Statistik Bisnis 1M PDF

Statistik Bisnis 1
Kinerja Auditr
Intens Keluar Disfungsional
Komit Orgz
Dr. Pribadi Widyatmojo. M.Si

Ihtisar materi statistik bisnis 1
Kelas manajemen
Gambar 4.7
Gambar Model Komitmen Manajerial
zkomt zubh
.44
.96
.67 BAIK1 ebh1
ekm3 MAU2 .27
.98 .44 .50
.93 .52 .71
.96 UBH BAIK2 ebh2
ekm2 NIL3 KOMT .72
.77 .51
.59
KOMP ebh4
ekm1 NIL1 .30
zwe -.39
.82 .42 zkin
ewe3 AWS1 .15
.85
.84 .91 .92
.31 INAP ekin1
.91 KINER
ewe4 AWS2
.92
.78
.89 WEW .33 .85
ewe5 AWS3 KMT ekin3

.86
.75
.36
ewe6 AWS4 .56 Chi-s= 85.056 (df= 84)
.51 P= .447
ekh7 CAY1 GFI= .917 (AGFI= .881)
.71 RMSEA= .010 (RMR= .214)
.75
.87 CMINDF= 1.013
ekh2 SOL2 KOHS TLI= .999 (CFI= .999)
.67.82 IFI= .999
ekh1 SOL1 chi-k=183,185 mah= 40.791
Sumber: Dikembangkan untuk dessertasi
STATISTIK BISNIS
BUKU ACUAN:
Supranto,J. (2000). Statistik Teori dan Aplikasi,
Jilid 1 & 2. Edisi 7 atau 6. Erlangga. Jakarta.
STATISTIK BISNIS 1
• PERTANYAAN MENDASAR
• Apa yang dimaksud dengan “Statistik”?
• Kapan dan dimana kita bisa menggunakan
“Statistik”?
•
• Mengapa perlu “Statistik”?
•
• Bagaimana menggunakan “Statistik”?
• Teknik/prosedur apa saja yang ada di dalam
statistik?
STATISTIK BISNIS
• PENGERTIAN STATISTIK
• Asal kata “Statistic”:
• Statia = catatan administrasi pemerintahan di USA
• Stochos = “anak panah” (bhs Yunani), sesuatu yg
mengandung ketidakpastian
• Pengertian:
• Statistik = Data
• Statistik = Ukuran Sampel (dugaan dari parameter)
• Statistik = Ilmu yg mempelajari cara pengumpulan
data, pengolahan data, analisis data serta penyajian
data sehingga menjadi suatu informasi bagi
pengambilan keputusan
STATISTIK BISNIS
CONTOH PENGGUNAAN STATISTIKA
• Akuntansi (Accounting)
• Perusahaan akuntan publik seringkali menggunakan prosedur
pengambilan sampel (contoh) yang memenuhi kaidah-kaidah
statistik ketika melakukan audit terhadap kliennya.
• Keuangan (Finance)
• Penasehat keuangan menggunakan berbagai jenis informasi
statistik, termasuk price-earnings ratio dan hasil dividen, untuk
merekomendasi investasi.
• Pemasaran (Marketing)
• Pengambilan sampel masyarakat sebagai calon konsumen untuk
diminta pendapat tentang produk yang akan diluncurkan oleh suatu
perusahaan seringkali menggunakan kaidah statistik.
• Ekonomi
• Para ahli ekonomi menggunakan prosedur statistik dalam
peramalan tentang kondisi perekonomian pada masa yang akan
datang.
STATISTIK BISNIS
• SYARAT DATA BAIK
• Data obyektif, sesuai keadaan sebenarnya (as it is).
• Data harus mewakili (representative).
• Kesalahan baku (standard error) kecil.
• Suatu perkiraan (estimate) yang baik (memiliki tingkat
ketelitian tinggi) jika kesalahan bakunya kecil.
• Syarat (2) & (3) disebut yg data yang handal (reliable).
• Harus tepat waktu (up to date).
• Data relevan, yaitu data harus berhubungan dengan
masalah yang dipecahkan.
STATISTIK BISNIS
• DATA & VARIABEL
• Data adalah sekumpulan datum yang berisi
fakta & gambaran suatu fenomena yang
dikumpulkan, dirangkum, dianalisis dan
diinterpretasikan.
• Variabel adalah karakteristik data yang menjadi
perhatian (diteliti).
– Variabel Diskrit, adalah suatu variabel dengan nilai
yang dapat dihitung atau terbatas (bil bulat).
– Variabel Kontinu, adalah variabel dengan nilai tidak
terbatas yang dapat diukur atau dicatat sampai
tingkat kesempatan yang diperlukan (bil pecahan).
STATISTIK BISNIS
DATA MENURUT SKALA PENGUKURAN
• Nominal, sifatnya hanya untuk membedakan antar
kelompok. (nomenclatur)
• Contoh: Jenis kelamin, (pria, wanita)
• Jurusan dalam STIE(Manajemen, Akuntansi).
• Ordinal, selain memiliki sifat nominal, juga menunjukkan
peringkat (preferensi).
• Contoh: Tingkat pendidikan (SD, SMP, SMA),
• Skala perusahaan (besar, sedang, ukm).
• Interval, selain memiliki sifat data ordinal, juga memiliki
sifat interval antar observasi dinyatakan dalam unit
pengukuran yang tetap.
• Contoh: Temperatur
• Rasio, selain memiliki sifat data interval, skala rasio
memiliki angka 0 (nol) dan perbandingan antara dua nilai
mempunyai arti.
• Contoh: Tinggi badan, Berat badan, Waktu
STATISTIK BISNIS
JENIS DATA MENURUT SIFATNYA
• Kualitatif
– Berupa label/nama yg digunakan untuk mengidentifikasikan atribut suatu elemen
– Skala pengukuran: Nominal atau Ordinal
– Data bisa berupa numeric atau nonnumeric
– Misalnya prestasi siswa meningkat, biaya sekolah sangat mahal, penyaluran BOS
sangat lancar, dsb.
• Kuantitatif
– Mengindikasikan seberapa banyak (how many/diskret atau how much/kontinu)
– Data selalu numeric
– Skala pengukuran: Interval dan Rasio
– Misalnya rata-rata nilai matematika siswa 80, biaya SPP perbulan Rp 100.000,-, 99%
siswa dinyatakan lulus, dan sebagainya.
JENIS DATA MENURUT SUMBERNYA

• Data Internal
• yaitu data yang menggambarkan keadaan/kegiatan dalam suatu organisasi.
• Dalam suatu sekolah, misalnya data guru, data keuangan, data siswa, data prestasi
siswa, dan sebagainya.
• Data Eksternal
• yaitu data yang menggambarkan keadaan/kegiatan di luar suatu organisasi.
• Bagi suatu sekolah, misalnya tingkat daya beli masyarakat, perkembangan biaya
sekolah, permintaan (demand), dan sebagainya.
STATISTIK BISNIS
JENIS DATA MENURUT WAKTU PENGUMPULANNYA
• Cross-sectional Data
• yaitu data yang dikumpulkan pada waktu tertentu yang sama atau hampir
sama
• Contoh: Jumlah mahasiswa UPN TA 2005/2006, Jumlah perusahaan go public
tahun 2006
• Time Series Data
• yaitu data yang dikumpulkan selama kurun waktu/periode tertentu
• Contoh: Pergerakan nilai tukar rupiah dalam 1 bulan,
• Produksi Padi Indonesia tahun 1997-2006
•
• Data Primer
• yaitu data yang dikumpulkan dan diolah sendiri oleh suatu organisasi atau
perseorangan langsung dari objeknya.
• Misalnya, BPS melakukan sensus penduduk tahun 2000 untuk memperoleh data
penduduk.
• Data Sekunder
• yaitu data yang diperoleh dalam bentuk yang sudah jadi, sudah
dikumpulkan dan diolah oleh pihak lain, biasanya sudah dalam bentuk
publikasi.
• Misalnya, suatu perusahaan memperoleh data penduduk dari BPS, data perbankan
dari BI, dll.
STATISTIK BISNIS
• JENIS DATA MENURUT CARA MEMPEROLEHNYA

IKHTISAR PEMBAGIAN DATA
• Data Menurut sumber : (1) Internal - (2) Eksternal
• Data Menurut sifat : (1) Kualitatif - (2) Kuantitatif
• Menurut Cara memperoleh : (1) Primer - (2) Sekunder

• Menurut waktu pengumpulannya : (1) Time series
• (2) Cross section
• Menurut bentuknya: (1) Discrete - (2) Continous
TABEL ANALISIS DATA STATISTIK
VARIABLE VARIABLE INDEPENDEN
DEPENDEN
NOMINAL ORDINAL INTERVAL/RATIO
NOMINAL DIKOTOM Difference proportion test Kruskal- Logistic multiple

wallis regression
Chi-square Friedman’s Discriminant
2 way analysis
Fisher’s exact test
Phi-coeficient
POLITOM Chi-square
Kendall’s VCT
ORDINAL Rank-order Ubah var. ordinal

correlation jadi var. nominal
Man-whitney Kendal’s
tau
Kormogrof-smirnov Gamma atau interval ke
Coefficiens ordinal memakai
teknik yang sesuai
INTERVAL/ RATIO Dikotom : Politom : Ubah

ordinal jadi
Anova Anova- nominal Multiple correlation
interclass
t-test DVMR atau Multiple regression
Dummy var.interval
sign test Multiple ke variabel Path-analisis
classification ordinal
U-test Cross memakai Partial regression
classification teknik yang
sesuai
STATISTIK BISNIS
• METODOLOGI PEMECAHAN MASALAH SECARA STATISTIK
• 1. Mulai  dan Identifikasi masalah

• 2. Kumpulan fakta intern dan ekstern yang relevan dg masalah
• 3. Klasifikasi data dg menggunakan tabel, grafik, ukuran deskriptif numerik
• 4. Sajikan / komunikasikan informasi tsb dalam tabel, grafik, dan ukuran-
ukuran deskriptif
• 5. Gunakan informasi sensus untuk evaluasi alternatif keputusan
• 6. Apakah fakta yang tersedia cukup ? Ya / Tidak  ke langkah 8
• 7. Apakah informasinya dari sampel ? Ya / Tidak  ke langkah 8
• 8. Kumpulkan data orisinil baru menggunakan wawancara, kuesioner.
•
• 9. Gunakan informasi sampel untuk:- (1) Mengevaluasi nilai parameter
• - dan (2) Menguji asumsi-asumsi tentang parameter
• 10. Interpretasikan hasilnya, tarik kesimpulan, dan ambil keputusan

• 11. Selesai
STATISTIK BISNIS
• Below you are financial COMP
Price
earn
Earning
Ratio pe
Deviden Sector
information about a ANY Ratio r share

sample of companies for / share
July 11, 2001. A. 18 12.6 0.36 services
• How many elements are B. 10 18.2 0.12 basic

materials
in the data set?, How C. 13 39.5 0 39.5 0 technology
many variables are in the
data set? D. 84 18.6 1.20 financial
• Which variables are E. 14 48.2 0 healthcare

qualitative?, Which F. 28 23.6 0.08 technology
variables are
quantitative? G. 37 18.6 0.05 healthcare
• Are the data cross- H 22 23.3 23.3 consumer-

noncyclical
sectional or time series?
I 28 17.5 1.00 consumer-
cyclical
Chapter 2.
Sampling Method
• Populasi and Sampling
• Populasi
• Adalah sekumpulan individu (elemen) yg dikenai
penelitian
• Sample
• Sebagian dari populasi yang mampu mewakili
populasi tsb yang akan dikenai penelitian
Chapter 2
Sampling Method
• Penelitian bisa dikenakan pd populasi atau sample
• Penelitian yg dikenakan pd populasi

• Adalah disebut sensus
• Hasilnya adalah parameter suatu populasi.
• Penelitian yg dikenakan pada sample

• Adalah disebut Statistik.
• Statistik itu adalah pendugaan terhadap parameter
populasi
• Hasilnya adalah pendugaan parameter.
Ch 2
Sampling Method
Penelitian thd populasi
• Diperoleh mean, std deviasi, median,
modus populasi penelitian
Penelitian thd sample

• Diperoleh pendugaan: mean, std deviasi,
median, modus populasi penelitian
Proses Uji Hypothesis
Assumsi bhw
Mean populasi
umur 50.
(Ha= Hipotesis alt)
Populasi
is X 20   50? The Sample
Mean Is 20
Tolak
Hipotesis Alt
(Hipot benar) Sample
Keputusan Ha benar Ho salah
Terima Tepat Error tipe II

(β)
(Non error sampling)
Tolak Error tipe I Tepat

(α)
(Error sampling)
Kesalahan jenis I (Error Sampling). adalah kesalahan krn kita

menolak Ha sesungguhnya Ha itu benar. Dengan kata lain adalah
peluang menolak Ha yg benar
Kesalahan jenis II. adalah kesalahan krn kita menerima Ho

sesungguhnya Ho itu salah. Dengan kata lain adalah peluang
menolak Ho yg salah
Chapter 2.
Sampling Method
• Sampling Method for Identified Population
• 1. Simple Random Sampling method
• 2. Clustered Random Sampling method
• 3. Stratified Random Sampling method
• Sampling Method for Unidentified Population

• 1. Convenience Sampling method
• 2. Quota Sampling method
• 3. Snowball Sampling method
Chapter 3
Penyajian Data
• Tujuan Belajar
• Mahasiswa diharapkan mampu :
• Menggambarkan cara penyajian data dlm
bentuk Tabel dan grafik
• Menyebutkan jenis-jenis tabel, grafik yang
digunakan penyajian data
STATISTIK BISNIS
• Materi yang Dibahas
• 1. Cross section Data
• Penyajian dengan tabel
• Penyajian dengan grafik
• 2. Data Berkala (Time Series)
• Penyajian dengan tabel
• Penyajian dengan grafik
• Buku Acuan
• 1. Statistik (2000) J. Supranto, jilid 1 Chap.3 edisi keenam, halaman
29 – 56
• 2. Statistika, Teori dan Aplikasi (2001), Bab 02, Wayan Koster, edisi
pertama, halaman 21 - 40
• ►See You Next Chapter

Chapter 4
STATISTIK BISNIS
Chapter 4 Tabel Distribusi Frekuensi
Tujuan Belajar Mahasiswa diharapkan mampu:
• Menyebutkan arti, manfaat distribusi frekuensi data
kuantitatif
• Menyusun distribusi frekuensi data kuantitatif dan data
kualitatif
• Menggambarkan grafik frekuensi dan frekuesi kuantitatif
• Distribusi frekuensi data kualitatif :
• Distribusi frekuensi data kuantitatif :
• - Jumlah kelas
• - Interval kelas
• - Batas kelas
• - Frekuensi kumulatif
STATISTIK BISNIS
• Data Kualitatif
• Cth data ttg preferensi merk kons membeli produk
komputer
• Cth data pemahaman kualitas merk suatu produk
• Diperoleh dengan kuisioner terbuka
• Berapa besar cinta saudara pada ....
• Data Kuantitatif
• Diperoleh dengan kuisioner tertutup
• Data dalam bentuk kuantitatif atau angka.
• Berapa pendapatan/wesel saudara sebulan.
STATISTIK BISNIS
• SEBARAN FREKUENSI
• Data yang didapat dari suatu penelitian masih berupa data mentah atau data acak
yang kemudian data tersebut dikelompokkan menurut Kelas Interval tertentu.
•
• Tabel 3.1 Modal Perusahaan pada Industri “ X “ sbb:
• Modal (jutaan Rp) Frekuensi
• 50-59 16
• 60-69 32
• 70-79 20
• 80-89 17
• 90-99 15
• A. Banyaknya kelas : 5 (ada rumusnya)

• B. Batas Kelas :50,59,60,69,…
• C. Batas Atas Kelas :50,60,70,…
• D. Batas Bawah Kelas :59,69,79…
• E. Tepi Bawah Kelas(-0,5): 49.5 ; 59.5 ; 69,5…
• F. Tepi Atas Kelas (+0,5):59.5. 69.5,…
• G. Titik tengah kelas, ada 2 rumus
STATISTIK BISNIS
• Jawaban
•
• A. Titik tengah = BBKi + BAKi
• 2
• BBKi = Batas bawah kelas ke i
• BAKi = Batas atas kelas ke i
• 50 + 59 = 54,5
• 2
• B. Titik tengah = TBKi + TAKi
• 2
• TBKi = Tepi bawah kelas ke i
• Taki = Tepi atas kelas ke i
• 49 + 59,5 = 54,5
• 2
• H. Panjang interval kelas (i)

• (Atau lebar kelas) = jangkauan (R)
• Banyaknya kelas (K)
• Jangkauan (R) disebut juga jarak atau range =
• data terbesar – data terkecil
• 99 – 50 = 49
STATISTIK BISNIS
• I. Frekuensi kelas : 16,32,20,17, dan 15
• Menentukan “banyak kelas”

• Rumus STURGESS
• K = 1 + 3,3 Log n
• K = banyaknya / jumlah kelas
• N = banyaknya sample
• Contoh :
• N = jumlah sample = 90
• K = 1 + 3,3 Log 90
• = 1 + 33 (1,95424)
• = 7,49 atau 7 kelas
• atau 8 kelas
STATISTIK BISNIS
• Soal
• Data pengukuran diameter pipa sbb :
• 78 72 74 79 74 71 75 74 72 68
• 72 73 72 74 75 74 73 74 65 72
• 66 75 80 69 82 73 74 72 79 71
• 70 75 71 70 70 70 75 76 77 69
• Buatlah distribusi / sebaran frekuensi dari data tersebut diatas
• Jawab
• A. Urutkan data, dari yang terendah ke tertinggi
• 65 66 67 68 69 70 70 70 70 71
• 71 71 72 72 72 72 72 72 73 73
• 73 74 74 74 74 74 74 74 75 75
• 75 75 75 76 77 78 79 79 80 82
• B. Jangkauan (R) = 82 – 65 = 17
•
• C. Banyaknya kelas (K)
• K = 1 + 3,3 log 40
• = 1 + 5,2863
• = 6,3 atau 6 bisa juga 7
STATISTIK BISNIS
• D. Panjang interval kelas atau lebar
kelas jangkauan
• panjang interv = I = 17 = 2,8 atau 3
• 6
• Buat tabel, dengan batas kelas pertama
adalah 65 (data terkecil)
STATISTIK BISNIS
• Tabel 4.1 Pengukuran diameter pipa
Diameter Ttk tengah Turus Frekuensi
65 – 67 66 III 3
68 – 70 69 IIIII I 6
71 – 73 72 IIIII IIIII II 12
74 – 76 75 IIIII IIIII III 13
77 - 79 78 IIII 4
80 – 82 81 II 2
Jumlah 40
STATISTIK BISNIS
• Latihan
• Data 50 mahasiswa dalam nilai statistik
• 70 91 93 82 78 70 71 92 38 56
• 79 49 48 74 81 95 87 80 80 84
• 35 83 73 74 43 86 68 92 93 76
• 81 70 74 97 95 80 53 71 77 63
• 74 73 68 72 85 57 65 93 83 86
• Ditanyakan :
• -Jangkauan Data
• -Banyak nya kelas
• -Panjang interval kelas
• -Tabel
Statistik Bisnis
• Sering sekali dipakai
• HISTOGRAM : merupakan grafik batang dari distribusi frekuensi
• POLIGON : merupakan grafik garis
• - Poligon tertutup (sering, sudah umum)
• - Poligon terbuka (jarang dipakai)
• Contoh :
• Tabel distribusi frekuensi hasil pengukuran
• Tinggi badan 50 pelajar Mahasiswa Ubinus
• Interval klas Frekuensi Tepi interval Titik tengah

• (tinggi CM) (banyak) (kelas Interval) (nilai tengah)
• 140 – 144 2 139,5 – 144,5 142
• 145 – 149 4 144,5 – 149,5 147
• 150 – 154 10 149,5 – 154,5 152
• 155 – 159 14 154,5 – 159,5 157
• 160 – 164 12 159,5 – 164,5 162
• 165 – 169 5 164,5 – 169,5 167
• 170 – 174 3 169,5 – 174,5 172
• Total = 50
Frek relatif, frek kumulatif
Tabel Diameter Pipa

N Diametr Turus Frek Frek F. Kum F. Kum lebih dr
o uen relat Kurang dr
si
1 65 – 67 III 3 0,075 0,075 1

2 68–70 IIIII I 6 0,15 0,225 0,925
3 71–73 IIIII IIIII II 12 0,3 0,525 0,775
4 74 –76 IIIII IIIII III 13 0,325 0,85 0,475
5 77 -79 IIII 4 0,1 0,95 0,15
6 80 – 82 II 2 0,05 1 0,05
Jumlah 40 1
Statistik Bisnis
• OGIVE
• Kurva sebaran kumulatif kurang dari dan lebih dari
• Tabel pengukuran diameter pipa
•
KURVA DAN OGIVE
1,2
FREKUENSI MASING
1 1 6
2 5
4
0,8 3
MASING
F REL
0,6 FR. KUM KURANG DR
3
4 FR KUM LEBIH DR
0,4
3 4
0,2 2
2 5
1 5 6
0
1 2 3 4 5 6
DIAMETER PIPA
FREKUENSI KUMULATIF
DIAMETER FR. KUM KURANG
NO pipa FREK F REL DR FR. KUM LEBIH DR
65 – 67 3
1 0,075 0,075 1
68–70 6
2 0,15 0,225 0,925
71–73 12
3 0,3 0,525 0,775
74 –76 13
4 0,325 0,85 0,475
77 -79 4
5 0,1 0,95 0,15
80 – 82 2
6 0,05 1 0,05
40
jml
Statistik Bisnis
KURVA DAN OGIVE
1,2
FREKUENSI MASING
1 1 6
2 5
4
0,8 3
MASING
F REL
3
4 FR KUM LEBIH DR
0,4
3 4
0,2 2
2 5
1 5 6
0
1 2 3 4 5 6
DIAMETER PIPA
Statistik Bisnis
• Fk > Nilai
• Fk < Nilai
• Frekuensi nilai kumulatif
• F diameter
HISTOGRAM DAN POLIGON
Ogif - Ogif +
•
KURVA DAN OGIVE
1,2
FREKUENSI MASING
1 1 6
2 5
4
0,8 3
MASING
F REL
3
4 FR KUM LEBIH DR
0,4
3 4
0,2 2
2 5
• (65-68)
0
(69-70)
1 (71-73) (74-76) (77-79)
5 6 (80-82)
1 2 3 4 5 6
DIAMETER PIPA
Statistik Bisnis
• LATIHAN
• Sebaran Frekuensi
• Berikut ini data mengenai jumlah modal (dalam jutaan Rp) dari
50 orang pada perusahaan PT. BINUS
• 80 18 69 51 71 92 35 28 60 45
• 63 59 64 98 47 49 48 64 58 74
• 85 56 72 38 89 55 28 67 84 78
• 37 73 65 66 86 96 57 76 57 19
• 54 76 49 53 83 55 83 47 64 39
• Ditanyakan
• Jangkauan Data
• Banyaknya kelas
• Panjang interval kelas
• Tabel
Statistik Bisnis
• Histogram (LATIHAN)
• Poligon dan Ogif

• Berikut ini adalah MID POINT dari
pengukuran 40 diameter pipa beserta
• Frekuensinya :
•
Statistik Bisnis
• Susunlah MID POINT (ttk tengah) tersebut dalam distribusi
frekuensi biasa
• Gambaran histogram dan poligon
• Buatlah distribusi frekuensi kumulatif kurang dari dan lebih dari
• Gambaran OGIF masing - masing
KURVA DAN OGIVE
1,2
FREKUENSI MASING
1 1 6
2 5
4
0,8 3
MASING
F REL
3
4 FR KUM LEBIH DR
0,4
3 4
0,2 2
2 5
1 5 6
0
1 2 3 4 5 6
DIAMETER PIPA
•
• MID POINT (66) (69) (72) (75) (78) (81)
Statistik Bisnis
• LATIHAN : HISTOGRAM POLIGON DAN OGIF
• Data sbb
• Buatlah tabel distribusi frekuensi MID POINT Frekue
1 34,5 2
• Gambar histogram, poligon dan ogif
2 44,5 3
3 54,5 11
4 64,5 20
5 74,5 32
6 84,5 25
7 94,5 7
jmlh
HISTOGRAM & POLIGON
• HISTOGRAM : grafik yang berbentuk
batang ( segi 4 )
• POLIGON : garis yang menghubungkan
mid point (nilai tengah) dari kelas2 dalam
DISTRIBUSI FREKUENSI
TUGAS 1
Data Nilai Ujian Statistika
• 89 83 72 72 81 90 78 62
• 87 85 94 84 72 70 74 87
• 80 82 78 89 83 74 76 76
• 72 71 80 87 85 75 79 79
• 79 84 67 74 81 78 81 80
• 77 87 82 84 68 80 74 70
• 63 77 75 78 75 93 71 60
• 67 74 81 77 75 84 66 68
• 75 66 73 60 76 78 94 90
• 75 78 75 73 67 70 80 75
• BUATLAH TABEL DISTRIBUSI FREKUENSI

• BUATLAH HISTOGRAM DAN POLIGON
• TUGAS BERANTAI
FRAKTIL DESIL PERCENTIL
• DATA TUNGGAL
• X1 = 75
• X2 = 80
• X3 = 100
• X4 = 120
• X5 = 125
• K1 = 77,5 artinya besar keuntungan max dari pedagang yang
tergolong 25%
• tingkat keuntungannya terendah (minimal)
• K2 = 100 artinya besarnya keuntungan rata seluruh pedagang
yang didasarkan pada median
• K3 = 122,5 artinya besarnya keuntungan min dari pedagang
yang tergolong 25% tingkat keuntungannya tertinggi.
• DATA BERKELOMPOK
• LK1 = 1(n) , LK2 = 2 (n) , LK3 = 3 (n)
• 4 4 4
• Rumus
• K1 = TKb + LK1 – FKKDB X i
• FKKDA – FKKDB
• contoh data sudah diolah

• Kelas F T.K F. Kom LK
• < 59,4 0
• 60 – 62 10 62,5 10
• 63 – 65 25 65,5 35 25, LK1 = 100 / 4
• 66 – 68 32 68,5 67 50, LK2 = 200 / 4
• 69 – 71 15 71,5 82 75, LK3 = 300 / 4
• 72 – 74 18 74,5 100
•
• K1 = 62,5 + 25 – 10 X 3 = 64,3
• 35 – 10
• K2 = 65,5 + 50 - 35 x 3 = 66,9
• 67 – 35
• K3 = 68,5 + 75 – 67 x 3 = 70,1
• 82 - 67
• FRAKTIL ( Kuartil – Desil – Persentil )
• KUARTIL Q atau K
• Ukuran letak yang membagi distribusi frekuensi menjadi 4
bagian yang sama
• K1 K2 K3
• Q1 Q2 Q3
• 25%
• 25%
• 25%
• 25%
• Letak
• Umpamanya ada data :
• X1 = 75 x3 = 100 x5 = 125
• X2 = 80 x4 = 120
• DESIL D
• = Kuartil = Sekumpulan data dibagi 10 bagian sama
banyak, setelah data diurutkan
• = Rumus kuartil, hanya dibagi 10
• DATA TUNGGAL
• Letak
• D1 = LD1 = 1(n+1)
• 10
• D9 = LD9 = 9(n+1)
• 10
TM FRAKTIL
82 52 80 66 71 80 59 70 82 73
54 69 71 50 74 75 82 78 58 59
57 84 74 73 66 68 72 67 64 72
77 71 59 70 55 69 68 73 76 65
60 70 51 81 67 58 54 61 72 58
64 75 68 67 73 67 76 67 70 71
67 79 65 61 71 72 71 81 75 68
76 73 61 59 74 77 62 76 55 66
77 71 73 69 66 72 72 68 63 67
70 68 75 81 67 63 67 71 53 69
Hitung data tersebut :

A. - Kuartil 1, 2, dan 3
B. - Desil 3, 6, dan 8
C. - Persentil 17, 45, dan 93
• Contoh :
• Data sampel 3,5,7,8,10,10,12,14,14,14,15
• Hitung desil ke 7 n = 11
• LD7 = 7 (11 + 1) = 84 = 8,4
• 10
• Data berada antara 8 dan 9
•
• D7 = X8 + 0,4 (x9 – x8)
• = 14 + 0,4 (14 – 14)
• = 14
• LD4 = 4 (11 + 1) = 4,8
• 10
• data berada antara 4 dan 5
• D4 = X4 + 0,8 (X5 – X4)
• = 8 + 0,8 (10 – 8)
• = 9,6
• Contoh berkelompok
• Nilai F F komulatif
• 30 – 39 5 5
• 40 – 49 3 8
• 50 – 59 6 14
• 60 – 69 7 21
• 70 – 79 8 29
• 80 – 89 7 36
• 90 – 99 4 40
• n = 40
• Hitung desil ke 4 = D4 = TKB + LD4 – FKKDB x i
• FKKDA - FKKDB
• LD4 = 4 (n) = 4(40) = 16
• 10 10
• TKB = 60 – 0,5 = 59,5
• Kelas desil = 60 – 69
• i = 40 – 30 = 10
• FKKDB = 5 + 3 + 6 = 14
• FKKDA = 5 + 3 + 6 + 7 = 21
• D4 = 59,5 + 16 – 14 x 10
• 21 – 14
• = 62,36
• Hitung desil ke 8
• LD8 = 8(n) = 8(40) = 32
• 10 10
• Kelas desil = 80 – 89
• Tkb = 80 – 0,5 = 79,5
• i = 40 – 30 = 10
• FKKDB = 5+3+6+7+8 = 29
• FKKDA = 5+3+6+7+8+7 = 36
• D8 = 79,5 + 32 – 29 x 10
• 36 - 29
• Data berkelompok
• LD1 = 1(n) , LD7 = 7(n)
• 10 10
• Rumus
• D8 = TKB + LD8 – FKKDB x i
• FKKDA - FKKDB
• PERSENTIL
• Kuartil dan Desil
• datanya dibagi 100 sama banyak
• - Rumus Kuartil dan Desil, hanya dibagi 100 sama banyak
• DATA TUNGGAL
• P18 = LP18 = 18 (n+1) dan seterusnya
• 100
• p50
• p99
• p1
• Hitung Persentil ke 10(P10) dan persentil ke 76dr data sbbk ini:
• 20 21 22 24 26 26 27 30 31 31
• 33 35 35 35 36 37 37 38 39 40
• 41 41 42 43 44 46 47 48 49 50
• n=30
• P10=10(n+2) = 10(30+1) = 3.1
• 100 100
• = x3 + 0.1 (x4 – x3) =22 + 0.1 =22.2
• P76=76(n+2) = 76(30+1) = 23.56
• 100 100
• = x23 + 0.56 (x24 – x23) =46 + 0.56 =42.56
• LP21 = 21(n) , LP89 = 89(n)
• 100 100
• Rumus : P36 = Tkb + LP36 – Fkkdb .i
• Fkkda - Fkdb
•
Chapter 5
Ukuran Pemusatan
(Central Tendecy)
Tujuan Belajar
• Mahasiswa diharap mampu :
• Mengetahui jenis-jenis ukuran pemusatan
• Menggunakan, menghitung rumus-rumus ukuran
pemusatan
Materi
• ۩. Rata-rata hitung
• ۩. Median
• ۩. Modus
• ۩. Rata-rata ukur
• ۩. Rata-rata harmonis
Bentuk Kurva Distribution
• ‘Berbentuk Lonceng’Symmetriss
• f(X)
• Mean, Median dan Modus
adalah Equal
σ
X
Location is determined by the μ
mean, μ
Spread is determined by the Mean
standard deviation, σ = Median
The random variable has an = Modus
infinite theoretical range:
+  to  
Statistik Bisnis
• UKURAN PEMUSATAN (central tendency)

• Merupakan ukuran yang dapat mewakili data
secara keseluruhan (populasi)
• Artinya :
• “ jika keseluruhan nilai yang ada dalam data
tersebut diurutkan besarnya
• dan selanjutnya nilai rata rata (mean)
tersebut dimasukan kedalamnya)”
• Maka nilai rata – rata itu cenderung terletak
diurutan paling tengah /Pusat
• { distribusi data normal mewakili populasi (uma sekaran)}
Statistik Bisnis
• Ukuran Nilai Pusat :

• Rata – rata hitung (mean) =µ=ẋ
• Rata ukur (Rata-rata geometris)
• Rata harmonis (RH)
• Modus (Mo)
• Median (Md)
• Rata kuadratik (tidak diajarkan)
Statistik Bisnis
• Mean
• (Rata-rata hitung = µ)
• adalah nilai rata – rata dari data yg ada
(yg tersedia)
• Mean dari populasi diberi simbol μ miu
• Mean dari sampel diberi simbol x bar
• µ = jumlah semua nilai data
• jumlah data
Statistik Bisnis
• Data tunggal
• A. Hitunglah rata – rata hitung dari data
• 7,6,3,4,8,8
• jawab : x = 7,6,3,4,8,8
• n=6
• = 7 + 6 + 3 + 4 + 8 + 8 = 36
Statistik Bisnis
• UKURAN NILAI PUSAT
• Rumus :
•
• B. Sebuah perusahaan memiliki 40 pekerja dari keseluruhan

pekerja,
• perusahaan membagi gaji karyawannya / bulan
• 5 orang bergaji Rp. 350.000
• Frekuensi
• Ditanya : berapa rata – rata rupiah yang dikeluarkan oleh
pemilik perusahaan / bulan pada setiap karyawan
Statistik Bisnis
• Jawab : menggunakan rumus yang ada
frekuensinya
• Rumus :
•
•
Statistik Bisnis
• Contoh:
Tabel berat badan 100 mahasiswa demonstrasi
BB Mhs Jumlah
60 – 62 10
63 – 65 25
66 – 68 32
69 – 71 15
72 – 74 18
Total 100
JUMLAH MAHASISWA
BERAT BADAN
Statistik Bisnis
• Tabel berat badan 100 mahasiswa demonstrasi itu
• Jawab :
• Berat Titik
• badan tengah Frekuensi F.X
• (KG) (X) (F) (FX)
• 60 – 62 61 10 610
• 63 – 65 64 25 1600
• 66 – 68 67 32 2144
• 69 – 71 70 15 1050
• 72 – 74 73 18 1314
• Jumlah 100 6718

• Rata-rata =
Statistik Bisnis
grafik data tsb
35
30
25
20 Mhs
Pria
15 Wanit
FxX
10
0
60-62 63-65 66-68 69-71 72-75
Statistik Bisnis
• 2. RATA UKUR geometris
• Ru = G = Mg = rata rata ukur
• n = banyak data
• Data tunggal
• Rumus :
• Log Ru = (log ... + log ...)
• Contoh
• Tentukan rata – rata ukur dari : 2,4,8,16,32
• Jawab :
• Ru =8
• atau n = 5
• Log Ru = (log 2 + log 4 + log 8 + log 16 + log 32)
• = (4,515)
• = 0,903
• Log Ru = 0,903
• Ru = 8
• (Anti log = shift log 0,903)   7,998
Statistik Bisnis
• Rumus rata rata ukur:
• Log Ru = log X1 + Log X2 ...
• X = m = titik tengah
Statistik Bisnis
• Tabel hasil pengukuran 100 daun kelapa (mm)
• Pengukuran frekuensi
• 50 – 54 6
• 55 – 59 10
• 60 – 64 9
• 65 – 69 25
• 70 – 74 28
• 75 – 79 13
• 80 – 84 9
• Jumlah 100
• Ditanya : berapa rata – rata ukur dari data diatas
Statistik Bisnis
• Jawaban Ru (rata-rata ukur):
• Total log=183,393
• Jumlah 100
• Log Ru =
• = 183,393 = 1,834
• 100
• Anti log 1,834  68,33
• Ru = 68,233
• Jumlah 100
Statistik Bisnis
no Interval Nilai Frekue Log Nil Frek X Log Nil
nsi tengah tengah
ukuran tengah
1 50 – 54 52 6 1,716 10,296
2 55 – 59 57 10 1,756 17,560
3 60 – 64 62 9 1,792 16,132
4 65 – 69 67 25 1,826 45,652
5 70 – 74 72 28 1,857 52,005
6 75 – 79 77 13 1,886 24,524
7 80 –84 82 9 1,914 17,224
jumlah 100 12,7786 183,668

Statistik Bisnis
• Total F * log x = 183,668
• F = 100
• Log x = 1,83668
• x = antilog 1,83668  x = 0,264034
•  10^1,8366  x= 68,65624
• Nilai x = 68,65
Statistik Bisnis
• MANFAAT RATA RATA UKUR
• RU (rata-rata ukur) untuk kenaikan atau pertumbuhan
• Untuk gejala yang sifatnya pertumbuhan atau kenaikan dengan
syarat
• tertentu seperti pertumbuhan bakteri, penduduk dan kenaikan
bunga bank
• rata ukur dapat dihitung.
•
• Rumus :
• Pt = Po. xt
• Pt = keadaan akhir pertumbuhan
• Po = keadaan awal pertumbuhan
• x= rata – rata pertumbuhan
• t = satuan waktu yang digunakan
Statistik Bisnis
• Contoh RU
• Tentukan laju pertumbuhan rata – rata penduduk indonesia jika pada
akhir tahun 1946 dan 1956 jumlah penduduk masing – masing 60 dan
78 juta
• Diketahui :
• t = 10 (dari 1956 – 1946)
• Pt = 78 juta
• Po =60 juta
• Ditanya rata rata tk pertumb
• Ditanya tk pertumbuhan = x
• 78 = 60 (1 + x) 10
• (1 +x ) = 1,3
• (1 +x ) = (1,3)1/10
• (1 + x) = 1,0266
• x = 0,0266
• x = 2,66 %
Statistik Bisnis
• 3. RATA HARMONIS (RH)
• Data tunggal
• RH = n / (sigma 1/X)=
• Contoh
• Tentukan rata – rata harmonis dari 2,5,7,9,12
• Jawab :
• => RH = 5/(sigma ½ , 1/5, 1/7, 1/9,1/12.)
Statistik Bisnis
• Rata rata Harmonis
• Pak Dedi berpergian pulang pergi ke kantor
dengan mobil. Waktu pergi ia
• menggunakan 40 km / jam, 30km/jam,
20km/jam. Berapa rata – rata kecepatan nya
• Jawab
• RH = 3 (1/40+1/30+1/20)
• RH = 3 (3/120+4/120+6/120)
• RH = 3/(13/120)  RH = 27
Statistik Bisnis
• Data berkelompok Rumus :
• Contoh
• Pengukuran F X (=ttk tengah) F /X
• 50 – 54 6 52 0,115
• 55 – 59 10 57 0,175
• 60 – 64 9 62 0,145
• 65 – 69 25 67 0,373
• 70 – 74 28 72 0,389
• 75 – 79 13 77 0,169
• 80 – 84 9 82 0,110
• Jumlah 100 total 1,476
• RH = 100/(sigma f/x)
• RH = 100 = 67,75
• 1,476
Statistik Bisnis
• Hubungan antara rata – rata hitung –
rata ukur dan rata harmonis adalah :
• RH ≤ RU ≤ x rata2hitung (mean)
• Rata Harmons ≤ Rata Ukur ≤ Rata hitung

Statistik Bisnis
• 4. Modus (mode) = Mo
• Adalah nilai yg paling sering muncul
• Sejumlah data bisa tidak punya modus
• Mempunyai 1 modus disebut unimodal
• Mempunyai 2 modus disebut bimodal
• Lebih dari dua modus disebut
multimodal
Statistik Bisnis
• Data Tunggal
• Tentukan Modus (mode) atau Mo dari data ini :
• A. 1,4,7,8,9,9,11
• B. 1,4,7,8,9,11,13
• C. 1,2,4,4,7,9,11,11,13
• D. 1,1,3,3,7,7,12,12,14,15
• Jawab
• a. Modus = 9
• b. Modus = tidak ada
• c. Modus = 4 dan 11  bimodus
• d. Modus = 1,3,7 dan 12
• Diketahui X1=75 X4=12 X2=100 X5=125 X3=150 X6=80 X7=125

• Maka modusnya = 125
Statistik Bisnis
• Rumus Modus
• Mo = TKB + c { (fm0-fm-1)/((fm0-fm-1)+(fm0+1)) }
c = i = jarak antar batas atas dengan batas bawah kelas yang membuat modus
• TKB = Tepi kelas bawah dimana modus berada

• d 1 = Selisih frekuensi modus dengan frekuensi sebelum
• d 2 = selisih frekuensi mous dengan frekuensi sesudah
• i = panjang interval kelas
• Tabel Berat Badan 100 Demonstran
• Berat Badan (Kg) Jumlah mahasiswa (F)
• 60 – 62 10
• 63 – 65 25
• 66 – 68 32
• 69 – 71 15
• 72 – 74 13
• Tentukan Modus dari data diatas
• Jawab
• TKB = 65,5
• d 1 = 32 – 25 = 7
• d 2 = 32 – 15 = 17
• i=3
• Mo = 65,5 + 3 { 7/(7+17) }  Mo= 65,5 + 0,875  MO= 66.375
Statistik Bisnis
• Berat Badan (Kg) Jumlah mahasiswa (F)
• 60 – 62 10
• 63 – 65 25
• 66 – 68 32
• 69 – 71 15
• 72 – 74 13
Tepi 59,5 62,5 65,5 68,5 71,5 74,5
• Jadi Modus  Mo = 66,375

Statistik Bisnis
• 5. MEDIAN
• Kebaikan “Modus”
• 1. Lebih sukar dari rata – rata (mean)
• 2. Tidak tegas
• Kebaikan “Median”
• 1. Mudah dihitung
• 2. Tidak dipengaruhi oleh nilai ekstrim
• 3. Lebih mewakili dari pada rata rata
• 4. Dengan kelas terbuka median dapat dihitung
• Kelemahan “Median”
• 1. Data harus diurutkan
• 2. Kurang dikenal dari pada rata – rata
• 3. Tidak dapat dipergunakan untuk perhitungan lebih lanjut
• Me = Md= ialah urutan rata rata yg didasarkan atas nilai data yg berada
ditengah distribusi frekuensinya
• Syarat : data harus diurutkan dahulu
Statistik Bisnis
• DATA TUNGGAL
• Jika jumlah data ganjil, Mediannya paling atau berada ditengah
• Jika jumlah data genap, Mediannya dijumlah lalu dibagi 2
• Contoh :
• Tentukan Median dari data dibawah ini :
• (1) 4,3,2,6,7,5,8
• (2) 11,5,7,4,8,14,9,12
• Jawab
• (1) Data diurutkan + 2,3,4,5,6,7,8
• n = 7 (ganjil) Me =
• (2). Urutkan data = 4,5,7,8,9,11,12,14
• n = 8 (genap)
• Me = median = Tb + c {( n/2 – sigma fi )/(fm) }
Statistik Bisnis
• Me = TKB +
•
• TKB = Tepi kelas bawah
• i = Panjang interval kelas
• FKKDA = Frekuensi kumulatif kurang dari nilai tepi kelas yang ada di atas
• kelas Median
• FKKDB = Frekuensi komulatif kurang dari nilai tepi kelas bawah kelas
• Mediannya
• = Letak Mediannya
• Contoh :
• Data yang ada adalah :
• Berat badan F TK F.Kom <
• 60 – 62 10 59,5 0
• 63 – 65 25 62,5 10
• 66 – 68 32 65,5 35 FK bawah
• 69 – 71 15 68,5 67 FK Atas
• 72 – 74 18
• 100
• = 50
• Me = 65,5 + = 66,9
Statistik Bisnis
• LATIHAN (Secara Median)
• Diameter Pipa (mm) Frekuensi
• 65 – 67 2
• 68 – 70 5
• 71 – 73 13
• 74 – 76 14
• 77 – 79 4
• 80 – 82 2
Statistik Bisnis
• Hubungan antara Rata-rata Median dan Modus
• 1. Distribusi Simetris (Normal)

• Jika rata – rata hitung, Median dan Modus memiliki nilai yang sama,
maka kurvanya berbentuk simetris
• 2. Distribusi Skewness (Condong) Kanan

• Jika rata hitung > median > modus maka kurvanya mencong ke
kanan
3. Distribusi Condong Kiri
• Jika rata hitung < median < modus
• Dari ketiga distribusi tsb didapat rumus: Mo = µ- 3 ( µ- Me )

•
• Atau MODUS = RATA-RATA – 3.( RATA-RATA - MEDIAN )
•
• Umpama, diketahui rata-rata = 67,18 dan Mo = 66,375 Berapa Me = ?
• Me = 2(67,18) + 66,375 = 66,91

• 3
statistik
• Ukuran variasi dan dispersi
• Standard deviasi = ( δ2)=
• Varians = S2
Statistik Bisnis 1
Chapter 6
Ukuran Variasi atau Dispersi
Tujuan Belajar
Mhs diharapkan mampu :
• Menjelaskan jenis-jenis ukuran Dispersi
• Menggunakan, menghitung ukuran Dispersi
• Menjelaskan arti bbrp ukuran Dispersi
• Standard deviasi = ( δ)=
• Varians = S2 = ( δ2)=
Statistik Bisnis
• Variasi atau Dispersi
• Standard deviasi = ( δ2)=
• Varians = S2
• Materi Chapter 6 :
• 1. Pengukuran Dispersi Data tidak berkelompok :
• Nilai Jarak
• Rata-rata simpangan
• Standar deviasi
• 2. Pengukuran Dispersi Data berkelompok :

. Koefisien Variasi
• Statistika, (2000) kar. J. Supranto, jilid 1 Chap.6 edisi keenam, halaman 126 –145
Statistik Bisnis
• Pengertian Dasar
• Dispersi = Variasi data = Keragaman data.
• - Adalah data yang menggambarkan bagaimana suatu
kelompok data menyebar terhadap pusatnya data atau
ukuran penyebaran suatu kelompok data terhadap
pusatnya data
• Contoh : Ada 3 kelompok data sbb
• (a). 50, 50, 50, 50, 50 rata-rata hitung = 50 (homogen)
(b). 50, 40, 30, 60, 70 rata-rata hitung = 50 (heterogen)
(c). 100, 40, 80, 20, 10 rata-rata hitung = 50 (heterogen)
• Tapi kelompok (c), lebih Heterogen dibandingkan (b)
Statistik Bisnis
• Gambar rata-rata hitung
•     
• x1 x2 x3 x4 x5
• 100 100 100 100
• 0 0 0
• 
• 50 50 50
•     
• x1 x2 x3 x4 x5
• x1 x3 x2 x4 x5
• (1) Homogen (2) Relatif Homogen (3) Heterogen
Statistik Bisnis
• Mengapa Mempelajari Dispersi
• Pusat data seperti rata-rata hitung, median dan
modus hanya memberi informasi yang sangat
terbatas sehingga tanpa dibandingkan dengan
dispersi data menjadi kurang bermanfaat dalam
menganalisa data.
•
• 2. Dispersi data sangat penting untuk
membandingkan penyebaran dua distribusi data
atau lebih
Statistik Bisnis
• Jenis Ukuran Dispersi Data
• Jangkauan = nilai jarak (range)
• Simpangan rata-rata (mean deviation)
• Simpangan baku (standard deviation)
• Koefisien variasi (coefficient of variation)
•
• 2 Jenis Kelompok Data
• Data tidak dikelompokan
• Data dikelompokan
Statistik Bisnis
dispersi & nilai jarak
• Data tidak dikelompokan
Nilai Jarak = Jangkauan (r) atau (Nj)
• Adalah selisih antara nilai maximum dengan nilai minimum dalam suatu
kelompok/susunan data
• Rumus : (nilai max-nilai min)
•
• Contoh :
• (a). 50, 50, 50, 50, 50 Nj = 50 - 50 = 0
• (b). 50, 60, 30, 40, 70 Nj = 70 - 30 = 40
• (C). 100, 40, 80, 20, 10 Nj= 100-10 =90
• (d). 20, 30, 50, 70, 80 Nj = 80 - 20 = 60
• Nilai Jarak = Nj = (Xn - X1)

• = Nilai maximum – nilai minimum
Statistik Bisnis
nilai jarak dan dispersi
• Data dikelompokan,
Nilai Jarak = Nj
• Nj dapat dihitung dengan 2 cara :
• 1. Nj = nilai tengah kelas terakhir – nilai tengah kelas pertama
• 2. Nj = batas atas kelas terakhir – batas bawah kelas pertama
• Contoh :
• Hitung Nj dari berat badan 100 mahasiswa akuntansi, Binus, sbb :
(Kg) (f)
• 60 – 62 5
• 63 – 65 18
• 66 – 68 42
• 69 – 71 27
• 72 – 74 8
• Berat badan Banyaknya Mahasiswa
Statistik Bisnis
nilai jarak
• Jawaban, …
Nilai Jarak (Nj)
• Cara 1
• Nilai tengah kelas terakhir (72 + 74) / 2 = 73 Kg
• Nilai tengah kelas pertama (60 + 62) / 2 = 61 Kg
• Nj = 73 - 61 = 12 Kg
• Cara 2
• Batas atas kelas terakhir 74,5 Kg
• Batas bawah kelas pertama 59,5 Kg
•
• Nj = 74,5 - 59,5 = 15 Kg
• Catatan : Cara 1 cenderung menghilangkan kasus Extrim

Statistik Bisnis
simpangan baku = std deviasi
• Simpangan rata-rata (SR)
• Jumlah nilai mutlak dari selisih semua nilai dengan nilai rata-rata dibagi banyaknya data
• Rumus : RS terhadap Rata-rata Hitung
RS = 1/n  | Xi - rataX |2
• Rumus : RS terhadap Median

RS = 1/n  | Xi - Median | 2
• Contoh : 50, 40, 30, 60, 70 Carilah simpangan rata-rata, baik terhadap rata-rata hitung maupun
Median
• RS = 1/n  | Xi - rataX | 2
• RS = 1/n  | Xi - Median | 2
• Jawaban….
Simpangan Rata-rata
• X = I/5 ( 50 + 40 + 30 + 60 + 70 ) = 50, mean = 50, jadi median = 50
• RS terhadap rata hitung
• 1/5 { |0| + |-10| + |-20| + |10| + |20| } = 12
• a). 50 – 50 = 0 b). 40 - 50 = -10 c). 30 - 50 = -20
• d). 60 – 50 = 10 e). 70 - 50 = 20
• RS terhadap Median
• I/5  | Xi - Median | = 12
• Catatan : hasil RS terhadap rata hitung dan terhadap Median adalah sama
Statistik Bisnis
• Simpangan Baku (δ) untuk sample

• Adalah akar pangkat dua dari variasi
• Rumus : √ (( /
( X1 - rata X )2 ) (n - 1))
• Rumus Varians ( δ2): (( ( X1 - rata X )2 ) (n - 1)) /

• Contoh : 50, 40, 30, 60, 70 dimana n = 5 Jadi Mean= 50
• Varians=
•  (Xi – X)2 = (50 – 50)2 + (40 – 50)2 + (30 – 50)2 + (60 – 50)2 + (70 - 50)2
• = 1000
• 1000
• δ2 = --------------------- = 15,81
• (5 – 1)
• δ2 =  ( Xi - X )2 /(n - 1)
Statistik Bisnis
• Data dikelompokan, …
Simpangan baku (S atau  )
• Simpangan baku Populasi (), sering dipakai
• Simpangan baku Sampel (S), jarang dipakai
•
• Guna : untuk membandingkan hanya 1
kelompok, dimana satuannya sama dengan
satuan data aslinya
Statistik Bisnis
• Contoh soal :
• Apabila kelas intervalnya sama
• Modal dari 40 populasi perusahaan (jutaan Rp), sbb:
• 138 164 150 132 144 125 149 157
• 146 158 140 147 136 148 152 144
• 168 126 138 176 163 119 154 165
• 146 173 142 147 135 153 140 135
• 161 145 135 142 150 156 145 128
• Kemudian data dikelompokan dalam bentuk tabel
frekuensi, sbb :
 Hitung simpangan baku terhadap data kelompok
tersebut (Disini kelas intervalnya sama )
• Berdasar rumus 1+3,3(log N) 6,6 atau 7 klas interval

Statistik Bisnis
• Jumlah = 40
• 118 - 126 122 3
• 127 - 135 131 5
• 136 - 144 140 9
• 145 - 153 149 12
• 154 - 162 158 5
• 163 - 171 167 4
• 172 - 180 176 2
• Modal(M) Nilai Frekuens d kuadrat

• Kelas Tengah ( f ) d d2 fd fd2
• 118 - 126 122 3 -3 9 -9 27
• 127 - 135 131 5 -2 4 -10 20
• 136 - 144 140 9 -1 1 -9 9
• 145 - 153 149 12 0 0 0 0
• 154 - 162 158 5 1 1 5 5
• 163 - 171 167 4 2 4 8 16
• 172 - 180 176 2 3 9 6 18
• Modal(M) Nil.Tengah Frekuens Jumlah= 400 28 fidi = -9 fidi2 = 95
Statistik Bisnis
• Rumus (Kelas Interval sama)
• kk2
•  fidi 2  fidi
• I= 1 I= 1
• = C N N = = 13,72
• Contoh : (Apabila kelas Interval tidak sama)

• Hitunglah Simpangan baku untuk data X = nilai ujian Statistik dari 50 siswa
• 2
• 95 -9
• 9 40 40
• 30 - 39 34,5 4
• 40 - 49 44,5 6
• 50 - 59 54,5 8
• 60 - 69 64,5 12
• 70 - 79 74,5 9
• 80 - 89 84,5 7
• 90 - 100 94,5 4
• Kelas M (Nilai Tengah) f
Statistik Bisnis
• Rumus (Kelas Interval sama)
• k2
• k (  fiMi )
• 1  fiMi 2 I= 1
• = N I= 1 N =
• = 16,78
•
• 1 (3.255)2
• 9 225.982,50 50
• Jumlah f1 = 50 f1Mi = 3.255 f1Mi2 = 225.982,50
• 34,5 1.190,25 4 138,0 4.761,00
• 44,5 1.980,25 6 267,0 11.881,50
• 54,5 2.970,25 8 436,0 23.762,00
• 64,5 4.160,25 12 774,0 49.923,00
• 74,5 5.550,25 9 670,5 49.952,25
• 84,5 7.140,25 7 591,5 49.981,75
• 94,5 8.930,25 4 378,0 35.721,00
• M M2 f fM fM2
Statistik Bisnis
• Koefisien Variasi (KV)
• Adalah untuk membandingkan 2 kelompok nilai yang bebas dari satuan data
asli atau asalnya
• Misal : harga 10 mobil (jutaan rupiah) dengan harga 10 ekor ayam
• (ratusan rupiah)
• Rumus : KV =  / x 100 %
• Dimana :  = rata-rata sebenarnya (dari populasi) beda dengan X (sampel)
• Contoh soal :
• Harga 5 mobil bekas masing-masing (dalam jutaan
rupiah) 4, 4,5, 5, 4,75, 4,25, dan harga ayam masing-masing Rp.
600, Rp. 800, Rp. 900, Rp. 550, Rp. 1.000. Hitung simpangan
baku harga mobil ( m ) dan simpangan baku harga ayam ( a ) dan mana
yang lebih bervariasi (heterogen), harga mobil atau harga ayam ?
• KV =  / x 100 %
Statistik Bisnis
• Jawaban KV, …..
• Mencari  Mobil dan Ayam
• . m = 1/5 (Rp. 4.000.000 + 4.500.000 + ………….. +
4.250.000)
• = Rp. 4.500.000
• . a = 1/5 (Rp. 600 + 800 + ……………….. + 1.000) = Rp. 770
•
• Mencari  Mobil dan Ayam
• . m = 1/5  (Xi - m )2 = Rp. 353.550
•
• . a = Rp. 172,05
•
• Mencari KV Mobil dan Ayam
• . KV mobil = 353.550 / 4.500.000 x 100% = 7,86%
• . KV ayam = 172,05 / 770 x 100% = 22,34%
•
• Simpulan : karena KV ayam > KV mobil, maka harga ayam lebih
bervariasi (heterogen) dibandingkan harga mobil
Chapter 7
THE NORMAL DISTRIBUTION
Learning Objectives:
To compute probabilities from the normal distribution
To use the normal probability plot to determine whether a
set of data is approximately normally distributed
Why normal distrib?

Because of its Representativeness
Chapter 7
Kurva Distribusi
• Bentuk Kurva Distribusi
• 1. Distribusi Normal  Mean = Median =Modus

• 2. Skewness (menceng) ke kiri
• 3. Skewness (menceng) ke kanan
Bentuk Kurva Distribution
•‘Berbentuk Lonceng’
• Symmetriss f(X)
• Mean, Median dan Modus
adalah Equal
σ
Location is determined by the X
mean, μ μ
Spread is determined by the Mean
standard deviation, σ
= Median
The random variable has an = Modus
infinite theoretical range:
+  to  
Probability Distributions
Probability
Distributions
Ch. 5 Discrete Continuous Ch. 6

Probability Probability
Distributions Distributions
Binomial Normal
Poisson
Continuous Probability
Distributions
• A continuous random variable is a variable that
can assume any value on a continuum (can
assume an uncountable number of values)
– thickness of an item
– time required to complete a task
– temperature of a solution
– height, in inches
• These can potentially take on any value, depending
only on the ability to measure accurately.
The Normal Distribution
Probability
Distributions
Continuous
Probability
Distributions
Normal
The Normal Distribution
•‘Bell Shaped’
• Symmetrical f(X)
• Mean, Median and Mode
are Equal
Location is determined by the σ
mean, μ X
Spread is determined by the μ
standard deviation, σ
Mean
The random variable has an = Median
infinite theoretical range: = Mode
+  to  
Many Normal Distributions
By varying the parameters μ and σ, we obtain

different normal distributions
The Normal Distribution Shape
f(X) Changing μ shifts the

distribution left or right.
Changing σ increases
or decreases the
σ spread.
μ X
The Normal Probability
Density Function
• The formula for the normal probability
density function is
1 (1/2)[(Xμ)/σ]2
f(X)  e
2π
Where e = the mathematical constant approximated by 2.71828

π = the mathematical constant approximated by 3.14159
μ = the population mean
σ = the population standard deviation
X = any value of the continuous variable
The Standardized Normal
• Any normal distribution (with any mean

and standard deviation combination) can
be transformed into the standardized
normal distribution (Z)
• Need to transform X units into Z units

Translation to the Standardized
Normal Distribution
• Translate from X to the standardized normal
(the “Z” distribution) by subtracting the mean
of X and dividing by its standard deviation:
X μ
Z
σ
The Z distribution always has mean = 0 and
standard deviation = 1
Probability Density Function
• The formula for the standardized normal
probability density function is
1 (1/2)Z2
f(Z)  e
2π
Where e = the mathematical constant approximated by 2.71828

π = the mathematical constant approximated by 3.14159
Z = any value of the standardized normal distribution
The Standardized
Normal Distribution
• Also known as the “Z” distribution
• Mean is 0
• Standard Deviation is 1
f(Z)
0 Z
Values above the mean have positive Z-values,

values below the mean have negative Z-values
Example
• If X is distributed normally with mean of

100 and standard deviation of 50, the Z
value for X = 200 is
X  μ 2 00  1 00
Z   2 .0
σ 50
• This says that X = 200 is two standard

deviations (2 increments of 50 units)
above the mean of 100.
Comparing X and Z units
100 200 X (μ = 100, σ = 50)
0 2.0 Z (μ = 0, σ = 1)
Note that the distribution is the same, only the

scale has changed. We can express the problem in
original units (X) or in standardized units (Z)
Finding Normal Probabilities
Probability is the
Probability is measured by the area
area under the
curve! under the curve
f(X)
P (a ≤ X ≤ b)
= P (a < X < b)
(Note that the
probability of any
individual value is zero)
a b X
Probability as
Area Under the Curve
The total area under the curve is 1.0, and the curve is
symmetric, so half is above the mean, half is below
f(X) P (    X  μ )  0 .5
P ( μ  X   )  0 .5
0.5 0.5
μ X
P (    X   )  1 .0
Empirical Rules
What can we say about the distribution of values

around the mean? There are some general rules:
f(X)
μ ± 1σ encloses about
68% of X’s
σ σ
X
μ-1σ μ μ+1σ
68.26%
The Empirical Rule
(continued)
• μ ± 2σ covers about 95% of X’s

• μ ± 3σ covers about 99.7% of
X’s
2σ 2σ 3σ 3σ
μ x μ x
95.44% 99.73%
Table
• The Cumulative Standardized Normal

table in the textbook (Appendix table
E.2) gives the probability less than a
desired value for Z (i.e., from negative
infinity to Z) 0.9772
Example:
P(Z < 2.00) = 0.9772
0 2.00 Z
The Standardized Normal Table
(continued)
The column gives the value of

Z to the second decimal point
Z 0.00 0.01 0.02 …
The row shows 0.0

the value of Z 0.1 The value within the
to the first . table gives the
.
decimal point . probability from Z =  
2.0 .9772 up to the desired Z value
2.0
P(Z < 2.00) = 0.9772
General Procedure for
Finding Probabilities
To find P(a < X < b) when X is distributed
normally:
•Draw the normal curve for the
problem in terms of X
• - Translate X-values to Z-values
• - Use the Standardized Normal Table

• Suppose X is normal with mean 8.0

and standard deviation 5.0
• Find P(X < 8.6)
X
8.0
8.6
(continued)
and standard deviation 5.0. Find P(X <
8.6) Z  X  μ  8 .6  8 .0  0 .1 2
σ 5 .0
μ=8 μ=0
σ = 10 σ=1
8 8.6 X 0 0.12 Z
P(X < 8.6) P(Z < 0.12)

Solution: Finding P(Z < 0.12)
Standardized Normal Probability P(X < 8.6)

Table (Portion) = P(Z < 0.12)
Z .00 .01 .02 .5478
0.0 .5000 .5040 .5080
0.1 .5398 .5438 .5478

0.2 .5793 .5832 .5871
Z
0.3 .6179 .6217 .6255 0.00
0.12
Upper Tail Probabilities
and standard deviation 5.0.
• Now Find P(X > 8.6)
X
8.0
8.6
Upper Tail Probabilities(continued)
• Now Find P(X > 8.6)…
P(X > 8.6) = P(Z > 0.12) = 1.0 - P(Z ≤ 0.12)

= 1.0 - 0.5478 = 0.4522
0.5478
1.000 1.0 - 0.5478
= 0.4522
Z Z
0 0
0.12 0.12
Probability Between
Two Values
• Suppose X is normal with mean 8.0 and
standard deviation 5.0. Find P(8 < X < 8.6)
Calculate Z-values:
X μ 88
Z  0
σ 5
8 8.6 X
X  μ 8 .6  8 0 0.12 Z
Z   0 .1 2
σ 5 P(8 < X < 8.6)
= P(0 < Z < 0.12)
Solution: Finding P(0 < Z <
0.12)
Standardized Normal Probability P(8 < X < 8.6)
Table (Portion) = P(0 < Z < 0.12)
= P(Z < 0.12) – P(Z ≤ 0)
Z .00 .01 .02 = 0.5478 - .5000 = 0.0478
0.0 .5000 .5040 .5080 0.0478
0.5000
0.1 .5398 .5438 .5478
0.2 .5793 .5832 .5871
0.3 .6179 .6217 .6255 Z

0.00
0.12
Probabilities in the Lower Tail
and standard deviation 5.0.
• Now Find P(7.4 < X < 8)
X
8.0
7.4
Probabilities in the Lower Tail
(continued)
Now Find P(7.4 < X < 8)…

P(7.4 < X < 8)
= P(-0.12 < Z < 0) 0.0478
= P(Z < 0) – P(Z ≤ -0.12)
= 0.5000 - 0.4522 = 0.0478 0.4522
The Normal distribution is

symmetric, so this probability
7.4 8.0 X
is the same as P(0 < Z < 0.12) Z
-0.12 0
Finding the X value for a
Known Probability
• Steps to find the X value for a known
probability:
1. Find the Z value for the known
probability
2. Convert to X units using the formula:
X  μ  Zσ
Finding the X value for a
Known Probability (continued)
Example:
• Suppose X is normal with mean 8.0 and
standard deviation 5.0.
• Now find the X value so that only 20% of
all values are below this X
0.2000
? 8.0 X
? 0 Z
Find the Z value for
20% in the Lower Tail
1. Find the Z value for the known probability
Standardized Normal Probability • 20% area in the lower
Table (Portion) tail is consistent with a
Z … .03 .04 .05 Z value of -0.84
-0.9 … .1762 .1736 .1711

0.2000
-0.8 … .2033 .2005 .1977
-0.7 … .2327 .2296 .2266
? 8.0 X
-0.84 0 Z
Finding the X value
2. Convert to X units using the formula:
X  μ  Zσ
0.2000
 8.0  ( 0.84)5.0
 3.80 3.80 8.0 X
-0.84 0 Z
So 20% of the values from a distribution

with mean 8.0 and standard deviation
5.0 are less than 3.80
Evaluating Normality
• Not all continuous random variables are
normally distributed
• It is important to evaluate how well the
data set is approximated by a normal
distribution
Evaluating Normality
(continued)
• Construct charts or graphs
– For small- or moderate-sized data sets, do stem-and-
leaf display and box-and-whisker plot look symmetric?
– For large data sets, does the histogram or polygon
appear bell-shaped?
• Compute descriptive summary measures
– Do the mean, median and mode have similar values?
– Is the interquartile range approximately 1.33 σ?
– Is the range approximately 6 σ?
Assessing Normality
(continued)
• Observe the distribution of the data set

– Do approximately 2/3 of the observations lie

within mean 1 standard deviation?
– Do approximately
 80% of the observations lie
within mean 1.28 standard deviations?

– Do approximately 95% of the observations lie
within mean 2 standard deviations?
• Evaluate normal probability plot
– Is the normal probability plot approximately
linear with positive slope?
The Normal Probability Plot
• Normal probability plot
– Arrange data into ordered array
– Find corresponding standardized normal
quantile values
– Plot the pairs of points with observed data
values on the vertical axis and the
standardized normal quantile values on the
horizontal axis
– Evaluate the plot for evidence of linearity
The Normal Probability Plot
(continued)
A normal probability plot for data

from a normal distribution will be
approximately linear:
X
90
60
30
-2 -1 0 1 2 Z
Normal Probability Plot
(continued)
Left-Skewed Right-Skewed
X 90 X 90
60 60
30 30
-2 -1 0 1 2 Z -2 -1 0 1 2 Z
Nonlinear plots indicate a

deviation from normality
Summary Normal Distribution
• Presented the normal distribution as a key
continuous distribution
• Found normal probabilities using formulas
and tables
• Examined how to recognize when a
distribution is approximately normal
• Besar Probabilitas Distribusi Normal
diambil dari:
• 1. Tabel statistik, or
• 2. Program Excel  normdist
Hasil Normdist Probabilitas
normdist 0,84 0,799546
normdist -0.84 0,200454

Statistik Bisnis
• Persamaan Regresi
• 1. Pendahuluan
• • Gagasan perhitungan ditetapkan oleh Sir Francis
Galton (1822-1911)
• • Persamaan regresi : Persamaan matematik yang
memungkinkan peramalan nilai suatu Variabel takbebas
(dependent variable  Y) dari nilai varibel bebas
(independent variable).
•  2• Diagram Pencar = Scatter Diagram

• Diagram yang menggambarkan nilai-nilai observasi
variabel takbebas (dependen var) dan variabel bebas.
• Nilai variabel bebas ditulis pada sumbu X (sumbu
horizontal)
• Nilai variabel takbebas ditulis pada sumbu Y (sumbu
vertical)
• Nilai var tak bebas ~ tidak ditentukan oleh var bebas
Statistik Bisnis
• Apakah Anda sudah dapat menentukan
mana variabel takbebas dan var bebas
(independent var)?
• Contoh 1:
• Umur Vs Tinggi Tanaman (X : Umur, Y :
Tinggi)
• Biaya Promosi Vs Volume penjualan (X :
Biaya Promosi, Y : Vol. penjualan)
Statistik Bisnis
• Jenis-jenis Persamaan Regresi :
• a. Regresi Linier :
• - Regresi Linier Sederhana
• - Regresi Linier Berganda
• b. Regresi Nonlinier
• - Regresi Eksponensial
• • Regresi Linier Sederhana

• - Contoh
Statistik Bisnis
• - Bentuk Umum Regresi Linier Sederhana: Y = a + bX
• Y : variabel takbebas (dependen)
• X : variabel bebas (independen)
• a : konstanta
• b : kemiringan
• - Bentuk Umum Regresi Linier Berganda

• Y = a + b1X1 + b2X2 + ...+ bnXn
• Y : variabel takbebas a : konstanta
• X1 : variabel bebas ke-1 b1 : kemiringan ke-1
• X2 : variabel bebas ke-2 b2 : kemiringan ke-2
• Xn : variabel bebas ke-n bn : kemiringan ke-n
Statistik Bisnis
•  3• Regresi Non Linier
• - Bentuk umum Regresi Eksponensial : Y = abX
• log Y = log a + (log b) X
•  4. Regresi Linier Sederhana

• • Metode Kuadrat terkecil (least square method): metode
paling populer untuk menetapkan persamaan regresi
linier sederhana
• - Bentuk Umum Regresi Linier Sederhana :
• Y = a + bX
• Y : variabel takbebas X : variabel bebas
• a : konstanta b : kemiringan
• Nilai b dapat positif (+) dapat negartif (-)
statistik
• b : positif  Y
grafik bila b bernilai positif
100
• Y = a + bX 80
60
Y
East
40
20
0
2nd Qtr 3rd Qtr X
X
statistik
• b : negatif 
grafik bila b bernilai negatif
100
• Y = a - bX 80
60
Y
East
40
20
0
2nd Qtr 3rd Qtr X
X
statistik
n
 n  n 
n. xiyi    xi   yi 
•  5• Penetapan  i 1  i 1 
b  i 1 2
Persamaan Regresi 2  
n n
n. xi    xi 
Linier Sederhana: i 1  i 1 
• Yg mana: _ _
a  y b x
• n= banyak pasangan
data. n n
• yi= nilai var tak bebas Y  yi  xi

ke-i. a i 1
b i 1
n n
• Xi= nilai var beba X ke-i
statistik
_ _
a  y b x
statistik
• Contoh 2 :
Biaya Volume
• Berikut adalah data Tahun Promosi Penjualan
time series ttg
Biaya Promosi dan (x) (y) x.y x^2 y^2
Volume Penjualan 1992 2 5 10 4 25
PT BIMOIL 1993 4 6 24 16 36
perusahaan Minyak 1994 5 8 40 25 64
Goreng.
1995 7 10 70 49 100
1996 8 11 88 64 121
• Tentukan pers
regresinya jmlh 26 40 232 158 346
statistik
• Bentuk umum n
 n  n 
n. xiyi    xi   yi 
persamaan=  i 1  i 1 
b  i 1
• y =a+bx n
 n

2
n. xi    xi 
i 1  i 1 
n n
 yi  xi
a i 1
b i 1
n n
Perhitungan statistik
(5 X 232)  (26 X 40)

b  1,053
(5 X 158)  (26) 2
40 26
a  1,053 X ( )  2,530
5 5
•Jadi pers regresi Y= 2,53+ 1.053X

Statistik Bisnis
• Jadi pers regresi tsb adalah sbb:
• Y=a+bX.
• Y = 2.530 + 1.053 X
• •
Statistik Bisnis
• Peramalan dengan Persamaan Regresi
• Contoh:
• Bila diketahui fungsi Biaya Promosi dengan Penjualan
sbg persamaan Y= 253 +1.053X
• Tentukan Vol Penjualan bila biaya promosi sbs Rp
10juta,-.
• Y= 253+ 1.053(10 jt,-)

• Y= 1306 jt liter
Statistik Bisnis
6. Korelasi Linier Sederhana
• A• Koefisien Korelasi (r) : ukuran hubungan linier var X
dan Y
• Nilai r berkisar antara (+1) sampai (-1)
• Nilai r yang (+) ditandai oleh nilai b yang (+)
• Nilai r yang (-) ditandai oleh nilai b yang (-)
• Jika nilai r mendekati +1 atau r mendekati -1 maka X
dan Y memiliki korelasi linier yang tinggi (sempurna)
• Jika nilai r = +1 atau r = -1 maka X dan Y memiliki
korelasi linier sempurna
• Jika nilai r = 0 maka X dan Y tidak memiliki relasi
(hubungan) linier
• (dlm kasus r mendekati 0, anda dpt melanjutkan analisis
ke regresi eksponensial)
• B• Koefisien Determinasi Sampel = R = r²
Statistik Bisnis
6. Korelasi Linier Sederhana
• B• Koefisien Determinasi Sampel = R = r²

• Ukuran proporsi keragaman total nilai var Y yg
dapat dijelaskan oleh nilai var X melalui
hubungan linier.
• Penetapan & Interpretasi Koefisien Korelasi dan
Koefisien Determinasi sbb.
Statistik Korelasi Sederhana
7. Korelasi Linier
Sederhana
• Penetapan & Interpretasi
Koefisien Korelasi dan
Koefisien Determinasi
rumus sbb. n
 n  n 
n. xiyi    xi   yi 
r i 1  i 1  i 1 
 n 2
 n
2    
n 
2
n 
n
 
   xi  n yi    yi  
2
xi   i 1

i 1
 i 1     i 1  
Korelasi sederhana
Contoh 4 :
• Lihat Contoh 2, setelah mendapatkan persamaan
Regresi Y = 2.530 + 1.053 X, hitung koefisien korelasi (r)
dan koef determinasi (R).
• Gunakan data berikut (lihat Contoh 2)
• ∑x = 26 ∑y = 40 ∑xy = 232 ∑x² =158 ∑y² = 346

Korelasi sederhana
• Perhitungan statistik
ttg koef korelasi tsb
sbb:
(5 X 232)  (26 X 40)

r  0,9857
5 X158  (26 )X 5 X 346  (40 )
2 2
Contoh Data pada tabel 7.6
Data
tahun home expend percapita income pdb (gdp) fix-capital bruto

78 15.184,5 19.367,6 22.746,0 4.670,7
79 19.513,7 27.146,8 32.025,4 6.704,3
80 27.502,9 38.838,3 45.445,7 9.485,2
81 35.560,0 46.838,1 54.027,0 11.553,4
82 41.670,3 51.666,5 59.632,6 13.467,1
83 44.739,3 65.513,5 73.698,6 18.973,8
84 51.100,3 77.728,3 87.535,5 19.805,9
85 54.600,3 84.694,4 96.066,4 19.613,5
TABEL77 home expend percapita income
Y X XY Xkuad Y kuad
15.184,5 19.367,6 294087322,2 375103929,8 230569040,3
19.513,7 27.146,8 529734511,2 736948750,2 380784487,7
27.502,9 38.838,3 1068165881 1508413547 756409508,4
35.560,0 46.838,1 1665562836 2193807612 1264513600
41.670,3 51.666,5 2152958555 2669427222 1736413902
44.739,3 65.513,5 2931028131 4292018682 2001604964
51.100,3 77.728,3 3971939448 6041688621 2611240660
54.600,3 84.694,4 4624339648 7173141391 2981192760

411.793,
jumlah 289.871,3 5 17.237.816.332,7 24.990.549.755,3 11.962.728.923,1
Contoh pada tabel 77
Hasil perhitungan sbb.

• b = 0,70
• a = -125,89
• r = 0,984
Chapter 9
Regresi Linear Berganda
• Regresi Linear Berganda
• Bentuk umum pers berganda
• Y = a+bX1+cX2 atau
• Y = a +b1X1 +b2X2
• a =konstanta
• b1, b2 = koefisien regresi
• Y = var tak bebas (dependen)
• X1 , X2 = var bebas (independen)
• a, b1, b2 diperoleh dgn persamaan sbb:
Regresi Linier Berganda
• a, b1, b2 diperoleh
dengan persamaan
sbb:
n n n
(1)  na  b1  x1i  b2  x2i   y
• n=banyak pasangan i 1 i 1 i 1
i
n n n n
data (2)  a x1i  b1  x1i  b2  x2i x1i   x1i y
i
i 1 i 1 i 1 i 1
• Xi1=nilai var bebas Xi n n n n
ke1 (3)  a x2i  b1  x2i x1i  b2  x2i   x2i y

i
i 1 i 1 i 1 i 1
• Yi1=var bebas Yi ke 1
• X21=var bebas X2 ke 1
•Model regresi linier berganda

melibatkan lebih dari satu variabel Y  0  1X1  2 X 2  ...  k X k
bebas. Modelnya :
•Dimana
• Y = variabel terikat
• Xi = variabel bebas ( i = 1, 2, 3, …k)
• 0 = intersep
• i = koefisien regresi ( i = 1, 2, 3,
…k)
• Model penduganya adalah

Y  b0  b1 X 1  b2 X 2  ...  bk X k
Misalkan model regresi dengan kasus 2 variabel bebas X1 dan X2

maka modelnya :
Y  0  1 X1  2 X 2
Sehingga setiap pengamatan
 X1i , X 2i ; Yi  ; i  1, 2 ,...,n
Akan memenuhi persamaan
Y  0  1 X1  2 X 2   i
174
Menaksir Koefisien Regresi Berganda
dengan Menggunakan Matriks
Dari hasil Metode Kuadrat Terkecil didapatkan

persamaan normal :
nb0  b1  X1i  b2  X 2i ...  bk  X ki  Yi
b0  X1i  b1  X1i b2  X1i X 2i ...  bk  X1i X ki   X1iYi

2
…..
b0  X ki  b1  X ki X1i b2  X ki X 2i ...  bk  X ki   X kiYi
2
175
Menaksir Koefisien Regresi Dengan
Menggunakan Matriks
Tahapan perhitungan dengan matriks :

1. Membentuk matriks A, b dan g
 n  X1i  X 2i ...  X ki 
 
  1i  X1i X 2i  X1i X ki 
2
 X 1i X ...
A
 ... ... ... ... ... 
 
 X ki  X ki X1i  X ki X 2i  X ki
2
... 
176
Menaksir Koefisien Regresi Dengan
Menggunakan Matriks
b0   g 0   Yi 
b   
b  1
g  g 1   X 1iYi
 ...  ... 
   
bk   g k   X kiYi 
177
Metode Pendugaan Parameter
Regresi
Dengan Metode Kuadrat Terkecil, misalkan model terdiri
dari 2 variabel bebas
n n
 ei   Yi  b0  b1 X1i  b2 X 2i 
2 2
i 1 i 1
Tahapan pendugaannya :
1. Dilakukan turunan pertama terhadap b0 , b1 dan b2

  ei
2
  2Y  b  b1 X 1i  b2 X 2i 
b0
i 0

  ei
2

 2Yi  b0  b1 X 1i  b2 X 2i X 1i
b1

  ei
2

 2Yi  b0  b1 X 1i  b2 X 2i X 2i
178 b2
Regresi
2. Ketiga persamaan hasil penurunan disamakan
dengan nol
nb0  b1  X i1  b2  X i 2  Yi
b0  X1i  b1   b2  X1i X i 2   X1iYi

2
X i1
b0  X 2i  b1  X i1 X 2i  b2  X i 2   X 2iYi
2
179
Regresi
3. Nilai b1 dan b2 dapat diperoleh dengan
memakai aturan-aturan dalam matriks
J X 2 X 2 J X 1Y  J X 1 X 2 J X 2Y
b1 

J X1 X1 J X 2 X 2  J X1 X 2  2
J X 1 X 1 J X 2Y  J X 1 X 2 J X 1Y
b2 

J X1 X1 J X 2 X 2  J X1 X 2 
2
b0  Y  b1 X 1  b2 X 2
180
Uji Kecocokan Model
1. Dengan Koefisien Determinasi

JKR
R 
2
JKT
R2 menunjukkan proporsi variasi total dalam
respon Y yang dapat diterangkan oleh model
R r
2
r merupakan koefisien korelasi antara Y dengan

kelompok X1 , X2 , X3 , … , Xk
181
Uji Kecocokan Model
2. Dengan Pendekatan Analisis Ragam

Tahapan Ujinya :
1. Hipotesis =
H0 :   0
H1 :   0
dimana
 = matriks [ 0, 1, 2, … , k ]
182
Uji Kecocokan Model
2. Tabel Analisis Ragam

Komponen SS db MS Fhitung
Regressi
Regressi SSR k MSR=SSR / k MSR
s2
Eror SSE n–k–1 s2 = SSE / n-k-1
Total SST n–1
183
Uji Kecocokan Model
n  __
Dimana :
SSR  SST  SSE  ( y i  y ) 2
i 1
n 
SSE  ( yi  yi ) 2
i 1
n __
SST  ( yi  y ) 2
i 1
184
Uji Kecocokan Model
3. Pengambilan Keputusan
Fhitung > Ftabel (k , n-k-1)

H0 ditolak jika
pada taraf kepercayaan 
185
Uji Parsial Koefisien Regresi
Tahapan Ujinya :
1. Hipotesis =
H0 : j  0
H1 : j  0
dimana j merupakan koefisien yang
akan diuji
186
2. Statistik uji :
bj   j
t
sbj
Dimana : s
sbj 
bj = nilai koefisien bj J X X 1  r122 
s = SSE / n  k  1
j j
JX X
r12 
J J 
1 2
X1 X1 X2X2
187
3. Pengambilan keputusan
H0 ditolak jika
t hitung > t /2(db= n-k-1)
pada taraf kepercayaan 
188
• Kegunaan Analisis Regresi Linear Berganda
• Analisis Regresi Linear Berganda digunakan
untuk mengukur pengaruh antara lebih dari satu
variabel prediktor (variabel bebas) thdp variabel
terikat.
• Rumus:
• Y = a + b1X1+b2X2+…+bnXn
• Y = variabel terikat
• a = konstanta
• b1,b2 = koefisien regresi
• X1, X2 = variabel bebas
• ANALISIS REGRESI LINEAR BERGANDA

• Contoh:
• Seorang Manajer Pemasaran deterjen merek
“ATTACK” ingin mengetahui apakah Promosi dan
• Harga berpengaruh terhadap keputusan konsumen
membeli produk tersebut?
• Hipotesis:
• Ho : b1 = b2 = 0, Promosi dan Harga tidak berpengaruh
signifikan terhadap keputusan
• konsumen membeli deterjen merek “ATTACK”.
• Ha : b1 ¹ b2 ¹ 0, Promosi dan Harga berpengaruh
signifikan terhadap keputusan konsumen
• membeli deterjen merek “ATTACK”.
• Data Kasus
• No. Responden Promosi(X1) Harga(X2) Keputusan
Konsumen(Y)
No B.Promosi Harga Keputusan konsumen

X1 X2 Y
1 10 7 23
2 2 3 7
3 4 2 15
4 6 4 17
5 8 6 23
6 7 5 22
7 4 3 10
8 6 3 14
9 7 4 20
10 6 3 19
jmlh 60 40 170
TABEL PEMBANTU
No B.Pro Harga Keput

No X1 X2 Y X1.Y X2.Y X1.X2 X1 ^2 X2 ^2
1 10 7 23 230 161 70 100 49
2 2 3 7 14 21 6 4 9
3 4 2 15 60 30 8 16 4
4 6 4 17 102 68 24 36 16
5 8 6 23 184 138 48 64 36
6 7 5 22 154 110 35 49 25
7 4 3 10 40 30 12 16 9
8 6 3 14 84 42 18 36 9
9 7 4 20 140 80 28 49 16
10 6 3 19 114 57 18 36 9
jmlh 60 40 170 1122 737 267 406 182
• PERSAMAANNYA
a.n  b1  X i1  b2  X i 2   Yi ........(1)
a. X 1i  b1  X i1  b2  X 1i X i 2   X 1iYi ......(2)

2
a. X 2i  b1  X i1 X 2i  b2  X i 2   X 2iYi .....(3)

2
•PERSAMAANNYA
170 = 10 a + 60 b1 + 40 b2…………………. (1)
1122 = 60 a + 406 b1 + 267 b2………………….. (2)
737 = 40 a + 267 b1 + 182 b2………………….. (3)
Persamaan (1) dikalikan 6, persamaan (2) dikalikan 1: Menjadi sbb
1020 = 60 a + 360 b1 + 240 b2
35163 = 60 a + 406 b1 + 267 b2
------------------------------------------ _
-102 = 0 a + -46 b1+ -27 b2
-102 = -46 b1-27 b2……………………………………. (4)
Persamaan (1) dikalikan 4, persamaan (3) dikalikan 1: menjadi sbb

680 = 40 a + 240 b1 + 160 b2
737 = 40 a + 267 b1 + 182 b2
---------------------------------------- _
-57 = 0 a + -27 b1 + -22 b2
-57 = -27 b1 – 22 b2………………………………….. (5)
Persamaan (4) dikalikan 27, persamaan (5) dikalikan 46:
• 
• -57 = 0 a + -27 b1 + -22 b2
• -57 = -27 b1 – 22 b2………………………………….. (5)
• Persamaan (4) dikalikan 27, persamaan (5) dikalikan 46: mjd sbb
• -2754 = -1242 b1 - 729 b2
• -2622 = -1242 b1 - 1012 b2
• ------------------------------------- _
• -132 = 0 b1 + 283 b2
• b2 = -132:283 = -0,466
Harga b2 dimasukkan ke dalam salah satu persamaan (4) atau (5):

-102 = -46 b1- 27 (-0,466)
-102 = -46 b1+ 12,582
46 b1 = 114,582
b1 = 2,4909
Harga b1 dan b2 dimasukkan ke dalam persamaan 1:

170 = 10 a + 60 (2,4909) + 40 (-0,466)
170 = 10 a + 149,454 – 18,640
10 a = 170 – 149,454 + 18,640
10a = 39,186 :  a = 3,9186
Jadi:
a = 3,9186
b1 = 2,4909
b2 = -0,466
Keterangan: a = konstanta
b1 = koefisien regresi X1
b2 = koefisien regresi X2
Persamaan regresi: Y = 3,9186 + 2,4909 X1 – 0,466 X2
197
Koefisien Korelasi Berganda (R)
R = {(2,4909).(1122 ) + (-0,466 ).( 737 )} / 3162
R = 0,775252308
Koefisien Determinasi (R2)

R2 = (0,775252308)2
R2 = 0,60
F Hitung
F Hitung = {0,60 (10 -2 -1)}/{ 2 (1- 0,600}-
F = 5,25
Keterangan:
K = jumlah variable bebas
198
(dgn Matriks)
• PENGUJIAN HIPOTESIS
• Dk Pembilang = k
• =2
• Dk Penyebut = n-k-1
• = 10-2-1
• =7
•  F tabel = 4,74
• Hipotesis
• Ho : b1 = b2 = 0, Variabel Promosi Dan Harga Tidak Berpengaruh Signifikan
Terhadap Keputusan Konsumen Membeli Deterjen Merek ”Attack”
• Ha : b1 ¹ b2 ¹ 0, Variabel Promosi Dan Harga Berpengaruh Signifikan Terhadap
Keputusan Konsumen Membeli Deterjen Merek ”Attack”
• Kriteria:
• F hitung F tabel = Ho diterima
• F hitung > F tabel = Ho ditolak, Ha diterima
• F hitung (5,25) > F tabel (4,74) = Ho ditolak, Ha Diterima
•  Jadi, dapat disimpulkan bahwa Promosi dan Harga berpengaruh signifikan
terhadap keputusan konsumen membeli deterjen merek “ATTACK”.
Regresi Linier Berganda dg
matriks
(det matrik) X (matrk vector colom) = (nilai koefisien masing)
b0   g 0   Yi 
b   
b  1
g  g 1   X 1iYi
 ...  ... 
   
bk   g k   X kiYi 
200
(dgn Matriks)
• karena
 n  X1i  X 2i ...  X ki 
 
  X1i  X1i X 2i  X1i X ki 
2
 X 1i ...
A
 ... ... ... ... ... 
 
 X ki  X ki X1i  X ki X 2i  X ki
2
... 
Chapter 10
Data Berkala
(Time Series Data)
BUKU ACUAN
Statistik (2000). J. Supranto, jilid 1 Ch.9 edisi
keenam, halaman 213 – 232
Learning Objective :
 Memahami data berkala, dan jemis-jenis gerakan/variasi data berkala
 Menggunakan berbagai metode utk memperoleh Trend
Materi Data Berkala
۩ Penentuan Trend
 - Metode tangan bebas
 - Metode rata-rata semi
 - Metode rata-rata bergerak
 - Metode kuadrat terkecil (least square)
Arti Penting DATA BERKALA
• Data Berkala (Time Series Data)
Adalah data yang dikumpulkan dari waktu ke waktu untuk menggambarkan
perkembangan suatu kegiatan.
Misal : perkembangan produksi, harga, penduduk dll
• Analisa Data Berkala

Memungkinkan kita mengetahui perkembangan suatu kejadian serta hubungan
atau pengaruh terhadap kejadian lainnya.
• Misal : apakah kenaikan biaya iklan akan diikuti kenaikan penerimaan
penjualan
• Klasifikasi Gerakan Data Berkala (ada 4 variasi)

1. Gerakan Trend Jangka Panjang (Trend) simbulnya T
2. Gerakan Siklus atau siklis, simbulnya C
3. Gerakan Musiman, simbulnya S
4. Gerakan Acak (tidak teratur), simbulnya I
Gambar Garis Trend
• Trend Jangka Panjang (Naik dan Turun)
Y = f(X) Y = f(X)
Waktu Waktu
Trend Turun Trend Naik
Gambar Garis Trend
• Trend Siklis dan Musiman
Y = f(X) Y = f(X)
Waktu Waktu
Trend Siklis Trend Musiman
Gambar Garis Trend
• Trend Tidak Teratur (Acak)
Y = f(X) Y = f(X)
Waktu Waktu
Trend Acak Naik Trend Acak mendatar
.
Metode Penentuan Trend

Ada 4 Metode Penentuan Trend
1. Metode Tangan Bebas (Free Hand Method )
2. Metode rata-rata semi (setengah rata-rata)
3. Metode rata-rata bergerak ( Moving Average )
4. Metode Kuadrat terkecil ( Least Square Method )

.
Metode Tangan Bebas

Contoh soal 9.2 :
Produk Domestik Bruto (PDB) atas dasar harga konstan tahun 1983 (milyard
rupiah). (a). Coba anda buat persamaan garis trend-nya dan gambarkan ?
(b). Ramalkan PDB untuk tahun 2000 dan 2001
Tahun 1992 1993 1994 1995 1996 1997 1998 1999

Sumbu (X) 0 1 2 3 4 5 6 7
PDB (Y) 10.164,9 11.164,9 12.054,6 12.325,4 12.842,2 13.511,5 14.180,8 14.850,1
Hasilnya, persamaan garis trend Y = 10.164,9 + 669,3 x (x = variabel waktu)

artinya setiap tahun secara rata-rata terjadi kenaikan Produk Domestik Bruto
(PDB) sebesar 669,3 milyard (= b) dan a = 10,164,9
Untuk meramalkan tahun (2000) dan (2001), maka nilai x = (8 dan 9), harus
dimasukan dipersamaan garis trend diatas.
• PBD 2000 = 10.164,9 + 669,3 (8) = Rp. 15.519,3 Milyard
• PDB 2001 = 10.164,9 + 669,3 (9) = Rp. 16.188,6 Milyard
Lanjutan, …
tangan bebas
Milyard rupiah
PDB
Garis trend Y = 10.164,9 + 669,32 X
15.000
• 

14.000 •

13.000 •

12.000 •  

11.000 •
10.000 •
      
1992 1993 1994 1995 1996 1997 1998 1999 2000 Tahun
.
Metode Rata-rata Semi
Langkah pengerjaannya :
– Data dikelompokan menjadi dua kelompok yang jumlah datanya sama
– Masing-masing kelompok dicari rata-ratanya
– Titik absis harus dipilih dari variabel yang berada di tengah-tengah
masing-masing kelompok
– Titik koordinat dimasukan kedalam persamaan Y = a + bx
Contoh soal :
Gunakan data dari contoh soal 9.2. yaitu PDB atas dasar harga konstan 1992
Buatlah trend dengan metode rata-rata semi (setengah rata-rata)
Lanjutan, …. .
Contoh Soal Metode Rata-rata Semi

Tahun X Y rata-rata
1992 0 10.164,9
1993 1 11.169,2 45.714,1
1994 2 12.054,6 Y1 = 4 = 11.428,5
1995 3 12.325,4
1996 4 12.842,2
1997 5 13.511,5 55.384,6
1998 6 14.180,8 Y2 = 4 = 13.846,2
1999 7 14.850,1
Mencari titik absis :

Data 8 tahun 0 1 2 3 4 5 6 7
I II
Diperoleh titik absis (1,5) dan (5,5), artinya absis pertama antara tahun kedua
dan ketiga serta absis kedua antara tahun keenam dan ketujuh
Lanjutan, …. .
Contoh Soal Metode Rata-rata Semi
Kemudian nilai absis dan nilai Y dimasukan kedalam persamaan Y = a + bx

hasilnya sbb :
11.428,5 = a + b(1,5) …………………….. Pers. 1

13.846,2 = a + b(5,5) …………………….. Pers. 2
Dengan cara substitusi persamaan (1) = persamaan (2)

Persamaan (1) a = 11.428,5 - 1,5b, masukan ke persamaan (2)
13.486 = (11.428,5 - 1,5b) + 5,5b
b = 604,42
a = 10.521,87
Sehingga persamaan menjadi : Y = 10.521,87 + 604,42X (X = variabel

waktu)
Ramalan PDB 2000 ( X = 8 ) Y = 10.521,87 + 604,42(8) = 15.357,23

PDB 2001 ( X = 9 ) Y = 10.521,87 + 604,42(9) = 15.961,65
Metode Kuadrat Terkecil
(Least square method) cara 1
Untuk pengerjaannya dapat dilakukan dengan 2 cara yang hasilnya semuanya sama.
kita mengambil Contoh soal 9.2 : yaitu PDB atas dasar harga konstan 1992
Cara 1, buatlah persamaan garis trend dengan metode kuadrat terkecil
Tahun X Y XY X2
1992 -7 10.164,9 -71.154,3 49
1992 -5 11.169,2 -55.846,0 25
1994 -3 12.054,6 -36.163,8 9
1995 -1 12.325,4 -12.325,4 1
1996 1 12.842,2 12.842,2 1
1997 3 13.511,5 40.534,5 9
1998 5 14.180,8 70.904,0 25
1999 7 14.850,1 103.950,7 49
Jumlah (  ) y = 101.098,7 xy = 52.741,9 x2 = 168
a = y = 101.098,7 / 8 = 12.637,34, dimana n = 8
b =  X1 Y1 = 52.741,9 = 313,94
 X 12 168
Lanjutan,…
Metode Kuadrat Terkecil Cara 1
Maka persamaan trend linier secara Least Square method adalah

Y = a + bx,
dimana a = 12.637,34 dan b = 313,94
Y = 12.637,34 + 313,94 X
Untuk meramalkan nilai y tahun 2000, nilai x menjadi = 9, masukan
kedalam persamaan diatas, sehingga y = 12.637,34 + 313,94 (9)
= 15.462,8
Jadi ramalan PDB 2000 = Rp. 15.462,8 milyard

Metode Kuadrat Terkecil
(Least square method) cara 2
Masih menggunakan contoh yang sama yaitu Contoh soal 9.2 PDB atas dasar harga
konstan 1992
Cara 2, buatlah persamaan garis trend dengan metode kuadrat terkecil
Tahun X Y XY X2
1992 1 10.164,9 10.164,9 1
1992 2 11.169,2 22.338,0 4
1994 3 12.054,6 36.163,8 9
1995 4 12.325,4 49.301,6 16
1996 5 12.842,2 64.211,0 25
1997 6 13.511,5 81.069,0 36
1998 7 14.180,8 99.265,6 49
1999 8 14.850,1 118.800,8 64
() x = 36 y = 101.098,7 xy = 481.315,1 x2 = 204
Mencari X =  X1 / n = 36 / 8 = 4,5
Y =  Y1 / n = 101.098,7 / 8 = 12.637,34
Lanjutan,…
Metode Kuadrat Terkecil Cara 2
Maka persamaan trend linier secara Least Square method adalah

Y = a + bx,
dimana a = Y - bX = 12.637,34 – 627,88 (4,5) = 9.811,88
b = n ( X1 Y1) - ( X1)(  Y1) = 3.850.520,8 – 3.639.553,2
n ( X12) – ( X1)2 1.632 – 1.296
= 627,879
Persamaan menjadi Y = 9.811,88 + 627,879 X
Untuk meramalkan nilai y tahun 2000, nilai x menjadi = 9, masukan
kedalam persamaan diatas, sehingga y = 9.811,88 + 627,879 (9)
= 15.462,8
Jadi ramalan PDB 2000 = Rp. 15.462,8 milyard (= dengan cara 1)
Analisis Trend Data Berkala dengan
Regresi ber-Dummy Variabel
Trend Data Berkala bisa diperoleh

melalui Regresi Ganda bervariabel
Dummy
Siklis didekati dengan Dummy Variabel

Regresi Pendekatan Siklis
Contoh: Data Produksi Buah-buahan
Data Produksi Buah

t Hujan PANAS
1995 80 150
1996 100 105
1997 95 170
1998 170 105
1999 110 190
2000 150 145
2001 115 210
2002 175 180
2003 120 220
2004 185 190
Apabila Siklus (=C) didekati sebagai dummy (-D) maka:

Persamaan TREND tersebut seharusnya berbentuk
Y = a + b1.t + b2. D
Hujan Panas
Data produksi tsb TAHUN Y d t
disusun 1995 Hujan 80 0 1
secara berkala sbb panas 150 1 2
1996 Hujan 100 0 3

panas 105 1 4
1997 Hujan 95 0 5
panas 170 1 6
1998 Hujan 115 0 7
panas 105 1 8
1999 Hujan 110 0 9
panas 190 1 10
Berdasar Printout EXELS,
2000 Hujan 150 0 11
Persamaan Trend produksi
panas 145 1 12
tsb adalah 2001 Hujan 115 0 13
panas 210 1 14
Y= 78,894+4,56t+37,43D 2002 Hujan 175 0 15
panas 180 1 16
Panen=78.89 + 4,56time + 2003 Hujan 120 0 17
37,43D panas 220 1 18
2004 Hujan 185 0 19
panas 190 1 20
Contoh: Data komsumsi BBM selama 5tahun
quartal
Kebutuhann Konsumsi BBM

m-
thn kuartal dingin m-semi panas m-gugur
1995 Dingin 80 100 150 105
1996 Dingin 95 115 170 105
1997 Dingin 110 150 190 145
1998 Dingin 115 175 210 180
1999 Dingin 120 185 220 190
thn kuartal t sebenar t m-semi m-panas m-gugur
1995 Dingin 1 80 1 0 0 0 662 66,2 66,2

Semi 2 100 2 1 0 0 1072 107 107,2
Panas 3 150 3 0 1 0 1502 150,2 150,2
Gugur 4 105 4 0 0 1 1702 170,2 170,2
1996 Dingin 1 95 5 0 0 0 851 85,1 85,1
Semi 2 115 6 1 0 0 1261 126,1 126,1
Panas 3 170 7 0 1 0 1691 169,1 169,1
Gugur 4 105 8 0 0 1 1261 126,1 126,1
1997 Dingin 1 110 9 0 0 0 1040 104 104
Semi 2 150 10 1 0 0 1450 145 145
Panas 3 190 11 0 1 0 1880 188 188
Gugur 4 145 12 0 0 1 1450 145 145
1998 Dingin 1 115 13 0 0 0 1229 122,9 122,9
Semi 2 175 14 1 0 0 1639 163,9 163,9
Panas 3 210 15 0 1 0 2069 206,9 206,9
Gugur 4 180 16 0 0 1 1639 163,9 163,9
1999 Dingin 1 120 17 0 0 0 1418 141,8 141,8
Semi 2 185 18 1 0 0 1828 182,8 182,8
Panas 3 220 19 0 1 0 2558 255,8 255,8
Gugur 4 190 20 0 0 1 1828 182,8 182,8
30030 3003 3003
thn kuartal t sebenar t m-semi m-panas m-gugur
1995 Dingin 1 80 1 0 0 0 662 66,2 66,2
Semi 2 100 2 1 0 0 1072 107 107,2
Panas 3 150 3 0 1 0 1502 150,2 150,2
Gugur 4 105 4 0 0 1 1702 170,2 170,2
1996 Dingin 1 95 5 0 0 0 851 85,1 85,1
Semi 2 115 6 1 0 0 1261 126,1 126,1
Panas 3 170 7 0 1 0 1691 169,1 169,1
Gugur 4 105 8 0 0 1 1261 126,1 126,1
1997 Dingin 1 110 9 0 0 0 1040 104 104
Semi 2 150 10 1 0 0 1450 145 145
Panas 3 190 11 0 1 0 1880 188 188
Gugur 4 145 12 0 0 1 1450 145 145
1998 Dingin 1 115 13 0 0 0 1229 122,9 122,9
Semi 2 175 14 1 0 0 1639 163,9 163,9
Panas 3 210 15 0 1 0 2069 206,9 206,9
Gugur 4 180 16 0 0 1 1639 163,9 163,9
1999 Dingin 1 120 17 0 0 0 1418 141,8 141,8
Semi 2 185 18 1 0 0 1828 182,8 182,8
Panas 3 220 19 0 1 0 2558 255,8 255,8
Gugur 4 190 20 0 0 1 1828 182,8 182,8
30030 3003 3003
Y X (t) D1 D2 D3
Ding 80 1
Semi 100 2
Panas 150 3
Gugur 105 4
Ding 95 5
Semi 115 6
Panas 170 7
Gugur 105 8
Ding 110 9
Semi 150 10
Panas 190 11
Gugur 145 12
Ding 115 13
Semi 175 14
Panas 210 15
Gugur 180 16
Dingin 85 17
Semi 220 18
Panas 190 19
ANOVA
df SS MS F Significance F
Regression 4 31895,625 7973,906 59,82299 4,86E-09
Residual 15 1999,375 133,2917
Total 19 33895
Coefficients Standard Error t Stat P-value Lower 95% Upper 95% Lower 95,0% Upper 95,0%
Intercept 61,53125 6,59757985 9,326337 1,24E-07 47,46884 75,59366 47,46884 75,59366
X Variable 1 4,71875 0,45636414 10,33988 3,21E-08 3,746033 5,691467 3,746033 5,691467
X Variable 2 36,28125 7,31607373 4,959115 0,000171 20,68741 51,87509 20,68741 51,87509
X Variable 3 74,5625 7,35865066 10,13263 4,2E-08 58,87791 90,24709 58,87791 90,24709
X Variable 4 26,84375 7,42906998 3,613339 0,002555 11,00906 42,67844 11,00906 42,67844
thn BLN HARGA TIME D1 D2 D3 D4 D5 D6 D7 D8 D9 D10 D11
95jan 148,82 1 0 0 0 0 0 0 0 0 0 0 0
feb 191,35 2 1 0 0 0 0 0 0 0 0 0 0
mar 146,87 3 0 1 0 0 0 0 0 0 0 0 0
apr 146,06 4 0 0 1 0 0 0 0 0 0 0 0
may 147,05 5 0 0 0 1 0 0 0 0 0 0 0
jun 145,55 6 0 0 0 0 1 0 0 0 0 0 0
jul 147,48 7 0 0 0 0 0 1 0 0 0 0 0
agt 147,4 8 0 0 0 0 0 0 1 0 0 0 0
sept 146,76 9 0 0 0 0 0 0 0 1 0 0 0
okt 147,62 10 0 0 0 0 0 0 0 0 1 0 0
nop 150,15 11 0 0 0 0 0 0 0 0 0 1 0
dec 152,25 12 0 0 0 0 0 0 0 0 0 0 1
96jan 157,94 13 0 0 0 0 0 0 0 0 0 0 0
feb 163,13 14 1 0 0 0 0 0 0 0 0 0 0
mar 166,19 15 0 1 0 0 0 0 0 0 0 0 0
apr 170,3 16 0 0 1 0 0 0 0 0 0 0 0
may 183,53 17 0 0 0 1 0 0 0 0 0 0 0
jun 190,48 18 0 0 0 0 1 0 0 0 0 0 0
jul 203,7 19 0 0 0 0 0 1 0 0 0 0 0
agt 213,72 20 0 0 0 0 0 0 1 0 0 0 0
sept 208,6 21 0 0 0 0 0 0 0 1 0 0 0
okt 211,07 22 0 0 0 0 0 0 0 0 1 0 0
nop 209,73 23 0 0 0 0 0 0 0 0 0 1 0
dec 201,71 24 0 0 0 0 0 0 0 0 0 0 1
97jan 213,72 25 0 0 0 0 0 0 0 0 0 0 0
feb 215,89 26 1 0 0 0 0 0 0 0 0 0 0
mar 213,32 27 0 1 0 0 0 0 0 0 0 0 0
apr 212,01 28 0 0 1 0 0 0 0 0 0 0 0
may 208,96 29 0 0 0 1 0 0 0 0 0 0 0
jun 212,07 30 0 0 0 0 1 0 0 0 0 0 0
jul 206,84 31 0 0 0 0 0 1 0 0 0 0 0
agt 203,81 32 0 0 0 0 0 0 1 0 0 0 0
sept 203,29 33 0 0 0 0 0 0 0 1 0 0 0
okt 202,99 34 0 0 0 0 0 0 0 0 1 0 0
nop 202,27 35 0 0 0 0 0 0 0 0 0 1 0
dec 203,4 36 0 0 0 0 0 0 0 0 0 0 1
98jan 188,22 37 0 0 0 0 0 0 0 0 0 0 0
feb 188,88 38 1 0 0 0 0 0 0 0 0 0 0
Chapter 11
Angka Indeks
Learning Objective:
Menjelaskan pengertian angka Indeks
Menjebutkan macam macam angka Indeks
Menghitung berbagai angka Indeks dan implementasi
Menguji angka Indeks dan mendeflasikan data berkala
Statistik (2000) J. Supranto, jilid 1 Chap.11 edisi

ketujuh, halaman 280 – 303
Angka Indeks
Materi
Indek agregat
Indek harga relatif sederhana
Indeks rata-rata harga relatif
Angka indeks berantai
Pendeflasian data berkala
CH 11. ANGKA INDEKS 08 - 01
Indeks adalah Angka Perbandingan, dua atau lebih kegiatan yang sama
untuk kurun waktu yang berbeda, dibandingkan dengan kegiatan dasar.
Satuan angka indeks % namun dalam prakteknya jarang dipakai.
Ada dua jenis periode

1. Periode Dasar. Periode yang dipakai sebagai dasar dalam membandingkan
kegiatan tersebut.Umumnya nilainya = 100
2. Periode Berjalan / Bersangkutan.Periode yang dibandingkan dalam kegiatan
tersebut
Contoh :
1960 Penduduk Indonesia = 97.085.348 jiwa
1970 meningkat = 147.490.298 jiwa
 Apabila Periode Dasar 1960

Indeks Penduduk Indonesia 1960
97.085.348
=  100%  100%
97.085.348
Indeks Penduduk Indonesia 1970 08 - 02
= 97.085.348
 100%  100% Indeks 1970 = 145 490298 / 97085348=
97.085.348
Ada kenaikan 51,92% (151,92 – 100)
Bagaimana kalau Periode Dasarnya 1970
Penyusunan Angka Indeks (Baik) :

1. Perumusan Masa Depan
Angka Indeks harus disesuaikan dengan tujuan penggunaan dan ukurannya sama.
2. Pemilihan Periode Dasar
A. Keadaan ekonomi relatif mantap dan stabil
B. Jangan terlalu jauh
Jenis Angka Indeks (Penggunaan) :

1. Indeks Harga (Price Index)
Mengukur perubahan harga barang
Misal : Indeks harga konsumen
Indeks harga perdagangan besar
Indeks harga yang dibayar dan diterima petani
2. Indeks Kwantitas (Quantity Index)
Mengukur kwantitas suatu barang yang diproduksi dikonsumsi maupun dijual
08 - 03
Misal : Indeks Produksi Beras

Indeks Konsumsi Kedelai
Indeks Penjualan Jagung
3.Indeks Nilai (Value Index)
Perubahan nilai dari suatu barang, baik yang dihasilkan diimpor maupun diexport.
Misal : Indeks nilai export kopra
Indeks nilai import beras
Berdasar Cara Penentuan :
1. Indeks Tidak Berimbang
Yang dalam pembuatannya tidak memasukkan faktor yang mempengaruhi naik-
turunnya angka indeks
A. Metode Angka Relatif
B. Metode Agreagat
C. Metode Rata-Rata Relatif
2. Indeks Tertimbang
Memasukkan faktor yang mempengaruhi
A. Metode Agregat Sederhana Tertimbang
Metode Laspeyres
Metode Paasche
Metode Drobisch
Metode Fisher
Metode Marshall – Edgeworth
Metode Walsh
08 - 05
B. Agregat
Jenis Bahan Pokok 1971 1972 1973
Jumlah 1.254,97 1.261,51 1.270,0
Indeks Harga 100 100,52 ......
Indeks Harga 1971 = 100

1.261,51
Indeks Harga 1972  x100 %  100,52
1.254,97
C. Rata- Rata Relatif
Jenis Bahan Pokok Relatif – Harga Pn
Po
Beras 46,62/38,92 = 1,1978

Ikan Asin 140,11/135,89 = 1,0311
Minyak Kelapa 86,46/93,82 = 0,9216
Gula Pasir 140,21/97,90 = 1,0644
Garam 10,74/9,57 = 1,1222
Minyak Tanah 16,26/16,14 = 1,0074
08 - 06
Sabun Cuci 32,26/31,44 = 1,0579
Tekstil 118,16/118,87 = 0,9940
Batik 705,69/712,42 = 0,9906
Pn
 Po
= 9,3870
INDEK BERHIMBANG
Pn
 Po
Indeks Harga 1972  x100 %
n
 9 , 3870
9 x100  104 ,3
A. LASPEYRES (QO TETAP)
P = HARGA Q = JUMLAH ATAU KWANTITAS
JENIS Po Pn Qo Pn Qo Po Qo
BAHAN
Kopra 4,959 6,437 1,840 11,844,080 9,124,560
Kopi 14,902 14,595 994 14,507,430 14,812,588
Lada 26,726 23,595 24 566,280 641,424
Teh 17,252 21,595 420 9,069,900 7,245,840
08 - 07
kapok 17,000 17,500 16 280,000 272,00
TOTAL 36,267,690 32,096,412
IL 
 PnQo
x100
 PoQo
Disini indeks 1971 = 100 ( Th. Dasar)

36,267,690
IL  x100  112,996
32,096,412
B. PAASCHE ( Qn Tetap )
Menggunakan kuantitas tahun tertentu sebagai
timbangan
Jenis Bahan Po Pn Qn PnQn PoQn
Kopra 4,959 6,437 969 6,237,453 4,805,271

Kopi 14,902 14,595 742 10,829,490 11,057,284
Lada 26,726 23,595 242 5,704,990 6,467,692
Teh 17,252 21,595 456 9,847,320 7,866,912
Kapuk 17,000 17,500 13 227,500 221,000
Total 32,851,753 30,418,159

08 - 08
Rumus :
IP 
 PnQn x100
 PoQn
32,851,753
IP  x100  108,0
30,418,159
Disini diumpamakan indeks 1971 = 100
C. PROBISH ( Rata Hitung )
 Rumus yang terdapat diantara kedua hasil perumusan LASPEYRES dan PASCHE
 PROBISH menganjurkan sistem rata – rata bagi hasil indeks LASPEYRES dan
PAASCHE jika hasil kedua indeks tersebut berbeda jauh
IL  IP
IP 
2
(112,996 )  (108,00)
IP   110,498
110,498
08 - 09
D. FISHER ( Rata Ukur )

Dikenal juga dengan nama Indek Indial
Rumus : IF  ILxIP
IF  112,996 x108,00 
 110,470
 Hasil Fisher relatif tidak begitu berbeda dengan hasil Drobisch
 Meskipun demikian, hasil indeks Fisher < dibanding hasil Drobisch
E. MARSHALL – EDGEWORTH
 Rata-rata tidak dilakukan terhadap indeks PAASCHE dan LASPEYRES, tetapi

dilakukan terhadap timbangan kuantitasnya (Q)
Rumus :
IME 
 Pn(Qo  Qn)
x100
 Po(Qo  Qn)
08 - 10
Jenis Po Pn Qo Qn
Bahan
Kopra 4,959 6,437 1.840 969
Kopi 14,902 14,595 994 742
Lada 26,726 23,595 24 242 Indeks Harga
Teh 17,252 21,595 420 456
Kapuk 17,000 17,500 16 13
69.119.443
1971  x100  110,562
62.514.571
Qo + Qn Po (Qo + Qn) Pn (Qo + Qn)
2.809 13.929.831 18.081.533
1.736 25.869.872 25.336.920
266 7.109.116 6.276.270
F. WALSH
876 15.112.752 18.917.220 Rumus :

29 493.000 507.500
Pn QoQn
IW  x100
62.514.571 69.119.443
 Po QoQn
KESIMPULAN 08 - 11
A.Indeks Tidak Tertimbang

Qn
1. Metode Angka Relatif IK  x100
Qo
2. Metode Agregat IA 
 Pn x100
 Po
Pn
3. Metode Rata Relatif  Po
IRH  x100
B.Indeks Tertimbang n
1. Indeks Laspeyres IL 
 QnPo x100
 QoPo
2. Indeks Paasche IP 
 QnPn x100
 QoPn
3. Indeks Drobisch IL  IP
ID 
2
4. Indeks Fisher
IF  ILxIP
5. Indeks Marshal - Edgeworth
IME 
 Qn( Po  Pn) x100
 Qo( Po  Pn)
LATIHAN ANGKA INDEKS
Tabel. Kuantitas Produksi dan harga eceran tiga
jenis barang, 1994 dan 1995
Jenis Barang Produksi Harga
1994 1995 1994 1995
X 44 65 25 50
Y 125 174 75 100
Z 86 134 40 60
1. Tentukan Indeks Kuantitas Relatif barang Y tahun 1994, apabila tahun

dasar 1995.
2. Tentukan Indeks Kuantitas Rata rata Relatif tahun 1995 dengan tahun
dasar 1994.
3. Tentukan Indeks Kuantitas Laspeyres 1995, Paasche 1995, Drobisch 1995

dengan tahun dasar 1994
4. Tentukan Indeks Marshall – Edgeworth 1995 dan Walsh 1995 dengan tahun
dasar 1994
DEFLASI (Membandingkan)
Meskipun pendapatan seseorang setiap periode

(= Tahun) meningkat , namun pendapatan nyata
(Riil) belum tentu naik bahkan mungkin turun
Nilai Uang = Daya Beli Uang
Pendapatan Nyata
 Dengan membandingkan (Deflasi) nilai pendapatan nyata dengan Indeks

Harga (Indeks Biaya Hidup)
 Ada tahun dasar (Tahun Patokan) = 100 %
 Indeks Harga Berfungsi sebagai Deflator
Contoh
Pendapatan Pak Bima Tahun 1990 adalah 160%
Dibandingkan tahun 1980 (naik 60%)
Sedangkan indeks biaya hidup telah naik 2x lipat
Dibandingkan tahun 1980 (sbg tahun patokan)
• Pendp. Nyata = 160/2 = 80% saja

Contoh Indeks yg lain lagi
Tahun 1995 1996 1997 1998 1999
Upah Rata 1500 2000 2500 2700 3000

(Rp/Hari)
Indeks Harga
Konsumen 95,5 101,8 114,4 116,2 123,5
(1995=100%)
Tentukan Upah Nyata dari soal diatas

• Langkah Satu
101,8
Tahun dasar 1995 = 100% maka I 1996 x100 %  106,6%
indeks Harga Konsumen yang 95,5
baru
114,4
I 1997  x100 %  119,8%
Langkah Dua 95,5
Tentukan upah nyata (pendapatan Riil) 116,2
dengan cara membagi upah rata dengan I 1998  x100 %  121,7%
IHK yang baru
95,5
123,5
I 1999  x100 %  129,3%
95,5
Tahun dasar tetap 1995 = 100%
Upah nyata
Rp.1.500 Rp.1.500
I 1995    Rp.1.500
100 % 1
Rp.2.000 Rp.2.000
I 1996    Rp.1.876
106,6% 1,066
Rp.2.500 Arti Upah Nyata
I 1997   Rp.2.087
1,198 Misal Tahun 1999: Upah Rata Rp.3000
Rp.2.700 dengan
I 1998   Rp.2.219 IHK = 129,3%. Upah nyata hanya Rp.2320
1,217
Artinya telah terjadi penurunan nilai uang
Rp.3.000 akibat
I 1999   Rp.2.320
1,293 Kenaikan harga dan lain lainnya.
Tahun 1995 1996 1997 1998 1999
Upah Rata (Rp/Hari) 1500 1876 2087 2219 2320
IHK Baru 100% 106,6% 119,8% 121,7% 129,3%

1995=100%
Sejak 1995 – 1999
• Upah rata rata naik sebesar 100% dari
Rp.3000 - Rp.1500
Rp.1500
• Upah nyata (Pendapatan Riil) naik 54,7% dari
Rp.2320 - Rp.1500
Rp.1500
Jadi periode 1995-1999 upah yang diterima
Naik 100%, tetapi sebenarnya upah nyata Hanya naik 54,7%
Daya Beli
Dengan memakai IHK baru, tentukan daya beli rupiah per tahun bilamana dianggap 1
rupiah (1995) benar-benar bernilai 1 rupiah atau mempunyai daya beli 1 rupiah
Jawab
Karena tahun 1995, 1 rupiah mempunyai daya beli 1 rupiah maka upah Pak Bima
(1995) dengan Indeks 100 % adalah :
Sehingga : Rp.1 Rp.1

  Rp.1
100% 1
Daya Beli
Artinya :
Uang 1 upaih pada tahun 1995 mempunyai
Rp.1 Rp.1
1997    Rp.0,94 daya beli
106,6% 1,066 hanya 0,94 rupiah pada tahun 1996 dan
Rp.1 Rp.1 0,83
1998    Rp.0,83
rupiah pada tahun 997 dan seterusnya
119,8% 1,198
Dengan kata lain
1998 
Rp.1

Rp.1 •
 Rp.0,82 Daya Beli tahun 1996 turun sebesar
121,7% 1,217
0,94  1
Rp.1 Rp .1  6%
1999    Rp.0,77 1
129,3% 1,293
• Daya beli tahun 1997 turun 17%
Tahun 1995 1996 1997 1998 1999
Daya Beli 1,0 0,94 0,83 0,82 0,77
~ Turun Turun Turun Turun

6% 17 18% 23%
Soal
Tahun Gaji/Bulan IHK
1997 Rp.3.000.000 110
1998 3.400.000 118
Ditanya :
1999 3.900.000 125
• IHK Baru
• Gaji Rill (nyata)
2000 4.100.000 130 • Jika Tahun 2002 IHK = 145 ingin kenaikan
gaji 10% dari 2001 berapa sebaiknya upah
normal yang harus diberikan PT.ITB
2001 4.500.000 138
• Daya beli per 1 Rupiah
Asumsi
Tahun dasar adalah 1997
Jawab
Tahun IHK Baru Kenaikan gaji 10%
1997 100%
= 110% x Rp. 2.721.418,97
1998 118/110 x 100% = 107,28 %
= Rp. 2.993.560,87 (upah normal)
1999 125/110 x 100% = 113,64 %
2000 130/110 x 100% = 118,19 % Jadi upah nominal 2002
2001 138/110 x 100% = 125,46 % 131,82
  Rp. 2.993.560, 87
2002 145/100 x 100% = 131,82 % 100
 Rp. 3.946.111, 94
Tahun IHK Baru
1997 100/100 x Rp. 3.000.000 = Rp. 3.000.000,-
1998 100/107,28 x Rp. 3.400.000 = Rp. 3.169.480,-
1999 100/113,64 x Rp. 3.900.000 = Rp. 3.432.000,-
2000 100/118,19 x Rp. 4.100.000 = Rp. 3.469.100,-
2001 100/125,46 x Rp. 4.500.000 = Rp. 3.586.950,-
2002 100/131,82 x Rp. 3.586.950 = Rp. 2.721.418,97,-
Jawab
Tahun Daya Beli
1997 100/100 x Rp. 1 = Rp. 1
1998 100/107,28 x Rp. 1 = Rp. 0,93
1999 100/113,64 x Rp. 1 = Rp. 0,88 Tahun Dasar 2000
2000 100/118,19 x Rp. 1 = Rp. 0,85 • IHK Baru
2001 100/125,46 x Rp. 1 = Rp. 0,78
• Produk Domestik Bruto Nyata
2002 100/131,82 x Rp. 1 = Rp. 0,76
• Daya Beli Rupiah
Latihan
• Pernah terjadi Produk Domestik Bruto
Tahun Produk Domestik IHK (PDB) tahun 1995 IHK = 400 terjadi
penurunan 10% dari tahun 1996.
Bruto
Berapa PDB Nominalnya ?
1996 Rp. 136.660,- 465
1997 Rp. 162.080,- 498
1998 Rp. 178.890,- 537
1999 Rp. 221.020,- 591
2000 Rp. 257.740,- 651
Chapter 12
Probability
(Teori Peluang)
Randomess & Chance
Pribadi Widyatmojo
• Tugas Akhir: Paper Olah Data

PROBABILITAS
• Probability is a measure of likelihood of the
accurance of a random event (Mendenhall and
Reinmuth, 1982)
• Probabilitas adalah nilai yang digunakan

untuk mengukur tingkat terjadinya suatu
kejadian secara acak (random).
PROBABILITAS
• Probabilitas atau Peluang adalah angka
atau proporsi yang menunjukkan
kemungkinan suatu peristiwa itu akan
terjadi (secara logis).
• Kita memerlukan konsep Peluang ini untuk
justifikasi hipotesis kita dalam metode
ilmiah. Yaitu untuk mengetahui apakah
data yang kita peroleh konsisten dengan
hipotesis kita.
PROBABILITAS
• Probabilitas atau Peluang bisa ditentukan

secara objektif atau secara subjektif.
• Probabilitas atau Peluang yang ditentukan
secara subjektif adalah Probabilitas yang
ditentukan berdasarkan pada pengalaman
subjektif seorang ahli.
• Probabilitas atau Peluang yang ditentukan
secara objektif adalah Probabilitas yang
ditentukan dengan berdasarkan eksperimen
atau percobaan secara objektif (tidak intervensi
terjadinya suatu chance atau peristiwa).
Motivation of Probability
• We need concept of probability to make judgments
about our hypotheses in the scientific method. Is
the data consistent with our hypotheses?
• Kita memerlukan konsep Probabilitas ini

untuk justifikasi hipotesis kita dalam metode
ilmiah. Yaitu untuk mengetahui apakah data
yang kita peroleh konsisten dengan
hipotesis kita.
Motivation
• Contoh: -Misalkan obat lama kita mampu

menyembuhkan 50 percent of the time.
Obat baru menyembuhkan 6 orang dari 10
patients. Pertanyaan apakah obat baru
lebih baik dari obat lama?
Motivation
• Konsep probabilitas ini dipakai dalam

metode ilmiah karena adanya: -
Adanya objektifitas dalam
menetapkan suatu peristiwa akan
terjadi. (randomess of change).
Random Phenomenon
• A phenomenon is random if individual outcomes
are uncertain, but there is a regular distribution
of outcomes in many repetitions.
•
• (Fenomena itu adalah random bila hasil
individual itu tdk pasti dalam repetisi.)
• Toss a coin.
• Toss a die.
Definition
• The probability of any outcome of a random
phenomenon is the proportion of times the
outcome would occur in a very long series of
repetitions. Probability is a long-term frequency.
• (Probablitas thd suatu hasil pada

fenomena random adalah proporsi
terjadinya suatu hasil dalam suatu repetisi)
• Do simulation on web site.
Symmetry Definition
• Some random phenomenon occur under a
situation of equally likely outcomes: coin
tossing, die tossing, lotteries, bingo, etc.
• (Beberapa fenomena random akan terjadi

dalam situasi yang mempunyai
kesamaan/kesetaraan hasil, misalnya : -
pelemparan coin, -dadu, lotere, bingo, dll).
Symmetry Definition
• The probability of rolling a 4 on a die is the ratio
of the number of sides containing a 4 divided by
the total number of sides. On a fair die this
means 1/6.
• Probabilitas keluarnya 4 pada dadu

adalah rasio jumlah sisi yang berisi angka
4 itu dibagi dengan total sisi dadu. Dalam
situasi yg setara/ fair probabilitasnya
adalah 1/6
Sample Space
• Set of all possible outcomes is called the
sample space, S.
• Coin toss: S={H, T}

• Die toss: S={1, 2, 3, 4, 5, 6}
• Toss coin twice: S={HH, TT, HT, TH}
Sample Space
• Sekelompok / himpunan kemungkinan

terjadinya suatu hasil disebut sample
space, S.
• Coin toss: S={H, T}

• Die toss: S={1, 2, 3, 4, 5, 6}
• Toss coin twice: S={HH, TT, HT, TH}
Equally Likely Outcomes
• Probabilities under equally likely outcome
case is simply the number of outcomes
making up the event, divided by the
number of outcomes in S.
• Example: A die toss, A={2, 4, 6}, so
• P(A) = 3/ 6 = 1/2 = .5
• Example: Coin toss, A={H}, P(A) = 1/2= .5
Equally Likely Outcomes
• Probabilitas dalam kesetaraan hasil
adalah dirumuskan sbg jumlah yang
mendukung suatu hasil atau peristiwa,
dibagi jumlah hasil dalam sample space
(S).
• Example: A die toss, A={2, 4, 6}, so
• P(A) = 3/ 6 = 1/2 = .5
• Example: Coin toss, A={H}, P(A) = 1/2= .5
EVENT
(Peristiwa)
• An event is a collection of outcomes.
•
• (Suatu peristiwa adalah koleksi dari
beberapa hasil).
• Die toss, event A={2, 4, 6}, even

number of spots.
Probability
• Probability of an event is a number
between zero and one, 0<= P(A) <=1.
• P(A) = 1, means event has certainty.
• P(A) = 0, means event is impossible.
• P(A-Complement) = 1 – P(A), that is, the

probability of not A is simply 1 minus the
chance of A happening.
Probability
• (Probabilitas suatu peristiwa - adalah
antara nol dengan 1, 0<= P(A) <=1.)
• P(A) = 1, means event has certainty.
• P(A) = 0, means event is impossible.
• P(A-Complement) = 1 – P(A),
• probability of not A = 1 minus the chance
of A happening.
Aturan dlm Probabilitas
• Mutually Exclusive (Saling meniadakan)
• Aturan penjumlahannya
• P(A atau B atau C) = P(A U B U C) = P(A)
+P(B) + P(C)
• Not Mutually Exclusive (Tidak saling
meniadakan)
• P(A atau B)= P(A U B)= P(A)+P(B) - P(A n
B)
Counting Problems
• How many arrangements of two digits, 0-9 ?
• (Berapa banyak kemungkinan susunan
dua angka 0 -9)?.
• Penjelasan: 00 01 02 .... 99
• Anwers: 10*10 = 100
• Berarti ada 100 permutasi kemungkinan

hasil
Counting Problems
• How many phone numbers in an area

code (7 digits)?
• Anwers: 10 raised to 7th power, minus

number of ineligible numbers, 10,000,000
– a few.
Counting Problems
• Berapa probabilitas kendaraan dengan

plat yang sama yang menggunakan angka
(7 pada 4 digits nomor pol kendaraan)?
• Anwers:
• 7 dibagi 9999 = 7,000700070007001.e-4.
Conditional Probability
• Consider two events A and B.
• What is the probability of A, given the
information that B occurred? P(A | B) = ?
• Example: Die toss, A={1, 2, 3}, B={2, 4,

6}.
• P(A | B) = P(A and B) / P(B) = (1/6) / (3/6)
= 1/3.
Conditional Probability
• Or better yet, calculate the chance of A
happening out of the possible outcomes of
B.
• The only way for A={1, 2, 3} to occur out of
B={2, 4, 6}, is a 2 outcome.
• P(A | B) = # ways A could occur from B,
divided by number of ways in B, 1/3.
Venn Diagram of
Probability
Probability Problems
• P(Married) = 59,920/103,870
• P(Married | 18-29) = 7842/ 22,512
Bayes’ Theorem: Contingency Table
What are the chances of repaying a loan, given a
college education?
Contoh Status Kredit Mahasiswa

EDUCATION REPAY DEFAULT PROBAB
COLLEGE 0,2 0,05 0,25
NON COLLEGE ? ? ?
PROBAB ? ? 1
P (College and Re pay )

P(Repay [ College) =  .08
P (College and Re pay )  P (College and Default )
Independence
• Events A and B are independent if:
• P(A|B) = P(A), that is, if the additional knowledge
of B does not change the probability of A
happening.
• On the marriage problem, the events Marriage
and 18-29 are dependent because
P(Marriage|18-29) does not equal P(Marriage),
so these events are dependent.
• In die tossing, event roll a 3 on roll 2 is
independent of roll a 6 on roll1. P(3 | 6) =1/6
=P(3) = 1/6.
Aturan Penjumlahan pd
Probabilitas
• Aturan penjumlahan
• Mutually Exclusive (Saling meniadakan)
• P(A atau B atau C) = P(AUBUC) = P(A)
+P(B) + P(C)
• Not Mutually Exclusive (Tidak saling
meniadakan)
• P(A atau B)= P(AUB)= P(A)+P(B)+P(AnB)
Aturan Perkalian pd Probabilitas
• Kejadian tak bebas (bersyarat)
• (conditional probability)
• P(A / B) = P(A U B)/ ( P (B)) =
• P(B/A )= P(A U B)/( P(A))

Aturan Perkalian pd Probabilitas
• Probabilitas Kejadian Interseksi
• P(A n B) = P(A) P(B/A) = P(B) P(A/B)
• P (A n B) = P(A)/P(B/A)
– Prob B dg syarat A terjadi
• P (A nB )= P(B) P(A/ B)
– Prob A dg syarat B terjadi
Probability Trees
Heads
P(HH) = 1/4
.5
.5
Heads P(HT) = 1/4
Tails
.5
.5 Heads P(TH) = 1/4

.5
Tails .5
Tails P(TT) = 1/4

Two Coin Flips
• P(No Heads) = P(TT) = ¼
• P(One Head) = P(HT) + P(TH) = 1/4
+1/4= 1/2
• P(Two Heads) = P(HH) = 1/4
Multiple Choice Exam with 4 options
• P(Right) = 1/4 if guessing out of 4 choices.

• P(Wrong) = 3/4 if guessing out of 4 choices.
• P(Three right) = .0156, found by multiplying the
branch probabilities.
• P(None right) = .4218, found by multiplying the
branch probabilities.
• P(One right)= P(WWR) + P(WRW) + P(RWW)=

(3/4)*(3/4)*(1/4) + same + same = 3*(same)=.4218
Multiple Choice Exam with 4 options
1/4
Right P(RRR) = (1/4)*(1/4)*(1/4) = .0156
1/4
P(RRW) = (1/4)*(1/4)*(3/4) = .0468
Right W
1/4
R
Right W
W
R Right
Wrong W
Wrong Right
Wrong P(WWW) = (3/4)*(3/4)*(3/4)=.4218

Randomized Response Surveys
• Used to obtain truthful answers to sensitive
questions like have you ever killed someone?
• Truthful answers not possible without some
protection of subjects. Anonymity.
• Refer to page 362, problem 4.125, says have
subject toss coin, if coin is heads, subject
answers truthfully about plagiarizing paper. If
toss is tails then subject answers Yes no matter
what.
Randomized Response Survey
Yes
p
1-p
Heads No
.5
.5
Answer is Yes
Tails
Randomized Response Survey
• Suppose we take a survey of 100 subjects and we
get 61 yes answers. What is the probability
someone plagiarized a paper? Symbol p on
diagram.
• Probability tree result for answering yes should
match the survey result of 61/100.
• From Tree: P(yes) = 1/2 +1/2*p.
• From Survey: P(yes) approx 61/100 = .61.
• Solve: 1/2 + 1/2*p = .61 => 1/2*p = .61-.5
• 1/2p = .11 => p-hat = 2*.11 = .22, so 22 percent of
subjects have plagiarized a paper.
Solution Breakdown
Yes 11 yes responses
p
50
39 No
100
50 yes responses
Solution p= 11/50 = .22

Solution Breakdown
• Notice that we sacrifice the bottom 50
subjects in order to gain truthful answers
from those that flipped a heads originally.
Well worth the price in most cases.
• Notice that the investigator will not be able
to identify a true yes response from a coin-
flipped yes response.
Solution Breakdown
Yes
1-p
Heads .5 No
.5 Heads Yes
Tails
Tails No
New Design
• Notice this design helps protect both the
yes and no responses from being detected.
In the old design, the no responses were
clearly identified.
• Suppose there are 100 subjects and 48 yes
responses, what is our estimate of p?
• This time solve (1/2)*p + 1/4 = 48/100,
• (1/2)*p = .23, => p-hat = 2*.23 = .46
New Design
23 48-25=23
p
50
27
100 Subjects
50 25
25
Solution = p =23/50 = .46

Space Shuttle Challenger
Disaster Work
Work
Work .977
Work .977
.977
Work
.977
BOOM!!
Work
Fail
.977
P(Shuttle Launch) = .977^6 =.869
Fail
Gambar 2.5
Pengembangan Model Penelitian Empirik Bahrun S3
Keterbukaan
Red
H6
dan percobaan H5
H12
Mengelola diri
sendiri H7
H4
H13
KesadaranH8 H8
Pemanfaatan H3 Inovasi Kinerja
Pengetahuan sosial Teknis Perusahaan
H9
Blue H2
H1
Kemampuan
Kreatifitas
dalam meniru
Yello H11
H1 H10
Penyebaran
Pengetahuan

Statistik Bisnis 1M PDF

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

Statistik Bisnis 1M PDF

Diunggah oleh

Hak Cipta:

Format Tersedia

Statistik Bisnis 1

Intens Keluar Disfungsional

Dr. Pribadi Widyatmojo. M.Si

ewe5 AWS3 KMT ekin3

JENIS DATA MENURUT SUMBERNYA

• JENIS DATA MENURUT CARA MEMPEROLEHNYA

• Data Menurut sifat : (1) Kualitatif - (2) Kuantitatif

• Menurut Cara memperoleh : (1) Primer - (2) Sekunder

NOMINAL DIKOTOM Difference proportion test Kruskal- Logistic multiple

ORDINAL Rank-order Ubah var. ordinal

INTERVAL/ RATIO Dikotom : Politom : Ubah

• 1. Mulai  dan Identifikasi masalah

• 10. Interpretasikan hasilnya, tarik kesimpulan, dan ambil keputusan

information about a ANY Ratio r share

July 11, 2001. A. 18 12.6 0.36 services

• How many elements are B. 10 18.2 0.12 basic

• Which variables are E. 14 48.2 0 healthcare

• Are the data cross- H 22 23.3 23.3 consumer-

• Penelitian yg dikenakan pd populasi

• Penelitian yg dikenakan pada sample

Penelitian thd sample

Terima Tepat Error tipe II

Tolak Error tipe I Tepat

Kesalahan jenis I (Error Sampling). adalah kesalahan krn kita

Kesalahan jenis II. adalah kesalahan krn kita menerima Ho

• Sampling Method for Unidentified Population

• ►See You Next Chapter

• A. Banyaknya kelas : 5 (ada rumusnya)

• H. Panjang interval kelas (i)

• Menentukan “banyak kelas”

• panjang interv = I = 17 = 2,8 atau 3

Diameter Ttk tengah Turus Frekuensi

74 – 76 75 IIIII IIIII III 13

• Interval klas Frekuensi Tepi interval Titik tengah

Tabel Diameter Pipa

1 65 – 67 III 3 0,075 0,075 1

3 71–73 IIIII IIIII II 12 0,3 0,525 0,775

4 74 –76 IIIII IIIII III 13 0,325 0,85 0,475

5 77 -79 IIII 4 0,1 0,95 0,15

KURVA DAN OGIVE

• Poligon dan Ogif

KURVA DAN OGIVE

• BUATLAH TABEL DISTRIBUSI FREKUENSI

• contoh data sudah diolah

Hitung data tersebut :

• UKURAN PEMUSATAN (central tendency)

• Ukuran Nilai Pusat :

• B. Sebuah perusahaan memiliki 40 pekerja dari keseluruhan

• Jumlah 100 6718

7 80 –84 82 9 1,914 17,224

jumlah 100 12,7786 183,668

• Rata Harmons ≤ Rata Ukur ≤ Rata hitung

• Diketahui X1=75 X4=12 X2=100 X5=125 X3=150 X6=80 X7=125

• TKB = Tepi kelas bawah dimana modus berada

Tepi 59,5 62,5 65,5 68,5 71,5 74,5

• Jadi Modus  Mo = 66,375

• 1. Distribusi Simetris (Normal)

• 2. Distribusi Skewness (Condong) Kanan

• Dari ketiga distribusi tsb didapat rumus: Mo = µ- 3 ( µ- Me )

• Umpama, diketahui rata-rata = 67,18 dan Mo = 66,375 Berapa Me = ?

• Me = 2(67,18) + 66,375 = 66,91

• 2. Pengukuran Dispersi Data berkelompok :