k  1) 0,875 /(3  1)

F  F   24 ,567
1  R 2 /(n  k ) 1  0,875 /(10  3)

Karena F hitung (24,567) > dari F tabel (4,74) maka maka persamaan regresi dinyatakan Baik
(good of fit).
 KESIMPULAN DAN IMPLIKASI
KESIMPULAN
1. Terdapat pengaruh negatif harga terhadap konsumsi buah duren.
2. Terdapat pengaruh positif pendapatan terhadap konsumsi buah Duren.
3. Pendapatan memiliki pengaruh yang lebih besar dibanding harga terhadap konsumsi buah
duren

IMPLIKASI
Sebaiknya pemasar buah Duren mempertimbangkan harga dan pendapatan, akan tetapi
lebih mempertimbangkan pendapatan masyarakat dibandingkan harga buah duren dalam
merancang strategi pemasarannya.