Contoh Kasus Analisis Regresi Sederhana

Untuk teman-teman yang telah membaca artikel saya tentang analisis regresi sebelumnya, ini saya berikan contoh singkat tentang aplikasi analisis regresi sederhana. Coba anda perhatikan dan pahami. 

Contoh Kasus Analisis Regresi Sederhana

Berdasarkan hasil pengambilan sampel secara acak oleh tenaga pendidik pada suatu lembaga tentang pengaruh lamanya belajar (X) terhadap nilai ujian (Y) adalah sebagai berikut :

Maka coba kita gunakan rumus regresi sederhana untuk mencari nilai a dan b, dan akan diperoleh sebagai berikut :

a = [(ΣY . ΣX2) – (ΣX . ΣXY)] / [(N . ΣX2) – (ΣX)2]

a = [(310 . 370) – (40 . 2.740)] / [(5 . 370) – (40.40)] = 20,4

b = [N(ΣXY) – (ΣX . ΣY)] / [(N . ΣX2) – (ΣX)2]

b = [(5 . 2.740) – (40 . 310] / [(5 . 370) – (40.40)] = 5,2

Lalu kita buat persamaannya Y = a + bX, Sehingga persamaan regresi sederhana adalah

Y = 20,4 + 5,2 X

Jadi berdasarkan hasil penghitungan dan persamaan regresi sederhana tersebut di atas, maka dapat diinterprestasikan sebagai berikut :

1. Lamanya belajar mempunyai pengaruh positif (koefisien regresi (b) = 5,2) terhadap nilai ujian, artinya jika semakin lama dalam belajar maka akan semakin baik atau tinggi nilai ujiannya; 
2. Nilai konstanta adalah sebesar 20,4, artinya jika tidak belajar atau lama belajar sama dengan nol, maka nilai ujian adalah sebesar 20,4 dengan asumsi variabel-variabel lain yang dapat mempengaruhi dianggap tetap.

Lalu bagaimana kita bisa mengetahui derajat hubungan antar variabel tersebut, maka kita bisa mengunakan Analisis Korelasi (r) untuk menghitungnya.

Dimana analisis korelasi ini digunakan untuk mengukur tinggi redahnya derajat hubungan antar variabel yang diteliti. Tinggi rendahnya derajat keeratan tersebut dapat dilihat dari koefisien korelasinya. Koefisien korelasi yang mendekati angka + 1 berarti terjadi hubungan positif yang erat, bila mendekati angka – 1 berarti terjadi hubungan negatif yang erat. Sedangkan koefisien korelasi mendekati angka 0 (nol) berarti hubungan kedua variabel adalah lemah atau tidak erat. Dengan demikian nilai koefisien korelasi adalah – 1 ≤ r ≤ + 1. Untuk koefisien korelasi sama dengan – 1 atau + 1 berarti hubungan kedua variabel adalah sangat erat atau sangat sempurna dan hal ini sangat jarang terjadi dalam data riil. Untuk mencari nilai koefisen korelasi (r) dapat digunakan rumus sebagai berikut :

Nah... nilai korelasinya (R/r) berapa coba anda hitung sendiri, dimana prinsipnya jika hasil hitungan korelasi anda mendekati angka +1 maka hubungannya bersifat positif dan erat. Jika mendekati angka -1 maka hubungannya bersifat negatif dan erat, sedangkan koefisien korelasinya mendekati angka 0 maka hubungan kedua variabel tersebut adalah lemah atau tidak erat.

Analisis Regresi Dalam Statistika

Setelah saya beberapa saat lalu posting tulisan saya tentang Korelasi, saat ini saya mencoba untuk membagi sedikit pengetahuan saya ketehui tentang Regresi.

Pengertian Analisis Regresi adalah salah satu metode yang bertujuan untuk mengetahui pengaruh suatu variabel terhadap variabel lain. Dimana di dalam analisis regresi, variabel yang mempengaruhi disebut Independent Variable (variabel bebas) sedangkan variabel yang dipengaruhi disebut Dependent Variable (variabel terikat). Tujuan analisis regresi adalah mendapatkan pola hubungan secara matematis antara X dan Y, mengetahui besarnya perubahan variabel X terhadap Y, dan memprediksi Y jika nilai X diketahui. Syarat-syarat regresi antara lain data harus berbentuk interval atau rasio, data berdistribusi normal, adanya korelasi (hubungan) antarvariabel, dan tidak terdapat korelasi antarvariabel bebasnya (multikolinearitas) untuk regresi ganda. (Abdul Munif, Bahan Kuliah: Statistik PPS  ( t.t.: t.p., t.th.), 74.)

Jika di dalam persamaan regresi hanya terdapat satu variabel bebas dan satu variabel terikat, maka disebut sebagai persamaan regresi sederhana, sedangkan jika variabel bebasnya lebih dari satu, maka disebut sebagai persamaan regresi berganda.

Analisis Regresi Sederhana : digunakan untuk mengetahui pengaruh dari suatu variabel bebas terhadap variabel terikat atau dengan kata lain untuk mengetahui seberapa jauh perubahan variabel bebas dalam mempengaruhi variabel terikat. 

Dalam analisis regresi sederhana, pengaruh dari satu variabel bebas terhadap variabel terikat dapat dibuat persamaan sebagai berikut : Y = a+bX. Dimana : Y : Variabel terikat (Dependent Variable); X : Variabel bebas (Independent Variable); a : Konstanta; dan b : Koefisien Regresi. Sedangkan untuk mencari persamaan garis regresi dapat digunakan berbagai pendekatan (rumus), sehingga nilai konstanta (a) dan nilai koefisien regresi (b) dapat dicari dengan metode sebagai berikut :

Analisis Regresi Berganda : berguna untuk meramal variabel dependen yang dipengaruhi oleh dua atau lebih variabel independen, Dengan kata lain, regresi linier ganda berguna untuk mencari pengaruh (hubungan fungsional) dua variabel independen atau lebih terhadap variabel dependennya (Ibid., 79.).  Adapun rumus yang dipakai disesuaikan dengan jumlah variabel yang diteliti, yaitu sebagai berikut: 

Untuk 2 prediktor : Ŷ = a + b1X1 + b2X2

Untuk 3 prediktor : Ŷ = a + b1X1 + b2X2+ b3X3

Untuk 4 prediktor : Ŷ = a + b1X1 + b2X2 + b3X3+ b4X4

(Hartono,Statistik:Untuk Penelitian (Yogyakarta: Pustaka Pelajar Offset, 2004), 140.)

 

Maka, persamaan umum regresi linier ganda adalah:

 Keterangan:

Ŷ  : Respon (variabel terikat/dependen)

 a  : Constanta

b1, b2, ...., bn : Koefisien regresi variabel independen 1, 2, dst.

X1, X2, ...., Xn : Prediktor (variabel bebas/independen)

Metode Analisis Laporan Keuangan

Macam-Macam Metode Analisis Laporan Keuangan

• Analisis Rasio
• Analisis Common Size
• Analisis Du Pont
• Analisis Cross Section
• Analisis Time Series 
• Metode Forcasting

Penjelasannya sebagai berikut:

Analisis Rasio

Rasio adalah hubungan matematis antara dua kuantitas Agar memiliki arti, rasio dalam laporan keuangan harus mengacu pada hubungan yang penting secara ekonomi. Misal, karena ada hubungan yang pentingantara laba dengan aset yang digunakan untuk menghasilkan laba, maka rasio laba terhadap aset menjadi penting untuk dianalisis

Analisis rasio dapat dikelompokkan ke dalam 5 macam kategori:

1. Rasio Likuiditas (liquidity ratio)

2. Rasio Solvabilitas (Solvency ratio)

3. Rasio Aktivitas (activity ratio)

4. Rasio Profitabilitas (profitability ratio)

5. Rasio Pasar (market ratio)

Analisis Common Size

Adalah analisis dengan pembacaan data-data keuangan untuk beberapa periode (untuk mencari trend-trend tertentu). Analisis common size disusun dengan cara menghitung tiap-tiap rekening dalam laporan laba-rugi dan neraca menjadi proporsi dari total penjualan (utk laporan laba-rugi) atau dari total aktiva (untuk neraca).

Analisis common size perusahaan dianalisa dengan melihat trend yang muncul.

Analisis common size perusahaan selanjutnya dibandingkan dengan analisis common size industri untuk melihat kekuatan dan kelemahan perusahaan. Untuk kekuatan akan diupayakan untuk dipertahankan sedang kelemahan diupayakan untuk diperbaiki.

Analisis Du Pont

Adalah analisis yang mempertajam analisis rasio dengan memisahkan profitabilitas dengan pemanfaatan aset.

Analisis Du Pont I: menghubungkan ROA, profit margin, dan perputaran aktiva ROA = Profit margin x perputaran aktiva

Analisis Du Pont II: memasukkan unsur financial leverage (hutang)

ROE = ROA/ (1-(Tot hutang/TotAset))

Untuk menaikkan ROE dapat dilakukan dengan menaikkan ROA dan/atau menaikkan Hutang.

Analisis Cross Section

Adalah perbandingan data keuangan suatu perusahaan dengan perusahaan atau industri yg sejenis

Definisi industri sejenis adalah

Kesamaan dalam jenis bahan baku atau supplier contoh: standar klasifikasi industri listing di BEJ.

Kesamaan dari sisi permintaan

Kriteria pengelompokan industri didasarkan atas produk yg dihasilkan. Contoh: misal kebutuhan komunikasi, penghasil komputer PC dengan mesin fax bisa bersaing. Kamera dengan HP.

Kesamaan dalam atribut keuangan

Saham-saham yg punya kesamaan atribut bisa dimasukkan dalam satu kelompok, misal: kesamaan

Analisis Time Series

Adalah analisis terhadap data historis untuk melihat tren yang mungkin timbul.

Trend angka selanjutnya dianalisis guna mengetahui apa yang terjadi.

Trend perusahaan sebaiknya dibandingkan dengan tren industri apakah sudah bergerak lebih baik dari trend industri.

Metode Forecasting

Ada 2 metode: Mekanis dan Non Mekanis :

• Metode Mekanis : Menggunakan teknik-teknik yang lebih objektif seperti statistik misal menggunakan model regresi (regresi sederhana /univariate maupun regrese berganda/multivariate)

• Metode Non Mekanis :  Menggunakan teknik yang bersifat subjektif dengan menggabungkan banyak pertimbangan untuk menentukan garis tren yang dibuat dengan tangan (pendekatan visual untuk univariate) dan pendekatan analis sekuritas (multivariate). (pertimbangan bisa dari faktor industri, ekonomi, pasar dll)

Contoh Kasus Analisis Korelasi Sederhana

Setelah memposting artikel tentang Analisis Korelasi di hari sebelumnya, untuk aplikasinya agar kita semua lebih paham mengenai korelasi mari kita perhatikan contoh kasus yang saya berikan berikut ini. Yang saya pakai sebagai contoh kasus disini adalah anasilis korelasi sederhana.

Contoh Kasus Korelasi Sederhana :

Sebuah perusahaan  AC ingin mengetahui apakah adanya pengaruh Suhu Ruangan terhadap Jumlah Cacat Produk AC yang dihasilkan dan juga ingin mengetahui keeratan serta bentuk hubungan antara dua variabel tersebut. Perusahaan AC tersebut kemudian mengambil data selama 30 hari terhadap rata-rata (mean) Suhu Ruangan dan Jumlah Cacat Produksi seperti dibawah ini :

Penyelesaian :

Pertama-tama hitunglah X², Y², XY dan totalnya seperti tabel dibawah ini :

Lalu hitunglah Koefisien Korelasi berdasarkan rumus korelasi dibawah ini :

Jadi Koefisien Korelasi antara Suhu Ruangan dan Jumlah Cacat Produksi AC adalah 0.955, berarti kedua variabel tersebut memiliki hubungan yang ERAT dan bentuk hubungannya adalah Linear Positif.

Analisis Korelasi Dalam Statistika

Setelah menulis artikel belajar statistik di artikel sebelumnya, ada rasa ingin menambah materi baru yang berkaitan dengan statistika. Apalagi masih ada rasa mengebu-gebu untuk mengembangkan blog pribadi ini, maka dari itu melalui artikel ini saya mencoba berbagi informasi tentang statistik yang ada kaitannya dengan Analisis Korelasi.

Analisis korelasi merupakan studi yang membahas tentang derajat (seberapa kuat) hubungan antara dua variabel atau lebih. Korelasi artinya hubungan, yaitu hubungan antara suatu variabel dengan variabel lain. Besarnya korelasi ditunjukkan oleh koefisien korelasi dilambangkan dengan symbol “r” / "R". Nilai Koefisian "r" akan selalu berada di antara -1 sampai +1.. Sedangkan tanda pada koefisien korelasi menunjukkan arah hubungan. Jika tandanya positif berarti hubungannya searah, jika tandanya negatif berarti hubungannya berlawanan arah. Ukuran korelasi adalah hubungan, kuat, lemah atau bahkan tidak ada hubungan. Istilah penting yang sering dipakai dalam analisis korelasi adalah "Variabel". Variabel adalah suatu besaran yang dapat diubah atau berubah sehingga mempengaruhi peristiwa atau hasil penelitian. Jenis variabel yang dipakai disini adalah variabel bebas (independent variable = X) dan Variabel terikat/tergantung (dependent variable = Y).

Korelasi menunjukkan tingkat keeratan hubungan  dua variabel atau lebih dan mempunyai nilai paling kecil -1 dan paling besar 1. 

Koefisien korelasi -1 menunjukkan suatu hubungan X dan Y sangat kuat secara negatif. Semakin menjauhi -1 dan mendekati 0, menunjukkan hubungan X dan Y yang bertolak belakang semakin kecil, dan sampai pada titik 0 berarti tidak ada hubungan sama sekali. Jika mendekati 1, maka hubungan yang terjadi semakin kuat positif, dan jika bernilai 1 maka menunjukkan hubungan yang sangat mutlak.

Jenis Analisis Korelasi :

Korelasi sederhana : Korelasi sederhana mempelajari pola hubungan antara satu variabel bebas dengan variabel terikat dengan simbol r, yaitu sampai sejauhmana kuatnya hubungan dua variabel tersebut dan sampai sejauhmana kemampuan variabel tersebut untuk menjelaskan variasi variabel terikat. 

Rumus: 

r   : Koefisien korelasi  

n   : Banyaknya sampel

X   : Variabel bebas

Y   : Variabel terikat

Korelasi Berganda : mempelajari pola hubungan antara dua atau lebih variabel bebas dengan variabel terikat dengan simbol R. 

Jika dikuadratkan (R2) disebut koefisien determinasi  yaitu untuk mengukur sampai seberapa besar kemampuan beberapa variabel bebas secara bersama-sama mempengaruhi variabel tergantung 

            SSR

R2  =  ---------

            SST   (Kuncoro, 2003:220) 

Keterangan:

SSR : Sum of Square regression

SST   : Sum of Square total

R2     : Koefisien Determinasi 

Korelasi Parsial : mempelajari pola hubungan satu variabel bebas dengan variabel terikat dengan simbol r, dimana variabel bebas yang lain dianggap konstan atau tetap. 

Analisis Korelasi parsial menghitung koefisien korelasi parsial yang menggambarkan hubungan linear antara dua variabel dengan variabel lain sebagai kontrol. Kriteria data korelasi parsial: (1) Data merupakan variabel kuantitatif (2) Asumsi: Tiap pasangan merupakan variabel normal bivariat 

Korelasi bivariate merupakan korelasi antara dua variabel saja. Prosedur korelasi bivariat menghitung koefisien korelasi Pearson, Spearman dan Kendall beserta tingkat signifikannya. Kriteria data korelasi bivariate adalah (1) untuk data kuantitatif berdistribusi normal, gunakan koefisien korelasi Pearson. Jika tidak berdistribusi normal, akan merupakan data kategori yang bertingkat maka gunakan korelasi rho Spearman dan tau-b Kendall. (2) Asumsi koefisien korelasi Pearson menggunakan asumsi bahwa tiap pasangan variabel adalah normal bivariat. Sumber: Wahana Komputer, 2004, Halaman 225-234

Korelasi multivariate: merupakan korelasi antara lebih dari dua variabel. 

Tabel tentang Pedoman umum dalam menentukan Kriteria Korelasi :

Internal Control System

Internal Control System a plan that includes the organizational structure and all the methods and tools that are coordinated which are used within the company for the purpose of maintaining the security of company property, checking the accuracy and correctness of accounting data, promote efficiency, and help encourage compliance with management policies that have been set.

From the above definition we can see that the purpose of the internal control:

1. Keeping the wealth of the organization.

2. Checking the accuracy and correctness of accounting data.

3. Encouraging efficiency.

4. To encourage compliance with management policies.

Judging from these objectives, the internal control system can be divided into two, namely the Internal Accounting Control (Preventive Controls) and the Internal Control Administrative (Feedback Controls).

Accounting Internal Control made to prevent inefficiencies whose purpose is to maintain the company's assets and checking the accuracy of accounting data. Example: the separation of functions and responsibilities among organizational units.

Administrative control is made to encourage efficiency and encourage compliance with the policy of management. (Done after the accounting control) Example: inspection reports to look for irregularities that exist, to then take action.

Elements of Internal Control

• Control Environment
• Accounting System
• Control Procedures

Micro Economics

MICRO ECONOMICS

Consumption theory or theories of Consumer Behavior

Basically this theory to explain why the request was declined line from left to bottom right? This is the point. The answer is because according to the law of demand, namely sound:

The quantity demanded moves contrary to the price. meaning that consumers will reduce the amount requested furious if haraganya up or otherwise consumers will increase the quantity demanded if the price drops.

And to explain the Consumer Behavior There are 2 approaches:

1. Utility approach is often called the theory Utilities Cardinal, which can also be referred to as Neo Classical Theory.
2. Indifferensial curve approach or theory Utilities Ordinal or also referred to as Theory of curves or lines Indefferensi.

Utilities Utilities approach or theory Cardinal (Theory Neo Classic)

At this approach has the following assumptions:

• Utility can be measured cardinal
• Gossen's laws remain in effect (If the continuous consumption of the goods plus the enjoyment will continuously decrease or MU each additional unit consumed goods will decline)

When viewed in terms of utility, it can be interpreted as follows:

TOTAL UTILITY (TU)

Ie the total number of utility gained from consuming various quantities of goods x. (Utility estimated value itself)

MARGINAL UTILITY (MU)

That is a change up or down in a total utility as a result of the increase or the increase of one unit of goods x consumed. The formula MU = TU2-TU1 / Q2-Q1

AVERAGE UTILITY

Namely total utility divided by the quantity consumed. The formula AU = TU / Q

Utility and some understanding of the above, the most important thing for consumer behavior is MARGINAL UTILITY (MU) to determine the level of consumption of a consumer (Maximum Satisfaction)

E-Commerce 1

E-COMMERCE

• Pengertian dari E-Commerce …….

E-Commerce sering disebut dengan istilah “Perdagangan Elektronik”

E-Commerce adalah suatu sistem atau cara berdagang dengan menggunakan bantuan media elektronik. Berdagang disini bisa meliputi pembelian, penjualan ataupun pemasaran berupa barang ataupun jasa. Sedangakan media elektronik yang biasa digunakan adalah internet atau televisi. Dalam kata e-commerce, huruf “E” disini mewakili kata elektronik, sama seperti huruf “E” dalam pemakaian kata e-mail ataupun e-banking.

Sistem E-Commerce sering kali menggunakan media internet sebagai perantaranya, jadi dalam perdagangan penjual dan pembeli tidak bertatap muka langsung / bertemu langsung secara fisik. Melainkan penjual dan pembeli hanya bertemu atau terhubung melalui dunia maya. Sehingga dari sinilah semua semua perdagangan dilakukan secara elektronik, mulai dari pameran / promosi, tawar menawar sampai terjadinya transaksi. Jadi E-commerce dapat melibatkan transfer dana elektronik (transfer antar bank), pertukaran data elektronik, sistem manajemen inventori otomatis, dan sistem pengumpulan data otomatis.

E-commerce merupakan bagian dari e-business, di mana cakupan e-business lebih luas, jadi tidak hanya sekedar perniagaan tetapi mencakup juga pengkolaborasian mitra bisnis, pelayanan nasabah, lowongan pekerjaan dll. Selain teknologi jaringan www, e-commerce juga memerlukan teknologi basisdata atau pangkalan data (databases), surat elektronik (e-mail), dan bentuk teknologi non komputer yang lain seperti halnya sistem pengiriman barang, dan alat pembayaran untuk e-dagang ini.

• Sejarah e-commerce …….

E-commerce pertama kali diperkenalkan pada tahun 1994 pada saat pertama kali banner-elektronik dipakai untuk tujuan promosi dan periklanan di suatu halaman-web (website) dan internet sudah banyak dikenal di masyarakat luas. Namun e-commmerce baru secara luas dikenal dimasyarakat antara tahun 1998 dan 2000, dimana pada saat itu sudah mulai banyak perusahaan-perusahaan yang menggunakan sistem perdagangan ini.

• Manfaat e-commerce …….

Secara umum e-commerce bisa memberikan manfaat sbb :

1. Bagi perusahaan penyedia barang dan jasa memiliki efektifitas dalam memasarkan produknya.
2. Selain bisa memberikan efektifitas bagi perusahaan penyedia barang dan jasa, maka e-commerce juga bisa menekan biaya produksi yang harus di keluarkan perusahaan, seperti biaya promosi, biaya pencetakan atau pun biaya surat-menyurat dll.
3. Bagi konsumen bisa lebih hemat waktu, tidak perlu berpergian jauh dalam membeli produk.
4. Dan secara umum e-commerce bisa memberikan manfaat untuk menciptakan peluang usaha baru, murah dan mudah.

• Dampak negatif e-commerce …….

Secara umum e-commerce bisa memberikan dampak negatif sbb :

1. Menciptakan sifat tertutup dan kurang bersosialisasi terhadap seseorang. Karena segala proses transaksinya dilakukan di dalam dunia maya tanpa adanya kontak / pertemuan langsung secara fisik.
2. Menciptakan kekecewaan terhadap pembeli, karena tidak jarang barang yang dibeli tidak sama dengan apa yang dilihat di dalam promosi di internet.
3. Banyak menimbulkan penipuan via internet, dengan memanfaatkan sistem e-commerce tsb. Seperti pencurian identitas pelanggan dll.

Belajar Pengantar Statistik

Belajar Pengantar Statistik - Selamat datang kembali di blog saya, mumpung ada kesempatan saya ingin berbagi dan sharing pengetahuan tentang Statistik. Anda sebagai siswa ataupun mahasiswa pasti nantinya akan menemui tentang yang namanya mata kuliah statistik, karena itu coba saya ingin berbagi mengenai hal tersebut. Mari kita bahas satu per satu secara umum.

Definisi dari statistik dalam arti sempit adalah suatu ringkasan data yang berbetuk angka (kuantitatif), sebagai contoh adalah statistik penduduk. Sedangkan dalam arti luas statistik adalah suatu ilmu yang mempelajari cara mengumpulkan, pengolahan/pengelompokan, penyajian, dan analisis data serta cara pengambilan kesimpulan secara umum berdasarkan hasil penelitian yang tidak menyeluruh.

Lalu manfaat dari penggunaan Statistika itu apa ?, coba kita lihat dari beberapa bidang seperti :

Bidang Akuntansi (Accounting)

Dalam bidang akuntansi statistika biasanya banyak dipakai oleh akuntan publik guna pengambilan sampel (contoh) ketika melakukan audit terhadap kliennya.

Bidang Keuangan (Finance)

Dalam bidang ini statistika biasa dipakai oleh seorang penasehat keuangan untuk membantu dalam memberikan rekomendasi investasi, biasanya dengan mengggunakan berbagai jenis informasi statistik seperti price earning dan hasil deviden.

Bidang Pemasaran (Marketing)

Biasanya dipakai untuk pengambilan sampel masyarakat sebagai konsumen guna dimintai pendapat tentang produk yang akan diluncurkan oleh suatu perusahaan.

Bidang Ekonomi

Disini biasanya para ahli ekonomi menggunakan prosedur statistik untuk melakukan peramalan tentang kondisi perekonomian pada masa yang akan datang.

Berdasarkan fungsinya statistika ada 2 macam :

Statistik Deskriptif : Statistik yang berfungsi untuk memberikan gambaran dan analisis terhadap suatu kelompol data tanpa menarik suatu kesimpulan pada kelompok data yang lebih besar.

Statistik Inferensi : Statistik yang berfungsi untuk menaksir dan/atau menguji karakteristik dari populasi yang dihipotensikan berdasarkan data sampel.

Di dalam statistik kita akan mengenal juga istilah statistika parametik dan statistika non parametik.

Statistika Parametik

adalah statistik yang digunakan untuk data berskala interval atau rasio dan diasumsikan populasinya berdistribusi normal. Biasanya untuk memperoleh kesimpulan bagi populasinya digunakan karakteristik sampel seperti mean, deviasi standard dan variasi.

Statistika Non Parametik

adalah statistik yang dipergunakan untuk data berskala nominal atau ordinal dan populasi diasumsikan tidak berdistribusi normal. Biasanya untuk memperoleh kesimpula bagi populasinya digunakan karakteristik sampel seperti frekuensi dan rangking.

Istilah-istilah penting dalam Statistik :

1. Data adalah sekumpulan datum yang berisi fakta-fakta dan gambaran dari suatu fenomena yang dikumpulkan, dirangkum, dianalisis dan kemudian di interprestasikan.
2. Variabel adalah karakteristik data yang menjadi perhatian.
3. Populasi adalah himpunan / kumpulan seluruh data yang dapat diperoleh dari hasil pengamatan dalam suatu penelitian.
4. Sampel adalah sebagian dari data yang diambil dari populasi. Dan banyaknya anggota sampel disebut dengan ukuran sampel.

Bicara tentang statistik maka kita akan berbicara mengenai data-data, dan kaitannya dengan data kita harus paham tentang :

1. Metode dan Alat Pengumpulan Data
2. Data Berdasarkan Skala Pengukuran
• Skala Nominal : contoh --> Jenis Kelamin, Jenis Pekerjaan
• Skala Ordinal : Contoh --> Kepuasan Kerja , Motivasi
• Skala Interval : Contoh --> Temperatur yang diukur berdasarkan celcius, sistem Kalender
• Skala Rasio : Contoh --> Gaji, Jumlah Buku, Skor Ujian
3. Klasifikasi Jenis Data Berdasarkan :
• Sifat : Kualitatif, Kuantitatif
• Sumber : Primer, Sekunder
• Cara Perolehan : Sensus, Sampling
• Waktu Pengumpulan : Cross Section, Time Series

Demikian ulasan singkat yang bisa saya bagikan mengenai pengantar statistik, semoga bisa menjadikan manfaat untuk semuanya yang sedang belajar tentang statistik dan membutuhkan referensi.