Ringkasan Materi Kuliah

STATISTIK EKONOMI

Oleh
Ni Nyoman Suryani, SE, M.Si
Dosen FEB. Unmas. Dps.

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS MAHASARASWATI DENPASAR

1
Daftar isi Halaman

I. Ukuran Nilai 1
A. Arti Rata-Rata 1
- Rata-Rata Hitung 1
- Rata-Rata Hitung Tertimbang 3
B. Median 4
C. Modus 5
D. Kebaikan dan Kelemahan Mean,Median,Modus 6
E. Hubungan Mean,Median,Modus 7
II. Distribusi Frekuensi 9
A. Distribusi Frekuensi 9
B. Penyusunan Distribusi Frekuensi 10
C. Bagian-Bagian Dari Tabel Frekuensi 12
D. Distribusi Frekuensi Relatif dan Komulatif 13
III.Ukuran Penyebaran 15
A. Pengertian dan Batasan Ukuran Penyebaran 15
B. Angka Baku 18
IV. Ukuran Kecondongan dan Keruncingan Suatu Distribusi 20
A. Ukuran Kecondongan 20
B. Ukuran Keruncingan 23
V. Analisis Regresi dan Korelasi Sederhana 25
A. Pengertian Regresi 25
B. Regresi Linear Sederhana 25
C. Menaksir Nilai Variabel Terikat 26
D. Koefisien Determinasi(r2) 26
E. Koefisien Korelasi (r) 27
VI. Metode Korelasi Jenjang Spearman 28

2
 UKURAN NILAI

A. Arti dari Rata-rata

Rata-rata (average) merupakan nilai yang mewakili sekelompok data.
Nilai rata-rata pada umumnya mempunyai kecendrungan terletak di tengah-tengah
dalam suatu kelompok yang disusun menurut besar kecilnya nilai. Dengan kata lain
mempunyai kecendrungan memusat, oleh karena itu nilai rata-rata sering disebut
ukuran kecendrungan memusat.
Beberapa jenis rata-rata yang sering digunakan.

A.1. Rata-rata Hitung (Arithmatic Mean)

Merupakan ukuran nilai yang paling sering digunakan baik dalam penelitian ilmiah
maupun dalam kehidupan sehari-hari.
Rata-rata hitung dari sekelompok atau serangkaian data adalah jumlah seluruh nilai
data dibagi dengan banyaknya data.
Pada rata-rata hitung kita mengenal rata-rata hitung sederhana yang mana ini
dibagi dua :
A.1.1 Rata-rata data tidak dikelompok
Kita mengenal 2 rumus :
1. Rata-rata sampel

 Xi ΣXi
X i 1

n n

2. Rata-rata populasi

ΣXi
μ
n

1
 Dimana :

X = Rata-rata sampel
n = Ukuran (banyak sampel)
 = Rata-rata populasi
N = Ukuran (banyak populasi)
Xi = data yang ke i
Yang mana ukuran sampel merupakan banyaknya pengamatan anggota
sampel dan ukuran populasi merupakan banyaknya pengamatan anggota
populasi.
A.1.2 Rata-rata Hitung Data Berkelompok
Apabila data telah dikelompokkan dalam bentuk tabel frekuensi, rata-rata
hitung dari sebuah sampel ( X ) dengan ukuran tertentu, maupun rata-rata
hitung sebuah populasi () dengan ukuran tertentu.
Yang mana dapat dihitung dengan :
1. Rata-rata sampel

 fi . Xi
X i 1

2. Rata-rata populasi

 fi. Xi
μ i 1

Dimana :
X = Rata-rata sampel
 = Rata-rata populasi
n = Ukuran banyak sampel
N = Ukuran banyak populasi
Xi = Nilai tengah kelas ke i
2
 fi = Frekuensi kelas ke i

A.2. Rata-rata Hitung Tertimbang

Menghitung rata-rata hitung tertimbang dengan memperhatikan arti penting yang
dimiliki oleh setiap barang.
Barang yang lebih penting diberikan faktor penimbang yang lebih besar dibanding
barang lain yang kurang penting.
Maka rata-rata hitung tertimbang dapat dicari dengan :

ΣXi . Wi
X
ΣWi

Dimana :
X = Rata-rata hitung tertimbang
Xi = Data yang ke i
Wi = Timbangan untuk data ke i
Cara pemberian penimbang terhadap suatu barang ada dua cara :
1. Cara subyektif
2. Cara obyektif

1. Cara subyektif
Dengan cara subyektif, pemberian faktor penimbang terhadap suatu barang
didasarkan pada pandangan, masing-masing orang sehingga untuk barang yang
sama, bagi orang yang berbeda, pemberian faktor penimbang bisa berbeda pula.
2. Cara obyektif
Dengan cara obyektif, bobot timbangan yang diberikan kepada suatu barang
tergantung dari banyaknya barang yang dikonsumsi.

3
A.3. Rata-rata Hitung Gabungan
Bila terdapat K. buah sampel dengan ukuran masing-masing Ni, serta rata-rata
hitungnya, masing-masing Xi, maka rata-rata hitung gabungan K. buah sampel
tersebut dapat dihitung dengan :

 ni .X i Σni . X i
X 
Σni
 ni
i 1

B. Median
Median atau serangkaian data yang letaknya tepat di tengah-tengah bila banyak data
ganjil, atau rata-rata dari dua nilai yang berbeda di tengah apabila banyaknya data
genap, setelah data itu di urut dari yang terkecil sampai terbesar atau dari data
terbesar sampai data terkecil.
Dengan kata lain median tersebut membagi serangkaian data (pengamatan) atau suatu
distribusi menjadi dua bagian yang sama yaitu 50%.
Dari keseluruhan data berada dibawah nilai median dan 50% lagi berada sama atau
lebih besar dari nilai median. Dimana median sering juga disebut dengan nilai posisi
tengah atau nilai rata-rata pertengahan.
Pembahasan data tidak berkelompok dan data yang telah dikelompokkan.
1. Median data tidak berkelompok
1. Susun data dari terkecil sampai terbesar atau sebaliknya.
2. Tentukan letak mediannya; bila jumlah data ganjil

n 1
Lmd =
2

4
 Bila data genap

n n2
Lmd = dan
2 2

2. Median data berkelompok nilai median dapat dicari dengan :

L0 = ½ (batas atas + batas bawah median)

 n 
  2  Σfi 
Med = L0 + C  
  fm 
  

Dimana :
C = Interval kelas
L0 = Batas bawah dari kelas yang mengandung nilai med (letak med)
fm = Letak fi yang mengandung Med.
fi = Jumlah nilai fi diatas fi yang mengandung Med.

C. Modus
Modus dari serangkaian data adalah nilai (sifat) yang paling banyak terjadi atau sifat /
keadaan yang frekuensinya terbesar untuk data kuantitatif modus menunjukkan nilai
yang paling banyak muncul dan untuk data kualitatif modus menunjukkan sifat atau
keadaan yang paling banyak terjadi.
Dimana :

 fi 
Lod = L0 + C 
 f 1 f 2 

5
 Dimana :
L0 = Nilai batas bawah kelas yang muat modus
C = Interval kelas
fi = fi modus – fi diatasnya modus
f2 = fi modus – fi dibawahnya modus
Letak atau nilai modus pada frekuensi terbesar.

D. Kebaikan dan Kelemahan dari Mean, Median dan Modus

1. Mean (rata-rata hitung)
Kebaikan mean sebagai ukuran rata-rata :
1. Mean telah dikenal secara umum
2. Mean mudah dihitung
3. Mean merupakan nilai rata-rata yang stabil
Sedangkan kelemahannya yaitu mean mudah di pengaruhi oleh nilai ekstrem.

2. Median
Kebaikan median sebagai ukuran nilai sentral antara lain :
1. Sangat mudah menghitungnya apabila banyaknya data (pengamatan) relatif
kecil
2. Median tidak dipengaruhi oleh nilai ekstrem.
Sedangkan kelemahannya :
1. Median sebagai ukuran nilai sentral sifatnya kurang teliti
2. Median sebagai ukuran nilai sentral kurang dikenal dibandingkan dengan
mean.

3. Modus
Kebaikan modus sebagai ukuran nilai sentral :
1. Untuk data yang jumlahnya relatif kecil
2. Modus mudah diketahui dan tidak perlu perhitungan
3. Modus tidak dipengaruhi oleh nilai ekstrem

6
 4. Modus dapat digunakan sebagai ukuran nilai sentral baik untuk data
kuantitatif maupun untuk data kualitatif.
Sedangkan kelemahannya :
1. Modus sebagai ukuran nilai sentral kurang teliti, sebab suatu distribusi
frekuensi kadang-kadang ada dua modus, tiga modus atau bahkan tidak ada
modus.

E. Hubungan Mean, Median dan Modus

Hubungan mean, median dan modus dari suatu distribusi frekuensi adalah :
1. Bila distribusi frekuensi tersebut simetris, maka nilai mean, nilai median dan nilai
modus sama besar (mean = median = modus), atau dengan kata lain mean, median
dan modus terletak pada satu titik dan kurva dari distribusi frekuensi tersebut
simetris atau normal.

X = Med = Mod
Hubungan mean, median, dan modus pada distribusi frekuensi yang simetris.
2. Bila distribusi frekuensi tersebut ke kiri atau menceng ke kanan nilai mena <
median < modus atau dengan kat alain letak mena paling kanan di tengah median
dan paling kiri adalah modus.

Mcd Med X

7
 Hubungan mean, median dan modus pada distrribusi menceng ke kanan.
3. Bila distribusi frekuensi tersebut condong ke kanan atau menceng ke kiri, nilai
mean < median < modus, atau dengan kat alain letak mean paling kiri disusul
median dan modus letaknya paling kanan.

X Med Mod
Hubungan mean, median dan modus pada distribusi menceng ke kiri pada
distribusi frekuensi yang condong, nilai median selalu terletak ditengah, artinya
nilai median tidak dipengaruhi oleh nilai extrem.
Jadi median merupakan nilai sentral yang dianggap paling mewakili pada
distribusi yang condong alternatif berikutnya baru modus dan terahir mean.

8
 Distribusi Frekuensi

Data yang diperoleh melalui kegiatan pengumpulan data statistik, pada

umumnya masih berupa data mentah, keadaannya kurang tersusun dan teratur.
Bila data yang ada hanya sedikit, tidak kesulitan untuk mengetahui ciri-ciri atau sifat-
sifat yang dimiliki oleh data tersebut, akan tetapi, bila jumlah datanya banyak kita
akan kesulitan untuk mengetahui ciri-ciri atau sifat-sifat yang dimiliki oleh data
tersebut.
Oleh karena itu, agar dengan mudah dapat diketahui ciri-ciri atau sifat-sifat
yang dimiliki oleh data tersebut, atau agar data yang telah berhasil dihimpun itu dapat
memberikan informasi yang berarti dan berguna, sejalan dengan maksud dan tujuan
pengumpulannya, maka data itu perlu disajikan dalam bentuk yang lebih berguna,
lebih mudah dipahami dan lebih cepat dimengerti, yang mana data yang telah
dihimpun tersebut perlu disusun secara sistematis dalam bentuk tabel (distribusi)
frekuensi.

A. Distribusi Frekuensi
Distribusi frekuensi atau tabel frekuensi atau suatu daftar atau tabel yang
membagi/mendistribusikan data kedalam beberapa kelas kota lain, distribusi
frekuensi menunjukkan sebaran distribusi frekuensi yang ada, yang tersusun atas
frekuensi tiap-tiap kelas.
Data yang perlu disusun kedalam distribusi frekuensi pada umumnya adalah
data yang jumlahnya besar dan tidak teratur atau bervariasi.
Pada distribusi frekuensi ada dua macam distribusi frekuensi yaitu ;
4. Distribusi frekuensi numerical
5. Distribusi frekuensi catagorical

1. Distribusi frekuensi numerical

Merupakan distribusi frekuensi yang pembagian kelasnya dinyatakan dalam
bentuk angka-angka atau secara kuantitatif.

9
 Misalnya :
Gajih Bulanan dari 20 Pegawai
Tahun 1996/1997
Gajih Bulanan Banyak Karyawan
500.000 – 59.000 4
60.000 – 69.000 5
70.000 – 79.000 3
80.000 – 89.000 6
100.000 – 109.000 2
Total 20
Sumber : Data yang dicari

2. Distribusi frekuensi categorical

Merupakan distribusi yang pembagian kelasnya berdasarkan atas jenis data atau
golongan yang dilakukan secara kualitatif.
Misalnya :
Banyak Pegawai Menurut Pendidikan
Tahun 1996 / 1997
Pendidikan Banyaknya
SD 4
SLTP 5
SLTA 8
Perguruan Tinggi 3
Total 20

B. Penyusunan Distribusi Frekuensi

Penyusunan distribusi frekuensi atau tabel frekuensi berdasarkan bilangan
(numerical) bagi sekumpulan data yang jumlahnya besar, dapat dilakukan dengan
beberapa cara :
1. Menentukan banyaknya kelas
2. Menentukan panjang kelas

10
3. Menentukan batas kelas
4. Memasukkan masing-masing data dan menjumlahkan

1. Menentukan banyaknya kelas

Menentukan banyaknya kelas dipergunakan untuk mengelompokkan data-data
yang ada. Dalam penentuan jumlah kelas yang sedikit atau jumlah kelas yang
banyak sesuai dengan kebutuhan, yang penting semua data masuk, mulai data
terkecil sampai data terbesar. Untuk menentukan banyaknya kelas dapat dipakai
rumus sturges.
Dimana :

K = 1 + 3,3 log n

Ket :
K = Banyak kelas
n = Jumlah data

2. Menentukan panjang kelas

Setelah banyak kelas ditentukan, langkah selanjutnya menentukan panjang kelas.
Yang amna panjang kelas dapat ditentukan dengan :

R Xn  Xi
C= =
K K

Dimana :
K = Banyak kelas
C = Interval kelas
Xn = Nilai data terbesar
Xi = Nilai data terkecil
R = Range (wilayah)

11
 Rentang (range) dapat ditentukan dengan mengurangi nilai terbesar dikurangi
nilai terkecil.

R = Xn - Xi

3. Menentukan batas kelas

Setelah banyaknya kelas dan interval kelas kita tentukan langkah selanjutnya
menentukan batas kelas bawah dan batas kelas atas dari masing-masing kelas
(dilihat dari tabel frekuensi).

4. Memasukkan masing-masing data dan menjumlahkan

Penyusunan tabel frekuensi dengan cara memasukan masing-masing data kedalam
masing-masing kelas yang sesuai dan menjumlahkan. Untuk mengecek
frekuensinya dalam masing-masing kelas yang telah disusun dapat digunakan
dengan cara jari.

C. Bagian-bagian dari Tabel Frekuensi

Bagian-bagian dari tabel frekuensi yang perlu diketahui antara lain :
1. Kelas
Dimana tiap kelompok nilai variabel disebut kelas.
2. Batas kelas
Nilai-nilai yang membatasi kelas yang satu dan lainnya yang mana dalam satu
kelas terdapat dua batas kelas yaitu batas kelas atas dan batas kelas bawah.
3. Batas kelas nyata
Merupakan pertengahan antara batas atas suatu kelas dengan batas bawah kelas
diatasnya.
4. Luas kelas
Merupakan selisih antara batas kelas atas dengan batas kelas bawah dari suatu
kelas atau selisih antara batas kelas atas nyata dengan batas kelas bawah nyata
dari kelas yang bersangkutan.

12
 5. Nilai tengah
Merupakan rata-rata antara batas atas nyata dengan batas bawah nyata suatu kelas
atau batas atas nyata ditambah batas bawah nyata di bagi dua.

D. Distribusi Frekuensi Relatif dan Distribusi Frekuensi Komulatif

1. Distribusi Frekuensi Relatif (Fr)
Analisis statistik yang ingin mengetahui secara cepat porsi atau persentase dari
data yang memiliki sifat-sifat atau ciri-ciri tertentu. Untuk keperluan itu distribusi
frekuensi perlu dinyatakan dalam bentuk persentasi. Tabel frekuensi tersebut
dikenal dengan tabel frekuensi relatif.
Sedangkan yang dimaksud dengan frekuensi relatif (fr) adalah frekuensi yang
dinyatakan dalam angka relatif atau dalam prosentase. Frekuensi relatif tiap kelas
dapat diketahui dengan :

Fr
Fr = x 100%
n

Dimana :
Fr = Frekuensi relatif
Fi = Banyak anggota pada kelas
n = Jumlah seluruh anggota kelas (banyak data)
Distribusi frekuensi komulatif (Fc)
Frekuensi komulatif dari suatu tabel frekuensi adalah frekuensi yang dapat
menunjukkan jumlah frekuensi yang terletak diatas atau dibawah suatu nilai
tertentu dalam suatu interval kelas.
Ada dua macam frekuensi komulatif yaitu :
1. Frekuensi komulatif krang dari
2. Frekuensi komulatif lebih dari
Frekuensi komulatif kurang dari (less than cumulative frequensi)
Merupakan frekuensi yang dapat menunjukan jumlah frekuensi yang kurang dari
nilai tertentu. Frekuensi komulatif kurang dari dapat ditentukan dengan
menjumlahkan frekuensi pada kelas-kelas sebelumnya.

13
 Dimana :
Fi
FK Kdr FC1 = x 100
n
Fi  F 2
FC2 = x 100
n
Fi  F 2  F 3
FC3 = x 100
n
Fi  F 2  F 3  F 4
FC4 = x 100, dst
n
Keterangan :
FC = Frekuensi komulatif kurang dari
F1dst = Banyak data (frekuensi)
n = Total data seluruhnya

2. Frekuensi komulatif lebih dari (more than cumulative frequensi)

Merupakan frekuensi yang dapat menunjukkan jumlah frekuensi yang lebih dari
nilai tertentu. Frekuensi komulatif lebih dari dapat ditentukan dengan
menjumlahkan frekuensi pada kelas-kelas sesudahnya.
Dimana :
Fn
FK Ldr FC1 = x 100
n
Fn  F1
FC2 = x 100
n
Fn  F1  F2
FC3 = x 100
n
Fn  F1  F2  F3
FC4 = x 100, dst
n

14
 Ukuran Penyebaran

A. Pengertian dan Batasan Ukuran Penyebaran

Yang dimaksud dengan penyebaran atau dispensi suatu data adalah seberapa jauh
suatu data berada atau menyebar dari pusat atau rata-rata.
Sedangkan ukuran yang menyatakan jauh dekatnya suatu data ke pusat (rata-rata)
disebut dengan ukuran penyebaran.
Kita mengenal dua ukuran penyebaran :
1. Ukuran penyebaran absolut
2. Ukuran penyebaran relatif

A.1. Ukuran penyebaran absolut

Ukuran dispersi absolut adalah ukuran dispersi yang hanya dapat digunakan untuk
melihat seberapa jauh nilai suatu data menyebar dari nilai pusat (rata-rata) kumpulan
data tersebut dan bukan untuk membandingkan variasi beberapa kumpulan data.
Tiga jenis ukuran dispensi absolut.
1. Range (wilayah)
Range kumpulan data adalah selisih nilai (data) terbesar dengan nilai (data) yang
terkecil dalam kumpulan data.
Range merupakan ukuran variasi yang paling sederhana dan yang paling mudah
dihitung.
Untuk data yang tidak berkelompok
Range dapat dihitung dengan :

R = Xn - Xi

Dimana :
Xn = Nilai data terbesar
Xi = Nilai data terkecil
R = Range (wilayah)
Untuk data yang berkelompok

15
 Bila datanya telah berkelompok, range dapat dihitung dengan :
R = Batas bawah kelas terahir – batas bawah kelas pertama
= Nilai tengah tertinggi – nilai tengah terendah
2. Deviasi Rata-rata
Deviasi rata-rata (AD) adalah rata-rata dari jumlah selisih mutlak nilai data
terhadap nilai rata-ratanya.
Untuk data yang tidak berkelompok
Deviasi rata-rata dapat dihitung :

ΣXi  X
AD =
n

Dimana :
AD = Deviasi rata-rata
Xi = Nilai data yang ke i

X = Nilai rata-rata
n = Banyaknya data
Untuk data berkelompok
Deviasi rata-rata untuk data yang berkelompok dapat dicari :

Σfi (Xi  X)
AD =
n

Dimana :
AD = Deviasi rata-rata
Xi = Nilai data yang ke i
X = Nilai rata-rata
fi = Frekuensi absolut kelas ke i
n = Banyaknya data / ukuran sampel

16
 3. Deviasi Standar
Ukuran variasi yang paling banyak diguanakan dalam analisis statistik adalah
deviasi standar (simpangan baku).
Pangkat dua (kuadrat) dari simpangan baku disebut dengan varian (ragam).
Deviasi standar ini merupakan deviasi rata-rata yang telah disempurnakan.
Baik untuk data tidak berkelompok maupun data yang telah berkelompok deviasi
standar dihitung berdasarkan ukuran sampelnya, yaitu sampel berukuran kecil
(bila n < 30) dan sampel berukuran besar (bila n > 30).
Untuk data yang tidak berkelompok
Sampel ukuran kecil (bila n < 30)
Bila sampelnya berukuran kecil, simpangan baku sekelompok data dapat
dihitung dengan rumus varian (ragam) sebagai berikut :
1. Varian

Σ (Xi  X) 2
S2 =
n 1

2. Simpangan baku

Σ(Xi  X) 2
S=
n 1

Sampel ukuran besar (bila n > 30)

Bila sampelnya ukuran besar, simpangan baku sekelompok data dapat dihitung
melalui rumus sebagai berikut :

A.2. Ukuran Penyebaran Relatif

Ukuran penyebaran relatif adalah ukuran penyebaran yang dapat digunakan untuk
membandingkan penyebaran dari dua atau lebih kumpulan. Suatu data yang
memiliki satuan yang sama ataupun yang berbeda.

17
 Tiga jenis yang termasuk dalam ukuran penyebaran relatif adalah :
1. Koefisien variasi
Merupakan perbandingan antara simpangan baku dan rata-rata.

S
V=
X

Dimana :
V = Koefisien variasi
S = Simpangan baku sampel

X = Rata-rata sampel
Koefisien variasi yang paling banyak digunakan dalam statistik untuk
membandingkan kehomogenan sekelompok data dengan kelompok data lainnya.
Dimana semakin kecil koefisien variasinya maka semakin seragam kelompok
datanya.

2. Koefisien range

Xn  Xi
Koef range =
Xn  Xi

3. Koefisien deviasi rata-rata

AD
Koefisien Deivasi Rata-rata =
X

B. Angka Baku
Angka baku yang sering dipakai atau diberi simbul Z adalah perbedaan antara nilai
suatu data secara individu dengan nilai rata-rata yang dinyatakan dalam satuan
simpangan baku.

18
Nilai Z mengukur berapa simpangan baku sebuah data terletak diatas atau dibawah
nilai rata-ratanya. Nilai Z umumnya dipakai atau digunakan untuk membandingkan
dua pengamatan yang berasal dari dua populasi yang berbeda sehingga dapat
ditentukan tingkatannya.
Untuk menghitung nilai Z dipakai rumus :
1. Untuk sampel

XX
Z=
S

2. Untuk populasi

X μ
Z=
σ

Dimana :
X = Nilai suatu data

X = Rata-rata sampel
S = Simpangan baku
 = Rata-rata populasi
 = Simpangan baku populasi

19
 Ukuran Kecondongan dan Keruncingan
Suatu Distribusi

A. Ukuran Kecondongan
Ukuran kecondongan adalah suatu ukuran yang dapat digunakan untuk menentukan
condong tidaknya suatu kurve distribusi, yang mana dapat diketahui dari besarnya
koefisien kecondongan (SK) dan besarnya koefisien moment ketiga ( 3).
1. Koefisien kecondongan / kemencengan
Besarnya koefisien ini bisa dihitung dengan metode Karl Pearson.
Menurut metode ini, koefisien kecondongan dapat dihitung dengan cara :

X  Mod
SK =
S

Dimana secara empiris diperoleh hubungan antara X - Mod = 3 ( X - Med)

Oleh karena itu rumus diatas dapat juga dinyatakan dengan :

3 (X  Med)
SK =
S

Dimana :
SK = Koefisien kecondongan
X = Rata-rata sampel
Mod = Modus
Med = Median
S = Simpangan baku
Bila koefisien kecondongan positif, berarti ekor kanan distribusi frekuensi lebih
panjang dari ekor kiri dan distribusi condong ke kiri atau menceng ke kanan.

20
Bila koefisien kecondongan negatif, berarti ekor kiri distribusi frekuensinya lebih
panjang dari ekor kanannya dan distribusi condong ke kanan atau menceng ke
kiri.
Untuk lebih jelasnya hubungan koefisien kecondongan suatu kurve distribusi
antara lain :
1. Jika harga koefisien kencondongan positif ini berarti Rata > Median > Modus,
dan kurve distribusi frekuensinya condong ke kiri atau menceng ke kanan.

X > Med > Mod

2. Jika harga koefisien kecondongan negatif, ini berarti Rata < Median < Modus,
dan kurve distribusi frekuensinya condong ke kamar atau menceng ke kiri.

X <Med <Mod

21
 3. Jika harga koefisien kecondongan nol, ini berarti rata-rata = Median = Modus,
dan kurva distribusi frekuensinya simetris

Rata-rata = Med = Mod

Untuk menghitung rata-rata dan simpangan baku pada koefisien kecondongan

maka dipakai rumus :

Σfidi
X  X0  .C
n

(diLfidi2 )  fidi2 
S= C   
n  n 
Dimana :
X = Rata-rata
X0 = Xi nilai terbesar baris fi
fi = Frekuensi kelas ke i
di = Deviasi dalam satuan interval kelas
C = Interval kelas
S = Simpangan baku

2. Koefisien Moment Ketiga ( 3)

Koefisien moment ketiga yang umumnya disebut moment ketiga saja adalah rata-
rata penyimpangan data dari rata-ratanya dipangkatkan tiga, dibagi dengan
simpangan baku pangkat tiga.

22
 Untuk menghitung moment ketiga ( 3) dari data yang belum berkelompok dan
data yang telah dikelompokkan (suatu distribusi frekuensi) dengan :
1. Untuk data tidak berkelompok

Σ(Xi  X ) 3
3 =
n .S3

2. Untuk data berkelompok

 ΣFidi 3 ΣFidi ΣFidi 2  ΣFidi   C

3 3
3 =  3 .  2   3
 n n n  n   S
Dimana :
 3 = Moment ketiga

X = Rata-rata
S = Simpangan baku
Xi = Nilai data ke i
C = Interval kelas
di = Deviasi dalam satuan interval kelas
n = Jumlah data
Makin besar nilai  3, maka makin condong atau miring kurva distribusi
frekuensi.
Jika  3 bertanda (+), berarti kurva distribusi tersebut condong ke kiri dan jika
 3 bertanda (-), berarti kurva distribusi tersebut condong ke kanan.

B. Ukuran Keruncingan
Ukuran keruncingan sekumpulan data atau suatu distribusi adalah suatu ukuran yang
dapat digunakan untuk menentukan runcing tidaknya suatu kurva distribusi,

23
ukuran keruncingan yang biasa dipakai adalah koefisien moment keempat ( 3) yang
mana sering disebut koefisien kurtosis.
Untuk menghitung besarnya koefisien kurtosis dapat dipakai rumus :
1. Untuk data yang tidak berkelompok

Σ (Xi  X) 2
3 =
n .S 4

2. Untuk data yang berkelompok

C 4  fidi 4 4fidi3 fidi 6(fidi) 2 fidi 2 3fidi 4 

4    .  .  
S4  n n n n n n 

Dimana :
3 = Koefisien kurtosis
X = Rata-rata
Xi = Nilai data ke i
n = Jumlah data
S = Simpangan baku
fi = Frekuensi kelas ke i
di = Deviasi dalam satuan interval kelas
C = Interval kelas

24
 Analisis Regresi dan Korelasi Sederhana

A. Pengertian Regresi
Regresi merupakan suatu ilmu yang digunakan untuk menaksir atau meramalkan nilai
suatu variabel berdasarkan variabel lain yang nilainya telah diketahui dan kedua
variabel tersebut mempunyai hubungan sebab akibat satu dengan yang lain.
Dalam bidang ekonomi dan bisnis misalnya : jumlah modal mempengaruhi jumlah
produksi, tingkat suku bunga mempengaruhi jumlah produksi, tingkat suku bunga
mempengaruhi jumlah investasi, biaya iklan mempengaruhi nilai penjualan dan
tingkat pendapatan mempengaruhi besarnya konsumsi.
Hubungan sebab akibat antara variabel bebas (X) dan variabel terikat (Y), dalam
bentuk suatu fungsi dinyatakan sebagai berikut :
Y = f (X)  artinya nilai variabel
Y tergantung dari nilai variabel X

B. Regresi Linear Sederhana

Secara umum persamaan garis lurus dinyatakan dalam :
^
Y = a + bx
Dimana :
a = Titik potong dengan sumbu Y apabila X = 0
b = Arah garis regresi, yang menyatakan perubahan nilai Y akibat perubahan 1
unit X.
^
Y = Pens. Regresi
X = Variabel bebas
Y = Variabel terikat
Untuk menentukan nilai a dan b kita mengela dua cara :
1. Cara sederhana (metode least square)
n.XY  XY  XY
b=
n.X 2  (X ) 2

a = Y bX

25
 2. Cara substitusi / cara persamaan
I. Y = na + bX
II. YX = aX + bX2
Langkah :
1. Pers I Hilangkan salah satu nilai,
II ketemu satu nilai

2. Subtitusikan nilai point 1 ke persamaan 1

Jadi Y = a + bX

C. Menaksir nilai variabel terikat (Y)

Dari serangkaian data sampel yang terdiri dari n pasangan (X, Y) dimana nilai a dan b
dihitung, kemudian dimasukkan kedalam persamaan regresi yaitu :
^
Y = a + bX dan untuk variabel bebas (X) diketahui maka dapat ditaksir nilai variabel
terikatnya (Y), caranya dengan mensubstitusikan nilai X kedalam persamaan regresi.

D. Koefisien Determinasi (r2)

Suatu alat yang dipakai untuk mengetahui sejauh mana tingkat hubungan antara
variabel bebas (X) dan variabel terikat (Y).
Dimana :

aY  bXY  n (Y ) 2
1. r2 =
(Y 2 )  n (Y ) 2
2. D = r2
Jadi koefisien determinasi adalah suatu ukuran yang dapat menjelaskan tentang
besarnya sumbangan / andil dari variabel X terhadap naik turunnya nilai variabel Y.
Besarnya nilai koefisien determinasi terletak antara 0 dan 1 yaitu : 0 < rD < 1.

26
E. Koefisien Korelasi (r)
Analisis korelasi biasanya dilakukan bersamaan dengan analisis regresi yang
bertujuan untuk mengetahui pengaruh variabel bebas (X) terhadap variabel terikat
(Y), yang koefisien korelasi merupakan alat analisis setelah adanya analisis koefisien
determinasi.
Kita mengenal dua rumus korelasi :
1. Korelasi setelah adanya analisis regresi

r= r2
2. Korelasi bila tidak dilakukan analisis regresi
n XY  XY
r=
n.2 X 2  (X ) 2 . nY 2  (Y ) 2

Yang mana nilai dari korelasi berkisar antara

-1 dan +1, yaitu -1 < r < 1
Dalam mengartikan nilai koefisien korelasi maka kita mengenal 5 kemungkinan :
1. 0,00 – 0,20 ; artinya antara variabel X dan Y terdapat korelasi, akan tetapi
korelasi itu sangat lemah atau sangat rendah.
2. 0,20 – 0,40 ; artinya antara variabel X dan Y terdapat korelasi yang cukup
lemah.
3. 0,40 – 0,70 ; artinya antara variabel X dan Y terdapat korelasi yang sedang atau
cukup.
4. 0,70 – 0,90 ; artinya antara variabel X dan Y terdapat korelasi yang kuat atau
tinggi.
5. 0,90 – 1,00 ; artinya antara variabel X dan Y terdapat korelasi yang sangat kuat
atau sangat tinggi.

27
 Metode Korelasi Jenjang Spearman
(Rank Correlation Method)

Metode ini diperlukan untuk mengukur keeratan hubungan antara dua variabel dimana
dua variabel itu tidak mempunyai joint normal distribution dan couditional variance tidak
diketahui sama.
Korelasi rank dipergunakan apabila pengukuran kuantitatif secara eksak tidak
mungkin / sulit dilakukan. Contohnya ; mengukur tingkat motivasi serta mengukur
lingkungan / suasana kerja.
Untuk menghitung rank correlation coefficientnya, yang dinotasikan dengan rs,
dilakukan langkah-langkah sebagai berikut :
1. Nilai pengamatan dari dua variabel yang akan diukur hubungannya diberi jenjang.
Bila ada nilai pengamatan yang sama di hitung jenjang rata-ratanya.
2. Setiap pasang jenjang dihitung perbedaannya.
3. Perbedaan setiap pasang jenjang tersebut dikuadratkan dan dihitung jumlahnya
4. Cara menentukan rank mulai angka terkecil dengan rank 1 dst.
5. Nilai rs (koefisien korelasi spearman) dihitung dengan rumus :

n
6 di 2
i 1
rs = 1 -
n(n  1)
2

Dimana : di = perbedaan setiap pasang rank

n = jumlah pasangan rank

Hipotesis nihil yang akan diuji mengatakan bahwa dia variabel yang diteliti dengan
nilai jenjang itu independen, tidak ada hubungan antara jenjang variabel yang satu
dengan jenjang dari variabel lainnya.
Ho : ttabel = 0

28
 Hi : ttabel = 0

Kriteria pengambilan keputusannya adalah :

Ho diterima apabila rs < ttabel
Ho ditolak apabila rs > ttabel
Nilai t hitung dapat dicari dengan rumus :

n2
t = rs
1  rs 2

29