P. 1
Statistika 1

Statistika 1

|Views: 1,864|Likes:
Published by Saepullah Mansur

More info:

Published by: Saepullah Mansur on Jun 14, 2010
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

04/30/2013

pdf

text

original

Statistika 1 (Deskriptif

)

r

STATISTlKA 1 (DESKRIPTIF)

01eh

: Bambang Kustituanto Rudy Badrudin

: QX Graphic Design

Design & Lay Out

Diterbitkan pertama kali oleh Gunadarma ® Hak Cipta dilindungi undang-undang Jakarta 1994

Dattar lsi

BABIPENDAHULUAN

1

1.1 DEFINISI ST A TISTIKA

1

1.2 PERKEMBANGAN PEMAKAIAN STATISTIKA

2

1.3 STATISTIKA DESKRIPTIP DAN STATISTIKA INFERENSIAL

3

1.4 POPULASI DAN SAMPEL

4

BAB II MENGHIMPUN DATA

7

2.1 PENDAHULUAN

7

2.2 KARAKTERISTIK-KARAKTERISTIK SERANGKAIAN DATA

7

2.3 MENGHIMPUN DATA MELALUI PENELITIAN SURVEI

8

2.3.1 TIPE-TIPE DATA

9

2.3.2 SKALA PENGUKURAN

9

2.4 MENYUSUN KUESIONER

10

2.5 PEMILIHAN SAMPEL

12

2.5.1 PROSES SAMPLING

17

2.5.2 PROSEDUR SAMPLING

18

2.5.3 SAMPLING NON-PROBABILITAS

19

2.5.4 SAMPLING PROBABILITAS

20

2.6 KESALAHAN DALAM SURVEI

22

BAB III PENY AJIAN DATA

25

3.1 DATA YANG DIURUTKAN 25

3.2 DISTRIBUSI FREKUENSI 26

3.2.1 DISTRIBUSI FREKUENSI DENGAN INTERVAL KELAS SAMA 26

3.2.2 DISTRIBUSI FREKUE~SI DENGAN INTER V AL KELAS TIDAK SAMA 33

3.2.3 DISTRIBUSI FREKUENSI DENGAN KELAS TERBUKA

--------. --~-------- -----

3.2.4 DISTRIBUSI FREKUENSI RELA TIP

3.3 HISTOGRAM DAN POUGON FREKUENSI

3.3.1 HISTOGRAM FREKUENSI

3.3.2 POUGON FREKUENSI 39

3.3.3 KURV A FREKUENSI 39

3.4 DISTRIBUSI FREKUENSI KUMULATIP DAN OGIVE 41

-- ---- ---------------- -----------

3.4.1 DISTRIBUSI FREKUENSI KUMULATIP 41

3.4.2 OGIVE

43

---

45

45

3.5 BENTUK PENY AJIAN YANG LAIN 3.5.1 DIAGRAM BAT ANG

3.5.2 GARIS

3.5.3 DIAGRAM UNGKARAN 48

3.6 HASIL CET AK KOMPUTER

BAB IV_UKURAN PUSAT DATA

4.1 PENDAHULUAN

4.2' RATA-RATA HITUNG

4.2.1 RATA-RATA DARI DATA YANG BELUM DIKELOMPOKKAN 4.2.2 RATA-RATA DARI DATA YANG TELAH DIKELOMPOKKAN

4.3 MEDIAN

------------

4.3.1 MEDIAN DARI DATA YANG BELUM DIKELOMPOKKAN

4.3.2 MEDIAN DARI DATA YANG TELAH DIKELOMPOKKAN

----

4.4 MODE

4.4.1 MODE DARI DATA YANG BELUM DIKELOMPOKKAN 4.4.2 MODE DARI DATA YANG TELAH DIKELOMPOKKAN

4.5 HUBUNGAN ANTARA RAtA-RATA, MEDIAN, DAN MODE

4.6 KUARTIL, DESIN, DAN PERSENTIL

4.6.1 KUARTIL

4.6.2 DESIL DAN I>ERSENTIL

4.7 RATA-RATA TERTIMBANG

4.8 RATA-RATA GEOMETRIK

35

35

36

36

47

50

56

56 56 57 63 69 69 72 74 74 75

78 83

83 85

87 91

BAB V UKURAN V ARIABILIT AS

94

5.1 PENDAHULUAN

94

5.2 JANGKAUAN, INTER-KUARTIL, DAN DEVIASI KUARTIL

95

5.2.1 JANGKAUAN

95

5.2.2 INTER-KUARTIL

96

5.2.3 DEVIASI KUARTIL

97

5.3 DEVIASI RATA-RATA

98

5.3.1 DEVIASI RATA-RATA DARI DATA YANG BELUM DIKELOMPOKKAN 98 5.3.2 DEVIASI RATA-RATA DARI DATA YANGTELAHDIKELOMPOKKAN 101

5.4 V ARIASI DAN SIMP ANGAN BAKU

104

5.4.1 V ARIASI DARI DATA YANG BELUM DIKELOMPOKKAN 104

5.4.2 V ARIASI DARI DATA YANG TELAH DIKELOMPOKKAN 107

5.4.3 SIMP ANGAN BAKU DARI DATA YANG BELUM DIKELOMPOKKAN 110

5.4.4 SIMPANGAN BAKU DAR! DATA YANG TELAH DIKELOMPOKKAN 111

5.4.5 HUKUM BIENA YME-CHEBYSHEV 112

5.5.5 KOEFISIEN V ARIAS I 113

BAB VI ANGKA INDEKS 115

6.1 ANGKA INDEKS SEDERHANA (UNTUK KOMODITI TUNGGAL) 115

6.2 ANGKA INDEKS GABUNGAN (UNTUK SEJUMLAH KOMODITI) 122

6.3 PENGUJIAN ANGKA INDEKS 128

6.4 PERUBAHAN TAHUN DASAR ANGKA INDEKS 131

~~--~----------------~

132

~~~---~---

6.5 PENDEFLASIAN RUNTUT W AKTU DENGAN INDEKS HARGA

BAB VII TREND SEKULER (SECULER TREND)

134

7.1 POLA DASAR PERGFRAKAN RUNTUT WAKTU 134

~~~~~~~~~~~~~~~--

7.2 TREND GARIS LURUS (STRAIGHT LINE TRENDS) 138

~~~~~~~~~~~~~~---

7.3 TREND NON LINIER 154

~--~

7.4 PENGUKURAN TREND DENGAN LOGARITMA 163

--~---------~~---~~~~~~~~~~~~~~~-

7.5 PEMILIHAN METODE TREND YANG TEPAT 171

~~~~--~~~~--~--~~-

7.6 PERUBAHAN PERSAMAAN TREND 174

-~~-~~~--~~~--~~~-----

BAB VIII V ARIAS I MUSIM

181

8.1 PENENTUAN V ARIASI MUSIM

181

8.2 METODE RATA-RATA SEDERHANA DARI DATA ASLI

184

8.3 METODE RATA-RAT A SEDERHANA YANG DISESUAIKAN DENGAN TREND 187

8.4 METODE RASIO UNTUK RATA-RATA BERGERAK

190

8.5 ANALISIS PERUBAHAN POLA MUS 1M

197

8.6 PENGGUNAAN INDEKS MUSIM

201

BAB IX GERAK SIKLIS DAN GERAK YANG TIDAK BERATURAN 204

9.1 MENGUKUR GERAK SIKLIS DARI DATA TAHUNAN

204

9.2 PENGUKURAN GERAK SIKLIS DARI DATA YANG KURANG DARI1TAHUN

206

9.3 MENGUKUR GERAK TAK BERATURAN DARI DATA YANG KURANG DARI 1 TAHUN

216

9.4 PENGGUNAAN GERAK SIKLIS DAN GERAK TAK BERATURAN

218

BAB X REGRESI DAN KORELASI LINIER ANALISIS

SECARA UMUM 222

10.1 ISTILAH DALAM ANALISIS HUBUNGAN 223

10.2 PERSAMAAN DAN GARIS REGRESI 224

10.3 STANDAR DEVIASI REGRESI (THE STANDAR ERROR OF ESTIMATE) 228

lOA KOEFISIEN DETERMINASI (R2) DAN KOEFISIEN KORELASI (R) 231

10.5 DATA YANG DIKELOMPOKKAN 239

BAB XI REGRESI DAN KORELASI LlNIER ANALISIS SAMPLING 245

11.1 MODEL REGRESI LlNIER UNTUK POPULASI 245

11.2 ESTIMASI GARIS REGRESI POPULASI 249

11.3 ESTIMASI ST ANDAR DEVIASI REGRESI POPULASI 251

1104 INTERV AL ESTIMASI UNTUK oYX 253

11.5 INTERVAL ESTIMASI UNTUK NILAI Y INDIVIDUAL 256

11.6 ESTIMASI KOEFISIEN DETERMINASI p~ DENGAN r 259

11.7 PENGUJIAN HIPOTESIS - KOEFISIEN POPULASI P = po

DENGAN TRANSFORMASI Z 262

11.8 PENGUJIAN HIPOTESIS - KOEFISIEN POPULASI P = po

DENGAN ANALISIS V ARIANS 263

11.9 MENGUJI HIPOTESIS - KOEFISIEN REGRESI POPULASI B = 0 267

BAB XII REGRESI DAN KORELASI NON LINIER 269

12.1 KURVAPARABOLAPANGKATDUA 269

12.2 MENGGAMBAR SMOOTH CURVE SECARA BEBAS 277

.

12.3 DATA YANGDIKELOMPOKKAN 277

12.4 MENYELESAIKAN PERSAMAAN LINIER DENGAN MATRIKS AUABAR 283

BAB XIII KORELASI BERGANDA, KORELASI PARSIAL,

DAN KOREI.:ASI JENJANG 295

13.1 REGRESI DAN KORELASI LlNIER BERGANDA 295

13.2 KORELASI PARSIAL 305

13.3 KORELASI JENJANG 307

BAB XIV SOAL LA TIHAN 310

14.1 PENYAJIAN DATA 310

14.2 UKURAN PUSAT DATA 311

14.3 UKURANVARIABILITAS 315

14.4 ANGKA INDEKS 319

14.5 ANALISIS RUNTUT WAKTU, REGRESI, DAN KORELASI 321

.DAFTAR PUSTAKA LAMPIRAN TABEL

Prakata

Sejalan dengan perkembangan zaman, orang cenderung memilih jalan atau cara yang efisien untuk memperoleh hasil yang maksimal. Demikian pula halnya dengan orang yang sedang mempelajari materi Statistika Deskriptif, ingin memahami konsep dengan cara yang mudah dan cepat dan mendapatkan hasil yang maksimal. Atas dasar pemikiran tersebut penulis menyusun buku materi Statistika Deskriptif ini dengan urutan: Konsep, Berbagai tipe soal terkait yang disertai uraian penyelesaian, dan berbagai tipe soal terkait yang digunakan sebagai bahan evaluasi.

Buku Statistika Deskriptif ini merupakan salah satu dari Serangkaian seri diktat kuliah yang diterbitkan oleh Penerbit Gunadarma, yang ditujukan terutama bagi mahasiswa yang sedang menempuh mata kuliah Statistika Deskriptif.

Penulis membagi isi buku ini ke dalam 14 Bab. Bab 1 sampai bab l3 menguraikan tentang isi materi Statistika Deskriptif, dan pada bab terakhir (Bab 14) disajikan berbagai bentuk soallatihan. Materi yang dibahas dalam Bab 1 sampai dengan Bab 13 adalah materi yang berkenaan dengan konsep dasar ilmu Statistika Deskriptif.

Penulis dapat menyelesaikan penyusunan buku ini atas arahan dan dorongan dari banyak sahabat. Untuk itu penulis menyampaikan rasa terima kasih yang sebesar-besarnya. Kepada Penerbit Gunadarma yang telah bersedia menerbitkan buku ini kami sampaikan terima kasih pula.

Untuk menjadikan buku ini lebih baik, saran dari pembaca dan atau pemakai akan penulis terima dengan senang hati. Walaupun ada kekurangan-kekurangan, penulis berharap semoga buku ini bermanfaat.

Terima kasih atas kesediaan membaca dan atau menggunakan buku ini.

Pebruari 1994 Penulis

Bambang Kustiatuanto Rudy Badrudin

8ab I Pendahuluan

1.1 DEFINISI STATISTIKA

a. .••••.•••• Pertama-tama untuk menabung dengan saldo sampai Rp5.000.000,OO bunganya dibebaskan dari pajak. Jika jumlahnya melebihi Rp5.000.000,OO bank ditugaskan langsung memotong pajak 15 % dari seluruh bunga simpanan nasabahnya •••••.•.••• (TEMPO, No. 16, Th. XIX, hal 90).

b. • ••••.••.• Mulai Senin depan (30 Oktober 1989 -10 Nopember 1989) hampir 60.000.000 (persisnya 59.888.100) Iembarsaham pabrlk semen Tiga Roda ito akan dilemparkan di Bursa Efek Jakarta .•.•••.••• (TEMPO, No. 35, Th. XIX, hal 90).

c. • ••••••••• 7 ribu rumah susun akan dibangun di bekas Bandara Kemayoran •••••••••• (SUARA PEMBAHARUAN, Senin 30 Oktober 1989, hal II).

Tiga petikan berita tersebut merupakan contoh informasi statistika yang banyakdiberitakan di' berbagai media massa. Di berbagai kegiatan bisnis khususnya, informasi-informasi semacam itu dihimpun secara terus menerus yang selanjutnya diproses, dianalisis, dan digunakan dalam pembuatan keputusan yang. rasional.

Semula, statistika memiliki pengertian tentang segala sesuatu yang berkaitan dengan informasi numerikal. Akan tetapi, dalam perkembangannya statistika memiliki pengertian yang lebih luas yang tidak sekedar berbicara ten tang informasi numerikal. Banyak definisi statistika yang dikemukakan di berbagai buku teks yang pada dasarnya sarna. Dalarn buku ini statistika didefinisikan sebagai:

ilmu danseni -adajuga yangmengatakansebagai teknik -tentangpengumpuian data, penyajian data, analisis data dan pengambilan kesimpulan data yang berhasil dihimpun terse but.

Seringkali kata stat.jstika dikacaukan dengan kata statistik untuk pengertian yang sarna.

Sebenarnya, kedua kata tersebut merupakan terjemahan dari dua kata yang memiliki pengertian yang berbeda sekali, yaitustatistics dan statistic. Statistics diterjemahkan menjadi statistika dan statistic diterjemahkan menjadi statistik. Akan semakin jelas perbedaan kedua istilah tersebut jika telah sampai pada pembahasan seksi 104. Sebagai metodologi, dalam buku ini akan digunakan istilah statistika,

1.2 PERKEMBANGAN PEMAKAIAN STATISTIKA

Sebagai sesuatu yang berkenaan dengan data numerikal, sebenarnya statistika sudah banyak digunakan oleh banyak negara, misalnya untuk mendaftar jumlah penduduk, perpajakan, pencatatan personel militer, dan lain sebagainya.

Dengan semakin berkembangnya jaman, dewasa ini penggunaan statistika sudah semakin meluas di berbagai bidang kegiatan. Statistika tidak lagi hanya digunakan untuk kepentingan pemerintahan saja melainkan meluas sampai pada bidang bisnis, ekonomi, kedokteran, pendidikan, dan lain sebagainya.

Di dunia bisnis dan ekonomi, masalah ketidakpastian merupakan masalah yang senantiasa dihadapi oleh para pelaku bisnis dan ekonomi, seperti; memilih satu atau sejumlah saham yang ditawarkan di bursa saham; memprediksi volume dan nilai penjualan untuk periode yang akan datang; menilai kelayakan suatu usulan investasi dan lain sebagainya. Berikut ini disajikan dua contoh ten tang penggunaan statistika di bidang bisnis dan ekonomi.

Contoh 1:

Sampai akhir dekade sembilanpuluhan, perkembangan pasar modal di Indonesia sudah demikian pesatnya. Perusahaan-perusahaan yang go public sudah demikian banyaknya. Sampai bulan Juli 1993, jumlah perusahaan yang telah go public sudah mencapai 204 perusahaan dengan jumlah dana Rp16.765.913 juta, terbagi atas saham (168 perusahaan dengan nilai RpRpl1.854.l62 juta) dan obligasi (36 perusahaan dengan nilai Rp4.9l1.75l juta). Hampir setiap edisi, beberapa media cetak utama mempublikasikan prospektus sebuah perusahaan yang go public. Pempublikasiannya, seringkali disertai dengan informasiinformasi numerikal ten tang perusahaan bersangkutan, misalnya, pangsa pasar yang dikuasainya, perkembangan volume dan nilai penjualan, perkembangan kapasitas produksi, prospek nilai penjualan di mas a yang akan datang, dan lain sebagainya. Dalam hal ini, calon investor hams pandai-pandai menganalisis informasi yang disajikan dalam prospektus tersebut. Tidak cukup hanya dengan informasi yang tersedia saja, calon investor pun harus dapat menggali informasi lain yang tidak disediakan oleh prospektus terse but.

Contoh 2:

Sudah selayaknya bahwa setiap perusahaan hams dapat menyusun anggarannya untuk setiap tahunnya, kendati dalam praktik masih banyak perusahaan-perusahaan yang belum membuat anggarannya. Menyusun anggaran sebenarnya berarti menetapkan sesuatu yang belum terjadi. Berapa volume dan nilai penjualan untuk periode yang akan datang; berapa volume produksi untuk peri ode yang akan datang; berapa rupiah yang hams dikeluarkan untuk pembelian bahan baku, membayar tenaga kerja, biaya overhead pabrik, merupakan pertanyaan-pertanyaan yang hams dapat dijawab dalam bentukanggaran. Pimpinan perusahaan tidak dapat begitu saja dalam menjawab pertanyaan di atas. Misalnya, menetapkan volume penjualan, pimpinan perusahaan harus mengkaitkannya dengan pol a penjualan periodeperiode yang lalu; mengkaitkannya dengan kekuatan pesaing; mengkaitkan dengan perkembangan permintaan; mengkaitkan berbagai faktor yang dapat mempengamhi volume penjualan baik secara lang sung maupun tidak. Di sini, statistika dapat digunakan untuk

2

membantu pimpinan perusahaan dalam mengambil keputusan, misaInya dengan menggunakan analisis puntut waktu dan analisis regresi-korelasi. Apakah statistika merupakan alat bantu yang demikian penting sehingga tanpanya, keputusan yang dibuat tidak akan mencapai hasil yang optimal? Tidak. Kadang-kadang hal-hal yang berkaitan dengan seni yang tentu saja tidak dapat dikuantifisir, dapat berpengaruh dalam proses pengambilan keputusan.

1.3 STATISTIKA DESKRIPT/P DAN STATISTIKA INFERENSIAL

Statistika dibedakan menjadi dua bagian, yaitu statistika deskriptip dan statistika inferensial.

Statistika deskriptip adalah serangkaian teknik yang meliputi teknik pengumpulan, penyajian, dan peringkasan data.

Contoh 3:

Jumlah karyawan PT Balapan Indah yang bekerja pada departemen produksi hingga akhir tahun 1989 berjumlah 200 orang. Untuk mengetahui tingkat ketidakhadiran karyawan selama satu tahun, pimpinan dapat melihat daftar karyawan yang tidak hadir yang disediakan oleh departemen personalia. Petikan daftar tersebut, misalnya, adalah sebagai berikut:

Tabel1.1

Daftar Karyawan yang Tidak Hadir pada Departemen Produksi PT Balapan Indah Tahun 1993

No. Nama .Jumlah tidal- hadir

001 Kanto Rusman 20hari
002 Ipung Rahmatindo 15 hari
003 Landung Sugiri 12 hari
004 Baldig Miswanto 10 hari
I I I
I I I
199 Danto Retnopo 12 hari
200 Sri Patmowita 30 hari Tidak mustahil bahwa pimpinan akan menjumpai kesulitan dalam membaca tabel 1.1 di atas. Apalagi jika ia ingin mengetahui apakah terdapat penurunan tingkat ketidakhadiran pada tahun 1988. Data yang disajikan seperti pada tabel 1.1 di atas harus disajikan dalam bentuk yang lebih ringkas dan informatif seperti tabel-tabel ringkasan, diagram-diagram, atau disajikan dalam ukuran-ukuran tertentu (akan dijelaskan nanti pada bab 3 dan 4). Teknik-teknik demikian ini akan banyak dibahas dalam statistika deskriptip.

Statistika inferensial adalah serangkaian teknik yang digunakan untuk mengkaji, menaksir dan mengambil kesimpulan sebagian data (data sampel) yang dipilih seeara aeak dari seluruh data yang menjadi subyek kajian (populasi).

3

, , ........ , ", ,

Contoh 4

Selama ini, PT Mataram Keneana senantiasa menggunakan jasa Fa. Asia Raya untuk mengirim produk -produk yang dihasilkannya. Beberapa waktu yang lalu, bagian pengiriman PT Mataram Keneana mendapat tawaran kerjasama dari sebuah perusahaan pengiriman, Fa. Asia Raya. Pimpinan Fa. Asia Raya menjanjikan bahwa tingkat kerusakan yang mungkin terjadi hanya sebesar 5% atau kurang. Dari pengiriman percobaan sebanyak 25% dari seluruh barang yang dikirim, temyata tingkat kerusakan yang terjadi sebanyak 6%.

Tidakjarang bahwa suatu kesimpulan yang menyangkut suatu keadaan sejumlah subyek harus dibuat hanya mendasarkan pada informasi yang dimiliki sebagian dari seluruh subyek yang menjadi kajian. Dari eontoh di atas, pimpinan PT Mataram Keneana harus dapat membuat keputusan - menerima tawaran itu atau tidak - hanya dengan berlandaskan pada informasi sejumlah keeil barang yang dikirim.

Dalam hal ini, pimpinan perusahaan dapat menggunakan teknik-teknik inferensial.

Proses inferensi tersebut dapat digambarkan melalui hubungan antara populasi dan sampel pada gambar 1 pada seksi berikut ini.

1.4 POPULASI DAN SAMPEL

Dua istilah, populasi dan sampel, merupakan istilah yang harus difahami benar-benar

dalam mempelajari statistika. Keduanya dapat didefinisikan sebagai berikut:

Populasi adalah seluruh obyek yang ingin diketahui besaran karakteristiknya. Sampel adalah sebagian obyek populasi yang memiliki karakteristik sama dengan karakteristik populasinya, yang ingin diketahui besaran karakteristiknya.

Hubungan antara populasi dan sampel dapat dilihat melalui diagram venn berikut ini:

proses inferensi

.__________

8 ---I----___.8

Gambar 1

Hubungan antara Populasi dan Sampel

Contoh 5

Pimpinan Bumi Mataram Supermarket ingin mengetahui tanggapan para pelanggan atas layanan yang diberikannya, yaitu layanan pengiriman barang belanja. Untuk itu, pihak Bumi Mataram Supermarket meminta 50 orang pelanggan yang berkunjung pada minggu terakhir

4

bulan Desember untuk mengisi sebuah daftar yang memuat beberapa pertanyaan. Selanjutnya, hasil akan digunakan untuk menaksir tanggapan seluruh pelanggannya.

Dalam contoh di atas, populasinya adalah seluruh pelanggan yang berkunjung selama minggu terakhir bulan Desember. Sedangkan sampelnya adalah kelimapuluh pelanggan yang menerima daftar pertanyaan.

Yang menjadikan pertanyaan adalah, mengapa pimpinan supermarket hanya meminta kelimapuluh pelanggan untuk mengisi daftar pertanyaan? Mengapa tidak seluruh pelanggan yang diminta untuk mengisi daftar pertanyaan tersebut? Bukankah akan lebih baik jika informasi yang digali itu berasal dari seluruh pelanggan? Beberapa alasan mengapa seseorang menggunakan sampel dibanding dengan menggunakan seluruh sumber informasi adalah sebagai berikut:

a. Sebagai lawan dari penghimpunan data melalui sampel adalah penghimpunan data melalui sensus. Biaya penyelenggaraan sensus sangat besardan mahal tentunya. Dengan menggunakan sampel, biaya-biaya yang terjadi dapat dihemat menjadijauh lebih keeil.

b. Penghimpunan data melalui sensus membutuhkan waktu yang cukup lama. Pekerjaan sensus tidak dapat diselesaikan dalam waktu satu atau dua minggu, baik mulai dari persiapan penghimpunan data hingga pengolahan dan analisisnya. Karena sampel memiliki ukuran yangjauh lebih kecil, maka tentu saja waktu yang dikonsumsi punjauh lebih sedikit.

c. Dalam sensus, karena sumber informasinya demikian banyak, tentu saja tenaga yang dibutuhkannya pun banyak pula. Dengan menggunakan sampel, tentu saja tenaga yang dibutuhkan menjadi jauh lebih sedikit.

d. Pengujian yang sifatnya merusak, penggunaan sampel dapat dikatakan merupakan suatu keharusan. Sebagai contoh, untuk menguji usia pakai 1.000 buah bola lampu, seseorang jelas tidak mungkin menguji seluruh bola lampu. Pengujian harus dilakukan hanya terhadap sebagian (sampel) bola lampu saja.

Adakalanya, penghimpunan data memang harus dilakukan terhadap seluruh obyek (populasi). Berapa jumlah penduduk sampai tanggal 31 Desember 1993? Jelas bahwa pertanyaan ini tidak dapat dijawab dengan menggunakan sampel. Dalam hal ini, pemerintah memang harus melakukan sensus. Informasi yang diperoleh jelas tidak sekedar jumlah penduduk saja, namun lebih dari itu, misalnya, status perkawinan, usia, pendidikan, pekerjaan, dan lain sebagainya.

Dua istilah lainnya sehubungan dengan populasi dan sampel adalah parameter dan

statistik. Keduanya dapat didefinisikan sebagai berikut:

Parameter atau lengkapnya parameter populasi adalah ukuran-ukuran tertentu yang digunakan sebagai penggambaran suatu populasi.

Statistik atau statistik sampel adalah ukuran-ukuran tertentu yang digunakan untuk menggambarkan suatu sampel.

Dari definisi statistik tersebut di atas, kiranya jelas bahwa antara statistik dan statistika memiliki perbedaan yang tegas.

5

· "

Contoh 6

Lihat contoh 5 di atas. Dari sekian pertanyaan yang diajukan adalah pertanyaan tentang nilai pembelian yang mereka keluarkan. Setelah dihitung, ternyata rata-rata nilai pembelian yang mereka keluarkan adalah Rp26.500,OO.

Rata-rata nilai pembelian yang dihitung dari kelimapuluh pelanggan tersebut adalah salah satu contoh statistik sampel. Selanjutnya, masalah ini akan dibahas secara rinci pada bab 4 dan 5 nanti.

Contoh 7

Lihat contoh 6 di atas. Dari hasil perhitungan rata-rata nilai pembelian tersebut, pimpinan supermarket menaksir bahwa rata-rata nilai pembelian seluruh pelanggan yang berbelanja selarna minggu terakhir bulan Desember adalah sekitar Rp26.500,OO (± Rp26.500,OO).

Taksiran rata-rata nilai pembelian sebesar ± Rp26.500,OO itulah yang disebut parameter populasi.

6

8ab II Menghimpun Data

2.1 PENDAHULUAN

Bagi seorang pembuat kue atau penganan, kualitas kue sangat ditentukan _ tentu saja termasuk cara memasaknya _ oleh kualitas bahan baku yang dipakai. Jika kualitas tepung beras yang dipakai tergolong jelek, tentu saja kue apem yang dihasilkan misalnya, akan berasa asam.

Tidak berbeda dengan seorang statistisi, ia juga membutuhkan bahan baku yang baik agar produk akhimya dapat dimanfaatkan dengan baik. Pada bab sebelumnya dikemukakan bahwa statistika merupakan alat bantu yang baik sekali untuk mengambil keputusan. Maka, sangatlah fatal akibatnya jika dasar pengambilan keputusannya sendiri memiliki kualitas yangjelek.

Data merupakan kumpulan fakta atau angka atau segala sesuatu yang dapat dipercaya kebenarannya sehingga dapat digunakan sebagai dasar menarik suatu kesimpulan.

Data dapat dijumpai di berbagai tempat. Dari surat kabar yang terbit setiap hari, akan dijumpai berbagai informasi mengenai harga sekuritas, komoditas dagangan, kurs mata uang asing, tingkat inflasi yang melanda suatu negara, dan lain sebagainya.

Contoh 1

Berikut contoh petikan publikasi harga beberapa saham perusahaan yang dikutip (telah diolah) dari harian Jawa Post tanggal 7 April 1990

Tabel2.1

Catatan Perubahan Kurs dan Transaksi Saham di Bursa Efek Jakarta (dalam rupiah)

"\0. '\.1111.1 P"_'rusah.I.l1l h..II11i.... .huu "at Sellin St·la .... a R.IIHI \ OIUIlH' 1, . rn .... 11.. .... ,

l'!/J JU/J ll-t J/-t -t/-t ".dl.1I11 I, I IIUU I

1. : Semen Cibinong

2. ; Centex

17.QOO 73.800

17.000 73.800

16.600 73.800

16.400 73.800

7

Contoh 2

Dari tabel 2.2 berikut dapat dilihat serangkaian infonnasi tentang usia, jenis kelaimin, pendapatan rata-rata per bulan, pengeluaran rata-rata per bulan, danjumlah anggota keluarga yang menjadi tanggungannya dari enam tenaga pengajar sebuah perguruan tinggi swasta di Y ogyakarta.

Tabel2.2

Data Usia, Jenls Kelamin, Pendapatan dan Pengeluaran Rata-rata per Bulan, dan Jumlah Anggota Keluarga yang Menjadi Tanggungannya dari 6 Tenaga Pengajar Sebuah Perguruan Tinggi Swasta di Y ogyakarta

Variabel

I

'\am;! l sia .lcnis Pcndupatan Pcnaeluaran \nggota
Kclamin Kcluarga
i
Handokn 29 L 450.000 150.000 -
'Dewi 28 P 450.000 400.000 I 6
Joko 48 L 800.000 700.000 ! 8
Doni 29 L 200.000 160.000 I -
Beti I P 400.000
30 850.000 11
,Bambq 30 L 450.000 300.000 3
, ~

-'" c::

'"

Elemenlunsur

Observasi

2.2 KARAKTERISTIK-KARAKTERISTIK SERANGAKAIAN DATA

Sebagai kumpulan fakta, serangkaian data memiliki karakteristik-karakteristik seperti berikut ini:

Elemen atau Unsur

Serangkaian data meliputi sekumpulan elemen yang untuk masing-masing elemen tersebut memiliki informasi tentang karakteristik-karakteristik elemen-elemen yang bersangkutan. Pada contoh yang disajikan pada tabel2.2 di atas, elemen adalah semua tenaga pengajar perguruan tinggi swasta tersebut.

Variabel

Variabel adalah karakteristik elemen yang menjadi perhatian dan memiliki nilai-nilai yang berbeda-beda. Misalnya, karakteristik yang menjadi perhatian adalah pendapatan rata-

8

rata per bulan. Sebagai karakteristik, variabel ini memberikan penjelasan terhadap elemenelemen tertentu.

Kasus

Kasus adalah informasi yang menyangkut seluruh variabel suatu elemen tertentu. Dari tabel 2.2 di atas, kasus ditunjukkan pada masing-masing baris. Kasus disebut juga sebagai vektor observasi. Dengan dernikian, jumlah kasus akan sarna dengan jumlah elemen _ dalam contoh di atas sebanyak enam kasus.

Observasi

Observasi sering pula disebut sebagai hasil (baca tentang teori probabilitas), yaitu suatu unsurdari serangkaian variabel tertentu. Dalam tabel di atas, usiaJoko (48 tahun) merupakan observasi atau hasil.

2.3 MENGHIMPUN DATA MELALUI PENELITIAN SURVEI

2.3.1 Tipe-tipe Data

Perhatikan contoh data yang tersaji pada tabel2.2 di atas. Di atas tersaji bahwa variabelvanabel yang ada dapat dibedakan menjadi dua, yaitu variabel yang berupa data kuantitatip dan variabel yang berupa data kualitatip. Variabel usia, pendapatan, pengeluaran, dan jumlah anggota keluarga merupakan contoh data kuantitatip dan jenis kelamin merupakar contoh data kualitatip.

Data kuantitatip adalah suatu karakteristik dari suatu variabel yang nilai-nilainya dinyatakan dalam bentuk numerikal.

Data kualitatip adalah suatu karakteristik dari suatu variabel yang nilai-nilainya dinyatakan dalam bentuk non-numerikal atau atribut-atribut.

Data kuantitatip sendiri dapat dibedakan menjadi data diskrit dan data kontinyu.

Data kuantitatip diskrit adalah karakteristik suatu variabel yang berasal dari proses penghitungan dan berupa bilangan bulat.

Data kuantitatip kontinyu adalah karakteristik suatu varia bel yang berasal dari proses pengukuran dan nilai-nilainya berada dalam suatu interval ataujangkauan tertentu. Nilai-nilai data kuantitatip kontinyu dapat berupa bilangan pecahan yang tidak terhingga banyaknya.

Contoh data kuantitatip diskrit, atau seringjuga disebut sebagai variabel diskrit adalah jumlah anggota keluarga yang ditanggung (kolom ke-6 tabel 2.2). Contoh lain misalnya: jumlah mobil yang terjual, jumlah bola lampu yang rusak, dan lain sebagainya. Cara yang paling mudah untuk menentukan apakah suatu variabel tergolong diskrit atau tidak, apakah nilai data tersebut dimungkinkan dalam bentuk bilangan pecahan? Jika tidak, jelas bahwa variabel tersebut adalah variabel diskrit.

9

Contoh data kontinyu dari tabel2.2 di atas adalah: usia, rata-rata pendapatan per bulan, dan rata-rata tingkat pengeluaran perbulan. Seperti halnya di atas, apakah suatu variabel tergolong kontinyu atau bukan, dapat diajukan pertanyaan, apakah nilai data dimaksud dimungkinkan dalam bentuk bilangan pecahan? Jika ya, makajelaslah bahwa data tersebut dapat digolongkan dalam variabel kontinyu.

Pembahasan data diskrit dan kontinyu akan dibahas lebih mendalam nanti pada bab distribusi probabilitas pada buku yang lain.

Perbedaan data di atas dapat diikhtisarkan melalui bagan berikut ini:

Kuantitatip

Kontinyu - Rata-rata pengeluaran per bulan

setahun terakhir: Rp

TIPEDATA TIPEPERTANYAAN TANGGAPAN

Kualitatip Jenis kelamin (L) I (P)

Diskrit - Jumlah anggota keluarga yang men-

jadi tanggungan saudara sekarang: Orang

Gambar 2.1 Tipe-tipe data

2.3.2 Skala Pengukuran

Dari berbagai tipe data yang dikumpulkan, tingkat pengukuran dan tipe pengukurannya pun berbeda pula. Demikian pula untuk data diskrit, kendati data tipe ini timbul dari proses penghitungan, dapat juga dikatakan bahwa data diskrit timbul dari pengukuran melalui proses penghitungan.

Ada empat tingkat pengukuran data - mulai dari yang paling lemah hingga yang paling kuat - yaitu: nominal, ordinal, interval, dan rasio.

a. Skala nominal dan ordinal

Data kualitatip yang dihimpun dapat diukur dengan menggunakan skala pengukuran nominal dan ordinal. Jika data yang dihimpun dapat dibedakan menjadi beberapa kategori tanpa memperhatikan urutan tertentu, maka tingkat pengukuran yang dapat digunakan adalah tingkat pengukuran nominal.

Di sisi lain, jika data yang dikumpulkan dapat dibedakan menjadi beberapa kategoti yang berbeda dengan memperhatikan urutan, maka tingkat pengukuran yang dapat digunakan adalah tingkat pengukuran ordinal. Pemberian angka pada masing-masing

10

l

kategori dapat memberikan gambaran tentang urutan masing-masing kategori. Untuk kedua tingkat pengukuran tersebut, perhatikan dua eontoh kuesioner keeil pada eontoh 3 dan eontoh 4.

Pengelompokan data jenis sabun yang digunakan (eontoh 3) tidak memperhatikan urutan tertentu, misalnya kualitas sabun. Peletakan sabun euci batang pada urutan pertama bukan berarti bahwa sabun euci batangan memiliki kualitas tertinggi daripada jenis sabun euci yang lainnya. Demikian pula tempat pembelian sabun euci. Peletakan supermarket pada urutan pertama bukan berarti bahwa berbelanja di supermarket lebih baik daripada berbelanja di tempat-tempat yang lain. Data yang berhasil dikumpulkan, pengukurannya dilakukan dengan menggunakan skala nominal.

Jika data tersebut diberi angka-angka, maka angka-angka tersebut tidak bermanfaat dalam analisis. Angka-angka tersebut sekedar berfungsi sebagai label saja.

Contoh 3 Koesioner untuk pengukuran nominal

Jenis sabun cuci yang saudara gunakan selama sebulan ter-akhir:

Sabun cud barangan a. (_)

Sabun cud deterjen krim b. (_)

Sabun cud deterjen bubuk c. (_)

Sabun cud cair d. (_)

Di mana saudara membeli sabun cuci tersebut?

Supermarket a. (_)

Toko kelontong b. (_)

Pasar c. L)

, ',

Contoh 4 Koesioner untuk pengukuran ordinal

Selama saudara berbeJanja di "Mataram Jaya" Supermarket, apakah petayanan yang

saudara terima memuaskan? .

Sangat tidak memuaskan a. L)

Tidak memuaskan b. (_)

Netral c. (_)

Memuaskan d. (_)

Sangat memuaskan e. (_)

Apakah harga-harga yang ditawarkan di "MataramJaya" SupermarkettergQlong mahal1

Sangat mahal a. (_)

Cukup mahal b. (_)

Nettal c. (_)

Cukup murah d. (_)

Sangat murah e. (_)

11

Berbeda dengan contoh 4. Data yang berhasil dikumpulkan memiliki urutan tertentu.

Misalnya tentang tanggapan pengunjung supermarket tersebut tentang pelayanan yang diberikan. Pengelompokan data yang berhasil dikumpulkan terlihat sekali memiliki urutan tertentu. Jika pelayanan yang sangat tidak memuaskan diberi nilai 1, maka kelompok berikutnya dapat diberi nilai yang lebih tinggi yaitu: tidak memuaskan = 2; netral = 3; memuaskan = 4; dan sangat memuaskan = 5. Berbeda dengan skala nominal, angka-angka yang diberikan pada masing-masing kategori memiliki manfaat tersendiri dalam analisis data selanjutnya. Kendati demikian, pemberian angka pada masing-masing kategori tersebut tidak mencerminkan adanya jarak antar kategori. Angka 5 dan 4 memiliki jarak atau interval yang sarna dengan angka 2 dan 1. Akan tetapi, ini bukan berarti bahwa antara "sangat memuaskan" dan "memuaskan" memiliki perbedaan tingkat yang sarna dengan "tidak memuaskan" dan "sangat tidak memuaskan". Perbedaan demikian ini tidak dapat dijelaskan.

b. Skala interval dan rasio

Skala interval memiliki kelebihan dibanding dengan kedua skala pengukuran yang terdahulu, dengan menambahkan berlakunya konsep interval. Jika sekelompok kategori data diberi nilai 1,2,3,4,5, makajarakantara 1 dan 2 sarna denganjarak 4 dan 5. Jarak-jarak ini juga menggambarkan jarak-jarak pada kategorinya. Sebagai contoh adalah angka-angka tanggal dalam kalender,jam dan lainnya. Jarak antara tanggal25 dan 29 sarna denganjarak antara tanggal16 dan 20 (29-25 = 20-16). Demikianjuga bahwajarak antarajam 16.00 dan jam 19.00 sarna denganjarak antarajam 09.00 dan 13.00. Akan tetapi, bukan berarti bahwa tang gal 20 lebih lambat dua kali dibanding dengan tanggall 0, atau jam 09.00 lebih cepat dua kali daripadajam 18.00. Hal ini disebabkan adanya penetapan titik pusat. Penetapan titik pusat di sini dapat terjadi berubah-ubah. Misalnya, tangga127 dikatakan lebih lambat dua kali dibanding tang gal 18 jika titik pusatnya ditetapkan tanggal 9. Namun dapat juga dikatakan lebih lambat tiga kali jika titik pusatnya ditetapkan tanggal 30 (atau tanggal 31) bulan sebelumnya.

Sedangkan skala pengukuran rasio, lebih unggul dibanding dengan tiga skala di atas.

Dalam skala rasio dikenal adanya titik pusat. Skala rasio menyajikan nilai sesungguhnya dari variabel-variabel yang dapat diukur dengan menggunakan skala rasio. Misalnya, berat badan sebesar 40 kg adalah dua kali berat badan 20 kg. Seluruh teknik analisis statistika dapat digunakan untuk menganalisis variabel-variabel yang berskala rasio.

2.4 MENYUSUN KUESIONER

Menyusun kuesioner - suatu daftar yang memuat berbagai pertanyaan _ merupakan salah satu tahap pengumpulan data yang sangat penting. Secara khusus, sebuah kuesioner memiliki lima bagian yaitu:

a. Identifikasi data

Secara khusus, identifikasi data menempati pada bagian pertama dari sebuah kuesioner yang terdiri dari identas responden (nama, alamat, dan sebagainya). Dapat juga ditambahkan waktu wawancara, nama pewawancara, dan kode pewawancara.

12

b. Permohonan kerjasama

Jelas kiranya bahwa dengan adanya suatu pertanyaan permohonan kerja sama ini, pewawancara mengharapkan adanya kerjasama untuk pengumpulan data. Dalam bagian ini disebutkan identitas pewawancara (jika tidak disebutkan pada bagian pertama), organisasi asal pewawancara atau lembaga yang menyelenggarakan wawancara, maksud dan tujuan wawancara. dan waktu yang dibutuhkan dalam wawancara,

c. Petunjuk pengisian

Bagian ini memuat petunjuk penggunaan atau pengisian kuesioner baik untuk responden maupun pewawancara. Bagian ini muncul jika kuesioner disampaikan dengan menggunakan jasa pos.

d. Inti kuesioner

Bagian ini meliputi berbagai pertanyaan yang diajukan kepada responden yang berkenaan dengan segala inforrnasi atau data yang dibutuhkan.

e. Klasifikasi data

Dari bagian ini, data yang berhasil dihimpun dapat diklasifikasikan menjadi beberapa bagian. Bagian ini lebih menunjukkan karakteristik responden. Untuk kuesioner yang disampaikan melalui pos, bagian ini secara langsung diisi oleh responden sendiri. Sedangkan untuk wawancara langsung maupun melalui telepon, dilakukan oleh pewawancara dengan mengajukan pertanyaan. Kadang-kadang, klasifikasi data dimuat pada bagian pertama dari sebuah kuesioner.

Sebenarnya, menyusun sebuah kuesioner merupakan pekerjaan yang lebih mengandalkan seni yang didukung pengalaman dari sebuah pekerjaan yang bersifat ilmiah. Tahap-tahap penyusunan sebuah kuesioner dapat dilihat pada bagian berikut ini:

1. Persiapan

2. Penetapan isi pertanyaan

3. Penetapan tipe pertanyaan

4. Penyusunan kalimat

5. Pengurutan pertanyaan

6. Penetapan karakteristik fisikal

7. Uji pendahuluan dan perbaikan

Gambar 2.3

Tahap-tahap Penyusunan sebuah Kuesioner

13

Tahap-tahap penyusunan sebuah kuesioner akan dibahas sebagai berikut:

a. Persiapan

Hal-hal yang harus dikerjakan dalam tahap persiapan penyusunan sebuah kuesioner adalah penetapan tujuan penelitian dan informasi-informasi apa saja yang dibutuhkan.

b. Penetapan isi pertanyaan

lsi pertanyaan-pertanyaan yang diajukan sangat dipengarnhi oleh kemampuan responden dan atau kemauan responden secara tepat. Beberapa tipe data fidak dapat dihimpun dari responden. Data-data demikian ini - yang berkaitan dengan kemampuan responden_ dihasilkan oleh responden yang tidak mengetahui dan responden yang lupa jawaban yang akan diberikan.

Katakanlah bahwa responden dapat memberikan tanggapan secara tepat. Timbul persoalan, apakah responden memiliki kesediaan untuk memberikan tanggapan atau tidak. Beberapa pendekatan yang dapat digunakan untuk menghadapi masalah tersebut, yaitu:

Counterbiasing statement:

Kuesioner diawali dengan suatu pertanyaan bahwa kuesioner bukanlah sesuatu yang istimewa akan tetapi sesuatu yang biasa saja. Kemudian dilanjutkan dengan pertanyaan.

Indirect statement:

Pertanyaan diajukan bukan untuk mendapatkan informasi responden, namun untuk orang lain. Dengan demikian, pendapat responden ten tang orang lain akan mencerminkan pula tentang dirinya sendiri.

Randomized response technique:

Teknik ini digunakan untuk pertanyaan-pertanyaan yang sangat peka sekali, atau sangat pribadi sifatnya. Di sini, responden diminta memilih salah satu dari dua pertanyaan secara acak _ dengan melontar koin misalnya _ dengan menjawab "ya" atau "tidak", Kedua pertanyaan tersebut berbeda satu dengan yang lainnya. Pertanyaan yang satu adalah pertanyaan yang peka sifatnya dan pertanyaan yang lain pertanyaan yang tidak peka.

Contoh 5

Pilihlah salah satu dari dua pertanyaan berikut dengan menjawab "yi' atau "tidak", Lontarkan sekeping uang logam Rp 1 00,00. Jika yang muneul adalah angka 100, pilihlah pertanyaan A dan jika yang muneul adalah gambar rumah, maka pilihlah pertanyaan B.

A. Apakah toko yang saudara kelola menggunakan jasa pinjaman dati Bank Niaga selama setahun terakhir?

B. Apakah toko yang saudara kelola dibuka pada pukul 07.00 pagi?

Ya (_) Tidak (_)

14

Jawaban yang manapun yang dipilih, ya atau tidak, pewawancara tidak akan mengetahui pertanyaan mana yarig dijawab oleh responden. Untuk mengetahuinya, dapat digunakan teori probabilitas dengan rumus:

Misalnya, responden menjawab "ya", maka:

P(Y) - P(PP).P(Y I PTP) P(Y I PP) = --P-(--PP ..... )----

Y : jawaban "ya" PP : pertanyaan peka

PTP: pertanyaan tidak peka

Untuk lebihjelasnya, pelajari bab teori probabilitas pada bagian probabilitas bersyarat.

c. Penetapan tipe pertanyaan

Satu masalah yang berhubungan dengan isi pertanyaan adalah tipe atau bentuk pertanyaan. Ada tiga bentuk pertanyaan yang dapat digunakan, yaitu:

Pertanyaan terbuka:

Terhadap pertanyaan yang terbuka ini, responden dirninta memberikan tanggapan secara bebas.

Contoh 6

Apa tanggapan saudara terhadap pelayanan yang diberikan oleh Bank Niaga selama saudara menjadi nasabahnya?

Untuk bentuk pertanyaan seperti tersebut di atas, responden tentu saja disediakan suatu ruangan pada lembar tanggapan untuk mengisikan tanggapannya. Pertanyaan tertutup

Bentuk pertanyaan tertutup ini, untuk responden telah disediakan beberapajawaban dan responden diminta memilih jawaban yang dikehendaki. Sebagai contoh, lihat pada contoh 3 dan contoh 4 di atas.

Pertanyaan campuran

Bentuk pertanyaan ini merupakan gabungan antara bentuk terbuka dan bentuk tertutup.

Contoh 7

Untuk kebutuhan sabun mandi, saudara membelinya:

Sebulan sekali a. (_)

Seminggu sekali b. (_)

Jika membutuhkan saja c. (_)

Cara lain sebutkan d.

e.

f.

15

r

Pertanyaan dikotomi

Bentuk ini tidak berbeda dengan bentuk pertanyaan tertutup. Di sini responden telah disediakan jawaban yang mereka butuhkan. Hanya saja, jawaban yang disediakan hanya dua seperti: "ya" atau "tidak"; "tahu" atau "tidak tahu"; "mengerjakan" at au "tidak mengerjakan" dan lain sebagainya. Kadang-kadang dikombinasikan dengan pilihan lain. Pilihan ini disediakan untuk responden yang tidak menjumpai jawaban yang mereka butuhkan seperti "tidak tahu" dan sebagainya.

d. Penyusunan kalimat

Ada beberapa petunjuk pokok yang dapat digunakan dalam menyusun kalimat yang digunakan dalam sebuah kuesioner, yaitu:

Menggunakan kalimat yang sederhana

Kata-kata yang akan digunakan hendaknya sesuai dengan tingkat pengetahuan responden dalam berbahasa. Perhatikan perbendaharaan kata yang dimiliki oleh responden. Bagi responden anak-anak, tentu saja kalimat yang digunakan lebih sederhana daripada kalimat yang digunakan untuk responden orang dewasa Menggunakan kalimat yang jelas

Apa yang dimaksud dengan kalimat yang jelas? Oalam hal ini, kalimat yang jelas adalah kalimat yang hanya memiliki makna tunggal bagi seluruh kelompok responden.

Hindari pertanyaan yang bersifat mengarahkan

"Apakah saudara memiliki pesawat televisi merk Zenith?" Pertanyaan ini bersifat mengarahkan. Responden akan menilai bahwa penelitian yang tengah dilakukan disponsori oleh perusahaan televisi merk tersebut. Bandingkan dengan pertanyaan "Apa merk televisi yang saudara miliki?"

Hindari pertanyaan ganda dalam satu kalimat

Maksudnya, hindarilah menanyakan dua hal dalam satu kalimat kendati jawabannya sarna. Misalnya, "Bagaimana pendapat anda tentang kekuatan kemasan dan disain kemasan produk ... 7" Oalam kalimat tersebut, peneliti ingin mengetahui dua hal. yaitu: Kekuatan kemasan dan disain kemasan. Hendaknya kedua hal tersebut dipisahkan.

e. Pengurutan pertanyaan

Jika penyusunan kalimat telah dilakukan, tahap berikutnya adalah menetapkan urutan pertanyaan. Beberapa hal yang harus diperhatikan adalah:

Menggunakan pertanyaan pembuka yang sederhana dan menarik. Oahului dengan pertanyaan-pertanyaan yang umum sifatnya.

Letakkan pertanyaan yang sulit dan kurang menarik pada urutan terakhir. Susunlah kalimat-kalimat dengan urut-urutan yang logik.

f. Penetapan karakteristik fisikal

Hal ini bersangkutan dengan perlengkapan wawancara yang digunakan. Untuk wawancara dengan menggunakan pos, kualitas cetak kuesioner, kualitas kertas kuesioner, dan lain

16

sebagainya, berpengaruh kepada tanggapan responden dalam memberikan tanggapannya. Jika wawancara dilakukan dengan telepon, seri nomor teleponjuga harus diperhatikan. Selain dapat mempengaruhi responden dalam memberikan tanggapannya _ bersedia tidaknya_juga dapat mempengaruhi penilaian responden terhadap bonafiditas lembaga yang menyelenggarakan penelitian.

g. Uji pendahuluan dan perbaikan

Sebelum kuesioner yang telah dibuat digunakan dalam operasi lapangan, kuesioner tersebut masih memerlukan uji pendahuluan dan perbaikan-perbaikan, paling tidak sebanyak satu kali.

2.5 PEMILIHAN SAMPEL

Pada bab sebelumnya telah dijelaskan bahwa dalam melakukan penelitian, seseorang peneliti tidak perlu melakukan penelitian terhadap seluruh subyek penelitian. Untukmengetahui apakah produk yang baru dikenalkan sukses atau tidak, perusahaan tidak perlu menghimpun data dari seluruh toko (populasi) yang menjual produk tersebut. Perusahaan cukup menghubungi sebagian dari seluruh toko yang menjualnya (sampel).

Beberapa konsep penting 'yang berkenaan dengan pemilihan sampel adalah: elemen atau un sur (lihat sub bab 2.2); populasi (lihat sub bab 1.4); unit-unit sampling; kerangka sampling; dan populasi kajian. Dua konsep pertama telah dijelaskan sebelumnya. Di bawah ini akan dijelaskan konsep-konsep berikutnya.

a. Unit sampling

Unit sampling adalah suatu elemen atau elemen-elemen atau unsur yang tersedia untuk dipilih menjadi anggota sampel melalui beberapa tahap proses sampling. Dalam hal sampling sederhana -sampling dalam satu tahap _ elemen-elemen sama dengan sampling unit.

Contoh 8

Sebagian besar keputusan pembelian mobil sedan bersilinder kecil dilakukan oleh kalangan ibu. Sebuah perusahaan yang bergerak di bidang perakitan mobil ingin mengetahui tanggapan para ibu tentang model mobil keluaran terakhir. Melalui sebuah wawancara, sejumlah ibu rumahtangga dimintai pendapatnya tentang model mobil tersebut.

Contoh 8 tersebut merupakan contoh yang menunjukkan bahwa elemen-elemen sama dengan unit samplingnya. Elemen-elemen atau unsur populasinya adalah para ibu. Sedangkan unit sampling-nya adalah sejumlah ibu rumahtangga. Ada kemungkinan bahwa antara elemen dan unit sampling-nya berbeda. Hal ini jika proses sampling dilakukan dalan beberapa tahap. Elemen dan unit sampling akan sarna jika telah sarnpai pada tahap terakhir.

Contoh 9

Lihat contoh 8. Tentunya, tidak seluruh ibu rumahtangga dapat melakukan pembuatan keputusan pembelian mobil sedan bersilinder kecil. Ibu-ibu yang dapat mengambil

17

keputusan seperti tersebut di atas tentunya dari keluarga yang mampu membeli mobil sedan, baik secara tunai maupun kredit, misalnya keluarga yang berpenghasilan Rp700.000,00 ke atas per bulan.

b. Kerangka sampling

Kerangka sampling adalah sebuah daftar yang memuat seluruh unit sampling pada suatu tahap proses sampling. Kerangka sampling dapat berupa, misalnya, daftar mahasiswa yang terdaftar dalam semester tertentu; daftar nama yang ada dalam buku telepon: daftar tenaga kerja yang ada di sebuah kantor tenaga kerja, dan lain sebagainya.

Contoh 10

Elemenlunsur Unit sampling

: Laki-laki berusia 50 tahun atau lebih.

: Tahap 1 : Kota berpenduduk 500.000 jiwa atau lebih Tahap 2 : RT-RT yang ada dalam kota tersebut. Tahap 3 : Rumahtangga-rumahtangga.

Tahap 4 : Laki-laki berusia 50 tahun atau lebih.

Dari contoh tersebut maka tahap 1, kerangka sampling-nya adalah daftar yang memuat kota-kota yang berpenduduk 500.000 jiwa atau lebih. Tahap 2, kerangka sampling-nya adalah daftar Rukun Tetangga (RT) yang ada dalam kota-kota yang terpilih. Tahap 3, kerangka sampling-nya adalah daftar rumah tangga pada RT -RT dan kota-kota yang terpilih, dan tahap 4, kerangka sampling-nya adalah daftar yang memuat laki-laki yang berusia 50 tahun atau lebih pada rumahtangga-rumah tangga yang terpilih.

c. Populasi kajian

Pada bab sebelumnya, populasi didefinisikan sebagai keseluruhan obyek yang ingin diketahui gambarannya (karakteristiknya). Dalam praktik, kadang-kadang muncul kesulitan-kesulitan karena beragamnya populasi. Populasi manakah yang akan ditentukan yang dari populasi tersebut akan ditarik suatu sampel. Misalnya, ten tang keanggotaan suatu organisasi. Beberapa anggota tidak terdaftar alamatnya. Maka, dari manakah sampel akan diambil selanjutnya? Pada contoh 9 di atas, proses sampling bertahap. Pertama dipilih keluarga yang berpenghasilan Rp700.000,00 ke atas per bulan. Setelah itu baru ditentukan sejumlah ibu rumahtangga yang akan dimintai pendapatnya.

Populasi kajian adalah keseluruhan obyek yang ingin diketahui gambarannya yang dari populasi tersebut sam pel secara nyata akan diambil.

2.5.1 Proses Sampling

Beberapa tahap dalam proses sampling adalah sebagai berikut:

a. Penentuan populasi yang meliputi penentuan elemen, unit sampling, dan dimensi waktu.

b. Identifikasi kerangka sampling, yang dari kerangka sampling tersebut sampel akan ditarik.

c. Memutuskan ukuran sampel, yaitu berapa banyak elemen yang dipilih untuk menjadi anggota sampel yang dipilih.

18

d. Pernilihan prosedur sampling. Tepatnya, bagaimana keputusan dibuat dalam menetapkan sampel.

f. Pemilihan sampel.

2.5.2 Prosedur Sampling

Ada beberapa mac am prosedur sampling yang dapat dipilih oleh seorang peneliti. Akan tetapi pada dasarnya prosedur sampling dibedakan menjadi dua prosedur yang berbeda, yaitu sampling probabilitas dan sampling non-probabilitas.

Dalam sampling probabilitas, masing-rnasing e1emen populasi diketahui memiliki kesempatan menjadi anggota sampel yang akan dipilih. Kata "memiliki kesempatan" bukan berarti bahwa seluruh elemen memiliki kesempatan yang sarna. Jika elemen-elemen populasi memiliki kesempatan yang sarna menjadi anggota sampel, ini merupakan salah satu bentuk sampling probabilitas, yaitu sampling acak sederhana. Dalam sampling non-probabilitas, pemilihan elemen-elernen populasi yang akan dijadikan elemen-elemen sampel didasarkan pada kebijaksanaan peneliti sendiri. Pada prosedur ini, masing-rnasing elemen tidak diketahui apakah berkesempatan menjadi elemen-elernen sampel atau tidak. Beberapa prosedur sampling dapat dilihat pada bagan berikut ini:

Prosedur Sampling

Sampling non-probabilitas

1. Convenience sample

2. Judgment sampling

3. Quota sampling

Sampling probabilitas

1. Simple random sample

2. Stratified sample

3. Cluster sample

a. Systematic sample

b. Area sample

Gambar 2.4 Prosedur Sampling

2.5.3 Sampling Non-Probabilitas

Convenience sampling.

Sampel konvenien, sesuai dengan namanya, diambil berdasarkan kesukaan peneliti, misalnya dengan menghadang pengunjung yang baru keluar dari sebuah supermarket dan mewawancarainya tentang sesuatu. Teknik ini mudah diselenggarakan dan ini sering digunakan untuk penelitian yang bersifat eksplorasi.

19

Judgment sampling.

Sampeljudgment atau kebijaksanaan diambil berdasarkan pendapat para ahli. Memang hampir mirip dengan convenience sampling, pemilihan elemen yang dipilih sangat tergantung pada peneliti. Hanya saja padajudgment sampling proses pemilihan masih mempertimbangkan hal-hal tertentu.

Quota sampling.

Proses ini merupakan bentuk khusus dari proses bentuk "kebijaksanaan". Pada proses ini peneliti melakukan pengendalian terhadap beberapa karakteristik yang dimiliki elemen populasi. Misalnya, untuk responden, peneliti menetapkan setengah dari ukuran sampel yang ditetapkan berusia di atas 30 tahun dan selebihnya berusia 30 tahun atau kurang. Di sini usia merupakan karakteristik yang dikendalikan.

2.5.4 Sampling Probabilitas

Seperti dijelaskan di atas bahwa masing-masing elemen populasi diketahui memiliki kesempatan menjadi elemen sampel yang akan dibuat - walaupun kesempatan yang dimiliki masing-masing elemen dapat tidak sarna.

Simple random sampling.

Pada teknik ini, seluruh elemen populasi memiliki kesempatan yang sarna menjadi elemen sampel yang akan dipilih. Sampel yang akan dipilih sering disebut sebagai sampel acak sederhana.

Contoh 11

Sebuah populasi memiliki elemen sebanyak 5: A, B, C, D, dan E. Sebuah sampel diambil dari elemen-elemen populasi terse but dengan ukuran sebanyak 3 elemen. Berbagai kemungkinan sampel yang dapat dipilih adalah sebagai berikut:

Ukuran populasi: 5 > A, B, C, D, E.

Ukuran sampel: 3 dengan berbagai kemungkinan:

Tabel2.3

Sampcl Susunan

,

"1. ABC
2. ABD
3. ABE
4. ACD
5. ACE
6. ADE
7. BCD
8. BCE
9. BDE
10. CDE
20 Tabe12,4

Elemen Kesempatan Sumpel

A 6kali 1, 2, 3, 4, 5, 6.
B 6 kali 1. 2, 3, 7, 8, 9.
C 6 kali 1,4,5.7,8,10.
0 6 kali 2,4,6,7,9,10.
E 6kali 3, 5, 6, 8, 9, 10. Tabel 2.3 menyajikan berbagai kemungkinan sampel (10 kemungkinan) yang dapat dipilih. Tentang jumlah kemungkinan sampel yang dapat dipilih dapat dihitung dengan menggunakan prinsip permutasi dan kombinasi yang dibahas secara mendalam pada buku yang lain. Sedangkan tabel 2,4 menyajikan pembuktian jumlah kesempatan masing-masing elemen populasi untuk menjadi elemen-elemen sampel.

Metode ini tidak banyak digunakan karena akan banyak memakan waktu. Hal ini dapat dibayangkan jika jumlah elemen-elemen populasinya demikian banyak.

Stratified sampling.

Jika pada simple random sampling proses sampling dilakukan dalam satu tahap, maka dalam stratified sampling proses sampling dilakukan dalam beberapa tahap atau tingkat. Pada teknik ini, proses dibagi menjadi dua tingkat, yaitu:

a. Membagi seluruh elemen populasi menjadi beberapa kelompok atau strata, dengan memperhatikan aturan tertentu. Misalnya, populasi dikelompokkan berdasarkan jenis kelamin, laki-laki dan perempuan, dibagi menjadi beberapa kelompok menurut usia dan lainnya. Masing-masing kelompok tersebut satu dengan lainnya saling asing, sehingga suatu elemen dari suatu kelompok tidak dapat menjadi elemen kelompok yang lain.

b. Untuk masing-masing strata, dilakukan pemilihan sampel dengan tekniksimple random sampling.

Cluster sampling.

Hampir sarna dengan stratified sampling, pada cluster sampling, populasi dibagi menjadi beberapa kelompok. Hanya saja, dalam cluster sampling, pembagian menjadi beberapa kelompok tersebut dilakukan dengan cara acak. Selanjutnya, dari masing-masing kelompok dipilih elen • ..,u-elemen populasi untuk dijadikan elemen-elemen sampel dengan cara simple random sampling.

Sistematic sampling.

Pada teknik ini, elemen-elemen yang akan dijadikan elemen-elemen sampel dipilih dengan memilih elemen-elemen pada urutan tertentu yang tersedia pada suatu kerangka sampling, setelah titik awal urutan telah ditetapkan. Antara elemen satu yang terpilih dengan elemen lain yang terpilih memiliki interval urutan yang sarna.

21

Contoh 12

Sebuah populasi memiliki ukuran (N) sebesar 100. Dari populasi tersebut diambil sampel berukuran (n) 10. Misalnya, titik awal urutan ditetapkan pada elemen ke-3. Urutan elemen berikutnya dapat ditentukan dengan menentukan interval urutan yaitu membagi urutan populasi dengan ukuran sampelnya.

Interval urutan = 100/10 Interval urutan = 10

Urut-urutan elemen yang terpilih adalah: 3,13,23,33,43,53,63,73,83,93.

Area sampling.

Dari teknik-teknik yang telah dibahas, tidak jarang muncul kesulitan-kesulitan dalam menyusun sebuah kerangka sampling, dalam hal jika elemen-elemen yang akan didaftar demikian banyak, misalnya jumlah penduduk Indonesia yang berusia 25 tahun ke atas, data yang termuat dalam kerangka sampling telah usang, dan lain sebagainya. Kesulitan ini dapat diatasi dengan membuat daerah-daerah sampling.

Contoh 13

Sebuah perusahaan shampo ingin mengetahui tanggapan konsumen (rumah tangga) yang tinggal di Kotamadya Y ogyakarta terhadap shampo yang dihasilkan. Dalam rangka menetapkan sampel, perusahaan tersebut mengambillangkah-langkah:

a. Mendaftar seluruh kelurahan yang ada (NB)

b. Menetapkan sampel yang terdiri dari kelurahan-kelurahan yang telah didaftar dengan teknik sederhana atau sistematik (nB)

Selanjutnya yang menjadi elemen-elemen sampel adalah seluruh rumah tangga yang bertempat tinggal di kelurahan-kelurahan yang terpilih sebagai sampel.

2.6 KESALAHAN DALAM SURVEI

Ada dua tipe kesalahan yang dapat terjadi dalam kegiatan penelitian survei yaitu kesalahan sampling dan kesalahan non-sampling.

Sebagian besar kegiatan penghimpunan data menggunakan sampel. Karakteristikkarakteristik yang dimiliki sampel ini se lanjutnyadigunakan untuk menaksir atau mengambil kesimpulan karakteristik-karakteristik yang dimiliki populasi. Tidak jarang, bahwa antara karakteristik-karakteristik sampel tersebut terdapat perbedaan dengan karakteristikkarakteristik populasi yang sebenarnya. Perbedaan-perbedaan ini disebut sebagai kesalahan sampling.

Contoh 14

Sebuah sampel terdiri dari 10 perusahaan yang bergerak di bidang industri mesin. Ratarata laba bersih sesudah pajak untuk tahun 1993 adalah Rp35.500.000,00. Sepuluh perusahaan

22

tersebut diambil dari 60 perusahaan (populasi) yang sejenis. Dari hasil sensus terhadap keenampuluh perusahaan tersebut temyata rata-rata laba bersih sesudah pajak untuk tahun 1993 adalah Rp42.750.000,00.

Rata-rata merupakan salah satu bentuk karakteristik data. Dari contoh di atas, temyata karakteristik sampel, yaitu rata-rata sebesar Rp35.500.000,OO berbeda dengan karakteristik populasi. Perbedaan tersebut disebut sebagai kesalahan sampling. Sehubungan dengan kesalahan sampling, ada dua hal yang harus diperhatikan bahwa pertama kesalahan sampling dapat diukur dan kedua kesalahan sampling akan semakin berkurangjika ukuran sampelnya semakin besar. Pembahasan kesalahan sampling akan dijelaskan lebih jauh pada bab distribusi sampling pada buku yang lain.

Bentuk kesalahan penelitian yang kedua adalah kesalahan non-sampling. Berbeda dengan kesalahan sampling, pada kesalahan non-sampling tidak dapat diukur dan tidak dapat berkurang walaupun ukuran sampelnya dinaikkan. Ada beberapa bentuk kesalahan non-sampling, yaitu:

Kesalahan dalam pendefinisian masalah:

Misalnya, seorang manajer pemasaran sebuah perusahaan hendak melakukan suatu studi tentang media mix. Jika yang menjadi masalah utama adalah harga, tentu saja hasil studi. tersebut tidak dapat membantunya dalam membuat keputusan.

Ketidaksempurnaan pendefinisian populasi:

Sebagai sasaran suatu penelitian, populasi harus didefinisikan dengan tepat. Misalnya seorang pengusaha restoran di sebuah bandara ingin mengetahui bagaimana tanggapan konsumen tentang menu yang diberikan. Sang pengusaha mengidentifikasikan populasi yang menjadi sasaran adalah seluruh penumpang berusia 18 tahun ke atas yang mendarat di bandara tersebut. Di sini ada kekeliruan dalam mengidentifikasikan populasi sebab masih ada orang yang belum tercakup dalam populasi tersebut, yaitu penumpangpenumpang yang melakukan transit di bandara tersebut.

Kerangka sampling yang tidak representatip:

Dalam menetapkan sebuah kerangka sampling, harus sesuai dengan populasi yang telah diidentifikasi. Ketidaksesuaian tentu saja akan menimbulkan kesalahan survei. Misalnya, seorang manajer distributor komputer merk tertentu bermaksud mengetahui sejauh mana komputer pribadi bermanfaat bagi seseorang. Populasi yang telah ditetapkan adalah semua orang yang berpendapatan rata-rata per bulan sebesar Rp500.000,00 ke atas. Manajer tersebut menetapkan sebuah kerangka sampling dengan memanfaatkan buku telepon terbaru. Tentu saja hal ini tidak sesuai dengan populasi yang telah diidentifikasikan karena masih banyak orang-orang yang berpendapatan Iebih dari Rp500.000,00, namun tidak memiliki nomor telepon.

Kesalahan-kesalahan tanggapan:

Kesalahan-kesalahan ini dapat timbul sebagai akibat dari kesengajaan para responden dalam memberikan tanggapan. Hal ini dimungkinkan jika, misalnya, pertanyaan yang diajukan dinilai terlalu pribadi sifatnya.

23

Kesalahan-kesalahan bukan tanggapan:

Berbeda dengan kesalahan tanggapan. Unsur kesengajaan dari pihak responden tidak ada. Kesalahan ini timbul disebabkan oleh, misalnya, responden telah meninggal dunia, sakit keras, pindah alamat, dan lain sebagainya.

Kesalahan pengukuran:

Di atas telah dijelaskan ten tang pengukuran dan skala pengukuran. Ada kemungkinan, peneliti melakukan kesalahan dalam menetapkan skala pengukuran suatu variabel. Sebuah variabel yang semestinya memiliki skala pengukuran ordinal namun diperlakukan memiliki skala pengukuran rasio. Hal ini akan berpengaruh pada alat-alat analisis yang akan digunakan.

Kesalahan dalam menyusun koesioner:

Kesalahan dalam menyusun sebuah pertanyaan akan berakibat data yang diharapkan akan tidak tercapai. Dengan demikian data yang berhasil dikumpulkan pun akan salah. Masih banyak bentuk kesalahan lain yang dapat terjadi seperti kesalahan dalam pemrosesan data, kesalahan dalam menganalisis data, dan kesalahan dalam menafsir kesalahan-kesalahan itu sendiri.

Dari kedua bentuk kesalahan dalam survei di atas dapat dirumuskan bahwa total kesalahan dalam survei merupakan penjumlahan kesalahan sampling dan kesalahan non-sampling. Atau:

TOTAL KESALAHAN

KESALAHAN = SAMPLING

KESALAHAN

+ NON-SAMPLING

24

8ab III Penyajian Data

3.1 DATA YANG DIURUTKAN

Contoh 1

Hingga akhir tahun 1993, pelanggan PT Prima Khasandy yang belum memenuhi kewajibannya (utang) sebanyak 60 pelanggan. Adapun saldo utang keenarnpuluh pelanggan tersebut dapat dirinci sebagai berikut:

Tabel3.1

Rincian Saldo Piutang 60 Pelanggan PT Prima Kbasandy (dalam satuan Rpl.OOO,OO)

59 56 41 83 69 71

77 67 49 91 71 63

89 69 75 91 69 51

52 70 75 45 77 73

73 73 96 73 77 83

77 62 79 94 81 89

63 65 53 58 87 93

73 :~1,:" $q1

65 -: 9+, :;" 7:1 1'::01 S5, ,61"" 6i "";,,, ~

67 ' 67,,' <'~,·.'~A:~

65, 6'/1 ->,' ,91 >{.',

57 60 '59

Data yang disajikan pada tabel 3.1 di atas dikatakan sebagai data mentah (raw data).

Dikatakan demikian, karena data tersebut bel urn diolah dan disajikan dalam bentuk yang lebih informatip, sehingga setiap orang yang membutuhkan informasi tentang saldo piutang terse but akan dihadapkan pada kesulitan dalam membacanya. Misalnya, berapa saldo piutang terbesar dan berapa saldo piutang terkecil? Sulit tentunya dalam mencari kedua angka tersebut, apalagi jika jumlah pelanggannya banyak.

Bentuk penyajian data yang paling sederhana adalah data yang disajikan dalam keadaan terurut dari angka terkecil hingga angka terbesar atau sebaliknya dari angka terbesar hingga angka terkecil. N amun demikian, data tersebut seyogyanya disusun dari angka terkecil hingga angka terbesar. Hasilnya dapat dilihat pada tabel 3.2 berikut:

25

Tabel3.2

Rincian Saldo Piutang 60 Pelanggan PT Prima Kbasandy (dalam satuan Rp1.000,00)

41 45 49 51 52 53 55 56 56 57
57 58' 59 59 60 61 61 62 63 63
65 65 65 67 67 67 67 69 69 69
69 70 71 71 71 73 73 73 73 73
75 75 77 77 77 79 79 81 81 81
83 83 87 89 89 92 92 93 94 96 Kendati masih sederhana, namun ada beberapa informasi yang dapat diperoleh dari bentuk penyajian data di atas (tabel 3.2), di antaranya:

a. Diperoleh angka data terkecil dan terbesar, yaitu 41 dan 96.

b. Diperoleh informasijangkauan antara angka terkecil dan terbesar, yaitu 55 (= 96-41).

c. Dapatdilakukan pernilah-rnilahan angka data menjadi beberapa kelompokkecil, rnisalnya: lumlah pelanggan yang memiliki saldo piutang antara Rp50.000,00 hingga Rp60.000,00 (50 - 60) sebanyak 12 pelanggan.

lumlah pelanggan yang memiliki saldo piutang kurang dari Rp55.000,00 (kurang dari 55) sebanyak 6 pelanggan.

Dan seterusnya.

Persoalannya akan semakin rumit jika data yang disajikan semakin banyak. Demikian juga jika akan dilakukan penghitungan-penghitungan berbagai ukuran gambaran data (dijelaskan pada bab 4 dan 5). Pembacaan data dan perhitungan akan lebih mudah dilakukan jika data mentah disajikan dalam bentuk yang lebih ringkas. Bentuk penyajian data yang lebih ringkas yang banyak digunakan adalah distribusi frekuensi.

3.2 DISTRIBUSI FREKUENSI

3.2.1 Distribusi Frekuensi dengan Interval Kelas Sarna

Distribusi frekuensi sering pula disebut sebagai tabel frekuensi. Bentuk penyajian ini, data yang semula masih mentah (termasuk data yang telah diurutkan), disusun dalam kelompok-kelompok data atau kelas-kelas data tertentu.

Sebelum sampai pada cara menyusun sebuah tabel frekuensi, perhatikan terlebih dahulu contoh tabel frekuensi berikut:

26

Tabel3.3

Distribusi Frekuensi Usia SO Karyawan PT Mrican Express

l'xia Frekucnsi

20-24 25- 29 30-34 35- 39 40-44 45-49

Jumlah

3 8 17 13 7 2

50

Ada beberapa istilah yang perlu diketahui terlebih dahulu berkenaan dengan sebuah distribusi frekuensi, yaitu:

a. Kelas atau kelompok data

Dari contoh yang disaj ikan pada tabel 3.3, dapat dilihat bahwa jumlah kelasnya adalah 6 kelas atau 6 kelompok data. Penentuanjumlah kelas diserahkan sepenuhnya kepada penyusun distribusi frekuensi. Berapa jumlah kelas yang baik untuk sebuah distribusi frekuensi? Tidak ada pedoman baku yang dapat dijadikan sebagai cara dalam menentukan jumlah kelas. Yang jelas jangan terlalu sedikit maupun jangan terlalu banyak. Untuk distribusi frekuensi yang memiliki kelas terlalu sedikit, maka tujuan pengelompokan data tidak akan tercapai. Sedangkan untuk distribusi frekuensi yang memiliki kelas terlalu ban yak, maka dimungkinkan adanya kelas-kelas yang tidak memiliki akan data. Sebagai gambaran, jumlah kelas yang dibutuhkan biasanya berkisar dari 5 hingga 15 kelas.

Untuk memudahkannya dapat digunakan perumusan Sturges seperti berikut ini:

Jumlah kelas ;:; 1 + 3,322 log n

n: jumlah data observasi

Walaupun demikian, hasil perhitungan dengan perumusan tersebut tidak harus digunakan secar- kaku. Misalnya hasil perhitungannya adalah 6,89. Lazirnnya, angka 6,89 harus dibulatkan ke atas menjadi 7. Akan tetapi, pembulatan ke bawah pun dapat dilakukan, sehingga jumlah kelasnya bukan 7 melainkan 6 kelas.

b. Interval kelas

Interval kelas adalah jangkauan atau jarak antara kelas yang satu dengan kelas yang lainnya secara berurutan. Interval kelas tersebut ditentukan dengan menentukan beda

27

antara batas kelas bawah suatu kelas (jika menggunakan tabel 3.2.1) dengan batas kelas bawah kelas sebelumnya atau sesudahnya. Ada juga yang menyebut interval kelas dengan lebar kelas, yaitu jarak antara tepi batas kelas bawah dengan tepi batas kelas atas suatu kelas.

Hampir setiap distribusi frekuensi memiliki interval atau lebar kelas yang sarna seperti yang terlihat pada tabel 3.3. Namun demikian, pada situasi tertentu, dimungkinkan adanya interval atau lebar kelas yang tidak sarna. Pada kedua contoh di atas, interval atau lebar kelasnya adalah 5.

Dalam menentukan interval kelas, perlu diketahui terlebih dahulu jangkauan atau beda antara angka data terbesar dengan angka data terkecil. Selanjutnya dapat digunakan perumusan sederhana seperti berikut ini:

Jangkauan Interval kelas = Jumlah kelas

c. Batas kelas dan tepi batas kelas

Batas-batas kelas (class limits) adalah dua angka yang dijadikan sebagai pembatas kelas, yang terdiri dari batas kelas atas dan batas kelas bawah. Hal ini dapat dilihat pada contoh tabel 3.3. Perhatikan kelas ke-4. Kelas ini dibatasi oleh dua angka, yaitu 35 dan 39. Dalam kelas tersebut, 35 merupakan batas kelas bawah dan 39 batas kelas atas. Dua angka ini bukanlah batas kelas yang sebenarnya. Perhatikan kelas ke empat dan kelas ke lima. Adakah angka yang menjadi pembatas antara dua kelas tersebut? Jika dilihatjelas tidak ada. Antara batas kelas atas kelas ke empat (39) dengan batas kelas bawah kelas ke lima (40) masih terdapat jangkauan sebesar I, yang di dalamnya terdapat sederetan angka yang tidak terbatas jumlahnya. Jika digambarkan pada suatu garis bilangan akan terlihat sebagai berikut:

Kelas IV

Kelas V

------0 ---0 ------

40

Batas kelas bawah kelas ke lima

39 Batas kelas atas kelas ke empat

Gambar 3.1

Batas Kelas Atas dan Bawah dengan Garis Bilangan

Tepi-tepi batas kelas (class boundaries) dikatakanjuga sebagai batas kelas nyata (actual class limit). Jika dihubungkan dengan gambar di atas, maka tepi batas kelas terletak antara batas kelas atas kelas ke empat dan tepi batas kelas bawah kelas ke lima. Selanjutnya dapat digambarkan sebagai berikut:

28

Kelas IV

tepi batas kelas

I

Kelas V

------ 0 -- 0 - 0 -----

39 39,5 40

Batas kelas atas kelas ke empat

Batas kelas bawah kelas ke lima

Gambar 3.2

Tepi Batas Kelas dengan Garis Bilangan

Jika tepi batas kelas dijadikan sebagai batas kelas pada sebuah distribusi frekuensi, maka contoh yang tersaji pada tabel 3.3 akan berubah seperti pada tabel 3.4.

Tabel3.4

Distribusi usia 50 karyawan PT Mrican Express

19,5 - 24,5 3
24.5 - 29,5 8
29,5 - 34,5 17
34,5 - 39,5 13
39,5 - 44,5 7
44,5 - 49,5 2
Jumlah 50 d. Titik tengah

Jika serangkaian data mentah (termasuk yang sudah diurutkan) sudah disajikan dalam bent uk terkelompok (dalam bent uk distribusi frekuensi), maka sifat keaslian data tersebut sudah hilang. Selanjutnya, bagaimanakah cara untuk menaksir data aslinya?

Titik tengah setiap kelas dapat dijadikan sebagai penaksir data asli yang sudah hilang sebagai akibat proses pengelompokan. Titik tengah ini sebenarnya merupakan rata-rata hi tung suatu kelas yang dihitung dengan membagi hasiljumlah batas kelas bawah dan batas kelas atas dengan angka 2. Jika digabung antara tabe13.3 dan tabe13.4 akan diperoleh bentuk seperti berikut:

29

r

,~ "",

Tabel3.5

Gabungan antara Tabel3.3 dan Tabel 3.4

20~24 19.5 - 24.5
25 -29 24,5 - 29,5
30-34 29,5 - 34,5
35 ~ 39 34,5 - 39.5
40-44 39,5 - 44,5
45 -49 44.5 - 49.5
Jumlah 50 Bagaimana selanjutnya cara menyusun sebuah distribusi frekuensi? Beberapa langkah yang dapat dijadikan pedoman dapat dirinci sebagai berikut:

a. Menentukan jumlab kelas

Dari 60 data yang tersaji pada contoh 1 di atas, misalnya jumlah kelas ditetapkan sebanyak 6 kelas. Bagaimana jika penetapan jumlah kelas didasarkan dengan menggunakan perumusan Sturges?

Jumlah kelas

= 1 + 3,322 log 60 = 6,90701845377

Dari hasil perhitungan tersebut, maka jumlah kelas dapat ditetapkan sebanyak 7 kelas. Dalam contoh selanjutnya, kelas ditetapkan sebanyak 6 kelas.

b. Menentukan interval kelas

Jangkauan angka data terbesar dengan angka terkecil dapat dihitung:

96 - 41 = 55

Selanjutnya interval kelasnya dapat dihitung sebagai berikut:

Interval kelas

=55: 6

= 9,16666666667

Interval kelas = 10 (dibulatkan). Pembulatan angka 9,16666666667 menjadi 10 (bukan menjadi 9) hanya didasarkan pada tujuan kepraktisan saja.

c. Menyusun kelas-kelas data

Yang pertama adalah menentukan batas kelas bawah untuk kelas pertama. Haruskah batas kelas bawah tersebut adalah 41, yaitu angka data terkecil? Tidak. Suatu pedoman

30

sederhana dalam menentukan batas kelas bawah ini adalah pembulatan ke bawah terhadap angka data terkeeil. Misalnya, angka data terkeeil adalah 50,97. Dengan demikian, maka batas kelas bawahnya adalah 50.

Jika demikian, perlukah angka 41 dibulatkan lagi? Tetap menggunakan angka tersebut pun dimungkinkan, dan seandainya dibulatkan sehingga diperoleh angka yang "praktis" pun juga dimungkinkan. Seyogyanyalah angka-angka yang digunakan adalah angka yang "praktis", sehingga angka data 41 dibulatkan menjadi 40.

4050

60

70

80

90

100

Berikutnya adalah menyusun batas-batas kelas atas. Angka-angka ini dapat dipastikan besarnya yaitu lebih keeil dari angka batas kelas bawah kelas berikutnya. Misalnya untuk kelas pertama, maka batas kelas atasnya adalah lebih keeil dari batas kelas bawah kelas ke kedua yaitu 50. Berapa? Banyak angka yang dimungkinkan untuk dijadikan angka batas kelas atas, misalnya 44,99. Namun angka ini kurang "ringkas" dan di samping itu, tidak ada angka-angka data yang berbentuk peeahan, misalnya 49,3. Jika demikian, angka 49 sebenarnya sudah dapat dijadikan batas kelas atas untuk kelas pertama. Untuk kelas-kelas berikutnya dapat ditentukan mengikuti batas kelas yang sudah ada. Adapun susunan kelas-kelasnya adalah:

Tabe13.6

Batas Kelas Bawab dan Batas Kelas Atas

Balas kelus Batas kelas

bawah alas

40 50 60

'70 80 90 dst

49 59 69 79 89 99 dst

d. Memasukkan data

Langkah terakhir adalah memasukkan angka-angka data ke dalam kelas-kelas yang bersesuaian. Ada kemungkinan bahwa pada saat memasukkan angka-angka data terdapat angka data yang tidak dapat dimasukkan, misalnya 105. Jika diputuskan jumlah kelasnya 6 dan batas kelas paling atas sebesar 99, maka angka data sebesar 105 jelas tidak dapat dimasukkan ke dalam kelas terakhir. Dalam hal ini tentu ada kekeliruan dalam menetapkan interval kelas atau batas-batas kelas. Untuk itu, satu hal yang perlu diperhatikan dalam menyusun sebuah distribusi frekuensi, yaitu agar semua angka

31

data dapat dimasukkan tanpa mengalami keragu-raguan, Untuk itulah sebelum menetapkan interval kelas dan batas-batas kelas harus diperhatikan terlebih dahulu apakah dengan interval kelas dan batas-batas kelas yang ada semua angka data dapat dimasukkan ke kelas-kelas yang bersesuaian tanpa mengalami keragu-raguan. Jika terdapat satu data saja yang tidak dapat dimasukkan, maka semuanya harus diperbaiki. Hasil akhir penyusunan distribusi frekuensi dapat dilihat pada tabel 3.7.

Tabel3.7

Distribusi Frekuensi Saldo Piutang 60 Pelanggan PT Prima Khasandy

Salelo Piutang Jumhtt. Pelanggan

40-49 3
50-59 11
60-69 17
70-79 16
80- 89 8
90-99 5
Jumlah 60 Perhatikan kelas pertama distribusi frekuensi pada tabel 3.7. Batas-batas kelasnya adalah 40 dan 49. Sebenarnya, batas atas dapatjuga dinyatakan dengan simbul "lebih kecil dari", yaitu "< 50", sehingga distribusi frekuensinya seperti terlihat pada tabel 3.8 berikut ini:

Tabe13.8

Distribusi Frekuensi Sal do Piutang 60 pelanggan PT Prima Khasandy

Saldn Pilltang .lumlah Pclanggan

40-<50 3
50-<60 11
60- <70 17
70- <80 16
80-<90 8
90- <100 5
_--- __ ...... " ... " .. ~ .... .,.
Jumlah 60 Sebelum sampaipada tabe13. 7 dan tabe13.8, pemasukan data dapat dipermudah dengan membuat tally terlebih dahulu seperti pada tabel 3.9 berikut ini:

32

Tabel3.9

Distribusi Frekuensi Saldo Piutang 60 pelanggan PT Prima Kbasandy

40-49 III 3
50 - 59 /111/ 1/1111 . ,. 11
60- 69 1111/ II/II /1111 II -, ,),1
70-79 1IIIIIIIIi IIlIl/ ' t \' ""::':~'1
80· 89 /111111/
90 - 99 1/11/ S
Jumlah 60 Namun, perlu diperhatikan sekali lagi bahwa bentuk penyajian terakhir bukan seperti pada tabel3. 9. Bentuk penyajian pada tabel3. 9 merupakan salah satu tahap dalam rnenyajikan data dalarn bentuk distribusi frekuensi dan juga bentuk tersebut tidak harus dibuat.

3.2.2 Distribusi Frekuensi dengan Interval Kelas Tidak Sarna

Di depan telah dipaparkan bahwa interval kelas tidak harus sarna. Hal ini terjadi jika terdapat perubahan angka data yang ekstrirn. Hal ini akan berakibat bahwa pada distribusi frekuensi yang disusun akan terdapat satu kelas atau lebih yang tidak rnerniliki frekuensi data at au merniliki frekuensi yang dernikian keeil dibanding dengan kelas sebelurn dan sesudahnya. Perhatikan eontoh berikut ini:

Tabe13.10

Distribusi Frekuensi Pendapatan

60 Pelanggan PT Balapan Supermarket

Pcndapatan I'danggan

100.000 - < 125.000 9
125.000 - < 150.000 11
150.000· < 175.000 13
175.000· < 200.000 0
225.000 - < 250.000 12
275.000 - < 300.000 10
325.000· < 350.000 5
Jurnlah 60 33

Perhatikan bahwa pada kelas ke-4 distribusi tersebut, frekuensinya no1. Kelas dengan frekuensi nol ini sebenarnya bisa dihapus. Penghapusan dilakukan dengan menggabungkan kelas yang berfrekuensi nol dengan kelas sebelumnya atau sesudahnya. Jika digabung dengan kelas sebelumnya, maka akan terlihat seperti berikut ini:

Tabe13.11

Distribusi Frekuensi Pendapatan

60 Pelanggan PT Balapan Supermarket

Pendupatuu Pdanggan

100.000 - < 125.000 125.000 - < 150.000 150.000 - < 200.000 200.000 - < 225.000 225.000 - < 250.000 250.000 - -c 275.000

9 11 13 12 10 5

Jumlah

60

Perhatikan bahwa antara kelas ke-3 dan ke-4, memiliki interval ke1as sebesar 75.000 (= 225.000 - 150.000) dan bukan lagi sebesar 25.000. Jika digabung dengan kelas berikutnya, maka akan terlihat seperti berikut ini:

Tabe13.12

Distribusi Frekuensi Pendapatan

60 Pelanggan PT Balapan Supermarket

Pcndapatan Pelanggan

. 160.000 - < 125.000 125.000-< 150.000 150.000-< 175.000 175.000- < 225.000 225.000 - < 250.000 250.000· < 275.000

9 11 13 12 10 5

lumlah

34

60

3.2.3 Distribusi Frekuensi dengan Kelas Terbuka

Distribusi frekuensi dengan kelas tertutup adalah distribusi frekuensi yang secara jelas memiliki batas kelas terkecil dan batas kelas terbesar. Mirip dengan kasus pada distribusi frekuensi yang memiliki interval kelas yang tidak sarna, sebuah distribusi frekuensi tidak harus memiliki kelas-kelas yang tertutup.

Ada kemungkinan bahwa serangkaian data memiliki sejumlah kecil angka data (awal atau terakhir jika sudah diurutkan) yang besarnya tergolong ekstrim, misalnya jauh lebih kecil atau jauh lebih besar dari sebagian besar angka-angka data yang ada.

Perhatikan tabe13.2. Lima angka terakhir adalah: 91, 92, 93, 94, dan 96. Misalnya dua angka terakhir bukan 94 dan 96, melainkan 179 dan 240. Jika demikian, maka distribusi frekuensi yang dibuat akan terdapat kelas-kelas (kelas-kelas terakhir) yang tidak memiliki frekuensi. Dalarn hal demikian ini, distribusi frekuensi dapat disusun dengan menggunakan kelas terbuka untuk kelas terakhir, sehingga tabel frekuensi pada tabel 3.7 dan tabel 3.8 berubah menjadi:

Tabe13.l3

Distribusi Frekuensi Saldo Piutang 60 Pelanggan PT Prima Kbasandy

Saldo I'illlang .J 1I1l11ah I'l'Ianggan

40-<50 ' ~, 3. ' :' ,~", ,'.-
50-<60 11
60- < 70 17
70- <80 16
80-<90 8
90 atau lebih 5
lumlah 60 Hanya saja, dari penyajian data seperti pada tabel 3.13 tersebut tidak dapat disajikan kembali bentuk distribusi frekuensi kumulatip, histogram frekuensi, poligon frekuensi, dan lain sebagainya (dikupas pada sub bab berikutnya).

3.2.4 Distribusi Frekuensi Relatip

Seperti terlihat pada tabel-tabel frekuensi sebelumnya, frekuensi data dinyatakan dalam bilangan absolut. Sebenarnya, frekuensi data tersebut dapat saja dinyatakan dengan bilangan relatip yang dihitung dengan membagi frekuensi masing-masing kelas dengan banyaknya data. Atau dapat juga dinyatakan dalam persentase, dengan membagi frekuensi masingmasing kelas dengan banyaknya data yang selanjutnya dikali dengan 100%. Dari tabe13.13 selanjutnya dapat diubah menjadi distribusi frekuensi relatip seperti berikut ini:

35

Tabe13.14

Distribusi Frekuensi Relatip Saldo Piutang 60 Pelanggan PT Prima Kbasandy

Saldo Piutanu .Jumlah Pl'Ianggan

40-<50 0,05
50-<60 0,18
60 -<70 0,28
70-< 80 0.27
80-<90 0,13
90 atau lebih 0,08
Jumlah 0,99 --> 1,00 Atau dapatdisusun seperti berikut ini:

Tabel3.l5

Distribusi Frekuensi Relatip Saldo Piutang 60 Pelanggan PT Prima Kbasandy

Salclo Piutang .Iumlah P('langgan

40-<50 50-<60 60-<70 70- <80 80-<90

90 atau lebih

5,00% 18.33 % 28,33 % 26,67 % 13,33 % 8,33%

Jumlah

99,99%

-->100%

3.3 HISTROGRAM DAN POLIGON FREKUENSI

3.3.1 Histogram Frekuensi

Berbeda dengan penyajian-penyajian sebelumnya, pada penyajian berikut ini, data tidak lagi disajikan dalam bentuk tabel-tabel, melainkan dalam bentuk diagram-diagram. Penyajian dalam bentuk diagram-diagram ini akan memudahkan setiap orang yang ingin membaca data dengan cepat. Hanya saja, informasi yang diperoleh oleh pembaca tidak lagi jelas dan rinei. Gambar 3.3 berikut adalah histogram yang diambil dari kasus pada PT Prima Khasandy.

31'

Jumlah Pelanggan

17 16

8

r---
r----
r--
t--
1 11

5

3

39,5 49,5 59,5 69,5 79,5 89,5 99,5 Saldo Piutang

Gambar3.3 Histogram Saldo Piutang

60 Pelanggan P'I: Prima Kbasandy (dalam satuan Rpl.OOO,OO)

Histogram frekuensi, seperti yang tersaji pada gambar 3.3 merupakan sekumpulan empat persegi-panjang yang digambar dalam suatu bagan salib-sumbu. Sumbu tegak histogram menggambarkan frekuensi data dan sumbu mendatarnya menggambarkan bilanganbilangan data yang dinyatakan dalam kelas-kelas data. Adapun masing-masing bidang persegi-panjang tersebut memiliki sisi-sisi:

sisi tegak menggambarkan frekuensi kelas, dan

sisi lebar bidang menggambarkan interval kelas atau lebar kelas.

Hal yang perlu diperhatikan dalam membuat skala pada sumbu datar _ pada kasuskasus tertentu juga pada sumbu tegaknya _ antara titik pusat hingga angka skala pertama untuk kelas harus diberi tanda potong yang dalam diagram di atas diberi tanda "H". Hal ini dimaksudkan untuk membedakan skala antar titik yang menggambarkan batas kelas dengan titik pusat dengan titik yang menandakan batas kelas terkecil.

Pemilihan angka-angka pada sumbu mendatar, yang menggambarkan batas-batas kelas, dapat diambil dari tepi-tepi batas kelas (class boundaries) seperti yang terlihat pada gambar 3.3. Di samping itu, dapat pula diambil dari batas-batas kelas (class limits). Gambar 3.4 berikut ini adalah histogram yang dimaksud.

37

70 80 90

Garnbar 3.4

Histogram Saldo Piutang

60 Pelanggan PT Prima Kbasandy (dalam satuan Rpl.OOO,OO)

17 16

11

8

5

3

o

Jumlah Pelanggan

;---
-
;---
-
r-= 40

60

Saldo Piutang

50

100

Bagaimana halnya dengan distribusi frekuensi yang memiliki interval kelas yang tidak sarna? Hal ini tidak ada perbedaan dalam menggambarkannya. Dari tabel 3.11, histogram frekuensinya dapat disajikan sebagai berikut:

Jumlah Pe\anggan

13 12 11 10

9

5

f---
r--

r---
-
I 200 225 250 275 Saldo Piutang

Gambar 3.5

Histogram Frekuensi Pendapatan 60 Pelanggan PT Balapan Supermarket

38

100 125 150

3.3.2 Poligon Frekuensi

Diagram yang dapat menggambarkan sebuah distribusi frekuensi tidak saja dapat digambarkan melalui histogram frekuensi, melainkan dapat juga digambarkan melalui poligon frekuensi. Sarna seperti pada histogram frekuensi, poligon frekuensi digambar pula dalam suatu bagan salib-sumbu dengan angka-angka ordinat dan absis yang sarna. Hanya saja, masing-masing kelas berikut frekuensinya tidak dilukiskan dalam bentuk empat persegi-panjang, melainkan dalam bentuk garis yang menghubungkan tiap titik tengah masing-masing kelas. Dari data yang tersaji pada tabel 3.5, maka poligon frekuensinya adalah sebagai berikut:

Jumlah Karyawan

17

8 7

13

3 2

22

27

32

37

42

47

Usia

Gambar 3.6 Poligon Frekuensi

3.3.3 Kurva Frekuensi

Mirip dengan poligon frekuensi, kurva frekuensi digambarkan dalam bentuk garis yang menghubungkan tiap titik tengah untuk masing-masing kelas. Hanya saja,jika pada poligon frekuensi disajikan dalam bentuk garis-garis patah, maka pada kurva frekuensi, garis digambarkan secara halus. Dengan demikian, frekuensi data masing-masing kelas tidak lagi nampak secara jelas. Tujuan penyajian distribusi frekuensi dalam bentuk kurva frekuensi sekedar untuk memperlihatkan bagaimana bentuk distribusi data tersebut. Di samping itu, dari sebuah kurva frekuensi dapat diperoleh kecenderungan memusatnya data (akan dibahas nanti). Dari gambar 3.6 dapat disajikan kurva frekuensi seperti berikut ini:

39

17

Jumlah Karyawan

13

8 7

3 2

22

27

32

37

42

47

Usia

Gambar 3.7 Kurva Frekuensi

Dengan menggambar kurva frekuensinya, bentuk distribusi frekuensi dapat dibedakan menjadi beberapa bentuk yaitu bentuk miring ke kiri, simetris, dan miring ke kanan. Perhatikan diagram-diagram berikut ini:

Gambar 3.8 Bentuk-bentuk distribusi frekuensi

Penyajian dalam bentuk kurva frekuensi ini - umumnya, frekuensi dinyatakan dalam angka relatip dan bukan dalam bentuk absolut - akan banyak digunakan dalam pembahasan Statistika Inferensial.

40

, ..

3.4 DISTRIBUSI FREKUENSI KUMULATIP DAN OGIVE

3.4.1 Distribusi Frekuensi Kumulatip

Dalam distribusi frekuensi kumulatip, frekuensi tidak lagi disajikan untuk tiap kelas, namun disajikan secara kumulatip ke belakang atau ke depan. Misalnya, frekuensi padakelas ke tiga, tidak lagi disajikan hanya untuk frekuensi kelas tersebut, namum meliputi kelas-kelas sebelumnya atau meliputi kelas-kelas berikutnya. Dengan demikian, distribusi frekuensi kumulatip dibedakan menjadi dua, yaitu: distribusi frekuensi kUIDulatip "kurang dari" dan distribusi frekuensi kumulatip "atau lebih". Tabel-tabel berikut menyajikan proses pembuatan ke dua distribusi frekuensi kumulatip tersebut.

Tabe13.l6

Menyusun Distribusi Frekuensi Kumulatip Tipe "Kurang Dari"

40-49 1 3 kurang dari 40 0
50- 59 11 kurangdari 50 0+ 3= 3
60 -69 17 kurang dari 60 3+ 11 = 14
i
70-79 16 kurang dari 70 14+ 17=31
80 - 89 : 8 kurang dari 80 31 + 16=47 ,
90-99 5 kurang dari 90 47+ 8=55
~gdari 100 55+ 5=60 Selanjutnya, distribusi frekuensi kumulatipnya adalah:

Tabe13.17

Distribusi Frekuensi Kumulatip

Saldo Piutang 60 Pelanggan PT Prima Kbasandy

Saldo Piutang Frckueuxi Kumulatip

Kurangdari 40 Kurang dari 50 Kurang dari 60 Kurang dari 70 Kurang dati 80 Kurang dari 90 Kurang dari 100

o 3 14 31 47 55 60

41

Pada tiap distribusi frekuensi kumulatip tipe "kurang dari", frekuensi kelas terakhir senantiasa sebesar banyaknya data. Sedangkan pada kelas pertama, ada yang menyajikan frekuensi kumulatip sebesar nol seperti pada tabel di atas, ada juga langsung menyajikan frekuensi kelas pertamanya yaitu sebesar 3.

Perhatikan bahwa angka-angka yang dijadikan batas kelas kumulatip adalah batas-batas kelas bawah. Di samping dapat disajikan dalam bentuk seperti pada tabel di atas, distribusi frekuensi kumulatip tipe "kurang dari" dapat juga disajikan dengan menggunakan simbul "kurang dari" (c) seperti berikut ini:

Tabe13.18

Distribusi Frekuensi Kumulatip Saldo Piutang 60 Pelanggan PT Prima Khasandy

Saldo Piutang Frekuensi Kumulatip

. <40 0
<50 3
<60 14
<70 31
<80 47
<90 55
< 100 60 Jika pada distribusi frekuensi kumulatip tipe "kurang dari", frekuensi kumulatip bergerak dari frekuensi sebesar no1 (atau sebesar frekuensi kelas pertama) hingga frekuensi sebesar banyaknya data, maka pada distribusi frekuensi kumulatip tipe "atau lebih", frekuensi kumulatip bergerak dari frekuensi sebesar banyaknya data hingga frekuensi sebesar no1 atau frekuensi data pada kelas terakhir. Proses penyusunannya pun tidak berbeda.

Tabe13.19

Menyusun Distribusi Frekuensi Kumulatip Tipe "atau Lebih"

40-49 3 40 atau lebih 60
50 - 59 11 50 atau lebih 60- 3 =57
60 - 69 17 60 atau lebih 57 -11 =46
70-79 16 70 atau lebih 46 - 17 = 29
80- 89 8 80 atau lebib 29 -16 = 13
90-99 5 90 atau lebih 13 - 8 = 5
100 atau lebih 5 -5 = 0 42

Selanjutnya, hasil akhir penyusunan distribusi frekuensi kumulatip tipe "atau lebih" adalah sebagai berikut:

Tabe13.20

Distribusi Frekuensi Kumulatip Saldo Piutang 60 Pelanggan PT Prima Kbasandy

Saldo Piutang Frckueusi Kumulatip

40 atau lebih 60
50 atau lebih 57
60 atau lebih 46
70 atau lebih 29
80 atau lebih 13
90 atau lebih 5
100 atau lebih 0 Seperti halnya pada distribusi frekuensi kumulatip tipe "kurang dari", pada distribusi frekuensi kumulatip tipe "atau lebih" dapatjuga disajikan dengan menggunakan simbul "atau lebih" seperti berikut ini:

Tabe13.21

Distribusi Frekuensi Kumulatip Saldo Piutang 60 Pelanggan PT Prima Kbasandy

Saldo Piutang Frekuensi Kumulatip

o 3 14 31 47 55 60

40S; 50S; 60S; 70 S; 80S; 90S;

100S;

3.4.20give

Distribusi frekuensi kumulatip, selain disajikan dalam bentuk tabel-tabel seperti di atas, dapat juga disajikan dalam bentuk diagram yang dinamakan ogive. Penggambarannyajuga dilakukan di atas bagan salib-sumbu seperti pada poligon frekuensi. Dari tabel3 .21, masingmasing dapat dibuat ogivenya seperti berikut ini:

43

Jumlah Pelanggan

40

50

60

70

80

90

100 Saldo Piurang

Gambar 3.9

Ogive Saldo Piutang PT Prima Khasandy

Jumlah Pelanggan

60

3

40

50

60

70

EO

90

100 Saldo Piutang

55

47

31

14

Garnbar 3.10

Ogive Saldo Piutang PT Prima Khasandy

44

Jumlah Pelanggan

5 3

40

50

60

70

80

90

100 Saldo Piutang

60 57 55

47 46

31 29

14 13

Gambar 3.11

Ogive Saldo Piutang PT Prima Khasandy

3.5 BENTUK PENYAJIAN YANG LAIN

3.5.1 Diagram Batang

Seringkali, sebuah organisasi, organisasi bisnis misalnya, perlu menyajikan berbagai data yang menginformasikan perkembangan berbagai prestasi seperti perkembangan laba yang diperoleh, perkembangan nilai penjualan, dan lain sebagainya.

Selain dapat disajikan dalam bentuk tabel-tabel, yang dapat memberikan informasi rinei, kadang-kadang, pihak-pihak tertentu ingin memperoleh informasi secara sepintas, yang tentu saja keakuratan informasi yang diperolehnya memang tidak diperhatikan. Dalam hal ini data yang telah disajikan dalam bentuk tabel-tabel perlu disajikan dalam bentuk lain yang lebih menarik. Diagram batang, atau bar chart adalah salah satu bentuk yang dimaksud. Perhatikan contoh berikut ini:

45

Rp milyar

12.000
10.000
8.000
6.000
4.000
2.000
0 l-




t---
r---- 1984

1985

1986

1987

1988

Gambar 3.12

Perkembangan Aktiva Bank Bumi Daya 1984 - 1987 Beserta Proyeksi untuk Tahun 1988 *)

*) Sumber: Laporan Tahunan 1987 Bank Bumi Oaya

Pada gambar di atas, beberapa nilai aktiva tidak disajikan secara jelas. Informasi yang diperoleh hanyalah pol a perkembangan aktiva dari tahun ke tahun saja. Terlihat bahwa perkembangan dari tahun ke tahun menunjukkan adanya peningkatan. Seberapa besar kenaikannya, sekali lagi tidak disajikan. Biasanya, penyajian data dalam bentuk tabel akan diikuti penyajian dalam bentuk diagram. Hal ini, tentu saja untuk memenuhi dua kepentingan yang berbeda, yaitu informasi yang rinei dan informasi sepintas.

Dalam satu kuadran diagram batang tidak saja dapat memberikan informasi satu obyek informasi saja, aktiva misalnya, namun dapat juga memvisualisasikan beberapa obyek sekaligus (dalam satu kuadran). Di samping itu, diagram batang tidak hanya dapat disajikan secara tegak saja, namun dapatjuga disajikan secara mendatar. Perhatikan contoh berikut ini:

46

1983

111I I

11111111 I

11111111 I

lilililill I

11111111111 I
1984

1985

1986

1987

o

5.000

10.000

15.000

20.000

25.000

30.000

35.000

Rp milyar

Gambar 3.13

Perkembangan Dana Masyarakat pad a Bank Bumi Daya dan Perbankan 1983 - 1987 *)

*) Sumber: Laporan Tahunan 1987, Bank Bumi Daya

[IT] Bank Bumi Daya

[IT[] Perbankan

Seringkali, pembuatan diagram batang menggunakan pewarnaan sehingga penyajiannya nampak lebih menarik. Di samping dengan menggunakan pewarnaan, diagramnya tidak semata-mata berujud kumpulan batang, namun disesuaikan dengan obyek yang disajikan. Misalnya, penyajian data tentang perkembangan volume produksi rokok digambar dengan ujud batang-batang rokok.

3.5.2 Garis

Fungsi diagram garis sebenarnya tidak berbeda dengan fungsi diagram batang yang memberikan informasi mengenai perkembangan sesuatu dari peri ode ke periode. Hanya saja, seperti narnanya, diagram diujudkan dengan garis-garis yang menghubungkan puncakpuncak frekuensi tiap periode. Perhatikan contoh berikut ini:

47

Volume

83/84

84/85

85/86

86/87

87/88

Gambar 3.14

Garis Perkembangan Volume Ekspor Kopi 1983/1984 sid 198711988 (Ribuan Ton) *)

*) Sumber: Bank Indonesia, Laporan Tahunan 1987/1988. halaman 91, tabel 8.3.

3.5.3 Diagram Lingkaran

Berbeda dengan kedua diagram di atas, diagram lingkaran (dalam satu diagram) menginformasikan perbandingan beberapa obyek yang menjadi perhatian. Misalnya volume produksi sepatu untuk berbagai tipe pada tahun 1989. Tentu saja, penggambarannya dilakukan di atas sebuah lingkaran. Selanjutnya lingkaran tersebut dibagi-bagi menjadi beberapa daerah sesuai dengan jumlah obyek yang menjadi perhatian. Proporsi daerah yang menginformasikan obyek kajian dibuat sedemikian rupa sehingga luas daerah yang dimaksud sebanding dengan niIai-nilai datanya. Misalnya, sepatu yang akan diinformasikan sebanyak 4 tipe. Maka lingkaran tersebut dibagi menjadi 4 daerah yang luasnya sesuai dengan masingmasing volume produksi.

Contoh 2

Volume produksi sepatu PT Khasandy selama tahun 1989 dapat disajikan sebagai berikut:

48

Tabel3.21

Volume Produksi PT Khasandy selama Tahun 1989

Tipe \ olume (Pasang)

Sepatu Pria Dewasa

Sepatu Wanita Dewasa Sepatu Sport Pria Dewasa Sepatu Sport Wanita Dewasa

6.500 pasang 4.750 pasang 3.800 pasang 3.500 pasang

Jumlah

18.550 pasang

Penentuan proporsi daerah yang menginformasikan keempat tipe sepatu tersebut dapat dilakukan sebagai berikut:

a. Sepatu Pria Dewasa:

1~~5~~ x 360 = 126,15 dibulatkan menjadi 126

b. Sepatu Wanita Dewasa:

1~~;500 x 360 = 92,18 dibulatkan menjadi 92

c. Sepatu Sport Pria Dewasa:

13~~5~00 x 360 = 73,75 dibulatkan menjadi 74

d. Sepatu Sport Wanita Dewasa:

13~~50500 x 360 = 67,93 dibulatkan menjadi 68

Hasilnya dapat disajikan pada gambar 3.15 berikut. (Agar satu daerah dengan daerah yang lainnya dapat dibedakan dengan jelas, masing-masing daerah harus dibedakan dengan menggunakan arsiran yang berbeda. Agar lebih menarik, penggunaan warna pun sangat dianjurkan)

49

Gambar 3.15

Volume Produksi PT Khasandy selama Tahun 1989

dengan keterangan:

D Sepatu Pria Dewasa m Sepatu Wanita Dewasa l-:-:-:-:-:-:-j Sepatu Sport Pria Dewasa ISSS3 Sepatu Sport Wanita Dewasa

3_6 HASIL CETAK KOMPUTER

Dewasa ini, sudah ban yak beredar berbagai program untuk komputer yang dapat digunakan untuk menyajikan data, baik dalam bentuk tabel maupun diagram. Berikut ini akan disajikan beberapa contoh hasil cetak komputer dengan menggunakan program Microstat dan Lotus 1-2-3.

Contoh 3

Contoh distribusi frekuensi dan histogram frekuensi dengan menggunakan program Microstat (lihat tabel 3.1).

50

FREQUENCY DISTRIBUTIONS

HEADER DATA FOR: B: SALDO LABEL:

NUMBER OF CASES: 60 NUMBER OF V ARIABELS: 1

VARIABLE: I. SALDO

SALDO PIUT ANG 60 PELANGGAN PT PRIMA KHASANDY (RPl.OOO,OO)

- CUMULATIVE -
CLASS LIMITS FREQUENCY PERCENT FREQUENCY PERCENT
40.00 < 50.00 3 5.00 3 5.00
50.00 < 60.00 11 18.33 14 23.33
60.00 < 70.00 17 28.33 31 51.67
70.00 < 80.00 16 26.67 47 78.33
80.00 < 90.00 8 13.33 55 91.67
90.00 < 100.00 5 8.33 60 100.00
TOTAL 60 100.00 CLASS LIMITS FREQUENCY

==================

40.00 < 50.00 3

50.00 < 60.00 11

60.00 < 70.00 17

70.00 < 80.00 16

80.00 < 90.00 8

90.00 < 100.00 5

=============================

===========================

=============

--------

--------

Contoh 4

Contoh Diagram Batang dengan menggunakan program Lotus 1-2-3.

51

Tabe13.22

Perkembangan Nilai Ekspor selama 1978 - 1988 (Juta $)

Tahun Nilai Ekspor

11.093,5 15.259,8 21.783,8 22.118,8 18.923,7 18.802,1 21.001,8 18.762,2 14.597,5 17.307,6

7.645,3

1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 *)

*) Sampai Mei 1988.

Sumber:Bank Bumi Daya, Statistik Ekonomi dan Keuangan Indonesia, 1988, halaman

24
22
20
18
;;:; 16
"
~'? 14
o-g
S "
o.~ 12
~ 0
fij~
3'-' 10
Z
6
4
2
0 52

Gambar 3.16 PERKEMBANGAN NILAI EKSPOR Tabun 1978 - 1988 (juta$)

"'" I."'"
... ~ ... /'
... ...
.: "
... -,
... ~ " ...
-, ~ "" ~
" ~
... ... ...
v ... V ... " "
> ... -, ... -,
~ " ~ ... "
-, ... ... ... ...
... " ~ ... '7' " ...
-, ... ... -, -,
" ... " " .- "
... ... ... ... -, ... ... ...
" ... " " ... " .- ...
> -, ... -, ... -,
" " .- "
... ... -, ... ... ... ... ...
"'" " " " " "
... ... ... -, ... ... -, ... ...
" " " " " "
... -, -, ... ... ... -, ... ... ...
" " ... " " ... .- .- '"
... ... -, ... ... ... ... ...
.- ~ ... ~ ~ ... ~ ~ ~
... -, -, ... -, ... -, ... ...
.- ,- -, ~ ,- ... ,- " ,-
-, ... ... ... -, -, ... ... ...
,- ... ~ ... ... ,- ... ,- ... ~ ,- ,-
... ... ... ... ... ...
" ... ~ " ... " " "
-, -, -, ... -, ... -, ... ...
.- ... " -, ,- ... ,- ... ,- ,- ,-
-, -, ... -, -, ... ...
" ,- ,- ,- ,- ,- ,-
" > ... ... ... ... -, -, " " -,
" ... ,- " ,- ,- ,-
... ... ... ... ... ... ... ... ... 19781979198019811981198319841985198619871988

Contoh 5

Contoh Diagram Batang dengan menggunakan program Lotus 1-2-3.

Tabe13.23

Perbandingan Perkembangan Nilai Ekspor Migas dan Nonmigas selama 1978 - 1988 (Juta $)

I

'lahun Ekspor \Jigas ) Lkspor '\oJlllliga ...

1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 **)

7.343,2 9.680,7 15.704,4 17.686,8 13.943,8 13.809,3 15.225,8 12.779

7.971,5 8.851,9 3.731,5

3.659,3 5.579,1 6.079;4 4.423 4.979,9 4.992,8 5.776 5.983,2 6.626 8.455,7 4.113,8

*) : Terdiri dari Migas dan LNG **) : Sampai Mei 1988

Sumber : Bank Bumi Daya, Statistik Ekonomi dan Keuangan Indonesia, 1988, halaman 29 (data diolah)

Gambar3.17

PERBANDINGAN PERKEMBANGAN NILAI EKSPOR MIGAS dan NO MIGAS Tahun 1978 - 1988 (juta$)

19 18 17 16 15 14 13

;;;

~ 12

~~ II 8. ~ 10

~ ~ 9

B-Z

4 3

I o

.-
".
r- ".
".
... ".
r. ['<
... ". 1-'.
-, ... ~
". V ".
... ". V ...
".
... ". V ...
".
... ". ... ".
... ... -,
". ".
... ... ". ... ". ...
... ... ". '" -, ". ...
".
... ... '" ... ...
". ". ".
... ... '" ... ...
". ". ".
... ". ... ...
". ". ".
... '" ... ...
". ". ". ".
... -, '" -, ...
". r, ". ". ".
... I.t ... ...
". r, ". ". ".
... ". I.t ... ...
". r, ". ".
... ... ... 1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 19P~

D Ekspor Migas ~ Ekspor Non Mrgas

53

Contoh 6

Contoh Diagram Garis dengan menggunakan program Lotus 1-2-3.

Tabe13.24

Neraca Perdagangan Indonesia 1978 - 1988 (Juta $)

·1978 1979 1980

·1981 1982 1983 . 1984 1985 1986 1987 1988 *)

11.094 15.260 21.784 22.119 18.924 18.802 21.002 18.762 14.598 17.308 11.011

6.690 7.202 10.834 13.272 16.859 16.352 13.882 10.259 10.718 12.819

5.092

4.404 8.058

10.950 8.847 2.065 2.450 7.120 8.503 3.880 4.417

*): Sampai Mei 1988

Sumber: Bank Bumi Daya, Statistik Ekonomi dan Keuangan Indonesia. 1988. halaman 30.

Gambar 3.18

NERACA PERDAGANGAN INDONESIA Tahun 190/8 - 1988 (iuta$.)

24 23 22

21 20 19 18 17 16

Vi 15

5 14

5. ~ l3 U 12 ~~ II ~ '-' 10 Z 9

54

TAHUN

- Ekspor - - - Impor Surplus

,-,' ,

Contoh 7

Contoh Diagram Lingkaran dengan menggunakan program Lotus 1·2·3.

Tabe13.25

Perbandingan Penerimaan di Luar Minyak Bumi dan Gas Alam

Tabun 198811989 (milyar rupiah)

1. Pajak Penghasilan

2. Pajak Pertambahan Nilai

3. BeaMasuk 4.Cukai

5. Pajak Ekspor

6. Pajak Lainnya

7. Pajak Bumi dan Bangunan

8. Penerimaan Bukan Pajak.

3.949.4 4.505,3 1.192,0 1.389,9

155,6 292.1 424,2

1.568.8

Sumber: Pidato Kenegaraan Presiden Republik Indonesia Soeharto di depan Sidang Dewan Perwakilan Rakyat 16 Agustus 1989, halaman 196, tabel IV-4.

Gambar 3.19

PERBANDINGAN PENERIMAAN DI LUAR MIGAS Tahun 1988 • 1989 (juta$)

Pajak Bumi dan Bangunan (3,1 %) Pajak Lainnya (2,2%) Pajak Ekspor (1,2%)

Cukai (10,3%)

Bea Masuk (8,8%)

Pajak Penghasilan (29,3%)

Pajak Pertarnbahan Nilai (33,4%)

55

8ab IV Ukuran Pusat Data

4.1 PENDAHULUAN

Pada bab sebelumnya telah dijelaskan teknik penghimpunan data dan penyajian data baik dalam tabel-tabel maupun diagram-diagram. Pada bab ini akan dijelaskan ukuran deskripsi data yaitu ukuran pusat data, baik dari data mentah (data yang belum dikelompokkan dan termasuk data yang terurut) maupun data yang telah diringkas menjadi distribusi frekuensi (data yang telah dikelompokkan). Ukuran deskripsi data ini sangat bermanfaat dalam analisis dan interpretasi data.

Ada tiga bentuk ukuran deskripsi data, yaitu: ukuran pusat data, ukuran variabilitas data, dan ukuran bentuk distribusi data. Dua ukuran yang terakhir akan dijelaskan pada bab 5 nanti.

Pada Bab I telah dij elaskan pengertian dan perbedaan statistik dan parameter. Berkaitan dengan ketiga ukuran deskripsi data tersebut di atas, jika ukuran tersebut dihitung dari data sampel, ukuran-ukuran tersebut disebut statistik dan jika dihitung dari data populasi disebut parameter. Pada bab ini akan banyak ditekankan pada statistik daripada parameter. Alasannya, bahwa dalam praktik, hampir keseluruhan data yang dihimpun adalah data sampel. Di samping itu, perbedaan pokok dalam menghitung statistik dan parameter tidak ada. Perbedaan yang ada hanya menyangkut penggunaan simbul dan beberapa hal yang tidak prinsip.

Ada tiga ukuran pusatdata yang banyakdigunakan, yaitu: rata-rata hitung (selanjutnya disebut rata-rata), median, dan mode. Sebagai tambahan, akan dijelaskan pula mengenai kuartil, desil, persentil, rata-rata tertimbang, dan rata-rata geometrik.

4.2 RATA-RATA HITUNG

Rata-rata hitung, atau lebih dikenal dengan rata-rata, merupakan ukuran pusat data yang paling sering digunakan, karena mudah dimengerti oleh siapa saja dan penghitungannya pun mudah. Rata-rata yang dihitung dari data sampel atau sebagai statistik sampel disimbulkan dengan X (baca: X -bar) dan jika dihitung dari data populasi atau sebagai parameter populasi disimbulkan dengan huruf Yunani f.1x (baca: myu x).

56

4.2.1 Rata-rata dari Data yang Belum Dikelompokkan

Rata-rata dihitung dengan menjumlahkan seluruh angka data yang selanjutnya dibagi dengan banyaknya (jumlah) data. Jumlah data, untuk data sampel disebut sebagai ukuran sampel yang disimbulkan dengan n dan untuk data populasi disebut sebagai ukuran populasi yang disimbulkan dengan N.

Jika XI' X2, X3 •••• , Xn adalah angka-angka data yang banyaknya (jumlahnya) n, maka rata-ratanya dihitung:

x = XI + X2 + X3 + ... + X, n

atau dirumuskan sebagai berikut:

(4.1)

X : Rata-rata sampel

I : Huruf Latin (sigma) yang menunjukkan penjumlahan X : Data ke-i dari variabel aeak X

I

n : Ukuran sampel (banyaknya data sampel)

Sedangkan untuk populasi dirumuskan dengan:

I LX

" =--'

""x N

(4.2)

Il, : Rata-rata populasi

I : Huruf Latin (sigma) yang menunjukkan penjumlahan X : Data ke-i dari variabel aeak X

I

N : Ukuran populasi (banyaknya data populasi)

Contoh 1

"Mataram Raya Group" adalah sebuah perusahaan yang bergerak di bidang industri perdagangan eeeran. Dewasa ini perusahaan tersebut memiliki 20 buah supermarket yang tersebar di beberapa kota besar. Tujuh di antaranya terdapat di kota Jakarta. Selama bulan Desember 1993 ketujuh supermarket tersebut masing-masing mencapai omzet sebesar:

57

Tabe14.1

Omzet Penjualan 7 Supermarket "Mataram Raya" selama Bulan Desember 1993

Supermarket o III set

"Mataram Raya I" "Mataram Raya 2" "Mataram Raya 3" "Mataram Raya 4" "Mataram Raya 5" "Mataram Raya 6" "Mataram Raya 7"

Rp 65.000.000.00 Rp 80.000.000,00 Rp 85.000.000,00 Rp 90.000.000,00 Rp '95.000.000.00 Rp 115.000.000.00 Rp 170.000.00(),Qq

Rata-rata omzet penjualan ketujuh supermarket tersebut dapat dihitung sebagai berikut (dalamjuta rupiah):

X = 65 + 80 + 85 + 90 + 95 + 115 + 170 7

X = 100 atau Rpl00.000.000,OO

Rata-rata cenderung menjadi pus at serangkaian data yang tersedia dan dapat berfungsi sebagai titik penyeimbang antara data yang lebih kecil dan yang lebih besar. Perhatikan diagram berikut ini:

I I

60

100

170

70

80

90

110

120

130

140

150

160

Gambar4.1

Rata-rata Sebagai Titik Penyeimbang Antara Data yang Lebih KeeiI dan yang Lebih Besar

Contoh 2

Misalnya pada bulan Januari 1994, omzet penjualan yang dicapai ketujuh perusahaan adalah sebagai berikut:

58

Tabe14.2

Omzet Penjualan 7 Supermarket "Mataram Raya" selama Bulan Januari 1994

Supermarket Omsl'l

«Mataram Raya 1". . "Mataram Raya 2" ·'Mataram Raya 3" "Mataram Raya 4" "Mataram Raya 5" "Mataram Raya 6;' "Mataram Raya 7"

Rp 80.000.000.00 Rp 85.000.000,00 Rp 95.000.000,00 RplOO.OOO~OOO,OO

Rpl05.000.000.00 Rp115.000.000.00 Rp120.000.000,oo

Rata-rata omzet penjualan ketujuh supermarket tersebut pada bulan Januari 1994 dapat dihitung sebagai berikut (dalamjuta rupiah):

x = 80 + 85 + 95 + 100 + 105 + 115 + 120 7

x = 100 atau Rp 100.000.000,00

Rata-rata sebesar Rp 1 00.000.000,00 masih memiliki fungsi sebagai titik penyeimbang.

Hanya saja, pada contoh terakhir, data lebih memusat pada lokasi rata-ratanya daripada contoh sebelumnya.

I I

I I I

60

70

80

90

100

110

I I

120

130

140

150

160

170

Gambar4.2

Rata-rata Sebagai Titik Penyeimbang Antara Data yang Lebih Keen dan yang Lebih Besar

Contoh 3

Sedangkan omzet yang dicapai pada bulan Pebruari 1994, misalnya, adalah sebagai berikut:

59

Tabe14.3

Omzet Penjualan 7 Supermarket "Mataram Raya" selama Bulan Pebruari 1994

Supermarket Omsct

"Mataram Raya 1" "Mataram Rays 2" "Mataram Raya 3" "Mataram Raya 4" "Mataram Raya 5" UMataram Raya 6" "Mataram Raya 7"

Rp 90.000.000.00 Rp 95.000.000,00 Rp 1 00.000.000,00 RpIOO.OOO.OOO,OO Rp 1 00.000.000,00 Rpl05.000.000,OO Rp U 0.000. 000,00

Rata-rata omzet penjualan ketujuh supermarket tersebut pada bulan Pebruari 1994 dapat dihitung sebagai berikut (dalamjuta rupiah):

X = 90 + 95 +100 + 100 + 100 + 105 + 110 7

x = 100 atau Rp100.000.000,OO

Berbeda dengan contoh 1 dan 2, data pada contoh pada 3 jauh lebih memusat pada rata-

ratanya.
I I t I I

60 70 80 90 100 110 120 130 140 150 160 170
..
X
Gambar4.3 Rata-rata Sebagai Titik Penyeimbang Antara Data yang Lebih Keeil dan yang Lebih Besar

Ada empat kriteria atau standar matematikal yang dimiliki oleh rata-rata yaitu:

Pertama: Jumlah beda antara data observasi dan rata-ratanya adalah nol. Atau dapat dirumuskan sebagai berikut:

(4.3)

60

Dari contoh 1 dapat dibuktikan sebagai berikut:

Tabel4,4

Pembuktian Bahwa Jumlah Beda antara Data Observasi dan Rata-ratanya adalah Nol

Rp 65.000.000,00 Rp 1 OO.OOO.(J()(),OO = - Rp35.000.000.00
Rp 80.000.000,00 Rp 1 00.000.000,00 = - Rp20.000.000,OO
Rp 85.000.000,00 Rp 100.000.000,00 = - Rp15.000.000,00
Rp 90.000.000,00 Rp 100.000.000,00 = - RplO.ooo.ooo,OO
Rp 95.000.000,00 Rp 1 00.000.000,00 = - Rp 5.000.000,00
RplI5.000.ooo,00 - Rp 1 00.000.000,00 = RplS.000.000,OO
RpI70.000.000,00 Rp 1 00.000.000,00 = Rp70.000.ooo,oo +
= Rp 0,00 Kedua : Jumlah beda kuadrat antara data observasi dan rata-ratanya adalah minimum, atau:

I :E(X, - Xl' = minimum

(4.4)

Dari contoh 2 dapat dibuktikan sebagai berikut:

Tabel4.5

Pembuktian Bahwa Jumlah Beda antara

Data Observasi dan Rata-ratanya adalah Minimum

( 80 - l00f = 400
(85 - lOOf = 225
(95 - 100)2 = 25
(100 - 100)2 = 0
(lOS - 100)2 = 25
(115 - 100)2 = 225
(120 - 100)2 = 400 +
= 1.300 minimum Bagaimana jika rata- ratanya lebih besar atau lebih kecil dari 1 OO? Tentu saja jumlah beda kuadratnya akan lebih besar dari 1.300. Misalnya, rata-rata omzet yang diperoleh adalah 105. Maka:

61

Tabel4.6

Pembuktian Bahwa Jumlah Beda antara

Data Observasi dan Rata-ratanya adalah Minimum

"

( 80 - 105)2 = 625
( 85 - 105)2 = 400
( 95 - 105)2 = 100
(100 - 105)2 = 25
(l05 - lO5)2 = 0
(115 - lO5)2 == 100
(120 - 105)2 = 225 +
1-' ,,- - --,-,- ---" -, "
= 1.475 Dapat dilihat bahwa temyata, jurnlah beda kuadratnya lebih besar dari 1.300, yaitu 1.475. Dernikianjugajika rata-ratanya lebih kecil dari 100, rnisalnya 80, rnakajurnlah bed a kuadratnya akan lebih besar dari 1.300.

Tabel4.7

Pembuktian Bahwa Jumlah Beda antara

Data Observasi dan Rata-ratanya adalah Minimum

( 80 - 80)2 = 0
( 85 - 80)2 = 25
( 95 - 80)2 = 225
(100 - 80)2 = 400
(l05 - 80)2 = 625
(115 - 80)2 = 1.225
(120 - 80)2 = 1.600 +
-----------,,--"- -----, __ ,
= 4.100 Sarna seperti hasil perhitungan pada tabel4.6, bahwajurnlah bed a kuadratnya lebih besar dari 1.300, yaitu 4.100.

Ketiga: Rata-ratadapatdigunakan untukrnenaksirnilai total nilai populasi yang dirurnuskan:

Total = N.x

(4.5)

62

Dan contoh 1, disebutkan bahwa "Matararn Raya" memiliki 20 supermarket dengan rata-rata omzet setiap supermarket sebesar Rp 1 00.000.000,00. Maka total omzet penjualan seluruh supermarket dapat ditaksir sebesar:

20 x RpIOO.OOO.OOO,OO = Rp2.000.000.000,00

Keempat: Data yang digunakan untuk menghitung rata-rata adalah keseluruhan data yang ada. Dengan dernikian, rata-rata yang berhasil dihitungpun tergantung pada angka-angka data itu sendiri. Oleh karena angka-angka data dapat bervariasi besarannya, maka rata-rata sangat peka terhadap angka-angka data ekstrim.

4.2.2 Rata-rata dari Data yang Telah Dikelompokkan

Menghitung rata-rata memang lebih menguntungkanjika dihitung dari data yang belum dikelompokkan, karen a hasil hitungannya lebih mencerminkan fakta yang sebenamya. Apakah rata-rata dari data yang telah dikelompokkan tidak mencerminkan data yang sebenamya? Dalam kehidupan sehari-hari, data yang dibutuhkan seringkali sudah disajikan dalam bentuk distribusi frekuensi, seperti yang ban yak disajikan dalam berbagai terbitan maupun laporan-laporan. Sehingga, perhitungan rata-rata dari data yang telah dikelompokkan harus dilakukan walaupun hasilnya tidak mencerminkan fakta yang sebenamya. Namun, paling tidak mendekati fakta yang sebenamya.

Pada sub bab 4.1 telah dijelaskan bahwa rata-rata dihitung dengan melibatkan seluruh data observasi, baik dari sampel maupun dari populasi. Untuk data observasi yang telah disajikan dalam bentuk distribusi frekuensi atau yang telah dikelompokkan, sifat keaslian data observasi telah hilang. Dengan demikian, untuk keperluan penghitungan rata-rata, diperlukan angka-angka data yang dapat digunakan untuk mengestimasi atau menaksir data observasi yang asli. Dalam hal ini, titik-titik tengah dapat dijadikan sebagai penaksir data asli yang tersebar di masing-masing kelasnya.

Ada dua cara yang dapat digunakan untuk menghitung rata-rata data yang telah dikelompokkan, yaitu metoda defisional dan metoda pengkodean.

a. Metoda defisional

Untuk menghitung rata-rata, titik-titik tengah masing-masing kelas, sebagai penaksir data asli, dikali dengan frekuensi masing-masing kelas. Hasil perkalian pad a masingmasing kelas tersebut selanjutnya dijumlah dan kemudian hasil penjumlahan tersebut dibagi denganjumlah data atau jumlah frekuensi seluruh kelas. Metoda defisional dapat dirumuskan sebagai berikut:

I jk~~ (4.6)

X : Rata-rata sampel

XI : Titik tengah kelas ke-i : Frekuensi kelas ke-i

: Ukuran sampeI (jumlah frekuensi data sampel)

f

I

n

63

x..f.

J.ll!; = Nt

(4.7)

Jlx : Rata-rata populasi

X, : Titik tengah kelas ke-i fi : Frekuensi kelas ke-i

N : Ukuran populasi (jumlah frekuensi data populasi)

Contoh 4

Selama tahun 1993, PT Asuransi Jiwa Jagat Raya telah berhasil menarik nasabah baru sebanyak 60 orang yang usianya dapat didistribusikan sebagai berikut:

Tabel4.8

Distribusi Usia 60 Nasabah Baru PT Asuransi Jagat Raya

Usia Frekuensi

25 - 29 8
30-34 14
35 - 39 10
40-44 18
45 - 49 7
50-54 3
Jumlah 60 Rata-rata usia para nasabah baru tersebut dapat dihitung sebagai berikut:

Tabel4.9

Perhitungan Rata-rata dengan Menggunakan Metoda "Defisional"

Titik Tengah XI Frekuensi fl X/,

27 8 216
32 14 448
37 10 370
42 18 756
47 7 329
52 I 3 156
Jumlah I 60 2.275
64 x = 2.275/60

x = 37,92 atau 37 tabun 11 bulan.

b. Metode Pengkodean

Seringkali data yang akan dihitung rata-ratanya berbentuk angka-angka yang besar seperti nilai penjualan, pernbelian, piutang, dan lain sebagainya. Jika angka-angka yang dihitung dalarn satuan yang besar, rnaka penghitungan rata-rata dengan penggunaan rnetode defisional akan sedikit lebih rnenyulitkan.

Pada bab 3 telah dijelaskan bahwa interval kelas sebuah distribusi frekuensi, secara urnurn senantiasa sarna. Hanya dalarn keadaan tertentu, interval kelas dirnungkinkan tidak sarna. Interval kelas yang sarna ini, salah satunya dapat dilihat beda antar titik tengah senantiasa sarna. Angka-angka berikut rnenunjukkan titik tengah yang dikutip dari tabeI4.9.

Titik tengah :

27

32

37

42

47

52

Interval kelas:

5

5

5

5

5

Dengan interval kelas yang sarna ini, sebenarnya, angka-angka titik tengah dapat diubah rnenjadi suatu skala dengan interval yang sarna. Skala titik tengah ini lebih sering disebut sebagai kode titik tengah.

Langkah pertarna dalarn rnernberi kode titik tengah adalah rnenetapkan kelas yang nantinya diberi kode atau skala no1. Dalarn menentukan kelas yang berkode nol ini sebenamya tidak ada pedornan yang baku. Akan tetapi, sebaiknya kelas yang akan diberi kode nol adalah kelas yang berfrekuensi tertinggi. Langkah berikutnya adalah rnenetapkan kode-kode untuk kelas-kelas yang lain dengan rnengurutkan mulai dari kelas berkode nol dengan interval yang sarna. Interval kelas ini urnurnnya adalah satu. Dari tabel4.9 di atas, kelas yang akan diberi kode nol adalah kelas ke-4. Dengan demikian, titik tengah, frekuensi dan kodenya adalah sebagai berikut:

Titik tengah:

27

32

37

42

47

52

Frekuensi :

8

14

10

18

7

3

Kode:

-3

-2

-1

o

1

2

Dalarn literatur-literatur statistika, kode tersebut sering disirnbulkan dengan huruf U. Selanjutnya, rnenghitung rata-rata. dengan menggunakan metoda pengkodean dapat dirurnuskan sebagai berikut:

65

I x x . U.f.

= +1._'_'

a n

(4.8)

X : Rata-rata sampel (~, jika populasi)

X, : Titik tengah pada kelas yang berkode nol : Interval kelas

U, : Kode titik tengah pada kelas ke-i

f : Frekuensi kelas ke-i

,

n : Ukuran sampel (N jika populasi)

Dari contoh berikut dapat dibandingkan tingkat kesulitan dalam menghitung rata-rata dengan menggunakan kedua metoda di atas.

Contoh 5

Lihat contoh 4. Nilai kontrak asuransi keenampuluh nasabah bam tersebut dapat didistribusikan sebagai berikut:

Tabe14.10

Distribusi Nilai Kontrak Asuransi 60 Nasabah Baru PT Asuransi Jagat Raya

< Rp 10.000.000,00 < Rp20.000.000,00 < Rp30.000.000,OO < Rp40.000.000,OO < Rp50.000.000,00 < Rp60.000.000,00 < Rp70.000.000,OO

o 5 17 31 46 54 60

U ntuk bisa menghitung rata-rata nilai kontrak dengan menggunakan metoda defisional, bentuk penyajian di atas - bentuk distribusi frekuensi kumulatif tipe "kurang dan" - harus diubah menjadi bentuk distribusi frekuensi yang biasa. Hasilnya adalah:

66

Tabe14.11

Distribusi Nilai Kontrak Asuransi 60 Nasabah Baru PT Asuransi Jagat Raya

Nilai kontrak Frekuensi

Rp 1 0.000.000,00 - < Rp20.000.000,00 5

Rp20.000.000,00 - < Rp30.000.000,00 12

Rp30.000.000,00 - < Rp40.000.000,00 14

Rp40.000.000,OO - < RpSO.OOO.OOO,OO 15

Rp50.000.000,OO - < Rp60.000.000,00 8

Rp60.000.000,00 - < Rp70.000.000,00 6

Jumlah 60

Proses pengerjaan berikutnya adalah:

Tabe14.12

Penghitungan Rata-rata Nilai Kontrak Asuransi 60 Nasabah Baru PT Asuransi Jagat Raya dengan Metoda "Defisional"

. X f X.f

I I I I

Rp15.000.000,OO Rp25.000.000,OO Rp35.000.000,00 Rp45.0oo.000,00 Rp55.0oo.0oo,00 Rp65.0oo.0oo,OO

5 12 14 15 8 6

Rp 75.000.000,00 Rp 300.000.000,00 Rp 490.000.000,00 Rp 675.000.000,00 Rp 440.000.000,00 Rp 390.000.000,00

Jumlah

60

Rp2.370.0oo.0oo,00

x = 2.370.000.000,00 60

x = Rp39.500.000,00

Dengan menggunakan metode "pengkodean" penghitungannya disajikan pada tabel 4.13.

67

Tabe14.14

Omzet Penjualan 7 Supermarket "Mataram Raya" selama Bulan Desember 1993

Supermarket Omset

"Mataram Raya 1" "Mataram Raya 2" "Mataram Raya 3" "Mataram Raya 4" "Mataram Raya 5" "Mataram Raya 6" "Mataram Raya 7"

Rp 65.000.000,00 Rp 80.000.000,00 Rp 85.000.000,00 Rp 90.000.000.00 Rp 95.000.000,00 Rp 115 .000.000,00 Rp 170.000.000,00

->median

Untuk data ganjil, letak median dapat ditentukan dengan mudah. Berbeda denganjumlah data genap, maka penentuan letak median tidak dapat ditetapkan begitu saja. Jika jumlah datanya 10, maka letak mediannya adalah data ke 5,5 yang dihitung dengan (10 + 1)/2.

Contoh 7

Dari keduapuluh supermarket yang dimiliki "Mataram Raya Group", enam supermarket yang mencapai ornzet penjualan tertinggi pada bulan Maret 1994 secara terurut adalah:

Tabe14.15

Omzet Penjualan 7 Supermarket "Mataram Raya" selama Bulan Maret 1994

Supermarket Omset

"Mataram Raya 7" "Mataram Raya 15" ''Mataram Raya 11"

"Mataram Raya 20" "Mataram Raya 8" "Mataram Raya 10"

Rp170.000.ooo,00 Rp179.500.ooo,00 Rp 1 92.500.000.00

Rp 195 .500.000,00 Rp215.000.000,00 Rp225.750.000,00

->median

Letak mediannya adalah (6 + 1)/2 = 3,5 at au pada data ke 3,5. Letak titik ini berada di antara data ke-3 dan data ke-4 atau an tara Rp 192.500.000,00 dan Rp 195.500.000,00. Nilai titik tersebut dapat ditentukan dengan mencari rata-rata hitung kedua angka di atas, yaitu:

70

RpI92.500.000,00 + RP~95.500.000,00 = RpI94.000.000,00

Dengan demikian, median data tersebut adalah Rp 194.000.000,00

Sebenamya seluruh angka yang terdapat dalam interval 192.500.000 hingga 195.000.000 dapat menjadi median. Misalnya, di antara kedua angka tersebut terdapat angka data sebesar _ 193.500.000, maka angka ini seeara otomatis dapat menjadi median. Oleh karen a menentukan angka yang pasti yang menjadi median sulit ditentukan, maka median ditentukan dengan meneari rata-rata hitung kedua angka di atas. Sebagai ukuran pusat data, median memiliki dua kriteria atau standar matematikal, yaitu:

Pertama : Nilai median lebih ditentukan oleh jumlah datanya, dalam hal ini genap atau ganjil, dibanding dengan nilai-nilai datanya. Dengan demikian berbeda dengan rata-rata yang nilainya ditentukan oleh nilai-nilai datanya.

Kedua : Jumlah beda absolut antara data observasi dengan mediannya adalah mini-

mum, yang dapat dirumuskan sebagai berikut:

I I.I Xr Median I = minimum

'(4:tn>' :1

,,' § j

Contoh 8

Dari eontoh 6 dapat dibuktikan sebagai berikut:

Tabe14.16

Pembuktian Bahwa Jumlah Beda Absolut antara Data Observasi dan Mediannya adalah Minimum (dalam satuan Rpl.OOO.OOO,OO)

~ 65 -901 = 25
, 80· 901 = 10
I 85-901 = 5
I 90·901 = 0
I 95-901 = 5
I 115·90 I - 25
-
I 170 -901 = 80
."' ..... "" ...... m ............
150 Minimum Jika median ditetapkan seeara bebas -lebih keeil atau lebih besar dari nilai mediannya dapat dibuktikan selanjutnya bahwa beda absolutnya akan lebih besar dari Rp 150.000.000,00. Sebagai pembanding, jika ukuran nusat data yang digunakan adalah rata-ratanya yaitu Rp 1 00.000.000,00.

71

Tabe14.17

Pembuktian Bahwa Jumlah Beda Absolut antara Data Observasi dan Mediannya adalah Minimum (dalam satuan Rpl.OOO.OOO,OO)

65 - 100 I = 35
80 -100 I = 20
85 - 100 I = 15
90-1001 = 10
95 - lOO! = 5
115 - 100 I = 15
170 - 100 I = 70
-~--.-~---~- --
170 Jelas bahwa hasil perhitungan pada tabel 4.17 lebih besar dari hasil perhitungan pada tabeI4.16.

4.3.2 Median dari Data yang Telah Dikelompokkan

Langkah pertama dalam menetapkan median dari data yang telah dikelompokkan adalah menentukan letak sebuah titik yang nilainya akan menjadi median. Titik ini, seperti pada uraian sebelumnya, membagi deretan angka data yang terurut menjadi dua bagian yang sarna banyak. Jika pada data yang belum diurutkan digunakan perumusan (n + 1 )/2, maka untuk data yang telah dikelompokkan, banyak penulis menggunakan perumusan yang lebih sederhana yaitu nl2. Akan tetapi, dengan menggunakan perumusan sebelumnya pun bukanlah suatu kesalahan.

Setelah diketahui posisi titit tersebut, langkah berikutnya adalah menentukan kelas yang didalamnya terdapat titik tersebut. Dari contoh 4 misalnya, titik terse but terletak pada deretan data ke 30 (= 60/2). Sedangkan kelasnya adalah kelas ke- 3. Dengan menggunakan interpolasi yang sederhana, angka data yang dimiliki titik tersebut dapat diketahui. Perumusannya sebagai berikut:

(4.11) I

md Median

Bm Tepi batas kelas bawah pada kelas median (lower class boundary)

Interval kelas

n Ukuran sampel

fkm Frekuensi kumulatip sebelum kelas median

fm Frekuensi pada kelas median (atau frekuensi kumulatip kelas median dikurang frekuensi kumulatip sebelum kelas median).

72

Contoh 9

Lihat contoh 4. Selama tahun 1993, total (pernasabah) premi yang dibayar keenampuluh nasabah baru terse but dapat didistribusikan sebagai berikut:

Tabe14.18

Total Premi yang Dibayar oleh 60 Nasabah Baru selama Tahun 1993

Total Premi Frekuensi

RplO.000,OO - Rp19.990,OO Rp20.000,OO - Rp29.990,OO Rp30.000,OO - Rp39.990,OO Rp40.000,OO - Rp49.990,OO Rp50.000,OO - Rp59.990,OO Rp60.000,OO - Rp69.990,OO

2 9 16 20 10 3

60

Jumlah

Setelah diketahui titik posisi median, yaitu 30, berikutnya menentukan kelas letak median yaitu kelas ke-4. Secara rinci, penghitungan median data di atas adalah sebagai berikut:

Bm : (39.990 + 40.000)/2 = 39.995 : 10.000

fkm : 2 + 9 + 16 = 27

f : 20

m

I rod = 39.995 + 10.000 [

30 - 27 ] 20

(4.11)

md = 41.495 atau Rp41.495 ,00

Jika penetapan titik posisi median digunakan perumusan (n + 1)/2, kiranya hasil perhitungannya pun tidak jauh berbeda.

rod = 39.995 + 10.000 [ 30~O- 27 ]

(4.11)

md = 41.520 atau Rp41.520,00

73

Perbedaan tersebut akan semakin kecil, dan dapat diabaikan, jika ukuran sampelnya semakin besar.

Median memiliki beberapa keunggulan daripada rata-rata yaitu:

Pertama : Median tidak dipengaruhi oleh adanya angka-angka ekstrim dalam data yang tersedia.

Kedua : Median mudah dimengerti dan mudah menghitungnya, baik dari data yang

belum dikelompokkan maupun dari data yang telah dikelompokkan. Juga dapar dihitung dari data yang telah dikelompokkan dengan kelas terbuka.

Ketiga : Median dapat digunakan untuk data kuantitatip maupun data kualitatip.

Di samping keunggulah-keunggulan di atas, median tidak lepas dari beberapa kelemahan:

Pertama : Median hanya dapat ditentukan dari data yang telah diurutkan sehingga hal ini membutuhkan waktu yang tidak sedikit. Di samping itu, jika jumlah datanya demikian besar, maka pengurutan pun sulit dilakukan.

Kedua : Oleh karena median dihitung bukan mendasarkan pada nilai-nilai data -

mendasarkan jumlah data - maka median sulit dijadikan sebagai ukuran pusat data yang dapat menggambarkan rangkaian datanya. Misalnya, dua rangkaiarr data berikut memiliki median yang sama akan tetapi median pada rangkaian kedua jelas tidak representatip jika dijadikan sebagai ukuran pusat data.

6,9,12,14, 17,21 6,9,12,100,140,500

4.4 MODE

Mode, sebagai ukuran pusat data, berbeda dengan rata-rata hitung dalam penentuannya.

Mode lebih mirip median dalam penentuannya yang tidak melalui proses aritmatik seperti halnya penentuan rata-rata.

Mode adalah suatu nilai yang terdapat dalam serangkaian data yang memiliki frekuensi tertinggi.

4.4.1 Mode dari Data yang Belum Dikelompokkan

Untuk data yang belum dikelompokkan, mode lebih mudah ditentukan jika data yang tersedia telah disajikan dalam keadaan terurut.

Contoh 10

Lihat contoh 3. Pada tabel berikut ini, mode dapat ditentukan dengan mudah yaitu Rp 1 00.000.000,00 karena nilai omzet sebesarRpl00.000.000,00mem ilikifrekuensitertinggi daripada frekuensi nilai-nilai omzet yang lainnya.

74

Tabe14.19

Omzet Penjualan 7 Supermarket "Mataram Raya" selama Bulan Pebruari 1994

Supermarket Omset

"Mataram Raya I" "Mataram,Raya 2" , ''Mataram Raya 3" "Mataram Raya 4" ''Mataram Raya 5" "Mataram Raya 6" "Mataram Raya T"

, '

Rp 90.000.000,00

~l~~

.&"'1:" ,~, •

RplOO.ooo.OO(M)O

RplOO.ooo.ooo,OO RplOS.OOO.ooo.OO Rpll0.000.ooo,00

] mode

Mode serangkaian data dimungkinkan lebih dari satu, seperti contoh berikut ini:

Contoh 11

Misalnya, omzet penjualan pada bulan Maret 1993 dapat ditunjukkan sebagai berikut:

Tabe14.20

Omzet Penjualan 7 Supermarket "Mataram Raya" selama Bulan Maret 1994

''Mata.raIn Raya i·t "Mataram Raya 2" , "Mataram Raya 3'· ''Ma~ Raya 4" "Matar;.un Raya 5"

, '~"Mataram Raya 6" "Mataram Raya T

"_ _1it/k; , "

'RP 9O.ooo~OOO;()I):" Rp 9S.()()();000.(J0' Rp 95.000.000,00, RplOO.OOO.OOO,OO RplOS.ooo.OOO.OO RplIO.OOO.ooo,OO RpllO,OOO.ooo.OO

] mode 1

] mode2

Di samping itu, serangkaian data pun dimungkinkan tidak memiliki mode seperti yang terlihat pada contoh 1 dan 2.

4.4.2 Mode dari Data yang Telah Dikelompokkan

Mode untuk data yang telah dikelompokkan diperkirakan berada pada kelas yang memiliki frekuensi tertingi. Sekali lagi, sifatnya hanya estimatip. Kendati demikian, sifat

75

estimatip mode data yang telah dikelompokkan agaknya berbeda dengan sifat estimatip untuk rata-rata dan median. Mode data yang telah dikelompokkan dapat berbeda jauh dari data yang sebenarnya. Berikut dikutip kembali distribusi usia 60nasabah baru dari tabeI4.8.

Tabe14.21

Distribusi Usia 60 Nasabah Baru PT Asuransi Jagat Raya

Usia Frekuensi

25 - 29 30 - 34 35 - 39 ~-44 45 - 49 50 - 54

8 14 10 18 7 3

Jumlah

60

Dari tabel tersebut mode usia diperkirakan terletak pada kelas yang berfrekuensi tertinggi yaitu kelas ke-4. Akan tetapi mode yang sebenamya mungkin terletak di kelas yang lain. Misalnya, data asli usia keenampuluh nasabah tersebut dirinci sebagai berikut:

Tabe14.22

Distribusi Usia 60 Nasabah Baru PT Asuransi Jagat Raya

Usia Frekuensi Rincian usia
~~~~.
25 - 29 8 25 25 25 26 26 27 27 28
1--- --
30 - 34 14 30 30 31 31 31 31 31 31 31 32 32 32 33 34
_~_ •• ,_,, _____ ,_w _ ,----" ,~ ______ A ______ "'A __ A' ___ AA __ "A __ -"" .--.----~-. - -----
35 - 39 10 36 37 37 37 37 37 37 37 37 37 38 39
. - - . , ___ ~~'4-- ~'_"_'_~N'_ 'N __ ,-" - . '" ,-- __ . _ ......... ___ ._v....- ,~"~~ _~_v_
40-44 18 40 40 40 40 40 40 41 41 41 41 41 41 42 42 42 43 43 43 44 44 44 44
45 -49 , 7 45 45 46 46 48 48 48 49 49
50 - 54 \ 3 505354
,
,
Jumlah 60 Dari tabel tersebut dapat dibuktikan bahwa temyata mode tidak terletak pada kelas ke- 4 namun pada kelas ke-3. Sebenarnya bukan saja perbedaan kelas mode saja, namun nilai mode itu sendiri dimungkinkan berbedajauh. Dari rincian data asli tersebut, modenya adalah

76

37 dengan frekuensi terbesar yaitu 9 nasabah dan bukan angka-angka yang berada antara 40 hingga 44 pada kelas ke-4. Selanjutnya akan dibandingkan bagaimana hasil perhitungan mode untuk data yang telah dikelompokkan. Mode data yang dikelompokkan dirumuskan:

]

mo : Mode

Bm : Tepi batas kelas bawah pada kelas mode.

i : Interval kelas

d, : Frekuensi kelas mode dikurang frekuensi kelas sebelum kelas mode. d, : Frekuensi kelas mode dikurang frekuensi kelas sesudah kelas mode.

Dari tabel 4.21, mode dapat dihitung sebagai berikut:

Bm : (39 + 40)/2 = 39,5

1 : 5

d. : 18-10=8 d, :18-7=11

I rno = 39,5 + 5. [ 8: 1l ]

(4.12)

mo = 41,61 atau mo = 41 tabun 7 bulan.

Temyata hasil perhitungan yang diperoleh berbeda jauh. Dari data yang bel urn dikelompokkan, modenya 37 tahun sedangkan dari data yang telah dikelompokkan, modenya 41 tahun 7 bulan.

Mode memiliki beberapa keunggulan:

Pertama : Seperti halnya pada median, mode dapat digunakan untuk data kualitatip sebaik penggunaannya untuk data kuantitatip.

Kedua : Juga seperti pada median mode tidak dipengaruhi oleh adanya angka-angka

ekstrim pada data yang tersedia.

Ketiga : Mode juga dapat dihitung untuk data yang telah dikelompokkan dengan kelas

terbuka.

Di samping keunggulan yang dimiliki, mode juga memiliki kelemahan. Dalam kasuskasus tertentu, mode tidak dijumpai dalam serangkaian data. Tentu saja sebagai nilai tunggal yang bertindak sebagai ukuran pusat data, tidak dapat digunakan. Demikianjugajika mode yang ada justru lebih dari satu, mode tidak dapat digunakan sebagai ukuran pusat data (sebagai ukuran pusat data harus merupakan angka tunggal).

77

4.5 HUBUNGAN ANTARA RATA-RATA, MEDIAN, DAN MODE

Hubungan antararata-rata, median, dan mode dapat diikuti pada gambar4.4, gambar4.5, dan gambar 4.6 secara berturut-turut, Pada distribusi frekuensi yang berbentuk simetris (gambar 4.4), rata-rata, median, dan mode terletak dalam satu titik. Dengan kata lain, ratarata sarna dengan median dan sarna dengan mode. Sedangkan pada distribusi yang menceng ke kanan atau menceng secara positip (gambar 4.5), berturut-turut ketiga ukuran tersebut akan berurutan mode, median, dan terakhir rata-rata. Dan yang terakhir, jika distribusi frekuensinya menceng ke kiri atau menceng secara negatif, maka ketiga ukuran tersebut akan berurutan rata-rata, median, dan mode (gambar 4.6).

Terlihat bahwa rata-rata dapat berubah demikian jauh dibanding dengan kedua ukuran lainnya. Hal ini tidak terlepas dari kelemahan rata-rata itu sendiri, yaitu kuatnya pengaruh angka-angka ekstrim terhadap rata-rata. Berikut dapat diikuti tiga contoh berturut-turut yang dapat menjelaskan ketiga bentuk hubungan rata-rata, median, dan mode.

X=md=mo

Xrndrno

Gambar4.4

Hubungan Rata-rata, Median, dan Mode pada Distribusi Frekuensi Berbentuk Simetris

X>md>mo

rno rnd x.

Gambar4.5

Hubungan Rata-rata, Median, dan Mode

pada Distribusi Frekuensi yang Menceng Secara Positip

78

X=rnd<rno

X rnd rno

Gambar4.6

Hubungan Rata-rata, Median, dan Mode

pad a Distribusi Frekuensi yang Menceng Secara Negatip

Yang harus diingat bahwa median sen anti as a terletak di an tara median dan mode.

Contoh 12

Dari distribusi frekuensi berikut ini, hitunglah rata-rata, median, dan modenya!

Tabe14.23 Distribusi Frekuensi Usia 80 Karyawan PT Cilandung

Kelas Frekuensi

20 - < 30 6

30 - < 40 9

40-<50 15

50 - < 60 20

60 - < 70 15

70 - < 80 9

80 - < 90 6

Jumlah 80

79

__ "'v-,"

a. Rata-rata

Tabe14.24

Penghitungan Rata-rata (Mean), Median, dan Mode Usia 80 Karyawan PT Cilandung

x I' x .1'
t t t t
25 6 150
35 9 315
45 15 s 675
55 20 1.100
65 15 975
75 9 I 675
85 6 I 510
Jumlah 80 i 4.400
I x = 4.400 80

X=55

b. Median
md=50+ 10 t4O;030]

md=55
c. Mode
mo=50+ 10 t 5:5 ]

mo=55 Perhatikan bahwa perhitungan rata-rata, median, dan mode memberikan hasil yang sarna yaitu 55.

Contoh 13

Dari distribusi frekuensi berikut ini, hitunglah rata-rata, median, dan modenya!

80

Tabe14.25 Distribusi Frekuensi Usia 80 Karyawan PT Cibadut

Kclas Frekuensi

20 - < 30 30 - < 40 40-<50 50 - < 60 60 - < 70 70 - < 80 80 - < 90

5 10 25 15 10 8 7

Jumlah

80

a. Rata-rata

Tabe14.26

Penghitungan Rata-rata (Mean), Median, dan Mode Usia 80 Karyawan PT Cibadut

X r X.I"
I I I I
25 5 i 125
;
35 10 - , 350
!
45 25 1 1.125
!
55 15 I 825
65 10 i 650
75 8 I 600
85 7 J 595
Jumlah 80 I 4.270
i
I b. Median

md=40+ 10 [4°;515 ] md=50

X= 4.270 80

X = 53,375

81

c. Mode

mo = 40 + 10 [ 15 ] L15 + 10

mo=46

Dapat diketahui dari hasil perhitungan di atas bahwa X > md > mo.

Contoh 14

Hitunglah rata-rata, median, dan mode dari distribusi frekuensi berikut ini:

Tabe14.27

Distribusi Frekuensi Usia 80 Karyawan PT CihampeJ

Kclas Frekuensi

20-<30 30- <40 40-<50 50- <60 60- <70 70- < 80 80-<90

7 8 10 15 25 10

5

Jumlah

80

a. Rata-rata

Tabe14.28

Penghitungan Rata-rata (Mean), Median, dan Mode Usia 80 Karyawan PT CihampeJ

X f x.r
I I I I
25 7 175
35 8 280
45 10 450
55 15 825
65 25 1.625
75 10 750
85 5 425
Jumlah 80 4.530 82

x = 4.530 80

X = 56,625

b. Median
md=50+ 10 [40;015 ]

md=60
c. Mode
mo = 60 + 10 [1O~15 ]

mo=64 Dapat diketahui dari hasil perhitungan di atas bahwa X < md < mo.

4.6 KUARTIL, DESIL, DAN PERSENTIL

Jika tiga ukuran di atas merupakan ukuran lokasi yang cenderung bertindak sebagai ukuran pusat data, maka ketiga ukuran ini hanya merupakan ukuran lokasi. Kendati bukan sebagai ukuran pusat data, ukuran ini banyak bermanfaat bagi para pengambil keputusan. Pada akhir sub-bab akan disajikan satu contoh penggunaan ukuran ini (contoh 18). Tiga ukuran tersebut adalah kuartil, desil, dan persentil. Untuk ketiga-tiganya, pembahasan akan ditekankan untuk data yang telah dikelompokkan saja. Dalam perhitungan nanti, ketiga ukuran ini tidak berbeda dengan perhitungan median.

4.6.1 Kuartil

Jika dalam menentukan titik letak median sederetan data terurut dibagi menjadi dua, maka kuartil membagi sederetan data terurut menjadi empat bagian yang sarna. Dengan demikian, nantinya akan terdapat tiga kuartil yaitu kuartil pertama (Qj)' kuartil kedua atau median, dan kuartil ketiga (Q3)' Titik lokasi ketiga kuartil (untuk data yang telah dikelompokkan) tersebut secara sederhana dapat dirumuskan.sebagai berikut:

Qz = 2n14 = nl2 = md

(4.13)

Selanjutnya, denganmemperhatikan perumusan 4.13 di atas, kuartil pertama dan kuartil ketiga (kuartil kedua sarna dengan median) dapat dirumuskan sebagai berikut:

83

'J.'+

(4.14)

Q( : Kuartil pertama:

Q3 : Kuartil ketiga

Bq : Tepi batas kelas bawah pada kelas kuartil.

: Interval kelas

n : Ukuran sampel

fkq : Frekuensi kumulatip sebelum kelas kuartil

f : Frekuensi pada kelas kuartil

q

Contoh 15

Lihat contoh 14. Tentukanlah kuartil pertama dan kuartil ketiga!

Kuartil pertama:

Titik kuartil pertama : 80/4 = 20 B :40

q

i : 10

fkq : 15

fq : 10

Q = 40 + 10. t201~15] Q( =45

Kuartil ketiga:

Titik kuartil ketiga : 240/4 = 60 Bq :60

: 10

fkq : 40

fq : 25

Q=60+ 10. t 6O~40 j Q3 =68

84

4.6.2 Desil dan Persentil

Jika pada kuartil deretan data terurut dibagi menjadi 4, maka pada desil, deretan data terurut dibagi menjadi 10 bagian yang sarna. Perumusan yang digunakan pun tidak jauh berbeda. Yang berbeda hanya bagian rumus yang menentukan titik -titik desil. Berikut tabe1 yang memuat bagian rumus yang menentukan sembilan titik desil:

Tabe14.29 Titik-titik Letak Desil

Desil ke-I:

Desil ke-2:

Desil ke-3:

Desilke4:

Desil ke-5:

Desil ke-6:

Desil ke-7:

Desil ke-8:

Desilke-9:

nllO 2n110 3n110 4n110 SnllO 60110 7n110 8n11O

, 9nl10

<---mecuan

Adapun bagian-bagian lainnya menyesuaikan letak titik desil yang bersangkutan.

Contoh 16

Lihat contoh 14. Tentukanlah desil ke-7!

Letak titik desil ke-7

Bd (tepi batas bawah kelas desil)

fkd (frekuensi kumulatip sebelum kelas desil) fd (frekuensi pada kelas desil)

[562-540 ] Desil ke-7 (d7) = 60 + 10. L

Desil ke-7 = 66,4

(80 x 7)/10 = 56 60 40 25

Demikian pula dalarn menentukan persentil. Bagian rumus yang berubah hanyalah bagian yang menentukan letak titik persentil, dan bagian-bagian yang lainnya menyesuaikan persentil yang dimaksud.

85

Tabe14.30

Letak Beberapa Titik Persentil

Persentil ke-I Persentil ke-12 Persentil ke-27 Persentil ke-87 . Persentil ke-99

Contoh 17

Lihat.contoh 14. Tentukan persentil ke-67!

Letak titik persentil ke-67

B (tepi batas bawah kelas persentil) p

fkP (frekuensi kumulatip sebelum kelas persentil)

fp (frekuensi pada kelas persentil)

[53,625- 4~l

Persentil ke-67 (p ) = 60 + 10. J

Persentil ke-67 = 65,44

nil 00 12n1100 27n1100 87n1100 99n1100

Contoh 18

Perusahaan Baldroc yang bergerak dalam penjualan bahan-bahan bangunan mempekerjakan 50 tenaga penjual (salesman) yang beroperasi dari rumah ke rumah. Selama semester pertama tahun 1994, total nilai penjualan masing-masing tenaga penjualan dapat disajikan sebagai berikut:

(80 x 67)/100 = 56 60 40 25

Tabe14.31

Total Nilai Penjualan 50 Tenaga Penjual

di Perusahaan Baldroc selama Semester I 1994

Nilai Penjualan Tenaga Penjuul

RplOO.OOO - < RpI50.000 Rp150.000 - < Rp200.000 Rp200.000 - < Rp250.000 Rp250.000 - < Rp300.000 Rp300.000 - < Rp350.000 Rp350.000 - < Rp400.000

4 9 11 15 7 4

Jumlah

50

86

'"" , " ' , ~,~ ,'"

Pimpinan Perusahaan Baldroc menetapkan bahwa tenaga penjual yang dapat mencapai nilai penjualan Rp275.000,00 atau lebih akan menerima bonus sebesar 10% dati nilai penjualan. Perkirakan jumlah tenaga penjual yang menerima bonus tersebut!

Nilai penjualan sebesar Rp275.000,00 memiliki fungsi sebagai ukuran lokasi. Dalam kasus di atas, ukuran lokasi yang dapat digunakan adalah persentil.

275.000 = 250.000 + 50.000. ro~; 24 J

275.000 = 250.000 + 166.666,67X - 80.000 X =0,63

Keterangan:

275.000 : Persentil ke- ...

250.000 : Tepi batas kelas bawah pada kelas persentil

50.000 : Interval kelas

50 : Ukuran sampel

X : Rasio persentil ke- ...

24 : Frekuensi kumulatip sebelum kelas persentil

15 : Frekuensi pada kelas persentil

X sebesar 0,63 ini merupakan rasio jumlah tenaga penjual yang nilai penjualannya kurang dati Rp275.000,00 atau yang tidak mendapatkan bonus. Dengan demikian, yang mendapatkan bonus adalah sebesar 0,37 atau sebanyak 18,5 atau 19 orang.

4.7 RATA-RATA TERTIMBANG

Adakalanya, perumusan rata-rata hitung yang sudah dibahas sebelumnya tidak dapat memberikan hasil yang tepat. Untuk lebih jelasnya, perhatikan contoh berikut ini.

Contoh 19

Untuk meningkatkan volume penjualan, toko Panen Raya sering memberikan potongan yang menarik kepada pembeli yang melakukan pembelian dalam jumlah banyak. Pada hari pertama bulan Juni 1994, jumlah pembeli yang melakukan pembelian pada toko tersebut adalah ditunjukkan pada tabel 4.32.

Dengan menggunakan perumusan rata-rata hitung (4.2), maka rata-rata hargajualnya adalah:

-X = Rp250 + Rp225 + Rp260 + Rp260 + Rp220 + Rp265

~----~~--~~--~6~----~----~---

x= Rp246,67

87

Tabe14.32

Harga dan Volume Penjualan Barang X dari 6 Orang Pembeli di Toko Panen Raya

Pcmbeli Ilarga/Kg Volume (Kg)
I
Reimon Rp250,00 300
Melan Rp225,00 500
Gunarto Rp260,OO 250
Nining Rp260,OO 275
DoyokSuri Rp220,00 : 550
Bony Lartus Rp265,00 225 Tentukanlah rata-rata harga jual barang X tersebut!

Jika digunakan untuk menghitung total nilai penjualan, hasil perhitungan sebesar Rp245,57 tersebut harus dapat memberikan hasil yang sarna jika perhitungan total nilai penjualan dilakukan dengan menggunakan angka-angka yang terdapat pada tabel 4.32 di atas. Total nilai penjualan yang dihitung dengan tabel 4.32 dan dengan menggunakan ratarata harga jual adalah sebagai berikut:

Tabe14.33

Peng~itungan Total Nilai Penjualan dari 6 Orang Pembeli di Toko Panen Raya

Pcmheli Harga/Kg \ olume (Kg) Nilai pl'n.iuala~l

Reimon Rp250,OO ' 300 Rp 75.000,00
Melan Rp225,QO 500 Rpl12.500,00
,Gunarto Rp260.00 250 Rp 65.000,00
Nining Rp260.00 275 Rp 71.500,00
PoyokSurl Rp220.00 550 Rp121.000,00
BonyLartus Rp265,00 225 Rp 59.625,00
Total nilai penjualan Rp474.625,00 Dapat dilihat bahwa hasil penghitungan terse but tidak sarna. Dalam menghitung harga rata-rata, dalam kasus ini harus diperhatikan faktor lainnya yaitu volume penjualan yang fungsinya sebagai timbangan atau bobot.

88

Tabe14.34

Penghitungan Total Nilai Penjualan dari 6 Orang Pembeli di Toko Panen Raya

Pembeli Harua Rata-rata \ OIUlIll' ("~I NiLli penjuul.ut

Reimon Melan Gunarto Nining DoyokSuri BonyLartus

Rp246,67 Rp246.67 Rp246,67 Rp246.67 Rp246,67 Rp246,67

300 500 250 275 5SO 225

Total nilai peniualan

Untukrnenghitung rata-rata, dalarn kasus seperti ini, harus digunakanrata-rata tertimbang atau rata-rata berbobot yang dirumuskan:

X = ~L (B, x]

B LB

I

(4.15)

XB : Rata-rata tertirnbang/berbobot BI : Tirnbangan/bobot ke-i

X : Data ke-i dari variabel acak X

I

L(Bj.x) sendiri adalah total nilai penjualan (perhatikan tabel 4.33) yaitu Rp474625,00. Dengan dernikian, rata-rata harga jual dapat dihitung sebagai berikut:

X = Rp474.625,00 2.100*)

XB = Rp226,01

*) 2.100 = 300 + 500 + 250 + 275 + 550 + 225

Jika digunakan untuk rnenghitung nilai penjualan, hasilnya harus sarna dengan Rp474.625,00.

89

Tabe14.35

Penghitungan Total NiIai Penjualan dari 6 Orang Pembeli di Toko Panen Raya

Pembeli Harga Rata-rata Volume (Kg) Nilai pcnjualan

Reimon Rp226,01 300 Rp 67.803,00
Melan Rp226,01 500 Rpl13.005,OO
.. Gunarto Rp226,01 250 Rp 56502,50
Nining Rp226,01 275 Rp 62.152,75
DoyokSuri Rp226,01 550 Rp 124.305,50
BonyLartus Rp226,01 225 Rp 50.875,25
Total nilai penjualan Rp474.621,00 Hasil perhitungan tersebut memang tidak sama persis. Hal ini disebabkan pengaruh pembulatan dalam menghitung rata-rata tertimbang di atas yang seharusnya Rp226,0 11904762 sehinggahasilnya: Rp226,011904762(300 + 500 + 250 + 275 + 550 + 225) = Rp474.625,00.

Contoh 20

Seorang mahasiswa dari STIE Gadjah Mungkur pada semester kedua tahun akademik 1993/1994 berhasil menyelesaikan ujian-ujiannya dengan nilai-nilai:

Tabe14.36

Daftar Matakuliah dan Nilai Ujian

No. .\latakuliah SKS Nilai

1. Pengantar Akuntansi II 4 B
2. Pengantar Ekonomi II 4 A
3. Pengantar Ekonomi Perusahaan II 2 A
4. Pengantar Hukum Dagang II 2 C
5. Bahasa Inggris II 2 A
6. Matematika II 2 C Tentukan indeks prestasi yang dicapai mahasiswa tersebut.

Indek prestasi sebenarnya adalah rata-rata tertimbang nilai yang dicapai oleh seseorang mahasiswa pada suatu semester tertentu (atau beberapa semester secara kumulatip). Yang menjadi timbangan dalam menentukan rata-rata nilai tersebut adalah Satuan Kredit Semester (SKS)nya. Dari data di atas, maka indek prestasi - rata-rata tertimbang nilai mahasiswa tersebut dapat dihitung seperti berikut ini:

90

Tabe14.37

Perhitungan Rata-rata Tertimbang Nilai Ujian

\0. \Iatakuliah SKS Nilai Konversi SKS:\ Kon.\ilai

1. Pengantar Akuntansi II 4 B 3 12
2. Pengantar Bkonomi n 4 A 4 16
3. Pengantar Ekonomi Perusahaan n 2 A 4 8
4. Pengantar Hukum Dagang II 2 C 2 4
5. Bahasa Inggris n 2 A 4 8
6. Statistika I 2 C 2 4
Indek Prestasi = 52/16 = 3,25
4.8 RATA-RATA GEOMETRIK Tidak jarang, seseorang harus menghitung rata-rata pertumbuhan suatu kualitas atau nilai sesuatu, misalnya rata-rata pertumbuhan nilai penjualan, rata-rata pertumbuhan jumlah penduduk, dan lain sebagainya. Untuk menghitungnya, penggunaan rata-rata hitung tidak dapat digunakan lagi dan tentunya diperlukan cara lain, yaitu rata-rata geometrik atau rata-rata ukur.

Cara penghitungan dilakukan dengan menarik akar hasil kali rasio faktor pertumbuhan dari data ke data. Rasio ini dihitung dengan membagi suatu nilai pada suatu peri ode dengan nilai pada periode sebelumnya. Perhatikan contoh berikut ini.

Contoh 21

Perkembangan harga per lembar saham PT Inti Persada selama rninggu terakhir bulan Juni 1993 di Bursa Saham Surabaya adalah sebagai berikut:

Tabe14.38

Perkembangan Harga per Lembar Saham PT Inti Persada

Hari Harga

Rp 9.900,00 RplO.l00,OO Rpl0.200,OO Rpl0.550,00 Rp 1 0.800,00 Rp 11.200,00

Senin Selasa Rabu Kamis Jum'at Sabtu

Hitunglah rata-rata pertumbuhan harga saham perusahaan tersebut!

91

Terlebih dahulu dihitung rasio faktor pertumbuhan harga saham tersebut dari hari ke hari seperti berikut:

Tabe14.39

Perkembangan Harga per Lembar Saham PT Inti Persada

Ilari Ilar~a Rasio

Senin Selasa . Rabu Kamis Jum'at Sabtu

Rp 9.900.00 RplO.lOO.OO Rplo.200.00 RpI0.550,OO RplO.800,OO

. Rpll.200.00

1,0202 = 10.10019.900 1.0099 = 10.200/10.100 1,0343 == 10.550110.200 1,0237 = 10.800/10.550 1,0370= 11.200110.200

Rasio pertumbuhannya sendiri adalah rasio faktor pertumbuhan dikurang satu. Dari tabe14.39 di atas, misalnya, rasio pertumbuhan pada hari Kamis adalah 0,0343 (1,0343 - 1).

Dengan menggunakan perumusan rata-rata hitung, maka rata-rata rasio faktor pertumbuhan harga saham tersebut adalah:

x = 1,0202 + 1,0099 + 1,0343 + 1,0237 + 1,0370 5

x = 1,02502

Dengan menggunakan perumusan rata-rata hitung, rata-rata pertumbuhan harga saham adalah 0,02502 (1,02502 - 1) atau 2,502%. Benar tidaknya hasil perhitungan tersebut harus dibuktikan dengan menggunakan hasil perhitungan tersebut untuk menentukan harga saham pada akhir periode data (hari Sabtu). Jika hasil perhitungannya adalah Rpl1.200,00 maka hasil perhitungan tersebut (1,02502) adalah benar. Perhatikan tabel perhitungan berikut ini:

Tabe14.40

Pembuktian Bahwa Harga Rata-rata Pertumbuhan Harga Saham adalah 0,02502 (1,02502 -1)

9.900.00 x 1.02502 == 10.147,70 10.147,70 x 1,02502:; 10.400,88 10.400,88 x 1,02502 == 10.661,11 10.661,11 x 1,025Q2 = 10.927,85 10.627,85 x 1,02502:; 10.893,76

Ternyata hasil perkalian terakhir adalah RplO.893,76.

92

Rata-rata geometrik dirumuskan sebagai berikut:

I x, =fJ X, x Yo, x Yo, x .•. x X.

(4.16)

Dengan menggunakan perumusan tersebut, maka rata-rata pertumbuhan harga saharn adalah sebagai berikut:

XG = 'fjl,0202 x 1,0099 x 1,0343 x 1,0237 x 1,0370

XG = 1,025 (pembulatan dari 1,023\497278727).

Melalui proses pembuktian seperti pada tabeI4.40, maka hasil perkalian terakhir (atau harga saham pada hari Sabtu) adalah Rp 11.200,00 (seharusnya 11.200,941307).

Perhitungan rata-rata geometrik dapat juga dilakukan dengan menggunakan perumusan:

log G = log X, + 1,,: X, + ... + ~ : ~~.lrl}'l

Dengan menggunakan perumusan 4.17, hasil perhitungannya adalah sebagai berikut:

1 G log 1,0202 + log 1,0099 + log 1,0343 + log 1,0237 + log 1,0370 og =

5

log G = 0,0107133515098

G = antilog 0,0107133515098 G = 1,0249751 (atau 1,025)

Hasil perhitungan dengan menggunakan kedua perumusan di atas adalah sarna.

93

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->