Keuangan Modern
Edisi 3, Buku 1
S U H A R YA D I
P U R W A N TO S . K
BAB 1
PENGERTIAN STATISTIKA
2
Pengertian Statistika Bab 1
OU TLIN E
3
DEFI NI SI
• Statistika
I lmu mengumpulkan, menata, menyajikan,
menganalisis, dan menginterprestasikan data
menjadi informasi untuk membantu pengambilan
keputusan yang efektif .
• Statistik
Suatu kumpulan angka yang tersusun lebih dari
satu angka.
4
Pengertian Statistika Bab 1
KASU S STATISTIKA
6
TABEL 1.1
7
Pengertian Statistika Bab 1
GRAFIK POLIGON
8
Pengertian Statistika Bab 1
9
Pengertian Statistika Bab 1
11
Pengertian Statistika Bab 1
OU TLIN E
12
Materi:
STATI STI KA 1. Probabilitas dan teori
keputusan
2. Metode sampling
3. Teori pendugaan
Statistika I nduktif 4. Pengujian hipotesis
5. Regresi dan korelasi
6. Statistika
nonparametrik
13
Pengertian Statistika Bab 1
1. Jenis kelamin
2. Warna kesayangan
3. Asal suku, dll
Data Kualitatif
1. Jumlah mobil
2. Jumlah staf
3. Jumlah TV, dll
DATA Data Diskret
Data Kuantitatif
1. Berat badan
2. Jarak kota
3. Luas rumah,
Data Kontinu
dll
16
Pengertian Statistika Bab 1
OU TLIN E
17
1. Wawancara langsung
2. Wawancara tidak
Data Primer langsung
3. Pengisian kuisioner
4. Observasi (pengamatan)
DATA
18
Pengertian Statistika Bab 1
OU TLIN E
19
• Contoh Kasus
• Kaji Kasus
• Ringkasan
• Latihan Terjawab
• Latihan Soal
22
TERI MA KASI H
23
Statistika untuk Ekonom i dan
Keuangan Modern
Edisi 3, Buku 1
S U H A R YA D I
P U R W A N TO S . K
BAB 2
PENYAJI AN DATA
2
Penyajian Data Bab 2
PENGANTAR
• Tujuan
Untuk menyajikan data mentah yang diperoleh dari populasi atau
sampel menjadi data yang tertata dengan baik, sehingga bermakna
informasi bagi pengambilan keputusan manajerial.
3
Penyajian Data Bab 2
(b) Mengum pulkan data yang sesuai dengan m asalah dan tujuan.
Penyajian Data
Penyajian Data dengan
Grafik
Ukuran Pemusatan
Angka I ndeks
Definisi:
6
Penyajian Data Bab 2
D ISTRIBU SI FREKU EN SI
7
Definisi:
Frekuensi Relatif adalah frekuensi relatif setiap kelas dibandingkan
dengan frekuensi totalnya.
Contoh:
Kelas Interval J um lah Frekuensi Keterangan
ke- Frekuensi (F) Relatif (%)
1 77,0 – 84,4 3 17 (3/ 22) × 10 0 %
2 84,5– 91,9 4 22 (4/ 22) × 10 0 %
3 92,0 – 99,4 7 39 (7/ 22) × 10 0 %
4 99,5– 10 6,9 4 22 (4/ 22) × 10 0 %
5 10 7,0 – 114,4 4 22 (4/ 22) × 10 0 %
9
Penyajian Data Bab 2
OU TLIN E
10
Distribusi Frekuensi
Pengertian Statistika
Ukuran Penyebaran
Angka I ndeks
PENYAJI AN DATA
Definisi:
• Mem buat distribusi frekuensi dalam bentuk sajian
gam bar baik grafik poligon, histogram , atau ogif.
11
Penyajian Data Bab 2
• Frekuensi Kumulatif
Penjumlahan frekuensi pada setiap kelas, baik
meningkat (kurang dari) atau menurun (lebih
dari).
12
Penyajian Data Bab 2
1 77,0 –84,4 3
2 84,5–91,9 4
3 92,0 –99,4 7
4 99,5–10 6,9 4
5 10 7,0 –114,4 4
Definisi:
Nilai yang letaknya di tengah kelas.
Contoh:
14
Penyajian Data Bab 2
Contoh:
Ke las In te rval Fre ku e n s i N ilai Te p i Ke te ran gan
ke - Ke las
15
Penyajian Data Bab 2
FREKUENSI KUMULATI F
Definisi:
Penjum lahan frekuensi pada setiap kelas, baik m eningkat (kurang
dari) atau m enurun (lebih dari).
16
Penyajian Data Bab 2
OU TLIN E
17
Angka I ndeks
HI STOGRAM
Definisi:
Grafik yang berbentuk balok, di m ana sum bu horizontal (X) adalah tepi
kelas dan sum bu vertikal (Y) adalah frekuensi setiap kelas.
I nterval Frekuensi
76,95– 84,45 3
84,45– 91,95 4
91,95– 99,45 7
99,45– 10 6,95 4
10 6,95– 114,45 4
18
Penyajian Data Bab 2
POLI GON
Definisi:
Grafik berbentuk garis dan m enghubungkan antara nilai tengah
kelas dengan jum lah frekuensi pada setiap kelas.
Nilai tengah J um lah
kelas frekuensi
80 ,7 3
88,2 4
95,7 7
10 3,2 4
110 ,7 4
19
Penyajian Data Bab 2
KURVA OGI F
Definisi:
Diagram garis yang m enunjukkan kom binasi antara interval kelas
dengan frekuensi kum ulatif.
Interval Tepi Kelas Frekuensi Frekuensi Lebih
kurang dari dari
76,95 0 (0 %) 22 (10 0 %)
77,0 – 84,4
84,45 3 (14%) 19 (86%)
84,5– 91,9
91,95 7 (32%) 15 (68%)
92,0 – 99,4
99,45 14 (64%) 8 (36%)
99,5– 10 6,9
10 6,95 18 (82%) 4 (18%)
10 7,0 – 114,4 114,45 22 (10 0 %)
0 (0 %)
20
Penyajian Data Bab 2
KURVA OGI F
21
TERI MA KASI H
22
Statistika untuk Ekonom i dan
Keuangan Modern
Edisi 3, Buku 1
S U H A R YA D I
P U R W A N TO S . K
BAB 3
UKURAN PEMUSATAN
2
Ukuran Pemusatan Bab 3
OU TLIN E
3
Penyajian Data
Rata-Rata Hitung, Median, Modus
untuk Data Berkelompok
Ukuran Pemusatan
Karakteristik, Kelebihan, dan
Kekurangan Ukuran Pemusatan
Ukuran Penyebaran
Ukuran Letak
Angka I ndeks
(Kuartil, Desil, dan Persentil)
PENGANTAR
• Ukuran Pemusatan
Nilai tunggal yang mewakili suatu kumpulan data dan
menunjukkan karakteristik dari data. Ukuran pemusatan
menunjukkan pusat dari nilai data.
RATA-RATA HI TUNG
∑X
X=
n
• Rata-Rata Hitung Populasi
∑X
µ=
N
5
Ukuran Pemusatan Bab 3
6
Ukuran Pemusatan Bab 3
7
Ukuran Pemusatan Bab 3
RATA-RATA H ITU N G TERTIMBAN G
8
D e fin is i:
Rata-rata dengan bobot atau kepentingan dari setiap
data berbeda. Besar dan kecilnya bobot tergantung
pada alasan ekonom i dan teknisnya.
Ru m u s :
Xw = ( w 1X1 + w 2 X2 + … + w n Xn ) / ( w 1 + w 2 + … + w n )
Ukuran Pemusatan Bab 3
9
Ukuran Pemusatan Bab 3
OU TLIN E
10
Penyajian Data
Rata-Rata Hitung, Median, Modus
untuk Data Berkelompok
Ukuran Pemusatan
Karakteristik, Kelebihan, dan
Kekurangan Ukuran Pemusatan
Ukuran Penyebaran
Ukuran Letak
Angka I ndeks
(Kuartil, Desil, dan Persentil)
MEDI AN
Definisi:
Nilai yang letaknya berada di tengah data di mana data tersebut
sudah diurutkan dari terkecil sampai terbesar atau sebaliknya.
n/ 2 − CF
Md = L + × i
f
14
Ukuran Pemusatan Bab 3
15
Ukuran Pemusatan Bab 3
• Letak median n/ 2 =
53/ 2= 26,5; jadi
terletak pada frek.
kumulatif antara 26
dan 43
• Nilai Median
Md = 157,7 + (53/2) ‒ 26 × 14
17
= 158,11
16
Ukuran Pemusatan Bab 3
MODUS
Definisi:
Nilai yang (paling) sering muncul.
17
Ukuran Pemusatan Bab 3
• Nilai Modus
Mo = 157,7 + ( 6/ 16) × 14
= 162,95
18
Ukuran Pemusatan Bab 3
19
Ukuran Pemusatan Bab 3
20
Ukuran Pemusatan Bab 3
OU TLIN E
21
Penyajian Data
Rata-Rata Hitung, Median, Modus
untuk Data Berkelompok
Ukuran Pemusatan
Karakteristik, Kelebihan, dan
Kekurangan Ukuran Pemusatan
Ukuran Penyebaran
Ukuran Letak
Angka I ndeks
(Kuartil, Desil, dan Persentil)
Definisi:
Kuartil adalah ukuran letak yang membagi 4 bagian yang sama. K1 sampai 25% data, K2
sampai 50% dan K3 sampai 75% .
22
Ukuran Pemusatan Bab 3
Letak Kuartil
K1 = [ 1( 19 + 1) ] / 4 = 5 = 1.700
K2 = [ 2( 19 + 1) ] / 4 = 10 = 3.475
K3 = [ 3( 19 + 1) ] / 4 = 15 = 4.950
23
Ukuran Pemusatan Bab 3
In te rval Fre ku e n Te p i
Fre ku e n s i
si Ke las
Ku m u latif
Rumus:
0 76 ,9 5
NKi = L + ( i.n/ 4) – Cf x Ci 77,0 – 3
Fk 8 4 ,4
3 8 4 ,4 5
Letak K1= 1.22/ 4 = 5,5 ( antara 3– 7) 8 4 ,5– 4 K1
9 1,9
Letak K2= 2.22/ 4= 11 ( antara 7-16)
7 9 1,9 5
Letak K3 = 3.22/ 4 = 15 ( antara 7-16) 9 2 ,0 – 7
9 9 ,4
Jadi:
14 9 9 ,4 5
9 9 ,5– 4 K2 d an K3
K1 = 84,45 + [ ( 5,5 – 3) / 4] × 7,4 = 89,075
10 6 ,9
K2 = 91,95 + [ ( 11 – 7) / 7] × 7,4 = 96,179 18 10 6 ,9 5
10 7,0 – 4 114 ,4 5
K3 = 106,95 + [ ( 16,5 – 14) / 4] × 7,4 114 ,4 22
= 111,575
24
Ukuran Pemusatan Bab 3
Definisi:
Desil adalah ukuran letak yang membagi 10 bagian yang sama.
D1 sebesar 10%
D2 sampai 20%
D9 sampai 90%
D1 = [ 1( n+ 1) ] / 10 1n/ 10
D2 = [ 2( n+ 1) ] / 10 2n/ 10
….
D9 = [ 9( n+ 1) ] / 10 9n/ 10
25
Ukuran Pemusatan Bab 3
26
Ukuran Pemusatan Bab 3
Letak Desill
D3 = [ 3( 19+ 1) ] / 10 = 60/ 10 = 6
D9 = [ 9( 19+ 1) ] / 10 = 180/ 10 = 18
27
Ukuran Pemusatan Bab 3
Rumus:
Jadi:
Definisi:
Ukuran letak yang membagi 100 bagian yang sama.
P1 sebesar 1% ,
P2 sampai 2% ,
P99 sampai 99% .
….
P99 = [ 99( n+ 1) ] / 100 99n/ 100
29
Ukuran Pemusatan Bab 3
30
Ukuran Pemusatan Bab 3
Letak Persentil
31
Ukuran Pemusatan Bab 3
Rumus:
Jadi:
32
TERI MA KASI H
33
Statistika untuk Ekonom i dan
Keuangan Modern
Edisi 3, Buku 1
S U H A R YA D I
P U R W A N TO S . K
BAB 4
UKURAN PENYEBARAN
2
Ukuran Penyebaran Bab 4
OU TLIN E
PENGANTAR
Ukuran Penyebaran
• Suatu ukuran baik parameter atau statistik untuk
mengetahui seberapa besar penyimpangan data
dengan nilai rata-rata hitungnya.
4
Ukuran Penyebaran Bab 4
5
Ukuran Penyebaran Bab 4
1. Rata-rata sama,
penyebaran berbeda
6
Ukuran Penyebaran Bab 4
BEBERAPA BEN TU K U KU RAN PEN YEBARAN
7
RANGE
Definisi:
Nilai terbesar dikurang nilai terkecil.
Contoh:
N ilai In d o n e s ia Th ailan d Malays ia
Te re n d ah 2 ,78 – 0 ,8 5 0 ,58
Ran ge / Jarak 14 ,3 3 6 ,3 1 4 ,8 6
8
Ukuran Penyebaran Bab 4
Definisi:
Rata-rata hitung dari nilai mutlak deviasi antara nilai data
pengamatan dengan rata-rata hitungnya.
Rumus:
MD = ( ∑| X – X| ) / n
9
Ukuran Penyebaran Bab 4
MD = ( ∑| X – X| ) / n
10
Ukuran Penyebaran Bab 4
VARI ANS
Definisi:
Rata-rata hitung dari deviasi kuadrat setiap data terhadap
rata-rata hitungnya.
Rumus:
σ2 = ∑( X – µ) 2 / n
11
Ukuran Penyebaran Bab 4
σ2 = ∑( X – µ) 2/ n
12
Ukuran Penyebaran Bab 4
Definisi:
Akar kuadrat dari varians dan menunjukkan standar
penyimpangan data terhadap nilai rata-ratanya.
Rumus:
σ = √ ∑ ( X – µ) 2
N
Contoh:
J ika varians = 44,47, m aka standar deviasinya adalah:
σ = √44,47 = 6,67
13
Ukuran Penyebaran Bab 4
Definisi Range:
Selisih antara batas atas dari kelas tertinggi dengan batas bawah
dari kelas terendah.
Contoh:
1 3 .8 50 – 10 .4 50 13
2 10 .4 51 – 17.0 51 1
3 17.0 52 – 2 3 .6 52 3
4 2 3 .6 53 – 3 0 .2 53 1
5 3 0 .2 54 – 3 6 .8 53 2
14
Ukuran Penyebaran Bab 4
RUMUS
MD = ∑ f | X – X|
N
∑f.X = 261.818
∑f X – X = 154.463,4
b. MD = ∑ f X – X = 154.463,4/ 20
n
= 7.723,17
15
Ukuran Penyebaran Bab 4
Varians
Rata-rata hitung deviasi kuadrat setiap data terhadap
rata-rata hitungnya.
RUMUS: S2 = ∑f ( X – X) 2
n– 1
Standar Deviasi
Akar kuadrat dari varians dan menunjukkan standar
penyimpangan data terhadap nilai rata-ratanya.
RUMUS:
S2 = √ ∑f ( X – X ) 2
n –1
16
Ukuran Penyebaran Bab 4
CON TOH
17
a. Koefisien Range
RUMUS: [ (La – Lb)/ (La + Lb)] × 100
Contoh:
Range pertumbuhan ekonomi I ndonesia = [ ( 6,49 – 4,5)/ ( 6,49 + 4,5)] × 100
= 18%
Jadi, jarak nilai terendah dan tertinggi harga saham adalah 18%.
18
Ukuran Penyebaran Bab 4
Contoh:
Pertumbuhan ekonomi negara maju= ( 1,124 / 2,61) × 100= 2,32%
Jadi, koefisien standar deviasi pertumbuhan ekonomi negara maju
sebesar 2,32%, bandingkan dengan I ndonesia yang sebesar 0 ,15%.
19
Ukuran Penyebaran Bab 4
THEOREMA CHEBYSHEV
20
Ukuran Penyebaran Bab 4
HUKUM EMPI RI S
21
Ukuran Penyebaran Bab 4
68%
95%
99,7%
-3s -2s 1s X 1s 2s 3s
22
Ukuran Penyebaran Bab 4
OU TLIN E
23
b. Deviasi Kuartil
b. Jarak Persentil
24
Ukuran Penyebaran Bab 4
OU TLIN E
25
UKURAN KECONDONGAN
Rumus Kecondongan:
Sk = µ – Mo atau Sk = 3 ( µ – Md )
σ σ
26
Ukuran Penyebaran Bab 4
Penyelesaian:
Rum us =
m- Mo 3(m- Md)
Sk = Sk =
s s
Sk = (155,9- 157,9)/ 20,9 Sk = 3(155,9- 158,11)/ 20,9
Sk = - 0,096 Sk = - 0,035
Dari kedua nilai Sk tersebut terlihat bahwa keduanya adalah negatif jadi kurva condong
negatif (ke kanan). Hal ini disebabkan adanya nilai yang sangat kecil, sehingga
m enurunkan nilai rata-rata hitungnya. Angka – 0 ,0 96 dan – 0 ,0 35 m enunjukkan
kedekatan dengan nilai 0 , sehingga kurva tersebut, kecondongannya tidak terlalu besar,
atau m endekati kurva norm al.
27
Ukuran Penyebaran Bab 4
Rumus Keruncingan:
α4 = 1/ n ∑ ( x – µ) 4
σ4
28
Ukuran Penyebaran Bab 4
29
Ukuran Penyebaran Bab 4
Standar deviasi
σ = √∑ (X-µ) 2 / n = √ 54,88/ 10 = √5,49 = 2,34
α4 = 1/ n ∑ (x - µ) 4 = 1/ 10 . 518,60
σ4 2,34 4
= 51,86 = 1,72
30 ,12
30
Ukuran Penyebaran Bab 4
OU TLIN E
31
34
Statistika untuk Ekonom i dan
Keuangan Modern
Edisi 3, Buku 1
S U H A R YA D I
P U R W A N TO S . K
BAB 5
ANGKA I NDEKS
2
Angka I ndeks Bab 5
OU TLIN E
3
Penyajian Data
Angka Indeks Agregrat Sederhana
PENGANTAR
Angka I ndeks:
Sebuah angka yang menggambarkan perubahan relatif
terhadap harga, kuantitas atau nilai yang dibandingkan
dengan tahun dasar.
4
Angka I ndeks Bab 5
PENGANTAR
Banyak indikator ekonomi menggunakan angka indeks seperti
I H Konsumen, I ndeks Harga Bahan Pokok, I ndeks Harga yang
Diterima Petani, I ndeks Harga Produsen, I ndeks Harga Saham,
dan lain-lain.
5
Angka I ndeks Bab 5
Rumus:
I H = Ht × 100
Ho
6
Angka I ndeks Bab 5
Rumus:
I K = Kt × 100
Ko
7
Angka I ndeks Bab 5
Rumus:
8
Angka I ndeks Bab 5
9
Angka I ndeks Bab 5
OU TLIN E
10
Penyajian Data
Angka Indeks Agregrate Sederhana
Angka indeks ini menekankan agregasi, yaitu barang dan jasa lebih
dari satu.
Rumus:
I HA = ∑ Ht × 100
∑ Ho
11
Angka I ndeks Bab 5
Rumus:
I KA = ∑ Kt × 100
∑ Ko
13
Angka I ndeks Bab 5
Rumus:
15
Angka I ndeks Bab 5
OU TLIN E
16
Penyajian Data
Angka Indeks Agregrat Sederhana
17
Angka I ndeks Bab 5
1. Fo rm u la Las pe yre s
Etienne Laspeyres m engem bangkan m etode ini pada abad
18 akhir untuk m enentukan sebuah indeks tertim bang
dengan m enggunakan bobot sebagai penim bang adalah
periode dasar.
Ru m u s :
I L = ∑HtKo × 100
∑HoKo
= 50 3 .9 9 9 × 100
4 11.14 0
= 123
Angka I ndeks Bab 5
I L = 503.999 × 100
411.140
= 123
19
Angka I ndeks Bab 5
2. Formula Paasche
Menggunakan bobot tahun berjalan dan bukan tahun dasar
sebagai bobot.
Rumus:
I P = ∑HtKt × 100
∑HoKt
20
Angka I ndeks Bab 5
I P = 515.914 × 100
420.676
= 123
21
Angka I ndeks Bab 5
3. Formula Fisher
• Fisher mencoba memperbaiki formula Laspeyres dan Paasche.
• I ndeks Fisher merupakan akar dari perkalian kedua indeks.
• I ndeks Fisher menjadi lebih sempurna dibandingkan kedua
indeks yang lain baik Lasypeyres maupun Paasche.
Rumus:
IF= √ IL× IP
Diketahui I L = 123
I P = 123
I F = √(123 × 123) = 123
22
Angka I ndeks Bab 5
Rumus:
ID = IL+ IP
2
Diketahui I L = 123
I P = 123
I D = I L + I P = 123 + 123
2 2
= 123
23
Angka I ndeks Bab 5
Rumus:
24
Angka I ndeks Bab 5
IME =
å H t (K o + K t )
´ 100
å H o (K o + K t )
1.019.912,40
= ´ 100 = 123
831.816,13
25
Angka I ndeks Bab 5
6. Formula Wals
Menggunakan pembobot berupa akar dari perkalian
kuantitas tahun berjalan dengan kuantitas tahun dasar.
Rumus:
26
Angka I ndeks Bab 5
IW =
å H t K oK t
´ 100
å H o K oK t
509.817,2
= ´ 100 = 123
415.797,5
27
Angka I ndeks Bab 5
OU TLIN E
28
Penyajian Data
Angka Indeks Agregrat Sederhana
29
Angka I ndeks Bab 5
OU TLIN E
30
Penyajian Data
Angka Indeks Agregrat Sederhana
33
Statistika untuk Ekonom i dan
Keuangan Modern
Edisi 3, Buku 1
S U H A R YA D I
P U R W A N TO S . K
BAB 6
DERET BERKALA DAN PERAMALAN
2
Deret Berkala dan Peramalan Bab 6
OU TLIN E
3
PENDAHULUAN
4
Deret Berkala dan Peramalan Bab 6
• Trend
• Variasi Musim
• Variasi Siklus
5
Deret Berkala dan Peramalan Bab 6
TREND
b= (K2 – K1)
(tahun dasar K2 – tahun dasar K1)
7
Deret Berkala dan Peramalan Bab 6
Y = a + bX
a = ∑Y/ N
b = ∑YX/ X2
9
Deret Berkala dan Peramalan Bab 6
3. Metode Kuadratis
Untuk jangka waktu pendek,
kemungkinan trend tidak
bersifat linear. Metode
kuadratis adalah contoh
metode nonlinear
Y = a + bX + cX2
11
Deret Berkala dan Peramalan Bab 6
12
Deret Berkala dan Peramalan Bab 6
4. Trend Eksponensial
Persamaan eksponensial dinyatakan dalam bentuk variabel waktu (X)
dinyatakan sebagai pangkat. Untuk mencari nilai a, dan b dari data Y
dan X, digunakan rumus sebagai berikut:
Y’ = a (1+ b) X
Ln Y’ = Ln a + X Ln (1+ b)
Sehingga a = anti ln ( ∑LnY)/ n
b = anti ln ∑ (X. LnY) -1
∑(X) 2
13
Deret Berkala dan Peramalan Bab 6
14
Deret Berkala dan Peramalan Bab 6
OU TLIN E
15
150
2
20 100
Inflasi (%)
Indeks
1,5
10 1 50
0 0,5 0
I- II- III- I- II- III- I- II- III- I- II- III-
98 98 98 99 99 99 00 00 00 01 01 03 03 05 13 14 22
0
1 2 3 4 5 6 7 8 9 10 11 12
17
Deret Berkala dan Peramalan Bab 6
18
Deret Berkala dan Peramalan Bab 6
19
Deret Berkala dan Peramalan Bab 6
OU TLIN E
20
Siklus
I ngat
Y= T x Sx Cx I
Maka
TCI = Y/ S
CI = TCI / T
21
Deret Berkala dan Peramalan Bab 6
22
Deret Berkala dan Peramalan Bab 6
Siklus
I ngat Y = T x S x C x I
TCI = Y/ S
CI = TCI / T
I = CI / C
23
Deret Berkala dan Peramalan Bab 6
24
Deret Berkala dan Peramalan Bab 6
OU TLIN E
25
30
Statistika untuk Ekonom i dan
Keuangan Modern
Edisi 3, Buku 1
S U H A R YA D I
P U R W A N TO S . K
BAB 7
KONSEP DASAR PROBABI LI TAS
2
Konsep Dasar Probabilitas Bab 7
OU TLIN E
3
PENDAHULUAN
Definisi:
Probabilitas adalah peluang suatu kejadian
Manfaat:
Manfaat mengetahui probabilitas adalah membantu
pengambilan keputusan yang tepat, karena kehidupan di dunia
tidak ada kepastian, dan informasi yang tidak sempurna.
Contoh:
• Pembelian harga saham berdasarkan analisis harga saham
• Peluang produk yang diluncurkan perusahaan (sukses atau
tidak), dll.
4
Konsep Dasar Probabilitas Bab 7
PENDAHULUAN
Probabilitas:
Suatu ukuran tentang kemungkinan suatu peristiwa ( event )
akan terjadi di masa mendatang. Probabilitas dinyatakan antara
0 sampai 1 atau dalam persentase.
Percobaan:
Pengamatan terhadap beberapa aktivitas atau proses yang
memungkinkan timbulnya paling sedikit dua peristiwa tanpa
memperhatikan peristiwa mana yang akan terjadi.
Hasil ( ou t com e ) :
Suatu hasil dari sebuah percobaan .
Peristiw a ( ev en t ) :
Kumpulan dari satu atau lebih hasil yang terjadi pada sebuah
percobaan atau kegiatan.
5
Konsep Dasar Probabilitas Bab 7
Contoh:
6
Konsep Dasar Probabilitas Bab 7
OU TLIN E
7
1. Pendekatan Klasik
2. Pendekatan Relatif
3. Pendekatan Subjektif
8
Konsep Dasar Probabilitas Bab 7
PENDEKATAN KLASI K
Definisi:
Setiap peristiwa mempunyai kesempatan yang sama untuk terjadi.
Rumus:
9
Konsep Dasar Probabilitas Bab 7
PENDEKATAN KLASI K
10
Konsep Dasar Probabilitas Bab 7
PENDEKATAN RELATI F
Definisi:
Probabilitas suatu kejadian tidak dianggap sama, tergantung dari
berapa banyak suatu kejadian terjadi.
Rumus:
Contoh:
Dalam 12 bulan, 9 bulan terjadi inflasi dan 3 bulan deflasi. Maka
probabilitas inflasi = 9/ 12= 0,75 dan probabilitas deflasi = 3/ 12= 0,25
11
Konsep Dasar Probabilitas Bab 7
PENDEKATAN SUBJEKTI F
Definisi:
12
Konsep Dasar Probabilitas Bab 7
OU TLIN E
13
A. Hukum Penjumlahan
P( A ATAU B) = P( A) + P( B)
Contoh : P( A) = 0,60, P( B) = 0,40
Maka P( A ATAU B ) = 0,6 + 0,4 = 1,0
A AB B
P( A ATAU B) = P( A) + P( B) – P ( AB)
A B
15
Konsep Dasar Probabilitas Bab 7
• Hukum Perkalian
P( A DAN B) = P(A) × P(B)
Apabila P(A) = 1/ 2 DAN P(B) = 1/ 2
Maka P(A DAN B) = 1/ 2 × 1/ 2 = 1/ 4
• Kejadian Bersyarat P( B| A)
P(B| A) = P(AB)/ P(A)
• Diagram
Pohon
Suatu diagram
berbentuk
pohon yang
membantu
mempermudah
mengetahui
probabilitas
suatu peristiwa
Konsep Dasar Probabilitas Bab 7
OU TLIN E
18
TEOREMA BAYES
Rumus:
19
Konsep Dasar Probabilitas Bab 7
Factorial = n!
20
TERI MA KASI H
21
Statistika untuk Ekonom i dan
Keuangan Modern
Edisi 3, Buku 1
S U H A R YA D I
P U R W A N TO S . K
BAB 8
DI STRI BUSI PROBABI LI TAS DI SKRET
2
Distribusi Probabilitas Diskret Bab 8
OU TLIN E
Distribusi Probabilitas
Distribusi Probabilitas
Diskret
Hipergeometrik
PENDAHULUAN
Definisi:
• Distribusi probabilitas adalah sebuah susunan distribusi yang
mempermudah mengetahui probabilitas sebuah peristiwa.
• Merupakan hasil dari setiap peluang peristiwa.
Contoh Kasus:
• Berapa peluang meraih untung dari investasi di reksa dana
• Berapa banyak barang harus dikirim, apabila selama
perjalanan barang mempunyai probabilitas rusak
• Berapa peluang karyawan bekerja lebih baik esok hari
4
Distribusi Probabilitas Diskret Bab 8
Variabel acak
Sebuah ukuran atau besaran yang merupakan hasil suatu
percobaan atau kejadian yang terjadi acak atau untung-
untungan dan mempunyai nilai yang berbeda-beda.
• Varians σ 2 = ∑( X – µ) 2 .P( X)
• Standar Deviasi σ= √ σ 2
6
Distribusi Probabilitas Diskret Bab 8
7
Distribusi Probabilitas Diskret Bab 8
OU TLIN E
8
Distribusi Probabilitas
Distribusi Probabilitas
Diskret
Hipergeometrik
9
Distribusi Probabilitas Diskret Bab 8
n!
P(r ) = pr .qn- r
r !(n - r )!
10
Distribusi Probabilitas Diskret Bab 8
Jawab:
P(p) = 0,9 dan P(q) = 1 – 0,9 = 0,1
Distribusi Probabilitas
Distribusi Probabilitas
Diskret
Hipergeometrik
13
Distribusi Probabilitas Diskret Bab 8
( s C r x ( N −s C n −r )
P( r ) =
N Cn
14
Distribusi Probabilitas Diskret Bab 8
15
Distribusi Probabilitas Diskret Bab 8
OU TLIN E
16
Distribusi Probabilitas
Distribusi Probabilitas
Diskret
Hipergeometrik
• Rumus: x - m
me
P(X )=
X!
17
Distribusi Probabilitas Diskret Bab 8
Jawab:
n = 150 X= 5 p= 0,1 µ= n.p = 150 x 0,1 = 15
Distribusi Probabilitas
Distribusi Probabilitas
Diskret
Hipergeometrik
1. Anda klik icon fx atau Anda klik icon insert dan pilih fx
function.
2. Anda pilih m enu statistical pada function category .
3. Anda pilih m enu Binom dist pada function nam e, Anda
tekan OK.
4. Setelah Anda tekan OK pada langkah ke-3, m aka akan keluar
kotak dialog seperti berikut:
BI NOMDI ST
Number_s : ………… (masukkan nilai X)
Trials : ……….. (masukkan nilai n)
Probability : ………… (masukkan nilai p)
Cumulative: ………… (tulis kata False)
• Nilai P(r) akan muncul pada baris Formula result atau tanda (= )
24
25
Distribusi Probabilitas Diskret Bab 8
MEN GGU N AKAN MS EXCEL U N TU K D ISTRIBU SI
POISSON
26
• Klik icon fx atau Anda klik icon insert dan pilih fx function.
• Pilih m enu statistical pada function category .
• Pilih m enu POISSON pada function nam e, tekan OK.
• Setelah tekan OK pada langkah ke-3, m aka akan keluar kotak
dialog seperti berikut:
POI SSON
X : ………… (masukkan nilai x)
Mean : ……….. (masukkan nilai µ)
Cumulative : ………… (tulis FALSE)
• Nilai P(X) akan muncul pada baris Formula result atau tanda (= )
27
28
TERI MA KASI H
29
Statistika untuk Ekonom i dan
Keuangan Modern
Edisi 3, Buku 1
S U H A R YA D I
P U R W A N TO S . K
BAB 9
DI STRI BUSI PROBABI LI TAS NORMAL
2
Distribusi Probabilitas Normal Bab 9
OU TLIN E
3
di mana
π = 3,14159
e = 2,71828
Distribusi Probabilitas Normal Bab 9
7
Distribusi Probabilitas Normal Bab 9
Di mana nilai Z:
Z= X– µ
σ
9
Distribusi Probabilitas Normal Bab 9
OU TLIN E
10
TRANSFORMASI DARI X KE Z
Contoh Soal:
Sebanyak 20 perusahaan termasuk dalam harga saham pilihan (LQ45)
pada 2013. Harga saham ke-20 perusahaan tersebut berkisar antara
Rp1.030–Rp6.500 per lembarnya. Berapa probabilitas harga saham
antara Rp3.314 sampai Rp5.005 per lembar. Diketahui μ = 3.314
sebagai nilai rata-rata hitung dan standar deviasinya 1.610.
Jawab:
Diketahui: Nilai µ = 3.314 dan σ = 1.610
Maka nilai Z = ( X – µ) / σ
Z1 = (3.314 – 3.314)/ 1.610
Z1 = 0/ 1.610= 0
Z2 = (5.005 – 3.314)/ 1.610
Z2 = 1,05
11
Distribusi Probabilitas Normal Bab 9
68,26%
95,44%
99,74%
Contoh Soal:
PT Gunung Sari mengklaim bahwa rata-rata berat buah mangga mutu
“B” adalah 350 gram dengan standar deviasi 50 gram. Bila berat
mangga mengikuti distribusi normal, berapa probabilitas bahwa berat
buah mangga mencapai kurang dari 250 gram sehingga akan
diprotes oleh konsumennya.
14
Distribusi Probabilitas Normal Bab 9
15
Jawab:
• Transformasi ke nilai z
P(x < 250); P(x = 250) = (250 – 350)/ 50= –2,00
Jadi P(x< 250)= P(z < –2,00)
• Lihat pada tabel luas di bawah kurva normal
P(z< –2,00)= 0,4772
• Luas sebelah kiri nilai tengah adalah 0,5. Oleh sebab itu, nilai
daerah yang diarsir menjadi 0,5 – 0,4772 = 0,0228. Jadi,
probabilitas di bawah 250 gram adalah 0,0228 (2,28% ). Dengan
kata lain probabilitas diprotes konsumen karena berat buah
mangga kurang dari 250 gram adalah 2,28% .
Distribusi Probabilitas Normal Bab 9
Contoh Soal:
PT Work Electric yang berkantor pusat di Bandung memproduksi
bohlam lampu. Bohlam yang diproduksi dapat hidup hingga 900 jam
dengan standar deviasi 50 jam. Untuk kepentingan promosi, PT
Work Electric ingin mengetahui probabilitas keyakinan bahwa
bohlam lampunya dapat hidup pada kisaran antara 800–1.000 jam.
16
Distribusi Probabilitas Normal Bab 9
PEN ERAPAN KU RVA N ORMAL
17
J awab:
P(80 0 <X<1.0 0 0 )?
• Hitung nilai Z
Z1 = (80 0 – 90 0 )/ 50 = – 2,0 0 ;
Z2 = (1.0 0 0 – 90 0 )/ 50 = 2,0 0
• J adi: P(80 0 <X<1.0 0 0 ) =P( – 2,0 0 <Z<2,0 0 );
P( – 2,0 0 <Z) = 0 ,4772 dan P(Z>2,0 0 ) = 0 ,4772
Sehingga luas daerah yang diarsir adalah = 0 ,4772+0 ,4772= 0 ,9544. J adi
P(80 0 <X<1.0 0 0 ) = P( – 2,0 0 < Z<2,0 0 ) = 0 ,9544.
J adi, 95,44% produksi berada pada kisaran 80 0 – 1.0 0 0 jam . J adi jika PT
Work Electric m engklaim bahwa lam pu bohlam nya m enyala 80 0 – 1.0 0 0
jam , m em punyai probabilitas benar 95,44%, sedang sisanya 4,56% harus
dipersiapkan untuk garansi.
Distribusi Probabilitas Normal Bab 9
OU TLIN E
18
Bila nilai X adalah distribusi acak binom ial dengan nilai tengah
µ=np dan standar deviasi σ=√npq, m aka nilai Z untuk distribusi
norm al adalah:
Z = X - np
√npq
Buka program MS. Excel dari Start, pilih MS. Excel. Masukkan data-
Untuk m endapatkan nilai Z, letakkan kursor pada sel E2, dan tulis
Letakkan kursor pada E3, dan klik icon fx, atau klik icon insert,
• Masukkan nilai Z atau taruh kursor pada sel yang ada nilai Z, dan pada
cum ulative TRUE. Hasilnya akan m uncul sebesar 0 , 853 yang kem udian
dikurang 0 ,5, sehingga diperoleh luas di bawah kurva 0 <Z<1,0 5 sebesar 0 ,3531
24
25
TERI MA KASI H
26
Statistika untuk Ekonom i dan
Keuangan Modern
Edisi 3, Buku 1
S U H A R YA D I
P U R W A N TO S . K
BAB 10
TEORI KEPUTUSAN
Teori Keputusan Bab 10
OU TLIN E
Teori Keputusan
Analisis Pohon Keputusan
Teori Keputusan Bab 10
PENGANTAR
Contoh:
Keputusan yang diambil suatu perusahaan:
• barang dan jasa apa yang akan diproduksi,
• metode apa yang dipakai untuk memproduksi,
• untuk siapa barang dan jasa di produksi,
• bagaimana strategi pemasaran dan promosinya,
• apakah perusahaam membutuhkan tenaga pemasaran,
• dll.
Teori Keputusan Bab 10
PENGANTAR
Contoh kasus:
1. Untuk menambah modal suatu Bank apakah:
a) menambah modal,
b) memecah saham,
c) menerbitkan obligasi
2. I nvestasi apakah:
a) tanah
b) tabungan
Teori Keputusan Bab 10
ELEMEN KEPUTUSAN
ELEMEN KEPUTUSAN
ELEMEN KEPUTUSAN
Teori Keputusan
Analisis Pohon Keputusan
Teori Keputusan Bab 10
CONTOH EV
Rumus:
CONTOH EOL
EVPI
OU TLIN E
Teori Keputusan
Analisis Pohon Keputusan
Teori Keputusan Bab 10
2. Kriteria Maximin
3. Kriteria Maximax
4. Kriteria Hurwicz
1. Kriteria Laplace
Probabilitas semua kejadian sama, dan hasil perkalian antara
hasil dan probabilitas tertinggi adalah keputusan terbaik.
2. Kriteria Maximin
Keputusan didasarkan pada kondisi pesimis atau mencari
Nilai maksimum pada kondisi pesimis.
3. Kriteria Maximax
Keputusan didasarkan pada kondisi optimis dan mencari nilai
maksimumnya.
Teori Keputusan Bab 10
CONTOH LAPLACE
CONTOH MAXI MI N
CONTOH HURWI CZ
• Contoh:
Koefisien optimisme didasarkan pada probabilitas terjadinya
kondisi boom dibandingkan dengan kondisi krisis.
Berdasarkan data diperoleh koefisien optimisme sebesar
0,63 sehingga koefisien pesimisme adalah 1 – 0,63 = 0,37.
Teori Keputusan Bab 10
Teori Keputusan
Analisis Pohon Keputusan
Teori Keputusan Bab 10