Buku Ajar Stat Is Tika Dasar

Buku Ajar Statistik Dasar
Editor Aliwar, S.Ag.,M.Pd sebagai pembimbing
PRAKATA
Setelah beberapa bulan disusun dalam tulisan, maka terbitlah buku ini
sebagai buku pengganti bahan pengajaran matakuliah Statistik Dasar di program
Pascasarjana UKI tahun 2021. Pengarang buku ini adalah dosen di program
Pascasarjana UKI. Isi buku ini merupakan hasil studi dan pengalaman penulis dan
lebih luas daripada kuliah-kuliah yang diberikan karena dimaksudkan sebagai buku
ajar.
Pembentukan istilah dan penggunaan bahasa Indonesia sedapat-dapatnya
disesuaikan dengan “Pedoman Umum Pembentukan Istilah” dan “PedomanUmum
Ejaan Bahasa Indonesia yang disempurnakan” yang disusun oleh “Panaitia
Pengembangan Bahasa Indonesia Pusat Pembinaan dan Pengembangan Bahasa”
terbitan Departemen Pendidikan dan Kebudayaan Jakarta tahun 1975. Kekecualian
mengenai istilah anatomi yang umumnya diindonesiakan dari bahasa latin bukan
dari bahasa Inggris, karena bahasa latin telah umum digunakan di Indonesia.
Karena bahasa kita belum mantap benar dan masih berkembang, mungkin didapati
istilah-istilah yang kurang tepat. Misalnya, dalam penggunaan istilah “paparan”
(exposed), kemudian ada istilah baru ialah “pajanan” yang belum sempat digunakan.
Meskipun editor telah menyusun buku ini secermat- cermatnya, kami sadar buku ini
belum sempurna dan tidak luput dari kesalahan, seperti kata peribahasa “Tak ada
gading yang tak retak”. Karena itu saran-saran perbaikan sangat kami harapkan
agar pada edisi berikutnya mutunya dapat ditingkatkan.
Saya mengucapkan terimakasih kepada Aliwar, S.Ag.,M.Pd sebagai
pembimbing, dan semua teman-teman dari PPs UKI yang sudah membantu dalam
penyusunan buku ini.
Semoga bermanfaat bagi para mahasiswa Program Pascasarjana Magister Administrasi
Pendidikan
2
Daftar Isi
Prakata ...................................................................................................................................2
Daftar Isi ...............................................................................................................................3
Populasi, Sampel, dan Teknik Sampling ..............................................................................4
Populasi ...........................................................................................................................4
Sampel .............................................................................................................................6
Teknik Sampling .............................................................................................................10
Data dan Skala Pengukuran Data ..........................................................................................17
Pendahuluan ....................................................................................................................17
Jenis Skala Pengukuran ..................................................................................................19
Pengolahan Data dan Penyajian Data .............................................................................22
Penyajian Data dan Distribusi Frekuensi ..............................................................................24
Distribusi Frekuensi .........................................................................................................25
Penyajian Data ................................................................................................................27
Perhitungan kecenderungan gejala pusat – data acak & berkelompok ...........................30
Ukuran Keragaman dan Simpangan .....................................................................................40
Ukuran Variasi dan Dispersi ...........................................................................................40
Analisis Regresi Sederhana ...................................................................................................54
Pendahuluan ....................................................................................................................54
Regresi ............................................................................................................................54
Kesimpulan ...........................................................................................................................61
Daftar Pustaka .......................................................................................................................62
Sinopsis .................................................................................................................................64
3
Populasi, Sampel dan Teknik Sampling
1. POPULASI
Menurut Cooper dan Emory (1997) mengemukakan populasi adalah seluruh
kumpulan elemen yang dapat kita gunakan untuk membuat beberapa kesimpulan.
Menurut Kuncoro (2003) menyatakan populasi adalah kelompok elemen yang lengkap,
yang biasanya berupa orang, objek, transaksi atau kejadian dimana kita tertarik untuk
mempelajarinya atau menjadi objek penelitian. Selain itu Nazir (1999) juga mengatakan
populasi adalah kumpulan dari individu dengan kualitas serta ciri-ciri yang telah
ditetapkan. Populasi adalah kumpulan dari ukuran-ukuran tentang sesuatu yang akan
kita buat inferensinya. Populasi adalah berkenaan dengan data, bukan dengan orangnya
maupun bendanya. Somantri (2006:62), populasi merupakan keseluruh elemen, atau
unit elemen, atau unit penelitian, atau unit analisis yang memiliki karakteristik tertentu
yang dijadikan sebagai objek penelitian. Gasperz (1989:25) juga mengatakan populasi
tidak lain adalah keseluruhan unsur-unsur yang akan diteliti atau yang akan dijadikan
sebagai objek penelitian, dan tentunya kesimpulan yang ditarik hanya berlaku untuk
keadaan dari objek-objek tersebut.
PENGERTIAN POPULASI
Sugiyono (1997:57) dikutip Riduwan (2003:7) memberikan pengertian bahwa
”Populasi adalah wilayah generalisasi yang terdiri obyek atau subyek yang menjadi
kuantitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan
4
kemudian ditarik kesimpulannya. Riduwan dan Tita Lestari (1997:3) mengatakan bahwa
“Populasi adalah keseluruhan dari karakteristik atau unit hasil pengukuran yang menjadi
objek penelitian.”
Jadi populasi adalah keseluruhan objek penelitian yang dapat terdiri dari makhluk
hidup, benda, gejala, nilai tes, atau peristiwa sebagai sumber data yang mewakili
karakteristik tertentu dalam suatu penelitian. Populasi dalam penelitian dapat pula
diartikan sebagai keseluruhan unit analisis yang ciri-cirinya akan diduga. Unit analisis
adalah unit/satuan yang akan diteliti atau dianalisis.
Penentuan populasi dapat dibantu oleh empat faktor yaitu isi, satuan, cakupan (scope),
waktu. Contoh: Suatu penelitian tentang pendapatan keluarga petani di Kabupaten
Bogor tahun 2019, maka populasinya dapat ditetapkan dengan empat faktor tersebut :
 Isi  Semua keluarga petani

 Satuan  Petani penggarap/pemilik tanah
 Cakupan (scope)  Kabupaten Bogor
 Waktu  tahun 2019
Populasi dapat dibedakan menjadi dua baguan yaitu ;
 Populasi target merupakan populasi yang telah ditentukan sesuai dengan

permasalahan penelitian, dan hasil penelitian dari populasi tersebut ingin
disimpulkan.
 Populasi survei merupakan populasi yang terliput dalam penelitian yang dilakukan.
Populasi terdiri dari unsur sampling yaitu unsur/unsur yang diambil sebagai sampel.
Kerangka sampling (sampling Frame) adalah daftar semua unsur sampling dalam
populasi sampling. Unsur sampling ini diambil dengan menggunakan kerangka
sampling (sampling frame).
5
2. SAMPEL
Pengertian Sampel
Somantri (2006:63) mengemukakan sampel adalah bagian kecil dari anggota populasi
yang diambil menurut prosedur tertentu sehingga dapat mewakili populasinya. Furqon
(1999:2), sebagian anggota dari populasi disebut sampel. Pasaribu (1975:21)
berpendapat, sampel itu adalah sebagian dari anggota-anggota suatu golongan
(kumpulan objek-objek) yang dipakai sebagai dasar untuk mendapatkan keterangan
(atau menarik kesimpulan) mengenai golongan (kumpulan itu).
Sugiyono (1997:57) dikutip Riduwan (2003:10) memberikan pengertian bahwa
“Sampel adalah sebagian dari jumlah dan karakteristik yang dimiliki oleh populasi.”
Arikunto (1998:117) dikutip Riduwan (2003:10) mengatakan bahwa “Sampel adalah
bagian dari populasi (sebagian atau wakil populasi yang diteliti). Sampel penelitian
adalah sebagian dari populasi yang diambil sebagai sumber data dan dapat mewakili
seluruh populasi.”
Jadi bisa ditarik kesimpulan sampel adalah sebagian data yang merupakan objek dari
populasi yang diambil.
Cara menentukan sample agar memenuhi syarat
Teknik (metode) penentuan sample yang ideal memiliki ciri-ciri dapat memberikan
gambaran yang akurat tentang populasi, dapat menentukan presisi, sederhana sehingga
mudah dilaksanakan, dapat memberikan keterangan sebanyak mungkin dengan biaya
murah. Presisi merupakan standard error, Nilai rata-rata populasi dikurangi nilai rata-
rata sampel.
6
Apakah besar sampel sama dengan representatif? Dalam menentukan Besar sample
perlu mempertimbangkan hal-hal sebagai berikut :
 Derajat keseragaman (degree of homogenity) dari populasi  completely

heterogeneous
 Presisi yang dikehendaki dari penelitian
 Rencana analisis
 Tenaga, biaya dan waktu
 Besar populasi
Jadi semakin besar sampel semakin tinggi tingkat tingkat presisi yang di dapatkan.
ALUR PEMIKIRAN POPULASI DAN SAMPEL
SAMPEL POPULASI
TEMUAN
Syarat sampel
Akurasi atau ketepatan , yaitu tingkat ketidakadaan “bias” (kekeliruan) dalam
sampel. Dengan kata lain makin sedikit tingkat kekeliruan yang ada dalamsampel, makin
akurat sampel tersebut. Tolok ukur adanya“bias” atau kekeliruan adalah populasi. Agar
sampel dapat memprediksi dengan baik populasi, sampel harus mempunyai selengkap
mungkin karakteristik populasi (Nan Lin, 1976).
Presisi. memiliki tingkat presisi estimasi. Presisi mengacu pada persoalan sedekat
mana estimasi kita dengan karakteristik populasi. Presisi diukur oleh simpangan baku
7
(standard error). Makin kecil perbedaan di antara simpangan baku yang diperoleh dari
sampel (S) dengan simpangan baku dari populasi (s), makin tinggi pula tingkat
presisinya.
HUBUNGAN ANTARA UKURAN SAMPEL DAN TINGKAT KESALAHAN

Tingkat kesalahan
Ukuran Sampel
PENGERTIAN VARIABEL
Somantri (2006: 27) mengemukakan variabel adalah karakteristik yang akan di
observasi dari satuan pengamatan. Harun Al Rasyid dalam Somantri (2006:7) lebih
tegas menyebutkan bahwa variabel adalah karakteristik yang dapat diklasifikasikan
sekurang-kurangnya dua buah klasifikasi (kategori) yang berbeda, atau yang dapat
memberikan sekurag-kurangnya dua hasil pengukuran atau perhitungan yang nilai
numeriknya berbeda. Spiegel (2004:2), Variabel adalah suatu simbol, seperti X, Y, H
8
atau B, yang bisa menyandang salah satu dari sekumpulan nilai yang telah ditetapkan
sebelumnya; kumpulan nilai itu disebut sebagai domain dari variabel tersebut. Jadi
variabel adalah suatu karakteristik dari suatu objek yang nilainya untuk setiap objek
bervariasi dan dapat diamati atau dihitung atau diukur.
MACAM MACAM VARIABEL
Somantri (2006:28) mengklasifikasikan variabel menjadi dua yaitu: variabel kualitatif i i i i i i i
i dan variabel kuantitatif. Variabel kualitatif merupakan variabel kategori. Yang termasuk
i i i i i i i i i
i variabel kualitatif adalah variabel nominal dan variabel ordinal. Variabel kuantitatif
i i i i i i i i i
i diklasifikasikan menjadi dua jenis, yaitu variabel diskrit dan variabel kontinu. Variabel
i i i i i i i i i i
i diskrit merupakan variabel yang besarannya tidak dapat menempati semua nilai, nilai
i i i i i i i i i i
i variabel diskrit selalu berupa bilangan bulat dan umumnya diperoleh dari hasil
i i i i i i i i i i
i pencacahan. Variabel kontinu merupakan variabel yang besarannya dapat menempati

i i i i i i i i
i semua nilai yang ada di antara dua titik dan umumnya diperoleh dari hasil pengukuran,
i i i i i i i i i i i i i
i sehingga pada variabel kontinu dapat dijumpai nilainilai pecahan ataupun nilai-nilai bulat.
i i i i i i i i i i
Spiegel (2004:3), suatu variabel yang secara teoritis dapat menyandang nilai yang
i i i i i i i i i i
i terletak diantara dua buah nilai tertentu disebut sebagai variabel kontinu; jika tidak
i i i i i i i i i i i
i demikian, kita menyebutnya sebagai variabel diskrit. Furqon (1999:10) berpendapat

i i i i i i i i
i bahwa ada beberapa peubah (variable) yang sangat penting dipahami, antara lain:
i i i i i i i i i i
 Peubah terikat (dependent variable), yaitu peubah yang dipengaruhi oleh peubah
i i i i i i i i i
i lain.
 Peubah bebas (independent variabel), yaitu peubah yang mempengaruhi peubah lain.
i i i i i i i i i
9
 Peubah control (control variabel), yaitu peubah yang pengaruhnya kepada peubah
i i i i i i i i i
i terikat dikendalikan. d. Peubah moderator (moderator variabel), yaitu peubah yang

i i i i i i i i i
i mempengaruhi hubungan antara peubah bebas dengan peubah terikat. i i i i i i i
 Contoh : - “usia” adalah gejala kualitatif, akan tetapi gejala yang bersifat kualitatif itu
i dilambangkan dengan angka; misalnya: 17 tahun, 25 tahun dan sebagainya. - “nilai i i i i i i i i i i i
i ujian” pada dasarnya adalah gejala kualitas yang dilambangkan dengan angka, seperti :
i 5, 7, 8, 50, 70 dan sebagainya.

i i i i i i
3. TEKNIK SAMPLING i
Earl Babbie (1986) dikutip Prijana (2005) dan dikutip Somantri (2006) dalam bukunya
i The Practice of Social Research, mengatakan “Sampling is the process of selecting

i observations” (sampling adalah proses seleksi dalam kegiatan observasi). Proses seleksi i i i i i i i i i
i yang dimaksud disini adalah proses untuk mendapatkan sampel. Somantri (2006:71),
i i i i i i i i i
i menjelaskan bahwa yang di maksud dengan sampling acak sederhana adalah sebuah i i i i i i i i i i
i proses sampling yang dilakukan sedemikian rupa sehingga setiap satuan sampling yang
i i i i i i i i i i
i ada dalam populasi mempunyai peluang yang sama untuk dipilih ke dalam sampel.
Teknik penarikan/pengambilan sampel

i i
a. Probability Sampling i i
Probability sampling merupakan Teknik penarikan sampel, dimana setiap unsure atau i i i i i i i i i
i elemen sampling diberi kesempatan yang sama dan persis sama untuk diikutkan/dipilih
i i i i i i i i i i
i dalam sample. Syarat dalam penarikan sample probabilitas adalah tersedianya daftar
i i i i i i i i i
i anggota populasi atau daftar unsure/elemen populasi (kerangka sample/sampling frame).

i i i i i i i i
Berikut merupakan beberapa Teknik Probability Sampling :

i i i i i i i
10
i. Simple Random Sampling ( Penarikan sample secara Random/Acak Sederhana).
i i i i i i i i
i Caranya : dengan mengundi elemen/anggota populasi & dengan menggunakan

i i i i i i i i i
i tabel angka random.

i i
Syarat dari teknik penarikan sampel secara acak sederhana yaitu tersedia kerangka
i i i i i i i i i i
i sampling, sifat populasi homogen, dan populasi tidak terlalu tersebar secara
i i i i i i i i i
i geografis.
ii. Systematic Random Sampling (Penarikan sample secara sistematik) i i i i i i
Caranya : i i
 Melakukan cek keadaan daftar populasi (kerangka populasi) i i i i i i
 Menetapkan jarak/interval i
I =N/n
i
I = Interval (5)
ii ii i
iiiiiii N = Jumlah anggota populasi (100)

i i i i i
iiiiiii n = Jumlah anggota sampel (20)

ii ii i i i
 Menetapkan nomor berapa peneliti akan i i i i i i mulai menghitung (penetapan

i i
i momor pertama ini dilakukan secara acak/random) i i i i i
1, 2, 3, 4 dan 5
i i i i i
 Anggota sampel berikutnya ditentukan dengan menambahkan interval pada i i i i i i i
i nomor pertama dan seterusnya i i i
iii. Stratified Random Sampling (Penarikan Sampel Startifikasi)

i i i i i
Caranya:
1. Menetapkan kriteria yang jelas yang akan digunakan sebagai dasar penetuan i i i i i i i i i
i strata (lapisan). i
11
2. Dengan dasar kriteria tersebut populasi dibagi ke dalam sub-subpopulasi
i i i i i i i i
i (setiap subpopulasi diasumsikan homogen)

i i iii
3. Penentuan besar sampel pada masing-masing subpopulasi bisa proporsionali i i i i i i
i bisa pula tidak.

i i i
4. Penentuan usnsur bisa simple random/systematic i i i i
Syarat Stratified Random Sampling :

i i i i
1. Kriteria yang jelas untuk menstratifikasi i i ii i i
2. Ada data pendahuluan mengenai kriteria

i i i i i
3. Diketahui jumlah tiap lapisan i i i i
iv. Cluster Sampling (Penarikan Sampel Berkelompok)

i i i i i
Teknik ini digunakan karena mengalami dua permasalahan, yaitu:

i i i ii i i i i
1) peneliti kekurangan kerangka sampling yang baik, suatu populasi yang

i i i i i i i i
i menyebar; i
2) Biaya yang tinggi untuk menyusun kerangka sampling dan menjangkau setiap
i i i i i i i i i
i elemen sample. i
Caranya : i i
1. Populasi dibagi ke dalam mini populasi-mini populasi. Mini populasi memiliki

i i i i i i i i i
i karakteristik yang sama dengan populasi i i i i i
2. Pengelompokan mini populasi ini bisa berdasarkan pada pengelompokan i i i i i i i
i secara administrasi. i
3. Setelah itu menentukan cluster secara random (bisa dilakukan secara

i i i i i i i i
i bertingkat misal dari desa menjadi dukuh-dukuh atau dusun dst)

i i i i i i i i i
4. Cluster yang terpilih adalah unit yang berisi elemen sample final.
i i i i i i i i i
v. Multistage Sampling (Penarikan Sampel Secara Bertahap)

i i i i i
12
Hampir sama dengan cluster, dengan tahap lebih dari satu kali (misal propinsi,
i kabupaten, kecamatan, kelurahan/desa dan seterusnya). i i ii i i
vi. Area Sampling ( Penarikan Sampel Wilayah)

i i i i i
Cara ini dilakukan karena populasi tidak dapat kerangka sampling. Dibutuhkan
i i i i i i i i i
i suatu foto udara yang jelas dan rinci dari wilayah yang akan diteliti, sehingga dapat
i diketahui blok-blok yang ada seperti perumahan, pertokoan. Teknik penarikan sample
i i i i i i i i i
i sama seperti penarikan sampel secara bertahap.

i i i i i i
b. Non Probability Sampling (Non random sampling)

i i i i i
Cara ini dilakukan bila tidak mungkin diperoleh daftar yang lengkap dari populasi
i penelitian, sehingga tidak terdapat kesempatan yang sama pada anggota populasi.
i i i i i i i i i
i Karena itu peneliti tidak dapat membuat generalisasi atau kesimpulan yang dapat
i i i i i i i i i i
i mewakili populasi, hasil analisis hanya berlaku untuk anggota populasi yang diteliti.
i i i i i i i i i i
i Dengan penarikan sample non probability, peneliti tidak dihadapkan pada cara-cara
i i i i i i i i i i
i yang rumit.i i
Beberapa Teknik Non Probability Sampling i i i i i
1) Purposive Sampling (Penarikan Sampel Secara Sengaja)

i i i i i i
Cara ini membutuhkan kemampuan dan pengetahuan yang baik dari peneliti
i i i i i i i i i
i terhadap populasi penelitian. Untuk menentukan siapa yang menjadi anggota

i i i i i i i i
i sample, maka peneliti harus benar-benar mengetahui dan beranggapan bahwa

i i i i i i i i
i orang yang dipilihnya dapat memberikan informasi yang diinginkan sesuai

i i i i i i i i
i dengan permasalahan penelitian i i
2) Quota Sampling (Penarikan Sampel Jatah) i i i i
13
Cara ini mirip dengan stratified sampling, yaitu dengan membagi populasi ke
i i i i i i i i i i
i dalam sub-sub populasi sesuai dengan fokus penelitian. Penarikan sample

i i i i i i i i
i jatah dilakukan bila peneliti tidak dapat mengetahui jumlah yang rinci dari
i i i i i i i i i i
i setiap strata populasinya.

i i
3) Snow-ball Sampling (Penarikan Sampel Bola Salju) i ii i i i i
Cara penarikan sampel ini dimulai dengan jumlah yang sedikit akhirnya menjadi
i i i i i i i i i i
i banyak, dengan beberapa tahap. Pertama, menentukan satu atau beberapa

i i i i i i i i
i orang untuk diwawancarai. Selanjutnya orang-orang tersebut akan berperan

i i i i i i i
i sebagai titik awal penarikan sampel selanjutnya. Salah satu kelemahannya

i i i i i i i i
i adalah sampel yang pada tahap berikutnya adalah orang-orang terdekat (peer
i i i i i i i i i
i group). Karena itu orang pertama dipilih lebih dari satu.

i i i i i i i i
4) Sequential Sampling
i i i
Penarikan sample ini dimulai dengan pengambilan sample dalam jumlah kecil,
i i i i i i i i i
i kemudian data dianalisis. Jika hasilnya masih diragukan, maka sample diambil
i i i i i i i i i
i yang lebih besar dan seterusnya.

i i i i
5) Accidental/Haphazard Sampling (Penarikan Sampel Secara Kebetulan)

i i i i i i i
Penarikan sample ini dilakukan dengan cara memilih orang yang kebetulan
i ditemui.
Menentukan ukuran sampel i i
Syarat: ii
 Ukuran populasi (N) diketahui i i i
 Pilih taraf signifikan yang diinginkan i i i i i
Memilih 3 metode praktis

i i i i
14
1. Tabel kretjie
i i
2. Nomogram Harry king

i i i i
3. Rumus slovin
i i
Rumus slovin
i
15

Nomograf Harry King i i
Nomogram Harry King hanya untuk jumlah 2000 ke bawah. Cara penentuannyapenentuannya dengan
i menarik garis lurus pada gambarmenarik garis lurus pada gambar yang disediakan.
i i i i i i i i i i
16
Data dan Skala Pengukuran Data i i i i
Pendahuluan
Penelitian adalah merupakan cara ilmiah untuk mendapatkan data yang valid. Untuk i i i i i i i i i i
i bisa mendapatkan data yang valid tersebut, maka peneliti harus terlebih mengetahui macam-
macam data. Macam data ada dua yaitu data kualitatif dan data kuantitatif.
Data adalah bahan mentah yang perlu diolah sehingga menghasilkan informasi atau
i i i i i i i i i i
i keterangan, baik kualitatif maupun kuantitatif yang menunjukkan fakta.

i i i i i i i
Jenis data :i i
Data kualitatif : data yang berhubungan dengan kategorisasi, karakteristik berwujud

i i i i i i i i i
i pertanyaan atau berupa kata-kata (wanita itu cantik, pria itu tampan).
i i i i i i i i i i
Data kuantitatif : data yang berwujud angka-angka (IPK 3,59).

i i i i i i i i i
Data kualitatif adalah data yang dinyatakan dalam bentuk kata, kalimat, dan gambar.
Data kuantitatif adalah data yang berbentuk angka, atau data kualitatif yang diangkakan
i (skoring: baik sekali = 4, baik = 3, kurang baik = 2 dan tidak baik = 1).
i i i i i i i i i i i i i i i i
Jenis Data kuantitatif

i i
Data nominal adalah data yang hanya dapat digolong-golongkan secara terpisah, secara
i i i i i i i i i i
i diskrit atau kategori. Data ini diperoleh dari hasil menghitung, misalnya dalam suatu klas
i i i i i i i i i i i i
i setelah dihitung terdapat 50 mahasiswa, terdiri atas 30 pria dan 20 wanita. Dalam suatu
i kelompok terdapat 1000 orang suku Jawa dan 500 suku sunda dll. Jadi data nominal
i adalah data diskrit. i i
 Data kontinum, adalah data yang bervariasi menurut tingkatan dan ini diperoleh dari hasil
i pengukuran. Data ini dibagi menjadi data ordinal, data interval dan data ratio. i i i i i i i i i i i
 Data Ordinal i
 Data ordinal Data ini, bila dinyatakan dalam skala, maka jarak satu data dengan data
i yang lain tidak sama. i i i
 Yaitu skala prioritas/peringkat/ranking. i i
 Contoh : Urutkan pilihan anda dengan memberi angka 1-3. i i i i i i ii i
 1 berarti dibutuhkan, 2 biasa, 3 tidak dibutuhkan.

i i i i i i i
17
 Setiap orang akan memiliki prioritas berbeda.i i i i i
 Data Interval i
 Yaitu skala pemberian angka pada klasifikasi atau kategori dari objek yang mempunyai
i sifat ukuran ordinal, ditambah satu sifat lain yaitu jarak atau interval yang sama dan
i merupakan ciri dari objek yang diukur. i i i i i i
 Yaitu skala yang memiliki nilai dengan jarak sama.

i i i i i i i
 Contoh : kepuasan seseorang terhadap pelayanan suatu jasa dapat diberi skala interval
i 1-2-3-4-5. Dimana nilai i i i
 1: sangat tidak puas i i i i
 2: tidak puas i i i
 3: biasa i i
 4: puas i i
 5: sangat puas i i ii
Data Ratio ii
Yaitu skala yang dapat memberi arti perbandingan/perkalian.

i i i i i i
Contoh : berat badan Karina 40 kg

i i i i i i
iiiiiiiiiiiiiii berat badan Rony 60 kgi i ii i
iiiiiiiiiiiiiii Ratio berat Rony 3/2 x berat Karina.

i i i i i i
Jadi nilai 3/2 memiliki arti.

i i i i
Macam-Macam Data Berdasarkan Sumber Data i i i i i
 Data Internal i i
Data internal adalah data yang menggambarkan situasi dan kondisi pada suatu
i i i i i i i i i i
i organisasi secara internal. Misal : data keuangan, data pegawai, data produksi, dsb.
 Data Eksternal i i
Data eksternal adalah data yang menggambarkan situasi serta kondisi yang ada di luar
i organisasi. Contohnya adalah data jumlah penggunaan suatu produk pada konsumen,
i i i i i i i i i
i tingkat preferensi pelanggan, persebaran penduduk, dan lain sebagainya.

i i i i i i i i
Pembagian Jenis Data Berdasarkan Sifat Data

i i i i i i
 Data Diskrit i i
18
Data diskrit adalah data yang nilainya adalah bilangan asli. Contohnya adalah berat
i badan mahasiswa statistika, nilai rupiah dari waktu ke waktu, dan lain-sebagainya.
 Data Kontinyu i i
Data kontinyu adalah data yang nilainya ada pada suatu interval tertentu atau berada
i pada nilai yang satu ke nilai yang lainnya. Contohnya penggunaan kata sekitar, kurang
i lebih, kira-kira, dan sebagainya. Dinas pertanian daerah mengimpor bahan baku pabrik
i i i i i i i i i i
i pupuk kurang lebih 850 ton. i i i i i
Pembagian Skala Pengukuran i i
Jenis skala pengukuran :

i i i
Skala nominal
i
Skala ordinal
i
Skala interval
i
Skala rasio
i
Skala sikap :
i i
Skala likert,
i
Skala Guttman,
i
Skala simantict defferensial

i i
Rating scale i
Skala Thurstone
i
Jenis-jenis Data Menurut Waktu Pengumpulannya

i i i i i
 Data Cross Section i i i
Data cross-section adalah data yang menunjukkan titik waktu tertentu. Contohnya
i i i i i i i i i
i laporan keuangan per 31 desember 2016, data pelanggan PT. angin ribut bulan mei
i 2014, dan lain sebagainya.i i i i
 Data Time Series / Berkala i i i i i
Data berkala adalah data yang datanya menggambarkan sesuatu dari waktu ke waktu
i atau periode secara historis. Contoh data time series adalah data perkembangan nilai
i tukar dollar amerika terhadap euro eropa dari tahun 2014 sampai 2016.
Skala Nominal
i
19
Skala yang paling sederhana disusun menurut jenis/kategori hanya sebagai simbol untuk
i i i i i i i i i i
i membedakan sebuah karakteristik dengan karakteristik lainnya. i i i i i
Contoh : i
Jenis kulit : Hitam, kuning, putih

i i i i i
Suku : jawa, madura, sunda

i i i i
Partai : PPP, PKS, PBB, PAN, PDIP

i i i i i i i
Agama : Islam, Kristen, Katolik, Hindu, Budha.

i i i i i i
Macam-macam Skala Pengukuran : i i i
1. Skala Nominal : adalah skala pengukuran yang menyatakan kategori atau kelompok dari
i suatu subyek. Contoh jenis kelamin responden. Laki-laki = 1 ; Wanita = 2

Skala Ordinal i
Skala yang didasarkan pada rangking diurutkan dari jenjang yang lebih tinggi sampai jenjang
i terendah.
Contoh : i
Sangat setuju, setuju, tidak setuju i i i i
2. Skala Ordinal : adalah skala pengukuran yang menyatakan kategori sekaligus melakukan
i rangking terhadap kategori. i i
Contoh : kita ingin mengukur preferensi responden terhadap empat merek produk air mineral.
Merek Air Mineral Rangking i i i
Aquana 1 i
Aquaria 2 i
Aquasan 3 i
Aquasi 4 i
Skala Intervali
Skala yang menunjukkan jarak antara satu data dengan data yang lain dan mempunyai bobot
i yang sama.
i
Contoh : i
Tinggi Badan 167 cm, 150 cm.

i i i i i
Skala Interval :merupakan skala pengukuran yang banyak digunakan untuk mengukur
i i i i i i i i i
i fenomena/gejala sosial, dimana pihak responden diminta melakukan rangking terhadap i i i i i i i i
20
i preferensi tertentu sekaligus memberikan nilai (rate) terhadap preferensi tersebut. Jenis skala
i i i i i i i i i i
i yang dapat digunakan untuk penelitian sosial, yaitu : a. Skala Linkert. b. Skala Guttman.
i c.Rating Scale. d. Semantic Defferential. i i i i
a. Skala Linkert : digunakan untuk mengukur sikap, pendapat dan persepsi seseorang atau
i sekelompok orang tentang fenomena sosial. Contoh : i i i i i i
Preferensi i Preferensi i ii Preferensi i
1.Sangat Setuju i i 1.Setuju i 1. Sangat Positif

i i
2.Setuju i 2.Sering i 2. Positif

i i
3.Ragu-ragu i 3.Kadang-kadang i 3. Netral

i i
4.Tidak Setuju i i 4.Hampir tdk pernah i i i 4. Negatif

i i
5.Sangat Tdk Setuju i i i 5.Tidak Pernah i i 5.Sangat Negatif i i
Untuk keperluan analisis kuantitatif, maka jawaban tersebut diberi nilai skor,
i i i i i i i i i
Misalnya : sangat setuju/setuju/sangat positif diberi skor 5, selanjutnya setuju/sering/positif

i i i i i i i i i
i diberi skor 4 dan seterusnya

i i i i i
b. Skala Gutmann :suatu pengukuran untuk memperoleh jawaban responden yang tegas, yaitu :
i “ya-tidak” ; “pernah-tidak pernah” “positif-negatif”; “setuju-tidak setuju” Contoh :

i i i i i i i i
Bagaimana pendapat anda, bila Tn X menjabat pimpinan di perusahaan ini ?

a. Setuju
i
b. Tidak Setuju
i i
c. Sematic Defferential :suatu skala pengukuran yang disusun dalam suatu garis dimana jawaban
i sangat positif terletak dibagian kanan garis, sedangkan jawaban sangat negatif terletak
i i i i i i i i i i
i dibagian kiri garis atau sebaliknya. i i i i
d. Rating Scale : suatu skala pengukuran dimana responden menjawab salah satu jawaban
i kuantitatif yang disediakan. i i
Skala rasio
i
Skala yang mempunyai nilai nol mutlak dan mempunyai jarak yang sama.
i i i i i i i i i i
Skala Rasio : adalah skala interval yang memiliki nilai dasar (based value) yang tidak dapat
i i i i i i i i i i i i i i
i diubah. Contoh : umur responden memiliki nilai dasar nol.

i i i i i i i i i
Contoh : i
21
IPK 0,0; 4,0; 3,50.
i i i
Hasil pengukuran panjang, berat.

i i i
Apakah saudara setuju dengan kenaikan harga BBM?

i i i i i i i
1. setuju
i iiiiiiiiiiiiiiiiii 2. tidak setuju i i i
Termasuk skala pengukuran apakah pertanyaan diatas? i i i i i
Bagaimana pendapat anda tentang kebijakan ekonomi pemerintah saat ini?

i i i i i i i i
1) Sangat buruk, 2) Buruk, 3) Cukup, 4) Baik, 5) Sangat Baik

Apakah ini skala nominal? i i i
Berapa kenaikan harga bahan pokok yang Saudara setujui?

i i i i i i i
1). 2 % i i iiiiiiii 2). 4% 3). 6% 4). 8%i iiii i iiiiii i iiiiiii 5).10%
Apakah ini termasuk Skala Rasio? i i i i i
Berapa harga tiket kereta api Bandung – Jakarta yang Saudara inginkan untuk kelas bisnis dan
i eksekutif?
i 1). Rp.60.000 - Rp.40.000
i i i i
i 2). Rp.80.000 - Rp.40.000

i i i i
i 3). Rp.120.000 - Rp.40.000

i i i i
Apakah ini skala interval atau ordinal?i i i i i i
PENGOLAHAN DATA DAN PENYAJIAN DATA i i i i
Untuk memperoleh data statistika, maka data yang telah dikumpulkan dari elemen-
i i i i i i i i i i
elemen yang diselidiki harus diolah. i i i i
Arti mengolah data adalah merubah data mentah untuk memperoleh keterangan-keterangan
i i i i i i i i i
i ringkasan yang berupa angka-angka ringkasan. Data mentah yang dikumpulkan apabila diolah
i i i i i i i i i i
i apalagi disajikan dan dianalisis akan lebih bermanfaat sebagai dasar pembuatan keputusan.
i i i i i i i i i i
Pengolahan data dapat dilakukan dengan manual, maupun dengan alat-alat elektronik
i i i i i i i i i
i (kalkulator, komputer). Beberapa contoh angka ringkasan hasil pengolahan data :

i i i i i i i i i
• Keterangan tentang jumlah ii i
• Keterangan tentang rata-rata i i
• Keterangan tentang persentase i i
22
• Keterangan tentang rasio i i
• Keterangan tentang range, dsb. i i i
Data statistika tidak cukup dikumpulkan, diolah, dan dianalisis.

i i i i i i i i
Akan tetapi perlu disajikan dalam bentuk yang mudah dibaca/dipahami dan digunakan sebagai
i dasar pembuatan keputusan. Bentuk penyajian data lebih bersifat seni dan sangat
i i i i i i i i i i
i dipengaruhi oleh tujuan pengumpulan data, yaitu apa yang ingin diketahui dari pengumpulan
i data. Metode Penyajian Data berupa angka-angka ringkasan, berupa tabel (daftar), berupa
i i i i i i i i i i
i grafik / diagram.
i i
 Angka-Angka Ringkasan Adalah data kuantitatif hasil pengolahan data. Angka-angka i i i i i i i i
i ringkasan walaupun berguna tetapi manfaatnya masih kurang, karena sulit untuk
i i i i i i i i i
i digunakan sebagai bahan analisis. Contoh : Jumlah mahasiswa tiap angkatan 500
i i i i i i i i i i
i orang; Hasil penjualan bulan ini Rp 500 juta; Biaya perbaikan Rp 290 ribu, dsb.
 Tabel / Daftar merupakan kumpulan angka yang disusun menurut kategori-kategori

i i i i i i i i i
i atau karakteristik-karakteristik data sehingga memudahkan dalam analisis data. Bisa

i i i i i i i i
i dipergunakan untuk menyajikan cross section data dan time series data. Ketentuan i i i i i i i i i i
i dalam membuat table antara lain seperti : penyusunan tabel memerlukan identitas
i i i i i i i i i i
i seperti judul / nama tabel, judul baris/kolom, catatan dan sumber; Nama-nama
i i i i i i i i i i
i sebaiknya disusun menurut abjad; Waktu disusun secara berurut / kronologis.

i i i i i i i i i
 Grafik / Diagram adalah gambar-gambar yang menunjukkan secara visual data berupa
i i i i i i i i i i
i angka dan dibuat berdasar tabel yang dibuat sebelumnya. Penyajian data dengan
i i i i i i i i i i
i grafik/diagram lebih komunikatif dan dalam waktu yang singkat dapat diketahui suatu i i i i i i i i i i
i keadaan yang memerlukan keputusan. Beberapa jenis grafik antara lain.

i i i i i i i i i
o Grafik garis (line chart), adalah grafik berupa garis. i i i i i i i
o Grafik batang (bar chart), adalah grafik berupa batang. i i i i i i i
o Grafik lingkaran (pie chart), adalah grafik berupa lingkaran. i i i i i i i
o Grafik titik (dot chart), adalah grafik berupa titik. i i i i i i i
23
Penyajian Data dan Distribusi Frekuensi
i i i i
Data : Keterangan yang benar dan nyata pengumpulan untuk memperoleh keterangan.
i i i i i i i i i i
Bahan ajar i
Tabel Distribusi Frekuensi

i i
Data tunggal
i
Nilai Frekuensi
40 2
45 3
50 5
60 8
79 7
90 5
jumlah 30
Data Panjang nilai i Frekuensi Batas Bawah

i Batas Atas
i Titik tengah
i
i terkelompok kelasi
30-39 2 29,5 39,5 34,5
40-49 5 39,5 49,5 44,5
50-59 8 49,5 59,5 54,5
60-69 5 59,5 69,5 64,5
70-79 10 69,5 79,5 74,5
80-89 8 79,5 89,5 84,5
90-99 2 89,5 99,5 94,5
Jumlah 40
24
Langkah-langkah membuat tabel distribusi frekuensi i i i i
1) Tentukan rentang data i i
Rentang X(n) – X(1) (Skor terbesar-skor terkecil) i i i i i i
2) Tentukan banyaknya kelas yang diperlukan (k) i i i i i i
aturan Stuurgess = k : 1 + 3,3 log N

i i i i i i i i i
N : banyaknya data atau 5 < k < 15

i i i i i i i i i
3) Bagilah rentang dengan banyaknya kelas untukmendapatkan lebar kelas atau panjang
i i i i i i i i i
ikelas.
P = rentang kelas
i i i
4) Tentukan ujung bawah kelas pertama. i i i i
Pilih data yang paling kecil atau kurang dari yang paling kecil
i i i i i i i i i i
5) Tentukan batas bawah kelas pertama i i i i
bb = ub – ½ spt
i i i i i
6) Tentukan batas atas kelas pertama i i i i
ba = bb + i i i i
7) Tentukan ujung atas kelas pertama i i i i
ua = ba – ½ spt
i i i i i
8) Dafatarkan semua denga n menambahkan lebar kelas pada ujung kelas sebelumnya i i i i i i i i i i
9) Tentukan frekuensi bagi masing-masing kelas i i i i
10) Jumlah kolom frekuensi dan periksa apakah hasilnya sama dengan banyaknya total
i i i i i i i i i i
ipernyataan.
Langkah Statistik Deskriptif

i i
 Pertanyaan yang harus dijawab i i i i
 Mengumpulkan data i
 Menata data i
 Menyajikan data i
 Kesimpulan i
Distribusi Frekuensi i
 Distribusi frekuensi
i i i
 Pengelompokan data ke dalam beberapa kategori yang menunjukan banyaknya data i i i i i i i i i
dalam setiap kategori dan setiap data tidak dapat dimasukan ke dalam dua atau lebih
kategori
i i
 Tujuan i
 Data menjadi informatif dan mudah dipahami

i i i i i i
Langkah – langkah Distribusi Frekuensi

i i i i
 Mengurutkan data i
 Membuat ketegori atau kelas data i i i i i
 Melakukan penturusan atau tabulasi, memasukan nilai ke dalam interval kelas i i i i i i i i i
Langkah Pertama i
 Mengurutkan data : dari yang terkecil ke yang terbesar atau sebaliknya i i i i i i i i i i
 Tujuan : i
25
o Untuk memudahkan dalam melakukan pernghitungan pada langkah ketiga
i i i i i i i
Contoh : i i
No Perusahaan Harga saham

1 Jababeka 215
2 Indofarma 290
3 Budi Acid 310
4 Kimia farma 365
5 Sentul City 530
6 Tunas Baru 580
7 proteinprima 650
8 total 750
9 Mandiri 840
10 Panin 1200
11 Indofood 1280
12 Bakrie 1580
13 Berlian 2050
14 Niaga 2075
15 Bumi resources 2175
16 BNI 3150
17 Energi mega 3600
18 BCA 5350
19 Bukit Asam 6600
20 Telkom 9750
Langkah Kedua i
 Membuat kategori atau kelas data i i i i
o Tidak ada aturan pasti, berapa banyaknya kelas ! i i i i i i i
 Langkah : i
o Banyaknya kelas sesuai dengan kebutuhan i i i i
o Tentukan interval kelas i i
Langkah 1 i
Gunakan aturan Sturges

i i
Jumlah kategori (k) = 1 + 3,322 Log n

ii i i i i i i i i
Contoh n = 20
i i i
(k) = 1 + 3,322 Log 20

i i i i i i
(k) = 1 + 3,322 (1,301)

i i i i i
(k) = 1 + 4,322 i i i i
(k) = 5,322 Jumlah minimal ketegori yaitu 5

i i i i i i i
Langkah 2 i
Tentukan interval kelasi i i
Interval kelas adalah batas bawah dan batas atas dari suatu kategori
i i i i i i i i i i
Rumus : i
Nilai terbesar - terkecil i i i
Interval kelas = i i
Jumlah kelas i
Contoh:
Berdasarkan data nilai tertinggi i i i i = 9750; nilai terendah = 215
i i i i i
26
Interval kelas :i i
= [ 9750 – 215 ] / 5
i i i i i i i
= 1907 i
Jadi interval kelas 1907 yaitu jarak nilai terendah dan nilai tertinggi dalam suatu kelas atau
kategori.
i
Langkah Ketiga i
 Lakukan penturusan atau tabulasi data i i i i
Jumlah Frekuensi i
Kelas Interval Frekuensi
(F) i
1 215 iiiiiiiiiiii -- 2122 IIIII IIIII IIII i i 14
2 2123 iiiiiiiiii -- 4030 III 3
3 4031 iiiiiiiiiii -- 5938 I 1
Distribusi Frekuensi Relatifi i
 Frekuensi setiap kelas dibandingkan dengan frekuensi total

i i i i i i
 Tujuan ; Untuk memudahkan membaca data secara tepat dan tidak kehilangan makna
dari kandungan data

i i i
Penyajian Data i
 Batas kelas i
o Nilai terendah dan tertinggi i i i
 Batas kelas dalam suatu interval kelas terdiri dari dua macam :
i i i i i i i i i i
o Batas kelas bawah – lower class limit i i i i i i
 Nilai teredah dalam suati interval kelas i i i i i
o Batas kelas atas – upper class limit i i i i i i
 Nilai teringgi dalam suatu interval kelas i i i i i
Contoh Batas Kelas i i
Kelas Interval Jumlah Frekuensi (F)

1 215 2122 14
2 2123 4030 3 27
3 4031 5938 1
4 5939 7846 1
5 7847 9754 1
Nilai Tengah
i
 Tanda atau perinci dari suatu interval kelas dan merupakan suatu angka yang dapat
dianggap mewakili suatu interval kelas

i i i i i
 Nilai tengah kelas kelasnya berada di tengah-tengah pada setiap interval kelas
i i i i i i i i i i
Contoh Nilai Tengah i i
Kelas Interval Nilai tengah

1 215 2122 1168.5
2 2123 4030 3076.5
3 4031 5938 4984.5
4 5939 7846 6892.5
5 7847 9754 8800.5
Nilai tengah Kelas ke 1 i i i i
= [ 215 + 2122] / 2
i i i i i i
= 1168.5 i
Nilai Tepi Kelas – Class Boundaries

i i i i i
 Nilai batas antara kelas yang memisahkan nilai antara kelas satu dengan kelas lainnya
 Penjumlahan nilai atas kelas dengan nilai bawah kelas diantaranya dan di bagi dua
Contoh Nilai Tepi Kelas

i i i
Jumlah
Kelas Interval Nilai Tepi Kelas i i
Frekuensi (F)
i i
1 215 2122 14 214.5
2 2123 4030 3 2122.5 Nilai tepi kelas ke 2 i i i i i
= [ 2122 +2123 ] / 2
i i i i i i
3 4031 5938 1 4030.5 = 2122,5i
4 5939 7846 1 5938.5
5 7847 9754 1 7846.5
9754.5
Frekuensi Kumulatif
i
 Menunjukan seberapa besar jumlah frekuensi pada tingkat kelas tertentu

i i i i i i i i
28
 Diperoleh dengan menjumlahkan frekuensi pada kelas tertentu dengan frekuensi kelas
i i i i i i i i i
selanjutnya
i
 Frekuensi kumulatif terdiri dari ;

i i i i
 Frekuensi kumulatif kurang dari; Merupakan penjumlahan dari mulai frekuensi

i i i i i i i i
terendah sanpai kelas tertinggi dan jumlah akhirnya merupakan jumlah data (n)
 Frekuensi kumulatif lebih dari; Merupakan pengurangan dari jumlah data (n)
i i i i i i i i i
dengan frekuensi setiap kelas dimulai dari kelas terendah dan jumlah akhirnya
adalah nol
i i
Grafik
 Grafik dapat digunakan sebagai laporan

i i i i
 Mengapa menggunakan grafik ?

i i i
o Manusia pada umunya tertarik dengan gambar dan sesuatu yang ditampilkan
i i i i i i i i i
delam bentuk visual akan lebih mudah diingat dari pada dalam bentuk angka
 Grafik dapat digunakan sebagi kesimpulan tanpa kehilangan makna

i i i i i i i
Grafik Histogram
i
 Histogram merupakan diagram baloki i i
 Histogram menghubungkan antara tepi kelas interval dengan pada sumbu horizontal
i i i i i i i i i
(X) dan frekuensi setiap kelas pada sumbu vertikal (Y)

i i i i i i i i i
15
10
5
0
Tepi Kelas
Grafik Polygon
i
 Menggunakan garis yang mengubungkan titik – titik yang merupakan koordinat antara
i i i i i i ii i i i
nilai tengah kelas dengan jumlah frekuensi pada kelas tersebut

i i i i i i i i i
Jumlah Frekuensi (F)
16
14
12
10
Jumlah
8
Frekuensi (F)
6
4
2
0
1 2 3 4 5
29
Kurva Ogive i i
 Merupkan diagram garis yang menunjukan kombinasi antara interval kelas dengan i i i i i i i i i
frekuensi kumulatif
i i
Frekuansi Kumulatif
25
20
15 Kurang dari
10 Lebih dari
5
0
1 2 3 4 5 6
Interval kelas
Perhitungan kecenderungan gejala pusat (Central tendency) – data acak & i i i i i i i i i
berkelompok) i
Dalam aktivitas pengamatan, penelitian atau observasi tidak jarang dijumpai data yang
i i i i i i i i i i
i berhasil dihimpun tidak sama atau berbeda antara satu dengan yang lainnya . Dengan kata lain
i distribusi data yang tersusun ada kemungkinan akan memperlihatkan karakteristik data yang
i i i i i i i i i i
i relatif homogen atau heterogen. Salah satu tugas statistik adalah menentukan suatu angka di
i sekitar mana nilai-nilai dalam distribusi memusat. Dengan kata lain salah satu tugas statistik
i adalah menentukan angka yang menjadi pusat suatu distribusi. Angka/ nilai yang menjadi
i pusat suatu distribusi selanjutnya disebut tendensi sentral atau kecenderungan tengah. Ada 3
i i i i i i i i i ii i
i jenis pengukuran tendensi sentral yang sangat penting yaitu; Mean, Median dan Mode/
i modus. i
1. Mean / Rata-rata (X). i i i i
Mean diterapkan dengan tujuan untuk menentukan angka/ nilai rata-rata dan secara
i i i i i i i i i i
i aritmatik ditentukan dengan cara menjumlah seluruh nilai dibagi banyaknya individu.
i i i i i i i i i
i Rata-rata (mean) dapat didefinisikan sebagai jumlah seluruh nilai data dibagi dengan
i i i i i i i i i i
i jumlah data yang digunakan. Menurut Supranto (2008), persamaan untuk menghitung
i i i i i i i i i
i nilai rata-rata data yang tidak dikelompokkan dan data yang dikelompokkan secara
i i i i i i i i i i
i berurutan dinyatakan i
30
2. Median atau nilai tengah i i i i
Meidan adalah nilai yang membagi distribusi menjadi 2 bagian yang sama yakni 50
i persen, 50 persen. Harga median bisa ditentukan dengan beberapa formulasi tergantung
i i i i i i i i i i
i pada kasus yang dihadapi.

i i i i
3. Modus didefinisikan sebagai nilai yang paling sering muncul atau nilai yang memiliki
i frekuensi paling banyak. Satu hal yang perlu diingat bahwa modus adalah persoalan nilai
i bukannya frekuensi. Frekuensi hanya menunjuk intensitas kemunculan sesuatu nilai.

i i i i i i i i i
i Pada data tunggal menentukan mode/modus hanya dengan memperhatikan nilai yang
i i i i i i i i i
i memiliki frekuensi terbanyak maka dapat diidentifikasi nilai modus/mode dari distribusi
i i i i i i i i i
i data. i
Rumus : i
 Rerata Hitung (arithmetic mean) i i i
Merupakan nilai rata-rata yang diperoleh dari jumlah semua data dibagi dengan
i i i i i i i i i i
i banyaknya data. i i
=Rata –rata populasi
=Rata –rata sample
 Data Acak dan Data yang dikelompokan. Kalau data yang ada sedikit, maka tidak perlu
i dikelompokan. Jika jumlah data banyak, maka dikelompokan disusun dalam distribusi i i i i i i i i i
i frekuensi i
Data Acak : 5.40, 1.10, 0.42, 0.73, 0.48, 1.10

i i i i i i i i
Data dikelompokan : Data dalam distribusi Frekuensi

i i i i i i ii
 Hitunglah mean! i
Hitunglah mean dari data acak : 5.40, 1.10, 0.42, 0.73, 0.48, 1.10
31
Hitunglah mean dari data acak apabila salah satu nilai paling akhir diganti dengan nilai
i data outlier, apa yang berbeda: 5.40, 1.10, 0.42, 0.73, 0.48, 41.10
i i i i i i i i i i
o Perhitungan data acak pertama, Mean : i i i i i
o Apabila diganti dengan 1 data outlier: i i i i i
o Perbedaan kedua data sangat jauh. Sehingga nilai data outliers sangat i i i i i i i i i
i mempengaruhi nilai rata-rata. i i
 Menghitung Mean data Berkelompok i i i
Sebanyak 21 orang pekerja dijadikan sampel dan dihitung tinggi badannya. Data tinggi
i badan dibuat dalam bentuk kelas-kelas interval. Hasil pengukuran tinggi badan adalah
i i i i i i i i i i
i sebagai berikut. i
ii
 Menghitung data kelompok dengan menggunakan titik tengah : i i i i i i i
iiiiii = rata-rata hitung data berkelompok

i i i i
fi = frekuensi data kelas ke-i

i ii i i i
xi = nilai tengah kelas ke-I

i i i i i
Proses penghitungan rata-rata dengan menggunakan titik tengah dibantu dengan

i i i i i i i i
i menggunakan tabel di bawah ini. i i i i
32
Dari table diperoleh:
i i iii
Dengan begitu dapat kita hitung rata-rata data berkelompok sebagai berikut.
i i i i i i i i i
 Menghitung MEAN dengan menggunakan SIMPANGAN RERATA SEMENTARA:

i i i i i i
33
Sebelum menghitung rata-rata data berkelompok menggunakan simpangan rata-rata
i i i i i i i
i sementara, i kita terlebih

i i dahulu i menetapkan i rata-rata i sementaranya.
Misalkan rata-rata sementara yang kita tetapkan adalah 160. Selanjutnya kita bisa
i i i i i i i i i i
i membuat tabel penghitungan. i i
Median (Nilai Tengah) merupakan nilai yang letaknya di tengah atau rata-rata dari dua nilai
i yang berada di tengah kalau datanya genap. Setelah data tersebut diurutkan sesuai dengan
i besar kecilnya
i
o Jika jumlah data ganjil: 6, 7, 10, 11, 14

i i i i i i i i iiiiiiiii n=5
 Cara mencari median= (n+1)/2 = (5+1)/2 =3
i i i i i i
34
 Bilangan pada posisi ke-3 =10. Median=10 i i i i iii
o Jika jumlah data genap: 4, 6, 9, 10, 11, 18 n=6

i i i i i i i i i iiiii
 Median= (n+1)/2 = (6+1)/2 =3,5 i i i i
 Median merupakan rata-rata dari bilangan Ke-3 dan ke-4

i i i i i i i
 Median= (9 + 10)/2 = 9,5 i i i i i
 Median Data Berkelompok i i
Me = median i i
xii = batas bawah median

i i i i
n = jumlah data
i i i
fkii = frekuensi kumulatif data di bawah kelas median

i i i i i i i i
fi = frekuensi data pada kelas median

i i i i i i
p = panjang interval kelas

i i i i
Kasus: i
Sebanyak 26 orang mahasiswa terpilih sebagai sampel dalam penelitian kesehatan di

i i i i i i i i i i
i sebuah universitas. Mahasiswa yang terpilih tersebut diukur berat badannya. Hasil
i i i i i i i i i
i pengukuran berat badan disajikan dalam bentuk data berkelompok. Hitung berapa
i i i i i i i i i
i median berat badan mahasiswa! i i i
Data table: i
Sebelum menggunakan rumus, terlebih dahulu dibuat tabel untuk menghitung

i i i i i i i i
i frekuensi kumulatif data. i i
35
Jumlah data adalah 26, sehingga mediannya terletak di antara data ke 13 dan 14. Data
i ke-13 dan 14 ini berada pada kelas interval ke-4 (61 – 65). Kelas interval ke-4 ini kita
i i i i i i i i i i i i i i i i
i sebut kelas median. Melalui informasi kelas median, bisa kita peroleh batas bawah
i kelas median sama dengan 60,5. Frekuensi kumulatif sebelum kelas median adalah 9,
i dan frekuensi kelas median sama dengan 5. Diketahui juga, bahwa panjang kelas sama
i dengan 5. i
Masukan dalam rumus median dan hitung! i i i i i
Median: i
Secara matematis bisa diringkas sebagai berikut:

i i i i i
xii = 60,5
i i
n = 26
i i
fkii = 9 i i
fi = 5
i i
p=5 i i
36
MODUS (MODE) i
Merupakan nilai (sifat) yang banyak terjadi. Data kuantitatif sama dengan nilai yang
i paling banyak terjadi, data kualitatif sama dengan sifat yang paling banyak terjadi
Ø a data set may have one mode (Uni-modal),

i i i i i i i i
Ø two modes (Bimodal),

i i i i
Ø several modes (Multimodal)

i i i i
Ø or no mode at all.
i i i i i
Nilai MODUS data berkelompok i i i
Mo = modus i i
b = batas bawah kelas interval dengan frekuensi terbanyak

i i i i i i i i
p = panjang kelas interval

i i i i
b1 = frekuensi terbanyak dikurangi frekuensi kelas sebelumnya

i i i i i i i
b2 = frekuensi terbanyak dikurangi frekuensi kelas sesudahnya

i i i i i i i
Kasus
Berikut ini adalah nilai statistik mahasiswa jurusan ekonomi sebuah universitas.
i i i i i i i i i
37
Answer modus: i
Dari tabel di atas, kita bisa mengetahui bahwa modus terletak pada kelas interval
i keempat (66 – 70) karena kelas tersebut memiliki frekuensi terbanyak yaitu 27.
i Sebelum menghitung menggunakan rumus modus data berkelompok, terlebih dahulu

i i i i i i i i
i kita harus mengetahui batas bawah kelas adalah 65,5, frekuensi kelas sebelumnya 14,
i frekuensi kelas sesudahnya 21. Panjang kelas interval sama dengan 5.

i i i i i i i i i
Dengan begitu bisa kita menghitung modus nilai statistik mahasiswa sebagai berikut.
i i i i i i i i i i
Nilai modus nya adalah:

i i i
38
39
UKURAN KERAGAMAN DAN SIMPANGAN i i i
UKURAN VARIASI ATAU DISPERSI

i i i i
Definisi i
Dispersi adalah data yang menggambarkan bagaimana suatu kelompok data

i i i i i i i i
i menyebar terhadap pusatnya data atau ukuran penyebaran suatu kelompok data
i i i i i i i i i
i terhadap pusat data i i i
Contoh i
Tiga kelompok data terdiri dari:

i i i i
a. 50, 50, 50, 50, 50 (homogen)

i i i i i
rata-rata hitung = 50 i i i
b. 50, 40, 30, 60, 70 (heterogen)

i i i i i iiiiiiiiiiiiiiiiiii
c. 100, 40, 80, 20, 10 (heterogen)

i i i i i
*Kelompok c lebih heterogen dibandingkan b i i i i i i
40
(a) (b) Relatif Homogen (c) Heterogen
Homogen
10
0 x
100 100
x


x4 x
x x x3 x4 x
50 1  2 5  50
 x  0
x 

x
x
3

x
0
0 0 x 
Jenis i
1. Dispersi Mutlak i i
Dispersi mutlak digunakan untuk mengetahui tingkat variabilitas nilai-nilai

i i i i i i i
i observasi pada suatu data i i i
2. Dispersi Relatif i i
Dispersi relatif digunakan untuk membandingkan tingkat variabilitas nilai-nilai

i i i i i i i i i
i observasi suatu data dengan tingkat variabilitas nilai-nilai observasi data lainnya.
i i i i i i i i i i
ALASAN MEMPELAJARI DISPERSI

i i i
 Mean dan median hanya menggambarkan pusat data dari sekelompok data, tetapi
i i i i i i i i i i
itidak menggambarkan penyebaran nilai pada data tersebut.

i i i i i i
41
 Dua kelompok data dengan mean yang sama, belum tentu memiliki penyebaran data
i yang sama. i i
 Ukuran dispersi yang kecil menunjukkan nilai data saling berdekatan (perbedaan
i i i i i i i i i
i kecil), sedangkan ukuran dispersi yang besar menunjukkan nilai data saling
i i i i i i i i i
i menyebar (perbedaan nilai masing-masing data besar). i i i i i
 Ukuran dispersi digunakan untuk melengkapi perhitungan nilai pusat data.

i i i i i i i i
JENIS DISPERSI
i i
Dispersi Data Tunggal i i
 Jangkauan i
 Simpangan Rata-rata i
 Simpangan Baku i
Dispersi Data Berkelompok i i
 Jangkauan
 Simpangan Baku i
Jangkauan – Data Tunggal

ii i i i
 Definisi i
Jangkauan adalah selisih antara nilai maksimum dengan nilai minimum dalam suatu
i i i i i i i i i i
i kelompok/ susunan data. i i
 Lambang i
Jangkauan dapat ditulis “ r “ i i i i i
 Nama Lain i
Nilai Jarak, dapat ditulis “ NJ ”

i i i i i i
 Sifat i
Jangkauan merupakan ukuran keragaman yang paling sederhana. i i i i i i
Jangkauan sangat peka terhadap data dengan nilai terbesar dan nilai terkecil.
i i i i i i i i i i
Semakin kecil nilai r maka kualitas data akan semakin baik, sebaliknya semakin besar
i nilai r, maka kualitasnya semakin tidak baik.

i i i i i i i
Rumus i
r = Xn – X1
i i i i
42
r = Nilai Maksimum – Nilai Minimum
i i i i i i
Contoh i
Diketahui data 20, 30, 50, 70, 100. i i i i i i
Tentukan nilai jangkauan data. i i i
r = X5 – X1
i i i i
r = 100 – 20
i i i i i
r = 80
i i i
Jangkauan – Data Berkelompok

i i i i
Rumus i
r = Nilai tengah kelas terakhir – Nilai tengah kelas pertama

r = Batas bawah kelas terakhir – Batas bawah kelas pertama

Contoh
Data berat badan 100 mahasiswa suatu perguruan tinggi. Tentukan nilai jarak dari data
i i i i i i i i ii i i i
i tersebut.
Berat badan i iiiiiiiiiiiiiiiiiiiiiiiiiiii Banyaknya Mahasiswa i
(Kg) iiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiii (f)
60 – 62 ii ii iiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiii 5
63 – 65 ii ii iiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiii 18
66 – 68 ii ii iiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiii 42
69 – 71 ii ii iiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiii 27 Jawaban i
72 – 74 ii ii iiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiii 8
Cara I i
Nilai tengah kelas pertama = (60 + 62) : 2

i i i i i i i i i
Nilai tengah kelas pertama = 61

i i i i i
Nilai tengah kelas terakhir = (72 + 74) : 2

i i i i i i i i i i Nilai tengah kelas terakhir = 73
i i i i i
r = Nilai tengah kelas terakhir – Nilai tengah kelas pertama

r = 73 – 61
i i i i i
43
r = 12 i i
Cara II i
Batas bawah kelas pertama = 60 – 0,5 = 59,5

i i i i i i i i i
Batas atas kelas terakhir = 71 + 0,5 = 71,5

i i i i i i i i i
r = Batas bawah kelas terakhir – Batas bawah kelas pertama

r = 71,5 – 59,5
i i i i i
r = 12 i i i
Simpangan Rata-rata – Data Tunggal

i i i i i
Simpangan rata-rata adalah jumlah nilai mutlak dari selisih semua nilai dengan nilai
rata-rata dibagi dengan banyaknya data. Lambang simpangan rata-rata dapat ditulis “ SR “
Rumus i
SR 
X i X
n
 SR = simpangan rata-rata i
 n = banyaknya data pengamatan i i i
 X = rata-rata
 Xi = frekuensi data ke-i i i i
Contoh
Diketahui data 30, 40, 50, 60, 70. i i i i i i
Tentukan simpangan rata-rata dan simpangan median.

i i i i i
Jawaban
30  40  50  60  70
X   50
5
Simpangan rata-rata i
44
SR 
X i X
n
30  50  40  50  50  50  60  50  70  50
SR 
5
60
SR 
5
SR  12
Simpangan Rata-rata – Data Berkelompok

i i i i i
Rumus i
SR 
f X X
i
f
 SR = simpangan rata-rata
i
 f = banyaknya frekuensi data

i i
 X = rata-rata
 Xi = frekuensi data ke-i
i i i
Contoh
Jawaban
45
SR 
 f X X i
f
998,76
SR 
60
SR  16,646
VARIANS i
Varians adalah ukuran keragaman yang melibatkan seluruh data. Varians merupakan
i i i i i i i i i
i rata-rata kuadrat selisih dari semua nilai data terhadap nilai rata-rata hitung. Varians
i didasarkan pada perbedaan antara nilai tiap observasi (Xi) dan rata-rata (untuk sampel dan 
i untuk populasi).
i
VARIANS – DATA TUNGGAL

i i i i
 Rumus (sampel) i
 X X
n
2
i
S2  i 1
n 1
S2 = varians sampel i
Xi = data ke-i i
X = rata-rata sampel i
n = banyaknya sampel i
 Rumus (populasi) i
 X  
2
i
2  i 1
N
2
σ = varians populasi i
Xi = data ke-i i
μ = rata-rata populasi i
N = banyaknya populasi i
46
VARIANS – DATA BERKELOMPOK
i i i i
 Rumus (sampel) i
 f (x i i  x )2
s2  i 1
 k 
  fi   1
 i 1 
S2 = varians sampel i
Xi = nilai tengah kelas ke-i

i i i
fi = frekuensi kelas ke-i i i
X = rata-rata sampel i
 Rumus (populasi) i
 f (x i i   )2
2  i 1
k
f i
i 1
σ2 = varians populasi i
Xi = nilai tengah kelas ke-i

i i i
fi = frekuensi kelas ke-i i i
μ = rata-rata populasi i
Simpangan Baku – Data Tunggal

i i i i i
Simpangan baku adalah akar kuadrat positif dari varians. Simpangan baku diukur pada
i satuan data yang sama, sehingga mudah untuk diperbandingkan. Simpangan baku paling
i i i i i i i i i i
i banyak digunakan karena mempunyai sifat-sifat matematis yang sangat penting dan berguna
i i i i i i i i i i
i untuk pembahasan teori dan analisis.

i i i i i
Lambang simpangan baku dapat ditulis “ S “. Nama lain Standar Deviasi, dapat ditulis “ SD
i i i i i i i i i ii i i i i i
i “. Kelompok data yang heterogen mempunyai simpangan baku yang besar.cSimpangan baku
i i i i i i i i i i
i populasi (σ) sering dipakai.

i i i
 Rumus (sampel) i
47
 X X
n
2
i
S i 1
n 1
  n  
2

1  n
  i 
X 
 
 X i 
i 1
S
2

n  1  i 1 n 
 
 
2
n
 n 
n X i    X i 
2
S i 1  i 1 
n n  1
S i = simpangan baku sampel

ii i i i
X = data ke-i
ii i i
X iiii = rata-rata sampel

ii i i
n i = banyaknya sampel
ii i
 Rumus (populasi) i
 X  
2
i
 i 1
N
  N  
2
  Xi  
1  n  i 1  
  X i 
2

N  i 1 N 
 
 
σ = simpangan baku populasi i i i
i Xi = data ke-i i i
μ = rata-rata populasi i i
N = banyaknya populasi i
 Contoh
Diketahui data upah bulanan karyawan suatu perusahaan (dalam ribuan
i i i i i i i i
i rupiah). Hitunglah simpangan baku dari data tersebut.

i i i i i i
48
Xi Xi Xi2
X1 30 900
X2 40 1600
X3 50 2500
X4 60 3600
X5 70 4900
5 250 13500
 Jawaban
  N  
2
  Xi  
1  n  i 1  
  X i 
2

N  i 1 N 
 
 

1

250 2 
13500 
5 5 
  14,14
Jadi simpangan baku dari data tersebut adalah 14,14 (Rp14.140,00)

i i i i i i i i
Simpangan Baku – Data Berkelompok

i i i i i
 Rumus simpangan baku populasi (umum)

i i i i
 f M  
2
i i
  i 1
Mi = nilai tengah dari kelas ke-i, i = 1, 2, …,k

i i i i i i i i i
49
μ = rata-rata populasi i i
N = banyaknya populasi i i
 Rumus populasi (kelas interval sama)

i i i i
2
k
 k 
 i i   fi di 
2
f d
  c i 1   i 1 
N  N 
 
 
fi = frekuensi kelas ke-i i i i
di i = simpangan dari kelas ke-i terhadap titik asal asumsi

i i i i i i i i
c = besarnya kelas interval i i
 Rumus populasi (kelas interval tidak sama)

i i i i i
  k  
2
   fi M i  
1  k  i 1  
  f i M i 
2

N  i 1 N 
 
 
Mi = nilai tengah dari kelas ke-i, i = 1, 2, …, k

i i i i i i i i i i
 Rumus sampel (kelas yang sama)

i i i i
2
k
 k 
 i i   fi di 
2
f d
S  c i 1   i 1 
n 1  n 1 
 
 
50
S = simpangan baku sampel i i i
di i = simpangan dari kelas ke-i terhadap titik asal asumsi

i i i i i i i i
n = banyaknya sampel i i
c = besarnya kelas interval

i i
 Rumus sampel (kelas tidak sama)

i i i i
  k  
2
   fi M i  
1  k  i 1  
S  f i M i 
2

n  1  i 1 n 1 
 
 
S = simpangan baku sampel i i i
Mi = nilai tengah dari kelas ke-i, i = 1, 2, …, k

i i i i i i i i i i
n = banyaknya sampel i i
 Contoh
Modal dari 40 perusahaan (dalam jutaan rupiah) adalah sebagai berikut:

i i i i i i i i i
138 164 150 132 144 125 149 157

iiii iiii iiii iiii iiii iiii iiii
146 158 140 147 136 148 152 144

168 126 138 176 163 119 154 165

146 173 142 147 135 153 140 135

iiii iiii iiii iiii iiii iiii iiii ii
161 145 135 142 150 156 145 128

Tentukan simpangan baku dari data diatas.

i i i i i
Jawaban i
Modal (M) i iiiiiiiiiiiiiiiiiiiiii Nilai Tengah i iiiiiiiiiiiiiiiiiiiiiiii Frekuensi (f) i
51
118 - 126 iiii iii iiiiiiiiiiiiiiiiiiiiiiiiiii 122 iiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiii 3
145 - 153 iiii iii iiiiiiiiiiiiiiiiiiiiiiiiiii 149 iiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiii 12
Jumlah iiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiii iiiiiiiiiiii 40
Kelas interval sama, yaitu 9 (127 – 118)

i i i i i i i
2 2
iii Kelas iiiiiiiiiiiiiiiii f iiiiiiiiiiiiiii d iiiiiiiiiiiiiiiii d fd
iiiiiiiiiiiiiiiiiiiiiiiiiiiiiii
iiiiiiiiiiiiiiiiiiiiiiiii fd
i 118 - 126 ii ii iiiiiiiiii 3 iiiiiiiiiiiii -3 iiiiiiiiiiiiiiiii 9 iiiiiiiiiiiiiiiiiiiii -9 iiiiiiiiiiiiiiiiiiiiiiiii 27

i 127 - 135 ii ii iiiiiiiiii 5 iiiiiiiiiiiii -2 iiiiiiiiiiiiiiiii 4 iiiiiiiiiiiiiiiiiiii -10 iiiiiiiiiiiiiiiiiiiiiiii 20
136 - 144
i ii ii iiiiiiiiii 9 iiiiiiiiiiiii -1 1
iiiiiiiiiiiiiiiii iiiiiiiiiiiiiiiiiiiii -9 iiiiiiiiiiiiiiiiiiiiiiiiii 9
145 - 153
i ii ii iiiiiiiii 12 iiiiiiiiiiiiii 0 0
iiiiiiiiiiiiiiiii iiiiiiiiiiiiiiiiiiiiii 0 iiiiiiiiiiiiiiiiiiiiiiiiii 0
154 - 162
i ii ii iiiiiiiiii 5 iiiiiiiiiiiiiii 1 iiiiiiiiiiiiiiiii1 iiiiiiiiiiiiiiiiiiiiii 5 iiiiiiiiiiiiiiiiiiiiiiiiii 5
163 - 171
i ii ii iiiiiiiiii 4 iiiiiiiiiiiiiii 2 4
iiiiiiiiiiiiiiiii iiiiiiiiiiiiiiiiiiiiii 8 iiiiiiiiiiiiiiiiiiiiiiiii 16
172 - 180
i ii ii iiiiiiiiii 2 iiiiiiiiiiiiiii 3 9
iiiiiiiiiiiiiiiii iiiiiiiiiiiiiiiiiiiiii 6 iiiiiiiiiiiiiiiiiiiiiiiii 18
2
iiiii Jumlah iiiiiiiiiii 40 iiiiiiiiiiiiii 0 iiiiiiiiiiiiiiii 28 iiiiiiiiiiiiii fidi = -9 ii i iiiiiiiiiiifidi = 95 i i
2
k
 k 
 fi di   fi di 
2
2
  c i 1   i 1   9 95    9   13,72
N  N  40  40 
 
 
Contoh
Data nilai ujian statistik dasar dari 50 mahasiswa STMIK MDP, disusun dalam tabel berikut ini.
Tentukan simpangan baku dari data berikut.

i i i i i i
iiiiiiiiiiiii Kelas i i i i i i i i i i iM i(Nilai iTengah) i i i i i i i i i i i if
iiiiiiiii 30 i i- i i i39 i i i i i i i i i i i i i i i i i i i i i i34,5 i i i i i i i i i i i i i i i i i i i i i i i i i i i4

iiiiiiiii 60 i i- i i i69 i i i i i i i i i i i i i i i i i i i i i i64,5 i i i i i i i i i i i i i i i i i i i i i i i i i i12
52
iiiiiiiii 90 i i- i i100 i i i i i i i i i i i i i i i i i i i i i94,5 i i i i i i i i i i i i i i i i i i i i i i i i i i i4 i
Jawaban
M iiiiiiiiiiiiiiiiii M2 iiiiiiiiiiiiiiii
iiiiiii f iiiiiiiiiiiiiiiiiiiiiiiiiiiii fM iiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiii fM2
34,5 iiiiiiiii 1.190,25 iiiiiiiiiiii 4 iiiiiiiiiiiiiiiiiiiiiiiiiii 138,0 iiiiiiiiiiiiiiiiiiiiiiiiiiii 4.761,00

44,5 iiiiiiiii 1.980,25 iiiiiiiiiiii 6 iiiiiiiiiiiiiiiiiiiiiiiiiii 267,0 iiiiiiiiiiiiiiiiiiiiiiiiii 11.881,50
64,5 iiiiiiiii 4.160,25 iiiiiiiiiii 12 iiiiiiiiiiiiiiiiiiiiiiiiii 774,0 iiiiiiiiiiiiiiiiiiiiiiiiii 49.923,00
95 iiiiiiiiiii 9.025,00 iiiiiiiiiiii 4iiiiiiiiiiiiiiiiiiiiiiiiiii 380,0 iiiiiiiiiiiiiiiiiiiiiiiiii 36.100,00
Jumlah iiiiiiiiiiiiiiiiiiiiiiiiiiii f1 = 50 i i iiiiiiiiiiiiii f1Mi = 3.257i i iiiiiiiiiiiiiiiii f1Mi2 = 226.361,50

ii
i
  k  
2
   fi M i  
1  k  i 1   1  3257 2 
   f i M i  226.361,50    16,85
2

N  i 1 N  50  50 
 
 
53
ANALISIS REGRESI SEDERHANA i i
Pendahuluan i
Istilah Regresi diperkenalkan oleh Fancis Galtom “Meskipun ada kecenderungan bagi
i i i i i i i i i
i orang tua yang tinggi mempunyai anak-anak yang tinggi, dan bagi orang tua yang pendek
i mempunyai anak yang pendek, distribusi tinggi dari suatu populasi tidak berubah secara
i menyolok (besar) dari generasi ke generasi”. Regresi = “Kemunduran ke arah sedang”

Analisis regresi dapat didefinisikan sebagai metode statistika yang digunakan untuk
i i i i i i i i i
i mengetahui hubungan fungsional linear antara satu variabel respon dengan satu variabel
i i i i i i i i i i
i prediktor. Sedangkan analisis korelasi dapat didefinisikan sebagai analisis yang digunakan
i i i i i i i i i
i untuk mengukur keeratan hubungan antara dua variabel. Kata variabel didefinisikan sebagai
i i i i i i i i i i
i karakteristik dari objek yang diteliti. Terdapat dua jenis variabel dalam analisis regresi yaitu
i variabel respon atau disebut dengan variabel dependen (Y) dan variabel prediktor atau
i disebut variabel independen (X). Variabel respon (Y) dinyatakan juga sebagai variabel yang
i dipengaruhi dan variabel prediktor (X) dinyatakan juga sebagai variabel yang mempengaruhi.
i i i i i i i i i i
i Terdapat dua jenis analisis regresi linier yaitu analisis regresi linier sederhana dan analisis
i regresi linier berganda. Analisis regresi linier sederhana hanya melibatkan satu variabel
i i i i i i i i i i
i prediktor sedangkan analisis regresi linier berganda melibatkan dua atau lebih variabel
i i i i i i i i i i
i prediktor.
Pengertian Regresi i i
Analisis regresi merupakan studi ketergantungan satu atau lebih variabel bebas terhadap
i i i i i i i i i i
i variabel tidak bebas. Dengan maksud untuk meramalkan nilai variabel tidak bebas.
i i i i i i i i i i
Contoh Penerapan Analisis Regresi

i i i i
1. Analisis Regresi antara tinggi orang tua terhadap tinggi anaknya (Gultom).
i i i i i i i i i
2. Analisis Regresi antara pendapatan terhadap konsumsi rumah tangga.

i i i i i i i
3. Analisis Regresi antara harga terhadap penjualan barang.

i i i i i i
4. Analisis Regresi antara tingkat upah terhadap tingkat pengangguran.

i i i i i i i
5. Analisis Regresi antara tingkat suku bunga bank terhadap harga saham
i i i i i i i i i i
6. Analisis regresi antara biaya periklanan terhadap volume penjualan perusahaan.

i i i i i i i i
54
KETERGANTUNGAN STATISTIK VS. FUNGSIONAL i i i
 Hubungan kausal (ketergantungan statistik) i i i
 Konsumsi dengan pendapatan i i i
 Masa kerja dengan produktifitas i i i i
 Iklan dengan penjualan i i i
 Hubungan fungsional/Identitas i i
 Likuditas dengan aktiva lancar i i i i
 Produktivitas dengan hasil produksi i i i i
 Upah karyawan dengan jam kerja i i i i i
Perbedaan mendasar antara korelasi dan regresi yaitu korelasi hanya menunjukkan sekedar
i i i i i i i i i i
i hubungan; dalam korelasi variabel tidak ada istilah tergantung dan variabel bebas; regresi
i menunjukkan hubungan pengaruh; dalam regresi terdapat istilah tergantung dan variabel
i i i i i i i i i
i bebas. i
Istilah dan notasi variabel dalam regresi ?

i i i i i i
Y: i
 Varaibel tergantung (Dependent Variable)

i i i
 Variabel yang dijelaskan (Explained Variable)

i i i i
 Variabel yang diramalkan (Predictand) i i i
 Variabel yang diregresi (Regressand) i i i
 Variabel Tanggapan (Response) i i
X: i
o Varaibel bebas (Independent Variable) i i i
o Variabel yang menjelaskan (Explanatory Variable)

i i i i
o Variabel peramal (Predictor) i i
o Variabel yang meregresi (Regressor) i i i
o Variabel perangsang atau kendali (Stimulus or control variable)

i i i i i i i
o Persamaan Regresi i i
Persamaan Regresi linier Sederhana: i i i
Y = a + bX + 
i i i i i i i
55
Y = Nilai yang diramalkan
i i i i
a = Konstansta
i i
b iii = Koefesien regresi

i i i
X ii = Variabel bebas
i i i
 ii i = Nilai Residu
i i i
n( XY )  ( X )( Y )
b
n( X 2 )  ( X ) 2
a
 Y  b( X )
n
Contoh Kasus: i
Seorang manajer pemasaran akan meneliti apakah terdapat pengaruh iklan terhadap
i i i i i i i i i
i penjualan pada perusahaan-perusahaan di Kabupaten WaterGold, untuk kepentingan

i i i i i i i
i penelitian tersebut diambil 8 perusahaan sejenis yang telah melakukan promosi.

i i i i ii i i i i
Pemecahan i
1. Judul i
Pengaruh biaya promosi terhadap penjualan perusahaan. i i i i i
2. Pertanyaan Penelitian i i
Apakah terdapat pengaruh positif biaya promosi terhadap penjualan perusahaan ?

i i i i i i i i i
3. Hipotesis i
Terdapat pengaruh positif biaya promosi terhadap penjualan perusahaan.

i i i i i i i
4. Kriteria Penerimaan Hipotesis i i i
Ho i : Tidak terdapat pengaruh positif biaya iklan terhadap penjualan perusahaan.

i i i i i i i i i
Ha i : Terdapat pengaruh positif biaya iklan terhadap penjualan perusahaan.

i i i i i i i i
*Ho diterima Jika i i i
iii b ≤ 0, t hitung ≤ tabel

i i i i i i i
*Ha diterima Jika i i i
56
ii b > 0, t hitung > t tabel.
i i i i i i i i
5. Sampel ii
8 perusahaan
i i
6. Data Yang dikumpulkan

i i i
Penjualan (Y) 64 i 61 84 70 88 92 72 77
Promosi (X) 20 i 16 34 23 27 32 18 22
7. Analisis Data i
Untuk analisis data diperlukan, perhitungan :

i i i i i
o Persamaan regresi i i
o Nilai Prediksi i i
o Koefesien determinasi i i
o Kesalahan baku estimasi i i i
o Kesalahan baku koefesien regresinya i i i i
o Nilai F hitung i i i
o Nilai t hitung i i i
o Kesimpulan
Persamaan Regresi i
Y i X i XY i X2 i Y2 i
64 i 20 i 1280 i 400 i 4096 i
61 i 16 i 976 i 256 i 3721 i
84 i 34 i 2856 i 1156 i 7056 i
70 i 23 i 1610 i 529 i 4900 i
88 i 27 i 2376 i 729 i 7744 i
57
92 i 32 i 2944 i 1024 i 8464 i
72 i 18 i 1296 i 324 i 5184 i
77 i 22 i 1694 i 484 i 5929 i
608 i 192 i 15032 i 4902 i 47094 i
n( XY )  ( X )( Y )
b
n( X 2 )  ( X ) 2
8(15032)  (192)(609)
b  1,497
8( 4902)  (192) 2
a
 Y  b( X )
n
(608)  1,497(192)
a  40,082
8
Y= 40,082 + 1,497X+e
i i i
Nilai Prediksi
i i
 Berapa besarnya penjualan jika promosi sebesar 20?

i i i i i i
40,082 + (1,497*20)= 70,022

i i i

i i i i i i
40,082 + (1,497*16)=64,034
i i

i i i i i i
40,082 + (1,497*34)= 90,98

i i i

i i i i i i
40,082 + (1,497*23)= 74,513

i i i

i i i i i i
40,082 + (1,497*27)=80,501
i i
58
i i i i i i
40,082 + (1,497*32)= 87,986

i i i
 Dst.
(Y- (Y-
No Y X XY X2 Y2 Ypred
Ypred)2 Yrata)2
1 64 20 1280 400 4096 70.022 36.264 144
2 61 16 976 256 3721 64.034 9.205 225
3 84 34 2856 1156 7056 90.98 48.720 64
4 70 23 1610 529 4900 74.513 20.367 36
5 88 27 2376 729 7744 80.501 56.235 144
6 92 32 2944 1024 8464 87.986 16.112 256
7 72 18 1296 324 5184 67.028 24.721 16
8 77 22 1694 484 5929 73.016 15.872 1
Jlh 608 192 15032 4902 47094 608.08 227.497 886
Koefesien determinasi :
i i
R 2
 1
 (Y  Yˆ ) 2
R2  1
( 227,497)
 0,743
 (Y  Y ) 2 (886)
Kesalahan Baku Estimasi i i i
Digunakan untuk mengukur tingkat kesalahan dari model regresi yang dibentuk.
i i i i i i i i i
Se 
 (Y  Yˆ ) 2
( 227,467)
nk Se   6,1576
82
59
Standar Error Koefesien Regresi
i i i i
Digunakan untuk mengukur besarnya tingkat kesalahan dari koefesien regresi:

i i i i i i i i
Se 6,1576
Sb  Sb1   0,359
( X ) 2
(192) 2
X  2
( 4902) 
n 8
Uji F i
Uji F digunakan untuk uji ketepatan model, apakah nilai prediksi mampu
i i i i i i i i i i
i menggambarkan kondisi sesungguhnya: i i
Ho: Diterima jika F hitung  F tabel

i i i i i i i i
Ha: Diterima jika F hitung > F tabel

i i i i i i i i
R 2 /( k  1) 0,743 /( 2  1)
F F  17,367
1  R 2 /( n  k ) 1  0,743 /(8  2)
Karena F hitung (17,367) > dari F tabel (5,99) maka persamaan regresi dinyatakan Baik
i (good of fit).
i i
Uji t i
Digunakan untuk mengatahui pengaruh variabel bebas terhadap variabel tergantung.

i i i i i i i i
Ho: Diterima jika t hitung  t tabel

i i i i i i i i
Ha: Diterima jika t hitung > t tabel

i i i i i i i i
bj 1,497
Thitung  t hitung   4,167
Sbj 0,359
Karena t i i hitung i (4,167) > dari t tabel (1,943) maka Ha diterima ada pengaruh iklan
i terhadap penjualan. i
60
KESIMPULAN
Statistik maka dapat diartikan bahwa statistik adalah suatu ilmu yang digunakan untuk
i memecahkan suatu permasalahan dengan menggunakan beberapa tahapan yaitu

i i i i i i i
i pengumpulan data, pengolahan data, Analisis data dan intepretasi data serta kesimpulan dan
i keputusan yang diambil berdasarkan Analisis yang telah dilakukan.

i i i i i i i i
Jenis Statistika ada dua yaitu statistik Deskriptif dan statistik inferensi. Elemen Dasar Statistika
i adalah : populasi, sampel, data, informasi, dan variabel. Terdapat dua tipe data yaitu data
i kualitatif dan data kuantitatif. i i i i
Terdapat dua cara dalam menyajikan data yaitu dengan tabel atau daftar dan grafik
i atau diagram. Terdapat 3 (tiga) jenis daftar, yaitu daftar baris dan kolom, daftar kontingensi,
i dan daftar frekuensi. Terdapat 5 (lima) jenis diagram, yaitu diagram batang, diagran garis,
i diagram lingkaran, diagram lambang dan diagram peta.

i i i i i i
Tabel Frekuensi adalah cara umum untuk menata atau menyusun data yang dimiliki
i dalam sebuah tabel yang menunjukkan sebaran atau distribusi frekuensi data. Terdapat tiga
i tahapan dalam pembuatan tabel frekuensi, yaitu sebagai berikut:

i i i i i i i i
a. Penentuan banyaknya selang kelas (k) i i i i i
b. Penentuan selang dalam kelas (I) i i i i i
c. Penentuan batas kelas terendah untuk kelas pertama Batas kelas terendah untuk i i i i i i i i i i
i selang kelas pertama dapat langsung menggunakan nilai pengamatan terendah

i i i i i i i i
i berdasarkan data apabila semua data dapat masuk dalam kisaran nilai yang ada. i i i i i i i i i i i
Terdapat dua jenis ukuran pemusatan dan penyimpangan data, yaitu untuk data
i i i i i i i i i i
i dikelompokkan dan data tidak dikelompokkan.Data yang dikelompokkan adalah data yang
i i i i i i i i i
i sudah disajikan dalam tabel frekuensi dan data tidak dikelompokkan.

i i i i i i i i i
Analisis regresi didefinisikan sebagai metode statistika yang digunakan untuk

i i i i i i i i
i i i i i i i i i i
i prediktor. Analisis regresi didefinisikan sebagai metode statistika yang digunakan untuk
i i i i i i i i i
i i i i i i i i i i
i prediktor.
61
Daftar Pustaka
i
Budiyono. 2009. Statistika Untuk Penelitian. Surakarta: Rajawali Press.
Dajan, Anto. (1991). Pengantar Metode Statistik. Jakarta: PT. Pustaka LP3ES.
Furqon. 1999. Statistika Terapan untuk Penelitian. Bandung: Alfabeta
Hadi, Sutrisno. 2015. Statistika. Yogyakarta: Pustaka Pelajar
Irianto, Agus. 2012.Statistik Konsep Dasar, Aplikasi, dan Pengembangannya.
Jakarta : Kencana
Martiningtyas, Nining (2011)., Teori, Soal dan Pembahasan Statistika. Jakarta
:PT.Prestasi Pustakaraya.
Santosa., R Gunawan., (2004).Statistik..Yogyakarta : Andi
Spiegel, Murray R (2004)., Statistik. Jakarta:Erlangga
Sudjana, (2005). Metode Statistika. Bandung:Tarsito
Sugiyono. 2016. Statistika Untuk Penelitian. Bandung: Alfabeta.
Supranto, J. (2008). Statistik Teori dan Aplikasi. Jakarta : Erlangga.
Thoifah I, 2015, Statistika Pendidikan dan metode penelitian kuantitatif,
Madani, Malang
Walpole, R. E., & Myers, R. H. (1986). Ilmu peluang dan Statistika untuk Insinyur
dan Ilmuwan (R. K. Sembiring, Trans.). Bandung: Penerbit ITB.
Walpole, Ronald E. (1995). Pengantar Statistika. Jakarta : PT. Gramedia Pustaka
Utama.
62
Wibisono, Yusuf (2009). Metode Statistik. Yogyakarta:Gadjah Mada University
Press.
Yitnosumarto, Suntoyo. (1990). Dasar-Dasar Statistika. Jakarta: Rajawali Pers
63
Sinopsis
Statistika adalah ilmu pengetahuan yang mempelajari metode yang paling efisien
i i i i i i i i i
i tentang cara-cara pengumpulan, pengolahan, penyajian serta analisis data, penarikan

i i i i i i i i
i kesimpulan serta pembuatan keputusan yang cukup beralasan berdasarkan data dan analisa
i i i i i i i i i i
i yang dilakukan. Statistik adalah data yang diperoleh dengan cara pengumpulan, pengolahan,
i i i i i i i i i i
i penyajian dan analisis serta sebagai sistem yang mengatur keterkaitan antar unsur dalam
i penyelenggaraan statistik. i i
Pembagian Statistika (metode) dibagi menjadi dua. Pertama Statistika Deskriptif,

i i i i i i i i
i Statistika yang berkenaan dengan penataan, peringkasan, pengolahan dan penggambaran

i i i i i i i i
i data tanpa dilanjutkan dengan pengujian dan penafsiran (inferens). Kedua Statistika Inferens,
i i i i i i i i i i
i Statistika yang berkenaan dengan pengujian dan penarikan kesimpulan berdasarkan

i i i i i i i i
i penafsiran (inferens). i
Dalam pemanfaatannya Statistika berguna dalam menentukan keputusan meskipun

i i i i i i i
i kadangkala penggunaannya tidak kita sadari.

i i i i
64

Buku Ajar Stat Is Tika Dasar

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Judul Asli

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

Buku Ajar Stat Is Tika Dasar

Diunggah oleh

Hak Cipta:

Format Tersedia

Buku Ajar Statistik Dasar

Editor Aliwar, S.Ag.,M.Pd sebagai pembimbing

Daftar Isi ...............................................................................................................................3

Populasi, Sampel, dan Teknik Sampling ..............................................................................4

Teknik Sampling .............................................................................................................10

Data dan Skala Pengukuran Data ..........................................................................................17

Jenis Skala Pengukuran ..................................................................................................19

Pengolahan Data dan Penyajian Data .............................................................................22

Penyajian Data dan Distribusi Frekuensi ..............................................................................24

Distribusi Frekuensi .........................................................................................................25

Penyajian Data ................................................................................................................27

Perhitungan kecenderungan gejala pusat – data acak & berkelompok ...........................30

Ukuran Keragaman dan Simpangan .....................................................................................40

Ukuran Variasi dan Dispersi ...........................................................................................40

Analisis Regresi Sederhana ...................................................................................................54

Daftar Pustaka .......................................................................................................................62

Menurut Cooper dan Emory (1997) mengemukakan populasi adalah seluruh

maupun bendanya. Somantri (2006:62), populasi merupakan keseluruh elemen, atau

keadaan dari objek-objek tersebut.

Sugiyono (1997:57) dikutip Riduwan (2003:7) memberikan pengertian bahwa

adalah unit/satuan yang akan diteliti atau dianalisis.

waktu. Contoh: Suatu penelitian tentang pendapatan keluarga petani di Kabupaten

 Isi  Semua keluarga petani

Populasi dapat dibedakan menjadi dua baguan yaitu ;

 Populasi target merupakan populasi yang telah ditentukan sesuai dengan

populasi sampling. Unsur sampling ini diambil dengan menggunakan kerangka

sampling (sampling frame).

(1999:2), sebagian anggota dari populasi disebut sampel. Pasaribu (1975:21)

berpendapat, sampel itu adalah sebagian dari anggota-anggota suatu golongan

(kumpulan objek-objek) yang dipakai sebagai dasar untuk mendapatkan keterangan

(atau menarik kesimpulan) mengenai golongan (kumpulan itu).

Sugiyono (1997:57) dikutip Riduwan (2003:10) memberikan pengertian bahwa

Arikunto (1998:117) dikutip Riduwan (2003:10) mengatakan bahwa “Sampel adalah

populasi yang diambil.

Cara menentukan sample agar memenuhi syarat

mudah dilaksanakan, dapat memberikan keterangan sebanyak mungkin dengan biaya

perlu mempertimbangkan hal-hal sebagai berikut :

 Derajat keseragaman (degree of homogenity) dari populasi  completely

ALUR PEMIKIRAN POPULASI DAN SAMPEL

Akurasi atau ketepatan , yaitu tingkat ketidakadaan “bias” (kekeliruan) dalam

mungkin karakteristik populasi (Nan Lin, 1976).

HUBUNGAN ANTARA UKURAN SAMPEL DAN TINGKAT KESALAHAN

Somantri (2006: 27) mengemukakan variabel adalah karakteristik yang akan di

tegas menyebutkan bahwa variabel adalah karakteristik yang dapat diklasifikasikan

memberikan sekurag-kurangnya dua hasil pengukuran atau perhitungan yang nilai

numeriknya berbeda. Spiegel (2004:2), Variabel adalah suatu simbol, seperti X, Y, H

bervariasi dan dapat diamati atau dihitung atau diukur.

MACAM MACAM VARIABEL

Somantri (2006:28) mengklasifikasikan variabel menjadi dua yaitu: variabel kualitatif i i i i i i i

i pencacahan. Variabel kontinu merupakan variabel yang besarannya dapat menempati

i demikian, kita menyebutnya sebagai variabel diskrit. Furqon (1999:10) berpendapat

i terikat dikendalikan. d. Peubah moderator (moderator variabel), yaitu peubah yang

i mempengaruhi hubungan antara peubah bebas dengan peubah terikat. i i i i i i i

i dilambangkan dengan angka; misalnya: 17 tahun, 25 tahun dan sebagainya. - “nilai i i i i i i i i i i i

i 5, 7, 8, 50, 70 dan sebagainya.

i The Practice of Social Research, mengatakan “Sampling is the process of selecting

Teknik penarikan/pengambilan sampel

i anggota populasi atau daftar unsure/elemen populasi (kerangka sample/sampling frame).

Berikut merupakan beberapa Teknik Probability Sampling :

i Caranya : dengan mengundi elemen/anggota populasi & dengan menggunakan

i tabel angka random.

ii. Systematic Random Sampling (Penarikan sample secara sistematik) i i i i i i