STATISTIKA BISNIS

Pertemuan 3

Numerical Measures

Prodi S1 Manajemen
Fakultas Bisnis dan Ekonomika, Universitas Atma Jaya Yogyakarta
Tujuan Pembelajaran :
1. Mahasiswa mampu mengidentifikasi dan menginterpretasi rerata, median, dan modus
2. Mahasiswa mampu mengidentifikasi rerata tertimbang
3. Mahasiswa mampu mengidentifikasi dan dan menginterpretasi rerata geometric
4. Mahasiswa mampu mengidentifikasi dan interpretasi range,variance, dan standard
deviasi

Capaian Pembelajaran :
Tugas Mandiri dan Tugas Kelompok
Note : silahkan membuka Excel untuk kegiatan pembelajaran hari ini.
 What is Data & Variable ?
Variabel

Data

Populasi

Sampel

Parameter

Statistik

Statistika
We need some formal methods for summarizing and characterizing the information in such a data set.
And two methods for describing data are graphical and numerical.

a.Penyajian Data secara numeric b.Penyajian Data dalam Grafik

1. Data Kualitatif 1. Data Kualitatif
• Frekuensi • Bar Chart
• Tabel Frekuensi relatif • Pie Chart
2. Data Kuantitatif • Pareto Chart
• Tabel Distribusi Frekuensi 2. Data Kuantitatif
• Frekuensi Relatif & Persentase • Dot Plot
• Frekuensi Kumulatif dan Persentase • Steam & Leaf Chart
Kumulatif • Histogram
Ringkasan
Ukuran Central Tendency
Overview
Central Tendency

Rata-rata Median Modus Rata-rata

Geometrik
n

X i
XG = ( X1  X2   Xn )1/ n

X= i=1
n Nilai tengah Nilai yang
pada data paling sering
terurut muncul
Numerical Measures of Central Tendency
The mean of a set of quantitative data is the sum of the measurements
divided by the number of measurements contained in the data set.
*Rata-rata (rata-rata sampel) adalah ukuran Gejala Pusat yang PALING SERING DIGUNAKAN

X i
X1 + X2 +  + Xn
X= i=1
=
n n

Ukuran Sampel Data

 (continued)

• Ukuran Gejala Pusat yang Paling Sering Digunakan

• Mean = Jumlah Data dibagi dengan Banyaknya Data
• Terpengaruh oleh Nilai Ekstrim (outlier)

1 2 3 4 5 1 2 3 4 100

Mean = 3 Mean = 22

1 + 2 + 3 + 4 + 5 15 1 + 2 + 3 + 4 + 100 110
= =3 = = 22
5 5 5 5
Source :McClave, J., Benson, G., Sincich, T. (2018). Statistics for Business and Economics, Global Edition (13th ed.). Pearson.
 The median of a quantitative data set is the middle number when the measurements are
arranged in ascending (or descending) order.

Source :McClave, J., Benson, G., Sincich, T. (2018). Statistics for Business and Economics, Global Edition (13th ed.). Pearson.
 Median
• Dalam Data Terurut, Median adalah Nilai Tengahnya
(50% data di atasnya, 50% data di bawahnya)

0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 6 7 8 9 10

Median = 3 Median = 3

• Tidak terpengaruh oleh data ekstrim (outlier)

Menentukan Median
• Posisi Median :
• Jika data berukuran ganjil, maka posisi median terletak di
pertengahan
• Jika data berukuran genap, maka posisi median terletak di antara dua
nilai tengah

n +1
Posisi Median =
2

• Catatan : Rumus di atas adalah rumus Posisi Median pada

data yang telah terurut, bukan rumus Nilai Median
 Median vs Mean ?

Source :McClave, J., Benson, G., Sincich, T. (2018). Statistics for Business and Economics, Global Edition (13th ed.). Pearson.
Modus
• Salah satu ukuran central tendency
• Nilai yang paling sering muncul
• Tidak terpengaruh oleh data ekstrim
• Digunakan baik pada data kategorik maupun data
numerik
• Pada data yang semua frekuensinya hanya satu tidak
ada nilai modus
• Bisa ada beberapa nilai modus

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 0 1 2 3 4 5 6
No Mode
Mode = 9
Review Example
Berikut adalah harga lima buah rumah di sebuah bukit
di tepi pantai
$2,000 K
Harga Rumah :

$2,000,000
500,000
$500 K
300,000
100,000 $300 K
100,000

$100 K

$100 K
Chap 3-15
 Review Example:
Summary Statistics
Harga Rumah :
• Mean : ($3,000,000/5)
$2,000,000 = $600,000
500,000
300,000
100,000
100,000
• Median : Nilai tengah pd data terurut
= $300,000
Jumlah $3,000,000

• Modus : Nilai yang paling sering muncul

= $100,000

Business Statistics, A First Course (4e) ©

Chap 3-16
2006 Prentice-Hall, Inc.
Ukuran mana yang Terbaik?
• Mean adalah ukuran yang Paling Sering
digunakan, dengan catatan jika tidak ada data
Ekstrim.
• Median adalah yang Sering digunakan,
dikarenakan tidak sensitif terhadap data ekstrim.
• Contoh : Median harga rumah barangkali akan lebih
efektif dalam menggambarkan harga rumah di sebuah
wilayah, karena tidak terpengaruh outlier (harga
rumah ekstrim rendah, atau harga rumah ekstrim
tinggi)
A third measure of central tendency is the mode of a set of measurements.

The mode is the measurement that occurs most frequently in the data set.
 The modal class is class interval containing the largest relative
frequency

= interval 3-4 memiliki data paling banyak. Maka modusnya

adalah 3.5

Source :McClave, J., Benson, G., Sincich, T. (2018). Statistics for Business and Economics, Global Edition (13th ed.). Pearson.
 Kuartil
• Kuartil membagi data terurut menjadi 4 bagian dengan
banyak data yang sama pada setiap bagian

25% 25% 25% 25%

Q1 Q2 Q3
◼ Kuartil pertama, Q1, adalah nilai dimana 25% data lebih kecil
darinya dan 75% data lebih besar darinya
◼ Q2 = Median (50% data lebih kecil darinya, 50% data lebih
besar darinya)
◼ Ada 25% dari data yang lebih besar dari Q3
 Rumus Quartil

Menemukan Quartile dengan menentukan nilai

posisinya pada Data Terurut :

Posisi Q1 : Q1 = 1(n+1)/4 = (n+1)/4

Posisi Q2 : Q2 = 2(n+1)/4 = (n+1)/2 (Posisi Median)

Posisi Q3 : Q3= 3(n+1)/4

Dimana n = banyak data

 Quartiles
◼ Contoh : Menentukan Q1
Data sampel setelah diurutkan : 11 12 13 16 16 17 18 21 22

(n = 9)
Q1 berada pada posisi (9+1)/4 = 2,5 pada data terurut, maka nilai Q1 adalah nilai tengah
antara data ke-2 dan data ke-3
Maka Q1 = (12+13)/2 = 12.5

Q1 dan Q3 adalah ukuran posisi noncentral (bukan nilai tengah)

Q2 = median, ukuran central tendency
Quartiles
(continued)
◼ Contoh (Data terurut):
Urutan 1 2 3 4 5 6 7 8 9
(n = 9) Data 11 12 13 16 16 17 18 21 22

Posisi Q1 : (9+1)/4 = posisi ke-2,5 pada data terurut,

Maka Q1 = 12,5

Posisi Q2 : (9+1)/2 = posisi ke-5 pada data terurut,

Maka Q2 = median = 16

Posisi Q3 : 3(9+1)/4 = posisi ke-7,5 pada data terurut,

Maka Q3 = 19,5
Rerata Tertimbang :
Rata-rata tertimbang adalah rata rata yang dihitung dengan
memperhitungkan timbangan/bobot dari setiap datanya. Rumusnya
sebagai berikut :
Nilai amatan

Dimana :

Faktor
Rata-rata
penimbang
tertimbang
Contoh :

Jenis Bobot (Wi) Nilai (Xi) WiXi

Kuis 20% 82 16.4
Ujian 35% 90 31.5
Tugas 45% 76 34.2
82.1

Dari data diatas diperoleh ]

sig(wixi) = 82.1
Sig(wi) = 1

Maka rata-rata tertimbangnya 82.1/1 = 82.1

 Rata-rata Geometrik
• Rata-rata Geometrik (Rata-Rata Ukur)
• Digunakan untuk mengukur tingkat perubahan variabel
dari waktu ke waktu

XG = ( X1  X2   Xn ) 1/ n

• Rata-rata Geometrik Tingkat Pengembalian Modal

• Mengukur status investasi dari waktu ke waktu
RG = [(1+ R1 )  (1+ R2 )   (1+ Rn )] 1/ n
−1
• Dimana Ri adalah rate of return pada periode - i
Example
Sebuah investasi Rp.100 juta berkurang menjadi Rp.50 juta
pada akhir tahun pertama dan kembali melambung
menjadi Rp.100 juta di akhir tahun ke-2

X 1 = 100 juta X 2 = 50 juta X 3 = 100 juta

Menurun 50% meningkat 100%

Secara keseluruhan perkembangan investasi selama 2

tahun adalah NOL, dimana awal dan akhir nilainya sama.
Example (continued)
Perbandingan rata-rata perkembangan selama 2 tahun
menggunakan Rata-rata aritmetik dengan Rata-rata Geometrik:

Rata-rata ( −50%) + (100%)

Aritmetik: X= = 25% Hasil & interpretasi
2 yang menyesatkan

Hasil
Rata-rata RG = [(1 + R1 )  (1 + R 2 )    (1 + Rn )]1/ n − 1 lebih
Geometrik: akurat
= [(1 + ( −50%))  (1 + (100 %))] − 11/ 2
dan
sesuai
= [(.50 )  (2)] − 1 = 1 − 1 = 0%
1/ 2 1/ 2
fakta
Chap 3-28
NUMERICAL MEASURES OF VARIABILITY
Variasi

Range Interquartile Variance Standard Koefisien

Range Deviation Variasi (KV)

◼ Ukuran variasi memberikan informasi

tentang penyebaran suatu kumpulan
data.

◼ How Important : membantu untuk

memvisualisasikan bentuk kumpulan
data serta nilai ekstrimnya Nilai pusat yang sama,
Variasi yang berbeda
Range (Jarak)
• Ukuran variasi paling sederhana
• Selisih antara nilai tertinggi dengan nilai terrendah
dalam data:

Range = Xdata terbesar– Xdata terkecil

Contoh:

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14

Range = 14 - 1 = 13
Chap 3-30
Kekurangan “Range”
• Mengabaikan sebaran data

7 8 9 10 11 12 7 8 9 10 11 12
Range = 12 - 7 = 5 Range = 12 - 7 = 5

• Sensitif terhadap outliers

1,1,1,1,1,1,1,1,1,1,1,2,2,2,2,2,2,2,2,3,3,3,3,4,5
Range = 5 - 1 = 4

1,1,1,1,1,1,1,1,1,1,1,2,2,2,2,2,2,2,2,3,3,3,3,4,120
Range = 120 - 1 = 119

Chap 3-31
Interquartile Range (Jarak Antar Kuartil)
• Dapat meminimalisir masalah outlier dengan
menggunakan interquartile range

• Menghilangkan data ekstrim tinggi dan ekstrim rendah

serta menghitung jarak dari data yang tersisa

• Interquartile range = (Kuartil ke -3) – (Kuartil ke-1)

= Q3 – Q1

Chap 3-32
Interquartile Range
Contoh:
Median X
X Q1 Q3
(Q2) maximum
minimum
25% 25% 25% 25%

12 30 45 57 70

Interquartile range
= 57 – 30 = 27

Business Statistics, A First Course (4e) © 2006 Prentice-Hall, Inc. Chap 3-33
 Deviasi dapat memberikan informasi terkait
variabilitas/dapat dijadikan ukuran variabilitas numerik.

Source :McClave, J., Benson, G., Sincich, T. (2018). Statistics for Business and Economics, Global Edition (13th ed.). Pearson.
Varians
• Rata-rata (pendekatan) kuadrat simpangan dari
setiap data terhadap nilai rata-ratanya
*jumlah deviasi2 dari rata-rata / (n-1)
n

• Varians Sampel :  (X − X) i
2

S =2 i=1
n -1
Where X = Rata-rata (Mean)
n = Ukuran sampel
Xi = data ke-I pada variabel X
Chap 3-35
 Langkah kedua dalam menemukan ukuran variabilitas data yang berarti
adalah menghitung simpangan baku dari kumpulan data.

Source :McClave, J., Benson, G., Sincich, T. (2018). Statistics for Business and Economics, Global Edition (13th ed.). Pearson.
Standard Deviation (Simpangan Baku)
• Ukuran Variasi yang PALING BANYAK DIGUNAKAN
• Memperlihatkan variasi dari nilai rata-rata
• Merupakan akar kuadrat dari Varians
• Memiliki satuan yang sama dengan data asli

Chap 3-37
 Maka, s = 1.5811

Source :McClave, J., Benson, G., Sincich, T. (2018). Statistics for Business and Economics, Global Edition (13th ed.). Pearson.
Sampai Jumpa Selasa Depan …