ANALISIS STATISTIK DASAR

DALAM PENILAIAN PROPERTI

Dasar-Dasar Aplikasi
oleh: Agung Sugiarto
 STATISTIK DAN STATISTIKA

⚫ STATISTIK artinya DATA atau kumpulan data dalam

bentuk angka maupun bukan angka yang disusun dalam
bentuk tabel atau diagram yang menggambarkan suatu
masalah tertentu.

⚫ STATISTIKA adalah pengetahuan yang berkaitan

dengan metode, teknik atau cara untuk mengumpulkan,
mengolah, menyajikan dan menganalisis data, kemudian
menarik kesimpulan dan menginterpretasikan data
tersebut.
Teknik Analisis
APLIKASI ILMU STATISTIK dalam penelitian bisnis,
khusunya bidang penilaian properti dapat dibagi ke
dalam 2 bagian utama:
1. Analisis Statistik DESKRIPTIF
2. Analisis Statistik INFERENSIAL
Dalam bidang penilaian properti, kedua analisis
statistik tersebut dapat dipakai sekaligus.
Pada umumnya, DIMULAI dengan STATISTIK
DESKRIPTIF, lalu berdasarkan hasil tersebut
DILANJUTKAN dengan STATISTIK INFERENSIAL.
3
 Jenis Data dan Skala Statistik
DATA KUALITATIF/ DATA NON
METRIK
Mempunyai SIFAT TIDAK DAPAT
DILAKUKAN OPERASI
MATEMATIKA seperti:
PENAMBAHAN, PENGURANGAN,
PERKALIAN ataupun
PEMBAGIAN.
Diukur pada skala: NOMINAL DAN
ORDINAL
DATA KUANTITATIF/ DATA
METRIK
Dapat disebut sebagai data berupa
ANGKA DALAM ARTI
SEBENARNYA, sehingga berbagai
OPERASI MATEMATIKA DAPAT
DILAKUKAN.
Diukur pada skala: INTERVAL DAN
RASIO
1. Data Nominal

⚫ Data ini memiliki skala yang bersifat

kategorikal/ pengelompokan (jenis kelamin,
warna kulit, agama), pada umumnya
digunakan untuk mengenali identitas subyek.
⚫ Bilangan atau angka digunakan untuk
mewakili klasifikasi, kategori, dan sebagainya.
⚫ Bilangan hanya berfungsi sebagai lambang
untuk membedakan.
Contoh: jenis kelamin (laki-laki, perempuan)
2. Data Ordinal

Data ini memiliki skala yang menunjukkan

perbedaan tingkatan subjek secara kuantitatif
(data yang dinyatakan dalam bentuk peringkat
atau rangking). Data ini selain memiliki sifat
yang dimiliki data nominal juga menunjukan
kedudukan subjek dalam suatu kelompok pada
suatu variabel.

Contoh: preferensi kualitas (kurang baik, baik

dan sangat baik)
3. Data Interval

Selain memiliki kedua ciri diatas, data ini juga

memiliki sifat kesamaan jarak (equality of
interval) antara nilai yang satu dengan nilai yang
lain. Skala interval memiliki order/ urutan
kuantitatif.
Contoh: skala Likert 1-5
4. Data Rasio

Data rasio hampir sama dengan data interval.

Keduannya memiliki ketiga sifat diatas (bernilai
klasifikasi, order dan distance), namun selain itu
skala rasio memiliki 1 ciri utama, yakni
mempunya nilai awal (origin) dalam suatu
kelompok.
Contoh: berat badan, jarak.
 Statistik
STATISTIK DESKRIPTIF STATISTIK INDUKTIF
/INFERENSIAL
Berusaha menjelas-
kan/menggambar-kan Berusaha membuat berbagai
berbagai karakteristik inferensi terhadap
data, seperti berapa nilai sekumpulan data yang berasal
rata-rata (mean), dari suatu sampel. Tindakan
seberapa jauh data-data inferensi tersebut seperti
bervariasi (standard melakukan perkiraan,
deviation). peramalan, pengambi-lan
keputusan.
 STATISTIK DESKRIPTIF

1. UKURAN PEMUSATAN
• Mean 2. UKURAN SEBARAN
• Median • Varian
• Modus
• Standar Deviasi
• Range (jarak data)

3. UKURAN BENTUK
• Normalitas Data

10
Ukuran Pemusatan (Central Tendency)
1. Mean ( X ) adalah nilai rata-rata
n
X = S X i /n
i=1
where,
Xi = observed values of the variable X
n = number of observations (sample size)

Mean mendeskripsikan rata-rata suatu data.

11
 Ukuran Pemusatan (Central Tendency)

2. Modus adalah nilai yang sering muncul pada

data yang kita miliki.
Modus menunjukkan di mana data cenderung
terkonsentrasi (kecenderungan sentral dari data
nominal)
3. Median adalah nilai tengah dari sekumpulan
data yang kita miliki setelah data tersebut
diurutkan mulai dari yang tertinggi ke terendah,
atau sebaliknya (kecenderungan sentral dari data
ordinal)

12
Ukuran Sebaran (Variability Measurement)

Range
▪ Merupakan selisih antara nilai terbesar dan terkecil dari
kelompok sampel yang kita teliti.
▪ Range = Xlargest – Xsmallest

▪ Menggambarkan seberapa luas penyebaran data

13
Ukuran Sebaran (Variability Measurement)
Standar Deviasi
Merupakan ukuran penyimpangan data dari rata-
ratanya.
• Nilai standar deviasi relatif besar berarti, sebaran/variabilitas
data tinggi.
• Nilai standar deviasi relatif kecil, artinya data yang digunakan
mengelompok di seputar nilai rata-ratanya, penyimpangan
kecil
n
(Xi - X)2
sx = S
i =1 n - 1

14
Ukuran Sebaran (Variability Measurement)

Varians
Varians/ Ragam merupakan suatu ukuran statistik
yang menunjukkan seberapa besar data tersebar.
Varians nol menunjukkan semua data sama,
semakin varians mendekati nol maka semua data
akan mendekati rata-rata (varians minimal adalah
nol).
Varians didapatkan dengan meng-kuadratkan
standar deviasi.
Var = s2

15
Ukuran Sebaran (Variability Measurement)
⚫

16
 Normalitas Data
⚫ Harapan peneliti data berdistribusi normal. Namun demikian,
penyebaran data dapat abnormal. Bila digambar dalam diagram
garis maka bentuk normalitas data adalah sbb:
Scatter Plot

17
 STATISTIK INDUKTIF/INFERENSI

Berusaha membuat inferensi terhadap

sekumpulan data yang berasal dari
suatu sampel.

Tindakan inferensi tersebut seperti

melakukan perkiraan, peramalan,
pengambilan keputusan.
 Tahapan Umum dlm Statistik Inferensial
1.MENENTUKAN Hipotesis Null (Ho) & Alternatif (Ha).
Hal ini berkaitan dengan rumusan masalah penelitian, yang
kemudian dirinci dalam berbagai tujuan penelitian dan
hipotesis yang akan diuji.
2.MENENTUKAN STATISTIK HITUNG DAN STATISTIK
TABEL.
Untuk menguji hipotesis, pada umumnya kita akan
membandingkan statistik hitung dengan statistik tabel, atau
dapat juga dilihat pada tingkat signifikansinya.
3.MENGAMBIL KEPUTUSAN SESUAI DENGAN HASIL
(Statistik hitung dan statistik tabel) yang ada.
 HIPOTESIS

Hipotesis adalah statemen/pernyataan tentang hubungan

antara dua atau lebih konsep (K) atau variabel(v)/indikator
empirik(i.e.) yang masih memerlukan dukungan secara
empirik (diuji kebenarannya).
Hipotesis mayor adalah pernyataan tentang hubungan
antara dua atau lebih konsep (K) yang masih
memerlukan dukungan secara empirik.
Contoh: Ada hubungan positif dan signifikan antara
parental style (K1) dengan consumer socialization (K2)
 HIPOTESIS

Hipotesis minor adalah pernyataan tentang hubungan antara dua

atau lebih variabel (v)/indikator empirik(i.e.) yang masih memerlukan
dukungan secara empirik. Contoh : Semakin tinggi frekuensi Anda
ditegur oleh orang tua (v1/i.e.1) dalam mengkonsumsi suatu barang
semakin lambat Anda mengambil keputusan (v2/i.e.2) dalam
memilih barang yang akan dikonsumsi.
Hipotesis Statistik adalah pernyataan hubungan antar dua atau lebih
parameter/ukuran populasi atau dua atau lebih statistik/ukuran sampel.
Contoh : Ho : μ1 ≠ μ2 dan Ha : μ1 ‹ μ2
 Klasifikasi umum Uji Hipotesis
Berdasar Tujuan Penelitian

UJI HIPOTESIS

Tests of Association Tests of Differences

(Uji HUBUNGAN) (Uji PERBEDAAN)

Korelasi Pengaruh (Cause-effect)

Proportions Median/
Distributions Means
Rankings
 Ringkasan Bentuk Model Empiris
Tipe Data
Model
Variabel Dependen Variabel Independen
Regresi Metrik Metrik, Non-metrik
Regresi Logit/Probit/Tobit Non-meterik Metrik, Non-metrik
Analisis Diskriminan Non-meterik Metrik, Non-metrik
ANOVA Metrik Non-metrik
Analisis Cojoint Metrik, Non-metrik Non-metrik
MANOVA Metrik Non-metrik
Korelasi kanonikal Metrik, Non-metrik Metrik, Non-metrik
Persamaan-persamaan Metrik Metrik, Non-metrik
simultan
Structural Equation Metrik, Non-metrik Metrik, Non-metrik
Modeling
 KATEGORI VARIABEL
⚫ Variabel Terikat / Dependent Variable / Criterion
Variable
⚫ Variabel Bebas / Independent Variable / Predictor
Variable
⚫ Variabel Moderator / Moderating Variable
⚫ Variabel Antara / Intervening Variable
Analisis Regresi
⚫ Analisis Regresi adalah salah satu cara dalam Ilmu Penilaian
yang memanfaatkan Data Pasar untuk menentukan Nilai Pasar
suatu Properti.
⚫ Jadi analisis regresi sebenarnya adalah Pendekatan Data
Pasar yang dapat lebih obyektif dibandingkan metode
Tradisional yang biasa digunakan Penilai dalam menentukan
Nilai Pasar suatu Properti.
⚫ Tetapi analisis regresi harus digunakan secara benar untuk
dapat menghasilkan hasil penilaian yang akurat, dan juga
memerlukan kondisi tertentu dalam menentukan data yang
akan digunakan. Data yang dapat dipercaya akan
menghasilkan penilaian yang lebih akurat.
Aplikasi Analisis Regresi
⚫ Melakukan pengujian terhadap asumsi-asumsi yang
terjadi di lapangan .
⚫ Memproyeksi hal-hal apa yang akan terjadi dimasa
yang mendatang .
⚫ Menganalisais faktor-faktor yang sekiranya
mempengaruhi Nilai Pasar Properti
⚫ Menentukan proyeksi suatu arus kas yang akan
terjadi dimasa yang akan datang .
⚫ Menentukan Nilai Pasar properti yang lebih obyektif
dari metode tradisional
Bentuk Analisis Regresi

1. Regresi Sederhana (applicable dalam praktik sehari-hari)

2. Regresi Berganda (Multiple Regression)
(pada umumnya perhitungan dalam praktik sudah tidak dilakukan secara
manual lagi)
Regresi Linear Sederhana
Regresi Linear Sederhana
Tabulasi Perhitungan Regresi Linier Sederhana
Regresi Linier Berganda
Regresi Linier Berganda
Regresi Linier Berganda
Analisis Korelasi (The Correlation
Analysis)

⚫ Analisis Korelasi adalah sebuah metode

analisis untuk menentukan kuat/ lemahnya
hubungan antara satu variabel dengan
variabel yang lain.
⚫ Dalam penilaian properti Analisis Korelasi ini
dapat menjadi pertimbangan bagi seorang
Penilai dalam menentukan variabel-variabel/
faktor-faktor yang besar pengaruhnya
terhadap Nilai Properti.
Koefisien Korelasi

⚫ Koefisien Korelasi (R) dinyatakan dengan angka dari

minus 1 sampai plus 1.
⚫ Kuat atau lemahnya hubungan antar variabel atau
Faktor yang berhubungan dengan Nilai digambarkan
oleh angka -1 sampai + 1.
⚫ Bila R = - 1 hubungan antar variabel sangat kuat dan
berlawanan, sedangkan bila R = + 1 hubungan antar
variabel sangat kuat dan searah, bila R = 0 hubungan
antar variabel tidak ada , atau antar variabel tidak saling
mempengaruhi .
⚫ Bila R = - 1 < r < 1 , maka hubungan antar variabel
lemah sampai kuat .
 Langkah-langkah perhitungan analisa korelasi

⚫ Bentuk data yang tersedia dalam bentuk matrik , dengan mengubah

data tersedia yang bersifat kualitatif menjadi data yang bersifat
kuantitatif.
⚫ Hitung dengan metode statistik Mean, Covarian dan Standar
deviasinya.
⚫ Bentuk matrik dengan rumus adalah ( Data – Mean )/ standar deviasi.
⚫ Bentuk matrik baru yang bersifat Transpose terhadap matrik data
yang tersedia.
⚫ Multiply matrik Transpose dengan matrik asal akan membentuk matrik
bujur sangkar.
⚫ Bagi Matrik bujur sangkar dengan angka bilangan matriks yang
tertinggi.
⚫ Matrik baru menggambarkan korelasi antar variabel.
Koefisien Korelasi (Sederhana)
Koefisien Korelasi (Sederhana)
Koefisien Determinasi
Koefisien Korelasi Ganda
 INTERPRETASI BESARAN KORELASI

-1, 0 -0, 8 -0, 6 -0, 4 -0, 2 0 0, 2 0, 4 0, 6 0, 8 1, 0

sangat kuat ku at ra ta -ra ta le mah sa ngat lema h le mah ra ta -ra ta ku at sa ngat kuat
Referensi
Hartono. M, Jogiyanto. 2010. Metodologi
Penelitian Bisnis Edisi Pertama. BPFE
UGM. Yogyakarta.
Supriyanto, Benny. Bahan/ Materi PLP 1
Statistika.
Heryanto, Joyce. Bahan/ Materi PLP 1
Statistika.