bab i statistika

BAB I
STATISTIKA
FOKUS
•
•
•
•
•
Statistika Deskriptif dan Statistika inferensial
Statistika Parametrik dan Statistika Non Parametrik
Variabel Kuantitatif dan Kualitatif
Tingkat Pengukuran
Jenis Data
STATISTIKA
• Statistika adalah ilmu yang mempelajari bagaimana
merencanakan, mengumpulkan, menganalisis,
menginterpretasi, dan mempresentasikan data.
• Statistika adalah ilmu yang berkenaan dengan data.
• Data → bentuk jamak
• Datum → bentuk tunggal
• Dalam statistika tercakup dua pekerjaan penting, yaitu :
penyajian DATA menghasilkan INFORMASI penafsiran
STATISTIKA
• Salah satu alat yang dapat digunakan untuk mengambil
keputusan adalah statistika
• Sebagai contoh ketika seorang peneliti meneliti
kandungan racun dalam suatu mata air, hanya
menggunakan sedikit sampel air
• Contoh lainnya adalah pengujian mutu, berat dari isi
kemasan suatu produk
STATISTIKA
• Statistika merujuk pada informasi angka
• Sebagai contoh : statistik penduduk, statistik kelahiran,
statistik kematian, statistik kesehatan, statistik pertanian
JENIS-JENIS STATISTIKA
• Statistika Bisnis, Statistika Teknik, Statistika Sosiologi
• Statistika pada dasarnya sama, yang berbeda hanya
contoh terapan yang digunakan
• Stattistika teknik biasanya memelukan kalkulus
STATISTIKA
• Mengapa statistika diperlukan?
1. Informasi angka, sebagai contoh kenaikan rata-rata
penghasilan tahunan, rata-rata perkembangan kredit,
rata-rata jumlah penumpang, jumlah orang kaya dan
lain sebagainya.
2. Pengambilan keputusan, sebagai contoh adalah hasil
survey kepuasan suatu produk
JENIS-JENIS STATISTIKA
• Statistika Deskriptif
• Statistika Inferensial (Induktif)
STATISTIKA DESKRIPTIF
• Ilmu statistika yang mempelajari tata cara pengumpulan,
penyusunan dan penyajian secara informatif
• Penjajian data dalam suatu bentuk informasi dapat
berupa distribusi frekuensi, grafik dan lain sebagainya
• Meliputi: pengumpulan data, penyajian data, penentuan
nilai-nilai statistik (mean, standar deviasi, dsb), dan
pembuatan gambar, diagram atau grafik
STATISTIKA INFERENSIAL
• Disebut juga dengan inferensi statistik induktif
• ilmu statistika yang mempelajari tata cara penarikan
kesimpulan mengenai keseluruhan data (populasi)
berdasarkan sebagian data (sampel) dari populasi
tersebut.
• Memperkirakan karakteristik populasi berdasarkan
sampel
STATISTIKA INFERENSIAL
• Populasi merupakan keseluruhan individu atau objek
yang diamati
• Sampel merupakan bagian dari populasi
• Alasan menggunakan sampel dibanding populasi
1. Tidak mungkin untuk meneliti seluruh populasi?
2. Biaya yang besar untuk meneliti seluruh populasi
3. Hasil dari sampel sudah memadahi
1. Bill Gates (59 tahun) – 79,2 miliar dollar AS – Microsoft – US
2. Carlos Slim Helu (75 tahun) – 77,1 miliar dollar AS – Telekom – Meksiko
3. Warren Buffett (84 tahun) – 72,7 miliar dollar AS – – Berkshire Hathaway – US
4. Amancio Ortega (78 tahun) – 64,5 miliar dollar AS – Zara – Spanyol
5. Larry Ellison (70 tahun) – 54,3 miliar dollar AS – Oracle – US
6. Charles Koch (79 tahun) – 42,9 miliar dollar AS – Koch Industries – US
7. David Koch (74 tahun) – 42,9 miliar dollar AS – Koch Industries – US
8. Christy Walton (60 tahun) – 41,7 miliar dollar AS – Wal-Mart – US
9. Jim Walton (67 tahun) – 40,6 miliar dollar AS – Wal-Mart – US
10. Liliane Bettencourt (92 tahun) – 40,1 miliar dollar AS – L’Oreal – Perancis
11. Alice Walton (64 tahun) – 39,4 miliar dollar AS – Wal-Mart – US
12. S Robson Walton (71 tahun) – 39,1 miliar dollar AS – Wal-Mart – US
13. Bernard Arnault (65 tahun) – 37,2 miliar dollar AS – – Louis Vuitton – Perancis
14. Michael Bloomberg (73 tahun) – 35,5 miliar dollar AS – – Bloomberg LP – US
15. Jeff Bezos (51 tahun) – 34,8 miliar dollar AS – Amazon.com – US
16. Mark Zuckerberg (30 tahun) – 33,4 miliar dollar AS – Facebook – US
17. Li Ka-shing (86 tahun) – 33,3 miliar dollar AS – – properti Hongkong
18. Sheldon Adelson (81 tahun) – 31,4 miliar dollar AS – – kasino – Amerika Serika
19. Larry Page (41 tahun) – 29,7 miliar dollar AS – – Google – US
20. Sergey Brin (41 tahun) – 29,2 miliar dollar AS – Google – US
STATISTIKA DESKRIPTIF VS
STATISTIKA INFERENSIAL
• Statistika Deskritif digunakan untuk menggambarkan
data
• Statistika inferensial digunakan untuk memperkirakan
karakteristik populasi berdasarkan suatu sampel
STATISTIKA PARAMETRIK VS
NON PARAMETRIK
•
•
•
Statistik parametrik memerlukan data yang memiliki
distribusi normal dan memiliki varians yang homogin
Statistik non parametrik tidak memerlukan data yang
memiliki distribusi normal dan varians tidak perlu
homogin
Statistik parametrik jenis data yang digunakan biasanya
data yang berskala interval dan rasio sedangkan non
parametrik jenis data yang digunakan biasanya data
kualitatif dan statistika yang bebas sebaran.
JENIS-JENIS VARIABEL
• Variabel Kuantitatif
• Variabel Kualitatif
VARIABEL KUANTITATIF
• Ketika variabel yang diteliti atau diamati berupa angka
maka disebut dengan variabel kuantitatif
• Data (kuantitatif) adalah himpunan angka hasil
pengamatan dan pengukuran sistematis pada sejumlah
peristiwa yang didapatkan secara langsung ataupun
tidak langsung
• Contoh : Tingkat penjualan, harga saham, besarnya
promosi, tingkat pendapatan nasional Indonesia, gaji,
lama pemakaian baterai mobil, jumlah anak, masa kerja
pegawai dll
VARIABEL KUALITATIF
• Jika karakteristik yang diteliti tidak berbentuk angka
maka disebut variabel kualitatif
• Misalnya : jenis kelamin, agama, merek, warna mata ,
partai politik dan lain lain
• Disebut juga dengan variabel kategorik atau atribut yang
diklasifikasikan berdasarkan kategori/kelas tertentu
VARIABEL KUALITATIF
• Data kualitatif yang berbentuk uraian diskriptif tidak
dapat diolah secara statistik sebelum dikonversikan
menjadi data kuantitatif berdasarkan skala tertentu
dengan asumsi tertentu pula.
• Contoh : Pria (1) Wanita (2)
• Pengolahan Data dengan Statistika mensyaratkan
bentuk data numerik, untuk itu data kategorik terlebih
dahulu harus diubah ke bentuk numerik dengan
memberi bobot pada setiap kategori.
TINGKAT PENGUKURAN
• Data dapat digolongkan berdasarkan tingkat
pengukurannya yakni :
1. Data Nominal
2. Data Ordinal
3. Data Interval
4. Data Rasio
DATA NOMINAL
• Berupa data kategorik atau klasifikasi
• Tidak ada urutan, urutan tidak menunjukkan tingkatan
(rangking). Tidak ada titik awal Tidak ada perbedaan
• Bilangan hanya berfungsi sebagai lambang untuk
membedakan.
• Contoh : jenis kelamin, jenis pekerjaan, jenis industri
DATA ORDINAL
• Data Ordinal digunakan untuk mengukur perbedaan
kualitas atau kuantitas yang tidak dapat diketahui
berapa unit selisihnya, tetapi diketahui perbedaannya
bahwa yang satu lebih tinggi atau lebih rendah dari yang
lainnya kualitas atau kuantitasnya.
• Misalnya : Bagaimana Kondisi ekonomi saat ini?
1. Sangat Baik 2. Baik 3. Sedang 4. Buruk 5. Sangat
Buruk
• Skala Nominal dan Ordinal digunakan berkaitan dengan
data kategorik/kualitatif.
DATA INTERVAL
• Data Interval bilangan berfungsi sebagai: (1) lambang;
(2) memberikan peringkat (urutan); dan (3)
memperlihatkan jarak atau interval yang bermakna.
• Ciri utama skala interval adalah titik nol bukan titik nol
absolut.
• Contoh: Suhu : 0°C bukan berarti tidak mempunyai
suhu.
DATA RASIO
• Data Interval bilangan berfungsi sebagai: (1) lambang;
(2) memberikan peringkat (urutan); dan (3)
memperlihatkan jarak atau interval yang bermakna.
• Ciri utama skala interval adalah titik nol adalah titik nol
absolut. Titik 0 memiliki makna
• Contoh Pendapatan (Rp. 135 245,23 per bulan):
Pendapatan Rp. 0 berarti tidak ada
• Contoh lain : berat timbangan, jumlah orang, jumlah
pohon, dsb.
DATA PRIMER VS DATA
SEKUNDER
• Berdasarkan asal sumber datanya maka dibagi dua
yakni :
1. Data primer (primary data)
Data yang diperoleh dari pengamatan langsung ƒ
2. Data sekunder
Adalah data yang diperoleh dari pihak lain dalam bentuk
yang sudah jadi berupa publikasi dan lain-lain
DATA BERDASARKAN WAKTU
• Data Time Series
• Data Cross Section
• Data Panel
DATA TIME SERIES
• Data time series disebut juga dengan data runtun waktu
atau historis.
• Data time series adalah data yang hanya terdiri dari satu
objek namun teridiri dari beberapa periode waktu.
• Sebagai contoh adalah data bulanan perubahan harga
saham Astra Internasional dari tahun 2009-20015, data
pertumbuhan GDP Indonesia dari tahun 1990-2015.
DATA CROSS SECTION
• Data cross section adalah data yang terdiri dari banyak
objek pada suatu periode yang sama.
• Sebagai contoh adalah data kinerja keuangan
perusahaan perusahaan-perusahaan dalam industri
manufaktur pada tahun 2014.
DATA PANEL
• Disebut juga dengan pooled data
• Data Panel adalah data gabungan antara data time
series dengan data cross section.
• Dikatakan data gabungan karena data ini terdiri atas
sejumlah objek/sub objek dalam beberapa periode
waktu.
• Sebagai contoh adalah data harga saham perusahaan
industri pertambangan pada periode 2008-20015.
SOAL-SOAL
Menurut anda apa perbedaan antara statistika deskriptif
dan inferensial?
Berikan masing-masing contoh penerapan statistika
deskriptif dan inferensial !
SOAL-SOAL
Apa perbedaan antara sampel dan populasi !
Jika anda ingin :
• Mengetahui rata-rata pengeluaran bulanan keluarga
kecil se-DIY
• Menggambarkan rata-rata IPK seluruh mahasiswa UPY
• Mengetahui tingkat kepuasan mahasiswa terhadap
pelayanan bank BNI?
Apakah anda akan menggunakan sampel atau populasi?
Statistik apa yang akan anda pakai ? Jelaskan !
SOAL-SOAL
Apa yang dimaksud dengan variabel kualitatif dan
kuantitatif?
Berdasarkan skala pengukurannya termasuk variabel
apakah di bawah ini?
• Tingkat Penjualan
• Merek
• Pendapatan
• Kepuasan Kerja
• Harga Saham
• Agama
• Jenis kelamin
SOAL-SOAL
• Menurut anda apa perbedaan antara data nominal,
ordinal, interval dan rasio !
• Berikan contoh masing-masing data !
SOAL-SOAL
Apa yang dimaksud dengan data time series, cross section
dan panel?
Berdasarkan dimensi waktunya termasuk data apakah di
bawah ini ?
• Data pendapatan nasional negara-negara di ASEAN
tahun 2005-2015
• Tingkat penjualan PT X tahun 1990-2015
• Tingkat penjualan perusahaan pada industri manufaktur
pada tahun 2015
• Jumlah uang yang beredar setiap tahun