manajemen biaya · 2020. 9. 24. · 1 modul universitas sumatera utara 2017 prodi diploma iii...

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


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


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


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


dapat memahami arti dan manfaat dari beberapa ukuran pemusatan,

menggunakan rumus-rumus ukuran pemusatan, menghitung beberapa ukuran

pemusatan, mengetahui jenis-jenis ukuran pemusatan.


Mahasiswa D III Keuangan diharapkan mampu menjelaskan tentang ukuran

pemusatan, menghitung ukuran pemusatan dan mengetahui jenis-jenis ukuran

pemusatan.

3. Pokok Bahsan : Ukuran Pemusatan.


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:

18

Rumus Presentil:

19



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


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.



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


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



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


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.



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.


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


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

31

F. Teknik Ramalan dan Analisis Regresi

Gambar. 4 Berbagai Bentuk Diagram Pencar

32



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


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.



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


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.


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


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.

35

Penyelesaiannya diperoleh nilai b0, b2, . . . , bk.

Penyelesaiannya digunakan persamaan matriks

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



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


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.



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


mampu memahami arti dari data berkala, menyebutkan jenis-jenis

gerakan/variasi data berkala, menggunakan berbagai metode untuk

memperoleh trend.


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


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



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


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.


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


dapat memahami arti dan manfaat dari MEMAHAMI DATA


Mahasiswa D III Keuangan diharapkan mampu menjelaskan tentang

MEMAHAMI DATA .

3. Pokok Bahsan : MEMAHAMI DATA


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


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.


50

PERTEMUAN KE 9-10


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


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

54

Hal yang sama dapat dilakukan untuk mencari nilai F tabel. Pilih idf. F

55



I. TUJUAN

Mahasiswa diharapkan mampu mendefenisikan tentang DATA PADA SPSS dan

manfaatnya, menyusun DATA PADA SPSS

II. ALAT DAN BAHAN

5. Buku Teks


7. Laptop

8. Internet

III. CARA KERJA

1. Bacalah definisi DATA PADA SPSS



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


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


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


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


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


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


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 :

60

5.8

5.6 3 4.3

3

4.2 2.8 4.8

3.5

3 4.6 6.2

4.2

6 3.8 5.7

2.1

4.9 5.3 4.4

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


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


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


24 36-40 Wanita S1 Rp.2.000.001-Rp3.000.000 Dll



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



33 36-40 Wanita S1 Rp.2.000.001-Rp3.000.000 Dll


35 36-40 Wanita SLTA Rp.3.000.001-Rp4.000.000 Batak





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


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


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


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



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


3. Laptop

4. Internet

III. CARA KERJA

1. Bacalah definisi Analisis Deskriftif

2. Carilah di internet masing-masing definisi analisi deskriptif



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


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


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


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


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


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


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


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


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


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


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


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


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


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


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

74

Daftar Pustaka:

manajemen biaya · 2020. 9. 24. · 1 modul universitas sumatera utara 2017 prodi diploma iii...

Documents