ISTILAH
• Statistika.
suatu ilmu yang mempelajari cara pengumpulan, pengolahan
/pengelompokan, penyajian dan analisis data serta cara
pengambilan secara kesimpulan secara umum berdasarkan
hasil penelitian yang tidak menyeluruh
• Statistika Deskriptif dan Statistika Inferensia.
Statistika deskriptif adalah metode-metode yang berkaitan
dengan pengumpulan dan penyajian suatu gugus data
sehingga memberikan informasi yang berguna.
• Statistika inferensia mencakup semua metode yang
berhubungan dengan analisis sebagian data untuk kemudian
sampai pada peramalan atau penarikan kesimpulan
mengenai keseluruhan gugus data induknya.
• Populasi dan Contoh.
Populasi adalah keseluruhan pengamatan yang menjadi
perhatian kita.
Contoh adalah suatu himpunan bagian dari data.
• Contoh Acak Sederhana.
Suatu contoh acak sederhana n pengamatan adalah
suatu contoh yang dipilih sedemikian rupa sehingga
setiap himpunan bagian yang berukuran n dari populasi
tersebut mempunyai peluang terpilih yang sama.
• Statistik dan Parameter.
Statistik adalah sembarang nilai yang menjelaskan ciri
suatu contoh.
Parameter adalah sembarang nilai yang menjelas-kan ciri
populasi.
• Datum dan Data.
Datum adalah bentuk tunggal dari data berupa satu nilai
hasil pengamatan atau hasil pengukuran.
Data adalah bentuk jamak dari datum berupa
sekumpulan nilai hasil pengamatan atau hasil
pengukuran.
Types of Data
Interval scale data
• Data interval adalah data yang diperoleh dengan cara pengukuran, dimana
jarak antar dua titik pada skala, sudah diketahui. Berbeda dengan skala
ordinal, dimana jarak dua titik tidak diperhatikan (seperti berapa jarak
antara puas dan tidak puas, yang sebenarnya menyangkut perasaan orang
saja)
Contoh:
Ada pengukuran yg bersifat subjektif misal baik atau bagus untuk mengukur sesuatu
objek.
Contoh:
Kepuasan pelanggan, diklasifikasikan sebagai:
Rata-rata sampel
N= julah sampel
Rata-rata untuk data berkelompok
• Apabila data sudah disajikan dalam data berkelompok seperti dalam bentuk tabel
frekuensi dimana observasi-observasi dikelompokan kedalam kelas-kelas yang
disebut frekuensi
Rata-rata= 3285/50=65,7
Median
c). 2, 3, 4, 4, 4, 5, 5, 7,
7, 7, 9.
Data
a) tidak mempunyai modus karena semua nilai mempunyai
frekuensi yang sama.
b) mempunyai modus = 9, karena nilai observasi ini
mempunyai frekuensi paling banyak.
c) Mempunyai dua modus yaitu 4 dan 7, dua nilai observasi
tersebut mempunyai frekuensi paling banyak dan sama
banyak.
• Modus untuk data yang disusun dalam bentuk kelas interval
(data berkelompok) bisa ditentukan berdasarkan nilai tengah
kelas interval yang memiliki frekuensi terbanyak
Mo = modus
b = batas bawah kelas interval dengan frekuensi terbanyak
p = panjang kelas interval
b1 = frekuensi terbanyak dikurangi frekuensi kelas sebelumnya
b2 = frekuensi terbanyak dikurangi frekuensi kelas sesudahnya
Contoh:
Dari hasil perhitungan didapat varians produksi dari 11 pohon pear adalah
sebesar 2.575,2 kg. sehingga standar deviasi produksinya adalah sebesar
50,75 kg.
Varians untuk data berkelompok
Quartiles
Ada tiga buah kuartil, yaitu K1, K2, dan K3. Pemberian
nama dimulai dari nilai kuartil yang paling kecil.
a. Data tunggal / tanpa frekuensi :
i ( n + 1)
Ki = nilai yang ke ; dimana i = 1, 2 dan 3 atau K1, K2 dan K3
4
i = menunjukkan kuartil ke berapa yang hendak dihitung
n = jml individu frek.
n/4 N - cfb
Kn = Bb + ( )x i
Fd
Kn : nilai kuartil yang dicari (K1, K2 atau K3)
Bb : batas bawah nyata dari interval yang mengandung kuartil
Cfb : frekuensi kumulatif dibawah interval yang mengandung kuartil
Fd : frekuensi dalam interval kelas yang mengandung kuartil
i : lebar interval/ lebar kelas
n/4 N : komponen yang menunjuk pada urutan kuartil.
Jika ¼ N artinya kuartil pertama
Contoh
Sampel data
27 30 28 29 22 25 24 23 24 25 27 31 21 26
Setelah disusun,
21 22 23 24 24 25 25 26 27 27 28 29 30 31
antara data ke-3 dengan ke-4 dan 0,75 unit jauhnya dari data ke-3
Antara data ke-11 dengan data ke-12 dan 0,25 unit jauhnya dari
data ke-11
Dengan demikian,
K3 = 28 + 0,25(29-28) = 28,25
Jenis Data
• Tabel : Kumpulan angka-angka yang disusun
menurut kategori-kategori
-1 ≤ r ≤ 1
-1 0 1
yˆ a bx
Arti dari nilai b:
Jika b positif, setiap kenaikan satu satuan variabel X akan menaikkan variabel Y sebesar b
satuan.
Jika b negatif, setiap kenaikan satu satuan variabel X akan menurunkan variabel Y sebesar
│b│ satuan.
Pada saat tidak terjadi aktivitas pada variabel X (x=0) maka variabel Y akan memiliki nilai
sebesar a (nilai a bisa positif atau negatif).
REGRESI LINEAR SEDERHANA
Contoh :
Ketika dilakukan penelitian pengaruh dari biaya promosi (juta rupiah)
terhadap pendapatan perusahaan (juta rupiah) didapatkan persamaan
regresi:
yˆ 112 5,925 x
Arti dari nilai 5,925:
Setiap kenaikan satu juta rupiah biaya promosi yang dikeluarkan, akan
menaikkan pendapatan perusahaan sebesar 5,925 juta rupiah.
Arti dari nilai 112:
Pada saat perusahaan tidak mengeluarkan biaya promosi, maka perusahaan
masih menerima pendapatan sebesar 112 juta rupiah.
Contoh:
Ketika dilakukan penelitian pengaruh dari usia mobil bekas (bulan) terhadap harga
jualnya (juta rupiah) didapatkan persamaan regresi:
yˆ 125 2,25 x
Arti dari nilai -2,25:
Setiap kenaikan satu bulan usia mobil, akan menurunkan harga jualnya sebesar 2,25 juta
rupiah.
Arti dari nilai 125:
Pada saat melakukan penjualan mobil baru (usia = 0 bulan), maka mobil tersebut akan
laku seharga 125 juta rupiah.
• Contoh kasus 2
Perusahaan shampo merek x ingin mngetahui
pengaruh iklan dan promosi penjualan
terhadap volume penjualan yg dilakukan toko-
toko pengecer. Untuk keperluan tersebut
diambil sampel berupa data biaya iklan,
promosi penjualan dan volumedari 15 toko
pengecernya
• Hipotesis
– Hipotesis 1
• Ho: β1 ≤ 0, tidak terdapat pengaruh positif iklan
terhadap volume penjualan
• H1: β1 > 0, terdapat pengaruh positif iklan terhadap
volume penjualan
– Hipotesis 2
• Ho: β1 ≤ 0, tidak terdapat pengaruh positif promosi
terhadap volume penjualan
• H1: β1 > 0, terdapat pengaruh positif promosi terhadap
volume penjualan
• Kriteria penerimaan:
– Ho diterima jika t hitung ≤ t tabel atau sig. > alpha (α)
– Ho diterima jika t hitung > t tabel atau sig. ≤ alpha (α)
Summary output
• Multiple R menunjukkan bahwa korelasi antara
variabel bebas dg variabel tergantung sebesar 0,944
yg berarti bahwa korelasi antara iklan dan promosi
penjualan terhadap volume penjualan sebesar 0,944
Nilai F= 49,215, dan ternyata tingkat kesalahan /probabilitas sebesar 1.64653E-06 yg berarti
lebih kecil dari 0,05. berarti variabel bebas secara simultan mampu menjelaskan perubahan
pd variabel tergantung atau model dinyatakan cocok atau fit
• Coefficients intersept: merupakan konstanta yg
artinya jika perusahaan tanpa melakukan iklan
dan promosi penjualan maka volume penjualan
akan sebesar 4,183