SEKILAS STATISTIKA 1. Menjelaskan konsep dasar data & pembagiannya 2 SEKILAS STATISTIKA 1. Menjelaskan konsep dasar data & pembagiannya 2. Menjelaskan pengertian statistika dan pembagiannya, 3. Menjelaskan peranan komputer dalam statistika Data berarti sesuatu yang diketahui atau dianggap, meskipun belum tentu benar. Data yang telah diolah disebut informasi data dapat dipergunakan untuk keperluan: 1. dasar suatu perencanaan 2. alat pengendalian 3. dasar evaluasi

Syarat-syarat data yang baik : Beberapa masalah dapat dipecahkan dengan menggunakan statistika. Pemecahan dengan menggunakan statistika akan lebih cepat & tepat jika menggunakan metode ilmiah, yaitu metode yang menggunakan langkah-langkah sebagai berikut : 1.Mengidentifikasi masalah atau peluang 2. Mengumpulkan fakta 3. Mengumpulkan data 4. Mengklarifikasi dan mengikhtisarkan data 5. Melaporkan hasil analisis Syarat-syarat data yang baik : 1. Harus obyektif, sesuai dengan keadaan yang sebenarnya; 2. Harus bisa mewakili (representatif); 3. Kesalahan baku (standard error) harus kecil; 4. Harus tepat waktu (on-time) 5. Harus relevan

Kinerja karyawan CV. “ABS” tinggi Dari sudut pandang statistika, data menurut sifatnya dapat dibagi menjadi sebagai berikut : Data Kualitatif, yaitu data yang tidak berbentuk angka, yaitu berbentuk pernyataan atau judgement. Contoh : Kinerja karyawan CV. “ABS” tinggi Pelayanan super market “ABS” sangat baik Data kuantitatif adalah data yang berbentuk angka (bilangan), harganya berubah-ubah atau bersifat variable. Dari nilainya, dikenal dua golongan data kuantitatif. 1. data diskrit: data dari hasil menghitung atau membilang 2. data kontinu: data dari hasil pengukuran. Universitas Wijayakusuma terdiri dari 5 Fakultas (diskrit) Luas kampus UNWIKU 7.000 m2 (kontinu)

Data menurut tingkatan skalanya dapat dikelompokan menjadi empat Data Nominal (Skala Nominal) Data nominal adalah data yang hanya digunakan untuk kategorisasi atau memberi nama saja untuk membedakan. Data ini merupakan data dengan tingkatan yang paling lemah dibanding yang lain. Contoh: Jenis kelamin, diklasifikasikan sebagai: - pria, diberi skor 1 - wanita, diberi skor 2 Departemen dalam perusahaan, diklasifikasikan: pemasaran, diberi skor 1 keuangan, diberi skor 2 produksi, diberi skor 3 personalia diberi skor 4 sistem informasi diberi skor 5

Ciri data nominal : - Tidak memiliki tingkatan, skor yang ada dalam skala nominal tidak memiliki tingkatan, Bagian keuangan diberi skor 2, tidak berarti bahwa yang bekerja dibidang keuangan lebih tinggi dari bagian pemasaran dengan skor 1, demikian juga sebaliknya. - Bersifat mutuali exclusive, berarti bahwa kategori yang bersifat saling meniadakan. Jika seseorang berjenis kelamin dikategorikan 1 (pria), maka tidak mungkin memiliki kategori lainnya 2 (wanita), demikian sebaliknya. - Bersifat collectively exhaustive, berarti bahwa tidak ada kategori yang lain di luar kategori yang telah dinyatakan dalam skala nominal. Jenis kelamin laki-laki diberi skor 1, sedangkan jenis kelamin perempuan diberi skor 2, maka dianggap tidak ada lagi jenis kelamin diluar laki-laki dan perempuan

Data Ordinal (Skala Ordinal) Data ordinal adalah data yang dapat digunakan untuk menunjukan tingkatan, tetapi jarak atau interval antar tingkatan tidak pasti. Contoh :Tanggapan atau persepsi pelanggan tentang sebuah super market, diklasifikasikan menjadi seperti berikut : sangat setuju mendapat skor 5 setuju mendapat skor 4 netral mendapat skor 3 tidak setuju mendapat skor 2 sangat tidak setuju mendapat skor 1 Ciri data ordinal sebagai berikut : Skala yang digunakan sudah memiliki tingkatan. Dengan demikian jawaban responden dengan skor sangat setuju (skor 5) memiliki nilai yang lebih baik dibanding yang nilainya baik (skor 4). Namun demikian, berapa jarak atau selisish antar karyawan agar dapat digolongkan sangat setuju dan setuju belum jelas. Tidak dapat dilakukan operasi matematika, baik penjumlahan, pengurangan, pembagian maupun perkalian.

Data Interval (skala Interval) Data interval adalah data yang sudah dapat digunakan untuk menunjukan tingkatan, jarak, atau interval antar tingkatan yang sudah pasti, tetapi belum memiliki nilai 0 (nol) yang mutlak. Data ini diperoleh dengan cara pengukuran, dimana jarak dua titik pada skala sudah diketahui. Contoh: Temperatur udara dapat diukur dengan menggunakan termometer Celcius (00C), dengan skala 00C, sampai dengan 1000 C. Dalam termometer ini terdapat angka 0, tetapi angka 0 ini tidak mutlak, dalam arti bahwa suhu 00 tidak berarti tidak ada suhunya dan jarak antar antar interval sudah jelas, yaitu 1000C - 00C = 1000C

Data Rasio Data rasio adalah data yang menunjukan tingkatan, jarak antar tingkatan sudah pasti dan sudah mempunyai titik 0 yang absolut/mutlak. Hal ini berbeda dengan skala interval yang tidak memiliki titik 0 yang mutlak (misalnya: 00C≠ 00F; 01.00WIB≠01.00WIT) Contoh: Jumlah mahasiswa di dalam kelas: - 50 = ada lima puluh mahasiswa didalam kls - 0 = tidak ada sama sekali mahasiswa di dalam kelas (absolut= benar-benar 0)

Statistika deskriptif Statistika dan Pembagiannya Pada prinsipnya, statistika dapat diartikan sebagai kegiatan untuk: 1. mengumpulkan data 2. menyajikan data 3. menganalisis data dengan metode tertentu 4. menginterprestasikan hasil analisis tersebut statistika dibagi dalam dua bagian, : Statistika deskriptif Bidang ilmu statistik yang mempelajari bagaimana cara menyusun dan menyajikan data dari yang telah dikumpulkan dalam penelitian serta mempelajari data dari data yang telah dikumpulkan dalam penelitian, serta mempelajari bagaimana cara melakukan pengukuran nilai-nilai statistik, seperti mean, median, modus standar deviasi, dan lain-lain. Data yang telah dikumpulkan dapat disajikan dalam bentuk tabel atau grafik. Sesuai dengan ruang lingkupnya, analisis deskriptif meliputi: penyajian data, baik dalam bentuk tabel maupun grafik pengukuran nilai-nilai statistik, seperti pengukuran nilai rata-rata- median, modus, dispersi, skewness, dan kurtosis.

Statistika inferensi (induktif) Statistika inferensi adalah bidang ilmu statistika yang mempelajari tata cara penarikan kesimpulan mengenai keseluruhan populasi berdasarkan data yang ada dalam suatu bagian dari populasi tersebut. Bidang statistika induktif akan meliputi berikut ini : Probabilitas Jika sebuah dadu bermata 6 dilemparkan, maka kemungkinan muncul nilai genap adalah 50% (3/6 x 100%). Estimasi Estimasi(memperkirakan) nilai suatu parameter populasi. Jika diketahui rata-rata pendapatan 1000 orang penduduk Purwokerto Rp 500.000,- per bulan (sebagai sampel), maka dapat diperkirakan rata-rata besarnya pendapatan seluruh penduduk purwokerto sebagai populasi). Uji Hipotesis Uji hipotesis statistik yang bertujuan untuk menguji apakah data dan sampel yang ada sudah cukup kuat untuk menggambarkan populasinya. Jika kita menduga bahwa rata-rata penjualan seorang sales adalah 50 unit per bulan, kemudian kita mengambil sampel sebanyak 100 orang sales dan ternyata rata-rata penjualan perbulan mendekati atau sebesar 50, maka dugaan kita dianggap benar. Mengukur derajat asosiasi antar variabel Jika kenaikan biaya promosi senantiasa diikuti oleh kenaikan volume penjualan, maka dapat dikatakan bahwa biaya promosi memiliki hubungan atau pengaruh dengan hasil penjualan.

1. Berdasarkan parameternya 2. Berdasarkan jumlah variabelnya Prosedur atau metode statistika, dalam kaitanya dengan pengolahan data dapat dibagi menjadi berikut : 1. Berdasarkan parameternya 2. Berdasarkan jumlah variabelnya Berdasarkan pada jumlah variabelnya, analisis statistika dapat digolongkan sebagai berikut: Analisis Univariat Analisis Bivariat Analisis Multivariat

Peranan Komputer dalam Statistika. Komputer memegang peranan penting dalam statistika. Komputer dalam bekerja secara efisien dalam pengolahan data mempunyai karakteristik: Jumlah input yang besar Jumlah input yang besar akan dapat diolah oleh komputer dengan mudah semudah mengolah data yang jumlahnya sedikit sehingga komputer akan dapat bekerja sangat efisien pada pengolahan data dengan menggunakan input yang besar. Proyek yang repetitif Perintah pengolahan yang berulang-ulang akan lebih efisien dengan menggunakan komputer, karena di sini hanya dilakukan satu kali kemudian diulang (di-copy) untuk menjalankan perintah pengolahan yang lain. Diperlukan kecepatan yang tinggi Komputer dapat melakukan proses pengolahan jumlah data yang besar dalam waktu yang singkat. Jumlah data yang besar dan sedikit akan sama cepatnya diolah oleh komputer. Yang membedakan hanya pada proses pemasukannya saja Diperlukan ketepatan yang tinggi Komputer yang telah terprogram dengan benar akan melakukan proses pengolahan yang tepat. Kesalahan informasi yang mungkin dihasilkan hanya terjadi pada proses pemasukan data saja. Pengolahan hal-hal yang kompleks. Hubungan antarfenomena yang komplek akan dapat dipecahkan dengan mudah menggunakan komputer dalam waktu yang cepat dan tepat.