JAWABAN

1. Apa saja jenis data yang anda tahu dan sebutkan contoh-contohnya serta jenis-jenis distribusi
yang berlaku jenis-jenis data tersebu!
 Data yang nilainya berupa bilangan asli disebut sebagai data diskrit. Misalnya: berapa
berat wanita yang tinggal di kompleks perumahan Riung Bandung, berapa dolar yang
berubah dari waktu ke waktu, dan sebagainya.
 Data dengan nilai yang bervariasi dari satu nilai ke nilai lainnya atau yang ada pada
interval yang telah ditentukan sebelumnya disebut data kontinyu. Contoh:
penggunaan istilah seperti keliling, kira-kira, kurang lebih, dll.
 Jenis-jenis distribusi yang berlaku :
Ada distribusi binomial , distribusi normal, dan distribusi merata.
2. Apa yang dimaksud dengan tendensi sentral dan mengapa kita perlu mempelajarinya?
 Tendensi sentral adalah setiap pengukuran aritmatika dibuat dengan maksud untuk
mendeskripsikan suatu nilai yang menjadi pusat atau nilai sentral dari suatu himpunan
pengamatan (himpunan data). Kita perlu mempelajarinya karena untuk mengetahui
ukuran penyebaran data yang terdistribusi secaramerata dalam ukuran kelompok data
tertentu.
3. Teknik deskriptif statistika apa saja yang anda tahu? Sebutkan contoh-contoh praktek
penggunanya dalam bisnis dan manajemen!
 Pengukuran Frekuensi Data Metode yang paling umum untuk menentukan frekuensi
data adalah persentase. Simbol %, yang merupakan perbandingan, digunakan untuk
menyatakan pecahan dari seratus. Kata "per centum", yang berarti seperseratus,
berasal dari kata Latin "per centum". Selain itu, persentase dapat digunakan untuk
mewakili angka sebagai komponen dari keseluruhan, dimana keseluruhan ditulis
dengan 100%.
 Ukuran Tren Data Mean, Median, dan Modus biasanya digunakan untuk mewakili
ukuran kecenderungan data.
 Ukuran Sebaran Data Ukuran sebaran data adalah metrik yang menunjukkan sejauh
mana nilai data menyimpang dari nilai ukuran pusat atau berbeda darinya. Range,
Standard Deviation, dan Variance adalah tiga kategori ukuran distribusi data.
  Penggunaannya dalam bisnis dan manajemen adalah dalam menentukan tren perilaku
konsumen yang akan ditargetkan dalam produk tertentu. Hal ini tentunya harus
memerlukan survei dan plotting data yang terstruktur.
4. Apa yang disebut dengan variable acak? Jelaskan!
 Variabel acak adalah istilah untuk merujuk pada jumlah atau barang yang bergantung
pada kejadian yang tidak teratur. Keacakan biasanya mengungkapkan aspek
ketidakpastian, seperti kesalahan pengukuran, atau aspek probabilitas, seperti saat
melempar dadu.
5. Apa yang dimaksud dengan distribusi probabilitas dan apa contohnya pada bidang bisnis dan
manajemen?
 Distribusi probabilitas adalah kemungkinan bahwa setiap hasil dalam percobaan acak
akan terjadi. Distribusi probabilitas dapat bersifat empiris atau teoretis tergantung
pada bagaimana distribusi tersebut dibuat. contohnya pada bidang bisnis dan
manajemen adalah ketika dilakukan peramalan terhadap kemungkinan terjadinya
cacat produksi yang mungkin terjadi selama proses produksi.
6. Apa yang dimaksud dengan distribusi sampling dan apa contohnya pada bidang bisnis dan
manajemen?
 Distribusi sampling adalah distribusi rata-rata, atau persentase sampel yang diambil
dari populasi secara berulang (n kali). menunjukkan bagaimana berbagai statistik
sampel atau nilai estimator didistribusikan ke sejumlah besar sampel dengan ukuran
yang sama.
 Contohnya pada bidang bisnis dan manajemen adalah ketika mengambil suatu sampel
untuk uji kelayakan quality kontrol pada produk sebelum didistribusikan ke pasar.
7. Mengapa sampling silakukan? Sebutkan tipe-tipe kesalahan atau error yangbisa terjadi saat
sampling beserta contoh-contohnya!
 Alasannya adalah :
 Menjangkau seluruh populasi membutuhkan terlalu banyak tenaga dan waktu
 Biaya untuk mempelajari seluruh populasi terlalu tinggi.
 Sebagian besar waktu, pengambilan sampel menghasilkan hasil yang sangat
akurat.
  Saat menguji kualitas cokelat di pabrik cokelat, misalnya, beberapa metode
biasanya bersifat merusak dan tidak dapat dibatalkan.
 Seluruh item tidak dapat diperiksa.
 Error :
 Cakupan kegagalan (Ommission) terjadi ketika satu atau lebih unit
pengamatan yang seharusnya dihitung, diamati, atau diteliti dalam survei
tidak, mungkin karena berbagai alasan, seperti batas wilayah studi yang tidak
jelas. Secara alami, ini akan mempengaruhi nilai yang kita terima; misalnya,
jika kita menghitung total nilai pendapatan perusahaan pelayaran, nilai ini
mungkin lebih rendah dari yang seharusnya.
 Duplikasi (cakupan berlebihan) Ketika satu atau lebih unit pengamatan
dihitung lebih dari satu kali, informasi yang diperoleh, seperti jumlah nilai,
juga tidak mencerminkan kebenaran secara akurat. Lingkup kesalahan
(Errorneus Inclusion) adalah kebalikan dari point a. Dalam hal ini, unit-unit
yang sebenarnya tidak termasuk dalam ruang lingkup penelitian dicacah atau
diamati, dan nilainya dimasukkan dalam proses pengumpulan data serta
perhitungan dan pengolahan karena alasan tertentu.
8. Jelaskan apa itu Null Hypotesis atau hipotesis nol?
 Kemungkinan bahwa kedua hasil adalah sama adalah hipotesis nol. Hipotesis nol
menyatakan bahwa perbedaan yang diamati seluruhnya bersifat acak. Dimungkinkan
untuk menentukan probabilitas bahwa hipotesis nol benar menggunakan uji statistik.
9. Jelaskan apa itu hipotesis alternative? Jelaskan mengapa hipotesis-hipotesis kita dapat
dipengaruhi signifikansi dan tingkat kepercayaan!
 Pernyataan yang mengungkapkan hubungan antara dua variabel atau menunjukkan
perbedaan antara kelompok adalah hipotesis alternatif.
Sebuah contoh: Contoh kasus “Tingkat aktivitas mahasiswa di luar kelas dan indeks
prestasi mahasiswa (IPK)” Kita akan menentukan apakah mahasiswa yang aktif di
luar kelas dan mengikuti organisasi dan kegiatan kemahasiswaan memiliki IPK yang
lebih tinggi daripada yang tidak aktif dan hanya belajar di kelas. Ha = Produktivitas
kerja karyawan X lebih besar (atau lebih kecil) daripada karyawan Y. Sebagai
peneliti, kita dapat mengajukan hipotesis sebagai berikut: “Mahasiswa yang
 mengikuti organisasi kampus memiliki IPK yang lebih tinggi daripada mahasiswa
yang tidak.”
 hipotesis-hipotesis kita dapat dipengaruhi signifikansi dan tingkat kepercayaan karena
itu merupakan analisis data yang sudah memiliki tetapan statistika tertentu.
10. Benarkah tingkat signifikansi yang biasa kita gunakan di bidang ilmu bisnis dan manajemen?
Cari dan jelaskan dasar mengapa dalam dunia bisnis dan manajemen signifikansi itu sering
digunakan!
 Ya benar. Alasanannya karena Semakin tidak signifikan levelnya, semakin baik untuk
penelitian, tetapi semakin kecil kemungkinan tes akan diberikan. Jelas bahwa peneliti
menentukan angka signifikan. Biasanya, persentase 5% digunakan. Namun persentase
1% dimanfaatkan untuk bidang kesehatan karena berhubungan dengan kehidupan
manusia. Juga tidak menghalangi angka yang berbeda, misalnya 10%. Namun, seiring
bertambahnya jumlah ini, tingkat kepercayaannya juga meningkat. Tingkat
kepercayaan adalah 99% jika 1% digunakan. Di bisnis dan manajemen hal tersebur
sangatlah penting karena akan menentukan bagaimana suatu pemasaran produk dapat
berjalan dengan lancar di segmen pasar tertentu.
11. Mengapa anova atau analysis of variance perlu dilakukan? Apa saja yang perlu diperhatikan
dalam ANOVA?
 ANOVA diperlukan untuk melihat korelasi khas dari setidaknya dua pertemuan. Ini
bekerja dengan pemeriksaan beberapa kelompok contoh yang berbeda dengan taruhan
kesalahan yang dapat diabaikan. Tujuan Anova adalah menemukan berbagai
kelompok data dan menarik kesimpulan darinya.
 Yang perlu diperhatikan yaitu data merupakan Sebuah kelompok terpisah
menyediakan sampel. Variasi kelompok perlu seragam. Setiap data kelompok
mengikuti distribusi normal.
12. Cari dan jelaskan contoh penggunaan regeresi dan korelasi dalam bidang bisnis dan
manajemen! Apa saja yang harus diperhatikan dalam regresi dan korelasi?
 Contohnya yaitu ANALISIS REGRESI DAN KORELASI PEMBELI DAN
PENGUNJUNG DI INDOMARET KEDUNGMUNDU SEMARANG
MENGGUNAKAN METODE LEAST SQUARE DI KONTRAS DENGAN
PEMBELIAN NOMINAL. Jumlah responden adalah 30 data yang mencakup banyak
 tamu (X1), banyak pembeli (X2), dan ukuran nyata pembelian (Y). Regresi linier
berganda adalah pendekatan yang diambil. Persamaan Y = 0,459 + 0,006 X1 - 0,003
X2 adalah hasilnya. Korelasi Pearson antara variabel X1 dan Y adalah 14,3% yang
menunjukkan hubungan yang lemah; korelasi antara variabel X2 dan Y sebesar 9,2%
yang menunjukkan hubungan yang sangat lemah; dan korelasi Pearson antara variabel
X1 dan X2 sebesar 80,7%, yang menunjukkan adanya hubungan yang kuat.
Sedangkan akibat dari uji F memperoleh F hitung 0,306 dan F tabel 3,35, dengan
alasan konsekuensi F hitung lebih kecil dari F tabel dan itu menyiratkan bahwa faktor
tamu dan pembeli mempengaruhi variabel nyata membeli. Sedangkan akibat dari uji t
untuk variabel X1 (tamu) hanya berpengaruh terhadap bentangan kepastian 70%.
Hanya selang kepercayaan 55% yang dipengaruhi olehnya untuk variabel X2
(pembeli).
 Yang harus diperhatikan yaitu : teknik statistik yang digunakan untuk meguji
ada/tidaknya hubungan serta arah hubungan dari dua variabel atau lebih.
a. Besarnya Koefisien antara   -1   0  +1
b. Besaran koefisien -1 & 1 adalah hubungan yang sempurna
c. Nilai Koefisien 0 atau mendekati 0 dianggap tidak berhubungan antara dua variabel
yang diuji
13. Apa yang berbeda dari cyclical variation, seasonal variation, dan random variation?
 Ketika data dipengaruhi oleh fluktuasi ekonomi jangka panjang, variasi siklus terjadi.
Variasi siklus ini dapat terjadi lagi setelah beberapa waktu berlalu. Dalam
kebanyakan kasus, variasi siklus akan kembali normal setiap 10 hingga 20 tahun,
meskipun hal ini tidak selalu terjadi. Inilah yang membedakan variasi musiman dari
variasi siklus. Pergerakan siklis setiap komoditas memiliki interval waktu yang
berbeda dan penyebab yang belum sepenuhnya dipahami hingga saat ini. Industri
konstruksi, misalnya, memiliki pergerakan siklus yang berkisar antara 15 hingga 20
tahun, sedangkan industri mobil dan pakaian memiliki pergerakan siklus yang lebih
pendek.
 Variasi musiman adalah perubahan yang terjadi secara konsisten sepanjang tahun dan
biasanya disebabkan oleh kebiasaan dan cuaca. Contoh variasi musiman antara lain
 peningkatan penjualan pakaian selama liburan dan peningkatan penjualan buku dan
ransel pada awal sekolah.
 Variasi atau gerakan yang tidak teratur disebut sebagai variasi random. Memprediksi
variasi ini sebenarnya sulit. Variasi data deret waktu ini dapat disebabkan oleh
perang, bencana alam, dan faktor unik lainnya yang sulit diprediksi. Bersama-sama,
keempat faktor ini berkontribusi pada variasi total dalam data deret waktu. Karena
pola variasi tersebut tidak tersistem dengan baik dan juga membutuhkan waktu yang
sangat lama untuk mendapatkan data yang panjang, maka hanya dua variasi pertama
yang akan dianalisis dalam makalah ini. Dua variasi terakhir juga tidak akan
dianalisis. Penyesuaian hasil ramalan bisa mendapatkan keuntungan dari pengalaman
dan kebahagiaan pembuat keputusan.
14. Apa tujuan kita melakukan desesasonalizing data dalam time series saat melakukan
peramalan?
 Tujuannya adalah agar situasi dapat diprediksi, memungkinkannya untuk
mempersiapkan diri dengan lebih baik untuk kompetisi di masa depan dan
merencanakan tindakan yang tepat. Dalam hal peramalan, manajemen mutlak
diperlukan untuk membuat keputusan yang lebih baik. Kami membutuhkan informasi
tentang hal yang perlu diprediksi agar peramalan berhasil. Karena setiap data
memiliki spesifikasi yang berbeda, maka diperlukan metode peramalan yang berbeda
pula
15. Metode apa saja yang kita lakukan untuk mengukur keakuratan peramalan? Mana yang lebih
baik dalam mengukur error dalam peramalan? Jelaskan!
 Metode Metode naive (naif)
Teknik peramalan yang mengasumsikan permintaan periode berikutnya sama dengan
permintaan pada periode terakhir. Metode naif digambarkan secara matematis berikut
Permintaan periode mendatang = permintaan periode terakhir
 Moving Average
Peramalan moving average (rataan bergerak) menggunakan sejumlah data aktual
masa lalu untuk menghasilkan peramalan .

Meote tersebut sama-sama baik hanya terdapat perbedaan pada time series
16. Dari semua ….
 Yang paling menaruk adalah
a. exponential Smoothing
Exponential smoothing (penghalusan eksponensial) merupakan metode peramalan
rataan bergerak dengan pembobotan di mana titik[1]titik data dibobotkan oleh fungsi
eksponensial.

b.Single Exponential Smoothing dapat digambarkan secara matematis berikut:

Ft = Ft-1 + α (At-1 – Ft-1 )
Single Exponential Smoothing yang telah disesuaikan dengan adanya tren disebut
Double Exponential Smoothing. Double Exponential Smoothing dapat digambarkan
secara matematis sebagai berikut:
c. Proyeksi terhadap tren
Proyeksi Tren ( trend linear ) adalah teknik menyesuaikan garis tren pada serangkaian
data masa lalu, kemudian memproyeksikan garis pada masa datang untuk peramalan
jangka menengah atau jangka panjang.
Persamaan secara matematis ditulis sebagai berikut:

y = a + bx

b = ∑XY – XY / ∑X2 – nX2