Kinerja Auditr
Komit Orgz
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.
Phi-coeficient
POLITOM Chi-square
Kendall’s VCT
• 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
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
• 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
• 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
• 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
• 6
• Buat tabel, dengan batas kelas pertama
adalah 65 (data terkecil)
STATISTIK BISNIS
• Tabel 4.1 Pengukuran diameter pipa
65 – 67 66 III 3
68 – 70 69 IIIII I 6
71 – 73 72 IIIII IIIII II 12
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
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
•
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
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
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
0,6 FR. KUM KURANG DR
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)
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
•
• 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
• 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
•
• 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
FRAKTIL DESIL PERCENTIL
• 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
FRAKTIL DESIL PERCENTIL
• 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
FRAKTIL DESIL PERCENTIL
• 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
• Data berada antara 3 dan 4
• = x3 + 0.1 (x4 – x3) =22 + 0.1 =22.2
• P76=76(n+2) = 76(30+1) = 23.56
• 100 100
• Data berada antara 23 dan 24
• = x23 + 0.56 (x24 – x23) =46 + 0.56 =42.56
• DATA BERKELOMPOK
• 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
• 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 :
•
• 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
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
• Data berkelompok
• 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
• 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)
• 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
• 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
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
• Ukuran variasi dan dispersi
• Standard deviasi = ( δ)=
• Varians = S2 = ( δ2)=
Statistik Bisnis
• Variasi atau Dispersi
• Ukuran variasi dan dispersi
• Standard deviasi = ( δ2)=
• Varians = S2
• Materi Chapter 6 :
• 1. Pengukuran Dispersi Data tidak berkelompok :
• Nilai Jarak
• Rata-rata simpangan
• Standar deviasi
• 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
• 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
• 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 = std deviasi
• 1000
• δ2 = --------------------- = 15,81
• (5 – 1)
• δ2 = ( Xi - X )2 /(n - 1)
Statistik Bisnis
simpangan baku = std deviasi
• 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
simpangan baku = std deviasi
• 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 )
• 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 %
• 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
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
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)[(Xμ)/σ]2
f(X) e
2π
X μ
Z
σ
The Z distribution always has mean = 0 and
standard deviation = 1
The Standardized Normal
Probability Density Function
• The formula for the standardized normal
probability density function is
1 (1/2)Z2
f(Z) e
2π
0 Z
0 2.0 Z (μ = 0, σ = 1)
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
X
μ-1σ μ μ+1σ
68.26%
The Empirical Rule
(continued)
2σ 2σ 3σ 3σ
μ x μ x
95.44% 99.73%
The Standardized Normal
Table
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
X
8.0
8.6
Finding Normal Probabilities
(continued)
• Suppose X is normal with mean 8.0
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
X
8.0
8.6
Upper Tail Probabilities(continued)
• Now Find P(X > 8.6)…
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 88
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
X
8.0
7.4
Probabilities in the Lower Tail
(continued)
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
X μ Zσ
0.2000
8.0 ( 0.84)5.0
3.80 3.80 8.0 X
-0.84 0 Z
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
• 1. Tabel statistik, or
• 2. Program Excel normdist
• 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
100
• Y = a + bX 80
60
Y
East
40
20
0
2nd Qtr 3rd Qtr X
X
statistik
• b : 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
_ _
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
40 26
a 1,053 X ( ) 2,530
5 5
• Y=a+bX.
• Y = 2.530 + 1.053 X
• •
Statistik Bisnis
• Contoh:
• Bila diketahui fungsi Biaya Promosi dengan Penjualan
sbg persamaan Y= 253 +1.053X
• Tentukan Vol Penjualan bila biaya promosi sbs Rp
10juta,-.
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)
Data
Y X XY Xkuad Y kuad
• 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
•Dimana
• Y = variabel terikat
• Xi = variabel bebas ( i = 1, 2, 3, …k)
• 0 = intersep
• i = koefisien regresi ( i = 1, 2, 3,
…k)
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
…..
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
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
2Y b b1 X 1i b2 X 2i
b0
i 0
ei
2
2Yi b0 b1 X 1i b2 X 2i X 1i
b1
ei
2
2Yi b0 b1 X 1i b2 X 2i X 2i
178 b2
Metode Pendugaan Parameter
Regresi
2. Ketiga persamaan hasil penurunan disamakan
dengan nol
nb0 b1 X i1 b2 X i 2 Yi
b0 X 2i b1 X i1 X 2i b2 X i 2 X 2iYi
2
179
Metode Pendugaan Parameter
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
R r
2
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
185
Uji Parsial Koefisien Regresi
Tahapan Ujinya :
1. Hipotesis =
H0 : j 0
H1 : j 0
dimana j merupakan koefisien yang
akan diuji
186
Uji Parsial Koefisien Regresi
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
Uji Parsial Koefisien Regresi
3. Pengambilan keputusan
H0 ditolak jika
t hitung > t /2(db= n-k-1)
188
Regresi Linier Berganda
• 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
Regresi Linier Berganda
• PERSAMAANNYA
a.n b1 X i1 b2 X i 2 Yi ........(1)
•
• -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
Regresi Linier Berganda
Jadi:
a = 3,9186
b1 = 2,4909
b2 = -0,466
Keterangan: a = konstanta
b1 = koefisien regresi X1
b2 = koefisien regresi X2
197
Regresi Linier Berganda
Koefisien Korelasi Berganda (R)
R = {(2,4909).(1122 ) + (-0,466 ).( 737 )} / 3162
R = 0,775252308
F Hitung
F Hitung = {0,60 (10 -2 -1)}/{ 2 (1- 0,600}-
F = 5,25
Keterangan:
K = jumlah variable bebas
198
Regresi Linier Berganda
(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
Regresi Linier Berganda
(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
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
.
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
.
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, …. .
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
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
Mencari X = X1 / n = 36 / 8 = 4,5
Y = Y1 / n = 101.098,7 / 8 = 12.637,34
Lanjutan,…
Metode Kuadrat Terkecil Cara 2
1997 95 170
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
Regresi Pendekatan Siklis
Contoh: Data komsumsi BBM selama 5tahun
quartal
df SS MS F Significance F
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
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.
= 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
Pn
Po
= 9,3870
INDEK BERHIMBANG
Indeks Harga 1971 = 100
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
B. PAASCHE ( Qn Tetap )
Menggunakan kuantitas tahun tertentu sebagai
timbangan
Rumus :
IP
PnQn x100
PoQn
32,851,753
IP x100 108,0
30,418,159
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
Rumus : IF ILxIP
IF 112,996 x108,00
110,470
Hasil Fisher relatif tidak begitu berbeda dengan hasil Drobisch
Meskipun demikian, hasil indeks Fisher < dibanding hasil Drobisch
E. MARSHALL – EDGEWORTH
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
Indeks Harga 1970 = 100
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
X 44 65 25 50
Y 125 174 75 100
Z 86 134 40 60
2. Tentukan Indeks Kuantitas Rata rata Relatif tahun 1995 dengan tahun
dasar 1994.
4. Tentukan Indeks Marshall – Edgeworth 1995 dan Walsh 1995 dengan tahun
dasar 1994
DEFLASI (Membandingkan)
Pendapatan Nyata
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)
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
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 :
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
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
• Penjelasan: 00 01 02 .... 99
• Anwers: 10*10 = 100
• 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) = ?
• 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?
• 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
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
.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
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
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