statistik bisnis bab i dan bab ii
DESCRIPTION
Statistik Bisnis untuk Jurusan Akuntansi S1TRANSCRIPT
FORCASTING(STATISTIK TERAPAN)
DR. IR. TJIPTOGORO DINARJO,MM
UNIVERSITAS MERCU BUWANA
20141
BAB I
STATISTIK DESKRIPTIF
A. PENGERTIAN STATISTIK.
Statistik Statistika Statistika Matematika/
Teoretik
Statistik Terapan/
Teknik Analisi Data
Kumpulan data
dalam bentuk:
tabel/ daftar;
gambar,
diagram,
ukuran.
Contoh :
penduduk,
kelahiran,
pertumbuhan
ekonomi,
Inflasi.
Pengetahuan
mengenai:
pengumpulan data,
klasifikasi data,
penyajian,
pengolahan,
penarikan
kesimpulan
Membahas
bagaimana:
sifat-sifat,
dalil-dalil,
rumus-rumus
diturunkan.
Bagaimana
menciptakan:
model teoritis,
matematis.
Membahas cara
penggunaan statistik
antara lain untuk
penelitian
2
DATA STATISTIK
1. Data mentah adalah yg belum mengalami pengolahan.
2. Data primer adalah data yang di peroleh langsung seperti
hasil questionair, wawancara.
3. Data sekunder adalah data yang diperoleh tidak langsung
seperti hasil studi pustaka.
4. Data kuantitatif (dapat dinyatakan dalam bilangan):
a. Data kontinum, interval, rasio seperti: berat, tinggi.
b. Data diskrit:
1) nomunal: banyak orang.
2) ordinal: peringkat
3) dikotomi: murni-buatan; hidup-mati; lulus-gagal.
5. Data kualitatif: data bukan kuantitatif seperti “atribut”
3
FUNGSI STATISTIK
1. Deskriptif: membuat data bermakna dengan:
a. penyajian data dalam bentuk:
1) tabel/ daftar.
2) gambar.
3) diagram/ grafik.
b. Ukuran/ tendensi sentral:
1) mean (rata-rata).
2) median (nilai tengah).
3) modus.
c. Ukuran/ tendensi penyebaran:
1) rentanggan,
2) simpangan (deviasi), simpangan baku.
3) variasi
4
FUNGSI STATISTIK
2. Inferensial/ induktif yaitu untuk melakukan:
a. Generalisasi:
1) sample ke populasi.
2) sampling, sensus.
3) diagram/ grafik.
b. Uji hipotesis:
1) membandingkan dalam bentuk uji kesamaan atau uji per-bedaan.
2) menghubungkan dalam bentuk uji keterkaitan seperti
“kontribusi”.
3. Prediksi/ forcasting:
a. regresi dalam bentuk hubungan fungsional:
1) linier: sederhana, ganda.
2) kurvilinier: kuadratik, logaritmik, hiperbolik, dll.
b. korelasi, keterkaitan, hubungan timbal balik:
1) derajat hubungan (koefisien korelasi).
2) kadar sumbangan (koefisien determinasi)
5
PENYAJIAN DATA
1. Dengan tabel atau daftar:
a tunggal,
b kontingensi,
c distribusi frekwensi.
2. Dengan gambar atau diagram:
a lingkaran,
b lambang (piktogram),
c peta (kartogram).
3. Dengan diagram atau grafik:
a batang:
1) satu komponen, dua komponen, tiga komponen,
2) satu arah, dua arah.
b garis,
c pencar,
d histogram dan poligin.
6
• DATA
• Data: fakta dan angka-angka yang dikumpulkan, dianalisis, dandisimpulkan untuk presentasi dan diterjemahkan, ditafsirkan.Semua data yang dikumpulkan untuk studi secara khusus disebutdata set , contoh lihat Tabel 1.(Source: Business Week, April 4,2005) merupakan data set yang berisi informasi untuk 25Perusahaan, merupakan bagian dari 500 Share Price (S&P).
• Komponen Tabel berisi: Elements, Variables, dan Observations.• Elemennts adalah pengguna ahir (the entities) pada mana data
dikumpulkan , dalam hal ini semua perusahaan pemilik saham merupakan nama element yang ditempatkan pada kolom pertama.
7
• Variables adalah sesuatu yang dianggap penting untuk diketahui dari setiap element, pada tabel 1 terdiri atas 5 elements:
o Exchange: Dimana saham diperdagangkan – N ( New York Stock Exchange) dan NQ (Nasdaq National Market).
o Ticker Symbol: Singkatan/kependekan yang digunakan untuk mengidentifikasikan saham pada exchange listing.
o Business Week Rank: Angka 1-500 yang menggambarkan ukuran kekuatan perusahaan.
o Share Price ($): closing price (February 28, 2005)
o Earning per Share ($): earning per share jangka waktu 12 bulan terahir.
• Observation: satu kesatuan pada setiap variabel dari setiap element.
8
Company Exchange Ticker Business Week Rank
Share Price ($)
Earning per Share ($)
Abbott LaboratoriesAltria GroupApollo GroupBank of New YorkBristol-Myers SquibbCincinnati FinancialComcastDeereeBayFederated Dept. Store HasbroIBMInternational PaperKnight-RidderManor CareMedtronicNational SemiconductorNovellus SystemPitney BowesPulte homesSBC CommunicationsSt. Paul TravelersTeradyneUnited Health GroupWell Fago
NNNQNNNQNQNNQNNNNNNNNNQNNNNNNN
ABTMOAPOLBKBMYCINFCMCSADEABAYFDHASIBMIPKRIHCRMDTNSMNVLSPBIPHMSBCSTATERUNHWFC
90148174305346161296
3619
353373216370397285
53155386339
12371264412
5159
46667430264532714356219337663452203046782438159159
2,024,570,901,851,212,730,435,770,573,860,964,940,984,131,901,791,031,062,057,671,521,530,843,944,09
Tabel. 1. Data Harga Saham 25 Perusahaan
9
Company Exchange Ticker Busines
s
Week
Rank
Share
Price
($)
Earning
per Share
($)
Abbott Laboratories
Altria Group
Apollo Group
Bank of New York
Bristol-Myers Squibb
Cincinnati Financial
Comcast
Deere
eBay
Federated Dept. Store
Hasbro
IBM
International Paper
Knight-Ridder
Manor Care
Medtronic
National Semiconductor
Novellus System
Pitney Bowes
Pulte homes
SBC Communications
St. Paul Travelers
Teradyne
United Health Group
Well Fago
N
N
NQ
N
N
NQ
NQ
N
NQ
N
N
N
N
N
N
N
N
NQ
N
N
N
N
N
N
N
ABT
MO
APOL
BK
BMY
CINF
CMCSA
DE
ABAY
FD
HAS
IBM
IP
KRI
HCR
MDT
NSM
NVLS
PBI
PHM
SBC
STA
TER
UNH
WFC
90
148
174
305
346
161
296
36
19
353
373
216
370
397
285
53
155
386
339
12
371
264
412
5
159
46
66
74
30
26
45
32
71
43
56
21
93
37
66
34
52
20
30
46
78
24
38
15
91
59
2,02
4,57
0,90
1,85
1,21
2,73
0,43
5,77
0,57
3,86
0,96
4,94
0,98
4,13
1,90
1,79
1,03
1,06
2,05
7,67
1,52
1,53
0,84
3,94
4,09
Ukuran skala:1. Nominal scale.
Bila data untuk suatu variabel terdiri atas label atau nama yang digunakan untuk mengidentifikasikan suatu lambang/ sifat (attribute) dari suatu elemen maka ukuran skalanya disebut skala nominal (nominal scale). Contoh pada Tabel 1 pada exchange variable menggunakan N dan NQ sebagai identifikasi dimana saham diperdagangkan. N dan NQ dapat pula diganti dengan angka 1 dan 2 namun pengertian angka tsb sebagai tempat dimana 1 adalah mewakili New York Stack Exchange, dan 2 mewakili Nasdaq National Market.
2. Ordinal scale.Bila data memperagakan memiliki suatu nilai dari nominal data dan dapat disusun peringkat yang mengandung arti. Contoh pada Tabel 1 pada kolom 4 menunjukan angka peringkat dari 1 sd 500 berdasarkan Business week’s assessment of the company’s strength.
3. Interval scale.Bila data menunjukan suatu nilai dari ordinal data dan interval antara nilai yang digambarkan dalam lambang bilangan yang mempunyai ukuran yang tetap. Interval data selalu dalam bentuk angka. Contoh nilai Scholastic Aptitude Test (SAT) dari 3 siswa 620-550-470, angka ini bisa diranking dari siswa dengan nilai tertinggi yaitu 620 dengan angka terendah 470. Selisih nilai siswa pertama 620-550= 70 lebih tinggi dari siswa kedua. Siswa kedua 550-470=80 lebih tinggi dari siswa ke 3.
10
4. Ratio scale.Bila data memiliki semua nilai interval data dan ratio dimana keduanya memiliki arti. Variable: jarak, tinggi, berat, waktu menggunakan ukuran dengan ratio scale, angka 0 bermakna menggambarkan 0.
5. Cross-Sectional.Data yang dikumpulkan pada waktu yang sama atau hampir sama. Contoh pada Tabel 1. adalah data cross-sectional karena diperoleh untuk 5 variabel untuk 25 S&P 500 perusahaan pada satu waktu yang sama.
6. Time Series Data.Data yang dikumpulkan pada suatu periode waktu tertentu.Contoh time series data: Gambar 1. Suku Bunga Tabungan Bank Umum 2007
Bulan
Bu
nga
Tab
un
gan
Ban
k U
mu
m
0
1
2
3
4
1 2 3 4 5 6 7 8 9 10 11 12
11
Klasifikasi data kualitatif dan data kuantitatif.
Data kualitatif seringkali berrhubungan dengan categorical data. Data kualitatif termasul label atau nama yang digunakan untuk mengidentifikasikan suatu attribute tiap elemen. Data kualitatif menggunakan ukuran nominal atau ordinal scale dan boleh non numeric atau numeric.
Data kuantitatif memerlukan nilai numeric untuk menunjukan berapa banyak (how much or how many). Data kuantitaif dapat digunakan interval atau ratio scale sebagai ukuran.
Variabel kualitatif adalah suatu variabel yang menggunakan data kualitatif.
Variabel kuantitatif adalah suatu variabel yang menggunakan data kuantitatif.
Analisis Statistik dibatasi dalam penggunaan data kualitatif, bila data kualitatif menggunakan kode numeric, operasi arithmatic seperti tambah, kurang, kali, bagi tidak menghasilkan makna apapun atas hasil operasi arithmaticnya.
Operasi arithmatic menghasilkan kesimpulan yang penuh arti untuk variabel kuantitatif .
Kesimpulan: Pendekatan metoda statistik tergantung pada jenis data kualitatif ataukah kuantitatif
12
DATA
Qualitative Data
Tabular Methods
Graphical Methods
TabularMethods
Graphical Methods
Quantitative Data
• FrequencyDistribution
• RelativeFrequencyDistribution
• Percent FrequencyDistribution
• Crosstabulation
•FrequencyDistribution
• RelativeFrequencyDistribution
• Percent FrequencyDistribution
• Cumulative FrequencyDistribution
• Cumulative Relative Frequency Distribution
• Cumulative Percent Frequency Distribution
• Crosstabulation
• Bar Graph• Pie Chart
• Dot Plot• Histogram•Ogive• Stem-and-Leaf Display• Scatter Diagram
13
Gambar 2. Data Kualitatif dan Kuantitatif
Contoh bentuk dan interpretation of a frequency distributiion untuk data kualitatif:
Tabel 2. Data From a Sample of 50 Soft Drink Purchases
Coke ClassicDiet CokePepsiDiet CokeCoke ClassicCoke ClassicDr. PepperDiet CokePepsiPepsiCoke ClassicDr. PepperSpriteCoke ClassicDiet CokeCoke ClassicCoke Classic
SpriteCoke ClassicDiet CokeCoke ClassicDiet CokeCoke ClassicSpritePepsiCoke ClassicCoke ClassicCoke ClassicPepsiCoke ClassicSpriteDr. PepperPepsiDiet Coke
PepsiCoke ClassicCoke ClassicCoke ClassicPepsiDr. PepperCoke ClassicDiet CokePepsiPepsiPepsiPepsiCoke ClassicDr. PepperPepsiSprite
14
Soft Drink Frequency
Coke ClassicDiet CokeDr. PepperPepsiSrite
Total
1985
135
50
Tabel 3. Frequency Distribution Of Soft Drink Purchases
Distribusi Frekwensi: tabel ringkasan yang menunjukan data angka frkekwensi dari setiap item untuk setiap kualifikasi data.
Frekwensi Relatif: Frekwensi / n
Frekwensi % : Frekwensi Relatif X 100
15
Soft Drink Relative Frequency Percent Frequency
Coke ClassicDiet CokeDr. PepperPepsiSrite
Total
.38
.16
.10
.26
.101.00
3816102610
100
Tabel 4. Relative Frequency And Percent Frequency Distributions Of Soft Drink Purchases
16
17
Gambar 2. Bar Graph Of Soft Drink Purchases
CokeClassic
DietCoke
Dr.Pepper
Pepsi Sprite
2
4
6
8
10
1
2
14
1
6
18
2
0
18
Gambar 3. Pie Chart Of Soft Drink Purchases
Coke Classik 38%
Pepsi 26%
Contoh soal:1. Responden menjawab pertanyaan atas 3 alternatif: A; B; dan C. A adalah sampel dari
120 respoden menghasilkan 60A; 24B; dan 36C. Tunjukan frekwensi dan distribusi frekwensi relatif.
2. A bagian dari distribusi frekwensi relatif sebagai berikut:
a. Berapa frekwensi relatif kelompok D.b. Jumlah sampel 200. Berapa frekwensi kelompok Dc. Tunjukan distribusi frekwensi.d. Tunjukan prosentase distribusi frekwensi.
3. Dari hasil questionnaire menghasilkan 58 Yes, 42 No, dan 20 non opinion answers.a. Dalam bentuk pie chart, tunjukan berapa besar bidang yang menunjukan jawaban
Yes.b. Tunjukan berapa besar yang menunjukan jawaban No.c. Gambarkan pie chart.d. Gambarkan bar graph
19
Kelompok Frekwensi Relatif
ABCD
0,220,180,40
DAFTAR DISTRIBUSI FREKWENSI
1. Banyak data n = ?
2. Rentangan r = data terbesar – data terkecil.
3. Banyak kelas interval k = 1 + 3,3 log n (Sturges).
4. Panjang interval i = r/k.
5. Pilih ujung bawah kelas interval i, didapat ujung atasnya;
tentukan ujung-ujung kelas interval.
6. Batas bawah dan batas atas tiap-tiap kelas interval.
7. Tanda kelas.
8. Tabulan, frekwensi, daftar.
20
CONTOH
79 49 48 74 81 98 87 81 80 84 90 70 91 53 82 78
70 71 92 38 56 81 74 73 68 72 85 51 65 93 83 86
90 32 83 73 74 43 86 68 92 93 76 71 91 72 67 75
80 91 61 72 97 91 88 81 71 74 99 95 80 59 71 77
63 60 83 82 61 67 89 63 76 63 88 70 66 88 79 75
DAFTAR DISTRIBUSI FREKWENSI DAN
FREKWENSI RELATIF
Nilai f Tanda Kelas
31-40
41-50
51-60
61-70
71-80
81-90
91-100
2
3
5
14
24
20
12
35,5
45,5
55,5
65,5
75,5
85,5
95,5
Jumlah 80
Nilai fa fr (%)
31-40
41-50
51-60
61-70
71-80
81-90
91-100
2
3
5
14
24
20
12
2,5
3,75
6,25
17,50
30,00
25,00
15,5
Jumlah 80
fr = f/n x 100
Nilai f Tanda Kelas
31-40
41-50
51-60
61-70
71-80
81-90
91-100
2
3
5
14
24
20
12
35,5
45,5
55,5
65,5
75,5
85,5
95,5
Jumlah 80
21
CONTOH
DAFTAR DISTRIBUSI KUMULATIF
Nilai fa fr (%)
31 atau lebih
41 atau lebih
51 atau lebih
61 atau lebih
71 atau lebih
81 atau lebih
91 atau lebih
101atau lebih
80
78
75
70
56
32
12
0
100,00
97,50
93,75
87,50
70,00
40,00
15,00
0,00
Nilai f Tanda Kelas
Kurang dari 31
Kurang dari 41
Kurang dari 51
Kurang dari 61
Kurang dari 71
Kurang dari 81
Kurang dari 91
Kurang dari 101
0
2
5
10
24
48
68
80
0,00
2,50
6,25
12,50
30,00
60,00
85,50
100,00
22
Histogram dan Poligon Frekwensi
f
25
20
15
10
5
0 1
30,5 40,5 50,5 60,5 70,5 80,5 90,5 100,5 Nilai
histogram
poligon frekuensi
23
OGIF (OZAIV)F
80
70
60
50
40
30
20
10
0
30,5 40,5 50,5 60,5 70,5 80,5 90,5 100,5 Nilai ujian
Lebih dari
24
Kurang dariFr
ekw
ensi
Soal:Data kuantitatif jumlah hari yang diperlukan untuk mengaudit ahirtahun terhadap 20 perusahaan oleh Konsultan Sanderson andClifford yang merupakan konsultan public accounting kecil
25
Jumlah Hari Untuk Audit Ahir Tahun
1215202214
1415272118
1918223316
1817232813
Tentukan tanda kelas (class width)
Pedekatan tanda kelas:
(Angka data terbesar-Angka data terkecil)
(Jumlah kelas)
26
Distribusi Frekwensi: tabel ringkasan yang menunjukan data angka frkekwensi dari setiap item untuk setiap kualifikasi data.
Frekwensi Relatif: Frekwensi / n
Frekwensi % : Frekwensi Relatif X 100
Tanda kelas= (33-12) : 5 = 4,2 maka tanda kelas menggunakan 5 pada distribusi frekwensi.
Tabel Distribusi Frekwensi Data Audit
27
Nilai(hari)
Tanda Kelas Waktu Audit (hari)
Frekwensi
10-1415-1920-2425-2930-34
1217222732
48521
Jumlah 20
Nilai(hari)
Frekwensi Relatif Percent Frekwensi
10-1415-1920-2425-2930-34
.20
.40
.25
.10
.05Jumlah 1.00
20402510
5100
28
Tabel Frekwensi Relatif dan Distribusi Percent Frekwen Data Waktu Audit
29
0
2
4
6
8
10-14 15-19 20-24 25-29 30-34
Gambar. Histogram Data Waktu Audit
30
Nilai
(hari)
f.kum f.kum (%)
10 atau lebih
14 atau lebih
19 atau lebih
24 atau lebih
29 atau lebih
34 atau lebih
20
16
8
3
1
0
100
80
40
15
5
0
Nilai
(hari)
f.kum f.kum (%)
Kurang dari 10
Kurang dari 14
Kurang dari 19
Kurang dari 24
Kurang dari 29
Kurang dari 34
0
4
12
17
19
20
0
20
60
85
95
100
Daftar Distribusi Komulatif
31
10 14 19 24 29 34
0
5
1
0
1
5
2
0
OGIV
SOAL LATIHAN
79 49 48 74 81 98 87 81 80 84 90 70 91 53 82 78
60 71 92 38 56 81 74 73 68 72 75 51 65 93 83 86
80 32 83 73 74 43 86 68 92 93 66 71 91 72 67 75
70 90 61 72 97 91 88 81 71 74 89 95 80 59 71 77
53 60 83 82 61 67 89 63 76 63 78 70 66 88 79 75
32
UKURAN PEMUSATAN
30
25
20
15
10
5
0 hyunday Honda Toyota Nisan Mercy
Merk Mobil
Vo
lum
e Pe
nju
alan
Jumlah Penjualan Mobil
Rata Penjualan mobil33
UKURAN PEMUSATAN
Ukuran yaitu suatu sebuah nilai yang menunjukan pusat dari
sekumpulan data.
Populasi; Semua anggota dalam ekosistem.
Rata-rata hitung populasi : nilai rata-rata dari data pipulasi.
Rata-rata hitung populasi :
(Jumlah seluruh nilai dalam populasi)/
(Jumlah data/ observasi dalam populasi)
34
UKURAN PEMUSATAN
Rata-rata hitung populasi =(Jumlah seluruh nilai dalam populasi)/
(Jumlah data/ observasi dalam populasi).
µ = ƩXi/ n
Dimana:
µ = rata-rata hitung populasi.Ʃ = simbol operasi penjumlahan.
Xi = nilai data ke i yang berada dalam populasi.
n = jumlah data atau pengamatan dalam populasi.ƩXi = jumlah dari keseluruhan nilai Xi (data) dalam populasi
35
Contoh Perhitungan
Penggunaan rumus:ƩXi = X1 + X2 + X3 + X4........... + Xn
Contoh data grup kelas ekonomi manajemen kelas A, B, C,dan D sbb:
46 54 42 46 32
Jika kita gunakan notasi: X1, X2, X3, X4, X5 maka:
X1 = 46 X2 = 54 X3 = 42 X4 = 46 X5 = 32
X̅ = ƩXi/ n = (46 + 54 + 42 +46 + 32)/ 5 = 44
36
UKURAN PEMUSATAN
Nilai tengah (median): nilai tengah setelah data disusun
dari kecil ke besar atau sebaliknya).
Letak median Me: data ke (1/2) x (N + 1).
Nilai median Me:
banyak data ganjil, data paling tengah.
banyak data genap: rerata dua data ditengah.
Modus (Mode) : data yang paling banyak muncul (dapat lebih dari satu)
Contoh: 32 42 46 46 54
Median: 46
Modus 46
Percentiles: i = (p/100)n
Contoh: 3310 3355 3450 3480 3480 3490 3520 3540 3550 3650 3730 3925
Quartiles Q1 (25%) i = (25/100)x5 = 3 Q3 (75%) i = (75/100)x5 = 9
Q1 = (3450 + 3480)/2 = 3465
Q2 = (3550 + 3650)/2 = 3600
37
UKURAN PENYEBARAN
• Rentangan: selisih data terbesar dengan data terkecil.
R = Ma – Mi.
• Simpangan (deviasi): selisih data dengan mean (rerata hitung).
x = X - µ
38
UKURAN PENYEBARAN
VARIANS
Varians Populasi: rerata kuadrat simpangan Populasi
σ2 = Ʃ(xi - µ)2/ N
xi - µ : simpangan (deviation) populasi.
µ : rata rata populasi.
N : jumlah populasi
Varians Sample: rerata kuadrat simpangan Sample
s2 = Ʃ(xi – x^)2/ (n – 1)
xi - x^ : simpangan (deviation) sample.
x^ : rata-rata sample
n : jumlah sample
Standar Deviation:
sample standand deviation: s = √ S2
populasi standard deviation: σ = √ σ2
Coefficient of Variance: Ukuran standard deviasi relatif terhadap rerata
(S/ x^ )x100% atau (σ/ µ )x100%
39
Contoh Hitungan
S2 = Ʃ(xi – x^)2/ (n – 1) = 256/(5 – 1) = 256/4 = 64
Standar Deviation:
sample standand deviation: s = √ S2 = √64 = 8
populasi standard deviation: σ = √ σ2 (tidak dihitung)
40
Contoh Hitungan
Jumlah Mhs
(xi )
Rerata Mhs
(x^ )
Deviasi
(Xi - x^ )
Kuadrat Deviasi
(Xi - x^ )2
46
54
42
46
32
44
44
44
44
44
2
10
-2
2
-12
0Ʃ(Xi - x^ )
4
100
4
4
144
256Ʃ(Xi - x^ )2
41
Soal Latihan
Harga SahamRp
(xi )
Rerata Sample(x^ )
Deviasi Sample(Xi - x^ )
Standard Deviasi(Xi - x^ )2
3.3103.3553.4503.4803.4803.4903.5203.5403.5503.6503.7303.925
Ʃ(Xi - x^ ) Ʃ(Xi - x^ )2
42
Tugas 1
4,63
4,61
4,67
4,60
4,62
4,60
4,60
4,53
4,46
4,35
4,31
4,35
4,11
3,96
3,94
3,72
3,39
3,43
3,41
3,40
3,42
3,23
3,24
3,31
Suku Bunga Tabungan Bank Persero
Th 2006 sd Th 2007
a. Hitung nilai rata-rata dan standard deviasi data sample.
b. Buat histogram, poligon frekwensi dan OGIF
43
Tugas 1
15,79
15,86
15,89
15,78
15,76
15,71
15,70
15,69
15,64
15,53
15,51
15,36
15,20
15,11
14,89
14,76
14,60
14,26
14,26
14,54
13,90
13,68
13,64
13,47
Suku Bunga Kredit Investasi Bank Persero
Th 2006 sd Th 2007
a. Hitung nilai rata-rata dan standard deviasi data sample.
b. Buat histogram, poligon frekwensi dan OGIF
44
Mengukur Hubungan Dua Variabel
Covariance dan correlation as descriptive measures of the relationship between two variables.
Covariance.
Jumlah sampel n dengan observasions (x1,y1),(x2,y2) ......dst
Sample Covariance: sxy = {Ʃ(xi – x^) (yi – y^)}/(n-1)
Population Covariance: σxy = {Ʃ(xi – µx^) (yi – µy
^)}/N
Pearson Product Moment Correlation coefficient: Sample Data
rxy = sxy / sxsy
Pearson Product Moment Correlation coefficient: Population Data
ρxy = σxy / σxσy
sx = √ {Ʃ(xi – x^)2/(n-1)} sy = √ {Ʃ(yi – y^)2 / (n-1)}
Sample Data Population Data
Rxy
Sxy
Sx
Sy
Sample correlation coefficientSample covarianceSample standard deviation of xSample standard deviation of y
ρxy
σxy
σx
σy
Population correlation coefficientPopulation covariancePopulation standard deviation of xPopulation standard deviation of y
Minggu ke Tayangan Iklan TVX
Penjualan (Rp juta)Y
123456789
10
2513415342
50574154543863485946
Sample Data Jumlah Tayangan Iklan di TV dan Penjualan Sound Syatem
Xi Yi xi – x^ yi – y^ (xi – x^ )(yi – y^ )
2513415342
30
50574154543863485946
510
-12
-201
-2201
-10
-16
-1033
-1312-38
-50
11220
03
2624
085
99
sxy = {Ʃ(xi – x^) (yi – y^) /(n-1)} = 99/(10-1) 99/9 = 11
Xi Yi xi – x^ (xi – x^)2 yi – y^ (yi – y^)2 (xi – x^ )(yi – y^ )
2513415342
30
50574154543863485946
510
-12
-201
-2201
-10
1440144011
20
-16
-1033
-1312-38
-50
136
10099
169144
96425
566
11220
03
2624
085
99
sx = √ {Ʃ(xi – x^)2} / (n-1)= √(20/9) = 1,49 sy = √ {Ʃ(yi – y^)2} / (n-1)= √(566/9) = 7,93
rxy = sxy / sxsy = 11/ (1,49x7,93) = + 0, 93
Interpretation of the correlation coefficientContoh sederhana
xi yi
51015
103050
5 10 15 X
0
1
0
20
3
0
40
5
0
Scatter Diagram positif linier sempurna
Y
Xi Yi xi – x^ (xi – x^)2 yi – y^ (yi – y^)2 (xi – x^ )(yi – y^ )
5101530
10305090
-5050
250
2550
-200
200
4000
400800
1000
100200
x^ = 30/3 = 10 y^ = 90/3 = 30
sx = √ {Ʃ(xi – x^)2/(n-1)} = √50/2 = 5sy = √ {Ʃ(yi – y^)2 / (n-1)} = √800/2 = 20sxy = {Ʃ(xi – x^) (yi – y^)}/(n-1) = 200/2 =100
rxy = sxy / sxsy = 100/(5x20) = 1
Kesimpulan: Nilai koefisien korelasi sampel adalah 1, ini menunjukan terdapat hubungan linier sempurna.
Koefeisien korelasi yang mempunyai nilai -1 atau +1 terdapat korelasi -/+ sempurna, sedangkan bila mendekati -1/+1 terdapat hubungan linier yang kuatKoefisien korelasi dengan nilai mendekati 0 terdapat hubungan linier yang lemah
xi yi
46
113
16
5050406030
xi yi
611152127
696
1712
Soal 1 Soal 2
Pertanyaan untuk soal 1 dan soal 2.a. Gambar diagram scatter dengan sumbu x sebagai sumbu horizontalb. Diagram scatter yang sdr gambar pada soal 1/ soal 2 mengindikasikan apa?c. Hitung dan interpretaskan sample covarianced. Hitung dan interpretasikan sample correlation coefficient
BAB II
A. KEJADIAN
1. Kejadian atau peristiwa: terjadinya sesuatu baik disengaja
(eksperimentasi) ataupun tidak.
2. Kejadian:
a. Pasti terjadi atau disebut kepastian diberi angka 1.
Contoh: Semua mahluk hidup pasti akan mati.
b. Mungkin terjadi atau disebut peluang, diberi simbol p
0<p<1.
Contoh: Mungkin nilai hasil ujianku tertinggi.
c. Mustahi terjadi atau disebut kemustahilan, diberi angka 0.
Contoh: Mustahil matahari terbit dari barat.
53
3. Dua buah kejadian A dan B dapat:
a. Saling asing, eksklusif, komplementer, apabila kejadian yang satu (A) meniadakan kejadian yang lain (B) dan sebaliknya. Dalam hal A dan B komplementer biasa ditulis B = Ᾱ
Pernyataannya: A atau B
Contoh: munculnya gambar dan angka pada sebuah mata uang yang ditos.
b. Bebas, independent apabila kejadian yang satu (A) tidak mempengaruhi timbulnya kejadian lainnya (B) dan sebaliknya.
Pernyataannya: A dan B
Contoh: munculnya gambar pada mata uang pertama dengan munculnya angka pada mata uang kedua yang ditos.
c. Inklusif apabila kejadian yang satu (A) memuat atau mengandung kejadian yang lain (B) dan sebaliknya.
Pernyataannya: A dan atau B
Contoh kejadian: munculnya gambar as dan atau skop dari satu set kartu bridge.
54
B. PELUANG.
1. Peluang adalah perbandingan antara banyaknya kejadian yang muncul (observed) dengan banyaknya kejadian (semua) yang mungkin muncul (expected).
Contoh: peluang munculnya hati (n = 13) pada pengambilan sebuah kartu dari satu set kartu brige (N=52) adalah n/N = 13/52 = ¼
2. Nilai peluang untuk sebuah kejadian adalah 0≤p≤1; 0 untuk kemustahilan dan 1 untuk kepastian.
Contoh: peluang munculnya mata dadu 1 adalah satu diantara 6 yaitu 1/6
3. Notasi peluang untuk sebuah kejadian terambilnya sebuah as dari satu set kartu bridge P(A) = 4/52
55
4. Peluang terjadinya dua buah kejadian A dan B:
a. Eksklusif: P (A atau B) = P(A) + P(B)
Contoh: A kejadian munculnya gambar dan B kejadian munculnya angka pada mata uang yang di tos.
P(A atau B) = P(A) + P(B) = 1/2 + 1/2 = 1
b. Bebas: P(A dan B) = P(A).P(B)
Contoh: A kejadian munculnya gambar pada mata uang pertama dan B kejadian munculnya angka pada mata uang kedua yang di tos.
P(A dan B) = P(A).P(B) = 1/2 . 1/2 = 1/4
c. Inklusif: P(A dan atau B) = P(A) + P(B) - P(A).P(B)
Contoh: A kejadian terambilnya hati dan B kejadian munculnya as dari satu set kartu bridge.
P(A dan atau B) = P(A) + P(B) - P(A).P(B)
= 13/52 + 4/52 – 13/52 . 4/52
= 16/52 = 4/13
56
5. Harapan atau ekspektasi adalah hasil kali peluang dengan banyaknya percobaan yang dilakukan. Notasi: E(X) = P(X).n
Contoh:
a. Harapan munculnya gambar pada sebuah mata uang yang ditos 10 kali = 1/2 . 10 = 5 kali.
b. Harapan munculnya mata dadu 6 pada sebuah dadu yang dilempar 12 kali = 1/6 . 12 = 2 kali.
Soal.
1. Berikikan definisi peluang peristiwa dan jelaskan.
2. Jelaskan apa yang dimaksud dengan peristiwa:
a. Saling eksklusif b. Bersyarat.
c. Independen d. Inklusis.
3. Peluang seorang mahasiswa Universitas X lulus tepat waktu 95%.Jelaskan apa yang dimaksu dengan pernyataan tersebut.
4. Peluang seorang mahasiswa Universitas X lulus dengan IPK diatas 3,0 adalah 30%. Bagaimana peluang ia memperoleh IPK dibawah 3,0? Jelaskan artinya.
57
5. A dan B bermain catur 20 kali dan ternyata A menang 12 kali, B menang 6 kali dan 2 permainan lagi remis. Anggaplah ini sebagai data empirik untuk menentukan peluang permainan berikutnya antara A dan B. Misalkan selanjutnya A dan B akan bermain sebanyak 3 kali. Tentukan peluangnya bahwa:a. A akan memenangkan ketiga permainan (misalkan hasil tiap permainan
bersifat independen).b. Satu permainan berahir remis.c. Paling sedikit A menang satu kali.
Jawab:a. Peluang A dan B:
A menang PA(M) = 12/20 = 0, 60; A kalah PA(K) = 6/20 = 0,30; A remis PA(R) = 2/20 = 0,10.B menang PB(M) = 6/20 = 0,30; B kalah PB(K) = 12/20 = 0,60; B remis PB(R) = 2/20 = 0,10 A menang satu kali peluang 0,60. A dapat memenangkan 3 kali pertandingan: P(M1 dan M2 dan M3) = 0,6x0,6x0,6 = 0,216.
b. Satu permainan berahir remis PA(R) = PA(R1) + PA(R2) + PA(R3) = 0,1+0,1+0,1 =0,3
c. Paling sedikit A menang satu kali PA(M) = PA(M1)+PA(M2)+PA(M3) = 0,6+0,6+0,6 > 1 pasti terjadi A menang minimal 1 kali dalam 3 kali permainan
58
6. Semacam barang dihasilkan oleh sebuah mesin secara berurutan. Kerusakan proses produksi barang oleh mesin itu besarnya 5%. Untuk 5 barang yang dihasilkan secara berurutan, tentukan peluangnya akan terdapat:a. Semua barang bagus.b. Satu barang rusak.c. Dua barang rusak.d. Semua barang rusak.Jawaban:
a. Peluang rusak P(R) = 0,05 maka Peluang bagus = 1-0,05 = 0,95 atau 95%.Peluang semua barang bagus P(B1 dan B2 dan B3 dan B4 dan B5) bagus: 0,95x0,95x0,95x0,95x0,95= 0,7738 = 77,38%
b. Satu barang rusak P(R) = 0,05 = 5%c. Dua barang rusak P(R1 dan R2) rusak = 0,05x0,05 = 0,025 = 2,5%d. Semua barang rusak P(R1 dan R2 dan R3 dan R4 dan R5) rusak =
0,05x0,05x0,05x0,05x0,05=
59
7. Sepuluh persen dari penderita semacam penyakit ternyata tidak sembuh. Bagaimanakah peluangnya untuk 5 orang penderita penyakit itu semuanya tidak sembuh?
Jawaban:
Peluang tidak sembuh P(TS) = 10% = 0,10 peluang sembuh P(S) = 100%-10% = 90% = 0,90.
Peluang 5 orang tidak sembuh = P(TS1 dan TS2 dan TS3 dan TS4 dan TS5) = 0,1x0,1x0,1x0,1xo,1= 0,00001 atau = 0,001%
60
7. Berikut ini diberikan tabel yang menyatakan hubungan antara dua faktor. Faktor I terdiri dari 3 kategori ialah A,B, dan C sedangkan faktor II terdiri dari dua kategori, yakni E dan F.
a. Dari data diatas, taksirlah berapa peluang sebuah obyek berasal dari:
b. Kategori F faktor II
c. Kategori B faktor I
d. Kategori A faktor I dan kategori F faktor II
e. Kategori C, jika diketahui obyek itu berasal dari kategori F
• Jawaban:
• P(FII) = 1.621/9.459 = 0,4189 = 17,14%
• P(BI) = 3.063/9.459 = 0,3238 = 32,38%
• P(AI dan FII) = (4.654/9.459) x (1621/9.459) = 0,4920 x 0,1714 = 0,0843 = 8,43%
• P(C/F) = 327/9.459 = 0,0346 = 3,46%
61
Faktor IFaktor II
Kat A Kat B Kat C Jumlah
Kat E 3.975 2.448 1.415 7.838
Kat F 679 615 327 1.621
Jumlah 4.654 3.063 1.742 9.459
C. DISTRIBUSI PELUANG
1. Satu mata uang ditos.
Ada = 21 = 2 kejadian yang mungkin yaitu: A dan G. Peluang munculnya 0 atau 1 gambar adalah: 1/2, 1/2 dimana 1/2 + 1/2 = 1 disebut distribusi peluang. Pembilangnya 2 angka yaitu: 1, 1 sedangkan penyebutnya: 21
2. Dua mata uang ditos.
Ada = 22 = 4 kejadian yang mungkin yaitu: AA, AG, GA, GG. Peluang munculnya 0, 1, 2 gambar adalah: 1/4, 2/4, 1/4 di mana 1/4 + 2/4 + 1/4 = 1 disebut distribusi peluang. Pembilangnya 3 angka yaitu: 1, 2, 1 sedangkan penyebutnya: 22
3. Tiga mata uang yang ditos.
Ada = 23 = 8 kejadian yang mungkin yaitu: AAA, AAG, AGA, AGG, GAA, GAG, GGA, GGG. Peluang munculnya 0, 1, 2, 3 gambar adalah: 1/8, 3/8, 3/8, 1/8 di mana 1/8 + 3/8 + 3/8 + 1/8 = 1 disebut distribusi peluang. Pembilangnya 4 angka yaitu: 1, 3, 3, 1 sedangkan penyebutnya: 23
62
4. Empat mata uang yang ditos.
Ada = 24 = 16 kejadian yang mungkin yaitu: AAAA, AAAG, AAGA, AAGG, AGAG, AAGA, AAGA, AAGG, GAAA, GAAG, GAGA, GAGG, GGAA, GGAG, GGGA, GGGG. Peluang munculnya 0, 1, 2, 3, 4 gambar adalah: 1/16, 4/16, 6/16, 4/16,1/16 di mana 1/16 + 4/16 + 6/16 + 4/16 + 1/16 = 1 disebut distribusi peluang. Pembilangnya 5 angka yaitu: 1, 4, 6, 4, 1 sedangkan penyebutnya: 24
5. Lima mata uang yang ditos.
Ada = 25 = 32 kejadian yang mungkin yaitu: AAAAA, AAAAG, ........ dst GGGGG. Peluang munculnya 0, 1, 2, 3, 4, 5 gambar adalah 6 pecahan yang jumlahnya = 1 disebut distribusi peluang. Pembilangnya 6 angka yaitu: 1, 5, 10, 10, 5, 1 sedangkan penyebutnya: 25
63
7. Distribusi binomial dengan variabel diskret.
Distribusi binomial: 2 kejadian, independen, probabilitas sama, hasil perhitungan.
P(r) = [{n!/{r!(n-r)!}][pr . qn-r]
P(r) : Nilai probabilitas binomial.
p : Probabilitas sukses suatu kejadian dalam setiap percobaan.
r : Banyaknya persitiwa sukses suatu kejadian untuk keseluruhan percobaan.
n : Jumlah total percobaan.
q : Probabilitas gagal suatu kejadian yang diperoleh dari 1 – p
! : Lambang faktorial.
64
Contoh kasus:
15 alumni Universitas A untuk
mengikuti seleksi ODP suatu Bank X,
tingkat keyakinan 90% lulus seleksi.
a. Berapa probabilitas 15 alumni
diterima?
b. Berapa probabilitas 13 alumni
diterima?
c. Berapa probabilitas 10 alumni
diterima?
65
Penyelesaian:
a. Probabilitas 15 alumni diterima semua.
n = 15 r = 15
p = 0,9 q = 0,1
P(r) = [{n!/{r!(n-r)!}][pr . qn-r]
P(r) = {15!/15!(15-15)!}0.915 . 0,115-15
P(15) = 1x0,206x1 = 0,206.
b. Probabilitas 2 alumni ditolak atau 13 alumni diterima.
n = 15 r = 13
p = 0,9 q = 0,1
P(r) = [{n!/{r!(n-r)!}][pr . qn-r]
P(r) = {15!/13!(15-13)!}0.913 . 0,115-13
P(15) = 105x0,25x0,01 = 0,267.
c. Probabilitas 5 alumni ditolak 10 alumni diterima.
n = 15 r = 10
p = 0,9 q = 0,1
P(r) = [{n!/{r!(n-r)!}][pr . qn-r]
P(r) = {15!/10!(15-10)!}0.910 . 0,115-10
P(15) = 3,003x0,35x0,00001 = 0,010.
66
8. Grafik Distribusi Peluang Mata Uang yang Ditos
a. Terletak diatas sumbu datar.
b. Jumlah luas sama dengan 1.
c. Jumlah N cukup besar maka grafik akan berupa
kurva yang mulus yang simestris.
1/2 2/4
1/4 1/8
3/8 3/8
1/8
1/2
1/4
67
9. Tidak semua distribusi peluang berupa kurva
simetris, tergantung pada kejadian yang diamati.
Ada yang landai kekanan atau kekiri.
Contoh: Peluang munculnya k mata dadu 6 pada
pelemparan N buah dadu adalah Ck (1/6)k (5/6)N-k
1/16
5/32
1/32 1/32
20/64
15/64 15/64
6/64 6/64
1/64 1/64
4/16 4/16
1/16
10/32 10/32
5/32
6/16
68
D. DISTRIBUSI NORMAL.
1. Distribusi normal (distribusi Gauss) adalah distribusi
peluang (yang paling penting) yang mempunyai
variabel acak yang kontinum.
Kurva memanjang (–) tak terhingga µ = Md = Mo Kurva memanjang (+) tak terhingga
Kurva normal berbentuk simetris, masing-masing sisi identik
EkorEkor
69
Ciri-ciri kurva normal:
a. Kurva berbentuk genta atau lonceng, satu puncak
berada ditengah. Nilai rata-rata hitung µ, sama
dengan median Md sama dengan modus Mo: µ =
Md = Mo yang membelah kurva dua bagian yang
sama ½ bagian kanan dan ½ bagian kiri.
b. Kurva berbentuk simetris dan asimptotis
(menurun dikanan dan kiri sampai tak terhingga).
c. Modusnya Md pada sumbu mendatarmembuat
fungsi mencapai puncaknya yaitu maksimum
pada X=µ.
d. Luas daerah yang terletak dibawah kurva normal
diatas sumbu mendatar sama dengan 1 yang
terdiri atas ½ sebelah kiri nilai tengah (µ) dan ½
sebelah kanan nilai tengah (µ).
70
2. Distribusi normal baku adalah distribusi probabilitas
acak normal dengan nilai tengah nol dan simpangan baku sama dengan nol atau disebut distribusi dengan µ = 0 dan s = 1.
3. Distribusi normal baku adalah mengubah membakukan distribusi aktual dalam bentuk distribusi normal baku dengan nilai z atau skor z.
z = (X- µ)/σ
di mana:
z : Skor z atau nilai normal baku.
X : Nilai dari suatu pengamatan atau pengukuran.
µ : Nilai rata-rata hitung suatu distribusi.
σ : Standard deviasi suatu distribusi.
71
Soal Latihan
1. Sebanyak 20 perusahaan termasuk dalam harga
saham pilihan pada bulan Maret 2003. Harga saham ke
20 Perusahaan berkisar antara Rp160 – Rp870
persaham. Berapa probabilitas harga saham antara
Rp490 persaham sampai dengan Rp600 persaham.
Apa bila diketahui X = Rp490 sebagai nilai rata-rata
hitung dari standard deviasi nya 144,7 (Lihat soal 9.1).
2. PT Gunung Sari mengklaim bahwa rata-rata berat buah
mangga mutu B adalah 350 gram, dengan standard
deviasi 50 gram. Bila berat mangga mengikuti distribusi
norman, berapa probabilitas bahwa berat buah
mangga mencapai kurang dari 250kg, sehingga akan
diprotes oleh konsumennya.
72
Penyelesaian Soal Latihan 1
z = (X- µ)/σ
Probabilitas harga saham Rp 490:
z1 = (490 – 490)/144,7 = 0/144,7 = 0
Probabilitas harga saham Rp 600:
z2 = (600 – 490)/ 144,7 = 0,76
z2 tabel = 0,2764
Probabilitas harga saham Rp 600 sebesar 27,64 %; dimana P(0<z<0,76)
EkorEkor
0,2764
Z=0 Z=0,76
73
Penyelesaian Soal Latihan 2.
P(x<250)
P(x=250) = (250-350)/50 = -2,00
Jadi P(x<250) = P(z<-2,00)
P(s<-2) = 0,4772 (lihat tabel)
Luas bidang sebelah kiri nilai tengah 0,5.
Luas bidang sebelah kiri dengan z < -2 adalah (0,5 – 0,4772) = 0,0228
Probabilitas berat mangga kurang dari 250 gr adalah 2,28%
EkorEkor0,0228
z = -2 Z=0
250 350
0,4772
σ = 50
74