Stat-03 PENGUMPULAN DATA STATISTIK PDF

Preview

Summary

BAB TIGA 3 KARAKTERISTIK DAN METODE PENGUMPULAN DATA STATISTIK Tujuan Bab Setelah mempelajari bab ini, anda diharapkan dapat:  Memahami karakteristik data dalam statistik.  Dapat memahami karakteristik skala pengukuran data.  Dapat menentukan teknik mengumpulkan data secara efektif. 43 44 3.1 Ti...

Description

BAB TIGA

3 KARAKTERISTIK DAN METODE PENGUMPULAN DATA STATISTIK

Tujuan Bab Setelah mempelajari bab ini, anda diharapkan dapat: 

Memahami karakteristik data dalam statistik. 

Dapat memahami karakteristik skala pengukuran data. 

Dapat menentukan teknik mengumpulkan data secara efektif.

43

44

3.1

Tinjauan Umum Kita sering mendapatkan sekumpulan angka yang menggambarkan

keadaan benda-benda dan atau gejala-gejala alam pada waktu tertentu. Misalnya, jumlah wisatawan asal Australia yang berkunjung ke Pulau Bali pada tahun 1999 sebanyak 583 orang. Pernyataan tersebut mengandung informasi tentang jumlah pada waktu dan tempat tertentu. Angka 583 dinamakan data, karena berkaitan dengan waktu dan tempat.

Sebaliknya kita sering

mendapatkan sejumlah angka, tetapi tidak menggambarkan keadaan sesuatu pada waktu dan tempat tertentu, maka yang demikian itu, tidak dapat dikatakan sebagai suatu data. Data diartikan sebagai sesuatu yang diketahui atau dianggap dan dapat memberikan gambaran tentang suatu keadaan atau persoalan yang dikaitkan dengan waktu dan tempat serta dapat digunakan untuk mengambil keputusan oleh para pembuat keputusan (decision makers).

Data (jamak dari datum) merupakan sesuatu yang dianggap karena mengandung unsur ketidak pastian yang perlu dibuktikan kebenarannya. Oleh karena itu suatu anggapan atau asumsi perlu diuji kebenarannya, melalui metode-metode statistik. Metode statistik yang tepat untuk pengujian data adalah statistik inferensia atau induktif. 3.2

Kegunaan Data Statistik Bagi suatu perusahaan, keberadaan data sangat diperlukan untuk mengem-

bangkan bisnisnya.

Data tentang perusahaannya dapat digunakan untuk

merencanakan sekaligus menetapkan strategi pengembangan, sebagai alat pengendalian terhadap pelaksanaan atau implementasi suatu rencana dan digunakan sebagai dasar evaluasi dari hasil implementasi suatu program.

45

3.2.1

Data Sebagai Dasar Perencanaan Fungsi perencanaan merupakan salah satu komponen pengelolaan usaha di

mana perencanaan merupakan proses pembuatan keputusan tentang apa yang harus dikerjakan di masa depan dan bagaimana melakukannya. Perencanaan merupakan bagian sangat penting dari pelaksanaan suatu usaha. Perencanaan harus memperhatikan keadaan sekarang secara realistis di samping faktor potensial yang dapat dikembangkan. Karena itu, perencanaan usaha harus dimulai dengan survai terperinci mengenai sifat dan bentuk pengembangan yang direncanakan, terutama dalam hal sumber-sumber daya yang dimiliki. Di samping itu, perlu meneliti dan mempelajari kecenderungan-kecenderungan di masa yang akan datang atas dasar survai dan pandangan jauh ke depan (forecasting). Dalam perencanaan, data mengenai sumberdaya manusia merupakan faktor penentu untuk mencapai sasaran yang diharapkan. Data sumber daya manusia di dalam perusahaan tersebut dapat berupa data tentang jumlah tenaga kerja, latar belakang dan tingkat pendidikan, perbedaan gender, status marital, umur, lama kerja dan lain-lain.

Data tersebut sangat diperlukan guna mengukur

kekuatan SDM yang dimiliki perusahaan. Data tentang posisi perusahaan atau organisasi dalam perencanaan terdiri atas asset yang dimiliki, jumlah dan jenis jasa yang dijual, produk yang dihasilkan dan lain-lain. Di samping itu, data tentang sarana dan prasarana (hardware) merupakan hal yang diperlukan di dalam perencanaan. Data tentang pesaing yang perlu dikenali antara lain, produk apa yang dihasilkan, ke mana dan siapa target market-nya dan seberapa besar preferensi konsumen terhadap produk yang dihasilkan tersebut. Dengan diketahuinya data tentang berbagai kondisi, maka akan dapat dihindari suatu perencanaan yang tidak sesuai dengan kemampuan, sehingga dapat dicegah terjadinya perencanaan yang ambisius.

46

3.2.2 Data Sebagai Alat Pengendalian Informasi tentang perkembangan perusahaan selama tahun berjalan sangat diperlukan supaya dapat diketahui tingkat pencapaian sasaran perusahaan setiap saat. Dengan demikian, data merupakan alat pengendalian terhadap pelaksanaan atau implementasi perencanaan tersebut agar bisa diketahui dengan segera kesalahan-kesalahan atau penyimpangan terjadi agar segera dilakukan perbaikan dan menerapkan strategi alternatif lainnya. Tabel di bawah ini menggambarkan suatu keadaan bagaimana data perkembangan room occupancy berikut proyeksi dan realisasi anggaran selama lima tahun. Tabel 3.1 Front Office Summary of Statistic Data for The Period of 1999-2003 Percentage Occupancy and Budget “PAMALAYAN HOTEL” Jakarta Month

% occupacy in year

Budget

1999 2000 2001 2002 2003 Projection

Actual

Variance

January February March

70,1 69,8 64,7

75,8 70,4 72,8 80,1 70,7 84,6

79,7 88,8 86,6

82,7 69.888.999 90,7 70.657.778 90,8 69.668.569

69.880.470 68.902.143 70.349.088

April May June July August

70,6 82,8 90,6 76,2 72,4

70,6 76,4 84,7 76,8 84,6 69,8 77,6 70,2 75,5 76,8

76,6 80,4 72,6 75,4 81,6

10,4 70.259.586 75,6 70.857.951 77,8 69.865.940 76,2 71.123.527 88,7 70.447.853

69.715.946 579.640 70.691.969 165.982 72.105.808 (2.239.868) 71.817.385 (693.858) 71.314.663 (866.810)

81,8 91,6 72,62 80,8

80,8 77,7 92,7 90,4 80,2 85,2 76,4 80,4

86,7 92,6 88,8 76,7

88,6 69.447.493 90,4 71.114.233 60,6 73.034.317 66,2 75.181.526

70.815.459 72.302.584 74.54.964 75.587579

78,5

82,2

79,8 851.583.772 858.027.057 (6.443.286)

September October November December Total

77

78,2

8.529 1.755.635 (680.519)

(1.367.966) (1.188.351) (1.509.647) (406.053)

Sumber: Henny Budiaman (1998)

Sebagai pengambil keputusan, dengan melihat data seperti pada tabel di atas, maka kita harus berusaha mengendalikan anggaran jangan sampai penyimpangannya terus meningkat dari anggaran yang telah direncanakan. Demikian

47

pentingnya data untuk pengendalian, maka data tersebut harus benar-benar akurat. 3.2.3 Data Sebagai Dasar Evaluasi Data dapat kita gunakan sebagai dasar dalam mengevaluasi suatu program atau rencana kerja suatu perusahaan atau ornganisasi.

Data yang

menggambarkan aktivitas selama program berjalan, bila diorganisasikan, diikhtisarkan dan diolah menjadi bentuk suatu informasi, akan dapat mengukur pencapaian hasil kerja akhir yang telah ditargetkan. Berapa persenkah tingkat pencapaian suatu program, atau berapa besar tinggkat penyimpangannya. Dengan data yang kita miliki, berarti kita telah memperoleh gambaran tentang kinerja perusahaan. Tabel 3.2 Proyeksi Tamu yang Menginap di Hotel dan Proyeksi Kunjungan Wisatawan Nusantara (Wisnu) di setiap Propinsi Wilayah/Propinsi

Tamu menginap

Kunjungan Wisnu

1999

1999

2004

2004

1. 2. 3. 4. 5.

Sumatra DKI Jakarta Jawa Barat Jawa Tengah DI Yogyakarta

3.622.333 2.256.375 4.024.622 2.247.783 565.522

4.366.955 2.561.517 4.837.367 2.439.428 693.895

19.697.383 12.269.627 21.884.934 12.222.907 3.075.171

23.746.456 13.928.916 26.304.447 13.265.030 3.773.235

6. 7. 8. 9. 10.

Jawa Timur Bali & Nusa Tenggara Kalimantan Sulawesi Maluku & Irian Jaya

2.770.186 1.503.773 1.558.648 876.220 182.234

3.198.517 1.906.906 1.946.678 1.100.566 224.112

15.063.608 8.177.160 8.475.559 4.764.677 990.945

17.392.775 10.369.300 10.585.565 4.945.134 1.218.667

INDONESIA

19.607.6 96 23.275.940 106.621.970 126.56 9.009

Sumber: Dirjen Pariwisata (1998)

Tabel di atas adalah proyeksi kunjungan wisatawan pada tahun 2004, yang dihitung pemerintah.

Untuk mencapai sasaran tersebut, pemerintah telah

melakukan berbagai upaya, antara lain pengembangan produk (objek-objek

48

wisata), memperluas promosi dan meningkatkan sarana-prasarana pariwisata. Jumlah kunjungan wisatawan nusantara pada tahun 1999 diproyeksikan mencapai lebih kurang 107 juta orang dan pada tahun 2004 diproyeksikan mencapai 127 juta orang. Pemerintah dapat memperhitungkan, apakah angka sasaran tersebut dapat tercapai atau tidak, dengan melakukan ongoing evaluation. Jika menurut perhitungan kita tidak akan tercapai, maka harus kita tetapkan strategi alternatif untuk meningkatkan kunjungan wisatawan tersebut. 3.3

Karakteristik Suatu Data Statistik Untuk mendapatkan informasi yang baik, maka data yang kita kumpulkan

harus mempunyai karakteristik (1) tingkat objektivitas tinggi (2) data harus mewakili (representatif), (3) relevansi tinggi, (4) tingkat kesalahan rendah (standard error kecil) dan (5) tepat waktu. Tingkat objektivitas tinggi. Jika kita menganalisis data, maka data yang kita

gunakan harus

benar-benar objektif.

Data harus benar-benar

menggambarkan keadaan nilai dari variabel yang kita analisis. Data harus mewakili (representatif). Jika data yang kita kumpulkan merupakan bagian dari suatu populasi, maka banyaknya nilai data yang kita analisis harus mewakili karakteristik populasi, sehingga kesimpulan yang kita tarik harus dapat berlaku secara umum bagi parameter-parameter populasi. Relevansi tinggi.

Data yang kita kumpulkan dan kita olah harus

merupakan nilai dari variabel yang mempunyai hubungan dengan permasalahan yang akan dipecahkan. Jika kita ingin memecahkan masalah produktivitas room attendant, maka data yang berhubungan dengan hal tersebut antara lain tentang motivasi, tentang pengalaman kerjanya, tentang tanggungan keluarga, latar belakang pendidikan dan pendapatannya. Tingkat kesalahan baku rendah (standard error kecil). Kesalahan baku adalah nilai perbandingan antara deviasi standar dengan akan kuadrat sampel. Contoh, jika kita mempunyai 500 buah sampel, dengan rata-rata (mean) 60,3 dan standar deviasi 5,07 kg, maka kesalahan bakunya adalah:

49

e=

s .............................................................................................................. n

e=

5,07 = 0,23 500

(3.1)

Angka 0,23 adalah kesalahan baku yang dapat kita gunakan untuk menilai ketepatan suatu nilai rata-rata.

Dalam hal lain kesalahan baku ini dapat

digunakan untuk (1) membandingkan ketelitian yang diperoleh dari penarikan sampel acak sederhana dengan metode penarikan sampel lainnya, (2) untuk memperkirakan ukuran sampel yang dibutuhkan dalam suatu survey yang telah direncanakan, (3) untuk memperkirakan ketelitian sebenarnya yang didapat dalam suatu survey. Untuk data yang terkumpul dengan ukuran nominal, maka kesalahan baku dapat dihitung sebagai berikut:

e=

p%(100 − p% ) ........................................................................................ n

(3.2)

Dalam suatu sampel acak n = 200, menunjukkan bahwa p = 40% menyatakan bahwa suatu objek wisata itu sangat bagus. Maka, kesalahan bakunya dapat dihitung: e=

40(100 − 40 ) n

e=

(40 )(60) = 200

240 0 = 12 = 3,46 20 0

Apabila data yang kita kumpulkan berasal dari populasi yang mempunyai karakteristik homogen, maka cukup dengan menggunakan sampel kecil. Sebaliknya apabila karakteristik populasi sangat beragam, maka kita perlu

50

menggunakan sampel besar agar diperoleh standard error kecil.

Standar error

adalah kesalahan yang data yang disebabkan karena faktor pengambilan sampel. Tepat waktu.

Untuk memecahkan masalah-masalah yang relatif

kompleks, maka data yang akan kita gunakan sebagai informasi dalam pengambilan keputusan, harus se-up to date mungkin. Karena jika data tidak aktual, maka permasalahan yang akan kita pecahkan sudah mengalami perubahan dan sudah muncul permasalahan baru. 3.4

Pembagian Data Data di dalam statistik dapat dikelompokkan berdasarkan kriteria ter-

tentu, seperti menurut (1) susunannya, (2) sifatnya, (3) waktu pengumpulannya, (4) sumber data, (5) jenis data dan (6) cara pengumpulannya. 3.4.1 Data Menurut Susunan Berdasarkan susunannya, data dikelompokkan menjadi data tunggal dan data berkelompok. Susunan data tunggal disebut juga data acak adalah data yang disajikan dalam bentuk array (bersusun) di mana susunannya dapat berutan dari data terkecil ke urutan data terbesar atau sebaliknya. Data tunggal juga dapat disusun secara tidak berurutan asalkan belum ada pengelompokkan. Contoh data tunggal: Diketahui hasil pengukuran berat badan 50 orang mahasiswa kelas G STP-Trisakti Bulan Mei 20x0 sebagai berikut (dalam kg): 30 35 47 57 65

68 70 63 59 48

67 59 60 49 70

43 67 49 47 65

56 66 53 48 55

67 58 69 65 67

66 57 59 54 43

67 46 53 52 61

66 53 45 60 66

49 58 64 70 67

Penyajian data seperti di atas adalah penyajian secara tunggal dan disusun secara acak. Adapun data berkelompok adalah data yang disajikan ke dalam

51

kelas-kelas interval. Penyajian data secara berkelompok memungkinkan kita dapat membaca data dengan mudah. Teladan data berkelompok: KELAS

TALLY/TURUS

FREKUENSI

70 - 74  65 - 69 60 - 64  55 - 59 

3



7

50 - 54

5 6 7 

45 - 49 40 - 44

17 15

35 - 39



7

30 - 34



6

25 - 29 20 - 24  JUMLAH

5 2 80

3.4.2 Data Menurut Sifat Menurut sifatnya, data dikelompokkan ke dalam data kualitatif dan data kuantitatif. Data kualitatif adalah nilai suatu variabel yang tidak berbentuk angka tetapi cukup menggambarkan suatu keadaan atau sifat dari variabel tersebut. Misalnya, karena terjadi depresiasi nilai rupiah terhadap dolar, maka ongkos-ongkos meningkat. Kata-kata meningkat adalah data yang menggambarkan suatu nilai dari variabel keadaan ongkos-ongkos. Namun seberapa besar meningkatnya kita tidak mengetahui, sehingga data yang demikian bersifat kualitatif.

Contoh lain data kualitatif adalah warna, status perkawinan, jenis

kelamin dan lain-lain. Data kuantitatif adalah nilai dari suatu variabel yang berbentuk bilangan. Contoh data kuantitatif antara lain: − Rata-rata lama tinggal wisatawan bulan Januari tahun 20x0 adalah 5,6 hari.

52

− Karena terjadi depresiasi nilai rupiah terhadap dolar, maka ongkos-ongkos meningkat rata-rata 35 persen. − Tinggi badan, berat badan, umur, jumlah dan lain-lain. Bila dikaitkan dengan skala pengukurannya, maka data kuantitatif adalah hasil observasi yang berupa skala numerik, sedangkan data kualitatif adalah data yang tergolong ke dalam satu dari beberapa kategori. Dengan demikian data kuantitatif adalah data yang memenuhi prinsip-prinsip operasi matematika. 3.4.3 Data Menurut Waktu Pengumpulannya Menurut waktu pengumpulannya, data dibagi ke dalam data cross section (at a point of time) dan data berkala (time series data). Data cross section adalah data yang dikumpulkan pada satu waktu tertentu. Data ini biasanya dibutuhkan untuk mengetahui gambaran keadaan suatu perusahaan pada waktu tertentu. Misalnya kita ingin mengetahui bagaimana kinerja Bandung International Hotel pada tahun 1999. Maka data yang kita kumpulkan hanya satu kali saja yaitu pada akhir tahun 1999 atau awal tahun 2000. Contoh lain adalah data Sensus Penduduk dan Sensus Penduduk Antar Sensus (SUPAS) dan lain-lain. Adapun data berkala atau time series data, adalah data yang dikumpulkan dari waktu ke waktu secara rutin untuk memperoleh gambaran perkembangan suatu program atau kegiatan. Misalnya data room occupancy yang dikumpulkan selama 12 bulan terakhir atau jumlah kunjungan wisatawan selama tiga tahun terakhir melalui pitu masuk Bandara Soekarno Hatta. 3.4.4 Data Menurut Sumbernya Menurut sumber pengambilannya data dikelompokkan menjadi data internal dan data eksternal.

Data internal adalah data yang diperoleh dan

berkaitan dengan keadaan internal organisasi atau perusahaan itu sendiri. Contohnya adalah data perkembangan perusahaan itu sendiri atau gambaran kinerja perusahaan selama kurun waktu tertentu.

53

Sedangkan data eksternal adalah data yang berasal dari luar perusahaan atau organisasi. Data ini dapat berupa data keadaan pasar atau konsumen, perusahaan sejenis sebagai pesaing dan data lain di luar perusahaan yang berkaitan dengan perusahaan tersebut. 3.4.5 Data Menurut Tipe Sumbernya Menurut tipe sumbernya data dibagi menjadi data primer dan data sekunder. Data primer adalah data yang dikumpulkan dan diolah sendiri oleh pengguna data. Misalkan Hotel Trisakti ingin mengetahui bagaimana preferensi wisatawan menurut asal negaranya. Kemudian manajemen mengumpulkan data baik melalui kuesioner/angket, wawancara langsung atau pengamatan. Data yang terkumpul kemudian diolah menjadi suatu informasi. Maka data yang demikian dinamakan data primer. Sebaliknya, apabila Hotel tersebut mengetahuinya dari data yang telah diolah dan dipublikasikan oleh orang atau pihak lain, maka data yang demikian dinamakan data sekunder. Contoh data sekunder antara lain data perkembangan wisatawan yang dikumpulkan oleh BPS atau Database Produk Pariwisata yang dikumpulkan oleh Dirjen Pariwisata Depparsenibud. 3.4.6 Data Menurut Cara Pengumpulannya Terdapat dua cara pengumpulan data yaitu cara sensus dan cara sampling. Pengumpulan data dengan sensus adalah cara pengumpulan data kalau seluruh elemen populasi diselidiki satu persatu.

Cara ini merupakan teknik

pengumpulan data yang menyeluruh sehingga hasilnya merupakan nilai yang sebenarnya atau true value. Sedangkan cara sampling adalah teknik pengumpulan data, kalau yang diselidiki adalah sampel dari suatu populasi. Karena data yang terkumpul merupakan bagian dari populasi, maka yang diperoleh dari hasil sampling merupakan data perkiraan yang disebut estimate value.

54

3.5

Tipe Data Menurut Skala Pengukurannya Tipe data yang didasarkan atas skala pengukurannya dibedakan menjadi

empat jenis yaitu: data nominal, data ordinal, data interval, dan data rasio. 3.5.1

Data Nominal Data yang diukur pada skala nominal menunjukkan tingkatannya paling

rendah di dalam skala pengukuran suatu hasil observasi.

Cara ini tidak

kompleks sehingga kita cukup memasukkan data atau objek ke dalam suatu kategori. Kategori yang disusun harus: − homogen − mutually exclusive (saling lepas) − exhaustive (lengkap terbatas) − tidak merupakan tingkatan di antara kategori. Kategori ini hanya mengelompokkan suatu fenomena ke dalam dua kategori yang berlawanan yang disebut mutually exclusive. Kategori tersebut tidak menunjukkan tingkatan dan biasanya dinyatakan dalam bentuk angka atau abjad. Sebagai contoh: dalam suatu survei tidak mungkin sekor orang memiliki lebih dari satu, yaitu laki-laki saja atau perempuan saja. Untuk keperluan komputer, mungkin saja kategori tersebut kita beri skor 1 untuk kategori lakilaki dan sekor 2 untuk kategori perempuan. Namun perlu digarisbawahi, bahwa sekor dua di sini tidak menunjukkan lebih besar dari skor 1. Karena sifatnya tersebut maka skala ini bentuk operasinya dibatasi hanya pada equivalensi. Dalam skala nominal, kategori harus lengkap terbatas (exhaustive) artinya bahwa setiap sekor atau nilai data hanya dapat dimasukan ke dalam satu kategori tertentu, tidak boleh ada satu sekor yang termasuk ke dalam dua kategori...