DIKL AT

STATISTIK
SEKTORAL

MODUL 5

Analyse /
Analisis

Pusat Pendidikan dan Pelatihan

Badan Pusat Statistik
 Diklat Statistik Sektoral

KATA PENGANTAR

Sejalan dengan upaya peningkatan kemampuan sumber daya manusia pada

organisasi perangkat daerah urusan statistik, pembinaan terus dilakukan. Salah satu upaya
pembinaan yang ditempuh adalah melalui penerbitan modul pembinaan teknis.
Modul-modul tersebut merupakan satu kesatuan yang saling melengkapi. Kehadiran
modul Statistik untuk para penyelenggara kegiatan statistik sektoral ini memiliki nilai
strategis karena dapat menjadi acuan dalam proses pembagian pengetahuan (knowledge
sharing). Modul ini dapat membantu fasilitator pembinaan penyelenggaraan statistik
sektoral dalam mendisain pengajaran yang akan disampaikan kepada para peserta
pembinaan. Selain itu, membantu pengelola dan penyelenggara dalam penyelenggaraan
pembinaan serta membantu peserta dalam mengikuti proses pembinaan.
Seiring dengan perkembangan lingkungan strategis yang berlangsung dengan cepat
khususnya terhadap dinamika kompetensi aparatur sipil negara dalam tugasnya
melaksanakan tugas-tugas perstatistikan, maka kualitas modul, khususnya kesesuaian isi
dengan persyaratan kompetensi aparatur yang mengalami perkembangan, perlu terus
dipantau dan dilakukan penyempurnaan. Oleh sebab itu, jika ditemukan hal-hal yang tidak
relevan lagi atau dianggap perlu untuk menambahkan isi dari modul, maka akan dilakukan
perbaikan.
Modul ini merupakan bahan ajar minimal dalam pembinaan statistik sektoral.
Walaupun demikian, fasilitator dapat mengembangkan selama masih relevan dengan hasil
belajar yang akan dicapai dalam modul ini.
Akhirnya, selamat menggunakan modul-modul pembinaan ini, dengan harapan
kompetensi statistik peserta dapat ditingkatkan.

Jakarta, Oktober 2019

Pusdiklat BPS

Modul Analyse / Analisis i

 Diklat Statistik Sektoral

DAFTAR ISI
KATA PENGANTAR..................................................................................................................... i
DAFTAR ISI .................................................................................................................................ii
BAB I TUJUAN PEMBELAJARAN ............................................................................................... 1
A. Pendahuluan ................................................................................................................. 1
B. Deskripsi Singkat ........................................................................................................... 2
C. Hasil Belajar .................................................................................................................. 2
D. Indikator Hasil Belajar .................................................................................................. 2
E. Materi Pokok dan SubMateri ........................................................................................ 2
F. Manfaat ......................................................................................................................... 3
BAB II ANALISIS HASIL KEGIATAN STATISTIK ........................................................................... 4
A. Penyiapan Naskah Output ............................................................................................ 5
B. Validasi Output ............................................................................................................. 5
C. Interpretasi Output ....................................................................................................... 6
D. Kebijakan Penyajian Data ............................................................................................. 6
BAB III ANALISIS DESKRIPTIF ................................................................................................... 8
A. Distribusi Frekuensi ...................................................................................................... 8
1. Tunggal ..................................................................................................................... 8
2. Interval ..................................................................................................................... 8
B. Ukuran Pemusatan ..................................................................................................... 10
1. Rata-rata hitung (Arithmetic Mean) ...................................................................... 10
2. Median ................................................................................................................... 13
3. Modus (Mode)........................................................................................................ 16
C. Ukuran Penyebaran .................................................................................................... 18
1. Rentang (Range) ..................................................................................................... 18
2. Standar Deviasi (Simpangan Baku) ........................................................................ 20
3. Koefisien Variasi ..................................................................................................... 22
BAB IV PENYAJIAN DATA ....................................................................................................... 25
A. Penyajian Tabel........................................................................................................... 25
1. Tabel Satu Arah ...................................................................................................... 26

Modul Analyse / Analisis ii

 Diklat Statistik Sektoral

2. Tabel Dua Arah ....................................................................................................... 27

3. Tabel Tiga Arah ....................................................................................................... 27
B. Penyajian Grafik .......................................................................................................... 28
1. Grafik Garis ............................................................................................................. 30
2. Grafik Batang .......................................................................................................... 35
3. Diagram Lingkaran ................................................................................................. 40
4. Diagram Gambar .................................................................................................... 41
5. Diagram Peta .......................................................................................................... 42
C. Penyajian Infografis .................................................................................................... 42
Bab V Interpretasi Indikator Strategis................................................................................... 45
A. Penjelasan Umum ....................................................................................................... 45
B. Indikator Ekonomi ...................................................................................................... 46
1. Angka Inflasi ........................................................................................................... 46
2. Pertumbuhan Ekonomi .......................................................................................... 47
3. Nilai Tukar Petani (NTP) ......................................................................................... 48
4. Indeks Harga Produsen (IHP) ................................................................................. 50
5. Ketenagakerjaan .................................................................................................... 50
C. Indikator Sosial ........................................................................................................... 50
1. Kemiskinan dan Ketimpangan Pendapatan ........................................................... 51
2. Indeks Pembangunan Manusia (IPM) .................................................................... 53
3. Indeks Perilaku Anti Korupsi (IPAK) ........................................................................ 54

Modul Analyse / Analisis iii

 Diklat Statistik Sektoral

BAB I
PENDAHULUAN

A. Latar Belakang
Undang-undang No. 23 Tahun 2014 tentang Pemerintahan Daerah telah
mengamanatkan bahwa terdapat pembagian urusan di tingkat pusat, provinsi, dan
kabupaten/kota. Urusan tersebut merupakan urusan pemerintah konkuren yang terdiri dari
urusan wajib dan urusan pilihan. Salah satu urusan wajib non-pelayanan dasar yang harus
dilaksanakan oleh pemerintah daerah adalah urusan statistik.
Sementara itu, Undang-undang No. 16 Tahun 1997 tentang Statistik, telah
membedakan penyelenggaraan statistik menjadi tiga, yaitu statistik dasar, statistik sektoral,
dan statistik khusus. Statistik dasar diselenggarakan oleh Badan Pusat Statistik (BPS),
statistik sektoral oleh instansi pemerintah selain BPS, sedangkan statistik khusus
diselenggarakan oleh masyarakat baik perorangan maupun lembaga/perusahaan. Dengan
demikian, penyelenggaraan urusan statistik pada pemerintah daerah merupakan
penyelenggaraan urusan statistik sektoral.
Berdasarkan Peraturan Presiden no. 39 Tahun 2019 tentang Satu Data Indonesia, BPS
tidak hanya menjadi penyelenggara statistik dasar, tetapi juga sebagai pembina statistik.
Oleh sebab itu, BPS perlu menyiapkan sumber daya yang memadai untuk mendukung
penyelenggaraan statistik sektoral. Salah satu yang dilakukan adalah melakukan
peningkatan kemampuan sumber daya manusia pada penyelenggaraan statistik sektoral.
Dalam kaitannya dengan penyelenggaraan kegiatan statistik sektoral oleh perangkat
daerah, diperlukan pengetahuan bisnis proses penyelenggaraan statistik. Dalam hal ini,
perlu disusun bahan-bahan ajar yang mudah dipahami dan dilaksanakan oleh penyelenggara
urusan statistik di provinsi dan kabupaten/kota.
Modul Analisis ini sebagai salah satu bagian dari modul-modul lainnya mengenai
proses bisnis penyelenggaraan kegiatan statistik yang dirancang untuk peningkatan
kemampuan penyelenggara statistik sektoral, khususnya dalam Analisis data dalam
penyelenggaraan statistik. Modul ini mengantarkan para peserta untuk memahami cara-
cara dalam tahapan analsis penyelenggaraan statistik. Di samping itu, modul ini digunakan

Modul Analyse / Analisis 1

 Diklat Statistik Sektoral

sebagai pedoman bagi fasilitator dalam mendesain praktikum atau penerapan dalam
perencanaan kegiatan statistik.

B. Deskripsi Singkat
Modul diklat ini membahas tentang proses melakukan penghitungan ukuran statistik
dan mengartikannya serta membuat analisis sederhana.

C. Hasil Belajar (Tujuan Pembelajaran)

Setelah membaca modul ini peserta pelatihan dapat memahami dan mampu
melakukan penghitungan ukuran statistik dan mengartikannya serta mempu membuat
analisis sederhana.

D. Indikator Hasil Belajar

Setelah mempelajari modul ini secara tuntas, peserta diharapkan dapat:
1. Menjelaskan pengertian dan kegunaan distribusi frekuensi, ukuran pemusatan, dan
penyebaran data.
2. Mampu menghitung mean, median dan modus untuk data tunggal dan kelompok.
3. Mampu menghitung range, standar deviasi dan koefisien variasi untuk data tunggal
dan kelompok.
4. Mengenal indikator-indikator strategis.
5. Mampu mengenal tabel dan grafik dan menginterpretasikannya

E. Materi Pokok
1. Analisis hasil kegiatan statistik
2. Analisis Deskriptif
a. Distribusi Frekuensi
b. Ukuran Pemusatan
c. Ukuran Penyebaran
3. Angka Indeks
a. Penjelasan Umum
b. Indeks Tidak Tertimbang

Modul Analyse / Analisis 2

 Diklat Statistik Sektoral

c. Indeks Tertimbang
d. Indeks Nilai (Value Index)
e. Indeks Komposit (IK)
4. Penyajian Data
a. Penyajian Tabel
b. Penyajian Grafik
c. Penyajian Infografis

F. Manfaat
Berbekal hasil belajar pada Modul Analisis ini, peserta diharapkan mampu
menerapkan dan mereplikasi tata cara analisis data pada unit kerja masing-masing. Pada
akhirnya, diharapkan juga dapat meningkatkan kinerja instansinya.

Modul Analyse / Analisis 3

 Diklat Statistik Sektoral

BAB II
ANALISIS HASIL KEGIATAN STATISTIK

Menurut kamus besar bahasa indonesia, analisis memiliki beberapa arti, di

antaranya pertama, penyelidikan terhadap suatu peristiwa (karangan, perbuatan, dan
sebagainya) untuk mengetahui keadaan yang sebenarnya (sebab-musabab, duduk
perkaranya, dan sebagainya); kedua, penguraian suatu pokok atas berbagai bagiannya dan
penelaahan bagian itu sendiri serta hubungan antarbagian untuk memperoleh pengertian
yang tepat dan pemahaman arti keseluruhan; ketiga, penyelidikan kimia dengan
menguraikan sesuatu untuk mengetahui zat bagiannya dan sebagainya; keempat,
penjabaran sesudah dikaji sebaik-baiknya; kelima, pemecahan persoalan yang dimulai
dengan dugaan akan kebenarannya.
Analisis dalam statistik dibagi menjadi dua bagian yaitu statistik deskriptif dan
statistik inferensia. Statistik deskriptif digunakan untuk menggambarkan fenomena suatu
variabel atau objek tertentu yang sedang diamati. Sedangkan Statistik inferensia mencakup
analisis suatu variabel yang digunakan untuk prediksi atau peramalan dan membuat
hipotesis, serta melakukan pengujian hipotesis sehingga dapat ditarik kesimpulan untuk
menduga data populasi. Dalam modul ini, difokuskan pada penggunaan statistik deskriptif
untuk menggambarkan data yang ada sehingga mudah dipahami dan dimanfaatkan.
Menurut Generic Statistical Business Process Model (GSBPM), analisis adalah
tahapan kegiatan menyiapkan draf output hasil penyelenggaraan kegiatan statistik yang
sudah divalidasi, kemudian menginterpretasikan serta menjelaskannya agar dapat
dimengerti dan bermanfaat. GSBPM merupakan tahapan umum penyelenggaraan kegiatan
statistik yang terdiri atas; (1) identifikasi kebutuhan; (2) perancangan; (3) implementasi; (4)
pengumpulan data; (5) pengolahan; (6) analisis; (7) diseminasi; dan (8) evaluasi. Secara
umum, tahapan analisis mencakup kegiatan sebagai berikut:
1. Menyiapkan Naskah Output
2. Validasi Output
3. Interpretasi Output
4. Kebijakan Penyajian Data

Modul Analyse / Analisis 4

 Diklat Statistik Sektoral

A. Penyiapan Naskah Output

Kegiatan ini merupakan aktivitas awal dari tahapan analisis. Penyiapan naskah
output dilakukan dengan mentransformasi data mentah (raw data) yang telah dihasilkan
pada tahapan pengolahan sesuai dengan output yang dirancang. Transformasi yang
dimaksud adalah penyusunan tabel-tabel indikator dan indeks lainnya sesuai rancangan
tabulasi yang telah dibuat pada tahapan perancangan. Proses transformasi atau penyusunan
tabel dan grafik tersebut dilakukan dengan menggunakan aplikasi yang telah dibangun pada
tahapan implementasi. Hasil dari kegiatan ini adalah tabel dan grafik indikator dan indeks
lainnya.

B. Validasi Output
Kegiatan ini mencakup pemeriksaan kualitas data hasil tabulasi indikator. Dalam
melakukan validasi terhadap kualitas output, diperlukan informasi-informasi yang relevan
dengan statistik terkait dan diskusi dengan para ahli. Validasi output tersebut dilakukan
sesuai dengan kerangka penjaminan kualitas output dan hasil yang diharapkan.
Menurut The United Nation Statistical Division (UNSD), Kerangka penjaminan
kualitas atau Quality Assurance Framework (QAF) adalah suatu struktur sistematis yang
digunakan sebagai implementasi kegiatan penjaminan kualitas dalam suatu organisasi. QAF
tidak hanya berfungsi sebagai laporan perkembangan kualitas suatu produk atau proses
statistik, tapi juga dapat berfungsi sebagai suatu sistem dan prosedur pengukuran yang
ditempatkan pada setiap tahap kegiatan statistik (dikenal sebagai quality gates).
Pembangunan QAF merujuk pada standar internasional yang disediakan UNSD, yaitu
National Quality Assurance Framework (NQAF). Dalam NQAF, output statistik yang
dihasilkan dari suatu kegiatan statistik harus memenuhi kriteria dimensi kualitas sebagai
berikut:
1. Relevansi, yaitu output yang dihasilkan sesuai dengan kebutuhan dan dapat menjawab
tujuan penelitian;
2. Reliabilitas, yaitu output yang dihasilkan dapat dipertanggungjawabkan kualitas dan
kebenarannya;

Modul Analyse / Analisis 5

 Diklat Statistik Sektoral

3. Aktualitas (timeliness), yaitu output yang dihasilkan tepat waktu atau memiliki timelag
(jeda waktu) yang pendek antara kegiatan pengumpulan dengan diseminasi data;
4. Aksesibilitas, yaitu output yang dihasilkan dapat diakses dengan mudah;
5. Koherensi, yaitu output yang dihasilkan dapat dibandingkan dengan indikator lain
yang berkaitan;
6. Komparabilitas, yaitu output yang dihasilkan dapat dibandingkan dengan indikator
yang memiliki konsep, definisi, dan metodologi yang sama; dan
7. Ketersediaan metadata, yaitu output yang dihasilkan memiliki metadata yang
menjelaskan konsep, definisi, metodologi, dan manfaat output tersebut.

C. Interpretasi Output
Pada tahap kegiatan interpretasi output, dipelajari lebih mendalam tentang output
yang diperoleh. Pemahaman yang lebih mendalam diperlukan untuk menafsirkan dan
menjelaskan output dengan menggunakan analisis statistik yang telah direncanakan pada
tahap perancangan. Pemahaman dimaksud mencakup dasar-dasar ilmu analisis statistik,
serta terkait konsep indikator dan bidang keilmuan yang terkait dengan subjek statistik.
Misalnya ketika menginterpretasikan indikator partisipasi sekolah secara deskriptif,
diperlukan penguasaaan teknik statistik deskriptif, pemahaman konsep indikator partisipasi
sekolah, serta wawasan terhadap masalah pendidikan secara umum. Selain itu, kegiatan ini
juga memastikan bahwa interpretasi output telah menjawab tujuan penelitian.

D. Kebijakan Penyajian Data

Kebijakan penyajian data atau disclosure control merupakan kebijakan pembatasan
pengungkapan hasil kegiatan statistik. Disclosure control adalah teknik yang digunakan
dalam penelitian berbasis data untuk memastikan tidak ada orang atau organisasi yang
dapat diidentifikasi dari hasil analisis survei, data administratif, atau data mikro. Tujuan dari
disclosure control adalah untuk melindungi kerahasiaan responden atau subjek penelitian.
Oleh karena itu, penyelenggara kegiatan statistik harus memastikan bahwa data
dan metadata yang akan dipublikasikan tidak melanggar kerahasiaan. Penerapan disclosure
control bervariasi untuk setiap output. Sebagai contoh, disclosure control untuk data mikro

Modul Analyse / Analisis 6

 Diklat Statistik Sektoral

yang akan dipublikasikan akan berbeda dengan disclosure control untuk tabel-tabel
indikator yang akan dipublikasi. Data mikro biasanya menetapkan variabel identitas
responden sebagai variabel yang dirahasiakan, sedangkan tabel-tabel indikator disajikan
pada level estimasi yang dapat menyembunyikan dugaan atas subjek penelitian.

Modul Analyse / Analisis 7

 Diklat Statistik Sektoral

BAB III
ANALISIS DESKRIPTIF

A. DISTRIBUSI FREKUENSI

1. Tunggal

Distribusi frekuensi tunggal adalah distribusi yang tidak menggunakan interval

(golongan/kelompok) di dalam penyusunan tabel distribusi frekuensinya.

Tabel distribusi frekuensi tunggal dibuat dengan cara menggabungkan data yang
sama kedalam satu kelas kemudian dihitung frekuensinya. Berikut contoh tabel distribusi
frekuensi tunggal:

Distribusi frekuensi pengeluaran bulanan (ratusan ribu) yang telah tersusun tetapi
yang tidak dikelompokkan:

2. Interval

Distribusi frekuensi interval adalah distribusi yang menggunakan interval

(golongan/kelompok) di dalam penyusunan tabel distribusi frekuensinya.

Dalam susunan tabel distribusi frekuensi berupa interval perlu diperhatikan

tentang:

a. Range (R)
Range adalah selisih antara nilai data yang terbesar dengan nilai data yang terkecil.
b. Bayaknya kelas (k).
Salah satu cara menentukan banyaknya kelas adalah dengan aturan dari Sturges,
aturan ini menyatakan banyaknya kelas;
K = 1 + 3,32 log n, dengan n = banyaknya data.

Modul Analyse / Analisis 8

 Diklat Statistik Sektoral

c. Lebar (interval) tiap-tiap kelas (C).

C = Range / k
d. Limit bawah kelas dan limit atas kelas.
Jika data merupakan angka satuan maka;
Limit bawah kelas = tepi (ujung) bawah kelas – 0,5
Limit atas kelas = tepi (ujung) atas kelas + 0,5
Dan limit atas kelas – limit bawah kelas = C.
e. Interval disusun mulai data yang terkecil atau terbesar dan susun ke bawah.
f. Titik tengah (Xi) = ½ (nilai data tepi bawah kelas + nilai data tepi atas kelas).
g. Hitung frekuensi tiap-tiap kelas dengan jalan memeriksa setiap data masuk ke dalam
kelas yang sesuai.

Hasil pengambilan sampel dengan menggunakan tabel bilangan random sebanyak

100 data sebagai berikut:

29 64 118 74 86 53 38 70 64 71
39 78 72 33 64 41 36 78 58 48
42 96 48 43 39 63 71 43 69 60
72 120 102 26 86 39 20 64 61 39
83 78 96 38 63 71 43 53 86 78
83 103 64 64 78 96 54 48 50 56
139 48 73 63 63 123 62 36 50 112
27 73 42 71 54 28 96 81 63 108
48 100 62 48 62 71 72 63 71 67
28 28 43 39 38 36 83 62 60 83

Tabel distribusi frekuensi berupa interval.

Range = 139 – 20 = 119
k = 1 + 3, 32 log 100 = 7,64 = (k = 7 atau k = 8)
jika diambil k = 8, maka C = 119/8 = 14,875 = 15
Tepi bawah kelas ke 1 = 20 (diurutkan dari data terkecil).
Limit bawah kelas 1 = 20 – 0,5 = 19,5
Limit atas kelas 1 = 15 + 19,5 = 34,5
Sehingga tepi atas kelas ke 1 = 34,5 – 0,5 = 34
Titik tengah kelas ke 1 = ½ * (20 + 34) = 27.

Modul Analyse / Analisis 9

 Diklat Statistik Sektoral

Untuk kelas ke 2, 3, ...8 cara sama dengan diatas.

Tabel distribusi frekuensi berupa interval:

Interval kelas Tabulasi Frek

20 – 34 //// /// 8
35 – 49 //// //// //// //// //// 24
50 – 64 //// //// //// //// //// // 27
65 – 79 //// //// //// //// 20
80 – 94 //// /// 8
95 – 109 //// /// 8
110 – 124 //// 4
125 - 139 / 1

B. UKURAN PEMUSATAN

Dalam prakteknya di abad sekarang ini pengetahuan dan penguasaan dasar-dasar

statistik merupakan sarana yang mutlak diperlukan untuk memahami apa arti dari
“ukuran statistik”. Berdasarkan pengalaman dan kenyataan telah terbukti bahwa kemajuan
dari setiap ilmu pengetahuan itu sangat bergantung pada benyaknya data kuantitatif yang
tepat dan benar serta dapat diperbandingkan (up to date).

Data kuantitatif secara konkrit bisa mengurangi kesalahan/kesesatan sampai

menjadi seminimal mungkin, juga orang dapat melakukan verifikasi dan bisa menggantikan
penulisan-penulisan deskriptif yang panjang lebar dengan presisi perhitungan matematis
secara singkat.

Pada bagian ini (materi ini) hanya akan dikemukakan materi pelajaran tentang
ukuran statistik, yakni Ukuran Pemusatan (tendensi pusat), yang mana didalamnya terdapat
beberapa metode yang sering dipakai dalam suatu analisa statistik yang sederhana dan
simpel.

Ukuran tendensi pusat (lokasi) yang baik adalah yang dapat memenuhi fungsinya
sebagai ukuran yang menunjukan tendensi pusat dari suatu distribusi data dan dapat
mewakili seluruh nilai pengamatannya.

Salah satu tugas statistik adalah mencari suatu nilai di sekitar mana nilai-nilai
dalam suatu distribusi memusat. Nilai atau titik yang menjadi pusat sesuatu distribusi
disebut “tendensi pusat” (central tendency). Banyak perhitungan-perhitungan data statistik
(secara umum) pada saat sekarang ini menggunakan alat bantu komputer. Sehubungan

Modul Analyse / Analisis 10

 Diklat Statistik Sektoral

dengan ini, maka keterampilan penggunaan komputer (computation skill) sangat

diperlukan.

Namun hendaknya perlu diingat bahwa masih ada alat pendukung lainnya:
interprestasi manusia sendiri; insight atau wawasan berpikir; penilaian yang kritis dan
interprestasi yang rasional, juga merupakan alat yang penting daripada keterampilan
penguasaan komputer dalam menilai situasi.

1. Rata-rata hitung (Arithmetic Mean)

Arithmetic Mean (rata-rata hitung) dikenal dalam kehidupan sehari-hari dengan

kata yang singkat yakni “rata-rata”. Rata-rata (average) oleh Crom dan Smith dalam
bukunya yang berjudul “Business Statistics” disebutkan sebagai ukuran kecenderungan
pusat. karena nilai-nilai individu di sekitanya cenderung untuk mengelompok dekat dengan
nilai rata-ratanya.

Rata-rata hitung dari sekumpulan nilai pengamatan/observasi adalah sama dengan

jumlah seluruh nilai pengamatan tersebut dibagi dengan jumlah pengamatannya
(observasinya).

Dalam kehidupan sehari-hari disadari atau tidak sering didengar perkataan rata-
rata, misalnya: rata-rata pendapatan perkapita; rata-rata gaji perbulan pegawai negeri;
rata-rata tingkat kecelakaan perbulan di DKI Jakarta; dan lain-lain.

Kita membedakan tiga macam rata-rata hitung dimana cara perhitungannya yang
berbeda yakni:

1. Rata-rata hitung untuk data tidak berkelompok;

2. Rata-rata hitung untuk data berkelompok;
3. Rata-rata hitung tertimbang (Weighted Arithmetic Mean).

1.1. Rata-rata Hitung Data Tidak Berkelompok

Rata-rata hitung adalah ukuran lokasi yang diperoleh dengan cara menjumlahkan
semua nilai, kemudian membaginya dengan banyaknya nilai yang bersangkutan.

Rata-rata hitung adalah ukuran lokasi yang dapat menunjukkan nilai rata-rata dari
setiap individu.

Dirumuskan sebagai:

Modul Analyse / Analisis 11

 Diklat Statistik Sektoral

𝑛
1
̅= ∑ 𝑖
𝑛
𝑖=1
................................................................................................................ (i)
di mana ̅ dibaca eks bar atau nilai rata-rata,
𝑛
1
̅= ∑ 𝑖
𝑛
𝑖=1 dibaca sigma eks-i, i bergerak mulai dari 1 sampai n (n = banyaknya individu),
dan
adalah nilai karakteristik individu ke 1, 2, sampai dengan n.
Nilai karakteristik ini bisa tinggi badan, berat badan, umur peserta Kursus Statistik, gaji
karyawan perbulan, banyaknya karyawan pada perusahaan,dan lain-lain.

Catatan:

1. Rumus (i) diatas disebut Rumus Pokok Rata-rata hitung atau Rumus Dasar. Semua
rumus rata-rata hitung lahir dan beranjak dari Rumus (i).
2. Nilai rata-rata hitung merupakan nilai rata-rata setiap individu.
3. Nilai rata-rata hitung dapat “mewakili” dengan baik dan memuaskan, jika datanya
relatif homogen (merata).
4. Rata-rata hitung kurang baik dipakai, jika terdapat data yang ekstrim (terlalu kecil
atau terlalu besar). Dalam praktek agar tidak mengganggu data yang ekstrim biasanya
di buang (tidak ikut diolah).
5. Ada cara lain, bagaimana agar data yang ekstrim tidak mengganggu, tanpa
membuang data yang ekstrim tersebut.
Contoh:

Nilai ujian matematika dari sepuluh murid suatu Sekolah Dasar adalah: 90, 65, 55, 40, 70,
45, 80, 30, 75, dan 50.
Jawab:

̅ ∑

1.2. Rata-rata Hitung Data Berkelompok

Arti data berkelompok adalah bahwa nilai-nilainya tidak lagi merupakan nilai-nilai
individu seperti dalam contoh tersebut di muka (nilai ujian matematika), melainkan sudah
dikelompokkan dalam klas-klas tertentu dalam suatu distribusi frekuensi.

Modul Analyse / Analisis 12

 Diklat Statistik Sektoral

Contoh:

Dari perhitungan arithmetic mean di bawah, mempunyai anggapan bahwa nilai

tengah dari setiap klas adalah nilai rata-rata dari semua individu yang termasuk dalam klas
tersebut.

Tabel-1. Menghitung Arithmetic Mean Upah per Minggu dari 260 Buruh suatu Pabrik.

Kelas Interval Jumlah Buruh Nilai Tengah

f.x
(Ribuan Rupiah) (f) (x)
2,0 - 3,9 12 2,95 35,40
4,0 - 5,9 19 4,95 94,05
6,0 - 7,9 39 6,95 271,05
8,0 - 9,9 70 8,95 626,50
10,0 - 11,9 52 10,95 569,40
12,0 - 13,9 24 12,95 310,80
14,0 - 15,9 21 14,95 313,95
16,0 - 17,9 15 16,95 254,25
18,0 - 19,9 8 18,95 151,60
Jumlah 260 - 2.627,00

Sebagai contoh, dalam tabel di atas sejumlah 12 orang buruh pada klas pertama
upah per minggunya berkisar 2,0 - 3,9 (ribu rupiah), tetapi untuk tiap-tiap buruh kita tidak
tahu besar upah per minggunya, oleh karena itu dianggap bahwa 12 buruh yang mempunyai
upah per minggu 2,0 - 3,9 mempunyai upah rata-rata 2,95 (ribu rupiah). Perkalian 12 dengan
2,95 (=35,40) adalah merupakan taksiran jumlah upah per minggu dari 12 buruh tersebut,
sedangkan jumlah keseluruhan dari kolom f x m (2.627,00) adalah taksiran jumlah
keseluruhan upah per minggu dari 260 buruh di pabrik tersebut.

̅ ∑ ⁄∑

Jadi rata-rata upah per minggunya adalah 10,10 (ribu rupiah).

2. Median

Median ini disebut juga rata-rata letak (positional measure) karena perhitungan
median didasarkan pada letak dari nilainya. Median didapatkan dengan menyusun nilai-nilai
variabel dalam bentuk array (urutan) dan kemudian mendapatkan nilai tengahnya.

Median adalah ukuran rata-rata juga atau ukuran tendensi sentral. Banyak ahli
statistik yang menamakan median ini sebagai ukuran dari item tengah (size if the middle
item), sesudah item-itemnya disusun menurut perurutan besar jumlahnya. Ini berarti bahwa

Modul Analyse / Analisis 13

 Diklat Statistik Sektoral

di atas item tengah terdapat jumlah item “yang di atas atau yang lebih besar” yang sama
besarnya dengan item-item “yang di bawah atau yang lebih kecil” daripada item tengahnya.

Median yang akan diuraikan ini harus diartikan sebagai: “nilai dari item tengah
atau kasus tengah”.

2.1. Median Data Tidak Berkelompok

Setelah semua nilai kita susun dari yang kecil ke yang besar, maka posisi median dapat kita
tentukan sebagai berikut:

1. Untuk jumlah pengamatan (n) ganjil:

Kalau n ganjil, maka median sama dengan nilai X yang ke- setelah semua nilai

disusun dalam bentuk array.

Contoh:
Pensentase murid-murid yang lulus dari lima buah Sekolah Lanjutan Tingkat Atas
adalah: 50, 74, 76, 89, dan 93. Hitunglah mediannya.
[ ] [ ]
Disini n = 5 (ganjil), jadi Md sama dengan X ke-(5+1)/2 = X3. Dari daftar X3 adalah 76.
Jadi median persentase murid-murid yang lulus dari lima buah Sekolah Lanjutan
Tingkat Atas adalah 76 persen.

2. Untuk jumlah pengamatan (n) genap:

Jika diurutkan dalam notasi, dapat dinyatakan sebagai berikut:

Maka median sama dengan nilai X yang ke n/2 atau nilai X yang ke (n+2)/2.
Contoh:
Jumlah anggota keluarga dari 8 keluarga adalah: 7, 2, 4, 5, 4, 8, 6, dan 6. Tentukan
nilai mediannya.
Semua nilai di atas setelah diurutkan:
[ ] [ ]
Karena n = 8 (genap), Maka Median sama dengan: Xn + X(n+2)/2

( )

Modul Analyse / Analisis 14

 Diklat Statistik Sektoral

Berarti nilai median jumlah anggota keluarga adalah 5,5 .

2.1. Median Data Berkelompok

Apabila tiap-tiap nilai individunya tidak diberikan, tetapi hanya diberikan kelompok-
kelompok nilai dalam klas-klas seperti dalam distribusi frekuensi, maka cara mencari nilai
median tidak begitu sederhana lagi seperti mencari nilai median untuk data tidak
berkelompok.

Perhitungan median untuk data berkelompok, berbentuk distribusi frekuensi di

mana diperoleh dengan jalan interpolasi (penyisipan) di dalam salah satu klas-klas dari
distribusi itu.

Contoh:

Tabel-5. Menghitung Median Upah per Minggu dari 260 Buruh suatu Pabrik.

Kelas Interval Jumlah Buruh

Frekuensi Komulatif
(Ribuan Rupiah) (f)
2,0 - 3,9 12 12
4,0 - 5,9 19 31
6,0 - 7,9 39 70
8,0 - 9,9 70 140
10,0 - 11,9 52 192
12,0 - 13,9 24 216
14,0 - 15,9 21 237
16,0 - 17,9 15 252
18,0 - 19,9 8 260
Jumlah 260 -

Adapun formula/rumus median untuk data berkelompok adalah:

𝑛⁄
𝑖 ( )

keterangan:
Md = nilai median yang hendak kita hitung
LMd = batas bawah nyata klas yang mengandung median
N = jumlah frekuensi dalam distribusi
FLMd = frekuensi kumulatif sebelum batas bawah klas yang mengandung median
fMd = frekuensi dari klas yang mengandung median
i = luas klas (interval class)
Berdasarkan data di atas, maka nilai median adalah:

Modul Analyse / Analisis 15

 Diklat Statistik Sektoral

⁄
( )

Jadi separoh dari jumlah buruh yang bekerja pada pabrik tersebut mendapat upah kurang
atau sama dengan 9,66 ribu rupiah atau Rp 9.660,- per minggunya.

3. MODUS (MODE)

Perkataan modus berasal dari kata “Mode”. Dalam pengertian sehari-hari

diartikan sebagai nilai variabel yang tercatat berjumlah paling banyak. Kata ini kiranya
sudah tidak asing lagi pada masa sekarang ini. Dalam dunia kewanitaan misalnya kita
mengenal mode pakaian, mode potongan rambut, artinya adalah pakaian atau potongan
rambut yang sedang banyak penggemarnya, sesuatu yang sedang disukai (in fashion).

Juga dalam ilmu statistik kata "modus atau mode” menunjukkan pengertian yang
kurang lebih sama dengan pengertian dalam kehidupan sehari-hari, yakni menunjukkan
sesuatu karakteristik yang banyak frekuensinya dan karena karakteristik itu dinyatakan
dalan bilangan (nilai), maka kira-kira modus/mode dapat diberi batasan sebagai berikut:

“Mode dari suatu kumpulan nilai adalah suatu nilai dari kumpulan nilai tersebut
yang paling sering terjadi”.

3.1. Modus Data Tidak Berkelompok

Untuk data diskrit, modus/mode adalah nilai variabel yang paling sering terjadi.

Contoh:

Carilah modus dari besarnya anggota keluarga sebagai berikut: 7, 4, 4, 6, 5, 6, 6, 9, 5 dan 6.

Kita nyatakan dalam bentuk yang lebih sederhana:

Besarnya anggota keluarga Frekuensi
4 2
5 2
6 4
7 1
9 1
Total 10

Dari tabel tersebut diketahui bahwa yang paling banyak frekuensinya adalah nilai 6. Jadi
nilai modus = 6.

Modul Analyse / Analisis 16

 Diklat Statistik Sektoral

3.2. Modus Data Berkelompok

Pengertian modus/mode yang sederhana dalam data berkelompok adalah nilai tengah dari
klas yang paling banyak frekuensinya. Formula pada modus ini mengasumsikan bahwa
tempat yang tepat didalam modal klas, di tentukan oleh frekuensi-frekuensi dari dua klas
yang berbatasan. Jika masing-masing dari ferkuensi dari klas-klas yang berbatasan itu
sama/identik, maka modusnya adalah titik tengah dari interval modal klas. Jika frekuensi
dari klas-klas yang berbatasan itu berbeda, maka modusnya cenderung berada pada arah
frekuensi yang lebih besar, menjauhi titik tengah dari modal klas.

Untuk memudahkan perhitungan kita menggunakan formulasi sebagai berikut:

𝑖( )

di mana:
d1 = fMo - f1
d2 = fMo - f2
f1 = frekuensi dari klas yang terletak di atas klas yang mengandung modus.
f2 = frekuensi dari klas yang terletak di bawah klas yang mengandung modus.
fMo = frekuensi dari klas yang mengandung modus.
LMo = batas bawah nyata (sebenarnya) klas yang mengandung modus.
I = luas klas (interval).
Contoh :

Tabel-5. Menghitung Modus Upah per Minggu dari 260 Buruh suatu Pabrik.

Kelas Interval Jumlah Buruh Nilai Tengah

f.x
(Ribuan Rupiah) (f) (x)
2,0 - 3,9 12 2,95 35,40
4,0 - 5,9 19 4,95 94,05
6,0 - 7,9 39 6,95 271,05
8,0 - 9,9 70 8,95 626,50
10,0 - 11,9 52 10,95 569,40
12,0 - 13,9 24 12,95 310,80
14,0 - 15,9 21 14,95 313,95
16,0 - 17,9 15 16,95 254,25
18,0 - 19,9 8 18,95 151,60
Jumlah 260 - 2.627,00

d1 = fMo - f1 = 70 - 39 = 31
d2 = fMo - f2 = 70 - 52 = 18

( )

Modul Analyse / Analisis 17

 Diklat Statistik Sektoral

Jadi modusnya adalah 9,22. ini berarti bahwa kebanyakan dari 260 para buruh pabrik
tersebut menerima upah sebesar 9,22 ribu rupiah atau Rp 9.220,- per minggunya.

C. UKURAN PENYEBARAN

Konsep lain yang sangat penting dalam statistik adalah ukuran dispersi/
penyebaran (variabilitas). Mean, Median dan Modus hanya menunjukkan ciri-ciri
karakteristik dari distribusi frekuensi, yaitu tendensi sentral.

Ukuran Dispersi (penyebaran) adalah suatu ukuran yang menyatakan atau

memberikan gambaran tentang penyebaran sekelompok data. Ukuran ini dapat membantu
kita dalam mempelajari sifat yang penting dari suatu distribusi, yaitu sampai seberapa jauh
data tersebut bervariasi satu dengan yang lain dan dari rata-ratanya. Untuk memperoleh
gambaran tentang keadaan suatu kelompok data (data juga analisa lebih jauh), maka
tidaklah cukup hanya dengan mempelajari/mengetahui ukuran lokasinya saja, tetapi juga
diperlukan juga ukuran dispersi.

Umpamanya saja kita ambil nilai rata-rata atau median dari gaji pegawai pada suatu
perusahaan tekstil adalah Rp 10.000,- maka hal ini belum memberikan gambaran yang jelas
dari gaji para pegawai tadi. Maka pentinglah untuk mengetahui keragaman (variasi) nilai
yang berada di bawah dan di atas rata-rata atau median. Beberapa orang mungkin hanya
menerima gaji Rp 3.000,- sedangkan beberapa orang lainnya akan menerima Rp 60.000,-
atau lebih. Pada beberapa distribusi, kasus-kasusnya mungkin menggerombol di sekitar nilai
rata-rata, sedangkan pada distribusi lainnya kasus-kasusnya menyebar secara luas/lebar.
Oleh karena itu, perlulah ditentukan penyebaran dari nilai-nilai individual yang menyebar di
atas dan di bawah tendensi sentralnya.

1. Rentang

Range dari satu seri ukuran-ukuran yang tidak teratur ialah "beda antara besarnya
item terkecil dengan item yang terbesar", atau dengan kata lain "selisih antara nilai
terbesar dengan nilai terkecil dari kelompok data".

Misalkan saja range dari seri data: 10, 11, 12, 13, 15, 16, 18, dan 19 adalah =

19 - 10 = 9.

Range ini pada umunya dipergunakan, jika dikehendaki penyebaran dari item-
itemnya dari satu seri ukuran-ukuran, ataupun jika datanya berjumlah sedikit untuk bisa
dijadikan bahan perhitungan bagi pengukuran dispersi (penyebaran).

1.1. Rentang Data Tidak Berkelompok

Modul Analyse / Analisis 18

 Diklat Statistik Sektoral

Untuk data yang tidak berkelompok, formula yang digunakan adalah sebagai
berikut:

dimana: H adalah nilai terbesar dan L merupakan nilai terkecil.

Contoh:

Rentang nilai pelajaran statistika peserta kursus kelas A adalah 84 - 75 = 9

Rentang nilai pelajaran statistika peserta kursus kelas B adalah 88 - 64 = 24
Kecilnya nilai Rentang dari kelas A menunjukkan bahwa nilai pelajaran Statistika yang
didapat oleh kelas A lebih merata (homogen) dari pada kelas B.

1.2. Rentang Data Berkelompok

Sedangkan untuk data yang berkelompok, maka perhitungan Range adalah sebagai
berikut:

Dimana H adalah batas atas sebenarnya klas terakhir (kelas terakhir haru tertutup),
dan L merupakan batas bawah sebenarnya klas pertama (kelas pertama harus tertutup).
Contoh:

Daftar dibawah ini adalah hasil test untuk penerimaan calon pegawai baru pada
suatu instansi yang ikuti sebanyak 395 orang peserta.

Tabel-6. Hasil test untuk penerimaan calon pegawai baru pada suatu instansi

Hasil Test 50-54 55-59 60-64 65-69 70-74 75-79 80-84 85-89 Jumlah
Frekuensi 30 70 80 120 70 10 8 7 395

Besarnya range (rentang) hasil test penerimaan calon pegawai baru yang diikuti
sebanyak 395 orang adalah 39, atau beda/selisih hasil test antara nilai yang tertinggi dengan
yang terendah adalah 39.
Diperoleh dari:

Di mana H diperoleh dari 89 + 0,5 = 89,5 dan L diperoleh dari 50 + 0,5 = 50,5.

Modul Analyse / Analisis 19

 Diklat Statistik Sektoral

2. Standar Deviasi (Simpangan Baku)

Standard deviasi ini menunjukkan Mean dari item-item penyimpangan (represents

a mean of deviation items). Standard deviasi/deviasi standard disebut pula sebagai
simpangan baku. Standard-deviasi ini menyajikan ukuran penyebaran (keragaman) yang
jauh lebih penting dan lebih halus dari pada Mean-deviasi. Standard-deviasi yang
dikuadratkan disebut “Varians”. Standard-deviasi disimbolkan dengan kependekan SD
adalah merupakan ukuran yang dapat dipakai dalam usaha untuk mengetahui tingkat
penyebaran nilai-nilai (data) terhadap rata-ratanya. Ukuran ini lebih sering dipakai daripada
Rentang karena memperhatikan semua nilai yang ada, tidak seperti Range yang hanya
memperhatikan nilai terbesar dan nilai terkecil saja.

2.1. Standar Deviasi untuk Data Tidak Berkelompok/Tunggal

Untuk mencari Standard-deviasi pada data yang tidak berkelompok, kita misalkan
jika sekumpulan data ; dengan rata-rata hitung adalah ̅ , maka nilai simpangan
baku dapat dihitung dengan menggunakan rumus sebagai berikut:

√ ∑( ̅)
𝑛

di mana:
xi = nilai data pengamatan ke-i
̅ = rata-rata hitung
n = banyaknya individu pengamatan
Contoh :

Tabel-7. Menghitung Simpangan Baku Upah per minggu dari 11 Buruh

Buruh Upah ( ) ( ̅)
A 11,10 10,9561
B 11,50 8,4681
C 12,00 5,8081
D 12,20 4,8841
E 12,45 3,8416
F 13,50 0,8281
G 14,00 1,1681
H 16,00 2,5281
I 17,25 8,0685
J 18,50 16,7281
K 20,00 31,2481
Jumlah 158,50 93,5241
Nilai standar deviasi yang diperoleh adalah:

Modul Analyse / Analisis 20

 Diklat Statistik Sektoral

2.2. Standar Deviasi untuk Data Berkelompok/Tunggal

Untuk menghitung simpangan baku dari data berkelompok tidak begitu sulit untuk
dilakukan, sebagaimana menghitung nilai mean atau rata-rata.

Adapun rumus yang digunakan adalah:

√ (∑ ( ) (∑ ) )
𝑛 𝑛

Keterangan:
n = total frekuensi
fi = frekuensi
xi = nilai tengah kelas
Tabel-8. Menghitung Standard-Deviasi (SD) Data berat Calon Binaragawan Indonesia.

Interval 90- 100- 110- 120- 130- 140- 150- 160- 170- 180- 190- 200-
Jumlah
Kelas 99 109 119 129 139 149 159 169 179 189 199 209
Frekuensi 1 1 9 30 42 66 47 39 15 11 1 3 395

Langkah-langkah untuk mencari Standard-deviasi pada data berkelompok adalah

sebagai berikut:

 Buatlah tabel dan kolom-kolom. Kolom pertama melukiskan Interval-klas, dan kolom
kedua menyajikan frekuensi. Jumlah frekuensi seluruhnya adalah 265.
 Interval 140-149 adalah interval nihil/nol, yaitu interval kemungkinan besar terdapat
Mean di dalamnya. Lalu ditentukan deviasi-deviasi pada interval-interval di atas dan
di bawah Mean yang diperkirakan.
 Kemudian kita memperkalikan frekuensi dari setiap klas dengan deviasi yang
bersangkutan (fd), lalu dicari fd = 99. Kemudian dicari nilai (fd)(d) atau fd; dan dicari fd
yaitu fd = 931.
 Angka-angka yang diperoleh disubstitusikan kedalam rumus SD. Maka akan
diperoleh hasil standard-deviasi atau SD sebesar 18,367.

Modul Analyse / Analisis 21

 Diklat Statistik Sektoral

3. Koefisien Variasi

Untuk membandingkan tingkat homogenitas dari dua jenis data dengan satuan
yang berbeda, ataupun satu data dengan rata-rata yang berbeda, maka pemakaian Standard
Deviasi kurang baik, dan dalam keadaan demikian maka dipakai ukuran lain yaitu “Koefisien
Variasi”, dan ukuran ini tidak mempunyai satuan, tidak seperti satuan data aslinya.

Simpangan baku (Standard Deviasi) yang baru saja kita bahas mempunyai satuan
yang sama dengan data aslinya. Hal ini merupakan suatu kelemahan kalau kita ingin
membandingkan dua kelompok data, misalnya modal dari 10 perusahaan besar di wilayah
Jakarta Selatan dengan yang ada di Jakarta Utara; harga 10 mobil (jutaan rupiah) dengan
harga 10 ekor ayam (ribuan rupiah); berat 10 ekor gajah dengan berat 10 ekor semut.
Walaupun nilai simpangan baku (Standard Deviasi) untuk berat gajah atau harga mobil lebih
besar, belum tentu lebih heterogen atau lebih bervariasi daripada berat semut dan harga
ayam.

Untuk keperluan perbandingan dua kelompok nilai dipergunakan Koefisien Variasi

(CV), yang bebas dari satuan data asli.

Rumus koefisien variasi untuk data populasi:

̅
Rumus koefisien variasi untuk data sampel:

̅
Dua kelompok data dengan KV1 dan KV2; kalau KV1 > KV2 maka kelompok pertama lebih
bervariasi atau lebih heterogen daripada kelompok kedua.

Contoh :

Harga 5 mobil bekas masing-masing adalah Rp 4.000.000; Rp 4.500.000; Rp 5.000.000; Rp

4.750.000; Rp 4.250.000; dan harga 5 ayam, masing-masing adalah misalnya Rp 600; Rp
900; Rp 550; Rp 1.000. Mana yang lebih bervariasi (heterogen) harga mobil atau harga
ayam ?
̅ = 1/5 (4.000.000 + ... + 4.250.000) = 4.500.000
SDm = 535.550
̅ = 1/5 (600 + ... + 1.000) = 700
SDa = 353.550

Modul Analyse / Analisis 22

 Diklat Statistik Sektoral

Kesimpulan: Karena KVa > KVm, ini berarti harga ayam lebih bervariasi (heterogen)
dibandingkan dengan harga mobil.

Contoh menggunakan Excel:

Teknologi komputer akan mempermudah dalam mencari nilai ukuran pemusatan

dan penyebaran. Berikut langkah-langkah untuk menghitung ukuran pemusatan dan
penyebaran dengan menggunakan Ms Excel. Setelah komputer dihidupkan, klik start, klik
program, dan pilih Ms Excel. Setelah Ms Excel terbuka, klik pada File, dan pilih New. Maka
akan mendapatkan sheet kosong, masukan data Produksi ke kolom A, seperti pada gambar
berikut.

Setelah selesai meng-entry data, klik Data dan pilih Data Analysis, sehingga keluar kotak
dialog seperti pada gambar di bawah ini.

Modul Analyse / Analisis 23

 Diklat Statistik Sektoral

Kemudian pilih Descriptive Statistics, muncul kotak dialog seperti pada gambar selanjutnya.
Isikan range data ke dalam kolom input yang tersedia. Pada kotak input terdapat kata “Input
Y Range”, masukan range data Produksi, kemudian tekan OK.

Setelah di klik OK, maka hasil statistik deskriptif seperti pada gambar di bawah ini.

Modul Analyse / Analisis 24

 Diklat Statistik Sektoral

BAB IV
PENYAJIAN DATA

A. PENYAJIAN TABEL
Tabel merupakan penyajian data dalam bentuk angka-angka yang disusun secara
sistematik menurut baris dan kolom.

Tujuan penyajian data dalam bentuk tabel adalah :

1) Memudahkan dalam analisis data

2) Informasi yang disajikan lebih lengkap
3) Mudah dimengerti oleh pengguna data
4) Bentuk yang paling umum dan efektif dalam menyajikan informasi statistik

Beberapa hal yang perlu diperhatikan dalam penyusunan tabel, yaitu :

a. Judul tabel, sebaiknya menjelaskan seluruh karakteristik yang ada pada tabel, yaitu
mengindikasikan isi tabel tentang apa, bagaimana diklasifikasikan dan dimana
(tempat) serta kapan (waktu) data yang disajikan tersebut dikumpulkan. Judul tabel
diusahakan seringkas mungkin tapi jelas.
b. Judul Kolom, menentukan susunan rincian dalam kolom pertama (stub). Jika rincian
dalam kolom pertama (stub) terlalu panjang dapat dibuat dua baris tetapi masih
terpisah dengan rincian yang lain.
c. Nomor Kolom, masing-masing kolom dibuat nomor untuk mempermudah
mengidentifikasi setiap rincian kolom.
d. Isi Tabel, memeriksa nilai-nilai dalam setiap sel. Bila diperlukan nilai jumlah, maka
perlu dikoreksi jumlahnya (terhadap baris maupun kolom). Menyediakan sub jumlah
bila diperlukan, dan tiap sel dalam tabel harus ada isian
e. Sumber Data, diperlukan bila sebagian atau seluruh data dalam tabel diambil dari
publikasi lain (ini merupakan etika).
f. Catatan kaki, kadang-kadang diperlukan untuk menjelaskan suatu angka atau suatu
baris/kolom tertentu, atau untuk mengingatkan pembaca akan keterbatasan suatu

Modul Analyse / Analisis 25

 Diklat Statistik Sektoral

angka, misalnya angka sementara atau angka tidak lengkap (data tahunan, tapi hanya
11 bulan).

Contoh:

Gambar 4. 1 Contoh Pembuatan tabel

Judul Tabel
Tabel 1. Jumlah Penduduk DKI Jakarta
Judul Kolom
Menurut Kab/Kota Tahun 2016
Nomor Kolom
Kab/Kota Jumlah Penduduk *)
Isi Tabel
(1) (2)
Sumber Data
Judul Kolom Isi Tabel
Catatan Kaki
Sumber : Jakarta Dalam Angka Tahun 2016

*) Angka Proyeksi

1. Tabel Satu Arah

Tabel satu arah adalah tabel paling sederhana yang dirinci menurut 1 (satu)
karakteristik saja. Isian setiap sel hanya menjelaskan kategori tertentu dari satu
karakteristik, misalnya kelompok umur.

Contoh analisis:

Tabel 4. 1 Angka Partisipasi Sekolah (APS) Indonesia Tahun 2010 menurut Kelompok Umur
Kelompok Umur Angka Partisipasi Sekolah (APS)

(1) (2)
7-12 tahun 98,02
13-15 tahun 86,24
16-18 tahun 56,01
19-24 tahun 13,77
Sumber: [Link]

Tabel di atas memperlihatkan penurunan angka partisipasi sekolah (APS) seiring

peningkatan umur penduduk. Sebanyak 98,02 persen penduduk usia 7-12 tahun yang
bersekolah, sementara penduduk usia 13-15 tahun yang bersekolah sebesar 86,24 persen,

Modul Analyse / Analisis 26

 Diklat Statistik Sektoral

usia 16-18 tahun sebesar 56,01 persen, dan usia 19-24 tahun hanya sebesar 13,77 persen.
Pengelompokkan umur tersebut sejalan dengan jenjang pendidikan yang berlaku di
Indonesia.

2. Tabel Dua Arah

Tabel dua arah adalah tabel yang dirinci menurut dua karakteristik yang berbeda.
Misalnya pada data penduduk yang dirinci menurut kabupaten kota dan jenis kelamin, atau
kelompok umur dan partisipasi sekolah. Isian setiap sel menjelaskan rincian dari dua
karakteristik.

Contoh analisis:

Tabel 4. 2 Komposisi Partisipasi Sekolah dari Penduduk Indonesia

Kelompok Umur Partisipasi Sekolah
Belum Pernah Sedang Tidak Sekolah
Sekolah Bersekolah Lagi
(1) (2) (3) (4)
7-12 tahun 0,58 99,22 0,20
13-15 tahun 0,53 95,36 4,11
16-18 tahun 0,69 71,99 27,32
19-24 tahun 0,69 24,40 74,91
Sumber: Potret Pendidikan Indonesia 2018

Tabel di atas memperlihatkan komposisi penduduk Indonesia menurut partisipasi

sekolahnya pada beberapa kelompok umur yang berbeda. Sejalan dengan sistem pendidikan
nasional yang mengamanatkan wajib mengikuti pendidikan dasar bagi setiap penduduk usia
sekolah, terlihat bahwa lebih dari 95 persen penduduk usia 7-15 tahun yang sedang
bersekolah. Ketika mencapai usia sekolah menengah, yaitu 16-18 tahun, sebanyak 27,32
persen penduduk tidak melanjutkan pendidikannya. Kemudian ketika mencapai usia
pendidikan tinggi, tiga dari empat penduduk usia 19-24 tahun tidak melanjutkan
pendidikannya. Kondisi ini perlu mendapatkan perhatian dari pemerintah maupun kalangan
pemerhati pendidikan lainnya.

3. Tabel Tiga Arah

Tabel tiga arah adalah tabel yang dirinci menurut tiga karakteristik. Isian setiap sel
menjelaskan rincian dari tiga karakteristik, misalnya menurut provinsi, kelompok umur, dan
partisipasi sekolah. Penyajian tabel yang dirinci berdasarkan tiga karakteritik dapat
menampilkan informasi yang lebih kaya daripada tabel satu arah maupun dua arah.
Terutama ketika menampilkan rincian menurut perbandingan antar wilayah atau antar

Modul Analyse / Analisis 27

 Diklat Statistik Sektoral

waktu, tabel tiga arah dapat membantu pengambilan keputusan yang lebih cepat dan
lengkap.

Contoh analisis:

Tabel 4. 3 Persentase Ruang Kelas Menurut Jenjang Pendidikan dan Kondisi, Tahun Ajaran
2016/2017 dan 2017/2018
Kondisi Ruang Kelas Kondisi Ruang Kelas
TA 2016/2017 TA 2017/2018
Pendidikan Rusak Rusak Rusak Rusak
Baik Ringan/ Berat/ Baik Ringan/ Berat/
Sedang Total Sedang Total
(1) (2) (3) (4) (5) (6) (7)
SD 25,74 63,95 10,31 26,41 63,59 10,00
SMP 28,73 62,57 8,71 29,70 61,46 8,84
SMA 45,66 50,00 4,34 44,79 50,84 4,36
SMK 45,66 50,77 3,57 46,67 50,44 2,89
Sumber: Potret Pendidikan Indonesia 2018

Tabel di atas memperlihatkan terlihat bahwa persentase ruang kelas yang rusak
lebih tinggi dialami oleh jenjang pendidikan SD dan SMP dibandingkan dengan jenjang
pendidikan SMA dan SMK, dengan kondisi rusak paling tinggi dialami oleh jenjang SD yaitu
sebesar 10.31 persen pada tahun ajaran 2016 – 2017 dan 10,00 persen pada tahun ajaran
2017 - 2018. Akan tetapi, kondisi ruangan yang baik pada jenjang SMA mengalami
penurunan dari tahun sebelumnya. Oleh karena itu, pemerintah sebaiknya mengelola
anggarannya agar tepat sasaran menanggani peningkatan kualitas pendidikan.

B. PENYAJIAN GRAFIK
Grafik merupakan bentuk penyajian data secara visual yang dibuat dari data yang
telah disajikan dalam tabel dengan tujuan agar data dapat lebih mudah dipahami. Tabel
yang dapat dibuat menjadi grafik dibatasi pada tabel dua arah agar menarik dan mudah
dibaca. Jika tabel yang akan dibuat grafiknya merupakan tabel lebih dari dua arah, maka
sebaiknya tabel tersebut harus dipecah menjadi beberapa tabel dua arah.

Keunggulan penyajian data dalam bentuk grafik adalah:

 Lebih efektif dalam menggambarkan suatu perkembangan data dari waktu ke waktu.
 Lebih efektif dalam menggambarkan perbandingan antar kategori.
 Lebih menarik daripada tabel karena disajikan secara visual.
 Lebih mudah dipahami daripada tabel.
 Mengurangi kejenuhan melihat angka-angka.
 Lebih mudah dalam memberikan gambaran secara umum/menyeluruh.

Modul Analyse / Analisis 28

 Diklat Statistik Sektoral

Agar informasi yang disampaikan efektif, perlu dilakukan penyajian data dengan
grafik yang tepat. Berikut beberapa hal yang perlu diperhatikan dalam memilih grafik yang
tepat :

a. Tujuan yang ingin dicapai

 Membandingkan nilai pada sekumpulan data, dapat menggunakan grafik
batang (bar chart), grafik lingkaran (pie chart) atau grafik gambar (pictogram).
 Menampilkan komposisi data, grafik yang tepat untuk digunakan adalah grafik
batang (bar chart), grafik lingkaran (pie chart) atau grafik gambar (pictogram)
 Mengetahui perkembangan/tren data dalam periode waktu tertentu, grafik
yang dapat digunakan adalah grafik garis tunggal (single line chart), grafik
batang (bar chart), serta grafik garis berganda (multiple line chart).
b. Jenis data yang digunakan
Ada data menurut deret waktu, data dalam dua periode atau lebih yang tidak
menurut deret waktu, dan sebagainya.
c. Segmentasi pengguna data
Tujuan dasar dari penyajian data adalah menyampaikan informasi kepada pengguna
data. Grafik yang tepat adalah grafik yang paling mudah dipahami oleh pengguna. Jika
sasaran penggunanya adalah kalangan masyarakat umum maka grafik sebaiknya
dibuat dalam bentuk yang sederhana.

Dalam penyampaian data dengan grafik, ada beberapa ketentuan dalam

pembuatan grafik agar data yang ditampilkan oleh grafik dapat sesuai dengan data pada
tabel sumber, ketentuannya [adalah sebagai berikut:

a. Perbandingan sumbu tegak (y) dan sumbu datar (x) tidak terlalu jauh, kecuali grafik
lingkaran tidak menggunakan sumbu.
b. Ukuran grafik tidak terlalu besar, tinggi, dan pendek
c. Kelengkapan grafik terdiri dari:
 Nomor grafik dicantumkan sebelum judul.
 Judul grafik menyatakan jenis, tempat, dan periode data.
 Sumber data

Modul Analyse / Analisis 29

 Diklat Statistik Sektoral

 Catatan kaki/keterangan jika diperlukan.

1. Grafik Garis

Grafik garis adalah grafik yang digunakan untuk menggambarkan perkembangan data secara
kontinu. Pola atau kecenderungan data dapat dengan mudah kita ketahui dari grafik garis,
yaitu dengan melihat arah garis yang menghubungkan titik-titik pada grafik tersebut. Pola
yang disajikan dapat menurun, naik atau mendatar.

1.1 Grafik Garis Tunggal

Grafik garis tunggal biasanya digunakan untuk memberikan gambaran

perkembangan satu jenis data. Misalnya ingin melihat perkembangan data penggunaan
internet dari tahun 2008 sampai dengan tahun 2012.

Contoh analisis:

Gambar 4. 2 Perkembangan Persentase Siswa Usia 5-24 Tahun yang Menggunakan Internet,
2016-2018
60

45,75
40,96
40 33,98

20

0
2016 2017 2018

Sumber: Potret Pendidikan Indonesia 2018

Grafik diatas memperlihatkan bahwa siswa usia 5 – 24 tahun yang menggunakan

internet mengalami peningkatan setiap tahun, yaitu 33,98 persen pada tahun 2016
meningkat menjadi 45,75 persen pada tahun 2018. Penggunaan internet dapat mendukung
siswa dalam pelajaran di sekolah, akan tetapi dapat pula menjadi penghambat karena dapat
mendistraksi dari siswa untuk belajar. Sebaiknya penggunaan internet oleh siswa diiringi
oleh pengawasan dari orang tua siswa.

1.2 Grafik Garis Berganda

Modul Analyse / Analisis 30

 Diklat Statistik Sektoral

Grafik garis ini memberikan gambaran perkembangan dari beberapa data dalam
satu grafik, Misalnya ingin melihat perkembangan jumlah kendaraan bermotor (mobil
penumpang, bis, dan truk) sejak tahun 2008 hingga 2012.

Contoh analisis:

Gambar 4. 3 Perkembangan Persentase Siswa Usia 5-24 Tahun yang Menggunakan Internet
Menurut Jenjang Pendidikan, 2016-2018
100 91,27 94,41
86,37

80 85,52
81,32
72,94
60
62,77
55,45
40 46,62

16,64
20 12,12
9,3

0
2016 2017 2018

SD SMP SMA PT

Sumber: Potret Pendidikan Indonesia 2018

Grafik diatas memperlihatkan bahwa penggunaan internet pun dari tahun ke tahun
mengalami peningkatan pada semua jenjang pendidikan siswa, termasuk penggunaan oleh
siswa SD yang meningkat dari 9,3 persen pada tahun 2016 menjadi 16,64 persen pada tahun
2018. Pada jenjang perguruan tinggi pun mengalami peningkatan, dapat dilihat pada Grafik
4.3 bahwa penggunaan internet hanya sebanyak 86,37 persen pada tahun 2016 menjadi
94,41 persen pada tahun 2018. Peningkatan penggunaan yang dialami oleh semua jenjang
pendidikan menunjukan bahwa internet digunakan oleh siapa saja dan semakin tinggi
jenjang pendidikan, maka semakin tinggi pula siswa yang menggunakan internet.

1.3. Grafik Garis Komponen Berganda

Grafik garis ini bertujuan untuk melihat perkembangan dari beberapa jenis data,
sekaligus untuk melihat perkembangannya secara kumulatif. Grafik garis ini dapat ditampil
dengan versi jumlah (Gambar 4.4) serta versi persentase kumulatif (Gambar 4.5). Misalnya
dapat menampilkan jumlah setiap jenis kendaraan bermotor pada periode yang
bersangkutan maupun kumulatif dalam bentuk persentase.

Contoh analisis:

Modul Analyse / Analisis 31

 Diklat Statistik Sektoral

Gambar 4. 4 Perkembangan Jumlah Kendaraan Bermotor di DKI Jakarta, Tahun 2008 2012
(dalam Juta)

4000

3500
561,918
581,29
3000 565,727 358,895
550,924 363,71
2500 538,731
332,779
dalam juta

308,528 309,385
2000

1500
2541,351 2742,414
2334,883
1000 2034,943 2116,282

500

0
2008 2009 2010 2011 2012

Mobil Penumpang Bis Truk

Sumber: Jakarta Dalam Angka Tahun 2013

Gambar 4. 5 Perkembangan Persentase Kendaraan Bermotor di DKI Jakarta, Tahun 2008 –

2012 (dalam Juta)

100%
90%18,69 18,51 17,5 16,67 15,34
80% 10,29 10,43 9,8
10,7 10,39
70%
60%
50%
40% 74,86
70,6 71,1 72,21 72,89
30%
20%
10%
0%
2008 2009 2010 2011 2012

Mobil Penumpang Bis Truk

Sumber: Jakarta Dalam Angka Tahun 2013

Grafik diatas memperlihatkan bahwa jumlah dan persentase kendaraan di DKI

Jakarta didominasi oleh mobil penumpang dibandingkan dengan bis dan truk. Jumlah
kendaraan di DKI Jakarta mengalami peningkatan dari tahun ke tahun. Peningkatan paling
banyak terjadi pada mobil penumpang yang berjumlah 2.034.943 mobil pada tahun 2008

Modul Analyse / Analisis 32

 Diklat Statistik Sektoral

menjadi 2.742.414 mobil penumpang pada tahun 2012. Lebih lanjut, grafik pada Gambar 4.5
memperlihatkan bahwa persentase mobil penumpang pada tahun 2008 baru sebesar 70,6%
dan dominasi ini pun meningkat pada tahun 2012 menjadi 74,86%. Hal ini perlu
mendapatkan perhatian dari Pemerintah dalam membuat kebijakan mengenai infrasturktur
jalan dan sarana-prasarana transportasi umum untuk menanggulangi peningkatan
kendaraan bermotor di DKI Jakarta.

1.4. Grafik Garis Saling Menimbang

Kegunaan grafik ini adalah untuk melihat perkembangan dari dua kelompok data
yang saling berlawanan, sehingga perkembangan selisih antara dua kelompok data tersebut
dapat diketahui. Misalnya data tentang pendapatan dan pengeluaran, ekspor dan impor,
dan sebagainya.

Contoh :

Gambar 4. 6 Perkembangan Nilai Ekspor dan Impor Melalui DKI Jakarta, Tahun 2009 – 2012
(000 US $)
$160.000.000 $96.926.336
$88.874.102
$140.000.000

$120.000.000 $70.069.085

$100.000.000
$48.099.308
$80.000.000 Impor
Ekspor
$60.000.000

$40.000.000
$46.476.171 $48.134.849
$39.648.257
$20.000.000 $32.536.510

$-
2009 2010 2011 2012

Sumber: Jakarta Dalam Angka Tahun 2013

Grafik diatas memperlihatkan bahwa jumlah impor yang dilakukan melalui DKI
Jakarta masih jauh lebih tinggi daripada nilai ekspornya. Selain itu, terjadi peningkatan
impor dari 48,099,308 USD pada tahun 2009 menjadi 96,926,336 USD pada tahun 2012.
Peningkatan impor ini terjadi dua kali lipat dalam kurun waktu 3 tahun. Hal ini tidak
diimbangi dengan nilai ekspor yang dilakukan yaitu dari 32,536,510 USD menjadi 48,134,849
USD dari tahun 2009 ke 2012. Maka pemerintah sebaiknya mengidentifikasi penyebabnya
dan melakukan langkah-langkah untuk meningkatan ekspor ke luar negeri.

1.5. Grafik Garis Interval

Modul Analyse / Analisis 33

 Diklat Statistik Sektoral

Grafik ini digunakan untuk menggambarkan perkembangan data yang mempunyai dua nilai.
Misalkan mengenai data harga beras tertinggi dan terendah suatu daerah, keuntungan
terbesar dan terkecil dari suatu penjualan dan sebagainya.

Contoh analisis:

Gambar 4. 7 Harga Beras Grosir di Pasar Induk Cipinang DKI Jakarta, Juli – Desember 2012
(Rp/kg)
12000

Rp10.820 Rp10.977 Rp11.000 Rp11.019

Rp10.674 Rp10.648
10000

Rp8.572 Rp8.543 Rp8.560 Rp8.585 Rp8.670 Rp8.768

8000
Rp7.192 Rp7.202 Rp7.240 Rp7.277 Rp7.393 Rp7.435
Tertinggi
6000
Terendah
Rata-rata
4000

2000

0
Juli Agustus September Oktober November Desember

Sumber: Jakarta Dalam Angka Tahun 2013

Grafik diatas menjelaskan bahwa nilai rata-rata harga beras grosir di Pasar Induk
Cipinang dari bulan Juli sampai dengan Desember 2012 cenderung berada lebih dekat
kepada harga terendah beras. Harga terendah dan tertinggi beras mengalami peningkatan
secara konsisten setiap bulannya. Hal ini perlu menjadi sorotan Pemerintah agar tidak
terjadi lonjakan kenaikan harga beras dan dapat mengendalikan harganya untuk stabil.

Modul Analyse / Analisis 34

 Diklat Statistik Sektoral

2. Grafik Batang

Kegunaan grafik batang adalah untuk menggambarkan perbandingan antar kategori

data dalam periode waktu yang sama, atau antar kategori data dengan periode waktu yang
berbeda.

Grafik batang terdiri dari beberapa bentuk, yaitu:

2.1. Grafik Batang Tunggal

Grafik batang ini untuk menggambarkan perbandingan beberapa data pada periode
yang sama (berasal dari tabel satu arah).

Contoh analisis:

Gambar 4. 8 Angka Partisipasi Sekolah (APS) Indonesia Tahun 2010 menurut Kelompok
Umur

98,02
100 86,24

80
56,01
60

40
13,77
20

0
7-12 tahun 13-15 tahun 16-18 tahun 19-24 tahun

Angka Partisipasi Sekolah (APS)

Sumber: [Link]

Tabel di atas memperlihatkan penurunan angka partisipasi sekolah (APS) seiring

peningkatan umur penduduk. Sebanyak 98,02 persen penduduk usia 7-12 tahun yang
bersekolah, sementara penduduk usia 13-15 tahun yang bersekolah sebesar 86,24 persen,
usia 16-18 tahun sebesar 56,01 persen, dan usia 19-24 tahun hanya sebesar 13,77 persen.
Pengelompokkan umur tersebut sejalan dengan jenjang pendidikan yang berlaku di
Indonesia.

2.2. Grafik Batang Berganda

Grafik ini menggambarkan perbandingan beberapa data yang dirinci menurut

beberapa kategori.

Contoh analisis (1):

Modul Analyse / Analisis 35

 Diklat Statistik Sektoral

Gambar 4. 9 Tingkat Pendidikan Tertinggi yang Ditamatkan Penduduk Usia 15 Tahun ke Atas
(%) Menurut Jenis Kelamin, 2018

29,18
25,47 25,79
30 21,53 23,54
20,94
20 14,77
12,50
8,52 8,99
5,97
10 2,79

0
Laki-laki Perempuan

TIdak Pernah Sekolah Tidak Tamat SD SD/Sederajat

SMP/Sederajat SMA/Sederajat Perguruan Tinggi

Sumber: Potret Pendidikan Indonesia 2018

Grafik diatas menunjukkan bahwa pendidikan antara laki-laki dan perempuan

masih terdapat kesenjangan. Adanya proporsi penduduk perempuan yang lebih tinggi
dibandingkan laki-laki yang tidak pernah sekolah dan tidak tamat SD. Lebih lanjut, terdapat
kesenjangan yang cukup nyata pada tamatan SM/Sederajat (29,18 persen dan 23,54 persen)
pada proporsi penduduk laki-laki yang tamat SMP/sederajat dan SM/Sederajat lebih tinggi
dibandingkan penduduk perempuan. Pemerintah perlu meningkatkan kesenjangan ini,
mengingat bahwa tujuan pembangunan pendidikan diantaranya adalah menjamin kualitas
pendidikan yang inklusif, merata, dan meningkatkan kesempatan belajar sepanjang hayat
untuk semua, maka pendidikan harus dapat diakses oleh setiap orang dengan tidak dibatasi
oleh umur, tempat, dan waktu.

Contoh analisis (2):

Gambar 4. 10 Perkembangan Jumlah Kendaraan Bermotor di DKI Jakarta, Tahun 2008 –

2012 (dalam Juta)
3000 2742,414
2541,351
2500 2334,883
2034,943 2116,282
2000
dalam juta

1500
1000
538,731 550,924 565,727 581,29 561,918
308,528 309,385 332,779 363,71 358,895
500
0
2008 2009 2010 2011 2012

Mobil Penumpang Bis Truk

Sumber: Jakarta Dalam Angka Tahun 2013

Modul Analyse / Analisis 36

 Diklat Statistik Sektoral

Grafik diatas memperlihatkan bahwa jumlah kendaraan di DKI Jakarta didominasi

oleh mobil penumpang dibandingkan dengan bis dan truk. Jumlah kendaraan di DKI Jakarta
mengalami peningkatan dari tahun ke tahun. Peningkatan paling banyak terjadi pada mobil
penumpang yang berjumlah 2.034.943 mobil pada tahun 2008 menjadi 2.742.414 mobil
penumpang pada tahun 2012. Sebaliknya, peningkatan jumlah bis tidak terlalu signifikan.
Hal ini perlu mendapatkan perhatian dari Pemerintah dalam membuat kebijakan mengenai
infrasturktur jalan dan sarana-prasarana transportasi umum untuk menanggulangi
peningkatan kendaraan bermotor di DKI Jakarta.

2.3 Grafik Batang Komponen Berganda

Grafik ini menggambarkan perbandingan data yang dirinci menurut beberapa

kategori sekaligus dapat menggambarkan perbandingan jumlah datanya maupun jumlah
kumulatifnya. Grafik batang ini dapat ditampil dengan versi jumlah serta versi persentase
kumulatif. Misalnya dapat menampilkan jumlah setiap jenis kendaraan bermotor pada
periode yang bersangkutan maupun kumulatif dalam bentuk persentase.

Contoh analisis (1):

Gambar 4. 11 Tingkat Pendidikan Tertinggi yang Ditamatkan Penduduk Usia 15 Tahun ke

Atas (%) Menurut Jenis Kelamin, 2018
100%
8,52 8,99
90%
80% 23,54 Perguruan Tinggi
29,18
70%
SMA/Sederajat
60%
20,94
50% 21,53 SMP/Sederajat
40% SD/Sederajat
30% 25,79
25,47 Tidak Tamat SD
20%
14,77 TIdak Pernah Sekolah
10% 12,50
0% 2,79 5,97
Laki-laki Perempuan

Sumber: Potret Pendidikan Indonesia 2018

Grafik diatas menunjukkan bahwa pendidikan antara laki-laki dan perempuan

masih terdapat kesenjangan. Adanya proporsi penduduk perempuan yang lebih tinggi
dibandingkan laki-laki yang tidak pernah sekolah dan tidak tamat SD. Lebih lanjut, terdapat
kesenjangan yang cukup nyata pada tamatan SM/Sederajat (29,18 persen dan 23,54 persen)
pada proporsi penduduk laki-laki yang tamat SMP/sederajat dan SM/Sederajat lebih tinggi
dibandingkan penduduk perempuan. Pemerintah perlu meningkatkan kesenjangan ini,
mengingat bahwa tujuan pembangunan pendidikan diantaranya adalah menjamin kualitas
pendidikan yang inklusif, merata, dan meningkatkan kesempatan belajar sepanjang hayat

Modul Analyse / Analisis 37

 Diklat Statistik Sektoral

untuk semua, maka pendidikan harus dapat diakses oleh setiap orang dengan tidak dibatasi
oleh umur, tempat, dan waktu.

Contoh analisis (2):

Gambar 4. 12 Perkembangan Jumlah Kendaraan Bermotor di DKI Jakarta, Tahun 2008 –

2012 (dalam Juta)
4000

3500
561,918
581,29
3000 565,727 358,895
538,731 550,924 363,71
2500
dalam juta

332,779
308,528 309,385
2000

1500
2541,351 2742,414
2116,282 2334,883
1000 2034,943

500

0
2008 2009 2010 2011 2012

Mobil Penumpang Bis Truk

Sumber: Jakarta Dalam Angka Tahun 2013

Gambar 4. 13 Perkembangan Persentase Kendaraan Bermotor di DKI Jakarta, Tahun 2008 –

2012 (dalam Juta)
100%
90% 538,731 550,924 565,727 581,29 561,918
80% 332,779 363,71 358,895
308,528 309,385
70%
dalam juta

60%
50%
40% 2742,414
2034,943 2116,282 2334,883 2541,351
30%
20%
10%
0%
2008 2009 2010 2011 2012

Mobil Penumpang Bis Truk

Grafik diatas memperlihatkan bahwa jumlah dan persentase kendaraan di DKI

Jakarta didominasi oleh mobil penumpang dibandingkan dengan bis dan truk. Jumlah
kendaraan di DKI Jakarta mengalami peningkatan dari tahun ke tahun. Peningkatan paling
banyak terjadi pada mobil penumpang yang berjumlah 2.034.943 mobil pada tahun 2008

Modul Analyse / Analisis 38

 Diklat Statistik Sektoral

menjadi 2.742.414 mobil penumpang pada tahun 2012. Lebih lanjut, grafik pada Gambar 4.5
memperlihatkan bahwa persentase mobil penumpang pada tahun 2008 baru sebesar 70,6%
dan dominasi ini pun meningkat pada tahun 2012 menjadi 74,86%. Hal ini perlu
mendapatkan perhatian dari Pemerintah dalam membuat kebijakan mengenai infrasturktur
jalan dan sarana-prasarana transportasi umum untuk menanggulangi peningkatan
kendaraan bermotor di DKI Jakarta.

2.4. Grafik Batang Mendatar

Grafik ini biasanya untuk menggambarkan perbandingan antara kategori yang satu
dengan kategori lainnya pada suatu periode tertentu (bukan kategori dalam deret waktu).
Agar lebih mudah membandingkan data-data tersebut, maka nilai data disusun dari yang
terbesar ke nilai yang terkecil atau sebaliknya.

Contoh analisis:

Gambar 4. 14 Tingkat Pendidikan Tertinggi yang Ditamatkan Penduduk Usia 15 Tahun ke

Atas (%) Menurut Jenis Kelamin, 2018

8,99
23,54
20,94
Perempuan
25,79
14,77
5,97

8,52
29,18
21,53
Laki-laki
25,47
12,50
2,79

0 5 10 15 20 25 30 35

Perguruan Tinggi SMA/Sederajat SMP/Sederajat

SD/Sederajat Tidak Tamat SD TIdak Pernah Sekolah

Sumber: Potret Pendidikan Indonesia 2018

Grafik diatas menunjukkan bahwa pendidikan antara laki-laki dan perempuan

masih terdapat kesenjangan. Adanya proporsi penduduk perempuan yang lebih tinggi
dibandingkan laki-laki yang tidak pernah sekolah dan tidak tamat SD. Lebih lanjut, terdapat
kesenjangan yang cukup nyata pada tamatan SM/Sederajat (29,18 persen dan 23,54 persen)
pada proporsi penduduk laki-laki yang tamat SMP/sederajat dan SM/Sederajat lebih tinggi
dibandingkan penduduk perempuan. Pemerintah perlu meningkatkan kesenjangan ini,

Modul Analyse / Analisis 39

 Diklat Statistik Sektoral

mengingat bahwa tujuan pembangunan pendidikan diantaranya adalah menjamin kualitas

pendidikan yang inklusif, merata, dan meningkatkan kesempatan belajar sepanjang hayat
untuk semua, maka pendidikan harus dapat diakses oleh setiap orang dengan tidak dibatasi
oleh umur, tempat, dan waktu.

3. Diagram Lingkaran

Kegunaan grafik lingkaran pada dasarnya sama dengan grafik batang tunggal, yaitu
untuk memberi gambaran mengenai perbandingan beberapa data. Perbedaannya adalah
pada grafik lingkaran perbandingan tersebut dilihat dari nilai persentasenya, sedangkan
grafik batang tunggal adalah nilai mutlaknya.

Diagram lingkaran dibuat berdasarkan tabel persentase satu arah, langkah-

langkahnya adalah sebagai berikut :

 Gambarkan sebuah lingkaran lalu dibagi-bagi dalam beberapa sektor.

 Tiap sektor merupakan kategori data yang terlebih dahulu diubah ke dalam
"derajat"
Contoh analisis:

Gambar 4. 15 Tingkat Pendidikan Tertinggi yang Ditamatkan Penduduk Usia 15 Tahun ke

Atas (%), 2018

9% 4%

14%

Tidak Pernah Sekolah

26% Tidak Tamat SD

SD/Sederajat
SMP/Sederajat
26% SMA/Sederajat
Perguruan Tinggi

21%

Sumber: Potret Pendidikan Indonesia 2018

Modul Analyse / Analisis 40

 Diklat Statistik Sektoral

Grafik diatas menunjukan bahwa tingkat pendidikan tertinggi yang ditamatkan

penduduk pada umumnya mencapai pendidikan menengah. Data tersebut mmperlihatkan
bahwa hanya 26 persen atau satu dari empat penduduk 15 tahun ke atas telah tamat
SM/Sederajat, sedangkan penduduk yang menyelesaikan jenjang Perguruan Tinggi (PT)
hanya 9% persen.

4. Diagram Gambar

Diagram gambar sering dipakai untuk mendapatkan gambaran secara kasar dari
suatu persoalan dan sebagai penyajian visual yang baik bagi orang awam, lebih-lebih jika
simbul yang digunakan cukup menarik. Sebagaimana tersebut dalam kutipan berikut :

"Penyajian grafik yang paling menarik ialah penyajian secara piktografis, yang dapat
disajikan secara tepat serta mengena. Bentuk diagram sedemikian itu sebetulnya tidak
memberikan perbandingan yang memuaskan pada pembacanya, tetapi penyajian
sedemikian itu sangat menarik perhatian. Efek lukisannya sangat mengesankan" (Anto
Dajan, 1986, hal. 71).

Dalam grafik gambar, setiap satuan jumlah tertentu dibuat sebuah simbol sesuai
dengan macam datanya. Misalnya untuk data mengenai jiwa, penduduk dan pegawai dibuat
gambar orang, satu gambar untuk tiap 5000 jiwa. Sedangkan untuk data bangunan, gedung
sekolah dan bangunan lain dibuat gambar gedung, misalnya satu gedung menyatakan 1000
buah, dan masih banyak contoh lain lagi. Kesulitan yang dihadapi ialah ketika
menggambarkan bagian simbol untuk satuan yang tidak penuh.

Gambar 4.20. Jumlah Peserta Didik (dalam ribuan) di Provinsi DKI Jakarta, Tahun Ajaran
2017/2018

SMK
[VALUE]
SMA

SMP 171,6

SD 368,5

828,7

Sumber: Potret Pendidikan Indonesia 2018

Modul Analyse / Analisis 41

 Diklat Statistik Sektoral

Gambar diatas menunjukan bahwa jumlah peserta didik di DKI Jakarta pada Tahun
AJaran 2017/2018 pada jenjang SD lebih tinggi lebih dari setengah kali lipat dibandingkan
jenjang SMP maupun SMA/SMK. Lebih lanjut, terlihat bahwa ternyata jumlah peserta didik
SMK lebih tinggi sedikit dibandingkan dengan jumlah pesereta didik SMA.

5. Diagram Peta

Diagram peta (cartogram) adalah diagram yang memberikan keterangan tempat

dari jenis data yang ada pada sebuah peta. Misalnya potensi ikan di perairan Indonesia,
maka data tersebut ditulis dalam peta yang dibuat, dan ditempatkan sesuai dengan
daerah/lokasi tersebut. Dalam pembuatannya, digunakan peta geografis atau peta wilayah
di mana terdapat data yang akan disajikan. Diagram peta (cartogram) dapat juga
digambarkan dengan menambahkan grafik lainnya ke dalam peta, misalnya grafik gambar,
batang dan lingkaran.

Contoh analisis :

Gambar 4. 16 Rata-Rata Lama Sekolah Penduduk Usia 15 Tahun ke Atas di Indonesia, 2018

Sumber: Potret Pendidikan Indonesia 2018

Secara geografis, rata-rata lama sekolah penduduk 15 tahun ke atas bervariasi.

Provinsi dengan rata-rata lama sekolah di atas 9 tahun tersebar di berbagai wilayah
(ditandai dengan area berwarna hijau). DKI Jakarta menempati posisi teratas dengan rata-
rata lama sekolah penduduknya lebih dari 10 tahun. Di sisi lain, penduduk 15 tahun ke atas
di Papua rata-rata bersekolah hanya sampai kelas 6 SD/sederajat.

C. PENYAJIAN INFOGRAFIS

Infografis berasal dari kata Infographics dalam Bahasa Inggris yang merupakan
singkatan dari Information + Graphics adalah bentuk visualisasi data yang menyampaikan
informasi kompleks kepada pembaca agar dapat dipahami dengan lebih mudah dan cepat.

Modul Analyse / Analisis 42

 Diklat Statistik Sektoral

Infografis sangat efektif dalam penyampaian informasi di tengah pesatnya perkembangan

teknologi dan informasi saat ini. Infografis dapat menyajikan data dan informasi yang lebih
menarik bagi pengguna data yang memiliki keterbatasan waktu untuk membaca tabel
ataupun grafik. Infografis memiliki beberapa keunggulan sebagai berikut:

a. Visualisasi gambar mampu menggantikan penjelasan yang terlalu panjang.

b. Mampu menggantikan tabel yang rumit dan penuh angka menjadi informasi yang
mudah dipahami.
c. Visualisasi yang menarik mampu menghilangkan kejenuhan dalam membaca data.

Jenis-jenis infografis:

1. Infografis Statis

Infografis yang dibuat dalam bentuk visual statis atau gambar yang tidak bergerak.
Jenis infografis ini adalah jenis paling umum digunakan dalam menyampaikan informasi
dalam berbagai kebutuhan, diantaranya media cetak dan hasil-hasil penelitian.

Contoh:
Gambar 4. 17 Contoh Infografis mengenai Guru

Modul Analyse / Analisis 43

 Diklat Statistik Sektoral

Gambar 4. 18 Contoh Infografis mengenai Indeks Pembangunan TIK

2. Infografis Animasi

Infografis yang menyajikan informasi dalam bentuk audio video. Infografis jenis ini bisa
disajikan dengan dua atau 3 dimensi yang telihat lebih kompleks, misalnya televisi dan
youtube.

Contoh: Video Infografis Sensus dan Survei BPS

3. Infografis Interaktif

Infografis yang dibuat pada sebuah website agar pengguna dapat berinteraksi dengan
informasi yang ditampilkan. Untuk membuat jenis infografis ini biasanya dibutuhkan
seorang desainer, UI/IUX disainer, illustrator, dan programer.

Modul Analyse / Analisis 44

 Diklat Statistik Sektoral

BAB V
INTERPRETASI INDIKATOR STRATEGIS

A. Penjelasan Umum

Indikator adalah setiap ciri, karakteristik, atau ukuran yang bisa menunjukkan
perubahan yang terjadi pada sebuah bidang tertentu. Indikator dapat digunakan untuk
mengevaluasi keadaan atau kemungkinan dilakukan pengukuran terhadap perubahan-
perubahan yang terjadi dari waktu ke waktu. Dalam bidang statistika, suatu nilai indikator
diperoleh dari hasil pengolahan terhadap data yang telah dikumpulkan. Indikator dapat
berupa hasil estimasi atau ukuran statistik dari suatu bidang tertentu. Indikator strategis
menunjukkan yang paling dicari dan memberikan dampak secara luas.

Angka Indeks atau sering disebut Indeks saja pada dasarnya adalah suatu bilangan
yang biasanya dinyatakan dalam persentase, dimana angka tersebut dapat menunjukkan
perbedaan atau perbandingan (perubahan relatif) dari suatu kegiatan yang sama dalam dua
batasan yang berbeda. Hasil perhitungan Angka indeks ini hasilnya selalu dikalikan dengan
bilangan 100 untuk menunjukkan perubahan tersebut dalam persentase. Dalam membuat
angka indeks diperlukan dua macam batasan, yaitu batasan dasar dan batasan tertentu.
Batasan dasar adalah batasan dimana kegiatan dipergunakan sebagai dasar perbandingan.
Sedangkan batasan tertentu adalah batasan dimana suatu kegiatan akan diperbandingkan
terhadap kegiatan pada batasan dasar.

Indeks komposit (IK) merupakan indikator gabungan hasil pengukuran capaian

berbagai sektor/aspek/dimensi atau multi sektor/aspek/dimensi (OECD, 2008). IK dihitung
dengan pembobotan pada beberapa indikator tunggal dengan cara mereduksi indikator
indikator tunggal tersebut sehingga menjadi bentuk yang paling sederhana dengan tetap
mempetahankan makna dan esensi yang ada.

Pada umumnya angka indeks digunakan untuk menghitung perbandingan suatu

kegiatan yang sama, contoh kegunaan tersebut antara lain adalah :

1) Mengukur besar kecilnya daya beli dengan menghitung perubahan nilai mata uang
(tinggi rendahnya tingkat inflasi)
2) Mengukur tinggi rendahnya upah nyata (daya beli) masyarakat berdasarkan indeks
biaya hidup, dimana seorang buruh atau pegawai akan lebih senang menerima gaji
lebih kecil dengan daya beli besar daripada gaji besar dengan daya beli rendah.
3) Mengukur perbedaan antar variabel (produksi, harga dan nilai)
4) Mengukur perbandingan antar variabel (produksi, harga dan nilai)

Modul Analyse / Analisis 45

 Diklat Statistik Sektoral

B. Indikator Ekonomi

1. Angka Inflasi

Inflasi merupakan persentase kenaikan harga sejumlah barang dan jasa yang secara
umum dikonsumsi rumah tangga. Ada barang yang harganya naik dan ada yang tetap.
Namun, tidak jarang ada barang/jasa yang harganya justru turun. Hitungan perubahan harga
tersebut tercakup dalam suatu indeks harga yang dikena dengan Indeks Harga Konsumen
(IHK) atau Consumer Price Index (CPI). Persentase kenaikan IHK dikenal dengan inflasi,
sedangkan penurunannya disebut deflasi.

Kegunaan angka inflasi di antaranya untuk indeksasi upah dan tunjangan gaji
pegawai (wage-indexation); penyesuaian nilai kontrak dan proyek (project escalation);
indeksasi Anggaran Pendapatan dan Belanja Negara (budget indexation); sebagai pembagi
PDB, PDRB (GDP Deflator); sebagai proksi perubahan biaya hidup (proxy of cost of living);
indikator dini tingkat bunga, valas, dan indeks harga saham; dan lain-lain.

Tabel 5.1 Inflasi Indonesia bulan ke bulan, tahun ke tahun, dan kalender, 2019

Inflasi jan feb mar apr mei jun jul ags sep
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10)

Bulan ke bulan 0,32 -0,08 0,11 0,44 0,68 0,55 0,31 0,12 -0,27
Tahun ke tahun 2,82 2,57 2,48 2,83 3,32 3,28 3,32 3,49 3,39
Kalender 0,32 0,24 0,35 0,80 1,48 2,05 2,36 2,48 2,20

Sumber: BPS, LBDSE Oktober 2019

Pada September 2019 terjadi deflasi sebesar 0,27 persen, hal ini menunjukkan
tingkat penurunan harga sejumlah barang dan jasa yang secara umum dikonsumsi rumah
tangga pada bulan September dibandingkan bulan Agustus 2019. Adapun tingkat inflasi
tahun ke tahun (September 2019 terhadap September 2018) sebesar 3,39 persen dan
tingkat inflasi tahun kalender 2019 sebesar 2,20 persen. Kondisi itu memperlihatkan bahwa
kenaikan harga secara umum lebih tinggi terjadi antara kondisi bulan September 2019
terhadap September 2018, daripada antara tahun 2019 secara keseluruhan terhadap tahun
2018.

Interpretasi angka inflasi adalah sebagai berikut:

(a) INFn < 0 : jika tingkat harga sejumlah barang dan jasa yang secara umum dikonsumsi
rumah tangga pada suatu waktu (n) mengalami penurunan dibandingkan waktu
sebelumnya (n-1), keadaan ini disebut juga deflasi.

Modul Analyse / Analisis 46

 Diklat Statistik Sektoral

(b) INFn = 0 : jika tingkat harga sejumlah barang dan jasa yang secara umum dikonsumsi
rumah tangga pada suatu waktu (n) sama dengan waktu sebelumnya (n-1).
(c) INFn > 0 : jika tingkat harga sejumlah barang dan jasa yang secara umum dikonsumsi
rumah tangga pada suatu waktu (n) mengalami peningkatan dibandingkan waktu
sebelumnya (n-1), keadaan ini disebut juga inflasi.
(d)
2. Pertumbuhan Ekonomi

Nilai pertumbuhan ekonomi memperlihatkan pertumbuhan produksi barang dan

jasa di suatu wilayah perekonomian dalam selang waktu tertentu, angka tersebut
menunjukkan tingkat keberhasilan pembangunan suatu daerah. Kegunaan indikator
pertumbuhan ekonomi adalah untuk mengukur kemajuan ekonomi sebagai hasil
pembangunan nasional; dasar pembuatan proyeksi atau perkiraan penerimaan negara
untuk perencanaan pembangunan nasional atau sektoral dan regional; serta sebagai dasar
pembuatan prakiraan bisnis, khususnya persamaan penjualan. Laju pertumbuhan ekonomi
dihitung dengan membandingkan nilai produk domestik bruto (PDB) suatu wilayah antar
periode waktu.

Gambar 5.2 Laju Pertumbuhan PDB Indonesia triwulanan, 2018-2019

Sumber: BPS, LBDSE Oktober 2019

Ekonomi Indonesia triwulan II-2019 dibanding triwulan II-2018 (y-on-y) tumbuh

sebesar 5,05 persen dan dibanding triwulan I-2019 (q-to-q) tumbuh sebesar 4,20 persen.
Nilai tersebut menunjukkan bahwa pertumbuhan produksi barang dan jasa pada tahun ke

Modul Analyse / Analisis 47

 Diklat Statistik Sektoral

tahun lebih tinggi daripada pertumbuhan triwulan ke triwulan. Secara umum, pertumbuhan
ekonomi Indonesia sudah stabil di kisaran angka 5 persen.

3. Nilai Tukar Petani (NTP)

Nilai Tukar Petani (NTP) adalah perbandingan antara indeks harga yang diterima
petani (It) dengan indeks harga yang dibayar petani (Ib) yang dinyatakan dalam persentase.
Secara konsep, NTP menyatakan tingkat kemampuan tukar atas barang-barang (produk)
yang dihasilkan petani di pedesaan terhadap barang/jasa yang dibutuhkan untuk konsumsi
rumah tangga dan keperluan dalam proses produksi pertanian. NTP juga berguna untuk
memperlihatkan perkembangan tingkat pendapatan petani dari waktu ke waktu yang dapat
dipakai sebagai dasar kebijakan untuk memperbaiki tingkat kesejahteraan petani. Selain itu,
NTP juga menunjukkan tingkat daya saing (competiveness) produk pertanian dibandingkan
dengan produk lain.

Gambar 5.3 Nilai Tukar Petani (NTP) Indonesia, September 2018 – 2019 (2012=100)

Sumber: BPS, LBDSE Oktober 2019

NTP September 2019 tercatat 103,88 atau naik sebesar 0,63 persen dibanding NTP
Agustus 2019 sebesar 103,22. Kondisi ini memperlihatkan terjadinya peningkatan tingkat
kesejahteraan petani secara relatif, walaupun masih sangat kecil. Dari bulan ke bulan, nilai
NTP September 2018 hingga 2019 senantiasa lebih besar dari 100. Walaupun terjadi
penurunan nilai NTP pada awal tahun 2019, kemudian mengalami peningkatan dalam tiga
bulan terakhir.

Interpretasi nilai NTP adalah sebagai berikut:

Modul Analyse / Analisis 48

 Diklat Statistik Sektoral

(a) NTP > 100 : berarti petani mengalami surplus. Pendapatan petani naik lebih besar dari
pengeluarannnya, dengan demikian tingkat kesejahteraan petani lebih baik dibanding
tingkat kesejahteraan petani sebelumnya.
(b) NTP = 100 : berarti petani mengalami impas/break even. Tingkat kesejahteraan
petani tidak mengalami perubahan.
(c) NTP < 100 : berarti petani mengalami defisit. Tingkat kesejahteraan petani pada suatu
periode mengalami penurunan dibanding tingkat kesejahteraan petani pada periode
sebelumnya.
Indeks harga yang diterima petani (It) disusun berdasarkan harga-harga hasil
produksi pertanian, yang berguna untuk melihat fluktuasi harga barang-barang yang
dihasilkan petani serta pendapatan sektor pertanian secara umum. Sedangkan indeks harga
yang dibayar petani (Ib) disusun berdasarkan pengeluaran petani untuk menghasilkan
produksi pertanian termasuk didalamnya konsumsi rumah tangga, yang berguna untuk
melihat fluktuasi harga barang-barang yang dikonsumsi petani serta fluktuasi harga barang-
barang yang dibutuhkan petani untuk memproduksi hasil pertanian. Perkembangan Ib juga
dapat menggambarkan inflasi perdesaan.

Gambar 5.4 Indeks harga yang diterima dan dibayar petani Indonesia,
September 2018 – 2019 (2012=100)

Sumber: BPS, LBDSE Oktober 2019

Indeks Harga yang Diterima Petani (It) pada September 2019 naik 0,14 persen bila dibanding
It pada Agustus 2019, yaitu dari 141,74 menjadi 141,94. Indeks Harga yang Dibayar Petani

Modul Analyse / Analisis 49

 Diklat Statistik Sektoral

(Ib) pada September 2019 turun sebesar 0,49 persen dibanding Ib Agustus 2019. Selama
periode bulan September 2018 hingga 2019, nilai It senantiasa lebih tinggi dari nilai Ib. Hal
ini menunjukkan bahwa secara umum, kenaikan harga hasil produksi pertanian senantiasa
lebih tinggi daripada kenaikan harga barang dan jasa yang dikonsumsi di perdesaan. Dengan
kata lain, dapat dikatakan bahwa pendapatan petani masih lebih tinggi dari pengeluarannya.

4. Indeks Harga Produsen (IHP)

Indeks harga produsen (IHP) merupakan ukuran perubahan harga yang diterima
oleh produsen terhadap tahun dasar, yang berguna sebagai deflator PDB dan untuk
mengetahui tingkat perubahan harga di tingkat produsen. IHP dihitung berdasarkan
perubahan harga komoditas barang dan jasa yang dikonsumsi di perdesaan.

Tabel 5.5 Indeks Harga Produsen (IHP) Indonesia menurut Sektor Ekonomi,
2018 – 2019 (2012=100)

Triwulan II Triwulan I Triwulan II

Sektor
2018 2019 2019
(1) (2) (3) (4)

Gabungan (1+2+3) 138,46 140,72 140,74

1. Pertanian 138,84 142,68 141,51
2. Pertambangan dan penggalian 109,16 108,11 108,19
3. Industri pengolahan 144,28 146,72 147,09
4. Pengadaan listrik dan gas 132,82 133,36 133,43
5. Pengelolaan Air 120,28 120,34 120,37
6. Angkutan penumpang 216,81 226,51 228,86
7. Penyediaan akomodasi dan makan 127,42 128,30 128,64
minum
8. Jasa pendidikan 143,35 149,74 149,91
9. Jasa kesehatan 131,28 133,45 134,02

Sumber: BPS, LBDSE Oktober 2019

Indeks Harga Produsen (IHP) gabungan dari Sektor Pertanian, Pertambangan dan
Penggalian, dan Industri Pengolahan pada triwulan II-2019 sebesar 140,74. IHP gabungan
tersebut mengalami kenaikan sebesar 0,01 persen dibandingkan IHP triwulan I-2019 sebesar
140,72 (q-to-q). Kenaikan IHP tertinggi terjadi di Sektor Industri Pengolahan yaitu 0,25
persen dan diikuti oleh Sektor Pertambangan dan Penggalian sebesar 0,07 persen.
Sementara itu, IHP Sektor Pertanian mengalami penurunan sebesar 0,82 persen.

5. Ketenagakerjaan

Indikator ketenagakerjaan strategis yang umum digunakan adalah tingkat

partisipasi angkatan kerja (TPAK) dan tingkat pengangguran terbuka (TPT), yang
mencerminkan potensi ekonomi dan ketenagakerjaan pada suatu wilayah. TPAK adalah
adalah perbandingan antara jumlah angkatan kerja dengan jumlah penduduk usia kerja,

Modul Analyse / Analisis 50

 Diklat Statistik Sektoral

sementara TPT adalah perbandingan antara jumlah pencari kerja dengan jumlah angkatan
kerja. Semakin tinggi TPAK menunjukkan bahwa semakin tinggi pula pasokan tenaga kerja
(labour supply) yang tersedia untuk memproduksi barang dan jasa dalam suatu
perekonomian. Adapun besaran nilai TPT menunjukkan banyaknya angkatan kerja yang
tidak terserap pada pasar kerja.

Angkatan Kerja adalah penduduk usia 15 tahun ke atas yang bekerja atau
sementara tidak bekerja, dan yang sedang mencari pekerjaan. Bekerja adalah melakukan
pekerjaan dengan maksud memperoleh atau membantu memperoleh pendapatan atau
keuntungan dan lamanya bekerja paling sedikit 1 jam secara terus menerus dalam seminggu
yang lalu (termasuk pekerja keluarga tanpa upah). Sedangkan menganggur adalah
penduduk angkatan kerja yang sedang tidak bekerja dan sedang mencari pekerjaan.

Tabel 5.6 Indikator Ketenagakerjaan Indonesia, 2016 – 2019

Februari 2019
Jenis Kegiatan Utama Februari 2016 Februari 2017 Februari 2018
(1) (2) (3) (4) (5)

1. Angkatan Kerja (juta jiwa) 127,67 131,55 133,94 136,18

Bekerja 120,65 124,54 127,07 129,36
Penganggur 7,02 7,01 6,87 6,82
2. TPAK (%) 68,06 69,02 69,20 69,32
3. TPT (%) 5,50 5,33 5,13 5,01

Sumber: BPS, LBDSE Oktober 2019

Tingkat Pengangguran Terbuka (TPT) Februari 2019 sebesar 5,01 persen, dengan
Tingkat Partisipasi Angkatan Kerja (TPAK) sebesar 69,32 persen. Angkatan kerja Indonesia
pada Februari 2019 sebanyak 136,18 juta orang, bertambah sebanyak 2,24 juta orang
dibandingkan dengan Februari 2018. Jumlah Penduduk bekerja pada Februari 2019
sebanyak 129,36 juta orang, bertambah 2,29 juta orang jika dibandingkan dengan keadaan
Februari 2018. Jumlah pengangguran mencapai 6,82 juta orang, mengalami penurunan 50
ribu orang jika dibandingkan kondisi Februari 2018.

C. Indikator Sosial

1. Kemiskinan dan Ketimpangan Pendapatan

Penduduk miskin adalah penduduk yang memiliki rata-rata pengeluaran per kapita
per bulan berada di bawah Garis kemiskinan. Garis kemiskinan adalah besarnya nilai rupiah
pengeluaran per kapita setiap bulan untuk memenuhi kebutuhan dasar minimum makanan
dan nonmakanan yang dibutuhkan oleh seorang individu untuk tetap berada pada

Modul Analyse / Analisis 51

 Diklat Statistik Sektoral

kehidupan yang layak. Garis kemiskinan merupakan penjumlahan dari nilai garis kemiskinan
makanan dan non makanan, yang digunakan untuk penghitungan jumlah dan persentase
penduduk miskin (headcount index-Po), indeks kedalaman kemiskinan (poverty gap index-
P1), dan indeks keparahan kemiskinan (poverty severity index-P2).

Gambar 5.7 Persentase Penduduk Miskin di Indonesia,

September 2018 dan Maret 2019

Sumber: BPS, LBDSE Oktober 2019

Persentase penduduk miskin di Indonesia pada Maret 2019 mencapai 9,41 persen,
turun dibandingkan kondisi September 2018 yang sebesar 9,66 persen. Sebagian besar
penduduk miskin tinggal di daerah perdesaan. Pada Maret 2019, persentase penduduk
miskin di perdesaan sebesar 12,85 persen dari seluruh penduduk yang tinggal di daerah
perdesaan, sementara di perkotaan hanya sebesar 6,69 persen.

Tingkat ketimpangan pendapatan merupakan salah satu aspek kemiskinan yang

perlu diperhatikan karena pada dasarnya tingkat ketimpangan pendapatan merupakan
ukuran kemiskinan relatif. Ukuran yang paling sering digunakan dalam mengukur tingkat
ketimpangan pendapatan adalah Gini Ratio. Angka Koefisien Gini adalah ukuran kemerataan
pendapatan yang dihitung berdasarkan kelas pendapatan. Angka koefisien Gini terletak
antara 0 (nol) dan 1 (satu). Nol mencerminkan kemerataan sempurna dan satu
menggambarkan ketidakmerataan sempurna.

Modul Analyse / Analisis 52

 Diklat Statistik Sektoral

Gambar 5.8 Perkembangan Gini Rasio di Indonesia, 2012 - 2019

Sumber: BPS, LBDSE Oktober 2019

Gini Ratio Maret 2019 tercatat sebesar 0,382, menurun dibandingkan dengan
kondisi September 2018 yang sebesar 0,384 dan Maret 2018 yang sebesar 0,389. Kondisi ini
menunjukkan bahwa pemerataan pengeluaran di Indonesia mengalami perbaikan selama
periode Maret 2018–Maret 2019.

Gini Ratio di daerah perkotaan pada Maret 2019 sebesar 0,392, naik dibanding Gini
Ratio September 2018 yang sebesar 0,391, namun turun dibanding Gini Ratio Maret 2018
yang sebesar 0,401. Sementara itu, Gini Ratio di daerah perdesaan pada Maret 2019 sebesar
0,317. Angka ini turun jika dibandingkan Gini Ratio September 2018 sebesar 0,319 dan Gini
Ratio Maret 2018 yang sebesar 0,324.

2. Indeks Pembangunan Manusia (IPM)

IPM merupakan indikator penting untuk mengukur keberhasilan dalam upaya

membangun kualitas hidup manusia (masyarakat/penduduk). IPM menjelaskan bagaimana
penduduk dapat mengakses hasil pembangunan melalui perolehan pendapatan, kesehatan,
pendidikan, dan hasil pembangunan lainnya. IPM dibentuk oleh tiga dimensi dasar, yaitu
umur panjang dan hidup sehat (long and healthy life), pengetahuan (knowledge), dan
standar hidup layak (decent standard of living). Dimensi kesehatan diukur melalui angka
harapan hidup, dimensi pengetahuan diukur dengan angka harapan lama sekolah dan rata-
rata lama sekolah, sedangkan dimensi standar hidup layak diukur melalui pengeluaran per
kapita.

Modul Analyse / Analisis 53

 Diklat Statistik Sektoral

Gambar 5.9 Indeks Pembangunan Manusia (IPM) Indonesia, 2010 - 2018

Sumber: BPS, LBDSE Oktober 2019

Pada tahun 2018, angka IPM Indonesia sebesar 71,39. IPM Indonesia tumbuh 0,82
persen atau bertambah 0,58 poin dibandingkan IPM tahun 2017. Pertumbuhan tersebut
sedikit lebih lambat dibanding pertumbuhan tahun sebelumnya sebesar 0,90 persen.
Pertumbuhan nilai IPM tersebut menunjukkan semakin membaiknya capaian pembangunan
manusia Indonesia.

3. Indeks Perilaku Anti Korupsi (IPAK)

Indeks Perilaku Anti Korupsi (IPAK) bertujuan untuk mengukur perilaku masyarakat
dalam tindakan korupsi skala kecil (petty corruption), IPAK berkaitan dengan persepsi dan
pengalaman masyarakat yang berhubungan dengan layanan publik dalam hal perilaku
penyuapan (bribery), pemerasan (extortion), dan nepotisme (nepotism). IPAK disusun
berdasarkan dua dimensi utama, yakni unsur persepsi atau penilaian terhadap kebiasaan
perilaku koruptif di masyarakat, dan unsur pengalaman perilaku koruptif. Nilai IPAK yang
semakin mendekati angka lima menunjukkan bahwa masyarakat berperilaku semakin anti
korupsi, yang berarti bahwa budaya zero tolerance terhadap korupsi semakin melekat dan
mewujud dalam perilaku masyarakat. Sebaliknya, nilai IPAK yang semakin mendekati nol
menunjukkan bahwa masyarakat berperilaku semakin permisif terhadap korupsi.

Modul Analyse / Analisis 54

 Diklat Statistik Sektoral

Tabel 5.10 Indeks Persepsi Anti Korupsi (IPAK), 2017 – 2019

Dimensi 2017 2018 2019

(1) (2) (3) (4)

Indeks Persepsi 3,81 3,86 3,80

Indeks Pengalaman 3,60 3,57 3,65

Indeks Persepsi Anti Korupsi 3,71 3,66 3,70

Sumber: BPS, LBDSE Oktober 2019

Indeks Perilaku Anti Korupsi (IPAK) Indonesia tahun 2019 sebesar 3,70 pada skala 5,
angka ini lebih tinggi dibandingkan capaian tahun 2018 sebesar 3,66. Indeks Persepsi
mengalami penurunan dari tahun 2018 ke 2019, yaitu dari 3,86 menjadi 3,80. Pada periode
yang sama, Indeks Pengalaman mengalami peningkatan dari 3,57 menjadi 3,65. Peningkatan
indeks pada dimensi pengalaman ini memberikan pengaruh terhadap peningkatan angka
IPAK secara keseluruhan dari 3,66 menjadi 3,70. Kondisi ini menunjukkan bahwa masyarakat
Indonesia semakin berperilaku anti korupsi dari tahun ke tahun, walaupun peningkatannya
masih sangat lambat.

Modul Analyse / Analisis 55

 Diklat Statistik Sektoral

Modul Analyse / Analisis

Penyusun
Andhie Surya Mustari, SST, [Link]

Daud Eliezar SST,. [Link]

Edisi Pertama

Oktober, 2019

Pusat Pendidikan dan Pelatihan

Badan Pusat Statistik
Jakarta
 Pusat Pendidikan dan Pelatihan
Badan Pusat Statistik

Jalan Raya Jagakarsa No.70, Jakarta Selatan, 12620

[Link] (021) 7873781 - 83

pusdiklat@[Link] (021) 7873955