EDISI REVISI

Kata Pengantar
Puji dan Syukur atas kehadirat Allah SWT, Tuhan yang Maha Esa atas Rahmat dan
Hidayahnya sehingga Buku ini dapat diselesaikan. Buku Pengantar Statistika merupakan buku
yang didalamnya terdapat materi terkait tentang dasar penelitian untuk mahasiswa/i Ekonomi
dan Sosial. Dengan buku ini diharapkan dapat meningkatkan kualitas, penelitian mahasiswa
untuk menyelesaikan tugas akhir atau skripsi.
Penulis menyampaikan terima kasih kepada Ketua STIE Eka Prasetya Ibu Dr. Sri
Rezeki, M.Si dan Ketua Yayasan STIE Eka Prasetya Bapak Susanto, ST. yang telah
memberikan motivasi dan memberikan masukkan kepada saya. Penulis menyadari bahwa
masih terdapat kekurangan dalam penyusunan buku ini, oleh karenanya kritik dan saran yang
membangun sangat diperlukan sebagai bahan perbaikan dimasa yang akan datang.

Medan, Januari 2022

Penulis,

Muammar Rinaldi, S.Pd., M.Si

NIDN. 0108069301

i
 DAFTAR ISI
KATA PENGANTAR .................................................................................................... i
DAFTAR ISI .................................................................................................................. ii

BAB 1
KONSEP DASAR STATISTIKA ............................................................................... 1
A. Pengertian Statistika ........................................................................................... 1
B. Tujuan Statistika dan Statistik ............................................................................ 2
C. Pengelompokkan Ruang Lingkup Statistika ...................................................... 2
D. Peranan Statistik ................................................................................................. 3
E. Manfaat Statistik ................................................................................................ 4
F. Fungsi Statistik ................................................................................................... 5
G. Metodologi Statistik ........................................................................................... 5

BAB 2
DATA STATISTIK ...................................................................................................... 7
A. Pengertian Data .................................................................................................. 7
B. Pengumpulan Data ............................................................................................. 7
C. Pengolahan Data ................................................................................................. 8
D. Penyajian Data.................................................................................................... 9
E. Pembagian Data.................................................................................................. 13

BAB 3
DISTRIBUSI FREKUENSI ........................................................................................ 16
A. Pengertian Distribusi Frekuensi ......................................................................... 16
B. Bagian Distribusi Frekuensi ............................................................................... 16
C. Penyusunan Distribusi Frekuensi ....................................................................... 18
D. Macam-macam Tabel Distribusi Frekuensi ....................................................... 19

BAB 4
UKURAN NILAI PUSAT ............................................................................................ 22
A. Pengertian Nilai Pusat ........................................................................................ 22
B. Jenis-jenis Ukuran Nilai Pusat ........................................................................... 22
C. Sifat Rata-rata Hitung, Median dan Modus........................................................ 27

BAB 5
UKURAN PENYIMPANGAN (DISPERSI) .............................................................. 29
A. Pengertian Dispersi ............................................................................................ 29
B. Jenis-jenis Ukuran Dispersi ................................................................................ 29

BAB 6
DERET BERKALA ..................................................................................................... 33
A. Pengertian Data Berkala ..................................................................................... 33
B. Komponen Data Berkala .................................................................................... 33
C. Penentuan Trend ................................................................................................. 35
D. Trend Linier........................................................................................................ 37

ii
BAB 7
POPULASI DAN SAMPEL ........................................................................................ 39
A. Pengertian Populasi ............................................................................................ 39
B. Ciri-ciri Populasi ................................................................................................ 39
C. Pengertian Sampel .............................................................................................. 39
D. Kriteria Sampel .................................................................................................. 40
E. Teknik pengambilan sampel............................................................................... 41

BAB 8
ASUMSI KLASIK ........................................................................................................ 43
A. Pengertian Asumsi Klasik ...................................................................................... 43
B. Jenis Asumsi Klasik ........................................................................................... 43

BAB 9
REGRESI & KORELASI SEDERHANA ................................................................. 47
A. Pengertian Regresi Linier Sederhana ................................................................. 47
B. Persamaan Regresi Linier Sederhana ................................................................. 47
C. Langkah-langkah Uji Regresi Sederhana ........................................................... 48
D. Korelasi ....................................................................................................................... 48
E. Ukuran Korelasi Sederhana ................................................................................ 49
F. Korelasi Pearson ................................................................................................. 49
G. Mengukur Korelasi ............................................................................................. 50

DAFTAR PUSTAKA ................................................................................................... 51

iii
Bab 1
KONSEP DASAR STATISTIKA

Pendahuluan
Statistika merupakan salah satu cabang ilmu dari matematika yang pada prinsipnya
adalah mempelajari tentang pengumpulan data, pengolahan data, penganalisisan
data, serta penarikan kesimpulan berdasarkan hasil analisis data.2 Data yang
digunakan dalam statistika adalah data yang berupa angka atau disebut data
kuantitatif. Oleh karena itu, bagi mahasiswa, mata kuliah statistika termasuk mata
kuliah yang ditakuti, dijauhi, dan dianggap sulit seperti juga halnya pelajaran
matematika, yang selalu dikatakan sebagai pelajaran yang paling sulit. Aplikasi
statistika banyak digunakan dalam metode penelitian karena penelitian merupakan
serangkaian kegiatan yang meliputi mengumpulkan data, mengolah data,
menganalisis data, menginterpretasikan, dan menarik kesimpulan dari sekumpulan
data yang kemudian ditulis secara lengkap dan sistematis. Semua kegiatan
penelitian yang sifatnya bertahap tersebut harus dilakukan dengan cara ilmiah
sehingga dapat dipertanggungjawabkan kepada semua pihak.

A. Pengertian Statistika
Perbedaan statistik dan statistika yang pertama bisa dilihat dari pengertian kedua
istilah tersebut. Statistika adalah sebuah ilmu yang mempelajari bagaimana cara
merencanakan, mengumpulkan, menganalisis, lalu menginterpretasikan, dan
akhirnya mempresentasikan data / ilmu yang bersangkutan dengan suatu data.
Menurut pendapat Susetyo, (2010) Statistika merupakan ilmu yang mempelajari
tentang bagaimana data yang berupa numerik dapat disajikan dalam bentuk yang
sederhana, menarik, mudah dibaca, dan dipahami dan dipahami. Contoh dari
statistika yaitu,
1. Pengolahan data kependudukan kawasan tertentu untuk menentukan
transisi demografi
2. Pengolahan data kependudukan wilayah tertentu untuk menentukan
piramida penduduk dengan analisis cohort demografi
3. Menemukan rata-rata serta standar deviasi atas nilai ujian mahasiswa
4. Menemukan median usia penduduk pada suatu desa
Sedangkan Statistik adalah kumpulan data dalam bentuk angka maupun bukan
angka yang disusun dalam bentuk tabel (daftar) dan atau diagram yang
menggambarkan (berkaitan) dengan suatu masalah tertentu. Menurut Kamus

1
 Besar Bahasa Indonesia (KBBI) statistik adalah angka-angka atau catatan yang
dikelompokkan, dikumpulkan serta ditabulasi. Contoh dari Statistik yaitu,
1. Data kepemilikan kendaraan bermotor di wilayah tertentu
2. Data kependudukan dan perekonomian milik Badan Pusat Statistik (BPS)
3. Data kependudukan suatu desa melalui survei
4. Data belanja daerah dan anggaran pemerintah daerah milik Kementerian
Keuangan (DPJK)

B. Tujuan Statistika dan Statistik

Perbedaan statistik dan statistika yang kedua bisa dilihat dari tujuan itu sendiri.
Kedua istilah ini memang saling berkaitan dengan pengumpulan, pengolahan serta
interpretasi data. Namun sebenarnya tujuan statistik dan statistika itu berbeda.
Seperti dijelaskan sebelumnya, statistik merupakan hasil data yang ditampilkan
dalam bentuk tabel hingga grafik.
Tujuan dan fungsi statistik sendiri adalah untuk mendapatkan gambaran atas data
yang telah dikumpulkan dan dikaji sebelumnya. Dengan begitu, data tersebut bisa
ditarik kesimpulan akan permasalahan yang tengah dikaji. Statistika digunakan
untuk mempermudah dalam pengolahan dan menginterpretasi data yang sudah
dikumpulkan. Dengan menggunakan statistika, data dari suatu masalah bisa diolah,
diinterpretasikan dan digunakan untuk tujuan tertentu. Maka dari itu, fungsi
statistika secara umum yakni untuk mengubah data serta informasi acak menjadi
sebuah data statistik yang bisa dipahami.
C. Pengelompokkan Ruang Lingkup Statistika
Tugas statistika mengoleksi data meliputi pengelompokan, menyusun dalam suatu
barisan dan mengurutkan data. setelah data dikoleksi selanjutnya disajikan baik
dalam bentuk tabel atau dalam diagram. Ada 4 jenis statistika sebagai berikut.

1). Berdasarkan Orientasi Pembahasan

a. Statistika Matematik
Statistika matematika sama halnya dengan statistika teori yakni lebih
mengutamakan pada pemahaman akan model, penurunan konsep dan
rumus-rumus statistika secara matematis-teoritis, seperti pemahaman dan
penggunaan uji-t, uji normalitas, analisis regresi, uji homogenitas, galat, dan
lain-lain.
b. Statistika Terapan
Statistika terapan lebih mengutamakan pada pemahaman konsep dan teknik
- teknik statistika serta penguunaannya atau penerapannya dalam disiplin ilmu

2
 tertentu (lebih spesifik) seperti, Statistika Sosial.
2). Berdasarkan fase atau tujuan analisisnya

a. Statistika Deskriptif
Statistika deskriptif berkenaan dengan pengumpulan, pengolahan, analisis dan
penyajian data tanpa pengambilan kesimpulan yang bersifat umum atau
generalisasi. Data pada statistika deskriptif disajikan dalam bentuk tabel,
diagram, grafik, lingkaran.
b. Statistika Inferensial
Statistika inferensial memungkinkan dilakukannya pengambilan kesimpulan
secara general.
3). Berdasarkan distribusi populasi data yang dianalisis
a. Statistika parametrik
Statistika parametrik merupakan statistika yang didasarkan model distribusi
normal (Syarat: Jenis data Interval dan Rasio).
b. Statistika non-parametrik
Statistika terapan lebih mengutamakan pada pemahaman konsep dan teknik-
teknik statistika serta penguunaannya atau penerapannya dalam disiplin ilmu
tertentu (lebih spesifik) seperti, Statistika Sosial. (Syarat: Jenis Data Nominal
dan Ordinal).
4). Berdasarkan jumlah variabel terikat
a. Statistika Univariat
Analisis univariat adalah analisis data secara serentak dimana data yang diamati
hanya memiliki satu variabel dependen (variabel tidak bebas) pada setiap
objek yang diamati.
b. Statistika Multivariat
Analisis multivariat adalah analisis data secara serentak dimana pada data
tersebut terdapat lebih dari satu variabel dependen pada setiap objek yang
diamati.
D. Peranan Statistik
Peranan statistik antara lain terlihat dalam kehidupan sehari-hari, dalam penelitian
ilmiah, dan dalam ilmu pengetahuan.
1). Dalam kehidupan sehari-hari
Dalam kehidupan sehari-hari, statistik memiliki peranan sebagai penyedia
bahan-bahan dan keterangan-keterangan berbagai hal untuk diolah dan
ditafsirkan. Contoh angka-angka kenakalan remaja tingkat biaya hidup tingkat
kecelakaan lalu lintas dan tingkat pendapatan.
2). Dalam penelitian ilmiah

3
 Dalam penelitian ilmiah statistik memiliki peranan sebagai penyedia alat untuk
mengemukakan atau menemukan kembali keterangan-keterangan yang
seolah-olah tersembunyi dalam angka-angka statistik.
3). Dalam ilmu pengetahuan
Dalam ilmu pengetahuan, statistik memiliki peranan sebagai peralatan analisis
dan implementasi dari data kuantitatif ilmu pengetahuan, sehingga didapatkan
suatu kesimpulan dari data-data tersebut.

Dengan semakin pentingnya peranan statistik pada berbagai bidang dalam

kehidupan modern Maka timbul cabang-cabang ilmu baru yang merupakan
gabungan antara ilmu tersebut dengan statistik atau penerapan statistik dalam ilmu
tersebut. cabang-cabang ilmu baru tersebut antara lain:
a. Ekonometrika merupakan gabungan antara ilmu ekonomi dengan statistik
b. Sosiometri merupakan gabungan antara ilmu sosial dengan statistik
c. Psikometri merupakan gabungan antara ilmu psikologi dan statistik.

E. Manfaat Statistik
Perlunya mengetahui atau mempelajari statistik adalah karena statistik berperan
sebagai alat bantu dalam hal-hal berikut.
a. Menjelaskan hubungan antara variabel-variabel
Variabel atau peubah merupakan suatu yang nilainya tidak tetap seperti harga
produksi, hasil penjualan, umur, dan tinggi. Dengan statistik, variabel variabel
tersebut dapat dijelaskan. Misalnya hubungan antara permintaan produk dengan
tingkat pendapatan, dengan jumlah penduduk atau dengan jenis penganut Agama.
Analisis korelasi mampu memberikan jawaban yang terbaik .

b. Membuat rencana dan ramalan

Rencana dan ramalan merupakan dua hal yang diperlukan dalam pelaksanaan
sesuatu penelitian sehingga dapat diperoleh hasil yang baik dan berkualitas. Oleh
karena itu rencana dan ramalan harus baik pula. Dengan statistik, rencana dan
ramalan dapat dibuat sebaik mungkin. Misalnya rencana pembuatan Perumahan
untuk 5 tahun mendatang dari suatu pemerintahan Kota yang dipengaruhi oleh
banyak faktor seperti jumlah penduduk dan tingkat pendapatan masyarakat.
analisis data berkala mampu memberikan jawaban terbaik.

c. Membuat keputusan yang lebih baik

Keputusan yang baik dan rasional amat diperlukan dalam menjaga kelancaran
sebuah aktivitas kerja supaya kelestarian dari sebuah usaha dapat terjamin. dengan
statistik, keputusan yang baik dan rasional dapat dihasilkan. misalnya seseorang

4
kepala bagian pemasaran sebuah perusahaan dihadapkan pada kondisi yang tidak
menentu dari produk perusahaannya di masa datang, Apakah pemasaran produk
itu akan tinggi, rendah atau sedang. kepala bagian pemasaran harus dapat
mengambil sikap atau tindakan tertentu, misalnya melakukan perluasan dengan
membangun sendiri dan mempertahankan kapasitas produk yang ada. teori
keputusan dan uji hipotesis dapat membantu pelaksanaannya.

F. Fungsi Statistik
Statistik memiliki dua fungsi utama yang sangat penting untuk kegiatan penelitian.
Fungsi statistik adalah sebagai berikut;
1). Fungsi Deskriptif
adalah fungsi statistik untuk menggambarkan, menjelaskan data dan peristiwa, yang
dikumpulkan melalui proses penelitian dan investigasi yang belum
menggeneralisasi atau menarik kesimpulan tentang populasi yang diteliti.
2). Fungsi Inferensial
adalah fungsi statistik untuk memprediksi dan mengendalikan seluruh populasi
berdasarkan data, gejala, dan peristiwa dalam proses penelitian. Fungsi ini dimulai
dengan membuat estimasi dan hipotesis.

G. Metodologi Statistik
Seperti halnya disiplin yang lain, dalam menyelesaikan suatu masalah statistik juga
menggunakan pendekatan ilmiah. metode ilmiah terdiri atas beberapa tahap
dikenal sebagai metodologi pemecahan masalah secara statistik atau metodologi
statistik. jadi metodologi statistik adalah pemecahan masalah secara statistik yang
terdiri atas beberapa tahap yaitu:
1). Identifikasi masalah
tahap identifikasi masalah merupakan tahap awal atau tahap perencanaan. pada
tahap itu masalah atau persoalan yang ada dipahami dan didefinisikan secara jelas
dan tepat, misalnya sifat permasalahan luas permasalahan dan dampak situasi.
2). Pengumpulan data atau fakta
pada tahap pengumpulan data, data yang mendukung atau bersangkutan dengan
permasalahan dikumpulkan. data tersebut dapat berupa data internal dan data
eksternal. data internal dan eksternal dikumpul melalui:
a. Data data yang tersedia, artinya data-data diperoleh dan dikumpulkan melalui
sumber-sumber yang telah ada, misalnya data dari laporan penelitian
sebelumnya atau data yang ada di perpustakaan.
b. Data-data asli, artinya data-data diperoleh dan dikumpulkan secara langsung
oleh peneliti yang bersangkutan, jadi berupa data-data baru.

5
3). Klasifikasi data
Pada tahap klasifikasi data data yang sudah ada dikelompokkan sesuai dengan
tujuan studi. data yang ada diidentifikasi berdasarkan kemiripan atau kesamaan
sifat, kemudian disusun dalam kelompok-kelompok. salah satu metode
pengklasifikasian data yang sering digunakan adalah metode coding ( penggunaan
kode).

4). Penyajian data

Pada tahap penyajian data, data yang sudah diklasifikasikan disajikan atau
ditampilkan dalam bentuk tertentu misalnya tabel atau grafik. Selain itu ditampilkan
pula nilai-nilai deskriptif.

5). Analisis data

Tahap analisis data merupakan tahap akhir dari metodologi statistik sebelum
penarikan kesimpulan. pada tahap itu, diinterprestasikan hasil dari tahap-tahap
sebelumnya. Selain itu dibuat kesimpulan yang merupakan titik akhir suatu
permasalahan berupa keputusan atau rencana yang menjadi jawaban terbaik dalam
permasalahan tersebut.

6
 Bab 2
DATA STATISTIK

A. Pengertian Data
Data adalah bentuk jamak dari datum. Data merupakan keterangan-keterangan
tentang suatu hal, dapat berupa sesuatu yang diketahui atau dianggap. Jadi, data
dapat diartikan sebagai sesuatu yang diketahui atau yang dianggap atau anggapan.
Sesuatu yang diketahui biasanya didapat dari hasil pengamatan atau percobaan dan
hal itu berkaitan dengan waktu dan tempat. Anggapan atau asumsi merupakan suatu
perkiraan atau dugaan yang sifatnya masih sementara, sehingga belum tentu benar.
Oleh karena itu, anggapan atau asumsi perlu diuji kebenarannya.

B. Pengumpulan Data
Data statistik dapat dikumpulkan dengan menggunakan prosedur yang sistematis.
Pengumpulan data dimaksudkan sebagai pencatatan peristiwa atau karakteristik
dari sebagian atau seluruh elemen populasi.
Pengumpulan data dapat dibedakan atas beberapa jenis berdasarkan
karakteristiknya, yaitu berdasarkan jenis cara pengumpulannya; dan berdasarkan
banyaknya data yang diambil.
1). Berdasarkan Jenis Cara Pengumpulannya
Ada beberapa cara pengumpulan data, yaitu sebagai berikut.
a. Pengamatan (observasi)
Pengamatan atau observasi adalah cara pengumpulan data dengan terjun dan melihat
langsung ke lapangan (laboratorium), terhadap objek yang diteliti (populasi).
Pengamatan disebut juga penelitian lapangan.
b. Penelusuran literatur
Penelusuran literatur adalah cara pengumpulan data dengan menggunakan sebagian
atau seluruh data yang telah ada atau laporan data dari peneliti sebelumnya.
Penelusuran literatur disebut juga pengamatan tidak langsung.
c. Penggunaan kuesioner (angket)
Penggunaan kuesioner adalah cara pengumpulan data dengan menggunakan daftar
pertanyaan (angket) atau daftar isian terhadap objek yang diteliti (populasi).
d. Wawancara (interviu)
Wawancara adalah cara pengumpulan data dengan langsung mengadakan tanya
jawab kepada objek yang diteliti atau kepada perantara yang mengetahui

7
 persoalan dari objek yang sedang diteliti.

2). Berdasarkan Banyaknya Data Yang Diambil

Dikenal dua cara pengumpulan data, yaitu sensus dan sampling.
a. Sensus
Sensus adalah cara pengumpulan data dengan mengambil elemen atau anggota
populasi secara keseluruhan untuk diselidiki. Data yang diperoleh dari hasil
sensus disebut parameter atau data yang sebenarnya (true value Contoh:
Sensus penduduk Indonesia tahun 1990 memberikan data sebenarnya
mengenai penduduk Indonesia; Sensus pertanian; Sensus pegawai negeri
tahun 1973.

b. Sampling
Sampling adalah cara pengumpulan data dengan mengambil sebagian elemen atau
anggota populasi untuk diselidiki. Data yang diperoleh sampling disebut
statistic (tanpa s) atau data perkiraan (estimate value)
Contoh: Misalkan dalam sebuah kabupaten ada 1.000 rumah tangga pemakai bumbi
masak merek SEDAP sebagai objek penelitian, namun hanya 100 rumah
tangga yang diselidiki dan dianggap sebagai sampel yang mampu mewakili
lainnya Sampling dapat dilakukan dengan dua cara, yaitu sebagai berikut.
1). Cara acak
Cara pemilihan sampel dikatakan acak apabila setiap elemen atau anggota populasi
memiliki kesempatan yang sama untuk dipilih. Cara itu bersifat objektif dan
samplingnya disebut probability sampling.
2). Cara tidak acak
Cara pemilihan sampel dikatakan tidak acak apabila setiap elemen populasi tidak
memiliki kesempatan yang sama untuk dipilih. Cara itu bersifat subjektif dan
samplingnya disebut nonprobability sampling.

C. Pengolahan Data
Data yang telah dikumpulkan (data mentah) kemudian diolah. Pengolahan data
dimaksudkan sebagai suatu proses untuk memperoleh data ringkasan dari data
mentah dengan menggunakan cara atau rumus tertentu. Data ringkasan yang
diperoleh dari pengolahan data itu dapat berupa jumlah (total), rata-rata (average),
persentase (persentage), dan sebagainya.
Contoh:
Data Mentah, misalnya modal sebuah perusahaan di dalamnya bergabung tujuh
orang (X) dengan modal masing-masing:
X1 = 15 juta. X2 = 7 juta, X3 = 11 juta, X4 = 13 juta, X5 = 9 juta, X6 = 14 juta, dan

8
X7 = 8 juta
Pengolahan data
1). Jumlah modal = 15 + 7 + 11 + 13 + 9 + 14 + 8 = 77 juta
2). Rata-rata = 77/7 = 11 Juta
3). Persentase orang dengan modal lebih dari 10 Juta rupiah adalah 4/7 x 100% =
57,14%

D. Penyajian Data
Data yang sudah diolah, agar mudah dibaca dan dimengerti oleh orang lain atau
pengambil keputusan perlu disajikan ke dalam bentuk-bentuk tertentu. Penyajian
data memiliki fungsi antara lain:
a. Menunjukkan perkembangan suatu keadaan,
b. Mengadakan perbandingan pada suatu waktu
Penyajian data dapat dilakukan melalui tabel dan grafik.
1. Tabel Data
Tabel data, disingkat tabel adalah penyajian data dalam bentuk kumpulan angka
yang disusun menurut kategori-kategori tertentu, dalam suatu daftar. Dalam tabel,
data disusun dengan cara alfabetis, geografis, menurut besarnya angka, historis, atau
menurut kelas-kelas yang lazim.

Sebuah tabel memuat bagian-bagian sebagai berikut.

1). Kepala tabel
Kepala tabel memuat: nomor tabel, judul tabel (mungkin termasuk tahun dan/atau
unit).
2). Leher tabel
Leher tabel memuat keterangan atau judul kolom (mungkin termasuk unit) yang
harus ditulis singkat dan jelas.
3). Badan tabel
Badan tabel memuat data (mungkin termasuk tahun).
4). Kaki tabel
Kaki tabel memuat:
a. Keterangan-keterangan tambahan,
b. Sumber data, yaitu sumber yang menjelaskan dari mana data itu dikutip atau
diambil.

Kepala
9
Contoh
Tabel 2.1 Angka Kemiskinan Provinsi Sumut (000/Jiwa)
Tahun
Nama Kab/Kota Leher
2019 2020 2021
Nias 22,10 23,12 23,12
Badan
Mandailing Natal 40,64 41,31 41,31
Tapanuli Selatan 24,22 23,96 23,96
Sumber : BPS (rekayasa)
Kaki
Didasarkan atas pengaturan datanya, tabel dapat dibedakan atas beberapa jenis,
yaitu:
a. Tabel Frekuensi
Tabel frekuensi adalah tabel yang menunjukkan atau memuat banyaknya kejadian
atau frekuensi dari suatu kejadian.

Contoh:
Tabel 2.2 Hasil Ulangan Statistik
Nilai Jumlah Mahasiswa
75-79 10
80-84 7
85-89 4
Jumlah 21

b. Tabel Klasifikasi
Tabel klasifikasi adalah tabel yang menunjukkan atau memuat pengelompokan
data. Tabel klasifikasi dapat berupa tabel klasifikasi tunggal dan ganda.
Contoh:
Tabel 2.3 Jenis Kelamin
Jenis Kelamin Jumlah Mahasiswa
Pria 10
Wanita 7
Jumlah 17

2. Grafik
Grafik adalah bentuk penyajikan data statistik berupa gambar-gambar visual. Oleh
karena itu penyajian data menggunakan grafik akan mempermudah dalam
penyampaian sebuah data. Pengguna data akan lebih mudah memahami keadaan
data yang ditampilkan melalui grafik daripada tabel karena manusia cenderung
lebih menyukai sesuatu yang disampaikan secara visual daripada melalui kata-kata.
Ada banyak jenis penyajian data dalam bentuk grafik. Berikut akan disajikan hanya

10
beberapa bentuk saja.
a. Grafik Batang
Grafik batang merupakan grafik yang terdiri batang-batang. Grafik batang dapat
digambarkan secara vertikal maupun Horizontal. Grafik batang terdiri dari dua
bagian yaitu grafik batang tunggal (single bar chart) dan grafik batang ganda(multiple
bar chart). Grafik batang lebih cocok menggambarkan data yang menunjukkan
kuantitas atau data yang bertujuan memberikan perbandingan sebuah rangkaian
data. Contoh grafik batang tunggal (single bar chart) adalah sebagai berikut.

Contoh grafik batang ganda (multiple bar chart) adalah sebagai berikut

b. Grafik Baris

11
Grafik garis adalah grafik yang posisi titik-titiknya dihubungkan dengan garis-garis
saja. Grafik garis dibuat dengan 2 sumbu XX yang menunjukkan bilangan bersifat
tetap, seperti tahun, ukuran dan lainnya. Sementara pada sumbu YY ditempatkan
bilangan yang sifatnya dapat berubah-ubah seperti jumlah, harga dan lainnya.

Biasaya grafik garis digunakan untuk melihat perkembangan suatu data dari waktu
ke waktu, misalnya perkembangan harga emas setiap hari, perkembangan inflasi
setiap bulan dan lain-lain. Berikut ini data pendapatan penjualan Sparepart Mobil
Tahun 2020

c. Grafik Lingkaran
Grafik lingkaran merupakan sebuah grafik yang berbentuk lingkaran yang dibagi-
bagi menjadi beberapa irisan. Umumnya digunakan untuk menyajiakan data dalam
bentuk persentase. Untuk membuat grafik lingkaran, gambarkan sebuah lingkaran
kemudian bagi menjadi beberapa sektor. Tiap sektor berisi kategori data yang
terlebih dahulu diubah kedalam format derajat. Dianjurkan titik pembagian mulai
dari titik tertinggi lingkaran.

12
E. Pembagian Data
Data dapat dibagi dalam kelompok tertentu berdasarkan kriteria yang
menyertainya, misalnya menurut susunan, sifat waktu pengumpul dan sumber
pengambilan.
1). Pembagian Data menurut Susunannya
Menurut susunannya data dibagi atas data tunggal dan data berkelompok.
a. Data Tunggal
Data acak atau tunggal adalah data yang belum tersusun atau dikelompokkkan
kedala kelas-kelas interval.
Contoh.
data nila Statistik Mahasiswa Jurusan Ekonomi
89 70 80 78 60
50 55 67 86 10
66 88 55 65 60
b. Data Berkelompok
Data berkelompok adalah data yang sudah tersusun atau dikelompokkan kedalam
kelas-kelas interval. Data kelompok disusun dalam bentuk distribusi frekuensi atau
tabel frekuensi.
Contoh.
Tabel 2.4 Data nilai ujian statistik dan jumlah mahasiswa yang mendapatkannya
Nilai Frekuensi
61-65 10
66-70 15
71-80 7

2). Pembagian Data menurut Sifatnya

13
a. Data Kualitatif
Data kualitatif disajikan bukan dalam bentuk bilangan-bilangan (non-numerik)
seperti suku bangsa, jenis kelamin, agama, dan kualitas barang.

b. Data Kuantitatif
Data kuantitatif disajikan dalam bentuk bilangan-bilangan seperti: potensi pasar
untuk produk-produk baru , anggaran belanja bulanan, jumlah mahasiswa menurut
jurusan dan data ekspor-impor suatu negara.
3). Pembagian Data menurut waktu Pengumpulannya
a. Data Berkala
Data berkala merupakan data yang dikumpulkan setiap periode tertentu. Misalnya
jumlah impor mobil mewah menurut tahun , dari tahun 2011 s/d 2012
b. Data Cross Section
Data silang merupakan data yang dikumpulkan dalam waktu yang sifatnya
temporer. Misalnya data hasil penelitian pemasaran pakaian jadi di Medan pada
tahun 2012.
4). Pembagian Data menurut Sumber pengambilannya
a. Data Primer
Data primer merupakan data yang langsung diperoleh dari lapangan melalui
percobaan, survei, dan data observasi. Misalnya seorang peneliti ingin mengetahui
antara besarnya biaya yang dikeluarkan untuk promosi dan volume penjualan
komoditas tertentu.
b. Data Sekunder
Data sekunder diperoleh dari data primer, biasanya dalam publikasi berupa tabel-
tabel, seperti data harga, data impor-ekspor, dan data produksi. Data yang
dipublikasikan oleh Biro Pusat Statistik selalu berupa data sekunder.
5). Pembagian Data menurut Skala Pengukurannya
a. Data Nominal
Skala nominal digunakan untuk pengukuran hanya memperhatikan golong atau
mengukur data secara kategoris, seperti anggota kelompok, agama, suku bangsa,
dan lain-lain.
b. Data Ordinal
Skala ordinal digunakan untuk pengukuran yang disamping memperhatikan
golongan juga memperhatikan uruan atau orde, misalnya : A= hasil baik; B= hasil
cukup dan; C= hasil sedang

14
c. Data Interval
Skala interval digunakan untuk pengukuran yang memperhatikan golongan, urutan,
dan jarak , misalnya thermometer.
d. Data Rasio
Skala bisbah digunakan untuk pengukuran yang memperhatikan golongan, urutan,
panjang, dan perbandingan atau ratio, misalnya ukuran panjang, berat, dan waktu
dengan nol sebagai patokan.

15
Bab 3
DISTRIBUSI FREKUENSI

A. Pengertian Distribusi Frekuensi

Distribusi Frekuensi merupakan penyusunan suatu data dimulai dari yang terkecil
sampai yang terbesar dan membaginya dalam beberapa kelas atau disusun
berdasarkan kelompok-kelompok atau kategori tertentu. Manfaat penyajian data
dalam bentuk Distribusi Frekuensi adalah untuk menyederhanakan penyajian data
sehingga menjadi lebih mudah untuk dibaca dan dipahami sebagai bahan informasi.
Tabel Distribusi Frekuensi disusun bila jumlah data yang akan disajikan cukup
banyak, sehingga apabila disajikan dengan menggunakan tabel biasa menjadi tidak
efektif dan efisien serta kurang komunikatif.
Distribusi frekuensi adlah pengelompokan data ke dalam kategori yang
menunjukkan banyaknya data dalam setiap kategori, dan setiap data tidak dapatb
dimasukan ke dalam dua atau lebih kategori. Distribusi frekusensi adalah susunan
data dalam bentuk tunggal atau kelompok menurut kelas kelas tertentu dalam
sebuah daftar (Hardiyanti, 2021).

B. Bagian – Bagian Distribusi Frekuensi

Beberapa bagian yang harus diperhatikan dalam Distribusi Frekuensi antara lain:
1. Kelas Interval/Jumlah Kelas Interval (Class)
Kelas merupakan kelompok-kelompok nilai atau variabel. Jumlah kelas
menunjukkan jumlah kelompok nilai/variabel dari data yang diobservasi.

Contoh:

16
 Dalam menentukan Jumlah Kelas Interval terdapat 3 pedoman sebagai berikut:
a. Ditentukan berdasarkan Pengalaman
Pada umumnya jumlah kelas interval yang dipergunakan dalam penyusunan
Tabel Distribusi Frekuensi berkisar antara 6-15 kelas. Makin banyak data,
maka makin banyak pula jumlah kelas intervalnya, tetapi jumlah yang paling
banyak atau maksimal adalah 15 kelas interval dalam satu tabel distribusi
frekuensi.
b. Ditentukan dengan Membaca Grafik `Jumlah Interval Kelas’
Dengan menggunakan Grafik yang menunjukkan hubungan antara banyaknya data
(n) dengan jumlah kelas interval yang diperlukan, maka penentuan jumlah
kelas interval akan lebih cepat. Dimana dalam grafik tersebut, Garis Vertikal
menunjukkan Jumlah Kelas Interval dan Garis Horisontal menunjukkan
Jumlah Data Observasi. Misalnya, bila jumlah data yang diobservasi 200, maka
berdasarkan Tabel, Jumlah Kelas Intervanya sekitar 12.

c. Ditentukan dengan Rumus Sturges

Jumlah Interval Kelas Interval juga dapat dihitung dengan menggunakan rumus
Sturges sebagai berikut:

Dimana :
K = Jumlah Kelas Interval
n = Jumlah Data Observasi
Log= Logaritma

Misalnya: Jumlah Data ada 150, maka jumlah Kelas Intervalnya adalah:
K = 1 + 3,3. Log 150
K = 1 + 3,3. 2,17
K = 1 + 7,161
K = 8,161 --> Dibulatkan menjadi 8

2. Batas Kelas (Class Limits)

Merupakan nilai-nilai yang membatasi antara kelas yang satu dengan kelas

17
 berikutnya. Terdiri atas 2 macam, yaitu:
a. Batas Kelas Bawah (Lower Class Limits)
Yaitu nilai atau angka yang terdapat pada bagian sebelah kiri dari setiap kelas.
b. Batas Kelas Atas (Upper Class Limits)
Yaitu nilai atau angka yang berada pada bagian sebelah kanan dari setiap kelas.
Contoh:

3. Rentang Data (Range)

Yaitu selisih antara data tertinggi dengsan data terendah (Data terbesar dikurangi
Data terkecil). Pada Contoh Tabel di atas, maka Rentang Data => 85-50 = 35.
4. Panjang Interval Kelas (Interval Size) = Panjang Kelas
Adalah jarak antara tepi kelas atas dengan tepi kelas bawah. Dapat dihitung dengan
cara: Rentang Data ‘dibagi’ Jumlah Kelas.
Pada contoh Tabel di atas, maka Panjang Interval kelasnya adalah: 35/6 = 5,8
(Dibulatkan = 6).
5. Frekuensi Kelas (Class Frequency)
Merupakan banyaknya jumlah data yang terdapat pada kelas tertentu. Misalnya
pada contoh tabel di atas, Frekuensi pada kelas interval 50-55 adalah 3; pada kelas
interval 56-61 adalah 7, dan seterusnya.

C. Penyusunan Distribusi Frekuensi

Untuk membuat sebuah Tabel Distribusi Frekuensi, dapat dilakukan dengan
langkah-langkah sebagai berikut:
a. Urutkan data terlebih dahulu dan tentukan nilai tertinggi dan terendah.
b. Menentukan Rentang/Jangkauan (J)
c. Menentukan Banyak Kelas (K)

d. Menentukan Panjang Kelas.

18
 𝐽𝑎𝑛𝑔𝑘𝑎𝑢𝑎𝑛 (𝐽)
𝑃𝑎𝑛𝑗𝑎𝑛𝑔 𝑘𝑒𝑙𝑎𝑠 =
𝐵𝑎𝑛𝑦𝑎𝑘 𝐾𝑒𝑙𝑎𝑠 (𝐾)

e. Membuat Tabel Frekuensi

Contoh:
Data Penelitian

a. Urutkan dara
19, 20, 20, 21, 21, 23, 23, 24, 24, 24, 25, 25, 25, 26, 26, 27, 29, 29, 30, 33, 33, 35, 37
Nilai tertinggi : 37
Nilai terendah : 19

b. Jangkauan
Jangkauan = Nilai tertinggi – Nilai terendah
Jangkauan = 37 – 19 = 18

c. Banyak Kelas
K = 1 + 3,3 log n
K = 1 + 3,3 log 23
K = 1 + 3,3 (1,36) = 5,5 dibulatkan 5

d. Panjang Kelas
𝑃𝑎𝑛𝑗𝑎𝑛𝑔 𝑘𝑒𝑙𝑎𝑠= 18/5= 3,6 dibulatkan 4
e. Tabel Frekuensi
Kelas Frekuensi
19-22 5
23-26 10
27-30 4
31-34 2
35-38 2
Jumlah 23

D. Macam-macam Tabel Distribusi Frekuensi

Secara Umum, Tabel Distribusi Frekuensi dapat dikelompokkan menjadi
beberapa macam, yaitu:
1. Tabel Distribusi Frekuensi Data Tunggal

19
Yaitu jenis tabel distribusi frekuensi yang menyajikan frekuensi dari data tunggal
yang berdiri sendiri/Tidak Dikelompokkan.

2. Tabel Distribusi Frekuensi Data Kelompok

Merupakan tabel distribusi frekuensi yang menyajikan frekuensi dari data yang
dikelompokkan.

3. Tabel Distribusi Frekuensi Relatif (= Tabel Persentase)

Tabel Distribusi Frekuensi Relatif adalah jenis tabel statistik yang di dalamnya
menyajikan frekuensi dalam bentuk angka persentasi (p).
𝐹
× 100 = … %
∑𝐹

4. Tabel Distribusi Frekuensi Kumulatif

Tabel Distribusi Frekuensi Kumulatif adalah tabel yang diproleh dari tabel
distribusi frekuensi dengan frekuensinya dijumlahkan kelas interval dengan kelas
interval. Distribusi Frekuensi Kumulatif terbagi menjadi 2 :
a. Distribusi Frekuensi Kumulatif Kurang dari
distribusi frekuensi yang memuat jumlah frekuensi yang memiliki nilai

20
 kurang dari nilai batas kelas suatu interval tertentu.

b. Distribusi Frekuensi Kumulatif Lebih dari

distribusi frekuensi yang memuat jumlah frekuensi yang memiliki nilai
lebih dari nilai batas kelas suatu interval tertentu.

21
 Bab 4
UKURAN NILAI PUSAT

A. Pengertian Nilai Pusat

Ukuran statistik yang dapat menjadi pusat dari rangkaian data dan memberi
gambaran singkat tentang data disebut ukuran pemusatan data. Ukuran pemusatan
data dapat digunakan untuk menganalisis data lebih lanjut. Ukuran pemusatan data
terdiridari tiga bagian yaitu, Rataan (mean, Median, dan Modus. Rataan, Median,
dan Modus, memberikan gambaran pemusatan nilai-nilai dari suatu kumpulan data
yangtelah diamati.
B. Jenis-jenis Ukuran Nilai Pusat
Terdapat beberapa jenis ukuran pemusatan, yaitu:
1) Rata-rata Hitung (Mean)
Mean adalah nilai tengah pada suatu kelompok data yang diperoleh dari
penjumlahan keseluruhan data pada suatu kelompok dibagi dengan
banyaknya data. Terdapat dua nilai tengah yang biasanya kita ketahui yaitu
rata-rata untuk data tunggal dan rata-rata untuk berkelompok.
a. Rata-rata hitung data Tunggal
Rumus:

Ket.
𝑋̅= Mean Keseluruhan
𝑋= Data
n = Banyak data
Contoh :
Tentukan mean dari 5 orang siswa hasil ujian ekonomi sebagai berikut:
X1 = 70; X2 = 65; X3 = 30; X4 = 45; X5 = 60
Penyelesaian:

b. Rata-rata hitung data Berkelompok

22
Rumus:

Ket.
𝑋=Mean
x = titik tengah dari kelas
f = frekuensi

Contoh 1:
Tabel 4.1 umur 45 dosen yang mengajar di STIE

Tabel 4.2

Jadi mean dari data di atas adalah 34,5.

Contoh 2:
Tabel 4.3
Nilai 5 6 7 8 9
Frekuensi 14 25 31 20 10

Penyelesaian:
Cari dulu nilai rata-rata pakai rumus data tunggal berkelompok

23
 2) Median
Median adalah datum yang letaknya di tengah dari suatu data, tapi dengan syarat
datanya sudah diurutkan dari yang terkecil sampai terbesar.

a. Median data Tunggal

Median untuk data tunggal dapat dicari dengan pedoman sebagai berikut.
i. Data Ganjil Mediannya adalah data yang berada paling tengah.
ii. Data Genap Mediannya adalah hasil bagi jumlah dua data yang berada
di tengah.
Data Ganjil
Rumus:

Ket
Me = Median
n = banyaknya data
Contoh:
12, 12, 3, 5, 8, 4, 9, 10, 7
Penyelesaian:
Urutkan data (terkecil-terbesar): 3, 4, 5, 7, 8, 9, 10, 12, 12.
Masukkan ke rumus

Data Genap
Rumus:

Contoh:
8, 6, 6, 7, 8, 7, 7, 8, 6, 6
Penyelesaian:
Urutkan data 6, 6, 6, 6, 7, 7, 7, 8, 8, 8
Masukkan ke rumus

24
 b. Median data Berkelompok
Median untuk data berkelompok dapat dicari dengan rumus sebagai berikut.
Rumus:

Ket.
T = tepi bawah kelas
n = jumlah frekuensi
(∑𝑓2) = Jumlah frekuensi dari semua kelas sebelum kelas median
𝑓𝑚𝑒= Frekuensi kelas median
p = Panjang Interval kelas
Terlebih dahulu menetapkan kelas dimana tempat median berada. Kelas
median dapat dicari :
Tabel 4.4
Diameter Pipa (mm) Frekuensi
65-67 2
68-70 5
71-73 13
74-76 14
77-79 4
80-82 2
Total 40

Penyelesaian
Jumlah Frekuensi : 40 dan ½ n : 20 (setengah dari 40)
Kelas median syarat (∑𝑓2 ) ≥ ½ n : 𝑓1 = 2; 𝑓2 = 5; 𝑓3 = 13 = 2 + 5 + 13 =
20
Kelas Median (𝑓me): 20 ≥ 20 jadi berada di kelas 3 dengan frekuensi 13.
Jadi, Diketahui:
T = 70,5
(∑𝑓2 ) = 7
p=3
𝑓me = 13

20 − 7
𝑀𝑒 = 70,5 + 𝑥 3 = 73,5
13

3) Modus
Modus adalah salah satu ukuran pemusatan yang paling sering digunakan dengan

25
menggunakan karakter data yang paling sering muncul dalam suatu kelompok
data adalah modus dari kelompok tersebut. Berbeda dengan median,
penentuan modus tidak perlu melakukan pengurutan terhadap kelompok
data, melainkan cukup menggunakan pengamatan terhadap data yang paling
sering muncul dalam kelompok.
a. Modus data Tunggal
Modus adalah nilai data yang paling sering muncul atau nilai data yang
frekuensinya paling banyak. Ada 3 jenis Modus:
Unimodal (1 Modus)
Contoh:
3, 4, 5, 7, 8, 9, 10, 12, 12 (Modus = 12 (unimodal))
6, 6, 6, 6, 7, 7, 7, 8, 8, 8 (Modus = 6 ( unimodal))

Bimodal (2 Modus)
Contoh:
4, 4, 4, 5, 5, 5, 7, 7, 8 (Modus = 4 dan 5 (bimodal))

Multimodal (> 2 Modus)

Contoh:
4, 4, 4, 5, 5, 5, 7, 7, 7, 8 (Modus = 4, 5 dan 7 (Multimodal))

b. Modus data Berkelompok

Rumus:

dimana:

Mo = kelas yang memuat modus

b = tepi bawah kelas modus
p = panjang kelas modus
bmo = frekuensi dari kelas yang memuat modus (yang nilainya tertinggi)
b1= bmo – bmo-1 = frekuensi kelas modus – frekuensi kelas sebelumnya
b2 = bmo – bmo+1 = frekuensi kelas modus – frekuensi kelas sesudahnya

Contoh: Tabel 4.4

Penyelesaian
Diketahui Kelas Modus adalah kelas 4 (frekuensi yang paling tinggi)
b = 73,5
p=3
b1 = 14 - 13 =1
b2 = 14 - 4 =10

26
 1
𝑀𝑜 = 73,5 + 3 ( ) = 𝟕𝟑, 𝟕𝟕
1 + 10

C. Sifat Rata-rata Hitung, Median dan Modus

1). Sifat Rata-rata Hitung (Mean)
a. Nilai rata-rata hitung atau mean di pengaruhi oleh pengamatan atau
observasi.
b. Nilai rata-rata atau mean sanggup menyimpang terlalu jauh , dikarenakan
rata-rata hitung di pengaruhi oleh bilangan-bilangan ekstream(nilai sangat
besar atau nilai sangat kecil) , sehingga untuk distribusi dengan
kecondongan yang buruk , rata- rata hitung atau mean sanggup
kehilangan makna.
c. Nilai rata-rata atau mean tidak sanggup dihitung dari distribusi yang
mempunyai kelas terbuka.
d. Nilai rata-rata atau mean iyalah rata-rata yang paling terkenal , sehingga
klarifikasi mengenai arti rata-rata hitung tidak di perlukan.
e. Jumlah dari penyimpangan semua nilai pengamatan dengan nilai-nilai
rata-rata hitung sama dengan nol.
f. Jika selisih semua nilai pengamatan dengan nilai rata-rata hitung
dikuadratkan maka jumlah lebih kecil dari pada jumlah penyimpangan
kuadrat semua nilai pengamatan dari titik lain selai rata-rata hitung.
g. Nilai rata-rata atau mean sanggup dimanipulasi secara aljabar.

2). Sifat Median

a. Median di pengaruhi oleh banyaknya observasi atau pengamatan, namun
tidak dipengaruhi oleh nilai pengamatan, sehingga nilai median tidak
dipengaruhi oleh bilangan-bilangan ekstream.
b. Median sanggup dihitung dari distribusi yang mempunyai kelas terbuka
kecuali kalau kelas mediannya berada pad kelas terbuka tersebut.
c. Median sering dipakai pada distribusi yang mempunyai kecondongan yang
sangat jelek.
d. Median didefinisikan dan diinterprestasikan .
e. Median lebih terpengaruh oleh fluktuasi sampling , namun adakalanya
untuk distribusi tertentu median lebih konstan terhadap fluktuasi
sampling,
f. Jumlah penyimpangan (tanda diabaikan) nilai-nilai dari median lebih kecil
dari pada jumlah penyimpangan nilai-nilai dari titik yang laen.
g. Jika jumlah penyimpangan dari median dikuadratkan jumlah lebih besar
dari pada jumlah penyimpangan kuadrat nilai-nilai dari rata-rata hitung
atau mean.

27
3). Sifat Modus
a. Dalam seperangkat data , modus sanggup tidak ada dan sanggup lebih dari
satu.
b. Modus atau mode dapat ditempatkan pada distribusi yang mempunyai
kelas terbuka .
c. Modus atau mode tidak termakan oleh bilangan-bilangan ekstream , dari
suatu distribusi.
d. Letak modus atau nilai modus yang sebetulnya sukar ditemukan , sebab itu
kebanyakan hamya menurut taksiran dalam suatu distribusi.
e. Perhitungan Modus atau mode tidak didasarkan pada seluruh nilai
pengamatan, tetapi didasarkan pada individu yang berada pada titik
terjadinya pemusatan yang banyak.
f. Untuk perhitungan perhitungan secar aljabar lebih lanjut , modus tidak
sanggup digunakan.
g. Modus atau mode tidak sepopuler ukuran rata rata hitung atau mean dan
Median.

28
 Bab 5
UKURAN PENYIMPANGAN
(DISPERSI)

A. Pengertian Dispersi
Ukuran penyebaran data adalah suatu ukuran yang menyatakan seberapa besar
nilai-nilai data berbeda atau bervariasi dengan nilai ukuran pusatnya atau seberapa
besar penyimpangan nilai-nilai data dengan nilai pusatnya. Dengan menentukan
pemusatan data dan ukuran letak data ternyata belum cukup untuk memberikan
gambaran yang jelas dari suatu data. Pada pengukuran statistika, selain ukuran
pemusatan dan ukuran letak, juga ada Ukuran Penyebaran Data. Ukuran
penyebaran data adalah ukuran yang menunjukkan seberapa jauh data suatu
menyebardari rata-ratanya. Pada ukuran penyebaran data, kita akan mempelajari
materi Jangkauan(Range), Simpangan, Ragam (Variansi), ukuran penyebaran pada
nilai kuartil, dan Pencilan (Outlier).
B. Jenis-jenis Ukuran Dispersi
Terdapat beberapa jenis ukuran dispersi, yaitu:
1) Jangkauan (Range)
Jangkauan sering disebut range atau rentang. Jangkauan dari suatu data didefinisikan
sebagai selisih antara data terbesar dengan data terkecil. Disini kitasimbolkan
jangkauan dengan huruf R.
Rumus umum jangkauan (range) :

Keterangan :
R = Jangkauan atau Range
Xmin= nilai atau data terkecil
Xmaks= nilai atau data terbesar
Contoh:
Tentukan range dari data : 10, 6, 8, 2, 4, 14, 17
Penyelesaian
R = Xmaks – Xmin = 17-2 =15

2) Deviasi Rata-rata

29
Simpangan rata-rata (deviasi mean) adalah rata-rata jarak antara nilai-nilai data
menuju rata-ratanya. Simpangan rata-rata termasuk ke dalam ukuran
penyebaran data seperti halnya varian dan standar deviasi. Kegunaannya
adalah untuk mengetahui seberapa jauh nilai data menyimpang dari rata-
ratanya.

Rumus Deviasi rata-rata data tunggal:

∑|𝑋𝑖 − 𝑋̅|
𝐷𝑅 =
𝑛

Contoh:
Tentukan Deviasi rata-rata dari 2,3,6,8,11
Penyelesaian:
2+3+6+8+11
Rata-rata hitung : 𝑋̅ = =6
5

∑|2 − 6| + |3 − 6| + |6 − 6| + |8 − 6| + |11 − 6| 14
= = 2,8
5 5
3) Varians
Dalam teori probabilitas dan statistika, varians (dari bahasa Inggris: variance) atau
ragam suatu peubah acak (atau distribusi probabilitas) adalah ukuran seberapa
jauh sebuah kumpulan bilangan tersebar. Varians nol mengindikasikan bahwa
semua nilai sama. Varians selalu bernilai non-negatif: varians yang rendah
mengindikasikan bahwa titik data condong sangat dekat dengan nilai rerata
(nilai ekspektasi) dan antara satu sama lainnya, sementara varians yang tinggi
mengindikasikan bahwa titik data sangat tersebar disekitar rerata dan dari satu
sama lainnya.
Varians adalah rata-rata dari perbedaan kuadrat, juga dikenal sebagai standar deviasi,
dari mean. Sederhananya, varians adalah ukuran statistik tentang seberapa
tersebar titik-titik data dalam sampel atau kumpulan data. Varian dan standar
deviasi (simpangan baku) adalah ukuran-ukuran keragaman (variasi) data
statistik yang paling sering digunakan. Standar deviasi (simpangan baku)
merupakan akar kuadrat dari varian.

a. Varians data Tunggal

Rumus:
2
∑( 𝑥𝑖 − 𝑥 )
𝑠2 =
𝑛−1
Keterangan:
S2 : Varian
x : data
𝑥 : rata-rata

30
 Contoh:
23, 21, 43, 33, 30. Tentukan Varians nya?
1. Cari Rata-rata, Dik : n = 5
23 + 21 + 43 + 33 + 30 = 150/5 = 30 (rata-rata)
2. Tentukan Varians.
(23-30)2 + (21-30)2 + (43-30)2 + (33-30)2 + (30-30)2
𝑠2 =
5
308
𝑠2 = = 77
4

b. Rumus Varians data tunggal Populasi

2
∑(𝑥𝑖 − 𝑥 )2
𝑠 =
𝑛

Keterangan:
S2 : Varian
x : data
𝑥 : rata-rata

Contoh: Untuk pengerjaan sama dengan di atas sebelumnya yang membedakan

n ≥ 30, dan rumusnya seperti yang d atas.
.

4) Standar Deviasi
Standar deviasi disebut juga simpangan baku. Seperti halnya varians, standar deviasi
juga merupakan suatu ukuran dispersi atau variasi. Standar deviasi merupakan
ukuran dispersi yang paling banyak dipakai. Ukuran dispersi adalah ukuran
variasi atau seberapa jauh nilai tersebar satu dengan lainnya dari gugus data.
Hal ini mungkin karena standar deviasi mempunyai satuan ukuran yang sama
dengan satuan ukuran data asalnya. Misalnya, bila satuan data asalnya adalah
cm, maka satuan stdar deviasinya juga cm. Sebaliknya, varians memiliki satuan
kuadrat dari data asalnya (misalnya cm2). Simbol standar deviasi untuk
populasi adalah σ dan untuk sampel adalah s.
Standar deviasi adalah ukuran penyebaran yang paling banyak digunakan. Semua
gugus data dipertimbangkan sehingga lebih stabil dibandingkan dengan
ukuran lainnya. Namun, apabila dalam gugus data tersebut terdapat nilai
ekstrem, standar deviasi menjadi tidak sensitif lagi, samahalnya seperti mean.

a. Standar Deviasi Data Tunggal

Rumus:

31
 b. Standar Deviasi Data Populasi
Rumus:

Keterangan:
𝑥𝑖 : data xi
𝑥 :Rata-rata (mean) sampel
μ :Rata-rata populasi
n :Jumlah data

32
Bab 6
Deret Berkala

A. Pengertian Data Berkala

Data berkala adalah data yang dikumpulkan dari waktu ke waktu untuk
menggambarkan perkembangan suatu kegiatan. Analisis data berkala
memungkinkan kita untuk mengetahui perkembangan suatu atau beberapa
kejadian serta hubungan atau pengaruhnya terhadap kejadian lainnya. Misalnya,
apakah kenaikan biaya iklan akan diikuti dengan kenaikan hasil penjualan, apakah
kenaikan gaji diikuti oleh kenaikan prestasi kerja dan lain sebagainya.
Dengan data berkala berkala kita juga dapat membuat membuat ramalan ramalan‐
ramalan berdasarkan garis regresi atau garis trend. Data Berkala (time series) adalah
data yang disusun berdasarkan urutan waktu atau data yang dikumpulkan dari
waktu ke waktu. Waktu yang digunakan dapat berupa minggu, bulan, tahun, dan
sebagainya. Analisis data berkala adalah analisis yang menerangkan dan mengukur
berbagai perubahan atau perkembangan data selama satu periode. Adapun
kegunaannya adalah sebagai alat analisis forcasting kondisi masa mendatang
berdasarkan trend data yang tersedia.

B. Komponen Data Berkala

Pada umumnya perubahan yang terjadi dalam data statistik dalam sederetan waktu
tertentu dapat berbentuk trend sekuler, variasi siklis, variasi musim, dan variasi
residu yang disebut Komponen Data Berkala.
1. Tren Sekuler
Trend (T) (atau trend sekuler) adalah gerakan 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 ke atas, perlu diketahui bahwa trend sangat
berguna untuk membuat ramalan yang sangat diperlukan bagi perencanaan.

33
 Gambar 6.1. Bentuk Trend

2. Variasi Siklis
Variasi siklis atau variasi konjungtur disimbolkan C, merupakan variasiyang
berulang-ulang dan regular dengan periode waktu yang panjang.Siklusnya ialah
sebagai berikut.
a. Periode kemakmuran (prosperity)
b. Periode kemunduran (recession)
c. Periode kesukaran (depression)
d. Periode pemulihan (recovery)
Pada siklis tersebut terdapat puncak dan lembah. Gerakan dari puncak kelembah
disebut kontraksi, sebaliknya gerakan dari lmebah ke puncak disbut ekspansi.

Gambar 6.2 Variasi Siklis

3. Variasi Musim
Variasi musim, di simbolkan juga merupakan variasi yang berulang-ulang dan
regular dengan priode waktu yang pendek yaitu satu tahun atau kurang.

34
 Gambar 6.3 Variasi Musim
4. Variasi Residu
Variasi Residu, Di simbolkan I, merupakan gerakan yag berbeda-beda dalam waktu
yang singkat, tidak di ikuti pola yang teratur.serta tidak di perkirakan.

Gambar 6.4 Variasi Residu

Nilai-nilai dari data berkala (Y ) merupakan hasil dari komponen-komponennya
yang dalam bentuk persamaan di tuliskan
Y=T.C.S.
Ada juga ahli yangmenyebutkan bahwa Inilai- nilai dari data berkala merupakan hasil
jumlah dari komponen-komponen dalam persamaannya. Dalam bentuk
persamaan di tuliskan:

Y=T+C+S
Keterangan : +I
Y : Data berkala
T : Trend Sekuler
C : Variasi Siklis
S : Variasi Musim
I : Variasi Residu

C. Penentuan Trend
Menentuka nilai trend, dapat di gunakan beberapa cara, yaitu metode tangan bebas,

35
metode setengah rata-rata, metode rata-rata bergerak, dan metode quadrat terkecil.
1. Metode Tangan Bebas ( Free Hand )
Metode tangan bebas merupan metode yang sangat sederhana serta tidak
memerlukan perhitungan. Langkah-langkahnya:
a. Data dari hasil pengamatan digambarkan ke dalam suatu diagram (disebut
diagram pencar).
b. Pada diagram pencar tersebut ditarik garis lurus secara bebas. Arah garisnya
sesuai dengan letak titik-titiknya.
Metode tangan bebas memilikx kelemahan dan kelehihun. Kelemahannya antara
lain:
a) Gambamya kurang akuat, kemiringan garis trendnya tergantung pada orang
yang menggambamya;
b) Nilai-nilai trendnya kurang akurat.
Keleblhannya antara lain:
a) Tidak memerlukan perhitungan;
b) Jika garis trendnya digambarkan secara hati-hati maka hasilnya dapat
mendekati gambar yang dihitung secara matematis.

2. Metode Setengah Rata-Rata (Semiaverage)

Penentuan trend dengan metode setengah rata-rata adalah dengan mencari rata-rata
data yang ada, setelah data tersebut dibagi menjadi dua bagian. Langkah- langkah
penyelesaiannya ialah sebagai berikut:
a) Membagi data berkala tersebut menjadi dua bagian yang sama banyak. Jika
jumlah tahunnya ganjil maka tahun yang berada di tengah tidak diikutkan
atau dihilangkan dalam perhitungan.
b) Menghitung rata-rata kelompok. Kelompok 1 (K1) dan Kelompok 2 (K2)
c) Menghitung perubahan trend dengan rumus:
𝐾2 − 𝐾1
𝑏=
𝑡ℎ𝑛 𝐷𝑎𝑠𝑎𝑟 2 − 𝑡ℎ𝑛 𝑑𝑎𝑠𝑎𝑟 1

d) Merumuskan persamaan trend

Y = a + bX

3. Metode Kuadrat Terkecil

Metode kuadrat terkecil menganut prinsip bahwa garis yang paling sesuai untuk
menggambarkan suatu data berkala adalah garis yang jumlah kuadrat dari selisih
antara data tersebut dan garis trendnya terkecil atau minimum. Sifat-sifat kuadtat
terkecil adalah:
1) (Y - Y') = 0

36
2) (Y - Y')2 = terkecil.
Dalam bentuk grafik, metode kuadrat terkecil digambaxkan sepcrti Gambar
dibawah ini

Gambar 6.5 Metode Kuadrat Terkecil

Untuk tujuan perhitungannya, digunakan persamaan garis lurus yang dinyatakan

dengan:
Y = a + bX
4. Metode Rata-rata bergerak
Metode rata-rata disebut rata-rata bergerak jika setelah rata-rata dihitung, diikuti
gerakan satu periode ke belakang. Metode rata-rata bergerak disebut juga rata-rata
bergerak terpusat, karena rata-rata bergerak diletakkan pada pusat dari periode
yang digunakan.
Pada metode rata-rata bergerak diadakan penggatian nilai data suatu tahun dengan
nilai rata-ratanya dihitung dengan nilai data tahun yang mendahuluinya dan nilai
data tahun berikutnya. Langkah-langkahnya ialah:
a) Menghitung rata-rata dari sejumlah data paling awal
b) Melupakan nilai data yang pertama
c) Mengulangi tahap (a) dan (b) sampai data yang terakhir.

D. Trend Linier
Trend linear adalah trend yang variubel X-nya (periode waklu) berpangkat paling
tinggi satu. Trend linear memiliki bentuk persamaun berupa persamaan garis lurus.
Y = a + bX
Keterangan:
Y : data berkala atau nilai trend umuk periode tertenlu

37
X : periode waktu (hari, minggu, bulan, tahun)
a : konstama, nilai Y jika X = 0
b : koefisien X, kemiringan garis trend (slope).

Unluk menentukan garis trend. terlebih dahulu dicari nilai a dan b. Artinya, jika
nilai a dan b sudah diketahui maka gans trend dapat dibuat, Nilai a dan b dapat
ditentukan dengan metode, yaitu metode kuadrat terkecil.
Metode Kuadrat Terkecil (Least Square)
Persamaan trendnya adalah:

Y = a + bX
Dengan metode kuadrat terkecil, nilai a dan b dari persamuan trend linear di atas
ditentukan dengan rumus:

Keterangan:
Y : nilai data berkala
n : jumlah periods wakru `.
X : tahun kode

38
Bab 7
POPULASI & SAMPEL

A. Pengertian Populasi
Menurut Kamus Besar Bahasa Indonesia (KBBI), populasi adalah seluruh jumlah
orang atau penduduk di suatu daerah. Melalui penjelasan tersebut dapat diartikan
bahwa populasi adalah sebutan untuk orang-orang atau penduduk yang berada
dalam suatu wilayah tertentu. Populasi juga merupakan jumlah keseluruhan dari
satuan-satuan atau individu-individu yang karakteristiknya hendak diteliti. Dan
satuan-satuan tersebut dinamakan unit analisis, dan dapat berupa orang-orang,
institusi-institusi, benda-benda, dst.
Tiga Pengertian Populasi Menurut Ahli: Netra, Nawawi dan Arikunto. Populasi
Adalah:
a. Menurut Netra (1976), Populasi adalah keseluruhan individu yang bersifat
general atau umum yang mempunyai karakteristik yang cenderung sama.
b. Menurut Hadari Nawawi (1983), Populasi adalah keseluruhan objek
penelitian yang terdiri atas manusia, hewan, benda-benda, tumbuh, peristiwa,
gejala, ataupun nilai tes sebagai sumber data yang mempunyai karakteristik
tertentu dalam suatu penelitian yang dilakukan.
c. Menurut Arikunto Suharsimi (1998: 117), Populasi adalah keseluruhan
objek penelitian. Apabila seseorang ingin meneliti sebuah elemen yang ada
dalam wilayah penelitian tersebut, maka penelitiannya merupakan penelitian
populasi.

B. Ciri-ciri Populasi
Ciri-ciri populasi antara lain:
a) Kepadatan atau ukuran besarnya suatu populasi termasuk berbagai
parameter utama ini dipengaruhi oleh kelahiran dan kematian.
b) Sebaran suatu populasi dipengaruhi oleh persebaran suatu objek tertentu,
kondisi iklim dan cuaca, struktur, dan umur objek tersebut.
c) Populasi ini juga dipengaruhi oleh komposisi genetik
d) Terdapat dispersi, yaitu suatu sebaran individu intra populasi.

C. Pengertian Sampel
39
Sampel disebut juga contoh atau sebagian dari populasi. Berdasarkan pakar atau
ahli, “sampel adalah sebagian dari populasi yang karakteristiknya hendak diteliti”
(Djarwanto, 1994:43). Sampel yang baik, yang kesimpulannya dapat dikenakan
pada populasi, adalah sampel yang bersifat representatif atau yang dapat
menggambarkan karakteristik populasi.
Tiga Pengertian Sampel Menurut Para Ahli Adalah:
Apa yang dimaksud dengan sampel menurut para ahli? Berikut adalah pengertian
sampel menurut para ahli:
a. Menurut Sugiyono (2008: 118), Sampel adalah suatu bagian dari keseluruhan
serta karakteristik yang dimiliki oleh sebuah Populasi.
• Jika Populasi tersebut besar, sehingga para peneliti tentunya tidak
memungkinkan untuk mempelajari keseluruhan yang terdapat pada
populasi tersebut oleh karena beberapa kendala yang akan di hadapkan
nantinya seperti: keterbatasan dana, tenaga dan waktu. Maka dalam hal
ini perlunya menggunakan sampel yang di ambil dari populasi itu.
• Dan selanjutnya, apa yang dipelajari dari sampel tersebut maka akan
mendapatkan kesimpulan yang nantinya di berlakukan untuk Populasi.
Oleh karena itu sampel yang di dapatkan dari Populasi memang harus
benar-benar representatif (mewakili).
b. Menurut Arikunto (2006: 131), Sampel adalah sebagian atau sebagai wakil
populasi yang akan diteliti. Jika penelitian yang di lakukan sebagian dari
populasi maka bisa dikatakan bahwa penelitian tersebut adalah penelitian
sampel.
c. Menurut Nana Sudjana dan Ibrahim (2004: 85), Sampel adalah sebagian dari
populasi yang dapat dijangkau serta memiliki sifat yang sama dengan populasi
yang diambil sampelnya tersebut.

D. Kriteria Sampel
Ada dua kriteria sampel yaitu kriteria inklusi dan kriteria eksklusi. Penentuan
kriteria sampel diperlukan untuk mengurangi hasil penelitian yang bias. Kriteria
inklusi adalah karakteristik umum subjek penelitian dari suatu populasi target yang
terjangkau yang akan diteliti (Nursalam, 2003: 96). Sedangkan yang dimaksud
dengan Kriteria eksklusi adalah menghilangkan atau mengeluarkan subjek yang
memenuhi kriteria inklusi dari penelitian karena sebab-sebab tertentu (Nursalam,
2003: 97). Sebab-sebab yang dipertimbangkan dalam menentukan kriteria eksklusi
antara lain:
a. Subjek membatalkan kesediannya untuk menjadi responden penelitian, dan

40
 b. Subjek berhalangan hadir atau tidak di tempat ketika pengumpulan data
dilakukan.

E. Teknik pengambilan sampel

Teknik pengambilan sampel atau teknik sampling adalah teknik pengambilan
sampel dari populasi. Sampel yang merupakan sebagaian dari populasi tersebut.
kemudian diteliti dan hasil penelitian (kesimpulan) kemudian dikenakan pada
populasi (generalisasi).
1. Manfaat sampling
Apa sajakah manfaat dari sampling? Berikut antara lain manfaatnya:
a) Menghemat beaya penelitian.
b) Menghemat waktu untuk penelitian.
c) Dapat menghasilkan data yang lebih akurat.
d) Memperluas ruang lingkup penelitian.

2. Syarat-syarat teknik sampling

Teknik sampling boleh dilakukan bila populasi bersifat homogen atau memiliki
karakteristik yang sama atau setidak-tidaknya hampir sama. Dan bila keadaan
populasi bersifat heterogen, maka sampel yang dihasilkannya dapat bersifat tidak
representatif atau tidak dapat menggambarkan karakteristik populasi.
3. Jenis-jenis teknik sampling
Pada dasarnya, jenis teknik sampling ada 2 yaitu:

a. Teknik probability sampling.

Teknik sampling probabilitas atau random sampling adalah teknik sampling yang
dilakukan dengan memberikan peluang atau kesempatan kepada seluruh
anggota populasi untuk menjadi sampel. Dengan demikian sampel yang
diperoleh diharapkan merupakan sampel yang representatif. Jenis atau macam-
macam Teknis Sampling Probabilitas yang sering digunakan adalah:
• Teknik sampling secara rambang sederhana
Cara paling populer yang dipakai dalam proses penarikan sampel rambang
sederhana adalah dengan undian.
• Teknik sampling secara sistematis
Prosedur ini berupa penarikan sampel dengan cara mengambil setiap kasus
(nomor urut) yang kesekian dari daftar populasi.
• Teknik sampling secara rambang proportional
Jika populasi terdiri dari sub populasi-sub populasi maka sampel penelitian
diambil dari setiap sub populasi. Dan adapun cara pengambilan sampel
dapat dilakukan secara undian maupun sistematis.

41
 • Teknik sampling secara rambang bertingkat
Bila sub populasi-sub populasi sifatnya bertingkat, cara pengambilan sampel sama
seperti pada teknik sampling secara proportional.
• Teknik sampling secara kluster (cluster sampling).
Dan ada kalanya peneliti tidak tahu persis karakteristik populasi yang ingin
dijadikan subjek penelitian karena populasi tersebar di wilayah yang amat
luas. Untuk itu peneliti hanya dapat menentukan sampel wilayah, berupa
kelompok klaster yang ditentukan secara bertahap. Teknik pengambilan
sampel semacam ini disebut cluster sampling atau multi-stage sampling.

b. Teknik non probability sampling.

Teknik sampling non probabilitas adalah teknik pengambilan sample dari populasi
yang ditemukan atau ditentukan sendiri oleh peneliti dan/atau menurut
pertimbangan pakar. Dan beberapa jenis atau cara penarikan sampel dari
populasi secara non probabilitas sampling adalah sebagai berikut:
• Purposive sampling atau judgmental sampling
Penarikan sampel dari populasi secara purposif adalah cara penarikan sample yang
dilakukan dengan memilih subjek berdasarkan kriteria spesifik yang
ditetapkan oleh peneliti.
• Snow-ball sampling (penarikan sample secara bola salju)
Penarikan sample pada populasi berdasarkan pola ini dilakukan dengan
menentukan sample pertama. Sampel berikutnya ditentukan berdasarkan
informasi dari sample pertama, sample ketiga ditentukan berdasarkan
informasi dari sample kedua, dan seterusnya sehingga jumlah sample
semakin besar, seolah-olah terjadi efek bola salju.
• Quota sampling (penarikan sample secara jatah)
Teknik sampling ini dilakukan dengan atas dasar jumlah atau jatah yang telah
ditentukan. Biasanya yang dijadikan sample penelitian adalah subjek yang
mudah ditemui sehingga memudahkan pula proses pengumpulan data.
• Accidental sampling atau convenience sampling.
Dalam penelitian, bisa saja terjadi diperolehnya sampel dari populasi yang tidak
direncanakan terlebih dahulu sebelumnya. Melainkan secara kebetulan,
yaitu unit atau subjek tersedia bagi peneliti saat pengumpulan data
dilakukan. Dan proses diperolehnya sampel semacam ini disebut sebagai
penarikan sampel secara kebetulan dari populasi.

42
Bab 8
ASUMSI KLASIK

A. Pengertian Asumsi Klasik

Asumsi klasik pada dasarnya merupakan salah satu uji yang digunakan untuk
persyaratan statistik. Hal ini harus dipenuhi hanya pada analisis regresi linier
berganda, dan tidak pada regresi linier sederhana. Analisis yang dimaksud pada
pernyataan tersebut adalah regresi linier berganda berbasis OLS atau Ordinary
Least Square.Asumsi klasik adalah syarat-syarat yang harus dipenuhi pada model
regresi linear OLS agar model tersebut menjadi valid sebagai alat penduga.
B. Jenis Asumsi Klasik
Pada saat melakukan Analisa regresi berganda, maka perlu dipenuhi beberapa
asumsi, misalnya asumsi klasik yang terdiri dari uji normalitas, uji multikolinearitas,
uji heteroskedastisitas dan uji autokorelasi.
1. Uji Normalitas
Menurut Ghozali (2016) uji normalitas dilakukan untuk menguji apakah pada suatu
model regresi, suatu variabel independen dan variabel dependen ataupun keduanya
mempunyai distribusi normal atau tidak normal. Uji normalitas adalah suatu cara
yang dilakukan untuk melihat apakah data dalam penelitian telah terdistribusi
secara normal. Hasil uji ini nantinya akan memengaruhi langkah analisis
selanjutnya. Cara uji normalitas SPSS biasanya memiliki 2 pilihan, yaitu
Kolmogorov-Smirnov dan Shapiro-Wilk.
Apabila suatu variabel tidak berdistribusi secara normal, maka hasil uji statistik akan
mengalami penurunan. Pada uji normalitas data dapat dilakukan dengan
menggunakan uji One Sample Kolmogorov Smirnov yaitu dengan ketentuan
apabila nilai signifikansi diatas 5% atau 0,05 maka data memiliki distribusi normal.
Sedangkan jika hasil uji One Sample Kolmogorov Smirnov menghasilkan nilai
signifikan dibawah 5% atau 0,05 maka data tidak memiliki distribusi normal.

a. Ketentuan Uji Normalitas

Dalam uji normalitas, terdapat indikator yang disebut nilai signifikansi. Apabila data
memiliki nilai signifikansi 0,05 maka dapat dikatakan bahwa data tersebut normal.
Baik itu untuk Kolmogorov-Smirnov mau pun untuk Shapiro Wilk. Perbedaan
penggunaan keduanya adalah pada banyaknya sampel yang digunakan. Jika
sampelnya kurang dari 50, maka Shapiro Wilk lebih cocok untuk digunakan dalam

43
uji normalitas. Sementara untuk sampel besar yang lebih dari 50, gunakan
Kolmogorov-Smirnov agar hasilnya lebih akurat.
b. Langkah-langkah Uji Normalitas SPSS
Sebelum dapat melakukan analisis, hal pertama yang perlu dilakukan adalah
mengisi data pada Variable View dan Data View. Isi dengan cermat agar
mendapatkan hasil yang akurat. Jika datanya banyak dan telah tersimpan di Excel
misalnya, bisa lakukan copy-paste. Lalu ikuti langkah-langkah berikut:
• Klik menu Analyze, kemudian masuk ke Descriptive Statistics, lalu Explore.
• Pada jendela Explore, terdapat kolom Dependent List, pindahkan variabel yang
ingin diuji ke kolom tersebut. Jika variabel bersifat kualitatif, pindahkan ke
kolom Factor List.
• Pilih Both pada Display. Centang bagian Descriptive, lalu isi Confidence
Interval for Mean dengan angka tertentu yang sesuai kebutuhan. Kemudian klik
Continue.
• Klik Plots, lalu beri centang pada Normality plots with tests. Jika sudah, klik
Continue kemudian klik OK.
• Hasil uji normalitas sudah bisa dibaca untuk kemudian diolah lebih lanjut.

c. Hasil SPSS dan Interprestasinya

Intepretasinya adalah bahwa jika nilainya di atas 0,05 maka distribusi data
dinyatakan memenuhi asumsi normalitas, dan jika nilainya di bawah 0,05 maka
diinterpretasikan sebagai tidak normal.

2. Uji Multikolinearitas
Menurut Ghozali (2016) pada pengujian multikolinearitas bertujuan untuk
mengetahui apakah model regresi ditemukan adanya korelasi antar variabel
independent atau variable bebas. Efek dari multikolinearitas ini adalah
menyebabkan tingginya variabel pada sampel. Hal tersebut berarti standar error
besar, akibatnya ketika koefisien diuji, t-hitung akan bernilai kecil dari t-tabel. Hal
ini menunjukkan tidak adanya hubungan linear antara variabel independen yang
dipengaruhi dengan variabel dependen.
Untuk menemukan terdapat atau tidaknya multikolinearitas pada model regresi
dapat diketahui dari nilai toleransi dan nilai variance inflation factor (VIF). Nilai

44
Tolerance mengukur variabilitas dari variabel bebas yang terpilih yang tidak dapat
dijelaskan oleh variabel bebas lainnya. Jadi nilai tolerance rendah sama dengan nilai
VIF tinggi, dikarenakan VIF = 1/tolerance, dan menunjukkan terdapat kolinearitas
yang tinggi. Nilai cut off yang digunakan adalah untuk nilai tolerance 0,10 atau nilai
VIF diatas angka 10.
a. Gejala Multikolinieritas
Dalam situasi terjadi multikolinearitas dalam sebuah model regresi berganda, maka
nilai koefisien beta dari sebuah variabel bebas atau variabel predictor dapat berubah
secara dramatis apabila ada penambahan atau pengurangan variabel bebas di dalam
model. Oleh karena itu, multikolinearitas tidak mengurangi kekuatan prediksi
secara simultan, namun mempengaruhi nilai prediksi dari sebuah variabel bebas.
Nilai prediksi sebuah variabel bebas disini adalah koefisien beta. Oleh karena itu,
sering kali kita bisa mendeteksi adanya multikolinearitas dengan adanya nilai
standar error yang besar dari sebuah variabel bebas dalam model regresi.
Berdasarkan penjelasan di atas, maka dapat disimpulkan bahwa, jika terjadi
multikolinearitas, maka sebuah variabel yang berkorelasi kuat dengan variabel
lainnya di dalam model, kekuatan prediksinya tidak handal dan tidak stabil. Dan
pengertian multikolinearitas adalah sesungguhnya terletak pada ada atau tidak
adanya korelasi antar variabel bebas.
b. Penyebab Multikolinearitas
Penyebab multikolinearitas adalah adanya korelasi atau hubungan yang kuat antara
dua variabel bebas atau lebih, seperti yang sudah dijelaskan di atas. Namun
penyebab lainnya yang dapat menyebabkan hal tersebut secara tidak langsung
adalah, antara lain:
• Penggunaan variabel dummy yang tidak akurat di dalam model regresi. Akan
lebih beresiko terjadi multikolinearitas jika ada lebih dari 1 variabel dummy
di dalam model.
• Adanya perhitungan sebuah variabel bebas yang didasarkan pada variabel
bebas lainnya di dalam model. Hal ini bisa dicontohkan sebagai berikut:
dalam model regresi anda, ada variabel X1, X2 dan Perkalian antara X1 dan
X2 (X1*X2). Dalam situasi tersebut bisa dipastikan, terdapat kolinearitas
antara X1 dan X1*X2 serta kolinearitas antara X2 dengan X1*X2.
• Adanya pengulangan variabel bebas di dalam model, misalkan: Y = a + b1
X1 + b2 X1*5 + b3 X3 + e.

c. Dampak dari Multikolinieritas

Dampak dari multikolinearitas antara lain:
• Koefisien Partial Regresi tidak terukur secara presisi. Oleh karena itu nilai
standar errornya besar.

45
 • Perubahan kecil pada data dari sampel ke sampel akan menyebabkan
perubahan drastis pada nilai koefisien regresi partial.
• Perubahan pada satu variabel dapat menyebabkan perubahan besar pada
nilai koefisien regresi parsial variabel lainnya.
• Nilai Confidence Interval sangat lebar, sehingga akan menjadi sangat sulit
untuk menolak hipotesis nol pada sebuah penelitian jika dalam penelitian
tersebut terdapat multikolinearitas.

3. Uji Heteroskedastisitas
Uji ini bertujuan untuk melakukan uji apakah pada sebuah model regresi terjadi
ketidaknyamanan varian dari residual dalam satu pengamatan ke pengamatan
lainnya. Apabila varian berbeda, disebut heteroskedastisitas. Salah satu cara untuk
mengetahui ada tidaknya heteroskedastisitas pada suatu model regresi linier
berganda, yaitu dengan melihat grafik scatterplot atau dari nilai prediksi variabel
terikat yaitu SRESID dengan residual error yaitu ZPRED. Apabila tidak terdapat
pola tertentu dan tidak menyebar diatas maupun dibawah angka nol pada sumbu y,
maka dapat disimpulkan tidak terjadi heteroskedastisitas. Untuk model penelitian
yang baik adalah yang tidak terdapat heteroskedastisitas (Ghozali, 2016).

4. Uji Autokorelasi
Menurut Ghozali (2016) autokorelasi dapat muncul karena observasi yang
berurutan sepanjang waktu yang berkaitan satu sama lainnya. Permasalahan ini
muncul karena residual tidak bebas pada satu observasi ke observasi lainnya. Untuk
model regresi yang baik adalah pada model regresi yang bebas dari autokolerasi.
Untuk mendeteksi terdapat atau tidaknya autokorelasi adalah dengan melakukan
uji Run Test.
Run test merupakan bagian dari statistik non-parametik yang dapat digunakan
untuk melakukan pengujian, apakah antar residual terjadi korelasi yang tinggi.
Apabila antar residual tidak terdapat hubungan korelasi, dapat dikatakan bahwa
residual adalah random atau acak. Dengan hipotesis sebagai dasar pengambilan
keputusan adalah sebagai berikut (Ghozali, 2016):
Apabila nilai Asymp. Sig. (2-tailed) kurang dari 5% atau 0,05, maka untuk H0
ditolak dan Ha diterima. Hal tersebut berarti data residual terjadi secara tidak acak
(sistematis). Apabila nilai Asymp. Sig. (2-tailed) lebih dari 5% atau 0,05, maka untuk
H0 diterima dan Ha ditolak. Hal tersebut berarti data residual terjadi secara acak
(random).

46
Bab 9
REGRESI & KORELASI
SEDERHANA

A. Pengertian Regresi Linier Sederhana

Analisis regresi sederhana bertujuan untuk mengetahui pengaruh dari suatu
variabel terhadap variabel lainnya. Pada analisis regresi suatu variabel yang
mempengaruhi disebut variabel bebas atau independent variable, sedangkan
variabel yang dipengaruhi disebut variabel terkait atau dependent variable. Jika
persamaan regresi hanya terdapat satu variabel bebas dengan satu variabel terkait,
maka disebut dengan persamaan regresi sederhana. Jika variabel bebasnya lebih
dari satu, maka disebut dengan persamaan regresi berganda. Pada regresi
sederhana kita dapat mengetahui berapa besar perubahan dari variabel bebas dapat
mempengaruhi suatu variabel terkait.
Variabel yang mempengaruhi disebut dengan berbagai istilah: variabel independen,
variabel bebas, variabel penjelas, variabel eksplanatorik, atau variabel X karena
dalam grafik sering digambar sebagai absis atau sumbu X). Variabel yang
dipengaruhi dikenal sebagai variabel dependen, variabel terikat, atau variabel Y.
Kedua variabel ini dapat merupakan variabel acak (random), namun variabel yang
dipengaruhi harus selalu variabel acak. Analisis regresi adalah salah satu analisis
yang luas pemakaiannya. Analisis regresi digunakan untuk melakukan prediksi dan
ramalan.
Analisis regresi linier sederhana adalah hubungan secara linear antara satu variabel
independen (X) dengan variabel dependen (Y). Analisis regresi sederhana dapat
digunakan untuk mengetahui arah dari hubungan antara variabel bebas dengan
variabel terikat, apakah memiliki hubungan positif atau negatif serta untuk
memprediksi nilai dari variabel terikat apabila nilai variabel bebas mengalami
kenaikan ataupun penurunan. Pada regresi sederhana biasanya data yang
digunakan memiliki skala interval atau rasio.
B. Persamaan Regresi Linier Sederhana
Persamaan regresi linier sederhana merupakan suatu model persamaan yang
menggambarkan hubungan satu variabel bebas/ predictor (X) dengan satu variabel
tak bebas/ response (Y), yang biasanya digambarkan dengan garis lurus, seperti
disajikan pada Gambar 1.

47
Persamaan regresi linier sederhana secara matematik diekspresikan oleh :
𝑌 = 𝑎 + 𝑏𝑋
Keterangan:
Y = garis regresi/ variable response
a = konstanta (intersep), perpotongan dengan sumbu vertikal
b = konstanta regresi (slope)
X = variabel bebas/ predictor

Besarnya konstanta a dan b dapat ditentukan menggunakan persamaan :

Keterangan :
n = jumlah data
C. Langkah-langkah Uji Regresi Sederhana
Adapun langkah-langkah yang perlu dilakukan untuk melakukan analisis dan uji
regresi linier sederhana adalah sebagai berikut :
1. Menentukan tujuan dari Analisis Regresi Linear Sederhana
2. Mengidentifikasi variabel predictor dan variabel response
3. Melakukan pengumpulan data dalam bentuk tabel
4. Menghitung X², XY dan total dari masing-masingnya
5. Menghitung a dan b menggunakan rumus yang telah ditentukan
6. Membuat model Persamaan Garis Regresi
7. Melakukan prediksi terhadap variabel predictor atau response
8. Uji signifikansi menggunakan Uji-t dan menentukan Taraf Signifikan

D. Korelasi

48
Analisis korelasi sekumpulan metode statistika yang digunakan untuk mengukur
derajat asosiasi atau kekuatan hubungan antara dua variabel atau lebih. Di dalam
korelasi sederhana terdapat dua variabel yang akan kita lihat hubungannya. Variabel
tersebut adalah variabel bebas (independent variable) dan variabel tak bebas
(dependent variable). Independent variable adalah variabel yang nilai-nilainya tidak
dipengaruhi oleh variabel lain. Sedangkan dependent variable adalah variabel yang
nilainya dipengaruhi oleh variabel bebas.
Secara kuantitatif, korelasi dapat menjelaskan seberapa kuat hubungan satu variabel
mempengaruhi variabel lainnya. Kekuatan hubungan tersebut dinyatakan dengan
besaran koefisien korelasi. Koefisien korelasi nilai antara –1 dan +1 yang
menunjukkan kekuatan hubungan antara dua variabel kuantitatif. Berdasarkan data
yang terkumpul, maka simbol untuk koefisien korelasi dibedakan antara simbol
untuk populasi dan simbol untuk sampel.

E. Ukuran Korelasi Sederhana

Terdapat beberapa pendapat yang menetapkan kriteria kekuatan hubungan
tersebut salah satunya adalah sebagai berikut:

Dalam menggunakan analisis korelasi kita harus mempertimbangkan data yang

akan kita analisis yaitu (1) skala pengukuran setiap nilai variabel apakah nominal,
ordinal, interval atau rasio. Karena setiap skala pengukuran memiliki statistika yang
spesifik untuk mengkur keeratan hubungan tersebut, (2) karakteristik variabel
apakah diskrit atau kontinu, dan (3) karakteristik nilai pengamatan apakah linier
atau non linier.
F. Korelasi Pearson
Korelasi Pearson, koefisien (r) sering juga disebut sebagai Pearson’s r, product
moment correlation coeficient adalah mengukur hubungan linier antara dua
variabel yang memiliki data pada skala interval/rasio. Nilai koefisien korelasi r
berkisar antara –1,00 dan +1,00. Kedua nilai ekstrim + 1,00 tersebut menunjukkan
hubungan linier sempurna antara kedua variabel. Sedangkan nilai koefisien korelasi
sama dengan 0,00 menunjukkan bahwa kedua variabel tersebut tidak memiliki
hubungan. Besar kecilnya nilai koefisien korelasi menunjukkan kekuatan

49
hubungan.
Arah hubungan ditunjukkan oleh tanda + dari koefisien tersebut. Korelasi positif
sering juga disebut direct relationship menunjukkan bahwa skor yang tinggi untuk
satu variabel cenderung berasosiasi dengan skor yang tinggi pada variabel kedua,
dan sebaliknya skor kecil pada variabel satu cenderung berasosiasi dengan skor
kecil pada variabel kedua. Korelasi negatif disebut juga indirect relationship
menunjukkan bahwa nilai kecil pada satu variabel cenderung berasosiasi dengan
skor tinggi pada variabel kedua. Sebaliknya skor tinggi pada satu variabel cenderung
berasosiasi dengan skor kecil pada variabel kedua.

G. Mengukur Korelasi
Untuk mengukur kekuatan hubungan antar variable predictor X dan response Y,
dilakukan analisis korelasi yang hasilnya dinyatakan oleh suatu bilangan yang
dikenal dengan koefisien korelasi. Biasanya analisis regresi sering dilakukan
bersama-sama dengan analisis korelasi. Persamaan koefisien korelasi (r)
diekspresikan oleh :

50
 DAFTAR PUSTAKA
Amin.I., Aswin.A., Fajar.I., Isnaeni, Iwan.S., Pudjirahaju.A., Sunindya.R.. 2009.
Statistika untuk Praktisi Kesehatan. Yogyakarta. Graha Ilmu.
Dahlan.S.M. 2012. Statistik untuk Kedokteran dan Kesehatan. Jakarta. Salemba
Medika.
Ghozali, I. (2016) Aplikasi Analisis Multivariete Dengan Program IBM SPSS 23.
Edisi 8. Semarang: Badan Penerbit Universitas Diponegoro.
Hadi.S. 2002. Statistik. Jilid 2. Yogyakarta. Andi Offset.
Hardiyanti, K. (2021). Distribusi Frekuensi dan Bentuk grafik.
https://doi.org/10.31219/osf.io/n9j8d
Hasibuan.A.A.,Supardi, Syah.D. 2009. Pengantar Statistik Pendidikan. Jakarta.
Gaung Persada Press.
Indriatuti,R.,2012. Penyajian Data Statistik. Yogyakarta. Citra Aji Parama.
Riduwan. 2010. Dasar-dasar Statistika. Bandung. Alfabeta.
Riwidigdo,H., 2012. Statistik Kesehatan. Yogyakarta. Nuha Medika.
Siswandari. 2009. Statistika (Komputer Based). Surakarta. LPP UNS dan UNS
Press.
Sugiyono. 2003. Statistika untuk Penelitian. Bandung. Alfabeta.
Sekaran, U. & Bougie, R.J., (2016). Research Methods for Business: A skill
Building Approach. 7th Edition, John Wiley & Sons Inc. New York, US.
Susetyo, B. (2010). Statistika untuk analisis data penelitian: Dilengkapi cara
perhitungan dengan SPSS dan MS Office Excel.
http://hellis.litbang.kemkes.go.id:8080/handle/123456789/63004

51