Pendahuluan
Statistik berasal dari kata state yang berarti Negara.. Mengapa dari kata Negara ?
karena dahulu statistik digunakan hanya untuk kepentingan Negara saja. Kondisi-kondisi
Negara digambarkan dengan statistic, seperti besarnya jumlah penduduk, penerimaan Negara,
penerimaan pajak, laju inflasi dan sebagainya. Contohnya kita sering mendengar laju inflasi
sebesar 6 %, Jumlah penduduk 148 juta. Namun dalam perkembangannya statistik sekarang
digunakan di semua bidang . Misalnya di bidang pendidikan , kesehatan, hukum, ekonomi,
bahkan politik.
Di bidang pendidikan kita mendapatkan data jumlah penduduk yang lulus Perguruan
Tinggi, di bidang kesehatan kita dapatkan jumlah yang terkena DBD di tahun 2012, di bidang
hokum kita mnegetahui jumlah kasus kejahatan di tiga bulan terakhir, di bidang ekonomi kita
dapatkan tingkat pendapatan nasional dsb.
Ada kalanya angka yang dikumpulkan tidak disajikan dalam angka, tetapi dalam table,
atau gambar, sehingga seringkali orang menafsirkan bahwa statistic adalah table atau daftar
angka tentang kondisi suatu kegiatan. Dari penjelasan tersebut dapat kita tarik kesimpulan
bahwa ststistik adalah data yang berbentuk angka yang disusun dalam bentuk table atau
digram yang digunakan untuk menggambarkan suatu kedaan atau permasalahan. Tebal yang
digunakan bisa berbetuk table distribusi frekuensi, tabel
Dari penjelasan tersebut dapat diketahui bahwa statistic adalah ilmu yang mempelajari
tentang seluk beluk data, pengolahan, penganalisisan, penafsiran dan penarikan kesimpulan
dari data yang berbentuk angka. Sedangkan statistika adalah pengetahuan yang berhubungan
dengan tata cara pengumpulan data, pengolahan atau penganalisisan dan penarikan
kesimpulan berdasarkan kumpulan data
Menurut Sudjana (1991 : 3), statistika adalah pengetahuan yang berhubungan dengan
cara-cara pengumpulan bahan-bahan atau keterangan, pengolahan serta penganalisisannya,
penarikan kesimpulan serta pembuatan keputusan yang beralasan berdasarkan penganalisisan
yang dilakukan.
1
1.2 Pembagian Statistik
Untuk menarik kesimpulan suatu persoalan , maka diperlukan suatu bahan atau keterangan
yang dikumpulkan dari persoalan yang sedang diselidiki. Bahan atau keterangan tersebut
biasanya dinyatakan dalam bentuk angka yang disebut dengan data statistic.
Dalam perkembangannya untuk menyelesaikan suatu masalah dapat digunakan
beberapa pendekatan antara lain statistika dalam arti sempit (statistic deskriptif ) dan
statistika dalam arti luas (statistika infrensial)
Statistik diskriptif adalah statistik yang hanya mendiskripsikan tentang data yang
disajikan dalam bentuk table, diagram , pengukuran nilai pusat ( mean, median modus )
.pengukuran penempatan (kuartil, desil persentil) , pengukuran penyimpangan ( range,
rentang antar kuartil, simpangan rata-rata simpangan baku, varians, angka indeks, korelasi
yang digunakan untuk mencari kuatnya suatu hubungan, meramalkan dengan menggunakan
analisis regresi dan lain-lain tanpa menggunakan signifikansi atau tidak bermaksud
membuat generalisasi.
Statistik dalam arti luas ( statistic inferensial / induktif ) adalah alat pengumpul data,
pengolah data, menarik kesimpulan, membuat tindakan berdasarkan analisis data yang
dikumpulkan dan hasilnya dimanfaatkan / digeneralisatistik dapat untuk populasi
Karakteristik . Karakteristik adalah ciri yang membedakan satu objek penelitian dengan
objek penelitian yang lain. Contohnya adalah jika kita mengamati pipa, maka karakteristik
yang bisa kita lihat pada pipa adalah diameternya, ketebalan pipanya, warnanya dsb.
Data . Data adalah hasil pengukuran yang bisa memberikan gambaran suatu keadaan.
Dalam kehidupan yang modern sekarang ini, dengan ciri utama adalah globalisasi,
statistik tidak diragukan lagi peranannya dalam membantu memudahkan kehidupan manusia.
Lebih jelasnya, peranan statistik antara lain terlihat dalam kehidupan sehari-hari, dalam
kegiatan ilmiah, dan kegiatan proses belajar mengajar, dan dalam kegiatan ilmu pengetahuan.
2
Dalam kehidupan sehari-hari, statistik memiliki peranan sebagai penyedia bahan
bahan atau keterangan-keterangan berbagai hal untuk diolah dan ditafsirkan. Contoh:
angka kenakalan remaja, tingkat biaya hidup, tingkat kecelakaan lalu lintas, dan tingkat
pendapatan.
Dalam penelitian ilmiah, statistik memiliki peranan sebagai penyedia data untuk
mengemukakan atau menemukan kembali keterangan-keterangan yang seolaholah
tersembunyi dalam angka-angka statistik
Dalam kegiatan ilmu pengetahuan, statistik memiliki peranan sebagai sarana analisis
dan interpretasi dari data kuantitatif ilmu pengetahuan, sehingga diperoleh suatu
kesimpulan dari berbagai data tersebut.
1.Bank data untuk menyediakan data untuk diolah dan diinterpretasikan agar dapat
digunakan untuk menerangkan keadaan yang perlu diketahui atau diungkap.
2.Alat quality control untuk membantu standardisasi dan sekaligus sebagai alat
pengawasan.
4.Pemecahan masalah dan pembuatan keputusan, sebagai dasar penetapan kebijakan dan
langkah
Menurut Riduwan, dkk (2007 : 6), bahwa karakteristik atau ciri pokok statistik sebagai
berikut :
3
i. Angka statistik sebagai jumlah atau frekuensi dan angka statistik sebagai nilai atau harga.
Pengertian ini mengandung arti bahwa data statistik adalah data kuantitatif. Contoh : Jumlah
Mahasiswa Universtas Semarang , Jumlah dosen Fakultas Ekonomi Universitas Semarang,
jumlah anggota MPR / DPR tahun 2019 dan lain sebagainya.
Komunikasi. Adalah sebagai penghubungan beberapa pihak yang menghasilkan data statistic
atau berupa analisis statistik sehingga beberapa pihak tersebut akan dapat mengambil
keputusan melalui informasi tersebut.
Deskripsi. Merupakan penyajian data dan mengilustrasikan data, misalnya mengukur tingkat
kelulusan siswa, laporan keuangan, tingkat inflasi, jumlah penduduk, dan seterusnya.
Regresi. Adalah meramalkan pengaruh data yang satu dengan data yang lainnya dan untuk
menghadapi gejala-gejala yang akan datang.
Korelasi. Untuk mencari kuatnya atau besarnya haubungan data dalam suatu peneltian
1.6 Variabel
Variabel atau faktor penelitian memiliki peranan sangat penting dalam suatu penelitian
pendidikan. Variabel adalah segala sesuatu yang akan menjadi objek pengamatan dalam
4
penelitian. Ada juga yang menganggap variabel sebagai gejala sesuatu yang bervariasi.
Variabel penelitian dibedakan menjadi:
a.Variabel bebas atau variabel penyebab (independent variables). Variabel bebas adalah
variabel yang menyebabkan atau memengaruhi, yaitu faktor-faktor yang diukur, dimanipulasi
atau dipilih oleh peneliti untuk menentukan hubungan antara fenomena yang diobservasi atau
diamati.
Jenis Sampel
Sampel random adalah suatu tipe sampling probabilitas, di mana peneliti dalam memilih
sampel dengan memberikan kesempatan yang sama kepada semua anggota populasi untuk
ditetapkan sebagai anggota sampel. Dengan teknik semacam itu maka terpilihnya individu
menjadi anggota sampel benar-benar atas dasar faktor kesempatan (chance), dalam arti
memiliki kesempatan yang sama, bukan karena adanya pertimbangan subjektif dari peneliti.
b) Sampel Sistematis
5
Sampling sistematis adalah teknik pengambilan sampel berdasarkan urutan dari anggota
populasi yang telah diberi nomor urut. Misalnya anggota populasi yang terdiri dari 100 orang.
Dori semua anggota itu diberi nomor urut, yaitu nomor I sampai dengan nomor 100.
Pengambilan sampel dapat dilakukan dengan nomor ganjil saja, genap saja, atau kelipatan
dari bilangan tertentu, misalnya kelipatan dari bilangan lima. Untuk ini maka yang diambil
sebagai sampel adalah nomor 1, 5, 10, 15, 20, dan seterusnya sampai 100.
c) Sampel Kuota
Sampling kuota adalah teknik untuk menentukan sampel dari populasi yang mempunyai ciri-
ciri tertentu sampai jumlah (kuota) yang diinginkan. Sebagai contoh, akan melakukan
penelitian tentang pendapat masyarakat terhadap pelayanan masyarakat dalam urusan Izin
Mendirikan Bangunan. Jumlah sampel yang ditentukan 500 orang. Kalau pengumpulan data
belum didasarkan pada 500 orang tersebut, maka penelitian dipandang belum selesai, karena
belum memenuhi kouta yang ditentukan.
d) Sampel Bertingkat
Sampel Bertingkat adalah teknik penentuan sampel yang mula-mula jumlahnya kecil,
kemudian membesar. Ibarat bola salju yang menggelinding yang lama-lama menjadi besar.
Dalam penentuan sampel, pertama-tama dipilih satu atau dua orang, tetapi karena dengan dua
orang ini belum merasa lengkap terhadap data yang diberikan, maka peneliti mencari orang
lain yang dipandang lebih tahu dan dapat melengkapi data yang diberikan oleh dua orang
sebelumnya.
e) Sampel Luas
6
A.Grafik
Jenis Grafik
1) Grafik Garis (line chart)
Penyajian data statistik dengan menggunakan diagram berbentuk garis lurus disebut diagram
garis lurus atau diagram garis. Diagram garis biasanya digunakan untuk menyajikan data
statistik yang diperoleh berdasarkan pengamatan dari waktu ke waktu secara berurutan.
Grafik garis atau diagram garis dipakai untuk menggambarkan data berkala. Grafik garis
dapat berupa grafik garis tunggal maupun grafik garis berganda.
7
3) Grafik Batang (bar chart)
4) Histogram
Dari suatu data yang diperoleh dapat disusun dalam tabel distribusi frekuensi dan disajikan
dalam bentuk diagram yang disebut histogram. Jika pada diagram batang, gambar batang-
batangnya terpisah maka pada histogram gambar batang-batangnya berimpit. Histogram
dapat disajikan dari distribusi frekuensi tunggal maupun distribusi frekuensi bergolong.
Apabila pada titik-titik tengah dari histogram dihubungkan dengan garis dan batang-
batangnya dihapus, maka akan diperoleh poligon frekuensi.
8
5) Ogive naik dan ogive turun
Daftar frekuensi kumulatif kurang dari dan lebih dari dapat disajikan dalam bidang Cartesius.
Tepi atas (67,5; 70,5; …; 82,5) atau tepi bawah (64,5; 67,5; …; 79,5) diletakkan pada sumbu
X sedangkan frekuensi kumulatif kurang dari atau frekuensi kumulatif lebih dari diletakkan
pada sumbu Y. Apabila titik-titik yang diperlukan dihubungkan, maka terbentuk kurva yang
disebut ogive. Ada dua macam ogive, yaitu ogive naik dan ogive turun. Ogive naik apabila
grafik disusun berdasarkan distribusi frekuensi kumulatif kurang dari. Sedangkan ogive turun
apabila berdasarkan distribusi frekuensi kumulatif lebih dari.
B. Tabel
1. Tabel Biasa
Tabel 1.1
Gender mahasiswa yang mengikuti kuliah Statistik
Gender Frekuensi
Laki-laki 22
Perempua 48
9
n
Total 70
2. Tabel Frekuensi
Tabel distribusi frekuensi menyajikan data dalam bentuk tabel frekuensi sehingga
memudahkan pengguna data memperoleh gambaran tentang suatu keadaan atau
fenomena
Tabel 1.2
Distribusi frekuensi 70 mahasiswa yang mengikuti ujian Statistik
Nilai Frekuensi
41 - 50 2
51 - 60 8
61 - 70 14
71 - 80 26
81 - 90 5
91 - 100 15
total 70
41 - 50 2 3%
51 - 60 8 12 %
61 - 70 14 20 %
71 - 80 26 37 %
10
81 - 90 5 7%
91 - 100 15 21 %
Total 70 100 %
Tabel 1.4
Frekuensi kumulatif kurang dari mhs yang mengikuti ujian Statistik
Nilai Frekuensi
Kurang dari 41 0
Kurang dari 51 2
Kurang dari 61 10
Kurang dari 71 24
Kurang dari 81 50
Kurang dari 91 55
Tabel 1.5
Frekuensi kumulatif lebih dari mahasiswa yang mengikuti ujian Statistik
Nilai Frekuensi
41 atau lebih 70
51 atau lebih 68
61 atau lebih 60
71 atau lebih 46
11
81 atau lebih 20
91 atau lebih 15
Distribusi Frekuensi adalah susunan data meneurut kelas-kelas interval tertentu atau manurut
kategori tertentu.
3.Tepi Kelas. Disebut juga batas nyata kelas , yaitu batas kelas yg tidak memiliki lubang
untuk angka tertentu antara kelas yg satu dengan kelas lain. Ada dua tepi kelas yaitu tepi
bawah kelas atau batas kelas bawah sebenarnya dan tepi atas kelas atau batas atas kelas atas
sebenarnya
4. Titik Tengah kelas atau tanda kelas ( class mid point, class marks ). Adalah angka
atau nilai data yang tepat terletak di tengah suatu kelas. Titik tengah kelas merupakan nilai
yang mewakili kelasnya.
5. Interval kelas : adalah selang yang memisahkan kelas yang satu dengan yang lain
6. Panjang interval kelas atau luas kelas : adalah jarak antara tepi atas kelas dan tepi
bawah kelas
7.Frekuensi kelas adalah banyaknya data yang termasuk ke dalam kelas tertentu
contoh
Tabel 1.5
Umur Karyawan Perusahaan “ ABC”
12
Umur Frekuensi
41 - 50 12
51 - 60 28
61 - 70 15
71 - 80 5
Total 70
Banyaknya kelas : 4
Batas Atas Kelas : 50, 60, 70,80
Batas Bawah Kelas : 41, 51, 61,71
Tepi Kelas Bawah / Batas nyata bawah kelas : 40,5 : 50,5 : 60,5 dst
Tepi Kelas Atas / Batas nyata atas kelas : : 50,5 , 60,5, 70,5 : dst
Contoh : Data berikut adalah data masa kerja ( dalam bulan ) dari 30 karyawan yang bekerja
di perusahaan “untung beliung “
13
50, 30, 5, 12, 17, 64, 32, 28, 15, 19, 22, 16, 80, 51, 78, 64, 7, 12, 81, 59, 29, 31, 40, 52 ,25,
28,39, 13, 33, 55,
Buatlah tabel distribusi frekuensi
Range = data tertinggi – data terendah
= 81 - 5 = 76
Banyaknya kelas = 1 + 3,3 log n
= 1 + 3,3 log 30 = 5, 8745 ----------> 6
5 - 17 11111111= 8
18 - 30 1111111= 7
31 - 43 11111 =5
44 - 56 1111 = 4
57 - 69 111 = 3
70 - 82 111= 3
TOTAL 30
PRAKTIKUM
1. Jelaskan perbedaan arti statistik dan statistika!
----------------------------------------------------------------------------------------------------
----------------------------------------------------------------------------------------------------
----------------------------------------------------------------------------------------------------
----------------------------------------------------------------------------------------------------
----------------------------------------------------------------------------------------------------
----------------------------------------------------------------------------------------------------
----------------------------------------------------------------------------------------------------
--------------------------------------------------------
----------------------------------------------------------------------------------------------------
----------------------------------------------------------------------------------------------------
----------------
14
2. Sebutkan paling sedikit lima jenis data yang bisa disediakan oleh Lembaga
Perguruan Tinngi
----------------------------------
---------------------------------
----------------------------------
----------------------------------
----------------------------------
----------------------------------
----------------------------------
15
7. Data berikut adalah Laba Perusahan “ Tak Mau Rugi “ yang mempunyai 3 cabang di
tiga Kota ( dalam ratusan juta rupiah )
16
8. Berat badan dari 50 atlet Bola Voly adalah sebagai berikut
Berat Badan Frekuensi
40 – 49 7
50 – 59 13
60 – 69 20
70 – 79 10
Total 50
BuatlahTabel Frekuensi Relatif dan Kumulatif
17
8. Sebagai syarat wisuda maka mahasiswa diwajibkan mengikuti ujian TOEFL. Terdapat 40
mahasiswa yg mengikuti ujian tersebut dengan score masing masing adalah sebagai berikut :
467, 480, 525, 567, 400, 575, 500, 310, 520, 435, 600, 444, 560, 385, 480, 523, 456, 469,
490, 489, 457. 470, 390, 320, 400, 386, 412, 500, 417, 330, 360, 410, 325, 411, 380, 300,
375, 415, 405, 330
BUATLAH TABEL DISTRIBUSI FREKUENSINYA
a. Range =
18
b. Banyaknya Kelas =
c. Panjang Interval Kelas =
d. Tabel Distribusi Frekuensi
BAB II
UKURAN NILAI PUSAT
Mean atau rata-rata didapat dengan menjumlahkan data seluruh individu dalam kelompok itu,
kemudian dibagi dengan jumlah individu yang ada pada kelompok tersebut.
19
Untuk mencari mean harus dibedakan antara data tak berkelompok dan data berkelompok
Untuk menentukan rata-rata hitung untuk data tak berkelompok rumusnya adalah sebagai
berikut :
Contoh : Nilai mata kuliah statistik 6 orang mahasiswa adalah 80, 75, 82, 65, 90, 73. Maka,
mean untuk data tunggal tersebut adalah: (80+75+82+65+90+73)/6 = 465/6 = 77,5. Jadi nilai
rata-rata dari ke-6 mahasiswa tersebut sebesar 77,5
Perhitungan rata-rata hitung akan menjadi lain jika seorang guru mencatat hasil ulangan 40
orang siswanya sebagai berikut:
Nilai rata rata hitung ( Mean ) siswa dapat dicari sebagai berikut:
2( 4 ) + 4 ( 5 ) + 6 ( 5,5 ) + 8 ( 6 ) + 7 ( 7 ) + 10 ( 8 ) + 2 ( 9 ) 260
-------------------------------------------------------------------------- = ----- = 6,5
40 40
Jadi, nilai rata-rata hitungnya adalah 6,5.
Dimana
20
X1 = X = titik tengah masing-masing kelas f1 = f = frekuensi pada masing-masing
kelas
contoh soal :
Data berikut adalah umur 24 orang karyawan yang bekerja di Perusahaan “ DELIMA”
Tabel 2.1
Umur Karyawan
Umur Frekuensi
21 - 30 4
31 - 40 12
41 - 50 8
Total 24
21 - 30 4 25,5 102
31 - 40 12 35,5 426
41 - 50 8 45,5 364
Total 24 892
Median adalah nilai yang letaknya di tengah dari data yang telah diurutkan dari nilai terkecil
sampai terbesar.
Untuk data tak berkelompok median dilihat dari banyaknya data .Jika banyak data ganjil
maka Me adalah data yang terletak tepat yang ditengah setelah diurutkan · Jika banyak data
genap maka Me adalah rata-rata dari dua data yang terletak di tengah setelah diurutkan.
21
Mediannya 6
B. 5, 6, 3, 7, 2, 4, 9, 8 data diurutkan menjadi 2,3,4,5,6,7,8,9
Median untuk data berkelompok dapat dicari dengan terlebih dahulu menentukan letak kelas
median. Kelas median dicari dengan menggunakan rumus ½ n , dimana n adalah banyaknya
data. Adapun mendian dapat diperoleh dengan menggunakan rumus sebagai berikut
½ n - f0
Me = B + -------------------- C
f Me
Keterangan :
B = tepi bawah kelas median
n = jumlah frekuensi
∑f0 = Jumal seluruh frekuensi sebelum kelas median
C = panjang interval kelas median
fMe = Frekuensi kelas median
Contoh Soal
Data berikut adalah pendapatan perminggu ( dalam puluhan ribu ) dari 70 orang karyawan
diperusahaan Pakaian
Tabel 2.2
Pendapatan Karyawan
Pendapatan Frekuensi
10 - 19 20
20 - 29 18
30 - 39 22
40 - 49 10
Total 70
22
Jadi Median ada di kelas ke -2 , dengan menggunakan rumus median, dicari mediannya.
½ n - f0
Me = B + -------------------- C
f Me
35 - 20
Me = 19,5 + ------------ 10
18
Me = 27,83
Modus adalah data yang paling sering muncul atau yang memiliki frekuensi terbanyak.
Sekumpulan data : 2, 3, 4, 4, 5
Sekumpulan data : 3, 3, 3, 4, 4, 5, 5, 5, 6, 9
Sekumpulan data : 3, 4, 5, 6, 7
Untuk data berkelompok modus hanya dapat diperkirakan. Nilai yg paling sering muncul
akan berada pada kelas yg memiliki frekuensi terbesar.
Rumus
d1
Mo = L + --------------- C
d1 + d2
Keterangan
Mo = Modus
L = Tepi bawah kelas modus
d1 = Selisih frekuensi kelas modus dgn frekuensi kelas sebelumnya
23
d2 = Selisih frekuensi kelas modus dgn frekuensi kelas sesudahnya
C = Panjang Interval
contoh soal:
tentukan modus dari data berikut :
Umur Frekuensi
21 - 25 2
26 - 30 8
31 - 35 9
36 - 40 6
41 - 45 3
46 - 50 2
Total 30
Jawab:
Frekuensi paling banyak adalah 9 pada interval 31 – 35. Jadi kelas Modus ada dikelas yang
ke -3
L = 30,5
p=5
d1 = 9 – 8 = 1
d2 = 9 – 6 = 3
1
Mo = 30,5 + --------- 5
1+3
M0 = 31, 75
Praktikum
1. Data tak berkelompok
24
Tentukan mean, median dan modus dari data berikut
a. 45, 50, 50, 64, 69, 70, 70, 70, 75, 80
Mean =
Median =
Modus =
b. 50, 65, 65, 66, 68, 73, 73, 90
Mean =
Median =
Modus =
c. 35, 42, 48, 50, 52, 55, 60
Mean =
Median =
Modus =
2. Data Berkelompok
Tabel berikut . menunjukkan hasil ulangan statistic dari 56 mahasiswa Fakultas Ekonomi
Universitas Semarang Tentukan mean, median dan modus dari data tersebut.
Hasil ulangan Frekuensi
40 – 44 2
45 – 49 2
50 – 54 6
55 – 59 8
60 – 64 10
65 – 69 11
75 - 79 6
80 – 84 4
85 – 89 4
90 - 94 3
Total 56
Mean
25
i
40 - 44 2
45 - 49 2
50 - 54 6
55 - 59 8
60 - 64 10
65 - 69 11
75 - 79 6
80 - 84 4
85 - 89 4
90 - 94 3
Total 56
Mean = ........
Median
Median = .......
26
Modus
Modus = .......
BAB III
27
FRAKTIL
Fraktil adalah nilai-nilai yang membagi seperangkat data yang telah terurut menjadi
beberapa bagian yang sama. Beberapa macam fraktil yaitu Kuartil, Desil , dan Persentil
3.1 . Kuartil
Kuartil adalah membagi seperangkat data yang telah terurut menjadi 4 bagian yang sama,
sehingga terdapat 3 kuartil, yaitu K1, K2 ( median ) , dan K3
---------------------------------------------------------------
K1 K2 K3
a. Kuartil Data Tak berkelompok
2(7+1)
K2 nilai ke ------------------ = 4 yaitu 6 2, 3, 5, 6, 7, 8, 9
4
Nilai frekuensi
41 - 50 10
28
51 - 60 25
61 - 70 31
71 - 80 4
Total 70
Dimana :
Bi = Tepi bawah kelas kuartil
N = jml semua frekuensi
∑fo = jml semua frekuensi semua kelas sebelum kelas kuartil
C = panjang interval kelas kuartil
f ki = frekuensi kelas kuartil
17,5 - 10
K1 = 50,5 + ----------------- 10 K1 = 53,5
25
3.2 Desil
Untuk data sebanyak n dengan n ≥ 10, Anda dapat membagi data tersebut menjadi 10
kelompok yang memuat data sama banyak. Ukuran statistik yang membagi data (setelah
diurutkan dari terkecil) menjadi 10 bagian yang sama banyak disebut desil. Sebelum data
dibagi oleh desil, data harus diurutkan dari yang terkecil.
Oleh karena data dibagi menjadi 10 kelompok sama banyak maka didapat 9 desil. Amati
pembagian berikut.
Terdapat 9 buah desil, yaitu desil pertama (D1), desil kedua (D2), ..., desil kesembilan (D9).
Letak desil ditentukan dengan rumus berikut.
Contoh Soal :
Tentukan D3 dan D7 dari data berikut :
29
19,20,22, 24, 28, 30, 32, 33, 35,37,40,41,44 ------------ jumlah data 13
3 ( 13 + 1 )
Letak D3 = data ke ---------------- = 4,2 19, 20 ,22, 24, 28, 30, 32, 33, 35,37,40,41,44
10
D3 = X4 + 0,2 ( X5 – X4 )
D3 = 24 + 0,2 ( 28 – 24 ) = 24,8
7 ( 13 + 1 )
Letak D7 = data ke ------------- = 9,8 19, 20, 22, 24, 28, 30, 32, 33, 35,37,40,41,44
10
D7 = X9 + 0,8 ( X10 – X9 )
D7 = 35 + 0,8 ( 37 – 35 ) = 36,6
30
In/10 - fo
Rumus Di = Bi + ------------------------ C
f Di
21 - 10
D3 = 50,5 + --------------- 10
25
= 54,9
3.3 Persentil
Persentil adalah membagi seperangkat data yg telah terurut menjadi 100 bagian yg sama
Persentil untuk Data Tak Berkelompok
Rumus :
i(n+1)
Pi = nilai ke ----------------
100
i = 1, 2, ……….. 99
Tentukan Persentil ke-28 ( P28 ) dari data berikut
28,30,31,32, 35,38,39,40,42,45,48,50, 52, 56,58, 59,60,62,63, 64,66,68,70,72,75 ,76 ,78 ,80 ,
82,84,
Jumlah data 30 maka P 28
28 ( 30+ 1 )
Letak P28 = data ke --------------------- = 8,68
100
P28 = X8 + 0,68 ( X9 – X8 )
P28 = 40 + 0,68 ( 42 - 40 ) = 41,36
Setelah menentukan kelas persentil , barulah persentil dapat dicari dengan rumus :
31
Dimana :
Bi = Tepi bawah kelas Persentil
N = jml semua frekuensi
∑ f o = jml semua frekuensi semua kelas sebelum kelas Persentil
C = panjang interval kelas Persentil
f Pi = frekuensi kelas Persentil
Contoh soal
Nilai Ujian Mid SMT dari 110 mhs adalah sebagai berikut :
NILAI FREKUENSI
31 - 40 7
41 - 50 12
51 - 60 21
61 - 70 31
71 - 80 40
TOTAL 110
Carilah P22
Rumus untuk mencari persentil berada
P22 = 22/100 (110 ) 24,2 di kelas-3
in/ 100 - fo
Pi = Bi + ------------------ C
f Pi
24,2 – 19
P22 = 50,5 + --------------- X 10 = 53,1
20
PRAKTIKUM
1. Data tak berkelompok
Tentukan K1 , D 3 dan P 55 dari data berikut
45, 50, 50, 64, 69, 70, 70, 70, 75, 80, 28, 33, 45, 81, 35, 66, 32, 41, 52, 64. 38, 29,
33, 29, 38, 46, 61. 52, 51, 39, 41, 51, 62, 71, 82, 71, 68, 52, 55, 28, 38, 41, 39, 46
Data diurutkan terlebih dahulu menjadi :
.................................................................................................................................
..............................................................................................................................
K1 =
32
D3 =
P55 =
2. Data berkelompok
Tentukan K 3 , D 7 dan P 23 dari data berikut
Laba Perusaahaan Frekuensi
30 - 37 25
38 - 45 15
46 - 53 32
54 - 61 33
Total 105
K3
D7
P23
33
BAB IV
DISPERSI ( PENYIMPANGAN )
Sehari-hari dalam kehidupan kita sering mendengar orang menyebutkan data statistik.
Rata-rata upah karyawan perusahaan Rp.2.000.0000 per bulan, rata-rata jumlah mahasiswa
baru Universitas Semarang 1200 mahasiswa per tahun ajaran baru. Setiap kali kita
mendengar rata-rata, maka secara otomatis kita membayangkan sekelompok nilai di sekitar
rata-rata tersebut. Ada yang sama dengan rata-rata, ada yang lebih kecil, dan ada yang lebih
besar dari rata-rata tersebut. Dengan kata lain, ada variasi atau dispersi dari nilai-nilai
tersebut, baik terhadap nilai lainnya maupun terhadap rata-ratanya. Ukuran dispersi atau
ukuran variasi atau ukuran penyimpangan adalah ukuran yang menyatakan seberapa jauh
penyimpangan nilai-nilai data dari nilai-nilai pusatnya atau ukuran yang menyatakan
seberapa banyak nilai-nilai data yang berbeda dengan nilai-nilai pusatnya.
Ukuran variabilitas adalah sebuah ukuran derajat penyebaran nilai-nilai variabel dari
suatu ukuran pemusatan data dalam sebuah distribusi. Dua kelompok distribusi data dapat
memiliki nilai ukuran pemusatan yang sama, akan tetapi derajat penyebarannya bisa jadi
sangat berbeda. Misalnya kita memiliki data yang berasal dari dua kelompok individu yang
berbeda. Data kelompok individu A : 24, 24, 25, 25, 25, 26, 26, diperoleh mean sebesar 25.
Dan data dari kelompok individu B : 16, 19, 22, 25, 28, 30, 35, diperoleh mean sebesar 25.
Nilai tendensi sentral dalam dua distribusi A dan B tersebut di atas adalah sama yaitu
keduanya memiliki harga rata-rata = 25. Namun demikian apabila dilihat dari keragaman dan
penyebaran nilai dari kedua distribussi tersebut tampak sangat berbeda. Dimana penyebaran
nilai-nilai dalam distribusi A terlihat lebih homogen dibanding distribusi B. Sebaliknya
penyebaran nilai dalam distribusi B lebih beragam atau heterogen dibanding penyebaran nilai
dalam distribusi A. Hal ini diperlukan suatu indeks yang tidak saja dapat memberikan
gambaran ringkas mengenai suatu distribusi (melalui suatu ukuran pemusatan data atau
ukuran tendensi sentral), melainkan juga diperlukan suatu ukuran yang dapat memberikan
gambaran berdasarkan keragaman nilai-nilai dalam suatu distribusi.
Ukuran dispersi pada dasarnya adalah pelengkap dari ukuran nilai pusat dalam
menggambarkan sekumpulan data. Jadi, dengan adanya ukuran dispersi maka penggambaran
sekumpulan data akan menjadi lebih jelas dan tepat. Ada beberapa macam ukuran variasi atau
dispersi, misalnya nilai jarak (range), rata-rata simpangan (mean deviation), simpangan baku
34
(standard deviation), koefisien variasi (coefficient of variation), ukuran kemencengan kurva
(skewness), dan ukuran keruncingan kurva (kurtosis). Di antara ukuran variasi atau disperse
data tersebut simpangan baku yang sering dipergunakan, khususnya untuk keperluan analisis
data.
Ukuran pemusatan (mean, median, modus) yang telah kita pelajari hanya
menitikberatkan pada pusat data, tapi tidak memberikan informasi mengenai sebaran nilai
pada data tersebut, apakah nilai-nilai data bervariasi ataukah tidak. Terdapat 3 kondisi variasi
data, yaitu data yang homogen (tidak bervariasi), data heterogen (sangat bervariasi), dan data
yang relatif homogen (tidak begitu bervariasi). Ilustrasinya sebagai berikut:
Bila kita perhatikan, ketiga kondisi di atas memberikan nilai rata-rata hitung yang
sama, yaitu sebesar 50. Namun, kenyataannya rata-rata hitung pada data yang homogen dapat
dengan baik mewakili himpunan data keseluruhan. Rata-rata hitung pada data yang relatif
homogen cukup baik mewakili himpunan datanya. Sedangkan, rata-rata hitung pada data
yang heterogen tidak dapat mewakili dengan baik himpunan data secara keseluruhan.
Terdapat beberapa macam ukuran variasi atau dispersi, misalnya nilai jarak (range),
Deviasi rata –rata / simpangan rata-rata (mean deviation), varians, simpangan baku /
Standart Deviasi (standard deviation), dan koefisien variasi (coefficient of variation).
Jangkauan atau ukuran jarak adalah selisih nilai terbesar data dengan nilai terkecil data.
Dengan kata lain range atau disebut juga rentangan atau jarak pengukuran dapat didefinisikan
sebagai jarak antara nilai tertinggi dengan nilai terendah. Besar kecilnya range dapat
digunakan sebagai petunjuk untuk mengetahui taraf keragaman dan variabilitas suatu
distribusi. Semakin tinggi range berarti distribusinya semakin beragam, bervariasi atau
heterogen. Sebaliknya semakin kecil harga range maka distribusinya semakin tidak
bervariasi, tidak beragam, sejenis atau homogen.
Walaupun prosedur yang dilalui sangat sederhana, namun penggunaan range sebagai
ukuran variabilitas harus dilakukan dengan hati-hati. Karena range sangat bergantung pada
data yang ekstrim (yaitu data yang kemunculan dan ketidak munculannya sangat berpengaruh
35
pada tinggi rendahnya nilai range). Oleh karena hanya didasarkan pada dua nilai yang
tertinggi dan terendah inilah, maka range merupakan indeks variabilitas yang tidak dapat
diandalkan, tidak stabil atau tidak mantap (reliable) sebagai pendekatan metodologi ilmiah.
Cara mencari jangkauan dibedakan antara data tak berkelompok dan data berkelompok.
Diantara ukuran variasi yang paling sederhana dan paling mudah dihitung adalah nilai
jarak (range). Jika suatu himpunan data sudah disusun menurut urutan yang terkecil (X1)
sampai dengan yang terbesar (Xn), maka untuk menghitung range data tak berkelompok
digunakan rumus berikut:
Range = Xn - X1
Contoh : 21. 20. 18. 30. 29, 31, 16, 24, 32, 17 , 25, 34
Maka Range = 34 - 17 = 17
A. Selisih titik tengah kelas tertinggi dengan titik tengah kelas terendah
B. Selisih tepi atas kelas tertinggi dengan tepi bawah kelas terendah
UMUR FREKUENSI
1 - 5 2
6 - 10 17
11 - 15 25
16 - 20 6
TOTAL 50
Jangkauan antar kuartil adalah selisih antara nilai kuartil atas dan kuartil bawah .
Jangkauan semi interkuartil atau simpangan kuartil (deviasi kuartil) dari suatu himpunan data,
disimbolkan dengan Q didefinisikan sebagai setengah dari selisih kuartil atas dengan kuartil
bawah . Di mana K1 dan K3 adalah kuartil pertama dan kuartil ketiga dari kelompok data.
36
Jangkauan inter kuartil kadang-kadang digunakan juga meskipun jangkauan semi interkuartil
lebih umum dan sering digunakan sebagai ukuran untuk dispersi data. Rumus-rumus di atas
berlaku baik untuk data tunggal dan data yang telah dikelompokan dalam distribusi frekuensi.
Tentukan jangkauan antar kuartil dan jangkauan semi interkuartil dari data berikut
NILAI FREKUENSI
41 - 50 10
51 - 60 25
61 - 70 31
71 - 80 4
TOTAL 70
37
Simpangan Rata-rata (Deviasi Rata-rata ) adalah rata-rata hitung dari nilai absolut
simpangan.
|X - X |
DR = ---------------------
n
∑| Xi – X | = |4 – 6 |+| 6 – 6 | + | 8 – 6 | + | 6 – 6 | + | 7 – 6 | + | 5 – 6 | + | 6 – 6 |
Untuk Deviasi rata-rata Data Berkelompok deviasi rata-rata dapat dicari dengan rumus :
f|X–X|
Deviasi Rata-rata = ----------------------
n
Contoh : Tabel berikut adalah Tinggi badan dari 50 atlet Panahan
Langkah pertama dicari mean ( Rata-rata ) , dengan rumus mean diperoleh mean (rata-
rata) = 157,7
38
Varians merupakan rata-rata hitung dari kuadrat simpangan setiap pengamatan terhadap rata-
rata hitungnya.
Varians untuk data tak berkelompok dapat ditentukan dengan dua metode yaitu metode angka
kasar dan metode biasa.
Metode Biasa ( Untuk Sampel besar dengan n > 30 )
( X - X )2
2 = ------------------------------
s
n
( X - X )2
s 2 = ------------------------------
n - 1
2
X X-X ( X- X ) X 2
3 -3 9 9
5 -1 1 25
6 0 0 36
8 2 4 64
8 2 4 64
30 18 198
39
n - 1 5 - 1
f ( X - X )2
2 = ------------------------------
s
n
f( X - X )2
2 = ------------------------------
s
n - 1
Contoh
Nilai Frek.
60 – 64 2
65 – 69 6
70 – 74 15
75 – 79 20
80 – 84 16
85 – 89 7
90 - 94 4
Total 70
40
Carilah Varians dari data diatas
Rata- rata = 5435 / 70 = 77,64
Varians dapat dicari dengan metode biasa dan metode angka kasar.
Dengan Metode Biasa
Nilai frekuensi X 2
(X- X )
X - X f(x–x)2
60 – 64 2 62 -15,64 244.6096
65 – 69 6 67 -10,64 113,2096
70 – 74 15 72 -5,64 31,8096
75 – 79 20 77 -0,64 0,4096
80 – 84 16 82 4,36 19,0096
85 – 89 7 87 9,36 87,6096
90 - 94 4 92 14,36 206,2096
Total 70 3399,672
60 – 64 2 62 3844 124
65 – 69 6 67 4489 402
70 – 74 15 72 5184 1080
75 – 79 20 77 5929 1540
80 – 84 16 82 6724 1312
85 – 89 7 87 7569 609
90 - 94 4 92 8464 368
Total 70 5435 425385
Dengan Metode Angka Kasar
fX 2 fX 2
2 = __
s -------------- [ ---------- ]
n n
2
425385 5435
= ----------- - [ --------- ] = 6076,9286 - 6028,4132 = 48,55
70 70
41
4.5 Simpangan Baku ( Standard Deviasi )
Simpangan baku merupakan akar kuadrat positif dari varians. Diantara ukuran dispersi atau
variasi, simpangan baku adalah yang paling banyak digunakan sebab memiliki sifat-sifat
matematis yang sangat penting dan berguna sekali untuk pembahasan teori dan analisis.
Simpangan baku digunakan untuk mengukur penyimpangan atau deviasi masing-masing nilai
individu dari suatu himpunan data terhadap rata-rata hitungnya. Satuan simpangan baku
mengikuti data aslinya. Seperti pada varians, simpangan baku juga dibagi menjadi simpangan
baku populasi dan simpangan baku sampel.
S = Varians
Ukuran – ukuran disperse atau variasi yang telah disebutkan sebelumnya merupakan disperse
absolute, seperti jangkauan, simpangan rata-rata , simpangan rata-rata , simpangan kuartil ,
dan simpangan baku . Ukuran disperse absolute hanya dapat digunakan untuk melihat
penyimpangan-penyimpangan nilai yang terdapat pada suatu kumpulan data, bukan untuk
beberapa kumpulan data.
Untuk membandingkan disperse atau variasi dari beberapa kumpulan data digunakan istilah
relative, yaitu perbandingan antara disperse absolute dan rata-ratanya. Dispersi Relative yang
dirumuskan
Dispersi absolute
Dispersi relative = --------------------------
Rata - rata
Ada beberapa macam disperse relative yaitu : Koefisien Variasi, Variasi Jangkauan, Variasi
Simpangan Rata-rata dan Variasi Kuartil.
4.6 Koefisien Variasi
Jika disperse absolute dinamakan dengan simpangan baku maka dispersi relatifnya disebut
Koefisien Variasi ( KV )
Simpangan Baku
KV = ----------------------- X 100 %
42
Rata-rata
4.7 Variasi Jangkauan
Variasi jangkauan adalah disersi ralatif yang disperse absolutnya dinamakan dengan
jangkauan
Range
VR = ------------- X 100 %
Rata -rata
PRAKTIKUM
1. Data berikut adalah harga saham per lembar dari 15 perusahaan yang terdaftar di
Bursa Efek Indonesia ( dalam ribuan )
7, 9, 6, 10, 8, 6, 11, 15, 12, 19, 13, 14, 15 , 12, 10
Tentukan Range, Jangkauan Antar Kuartil ,Deviasi Rata-rata , Varians , Standart Deviasi
Range =
Jangkauan Antar Kuartil
K1 =
K3
JAK =
Deviasi Rata- rata
Rata – rata = .............................
Deviasi Rata-rata =
43
Varians
Standart Deviasi
44
Deviasi rata-rata
PENDAPATAN FREKUENSI
100 - 199 20
200 – 299 23
300 - 399 12
400 - 499 1
TOTAL 56
Deviasi Rata-rata
3. Dua perusahaan yaitu “ Untung Terus “ dan “Tak Pernah Rugi “ memiliki karyawan
sebayak 52 orang. Untuk keperluan mengenai variasi gaji karyawan, diambil sample
sebanyak 7 orang di setiap perusahaan dengan gaji masing-masing
“ Untung Terus “ 300, 250, 350, 400, 600, 500, 550
“ Tak Pernah Rugi “ 200, 450, 250, 300, 350, 750, 500.
Perusahaan manakah yang memiliki variasi gaji yang lebih baik.
Gunakan ke-4 cara !
KV = KV =
VR = VR =
VSR = VSR =
VK = VK =
BAB V
45
ANGKA INDEKS
5.1 Pengertian.
Angka indeks adalah angka yang dipakai sebagai alat perbandingan dua atau lebih
kegiatan yang sama untuk kurun waktu yang berbeda. Angka Indeks memiliki satuan persen
(% ) namun dalam prakteknya jarang atau hampir tidak pernah disertakan . Angka indeks
berhubungan dengan periode atau waktu maka dalam angka indeks dikenal dua periode yaitu:
Periode ( waktu ) dasar adalah periode yang dipakai sebagai dasar dalam membandingkan
kegiatan tersebut. Periode dasar biasanya dinyatakan dalam angka indeks sebesar 100
Periode ( waktu ) berjalan adalah periode yang dipakai yang sedang berjalan atau periode
yang diperandingkan dalam kegiatan tersebut. Periode berjalan disebut juga periode yang
bersangkutan.
a. Pendeflasian
Pendeflasian adalah perhitungan upah nyata dengan daya beli rupiah atau upah uang
dengan indeks harga.. Upah nyata adalah daya beli rupiah yang diterima. Upah uang
adalah upah yang diterima pekerja dlam bentuk uang.
b. Daya Beli
Daya beli merupakan angka relatif terhadap periode dasar pada waktu indeks disusun.
Cara memperoleh daya beli untuk bebagai tahun adalah dengan membagi daya beli
tersebut dengan indeks tahun yang bersangkutan, kemudian mengalikannya dengan 100
Angka indeks dapat digunakan sebagai syarat penyesuaian dalam berbagai kotrak atau
perjanjian yang diadakan oleh perusahaan. Misalnya penggunaan indeks harga konsumen
dalam perjanjian kerja atau upah dan indeks harga grosir untuk penyesuaian harga-harga
pada waktu pengiriman dalam kontrak dagang jangka panjang.
46
d. Indikator Dunia Perdagangan
Angka indeks juga dapat digunakan sebagai eskalator dari kondisi perdagangan regional
atau dunia pada umumnya. Misalnya indeks harga grosir untuk mengikuti dasar
pergerakan harga dan perencanaan kebijakan harga, indeks produksi untuk mengikuti
perubahan volume produksi fisik, membuat perbandingan-perbandingan dan membuat
perencanaan yang sesuai.
Indeks harga adalah indek yang dipakai untuk mengukur atau menunjukkan perubahan
harga barang , baik untuk satu barang maupun sekumpulan barang
Indek kuantitas adalah angka indek yang dipakai untuk mengukur kuantitas suatu barang
atau sekumpulan barang baik yang diproduksi, dikonsumsi maupun dijual.
Indeks nilai adalah angka indek yang dipakai untuk melihat perubahan nilai dari suatu
barang atau sekumpulan barang , baik yang dihasilkan, diekspor maupun diimpor.
Contoh : Indeks nilai eksport kelapa sawit Indeks nilai import beras
Indeks tidak tertimbang adalah angka indeks yang dalam pembuatannya tidak
memasukkan faktor-faktor yang mempengaruhi naik turunnya angka indek
b. Indeks Tertimbang
47
Indeks tertimbang adalah angka indeks yang dalam pembuatannya memasukkan faktor-
faktor yang mempengaruhi naik turunnya angka indeks.
c. Indeks Rantai
Indeks rantai adalah angka indek yang disusun berdasarkan interval-interval waktu yang
beruntun atau angka indeks yang dipakai untuk membandingkan suatu waktu tertentu
dengan waktu kapan saja sebagai waktu dasar.
1. Indeks Harga
Indeks harga tidak tertimbang secara sederhana dianggap hanya memiliki sebuah variabel
saja sekalipun variabel tersebut merupakan gabungan beberapa variabel.
I t,0 = Pt / P0 X 100
48
I t, 0 = Pt / P0 X 100
Pt . W
I t , 0 = ------------------------- X 100
P0 . W
Dimana W = nilai penimbang
Hasil dari metode penentuan ini dikenal beberapa metode seperti :
i Metode Laspeyres
Rumus :
Pt . Q0
49
IL t.0 = ------------------------- X 100
P0 . Q0
Keterangan :
IL = Indeks Laspeyres
Pt = Harga pada periode t
P0 = Harga pada periode dasar
Q0 = Kuantitas pada periode dasar
Contoh soal
Data berikut adalah harga dari beberapa barang
Nama 2009 2010 2011
Brg
Harga Jumlah Harga Jumlah Harga Jumlah
Beras 5000 30 6000 40 6500 50
Minyak 6000 30 6500 50 7500 60
Gula 7000 20 8000 35 8500 60
535000
= ----------- x 100 = 113,8298
470000
ii Metode Paasche
Rumus :
Pt . Qt
IP t.0 = ------------------------- X 100
P0 . Qt
Keterangan :
IP = Indeks Paasche
Pt = Harga pada periode t
P0 = Harga pada periode dasar
Qt = Kuantitas pada periode t
Indeks Paasche tahun 2010 dengan tahun dasar 2009 adalah
845000
50
I P 2010, 2009 = ----------- X 100
745000
= 113,4228
Keterangan :
IP = Indeks Paasche
IL = Indeks Lespayres
iv. Metode Fischer
Rumus :
IF t.0 = IL X IP
Keterangan :
IP = Indeks Paasche IL = Indeks Lespayres
v. Metode Marshal – Edgeworth
Rumus
Pt ( Qo + Qt )
IME t.0 = ------------------------- X 100
P0 ( Q0 + Qt )
Keterangan :
IME = Indeks Marshal Edgeworth
Pt = Harga pada periode t
P0 = Harga pada periode dasar
Qt = Kuantitas pada periode t
Q0 = Kuantitas pada periode 0
2. Indeks Kuantitas
Indeks kuantitas Tidak Tertimbang
i.Metode Angka Relatif
Rumus :
51
IK t, 0 = Qt / Qo X 100
ii Metode Paasche
Rumus :
Qt . Pt
IKP t.0 = -------------------- X 100
Q0 . Pt
52
Keterangan :
IP = Indeks Paasche
Pt = Harga pada periode t
Qt = Kuantitas pada periode t
Q0 = Kuantitas pada periode dasar
vi. Metode Drobisch
Rumus :
IL + I P
ID t.0 = ------------------
2
Keterangan :
IP = Indeks Paasche
IL = Indeks Lespayres
IF t.0 = IL X IP
Keterangan :
IP = Indeks Paasche
IL = Indeks Lespayres
viii. Metode Marshal – Edgeworth
Rumus
Qt ( Po + Pt )
IME t.0 = ------------------------- X 100
Q0 ( P0 + Pt )
53
Produktivitas Periode t
I Prod = -------------------------------------- X 100
Produktivitas Periode Dasar
Contoh :
Sebuah perusahaan pembuat tas pada tahun 2009 mempekerjakan 500 jam kerja untuk
menghasilkan 300 tas, dan pada tahun 2008 mempekerjakan 550 jam kerja untuk
menghasilkan 250 tas. Tentukan indeks produktifitas tahun 2009 dengan tahun 2008
sebagai tahun dasar
Produktivitas tahun 2008 = 250 / 550
= 0,45 tas per jam kerja
Produktivitas tahun 2009 = 300 / 500
= 0,6 tas per jam kerja
Produktivitas tahun 2009
I prod = ---------------------------------
Produktifitas tahun 2008
0,6
= -------------- X 100 = 133,33
0,45
PRAKTIKUM
1. Tabel berikut adalah harga dan jumlah barang pada 3 tahun terakhir
Soal : Dengan data tersebut carilah indeks harga tahun 2017 dengan tahun dasar 2015
dengan metode :
a. Metode Laspeyres
b. Metode Paasche
c. Metode Drobisch
54
d. Metode Fischer
e. Metode Marshal – Edgeworth
Jawab :
a. Metode Laspeyres
Pt . Q0
IL 2017, 2015 = ------------------------- X 100
P0 . Q0
b. Metode Paasche
Pt . Qt
IP 2017, 2015 = ------------------------- X 100
P0 . Qt
c. Metode Drobisch
IL + I P
ID 2017.2015 = ------------------
2
d. Metode Fischer
IF 2017, 2015 = IL X IP
55
e. Metode Marshal – Edgeworth
Pt ( Qo + Qt )
IME 2017, 2015 = ------------------------- X 100
P0 ( Q0 + Qt )
a. Metode Laspeyres
b. Metode Paasche
56
3. Sebuah perusahaan kulit yang memproduksi tas , sepatu dan ikat pinggang pada tahun
2010 membutuhkan 5 jam / tas , 3 jam/ sepatu dan 1 jam/ikat pinggang. Pada tahun
2011 perusahaan membutuhkan 550 jam kerja untuk memproduksi 100 tas 50 sepatu
dan 50 ikat pinggang. Hitunglah indeks produktivitas tahun 2011 dengan tahun dasar
2010.
BAB VI
ANALISIS TREND
57
Pengertian : Analisis trend merupakan suatu metode analisis yang ditujukan untuk
melakukan suatu estimasi atau peramalan pada masa yang akan datang. Untuk melakukan
peramalan dengan baik maka dibutuhkan berbagai macam informasi (data) yang cukup
banyak dan diamati dalam periode waktu yang relatif cukup panjang, sehingga dari hasil
analisis tersebut dapat diketahui sampai berapa besar fluktuasi yang terjadi dan faktor-faktor
apa saja yang mempengaruhi terhadap perubahan tersebut. Secara teoristis, dalam analisis
time series yang paling menentukan adalah kualitas atau keakuratan dari informasi atau data-
data yang diperoleh serta waktu atau periode dari data-data tersebut dikumpulkan.
Jika data yang dikumpulkan tersebut semakin banyak maka semakin baik pula estimasi
atau peramalan yang diperoleh. Sebaliknya, jika data yang dikumpulkan semakin sedikit
maka hasil estimasi atau peramalannya akan semakin jelek
Metode Least Square : Metode yang digunakan untuk analisis time series adalah Metode
Garis Linier Secara Bebas (Free Hand Method), Metode Setengah Rata-Rata (Semi Average
Method), Metode Rata-Rata Bergerak (Moving Average Method) dan Metode Kuadrat
Terkecil (Least Square Method). Dalam hal ini akan lebih dikhususkan untuk membahas
analisis time series dengan metode kuadrat terkecil yang dibagi dalam dua kasus, yaitu kasus
data genap dan kasus data ganjil. Secara umum persamaan garis linier dari analisis time series
adalah :
Y=a+bX
Keterangan :
Y adalah variabel yang dicari trendnya
X adalah variabel waktu (tahun).
a = ΣY / N
b = XY / X 2
Variabel X adalah variabel waktu, dimana variabel waktu tidak dinyatakan dalam tahun
tetapi dalam satuan angka yang disebut Koding.
58
Contoh Kasus Data Ganjil :
Data berikut adalah penjualan dari tahun 2010 sampai 2018 di Perusahaan “ MERAH
DELIMA “
Tabel : Volume Penjualan Barang “X” (dalam 000 unit) Tahun 2010 sampai dengan 2018
Tahun Penjualan (Y) X XY X2
2010 200 -4 - 800 16
2011 245 -3 - 735 9
2012 240 -2 - 480 4
2013 275 -1 - 275 1
2014 285 0 0 0
2015 300 1 300 1
2016 290 2 580 4
2017 315 3 945 9
2018 310 4 1.240 16
Jumlah 2.460 775 60
59
Berdasarkan persamaan tersebut untuk meramalkan penjualan pada tahun 2024
Y = 268,75 + 7,26 (untuk tahun 2024 nilai X adalah 19),
ehingga : Y2024 = 268,75 + 137,94 = 406,69
artinya penjualan barang “X” pada tahun 2024 diperkirakan sebesar 406,69 atau 406.690 unit.
PRAKTIKUM
1. Perusahaan “MUMBUL TERUS “ yang memproduksi mainan anak dalam 10 tahun
terakhir mempunyai data sebagai berikut
2
Tahun Produksi X XY X
2010 10
2011 12
2012 15
2013 16
2014 20
2015 22
2016 25
2017 30
2018 33
2019 38
Total
Soal :
a. Buat Persamaan Trend nya
b. Perkirakan produksi tahun 2030
Jawab
a. Persamaan trend nya
a = ΣY / N
a = ................... / .................... =
b = XY / X 2
b = .................../ ..................... =
Persamaan trendnya adalah Y = ...............................................
b. Perkiraan produksi di tahun 2030
Y 2030 = .......................................
2. Data berikut adalah data Harga Saham ( dalam ratusan rupiah )PT “ GATOTKACA”
DARI TAHUN 2011 sampai tahun 2019
2
Tahun Harga Saham X XY X
2011 7
2012 8
2013 10
2014 12
60
2015 13
2016 15
2017 16
2018 18
2019 20
Total
Soal
a. Buat Persamaan trend nya
b. Berapa perkiraan Harga Saham di tahun 2023
Jawab
a. Persamaan trend nya
a = ΣY / N
a = ................... / .................... =
b = XY / X 2
b = .................../ ..................... =
Persamaan trendnya adalah Y = ...............................................
b. Perkiraan Harga Saham di tahun 2023
Y 2023 = .......................................
BAB VII
REGRESI
Y = a+bX
Dimana :
Y = Variabel Response atau Variabel Akibat (Dependent)
X = Variabel Predictor atau Variabel Faktor Penyebab (Independent)
a = konstanta
b = koefisien regresi (kemiringan); besaran Response yang ditimbulkan oleh Predictor.
Nilai-nilai a dan b dapat dihitung dengan menggunakan Rumus dibawah ini :
(Σy) (Σx²) - (Σx) (Σxy)
a = ----------------------------
n ((Σxy) – (Σx) (Σy )
Berikut ini adalah Langkah-langkah dalam melakukan Analisis Regresi Linear Sederhana :
Tentukan Tujuan dari melakukan Analisis Regresi Linear Sederhana
Identifikasikan Variabel Faktor Penyebab (Predictor) dan Variabel Akibat (Response)
Lakukan Pengumpulan Data
Hitung X², Y², XY dan total dari masing-masingnya
Hitung a dan b berdasarkan rumus diatas.
Buatkan Model Persamaan Regresi Linear Sederhana.
62
Lakukan Prediksi atau Peramalan terhadap Variabel Faktor Penyebab atau Variabel
Akibat.
Contoh Kasus Analisis Regresi Linear Sederhana :
1. Diketahui suatu penelitian terhadap hubungan antara nilai biaya periklanan dengan
tingkat penjualan dari sebuah koperasi adalah sebagai berikut : (dalam ribuan rupiah)
Biaya periklanan Tingkat Penjualan
50 40
51 46
52 44
53 55
54 49
63
n(Σxy) – (Σx) (Σy)
b= ---------------------------
n(Σx²) – (Σx)²
PRAKTIKUM
1. Data berikut adalah jumlah tenaga kerja yang digunakan perusahan dalam pabrik pakaian jadi
2
Tenaga Kerja Jumlah Produksi X Y2 XY
10 50
15 53
17 60
20 65
22 67
Jawab
∑ Y = ............. ∑ X = ..................
64
∑ Y2 = ........... ∑ X2 = ................
∑ XY = ...........
2. Perusahaan “ Tali Jiwo “ yang memproduksi sepatu anak mempunyai data jumlah barang
yang diproduksi dan jumlah mesin yang digunakan adalah sebagai berikut :
2 2
Barang yg diproduski Jml.Mesin X Y X Y
12 2
13 4
15 5
20 7
25 10
28 12
65
a = ---------------------------- = ------------------------------ = ------------- =
n(Σx²) – (Σx)²
66