Pengantar Statistik Ekonomi

See discussions, stats, and author profiles for this publication at: https://www.researchgate.
net/publication/354640787
PENGANTAR STATISTIK EKONOMI
Book · September 2021
CITATIONS READS
0 110
3 authors, including:
Musnaini Musnaini
Universitas Jambi
36 PUBLICATIONS 62 CITATIONS
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
marketing View project
BIG DATA ANALYSIS View project
All content following this page was uploaded by Musnaini Musnaini on 16 September 2021.
The user has requested enhancement of the downloaded file.

PENGANTAR
STATISTIK EKONOMI
UU No. 28 Tahun 2014 tentang Hak Cipta
Fungsi dan Sifat Hak Cipta Pasal 4

Hak Cipta sebagaimana dimaksud dalam Pasal 3 huruf a merupakan hak eksklusif yang
terdiri atas hak moral dan hak ekonomi.
Pembatasan Pelindungan Pasal 26
Ketentuan sebagaimana dimaksud dalam Pasal 23, Pasal 24, dan Pasal 25 tidak berlaku
terhadap:
i. penggunaan kutipan singkat Ciptaan dan/atau produk Hak Terkait untuk pelaporan
peristiwa aktual yang ditujukan hanya untuk keperluan penyediaan informasi aktual;
ii. penggandaan Ciptaan dan/atau produk Hak Terkait hanya untuk kepentingan
penelitian ilmu pengetahuan;
iii. penggandaan Ciptaan dan/atau produk Hak Terkait hanya untuk keperluan
pengajaran, kecuali pertunjukan dan fonogram yang telah dilakukan pengumuman
sebagai bahan ajar; dan
iv. penggunaan untuk kepentingan pendidikan dan pengembangan ilmu pengetahuan
yang memungkinkan suatu Ciptaan dan/atau produk Hak Terkait dapat digunakan
tanpa izin Pelaku Pertunjukan, Produser Fonogram, atau Lembaga Penyiaran.
Sanksi Pelanggaran Pasal 113
1. Setiap orang yang dengan tanpa hak melakukan pelanggaran hak ekonomi
sebagaimana dimaksud dalam Pasal 9 ayat (1) huruf i untuk Penggunaan Secara
Komersial dipidana dengan pidana penjara paling lama 1 (satu) tahun dan/atau pidana
denda paling banyak Rp100.000.000,00 (seratus juta rupiah).
2. Setiap orang yang dengan tanpa hak dan/atau tanpa izin Pencipta atau pemegang Hak
Cipta melakukan pelanggaran hak ekonomi Pencipta sebagaimana dimaksud dalam
Pasal 9 ayat (1) huruf c, huruf d, huruf f, dan/atau huruf h untuk Penggunaan Secara
Komersial dipidana dengan pidana penjara paling lama 3 (tiga) tahun dan/atau pidana
denda paling banyak Rp500.000.000,00 (lima ratus juta rupiah).
PENGANTAR
STATISTIK EKONOMI
Dr. Musnaini, S.E., M.M.

Haudi, S.Pd., M.M., D.B.A.
Dini Haryati, S.E., M.Ak.
Pengantar Statistik Ekonomi
Dr. Musnaini, S.E., M.M., Haudi, S.Pd., M.M., D.B.A., dan Dini Haryati, S.E., M.Ak.
Editor:
Dr. Musnaini, S.E., M.M., dan Dini Haryati, S.E., M.Ak.
Desainer:
Mifta Ardila
Sumber:
www.insancendekiamanidiri.co.id
Penata Letak:
Reski Aminah
Proofreader:
Tim ICM
Ukuran:
viii, 104 hlm., 15.5 x 23 cm
ISBN:
978-623-348-085-7
Cetakan Pertama:
Mei 2021
Hak Cipta 2021,
pada Dr. Musnaini, S.E., M.M., Haudi, S.Pd., M.M., D.B.A., dan Dini Haryati, S.E., M.Ak.
Isi diluar tanggung jawab penerbit dan percetakan

Hak cipta dilindungi undang-undang
Dilarang keras menerjemahkan, memfotokopi, atau
memperbanyak sebagian atau seluruh isi buku ini
tanpa izin tertulis dari Penerbit.
Anggota IKAPI: 020/SBA/02
PENERBIT INSAN CENDEKIA MANDIRI

(Grup Penerbitan CV INSAN CENDEKIA MANDIRI)
Perumahan Gardena Maisa 2, Blok F03, Nagari Koto Baru, Kecamatan Kubung,
Kabupaten Solok, Provinsi Sumatra Barat – Indonesia 27361
HP/WA: 0813-7272-5118
Website: www.insancendekiamandiri.co.id
www.insancendekiamandiri.com
E-mail: penerbitbic@gmail.com
Daftar Isi
Prakata_vii
BAB I DISTRIBUSI FREKUENSI DAN PENYAJIAN DATA TABEL DAN GRAFIK_1

A. Pengertian Distribusi Frekuensi_1
B. Jenis Distribusi Frekuensi_2
C. Histogram, Poligon Frekuensi Ogive, dan Kurva_13
D. Contoh Soal_17
BAB II UKURAN PEMUSATAN DATA_21

A. Ukuran Pemusatan_21
B. Ukuran Letak_30
BAB III JARAK DAN DEVIASI_41

A. Range_41
B. Deviasi_45
BAB IV VARIAN DAN DEVIASI STANDAR_53

A. Varians_53
B. Simpangan Baku (Standard Deviation) _
BAB V ANGKA INDEKS_63

A. Pengertian Angka Indeks_63
B. Metode Perhitungan Angka Indeks_65
BAB VI ANALISIS VARIASI TREND DAN ANALISIS VARIASI MUSIM_73

A. Pengertian Analisis Trend_73
B. Pengertian Analisis Variasi Musim_81
C. Pengaplikasian Analisis Trend Dalam Microsoft Excel_87
BAB VII ANALISIS VARIASI SIKLUS DAN ANALISIS GERAK TAK BERATURAN_93
A. Analisis Variasi Siklus (Cyclical Variation) _93
B. Analisis Gerak Tak Beraturan_95
v
TENTANG PENULIS_101
vi Pengantar Statistik Ekonomi

Prakata
Desiran angin menyapa relung hati sebagai ungkapan segala
puji dan syukur disembahkan selalu kepada Allah Swt. atas
segala Rahmat, Taufik, dan Hidayah yang sudah diberikan
sehingga kami bisa menyelesaikan buku ajar/modul berjudul
“Perspektif Statistik Ekonomi” dengan kolaborasi mahasiswa
Prodi Manajemen FEB-UNJA. Tujuan dari penulisan buku ini
tidak lain adalah untuk membantu para mahasiswa di dalam
memahami statistika ekonomi bagian 1 mengenai
pengertian, macam, tujuan, dan contoh perhitungan data
tunggal maupun kelompok yang bersifat kuantitatif yang
berasal dari perspektif mahasiswa, dan sumber sekunder.
Penulisan buku terkait pengambilan data, pemilihan
contoh, dan lain-lain berkolaborasi dengan mahasiswa-
mahasiswa Prodi Manajemen Hebat kelas R003 Angkatan
tahun 2020 yaitu Adam Al Hafid; Alfito Fakhri Ramadhan; Alif
Tegar Jatmiko; Anil Farhan Ramadan; Beni Syaputra; Debora
Agustina; Dimas Eko Sugiarto; Dimas Haryo Pamungkas;
Elisabet Octaria; Harmadi; Lia Evi Febriana; Lutfiya Hayati
Jeva; M. Altaf; Mardhiyani Novitasari; Muhammad Azhari
Sutra dan Mustika Nilam C. Selanjutnya nama-nama tersebut
memiliki ijin/kebebasan untuk menggandakan atau
memasarkan buku ini.
Semoga buku ajar ini memberikan manfaat dan
wawasan keilmuan serta profit tanpa batas. Kesempurnaan
buku ini belum optimal sehingga perbaikan dan masukan
dari semua pihak sangat berarti agar ke depan bisa lebih baik
lagi di dalam menulis sebuah buku.
vii
Persembahan penulisan buku ini sebagai hadiah ulang
tahun yang tercinta M. Omer Kaiser Bafadol dan M. Syeed
Vicram Khan.
Jambi, 14 Maret 2021
Tim Penulis
viii Pengantar Statistik Ekonomi

BAB I
DISTRIBUSI FREKUENSI DAN PENYAJIAN

DATA TABEL DAN GRAFIK
A. Pengertian Distribusi Frekuensi
Pengertian kata “frekuensi” berarti keseringan, kekerapan,
atau jarang kerapnya. Dalam statistik, frekuensi mengandung
pengertian: Angka (bilangan) yang menunjukkan beberapa
kali suatu variable (yang dilambangkan dengan angka-angka
itu) berulang dalam deretan angka tersebut, atau berapa
kalikah suatu variabel yang dilambangkan dengan angka itu
muncul dalam deretan angka tersebut. Distribusi frekuensi
merupakan suatu cara untuk meringkas serta menyusun
sekelompok data mentah (raw data) yang diperoleh dari
penelitian, dengan didasarkan pada distribusi (penyebaran)
nilai variable tersebut. Dengan distribusi frekuensi kelompok
data dapat dibaca dan dipahami secara mudah.
Jadi Distribusi frekuensi adalah suatu cara meringkas,
menyusun serta mengelompokkan data mentah yang
diperoleh dari penelitian, dengan berdasarkan penyebaran
1
nilai variablenya. Biasanya distribusi frekuensi digambarkan
dalam bentuk tabulasi yang disebut table distribusi
frekuensi, yang di dalam dapat memuat: frekuensi,
persentase, proporsi, dan rasio individu yang terdapat dalam
variable penelitian. Pada umumnya ada dua jenis tabel
distribusi frekuensi yaitu distribusi frekuensi tunggal dan
distribusi kelompok distribusi tunggal cirinya tidak adanya
pengelompokan nilai-nilai variable sedangkan distribusi
kelompok cirinya adanya penggunaan interval-interval kelas
untuk penggambaran variabel-variabelnya.
B. Jenis Distribusi Frekuensi

Distribusi frekuensi memiliki jenis-jenis yang berbeda untuk
setiap kriterianya. Berdasarkan kriteria tersebut distribusi
frekuensi dapat dibedakan tiga jenis “Hasan, 2001”.
1. Distribusi Frekuensi Biasa
Distribusi frekuensi yang berisikan jumlah frekuensi
dari setiap kelompok data. Distribusi frekuensi ada dua
jenis yaitu distribusi frekuensi numerik dan distribusi
frekuensi peristiwa atau kategori.
2 Pengantar Statistik Ekonomi

a. Distribusi frekuensi numerik
Adalah distribusi frekuensi yang pembagian

kelasnya dinyatakan dalam angka.
b. Distribusi frekuensi peristiwa
Adalah distribusi yang pembagian kelasnya
dinyatakan berdasarkan golongan data yang ada.
Distribusi Frekuensi Mahasiswa Pendidikan
Matematika
2. Distribusi Frekuensi Relatif

Distribusi frekuensi relatif adalah distribusi
frekuensi yang berisikan nilai- nilai hasil bagi antara
frekuensi kelas dan jumlah pengamatan yang terkandung
BAB I Distribusi Frekuensi dan Penyajian Data Tabel dan Grafik 3

dalam kumpulan data yang berdistribusi tertentu
distribusi frekuensi relatif dapat dirumuskan:
Frekuensi relatif kadang-kadang dinyatakan dalam bentuk

perbandingan, desimal, ataupun persen. Contoh Distribusi
Frekuensi Relatif Nilai Ujian Akhir Mata Kuliah Statistika
3. Distribusi Frekuensi Kumulatif

Distribusi frekuensi kumulatif adalah distribusi
frekuensi yang berisikan frekuensi kumulatif. Frekuensi
kumulatif adalah frekuensi yang dijumlah. Distribusi
frekuensi kumulatif memiliki grafik atau kurva yang

disebut OGIF. Pada ogif dicantumkan frekuensi
kumulatifnya dan digunakan nilai batas kelas.
Ada dua macam Distribusi frekuensi kumulatif, yaitu
a. Distribusi Frekuensi Kumulatif Kurang Dari
Distribusi frekuensi kumulatif kurang dari adalah
distribusi frekuensi yang memuat jumlah frekuensi
yang memiliki nilai kurang dari nilai batas kelas suatu
interval tertentu.
CONTOH:
Distribusi Frekuensi Kumulatif Kurang Dari Untuk Nilai
Ujian Akhir Mata Kuliah Statistika

Gambar distribusi frekuensi kumulatif kurang dari
b. Distribusi Frekuensi Kumulatif Lebih Dari

Distribusi frekuensi kumulatif lebih dari adalah
distribusi frekuensi yang memuat jumlah frekuensi
yang memiliki nilai lebih dari nilai batas kelas suatu
interval tertentu.
CONTOH:
Distribusi Frekuensi Kumulatif Lebih Dari Untuk Nilai
Ujian Akhir Mata Kuliah Statistika

Ogif Frekuensi Kumulatif dari untuk Nilai Ujian
Akhir Mata Kuliah Statistika
1. Bagian-Bagian Distribusi Frekuensi

Menurut Hasan (2009) bagian-bagian distribusi
frekuensi adalah sebagai berikut:
a. Kelas-kelas: Kelas adalah kelompok nilai data
b. Batas Kelas: Batas kelas adalah nilai-nilai yang
membatasi kelas yang satu dengan kelas yang lain. Ada
dua batas kelas yaitu

1) Batas bawah kelas terdapat disebelah kiri deretan
kelas
2) batas atas kelas terdapat disebelah kanan deretan
kelas
c. Tepi Kelas: Tepi kelas adalah batas kelas yang tidak
memiliki lubang untuk angka tertentu antara kelas yang
satu dengan kelas yang lain. Tepi kelas ini kegunaannya
waktu pembuatan histogram. Apabila ujung atas
interval kelas pertama ditambah ujung bawah interval
kedua dan dikalikan setengah, maka hasil tersebut
dinamakan tepi kelas, atau ujung bawah interval kelas
dikurangi 0,5; 0,05 bahkan 0,005 tergantung ketelitian
data yang dibuat oleh peneliti dan di ujung kelas atas
ditambah 0,5; 0,05; 0,005 maka nilai itu dinamakan
batas kelas.
d. Titik tengah kelas: Adalah nilai data yang terletak
ditengah-tengah kelas. Titik tengah kelas = ½(batas
atas kelas + batas bawah kelas)
e. Interval: adalah selang yang memisahkan kelas yang
satu dengan kelas yang lain
f. Panjang interval kelas: Adalah jarak antara tepi atas
kelas dan tepi bawah kelas
g. Frekuensi kelas: Adalah banyaknya data yang termasuk
kedalam kelas tertentu.
Contoh:

Frekuensi kelas
Dari distribusi frekuensi di bawah:
Banyaknya kelas adalah 7

Batas kelas-kelas adalah 9, 21, 22, 34, …
Batas bawah kelas-kelas adalah 9, 22, 35, 48, 61, 74, 87
Batas atas kelas-kelas adalah 21, 34, 47, 60, 73, 86, 99
Tepi bawah kelas adalah 8,5; 21,5; 34,5; 47,5; 60,5; 73,5;
86,5
Tepi atas kelas adalah 21,5; 34,5; 47,5; 60,5; 73,5; 86,5;
99,5
Titik tengah kelas adalah 15, 28, 41, 54, 67, 80, 93
Interval Kelas adalah 9-21, 22-34, 35-47, 48-60, 61-73,
74-86, 87-99.
Panjang Interval kelas-kelas masing-masing 13.
Frekuensi kelas-kelas adalah 3, 4 ,4 ,8 ,12 ,23 ,6.

2. Penyusunan Distribusi Frekuensi
Ada beberapa hal yang harus di perhatikan dalam
penyusunan distribusi frekuensi yaitu
a. Mengurutkan data dari yang terkecil ke yang terbesar
b. Tentukan Range atau jangkauan data (R) Jangkauan =
data terbesar – data terkecil
c. Tentukan banyak kelas (k) Rumus Sturgess:
k=1+3,3 log n
d. Tentukan panjang interval kelas (i)
i = Jangkauan / banyak kelas
e. Batas bawah kelas pertama
Batas bawah kelas pertama biasanya dipilih dari
data terkecil atau data terkecil yang berasal dari
pelebaran jangkauan (data yang lebih kecil dari data
terkecil) dan selisihnya harus kurang dari panjang
interval kelasnya.
f. Menuliskan frekuensi kelas secara melidi dalam kolom
turus atau tally (sistem turus) sesuai banyaknya data.
Contoh:

g. Membuat tabel distribusi frekuensi dengan cara
memindahkan semua angka frekuensi (f)
3. Contoh Membuat Tabel Distribusi Frekuensi

Data hasil ujian akhir Mata Kuliah Statistika dari 60
orang mahasiswa
23 60 79 32 57 74 52 70 82 36
80 77 81 95 41 65 92 85 55 76
52 10 64 75 78 25 80 98 81 67
41 71 83 54 64 72 88 62 74 43
60 78 89 76 84 48 84 90 15 79
34 67 17 82 69 74 63 80 85 61
Buatlah daftar distribusi frekuensi dari data diatas:

Penyelesaian:
a. Urutkan data
10 32 43 55 62 67 72 76 79 81 84 89

15 34 48 57 63 67 74 76 79 81 84 90
17 36 52 60 64 69 74 77 80 82 85 92
23 41 52 60 64 70 74 78 80 82 85 95
25 41 54 61 65 71 75 78 80 83 88 98
b. Jangkauan (R) = 98 – 10 = 88
c. Banyak kelas (k) = 1 + 3,3 log 60 = 6,8 ≈ 7
d. Lebar interval kelas (i) = 88 / 7 = 12,5 ≈ 13
e. Batas kelas pertama, misalnya diambil 9
f. Menuliskan frekuensi secara melidi / turus
g. Membuat tabel distribusi frekuensi dengan cara

memindahkan semua angka frekuensi (f)

C. Histogram, Poligon Frekuensi Ogive, dan Kurva
1. Histogram
Histogram adalah merupakan bagian dari grafik
batang di mana skala horizontal mewakili nilai-nilai data
kelas dan skala vertikal mewakili nilai frekuensinya.
Tinggi batang sesuai dengan nilai frekuensinya, dan
batang satu dengan lainnya saling berdempetan, tidak ada
jarak/ gap diantara batang. Kita dapat membuat histogram
setelah tabel distribusi frekuensi data pengamatan dibuat.

2. Poligon Frekuensi
Poligon Frekuensi menggunakan segmen garis yang
terhubung ke titik yang terletak tepat di atas nilai-nilai
titik tengah kelas. Ketinggian dari titik-titik sesuai dengan
frekuensi kelas, dan segmen garis diperluas ke kanan dan
kiri sehingga grafik dimulai dan berakhir pada sumbu
horizontal.

3. Ogive
Ogive adalah grafik garis yang menggambarkan
frekuensi kumulatif, seperti daftar distribusi frekuensi
kumulatif. Perhatikan bahwa batas-batas kelas
dihubungkan oleh segmen garis yang dimulai dari batas
bawah kelas pertama dan berakhir pada batas atas dari
kelas terakhir. Ogive berguna untuk menentukan jumlah
nilai di bawah nilai tertentu. Sebagai contoh, pada gambar
berikut menunjukkan bahwa 68 mahasiswa mendapatkan
nilai kurang dari 90.5.
4. Kurva
Kurva distribusi frekuensi disingkat kurva frekuensi
yang telah dihaluskan mempunyai berbagai bentuk
dengan ciri-ciri tertentu. Bentuk-bentuk kurva distribusi
frekuensi adalah sebagai berikut:

D. Contoh Soal
Permasalahan
1. Berikut ini diberikan data nilai hasil ujian akhir mata
kuliah Statistik dan Probabilitas dari 50 mahasiswa.
(sumber: data rekaan)

62 78 70 58 65 54 69 71 67 74
64 45 59 68 70 66 80 54 62 83
77 51 72 79 66 83 63 67 61 71
64 59 76 67 59 64 70 73 67 56
42 56 91 48 81 92 46 82 52 92
a. Buatlah tabel distribusi frekuensi data bergolong dari

data tersebut dengan aturan sturges. Buatlah tabel
distribusi relatif dan tabel distribusi kumulatif (kurang
dari dan lebih dari).
b. Gambarlah histogram, polygon dan ogif dari data
tersebut.
c. Dengan data pada soal sebelumnya, buatlah tabel
distribusi frekuensi data bergolong dengan kelas-kelas:
41-50, 51-60, dan seterusnya.
Jawab:
Langkah membuat tabel distribusi frekuensi adalah:
1. Menentukan Jangkauan (J)
J = Data max – Data min
= 92 - 42
= 50
2. Menentukan banyak kelas interval (K)

K = 1 + 3.3 log n
= 1 + 3.3 log 50

= 1 + 5.6
= 6.6
=7
3. Menentukan panjang/lebar kelas interval (P)
P =J/K
= 50 / 7
= 7.1
=8
4. Buat daftar distribusi yang terdiri dari kolom kelas,
interval, tabulasi, dan frekuensi
Histogram

Polygon
Ogive

BAB II
UKURAN PEMUSATAN DATA

A. Ukuran Pemusatan
Ukuran pemusatan adalah nilai tunggal yang mewakili suatu
kumpulan data dan menunjukkan karakteristik data. Ukuran
pemusatan menunjukkan pusat dari nilai data. Untuk
memberikan distribusi seperangkat data apakah itu berupa
populasi atau sampel, langkah pertama adalah menentukan
ukuran pemusatan data.
Selain itu, ukuran pemusatan data adalah sembarang
ukuran yang menunjukkan pusat segugus data, yang telah
diurutkan dari yang terkecil sampai yang terbesar atau
sebaliknya dari yang terbesar sampai yang terkecil. Salah
satu kegunaan dari ukuran pemusatan data adalah untuk
membandingkan dua (populasi) atau contoh, karena sangat
sulit untuk membandingkan masing-masing anggota dari
masing-masing anggota populasi atau masing-masing
anggota data contoh. Nilai ukuran pemusatan ini dibuat
sedemikian sehingga cukup mewakili seluruh nilai pada data
yang bersangkutan.
21
1. Mean
Rata-rata hitung (mean) merupakan nilai yang
diperoleh dengan menjumlahkan semua nilai data dan
membagikan dengan jumlah data. Rata-rata hitung
merupakan nilai yang menunjukkan pusat dari nilai dan
merupakan nilai yang dapat mewakili dari keterpusatan
data.
a. Rataan populasi
Rataan hitung populasi merupakan nilai rata-rat
dari data populasi. Populasi adalah semua anggota dari
suatu ekosistem atau keseluruhan anggota dari suatu
kelompok. Rata-rata hitung populasi dihitung dengan
cara:
𝑅𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 ℎ𝑖𝑡𝑢𝑛𝑔 𝑝𝑜𝑝𝑢𝑙𝑎𝑠𝑖
𝐽𝑢𝑚𝑙𝑎ℎ 𝑠𝑒𝑙𝑢𝑟𝑢ℎ 𝑛𝑖𝑙𝑎𝑖 𝑑𝑎𝑙𝑎𝑚 𝑝𝑜𝑝𝑢𝑙𝑎𝑠𝑖
=
𝑗𝑢𝑚𝑙𝑎ℎ 𝑑𝑎𝑡𝑎 𝑑𝑎𝑙𝑎𝑚 𝑝𝑜𝑝𝑢𝑙𝑎𝑠𝑖
Rata-rata hitung populasi yang biasa disebut
dengan parameter juga disajikan dalam bentuk simbol:
∑ 𝑋
𝜇=
𝑁
Di mana:
𝜇 = rata-rata hitung populasi
∑ 𝑋 =jumlah dari nilai rata yang berada dalam
populasi
𝑁 =jumlah total dalam populasi

b. Rataan sampel
Pada rata-rata hitung sampel ditekankan pada
unsur sampelnya.
𝑅𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 ℎ𝑖𝑡𝑢𝑛𝑔 𝑠𝑎𝑚𝑝𝑒𝑙
𝐽𝑢𝑚𝑙𝑎ℎ 𝑠𝑒𝑙𝑢𝑟𝑢ℎ 𝑛𝑖𝑙𝑎𝑖 𝑑𝑎𝑙𝑎𝑚 𝑠𝑎𝑚𝑝𝑒𝑙
=
𝑗𝑢𝑚𝑙𝑎ℎ 𝑑𝑎𝑡𝑎 𝑑𝑎𝑙𝑎𝑚 𝑠𝑎𝑚𝑝𝑒𝑙
Rata-rata hitung sampel yang biasa disebut
dengan statistik juga disajikan dalam bentuk simbol:
∑ 𝑋
𝑋=
𝑛
c. Rataan data berkelompok
Data berkelompok adalah data yang sudah
dikelompokkan dalam bentuk distribusi frekuensi.
Data-data yang sudah dikelompokkan dalam satu kelas
akan memiliki karakteristik yang sama, dari dalam
suatu kelas dicerminkan oleh nilai tengah kelasnya.
∑ 𝑓𝑋
𝑋=
𝑛
Di mana:
𝑋 = rata-rata hitung data berkelompok
∑ 𝑓𝑋 =jumlah dari seluruh hasil perkalian antara
frekuensi dan nilai tengah masing-masing kelas
𝑛 =jumlah total data
BAB II Ukuran Pemusatan Data 23

Contoh:
Berikut adalah data yang sudah dikelompokkan dari 20
perusahaan yang sahamnya menjadi pilihan pada bulan
Maret 2003. Buatlah nilai rata-rata untuk harga saham
pilihan tersebut!
Interval Nilai Tengah (X) Frekuensi
160 - 303 231,5 2
304 – 447 375,5 5
448 – 591 519,5 9
592 – 735 663,5 3
736 – 878 807 1
Penyelesaian:
∑ 𝑓𝑋
𝑋=
𝑛
2(231,5) + 5(375,5) + 9(519,5) + 3(663,5) + 1(807)
=
20
9.813,5
= 20
= 490,7
2. Modus
Modus adalah suatu nilai pengamatan yang sering
muncul. Modus diberi lambang Mo. Jika nilai yang muncul
itu hanya ada satu macam saja, maka modus tersebut
dinamakan unimodus. Dan jika nilai yang muncul ada dua

macam atau lebih maka disebut bimodus. Modus
dibedakan atas dua kelompok nilai, yaitu sebagai berikut:
a. Data belum terkelompok
Untuk data yang belum terkelompok, penentuan
modus sangat mudah. Langkah pertama menyusun data
dari nilai terkecil hingga yang terbesar sehingga nilai-
nilai yang sama akan saling berdekatan. Langkah kedua
adalah menghitung frekuensi masing-masing nilai.
Contoh:
Seandainya kita menghadapi kumpulan data yang
belum terkelompk sebagai berikut: 3, 4, 7, 4, 5, 4, 5, 4,
12, 3. Tentukan modusnya!
Penyelesaian:
Langkah pertama kita susun data tersebut maka
didapat:3, 3, 4, 4, 4, 4, 5, 5, 7, 12.
Kemudian tentukan frekuensinya:
Nilai 3 memiliki frekuensi 2
Dengan demikian maka modusnya adalah nilai 4,

yaitu nilai yang paling banyak muncul atau yang
memiliki frekuensi terbesar.

b. Data yang telah dikelompokkan
Apabila data yang telah dikelompokkan, dalam
arti telah disajikan dalam bentuk distribusi frekuensi,
maka mudah untuk melihat kelas man yang memiliki
frekuensi yang paling besar. Kelas yang memiliki
frekuensi paling besar tersebut biasanya disebut
dengan kelas modus. Untuk menentukan nilai modus
ditentukan dengan rumus sebagai berikut:
(𝑓1 )0
𝑀𝑜𝑑 = 𝐿0 + 𝐶 { }
𝑓1 )0 + 𝑓2 )0
Di mana:
𝐿0 = batas bawah untuk kelas di mana modus
berada
𝐶 = interval kelas
(𝑓1 )0 = selisih frekuensi yang memuat modus
dengan frekuensi kelas sebelumnya
(𝑓2 )0 = selisih frekuensi yang memuat modus
dengan frekuensi kelas sesudahnya
Contoh: dari data yang disajikan dalam tabel frekuensi
berikut ini, carilah modusnya:
Nilai f
60 – 62 4
63- 65 10
66 - 68 17
69 - 71 9

72 – 74 5
Total 45
Jawab:
Dari tabel ditemukan frekuensi terbesar adalah 17,
maka:
(𝑓1 )0 = 17- 10 = 7
(𝑓2 )0 = 17 – 9 = 8
𝐿0 = 65,5
Sehingga hasilnya adalah:
(𝑓1 )0
𝑀𝑜𝑑 = 𝐿0 + 𝐶 { }
𝑓1 )0 + 𝑓2 )0
7
𝑀𝑜𝑑 = 65,5 + 3 { } = 66,9
7+ 8
3. Median
Median merupakan suatu nilai yang berada
ditengah-tengah data, setelah data tersebut diurutkan dari
data yang terkecil ke yang terbesar atau sebaliknya dari
data terbesar ke yang terkecil. Dengan kata lain, median
membagi data yang diurutkan menjadi dua bagian yang
sama. Dalam hitungan median dibedakan atas median data
tak berkelompok dan median data berkelompok.
a. Median data tak berkelompok
Apabila n ganjil, maka nilai median adalah sama
dengan nilai data yang memiliki urutan paling tengah
yang bernomor urut k. di mana k dapat ditentukan
dengan rumus:

𝑛+1
𝑘=
2
Contoh: nilai ujian statistic dari 9 mahasiswa, masing-
masing adalah sebagai berikut: 90, 70, 60, 75, 65, 80, 40,
45, 50. Berapa besarnya nilai median?
Jawab: 40, 45, 50, 60, 65, 70, 75, 80, 90.
𝑛+1 9+1
𝑘= = = 5; 𝑚𝑒𝑑 = 𝑋5 = 65
2 2
Apabila n genap, maka rumus yang digunakan adalah

𝑛
𝑘=
2
Contoh: ada 8 karyawan dan upahnya dalam ribuan

rupiah adalah sebagai berikut: 20, 80, 75, 60, 50, 85, 45,
90. Berapa nilai mediannya?
Jawab: 20, 45, 50, 60, 75, 80, 85, 90
𝑛 8
𝑘 = 2=2=4
Maka mediannya terletak diurutkan ke 4, dengan nilai:

1 1 1
Me= (𝑋𝐾 + 𝑋𝐾+1 ) = (𝑋4 + 𝑋5 ) = (60 + 75)
2 2 2
= 67,5
b. Median data berkelompok

Perhitungan median data berkelompok dapat
dilakukan dengan bantuan frekuensi kumulatif kurang
dari. Dan rumus yang digunakan adalah:

𝑛
− (∑ 𝑓1 )0
𝑀𝑒𝑑 = 𝐿0 + 𝐶 {2 }
𝑓𝑚
Di mana:
𝐿0 = batas bawah untuk kelas di mana median berada
𝐶 = interval kelas
(∑ 𝑓1 )0 = jumlah frekuensi dari semua kelas di
bawah kelas yang mengandung median
𝑓𝑚 = frekuensi dari kelas yang mengandung
median
Contoh: Dari data yang disajikan tabel frekuensi berikut

ini, carilah mediannya:
Nilai f
60 – 62 4
63- 65 10
66 - 68 17
69 - 71 9
72 - 74 5
Total 45

Jawab:
Nilai f fk
60 – 62 4 4
63- 65 10 14
66 - 68 17 31
69 - 71 9 40
72 - 74 5 45
Total 45
65+66
𝐿0 = = 65,5 ; C = 3; (∑ 𝑓1 )0 = 14 ; 𝑓𝑚 = 17
2
𝑛
− (∑ 𝑓1 )0
𝑀𝑒𝑑 = 𝐿0 + 𝐶 {2 }
𝑓𝑚
45
− 14
𝑀𝑒𝑑 = 65,5 + 3 { 2 }
17
= 67
B. Ukuran Letak
Ukuran letak adalah ukuran yang menunjukkan pada bagian
mana data tersebut terletak pada suatu data yang telah
diurutkan.
1. Kuartil
Kuartil adalah ukuran letak yang membagi data yang
telah diurutkan atau data yang berkelompok menjadi 4
bagian sama besar, atau setiap bagian dari kuartil sebesar
25%.

Rumus mencari letak kuartil untuk data tidak
berkelompok dan data berkelompok adalah:
Ukuran Rumus Ukuran Letak
Letak Data tidak berkelompok Data
berkelompok
Kuartil 1 [1(n+1)] / 4 1n/4
Kuartil 2 [2(n+1)] / 4 2n/4
Kuartil 3 [3(n+1)] / 4 3n/4
Contoh:
Berikut adalah keuntungan bersih 8 perusahaan (dalam
miliar rupiah) pada tahun 2003. Carilah K1, K2, dan K3.
1 PT Alfa Retailindo 25
2 PT Astra Graphia 65
3 PT Aneka Tambang 123
4 PT Astra Agro Lestari 180
5 PT Bimantara Citra 392
6 PT Ind. Satelit Corp 436
7 PT HM Sampurna 1480
8 PT Telkom 7568
Penyelesaian:
Letak kuartil adalah:
K1 = [1 (n+1)] / 4 = [1 (8+1)] / 4 = (1 . 9)/4 = 9/4 = 2,25
K2 = [2 (n+1)] / 4 = [2 (8+1)] / 4 = (2 . 9)/4 = 18/4 = 4,50

K3 = [3 (n+1)] / 4 = [3 (8+1)] / 4 = (3 . 9)/4 = 27/4 = 6,75
Apabila letak kuartil berupa pecahan, atau tidak ada

nilai yang pas pada letak tersebut maka untuk menghitung
nilai kuartil menggunakan rumus sebagai berikut:
NK = NKB + [ (LK – LKB) / (LKA – LKB)] X (NKA – NKB)
Di mana:
NK : nilai kuartil
NKB : nilai kuartil yang berada di bawah letak
kuartil
LK : letak kuartil
LKB : letak data kuartil yang berada di bawah letak
kuartil
LKA : letak data kuartil yang berada di atas letak
kuartil
NKA : nilai kuartil yang berada di atas letak kuartil
Jadi, nilai kuartil untuk letak kuartil 2,25 adalah:
NK = 65 + [(2.25 – 2) / (3-2)] x (123 – 65)
= 65 + (0.25/1) x 58
= 79.5
Sedang nilai kuartil untuk letak kuartil 4.5 adalah:
NK = 180 + [(4.5 – 4) / (5 – 4)] x (392 – 180)
= 180 + (0.5/1) x 212
= 286
Nilai kuartil untuk letak kuartil 6.75 adalah:
NK = 436 + [(6.75 – 6) / (7-6)] x (1480 – 436)

= 436 + (0,75/1) x 1044
= 1219
Untuk data berkelompok, penyelesaiannya dapat

ditentukan dengan beberapa langkah yang harus
dilakukan yaitu
a. Menentukan letak data kuartil untuk data berkelompok
b. Melakukan interpolasi untuk mengetahui nilai kuartil
dengan rumus sebagai berikut:
𝑛
(𝑖 . )−𝐶𝑓
4
NKi = L + . 𝐶𝑖
𝐹𝑘
Di mana:
NKi : nilai kuartil ke-i di mana i = 1, 2, 3
L : tepi kelas di mana letak kuartil berada
n : jumlah data/frekuensi total
Cf : frekuensi kumulatif sebelum kelas kuartil
Fk : frekuensi pada kelas kuartil
Ci : interval kelas kuartil
2. Desil
Desil adalah ukuran letak yang membagi data yang
telah diurutkan atau data berkelompok menjadi 10 bagian
sama besar, atau setiap bagian dari desil sebesar 10 %.
Untuk jumlah data genap, maka letak desil berupa
pecahan, atau tidak ada nilai yang pas pada letak tersebut,
maka untuk menghitung nilai desil menggunakan rumus
sebagai berikut:

ND = NDB + [ (LD – LDB) / (LDA – LDB) ] X (NDA – NDB)
Di mana:
ND : nilai desil
NDB : nilai desil yang berada di bawah letak desil
LD : letak desil
LDB : letak data desil yang berada di bawah letak
desil
LDA : letak data desil yang berada di atas letak desil
NDA : nilai desil yang berada di atas letak desil
1 PT Alfa Retailindo 25
2 PT Astra Graphia 65
3 PT Aneka Tambang 123
4 PT Astra Agro Lestari 180
5 PT Bimantara Citra 392
6 PT Ind. Satelit Corp 436
7 PT HM Sampurna 1480
8 PT Telkom 7568
Contoh:
Hitunglah desil ke-2, ke-5, dan ke-8 dari data berikut:
a. Letak desil
Letak D2= [2(n+1)]/10 = [2(8+1)]/10 = 18/10 = 1,8
Letak D3= [5(n+1)]/10 = [5(8+1)]/10 = 45/10 = 4,5
Letak D3= [8(n+1)]/10 = [8(8+1)]/10 = 72/10 = 7,2

Jadi, nilai desil (D2) untuk letak desil 1,8 adalah:
NK = 25 + [(1,8 – 1) / (2-1)] x (65-25)
= 25 + (0,8/1) x 40
= 57
Sedang nilai desil (D5) untuk letak desil 4,5 adalah:
NK = 180 + [(4,5 - 4) / (5-4)] x (392-180)
= 180 + (0,5/1) x 212
= 286
Sedang nilai desil (D8) untuk letak desil 7,2 adalah:
NK = 1480 + [(7,2 – 7) / (8-7)] x (7568-1480)
= 1480 + (0,2/1) x 6088
= 2697,6
Untuk mencari nilai desil data berkelompok, ada

beberapa langkah yaitu
a. Menentukan letak desil dalam data yang sudah
berbentuk distribusi frekuensi
b. Menentukan nilai desil dengan melakukan interpolasi
dengan rumus sebagai berikut:
𝑖𝑛
( )−𝐶𝑓
10
NDI = L + . 𝐶𝑖
𝐹𝑘
Di mana:
NDi : nilai desil ke-i di mana i = 1, 2, 3, ... 9
L : tepi kelas di mana letak desil berada
N : jumlah data/frekuensi total
Cf : frekuensi kumulatif sebelum kelas desil

Fk : frekuensi pada kelas desil
Ci : interval kelas desil
3. Persentil
Persentil juga merupakan bagian dari ukuran letak.
Persentil adalah ukuran letak yang membagi data yang
telah diurutkan atau data yang berkelompok menjadi 100
bagian yang sama besar, atau setiap bagian dari persentil
sebesar 1%.
Rumus mencari letak persentil untuk data tidak
berkelompok dan berkelompok adalah sebagai berikut:
Ukuran Rumus Ukuran Letak

Letak Data tidak Berkelompok Data berkelompok
Persentil 1 [1(n+1)] / 100 1n/100
Persentil 2 [2(n+1)] / 100 2n/100
Persentil 3 [3(n+1)] / 100 3n/100
... ... ...
Persentil 99 [99(n+1)] / 100 99n/100
Untuk menghitung nilai persentil menggunakan

rumus sebagai berikut:
NP = NPB + [ (LP-LPB) / (LPA-LPB) ] X (NPA – NPB)
Di mana:
NP : nilai persentil

NPB : nilai persentil yang berada di bawah letak
persentil
LP : letak persentil
LPB : letak data persentil yang berada di bawah
letak persentil
LPA : letak data persentil yang berada di atas letak
persentil
NPA : nilai persentil yang berada di atas letak
persentil
Contoh:
Persaingan antara Kereta Api Eksekutif dengan
Penerbangan untuk jurusan Jakarta-Surabaya dan Jakarta-
Yogyakarta semakin terasa. Oleh sebab itu, PT KAI
merencanakan akan mendiskon 25% jenis tiket dengan
harga tertinggi dan akan meningkatkan 35% jenis tiket
dengan harga terendah. Cobalah hitung mulai harga
berapa yang harus di diskon dan sampai harga berapa
harus dinaikkan?

No Jenis Kereta Harga
(000 Rp)
1 Taksaka 150
2 Sembrani 185
3 Bima 200
4 Gumarang 225
5 Argo Dwipangga 230
6 Argo Bromo Anggrek Pagi 250
7 Argo Bromo Anggrek Malam 260
Argo
8 Bromo Anggrek Siang 285
Penyelesaian:
a. Pengertian 75% dari harga tertinggi adalah P75 yang
diperoleh dari 100% - 25%. Sedang untuk harga
terendah 35% adalah P35
b. Letak persentil
Letak P75 = [75(n+1)]/100 = [75(8+1)]/100 = 675/100
= 6,75
Letak P35 = [35(n+1)]/100 = [35(8+1)]/100 = 315/100
= 3,15
Karena letak persentil berupa pecahan, maka nilai
persentil dicari dengan menggunakan rumus sebagai
berikut:
NP = NPB + [ (LP-LPB) / (LPA-LPB)] x (NPA-NPB)

Nilai persentil 75% (P75) untuk letak persentil 6,75
adalah:
NP75 = 250 + [(6,75-6) / (7-6)] x (260-250)
= 257,5
Untuk tiket kereta api dengan harga di atas Rp. 257.500
harus diberikan diskon.
Nilai persentil 35% (P35) untuk letak persentil 6,75
adalah:
NP35 = 200 + [(3,15-3)/(4-3)] x (225-200)
= 203,75
Untuk mencari nilai persentil data berkelompok ada
beberapa langkah yang dilakukan yaitu
a. Menentukan letak persentil dalam data yang sudah
terdistribusi frekuensinya
b. Menentukan nilai persentil dengan melakukan
interpolasi dengan rumus sebagai berikut:
𝑖𝑛
( )−𝐶𝑓
10
NP i = L + . Ci
𝐹𝑘
Di mana:
NPi : nilai persentil ke-i di mana i = 1, 2, 3, ... 99
L : tepi kelas di mana letak persentil berada
N : jumlah data/frekuensi total
Cf : frekuensi kumulatif sebelum kelas persentil
Fk : frekuensi pada kelas persentil

Ci : interval kelas persentil

BAB III
JARAK DAN DEVIASI

A. Range
Range disebut juga rentang atau jangkauan. Range adalah
jarak antara data terbesar dengan data terkecil, atau
jangkauan yang menyatakan perbedaan dari nilai terbesar
dan terkecil dari suatu jajaran data.
Range biasa diberi lambang R adalah satu ukuran
statistik yang menunjukkan jarak penyebaran antara nilai
yang terendah (lowest score) sampai nilai tertinggi (highest
score). Dengan singkat dapat dirumuskan:
R = H – L.
R = Range atau nilai yang kita cari.
H = Skor atau nila yang tertinggi (highest score).
L = Skor atau nilai yang terendah (lowest score).
41
1. Cara Mencari Range
TABEL
Perhitungan range nilai hasil tes untuk lima macam
bidang study yang diikuti oleh tiga orang calon yang
mengikuti tes seleksi penerimaan calon mahasiswa baru
pada sebuah perguruan tinggi agama islam
R= Jmlh Mea
Nilai yang dicapai H L
H-L nilai n
No Nama bhs bhs bhs
pnj
pkn Ind Ara Ing
s
o b g
1. Ega 85 65 76 45 65 85 45 40 325 65
2. Nunu 58 65 72 60 70 72 58 14 325 65
3. Yuni 65 65 65 65 65 65 65 0 325 65
Keterangan:
Kolom 3-7 menunjukkan distribusi nilai hasil yang dicapai
oleh tiga orang calon.
ü Kolom 8 memuat nilai tertinggi (higbest score) masing-
masing calon.
ü Kolom 9 memuat nilai terendah (lowest score) masing-
masing calon.
ü Kolom 10 menunjukkan jumlah seluruh nilai.
ü Kolom 11 adalah mean (nilai rata-rata) yang dicapai oleh
masing-masing calon.

Dari tabel tersebut menunjukkan bahwa makin kecil
jarak penyebaran nilai dari nilai terendah sampai nilai
tertinggi, akan semakin homogen (concentrated) distribusi
nilai tersebut. Sebaliknya makin besar range-nya, akan
makin bervariasi nilai-nilai yang dada dalam distribusi
nilai tersebut.
Selain itu berdasar pada range kita juga dapat
mengatakan bahwa kian kecil range dari suatu distribusi
data, kian cenderung bagi diri kita untuk menganggap
bahwa mean yang kita peroleh merupakan wakil yang
presentative data yang bersangkutan; sebaliknya kian
besar range-nya, kita akan lebih cenderung untuk
menganggap bahwa mean yang kita peroleh itu sifatnya
meragukan.
2. Penggunaan Range
Range kita gunakan sebagai ukuran, apabila di dalam
waktu sangat singkat kita ingin memperoleh gambaran
tentang penyebaran data yang sedang kita selidiki dengan
mengabaikan faktor ketelitian atau kecermatan.
3. Kebaikan dan Kelemahan Range

Kebaikan range sebagai salah satu ukuran
penyebaran data ialah menggunakan range dalam waktu
singkat dapat diperoleh gambaran umum mengenai luas
penyebaran data yang sedang kita hadapi.
BAB III Jarak dan Deviasi 43

Adapun kelemahannya ialah:
a. Range akan sangat tergantung kepada nilai-nilai
ekstrimnya. Dengan kata lain, besar-kecilnya range
akan sangat ditentukan oleh nilai terendah dan nilai
tertinggi yang terdapat dalam distribusi data, dengan
demikian range sifatnya sangat label dan kurang teliti.
Contoh:
Data X : H = 80, L = 30 R = 80-30=50
Data Y : H = 95, L = 45 R = 95-45=50
Data Z : H = 88, L = 38 R = 88-38=50
b. Range sebagai ukuran penyebaran data, tidak
memperhatikan distribusi yang terdapat di dalam
range itu sendiri. Ambillah sebagai contoh, misalnya
nilai tertinggi dan nilai terendah yang berhasil dicapai
oleh 8 orang mahasiswa masing-masing adalah 80 dan
40, sehingga range-nya = 80-40=40 dengan range
sebesar itu ada kemungkinan distribusi nilai itu adalah
40, 40, 40, 40, 40, 40, 40, dan 80, atau bahkan bentuk
distribusi lainnya. Yang jelas, dengan hanya mengetahui
range-nya saja, kita belum tau secara pasti bagaimana
sebenarnya bentuk distribusi data yang kita hadapi
mulai dari nilai terendah sampai nilai tertinggi.
Karena kelemahan maka sebagai salah satu ukuran

penyebaran data, range sangat jarang digunakan dalam
pekerjaan analisis statistik.

B. Deviasi
Pengertian Deviasi dalam statistik, yang dimaksud dengan
deviasi adalah selisih atau simpangan dari masing-masing
skor (nilai) atau interval dari nilai rata-rata hitungnya
(deviation from the mean). Deviasi merupakan salah satu
ukuran variabilitas data yang biasa dilambangkan dengan
huruf kecil dari huruf yang digunakan bagi lambang skornya.
Jadi apabila skornya diberi lambang X maka deviasinya
berlambang x; jika skornya Y maka lambang deviasinya
adalah y; jika skornya Z maka lambang deviasinya adalah z.
Karena deviasi merupakan simpangan atau selisih dari
masing-masing skor terhadap mean grupnya, maka sudah
barang tentu akan terdapat dua jenis deviasi yaitu (1) deviasi
yang berada diatas mean yang biasanya diberi tanda (+) dan
disebut deviasi Positif/ selisih lebih (2) deviasi yang berada
di bawah mean, dan biasanya diberi tanda (-) dan disebut
dengan deviasi negatif/selisih kurang. Perlu diingat bahwa
semua deviasi, baik yan bertanda plus maupun minus,
apabila kita jumlahkan hasilnya pasti sama dengan nol (0).
Deviasi rata-rata yaitu jumlah harga mutlak deviasi dari
tiap-tiap skor, dibagi dengan banyaknya skor itu sendiri.
Dalam bahasa Inggris deviasi rata-rata dikenal dengan
nama Dean Deviation (diberi lambang: MD) atau Average
Deviation (diberi lambang: AD); dalam uraian selanjutnya
akan digunakan lambang AD. Dengan demikian, apabila

pengertian tentang Deviasi Rata-rata tadi kita formulasikan
dalam bentuk rumus adalah sebagai berikut:
AD = ∑x
N
AD = Average Deviation = Deviasi Rata-rata
∑x = Jumlah harga mutlak deviasi tiap-tiap skor atau interval.
N = Number of cases
1. Cara Mencari Deviasi Rata-rata

a. Cara Mencari Deviasi Rata-rata untuk Data Tunggal
yang masing-masing skornya berfrekuensi satu
Tabel 1.1.
Nilai F Deviasi
(x) ( x = X – M)
73 1 +3
78 1 +8
60 1 -10
70 1 0
62 1 -8
80 1 +10
67 1 -3
490 = ∑X 7=N 42 = ∑x
M = ∑ X = 490 = 70
N 7

AD = ∑x = 42 = 6,0
N 7
*Dalam menjumlahkan deviasi ini, tanda aljabar
(yaitu tanda “plus” dan tanda “minus” ) diabaikan . Jadi,
yang dijumlahkan adalah harga mutlak deviasi
tersebut.
b. Cara Mencari Deviasi Rata-rata untuk Data Tunggal
yang sebagian atau seluruh berfrekuensi lebih dari
satu
∑fx
AD = ―
N
AD = Average Deviation = Deviasi Rata-rata
∑f = Jumlah hasil perkalian antara deviasi tiap-tiap skor
dengan frekuensi masing-masing skor tersebut .
N = Number of cases
Tabel 1.2.
Usia F fX x fx
(X)

31 4 124 + 3,8 + 15,2
30 4 120 + 2,8 + 11,2
29 5 145 + 1,8 + 9, 0
28 7 196 + 0,8 + 5,6
27 12 324 - 0,2 - 2,4
26 8 208 - 1,2 - 9,6
25 5 125 - 2,2 - 11,0
24 3 72 - 3,2 - 9,6
23 2 46 - 4,2 - 8,4
Total 50 = N 1360 = ∑ Fx - 82,0 = ∑fx
Langkah I : Mencari Mean, dengan rumus:

M = ∑Fx = 1360 = 27,2
N 7
Langkah II : Menghitung deviasi masing-masing skor,
dengan rumus: x = X-M (lihat kolom 4).
Langkah III: Memperkalikan f dengan x sehingga
diperoleh fx; Setelah itu dijumlahkan, sehingga
diperoleh ∑fx, dengan catatan bahwa dalam
menjumlahkan fx itu tanda aljabar diabaikan (yang
dijumlahkan adalah harga mutlaknya), diperoleh: ∑fx =
82,0.
Langkah IV: Menghitung Deviasi Rata-ratanya, dengan
rumus:

AD = ∑fx
N
Telah diketahui: ∑fx = 82,0 dan N = 50. Dengan
demikian:
AD = 82,0 = 1,64
50
c. Cara mencari deviasi rata-rata untuk data kelompokan
untuk data kelompokan, deviasi rata-ratanya dapat
diperoleh dengan menggunakan rumus:
AD = ∑fx
N
AD = Average Deviation = Deviasi Rata-rata.

∑fx = Jumlah hasil perkalian antara deviasi tiap-tiap
interval (x) dengan frekuensi masing- masing interval
yang bersangkutan.
N = Number of cases.
Contoh:
Interval F X Fx x x
70-74 3 72 216 + 25, 1875 + 75, 5625
65-69 5 67 335 + 20, 1875 100, 9375
60-64 6 62 372 + 15, 1875 + 91, 1250
55-59 7 57 399 + 10, 1875 + 71, 3125
50-54 7 52 364 +5, 1875 + 36, 3125
45-49 17 47 799 + 0, 1875 + 3, 1875

40-44 15 42 630 - 4, 8125 -72,1875
35-39 7 37 259 - 9, 8125 - 68, 6875
30-34 6 32 192 - 14, 8125 - 88, 8750
25-29 5 27 135 - 19, 8125 - 99, 0625
20-24 2 22 44 - 24, 8125 - 49, 6250
756, 8750 =
Total 80 = N - 3745 = ∑fx - ∑fx
Langkah yang kita tempuh dalam mencari Deviasi

Rata-rata Data Kelompokan seperti termuat pada tabel
di atas adalah:
Langkah Pertama: Menetapkan Midpoint masing-
masing interval. (Lihat kolom 3).
Langkah kedua: Memperkalikan frekuensi masing-
masing interval (f) dengan Midpointnya (X), sehingga
diperoleh ∑fX = 3745 (Lihat kolom 4).
Langkah ketiga: Mencari Mean-nya, dengan rumus: M
= ∑fx = 3745 = 46, 8125
N 80
Langkah keempat: Mencari deviasi tiap-tiap interval,
dengan rumus: x = X-M (di mana X
= Midpoint). Hasilnya dapat dilihat pada kolom 5.
Langkah kelima: memperkalikan f dengan x sehingga
diperoleh fx; setelah itu dijumlahkan dengan tidak

mengindahkan tanda-tanda “plus” dan “minus”,
sehingga diperoleh ∑fx = 756, 8750.
Langkah keenam: Mencari Deviasi Rata-ratanya,
dengan rumus:
AD = ∑fx = 756, 8750 = 9,461
N 80

BAB IV
VARIAN DAN DEVIASI STANDAR

A. Varians
Varians adalah salah satu ukuran dispersi atau ukuran
variasi. Varians dapat menggambarkan bagaimana
berpencarnya suatu data kuantitatif. Varians diberi simbol σ2
(baca: sigma kuadrat) untuk populasi dan untuk s2 sampel.
Selanjutnya kita akan menggunakan simbol s2 untuk
varians karena umumnya kita hampir selalu berkutat dengan
sampel dan jarang sekali berkecimpung dengan populasi.
Varian dan standar deviasi (simpangan baku) adalah
ukuran-ukuran keragaman (variasi) data statistik yang
paling sering digunakan. Standar deviasi (simpangan baku)
merupakan akar kuadrat dari varian.
s=s2−−√
Oleh karena itu, jika salah satu nilai dari kedua ukuran
tersebut diketahui maka akan diketahui juga nilai ukuran
yang lain.
53
Penghitungan
Dasar penghitungan varian dan standar deviasi adalah
keinginan untuk mengetahui keragaman suatu kelompok
data. Salah satu cara untuk mengetahui keragaman dari suatu
kelompok data adalah dengan mengurangi setiap nilai data
dengan rata-rata kelompok data tersebut, selanjutnya semua
hasilnya dijumlahkan.
Namun cara seperti itu tidak bisa digunakan karena

hasilnya akan selalu menjadi 0.
Oleh karena itu, solusi agar nilainya tidak menjadi 0

adalah dengan mengkuadratkan setiap pengurangan nilai
data dan rata-rata kelompok data tersebut, selanjutnya
dilakukan penjumlahan. Hasil penjumlahan kuadrat (sum of
squares) tersebut akan selalu bernilai positif.
Nilai varian diperoleh dari pembagian hasil

penjumlahan kuadrat (sum of squares) dengan ukuran data
(n).

Namun begitu, dalam penerapannya, nilai varian
tersebut biasa untuk menduga varian populasi. Dengan
menggunakan rumus tersebut, nilai varian populasi lebih
besar dari varian sampel.1
Oleh karena itu, agar tidak bias dalam menduga varian
populasi, maka n sebagai pembagi penjumlahan kuadrat
(sum of squares) diganti dengan n-1 (derajat bebas) agar nilai
varian sampel mendekati varian populasi. Oleh karena itu
rumus varian sampel menjadi:
Nilai varian yang dihasilkan merupakan nilai yang

berbentuk kuadrat. Misalkan satuan nilai rata-rata adalah
gram, maka nilai varian adalah gram kuadrat. Untuk
menyeragamkan nilai satuannya maka varian
diakarkuadratkan sehingga hasilnya adalah standar deviasi
(simpangan baku).
Untuk mempermudah penghitungan, rumus varian dan

standar deviasi (simpangan baku) tersebut bisa diturunkan:
1Andi. Statistika “Data Kajian Deskriftif, Inferensi, dan Non Parametrik”. (Jakarta:
Kencana Prenada Media Group. 2007) h. 102
BAB IV Varian Deviasi Standar 55

Rumus varian:
Rumus standar deviasi (simpangan baku):
Keterangan:
s2 = varian
s = standar deviasi (simpangan baku)
xi = nilai x ke-i
= rata-rata
n = ukuran sampel
Contoh Penghitungan
Misalkan dalam suatu kelas, tinggi badan beberapa
orang siswa yang dijadikan sampel adalah sebagai berikut.
172, 167, 180, 170, 169, 160, 175, 165, 173, 170
Dari data tersebut diketahui bahwa jumlah data (n) =
10, dan (n - 1) = 9. Selanjutnya dapat dihitung komponen
untuk rumus varian.

Dari tabel tersebut dapat ketahui:
Dengan demikian, jika dimasukkan ke dalam rumus

varian, maka hasilnya adalah sebagai berikut.

Dari penghitungan, diperoleh nilai varian sama dengan
30,32.
Dari nilai tersebut bisa langsung diperoleh nilai
standar deviasi (simpangan baku) dengan cara
mengakarkuadratkan nilai varian.
B. Simpangan Baku (Standard Deviation)

Standar deviasi merupakan ukuran penyebaran yang paling
banyak digunakan. Semua gugus data dipertimbangkan
sehingga lebih stabil dibandingkan dengan ukuran lainnya.
Namun, apabila dalam gugus data tersebut terdapat nilai
ekstrem, standar deviasi menjadi tidak sensitif lagi, sama
halnya seperti mean.
Standar Deviasi memiliki beberapa karakteristik
khusus lainnya. SD tidak berubah apabila setiap unsur pada
gugus datanya di tambahkan atau dikurangkan dengan nilai
konstan tertentu. SD berubah apabila setiap unsur pada
gugus datanya dikali/dibagi dengan nilai konstan tertentu.
Bila dikalikan dengan nilai konstan, standar deviasi yang
dihasilkan akan setara dengan hasilkali dari nilai standar
deviasi aktual dengan konstan.2
2 Riduwan, Op.Cit. h. 122

Rumus Simpangan Baku untuk Data Tunggal
1. untuk data sample menggunakan rumus
2. untuk data populasi menggunakan rumus
Contoh:
Selama 10 kali ulangan semester ini sobat mendapat nilai 91,
79, 86, 80, 75, 100, 87, 93, 90, dan 88. Berapa simpangan baku
dari nilai ulangan sobat?
Jawab
Soal di atas menanyakan simpangan baku dari data populasi
jadi menggunakan rumus simpangan baku untuk populasi.
Kita cari dulu rata-ratanya
rata-rata = (91+79+86+80+75+100+87+93+90+88)/10 =
869/10 = 85,9

Kita masukkan ke rumus
Rumus Simpangan Baku Untuk Data Kelompok
1. untuk sample menggunakan rumus

2. untuk populasi menggunakan rumus
Contoh:
Diketahui data tinggi badan 50 siswa samapta kelas c adalah

sebagai berikut
hitunglah berapa simpangan bakunya
1. Kita cari dulu rata-rata data kelompok tersebut

2. Setelah ketemu rata-rata dari data kelompok tersebut kita
bikin tabel untuk memasukkannya ke rumus simpangan
baku

BAB V
ANGKA INDEKS
A. Pengertian Angka Indeks
Angka index adalah ukuran statistika yang menunjukkan
perbandingan suatu kuantitas dengan yang lain,
perbandingan itu dinyatakan dalam persentase dan biasanya
tanda persennya tidak disebutkan. Menurut DR. Winardi,
angka index merupakan sebuah alat angka matematik yang
digunakan untuk menyatakan tingkat harga, volume
perniagaan dan sebagainya dalam periode tertentu,
dibandingkan dengan tingkat harga, volume perniagaan
suatu periode dasar, yang nilainya dinyatakan dengan 100.
Sedangkan menurut Samsubar Saleh, angka index
merupakan suatu analisis data statistik yang terutama
ditunjukkan untuk mengukur berapa besarnya fluktuasi
perkembangan harga dari berbagai macam komoditas
selama satu periode waktu tertentu. Dalam suatu analisis
perekonomian, angka index mempunyai peranan yang sangat
63
besar, karena dapat digunakan untuk mengetahui besarnya
laju inflasi dan deflasi yang terjadi di negara tertentu.
Angka index dapat sebagai indikator yang penting
untuk menentukan kebijakan apa yang harus diambil oleh
pemerintah guna mengatasi permasalahan dalam
perekonomian. Misalnya, dengan mengetahui perkembangan
produksi suatu produk pada tahun sekarang dibandingkan
dengan produksi yang tahun lalu atau perkembangan
penduduk tahun sekarang dibandingkan tahun yang lalu,
maka pemerintah akan dapat mengambil kebijakan untuk
mengembangkan produksi produk tersebut dan mengatasi
pertumbuhan penduduk yang terlalu cepat.
Dalam menghitung angka index, waktu atau tahun yang
lalu disebut tahun dasar (base periods atau base year), yaitu
waktu atau tahun yang dijadikan dasar untuk menentukan
perkembangan suatu harga atau berfungsi sebagai waktu
atau tahun pembanding. Penentuan tahun dasar untuk
menghitung angka index perlu memperhatikan tiga faktor,
yaitu
1. Tahun dasar hendaknya dipilih pada saat kondisi
perekonomian relatif stabil
2. Jarak antara tahun dasar dengan tahun sekarang tidak
terlalu jauh
3. Penentuan tahun dasar hendaknya memperhatikan
kejadian-kejadian penting.

B. Metode Perhitungan Angka Indeks
1. Angka Indeks Relatif Sederhana
Indeks harga relatif sederhana (simple relative price
index) atau unweighted index ialah indeks yang terdiri dari
satu macam barang saja, tanpa memperhitungkan bobot
setiap barang/jasa, baik untuk indeks produksi maupun
indeks harga (misalnya indeks produksi beras, indeks
produksi karet, indeks produksi ikan, indeks harga beras,
indeks harga karet, indeks harga ikan, dsb).
Angka Indeks dikenal juga dengan unweighted index
yaitu indeks yang tanpa memperhitungkan bobot setiap
barang dan jasa.
Angka indeks Harga Relatif Sederhana menunjukkan
perkembangan harga relatif suatu barang dan jasa pada
tahun berjalan dengan tahun dasar, tanpa memberikan
bobot terhadap kepentingan barang dan jasa.
Rumus:
IH = Ht/Ho x 100
Keterangan:
IH: Indeks Harga
Ht: Harga pada tahun t
Ho: Harga pada tahun dasar
Contoh soal:
BAB V Angka Indeks 65

Berdasarkan data pada tabel di atas, maka dapat
diketahui angka indeks harga pada tahun 2004 yaitu
HI= 1.500/1.300 X 100 = 115,38%
Jadi, angka indeks harga pada tahun 2004 mengalami

kenaikan sebesar 15,38%.
2. Agregat Sederhana atau tidak tertimbang

Angka indeks ini menekankan agregasi barang dan
jasa lebih dari satu jenis, di mana harga, kuantitas dan nilai
dari beberapa komoditas dijadikan satu, sehingga
mendapatkan angka indeks yg mewakili agregasi tersebut
Indeks Harga Agregat Sederhana adalah angka
indeks yg menunjukkan perbandingan antara jumlah
harga kelompok barang/jasa pada periode tertentu
dengan periode dasarnya, perhitungannya:
a. Angka indeks harga

Ket:
IA = indeks harga tidak tertimbang
Pn = harga yang dihitung angka indeksnya
P0 = harga pada tahun dasar
Contoh:
Berdasarkan data di atas, maka angka indeks harga

tahun 2004 adalah:
1.500
IA = 1.300 x 100 = 115,38%
Jadi, harga tahun 2004 mengalami kenaikan sebesar

15,38%
b. Angka indeks kuantitas
Ket:
IA = indeks harga tidak tertimbang
Qn = kuantitas yang dihitung angka indeksnya
Q0 = kuantitas pada tahun dasar

Contoh:
Berdasarkan data di atas, maka angka indeks kuantitas

tahun 2004 adalah:
1000
IA = x 100 = 125%
800
Jadi, pada tahun 2004 terjadi kenaikan kuantitas

sebesar 25%
c. Angka indeks nilai
Ket:
Vn = nilai yang dihitung angka indeksnya
V0 = nilai pada tahun dasar
3. Angka Indeks Tertimbang

Indeks tertimbang merupakan angka indeks yang
mencerminkan pentingnya suatu angka penimbang (bobot
atau weight) terhadap angka-angka lainnya, sedangkan

pemberian bobot angka penimbang tersebut ditentukan
berdasarkan pentingnya barang/komoditi tersebut secara
subjektif.
Indeks tertimbang biasa digunakan pada indeks
agregat di mana banyak jenis komoditas yg memiliki bobot
yg berbeda, Indeks tertimbang dihitung dengan beberapa
cara:
No Uraian Rumus
1. Indeks Laspeyres:
Metode ini ∑𝐻𝑡.𝐾𝑜
I L = ∑𝐻𝑜.𝑘𝑜 × 100
dikembangkan oleh
Etienne Laspeyres
pada akhir abad ke 18.
Indeks Tertimbang
Laspeyres
menggunakan
kuantitas tahun dasar
sebagai pembobot.
2. Indeks Paasche:
Metode ini ∑ 𝐻𝑡.𝐾𝑡
IP= × 100
∑ 𝐻𝑜.𝐾𝑜
menggunakan
kuantitas tahun
berjalan sebagai
pembobot
3. Indeks Fisher: Indeks
fisher merupakan akar I F = √𝐼 𝐿 × 𝐼 𝑃

perkalian dari indeks
laspeyres dan paasche
4. Indeks Drobisch:
dipergunakan bila nilai
indeks berbeda terlalu 𝐼𝐿+𝐼𝑃
ID=
2
jauh. Indeks Drobisch
merupakan nilai rata-
rata dari Indeks
laspeyres dan indeks
paasche

BAB VI
ANALISIS VARIASI TREND DAN

ANALISIS VARIASI MUSIM
A. Pengertian Analisis Trend
Analisis Trend adalah salah satu aspek dalam analisa teknikal
yang berupaya memprediksi pergerakan harga sebuah aset
berdasarkan data harga di masa lalu, dan teknik ini cukup
populer dalam pengamatan harga saham, komoditas,
maupun analisa forex. Analisis Trend didasarkan pada
anggapan bahwa apa yang telah terjadi di masa lalu akan
memberikan petunjuk bagi trader tentang apa yang akan
terjadi di masa depan.
Untuk memahami Analisis Trend, pertama-tama perlu
diketahui bahwa “trend” merujuk pada arah yang diambil
oleh pasar dalam suatu periode waktu tertentu. Selain itu, ada
tiga tipe trend: jangka pendek (Short), jangka menengah
(Intermediate), dan jangka panjang (Long-term). Trend yang
73
nampak pada pergerakan harga akan bergantung pada
timeframe yang digunakan.
Walaupun tak ada jangka waktu tertentu mengenai
berapa lama harga bergerak untuk suatu arah dianggap
sebagai trend, tetapi pada umumnya disepakati bahwa makin
lama suatu arah pergerakan harga dipertahankan, maka
makin mencolok trend tersebut.
Dalam analisis trend, biasanya trader melakukan
langkah-langkah berikut:
1. Menentukan jangka waktu.
2. Mengumpulkan data, meliputi pergerakan harga di masa
lalu dalam bentuk grafik maupun petunjuk dari tools
analisa forex lainnya.
2. Mendefinisikan posisi harga saat ini.
3. Memprediksi arah pergerakan harga ke depan.
Analisis Trend biasanya digunakan oleh trader yang

ingin “menunggangi” sebuah trend hingga data yang
dikumpulkan mensinyalkan akan terjadi pembalikan harga
(reversal). Teknik ini cukup populer diantara gaya analisa
forex lainnya, karena asumsi bahwa bergerak searah dengan
trend akan membawa profit lebih baik ketimbang bila
bergerak melawan trend. Artinya, jika trend-nya naik
(bullish), maka trader akan berhati-hati untuk tidak
membuka posisi sell; sedangkan bila trend-nya turun

(bearish) maka trader akan berhati-hati untuk tidak
membuka posisi buy.
Lebih dari itu, analisis trend dapat membantu dalam
analisa intermarket, di mana trader bisa memprediksi
apakah sebuah trend di satu pasar akan berpengaruh pada
munculnya trend di pasar lainnya.
Trend menunjukkan perubahan nilai suatu variabel
yang relative stabil perubahan populasi, perubahan harga,
perubahan teknologi, dan peningkatan produktivitas.
Ramalan (forecasting) adalah proses aktivitas meramalkan
suatu kejadian yang mungkin terjadi di masa yang akan
dating dengan teknik mengkaji data yang ada. Pendapatan
(revenues) artinya hasil proses memberikan jasa pelayanan
(service), manfaat yang dapat digunakan oleh orang lain.
Ramalan pendapatan berarti perolehan modal (ekuitas)
perusahaan yang diperoleh dari aktivitas bisnis yang
dilakukan pada waktu tertentu. Ramalan pendapatan juga
merupakan faktor penting dalam perencanaan perusahaan.
Karena ramalan pendapatan akan menentukan kepemilikan
modal, anggaran laba rugi, anggaran atas posisi keuangan.
Persamaan trend adalah sebagai berikut:
Y’ = a + bX
Keterangan: Y adalah variabel dependen (tak-bebas) yang
dicari trendsnya dan X adalah variabel independen (bebas)
dengan menggunakan waktu (biasanya dalam tahun).
BAB VI Analisis Variasi Trend dan Analisis Variasi Musim 75

Ada beberapa metode untuk perhitungan dari analisis
menggunakan tren yaitu
1. Metode Garis Linier Secara Bebas (Free Hand Method)
Kelebihan metode ini adalah sangat mudah dan
sederhana membuatnya. Kelemahan metode ini adalah
dalam menarik garis trend dari sebaran data sangat
subjektif. Untuk data yang sama kecenderungan garis bisa
berbeda-beda jika digambarkan oleh orang yang berbeda.
Sehingga metode ini kurang tepat untuk pengambilan
keputusan manajemen perusahaan. Cara ini hanya untuk
mengetahui ke arah mana trend atau pertumbuhan suatu
variabel.
2. Metode Setengah Rata-Rata (Semi Average Method)

Bergerak membuat trend garis dengan cara mencari
rata-rata kelompok. Cara ini untuk berusaha
menghilangkan subjektivitas seperti pada metode bebas.
3. Metode Rata-Rata Bergerak (Moving Average Method)

Rata-rata bergerak adalah metode peramalan yang
menghitung rata-rata suatu nilai runtut waktu dan
kemudian digunakan untuk memperkirakan nilai pada
periode selanjutnya. Rata-rata bergerak diperoleh melalui
penjumlahan dan pencarian nilai rata-rata dari sejumlah
periode tertentu, kemudian menghilangkan nilai
terlamanya dan menambah nilai baru.

4. Metode Kuadrat Terkecil (Least Square Method).
Garis trend dalam metode ini diperoleh dengan cara
menentukan persamaan garis yang mempunyai jumlah
terkecil dari kuadrat selisih data asli dengan data pada
garis trend. Metode kuadrat terkecil ini yang paling
banyak digunakan dalam analisis deret berskala untuk
peramalan bisnis.
Secara khusus, analisis time series dengan metode

kuadrat terkecil dapat dibagi dalam dua kasus, yaitu kasus
data genap dan kasus data ganjil. Persamaan garis linear dari
analisis time series akan mengikuti:
Sedangkan untuk mencari nilai konstanta (a) dan
parameter (b) dapat dipakai persamaan:
a = ΣY / N dan
b = ΣXY / ΣX2
Contoh soal:
Penggunaan metode Least Square dalam Analisis Trend.
PT. Karina memproduksi dan menjual produk A memiliki
data-data sebagai berikut:
a. Data-data beberapa tahun yang lalu
Tahun Penjualan Harga Jual Per
(unit) Unit (Rp)
2016 258.000 25
2017 258.000 27

2018 290.000 30
2019 346.000 33
2020 312.000 35
b. Tahun 2021 perusahaan merencanakan penjualan

produknya di daerah DKI-Jaya dan Jawa Barat dengan
perbandingan 60% untuk DKI-Jaya dan 40% untuk Jawa
Barat dengan pola penjualan sebagai berikut.
1) Januari 5% Triwulan II 20%
2) Februari 10% Triwulan III 25%
3) Maret 15% Triwulan IV 25%
c. Tingkat harga tahun 2021 direncanakan akan dinaikkan
20% dari tingkat rata-rata
d. Tingkat harga pada masing-masing daerah adalah sama
Berdasarkan data-data di atas, diminta:

a. Menentukan besarnya forecast penjualan tahun 2021
dengan menggunakan metode least least square
b. Menyusun anggaran penjualan PT. Karina
Pembahasan:
a. Menentukan besarnya forecast penjualan tahun 2021
dengan menggunakan metode least least square

Tahun Penjualan Prediksi X^2 XY
(n) (unit) (y) (x)
2016 258.000 -2 4 -516.000
2017 258.000 -1 1 -258.000
2018 290.000 0 0 0
2019 346.000 1 1 346.000
2020 312.000 2 4 624.000
5 1.464.000 0 10 196.000
Rumus:
Y = a+Bx
a= Total Y: n
a= 1.464.000:5 = 292.800
b= Total XY:X^2
b= 196.000: 10= 19.600
c persamaan Least Square untuk Tahun penjualan

Y = a+b (X)
Y = a+ b (3)
Y = 292.800 + 19.600 (3)
Y = 292.800 + 58.800
Y = 351.600 Unit

b. Menyusun anggaran penjualan PT. Karina
Proyeksi Penjualan
Tahun Penjualan Harga Total
(unit) (Rp) penjualan
2016 258.000 25 6.450.000
2017 258.000 27 6.966.000
2018 290.000 30 8.700.000
2019 346.000 33 11.418.000
2020 312.000 35 10.920.000
2021 351.600 36 12.657.000
Harga Tahun 2021

= 120% x Harga Rata-rata
=120% x 30
= Rp36

Anggaran Penjualan 2021
Periode % Total DKI Jaya Jawa
Penjualan (60%) Barat
(40%)
Januari 5% 632.880 379.720 253.152
Februari 10% 1.265.760 759.465 506.304
Maret 15% 1.898.000 1.139.184 759.456
Triwulan II 20% 2.531.520 1.518.912 1.012.608
Triwulan III 25% 3.164.400 1.898.640 1.265.760
Triwulan IV 25% 3.164.400 1.898.640 1.265.760
Total 100% 12.657.000 7.594.560 5.065.040
B. Pengertian Analisis Variasi Musim

Analisis musiman akan bermanfaat pada beberapa situasi.
Pertama, apabila analis ingin melihat pengaruh musiman dan
memanfaatkan informasi tersebut untuk tujuan tertentu.
Musiman merupakan fluktuasi yang terjadi dalam
lingkup satu tahun. Ada beberapa penyebab timbulnya
fluktuasi musiman, misalnya karena peristiwa tertentu
(lebaran, tahun baru), karena cuaca (musim hujan, kemarau).
Variasi musiman
1. Variasi musim berhubungan dengan perubahan atau
fluktuasi dalam musim–musim tertentu atau tahunan.
2. Fluktuasi: triwulan
3. Jadi perubahan< 1 tahun

Ada beberapa metode untuk menghitung analisis
variasi musim yaitu
1. Metode rata-rata sederhana
a. Asumsi bahwa pengaruh tren dan siklus yang tidak
beraturan tidak besar dapat dianggap tidak ada
b. Indeks musim
𝑟𝑎𝑡𝑎−𝑟𝑎𝑡𝑎 𝑥 100
Rumus: 𝑟𝑎𝑡𝑎−𝑟𝑎𝑡𝑎 𝑡𝑜𝑡𝑎𝑙
2. Metode rata–rata bergerak

a. Suatu metode yang dilakukan dengan cara membuat
rata–rata bergerak
b. Untuk mencari target per triwulan
𝑖𝑛𝑑𝑒𝑘 𝑚𝑢𝑠𝑖𝑚 𝑥 𝑟𝑎𝑡𝑎−𝑟𝑎𝑡𝑎 𝑡𝑜𝑡𝑎𝑙
Rumus: 100
Contoh soal:
Data produksi padi 2001 – 2006
Tahun Triwulan Produksi total
I II III
2001 25 20 18 63
2002 32 25 20 77
2003 23 32 20 75
2004 28 30 24 82
2005 31 33 25 89
2006 32 35 23 90

1. Buatlah indeks musim dengan menggunakan metode rata-
rata sederhana, apabila produksi padi tahun 2008
diperkirakan 120 ton, berapa target produksi tiap
triwulannya?
2. Buatlah indeks musim dengan metode rata–rata bergerak
untuk triwulan?
Jawab:
Tahun Triwulan Produksi total

I II III
2001 25 20 18 63
2002 32 25 20 77
2003 23 32 20 75
2004 28 30 24 82
2005 31 33 25 89
2006 32 35 23 90
Total 171 175 130 475
Rata-rata 28,5 29,2 21,7 79,3
Rata-rata 26,44444444
total
𝑟𝑎𝑡𝑎−𝑟𝑎𝑡𝑎 79,3
= = 26, 44444444
𝑡𝑟𝑖𝑤𝑢𝑙𝑎𝑛 3
Metode indek musim

28,5 𝑥 100
I.26,44444444 = 107, 7731092

29,2 𝑥 100
II.26,44444444 = 110,2941176
21,7 𝑥 100
III. 26,44444444 = 81, 93277311
Jika diperkirakan panen padi tahun 2008 sebesar 120 ton,

maka:
-rata – rata total setiap triwulan
120
= = 40 ton
3
-untuk mencari target per triwulan

𝑖𝑛𝑑𝑒𝑘 𝑚𝑢𝑠𝑖𝑚 𝑥 𝑟𝑎𝑡𝑎−𝑟𝑎𝑡𝑎 𝑡𝑜𝑡𝑎𝑙
= 100
107,77 𝑥 40
I. = 43,1092437
100
110,29 𝑥 40
II. = 44,11764706
100
81,93 𝑥 40
III. = 32,77310924
100
Jadi, ini merupakan perkiraan produksi padi setiap

triwulan pada tahun 2008
3. Metode rata–rata dengan tren

a. Suatu metode rata–rata yang disesuaikan dengan tren
b. Perbandingan antara nilai data asli dengan nilai tren
c. Rumus:
𝑛𝑖𝑙𝑎𝑖 𝑑𝑎𝑡𝑎 𝑎𝑠𝑙𝑖
Indeks musim = x 100
𝑛𝑖𝑙𝑎𝑖 𝑡𝑟𝑒𝑛
*Persamaan metode Rata – rata dengan tren

d. Persamaan tren
Y = a +b(x)
e. Koefisien a
𝑌
a=∑ 𝑛
f. Koefisien b
𝑋𝑌
b =∑ 𝑋²
contoh soal:
Data penjualan susu PT Nestle 2018
Bulan Penjualan
(jutaan sachet)
Januari 2
Februari 2
Maret 3
April 2
Mei 4
Juni 3
Juli 4
Agustus 3
September 4
Oktober 3
November 3
Desember 4

1. Hitunglah indeks musim bulanan dengan metode rata-rata
dengan tren
Jawab:
Indeks
Musim
=(Y/Y¹) x
100
Bulan Y X XY X² Y¹
Januari 2 -5,5 -11 30,25 2,33 85,7
Februari 2 -4,5 -9 20,25 2,47 81,0
Maret 3 -3,5 - 12,25 2,61 115,1
10,5
April 3 -2,5 -5 6,25 2,74 72,9
Mei 4 -1,5 -6 2,25 2,88 138,9
Juni 3 -0,5 -1,5 0,25 3,02 99,5
Juli 4 0,5 2 0,25 3,15 126,9
Agustus 3 1,5 4,5 2,25 3,29 91,2
September 4 2,5 10 6,25 3,42 116,8
Oktober 3 3,5 10,5 12,25 3,56 84,3
November 3 4,5 13,5 20,25 3,70 81,1
Desember 4 5,5 22 30,25 3,83 104,3
Jumlah 37 19,5 143
𝑌
a. Mencari nilai a = ∑
𝑛

a = 37/12 = 3,08
𝑋𝑌
b. Mencari nilai b = ∑ 𝑋2
b = 19,5 /143 = 0,14

c. Menentukan persamaan tren Y¹ = a + bx
Y¹ = 3,08 + 0,14x
C. Pengaplikasian Analisis Trend Dalam Microsoft Excel

Analisis trends merupakan suatu metode analisis statistika
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 hasil
analisis tersebut dapat mengetahui s ampai berapa besar
fluktuasi yang terjadi dan faktor-faktor apa saja yang
memengaruhi terhadap perubahan tersebut.
Berikut adalah contoh tren yang kami buat
Langkah 1:
Buka data yang ada Microsoft excel.

Langkah 2: Pilih Insert - Line - Line With Markers (Kalian
bisa menggunakan grafik sesuai dengan yang kalian
inginkan).
Langkah 3: Setelah itu akan muncul kotak kosong seperti di

bawah ini.

Langkah 4: Klik Select Data.
Langkah 5:
Akan muncul
kotak seperti
di samping ini.
Langkah 6: Klik Add.

Langkah 7: Pilih Series Name - klik pada Total Penjualan.
Langkah 8: Kemudian Pilih Series Values - klik pada bagian

data - tarik ke bawah.
Langkah 9: Klik edit

Langkah 10: Kolom Axis Labels – klik pada kolom hari senin
sampai minggu.
Langkah 11: Klik ok.
Langkah 12: Setelah itu muncul grafik Total Penjualan

Tahun 2017

Langkah 13: Kemudian setelah membentuk grafik, langkah
selanjutnya buat trend-nya dengan cara Pilih Layout -
Trendline - Linier Trendline.
Langkah 14: Lalu akan muncul tren seperti yang ada di

bawah ini.
Setelah semua langkah dilakukan, kita bisa langsung

untuk menganalisis tren pada data-data lainnya. Data pada
contoh diatas bukan merupakan data riil, tetapi data diatas
adalah data yang kami buat sendiri sebagai contoh.

BAB VII
ANALISIS VARIASI SIKLUS DAN ANALISIS

GERAK TAK BERATURAN
A. Analisis Variasi Siklus (Cyclical Variation)
Sejauh ini sudah dipelajari komponen dapat berkala yaitu
T(tren), dan S (variasi musim) dari 4 komponen deret berkala
yaitu Y = T x S x C x I. Bagian ini akan mempelajari siklus (C).
Siklus yaitu suatu perubahan atau gelombang naik dan
turun dalam suatu periode, dan berulang pada periode lain.
Singkatnya variasi siklus sendiri adalah periode naik-turun
dalam jangka panjang.
Perekonomian sebagaimana gelombang dalam fisika
juga mengalami siklus dari resesi, pemulihan(recovery),
ledakan(boom), dan krisis. Suatu siklus biasanya periode
tertentu untuk kembali ke titik asal. Periode ini dikenal
dengan lama siklus. Siklus juga mempunyai frekuensi yaitu
siklus yang dapat diselesaikan dalam satu periode waktu.
Frekuensi = 1/lama siklus
93
1. Fakta-fakta:
a. Kegiatan ekonomi maupun perusahaan dapat
berkembang atau menurun secara periodik dalam
jangka lebih dari 1 tahun.
b. Tendensi timbulnya Gerak Siklis lebih banyak
diakibatkan oleh kegiatan perusahaan, misalnya
penjualan mobil, pembangunan gedung, perkembangan
tingkat harga, dsb.
c. Menurut Gottfried Haberler dalam bukunya Prosperity
and Depression periode Business Cycles dapat
dibedakan menjadi 4 bagian, yaitu
1) Masa kemakmuran (Prosperity phase)
2) Masa Krisis (Downturn, crisis phase)
3) Masa Kehancuran (Depression phase)
4) Masa Pembangunan Kembali (Upturn, Revival Phase).
2. Rumus Indeks Siklus

Komponen data
berkala adalah Y = T x C Y/S = T x C x I
x I, apabila Y, S, dan T diketahui, maka CI dapat diperoleh
dengan cara:

Di mana T x C x I =
CL = TCI/T
menunjukkan data normal, untuk memperoleh faktor
siklus, maka unsur tren(T) dikeluarkan dari data normal,
sehingga faktor siklus menjadi:
3. Langkah untuk Menghitung Indeks Siklus

a. Mengetahui data asli (Y)
b. Membuat nilai tren (T)
c. Menghitung indeks musim (S)
d. Menghitung nilai normal yaitu TCI = Y/S
e. Menghitung faktor siklus dengan mengeluarkan
pengaruh tren, CI = CTI/T
f. Mencari indeks siklus dengan melakukan metode rata-
rata bergerak pada data CI
B. Analisis Gerak Tak Beraturan

Gerak tak beraturan- irregular movement merupakan Suatu
perubahan kenaikan dan penurunan yang tidak beraturan
baik dari sisi waktu dan lama dari siklusnya serta gerakan ini
tidak teratur dan sulit diramalkan.
1. Fakta-fakta:
a. Gerakan ini selalu ada pada Time Series dan sulit
dihilangkan.
BAB VII Analisis Variasi Siklus dan Analisis Gerak Tak Beraturan 95
b. Gerakan ini timbul sebagai akibat adanya peperangan,
bencana alam, kelaparan, kekeringan, inflasi dan
deflasi.
2. Indeks Gerak Tak Beraturan

Rumus mencari analasisi gerak tak beraturan yaitu
Sudah diketahui data berkalanya melalui trend,
analisis musim dan variasi siklus
Y= T x S x C x I
CI= Faktor siklus
C= Siklus
maka, I = CI/C
3. Contoh Kasus
contoh kasus: berikut merupakan data produksi padi
dari 4 tahun terakhir bagaimanakah perhitungan data dan
forecastingnya?

4. Pembahasan Kasus
Penyelesaian
Telah diketahui Y (data asli), T (tren), dan S (indeks
musim) dengan mencarinya terlebih dahulu sesuai dengan
yang telah dipelajari seperti yang di jelaskan kelompok
sebelumnya, sehingga dapat dicari data normal (TCI= Y/S)
dan faktor siklus (CI =TCI/T). Untuk mencari C data dicari
dengan menggunakan metode rata-rata bergerak. Langkah-
langkahnya yaitu
1. Data asli dinyatakan dengan Y
2. Membuat tren (t), tren dibuat dengan metode kuadrat
terkecil = Y’= a +bX;
3. Membuat (S), variasi musim yang dinyatakan dengan
indeks musim IM = (data asli/data rata-rata bergerak) x
100.
4. Setelah mendapatkan Y, T, dan S. Maka dapat dibuat data
normal (TCI)= Y/S. Nilai TCI pada tabel diatas dinyatakan
dalam persentase sehingga TCI =(Y/S) X 100
5. Setelah mendapatkan dat normal, maka data dicari faktor
siklus (CI) dengan menghilangkan faktor tren. CI = (TCI/T)
X 100.
6. Siklus dalam bentuk indeks dapat dicari dengan metode
rata-rata bergerak. Indeks siklus 91,99 didapat dari
(85,50+93,23+97,23)/3.
7. Kolom ke-8 menunjukkan indeks yang menyatakan
adanya pengaruh siklus dalam data produksi padi
Indonesia
Data Bergerak Tak Beraturan

Penyelesaian
Cara menyelesaikan data bergerak tak beraturan ini
rumusnya sederhana yaitu hanya dengan membagi indeks
siklus dengan variasi siklusnya.
I = CI/C
Maka jika dari soal tersebut I nya adalah 93,23/91,99 =
101,35
TENTANG PENULIS
Musnaini is a lecturter in
Management Departement
of Faculty of Economics and
Business, and Master of
Management of Universitas
Jambi, Indonesia. Mrs.
Musnaini holds a Bachelor of
Economic Science degree in
Financial Management from
Sekolah Tinggi Ilmu Ekonomi Malangkucecwara Malang,
Masters in Marketing Strategic from Brawijaya University,
Malang, Indonesia and Doctoral in Marketing of Economic
Science from Airlangga University Surabaya, Indonesia.
Musnaini is the managing member of The Small Business
Strategy Group, Indonesia Marketing Associate Member, and
member of Ikatan Sarjana Ekonomi Indonesia. She has been
recognized as a professional management consultant with
over 3 years of experience in working with closely-Palm
Plantation Industry. she has taught courses in
entrepreneurship, management and corporate
entrepreneurship and innovation for small business enterprise.
Mrs. Musnaini served as member of the Expertise Team in
101
Economic and Finance Comittee of DPRD Jambi Province,
Indonesia. Musnaini’s publications appeared in Int. J. Business
and Globalisation; Scientific Journal of Ppi-UKM; Journal of
Social Sciences and Humanities; Jurnal Manajemen Teori dan
Terapan | Tahun 4, No. 2, Agustus 2011. Email:
musnaini@unja.ac.id;
Mobile Phone+6281366526750; Adress Kampus Pinang
Masak, Fakultas Ekonomi dan bisnis Jl. Jambi - Muara Bulian
No.Km. 15, Mendalo Darat, Kec. Jambi Luar Kota, Kabupaten
Muaro Jambi, Jambi 36122, Indonesia; Id Scopus
https://orcid.org/0000-0002-6481-1502.

Haudi, S.PD., M.M., D.B.A.,
lahir di Tangerang, Provinsi
Banten. Latar belakang
pendidikan formal: Sarjana
Pendidikan bahasa Inggris
STKIP Setia Budhi Rangkas
Bitung, Magister Manajemen
Universitas Kristen Krida
Wacana, Doctor of Business
Administration dari Collegium Humanum Warsaw
Management University. Pernah kuliah sampai Kandidat
Doktor Manajemen Pendidikan di Universitas Jakarta. Saat ini
sedang menyelesaikan studi di Program Doktor Ilmu Agama
dan Kebudayaan di Universitas Hindu Indonesia dan
Program Doktor Ilmu Pemerintahan di Universitas
Satyagama.
Tentang Penulis 103

Dini Haryati, S.E., M.Ak.,
lahir di Kota Muara Bulian,
Propinsi Jambi, tanggal 01
Januari 1992 adalah Dosen
tetap di IAI Nusantara
Batanghari dengan jabatan
Asisten Ahli. Dengan
pengalaman mengajar 3
(Tiga) tahun. Yang
bersangkutan telah menghasilkan beberapa karya ilmiah
baik jurnal nasional ter akreditasi maupun jurnal nasional
tidak ter akreditasi. Selain seorang Dosen, yang bersangkutan
juga aktif di bidang Keuangan dan Perbankan.

View publication stats

Pengantar Statistik Ekonomi

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Pengantar Statistik Ekonomi

Diunggah oleh

Hak Cipta:

Format Tersedia

See discussions, stats, and author profiles for this publication at: https://www.researchgate.

PENGANTAR STATISTIK EKONOMI

Book · September 2021

marketing View project

BIG DATA ANALYSIS View project

The user has requested enhancement of the downloaded file.

Fungsi dan Sifat Hak Cipta Pasal 4

Dr. Musnaini, S.E., M.M.

Isi diluar tanggung jawab penerbit dan percetakan

Anggota IKAPI: 020/SBA/02

PENERBIT INSAN CENDEKIA MANDIRI

BAB I DISTRIBUSI FREKUENSI DAN PENYAJIAN DATA TABEL DAN GRAFIK_1

BAB II UKURAN PEMUSATAN DATA_21

BAB III JARAK DAN DEVIASI_41

BAB IV VARIAN DAN DEVIASI STANDAR_53

BAB V ANGKA INDEKS_63

BAB VI ANALISIS VARIASI TREND DAN ANALISIS VARIASI MUSIM_73

vi Pengantar Statistik Ekonomi

Jambi, 14 Maret 2021

viii Pengantar Statistik Ekonomi

DISTRIBUSI FREKUENSI DAN PENYAJIAN

B. Jenis Distribusi Frekuensi

2 Pengantar Statistik Ekonomi

Adalah distribusi frekuensi yang pembagian

2. Distribusi Frekuensi Relatif

BAB I Distribusi Frekuensi dan Penyajian Data Tabel dan Grafik 3

Frekuensi relatif kadang-kadang dinyatakan dalam bentuk

3. Distribusi Frekuensi Kumulatif

4 Pengantar Statistik Ekonomi

BAB I Distribusi Frekuensi dan Penyajian Data Tabel dan Grafik 5

b. Distribusi Frekuensi Kumulatif Lebih Dari

6 Pengantar Statistik Ekonomi

1. Bagian-Bagian Distribusi Frekuensi

BAB I Distribusi Frekuensi dan Penyajian Data Tabel dan Grafik 7

8 Pengantar Statistik Ekonomi

Banyaknya kelas adalah 7

BAB I Distribusi Frekuensi dan Penyajian Data Tabel dan Grafik 9

10 Pengantar Statistik Ekonomi

3. Contoh Membuat Tabel Distribusi Frekuensi

Buatlah daftar distribusi frekuensi dari data diatas:

BAB I Distribusi Frekuensi dan Penyajian Data Tabel dan Grafik 11

g. Membuat tabel distribusi frekuensi dengan cara

12 Pengantar Statistik Ekonomi

BAB I Distribusi Frekuensi dan Penyajian Data Tabel dan Grafik 13

14 Pengantar Statistik Ekonomi

BAB I Distribusi Frekuensi dan Penyajian Data Tabel dan Grafik 15

BAB I Distribusi Frekuensi dan Penyajian Data Tabel dan Grafik 17

a. Buatlah tabel distribusi frekuensi data bergolong dari

2. Menentukan banyak kelas interval (K)

18 Pengantar Statistik Ekonomi

BAB I Distribusi Frekuensi dan Penyajian Data Tabel dan Grafik 19

20 Pengantar Statistik Ekonomi

UKURAN PEMUSATAN DATA

22 Pengantar Statistik Ekonomi

BAB II Ukuran Pemusatan Data 23

24 Pengantar Statistik Ekonomi

Dengan demikian maka modusnya adalah nilai 4,

BAB II Ukuran Pemusatan Data 25

26 Pengantar Statistik Ekonomi

BAB II Ukuran Pemusatan Data 27

Apabila n genap, maka rumus yang digunakan adalah

Contoh: ada 8 karyawan dan upahnya dalam ribuan

Maka mediannya terletak diurutkan ke 4, dengan nilai:

b. Median data berkelompok