13023-1-632821351826
Click here to load reader
-
Upload
indrarini-wahyuningtyas -
Category
Documents
-
view
39 -
download
1
Transcript of 13023-1-632821351826
MODUL 1
STATISTIK INDUSTRI
1. PENDAHULUAN
Tujuan Instruksional Umum
Setelah mempelajari modul ini, mahasiswa diharapkan akan mampu memahami sejarah
perkembangan, pengertian, manfaat dan kegunaan Statistika sebagai Alat Bantu dalam
pemecahan suatu masalah atau penelitian.
SEJARAH PERKEMBANGAN STATISTIK
Statistik merupakan suatu ilmu yang pada mulanya berawal dari suatu upaya
pengumpulan data atau informasi dan upaya penyajiannya menjadi bentuk yang mudah
dimengerti agar bersifat informatif. Contoh tertua terjadi pada zaman “Kaisar Agustus”
yang memerintahkan rakyatnya untuk mendaftarkan semua kekayaan masing-masing,
untuk keperluan pajak guna membiayai perang. Contoh lain terjadi pada saat “William si
Penakluk” memerintahkan pencacahan jiwa dan kekayaan rakyat Inggris untuk tujuan
yang sama.
Pengolahan informasi statistik mempunyai sejarah jauh kebelakang sejak awal
peradaban manusia. Pada awal zaman masehi, bangsa-bangsa banyak mengumpulkan
data statistik untuk mendapatkan informasi deskriptif mengenai banyak hal misalnya
pajak, perang, hasil pertanian dan bahkan pertandingan atletik. Pada masa kini, dengan
berkembangnya teori peluang, kita dapat menggunakan berbagai metode statistik yang
memungkinkan kita meneropong jauh di luar data yang kita kumpulkan dan masuk ke
dalam wilayah pengambilan keputusan melalui generalisasi dan peramalan.
PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir. Atep Afia Hidayat MP. STATISTIK 1
PERANAN STATISTIK DALAM INDUSTRI DAN BIDANG LAINNYA
Ilmu Statistik sudah sangat luas peranannya sebagai alat bantu dalam pengolahan dan
penyajian data perusahaan/industri menjadi informasi yang berguna. Pihak manajemen
kemudian juga sering menggunakan informasi tersebut sebagai bahan dasar
pengambilan suatu keputusan atau tindakan. Sebagai contoh: data absen/keterlambatan
karyawan kemudian diolah secara statistik menjadi INFORMASI dan disajikan dalam
tabel yg menarik dan mudah dipahami. Maka ketika informasi tersebut sampai ke pihak
manajemen akan bisa menjadi bahan pertimbangan untuk misalnya: jika tingkat
keterlambatan seorang karyawan A, tinggi bisa dilakukan pemanggilan, dst. Untuk
contoh yg lebih detail adalah sebagai berikut:
- Bidang Produksi:
Alat bantu perencanaan/peramalan produksi, pengendalian produksi, pengendalian kualitas.
Aat bantu perhitungan waktu baku/standard.
dll.
- Bidang Akuntansi:
Mencari hubungan antara volume dengan biaya produksi
Penyesuaian harga terhadap perubahan permintaan
- Bidang Pemasaran:
Meneliti tingkat kepuasan konsumen
Mengetahui efektifitas promosi terhadap penjualan
Mengukur dan meramalkan pangsa pasar
- Bidang Teknik
Meneliti hubungan antara putaran mesin dan konsumsi bahan bakar
Meneliti pengaruh kenaikan temperatur terhadap tekanan boiler
Meneliti hubungan kandungan karbon terhadap tingkat kekerasan logam
Meneliti umur rata-rata komponen kendaraan
PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir. Atep Afia Hidayat MP. STATISTIK 2
METODE STATISTIK
Dalam mempelajari statistika, kita pada dasarnya berkepentingan dengan penyajian dan
penafsiran kejadian yang bersifat peluang yang terjadi dalam suatu penyelidikan
terencana ataupun penelitian ilmiah. Misalnya kita mencatat berapa kali terjadi
kecelakaan perbulan dipersimpangan Pancoran dan Manggarai, untuk mendapatkan
alas an perlunya dipasang lampu lalu lintas ; atau kita mencatat respons berupa “ya”
atau “tidak” dalam suatu pol pendapat; dan lain-lain.
Jadi, statistikawan biasanya bekerja dengan data numeric yang berupa hasil cacahan
ataupun hasil pengukuran atau mungkin dengan data kategorik yang diklasifikasikan
menurut kriteria tertentu. Kita akan menyebut setiap informasi yang tercatat, apakah itu
numeric atau kategorik sebagai pengamatan.
Metode statistik adalah prosedur-prosedur yang digunakan dalam pengumpulan,
penyajian, analisis dan penafsiran data. Kita akan mengelompokkan metode-metode
tersebut ke dalam dua kelompok besar, yaitu statistika deskriptif dan inferensia
statistik.
Statistika Deskriptif adalah metode-metode yang berkaitan dengan
pengumpulan dan penyajian suatu gugus data sehingga memberikan informasi
yang berguna. Patut untuk dipahami bahwa statistika deskriptif memberikan
informasi hanya mengenai data yang dipunyai dan sama sekali tidak menarik
inferensia atau kesimpulan apapun tentang gugus data induknya yang lebih
besar.
Inferensia Statistik adalah semua metode statistik yang berhubungan dengan
analisis sebagian data untuk kemudian sampai pada peramalan atau penarikan
kesimpulan mengenai keseluruhan gugus data induknya. Generalisasi yag
berhubungan dengan inferensia statistik selalu mempunyai sifat tak pasti, karena
kita mendasarkan pada informasi parsial yang diperoleh dari sebagian data.
PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir. Atep Afia Hidayat MP. STATISTIK 3
Populasi dan Sampel (contoh)
Dalam kita mengamati/meneliti sebuah objek maka data pengamatan yang diambil
harus dibedakan apakah mewakili seluruh populasi atau hanya sampel/contoh. Lalu apa
yang dimaksud dengan populasi dan apa pula itu contoh? Populasi adalah keseluruhan
pengamatan yang menjadi perhatian kita, sedangkan sampel adalah himpunan bagian
dari populasi.
Contoh: Jika kita ingin mengetahui tingkat pendapatan penduduk usia produktif
Indonesia, maka populasi dari pengamatan kita adalah ‘seluruh penduduk usia produktif
Indonesia’, sedangkan sampelnya adalah ‘misalkan 100 orang dari Jawa, 100 orang dari
Sumatra, 100 orang dari Bali,..dstnya.
Atau jika kita ingin meneliti kemampuan Bahasa Inggris mahasiswa Kelas Sabtu Minggu
UMB, maka populasinya seluruh mahasiswa klas Sabtu Minggu UMB, sedangkan
sampelnya adalah (misalkan) 50 orang dari Fakultas Teknologi Industri, 50 orang dari
Fakultas Ekonomi, 30 orang dari FIKOM, dstnya.
Jadi baik populasi maupun sampel bisa memiliki ukuran yang kecil, besar bahkan tidak
terbatas, tergantung dari apa yang ingin kita teliti saat itu atau yg menjadi obyek
pengamatan kita.
DATA DAN MANAGING DATA
DATA:
Pengertiannya adalah keterangan mengenai sesuatu / hasil pengamatan/ hasil
pengukuran.
Data adalah bentuk jamak dari datum (single/satu).
Jenis-Jenis data:
1. Data Primer : data yang diperoleh langsung dari sumbernya baik melalui
observasi/pengukuran/pengamatan langsung.
PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir. Atep Afia Hidayat MP. STATISTIK 4
2. Data Sekunder: data yang diperoleh dari pihak ketiga/ data yg telah
dipublikasikan.
Bentuk Data:
1. Data Kuantitatif (data berupa angka-angka/numerical data hasil observasi atau
pengukuran)
2. Data Kualitatif (serangkaian observasi dimana setiap observasi tergolong kepada
salah satu kelas yang eklusif., contoh: pendapat konsumen terhadap suatu
produk adalah: sangat bagus, bagus, biasa, buruk, sangat buruk. Opini
masysrakat terhadap suatu kebijakan.
Cara Pengumpulan Data:
1. Wawancara
2. Angket/kuesioner
3. Observasi/pengamatan
4. Penelitian lab/eksperimen/percobaan
5. Studi literatur
MANAGING DATA
- Tujuan: menyampaikan hasil pengolahan data (informasi) dalam bentuk yang
lebih mudah dipahami
- Bentuk dari penyajian informasi ini adalah dalam bentuk Tabel atau Grafik
Statistik.
Tabel Statistik
Syarat tabel statistik adalah sederhana, singkat dan jelas. Sebuah tabel statistik
biasanya terdiri dari:
Kepala Baris Kepala Kolom
Kolom 1 Kolom 2 Kolom 3
Baris 1 Isi
PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir. Atep Afia Hidayat MP. STATISTIK 5
Baris 2
catatan:
sumber:
Jenis-jenis Tabel:
1. Tabel Referensi/Umum: Tabel yg memberikan keterangan-keterangan yg
terperinci dan disusun khusus untuk keperluan referensi. Contoh: Tabel.1
“Distribusi Lahan Pertanian Di Jawa Barat tahun 2002”
2. Tabel Ikhtisar/Naskah: Tabel yang memberikan keterangan secara sistematis
hasil penelitian. Contoh: Tabel.2 “Kecepatan Leleh Standar Dalam Proses
Pengelasan Sambungan Baja”
Tabel.1 “Distribusi Lahan Pertanian Di Jawa Barat tahun 2002”
Lokasi Lahan Luas Lahan (ha)
Karawang 256.000
Cianjur 350.000
Indramayu 150.000
Tasikmalaya 176.000
Bekasi 35.500
Sumber: Biro Pusat Statistik, Jakarta, 2000
Tabel.2 ‘Kecepatan Leleh Standar Dalam Proses Pengelasan Sambungan Baja
Jenis Sambungan Posisi Pengelasan
Datar/Flat Vertikal
Lurus: 0.70 0.64
PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir. Atep Afia Hidayat MP. STATISTIK 6
- 6 mm
- 25 mm
Pojok:
- 6 mm
- 25 mm
0.56
0.72
0.55
0.55
0.60
0.56
Catatan: satuan dalam cm/detik
Sumber: Dwi Anggun, Pengaruh Kecepatan Leleh terhadap Kekuatan Sambungan Las,
Tugas Akhir, UMB, Jakarta, 2002
Penyajian Grafik
Selain disajikan dalam bentuk Tabel, hasil pengolahan data statistic juga akan lebih
informative jika disajikan dalam bentuk gambar/grafik. Jenis gambar/grafik yang biasa
digunakan adalah:
1. Diagram Balok
2. Histogram
3. Pie Diagram
4. Poligon Frekuensi
5. Frekuensi Kumulatif, dll
Contoh:
1. Diagram Balok
PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir. Atep Afia Hidayat MP. STATISTIK 7
2.Histogram 3 Dimensi
PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir. Atep Afia Hidayat MP. STATISTIK 8
3. Poligon Frekuensi
PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir. Atep Afia Hidayat MP. STATISTIK 9
4. OGIF Frekuensi (Frekuensi Kumulatif)
5. PIE Diagram
LATIHAN SOAL TERJAWAB
1. Jelaskan pentingnya statistika dalam kehidupan sehari-hari, dan siapa saja yang
sering menggunakan statistika?
Jawaban:
Statistika membantu dalam mengambil keputusan yang tepat, alat untuk
mengendalikan kualitas dan memungkinkan untuk mengetahui peluang suatu
PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir. Atep Afia Hidayat MP. STATISTIK 10
kejadian di masa mendatang.
Statistika sering digunakan oleh ekonom, pimpinan perusahaan baik dalam
bidang keuangan, manajemen, akuntansi dan bidang lainnya.
2. Sebutkan contoh riil penggunaan statistika dalam manajemen dan akuntansi?
3. Jelaskan perbedaan statistika deskriptif dan statistika induktif? Berikan contoh
dari kasus sehari-hari yang Anda temui!
Jawab:
a. Statistik deskriptif adalah statistik yang digunakan untuk
menggambarkan atau mengdeskripsikan data menjadi informasi yang
berguna untuk pengambilan keputusan. Contoh statistik deskriptif adalah
pembuatan distribusi frekuensi, diagram, ukuran pemusatan dan
penyebaran.
b. Statistik induktif adalah statistik untuk menganalisis dan
menginterprestasikan data menjadi suatu kesimpulan dari populasi
dengan menggunakan sampel. Contoh teori probabilitas, pengujian
statistik, regresi, dan korelasi dan lain-lain.
4. Jelaskan perbedaan antara populasi dan sampel! Berikan contoh dalam
kehidupan ekonomi, industri dan bisnis yang ada di sekeliling Anda!
Jawab:
Populasi adalah keseluruhan anggota dalam suatu objek, sedang sampel adalah
bagian dari populasi. Contoh tentang hasil produksi sebuah pabrik seluruhnya
adalah populasi, sedangkan produk yang diambil oleh bagian pengendalian mutu
untuk diuji adalah sampel. Contoh lain tentang perusahaan di pasar saham.
Seluruh perusahaan adalah populasi, sedang perusahaan sektor perbankan
adalah sampel. Pada industri mobil, maka seluruh perusahaan adalah populasi,
sedangkan Astra dan Indomobil adalah sampel.
PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir. Atep Afia Hidayat MP. STATISTIK 11
5. Berikut adalah prospek harga saham dari 250 perusahaan yang ada di BEJ
pada tanggal 30 Maret 2007.
Perubahan Harga Saham Jumlah Perusahaan
Naik 130
Turun 50
Tetap 70
a. Jumlah perusahaan tersebut termasuk populasi atau sampel
b. Termasuk dalam kategori skala pengukuran apa kasus tersebut?
Berikan penjelasan.
c. Apabila harga saham naik 5%, disebut dengan apa, angka
tersebut?
d.
Apakah metode statistika ?
Metode statistika adalah metode-metode/prosedur-prosedur untuk pengumpulan,
penyajian , analisis, dan kesimpulan dari data. Metode statistika terbagi dua yaitu :
1.Statistika deskriptif yaitu berkaitan dengan kegiatan pencatatan dan peringkasan hasil-
hasil pengamatan terhadap kejadian-kejadian atau karakteristik-karakteristik manusia,
tempat dan sebagainya, secara kuantitatif
2.Statistika inferensial yaitu metode-metode untuk menganalisis sampel dari populasi
sehingga dapat ditarik kesimpulan tentang populasi dari sampel tersebut.
Populasi dan Sampel
Populasi adalah keseluruhan objek psikologis yang menjadi perhatian.
Populasi bisa populasi yang terhingga (contohnya : jumlah mahasiswa UNPAD) dan
PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir. Atep Afia Hidayat MP. STATISTIK 12
BEBERAPA CATATAN
populasi tak terhingga (contohnya : jumlah mahasiswa UNPAD dari dulu hingga
sekarang dan nantinya).
Sampel adalah himpunan bagian dari populasi.
Parameter dan Statistik
Parameter adalah sembarang nilai yang menjelaskan ciri populasi
Statistik adalah sembarang nilai yang menjelaskan ciri dari sampel
Himpunan data adalah kumpulan dari fakta yang dikumpulkan untuk maksudtertentu.
Data diskrit : data yang diperoleh dari proses hitungan
Data kontinu : data yang diperoleh dari proses pengukuran
Karakteristik dari himpunan data adalah :
Anggota : sekumpulan data terdiri dari sekumpulan dari anggota-anggota untuk masing-
masing anggota informasi tentang satu atau lebih karakteristik yang diinginkan.
Variabel : sebuah karakteristik yang dapat diperoleh dari berbagai kemungkinan hasil
yang berbeda-beda.
Variabel kuantitatif : variabel yang hasilnya berupa angka
Variabel kualitatif : variabel yang hasilnya hanya atribut.
Pengamatan (observasi) : informasi tentang sebuah variabel tunggal untuk sebuah
anggota dari sekumpulan data
Statistika parametrik adalah prosedur yang pengujian yang dilakukan berlandaskan
distribusi. Salah satu karakteristiknya penggunaan prosedur ini melibatkan asumsi-
asumsi tertentu. Contoh dari statistik parametrik adalah analisis regresi, analisis
korelasi, analisis varians.
Statistika non parametrik adalah prosedur dimana kita tidak melibatkan parameter serta
tidak terlibatnya distribusi. Contoh : uji keacakan, uji kecocokan (goodness of fit),dll.
Kelebihan statistika non parametrik
•Asumsi yang digunakan dalam jumlah yang minimum maka kemungkina penggunaan
secara salah juga kecil.
•Untuk beberapa prosedur perhitungan dapat dilakukan dengan mudah secara manual.
•Konsep-konsep dari prosedur ini menggunakan dasar matematika dan statistika yang
mudah dipahami.
•Prosedur ini dapat digunakan pada skala ordinal maupun nominal.
PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir. Atep Afia Hidayat MP. STATISTIK 13
Kelemahan dari prosedur statistika non parametrik
•Jika suatu kasus yang dapat dianalisis dengan statistika parametrik, kemudian
digunakan analisis statistika non parametrik akan menyebabkan pemborosan informasi.
•Meskipun prosedur penghitungannya sederhana, perhitungannya kadang-kadang
membutuhkan banyak tenaga dan menjemukan.
Kapan prosedur non parametrik digunakan ?
•Bila hipotesis yang harus diuji tidak melibatkan suatu parameter populasi.
•Bila skala pengukuran yang disyaratkan dalam statistika parametrik tidak terpenuhi
misalnya skala ordinal dan nominal.
Data dibedakan menurut skala yang digunakan pada saat melakukan pengukuran.
Dengan pengukuran dimaksudkan sebagai upaya memberikan angka numerik terhadap
obyek menurut aturan-aturan tertentu. Aturan yang berbeda akan menghasilkan skala
yang berlainan sehingga akan memberikan jenis pengukuran yang berbeda. Terdapat
empat macam skala pengukuran yang ada yaitu:
SKALA NOMINAL
Skala nominal merupakan skala pengukuran yang paling rendah tingkatannya di antara
ke empat skala pengukuran yang lain. Seperti namanya, skala ini membedakan satu
obyek dengan obyek lainnya berdasarkan lambang yang diberikan. Oleh karena itu data
dalam skala nominal dapat dikelompokkan ke dalam beberapa kategori, dan kepada
kategori tersebut dapat diberikan lambang yang sesuai atau sembarang bilangan.
Bilangan yang diberikan tidak mempunyai arti angka numerik artinya kepada angka-
angka tersebut tidak dapat dilakukan operasi aritmetika, tidak boleh menjumlahkan,
mengurangi, mengalikan, dan membagi. Bilangan yang diberikan hanyalah berfungsi
sebagai lambang yang dimaksudkan hanya untuk membedakan antara data yang satu
dengan data yang lainnya. Contoh : Data mengenai barang-barang yang dihasilkan oleh
sebuah mesin dapat digolongkan dalam kategori cacat atau tidak cacat. Barang yang
cacat bisa diberi angka 0 dan yang tidak cacat diberi angka 1. Data 1 tidaklah berarti
mempunyai arti lebih besar dari 0. Data satu hanyalah menyatakan lambang untuk
barang yang tidak cacat.
Kesimpulan : Bilangan dalam Skala Nominal berfungsi hanya sebagai lambang untuk
membedakan, terhadap bilangan-bilangan tersebut tidak berlaku hukum aritmetika, tidak
boleh menjumlahkan, mengurangi, mengalikan, maupun membagi.
PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir. Atep Afia Hidayat MP. STATISTIK 14
Statistik yang sesuai dengan data berskala Nominal adalah Statistik Nonparametrik.
Contoh perhitungan statistik yang cocok adalah Modus, Frekuensi dan Koefisien
Kontingensi.
SKALA ORDINAL
Skala pengukuran berikutnya adalah skala pengukuran ordinal. Skala pengukuran
ordinal mempunyai tingkat yang lebih tinggi dari skala pengukuran nominal. Dalam skala
ini, terdapat sifat skala nominal, yaitu membedakan data dalam berbagai kelompok
menurut lambang, ditambah dengan sifat lain yaitu, bahwa satu kelompok yang
terbentuk mempunyai pengertian lebih (lebih tinggi, lebih besar,…) dari kelompok
lainnya. Oleh karena itu, dengan skala ordinal data atau obyek memungkinkan untuk
diurutkan atau dirangking.
Contoh : Sistem kepangkatan dalam dunia militer adalah satu contoh dari data berskala
ordinal Pangkat dapat diurutkan atau dirangking dari Prajurit sampai Sersan
berdasarkan jasa, dan lamanya pengabdian. Jika peneliti merangking data lamanya
pengabdian maka peneliti dapat memberikan nilai 1, 2, 3, … , 4 dst masing-masing
terhadap seseorang anggota ABRI yang berpangkat Prajurit, Kopral, Sersan, dst.
Berbeda dengan skala nominal, angka yang diberikan terhadap obyek tidak semata-
mata berlaku sebagai lambang tetapi juga memperlihatkan urutan atau rangking.
Kesimpulan: Pada tingkat pengukuran ordinal, bilangan yang didapat berfungsi sebagai :
1.lambang untuk membedakan
2.untuk mengurutkan peringkat berdasarkan kualitas yang telah ditentukan (> atau < ).
Pada tingkat pengukuran ordinal kita bisa mengatakan lebih baik/lebih buruk, lebih
besar/lebih kecil, tetapi tidak bisa menentukan berapa kali lebih besarnya/lebih
buruknya.
Statistik yang sesuai dengan data berskala Ordinal adalah Statistik Nonparametrik.
Contoh perhitungan statistik yang cocok adalah Median, Persentil, Korelasi Spearman
(rs ), Korelasi Thau-Kendall dan Korelasi Thau-Kendall (W).
SKALA INTERVAL
Skala pengukuran Interval adalah skala yang mempunyai semua sifat yang dipunyai
oleh skala pengukuran nominal, dan ordinal ditambah dengan satu sifat tambahan.
Dalam skala interval, selain data dapat dibedakan antara yang satu dengan yang
lainnya dan dapat dirangking, perbedaan (jarak/interval) antara data yang satu dengan
data yang lainnya dapat diukur. Contoh : Data tentang suhu empat buah benda A, B, C ,
PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir. Atep Afia Hidayat MP. STATISTIK 15
dan D yaitu masing-masing 20. 30, 60, dan 70 derajat Celcius, maka data tersebut
adalah data dengan skala pengukuran interval karena selain dapat dirangking, peneliti
juga akan tahu secara pasti perbedaan antara satu data dengan data lainnya.
Perbedaan data suhu benda pertama dengan benda kedua misalnya, dapat dihitung
sebesar 10 derajat, dst. Namun dalam skala interval, tidak mungkin kita melakukan
perbandingan antara satu data dengan data yang lainnya. Kita tidak dapat mengatakan
bahwa suhu 60 derajat Celcius dari benda C dan 30 derajat Celcius untuk suhu benda B
berarti bahwa benda C 2x lebih panas dari benda B. Hal ini tidak mungkin karena skala
interval tidak mempunyai titik nol yang mutlak. Titik nol yang tidak mutlak berarti : benda
dengan suhu nol derajat Celcius bukan berarti bahwa benda tersebut tidak mempunyai
panas. Kesimpulan : Bilangan pada skala interval fungsinya ada tiga yaitu :
1.Sebagai lambang untuk membedakan,
2.Untuk mengurutkan peringkat, misal, makin besar bilangannya, peringkat makin tinggi
( > atau <),
3.Bisa memperlihatkan jarak/perbedaan antara data obyek yang satu dengan data
obyek yang lainnya.
Titik nol bukan merupakan titik mutlak, tetapi titik yang ditentukan berdasarkan
perjanjian.
Statistik yang sesuai dengan data berskala Interval adalah Statistik Nonparametrik dan
Statistik Parametrik. Contoh perhitungan statistik yang cocok adalah Rata-rata,
Simpangan Baku, dan Korelasi Pearson.
SKALA RASIO
Skala rasio merupakan skala yang paling tinggi peringkatnya. Semua sifat yang ada
dalam skala terdahulu dipunyai oleh skala rasio. Sebagai tambahan, dalam skala ini,
rasio (perbandingan) antar satu data dengan data yang lainnya mempunyai makna.
Contoh : Data mengenai berat adalah data yang berskala rasio. Dengan skala ini kita
dapat mengatakan bahwa data berat badan 80 kg adalah 10 kg lebih berat dari yang 70
kg, tetapi juga dapat mengatakan bahwa data 80 kg adalah 2x lebih berat dari data 40
kg. Berbeda dengan interval, skala rasio mempunyai titik nol yang mutlak. Kesimpulan :
Bilangan pada skala Rasio fungsinya ada tiga yaitu :
1.Sebagai lambang untuk membedakan
2.Untuk mengurutkan peringkat, misal, makin besar bilangannya, peringkat makin tinggi
(> atau < ),
PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir. Atep Afia Hidayat MP. STATISTIK 16
3.Bisa memperlihatkan jarak/perbedaan antara data obyek yang satu dengan data
obyek yang lainnya.
4.Rasio (perbandingan) antar satu data dengan data yang lainnya dapat diketahui dan
mempunyai arti. Titik nol merupakan titik mutlak.
Statistik yang sesuai dengan data berskala Rasio adalah Statistik Nonparametrik dan
Statistik Parametrik. Contoh perhitungan statistik yang cocok adalah Rata-rata kur,
Koefisien Variasi dan statistik-statistik lain yang menuntut diketahuinya titik nol mutlak.
Sumber diperoleh dari :
1.Ronald E. Walpole, Pengantar Statistika, 1993, edisi ke-3, PT. Gramedia , Jakarta.
2.W.W. Daniel, Statistika Non Parametrik Terapan, 1978, PT. Gramedia, Jakarta.
3.Mark L. Berenson dan David M. Levine, Basic Business Statistics concepts and
applications, 1996, 6th editions, Prentice Hall , New Jersey.
http://kangiskandar.wordpress.com/2007/09/26/mengenal-pengantar-statistika-dasar/
PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir. Atep Afia Hidayat MP. STATISTIK 17