Skala Pengukuran Data

 Skala pengukuran data dikelompokkan menjadi empat yaitu Skala Nominal, Ordinal, Interval, dan Rasio atau disingkat NOIR. Penjelasannya sebagai berikut:

1.     Skala Data Nominal

Skala data Nominal merupakan skala data yang paling rendah dengan mendasarkan pada kategorisasi. Apabila diberikan angka, hanya sebagai label saja dan memiliki kedudukan yang setara. Sifat-sifat skala nominal: Skala data paling sederhana, berupa kategori, tidak dapat diurutkan, tidak dapat dilakukan operasi matematika. Contohnya:

-        Jenis Kelamin (1. Pria, 2. Wanita)

-        Warna (1.merah, 2.kuning, 3.biru)

-        Agama (1.islam, 2. Kristen, 3.Katolik, 4.Hindu, 5 Budha)

2.     Skala Data Ordinal

Skala data ordinal adalah Skala yang disusun secara runtut dari tertinggi ke terendah atau sebaliknya. Ciri skala Ordinal: Jarak atau rentang tidak harus sama, angka mengandung pengertian tingkatan, nilai angka tidak setara, tidak dapat operasi matematika. Contohnya:

-   Rangking 1,2 dan 3 (rangking 1 menunjukkan lebih tinggi dari rangking 2, dan 3)

-   Tingkat pendidikan  (1.SD, 2 SMP, 3 SMA, 4 Sarjana)

 

3.     Skala Data Interval

Skala interval merupakan skala pengukuran dimana jarak satu tingkat dengan yang lain sama. Cirinya: memiliki semua ciri skala ordinal, memiliki nilai jarak yang sama, data dapat diurutkan, jarak antar data diketahui ukurannya, nilai angka 0 (nol) tidak mutlak dan dapat dilakukan operasi matematika. Contohnya:

a)   Temperatur ruangan. Bisa diukur dalam Derajat Celsius (⁰C), atau Derajat Fahrenheit (⁰F), dengan masing-masing punya skala sendiri. Untuk air membeku dan mendidih:

·  Celcius pada 0° C sampai 100° C. Skala ini jelas jaraknya adalah 100-0=100 

·   Fahreinheit pada 32° F sampai 212°F. Skala ini jelas jaraknya adalah 212-32=180

b)  Dalam Indeks Prestasi Kumulatif (IPK) mahasiswa dikenal standar-standar penilaian sebagai berikut:

A = 4, B = 3, C = 2, dan D = 1.

Interval antara A dengan B = 4 - 3 = 1

Interval antara B dengan C = 3 - 2 = 1

Interval antara C dengan D = 2 - 1 = 1

Interval antara B dengan D = 3 - 1 = 2

Interval A sampai C adalah 4 - 2 =2, kedua interval dapat dijumlahkan. Pada data ini yang dijumlahkan bukan kuantitas atau besaran, melainkan intervalnya, pada data ini tidak terdapat titik nol absolut.

 

4.     Skala Data Rasio

Skala ratio merupakan skala yang paling tinggi dan memiliki semua sifat skala interval, memiliki nilai nol absolut (mutlak), dapat operasi matematika, Contohnya:

-   saldo yang dimiliki Amir  di bank BRI bernilai Rp 1.000.000,00. Angka 1.000.000 benar-benar real bahwa Amir mempunyai uang sebesar Rp 1.000.000,00.

-   Data penjualan Perusahaan X

- Berat Badan Amir

Klasifikasi Data

Data dalam statistika dapat diklasifikasi berdasarkan cara memperolehnya, jenisnya, sumber, sifat, dan waktu Pengumpulan. Selengkapnya dapat dijelaskan sebagai berikut:

1. Berdasarkan Sumbernya

Berdasarkan sumbernya, data dibedakan menjadi dua yaitu data Internal  dan data Eksternal

a.     Data Internal adalah data yang menggambarkan keadaan, situasi dan kondisi dalam suatu Organisasi atau perusahaan. (Contoh : data keuangan,  pegawai, Produksi, Pemasaran, dll) 

b.      Data Eksternal adalah data yang menggambarkan suatu keadaan  situasi dan kondisi yang ada di luar suatu organisasi ( contoh : daya beli masyarakat, Perkembangan harga, konsumsi, inflasi, nilai kurs, pertumbuhan ekonomi, dll ). 

1.   2. Berdasarkan cara memperolehnya

Berdasarkan sumbernya data dibedakan menjadi dua yaitu data primer dan data sekunder.

a.     Data primer adalah data yg diperoleh atau dikumpulkan sendiri secara langsung dari obyek penelitian, misalnya dengan melakukan wawancara, menyebar kuesioner, observasi atau penelitian lapangan/laboratorium.

b.     Data sekunder adalah data yang diperoleh secara tidak langsung  dari objek penelitian atau diperoleh dari pihak lain, misalnya data jumlah penduduk dari BPS, data harga saham dari BEI, data nilai Kurs dari Bank Indonesia,  data laporan keuangan dari Indonesia Capital Market Directory (ICMD) dan lain sebagainya

1.    3. Berdasarkan Jenisnya

Berdasarkan jenisnya, data dibedakan menjadi dua yaitu data Kuantitatif  dan data Kualitatif

a.     Data kuantitatif adalah data yang dinyatakan dalam besaran angka-angka. Misalnya: Data pendapatan per kapita, pengeluaran, harga, berat, jarak, penjualan, produksi, tinggi badan, dan lain sebagainya.

b. Data Kualitatif adalah data yang dinyatakan dalam kategori/kelas tertentu. Misalnya: jenis kelamin (pria-wanita), Agama (islam, hindu, budha, kristen, katolik), suku (dayak, jawa, madura), warna (merah, kuning, biru), perusahan besar-kecil dan lain sebagainya

1.    4. Menurut Sumber

Berdasarkan sumbernya, data dibedakan menjadi dua yaitu data Internal  dan data Eksternal

a.     Data Internal adalah data yang menggambarkan keadaan, situasi dan kondisi dalam suatu Organisasi atau perusahaan. (Contoh : data keuangan,  pegawai, Produksi, Pemasaran, dll)

b.      Data Eksternal adalah data yang menggambarkan suatu keadaan  situasi dan kondisi yang ada di luar suatu organisasi ( contoh : daya beli masyarakat, Perkembangan harga, konsumsi, inflasi, nilai kurs, pertumbuhan ekonomi, dll ).

2.    5.Menurut Sifatnya

Berdasarkan sifatnya, data dibedakan menjadi dua yaitu data diskrit dan data Kontinyu.

a.   Data Diskrit adalah data yang nilainya berupa bilangan asli. Contohnya: Berat Badan Mahasiswa, Nilai rupiah dari waktu ke waktu,

b.   Data kontinyu adalah data yang nilainya berada pada interval tertentu atau berada pada nilai satu dengan nilai lainnya, seperti menggunakan kata sekitar, kurang lebih, kira-kira, dan lain sebagainya. Contoh: Negara Indonesia mengimpor beras sekitar 400 ribu ton pada tahun 2019

6. Menurut waktu Pengumpulan

Berdasarkan waktu pengumpulannya, data dapat dibedakan menjadi tiga yaitu data crossection, timeseries dan Pool.

a. Cross Section adalah data yang dikumpulkan pada suatu waktu tertentu. Contohnya data penjualan mobil di lima kota pada tahun 2019

b. Time Series (data berkala) adalah data yang dikumpulkan secara berkala atau runtut waktu (tahunan, bulanan, mingguan, harian, jam, menit, semeseter, tri wulan). Contohnya: data penjualan PT. X selama 12 bulan, data nilai kurs, harga saham,

c. Data Pool adalah data yang dikumpulkan berdasarkan gabungan crossection dan timeseries. Contohnya: data penjualan beberapa merek mobil selama tahun 2017-2019

  

Bank Indonesia Menurunkan 7 Day Repo Rate Menjadi 4,50% pada 19 Maret 2020

Bank Indonesia menurunkan kembali 7-day repo rate sebesar 25 Basis point dari 4,75% pada bulan Februari 2020 menjadi 4,50% pada bulan Maret 2020. Penggunaan BI 7-Day Repo Rate sebagai suku bunga acuan berlaku mulai tanggal 19 Agustus 2016. sebelum periode tersebut, suku bunga acuan menggunakan BI Rate. Berikut perkembangan 7-day repo rate dari 18 Januari 2018 sampai dengan 19 Maret 2020. 7-day repo rate sebagi suku bunga acuan di Indonesia mengalami fluktuasi selama 3 tahun terkahir. Pada awal tahun 2018 7-day repo rate sebsar 4,25%. Sejak bulan Maret mengalami kenaikan dan pada 17 November 2018 menjadi 6% serta bertahan sampai bulan Juni 2019.  Selanjutnya mengalami penurunan kembali pada bulan Oktober 2019 menjadi 5%. Di tengah-tengah pandemi COVID-19 Bi 7-Day repo rate turun menjadi 4,5% pada 19 Maret 2020. sumber: www.bi.go.id

Prospek Ekonomi Indonesia dalam Pandemi Covid-19

Pandemi COVID-19 telah memaksa negara di seluruh dunia merombak target pertumbuhan ekonominya termasuk Negara Repulik Indonesia. Berbagai kebijakan telah ditempuh untuk meredam dampak COVID-19 terhadap prospek ekonomi ke depan. Covid-19 pertama kali muncul dan dikenali di kota wuhan cina dan terus menyebar ke seluruh Dunia termasuk di Indonesia. Sampai saat di Indonesia pada tanggal 6 April 2020 ada sebanyak 2.491 terkonfirmasi positif, 2.090 dalam perawaran, 192 sembuh dan 209  atau 8,39 orang meninggal (https://www.covid19.go.id).

Sumber: Kementrian Keuangan RI, 1 Arpil 2020

Beberapa lembaga internasional memproyeksikan pertumbuhan ekonoi Global dalam Pandemi COVID-19 akan negatif, seperti JP Morgan -1,1%, The Economicst Intelilgence unit -2,2% dan IMF menyatakan pertumbuhan Ekonoi negatif.

Akibat pandemi COVID 19, perekonmian di seluruh negara mengalami tekanan yang cukup berat dengan dampak mencapai 3% - 6% dari GDP. Pelemahan perekonomian ini berdampak pada rumah tangga, umkm, korporasi dan sektor keuangan (Kemenkeu, 2020).

• Rumah tangga terancam kesehatanya karena terinfeksi bahkan ancaman jiwa dan puluhan ribu berpotensi tertular, ancaman pendapatan tidak mampu bekerja untuk memenuhi kebutuhan hidupnya, rumah tangga miskin dan rentan serta sektor informal. Selain itu, turunya daya beli dan konsumsi. 
• UMKM tidak dapat melakukan usahanya sehingga terancanm kemampuan memnuhi kewajiban kreditnya. 
• Korporasi terganggu aktivitas ekonominya, yang paling rentan yaitu manufaktur, perdangan, transportasi dan akomidasi (hotel dan restorant) yang mengancam PHK dan kebangkrutan 
• Memburuknya aktivitas ekonomi dan dunia usaha akan merembet ke sektor keuangan seperti perbankan dan lembanga pembiayaan berpotensi mengalami masalah likuiditas dan insolvency. Depresiasi rupiah, volalitas pasar keuangan dan capital flight (Kemenkeu, 2020).

Pemerintah RI telah melakukan kebijakan stimulus I melalui belanja untuk memperkuat perekonomian Domestik tahun 2020. Kebijakan stimulur I terdiri dari (1) Percepatan Belanja dan kebijakan mendorong padat karya meliputi percepantan pencairan belanja modal, percepatan belanja sosial, Transfer ke Daerah dan Dana Desa. (2) Stimulus belanja meliputi perluasan kartu sembako, perluasan subsidi bunga perumahan, isentif sektor pariwisata (travel agent internasional, tenaga pemasaran pariwisata, dan kartu pra kerja (masyarakat/pencari kerja). Kebijakan stimulus II fokus pada menjada daya beli masyarakat dan kemudahan ekspor dan impor.

Ekonomi Negara Indonesia akan sangat berat menghadapi dampak COVID-19 jika tidak dilakukan langkah-langkah mitigasi dengan segera.

Sumber: Kemenkeu, April 2020

Ada dua skenario yang diprediksikan oleh pemerintah untuk tahun 2020 terkait kondisi ekonomi  dalam pandemi COVID-19 yaitu berat dan sangat berat. Skenario berat  indikator makro pertumbuhan ekonomi sebesar 2,3% leblih rendah dari APBN yang menargetkan 5,3%. Harga  ICP 38 USD/barel lebih rendah dari APBN, nilai tukar rupiah Rp.17000 dan inflasi sebesar 3,9%. Sedangkan skenario Sangat berat: indikator makro pertumbuhan ekonomi -0,4 jauh, Harga ICP 31 USD/Barel, Nilai tukar rupiah Rp.20.000 dan inflasi sebesar 5,1%. Selain itu postur APBN tahun 2020 juga berubah dengan pendapatan turun sebesar 10% dan defisit APBN 2020 sebesar 5,07% PDB.

Sumber: Kementrian Keuangan RI (2020) Press Conference Langkah Penguatan Perlindungan Sosial dan Stimulus Ekonomi Menghadapi dampak COVID-19. Jakarta. 1 April 2020

Pengertian Statistika Inferensial

Statistik inferensial adalah statistik yang digunakan untuk menganalisis data sampel yang hasilnya dapat digeneralisasikan (diinferensialkan) terhadap populasinya. Pengertian Statistika inferensial dari beberapa ahli adalah sebagai berikut: 

1. Menurut Sugiyono (2012:207) Statistika inferensial adalah teknik statistik yang digunakan untuk menganalisis data menggunakan sampel dan hasilnya berlaku untuk pupulasi.
2. Menurut Cresswell (2008:326) Statistik inferensial adalah teknik analisis data yang digunakan untuk menentukan sejauh mana kesamaan antara hasil yang diperoleh dari suatu sampel dengan hasil yang akan didapat pada populasi secara keseluruhan. Jadi statistik inferensial membantu peneliti untuk mencari tahu apakah hasil yang diperoleh dari suatu sampel dapat digeneralisasi pada populasi.
3. Menurut Muhammad Nisfiannoor (2009:4) bahwa statistik inferensial adalah metode yang berhubungan dengan analisis data pada sampel untuk digunakan untuk penggeneralisasian pada populasi. Penggunaan statistic inferensial didasarkan pada peluang (probability) dan sampel yang dipilih secara acak (random).
4. Menurut Burhan Nurgiyantoro, dkk, (200:12) Statistika inferensial adalah statistik yang berkaitan dengan analisis data (sampel) untuk kemudian dilakukan penyimpulanpenyimpulan (inferensi) yang digeneralisasikan kepada seluruh subyek tempat data diambil (populasi) (Burhan Nurgiyantoro dkk, 2000;12).
5. Menurut M.Subana dkk (2000) Statistika inferensial adalah statistik yang berhubungan dengan penarikan kesimpulan yang bersifat umum dari data yang telah disusun dan diolah
6. Statistika inferensial mencakup semua metode yang berhubungan dengan analisis sebagian data (contoh) atau juga sering disebut dengan sampel untuk kemudian sampai pada peramalan atau penarikan kesimpulan mengenai keseluruhan data induknya (populasi) (https://id.wikipedia.org/)

Jenis Statistika Inferensial yaitu:

1. Statistika parametrik merupakan statistika inferensial yang membutuhkn ukuran kuantitatif dan digunakan untuk mengenalisis data dengan syarat tertentu. syarat tersebut: (1) data berdistribusi normal (2) skala datanya interval dan rasio. misalnya: uji beda rata-rata, anova, korelasi, analisis regresi dll.
2. Statistika non parametrik disebut juga statistik bebas sebaran. statistik non parametrik yaitu statistik inferensial untuk menganalisis data kualitatif dan tidak memperhatikan distribusi datanya (data tidak harus normal), jumlah sampel kecil, skala datanya nominal dan ordinal. misalnya: Binomial test, Chi-square test, wilcoxson, man whietney, sing rang dll

Kemana Arah Pembangunan Ekonomi Indonesia

Pembangunan Ekonomi Indonesia yang dilakukan sampai saat ini sudah berada pada jalur yang benar dengan menciptakan pertumbuhan ekonomi berkualitas menurut Sri Mulyani Indrawati "Persoalannya lebih ke kualitasnya, bukan pada direction. kalau ada yang lebih cepat, pemerintah juga ingin lebih cepat" Kata beliau saat di temui usai menghadiri rapat bersama Badan Anggaran DPR RI di Kompleks DPR/MPR, Senaayan Jakarta pusat, senin, 22 juli 2019. Arah pembangunan Indonesia saat ini telah mengarah pada pertumbuhan ekonomi yang berkualitas yang dapat dilihat dari indikator seperti angka kemiskinan, pengangguran, dan indeks pembangunan manusia yang semakin rendah (Sri Mulyani). Dalam catatan Badan Perencanaan Pembangunan Nasional (Bappenas), sejumlah indikator menunjukkan beberapa perbaikan dari 2015 hingga 2019. Pertama, sepanjang tahun tersebut, tercipta 11,19 juta kesempatan kerja baru. Angka ini melampaui target dalam Rencana Pembangunan Jangka Menengah Nasional atau RPJMN 2015-2019 yang sebesar 10 juta kesempatan kerja. Kedua, tingkat pengangguran terbuka ditekan menjadi 5,01 persen pada Februari 2019. Angka ini merupakan yang terendah sejak krisis moneter 1997/1998. Ketiga yaitu indeks pembangunan manusia yang mengalami kenaikan rata-rata mencapai 0,89 persen. Bappenas menyebut angka ini masuk dalam kategori tinggi.

source:https://bisnis.tempo.co/

Inovasi, Daya Saing Ekonomi dan SDM Indonesia

Menurut laporan Global Innovation Index (GII) tahun 2019 , tingkat inovasi Negara Indonesia dengan skor 29,8 tidak berubah dibandingkan dengan tahun lalau yaitu berada pada peringkat ke 85 dari 129 Negara, Jauh di bawah Singapura (8) Malaysia (35), Vietnam (42), Thailand (43) Filiphina (54) dan Brunei Darussalam (71). GII menggunakan 80 indikator untuk menilai tingkat inovasi dari 129 negara pada tahun 2019 diantaranya investasi, penelitian dan pengembangan, hak paten internasional, pemgembangan aplikasi modail dan ekspor produk beteknologi tinggi.  Direktur Jenderal World Intellectual Property Organization (WIPO) Francis Gurry menyatakan, peringkat GII menunjukkan bahwa negara yang memprioritaskan inovasi dalam kebijakannya telah melihat peningkatan signifikan dalam peringkat mereka. Kebanyakan klaster penghasil inovasi sains dan teknologi terdapat di Amerika Serikat, China , dan German, sementara Brazil, India, Iran, Rusia, dan Turki juga termasuk dalam peringkat 100 besar. Lima daerah teratas penghasil inovasi dunia di antaranya Tokyo-Yokohama (Jepang), Shenzen-Hong Kong (China), Seol (Korea Selatan), Beijing (China), dan San Jose-San Fransisco (Amerika Serikat).

Daya Saing Ekonomi Negara Indonesia pada tahun 2019 menduduki peringkat ke 32 Dunia atau naik 11 peringkat dari tahun sebelumnya yang berada di posisi ke-43 (IMD World Competitiveness Ranking 2019).  IMD menggunakan empat indikator utama dalam penilaiannya, yakni kinerja ekonomi, efisiensi pemerintahan, efisiensi bisnis, dan infrastruktur. Indonesia menunjukkan perbaikan daya saing yang paling menggembirakan di kawasan Asia Pasifik. Hal ini berkat perbaikan efisiensi di sektor pemerintahan, pembangunan infrastruktur, dan iklim bisnis. IMD juga menyebut salah satu keunggulan Indonesia adalah upah buruh yang rendah dibandingkan 63 negara lainnya di Asia Pasifik. Dalam daftar tersebut, Indonesia berada berada di bawah Jepang dan Prancis yang berada di posisi ke-30 dan ke-31. Adapun Republik Ceko dan Kazakhstan berada di bawah Indonesia, masing-masing di posisi ke-33 dan ke-34..

Keterampilan dari sumber daya manusia (SDM) Indonesia menduduki peringkat keempat di antara negara-negara di Asia Tenggara. Hal tersebut berdasarkan salah satu pilar penilaian dalam Indeks Daya Saing Global (GCI) yang dirilis oleh World Economy Forum (WEF) pada 2018. Di peringkat pertama ada Singapura, kemudian disusul Malaysia dan Brunei Darussalam. Secara global, peringkat Indonesia terpaut cukup jauh dengan negeri jiran. Berkaca dari hal tersebut, pemerintah menggalakkan berbagai program seperti pelatihan vokasi, pemagangan berbasis kompetensi di perusahaan, hingga melakukan sertifikasi kompetensi. Salah satu pendekatan GCI adalah human-centric approach yakni penilaian tentang keterampilan SDM. Penilaian ini mencakup efektivitas tahun pendidikan, tingkat pelatihan staf, kualitas pelatihan vokasi, dan skillset lulusan. Selain itu meliputi keterampilan digital, kemudahan menemukan karyawan terampil, ekspektasi periode pendidikan, berpikir kritis dalam proses pembelajaran, hingga rasio murid-guru pada pendidikan dasa

Sumber: https://teknologi.bisnis.com, https://databoks.katadata.co.id https://akurat.co