TUGAS TUTORIAL KE-2 PROGRAM STUDI EKONOMI

PEMBANGUNAN

Nama Mata Kuliah : Statistika Ekonomi

Kode Mata Kuliah : ESPA4123
Jumlah sks : 3 sks
Status Pengembangan : Baru
Tahun Pengembangan : 2023.1
Nama : Mohammad Rizki Firmansyah

Skor Sumber Tugas

No Tugas Tutorial
Maksimal Tutorial
1 Berikut adalah data pertumbuhan ekonomi negara 25 Modul 4 KB 1
Indonesia dan salah satu Negara Maju dari tahun 2018-
2021. Hitunglah simpangan baku sampel (s) dan
koefisien variasi dari masing- masing negara tersebut.
Tahun Petumbuhan Ekonomi (%)
Negara Maju Indonesia
2018 2,6 8,2
2019 3,2 4,9
2020 2,0 4,8
2021 2,1 3,2

2 Hitunglah Kuartil 1, Kuartil 2 dan Kuartil 3 dari data 25 Modul 4 KB 2

yang sudah dikelompokkan pada kasus 20 saham pilihan
bulan Juni 2021 di BEJ!

Interval Frekuensi
160-303 2
304-447 5
448-591 9
592-735 3
736-878 1

3 Perhatikan data berikut! 25 Modul 5

KB1
x y KB2
1 1
3 2
4 4
6 4
8 5
9 7
 11 8
14 9

a. Buatlah persamaan regresi dari data di atas

b. Tentukan nilai koefisien korelasi dan koefisien

determinasinya

4 Hitunglah indeks Laspeyres dari kelompok pangan 25 Modul 6 KB 2

berikut ini dengan menggunakan tahun dasar 2010!
Lalu interpretasikan (jelaskan) maksud dari hasil angka
indeks tersebut!

Komoditas Tahun 2010 Tahun 2015

Harga Kuantitas Harga Kuantitas
Beras 1112 48,2 2777 46,6
Jagung 662 7,9 1650 6,8
Kedelai 1257 1,9 1840 1,6
Kacang 1928 0,5 3990 0,3
Hijau
Kacang 2233 0,8 3100 0,6
Tanah
Ketela 243 16,5 650 15,7
Pohon
Ketela 351 2,2 980 1,8
Rambat
Kentang 1219 0,5 2450 0,5

Total Skor 100

Jawaban 1
Untuk menghitung simpangan baku sampel (s) dan koefisien variasi dari data pertumbuhan
ekonomi, kita perlu melakukan beberapa langkah:

1. Hitung rata-rata (x¯ ) dari setiap negara:

Rata-rata Negara Maju (x¯ 1) = (2,6 + 3,2 + 2,0 + 2,1) / 4 = 2,475
Rata-rata Indonesia (x¯ 2) = (8,2 + 4,9 + 4,8 + 3,2) / 4 = 5,275

2. Hitung selisih kuadrat dari setiap data dengan rata-rata masing- masing negara:
 (2,6 - 2,475)^2 = 0,015625
(3,2 - 2,475)^2 = 0,529
(2,0 - 2,475)^2 = 0,225625
(2,1 - 2,475)^2 = 0,140625
(8,2 - 5,275)^2 = 8,576025
(4,9 - 5,275)^2 = 0,140625
(4,8 - 5,275)^2 = 0,225625
(3,2 - 5,275)^2 = 4,202025

3. Jumlahkan selisih kuadrat masing-masing negara:

Jumlah Selisih Kuadrat Negara Maju (Σ(x1 - x¯ 1)^2) = 0,015625 + 0,529 + 0,225625 +
0,140625 = 0,911875
Jumlah Selisih Kuadrat Indonesia (Σ(x2 - x¯ 2)^2) = 8,576025 + 0,140625 + 0,225625 +
4,202025 = 13,1443

4.Hitung simpangan baku sampel (s) dengan rumus:

s1 = √(Σ(x1 - x¯ 1)^2 / (n - 1))
s2 = √(Σ(x2 - x¯ 2)^2 / (n - 1))
di mana n adalah jumlah data (4 dalam hal ini)
s1 = √(0,911875 / 3) ≈ 0,637016
s2 = √(13,1443 / 3) ≈ 1,779138

5.Hitung koefisien variasi (CV) dengan rumus:

CV1 = (s1 / x¯ 1) * 100
CV2 = (s2 / x¯ 2) * 100
CV1 = (0,637016 / 2,475) * 100 ≈ 25,718744%
CV2 = (1,779138 / 5,275) * 100 ≈ 33,715074%
Jadi, simpangan baku sampel (s) untuk Negara Maju adalah sekitar 0,637016 dan untuk
Indonesia adalah sekitar 1,779138. Koefisien variasi (CV) untuk Negara Maju adalah sekitar
25,718744% dan untuk Indonesia adalah sekitar 33,715074%.

Jawaban 2
Untuk menghitung kuartil 1, kuartil 2, dan kuartil 3 dari data yang sudah dikelompokkan,
kita perlu menggunakan metode interpolasi. Berikut adalah langkah- langkahnya:

1. Hitung jumlah total frekuensi (n) dari data:

n = 2 + 5 + 9 + 3 + 1 = 20

2. Tentukan letak kuartil 1 (LQ) dengan rumus:

LQ = (n + 1) * k / 4
di mana k adalah urutan kuartil yang diinginkan (1 untuk kuartil 1)
LQ = (20 + 1) * 1 / 4 = 5.25

3. Temukan rentang yang berisi kuartil 1 dengan mencari interval yang memiliki
frekuensi akumulatif (CF) yang melebihi atau sama dengan LQ.
Rentang yang memenuhi syarat adalah 448-591 dengan CF sebesar 16 (9 + 5 + 2).

4. Hitung kuartil 1 dengan rumus:

Q1 = B + ((LQ - CF sebelumnya) / f) * w
di mana B adalah batas bawah rentang, CF sebelumnya adalah frekuensi akumulatif sebelum
rentang, f adalah frekuensi rentang, dan w adalah lebar interval.
B = 448, CF sebelumnya = 9, f = 9, dan w = 147 (447 - 304)
Q1 = 448 + ((5.25 - 9) / 9) * 147 ≈ 448 + (-0.52777778) * 147 ≈ 448 - 77.6111111 ≈
370.3888889

Jadi, kuartil 1 (Q1) adalah sekitar 370.39.

5. Tentukan letak kuartil 2 (MQ) dengan rumus:
MQ = (n + 1) * 2 / 4
MQ = (20 + 1) * 2 / 4 = 10.5

6. Temukan rentang yang berisi kuartil 2 dengan mencari interval yang memiliki CF yang
melebihi atau sama dengan MQ.
Rentang yang memenuhi syarat adalah 448-591 dengan CF sebesar 16 (9 + 5 + 2).

7. Hitung kuartil 2 dengan rumus yang sama seperti kuartil 1:

Q2 = B + ((MQ - CF sebelumnya) / f) * w
B = 448, CF sebelumnya = 9, f = 9, w = 147
Q2 = 448 + ((10.5 - 9) / 9) * 147 ≈ 448 + (1.5 / 9) * 147 ≈ 448 + 24.5 ≈ 472.5

Jadi, kuartil 2 (Q2) adalah sekitar 472.5.

8. Tentukan letak kuartil 3 (UQ) dengan rumus:

UQ = (n + 1) * 3 / 4
UQ = (20 + 1) * 3 / 4 = 15.75

9. Temukan rentang yang berisi kuartil 3 dengan mencari interval yang memiliki CF yang
melebihi atau sama dengan UQ.
Rentang yang memenuhi syarat adalah 592-735 dengan CF sebesar 19 (9 + 5 + 2 + 3).

10. Hitung kuartil 3 dengan rumus yang sama seperti kuartil 1 dan
2: Q3 = B + ((UQ - CF sebelumnya) / f) * w
B = 592, CF sebelumnya = 16, f = 3, w = 143 (735 - 592)
Q3 = 592 + ((15.75 - 16) / 3) * 143 ≈ 592 + (-0.08333333) * 143 ≈ 592 - 11.9166667 ≈
580.0833333
 Jadi, kuartil 3 (Q3) adalah sekitar 580.08.

Jadi, berdasarkan data yang diberikan, kuartil 1 (Q1) adalah sekitar 370.39, kuartil 2 (Q2) adalah
sekitar 472.5, dan kuartil 3 (Q3) adalah sekitar 580.08.

Jawaban 3a
Untuk membuat persamaan regresi dari data di atas, kita dapat menggunakan metode regresi
linier. Berikut adalah langkah-langkahnya:

1. Hitung rata-rata (mean) dari kedua variabel x dan y:

mean_x = (1 + 3 + 4 + 6 + 8 + 9 + 11 + 14) / 8 = 7
mean_y = (1 + 2 + 4 + 4 + 5 + 7 + 8 + 9) / 8 = 40 / 8 =
5

2.Hitung selisih (deviasi) dari masing-masing nilai x dan y terhadap mean:

dev_x = x - mean_x
dev_y = y - mean_y

Tabel deviasi:
x | y | dev_x | dev_y
----- -
1 | 1 | -6 | -4
3 | 2 | -4 | -3
4 | 4 | -3 | -1
6 | 4 | -1 | -1
8 |5 |1 |0
9 |7 |2 |2
11 | 8 | 4 |3
14 | 9 | 7 |4
3.Hitung perkalian dev_x dan dev_y:
dev_xy = dev_x * dev_y

Tabel deviasi dan perkalian:

x | y | dev_x | dev_y | dev_xy
-----
1 | 1 | -6 | -4 | 24
3 | 2 | -4 | -3 | 12
4 | 4 | -3 | -1 | 3
6 | 4 | -1 | -1 | 1
8 |5 |1 |0 |0
9 |7 |2 |2 |4
11 | 8 | 4 |3 | 12
14 | 9 | 7 |4 | 28

4. Hitung kuadrat dev_x:

dev_x_squared =
dev_x^2

Tabel deviasi, perkalian, dan kuadrat dev_x:

x | y | dev_x | dev_y | dev_xy | dev_x_squared
-----
1 | 1 | -6 | -4 | 24 | 36
3 | 2 | -4 | -3 | 12 | 16
4 | 4 | -3 | -1 | 3 |9
6 | 4 | -1 | -1 | 1 |1
8 |5 |1 |0 |0 |1
9 |7 |2 |2 |4 |4
 11 | 8 | 4 |3 | 12 | 16
Untuk menghitung koefisien korelasi (r) dan koefisien determinasi (r^2), kita dapat
menggunakan rumus-rumus berikut:

1. Hitung jumlah deviasi x (Σdev_x), jumlah deviasi y (Σdev_y), jumlah perkalian

deviasi (Σdev_xy), dan jumlah kuadrat dev_x (Σdev_x_squared).

Σdev_x = -6 + (-4) + (-3) + (-1) + 1 + 2 + 4 = -7

Σdev_y = -4 + (-3) + (-1) + (-1) + 0 + 2 + 3 = -4
Σdev_xy = 24 + 12 + 3 + 1 + 0 + 4 + 12 = 56
Σdev_x_squared = 36 + 16 + 9 + 1 + 1 + 4 + 16 = 83

2. Hitung koefisien korelasi (r) dengan rumus:

r = Σdev_xy / √((n * Σdev_x_squared) * (n * Σdev_y_squared))

= 56 / √((7 * 83) * (7 * 37))
= 56 / √(5811 * 259)
= 56 / √(1504649)
= 56 / 1226.97
≈ 0.0456

Jadi, koefisien korelasi (r) sekitar 0.0456.

3. Hitung koefisien determinasi (r^2) dengan rumus:

r^2 = r * r
≈ 0.0456 * 0.0456
≈ 0.00208
Jadi, koefisien determinasi (r^2) sekitar 0.00208.

Dengan demikian, nilai koefisien korelasi (r) sekitar 0.0456 dan koefisien determinasi (r^2)
sekitar 0.00208 berdasarkan tabel deviasi, perkalian, dan kuadrat dev_x yang diberikan.

Jawaban 3b
Untuk menentukan nilai koefisien korelasi (r) dan koefisien determinasi (r^2) dari data yang
diberikan, kita perlu menggunakan rumus-rumus berikut:

1. Hitung jumlah data (n), jumlah x (Σx), jumlah y (Σy), jumlah kuadrat x (Σx^2), jumlah
kuadrat y (Σy^2), dan jumlah produk x*y (Σxy).

n=8
Σx = 1 + 3 + 4 + 6 + 8 + 9 + 11 + 14 = 56
Σy = 1 + 2 + 4 + 4 + 5 + 7 + 8 + 9 = 40
Σx^2 = 1^2 + 3^2 + 4^2 + 6^2 + 8^2 + 9^2 + 11^2 + 14^2 =
467 Σy^2 = 1^2 + 2^2 + 4^2 + 4^2 + 5^2 + 7^2 + 8^2 + 9^2 =
246
Σxy = (1*1) + (3*2) + (4*4) + (6*4) + (8*5) + (9*7) + (11*8) + (14*9) = 270

2. Hitung koefisien korelasi (r) dengan rumus:

r = (n*Σxy - Σx*Σy) / √((n*Σx^2 - (Σx)^2) * (n*Σy^2 - (Σy)^2))

= (8*270 - 56*40) / √((8*467 - 56^2) * (8*246 - 40^2))
= 480 / √((3736 - 3136) * (1968 - 1600))
= 480 / √(600 * 368)
= 480 / √(220800)
= 480 / 469.71
≈ 1.022
Jadi, koefisien korelasi (r) sekitar 1.022.

3. Hitung koefisien determinasi (r^2) dengan rumus:

r^2 = r * r
≈ 1.022 * 1.022
≈ 1.044

Jadi, koefisien determinasi (r^2) sekitar 1.044.

Dengan demikian, nilai koefisien korelasi (r) sekitar 1.022 dan koefisien determinasi (r^2)
sekitar 1.044 untuk data yang diberikan.

Jawaban 4
Untuk menghitung indeks Laspeyres, kita perlu menggunakan harga dan kuantitas pada tahun
dasar (2010) dan tahun berikutnya (2015). Berikut adalah perhitungan indeks Laspeyres untuk
kelompok pangan:

Komoditas | Harga 2010 | Kuantitas 2010 | Harga 2015 | Kuantitas 2015 | Nilai
Indeks Laspeyres
----- -
Beras | 1112 | 48.2 | 2777 | 46.6 | 236.0
Jagung | 662 | 7.9 | 1650 | 6.8 | 241.9
Kedelai | 1257 | 1.9 | 1840 | 1.6 | 146.5
Kacang Hijau | 1928 | 0.5 | 3990 | 0.3 | 340.7
Kacang Tanah | 2233 | 0.8 | 3100 | 0.6 | 276.2
Ketela Pohon | 243 | 16.5 | 650 | 15.7 | 90.4
Ketela Rambat | 351 | 2.2 | 980 | 1.8 | 278.9
Kentang | 1219 | 0.5 | 2450 | 0.5 | 200.8
Indeks Laspeyres dihitung dengan mengalikan harga tahun berikutnya dengan kuantitas tahun
dasar, kemudian membaginya dengan hasil perkalian harga tahun dasar dengan kuantitas tahun
dasar. Selanjutnya, hasil tersebut dikalikan dengan 100 untuk mendapatkan persentase indeks.

Interpretasi dari hasil angka indeks Laspeyres adalah sebagai berikut:

- Untuk beras, indeks Laspeyres adalah 236.0, yang mengindikasikan bahwa harga beras
pada tahun 2015 naik sebesar 236% dibandingkan dengan harga pada tahun dasar (2010)
dengan mempertimbangkan kuantitas yang sama.
- Untuk jagung, indeks Laspeyres adalah 241.9, menunjukkan bahwa harga jagung pada
tahun 2015 naik sebesar 241.9% dibandingkan dengan harga pada tahun dasar (2010) dengan
mempertimbangkan kuantitas yang sama.
- Demikian pula, indeks Laspeyres untuk komoditas lainnya menunjukkan persentase kenaikan
harga dari tahun dasar (2010) ke tahun 2015 dengan mempertimbangkan kuantitas yang sama.

Indeks Laspeyres digunakan untuk mengukur perubahan harga relatif dari tahun dasar dengan
mempertimbangkan kuantitas yang sama. Jika nilai indeks lebih dari 100, itu menunjukkan
adanya kenaikan harga, sedangkan jika kurang dari 100, itu menunjukkan penurunan harga.
Dalam konteks ini, hasil angka indeks Laspeyres menggambarkan tingkat inflasi atau deflasi
untuk setiap komoditas pangan antara tahun 2010 dan 2015.