STATISTIKA BISNIS Ai Rohaeni, SPi. MM Program Studi Administrasi Bisnis Fakultas Ilmu Administrasi Universitas Subang

SILABUS Konsep Dasar Statistika Pengumpulan dan Penyajian Data Distribusi Frekuensi Ukuran Pemusatan Ukuran Penyimpangan Skewness & Kurtosis Time Series (Trend) Angka Indeks Probabilitas Distribusi Teoritis Penarikan Sampel Pendugaan Pengujian Hipotesis Regresi dan Korelasi Sederhana

Perbedaan Statistik dan Statistika Statistik : kumpulan angka yang tersusun lebih dari satu angka Contoh : angka pengangguran di Indonesia diperkirakan naik 9 % di tahun 2012, dari tahun lalu sekitar 8,5 %. Kenaikan jumlah pengangguran ini lebih disebabkan menurunnya penyerapan tenaga dibidang industri yang mencapai 36,6 %. Angka 9 %, 8,5 % dan 36,6 % adalah contoh dari statistik. Statistika : ilmu mengumpulkan, menata, menyajikan, menganalisis dan menginterpretasikan data menjadi informasi untuk membantu pengambilan keputusan yang efektif

Manfaat Statistika Manfaat mempelajari Statistika: Memberi pengetahuan dan kemampuan kepada seseorang untuk mengevaluasi terhadap data Bagi mahasiswa ilmu-ilmu bisnis, statistika dapat bermanfaat bagi dunia kerja Manfaat Statistika dalam Riset Bisnis : Menyusun, meringkas dan menyederhanakan data Merancang kegiatan survei atau eksperimen Menerapkan metode terbaik dalam penarikan kesimpulan (inferensia) Mengukur baik tidaknya sebuah inferensi (penarikan kesimpulan)

Penelitian (Riset) Ada 3 tahapan dalam sebuah riset : Riset adalah proses sistematik dari pengumpulan dan analisis data dan informasi untuk meningkatkan pemahaman terhadap fenomena yang sedang diteliti. Ada 3 tahapan dalam sebuah riset : Perencanaan Pengumpulan Data Analisis

Proses Riset Berawal dari sebuah pertanyaan Perlu tujuan yang jelas Mengikuti prosedur tertentu Membagi permasalahan umum menjadi permasalahan khusus Memiliki asumsi-asumsi khusus Membutuhkan pengumpulan dan interpretasi data untuk menjawab pertanyaan awal dari riset yang akan dilakukan

Jenis Jenis Statistika Berdasarkan aktivitas yang dilakukan : Statistika deskriptif (descriptive statistics) Statistika inferensia (inferential statistics) Berdasarkan metode yang digunakan : Statistika parametrik Statistika non-parametrik

Statistika Deskriptif Membahas cara-cara pengumpulan data Penyederhanaan angka-angka dari pengamatan Pengukuran pemusatan dan penyebaran untuk memperoleh informasi yang lebih menarik Kegunaan statistika deskriptif : Kumpulan data tersaji dengan ringkas dan rapi dan dapat memberikan informasi inti Data bisa ditampilkan dengan teknik grafik atau numerik Dapat mengukur dua karakteristik dari setiap respondennya dan meneliti hubungan keduanya Berperan penting dalam persiapan analisa data

Contoh Statistika Deskriptif Salah satu dampak dari belum membaiknya sektor riil adalah tingginya tingkat pengangguran di Indonesia. Pada Agustus 2004, jumlah pengangguran terbuka mencapai 10,3 juta, Februari 2005 sebesar 10,9 juta jiwa, dan Februari 2006 mencapai 11,1 juta jiwa

Statistika Inferensia Cara menganalisis data dan mengambil kesimpulan Dapat menganalisis sebagian data (sampel) atau keseluruhan data (populasi) Dilakukan pendugaan parameter Membuat dan menguji hipotesis Membuat kesimpulan yang berlaku umum (generalisasi) Empat karakteristik utama : Pengamatan secara acak Teknik penarikan sampel Data dalam bentuk angka Tujuan umum inferensia

Contoh Statistika Inferensia Bagaimana cara mendapatkannya ? Apakah dilakukan survey pada 291.664 pencari pekerja tersebut? Dengan statistika inferensia, sampel dipilih secara random, misalnya 2500 pencari kerja. Sampel tersebut digunakan sebagai bahan dugaan terhadap keseluruhan pencari kerja Contoh Kasus : Pada tahun 1990, diperoleh data di Jawa Barat terdapat 291.664 pencari kerja yang memuat informasi cukup lengkap mengenai karateristik pencari kerja tersebut, namun data mengenai asal sekolah tersebut tidak tercantum didalammnya.

Statistika Parametrik dan Non-Parametrik Bagian dari statistika inferensia yang mempertimbangkan nilai dari satu atau lebih parameter populasi Membutuhkan data yang berskala pengukuran minimal interval Berpijak pada asumsi spesifik mengenai bentuk distribusi populasi yang diasumsikan normal Statistika Non-Parametrik : Bagian dari statistika inferensia yang tidak mempertimbangkan nilai dari satu atau lebih parameter populasi Validitas tidak tergantung pada model peluang yang spesifik dari populasi Distribusi data tidak dapat diasumsikan normal

Alat Bantu Komputer Dengan bantuan komputer, peneliti dapat dengan mudah melakukan perhitungan-perhitungan yang rumit dalam melakukan analisis datanya Program komputer memungkinkan melakukan komputasi dan bahkan interpretasi data Beberapa program komputer untuk statistik SPSS (Statistical Package for the Social Science) Microsoft Excel Minitab SAS Lisrel AMOS

Pengukuran Merupakan proses deduktif yang bermula dari konsep atau ide Dua tahapan proses pengukuran : Konseptualisasi : pemilihan konsep dan pemberian batasan secara teoritis Operasionalisasi : penyusunan definisi operasional dari suatu konsep dalam bentuk cara, prosedur maupun instrumen pengukuran tertentu Dua prinsip pengukuran : Prinsip eksklusif : suatu kasus tidak dapat memiliki nilai lebih dari satu untuk suatu variabel yang sama Prinsip ekshaustif : nilai dalam suatu variable harus mencakup nilai dari setiap kasus

Konsep Dasar Pengukuran Konstanta dan Variabel Contoh konstanta : tipe ideal birokrasi, keluarga dan revolusi Contoh variabel : pengukuran, status gizi dan kepadatan penduduk Variabel kuantitatif dan kualitatif Variable kuantitatif : variabel yang bervariasi dalam hal jumlah dan dapat “di-angka-kan” atau memiliki nilai tertentu. Contoh : usia, kepadatan penduduk dll Variable diskrit : variabel yang dapat dihitung, bilangan bulat Variable kontinu : hasil pengamatan dari sejumlah garis interval Variable kualitatif : variabel yang tidak dapat diangkakan. Contoh : pemberian angka “1” untuk kategori perumahan, angka “2” untuk kategori perkampungan dll

Skala Pengukuran Skala Nominal Skala Ordinal Skala Interval Setiap kategori dari objek (variable) diberikan simbol untuk keperluan identifikasi (dalam bentuk angka atau huruf), namun angka atau huruf tersebut tidak memiliki makna dan besaran tertentu Skala Ordinal Sama dengan skala nominal, namun variabel dapat disusun berdasarkan tingkat (urutan) tertentu Skala Interval Dapat menentukan suatu variable yang satu lebih atau kurang dibandingkan dengan variable lainnya. Tidak memiliki nilai nol mutlak. Skala Rasio Adanya titik nol mutlak. Skala pengukuran yang mencakup skala nominal, ordinal dan interval

Validitas dan Reliabilitas Validitas dan reliabilitas adalah dua hal yang sangat penting dalam suatu penelitian sosial Validitas : Apakah variabel-variabel yang diteliti benar-benar mewakili variabel-variabel yang diukur? Apakah hasil pengukuran dari variabel yang diteliti konsisten dan dapat diandalkan? Reliabilitas : Apakah instrumen pengukuran (kuesioner) yang digunakan akan memberikan hasil pengamatan yang sama jika diterapkan pada sampel yang sama dalam waktu yang berbeda? Cara untuk menguji reliabilitas : test-retest.

DATA Data adalah sekumpulan datum yang berisi fakta-fakta serta gambaran suatu fenomena yang dikumpulkan, dirangkum, dianalisis dan selanjutnya diinterpretasikan.

SYARAT DATA BAIK Data harus obyektif, sesuai dengan keadaan sebenarnya. Data harus bisa mewakili (representative). Kesalahan baku (standard error) harus kecil. Suatu perkiraan (estimate) dikatakan baik (memiliki tingkat ketelitian tinggi) jika kesalahan bakunya kecil. Syarat (2) & (3) sering disebut sebagai syarat data yang dapat diandalkan (reliable). Harus tepat waktu (up to date). Harus relevan, yaitu data yang dikumpulkan harus ada hubungannya dengan masalah yang akan dipecahkan.

DATA MENURUT SKALA PENGUKURAN Nominal, sifatnya hanya untuk membedakan antar kelompok. Contoh: Jenis kelamin, Jurusan dalam suatu sekolah tinggi (Manajemen, Akuntansi). Ordinal, selain memiliki sifat nominal, juga menunjukkan peringkat. Contoh: Tingkat pendidikan (SD, SMP, SMA), Skala perusahaan (besar, sedang).

DATA MENURUT SKALA PENGUKURAN Interval, selain memiliki sifat data ordinal, juga memiliki sifat interval antar observasi dinyatakan dalam unit pengukuran yang tetap. Contoh: Temperatur Rasio, selain memiliki sifat data interval, skala rasio memiliki angka 0 (nol) dan perbandingan antara dua nilai mempunyai arti. Contoh: Tinggi badan, Berat badan, Waktu

JENIS DATA MENURUT SIFATNYA Kualitatif Berupa label/nama-nama yang digunakan untuk mengidentifikasikan atribut suatu elemen Skala pengukuran: Nominal atau Ordinal Data bisa berupa numeric atau nonnumeric Misalnya prestasi siswa sangat meningkat, biaya sekolah sangat mahal, penyaluran BOS sangat lancar, dsb.

JENIS DATA MENURUT SIFATNYA Kuantitatif Mengindikasikan seberapa banyak (how many/diskret atau how much/kontinu) Data selalu numeric Skala pengukuran: Interval dan Rasio Misalnya rata-rata nilai matematika siswa 80, biaya SPP perbulan Rp 100.000,-, 99% siswa dinyatakan tamat dan lulus, dan sebagainya.

JENIS DATA MENURUT SUMBERNYA Data Internal yaitu data yang menggambarkan keadaan/kegiatan di dalam suatu organisasi. Di dalam suatu sekolah, misalnya data guru, data keuangan, data siswa, data prestasi siswa, dan sebagainya. Data Eksternal yaitu data yang menggambarkan keadaan/kegiatan di luar suatu organisasi. Bagi suatu sekolah, misalnya tingkat daya beli masyarakat, perkembangan biaya sekolah, permintaan (demand), dan sebagainya.

JENIS DATA MENURUT WAKTU PENGUMPULANNYA Cross-sectional Data yaitu data yang dikumpulkan pada waktu tertentu yang sama atau hampir sama Contoh: Jumlah mahasiswa UBINUS TA 2005/2006, Jumlah perusahaan go public tahun 2006 Time Series Data yaitu data yang dikumpulkan selama kurun waktu/periode tertentu Contoh: Pergerakan nilai tukar rupiah dalam 1 bulan, Produksi Padi Indonesia tahun 1997-2006

JENIS DATA MENURUT CARA MEMPEROLEHNYA Data Primer yaitu data yang dikumpulkan dan diolah sendiri oleh suatu organisasi atau perseorangan langsung dari objeknya. Misalnya, BPS melakukan sensus penduduk tahun 2000 untuk memperoleh data penduduk. Data Sekunder yaitu data yang diperoleh dalam bentuk yang sudah jadi, sudah dikumpulkan dan diolah oleh pihak lain, biasanya sudah dalam bentuk publikasi. Misalnya, suatu perusahaan memperoleh data penduduk dari BPS, data perbankan dari BI, dll.

IKHTISAR PEMBAGIAN DATA Menurut sumber sifat Menurut Cara memperoleh Kualitatif Kuantitatif Internal Eksternal Primer Sekunder Menurut waktu pengumpulannya Time series Cross section

METODOLOGI PEMECAHAN MASALAH SECARA STATISTIK Mulai Identifikasi masalah atau peluang Kumpulan fakta intern dan ekstern yang relevan dengan permasalahannya Klasifikasi dan ikhtisarkan data dengan menggunakan tabel, grafik, dan ukuran deskriptif numerik Sajikan dan komunikasikan informasi yang telah diikhtisarkan dalam bentuk tabel, grafik, dan ukuran-ukuran deskriptif Gunakan informasi sensus untuk mengevaluasi alternatif rangkaian tindakan dan mengambil keputusan Selesai Apakah fakta yang tersedia cukup ? Apakah informasinya dari sampel Ya Kumpulkan data orisinil yang baru dengan menggunakan wawancara, kuesioner melalui pos, dan lain-lain Gunakan informasi sampel untuk: Mengevaluasi nilai parameter Menguji asumsi-asumsi tentang parameter Interpretasikan hasilnya, tarik kesimpulan, dan ambil keputusan Tidak METODOLOGI PEMECAHAN MASALAH SECARA STATISTIK

Variabel penelitian Atribut seseorang atau obyek yang mempunyai nilai Konsep yang mempunyai variasi nilai Badan hanya konsep tapi bukan variabel Tinggi badan, berat badan adalah variabel

Macam Variabel Independent variabel Variabel bebas Stimulus Prediktor Antecedent Variabel yang mempengaruhi variabel lain, atau menjadi sebab perubahannya atau timbulnya variabel dependen (terikat)

Variabel intervening Merupakan variabel penyela/antara yang terletak antara variabel independen dan variabel dependen Sehingga variabel independen mempunyai hubungan yang tidak langsung dengan variabel dependen

Populasi Populasi adalah seluruh obyek yang mungkin terpilih atau keseluruhan ciri yang dipelajari. Nilai sebenarnya dari sifat populasi disebut dengan parameter populasi, yang biasanya dilambangkan dengan huruf Yunani seperti  (mu),  (sigma),  (pi),  (rho), dan  (theta). Notasi  biasanya digunakan untuk menyatakan parameter nilai tengah (rata-rata) populasi,  digunakan untuk menyatakan simpangan baku (standar deviasi) populasi,  digunakan untuk menyatakan proporsi populasi dan  digunakan untuk menyatakan korelasi dua populasi.

Contoh (Sampel) Contoh acak atau contoh adalah bagian populasi yang digunakan untuk menduga nilai parameter populasi. Nilai yang diperoleh dari contoh disebut dengan nilai statistik. Mengapa mengambil contoh ? Keterbatasan sumberdaya (waktu, tenaga, biaya, dan sebagainya) mungkin akan berakibat pada kita sehingga kita tidak dapat memperoleh data populasi, lebih jauh tidak dapat menghitung nilai parameter populasi.