BAB I

BERKENALAN DENGAN
STATISTIKA
(Pertemuan ke-1 )
PERTEMUAN TOPIK Latihan
KE
1 Penyampaian Silabus
Konsep dasar disperse dan statistika
Arti, manfaat dan jenis-jenis data
(Chp 1)
2 Pengumpulan dan pengolahan data Latihan soal
(Chp 2)
Penyajian data
(Chp 3)
3 Distribusi Frekuensi kuantitatif dan Latihan soal
kualitatif (tabel & grafik)
(Chp 4)
4 Ukuran Pemusatan (I) Latihan soal
(Chp 5)
5 Ukuran Pemusatan (II) Latihan soal
(Chp 5)
6 Ukuran variasi/disperse Latihan soal
(Chp 6)
7 Review materi UTS dan Test/Quiz -
 8 Analisis Data Berkala
 Klasifikasi gerakan/variasi data berkala
 Menentukan tren (metode Kuadrat terkecil)
(Chp 9 )
9 Indeks Musiman dan gerakan Siklis
 Gerakan Musim (metode rasio terhadap rata2
bergerak)
 Menghilangkan pengaruh musiman dan tren
 Gerakan Siklis
 Peramalan
(Chp 10)
10 Angka Indeks (I) Latihan soal
 Indeks harga relatif sederhana
 Indeks harga Agregatif tidak tertimbang
 Indeks harga Agregatif tertimbang (IL,IP,IF,ID)
 Indeks harga berantai sederhana
(Chp 11 )
11 Angka Indeks (II) Latihan soal
 Penggeseran waktu dasar
 Pendeflasian
(Chp 11 ) 3
12 Probabilitas (I) Latihan soal
 Pendekatan Klasik
 Aturan dasar probabilitas (aturan penjumlahan dan
perkalian)
(Chp 12)
13 Probabilitas (II) Latihan soal
 Kejadian bebas
 Probabilitas marginal
 Teorema Bayes
 Permutasi dan Kombinasi
(Chp 12)
14 Test/Quiz materi UAS -

4
 Distribusi Penilaian

EVALUASI PENILAIAN
•NTS = 70% UTS + 20 % Test/Quiz+ 10% Asistensi
•NAS = 70% UAS + 20 % Test/Quiz+ 10% Asistensi
•Optional :
Nilai Aktivitas/Kompetisi berupa point, maksimal 10
point, ditambahkan di NTS atau NAS
 Referensi

 J. Supranto, Statistik teori dan aplikasi, jilid I

 Paul Newbold, Statistics for Business & Economics

ALASAN APLIKASI STATISTIK
 Di dunia tidak ada yang pasti.
 Ada error/ kesalahan, adanya variasi/ fluktuasi.
 Butuh sample, generate populasi.
 Ada dugaan/ estimasi.
 Membutuhkan pengujian hipotesa dalam eksperimen.
 Ingin mengetahui pola hubungan.
 Ingin mengetahui studi kelayakan.
 Ingin mengetahui yang akan datang.
 Ingin mengambil kelompok informasi.
 Sebagai pengambilan keputusan dalam menentukan
kebijaksanaan.
 Ingin mengidentifikasi pola atau bentuk tertentu.
 Menganalisa standar kualitas produksi, kompetensi?

7
Error/ Kesalahan, Akibat Variasi Data
 Apa semua harus benar?
 Apakah semua makanan enak?
 Apakah saudara pintar? tampan? atau
cantik?

Butuh Tingkat Kesalahan

Butuh Standart Error
Butuh Rata-rata Kuadrat Error

9
Butuh sample
 Mengapa kalau masak perlu dicicipi?
 Mengapa kalau beli buah boleh dicicipi?
 Mengapa ada ukuran baju S, M, L, XL?
 Mengapa sepatu ada ukuran, 39, 40, 42, dst.
 Mengapa quick count polling president tepat?
 Mengapa mengukur kualitas lampu tidak di test semua?
 Mengapa uji kekuatan ban tidak semuanya di tusuk paku?

10
Dugaan/Estimasi
 Mengapa akhir-akhir ini harga-harga melambung?
 Mengapa hasil produksinya menurun?
 Mengapa lumpur lapindo bertambah banyak?
 Mengapa banyak semburan baru di tempat lain?
>> Jangan-jangan, jangan-jangan…..???

11
Pengujian Hipotesa
 Untuk membuktikan dugaan eksperimen, benar
atau tidak dugaannya.
 Apakah memang benar susu formula
mengandung bakteri sakazaki???
 Perlu di uji hipotesanya sehingga menyakinkan,
berapa tingkat keyakinannya? Mari kita sepakati.
Susu formula 40% berbakteri

Uji Hipotesis >>>>>>>

12
Ada Pola Hubungan
 Karena tingkat disiplin belajar kurang Maka IPK
menurun?...ah itu takdir.
 Karena motivasi belajar tinggi Maka Matakuliah
Statistik Bisnis I lulus
 Karena……Maka………

Variabel Bebas
Variabel Terikat

13
Butuh Studi Kelayakan
 Bagaimana nasib korban Lapindo?
 Cukup tidak uang ganti ruginya?
 Apakah perlu adanya relokalisasi?
 Apaka setuju lumpur lapindo korban
nasional?

Butuh Data Primer

Butuh Kuesioner
14
Keingintahuan akan datang
 Berapa ya kira-kira saya harus jualan
besuk?
 Besok cuacanya hujan, berawan atau
cerah?
 Sebaiknya kita siapkan tahun depan
anggaran operasional berapa ya?

Teknik Ramalan
Persamaan Regresi
15
Kelompok Informasi
 Ada berapa kelompok perokok
berdasarkan umur?
 Produk “X” termasuk kebawah, menengah
atau ke atas.

Segmentasi Market
Pengambilan sampel

16
Decision Support System
Proses pengambilan keputusan sebagai hasil
akhir atas pelaksanaan penelitian dengan
berdasarkan pada data dan metodologi yang
digunakan.

Keputusan dapat berupa kualitatif

(deskriptif) atau kuantitatif (inferensi)

17
Identifikasi Pola
 Pengenalan buah
 Pengenalan angka
 Pengenalan wajah
 Pengenalan sidik jari
 Pengenalan gerakan

18
Pengendalian Kualitas
 Pengendalian kualitas secara statistik.
 Peta kendali
 Sampling produksi.

19
STATISTIKA
ilmu pengetahuan tentang data
 merupakan bagian dari matematika yang membahas rumus
untuk mengumpulkan, menggambarkan atau menyajikan,
menganalisis, dan menginterpretasikan data kuantitatif [Webster New
Collegiate Distionary]
 merupakan cabang dari metode ilmiah yang menggunakan data
didapatkan dengan menghitung atau mengukur bagian populasi
[Kendall & Stuart]
 membahas metode penarikan kesimpulan dari hasil percobaan
atau proses [Fraser]
 sebagai teknologi metoda ilmiah yang membahas rancangan
percobaan dan investigasi serta inferensia statistika [Mood]
 membahas rancangan percobaan atau survei sampling untuk
mendapatkan sejumlah informasi tertentu dan penggunaan
informasi secara optimal dalam pembuatan inferensia tentang
populasi.
22
METODOLOGI STATISTIKA
Pemecahan masalah secara statistik yang
terdiri atas beberapa tahap, yaitu:
1. Identifikasi masalah
2. Pengumpulan data
3. Klasifikasi data
4. Penyajian data
5. Analisis data

23
C
A
Statistika
R
A
Deskriptif vs Inferensia
 Statistika deskriptif  Statistika inferensia
P digunakan untuk menginterpretasikan
E menggambarkan dan hasil-hasil atau
N menganalisa data dengan menghitung statistik-
G menghitung sedikitnya
O
satu statistik contoh, statistik yang diperoleh
L
dengan membangun dari contoh untuk
A mengestimasi/ menduga
H grafik atau tabel, atau
A dengan membandingkan parameter populasi.
N hasil data yang lain. [Pendugaan
[Penyajian data parameter populasi
D dengan statistik dan pengujian
A sederhana] hipotesis]
T
A
24
Statistika
Deskriptif vs Inferensia
Populasi

Sampling Pendugaan

Contoh

Deskriptif Tingkat Keyakinan

Ilmu Peluang
25
Statistika
Deskriptif vs Inferensia

26
 Statistika
Deskriptif vs Inferensia
Descriptive
Statistics

Measures o f Measure o f Graphic

Central Tendency Variability Displays

Mean Variance Frequency

Distribution tables

Median Standard Deviation Frequency

Distribution Polygon

Mo de Range Histogram

Deviation Bar Graph

Mean Deviatio n

Sum o f Squared
Deviation 27
Statistika
Deskriptif vs Inferensia
Inferential
Statistics

Estimation Correlation & Chi-Square

Regression

z-scores Pearson Test for

Correlation Goodness of Fit

Single Sample Phi-coefficient Test for

t statistic Independence
Independent Linear Regression
t statistic

Dependent
t statistic

28
B Statistika
E
N Parametrik vs Non Parametrik
T  Statistika Parametrik  Statistika Non Parametrik
U
Bagian statistik yang Bagian statistik yang
K
parameter dan parameter dan
P populasinya populasinya tidak
A mengikuti suatu mengikuti suatu
R distribusi tertentu, distribusi tertentu
A seperti distribusi atau memiliki
M
normal, dan memiliki distribusi yang bebas
E
T varian yang homogen dari persyaratan, dan
E variannya tidak perlu
R homogen.
29
Statistika
Parametrik vs Non Parametrik

30
FUNGSI STATISTIKA
 Fungsi deskriptif  memaparkan informasi
dalam sajian yang bermakna untuk
mendeskripsikan suatu keadaan atau
menjelaskan mengapa dan bagaimana suatu
kejadian terjadi
 Fungsi inferensial  untuk mendapatkan
kesimpulan yang bermakna; contoh penggunaan
jamu
 Fungsi analitik  mampu menjelaskan hubungan
antara faktor satu dengan yang lain
 Fungsi prediktif  dari data yang terkumpul
dapat digunakan untuk melakukan prediksi
31
PENGERTIAN STATISTIK
Sebenarnya banyak sekali definisi tentang statistik,
tetapi tidak ada definisi yang memuaskan. Hal ini
disebabkan karena luasnya ruang lingkup statistik.
Untuk keperluan praktis, statistik bisa diartikan
secara sempit dan luas.
Dalam arti sempit, statistik berarti data
ringkasan berbentuk angka (kuantitatif)
Dalam arti luas, statistik berarti suatu ilmu
yang mempelajari cara pengumpulan,
pengolahan/pengelompokkan, penyajian, dan
analisis data serta cara pengambilan kesimpulan
secara umum berdasarkan hasil penelitian yang
tidak menyeluruh
34
RUANG LINGKUP STATISTIK
 Ekonomi dan bisnis
 Tehnik dan mekanika
 Sipil
 Sosial dan budaya
 Pemerintahan
 Komputer dan informasi
 Psychology dan komunikasi
 Matematika dan pengetahuan alam
 Semua bidang ilmu pengetahuan

35
KEGUNAAN STATISTIK
 Analisis data
 Peramalan
 Uji hipotesa
 Ilmu statistik

36
PENDEKATAN STATISTIK
 Analisis deskriptif
 Analisis inferensi
 Kombinasi dari keduanya

37
PENERAPAN STATISTIK
Statistik pada masa kini mempengaruhi hampir
seluruh aspek kehidupan modern, contoh :
1. Perencanaan secara statistik dan evaluasi
penelitian yang membantu terciptanya
kemajuan teknologi dalam menghasilkan dan
memproses makanan.
2. Pengembangan dan pengendalian mutu produk.
3. Membantu pengumpulan pendapat umum
(polling).
4. Membantu dalam pengambilan keputusan suatu
kebijakan, dll
38
PERANAN STATISTIK
Peranan statistik antara lain :
1. Membantu merumuskan masalah yang
akan diteliti dalam pengertian masalah
yang relevan dan tidak meragukan.
2. Memberikan metode yang efisien dalam
pengumpulan dan analisis data.
3. Alat bantu dalam pengambilan keputusan
dan kesimpulan dari data atau fakta yang
dianalisis.
39
KONSEP DASAR STATISTIK
1. Populasi
2. Sampel
3. Variabel
4. Statistik Inferensi
5. Pengukuran reliabilitas dari statistik
inferensi
6. Pembulatan Bilangan
7. Notasi Sigma

40
Populasi
 Populasi adalah sebagai sekumpulan data
yang mengidentifikasi suatu fenomena

 Contoh :
◦ Semua pekerja di seluruh Indonesia
◦ Semua mahasiswa di Surabaya

 Populasi lebih bergantung pada kegunaan

dan relevansi data yang dikumpulkan
41
Sampel
 Sampel adalah sebagai sekumpulan data
yang diambil atau diseleksi dari suatu
populasi

 Contoh :
◦ Populasi = Seluruh mahasiswa di Jakarta
◦ Sampel = Mahasiswa akhir jurusan SI

 Sampel pada dasarnya adalah bagian dari

populasi
42
Variabel
 Dalam melakukan inferensi terhadap
populasi, tidak semua ciri populasi harus
diketahui, hanya satu atau beberapa
karakteristik populasi yang perlu diketahui,
yang disebut sebagai variabel

 Variabel adalah sebuah simbol, yang dapat

menyandang setiap nilai dari suatu
himpunan nilai yang disebut sebagai
domain dari variabel tersebut
43
Statistik Inferensi
 Statistik inferensi pada dasarnya adalah
suatu keputusan, perkiraan atau
generalisasi tentang suatu populasi
berdasarkan informasi yang terkandung
dari suatu sampel

44
Pengukuran reliabilitas dari statistik
inferensi
 Dalam analisa statistik yang diambil dari
data sampel dari suatu populasi, maka
konsekuensi akan menimbulkan bias
dalam inferensinya.

 Maka diperlukan pengukuran reabilitas

dari setiap inferensi yang telah dibuat

45
Notasi Sigma
 Lambang
Notasi sigma dapat ditulis “  “

 Rumus n

Notasi sigma dinyatakan dengan

n
x
i 1
i

x
i 1
i  x1  x2  x3  ...  xn

i = batas bawah
n = batas atas
xi = rumus penjumlahan
46
 METODE STATISTIK
METODE
STATISTIK

STATISTIK STATISTIK
DESKRIPTIF INDUKTIF

Distribusi Pengukuran Angka Analisis Kurva Uji

Probabilitas Sampling Estimasi Regresi Korelasi
Frekwensi Nilai Statistik Indeks Runtun Waktu Normal Hipotesis

47
STATISTIKA VS STATISTIK
Berbeda dengan Statistika, istilah Statistik
adalah rumus atau formula yang merupakan
fungsi dari data
x1  x 2  ...  x n 1 n
Rata-rata contoh x    xi
n n i 1
Ragam contoh
2
 n 
  xi 
 
n n n

 xi 
2 i 1

n
 ( xi  x ) 2
 xi2  nx 2
s 2  i 1  i 1  i 1
n 1 n 1 n 1

48
Data adalah :
Informasi yang terekam secara
sistematik, bisa berupa bilangan
atau label/kode.
 Ilustrasi Penggunaan Skala Pengukuran

Jawaban Orang Jawaban Orang

Pertanyaan
ke-1 ke-2

Berapa nomer punggung anda

5 10
pada perlombaan besok ?

Anda memasuki garis finish pada

5 10
urutan ke berapa ?
Berapa menit waktu yang anda
butuhkan untuk sampai ke garis 5 10
finish
 SKALA PENGUKURAN

Nominal Ordinal Interval Ratio

Membedakan
   
Menunjukkan
Tingkatan
  
Menunjukkan
Jarak
 
Nol Mutlak

 Pemakaian Skala pengukuran : “Merk HP Pilihan”

sangat tidak suka sangat suka

1. NOMINAL 3. INTERVAL
 Beri tanda silang pada merk  Beri tanda silang sesuai dengan
HP yang paling anda sukai tingkat kesukaan anda pada merk-
dari merk-merk HP berikut. merk HP berikut.
 Nokia 1 2 3 4 5
 Siemens Nokia     
 Samsung Siemens     
 Sony Ericson Samsung     
Sony Ericson     

2. ORDINAL 4. RATIO
 Beri nomor sesuai dengan  Bagi angka 100 sesuai dengan
urutan tingkat kesukaan anda tingkat kesukaan anda pada merk-
pada merk-merk HP berikut. merk HP berikut ini.
Nokia = ………………
 Nokia Siemens = ………………
 Siemens Samsung = ………………
 Samsung Sony Ericson = ……………… +
 Sony Ericson
TOTAL = 100

52
KESIMPULAN
 Konsep statistik dan statistika
 Kegunaan statistika dalam penelitian
 Konsep data dan syaratnya
 Kegunaan data dalam statistika

53