STATISTIK EKONOMI
Oleh
Ni Nyoman Suryani, SE, M.Si
Dosen FEB. Unmas. Dps.
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
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
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 n2
Lmd = dan
2 2
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.
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.
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
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
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
10
3. Menentukan batas kelas
4. Memasukkan masing-masing data dan menjumlahkan
K = 1 + 3,3 log n
Ket :
K = Banyak kelas
n = Jumlah data
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
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.
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
14
Ukuran Penyebaran
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
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
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
XX
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
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.
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
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
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
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
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
a = Y bX
25
2. Cara substitusi / cara persamaan
I. Y = na + bX
II. YX = aX + bX2
Langkah :
1. Pers I Hilangkan salah satu nilai,
II ketemu satu nilai
aY bXY 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 XY
r=
n.2 X 2 (X ) 2 . nY 2 (Y ) 2
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
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
n2
t = rs
1 rs 2
29