P. 1
STATISTIK 1

STATISTIK 1

|Views: 42|Likes:
Published by Ricardo Marcus

More info:

Published by: Ricardo Marcus on Oct 16, 2011
Copyright:Attribution Non-commercial

Availability:

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

08/04/2012

pdf

text

original

Sections

  • Arti dan Jenis Data
  • 1. Median Data tak Berkelompok
  • C. Modus (Mo)
  • B. Modus Data Berkelompok
  • D. Rata-rata Ukur (Geometric Mean)
  • DEFINISI DAN KLASIFIKASI
  • Analisis Korelasi
  • ANALISIS REGRESI LINEAR BERGANDA

STATISTIK

BY
AMIRULLAH
I. PENDAHULUAN
Kata statistik adalah bentukan dari akar kata Latin
yaitu Status. Kata status ini jika dilihat dari sudut
ilmu politik berarti negara, seperti jumlah
provinsi, distrik, jumlah penduduk per distrik dan
per provinsi, jenis dan rincian mata pencaharian
penduduk dan sebagainya. Dahulu data demikian
diperlukan untuk menaksir jumlah pajak yang
akan dikumpulkan bagi kas kerajaan, keperluan
pertahanan dan lain-lain sebagainya.

Kemudian, di dalam bahasa Inggris
dijumpai dua buah kata yang
dipergunakan secara umum tetapi
menunjukkan makna yang berbeda,
yaitu statistic dan statistics.
Selanjutnya dalam bahasa nasional kita
dikenalkan pula dua kata yang sejalan,
yaitu statistik dan statistika.
Kata statistik, bandingan dari kata statistic
diinterpretasikan sebagai data atau data
kuantitatif, kemudian diartikan pula sebagai
penaksir atau penduga parameter populasi.
Statistik dalam artian data, misalnya dapat
dilihat dalam buku statistik yang diterbitkan
oleh Biro Pusat Statistik, Kantor Sensus dan
Statistik Daerah, Humas sesuatu instansi
pemerintahan, perusahaan swasta, lembaga
penelitian dan sebagainya
Kata statistika bandingan dari kata statistics,
diartikan sebagai metode atau kerangka
teori yang telah dikembangkan guna
menangani masalah yang berhubungan
dengan pengumpulan, pengolahan dan
penguraian data sampel dengan tujuan
untuk melakukan penarikan simpulan yang
berguna mengenai data yang bersangkutan
pada mana data sampel tersebut ditarik.
Arti dan Jenis Data
Dalam webster’s New World
Dictionary diterakan, data = thing
known, or assumed, dan dengan
demikian secara harfiah data berarti
sesuatu yang sudah diketahui atau
terjadi (fakta).
Misalnya, berita koran menyebutkan,
kemarin telah turun hujan di kota “X”, dan
di kolom berita lainnya disajikan data
ramalan cuaca yang berlaku pada hari
berikutnya, bahwa diduga akan turun hujan
di kota “X”, terutama di sore harinya
Selanjutnya, dalam metode statistika data
didefinisikan sebagai keterangan atau
informasi yang berbentuk angka, atau
bukan angka, telah terjadi atau belum
terjadi, diperoleh langsung melalui
penelitian atau percobaan, ataupun melalui
media publikasi
Berdasarkan atas rumusan makna
di atas maka data tersebut dapat
dibedakan ke dalam beberapa
golongan :
1. Menurut Wujudnya
A. Data Kuantitatip, yaitu informasi
mengenai sesuatu objek yang dinyatakan
dengan angka-angka. Misalnya, harga
semen tahun 2010 per zak Rp 50.500,
jumlah penumpang kapal “Sejahtera”
selama tahun 2010 sebanyak 250.000
orang, dan sebagainya.

B. Data Kualitatip, yaitu informasi mengenai
sesuatu objek yang dinyatakan bukan dengan
angka atau bilangan, melainkan dalam bentuk
keterangan. Misalnya, diperkirakan besok akan
turun hujan di kota “A”, penyakit kanker lebih
berbahaya dibanding penyakit influenza, harga
sembako tahun ini lebih murah dibanding
tahun lalu
2. Manurut Sifatnya
A. Data Kejadian (fakta), yaitu informasi
mengenai sesuatu objek yang berkeberadaan
sebagai peristiwa atau yang sudah
berlangsung, baik yang dinyatakan dengan
angka maupun bukan angka. Misalnya data
runtun waktu mengenai sesuatu yang
dinyatakan di dalam Buku Statistik yang
diterbitkan oleh Biro Pusat Statistik, dan lain-
lain sebagainya
B. Data Ramalan atau Anggapan, yaitu
informasi mengenai sesuatu objek yang
masih berkeberadaan sebagai pendugaan
atau estimasi berdasarkan atas jalan fikiran
yang logis atau metode analisis tertentu, baik
yang disajikan dalam bentuk angka maupun
yang bukan angka. Misalnya ramalan cuaca,
ramalan produksi, ramalan penjualan,
hipotesis dan lain-lain sebagainya
3. Menurut cara Perolehannya
A. Data Primer, yaitu informasi mengenai objek
tertentu yang dikoleksi dan diolah sendiri
oleh peneliti, baik dilakukan oleh perorangan
maupun oleh sebuah tim atau lembaga.
Misalnya data penduduk dan industri yang
dipublikasikan oleh Biro Pusat Statistik yang
diperoleh dari sensus yang diselenggarakan
sendiri, data kasar yang dikumpulkan, diolah
dan disiapkan sendiri oleh peneliti,
perusahaan dan sebagainya
B. Data Sekunder, yaitu informasi mengenai
objek tertentu yang dikumpulkan, diolah dan
disajikan oleh sumber data dan pihak lain
yang memerlukan memperolehnya dari
publikasi sumber yang bersangkutan.
Misalnya, perorangan atau tim yang
memerlukan data penduduk, memperolehnya
dari data yang sudah disiapkan oleh Kantor
Sensus dan Statistik Daerah, data
perdagangan dari Departemen Perindustrian
dan Perdagangan
4. Menurut Sumbernya
A. Data Internal, yaitu informasi
mengenai kekayaan atau sumber
daya serta produk dari sebuah
perusahaan atau organisasi.
Misalnya, data rincian karyawan
perusahaan, laporan keuangan,
laporan penjualan dan sebagainya
B. Data Eksternal, yaitu informasi mengenai
lingkungan sebuah perusahaan atau
organisasi. Misalnya bagi perusahaan
manufaktur data eksternalnya antara lain
harga bahan baku dan seumber
pembekalan, kebijaksanaan pemerintah
di bidang industri dan perdagangan,
masalah moneter, pendapatan
masyarakat atau GNP, dan sebagainya
POPULASI DAN SAMPEL
Populasi adalah kumpulan individu
atau objek dengan ciri-ciri atau
kualitas tertentu yang melekat pada
objek yang bersangkutan.
Ciri-ciri tertentu dari anggota sebuah
populasi dinamakan peubah (variabel)
dari populasi yang bersangkutan
Selanjutnya sample (percontoh,
sampel) adalah sejumlah elemen
atau unsur yang ditarik dari
sebuah sampel populasi, baik
secara acak (sembarang, random),
atau dengan aplikasi aturan atau
kriteria tertentu
II. DISTRIBUSI FREKUENSI
A. Data Kasar
Apabila dilakukan penelitian lapangan pada
sebuah objek penelitian tertentu maka akan
diperoleh data primer dan atau data sekunder.
Data yang diperoleh, khususnya data primer,
kebanyakan masih berbentuk data mentah (raw
data, data kasar) sehingga data itu masih
memerlukan pengolahan lebih lanjut agar data
tersebut mampu memberikan kegunaan yang
lebih optimal
Meskipun data kasar tersebut berkeberadaan
sebagai data yang belum teratur dan masih
acak-acakan, namun data kasar itu tetap
memiliki arti yang penting sebab data kasar
tersebut merupakan bahan baku analis.
Pengubahan data kasar yang belum
berkelompok (ungrouped data) menjadi data
teratur yang sudah dikelompokkan (grouped
data) diproses dengan melalui beberapa
tahapan, yaitu :
1. menyusun data kasar menjadi sebuah
array,
2. mencari jangkau (range) data,
3. menetapkan jumlah kelas data,
4. menetapkan lebar kelas (class interval), dan
5. menyusun distribusi frekuensi data
1. Penyusunan Array
Array adalah susunan data kasar
berbentuk bilangan menurut besar
kecilnya dimulai dari data yang terkecil
nilainya hingga ke data yang terbesar
nilainya
Misalkan, “Ahmad” memelihara 100 ekor ayam ras petelur dan memiliki
catatan produksi selama 100 hari seperti tersebut dalam daftar di
bawah ini.
Kolom
Baris
1 2 3 4 5 6 7 8 9 10
1 77 44 49 33 38 33 76 55 68 39
2 44 59 36 55 47 61 53 32 65 51
3 29 41 32 45 83 58 73 47 40 26
4 59 43 66 44 41 25 39 72 37 55
5 34 47 66 53 55 58 49 45 61 41
6 55 92 83 77 45 62 45 36 78 48
7 54 50 51 66 80 73 57 61 56 40
8 45 82 71 48 46 69 38 72 56 64
9 38 45 51 44 41 68 45 92 43 12
10 37 16 44 57 63 71 50 64 57 51
Daftar 1. Produksi Telur Harian Peternak ““Ahmad””

Pada dasarnya array dapat disusun secara
langsung dari data kasar di atas, namun
dalam tulisan ini dengan maksud untuk
mengurangi resiko kesalahan, serta untuk
memenuhi keperluan yang lain, khususnya
penyusunan strata sampel, maka mendahului
operasi penyusunan array data kasar
tersebut di atas terlebih dahulu akan
digolongkan menurut angka puluhannya.
Daftar 2a. Penggolongan Produksi Telur Harian “Ahmad”
Menurut Angka Puluhan Volume Produksi
No.
Urut
Angka Puluhan
1 2 3 4 5 6 7 8 9
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
n
j

Hasil tabulasi pada Daftar 2a kemudian disusun
menjadi array dan penyusunannya itu dilakukan
dengan mengurutkan data menurut besar
kecilnya nilai tersebut. Untuk mudahnya,
penyusunan dilakukan dengan memperhatikan
ekor setiap nilai, mulai ekor 0 hingga 9 untuk tiap
kelompokan data.
Kolom
Baris
1 2 3 4 5 6 7 8 9 10
1
2
3
4
5
6
7
8
9
10
X
j

Daftar 2b Array Produksi Telur Harian ““AHMAD””

2. Jangkau (Range)
Jangkau adalah selisih antara dua buah nilai ekstrim, yaitu antara nilai yang
terbesar dengan nilai yang terkecil yang terdapat pada koleksi data tertentu.
Dengan sebuah pernyataan, jangkau tersebut adalah :

R = Nilai Terbesar - Nilai Terkecil

Untuk contoh ini, R = 92 – 12 = 80
3. Menentukan Jumlah Kelas Data
Dalam hal ini kelas data diartikan sebagai penggolongan data ke dalam
beberapa golongan secara sistematis dan setiap penggolongan memiliki
lebar atau interval yang seragam.
Terlepas dari dapatnya menentukan jumlah kelas
secara intuitip, maka oleh H.A. Sturges telah
dikenalkan kriteria penentuan jumlah kelas data
dalam tahun 1926, yaitu :
k = 1 + 3,3 log N
k = jumlah kelas data,
N= jumlah unsur atau objek populasi
Tiap kelas memiliki dua macam karakter
basis, yaitu batas kelas (class limit) dan tepi
kelas (class boundry). Batas kelas ini
diidentifikasi ke dalam batas atas kelas
(upper limit) dan batas bawah kelas (lower
limit). Tepi kelas juga demikian, dan
dijumpai tepi bawah kelas (lower boundry)
dan tepi atas kelas (upper boundry)
Dalam distribusi frekuensi hanya batas
kelas yang dinyatakan dalam daftar, sedang
tepi kelas hanya dihayati dan disimpan di
dalam benak atau ingatan. Meskipun
demikian, analisis deskriptip, khususnya
pengukuran nilai sentral hanya memakai
besaran tepi kelas, yaitu tepi bawah kelas
(lower boundry)
4. Menentukan Lebar Kelas
Lebar kelas (class interval) adalah jangkau setiap kelas yang diperoleh dari operasi
pengurangan antara tepi atas kelas dengan tepi bawah kelas data yang bersangkutan
Lebar kelas ini harus seragam. Teladan ini disamping bertujuan untuk memudahkan
perhitungan, juga bermaksud untuk memudahkan pembuatan gambar atau grafik.
R
c = ;
k
c = lebar kelas,
R = jangkau, dan
k = jumlah kelas data.

92 - 12
Untuk kasus yang sedang dihadapi ini, c = = 10
8
Penyusunan Kelas Data
Kelas data yang disusun harus sedemikian rupa sehingga tidak
melahirkan suatu keragu-raguan di dalam operasi memasukkan
data ke kelas yang tersedia.
Untuk data di atas diperoleh :
Batas Bawah Batas Atas
12 22
22 32
32 42
42 52
52 62
62 72
72 82
82 92
Ternyata kelas sudah disusun tersebut masih belum
sempurna, sebab menimbulkan keragu-raguan dalam
operasi pemasukan data ke kelas yang ada. Misalnya
saja, produksi sebesar 22 butir dapat dimasukkan ke
kelas pertama dan atau pada kelas yang kedua,
demikian seterusnya bagi data tertentu. Untuk itu
kelas tersebut diatas masih perlu dimodifikasi.

Oleh karena data yang akan disusun distribusi
frekunsinya seluruhnya dinyatakan dengan bilangan
bulat (integer) maka batas atas kelas dikurangi
dengan satu dan diperoleh :
Batas Bawah Batas Atas
12 21
22 31
32 41
42 51
52 61
62 71
72 81
82 91
Hasil modifikasi melahirkan kelemahan baru, yaitu adanya data
yang terbuang karena tidak memiliki sediaan kelas. Pada contoh
ini ialah data yang bernilai 92.
Perbaikan dapat dilakukan dengan memilih salah satu
dari dua alternatif yang tersedia, yaitu :
1. Mempertahan lebar kelas semula diikuti dengan
penambahan jumlah kelas, dari 8 buah menjadi 9
buah. Kelas yang ke-9 memiliki jangkau 92 – 101.
2. Mempertahankan jumlah kelas semula (8 buah),
tetapi lebar kelas diubah dari 10 menjadi 11

Misalkan dipilih alternatif pertama, maka diperoleh
susunan kelas sebagai berikut :
Batas Bawah Batas Atas
12 21
22 31
32 41
42 51
52 61
62 71
72 81
82 91
92 101
5) Penyusunan Distribusi Frekuensi
Dengan perjanjian bahwa alternatif penyusunan distribusi
frekuensi yang dipili ialah altrnatif pertama dan dengan susunan
kelas seperti tersebut di atas, dimasukkanlah data dimaksud
Daftar 2b ke kelas yang sesuai.
Pemasukan data dapat dilakukan dengan memakai
dua macam pendekatan, yaitu :
1. memakai cara tally (mempergunakan angka turus),
dan
2. mempergunakanpendekatan jumlah kumulatif.
Jika memakai metode pertama, terlebih dahulu dibuat daftar
yang dibagi atas kolom Batas bawah, batas atas, angka turus
(catatan tally), dan frekuensi.
Batas Bawah Batas Atas Angka Turus Frekuensi (f
i
)

12
22
32
42
52
62
72
82
92

21
31
41
51
61
71
81
91
101

//
///
//// //// //// ////
//// //// //// //// //// ///
//// //// //// ////
//// //// ///
//// ////
///
//

2
3
20
28
20
13
9
3
2
J u m l a h (N) 100
Daftar 3a Distribusi Frekuensi Produksi Telur Peternak “Ahmad”
(menurut pendekatan angka turus)

C. Jenis-Jenis Distribusi Frekuensi
Distribusi Frekuensi dibedakan ke dalam :
1. Distribusi frekuensi cacah (f
i
)
2. Distribusi frekuensi relatif (f
r
)
3. Distribusi frekuensi persentasi (f
p
)
4. Distribusi frekuensi kumulatif (f
k
)
a. Frekuensi kumulatif kurang daripada (fk)
b. Frekuensi kumulatif lebih daripada (Fk)
Distribusi frekuensi adalah penyusunan secara
teratur suatu rangkaian data untuk
memperlihatkan tingkat keseringan
kejadian dari nilai atau objek di dalam
kelasnya masing-masing
Distribusi frekuensi disebut Distribusi
frekuensi cacah jika tingkat keseringan
kejadian dari nilai atau objek dinyatakan
dengan suatu bilangan cacah. Frekuensi
cacah ini lazim disebut frekuansi biasa
yang dilambangkan dengan f
i

Frekuensi relatif adalah pernyataan mengenai
tingkat keseringan kejadian dari nilai atau
objek di dalam kelasnya masing-masing
dalam bentuk hasil bagi antara frekuansi
kelas f
i
dengan jumlah objek (N). Distribusi
frekuensi yang memakai besaran relatif f
r

disebut distribusi frekuensi relatif
Frekuensi Persentasi adalah pernyataan
mengenai tingkat keseringan kejadian
dari nilai atau objek di dalam kelasnya
masing-masing dalam bentuk hasil kali
antara frekusni relatif dengan seratus
persen, atau dalam bentuk bilangan
persen atau f
p
= f
r
x 100% dan distribusi
frekuensi yang frekuensi kelasnya
dinyatakan dengan bilangan persentasi
disebut distribusi frekuensi persentasi
Frekuensi kumulatif adalah
frekuensi sesuatu nilai atau
objek yang menyatakan tingkat
keseringan kejadian hingga nilai
tertentu, atau untuk nilai yang
kurang daripada nilai tertentu
Frekuensi kumulatif yang menyatakan tingkat
keseringan kejadian hingga nilai tertentu, atau
lebih besar daripada nilai tertentu itu
dinamakan frekuensi kumulatif lebih daripada.
Sedang frekuensi kumulatif yang menyatakan
tingkat keseringan kejadian yang kurang
daripada atau sampai dengan nilai tertentu
disebut frekuensi kumulatif kurang daripada.
Distribusi frekuensi yang frekuensinya
dinyatakan dengan frekuensi kumulatif
dinamakan distribusi frekuensi kumulatif
Distribusi frekuensi persoalan Daftar 1
yang telah disusun sehingga menyajikan
distribusi frekuensi tersebut daftar 3a jika
dinyatakan dengan besaran frekuensi
relatif dan frekuensi persentasi dapat
dilihat dalam daftar berikut ini
Daftar 3c Distribusi Frekuensi Produksi Telur Peternak “Ahmad”
Dinyatakan dengan Besaran f
i
, f
r
dan f
p


Batas Bawah Batas Atas f
i
f
r
f
p


12
22
32
42
52
62
72
82
92

21
31
41
51
61
71
81
91
101

2
3
20
28
20
13
9
3
2
Jumlah 100 1
Produksi telur harian Peternak “Ahmad” Frekuensi kumulatif (f
k
)

Kurang daripada atau sama dengan 21
Kurang daripada atau sama dengan 31
Kurang daripada atau sama dengan 41
Kurang daripada atau sama dengan 51
Kurang daripada atau sama dengan 61
Kurang daripada atau sama dengan 71
Kurang daripada atau sama dengan 81
Kurang daripada atau sama dengan 91
Kurang daripada atau sama dengan 101


Sedang Disribusi Frekuensi Kumulatif, baik frekuensi kumulatif lebih dari, maupun kurang
daripada, dapat dilihat di bawah ini.

Daftar 4a Distribusi Frekuensi Kumulatif Kurang Daripada
Frekuensi kumulatif kurang daripada dihitung
dengan menjumlahkan angka frekuensi kelas f
i

hingga kelas data yang bersangkutan.
Untuk kelas data pertama, fk
1
= f
1
= 2
Untuk kelas data kedua , fk
2
= f
1
+ f
2
= 2 + 3 = 5
Untuk kelas data ketiga , fk
3
= f
1
+ f
2
+ f
3
= 2 + 3
+ 20 = 25
Demikian seterusnya, sehingga untuk kelas data
kedelapan,
fk
9
= f
1
+ f
2
+ f
3
+ f
4
+ f
5
+ f
6
+ f
7
+ f
8
+ f
9

= 2 + 3 + 20 + 28 + 20 + 13 + 9 + 3 + 2 = 100
Produksi telur harian Peternak “Ahmad” Frekuensi kumulatif (f
k
)

Kurang daripada atau sama dengan 21
Kurang daripada atau sama dengan 31
Kurang daripada atau sama dengan 41
Kurang daripada atau sama dengan 51
Kurang daripada atau sama dengan 61
Kurang daripada atau sama dengan 71
Kurang daripada atau sama dengan 81
Kurang daripada atau sama dengan 91
Kurang daripada atau sama dengan 101

2
5
25
53
73
86
95
98
100
Selanjutnya, frekuensi kumulatif lebih daripada (F
k
) dari data di atas
dapat dilihat pada tabel berikut ini
Produksi telur harian Peternak “Ahmad” Frekuensi kumulatif (F
k
)

Lebih daripada atau sama dengan 12
Lebih daripada atau sama dengan 22
Lebih daripada atau sama dengan 32
Lebih daripada atau sama dengan 42
Lebih daripada atau sama dengan 52
Lebih daripada atau sama dengan 62
Lebih daripada atau sama dengan 72
Lebih daripada atau sama dengan 82
Lebih daripada atau sama dengan 92


Daftar 4b Distribusi Frekuensi Kumulatif Lebih Daripada
Produksi telur peternak “Ahmad” tiap hari untuk
12 butir atau lebih, terjadi pada seluruh hari-
hari penelitian, atau sama dengan N. Untuk
kelas data kedua, yaitu produksi telur 22 butir
atau lebih, ialah N dikurangi dengan jumlah
kejadian pada kelas data sebelumnya (f
1
)
sehingga Fk
2
= Fk
1
– f
1

Produksi telur harian Peternak “Ahmad” Frekuensi kumulatif (F
k
)

Lebih daripada atau sama dengan 12
Lebih daripada atau sama dengan 22
Lebih daripada atau sama dengan 32
Lebih daripada atau sama dengan 42
Lebih daripada atau sama dengan 52
Lebih daripada atau sama dengan 62
Lebih daripada atau sama dengan 72
Lebih daripada atau sama dengan 82
Lebih daripada atau sama dengan 92

100
98
95
75
47
27
14
5
2
Frekuensi kumulatif kurang daripada (f
k
) dan
frekuensi kumulatif lebih daripada (F
k
) dapat
pula dinyatakan dengan besaran relatif serta
persentasi, yaitu dengan membagi angka
frekuensi kumulatif yang bersangkutan dengan
N, kita peroleh kumulatif relatif, dan jika
frekuensi kumulatif relatif tersebut dikalikan
dengan 100% diperoleh frekuensi kumulatif
persentasi. Frekuensi kumulatif demikian dapat
dilihat pada daftar di bawah ini
Produksi Telur Harian Peternak “Ahmad” fk
c
fk
r
fk
p


Kurang daripada atau sama dengan 21
Kurang daripada atau sama dengan 31
Kurang daripada atau sama dengan 41
Kurang daripada atau sama dengan 51
Kurang daripada atau sama dengan 61
Kurang daripada atau sama dengan 71
Kurang daripada atau sama dengan 81
Kurang daripada atau sama dengan 91
Kurang daripada atau sama dengan 101

2
3
20
28
20
13
9
3
2

2/100
5/100
25/100
53/100
73/100
86/100
95/100
98/100
100/100

2%
5%
25%
53%
73%
86%
95%
98%
100%
Daftar 4c. Distribusi Frekuensi Kumulatif Kurang daripada dengan
Besaran fk Cacah, Relatif dan Persentasi
Produksi Telur Harian Peternak “Ahmad” Fk
c
Fk
r
Fk
p


Lebih daripada atau sama dengan 12
Lebih daripada atau sama dengan 22
Lebih daripada atau sama dengan 32
Lebih daripada atau sama dengan 42
Lebih daripada atau sama dengan 52
Lebih daripada atau sama dengan 62
Lebih daripada atau sama dengan 72
Lebih daripada atau sama dengan 82
Lebih daripada atau sama dengan 92


100
98
95
75
47
27
14
5
2

100/100
98/100
95/100
75/100
47/100
27/100
14/100
5/100
2/100

100%
98%
95%
75%
47%
27%
14%
5%
2%
Untuk distribusi frekuensi lebih daripada lihat daftar 4d berikut ini :
Daftar 4d. Distribusi Frekuensi Kumulatif Lebih daripada
III. PENGUKURAN NILAI SENTRAL

A. Rata-Rata Hitung (Arithmatic Mean)
Rata-rata hitung atau lazim dinyatakan dengan
mean adalah nilai rata-rata yang diperoleh dari
hasil operasi pembagian antara jumlah nilai
seluruh individu atau objek penelitian dengan
jumlah individu penelitian yang bersangkutan
Rata-rata hitung ini dapat dicari dari data yang
belum dikelompokkan (ungrouped data), serta
dari data yang sudah dikelompokkan (grouped
data)
1) Rata-Rata Hitung Data tak Berkelompok
Data tak berkelompok ini lazim pula dinamai data
mentah atau data kasar (raw data) yaitu data yang
diperoleh dari kegiatan penelitian yang masih
berwujud data acak-acakan dan belum disusun ke
dalam sebuah distribusi frekuensi
Formula yang terpakai di dalam operasi
perhitungan rata-rata hitung data tak
berkelompok ialah :

N

1) μ = ∑ X
i
/ N ;

i = 1

μ = rata-rata hitung

populasi
X
i
= nilai individu penelitian yang ke-i
N = Jumlah Individu (populasi penelitian)
i = 1,2,3,4, ........, N
n

2) X = ∑ X
i
/ n

i = 1


X = rata-rata hitung sampel
X
i
= nilai unsur ke-i dari sampel
n = Jumlah objek dari sampel
i = 1,2,3,4, .........,n
2) Rata-Rata Hitung Data Berkelompok

Data berkelompok dalam bahasan ini
dimaknai sebagai data penelitian yang
sudah digolong-golongkan sedemikian
rupa ke dalam sebuah distribusi frekuensi
Rata-rata hitung data berkelompok ini dapat
dicari dengan memakai salah satu dari dua
metode yang tersedia, yaitu :
1. Metode panjang (long method)
2. Metode pendek (short method)
(1) Pemecahan dengan Metode Panjang

k k

X = ∑ f
i
X
i
/ ∑ f
i


i=1 i=1

X = rata-rata hitung
f
i
= frekuensi kelas data ke-i
X
i
= nilai tengah kelas data ke-i
i = 1,2,3,4,.........,k

k

∑ f
i
X
i
= f
1
X
1
+ f
2
X
2
+f
3
X
3
+ .......... + f
k
X
k


i=1


k

∑ f
i
= f
1
+ f
2
+ f
3
+ ........... + f
k
= n


i=1

Dengan demikian formula di atas dapat pula ditulis :

k

X = ∑ fiXi / n
i=1

Tahapan penyelesaian :
Pertama : Susun terlebih dahulu data ke dalam daftar
distribusi frekuensi,
Kedua : Hitung nilai tengah setiap kelas ke-i (X
i
), yang
diperoleh dari operasi perhitungan :
X
i
= ½ (batas bawah kelas ke-i + batas atas
kelas ke-i) Catat hasilnya secara bersesuaian
di kolom X
i

Ketiga : Gandakan nilai tengah kelas X
i
dengan
frekuensi kelas f
i
dan catat hasilnya di kolom
f
i
X
i
secara bersesuaian.
Keempat : Cari jumlah kolom f
i
dan f
i
X
i

Kelima : Cari X dengan memakai formula di atas
Perhitungan X dengan Metode Panjang

Batas Bawah Batas Atas X
i
f
i
f
i
X
i

10
21
32
43
54
65
76
87
20
31
42
53
64
75
86
97
2
3
20
30
22
13
8
2
J u m l a h 100
Batas Bawah Batas Atas f
i
X
i
f
i
X
i

10
21
32
43
54
65
76
87
20
31
42
53
64
75
86
97
2
3
20
30
22
13
8
2
15
26
37
48
59
70
81
92
J u m l a h
Batas Bawah Batas Atas f
i
X
i
f
i
X
i

10
21
32
43
54
65
76
87
20
31
42
53
64
75
86
97
2
3
20
30
22
13
8
2
15
26
37
48
59
70
81
92
30
78
740
1.440
1.298
910
648
184
J u m l a h 100 5.328
5.328
X = = 53,28 atau dibulatkan menjadi 53
100

Dengan demikian rata-rata hitung atau rata-rata
produksi telur per hari peternak “Ahmad” selama 100
hari adalah 53 butir.
HARAP TENANG DAN HPNYA DINONAKTIFKAN
SELAMA DI DALAM LAB.
SESAAT LAGI MATERI MEDIAN
(2) Pemecahan dengan Metode Pendek
X = X
0
+ d ; ....................................(1)
X = rata-rata statistik,
X
0
= nilai tengah kelas yang dipilih
secara acak (sembarang)
d
i
= (X
i
– X
0
)

k

d = ∑ f
i
d
i
/ n

i=1



X = X
0
+ ( ∑f
i
di’ / n) x c ; .................(2)
X
0
= nilai tengah kelas ke-i yang dipilih
secara acak (sembarang)
d
i

= (X
i
- X
0
) / c
c = lebar kelas
n = jumlah unsur (individu)
Langkah Pemecahan :
Pertama : buatlah daftar distribusi frekuensi
Kedua : carilah nilai tengah kelas, X
i
, yaitu rata-rata dari jumlah
batas bawah dengan batas atas kelas
Ketiga : Tentukan X
0
dengan melalui pemilihan secara acak X
i

tertentu
Keempat : Jika memakai formula (1), tentukanlah d
i
, yaitu hasil dari
(X
i
– X
0
) dan catatlah hasilnya di kolom d
i
secara
bersesuaian. Jika memakai formula (2), carilah d
i

, yaitu
(X
i
– X
0
) / c dan catatlah hasilnya di kolom d
i

secara
bersesuaian.
Kelima : Gandakanlah f
i
dengan d
i
, atau f
i
dengan d
i

. Catatlah
hasilnya di kolom yang disediakan.
Keenam : Carilah X

dengan memakai metode pendek (formula (1)
dan (2))

Daftar 9a. Perhitungan X dengan Memakai Metode Pendek (formula 1)
Batas
Bawah
Batas
Atas
X
i
f
i
d
i
f
i
d
i

10
21
32
43
54
65
76
87
20
31
42
53
64
75
86
97
15
26
37
48
59
70
81
92
2
3
20
30
22
13
8
2
J u m l a h 100
Batas
Bawah
Batas
Atas
X
i
f
i
d
i
f
i
d
i

10
21
32
43
54
65
76
87
20
31
42
53
64
75
86
97
15
26
37
48
59
70
81
92
2
3
20
30
22
13
8
2
-33
-22
-11
0
11
22
33
44
J u m l a h 100
Batas
Bawah
Batas
Atas
X
i
f
i
d
i
f
i
d
i

10
21
32
43
54
65
76
87
20
31
42
53
64
75
86
97
15
26
37
48
59
70
81
92
2
3
20
30
22
13
8
2
-33
-22
-11
0
11
22
33
44
-66
-66
-220
0
242
286
264
88
J u m l a h 100 528
Dari daftar di atas diketahui :
X
0
= yang dipilih secara acak adalah X
4
atau 48
d = 528/100 = 5,28
X = X
0
+ d
= 48 + 5,28
= 53,28
Daftar 9b. Perhitungan X dengan Memakai Metode Pendek (formula 2)

Batas Bawah Batas Atas X
i
f
i
d

f
i
d
i


10
21
32
43
54
65
76
87
20
31
42
53
64
75
86
97
15
26
37
48
59
70
81
92
2
3
20
30
22
13
8
2
J u m l a h 100
Batas Bawah Batas Atas X
i
f
i
d

f
i
d
i


10
21
32
43
54
65
76
87
20
31
42
53
64
75
86
97
15
26
37
48
59
70
81
92
2
3
20
30
22
13
8
2
-3
-2
-1
0
1
2
3
4
J u m l a h 100
Batas Bawah Batas Atas X
i
f
i
d

f
i
d
i


10
21
32
43
54
65
76
87
20
31
42
53
64
75
86
97
15
26
37
48
59
70
81
92
2
3
20
30
22
13
8
2
-3
-2
-1
0
1
2
3
4
-6
-6
-20
0
22
26
24
8
J u m l a h 100 48
Dari daftar di atas diketahui :

k

∑ f
i
d
i

= 48

i=1

n = 100
c = 11
X
0
= 48

k

X = X
0
+ (∑f
i
d
i

/ n) x c
i =1


= 48 + (48/100) x 11
= 48 + (0,48) x 11
= 48 + 5.28
= 53.28 atau dibulatkan menjadi 53
B. Median (Nilai Tengah)
Median atau rata-rata letak adalah angka yang
terletak di tengah-tengah sebuah deretan
angka-angka yang telah disusun sedemikian
rupa mulai dari yang terkecil nilainya hingga ke
yang terbesar nilainya. Dengan kata lain,
median ialah angka yang terletak di tengah-
tengah sebuah array
Seperti halnya dengan rata-rata
hitung, median ini dapat pula dicari
dari data yang belum dikelompokkan,
serta dari data yang sudah
dikelompokkan
1. Median Data tak Berkelompok
Jumlah individu, n, data tak berkelompok
mungkin ganjil mungkin pula genap.
Sehubungan dengan itu, maka median
data tak berkelompok memiliki dua
macam formula, yaitu :
a. Median data tak berkelompok dengan n yang ganjil

Md = angka yang ke-(
n + 1
)

2

b. Median data tak berkelompok dengan n yang genap

Md = ((angka yang ke-(
n+1
- ½) + angka ke-(
n+1
+ ½)) / 2

2 2


Sebagai contoh, berikut ini hasil pencatatan kecepatan
kendaraan yang melaju di ruas jalan tertentu pada jam
07.
05
– 07.
10
adalah sebagai berikut :
No. Urut Kendaraan Kecepatan (Km/jam)

1
2
3
4
5
6
7
8
9

73
47
43
53
30
17
59
83
98
Untuk contoh di atas, n adalah ganjil dan oleh
karena itu median dicari dengan memakai
formula (a) di atas.
Rumus diaplikasikan setelah data disusun
menjadi sebuah array, dan array kecepatan
kendaraan dimaksud adalah :
.... – .... – .... – .... – .... – .... – .... – .... – ....

n + 1

Md = angka ke – ( )

2


.... + 1

Md = angka ke – ( )

2

= angka ke ..../2
= angka ke - ....
2. Median Data Berkelompok

Median data tak berkelompok dapat
dicari dengan memakai acuan tepi
bawah dan tepi atas kelas.
Untuk mendapatkan gambaran
mengenai perbandingan antara batas
kelas dengan tepi kelas, maka di bawah
ini disajikan sebuah contoh.
Batas Bawah Batas Atas Tepi Bawah Tepi Atas

10
21
32
43
54
65
76
87

20
31
42
53
64
75
86
97




Daftar 10. Perbandingan Batas Kelas Dengan Tepi Kelas
Batas Bawah Batas Atas Tepi Bawah Tepi Atas
10
21
32
43
54
65
76
87
20
31
42
53
64
75
86
97


20,5
31,5
42,5
53,5
64,5
75,5
86,5
97,5
Daftar 10. Perbandingan Batas Kelas Dengan Tepi Kelas
Batas Bawah Batas Atas Tepi Bawah Tepi Atas
10
21
32
43
54
65
76
87
20
31
42
53
64
75
86
97
9,5
20,5
31,5
42,5
53,5
64,5
75,5
86,5
20,5
31,5
42,5
53,5
64,5
75,5
86,5
97,5
Daftar 10. Perbandingan Batas Kelas Dengan Tepi Kelas
Batas kelas disusun sedemikian rupa sehingga
menghilangkan keragu-raguan di dalam
operasi pemasukan data ke kelas data yang
disediakan dan oleh karena itu batas atas kelas
ke-i dengan batas bawah kelas ke-(i + 1)
memiliki selisih yang mewadahi perwujudan
tujuan di atas. Selisih tersebut dinamakan
celah kelas atau class gap
Tepi kelas adalah nilai rata-rata celah kelas, yaitu :
B = ½ (Batas atas Kelas ke-i + Batas Bawah kelas
ke-(i + 1)
B = Class Boundary, tepi kelas

Tepi atas kelas ke-i berimpit dengan tepi bawah
kelas ke-(i + 1) atau tepi atas kelas data pertama
sekaligus sebagai tepi bawah kelas data kedua,
selanjutnya tepi atas kelas data kedua sekaligus
sebagai tepi bawah kelas data ketiga dan seterusnya
Batas kelas selalu dinyatakan dalam daftar
distribusi frekuensi, sedang tepi kelas hanya
dipahami dan disimpan di dalam benak.
Tepi kelas berguna di dalam analisis data,
khususnya median dan modus, serta
menghitung lebar kelas dan pemetaan
Secara matematika median data berkelompok dapat dicari dengan menggunakan rumus :
1. Median dengan acuan tepi bawah kelas
½n - fk
s

M
d
= T
b
+ x c ; ...................................... (1)
f
m

M
d
= median data
T
b
=

tepi bawah kelas median
n = jumlah objek, individu
fk
s
= frekuensi kumulatif kurang daripada sebelum
½n
f
m
= frekuensi kelas median
c = lebar kelas
2. Median dengan acuan tepi atas kelas
½n - Fk
s

M
d
= T
a
- x c ; .................................... (2)
f
m

M
d
= median data
Ta

=

tepi atas kelas median
n = jumlah objek, individu
Fk
s
= frekuensi kumulatif lebih daripada sesudah ½n
dicapai
f
m
= frekuensi kelas median
c = lebar kelas
Langkah Penyelesaian :
Pertama : susunlah daftar distribusi frekuensi data
Kedua : susunlah frekuensi kumulatif dari distribusi
frekuensi yang bersangkutan. Jika dipakai
formula (1) maka susunlah dustribusi
frekuensi kurang daripada, sedang apabila
memakai formula (2) susunlah frekuensi
kumulaif lebih daripada
Ketiga : hitung nilai ½ x n. Tandailah frekuensi
kumulatif sebelum dan sesudah ½n. Tentukan
kelas median, yaitu kelas yang sebaris
dengan angka frekuensi kumulatif kurang
daripada sesudah ½n dicapai.

Keempat : dengan diketahuinya kelas median,
lebih lanjut tentukanlah :
a. tepi bawah dan tepi atas kelas
median
b. frekuensi kelas median
c. frekuensi kumulatif kurang daripada
sebelum dicapai ½n untuk formula
(1) dan frekuensi kumulatif lebih
daripada sesudah ½n dicapai untuk
formula (2)
d. tentukanlah lebar kelas, c
Kelima : selesaikanlah perhitungan mencari
median tersebut
Daftar 11 : Median Produksi Telur Harian Peternak Ahmad
(Data asal : Daftar 9a)
Batas
Bawah
Batas
Atas
f
i
fk
s
Fk
s


10
21
32
43
54
65
76
87

20
31
42
53
64
75
86
97

2
3
20
30
22
13
8
2
Metode pemecahan median selain memakai
rumus aljabar tersebut di atas, juga dapat
dicari dengan menggunakan diagram ozaiv
(ogive), sebuah diagram yang memetakan
distribusi frekuensi sebuah koleksi data
dengan menggunakan tepi kelas dan
frekuensi kumulatif distribusi yang
bersangkutan
Frekuensi kumulatif lebih daripada
miring dari sudut kiri atas diagram ke
sudut kanan bawah, sedang frekuensi
kumulatif kurang daripada miring
dari kiri bawah ke kanan atas diagram
Pemetaan dilakukan dengan cara berikut :
1. lebih dahulu dibuat diagram dimensi
dua, di mana pada sumbu horizontal
dipetakan nilai tepi kelas, sedang
pada sumbu vertikal dipetakan
frekuensi kumulatif data
2. frekuensi kumulatif kurang daripada
berpatokan kepada tepi atas kelas
sehingga koordinat pertama terjadi
pada (20½, 2), sedang frekuensi
kumulatif lebih daripada berpatokan
pada tepi bawah kelas sehingga
koordinat pertama ialah (9½,100)
3. perpotongan kedua frekuensi kumulatif
terjadi pada nilai ½n di sumbu vertikal
dan nilai Md pada sumbu horizontal.
Untuk itu buatlah garis yang sejajar
dengan seumbu tertentu hingga
memotong sumbu laawannya. Titik
potong dimaksud ialah nilai yang
disebutkan tadi
Jika pada titik ½n diidentifikasi dengan
titik A, titik potong kedua kurva frekuensi
kumulatif diidentifikasi sebagai titik B, dan
titik potong pada sumbu horizontal X
i
yang
dibuat oleh garis yang ditarik dari titik B
secara tegak lurus pada sumbu X
i
adalah
titik M, maka :
Gambar Diagram Ogive dari Data Daftar 11
0
10
20
30
40
50
60
70
80
90
100
9 . 5 2 0 . 5 3 1 . 5 4 2 . 5 5 3 . 5 6 4 . 5 7 5 . 5 8 6 . 5 9 7 . 5
Tepi Kelas
F
r
e
k
u
e
n
s
i

K
u
m
u
l
a
t
i
f
fks
Fks
HARAP TENANG DAN HPNYA DINONAKTIFKAN
SELAMA DI DALAM KELAS
SESAAT LAGI MATERI MODUS
C. Modus (Mo)
Modus (Mo) adalah nilai objek yang
paling banyak muncul atau terjadi di
dalam suatu rangkaian peristiwa.
Modus dapat dicari dari data yang belum
dikelompokkan dan data yang sudah
dikelompokkan
A. Modus Data Tidak Berkelompok
Bagi data yang belum dikelompokkan
modus dicari dengan lebih dahulu
menyusunnya ke dalam sebuah
penggolongan yang memerinci
keseringan kemunculan tiap nilai dalam
rangkaian peristiwa yang diamati
Misalnya, seorang pedagang kaki lima
yang menjual kelontongan memiliki
catatan penjualan harian selama 13 hari,
yaitu :
Rp 23.000; Rp 9.000; Rp 14.000; Rp 9.000;
Rp 22.000; Rp 9.000; Rp 14.000; Rp 9.000;
Rp 6.500; Rp 14.000; Rp 23.000; Rp 9.000;
dan Rp 22.000
Daftar 12 : Penjualan Harian Pedagang Kaki-Lima “X”
Nomor Urut Penjualan Harian (Rp) Frekuensi
Jumlah Observasi ....... hari
Nomor Urut Penjualan Harian (Rp) Frekuensi

1
2
3
4
5
Jumlah Observasi ..... hari
Nomor Urut Penjualan Harian (Rp) Frekuensi

1
2
3
4
5

6.500
9.000
14.000
22.000
23.000


Jumlah Observasi ....... hari
Nomor Urut Penjualan Harian (Rp) Frekuensi

1
2
3
4
5

6.500
9.000
14.000
22.000
23.000

1
5
3
2
2
Jumlah Observasi 13 hari
Nomor Urut Penjualan Harian (Rp) Frekuensi

1
2
3
4
5

6.500
9.000
14.000
22.000
23.000

1
5
3
2
2
Jumlah Observasi 13 hari
Volume penjualan harian yang paling
banyak atau paling sering dicapai oleh
“X” ialah Rp 9.000, yaitu dalam 5 hari.
Volume penjualan lainnya menyebar dari
1 hingga 3 hari. Dengan demikian,
modus data tersebut ialah Rp 9.000
B. Modus Data Berkelompok

Modus data berkelompok dapat dicari
dengan mempergunakan formula aljabar,
dan dapat pula dengan pendekatan
grafik.
Formula aljabar dimaksud adalah :
d
1

M
o
= T
b
+ ————— x c ; ............... (1)
d
1 +
d
2


T
b
= Tepi bawah kelas modus
d
1
= frekuensi kelas modus dikurangi frekuensi
kelas sebelumnya
d
2
= frekuensi kelas modus dikurangi frekuensi
kelas sesudahnya
c = lebar kelas

d
1
M
o
– L
1

— = ———— ; ...................... (2)
d
2
L
2
- M
o



M
o
= modus
d
1
= frekuensi kelas modus dikurangi frekuensi
kelas sebelumnya
d
2
= frekuensi kelas modus dikurangi frekuensi
kelas sesudahnya
L
1
= tepi bawah kelas modus
L
2
= tepi atas kelas modus

Langkah Pemecahan :
Pertama : buat terlebih dahulu distribusi
frekuensi data
Kedua : tentukan kelas modus, yaitu kelas
dengan frekuensi yang terbesar
Ketiga : hitung lebar kelas, serta selisih
antara frekuensi kelas modus
dengan frekuensai kelas sebelumnya
(d
1
) dan dengan frekuensi kelas
sesudahnya (d
2
)
Keempat : hitung tepi bawah dan tepi atas
kelas modus
Kelima : pemecahan dengan memakai
formula (1) dan (2)
Daftar 13 : Distribusi Frekuensi Produksi Telur Harian Peternak “AHMAD”
Batas Bawah Batas Atas Frekuensi (f
i
)

10
21
32
43
54
65
76
87

20
31
42
53
64
75
86
97

2
3
20
30
22
13
8
2
J u m l a h 100
Apabila dicari dari pola pendekatan grafik, maka grafik yang
dipergunakan ialah histogram atau diagram balok
Pemetaannya :
Pertama : buatlah diagram dimensi dua, di
mana pada sumbu horizontal
diskalakan tepi kelas, sedang pada
sumbu vertikal diskalakan angka
frekuensi kelas
Kedua : buatlah diagram batang untuk setiap
jangkau tepi kelas dengan tinggi yang
sesuai dengan frekuensi kelasnya
masing-masing
Ketiga : kelas modus terdapat pada
batang yang tertinggi
Dari sudut kanan atas batang
tertinggi itu ditarik sebuah garis
lurus ke titik pertemuan batang
ini dengan puncak batang di
sebelah kirinya, dan dari sudut
kiri atas batang tertinggi ini ke
titik pertemuan batang ini
dengan puncak batang di sebelah
kanannya
Dari titik potong kedua garis
itu buatlah sebuah garis lurus
yang sejajar dengan sumbu
vertikal dan tegak lurus pada
sumbu horizontal. Titik di
mana garis tegak lurus
tersebut memotong sumbu
horizontal menunjukkan
posisi Modus.
Keempat : bacalah nilai modus tersebut
D. Rata-rata Ukur (Geometric Mean)
Rata-rata ukur (geometric mean, Gm)
merupakan peralatan analisis yang lazim
dipakai untuk menghitung rata-rata
pertumbuhan sesuatu objek yang
berwujud data runtun waktu.
Jika data yang akan dihitung rata-rata
pertumbuhannya adalah data yang belum
dikelompokkan dan memiliki unsur P
0
, P
1
,
P
2
, P
3
, ........., P
n
maka :
Gm = (P
1
/P
0
x P
2
/P
1
x P
3
/P
2
x ........................ x P
n
/P
n-1
)
1/n



Gm = (P
n
/P
0
)
1/n




r = Gm – 1
Gm = rata-rata ukur,
r = rate of growth, rata-rata
pertumbuhan
n = t – 1, dimana t = jumlah periode
analisis

Tahun Penduduk (jiwa)
1995
1996
1997
1998
1999
5.793.527
6.059.564
6.143.583
6.198.863
6.275.770
Daftar 14 : Jumlah Penduduk
Diketahui :
P
0
= 5.793.527
P
n
= 6.275.770
t = 5
n = t – 1 = 5 – 1 = 4


6.275.770
1/4

Gm = ――――
5.793.527

= (1,08323)
1/4

= 1,0202
r = 1,0202 – 1
= 0,0202 atau 2,02%

Gm dapat pula dicari dengan formula
berikut :
Log Gm = (log X
1
+ log X
2
+ log X
3
+
... + log X
n
) / n
n log Gm = log X
1
+ log X
2
+ log X
3
+
... + log X
n


n

log Gm = Σ log X
i
/ n

i = 1


n

Untuk Σ log X
i
/ n = u, maka Gm = 10
u


i = 1

dan X
i
= ratio pertumbuhan X
i
terhadap
X
i-1
yang dinyatakan dalam persen
Tahun Banyaknya Penduduk (jiwa) Pertumbuhan dlm % (X
i
)
Log X
i

1995
1996
1997
1998
1999
5.793.527
6.059.564
6.143.583
6.198.863
6.275.770
J U M L A H ..........
Daftar 14b Pertumbuhan Penduduk Propinsi “X” tahun 1995-1999
Tahun Banyaknya Penduduk (jiwa)
Pertumbuhan dlm % (X
i)
Log X
i

1995
1996
1997
1998
1999
5.793.527
6.059.564
6.143.583
6.198.863
6.275.770
-
104.59
101.39
100.90
101.24
J U M L A H
Tahun Banyaknya Penduduk (jiwa)
Pertumbuhan dlm % (X
i)
Log X
i

1995
1996
1997
1998
1999
5.793.527
6.059.564
6.143.583
6.198.863
6.275.770
-
104.59
101.39
100.90
101.24
-
2,01949
2.00600
2.00389
2.00535
J U M L A H 8.03473
Log Gm = 8.03473 / 4
= 2.00868

Gm = 10
2.00868
= 102.01875
= 102,02%
Pertumbuhan rata-rata =
102,02% - 100% = 2,02%
Contoh lain :
Jika penduduk Indonesia pada
awal tahun 1971 berjumlah 120,1 juta
dan pada sensus tahun 1981 penduduk
menjadi 154,1 juta jiwa, berapa laju
pertumbuhan penduduk rata-rata
dalam periode 10 tahun tersebut?
Untuk menghitung laju pertumbuhan penduduk rata-
rata yang sebenarnya maka pendekatan yang digunakan
ialah dengan menghitung dengan menggunakan rumus
sebagai berikut :
P
t
= P
0
X (1 + r)
t

Dimana : P
t
= jumlah penduduk pada akhir
tahun ke-t
P
0
= jumlah penduduk pada awal
tahun (tahun 0)
r = angka persentase
pertumbuhan penduduk rata-
rata per tahun
t = jangka waktu tahun, antara dua
periode yang dihitung
Penggunaan Rata-rata Ukur dalam Perhitungan
Bunga Modal
Metode rata-rata ukur juga digunakan
pada perhitungan nilai uang menurut bunga
berganda. Misalkan seorang menyimpan uang
pada suatu bank dalam bentuk deposito,
sebesar Rp 10.000.000,-. Bank memberikan
bunga sebesar 12% setahun yang dibayarkan
pada setiap akhir tahun. Jika bunga uang
tersebut tidak diambil nasabah, dan setiap akhir
tahun dimasukkan kembali ke dalam
simpanannya, berapa jumlah uang tersebut
sesudah 5 tahun.
Sesuai dengan pola pertumbuhan penduduk seperti di
atas, maka untuk menghitung jumlah uang, rumus yang
digunakan merupakan modifikasi rumus di atas :
M
t
= M
o
(1 + i)
t

Dimana : M
t
= jumlah uang sesudah tahun ke-t, future
value
M
o
= jumlah uang tabungan awal, present
value
i = tingkat bunga, interest rate
t = lamanya uang ditabung (dalam tahun)
(1 + i)
t
= disebut juga faktor bunga majemuk atau
compounding interes factor
Statistika I: Angka Indeks 143
MODUL - 5
ANGKA INDEKS
• Indeks Sederhana
• Indeks Agregatif
• Indeks Agregatif Tertimbang
Statistika I: Angka Indeks 144
DEFINISI DAN KLASIFIKASI
• An index number is a percentage relative by
which a measurement in a given period is
expressed as a ratio to the measurement in
a designeted base period.

• Klasifikasi Angka Indeks:
1. Indeks Harga
2. Indeks Kuantitas
3. Indeks Nilai
Statistika I: Angka Indeks 145
Indeks Sederhana
• Indeks Harga (I
p
): rasio antara harga tahun t (P
t
)
dengan harga tahun dasar (P
0
) dikali 100.



• Indeks Kuantitas (I
Q
): rasio antara kuantitas tahun
t (Q
t
) dengan kuantitas tahun dasar (Q
0
) dikali
100.
100
0
P
t
P
p
I · =
100
0
Q
t
Q
Q
I · =
Statistika I: Angka Indeks 146
Lanjutan
• Indeks Nilai (I
N
): rasio
antara nilai (harga
dikali kuantitas) tahun t
(P
t
.Q
t
) dengan nilai tahun
dasar (P
0.
Q
0
) dikali 100.



• Tentukan I
p,
I
Q ,
I
N
Tahun
2000 dgn 1990 sbg. thn.
Dasar.
P Q P Q
A $4 10 ton $4.50 15 ton
B 12 24 10 40
Tahun
1990 2000
Barang
100
0
Q
0
P
t
Q
t
P
N
I ·
·
·
=
Statistika I: Angka Indeks 147
Indeks Agregatif (Komposit)
• Indeks Harga Agregatif (I
p
): rasio antara harga tahun t
(P
t
) dengan harga tahun dasar (P
0
) yang meliputi
beberapa macam produk dikali 100.



• Indeks Kuantitas Agregatif (I
Q
): rasio antara kuantitas
tahun t (Q
t
) dengan kuantitas tahun dasar (Q
0
) yang
meliputi beberapa macam produk dikali 100.
100
0
P
t
P
p
I ·
¿
¿
=
100
0
Q
t
Q
Q
I ·
¿
¿
=
Statistika I: Angka Indeks 148
Lanjutan . . .
• Indeks Nilai Agregatif (I
N
): rasio
antara nilai produk tahun t
(P
t
.Q
t
) dengan nilai produk
tahun dasar (P
0.
Q
0
) yang
meliputi beberapa macam
produk dikali 100.



• Tentukan I
p,
I
Q ,
I
N
Tahun
2000 dgn 1990 sbg. thn.
Dasar meliputi 2 mcm brg.


100
0
Q
0
P
t
Q
t
P
N
I ·
¿
·
¿
·
=
P Q P Q
A $4 10 ton $4.50 15 ton
B 12 24 10 40
Tahun
1990 2000
Barang
Statistika I: Angka Indeks 149
Indeks Agregatif Tertimbang
• Formula indeks agregatif tertimbang:


• Formulas Laspeyres: kuantitas tahun dasar (Q
0
)
sebagai penimbang.
100
0
P
t
P
I ·
¿
·
¿
·
=
w
w
w
100
0
Q
0
P
0
Q
t
P
IL ·
¿
·
¿
·
=
Statistika I: Angka Indeks 150
Lanjutan
• Formula Paasche: kuantitas tahun t (Q
t
)
sebagai penimbang.


• Formula Fisher: akar perkalian IL dan IP.
100
t
Q
0
P
t
Q
t
P
IP ·
¿
·
¿
·
=
100
100
IP
100
IL
IF ·
|
.
|

\
|
· =
Statistika I: Angka Indeks 151
Lanjutan
• Formula Marshal-Edgeworth: penjumlahan
kuantitas tahun t (Q
t
) dan kuantitas tahun
dasar (Q
0
) sebagai penimbang.


• Formula Drobisch: penjumlahan IL dan IP
dibagi 2.
100
) Q Q ( P
) Q (Q P
IME
0 t 0
0 t
t
·
+ ·
+
=
¿
¿ ·
2
IP IL
ID
+
=
Statistika I: Angka Indeks 152
Lanjutan
• Formula Walsh: akar
perkalian kuantitas
tahun t (Q
t
) dan kuan-
titas tahun dasar (Q
0
)
sebagai penimbang.



• Tentukan: IL, IP, IF,
IME, ID, IW.
100
)
0
Q
t
Q (
0
P
)
0
Q
t
(Q
t
P
IW ·
¿
· ·
¿
·
·
=
P Q P Q
A $4 10 ton $4,50 15 ton
B 12 24 10 40
Tahun
1990 2000
Barang
Statistika I: Angka Indeks 153

















Indeks Indeks
(1996=100) Berantai
1996 40 100
1997 48 120 20,00 120,00 20,00
1998 52 130 8,33 108,33 8,33
1999 60 150 15,38 115,38 15,38
2000 56 140 -6,67 93,33 -6,67
2001 70 175 25,00 125,00 25,00
2002 64 160 -8,57 91,43 -8,57
2003 72 180 12,50 112,50 12,50
2004 80 200 11,11 111,11 11,11
Tahun Penjualan % perub. % perub.
INDEKS BERANTAI
Statistika I: Angka Indeks 154
PERUBAHAN TAHUN DASAR
Lama Baru
1997=100 2000=100
1995 75 46.9
1996 90 56.3
1997 100 62.5
1998 120 75.0
1999 140 87.5
2000 160 100.0
2001 150 93.8
Indeks
Tahun
• Indeks Lama: Tahun
dasar tahun 1997.
Indeks pada tahun 1997
= 100.
• Indeks Baru: Tahun
dasar tahun 2000,
sehingga indeks tahun
2000 = 100.

100
I
I
I
2000
Lama
Baru
· =
Pengertian Regresi

Istilah regresi berasal dari kajian genetika yang diadakan
oleh Sir Francis Galton (1892-1911). Sekarang, regresi
diterapkan hampir di semua bidang ilmu, untuk
menaksir/meramalkan nilai satu variabel berdasarkan
variabel lain yang nilainya telah diketahui dan kedua
variabel tersebut memiliki hubungan fungsional sebab-
akibat satu dengan yang lainnya. Dalam bidang ekonomi
dan bisnis, misalnya : jumlah modal mempengaruhi
jumlah produksi, tingkat suku bunga mempengaruhi
jumlah investasi, biaya iklan mempengaruhi nilai
penjualan dan tingkat pendapatan mempengaruhi
besarnya konsumsi.
Keempat contoh di atas, menunjukkan hubungan
sebab-akibat antara dua variabel. Dalam bahasa
matematisnya modal, tingkat suku bunga, biaya
iklan dan tingkat pendapatan disebut Variabel
Bebas (variabel yang mempengaruhi), dan
umumnya disimbolkan dengan X. Sedangkan
jumlah produksi, besarnya investasi, nilai
penjualan dan tingkat konsumsi disebut Variabel
Terikat (variabel yang dipengaruhi), atau variabel
yang nilainya ditentukan oleh nilai variabel X, dan
umumnya disimbolkan dengan Y.
Hubungan fungsional (sebab-akibat) antara
variabel bebas (X) dan variabel terikat (Y),
dalam bentuk fungsi dinyatakan sebagai
Y=f(X). Artinya, nilai variabel Y tergantung
dari atau dipengaruhi oleh nilai variabel X.
Sifat hubungan antara variabel bebas (X)
dengan variabel terikat (Y) dapat positif,
negatif atau tidak ada hubungan.
Hubungan positif sering disebut dengan
“hubungan searah” artinya, bila nilai X
naik maka nilai Y juga naik atau
sebaliknya.
Hubungan negatif sering disebut
dengan “hubungan berlawanan arah”
artinya, bila nilai X naik maka nilai Y
akan turun atau sebaliknya.
Tidak ada hubungan artinya, bilai
nilai X berubah (naik/turun) maka
nilai Y tidak berubah (tetap)
Pengaruh antara biaya iklan dengan hasil
penjualan, tingkat suku bunga bank
dengan deposito, harga suatu barang
dengan penawaran.
Contoh dua variabel yang memiliki
hubungan positif/searah.
Pengaruh antara tingkat suku bunga
dengan investasi, jumlah peserta KB
dengan tingkat kelahiran, harga suatu
barang dengan jumlah permintaan.
Contoh dua variabel yang memiliki
hubungan negatif/berlawanan arah.
Pengaruh usia kendaraan dengan tinggi
gedung, kecepatan kendaraan dengan
jumlah bayi yang lahir, jumlah jembatan
yang dibangun dengan usia seseorang.
Contoh dua variabel yang tidak memiliki
hubungan.
Bila ketiga jenis sifat hubungan antara dua
variabel tersebut dinyatakan dalam grafik,
bentuk grafiknya sebagai berikut:


Pola hubungan antara dua variabel yaitu
X dan Y, yang dibentuk oleh serangkaian
pasangan data (Xi, Yi) dengan i = 1,2,3 ...
n, dapat berbentuk berbagai macam
persamaan regresi, mungkin linear atau
tan-linear (kuadrat, kubik, eksponensial,
elip dan bentuk lainnya).
Sebelum persamaan regresi ditentukan,
apakah bentuknya linear atau tan-linear,
sebaiknya dibuat terlebih dahulu
diagram pencarnya (scatter diagram),
setelah itu baru dipilih persamaan regresi
yang paling mendekati. Langkah itu
diambil agar penyimpangan yang terjadi
sekecil mungkin.
Empat bentuk diagram pencar (scatter diagram) :
Tujuan Analisis Regresi :
1. Untuk memperoleh suatu persamaan
garis yang menunjukkan persamaan
hubungan antara dua variabel.
Persamaan garis yang diperoleh
disebut persamaan regresi.
2.Untuk mengetahui besarnya pengaruh
perubahan tiap unit variabel bebas
terhadap perubahan variabel
terikatnya. Pengaruh perubahan tiap
unit variabel bebas ditunjukkan oleh
nilai koefisien regresinya
3.Untuk menaksir nilai variabel terikat
(Y) berdasarkan variabel bebas (X)
yang nilainya telah diketahui.
Penaksiran disini bersifat
deterministik (pasti) atau non-
stokastik, maksudnya penaksiran
atau pendugaan yang dilakukan
mengabaikan faktor ketidakpastian
Regresi Linear Sederhana : Metode
Kuadrat Terkecil
Interpretasi Terhadap Nilai Koefisien Regresi :
Tanda positif atau negatif dari nilai koefisien
regresi bukanlah menyatakan tanda aljabar,
melainkan menyatakan arah hubungan atau
lebih tegasnya menyatakan pengaruh variabel
bebas X terhadap variabel terikat Y. Nilai b yang
positif menyatakan bahwa variabel bebas X
berpengaruh positif terhadap nilai variabel
terikat Y. Sedangkan nilai b yang negatif (b
dengan tanda negatif) menyatakan bahwa
variabel bebas X berpengaruh negatif terhadap
nilai variabel terikat Y
Interpretasi terhadap nilai koefisien regresi (b),
adalah sebagai berikut :
b = A (b bertanda positif), artinya bila nilai
variabel bebas X naik/bertambah/meningkat 1
unit, maka nilai variabel Y akan
naik/bertambah/meningkat sebesar A unit.
Sebaliknya bila nilai variabel turun/berkurang
1 unit, maka nilai variabel Y akan
turun/berkurang sebesar A unit
b = - A (b bertanda negatif), artinya bila
nilai variabel bebas X
naik/bertambah/meningkat 1 unit, maka
nilai variabel Y akan turun/berkurang
sebesar A unit. Sebaliknya bila nilai
variabel turun/berkurang 1 unit, maka
nilai variabel Y akan
naik/bertambah/meningkat sebesar A
unit
Menaksir Nilai Variabel Terikat Y :
Dari serangkaian data sampel yang terdiri dari
n pasangan data (Xi,Yi), nilai a dan b dihitung,
kemudian persamaan regresi sampel Y = a + bX
disusun. Berdasarkan persamaan regresi
tersebut, kita dapat menaksir nilai variabel
terikat Y, berdasarkan nilai variabel bebas (X)
tertentu, dalam batas-batas nilai X data
pengamatan dengan mensubstitusikan nilai X
tertentu tersebut kedalam persamaan regresi,
Y = a + bX
b. Interpretasi terhadap nilai koefisien regresi
b adalah :
Dari persamaan regresi di atas, dapat
diketahui nilai b = 0,42. Nilai b = 0,42,
memiliki arti bahwa setiap kenaikan
pendapatan sebesar Rp. 1 juta, maka
konsumsi akan meningkat sebesar Rp. 0,42
juta (=Rp. 420.000). Atau, setiap
penurunan pendapatan sebesar Rp. 1 juta,
maka konsumsi berkurang sebesar Rp. 0,42
juta (=Rp. 420.000)
c. Menaksir besarnya konsumsi seorang
karyawan yang memiliki pendapatan
Rp. 23 juta. Dari persamaan regresi
yang diperoleh yaitu : Y = 4,25 + 0,42
X, akan dapat ditaksir nilai Y untuk X =
23, sebagai berikut :
Y = 4,25 + 0,42 X
untuk X = 23 => Y = 4,25 + 0,42 (23)
= 13,91
Jadi, konsumsi seorang karyawan yang
pendapatannya sebesar Rp. 23 juta
ditaksir sebesar Rp. 13,91 juta
(=Rp. 13.910.000)
Kesalahan Baku dari Dugaan
Koefisien Determinasi
Salah satu alat utama untuk mengukur
ketepatan/kesesuaian (goodness of fit)
garis regresi terhadap datanya adalah
koefisien determinasi. Koefisien
determinasi adalah suatu ukuran yang
dapat menjelaskan porsi variasi variabel
terikat yang dapat dijelaskan oleh garis
regresinya atau variabel bebasnya
Namun, dalam prakteknya, untuk dua
variabel yang memiliki hubungan fungsional,
para statisi menterjemahkan istilah
“menjelaskan” dengan mempengaruhi.
Dengan demikian untuk variabel-variabel
yang memiliki hubungan fungsional, koefisien
determinasi diartikan sebagai besarnya
pengaruh (dalam persen) variabel bebas
terhadap variasi (naik turunnya) variabel
terikatnya
Analisis Korelasi
Analisis korelasi bertujuan untuk
mengetahui keeratan hubungan (kuat-
lemahnya) hubungan antara variabel
bebas X dengan variabel terikat Y,
tanpa melihat bentuk hubungannya,
apakah linear atau tak linear
Kuat-lemahnya hubungan antara dua
variabel dilihat dari koefisien
korelasinya. Jadi, koefisien korelasi (r)
merupakan alat untuk mengukur kuat-
lemahnya hubungan antara dua
variabel, sedangkan koefisien
determinasi (r
2
) merupakan alat untuk
mengukur ketepatan garis regresi
terhadap sebaran datanya
Koefisien Korelasi Melalui Analisis Regresi
Analisis korelasi biasanya dilakukan
secara bersamaan dengan analisis
regresi. Jika, analisis korelasi dilakukan
bersamaan dengan analisis regresi maka
koefisien korelasi merupakan akar dari
koefisien determinasi, yang dapat
dihitung sebagai berikut :
Nilai dari koefisien korelasi (r) berkisar
antara -1 dan +1, yaitu -1 = r = 1. Nilai r
positif menunjukkan hubungan antara
variabel X dan Y searah. Nilai r negatif
menunjukkan hubungan antara variabel X
dan Y berlawanan arah. Nilai r = 0
menunjukkan antara variabel X dan Y tak
ada hubungan secara linear, akan tetapi
mungkin saja terjadi hubungan secara tan-
linear
Korelasi Peringkat
Menurut metode ini, kuat-lemahnya
korelasi/hubungan antara dua variabel
diukur berdasarkan perbedaan urutan
kedudukan (ranking) nilai skornya dan
bukan berdasarkan nilai data
pengamatan (nilai asli). Jadi, datanya
berupa data ordinal atau data urutan
menurut kedudukan
Tehnik korelasi peringkat ini, akan
memberikan hasil yang cukup
memuaskan bila ukuran sampelnya,
tidak kurang dari 10 dan tidak lebih
dari 29. Jadi, ukuran sampelnya
termasuk kecil dan apabila ukurannya
diluar itu, sebaiknya analisis korelasi
peringkat ini tidak digunakan
Untuk menentukan (mencari) koefisien
korelasi, hubungan antara dua variabel,
dipakai rumus Spearman sebagai berikut :
Penyelesaian :
Terlebih dahulu masing-masing nilai
data observasi dari masing-masing
variabel diberi nomor urut (ranking).
Pemberian nomor urut ini mulai dari
data dengan nilai terbesar. Data dengan
nilai terbesar boleh diberi nomor
ranking terkecil atau sebaliknya
Dibawah ini, data dari masing-masing
variabel dengan nilai terbesar diberi
ranking mulai nomor terkecil yaitu
nomor 1
Andaikata, pemberian nomor ranking
ini dibalik yaitu pengalaman kerja
terlama dan hasil penjualan terbesar
diberi ranking dengan nomor urut
terbesar yaitu 10, akan memberikan
hasil yang sama
Penyelesaian :
Pemberian ranking, dimulai dari variabel
dengan nilai terbesar diberi ranking 1 dan
seterusnya. Pada variabel laba bersih ada data
bernilai kembar/sama, cara menghitungnya
adalah jumlah skor ranking dibagi 2, yaitu
(1+2)/2=1,5. Pada variabel skor nilai ada data
bernilai kembar/sama, cara menghitungnya
adalah jumlah skor ranking dibagi 2, yaitu
(9+10)/2=9,5. Jika ada 3 data bernilai
kembar/sama, maka rankingnya sama dengan
jumlah skor rankingnya dibagi 3
ANALISIS REGRESI LINEAR BERGANDA
Kegunaan Analisis Regresi Linear Berganda
Analisis Regresi Linear Berganda
digunakan untuk mengukur pengaruh
antara lebih dari satu variabel prediktor
(variabel bebas) terhadap variabel terikat

I. PENDAHULUAN
Kata statistik adalah bentukan dari akar kata Latin yaitu Status. Kata status ini jika dilihat dari sudut ilmu politik berarti negara, seperti jumlah provinsi, distrik, jumlah penduduk per distrik dan per provinsi, jenis dan rincian mata pencaharian penduduk dan sebagainya. Dahulu data demikian diperlukan untuk menaksir jumlah pajak yang akan dikumpulkan bagi kas kerajaan, keperluan pertahanan dan lain-lain sebagainya.

Kemudian, di dalam bahasa Inggris dijumpai dua buah kata yang dipergunakan secara umum tetapi menunjukkan makna yang berbeda, yaitu statistic dan statistics. Selanjutnya dalam bahasa nasional kita dikenalkan pula dua kata yang sejalan, yaitu statistik dan statistika.

Kata statistik, bandingan dari kata statistic diinterpretasikan sebagai data atau data kuantitatif, kemudian diartikan pula sebagai penaksir atau penduga parameter populasi. Statistik dalam artian data, misalnya dapat dilihat dalam buku statistik yang diterbitkan oleh Biro Pusat Statistik, Kantor Sensus dan Statistik Daerah, Humas sesuatu instansi pemerintahan, perusahaan swasta, lembaga penelitian dan sebagainya

Kata statistika bandingan dari kata statistics. diartikan sebagai metode atau kerangka teori yang telah dikembangkan guna menangani masalah yang berhubungan dengan pengumpulan. . pengolahan dan penguraian data sampel dengan tujuan untuk melakukan penarikan simpulan yang berguna mengenai data yang bersangkutan pada mana data sampel tersebut ditarik.

data = thing known. or assumed. dan dengan demikian secara harfiah data berarti sesuatu yang sudah diketahui atau terjadi (fakta). .Arti dan Jenis Data Dalam webster’s New World Dictionary diterakan.

terutama di sore harinya . dan di kolom berita lainnya disajikan data ramalan cuaca yang berlaku pada hari berikutnya. kemarin telah turun hujan di kota “X”. berita koran menyebutkan. bahwa diduga akan turun hujan di kota “X”.Misalnya.

atau bukan angka. diperoleh langsung melalui penelitian atau percobaan. telah terjadi atau belum terjadi. dalam metode statistika data didefinisikan sebagai keterangan atau informasi yang berbentuk angka. ataupun melalui media publikasi .Selanjutnya.

Berdasarkan atas rumusan makna di atas maka data tersebut dapat dibedakan ke dalam beberapa golongan : .

Data Kuantitatip. dan sebagainya.500. . jumlah penumpang kapal “Sejahtera” selama tahun 2010 sebanyak 250. Misalnya.000 orang. Menurut Wujudnya A. harga semen tahun 2010 per zak Rp 50.1. yaitu informasi mengenai sesuatu objek yang dinyatakan dengan angka-angka.

harga sembako tahun ini lebih murah dibanding tahun lalu . diperkirakan besok akan turun hujan di kota “A”. yaitu informasi mengenai sesuatu objek yang dinyatakan bukan dengan angka atau bilangan. melainkan dalam bentuk keterangan.B. Misalnya. penyakit kanker lebih berbahaya dibanding penyakit influenza. Data Kualitatip.

2. Data Kejadian (fakta). Misalnya data runtun waktu mengenai sesuatu yang dinyatakan di dalam Buku Statistik yang diterbitkan oleh Biro Pusat Statistik. baik yang dinyatakan dengan angka maupun bukan angka. Manurut Sifatnya A. dan lainlain sebagainya . yaitu informasi mengenai sesuatu objek yang berkeberadaan sebagai peristiwa atau yang sudah berlangsung.

ramalan produksi.B. ramalan penjualan. Data Ramalan atau Anggapan. yaitu informasi mengenai sesuatu objek yang masih berkeberadaan sebagai pendugaan atau estimasi berdasarkan atas jalan fikiran yang logis atau metode analisis tertentu. Misalnya ramalan cuaca. baik yang disajikan dalam bentuk angka maupun yang bukan angka. hipotesis dan lain-lain sebagainya .

Menurut cara Perolehannya A. baik dilakukan oleh perorangan maupun oleh sebuah tim atau lembaga. data kasar yang dikumpulkan.3. diolah dan disiapkan sendiri oleh peneliti. yaitu informasi mengenai objek tertentu yang dikoleksi dan diolah sendiri oleh peneliti. Misalnya data penduduk dan industri yang dipublikasikan oleh Biro Pusat Statistik yang diperoleh dari sensus yang diselenggarakan sendiri. Data Primer. perusahaan dan sebagainya .

memperolehnya dari data yang sudah disiapkan oleh Kantor Sensus dan Statistik Daerah.B. diolah dan disajikan oleh sumber data dan pihak lain yang memerlukan memperolehnya dari publikasi sumber yang bersangkutan. Data Sekunder. Misalnya. yaitu informasi mengenai objek tertentu yang dikumpulkan. perorangan atau tim yang memerlukan data penduduk. data perdagangan dari Departemen Perindustrian dan Perdagangan .

Data Internal.4. laporan penjualan dan sebagainya . laporan keuangan. Misalnya. data rincian karyawan perusahaan. yaitu informasi mengenai kekayaan atau sumber daya serta produk dari sebuah perusahaan atau organisasi. Menurut Sumbernya A.

B. Data Eksternal. pendapatan masyarakat atau GNP. dan sebagainya . Misalnya bagi perusahaan manufaktur data eksternalnya antara lain harga bahan baku dan seumber pembekalan. yaitu informasi mengenai lingkungan sebuah perusahaan atau organisasi. masalah moneter. kebijaksanaan pemerintah di bidang industri dan perdagangan.

Ciri-ciri tertentu dari anggota sebuah populasi dinamakan peubah (variabel) dari populasi yang bersangkutan .POPULASI DAN SAMPEL Populasi adalah kumpulan individu atau objek dengan ciri-ciri atau kualitas tertentu yang melekat pada objek yang bersangkutan.

baik secara acak (sembarang.Selanjutnya sample (percontoh. atau dengan aplikasi aturan atau kriteria tertentu . sampel) adalah sejumlah elemen atau unsur yang ditarik dari sebuah sampel populasi. random).

DISTRIBUSI FREKUENSI A. data kasar) sehingga data itu masih memerlukan pengolahan lebih lanjut agar data tersebut mampu memberikan kegunaan yang lebih optimal . Data yang diperoleh.II. kebanyakan masih berbentuk data mentah (raw data. Data Kasar Apabila dilakukan penelitian lapangan pada sebuah objek penelitian tertentu maka akan diperoleh data primer dan atau data sekunder. khususnya data primer.

namun data kasar itu tetap memiliki arti yang penting sebab data kasar tersebut merupakan bahan baku analis. yaitu : .Meskipun data kasar tersebut berkeberadaan sebagai data yang belum teratur dan masih acak-acakan. Pengubahan data kasar yang belum berkelompok (ungrouped data) menjadi data teratur yang sudah dikelompokkan (grouped data) diproses dengan melalui beberapa tahapan.

1. menetapkan lebar kelas (class interval). 2. 4. 3. menyusun data kasar menjadi sebuah array. dan 5. menetapkan jumlah kelas data. menyusun distribusi frekuensi data . mencari jangkau (range) data.

1. Penyusunan Array Array adalah susunan data kasar berbentuk bilangan menurut besar kecilnya dimulai dari data yang terkecil nilainya hingga ke data yang terbesar nilainya .

Daftar 1.Misalkan. “Ahmad” memelihara 100 ekor ayam ras petelur dan memiliki catatan produksi selama 100 hari seperti tersebut dalam daftar di bawah ini. Produksi Telur Harian Peternak ““Ahmad”” Kolom Baris 1 2 3 4 5 6 1 77 44 29 59 34 55 2 44 59 41 43 47 92 3 49 36 32 66 66 83 4 33 55 45 44 53 77 5 38 47 83 41 55 45 6 33 61 58 25 58 62 7 76 53 73 39 49 45 8 55 32 47 72 45 36 9 68 65 40 37 61 78 10 39 51 26 55 41 48 7 8 9 10 54 45 38 37 50 82 45 16 51 71 51 44 66 48 44 57 80 46 41 63 73 69 68 71 57 38 45 50 61 72 92 64 56 56 43 57 40 64 12 51 .

maka mendahului operasi penyusunan array data kasar tersebut di atas terlebih dahulu akan digolongkan menurut angka puluhannya. khususnya penyusunan strata sampel.Pada dasarnya array dapat disusun secara langsung dari data kasar di atas. namun dalam tulisan ini dengan maksud untuk mengurangi resiko kesalahan. . serta untuk memenuhi keperluan yang lain.

Urut 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 nj 1 2 3 4 Angka Puluhan 5 6 7 8 9 .Daftar 2a. Penggolongan Produksi Telur Harian “Ahmad” Menurut Angka Puluhan Volume Produksi No.

Hasil tabulasi pada Daftar 2a kemudian disusun menjadi array dan penyusunannya itu dilakukan dengan mengurutkan data menurut besar kecilnya nilai tersebut. . penyusunan dilakukan dengan memperhatikan ekor setiap nilai. Untuk mudahnya. mulai ekor 0 hingga 9 untuk tiap kelompokan data.

Daftar 2b Array Produksi Telur Harian ““AHMAD”” Kolom Baris 1 1 2 3 4 5 6 7 8 9 10 2 3 4 5 6 7 8 9 10 Xj .

2. Jangkau (Range)
Jangkau adalah selisih antara dua buah nilai ekstrim, yaitu antara nilai yang terbesar dengan nilai yang terkecil yang terdapat pada koleksi data tertentu. Dengan sebuah pernyataan, jangkau tersebut adalah : R = Nilai Terbesar - Nilai Terkecil

Untuk contoh ini, R = 92 – 12 = 80

3. Menentukan Jumlah Kelas Data Dalam hal ini kelas data diartikan sebagai penggolongan data ke dalam beberapa golongan secara sistematis dan setiap penggolongan memiliki lebar atau interval yang seragam.

Terlepas dari dapatnya menentukan jumlah kelas secara intuitip, maka oleh H.A. Sturges telah dikenalkan kriteria penentuan jumlah kelas data dalam tahun 1926, yaitu : k = 1 + 3,3 log N k = jumlah kelas data, N= jumlah unsur atau objek populasi

Tiap kelas memiliki dua macam karakter basis, yaitu batas kelas (class limit) dan tepi kelas (class boundry). Batas kelas ini diidentifikasi ke dalam batas atas kelas (upper limit) dan batas bawah kelas (lower limit). Tepi kelas juga demikian, dan dijumpai tepi bawah kelas (lower boundry) dan tepi atas kelas (upper boundry)

Dalam distribusi frekuensi hanya batas kelas yang dinyatakan dalam daftar, sedang tepi kelas hanya dihayati dan disimpan di dalam benak atau ingatan. Meskipun demikian, analisis deskriptip, khususnya pengukuran nilai sentral hanya memakai besaran tepi kelas, yaitu tepi bawah kelas (lower boundry)

4. Menentukan Lebar Kelas Lebar kelas (class interval) adalah jangkau setiap kelas yang diperoleh dari operasi pengurangan antara tepi atas kelas dengan tepi bawah kelas data yang bersangkutan Lebar kelas ini harus seragam. k c = lebar kelas. Teladan ini disamping bertujuan untuk memudahkan perhitungan. R = jangkau.12 Untuk kasus yang sedang dihadapi ini. c = 8 = 10 . 92 . dan k = jumlah kelas data. R c = . juga bermaksud untuk memudahkan pembuatan gambar atau grafik.

Untuk data di atas diperoleh : Batas Bawah 12 22 32 42 52 62 72 82 Batas Atas 22 32 42 52 62 72 82 92 .Penyusunan Kelas Data Kelas data yang disusun harus sedemikian rupa sehingga tidak melahirkan suatu keragu-raguan di dalam operasi memasukkan data ke kelas yang tersedia.

Ternyata kelas sudah disusun tersebut masih belum sempurna, sebab menimbulkan keragu-raguan dalam operasi pemasukan data ke kelas yang ada. Misalnya saja, produksi sebesar 22 butir dapat dimasukkan ke kelas pertama dan atau pada kelas yang kedua, demikian seterusnya bagi data tertentu. Untuk itu kelas tersebut diatas masih perlu dimodifikasi. Oleh karena data yang akan disusun distribusi frekunsinya seluruhnya dinyatakan dengan bilangan bulat (integer) maka batas atas kelas dikurangi dengan satu dan diperoleh :

Batas Bawah 12 22 32 42 52 62 72 82

Batas Atas 21 31 41 51 61 71 81 91

Hasil modifikasi melahirkan kelemahan baru, yaitu adanya data yang terbuang karena tidak memiliki sediaan kelas. Pada contoh ini ialah data yang bernilai 92.

Perbaikan dapat dilakukan dengan memilih salah satu dari dua alternatif yang tersedia, yaitu : 1. Mempertahan lebar kelas semula diikuti dengan penambahan jumlah kelas, dari 8 buah menjadi 9 buah. Kelas yang ke-9 memiliki jangkau 92 – 101. 2. Mempertahankan jumlah kelas semula (8 buah), tetapi lebar kelas diubah dari 10 menjadi 11
Misalkan dipilih alternatif pertama, maka diperoleh susunan kelas sebagai berikut :

Batas Bawah 12 22 32 42 52 62 72 82 92

Batas Atas 21 31 41 51 61 71 81 91 101

dan 2. dimasukkanlah data dimaksud Daftar 2b ke kelas yang sesuai. memakai cara tally (mempergunakan angka turus). Pemasukan data dapat dilakukan dengan memakai dua macam pendekatan. yaitu : 1.5) Penyusunan Distribusi Frekuensi Dengan perjanjian bahwa alternatif penyusunan distribusi frekuensi yang dipili ialah altrnatif pertama dan dengan susunan kelas seperti tersebut di atas. mempergunakanpendekatan jumlah kumulatif. .

Daftar 3a Distribusi Frekuensi Produksi Telur Peternak “Ahmad” (menurut pendekatan angka turus) Jika memakai metode pertama. terlebih dahulu dibuat daftar yang dibagi atas kolom Batas bawah. dan frekuensi. batas atas. Batas Bawah Batas Atas 12 22 32 42 52 62 72 82 92 J 21 31 41 51 61 71 81 91 101 u m // /// //// //// //// //// //// /// // l Angka Turus Frekuensi (fi) 2 3 20 28 20 13 9 3 2 100 //// //// //// //// //// //// //// //// //// //// /// //// //// /// a h (N) . angka turus (catatan tally).

Distribusi frekuensi persentasi (fp) 4. Jenis-Jenis Distribusi Frekuensi Distribusi Frekuensi dibedakan ke dalam : 1. Distribusi frekuensi kumulatif (fk) a.C. Distribusi frekuensi cacah (fi) 2. Frekuensi kumulatif lebih daripada (Fk) . Distribusi frekuensi relatif (fr) 3. Frekuensi kumulatif kurang daripada (fk) b.

Distribusi frekuensi adalah penyusunan secara teratur suatu rangkaian data untuk memperlihatkan tingkat keseringan kejadian dari nilai atau objek di dalam kelasnya masing-masing .

Frekuensi cacah ini lazim disebut frekuansi biasa yang dilambangkan dengan fi .Distribusi frekuensi disebut Distribusi frekuensi cacah jika tingkat keseringan kejadian dari nilai atau objek dinyatakan dengan suatu bilangan cacah.

Frekuensi relatif adalah pernyataan mengenai tingkat keseringan kejadian dari nilai atau objek di dalam kelasnya masing-masing dalam bentuk hasil bagi antara frekuansi kelas fi dengan jumlah objek (N). Distribusi frekuensi yang memakai besaran relatif fr disebut distribusi frekuensi relatif .

Frekuensi Persentasi adalah pernyataan mengenai tingkat keseringan kejadian dari nilai atau objek di dalam kelasnya masing-masing dalam bentuk hasil kali antara frekusni relatif dengan seratus persen. atau dalam bentuk bilangan persen atau fp = fr x 100% dan distribusi frekuensi yang frekuensi kelasnya dinyatakan dengan bilangan persentasi disebut distribusi frekuensi persentasi .

atau untuk nilai yang kurang daripada nilai tertentu .Frekuensi kumulatif adalah frekuensi sesuatu nilai atau objek yang menyatakan tingkat keseringan kejadian hingga nilai tertentu.

Distribusi frekuensi yang frekuensinya dinyatakan dengan frekuensi kumulatif dinamakan distribusi frekuensi kumulatif .Frekuensi kumulatif yang menyatakan tingkat keseringan kejadian hingga nilai tertentu. Sedang frekuensi kumulatif yang menyatakan tingkat keseringan kejadian yang kurang daripada atau sampai dengan nilai tertentu disebut frekuensi kumulatif kurang daripada. atau lebih besar daripada nilai tertentu itu dinamakan frekuensi kumulatif lebih daripada.

Distribusi frekuensi persoalan Daftar 1 yang telah disusun sehingga menyajikan distribusi frekuensi tersebut daftar 3a jika dinyatakan dengan besaran frekuensi relatif dan frekuensi persentasi dapat dilihat dalam daftar berikut ini .

fr dan fp Batas Bawah 12 22 32 42 52 62 72 82 92 Batas Atas 21 31 41 51 61 71 81 91 101 fi 2 3 20 28 20 13 9 3 2 100 fr fp Jumlah 1 .Daftar 3c Distribusi Frekuensi Produksi Telur Peternak “Ahmad” Dinyatakan dengan Besaran fi.

maupun kurang daripada. baik frekuensi kumulatif lebih dari.Sedang Disribusi Frekuensi Kumulatif. dapat dilihat di bawah ini. Daftar 4a Distribusi Frekuensi Kumulatif Kurang Daripada Produksi telur harian Peternak “Ahmad” Kurang daripada atau sama dengan 21 Frekuensi kumulatif (fk) Kurang daripada atau sama dengan Kurang daripada atau sama dengan Kurang daripada atau sama dengan Kurang daripada atau sama dengan Kurang daripada atau sama dengan Kurang daripada atau sama dengan Kurang daripada atau sama dengan 31 41 51 61 71 81 91 Kurang daripada atau sama dengan 101 .

fk2 = f1 + f2 = 2 + 3 = 5 Untuk kelas data ketiga .Frekuensi kumulatif kurang daripada dihitung dengan menjumlahkan angka frekuensi kelas fi hingga kelas data yang bersangkutan. fk1 = f1 = 2 Untuk kelas data kedua . Untuk kelas data pertama. sehingga untuk kelas data kedelapan. fk3 = f1 + f2 + f3 = 2 + 3 + 20 = 25 Demikian seterusnya. fk9 = f1 + f2 + f3 + f4 + f5 + f6 + f7 + f8 + f9 = 2 + 3 + 20 + 28 + 20 + 13 + 9 + 3 + 2 = 100 .

Produksi telur harian Peternak “Ahmad” Kurang daripada atau sama dengan 21 Frekuensi kumulatif (fk) 2 Kurang daripada atau sama dengan Kurang daripada atau sama dengan Kurang daripada atau sama dengan Kurang daripada atau sama dengan Kurang daripada atau sama dengan Kurang daripada atau sama dengan Kurang daripada atau sama dengan 31 41 51 61 71 81 91 5 25 53 73 86 95 98 Kurang daripada atau sama dengan 101 100 .

Selanjutnya. frekuensi kumulatif lebih daripada (Fk) dari data di atas dapat dilihat pada tabel berikut ini Daftar 4b Distribusi Frekuensi Kumulatif Lebih Daripada Produksi telur harian Peternak “Ahmad” Lebih daripada atau sama dengan Lebih daripada atau sama dengan Lebih daripada atau sama dengan Lebih daripada atau sama dengan Lebih daripada atau sama dengan Lebih daripada atau sama dengan 12 22 32 42 52 62 Frekuensi kumulatif (Fk) Lebih daripada atau sama dengan Lebih daripada atau sama dengan Lebih daripada atau sama dengan 72 82 92 .

yaitu produksi telur 22 butir atau lebih. Untuk kelas data kedua. ialah N dikurangi dengan jumlah kejadian pada kelas data sebelumnya (f1) sehingga Fk2 = Fk1 – f1 . atau sama dengan N.Produksi telur peternak “Ahmad” tiap hari untuk 12 butir atau lebih. terjadi pada seluruh harihari penelitian.

Produksi telur harian Peternak “Ahmad” Lebih daripada atau sama dengan Lebih daripada atau sama dengan Lebih daripada atau sama dengan Lebih daripada atau sama dengan 12 22 32 42 Frekuensi kumulatif (Fk) 100 98 95 75 Lebih daripada atau sama dengan Lebih daripada atau sama dengan Lebih daripada atau sama dengan 52 62 72 47 27 14 Lebih daripada atau sama dengan Lebih daripada atau sama dengan 82 92 5 2 .

kita peroleh kumulatif relatif. Frekuensi kumulatif demikian dapat dilihat pada daftar di bawah ini . dan jika frekuensi kumulatif relatif tersebut dikalikan dengan 100% diperoleh frekuensi kumulatif persentasi. yaitu dengan membagi angka frekuensi kumulatif yang bersangkutan dengan N.Frekuensi kumulatif kurang daripada (fk) dan frekuensi kumulatif lebih daripada (Fk) dapat pula dinyatakan dengan besaran relatif serta persentasi.

Daftar 4c. Distribusi Frekuensi Kumulatif Kurang daripada dengan Besaran fk Cacah. Relatif dan Persentasi Produksi Telur Harian Peternak “Ahmad” Kurang daripada atau sama dengan 21 fkc 2 fkr 2/100 fkp 2% Kurang daripada atau sama dengan Kurang daripada atau sama dengan Kurang daripada atau sama dengan Kurang daripada atau sama dengan Kurang daripada atau sama dengan Kurang daripada atau sama dengan Kurang daripada atau sama dengan Kurang daripada atau sama dengan 31 41 51 61 71 81 91 101 3 20 28 20 13 9 3 2 5/100 25/100 53/100 73/100 86/100 95/100 98/100 100/100 5% 25% 53% 73% 86% 95% 98% 100% .

Distribusi Frekuensi Kumulatif Lebih daripada Produksi Telur Harian Peternak “Ahmad” Lebih daripada atau sama dengan Lebih daripada atau sama dengan Lebih daripada atau sama dengan Lebih daripada atau sama dengan Lebih daripada atau sama dengan Lebih daripada atau sama dengan Lebih daripada atau sama dengan Lebih daripada atau sama dengan Lebih daripada atau sama dengan 12 22 32 42 52 62 72 82 92 Fkc 100 98 95 75 47 27 14 5 2 Fkr Fkp 100/100 100% 98/100 95/100 75/100 47/100 27/100 14/100 5/100 2/100 98% 95% 75% 47% 27% 14% 5% 2% .Untuk distribusi frekuensi lebih daripada lihat daftar 4d berikut ini : Daftar 4d.

Rata-Rata Hitung (Arithmatic Mean) Rata-rata hitung atau lazim dinyatakan dengan mean adalah nilai rata-rata yang diperoleh dari hasil operasi pembagian antara jumlah nilai seluruh individu atau objek penelitian dengan jumlah individu penelitian yang bersangkutan Rata-rata hitung ini dapat dicari dari data yang belum dikelompokkan (ungrouped data). PENGUKURAN NILAI SENTRAL A.III. serta dari data yang sudah dikelompokkan (grouped data) .

1) Rata-Rata Hitung Data tak Berkelompok Data tak berkelompok ini lazim pula dinamai data mentah atau data kasar (raw data) yaitu data yang diperoleh dari kegiatan penelitian yang masih berwujud data acak-acakan dan belum disusun ke dalam sebuah distribusi frekuensi Formula yang terpakai di dalam operasi perhitungan rata-rata hitung data tak berkelompok ialah : .

3... ..1) μ = ∑ Xi / N .4.. i=1 N μ = rata-rata hitung populasi Xi = nilai individu penelitian yang ke-i N = Jumlah Individu (populasi penelitian) i = 1..2.... N .

.2.4...2) X = ∑ Xi / n i=1 n X= Xi = n= i = rata-rata hitung sampel nilai unsur ke-i dari sampel Jumlah objek dari sampel 1....n ...3.. .

2) Rata-Rata Hitung Data Berkelompok Data berkelompok dalam bahasan ini dimaknai sebagai data penelitian yang sudah digolong-golongkan sedemikian rupa ke dalam sebuah distribusi frekuensi .

Rata-rata hitung data berkelompok ini dapat dicari dengan memakai salah satu dari dua metode yang tersedia. Metode pendek (short method) . yaitu : 1. Metode panjang (long method) 2.

...k ∑ fiXi i=1 k = f1X1 + f2X2 +f3X3 + .....2.3....4...(1) Pemecahan dengan Metode Panjang k i=1 k i=1 X = ∑ fiXi / ∑ fi X fi Xi i k = rata-rata hitung = frekuensi kelas data ke-i = nilai tengah kelas data ke-i = 1...... + fkXk = f1 + f2 + f3 + ............ + fk = n ∑ fi i=1 Dengan demikian formula di atas dapat pula ditulis : k X = ∑ fiXi / n i=1 ..

Tahapan penyelesaian :
Pertama : Susun terlebih dahulu data ke dalam daftar distribusi frekuensi, Kedua : Hitung nilai tengah setiap kelas ke-i (Xi), yang diperoleh dari operasi perhitungan : Xi = ½ (batas bawah kelas ke-i + batas atas kelas ke-i) Catat hasilnya secara bersesuaian di kolom Xi Ketiga : Gandakan nilai tengah kelas Xi dengan frekuensi kelas fi dan catat hasilnya di kolom fiXi secara bersesuaian. Keempat : Cari jumlah kolom fi dan fiXi Kelima : Cari X dengan memakai formula di atas

Perhitungan X dengan Metode Panjang
Batas Bawah 10 21 32 43 54 65 76 87 Jumlah Batas Atas 20 31 42 53 64 75 86 97 Xi fi 2 3 20 30 22 13 8 2 100 fiXi

Batas Bawah 10 21 32 43 54 65 76

Batas Atas 20 31 42 53 64 75 86

fi 2 3 20 30 22 13 8

Xi 15 26 37 48 59 70 81

fiXi

87
Jumlah

97

2

92

Batas Bawah 10 21 32 43 54 65 76

Batas Atas 20 31 42 53 64 75 86

fi 2 3 20 30 22 13 8

Xi 15 26 37 48 59 70 81

fiXi 30 78 740 1.440 1.298 910 648

87
Jumlah

97

2
100

92

184
5.328

28 atau dibulatkan menjadi 53 .328 X = 100 Dengan demikian rata-rata hitung atau rata-rata produksi telur per hari peternak “Ahmad” selama 100 hari adalah 53 butir.5. = 53.

HARAP TENANG DAN HPNYA DINONAKTIFKAN SELAMA DI DALAM LAB. SESAAT LAGI MATERI MEDIAN .

.......(2) Pemecahan dengan Metode Pendek X = X0 + d .......(1) X = rata-rata statistik.......... ............. X0 = nilai tengah kelas yang dipilih secara acak (sembarang) di = (Xi – X0) k d = ∑ fidi / n i=1 ..

....... .......X0) / c = lebar kelas = jumlah unsur (individu) .X X0 di’ c n = X0 + ( ∑fidi’ / n) x c ...(2) = nilai tengah kelas ke-i yang dipilih secara acak (sembarang) = (Xi ..

Jika memakai formula (2). tentukanlah di. Kelima : Gandakanlah fi dengan di.Langkah Pemecahan : Pertama : buatlah daftar distribusi frekuensi Kedua : carilah nilai tengah kelas. yaitu hasil dari (Xi – X0) dan catatlah hasilnya di kolom di secara bersesuaian. Catatlah hasilnya di kolom yang disediakan. yaitu rata-rata dari jumlah batas bawah dengan batas atas kelas Ketiga : Tentukan X0 dengan melalui pemilihan secara acak Xi tertentu Keempat : Jika memakai formula (1). yaitu (Xi – X0) / c dan catatlah hasilnya di kolom di’ secara bersesuaian. Keenam : Carilah X dengan memakai metode pendek (formula (1) dan (2)) . Xi. carilah di’. atau fi dengan di’.

Perhitungan X dengan Memakai Metode Pendek (formula 1) Batas Batas Bawah Atas 10 20 21 31 32 42 43 53 54 64 65 75 76 86 87 97 J u m l a h Xi 15 26 37 48 59 70 81 92 fi 2 3 20 30 22 13 8 2 100 di fidi .Daftar 9a.

Batas Batas Bawah Atas 10 20 21 31 32 42 43 53 54 64 65 75 76 86 87 97 J u m l a h Xi 15 26 37 48 59 70 81 92 fi 2 3 20 30 22 13 8 2 100 di -33 -22 -11 0 11 22 33 44 fidi .

Batas Batas Bawah Atas 10 20 21 31 32 42 43 53 54 64 65 75 76 86 87 97 J u m l a h Xi 15 26 37 48 59 70 81 92 fi 2 3 20 30 22 13 8 2 100 di -33 -22 -11 0 11 22 33 44 fidi -66 -66 -220 0 242 286 264 88 528 .

28 .Dari daftar di atas diketahui : X0 = yang dipilih secara acak adalah X4 atau 48 d = 528/100 = 5.28 X = X0 + d = 48 + 5.28 = 53.

Perhitungan X dengan Memakai Metode Pendek (formula 2) Batas Bawah Batas Atas 10 21 32 43 54 65 76 87 20 31 42 53 64 75 86 97 Xi 15 26 37 48 59 70 81 92 fi 2 3 20 30 22 13 8 2 100 d’ fidi’ J u m l a h .Daftar 9b.

Batas Bawah Batas Atas 10 21 32 43 54 65 76 87 20 31 42 53 64 75 86 97 Xi 15 26 37 48 59 70 81 92 fi 2 3 20 30 22 13 8 2 100 d’ -3 -2 -1 0 1 2 3 4 fidi’ J u m l a h .

Batas Bawah Batas Atas 10 21 32 43 54 65 76 87 20 31 42 53 64 75 86 97 Xi 15 26 37 48 59 70 81 92 fi 2 3 20 30 22 13 8 2 100 d’ -3 -2 -1 0 1 2 3 4 fidi’ -6 -6 -20 0 22 26 24 8 48 J u m l a h .

48) x 11 48 + 5.28 53.28 atau dibulatkan menjadi 53 .Dari daftar di atas diketahui : ∑ fidi’ = 48 i=1 k n c X0 X = 100 = 11 = 48 = X0 + (∑fidi’ / n) x c i =1 k = = = = 48 + (48/100) x 11 48 + (0.

B. Dengan kata lain. Median (Nilai Tengah) Median atau rata-rata letak adalah angka yang terletak di tengah-tengah sebuah deretan angka-angka yang telah disusun sedemikian rupa mulai dari yang terkecil nilainya hingga ke yang terbesar nilainya. median ialah angka yang terletak di tengahtengah sebuah array .

Seperti halnya dengan rata-rata hitung. serta dari data yang sudah dikelompokkan . median ini dapat pula dicari dari data yang belum dikelompokkan.

data tak berkelompok mungkin ganjil mungkin pula genap. n. maka median data tak berkelompok memiliki dua macam formula. Sehubungan dengan itu.1. Median Data tak Berkelompok Jumlah individu. yaitu : .

Median data tak berkelompok dengan n yang ganjil Md = angka yang ke-(n + 1) 2 .a.

b.½) + angka ke-(n+1 + ½)) / 2 2 2 . Median data tak berkelompok dengan n yang genap Md = ((angka yang ke-(n+1 .

05 – 07. Urut Kendaraan Kecepatan (Km/jam) 1 2 3 4 5 6 7 8 9 73 47 43 53 30 17 59 83 98 . berikut ini hasil pencatatan kecepatan kendaraan yang melaju di ruas jalan tertentu pada jam 07.Sebagai contoh.10 adalah sebagai berikut : No.

..... – .... – ..Untuk contoh di atas..... – .... – . – ...... dan array kecepatan kendaraan dimaksud adalah : . – .. – ... – .. . n adalah ganjil dan oleh karena itu median dicari dengan memakai formula (a) di atas... Rumus diaplikasikan setelah data disusun menjadi sebuah array.

...n+1 Md = angka ke – ( 2 .../2 = angka ke . + 1 ) Md = angka ke – ( 2 ) = angka ke ..... ..

. Median Data Berkelompok Median data tak berkelompok dapat dicari dengan memakai acuan tepi bawah dan tepi atas kelas.2. maka di bawah ini disajikan sebuah contoh. Untuk mendapatkan gambaran mengenai perbandingan antara batas kelas dengan tepi kelas.

Daftar 10. Perbandingan Batas Kelas Dengan Tepi Kelas Batas Bawah 10 21 32 43 54 65 76 87 Batas Atas 20 31 42 53 64 75 86 97 Tepi Bawah Tepi Atas .

5 .5 53.5 75.5 97.5 86. Perbandingan Batas Kelas Dengan Tepi Kelas Batas Bawah 10 21 32 43 54 65 76 87 Batas Atas 20 31 42 53 64 75 86 97 Tepi Bawah Tepi Atas 20.5 42.5 31.Daftar 10.5 64.

5 75.5 86.5 42.5 53.5 86.5 97. Perbandingan Batas Kelas Dengan Tepi Kelas Batas Bawah 10 21 32 43 54 65 76 87 Batas Atas 20 31 42 53 64 75 86 97 Tepi Bawah 9.Daftar 10.5 64.5 Tepi Atas 20.5 20.5 .5 53.5 75.5 31.5 42.5 64.5 31.

Batas kelas disusun sedemikian rupa sehingga menghilangkan keragu-raguan di dalam operasi pemasukan data ke kelas data yang disediakan dan oleh karena itu batas atas kelas ke-i dengan batas bawah kelas ke-(i + 1) memiliki selisih yang mewadahi perwujudan tujuan di atas. Selisih tersebut dinamakan celah kelas atau class gap .

yaitu : B = ½ (Batas atas Kelas ke-i + Batas Bawah kelas ke-(i + 1) B = Class Boundary. selanjutnya tepi atas kelas data kedua sekaligus sebagai tepi bawah kelas data ketiga dan seterusnya . tepi kelas Tepi atas kelas ke-i berimpit dengan tepi bawah kelas ke-(i + 1) atau tepi atas kelas data pertama sekaligus sebagai tepi bawah kelas data kedua.Tepi kelas adalah nilai rata-rata celah kelas.

Tepi kelas berguna di dalam analisis data.Batas kelas selalu dinyatakan dalam daftar distribusi frekuensi. khususnya median dan modus. sedang tepi kelas hanya dipahami dan disimpan di dalam benak. serta menghitung lebar kelas dan pemetaan .

...... individu frekuensi kumulatif kurang daripada sebelum ½n frekuensi kelas median lebar kelas ....fks Md = Tb + Md Tb n fks fm c = = = = = = x c ....Secara matematika median data berkelompok dapat dicari dengan menggunakan rumus : 1................ . Median dengan acuan tepi bawah kelas ½n ......... (1) fm median data tepi bawah kelas median jumlah objek...

.. individu frekuensi kumulatif lebih daripada sesudah ½n dicapai frekuensi kelas median lebar kelas ...2......... .....Fks Md = Ta Md Ta n Fks = = = = x c . (2) fm c = = fm median data tepi atas kelas median jumlah objek. Median dengan acuan tepi atas kelas ½n ....................

Tandailah frekuensi kumulatif sebelum dan sesudah ½n. sedang apabila memakai formula (2) susunlah frekuensi kumulaif lebih daripada Ketiga : hitung nilai ½ x n.Langkah Penyelesaian : Pertama : susunlah daftar distribusi frekuensi data Kedua : susunlah frekuensi kumulatif dari distribusi frekuensi yang bersangkutan. yaitu kelas yang sebaris dengan angka frekuensi kumulatif kurang daripada sesudah ½n dicapai. Jika dipakai formula (1) maka susunlah dustribusi frekuensi kurang daripada. . Tentukan kelas median.

tepi bawah dan tepi atas kelas median b. frekuensi kumulatif kurang daripada sebelum dicapai ½n untuk formula (1) dan frekuensi kumulatif lebih daripada sesudah ½n dicapai untuk formula (2) d. frekuensi kelas median c. tentukanlah lebar kelas. c Kelima : selesaikanlah perhitungan mencari median tersebut .Keempat : dengan diketahuinya kelas median. lebih lanjut tentukanlah : a.

Daftar 11 : Median Produksi Telur Harian Peternak Ahmad (Data asal : Daftar 9a) Batas Bawah 10 21 32 43 54 65 76 87 Batas Atas 20 31 42 53 64 75 86 97 fi 2 3 20 30 22 13 8 2 fks Fks .

sebuah diagram yang memetakan distribusi frekuensi sebuah koleksi data dengan menggunakan tepi kelas dan frekuensi kumulatif distribusi yang bersangkutan . juga dapat dicari dengan menggunakan diagram ozaiv (ogive).Metode pemecahan median selain memakai rumus aljabar tersebut di atas.

sedang frekuensi kumulatif kurang daripada miring dari kiri bawah ke kanan atas diagram .Frekuensi kumulatif lebih daripada miring dari sudut kiri atas diagram ke sudut kanan bawah.

lebih dahulu dibuat diagram dimensi dua. di mana pada sumbu horizontal dipetakan nilai tepi kelas. sedang pada sumbu vertikal dipetakan frekuensi kumulatif data .Pemetaan dilakukan dengan cara berikut : 1.

2). frekuensi kumulatif kurang daripada berpatokan kepada tepi atas kelas sehingga koordinat pertama terjadi pada (20½.100) . sedang frekuensi kumulatif lebih daripada berpatokan pada tepi bawah kelas sehingga koordinat pertama ialah (9½.2.

Untuk itu buatlah garis yang sejajar dengan seumbu tertentu hingga memotong sumbu laawannya.3. Titik potong dimaksud ialah nilai yang disebutkan tadi . perpotongan kedua frekuensi kumulatif terjadi pada nilai ½n di sumbu vertikal dan nilai Md pada sumbu horizontal.

titik potong kedua kurva frekuensi kumulatif diidentifikasi sebagai titik B.Jika pada titik ½n diidentifikasi dengan titik A. maka : . dan titik potong pada sumbu horizontal Xi yang dibuat oleh garis yang ditarik dari titik B secara tegak lurus pada sumbu Xi adalah titik M.

5 8 6 .5 7 5 .5 fks Fks Tepi Kelas .5 3 1 .5 6 4 .Gambar Diagram Ogive dari Data Daftar 11 100 90 80 Frekuensi Kumulatif 70 60 50 40 30 20 10 0 9 .5 9 7 .5 5 3 .5 4 2 .5 2 0 .

HARAP TENANG DAN HPNYA DINONAKTIFKAN SELAMA DI DALAM KELAS SESAAT LAGI MATERI MODUS .

Modus (Mo) Modus (Mo) adalah nilai objek yang paling banyak muncul atau terjadi di dalam suatu rangkaian peristiwa.C. Modus dapat dicari dari data yang belum dikelompokkan dan data yang sudah dikelompokkan .

A. Modus Data Tidak Berkelompok Bagi data yang belum dikelompokkan modus dicari dengan lebih dahulu menyusunnya ke dalam sebuah penggolongan yang memerinci keseringan kemunculan tiap nilai dalam rangkaian peristiwa yang diamati .

Misalnya. Rp 9.000. Rp 6.000. Rp 14. dan Rp 22.000. yaitu : Rp 23. Rp 22. Rp 14.000.000.000. seorang pedagang kaki lima yang menjual kelontongan memiliki catatan penjualan harian selama 13 hari. Rp 9. Rp 14.000 .000.500. Rp 23.000. Rp 9.000. Rp 9.000.000. Rp 9.

....Daftar 12 : Penjualan Harian Pedagang Kaki-Lima “X” Nomor Urut Penjualan Harian (Rp) Frekuensi Jumlah Observasi .. hari ..

.Nomor Urut Penjualan Harian (Rp) 1 2 3 4 5 Jumlah Observasi Frekuensi . hari ....

.000 22.000 14..000 Jumlah Observasi Frekuensi ....500 9. hari ..Nomor Urut Penjualan Harian (Rp) 1 2 3 4 5 6.000 23.

000 14.000 23.500 9.000 22.Nomor Urut Penjualan Harian (Rp) 1 2 3 4 5 6.000 Jumlah Observasi Frekuensi 1 5 3 2 2 13 hari .

000 Jumlah Observasi Frekuensi 1 5 3 2 2 13 hari .000 23.000 22.000 14.500 9.Nomor Urut Penjualan Harian (Rp) 1 2 3 4 5 6.

Dengan demikian. modus data tersebut ialah Rp 9. yaitu dalam 5 hari.Volume penjualan harian yang paling banyak atau paling sering dicapai oleh “X” ialah Rp 9. Volume penjualan lainnya menyebar dari 1 hingga 3 hari.000 .000.

B. Formula aljabar dimaksud adalah : . dan dapat pula dengan pendekatan grafik. Modus Data Berkelompok Modus data berkelompok dapat dicari dengan mempergunakan formula aljabar.

..... ....d1 Mo = Tb + ————— x c ....... (1) d1 + d2 Tb = Tepi bawah kelas modus d1 = frekuensi kelas modus dikurangi frekuensi kelas sebelumnya d2 = frekuensi kelas modus dikurangi frekuensi kelas sesudahnya c = lebar kelas .

... (2) Mo = modus d1 = frekuensi kelas modus dikurangi frekuensi kelas sebelumnya d2 = frekuensi kelas modus dikurangi frekuensi kelas sesudahnya L1 = tepi bawah kelas modus L2 = tepi atas kelas modus .....Mo .. d2 L2 .............d1 Mo – L1 — = ———— ..

Langkah Pemecahan : Pertama : buat terlebih dahulu distribusi frekuensi data Kedua : tentukan kelas modus. serta selisih antara frekuensi kelas modus dengan frekuensai kelas sebelumnya (d1) dan dengan frekuensi kelas sesudahnya (d2) Keempat : hitung tepi bawah dan tepi atas kelas modus Kelima : pemecahan dengan memakai formula (1) dan (2) . yaitu kelas dengan frekuensi yang terbesar Ketiga : hitung lebar kelas.

Daftar 13 : Distribusi Frekuensi Produksi Telur Harian Peternak “AHMAD” Batas Bawah 10 21 32 43 54 65 76 87 Batas Atas 20 31 42 53 64 75 86 97 Frekuensi (fi) 2 3 20 30 22 13 8 2 100 Jumlah .

di mana pada sumbu horizontal diskalakan tepi kelas. maka grafik yang dipergunakan ialah histogram atau diagram balok Pemetaannya : Pertama : buatlah diagram dimensi dua.Apabila dicari dari pola pendekatan grafik. sedang pada sumbu vertikal diskalakan angka frekuensi kelas Kedua : buatlah diagram batang untuk setiap jangkau tepi kelas dengan tinggi yang sesuai dengan frekuensi kelasnya masing-masing .

dan dari sudut kiri atas batang tertinggi ini ke titik pertemuan batang ini dengan puncak batang di sebelah kanannya .Ketiga : kelas modus terdapat pada batang yang tertinggi Dari sudut kanan atas batang tertinggi itu ditarik sebuah garis lurus ke titik pertemuan batang ini dengan puncak batang di sebelah kirinya.

Titik di mana garis tegak lurus tersebut memotong sumbu horizontal menunjukkan posisi Modus.Dari titik potong kedua garis itu buatlah sebuah garis lurus yang sejajar dengan sumbu vertikal dan tegak lurus pada sumbu horizontal. Keempat : bacalah nilai modus tersebut .

... P1... .D.. Jika data yang akan dihitung rata-rata pertumbuhannya adalah data yang belum dikelompokkan dan memiliki unsur P0. Rata-rata Ukur (Geometric Mean) Rata-rata ukur (geometric mean. P2. Pn maka : .. P3. Gm) merupakan peralatan analisis yang lazim dipakai untuk menghitung rata-rata pertumbuhan sesuatu objek yang berwujud data runtun waktu...

rata-rata pertumbuhan n = t – 1. r = rate of growth........... x Pn/Pn-1)1/n Gm = (Pn/P0)1/n r = Gm – 1 Gm = rata-rata ukur......... dimana t = jumlah periode analisis ....Gm = (P1/P0 x P2/P1 x P3/P2 x ...

770 .583 6.564 6.059.143.Daftar 14 : Jumlah Penduduk Tahun 1995 1996 1997 1998 1999 Penduduk (jiwa) 5.863 6.527 6.198.793.275.

793.527 Pn = 6.275.770 t =5 n =t–1=5–1=4 .Diketahui : P0 = 5.

770 Gm = ―――― 5.0202 atau 2.08323)1/4 = 1.527 1/4 r = (1.02% .275.0202 – 1 = 0.0202 = 1.793.6.

Gm dapat pula dicari dengan formula berikut : Log Gm = (log X1 + log X2 + log X3 + .. + log Xn) / n n log Gm = log X1 + log X2 + log X3 + .. + log Xn ...

n log Gm = Σ log Xi / n i=1 Untuk Σ log Xi / n = u. maka Gm = 10u i=1 n dan Xi = ratio pertumbuhan Xi terhadap Xi-1 yang dinyatakan dalam persen .

.275. Pertumbuhan dlm % (Xi) Log Xi ..059.Daftar 14b Pertumbuhan Penduduk Propinsi “X” tahun 1995-1999 Tahun 1995 1996 1997 1998 1999 Banyaknya Penduduk (jiwa) 5..583 6...527 6.143..198.564 6..793.770 J U M L A H .863 6...

059.863 6.583 6.39 100.59 101.770 J U M L A H Pertumbuhan dlm % (Xi) 104.24 Log Xi .275.90 101.564 6.198.793.143.Tahun 1995 1996 1997 1998 1999 Banyaknya Penduduk (jiwa) 5.527 6.

00535 8.059.275.01949 2.59 101.770 J U M L A H Pertumbuhan dlm % (Xi) 104.24 Log Xi 2.143.863 6.Tahun 1995 1996 1997 1998 1999 Banyaknya Penduduk (jiwa) 5.793.198.583 6.90 101.00389 2.564 6.527 6.00600 2.39 100.03473 .

Log Gm = 8.100% = 2.02% Pertumbuhan rata-rata = 102.02% .01875 = 102.00868 Gm = 10 2.03473 / 4 = 2.02% .00868 = 102.

1 juta jiwa. berapa laju pertumbuhan penduduk rata-rata dalam periode 10 tahun tersebut? .Contoh lain : Jika penduduk Indonesia pada awal tahun 1971 berjumlah 120.1 juta dan pada sensus tahun 1981 penduduk menjadi 154.

antara dua periode yang dihitung .Untuk menghitung laju pertumbuhan penduduk ratarata yang sebenarnya maka pendekatan yang digunakan ialah dengan menghitung dengan menggunakan rumus sebagai berikut : Pt = P0 X (1 + r)t Dimana : Pt = jumlah penduduk pada akhir tahun ke-t P0 = jumlah penduduk pada awal tahun (tahun 0) r = angka persentase pertumbuhan penduduk ratarata per tahun t = jangka waktu tahun.

000. Misalkan seorang menyimpan uang pada suatu bank dalam bentuk deposito.-. Bank memberikan bunga sebesar 12% setahun yang dibayarkan pada setiap akhir tahun. dan setiap akhir tahun dimasukkan kembali ke dalam simpanannya. sebesar Rp 10.Penggunaan Rata-rata Ukur dalam Perhitungan Bunga Modal Metode rata-rata ukur juga digunakan pada perhitungan nilai uang menurut bunga berganda. .000. Jika bunga uang tersebut tidak diambil nasabah. berapa jumlah uang tersebut sesudah 5 tahun.

interest rate t = lamanya uang ditabung (dalam tahun) (1 + i)t = disebut juga faktor bunga majemuk atau compounding interes factor . rumus yang digunakan merupakan modifikasi rumus di atas : Mt = Mo (1 + i)t Dimana : Mt = jumlah uang sesudah tahun ke-t. future value Mo = jumlah uang tabungan awal. maka untuk menghitung jumlah uang.Sesuai dengan pola pertumbuhan penduduk seperti di atas. present value i = tingkat bunga.

5 ANGKA INDEKS • Indeks Sederhana • Indeks Agregatif • Indeks Agregatif Tertimbang Statistika I: Angka Indeks 143 .MODUL .

Indeks Nilai Statistika I: Angka Indeks 144 .DEFINISI DAN KLASIFIKASI • An index number is a percentage relative by which a measurement in a given period is expressed as a ratio to the measurement in a designeted base period. Indeks Kuantitas 3. Indeks Harga 2. • Klasifikasi Angka Indeks: 1.

Q IQ  t  100 Q0 Statistika I: Angka Indeks 145 .Indeks Sederhana • Indeks Harga (Ip): rasio antara harga tahun t (Pt) dengan harga tahun dasar (P0) dikali 100. Pt Ip   100 P0 • Indeks Kuantitas (IQ): rasio antara kuantitas tahun t (Qt) dengan kuantitas tahun dasar (Q0) dikali 100.

Statistika I: Angka Indeks 146 .Q0) dikali 100.50 15 ton 24 10 40 • Tentukan Ip. thn. IQ . Dasar.Lanjutan • Indeks Nilai (IN): rasio antara nilai (harga dikali kuantitas) tahun t (Pt. Pt  Q t IN   100 P0  Q0 Tahun 1990 Barang P A $4 B 12 2000 Q P Q 10 ton $4.Qt) dengan nilai tahun dasar (P0. IN Tahun 2000 dgn 1990 sbg.

Indeks Agregatif (Komposit) • Indeks Harga Agregatif (Ip): rasio antara harga tahun t (Pt) dengan harga tahun dasar (P0) yang meliputi beberapa macam produk dikali 100. Ip   P0  Pt  100 • Indeks Kuantitas Agregatif (IQ): rasio antara kuantitas tahun t (Qt) dengan kuantitas tahun dasar (Q0) yang meliputi beberapa macam produk dikali 100. IQ   Q0  Qt  100 147 Statistika I: Angka Indeks .

.  P0  Q0 Statistika I: Angka Indeks 148 . IN Tahun 2000 dgn 1990 sbg. • Indeks Nilai Agregatif (IN): rasio antara nilai produk tahun t (Pt.Lanjutan . IQ . IN   Pt Q t  100 Tahun 1990 Barang P A $4 B 12 2000 Q P Q 10 ton $4.Q0) yang meliputi beberapa macam produk dikali 100.Qt) dengan nilai produk tahun dasar (P0. thn. .50 15 ton 24 10 40 • Tentukan Ip. Dasar meliputi 2 mcm brg.

IL   P0  Q0  Pt Q0  100 Statistika I: Angka Indeks 149 .Indeks Agregatif Tertimbang • Formula indeks agregatif tertimbang: Iw   P0  w  Ptw  100 • Formulas Laspeyres: kuantitas tahun dasar (Q0) sebagai penimbang.

Lanjutan • Formula Paasche: kuantitas tahun t (Qt) sebagai penimbang. IF  IP   IL     100  100 100  Statistika I: Angka Indeks 150 . IP   P0  Q t  Pt Q t  100 • Formula Fisher: akar perkalian IL dan IP.

Lanjutan • Formula Marshal-Edgeworth: penjumlahan kuantitas tahun t (Qt) dan kuantitas tahun dasar (Q0) sebagai penimbang.  P (Q t  Q ) IME  100  P  (Q  Q ) t 0 0 t 0 • Formula Drobisch: penjumlahan IL dan IP dibagi 2. IL  IP ID  2 Statistika I: Angka Indeks 151 .

 Pt (Qt  Q0 ) IW   100  P0  (Q t  Q0 ) Tahun 1990 2000 Barang P Q P Q A $4 10 ton $4. IP. IF. ID. IW.Lanjutan • Formula Walsh: akar perkalian kuantitas tahun t (Qt) dan kuantitas tahun dasar (Q0) sebagai penimbang.50 15 ton B 12 24 10 40 • Tentukan: IL. IME. Statistika I: Angka Indeks 152 .

50 11.50 11.38 -6.33 115.67 25.50 111.00 108.11 Indeks Berantai 120.43 112.67 25.57 12.33 15.00 8.11 Statistika I: Angka Indeks 153 .00 91.38 93.INDEKS BERANTAI Tahun Penjualan 1996 1997 1998 1999 2000 2001 2002 2003 2004 40 48 52 60 56 70 64 72 80 Indeks (1996=100) 100 120 130 150 140 175 160 180 200 % perub.38 -6.00 -8.00 -8.57 12.33 15. 20.00 8.33 125. 20.11 % perub.

ILama IBaru  100 I2000 154 Statistika I: Angka Indeks .0 140 87.5 120 75. sehingga indeks tahun 2000 = 100. Indeks pada tahun 1997 = 100.9 90 56.5 160 100.0 150 93.3 100 62. • Indeks Baru: Tahun dasar tahun 2000.8 • Indeks Lama: Tahun dasar tahun 1997.PERUBAHAN TAHUN DASAR Indeks Tahun 1995 1996 1997 1998 1999 2000 2001 Lama Baru 1997=100 2000=100 75 46.

untuk menaksir/meramalkan nilai satu variabel berdasarkan variabel lain yang nilainya telah diketahui dan kedua variabel tersebut memiliki hubungan fungsional sebabakibat satu dengan yang lainnya. misalnya : jumlah modal mempengaruhi jumlah produksi. . biaya iklan mempengaruhi nilai penjualan dan tingkat pendapatan mempengaruhi besarnya konsumsi. tingkat suku bunga mempengaruhi jumlah investasi. Dalam bidang ekonomi dan bisnis. Sekarang.Pengertian Regresi Istilah regresi berasal dari kajian genetika yang diadakan oleh Sir Francis Galton (1892-1911). regresi diterapkan hampir di semua bidang ilmu.

. Sedangkan jumlah produksi. tingkat suku bunga. besarnya investasi. dan umumnya disimbolkan dengan Y. biaya iklan dan tingkat pendapatan disebut Variabel Bebas (variabel yang mempengaruhi). atau variabel yang nilainya ditentukan oleh nilai variabel X. nilai penjualan dan tingkat konsumsi disebut Variabel Terikat (variabel yang dipengaruhi). menunjukkan hubungan sebab-akibat antara dua variabel. Dalam bahasa matematisnya modal. dan umumnya disimbolkan dengan X.Keempat contoh di atas.

dalam bentuk fungsi dinyatakan sebagai Y=f(X). Artinya. .Hubungan fungsional (sebab-akibat) antara variabel bebas (X) dan variabel terikat (Y). nilai variabel Y tergantung dari atau dipengaruhi oleh nilai variabel X.

.Sifat hubungan antara variabel bebas (X) dengan variabel terikat (Y) dapat positif. Hubungan positif sering disebut dengan “hubungan searah” artinya. negatif atau tidak ada hubungan. bila nilai X naik maka nilai Y juga naik atau sebaliknya.

Hubungan negatif sering disebut dengan “hubungan berlawanan arah” artinya. bila nilai X naik maka nilai Y akan turun atau sebaliknya. .

Tidak ada hubungan artinya. bilai nilai X berubah (naik/turun) maka nilai Y tidak berubah (tetap) .

. Contoh dua variabel yang memiliki hubungan positif/searah.Pengaruh antara biaya iklan dengan hasil penjualan. tingkat suku bunga bank dengan deposito. harga suatu barang dengan penawaran.

Contoh dua variabel yang memiliki hubungan negatif/berlawanan arah. .Pengaruh antara tingkat suku bunga dengan investasi. harga suatu barang dengan jumlah permintaan. jumlah peserta KB dengan tingkat kelahiran.

Pengaruh usia kendaraan dengan tinggi gedung. . Contoh dua variabel yang tidak memiliki hubungan. jumlah jembatan yang dibangun dengan usia seseorang. kecepatan kendaraan dengan jumlah bayi yang lahir.

bentuk grafiknya sebagai berikut: .Bila ketiga jenis sifat hubungan antara dua variabel tersebut dinyatakan dalam grafik.

2.. n.Pola hubungan antara dua variabel yaitu X dan Y. mungkin linear atau tan-linear (kuadrat. dapat berbentuk berbagai macam persamaan regresi. Yi) dengan i = 1.3 . yang dibentuk oleh serangkaian pasangan data (Xi. elip dan bentuk lainnya). eksponensial. kubik. ..

setelah itu baru dipilih persamaan regresi yang paling mendekati. .Sebelum persamaan regresi ditentukan. apakah bentuknya linear atau tan-linear. sebaiknya dibuat terlebih dahulu diagram pencarnya (scatter diagram). Langkah itu diambil agar penyimpangan yang terjadi sekecil mungkin.

Empat bentuk diagram pencar (scatter diagram) : .

. Persamaan garis yang diperoleh disebut persamaan regresi. Untuk memperoleh suatu persamaan garis yang menunjukkan persamaan hubungan antara dua variabel.Tujuan Analisis Regresi : 1.

2.Untuk mengetahui besarnya pengaruh perubahan tiap unit variabel bebas terhadap perubahan variabel terikatnya. Pengaruh perubahan tiap unit variabel bebas ditunjukkan oleh nilai koefisien regresinya .

Untuk menaksir nilai variabel terikat (Y) berdasarkan variabel bebas (X) yang nilainya telah diketahui.3. Penaksiran disini bersifat deterministik (pasti) atau nonstokastik. maksudnya penaksiran atau pendugaan yang dilakukan mengabaikan faktor ketidakpastian .

Regresi Linear Sederhana : Metode Kuadrat Terkecil .

.

.

melainkan menyatakan arah hubungan atau lebih tegasnya menyatakan pengaruh variabel bebas X terhadap variabel terikat Y. Sedangkan nilai b yang negatif (b dengan tanda negatif) menyatakan bahwa variabel bebas X berpengaruh negatif terhadap nilai variabel terikat Y .Interpretasi Terhadap Nilai Koefisien Regresi : Tanda positif atau negatif dari nilai koefisien regresi bukanlah menyatakan tanda aljabar. Nilai b yang positif menyatakan bahwa variabel bebas X berpengaruh positif terhadap nilai variabel terikat Y.

adalah sebagai berikut : b = A (b bertanda positif). Sebaliknya bila nilai variabel turun/berkurang 1 unit. artinya bila nilai variabel bebas X naik/bertambah/meningkat 1 unit.Interpretasi terhadap nilai koefisien regresi (b). maka nilai variabel Y akan turun/berkurang sebesar A unit . maka nilai variabel Y akan naik/bertambah/meningkat sebesar A unit.

maka nilai variabel Y akan turun/berkurang sebesar A unit.A (b bertanda negatif).b = . maka nilai variabel Y akan naik/bertambah/meningkat sebesar A unit . artinya bila nilai variabel bebas X naik/bertambah/meningkat 1 unit. Sebaliknya bila nilai variabel turun/berkurang 1 unit.

Menaksir Nilai Variabel Terikat Y : Dari serangkaian data sampel yang terdiri dari n pasangan data (Xi. nilai a dan b dihitung.Yi). berdasarkan nilai variabel bebas (X) tertentu. Y = a + bX . kemudian persamaan regresi sampel Y = a + bX disusun. dalam batas-batas nilai X data pengamatan dengan mensubstitusikan nilai X tertentu tersebut kedalam persamaan regresi. Berdasarkan persamaan regresi tersebut. kita dapat menaksir nilai variabel terikat Y.

.

.

.

1 juta.42. memiliki arti bahwa setiap kenaikan pendapatan sebesar Rp. setiap penurunan pendapatan sebesar Rp. 1 juta. 0.42. Interpretasi terhadap nilai koefisien regresi b adalah : Dari persamaan regresi di atas. Atau.000). 420. maka konsumsi berkurang sebesar Rp. Nilai b = 0. 420. dapat diketahui nilai b = 0.42 juta (=Rp.42 juta (=Rp. 0.000) . maka konsumsi akan meningkat sebesar Rp.b.

sebagai berikut : Y = 4.42 X.c.25 + 0. akan dapat ditaksir nilai Y untuk X = 23.25 + 0. Menaksir besarnya konsumsi seorang karyawan yang memiliki pendapatan Rp.25 + 0.91 . Dari persamaan regresi yang diperoleh yaitu : Y = 4.42 (23) = 13. 23 juta.42 X untuk X = 23 => Y = 4.

23 juta ditaksir sebesar Rp.910.Jadi. 13.91 juta (=Rp. 13. konsumsi seorang karyawan yang pendapatannya sebesar Rp.000) .

Kesalahan Baku dari Dugaan .

.

.

.

.

Koefisien Determinasi Salah satu alat utama untuk mengukur ketepatan/kesesuaian (goodness of fit) garis regresi terhadap datanya adalah koefisien determinasi. Koefisien determinasi adalah suatu ukuran yang dapat menjelaskan porsi variasi variabel terikat yang dapat dijelaskan oleh garis regresinya atau variabel bebasnya .

Dengan demikian untuk variabel-variabel yang memiliki hubungan fungsional. para statisi menterjemahkan istilah “menjelaskan” dengan mempengaruhi. untuk dua variabel yang memiliki hubungan fungsional. dalam prakteknya. koefisien determinasi diartikan sebagai besarnya pengaruh (dalam persen) variabel bebas terhadap variasi (naik turunnya) variabel terikatnya .Namun.

.

.

Analisis Korelasi Analisis korelasi bertujuan untuk mengetahui keeratan hubungan (kuatlemahnya) hubungan antara variabel bebas X dengan variabel terikat Y. apakah linear atau tak linear . tanpa melihat bentuk hubungannya.

sedangkan koefisien 2 determinasi (r ) merupakan alat untuk mengukur ketepatan garis regresi terhadap sebaran datanya . Jadi. koefisien korelasi (r) merupakan alat untuk mengukur kuatlemahnya hubungan antara dua variabel.Kuat-lemahnya hubungan antara dua variabel dilihat dari koefisien korelasinya.

Koefisien Korelasi Melalui Analisis Regresi Analisis korelasi biasanya dilakukan secara bersamaan dengan analisis regresi. Jika, analisis korelasi dilakukan bersamaan dengan analisis regresi maka koefisien korelasi merupakan akar dari koefisien determinasi, yang dapat dihitung sebagai berikut :

Nilai dari koefisien korelasi (r) berkisar antara -1 dan +1, yaitu -1 = r = 1. Nilai r positif menunjukkan hubungan antara variabel X dan Y searah. Nilai r negatif menunjukkan hubungan antara variabel X dan Y berlawanan arah. Nilai r = 0 menunjukkan antara variabel X dan Y tak ada hubungan secara linear, akan tetapi mungkin saja terjadi hubungan secara tanlinear

.

.

Jadi. kuat-lemahnya korelasi/hubungan antara dua variabel diukur berdasarkan perbedaan urutan kedudukan (ranking) nilai skornya dan bukan berdasarkan nilai data pengamatan (nilai asli). datanya berupa data ordinal atau data urutan menurut kedudukan .Korelasi Peringkat Menurut metode ini.

tidak kurang dari 10 dan tidak lebih dari 29. ukuran sampelnya termasuk kecil dan apabila ukurannya diluar itu.Tehnik korelasi peringkat ini. akan memberikan hasil yang cukup memuaskan bila ukuran sampelnya. Jadi. sebaiknya analisis korelasi peringkat ini tidak digunakan .

Untuk menentukan (mencari) koefisien korelasi. hubungan antara dua variabel. dipakai rumus Spearman sebagai berikut : .

.

Data dengan nilai terbesar boleh diberi nomor ranking terkecil atau sebaliknya . Pemberian nomor urut ini mulai dari data dengan nilai terbesar.Penyelesaian : Terlebih dahulu masing-masing nilai data observasi dari masing-masing variabel diberi nomor urut (ranking).

Dibawah ini. data dari masing-masing variabel dengan nilai terbesar diberi ranking mulai nomor terkecil yaitu nomor 1 .

Andaikata. akan memberikan hasil yang sama . pemberian nomor ranking ini dibalik yaitu pengalaman kerja terlama dan hasil penjualan terbesar diberi ranking dengan nomor urut terbesar yaitu 10.

.

.

cara menghitungnya adalah jumlah skor ranking dibagi 2. dimulai dari variabel dengan nilai terbesar diberi ranking 1 dan seterusnya. yaitu (9+10)/2=9. Pada variabel laba bersih ada data bernilai kembar/sama.5. Pada variabel skor nilai ada data bernilai kembar/sama. cara menghitungnya adalah jumlah skor ranking dibagi 2.Penyelesaian : Pemberian ranking. maka rankingnya sama dengan jumlah skor rankingnya dibagi 3 .5. Jika ada 3 data bernilai kembar/sama. yaitu (1+2)/2=1.

.

ANALISIS REGRESI LINEAR BERGANDA Kegunaan Analisis Regresi Linear Berganda Analisis Regresi Linear Berganda digunakan untuk mengukur pengaruh antara lebih dari satu variabel prediktor (variabel bebas) terhadap variabel terikat .

@©f°°f¾¾ – ¾  D° ¯ ¯½   ¾f ½ ¾f¯ff° –f¾ f°– ¯ °°©f° ½ ¾f¯ff°  °–f° f°ff f ff  9 ¾f¯ff° –f¾ f°– ½   ¾  ½ ¾f¯ff°  – ¾ .

 D° ¯ °– f ¾f°f ½ °–f ½  ff° f½ ° ff  f¾  f f½ ½  ff° ff   f°f 9 °–f ½  ff° f½ ° ff  f¾ °©f°   °f  €¾ °  – ¾°f .

 D° ¯ °f¾ °f ff   f %%  f¾ff° ff  f¾ %O% f°– °f°f  f  f 9 °f¾f° ¾° ¾€f  ¯°¾ %½f¾% ff °° ¾f¾ ¯f¾ °f ½ °f¾f° ff ½ ° –ff° f°– ff° ¯ °–f ff° €f   f½f¾f° .

 – ¾° f f°f .   f f@  n .

.

.

° ½ f¾ @ f f½ -f  €¾ °  – ¾ @f° f ½¾€ ff ° –f€ f °f  €¾ °  – ¾ f°f ¯ °fff° f° f f©f f ¯ f°f° ¯ °fff° ff  °–f° ff    –f¾°f ¯ °fff° ½ °–f ff  f¾ O  f f½ ff   f  -f f°– ½¾€ ¯ °fff° ff ff  f¾ O ½ °–f ½¾€  f f½ °f ff   f   f°–f° °f f°– ° –f€ % °–f° f° f ° –f€% ¯ °fff° ff ff  f¾ O ½ °–f ° –f€  f f½ °f ff   f  .

° ½ f¾  f f½ °f  €¾ °  – ¾ % % f ff ¾ f–f   % f° f ½¾€% f°f f °f ff  f¾ O °f$ f¯ f$¯ °°–f  ° ¯ff °f ff   ff° °f$ f¯ f$¯ °°–f ¾ ¾f  °  f°f f °f ff  °$ f°–  ° ¯ff °f ff   ff° °$ f°– ¾ ¾f  ° .

 % f° f ° –f€% f°f f °f ff  f¾ O °f$ f¯ f$¯ °°–f  ° ¯ff °f ff   ff° °$ f°– ¾ ¾f  °  f°f f °f ff  °$ f°–  ° ¯ff °f ff   ff° °f$ f¯ f$¯ °°–f ¾ ¾f  ° .

°f¾ -f Iff  @ f  f ¾ f°–ff° ff ¾f¯½  f°–    f ° ½f¾f°–f° ff %O % °f f f° °–  ¯ f° ½ ¾f¯ff°  – ¾ ¾f¯½   f + O ¾¾°  f¾ff° ½ ¾f¯ff°  – ¾  ¾  f f½f ¯ °f¾ °f ff   f   f¾ff° °f ff  f¾ %O%   ° ff¯ ff¾ ff¾ °f O ff ½ °–f¯ff° °–f° ¯ °¾ ¾¾f° °f O   °  ¾   ff¯ ½ ¾f¯ff°  – ¾  f + O ..

.

.

.

 ° ½ f¾ f f½°f €¾ ° – ¾ f ff f ½ ¾f¯ff°  – ¾  ff¾ f½f  f °f   -f   ¯ ¯ f ff ¾ f½  °ff° ½ ° f½ff° ¾ ¾f ½  ©f ¯ff °¾¯¾ ff° ¯ °°–f ¾ ¾f ½   ©f % ½  % f ¾ f½ ½ °°f° ½ ° f½ff° ¾ ¾f ½  ©f ¯ff °¾¯¾ f°– ¾ ¾f ½   ©f % ½  % .

°f¾ ¾f°f °¾¯¾ ¾ f°– fff° f°– ¯ ¯ ½ ° f½ff° ½  ©f f ½ ¾f¯ff°  – ¾ f°– ½   f    +   O ff° f½f f¾ °f  ° O  ¾ f–f    + O ° O     +   %%   .n .

f  °¾¯¾ ¾ f°– fff° f°– ½ ° f½ff°°f ¾ ¾f ½  ©f f¾ ¾ ¾f ½   ©f % ½   % .

 ¾fff° f f–ff° .

.

.

.

.

 €¾ °  ¯°f¾ ff ¾f ff f¯f ° ¯ °–   ½ff°$ ¾ ¾ff° %– ° ¾¾ € €% –f¾  – ¾  f f½ ff°f f ff  €¾ °  ¯°f¾  €¾ °  ¯°f¾ f ff ¾f f° f°– f½f ¯ °© f¾f° ½¾ ff¾ ff   f f°– f½f © f¾f°   –f¾  – ¾°f ff ff  f¾°f .

-f¯° ff¯ ½f °f ° f ff  f°– ¯ ¯  °–f° €°–¾°f ½ff ¾f¾ ¯ ° © ¯ff° ¾f #¯ °© f¾f°# °–f° ¯ ¯½ °–f  °–f° ¯f° ° ff  ff  f°– ¯ ¯  °–f° €°–¾°f  €¾ °  ¯°f¾ ff° ¾ f–f ¾f°f ½ °–f % ff¯ ½ ¾ °% ff  f¾  f f½ ff¾ %°f °°f% ff   f°f .

.

.

°f¾¾  f¾ °f¾¾  f¾ ©f° ° ¯ °– f  ff°  °–f° %f  ¯f°f%  °–f° f°ff ff  f¾ O °–f° ff   f  f°½f ¯ f °  °–f°°f f½ff ° f ff f ° f .

f  ¯f°f  °–f° f°ff f ff  f f  €¾ °  f¾°f f   €¾ °  f¾ %% ¯ ½ff° ff ° ¯ °– f  ¯f°f  °–f° f°ff f ff  ¾ f°–f°  €¾ °   ¯°f¾ % % ¯ ½ff° ff ° ¯ °–   ½ff° –f¾  – ¾  f f½ ¾ ff° ff°f .

.

f °f¾¾  – ¾ °f¾¾  f¾ f¾f°f ff° ¾ nff ¾f¯ff° °–f° f°f¾¾  – ¾ f f°f¾¾  f¾ ff° ¾f¯ff° °–f° f°f¾¾  – ¾ ¯ff  €¾ °  f¾ ¯ ½ff° ff f  €¾ °  ¯°f¾ f°– f½f °– ¾ f–f  . €¾ °  f¾ .

-f f  €¾ °  f¾ %% ¾f f°ff  f° + f    -f  ½¾€ ¯ °°©f°  °–f° f°ff ff  O f°  ¾ ff -f  ° –f€ ¯ °°©f°  °–f° f°ff ff  O f°  ff°f° ff -f   ¯ °°©f° f°ff ff  O f°  f f f  °–f° ¾ nff ° f ff°  f½ ¯°–° ¾f©f  ©f   °–f° ¾ nff f° ° f .

.

.

.

° ¯  ° f  ¯f°f  f¾$ °–f° f°ff f ff    f¾ff° ½  ff° f°   f° %f°°–% °f ¾°f f° f°  f¾ff° °f ff ½ °–f¯ff° %°f f¾% f  ff°f ½f ff  °f ff ff f° ¯ °   f° . f¾ 9 °–f .

@ °  f¾ ½ °–f ° ff° ¯ ¯ f° f¾ f°– n½ ¯ ¯f¾f° f f° ¾f¯½ °f  f f°– f  f°  f   f  f  f° ¾f¯½ °f  ¯f¾  n f° f½f f f°°f f  ¾ f°f f°f¾¾  f¾ ½ °–f °  f –°ff° .

D° ¯ ° °f° %¯ °nf%  €¾ °  f¾  °–f° f°ff f ff  ½ff ¯¾ ½ f¯f° ¾ f–f  .

.

9 °  ¾ff° @   f ¯f¾°– ¯f¾°– °f ff  ¾ f¾ f ¯f¾°– ¯f¾°– ff    °¯  %f°°–% 9 ¯ f° °¯  ° ¯f f ff °–f° °f   ¾f ff °–f° °f   ¾f     °¯ f°°–   n ff ¾ f°f .

 ff ° ff f ¯f¾°– ¯f¾°– ff  °–f° °f   ¾f   f°°– ¯f °¯   n f °¯  .

° fff ½ ¯ f° °¯ f°°– °  f f ½ °–ff¯f°  ©f  f¯f f° f¾ ½ °©ff°   ¾f   f°°– °–f° °¯    ¾f f  ff° ¯ ¯ f° f¾ f°– ¾f¯f .

.

.

9 °  ¾ff° 9 ¯ f° f°°– ¯f f ff  °–f° °f   ¾f   f°°–  f° ¾  ¾°f 9f f ff  f f ¾ f f ff °f  ¯ f$¾f¯f nff ¯ °–°–°f f ff ©¯f ¾ f°°–  f–  f %+%$   9f f ff  ¾ °f f f ff °f  ¯ f$¾f¯f nff ¯ °–°–°f f ff ©¯f ¾ f°°–  f–  f %+%$   f f f  ff °f  ¯ f$¾f¯f ¯ff f°°–°f ¾f¯f °–f° ©¯f ¾ f°°–°f  f–  .

.

-- -  –°ff° °f¾¾  – ¾ ° f –f° f °f¾¾  – ¾ ° f –f° f –°ff° ° ¯ °– ½ °–f f°ff   f ¾f ff  ½  %ff  f¾%  f f½ ff   f .

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)//-->