Statistik dan Statistika

 

A.    Pengertian Statistik

            Kata statistik bukan merupakan kata dari bahasa Indonesia asli, secara etimologis kata "statistik" berasal dari kata status (bahasa latin) yang mempunyai persamaan arti dengan kata state (bahasa Inggris) atau kata staat (bahasa Belanda), dan yang dalam bahasa Indonesia diterjemahkan menjadi negara. Pada mulanya, kata "statistik" diartikan sebagai "kumpulan bahan keterangan (data), baik yang berwujud angka (data kuantitatif) maupun yang tidak berwujud angka (data kualitatif), yang mempunyai arti penting dan kegunaan yang besar bagi suatu negara. Namun, pada perkembangan selanjutnya, arti kata statistik hanya dibatasi pada "kumpulan bahan keterangan yang berwujud angka (data kuantitatif)" saja; bahan keterangan yang tidak berwujud angka (data kualitatif) tidak lagi disebut statistik. Seiring berjalannya waktu kata statistic tidak lagi dibatasi untuk kepentingan-kepentingan Negara saja tapi sudah digunakan dalam keseharian untuk mempermudah masyarakat untuk menganalisis sesuatu yang berkaitan dengan datadata. Sehingga setelah masyarakat memahami statistic dan mulai mempergunakannya dalam kehidupan sehari munculah berbagai macam nama statistik.

Statistik yang menjelaskan sesuatu hal biasanya diberi nama statistik mengenai hal yang bersangkutan didalamnya, contohnya kumpulan data yang membahas tentang tingkat produksi suatu perusahaan dinamakan statistik produksi. Banyak persoalan baik itu seperti penelitian ataupun pengamatan yang dinyatakan dalam bentuk bilangan atau angka-angka. Kumpulan angka-angka disusun atau diatur dan disajikan dalam tabel (terkadang dilengkapi dengan gambar baik berupa diagram maupun grafik, hal ini dilakukan bertujuan untuk mempermudah menjelaskan isi dari data).

B.     Pengertian statistika

            Dari data hasil penelitian sering kali diminta suatu uraian, penjelasan atau kesimpulan tentang persoaalan yang diteliti. Sebelum kesimpulan dibuat, keterangan data yang yang telah terkumpul itu terlebih dahulu dipelajari, dianalisis atau diolah dan berdasarkan pengolahan ini baru dibuat kesimpulan. Dari pernyataan diatas tersirat bahwa statistika merupakan pengetahuan yang berhubungan dengan cara-cara pengumpulan data, pengolahan atau penganalisiannya dan penarikan kesimpulan berdasarkan kumpulan data dan penganalisian yang dilakukan. Maka dari definisi diatas dapat kita simpulkan bahwa ruang lingkup statistika lebih luas daripada statistik, serta statistika mencangkup statistik atau dapat kita analogikan ibarat komputer, suatu keutuhan komputer merupakan statistika sedangkan alat-alat penyusun dari computer (LCD, mouse, CPU, keyboard, dll) merupakan statistika.

Dalam literatur yang lain, kata statistika (statistics) dapat dimaknai sebagai suatu ilmu yang mempelajari segala hal terkait bagaimana merencanakan, mengumpulkan, menganalisis, menginterpretasi, dan mempresentasikan data. Jadi, statistika adalah sebuah ilmu yang berkaitan dengan data, sama seperti matematika (mathematics), ekonometrika (econometrics), ekonomika (economics), serta ilmu-ilmu yang lain. Sedang kata statistik diartikan sebagai “ukuran yang diperoleh atau berasal dari sampel,” yaitu sebagai lawan dari kata “parameter” yang berarti “ukuran yang diperoleh atau berasal dari populasi”.

            Dalam memecahkan suatu masalah, karena alasan tertentu, kita seringkali tidak memiliki data dari seluruh anggota populasi yang hendak dipahami. Kita biasanya hanya memiliki data dari sebagian anggota populasi yang kemudian disebut sampel. Oleh karena itu, para ahli matematika juga mengembangkan rumusan-rumusan yang dapat membantu kita dalam menarik sampel sehingga data yang ada ditangan dapat mewakili keadaan populasinya. Dengan kata lain statistika juga membicarakan cara-cara pengumpulan data terutama mengenai penarikan sampel.

Dasar Statistika

•  PENGERTIAN STATISTIKA DAN STATISTIK

Pada umumnya orang tidak membedakan antara statistika dan statistic. Kata statistic berasal dari kata Latin yaitu status yang berarti “Negara” (dalam bahasa inggris adalah state). Pada awalnya kata statistic diartikan sebagai keterangan Statistika dan Statistik keterangan yang dibutuhkan oleh Negara dan berguna bagi Negara (Anto Dajan, Pengantar Metode Statistik). Misalkan keterangan mengenai jumlah keluarga penduduk suatu Negara, keterangan mengenai usia penduduk, pekerjaan penduduk suatu Negara dan sebagainya.

Agar pengertian statistic sebagai kumpulan angka-angka, tidak mengaburkan perbedaan anatara kumpulan angka-angka dengan metode sehingga kumpulan angka tersebut “berbicara”. Dalam arti kumpulan angka tersebut disajikan dalam bentuk table/diagram, selanjutnya dianalisa dan ditarik kesimpula. Ini semua ternyata merupakan pengetahuan tersendiri yang disebut statistika. Jadi Statistika adalah ilmu pengetahuan, murni dan terapan, mengenai penciptaan, pengembangan, dan penerapan teknik-teknik sedemikian rupa sehingga ketidakpastian inferensia induktif dapat dievaluasi. Statistik adalah kumpulan fakta yang berbentuk angka-angka yang disusun dalam bentuk daftar atau tabel yang menggambarkan suatu persoalan. Perbedaan dari statistic dan parameter adalah statistic merupakan sembarangan nilai yang menjelaskan nilai dari sampel. Sedangkan parameter merupakan sembarangan nilai yang menjelaskan nilai dari populasi.

Statistika dalam pengertian sebagai ilmu dibedakan menjadi dua yaitu :

1.   Statistic deskriptif mempunyai tujuan untuk mendeskripsikan atau memberi gambaran objek yang diteliti: sebagaimana adanya tanpa menarik kesimpulan atau generalisasi. Dalam statistika deskriptif ini dikemukakan cara-cara penyajian data dalam bentuk table maupun diagram, penentuan rata-rata (mean), modus, median, rentang serta simpangan baku.

2.    Statistic inferensial (induktif) mempunyai tujuan untuk penarikan kesimpulan. Sebelum penarikan kesimpulan dilakukan suatu dugaan yang dapat diperoleh dari statistic deskriptif.

•      DATA STATISTIK

Setiap kegiatan yang berkaitan dengan statistic, selalu berhubungan dengan data. Menurut kamus Besar Bahasa Indonesia pengertian data adalah keterangan yang benar dan nyata. Data adalah bentuk jamak dari datum. Datum adalah keterangan atau informasi yang diperoleh dari suatu pengamatan sedangkan data adalah segala keterangan atau informasi yang dapat memberikan gambaran tentang  suatu keadaan. Dari contoh-contoh yang telah diberikan sebelumya, dapat diperoleh bahwa tujuan pengumpulan data adalah :

1. Untuk memperoleh gambaran suatu keadaan.
2. Untuk dasar pengambilan keputusan. Syarat data yang baik agar memperoleh kesimpulan tepat dan benar maka data yang dikumpulkan dalam pengamatan harus nyata dan benar, diantaranya:
3. Data harus obyektif (sesuai keadaan sebenarnya)
4. Data harus mewakii(representative)
5. Data harus update
6. Data harus relevan dengan masalah yang akan dipecahkan.

•        Macam-macam Data

Data adalah kumpulan keterangan atau informasi yang di peroleh dari suatu pengamatan. Data dibagi menjadi beberapa macam, yaitu :

a)      Klasifikasi Data Berdasarkan Jenis Datanya

• Data Kuantitatif Data kuantitatif adalah data yang dipaparkan dalam bentuk angka-angka. Misalnya adalah jumlah pembeli saat hari raya idul adha, tinggi badan siswa kelas 3 ips 2, nilai matematika (…,6,7,8,9,10,…) dan lain-lain.

• Data Kualitatif Data kualitatif adalah data yang disajikan dalam bentuk kata-kata yang mengandung makna. Contohnya seperti persepsi konsumen terhadap botol air minum dalam kemasan, anggapan para ahli terhadap psikopat, warna (merah, hijau, biru, kuning, hitam, dll) dan lain-lain.

b)      Pembagian Jenis Data Berdasarkan Sifat Data

• Data Diskrit (cacahan) Data diskrit adalah data yang nilainya adalah bilangan asli. Contohnya adalah berat badan ibu-ibu pkk sumber ayu, nilai rupiah dari waktu ke waktu, jumlah peserta yang hadir dalam seminar nasional pendidikan matematika. Jumlah siswa yang lulus try out akbar UAN 2011, jumlah buku yang terdapat pada perpustakaan kampus, dan lain-sebagainya.
• Data kontiniu adalah data yang nilainya ada pada suatu interval tertentu atau berada pada nilai yang satu kenilai yang lainnya. Contohnya penggunaan kata sekitar, kurang lebih, kira-kira, dan sebagainya. Dinas pertanian daerah mengimpor bahan baku pabrik pupuk kurang lebih 850 ton.

 c)      Jenis-jenis Data Menurut Waktu Pengumpulannya

• Data Cross Section Data cross-section adalah data yang menunjukkan titik waktu tertentu. Contohnya laporan keuangan per 31 desember 2006, data pelanggan PT. X  bulan mei 2004, dan lain sebagainya.
• Data Time Series / Berkala Data berkala adalah data yang datanya menggambarkan sesuatu dari waktu ke waktu atau priode secara historis. Contoh data time series adalah data perkembangan nilai tukar dollar amerika terhadap euro eropa dari tahun 2004 sampai 2006,dll.

d) Macam –Macam Data berdasarkan Sumber Data

v Data Internal

Data internal adalah data yang menggambarkan siatuasi dan kondisi pada suatu organisasi secara internal. Misal : data keuangan, data pegawai, data produksi, dsb.

v Data Eksternal

Data eksternal adalah data yang menggambarkan situasi serta kondisi yang ada di luar organisasi. Contohnya adalah data jumlah penggunaan suatu produk pada konsumen, tingkat preferensi pelanggan, persebaran penduduk, dan lain sebagainya.

 e) Jenis Data Menurut Cara Memperolehnya

v Data Primer

Data primer adalah secara langsung diambil dari objek / obyek penelitian oleh peneliti perorangan maupun organisasi. Contoh : Mewawancarai langsung penonton bioskop 21 untuk meneliti preferensi konsumen bioskop.

v Data Sekunder

Data sekunder adalah data yang didapat tidak secara langsung dari objek penelitian. Peneliti mendapatkan data yang sudah jadi yang dikumpulkan oleh pihak lain dengan berbagai cara atau metode baik secara komersial maupun non komersial  maupun non komersial. Contohnya adalah pada peneliti yang menggunakan data statistic hasil riset dari surat kabar atau majalah.

Skala Pengukuan Pada Data

a)     SKALA NOMINAL ( KLASIFIKASI )

Skala nominal merupakan skala pengukuran yang paling rendah tingkatannya diantara ke empat skala pengukuran yang lain. Seperti namanya, skala ini membedakan satu obyek dengan obyek lainnya berdasarkan lambang yang diberikan. Ciri data yang dihasilkan adalah posisi data setara ( pegawai negeri tidak lebih tinggi dari wiraswasta meskipun angka tandanya berberda ).

            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. Dan 1 tidaklah berarti mempunyai arti lebih besar dari 0. Data satu hanyalah menyatakan lambang untuk barang yang tidak cacat.

            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 = dan = adalah hubungan sama dengan dan tidak sama dengan. Statistik yang sesuai dengan data berskala Nominal adalah Statistik Nonparametrik. Contoh perhitungan statistik yang cocok adalah Modus, Frekuensi dan Koefisien Kontingensi.

b)     SKALA ORDINAL ( RANGKING )

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 atau obyek memungkinkan untuk diurutkan atau dirangking. Ciri data yang dihasilkan nominal adalah posisi data tidak serta ( contoh pangkat seorang TNI diatas, Mayor lebih tinggi dari Kapten, dan Kapten lebih tinggi dari Letnan ) dan tidak dpat dilakukan operasi matematika ( misalkan pada tingkat kepuasan konsumen : 2 + 3 = 5, yang berarti tidak puas + cukup puas = sangat puas ).

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

c)      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 diberikan antara yang satu dengan yang lainnya dan dapat dirangking, perbedaan (jarak/interval) antara data yang lainnya dapat diukur.

Contoh : Data tentang suhu empat buah benda A, B, C , dan D yaitu masing-masing 20. 30, 60, dan 70 derajat Celcius, maka data terseut 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.

Bilangan pada skala interval fungsinya ada 3 yaitu :

1)     Sebagai lambang untuk membedakan

2)     Untuk mengurutkan peringkat, misal, makin bgesar 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 Statisik Parametrik. Contoh perhitungan statistik yang cocok adalah Rata-rata, Simpangan Baku dan Korelasi Pearson.

 d)    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 (perbandigan) 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.

            Bilangan pada Skala Rasio fungsinya ada tiga yaitu :

1.     Sebagai lamang 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 dta obyek yang lainnya.

4.  Rasio (perbandingan) antar satu data dengan data yang lainnya dapat diketahui arti. Titik nol merupakan titik mutlak.

Statistik yang sesuai dengan data berskala Rasio adalah Statistik Nonparametrik dan Statistik Parametrik. Contoh perhitungan statistic yang cocok adalah Rata-rata, Koefisien Variasi dan statistic-statistik lain yang menuntut diketahuinya titik nol mutlak.

D. POPULASI DAN SAMPEL

            Populasi adalah seluruh objek yang menjadi sasaran penelitian atau pengamatan dan memiliki sifat-sifat yang sama. Sampel adalh bagian dari populasi yang diambil untuk dijadikan objek pengamatan langsung dan dijadikan dasar dalam pengambilan kesimpulan. Dengan kata lain, populasi adalah himpunan keseluruhan objek yag diteliti, sedangkan sampel adalah bagian yang diambil dari populasi.

Contoh-contoh populasi dan sampel :

Untuk mengetahui prestasi matematika SMP kelas IX di provinsi DKI Jakarta, dicatat prestasi dari beberapa sekolah di masing-masing kotomdya ( Jakarta Pusat, Jakarta Selatan, Jakarta Barat dan Jakarta Timur ).

Ø Populasi : seluruh siswa SMP kelas IX di provinsi DKI Jakarta

Ø Sampel : siswa SMP kelas IX dari beberapa sekolah di masing-masing kota madya.

Sumber: Nuryadi., dkk. (2017). Dasar-Dasar Statistik Penelitian. Yogyakarta: Sibuku Media.

Silabus dan Rencana Perkuliahan Semester (RPS) Statistik I

 

			PROGRAM STUDI AKUNTANSI FAKULTAS EKONOMI UNIVERSITAS PRIMA INDONESIA Jl. Sekip Simp.Sikambing, Medan Petisah, Kota Medan, Sumatera Utara 20118
RENCANA PEMBELAJARAN SEMESTER
Jenis Dokumen:     FORMULIR MUTU		Disusun Oleh:					Disetujui Oleh:
		Kordinator       (ANTONIUS KAP SIMBOLON, S.Pd., M.Pd)					Ketua Program Studi       (NAMIRA UFRIDA RAHMI, S.E.,M.Si)
		Tanggal:					Tanggal:
Program Studi: [AKUNTANSI]				Kode: [MKK040120]		Nama Matakuliah: [STATISTIK I]		SKS: [3 SKS]	Dosen Pengampu: [ANTONIUS KAP SIMBOLON, S.Pd., M.Pd]
Capaian Pembelajaran Lulusan yang dibebankan kepada mata kuliah	CPL				Kode CPL
	Sikap				S01	Bertakwa kepada Tuhan Yang Maha Esa dan mampu menunjukkan sikap religius;
					S09	Menunjukkan sikap bertanggung jawab atas pekerjaan di bidang keahliannya secara mandir;
	Pengetahuan				P11	Mampu memahami konsep dan metode statistik untuk menganalisis dan menyelesaikan permasalahan bisnis serta sebagai alat bantu dalam pengambilan keputusan manajemen secara rasional dan mengutamakan objektivitas data (jujur).
	Keterampilan Umum				KU04	Mahasiswa mampu menggunakan metode statistika yang tepat dalam menyelesaikan permasalahan bisnis dan penelitian manajemen secara rasional dan objektif
	Keterampilan Khusus				KK07	Mahasiswa mampu melakukan analisis permasalahan dan penelitian bisnis menggunakan program statistik yang mengutamakan objektivitas data.
Deskripsi Matakuliah	Mata Kuliah ini merupakan mata kuliah prasyarat untuk mengambil mata kuliah statistik II.  Setelah menempuh mata kuliah ini, diharapkan mahasiswa dapat mengolah dan menganalisis data dalam suatu penelitian. Mata kuliah statistic I akan membahas mengenai statistik Deskriptif yang memuat pokok bahasan tentang : Pengantar Stastistika, Nilai Rata-rata, Media , Modus, Kuartil, Persentil, Variani, dan Simpangan Baku.
Prasyarat Matakuliah	-
Sumber Belajar (Refrensi)	Algifari.(1994). Statistik Ekonomi: Teori, Kasus dam Solusi. Yogyakarta: Bagian Penerbit STIE YKPN. Arief, F.(2011). Pengantar Penelitian dalam Pendidikan. Yogyakarta: Pustaka Pelajar Edward, A.L. (1984). An Introduction to Linier Regression and Correlation. 2nd ed. New York: W.H.Freeman and Company. Farhan, Q.(2008). Metode Statistika. Yogyakarta: Bidang Akademik UIN Sunan Kalijaga Yogyakarta. Gall, A.G., Gall, J.P., & Borg, W.R. (2003). Educational Reserach: An Introduction. New York: Pearson Education. Gunardi.(1999). Diktat Kuliah Metode Statistik. FMIPA Universitas Gadjah Mada Yogyakarta Murwani, S.(2001). Statistika Terapan (Teknik Analisis Data). Malang: Universitas Negeri Malang. Nuryadi., dkk. (2017). Dasar-Dasar Statistik Penelitian. Yogyakarta: Sibuku Media. Wirawan, N. (2016). Cara Mudah Memahami STATISTIKA EKONOMI DAN BISNIS. Denpasar Bali: Keraras Emas

Pertemuan Ke	Sesi	Kemampuan Akhir yang diharapkan (SUB CPMK)	Indikator capaian	Bahan Kajian	Metode Pembelajaran dan Pengalaman Belajar	Alokasi Waktu			Evaluasi / Penilaian			Sumber Belajar
						T	P	I/K	Jenis	Kriteria	Bobot
(1)	(2)	(2)	(3)	(4)	(5)	(6)	(7)		(8)	(9)	(10)	(11)
-	-
1	1	Mahasiswa mengetahui proses pembelajaran	Mahasiswa mampu Mengetahui materi statisti I	Pengenalan Silabus Pembuatan Kontrak Belajar	Daring menggunakan SPADA dan zoom	1 x 50 menit						Wirawan, N. (2016). Cara Mudah Memahami STATISTIKA EKONOMI DAN BISNIS. Denpasar Bali: Keraras Emas
2	2	Mahasiswa mengetahui cakupan materi statistika	Mahasiswa mampu mengingat kembali konsep dasar statistik	Flashback Dasar Statistika	Daring menggunakan SPADA	1 x 50 menit			latihan			Nuryadi., dkk. (2017). Dasar-Dasar Statistik Penelitian. Yogyakarta: Sibuku Media.
3	3	Mahasiswa mengetahui cara menyajikan data dalam bentuk table, diagram/grafik	Mahasiswa mampu menyajikan data dalam bentuk table, diagram/grafik	Penyajian data	Daring menggunakan SPADA	1 x 50 menit			latihan			Nuryadi., dkk. (2017). Dasar-Dasar Statistik Penelitian. Yogyakarta: Sibuku Media.
4	4	Mahasiswa mengetahui cara mengelompokkan data kedalam beberapa kelompok (kelas)	Mahasiswa mampu mengetahui distribusi frekuensi gejala dalam satu variabel. Untuk mempermudah memahami karakteristik suatu data observasi, data tersebut dikelompokkan ke dalam beberapa kelompok (kelas) yang mana masing-masing kelas menampung sebagian data observasi.	Tabel distribusi frekuensi	Daring menggunakan SPADA	1 x 50 menit			latihan			Wirawan, N. (2016). Cara Mudah Memahami STATISTIKA EKONOMI DAN BISNIS. Denpasar Bali: Keraras Emas
5	5	Mahasiswa mengetahui cara mengunakan  statistik tabulasi silang  untuk mengetahui distribusi frekuensi gejala dalam suatu variabel apabila variabel tersebut dihubungkan dengan variabel yang lain.	Mahasiswa mampu mengetahui distribusi frekuensi gejala dalam suatu variabel apabila variabel tersebut dihubungkan dengan variabel yang lain.	Statistik tabulasi silang	Daring menggunakan SPADA	1 x 50 menit			latihan			Nuryadi., dkk. (2017). Dasar-Dasar Statistik Penelitian. Yogyakarta: Sibuku Media.
6	6	Mahasiswa mengetahui cara menggunakan rumus Mean dan median pada data tunggal dan data kelompok	Mahasiswa mampu mengetahui rumus Mean dan median (data tunggal dan data kelompok)	Mean dan median (data tunggal dan data kelompok)	Daring menggunakan SPADA	1 x 50 menit			latihan			Wirawan, N. (2016). Cara Mudah Memahami STATISTIKA EKONOMI DAN BISNIS. Denpasar Bali: Keraras Emas
7	7	Mahasiswa mengetahui cara menggunakan rumus modus pada data tunggal dan data kelompok	Mahasiswa mampu mengetahui rumus Modus (data tunggal dan data kelompok)	Modus (data tunggl dan data kelompok)	Daring menggunakan SPADA	1 x 50 menit			latihan			Nuryadi., dkk. (2017). Dasar-Dasar Statistik Penelitian. Yogyakarta: Sibuku Media.
8	8	Ujian Tengah Semester			Daring menggunakan SPADA	1 x 50 menit
9	9	Mahasiswa mengetahui cara menggunakan rumus Quartil pada data tunggal dan data kelompok	Mahasiswa mampu mengetahui rumus Quartil (data tunggal dan data kelompok)	Quartil  (data tunggal dan data kelompok)	Daring menggunakan SPADA	1 x 50 menit			latihan			Wirawan, N. (2016). Cara Mudah Memahami STATISTIKA EKONOMI DAN BISNIS. Denpasar Bali: Keraras Emas
10	10	Mahasiswa mengetahui cara menggunakan rumus desil dan persentil pada data tunggal dan data kelompok	Mahasiswa mampu mengetahui rumus desil dan persentil (data tunggal dan data kelompok)	Desil dan persentil (data tunggal dan data kelompok)	Daring menggunakan SPADA	1 x 50 menit			latihan			Nuryadi., dkk. (2017). Dasar-Dasar Statistik Penelitian. Yogyakarta: Sibuku Media.
11	11	Mahasiswa mengetahui cara menggunakan rumus Deviasi rata-rata dari data yang belum dikelompokkan dan  Deviasi rata-rata dari data yang telah dikelompokkan	Mahasiswa mampu mengetahui rumus Deviasi rata-rata dari data yang belum dikelompokkan dan  Deviasi rata-rata dari data yang telah dikelompokkan	Deviasi rata-rata dari data yang belum dikelompokkan dan  Deviasi rata-rata dari data yang telah dikelompokkan	Daring menggunakan SPADA	1 x 50 menit			latihan			Nuryadi., dkk. (2017). Dasar-Dasar Statistik Penelitian. Yogyakarta: Sibuku Media.
12	12	Mahasiswa mengetahui cara menggunakan rumus Varians dan deviasi standar dari data yang belum dikelompokkan	Mahasiswa mampu mengetahui Varians dan deviasi standar dari data yang belum dikelompokkan	Varians dan deviasi standar dari data yang belum dikelompokkan	Daring menggunakan SPADA	1 x 50 menit			latihan			Wirawan, N. (2016). Cara Mudah Memahami STATISTIKA EKONOMI DAN BISNIS. Denpasar Bali: Keraras Emas
13	13	Mahasiswa mengetahui cara menggunakan rumus  Variansdan deviasi standar dari data yang telah  dikelompokkan	Mahasiswa mampu mengetahui Varians dan deviasi standar dari data yang telah dikelompokkan	Variansdan deviasi standar dari data yang telah dikelompokkan	Daring menggunakan SPADA	1 x 50 menit			latihan			Wirawan, N. (2016). Cara Mudah Memahami STATISTIKA EKONOMI DAN BISNIS. Denpasar Bali: Keraras Emas
14	14	Mahasiswa mengetahui cara menggunakan rumus  Variansi dan deviasi standar dengan cara transformasi	Mahasiswa mampu mengetahui Variansi dan deviasi standar dengan cara transformasi	Variansi dan deviasi standar dengan cara transformasi	Daring menggunakan SPADA	1 x 50 menit			latihan			Nuryadi., dkk. (2017). Dasar-Dasar Statistik Penelitian. Yogyakarta: Sibuku Media.
15	15	Mahasiswa memahami seluruh materi yang diajarkan	Mahasiswa mampu mendalami kembali materi statistic I yang telah diajarkan	Flashback materi statistic I yang telah dipelajari dalam satu semester	Daring menggunakan SPADA dan zoom	1 x 50 menit			latihan			Wirawan, N. (2016). Cara Mudah Memahami STATISTIKA EKONOMI DAN BISNIS. Denpasar Bali: Keraras Emas
16	16	Ujian Akhir Semester			Daring menggunakan SPADA	1 x 50 menit