Issuu on Google+

SPSS dan Sejarahnya

Pada awalnya, sebelum diberi nama Statistical Product & Service Solutions, aplikasi ini bernama Statistical Package for the Social Sciences yang dibuat pada tahun 1968 oleh Norman Nie, seorang mahasiswa lulusan fakultas ilmu politik dari Stanford University. SPSS sangat berguna bagi ilmu social di era tersebut, dan digunakan untuk analisis pasar, penelitian kesehatan, survey kesehatan, dan masih banyak lagi. Program SPSS bekerja dengan membandingkan suatu data kedalam suatu paket hasil analisis. Sehingga dalam pengolahan lebih mudah dalam penggunaan serta analisisnya dalam aplikasi permasalahan riset dan bisnis. SPSS dilengkapi kemampuan untuk akses data, persiapan dan manajemen data, analisis data, serta dalam laporan hasil olahan. Sedangkan perangkat lunak sekarang sangat banyak untuk penyelesaian pengolahan data statistic. Program aplikasi untuk pengolahan data yang beredar saat ini sudah banyak macamnya antara lain SHAZAM, Systant, Ecosim, Ecostat, Minitab, SAS, Statgraph, SPSS, Statistica, dan sebagianya. Dari berbagai perangkat pilihan lunak yang akan digunakan dalam pengolahan data SPSS merupakan yang paling popular. Mengapa SPSS, karena memiliki beberapa kelebihan yaitu terdapat banyak fasilitas yang dapat menangani berbagai persoalan statistika, memiliki tampilan user friendly, dan merupakan terobosan baru berkaitan dengan perkembangan teknologi infromasi, khususnya E-Business. Dalam hal ini SPSS telah dilengkapi dengan fasilitas OLAP (Online Analytical processing) yang akan memudahkan dalam pemecahan pengolahan data. Selain itu, kelebihan SPSS adalah dapat digunakan untuk mengakses data dari berbagai perangkat lunak yang lain selanjutnya diolah dan kemudian dianalisis.

Sejarah SPSS Pada tahun 1968, Norman H.Nie, C.Hadlai (Tex) Hull dan Dale H.Bent, tiga orang pemuda dari latar belakang professional berbeda, mengembangkan sistem perangkat lunak yang berdasarkan gagasan statistika menggunakan untuk mengubah data mentah menjadi informasi essensial untuk membuat keputusan. Sistem perangkat lunak statistic revolusioner ini disebut SPSS, yang menjadi calon Statistical Package untuk Ilmu Pengetahuan Sosial. Ketiga pemuda tersebut membangun SPSS dari keperluan untuk dengan cepat menganalisa volume data ilmu pengetahuan social yang dikumpulkan lewat berbagai metode penelitian. Dilakukan kerja pertama SPSS di Stanford University dengan maksud untuk membuatnya tersedia hanya untuk dikonsumsi local dan tak ada distribusi internasional. Nie, seorang ilmuwan social dan Stanford doctoral calon, mengambil target sasaran dan menetapkan kebutuhan; Bent calon doctor Stanford university pada penelitian pelaksanaan, mempunyai keahlian analisa dan mendesain struktur

PatoZ


berkas sistem SPSS, dan Hull, yang baru tamat dari Stanfor dengan gelar MBA-nya , memprogram SPSS.

Kelebihan SPSS 1. SPSS mampu mengakses data dari berbagai macam format data yang tersedia seperti dBase, Lotus, Access, text file, spreadsheet, bahkan dapat mengakses database melalui ODBC (Open Data Base Connectivity) sehingga data yang sudah ada, dalam berbagai format, bisa langsung dibaca SPSS untuk dianalisis. 2. SPSS memberi tampilan data yang lebih informative, yaitu menampilkan data sesuai nilainya (menampilkan label data dalam kata-kata) meskipun sebetulnya kita sedang bekerja menggunakan angka-angka (kode data). 3. SPSS memberikan informasi lebih akurat dengan memperlakukan missing data secara tepat, yaitu dengan member kode alasan mengapa terjadi missing data. Misalnya karena pernyataan tidak relevan dengan kondisi responden, pertanyaan tidak dijawab, atau karena memang pertanyaannya yang harus dilompati. 4. SPSS melakukan analisis yang sama untuk kelompok-kelompok pengamatan yang berbeda secar sekaligus hanya dalam beberapa mouse klik saja. Misalnya mengetahui nilai minimum, maksimum dan rata-rata penjualan per kuartal wilayah penjualan secara bersamaan pada masing-masing kelompok produk, mengetahui hal-hal yang signifikan berpengaruh terhadap volume penjualan (apakah kelompok umur konsumen, tingkat pendidikan, jenis kelamin, besar pengeluran per bulan,dll) pada masing-masing wilayah penjualan 5. SPSS mampu merangkum data dalam format tabel multidimensi, yaitu beberapa field ditabulasikan secara bersamaan. Contohnya tabel persentase jumlah responden dari beberapa kelompok umur terhadap beberapa kategori produk perawatan rambut, tabel persentase jumlah responden dari beberapa tingkat pendidikan terhadap beberapa partai politik pilihan menurut beberapa wilayah pemilihan umum.

Beberapa istilah popular yang ada dalam SPSS, antara lain : 1. Populasi Populasi adalah keseluruhan objek yang menjadi perhatian dalam suatu eksperimen. Contohnya masyarakat miskin di Kabutan Sinjai, populasi bayi gizi buruk di rumah sakit Ibnu Sina Makassar, dan sebagainya. Dari populasi yang telah diobservasi nantinya akan diperoleh suatu karakteristik statistika yang biasa disebut dengan Parameter. 2. Sampel Sampel adalah sebagian objek yang diambil dari populasi di mana karakteristiknya akan diselidiki dan dianggap dapat mewakili seluruh populasi yang menjadi perhatian dalam


3.

4.

5.

6.

7.

8.

eksperimen. Karasteristik dari sampel disebut dengan statistic. Contoh sebuah rumah sakit swasta, mengambil sampel bayi dengan berat badan lahir rendah dengan persentase 15 %, 20 %, dan 25 %. Sementara cara pengambilan sampel dari suatu populasi secara garis besar terbagi menjadi dua, yaitu random dan non random. Random Yang dimaksud dengan pengambilan sampel dari suatu populasi secara random adalah pengambilan di mana setiap objek mempunyai probabilitas sama untuk terpilih. Dengan kata lain, sang peneliti tidak memilih objek tertentu untuk dijadikan sampel dalam eksperimen. Untuk mendapatkan sampel random biasanya dilakukan dengan undian atau menggunakan tabel bilangan random. Non random Sampel non random adalah cara pengambilan di mana sang peneliti memilih objek tertentu untuk dijadikan sampel. Cara non random ini biasanya disebut dengan sampel tetap (fixed sample). Berkaitan dalam menganalisa dan menarik suatu kesimpulan dari suatu masalah, berdasarkan kegiatan yang dilakukan statistic terbagi menjadi dua bidang, yaitu statistika deskriptif dan statistika induktif. Statistic deskriptif Merupakan bidang statistika yang mempelajari tentang susunan, penyajian data, yaitu dengan deskripsi atau penggambaran data yang diperoleh. Jadi, dalam statsitika deskriptif membicarakan tentang cara-cara pengumpulan data, menyederhanakan data eksperimen, kemudian mengadakan pengukuran pemusatan dan penyebaran data. Statistika induktif Merupakan bidang statistika yang mempelajari penarikan kesimpulan yang merupakan generalisasi dari suatu populasi berdasarkan sampelnya. Adapun yang termasuk kegiatan dalam statistika induktif adalah estimasi/perkiraan, peramalan (forecast), uji hipotesis, penghitungan dan uji kemaknaan asosiasi, dan lain sebagainya. Berdasarkan metode yang digunakan statistika induktif sendiri terbagi menjadi dua yaitu statistika parametric dan statistic nonparametric. Statistic parametric Merupakan bagian statistic induktif yang mempertimbangkan satu atau lebih parameter populasi. Biasanya pada statistic parametric berpijak pada suatu asumsi spesifik populasinya berdistribusi normal, selain itu data berukuran interval. Statistic non parametric Merupakan bagian dari statistic induktif yang tidak mempertimbangkan nilai parameter populasi. Jadi, analisa data pada statistika nonparametric tidak didasarkan pada asumsi distribusi normal. Biasanya data yang digunakan pada statistika nonparametric berukuran nominal dan ordinal. Baik dalam statistika deskriptif maupun statistika induktif diperlukan adanya ukuran data. Ukuran data yang digunakan pada suatu eksperimen terbagi menjadi empat tingkatan, yaitu nominal, ordinal, interval, dan rasio.


9. Nominal Ukuran data nominal yang merupakan skala pengukuran yang paling sederhana dan digunakan untuk mengkategorikan objek-objek amatan. Kategori ini selanjutnya dinotasikan dengan kata-kata, huruf symbol, ataupun angka. Dengan kata lain, ukuran data nominal yang berasal dari kata Name ini termasuk data kualitatif, yaitu data yang tidak berupa angka melainkan berupa kategori. Misalkan kategori jenis kelamin laki-laki dan perempuan, maka laki-laki diberi notasi angka 1 dan perempuan dengan notasi angka 2. 10. Ordinal Ukuran data ordinal juga merupakan tipe data kualitatif, perbedaanya dengan ukuran data nominal adalah pada ordinal terdapat tingkatan data. Adapun persamaannya adalah data tidak dapat ditambah, dikurang, dikali, ataupun dibagi karena data tidak menunjukkan besarnya nilai melainkan hanya kategori saja. Pada ukuran data ordinal memberikan urutan (ranking) objek eksperimen dari yang terendah ke tinggi atau berlaku sebaliknya. Contohnya kategori kelas social ekonomi masyarakat di daerah A lebih tinggi daripada di daerah B, namun seberapa besarnya tidak dapat diukur secara pasti. Ukuran data ordinal dinilai lebih tinggi daripada nominal karena pada ordinal ditentukan objek yang lebih besar/kecil. 11. Interval Interval termasuk tipe data kuantitatif, yaitu datanya dinyatakan dengan angka di mana data berupa urutan kuantitatif objek eksperimen. Ukuran data interval diperoleh dari hasil pengukuran dan mempunyai satuan pengukuran, namun perlu diperhatikan bahwa pada ukuran data interval tidak memuat nilai nol mutlak. Beda halnya dengan ukuran data nominal dan ordinal, ukuran data interval dapat ditambah, dikurangi, dikali ataupun dibagi. Contoh ukuran data interval,diadakan eksperimen tentang ukuran tingkat ekonomi pada daerah Sopeng dengan klasifikasi penghasilan sebagai berikut: a. Golongan A jika berpenghasilan <Rp 5000.000 b. Golongan B jika berpenghasilan antara Rp 500.000- Rp 1.000.000 c. Golongan C jika berpenghasilan > Rp 1.000.000 12. Rasio Ukuran data rasio termasuk pada tipe kuantitatif di mana data rasio bersifat angka sesungguhnya. Dengan kata lain, angka pada skala data rasio menunjukkan besarnya nilai objek yang diukur menggunakan titik nol mutlak. Jarak dan waktu antara dua titik skala tidak tergantung pada unit pengukuran. Contoh pada produksi kain tenun, jika pada suatu saat pabrik tidak produksi satupun kain, maka dikatakan produksi nol (tidak ada).


13. Data view Merupakan lembar kerja untuk proses input data atau memasukkan data. Kolomkolomnya memuat variabel data dan baris ditandai dengan angka 1, 2, 3 yang merupakan urutan data yang dimasukkan. 14. Variabel view Merupakan lembar kerja untuk mendefinisikan variabel data yang dimasukkan pada kotak Data View. Baris pada kotak variabel view ditandai dengan angka 1, 2, 3 menunjukkan urutan data yang didefinisikan, dan kolomnya memuat name, type, width, decimals, label, values, missing, column, align, dan measure.

Memulai SPSS 13.0 versi Windows Untuk memulai SPSS 13.0 pastikan terlebih dahulu software SPSS 13.0 telah terinstal pada komputer anda (baik dalam sistem operasi Windows XP, Windows Vista, Linux, ataupun Macintosh). Untuk memulai SPSS 13.0 awali dengan mengklik start, kemudian klik all programs selanjutnya klik SPSS for Windows lalu klik SPSS for Windows, sehingga akan tampak di layar seperti gambar berikut:

Gambar 1 Memulai SPSS


Gambar 2 Tampilan Muka SPSS

SPSS Data Editor Data editor mempunyai dua fungsi utama, yaitu: 1. Input data yang akan diolah oleh SPSS 2. Proses data yang telah diinput oleh prosedur statistic tertentu. Data editor terdiri atas sepuluh menu utama, yaitu file, edit, view, data, transform, analyze, graphs, utilities, windows, dan help. Menu file Menu file terdiri dari: 1. 2. 3. 4. 5.

Open : membuka file data yang telah dibuat atau disimpan Save & save as : untuk menyimpan data Display data info : untuk mengetahui karakteristik data Print : untuk mencetak data Exit : untuk keluar dari program SPSS


Menu edit Menu edit terdiri dari: 1. Undo & redo: mengembalikan data sebelum dan sesudah perubahan data sebelum disimpan 2. Cut & clear: menghapus data 3. Copy & paste: menduplikasikan data 4. Find: mencari data 5. Edit option: mengubah pilihan-pilihan pada berbagai tools. Menu view Menu view terdiri dari: 1. 2. 3. 4. 5.

Status bar: menampilkan status pengerjaan SPSS Tool bar: mengatur penampilan tools bar yang ada pada SPSS Fonts: mengubah model dan ukuran karakter Grid lines: menampilkan garis vertical dan horizontal pada data editor Value labels: pembuatan kalimat dan pada saat pemasukan menggunakan kode yang telah dibuat.

Menu data Menu data terdiri dari: 1. Define dates: mendefinisikan tanggal menyangkut pekerjaan yang berhubungan dengan time series 2. Insert variable: menyisipkan satu variabel diantara dua buah variabel 3. Insert case: menyisipkan satu kasus diantara dua buah kasus 4. Go to case: menemukan sel tertentu 5. Sort case: mengurutkan data 6. Transpose: mentransformasikan baris menjadi kolom atau sebaliknya 7. Merge files: menggabungkan dua buah file yang mempunyai variabel yang sama namun kasus berbeda 8. Aggregate: meringkas data menurut kriteria tertentu dan disajikan secara garis besar 9. Split file: memisahkan isi file dengan kriteria tertentu 10. Select case: menyeleksi file dengan kriteria tertentu 11. Weight case: menghitung data dengan kriteria tertentu.


Menu transform Menu transform terdiri dari: 1. Compute: menambah variabel baru yang berisi hasil perhitungan berdasarkan data dari variabel yang sama 2. Random number seed: membuat nilai-nilai random pada SPSS 3. Count: menghitung data dengan kriteria tertentu. 4. Recode: memberi kode ulang ke suatu variabel berdasarkan kriteria tertentu 5. Categorize variables : mengkategorikan data 6. Rank cases: mengurutkan data sesuai dengan rangking atau kelasnya 7. Automatic recode: mengubah value yang berupa string atau numeric ke integer 8. Create time series: membuat variabel pada time series 9. Replace missing value: mengelola missing value pada time series. Menu analyze Menu analyze merupakan jantung dari SPSS karena dengan menu ini seluruh pengelolaan data dilakukan. Menu analyze terdiri dari: 1. Reports 2. Descriptive statistic 3. Compare means 4. General linear model 5. Correlate 6. Regression 7. Loglinear 8. Classify 9. Data reduction 10. Scale 11. Non parametric test 12. Survival 13. Multiple response Menu windows Menu ini berfungsi menampilkan window apa saja yang sekarang ada pada SPSS. Menu ini terdiri dari: 1. Minimize all windows 2. Window atau jendela yang terhubung dengan data editor, output dan chart


Menu help Menu ini berfungsi sebagai tambahan. Menu help terdiri dari: 1. 2. 3. 4. 5. 6. 7.

Topics Tutorial SPSS homepage Syntax guide Statistic coach About Register product

Menu graphs Menu ini berfungsi untuk menampilkan grafik atau chart yang merupakan hasil perhitungan statistic data yang ada pada data editor. Menu graphs terdiri dari: 1. Gallery 2. Interactive 3. Bar 4. Line 5. Area 6. Pie 7. High low 8. Pareto 9. Control 10. Boxplot 11. Error bar 12. Scatter 13. Histogram 14. P-P 15. Q-Q 16. Sequence 17. ROC curve 18. Time series Menu utilities Menu ini berfungsi sebagai menu tambahan. Menu utilities terdiri dari: 1. Variables: menampilkan informasi tentang sebuah variabel 2. File info: melihat tampilan secara rinci property setiap variabel dalam sebuah file 3. Define sets: menampilkan variabel-variabel dalam sebuah data yang dianggap relevan


4. Auto nem case 5. Run script 6. Menu editor: menampilkan menu tambahan tersendiri, diluar menu-menu standar.

Main Menu SPSS Data Editor Main menu atau menu utama pada SPSS Data Editor terdiri atas 10 menu utama, antara lain File, Edit, Data, Transform, Analyze, Graphs, Utilities, Window, dan Help. Memasukkan Data pada SPSS 13.0 pada Windows Untuk memulai memasukkan data pada program SPSS, kita mulai dengan mengklik Variabel View, yang akan terlihat kolom-kolom yang memuat beberapa variabel, seperti pada gambar berikut ini:

Gambar 3 Tampilan Variabel View Name Kolom name digunakan untuk memberikan nama variabel data dengan panjang maksimum 64 karakter. Untuk mengaktifkan kolon name, letakkan pointer di bawah kolom name, klik ganda, kemudian ketik nama variabel data.


Type Kolom type menunjukkan tipe data yang digunakan. Untuk mengaktifkan kolom type, letakkan pointer di bawah kolom type baris 1, klik tanda sehingga akan Nampak seperti gambar berikut:

Gambar 4 Kotak dialog variabel type Terdapat 8 macam tipe data, yaitu: a. Numeric, data yang digunakan bertipe numeric atau berupa angka (kuantitatif) b. Comma, data berupa angka yang menggunakan tanda koma sebagai pemisah bilangan ribuan. c. Dot, data berupa angka menggunakan tanda titik sebagai pemisah bilangan ribuan. d. Scientific notation, data berupa angka menggunakan symbol E untuk kelipatan 10. e. Date, data berupa waktu f. Dollar, data berupa angka diawali dengan tanda $, tanda koma sebagai pemisah bilangan ribuan, dan titik sebagai decimal. g. Custom currency, data berupa angka menyatakan mata uang tertentu. h. String, data yang digunakan bertipe huruf (bukan angka). Width Kolom width menunjukkan lebar digit data, untuk data bertipe string disediakan masukkan 1 sampai dengan 32767 digit, dan data bertipe numerik disediakan masukan 1 sampai 40 digit. SPSS memberikan default Width 8 digit. Untuk mengaktifkannya, letakkan pointer pada kolom width, klik tanda tanda panah ke atas untuk menambah angka digit, dan tanda panah ke bawah untuk mengurangi angka digit. Decimals Kolom decimals menunjukkan angka decimal dari data (apabila ada) dengan maksimum 16 angka desimal. Jika datanya berupa string, secara otomatis pada kotak dialog variabel type pilihan decimal menghilang digantikan oleh character. Secara default SPSS memberikan 2 angka decimal. Untuk mengaktifkan kolom desimal, letakkan pointer pada kolom desimal, klik tanda


tanda panah atas untuk menambah angka desimal, dan tanda panah bawah untuk mengurangi angka desimal. Label Kolom label memberikan keterangan tambahan pada nama variabel data (jika ada). Jika tidak ada, kolom ini dapat diabaikan dengan tanpa mempengaruhi proses data. Untuk memberi label pada data, letakkan pointer pada kolom label, kemudian ketikkan keterangan tambahan pada variabel data. Values Kolom values digunakan untuk memberi kode data atau mengkategorikan data (jika ada). Jika data bersifat unik atau tanpa kategori, abaikan kolom ini karena tidak mempengaruhi proses data. Untuk mengaktifkan kolom values, letakkan pointer pada kolom values, klik tanda sehingga akan tampil seperti gambar berikut:

Gambar 5 Kotak dialog Value Labels Missing Kolom missing digunakan apabila terdapat data yang hilang atau kosong (jika ada). Jika data lengkap, abaikan kolom ini karena tidak mempengaruhi proses data. Untuk mengaktifkan kolom missing, letakkan pointer pada kolom missing, klik tanda sehingga terlihat seperti gambar berikut:


Gambar 6 Missing Values Column Kolom column berfungsi memberikan lebar kolom sesuai lebar pemasukan data yang diinginkan, yaitu antara 1 sampai 255 digit. Untuk mengaktifkan kolom column, letakkan pointer pada kolom column, klik tanda panah atas untuk menambah angka digit, dan tanda panah bawah untuk mengurangi angka digit. Align Kolom align digunakan untuk mengatur posisi data, apakah berada di kanan, kiri atau tengah, yaitu dengan cara klik tanda dan pilih posisi yang diinginkan. Posisi left untuk kiri, right untuk kanan, dan center untuk tengah. Secara default SPSS memberikan posisi align right atau rata kanan. Measure Kolom measure digunakan untuk menentukan tipe ukuran variabel data, untuk data bertipe string terdiri atas nominal dan ordinal, dan untuk data bertipe kuantitatif tanpa kategori dipilih tipe scale. Untuk mengaktifkan kolom ini, letakkan pointer pada kolom measure, klik tanda , kemudian pilih tipe ukuran variabel yang sesuai data yang dimasukkan.

Memasukkan Data ke dalam Program SPSS Contoh kasus, data berikut ini memuat daftar nilai ujian final semester Matakuliah Biomedik Dasar yang dimbil dari 15 mahasiswa jurusan Keperawatan.


no 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

nama Anton Chandrawinata Budi Aswin Cintia Isabel Dono Edi Fani Saiman Gadis Pratiwi Harni Balanipa Irma Suryani Jeni Lani Meilan Mariani Nani Agustina Opik Ramadhan Rika Sulistiawati

nilai 73 67 69 81 78 77 69 72 75 74 67 71 78 79 69

Jenis kelamin Laki-laki Laki-laki Perempuan Laki-laki Laki-laki Perempuan Perempuan Perempuan Perempuan Perempuan Laki-laki Perempuan Perempuan Laki-laki perempuan

Langkah-langkah penyelesaian Pendefinisian variabel data Data pada tabel diatas terdiri dari 4 variabel data, yaitu no, nama, nilai, dan jenis kelamin. Untuk varibel jenis kelamin, perempuan diberi kode 1, dan laki-laki diberi kode 2 sehingga setelah ditransformasikan ke angka tabel data di atas, menjadi sebagai berikut no 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

nama Anton Chandrawinata Budi Aswin Cintia Isabel Dono Edi Fani Saiman Gadis Pratiwi Harni Balanipa Irma Suryani Jeni Lani Meilan Mariani Nani Agustina Opik Ramadhan Rika Sulistiawati

nilai 73 67 69 81 78 77 69 72 75 74 67 71 78 79 69

Jenis kelamin Laki-laki Laki-laki Perempuan Laki-laki Laki-laki Perempuan Perempuan Perempuan Perempuan Perempuan Laki-laki Perempuan Perempuan Laki-laki perempuan

Jenis kelamin 2 2 1 2 2 1 1 1 1 1 2 1 1 2 1


Aktifkan kotak variabel view dengan cara klik variabel view yang terletak pada baigan kiri bawah kotak SPSS Data Editor. Setelah masuk pada kotak Variabel View, mulailah pendefinisian variabel data. Baris 1, variabel data no -

Kolom name: ketik dengan no Kolom type: pilih numeric (default) karena data berupa nomor 1, 2, 3, â&#x20AC;Ś.15 merupakan angka (kuantitafi) Kolom width: abaikan Kolom decimal: isi 0 karena data berupa angka 1, 2, 3, â&#x20AC;Ś., 15 merupakan bilangan bulat tanpa angka desimal Abaikan kolom lainnya

Baris 2, variabel data nama -

Kolom name: ketik dengan nama Kolom type: pilih string karena data terdiri atas huruf (non angka) Kolom width: ketik 20 Abaikan kolom lainnya

Baris 3, variabel data nilai -

Kolom name: ketik dengan nilai ujian Kolom type: pilih numeric (default) karena data berupa angka. Kolom decimals: ketik 0 karena data tidak mengandung angka desimal. Abaikan kolom lainnya

Baris 4, variabel data jenis kelamin -

-

Kolom name: ketik dengan jenis_kelamin Kolom type: pilih numeric (default) karena data berupa angka Kolom width: ketik angka 1 Kolom decimals: ketik 0 Kolom values: klik kolom values pada baris 4, isikan dengan langkah-langkah berikut a. Value: 1, value label: perempuan, klik add b. Value: 2, value label: laki-laki, klik add Klik ok,tampilan kolom values setelah pengisian:


Gambar 7 Value Labels -

Abaikan kolom lainnya

Entri data (Memasukkan Data ke dalam Program SPSS) Setelah proses pendefinisian selesai, selanjutnya adalah proses entri data. Aktifkan kotak data view untuk mulai memasukkan data dengan klik Data View yang ada pada bagian kiri bawah kotak SPSS Data Editor. Kolom 1, variabel data no -

Isian baris pertama: ketik 1, enter Isian baris kedua: ketik 2, enter, dan seterusnya hingga data yang ke lima belas.

Kolom 2, variabel data nama -

Isian baris pertama: ketik Anton Chandrawinata, enter Isian baris kedua: ketik Budi Aswin, enter, dan seterusnya hingga data yang kelima belas.

Kolom 3, variabel data nilai -

Isian baris pertama: ketik 73, enter Isian baris kedua: ketik 67, enter, dan seterusnya hingga data yang kelima belas.

Kolom 4, variabel data jenis kelamin -

Isian baris pertama: ketik 2, enter Isian baris kedua: ketik 2, enter, dan seterusnya hingga data yang kelima belas dengan disesuaikan dengan jenis kelaminnya.

Setelah pengisian data selesai, kotak data view dapat dilihat seperti gambar berikut:


Gambar 8 Kotak Data View Menyimpan Data SPSS Setelah entri data, maka data perlu disimpan dengan melakukan langkah-langkah berikut: a. Pada kotak SPSS Data Editor, klik save atau save as. Dengan menggunakan contoh kasus diatas.


Gambar 9 Save As b. Selanjutnya akan muncul tampilan seperti gambar berikut:

Gambar 10 Save Data As c. Selanjutnya tentukan dimana data tersebut akan disimpan dan klik save.

Statistic Deskriptif Statistic deskriptif merupakan gambaran statistika tentang data. Dalam SPSS 13.0, pada menu Analyze untuk submenu Deskriptives Statistics ada 4 pilihan berkaitan dengan statistika deskriptif, yaitu frequencies, descriptive, explore, dan crosstabs. Latihan 1 Suatu analisis dilakukan untuk mengetahui kandungan lemak, kolesterol, dan kalori dalam snack makanan ringan. Diambil secara acak 8 macam snack dengan rasa asin dan manis, dan diperoleh data sebagai berikut.


Frequencies Frekuensi memberikan deskripsi statistika data tentang prosentase, prosentase kumulatif, rata-rata, median, mode, sum, standar deviasi, variasi, range, minimum dan maksimum, sesatan rata-rata, skewness dan kurtosis, kuartil, serta diagram dengan berbagai bentuk. Analisis output latihan 1 Frequencies Deskriptives Deskriptives selain menampilkan skor z-standar dari suatu distribusi juga memberikan informasi tentang ukuran sampel, rata-rata, nilai minimum dan maksimum, standar deviasi, variansi, range, sum, standar sesatan rata-rata, kurtosis dan skewness, beserta standar sesatannya. Analisis output latihan 1 dengan analisis deskriptives Explore Explore menampilkan informasi tentang ukuran pusat yang mengindikasikan lokasi distribusi dengan ukuran rata-rata, median, dan 5 % trimmed mean, serta ukuran penyebaran yang meliputi standar deviasi, minimum dan maksimum, range. Selain daripada itu juga dapat memberikan keterangan tentang bentuk distribusi berupa skewness dan kurtosisnya. Analisis output latihan 1 dengan analisis explore Crosstabs Crosstabs merupakan tabel silang yang biasanya digunakan untuk menampilkan informasi tentang hubungan antara dua variabel atau pengaruh satu variabel yang satu terhadap variabel yang lain. Dengan menggunakan soal latihan 1, kita akan mencoba untuk mengetahui ada tidaknya hubungan antara kandungan kolesterol dengan kalori yang ada pada snack makanan ringan. Analisis output latihan 1 dengan analisis crosstabs


Compare mean Uji perbandingan rata-rata bertujuan untuk menguji apakah rata-rata pada satu sampel sesuai dengan suatu nilai pembanding, uji homogenitas rata-rata antarsampel, dan uji signifikansi perbedaan antara rata-rata sampel. Uji T satu sampel Uji T satu sampel digunakan untuk mengetahui rata-rata satu sampel yang diambil apakah sesuai dengan nilai pembanding, yaitu melalui One Sample T Test. Latihan 2 Seorang perawat ingin mengetahui apakah obat yang diminum oleh pasien berpenyakit lever (akibat kecanduan alkohol) mempunyai efek terhadap penurunan berat badan pasien. Untuk itu, sebuah sampel yang terdiri atas 10 orang masing-masing diukur berat badannya. Berikut adalah hasilnya (angka dalam kilogram berat badan).

Misalkan, diduga populasi rata-rata berat sebelum minum obat adalah 84,51 kg. untuk membuktikan hal tersebut, sejumlah tertentu pasien penyakit lever ditimbang, dan mereka mempunyai rata-rata berat badan 90 kg. Berdasarkan data diatas, apakah dapat disimpulkan bahwa berat populasi rata-rata memang 84,51 kg ? Uji T Sampel Independen Uji T sampel independen digunakan untuk mengetahui signifikansi rata-rata antara sampel yang saling independen, yaitu melalui independent Sample T Test. Latihan 3 Seorang peneliti ingin mengetahui apakah ada perbedaan antara tinggi dan berat badan seorang pria dan seorang wanita. Untuk itu 7 pria dan 7 wanita masing-masing diukur tinggi dan berat badannya. Berikut hasilnya (angka dalam centimeter untuk tinggi dan kilogram untuk berat badan):


Uji t dua sampel dilakukan dalam dua tahapan; tahapan pertama adalah menguji apakah varians dari dua populasi bisa dianggap sama? Setelah itu, baru dilakukan pengujian untuk melihat ada tidaknya perbedaan rata-rata populasi. Pada dasarnya, uji t mensyaratkan adanya kesamaan varians dari dua populasi yang diuji, jika asumsi tersebut tidak terpenuhi, SPSS akan menyediakan alternative jawaban uji t yang lain. a. Tinggi badan Pertama dilakukan pengujian apakah ada kesamaan varians pada data pria dan wanita; pengujian asumsi kesamaan varians dilakukan lewat uji F. Mean Difference (Perbedaan Rata-Rata) Setelah dilakukan uji dengan F test dan t test dan diketahui penggunaan Equal variance assumed dan Equal variance not assumed, dan diketahui ada perbedaan yang nyata antara tinggi dan berat badan pria dan wanita, langkah selanjutnya adalah mengetahui seberapa besar perbedaan tersebut. Uji T Sampel Berpasangan Uji T sampel berpasangan digunakan untuk mengetahui signifikansi rata-rata antara sampel yang saling berpasangan, yaitu melalui Paired Sample T Test. Latihan 4 Seorang instruktur tertarik mengetahui keefektifan terapi fitness yang selama ini ia bina. Ia ingin mengetahui apakah rata-rata berat badan konsumennya sebelum dan sesudah mengikuti terapi fitness signifikan sama atau berbeda. Dengan tingkat signifikansi 5 %. Diperoleh data pada 10


orang konsumennya berikut berat badan (dalam kg) sebelum dan sesudah mengikuti fitness terapi, sebagai berikut:

Anova satu arah Anova satu arah dipergunakan untuk menganalisis variansi dengan satu arah, disebut satu arah karena hanya satu factor yang diselidiki dengan unit eksperimen sama atau seragam. Latihan 5 Sebuah pabrik memperkerjakan beberapa karyawan dalam empat shift (satu shift terdiri atas sekelompok pekerja yang berlainan). Koordinator karyawan tersebut ingin mengetahui apakah ada perbedaan keaktifan yang nyata di antara empat kelompok kerja shift yang ada selama ini. Berikut datanya:


Statistic non parametric Statistic non parametric merupakan metode statistic yang tidak didasarkan pada suatu parameter populasi, seperti halnya pada statistic parametric. Adapun kelebihan-kelebihan metode statistic non parametric, antara lain: 1. Selain dapat dipergunakan untuk data dengan skala ordinal dan nominal, juga untuk data dengan ukuran sampel kecil. 2. Penggunaannya lebih luas karena lebih dapat diaplikasikan dalam situasi-situasi tertentu. 3. Dapat digunakan untuk menganalisa perbedaan jumlah sampel. 4. Mudah dilakukan dan dipahami dalam penerapannya. Uji Chi Square Digunakan untuk melakukan uji kesesuaian, uji independensi, dan uji homogenitas. Uji kesesuaian Latihan 6 Rasio jenis kelamin laki-laki dan perempuan sedang diselidiki. Apabila pada suatu daerah dari 100 bayi yang lahir, 54 adalah laki-laki dan 46 adalah perempuan, maka apakah rasio jenis kelamin bayi di daerah tersebut sudah mengikuti distribusi seragam? Dengan Îą=0,05. Uji independensi Uji independensi adalah uji yang dilakukan untuk mengetahui signifikansi independensi antarvariabel. Latihan 7 Seorang mahasiswa melakukan penelitian untuk mengetahui hubungan antara persepsi tentang kerentanan terhadap penyakit dan pemilihan jenis pemberi pelayanan kesehatan. Dari populasi pemakai pelayanan kesehatan dan tradisional diambil sampel, dan kerentanan dibagi kategori sangat serius dan kurang serius. Data yang diperoleh sebagai berikut: Pilihan pelayanan kesehatan

Persepsi kerentanan penyakit Sangat serius Kurang serius 24 6 Rumah sakit 8 12 Dukun Dengan tingkat signifikansi 5 % untuk mengannalisis hal tersebut.


Uji homogenitas Uji homogenitas dilakukan untuk menyelidiki apakah sampel-sampel data yang diambil homogen atau tidak. Latihan 8 Sebuah studi kasus tentang insidensi depresi pada penderita hipoglikemia dan yang tidak menderita hipoglikemia. Dipilih secara acak 200 sampel yang terdiri dari sampel 1, yaitu 50 orang dengan hipoglikemia dan sampel 2 sejumlah 150 orang tanpa hipoglikemia. Uji hipotesisnya adalah insidensi depresi pada penderita hipoglikemia lebih tinggi daripada bukan penderita hipoglikemia, dengan datanya sebagai berikut:

Sampel 1 (hipoglikemia) Sampel 2 (tanpa hipoglikemia) Dengan tingkat signifikansi 5 %.

Ya 30 72

Depresi Tidak 20 78

Total 50 150

Uji binomial Distribusi binomial merupakan distribusi di mana menghasilkan dua kemungkinan peristiwa, missal gagal atau sukses, hidup atau mati, dsb. Uji binomial menggunakan parameter proporsi atau perbandingan yang merupakan uji hipotesis, apakah proporsi sampel yang diselidiki sesuai atau tidak dengan proporsi populasi yang dibandingkan. Latihan 9 Suatu studi dilakukan untuk mengetahui adanya pengaruh didirikannya pusat tenaga nuklir terhadap para pekerja dan penduduk yang tinggal disekitar wilayah Makassar, yaitu bahaya kanker karena radiasi yang ditimbulkannya. Apabila diperoleh informasi bahwa 4 dari 13 kematian para pekerja usia 55-64 tahun di pusat pembangkit tenaga nuklir karena kanker dan disebutkan 20 % dari semua kematian disebabkan karena kanker, maka benarkah pendapat bahwa tenaga nuklir berdampak pada kesehatan masyarakat di sekitarnya? (Îą = 0,05) Uji runs Uji runs digunakan untuk mengetahui pola keacakan (kerandoman) suatu kejadian. Jadi, dengan uji runs dapat diketahui suatu kejadian merupakan proses random atau tidak. Latihan 10 Seorang perawat ruangan bayi suatu rumah sakit ingin mengetahui keberagaman bayi yang lahir dalam jangka waktu tertentu. Ia ingin menyelidiki apakah bayi yang lahir beragam secara acak antara laki-laki-laki dan perempuan atau tidak. Diperoleh data sebagai berikut:


no

bayi yang lahir 1 laki-laki 2 perempuan 3 perempuan 4 laki-laki 5 laki-laki 6 laki-laki 7 perempuan 8 perempuan 9 laki-laki

10 perempuan 11 laki-laki 12 laki-laki 13 perempuan 14 perempuan 15 perempuan 16 laki-laki 17 laki-laki 18 perempuan 19 perempuan 20 laki-laki

Uji kolmogorov smirnov Uji kolmogorov smirnov digunakan untuk melakukan uji kesesuaian sampel dengan suatu bentuk distribusi populasi tertentu atau dapat pula untuk uji kesesuaian apakah dua sampel berasal dari dua populasi yang identik. Perbedaan antara uji kesesuaian Kolmogorov Smirnov


dengan uji kesesuaian Chi-square adalah pada uji ini dapat digunakan unuk data berskala ordinal. Latihan 11 Berdasarkan data berikut, analisis apakah populasi tekanan darah asal sampel didistribusikan secara normal? Îą = 0,05 Tekanan darah sistolik (mmHg) sampel 111 134 159 130 151 128 125 120 137 123 145 139 142 105 179 109 100 102 115 162 Uji Mann Whitney Uji ini digunakan untuk menguji signifikansi perbedaan antara dua sampel independen. Uji ini menggunakan data dengan skala ordinal. Latihan 12 Data biaya (dalam ribuan) rata-rata harian rawat tinggal pasien bedah di rumah sakit pemerintah dan rumah sakit swasta. Îą = 0,05 rumah sakit pemerintah 118 146 128 126 126

rumah_sakit_swasta 162 156 170 144 164

Uji Kruskal Wallis Uji ini dipergunakan untuk k-sampel yang saling independen (k-indepenten sampel). Data digunakan berskala ordinal. Latihan 13 Duapuluh orang mengikuti program penurunan berat badan dalam 4 macam program (A, B, C, dan D). Data yang diperoleh secara acak di bawah ini adalah penurunan berat badan (dalam kg) sebagai berikut:


A 6.2 8.4 7.8 9.5 10

B 14.4 15.7 13.2 18.6 10.3

C 12.5 12.1 12.7 16.9 11.8

D 13.5 13.3 11.1 15.5 17.7

Îą = 0,05 Uji Wilcoxon Uji ini digunakan untuk menguji signifikansi antara dua sampel yang saling berhubungan dan berskala ordinal. Latihan 14 Sebuah tim sepakbola mengikuti uji pengaruh latihan fisik terhadap penurunan trigliserida serum (milligram/100 mililiter darah) dan diperoleh data: Pra-latihan 131 77 24 99 629 116 68 77 94 73 37

Pasca latihan 121 136 65 131 630 104 95 90 86 58 47

Îą = 0,05 Uji Friedman Uji ini digunakan untuk menguji perbedaan beberapa sampel yang berhubungan (krelated sampel). Latihan 15 Sebuah riset dilakukan untuk membandingkan energi yang dibutuhkan pada kegiatan berjalan, berlari, dan bersepeda (data energy dalam kilokalori/km). apakah ada perbedaan energy yang dibutuhkan untuk ketiga macam kegiatan tersebut. Îą = 0,05.


subyek 1 2 3 4 5 6 7 8

berjalan 2.0 1.7 1.5 1.6 1.7 1.8 1.5 1.4

berlari 1.3 1.1 1.2 0.7 1.3 1.3 1.2 1.1

bersepeda 0.6 0.4 0.7 0.1 0.8 0.7 0.8 0.7

Regresi linear Regresi linear merupakan suatu model yang diasumsikan mengikuti bentuk linear atau garis lurus hubungan antara dua variabel yang disebut sebagai dependent variabel atau variabel predictor. Suatu model adalah linear karena menambah nilai jth predictor dengan penambahan 1 unit dependent dengan bj units. Dengan catatan bahwa bo adalah intercept, nilai dapat diprediksi dari dependent variabel ketika nilai dari setiap predictor adalah sama dengan 0. Latihan 16 Sebuah penelitian dilakukan pada sebuah toko komputer untuk mencari pengaruh besarnya biaya promosi dengan nilai penjualan barang dalam satu bulan. Diperoleh data sebaga berikut:


KESIMPULAN

1. Metode statistika dapat dibedakan menjadi dua bagian utama, yaitu: a. Statistika parametric: analisis yang didasarkan atas asumsi bahwa data memiliki sebaran tertentu (diskrit atau kontinu, normal atau tidak normal) dengan parameter yang belum diketahui. Fungsi metode statistika adalah untuk meramal parameter, melakukan uji parameter, atau semata-semata melakukan eskplorasi berdasarkan informasi yagn ada pada data. b. Statistika nonparametric: analisis yang tidak didasarkan atas asumsi distribusi pada data.Umumnya teknik ini dipakai untuk data dengan ukuran kecil sehingga tidak cukup kuat untuk mengasumsikan distrbusi tertentu pada data. 2. Persoalan yang dihadapi pada umumnya adalah menduga atau menguji parameter yang belum diketahui dari distribusi tertentu yang dianggap sesuai dengan kondisi data. Metode statistika yang diturunkan seperti ini disebut metode parametric. Namun tidak semua metode parametric melakukan uji parameter (uji hipotesis), beberapa diantaranya hanya melakukan eksplorasi informasi yang melaporkan kesimpulan yang diperoleh dari eksplorasi tersebut. 3. Statistic dengan uji hipotesis yaitu untuk membuktikan dengan alat statistika, apakah dugaan yang dimiliki dapat dibuktikan benar atau sebaliknya. Ada dua kelompok besar yang dapat dilakukan dengan uji hipotesis, yaitu: a. Uji hipotesis terkait uji rerata yaitu untuk menguji atau mengestimasi besarnya rerata 1 kelompok, menguji beda dua kelompok atau lebih, dengan berbagai kondisi kelompok (saling bebas atau berpasangan/tidak saling bebas). b. Uji hubungan baik terbatas pada besarnya derajat asosiasi (uji korelasi) atau mencari bentuk hubungan fungsional bebrapa variabel (uji regresi). Uji regresi saat ini juga telah berkembang sangat luas tergantung distrbusi variabel respon yagn dihadapi. 4. Uji rerata, untuk data dengan 1 subpopulasi atau 2 subpopulasi (sering juga disebut kelompok dengan satu atau dua kategori), uji yang dipakai adalah uji Z atau T. Sedangkan untuk subpopulasi lebih dari dua dipergunakan uji F atau Anova. a. Uji T dan uji Z - Kita ingin menguji apakah rerata keseluruhan populasi sama dengan angka tertentu. Dalam hal ini ada dua uji statistika yang dapat dilakukan, yaitu: 1. Uji T satu kelompok jika ukuran sampel kecil dan variansi populasi tidak diketahui. 2. Uji Z satu kelompok jika ukuran sampel cukp besar atau variansi populasi diektahui. - Kita ingin menguji apakah rerata dua kelompok sama atau berbeda. Dengan kata lain apakah suatu atribut berpengaruh terhadap suatu kondisi yang menjadi perhatian.


1. Uji T dua kelompok saling bebas jika ukuran sampel kecil dan variansi populasi tidak diketahui. 2. Uji Z dua kelompok saling bebas jika ukuran sampel cukup besar atau variansi populasi diketahui. - Kita ingin menguji apakah rerata dua kelompok sama atau berbeda. Dengan kata lain apakah suatu eksperimen memberi dampak seperti yang diperkirakan. Dalam hal ini dua subpopulasi yang terbentuk merupakan subpopulasi yang tidak saling bebas atau bahkan dua atribut, pre & post treatment/test atau dua subpopulasi yang saling berpasangan, 1. Uji T dua kelompok berpasangan jika ukuran sampel kecil dan variansi populasi tidak diketahui 2. Uji Z dua kelompok berpasangan jika ukuran sampel cukup besar dan variansi populasi diketahui. b. Uji F/Anova Jika banyaknya subpopulasi lebih dari dua (tiga atau lebih), maka uji yang dapat dilakukan adalah uji anova. Pada umumnya uji anova dibatasi pada subpopulasi yan saling bebas yaitu subpopulasi satu dengan lainnya bukan merupakan subpopulasi yan sama, juga bukan merupakan subpopulasi yang berpasangan. Uji anova dibedakan menjadi dua macam, yaitu: 1. Anova satu arah (jika hanya ada satu pengelompokkan yang menjadi perhatian, misalnya status social) 2. Anova multi arah (jika hanya ada lebih dari satu pengelompokkan yang menjadi perhatian). 3. Multivariant anova, yaitu anova untuk respon yang tidak saling bebas. Data multivariant ini terjadi jika kelompok yang sama diamati untuk lebih dari dua atribut. 5. Statistic nonparametric, merupakan analisis statistika bebas distribusi. Kondisi ini biasanya diberlakukan pada data dengan ukuran kecil dan dengan skala pengukuran yang jauh dari skala interval. Karena ukuran data yang kecil, ukuran pemusatan yang menjadi focus tidak lagi rerata melainkan median. a. Uji kelompok saling bebas Untuk menguji adanya beda median antra dua kelompok yang saling bebas. Ada dua uji nonparametric yang dapat dilakukan, yaitu: 1. Uji Mann-Whitney, merupakan salah satu uji statistic non parametric dapat diterapkan untuk menguji apakah dua kelompok independen populasi yang sama. Prinsipnya adalah membandingkan median perangkat dari sampel pertama dengan dari sampel kedua. 2. Uji Wilcoxon, untuk kelompok saling bebas. b. Uji kelompok berpasangan Uji yang dapat dipergunakan adalah uji wilcoxon untuk data berpasangan


c. Uji lebih dari dua kelompok saling bebas Uji yang dipergunakan adalah uji H Kruskal-Walis d. Korelasi rank spearman Korelasi yang dihitung adalah korelasi rank dari Spearman.


modul spss