Handbook

Statistika 1

By Nurwinda Apriyani, M.Pd

Nurwinda Apriyani, M.Pd

apriyani.nurwinda@gmail.com Page 1
 I. Pendahuluan
A. Pengertian Statistik dan Statistika
1. Pengertian Statistik
Kamus Matematika, Pustaka Gama.
Jika 𝑋1 , 𝑋2 , ..., 𝑋𝑛 adalah contoh acak berukuran 𝑛 dari populasimaka fungsi 𝑌 =
𝑇(𝑋1 , 𝑋2 , ..., 𝑋𝑛 ; penduga dari parameter populasi.

Sudjana. 2005. Metoda Statistika. Bandung: Tarsito.

Statistik digunakan untuk menyatakan kumpulan data, bilangan maupun non-
bilangan yang disusun dalam tabel dan atau diagram, yang melukiskan atau
menggambarkan suatu persoalan. Statistik yang menjelaskan sesuatu hal
biasanya diberi nama statistik mengenai hal yang bersangkutan, seperti statistik
penduduk, statistik pendidikan, statistik produksi.

Walpole, Ronald E. 1995. Pengantar Statistika Edisi ke-3. Jakarta: Gramedia

Pustaka Utama.
Statistik adalah sembarang nilai yang menjelaskan ciri suatu contoh/ sampel.

Sugiyono. 2015. Statistik Nonparametris untuk Penelitian. Bandung: Alfabeta.

Dalam arti sempit statistik dapat diartikan sebagai data, tetapi dalam arti luas
statistik dapat diartikan sebagai alat, alat untuk analisis dan membuat
keputusan.

Statistik adalah penduga parameter.

2. Pengertian Statistik
Kamus Matematika, Pustaka Gama.
➢ cabang ilmu matematika yang mula-mula dikembangkan berlandaskan teori
probabilitas, tetapi akhir-akhir ini ada juga bagian statistika yang tidak
berlandaskan teori probabilitas.
➢ ilmu yang mempelajari cara memperoleh, sifat-sifat dan kegunaan statistik;
yang meliputi perancangan, pengumpulan dan analisis data, serta penafsiran
hasil analisis data, serta penafsiran hasil dan penarikan kesimpulan.

Sudjana. 2005. Metoda Statistika. Bandung: Tarsito.

Statistika adalah pengetahuan yang berhubungan dengan cara-cara
mengumpulkan data, pengolahan atau penganalisisannya dan penarikan
kesimpulan berdasarkan kumpulan data dan penganalisisan yang dilakukan.

Statistika adalah pendugaan parameter (parameter = ukuran karakteristik yang

mencirikan populasi).

B. Peranan Statistik
Statistika banyak diterapkan di bermacam-macam ilmu mulai dari ilmu alam dan
ilmu sosial maupun di bidang bisnis. Salah satu contoh dari penerapan ilmu statistika

Nurwinda Apriyani, M.Pd

apriyani.nurwinda@gmail.com Page 2
 terhadap bidang perekonomian yaitu perhitungan pertumbuhan ekonomi, inflasi,
jumlah uang beredar, tingkat kemiskinan, jumlah pengangguran dan lainnya,
sedangkan dalam bidang industri dapat dicontohkan pada perhitungan jumlah
produksi barang atau jasa yang mencapai keuntungan maksimum, kapan waktu yang
tepat untuk mengembangkan produk baru atau menambah produksi. Dalam bidang
bisnis juga statistik diterapkan antara lain, perhitungan indeks tendensi bisnis,
perhitungan dividen, peluang mendapatkan keuntungan jika menanamkan investasi
di saham dan lainnya.

Salah satu contoh dari penerapan ilmu statistika ekonomi pada bisnis yaitu
penggunaan indeks tendensi bisnis (ITB). Indeks Tendensi Bisnis adalah indikator
perkembangan ekonomi terkini yang datanya diperoleh dari Survei Tendensi Bisnis
(STB) yang dilakukan oleh Badan Pusat Statistik bekerja sama dengan Bank Indonesia
dengan variabel pembentuk indeks tendensi bisnis yaitu pendapatan usaha,
penggunaan kapasitas produksi/ usaha dan rata-rata jam kerja.

C. Landasan Kerja Statistik

Boedijoewono, Noegroho. 2016. Pengantar Statistika Ekonomi dan Bisnis Jilid 1
(Deskriptif). Yogyakarta: UPP STIM YKPN.
Tahap-tahap kegiatan statistik sebagai berikut:
1. Pengumpulan Data (Collection of Data)
Ada 2 cara atau metode pengupulan data yakni:
a. Pengumpulan data secara keseluruhan (Metode Sensus)
b. Pengumpulan data berdasar sampel (Metode Sampel)
Dengan menggunakan metode sampel yang tepat, baik dalam cara
pemilihan sampel, pengambilan sampel, serta penggunaan metode
perhitungan yang benarmaka hasil-hasil sampel dapat menggambarkan
keadaan keseluruhan atau populasinya. Metode sampel dinilai dapat
menghemat waktu, tenaga dan biaya.
2. Penyusunan Data (Organization of Data)
Kegiatan penyusunan data dapat dibedakan dalam 3 hal, yakni:
a. Editing
Editing adalah cara mendeteksi adanya kemungkinan kesalahan,
ketidakkonsistenan dan ketidakteraturan, atau ketidaktepatan dari data
yang telah dikumpulkan.
b. Classify
Mengadakan klasifikasi atau pengelompokkan data sesuai dengan sifat-sifat
yang dimiliki oleh data. Kegiatan ini dilakukan setelah melaksanakan editing.
c. Tabulation
Tabulasi yakni mengadakan pengelompokkan data sesuai dengan sifat-sifat
data yang telah ditentukan dalam susunan kolom-kolom dan baris-baris,
sehingga data tersebut mudah ditarik kesimpulannya.

Nurwinda Apriyani, M.Pd

apriyani.nurwinda@gmail.com Page 3
 3. Pengumuman Data (Presentation of Data)
Pengumuman data dimaksudkan agar data yang telah tersusun dapat
disebarluaskan dan mudah dilihat secara visual (seperti dalam bentuk tabel,
grafik, dan diagram).
4. Analisis Data (Analysis of Data)
Analisis data adalah analisis dari data yang telah dikumpulkan dan disusun.
Analisis data dilakukan dengan menggunakan metode statistik. Dengan adanya
analisis data kita dapat memperoleh gambaran keseluruhan dari data yang telah
dikumpulkan.
5. Interpretasi Data (Interpretation of Data)
Interpretasi data diperlukan keahlian tinggi, sikap hati-hati, pertimbangan
matang dan sikap obyektif. Apabila interpretasi dapat dilakukan dengan baik
maka akan memperoleh suatu kesimpulan yang benar.

D. Kesalahan dalam Menggunakan Statistik

Sudjana. 2005. Metoda Statistika. Bandung: Tarsito.
Sebelum data diolah lebih lanjut, lakukanlah pemeriksaan kembali terhadap data itu.
Ini perlu dilakukan untuk menghindari ha-hal yang tidak diinginkan misalnya
kekeliruan ataupun ketidakbenaran tentang data. Tidak beresnya alat pengukur,
tidak telitinya orang yang membaca alat-alat untuk mendapatkan data dan tidak
telitinya waktu mengadakan pencatatan atau menyalin data akan menghasilkan data
yang kebenarannya tidak dapat dipercaya. Periksalah apakah ada data yang
meragukan dan jika ini terjadi maka cepatlah diyakinkan kebenarannya.

Boedijoewono, Noegroho. 2016. Pengantar Statistika Ekonomi dan Bisnis Jilid 1

(Deskriptif). Yogyakarta: UPP STIM YKPN.
Batasan/ Limitasi Statistik adalah sebagai berikut:
1. Statistik hanya digunakan untuk data yang bersifat kuantitatif. Sedangkan data
bersifat kualitatif tidak menjadi obyek pengamatan statistik. Namun demikian
beberapa data kualitatif dapat dikonversi ke dalam bentuk kuantitatif, seperti
aspek psikologis dapat dianalisis menggunakan metode statistik.
2. Statistik tidak membahas data individual. Statistik memusatkan perhatiannya
pada data keseluruhan dan tidak membahas data secara individual. Hasil-hasil
statistik hanya benar dalam pengertian keseluruhan atau dalam pengertian rata-
rata. Statistik bukan merupakan ilmu pasti sebagaimana halnya pada
matematika dan fisika. Kesimpulan dalam statistik adalah berdasarkan
pengertian data keseluruhan. Kesimpulan secara statistik belum tentu benar
bagi pengertian individual.
3. Statistik hanya dapat dipergunakan bagi seseorang yang memahami statistik.
Jika statistik dipergunakan oleh seseorang yang tidak memahami statistik maka
akan membawa akibat pada suatu kesimpulan yang keliru.
4. Statistik tidak dapat digunakan untuk membuktikan sesuatu. Statistik hanya
memberi gambaran terhadap gejala-gejala masyarakat yang dapat dikuantifisir,
mengelompokkan dalam berbagai bagian, membuat ringkasan terhadap data
yang menunjukkan adanya hubungan dan mempersiapkan data sebagai dasar
Nurwinda Apriyani, M.Pd
apriyani.nurwinda@gmail.com Page 4
 untuk mengambil keputusan. Apabila pengambilan keputusan dapat
menggunakan metode statistik dengan benar maka data statistik tersebut dapat
membawa pada suatu kesimpulan yang benar.

E. Pendekatan dalam Statistik

Sugiyono. 2015. Statistik Nonparametris untuk Penelitian. Bandung: Alfabeta.
1. Statistik Deskriptif
Statistik deskriptif adalah adalah statistik yang digunakan untuk
menggambarkan atau menganalisis suatu statistik hasil penelitian, tetapi tidak
digunakan untuk membuat kesimpulan yang lebih luas (generalisasi/inferensi).
2. Statistik Induktif/ Inferensial
Statistik inferensial adalah statistik yang digunakan untuk menganalisis data
sampel yang diambil secara random dan hasilnya akan digeneralisasikan
(diinferensikan) untuk populasi dimana sampel itu diambil. Terdapat 2 macam
statistik inferensial, yaitu:
a. Statistik Parametris
Statistik parametris digunakan untuk menganalisis data interval atau rasio,
yang diambil dari populasi yang berdistribusi normal.
b. Statistik Non parametris
Statistik Non parametris terutama digunakan untuk menganalisis data
nominal dan ordinal dari populasi yang bebas distribusi, sehingga tidak harus
normal.

Budiyono. 2009. Statistika untuk Penelitian Cetakan ke-2. Surakarta: UNS Press.
Skala pengukuran variabel:
a. Kategori
1) Nominal. Karakteristik; dilakukan klasifikasi atau kategori pengamatan.
Apabila digunakan lambang bilangan pada skala nominal maka lambang
tersebut hanya sebagai label saja. Contoh; jenis kelamin, agama.
2) Ordinal. Karakteristik; dapat dilakukan klasifikasi pengamatan dan
pengurutan pengamatan. Apabila digunakan lambang bilangan pada
skala ini maka lambang bilangan tersebut hanya menunjukkan urutan
saja. Contoh; tingkat pendidikan, golongan PNS.
b. Numerik → Diskrit (bilangan bulat hasil menghitung)
→ Kontinu (hasil mengukur)
1) Interval. Karakteristik; dapat dilakukan klasifikasi, pengurutan
pengamatan dan terdapatnya satuan pengukuran. Apabila digunakan
lambang bilangan maka lambang bilangan tersebut menunjukkan nilai
relatif dari hasil pengukuran. Contoh; prestasi belajar
2) Rasio. Karakteristik; dapat dilakukan klasifikasi pengamatan,
pengurutan pengamatan, terdapatnya satuan pengukuran dan dapat
dilakukannya perbandingan pengukuran dan ada nilai nol mutlak.
Contoh; berat benda.

Nurwinda Apriyani, M.Pd

apriyani.nurwinda@gmail.com Page 5
 F. Cara Membulatkan Bilangan
Sudjana. 2005. Metoda Statistika. Bandung: Tarsito.
Untuk keperluan perhitungan, analisis atau laporan sering dikehendaki pencatatan
data kuantitatif dalam bentuk yang lebih sederhana. Karenanya bilangan-bilangan
perlu disederhanakan atau dibulatkan. Aturan pembulatan angka yang digunakan
sebagai berikut:
1. Aturan 1: Jika angka terkiri dari yang harus dihilangkan 4 atau kurang maka
angka terkanan dari yang mendahuluinya tidak berubah.
Misalnya Rp 59.376.402,96 dibulatkan hingga jutaan rupiah menjadi Rp 59juta.
Angka yang harus dihilangkan ialah mulai dari 3 ke kanan dan dan ini merupakan
angka terkiri. Angka terkanan dari yang mendahului 3, ialah 9, harus tetap.
2. Aturan 2: Jika angka terkiri dari yang harus dihilangkan lebih dari 5 atau 5 diikuti
angka bukan nolmaka angka terkanan dari yang mendahuluinya bertambah
dengan satu.
Contoh:
a. 6.948 kg, dibulatkan hingga ribuan akan menjadi 7.000 kg
b. Rp 176,51 dibulatkan hingga satuan rupiah menjadi Rp 177. Angka-angka
yang harus dihilangkan adalah 51 dengan angka terkiri 5 yang diikuti angka 1
(bukan nol). Karenanya angka 6 yang mendahului 5 harus ditambah dengan
satu.
3. Aturan 3: Jika angka terkiri dari yang harus dihilangkan angka 5 atau 5 yang
diikuti oleh angka-angka nol belakamaka angka terkanan dari yang
mendahuluinya tetap jika ia genap, tambah satu jika ia ganjil. Aturan 3 disebut
aturan genap terdekat yang diambil untuk membuat keseimbangan antara
pembulatan ke atas dan ke bawah, jika yang harus dihilangkan itu terdiri atas
angka 5 atau 5 diikuti oleh hanya angka-angka nol.
Contoh:
a. 8,5 atau atau 8,500 menjadi 8 jika dibulatkan teliti hingga satuan. Angka
yang harus dihilangkan masing-masing 5 dan 500 sedangkan yang
mendahuluinya adalah genap, yakni 8. Jadi harus tetap 8.
b. Akan tetapi 19,5 atau 19,50 menjadi 20 jika dibulatkan hingga satuan. Ini
disebabkan angka yang mendahului 5 atau 50 merupakan bilangan ganjil,
yakni 9. Jadi harus ditambah dengan satu.
Aturan pembulatan angka ditampilkan pada bagan berikut.

Nurwinda Apriyani, M.Pd

apriyani.nurwinda@gmail.com Page 6
 II. Distribusi Frekuensi
A. Pengertian dan macam-macam distribusi frekuensi

Klasifikasi data
1. Klasifikasi berdasarkan sifat-sifat 2. Klasifikasi berdasarkan bilangan
(atribute)/ data kualitatif (variables)/ data kuantitatif

Penyusunan data secara sistematis (seriation) baik data berdasarkan sifatnya

ataupun bilangan, dapat dilakukan dengan berbagai cara:
1. Berdasarkan 2. Berdasarkan 3. Berdasarkan keadaan/ frekuensi
waktu (time daerah/ (frequency, condition series)
series, wilayah
chronological, (geographical
historical series)
series)
Jenis data:
1. Data tunggal 2. Data kelompok

Distribusi Frekuensi
(tabel frekuensi)
1. Menurut 2. Menurut
bilangan Kategori
(sederhana) (klasifikasi)

Purwanto dan Suharyadi. 2011. Statistika: untuk Ekonomi dan Keuangan Modern.
Jakarta: Salemba Empat.
Distribusi Frekuensi adalah pengelompokkan data ke dalam beberapa kategori yang
menunjukkan banyaknya data dalam setiap kategori.

Boedijoewono, Noegroho. 2016. Pengantar Statistika Ekonomi dan Bisnis Jilid 1

(Deskriptif). Yogyakarta: UPP STIM YKPN.
Distribusi Frekuensi atau tabel frekuensi adalah suatu tabel yang banyaknya
kejadian/ frekuensi (cases) didistribusikan ke dalam kelompok-kelompok (kelas-
kelas) yang berbeda.

B. Range, panjang kelas dan banyaknya kelas.

Jarak (range) = Nilai terbesar – Nilai terkecil

Banyaknya kelas (𝑘) = 1 + 3,3 𝐿𝑜𝑔 𝑛 => Rumus Sturges

atau 2𝑘 ≥ 𝑛 , dengan 𝑛 adalah banyaknya data.

Nilai terbesar – Nilai terkecil

Interval/ Panjang kelas = Banyaknya kelas
atau selisih antara limit atas
kelas dan limit bawah kelas.

Nurwinda Apriyani, M.Pd

apriyani.nurwinda@gmail.com Page 7
 C. Frekuensi, titik tengah, batas kelas, frekuensi komulatif kurang dari dan lebih dari.
Frekuensi adalah banyaknya kejadian yang lengkap.
Limit kelas adalah nilai terendah (limit bawah kelas) dan tertinggi (limit atas kelas)
pada suatu kelas.

limit atas kelas+limit bawah kelas

Titik/ Nilai tengah = 2

Batas atas kelas = limit atas kelas +0,5 jika interval sampai pada bentuk satuan,
+0,05 jika interval sampai pada bentuk sepersepuluh/ 1 angka dibelakang koma, dst)
Batas bawah kelas = limit bawah kelas –0,5 jika interval sampai pada bentuk satuan,
–0,05 jika interval sampai pada bentuk sepersepuluh/ 1 angka dibelakang koma, dst)

frekuensi setiap kelas

Distribusi frekuensi relatif (dalam bentuk persen) = frekuensi total
× 100%

Frekuensi kumulatif menunjukkan seberapa besar jumlah frekuensi pada tingkat

kelas tertentu. Frekuensi kumulatif diperoleh dengan menjumlahkan frekuensi pada
kelas tertentu dengan frekuensi kelas selanjutnya.

Frekuensi kumulatif kurang dari merupakan penjumlahan dari mulai frekuensi kelas
terendah sampai kelas tertinggi dan jumlah akhirnya merupakan jumlah data (𝑛).
(lihat frekuensi untuk nilai kurang dari nilai pada batas bawah kelas)

Frekuensi kumulatif lebih dari merupakan pengurangan dari jumlah data (𝑛) dengan
frekuensi setiap kelas dimulai dari kelas terendah dan jumlah akhirnya adalah nol.
(lihat frekuensi untuk nilai lebih dari nilai pada batas bawah kelas)

D. Grafik histogram, polygon dan ogive

Histogram: menghubungkan antara interval kelas dengan frekuensi => diagram
balok/ batang
Polygon: menghubungkan antara nilai tengah kelas dengan frekuensi => diagram
garis

Poligon frekuensi relatif/ ogif frekuensi

Ogive (ogif)/ poligon frekuensi kumulatif: menghubungkan antara interval kelas
dengan frekuensi kumulatif => diagram garis
Ogive positif: menghubungkan antara interval kelas dengan frekuensi kumulatif
kurang dari
Ogive negatif: menghubungkan antara interval kelas dengan frekuensi kumulatif
lebih dari

Nurwinda Apriyani, M.Pd

apriyani.nurwinda@gmail.com Page 8
 III. Pengukuran Nilai Sentral
A. Pengertian Nilai Sentral
Boedijoewono, Noegroho. 2016. Pengantar Statistika Ekonomi dan Bisnis Jilid 1
(Deskriptif). Yogyakarta: UPP STIM YKPN.
Nilai sentral/ tendensi pusat suatu rangkaian data adalah nilai dalam rangkaian data
yang dapat mewakili rangkaian data tersebut.

Walpole, Ronald E. 1995. Pengantar Statistika Edisi ke-3. Jakarta: Gramedia Pustaka
Utama.
Ukuran pemusatan/ ukuran lokasi pusat adalah sembarang ukuran yang
menunjukkan pusat segugus data yang telah diurutkan dari yang terkecil sampai
yang terbesar atau sebaliknya.

B. Mean, Modus dan Median

Pengukuran Nilai Sentral Data Tunggal Data Kelompok
Mean Rata-rata ∑ni=1 xi ∑ fi x i
̅=
X ̅=
X
(Rata-rata) Hitung/ n ∑ fi
Arithmetic Dengan xi adalah nilai/
mean data tengah dan n = ∑ fi

Rata-rata U = n√x1 . x2 … xn ∑ fi . Log xi

Ukur/ U = Log −1 ( )
Atau ∑ fi
Geometric ∑ Log xi
mean U = Log −1 ( )
n

Rata-rata n ∑ fi
H= H=
harmonik/ 1 f
∑( ) ∑ ( i)
Harmonic xi xi
mean
Rata-rata terboboti/ rata-rata hitung tertimbang
dilakukan karena ada datayang mempunyai bobot ∑ni=1 wi . xi
̅
X=
yang tidak sama akibat pengaruh dan kepentingan ∑ni=1 wi
baik berdasarkan waktu maupun besar
pengaruhnya.
Modus/ Mode Merupakan nilai d1
Mo = b + p ( )
(Mo) dengan frekuensi d1 + d2
(fabs ) paling tinggi Dengan
b = batas bawah kelas
interval dengan
frekuensi terbanyak
p = panjang kelas interval
d1 = selisih antara
frekuensi Mo dan
sebelumnya
d2 = selisih antara
frekuensi Mo dan
sesudahnya

Nurwinda Apriyani, M.Pd

apriyani.nurwinda@gmail.com Page 9
 Median n
−F
(Me) Me = b + p (2 )
f
Segugus data yang telah b = batas bawah kelas
diurutkan dari yang interval pada data
terkecil sampai terbesar tengah
atau terbesar sampai p = panjang kelas interval
terkecil adalah F= Jumlah frekuensi
sebelum kelas Me
pengamatan yang tepat Me = X n+1 f = frekuensi kelas Me
2
ditengah-tengah bila
banyaknya pengamatan
itu ganjil

atau

rata-rata kedua X𝑛 + X𝑛
+1
pengamatan yang Me = 2 2
2
ditengah bila banyaknya
pengamatan genap.

C. Hubungan antara Mean, Median dan Modus

Walpole, Ronald E. 1995. Pengantar Statistika Edisi ke-3. Jakarta: Gramedia Pustaka
Utama.
Bentuk atau sebaran segugus pengukuran paling baik ditayangkan melalui sebuah
histogram.
1. Distribusi Simetris = Normal, X̅ = Me = Mo
2. Distribusi tidak simetris/ condong/ menceng/ menjulur, X ̅ ≠ Me ≠ Mo
a. Distribusi Condong ke Kanan (ekor kanan lebih panjang dari ekor kiri), Mo <
𝑀𝑒 < ̅ X disebut kecondongan positif
b. Distribusi Condong ke Kiri (ekor kiri lebih panjang dari ekor kanan), ̅ X<
𝑀𝑒 < 𝑀𝑜 disebut kecondongan negatif

Nurwinda Apriyani, M.Pd

apriyani.nurwinda@gmail.com Page 10
 IV. Pengukuran Letak
A. Pengertian Pengukuran Letak
Purwanto dan Suharyadi. 2011. Statistika: untuk Ekonomi dan Keuangan Modern.
Jakarta: Salemba Empat.
Ukuran Letak adalah ukuran pemusatan yang menunjukkan letak data dalam suatu
data yang sudah diurutkan.

Boedijoewono, Noegroho. 2016. Pengantar Statistika Ekonomi dan Bisnis Jilid 1

(Deskriptif). Yogyakarta: UPP STIM YKPN.
Ukuran letak suatu rangkaian data adalah ukuran yang didasarkan letak dari ukuran
tersebut dalam suatu distribusi.

B. Kuartil, Desil dan persentil

Walpole, Ronald E. 1995. Pengantar Statistika Edisi ke-3. Jakarta: Gramedia Pustaka
Utama.
Kuartil adalah nilai-nilai yang membagi segugus pengamatan menjadi 4 bagian sama
besar. Nilai-nilai itu yang dilambangkan dengan Q1 , Q 2 dan Q 3 , mempunyai sifat
bahwa 25% data jatuh di bawah Q1 , 50% jatuh di bawah Q 2 dan 75% jatuh di bawah
Q3.

Desil adalah nilai-nilai yang membagi segugus pengamatan menjadi 10 bagian yang
sama. Nilai-nilai itu dilambangkan dengan D1 , D2 , ..., D9 , mempunyai sifat bahwa
10% data jatuh dibawah D1 , 20% jatuh dibawah D2 , ..., dan 90% jatuh dibawah D9 .

Persentil adalah nilai-nilai yang membagi segugus pengamatan menjadi 100 bagian
yang sama. Nilai-nilai itu dilambangkan dengan P1 , P2 , ..., P99 , bersifat bahwa 1% dari
seluruh data terletak di bawah P1 , 2% terletah dibawah P2 , ..., dan 99% terletak
dibawah P99 .

Nurwinda Apriyani, M.Pd

apriyani.nurwinda@gmail.com Page 11
 Pengukuran
Data Tunggal Data Kelompok
Letak
Kuartil i(n + 1) i(n)
Qi = ,∀ i ∈ ℕ −F
4 Qi = b + p ( 4 )
f
b = batas bawah kelas
interval pada Q i
p = panjang kelas interval
F= Jumlah frekuensi sebelum
kelas Q i
f = frekuensi kelas Q i

Desil i(n + 1) i(n)

Di = ,∀ i ∈ ℕ −F
10 Di = b + p ( 10 )
f
b = batas bawah kelas
interval pada Di
p = panjang kelas interval
F= Jumlah frekuensi sebelum
kelas Di
f = frekuensi kelas Di

Persentil i(n + 1) i(n)

Pi = ,∀i ∈ ℕ −F
100 Pi = b + p (100 )
f
b = batas bawah kelas
interval pada Pi
p = panjang kelas interval
F= Jumlah frekuensi sebelum
kelas Pi
f = frekuensi kelas Pi

Nurwinda Apriyani, M.Pd

apriyani.nurwinda@gmail.com Page 12
 V. Pengukuran Simpangan
A. Pengertian Pengukuran Simpangan/ Penyebaran/ Keragaman/ Measures of Dispersion
Purwanto dan Suharyadi. 2011. Statistika: untuk Ekonomi dan Keuangan Modern. Jakarta: Salemba Empat.
Ukuran Penyebaran adalah suatu ukuran baik parameter maupun statistik untuk mengetahui seberapa besar penyimpangan data dengan
nilai rata-rata hitungnya.

B. Range, deviasi rata-rata, standar deviasi, varians

Lind, Marchal dan Wathen. 2006. Basic Statistics for Business & Economics. New York: McGraw-HilI.
RANGE The simplest measure of dispersion is the range. It is the difference between the largest and the smallest values in a data set.
MEAN DEVIATION The arithmetic mean of the absolute values of the deviations from the arithmetic mean.
VARIANCE The arithmetic mean of the squared deviations from the mean.
STANDARD DEVIATION The square root of the variance.

Data Tunggal Data Kelompok Ukuran

Ukuran
penyebaran
Penyebaran Sampel Populasi Sampel Populasi relatif (Koefisien)
Jarak/Rentang R (range) =Limit atas kelas tertinggi (La ) − La − Lb
R (range) =Nilai terbesar−Nilai terkecil KR = × 100%
(Range) Limit bawah kelas terendah (Lb ) La + Lb
Rentang antar
RAK = Q 3 − Q1
kuartil (RAK)
Deviasi Kuartil/
1
Simpangan SK = (Q 3 − Q1 )
kuartil (SK) 2
Deviasi rata-rata/
Rata-rata ̅| ̅|
∑|X − X ∑ f|X − X RS
Simpangan (RS) RS = RS = KRS =
̅
× 100%
n N X

(Mean deviation)

Nurwinda Apriyani, M.Pd

apriyani.nurwinda@gmail.com Page 13
 Simpangan baku
∑n (xi − x̅)2 ∑N (xi − μ)2 ∑n f(xi − x̅)2 ∑N f(xi − μ)2 s
(Standard s = √ i=1 σ = √ i=1 s = √ i=1 σ = √ i=1 Ks =
̅
X
× 100%
deviation) n−1 N n−1 N
σ /s baca:sigma
Ragam

(Variance) ∑ni=1(xi − x̅)2 ∑N

i=1(xi − μ)
2 ∑ni=1 f(xi − x̅)2 ∑N
i=1 f(xi − μ)
2

σ2 /s2 s2 = σ2 = s2 = σ2 =
n−1 N n−1 N
baca:sigma
dikuadratkan

VI. Pengukuran Kemiringan dan Keruncingan Kurva

Keterangan Nilai Koefisien
Ukuran Koefisien Komenjuluran Pearson (Sk)
Kemiringan/Kemenjuluran/
Kecondongan (Skewness) μ−Mo 3(μ−Md) ̃)
3(μ−μ x̅−Mo 3(x̅−Md) 3(x̅−x̃)
Sk = σ = σ
= σ atau Sk = s
= s
= s

Sk bernilai negatif menunjukkan kurva condong negatif

Sk bernilai positif menunjukkan kurva condong positif
Sk bernilai 0 menunjukkan kurva simetris (normal)

Ukuran Keruncingan Ukuran Kurtosis dirumuskan oleh RA Fisher, 𝛾2 = 𝛽2 − 3 dengan 𝛽2 = 𝛼4

(Kurtosis) Data Tunggal Data Kelompok
1 4 1
∑(x − μ) ∑ f(x − μ)4
𝛼4 = n 𝛼4 = n
σ4 σ4
Nilai 𝛼4 = 3 atau 𝛾2 = 0, berarti kurva normal/ simetris (mesokurtik)
Nilai 𝛼4 > 3 atau 𝛾2 > 0, kurva runcing (leptokurtik)
Nilai 𝛼4 < 3 atau 𝛾2 < 0, kurva datar/tumpul (platikurtik)

Nurwinda Apriyani, M.Pd

apriyani.nurwinda@gmail.com Page 14
 VII. Angka Indeks
A. Pengertian angka indeks
Purwanto dan Suharyadi. 2011. Statistika: untuk Ekonomi dan Keuangan Modern.
Jakarta: Salemba Empat.
Angka indeks adalah sebuah angka yang menggambarkan perubahan relatif
terhadap harga, kuantitas atau nilai yang dibandingkan dengan taun dasar.

B. Tahun dasar
Tahun dasar (base year) adalah tahun pembanding yang dipilih secara bebas.
Pemilihan tahun dasar untuk angka indeks dapat memperhatikan:
1. Tahun yang dipilih menunjukkan kondisi perekonomian yang stabil
2. Tahun dasar tidak terlalu jauh dengan tahun yang akan dibandingkan

C. Metode perhitungan angka indeks

Angka indeks relatif sederhana/

Formula
Unweighted index
1 Angka indeks harga relatif sederhana Ht
IH = × 100
Ho

IH=Indeks harga
Ht =harga pada tahun yang ingin
ditentukan
Ho =harga pada tahun dasar

2 Angka indeks kuantitas relatif sederhana Kt

IK = × 100
Ko

IK=Indeks kuantitas
K t =kuantitas pada tahun yang
ingin ditentukan
K o =kuantitas pada tahun dasar

3 Angka indeks nilai relatif sederhana Vt

IN = × 100
Vo

Vt = Ht K t
Vo = Ho K o

Nurwinda Apriyani, M.Pd

apriyani.nurwinda@gmail.com Page 15
 Angka indeks agregat sederhana
Agregasi=barang dan jasa lebih Formula
dari satu
1 Angka indeks harga agregat ∑ Ht
IHA = × 100
sederhana ∑ Ho

IHA=Indeks harga agregat

Ht =jumlah harga kelompok barang dan jasa
pada periode t
Ho =jumlah harga kelompok barang dan jasa
pada periode dasar

2 Angka indeks kuantitas ∑ Kt

IKA = × 100
agregat sederhana ∑ Ko

IKA=Indeks kuantitas agregat

K t =jumlah kuantitas kelompok barang dan
jasa pada periode t
K o =jumlah kuantitas kelompok barang dan
jasa pada periode dasar

3 Angka indeks nilai agregat ∑ Vt

INA = × 100
sederhana ∑ Vo

Vt = ∑ Ht K t
Vo = ∑ Ho K o

Nurwinda Apriyani, M.Pd

apriyani.nurwinda@gmail.com Page 16
 Angka indeks agregat tertimbang/
Formula
weighted index
1 Indeks harga tertimbang [∑(Pt × W)]
IHT = × 100
[∑(Po × W)]
IHT =indeks harga agregat
tertimbang
Pt =harga agregat pada tahun t
Po =harga agregat pada tahun
dasar
W=bobot penimbang

2 Rumus Laspeyres ∑ Ht K o
IL = × 100
∑ Ho K o
Periode/ tahun dasar sebagai bobot IL=indeks lespeyres
penimbang Ht =harga pada tahun t
Ho =harga pada tahun dasar
K o =kuantitas pada tahun dasar
sebagai pembobot (W)
3 Rumus Paasche ∑ Ht K t
IP = × 100
∑ Ho K t
Tahun bejalan sebagai bobot penimbang IP=indeks paasche
Ht =harga pada tahun t
Ho =harga pada tahun dasar
K t =kuantitas pada tahun
berjalan sebagai pembobot
(W)
4 Rumus Fisher IF = √IL × IP
IF=indeks fisher
IL=indeks lespeyres
IP=indeks paasche
5 Rumus Drobisch IL + IP
ID =
2
ID=indeks drobisch
IL=indeks lespeyres
IP=indeks paasche
6 Rumus Marshal-Edgeworth ∑ Ht (K o + K t )
IME = × 100
∑ Ho (K o + K t )
Jumlah kuantitas pada tahun t dengan IME=indeks marshal-edgeworth
kuantitas pada tahun dasar sebagai Ht =harga pada tahun t
bobot penimbang Ho =harga pada tahun dasar
K t =kuantitas pada tahun t
K o =kuantitas pada tahun dasar
7 Rumus wals ∑ Ht √K o K t
IW = × 100
∑ Ho √K o K t
Akar dari perkalian kuantitas pada tahun
IW=indeks wals
t dengan kuantitas pada tahun dasar
Ht =harga pada tahun t
sebagai bobot penimbang
Ho =harga pada tahun dasar
K t =kuantitas pada tahun t
K o =kuantitas pada tahun dasar

Nurwinda Apriyani, M.Pd

apriyani.nurwinda@gmail.com Page 17
 Indeks Berantai
Angka indeks yang selalu menggunakan tahun dasar satu periode (1 tahun)
sebelum tahun yang dicari angka indeksnya.
Metode yang digunakan untuk menghitung angka indeks berantai:
1. Relatif berantai
2. Indeks berantai
3. Indeks harga konsumen
∑ Ht Kt
IHKt =
∑ Ht−1 Kt
Weight yang digunakan adalah nilai barang yang dikonsumsi masyarakat
pada waktu tertentu. Berarti merupakan hasil perkalian harga dengan jumlah
kebutuhan selama tahun tertentu.

Macam-macam indeks
Formula
(dalam perekonomian)
1 Indeks harga konsumen (IHK)
Sebagai dasar perhitungan laju
inflasi di Indonesia. IHK t − IHK t−1
Komponennya: Inflasi = × 100
IHK t−1
a. Makanan
b. Perumahan
IHK t =indeks harga konsumen tahun t
c. Sandang
IHK t−1 =indeks harga konsumen tahun
d. Kesehatan
t − 1 (tahun sebelumnya)
e. Pendidikan
f. Rekreasi dan olahraga
g. Transportasi dan komunikasi
IHK dan pendapatan riil Pendapatan nominal
Pendapatan riil = × 100
IHK
IHK dan penjualan
dideflasi

Barang mahal>daya beli

uang rendah/ nilai riil
uang suatu barang
rendah>analisis harga
Penjualan aktual
kurang objektif Penjualan riil =
Indeks harga yang sesuai
× 100

Rupiah tinggi>barang
sedikit

Deflating=mencari
upah/pendapatan riil

IHK dan daya beli uang Nominal rupiah

Daya beli = × 100
IHK

2 Indeks harga perdagangan IHPB merupakan indikator yang

besar/ indeks harga grosir digunakan untuk melihat perekonomian
(IHPB) suatu negara, yang menyangkut
komoditas yang diperjualbelikan di suatu
negara pada tingkat perdagangan besar/

Nurwinda Apriyani, M.Pd

apriyani.nurwinda@gmail.com Page 18

3 Indeks nilai tukar petani (NTP)
4 Indeks produktivitas
Indeks produktivitas =
Note: indeks dasar nilainya 100 karena nilai tahun dasar membagi dirinya sendiri,
yang biasanya ditulis, contoh 2007=100.
Nurwinda Apriyani, M.Pd
apriyani.nurwinda@gmail.com
grosir. IHPB di indonesia mencakup:
sektor pertanian, pertambangan dan
penggalian, industri, ekspor dan impor.
Indeks harga yang diterima petani (IT):
Untuk melihat fluktuasi harga barang-
barang yang dihasilkan petani dari tahun
ke tahun (rata-rata harga disawah setelah
dipetik)
Indeks yang dibayar petani (IB):
Ukuran perubahan harga yang dibayar
petani untuk barang dan jasa baik untuk
keperluan rumah tangga maupun
produksi pertanian.
NTP=(IT/IB)*100
Jika NTP >100 maka kondisi petani lebih
baik dari tahun dasar dan begitu
sebaliknya.
Produktivitas periode t
× 100
Produktivitas periode o
Page 19
Nurwinda Apriyani, M.Pd
apriyani.nurwinda@gmail.com Page 20
Nurwinda Apriyani, M.Pd
apriyani.nurwinda@gmail.com Page 21