Materi Statistik Ekonomi I

MATERI KULIAH
STATISTIK EKONOMI I
SMT. II
Dra. SRI SUNDARI, M.M.
FAKULTAS EKONOMIKA DAN BISNIS

UNIVERSITAS WIJAYAKUSUMA
PURWOKERTO
2021
PENDAHULUAN
1. PENGERTIAN ILMU STATISTIK

ILMU : adalah pokok-pokok pikiran yang teratur dan dapat
digunakan untuk memecahkan/menyelesaikan masalah
atau persoalan.
Arti Statistik dapat dibagi atas 2 bagian
a. Arti Sempit : Statistik adalah data atau ringkasan yang berbentuk
angka. Misalnya : Statistik penduduk (jumlah
penduduk, umur, jenis kelamin dll.) Statistik harga
(membahas harga beras, gula, pakaian dll.)
b. Arti Luas : Ilmu yang mempelajari cara Pengumpulan data,
Pengolahan data, Analisa data, Penyajian data,
Penarikan kesimpulan atau Pengambilan
keputusan berdasarkan hasil penelitian.
2. KEGUNAAN MEMPELAJARI ILMU STATISTIK
a. Memperoleh gambaran suatu keadaan atau persoalan yang sudah
terjadi
b. Untuk Penaksiran ( Forecasting )
c. Untuk Pengujian ( testing hypotesis )
3. BEBERAPA ISTILAH YANG DIPAKAI DALAM ILMU
STATISTIK
a. Karakteristik : adalah Sifat-sifat atau ciri-ciri yang dimiliki oleh
suatu unsur. Misalnya : Unsur itu Pegawai, maka
karakteristiknya Jenis kelamin, Pendidikan, Umur,
Masa kerja, Gaji dll.
b. Variabel : adalah suatu nilai karakteristik dari suatu unsur
yang sifatnya berubah - ubah. Misalnya Harga,
Umur dll.
c. Populasi : adalah kumpulan yang lengkap dari suatu elemen
atau unsur yang sejenis, akan tetapi dapat
dibedakan satu sama lain karena karateristiknya
1
berbeda, seperti Penduduk, Pegawai, Mahasiswa
(berbeda dalam hal jenis kelamin, umur, wajah
dll).
d. SAMPEL : ialah bagian dari populasi yang disebut juga
Contoh yang dapat mewakili obyek yang akan
diselidiki. Misal : diambil 100 dari 1000
perusahaan yang akan diselidiki.
4. ARTI, KEGUNAAN SERTA TUJUAN PENGUMPULAN DATA
a. Data adalah sesuatu yang diketahui atau dianggap dapat
memberikan gambaran tentang suatu keadaan atau persoalan
yang sudah terjadi dan akan terjadi.
b. Data antara lain dapat digunakan untuk :
1) Dasar suatu perencanaan
2) Sebagai alat kontrol
3) Sebagai dasar untuk evaluasi
c. Tujuan Pengumpulan Data :
1) Untuk memperoleh tentang suatu keadaan atau persoalan
yang sudah terjadi.
2) Sebagai dasar untuk pembuatan keputusan atau pemecahan
persoalan.
5. SYARAT-SYARAT DATA YANG BAIK
a. Objektif ( langsung dari Obyeknya )
b. Representatif ( bisa mewakili )
c. Standard Error / kesalahan bakunya kecil
d. On time ( tepat waktu )
e. Relevant ( sesuai )
6. PEMBAGIAN DATA
a. Menurut Sifatnya
1) Data Kualitatif : data yang bukan dalam bentuk angka.
Contoh : Meningkat, mahal, lancar dll.
2) Data Kuantitatif : data dalam bentuk angka.
Contoh : 100 Kg, Rp. 1000, 100 % dll.
b. Menurut Sumbernya
1) Data Internal : data yang menggambarkan keadaan atau kegiatan
dalam suatu Organisasi. (Contoh : Produksi, Pemasaran,
Pembelanjaan dll.)
2
2) Data Eksternal : data yang menggambarkan suatu keadaan atau
kegiatan di luar suatu organisasi (misalnya: daya beli
masyarakat, Perkembangan harga, konsumsi dll.)
c. Menurut Cara Memperolehnya
1) Data Primer : yaitu data yang dikumpulkan dan diolah sendiri
oleh seseorang / suatu organisasi langsung dari obyeknya.
2) Data Sekunder : yaitu data yang diperoleh dalam bentuk sudah
jadi, sudah dikumpulkan dan diolah oleh pihak lain. (Biasanya
sudah dipublikasikan).
d. Menurut waktu Pengumpulannya
1) Cross Section / Insidentil : dikumpulkan pada suatu waktu
tertentu.
2) Data Berkala / Time Series data : dikumpulkan secara berkala.
7. CARA PENGUMPULAN DATA
a. SENSUS ialah Pengumpulan data dengan jalan seluruh elemen
populasi di selidiki satu persatu. Data yang diperoleh dari hasil
sensus adalah data yang sebenarnya atau sering disebut
Parameter.
Karena sensus itu mahal biayanya, memerlukan banyak
tenaga, dan waktu yang lama maka tidak efisien,
sehingga PBB kepada para Negara anggota. Sensus
penduduk cukup sekali dalam 10 tahun. ( Indonesia 1961,
1971, 1981), pertanian dan industri 5 tahun sekali.
b. SAMPLING ialah Pengumpulan data dengan jalan menyelidiki
sampel (contoh) dari suatu populasi. Data yang diperolehnya
adalah data perkiraan (estimate value), jadi kalau ada 1000, cukup
diselidiki 100 (1:10).
Cara Pengambilan Sampel ada 2, yaitu:
1) RANDOM : Setiap elemen mempunyai kesempatan yang
sama untuk dipilih menjadi anggota. Misal :
undian dan Random Number.
2) Non Random : Setiap anggota tidak mempunyai
kesempatan yang sama untuk dipilih.
3
8. METODA / ALAT PENGUMPULAN DATA
a. Kuesioner : Daftar isian
b. Wawancara : Tanya- Jawab (jarak dekat atau jarak jauh)
c. Observasi : Pengamatan
d. Alat komunikasi : Telepon, Radio, TV, Fax. Internet dll
9. PENGOLAHAN DATA
a. Dengan Cara Manual : Manusia yang menghitung langsung.
Contoh : Hasil Pengumpulan data Laba 10 Perusahaan (dalam
jutaan Rupiah) sbb : X1 = 5, X2 =4, X3=7 , X4=6,
X5 = 8, X6 = 9, X7 = 10, X8 = 11, X9 = 12, X10 =13
Berapakah rata-rata Laba yang diperoleh perusahaan tersebut?
Jawab : = X1 + X2 + …… + X10.
= 5 + 4 …….. + 13
= 85 : 10 = 8,5 ( Rp. 8.500.000,-).
b. Dengan Kalkulator : yaitu mengolah data dengan menggunakan
Kalkulator.
Contoh : Log Gm = (Σ fi.Log Xi) / n
Gm = anti Log (Σ fi.Log Xi) / n
Misalnya : Log Gm = 1,727346897
Maka Gm = ( 10 ) 1,727346897
= 53,76
c. Dengan Komputer : Yaitu membuat program komputer untuk
mengolah data.
10. PENYAJIAN DATA STATISTIK
a. Tabel : - Tabel klasifikasi tunggal
- Tabel klasifikasi ganda
- Tabel frekuensi (distribusi frekuensi)
b. Diagram : - Diagram batang
- Diagram garis
- Diagram lambang
- Diagram lingkaran
- Diagram peta (kartogram)
4
DISTRIBUSI FREKUENSI
Cara membentuk Distribusi Frekuensi Numerikal
1. Menentukan kelas-kelasnya.
2. Menseleksi frekuensi ke dalam kelas-kelas ybs.
3. Menjumlah semua frekuensi dari kelas-kelas.
Cara menentukan kelas-kelas :

a. Menentukan jumlah kelas
Herbert A. Sturges ( Sturges rule)
k = 1 + 3,322 log n
k : jumlah kelas
n : jumlah individu
b. Menentukan interval tiap kelas
R = Xn - X1
R : range (luas penyebaran)

Xn : nilai pengamatan tertinggi
X1 : nilai pengamatan terendah
Range
Interval kelas = -------------
k
c. Menentukan batas-batas kelas

Yang terpenting : batas kelas bawah yang terendah (mencakup nilai
penga matan terendah, mudah dibaca, diingat, tidak menyulitkan
perhitungan dan analisis).
Bilangan kelipatan angka 5 baik sekali untuk batas-batas kelas.
Dapat pula mengambil nilai = data terkecil atau lebih kecil dari data
terkecil tetapi selisihnya harus kurang dari panjang (interval) kelas.
5
Contoh Soal.
Nilai Ujian Matematika untuk 80 orang mahasiswa
55 72 66 77 31 90 70 68 58 65
82 68 80 44 70 78 98 75 92 84
90 95 56 92 84 62 55 89 66 85
69 78 49 94 76 88 72 75 82 76
90 72 98 65 83 58 66 82 57 81
80 40 62 78 94 76 92 78 62 77
68 63 73 74 50 66 77 82 46 69
80 67 58 55 68 70 75 83 79 37
Buatlah Distribusi Frekuensi, Frekuensi Relatif, Dalam Prosen,

Meningkat Ke Bawah (”Atau Kurang”), Meningkat Ke Atas (”Atau
Lebih”) !
Tentukan pula Batas Nyata dan Nilai Tengah dari masing-masing Kelas !
6
Beberapa Pengertian dalam Distribusi Frekuensi
1. Kelas : tiap-tiap kelompok nilai variabel.
Mis. 30 – 39; 40 – 49; ….. ; 90 – 99.
2. Batas Kelas : nilai-nilai yang membatasi kelas yang satu dari kelas yang
lain.
Mis. 30; 39; 40; 49; ….. ; 90; 99.
3. Batas kelas bawah dan batas kelas atas.
Batas kelas bawah : angka-angka pada deretan sebelah kiri.
Mis. 30; 40; ….. ; 90.
Batas kelas atas : angka-angka pada deretan sebelah kanan.
Mis. 39; 49; …..; 99.
4. Batas semu dan batas nyata.
Batas semu : batas kelas yang mengandung lubang di antara kelas yang
satu dengan kelas yang lain.
Batas byata : batas kelas yang tidak mengandung lubang di antara
kelas yang satu dengan kelas yang lain. Hanya dimiliki oleh variabel
kontinyu.
29,5 39,5 49,5 59,5 batas nyata
30 39 40 49 50 59 dst.
batas semu
5. Luas kelas ( i )
Dapat diukur dengan berbagai cara, antara lain :
a. Selisih antara batas kelas atas dari kelas yang bersangkutan
dengan batas kelas atas dari kelas yang setingkat lebih rendah.
Mis. 49 – 39 = 10.
b. Selisih antara batas kelas bawah dari kelas yang setingkat lebih
tinggi dengan batas kelas bawah dari kelas yang bersangkutan.
Mis. 50 – 40 = 10.
c. Selisih antara batas kelas atas nyata dengan batas kelas bawah
nyata dari kelas yang bersangkutan.
Mis. 49,5 – 39,5 = 10.
6. Nilai tengah (m) : angka/nilai variabel yang tepat terletak di tengah-
tengah suatu kelas (= batas atas nyata + batas bawah nyata, kemudian
dibagi dua).
Mis. Nilai tengah kelas pertama : (39,5 + 29,5) : 2 = 34,5
7. Distribusi frekuensi dengan kelas terbuka : distribusi frekuensi yang
tidak mempunyai batas kelas atas pada kelas terakhir maupun batas
kelas bawah pada kelas pertama.
Mis. Di bawah 30
30 - 39
40 - 49
…………
70 - 79
80 dan lebih
7
Distribusi Frekuensi, Frekuensi Relatif, Dalam Prosen,
Meningkat Ke Bawah dan Ke Atas,
Batas Nyata dan Nilai Tengah masing-masing Kelas
dari Nilai Ujian Matematika untuk 80 Orang Mahasiswa
Frek. Frek. Nilai

Nilai Frekuensi Frekuensi Frekuensi Meningkat Meningkat Batas Tengah
Relatif dlm Prosen "Atau Kurang" "Atau Lebih" Nyata (m)
29.5
30 - 39 2 0.025 2 80 34.5
39.5
40 - 49 4 0.05 44.5
49.5
50 - 59 9 0.1125 54.5
59.5
60 - 69 17 0.2125 64.5
69.5
70 - 79 22 0.275 74.5
79.5
80 - 89 15 0.1875 84.5
89.5
90 - 99 11 0.1375 80 94.5
99.5
Jumlah 80 1,000 100
8
HISTOGRAM
0 29,5 39,5 49,5 59,5 69,5 79,5 89,5 99,5
POLIGON
0 34,5 44,5 54,5 64,5 74,5 84,5 94,5
9
OGIVE
cf (cumulative frequency)
0 29,5 39,5 49,5 59,5 69,5 79,5 89,5 99,5
10
UKURAN TENDENSI PUSAT
UNTUK DATA KUANTITATIF
Pada dasarnya dua distribusi frekuensi mempunyai perbedaan

dalam empat hal utama, yaitu :
1. Perbedaan tendensi pusat, artinya perbedaan nilai dari posisi pusat
distribusi frekuensi.
A B
XA XB
Kurva distribusi A sama dengan kurva distribusi B, hanya saja B

terletak lebih jauh ke kanan pada sumbu absis atau mempunyai nilai-
nilai yang lebih tinggi. Nilai pusat distribusi kedua kurva adalah tidak
sama, yaitu yang satu pada XA sedang yang lain pada XB.
2. Perbedaan luas penyebaran dari nilai-nilai pengamatan di sekitar

nilai pusat.
B
A
XAB
Kurva distribusi A dan B mempunyai letak nilai tendensi pusat yang

sama yaitu XAB, tetapi luas penyebaran nilai-nilai pengamatannya tidak
sama. Distribusi B mempunyai penyebaran nilai yang lebih luas daripada
distribusi A.
11
3. Perbedaan kecondongan distribusi frekuensi dimana kurvanya
tidak simetris (skewness).
A B
XA XB
Distribusi A dan B sama-sama tidak simetris kurvanya. Kurva distribusi

A dikatakan condong ke kiri atau juling positif, sedang distribusi B
dikatakan condong ke kanan atau juling negatif.
4. Perbedaan keruncingan (peakedness) dari kurva distribusi

frekuensi (kurtosis).
XAB
Kurva distribusi A dan B mempunyai posisi pusat yang sama yaitu X AB,
tetapi kurva A mempunyai keruncingan yang lebih besar daripada kurva
B, karena kurva A relatif dispersinya lebih kecil.
12
Ukuran Tendensi Pusat,
Macam dan Syarat yang harus dipenuhi
Dua pendekatan dalam menghitung ukuran tendensi pusat :

1. Didasarkan pada perhitungan matematis (secara aljabar) :
- Arithmetic mean
- Geometric mean
2. Melukiskan tempat / letak khusus dalam data
- Median
- Mode
Fungsi : sebagai ukuran untuk menunjukkan tendensi pusat dari suatu

distribusi dan dapat mewakili seluruh nilai pengamatannya.
Syarat ukuran tendensi pusat yang baik :
1. Harus mencerminkan keadaan data yang sesungguhnya.
2. Harus didasarkan pada seluruh data.
3. Perhitungannya harus obyektif.
4. Perhitungannya harus mudah.
5. Dalam suatu rangkaian data hanya ada 1 nilai tendensi pusat.
ARITHMETIC MEAN (Rata-rata hitung) = rata-rata.
Rata-rata hitung dari sekumpulan nilai =

Jumlah seluruh nilai : jumlah pengamatannya
3 macam rata-rata hitung :

1. Rata-rata hitung untuk data tidak berkelompok.
2. Rata-rata hitung untuk data berkelompok.
3. Rata-rata hitung tertimbang.
1. Rata-rata hitung untuk data tidak berkelompok

n
Σ xi
x1 + x2 + x3 + … + xn i=1
X= =
n n
13
Σ x Σ x
X = μ =
n N
untuk sample untuk populasi
x → statistik μ → parameter
x : rata-rata hitung
Σ : jumlah
x : nilai pengamatan
n : jumlah pengamatan sampel
(N untuk populasi) (contoh soal)
Atau menggunakan rumus :
Σ fx
X =
Σf f : frekuensi (contoh soal)
2. Rata-rata hitung untuk data berkelompok.

a. Metode Panjang
Σ fm Σ fm
X = μ =
n N
untuk sampel untuk populasi
X : nilai mean (rata-rata hitung) sample

Σ f m : jumlah keseluruhan dari frekuensi kali nilai tengah
n : jumlah frekuensi sampel
(contoh soal)
b. Metode Pendek (cara koding)

Langkah-langkah :
1) Pilih salah satu nilai tengah dari kelas yang ada sebagai nilai
mean terkaan. Untuk lebih memudahkan, pilih nilai tengah
dari kelas yang paling tinggi frekuensinya atau kelas yang
terletak di tengah-tengah.
14
2) Tentukan penyimpangan-penyimpangan (deviasi) dari tiap-
tiap nilai tengah terhadap mean terkaan dan penyimpangan ini
kita standarkan, yaitu dengan membaginya dengan luas kelas
(interval), kita sebut penyimpangan standar (d’).
M – X0
d’ =
i
dimana : d’ : penyimpangan standar

m : nilai tengah dari suatu kelas
x0 : mean terkaan
i : luas kelas
3) Kalikan penyimpangan standar tersebut dengan frekuensi dari

tiap-tiap kelas ( f x d’)
4) Hasil tersebut kita jumlahkan ( Σ fd’) kemudian kita bagi
dengan n (jumlah frekuensi) untuk mendapatkan rata-rata
penyimpangan standar tertimbang.
5) Kalikan hasil tersebut dengan i (luas kelas). Jumlah ini
merupakan faktor koreksi terhadap mean terkaan.
6) Mean terkaan (langkah 1) kemudian dikoreksi dengan
menambah faktor koreksi tersebut pada langkah 5.
Σ fd’
X = X0 + ( )i
n
dimana : X = nilai mean

X0 = mean terkaan
Σ fd’ = jumlah keseluruhan dari
frekuensi kali penyimpangan standar
n = jumlah frekuensi
i = luas kelas (contoh soal)
15
3. Rata-rata hitung tertimbang.
ΣXW
XW =
ΣW
dimana : W = timbangan yang ditentukan untuk setiap

data.
(contoh soal)
GEOMETRIC MEAN (Rata-rata ukur)
Mengukur besarnya tingkat perubahan rata-rata setiap periode terhadap

variabel / kuantitas yang mengalami perubahan pada setiap periode.
1. Untuk data tidak berkelompok
G = ( x1 . x2 . x3 . … . xn ) 1/n
n
G = √ x 1 . x 2 . x 3 . … . xn
dimana : G = rata-rata ukur

Xi = nilai pengamatan
n = jumlah pengamatan
(contoh soal)
Jika perhitungan dilakukan dengan menggunakan logaritme, maka :
log x1 + log x2 + log x3 + … + log xn

Log G =
n
16
Σ log x
Log G =
n
Σ log x
G = antilog
n
2. Untuk data berkelompok (distribusi frekuensi)
n
G = √ m1f1 . m2f2 . m3f3 . … . mnfn
f1 log m1 + f2 log m2 + … + fn log mn

Log G =
n
Σ f log m
Log G =
n
Σ f log m
G = antilog
n
(contoh soal)
17
Perbedaan sifat-sifat penting antara Arithmetic Mean dengan Geometric
Mean :
A. Arithmetic Mean
1. Nilai mean didasarkan pada seluruh nilai pengamatan, oleh karena

itu dipengaruhi oleh semua nilai variabel atau nilai individual.
Apabila sekumpulan data sudah diklasifikasikan kedalam distribusi
frekuensi, mean dipengaruhi oleh semua nilai tengah kelas yang
ada tertimbang dengan frekuensi kelas yang ada. Kadang-kadang
bila ada nilai-nilai ekstrim akan sangat mempengaruhi nilai mean.
Untuk distribusi frekuensi yang mempunyai kelas terbuka mean
tidak dapat dihitung.
2. Jumlah dari penyimpangan semua nilai pengamatan dengan nilai
mean akan sama dengan nol.
3. Apabila selisih semua nilai pengamatan dengan nilai mean
dikuadratkan, jumlahnya lebih kecil dari jumlah penyimpangan
kuadrat semua nilai pengamatan dari titik lain selain mean.
B. Geometric Mean
1. Nilai mean didasarkan pada seluruh nilai pengamatan, tetapi jika

terdapat nilai-nilai ekstrim pengaruhnya dapat diperkecil bila
dibandingkan dengan Arithmetic Mean.
2. Hanya dipergunakan untuk pengrata-rataan nilai-nilai positif.
Nilainya akan sama dengan nol bila salah satu nilai variable adalah
nol, dan tidak berarti sama sekali bila ada nilai negatif.
3. Geometric Mean adalah rata-rata yang dipergunakan bila tingkat
pertumbuhan akan dirata-ratakan.
18
MEDIAN
Disebut juga rata-rata letak, karena perhitungan median didasarkan

pada letak dari nilainya. Didapatkan dengan menyusun nilai-nilai variable
dalam bentuk array dan kemudian mendapatkan nilai tengahnya.
Median (Md) : suatu nilai dari suatu deretan nilai yang telah
disusun sedemikian rupa (array) sehingga setengah dari deretan nilai
tersebut sama atau lebih kecil dari Md, sedangkan setengah lainnya sama
atau lebih besar dari Md.
Dari sederetan nilai dimana terdapat nilai ekstrim tinggi atau
rendah, nilai mean tidak akan merupakan nilai yang representatif dalam
menunjukkan “nilai yang sering terjadi”, dalam hal ini medianlah yang
dapat memberikan gambaran yang lebih representatif.

Setelah semua nilai kita susun ke dalam array, median dapat kita
tentukan dengan cara sbb :
a. Untuk jumlah pengamatan (n) ganjil :
x1, x2, x3, …. xn-1, xn+1, xn+3, …. xn
2 2 2
Md
Median : nilai x yang ke : (n+1)/2 setelah semua nilai

disusun dalam bentuk array.
Contoh :
Nilai Matematika 5 orang mahasiswa sebagai sampel adalah:
60 65 70 75 85
n=5
Median = nilai x yang ke (5+1)/2 = x3 = 70
19
b. Untuk jumlah pengamatan (n) genap :
1) Untuk data diskrit
x1, x2, x3, …. xn, xn+2, …. xn
2 2
Md
Median : nilai x yang ke n/2 atau nilai x yang ke (n+2)/2
Contoh :
Jumlah anak dari 8 orang ibu rumah tangga adalah:
1 2 3 3 4 4 4 5
n=8
Median = nilai x yang ke 8/2 = x4 = 3
Atau nilai x yang ke (8+2)/2 = x5 = 4
2) Untuk data kontinyu

x1, x2, x3, …. xn, xn+2, …. xn
2 2
xn + xn+2
2 2
Median = (nilai rata-rata dari dua nilai

2 yang terletak di tengah-
tengah)
Contoh :
Nilai Matematika 6 orang mahasiswa sebagai sampel adalah:
55 60 70 75 85 90
n=6
x6 + x6+2
2 2
Median =
2
x3 + x4 70 + 75
= = = 72,5
2 2
20
Perubahan nilai x1 dan atau x2 dengan nilai yang lebih kecil
dari 70 ataupun perubahan nilai x5 dan atau x6 dengan nilai
yang lebih besar dari 75 tidak akan mempengaruhi nilai
median, tetapi dalam perhitungan nilai mean perubahan nilai
salah satu invividu akan mempengaruhinya.
2. Untuk data berkelompok

Langkah-langkah :
1) Bagilah jumlah frekuensi dengan 2.
2) Carilah frekuensi kumulatif / meningkat sebelum batas bawah
kelas yang mengandung median.
3) Hitunglah selisih antara (n/2) dengan frekuensi kumulatif
yang telah kita dapatkan pada langkah ke dua tersebut di atas.
Hasilnya merupakan jumlah individu di antara median dengan
batas bawah dari kelas yang mengandung median.
4) Menentukan letak nilai median:
n FL
Md
2
Md = LMd + ( ) i
fMd
dimana :
Md = nilai median
LMd = batas bawah nyata kelas yang mengandung
median
n = jumlah frekuensi dalam distribusi
FL = frekuensi kumulatif sebelum batas bawah
Md
kelas yang mengandung median
fMd = frekuensi dari kelas yang mengandung
median
i = luas kelas
(contoh soal)
21
MODE
Adalah nilai variable yang tercatat berjumlah paling banyak (=

nilai yang paling sering terjadi dari suatu kumpulan nilai).
Untuk data kontinyu letak nilai mode ditentukan hanya berdasarkan
taksiran. Dalam suatu rangkaian data kadang-kadang dijumpai adanya 1
mode, 2 mode atau tidak ada mode.
Contoh :
1. Data : 5 6 7 8 9
Dikatakan tidak ada mode ( no modus, no modal)
2. Data : 5 6 7 7 8 9
Mode = 7 ; disebut mono modus
3. Data : 5 6 7 7 8 9 9 10
Mode = 7 dan 9 ; disebut bimodus ( bimodal )
CARA PERHITUNGAN MODE

Cara :
a. Hitung frekuensi masing-masing nilai data
b. Frekuensi yang terbesar adalah mode
Contoh :
Carilah mode dari besarnya keluarga dari 10 rumah tangga sbb :
7 4 6 5 6 4 6 5 9 6
Dapat kita susun dalam bentuk sbb :
Besar keluarga Frekuensi

4
5
6
7
9
Jumlah
Mode = ……………
22
2. Untuk data berkelompok
Ada 2 cara , yaitu :

a. Cara / metode kasar
Adalah dengan menentukan nilai tengah dari kelas yang paling
banyak frekuensinya.
b. Menggunakan rumus mode
d1
Mo = L Mo + ( )i
d1 + d2
d1 = f Mo - f1
d2 = f Mo - f2
dimana :
Mo = mode
f1 = frekuensi dari kelas yang terletak di atas kelas yang
mengandung mode
f2 = frekuensi dari kelas yang terletak di bawah kelas
yang mengandung mode
fMo = frekuensi dari kelas yang mengandung mode
LMo = batas bawah nyata kelas yang mengandung mode
i = luas kelas
23
UKURAN LETAK
Ukuran letak suatu rangkaian data adalah ukuran yang didasarkan letak
dari ukuran tersebut dalam suatu distribusi.
Macam-macam ukuran letak selain median adalah :
1. Kuartil
2. Desil
3. Persentil
1. KUARTIL
Kuartil adalah Q1, Q2 dan Q3 yang membagi nilai-nilai menjadi

4 (empat) bagian yang sama banyaknya.
Q1 (kuartil pertama) : suatu nilai dalam distribusi yang membatasi

25 % frekuensi di bagian atas distribusi dari
75 % frekuensi di bagian bawah distribusi.
Q2 (kuartil ke dua) : suatu nilai dalam distribusi yang membatasi
Q3 (kuartil ke tiga) : suatu nilai dalam distribusi yang membatasi
a. Untuk data tidak berkelompok

Rumus letak :
1(n+1)
Q1 =
4
2(n+1)
Q2 =
4
3(n+1)
Q3 =
4
24
Cara penentuan nilai kuartil :
a. Susun data menjadi array
b. Cari letak Kuartil dengan rumus tersebut di atas
c. Cari nilai Kuartil pada susunan data tersebut.
Contoh :
Susunan data (array) :
2 3 3 4 5 7 7
1(7+1) 8
Q1 = = = 2 → X2 = 3
4 4
2(7+1) 16
Q2 = = = 4 → X4 = 4
4 4
3(7+1) 24
Q3 = = = 6 → X6 = 7
4 4
b. Untuk data berkelompok

Rumus letak : (x/4)n
Rumus nilai Kuartil :
x.n FL
Qx
4
Qx = LQx + ( ) i
fQx
dimana :
Qx = nilai kuartil ke x
LQx = batas bawah nyata kelas yang mengandung
Qx
Qx
kelas yang mengandung Qx
fQx = frekuensi dari kelas yang mengandung Qx
i = luas kelas (contoh soal)
25
2. DESIL
Desil adalah D1, D2, D3 …, D9 yang membagi nilai-nilai
menjadi 10 (sepuluh) bagian yang sama banyaknya.
D1 (desil pertama) : suatu nilai dalam distribusi yang membatasi
D4 (desil ke empat) : suatu nilai dalam distribusi yang membatasi
Dx (desil ke - x) : suatu nilai dalam distribusi yang membatasi 10X %
frekuensi yang teratas dalam distribusi.
Rumus letak :
1(n+1)
D1 =
10
5(n+1)
D5 =
10
9(n+1)
D9 =
10
Contoh :
Tentukan nilai-nilai D1, D4 dan D8 untuk data berikut :
10 8 5 12 13 15 5 21 25 26
7 10 13 27 18 13 27 30 21
Penyelesaian :
Susunan data (array) :
X1 X2 X3 X4 X5 X6 X7 X8 X9 X10
5 . . . . . . . . .
X11 X12 X13 X14 X15 X16 X17 X18 X19

. . . . . . . . 30
26
Letak D1 = 1 ( 19 + 1 ) / 10 = 2
Nilai D1 = X2 = ……
Letak D4 = … ( 19 + 1 ) / 10 = …
Nilai D4 = X.. = ……
Letak D8 = … ( 19 + 1 ) / 10 = …
Nilai D8 = X.. = ……

Rumus letak : ( x / 10 ) n
Rumus nilai Desil :
x.n FL
Dx
10
Dx = LDx + ( ) i
fDx
dimana :
Dx = nilai desil ke x
LDx = batas bawah nyata kelas yang mengandung
Dx
Dx
kelas yang mengandung Dx
fDx= frekuensi dari kelas yang mengandung Dx
i = luas kelas
(contoh soal)
3. PERSENTIL
Persentil adalah P1, P2, P3 …, P99 yang membagi nilai-nilai
menjadi 100 (seratus) bagian yang sama banyaknya.
P1 (Persentil pertama) : suatu nilai dalam distribusi yang
membatasi 1 % frekuensi di bagian atas
distribusi dari 99 % frekuensi di bagian bawah
distribusi.
Px (Persentil ke - x) : suatu nilai dalam distribusi yang membatasi
X % frekuensi yang teratas dalam distribusi.
27
Rumus letak :
1(n+1)
P1 =
100
50 ( n + 1 )
P50 =
100
99 ( n + 1 )
P99 =
100
Catatan : P50 = D5 = Q2 = Md.

Rumus nilai Persentil :
x.n FL
Px
100
Px = LPx + ( ) i
fPx
dimana :
Px = nilai persentil ke x
LPx = batas bawah nyata kelas yang mengandung
Px
Px
kelas yang mengandung Px
fPx = frekuensi dari kelas yang mengandung Px
i = luas kelas
(contoh soal)
28
Kebaikan-kebaikan Median :
1. Pada data yang telah tersusun Median mudah dihitung.
2. Median tidak dipengaruhi oleh nilai ekstrim.
3. Pada distribusi yang condong, Median lebih mewakili daripada nilai
rata-rata.
4. Pada tabel frekuensi dengan kelas terbuka, median dapat dihitung.
5. Deviasi absolut Median lebih kecil daripada deviasi yang diukur dari
manapun juga.
Contoh :
Data : 6, 9, 15.
Median = 9 ; Mean = 30 / 3 = 10
Deviasi absolut terhadap Median = 3 + 0 + 6 = 9
Deviasi absolut terhadap Mean = 4 + 1 + 5 = 10
Kelemahan-kelemahan Median :
1. Untuk menghitung Median, harus menyusun data. Apabila jumlah
datanya besar, hal ini menjadi tidak praktis.
2. Median kurang dikenal dibanding nilai rata-rata.
3. Median tidak dapat digunakan untuk perhitungan lebih lanjut. Artinya
dari beberapa Median tidak dapat dihitung Median secara keseluruhan.
4. Pada distribusi diskrit, kadang-kadang tidak ada Median.
Kebaikan- kebaikan Mode :
1. Mode mudah dimengerti.
2. Mode tidak dipengaruhi oleh nilai ekstrim.
3. Pada distribusi yang condong, Mode lebih mewakili daripada nilai rata-
rata.
Kelemahan-kelemahan Mode :
1. Perhitungan Mode lebih sukar daripada nilai rata-rata.
2. Mode tidak tegas dirumuskan, artinya kadang-kadang ada Mode dan
kadang-kadang tidak ada Mode.
Hubungan antara Mean, Median dan Mode

1. Pada distribusi normal (simetris)
Mean = Median = Mode (terletak pada 1 titik)
f
Mean = Md = Mo
29
2. Pada distribusi yang mempunyai 2 Mode (bimodal) dan simetris
Mean = Median
Mode terletak di kiri kanan titik Mean dengan jarak yang sama
Mo Mean=Md Mo
3. Pada distribusi yang condong (tidak simetris)

a. Condong kiri
Mode < Median < Mean
Mo Md Mean
b. Condong kanan
Mean < Median < Mode
Mean Md Mo
30
LEMBAR KERJA
*)
Menghitung Arithmetic Mean
Dengan Metode Panjang
Nilai Ujian Matematika
Untuk 80 orang Mahasiswa
Kelas Jumlah Mhsw. Nilai Tengah fxm
(Nilai) f m
30 – 39 2
40 – 49 4
50 – 59 9
60 – 69 17
70 – 79 22
80 – 89 15
90 - 99 11
Jumlah 80
Σfm
X = = .....................
n
*)
Dengan Metode Pendek
Kelas Jumlah Mhsw. Penyimpangan f x d’
(Nilai) f standar
d’
30 – 39 2
40 – 49 4
50 – 59 9
60 – 69 17
70 – 79 22
80 – 89 15
90 - 99 11
Jumlah 80
31
Misal : Mean terkaan ( X0 ) = ………..
Maka :
m1 – X0
d’1 = = ………..
i
m2 – X0
d’2 = = ………..
i
dst.
Σ f d’
X = X0 + ( ) i
n
= ……………
Jika Mean terkaan ( X0 ) = ………...

Dengan Metode Pendek
Kelas Jumlah Mhsw. Penyimpangan f x d’
(Nilai) f standar
d’
30 – 39 2
40 – 49 4
50 – 59 9
60 – 69 17
70 – 79 22
80 – 89 15
90 - 99 11
Jumlah 80
Σ f d’
X = X0 + ( ) i
n
= ………………
32
*)
Perhitungan Rata-rata Hitung Tertimbang
Indeks Prestasi (IP) seorang mahasiswa
dalam suatu Semester
Nama MK Nilai Huruf Kredit Nilai Angka x Kredit

X W XW
Keterangan : A = 4/kredit B = 3/kredit C = 2/kredit D = 1/kredit

E = 0/kredit
ΣXW
Xw = = ........... → IP.
ΣW
*)
Menghitung Geometric Mean
Perkembangan Nilai Uang Rp 1. 000.000,-
Selama Th 2001 – 2005
Tahun Tingkat Bunga Faktor Nilai Akhir Tahun

(%) Pertumbuhan ( Rp )
2001
2002
2003
2004
2005
33
*)
Menghitung Geometric Mean
Penggolongan Umur Reproduktif
Dari 80 Wanita Berkeluarga
Golongan Umur
Reproduktif f m Log m f log m
( th )
15 – 19
20 – 24
25 – 29
30 – 34
35 – 39
40 – 44
45 – 49
Jumlah
Σ f log m
Log G = = ……………..
n
Σ f log m
G = antilog = ……………..
n
*)
Menghitung Median
pada Nilai Ujian Matematika
untuk 80 orang Mahasiswa
Kelas Jumlah Mhsw. Batas nyata Frek. Kumulatif
(Nilai) f (cf)
30 – 39 2
40 – 49 4
50 – 59 9
60 – 69 17
70 – 79 22
80 – 89 15
90 - 99 11
Jumlah 80
34
n FL
2 Md
Md = LMd + ( ) i
fMd
*) Menghitung Mode
d1
Mo = L Mo + ( )i
d1 + d2
*)
Menghitung Kuartil
Kelas Jumlah Mhsw. Batas nyata Frek. Kumulatif

(Nilai) f (cf)
30 – 39 2
40 – 49 4
50 – 59 9
60 – 69 17
70 – 79 22
80 – 89 15
90 - 99 11
Jumlah 80
35
Rumus nilai Kuartil :
x. n FL
4 Qx
Qx = LQx +( ) i
fQx
Kuartil pertama ( Q1 ) :
Letak : ( x / 4 ) n = ……………………
Nilai Kuartil pertama :
1. n FL
4 Q1
Q1 = LQ1 +( ) i
fQ1
Kuartil ke tiga ( Q3 ) : ……………….?
Menghitung Desil ( D ) :
Rumus nilai Desil :
x. n FL
10 Dx
Dx = LDx +( ) i
fDx
Desil pertama ( D1 ) :
Letak : ( x / 10 ) n = ………………………
Nilai Desil pertama :
36
1. n FL
10 D1
D1 = LD1 +( ) i
fD1
=
Desil ke empat ( D4 ) : ……………….?
Desil ke delapan ( D8 ) : ……………….?
Menghitung Persentil ( P ) :
Rumus nilai Persentil :
x. n FL
100 Px
Px = LPx +( ) i
fPx
Persentil ke 35 ( P35 ) :
Letak : ( x / 100 ) n = …………………
Nilai Persentil ke 35 :
35. n FL
100 P35
P35 = LP35 + ( ) i
fP35
Persentil ke 65 ( P65 ) : ………………?
37
Menentukan Letak Nilai Mode secara Grafis
dari Distribusi Nilai Ujian Matematika
29,5 39,5 49,5 59,5 69,5 79,5 89,5 99,5
Menentukan Letak Nilai Median, Kuartil, Desil dan Persentil

Dalam Grafik Ogive dari Distribusi Nilai Ujian Matematika
29,5 39,5 49,5 59,5 69,5 79,5 89,5 99,5
38
DISPERSI, SKEWNESS & KURTOSIS
(Tiga macam hal penting tentang cirri-ciri distribusi frekuensi yang
memberi gambaran secara lengkap tentang keadaan distribusi tersebut)
DISPERSI : Pengukuran penyebaran nilai-nilai pengamatan di sekitar

tendensi pusatnya.
SKEWNESS : ukuran simetris atau tidaknya suatu distribusi (derajad
kemiringan dari suatu distribusi frekuensi)
KURTOSIS : derajad keruncingan dari suatu distribusi frekuensi
DISPERSI
Ada 2 jenis :
1. Pengukuran dispersi absolut

2. Pengukuran dispersi relatif
Ukuran dispersi absolut :
a. Luas penyebaran (Range)

b. Simpangan kuartil (Quartile deviation)
c. Simpangan rata-rata (Average deviation)
d. Simpangan baku (Standard deviation)
a. Luas penyebaran (Range)

Range : selisih antara nilai pengamatan terbesar dengan nilai
pengamatan terkecil pada kumpulan nilai tersebut.
R = Xn – X1
R = luas penyebaran (Range)

Xn = nilai pengamatan terbesar
X1 = nilai pengamatan terkecil
39
Contoh : 5 7 7 9 10 11 11 11 13 16
5 9 10 10 10 14 15 15 15 16
Kedua kumpulan nilai tersebut mempunyai range yang sama, yaitu
masing-masing 16 – 5 = 11.
Range kurang dapat menggambarkan sifat atau kelakuan dari
kumpulan nilai karena range sangat tergantung pada dua nilai ekstrim
(nilai pengamatan terbesar dan terkecil) tanpa memperhatikan nilai-
nilai lain yang terletak antara keduanya.
b. Simpangan Kuartil (Quartile Deviation)

QD = sebaran antar kuartil (interquartile range) dibagi dua.
Interquartile range = jarak antara Q1 dengan Q3.
Q3 - Q1
QD =
2
Untuk distribusi simetris : Q1 dan Q3 = Median + QD
c. Simpangan Rata-rata (Average Deviation)

Average deviation = Mean deviation
Dihitung dengan memperhatikan penyimpangan tiap-tiap nilai dalam
distribusi dari nilai Mean (jarak tiap-tiap nilai dari Mean)
* Untuk data tidak berkelompok
∑|X–X |
AD =
n
(Contoh soal)
* Untuk data berkelompok

X bukan nilai individual, melainkan nilai kelompok yang diwakili
oleh nilai tengah dari tiap-tiap kelompok (kelas) → m.
∑f |m – X |
AD =
n
(Contoh soal)
40
d. Simpangan Baku (Standard Deviation)
Untuk sampel → s
Untuk populasi → σ
Ragam (Variance) : Untuk sampel → s2
Untuk populasi → σ2
* Untuk data tidak berkelompok
1. Sampel besar ( n ≥ 30 )
∑ ( X – X )2
s =
n
Untuk populasi :
∑ ( X – μ )2
σ =
N
2. Sampel kecil ( n < 30 )
∑ ( X – X )2
s =
n - 1
(Contoh soal)
CARA LAIN :
Mencari Simpangan Baku dengan menggunakan angka kasar.
Untuk sampel besar :
Σ X2 ΣX 2
s = -
n n
41
Untuk sample kecil :
Σ X2 ( Σ X )2
s = -
n-1 n ( n – 1)
(Contoh soal)
* Untuk data berkelompok
Σ f ( m – X )2
s =
n
Untuk populasi :
Σ f ( m – μ )2
σ =
N
Σ f ( m – X )2
s =
n - 1
(Contoh soal)
Cara lain : dengan Coding Method

Σ f d’2 Σ f d’ 2
s = i -
n n
42
Untuk populasi :
Σ f d’2 Σ f d’ 2
σ = i -
N N
Σ f d’2 ( Σ f d’)2
s = i -
n–1 n (n-1)
(Contoh soal)
Catatan :
Untuk distribusi normal, nilai terendah dan nilai tertinggi kira-kira
sama dengan nilai Mean dikurangi dan ditambah tiga nilai simpangan
baku.
x ± 3s untuk sampel
μ ± 3 σ untuk populasi
Luas daerah di bawah kurve normal = 100 %

Luas sebaran di antara μ ± 1 σ = kira-kira 68,27 %
di antara μ ± 2 σ = kira-kira 95,45 %
di antara μ ± 3 σ = kira-kira 99,73 %
Ukuran Dispersi Relatif

Penggunaan : untuk membandingkan berbagai ukuran yang mempunyai
satuan yang berbeda.
1. Koefisien Range
Nilai terbesar - terkecil
Koefisien Range =
Nilai terbesar + terkecil
43
2. Koefisien Deviasi Kuartil
Q3 – Q1
Koefisien QD =
Q3 + Q1
3. Koefisien Deviasi Rata-rata

Deviasi rata-rata AD
Koefisien AD = =
Rata-rata X
4. Koefisien Deviasi Standard (Koefisien Variasi)

s
V = x 100 % → untuk sampel
x
σ
V = x 100 % → untuk populasi
μ
Semakin kecil V, berarti data semakin homogen.

Semakin besar V, berarti data semakin heterogen.
Hubungan antara Ukuran-ukuran Penyebaran :

Dalam suatu distribusi normal :
1. Deviasi rata-rata = 4/5 deviasi standar.

Deviasi kuartil = 2/3 deviasi standar.
Deviasi kuartil = 5/6 deviasi rata-rata.
2. Rata-rata ( x ) ± deviasi kuartil meliputi 50 % dari seluruh data.

Rata-rata ( x ) ± deviasi rata-rata meliputi 57,5 % dari seluruh data.
Rata-rata ( x ) ± deviasi standar meliputi 68,3 % dari seluruh data.
44
LEMBAR KERJA
*)
Menghitung Average Deviation
Pengeluaran Konsumsi per hari dari 10 Keluarga
(Ribuan Rupiah)
Keluarga Pengeluaran harian
X X - X |X – X |
I 16
II 18
III 20
IV 23
V 25
VI 28
VII 26
VIII 23
IX 21
X 20
Jumlah 220
ΣX 220
X = = = 22
n 10
∑ |X – X | .......
AD = = = .......
n .......
*)
Menghitung Average Deviation
Kelas Jumlah Nilai tengah
(Nilai) Mhsw. m m – X | m –X| f |m– X |
f
30 – 39 2 34,5
40 – 49 4 44,5
50 – 59 9 54,5
60 – 69 17 64,5
70 – 79 22 74,5
80 – 89 15 84,5
90 - 99 11 94,5
Jumlah 80
45
Σfm ………
X = = = ………..
n ……
Σf | m– X | ………
AD = = = ………..
n ........
*)
Menghitung Standard Deviation
(Ribuan Rupiah)
Keluarga Pengeluaran harian
X X- X ( X – X )2
I 16
II 18
III 20
IV 23
V 25
VI 28
VII 26
VIII 23
IX 21
X 20
Jumlah 220
ΣX 220
X = = = 22
n 10
∑ ( X – X )2
s =
n - 1
.......
= = ................. = ............
....... - .......
46
*) Menghitung Standard Deviation
(Ribuan Rupiah)
Keluarga Pengeluaran harian (X) X2
I 16
II 18
III 20
IV 23
V 25
VI 28
VII 26
VIII 23
IX 21
X 20
Jumlah 220
Σ X2 ( Σ X )2
s = -
n-1 n ( n – 1)
........ (.......) 2
= -
........ ....... ( ....... )
= ................ = ..............
*)
Menghitung Standard Deviation
Kelas Jumlah Nilai
(Nilai) Mhsw. tengah m– X (m – X )2 f ( m – X )2
f m
30 – 39 2 34,5
40 – 49 4 44,5
50 – 59 9 54,5
60 – 69 17 64,5
70 – 79 22 74,5
80 – 89 15 84,5
90 - 99 11 94,5
Jumlah 80
47
Σ f ( m – X )2
s =
n
..…………..
=
..…..
= ……………… = ………..
*)
Menghitung Standard Deviation dengan Coding Method
pada Nilai Ujian Matematika untuk 80 orang Mahasiswa
Kelas Jumlah m d’ fd’ d’2 fd’2
(Nilai) Mhsw.
f
30 – 39 2 34,5 -3
40 – 49 4 44,5 -2
50 – 59 9 54,5 -1
60 – 69 17 64,5 0
70 – 79 22 74,5 1
80 – 89 15 84,5 2
90 - 99 11 94,5 3
Jumlah 80 0
Σ f d’2 Σ f d’ 2
s = i -
n n
…… ….. 2
= ….. -
.….. …..
= ….. √ ……… - (…………) 2
= …. √ ……………..
= ….. ( ……………. ) = …………..
48
SKEWNESS
1. Metode Karl Pearson
X – Mo
Sk =
s
Dimana :
Sk : Coefficient of skewness
X : nilai mean
Mo : nilai mode
S : simpangan baku
Berdasarkan pengalaman :
X – Mo = 3 ( X – Md )
Maka :
Makin besar Sk = derajad ketidak-
3 ( X – Md ) simetrisan semakin besar.
Sk =
s
2. Metode Bowley
( Q3 – Q2 ) – ( Q2 – Q1 )
Sk =
( Q3 – Q2 ) + ( Q2 – Q1 )
Pada distribusi simetris Q3 – Q2 = Q2 – Q1 , maka Sk = 0

Pada distribusi yang tidak simetris :
Q3 – Q2 > Q2 – Q1 , maka Sk positif.
Q3 – Q2 < Q2 – Q1 , maka Sk negatif.
3. Metode “ 10 – 90 “ Persentil
( P90 – P50 ) - ( P50 – P10 )

Sk =
( P90 – P10 )
49
4. Berdasarkan Moment ke tiga
 Data tidak berkelompok
Σ ( X– X )3
M3 = nilai absolut Sk.
n
Tanda aljabar dari jumlah penyimpangan menunjukkan arah

dari skewness. Jika jumlah penyimpangan negatif lebih besar
daripada jumlah penyimpangan positif, maka skewness mengarah
ke nilai-nilai yang lebih kecil.
M3 (+) : kemiringannya mengarah ke nilai-nilai yang lebih besar.
Ukuran skewness relatif :
2
M3
β1 = 3
M2
Σ ( X – X )2
M2 =
n
Nilai β1 yang lebih besar menunjukkan kemiringan yang lebih

besar baik ke kanan ataupun ke kiri.
Untuk distribusi simetris → β1 = 0
 Untuk data berkelompok
Σ fd’2 Σ fd’ 2
M2 = -
n n
Σ fd’3 Σ fd’ Σ fd’2 Σ fd’ 3
M3 = -3 . +2
n n n n
2
M3
β1 = 3
M2
50
KURTOSIS
Tiga jenis ukuran keruncingan (peakedness) :
1. Leptokurtik
2. Platikurtik
3. Mesokurtik ( normal )
1.
2.
3.
A. Moment Coefficient of Kurtosis
M4 β2 = 3 → no. 3
β2 = 2 β2 < 3 → no. 2
M2 β2 > 3 → no. 1
Σ ( X– X )4
M4 =
n
Σ fd’4 Σ fd’ Σ fd’3 Σ fd’ 2 Σ fd’ 2 Σ fd’ 4
M4 = -4 . +6 . -3
n n n n n n
B. Quartile Coefficient of Kurtosis
½ ( Q3 – Q 1 ) k = 0,263 → no. 3
k= k < 0,263 → no. 2
( P90 – P10 ) k > 0,263 → no. 1
51
LEMBAR KERJA
(SKEWNESS & KURTOSIS)
Menghitung Moment dari Arithmetic Mean

Keluarga Pengeluaran
harian X- X ( X – X )2 ( X – X )3 ( X – X )4
X
I 16 -6
II 18 -4
III 20 -2
IV 23 1
V 25 3
VI 28 6
VII 26 4
VIII 23 1
IX 21 -1
X 20 -2
Jumlah 220 0
....... ...... .........

M2 = = ....... M3 = = ....... M4 = = ........
10 10 10
(.......)2 ..........
β1 = = = ..............
(.........)3 ..............
.......... ..........
β2 = = = ...............
(..........)2 .............
52
Menghitung Moment dari Data Berkelompok

Nilai Ujian Matematika untuk 80 orang Mahasiswa
Kelas f d’ fd’ fd’2 fd’3 fd’4
30 – 39 2 -3
40 – 49 4 -2
50 – 59 9 -1
60 – 69 17 0
70 – 79 22 1
80 – 89 15 2
90 - 99 11 3
Jumlah 80 0
……. ….. 2
M2 = - = …………. – (………….)2 = ……………

….. …..
…….. .……. …… 3
M3 = -3 +2
……. …….. ……
= ……… – ………… + ………… = ……………
( ……………… )2
β1 = = .…………
( ……………… )3
…….. … …… .…. ……. 2 …. 4
M4 = -4 + 6 -3
…… ….. ……. ….. ……. …..
= …………… – …………… + …………… – …………….
= ………………
………………
β2 = = ………...
(……………..)2
53
ANGKA INDEKS
X dibandingkan dengan Y → X/Y (angka perbandingan)
X/Y x 100 % → angka relatif
Sesuatu yang dibandingkan dapat berupa :

 Harga
 Kuantitas
 Nilai (Harga x Kuantitas)
Angka indeks : ukuran statistik yang menunjukkan

perubahan suatu/ sekumpulan variable
yang berhubungan satu sama lain pada
waktu atau tempat yang sama atau
berlainan.
Merupakan angka relatif (prosentase), tetapi
% tidak dituliskan.
Simbol-simbol :
Po : Harga pada tahun dasar (periode dasar)

Pi : Harga pada tahun ke-i ( periode ke-i :
tahun, bulan, minggu, hari dsb.)
Qo : Kuantitas pada tahun dasar
Qi : Kuantitas pada tahun ke-i
n : Jumlah deret tahun
PoQo : Nilai pada tahun dasar
PiQi : Nilai pada tahun ke-i
54
METODE PENYUSUNAN ANGKA INDEKS
1. Angka Indeks Tidak Tertimbang

(Unweighted Index Number)
 Indeks Harga (Price Index)
1) Metode Agregatif Sederhana
(Simple Aggregative Method)
2) Metode Rata-rata Harga Relatif
(Price Relative Method)
 Indeks Kuantitas (Quantity Index)
2) Metode Rata-rata Kuantitas Relatif
(Quantity Relative Method)
2. Angka Indeks Tertimbang
(Weighted Index Number) → Angka Indeks Nilai(Value
Index)
 Metode Agregatif Tertimbang
(Weighted Aggregative Method)
1) Laspeyres
2) Paasche
3) Drobich
4) Irving Fisher
5) Edgeworth
6) Dengan timbangan tetap
 Metode Rata-rata Harga Relatif Tertimbang
(Weighted Averages of Price Relative)
1) Dengan timbangan nilai tahun dasar
2) Dengan timbangan nilai tahun yang
ditentukan
55
Rumus :

Σ Pn
I = ───── x 100
Σ Po

Pn
Σ ─── x 100
Po
I = ──────────
k
Dapat juga digunakan :

- Median
- Mid-range
- Geometric mean :
Pn
Σ log ─── x 100
Po
Log I = ────────────
k
56
 Indeks Kuantita (Quantity Index)

Σ Qn
I = ───── x 100
Σ Qo

Qn
Σ ──── x 100
Qo
I = ──────────
k

- Median
- Mid-range
- Geometric mean :
Qn
Σ log ─── x 100
Qo
Log I = ────────────
k
57
(Weighted Index Number) → Angka Indeks Nilai(Value
Index)
Σ Pn . W
I = ─────── x 100
Σ Po . W
W menunjukkan
timbangan (weight)
→ kuantitas dalam
satuan fisik
Beberapa pendapat/perumusan :
1) Laspeyres
Σ Pn . Qo
I = ──────── x 100
Σ Po . Qo
2) Paasche
Σ Pn . Qn
I = ──────── x 100
Σ Po . Qn
3) Drobich
L+P
I = ──────
2
Σ Pn . Qo Σ Pn . Qn
──────── + ────────
Σ Po . Qo Σ Po . Qn
I = ──────────────────── x 100
2
58
4) Irving Fisher
──
I = √ LP
──────────────────
Σ Pn . Qo Σ Pn . Qn
─────── x ─────── x 100
Σ Po . Qo Σ Po . Qn
5) Edgeworth
Σ Pn . (Qo + Qn)
I = ──────────── x 100
Σ Po . (Qo + Qn)
Σ Pn . Qa
I = ──────── x 100
Σ Po . Qa
Qa : bukan tahun dasar (base year) dan bukan

tahun yang ditentukan (given year)
melainkan suatu tahun yang dipandang
tepat.

Σ (Pn/Po) . W
I = ───────── x 100
ΣW
59
W menunjukkan timbangan yang berupa nilai (value)
→PxQ
Po Qo → Vo
Pn Qn → Vn
1) Jika digunakan timbangan nilai pada tahun

dasar
Σ (Pn/Po) (PoQo)
I = ──────────── x 100
Σ PoQo
2) Dengan timbangan nilai tahun yang

ditentukan
Σ (Pn/Po) (PnQn)
I = ──────────── x 100
Σ PnQn
-----------------------------------------------------------------------------
ANGKA INDEKS RANTAI
Merupakan perbandingan yang bersifat pasangan, disusun

secara berantai dari tahun ke tahun dengan menggunakan tahun
dasar periode satu tahun sebelumnya.
Dengan menggunakan salah satu metode yaitu Metode
Agregatif Tertimbang dengan timbangan tetap, yang
dirumuskan sbb :
Σ Pn . Qa
I = ──────── x 100
Σ Po . Qa
60
Maka dapat dibentuk Angka Indeks rantai dengan perumusan
sbb :
Σ Pi.Qa
Ii-1, i = ──────── x 100
Σ Pi-1.Qa
Σ P96.Q96
I95,96 = ──────── x 100
Σ P95.Q96
Σ P97.Q96
I96,97 = ──────── x 100
Σ P96.Q96
Σ P98.Q96
I97,98 = ──────── x 100
Σ P97.Q96
Σ P99.Q96
I98,99 = ──────── x 100
Σ P98.Q96
Sebelum menuliskan angka 100 :
I95,97 = I95,96 . I96,97
Σ P96.Qa Σ P97.Qa Σ P97.Qa

= ─────── . ─────── = ───────
Σ P95.Qa Σ P96.Qa Σ P95.Qa
61
Bila diperluas :
I95,99 = I95,96 . I96,97. I97,98 . I98,99

Σ P99.Qa
= ───────
Σ P95.Qa
MEMINDAHKAN TAHUN DASAR
Tahun 1992 = 100 1996 = 100
1991 98
1992 100
1993 102,4
1994 103,8
1995 105,5
1996 108 100
1997 108,8
1998 109,2
1999 110,8
2000 112,5
Indeks dengan tahun dasar 1992 (1992 = 100) hendak kita

pindahkan ke tahun 1996 (1996 = 100).
I92,98 = I92,96 . I96,98
Atau
I92,98
I96,98 = ────── . 100
I92,96
62
Secara umum :
I92, i
I96, i = ────── . 100
I92,96
Sehingga :
I92,99
I96,99 = ────── . 100
I92,96 Dst.
PENGGUNAAN ANGKA INDEKS

DALAM PENDEFLASIAN
Bagi sebagian besar buruh dan Pegawai Pemerintah yang mempunyai

upah relatif tetap maka upah nyata lebih berarti daripada upah uang yang
diterima.
Upah uang adalah upah yang diterima pekerja dalam bentuk
uang, sedangkan upah nyata adalah daya beli dari upah uang
yang diterima. Daya beli tersebut sangat dipengaruhi oleh harga
umum dari barang-barang konsumsi atau biaya hidup.
Upah Uang
Upah Nyata = ────────────────
Indeks Biaya Hidup : 100
Upah Uang
= ───────────── . 100
Indeks Biaya Hidup
63
Contoh soal :
Data harga jual dan volume penjualan dari 5 jenis barang di suatu kota beserta tabel untuk perhitungan angka indeks.
Jenis Harga Kuantitas

Barang 1998 1999 1998 1999 Pn Qo Po Qo Pn Qn Po Qn
Po Pn Qo Qn
A Rp 600.00 Rp 650.00 75 85
B Rp 700.00 Rp 750.00 90 90
C Rp 600.00 Rp 625.00 120 125
D Rp 650.00 Rp 700.00 105 100
E Rp 450.00 Rp 500.00 80 90
Jumlah Rp 3,000.00 Rp 3,225.00 470 490
Kuantitas
Qo + Qn Po (Qo + Qn) Pn (Qo + Qn) 1996 Pn Qa Po Qa
Qa
55
75
90
100
80
400
64
Harga
Pn/Po Pn/Po(PoQo) Pn/Po(PnQn)
1995 1996 1997 1998 1999
Rp 400.00 Rp 450.00 Rp 500.00 Rp 600.00 Rp 650.00

Rp 500.00 Rp 550.00 Rp 600.00 Rp 700.00 Rp 750.00
Rp 500.00 Rp 525.00 Rp 550.00 Rp 600.00 Rp 625.00
Rp 550.00 Rp 600.00 Rp 625.00 Rp 650.00 Rp 700.00
Rp 300.00 Rp 350.00 Rp 400.00 Rp 450.00 Rp 500.00
Rp 2,250.00 Rp 2,475.00 Rp 2,675.00 Rp 3,000.00 Rp 3,225.00
P95 Q96 P96 Q96 P97 Q96 P98 Q96 P99 Q96
65
Penyelesaian :
Data harga jual dan volume penjualan dari 5 jenis barang di suatu kota beserta tabel untuk perhitungan angka indeks.
Jenis Harga Kuantitas

Barang 1998 1999 1998 1999 Pn Qo Po Qo Pn Qn Po Qn
Po Pn Qo Qn
A Rp 600.00 Rp 650.00 75 85 Rp 48,750.00 Rp 45,000.00 Rp 55,250.00 Rp 51,000.00

B Rp 700.00 Rp 750.00 90 90 Rp 67,500.00 Rp 63,000.00 Rp 67,500.00 Rp 63,000.00
C Rp 600.00 Rp 625.00 120 125 Rp 75,000.00 Rp 72,000.00 Rp 78,125.00 Rp 75,000.00
D Rp 650.00 Rp 700.00 105 100 Rp 73,500.00 Rp 68,250.00 Rp 70,000.00 Rp 65,000.00
E Rp 450.00 Rp 500.00 80 90 Rp 40,000.00 Rp 36,000.00 Rp 45,000.00 Rp 40,500.00
Jumlah Rp 3,000.00 Rp 3,225.00 470 490 Rp 304,750.00 Rp 284,250.00 Rp 315,875.00 Rp 294,500.00
Kuantitas
Qo + Qn Po (Qo + Qn) Pn (Qo + Qn) 1996 Pn Qa Po Qa
Qa
160 Rp 96,000.00 Rp104,000.00 55 Rp 35,750.00 Rp 33,000.00

180 Rp 126,000.00 Rp135,000.00 75 Rp 56,250.00 Rp 52,500.00
245 Rp 147,000.00 Rp153,125.00 90 Rp 56,250.00 Rp 54,000.00
205 Rp 133,250.00 Rp143,500.00 100 Rp 70,000.00 Rp 65,000.00
170 Rp 76,500.00 Rp 85,000.00 80 Rp 40,000.00 Rp 36,000.00
960 Rp 578,750.00 Rp620,625.00 400 Rp 258,250.00 Rp 240,500.00
66
Harga
Pn/Po Pn/Po(PoQo) Pn/Po(PnQn)
1995 1996 1997 1998 1999
1.083333333 Rp 48,750.00 Rp 59,854.17 Rp 400.00 Rp 450.00 Rp 500.00 Rp 600.00 Rp 650.00

1.071428571 Rp 67,500.00 Rp 72,321.43 Rp 500.00 Rp 550.00 Rp 600.00 Rp 700.00 Rp 750.00
1.041666667 Rp 75,000.00 Rp 81,380.21 Rp 500.00 Rp 525.00 Rp 550.00 Rp 600.00 Rp 625.00
1.076923077 Rp 73,500.00 Rp 75,384.62 Rp 550.00 Rp 600.00 Rp 625.00 Rp 650.00 Rp 700.00
1.111111111 Rp 40,000.00 Rp 50,000.00 Rp 300.00 Rp 350.00 Rp 400.00 Rp 450.00 Rp 500.00
Rp 304,750.00 Rp 338,940.42 Rp 2,250.00 Rp 2,475.00 Rp 2,675.00 Rp 3,000.00 Rp 3,225.00
P95 Q96 P96 Q96 P97 Q96 P98 Q96 P99 Q96
Rp 22,000.00 Rp 24,750.00 Rp 27,500.00 Rp 33,000.00 Rp 35,750.00

Rp 37,500.00 Rp 41,250.00 Rp 45,000.00 Rp 52,500.00 Rp 56,250.00
Rp 45,000.00 Rp 47,250.00 Rp 49,500.00 Rp 54,000.00 Rp 56,250.00
Rp 55,000.00 Rp 60,000.00 Rp 62,500.00 Rp 65,000.00 Rp 70,000.00
Rp 24,000.00 Rp 28,000.00 Rp 32,000.00 Rp 36,000.00 Rp 40,000.00
Rp 183,500.00 Rp 201,250.00 Rp 216,500.00 Rp 240,500.00 Rp 258,250.00
67
PERHITUNGAN ANGKA INDEKS

Σ Pn
I = ───── x 100
Σ Po
3.225
I = ───── x 100 = 107,50
3.000
Jadi : Angka Indeks Th 1998 = 100
Angka Indeks Th 1999 = 107,50

Jenis Log.
Barang Harga Relatif Hrg.Relatif.
A (650 / 600) X 100 = 108,33 2,0347487
B (750 / 700) X 100 = 107,14 2,0299632
C (625 / 600) X 100 = 104,17 2,0177288
D (700 / 650) X 100 = 107,69 2,0321847
E
(500 / 450) X 100 = 111,11 2,0457531
Jumlah 538,44 10,1603785
Pn
Σ ─── x 100
Po 538,44
I = ────────── = ───── = 107,69
k 5

- Median → I = 107,69
- Mid-range
→ I = (104,17 +111,11) / 2 = 107,64
68
- Geometric mean :
Pn
Σ log ─── x 100
Po
Log I = ──────────
k
10,1603785
= ─────── = 2,0320757
5
I = antilog 2,0320757= 107,67
 Indeks Kuantitas (Quantity Index)

Σ Qn
I = ───── x 100
Σ Qo
490
I = ──── x 100 = 104,26
470
Jenis Kuantitas Relatif Log.
Barang Kuant.Reltf.
A ( 85 / 75) X 100 = 113,33 2,0543449
B ( 90 / 90) X 100 = 100,00 2,0000000
C (125 / 120) X 100 = 104,17 2,0177427
D (100 / 105) X 100 = 95,24 1,9788194
E ( 90 / 80) X 100 = 112,50 2,0511525
Jumlah 525,24 10,1020595
Qn
Σ ──── x 100
Qo 525,24
I = ────────── = ───── = 105,05
k 5
69
- Median → I = 104,17
- Mid-range
→ I = ( 95,24 + 113,33) / 2 = 104,28
- Geometric mean :
Qn
Σ log ─── x 100
Qo
Log I = ──────────
k
10,1020595
= ──────── = 2,0204119
5
I = antilog 2,0204119 = 104,81

(Weighted Index Number)
→Angka Indeks Nilai(Value Index)
1) Laspeyres
Σ Pn . Qo
I = ──────── x 100
Σ Po . Qo
304.750,00
I = ──────── x 100 = 107,21
284.250,00
2) Paasche
Σ Pn . Qn
I = ──────── x 100
Σ Po . Qn
315.875,00
I = ──────── x 100 = 107,26
294.500,00
3) Drobich
L+P 107,21 + 107,26
I = ────── = ────────── = 107,24
2 2
70
4) Irving Fisher
──
I = √ LP
─────────── ───────
I = √ 107,21 x 107,26 = √ 11.499,3446 = 107,23
7) Edgeworth
Σ Pn . (Qo + Qn)
I = ──────────── x 100
Σ Po . (Qo + Qn)
620.625,00
I = ──────── x 100 = 107,24
578.750,00

Σ Pn . Qa
I = ──────── x 100
Σ Po . Qa
258.250,00
I = ──────── x 100 = 107,38
240.500,00

1) Jika digunakan timbangan nilai pada tahun dasar
Σ (Pn/Po) (PoQo)
I = ──────────── x 100
Σ Po Qo
304.750,00
I = ──────── x 100 = 107,21
284.250,00
2) Dengan timbangan nilai tahun yang ditentukan

Σ (Pn/Po) (PnQn)
I = ──────────── x 100
Σ Pn Qn
338.940,42
I = ──────── x 100 = 107,30
315.875,00
71
ANGKA INDEKS RANTAI
Σ P96.Q96 201.250,00
I95,96 = ──────── x 100 = ──────── x 100 = 109,67
Σ P95.Q96 183.500,00
Σ P97.Q96 216.500,00
I96,97 = ──────── x 100 = ──────── x 100 = 107,58
Σ P96.Q96 201.250,00
Σ P98.Q96 240.500,00
I97,98 = ──────── x 100 = ──────── x 100 = 111,09
Σ P97.Q96 216.500,00
Σ P99.Q96 258.250,00
I98,99 = ──────── x 100 = ──────── x 100 = 107,38
Σ P98.Q96 240.500,00
MEMINDAHKAN TAHUN DASAR
Tahun 1992 = 100 1996 = 100
1991 98,0 ( 98 / 108) x 100 = 90,74

1992 100,0 (100 / 108) x 100 = 92,59
1993 102,4 (102,4 / 108) x 100 = 94,81
1994 103,8 (103,8 / 108) x 100 = 96,11
1995 105,5 (105,5 / 108) x 100 = 97,69
1996 108,0 100
1997 108,8 (108,8 / 108) x 100 = 100,74
1998 109,2 (109,2 / 108) x 100 = 101,11
1999 110,8 (110,8 / 108) x 100 = 102,59
2000 112,5 (112,5 / 108) x 100 = 104,17
72
PENGGUNAAN ANGKA INDEKS
DALAM PENDEFLASIAN
Upah Uang
Upah Nyata = ────────────────
Indeks Biaya Hidup : 100
Upah Uang
= ───────────── . 100
Indeks Biaya Hidup
Contoh :
Upah Uang dan Upah Nyata Karyawan

Perusahaan “X” Tahun 1991 – 1996 (Rp.)
Tahun Rata-rata Indeks Biaya Hidup Upah Nyata

Upah Bulanan 1993 = 100
1991 50.300 96,5 (50.300 / 96,5) x 100 = 52.124
1992 54.650 98,0 (54.650 / 98,0) x 100 = 55.765
1993 55.250 100,0 (55.250/100,0) x 100 = 55.250
1994 60.200 102,2 (60.200/102,2) x 100 = 58.904
1995 65.250 105,5 (65.250/105,5) x 100 = 61.848
1996 68.000 108,0 (68.000/108,0) x 100 = 62.963
ΩΩΩΩΩΩΩ
73

Materi Statistik Ekonomi I

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Materi Statistik Ekonomi I

Diunggah oleh

Hak Cipta:

Format Tersedia

MATERI KULIAH

Dra. SRI SUNDARI, M.M.

FAKULTAS EKONOMIKA DAN BISNIS

1. PENGERTIAN ILMU STATISTIK

Cara membentuk Distribusi Frekuensi Numerikal

Cara menentukan kelas-kelas :

R : range (luas penyebaran)

c. Menentukan batas-batas kelas

Nilai Ujian Matematika untuk 80 orang mahasiswa

Buatlah Distribusi Frekuensi, Frekuensi Relatif, Dalam Prosen,

Frek. Frek. Nilai

Jumlah 80 1,000 100

0 29,5 39,5 49,5 59,5 69,5 79,5 89,5 99,5

0 34,5 44,5 54,5 64,5 74,5 84,5 94,5

0 29,5 39,5 49,5 59,5 69,5 79,5 89,5 99,5

Pada dasarnya dua distribusi frekuensi mempunyai perbedaan

Kurva distribusi A sama dengan kurva distribusi B, hanya saja B

2. Perbedaan luas penyebaran dari nilai-nilai pengamatan di sekitar

Kurva distribusi A dan B mempunyai letak nilai tendensi pusat yang

Distribusi A dan B sama-sama tidak simetris kurvanya. Kurva distribusi

4. Perbedaan keruncingan (peakedness) dari kurva distribusi

Dua pendekatan dalam menghitung ukuran tendensi pusat :

Fungsi : sebagai ukuran untuk menunjukkan tendensi pusat dari suatu

ARITHMETIC MEAN (Rata-rata hitung) = rata-rata.

Rata-rata hitung dari sekumpulan nilai =

3 macam rata-rata hitung :

1. Rata-rata hitung untuk data tidak berkelompok

Atau menggunakan rumus :

2. Rata-rata hitung untuk data berkelompok.

X : nilai mean (rata-rata hitung) sample

b. Metode Pendek (cara koding)

dimana : d’ : penyimpangan standar

3) Kalikan penyimpangan standar tersebut dengan frekuensi dari

dimana : X = nilai mean

dimana : W = timbangan yang ditentukan untuk setiap

GEOMETRIC MEAN (Rata-rata ukur)

Mengukur besarnya tingkat perubahan rata-rata setiap periode terhadap

1. Untuk data tidak berkelompok

dimana : G = rata-rata ukur

Jika perhitungan dilakukan dengan menggunakan logaritme, maka :

log x1 + log x2 + log x3 + … + log xn

2. Untuk data berkelompok (distribusi frekuensi)

f1 log m1 + f2 log m2 + … + fn log mn

1. Nilai mean didasarkan pada seluruh nilai pengamatan, oleh karena

1. Nilai mean didasarkan pada seluruh nilai pengamatan, tetapi jika

Disebut juga rata-rata letak, karena perhitungan median didasarkan

1. Untuk data tidak berkelompok

Median : nilai x yang ke : (n+1)/2 setelah semua nilai

2) Untuk data kontinyu

Median = (nilai rata-rata dari dua nilai

2. Untuk data berkelompok

Adalah nilai variable yang tercatat berjumlah paling banyak (=

CARA PERHITUNGAN MODE

Dapat kita susun dalam bentuk sbb :

Besar keluarga Frekuensi

Ada 2 cara , yaitu :

Kuartil adalah Q1, Q2 dan Q3 yang membagi nilai-nilai menjadi

Q1 (kuartil pertama) : suatu nilai dalam distribusi yang membatasi

a. Untuk data tidak berkelompok

b. Untuk data berkelompok

X11 X12 X13 X14 X15 X16 X17 X18 X19

b. Untuk data berkelompok

Catatan : P50 = D5 = Q2 = Md.