18

BAB II
STATISTIKA DESKRIPTIF
Tujuan Pembelajaran:
1. Dapat menjelaskan konsep statistik deskriptif
2. Dapat menjelaskan penyajian data
3. Dapat menjelaskan ukuran pemusatan data
4. Dapat menjelaskan ukuran penyebaran data
5. Dapat menghitung statistik deskriptif menggunakan program eviews

Konsep Statistik Deskriptif banyak digunakan dalam bidang ekonomi dan

bisnis secara umum baik yang berskala lokal, nasional dan Internasional.
Berikut ini ada dua kisah yang patut mendapat perhatian dan renungan dari kita
semua.
Pada suatu hari seorang manajer keuangan bertanya kepada Kepala
bagian gaji terhadap laporan pembayaran gaji bulan Pebruari 2013. Manajer
bertanya, berapa jumlah total gaji yang diajukan? Berapa Gaji pegawai yang
paling besar? Berapa rata-rata gaji pegawai? Dan jawaban adalah sangat
mengherankan, wah tidak hafal pak?
Pada tanggal 8 Maret 2013 diadakan rapat tentang rencana pengembangan
sebuah Universitas. Ketua Yayasan melakukan presentasi dihadaan calon
investor tentang rencana pembangunan gedung tower 11 lantai. Di sela-sela
presentasi tentang prespektif dan prospek gedung yang akan dinagun, seorang
dai calon investor bertanya “bapak maaf berapa luas gedung itu, dan berapa
luas per lantai? Dan kelihatannya ketua yayasan tidak siap jawabannya dan
melirik kepada staff pendampingnya dan aneh tidak ada yang dapat memberikan
jawaban secara tepat.
Kedua kisah diatas menggambarkan permasalahan yang kelihatannya
sederhana, tetapi karena tidak disiapkan dengan baik maka tidak dapat
diselesaikan dengan cepat dan dapat berakibat fatal terhadap keberlanjutan
proyek yang diajukan. Statistik deskriptif memberikan solusi yang tepat,
dengan menguasi konsep statistik deskriptif maka seseorang akan mampu untuk
analisa terhadap kelompok data. Statistika deskriptif mencakup tentang
penyajian data, ukuran pemusatan data dan ukuran penyebaran data.
 19

Penyajian data adalah menyangkut bagaimana menyajikan data dalam

bentuk tabel, grafik dan gambar. Ukuran pemusatan memberikan ukuranukuran
tentang nilai maksimum, nilai minimum, Rata-Rata Hitung (Arithmetic Mean),
Median, Modus, Kuartil, Desil, Persentil. Ukuran penyebaran meliputi
simpangan rata-rata, standar deviasi, jangkauan kuartil, dan jangkauan persentil.
2.1 STATISTIK DESKRIPTIF
Secara umum, statistik merupakan disiplin ilmu yang mempelajari metode
dan prosedur pengumpulan, penyajian, analisa, dan penyimpulan suatu data
mentah, agar menghasilkan informasi yang lebih jelas untuk keperluan suatu
pendekatan ilmiah (scientific inferences), dan dapat dikelompokkan menjadi dua
bagian yaitu statistik deskriptif dan statistik inferensial.
Metode deskriptif adalah untuk studi menentukan fakta dengan inpretasi
yang tepat dimana didalamnya termasuk studi untuk melukiskan secara akurat
sifat-sifat dari beberapa fenomena kelompok dan individu serta studi untuk
menentukan frekuensi terjadinya suatu keadaan untuk meminimalisasikan bias
dan memaksimumkan reabilitas. Metode deskripsi ini digunakan untuk menjawab
permasalah mengenai seluruh variabel penelitian secara independen .
Statistika deskriptif adalah metode-metode yang berkaitan dengan
pengumpulan dan penyajian suatu gugus data sehingga memberikan informasi
yang berguna.Pengklasifikasian menjadi statistika deskriptif dan statistika
inferensia dilakukan berdasarkan aktivitas yang dilakukan.
Statistika deskriptif hanya memberikan informasi mengenai data yang
dipunyai dan sama sekali tidak menarik inferensia atau kesimpulan apapun
tentang gugus induknya yang lebih besar. Contoh statistika deskriptif yang
sering muncul adalah, tabel, diagram, grafik, dan besaran-besaran lain di
majalah dan koran-koran. Dengan Statistika deskriptif, kumpulan data yang
diperoleh akan tersaji dengan ringkas dan rapi serta dapat memberikan informasi
inti dari kumpulan data yang ada. Informasi yang dapat diperoleh dari statistika
deskriptif ini antara lain ukuran pemusatan data, ukuran penyebaran data, serta
kecenderungan suatu gugus data.
Data eksteren dibagi menjadi dua jenis yaitu data primer dan data
sekunder. Data primer adalah data yang langsung dikumpulkan oleh orang yang
 20

berkepentingan dengan data tersebut dan data sekunder adalah data yang tidak
secara langsung dikumpulkan oleh orang yang berkepentingan dengan data
tersebut.
Statistik deskriptif hanya berhubungan dengan hal menguraikan atau
memberikan keterangan-keterangan mengenai suatu data atau keadaan atau
fenomena. Dengan kata lain, statistik deskriptif berfungsi menerangkan
keadaan, gejala, atau persoalan. Penarikan kesimpulan pada statistik deskriptif
(jika ada) hanya ditujukan pada kumpulan data yang ada.
Didasarkan pada ruang lingkup bahasannya statistik deskriptif mencakup :
Distribusi frekuensi beserta bagian-bagiannya seperti : 
a. Grafik distribusi (histogram, poligon frekuensi, dan ogif);
b. Ukuran nilai pusat (rata-rata, median, modus, kuartil dan sebagainya);
c. Ukuran dispersi (jangkauan, simpangan rata-rata, variasi, simpangan baku,
dan sebagianya);
d. Kemencengan dan keruncingan kurva 
e. Angka indeks 
f. Times series/deret waktu atau berkala
g. Korelasi dan regresi sederhana. 
Kegiatan memeriksa sifat-sifat penting dari data yang ada itu disebut
analisis data secara pemerian (deskripsi). Karenanya bagian statistika demikian
dinamakan Statistika Deskriptif atau Statistika Perian. Penyusunan tabel,
diagram, modus, kuartil, simpangan baku termasuk dalam kategori statistika
deskriptif. Kegiatan itu dilakukan melalui: 
a. Pendekatan aritmetika yaitu pendekatan melalui pemeriksaan rangkuman
nilai atau ukuran-ukuran penting dari data. Yang dimaksud rangkuman nilai
di sini ialah penyederhanaan kumpulan nilai data yang diamati ke dalam
bentuk nilai-nilai tertentu. Setiap rangkuman nilai ini disebut statistik. Jadi,
statistik menerangkan sifat kumpulan data dalam bentuk nilai yang mudah
dipahami, sedangkan statistika adalah suatu ilmu tentang sekumpulan
konsep serta metode yang dapat digunakan untuk mengumpulkan,
menyajikan dan menganalisis data serta menarik kesimpulan berdasar hasil
analisis data tersebut. 
 21

b. Pendekatan geometrik, yaitu melalui penyajian data dalam bentuk gambar

berupa grafik atau diagram. Kedua pendekatan mengakibatkan pembedaan
dalam penyajian datanya. Penyajian data pertama menekankan angka-angka
dan yang kedua menekankan pada gambar.
Statistika deskriptif memberikan informasi hanya mengenai data yang
dipunyai dan sama sekali tidak menarik kesimpulan apapun tentang data
tersebut.
Penyajian data kategori deskriptif dapat berbentuk grafis dan numerik, yaitu:
1. PENYAJIAN DATA DALAM 2. PENYAJIAN DATA NUMERIK
BENTUK GRAFIS
Histogram Central Tredency
Pie Chart Dispersion / pencaran
Poligon Fractile
Ogive Skewness
Diagram Batang Daun (Stem and Leaf) Pengukuran Keruncingan

2.2 PENYAJIAN DATA

Penyajian data dengan menggunakan tabel. Tabel adalah kumpulan data
yang disusun berdasarkan baris dan kolom. Baris dan kolom ini berfungsi untuk
menunjukkan data terkait keduanya. Dimana titik temu antara baris dan kolom
adalah data yang dimaksud.
a. Tabel Distribusi Frekuensi.
Pengelompokan data ke dalam beberapa kategori yang menunjukkan
banyaknya data dalam setiap kategori, dan setiap data tidak dapat dimasukkan
ke dalam dua atau lebih kategori.
b. Grafik
Ketika kita menyajikan suatu data, seringkali kita ingin menemukan pola atau
hubungan antara variabel-variabel dalam data tersebut. Agar dapat mencari
atau menemukan pola dan hubungan antar variabel tersebut, maka dapat
digunakan grafik untuk memvisualisasikan data. Jenis visualisasi yang dipilih
tergantung pada penekanan yang ingin kita temukan dalam suatu data. Contoh
 22

grafik yang sering digunakan antara lain grafik garis, grafik batang, diagram
lingkaran, dan grafik gambar
1. Grafik Garis (Polygon)
Poligon menggunakan garis yang menghubungkan titik-titik yang
merupakan koordinat antara nilai tengah kelas dengan jumlah frekuensi
pada kelas tersebut. Titik tengah kelas merupakan representasi dari
karakter kelas dan nilai tengah ini menggantikan posisi interval kelas pada
ddiagram histogram. (Purwanto S.K., 2012)
2. Grafik Batang

Gambar 2.1 Contoh grafik batang

Gambar 2.2 Contoh grafik blok

c. Diagram Lingkaran (Pie Chart)

 23

Cara lain untuk menyajikan data hasil penelitian adalah dengan diagram
lingkaran atau piechart. Diagram lingkaran digunakan untuk membandingkan
data dari berbagai kelompok. Gambar 3.3 merupakan contoh penyajian data
dengan diagram lingkaran.

Gambar 2.3 Contoh Diagram Lingkaran

d. Grafik Gambar (Pictogram)

Ada kalanya supaya data yang disajikan lebih komunikatif disesuaikan dengan
keterangan nama tabel, maka penyajian data dibuat dalam bentuk pictogram.
Contoh pictogram ditunjukan dalam Gambar 3.4 (Martono N. , 2010)

2.3 UKURAN PEMUSATAN

Ukuran Pemusatan adalah nilai tunggal yang mewakili suatu kumpulan
data dan menunjukkan karakteristik dari data. Ukuran pemusatan menunjukkan
pusat dari nilai data.
a. Rata-Rata Hitung
Rata-rata hitung merupakan nilai yang diperoleh dengan menjumlahkan
semua nilai data dan membaginya dengan jumlah data. Rata-rata hitung
merupakan nilai yang menunjukkan pusat dari nilai data dan merupakan nilai
yang dapat mewakili dari keterpusatan data.
1. Rata-rata Hitung Populasi :merupakan nilai rata-rata dari data populasi
2. Rata-rata Hitung Sampel adalah jumlah nilai data sampel atau jumlah sampel.
3. Rata-rata Hitung Tertimbang suatu nilai yang diperoleh dari suatu kelompok
data dimana dilakukan pembobotan data berdasarkan pertimbangan-
 24

pertimbangan yang logis. Rata-rata dikembangkan sebagai upaya

mempertimbangkan nilai bobot dan peran peran dari setiap datayang
dianggap berbeda.
4. Rata-rata Hitung Data Berkelompok adalah data yang telah berbentuk
distribusi frekuensi.
5. Memahami Sifat Rata-rata Hitung, rata-rata hitung sebagai salah satu ukuran
pemusatan mempunyai sifat-sifat sebagai berikut :
a. Setiap kelompok baik dalam bentuk skala interval maupun rasio
mempunyai nilai hitung.
b. Semula nilai data harus dimasukkan ke dalam perhitungan rata-rata hitung
c. Satu kelompok baik kelas maupun satu kesatuan dalam populasi dan
sampel hanya mempunyai satu rata-rata hitung
d. Rata-rata hitung untuk membandingkan karakteristik dua atau lebih
populasi atau sampel

b. Modus (Mode)
Modus merupakan salah satu ukuran pemusatan di sampling rata-rata
hitung dan median. Modus adalah suatu nilai pengamatan yang paling sering
muncul. (Purwanto S.K., 2012)
Bedasarkan data tersebut, maka modus atau nilai yang paling sering
muncul adalah 20 menit. Karena munculnya sebanyak 3 kali atau frekuensinya 3.
Jadi dapat dikatakan bahwa waktu layanan ke pelanggan di Perusahaan X
terbanyak adalah 20 menit.

c. Median
Median merupakan salah satu ukuran pemusatan. Median merupakan suatu
nilai yang berada di tengah-tengah data, setelah data tersebut diurutkan.
(Purwanto S.K., 2012) Menghitung median:
 Jika jumlah data ganjil, maka median adalah nilai tengah dari urutan data
 Jika jumlah data genap maka untuk menentukan mediannya diambil 2 data
tengah dijumlah, kemudian dibagi 2
 25

Berdasarkan data di atas, maka nilai tengah dari kelompok data tersebut
adalah urutan ke 5 dan 6 dibagi 2 yaitu 20. Jadi mediannya = 20. Median
sebesar 20 menit artinya terdapat 5 hari dengan waktu layanan kurang atau sama
dengan 20 menit, dan terdapat 5 hari dengan waktu layanan lebih besar atau
sama dengan 20 menit.

d. Mean
Mean merupakan nilai yang diperoleh dengan menjumlahkan semua nilai
data dan membaginya dengan jumlah data. Mean merupakan nilai yang
menunjukkan pusat dari nilai data dan merupakan nilai yang dapat mewakili
keterpusatan data. (Purwanto S.K., 2012) Hal ini dapat dirumuskan sebagai
berikut ini.
Me = (2.1)

Di mana:
Me = Mean (rata-rata)
∑ = Epsilon (baca jumlah) Xi = Nilai x ke i sampai ke n
n = Jumlah individu

Contoh:

Me = = 19,1

Walaupun dari data diatas tidak ada waktu layanan selama 19,1 atau 19
menit, akan tetapi dengan mengetahui bahwa rata-rata waktu layanan adalah
selama 19 menit, maka dapat digunakan untuk perencanaan operasional harian
perusahaan.

2.4 UKURAN PENYEBARAN DATA

Merupakan derajat atau ukuran sampai seberapa jauh data numerik
cenderung untuk tersebar disekitar nilai rata-ratanya. Ukuran penyebaran data
 26

yang paling banyak digunakan adalah rentang (range), variansi (variance), dan
simpangan baku (standart deviation).

a. Rentang Data (Range)

Merupakan ukuran yang paling sederhana dari ukuran penyebaran. Jarak
merupakan perbedaan antara nilai terbesar dan terkecil dalam suatu kelompok
data baik data populasi atau sampel. (Purwanto S.K., 2012)
Rumus:
R = xt – xr (2.2)
Di mana:
R = Rentang
xt = Data terbesar dari kelompok
xr = Data terkecil dari kelompok

Interpretasi nilai R adalah:

 R = 0, menunjukkan bahwa data terbesar sama dengan data terkecil,
akibatnya semua data memiliki harga yang sama
 R kecil, memberikan informasi bahwa data akan mengumpul di sekitar pusat
data
 R besar, menyatakan bahwa paling sedikit ada satu data yang harganya
berbeda jauh dengan data lainnya

Contoh:
Untuk menganalisa lebih jauh tentang waktu layanan ke pelanggan selama
10 hari, maka kita dapat menggunakan rentang data. Setelah data diurutkan
(tabel 3. ) dan dengan mengunakan rumus di atas, maka diperoleh rentang data:
R = xt – xr = 35-10 = 25 menit
Rentang data sebesar 25 menit ini mengindikasikan bahwa perbedaan
terbesar waktu layanan ke pelanggan antara hari keberapa saja adalah 25 menit.

b. Variansi dan Simpangan Baku

 27

Salah satu teknik statistik yang digunakan untuk menjelaskan homogenitas

kelompok adalah variansi. Variansi merupakan jumlah kuadrat semua deviasi
nilai-nilai individual terhadap rata-rata kelompok. Akar variansi disebut standar
deviasi atau simpangan baku. Variansi untuk sampel diberi simbol s2 dan
standar deviasi sampel diberi simbol s.

Rumus variansi:

(2.3)

Sedangkan rumus standar deviasinya:

(2.4)

Rumus di atas digunakan untuk data populasi, sedangkan untuk data

sampel rumusnya tidak hanya dibagi dengan n saja, tetapi dibagi dengan n-1
(derajat kebebasan) menjadi berikut ini.

(2.5)

Di mana:
= Variabel populasi = Simpangan baku populasi
s2 = Varians sampel s = Simpangan baku sampel
n = Jumlah sampel

Tabel 2.1 Cara menghitung varians dan simpangan

baku sekelompok mahasiswa
No. Nilai Simpangan Simpangan Kuadrat
Mhs
1 60 -11 121
2 70 -1 1
 28

3 65 -6 36
4 80 9 91
5 70 -1 1
6 65 -6 36
7 75 6 16
8 80 9 81
9 70 -1 1
10 75 4 16
∑ 710 0 390

Berdasarkan data pada Tabel 3.5, maka: Mean

Varians (s2)
Standar deviasi =

c. Contoh Penghitungan Statisitik Deskriptif

Data penelitian di Koperasi Fakultas penjualan Buku Modul, berdasarkan
laporan perusahaan tahun 2006 s/d 2017 didapatkan data sebagai berikut :
- Menghitung Jumlah, Rata-rata, Maksimum, Minimum, Varians, Standar Deviasi.
- Sebagai contoh diambil salah satu kelompok data tersebut diatas, misalnya Data
Promosi.
- Menghitung Jumlah, Rata-rata, Maksimum, Minimum, Varians, Standar Deviasi.

d. Menghitung jumlah nilai data

Jumlah = ................................. (2.6)
Jumlah = 25.750.000 + 35.000.000 + 37.500.000 + 48.560.000 + 50.125.000
+ 52.480.000 + 55.520.000 + 58.696.000 + 59.527.000 +
60.000.000 + 62.500.000 + 65.000.000 = 610.658.000

e. Menghitung rata-rata

(2.7)
Dengan menggunakan nilai jumlah (1) diatas, maka:
 29

f. Menghitung nilai maksimum dan minimum

Nilai Maksimum adalah nilai yang paling besar dari sampel diatas =
65.000.000
Nilai Minimum adalah nilai yang paling kecil dari sampel diatas = 25.750.000

g. Menghitung range
Range = 65.000.000 - 25.750.000
= 39.250.000

h. Menghitung Varians dan Standar Deviasi

Dengan menggunakan tabel penolong di atas maka,

S
=
Maka: Varians =
Standard Deviasi =

Sebagai perbandingan berikut adalah hasil perhitungan deskriptif untuk

data biaya Promosi diatas menggunakan Eviews:
Tahun Jumlah penjualan modul
2006 25750000
2007 35000000
2008 37500000
2009 48560000
2010 50125000
2011 52480000
2012 55520000
2013 58696000
2014 59527000
2015 60000000
2016 62500000
2017 65000000
Tabel 2.2 Tabel Data Penjualan Modul
 30

Gambar 2.4 Tampilan Statistik deskriptif Eviews

Contoh Kasus melakukan uji deskriptif mengunakan Eviews:

Kemiskinan di Kabupaten Serdang Bedagai mengalami perkembangan
fluktuasi dari tahun ke tahun. Sehingga menarik untuk diteliti. Dalam hal ini
variabel bebas adalah Pertumbuhan ekonomi, pengangguran dan rata-rata lama
pendidikan. Berikut adalah contoh dari dari variabel-variabel tersebut :

Tahun/Semester POV ECO PGR EDU

2004 S1 5.4 3.2 3.8 4.2
2004 S2 5.8 3 3.5 4.2
2005 S1 6.1 3 3.6 4.3
2005 S1 6.2 3 3.9 4.3
2006 S1 6.1 3.1 4.8 4.3
2006 S2 6 3.1 4.9 4.3
2007 S1 6 3.1 4.3 4.3
2007 S2 5.8 3.1 4 4.3
2008 S1 5.5 3.1 3.6 4.3
2008 S2 5.2 3 3.3 4.3
2009 S1 4.8 3 2.9 4.3
2009 S2 4.8 3 2.8 4.3
2010 S1 5.3 3.1 3.2 4.3

2010 S2 5.3 3.1 3.1 4.3

2011 S1 5.1 3 2.5 4.3
2011 S2 5 3 2.4 4.3
2012 S1 5.1 3 2.8 4.3
2012 S2 4.8 3 2.9 4.3
2013 S1 4.4 3.1 3 4.3
2013 S2 3.7 3.1 3.8 4.4
 31

Tabel 2.3 : Data Kemiskinan

Pengujian terhadap residual terdistribusi normal dapat menggunakan Jarqu-Bera
test. Langkah-langkahnya
1. Buka file data latihan1.wf1 untuk menampilkan lembaran kerja.
2. Klik view > residual test > Histogram – Normality test.

Gambar 2.5 Tampilan Normality Test

3. Kemudian ok, maka tampilannya adalah berikut ini:

Gambar 2.6 Tampilan Hasil Normalitas

Terdistribusi normal tidaknya residual secara sederhana dengan membandingkan

nilai probabilitas JB (Jarque Bera) hitung dengan tingkat alpha 0,05 (5%). Bila
probabilitas JB hitung lebih besar dari 0,05 maka dapat disimpulkan residual
terdistribusi normal dan sebaliknya, bila nilainya lebih kecil maka tidak cukup
bukti untuk menyatakan bahwa residual terdistribusi normal. Nilai prob JB hitung
 32

sebesar 0.33 > 0,05 maka dapat disimpulkan bahwa residual terdistribusi normal
yang artinya asumsi klasik mengenai kenormalan telah terpenuhi.
Hitungan yang digunakan oleh eviews untuk menampilkan angka-angka diatas
adalah sebagai berikut:
 Mean adalah rata-rata data diperoleh dengan menjumlahkan seluruh data
dan membanginya dengan cacah data
 Median adalah nilai tengah (rata-rata dua nilai tengah bila datanya genap)
bila datanya diurutkan dari yang trekecil hingga ynag terbesar. Median
merupakan ukuran tengah yang tidak mudah terpengaruh oleh outlier,
terutama bila dibanding dengan mean.
 Max dan Min adalah nilai paling besar dan nilai paling kecil dari data.
 Std. Dev (standard deviation) adalah ukuran dispersi atau penyebaran data.
Rumus yang digunakan adalah:
s= √ ¿ ¿ ¿ (2.8)
Dengan N adalah banyaknya observasi dan ý adalah mean dari data/
 Skewness adalah ukuran asimetri distribusi data di sekitar mean. Skewness
diukur dengan rumus :
n
1 y − ý
s= ∑ ( i ) (2.9)
N i=1 σ^
Dengan σ^ adalah estimator deviasi standar yang dihitung berdasarkan
rumus :
σ^ =s √( N−1)/ N. (2.10)
Skewness dari suatu distribusi simetris (distribusi normal) adalah nol.
Positif skewness menunjukkan bahwa disbtribusi datanya memiliki ekor
panjjang di sisi kanan dan negative skweness memiliki ekor panjang di
kiri.
 Kurtosis mengukur ketinggian suatu distribusi. Kuortis dihitung dengan

n
1
rumus : K= ∑ ¿¿ (2.11)
N i=t
Dengan σ^ adalah estimator bias terhadap varians. Kuortis suatu data
berdistribusi normal adlah 3. Bila kuortis melibihi 3, maka distribusi data
 33

dikatakan leptokurtis terhadap normal. Bila kurtosis kurang dari 3,

distribusi datanya datar (playkurtis) dibanding data berdistribusi normal.
 Jarque-Bera adalah uji statistik untuk mengetahui apakah data berdistribusi
normal. Uji ini mengukur perbedaan skewnee dan kurtosis data dan
dibandingkan dengan apabila datanya bersifat normal. Rumus yang

2
N−k 2 ( K −3 )
digunakan adalah Jarque−Bera= (S + ) (2.12)
6 4

S adalah skwness, K adalah kuotis dan k menggambarkan banyaknya

koefisien yang digunakan di dalam persamaan. Dengan H 0 pada data
berdistribusi normla, uji Jarque-Bera didistribusi dengan X2 dengan derajat
bebas sebesar 2. Probability menunjukkan kemungkinan nilai Jarque-Bera
melebihi (dalam niai absolut) nilai terobservasi di bawah hipotesis nol. Nilai
probabilitas yang kecil cenderung mengarahkan pada penolakan hipotesis nol
distribusi normal.

2.5 TUGAS KERANGKA KULIFIKASI NASIONAL INDONESI (KKNI)

A. Tugas Mini Riset
Carilah statistik deskriptif berdasarkan data pengaruh PDRB, jumlah
industri, inflasi dan UMR terhadap penyerapan tenaga kerja (Y) sektor industri di
Provinsi Sumatera Utara.
Log(TKI) = βo + β1Log(PDRBTK) + β2Log(JI) + β3Log(INF) + β4Log(UP)+ e..(2)

Dimana:

TK = Tenaga Kerja sektor Industri (jiwa)

PDRBTK = Produk Domestik Regional Bruto (milyar Rp.)
JI = Jumlah Industri (unit)
INF = Inflasi (persen)
UP = Upah/UMR (Rp.)
Log = Logaritma
βo = Konstanta
β1 ---- β4 = Koefisien regresi
e = Variabel gangguan (error term)
 34

obs INF JI PDRBTK TK UP

8, 1.107, 98.000,
1994 28 00 19.941,33 191.516,00 00
7, 1.146, 110.000,
1995 28 00 21.753,81 186.955,00 00
7, 1.158, 123.000,
1996 24 00 23.714,74 182.774,00 00
17, 1.088, 150.500,
1997 05 00 4.989,74 174.120,00 00
83, 1.017, 174.000,
1998 56 00 22.332,69 169.808,00 00
1, 1.007, 210.000,
1999 37 00 22.743,02 167.557,00 00
5, 1.001, 254.000,
2000 73 00 24.016,60 165.138,00 00
14, 959, 340.500,
2001 79 00 24.911,05 158.108,00 00
9, 947, 464.000,
2002 59 00 25.925,36 158.598,00 00
4, 919, 505.000,
2003 23 00 78.805,61 152.389,00 00
6, 969, 537.000,
2004 80 00 83.328,95 158.877,00 00
22, 922, 600.000,
2005 41 00 87.897,79 148.249,00 00
6, 1.218, 737.794,
2006 11 00 93.347,40 162.591,00 00
6, 1.185, 761.000,
2007 60 00 99.792,27 151.684,00 00
10, 1.109, 822.205,
2008 72 00 106.172,40 143.553,00 00
2, 1.044, 905.000,
2009 61 00 111.559,20 141.348,00 00
8, 1.015, 965.000,
2010 00 00 118.640,90 140.495,00 00