## B EE LL AA J J AARRT TA AN NP PA AB B

A TA AT SA S
PRODI DIII KEBENDAHARAAN NEFARA – PKN STAN – BPPK – KEMENKEU RI

STATISTIKA
PERTEMUAN I
Pengenalan Statistika
 # B E L A J A R T A N P A B A T A S
PRODI DIII KEBENDAHARAAN NEFARA – PKN STAN – BPPK – KEMENKEU RI

M a t e r i Pe r t e m u a n I
Ko n s e p S t a t i s t i ka
a. Pengertian dan jenis data
b. Pengertian statistik dan statistika
c. Pengertian sampel dan populasi
d. Pengertian statistik dan parameter
e. Skala data
 STATISTIKA?
STATISTIK?
3

# B E L A J A R T A N P A B A T A S – p k n s t a n . a c . i d
 STATISTIK atau STATISTIKA ?
4

# B E L A J A R T A N P A B A T A S – p k n s t a n . a c . i d
 5

TATISTIKA

p k n s t a n . a c . i d
ilmu yang mempelajari tentang cara
merencanakan, mengumpulkan, mengolah,
menganalisis, menginterpretasikan, dan menarik

–
# B E L A J A R T A N P A B A T A S
kesimpulan dari suatu data
 6

TATISTIK

Kumpulan data baik berupa bilangan maupun
bukan bilangan yang disajikan dalam tabel
ataupun gambar yang melukiskan atau
menggambarkan suatu persoalan
p k n s t a n . a c . i d
Nilai atau ukuran yang diperoleh sebagai
hasil dari perhitungan /pengukuran unit-unit
dalam sampel. Nilai ini merupakan penduga
bagi parameter populasi
Populasi
Univeristas

–
3.000

# B E L A J A R T A N P A B A T A S
...
Memilih sebagian 1 2 3000
(sampel) Rata-rata 60,5 Kg
Berat Badan
300
Parameter
...
1 2 300
Rata-rata 61,5 Kg Penduga/penaksir
Berat Badan
Statistik
 TATISTIKA → Ilmu

TATISTIK → Object yang dipelajari

7

# B E L A J A R T A N P A B A T A S – p k n s t a n . a c . i d
 8

TATISTIKA
JENIS

STATISTIKA

p k n s t a n . a c . i d
DESKRIPTIF INFERENSIA

Metode metode yang berkaitan
dengan pengumpulan, pengolahan,
dan penyajian sebagian atau seluruh
data (pengamatan) sehingga memberi
informasi yang berguna
(Menggambarkan)
–
# B E L A J A R T A N P A B A T A S
Mencakup semua metode statistik
yang berhubungan dengan analisis
sebagian data untuk kemudian sampai
pada penarikan kesimpulan mengenai
keseluruhan gugus data induknya
(Generalisasi)
(Interpretasi)

Statistika inferensi didahului oleh statistik deskriptif

 9

TATISTIKA
JENIS (Berdasarkan asumsi distribusi)

p k n s t a n . a c . i d
• Statistika Parametrik
– Bila dikembangkan dengan menggunakan asumsi bahwa variabel
yang menjadi inputnya memiliki bentuk distribusi tertentu.

–
# B E L A J A R T A N P A B A T A S
• Statistika Non-Parametrik
– Bila dikembangkan tanpa adanya asumsi bentuk distribusi tertentu.
 10

ATA
Apa Itu Data?
sesuatu yang diketahui atau dianggap,
meskipun belum tentu benar

p k n s t a n . a c . i d
dapat berupa huruf, angka maupun
simbol yang memiliki yang masih tidak
terorganisir dan mentah

–
# B E L A J A R T A N P A B A T A S
dapat digunakan untuk menggambarkan suatu
keadaan /ide/persoalan dan sifatnya tidak
terbatas dan ada diseluruh alam semesta

Data yang baik adalah data yang

bermanfaat
 11

ATA
Apa Itu Data?

p k n s t a n . a c . i d
adalah sebuah fakta atau serangkaian
fakta yang mewakili suatu kejadian.

–
# B E L A J A R T A N P A B A T A S
Contoh:
umur, Uang A hari ini = Rp. 35.000.000, Rekening Saldo bank nilai ujian,
warna mobil, ukuran sepatu, jenis rambut.
 12

Informasi

p k n s t a n . a c . i d
hasil pemrosesan dari data yang telah terkumpul
sehingga memiliki arti dalamsuatu konteks tertentu.

–
# B E L A J A R T A N P A B A T A S
Contoh:
lulusan terbaik tahun 2020,
Rata-rata IPK lulusan 2020,
kondisi keuangan A dalam seminggu meningkat sebanyak 180%
padahal minggu yang lalu dia mengalami penurunan sebesar 20%.
 13

Pengetahuan

p k n s t a n . a c . i d
hasil pengolahan informasi sehingga
menjadi bermanfaat

–
# B E L A J A R T A N P A B A T A S
Contoh Pengetahuan
Sepanjang pengetahuan saya, A selalu memiliki uang lebih banyak
dibandingkan B.
# B E L A J A R T A N P A B A T A S – p k n s t a n . a c . i d
14
# B E L A J A R T A N P A B A T A S – p k n s t a n . a c . i d
15
 16

ATA
Kegunaan Data

 Dasar suatu perencanaan

p k n s t a n . a c . i d
◦ Bertujuan agar perencanaan sesuai dengan kemampuan
supaya dapat dihindari perencanaan yang sulit untuk
dilaksanakan (ambisius).
 Alat pengendalian

–
# B E L A J A R T A N P A B A T A S
◦ Bertujuan agar bisa diketahui dengan segera kesalahan
atau penyimpangan yang terjadi, sehingga dapat segera
diperbaiki atau dikoreksi.
 Dasar evaluasi
◦ Dari hasil kerja akhir. Apakah target dapat tercapai?
kalau tidak tercapai, faktor apa saja yang mempengaruhi
 17

ATA
Syarat Data Yang Baik
REPRESENTATIF

p k n s t a n . a c . i d
B
RELIABLE

–
OBYEKTIF A C KESALAHAN

# B E L A J A R T A N P A B A T A S
SAMPLING KECIL
Syarat Data
yang baik
MANFFAT

Relevan E D Up To Date
 18

ATA
Jenis Data

p k n s t a n . a c . i d
DATA

MENURUT SIFAT MENURUT CARA MEMPEROLEH MENURUT WAKTU PENGUMPULANNYA

–
# B E L A J A R T A N P A B A T A S
Kualitatif Kuantitatif Primer Sekunder Time Series Cross Section

data yang tidak data yang data yang data yang data yang data yang
berbentuk angka berbentuk angka dikumpulkan dan diperoleh dalam dikumpulkan dari dikumpulkan dalam
(nonnumeric) diolah sendiri oleh bentuk yang sudah waktu ke waktu satu waktu tertentu,
pada beberapa obyek
suatu organisasi jadi, sudah pada satu obyek untuk
atau perseorangan dikumpulkan dan untuk menggambarkan
langsung dari diolah oleh pihak menggambarkan keadaan pada waktu
obyeknya lain perkembangan tersebut
 19

ATA
Skala Data
DATA Berdasarkan sifatnya terbagi atas DATA KUALITATIF dan DATA KUANTITATIF

p k n s t a n . a c . i d
DATA KUALITATIF : DATA KUANTITATIF :
Data yang dinyatakan dalam Data yang dinyatakan dalam
bentuk bukan angka. bentuk angka
Contoh : jenis pekerjaan, jenis Contoh : lama bekerja, jumlah gaji,
kelamin usia, hasil ulangan

–
# B E L A J A R T A N P A B A T A S
DATA
Menurut tingkatan skala

KUALITATIF/KATEGORIK JENIS KUANTITATIF/NUMERIK

DATA

NOMINAL INTERVAL
ORDINAL RASIO
 20

ATA
Skala Pengukuran
Rasio/Nisbah

p k n s t a n . a c . i d
Berat, tinggi, jarak, kecepatan, harga saham

Interval/Selang
IQ, suhu, EQ
Numerik

–
# B E L A J A R T A N P A B A T A S
Ordinal
Jabatan, kualitas barang

Nominal
Suku, merk, tipe, golongan darah, nama saham
Kategorik
 21
Nominal

Data berskala nominal adalah data yang digunakan

p k n s t a n . a c . i d
untuk kategorisasi atau klasifikasi.

CIRI :
hanya dapat dibedakan dan tidak ada derajat yang

–
lebih tinggi maupun lebih rendah

# B E L A J A R T A N P A B A T A S
tidak bisa dilakukan operasi matematika (+, -, x, :)

CONTOH : jenis kelamin, suku, warna baju, tipe,

golongan darah, nama saham
 22
Ordinal

Data berskala ordinal adalah data yang digunakan

p k n s t a n . a c . i d
untuk kategorisasi atau klasifikasi serta sudah dapat
digunakan untuk menunjukkan tingkatan

CIRI :
dapat dibedakan dan juga dapat diurutkan,

–
# B E L A J A R T A N P A B A T A S
tidak bisa dilakukan operasi matematika (+, -, x, :)

CONTOH :
ranking di kelas, tingkat Pendidikan, jabatan,
kualitas barang, ukuran baju (s ,m, l, xl)
 23

Interval/Selang

Data berskala interval adalah data yang dapat digunakan

p k n s t a n . a c . i d
untuk membedakan, menunjukkan tingkatan,
mempunyai jarak/interval yang sudah pasti, tetapi belum
memiliki nilai nol yang mutlak.
CIRI :

–
Tidak ada nol mutlak

# B E L A J A R T A N P A B A T A S
Bisa dilakukan operasi matematika

CONTOH :
temperatur yang diukur berdasarkan 0C dan 0F, IQ,
Skor IQ, Skor TOEFL
 24

Rasio/Nisbah

Data berskala rasio adalah data yang dapat

p k n s t a n . a c . i d
digunakan untuk membedakan, menunjukkan
tingkatan, mempunyai jarak/interval yang sudah
pasti, dan memiliki nilai nol yang mutlak.

–
CIRI :

# B E L A J A R T A N P A B A T A S
nilainya dapat dibandingkan
bisa dilakukan operasi matematika

CONTOH :
Berat, tinggi, jarak, kecepatan, harga saham, jumlah
buku, berat badan, jarak tempuh, penghasilan
 25

ATA
Ringkasan data menurut tingkatan skala

p k n s t a n . a c . i d
Dapat Dapat Ada makna Dapat
Contoh
dibedakan diurutkan selish dibandingkan

Nominal V Warna Baju

Data

–
Kategorik

# B E L A J A R T A N P A B A T A S
Ranking di
Ordinal V V
kelas

Interval V V V Temperatur

Data Numerik
Jarak tempuh
Rasio V V V V
mobil
 26

Contoh hasil Pengamatan

No Nama Jenis Kelamin Pendidikan Pekerjaan Pendapatan Suhu Badan Berat Badan Tinggi Badan

p k n s t a n . a c . i d
1 Andi Laki-Laki S1 Guru Sedang 36.6 77 167
2 Budi Laki-Laki SMP Karyawan Rendah 36.5 60 163
3 Dodi Laki-Laki D3 Karyawan Sedang 36.6 65 169

–
4 Ratih Perempuan S1 Karyawan Tinggi 36.2 55 154

# B E L A J A R T A N P A B A T A S
5 Susi Perempuan SMA Wirausaha Sedang 36.7 57 150

Tentukan skala datanya

 27

Populasi dan Sampel

Populasi
Himpunan atau kumpulan

p k n s t a n . a c . i d
,2,
dari semua obyek yang akan
diteliti

–
# B E L A J A R T A N P A B A T A S
Sampel
𝑥ҧ , S2, S Himpunan bagian dari populasi.
Sampel harus memberikan
gambaran sebaik mungkin tentang
populasi, sehingga dengan
mengambil sejumlah anggota
populasi, maka kita dapat berbicara
mengenai anggota populasi secara
keseluruhan
 28

olah/analisis
Parameter :

p k n s t a n . a c . i d
parameter
data populasi – Adalah suatu besaran yang
menyatakan kondisi dari populasi.
– Misal, rata-rata (), variansi (2),
Penduga
simpangan baku ().
olah/analisis

–
# B E L A J A R T A N P A B A T A S
statistik Statistik :
data contoh
– Adalah suatu besaran yang menyatakan
kondisi dari sampel.
– Misal, rata-rata (ഥ
𝒙) , variansi (S2),
Parameter susah untuk diketahui, yang mudah simpangan baku (S).
kita ketahui adalah statistik. Statistik merupakan
penduga bagi parameter.
 29

Sensus vs Survei
Mengamati/mengukur Mengamati/mengukur

p k n s t a n . a c . i d
seluruh anggota populasi sebagian anggota populasi →
hanya contoh
Keuntungan: diperoleh karakteristik yang sebenarnya Keuntungan: data diperoleh dengan waktu, tenaga,
(true value). peralatan, dan biaya yang relatif lebih kecil.

–
Kelemahan: memakan waktu, tenaga, peralatan, biaya Kelemahan: sampel yang dikumpulkan belum tentu dapat

# B E L A J A R T A N P A B A T A S
dan seringkali tidak mungkin dilakukan ketika akan merepresentasikan populasi
membuat kesimpulan
 30
Populasi

Sampling Pendugaan

p k n s t a n . a c . i d
Contoh

–
# B E L A J A R T A N P A B A T A S
Deskriptif
Tingkat Keyakinan

Statistika Deskriptif
vs
Statistika Inferensia Ilmu Peluang
 31

ATA
Teknik Pengumpulan Data

Interviews

p k n s t a n . a c . i d
Dilakukan secara tatap muka dengan nara sumber maupun tanpa
melalui tatap muka (misalnya lewat telepon)

Pemeriksaan Dokumen
Meneliti dokumen-dokumen yang mempunyai
relevansi dengan penelitian

–
# B E L A J A R T A N P A B A T A S
Kuesioner
Berbentuk pengajuan daftar pertanyaan secara tertulis yang
telah dipersiapkan sebelumnya untuk diisi oleh responden

Observation
Mengamati dan mencatat obyek yang diteliti, baik
di laboratorium maupun di lapangan
 # B E L A J A R T A N P A B A T A S
PRODI DIII KEBENDAHARAAN NEFARA – PKN STAN – BPPK – KEMENKEU RI

TERIMA KASIH
#B ELA JA RTANPA BATAS