STATISTIK

Buku Acuan:

1. Gouri K. Battacharya and Richard A. Johnson. 2002.

Statistical Concepts & Methods.
2. Ronald E Walpole & Raymond H. Myers, Ilmu
Peluang & statistika Untuk insinyur & ilmuwan.
Penerbit ITB, Bandung.
PERTANYAAN MENDASAR
Apa yang dimaksud dengan “Statistik”?

Kapan dan dimana kita bisa menggunakan “Statistik”?

Mengapa perlu “Statistik”?

Bagaimana menggunakan “Statistik”?

Teknik/prosedur apa saja yang ada di dalam statistik?
PENGERTIAN STATISTIK
Asal kata “Statistic”:
Statia = catatan administrasi pemerintahan di US
Stochos = “anak panah” (bahasa Yunani), sesuatu yang
mengandung ketidakpastian

Pengertian:
Statistik = Data
Statistik = Ukuran Sampel
Statistik = Ilmu yang mempelajari cara pengumpulan
data, pengolahan data, analisis data serta penyajian
data sehingga menjadi suatu informasi yang berguna
bagi pengambilan keputusan
Apa yang bisa dilakukan statistika?
Membuat data lebih mudah untuk dikelola
Grup bilangan:
6, 1, 8, 3, 5, 4, 9
Rata-rata: 36/7 = 5 1/7
Gambar grafik:
JENIS STATISTIKA
Statistika Deskriptif
Menggambarkan keadaan data apa adanya melalui
parameter-parameter seperti mean, median, modus,
distribusi frekuensi dan ukuran statistik lainnya. 

Statistika Inferensial
Sebuah set prosedur dan aturan untuk mengambil
sebagian dari sekumpulan data yang jumlahnya besar
agar dapat diperoleh proporsi data yang bisa dikelola,
dan yang memungkinkan kita untuk mengambil
kesimpulan dari data tersebut.
Terminologi Dasar
Meringkas (Summarizing) (pada Statistika Deskriptif)
versus Menganalisis (Analyzing) (pada Statistika
Inferensial)
Statistika Deskriptif
Statistika Inferensial
 Inferensi dari sampel ke populasi
 Inferensi dari statistik ke parameter
 Faktor –faktor yang mempengaruhi akurasi dari
kemampuan sebuah sampel untuk merepresentasikan
(mewakili) sebuah populasi:
 Ukuran sampel
 Keacakan (randomness)
Proses Sampling dan
Pengambilan Keputusan dalam
Statistika Inferensial
Population Random Sample Uji Hipotesis

Statistic Apakah rata-

Mean, 
X = 50 rata populasi
(Parameter) adalah sama
dengan 50?
Sample

Proses
Sampling
CONTOH PENGGUNAAN
STATISTIKA
Akuntansi (Accounting)
Perusahaan akuntan publik seringkali menggunakan
prosedur pengambilan sampel (contoh) yang
memenuhi kaidah-kaidah statistik ketika melakukan
audit terhadap kliennya.

Keuangan (Finance)
Penasehat keuangan menggunakan berbagai jenis
informasi statistik, termasuk price-earnings ratio dan
hasil dividen, untuk membantu dalam memberikan
rekomentasi investasi.
CONTOH PENGGUNAAN
STATISTIKA (Lanjutan)
Pemasaran (Marketing)
Pengambilan sampel masyarakat sebagai calon
konsumen untuk diminta pendapat tentang produk yang
akan diluncurkan oleh suatu perusahaan seringkali
menggunakan kaidah statistik.

Ekonomi
Para ahli ekonomi menggunakan prosedur statistik
dalam melakukan peramalan tentang kondisi
perekonomian pada masa yang akan datang.
DATA, VARIABEL, &
KONSTANTA
 Data adalah sekumpulan datum yang berisi fakta-fakta
serta gambaran suatu fenomena yang dikumpulkan,
dirangkum, dianalisis dan selanjutnya
diinterpretasikan.

 Variabel adalah karakteristik data yang merupakan

besaran yang nilainya berubah-ubah.

 Konstanta adalah karakteristik data yang merupakan

besaran yang nilainya tetap.
Data Menurut Jenisnya
“Data Kuantitatif” “DataKualitatif”
Melibatkan pengukuran Menggambarkan sifat
atau penghitungan (nature) dari sebuah hal
Data dalam bentuk Menjawab pertanyaan
numerik “Apa” atau “Jenis yang
Menjawab pertanyaan bagaimana”
“Berapa besar dan Sering bersifat evaluatif
berapa banyak” dan ambigu
Objektif dan
menghasilkan
kesimpulan yang tidak
ambigu
DATA MENURUT SKALA
PENGUKURAN
a. Nominal, sifatnya hanya untuk membedakan antar
kelompok.
Contoh: Jenis kelamin,
Jurusan dalam suatu sekolah tinggi
(Manajemen, Akuntansi).
b. Ordinal, Bagian lain dari data kontinum adalah data
ordinal. Data ini, selain memiliki nama (atribut), juga
memiliki peringkat atau urutan. Angka yang diberikan
mengandung tingkatan.
DATA MENURUT SKALA
PENGUKURAN (L)
(Ordinal, lanjutan)
Contoh:
Tingkat pendidikan (SD, SMP, SMA),
Skala perusahaan (besar, sedang).
DATA MENURUT SKALA
PENGUKURAN (L)
c. Interval,
Skala pengukuran Interval adalah skala yang mempunyai
semua sifat yang dipunyai oleh skala pengukuran nominal,
dan ordinal ditambah dengan satu sifat tambahan.

Dalam skala interval:
- Data dapat dibedakan antara yang satu dengan yang
lainnya.
-  Dapat dirangking,
- Perbedaan (jarak/interval) antara data yang satu dengan
data yang lainnya dapat diukur.
- Ciri khusus: Skala interval tidak memiliki titik nol yang
absolut.
DATA MENURUT SKALA
PENGUKURAN (L)
 Interval, contoh: temperatur atau suhu.
Empat buah benda A, B, C, dan D masing-masing bersuhu 20. 30,
60, dan 70 derajat Celcius,
Merupakan skala pengukuran interval:
Dapat dibedakan,dirangking, dapat diukur perbedaan antara satu
data dengan data lainnya. Perbedaan data suhu 20 derajat dengan
benda 30 derajat misalnya, dapat dihitung sebesar 10 derajat.
Namun dalam skala interval, tidak ada nilai / titik nol absolut,
sehingga dengan ketiadaan nilai nol absolut ini tidak mungkin kita
melakukan perbandingan antara satu data interval dengan data
interval yang lainnya.
Contoh: 0 (nol) derajat Celcius bukan berarti (bukan
menunjukkan) tidak adanya energi panas dari sebuah suhu.
Sehingga, kita tidak dapat mengatakan bahwa suhu 10 derajat
Celcius adalah sepuluh kali lebih panas daripada suhu 1 derajat
Celcius.
Demikian juga, kita tidak dapat menyatakan bahwa 10 derajat
Celcius adalah minus (-) sepuluh kali lebih panas daripada suhu
minus satu (-1 ) derajat Celcius.
DATA MENURUT SKALA
PENGUKURAN (L)
d. Rasio, Skala rasio merupakan skala yang paling
tinggi peringkatnya. Semua sifat yang ada dalam
skala terdahulu dipunyai oleh skala rasio. Sebagai
tambahan, dalam skala ini, rasio (perbandingan)
antar satu data dengan data yang lainnya
mempunyai makna. Berbeda dengan interval,
skala rasio mempunyai titik nol yang mutlak.

F. Teknik Kukuh Winraso SSi, M.T.

DATA MENURUT SKALA
PENGUKURAN (L)
Contoh : Data mengenai berat adalah data yang
berskala rasio. Dengan skala ini kita
dapat mengatakan bahwa data berat badan 80 kg
adalah 10 kg lebih berat dari yang 70 kg, dan juga
kita dapat mengatakan bahwa data 80 kg adalah 2x
lebih berat dari data 40 kg. 
0 (nol) kg menyatakan tidak adanya berat dari
sebuah objek. Tidak ada data berat yang bernilai
negatif, sehingga titik nol dalam dimensi berat
adalah mutlak / absolut.
JENIS DATA MENURUT
SIFATNYA
1. Kualitatif
 Berupa label/nama-nama yang digunakan untuk
mengidentifikasikan atribut suatu elemen
 Skala pengukuran: Nominal atau Ordinal
 Data bisa berupa numeric atau nonnumeric

2. Kuantitatif
 Mengindikasikan seberapa banyak (how
many/diskret atau how much/kontinu)
 Data selalu numeric
 Skala pengukuran: Interval dan Rasio
JENIS DATA MENURUT
WAKTU PENGUMPULANNYA
1. Cross-sectional Data
yaitu data yang dikumpulkan pada waktu tertentu
yang sama atau hampir sama
Contoh: Jumlah mahasiswa UTM TA 2005/2006,
Jumlah perusahaan go public tahun 2006

2. Time Series Data

yaitu data yang dikumpulkan selama kurun
waktu/periode tertentu
Contoh: Pergerakan nilai tukar rupiah dalam 1 bulan,
Produksi Padi Indonesia tahun 1997-2006
CARA PENYAJIAN DATA
1. Tabel
 Tabel satu arah (one-way table)
 Tabulasi silang (lebih dari satu arah (two-way table),
dst.)
 Tabel Distribusi Frekuensi

2. Grafik
 Batang (Bar Graph), untuk perbandingan/pertumbuhan
 Lingkaran (Pie Chart), untuk melihat perbandingan
(dalam persentase/proporsi)
 Grafik Garis (Line Chart), untuk melihat pertumbuhan
 Grafik Peta, untuk melihat/menunjukkan lokasi
MANFAAT
TABEL DAN GRAFIK
 Meringkas/rekapitulasi data, baik data kualitatis
maupun kuantitatif
 Data kualitatif berupa distribusi Frekuensi, frekuensi
relatif, persen distribusi frekuensi, grafik batang,
grafik lingkaran.
 Data kuantitatif berupa distribusi frekuensi, relatif
frekuensi dan persen distribusi frekuensi,
diagram/plot titik, histogram, distribusi kumulatif,
ogive.
 Dapat digunakan untuk melakukan eksplorasi data
 Membuat tabulasi silang dan diagram sebaran data
DISTRIBUSI FREKUENSI
Merupakan tabel ringkasan data yang menunjukkan
frekuensi/banyaknya item/obyek pada setiap kelas
yang ada.

Tujuan: mendapatkan informasi lebih dalam tentang

data yang ada yang tidak dapat secara cepat diperoleh
dengan melihat data aslinya.
CONTOH DISTRIBUSI FREKUENSI,
DATA KUALITATIF
 Data Kualitatif
 Tamu yang menginap di Hotel Marada Inn ditanya
pendapat mereka tentang akomodasi yang
tersedia. Jawaban dikategorikan menjadi baik
sekali (E), diatas rata-rata (AA), rata-rata (A), di
bawah rata-rata (BA), dan buruk (P). Data dari 20
tamu yang menginap diperoleh sebagai berikut:
BA A AA AA AA
AA AA BA BA A
P P AA E AA
A AA A AA A
Tabel Distribusi Frekuensi
 Tabel Distribusi Frekuensi
(Contoh: Hotel Marada Inn)

Frekuensi Persen
Rating Pendapat Frekuensi
Relatif Frekuensi
Baik Sekali (E) 2 0,10 10
Di atas Rata-rata (AA) 3 0,15 15
Rata-rata (A) 5 0,25 25
Di Bawah Rata-rata (BA) 9 0,45 45
Buruk (P) 1 0,05 5
Total 20 1,00 100
GRAFIK BATANG
 Grafik Batang (Contoh: Hotel Marada Inn)
9
8
7
Frekuensi

6
5
4
3
2
1
Rating
Buruk Di Bawah Rata- Di Atas Baik Pendapat
Rata-rata rata Rata-rata Sekali
GRAFIK BATANG
(BAR GRAPH)
Bermanfaat untuk merepresentasikan data kuantitatif
maupun kualitatif yang telah dirangkum dalam frekuensi,
frekuensi relatif, atau persen distribusi frekuensi.
Cara:
 Pada sumbu horisontal diberi label yang menunjukkan
kelas/kelompok.
 Frekuensi, frekuensi relatif, maupun persen frekuensi
dinyatakan dalam sumbu vertikal yang dinyatakan dengan
menggunakan gambar berbentuk batang dengan lebar
yang sama/tetap.
Grafik Lingkaran
 Grafik Lingkaran (Contoh: Hotel Marada Inn)
Baik Sekali Buruk
5%
10%

Di bawah
Di atas 15%
45% Rata-rata
Rata-rata

25%
Rata-rata

Kategori Rating Pendapat

GRAFIK LINGKARAN
(PIE CHART)
Digunakan untuk mempresentasikan distribusi
frekuensi relatif dari data kualitatif maupaun data
kuantitatif yagn telah dikelompokkan.
Cara:
 Gambar sebuah lingkaran, kemudian gunakan frekuensi
relatif untuk membagi daerah pada lingkaran menjadi
sektor-sektor yang luasnya sesuai dengan frekuensi
relatif tiap kelas/kelompok.
 Contoh, bila total lingkaran adalah 360o maka suatu kelas
dengan frekuensi relatif 0,25 akan membutuhkan daerah
seluas (0,25)(360) = 90o dari total luas lingkaran.
CONTOH DISTRIBUSI FREKUENSI
DATA KUANTITATIF
 Data Kuantitatif
 Manajer Bengkel Hudson Auto berkeinginan melihat
gambaran yang lebih jelas tentang distribusi biaya
perbaikan mesin mobil. Untuk itu diambil 50 pelanggan
sebagai sampel, kemudian dicatat data tentang biaya
perbaikan mesin mobilnya ($). Berikut hasilnya:

91 78 93 57 75 52 99 80 97 62
71 69 72 89 66 75 79 75 72 76
104 74 62 68 97 105 77 65 80 109
85 97 88 68 83 68 71 69 67 74
62 82 98 101 79 105 79 69 62 73
PROSEDUR PEMBUATAN TABEL DISTRIBUSI
FREKUENSI, DATA KUANTITATIF
 Tentukan data Max & dat Min
 Dimana R = Data Max - data Min
 Petunjuk Penentuan Jumlah Kelas
 Gunakan ukuran banyaknya kelas (k) antara 5 s.d. 20,
atau menggunakan formula k = 1 + 3,3 log n.
n = banyaknya sampel
 Data dengan jumlah besar memerlukan kelas yang lebih
banyak, dan sebaliknya.
 Petunjuk Penentuan Lebar Kelas (i)
 Gunakan kelas dengan lebar sama.
Nilai data terbesar - nilai data terkecil = R/k
 Lebar kelas dapat didekati dengan rumus berikut:
Banyaknya kelas
PEMBUATAN TABEL DISTRIBUSI
FREKUENSI BENGKEL HUDSON AUTO
 Jika banyaknya kelas 6, maka lebar kelas = 9,5 ≈ 10
 Tabel distribusi frekuensi diperoleh:

Frekuens Frekuensi Frekuensi Frek. Relatif

Biaya ($)
i relatif kumulatif Kumulatif
49.5 – 59.5 2 0,04 2 0,04
59.5 – 69.5 13 0,26 15 0,30
69.5 – 79.5 16 0,32 31 0,62
79.5 – 89.5 7 0,14 38 0,76
89.5 – 99.5 7 0,14 45 0,90
99.5 – 109.5 5 0,10 50 1,00
Total 50 1,00
ANALISIS TABEL DISTRIBUSI
FREKUENSI
 Bengkel Hudson Auto
 Hanya 4% pelanggan bengkel dengan biaya
perbaikan mesin $50-59.
 30% biaya perbaikan mesin berada di bawah $70.
 Persentase terbesar biaya perbaikan mesin
berkisar pada $70-79.
 10% biaya perbaikan mesin adalah $100 atau lebih.
Histogram Bengkel Hudson Auto
18
18
16
16
14
14
Frekuensi

12
12

10
10
88

66
44
22
Biaya
Biaya
($)
($)
50
50 60
60 70
70 80
80 90
90 100
100 110
110
DISTRIBUSI FREKUENSI RELATIF
Merupakan fraksi atau proporsi frekuensi setiap kelas
terhadap jumlah total.

Distribusi frekuensi relatif merupakan tabel ringkasan

dari sekumpulan data yang menggambarkan
frekuensi relatif untuk masing-masing kelas.
DISTRIBUSI FREKUENSI RELATIF
OGIVE
 Merupakan grafik dari distribusi frekuensi kumulatif.
 Nilai data disajikan pada garis horisontal (sumbu-x).
 Pada sumbu vertikal dapat disajikan:
– Frekuensi kumulatif, atau
– Frekuensi relatif kumulatif, atau
– Persen frekuensi kumulatif
 Frekuensi yang digunakan (salah satu diatas)masing-
masing kelas digambarkan sebagai titik.
 Setiap titik dihubungkan oleh garis lurus.
OGIVE
Contoh: Bengkel Hudson Auto

100
100
Persentase Kumulatif

80
80

60
60

40
40

20
20
Biaya
Biaya
($)
($)
50
50 60
60 70
70 80
80 90
90 100
100 110
110
DIAGRAM BATANG-DAUN (Steam and Leaf)
Contoh: Bengkel Hudson Auto

5 2 7
6 2 2 2 2 5 6 7 8 8 8 9 9 9
7 1 1 2 2 3 4 4 5 5 5 6 7 8 9 9 9
8 0 0 2 3 5 8 9
9 1 3 7 7 7 8 9
10 1 4 5 5 9
 Kegunaan:
– Data tersusun secara berurutan
– Dapat menunjukkan bentuk distribusi data
– Seperti Histogram, namun sekaligus menunjukkan
data sebenarnya
TABULASI SILANG
Tabulasi silang (Crosstabulation) merupakan metode
tabulasi untuk merangkum data dengan dua atau lebih
variabel secara bersamaan/sekaligus.
Tabulasi silang dapat digunakan jika:
Salah satu variabel bersifat kualitatif dan lainnya
kuantitatif
Kedua variabel berupa variabel kualitatif
Kedua variabel berupa variabel kuantitatif
Sisi (kolom) sebelah kiri dan baris atas menyatakan
kelas untuk kedua variabel yang digunakan.
CONTOH TABULASI SILANG

F. Teknik Kukuh Winraso SSi, M.T.

DIAGRAM SCATTER
(DIAGRAM PENCAR)
Diagram scatter (scattered diagram) merupakan
metode presentasi secara grafis untuk
menggambarkan hubungan antara dua variabel
kuantitatif.
Salah satu variabel digambarkan pada sumbu
horisontal dan variabel lainnya digambarkan pada
sumbu vertikal.
Pola yang ditunjukkan oleh titik-titik yang ada
menggambarkan hubungan yang terjadi antar variabel.
POLA HUBUNGAN PADA
DIAGRAM SCATTER
y y y

x x x

Hubungan Positif Hubungan Negatif Tidak ada hubungan

Jika X naik, maka Jika X naik, maka antara X dan Y
Y juga naik dan Y akan turun dan
jika X turun, maka jika X turun, maka
Y juga turun Y akan naik
 Data

Data Kualitatif Data Kuantitatif

Metode Metode Metode Metode

Tabel Grafik Tabel Grafik

 Distr. Frekuensi  Grafik  Distr. Frekuensi  Plot Titik

 Distr. Frek. Batang  Distr. Frek. Relatif  Histogram
Relatif  Grafik  Distr. Frek. Kum.  Ogive
 % Distr. Frek. Lingkaran  Distr. Frek. Relatif Kum.  Diagram
 Tabulasi silang  Diagram Batang-Daun Scatter
 Tabulasi silang
 SEKIAN &
SEE YOU NEXT SESSION