Statistika Deskriptif & Inferensial ISBN (Revisi)

Drs. Tarjono, M.M., Ph.
D (C)
Statistika Deskriptif
& Inferensial
BUDHI MULIA
Sukabumi, 2019
Statistika Deskriptif & Inferensial
Penulis:
Drs. Tarjono, M.M., Ph.D (C)
Editor:
Riksa Fathan Firdaus
Layouter:
Budhi Mulia Studio
Desain Cover:
Fauzan Miftahul Noor Azman
Penerbit:
BUDHI MULIA, cv
Sukabumi – Jawa Barat
ISBN: 978-602-52382-9-1
Cetakan Pertama, Februari 2019
Hak cipta dilindungi undang-undang.

Dilarang mengcopy dan memperbanyak sebagian atau seluruh isi buku ini dalam
bentuk apapun tanpa seizin tertulis dari penerbit.
All rights reserved
Kata Pengantar
Alhamdulillah, puji syukur kami panjatkan kehadirat Allah SWT., Tuhan

penguasa alam semesta. Shalawat dan salam semoga selalu tercurahkan kepada
Junjungan kita Nabi Besar Muhammad SAW., dan juga kepada para keluarganya,
para sahabatnya, serta kepada kita sebagai pemegang risalahnya sampai akhir
zaman.
Buku Statistika Deskriptif & Inferensial ini, saya susun sebagai pedoman
bagi pelaksanaan kuliah pada Jurusan Ilmu-Ilmu Sosial, Ekonomi dan Bisnis.
Pada buku ini dalam setiap babnya memuat materi teori yang dilengkapi dengan
contoh soal atau kasus yang telah disesuaikan dengan jurusannya. Begitu juga
pada setiap akhir babnya dilengkapi dengan soal evaluasi dalam rangka untuk
mengevaluasi dari daya serap mahasiswa dalam menerima materi kuliah ini.
Semoga dengan tersusunnya buku ini dapat membantu bagi kelancaran

pelaksanaan kuliah, menambah pemahaman, pengetahuan, serta wawasan baik
secara teoritis maupun aplikasi terhadap bidang Statistika Sosial, Ekonomi dan
Bisnis.
Besar harapan dari saya sebagai penyusun, adanya saran dan kritik yang
bersifat membangun bagi perbaikan atas kekurangan yang ada pada buku ini.
Semoga Allah SWT. meridhoi dan memberkahi kita semua dalam mempelajari
setitik air dari luas lautan ilmu-Nya. Aamin yaa robbal’aalamiin.
Sukabumi, Februari 2019
Penyusun
Kata Pengantar iii

iv Kata Pengantar
Daftar Isi
KATA PENGANTAR ...................................................................................... iii

DAFTAR ISI ................................................................................................... v
BAB 1 PENGANTAR STATISTIKA ............................................................. 1

Perbedaan Statistika dan Statistik.................................................... 1
Macam-macam Statistika.................................................................. 2
Fungsi Statistika................................................................................. 2
Data dan Klasifikasinya...................................................................... 2
Cara Mengumpulkan Data................................................................ 6
Cara Penyelidikan Statistika.............................................................. 8
Soal Evaluasi.................................................................................................... 8
BAB 2 PENYAJIAN DATA ............................................................................ 9

Maksud Penyajian Data..................................................................... 9
Bentuk Penyajian Data...................................................................... 10
Soal Evaluasi.................................................................................................... 14
BAB 3 DISTRIBUSI FREKUENSI .............................................................. 17

Beberapa Istilah Dalam Distribusi Frekuensi.................................. 18
Penggolongan Distribusi Frekuensi.................................................. 18
Tahapan Penyusunan Distribusi Frekuensi...................................... 20
Grafik Distribusi Frekuensi............................................................... 21
Soal Evaluasi.................................................................................................... 24
BAB 4 UKURAN GEJALA PUSAT .............................................................. 27

Macam-Macam Ukuran Gejala Pusat............................................... 28
Soal Evaluasi.................................................................................................... 38
BAB 5 UKURAN LETAK ............................................................................. 41

Quartil ............................................................................................... 42
Desil ................................................................................................... 45
Daftar Isi v
Persentil ............................................................................................. 47
Soal Evaluasi ................................................................................................... 49
BAB 6 UKURAN DISPERSI ........................................................................ 51

Macam-macam Ukuran Dispersi ..................................................... 51
Soal Evaluasi ................................................................................................... 61
BAB 7 ANGKA INDEKS .............................................................................. 63

Macam-Macam Angka Indeks .......................................................... 63
Kegunaan Angka Indeks ................................................................... 64
Manfaat Indeks harga Konsumen .................................................... 65
Rumusan Angka Indeks Harga ......................................................... 65
Soal Evaluasi ................................................................................................... 70
BAB 8 DERET BERKALA ............................................................................ 73

Komponen Deret Berkala ................................................................. 74
Soal Evaluasi ................................................................................................... 85
BAB 9 PENGANTAR STATISTIKA UNTUK PENELITIAN....................... 87

A. Pendahuluan...................................................................................... 87
B. Peranan Statistika Dalam Penelitian................................................ 88
C. Proses Penenlitian dan Statistik Yang Diperlukan.......................... 88
D. Pengertian dan Cara Menemukan Masalah..................................... 89
Soal Evaluasi.................................................................................................... 90
BAB 10 SKALA PENGUKURAN................................................................... 91

A. Pendahuluan...................................................................................... 91
B. Pengertian Skala Pengukuran........................................................... 92
BAB 11 KONSEP DASAR PROBABILITAS.................................................. 97

A. Pendahuluan...................................................................................... 97
B. Pengertian Probabilitas..................................................................... 98
C. Beberapa Sifat Probabilitas............................................................... 99
D. Macam-Macam Peristiwa Probabilitas............................................. 99
vi Daftar Isi
Soal Evaluasi.................................................................................................... 103
BAB 12 DISTRIBUSI PROBABILITAS......................................................... 105

A. Pendahuluan...................................................................................... 105
B. Distribusi Binomial........................................................................... 111
Soal Evaluasi:................................................................................................... 112
C. Distribusi Poisson............................................................................. 113
D. Distribusi Normal (Z)....................................................................... 115
Soal Evaluasi.................................................................................................... 122
E. Distribusi Student (t)........................................................................ 123
F. Distribusi F......................................................................................... 127
BAB 13 TEKNIK SAMPLING........................................................................ 131

A. Pendahuluan...................................................................................... 131
B. Jenis dan Metode Sampling............................................................... 132
C. Teknik Penentuan Ukuran Sampel................................................... 139
Soal Evaluasi.................................................................................................... 145
BAB 14 PENGUJIAN HIPOTESIS................................................................. 147

A. Pendahuluan...................................................................................... 147
B. Kegunaan Hipotesis........................................................................... 148
C. Hipotesis Dalam Penelitian .............................................................. 149
D. Karakteristik Hipotesis Penelitian ................................................... 149
E. Tahap-Tahap Pembentukan Hipotesis ............................................ 151
F. Rumusan Hipotesis .......................................................................... 152
G. Macam-Macam Rumusan Ho dan H1............................................... 152
H. Bentuk Rumusan Hipotesis............................................................... 153
I. Dua Tipe Kekeliruan.......................................................................... 153
J. Taraf Kepercayaan dan Signifikan..................................................... 154
K. Derajat Kebebasan (dk)/Degree of Freedom (df)............................ 154
L. Langkah-Langkah Pengujian Hipotesis............................................ 154
Daftar Isi vii

BAB 15 ANALISIS REGRESI.......................................................................... 155
A. Pendahuluan...................................................................................... 155
B. Analisis Regresi.................................................................................. 156
C. Regresi Sederhana.............................................................................. 156
D. Regresi Berganda............................................................................... 158
E. Pengujian Koefisien Regresi............................................................. 161
Soal Evaluasi.................................................................................................... 165
BAB 16 ANALISIS KORELASI....................................................................... 167

A. Pendahuluan ..................................................................................... 167
B. Teknik Korelasi.................................................................................. 167
C. Pengujian Koefisien Korelasi............................................................. 169
Soal Evaluasi.................................................................................................... 172
BAB 17 PENGENALAN SPSS......................................................................... 173

A. Pengantar SPSS ................................................................................. 173
B. Cara Menginstall IBM SPSS Statistics 23.0...................................... 176
DAFTAR PUSTAKA......................................................................................... 187
viii Daftar Isi

BAB 1
PENGANTAR STATISTIKA
Statistika adalah ilmu pengetahuan yang membahas tentang cara-cara

pengumpulan, pengolahan, penganalisaan data, penarikan kesimpulan dan
pembuatan keputusan yang beralasan berdasarkan penganalisaan yang
dilakukan.
Perbedaan Statistika dan Statistik

Statistika adalah sebagaimana yang dikemukakan dalam definisi di atas,
sedangkan statistik adalah data kuantitatif yang dituangkan dalam bentuk
tabel atau grafik, atau statistik adalah ukuran-ukuran yang diambil dari sebuah
sampel.
1
Macam-macam Statistika
Statistika dibagi kedalam dua macam, yaitu Statistika Deskriptif dan
Statistika Inferensial atau Analitik.
1. Statistika Deskriptif
adalah bagian dari statistika yang membahas secara khusus tentang
deskripsi dari suatu data melalui ukuran-ukuran statistik, tabel dan grafik
serta melakukan penarikan kesimpulan berdasarkan deskripsi data tersebut
dengan tidak berlaku secara umum.
2. Statistika Inferensial
adalah bagian dari statistika yang membahas secara khusus tentang
penarikan kesimpulan berdasarkan data yang diperoleh dari sampel untuk
menggambarkan karakteristik atau ciri dari suatu populasi.
Fungsi Statistika
Statistika adalah salah satu ilmu pengetahuan yang berfungsi sebagai alat
untuk memecahkan beberapa banyak masalah antara lain:
1. Sebagai alat untuk membuat keputusan bagi seorang pemimpin perusahaan

atau institusi tertentu.
2. Sebagai alat untuk dapat memprediksi kemungkinan sesuatu peristiwa
dimasa mendatang.
3. Sebagai alat untuk menaksir besarnya karakteristik variabel tertentu.
4. Sebagai alat untuk menentukan ukuran sampel dari suatu populasi
5. Sebagai alat untuk menguji kelayakan suatu instrumen
6. Sebagai alat untuk menyajikan data.
7. Sebagai alat untuk mengolah data
8. Sebagai alat untuk melakukan pengujian hipotesis.
Data dan Klasifikasinya

Data adalah keterangan mengenai suatu hal yang mungkin berbentuk
angka atau bilangan dan mungkin juga tidak. Sedangkan kalsifikasi data dapat
ditunjukkan sebagai berikut:
2 BAB 1 Pengantar Statistika

Gambar 1. Klasifikasi Data
1. Menurut sifatnya data dibagi 2 (dua), yaitu:

a. Data Kuantitatif
Adalah data yang berbentuk bilangan atau angka, dimana terdiri dari:
1) Data Diskrit
Adalah data yang diperoleh dari hasil menghitung atau membilang,
dimana datanya selalu berbentuk bilangan bulat.
Contoh:
a) Jumlah ruang kuliah di Perguruan Tinggi “X” terdapat 25 ruang
b) Banyaknya mahasiswa Perguruan Tinggi “X” sebanyak 6.000
orang
2) Data Kontinu
Adalah data yang diperoleh dari hasil mengukur, dimana datanya
bisa berbentuk bilangan bulat atau pecahan.
Contoh:
a) Rata-rata berat badan mahasiswa perangkatan di Perguruan
Tinggi “X” adalah 65,5 kg
BAB 1 Pengantar Statistika 3

b) Rata-rata tinggi badan mahasiswa perangkatan di Perguruan
Tinggi “X” adalah 165 cm.
b. Data Kualitatif
Adalah data yang tidak berbentuk bilangan atau angka, tetapi dalam
bentuk keterangan atau informasi yang biasanya diikuti dengan kata
kualitas.
Contoh:
a) Jumlah penduduk Indonesia tergolong sangat padat
b) Mahasiswa Perguruan Tinggi “X” pandai-pandai
2. Menurut proses pengolahannya data dibagi 2 (dua), yaitu:

a. Data Tidak Berkelompok
Adalah data yang belum dikelompokan, yang terdiri dari data mentah
yaitu data belum disusun berdasarkan urutan besar kecilnya nilai data
(raw data), dan data yang sudah dikelompokan berdasarkan urutan
besar kecilnya nilai data (array data).
b. Data Berkelompok
Adalah data yang sudah dikelompokan atau diklasifikasikan berdasarkan
kelompok atau kelas-kelas tertentu, biasanya berbentuk tabel distribusi
frekuensi.
Contoh:
Tabel 1.
Distribusi Frekuensi Tinggi Badan Mahasiswa
Perguruan Tinggi “X” Jurusan Manajemen Tahun 2017
Tinggi Badan (Cm) Banyaknya Mahasiswa
150 - 154 5
155 – 159 30
160 – 164 95
165 – 169 255
170 – 174 65
175 – 179 24
180 - 184 6
Jumlah 480
Sumber: Fiktif

3. Menurut Sumbernya, data dibagi 2 (dua), yaitu:
a. Data Internal
Adalah data yang bersumber dari dalam suatu institusi dimana kita
melakukan aktivitas atau bekerja.
Contoh:
1) Daftar Gaji Pegawai di kantor kita sendiri
2) Daftar Buku dari perpustakaan kampus kita sendiri
b. Data Eksternal
Adalah data yang bersumber dari luar suatu institusi dimana kita
melakukan aktivitas atau bekerja.
Contoh:
1) Daftar jumlah pelanggan PT. Telkomsel Indonesia
2) Daftar jumlah anggota pemegang saham PT. Bank Rakyat Indonesia
Persero.
4. Menurut Cara Memperolehnya, data dibagi 2 (dua), yaitu:

a. Data Primer
Adalah data yang diperoleh berdasarkan hasil pengumpulan data
sendiri.
Contoh:
1) Data tentang kinerja pegawai suatu perusahaan yang dikumpulkan
sendiri melalui angket atau kuesioner.
2) Data tentang nilai mahasiswa dari mata kuliah tertentu yang
diperoleh dosen dari hasil ujian.
b. Data Sekunder
Adalah data yang diperoleh berdasarkan hasil pengumpulan data oleh
orang lain.
Contoh:
1) Data tentang asset daerah kabupaten/kota tertentu dalam arsip
daerah.
2) Data tentang jumlah pengusaha dalam jurnal bisnis.

Cara Mengumpulkan Data
Untuk memperoleh data yang benar dan dapat dipertanggungjawabkan
keabsahannya, data harus dikumpulkan dengan cara dan proses yang benar.
Terdapat beberapa cara atau teknik untuk mengumpulkan data yaitu :
1. Wawancara (interview)
yaitu cara untuk mengumpulkan data dengan mengadakan tatap muka
secara langsung. Wawancara harus dilakukan dengan memakai suatu
pedoman wawancara yang berisi daftar pertanyaan sesuai tujuan yang ingin
dicapai.
Ada dua jenis wawancara yaitu wawancara berstruktur (structured interview)
dan wawancara takberstruktur (unstructured interview).
Wawancara berstruktur adalah wawancara yang jenis dan urutan
dari sejumlah pertanyaannya sudah disusun sebelumnya sedangkan
wawancara takberstruktur adalah wawancara yang tidak secara ketat
ditentukan sebelumnya. Wawancara takberstruktur lebih fleksibel karena
pertanyaannya dapat dikembangkan meskipun harus tetap pada pencapaian
sasaran yang telah ditentukan.
Ciri-ciri pertanyaan yang baik adalah:
a. Sesuai dengan masalah atau tujuan penelitian.
b. Jelas dan tidak meragukan.
c. Tidak menggiring pada jawaban tertentu.
d. Sesuai dengan pengetahuan dan pengalaman orang yang diwawancarai.
e. Pertanyaan tidak boleh yang bersifat pribadi.
Kelebihan dari wawancara adalah data yang diperlukan langsung diperoleh

sehingga lebih akurat dan dapat dipertanggung jawabkan.
Kekurangannya adalah tidak dapat dilakukan dalam skala besar dan sulit
memperoleh keterangan yang sifatnya pribadi
2. Kuesioner (Angket)
adalah cara mengumpulkan data dengan mengirim atau menggunakan
kuesioner yang berisi sejumlah pertanyaan.

Kelebihannya adalah dapat dilakukan dalam skala besar, biayanya lebih
murah dan dapat memperoleh jawaban yang sifatnya pribadi.
Kelemahannya adalah jawaban bisa tidak akurat, bisa jadi tidak semua
pertanyaan terjawab bahkan tidak semua lembar jawaban dikembalikan.
3. Observasi (Pengamatan)
adalah cara mengumpulkan data dengan mengamati obyek penelitian atau
kejadian baik berupa manusia, benda mati maupun gejala alam. Data yang
diperoleh adalah untuk mengetahui sikap dan perilaku manusia, benda
mati atau gejala alam.
Kebaikan dari observasi adalah data yang dieroleh lebih dapat dipercaya.
Kelemahannya adalah bisa terjadi kesalahan interpretasi terhadap kejadian
yang diamati.
4. Tes dan Skala Obyektif

adalah cara mengumpulkan data dengan memberikan tes kepada obyek
yang diteliti. Cara ini banyak dilakukan pada tes psikologi untuk mengukur
karakteristik dari kepribadian seseorang. Beberapa contoh tes skala obyektif
yaitu:
a. Tes kecerdasan dan bakat.
b. Tes kepribadian.
c. Tes sikap.
d. Tes tentang nilai.
e. Tes prestasi belajar, dsb.
5. Metode Proyektif
adalah cara mengumpulkan data dengan mengamati atau menganalisis
suatu obyek melalui ekspresi luar dari obyek tersebut dalam bentuk karya
lukisan atau tulisan. Metode ini dipakai dalam psikologi untuk mengetahui
sikap, emosi dan kepribadian seseorang. Kelemahan dari metode ini adalah
obyek yang sama dapat disimpulkan berbeda oleh pengamat yang berbeda.

Cara Penyelidikan Statistika
Cara penyelidikan statistika dapat dilakukan dengan dua acara, yaitu:
1. Sensus
adalah suatu cara penyelidikan dengan cara mengikut sertakan seluruh
individu dari karakteristik populasi untuk diselidiki.
Contoh : Sensus Penduduk, Sensus Ekonomi, Sensus Pertanian.
2. Sampling
adalah suatu cara penyelidikan dengan cara mengikut sertakan hanya
sebagian individu dari karakteristik populasi untuk diselidiki. Terdapat
metode sampling yang sering dipergunakan, yaitu sampling acak sederhana
(simple random sampling), sampling acak stratifikasi (stratified random
sampling), dan sampling acak klister (cluster random sampling).
Soal Evaluasi
1. Jelaskan perbedaan antara statistika dengan statistik!
2. Apakah perbedaan statistika deskriptif dengan statistika inferensial atau
analitik?
3. Manakah diantara dua hal berikut yang merupakan data statisti? dan
jelaskan!
a. 472; 691,4
b. Harga pasaran untuk beras putih di Sukabumi pada bulan Januari 2018
Rp 12.000,00 per-kg.
4. Sebutkan perbedaan antara pengertian populasi dan sampel!
5. Seandainya seorang produsen ingin mengetahui bagaimana kesenangan
masyarakat Indonesia terhadap barang yang dihasilkan oleh pabriknya.
Jelaskan mana populasinya!
6. Jelaskan kelebihan dan kelemahan antara kuesioner atau angket dengan
observasi!
7. Apa perbedaan dan persamaan antara Tes skala obyektif dengan Metode
proyektif?
8. Sebutkan beberapa keuntungan dalam melakukan sampling!
9. Berikan dua buah contoh data kualitatif!
10. Pada kondisi bagaimanakah kita perlu melakukan sampling acak sederhana,
sampling acak stratifikasi dan sampling acak klaster?

BAB 2
PENYAJIAN DATA
Penyajian data adalah langkah dalam statistika setelah dilakukannya

kegiatan pengumpulan data. Bentuk penyajian data yang lazim digunakan yaitu
dalam bentuk tabel dan grafik.
Maksud Penyajian Data

• Agar data mudah dibaca, sehingga bagi yang membaca dan membutuhkan
tidak sukar untuk memahami dan mengumpulkannya.
• Bentuk penyajian data sangat dipengaruhi oleh tujuan dan maksud
pengumpulan datanya
9
Bentuk Penyajian Data
1. Tabel
Merupakan kumpulan angka-angka yang disusun sedemikian rupa menurut
klasifikasi (penggolongan) datanya.
Contoh :
Jumlah Pegawai menurut Jenis Kelamin, Pendidikan, Umur dan lain
sebagainya.
Di bawah ini merupakan bagan tabel beserta kelengkapannya:
Gambar 2. Bagan Tabel
Macam-Macam Tabel
Tabel dibagi atas tabel klasifikasi tunggal dan klasifikasi banyak.
a. One Way Classification Table (Tabel Klasifikasi Tunggal)
yaitu tabel yang berisi hanya satu macam klasifikasi data saja
Contoh:
Tabel Jumlah pegawai menurut jenis kelamin saja
Tabel 1.
Jumlah Pegawai Menurut Jenis Kelamin
Pada Perusahaan “X”
Jenis Kelamin Jumlah Pegawai
Laki-laki 124
Perempuan 166
Jumlah 290
Sumber: Perusahaan “X”
10 Bab 2 Penyajian Data

b. Multi Way Classification Table (Tabel Klasifikasi Banyak)
yaitu tabel yang berisi lebih dari satu macam klasifikasi data, yaitu
dapat dua, tiga atau lebih klasifikasi.
Contoh:
Jumlah Pegawai berdasarkan Jenis Kelamin dan Status Kepegawaian
Tabel 2.
Jumlah Pegawai Berdasarkan Jenis Kelamin dan Status
Kepegawaian Pada Perusahaan “X”
Jenis Kelamin Status Kepegawaian Jumlah Pegawai
Laki-laki Tetap 110
Tidak Tetap 14
Perempuan Tetap 150
Tidak Tetap 16
Jumlah 290
Sumber: Fiktif
2. Grafik
merupakan gambar-gambar yang menunjukkan secara visual berupa angka,
yang biasanya berasal dari tabel yang telah dibuat.
Grafik yang baik harus memiliki kelengkapan yang harus dipenuhi seperti
halnya pada tabel, yaitu Judul, Sumbu absis, Sumbu vertikal, dan catatan
grafik yang diperlukan.
Macam-Macam Grafik :
a. Grafik Garis (Line Chart)
Bab 2 Penyajian Data 11

b. Grafik Batang (Bar Chart)
c. Grafik Lingkaran (Pie Chart)
d. Grafik Lambang/Gambar (Pictogram)

e. Grafik Peta (Kartogram)

Soal Evaluasi
1. Ekspor minyak bumi mentah dari Indonesia ke negara tujuan dan nilai FOB
(Juta US$) selama 5 tahun berturut-turut terhitung mulai tahun 2011 sampai
dengan 2015 tercatat sebagai berikut:
• Ekspor ke Jepang (2011-2015) berturut-turut sebanyak berat bersih (ribu
ton):
6 307,9 6 624,0 5 436,6 4 430,2 3 654,8
dengan nilai FOB (Juta US$):
4 898,8 5 648,3 4 223,6 3 355,8 1 646,1
• Ekspor ke Korea Selatan (2011-2015) berturut-turut sebanyak berat bersih
(ribu ton):
3 231,2 2 500,9 1 364,5 1 105,9 1 073,5
2 381,4 2 048,0 1 030,5 765,9 389,8
• Ekspor ke Taiwan (2011-2015) berturut-turut sebanyak berat bersih (ribu
ton):
317,1 44,4 490,1 819,0 711,6
210,7 31,4 359,2 583,7 267,2
• Ekspor ke Tiongkok (2011-2015) berturut-turut sebanyak berat bersih
(ribu ton):
730,4 209,8 290,0 315,4 1 599,9
570,4 100,5 225,9 226,3 631,2
• Ekspor ke Thailand (2011-2015) berturut-turut sebanyak berat bersih
(ribu ton):
674,5 1 421,4 1 030,3 1 045,2 2 190,1
554,7 1 139,2 840,6 775,0 875,9
Catatan:
• Diolah dari dokumen kepabeanan Ditjen Bea dan Cukai (PEB dan PIB)
• Dikutip dari Publikasi Statistik Indonesia
• Update Terakhir : 22 Nov 2017 BPS
Pertanyaan:
Sajikan data mengenai ekspor minyak bumi mentah Indonesia ke berbagai
negara tujuan tersebut sehingga jelas dan dapat dengan mudah.

2. Pembentukan modal guna investasi pada pembiayaan pembangunan
dewasa ini memegang peranan penting. Untuk itu para ahli ekonomi telah
memperkirakan besarnya kebutuhan pembentukan modal Indonesia untuk
tahun 2011 sampai dengan 2014.
Kebutuhan pembentukan modal tersebut terbagi menjadi pembiayaan yang
berasal dari dalam negeri dan luar negeri. Pembiayaan dalam negeri terdiri
dari tabungan pemerintah dan tabungan masyarakat.
Besarnya tabungan pemerintah dari tahun 2011-2015 (dalam milyar rupiah):
19.502 22.828 26.630 31.025 36.187
Besarnya tabungan masyarakat dari tahun 2011-2015 (dalam milyar rupiah):
29.345 34.230 39.958 46.542 54.289
Sedangkan pemasukan dana luar negeri dari tahun 2011-2015 (milyar rupiah)
11.512 13.430 15.995 18.252 21.287
Data ini dikutip dari majalah “Ekonomika” 1 Januari 2016, halaman 34.
Pertanyaan:
1. Sajikan data di atas dalam sebuah tabel yang lengkap berdasarkan
keterangan-keterangan yang diberikan sehingga akan terlihat dan
terbaca besarnya kebutuhan pembentukan modal keseluruhan untuk
tahun 2011-2015.
2. Sajikan pula data mengenai besarnya kebutuhan pembentukan modal
yang berasal dari pembiayaan dalam negeri dan pembiayaan luar negeri
kedalam sebuah grafik sehingga jelas terlihat perbedaan antara besarnya
dana yang dibiayai dalam negeri dan dari luar negeri.
3. Berikan pula komentar saudara mengenai kedua jenis pembiayaan
tersebut berdasarkan grafik yang dibuat.
3. Data di bawah ini merupakan data Realisasi Produk Daging (dalam ribuan
kg) di Provinsi Jawa Timur selama tahun 2009-2013) yang tergolong di dalam
ternak Sapi, kerbau, Kambing dan Ayam dengan perincian sebagai berikut:
Tahun Sapi Kerbau Kambing Ayam

2009 20.500 1.230 1.860 1.110
2010 1.870 1.400 2.140 1.050
2011 1.810 1.630 2.460 1.010
2012 2.040 2.440 2.640 1.060
2013 3.400 4.340 3.460 1.010
Sumber: BPS Provinsi Jawa Timur, Ianuari 2014
Pertanyaan:
1. Sajikan data tersebut dalam sebuah tabel

2. Dari tabel tersebut, gambarkan diagram batangnya.
4. Fluktuasi inilai tukar rupiah terhadap dolar AS tanggal 18 Februari 2008

sampai dengan 22 Februari 2008 ditunjukkan oleh tabel sebagai berikut:
Tanggal 18/2 19/2 20/2 21/2 22/2
Kurs Beli Rp. 9.091 Rp. 9.093 Rp. 9.128 Rp. 9.123 Rp. 9.129
Kurs Jual Rp. 9.181 Rp. 9.185 Rp. 9.220 Rp. 9.215 Rp. 9.221
Nyatakan data di atas dalam bentuk diagram garis.
Sumber: Bursa Efek Jakarta, 2008.

BAB 3
DISTRIBUSI FREKUENSI
Distribusi frekuensi adalah salah satu bentuk tabel yang merupakan

penyusunan data ke dalam kelas-kelas tertentu dimana setiap individu data
hanya termasuk ke dalam salah satu kelas tertentu saja.
Contoh:
Umur (Tahun) Banyaknya Responden

20 – 24 5
25 – 29 10
30 – 34 25
35 – 39 30
40 – 44 25
45 – 49 10
50 - 54 5
Jumlah 110
17
Beberapa Istilah Dalam Distribusi Frekuensi
1. Class (Kelas)
Kelas adalah penggolongan data yang dibatasi dengan nilai terendah dan
nilai tertinggi yang masing-masing dinamakan batas kelas (Class Limit).
Class Limit dibagi 2, yaitu:

a. Stated Class Limit adalah batas-batas kelas yang tertulis dalam distribusi
frekuensi.
b. Class Boundaries (Tepi Kelas) adalah batas kelas yang sebenarnya.
2. Class Interval
Kelas interval merupakan lebar dari sebuah kelas dan dihitung dari
perbedaan antara kedua tepi kelasnya.
3. Frekuensi
Frekuensi adalah banyaknya data pada kelas tertentu. Sedangkan Jumlah
frekuensi menunjukkan jumlah data seluruh kelas, hal tersebut dapat
berasal dari seluruh anggota sampel atau populasi.
4. Mid Point (Titik Tengah)

Titik tengah merupakan rata-rata dari kedua batas kelasnya atau tepi
kelasnya.
Penggolongan Distribusi Frekuensi

1. Distribusi Frekuensi Tertutup
Adalah distribusi frekuensi dimana di dalam setiap kelasnya memiliki batas-
batas kelas.
Contoh:
Umur Pegawai (Tahun) Jumlah Pegawai
30 – 34 12
35 – 39 33
40 – 44 74
45 – 49 126
50 – 54 70
55 – 59 45
60 - 64 10
Jumlah 370
18 Bab 3 Distribusi Frekuensi

2. Distribusi Terbuka
Adalah distribusi frekuensi dimana di dalam kelas-kelas tertentu tidak
memiliki batas-batas kelas, hal tersebut kemungkinan tidak memiliki pada
kelas yang pertama atau juga pad akelas terakhir.
Contoh:
< 34 12
35 – 39 33
40 – 44 74
45 – 49 126
50 – 54 70
55 – 59 45
> 60 10
Jumlah 370
3. Distribusi Frekuensi Relatif

Adalah distribusi frekuensi, dimana frekuensi dalam setiap kelasnya
dinyatakan dalam bilangangan rasio atau persentase.
Contoh:
Umur Pegawai Jumlah Pegawai fr fr (%)
(Tahun) (fi)
30 – 34 12 0,0324 3,24
35 – 39 33 0,0892 8,92
40 – 44 74 0,2000 20,00
45 – 49 126 0,3405 34,05
50 – 54 70 0,1892 18,92
55 – 59 45 0,1216 12,16
60 - 64 10 0,0270 2,70
Jumlah 370 1,0000 100,00
4. Distribusi Frekuensi Kumulatif

Adalah distribusi frekuensi dimana frekuensi di dalam setiap kelasnya
secara kumulatif dapat bertambah (Distribusi Frekuensi Kumulatif Kurang
dari) atau berkurang (Distribusi Frekuensi Kumulatif Lebih dari atau sama
dengan).
Bab 3 Distribusi Frekuensi 19

Contoh 1: Distribusi Kumulatif Kurang dari
< 30 0
< 35 12
< 40 45
< 45 119
< 50 245
< 55 315
< 60 360
< 65 370
Contoh 2: Distribusi Kumulatif Lebih dari atau sama dengan

> 30 370
> 35 358
> 40 325
> 45 251
> 50 125
> 55 55
> 60 10
> 65 0
Tahapan Penyusunan Distribusi Frekuensi

1. Membuat array data (bila diperlukan)
2. Menentukan Range, R = X max – X min
3. Menentukan banyaknya kelas, K = 1 + 3,3 Log n.
dimana : K = Banyaknya kelas dan n = Jumlah data yang diobservasi
4. Menentukan Class Interval; i = R/K
5. Menentukan batas-batas kelas
6. Memasukkan data ke dalam kelas-kelas yang sesuai dengan memakai sistem
Tally atau turus.
7. Menyajikan distribusi frekuensi

Grafik Distribusi Frekuensi
1. Histogram
Data yang telah disusun dalam bentuk tabel distribusi frekuensi dapat
disajikan dalam bentuk diagram yang disebut histogram, yaitu diagram
kotak yang lebarnya menunjukkan interval kelas, sedangkan batas-batas
tepi kotak merupakan tepi bawah dan tepi atas kelas, dan tingginya
menunjukkan frekuensi pada kelas tersebut.
2. Poligon Frekuensi
Apabila titik-titik tengah sisi atas dari histogram dihubungkan satu sama
lain oleh ruas-ruas garis maka diperoleh poligon frekuensi.
Untuk lebih memahami mengenai histogram dan poligon frekuensi,
perhatikan contoh berikut. Berikut ini upah karyawan (dalam ribuan
rupiah) per minggu dari sebuah perusahaan.
Upah Karyawan Banyaknya Karyawan
100 – 199 15
200 - 299 20
300 - 399 30
400 – 499 25
500 – 599 15
600 – 699 10
700 – 799 5
Langkah-langkah dalam membuat histogram dan poligon frekuensi

dari tabel distribusi frekuensi di atas adalah sebagai berikut:
1. Membuat sumbu datar dan sumbu tegak yang saling berpotongan.

Untuk menyajikan data yang telah disusun dalam tabel distribusi frekuensi
menjadi diagram, seperti biasa dipakai sumbu datar untuk menyatakan
kelas interval dan sumbu tegak untuk menyatakan frekuensi.
2. Menyajikan frekuensi pada tabel ke dalam bentuk diagram. Setelah sumbu
datar dan sumbu tegak dibuat pada langkah 1, buat diagram yang menyatakan

frekuensi data. Bentuk diagramnya seperti kotak (diagram batang) dengan
sisi-sisi dari batang-batang yang berdekatan harus berimpitan. Pada tepi
masing-masing kotak/batang ditulis nilai tepi kelas yang diurutkan dari
tepi bawah ke tepi atas kelas. (Perhatikan bahwa tepi kelas terbawah adalah
99,5 – 199,5).
3. Membuat poligon frekuensi.
Tengah-tengah tiap sisi atas yang berdekatan dihubungkan oleh ruas-
ruas garis dan titik-titik tengah sisi-sisi atas pada batang pertama dan
terakhir di sisi terakhir dihubungkan dengan setengah jarak kelas interval
pada sumbu datar. Bentuk yang diperoleh dinamakan poligon frekuensi
poligon tertutup).
4. Hasil akhir dari histogram dan poligon frekuensi dari tabel distribusi
frekuensi di atas dapat dilihat pada gambar berikut

3. Ogive
Ogive adalah grafik yang digambarkan berdasarkan data yang sudah disusun
dalam bentuk tabel distribusi frekuensi kumulatif. Untuk data yang disusun
dalam bentuk tabel distribusi frekuensi kumulatif kurang dari, grafiknya
berupa ogive positif, sedangkan untuk data yang disusun dalam bentuk tabel
distribusi frekuensi kumulatif lebih dari, grafiknya berupa ogive negatif.

Frekuensi kumulatif kurang dari untuk suatu kelas adalah jumlah frekuensi
semua kelas sebelum kelas tersebut dengan frekuensi kelas itu. Sedangkan
frekuensi kumulatif lebih dari suatu kelas adalah jumlah frekuensi semua
kelas sesudah kelas tersebut dengan frekuensi kelas itu.
Data upah karyawan sebelumnya dapat digambarkan ogivenya. Akan tetapi

sebelum itu, buat terlebih dahulu tabel distribusi frekuensi kumulatifnya.

Dari tabel distribusi frekuensi kumulatif di atas, dapat digambarkan ogive
seperti pada diagram berikut.

Soal Evaluasi
1. Bagian Produksi PT. Philip telah memproduksi 50 bola lampu berdasarkan
daya tahan (x 10 jam) sebagai berikut:
152 245 127 182 215 142 140 220 193 131
280 242 242 260 195 200 130 120 160 215
145 150 134 138 144 148 150 154 164 168
180 190 186 194 262 264 270 254 250 258
200 220 242 260 268 270 188 240 198 168
Pertanyaan:
a. Buatlah tabel distribusi frekuensi berdasarkan data di atas!
b. Buatlah Histogram, Poligon Frekuensi, dan Ogive.
2. Nilai ujian 50 orang mahasiswa peserta mata kuliah Statistika Ekonomi-1 di
Perguruan Tinggi “X” sebagai berikut:
59 75 57 82 71 91 74 75 60 78
87 84 93 68 82 78 75 78 68 75
68 65 60 68 77 62 83 74 80 71
53 76 93 76 65 66 50 72 89 74
73 80 68 79 61 79 92 69 84 73
Pertanyaan:
a. Buatlah tabel distribusi frekuensi berdasarkan data di atas dengan
menggunakan rumus Sturgess. Diketahui pula bahwa batas bawah
kelas pertama adalah 52.
b. Buatlah Histogram, dan Poligon dari distribusi frekuensi tersebut.
3. Data yang diperoleh dari hasil penelitian mengenai tingkat usia responden
di daerah perkebunan dan pasar Pangalengan pada tahun 2010 sebagai
berikut:
Umur (Tahun) Banyaknya Persentase
Responden (%)
10 - 19 65 14,04
20- 29 188 -
30 - 39 90 19,44
40 - 49 55 11,88
50 - 59 40 8,64
60 - 69 22 4,75
70 - 79 3 0,65
Jumlah 463 100,00
Sumber: Hasil penelitian FE UNPAD Bandung

Pertanyaan:
a. Sempurnakanlah tabel di atas
b. Buat distribusi kumulatif lebih dari atau sama dengan
c. Gambarkan grafik ogive lebih dari atau sama dengan tersebut
4. Di bawah ini disajikan kembali titik tengah-titik tengah dari distribusi hasil
ujian Statistik Ekonomi-1 untuk 100 mahasiswa di suatu Perguruan Tinggi
di Kota Sukabumi.
Umur (Tahun) Banyaknya Responden
25,5 2
35,5 3
45,5 11
55,5 20
65,5 33
75,5 24
85,5 7
Jumlah 100
Sumber: Hasil penelitian FE UP

Pertanyaan:
a. Buatlah distribusi frekuensi asalnya
b. Sajikanlah histogram dan poligonnya
c. Gambarkan grafik ogive-nya
d. Dengan melihat distribusi frekuensi kumulatif tersebut hitunglah
persentase mahasiswa yang mempunyai nilai paling tinggi 70.
5. Di bawah ini disajikan kembali titik data tentang biaya pembangunan satu
unit perumahan rakyat dengan 5 kamar Cleveland USA, 2004 yang terjadi di
dalam bentuk distribusi kumulatif atau lebih.
Biaya Pembangunan ($) Banyaknya Responden
51.100 atau lebih 83
Jumlah 100

Sumber: Modifikasi soal dari Modul Politeknik Negeri Bandung, 2018.

Pertanyaan:
Buatlah distribusi frekuensi asalnya dengan titik tengah biaya pembangunan
(dalam $) bertutut-turut sebagai berikut:
51.550; 61.550; 71.550; 81.550; 91.550; 105.550; 115.550

BAB 4
UKURAN GEJALA PUSAT
Untuk mendapatkan gambaran yang lebih jelas tentang sekumpulan data

mengenai sesuatu persoalan, baik mengenai sampel atau pun populasi, selain
dari data disajikan dalam tabel dan diagram, masih diperlukan ukuran-ukuran
yang merupakan wakil kumpulan data tersebut. Dalam bab ini akan diuraikan
tentang ukuran gejala pusat.
Ukuran Gejala Pusat adalah suatu ukuran yang memiliki nilai pada
umumnya mempunyai kecenderungan terletak di tengah-tengah dan memusat
dalam suatu kelompok data yang disusun menurut besar kecilnya nilai data.
27
Macam-Macam Ukuran Gejala Pusat
Gambar 3. Macam-Macam Ukuran Gejala Pusat
1. Major Mean
adalah nilai rata-rata yang biasanya secara khusus dipergunakan dalam
statistika itu sendiri. Yang termasuk major mean terdiri atas rata-rata
hitung, median dan modus.
Untuk menghitung nilai-nilai tersebut dapat dilakukan pada data tidak
berkelompok dan data berkelompok.
Rata-rata hitung (X)

Rumus umumnya:
Jumlah semua nilai data
Rata - rata hitung =
Banyaknya nilai data
a. Data Tidak berkelompok
=
x 1 + x2 + ... + xn
x =
∑x 1
n n
28 Bab 4 Ukuran Gejala Pusat

dimana:
Xi = Nilai data ke i, i = 1, 2, …, n
n = Banyaknya data
Contoh:
Hitunglah rata-rata nilai hasil ujian Statistika Ekonomi dari 10 orang
mahasiswa berikut: 80, 84, 90, 96, 98, 86, 74, 100, 88, 96.
Jawab:
80 + 84 + 90 + 96 + 98 + 86 + 74 + 100 + 88 + 96 892
=x = = 89,2
10 10
b. Data Berkelompok
=Rumus : x
f 1 x 1 + f 2 x2 + ... + f k xk
=
∑fx i i
f 1 + f 2 + ... + f k ∑f i
dimana:
fi = Frekuensi pada kelas ke i, i = 1, 2, …, k
k = Banyaknya kelas
Xi = Mid point pada kelas ke i
Untuk menghitung rata-rata tersebut dapat dihitung dengan

menggunakan rumus lain (disebut cara pendek).
 ∑ f i ui 
Rumus : x xo + c 
= 
 ∑f
 i 
dimana:
X0 = Nilai Mid point pada Ui = 0,
xi − x o
dengan ui =
ci
Ui = Nilai koding pada kelas ke i
Bab 4 Ukuran Gejala Pusat 29

Ci = Class Interval atau Panjang kelas pad akelas ke i
fi = Frekuensi pad akelas ke i
Contoh :
Hitunglah rata-rata dari data berikut
Interval Kelas Frekuensi (fi)

9 - 21 3
22 – 34 4
35 – 47 4
48 – 60 8
61 – 73 12
74 – 86 23
87 – 99 6
Jumlah 60
Jawaban :
Nilai Tengah
Interval Kelas Frekuensi (fi) fi Xi
(Xi)
9-21 15 3 45
22-34 28 4 112
35-47 41 4 164
48-60 54 8 432
61-73 67 12 804
74-86 80 23 1840
87-99 93 6 558
Σfi = 60 ΣfiXi = 3955
=x
∑=
fx 3955
= 65,92
∑f 60
Atau dapat dihitung dengan menggunakan cara pendek melalui nilai
koding

Nilai Tengah
Interval Kelas Ui Frekuensi (fi ) fi Ui
(Xi)
9-21 15 -3 3 -9
22-34 28 -2 4 -8
35-47 41 -1 4 -4
48-60 54 0 8 0
61-73 67 1 12 12
74-86 80 2 23 46
87-99 93 3 6 18
Σfi = 60 ΣfiUi = 55
 ∑ fu   55 
x=
xo + c  54 + 13   =
= 65,92
 ∑ f   60 
 
Median (Med)
Median adalah nilai letak data tengah, dari niali data yang telah diurutkan
dari nilai data terkecil sampai dengan nilai data terbesar.

Cara mencari nilai median:
1. Urutkan nilai data dari nilai data terkecil sampai dengan nilai data
terbesar.
2. Tentukan letak median (Med) dengan rumus (n + 1)/2
3. Tentukan nilai median (Med) yaitu nilai data yang terletak pada
letak Med.
Contoh :
Tentukan nilai median untuk nilai hasil ujian Statistika Ekonomi
dari 10 orang mahasiswa berikut: 80, 84, 90, 96, 98, 86, 74, 100, 88,
96.
Jawab:
Urutan nilai data: 74, 80, 84, 86, 88, 90, 96, 96, 98, 100
Letak Med = (n + 1)/2 = (10 + 1)/2 = 11/2 = 5,5
Med = (88 + 90)/2 = 178/2 = 89

b. Data Berkelompok
Rumus :
n 
 -F
Med = L 0 + c  2 
 f 
 
 
L 0 = batas bawah kelas median
F = jumlah frekuensi semua kelas sebelum
kelas yang mengandung median
f = frekuensi kelas median
Contoh :
Hitunglah nilai median dari data berikut

9 - 21 3
22 – 34 4
35 – 47 4
48 – 60 8
61 – 73 12
74 – 86 23
87 – 99 6
Jumlah 60
Jawaban :
Letak median ada pada data ke 30, yaitu pada interval 61-73, sehingga :
L0 = 60,5
F = 19
f = 12
 60 
 - 19 
Med = 60,5 + 13  2  = 72,42
 12 
 
 

Modus (Mod)
Modus adalah nilai data yang memiliki frekuensi terbanyak, atau nilai data
yang sering muncul.
Cara mencari nilai modus yaitu dengan cara mencari nilai data yang
memiliki frekuensi terbanyak atau nilai data yang sering muncul.
Contoh :
Tentukan nilai modus untuk nilai hasil ujian Statistika Ekonomi dari 10
orang mahasiswa berikut: 80, 84, 90, 96, 98, 86, 74, 100, 88, 96.
Jawab:
Mod = 96
b. Data Berkelompok
Rumus :
 b1 
Mod = L 0 + c  
 b1 + b 2 
L 0 = batas bawah kelas modus
b1 = selisih antara frekuensi kelas modus dengan
frekuensi tepat satu kelas sebelum kelas modus
b 2 = selisih antara frekuensi kelas modus dengan
frekuensi tepat satu kelas sesudah kelas modus
Contoh :
Hitunglah nilai median dari data berikut

9 - 21 3
22 – 34 4
35 – 47 4
48 – 60 8
61 – 73 12
74 – 86 23
87 – 99 6
Jumlah 60

Jawab :
Data yang memiliki frekuensi terbanyak atau sering muncul adalah pad
akelas 74-86, sehingga
L0 = 73,5
b1 = 23 – 12 = 11
b2 = 23 – 6 = 17
 11 
Mod = 73,5 + 13   = 78,61
 11 + 17 
2. Minor Mean
adalah nilai rata-rata yang biasanya dapat dipergunakan dalam ilmu lain.
Yang termasuk minor mean terdiri atas rata-rata ukur, rata-rata harmonis,
dan rata-rata kuadratis.
Begitupun untuk menghitung nilai-nilai rata-rata tersebut dapat dilakukan
pada data tidak berkelompok dan data berkelompok.
Rata-Rata Ukur (G)

Rata-rata ukur digunakan untuk nilai data yang diperoleh yang sifatnya
selalu berkembang atau tumbuh, sehingga nilai data satu dengan yang
lain berkelipatan. Nilai ini akan kita dapatkan seperti pada nilai rata-
rata pertambahan penduduk, rata-rata pertambahan bunga bank, dan
sebagainya.
Rumus :

G = n X1.X 2 ....X n
Dimana:
G = Nilai rata-rata ukur atau rata-rata geometric
n = Banyaknya data
X1, X2, … Xn = Nilai data ke-1, ke-2, …, ke-n
Atau rumus tersebut dapat dirubah sebagai berikut:

 Σ log X 
G = antilog  
 n 
b. Data Berkelompok
Rumus :
 Σ f log X 
G = antilog  
 Σ f 
Contoh :
Hitunglah nilai rata-rata ukur dari data berikut

9 - 21 3
22 – 34 4
35 – 47 4
48 – 60 8
61 – 73 12
74 – 86 23
87 – 99 6
Jumlah 60
Jawab :
Interval Kelas Nilai Tengah Frekuensi log Xi fi log Xi
(Xi) (fi)
9-21 15 3 1,18 3,54
22-34 28 4 1,45 5,8
35-47 41 4 1,61 6,44
48-60 54 8 1,73 13,84
61-73 67 12 1,83 21,96
74-86 80 23 1,90 43,7
87-99 93 6 1,97 11,82
Σfi = 60 Σfi log Xi =
107,1
 107,1 
G = antilog   = 60,95
 60 

Rata-Rata Harmonis (RH)
Rata-rata harmonis digunakan untuk menghitung rata-rata kecepatan dari
jarak tempuh yang sama.
Rumus :
n
RH =
 1 
Σ 
X
Dimana:
RH = Rata-rata harmonis
n = banyaknya data
Xi = nilai data ke i, i = 1, 2, …, n
Contoh :
Berapa rata-rata kecepatan dari suatu kendaraan yang melakukan
perjalanan pulang pergi dari Sukabumi ke Bandung dengan kecepatan
60 km/jam, dan dari Bandung ke Sukabumi dengan kecepatan 50 km/
jam?
Jawab :
Dimana n = 2, Kecepatan pertama (X1) = 60 km/jam dan Kecepatan
kedua (X2) = 50 km/jam
2
Rata-rata kecepatan = = 54,64 km/jam
( 1 / 60 ) + (1 / 50)
b. Data Berkelompok
Rumus :
Σf
RH =
 f 
Σ 
X
Dimana:
RH = Rata-rata harmonis
Σf = Jumlah frekuensi

f = Frekuensi pada setiap kelas
X = Mid point pada setiap kelas
Contoh :
Hitunglah nilai rata-rata harmonis dari data berikut
9 - 21 3
22 – 34 4
35 – 47 4
48 – 60 8
61 – 73 12
74 – 86 23
87 – 99 6
Jumlah
60
Jawab :
Interval Kelas Nilai Tengah (X) Frekuensi f/X
9-21 15 3 0,2
22-34 28 4 0,143
35-47 41 4 0,098
48-60 54 8 0,148
61-73 67 12 0,179
74-86 80 23 0,288
87-99 93 6 0,065
Σf = 60 Σf / X = 1,121
60
RH = = 53,52
1,121

Soal Evaluasi
1. Bagian Produksi PT. Philip telah memproduksi 50 bola lampu berdasarkan
daya tahan (x 10 jam) sebagai berikut:
152 245 127 182 215 142 140 220 193 131
280 242 242 260 195 200 130 120 160 215
145 150 134 138 144 148 150 154 164 168
180 190 186 194 262 264 270 254 250 258
200 220 242 260 268 270 188 240 198 168
Pertanyaan:
a. Buatlah tabel distribusi frekuensi berdasarkan data di atas!
b. Hitunglah rata-rata, median, dan modus dari daya tahan bola lampu
tersebut, berdasarkan tabel distribusi frekuensi yang diperoleh!
c. Kesimpulan apa yang bisa saudara tarik dari ketiga rata-rata tersebut
2. Suatu penelitian dilakukan terhadap 100 peti barang dalam rangka meneliti
barang rusak dalam tiap peti. Didapat distribusi frekuensi sebagai berikut:
Banyaknya Barang Rusak Banyaknya Peti
dalam Peti
Kurang dari 4 20
5–9 39
10 – 14 23
15 – 19 11
20 – 24 7
Pertanyaan:
a. Berapa rata-rata banyaknya barang rusak dalam tiap peti?
b. Jika dinyatakan, setiap peti diijinkan keluar gudang jika hanya berisi
barang rusak paling banyak 12 barang, berapa jumlah peti yang
memenuhi syarat tersebut?
3. 15 orang mahasiswa terbagi dalam 3 kelompok yang sama mendapat tugas
menggambar dan memperoleh sebagai berikut:
Kelompok 1 : 60 52 55 64 60
Kelompok 2 : 65 57 61 45 66
Kelompok 3 : 53 66 58 57 53
Pertanyaan:
a. Kelompok mana yang mempunyai rata-rata hitung tertinggi?
b. Kelompok mana yang mempunyai rata-rata geometris terendah?
c. Kelompok mana yang mempunyai median tertinggi?
d. Kelompok mana yang mempunyai rata-rata harmonis terendah?

4. Diketahui tabel mengenai Jumlah Penduduk Indonesia dari tahun 2011-2016
sebagai berikut:
Tahun Jumlah Penduduk (Juta Jiwa)
2011 242.0
2012 245.4
2013 248.8
2014 252.2
2015 255.5
2016 258.7
Sumber: Badan Pusat Statistik, 2018.
Pertanyaan:
a. Hitung rata-rata laju pertumbuhan penduduk Indonesia pertahun!
b. Perkirakan jumlah penduduk Indonesia pada tahun 2020!

BAB 5
UKURAN LETAK
Selain ukuran gejala pusat terdapat pula ukuran letak. Salah satu dari
ukuran letak adalah median yang menunjukkan nilai letak data tengah dalam
susunan nilai data yang diurutkan mulai dari yang terkecil ke yang terbesar.
Dengan demikian median terletak di tengah-tengah data yang telah diurutkan
dan dapat dianggap bahwa median membagi data yang telah diurutkan itu
menjadi dua sub kelompok yang sama banyak. Selain median yang telah kita
pelajari sebelum ini ada ukuran letak lainnya yakni Kuartil, Desil, dan Persentil
yang akan kita pelajari berikut.
Seperti halnya pada ukuran statistik sebelumnya, dalam menentukan

nilai ukuran letak juga dihitung berdasarkan data tidak berkelompok dan data
berkelompok. Secara rinci ukuran letak dapat dikemukakan sebagai berikut:
41
1. Kuartil (Qi)
Kuartil adalah bilangan yang ‘dapat dianggap’ membagi data yang telah
diurutkan menurut besarnya, dari yang terkecil ke yang terbesar, menjadi empat
sub kelompok yang sama banyak.
Ada 3 macam kuartil yakni: Kuartil pertama (Q1) atau kuartil bawah, Kuartil
kedua (Q2) atau kuartil tengah yang juga merupakan median, dan Kuartil ketiga
(Q3) atau kuartil atas. Nilai-nilai kuartil tersebut dapat diartikan sebagai berikut:
a. Kuartil pertama (Q1) ialah nilai dalam distibusi yang membatasi 25%
frekuensi di bagian atas dan 75% frekuensi dibagian bawah distribusi.
b. Kuartil kedua (Q2) ialah nilai dalam distribusi yang membatasi 50%
frekuensi di bagian atas dan 50% di bawahnya.
c. Kuartil ketiga (Q3) ialah nilai dalam distribusi yang membatasi 75%
frekuensi di bagian atas dan 25% frekuensi bagian bawah.
a. Data tidak berkelompok

Rumus :
i(n + 1)
Q i = nilai ke - , i = 1,2,3
4
Dimana :
Qi = Nilai kuartil ke i, i = 1, 2, 3
n = Banyaknya data
Contoh:
Tentukan nilai Q1, Q2, dan Q3 untuk nilai hasil ujian Statistika Ekonomi
dari 10 orang mahasiswa berikut: 80, 84, 90, 96, 98, 86, 74, 100, 88, 96.
Jawab:
Letak Q1 = 1 (n + 1)/4 = 1 (10 + 1)/4 = 11/4 = 2,75
Q1 = 80 + 0,75 (84 – 80)
= 80 + 3
= 83
42 Bab 5 Ukuran Letak

Letak Q2 = 2 (n + 1)/4 = 2 (10 + 1)/4 = 22/4 = 5,5
Q2 = 88 + 0,5 (90 – 88)
= 88 + 1
= 89
Letak Q3 = 3 (n + 1)/4 = 3 (10 + 1)/4 = 33/4 = 8,25

Q3 = 96 + 0,25 (98 – 96)
= 96 + 0,5
= 96,5
b. Data Berkelompok
Rumus :
 in 
 -F
Q i = L 0 + c 4  , i = 1,2,3
 f 
 
 
dimana :
Qi = Nilai kuartil ke-i, i = 1, 2, 3
Lo = Batas bawah kelas kuartil
F = Jumlah frekuensi kumulatif sebelum kelas Qi
f = Frekuensi kelas kuartil Qi
c = Class Interval atau Panjang kelas
n = Banyaknya data
Contoh :
Hitunglah nilai Q1, Q2, dan Q3 dari data berikut

9 - 21 3
22 – 34 4
35 – 47 4
48 – 60 8
61 – 73 12
74 – 86 23
87 – 99 6
Jumlah 60
Bab 5 Ukuran Letak 43

Jawab :
Letak Q1 = (1x60)/4 = 15
Kelas Q1 = 48 – 60
Lo = 47,5
C = 13
F = 11
f =8
 1.60 
 - 11 
Q1 = 47,5 + 13 4  = 54
 8 
 
 
Letak Q2 = (2x60)/4 = 30
Kelas Q2 = 61 – 73
Lo = 60,5
C = 13
F = 19
f = 12
 2.60 
 - 19 
Q 2 = 60,5 + 13 4  = 72,42
 12 
 
 
Letak Q3 = (3x60)/4 = 45
Kelas Q3 = 74 – 86
Lo = 73,5
C = 13
F = 31
f = 23
 3.60 
 - 31 
Q 3 = 73,5 + 13 4  = 81,41
 23 
 
 

2. Desil (Di)
Desil ialah bilangan yang ‘dapat dianggap’ membagi data yang telah
diurutkan menurut besarnya, dari yang terkecil ke yang terbesar, menjadi
sepuluh sub kelompok yang sama banyak. Dengan demikian terdapat 9 macam
desil yakni mulai dari desil pertama (D1) sampai dengan desil kesembilan (D9).

Rumus :
i(n + 1)
D i = nilai ke - , i = 1,2,3,...,9
10
dimana :
Di = Nilai desil ke i, i = 1, 2, 3, …, 9.
n = Banyaknya data
Contoh:
Tentukan nilai D1, D5, dan D9 untuk nilai hasil ujian Statistika Ekonomi
dari 10 orang mahasiswa berikut: 80, 84, 90, 96, 98, 86, 74, 100, 88, 96.
Jawab :
Letak D1 = 1 (n + 1)/4 = 1 (10 + 1)/10 = 11/10 = 1,1
D1 = 74 + 0,1 (80 – 74)
= 74 + 0,6
= 74,6
Letak D5 = 5 (n + 1)/10 = 5 (10 + 1)/10 = 55/10 = 5,5

D5 = 88 + 0,5 (90 – 88)
= 88 + 1
= 89
Letak D9 = 9 (n + 1)/10 = 9 (10 + 1)/10 = 99/10 = 9,9

D9 = 98 + 0,9 (100 – 98)
= 98 + 1,8
= 99,8

b. Data Berkelompok
Rumus :
 in 
 -F
D i = L 0 + c 10  , i = 1,2,3,...,9
 f 
 
 
dimana :
Di = Nilai desil ke-i, i = 1, 2, 3, …, 9
Lo = Batas bawah kelas desil Di
F = Jumlah frekuensi kumulatif sebelum kelas Di
f = Frekuensi kelas desil Di
n = Banyaknya data
Contoh :
Hitunglah nilai D3, dan D7 dari data berikut

9 - 21 3
22 – 34 4
35 – 47 4
48 – 60 8
61 – 73 12
74 – 86 23
87 – 99 6
Jumlah 60
Jawab :
Letak D3 = (3 x 60)/10 = 18
Kelas D3 = 48 – 60
Lo = 47,5
C = 13
F = 11
f =8

 3.60 
 - 11 
D 3 = 47,5 + 13 10  = 58,875
 8 
 
 
Letak D7 = (7 x 60)/10 = 42
Kelas D7 = 74 – 86
Lo = 73,5
C = 13
F = 31
f = 23
 7.60 
 - 31 
D 7 = 73,5 + 13 10  = 79,72
 23 
 
 
3. Persentil (Pi)
Persentil ialah bilangan yang ‘dapat dianggap’ membagi data yang telah
diurutkan menurut besarnya, dari yang terkecil ke yang terbesar, menjadi 100 sub
kelompok yang sama banyak. Dengan demikian terdapat 99 macam persentil
yakni mulai dari persentil pertama (P1) sampai dengan persentil ke sembilan
puluh sembilan (P99). Mudah dipahami bahwa Median = Q2 = D5 = P50.

Rumus :
i(n + 1)
Pi = nilai ke - , i = 1,2,3,...,99
100
dimana :
Pi = Nilai persentil ke i, i = 1, 2, 3, …, 99
n = Banyaknya data
Contoh :
Tentukan nilai P30, dan P50 untuk nilai hasil ujian Statistika Ekonomi dari
10 orang mahasiswa berikut: 80, 84, 90, 96, 98, 86, 74, 100, 88, 96.

Jawab :
Letak P30 = 30 (n + 1)/100 = 30 (10 + 1)/100 = 330/100 = 3,3
P30 = 84 + 0,3 (86 – 84)
= 84 + 0,6
= 84,6
Letak P50 = 50 (n + 1)/100 = 50 (10 + 1)/100 = 550/100 = 5,50

P50 = 88 + 0,50 (90 – 88)
= 88 + 1
= 89
a. Data Berkelompok
Rumus :
 in 
 -F
Pi = L 0 + c 100  , i = 1,2,3,...,99
 f 
 
 
dimana :
Pi = Nilai persentil ke i, i = 1, 2, 3, …, 99
Lo = Batas bawah kelas persentil Pi
F = Jumlah frekuensi kumulatif sebelum kelas Pi
f = Frekuensi kelas persentil Pi
n = Banyaknya data
Contoh :
Hitunglah nilai P30, dan P50 dari data berikut
9 - 21 3
22 – 34 4
35 – 47 4
48 – 60 8
61 – 73 12
74 – 86 23
87 – 99 6
Jumlah 60
Jawab (dengan cara yang sama seperti sebelumnya)

Soal Evaluasi
1. Apabila saudara mengadakan penelitian pada PT. Barokah mengenai
distribusi upah dari PT. tersebut maka saudara datang ke bagian Time
Keeping and Payroll, oleh bagian tersebut diberi tabel sebagai berikut:
Upah (Rp) Banyaknya Pegawai
1.000.000 – 1.199.000 10
1.200.000 – 1.399.000 20
1.400.000 – 1.599.000 30
1.600.000 – 1.799.000 60
1.800.000 – 1.999.000 120
2.000.000 – 2.199.000 50
2.200.000 – 2.399.000 30
2.400.000 – 2. 599.000 20
2.600.000 – 2.799.000 10

Pertanyaan:
a. Hitunglah rata-rata, median dan modus dari distribusi frekuensi di atas!
b. Hitunglah Q2 dan P75 dari distribusi frekuensi di atas!
2. Sebuah perusahaan industri kerajinan yang memproduksi berbagai barang
dari kulit telah mempunyai 80 orang karyawan. Upah perharinya berbeda
tergantung keahlian yang dimiliki. Distribusi upah harian tersebut sebagai
berikut:
Upah Harian (x Rp 1.000) Jumlah Buruh
Di bawah 10 6
10 – 19 12
20 – 29 19
30 – 39 20
40 – 49 13
50 – 59 8
60 – atau lebih 2
Jumlah 80
Pertanyaan:
a. Hitung rata-rata upah harian buruh tersebut!
b. Hitung pula besarnya Q1, apa artinya?
c. Kalau perusahaan memiliki 10% buruh yang mempunyai upah tertinggi,
maka berapakah upah terendahnya?

BAB 6
UKURAN DISPERSI
Ukuran dispersi pada dasarnya adalah pelengkap dari ukuran nilai gejala
pusat dalam menggambarkan sekumpulan data. Jadi, dengan adanya ukuran
dispersi maka penggambaran sekumpulan data akan menjadi lebih jelas dan
tepat.
Ukuran dispersi atau ukuran variasi atau ukuran penyimpangan adalah

ukuran yang menyatakan seberapa jauh penyimpangan nilai-nilai data dari
nilai-nilai pusatnya, atau ukuran yang menyatakan seberapa banyak nilai-nilai
data yang berbeda dengan nilai-nilai pusatnya.
Macam-Macam Ukuran Dispersi

Terdapat macam-macam ukuran dispersi yaitu Range, Simpangan Rata-
rata, Variansi, dan Simpangan baku.
51
1. Range (R)
adalah selisih antara nilai tertinggi dengan nilai terendah dari serangkaian
data. Berikut adalah rumus jangkauan (range) untuk data tidak berkelompok
dan data berkelompok sebagai berikut :

R = Nilai data terbesar – Nilai data terkecil
R = Xi maksimum – Xi minimum
Contoh:
Tentukan range untuk nilai hasil ujian Statistika Ekonomi dari 10 orang
mahasiswa berikut: 80, 84, 90, 96, 98, 86, 74, 100, 88, 96.
Jawab:
R = Xi maksimum – Xi minimum
= 100 – 74
= 26
b. Data Berkelompok
1) Untuk data berkelompok, range dapat ditentukan dengan dua cara
yaitu menggunakan titik atau nilai tengah dan menggunakan tepi kelas.
Range adalah selisih titik tengah kelas tertinggi dengan titik tengah
kelas terendah.
2) Range adalah selisih tepi atas kelas tertinggi dengan tepi bawah kelas
terendah
Contoh soal :
Tentukan Range dari distribusi frekuensi dari hasil pengukuran tinggi
badan 50 orang mahasiswa:
Tinggi Badan (cm) Frekuensi

140 – 144 2
145 – 149 4
150 – 154 10
155 – 159 14
160 – 164 12
165 – 169 5
170 - 174 3
Jumlah 50
52 Bab 6 Ukuran Dispersi

Penyelesaian :
Titik tengah kelas terendah = 142
Titik tengah kelas tertinggi = 172
Tepi bawah kelas terendah = 139,5
Tepi atas kelas tertinggi = 174,5
1. R = Titik tengah kelas tertinggi – Titik tengah kelas terendah
= 172 – 142
= 30
2. R = Tepi atas kelas tertinggi – Tepi bawah kelas terendah
= 174,5 – 139,5
= 35
2. Simpangan Rata-rata (SR)

Simpangan rata-rata adalah nilai rata-rata hitung dari harga mutlak
simpangan-simpangannya. Berikut rumus SR untuk data tidak berkelompok
dan data berkelompok.

1
=SR
n
∑| X i − X

Contoh soal :
Tentukan simpangan rata-rata untuk nilai hasil ujian Statistika Ekonomi
dari 10 orang mahasiswa berikut: 80, 84, 90, 96, 98, 86, 74, 100, 88, 96
Penyelesaian :
1
SR= (| 80 − 89,2| + | 84 − 89,2| + |90 − 89,2| + |96 − 89,2| +
10
|98 − 89,2| + | 86 − 89,2| + | 74 − 89,2| + | 100 − 89,2| +
| 88 − 89,2| + |96 − 89,2|)
b. Data Berkelompok
1
=SR
n
∑ fi | Xi − X |

Bab 6 Ukuran Dispersi 53

Contoh soal :
Tentukan Simpangan rata-rata dari distribusi frekuensi dari hasil
pengukuran tinggi badan 50 orang mahasiswa:

140 – 144 2
145 – 149 4
150 – 154 10
155 – 159 14
160 – 164 12
165 – 169 5
170 - 174 3
Jumlah 50
Penyelesaian :
Tinggi Badan fi Xi fiXi fi

140 – 144 2 142 284 15,7 31,4
145 – 149 4 147 588 10,7 42,8
150 – 154 10 152 1520 5,7 57
155 – 159 14 157 2198 0,7 9,8
160 – 164 12 162 1944 4,3 51,6
165 – 169 5 167 835 9,3 46,5
170 - 174 3 172 516 14,3 42,9
Jumlah 50 - 7885 - 282
7885
=X
= 157,7
50
1
= SR = (282) 5,64
50
3. Varians (S2)
Variance (varians) adalah kuadrat dari simpangan baku. Fungsinya
untuk mengetahui tingkat penyebaran atau variasi data. Sedangkan menurut
Hasan (2011: 107), variansi adalah nilai tengah kuadrat simpangan dari nilai
tengah atau simpangan rata-rata kuadrat. Untuk sampel, variansnya (varians
sampel) disimbolkan dengan s². Untuk populasi, variansnya (varians populasi)
disimbolkan dengan 𝜎² (baca: sigma).
Berikut rumus varians untuk data tidak berkelompok dan data berkelompok.

S 2
=
∑ ( xi − x) 2
Untuk sampel besar (n>30)
n
S2 =
∑ ( xi − x) 2
Untuk sampel besar (n<30)
n−1
atau
S
= 2 ∑x 2
−
(∑ x )2
Untuk sampel besar (n>30)
n n
S
= 2 ∑x 2
−
(∑ x )2
Untuk sampel besar (n<30)
n−1 n(n − 1)
Contoh soal :
Tentukan varians untuk nilai hasil ujian Statistika Ekonomi dari 10 orang
mahasiswa berikut: 80, 84, 90, 96, 98, 86, 74, 100, 88, 96
Penyelesaian:
X X-X (X – X)2 X2
80 - 9,2 84,64 6400
84 - 5,2 27,04 7056
90 0,8 0,64 8100
96 6,8 46,24 9216
98 8,8 77,44 9604
86 -3,2 10,24 7396
74 -15,2 231,04 5476
100 10,8 116,64 10000
88 -1,2 1,44 7744
96 6,8 46,24 9216
892 641,60 80208
S 2
=
∑ ( xi − x) 2
n−1
641,60 641,60
= = = 71,28
10 − 1 9

S
= 2 ∑x 2
−
(∑ x )2
n−1 n(n − 1)
80208 (892)2
= −
10 − 1 10(10 − 1)
= 8912 − 8840,711

= 71,289
b. Data Berkelompok
S 2
=
∑ fi( xi − x) 2
Untuk sampel besar (n > 30)
n
S2 =
∑ fi( xi − x) 2
Untuk sampel kecil (n < 30)
n−1
atau
=S2
∑ fix 2
−
(∑ fix )2
Untuk sampel besar (n > 30)
n n
=S2
∑ fix 2
−
(∑ fix )2
Untuk sampel kecil (n < 30)
n−1 n−1
Contoh soal:
Tentukan varians dari distribusi frekuensi dari hasil pengukuran tinggi
badan 50 orang mahasiswa:

140 – 144 2
145 – 149 4
150 – 154 10
155 – 159 14
160 – 164 12
165 – 169 5
170 - 174 3
Jumlah 50
Berikan penyelesaian sendiri !

4. Simpangan baku (S)
Simpangan baku ialah suatu nilai yang menunjukkan tingkat (derajat)
variasi kelompok atau ukuran standar penyimpangan dari rata-ratanya. Untuk
sampel, simpangan bakunya (simpangan baku sampel) disimbolkan dengan s.
Untuk populasi, simpangan bakunya (simpangan baku populasi) disimbolkan σ.
Untuk menentukan nilai simpangan baku, caranya ialah dengan menarik akar
dari varians, yaitu S = √ S2.
5. Koefisien Variasi (KV)

Koefisien variasi merupakan perbandingan antara nilai simpangan baku
dengan nilai rata-ratanya, biasanya dinyatakan dalam bilangan prosentase.
Koefisien variasi digunakan untuk membandingkan kelompok nilai data mana
yang memiliki nilai yang stabil dan lebih baik.
Rumusan koefisien variasi baik untuk data tidak berkelompok maupun data
berkelompok adalah sama, yaitu:
S
KV = x 100%
X
Dimana:
S = Simpangan baku
X = Rata-rata
Contoh soal:
Berikut ini tercatat laba dari pengusaha R. M. Ponyo dengan lokasi yang
berbeda dari setiap bulannya selama satu tahun.

Laba RM. Ponyo 1 Laba RM. Ponyo 2
Bulan
(dalam Jutaan Rupiah (dalam Jutaan Rupiah)
Januari 250 250
Februari 250 250
Maret 250 262
April 254 248
Mei 250 270
Juni 249 240
Juli 252 250
Agustus 256 246
September 252 250
Oktober 250 240
November 248 253
Desember 252 254
Pertanyaan:
R.M. Ponyo mana yang memperoleh keuntungan stabil dalam setiap
bulannya, tunjukkan dengan perhitungan statistiknya!.
Penyelesaian:
X1 (X1 – X) (X1 – X)2 X2 (X2 – X) (X2 – X)2
250 -1,08 1,1664 250 -1,08 1,1664
250 -1,08 1,1664 250 -1,08 1,1664
250 -1,58 2,4964 262 10,92 119,2464
254 2,92 8,5264 248 -3,08 9,4864
250 -1,08 1,1664 270 18,92 357,9664
249 -2,08 4,3264 240 -11,08 122,7664
252 0,92 0,8464 250 -1,08 1,1664
256 4,92 24,2064 246 -5,08 25,8064
252 0,92 0,8464 250 -1,08 1,1664
250 -1,08 1,1664 240 -11,08 122,7664
248 -3,08 9,4864 253 1,92 3,6864
252 0,92 0,8464 254 2,92 8,5264
3013 56,2468 3013 774,9168
X1
=
∑=
X1 3013
= 251,08
n 12
S1 2
=
∑(X 1 − X) 2
n−1
56,2468
= = 5, 1133
12 − 1 Bab 6 Ukuran Dispersi
58
= 2,2613
S1 2
=
∑(X 1 − X) 2
n−1
56,2468
= = 5, 1133
12 − 1
= 2,2613
S1
KV 1 =
x 100%
X1
2,2613
= = x 100% 0,90%
251,08
X2
=
∑=
X2 3013
= 251,08
n 12
S 22 =
∑ ( X 1 − X )2
n−1
774,9168
= = 70,4470
12 − 1
2
S 2 = 8, 3933
S2
KV 2 =
x 100%
X2
8, 3933
= = x 100% 3, 3429%
251,08
Berdasarkan perhitungan di atas sehingga dapat disimpulkan, bahwa

RM. Ponyo-1 lebih stabil dalam memperoleh laba dalam setiap bulannya
dibandingkan dengan RM. Ponyo-2.
6. Angka Baku (Z)

Angka Baku digunakan untuk mengetahui kedudukan suatu objek yang
diselidiki dibandingkan terhadap keadaan pada umumnya (nilai rata-rata)
kumpulan objek tersebut.
Rumusan angka baku baik untuk data tidak berkelompok maupun data
berkelompok adalah sama, yaitu:

X−X
Z=
S
Dimana:
Z = Angka baku
X = Nilai data
X = Rata-rata
S = Simpangan baku
Contoh soal:
Melanjutkan soal kasus rumah makan, R. M. Ponyo mana yang memperoleh
laba lebih baik, jika pada bulan tertentu dari R. M. Ponyo 1 memperoleh
keuntungan 254 (Juta Rupiah), sedangkan R.M. Ponyo 2 memperoleh
keuntungan 255 (Juta Rupiah)?
Penyelesaian:

X1 − X
Z1 =
S1
254 − 251,08
= Z 1 = 0,571
5, 1133
255 − 251,08
= Z 2 = 0,467

8, 3933
Berdasarkan perhitungan di atas sehingga dapat disimpulkan, bahwa RM.

Ponyo-1 pada bulan tertentu tersebut memperoleh laba yang lebih baik
dibandingkan dengan RM. Ponyo-2.

Soal Evaluasi
1. Tuan Hasyim adalah seorang pengusaha muda golongan ekonomi
menengah, mempunyai usaha di bidang Toko Kelontong, Angkutan, dan
Percetakan. Selama lima bulan terakhir aktifitas usahanya menunjukkan
hal sebagai berikut:
Toko Kelontong:
Penerimaan (x Rp 1.000.000): 50 90 85 100 75
Biaya (x Rp 1.000.000): 23 42 49 49 42
Angkutan:
Penerimaan (x Rp 1.000.000): 40 40 35 100 95
Biaya (x Rp 1.000.000): 11 20 17 30 30
Percetakan:
Penerimaan (x Rp 1.000.000): 30 34 50 55 70
Biaya (x Rp 1.000.000): 15 16 25 26 37
Pada masa resesi sekarang ini, Tuan Hasyim pun tidak luput dari keadaan
tersebut sehingga dia menghendaki untuk melepaskan salah satu usahanya
di atas. Tuan Hasyim berpendapat bahwa dalam masa resesi ini sebaiknya
usaha yang mempunyai keuntungan bersih stabillah yang akan diteruskan.
Tuan Hasyim minta tolong kepada Anda untuk membantu dalam
memutuskan usaha mana yang sebaiknya dilepaskan, mengapa? Jelaskan!
2. Berikut ini tercatat keuntungan dari pengusaha R. M. Ponyo dengan lokasi
yang berbeda dari setiap bulannya selama satu tahun.
Keuntungan R. M. Ponyo 1 (dalam Jutaan Rupiah):
250 250 250 254 250 249 252 256 252 250 248 252
Keuntungan R. M. Ponyo 2 (dalam Jutaan Rupiah):
250 250 262 248 270 240 250 246 250 240 253 254
Pertanyaan:
a. R.M. Ponyo mana yang memperoleh keuntungan stabil dalam setiap
bulannya, tunjukkan dengan perhitungan statistiknya!.
b. R. M. Ponyo mana yang memperoleh keuntungan lebih baik, jika pada
bulan tertentu dari R. M. Ponyo 1 memperoleh keuntungan 254 (Juta
Rupiah), sedangkan R.M. Ponyo 2 memperoleh keuntungan 255 (Juta
Rupiah)?

BAB 7
ANGKA INDEKS
Angka indeks adalah salah satu ukuran statistik yang digunakan untuk
mengukur perubahan variabel-variabel ekonomi dan sosial dari waktu ke waktu.
Angka indeks ini ditunjukkan oleh suatu bilangan atau angka. Bilangan atau
angka ini menunjukkan besar kecilnya perubahan suatu variabel atau keadaan
suatu waktu.
Macam-Macam Angka Indeks

Berdasarkan perubahan variabel yang diukur sehingga dikenal macam-
macam angka indeks sebagai berikut:
1. Angka indeks harga (Price index)

2. Angka Indeks jumlah produksi (Production quantity index)
3. Angka Indeks nilai produksi (Production value index)
4. Angka Indeks biaya hidup (Cost of living index)
63
Kegunaan Angka Indeks
1. Sebagai dasar dalam membuat kebijakan ekonomi seperti kebijakan
fiskal dan moneter. Contohnya, dengan melihat perkembangan Indeks
Harga Konsumen, pemerintah bisa menghitung laju inflasi. Dengan
mengetahui laju inflasi pemerintah bisa menentukan berbagai kebijakan
moneter, seperti menambah atau mengurangi jumlah uang yang beredar.
Disamping itu dengan mengetahui laju inflasi pemerintah juga bisa
menentukan kebijakan fiskal, seperti berapa % kenaikan gaji pegawai negeri
sipil yang tepat.
2. Sebagai dasar untuk menentukan kebijakan harga, agar harga yang terjadi
tidak merugikan konsumen maupun produsen. Dalam hal ini, pemerintah
dapat membuat kebijakan harga maksimum (untuk melindungi konsumen)
atau membuat kebijakan harga minimum (untuk melindungi produsen).
3. Sebagai alat untuk mengukur tingkat kemajuan ekonomi.
4. Sebagai alat untuk menyelidiki faktor-faktor yang mendorong atau yang
menghambat kemajuan ekonomi.
5. Indeks harga dapat dipakai para pedagang dalam menentukan harga jual
produk. Apabila tidak ingin rugi, besarnya harga jual produk harus selalu
mengikuti perkembangan indeks harga. Jika indeks harga meningkat, harga
jual produk juga harus meningkat.
6. Sebagai dasar untuk menentukan jumlah persediaan. Jika indeks harga
terus menerus naik maka sebaiknya pembelian persediaan dipercepat untuk
menghindari harga pembelian persediaan yang lebih tinggi.
7. Sebagai dasar penentuan jumlah gaji atau upah karyawan.
8. Indeks harga, terutama indeks harga yang diterima dan dibayar petani,
mampu memberikan gambaran mengenai tingkat kemakmuran petani.
9. Indeks harga, terutama indeks harga saham bermanfaat sebagai dasar
pertimbangan dalam kegiatan jual beli saham.
10. IHK dan indeks biaya hidup dapat menentukan besarnya gaji yang diterima
PNS secara tetap setiap bulannya.
64 Bab 7 Angka Indeks

Manfaat Indeks Harga Konsumen
1. Manfaat indeks harga konsumen yaitu
untuk mengetahui pengaruh
kenaikan harga komoditas terhadap daya beli konsumen.
2. Manfaat indeks harga konsumen yaitu
dapat dijadikan indikator
ekonomiuntuk mengetahui tingkat inflasi.
3. Manfaat indeks harga konsumen yaitu untuk mengethaui tingkat
kenaikan pendapatan masyarakat.
4. Manfaat indeks harga konsumen yaitu dapat dijadikan ukuran besarnya
biaya produksi yang dikeluarkan.
5. Manfaat indeks harga konsumen yaitu dapat digunakan untuk mengetahui
daya beli nilai mata uang.
Rumusan Angka Indeks Harga (AIH)

Rumusan angka indeks dibedakan dalam dua rumusan, yaitu:
1. AIH Tidak tertimbang/Sederhana
2. AIH Tertimbang
Keterangan Notasi Rumusan:

Io,n = Indeks Harga
Po = Harga pada tahun dasar
Pn = Harga pada tahun yang diperbandingkan
Qo = Quantity pada tahun dasar
Qn = Quantity pada tahun yang diperbandingkan
W = Weight atau Timbangan
K = Banyaknya Jenis Barang
1. AIH Tidak Tertimbang/Sederhana

a. AIH Relatif
Pn
Io, n = x 100%
Po
Contoh soal:
Hitunglah AIH Stapler dari tahun 1985 sampai dengan tahun 2004, bila
tahun 1990 sebagai tahun dasar, periode tahun 1990-1991 dan 1990-1992
sebagai tahun dasar dari data berikut:
Bab 7 Angka Indeks 65

Tahun Harga Stapler
1985 Rp 180
1990 Rp 200
1991 Rp 220
1992 Rp 230
2004 Rp 380
Penyelesaian:
Harga Indeks Harga Indeks Harga Indek Harga
Tahun
Stapler (1990 = 100) (1990-1991 = 100) (1990-92 =100)
1985 Rp 180 90% 85,70% 83,10%
1990 Rp 200 100% 95,20% 92,30%
1991 Rp 220 110% 104,80% 101,50%
1992 Rp 230 115% 109,50% 106,10%
2004 Rp 380 190% 181,00% 175,40%
b. AIH Agregatif Sederhana
Io, n =
∑ Pn x 100%
∑ Po
Contoh soal:
Diberikan 5 macam komoditas dari 1985-1987 seperti data di bawah ini
Komoditas Harga Pertahun (Rp)
1985 1986 1987
A 430 450 450
B 810 825 850
C 1200 1250 1400
D 75 100 110
E 170 180 200
Jumlah 2.685 2.805 3.010
Pertanyaan:
1. Hitunglah indeks harga sederhana dari 5 komoditas di atas pada
tahun 1986 dengan tahun dasar 1985.
2. Hitunglah indeks harga sederhana dari 5 komoditas di atas pada
tahun 1985 dengan tahun dasar 1987

Penyelesaian:
Io, n =
∑ Pn x 100%
∑ Po
2.805
185,86 = x 100%
2.685
= 104,46%
Kesimpulannya:
Harga komoditas pada tahun 1986 rata-rata mengalami kenaikan
sebesar 4,46% dibandingkan harga komoditas tersebut pada tahun
1985.
2.805
185,86 = x 100%
3.010
= 89,20%
Kesimpulannya:
Harga komoditas pada tahun 1985 rata-rata lebih murah sebesar 10,80%
dibandingkan harga komoditas tersebut pada tahun 1987.
c. AIH Rata-rata Relatif Sederhana

Pn
∑ Po
Io, n = x 100%
k
Contoh soal:
Diberikan 5 macam komoditas dari 1986-1987 seperti data di bawah ini
Berikut harga rata-rata relatifnya.
Harga Pertahun (Rp)
Komoditas
Tahun 1986 Tahun 1987
(Po) (Pn)
A 450 450 100
B 825 850 103,03
C 1250 1400 112
D 100 110 110
E 180 200 111,11
Jumlah 536,14

Penyelesaian:
536, 14
I 86,87 = x 107,23%
5
Kesimpulannya bahwa harga rata-rata relatif untuk 5 komoditas pada
tahun 1987 mengalami kenaikan sebesar 7,23% dibandingkan pada
tahun 1986.
2. AIH Agregatif Tertimbang

a. AIH Laspeyres
Io, n= L=
∑ PnQo x 100%
∑ PoQo
b. AIH Paasche
Io, n= P=
∑ PnQn x 100%
∑ PoQn
c. AIH Irving Fisher (Indeks Idiil)
Io,=
n IF
= L.P
d. AIH Drobisch
L+P
Io, n= D= x 100%
2
e. AIH Marshall-Edgeworth
Io=
, n ME
=
∑ Pn(Qo + Qn) x 100%
∑ Po(Qo + Qn)

Contoh soal:
Diberikan data sebagai berikut:
1995 2003
Item 1995 Price 2003 Price
Quantity Quantity
Bread per pound $ 0,77 50 $0,89 55
Egg, dozen 1,85 26 1,84 20
Milk, gallon 0,88 102 1,01 130
Apples per pound 1,46 30 1,56 40
Orange juice, jar 1,58 40 1,70 41
Coffe per pound 4,40 12 4,62 12
Permintaan:
Hitunglah AIH rumusan Laspeyres, Paasche dan Irving Fisher tahun
2003 dengan tahun dasar 1995!
Penyelesaian:
P (1995 Q (1995) P (2003) Q (2003) P xQ P XQ P xQ P xQ
0 0 n n 0 0 0 n n 0 n n
0,77 50 0,89 55 38,5 42,35 44,5 48,95
1,85 26 1,84 20 48,1 37 47,84 36,8
0,88 102 1,01 130 89,76 114,4 103,02 131,3
1,46 30 1,56 40 43,8 58,4 46,8 62,4
1,58 40 1,7 41 63,2 64,78 68 69,7
4,4 12 4,62 12 52,8 52,8 55,44 55,44
Jumlah 336,16 369,73 365,60 404,59
a. AIH Laspeyres
L=
∑ PnQo x 100%
∑ PoQo
365,60
x 100%
=
336, 16

= 108,76%

b. AIH Paasche
P=
∑ PnQn x 100%
∑ PoQn
404,59
P= x 100%
369,73

= 109,43%
c. AIH Irving Fisher (Indeks Idiil)
IF = L.P
IF = (108,76)(109,43)
= 109,09%
Soal Evaluasi
1. Di bawah ini disajikan harga dari 3 macam sayuran di Jakarta pada tahun
2018 dari bulan Januari – Februari. Harga dinyatakan dalam Rp/Kg.
Tahun 2018 Harga dalam (Rp/Kg)
Wortel Tomat Kentang
Januari 10.000 6.000 12.000
Februari 15.000 8.000 20.000
Sumber: Harian Analisa, Kamis 22 Februari 2018
Pertanyaan:
a. Susun anka indeks harga sederhana dari masing-masing jenis sayuran
untuk bulan februari 2018, apabila diketahui tahun dasar adalah bulan
Januari 2018 (Januari = 100). Berikan kesimpulan dari hasil perhitungan
saudara.
b. Susun indeks harga rata-rata relatif untuk bulan Februari 2018, bila tahun
dasar adalah bulan Januari 2018 (Januari = 100).
2. Diketahui harga rata-rata dan kuantitas empat macam buah-buahan sebagai
berikut:
No. Nama Buah Harga Rata-rata (Rp) Kuantitas (Kg)
1996 1999 1996 1999
1 Jeruk 4.400 4.900 6.200 6.000
2 Apel 6.400 7.800 6.800 7.120

3 Mangga 3.200 3.750 4.200 4.250
4 Salak 3.500 4.400 1.300 1.000
5 Lengkeng 7.600 9.200 3.100 3.200
Pertanyaan:
Dari data tersebut, hitung angka indeks harga Laspeyres, Paasche, Irving
Fisher dan Marshall-Edgeworth.
3. Diketahui harga rata-rata 6 macam barang komoditi adalah sebagai berikut:
No. Nama Barang Harga Rata-rata (dalam Rupiah)
Th. 2001 Th. 2002 Th. 2003
1 Beras (per kg) 2500 2650 3100
2 Gula Pasir (per kg) 4200 4350 4600
3 Telur (per kg) 6500 6900 7400
4 Minyak Goreng (per liter) 4250 4700 5400
5 Sabun cuci (per batang) 800 1200 1600
6 Minyak tanah (per liter) 1600 1800 2200
Jumlah 19.850 21.600 24.300
Jika tahun 2001 dijadikan sebagai tahun dasar maka dengan menggunakan
metode agregatif sederhana, hitunglah Angka Indeks harga pada tahun
2002 dan 2003.
4. Diketahui harga berbagai macam sabun mandi. Banyaknya sabun yang
terjual serta harganya selama tahun 2017-2018 sebagai berikut:
Merek Sabun Satuan Banyaknya Terjual Harga Satuan (Rp)
Mandi 2017 2018 2017 2018
Lifebuoy Bar Soap 80 gram 500.000 640.000 2.700 2.800
Midcare
Dettol Bar Soap Anti 110 gram 720.000 860.000 5.700 5.900
Bacterial
Cussons Imperial Leather 100 gram 640.000 700.000 4.500 4.700
Red Claassic
Giv Soap Pink Romantic 80 gram 560.000 620.000 2.300 2.400
Lux Bar Soap Soft Touch 85 gram 980.000 990.000 3.000 3.100
Pertanyaan:
a. Hitunglah angka indeks harga sabun mandi tahun 2018 dengan
menggunakan metode agregatif sederhana tidak tertimbang (tahun
2017 = 100).
b. Hitunglah angka indeks harga agregatif tertimbang untuk tahun 2018
(tahun 2017 = 100) dengan menggunakan timbangan jumlah barang
yang terjual pada tahun yang diperbandingkan.
c. Berilah kesimpulan hasil perhitungan saudara untuk butir a dan b!

5. Diketahui harga dan kuantitas yang terjual dari berbagai macam barang
kebutuhan rumah tangga di sebuah Hypermart pada Awal bulan dan Akhir
bulan Desember 2017 sebagai berikut:
Jenis Barang Harga (Rp/Kg) Quantity (Kg)
Awal Bulan Akhir Bulan Awal Bulan
Minyak Goreng Curah 13.500 14.000 1.600
Gula Pasir 13.600 14.000 1.800
Tepung Terigu 6.400 6.500 1.400
Daging Ayam 34.000 35.000 800
Telur Ayam 19.000 19.000 2.000
Daging Sapi 114.000 115.000 400
Daging Kambing 100.000 105.000 340
Pertanyaan:
a. Hitunglah angka indeks harga rata-rata relatif tak tertimbang bila
waktu dasarnya awal bulan.
b. Hitung juga angka indeks harga agregatif tertimbang untuk akhir bulan,
dengan memakai waktu dasar dan timbangan awal bulan.

BAB 8
DERET BERKALA
Deret berkala merupakan suatu himpunan observasi dimana variabel yang

digunakan diukur dalam urutan periode waktu, misalnya tahunan, semesteran,
triwulanan, bulanan dan sebagainya. Tujuan dari metode deret berkala adalah
untuk menemukan pola data secara historis dan mengekstrapolasikan pola
tersebut untuk masa yang akan datang. Peramalan didasarkan pada nilai variabel
yang telah lalu dan atau peramalan kesalahan masa lalu.
Dari suatu deret berkala akan dapat diketahui pola perkembangan suatu
peristiwa, kejadian atau variabel. Jika perkembangan suatu peristiwa mengikuti
suatu pola yang teratur, maka berdasarkan pola perkembangan tersebut akan
dapat diramalkan peristiwa yang bakal terjadi dimasa yang akan datang.
Jika nilai variabel atau besarnya gejala (peristiwa) dalam deret berkala
(serangkaian waktu) diberi simbol Y1, Y2, ..Yn dan waktu-waktu pencatatan
nilai variabel (peristiwa) diberi simbol X1, X2, ..Xn maka deret berkala dari nilai
73
variabel Y dapat ditunjukan oleh persamaan Y = f (X) yaitu besarnya nilai variabel
Y tergantung pada waktu terjadinya peristiwa itu.
Komponen Deret Berkala

Pola gerakan deret berkala dapat dikelompokan kedalam 4 (empat)
komponen, yaitu:
1. Trend
yaitu gerakan yang berjangka panjang yang menunjukkan adanya
kecenderungan menuju ke satu arah kenaikan dan penurunan secara
keseluruhan dan bertahan dalam jangka waktu yang digunakan sebagai
ukuran adalah 10 tahun keatas. Trend biasanya merupakan hasil perubahan
dalam populasi penduduk, faktor demografi, teknologi, dan atau minat
konsumen.
2. Variasi Musim
yaitu gerakan sekitar trend yang bersifat musiman serta kurang lebih teratur,
yang mempresentasikan pola berulang dengan durasi kurang dari 1 tahun.
3. Variasi Siklis
yaitu gerakan trend yang berjangka lebih panjang dan agak lebih teratur.
Mempresentasikan rangkaian titik-titik dengan pola siklis (pergerakan
naik-turun) di atas atau di bawah garis trend dalam kurun waktu 1 tahun.
4. Variasi Tak Beraturan
Yaitu gerakan yang tidak tetap atau tidak teratur sama sekali (Ireguler).
Dari keempat komponen deret berkala tersebut akan dibahas secara rinci
sebagai berikut:
1. Trend
Suatu gerakan kecenderungan naik atau turun dalam jangka panjang yang
diperoleh dari rata-rata perubahan dari waktu ke waktu dan nilainya cukup
rata (smooth).
Trend digunakan dalam melakukan peramalan (misalnya: penjualan)
dimasa yang akan datang. Metoda-metoda yang sering digunakan dalam
mencari persamaan garis trend ramalan antara lain:
74 Bab 8 Deret Berkala

a. Semi Average Method (Metode Setengah Rata-rata)
Caranya sebagai berikut:
1) Kelompokkan data kedalam 2 (dua) kelompok, kelompok pertama
pada tahun-tahun awal dan kelompok kedua pada tahun-tahun
akhir.
2) Carilah rata-rata dari tiap kelompok, rata-rata kelompok pertama
(K1) dan rata-rata kelompok kedua (K2), kemudian letakkan tiap
rata-rata pada tahun pertengahan tiap kelompok.
3) Carilah selisih rata-rata kedua kelompok tersebut, yaitu K2 – K1.
Jika selisih rata-rata itu positif berarti ada kenaikan, sedangkan jika
selisih rata-rata itu negatif berarti ada penurunan.
4) Carialah selisih tahun dasar dari letak kedua rata-rata itu, yaitu
tahun dasar K2 – tahun dasar K1.
5) Bagilah selisih rata-rata itu dengan selisih tahun dasarnya. Sehingga
diperoleh nilai rata-rata kenaikan/penurunan setiap tahun (= b).
6) Untuk menentukan nilai trend pada tahun dasar/origin dapat
dipilih salah satu nilai rata-rata kelompok yang bersangkutan (= a).
7) Kalau kita akan menentukan nilai trend untuk tahun yang lain
atau membuat peramalan pada tahun-tahun mendatang, tinggal
menambahkan rata-rata kenaikan untuk setiap perbedaan satu
tahun kemudian dari tahun dasarnya.
Catatan:
Jika jumlah datanya ganjil, dalam melakukan pembagian kedalam kedua
kelompok , maka data yang di tengah bisa diabaikan atau dihitung dua
kali.
Contoh Soal:
Di bawah ini disajikan data hasil penjualan gula di suatu daerah selama
periode 2009 sampai dengan 2018 sebagai berikut:
Bab 8 Deret Berkala 75

Permintaan:
Penjualan
Tahun
(dalam Milyar ton) 1. Carilah persamaan trend
2009 102 dengan menggunakan metode
2010 120 semi average!
2011 95
2012 105 2. Ramalkan hasil penjualan pada
2013 108 tahun 2020!
2014 114
2015 112
2016 120
2017 117
2018 124
Penyelesaian:
Semi Nilai X Nilai X
Tahun Penjualan
Rata-rata Th dasar 2011 Th dasar 2016
2009 102 -2 -7
2010 120 -1 -6
2011 95 0 -5
2012 105 106 (K1) 1 -4
2013 108 2 -3
2014 114 3 -2
2015 112 4 -1
2016 120 5 0
2017 117 117,4 (K2) 6 1
2018 124 7 2
a. Apabila tahun 2011 sebagai tahun dasar, maka diperoleh:

a = 106 dan b = (K2 – K1)/(2016 – 2011) = (117,4 – 106)/5 = 11,4/5 = 2,28
Persamaan garis trend ramalan Y = a + bX
Ŷ = 106 + 2,28 X
Ramalan hasil penjualan pada tahun 2020:

Nilai X = 9 dan Y = 106 + 2,28 (9) = 126,52
Jadi ramalan penjualan pada tahun 2020 adalah 126,52 milyar ton.
b. Apabila tahun 2016 sebagai tahun dasar, maka diperoleh:

a = 117,4 dan b = 2,28
Persamaan garis trend ramalan Y = a + bX
Ŷ = 117,4 + 2,28 X

Ramalan hasil penjualan pada tahun 2020:
Nilai X = 4 dan Y = 117,4 + 2,28 (4) = 126,52
Jadi ramalan penjualan pada tahun 2020 adalah 126,52 milyar ton.
b. Least Square Method (Metode Kuadrat Terkecil)

Metode ini paling sering digunakan, karena perhitungannya lebih teliti.
Persamaan garis trend yang akan dicari ialah Y = a + bX
dimana:
Ŷ = Taksiran/ramalan nilai trend
a = Nilai trend pada tahun origin
b = Rata-rata pertambahan/penurunan nilai trend tiap tahun
X = Nilai Skala tahun dihitung dari tahun dasar (X = 0)
Untuk mencari nialai a dan b digunakan penurunan rumus dari:

Y = a + bX … (Persamaan rumus ke-1)
ΣY = na + b ΣX … (Persamaan rumus ke-2)
ΣXY = a ΣX + b ΣX2 … (Persamaan rumus ke-3)
Apabila X = 0 diletakkan di tengah-tengah, maka ΣX = 0, sehingga hasil

penurunan rumus di atas menjadi:
ΣY = na + b ΣX (dimbil dari persamaan rumus ke-2)

na = b ΣX - ΣY
a = b∑ X − ∑ Y
n
b(0) − ∑ Y
a =
n
a = ∑Y
n
ΣXY = a ΣX + b ΣX2 (diambil dari persamaan rumus ke-3)

b ΣX2 = a ΣX – ΣXY
b = a∑ Y − ∑2 XY
∑X

a(0) − ∑ XY
b =
∑X 2
b=
∑ XY
∑X 2
Catatan:
Untuk setiap persamaan trend yang telah dibuat harus ditambahkan
keterangan yang menyebutkan variable Y menunjukkan apa?, berapa
tahun untuk setiap unit X dan kapan originnya?
(Origin adalah dimana X = 0).
Contoh Soal:
Penjualan Permintaan:
Tahun
(dalam Milyar ton)
1. Carilah persamaan trend
2009 102
2010 120 dengan menggunakan Least
2011 95 Square Method!
2012 105
2013 108 2. Ramalkan hasil penjualan pada
2014 114 tahun 2020!
2015 112
2016 120
2017 117
2018 124
Penyelesaian:
Tahun Penjualan (Y) X XY X2
2009 102 -4,5 -459,00 20,25
2010 120 -3,5 -420,00 12,25
2011 95 -2,5 -237,50 6,25
2012 105 -1,5 -157,50 2,25
2013 108 -0,5 -54,00 0,25
0 0 0
2014 114 0,5 57,00 0,25
2015 112 1,5 168,00 2,25
2016 120 2,5 300,00 6,25
2017 117 3,5 409,50 12,25
2018 124 4,5 558,00 20,25
1.117 164,50 82,50

a = ∑Y
n
1.117
a =
10
a = 111,7
164,5
b =
82,50
b = 1,994
Jadi Persamaan Trend ramalannya: Ŷ = a + bX = 111,7 + 1,994 X
Ramalan hasil penjualan pada tahun 2020: Y = 111,7 + 1,994 (6,5) = 130,661
Jadi ramalan hasil penjualan pada tahun 2020 adalah 130,661 milyar ton
c. Moving Average Method (Metode Rata-rata Bergerak)

Metode ini digunakan untuk mengisolasi fluktuasi-fluktuasi musim
dan residu bahkan sebagian dari siklis. Dasar cara menghitung rata-
rata bergerak ialah mencari nilai rata-rata dari beberapa tahun secara
berturut-turut sehingga kita memperoleh nilai rata-rata yang bergerak
secara teratur atau dasar jumlah tahun yang tertentu. Jumlah tahun
yang digunakan sebagai pemerataan bisa 3 tahun, 4 tahun, 5 tahun dan
sebagainya. Makin banyak tahun yang digunakan makin rata bentuk
kurva yang diperoleh.
Contoh Soal:
Penjualan Permintaan:
Tahun
(dalam Milyar ton)
Carilah nilai trend dengan metode
2009 102
2010 120 moving average untuk 3 tanun
2011 95 bergerak.
2012 105
2013 108
2014 114
2015 112
2016 120
2017 117
2018 124

Penyelesaian:
Total Moving Average Moving Average
Tahun Penjualan
(3 tahun) (3 tahun)
2009 102
2010 120 105,67
317
2011 95 106,67
320
2012 105 102,67
308
2013 108 109,00
327
2014 114 111,33
334
2015 112 115,33
346
2016 120 116,33
349
2017 117 120,33
361
2018 124
d. Quadratic Method (Metode Kuadratis)

Untuk jangka waktu pendek, kemungkinan trend tidak bersifat linier.
Metode kuadratis merupakan contoh metode non-linier.
Persamaan trend kuadratis: Y = a + bX + cX2
Untuk mencari koefisien a, b, dan c dicari dengan melalui penurunan
rumus seperti sebelumnya, sehingga diperoleh:
a=
( ∑ Y ) ( ∑ X ) − ( ∑ X Y )( ∑ X )
4 2 2
n(∑ X ) − (∑ X )
4 2 2
b=
∑ XY
∑X 2
n(∑ X 2Y ) − (∑ X 2 )(∑ Y )
c=
n(∑ X 4 ) − (∑ X 2 )
2
Contoh Soal:

Tahun Pelanggan
(Jutaan Orang)
2013 5,0
2014 5,6
2015 6,1
2016 6,7
2017 7,2
Penyelesaian:
Tahun Y X XY X2 X2Y X4
2013 5,0 -2 -10,00 4 20,00 16
2014 5,6 -1 -5,60 1 5,60 1
2015 6,1 0 0 0 0 0
2016 6,7 1 6,70 1 6,70 1
2017 7,2 2 14,40 4 28,80 16
30,60 5,50 10 61,10 34
Jadi persamaan trend ramalannya: Ŷ = 6,13 + 0,55 + 0,0071

Ramalan jumlah pelanggan tahun 2020: Ŷ = 6,13 + 0,55 X + 0,0071
Ŷ = 6,13 + 0,55 (5) + 0,0071 ((5)2
Ŷ = 6,13 + 2,75 + 0,1775
Ŷ = 9,0575 (dalam juta)
Jadi jumlah pelanggan pada tahun 2020 adalah 9.057.500 orang
2. Variasi Musim
Variasi musim adalah gerakan yang berfluktuasi sekitar trend yang berulang
secara teratur tiap-tiap tahun. Fluktuasi tersebut dapat dalam bulanan,
triwulanan atau semesteran. Variasi ini dapat disebabkan oleh faktor alami
maupun institusional dan membawa pengaruh terhadap pola itu sendiri.
Pola tersebut diatas sangat berguna bagi perencanaan produksi, penggunaan

tenaga kerja dalam jangka pendek. Selain itu variasi musim dapat digunakan
bagi dasar kebijakan pimpinan perusahaan dalam mengatur diversifikasi produk
dan kegiatan produksi.

Metode Perhitungan Variasi Musim
a. Metode Rata-Rata Sederhana
Asumsi bahwa pengaruh trend dan siklis yang tidak beraturan tidak besar
dan dianggap tidak ada.
Rata-rata Persatuan Musim x 100
Indeks Musim=
Rata-rata Total

Menentukan Indeks Musim (dalam Triwulan):
28,50 x 100
Indeks Musim Triwulan I = = 107, 79
26,44
28,17 x 100
Indeks Musim Triwulan II = = 106,54
26,44
21,67 x 100
Indeks Musim Triwulan III = = 81,96
26,44
Jika direncanakan panen padi tahun 2008 sebesar 120 ton, maka:
Rata-rata total setiap Triwulan = 120/3 = 40 ton.
Indeks Musim x Rata-rata Total
Rata-rata Pertriwulan=
100
Menentukan Target Pertriwulan:

107,79 x 40
Triwulan I = = 43,116 ton
100

106,54 x 40
Triwulan II = = 42,616 ton
100
81,96 x 40
Triwulan III = = 32,784 ton
100
b. Metode Rata-Rata Sederhana

Adalah suatu metode rata-rata yang disesuaikan dengan trend
Nilai Data Asli
Indeks Musim = x 100
Nilai Trens
c. Metode Rata-Rata dengan Trend

Persamaan Trend Y + a + bX
a=
∑Y
n
b=
∑ XY
∑X 2
Contoh Kasus:
Tahun Produksi (Y) X XY X2
2001 63 -2.5 -157.5 6.25
2002 77 -1.5 -115.5 2.25
2003 75 -0.5 -37.5 0.25
2004 82 0.5 41 0.25
2005 89 1.5 133.5 2.25
2006 90 2.5 225 6.25
Total 476 89 17.5
a=
∑ Y = 476 = 79,333
n 6
b=
∑ XY
=
89
= 5,086
∑X 2
17,5
Jadi persamaan Trend Y = 79,333 + 5,086 X

Tahun Produksi (Y) X XY X2 Y’ Y – Y’
2001 63 -2.5 -157.5 6.25 66,618 -3,618
2002 77 -1.5 -115.5 2.25 71,704 5,296
2003 75 -0.5 -37.5 0.25 76,790 -1,790
2004 82 0.5 41 0.25 81,876 0,124
2005 89 1.5 133.5 2.25 86,962 2,038
2006 90 2.5 225 6.25 92,048 -,048
Total 476 89 17.5 475,998
Substitusikan nilai ke persamaan, maka diperoleh nilai Y’

Contoh:
Y’2001 = 79,333 + 5,086 (-2,5) = 66,618
Y’2002 = 79,333 + 5,086 (-1,5) = 66,618
dan seterusnya
Menghitung Indeks Musim:

Tahun Produksi (Y) Y’ Indeks Musim
2001 63 66,618 94,57
2002 77 71,704 107,39
2003 75 76,790 97,67
2004 82 81,876 100,15
2005 89 86,962 102,34
2006 90 92,048 97,78
63
Indeks Musim Tahun 2001 = x 100 = 94,57
66,618
77
71,704
75
76,790
82
91,876
89
86,962
90
92,048


Soal Evaluasi
1. PT. Putraco memandang penting kegiatan promosi untuk meningkatkan
omzet penjualan. Oleh karena itu direncanakan biaya promosi secara
khusus. Berikut adalah biaya promosi selama tahun 2007-2013.
Tahun Biaya Promosi (Rp. Milyar)
2007 95
2008 102
2009 110
2010 118
2011 126
2012 133
2013 140
Permintaan:
a. Tentukan persamaan trend dengan menggunakan Semi Average Method
untuk biaya promosi tersebut.
b. Berapakah perkiraan biaya promosi pada tahun 2018
c. Tentukan persamaan trend dengan menggunakan Least Square Method
dengan tahun dasar 2010.
d. Berapakah perkiraan perkiraan biaya promosi pada tahun 2018.
2. Sally software, Inc., adalah pemasok piranti lunak komputer yang tumbuh
dengan cepat di kawasan Sarasota. Penjualan untuk 6 tahun terakhirnya
adalah:
Tahun Penjualan
(Jutaan US$)
2006 2,13
2007 18,10
2008 39,80
2009 81,40
2010 112,00
2011 133,40
Permintaan:
a. Tentukan persamaan trend dengan menggunakan Semi Average Method
untuk penjualan tersebut.
b. Berapakah perkiraan penjualannya pada tahun 2015?
3. Di bawah ini disajikan data dari hasil penjualan barang di suatu daerah
selama periode 2006-2015 adalah sebagai

Penjualan
Tahun
(dalam Milyar Ton)
2006 102
2007 120
2008 95
2009 105
2010 108
2011 114
2012 112
2013 120
2014 117
2015 124
Permintaan:
a. Tentukan persamaan trend dengan menggunakan Moving Average
Method (3 tahun) untuk penjualan tersebut.
b. Tentukan persamaan trend dengan menggunakan Least Square Method
untuk penjualan tersebut.
c. Berapakah perkiraan penjualannya pada tahun 2018?
4. Di bawah ini disajikan data mengenai konsumsi daging setiap tahun dari
tahun 2006-2013 adalah sebagai berikut:
Tahun Konsumsi Tahun Konsumsi
(dalam Kilogram) (dalam Kilogram)
2006 8.800 2010 8.500

2007 8.400 2011 9.100
2008 7.700 2012 9.800
2009 8.600 2013 9.200
Permintaan:
a. Tentukan persamaan trend dengan menggunakan Least Square Method
untuk konsumsi daging tersebut.
b. Berapakah perkiraan konsumsi daging pada tahun 2018?

BAB 9
PENGANTAR STATISTIKA
UNTUK PENELITIAN
A. Pendahuluan
Statistika adalah pengetahuan yang berhubungan degan cara-cara
pengumpulan fakta, pengolahan serta pembuatan keputusan yang cukup
beralasan berdasarkan fakta dan penganlisaan yang dilakukan. Sedangkan
statistik dipakai untuk menyatakan kumpulan fakta, umumnya berbentuk angka
yang disusun dalam tabel atau diagram yang melukiskan atau menggambarkan
suatu persoalan. Dalam perkembangannya, untuk menyelesaikan suatu masalah
dapat digunakan beberapa pendekatan antara lain statistika dalam arti sempit
dan statsitika dalam arti luas (Hadi, 2014).
Statistika dalam arti sempit (statistika deskriptif) adalah statistika yang
mendeskripsikan atau menggambarkan tentang data yang disajikan dalam
bentuk tabel, diagram, pengukuran tendensi sentral, rata-rata hitung, rata-
87
rata ukur, dan rata-rata harmonik, pengukuran penempatan (median, kuartil,
desil, dan persentil), pengukuran penyimpangan (range, rentangan antar
kuartil, rentangan semi antar kuartil, simpangan rata-rata, simpangan baku,
varians. Koefisien varians, dan angka baku), angka indeks serta mencari kuatnya
hubungan dua variabel, melakukan peramalan (prediksi) dengan menggunakan
analisis regresi linier, membuat perbandingan (komparatif). Tetapi dalam
analisis korelasi, regresi maupun komparatif tidak perlu menggunakan uji
signifikansi karena tidak bermaksud membuat generalisasi (bersifat umum)
(Sudjana, 2004).
Statistika dalam arti luas disebut juga dengan statistika inferensial atau
statsitika induktif atau statsitika probabilitas yaitu suatu alat pengumpul data,
pengolah data, menarik kesimpulan, membuat tindakan berdasarkan analisis
data yang dikumpulkan atau statistika yang digunakan menganalisis data sampel
dan hasilnya dimanfaatkan (generalisasi) untuk populasi (Sudjana, 2004).
Dengan demikian, dapat dikatakan bahwa statistika adalah suatu ilmu
pengetahuan yang berhubungan dengan data statistik dan fakta yang benar
atau suatu kajian ilmu pengetahuan dengan teknik pengumpulan data, teknik
pengolahan data, teknik analisis data, penarikan kesimpulan, dan pembuatan
kebijakan atau keputusan yang cukup kuat alasannya berdasarkan data dan
fakta yang akurat.
B. Peranan Statistika Dalam Penelitian

Dalam proses penelitian yang ditunjukkan dalam gambar 1 terlihat jelas,
dimana peranan statistika dalam penelitian adalah:
1. Sebagai alat untuk menghitung besarnya anggota sampel yang diambil dari
populasi.
2. Sebagai alat untuk menguji validitas dan reliabilitas instrumen.
3. Sebagai alat untuk menyajikan data, baik berupa tabel atau grafik.
4. Sebagai alat untuk menganalisis data, seperti menguji hipotesis penelitian.
C. Proses Penenlitian dan Statistik Yang Diperlukan

Penelitian adalah cara ilmiah untuk mendapatkan data dengan tujuan dan
kegunaan tertentu. Oleh karena itu langkah-langkah dalam setiap penelitian
harus dilakukan secara sistematis. Langkah-langkah sistematis dalam penelitian
88 Bab 9 Pengantar Statistika Untuk Penelitian

itu (khususnya penelitian kuantitatif) terlihat dalam proses penelitian seperti
yang ditunjukkan pada gambar berikut ini.
Gambar 1. Proses Penenlitian dan Statistik Yang Diperlukan
Dalam gambar tersebut terlihat secara sistematis peranan statistika

dalam proses penelitian, dari mulai meentukan sampel, mengumpulkan data,
menyajikan data, dan menganalisa data.
D. Pengertian dan Cara Menemukan Masalah

1. Pengertian Masalah
Masalah adalah kesenjangan (discrepancy) antara apa yang seharusnya
(harapan) dengan apa yang ada dalam kenyataan sekarang. Kesenjangan
tersebut dapat mengacu ke ilmu pengetahuan dan teknologi, ekonomi,
politik, sosial budaya, pendidikan dan lain sebagainya. Penelitian diharapkan
mampu mengantisipasi kesenjangan-kesenjangan tersebut. Masalah yang
perlu dijawab melalui penelitian cukup banyak dan bervariasi.
Dalam ranah ilmu sosial, Masalah sosial yang didefinisikan Robert K
Merton sebagai ”ketidaksesuaian yang signifikan dan tidak diinginkan”
antara standar kebersamaan dan kondisi nyata. Atau dengan kata
lain,”Sebuah situasi tak terduga yang tidak sejalan dengan tata nilai yang
dianut sekelompuk orang yang menyetujui bahwa perlu adanya tindakan
untuk mengatasi situasi”.
Bab 9 Pengantar Statistika Untuk Penelitian 89

2. Cara Menemukan Masalah
Setelah peneliti menentukan bidang penelitian (problem area) yang
diminatinya, kegiatan berikutnya adalah menemukan permasalahan
(problem finding atau problem generation). Penemuan permasalahan
merupakan salah satu tahap penting dalam penelitian. Situasinya jelas: bila
permasalahan tidak ditemukan, maka penelitian tidak perlu dilakukan.
Pentingnya penemuan permasalahan juga dinyatakan oleh ungkapan:
“Berhasilnya perumusan permasalahan merupakan setengah dari
pekerjaan penelitian”.
Permasalahan yang ditemukan, selanjutnya perlu dirumuskan
kedalam suatu pernyataan (problem statement). Dengan demikian,
pembahasan isi ini akan dibagi menjadi dua bagian: (1) penemuan
permasalahan, dan (2) perumusan permasalahan.
Soal Evaluasi
1. Pada saat kita akan mengumpulkan data, terlebih dahulu harus menentukan
populasi penelitian, dan juga kita harus melakukan penarikan sampel dari
populasi tersebut. Berdasarkan ungkapan tadi apa yang dimaksudkan
dengan populasi dan sampel tersebut?
2. Untuk membuat sebuah instrumen penelitian yang baik dibutuhkan uji
kelayakan melalui uji validitas dan reliabilitas intrumen. Berdasarkan
pernyataan tadi, sudara jelaskan apa yang dimaksud dengan validitas dan
reliabilitas tersebut?
3. Dalam proses penelitian, setelah data terkumpul perlu dilakukan penyajian
data, baik berupa tabel maupun grafik, saudara jelaskan bagaimana cara
membuat tabel dan grafik yang baik dan benar.
4. Sebagai proses penelitian lebih lanjut, setelah data disajikan perlu dilakukan
pengolahan data, menggunakan apa dalam statistika untuk melakukan
pengolahan data tersebut?
5. Setelah data tersebut diolah, langkah selanjutnya adalah melakukan analisis
data, analisis statistik apa yang dapat dilakukan saudara, jelaskan!
90 Bab 9 Pengantar Statistika Untuk Penelitian

BAB 10
SKALA PENGUKURAN
A. Pendahuluan
Sebelum masuk ke pembahasan skala pengukuran, maka ada hal yang perlu
diketahui tentang apa yang akan Anda ukur.
Dalam sebuah penelitian, maka kita pasti menentukan terlebih dahulu

variabel penelitian, yang berarti variabel apa yang akan diukur. Untuk itu, mari
kita ketahui terlebih dahulu apa itu variabel.
Variabel Penelitian adalah suatu atribut, nilai atau sifat dari objek penelitian
(individu atau kegiatan) yang memiliki variasi tertentu antara satu objek dengan
objek lainnya. Umumnya variabel penelitian akan ditentukan oleh seorang
peneliti untuk dipelajari dan digali Informasi dari objek tertentu yang kemudian
ditarik kesimpulannya.
91
Contoh Variabel Penelitian
Misalkan objek penelitian Anda adalah warga Kota Sukabumi, yang akan
diteliti tingkat pengeluaran perbulannya. Kemudian Anda menentukan
variabel apa saja yang akan digali dari mereka. Misalnya usia, jenis kelamin,
besar pendapatan, dan sebagainya. Nah inilah yang disebut variabel
penelitian Anda.
B. Pengertian Skala Pengukuran

Skala pengukuran adalah sebuah acuan yang digunakan untuk menentukan
panjang pendeknya interval yang ada dalam satuan alat ukur.
Dengan menggunakan skala pengukuran, maka alat ukur yang digunakan

akan menghasilkan data kuantitatif. Setelah proses pengukuran yang
menghasilkan data kuantitatif yang berupa angka-angka tersebut barulah
kemudian ditentukan analisis statistik yang cocok untuk digunakan.
Di dalam ilmu statistik, skala pengukuran dibagi kedalam 4 (empat) macam,

yaitu sebagai berikut:
a. Skala Nominal
Skala nominal merupakan skala pengukuran paling sederhana atau
tingkatannya paling rendah di dalam suatu penelitian. Skala ini hanya
digunakan untuk memberikan kategori saja. Misalnya digunakan untuk
memberi label, simbol, lambang, atau nama pada sebuah kategori sehingga
akan mempermudah pengelompokan data menurut kategorinya.
Pada skala nominal ini, peneliti akan mengelompokkan objek, baik
individu atau pun kelompok kedalam kategori tertentu dan disimbolkan
dengan label atau kode tertentu. Kemudian, angka yang diberikan kepada
objek hanya memiliki arti sebagai label atau pembeda saja dan bukan untuk
menunjukkan adanya tingkatan.
Agar lebih paham, berikut ini ciri-ciri dari skala nominal:
1. Kategori data bersifat mutually exclusive (setiap objek hanya memiliki
satu kategori saja).
2. Kategori data tidak memiliki aturan yang logis (bisa sembarang).
92 Bab 10 Skala Pengukuran

Contoh Skala Nominal
Contoh pertama, contoh yang paling umum digunakan yaitu variabel jenis
kelamin. Jenis kelamin akan dibedakan menjadi Laki-laki dan Perempuan.
Dalam hal ini, hasil pengukuran tidak memiliki tingkatan tertentu. Artinya
laki-laki tidak lebih tinggi daripada perempuan, atau sebaliknya.
Di dalam sebuah penelitian, biasanya akan diberi simbol angka sebagai
pembeda, misal jenis kelamin laki-laki diberi simbol angka 1, jenis kelamin
perempuan diberi simbol 0. Simbol angka disini hanya untuk membedakan
saja, tidak menunjukkan bahwa 1 lebih besar dari 0 dan sebagainya.
Contoh kedua, misal nama kota lahir. Ada yang Bandung, Jakarta, Surabaya,
Bogor, dan lain lain. Hal ini hanya untuk pembeda saja, tidak menunjukkan
tingkatan tertentu. Dengan kata lain, orang yang lahir di Bandung bukan
berarti lebih baik dari Bogor atau yang lainnya.
Contoh ketiga, misalnya menjelaskan agama, ada Islam, Kristen, Hindu,
Budha, Katolik. Ini hanya bersifat membedakan saja
b. Skala Ordinal
Skala ordinal merupakan skala pengukuran yang sudah menyatakan
peringkat antar tingkatan. Jarak atau interval antar tingkatan juga tidak
harus sama.
Skala ordinal ini memiliki tingkatan yang lebih tinggi daripada skala
nominal, karena skala ini tidak hanya menunjukkan kategori saja tetapi
juga menunjukkan peringkat.
Di dalam skala ordinal, objek atau kategorinya disusun berdasarkan urutan
tingkatannya, dari tingkat terendah ke tingkat tertinggi atau sebaliknya,
Ciri-ciri dari skala ordinal antara lain:
1. kategori data saling memisah.
2. kategori data ditentukan berdasarkan jumlah karakteristik khusus yang
dimilikinya.
3. kategori data dapat disusun sesuai dengan besarnya karakteristik yang
dimiliki.
Bab 10 Skala Pengukuran 93

Contoh Skala Ordinal
Contoh pertama, contoh pada variabel sikap seseorang terhadap suatu
pernyataan, sikap tersebut berupa sangat setuju, setuju, biasa saja, tidak
setuju, sangat tidak setuju. Pada variabel sikap ini dari sangat setuju ke
sangat tidak setuju menunjukkan kategori dan memiliki tingkatan.
Di dalam sebuah penelitian, kategori tersebut bisa disimbolkan dengan
angka, misal angka 5 untuk sangat setuju, angka 4 untuk setuju, angka 3
untuk biasa saja, angka 2 untuk tidak setuju, dan angka 1 untuk sangat tidak
setuju.
Contoh kedua, misal dalam variabel nilai huruf mutu pada perkuliahan,
yaitu nilai A, B, C, D, dan E. Pada nilai ini menunjukkan tingkatan bahwa
nilai A lebih besar dari B, dan seterusnya.
c. Skala Interval
Skala Interval merupakan skala pengukuran yang bisas digunakan untuk
menyatakan peringkat untuk antar tingkatan. Jarak atau interval antar
tingkatan pun sudah jelas, hanya saja tidak memiliki nilai 0 (nol) mutlak.
Skala interval ini bisa dikatakan berada diatas skala ordinal dan nominal.
Besar interval atau jarak satu data dengan data yang lainnya memiliki bobot
nilai yang sama. Besar interval ini bisa saja di tambah atau dikurang.
Berikut ini adalah ciri-ciri dari skala interval:
1. Kategori data memiliki sifat saling memisah.
2. Kategori data memiliki aturan yang logis.
3. Kategori data ditentukan skalanya berdasarkan jumlah karaaktristik
khusus yang dimilikinya.
4. Perbedaan karakteristik yang sama tergambar dalam perbedaan yang
sama dalam jumlah yang dikenakan pada kategori.
5. Angka nol hanya menggambarkan satu titik dalam skala (tidak memiliki
nilai nol absolut).
Contoh Skala Interval

Contoh pertama, contoh yang paling umum pada skala interval adalah
suhu. Misalkan suatu ruangan memiliki suhu 00C, ini bukan berarti bahwa

ruangan tersebut tidak ada suhunya. Angka 00C disini merupakan suhu, hal
ini dikarena pada skala interval 0 (nol) bukanlah nilai yang mutlak.
Contoh kedua, jam 00.00 bukan berarti waktunya kosong atau tidak ada
nilainya, karena jam 00.00 sendiri masih menunjukkan waktu dimana jam
00.00 sama dengan jam 12 malam.
Contoh ketiga, interval IQ orang dewasa 0 – 200, dalam hal ini tidak ada
IQ seseorang yang memiliki IQ = 0. Jadi 0 bukan nilai yang mutlak, dalam
hal ini hanya sebuah ketentuan atau perjanjian saja.
d. Skala Rasio
Skala rasio adalah skala pengukuran yang ditujukan pada hasil pengukuran
yang bisa dibedakan, diurutkan, memiliki jarak tertentu, dan bisa
dibandingkan.
Skala rasio merupakan tingkatan skala paling tinggi dan paling lengkap
dibanding skala-skala lainnya. Jarak atau interval antar tingkatan sudah
jelas, dan memiliki nilai 0 (nol) yang mutlak. Nilai nol mutlak berarti benar-
benar menyatakan tidak ada.
Contoh Skala Rasio
Contoh pertama, misal tinggi badan Agung adalah 190 cm sedangkan
tinggi badan Vatinson adalah 95 cm. Pada situasi ini dapat dikatakan bahwa
jarak tinggi badan Vatinson dengan Agung adalah 95 cm. Bisa juga dikatakan
bahwa tinggi badan Agung 2 kali tinggi badan Vatinson.
Contoh kedua, misalkan omzet penjualan perusahaan A adalah Rp. 50
Milyar perbulan, sedangkan omzet penjualan perusahaan B adalah Rp. 25
Milyar perbulan. Ukuran rasionya dapat dinyatakan bahwa omzet penjualan
perusahaan A adalah 2 kali omzet penjualan dari perusahaan B.
Bab 10 Skala Pengukuran 95

BAB 11
KONSEP DASAR PROBABILITAS
A. Pendahuluan
Probabilitas diambil dari kata Bahasa Inggris, yaitu Probability. Pengertian
probability atau probabilitas mempunyai suatu pengertian yang luas, dapat
berarti kemungkinan ataupun kesempatan.
Misalnya:
1. Probabilitas kereta api datang tepat pada waktunya 90%, maka ini berarti
bahwa kemungkinan datangnya kereta api tidak terlambat adalah 0,90. Jadi
ada kemungkinan bahwa kereta api entah karena berhalangan atau tidak
datang tepat pada waktunya.
2. Jika kita melemparkan sebuah uang koin, maka probabilitas ia jatuh pada
muka gambar di atas adalah 50%, ini berarti bahwa kesempatan ia jatuh
pada muka gambar di atas adalah ½ kali dari pada jumlah pelemparan yang
diadakan.
97
Jika kita hanya meninjau arti dari kata probabilitas, maka sesuai dengan apa
yang dikatakan di atas merupakan “kemungkinan”.
B. Pengertian Probabilitas
a. Apriori Probababilitas
Ialah suatu probabilitas dimana telah ditentukan terlebih dahulu
kemungkinan terjadi sebelum terjadinya suatu peristiwa. Jadi dengan
perkataan lain, bahwa probabilitas sudah dapat ditentukan lebih
dahulu sebelum terjadinya suatu peristiwa atau sebelum eksperimen
dilakukan.
Jadi dari sejumlah n kemungkinan peristiwa terjadi, dimana sifat
peristiwa telah diketahui akan terjadinya x peristiwa, maka besarnya
probabilitas pristiwa A itu adalah:
x
P(A)=
n
Misalnya:
Bila kita melakukan pengetosan sebuah uang koin sebanyak 1 kali,
maka probabilitas akan tampak muka gambar (G) di atas adalah 1/2.
Nilai probabilitas tersebut diperoleh dari:
Banyaknya peristiwa tampak muka gambar (G) di atas = 1 dan jumlah
keseluruhan peristiwa yang dapat terjadi = 2 yaitu Gambar (G) dan
Huruf (H).
b. Probababilitas Eksperimental atau Probabilitas Statistik

Adalah suatu peristiwa yang kejadiannya berlangsung dengan tidak
terhingga, dimana sifat peristiwa telah diketahui terlebih dahulu, maka
besarnya probabilitas bagi peristiwa tersebut adalah limit dari frekuensi
relatifnya, yang dinyatakan sebagai berikut:
x
P(A)= lim
n→∞ n

98 Bab 11 Konsep Dasar Probabilitas

C. Beberapa Sifat Probabilitas
1. Probababilitas suatu peristiwa A berada antara 0 dan 1, yaitu:
0 ≤ P(A) ≤ 1
dimana: P(A) = 0 artinya pasti tidak akan terjadi peristiwa A
P(A) = 1 artinya pasti akan terjadi peristiwa A
0 < P(A) < 1 artinya mungkin terjadi peristiwa A
2. Probababilitas suatu peristiwa adalah P(A), maka probabilitas tidak

terjadinya peristiwa A menjadi P(A’) = 1 – P(A)
dimana: P(A’) = Probabilitas tidak terjadinya peristiwa A atau gagal
P(A) = Probabilitas terjadinya peristiwa A atau sukses
Perumusan di atas harus memenuhi ketentuan:

1. Probabilitas dari peristiwa A harus merupakan bilangan yang non negatif,
yaitu P(A) ≥ 0.
2. Jumlah probabilitas peristiwa A ditambah dengan peristiwa bukan A harus
sama dengan 1 atau P(A) + P(A’) = 1.
Jika probabilitas untuk peristiwa lulusnya mahasiswa A adalah 0,80, maka

probabilitas untuk peristiwa tidak lulusnya mahasiswa A adalah 0,20, sehingga:
P(A) + P(A’) = 0,80 + 0,20 = 1
D. Macam-Macam Peristiwa Probabilitas

1. Mutually Exclusive Event (Peristiwa Saling Lepas)
Dua peristiwa merupakan peristiwa saling lepas, jika kedua peristiwa
tersebut tidak dapat terjadi pada waktu yang bersamaan. Sebagai ilustrasi
dapat ditunjukkan dala gambar berikut ini:
Jika kita mempunyai 2 macam peristiwa yaitu A dan B, maka terjadinya
peristiwa A atau B adalah penjumlahan dari pada probabilitas A dan
probabilitas B, yakni: P(A U B) = P(A) + P(B)
Jika akan ditambahkan satu peristiwa lagi, yaitu peristiwa C dengan
probabilitas adalah P(C), maka rumusnya menjadi:
P(A U B U C) = P(A) + P(B) + P(C)
Bab 11 Konsep Dasar Probabilitas 99

2. Disjoint Event (Peristiwa Saling Berpaut)
Adalah suatu peristiwa yang satu dengan yang lain tidak terpisah, hingga
ada peristiwa dimana bagian-bagian berpaut satu dengan yang lainnya.
Rumusnya:
P(A U B) = P(A) + P(B) – P(A ∩ B)

P(A U B U C) = P(A) + P(B) + P(C) – P(A ∩ B) - P(A ∩ C) – P(B ∩ C)
– P(A ∩ B ∩ C)
3. Independent Event (Peristiwa Bebas)

Apabila kita mempunyai 2 peristiwa yaitu A dan B maka terjadi atau tidak
terjadinya peristiwa A tidak membawa akibat terhadap terjadinya atau tidak
terjadinya peristiwa B.
Rumusnya:
P(A ∩ B) = P(A) x P(B)
P(A ∩ B ∩ C) = P(A) x P(B) x P(C)
Contoh soal 1:
Apabila kita melemparkan 2 buah dadu sekaligus, berapakah probabilitas
dadu pertama jatuh pada mata 5 di atas dan dadu kedua jatuh pada mata 6
di atas.
Penyelesaian:
Probabilitas dadu pertama jatuh pada mata dadu 5 di atas: P(A) = 1/6
Probabilitas dadu kedua jatuh pada mata dadu 6 di atas: P(B) = 1/6
Probabilitas dadu pertama jatuh pada mata 5 di atas dan dadu kedua jatuh
pada mata 6 di atas:
P(A ∩ B) = P(A) x P(B)
= 1/6 x 1/6
= 1/36

Contoh soal 2:
Apabila kita melemparkan sebuah koin 2 kali, berapakah probabilitas dari
dua kali pelemparan koin tersebut muncul muka gambar di atas.
Penyelesaian:
Probabilitas pertama jatuh pada muka gambar di atas: P(A) = 1/2
Probabilitas kedua jatuh pada muka gambar di atas: P(B) = 1/2
Probabilitas pelemparan pertama dan kedua muncul muka gambar di atas:
P(A ∩ B) = P(A) x P(B)
= 1/2 x 1/2
= 1/4
4. Dependent Event (Peristiwa Bersyarat)

Apabila ada 2 peristiwa yaitu A dan B dimana peristiwa A tergantung pada
peristiwa B, maka secara relatif probabilitas peristiwa B tergantung pada
peristiwa A. Ditulis secara statistic menjadi P(A/B), dimana:
P(A  B)
P(A/B)=
P(B)
atau
Bila peristiwa A harus diiringi dengan syarat peristiwa B, maka
P(A ∩ B) = P(B) x P(A/B)
dan
Bila peristiwa B harus diiringi dengan syarat peristiwa A, maka
P(A ∩ B) = P(A) x P(B/A)
Contoh soal 1:
Apabila probabilitas A adalah kemungkinan lulusnya mahasiswa dalam
pelajaran Matematika = 0,80 dan probabilitas B adalah kemungkinan
lulus dalam pelajaran Statistika = 0,75. Sedangkan probabilitas mahasiswa
yang lulus Statistika, maka dia juga harus akan lulus Matematika = 0,90.
Berapakah probabilitas mahasiswa tersebut lulus untuk kedua mata kuliah
tersebut?

Penyelesaian:
Dari soal di atas terlihat bahwa probabilitas lulusnya mata kuliah Matematika
P(A) tergantung juga pada lulusnya dalam mata kuliah Statistika P(B), jadi
untuk dapat lulus mata kuliah Matematika dan Statistika adalah
P(A ∩ B) = P(B) x P(A/B)
= 0,75 x 0,90
= 0,675
Contoh soal 2:
Dalam suatu peti terdapat 3 bola putih dan 1 bola merah. Bila ada seorang
secara random mengambil 2 kali berturut-turut bola dan tidak meletakkan
kembali, berapakah probabilitas terambilnya bola putih di atas?
Penyelesaian:
Karena bola putih yang diambil pertama kali adalah tidak diletakkan
kembali, maka kedua pengambilan ini merupakan peristiwa probabilitas
yang dependen.
P(A) merupakan pengambilan bola putih pertama atau P(A) = 3/4

P(B) merupakan pengambilan bola putih kedua kalinya atau probabilitas
terambilnya bola putih kedua setelah peristiwa A menjadi P(B/A) = 2/3
Jadi:
P(A ∩ B) = P(A) x P(B/A)

= 3/4 x 2/3
= 6/12
= 1/2

Soal Evaluasi
1. Ambil kartu 1 lembar dari tumpukan kartu bridge yang berjumlah 52 buah.
a. Berapakah nilai kemungkinan kartu tersebut As merah
b. Berapakah nilai kemungkinan kartu tersebut Diamond
c. Berapakah nilai kemungkinan kartu itu berwarna hitam dan berangka
10.
2. Dari sebuah kotak yang memuat 2 bola biru dan 8 bola merah serta 1 bola
kuning, diambil sebuah bola secara random tanpa melihat. Berapakah nilai
kemungkinannya:
a. Bola itu biru
b. Bola itu kuning atau biru
3. Berapakah nilai kemungkinannya agar kartu pertama, kartu kedua, dan
kartu ketiga yang diambil secara berturt-turut adalah As semua?
4. Dua buah dadu dittos. Berapakah nilai kemungkinan peristiwa dimana
mata dadu dari kedua dadu tersebut muncul tidak sama?
5. Dalam satu kotak ada 12 bola berwarna merah dan 8 bola berwarna putih.
Empat bola merah sudah diambil.
Berapakah nilai kemungkinan bola kelima yang diambil:
a. Bola putih
b. Bola merah
6. Dari suatu populasi penderita diabetes, diketahui bahwa 10% penderita pria
sembuh dan 5% penderita wanita sembuh. Jumlah prosentase penderita
pria dan wanita sembuh di atas diambil dari 50% populasi yang berjumlah
1000 orang pasien penderita diabetes. Satu orang dari pasien yang sembuh
diambil secara random. Berapakah nilai kemungkinan orang yang terambil
itu:
a. Pria
b. Wanita
7. A dan B memainkan 12 game permainan catur dimana 6 kali dimenangkan
oleh A, 4 kali dimenangkan oleh B, dan 2 kali berakhir remis. Mereka
menyetujui untuk bermain lagi 3 game. Hitung nilai kemungkinan:
a. Ketiga game dimenagkan oleh A
b. 2 game berakhir remis
c. B paling tidak memenangkan 1 game

BAB 12
DISTRIBUSI PROBABILITAS
A. Pendahuluan
Telah kita pelajari apa yang dinamakan distribusi frekuensi, dimana
distribusi frekuensi diartikan sebagai salah satu tabel atau daftar yang memuat
atas beberapa kelompok, sehingga dalam tiap kelompok atau kelas interval
terdapat frekuensi-frekuensi data.
Dalam bab ini akan kita pelajari pengelompokkan atau distribusi yang dapat
diharapkan berdasarkan kepada pengalaman yang terdahulu atau berdasarkan
pertimbangan-pertimbangan teoritis. Pentingnya mengetahui distribusi macam
ini, akan jelas bila diberikan beberapa contoh.
1. Pengusaha teater di suatu daerah adalah selayaknya harus mengetahui

selera penonton di daerah itu. Ia harus mengetahui beberapa jenis film apa
saja yang diminati penduduk dalam tiap pertunjukkan Gedung teaternya
dibanjiri para penonton.
105
2. Pengusaha rumah makan hendaknya mengetahui macam atau rasa makanan
yang disenangi atau tidak disenangi oleh para langganannya. Jika di suatu
tempat, macam makanan bersari masam yang lebih disenangi, adalah
kurang bijaksana jika terlalu banyak menyajikan makanan yang rasanya
manis atau rasa lain yang lakunya sangat diragukan.
3. Untuk suatu daerah, andaikan telah diperkirakan, bahwa ukuran kaki
wanita dewasa adalah:
Berukuran 34 sebanyak 25%, berukuran 35 sebanyak 32% dan berukuran 36
sebanyak 38%, dan 5% berukuran lainnya. Jika pengusaha pabrik sepatu
tidak ingin melihat sepatu yang dihasilkannya menjadi sarang tikus di
gudangnya, mengapa tidak membuatnya berdasarkan perbandingan
pengelompokan tersebut?
Ketiga contoh di atas, dan lain-lain contoh yang dapat dicari, melukiskan
pengelompokan peristiwa-peristiwa dimana pada tiap kelompok telah
diperhitungkan banyak peristiwa yang terjadi, yang pada umumnya dinyatakan
dalam persen. Pengelompokan demikian dinamakan distribusi. Untuk contoh
pertama dinamakan distribusi selera penonton dan contoh ketiga bisa disebut
distribusi ukuran kaki wanita. Distribusi demikian merupakan distribusi yang
diharapkan berdasarkan pengalaman.
Ada distribusi yang dapat diharapkan berdasarkan pada pertimbangan-

pertimbangan teoritis, umpamanya soal undian dengan mata uang logam atau
koin. Misalkan kita ingin mengetahui apakah koin yang kita gunakan untuk
pengetosan itu jujur atau tidak. Andaikan kita melakukan pengetosan sebanyak
1.000 kali dan diperoleh hasil bahwa G Nampak 520 kali, tentulah Nampak
H sebanyak 480 kali. Sebelum kita menentukan apakah koin itu jujur atau
tidak, terlebih dahulu kita harus mengetahui apa yang dapat diharapkan dari
pengetosan dengan menggunakan koin jujur.
Kita sudah mengetahui bahwa dalam pengetosan dengan menggunakan

koin jujur, probabilitas nampaknya tiap permukaan adalah 1/2. Jadi adalah
beralasan jika kitapun mengharapkan nampaknya G sama banyak dengan
nampaknya A dalam pengetosan tersebut. Berdasarkan ini diperoleh distribusi
yang diharapkan sebagai berikut.
106 Bab 12 Distribusi Probabilitas

Peristiwa Frekuensi Yang Diharapkan
Muka G 500
Muka A 500
Untuk melanjutkan pembicaraan secara teoritis, marilah kita tinjau hasil

pengetosan itu dari segi nampaknya dan tidak nampaknya G. Sebut “0” jika
yang Nampak A (berarti 0 muka G yang Nampak) dan “1” jika G yang Nampak.
Dengan notasi baru ini, maka distribusi sebenarnya dan distribusi diharapkan
untuk soal di atas adalah sebagai berikut.
Nampak G Frekuensi Yang Frekuensi Yang

Sebenarnya Diharapkan
0 480 500
1 520 500
Jika kita melakukan pengetosan dengan dua koin jujur, maka peristiwa yang
dapat terjadi adalah :
(G,G), (G,A), (A,G), (A,A).
Atau berdasarkan nampaknya G masing-masing diperoleh sebanyak 0, 1,

dan 2. Sehingga P(0G) = 1/4, P(1G) = 2/4 dan P(2G) = 1/4. Jika kita melakukan
pengetosan sebanyak 2.000 kali, maka kita mengharapkan memperoleh hasil
sebagai berikut.
Nampak G Frekuensi Yang Diharapkan
0 1/4 x 2.000 = 500

1 2/4 x 2.000 = 1000
2 1/4 x 2.000 = 500
Apabila sekarang kita melakukan pengetosan dengan 3 koin jujur, maka

peristiwa yang terjadi adalah:
(G,G,G), (G,G,A), (G,A,G), (A,G,G), (G,A,A), (A,G,A), (A,A,G), (A,A,A)
Atau nampaknya G adalah 0, 1, 2, dan 3. Ternyata bahwa:
P(0G) = 1/8
P(1G) = 3/8
Bab 12 Distribusi Probabilitas 107

P(2G) = 3/8
P(3G) = 1/8
Jika ketiga koin jujur itu dilakukan pengetosan sebanyak 2.000 kali, maka
kita mengharapkan distribusi nampaknya G seperti berikut.
Nampak G Frekuensi Yang Diharapkan
0 1/8 x 2.000 = 250

1 3/8 x 2.000 = 750
2 3/8 x 2.000 = 750
3 1/8 x 2.000 = 250
Untuk membicarakan distribusi probabilitas teoritis yang umum, maka

biasanya frekuensi tidak dinyatakan dalam bentuk absolut yang diharapkan,
melainkan dalam bentuk probabilitas. Guna keperluan ini marilah kita pakai
notasi X sebagai pengganti peristiwa yang diperhatikan (dalam uraian ini:
nampaknya G) dan P(X) untuk menyatakan probabilitas bagi harga X yang
bersangkutan.
Misalkan X adalah sebuah distribusi probabilitas diskrit, apabila untuk

nilai-nilai diskrit X = X1, X2, X3, …, Xn masing-masing didapat nilai probabilitas
P(X1), P(X2), P(X3), …, P(Xn) yang jumlahnya sama dengan 1. Bentuk P(X)
tersebut merupakan probabilitas yang disebut dengan fungsi probabilitas X,
sehingga berlaku:
n
∑ P(Xi)=1
n= 1

Contoh 1:
Apabila kita melakukan pengetosan sebuah koin yang jujur, maka distribusi
probabilitas untuk peristiwa X yaitu munculnya muka gambar di atas adalah
X P(X)
0 1/2
1 1/2
Jumlah 1

Contoh 2:
Apabila kita melakukan pengetosan dua buah koin yang jujur, maka
distribusi probabilitas untuk peristiwa X yaitu munculnya muka gambar di
atas adalah
X P(X)
0 1/4
1 2/4
2 1/4
Jumlah 1
Contoh 3:
Apabila kita melakukan pengetosan tiga buah koin yang jujur, maka
distribusi probabilitas untuk peristiwa X yaitu munculnya muka gambar di
atas adalah
X P(X)
0 1/8
1 3/8
2 3/8
3 1/8
Jumlah 1
Sebagaimana halnya distribusi frekuensi mempunyai grafik histogram,

polygon frekuensi dan ogive, begitupun untuk distribusi probabilitas
memiliki grafik yang dinamakan grafik distribusi probabilitas.
Pada grafik distribusi probabilitas, pada sumbu mendatar (horizontal)

dituliskan nilai-nilai variabel acak X, dan pada sumbu tegak (vertical) dituliskan
nilai-nilai P(X) yang bersangkutan. Jelaslah bahwa nilai-nilai pada sumbu tegak
umumnya akan kurang dari 1, sebab sumbu ini merupakan sumbu dengan nilai
probabilitas atau peluang.
Karena variabel acaknya diskrit, sehingga grafiknya akan merupakan garis-

garis tegak lurus yang dibuat pada nilai-nilai X yang dilukiskan sepanjang sumbu
datar.
Untuk uraian dengan pelemparan 2 buah dan 3 buah koin dengan X

munculnya muka gambar di atas, grafiknya dapat ditunjukkan sebagai berikut.

Gambar 3. Garafik Distribusi Probabilitas Diskrit
Jika ogive-nya dikehendaki, maka kita perlu menyusun daftar distribusi

probabilitas kumulatifnya. Untuk pengetosan dengan 3 koin jujur akan didapat
daftar dan grafik ogive sebagaimana tertera berikut ini.
Distribusi Probabilitas Kumulatif

Untuk 3 Koin
X P(X)
<0 0
<1 1/8
<2 4/8
<3 7/8
<4 1
Grafik Ogive-nya tidak merupakan garis kontinu, melainkan berbentuk

tangga. Grafik Ogive Probabilitas Diskrit untuk pengetosan 3 buah koin
ditunjukkan sebagai berikut:
Gambar 4. Grafik Ogive Distribusi Probabilitas Diskrit

Misalkan X sebuah variabel acak kontinu yang memiliki nilai-nilai dalam
daerah interval -∞ ≤ X ≤ +∞. Oleh karena X merupakan variabel kontinu,
maka grafiknya tidak lagi terdiri atas potongan-potongan garis yang tegak
lurus sebagaimana terjadi untuk X diskrit, melainkan akan merupakan sebuah
lengkungan kontinu sebagai hasil lukisan dari persamaan Y = P(X)
Selanjutnya, apabila X adalah variabel kontinu, maka jumlah nilai-nilai

peluang P(X) untuk semua X adalah 1. Dalam X variabel acak kontinu, luas daerah
di bawah lengkungan Y = P(X) sama dengan 1. Secara matematika, dimana luas
daerah di bawah kurva dinyatakan dalam bentuk integral, sehingga berlaku:
∞

∫ −∞
P(x) dx=1
Untuk X variabel acak kontinu, apabila diminta menghitung probabilitas

a < X < b, maka ini tidak lain daripada menentukan luas daerah di bawah
lengkungan kurva yang dibatasi oleh X = a dan X = b seperti ditunjukkan dalam
rumusan berikut ini.
∞
P(a<X<b)=∫ P(x) dx
−∞
Dimana P (a < X <b) berarti probabilitas untuk X berharga antara a dan b.

Jika syarat-syarat di atas dipenuhi maka P(X) dinamakan fungsi densitas untuk
X, dan dalam hal demikian kita telah mempunyai sebuah distribusi probabilitas
kontinu untuk X.
B. Distribusi Binomial
Setelah kita mempelajari distribusi probabilitas dalam bagian yang lalu, kini
tibalah waktunya untuk mempelajari macam-macam distribusi probabilitas
yang banyak digunakan
Dalam distribusi probabilitas kita mengenal dua macam variabel acak, yakni
diskrit dan kontinu. Berdasarkan kedua variabel acak tersebut, pertama-tama
akan dikemukakan distribusi probabilitas diskrit, dan berikutnya distribusi
probabilitas kontinu.
Ada banyak macam distribusi probabilitas yang dikenal, tetapi kita tidak
akan membicarakan hal itu semua, melainkan hanya yang sesuai dengan

kebutuhan. Dua diantaranya yang termasuk distribusi probabilitas dengan
variabel acak diskrit, yaitu distribusi probabilitas Binomial dan distribusi
probabilitas Poisson. Sedangkan untuk distribusi probabilitas acak kontinu
yang akan dikemukakan di sini antara lain distribusi normal (Gauss), distribusi
t (student) dan distribusi Fisher (F).
N
P(x)=   p x (1-p)N-x
X
Dimana:

N! (baca N factorial) = 1 x 2 x 3 x … x (N-1) x N
Demikian misalnya : 3! = 1 x 2 x 3 = 6
5! = 1 x 2 x 3 x 4 x 5 = 120
1! = 0! = 1
5  5! 1 x 2x 3 x 4 x5
Sehingga
=   = = 10
3 3!(5 − 3)! 1 x2x 3 x 1 x2
Contoh Soal:
Berapa probabilitas untuk mendapatkan permukaan G sebanyak 6 buah,
jika kita melakukan pengetosan mata uang koin sebanyak 10 kali?
Penyelesaian:
Diketahui Banyaknya percobaan N = 10; Banyaknya peristiwa mendapatkan
permukaan G, yaitu X = 6; Probabilitas P = 1/2. Sehingga

6 10
 10   1  1
P(6G) =     (1 − 1 / 2)10−6 = 210   = 0,2051
6  2  2
Soal Evaluasi:
1. Andaikata kita menaburkan 10 dadu jujur sebanyak satu kali. Berapa
probabilitas akan diperoleh tepat delapan mata enam?
2. Dari barang yang dihasilkan oleh semacam mesin ternyata 15% rusak.
Diambil secara acak dari produksi barang itu sebanyak 30 buah untuk

diselidiki.
3. Berapa probabilitasnya dari barang yang diselidiki itu akan terdapat:
a. Bagus semua
b. Satu rusak
c. Dua bagus
d. Paling sedikit satu rusak
e. Paling banyak dua rusak
C. Distribusi Poisson
Distribusi probabilitas yang kedua yang juga variabel acaknya diskrit adalah
distribusi yang ditemukan oleh Poisson pada awal abad ke-19 dan biasa disebut
distribusi Poisson. Distribusi ini dapat dianggap sebagai pendekatan dari
distribusi Binomial apabila banyaknya percobaan N sangat besar, dan peluang
p terjadinya peristiwa dalam percobaan tunggal yang sangat kecil, sedemikian
sehingga hasil kali N x p nilainya tetap. Nilai tetap ini biasa dinyatakan dengan
“λ” (dibaca: lambda), jadi λ = Np, dan merupakan parameter untuk distribusi
Poisson.
Rumus distribusi Poisson tersebut adalah:
e −λ λ x
p( x ) =
x!
dimana:
p (x) = Nilai probabilitas dari distribusi Poisson

x = variabel acak diskrit, untuk x = 0, 1, 2, 3, …
e = 2,7183
Harga-harga e -λ untuk beberapa harga λ yang diberikan dapat dilihat dalam

lampiran 5.
Seperti dikemukakan di atas, distribusi ini merupakan pendekatan dari

distribusi Binomial dan mempunyai parameter yang didapat sebagai hasil N
dengan p yang tetap apabila nilai N cukup besar dan p sangat kecil. Pendekatan
distribusi Binomial oleh Poisson ini sangat baik apabila Np ≤ 5 dan p ≤ 0,1.

Untuk distribusi Poisson ini, harga rata-rata dan simpangan bakunya
ditentukan oleh:
Rata-rata : μ = λ
Simpangan baku : σ =
Jadi parameter x dari distribusi ini kecuali merupakan harga rata-ratanya

juga menjadi variansnya.
Distribusi Poisson ini mempunyai banyak penggunaan, misalnya dalam

lapangan asuransi, dimana peluang sesuatu bangunan yang diasurakan akan
kesalahan akan sangat besar. Demikian pula dalam hal telepon, dimana peluang
salah sambung nomor akan sangat kecil, sedangkan banyak permintaan akan
menjadi besar. Dalam hal ini produksipun distribusi ini dapat digunakan apabila
peluang sebuah barang rusak sangat kecil, sedangkan partai dimana barang itu
dapat sangat besar ukurannya.
Sebagai aplikasi dari distribusi ini, perhatikanlah beberapa contoh berikut:

1. Misalkan sebuah pesawat televisi diiklankan di surat kabar untuk dijual.
Surat kabar yang memuat iklan itu kita umpamakan mempunyai 100.000
pembaca. Jika peluang seorang pembaca akan membalas iklan itu 0,00002,
maka:
a. Berapa orangkah diharapkan akan membalas iklan itu?
b. Berapa peluangnya bahwa yang membalas iklan hanya seorang?
c. Berapa peluangnya tidak ada yang membalas?
Penyelesaian:
a. Di sini N = 100.000 yang cukup besar dan p yang membalas = 0,00002
cukup kecil. Jadi Np = 100.000 x 0,00002 = 2. Sehingga dari 100.000
pembaca diharapkan ada 2 orang yang membalas iklan televisi itu.
b. Yang membalas iklan hanya seorang, berarti x = 1, bila x menyatakan
banyaknya orang yang membalas iklan . Substitusikan kedalam rumus
distribusi Poisson, maka didapat:

e −2 21
p(1)
= = 2(2,7183)
= −2 0,2707
1!
Jadi peluangnya hanya seorang yang membalas iklan itu adalah 0,2707.
c. Untuk mendapatkan peluang bahwa tidak ada orang yang membalas

iklan itu, tinggal mensubstitusikan nilai x = 0 kedalam rumus distribusi
Poisson kembali seperti pada jawaban point b, yaitu:
2. Rata-rata banyaknya perhitungan yang salah dalam tiap lembar perhitungan
pajak adalah 0,2.
a. Berapa peluangnya bahwa tidak akan terdapat kesalahan dalam 1
lembar?
b. Berapa peluangnya tidak akan terdapat lebih dari satu kesalahan dalam
satu lembar?
c. Andaikan ongkos memperbaiki kesalahan perlembar Rp. 2.000, berapa
rata-rata ongkos yang diperlukan untuk tiap lembar?
Untuk soal nomor 2 ini mohon diisi sebagai latihan, silahkan!
D. Distribusi Normal (Z)

Distribusi Normal merupakan distribusi teoritis dari variable kontinu
dengan ciri-ciri sebagai berikut:
1. Bentuk kurva distribusi Normal seperti lonceng dan bentuknya simetris,

memiliki fungsi sebagai berikut:

1
e −1/2σ ( x −µ ) , dimana: -∞ < x < ∞
2
f ( x) =
σ 2π
Keterangan:
μ = np = rata-rata
σ = npq simpangan baku
Π = 3,14159 = bilangan konstan
e = 2,71828 = bilangan normal

2. Kurva Normal selalu berada di atas sumbu mendatar x dan mempunyai
puncak dengan:
Absis X = μ;
1
Ordinat Y =
2π
dan mulai mendekati (asymptot) terhadap sumbu mendatar X pada saat:
X = μ - 3σ ke kiri
X = μ + 3σ ke kanan
Seperti ditunjukkan pada gambar 3 di bawah.
3. Luas di bawah kurva normal disebut luas daerah kurva normal, yang
besarnya selalu = 1 unit persegi, yang merupakan probabilitas terjadinya
variabel X, dimana X mulai dari -∞ sampai +∞, jadi:
∞ 1
P(−∞ < x < ∞) = ∫
2
e −1/2σ ( x −µ ) dx

−∞
σ 2π
Karena rumus probabilitas distribusi normal seperti yang tertulis di atas
sulit untuk dilakukan, maka untuk kepentingan aplikasi statistik ekonomi,
masalah distribusi normal dapat dilakukan dengan menggunakan tabel
statistik.
Nilai probabilitas tersebut dihitung melalui luas di bawah kurva. Untuk

menghitung lus daerah di bawah kurva tersebut harus ditransformasi ke
dalam kurva normal standar seperti ditunjukkan dalam gambar di bawah
ini:

Gambar 5. Kurva Normal Umum dan Normal Standar
1 − z2
Sehingga diperoleh: f ( z;0,1) = e 2

~ N (μ, σ2) = N (0,1)
2π
Distribusi normal variabel acak kontinu X dengan nilai-nilai parameter

𝜇 dan 𝜎 berapapun dapat diubah menjadi distribusi normal kumulatif
standard jika variabel acak standard z memenuhi hubungan :
x − µ Nilai 𝑧 dari variabel acak standard 𝑧 sering juga disebut
z=
σ sebagai skor z dari variabel acak X
Menghitung Luas Daerah di Bawah Kurva Distribusi Normal

Baku
Kurva distribusi normal maupun distribusi normal baku bersifat simetris
dimana garis simetrisnya berada pada Z = 0. Sedangkan luas area keseluruhan di
bawah kurva normal adalah 1.
Luas area di bawah kurva normal sangat sulit dihitung dengan menggunakan
rumus peluang distribusi normal. Oleh karena itu untuk mempermudah
penghitungan dibuatlah tabel Z distribusi normal baku.
Ada dua tabel Z distribusi normal baku yang disajikan oleh buku-
buku statistik. Dua tabel tersebut adalah tabel distribusi normal baku yang
menentukan luas area di antara -∞ < Z < Z1 dan tabel distribusi normal baku
yang menentukan luas area di antara 0 < Z < Z1.

Gambar 6. Tabel distribusi normal baku yang menentukan
Luas area di antara -∞ < Z < Z1
Z
Gambar 7. Tabel distribusi normal baku yang menentukan
luas area di antara 0 < Z < Z1
Pada pembahasan kali ini, tabel Z distribusi normal baku yang digunakan
adalah tabel Z distribusi normal baku yang menentukan luas area di antara -∞
< Z < Z1.
Untuk pemahaman lebih lanjut mengenai luas area tersebut, diberikan

beberapa contoh sebagai berikut.
Contoh 1:
Misalkan Z adalah variabel random yang berdistribusi normal baku (normal

standar). Hitunglah luas wilayah pada Z < 1,24 atau peluang P(Z < 1,24)!
Jawab:
Sebelum menjawab persoalan di atas, perlu dipahami bahwa P(Z < 1,24)
sama juga dengan P(Z ≤ 1,24). Hal ini karena Z adalah variabel random
kontinu dimana P(Z = 1,24) = 0, sehingga P(Z < 1,24) sama saja dengan P(Z ≤
1,24).

Area Z < 1,24 pada kurva distribusi normal baku dapat dilihat pada gambar
berikut.
Z
Area Z < 1,24 pada kurva distribusi normal baku
Untuk mengetahui luas area kurva normal pada Z < 1,24 atau peluang
P(Z < 1,24), kita bisa akan menggunakan tabel Z distribusi normal baku.
(Lihat: Tabel Z Distribusi Normal Baku).
Tabel Z yang ada pada link di atas terdiri dari dua bagian, yaitu bagian tabel
Z negatif dan bagian tabel Z positif. Karena Z = 1,24 adalah bilangan yang
positif maka bagian tabel yang digunakan adalah bagian tabel Z positif.
Pada tabel Z, kolom pertama menunjukkan nilai Z yang memiliki satu angka
di belakang koma, sedangkan angka kedua di belakang koma terletak pada
baris pertama.
Untuk menentukan luas wilayah Z < 1,24, kita harus menentukan terlebih
dahulu letak 1,2 pada kolom pertama kemudian diarahkan ke kanan.
Selanjutnya menentukan letak 0,08 pada baris pertama kemudian diarahkan
ke bawah. Coba perhatikan ilustrasi pada gambar di bawah ini.

Titik pertemuan keduanya merupakan luas wilayah Z < 1,24 atau P(Z < 1,24),
yaitu 0,8925.
Contoh 2:
Berapakah luas area kurva normal pada Z > 1,24 atau P(Z > 1,24)?
Jawab:
Dari contoh pertama telah diketahui bahwa P(Z < 1,24) adalah 0,8925.
Karena luas area keseluruhan di bawah kurva normal adalah 1, maka
P(Z > 1,24) = 1 – P(Z < 1,24)
P(Z > 1,24) = 1 – 0,8925
P(Z > 1,24) = 0,1075
Dengan demikian luas area kurva normal pada Z > 1,24 atau P(Z > 1,24)
adalah 0,1075.
Kita bisa juga menggunakan cara lain yaitu dengan menentukan P(Z < -1,24).
Hal ini didasarkan pada kurva normal yang bersifat simetris, sehingga P(Z >
1,24) = P(Z < -1,24). Area P(Z < -1,24) dapat dilihat pada gambar berikut.

Z
Area Z < -1,24 pada kurva distribusi normal baku
Dengan meggunakan tabel Z distribusi normal baku maka dapat

diketahui P(Z < -1,24).

Dari tabel di atas diperoleh nilai P(Z < -1,24) = 0,1075.

Contoh 3:
Berapakah luas area kurva normal antara -1,12 < Z < 0,92 atau P(-1,12 < Z <
0,92)?
Jawab:
Area kurva normal -1,12 < Z < 0,92 dapat kita lihat pada gambar berikut:
Z
Area -1,12 < Z < 0,92 pada kurva distribusi normal baku
Dari ilustrasi di atas dapat kita ketahui bahwa ternyata luas area kurva
normal -1,12 < Z < 0,92 adalah luas area kurva normal Z < 0,92 dikurangi
luas area kurva normal Z < -1,12. Penyelesaiannya dapat kita tulis menjadi
P(-1,12 < Z < 0,92) = P(Z < 0,92) – P(Z < -1,12).
Nilai P(Z < 0,92) dan P(Z < -1,12) dapat diperoleh dari tabel distribusi normal
baku. Dengan menggunakan tabel Z dapat diketahui bahwa P(Z < 0,92) =
0,8212 dan P(Z < -1,12) = 0,1314, sehingga
P(-1,12 < Z < 0,92) = 0,8212 – 0,1314
P(-1,12 < Z < 0,92) = 0,6898
Soal Evaluasi
1. Suatu jenis batere mobil rata-rata berumur 3,0 tahun dengan simpangan
baku 0,5 tahun. Bila dianggap umur bater berdistribusi normal, carilah
peluang suatu batere berumur kurang dari 2,3 tahun.
2. Suatu perusahaan listrik menghasilkan bola lampu yang umurnya
berdistribusi normal dengan rata-rata menyala 800 jam dan simpangan
bakunya 40 jam, Hitunglah peluang suatu bola lampu dapat menyala antara
778 dan 834 jam.

3. Dari 200 orang mahasiswa yang mengikuti ujian Statistika Ekonomi-2 di
sebuah Jurusan Manajemen, diperoleh bahwa nilai rata-rata adalah 60 dan
simpangan baku (standard devisasi) adalah 10. Bila distribusi nilai menyebar
secara normal, berapa:
a. persen yang mendapat A, jika nilai A minimal 80;
b. persen yang mendapat nilai C, jika nilai C terletak pada interval 56 ≤ C ≤
68;
c. persen yang mendapat nilai E jika nilai E < 45
4. Penghasilan sejumlah pegawai dari suatu perusahaan berdistribusi normal.
Upah rata-rata tiap bulan Rp. 5.675.000 dengan simpangan baku Rp.
1.528.000.
a. Berapa % dari para pegawai yang upahnya antara Rp. 3.500.000 dan Rp
7.500.000?
b. Juga dengan upah paling sedikit Rp. 2.000.000?
c. Juga dengan upah paling besar Rp. 10.000.000?
E. Distribusi Student (t)

Distribusi dengan variabel acak kontinu lainnya selain dari distribusi
normal ialah Distribusi Student Atau Distribusi - t. Fungsi densitasnya adalah :
Berlaku untuk harga-harga t yang memenuhi ⎼∞ < t <∞ K merupakan

bilangan tetap yang besarnya bergantung pada n sedemikian sehingga luas
daerah di bawah kurva sama dengan satu unit.
Pada distribusi t ini terdapat bilangan (n-1) yang dinamakan derajat

kebebasan, akan disingkat dengan dk.
Bentuk kurva-t identik dengan bentuk kurva normal, tetapi kurtosisnya

ditentukan oleh besar kecilnya derajat kebebasan dk. Untuk n ≥ 30 pola distribusi
t mendekati pola distribusi normal.

Dalam tabel distribusi-t kolom paling kiri berisikan derajat kebebasan (dk),
baris teratas berisikan nilai peluang.
Gambar dibawah ini merupakan grafik distribusi-t dengan dk = ( n – 1 ).

Luas bagian yang diarsir = p dan dibatasi paling kanan oleh tp. Harga tp inilah
yang dicari dari daftar untuk pasangan dk dan p yang diberikan.
Penyajian tabel distribusi t dapat bervariasi, sangat tergantung dari

luas kurva atau taraf signifikan α yang ditunjukkan dalam tabel tersebut.
Berikut ini akan dikemukakan bagaimana cara membaca salah satu tabel
distribusi t yang memiliki tampilan sebagai berikut:

α untuk uji dua pihak (two tail test)
0,50 0,20 0,10 0,05 0,02 0,01
α untuk uji satu pihak (one tail test)
dk (df) 0,25 0,10 0,05 0,025 0,01 0,005
6,314
1 1,000 3,078 12,706 31,821 63,657
2,920
2 0,816 1,886 4,303 6,965 9,925
2,353
3 0,765 1,638 3,182 4,541 5,841
2,132
4 0,741 1,533 2,776 3,747 4,606
2,015
5 0,727 1,486 2,571 3,365 4,032
1,943
6 0,718 1,440 2,447 3,143 3,707
1,895
7 0,711 1,415 2,365 2,998 3,499
1,860
8 0,706 1,397 2,306 2,986 3,355
1,833
9 0,703 1,383 2,262 2,821 3,250
1,812
10 0,700 1,372 2,228 2,764 3,165
1,796
11 0,697 1,363 2,201 2,718 3,106
1,782
12 0,695 1,356 2,178 2,681 3,055
1,771
13 0,692 1,350 2,160 2,650 3,012
1,761
14 0,691 1,345 2,145 2,626 2,977
1,753
15 0,690 1,341 2,132 2,623 2,947
1,746
16 0,689 1,337 2,120 2,583 2,921
1,740
17 0,688 1,333 2,110 2,567 2,898
1,743
18 0,688 1,330 2,101 2,552 2,878
1,729
19 0,687 1,328 2,093 2,539 2,861
1,725
20 0,687 1,325 2,086 2,528 2,845
1,721
21 0,686 1,323 2,080 2,518 2,831
1,717
22 0,686 1,321 2,074 2,508 2,819
1,714
23 0,685 1,319 2,069 2,500 2,807
1,711
24 0,685 1,318 2,064 2,492 2,797
1,708
25 0,684 1,316 2,060 2,485 2,787
1,706
26 0,684 1,315 2,056 2,479 2,779
1,703
27 0,684 1,314 2,052 2,473 2,771
1,701
28 0,683 1,313 2,048 2,467 2,763
1,699
29 0,683 1,311 2,045 2,462 2,756
1,697
30 0,683 1,310 2,042 2,457 2,750
1,684
40 0,681 1,303 2,021 2,423 2,704
1,671
60 0,679 1,296 2,000 2,390 2,660
1,658
120 0,677 1,289 1,980 2,358 2,617
1,645
∞ 0,674 1,282 1,960 2,326 2,576
Judul masing-masing kolom mulai dari kolom kedua (angka yang dicetak
tebal) dari tabel tersebut adalah nilai probabilitas (tingkat/taraf signifikansi).
Nilai yang lebih kecil menunjukkan probabilitas satu arah (satu pihak) sedangkan
nilai yang lebih besar menunjukkan probabilitas dua arah (dua pihak). Misalnya

pada kolom kedua, angka 0,25 adalah probabilitas satu arah sedangkan 0,50
adalah probabilitas dua arah.
Selanjutnya, judul masing-masing baris adalah derajat kebebasan (dk) atau

degree of freedom (df). Seperti terlihat pada gambar di atas yang dimulai dari
angka 1, dan biasanya pada buku-buku statistik/ekonometrik sampai angka 200.
Lalu apa itu yang dimaksud dengan probabilitas pada tabel t tersebut ?
Dalam pengujian hipotesis, kita terlebih dahulu menetapkan tingkat/taraf

signifikansi pengujian kita (biasanya disimbolkan dengan α (alpha). Misalnya
1%, 5%, 10% dan seterusnya. Taraf signifikansi tersebut merupakan probabilitas
dalam tabel ini.
Lalu apa yang dimaksud dengan probabilitas satu arah dan dua arah?
Dalam hal ini, pengujian hipotesis memiliki dua bentuk pengujian yaitu
pengujian satu arah dan pengujian dua arah. Pengujian satu arah atau dua arah
tergantung pada perumusan hipotesis yang akan kita uji. Misalnya jika hipotesis
kita berbunyi, “Motivasi kerja berpengaruh positif terhadap kinerja pegawai”.
Artinya semakin tinggi motivasi kerja pegawai semakin tinggi pula kinerja
pegawai”. Maka pengujiannya menggunakan uji satu arah.
Tetapi jika hipotesisnya berbunyi, “Motivasi kerja berpengaruh terhadap

Kinerja pegawai”. Artinya motivasi kerja bisa berpengaruh positif, tetapi juga
bisa berpengaruh negatif terhadap kinerja pegawai. Maka, pengujiannya
menggunakan uji dua arah.
Kalau kita melakukan pengujian satu arah. Maka pada tabel t, lihat pada
judul kolom bagian paling atasnya (angka yang kecilnya). Sebaliknya kalau kita
melakukan pengujian dua arah, lihat pada judul kolom angka yang besarnya.
Selanjutnya bagaimana menentukan derajat bebas atau degree of freedom

(df) tersebut ?
Dalam pengujian hipotesis untuk model regresi, derajat kebebasan

ditentukan dengan rumus n – k. Dimana n = banyak observasi sedangkan k =
banyaknya variabel (bebas dan terikat). (Catatan: untuk pengujian lain misalnya
uji hipotesis rata-rata dan lain-lainnya rumus ini bisa berbeda).

Contoh:.
Misalnya kita punya persamaan regresi yang memperlihatkan pengaruh
Motivasi kerja (X1) dan Kemampuan kerja (X2) terhadap Kinerja Pegawai
(Y). Jumlah observasi (responden) yang kita gunakan untuk membentuk
persamaan ini sebanyak 10 responden (jumlah sampel yang sedikit ini
hanya untuk penyederhanaan saja). Pengujian hipotesis dengan α = 5%.
Sedangkan derajat kebebasan pengujian adalah n – k = 10 – 3 = 7.
Hipotesis pertama: Motivasi kerja berpengaruh positif terhadap kinerja

pegawai. Taraf signifikan α = 5 %.
Hipotesis kedua: Motivasi kerja berpengaruh terhadap Kinerja pegawai.

Taraf signifikan α = 5 %
Untuk hipotesis pertama, karena uji satu arah, maka lihat pada kolom
keempat tabel di atas, sedangkan df nya lihat pada angka tujuh. Nilai tabel
t = 1,895. Kemudian untuk hipotesis kedua, karena uji dua arah, maka
lihat pada kolom ke lima tabel di atas, dengan df = 7 maka nilai tabel t
= 2,365.
F. Distribusi F
Merupakan distribusi variabel acak Kontinu. Fungsi densitasnya
mempunyai persamaan :
Dimana :
F = Variabel acak yang memenuhi F > 0
K = Bilanan tetap yang harganya pada derajat kebebasan v1 dan v2
V1 = Derajat kebebasan antara varians rata-rata sampel
(Sebagai pembilang)
V2 = Derajat kebebasan dalam keseluruhan sampel
(sebagai penyebut)

Daftar distribusi normal berisikan nilai-nilai F untuk peluang 0,01 dan 0,05
dengan derajat kekebasan v1 dan v2. Peluang ini sama dengan luas daerah ujung
kanan yang diarsir, sedangkan derajat kekebasan pembilang (v1 ) ada pada baris
paling atas dan derajat kebebasan penyebut (v2) pada kolom paling kiri.
Notasi lengkap untuk nilai-nilai F dari daftar distribusi F dengan

peluang p dan dk = (v1,v2) adalah Fp (v1,v2). Bentuk tampilan distribusi F seperti
berikut ini.
Judul tabel biasanya memuat keterangan mengenai nilai probabilitas dari

tabel F yang disajikan. Dalam contoh di atas, probabilitasnya adalah 0,05. Lalu
apa itu yang dimaksud dengan probabilitas pada tabel F tersebut ?
Dalam pengujian hipotesis, kita terlebih dahulu menetapkan tingkat/taraf

signifikansi pengujian kita (biasanya disimbolkan dengan α (alpha). Misalnya
1 %, 5 %, 10 % dan seterusnya. Taraf signifikansi tersebut yang merupakan
probabilitas dalam tabel ini.

Judul masing-masing kolom mulai dari kolom kedua (angka yang dicetak
tebal) dari tabel tersebut adalah derajat bebas/degree of freedom (df) untuk
pembilang, atau dikenal dengan df1. Juga sering disimbolkan dalam tabel F
dengan simbol v1 seperti tabel diatas.
Selanjutnya, judul masing-masing baris adalah derajat bebas/degree of

freedom (df) untuk penyebut, atau dikenal dengan df2. Juga sering disimbolkan
dalam tabel F dengan simbol v2 seperti tabel diatas.
Bagaimana menentukan df1 (v1) dan df2 (v2) tersebut ?
Rumusnya:
df1 = k -1 dan df2 = n – k
dimana k adalah jumlah variabel (bebas + terikat) dan n adalah jumlah

observasi/sampel pembentuk regresi.
Misalnya kita punya persamaan regresi dengan dua variabel bebas dan
satu variabel terikat. Jumlah sampel pembentuk regresi tersebut sebanyak 10.
Maka df1= k-1 = 3 – 1 = 2 sedangkan df2 = n – k = 10 – 3 = 7; Jika pengujian
dilakukan pada α = 5%, maka nilai F tabelnya adalah 4,74. Lihat pada v1=2 dan v2
= 7 pada tabel diatas. Selanjutnya untuk tabel distribusi F tersebut dapat dilihat
pada lampiran tabel statistik.
Meskipun daftar yang diberikan hanya untuk peluang p = 0.05 dan p = 0.01,
tetapi sebenarnya masih bisa didapat nilai-nilai F dengan peluang 0,99 dan 0,95.
Untuk ini digunakan hubungan :
Dalam rumus diatas perhatikan antara p dan (1- p) dan pertukaran antara

derajat kebebasan (v1, v2 ) menjadi (v2, v1).

BAB 13
TEKNIK SAMPLING
A. Pendahuluan
Teknik sampling adalah sebuah metode atau cara yang dilakukan untuk
menentukan jumlah dan anggota sampel. Setiap anggota tentu saja wakil dari
populasi yang dipilih setelah dikelompokkan berdasarkan kesamaan karakter.
Teknik sampling yang digunakan juga harus disesuaikan dengan tujuan
dari penelitian.
Populasi terdiri dari sekumpulan individu yang bersifat heterogen terbatas.

Ada banyak variasi variabel yang melekat pada masing-masing individu.
Perbedaan ini bisa disebabkan oleh faktor internal dan eksternal dari individu
seperti halnya wilayah tempat tinggal, tingkat pendidikan, budaya atau gaya
hidup dalam suatu daerah tertentu. Subjektifitas dari individu-individu yang
memiliki sifat determinan yang berulang pada populasi akhirnya membentuk
karakter dari populasi secara umum. Berdasarkan karakter ini, dapat disimpulkan
131
bahwa pengambilan sampel dari populasi tidak bisa dilakukan begitu saja
namun dibutuhkan suatu teknik agar sampel yang ditarik tetap representatif.
Hal yang perlu diperhatikan dalam pengambilan sampel atau sampling

adalah seluruh variabel yang berkaitan dengan penelitian. Unsur-unsur khusus
yang melekat pada pribadi tentu saja perlu diperhatikan karena individu
dengan kemampuan khusus dalam sampel akan membawa bias data dan tentu
saja mempengaruhi distribusi data yang ada. Kesesuaian karakteristik daerah,
tingkatan, dan juga kecenderungan khusus juga perlu dipertimbangkan dalam
memilih teknik sampling yang sesuai.
B. Jenis dan Metode Sampling

Sampling secara garis besar dapat dikelompokkan menjadi dua (2) kelompok,
yaitu Probability sampling dan Nonprobability sampling. Adapun Probability
sampling menurut Sugiyono adalah teknik sampling yang memberikan peluang
yang sama bagi setiap unsur (anggota) populasi untuk dipilih menjadi anggota
sampel. Sedangkan Nonprobability sampling menurut Sugiyono adalah teknik
yang tidak memberi peluang/kesempatan yang sama bagi setiap unsur atau
anggota populasi untuk dipilih menjadi sampel.
1. Probability sampling
Probability sampling menuntut bahwasanya secara ideal peneliti telah
mengetahui besarnya populasi induk, besarnya sampel yang diinginkan
telah ditentukan, dan peneliti bersikap bahwa setiap unsur atau kelompok
unsur harus memiliki peluang yang sama untuk dijadikan sampel. Adapun
jenis-jenis Probability sampling adalah sebagai berikut :
a. Simple random sampling

Menurut Kerlinger (2006:188), simple random sampling adalah metode
penarikan dari sebuah populasi atau semesta dengan cara tertentu
sehingga setiap anggota populasi atau semesta tadi memiliki peluang
yang sama untuk terpilih atau terambil.
Menurut Sugiyono (2001:57) dinyatakan simple (sederhana) karena
pengambilan sampel anggota populasi dilakukan secara acak tanpa
memperhatikan strata yang ada dalam populasi itu. Margono (2004:126)
132 Bab 13 Teknik Sampling

menyatakan bahwa simple random sampling adalah teknik untuk
mendapatkan sampel yang langsung dilakukan pada unit sampling.
Cara demikian dilakukan bila anggota populasi dianggap homogen.
Teknik ini dapat dipergunakan bilamana jumlah unit sampling di dalam
suatu populasi tidak terlalu besar. Misal, populasi terdiri dari 500 orang
mahasiswa program S1 (unit sampling). Untuk memperoleh sampel
sebanyak 150 orang dari populasi tersebut, digunakan teknik ini, baik
dengan cara undian, ordinal, maupun tabel bilangan random. Teknik
ini dapat digambarkan di bawah ini.
Gambar 8. Teknik Simpel Random Sampling (Sugiyono, 2001: 58)
Metode Undian
a. Proses:
1. Memberi kode nomor urut pada semua elemen populasi pada
lembar kertas-kertas kecil.
2. Menggulung lembar kertas-kertas tersebut, memasukkan
dalam kotak, mengocok dengan rata, mengambilnya satu
persatu.
3. Hasil undian merupakan sampel yang dipilih.
b. Cocok untuk jumlah populasi kecil
Metode Tabel Random

a. Tabel Random adalah tabel yang dibentuk dari bilangan biasa yang
diperoleh secara berturut-turut dengan sebuah proses random
serta disusun kedalam suatu tabel.
b. Proses:
1. Memberi nomor urut pada semua elemen populasi.
Bab 13 Teknik Sampling 133

2. Secara acak memilih salah satu tabel bilangan random, memilih
baris, dan kolom.
3. Nomor-nomor yang terpilih dari tabel merupakan nomor-
nomor sampel.
Langkah-langkah :
1. Susun kerangka sampling
2. Tetapkan jumlah sampel
3. Tentukan alat pengambilan sampel
4. Pilih sampel sampai dengan jumlah sampel terpenuhi
b. Proportionate stratified random sampling

Margono (2004: 126) menyatakan stratified
bahwa random
sampling biasa digunakan pada populasi yang mempunyai susunan
bertingkat atau berstrata. Menurut Sugiyono (58 :2001) teknik ini
digunakan bila populasi mempunyai anggota/unsur yang tidak
homogen dan berstrata secara proporsional. Misalnya suatu organisasi
yang mempunyai pegawai dari berbagai latar belakang pendidikan,
maka populasi pegawai itu berstrata. Populasi berjumlah 100 orang
diketahui bahwa 25 orang berpendidikan SMA, 15 orang diploma, 30
orang S15 ,1 orang S2 dan 15 orang S3. Jumlah sampel yang harus diambil
meliputi strata pendidikan tersebut dan diambil secara proporsional.
Langkah-langkah :
1. Susun kerangka sampling.
2. Bagi kerangka sampling ke dalam strata yang dikehendaki.
3. Tentukan jumlah sampel secara keseluruhan.
4. Tentukan jumlah sampel dalam setiap stratum.
5. Pilih sampel dari setiap stratum secara acak.
c. Disproportionate stratified random sampling

Sugiyono (2001: 59) menyatakan bahwa teknik ini digunakan untuk
menentukan jumlah sampel bila populasinya berstrata tetapi
kurang proporsional. Misalnya pegawai dari PT tertentu mempunyai

mempunyai 3 orang lulusan S3, 4 orang lulusan S2, 90 orang lulusan S1,
800 orang lulusan SMU, 700 orang lulusan SMP, maka 3 orang lulusan
S3 dan empat orang S2 itu diambil semuanya sebagai sampel. Karena
dua kelompok itu terlalu kecil bila dibandingkan denan kelompok S1,
SMU dan SMP.
d. Area (cluster) sampling (sampling menurut daerah)

Teknik ini disebut juga cluster random sampling. Menurut Margono
(2004: 127), teknik ini digunakan bilamana populasi tidak terdiri dari
individu-individu, melainkan terdiri dari kelompok-kelompok individu
atau cluster. Teknik sampling daerah digunakan untuk menentukan
sampel bila objek yang akan diteliti atau sumber data sangat luas,
misalnya penduduk dari suatu negara, propinsi atau kabupaten.
Indonesia memiliki 34 propinsi dan akan menggunakan 10 propinsi.
Pengambilan 10 propinsi itu dilakukan secara random. Tetapi perlu
diingat, karena propinsi-propinsi di Indonesia itu berstrata maka
pengambilan sampelnya perlu menggunakan stratified random
sampling. Contoh tersebut dikemukakan oleh Sugiyono sedangkan
contoh lainnya dikemukakan oleh Margono (2004: 127). Ia mencotohkan
bila penelitian dilakukan terhadap populai pelajar SMU di suatu kota.
Untuk random tidak dilakukan langsung pada semua pelajar-pelajar
tetapi pada sekolah/kelas sebagai kelompok atau cluster.
Teknik sampling daerah ini sering digunakan melalui dua tahap, yaitu
tahap pertama menentukan sampel daerah, dan tahap berikutnya
menentukan orang-orang yang ada pada daerah itu secara sampling
juga. Teknik ini dapat digambarkan di bawah ini.

Gambar 9 Teknik Cluster Random Sampling (Sugiyono, 2001: 59)

Langkah-langkah penyelesaian:
1. Membagi populasi ke dalam beberapa kelompok.
2. Memilih satu atau sejumlah kelompok dari kelompok-kelompok
tersebut secara random.
3. Menentukan sampel dari satu atau sejumlah kelompok yang
terpilih secara random.
2. Nonprobability sampling
Non Probability sampling adalah sebuah teknik sampling yang tidak
memperhatikan banyak variabel dalam penarikan sampel. Sampel-sampel
dari Nonprobability Sampling juga disebut sebagai subjek penelitian dimana
hasil dari uji yang dilakukan pada sampling tidak memiliki hubungan
dengan populasi. Tujuan penggunaan teknik sampling ini lebih banyak
melekat pada materi yang diujikan sedangkan pada random samplin atau
probability Sampling, tujuan penelitian melekat pada nilai dari materi pada
populasi yang diujikan.
a. Sampling sistematis
Sugiyono (2001:60) menyatakan bahwa sampling sistematis adalah
teknik penentuan sampel berdasarkan urutan dari anggota populasi
yang telah diberi nomor urut. Misalnya anggota populasi yang terdiri
dari 100 orang. Dari semua anggota diberi nomor urut, yaitu nomor
1 sampai dengan nomor 100. Pengambilan sampel dapat dilakukan
dengan nomor ganjil saja, genap saja, atau kelipatan dari bilangan
tertentu, misalnya kelipatan dari bilangan lima. Untuk itu, yang diambil
sebagai sampel adalah 5, 10, 15, 20 dan seterusnya sampai 100.
b. Quota sampling
Menurut Sugiyono (2001: 60) menyatakan bahwa sampling kuota adalah
teknik untuk menentukan sampel dari populasi yang mempunyai ciri-
ciri tertentu sampai jumlah (kuota) yang diinginkan. Menurut Margono
(2004: 127) dalam teknik ini jumlah populasi tidak diperhitungkan
akan tetapi diklasifikasikan dalam beberapa kelompok. Sampel diambil
dengan memberikan jatah atau quorum tertentu terhadap kelompok.
Pengumpulan data dilakukan langsung pada unit sampling. Setelah

kuota terpenuhi, pengumpulan data dihentikan. Sebagai contoh, akan
melakukan penelitian terhadap pegawai golongan II dan penelitian
dilakukan secara kelompok. Setelah jumlah sampel ditentukan 100
dan jumlah anggota peneliti berjumlah 5 orang, maka setiap anggota
peneliti dapat memilih sampel secara bebas sesuai dengan karakteristik
yang ditentukan (golongan II) sebanyak 20 orang.
c. Sampling aksidental
Sampling aksidental adalah teknik penentuan sampel berdasarkan
kebetulan, yaitu siapa saja yang secara kebetulan bertemu dengan
peneliti dapat digunakan sebagai sampel, bila dipandang orang yang
kebetulan ditemui itu cocok sebagai sumber data (Sugiyono, 2001:
60). Menurut Margono (2004: 27) menyatakan bahwa dalam teknik
ini pengambilan sampel tidak ditetapkan lebih dahulu. Peneliti
langsung mengumpulkan data dari unit sampling yang ditemui.
Misalnya penelitian tentang pendapat umum mengenai pemilu dengan
mempergunakan setiap warga negara yang telah dewasa sebagai unit
sampling. Peneliti mengumpulkan data langsung dari setiap orang
dewasa yang dijumpainya, sampai jumlah yang diharapkan terpenuhi.
d. Purposive sampling
Sugiyono (2001: 61) menyatakan bahwa sampling purposive adalah
teknik penentuan sampel dengan pertimbangan tertentu. Menurut
Margono (2004:128), pemilihan sekelompok subjek dalam purposive
sampling didasarkan atas ciri-ciri tertentu yang dipandang mempunyai
sangkut paut yang erat dengan ciri-ciri populasi yang sudah diketahui
sebelumnya, dengan kata lain unit sampel yang dihubungi disesuaikan
dengan kriteria-kriteria tertentu yang diterapkan berdasarkan tujuan
penelitian. Misalnya, akan melakukan penelitian tentang disiplin
pegawai maka sampel yang dipilih adalah orang yang memenuhi
kriteria-kriteria kedisiplinan pegawai.
e. Sampling jenuh
Menurut Sugiyono (2001:61) sampling jenuh adalah teknik penentuan
sampel bila semua anggota populasi digunakan sebagai sampel. Hal

ini sering dilakukan bila jumlah populasi relatif kecil, kurang dari 30
orang. Istilah lain sampel jenuh adalah sensus, dimana semua anggota
populasi dijadikan sampel.
f. Snowball sampling
(Sugiyono, 2001: 61), Snowball sampling adalah teknik penentuan
sampel yang mula-mula jumlahnya kecil, kemudian sampel ini disuruh
memilih teman-temannya untuk dijadikan sampel begitu seterusnya,
sehingga jumlah sampel semakin banyak. Ibarat bola salju yang
menggelinding semakin lama semakin besar. Pada penelitian kualitatif
banyak menggunakan purposive dan snowball sampling. Teknik sampel
ditunjukkan pada gambar di bawah ini.

Gambar 10. Snowball Sampling (Sugiyono, 2001: 61)
Proses pengambilan sampel dengan cara sambung menyambung

informasi dari unit satu dengan unit lain sehingga menjadi satu
kesatuan unit yang banyak.
Dilakukan dengan menentukan sample pertama. Sampel berikutnya
ditentukan berdasarkan informasi dari sampel pertama, sampel ketiga
ditentukan berdasarkan informasi dari sample kedua, dan seterusnya
sehingga jumlah sample semakin besar, seolah-olah terjadi efek bola
salju.

Metode pengambilan sampel dengan secara berantai (multi level).
1. Sampel awal ditetapkan dalam kelompok anggota kecil.
2. Masing-masing anggota diminta mencari anggota baru dalam
jumlah tertentu.
3. Masing-masing anggota baru diminta mencari anggota baru lagi,
dan seterusnya.
Contoh:
Akan diteliti mengenai pendapat mahasiswa terhadap pemberlakuan
kurikulum baru di jurusan Manajemen STIE PGRI. Sampel ditentukan
sebesar 100 mahasiswa.
Peneliti menentukan sampel awal 10 mahasiswa. Masing-masing
mencari 1 orang mahasiswa lain untuk dimintai pendapatnya. Dan
seterusnya hingga diperoleh sampel dalam jumlah 100 mahasiswa.
Kelebihan:
1. Mudah digunakan
2. Teknik bola salju paling bermanfaat ketika ada suatu kebutuhan
untuk mengidentifikasi suatu populasi yang sebelumnya tak
dikenal.
Kelemahan: Membutuhkan waktu yang lama.
C. Teknik Penentuan Ukuran Sampel

Sebelum mengemukakan tentang bagaimana menentukan ukuran
sampel, berikut akan dikemukakan terlebih dahulu alasan atau pertimbangan
menentukan ukuran sampel.
a. Pertimbangan Menentukan Ukuran Sampel

1. Heterogenitas dari populasi / Derajat keseragaman
− Heterogenitas mengacu pada derajat perbedaan di antara kasus
dalam suatu karakteristik.
− Semakin heterogen, jumlah kasus yang diperlukan semakin besar
agar estimasinya reliabel. Ekstrimnya, kalau semua kasus sama
(homogen, unidimensional), jumlah sampel cukup satu, kalau

tidak ada yang sama, harus sensus.
− Satuan pengukuran statistik terbaik untuk heterogenitas populasi
adalah standard deviation (s) berhubungan dengan standard error
yang tadi dibahas. Rumus standard error = s/√(N).
− Semakin besar heterogenitas populasi, perlu semakin banyak
sampel agar lebih presisi.
2. Biaya, waktu, dan tenaga yang tersedia

Makin sedikit waktu, biaya, dan tenaga yang dimiliki peneliti, makin
sedikit pula sampel yang bisa diperoleh. Perlu dipahami bahwa apapun
alasannya, penelitian haruslah dapat dikelola dengan baik (manageable).
3. Tingkat presisi yang dikehendaki/ Tingkat Kesalahan

− Secara teknis mengacu pada standard error (seperti dijelaskan di
atas). Tapi lebih mudah diilustrasikan dengan confidence interval.
− Pernyataan “rata-rata populasi ada di antara 2-4” lebih presisi
dibandingkan “rata-rata populasi ada di antara 1-5”.
− Rumus standard error Rumus standard error , sampel perlu
diperbesar agar standard error-nya mengecil.
− Agar standard error turun 1/2, N perlu naik empat kali lipat.
4. Sampling design yang digunakan/ Rencana Analisis

− Jika rencana analisisnya mendetail atau rinci maka jumlah
sampelnya pun harus banyak.
− Misalnya tanpa menambah jumlah sampel, presisi sampel bisa
ditingkatkan dengan menggunakan stratified random sampling
dan bukan simple random sampling.
b. Menentukan Ukuran Sampel

1. Pendapat Slovin
Penentuan ukuran sampel menurut Slovin harus didasarkan pada
asumsi bahwa populasi berdistribusi Normal (Husein, 2005 : 108)

N
n=
1 + N .e 2
dimana:
n = Ukuran Sampel
N = Ukuran Populasi
e = Kesalahan sampling yang masih dapat ditolerir
(misalnya: 2% - 10%)
Contoh:
Apabila diketahui ukuran populasi sebanyak 200 pegawai, berapakah
ukuran sampel yang harus diambil dengan error sampling sebesar 5%?
Diketahui:
N = 200, e = 5% = 0,05
Ditanyakan: n = ?
Jawab:
N 200 200
=n = 2
= 2
= 133,=33 134
1 + N .e 1 + 200.(0,05) 1 + 0,5
Jadi ukuran sampel yang harus diambil minimal sebanyak 134 pegawai.
2. Pendapat Kracjie
Kracjie (Umar Husein, 2005 : 109), mengemukakan suatu metode
penentuan ukuran sampel dengan membuat suatu daftar. Pada
prinsipnya ukuran Kracjie sama dengan penentuan ukuran Slovin,
dimana α = 0,05. Kracjie membuat daftar ukuran sampel mulai dari 10
sampai dengan 100.000, seperti berikut:

Tabel Kracjie
Untuk Tingkat Kesalahan Sampling 5%
N S N S N S N S N S
10 10 100 80 280 162 800 260 2800 338
15 14 110 86 290 165 850 265 3000 341
20 19 120 92 300 169 900 269 3500 346
25 24 130 97 320 175 950 274 4000 351
30 28 140 103 340 181 1000 278 4500 354
35 32 150 108 360 186 1100 285 5000 357
40 36 160 113 380 191 1200 291 6000 361
45 40 170 118 400 196 1300 297 7000 364
50 44 180 123 420 201 1400 302 8000 367
55 48 190 127 440 205 1500 306 9000 368
60 52 200 132 460 210 1600 310 10000 370
65 56 210 136 480 214 1700 313 15000 375
70 59 220 140 500 217 1800 317 20000 377
75 63 230 144 550 225 1900 320 30000 379
80 66 240 148 600 234 2000 322 40000 380
85 70 250 152 650 242 2200 327 50000 381
90 73 260 155 700 248 2400 331 75000 382
95 76 270 159 750 256 2600 335 100000 384
Note: “N” is Population Size
“S” is Sample Size

Source: Krecjie, Robert V., Morgan Daryle W. “Determining sample size for Research
Activities, Educational and Psychological Measurement, 1970.
Contoh:
Berapakah ukuran sampel yang harus diambil dari ukuran populasi
sebanyak 200 pegawai?
Jawab:
Berdasarkan tabel Kracjie untuk N = 200, maka S = 127, jadi ukuran
sampel yang harus diambil minimal sebanyak 127 pegawai.
3. Pendapat Harry King

Harry King (Umar Husein, 2005 : 109) menghitung ukuran sampel
menggunakan Nomogram dan ukran populasi maksimum 2000 dengan
α bervariasi sampai 15%. Nomogram tersebut ditunjukkan sebagai
berikut:

Nomogram Harry King
Untuk Menentukan Ukuran Sampel
Dari Populasi sampai 2000
Gambar 11. Nomogran Harry King

Sumber: Sugiyono (2001). Statistika Untuk Penelitian, Bandung: Alfabeta

Berdasarkan contoh dalam gambar diketahui ukuran populasi sebanyak
200 dengan error sampling (α) = 5%, sehingga ukuran sampel yang
harus diambil sebasar 58% dari ukuran populasinya, yaitu: 0,58 x 200 =
116.
4. Pendapat Issac & Michael

Issac & Michael mengemukakan dengan formula empiris, yaitu:
x 2 NP(1 − P )
s=
d 2 ( N − 1) + x 2 P(1 − P )
Keterangan :
S = Ukuran sampel
N = Ukuran populasi
P = Proporsi populasi sebagai dasar asumsi pembuatan tabel.
Harga ini diambil P = 0,05
d = Derajat ketepatan yang direfleksikan oleh kesalahan yang dapat
ditoleransi dalam fluktuasi proporsi sampel pada umumnya
diambil 0,05.
x2 = Nilai tabel chi-square untuk satu dk relatif konfiden yang
diinginkan = 3,841 dengan tingkat kepercayaan 0,95.
4. Pendapat Gay
Gay (1981 : 98) menyatakan bahwa untuk menentukan ukuran
minimum sampel yang dapat diterima berdasarkan desain penelitian,
yaitu sebagai berikut :
1. Metode deskriptif, minimal 10% populasi. Untuk populasi relatif
kecil, maka ukuran sampel adalah 20% populasi.
2. Metode deskriptif-korelasional, minimal 30 subyek.
3. Metode eks-postfacto, minimal, minimal 15 subyek per kelompok.
4. Metode eksperimental, minimal 15 subyek per kelompok.

Soal Evaluasi
1. Jelaskan perbedaan antara teknik sampling probabilitas dengan teknik
sampling non probabilitas!
2. Pada kondisi bagaimana, bahwa sampling acak sederha perlu dilakukan,
dan bagaimana cara melakukan samplingnya?
3. Pada kondisi bagaimana, bahwa sampling acak stratifikasi perlu dilakukan,
dan bagaimana cara melakukan samplingnya?
4. Jelaskan, apa perbedaan antara teknik sampling acak stratifikasi (startified
random sampling) dengan sampling acak klaster (cluster random sampling)!
5. Dengan menggunakan formula apa saja yang dilakukan apabila kita akan
menentukan ukuran sampel, berikan penjelasan seperlunya.
6. Apabila diketahui Ukuran populasi N = 200 dan kesalahan sampling = 10%,
maka tentukan berapa ukuran sampel yang harus diambil (gunakan formula
Slovin).

BAB 14
PENGUJIAN HIPOTESIS
A. Pendahuluan
Hipotesis berasal dari Bahasa Yunani, yang berupa rangkaian kata dari Hupo
dan Thesis. Hupo berarti Lemah atau kurang atau di bawah, sedangkan Thesis
berarti teori atau pernyataan yang disajikan sebagai bukti. Sehingga dapat
diartikan bahwa hipotesis adalah pernyataan yang masih lemah kebenarannya
dan perlu dibuktikan atau dugaan yang sifatnya masih sementara.
Hipotesis ilmiah mencoba mengutarakan jawaban sementara terhadap

masalah yang kan diteliti. Hipotesis menjadi teruji apabila semua gejala
yang timbul tidak bertentangan dengan hipotesis tersebut. Dalam
upaya pembuktian hipotesis, peneliti dapat saja dengan sengaja menimbulkan
atau menciptakan suatu gejala. Kesengajaan ini disebut percobaan atau
eksperimen. Hipotesis yang telah teruji kebenarannya disebut teori.
147
Contoh:
Apabila terlihat awan hitam dan langit menjadi pekat, maka seseorang dapat
saja menyimpulkan (menduga-duga) berdasarkan pengalamannya bahwa
(karena langit mendung, maka...) sebentar lagi hujan akan turun. Apabila
ternyata beberapa saat kemudian hujan benar turun, maka dugaan
terbukti benar. Secara ilmiah, dugaan ini disebut hipotesis. Namun apabila
ternyata tidak turun hujan, maka hipotesisnya dinyatakan keliru.
Ketika berfikir untuk sehari-hari, orang sering menyebut hipotesis

sebagai sebuah anggapan, perkiraan, dugaan, dan sebagainya. Hipotesis juga
berarti sebuah pernyataan atau proposisi yang mengatakan bahwa di antara
sejumlah fakta ada hubungan tertentu. Proposisi inilah yang akan membentuk
proses terbentuknya sebuah hipotesis di dalam penelitian, salah satu di
antaranya, yaitu penelitian sosial.
Proses pembentukan hipotesis merupakan sebuah proses penalaran, yang

melalui tahap-tahap tertentu. Hal demikian juga terjadi dalam pembuatan
hipotesis ilmiah, yang dilakukan dengan sadar, teliti, dan terarah. Sehingga,
dapat dikatakan bahwa sebuah Hipotesis merupakan satu tipe proposisi yang
langsung dapat diuji.
B. Kegunaan Hipotesis
Hipotesis merupakan elemen penting dalam penelitian ilmiah,
khususnya penelitian kuantitatif. Terdapat tiga alasan utama yang mendukung
pandangan ini, di antaranya:
1. Hipotesis dapat dikatakan sebagai piranti kerja teori. Hipotesis ini dapat

dilihat dari teori yang digunakan untuk menjelaskan permasalahan yang
akan diteliti. Misalnya, sebab dan akibat dari konflik dapat dijelaskan
melalui teori mengenai konflik.
2. Hipotesis dapat diuji dan ditunjukkan kemungkinan benar atau tidak benar
atau di falsifikasi.
3. Hipotesis adalah sebagai alat yang memiliki andil besar untuk memajukan
pengetahuan, karena membuat ilmuwan dapat keluar dari dirinya sendiri.
Artinya, hipotesis disusun dan diuji untuk menunjukkan benar atau salahnya
148 Bab 14 Pengujian Hipotesis

dengan cara terbebas dari nilai dan pendapat peneliti yang menyusun dan
mengujinya.
C. Hipotesis Dalam Penelitian

Walaupun hipotesis penting sebagai arah dan pedoman kerja dalam
penelitian, tidak semua penelitian mutlak harus memiliki hipotesis. Penggunaan
hipotesisdalamsuatupenelitiandidasarkanpada masalah atau tujuan penelitian.
Dalam masalah atau tujuan penelitian tampak apakah penelitian menggunakan
hipotesis atau tidak. Contohnya yaitu Penelitian eksplorasi yang tujuannya untuk
menggali dan mengumpulkan sebanyak mungkin data atau informasi tidak
menggunakan hipotesis. Hal ini sama dengan penelitian deskriptif, ada yang
berpendapat tidak menggunakan hipotesis sebab hanya membuat deskripsi atau
mengukur secara cermat tentang fenomena yang diteliti, tetapi ada juga yang
menganggap penelitian deskriptif dapat menggunakan hipotesis. Sedangkan,
dalam penelitian penjelasan yang bertujuan menjelaskan hubungan antar-
variabel adalah keharusan untuk menggunakan hipotesis.
Fungsi penting hipotesis di dalam penelitian, yaitu:
1. Untuk menguji teori,

2. Mendorong munculnya teori,
3. Menerangkan fenomena sosial,
4. Sebagai pedoman untuk mengarahkan penelitian,
5. Memberikan kerangka untuk menyusun kesimpulan yang akan
dihasilkan.
D. Karakteristik Hipotesis Penelitian

Satu hipotesis dapat diuji apabila hipotesis tersebut dirumuskan dengan
benar. Kegagalan merumuskan hipotesis akan mengaburkan hasil penelitian.
Meskipun hipotesis telah memenuhi syarat secara proporsional, jika hipotesis
tersebut masih abstrak bukan saja membingungkan prosedur penelitian,
melainkan juga sukar diuji secara nyata.
Untuk dapat memformulasikan hipotesis yang baik dan benar, sedikitnya

harus memiliki beberapa ciri-ciri pokok, yakni:
Bab 14 Pengujian Hipotesis 149

1. Hipotesis diturunkan dari suatu
teori
yang disusun untuk
menjelaskan masalah dan dinyatakan dalam proposisi-proposisi. Oleh
sebab itu, hipotesis merupakan jawaban atau dugaan sementara atas
masalah yang dirumuskan atau searah dengan tujuan penelitian.
2. Hipotesis harus dinyatakan secara jelas, dalam
istilah
yang benar
dan secara operasional. Aturan untuk, menguji satu hipotesis secara
empiris adalah harus mendefinisikan operasional semua variabel dalam
hipotesis dan diketahui secara pasti variabel independen dan variabel
dependen.
3. Hipotesis menyatakan variasi nilai sehingga dapat diukur secara
empiris dan memberikan gambaran mengenai fenomena yang diteliti.
Untuk hipotesis deskriptif berarti hipotesis secara jelas menyatakan kondisi,
ukuran, atau distribusi suatu variabel atau fenomenanya yang dinyatakan
dalam nilai-nilai yang mempunyai makna.
4. Hipotesis harus bebas nilai. Artinya nilai-nilai yang dimiliki peneliti dan
preferensi subyektivitas tidak memiliki tempat di dalam pendekatan ilmiah
seperti halnya dalam hipotesis.
5. Hipotesis harus dapat diuji. Untuk itu,
instrumen
harus ada (atau
dapat dikembangkan) yang akan menggambarkan ukuran yang
valid dari
variabel
yang diliputi. Kemudian, hipotesis dapat diuji
dengan metode yang tersedia yang dapat digunakan untuk mengujinya sebab
peneliti dapat merumuskan hipotesis yang bersih, bebas nilai, dan spesifik,
serta menemukan bahwa tidak ada metode penelitian untuk mengujinya.
Oleh sebab itu, evaluasi hipotesis bergantung pada eksistensi metode-
metode untuk mengujinya, baik metode pengamatan, pengumpulan data,
analisis data, mapun generalisasi.
6. Hipotesis harus spesifik. Hipotesis harus bersifat spesifik yang menunjuk
kenyataan sebenarnya. Peneliti harus bersifat spesifik yang menunjuk
kenyataan yang sebenarnya.
7. Hipotesis harus menyatakan perbedaan atau hubungan antar-variabel. Satu
hipotesis yang memuaskan adalah salah satu hubungan yang diharapkan di
antara variabel dibuat secara eksplisit.

E. Tahap-Tahap Pembentukan Hipotesis
Tahap-tahap pembentukan hipotesis pada umumnya sebagai berikut:
1. Penentuan masalah.
Dasar penalaran ilmiah ialah kekayaan pengetahuan ilmiah yang
biasanya timbul karena sesuatu keadaan atau peristiwa yang terlihat tidak
atau tidak dapat diterangkan berdasarkan hukum atau teori atau dalil-
dalil ilmu yang sudah diketahui.[3] Dasar penalaran pun sebaiknya
dikerjakan dengan sadar dengan perumusan yang tepat. Dalam proses
penalaran ilmiah tersebut, penentuan masalah mendapat bentuk
perumusan masalah.
2. Hipotesis pendahuluan atau hipotesis preliminer (preliminary
hypothesis).
Dugaan atau anggapan sementara yang menjadi pangkal bertolak dari
semua kegiatan. Ini digunakan juga dalam penalaran ilmiah. Tanpa
hipotesa preliminer, pengamatan tidak akan terarah. Fakta yang
terkumpul mungkin tidak akan dapat digunakan untuk menyimpulkan
suatu konklusi, karena tidak relevan dengan masalah yang dihadapi.
Karena tidak dirumuskan secara eksplisit, dalam penelitian, hipotesis
priliminer dianggap bukan hipotesis keseluruhan penelitian, namun
merupakan sebuah hipotesis yang hanya digunakan untuk melakukan
uji coba sebelum penelitian sebenarnya dilaksanakan.
3. Pengumpulan fakta.
Dalam penalaran ilmiah, di antara jumlah fakta yang besarnya tak
terbatas itu hanya dipilih fakta-fakta yang relevan dengan hipotesa
preliminer yang perumusannya didasarkan pada ketelitian dan
ketepatan memilih fakta.
4. Merumuskan hipotesis
Dalam rumusannya hipotesis dibagi dua, yaitu Hipotesis Nol (Hipotesis
Statistik) dan Hipotesis alternatif (Hipotesis kerja/penelitian/
deklaratif).

5. Pengujian hipotesis
Artinya, mencocokkan hipotesa dengan keadaan yang dapat diamati
dalam istilah ilmiah hal ini disebut verifikasi (pembenaran). Apabila
hipotesa terbukti cocok dengan fakta maka disebut konfirmasi.
Falsifikasi (penyalahan) terjadi jika usaha menemukan fakta dalam
pengujian hipotesa tidak sesuai dengan hipotesa. Bilamana usaha
itu tidak berhasil, maka hipotesa tidak terbantah oleh fakta yang
dinamakan koroborasi (corroboration). Hipotesa yang sering mendapat
konfirmasi atau koroborasi dapat disebut teori.
6. Aplikasi/penerapan.
Apabila hipotesa itu benar dan dapat diadakan menjadi ramalan (dalam
istilah ilmiah disebut prediksi), dan ramalan itu harus terbukti cocok
dengan fakta. Kemudian harus dapat diverifikasikan/koroborasikan
dengan fakta.
F. Rumusan Hipotesis
Dalam rumusannya hipotesis dibagi dua, yaitu:
1. Hipotesis Nol (Hipotesis Statistik)

Hipotesis Nol adalah hipotesis yang akan diuji, apakah statistik yang
didapatkan dari sampel tersebut sesuai dengan parameter yang berasal
dari populasinya.
2. Hipotesis alternatif (Hipotesis kerja/penelitian/deklaratif).
Hipotesis alternatif adalah hipotesis yang sudah terbiasa secara umum
atau yang biasa dideklarasikan sebagaimana pendapat masyarakat
pada umumnya tentang sesuatu hal yang diduganya. Dalam membuat
rumusan hipotesis, hipotesis alternatif ini yang harus terlebih dahulu
dibuat sebelum hipotesis nol dirumuskan. Hipotesis alternatif dibuat
harus sesuai berdasarkan hipotesis penelitian yang diajukan.
G. Macam-Macam Rumusan Ho dan H1

Rumusan Hipotesis Nol (Ho) dan Hipotesis Alaternatif (H1) dibagi dalam 3
macam, yaitu:

1. Hipotesis mengandung pengertian sama
Ho : θ = θo
H1 : θ ≠ θo
2. Hipotesis mengandung pengertian maksimum

Ho : θ ≤ θo
H1 : θ > θo
3. Hipotesis mengandung pengertian minimum

Ho : θ ≥ θo
H1 : θ < θo
H. Bentuk Rumusan Hipotesis

Terdapat 3 bentuk rumusan Hipotesis, yaitu:
1. Hipotesis Deskriptif
Hipotesis tentang nilai suatu variabel mandiri, tidak membuat
perbandingan atau hubungan antara satu variabel dengan variabel
lainnya.
2. Hipotesis Komparatif
Pernyataan hipotesis yang menunjukkan dugaan nilai dalam satu
variabel atau lebih pada sampel yang berbeda, atau suatu hipotesis yang
membandingkan antara satu variabel dengan satu atau lebih variabel
lainnya.
3. Hipotesis Asosiatif
Pernyataan yang menunjukkan dugaan tentang hubungan antara dua
variabel atau lebih.
I. Dua Tipe Kekeliruan

Kekeliruan yang terjadi ketika melakukan penarikan kesimpulan berkenaan
dengan perumusan hipotesis pada umumnya dapat diperlihatkan pada tabel
berikut:

Keadaan Sebenarnya
Keputusan Benar Salah
Terima Hipotesis Tidak membuat kekeliruan Kekeliruan Tipe II
Tolak Hipotesis Kekeliruan Tipe I Tidak membuat kekeliruan
J. Taraf Kepercayaan dan Signifikan

Setelah diketahui bahwa peluang membuat kekeliruan Tipe I dinyakan
sebagai α, maka dalam pemakaiannya α disebut sebagai taraf signifikan, dan (1
– α) disebut taraf kepercayaan. α biasanya ditentukan oleh peneliti berdasarkan
pertimbangan bidangnya, misalnya α = 0,05 untuk penelitian sosial atau
pendidikan, sedangkan α = 0,001 untuk bidang kesehatan.
K. Derajat Kebebasan (dk)/Degree of Freedom (df)

adalah sebagai patokan dalam membaca tabel statistik yang berkenaan
dengan batas rasio penolakan (kritis), yaitu pada saat suatu hasil perhitungan
statistik dapat disebut signifikan. Rumus dk bergantung pada jenis statistik
yang digunakan.
L. Langkah-Langkah Pengujian Hipotesis

Langkah-langkah yang harus dilakukan dalam pengujian hipotesis adalah
sebagai berikut:
1. Rumuskan hipoteis Ho dan H1 disertai dengan keterangan seperlunya

2. Tentukan Statistik hitung. Nilai statistik hitung bergantung pada metode
parametrik yang digunakan.
3. tentukan kriteria penerimaan dan penolakan Ho. Kriteria ini dipengaruhi
oleh taraf signifikan (α), derajat kebebasan (dk), bentuk pengujian (Dua
pihak atau satu pihak), dan jumlah ukuran sampel yang digunakan (n).
4. Bandingkan antara statistik hitung dengan kriteria pengujian hipotesis
tersebut, apakah Ho ditolak atau diterima.
5. Buat kesimpulan.

BAB 15
ANALISIS REGRESI
A. Pendahuluan
Hubungan kausal atau hubungan sebab akibat selalu terjadi di dalam
kehidupan sehari-hari. Tidak jarang juga peristiwa itu terjadi kepada kita, dimana
kita ingin melihat apakah antara suatu hal dengan hal lainnya itu memiliki
hubungan sebab akibat atau tidak. Misalnya hubungan antara biaya promosi
dengan hasil penjualan. Untuk menyelidiki hal tersebut, kita membutuhkan
beberapa data antara kedua hal yang ingin diteliti hubungannya, kedua hal
tersebut dapat kita anggap sebagai variabel yang mempengaruhi dan variabel
yang dipengaruhi. Data yang telah didapat akan dianalisis dengan suatu metode
yang disebut analisis regresi.
Analisis regresi umumnya memiliki 3 (tiga) kegunaan yaitu untuk tujuan

deskripsi dari fenomena data atau kasus yang sedang diteliti, untuk tujuan
kontrol, serta untuk tujuan prediksi.
155
B. Analisis Regresi
Analisis regresi merupakan analisis hubungan antara dua atau lebih variabel
yang dituangkan dalam bentuk persamaan yang sesuai guna meramalkan rata-
rata variabel dependen atau terikat bagi variabel independen atau bebas yang
tertentu.
Dalam analisis regresi, dikenal dua jenis variabel yaitu variabel terikat atau
respon (variabel dependent) yaitu variabel yang keberadaannya dipengaruhi
oleh variabel lainnya yang dinotasikan dengan Y, dan yang kedua adalah
variabel prediktor (variabel independent) yaitu variabel yang bebas yang tidak
dipengaruhi oleh variabel lainnya yang dinotasikan dengan X.
Bentuk atau model persamaan regresi dapat dibagi dua, yaitu persamaan
regresi linier dan non linier. Akan tetapi regresi yang sering digunakan dan
banyak dipelajari termasuk dalam modul ini hanya akan dikemukakan regresi
linier. Model regresi linier dapat dituliskan dalam bentuk persamaan matematis
sebagai berikut:
Yi = βo + βi Xi + Єi
dimana: βo = Intercept Y untuk populasi sebagai nilai konstanta

βi = Slope atau koefisien garis regresi untuk populasi
i = 1, 2, 3, … n
Єi = Nilai residu/galat ke i
Untuk model regresi linier juga dibagi dua, yaitu regresi linier sederhana
dan regresi linier berganda. Regresi linier sederhana adalah model regresi
yang hanya melibatkan satu variabel independent dengan variabel dependent,
sedangkan untuk regresi linier berganda adalah model regresi yang melibatkan
lebih dari satu variabel independent dengan variabel dependent. Adapun kedua
model regresi tersebut akan dibahas sebagai berikut.
C. Regresi Sederhana
Cara mencari persamaan regresi sederhana, dapat dilakukan dengan
menggunakan metode kuadrat terkecil (least square method).
156 Bab 15 Analisis Regresi

Persamaan garis regresi linier diperlihatkan melalui persamaan:
Y = a + bX
dimana: Y = Variabel dependent atau variabel terikat
X = Variabel Independent atau variabel bebas
a = Y, dimana X = 0, disebut nilai kontanta
b = Koefisien regresi atau besarnya pertambahan/pengurangan Y
apabila X bertambah 1 unit.
Untuk mencari nilai “a” dan “b” dipergunakan penurunan rumus sebagai
berikut:
Y = a + bX
ΣY = na + b ΣX
ΣXY = a ΣX + b ΣX2
Persamaan di atas dapat ditulis menjadi:
n ∑ XY − (∑ X )(∑ Y )
s=
n ∑ X 2 − (∑ X )2
(∑ Y ) (∑ X )
= a −b
n n
Contoh:
Berikut diketahui biaya overhead dan tingkat produksi dari sebuah pabrik
diberikan sebagai berikut:
Produksi (X) 5 6 7 8 9 10 11
Biaya Overhead (Y) 12 11,5 14 15 15,4 15,3 17,5
Pertanyaan:
1. Tentukan persamaan garis regresinya
2. Berapa biaya overhead, apabila pabrik memproduksi sebanyak 20 unit.
Bab 15 Analisis Regresi 157

Penyelesaian:
X Y X2 Y2 XY
5 12 25 144 60
6 11,5 36 132,25 69
7 14 49 196 98
8 15 64 225 120
9 15,4 81 237,16 138,6
10 15,3 100 234.09 153,3
11 17,5 121 306,25 192,5
56 100,7 476 1474,75 831,1

n ∑ XY − (∑ X )(∑ Y ) 7(831, 1) − (56)(100,7)

=b = = 0,911
n ∑ X 2 − (∑ X )2 7(476) − (56)2
(∑ Y ) (∑ X ) (100,7) (56)
a= −b = − 0,911 =7,098
n n 7 7
1. Jadi persamaan garis regresi Y = 7,098 + 0,911X

2. Jika X = 20, maka Y = 7,098 + 0,911 (20) = 25,318
Jadi besarnya biaya overhead untuk memproduksi 20 satuan unit adalah
25,318 (satuan biaya).
D. Regresi Berganda
Analisis regresi linier berganda adalah hubungan secara linear antara dua atau
lebih variabel independen (X1, X2,….Xn) dengan variabel dependen (Y). Analisis
ini untuk mengetahui arah hubungan antara variabel independen dengan
variabel dependen apakah masing-masing variabel independen berhubungan
positif atau negatif dan untuk memprediksi nilai dari variabel dependen apabila
nilai variabel independen mengalami kenaikan atau penurunan. Data yang
digunakan biasanya berskala interval atau rasio.
Cara mencari persamaan regresi berganda, dapat dilakukan dengan

menggunakan metode kuadrat terkecil (least square method).
Persamaan garis regresi linier berganda diperlihatkan melalui persamaan:
Y = a + biXi
dimana: Y = Variabel dependen (nilai yang diprediksikan)

Xi = Variabel independen; i = 1, 2, 3, …, n

n = Banyaknya variabel bebas
a = Konstanta (nilai Y apabila Xi = 0)
b = Koefisien regresi (nilai peningkatan ataupun penurunan)
Untuk mencari nilai “a” dan “b1 dan b2” untuk dua variabel bebas
dipergunakan penurunan rumus sebagai berikut:
ΣY = na + b1 ΣX1 + b2 ΣX2
ΣX1Y = a ΣX1 + b1 ΣX12 + b2 ΣX1X2
ΣX2Y = a ΣX2 + b1 ΣX1X2 + b2ΣX22
Persamaan di atas dapat ditulis menjadi:

n(∑ X 2 )(∑ X 1Y ) − (∑ X 1 X 2)(∑ X 2Y )
b1 =
n(∑ X 1 2 )(∑ X 22 ) − (∑ X 1 X 2)2
n(∑ X 2 )(∑ X 2Y ) − (∑ X 1 X 2)(∑ X 1Y )
b2 =
n(∑ X 1 2 )(∑ X 22 ) − (∑ X 1 X 2)2
(∑ Y ) (∑ X 1) (∑ X 2)
a = − b1 − b2
n n n
Contoh:
Seorang Manajer Pemasaran deterjen merek “ATTACK” ingin mengetahui
model persamaan garis regresi, dan ingin mengetahui keputusan konsumen
membeli produknya, bila diketahui data hasil observasi sebagai berikut:
No. Responden Promosi Harga Keputusan

(X1) (X2) Konsumen
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
Jumlah 60 40 170

Pertanyaan:
1. Tentukan persamaan regresinya
2. Berapa hasil keputusan konsumen, bila promosi = 15 dan harga = 10
Penyelesaian:
X1 X2 Y X1X2 X1Y X2 Y X12 X22
10 7 23 70 230 161 100 49
2 3 7 6 14 21 4 9
4 2 15 8 60 30 16 4
6 4 17 24 102 68 36 16
8 6 23 48 184 138 64 36
7 5 22 35 154 110 49 25
4 3 10 12 40 30 16 9
6 3 14 18 64 42 36 9
7 4 20 28 140 80 49 16
6 3 19 18 114 57 36 9
60 40 170 267 1.102 737 406 182
10(182)(1.102) − (267)(737)
b1 =
10(406)(182) − 71289
2.005.640 − 196.779
b1 =
738.920 − 71289
1.808.861
=b1 = 2,71
667.631
10(406)(737) − (267)(1.102)
b2 =
10(406)(182) − (267)2
2.992.220 − 294.234
b2 =
738.920 − 71.289
2.697.986
b2 = = 4,04
667.631
170 (60) (40)

a= − (2,71) − (4,04)
10 10 10
a=
17 − 16,26 − 16, 16 = −15,42


1. Jadi persamaan garis linier berganda adalah:
Ŷ = 2,71 + 15,42- X1 + 4,04 X2
2. Keputusan konsumen bila X1 = 15 dan X2 = 10 adalah
Y = -15,42 + 2,71 (15) + 4,04 (10) = 65,63
E. Pengujian Koefisien Regresi

Uji model regresi dilakukan dengan dua macam, yaitu uji parsial dan uji
simultan. Statistik uji yang dipakai untuk melakukan uji parsial yaitu uji t,
sedangkan uji yang dipakai dalam uji simultan yaitu uji F. Berikut kedua uji
tersebut akan dikemukakan di bawah ini.
1. Uji t
Uji t pada dasarnya menunjukan seberapa jauh pengaruh satu variabel
independen secara individual menerangkan variasi variabel terikat (Ghozali,
2006). Pengujian parsial regresi dimaksudkan untuk mengetahui apakah
variabel bebas secara individual mempunyai pengaruh terhadap variabel
terikat dengan asumsi variabel yang lain itu konstan. Untuk melakukan
pengujian t dapat digunakan dengan rumus sebagai berikut:
b
t=
Sb
dimana:
t : Nilai t hitung
b : koefisien regresi
Sb : standar error dari koefisien regresi

Dasar pengambilan keputusan:

a. Jika probabilitas (signifikansi) < α atau t hitung > t tabel, maka Ho
ditolak atau H1 diterima.
b. Jika probabilitas (signifikansi) > α atau t hitung < t tabel, maka Ho
diterima atau H1 ditolak.

Contoh:
Berikut diketahui biaya overhead dan tingkat produksi dari sebuah pabrik
diberikan sebagai berikut:
Produksi (X) 5 6 7 8 9 10 11
Biaya Overhead (Y) 12 11,5 14 15 15,4 15,3 17,5
Pertanyaan:
Lakukan pengujian hipotesis, bahwa produksi berpengaruh signifikan
terhadap biaya overhead!
Penyelesaian:
Langkah pertama: Menentukan rumusan hipotesis
Ho : β1 = 0
Ho : β1 ≠ 0
Langkah kedua: Menghitung Statistik Uji:

b
t=
Sb
Untuk menghitung statistik uji tersebut di atas dibutuhkan terlebih dahulu

menghitung Se dengan bantuan tabel berikut:
Xi Yi Ŷ = 0,911 + 7,098X ei = (Yi – Ŷ) (Yi – Ŷ)2

5 12 11,653 0,347 0,120
6 11,5 12,564 -1,064 1,132
7 14 13,475 0,525 0,276
8 15 14,385 0,615 0,378
9 15,4 15,296 0,104 0,011
10 15,3 16,207 -0,907 0,823
11 17,5 17,117 0,383 0,147
56 100,7 2,887
Se =
∑ (Yi − Y )2
n−2
2,887
=
7−2
= 0,7598


n∑ Xi 2 − (∑ Xi)2
S2x =
n(n − 1)
7(476) − (56)2
S2x =
7(7 − 1)
S 2 x = 4,6667
1
Sb1 = Se
(n − 1)S 2 x
1
Sb1 = 0,7598
(7 − 1)4,6667
Sb1 = 0, 1436
b 0,911
t
= = = 6, 34
Sb 0, 1436

Langkah ketiga: Membandingkan t hitung dengan t tabel, t tabel diperoleh

dengan dk = n – 2 = 7 – 2 = 5 dan taraf signifikan α = 0,05, karena uji 2 pihak,
maka t (0,975 (5) = 2,57. Ternyata t hitung > t tabel atau 6,34 > 2,57 dengan
demikian Ho ditolak atau H1 diterima.
Langkah terakhir, yaitu menarik kesimpulan, dimana bahwa produksi

berpengaruh secara signifikan terhadap biaya overhead.
2. Uji F
Uji F pada dasarnya menunjukan seberapa jauh pengaruh variabel
independen secara simultan menerangkan variasi variabel terikat (Gujarati,
2001). Pengujian simultan regresi dimaksudkan untuk mengetahui apakah
variabel bebas secara simultan mempunyai pengaruh terhadap variabel
terikat dengan asumsi variabel yang lain itu konstan. Untuk melakukan
pengujian F dapat digunakan dengan rumus sebagai berikut:
S 12
F=
S 22
dimana:
F : Nilai F hitung

S12 : Nilai varian terbesar
S22: Nilai varian terkecil
Dasar pengambilan keputusan:

a. Jika probabilitas (signifikansi) < α atau F hitung > F tabel, maka Ho
ditolak atau Ha diterima.
b. Jika probabilitas (signifikansi) > α atau F hitung < F tabel, maka Ho
diterima atau Ha ditolak.

Soal Evaluasi
Lakukan analisis regresi untuk mengetahui: Pengaruh Motivasi Kerja
terhadap Produktivitas Kerja Pegawai, Pengaruh Disiplin Kerja terhadap
Produktivitas Kerja Pegawai, dan Pengaruh Motivasi dan Disiplin Kerja
secara simultan terhadap Produktivitas Kerja Pegawai.

Berikut ini diketahui hasil rekapitulasi data dari jawaban 25 responden

untuk 3 (tiga) variabel penelitian, yaitu: Motivasi Kerja Pegawai, Disiplin
Kerja Pegawai, dan Produktivitas Kerja Pegawai.
Motivasi Kerja Disiplin Kerja Produktivitas Kerja
No.
Pegawai Pegawai Pegawai
1 98 101 70
2 95 99 67
3 95 99 68
4 99 103 70
5 96 102 73
6 98 105 71
7 101 102 74
8 97 102 71
9 101 102 72
10 97 104 73
11 104 104 75
12 97 111 72
13 105 109 77
14 98 105 71
15 100 102 73
16 90 88 65
17 94 101 71
18 100 105 74
19 97 99 69
20 75 74 55
21 87 90 63
22 95 96 68
23 102 110 76
24 94 92 66
25 102 110 75

BAB 16
ANALISIS KORELASI
A. Pendahuluan
Dalam analisis korelasi, kita mempelajari pengukuran tentang derajat
keeratan antara variabel X dengan Y atau menentukan kuat tidaknya hubungan
kedua variabel atau lebih. Ukuran yang dipergunakan untuk mengukur kuat
tidaknya hubungan tersebut adalah dengan koefisien korelasi.
B. Teknik Korelasi
Terdapat bermacam-macam teknik korelasi yang dapat digunakan. Teknik
korelasi mana yang akan dipakai tergantung pada jenis data yang akan dianalisis.
Berikut berbagai Teknik korelasi berdasarkan jenis skala pengukuran datanya.
167
Jenis Skala Pengukuran Data Teknik Korelasi Yang Digunakan
Nominal Koefisien Kontingensi

Ordinal Spearman Rank/Keandall Tau
Interval/Rasio Pearson Product Moment
1. Korelasi Pearson
Rumusan Koefisien korelasi:
n ∑ XY − (∑ X )(∑ Y )
r=
(n(∑ X 2 ) − (∑ X )2 )(n(∑ Y 2 ) − (∑ Y )2 )

Dimana:
r : Koefisien Korelasi
X : Variabel Independen atau Variabel Bebas
Y : Variabel Dependent atau Variabel Terikat
n : Banyaknya pasangan data
2. Product Moment
∑ xy
r=
∑ x 2. ∑ y2

dimana:
x = (X – X)
y = (Y – Y)
3. Spearman Rank
6 ∑ D2
r=

n(n2 − 1)
dimana: D = Rx - Ry
Besarnya koefisien korelasi adalah -1 ≤ r ≤ 1

Apabila (–) : berarti terdapat hubungan yang negatif atau berbalik
168 Bab 16 Analisis Korelasi

Apabila (+) : berarti terdapat hubungan yang positif atau searah
Interpretasi dari nilai koefisien korelasi:

a. Apabila r = 0 atau mendekati 0 maka hubungan antara kedua variabel
sangat lemah atau tidak ada hubungan sama sekali
b. Apabila r = +1 atau mendekati 1 maka hubungan antara kedua variabel
sangat kuat atau cukup kuat dan mempunyai hubungan yang searah
(Jika x naik, maka y juga naik)
c. Apabila r = -1 atau mendekati 0 maka hubungan antara kedua variabel
sangat kuat atau cukup kuat dan mempunyai hubungan yang berbalikan
(Jika X naik, maka Y turun)
Untuk dapat memberikan penafsiran terhadap koefisien korelasi yang

ditemukan tersebut besar atau kecil, maka dapat berpedoman pada
ketentuan yang tertera pada tabel berikut :
Interval Koefisien Tingkat Hubungan

0,00 – 0,199 Sangat rendah/Sangat lemah
0,20 – 0,399 Rendah/Lemah
0,40 – 0,599 Sedang
0,60 – 0,799 Kuat
0,80 – 1,000 Sangat Kuat
Sumber : Sugiyono. 2006. Statistika Untuk Penelitian. Penerbit Alfabeta : Bandung
Berdasarkan koefisien korelasi, dapat diperoleh koefisien determinasi,

yaitu besarnya pengaruh variabel bebas terhadap variabel tak bebasnya,
ditentukan dengan rumus:
2
D = r x 100%
Sedangkan besarnya pengaruh variabel bebas lainnya = 1 – D.
C. Pengujian Koefisien Korelasi

Uji koefisien korelasi dilakukan untuk mengetahui apakah kedua variabel
tersebut memiliki hubungan yang signifikan atau tidak. Untuk lebih jelasnya
berikut akan diberikan contoh sebagai berikut:
Data berikut menunjukkan Skor mentah nilai mata kuliah Bahasa Inggris
dengan Skor TOEFL untuk 5 Mahasiswa sebagai berikut :
Bab 16 Analisis Korelasi 169

Nilai Mata Kuliah Skor TOEFL
Nama Mahasiswa
Bhs. Inggris (X) (Y)
A 105,6 182,0
B 100,0 180,5
C 98,5 151,0
D 102,5 155,0
E 110,5 175,5
Berdasarkan data di atas apakah terdapat hubungan yang signifikan antara

variabel X dan Y. Andaikan peneliti menggunakan taraf signifikan α = 5%
Penyelesaian:
Terlebih dahulu dihitung nilai koefisien korelasi Pearson (r) dengan bantuan
tabel sebagai berikut:
2 2
X Y XY X Y
105,6 182,0 19219,20 11151,36 33124,00
100,0 180,5 18050,00 10000,00 32580,25
98,5 151,0 14873,50 9702,25 22801,00
102,5 155,0 15887,50 10506,25 24025,00
110,5 175,5 19392,75 12210,25 30800,25
517,1 844,0 87422,95 53570,11 143330,50
Dari tabel tersebut diperoleh:

ΣX = 517,1; ΣY = 844,0; ΣXY = 87.422,95; ΣX2 = 53,570,11; ΣY2 = 143.330,50
5(87,422,95) − (517)(844,0)
r=
(5(53,570, 11)) − (517)2 )(5(143.330,50) − (844,0)2 )
r = 0,485

Berdasarkan hasil perhitungan koefisien korelasi, akan ditelusuri apakah

kedua variabel tersebut memiliki korelasi yang signifikan atau tidak, dengan
menggunakan taraf signifikan α = 0,05?.
Untuk menjawab permasalahan tersebut kita lakukan pengujian hipotesis,

dengan langkah-langkah sebagai berikut :
1. Rumusan Ho dan H1 berbentuk :

Ho : ρ = 0
H1 : ρ ≠ 0

2. Dari penelitian yang dilakukan, dengan n = 5, r = 0,485 dan r2 = 0,2352
sehingga dapat menggunakan statistic uji t dengan rumus:
r n − 2 0,485 5 − 2
=t = = 0,96
1 − r2 1 − 0,4852

3. Kriteria untuk mengetahui daerah penolakan atau penerimaan Ho
ditentukan oleh :
a. Distribusi student (t)
b. α = 0,05
c. Uji dua pihak
d. Dk = n – 2 = 5 – 2 = 3

Dari ketentuan-ketentuan ini diperoleh t = + 3,18. Nilai tersebut

0,975 (3)
diperoleh dari tabel t.
Jadi kriteria untuk pengujian ini adalah :

Ho diterima bila : - 3,18 < t < 3,18, Ho ditolak untuk lainnya.
4. Bandingkan nilai t hitung dengan t tabel; Jika nilai t hitung = 0,96
dibandingkan dengan t tabel, maka jelas 0,96 berada pada daerah
penerimaan Ho, ini berarti Ho diterima.
5. Kesimpulan : Berdasarkan penelitian tersebut tidak terdapat korelasi yang
signifikan antara nilai Mata Kuliah Bahasa Inggris dengan Skor TOEFL dari
5 orang mahasiswa tersebut.
Bab 16 Analisis Korelasi 171

Soal Evaluasi
Berikut ini diketahui hasil rekapitulasi data dari jawaban 20 responden
untuk 3 (tiga) variabel penelitian, yaitu Gaya Kepemimpinan, Komunikasi
Interpersonal, dan Kinerja Pegawai.
Responden Gaya Komunikasi Kinerja Pegawai
ke Kepemimpinan Interpersonal
1 116 81 57
2 63 46 34
3 91 59 45
4 70 76 50
5 55 68 44
6 91 74 53
7 76 83 56
8 88 66 47
9 123 81 60
10 109 80 57
11 78 63 43
12 88 59 40
13 35 30 22
14 127 86 63
15 48 32 25
16 123 83 64
17 37 31 21
18 74 59 43
19 120 76 57
20 122 90 65
Diminta :
1. Hitunlah koefisien korelasi Pearson (r) antara Gaya Kepemimpinan
dengan kinerja pegawai dan antara Komunikasi Interpersonal dengan
kinerja pegawai. Kemudian tentukan interpretasinya masing-masing!
2. Tentukan berapa besarnya pengaruh, dan besarnya pengaruh lain dari
soal no.1 di atas!
3. Lakukan pengujian hipotesis, apakah:
Gaya kepemimpinan mem

BAB 17
PENGENALAN SPSS
A. Pengantar SPSS
SPSS adalah sebuah program komputer yang digunakan untuk membuat
analisis statistika. SPSS dipublikasikan oleh SPSS Inc. SPSS (Statistical Package
for the Social Sciences atau Paket Statistik untuk Ilmu Sosial) versi pertama
dirilis pada tahun 1968, diciptakan oleh Norman Nie, seorang lulusan Fakultas
Ilmu Politik dari Stanford University, yang sekarang menjadi Profesor Peneliti
Fakultas Ilmu Politik di Stanford dan Profesor Emeritus Ilmu Politik di University
of Chicago.
Semula SPSS hanya digunakan untuk ilmu social saja, tapi perkembangan
berikutnya digunakan untuk berbagai disiplin ilmu sehingga kepanjangannya
berubah menjadi “Statistical Product and Service Solution” (Nisfiannoor,
Muhammad, Pendekatan Statistika Modern Untuk Ilmu Social, Salemba
Humanika, 2009:15.)
173
SPSS digunakan oleh peneliti pasar, peneliti kesehatan, perusahaan survei,
pemerintah, peneliti pendidikan, organisasi pemasaran, dan sebagainya. Selain
analisis statistika, manajemen data (seleksi kasus, penajaman file, pembuatan
data turunan) dan dokumentasi data (kamus metadata ikut dimasukkan
bersama data) juga merupakan fitur-fitur dari software dasar SPSS.
Statistik yang termasuk software dasar SPSS:
a. Statistik Deskriptif: Tabulasi Silang, Frekuensi, Deskripsi, Penelusuran,

Statistik Deskripsi Rasio
b. Statistik Bivariat: Rata-rata, t-test, ANOVA, Korelasi (bivariat, parsial,
jarak), Nonparametric tests
c. Prediksi Hasil Numerik: Regresi Linear
d. Prediksi untuk mengidentivikasi kelompok: Analisis Faktor, Analisis
Cluster (twostep, K-means, hierarkis), Diskriminan.
SPSS dapat membaca berbagai jenis data atau memasukkan data secara
langsung ke dalam SPSS Data Editor. Bagaimanapun struktur dari file data
mentahnya, maka data dalam Data Editor SPSS harus dibentuk dalam bentuk
baris (cases) dan kolom (variables). Case berisi informasi untuk satu unit
analisis, sedangkan variable adalah informasi yang dikumpulkan dari masing-
masing kasus.
Hasil-hasil analisis muncul dalam SPSS Output Navigator. Kebanyakan

prosedur Base System menghasilkan pivot tables, dimana kita bisa memperbaiki
tampilan dari keluaran yang diberikan oleh SPSS. Untuk memperbaiki output,
maka kita dapat mmperbaiki output sesuai dengan kebutuhan. Beberapa
kemudahan yang lain yang dimiliki SPSS dalam pengoperasiannya adalah karena
SPSS menyediakan beberapa fasilitas seperti berikut ini:
1. Data Editor. Merupakan jendela untuk pengolahan data. Data editor

dirancang sedemikian rupa seperti pada aplikasi-aplikasi spreadsheet untuk
mendefinisikan, memasukkan, mengedit, dan menampilkan data.
2. Viewer. Viewer mempermudah pemakai untuk melihat hasil pemrosesan,
menunjukkan atau menghilangkan bagian-bagian tertentu dari output,
serta memudahkan distribusi hasil pengolahan dari SPSS ke aplikasi-
aplikasi yang lain.
174 Bab 17 Pengenalan SPSS

3. Multidimensional Pivot Tables. Hasil pengolahan data akan ditunjukkan
dengan multidimensional pivot tables. Pemakai dapat melakukan eksplorasi
terhdap tabel dengan pengaturan baris, kolom, serta layer. Pemakai juga
dapat dengan mudah melakukan pengaturan kelompok data dengan
melakukan splitting tabel sehingga hanya satu group tertentu saja yang
ditampilkan pada satu waktu.
4. High-Resolution Graphics. Dengan kemampuan grafikal beresolusi
tinggi, baik untuk menampilkan pie charts, bar charts, histogram,
scatterplots, 3-D graphics, dan yang lainnya, akan membuat SPSS tidak
hanya mudah dioperasikan tetapi juga membuat pemakai merasa nyaman
dalam pekerjaannya.
5. Database Access. Pemakai program ini dapat memperoleh kembali
informasi dari sebuah database dengan menggunakan Database Wizard
yang disediakannya.
6. Data Transformations. Transformasi data akan membantu pemakai
memperoleh data yang siap untuk dianalisis. Pemakai dapat dengan mudah
melakukan subset data, mengkombinasikan kategori, add, aggregat, merge,
split, dan beberapa perintah transpose files, serta yang lainnya.
7. Electronic Distribution. Pengguna dapat mengirimkan laporan secara
elektronik menggunakan sebuah tombol pengiriman data (e-mail) atau
melakukan export tabel dan grafik ke mode HTML sehingga mendukung
distribusi melalui internet dan intranet.
8. Online Help. SPSS menyediakan fasilitas online help yang akan selalu
siap membantu pemakai dalam melakukan pekerjaannya. Bantuan yang
diberikan dapat berupa petunjuk pengoperasian secara detail, kemudahan
pencarian prosedur yang diinginkan sampai pada contoh-contoh kasus
dalam pengoperasian program ini.
9. Akses Data Tanpa Tempat Penyimpanan Sementara. Analisis file-file
data yang sangat besar disimpan tanpa membutuhkan tempat penyimpanan
sementara. Hal ini berbeda dengan SPSS sebelum versi 11.5 dimana file data
yang sangat besar dibuat temporary filenya.
10. Interface dengan Database Relasional. Fasilitas ini akan menambah
efisiensi dan memudahkan pekerjaan untuk mengekstrak data dan
Bab 17 Pengenalan SPSS 175

menganalisnya dari database relasional.
11. Analisis Distribusi. Fasilitas ini diperoleh pada pemakaian SPSS for
Server atau untuk aplikasi multiuser. Kegunaan dari analisis ini adalah
apabila peneliti akan menganalisis file-file data yang sangat besar dapat
langsung me-remote dari server dan memprosesnya sekaligus tanpa harus
memindahkan ke komputer user.
12. Multiple Sesi. SPSS memberikan kemampuan untuk melakukan analisis
lebih dari satu file data pada waktu yang bersamaan.
13. Mapping. Visualisasi data dapat dibuat dengan berbagai macam tipe baik
secara konvensional atau interaktif, misalnya dengan menggunakan tipe
bar, pie atau jangkauan nilai, simbol gradual, dan chart.
B. Cara Menginstall IBM SPSS Statistics 23.0

IBM SPSS Statistics 23.0 bisa di install pada komputer yang menggunakan
sistem operasi Windows 7 atau 8.1 atau 10 dengan system type 32-bit atau 64-bit.
Berikut ini adalah langkah-langkah tutorial cara install IBM SPSS Statistics 23.0
lengkap dengan gambar yang bisa sobat ikuti.
1. Jalankan file setup.exe dengan cara double click atau klik kanan > Open

2. Klik Next untuk melanjutkan
3. Pilih Authorized user license (I purchased a single copy of the product.)

5. Pilih I accept the terms in the license agreement.
7. Isi data User Name dan Organization sesuai keinginan sobat, bisa diisi
dengan data bebas


10. Pilih No

12. Pilih Yes




19. Klik Install untuk memulai proses install

20. Klik OK

21. Klik OK


23. Masukan Serial Number (KEY) IBM SPSS Statistics v2


26. Klik Finish untuk menyelesaikan proses install

27. Klik Yes untuk melakukan restart

Proses install IBM SPSS Statistik v23 telah selesai. Setelah proses restart
silahkan sobat buka aplikasi IBM SPSS, jika aplikasi tidak tampil di desktop
silahkan sobat akses dari Start Menu.

DAFTAR PUSTAKA
Creswell, John W. (2003). Research Design Qualitative, Quantitative, and Mixed

Methods Approaches, Second Edition. California: Sage Publication.
Fraenkel, J. & Wallen, N. (1993). How to Design and evaluate research in education.
(2nd ed). New York: McGraw-Hill Inc.
Fred N. Kerlinger. (1995). Asas-Asas Penelitian Behavioral. Diterjemahkan oleh
Landung R. Simatupang. Yogyakarta: Gajah Mada University Press.
Gay, L.R. dan Diehl, P.L. (1992). Research Methods for Business and Management,
New York: MacMillan Publishing Company.
Ghozali, Imam. (2007). Aplikasi Analisis Multivariate dengan Program SPSS).
Semarang: Badan Penerbit Universitas Diponegoro.
Hakim, Abdul, (2006). Statistika Deskriptif: untuk Ekonomi dan Bisnis,
Yogyakarta: Penerbit Ekonisia.
Hakim, Abdul, (2006). Statistika Analitik: untuk Ekonomi dan Bisnis, Yogyakarta:
Penerbit Ekonisia.
Hair, J.F., W.C. Black, B.J. Babin, R.E. anderson, R.L.Tatham, (2006). Multivariate
Data Analysis, 6 Ed., New Jersey : Prentice Hall.
Irianto, Agus, (2012). Statistik: Konsep Dasar, Aplikasi, dan Pengembangannya,
Jakarta: Penerbit Kencana.
James A. Black dan Dean J. Champion (1992). Metoda dan Masalah Penelitian
Sosial. Bandung: Eresco.
J. Supranto (2001). Statistik: Teori dan Aplikasi, Jilid 1 Edisi 6, Jakarta: Erlangga.
Kenneth D. Bailey (1986). Methods of Social Research, 3rd ed. London: Free Press.
Lind, Marchal, Wathen (2016). Teknik-Teknik Statistika Bisnis dan Ekonomi,
Jakarta: Salemba Empat.
L.R. Gay and P.L. Diehl (1992). Research Methods for Bussiness and Management.
New York: MacMillan Publishing Company.
Masri Singarimbun dan Sofian Effendi (1989). Metode Penelitian Survei. Jakarta:
LP3ES.
Daftar Pustaka 187

McClave, Benson, Sincich (2011). Statistik Untuk Bisnis dan Ekonomi, Edisi 11,
Jakarta: Erlangga.
Nan Lin (1976). Foundations of Social Research. New York: MacGraw-Hill Book
Company.
Paul.D. Leedy and Jeanne.E. Ormrod. (2005). Practical Research: Planning and
Design Research. Edisi 8. Ohio: Pearson Merrill Prentice Hall.
Robert B. Burns. 2000. Introduction to Research Methods. 4th Edition. French
Forest NSW: Longman.
Rochmat Aldy Purnomo (2013). Analisis Statistik Ekonomi dan Bisnis dengan
SPSS, Probolinggo: Wade Group.
Siagian, Dergibson, dan Sugianto, (2004). Metode Statisika untuk Ekonomi dan
Bisnis, Jakarta: Gramedia Pustaka Utama.
Soekadijo. R. G. (1993). Logika Dasar, tradisional, simbolik, dan induktif. Jakarta:
PT. Gramedia Pustaka Utama.
Sudjana (2016). Metoda Statistika, Edisi VII, Bandung: Tarsito.
Sugiyono (2010). Statistika Untuk Penelitian, Bandung: Alfabeta.
------------- (2017). Metode Penelitian: Kuantitatif, Kualitatif, dan R&D. Bandung:
Alfabeta.
Suharsimi Arikunto (1996). Prosedur Penelitian Suatu Pendekatan Praktik.
Jakarta: Bina Aksara.
Suharyadi dan Purwanto (2015). Statistika untuk Ekonomi dan Keuangan Modern
(Edisi 3), Jakarta: Salemba Empat.
Uma Sakaran (1992). Research Methods for Business: A Skill Building Approach,
second edition, New York: John Wiley& Sons, Inc.
Vardiansyah, Dani. (2008). Filsafat Ilmu Komunikasi: Suatu Pengantar. Jakarta:
Indeks.
188 Daftar Pustaka

Statistika Deskriptif &amp; Inferensial ISBN (Revisi)

Diunggah oleh

Informasi Dokumen

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

Statistika Deskriptif &amp; Inferensial ISBN (Revisi)

Diunggah oleh

Hak Cipta:

Format Tersedia

Drs. Tarjono, M.M., Ph.

Cetakan Pertama, Februari 2019

Hak cipta dilindungi undang-undang.

Alhamdulillah, puji syukur kami panjatkan kehadirat Allah SWT., Tuhan

Semoga dengan tersusunnya buku ini dapat membantu bagi kelancaran

Sukabumi, Februari 2019

Kata Pengantar iii

KATA PENGANTAR ...................................................................................... iii

BAB 1 PENGANTAR STATISTIKA ............................................................. 1

BAB 2 PENYAJIAN DATA ............................................................................ 9

BAB 3 DISTRIBUSI FREKUENSI .............................................................. 17

BAB 4 UKURAN GEJALA PUSAT .............................................................. 27

BAB 5 UKURAN LETAK ............................................................................. 41

BAB 6 UKURAN DISPERSI ........................................................................ 51

BAB 7 ANGKA INDEKS .............................................................................. 63

BAB 8 DERET BERKALA ............................................................................ 73

BAB 9 PENGANTAR STATISTIKA UNTUK PENELITIAN....................... 87

BAB 10 SKALA PENGUKURAN................................................................... 91

BAB 11 KONSEP DASAR PROBABILITAS.................................................. 97

BAB 12 DISTRIBUSI PROBABILITAS......................................................... 105

BAB 13 TEKNIK SAMPLING........................................................................ 131

BAB 14 PENGUJIAN HIPOTESIS................................................................. 147

Daftar Isi vii

BAB 16 ANALISIS KORELASI....................................................................... 167

BAB 17 PENGENALAN SPSS......................................................................... 173

DAFTAR PUSTAKA......................................................................................... 187

viii Daftar Isi

Statistika adalah ilmu pengetahuan yang membahas tentang cara-cara

Perbedaan Statistika dan Statistik

1. Sebagai alat untuk membuat keputusan bagi seorang pemimpin perusahaan

Data dan Klasifikasinya

2 BAB 1 Pengantar Statistika

1. Menurut sifatnya data dibagi 2 (dua), yaitu:

BAB 1 Pengantar Statistika 3

2. Menurut proses pengolahannya data dibagi 2 (dua), yaitu:

4 BAB 1 Pengantar Statistika

4. Menurut Cara Memperolehnya, data dibagi 2 (dua), yaitu:

BAB 1 Pengantar Statistika 5

Kelebihan dari wawancara adalah data yang diperlukan langsung diperoleh

6 BAB 1 Pengantar Statistika

4. Tes dan Skala Obyektif

BAB 1 Pengantar Statistika 7

8 BAB 1 Pengantar Statistika

Penyajian data adalah langkah dalam statistika setelah dilakukannya

Maksud Penyajian Data

Di bawah ini merupakan bagan tabel beserta kelengkapannya:

Gambar 2. Bagan Tabel

10 Bab 2 Penyajian Data

Bab 2 Penyajian Data 11

c. Grafik Lingkaran (Pie Chart)

d. Grafik Lambang/Gambar (Pictogram)

12 Bab 2 Penyajian Data

e. Grafik Peta (Kartogram)

Bab 2 Penyajian Data 13

14 Bab 2 Penyajian Data

Tahun Sapi Kerbau Kambing Ayam

Bab 2 Penyajian Data 15

4. Fluktuasi inilai tukar rupiah terhadap dolar AS tanggal 18 Februari 2008

16 Bab 2 Penyajian Data

Distribusi frekuensi adalah salah satu bentuk tabel yang merupakan

Umur (Tahun) Banyaknya Responden

Class Limit dibagi 2, yaitu:

4. Mid Point (Titik Tengah)

Penggolongan Distribusi Frekuensi

Statistika Deskriptif & Inferensial ISBN (Revisi)

Statistika Deskriptif & Inferensial ISBN (Revisi)