Pengantar Statistika
1. Daftar berikut memberikan catatan mengenai harga rata-rata per meter (dalam $) dan
jumlah produksi (dalam ribuan meter) dari beberapa hasil tekstil selama tahun 2007 –
2008
Tabel 1. Harga Rata-rata Per Meter Dan Jumlah Produksi Beberapa Hasil Tekstil
Periode Tahun 2007 – 2008
Indeks Harga
Lp=
∑ ( Pt ¿ × Q o ) ¿
∑ ( Po ¿ ×Q0 )×100 ¿
22,75× 30,75
¿ ×100
25× 30,75
699,56
¿ ×100
768,75
¿ 0,91 ×100
¿ 91
Pada tahun 2008, harga dari beberapa jenis tekstil mengalami penurunan
sebesar 9 jika dibandingkan dengan tahun 2007.
Lq=
∑ (Qt ¿ × Po ) ¿
∑ (¿ Qo × P0 )× 100¿
27,95× 25
¿ ×100
30,75× 25
698,75
¿ ×100
768,75
¿ 0,9089 ×100
¿ 90,89
Pada tahun 2008, jumlah produksi dari beberapa jenis tekstil mengalami
penurunan sebesar 9,11 jika dibandingkan dengan tahun 2007.
b. Metode Fisher
*Mencari Lp dan Pp menggunakan Metode Paasche
Lp=
∑ ( Pt ¿ ×QO ) ¿
∑ ( Po ¿ ×QO )×100 ¿
22,75× 30,75
¿ ×100
25× 30,75
699,56
¿ ×100
768,75
¿ 91
Pp=
∑ ( Pt × Qt ) × 100
∑ ( Po ×Qt )
22, 7 5 ×27,95
¿ × 100
25 ×2 7,95
635,86
¿ ×100
698,75
¿ 91
Metode Fisher
Indeks Harga
Fp= √ LP × P P
¿ √ 91× 91
¿ √ 8. 281=91
Pada tahun 2008, harga dari beberapa jenis tekstil mengalami penurunan
sebesar 9 jika dibandingkan dengan tahun 2007.
LQ=
∑ (Qt ¿ × P o) ¿
∑ (¿ Qo × P0 )×100 ¿
27,95× 25
¿ ×100
30,75× 25
698,75
¿ ×100
768,75
¿ 0,9089 ×100
¿ 90,89
PQ =
∑ (Qt ¿ × Pt ) ¿
∑ (¿ Qo × Pt )×100 ¿
27,95 ×22 , 75
¿ ×100
30,75 ×22 , 75
635,86
¿ ×100
699,56
¿ 0,9089 ×100
¿ 90,89
Metode Fisher
Indeks Jumlah Produksi
F Q = √ LQ × P Q
¿ √ 90,89 ×90,89
¿ √ 8. 260,9921=90,89
Pada tahun 2008, jumlah produksi dari beberapa jenis tekstil mengalami
penurunan sebesar 9,11 jika dibandingkan dengan tahun 2007.
2. Tabel berikut berisikan data rata-rata upah bulanan pegawai (dalam ribuan rupiah) di
perusahaan B dan Indeks Biaya Hidup (1995 – 1997 = 100) selama tahun 1995 – 2002
Tahun Upah per IHK lama (1995- IHK baru Upah Nyata Daya Beli
Bulan 1997=100) (1995=100)
1995 310 95,5 (100/95,5)×95,5 (310/100)×100 (1/100)×100
= 100 = 310 =1
1996 324 101,4 (100/95,5)×101,4 (324/106,17)×100 (1/106,17)×100
= 106,17 = 305,17 = 0,94
1997 380 103,1 (100/95,5)×103,1 (380/107,96)×100 (1/107,96)×100
= 107,96 = 351,98 =0,92
1998 435 116 (100/95,5)×116 (435/121,46)×100 (1/121,46)×100
= 121,46 = 358,14 = 0,82
1999 450 120, 2 (100/95,5)×120, 2 (450/125,86)×100 (1/125,86)×100
= 125,86 = 357,54 = 0,79
2000 470 124 (100/95,5)×124 (470/129,84)×100 (1/129,84)×100
= 129,84 = 361,98 = 0,77
2001 555 150,5 (100/95,5)×150,5 (555/157,59)×100 (1/157,59)×100
= 157,59 = 352,17 = 0,63
2002 925 312,6 (100/95,5)×312,6 (925/327,32)×100 (1/327,32)×100
= 327,32 = 282,59 = 0,30
Rumus :
IBH Baru = (100/Indeks Awal) × Indeks Lama
Upah Nyata = (Upah per Bulan/IBH Baru) × 100
Daya Beli = (1/IBH Baru) × 100
3. Berikut adalah data deret berkala mengenai penggunaan tenaga listrik (dalam ribuan
KWH) di suatu perusahaan C selama periode 11 tahun.
Tabel 3. Data Penggunaan Tenaga Listrik Di Perusahaan B Periode Tahun 1997 – 2007
Tahun 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007
Penggunaan 14,8 13,2 21,8 43,4 40,5 63,6 95,3 90,1 110,8 120,6 150,9
b. Trend jenis apa yang menurut anda cocok dengan sebaran titik-titik data yang telah
digambarkan ?
Jawab :
Trend yang cocok berdasarkan dengan sebaran titik-titik data yang digambarkan
di diagram adalah Trend Linier Naik, karena terlihat bahwa garis trend yang ditarik
cenderung mengikuti garis lurus, meskipun beberapa data mengalami penurunan
tetapi garis naik.
a=
∑ Yi
n
765
¿ =69,55
11
b=
∑ ti Y
i
∑ ti
1525,2
¿ =13,87
110
e. Prediksikan berapa besar penggunaan tenaga listrik untuk tahun 2010 dan 2012 ?
Jawab :
Penggunaan tenaga listrik tahun 2010
n = 11
t i−t m = 2010-2002
= 8 ( koding )
t = 2010 → Y = 69,55 + (13,87 ×t)
= 69,55 + (13,87 × 8)
= 69,55 + 110,96 = 180,51
*untuk tahun 2010 diperkirakan umlah penggunaan tenaga listrik mencapai
180,51 ribuan kWh.
4. Dari hasil pengamatan selama 8 tahun diketahui besar pengeluaran dalam industri tekstil
(ratusan juta rupiah) selama tahun 2000 – 2007 sebagai berikut :
Tabel 4. Besar Pengeluaran Dalam Industri Tekstil Selama Tahun 2000 – 2007
Menghitung :
- Eliminasi :
326, 25 = a + b 2001,5
461, 25 = a + b 2001,5 +
-135 = -4 b
33,75 =b
a=
∑ Y i = 3150 =393,75
n 8
b=
∑ ti Y i =
2770
=16,49
∑ ti 168
Sehingga persamaan trend liniernya adalah Y = 393,75 + 16,49t.
log a=
∑ log Y i = 20,692 =2,586 → a = antilog (2,586 ) =385,478
n 8
log b=
∑ ti log Y i = 3,168 =0,018 → b = antilog ( 0,018 ) = 1,042
∑ ti2 168
X (Umur, bulan) 3 5 8 7 10 12 13 14
120
100
80
60
40
20
0
2 4 6 8 10 12 14 16
Dari diagram pencar diatas bias disimpulkan bahwa bentuk kurvanya garis lurus dan
jenis fungsinya linier.
3 50 150 9 2.500
5 75 375 25 5.625
8 90 720 64 8.100
7 95 665 49 9.025
10 100 1.000 100 10.000
12 105 1.260 144 11.025
13 115 1.495 169 13.225
14 125 1.750 196 15.625
n n n n n
(∑ )
n n
n ∑ X 2i − Xi
i=1 i=1
8× 7415 – ( 7 2 ×755 )
¿
8× 756 – ( 7 2 ×7 2 )
59.32 0−54.360
¿
6.048−5184
4.960
¿
864
= 5,74
n n
∑ yi b ∑ xi
i=1 i=1
a= −
n n
755 5,74 × 7 2
¿ −
8 8
¿ 94,38−51,66
¿ 4 2, 7 2
(∑ )(∑ )
n n n
n ∑ X i Y i− Xi yi
i=1 i=1 i=1
r=
√[ (∑ ) ][ ∑ (∑ ) ]
n n 2 n n 2
n∑ x −
2 2
i xi n y −
i yi
i=1 i=1 i=1 i=1
8 × 7415−(7 2×755)
¿
√[ 8 × 756−(7 2) ] [ 8 ×75.1 2 5−(755) ]
2 2
59.32 0−54.360
¿
√[ 6.048−5.184 ] [ 601.000−570.0 25 ]
4.960
¿
√[ 864 ] [ 30.975 ]
4.960
¿ =0,959
√ 2 6.76 2 .400
- Koefisien Determinasi
R=r 2
¿ ( 0,959 )2
¿ 0,9 19
¿ 0,9 2
X 40 50 48 52 55 60 80 75 100
X Y XY X
2
Y
2
( )(∑ )
n n n
n ∑ X i Y i− ∑ Xi yi
i=1 i=1 i=1
- b=
(∑ )
n n
n∑ X −
2 2
i Xi ❑
i=1 i =1
9 ×59. 2 40−(560)(885)
¿ 2
9 ×37.758 – (560)
533.160−495.600
¿
339.822−313.600
37.560
¿
26. 222
¿ 1,43
n n
-
∑ yi ∑ xi
i=1
a= −b i=1
n n
885 560
¿ −1,43 ×
9 9
¿98,33 – 1,43 × 62, 22
= 98,33 – 88,97
= 9,36
Koefisien Korelasi
(∑ )(∑ )
n n n
n ∑ X i Y i− Xi yi
i=1 i=1 i=1
r=
√[ (∑ ) ][ ∑ (∑ ) ]
n n 2 n n 2
n ∑ x 2i − xi n y 2i − yi
i=1 i=1 i=1 i=1
533.160−495.600
¿
√[ 339.8 22−313.600 ] [ 847.575−783. 225 ]
37.560
¿
√[ 2 6.222 ][ 64.350 ]
37.560
¿
√1.687 .385 .700
37.560
¿ =0,91
41.077,80
Nilai r = 0,91 menunjukkan bahwa variable bebas X dan variable tak bebas
Y berkolerasi linier sangat tinggi dan positif. Hal ini mengindikasikan
bahwa kedua variable memiliki hubungan yang sangat erat.
Koefisien Determinasi
2
R=r
¿(0,91)2
= 0,83
Nilai R = 0,83 menunjukkan bahwa sebesar 83% proporsi keragaman nilai
Y dapat dijelaskan oleh nilai X melalui hubungan linier Y = 9,36 + 1,43 X
dan sisanya yaitu 17% dijelaskan oleh hal-hal lain.
X 150 145 155 155 155 160 165 165 170 165
Y 40 40 45 50 55 60 60 60 65 70
(∑ )(∑ )
n n n
n ∑ X i Y i− Xi yi
i=1 i=1 i=1
b=
(∑ )
n n
n ∑ X 2i − X i ❑2
i=1 i =1
n n
∑ yi ∑ xi
i=1 i=1
a= −b
n n
545 1.585
¿ −1, 2 1×
10 10
¿ 54,5−1 , 21 ×158,5
¿ 54,5−191,79
¿−137 , 29
Dengan demikian persamaan regresi liniernya adalah Y = -137, 29 + 1, 21
X.
- b = 1, 21, menunjukkan bahwa nilai X akan meningkat sebesar 1,
21 untuk setiap kenaikan nilai Y.
- a = -137, 29, menunjukkan bahwa ketika nilai X sama dengan nol
maka volume nilai Y sebesar -137, 29.
Koefisien Korelasi
(∑ )(∑ )
n n n
n ∑ X i Y i− Xi yi
i=1 i=1 i=1
r=
√[ (∑ ) ][ ∑ (∑ ) ]
n n 2 n n 2
n∑ x −
2 2
i xi n y −
i yi
i=1 i=1 i=1 i=1
10 ×87.050−(1.585 ×545)
¿
√[ 10 × 251.775−(1.585) ] [ 10 × 30.675−(545) ]
2 2
870.500−863.8 25
¿
√[ 2 .517 .750−2 .512 . 225 ][ 306.750−2 97.0 25 ]
6.675
¿
√[ 5.5 25 ][ 9.7 2 5 ]
6.675
¿ =0,91
√ 53.730 .6 25
Koefisien Determinasi
2
R=r
2
¿ 0,91
= 0,83
3
t −t
¿
12
¿ [ ][ ]
33−3
12
+
33 −3
12
¿ 2+2=4
- ∑ T Y =t 60+ t40
¿ T X ,Y
¿ [ ][
33−3
12
+
¿ 23−2
12 ]
¿ 2+0,5=2.5
3
- ∑ X 2= n1−n
2
−∑ T X
103−1 0
¿ -4
12
990
¿ −4
12
¿ 8 2,5 – 4 = 78,5
3
n −n
- ∑Y = 2
12
−∑ T Y
3
10 −10
¿ −2 , 5
12
¿ 8 2 ,5−2 ,5
¿ 80
- r s=
∑ X + ∑ Y −∑ d i
2 2 2
2 √∑ X ∑ Y
2 2
78,5+ 80−10,5
¿
2 √ 78,5 × 80
148
¿
2 √ 6. 280
148
¿
2× 79,25
148
¿ =0,93
158,5