PENDAHULUAN
1
yang harus dipelajari sebagai dasar untuk membantu
Pengertian Statistik
2
Namun, pada perkembangan selanjutnya, arti kata statistik
disebut statistik.
3
Menurut Kamus Besar Bahasa Indonesia statistik
4
Statistik yang menjelaskan sesuatu hal biasanya diberi
siswa
Pengertian Statistika :
5
Menurut kamus Besar Bahasa Indonesia Statistika
6
kesimpulan. Mulai dari pengumpulan data, pengolahan data
yang dilakukan.
7
pemerintah yang ingin mengetahui kekayaan dan
8
dan Fermat sekitar abad ke-17, karena mereka tertarik
9
Pada abad ke-19 Charles Lyell telah mengajukan
spesies fosil yang terdapat dalam satu atau lebih strata, dan
10
bersifat statistika. Sayangnya setelah ditetapkan dan
11
Sementara Pearson hanya memperhatikan contoh
12
muncul dalam Biometrika pada tahun 1908, dan ia
13
bidang, terutama dalam bidang-bidang pertanian, biologi,
dan genetika.
14
Sebagai mana telah di jelaskan pada sub bab
15
1. Statistika Deskriptif
16
dalam kategori statistika deskriptif. Kegiatan itu dilakukan
melalui:
17
serta menarik kesimpulan berdasar hasil analisis
data tersebut.
2. Statistika Inferensial
Statistik inferensial merupakan kebalikan dari
statistika deskriptip, statistika infrensial merupakan statistik
yang berkenaan dengan cara penarikan kesimpulan
berdasarkan data yang diperoleh dari sampel untuk
menggambarkan karakterisktik atau ciri dari suatu populasi.
Dengan demikian dalam statistik inferensial dilakukan suatu
18
generalisasi (perampatan atau memperumum) dan hal yang
bersifat khusus (kecil) ke hal yang lebih luas (umum). Oleh
karena itu, statistik inferensial disebut juga statistik induktif
atau statistik penarikan kesimpulan. Pada statistik
inferensial biasanya dilakukan pengujian hipotesis dan
pendugaan mengenai karakteristik (ciri) dari suatu populasi,
seperti mean dan Uji t (Sugiyono, 2006). Statistika inferensi,
yang berupa kajian tentang penarikan kesimpulan
mengenai keseluruhan objek yang menjadi perhatian
namun hanya atas dasar data sebagian objek inilah yang
disebut Statistika Inferensial atau Statistika Induktif. Dengan
demikian, Statistika Inferensial menyimpulkan makna
statistik yang telah dihitung, dianalisis atau disajikan grafik
atau diagramnya tersebut. Penarikan kesimpulan
tentang keseluruhan populasi populasi didasarkan atas
pengamatan terhadap salah satu bagian populasi disebut
induksi atau generalisasi. Proses induksi atau genarilsasi
19
dalam srtatistika induktif dapat ditemuai dalam berbagai
kegiatan ilmiah dan juga dalam kehidupan sehari-hari.
Misalnya seorang anak kecil sering melihat balok-balok
kayu dapat terbakar, maka ia akan menarik kesimpulan
bahwa semua balok kayu dapat terbakar.
20
Gambar 1.1 Volume Penjualan kue kering Ina Cookies
21
sebesar 13%. Ketika gambar 1.1 menjelaskan volume
terjual dari berbagai katagori kue, ini merupakan contoh
penggunaan statistika deskriptif.
Penggunaan statistika deskriptif dapat pula
digunakan untuk menjelaskan data yang disajikan dalam
tabel. Contoh penyajian data dalam bentuk tabel disajikan
dalam Tabel 1.1 berikut ini:
22
Jumlah 8790 4911 2715 16416
23
menerapkan statistika Deskriptif. Tapi ketika Dosen tersebut
Statistika Inferesial.
POPULASI
24
menghitung ataupun mengukur, kuantitatif maupun kualitatif
tepat.
25
▪ Populasi Mahasiswa STIE Ekuitas
STIE Ekuitas
26
Kita harus hati-hati dalam mendefinisikan suatu
27
berbicara tentang mahasiswa Universitas X cakupannya
lulus?
diberikan.
28
“Populasi dalam penelitian ini adalah Mahasiswa
aktif”
29
Populasi dapat dibagi berdasarkan keadaan
30
cairan kopi tersebut. Setetes cairan kopi sudah bisa
31
Fakultas lainnya, sehingga kita bisa mengatakan bahwa
32
diperkirakan atau diketahui secara pasti jumlahnya, dengan
kuantitatif, misalnya:
▪ Air di lautan
33
▪ Banyaknya anak yang menderita kekurangan gizi
titik
SAMPEL
34
untuk mengamati seluruh obyek/individu yang menyusun
35
mengumpulkan informasi atau data yang diinginkan sesuai
36
menggeneralisasi suatu populasi. Dengan demikian,
37
Gambar 1.2 Ilustrasi Pengambilan Sampel
Jenis-Jenis sampel
38
Dalam proses pemilihan sampel ada dua faktor penentu
tersebut.
39
akan diperoleh hasil yang tidak jauh berbeda dari penarikan
lainnya.
40
menurut versinya sendiri (versi peneliti). Dengan demikian
DATA
41
selain menjadi bahan baku suatu analisis statistika, juga
permasalahan.
42
1. Untuk memperoleh gambaran suatu keadaan
Ciri-Ciri Data
berbentuk kalimat.
Pembagian Data
43
1. Menurut sumbernya data dibedakan menjadi
a. Data intern : data yang dikumpulkan dari
dalam suatu badan atau lembaga dan
digunakan oleh suatu badan atau lembaga
itu sendiri
b. Data ekstern : data yang dikumpulkan dari
suatu badan atau lembaga tapi digunakan
oleh badan atau lembaga lain. Data
ekstern dibedakan menjadi:
- Ekstern primer
- Ekstern sekunder
44
- Diskrit : data yang angkanya
bilangan bulat dan diperoleh dari
hasil menghitung (Contoh :
Banyaknya mahasiswa di PT)
- Kontinu : data yang angkanya
bisa bilangan pecahan dan
diperoleh dari hasil mengukur
(Contoh : Tinggi Badan
mahasiswa)
45
b. Time series data : Data yang dikumpulkan
berdasarkan waktu (tahunan, bulanan,
harian)
46
- Tidak bisa dilakukan operasi matematika.
Contoh :
Jenis pekerjaan, diklasifikasi sebagai :
- Pegawai Negeri diberi tanda 1
- Pegawai swasta diberi tanda 2
- Wiraswasta diberi tanda 3
b. Data berskala Ordinal
Adalah data yang diperoleh dengan cara
kategorisasi atau klasifikasi, tetapi di antara
data tersebut terdapat hubungan.
Ciri data Ordinal :
- Posisi data tidak setara/mengandung
peringkat.
- Tidak bisa dilakukan operasi matematika.
Contoh :
Kepuasan pelanggan, diklasifikasi sebagai :
- sangat puas diberi tanda 5
47
- puas diberi tanda 4
- cukup puas diberi tanda 3
- tidak puas diberi tanda 2
- sangat tidak puas diberi tanda 1
48
- Temperatur suhu ruangan
- Sistem Kalender
49
50
BAB II
PENYAJIAN DATA
51
1. Memberi gambaran yang sistematis tentang
atau observasi,
bentuk kalimat.
52
pendidikan, jumlah penjualan menurut jenis barang
2.1 NARASI
53
bila dibandingkan dengan penduduk pedesaan
54
masyarakat atau keberadaan petugas kesehatan yang
terdapat didaerah.
No table Kepala
Judul table
judul kolom
judul kolom
55
Sumber : Kaki ta
Catatan :
56
Banyak
Jurusan
mahasiswa
KEUANGAN 250
BISNIS 200
PERTANAHAN 175
SEKRETARIS 100
JUMLAH 725
Jenis kelamin
Jurusan Jumlah
Laki-laki Perempuan
Keuangan 100 150 250
Bisnis 125 75 200
Pertanahan 110 65 175
Sekretaris 25 75 100
57
Jumlah 360 365 725
Jenis Tahun
Jurusan
kelamin 2004 2005
Laki-laki 85 100
Keuangan
Perempuan 100 150
Laki-laki 115 125
Bisnis
Perempuan 80 75
Laki-laki 100 110
Pertanahan
Perempuan 70 65
Laki-laki 30 25
Sekretaris
Perempuan 55 75
Jumlah 635 725
58
Diagram atau grafik adalah bentuk lain penyajian data ke
dalam gambar sehingga dapat menjelaskan persoalan
secara visual.
Macam-macam diagram
1. DIAGRAM BATANG (BAR CHART)
Diagram ini tepat digunakan untuk data yang
59
Sumbu datar dibagi menjadi beberapa skala bagian
tegak.
60
1800
1562
1600
1400
Banyak siswa
1200 1019
1000 818
800
600
400
200
0
SD SMP SMU
Tingkat sekolah
dituliskan.
61
b. Diagram batang 2 komponen
1000 1800
875
900 1600
800 1400
687
700 1200 687
600 512507
476 Laki-laki 1000
500
342 347 Perempuan 800
400
300 600
400 875
200
85
100 200
0 0
SD SMP SMU SMK SD
62
penjualan tiap bulan dll. Terdiri dari sumbu tegak
dan mendatar. Sumbu tegak menyatakan waktu,
sumbu mendatar menyatakan nilai data.
700
600 58
Banyaknya barang
556
500 524
476
400 412
376
300 310 316
268
200
100
0
1991 1992 1993 1994 1995 1996 1997 1998 1999
Tahun
63
Untuk menggambar diagram lingkaran diperlukan
jumlah.
64
F, 8
E, 10 A, 28
D, 22
B, 18
C, 14
65
F, 8
E, 10 A, 28
D, 22
B, 18
C, 14
4. DIAGRAM LAMBANG
Diagram ini sering dipakai sebagai alat visual bagi orang
66
macam datanya. Misal kalau tentang penduduk, maka
Contoh:
Daerah Pemakaian Dalam KWH Ribuan KWH
Sumatera 18967
Kalimantan 1680
Sulawesi 4629
67
Daerah Pemakaian Dalam KWH Ribuan KWH
68
1,8
1,6
1,4
Gaji (juta Rp)
1,2
1
0,8
0,6
0,4
0,2
0 IPK
0 0,5 1 1,5 2 2,5 3 3,5 4
69
BAB III
DAFTAR DISTRIBUSI FREKUENSI
Daftar II (1)
Daftar Distribusi Frekuensi
70
Daftar II (2) Istilah-istilah dalam distri
Nilai Ujian Statistika 1. Kelas interval (31-4
Untuk 80 mahasiswa 2. Frekuensi (f): berap
Kelas Interval Banyak kelas interval (2, 3,
mahasiswa
(Nilai Ujian) (fi) 3. Ujung Bawah (UB)
31 – 40 2 interval/bilangan te
72
d. Pilih ujung bawah interval yang pertama yaitu Data
yang terkecil atau data yang lebih kecil dari data
terkecil. (UB1 <= Data min)
e. Buat kelas interval-kelas interval
f. Dengan menggunakan daftar penolong (tally/turus)
hitung frekuensi untuk masing-masing kelas interval
73
Jika titik-titik tengah sisi atas yang berdekatan dihubungkan
frekuensi.
74
75
Contoh 1 : Data di bawah ini merupakan ukuran file dari
50 buah dokumen (dalam Kilo byte)
Daftar II (3)
Daftar Distribusi Frekuensi 1
Daftar II (4)
76
Daftar Distribusi Frekuensi 2
Daftar II (5)
Daftar Distribusi Frekuensi 3
77
Membuat Daftar Distribusi Frekuensi untuk contoh 1:
78
c. Tentukan panjang kelas interval (p) yaitu
R
p= , p = 47/7 = 6.7 (bulatkan ke atas menjadi
k
7)
d. Pilih ujung kelas interval yang pertama yaitu Data
yang terkecil atau data yang lebih kecil dari data
terkecil.
UB1 = 16 (Lihat DF 3) atau 15 (Lihat DF 2)
e. Buat kelas interval-kelas interval
f. Dengan menggunakan daftar penolong (tally)
hitung frekuensi untuk masing-masing kelas interval
79
3.4 MACAM MACAM DISTRIBUSI FREKUENSI
3.4.1. DISTRIBUSI FREKUENSI RELATIF
Jika frekuensi dinyatakan dalam persen, maka distribusi
frekuensinya disebut distribusi frekuensi relatif. Rumus
mencari frekuensi relatif adalah
fi
f rel = 100
n
Contoh:
Daftar II(2)
Distribusi frekuensi relatif
Untuk Nilai Ujian Statistika
Nilai Banyak
f rel (%) f rel
Ujian mahasiswa
31 – 40 2 2/80 x 100 = 2.5 0,025
41 – 50 3 3/80 x 100 = 3.75 0,0375
51 – 60 5 6.25 0,0625
61 – 70 14 17.5 0,175
80
71 – 80 24 30 0,3
81 – 90 20 25 0,25
91 – 100 12 15 0,15
Jumlah 80 100 1
81
Kurang dari 71 10+14=24 71 atau lebih 70-14=56
Kurang dari 81 24+24=48 81 atau lebih 56-24=32
Kurang dari 91 48+20=68 91 atau lebih 32-20=12
Kurang dari 101 68+12=80 101 atau lebih 12-12=0
3.4.3. OGIVE
90
80
70
60
50
40
30
20
10
0
31 41 51 61 71 81 91 101
Gambar II (3)
Ogive kurang dari
82
90
80
70
60
50
40
30
20
10
0
31 41 51 61 71 81 91 101
Gambar II (4)
Ogive lebih dari
83
90
80
70
60
50
40
30
20
10
0
31 41 51 61 71 81 91 101
Gambar II (5)
Ogive kurang dari dan lebih dari
84
Latihan Soal
36 52 53 32 32 29 29 29 32 33 34 35
40 43 43 47 49 55 56 34
35 35 30 39 40 40 40 59 60 61 62 62
54 52 26 68 54 66 43 37
50 53 36 27 28 30 31 44 45 45 46 32
50 50 56 56 58 58 67 29
85
a. buatlah distribusi frekuensi
b. buatlah distribusi frekuensi kumulatif
c. buatlah histogram frekuensinya
d. buatlah poligon frekuensinya
e. buatlah ogif frekuensinya
Jawab:
86
87
BAB IV
UKURAN STATISTIK
88
4.1 UKURAN GEJALA PUSAT (CENTRAL TENDENCY
MEASUREMENT)
Ukuran Gejala pusat adalah ukuran yang menunjukkan
kecenderungan letak pemusatan suatu kelompok data.
Ukuran gejala pusat yang biasa digunakan antara lain:
89
dikelompokkan atau telah dikelompokkan ke dalam
distribusi frekuensi.
x1 + x2 + ... + xn
Xi
x= = i =1
n n
Contoh : Nilai ujian statistika 5 orang mahasiswa adalah
70, 69,45,80,dan 56. Rata-ratanya adalah
70 + 69 + 45 + 80 + 56
x= = 64
5
fX i i
6070
Xi = titik tengah kelas
x= i =1
= = 75,875 fi = frekuensi masing
n 80
90
Banyak
Nilai Ujian mahasiswa Xi fi.Xi
(fi)
31 – 40 2 35.5 71
41 – 50 3 45.5 136.5
51 – 60 5 55.5 277.5
61 – 70 14 65.5 917
71 – 80 24 75.5 1812
81 – 90 20 85.5 1710
91 – 100 12 95.5 1146
Jumlah 80 6070
2. Cara pendek
fi ci dimana:
x = x0 + p
x0 = titik tengah dimana ci = 0
n p = panjang kelas interval
ci = koding
fi = frekuensi kelas interval
91
Banyak
Nilai Ujian Xi Ci fiCi
mahasiswa
31 – 40 2 35.5 -4 -8
41 – 50 3 45.5 -3 -9
51 – 60 5 55.5 -2 -10
61 – 70 14 65.5 -1 -14
71 – 80 24 75.5 0 0
81 – 90 20 85.5 1 20
91 – 100 12 95.5 2 24
Jumlah 80 3
92
U = n X 1. X 2 ...X n atau
log U =
log X i
n
Contoh : Rata-rata ukur untuk X1 = 2, X2 = 4, X3 = 8
adalah U = 3 2 4 8. = 4
f1 f2 fk
U = k X 1 X 2 ... X k atau
log U =
f i log xi
n
dimana Xi = titik tengah kelas interval
Banyak
Nilai
mahasiswa Xi log xi fi log xi
Ujian
(fi)
31 – 40 2 35.5 1.55023 3.10046
93
41 – 50 3 45.5 1.65801 4.97403
51 – 60 5 55.5 1.74429 8.72146
61 – 70 14 65.5 1.81624 25.4274
71 – 80 24 75.5 1.87795 45.0707
81 – 90 20 85.5 1.93197 38.6393
91 – 100 12 95.5 1.98 23.76
Jumlah 80 149.693
f log x
log U = i i = log U = 149.693 = 1.871
n 80
U = anti log 1.871 = 74.33
94
4.1.3. RATA-RATA HARMONIK
UNGROUP (DATA TIDAK BERKELOMPOK)
n n
H= atau H =
1 1 1 n 1
+
X1 X 2
+ ... +
Xn
i =1 X i
Contoh:
Andri melakukan perjalanan dengan motor dari kota A ke
kota B yang berjarak 80 km. Sewaktu pergi kecepatan
motornya 20 km/jam sedangkan saat pulang kecepatannya
40 km/jam. Berapa rata-rata kecepatan motor yang
ditumpangi Andri pulang-pergi?
n 2
H= = = 26.67 km/jam
1 1 1 1 1
+ + ... + +
X1 X 2 Xn 20 40
95
n 80
H= n
= = 72,4929
fi
X
1.10356
i =1 i
Contoh:
Nilai Banyak fi
Xi
Ujian mahasiswa Xi
31 – 40 2 35.5 0.05634
41 – 50 3 45.5 0.06593
51 – 60 5 55.5 0.09009
61 – 70 14 65.5 0.21374
71 – 80 24 75.5 0.31788
81 – 90 20 85.5 0.23392
91 – 100 12 95.5 0.12565
Jumlah 80 1.10356
96
4.1.2 MEDIAN (NILAI TENGAH=nilai yang terletak di
tengah2 urutan data)
Median merupakan ukuran pemusatan yang tidak
terpengaruh oleh adanya data ekstrim. Rumus untuk
menghitung nilai Median tergantung dari penyajian datanya
apakah dikelompokkan atau tidak dikelompokkan.
97
n −F b = batas bawah (BB) kelas median→ B
Me = b + 2 p p = panjang interval kelas median
f F = penjumlahan frekuensi2 (frek kumul
f = frekuensi kelas median
kelas median = kelas interval dimana m
letak median = Data urutan ke (n/2) dala
Contoh : Banyak
Nilai mahasiswa F
Ujian (fi)
31 – 40 2 2
41 – 50 3 5
51 – 60 5 10
61 – 70 14 24
71 – 80 24 48
81 – 90 20 68
91 – 100 12 80
Jumlah 80
98
Letak Median = n/2 = 80/2 = 40 (Data ke 40 terletak pada
kelas interval 71 – 80 maka b = 70.5 , p = 10, F =
2+3+5+14 = 24, f = 24
n −F 80 − 24
Me = b + 2 p = 70.5 + 2 10 =
f 24
77.167
4.1.3 MODUS
99
41 – 50 3
51 – 60 5
61 – 70 14
71 – 80 24
81 – 90 20
91 – 100 12
Jumlah 80
100
Ukuran Letak ada tiga :
1. Kuartil : Nilai yang membagi data menjadi 4
bagian yang sama
2. Desil : Nilai yang membagi data menjadi 10
bagian yang sama
3. Persentil : Nilai yang membagi data menjadi 100
bagian yang sama
4.2.1 KUARTIL
UNGROUP DATA (DATA TIDAK BERKELOMPOK)
i ( n + 1)
Letak Ki = Data urutan ke , i = 1,2,3
4
101
65 78 52 85 80 45 39 70 77 90
n = 10
Hitunglah K1 , K2 dan K3
Jawab:
1. Urutkan data terlebih dahulu !!!
39 45 52 65 70 77 78 80 85 90
1(10 + 1)
2. Letak K1 = Data urutan ke =
4
Data ke 11/4 = Data urutan ke 2,75
3. Nilai K1 = Data ke 2 + 0,75 (Data ke 3 –
Data ke 2)
= 45 + 0,75 (52 – 45) = 50,25
2(10 + 1)
Letak K2 = Data ke = Data ke
4
22/4 = Data ke 5,5
Nilai K2 = Data ke 5 + 0,5 (Data ke 6 –
Data ke 5)
102
= 70 + 0,5 (77 – 70) = 73,5
3(10 + 1)
Letak K3 = Data ke = Data ke
4
33/4 = Data ke 8,25
Nilai K3 = Data ke 8 + 0,25 (Data ke 9 –
Data ke 8)
= 80 + 0,25 (85 – 80) = 81,25
103
Contoh : Berdasarkan data mengenai nilai ujian yang
disajikan dalam distribusi frekuensi, hitunglah K1 dan
K3
Jawab:
Banyak mahasiswa
Nilai Ujian F
(fi)
31 – 40 2 2
41 – 50 3 5
51 – 60 5 10
61 – 70 14 24
71 – 80 24 48
81 – 90 20 68
104
91 – 100 12 80
Jumlah 80
in 1(80)
Letak K1 = Data ke = Data ke = data ke 20
4 4
(kelas interval 61 – 70)
in − F
K1 = b + p 4 = 60,5 + 10 20 − 10 = 67,64
f 14
105
in 3(80)
Letak K3 = Data ke = Data ke = data ke 60
4 4
(kelas interval 81 – 90)
in − F
K 3 = b + p 4 = 80,5 + 10 60 − 48 = 86,5
f 20
4.2.2 DESIL
106
UNGROUP DATA (DATA TIDAK BERKELOMPOK)
i ( n + 1)
Letak Di = Data ke , i=
10
1,2,…,9
107
- Batas tertinggi dari 40% nilai terendah
adalah 67
- Batas terendah dari 60% nilai tertinggi
adalah 67
8(10 + 1)
Letak D8 = Data ke = Data ke 8,8
10
Nilai D8 = Data ke 8 + 0,8 (Data ke 9 – Data ke 8)
= 80 + 0,8 (85 – 80) = 80 + 4 = 84
Artinya : - 80% data nilainya kurang dari 84
- Batas tertinggi dari 80% nilai terendah
adalah 84
- Batas terendah dari 20% nilai tertinggi
adalah 84
108
GROUP DATA (DATA BERKELOMPOK)
in
Letak Di =
10
b = batas bawah
in − F p = panjang inter
Di = b + p 10 ,
i = 1,2,…,9 F = jumlah frekue
f f = frekuensi kela
109
91 – 100 12 80
Jumlah 80
in 4(80)
Letak D4 = Data ke = Data ke = data ke 36
10 10
(kelas interval 71 – 80)
in − F
Di = b + p 10 = 70,5 + 10 36 − 24 = 75,5
f 24
Artinya : - 40% data nilainya kurang dari 75,5
- Batas tertinggi dari 40% nilai terendah
adalah 75,5
- Batas terendah dari 60% nilai tertinggi
adalah 75,5
4.2.3 PERSENTIL
UNGROUP DATA (DATA TIDAK BERKELOMPOK)
110
i ( n + 1)
Letak Pi= Data ke , i = 1,2,…,99
100
Contoh : Data berikut ini adalah nilai ujian statistika dari
10 mahasiswa
67 78 52 85 80 45 39 70 77 90
n = 10
Hitunglah P 62 !
111
- Batas terendah dari 38% nilai tertinggi
adalah 77,82
112
71 – 80 24 48
81 – 90 20 68
91 – 100 12 80
Jumlah 80
in 80(80)
Letak P80 = Data ke = Data ke = data ke
100 100
64 (kelas interval 81 – 90)
in − F 64 − 48
Pi = b + p 100 = 80,5 + 10 = 88,5
f 20
Artinya : - 80% data nilainya kurang dari 88,5
- Batas tertinggi dari 80% nilai terendah
adalah 88,5
- Batas terendah dari 20% nilai tertinggi
adalah 88,5
LATIHAN
113
1. Tinggi badan 10 orang setelah diukur adalah 165 cm,
170 cm, 169 cm, 175 cm, 170 cm, 160 cm, 163 cm, 176
cm, 172 cm, 167 cm.
a. Carilah mean, median dan modus dari tinggi
badan ke-10 orang tersebut!
b. Carilah kuartil K1 dan K3
c. Carilah desil ke 4 dan ke 7 atau D4 dan D7
d. Carilah persentil ke 30 dan ke 80 atau P30 dan
P80
2. Berat badan 80 siswa SMK kelas I seperti dalam tabel
berikut ini.
114
a. Carilah mean, median, dan modus dari berat badan 80
siswa SMK kelas I tersebut!
b. Carilah K1, D8, dan P70
3. Diagram di bawah ini menyatakan kesenangan siswa
sebuah kelas yang terdiri dari 40 orang terhadap program
diklat. Jumlah siswa yang menyenangi program diklat
matematika sebanyak….
115
4. Nilai rataan dari data pada diagram adalah ……
116
6. Median dari data berkelompok pada tabel di bawah ini
adalah….
Nilai Frekuens
50 – 54 4
55 – 59 8
60 – 64 14
65 – 69 35
70 – 74 27
75 – 79 9
80 – 84 3
117
Berat Frekuen
Badan (kg)
50 – 52 4
53 – 55 5
56 – 58 3
59 – 61 2
62 – 64 6
Nilai Freku
55 – 59 3
60 – 64 9
65 – 69 14
70 – 74 37
75 – 79 25
80 – 84 8
85 – 89 4
118
Ukuran Frekuensi
34 – 38 5
39 – 43 9
44 – 48 14
49 – 53 20
54 – 58 16
59 – 63 6
f
12 11
119
12. Modus data pada histogram dibawah ini dalah …..
120
13. Tabel di bahwa ini menunjukan besarnya uang saku
siswa suatu SMA dalam ribuan rupiah.
Uang saku Frekuensi
(ribuan rupiah)
1–3 13
4–6 25
7–9 40
10 – 12 10
13 – 15 12
121
Contoh 1
95 - 40 = 55.
122
RS =
X i −X
n
yang dikelompokkan.
(X − X)
2
s=
i
n −1
n X i2 − ( X i )
2
s=
n(n − 1)
123
Contoh : Dari data berikut hitung simpangan bakunya
8, 7, 10, 11, 4,
Xi2
Xi Xi - X (Xi – X )2
s=
(X i − X )
8 8-8=0 0 64 n −1
7 7-8= -1 1 49
10 2 4 100 n X i2 − (
s=
11 3 9 121 n( n − 1
4 -4 16 16 1750 − 160
=
40 30 350 5(5 − 1)
124
n f i X i2 − ( f i X i )
2
s= =
n(n − 1)
80(476650) − (6070)
2
= 14.27
80(80 − 1)
125
Nilai Banyak
Xi fi.Xi fi.Xi2
Ujian mahasiswa
31 – 40 2 35.5 71 2520.5
41 – 50 3 45.5 136,5 6210.75
51 – 60 5 55.5 277,5 15401.3
61 – 70 14 65.5 917 60063.5
71 – 80 24 75.5 1812 136806
81 – 90 20 85.5 1710 146205
91 – 100 12 95.5 1146 109443
Jumlah 80 6070 476650
Cara pendek
n f i ci2 − ( f i ci )
2
s = p
n(n − 1)
126
80(161) − (3)
2
= 10 = 14.27
80(79)
Banyak
Nilai Ujian Ci fi.ci ci2 fi ci2
mahasiswa
31 – 40 2 -4 -8 16 32
41 – 50 3 -3 -9 9 27
51 – 60 5 -2 -10 4 20
61 – 70 14 -1 -14 1 14
71 – 80 24 0 0 0 0
81 – 90 20 1 20 1 20
91 – 100 12 2 24 4 48
Jumlah 80 3 161
127
4.3.5 Angka Baku ( Standard score)/ Z score
Angka baku adalah angka yang tidak mempunyai
satuan yang biasanya digunakan untuk
membandingkan dua keadaan atau lebih pada suatu
Xi = nilai data
waktu tertentu. Angka baku dinotasikan dengan Z.
X = rata-rata
X −X S = simpangan baku
Z= i
s
Interpretasi Z
Z > 0, positif artinya keadaan pada saat itu
berada di atas rata-rata.
Z < 0, negatif artinya keadaan pada saat itu
berada di bawah rata-rata
Z = 0, keadaan pada saat itu sama dengan
rata-rata
128
4.3.6 Koefisien Variasi (KV)
Koefisien Variasi adalah ukuran variasi relative yang
biasa digunakan untuk membandingkan dua keadaan
atau lebih dengan dasar pengukuran yang berbeda.
129
s
KV = x 100%
x
jika terdapat data ekstrem
SK
KV = x 100%
Me
CONTOH:
130
LATIHAN
131
Hitunglah: a. Rentang antar kuartil, b. Simpangan kuartil, c.
simpangan baku, d. koefisien variasi.
132
BAB V
ANGKA INDEKS (INDEX NUMBER)
133
kuantitas (jumlah) barang baik satu macam mapun
berbagai macam pada waktu atau tempat yang
sama atau berlainan.
c. Indeks Nilai : angka yang memperlihatkan
perubahan-perubahan mengenai nilai-nilai barang
baik satu macam mapun berbagai macam pada
waktu atau tempat yang sama atau berlainan.
134
Qt
It /0 = 100 Qt = Banyaknya barang pada waktu t
Q0 Q0 = Banyaknya barang pada waktu das
It/0 = Indeks Kuantitas pada waktu t di ba
Vt Vt = Nilai barang pada waktu t
It /0 = 100 V0 = Nilai barang pada waktu dasar
V0
It/0 = Indeks Nilai pada waktu t di bandin
Contoh :
Pada tahun 2005 harga rata-rata beras jenis Setra Ramos
adalah Rp 5000,00/kg. Sedangka pada tahun 2006 harga
rata-rata beras jenis yang sama mencapai Rp 6000,00/kg.
Berapakah perubahan harga beras pada tahun 2006
dibandingkan dengan tahun 2005?
Jawab:
P2006 6000
I06/05 = 100 = 100 = 120
P2005 5000
135
Artinya : Terjadi kenaikan harga rata-rata beras jenis Setra
Ramos pada tahun 2006 dibandingkan dengan tahun 2005
sebesar (120-100)% = 20%.
It / 0 =
Pt 100 P0 = Jumlah Harga barang-baran
It/0 = Indeks Harga pada waktu t di
P0 pada waktu dasar.
It / 0 =
Qt 100 Qt = Jumlah dari banyaknya bara
Q0 = Jumlah dari banyaknya bara
Q0 It/0 = Indeks Kuantitas pada waktu
pada waktu dasar.
136
It / 0 =
Vt 100 ΣVt = Nilai barang pada waktu t
ΣV0 = Nilai barang pada waktu das
V0 It/0 = Indeks Nilai pada waktu t di ba
pada waktu dasar.
Contoh : Tabel berikut ini menunjukkan harga rata-rata
per kg dan banyaknya produksi rata-rata setiap bulan
dari 3 jenis sayuran di daerah Ciwidey.
137
I 2006 / 2005 =
P
2006
100 =
P
2005
I 2006/ 2005 =
Q
2006
100 =
Q
2005
138
Rumus umum untuk angka indeks agregatif ini
adalah
It / 0 =
P w
t
100 , w = weight =
P w
0
bobot/timbangan
Berdasarkan bobot/timbangannya, rumus indeks
agregatif dibobot dibedakan menjadi
L =
PQ t 0
100 = 2000000 100 =11
PQ 0 0 1775000
2.68
139
2500 3000 150 100 450000
3000 2750 200 250 550000
4000 5000 200 175 1000000
Po=9500 Pt=10750 Qo=550 Qt=525 PtQo=2000000 PoQ
140
t 3000 2750 200 250 687500 75
ang 4000 5000 200 175 875000 70
ah 9500 10750 550 525 1862500 170
Rumus Fisher (Ideal)
PQ P Qt
F = L P = t 0
100 t 100
P0Q0 P0Qt
Rumus Drobisch
D=
1
L + P
2
1 Pt Q0 Pt Qt
= 100 + 100 =
2 P0 Q0 P0 Qt
111.12
141
ME =
P (Q
t 0 + Qt )
100 =
3862500
100 = 111.15
P (Q
0 0 + Qt ) 3475000
142
5.3 PERUBAHAN TAHUN DASAR
100
IB = IL
IA
IB = Indeks Baru dengan tahun dasar yang baru
IA = Indeks Asal yang tahunnya dijadikan tahun dasar yang
baru = 140
IL = Indeks Lama dengan tahun dasar yang lama
Contoh
Tahun Indeks Indeks
(1995 = 100) (1998 = 100)
1995 100 71.43
1996 115 82.14
1997 125 89.29
1998 140 100
1999 150 107.14
2000 160 114.29
143
100 100
I1995 baru = 100 = 71.43 I1996 baru = 115 =
140 140
82.14 dst
144
mengalami kenaikan juga. Hal itu yang mendasari
penetapan berapa Upah Minimum yang biasanya
ditetapkan di masing-masing daerah oleh pemerintah
dengan didasarkan Indeks Biaya Hidup yang berlaku.
Contoh:
Tahun Indeks Upah Upah Nyata
Biaya Hidup Nominal
1995 100 500.000 500.000
1996 115 575.000 500.000
1997 125 600.000 480.000
1998 140 630.000 450.000
1999 150 685.000 456.667
2000 160 750.000 468.750
145
LATIHAN SOAL
146
BAB VI
ANALISIS REGRESI DAN KORELASI
147
a. Regresi Linier : Regresi dengan
bentuk persamaan garis lurus
b. Regresi Non Linier : Regresi dengan
bentuk persamaan kuadratik, logaritmik,
eksponensial,
dll.
2. Regresi Berganda (multiple regression) yaitu
analisis regresi yang melibatkan lebih dari 1
variabel X.
148
Y Regression Plot
Y = a + bX
Yi
Error:
i { } b = Slope
a = Intercept
}
X
Xi
149
Menghitung koefisien regresi
n XY − X Y
b=
n X 2 − ( X )2
a =Y −b X =
Y − b X
n
Contoh:
150
SS x = n x 2 − (
X Y X2 XY Y2 = 12(5153) −
12 18 144 216 324 SS xy = n xy − (
13 24 169 312 576 = 12(7192) −
14 20 196 280 400 SS n
17 25 289 425 625 b = XY =
SS
18 23 324 414 529 X
20 23 400 460 529 = 4605 = 1.2
3755
21 30 441 630 900
23 34 529 782 1156 a = y −b x = 3
24 31 576 744 961 = 3.6205
25 37 625 925 1369
26 34 676 884 1156 Y = 1.23 X + 3
28 40 784 1120 1600
241 339 5153 7192 10125
151
Analisis Korelasi adalah analisis yang mengkaji kuat
hubungan linier antara 2 variabel yang dinyatakan
melalui koefisien korelasi (r).
n XY − X Y
r=
n X 2
− ( X )2 n Y 2 − ( Y )2
Besarnya koefisien korelasi –1 r 1
Penjelasan:
152
yang terjadi berbalik arah yaitu apabila nilai X
meningkat maka akan diikuti dengan penurunan Y atau
sebaliknya.
3. Jika r = 0 atau mendekati 0 maka hubungan antara 2
variabel tidak ada atau lemah maka dapat dikatakan
tidak terdapat hubungan antara X dan Y.
Hubungan yang mungkin terjadi antara X dan Y dapat
dilihat pada Gambar berikut ini:
153
Y r=0
X
Y r = -1
154
Y r=1
X
Y r = -0.8
155
Y r =0
X
Y
r = 0.8
156
Untuk mengetahui seberapa besar pengaruh variabel X
terhadap variabel Y atau seberapa besar variasi Y dapat
dijelaskan oleh X dapat dihitung melalui Koefisien
Determinasi (KD) dengan rumus :
KD = r2 x 100%
LATIHAN
157
a. Identifikasi variable mana
dan variable dependen!
1.
a. Identifikasi variable mana
Penggunaan Horse power dan variable dependen jika d
Bahan Bakar (horsepower) akan mempen
15 3761 consumption
14 3086 (miles per gallon).
24 2372
22 2833 b. Buatlah persamaan regre
18 2774 regresi yang diperoleh!
21 2587 c. Tentukan besar pengaruh
27 2130 bahan bakar!
26 1835
158
25 2672
24 2430
25 2375
26 2234
21 2648
10 4615
2.
159
160
BAB VII
161
Monthly S ale s o f S untan Oil G ro s s E arn ing s : A nn ua l Monthly
200
20 11000
10000
s sr
s gn 15 e
g 9000
le i n
rn
a 100
S se
a sa 8000
E 10
P 7000
0 5 6000
J FMAMJ J ASONDJ FMAMJ J ASONDJ FMAMJ J A 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95
Time Year
162
Mengidentifikasi dan menghilangkan (mengisolasi) faktor
tertentu (musiman, siklis, dsb) untuk memprediksi pola
tertentu di masa mendatang.
163
Pola trend dapat didekati melalui sebuah persamaan yang
disebut sebagai persamaan trend. Untuk Trend Linier,
persamaan trend merupakan persamaan garis lurus yang
berbentuk :
YT = a + b t
YT = Nilai Trend
a = Nilai Trend pada titik origin (waktu dasar, t = 0)
b = Rata-rata perubahan Y setiap 1 satuan waktu
t = satuan waktu dalam koding T = waktu
sebenarnya
164
t
+b
=a
Y T
b
a
70 0
165
I. Metode Semi Average (setengah rata-rata)
a. Untuk banyaknya data waktu genap
Langkah-langkah dalam membuat persamaan trend
1. Bagi data menjadi dua kelompok yang sama
banyak anggotanya.
2. Hitung rata-rata untuk tiap-tiap kelompok ( X I dan
X II )
3. Hitung b dengan menggunakan rumus
xII − xI
b=
k
k = selisih origin dari kelompok I dan II
(origin = median tahun/waktu)
4. a= rata-rata nilai untuk tiap-kelompok
5. Buat persamaan trend → Y = a + bt
166
T Tahun Y Jumlah Rata-rata
-1 2000 10
0 2001 t01= 0 12 37 12.33 ( X I )
1 2002 15
-1 2003 20
0 2004 t02 = 0 28 81 27.00 ( X II )
1 2005 33
x − xI 27 − 12.33
b = II = = 4,89
k 3
k = 2004 -2001 = 3
Persamaan Trend
(i) YT = 12,33 + 4,89 t (origin = 2001)
(ii) YT = 27,00 + 4,89 t (origin = 2004)
Berapa perkiraan Nilai Trend (Y) tahun 2006?
Y2006 = 12,33 + 4,89 t → t = (T – origin) = 2006 – 2001 = 5
= 12,33 + 4,89(5)
= 36,78
atau
Y2006 = 27,00 + 4,89 t → t = (T – origin) = 2006 – 2004 = 2
167
= 27,00 + 4,89(2)
= 36,78
x II − x I 36,75 − 14,25
b= = = 5,625
k 4
k = 2005,5 -2001,5 = 4
168
Persamaan Trend
(iii) YT = 14,25 + 5,625 t (origin = 2001,5)
(iv) YT = 36,75 + 5,625 t (origin = 2005,5)
169
1. Bagi data menjadi dua kelompok yang sama
banyak anggotanya.
2. Data yang ada di tengah-tengah bisa dimasukkan
ke dalam kelompok I dan II atau diabaikan.
3. Hitung rata-rata untuk tiap-tiap kelompok ( X I dan
X II )
4. Hitung b dengan menggunakan rumus
xII − xI
b=
k
k = selisih origin tahun dari kelompok I dan
II
5. Buat persamaan trend
Contoh :
- Jika data pada Median tahun (data di tengah)
diabaikan
Tahun Y Jumlah Rata-rata
2000 10 22 11
170
2001 12
2002 15
2003 20
48 24
2004 28
x II − x I 24 − 11
b= = = 4,33
k 3
k = 2003,5 -2000,5 = 3
Persamaan Trend
(i) YT = 11 + 4,33 t (origin = 2000,5 =
2000/2001)
(ii) YT = 24 + 4,33 t (origin = 2003,5 =
2003/2004)
171
Y2006 = 24 + 4,33 t → t = 2006 – 2003,5 = 2,5
= 27 + 4,33(2,5)
= 34,83
- Jika data pada Median tahun (data di tengah)
dihitung dua kali
KELOMPOK I KELOMPOK
Tahun Y Jumlah Rata-rata Jumlah Rata
2000 10
2001 12 37 12,33
2002 15
2003 20 63 2
2004 28
x II − x I 21 − 12,33
b= = = 4,33
k 2
k = 2003 -2001 = 2
Persamaan Trend
(iii) YT = 12.33 + 4,33 t (origin = 2001)
172
(iv) YT = 21 + 4,33 t (origin = 2003)
b=
tY
t 2
a=
Y
n
t = koding waktu
173
a. Untuk banyaknya data genap
t Tahun Y t2 tY
-3,5 2000 10 12,25 -35
-2,5 2001 12 6,25 -30
-1,5 2002 15 2,25 -22,5
-0,5 2003 20 0,25 -10
0,5 2004 28 0,25 14
1,5 2005 33 2,25 49,5
2,5 2006 40 6,25 100
3,5 2007 46 12,25 161
jumlah 204 42 227
b=
tY = 227
= 5,405 (rata-rata kenaikan Y setiap
t 2
42
tahun)
a=
Y =
204
= 25,5
n 8
YT = 25,5 + 5,405 t (origin = t0=2003,5)
Berdasarkan persamaan trend di atas, perkirakan nilai Y
pada tahun 2011?
174
Y2011 = 25,5 + 5,405 (tahun – origin t0)
Y2011 = 25,5 + 5,405 (2011 – 2003,5)
Y2011 = 25,5 + 5,405 (7,5)
Y2011 = 66,0375
b=
tY = 145 = 5,18 (rata-rata kenaikan Y setiap
t 282
tahun)
175
a=
Y =
158
= 22,57
n 7
Y = 22,57 + 5,18 t (origin = 2003)
a. Berdasarkan persamaan trend di
atas, perkirakan nilai Y pada
tahun 2011?
Y = 22,57 + 5,18 t
= 22,57 + 5,18 (tahun – t0) ---
→ t0 = median tahun
= 22,57 + 5,18 (2011-2003)
= 22,57 + 5,18 (8) = 64,61
(perkiraan nilai Y pada tahun
2011)
SOAL LATIHAN
176
1.
Year 1982 1983 1984 1985 1986 1987 1988 1989 1990
Price 121 121 133 146 162 164 172 187 197
Buatlah:
a. Persamaan Trend dengan metode Semi Average!
b. Perkiraan besarnya harga pada tahun 2000!
c. Persamaan Trend dengan metode Least Square!
d. Perkiraan besarnya harga pada tahun 2000!
Bulan Jan Feb Mar Apr May Jun Jul Aug Sep
Nilai import
(Milyar Rp) 6.4 6.8 5.6 5.1 5 4.9 4.2 4.5 4
a. Buatlah persamaan trend untuk nilai impor!
b. Berapakah rata-rata nilai impor dalam 15 bulan?
c. Berapakah rata-rata perubahan nilai impor setiap
bulan?
d. Berapa perkiraan nilai trend pada bulan Mei 2002!
177