MATERI INISIASI 1

MATAKULIAH : STATISTIKA EKONOMI /ESPA 4123

MODUL : MD1
JUDUL : PENGERTIAN DATA DAN STATISTIK

PENULIS/ : HENDRIN H. SAWITRI, SE.,

TUTOR M.Si.
(hendrin@ut.ac.id)

Data dan statistik mempunyai hubungan yang sangat erat. Selain itu, keduanya juga
mempunyai hubungan yang sangat erat dengan kehidupan manusia sehari-hari, dengan
bidang ilmu pengetahuan, baik yang eksakta, sosial, ekonomi, bisnis dan lain-lain. Data
dan statistik serta fungsi keduanya, banyak memberikan kegunaan yang sangat tidak
ternilai bagi manusia, bagi kita semua.

DATA, KEGUNAAN DAN FUNGSINYA

Anda sebagai individu, seorang manajer, atau mungkin seorang pengusaha,

menginginkan untuk:
 Mengetahui siapa saja yang akan pensiun tahun depan, dari bagian mana, apa
jabatannya, berapa pesangon yang akan didapat, dan sebagainya. Tujuannya adalah
antara lain:
 Mempersiapkan dana, berapa besarnya untuk pembayaran pesangon mereka.
 Mempersiapkan penerimaan karyawan baru untuk mengganti karyawan yang
bakal pensiun tersebut (walaupun tidak semua).
Untuk maksud tersebut, Anda memerlukan data berupa data pegawai, yang mungkin
cukup didapat dari dalam perusahaan sendiri.
 Mengetahui tingkat kepuasan konsumen produk yang anda pasarkan, bagaimana
respon mereka terhadap mutu produk Anda, harga, pelayanan dan sebagainya. Untuk
inipun, Anda perlu data, malah mungkin data tersebut perlu dikumpulkan di lapangan
 Tutorial Online Statistik Ekonomi 1 (ESPA 4123)

melalui survei (terlepas dari apakah dilakukan sendiri atau dengan membayar
lembaga riset yang Anda percayai).
 Mengetahui apakah proses produksi saat ini masih terkendali atau tidak. Berapa
persen dari produksi yang tertolak karena dianggap cacat, lengkap dengan
perinciannya per mesin, per lokasi, kapan, mengapa dan lain-lain. Untuk inipun, Anda
memerlukan data (yang didapat dari bagian produksi).
 Mengetahui perkembangan perekonomian (trend) untuk jangka waktu tertentu,
pertumbuhan penduduk penduduk, pendapatan nasional dan sebagainya . Termasuk
juga mengetahui faktor-faktor atau variabel yang mempengaruhi pertumbuhan
ekonomi.

Dari contoh-contoh tersebut diatas, kita mengetahui betapa pentingnya data. Dengan
data, kita mengetahui gambaran perusahaan sekarang, masalah apa yang sedang
dihadapi, mengapa terjadi masalah-masalah tersebut, bagaimana cara pemecahannya.
Dengan data, kita dapat meramal atau memperkirakan, apa yang kira-kira bakal terjadi di
masa mendatang. Dengan data, kita pun bisa membuat perencanaan, peramalan,
mengontrol pelaksanaan, mengevaluasi target apakah tercapai atau tidak, dan
sebagainya. Dengan adanya data, kita dapat banyak mengetahui tentang berbagai hal.
Dengan data, kita bisa mengambil keputusan-keputusan, kebijakan-kebijakan
perusahaan, dan sebagainya. Pendeknya, fungsi dan manfaat data sangat penting dan
banyak sekali. Sering kali, akan berbahaya jika kita mengambil kesimpulan dan keputusan
tanpa didukung oleh data. Orang bilang ” Speak with data”, berbicaralah dengan data agar
objektif dan lebih akurat. Sebenarnya apa itu data?

PENGERTIAN DATA DAN PENGGOLONGANNYA

Dari uraian di atas, sebenarnya data adalah kumpulan keterangan atau informasi yang
diperoleh dari suatu pengamatan, dapat berupa angka, lambang atau sifat. Jika kita
mendapatkan data yang tidak baik, sebaik apa pun cara pengolahan data yang kita
lakukan, hasilnya atau kesimpulan yang didapat dari data tersebut tetap tidak baik.
Semisal, ungkapan ”garbage in, garbage out”, yang artinya jika yang masuk sampah,
yang keluar pun juga sampah. Jadi, syarat utama agar analisa data secara statistik
menghasilkan informasi atau kesimpulan yang baik adalah data yang diolah haruslah juga
baik.

Page 2 of 12
 Tutorial Online Statistik Ekonomi 1 (ESPA 4123)

Apa itu data yang baik? Data yang baik adalah data yang sifatnya representatif
(mewakili), objektif (sesuai dengan apa yang ada atau yang terjadi), relevan (ada
hubungannya dengan persoalan yang sedang dihadapi dan akan dipecahkan), mempunyai
tingkat ketelitian yang tinggi atau standard error (kesalahan baku) yang kecil.

Dari mana data diperoleh? Data dapat diperoleh dari sumber internal ( internal data)
dan sumber eksternal (external data). Data internal adalah data yang didapat oleh
organisasi itu sendiri untuk keperluan operasi sehari-hari. Organisasi dimaksud dapat
berupa instansi pemerintah maupun swasta, misalnya departemen-departemen, Biro
Pusat Statistik, BAPPENAS, BUMN, perusahaan-perusahaan swasta dan sebagainya.
Sedangkan, data eksternal adalah data yang didapat dari luar organisasi yang
bersangkutan, biasanya menggambarkan keadaan di luar organisasi tersebut. Contoh
data jenis ini misalnya data pendapatan nasional, penduduk, harga-harga bahan pokok
yang dukumpulkan oleh Biro Pusat Statistik, data keuangan negara yang dikumpulkan
oleh departemen keuangan, data perbankan dari Bank Indonesia dan sebagainya,
termasuk data yang dikumpulkan oleh badan-badan internasional, seperti UNESCO, IMF,
FAO dan lain-lain.

1. DATA KUANTITATIF DAN DATA KUALITATIF

 DATA KUANTITATIF
Banyak data yang berbentuk angka atau bilangan, misalnya luas tanah, jumlah
penduduk dan sebagainya. Untuk jenis data ini dapat dilakukan perhitungan-
perhitungan atau operasi matematika, seperti penambahan, pengurangan, perkalian,
pembagian dan sebagainya. Data kuantitatif nilainya bisa berubah-ubah sehingga
disebut variabel.
Data kuantitatif dapat dibagi atas:
 Data Interval
Ukuran data mempunyai interval atau jarak, misalnya berat badan antara 50-60
kg.
 Data Rasio
Data berupa angka dalam arti yang sebenarnya, sehingga mempunyai nilai nol.
Data jenis ini diperoleh melalui pengukuran dan memiliki tingkat pengukuran paling
tinggi diantara jenis data lainnya.

Page 3 of 12
 Tutorial Online Statistik Ekonomi 1 (ESPA 4123)

 DATA KUALITATIF
Data kualitatif adalah data yang bukan berbentuk angka atau bilangan, misalnya
kepuasan pelanggan (sangat puas, puas, kurang puas dan sebagainya), sehingga kita
tidak dapat melakukan operasi matematika terhadapnya. Jenis data ini disebut atribut.
Data kualitatif dapat dibagi atas:
 Data nominal
Ukuran data nominal adalah kategori, misalnya jenis kelamin, laki-laki atau wanita,
tempat tinggal dan sebagainya. Dilihat dari tingkat pengukuran data, data nominal
mempunyai tingkatan yang paling rendah dari jenis data lainnya. Hal tersebut
karena walaupun dalam prakteknya data ini bisa diangkakan, tetapi terhadapnya
tidak bisa dilakukan operasi matematika. Contoh pemberian angka tersebut di atas
misalnya, angka ’1’ untuk yang tinggal di Jakarta, ’2’ untuk yang tinggal di
Bandung, ’3’ untuk Surabaya dan sebagainya.
 Data Ordinal
Data ordinal hampir sama dengan data nominal, hanya saja data orrdinal
mempunyai tingkatan data atau urutan kelas, ada yang lebih tinggi ada yang lebih
rendah. Contoh data ini adalah data tentang kepuasan pelanggan, yang dibagi
menjadi sangat puas, tidak puas, antara puas dan tidak puas, tidak puas dan
sangat tidak puas. Data ordinal mempunyai tingkatan yang lebih tinggi dari data
nominal. Walaupun mempunyai tingkatan, terhadap jenis data ini kita tetap tidak
dapat melakukan operasi matematika.

Dilihat dari tingkat data, urutan dari yang paling tinggi adalah data rasio, data
interval, data ordinal dan paling rendah data nominal.Untuk mengolah data
kualitatif (data nominal dan ordinal), biasanya digunakan statistik non parametrik,
sedangkan untuk data kuantitatif digunakan statistik parametrik.

2. DATA INTERNAL DAN DATA EKSTERNAL

 DATA INTERNAL
Data yang berasal dari dalam organisasi atau perusahaan sendiri. Data jenis ini
biasanya berkaitan langsung dengan organisasi sendiri, misalnya data keuangan
(neraca, laporan laba-rugi dan sebagainya), data kepegawaian, data produksi dan
lain-lain.
 DATA EKSTERNAL

Page 4 of 12
 Tutorial Online Statistik Ekonomi 1 (ESPA 4123)

Data yang berasal bukan dari dalam organisasi perusahaan sendiri. Data ini sering
tidak berkaitan langsung dengan organisasi sendiri, misalnya data tentang jumlah
kendaraan di Jakarta, jumlah penduduk di suatu desa dan lain-lain.

3. DATA PRIMER DAN DATA SEKUNDER

 DATA PRIMER
Data yang dukumpulkan, diolah serta diterbitkan sendiri oleh organisasi yang
menggunakannya. Contoh jenis data ini adalah data kependudukan yang dibuat oleh
Biro Pusat Statistik, data tentang pertanian yang dibuat oleh Departemen Pertanian
dan sebagainya.
 DATA SEKUNDER
Data yang tidak dibuat atau diterbitkan oleh penggunanya, misalnya data tentang
jumlah kendaraan dari Departemen Perhubungan merupakan data primer bagi
Departemen tersebut karena dibuat dan diterbitkannya, tapi merupakan data
sekunder bagi PT X sebagai pengguna, yang mendapatkannya dari sumber lain
(misalnya media massa) yang mengutipnya. Jadi, orang bisa mendapatkan data
sekunder dari harian, majalah, buletin dan media massa lainnya yang mengutip data
dari sumber-sumber lain yang menerbitkannya (misalnya data dikutip dari
departemen, Biro Pusat Statistik, Bank Indonesia dan lain-lain). Dengan demikian,
data eksternal bisa berupa data primer, bisa juga berupa data sekunder.

4. DATA DISKRIT DAN DATA KONTINYU

Seperti telah dikatakan di muka, data kuantitatif disebut variabel, karena nilainya atau
besarnya bisa berubah-ubah, data ini dapat mempunyai variabel diskrit sehingga disebut
data diskrit, dapat juga mempunyai variabel kontinyu atau indiskrit dan disebut dengan
data kontinyu.

Data diskrit adalah data yang sifatnya terputus-putus, nilainya bukan merupakan
pecahan (angka utuh). Sedangkan data kontinyu adalah data yang sifatnya
sinambung atau kontinyu, nilainya bisa berupa pecahan. Contoh data diskrit adalah
data tentang jumlah penduduk, kendaraan dan sebagainya, sedangkan contoh data
kontinyu adalah data tentang hasil panen padi, panjang jalan, berat sapi dan sebagainya.

Page 5 of 12
 Tutorial Online Statistik Ekonomi 1 (ESPA 4123)

Gambar I. Jenis Data

Interval
Kuantitatif

Rasio

N o m inal

Kualitatif

Ordinal

D ata

Runtut W aktu

D im ensi
Silang Tem pat
W aktu

Po ling

Internal

Eksternal

Sumber

Primer

Sekunder

sumber: Kuncoro, 2001:24

Statistik atau statistika adalah ilmu yang berhubungan dengan cara pengumpulan,
pengolahan atau analisis, penyajian data dan cara pengambilan kesimpulannya. Fungsi
utamanya adalah membantu dalam pengambilan keputusan dan keputusan tentang
parameter populasi dengan menggunakan data sampel yang diambil dari populasi
tersebut.

Page 6 of 12
 Tutorial Online Statistik Ekonomi 1 (ESPA 4123)

PENGGOLONGAN STATISTIK

Statistik dapat digolongkan dengan berbagai cara.

STATISTIK DESKRIPTIF DAN INDUKTIF (INFERENSI)

 STATISTIK DESKRIPTIF
Statistik Deskriptif berusaha menjelaskan atau menggambarkan berbagai karakteristik
data, seperti berapa rata-ratanya, seberapa jauh data bervariasi dan sebagainya,
tanpa membuat interpretasi apa-apa terhadap data tersebut.
 STATISTIK INDUKTIF (INFERENSI)
Statistik Induktif berusaha membuat berbagai inferensi terhadap sekumpulan data
yang berasal dari suatu sampel. Tindakan inferensi tersebut misalnya melakukan
perkiraan, peramalan, pengambilan keputusan dan sebagainya.

STATISTIK PARAMETRIK DAN NON PARAMETRIK

 STATISTIK PARAMETRIK
Statistik Parametrik adalah statistik induktif untuk populasi yang parameternya telah
memenuhi persyaratan-persyaratan tertentu (misalnya, sebaran data mengikuti
distribusi normal)
 SATISTIK NON PARAMETRIK
Statistik non parametrik adalah statistik induktif yang berusaha mengambil kesimpulan
tentang keseluruhan populasi yang parameternya tidak memenuhi persyaratan, yaitu
tidak mengikuti suatu distribusi tertentu. Jadi, statistik non parametrik digunakan
untuk populasi yang tidak menetapkan persyaratan-persyaratan parameter
populasinya.

PENGERTIAN DALAM STATISTIK PENTING YANG PERLU DIPAHAMI: POPULASI,

ELEMEN, SAMPLING DAN SAMPEL

Populasi adalah kumpulan semua elemen yang ada yang akan diobservasi atau diteliti,
sedangkan sampling adalah pengambilan sebagian kecil dari seluruh elemen populasi
tersebut yang dijadikan sebagai contoh atau sampel yang dianggap dapat mewakili

Page 7 of 12
 Tutorial Online Statistik Ekonomi 1 (ESPA 4123)

seluruh elemen dalam populasi. Sedangkan sampling adalah cara pengumpulan data
dengan mengambil sampel atau contoh dari seluruh anggota populasi.

Misalkan, ada 100 orang murid kelas 3 di SMU Garuda. Pimpinan Sekolah ingin melihat
prestasi ujian matematika mereka pada tahun 2001 yang lalu dan untuk itu diadakan
pencatatan nilai ujian dari setiap murid yang berjumlah 100 murid tersebut satu per satu
tanpa kecuali. Setiap murid tersebut disebut elemen. Kumpulan dari 100 orang murid
tersebut (seluruh elemen) disebut populasi dan pekerjaan untuk meneliti seluruh elemen
yang terdapat dalam populasi disebut sensus. Jika untuk maksud tersebut, hanya diambil
20 murid saja sebagai contoh, hal tersebut disebut sampling, dan contoh yang diambil
dinamakan sampel.

Jika data yang didapat dari sensus dinamakan data sebenarnya (true value), data yang
terdapat dari sampling merupakan data dugaan sehingga nilainya dinamakan nilai
perkiraan (estimate value). Nilai perkiraan tentunya tidak akan sama betul dengan nilai
sebenarnya, tentu ada selisih. Selisih ini disebut kesalahan perkiraan (error estimate) atau
kesalahan sampling (sampling error) dan jika nilainya kecil, cara pengumpulan data
dengan sampling masih dapat dipertanggung-jawabkan.

Agar data yang diperoleh dari sampling mempunyai nilai kepercayaan yang tinggi ( valid)
atau nilai kesalahan perkiraannya sekecil mungkin, dalam pengambilan sampel kita harus
mengikuti metode pengambilan sampel yang baik (termasuk jumlah sampel yang harus
diambil), sesuai dengan keadaan populasinya. Ada berbagai macam teknik sampling
namun tidak akan dibahas di sini.(Silakan lihat Modul Metode Penelitian)

Alasan-alasan mengapa kita menggunakan sampling:

 Menghemat waktu, tenaga dan biaya.
 Secara teknis, tidak mungkin mengamati seluruh anggota populasi. Misalnya, meneliti
seluruh jumlah ikan yang terdapat di suatu sungai, meneliti seluruh jumlah kelelawar
di suatu hutan, jumlah seluruh kendaraan di suatu negara dan sebagainya.
 Pengamatan terhadap seluruh anggota populasi dapat bersifat merusak. Misalnya,
pengaruh pemakaian narkoba terhadap kerusakan otak.
 Contoh lain-lain yang bergantung pada pertimbangan peneliti atau pengguna data.

Page 8 of 12
 Tutorial Online Statistik Ekonomi 1 (ESPA 4123)

Secara teoritis atau logika, hasil analisa atau pengolahan data yang dihasilkan oleh sensus
(harusnya) memberikan data yang sebenarnya (true value). Sebaliknya, karena sampling
hanya mengambil sebagian elemen saja yang ada dalam populasi, hasil analisa datanya
hanya merupakan perkiraan (estimate value). Mengingat alasan-alasan dan
pertimbangan-pertimbangan tersebut, khususnya oleh karena sensus biasanya
memerlukan biaya, tenaga dan waktu yang lebih banyak dibandingkan dengan sampling,
maka pada umumnya penelitian dilakukan hanya dengan cara sampling saja, dengan
catatan pelaksanaan sampling tersebut dilakukan dengan baik. Baik dalam hal ini artinya,
baik metode sampling maupun pelaksanaan pengumpulan datanya dilakukan dengan
benar dan cermat, sehingga perkiraan yang diperoleh tidak banyak berbeda dari keadaan
populasi yang sebenarnya.
Sampling yang baik pun tidak akan sempurna betul, selalu ada ketidaksempurnaan atau
kesalahan (sampling error). Untuk dapat mewakili seluruh elemen dalam populasi harus
diusahakan agar sampling dilaksanakan dengan sebaik-baiknya sehingga kesalahan yang
terjadi dapat sekecil mungkin. Jadi, seperti halnya dalam sensus, dalam melakukan
sampling pun, kesalahan selalu dapat terjadi. Jika nilai sampling ternyata sama betul
dengan nilai yang sebenarnya seperti yang dilakukan pada sensus, hal tersebut hanya
bersifat kebetulan.

Berapa besarnya sampel agar didapat data yang baik sehingga dapat mewakili suatu
populasi? Untuk mengetahui berapa jumlah sampel, biasanya digunakan rumus-rumus
sebagai berikut :

E = Kesalahan atau error yang diizinkan menyangkut ketelitian pendugaan.

Z = Nilai Z yang sesuai dengan interval keyakinan yang digunakan, yaitu 1,96 untuk
I.K = 95% dan 2,58 untuk I.K = 99%.
S = Deviasi standar dari pra-survey yang dilakukan dengan sampel yang kecil untuk
menduga deviasi standar populasi.

Untuk proporsi

Page 9 of 12
 Tutorial Online Statistik Ekonomi 1 (ESPA 4123)

P = Estimasi atau perkiraan proporsi populasi

Z = Nilai Z yang sesuai dengan interval keyakinan yang ditentukan
E = Kesalahan (error) maksimum yang diizinkan

Kesalahan (error) yang diizinkan misalnya sebesar 5%, berarti ketelitian yang diinginkan
dalam pendugaan parameter populasi (interval keyakinan) adalah sebesar 95% (100%-
5%), dan jika error yang diizinkan sebesar 1%, berarti tingkat ketelitian (interval
keyakinan) yang ingin dicapai sebesar 99% (100%-1%). Dengan demikian, besarnya
sampel bergantung pada interval keyakinan yang digunakan (error maksimum yang
diizinkan) dan deviasi standar atau estimasi proporsi populasi (ukuran sampel untuk
proporsi). Jika deviasi standar atau proporsi populasi belum diketahui, kita perlu
mengadakan survey pendahuluan dengan ukuran sampel yang kecil untuk menduga
deviasi standar populasi. Deviasi standar populasi dapat juga dilakukan berdasarkan
pengetahuan tentang populasi.

Perhitungan deviasi standar distribusi sampling harus dikoreksi dengan faktor koreksi
sebesar

Jika ukuran sampel (n) dibagi ukuran populasi (N) relatif cukup besar, akan tetapi jika

ukuran populasi besar sekali apalagi tak terhingga atau ukuran populasi terbatas tapi

relatif kecil, faktor koreksi tidak diperlukan.

Dari rumus tersebut di atas, semakin tinggi interval keyakinan maka semakin besar
ukuran sampel yang dibutuhkan. Untuk lebih jelasnya, jika kita ingin yakin 100% interval
duga akan sama dengan parameter populasi jumlah sampel yang harus diambil adalah
seluruh populasi, ini berarti sama dengan sensus.

PARAMETER DAN SAMPLING ERROR

Page 10 of 12
 Tutorial Online Statistik Ekonomi 1 (ESPA 4123)

Seperti telah diterangkan dimuka, baik dalam melaksanakan sensus maupun cara
pengambilan sampel (sampling), kesalahan dapat saja terjadi (error sampling) baik
disengaja maupun yang tidak disengaja. Jenis kesalahan yang mungkin terjadi dimaksud
adalah:
 Kesalahan secara umum (baik sensus maupun sampling):
 Kesalahan mencatat (recording’s error),
 Kesalahan mengukur (measurement’s error),
 Kesalahan menjawab (response’s error),
 Kesalahan mengingat (recal’s error),
 Kesalahan mengamati (observation’s error) dan sebagainya.
 Kesalahan lainnya khusus dalam sampling :
 Kesalahan penentuan responden (misspecification of sample subject).
 Kesalahan variasi acak (random variation error).
 Kesalahan penarikan sampel (sampling error).
 Kesalahan spesifikasi (specification error).
 Kesalahan karena tidak lengkapnya respon (non response error).
 Kesalahan karena tidak lengkapnya cakupan elemen populasi ( coverage error) dan
sebagainya.

Sumber Bahan Bacaan disarankan:

Kachigan, Sam Kash (1986), Statistical Analyisis: An Interdisiplinary Introduction

to Univariate & Multivariate Methods , Radius Press, New York.
Kuncoro. Mudrajat (2003), Metode Riset Untuk Bisnis dan Ekonomi: Bagaimana
Meneliti dan Menulis Tesis ?, Erlangga, Jakarta
Mutiara, Kurwadi Erna (2004), Statistik Berbasis Komputer untuk Orang-Orang
Non Statistik, Elek Media Komputindo, Jakarta

Page 11 of 12
 Tutorial Online Statistik Ekonomi 1 (ESPA 4123)

Santoso, Purbayu Budi dan Ashari (2005), Analisis Statistik dengan Microsoft Excel
dan SPSS, Andi, Yogyakarta.
Santoso, Singgih (2003), Statistik Deskriptif Konsep dan Aplikasi Dengan
Microsoft Excel dan SPSS, Andi, Yogyakarta.
Santoso, Singgih dan Fandy Tjiptono (2001), Riset Pemasaran: Konsep dan Aplikasi
dengan SPSS, Elek Media Komputindo, Jakarta
Santoso, Singgih, Mengatasi Berbagai Masalah Statistik dengan SPSS ver. 11.5 ,
Elek Media Komputindo, Jakarta
Trihendradi, Cornelius (2004), Memecahkan Statistik: Deskriptif, Parametrik dan
Non Parametrik dengan SPSS 12, Andi, Yogyakarta

Page 12 of 12