manajemen biayadipl-keu.usu.ac.id/images/modul/modul_komputerisasi... · 2019-02-19 · wawasan dan...
TRANSCRIPT
1
UNIVERSITAS SUMATERA UTARA 2017
PRODI DIPLOMA III FAKULTAS EKONOMI DAN BISNIS
MODUL MANAJEMEN BIAYA
2
IDENTITAS PEMILIK MODUL
NAMA : .................................................................
NIM : .................................................................
PRODI : .................................................................
DOSEN : .................................................................
3
KATA PENGANTAR
Puji syukur kehadirat Allah SWT atas rahmat dan hidayahNya saya dapat
menyelesaikan Modul Praktikum Statistik Teori dan Aplikasi ini. Adapun tujuan
dari pembuatan modul ini adalah sebagai bahan ajar dan referensi bagi para
pembaca, khususnya mahasiswa Keuangan. Mudah-mudahan buku ini dapat
membantu para pembaca yang berminat untuk mengembangkan diri, memperkaya
wawasan dan menambah khasanah ilmu pengetahuan.
Kami menyadari bahwa penyelesaian buku ini tidak terlepas dari bantuan
berbagi pihak,dan masih banyak terdapat kekurangan dalam penulisan buku ini.
Oleh karena itu, kami mengharapkan kritik dan saran yang membangun dari
pembaca.
Medan, Mei 2018
4
DAFTAR ISI
KATA PENGANTAR .................................................................................. i
DAFTAR ISI ................................................................................................. ii
PER 1. DISTRIBUSI FREKUENSI....................................................... 4
A. DISTRIBUSI FREKUENSI DATA KUALITATIF........... .. 4
B. DISTRIBUSI FREKUENSI DATA KUANTITATIF........ .. 6
C. KURVA LORENZ ................................................................ 7
LEMBAR KERJA PRAKTEK MAHASISWA .......................... 8
PER 2. UKURAN PEMUSATAN ......................................................... 10
A. DEFENISI UKURAN PEMUSATAN .................................. 10
B. BEBERAPA SIFAT/CIRI RATA-RATA HITUNG ............ 12
C. MEDIAN (DATA TIDAK BERKELOMPOK).................... 13
D. MEDIAN (DATA BERKELOMPOK)................................. 13
E. MODUS (DATA TIDAK BERKELOMPOK)...................... 14
F. MODUS (DATA BERKELOMPOK)................................... 14
G. RATA-RATA DILUAR UKURAN PEMUSATAN:
RATA-RATA UKUR............................................................ 15
H. RATA-RATA HARMONIS.................................................. 15
I. KUARTIL, DESIL, DAN PRESENTIL (DATA
BERKELOMPOK)................................................................ 15
LEMBAR KERJA PRAKTEK MAHASISWA .................... 17
PER 3. UKURAN VARIASI ATAU DISPERSI .................................. 19
A. MENGAPA MEMPELAJARI DISPERSI ............................ 19
B. PENGUKURAN DISPERSI DATA TIDAK
DIKELOMPOKKAN ............................................................ 20
C. PENGUKURAN DISPERSI DATA DIKELOMPOKKAN . 20
D. NILAI ATAU DATA YANG DIBAKUKAN
(STANDARDIZED VALUE)............................................... 21
E. KOEFISIEN VARIASI......................................................... 21
LEMBAR KERJA PRAKTEK MAHASISWA .................... 22
PER 4. ANALISIS KORELASI DAN REGRESI LINEAR SEDERHANA
24
A. PENTINGNYA ANALISIS HUBUNGAN .......................... 24
B. KOEFISIEN KORELASI DAN KEGUNAANNYA ............ 24
C. KOEFISIEN KORELASI DATA BERKELOMPOK........... 27
D. KORELASI RANK (PERINGKAT)..................................... 28
E. KORELASI DATA KUALITATIF....................................... 28
F. TEKNIK RAMALAN DAN ANALISIS REGRESI ............ 29
LEMBAR KERJA PRAKTEK MAHASISWA .................... 30
PER 5. REGRESI LINEAR BERGANDA DAN REGRESI (TREND)
NONLINEAR ............................................................................ 32
A. HUBUNGAN LEBIH DARI DUA VARIABEL REGRESI
LINEAR BERGANDA ......................................................... 32
B. CARA MEMECAHKAN PERSAMAAN LEBIH DARI
DUA VARIABEL ................................................................. 34
5
C. TREND PARABOLA ........................................................... 35
D. TREND EKSPONENSIAL (LOGARITMA) ....................... 36
E. TREND EKSPONENSIAL YANG DIUBAH ...................... 36
F. TREND LOGISTIK .............................................................. 36
LEMBAR KERJA PRAKTEK MAHASISWA ................... 37
PER 6. ANALISIS DATA BERKALA ................................................. 39
A. PENTINGNYA ANALISIS DATA BERKALA .................. 39
B. KLASIFIKASI GERAKAN/VARIASI DATA BERKALA 39
C. MENENTUKAN TREND .................................................... 40
LEMBAR KERJA PRAKTEK MAHASISWA .................... 42
PER 7-8. MEMAHAMI DATA.................................................................. 44
A. DATA,SKALA,DAN VARIABEL........... ........................... 44
B. ANALISI DATA........ ........................................................... 46
LEMBAR KERJA PRAKTEK MAHASISWA .......................... 47
PER 9-10. DATA PADA SPSS ................................................................... 48
A. MENYUSUN DATA...................................... ...................... 51
B. MEMODIFIKASI DATA ..................................................... 51
C. TRANSFORMASI DATA.................... ................................ 52
LEMBAR KERJA PRAKTEK MAHASISWA.......................... 53
PER 11-12. ANALISIS DESKRIPTIF 55
A. ANALISIS FREKUENSI ...................................................... 55
B. STATISTIK DESKRIPTIF ................................................... 55
C. EXPLORASI DATA ............................................................. 57
D. CROSSTAB (TABULASI SILANG)................................... 59
LEMBAR KERJA PRAKTEK MAHASISWA................ .... 60
6
PERTEMUAN KE 1
1. Capaian Pembelajaran : Setelah mengikuti praktikum, mahasiswa diharapkan
mampu menyebutkan arti dan manfaat distribusi frekuensi, menyusun
distribusi frekuensi data kualitatif dan data kuantitatif, menggambar grafik
frekuensi, frekuensi relatif, dan frekuensi kumulatif dan kurva lorenz.
2. Kemampuan Akhir yang diharapkan : Setelah mengikuti praktikum,
Mahasiswa D III Keuangan diharapkan mampu menjelaskan tentang Distribusi
Frekuensi.
3. Pokok Bahasan : Distribusi Frekuensi
4. Sub Pokok Bahasan :
a. Distribusi Frekuensi Data Kualitatif
b. Distribusi Frekuensi Data Kuantitatif
c. Kurva Lorenz
5. Materi :
A. Distribusi Frekuensi Data Kualitatif
Data yang disajikan pada Tabel 4.1 merupakan data kualitatif 50 orang
pembeli komputer dari lima jenis perusahaan komputer. Dari data tersebut kita
kesulitan untuk mengetahui dengan cepat, jenis komputer mana yang paling
banyak diminati pembeli. Untuk menjawab pertanyaan tersebut, maka datanya
perlu disajikan dalam distribusi frekuensi.
Tabel 4-1 Data mengenai 50 Orang Pembeli Komputer dari Beberapa Jenis
Perusahaan Komputer
IBM Compaq Compaq IBM IBM
Compaq Compaq Packard Bell Gateway
2000
Packard Bell
Apple Apple IBM Apple Compaq
Packard Bell Compaq Compaq IBM Packard Bell
Gateway
2000
Apple Apple Packard Bell Compaq
IBM Apple Apple Packard Bell Packard Bell
Apple Apple Compaq Gateway
2000
Compaq
Packard Bell IBM Gateway
2000
Compaq Apple
Packard Bell IBM Packard Bell Compaq Packard Bell
Gateway
2000
Apple IBM Apple Apple
7
Tabel 4.2 Distribusi Frekuensi Pembelian Komputer dari 5 Merek
Perusahaan Frekuensi
Apple 13
Compaq 12
Gateway 2000 5
IBM 9
Packard Bell 11
Jumlah 50
Tabel 4.2 menyajikan hasil distribusi frekuensi yang dilakukan. Dari tampilan
data tersebut dapat diketahui dengan cepat bahwa Apple merupakan jenis
komputer yang paling banyak diminati dan Gateway 2000 adalah jenis komputer
yang peminatnya paling sedikit.
Distribusi Frekuensi Relatif dan Persentase Data Kualitatif
Distribusi frekuensi menunjukkan jumlah atau banyaknya item dalam
setiap kategori atau kelas. Meskipun demikian, kita sering tertarik untuk
mengetahui proporsi atau persentase item dalam setiap kelas. Frekuensi relatif
dari suatu kelas adalah proporsi item dalam setiap kelas terhadap jumlah
keseluruhan item dalam data tersebut. Jika sekelompok data, memiliki n
observasi, maka frekuensi relatif dari setiap kategori atau kelas akan diberikan
sebagai berikut.
Frekuensi relatif dari suatu kelas = 𝑓𝑟𝑒𝑘𝑢𝑒𝑛𝑠𝑖 𝑘𝑒𝑙𝑎𝑠
𝑛
Sedangkan frekuensi persentase dari suatu kelas adalah frekuensi relatif kelas
tersebut dikalikan dengan 100.
PERSENTASE = PROPORSI dikalikan 100.
Distribusi frekuensi relatif adalah ringkasan dalam bentuk tabel dari
sekelompok data yang menunjukkan frekuensi relatif bagi setiap kelas. Distribusi
frekuensi persentase adalah ringkasan dalam bentuk tabel dari sekelompok data
yang menunjukkan frekuensi persentase bagi setiap kelas. Dengan menggunakan
rumus frekuensi relatif diatas, kita akan mendapatkan data tentang pembelian
komputer dari tabel 4.2 dapat kita hitung frekuensi relatif untuk Apple, yaitu 13
50 =
0, 26, frekuensi relatif untuk compaq, yaitu 12
50 = 0,24, dan seterusnya. Sedangkan
untuk mendapatkan frekuensi persentase, frekuensi relatif tersebut dikalikan
dengan 100. Hasil perhitungannnya dapat dilihat pada tabel 4.3.
8
TABEL 4.3 Distribusi Frekuensi Relatif dan Persentase Pembelian
Komputer
Perusahaan Frekuensi Relatif Frekuensi Persentase
Apple 0,26 26
Compaq 0,24 24
Gateway 2000 0,10 10
IBM 0,18 18
Packard Bell 0,22 22
Total 1,00 100
B. Distribusi Frekuensi Data Kualitatif
Defenisi tentang distribusi frekuensi berlaku juga baik untuk data kualitatif
maupun kuantitatif. Kita harus lebih hati-hati dalam menentukan kelas yang
digunakan pada distribusi frekuensi. Ada tiga hal yang perlu diperhatikan dalam
menentukan kelas bagi distribusi frekuensi untuk data kuantitatif, yaitu
1. Jumlah kelas
Untuk menentukan banyaknya kelas menggunakan rumus:
k = 1 + 3,322 log n
dimana: k = banyaknya kelas
n = banyaknya nilai observasi
2. Interval kelas
Pada umumnya, untuk menentukan besarnya kelas (panjang interval) digunakan
rumus:
c = 𝑋𝑛− 𝑋1
𝑘
dimana:
c = perkiraan besarnya (class width, class size, class length)
k = banyaknya kelas
Xn = nilai observasi terbesar
X1 = nilai observasi terkecil
9
3. Batas kelas
Batas kelas bawah menunjukkan kemungkinan nilai data terkecil pada suatu kelas,
sedangkan batas kelas atas mengidentifikasi kemungkinan nilai data terbesar
dalam suatu kelas. Jika diketahui kelas-kelas interval adalah 30-39, 40-49, 50-59,
dan seterusnya, maka untuk niali batas bawahnya (lower limit) adalah 30, 40, 50,
dan seterusnya. Sedangkan nilai batas atasnya (upper limit) adalah 39, 49, 59, dan
seterusnya.
C. Kurva Lorenz
Kurva lorenz adalah salah satu jenis kurva frekuensi kumulatif yang
menggambarkan pemerataan pendapatan (dalam analisis ekonomi).
10
LEMBAR KERJA PRAKTEK MAHASISWA
Nama : .................................................................... NILAI Nim : .................................................................... Tanggal : ....................................................................
I. TUJUAN
Mahasiswa diharapkan mampu mendefenisikan tentang distribusi frekuensi dan
manfaatnya, menyusun distribusi frekuensi data kualitatif dan data kuantitatif,
menggambar grafik frekuensi, frekuensi relatif, dan frekuensi kumulatif dan kurva
lorenz.
II. ALAT DAN BAHAN
1. Buku Teks
2. Lembar Kerja Praktek Mahasiswa (LKPM)
3. Laptop
4. Internet
III. CARA KERJA
1. Bacalah definisi distribusi frekuensi.
2. Carilah di internet masing-masing definisi dan manfaat dari distribusi frekuensi.
3. Kerjakan latihan yang tersedia.
IV. KERJAKAN LATIHAN DI BAWAH INI
1. Berat badan dalam kg dari 80 mahasiswa Universitas Atmajaya adalah sebagai
berikut :
68 84 75 82 68 90 62 88 76 93
73 79 88 73 60 93 71 59 85 75
61 65 75 87 74 62 95 78 63 72
66 78 82 75 94 77 69 74 68 60
96 78 89 61 75 95 60 79 83 71
79 62 67 97 78 85 76 65 71 75
65 80 73 57 88 78 62 76 53 74
86 67 73 81 72 63 76 75 85 77
11
a) Buatlah tabel frekuensi dimulai dengan kelas interval :
50 – 54, 55-59, dan seterusnya.
b) Berapa mahasiswa yang beratnya 90-94, dan yang 95-99 ?
c) Buatlah “less than ogive” dan “more than ogive”.
2. X= upah karyawan suatu perusahaan dalam ribuan rupiah perbulan, dengan
data sebagai berikut:
Kelas Nilai F
100-199 15
200-299 20
300-399 30
400-499 25
500-599 15
600-699 10
700-799 5
a) Gambarkan histogram dan poligonnya.
b) Berapa orang karyawan yang upahnya Rp 300 ribu atau lebih?
c) Berapa orang karyawan yang upahnya kurang dari Rp 300 ribu?
d) Berapa persen karyawan yang upahnya Rp 100 ribu atau lebih?
3. Diketahui distribusi frekuensi relatif sebagai berikut:
Kategori Frekuensi Relatif
A 0,22
B 0,18
C 0,40
D ?
a) Berapa frekuensi relatif kelas D?
b) Jika diketahui ukuran sampel adalah 200. Berapa frekuensi kelas D?
c) Buatlah distribusi frekuensi?
d) Buatlah distribusi frekuensi presentasenya!
12
PERTEMUAN KE 2
1. Capaian Pembelajaran : Setelah mengikuti praktikum, mahasiswa diharapkan
dapat memahami arti dan manfaat dari beberapa ukuran pemusatan,
menggunakan rumus-rumus ukuran pemusatan, menghitung beberapa ukuran
pemusatan, mengetahui jenis-jenis ukuran pemusatan.
2. Kemampuan Akhir yang diharapkan : Setelah mengikuti praktikum,
Mahasiswa D III Keuangan diharapkan mampu menjelaskan tentang ukuran
pemusatan, menghitung ukuran pemusatan dan mengetahui jenis-jenis ukuran
pemusatan.
3. Pokok Bahsan : Ukuran Pemusatan.
4. Sub Pokok Bahasan :
a. Defenisi Ukuran pemusatan
b. Beberapa Sifat/Ciri Rata-rata Hitung
c. Median (Data Tidak Berkelompok)
d. Median (Data Berkelompok)
e. Modus (Data Tidak Berkelompok)
f. Modus (Data Berkelompok)
5. Materi :
A. Definisi Ukuran Pemusatan
Rata-rata (average) adalah nilai yang mewakili himpunan atau
sekelompok data (a set of data). Nilai rata-rata umumnya cenderung terletak
disuatu kelompok data yang disusun menurut besar atau kecilnya nilai. Beberapa
jenis rata-rata yang sering dipergunakan ialah rata-rata hitung, rata-rata ukur, dan
rata-rata harmonis. Setiap rata-rata tersebut selain mempunyai keunggulan juga
memiliki kelemahan, dan ketepatan penggunaannya sangat tergantung pada sifat
dari data dan tujuannya (misalnya untuk melakukan analisis).
Rata-rata hitung sering digunakan sebagai dasar perbandingan anatara dua
kelompok nilai atau lebih. Misalnya ada dua mahasiswa, yaitu Toni dan Joni dari
Fakultas Ekonomi dan Bisnis Universitas Atmajaya, yang menempuh ujian lima
macam mata pelajaran, yaitu: Statistik, Matematika, Teori Ekonomi, Pemasaran,
dan Metode Riset. Untuk menentukan mana yang lebih pandai antara Toni atau
Joni, dapat dipergunakan nilai rata-rata. Misalkan hasil ujian Toni dan Joni adalah
seperti disajikan dalam Tabel 5.1.
TABEL 5.1 Hasil Ujian Hipotesis Toni dan Joni
Masa Pelajaran Hasil Ujian Toni
(X)
HASIL Ujian Joni
(Y)
Statistik 8 7
Matematika 7 6
13
Teori Ekonomi 6 5
Pemasaran 8 6
Metode Riset 7 6
Jumlah 36 30
Rata-rata 36
5 =7,2
30
5 = 6
Dari nilai rata-rata tersebut dapat disimpulkan bahwa Toni lebih pandai dari Joni.
Untuk membandingkan tingkat gaji/upah per bulan karyawan perusahaan
A dan perusahaan B mana yang lebih tinggi, maka dilakukan wawancara terhadap
10 karyawan perusahaan A dan 10 karyawan perusahaan B disajikan pada Tabel
5.2.
TABEL 5.2 Hasil Wawancara dari 10 Karyawan Perusahaan A dan B
Karyawan Perusahaan A Perusahaan B
1 Rp 50.000 Rp 45.000
2 40.000 35.000
3 45.000 40.000
4 55.000 30.000
5 60.000 25.000
6 75.000 50.000
7 65.000 55.000
8 80.000 45.000
9 75.000 30.000
10 50.000 35.000
Jumlah Rp 595.000 Rp 390.000
Rata-rata Rp 59.500 Rp 39.000
Ternyata rata-rata upah/gaji karyawan perusahaan A lebih tinggi daripada
upah/gaji karyawan B.
Rata-rata Hitung
14
Rata-rata Hitung (Data Berkelompok)
Rata-rataHitung Tertimbang
B. Beberapa Sifat/Ciri Rata-Rata Hitung
I. Jumlah deviasi atau selisih dari suatu kelompok nilai terhadap rata-ratanya sama
dengan nol, yaitu
∑(𝑋𝑖 − 𝑋) = 0,
𝑛
𝑖=1
II. Jumlah deviasi kuadrat dari suatu kelompok nilai terhadap nilai k akan
minimum (terkecil) jika k = X. Maksudnya,
III. Apabila ada kelompok nilai:
Kelompok pertama sebanyak f1 nilai dengan rata-rata X1
Kelompok kedua sebanyak f2 nilai dengan rata-rata X2
Kelompok ke-i sebanyak fi nilai dengan rata-rata Xi
Kelompok ke-k sebanyak fk nilai dengan rata-rata Xk
Oleh karenanya, rata-rata dari seluruh nilai adalah sebagai berikut:
15
IV. Apabila k adalah sembarang nilai yang merupakan nilai rata-rata asumsi/
anggaran dan d1 merupakan deviasi atau selisih dari nilai X1 terhadap k (d1 = X1 –
k, i = 1, 2 . . . , n), maka kita peroleh rumus sebagai berikut:
V. Jika suatu kelompok data sangat heterogen, maka rata-rata hitung tidak dapat
meawakili masing-masing nilai dari kelompok tersebut dengan baik. Rata-rata
hitung hanya dapat mewakili dengan sempurna atau tepat sekali apabila kelompok
data homogen (semua nilai dalam kelompok sama). Semakin heterogen datanya
semakin tidak tepat.
C. Median (Data Tidak Berkelompok)
Untuk n Ganjil
Kalau k adalah suatu bilangan konstan dan n ganjil, maka selalu dapat ditulis:
n =2k + 1
atau k = 𝑛−1
2
Untuk n Genap
Kalau k adalah suatu bilangan konstan dan n genap, maka selalu dapat ditulis n =
2k, atau k = 𝑛
2. Misalkan n = 8, maka k = 4
Median = 1
2 (Xk + Xk+1)
D. Median (Data Berkelompok)
Untuk data berkelompok, nilai median dapat dicari dengan interpolasi yang
rumusnya adalah sebagai berikut:
16
Dimana :
L0 = tepi bawah dari kelas median
n = jumlah data (observasi)
(∑𝑓𝑖)0 = frekuensi kumulatif sebelum kelas median
fm =frekuensi kelas median
c =lebar kelas interval
E. Modus Data Tidak Berkelompok
Modus dari suatu kelompok nilai adalah nilai kelompok tersbut yang mempunyai
frekuensi tertinggi, atau nilai yang paling banyak terjadi di dalam suatu
kelompok nilai atau disingkat Mod.
Xi = modus = mod kalau fi mempunyai nilai terbesar dibandingkan dengan
frekuensi lainnya.
Suatu distribusi mungkin tidak mepunyai mod atau mungkin mempunyai dua mod
atau lebih. Distribusi disebut Unimodal (jika mempunyai satu mod), Bimodal (jika
mempunyai dua mod), atau Multimodal (jika mempunyai lebih dari dua mod).
F. Modus Data Berkelompok
Apabila data sudah dikelompokkan dan disajikan dalam tabel frekuensi, maka
dalam mencari modusnya harus menggunakan rumus:
Dimana :
L0 = tepi bawah dari kelas modus
(f1)0 = selisih frekuensi kelas modus dengan kelas sebelumnya
(f2)0 = selisih frekuensi kelas modus dengan kelas sebelumnya
17
c = lebar kelas interval
G. Rata-rata Diluar Ukuran Pemusatan: Rata-rata Ukur
H. Rata-rata Harmonis
I. Kuartil, Desil Dan Presentil (Data Berkelompok)
Rumus Kuartil:
Rumus Desil:
19
LEMBAR KERJA PRAKTEK MAHASISWA
Nama : .................................................................... NILAI Nim : .................................................................... Tanggal : ....................................................................
I. TUJUAN
Setelah mengikuti praktikum, mahasiswa diharapkan dapat mendefinisikan
tentang ukuran pemusatan, menghitung ukuran pemusatan dan mengetahui jenis-
jenis ukuran pemusatan.
II. ALAT DAN BAHAN
1. Buku Teks
2. Lembar Kerja Praktek Mahasiswa (LKPM)
3. Laptop
4. Internet
III. CARA KERJA
1. Bacalah defenisi ukuran pemusatan dan jenis-jenis ukuran pemusatan.
2. Carilah di internet masing-masing defenisi ukuran pemusatan dan jenis-jenis
ukuran pemusatan.
3. Kerjakan latihan yang tersedia.
IV. KERJAKAN LATIHAN DI BAWAH INI
1. 30 orang Ibu rumah tangga ditanya tentang pengeluaran sebulan (dalam ribuan
rupiah) untuk keperluan hidup. Hasilya adalah sebagai berikut:
30 40 35 25 35 50
40 45 40 20 45 45
20 35 45 25 40 30
25 33 20 20 20 45
35 34 15 30 25 40
a) hitunglah rata-rata pengeluaran ibu rumah tangga.
b) berapa besarnya median?
c) berapa besarnya modus?
20
2. Umur pekerja yang baru dipekerjakan dan belum mempunyai keahlian
dikelompokkan kedalam distribusi berikut:
Umur (tahun) Banyaknya Pekerja
18-21 7
22-25 11
26-29 20
30-34 12
a) Hitung median umur pekerja!
b) Apa arti nilai tersebut?
c) Hitung modus umur pekerja!
3. Wilayah metropolitan diharapkan akan memperlihatkan laju kenaikan jumlah
lapangan kerja yang tinggi antara tahun 1999 dan 2000. Jumlah lapangan kerja
diharapkan meningkat dari 5.164.900 menjadi 6.286.800. Berapa rata-rata ukur
laju pertumbuhan kenaikan tahunan yang diharapkan?
21
PERTEMUAN KE 3
1. Capaian Pembelajaran : Setelah mengikuti praktikum, mahasiswa
diharapkan mampu menjelaskan arti beberapa ukuran dispersi, menggunakan
rumus-rumus ukuran dispersi, menghitung beberapa ukuran dispersi, dan
menjelaskan jenis-jenis ukuran dispersi.
2. Kemampuan Akhir yang diharapkan :
a. Mendefinisikan pengertian ukuran dispersi
b. Menggunakan rumus-rumus ukuran dispersi
c. Menghitung beberapa ukuran dispersi
d. Menjelaskan jenis-jenis ukuran dispersi
3. Pokok Bahasan : Ukuran Variasi atau Dispersi
4. Sub Pokok Bahasan :
a. Mengapa Mempelajari Dispersi
b. Pengukuran Dispersi Data Tidak Dikelompokkan
c. Pengukuran Dispersi Data Dikelompokkan
5. Materi :
A. Mengapa Mempelajari Dispersi
Nilai rata-rata seperti mean atau median hanya menitikberatkan pada pusat
data, tapi tidak memberikan informasi tentang sebaran nilai pada data tersebut.
Alasan kedua mempelajari dispersi adalah untuk membandingkan sebaran data
dari dua informasi distribusi nilai misalnya untuk membandingkan tingkat
produktivitas dari dua perusahaan. Meskipun kita mengetahui bahwa produktivitas
rata-rata dari dua perusahaan mobil adalah 20 buah mobil sehari, namun, kita
tentu tidak dapat langsung mengatakan bahwa tingkat produksi mereka identik.
Kita perlu melihat bagaimana sebaran nilai (jumlah produksi harian) dari kedua
perusahaan tersebut.
B. Pengukuran Dispersi Data Tidak Dikelompokkan
Nilai Jarak
Diantara ukuran variasi yang paling sederhana dan paling mudah dihitung ialah
nilai jarak (range). Apabila suatu kelompok nilai (data) sudah disusun menurut
urutan yang terkecil (X1) Sampai dengan yang terbesar (Xn), maka untuk
menghitung nilai jarak dipergunakan rumus berikut :
Nilai Jarak = NJ = Xn – X1
atau NJ = Nilai Maksimum – Nilai Minimum
22
Rata-rata Simpangan
Rata-rata simpangan (RS) adalah rata-rata hitung dari nilai absolut simpangan
yang dirumuskan:
Simpangan Baku
C. Pengukuran Dispersi Data Dikelompokkan
Nilai Jarak
Untuk data berkelompok, nilai jarak (NJ) dapat dihitung dengan dua cara:
a) NJ = Nilai tengah kelas terakhir - Nilai tengah kelas pertama
b) NJ = Batas atas kelas terakhir - Batas atas kelas pertama
23
Simpangan Baku
D. Nilai atau Data Yang Dibakukan (Standardized Value)
Variabel X mempunyai rata-rata 𝜇 dengan simpangan baku 𝜎. Jadi 𝑋𝑖
𝜎 merupakan
nilai baku dari Xi, dan Zi = 𝑋𝑖− 𝜇
𝜎 merupakan nilai simpangan atau deviasi yang
baku (standardized)
E. Koefisien Variasi
24
LEMBAR KERJA PRAKTEK MAHASISWA
Nama : .................................................................... NILAI Nim : .................................................................... Tanggal : ....................................................................
I. TUJUAN
Setelah mengikuti praktikum, mahasiswa diharapkan dapat mendefenisikan
beberapa ukuran dispersi, menggunakan rumus-rumus ukuran dispersi,
menghitung beberapa ukuran dispersi, dan menjelaskan jenis-jenis ukuran
dispersi.
II. ALAT DAN BAHAN
1. Buku Teks
2. Lembar Kerja Praktek Mahasiswa (LKPM)
3. Laptop
4. Internet
III. CARA KERJA
1. Bacalah definisi ukuran variasi atau dispersi dan jenis-jenis ukuran dispersi.
2. Carilah di internet masing-masing definisi dan jenis-jenis ukuran variasi atau
dispersi.
3. Kerjakan latihan yang tersedia.
IV. KERJAKAN LATIHAN DI BAWAH INI
1. Dari 5 orang wiraniaga diperoleh data banyaknya barang yang terjual masing-
masing adalah: 5, 8, 4, 10, dan 3.
a) Berapa nilai jaraknya ?
b) Berapa nilai rata-rata simpangannya ?
2. Hasil ujian susulan 20 mahasiswa pada mata kuliah Statistik adalah sebagai
berikut: 65, 95, 83, 54, 38, 77, 68, 61, 70, 92, 45, 65, 78, 81, 66, 50, 67, 75, 90, 83
a) Carilah rata-rata hitungnya.
b) Berapa deviasi standarnya?
c) Interpretasikan hasil perhitungan Saudara!
25
3. Dengan menggunakan distribusi frekuensi berikut:
Kelas Frekuensi
0-4 2
5-9 7
10-14 12
15-19 6
20-24 3
a) Tentukan jaraknya.
b) Hitung deviasi standarnya.
c) Berapa variansnya?
26
PERTEMUAN KE 4
1. Capaian Pembelajaran : Setelah mengikuti praktikum, Mahasiswa
diharapkan mampu menjelaskan pentingmya analisis hubungan, menghitung
koefisien korelasi dan koefisien regresi sederhana, menjelaskan arti koefisien
korelasi dan koefisien regresi sederhana, memahami dan menerapkan regresi
dan korelasi, menggunakan teknik ramalan dan melakukan analisis regresi.
2. Kemampuan Akhir yang diharapkan :
a. Mendefinisikan pengertian koefisien korelasi dan koefisien regresi
sederhana.
b. Menerapkan regresi dan korelasi.
c. Menggunakan teknik ramalan.
d. Melakukan analisis regresi.
3. Pokok Bahasan : Analisis Korelasi dan Regresi Linear Sederhana
3. Sub Pokok Bahasan :
a. Pentingnya Analisis Hubungan
b. Koefisien Korelasi dan Kegunaannya
c. Koefisien Korelasi Data Berkelompok
d. Korelasi Rank (Peringkat)
e. Korelasi Data Kualitatif
f. Teknik Ramalan dan Analisis Regresi
4. Materi :
A. Pentingnya Analisis Hubungan
Analisis korelasi adalah metode statistik yang digunakan untuk mengukur
besarnya hubungan linear antara dua variabel atau lebih. Tujuan dari analisis
korelasi adalah untuk mengetahui apakah diantara dua variabel terdapat hubungan
atau tidak, dan jika ada hubungan bagaimanakah arah hubungan dan seberapa
besar hubungan tersebut. Perlunya mengetahui hubungan antar variabel adalah
untuk melakukan perencanaan dalam menghadapi resiko dimasa yang akan datang
dengan melakukan ramalan kuantitatif.
B. Koefisien Korelasi dan Kegunannya
Hubungan variabel terbagi 2 yaitu: Hubungan positif dan hubungan
negatif. Hubungan X dan Y dikatakan positif apabila kenaikan (penurunan) X
pada umumnya diikuti oleh kenaikan (penurunan) Y.
Contoh hubungan positif:
X = Pupuk Y = Produksi
27
X = Biaya iklan Y = Hasil Penjualan
X = Berat badan Y = Tekanan darah
Sebaliknya dikatakan negatif bila kenaikan (penurunan) X pada umumnya diikuti
oleh penurunan (kenaikan) Y.
Contoh hubungan negatif:
X = jumlah akseptor Y = jumlah kelahiran
X = harga suatu barang Y = permintaan barang
X = pendapatan masyarakat Y = kejahatan ekonomi
Gambar 1. Diagram berhubungan positif dan negative
28
Gambar 2. Diagram tidak berhubungan
Kuat dan tidaknya hubungan antara X dan Y dapat dinyatakan dengan fungsi
linear (paling tidak mendekati), diukur dengan suatu nilai yang disebut koefisien
korelasi.
Nilai koefisien korelasi ini paling sedikit –1 dan paling besar +1.
Jadi jika r = koefisien korelasi, maka r dapat dinyatakan sebagai berikut :
Jika :
r = +1, hubungan X dan Y sempurrna dan positif
r = -1, hubungan X dan Y sempurna dan negatif
r mendekati +1, hubungan sangat kuat dan positif
r mendekati –1, hubungan sangat kuat dan negatif,
r = 0, hubungan X dan Y lemah sekali atau tidak ada hubungan
29
Koefisien Penentuan (kp)
Besarnya konstribusi dari X terhadap naik turunnya nilai Y di hitung oleh suatu
koefisien yang disebut koefisien penentuan (KP).
Untuk menghitung KP digunakan rumus berikut:
KP = r^2
Cara menghitung r adalah sebagai berikut:
Gambar 3. Rumus koefisien korelasi
C. Koefisien Korelasi Data Berkelompok
Untuk data yang berkelompok rumusnya adalah sebagai berikut:
30
D. Korelasi Rank (Peringkat)
Koefisien korelasi rank adalah indeks angka-angka yang dipakai untuk mengukur
keeratan (erat atau tidaknya) korelasi antara dua variabel yang didasarkan atas
ranking (tingkatan).
Koefisien korelasi rank dirumuskan:
dimana di = selisih dari pasangan rank ke-i
n= banyaknya pasangan rank
E. Korelasi Data Kualitatif
Untuk mengukur kuatnya hubungan data kualitatif digunakan Contingency
Coefficient (koefisien bersyarat): Cc digunakan rumus
32
LEMBAR KERJA PRAKTEK MAHASISWA
Nama : .................................................................... NILAI Nim : .................................................................... Tanggal : ....................................................................
I. TUJUAN
Setelah mengikuti praktikum, mahasiswa diharapkan mampu menjelaskan
pentingmya analisis hubungan, menghitung koefisien korelasi dan koefisien
regresi sederhana, menjelaskan arti koefisien korelasi dan koefisien regresi
sederhana, memahami dan menerapkan regresi dan korelasi, menggunakan teknik
ramalan dan melakukan analisis regresi.
II. ALAT DAN BAHAN
1. Buku Teks
2. Lembar Kerja Praktek Mahasiswa (LKPM)
3. Laptop
4. Internet
III. CARA KERJA
1. Bacalah definisi koefisien korelasi dan koefisien regresi sederhana, menerapkan
regresi dan korelasi, serta menggunakan teknik ramalan dan melakukan analisis
regresi.
2. Carilah di internet masing-masing definisi koefisien korelasi dan koefisien regresi
sederhana, menerapkan regresi dan korelasi, serta teknik ramalan.
3. Kerjakan latihan yang tersedia.
IV. KERJAKAN LATIHAN DI BAWAH INI
1. X = nilai ujian Kalkulus, mahasiswa FE-Usakti Jakarta
Y = nilai ujian Statistik
Hasil ujian tersebut sudah dikelompokkan dalam bentuk tabel berikut.
Statistik Kalkulus
1-20 21-40 41-60 61-80 81-100
(1) (2) (3) (4) (5) (6)
1-20 2 4 3
21-40 5 4 3
41-60 2 6 8 3
61-80 2 4 2
81-100 1 3 5
Angka dalam sel menunjukkana banyaknya mahasiswa. Hitung r, (apakah
hubungan antara nilai Kalkulus dan Statistik cukup kuat?)
2. Tabel berikut menunjukkan nilai 10 mahasiswa yang telah berbentuk rank, yang
diperoleh dari hasil ujian statistik dan laboratorium. Carilah korelasi ranknya.
33
Laboratorium 8 3 9 2 7 10 4 6 1 5
Kuliah 9 5 10 1 8 7 3 4 2 6
3. X = Pendapatan, ribuan rupiah
Y = Konsumsi, ribuan rupiah
X 50 60 70 80 90
Y 40 45 55 65 70
Berapakah ramalan Y kalau X = 100, dengan menggunakan garis regresi
sederhana.
34
PERTEMUAN KE 5
1. Capaian Pembelajaran : Setelah mengikuti praktikum, mahasiswa diharapkan
dapat memahami hubungan lebih dari dua variabel, mendapatkan persamaan
regresi linear berganda, menghitung korelasi berganda dan korelasi parsial,
membuat persamaan trend nonlinear dari suatu series data.
2. Kemampuan Akhir yang diharapkan :
a. Menjelaskan hubungan lebih dari dua variabel
b. Menjelaskan persamaan regresi linear berganda
c. Menghitung korelasi berganda dan korelasi parsial
d. Menguraikan persamaan trend nonlinear dari suatu series data
3. Pokok Bahasan : Regresi Linear Berganda dan Regresi (Trend) Nonlinear
4. Sub Pokok Bahasan :
a. Hubungan Lebih Dari Dua Variabel Regresi Linear Berganda
b. Cara Memecahkan Persamaan Lebih Dari Dua Variabel
c. Trend Parabola
d. Trend Eksponensial (Logaritma)
e. Trend Eksponensial yang Diubah
f. Trend Logistik
5. Materi :
A. Hubungan Lebih Dari Dua Variabel Regresi Linear Berganda
Apabila terdapat lebih dari dua variabel, maka hubungan linear dapat dinyatakan
dalam persamaan regresi linear berganda sebagai berikut:
Dimana :
Y = nilai observasi (data hasil pencatatan)
Y’ = nilai regresi
i = 1, 2, . . . , n
Untuk menghitung b0, b1, b2, . . . , bk, digunakan metode kuadrat terkecil dengan
persamaan berikut.
36
B. Cara Memecahkan Persamaan Lebih Dari Dua Variabel
Banyak sekali cara untuk memecahkan persamaan dengan variabel lebih dari dua,
diantaranya adalah dengan menggunakan determinan.
Korelasi Berganda
Koefisien korelasi linear berganda rumusnya adalah:
Apabila KKLB dikuadratkan, maka akan diperoleh koefisien penentuan (KP),
yaitu suatu nilai untuk mengukur besarnya sumbangan dari beberapa variabel X
terhadap variasi (naik turunnya). Kalau Y’ = b0 + b1X1 + B2X2, KP mengukur
besarnya sumbangan X1 dan X2 terhadap variasi, atau naik turunnya Y.
Koefisien Korelasi Parsial
Kalau variabel Y berkolaborasi dengan X1 dan X2, maka koefisien korelasi anatar
Y dan X1 (X2 konstan), antara Y dan X2 (X1 konstan), dan antara X1 dan X2 (Y
konstan) disebut koefisien korelasi parsial (KKP).
37
C. Regresi Non Linear
1. Trend Parabola
Garis trend pada dasarnya adalah garis regresi dimana variabel bebas X
merupakan variabel waktu. Baik garis regresi maupun trend dapat berupa garis
lurusmaupun tidak lurus. Persamaan garis trend parabola adalah sebagai berikut:
Y’ = a + bX + cX2
38
2. Trend Eksponensial (Logaritma)
Y’ = abx
3. Trend Eksponensial yang Diubah
Y = k + abX
4. Trend Logistik
Y’ = 𝐾
1+10𝑎+𝑏𝑋 , dimana: k, a, dan b konstan, biasanya b < 0.
5. Trend Gompertz
Trend ini digunakan untuk meramalkan jumlah penduduk pada usia tertentu.
rumus: Y’ = kabx
39
LEMBAR KERJA PRAKTEK MAHASISWA
Nama : .................................................................... NILAI Nim : .................................................................... Tanggal : ....................................................................
I. TUJUAN
Setelah mengikuti praktikum, mahasiswa dapat memahami hubungan lebih dari
dua variabel, mendapatkan persamaan regresi linear berganda, menghitung
korelasi berganda dan korelasi parsial, membuat persamaan trend nonlinear dari
suatu series data.
II. ALAT DAN BAHAN
1. Buku Teks
2. Lembar Kerja Praktek Mahasiswa (LKPM)
3. Laptop
4. Internet
III. CARA KERJA
1. Bacalah definisi regresi linear berganda dan regresi (trend) nonlinear.
2. Carilah di internet masing-masing definisi dari regresi linear berganda dan
regresi (trend) nonlinear, menghitung korelasi berganda dan korelasi parsial,
membuat persamaan trend nonlinear dari suatu series data.
3. Kerjakan latihan yang tersedia.
IV. KERJAKAN LATIHAN DI BAWAH INI
I. X = Pembentukan Modal (miliar rupiah)
Y = Produk Domestik Bruto (triliun rupiah)
Tahun 2000 2001 2002 2003 2004 2005 2006 2007
X 19 20 20 21 21 21 23 24
Y 30 30 31 32 45 54 60 71
a) Dengan menggunakan persamaan regresi, berapa ramalan Y jika X = 25?
b) Hitung koefisien penentu dan apa artinya?
c) Berapa besarnya pengaruh X terhadap Y, (jika X naik satu unit)
2. X = luas panen padi jutaan ha
Y = produksi padi jutaan metrik ton.
Tahun 2000 2001 2002 2003 2004 2005 2006 2007
X 9,4 8,4 8,9 8,8 9,0 9,4 9,0 9,1
Y 23 24 25 26 30 33 34 35
Dengan menggunakan persamaan regresi, berapa ramalan, Y jika X = 8,5?
40
3. X1 = % Kenaikan biaya promosi per tahun
X2 = % kenaikan daya beli masyarakat
Y = % Kenaikan hasil penjualan
X1 1 2 4 6 7 9
X2 2 4 5 7 8 10
Y 1 3 6 8 9 11
Dengan menggunakan persamaan garis regresi linear berganda, berapa ramalan Y
jika X1 = 10, dan X2 = 12.
41
PERTEMUAN KE 6
1. Capaian Pembelajaran : Setelah mengikuti praktikum, mahasiswa diharapkan
mampu memahami arti dari data berkala, menyebutkan jenis-jenis
gerakan/variasi data berkala, menggunakan berbagai metode untuk
memperoleh trend.
2. Kemampuan Akhir yang diharapkan :
a. Mendefinisikan pengertian data berkala
b. Menjelaskan jenis-jenis gerakan/variasi data berkala
c. Menguraikan metode untuk memperoleh trend
3. Pokok Bahasan : Analisis Waktu Berkala
4. Sub Pokok Bahasan :
a. Analisis Data Berkala
b. Klasifikasi Gerakan/Variasi Data Berkala
c. Menentukan Trend
5. Materi
A. Analisis Data Berkala
Data berkala (time series data) adalah data yang dikumpulkan dari waktu
ke waktu untuk menggambarkan perkembangan suatu kegiatan (perkembangan
produksi, harga, hasil penjualan, jumlah personil, penduduk, jumlah kecelakaan,
jumlah kejahatan, jumlah peserta Kb, dan lain sebagainya. Dengan data berkala
kita juga dapat membuat ramalan-ramalan berdasarkan garis regresi atau garis
trend.
Secara matematis suatu data berkala diberi simbol Y1, Y2, ....Yi,...,Yn sebagai nilai
dari variabel Y (yaitu produksi, hasil penjualan, ekspor, harga, dan lain
sebagainya).
Y1 = data pada waktu pertama, Y2 = data pada waktu kedua,
Yi = data pada waktu i dan Yn = data pada waktu n.
Y merupakan fungsi dari waktu, Y = f(X), di mana X = waktu
B. Klafikasi Gerakan/Variasi Data Berkala
Gerakan/variasi data berkala terdiri dari empat macam atau empat komponen
yaitu:
1. Gerakan trend jangka panjang, yaitu gerakan yang berjangka panjang yang
menunjukkan adanya kecenderungan menuju ke satu arah kenaikan dan
penurunan secara keseluruhan dan bertahan dalam jangka waktu yang digunakan
sebagai ukuran adalah 10 tahun keatas. Disingkat T (= trend)
2. Gerakan/variasi siklis, yaitu gerakan/variasi jangka panjang di sekitar garis
trend (berlaku untuk data tahunan). Gerakan siklis bisa terulang setelah jangka
42
waktu tertentu (setiap 3 tahun, 5 tahun, atau lebih dan bisa juga terulang dalam
jangka waktu yang sama. Disingkat C (= cycle)
3. Gerakan/variasi musiman , yaitu gerakan yang mempunyai pola tetap dari
waktu ke waktu, misalnya menaikny harga pohon cemara menjelang natal,
meningkatnya harga bahan makanan dan pakaian menjelang hari raya idul fitri.
Disingkat S (= seasonal)
4. Gerakan/variasi yang tidak teratur, yaitu gerakan/variasi yang sifatnya
sporadis, misalnya naik turunnya produksi akibat banjir yang datangnya tidak
teratur, gampa bumi, tsunami, gunung meletus. Disingkat I (= irreguler).
Apabila gerakan trend, siklis, musiman, dan acak masing-masing diberi simbol T,
C, S, dan I, maka data berkala Y merupakan hasil kali 4 komponen tersebut yaitu:
Y = T x C x S x I
Ada juga ahli statistik yang menganggap bahwa data berkala merupakan hasil
penjumlahan dari 4 komponan tersebut yaitu:
Y = Y + C+ S +I
C. Menentukan Trend
1. Metode Tangan Bebas
Langkah-langkah untuk menentukan garis trend dengan menggunakan metode
tangan bebas (free hand method) adalah
1. Buat sumbu tegak Y sumbu mendatar X
2. Buat scatter diagram, yaitu kumpulan titik-titik koordinat (X, Y); X =
variabel
3. Dengan jalan observasi atau pengamatan langsung terhadap bentuk scatter
diagram, tariklah garis yang mewakili atau paling tidak mendekati semua
titik koordinat yang membentuk diagram pancar tersebut. Misalnya Y =
data berkala; X = waktu (tahun, bulan, dan lain sebagainya).
Y : Y1, Y2, ..., Yi..., Yn
X : X1, X2, ..., Xi..., Xn
2. Metode Rata-rata Semi
Cara dengan metode rata-rata semi memerlukan langkah-langkah berikut:
1. Data dikelompokkan menjadi dua, masing-masing kelompok harus
mempunyai jumlah data yang sama. Jika ada 10 data masing-masing 5, 8
data dikelompokkan menjadi dua dengan jumalah masing-masing 4, 6 data
43
dikelompokkan menjadi dua dengan jumlah masing-masing 3. Kalau data
ganjilnya, hilangkan satu, yaitu yang berada ditengah: 9 data masing-
masing 4, 7 data dikelompokkan menjadi dua dengan jumlah masing-
masing 3 dan lain sebagainya.
2. Masing-masing kelompok dicari rata-ratanya, katakanlah Y1,dan Y2, yang
merupakan ordinatnya.
3. Titik absis harus dipilih dari variabel X yang berada di tengah masing-
masing kelompok (tahun atau waktu yang di tengah).
3. Metode Rata-rata Bergerak
Apabila kita mempunyai data berkala sebanyak t: Y1, Y2, . . . , Yi, . . . , Yt,
maka rata-rata bergerak (moving average) n waktu (tahun, bulan, minggu, hari)
merupakan rata-rata hitung berikut:
𝑌1+𝑌2+⋯+𝑌𝑛
𝑛,
𝑌2+𝑌3+ …+𝑌 𝑛+1
𝑛,
𝑌3+𝑌4+⋯+𝑌 𝑛+1
𝑛
Dan seterusnya. Setiap rata-rata hitung diatas disebut total bergerak (moving
total), yang berguna untuk mengurangi variasi dari data asli. Di dalam data
berkala, rata-rata bergerak digunakan untuk memuluskan fluktuasi yang terjadi
dalam data tersebut. Proses pemulusan ini disebut pemulusan data berkala.
4. Metode Kuadrat Terkecil
Y’ = a + bX
dimana:
Y’ = data berkala (time series data)
X = waktu (hari, minggu, bulan, tahun)
a = bilangan konstan
b = koefisien arah (slope) = rata-rata kenaikan/pertumbuhan (rate of
increase/growth)
44
LEMBAR KERJA PRAKTEK MAHASISWA
Nama : .................................................................... NILAI Nim : .................................................................... Tanggal : ....................................................................
I. TUJUAN
Setelah mengikuti praktikum, mahasiswa diharapkan mampu mendefenisikan data
berkala, menjelaskan jenis-jenis gerakan/variasi data berkala, menggunakan
berbagai metode untuk memperoleh trend.
II. ALAT DAN BAHAN
1. Buku Teks
2. Lembar Kerja Praktek Mahasiswa (LKPM)
3. Laptop
4. Internet
III. CARA KERJA
1. Bacalah definisi dari data berkala serta apa saja jenisnya serta metode untuk
memperoleh trend.
2. Carilah di internet masing-masing definisi data berkala serta apa saja jenisnya
serta metode untuk memperoleh trend.
3. Kerjakan latihan yang tersedia.
IV. KERJAKAN LATIHAN DI BAWAH INI 1. Produksi barang A dalam satuan selama 11 tahun menunjukkan perkembvangan
sebagai berikut:
Tahu
n
199
7
199
8
199
9
200
0
200
1
200
2
200
3
200
4
200
5
200
6
200
7
Baran
g A
(dala
m
satua
n)
66,6 84,9 88,6 78,0 96,8 105,
2
93,2 111,
6
88,3 117,
0
115
,2
Carilah trend produksi barang A dengan rata-rata bergerak 4 dan 5 tahun;
kemudian gambarkan grafik dari data asli dengan trend.
2. Data kuartalan berikut memperlihatkan sejumlah peralatan (dalam ribuan) yang
dikembalikan ke suatu pabrik untuk kepentingan servis yangmasih dalam batas
waktu garansi selama lima tahun terakhir.
Tahun Kuartal 1 Kuartal 2 Kuartal 3 Kuartal 4
5 tahun lalu 1,2 0,8 0,6 1,1
4 tahun lalu 1,7 1,2 1,0 1,5
3 tahun lalu 3,1 3,5 3,5 3,2
2 tahun lalu 2,6 2,2 1,9 2,5
1 tahun lalu 2,9 2,5 2,2 3,0
45
a. Buatlah histogram frekuensi untuk data berkala ini.
b. Temukan persamaan garos trend linear kuadratbterkecil yang sesuai untuk
data berkala ini. Anggaplah t = 1 untuk kuartal pertama pada lima tahun
yang lalu.
c. Berapakah nilai trend untuk kuartal kedua tahun ini, yaitu dua perioda
setelah data terakhir?
3. Diketahui data berkala sebagai berikut:
Tahun 1 2 3 4 5
Penjualan 12 28 34 50 76
a. Buatlah grafik dari data tersebut? Apakah trend linear tampak pada
gambar grafik yang Anda buat?
b. Buatlah persamaan trend linear data tersebut? Berapa rata-rata kenaikan
penjualan per tahunnya?
46
PERTEMUAN KE 7-8
1. Capaian Pembelajaran : Setelah mengikuti praktikum, mahasiswa diharapkan
dapat memahami arti dan manfaat dari MEMAHAMI DATA
2. Kemampuan Akhir yang diharapkan : Setelah mengikuti praktikum,
Mahasiswa D III Keuangan diharapkan mampu menjelaskan tentang
MEMAHAMI DATA .
3. Pokok Bahsan : MEMAHAMI DATA
4. Sub Pokok Bahasan :
1. Data
2. Skala
3. Variabel
5. Materi :
Statistic dalam prakteknya tidak bisa dilepaskan dari data yang berupa
angka, baik itu dalam statistic deskriftif yang menggambarkan data, maupun
statistic inferensi yang melakukan analisis terhadap data. Namun, sebenarnya data
dalam statistic juga bisa mengandung data non angka atau data kualitatif.
1.1 DATA, SKALA, DAN VARIABEL
A. Data
Pengertian data menurut Webstar New World Dictionary, Data adalah
things known or assume, yang berarti bahwa data itu sesuatu yang diketahui atau
dianggap.
Data juga bisa didefinisikan sekumpulan informasi atau nilai yang
diperoleh dari pengamatan (observasi) suatu obyek, data dapat berubah angka dan
dapat pula merupakan lambing atau sifat.
Pembagian Data
1. Menurut sifatnya,yang selanjutnya dapat dibagi 2:
A. Data Kualitatif yaitu data yang tidak berbentuk angka misalnya:
kuesioner pertanyaan tentang suasana kerja, kualitas pelayanan sebuah
restoran atau gaya kepemimpinan,dsb. data kualitatif bisa dibagi menjadi:
47
1. NOMINAL
Yaitu proses yang disebut kategorisasi misal dalam pengisian data, jenis
kelamin lelaki dikategorikan sebagai “1” dan perempuan sebagai “2” kategori ini
sbagai tanda saja.jadi, tidakbisa dilakukan operasi matematika, seperti 1+2 atau 1-
2, dan lainnya
2. ORDINAL
Namun, pada data ordinal juga tidak bisa dilakukan operssi
matematika,seperti jika”sangat tidak puas” dikategorikan sbagai “1” , “tidak puas”
sebagai “2” dan “puas” sebagai “3”, maka tidak bisa dianggap “1+2=3”, atau
“sangat tidak puas + tidak puas” tidak sama dengan “puas”
B. Data kuantitatif yaitu data yang berbentuk angka misalnya: harga saham,
besarnya pendapatan,dsb.
Data Interval
Menempati level pengukuran data yang lebih “tinggi” dari data ordinal
karena selain bisabertingkat urutannya, juga urutan tersebut bisa di kuantitatifkan
Data Rasio
Adalah data dengan tingkat pengukuran paling “tinggi” diantara jenis data
lainnya.
2. Menurut sumber data, yang selanjutnya dibagi dua:
a. Data Internal yaitu datab dari dalam suatu organisasi yang
menggambarkan keadaan organisasi tersebut.
b. Data eksternal yaitu data dari luar suatu organisasi yang dapat men
ggambarkan faktor-faktor yang mungkin mempengaruhui hasil kerja
suatu organisasi.
B. SKALA
Pekerjaan pengukuran didalam penelitian dilakukan setelah berhasil
menetapkan konsep-konsep atau variable-variabel dari sesuatu fenomena yang
menjadi obyek penelitian.
Tipe Skala
a. Nominal: skala nominal tingkatan pengukuran yang paling sederhana.
Contoh: Penggolongan mobil ke dalam kategori sedan, van, minivan,
truk, dan bus .atau penggolongan jenis kelamin, suku dsb
b. Ordinal : skala ini memungkinkan peneliti untuk memgurutkan
respondennya dari tingkata “yang paling rendah” ketingkatan “paling
tinggi” menurut atrubut tertentu. Contoh: sebuah product yang
48
diproduksi sebuah pabrik dapat dikategorikan kedalam skala sangat
bagus, bagus, dan kurang bagus
c. Interval : seperti halnya ukuran ordinal, ukuran interval adalah
mengurutkan orang atau objek berdasakan suatu atribut. Contoh: Nilai
mahasiswa A mempunyai IP 4, B,3,5 C,3 D,2,5 E,2, maka interval
antara mahasiwa A dan C (4-3=1) adalah sama dengan interval antara
mahasiwa C dan E (3-2-1).
d. Rasio: Suatu bentuk interval yang jaraknya (interval). Contoh: Kalau
Hargs Produk X sebesar Rp.3.000 dan Produk Y sebesar Rp.6000
maka peneliti dapat menyimpulkan bahwa produk Y 2 kali lebih
mahal disbanding produk X
C. Variabel
Variabel adalah sesuatu yang dapat membedakan atau mengubah variasi
pada nilai.nilai..
Secara konseptual variable dapat diagi menjadi empat bagian utama, yaitu
(Sekaran, 2006):
1. Variabel dependent adalah variable yang menjadi perhatian utama dalam
sebuah pengamatan.
2. Variabel independent adalah variable yang dapat mempengaruhi perubahan
dalam variable dependen dan mempunyai hubungan yang positif maupun
yang negative bagi variabeldependen nantinya.
3. Moderating variable adalah variable yang mempunyai dampak kontingensi
yang kuat pada hubungan variable independen danvariabel dependen
4. Intervening variable adalah faktor yang secara teori yang berpengaruh pada
fenomena yang diamati tetapi tidakcdapat dilihat diukur,atau dimanipulasi
1.2 ANALISIS DATA
Analisi data bertujuan untuk menyusun data dalam acara yangv bermakna
data dalam cara yang bermakna sehingga dapat dipahami.
49
LEMBAR KERJA PRAKTEK MAHASISWA
Nama : .................................................................... NILAI Nim : .................................................................... Tanggal: ....................................................................
I. TUJUAN
Setelah mengikuti praktikum, mahasiswa diharapkan dapat mendefinisikan
tentang memahami arti dan manfaat dari MEMAHAMI DATA
II. ALAT DAN BAHAN
1.Buku Teks
2.Lembar Kerja Praktek Mahasiswa (LKPM)
3.Laptop
4.Internet
III. CARA KERJA
1.Bacalah defenisi dari MEMAHAMI
2.Carilah di internet masing-masing defenisi aat dari MEMAHAMI DATA
3.Kerjakan latihanyang tersedia.
IV. KERJAKAN LATIHAN DI BAWAH INI
50
PERTEMUAN KE 9-10
1. Capaian Pembelajaran : Setelah mengikuti praktikum, mahasiswa diharapkan
mampu menyebutkan arti dan manfaat DATA PADA SPSS
2.Kemampuan Akhir yang diharapkan : Setelah mengikuti praktikum,
Mahasiswa D III Keuangan diharapkan mampu menjelaskan tentang DATA
PADA SPSS
3. Pokok Bahasan : DATA PADA SPSS
4. Sub Pokok Bahasan :
1. Data pada SPSS
5. Materi :
DATA PADA SPSS
2.1 MENYUSUN DATA
Menyusun data dalam spss sangat mudah, pada spss ada dua bentuk yang
harus diperhatikan yakni data view dan variabel view.Data view adalah tempat
anda memasukan (input) data yang ingin anda amati/uji. Variabel view adalah
tempat anda menetapkan variable-variabel yang akan diamati.
51
Contoh:
Misalkan sebuah data pengamatan yang akan di input sebagai berikut :
5 4 2 2 1 1
4 4 3 2 3 3
5 4 3 4 2 2
4 4 2 2 2 2
5 4 4 1 4 4
4 5 3 3 3 2
5 5 4 2 4 4
4 5 3 2 2 3
merubah nama variabel, ketikkan nama variabel yang diinginkan. Misalkan
x1,x2,x3,x4,x5, dan Y. Hasilnya akan terlihat seperti tabel dibawah ini:
Data diatas kemudian kita masukkan (input) kedalam SPSS pada data view
hasilnya akan terlihat sebagaiberikut:
52
Kemudian untuk menyusun variabel kita buka variabel view
Kita bukak kembali data view maka akan tampilan akan berubah dan terlihat
seperti dibawah ini:
Misalkan:
Data diatas berasal dari skala likert yakni:
1= Sangat tidak setuju
2= tidak setuju
3= ragu-ragu
4= setuju
5= sangat setuju
53
2.2 MEMODIFIKASI DATA
Berdasarkan data diatas, ternyata ada data yang lupa anda masukan. Untuk
itu anda harus menyisipkan bagaimana melakukannya:
Langkah –Langkah
1.klik sel data yang ingin dimasukkan
2.klik ikon insert cases pada toolbar sehingga muncul sebuah baris.
3. masukkan data tersebut
Jika variabel (kolom) yang ingin ditambahkan maka akan dapat
menginsert variabel yang ingin anda tambahkan
2.3. TRANSFORMASI DATA
Trtansformasi data dapat dilakukan untuk berbagai keperluan dalam
pengolahan data misalnya untuk mencari data residual dari sebuah model regresi,
data absolut, logaritma natural dan sbagainya.
Misalkan kita ingin mencari logaritma natural dan variabel Y.
Langkah –langkah :
1.Klik menu transfrom lalu compute variable
2.Masukan data yang ingin di transformasi.Misalkan variabel Y ingin
ditransformasi menjadi LnY
3.Klik ok, hasilnya akan ada penambahan variable
Transformasi data juga bisa dilakukan untuk mencari nilai t tabel atau f
tabel. Misalkan kita ingin mencari nilai t dengan jumlah sample 40, maka df = 39,
tingkat kepercayaan 95%
Caranya :
Open transform < compute variabel < inserve DF < ldf.T lalu masukkan probalitas
(95% atau 0.95) dan df (misalnya 39)
Pada target variabel ketikan t
Lalu OK, Hasilnya akan terlihat : t tabel = 1.68
55
LEMBAR KERJA PRAKTEK MAHASISWA
Nama : .................................................................... NILAI Nim : .................................................................... Tanggal: ....................................................................
I. TUJUAN
Mahasiswa diharapkan mampu mendefenisikan tentang DATA PADA SPSS dan
manfaatnya, menyusun DATA PADA SPSS
II. ALAT DAN BAHAN
5. Buku Teks
6. Lembar Kerja Praktek Mahasiswa (LKPM)
7. Laptop
8. Internet
III. CARA KERJA
1. Bacalah definisi DATA PADA SPSS
2. Kerjakan latihan yang tersedia.
IV. KERJAKAN LATIHAN DI BAWAH INI
Latihan Soal 1
Masukan (input) dari data dibawah ini kedalam SPSS
Pendidikan
Gender
Kota t4
tinggal
Pekerjaan
Status
suku
1 Diploma Pria Medan Pedagang duda/janda Minang
2 Sarjana Wanita Langkat Petani duda/janda Melayu
3 Diploma Wanita Binjai PNS duda/janda Batak
4 Sarjana Wanita Langkat Petani Menikah dan
Ada anak
Batak
5 Diploma Pria Toba Petani duda/janda Banjar
6 Sarjana Pria Langkat Wirausha duda/janda Minang
7 Sarjana Pria Medan PNS Belum
Menikah
Melayu
8 Diploma Wanita Medan Wirausha Belum
Menikah
Nias
9 Pascasarjana Pria Binjai Petani Belum
Menikah
Aceh
10 Sarjana Wanita Langkat Pedagang duda/janda Melayu
11 Pascasarjana Pria Medan Wirausaha Belum
Menikah
Pak-pak
56
12 Sarjana Pria Sergei Karywan duda/janda Minang
13 Pascasarjana Pria Binjai PNS Belum
Menikah
Tionghoa
14 Sarjana Pria Dairi Wirausaha Belum
Menikah
Aceh
15 Sarjana Wanita Langkat Petani Menikah dan
Ada anak
Melayu
16 Diploma Wanita Karo Petani duda/janda Batak
17 Pascasarjana Pria Siantar Pedagang Menikah dan
Ada anak
Minang
18 Sarjana Wanita Medan Karyawan Menikah
Tanpa anak
Tionghoa
19 Diploma Pria Langkat Petani Menikah dan
Ada anak
Melayu
20 SMP Wanita Madina wirausaha duda/janda Karo
57
PERTEMUAN KE 11-12
1.Capaian Pembelajaran : Setelah mengikuti praktikum, mahasiswa diharapkan
mampu menjelaskan Analisis Deskriptif
2. Kemampuan Akhir yang diharapkan : mampu Mendefinisikan pengertian
analisis deskriptif, Menggunakan rumus-rumus analisis deskriptif, Menghitung,
Menjelaskan jenis-jenis analisis deskriptif
3. Pokok Bahasan : Analisis Deskriptif
4. Sub Pokok Bahasan :
1. Analisis Frekuensi
2. Statistik Deskriptif
3. Eksplorasi Data
6. Materi :
ANALISIS DESKRIPTIF
Analisis deskripsi merupakan analisis yang paling mendasar untuk
menggambarkan keadaan data secaraumum.Analisis deskripsi ini meliputi
beberapa hal sub menu deskriptif statistik seperti frekuensi, deskriptif, eksplorasi
data, tabulasi silang dan analisis rasio.
3.1 ANALISIS FREKUENSI
Dalam suatu penelitian biasanya dilakukan suatu kegiatan pengumpulan
data.Data-data ini digunakan untuk mendukung penelitian,dimana hasil dari
penelitian ini bergantung dari banyak dan ketetapan data data yang berhasil
dikumpulkan. Berdasarkan jenis data yang digolongkan didalamnya distribusi
frekuensi dibagi menjadi dua yaitu,distribusi frekuensi bilangan dan distribusi
frekuensi kategoris
Contoh Data 1
Dari sebuah tabulasi data penelitian yang terdiri dari 6 item dan 18 responden
diperoleh sebagai berikut:
Langkah:
1.Analyze,pilih deskriptif statistik,pilih frekuensi
2.Kemudian muncul file Frequency dan pindahkan variable darikolom kiri ke
kanan hingga tampak gambar disamping, abaikan yang lain.
58
3.klik OK,dan hasilnya akan terlihat
Hasil Frekuensi Data
Untuk melihat penyebaran frekuensi tabulasi data, akan terlihat tabulasi
dibawah ini.
VAR00001
Frequency Percent Valid Percent Cumulat iv
e Percent
Valid
3.00
4.00
5.00
Total
4
5
9
18
22.2
27.8
50.0
100.0
22.2
27.8
50.0
100.0
22.2
50.0
100.0
VAR00002
Frequency Percent Valid Percent Cumulat iv
e Percent
Valid
4.00
5.00
Total
8
10
18
44.4
55.6
100.0
44.4
55.6
100.0
44.4
100.0
VAR00003
Frequency Percent Valid Percent Cumulat iv
e Percent
Valid 3.00
4.00
5.00
Total
1
8
9
18
5.6
44.4
50.0
100.0
5.6
44.4
50.0
100.0
5.6
50.0
100.0
59
VAR00004
Frequency Percent Valid Percent Cumulat iv
e
Percent
Valid
3.00
4.00
5.00
Total
5
10
3
18
27.8
55.6
16.7
100.0
27.8
55.6
16.7
100.0
27.8
83.3
100.0
VAR00005
Frequency Percent Valid Percent Cumulat iv
e
Percent
Valid
2.00
3.00
4.00
5.00
Total
1
4
7
6
18
5.6
22.2
38.9
33.3
100.0
5.6
22.2
38.9
33.3
100.0
5.6
27.8
66.7
100.0
VAR00006
Frequency Percent Valid Percent Cumulat iv
e Percent
Valid
2.00
3.00
4.00
5.00
Total
2
3
4
9
18
11.1
16.7
22.2
50.0
100.0
11.1
16.7
22.2
50.0
100.0
11.1
27.8
50.0
100.0
3.2 STATISTIK DESKRIPTIF
Penggunaan statistik deskriptif sangat banyak dilakukan dalam
penelitian.misalnya seorang manajer cabang bank X ingin melihat berapa lama
rata rata waktu yang dibutuhkan customer service dalam
melayanipelanggan.kemudian dilakukan pengambilan dalam waktu pelayanan
terhadap 20 orang customer dan hasilnya sebagai berikut :
61
Descriptive Statistics
N Minimum Maximum Mean Std.
Deviation
Waktu
Valid
(listwise)
20
20
2.10 6.20 .3600 1.19446
Pengambilan keputusan
Terlihat bahwa waktu tercepat pelayanan kepada customer adalah 2,1
menit dan waktu paling lama adalah 6.2 menit. Tingkat rata-rata pelayanan
adalah 4.36 menit. Standar waktu yang disyaratkan oleh perusahaan adalah 4
menit / customer. Berarti manajer tersebut harus lebih bisa mengefisienkan waktu
pelayanan kepada customer
3.3 EKSPLORASIDATA
Eksplorasi datadapat membantu member i arahan untuk memilih teknik
statistik yang akan diimplementasikan pada analisis data yang akan dikehendaki.
Model yang popular digunakan adalah dengan Boxplots dan diagram steam and
leaf
Contoh data
22 Pria
23 Wanita
15 Pria
16 Pria
17 Wanita
21 Wanita
22 Pria
22 Wanita
21 Pria
20 Pria
19 Wanita
22 Wanita
18 Wanita
17 Pria
19 Pria
16 Wanita
21 Wanita
19 Pria
20 Wanita
62
3.4 CROSSTAB (tabulasi silang)
Tabulasi silang adalah merupakan satu bentuk distribusi frekuensi untuk
dua variable atau lebih. Hasil tabulasi silang statistic deskriptif dalam bentuk tabel
untuk setiap data kuantitatif dapat dibuat dengan sangat mudah dalam waktu
singkat. Persoalannya adalah tidak semua peneliti mengetahui dengan baik
bagaimana menyajikan tabulasi yang cocok agar suatu laporan dapat berbobot.
Apabila dalam analisis data variable yang diamati adalah dua variable atau lebih
kita dapat melakukan analisis hubungan antara variable-variabel tersebut. Dengan
analisis cross tabulation yang ada dengan row/column dan total persentase sel
akan memudahkan kitauntuk mengetahui letak titik titik pengumpulan data. Serta
dengan menggunakan tabulasi silang, mengolah dan mengotak – atik data kategori
ini akan membuat kigta menemukan sesuatu yang lebih bermakna.
Jika dalam statistic frekuensi dan desktriptif tiap obyek hanya diamati
satu variable kategori. Maka dalam tabulasi silang observasi lebih dari satu
variable kategori . Misalkan observasi terhadap karyawan perusahaan, variable
kategori yang dapat diobservasi adalah jenis kelamin, status perkawinan, tingkat
pendidikan, pelatihan, dan lain-lain. Pada Tabel tabulasi silang, jikadilakukan
analisis lebih lanjut,akan diperoleh informasi tentang ada tidaknya keterkaitan
antara variable kategori satudengan variable kategori yang lain. Pada dasarnya
analisis hubungan dengan tabel tabulasi silang dapat dilakukan pada setiap data
survey, dengan catatan semua variable numeric (skala interval dan rasio)
ditransformasi menjadi variable kategorik.
Contoh : seorang Marketing manajer ingin mengetahui profil konsumennya
Umur Jenis
Kelamin
Pendidikan Pendapatan Suku
1 31-35 Wanita S1 >Rp5.000.000 Jawa
2 41-45 Laki-laki S1 Rp.2.000.001-Rp3.000.000 Jawa
3 36-40 Laki-laki S1 Rp.2.000.001-Rp3.000.000 Batak
4 36-40 Laki-laki D3 Rp.3.000.001-Rp4.000.000 Padang
5 41-45 Laki-laki SLTA Rp.3.000.001-Rp4.000.000 Batak
6 36-40 Wanita S1 Rp.3.000.001-Rp4.000.000 Dll
7 51-55 Laki-laki SLTA Rp.3.000.001-Rp4.000.000 Jawa
8 41-45 Laki-laki SLTA Rp.2.000.001-Rp3.000.000 Batak
9 36-40 Wanita SLTA Rp.3.000.001-Rp4.000.000 Batak
10 36-40 Laki-laki SLTA Rp.3.000.001-Rp4.000.000 Dll
11 41-45 Laki-laki S2 Rp.3.000.001-Rp4.000.000 Padang
12 46-50 Wanita D3 Rp.3.000.001-Rp4.000.000 Dll
13 41-45 Laki-laki S2 Rp.2.000.001-Rp3.000.000 Dll
14 46-50 Wanita SLTA Rp.4.000.001-Rp5.000.000 Jawa
15 41-45 Laki-laki SLTA >Rp.5.000.000 Batak
16 46-50 Wanita SLTA >Rp.5.000.000 Batak
63
17 41-45 Laki-laki SLTA Rp.2.000.001-Rp3.000.000 Batak
18 46-50 Wanita SLTA Rp.2.000.001-Rp3.000.000 Padang
19 41-45 Laki-laki S1 Rp.2.000.001-Rp3.000.000 Padang
20 41-45 Laki-laki SLTA >Rp.5.000.000 Batak
21 41-45 Laki-laki S2 >Rp.5.000.000 Batak
22 41-45 Wanita SLTA Rp.3.000.001-Rp4.000.000 Dll
23 36-40 Laki-laki SLTA Rp.2.000.001-Rp3.000.000 Dll
24 36-40 Wanita S1 Rp.2.000.001-Rp3.000.000 Dll
25 36-40 Laki-laki S1 Rp.2.000.001-Rp3.000.000 Batak
26 41-45 Laki-laki SLTA Rp.2.000.001-Rp3.000.000 Jawa
27 41-45 Laki-laki S1 Rp.2.000.001-Rp3.000.000 Jawa
28 42-45 Wanita SLTA Rp.2.000.001-Rp3.000.000 Jawa
29 36-40 Laki-laki SLTP Rp.3.000.001-Rp4.000.000 Dll
30 41-45 Wanita S1 Rp.3.000.001-Rp4.000.000 Dll
31 36-40 Laki-laki S1 Rp.2.000.001-Rp3.000.000 Batak
32 41-45 Laki-laki SLTA Rp.3.000.001-Rp4.000.000 Jawa
33 36-40 Wanita S1 Rp.2.000.001-Rp3.000.000 Dll
34 41-45 Laki-laki SLTA Rp.3.000.001-Rp4.000.000 Jawa
35 36-40 Wanita SLTA Rp.3.000.001-Rp4.000.000 Batak
36 46-50 Wanita SLTA Rp.4.000.001-Rp5.000.000 Dll
37 46-50 Laki-laki SLTA Rp.2.000.001-Rp3.000.000 Dll
38 46-50 Laki-laki SLTA Rp.3.000.001-Rp4.000.000 Dll
39 46-50 Wanita SLTA Rp.2.000.001-Rp3.000.000 Dll
Langkah-langkah :
1.Masukan data diatas kedalam SPSS
1.Buka analyza/descriptive statistics/ crosstabs
3. Masukkan data jenis kelamin pada rows dan pendidikan dan umur pada column
Hasilnya akan terlihat seperti dibawah ini
Kelamin * umur crosstabulation
Count
Umur
Total 31-35 36-40 41-45 46-50 51-55
Kelamin laki-laki
Wanita
Total
0
1
1
6
5
11
13
4
17
3
6
9
1
0
1
23
16
39
64
Kelamin * pendidikan crosstabulation
Count
Pendidikan
Total SLTP SLTA D3 S1 S2
Kelamin laki-laki
Wanita
Total
1
0
1
13
9
22
1
1
2
6
5
11
2
1
3
23
16
39
Kasus.
Beberapa orang sales promotion sebuah perusahaan mewawancarai 50 orang
calon pelanggan.Mereka melakukan test sebuah produk yang akan
launching.hasilnya adalah sebagai berikut
N0 Gender Keputusan N0 Gender Keputusan
1 Pria Tidak membeli 26 Pria Membeli
2 Wanita Membeli 27 Pria Tidak membeli
3 Wanita Tidak membeli 28 Pria Ragu-ragu
4 Wanita Ragu-ragu 29 Pria Membeli
5 Pria Membeli 30 Pria Membeli
6 Pria Membeli 31 Pria Membeli
7 Pria Membeli 32 Wanita Tidak membeli
8 Wanita Ragu-ragu 33 Pria Ragu-ragu
9 Pria Tidak membeli 34 Wanita Membeli
10 Wanita Membeli 35 Pria Membeli
11 Pria Tidak membeli 36 Pria Tidak membeli
12 Pria Membeli 37 Pria Membeli
13 Pria Ragu-ragu 38 Pria Ragu-ragu
14 Pria Membeli 39 Wanita Membeli
15 Wanita Membeli 40 Wanita Membeli
16 Wanita Tidak membeli 41 Pria Membeli
17 Pria Ragu-ragu 42 Wanita Membeli
18 Wanita Tidak membeli 43 Pria Membeli
19 Pria Membeli 44 Wanita Tidak membeli
20 Wanita Ragu-ragu 45 Wanita Membeli
21 Wanita Membeli 46 Pria Tidak Membeli
22 Pria Membeli 47 Pria Membeli
23 Pria Tidak membeli 48 Pria Tidak membeli
24 Wanita Ragu-ragu 49 Wanita Tidak membeli
25 Pria Tidak membeli 50 Wanita Membeli
65
Langkah Penyelesaian
A. Buka SPSS, pilih analyze < Descriptive Statistics < crosstabs,
masukkan gender pada row dan keputusan pada coloumn
B. Klik Statistics dan pilih / conteng chi square, hasilnya seperti
dibawah ini
Jenis * keputusan crosstabulation
Count
Keputusan
Membeli Tidak membeli Ragu-ragu Total
Jenis pria
Wanita
Total
16
10
26
9
6
15
5
4
9
30
20
50
Pada output terlihat bahwa ada 30 responden pria dan 20 responden wanita. Ada
26 responden yang akan membeli, 15 yang tidak akan membeli dan 9 responden
yang masih ragu-ragu.
66
LEMBAR KERJA PRAKTEK MAHASISWA
Nama : .................................................................... NILAI Nim : .................................................................... Tanggal: ....................................................................
I. TUJUAN
Mahasiswa diharapkan mampu Setelah mengikuti praktikum, mahasiswa
diharapkan mampu menjelaskan arti beberapa ukuran dispersi, menggunakan
rumus-rumus ukuran dispersi, menghitung beberapa ukuran dispersi, menjelaskan
jenis-jenis ukuran dispersi.
II. ALAT DAN BAHAN
1. Buku Teks
2. Lembar Kerja Praktek Mahasiswa (LKPM)
3. Laptop
4. Internet
III. CARA KERJA
1. Bacalah definisi Analisis Deskriftif
2. Carilah di internet masing-masing definisi analisi deskriptif
3. Kerjakan latihan yang tersedia.
IV. KERJAKAN LATIHAN DI BAWAH INI
1. Diketahui data deskriptif sebagai berikut :
VAR00001
Frequency Percent Valid Percent Cumulative Percent
1,00 2,00 Valid 3,00 4,00 5,00 Total
6 12 30 62 7 117
5,1 10,3 25,6 53,0 6,0 100,0
5,1 10,3 25,6 53,0 6,0 100,0
5,1 15,4 41,0 94,0 100,0
VAR00002
67
Frequency Percent Valid Percent Cumulative Percent
1,00 2,00 Valid 3,00 4,00 5,00 Total
6 8 31 59 13 117
5,1 6,8 26,5 50,4 11,1 100,0
5,1 6,8 26,5 50,4 11,1 100,0
5,1 12,0 38,5 88,9 100,0
VAR00003
Frequency Percent Valid Percent Cumulative Percent
1,00 2,00 Valid 3,00 4,00 5,00 Total
11 19 24 59 4 117
9,4 16,2 20,5 50,4 3,4 100,0
9,4 16,2 20,5 50,4 3,4 100,0
9,4 25,6 46,2 96,6 100,0
VAR00004
Frequency Percent Valid Percent Cumulative Percent
1,00 2,00 Valid 3,00 4,00 5,00 Total
7
19
27
58
6
117
6,0
16,2
23,1
49,6
5,1
100,0
6,0
16,2
23,1
49,6
5,1
100,0
6,0
22,2
45,3
94,9
100,0
VAR00005
Frequency Percent Valid Percent Cumulative Percent
1,00 2,00 Valid 3,00 4,00 5,00 Total
9
26
24
50
8
117
7,7
22,2
20,5
42,7
6,8
100,0
7,7
22,2
20,5
42,7
6,8
100,0
7,7
29,9
50,4
93,2
100,0
68
VAR00006
Frequency Percent Valid Percent Cumulative Percent
1,00 2,00 Valid 3,00 4,00 5,00 Total
9
14
29
58
7
117
7,7
12,0
24,8
49,6
6,0
100,0
7,7
12,0
24,8
49,6
6,0
100,0
7,7
19,7
44,4
94,0
100,0
VAR00007
Frequency Percent Valid Percent Cumulative Percent
1,00 2,00 Valid 3,00 4,00 5,00 Total
13
20
24
58
2
117
11,1
17,1
20,5
49,6
1,7
100,0
11,1
17,1
20,5
49,6
1,7
100,0
11,1
28,2
48,7
98,3
100,0
VAR00008
Frequency Percent Valid Percent Cumulative Percent
1,00 2,00 Valid 3,00 4,00 5,00 Total
11
23
29
41
13
117
9,4
19,7
24,8
35,0
11,1
100,0
9,4
19,7
24,8
35,0
11,1
100,0
9,4
29,1
53,8
88,9
100,0
VAR00009
Frequency Percent Valid Percent Cumulative Percent
1,00 2,00 Valid 3,00 4,00 5,00 Total
8
14
25
61
9
117
6,8
12,0
21,4
52,1
7,7
100,0
6,8
12,0
21,4
52,1
7,7
100,0
6,8
18,8
40,2
92,3
100,0
69
VAR000010
Frequency Percent Valid Percent Cumulative Percent
1,00 2,00 Valid 3,00 4,00 5,00 Total
15
16
25
51
10
117
12,8
13,7
21,4
43,6
8,5
100,0
12,8
13,7
21,4
43,6
8,5
100,0
12,8
26,5
47,9
91,5
100,0
VAR000011
Frequency Percent Valid Percent Cumulative Percent
1,00 2,00 Valid 3,00 4,00 5,00 Total
7
23
29
56
2
117
6,0
19,7
24,8
47,9
1,7
100,0
6,0
19,7
24,8
47,9
1,7
100,0
6,0
25,6
50,4
98,3
100,0
VAR000012
Frequency Percent Valid Percent Cumulative Percent
1,00 2,00 Valid 3,00 4,00 5,00 Total
15
22
35
44
1
117
12,8
18,8
29,9
37,6
,9
100,0
12,8
18,8
29,9
37,6
,9
100,0
12,8
31,6
61,5
99,1
100,0
VAR000013
Frequency Percent Valid Percent Cumulative Percent
1,00 2,00 Valid 3,00 4,00 5,00 Total
19
15
40
43
117
16,2
12,8
34,2
36,8
100,0
16,2
12,8
34,2
36,8
100,0
16,2
29,1
63,2
100,0
70
VAR000014
Frequency Percent Valid Percent Cumulative Percent
1,00 2,00 Valid 3,00 4,00 5,00 Total
18
24
33
40
2
117
15,4
20,5
28,2
34,2
1,7
100,0
15,4
20,5
28,2
34,2
1,7
100,0
15,4
35,9
64,1
98,3
100,0
VAR000015
Frequency Percent Valid Percent Cumulative Percent
1,00 2,00 Valid 3,00 4,00 5,00 Total
8
18
37
54
117
6,8
15,4
31,6
46,2
100,0
6,8
15,4
31,6
46,2
100,0
6,8
22,2
53,8
100,0
Dari data diatas susunlah menjadi tabulasi frekuensi
Latihan
Dari Data dibawah ini Susunlah
Interpretasikan Hasil uji asumsi klasik dibawah ini
Coefficients
Model
Collinearity Statistics
Tolerance VIF
1 customerization
channels
choice
competitive
.096
.430
.095
.367
5.017
2.325
7.820
2.659
a. Dependent Variable: loyalitas
71
One-Sample Kolmogorov-Smirnov Test
Unstandardized
Residual
N
Normal Mean
Parameters Std.
Deviation
Most Extreme Absolute
Differences Positive
Negative
Kolmogorov-Smimov Z
Asymp. Sig. (2-tailed)
100
.00000000
2.19881731
.077
.047
-.077
.770
.593
a. Test Distributionis Normal.
b. Calcu lated from data.
Kasus
Seorang manajer sebuah perusahaan ritel modern ingin mengetehui pengaruh
motivasi terhadap kinerja karyawan.Penelitian dilakukan terhadap 40 orang
pelanggan
NO X Y NO X Y
1 26 21 21 21 17
2 23 19 22 25 21
3 26 22 23 28 25
4 21 21 24 23 19
5 27 23 25 21 19
6 27 21 26 24 20
7 24 20 27 26 21
8 26 22 28 25 22
9 24 20 29 21 18
10 17 15 30 24 21
11 14 20 31 24 18
12 22 19 32 29 23
13 25 21 33 22 19
14 29 25 34 22 19
15 24 20 35 22 20
16 27 24 36 27 20
17 27 21 37 29 20
18 27 21 38 21 20
19 24 21 39 28 22
20 28 24 40 24 23
X = Persepsi Kualitas
Y = Keputusan pembelian
72
Susunlah regresi linear sederhana
Latihan Interprertasikan hasil dibawah ini
Model Summary
Model R R Square Adjust R
square
Std.Error of the Estimate
- 1 .538 .289 .282 1.95903
a. Predictors: (Constant), positioning
Coefficients
Model Unstandardized
Coefficients
Standardized
Coefficients
t Sig.
B Std. Error Beta
3.051
6.311
.
003
.000
1
(Constant)
positioning
6.693
.411
2.193
.065
a. Dependent Variable: Keputusan pembelian