laporan ade bekerja dengan spss
BAB I
PENDAHULUAN
A. Dasar Teori
a.
SPSS
SPSS (Statistical Package for the Social Sciences : Paket Statistik
untuk Ilmu Sosial) adalah sebuah program yang digunakan untuk analisis
statistik. Dalam banyak hal, SPSS sebanding dengan Excel. Hal ini dapat
digunakan untuk menghitung, dan membuat diagram. Namun, ada
kemungkinan lebih banyak dalam SPSS daripada di Excel, dan sejumlah
prosedur yang lebih mudah untuk dilakukan di SPSS. Di sisi lain, dalam
beberapa situasi Excel mungkin merupakan pilihan yang lebih baik. Data
dapat dipertukarkan antara SPSS dan Excel agak mudah. SPSS ada untuk
PC dan untuk Macintosh dan untuk menggunakannya harus punya
Lisensi. Tutorial ini bertujuan untuk memberikan suatu pendahuluan
SPSS. Diasumsikan bahwa Anda akrab dengan Excel.
SPSS merupakan software statistik yang paling populer, fasilitasnya
sangat lengkap dibandingkan dengan software lainnya, penggunaannya
pun cukup mudah. Langkah pertama yang harus dilakukan adalah dengan
cara menginstal terlebih dahulu software SPSS yang akan digunakan.
Pada pembelajaran kali ini menggunakan Software SPSS 12. Saat ini
software SPSS telah mengalami berbagai penambahan fasilitas, versi
terkini yaitu SPSS 17. Cara mempelajarinya tidak jauh berbeda dengan
SPSS versi lainnya.
b.
Inputing Data dan Mendefinisikan Variabel
Dalam menganalisis data menggunakan SPSS, kita harus menyusun
data dan mendefinisikan variabel. Setiap jenis informasi tertentu (seperti
pendapatan atau jenis kelamin atau suhu atau dosis) disebut variabel.
Terdapat berbagai jenis variable seperti variabel numerik (setiap nomor
yang dapat Anda gunakan dalam perhitungan), variabel string (teks atau
1
2
angka yang Anda tidak dapat menggunakan dalam perhitungan),
mata uang (nomor dengan dua dan hanya dua tempat desimal) dan
variabel dengan spesifik format. Anda harus menetapkan variabel Anda
sesuai dengan jenis data yang akan diisikan. Dapat menggunakan salah
satu dari jenis berikut, seperti yang didefinisikan oleh SPSS.
1) Numeric : Sebuah variabel yang bernilai angka. Nilai ditampilkan
dalam standar format numerik. Data Editor menerima nilai numerik
dalam format standar atau dalam notasi ilmiah.
2) Koma : Sebuah variabel nilai numerik yang ditampilkan dengan
koma. Editor Data menerima nilai numerik untuk variabel koma
dengan atau tanpa koma, atau di notasi ilmiah.
3) Dot : Sebuah variabel nilai numerik yang ditampilkan dengan dot
(titik). Editor Data menerima nilai numerik untuk dot variabel
dengan atau tanpa titik, atau dalam ilmiah notasi.
4) Notasi ilmiah : Sebuah variabel nilai numerik yang ditampilkan
dengan huruf E (eksponen sepuluhan). Data Editor menerima
numerik nilai untuk variable tersebut dengan atau tanpa eksponen.
Eksponen bisa didahului baik oleh E atau D dengan tanda opsional.
5) Date : Sebuah variabel nilai numerik yang ditampilkan dalam salah
satu dari beberapa data kalender seperti jam. Pilih format dari daftar.
6) Custom currency (mata uang).
7) String : Nilai dari variabel string yang tidak numeric, dan karenanya
tidak digunakan dalam perhitungan. Mereka dapat mengandung
karakter sampai dengan panjang yang didefinisikan. Huruf besar dan
huruf kecil dianggap berbeda. Juga dikenal sebagai variabel
alfanumerik.
c.
Nama Variabel dan label
Dalam SPSS, nama variabel delapan karakter dan tidak boleh
memuat spasi,bkoma, tanda hubung. Aturannya sebagai berikut :
1) Nama harus dimulai dengan huruf.
2) Nama tidak boleh diakhiri dengan periode.
3) Nama tidak boleh lebih dari delapan karakter.
4) Nama tidak bisa kosong atau berisi karakter khusus.
3
5) Nama harus unik.
d.
Analisis Diskriptif
Analisis
Diskriptif
adalah
analisis
yang
bertujuan
untuk
menggambarkan keadaan data. Analisis deskriptif berupa ukuran gejala
pusat berupa mean, median, dan modus. Ukuran penyebaran berupa
kuartil, desil dan persentil. Ukuran penyebaran berupa rentang data
(range), simpangan (simpangan baku dan varians). Ukuran kemiringan
berupa model populasi, koefisien kemiringan (kurtosis), dan koefisien
kecembungan (skweness).
e.
Recodes dan Transformasi
Anda mungkin akan ingin bekerja dengan beberapa variabel dalam
bentuk yang berbeda. Jika Anda mengumpulkan penghasilan atau data
umur, misalnya, Anda mungkin ingin kelompok variabel kontinu ke
dalam kategori. Atau Anda mungkin ingin membuat variabel yang
menggabungkan berbagai kondisi, mengatakan, manajer minoritas semua
berdasarkan gender. Jenis manipulasi data disebut mengubah atau
recoding. Dalam latihan ini, Anda akan menciptakan beberapa variabel
baru, beberapa yang menunjukkan beberapa kondisi dan beberapa yang
recode variabel kontinu ke variabel kategorikal.
f.
Grafik
Setelah menciptakan instrumen pengumpulan data, dilakukan
wawancara atau survei, data masuk, membersihkan data dan membuat
apapun diperlukan recodes atau transformasi, dan sekarang saatnya untuk
mencari tahu apa itu semua berarti. Salah satu cara terbaik untuk
mendapatkan informasi secara cepat dari data adalah dengan grafik
(Charts). Charts memberikan tampilan visual perbandingan dan
hubungan. Grafik juga bisa sangat menyesatkan di tangan seorang analis
yang buruk, jadi hati- hati seperti yang telah dijelaskan dalam buku yang
ditulis oleh Gerald Jones’s dengan judul “How to Lie with Charts”.
BAB II
DESKRIPSI KERJA
2.1 Studi Kasus
Pada kasus kali ini praktikan akan menyelesaikan sebuah kasus yang
diberikan. Kasus yang akan diselesaikan praktikan yaitu :
1.
Seorang peneliti sedang melakukan penelitian pemberian bungkil biji
kapuk dengan pemanasan oven suhu 1460ᴼC terhadap jumlah protozoa
rumen pada binatang sapi, kambing, dan domba selama 22 hari. Berikut
ini adalah hasil penelitian dari pengambilan cairan rumen pada ketiga
binatang.
Tabel 1. Jumlah Protozoa pada Penelitian
Hari
Cairan ( 10 5 / ml )
Sapi
Kambing
Domba
ke1
2,82
2,53
3,42
2
1,95
1,63
2,56
3
2,73
2,75
1,14
4
3,17
3,35
3,22
5
3,12
2,25
4,63
6
2,89
2,67
2,09
7
2,06
2,35
3,57
8
3,33
1,32
2,54
9
2,17
2,56
1,67
10
1,99
3,74
2,45
11
3,21
3,44
3,13
12
2,51
3,57
2,34
13
3,22
3,82
1,13
14
3,88
2,35
2,13
15
4,01
2,64
3,31
16
3,89
1,78
2,24
17
1,12
2,98
2,32
18
2,22
3,54
1,54
19
2,82
3,21
1,67
20
3,41
2,32
3,55
21
2,30
2,45
2,12
22
3,37
1,09
1,32
Sumber : Data fiktif
4
5
Lakukan analisis deskriptif pada data diatas untuk jumlah protozoa pada
cairan binatang Sapi dan Domba!
2.
Data pegawai.
Tabel 2. Daftar Pegawai Perusahaan X Tahun 2015
No.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Nama
Pendidikan
Terakhir
SD
SD
SMP
SMA
SD
SMK
S3
S1
S1
SMA
SMK
S1
S1
SMK
S2
Gamal Nasir
Anang Shepen
Aspul Anwar
Ban Yani
Budiarti
Erli Yuli Susanti
Bayu Adhypratama
Andin Rusmini
Trima Agus Brata
Wahyuni
Dwi Astuti Lestari
Angga Tri Sujudi
M. Fachri Riza
Adinal Mutaqin
Fazri Rahman A.
Perusahaan X ingin mengetahui gaji yang sesuai dengan pendidikan
terakhir dan pangkat pegawai mereka. Lakukan recodes dan transformasi
berdasarkan syarat transformasi Pendidikan terakhir sebagai berikut.
Pendidikan Terakhir
SD dan SMP
SMA dan SMK
D3 dan S1
S2 dan S3
Value
1
2
3
4
Gaji (Rp)
500000
1000000
2500000
6500000
2.2 Deskripsi Kerja
Bertikut ini adalah deskripsi kerja penyelesaian dari studi kasus yang
diberikan. Langkah pertama yang harus dikerjakan adalah sebagai berikut :
A. Analisis Deskriptif
1.
Membuka lembar kerja SPSS
6
Gambar 2.1 Lembar kerja SPSS.
2.
Membuat variabel yang akan praktikkan analisis. Pada kasus kali ini
praktikkan menganalisis tiga variabel yaitu variabel X, Y, dan Z.
Gambar 2.2 Memasukkan variabel yang akan dianalisis.
3.
Mengisikan data variabel pada lembar kerja data views.
7
Gambar 2.3 Mengisi data pada variabel.
4.
Setelah langkah diatas sudah dikerjakan, lalu langkah selanjutnya
yaitu menganalisis data dengan membuat analisis dekskriptif. Klik
Analyze > Klik Descriptive Statistic > Klik Frequencies. Lihat
gambar 2.4
Gambar 2.4 Langkah menganalisis data.
8
5.
Maka akan muncul jendela frequencies seperti gambar
Gambar 2.3 Jendela frequencies.
6.
Klik (x) klik tanda panah yang ditandai merah pada gambar (untuk
memasukkan variabel (x) ke kolom variables(s). Kemudian klik (y)
dan (z) lalu masukkan ke kolom variables(s). Seperti gambar
Gambar 2.3 Memasukkan variabel yang akan dianalisis.
7.
Setelah itu klik statistics, maka akan muncul jendela frequence :
statistics. Kemudian beri centang (v) Quartil, Percentil (isi 25, klik
add, ulangi untuk 50, dan 75) Std. deviation, Varians, Range,
9
Minimum, Maximum, S.E mean, Mean, Median, Mode, Sum,
Skewness, Kurtosis. Lalu klik continue Lihat gambar 2.5
Gambar 2.3 Jendela frequencies statistics.
8.
Maka akan kembali ke jendela frequence, lalu klik chart.
Gambar 2.3 Jendela frequencies.
9.
Maka akan muncul jendela frequencies: chart. Lalu tandai
histogram, klik continue.
Gambar 2.3 Memilih chart type.
10
10. Maka akan kembali ke jendela frequenceis, lalu klik OK
Gambar 2.3 Jendela frequencies.
11. Maka akan mucul outputnya, lihat gambar 2.11
Gambar 2.11 Output analisis.
11
B. Recods dan Transformasi
1.
Masukkan variabel soal nomor dua dalam variables views. Lihat
gambar 2.12
Gambar 2.12Mengisi data variabel.
2.
Setelah itu masukkan data soal nomor dua dalam variabel X dan Y.
Lihat gambar 2.13
Gambar 2.13 Memasukkan data pada variabel.
12
3. Selanjutnya Lakukan recodes dan transformasi berdasarkan syarat
transformasi yang terdapat dalam soal nomor dua. Klik Transform >
klik Recode into Different Variables,, maka akan muncul jendela
seperti Gambar 2.14.
Gambar 2.14 Jendela recode into different variables.
4. masukkan variabel (y)ke dalam kolom Input Variable -> Output
Variable, beri nama variabel pada Output Variable, lalu klik change ,
kemudian Klik old and news values.
Gambar 2.15 Proses transformasi.
5. Klik value pada old value, kemudian isi nilai variabel (Y) yang ingin
ditransformasi, lalu klik value pada new value, isi kolom dengan nilai
yang ingin kemudian klik add. Lihat gambar 2.
Gambar 2.16 Proses recode dantransformasi.
13
6. Setelah selesai mengisi data yang ingin direcode, maka kllik
continue, maka hasilnya dapat dilihat pada Gambar 2.17
Gambar 2.17 Hasil data setelah recode.
7. Kemudian Lakukan recodes gaji berdasarkan syarat recode
Pendidikan terakhir. Klik Transform > klik Recode into Different
Variables, lalu masukkan variable value kedalam output variable,
lalu isi nama output variable , kemudian klik old and new valuaes,
seperti Gambar 2.18.
Gambar 2.18 Proses transformasi data gaji.
14
8. Kemudian isi data value pada old value dan new value, sesuai dengan
syarat yang telah ditentukan.
Gambar 2.19 Mengisi nilai dari data yang ingin ditransformasi.
9. Setelah selesai memasukkan nilai recode, maka klik continue maka
hasilnya dapat dilihat dalam Gambar 2.20.
Gambar 2.3 Hasil recode data gaji.
15
BAB III
PEMBAHASAN
A. Analisis Diskriptif
1.
Frequencies
Gambar 3.1 Tabel frequence.
Berdasarkan Gambar 3.1 tabel diatas, berikut merupakan hasil analisis
diskriptifnya :
a.
Jumlah data (N) yang valid adalah 22 sedangkan data yang missing
adalah 0. Untuk variabel keduanya.
b.
Nilai rata-rata (mean) dari data adalah variabel (x) = 2.8268, variabel (y)
= 2.6518, dan variabel (z) = 2.4586.
c.
Nilai dari standar error mean adalah variabel (x) = 0.15566, variabel
(y)= 0.16286, dan variabel (z) = 0.19276. SE.Mean adalah ukuran
seberapa besar ragam nilai mean dari sampel yang diambil dari distribusi
yang sama.
d.
Nilai median adalah variabel (x) = 2.8550, variabel (y) = 2.6000, dan
16
variabel (z) = 2.3300. Median digunakan untuk menghitung nilai tengah
yang didapat dengan mengurutkan data dari nilai terkecil menuju nilai
terbesar
e.
Nilai modenya adalah variabel (x) = 2.82, variabel (y) = 2.35, dan
variabel (z) = 1.67. Mode digunakan untuk menghitung nilai data yang
sering muncul.
f.
Nilai standar deviation adalah variabel (x) = 0.73011, variabel (y) =
0.76388, dan variabel (z) = 0.90410. Standar Deviation adalah deviasi
standar yang merupakan akar kuadrat dari variansi jumlah sampel.
g.
Nilai variansi adalah varabel (x) = 0.533, variabel (y) = 0.584 dan
variabel (z) = 0.817. Variance adalah jumlah dari selisih pengurangan
antara data dan mean dibagi dengan (n-1).
h.
Nilai skewness adalah variabel (x) = -0.360, variabel (y) = -0.314, dan
variabel (z) = 0.507. Nilai skewness = (mean-modus)/ standar deviasi.
skewness merupakan suatu besaran statistik yang menunjukkan
kemiringan data. Nilai menunjukkan nilai negatif pada sapi dan
kambing sehingga diartikan bahwa distribusi data akan memiliki ekor
atau kecondongan ke kanan, sedangkan domba bernilai positif, maka
distribusi data akan condong ke kiri.
i.
Nilai kurtosisnya adalah variabel (x) = -0.107, variabel (y) = -0.414, dan
variabel (z) = -0.23 dan. Nilai ini menunjukkan nilai negatif yang berarti
ekor yang pendek. Kurtosis yaitu nilai ukuran yang menunjukkan
distribusi data lebih tinggi, lebih rendah, atau sama pas di tengah dari
distribusi normal.
j.
Nilai minimumnya adalah variabel (x) = 1.12, variabel (y) =1.09, dan
variabel (z) = 0.113
k.
Nilai maksimumnya adalah variabel (x) = 4.01, variabel (y) = 3.82, dan
variabel (z) = 4.63
l.
Nilai rangenya adalah variabel (x) = 2.89, variabel (y) = 2.73, dan
variabel (z) = 3.50. Hal ini menunjukkan selisih antara nilai data
17
tertinggi dengan nilai data terendah.
m. Nilai Sum untuk variabel (x) sebesar = 62.19, variabel (y) sebesar =
58.34, dan untuk variabel (z) = 54.09. Sum digunakan untuk menghitung
jumlah keseluruhan data.
n.
Nilai persentil variabel (x) sebagai berikut :
a.
Posisi dari persentil data ke-25% adalah 51.50
b.
Posisi dari persentil data ke-50% adalah 64.50
c.
Posisi dari persentil ke-75% adalah 68.25
Nilai persentil variabel (y) sebagai berikut :
a.
Posisi dari persentil data ke-25% adalah 37.75
b.
Posisi dari persentil data ke-50% adalah 44.50
c.
Posisi dari persentil ke-75% adalah 50.75.
Nilai persentil variabel (Z) sebagai berikut :
2.
a.
Posisi dari persentil data ke-25% adalah 51.50
b.
Posisi dari persentil data ke-50% adalah 64.50
c.
Posisi dari persentil ke-75% adalah 68.25
Frequency table
Gambar 3.2 Tabel frequency sapi.
18
Gambar 3.3 Tabel frequency kambing.
Gambar 3.4 Tabel frequency domba.
19
Berdasarkan gambar 3.2, 3.3, dan 3.4 tabel di atas frekuensi dari jumlah
protozoa rumen dari sapi, kambing, dan domba rata -rata setiap hari memiliki
jumlah besaran cairan yang berbeda, dengan jumlah datanya sama dengan 22
( dua puluh dua) setiap variabel. Inti dari setiap variabel adalah setiap data
yang akan dicacah di dalam output tabel variabel (x), variabel (y), maupun
(z) kemudian akan dikumulatifkan ke dalam persentase, sehingga total harus
sama dengan jumlah kasus data yang ada dan jumlah total kumulatifnya
harus 100 persen.
3.
Histogram
Gambar 3.5 Histogram sapi.
Gambar 3.5 di atas menunjukkan histogram untuk variabel jumlah
cairan protozoa rumen pada sapi, memiliki distribusi “miring ke kanan
distribusi normal” karena nilainya skewness negatif dan “agak melandai”
karena nilai kurtosis negatif.
Gambar 3.6 Histogram kambing.
20
Gambar 3.6 di atas menunjukkan histogram untuk variabel jumlah
cairan protozoa rumen pada kambing, memiliki distribusi “miring ke kanan
distribusi normal” karena nilainya skewness negatif dan “agak melandai”
karena nilai kurtosis negatif.
Gambar 3.7 Histogram domba.
Gambar 3.7 di atas menunjukkan histogram untuk variabel jumlah
cairan protozoa rumen pada sapi,
memiliki distribusi “miring ke kiri
distribusi normal” karena nilainya skewness positif dan “agak melandai”
karena nilai kurtosis negatif.
B. Recodes dan Transformasi
Gambar 3.8 Data yang telah di recode.
21
Fungsi recode sendiri digunakan untuk membuat definisi ulang dari
pengkodean yang telah dibuat sebelumnya. Fungsi ini didasarkan pada kriteria
tertentu dan dapat dilakukan dalam nama variabel yang sama atau dengan nama
variabel yang baru.
Dalam gambar, nilai value merupakan hasil recode dari variable (Y),
pemberian kode pada nilai value dilakukan dengan syarat tertentu, yaitu jika
variabel (y) dengan nilai SD dan SMP maka dikodekan dengan (1), jika SMA dan
SMK maka dikodekan dengan (2), jika D3 dan S1 dikodekan dengan (3), dan jika
S2 dan S3 maka dikodekan dengan (4). Lihat Gambar 3.8.
Gambar 3.9 Hasil data recode gaji.
Dalam gambar nilai gaji merupakan hasil recode dari variable value,
pemberian kode pada nilai gaji dilakukan dengan syarat tertentu, yaitu jika
variabel value sama dengan (1) maka gajinya sama dengan 500.000.00, jika nilai
value sama denga (2) maka gajinya sama dengan 1.000.000.00, jika nilai value
sama dengan (3) maka besar gajinya sama dengan 2.300.000.00, kemudian jika
nilai value sama dengan (4) maka besar gajinya adalah 6.500.000.00. Lihat
Gambar 3.9.
BAB IV
PENUTUP
Kesimpulan dari hasil praktikum terkait studi kasus dan kesimpulan dari
pembahasan hasil output pada soal diperoleh sebagai berikut :
1.
Setelah dilakukan praktikum tentang SPSS memahami lebih detail tentang
penggunaan rumus dan fungsi dari masing-masing rumus yang terdapat pada SPSS.
2.
Semakin besar nilai deviasi standar akan semakin tinggi pula penyimpangan data
dari nilai rata-ratanya. Sebaliknya, semakin kecil nilai deviasi standar akan berarti
data mengelompok pada sekitar nilai rata-ratanya dan tidak menunjukkan variansi
data yang banyak.
3.
Pada (Skewness) grafik menunjukkan simetris atau tidaknya distribusi pada sampel
data. Jika nilai skewnessnya condong kekanan maka nilainya negatif dan jika n nilai
skewnessnya positif maka akan condong ke kiri.
4.
Nilai kurtosis yang menunjukkan positif dan tinggi menunjukkan bahwa ekor
distribusi datanya lebih panjang dibanding dengan distribusi normal. Jika nilai
kurtosisnya mempunyai nilai negatif hal ini menunjukkan distribusi datanya
memiliki ekor yang pendek.
5.
Pada Analisis deskriptif histogram menunjukkan bahwa nilai skewnee sapi dan
kambing adalah condong kekanan, yang berarti nilai skewness nya negatif,
sedangkan untuk domba nilainya positif. Sedangkan nilai kurtosis ketiganya adalah
negatif yang menunjukkan bahwa grafik garis normalnya melandai.
22
DAFTAR PUSTAKA
Nugraha, H. 2013. Modul Praktikum Analisis Data Eksplorasi. Jurusan Statistika FMIPA:
Universitas Islam Indonesia.
Kusnadi, E. 2008. Analisis deskriptif dengan SPSS. https://eriskusnadi.wordpress.com/2008/12/
11/statistik-deskriptif-dengan-spss/. Dilihat pada 18 Oktober 2015 pukul 07.00.
PENDAHULUAN
A. Dasar Teori
a.
SPSS
SPSS (Statistical Package for the Social Sciences : Paket Statistik
untuk Ilmu Sosial) adalah sebuah program yang digunakan untuk analisis
statistik. Dalam banyak hal, SPSS sebanding dengan Excel. Hal ini dapat
digunakan untuk menghitung, dan membuat diagram. Namun, ada
kemungkinan lebih banyak dalam SPSS daripada di Excel, dan sejumlah
prosedur yang lebih mudah untuk dilakukan di SPSS. Di sisi lain, dalam
beberapa situasi Excel mungkin merupakan pilihan yang lebih baik. Data
dapat dipertukarkan antara SPSS dan Excel agak mudah. SPSS ada untuk
PC dan untuk Macintosh dan untuk menggunakannya harus punya
Lisensi. Tutorial ini bertujuan untuk memberikan suatu pendahuluan
SPSS. Diasumsikan bahwa Anda akrab dengan Excel.
SPSS merupakan software statistik yang paling populer, fasilitasnya
sangat lengkap dibandingkan dengan software lainnya, penggunaannya
pun cukup mudah. Langkah pertama yang harus dilakukan adalah dengan
cara menginstal terlebih dahulu software SPSS yang akan digunakan.
Pada pembelajaran kali ini menggunakan Software SPSS 12. Saat ini
software SPSS telah mengalami berbagai penambahan fasilitas, versi
terkini yaitu SPSS 17. Cara mempelajarinya tidak jauh berbeda dengan
SPSS versi lainnya.
b.
Inputing Data dan Mendefinisikan Variabel
Dalam menganalisis data menggunakan SPSS, kita harus menyusun
data dan mendefinisikan variabel. Setiap jenis informasi tertentu (seperti
pendapatan atau jenis kelamin atau suhu atau dosis) disebut variabel.
Terdapat berbagai jenis variable seperti variabel numerik (setiap nomor
yang dapat Anda gunakan dalam perhitungan), variabel string (teks atau
1
2
angka yang Anda tidak dapat menggunakan dalam perhitungan),
mata uang (nomor dengan dua dan hanya dua tempat desimal) dan
variabel dengan spesifik format. Anda harus menetapkan variabel Anda
sesuai dengan jenis data yang akan diisikan. Dapat menggunakan salah
satu dari jenis berikut, seperti yang didefinisikan oleh SPSS.
1) Numeric : Sebuah variabel yang bernilai angka. Nilai ditampilkan
dalam standar format numerik. Data Editor menerima nilai numerik
dalam format standar atau dalam notasi ilmiah.
2) Koma : Sebuah variabel nilai numerik yang ditampilkan dengan
koma. Editor Data menerima nilai numerik untuk variabel koma
dengan atau tanpa koma, atau di notasi ilmiah.
3) Dot : Sebuah variabel nilai numerik yang ditampilkan dengan dot
(titik). Editor Data menerima nilai numerik untuk dot variabel
dengan atau tanpa titik, atau dalam ilmiah notasi.
4) Notasi ilmiah : Sebuah variabel nilai numerik yang ditampilkan
dengan huruf E (eksponen sepuluhan). Data Editor menerima
numerik nilai untuk variable tersebut dengan atau tanpa eksponen.
Eksponen bisa didahului baik oleh E atau D dengan tanda opsional.
5) Date : Sebuah variabel nilai numerik yang ditampilkan dalam salah
satu dari beberapa data kalender seperti jam. Pilih format dari daftar.
6) Custom currency (mata uang).
7) String : Nilai dari variabel string yang tidak numeric, dan karenanya
tidak digunakan dalam perhitungan. Mereka dapat mengandung
karakter sampai dengan panjang yang didefinisikan. Huruf besar dan
huruf kecil dianggap berbeda. Juga dikenal sebagai variabel
alfanumerik.
c.
Nama Variabel dan label
Dalam SPSS, nama variabel delapan karakter dan tidak boleh
memuat spasi,bkoma, tanda hubung. Aturannya sebagai berikut :
1) Nama harus dimulai dengan huruf.
2) Nama tidak boleh diakhiri dengan periode.
3) Nama tidak boleh lebih dari delapan karakter.
4) Nama tidak bisa kosong atau berisi karakter khusus.
3
5) Nama harus unik.
d.
Analisis Diskriptif
Analisis
Diskriptif
adalah
analisis
yang
bertujuan
untuk
menggambarkan keadaan data. Analisis deskriptif berupa ukuran gejala
pusat berupa mean, median, dan modus. Ukuran penyebaran berupa
kuartil, desil dan persentil. Ukuran penyebaran berupa rentang data
(range), simpangan (simpangan baku dan varians). Ukuran kemiringan
berupa model populasi, koefisien kemiringan (kurtosis), dan koefisien
kecembungan (skweness).
e.
Recodes dan Transformasi
Anda mungkin akan ingin bekerja dengan beberapa variabel dalam
bentuk yang berbeda. Jika Anda mengumpulkan penghasilan atau data
umur, misalnya, Anda mungkin ingin kelompok variabel kontinu ke
dalam kategori. Atau Anda mungkin ingin membuat variabel yang
menggabungkan berbagai kondisi, mengatakan, manajer minoritas semua
berdasarkan gender. Jenis manipulasi data disebut mengubah atau
recoding. Dalam latihan ini, Anda akan menciptakan beberapa variabel
baru, beberapa yang menunjukkan beberapa kondisi dan beberapa yang
recode variabel kontinu ke variabel kategorikal.
f.
Grafik
Setelah menciptakan instrumen pengumpulan data, dilakukan
wawancara atau survei, data masuk, membersihkan data dan membuat
apapun diperlukan recodes atau transformasi, dan sekarang saatnya untuk
mencari tahu apa itu semua berarti. Salah satu cara terbaik untuk
mendapatkan informasi secara cepat dari data adalah dengan grafik
(Charts). Charts memberikan tampilan visual perbandingan dan
hubungan. Grafik juga bisa sangat menyesatkan di tangan seorang analis
yang buruk, jadi hati- hati seperti yang telah dijelaskan dalam buku yang
ditulis oleh Gerald Jones’s dengan judul “How to Lie with Charts”.
BAB II
DESKRIPSI KERJA
2.1 Studi Kasus
Pada kasus kali ini praktikan akan menyelesaikan sebuah kasus yang
diberikan. Kasus yang akan diselesaikan praktikan yaitu :
1.
Seorang peneliti sedang melakukan penelitian pemberian bungkil biji
kapuk dengan pemanasan oven suhu 1460ᴼC terhadap jumlah protozoa
rumen pada binatang sapi, kambing, dan domba selama 22 hari. Berikut
ini adalah hasil penelitian dari pengambilan cairan rumen pada ketiga
binatang.
Tabel 1. Jumlah Protozoa pada Penelitian
Hari
Cairan ( 10 5 / ml )
Sapi
Kambing
Domba
ke1
2,82
2,53
3,42
2
1,95
1,63
2,56
3
2,73
2,75
1,14
4
3,17
3,35
3,22
5
3,12
2,25
4,63
6
2,89
2,67
2,09
7
2,06
2,35
3,57
8
3,33
1,32
2,54
9
2,17
2,56
1,67
10
1,99
3,74
2,45
11
3,21
3,44
3,13
12
2,51
3,57
2,34
13
3,22
3,82
1,13
14
3,88
2,35
2,13
15
4,01
2,64
3,31
16
3,89
1,78
2,24
17
1,12
2,98
2,32
18
2,22
3,54
1,54
19
2,82
3,21
1,67
20
3,41
2,32
3,55
21
2,30
2,45
2,12
22
3,37
1,09
1,32
Sumber : Data fiktif
4
5
Lakukan analisis deskriptif pada data diatas untuk jumlah protozoa pada
cairan binatang Sapi dan Domba!
2.
Data pegawai.
Tabel 2. Daftar Pegawai Perusahaan X Tahun 2015
No.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Nama
Pendidikan
Terakhir
SD
SD
SMP
SMA
SD
SMK
S3
S1
S1
SMA
SMK
S1
S1
SMK
S2
Gamal Nasir
Anang Shepen
Aspul Anwar
Ban Yani
Budiarti
Erli Yuli Susanti
Bayu Adhypratama
Andin Rusmini
Trima Agus Brata
Wahyuni
Dwi Astuti Lestari
Angga Tri Sujudi
M. Fachri Riza
Adinal Mutaqin
Fazri Rahman A.
Perusahaan X ingin mengetahui gaji yang sesuai dengan pendidikan
terakhir dan pangkat pegawai mereka. Lakukan recodes dan transformasi
berdasarkan syarat transformasi Pendidikan terakhir sebagai berikut.
Pendidikan Terakhir
SD dan SMP
SMA dan SMK
D3 dan S1
S2 dan S3
Value
1
2
3
4
Gaji (Rp)
500000
1000000
2500000
6500000
2.2 Deskripsi Kerja
Bertikut ini adalah deskripsi kerja penyelesaian dari studi kasus yang
diberikan. Langkah pertama yang harus dikerjakan adalah sebagai berikut :
A. Analisis Deskriptif
1.
Membuka lembar kerja SPSS
6
Gambar 2.1 Lembar kerja SPSS.
2.
Membuat variabel yang akan praktikkan analisis. Pada kasus kali ini
praktikkan menganalisis tiga variabel yaitu variabel X, Y, dan Z.
Gambar 2.2 Memasukkan variabel yang akan dianalisis.
3.
Mengisikan data variabel pada lembar kerja data views.
7
Gambar 2.3 Mengisi data pada variabel.
4.
Setelah langkah diatas sudah dikerjakan, lalu langkah selanjutnya
yaitu menganalisis data dengan membuat analisis dekskriptif. Klik
Analyze > Klik Descriptive Statistic > Klik Frequencies. Lihat
gambar 2.4
Gambar 2.4 Langkah menganalisis data.
8
5.
Maka akan muncul jendela frequencies seperti gambar
Gambar 2.3 Jendela frequencies.
6.
Klik (x) klik tanda panah yang ditandai merah pada gambar (untuk
memasukkan variabel (x) ke kolom variables(s). Kemudian klik (y)
dan (z) lalu masukkan ke kolom variables(s). Seperti gambar
Gambar 2.3 Memasukkan variabel yang akan dianalisis.
7.
Setelah itu klik statistics, maka akan muncul jendela frequence :
statistics. Kemudian beri centang (v) Quartil, Percentil (isi 25, klik
add, ulangi untuk 50, dan 75) Std. deviation, Varians, Range,
9
Minimum, Maximum, S.E mean, Mean, Median, Mode, Sum,
Skewness, Kurtosis. Lalu klik continue Lihat gambar 2.5
Gambar 2.3 Jendela frequencies statistics.
8.
Maka akan kembali ke jendela frequence, lalu klik chart.
Gambar 2.3 Jendela frequencies.
9.
Maka akan muncul jendela frequencies: chart. Lalu tandai
histogram, klik continue.
Gambar 2.3 Memilih chart type.
10
10. Maka akan kembali ke jendela frequenceis, lalu klik OK
Gambar 2.3 Jendela frequencies.
11. Maka akan mucul outputnya, lihat gambar 2.11
Gambar 2.11 Output analisis.
11
B. Recods dan Transformasi
1.
Masukkan variabel soal nomor dua dalam variables views. Lihat
gambar 2.12
Gambar 2.12Mengisi data variabel.
2.
Setelah itu masukkan data soal nomor dua dalam variabel X dan Y.
Lihat gambar 2.13
Gambar 2.13 Memasukkan data pada variabel.
12
3. Selanjutnya Lakukan recodes dan transformasi berdasarkan syarat
transformasi yang terdapat dalam soal nomor dua. Klik Transform >
klik Recode into Different Variables,, maka akan muncul jendela
seperti Gambar 2.14.
Gambar 2.14 Jendela recode into different variables.
4. masukkan variabel (y)ke dalam kolom Input Variable -> Output
Variable, beri nama variabel pada Output Variable, lalu klik change ,
kemudian Klik old and news values.
Gambar 2.15 Proses transformasi.
5. Klik value pada old value, kemudian isi nilai variabel (Y) yang ingin
ditransformasi, lalu klik value pada new value, isi kolom dengan nilai
yang ingin kemudian klik add. Lihat gambar 2.
Gambar 2.16 Proses recode dantransformasi.
13
6. Setelah selesai mengisi data yang ingin direcode, maka kllik
continue, maka hasilnya dapat dilihat pada Gambar 2.17
Gambar 2.17 Hasil data setelah recode.
7. Kemudian Lakukan recodes gaji berdasarkan syarat recode
Pendidikan terakhir. Klik Transform > klik Recode into Different
Variables, lalu masukkan variable value kedalam output variable,
lalu isi nama output variable , kemudian klik old and new valuaes,
seperti Gambar 2.18.
Gambar 2.18 Proses transformasi data gaji.
14
8. Kemudian isi data value pada old value dan new value, sesuai dengan
syarat yang telah ditentukan.
Gambar 2.19 Mengisi nilai dari data yang ingin ditransformasi.
9. Setelah selesai memasukkan nilai recode, maka klik continue maka
hasilnya dapat dilihat dalam Gambar 2.20.
Gambar 2.3 Hasil recode data gaji.
15
BAB III
PEMBAHASAN
A. Analisis Diskriptif
1.
Frequencies
Gambar 3.1 Tabel frequence.
Berdasarkan Gambar 3.1 tabel diatas, berikut merupakan hasil analisis
diskriptifnya :
a.
Jumlah data (N) yang valid adalah 22 sedangkan data yang missing
adalah 0. Untuk variabel keduanya.
b.
Nilai rata-rata (mean) dari data adalah variabel (x) = 2.8268, variabel (y)
= 2.6518, dan variabel (z) = 2.4586.
c.
Nilai dari standar error mean adalah variabel (x) = 0.15566, variabel
(y)= 0.16286, dan variabel (z) = 0.19276. SE.Mean adalah ukuran
seberapa besar ragam nilai mean dari sampel yang diambil dari distribusi
yang sama.
d.
Nilai median adalah variabel (x) = 2.8550, variabel (y) = 2.6000, dan
16
variabel (z) = 2.3300. Median digunakan untuk menghitung nilai tengah
yang didapat dengan mengurutkan data dari nilai terkecil menuju nilai
terbesar
e.
Nilai modenya adalah variabel (x) = 2.82, variabel (y) = 2.35, dan
variabel (z) = 1.67. Mode digunakan untuk menghitung nilai data yang
sering muncul.
f.
Nilai standar deviation adalah variabel (x) = 0.73011, variabel (y) =
0.76388, dan variabel (z) = 0.90410. Standar Deviation adalah deviasi
standar yang merupakan akar kuadrat dari variansi jumlah sampel.
g.
Nilai variansi adalah varabel (x) = 0.533, variabel (y) = 0.584 dan
variabel (z) = 0.817. Variance adalah jumlah dari selisih pengurangan
antara data dan mean dibagi dengan (n-1).
h.
Nilai skewness adalah variabel (x) = -0.360, variabel (y) = -0.314, dan
variabel (z) = 0.507. Nilai skewness = (mean-modus)/ standar deviasi.
skewness merupakan suatu besaran statistik yang menunjukkan
kemiringan data. Nilai menunjukkan nilai negatif pada sapi dan
kambing sehingga diartikan bahwa distribusi data akan memiliki ekor
atau kecondongan ke kanan, sedangkan domba bernilai positif, maka
distribusi data akan condong ke kiri.
i.
Nilai kurtosisnya adalah variabel (x) = -0.107, variabel (y) = -0.414, dan
variabel (z) = -0.23 dan. Nilai ini menunjukkan nilai negatif yang berarti
ekor yang pendek. Kurtosis yaitu nilai ukuran yang menunjukkan
distribusi data lebih tinggi, lebih rendah, atau sama pas di tengah dari
distribusi normal.
j.
Nilai minimumnya adalah variabel (x) = 1.12, variabel (y) =1.09, dan
variabel (z) = 0.113
k.
Nilai maksimumnya adalah variabel (x) = 4.01, variabel (y) = 3.82, dan
variabel (z) = 4.63
l.
Nilai rangenya adalah variabel (x) = 2.89, variabel (y) = 2.73, dan
variabel (z) = 3.50. Hal ini menunjukkan selisih antara nilai data
17
tertinggi dengan nilai data terendah.
m. Nilai Sum untuk variabel (x) sebesar = 62.19, variabel (y) sebesar =
58.34, dan untuk variabel (z) = 54.09. Sum digunakan untuk menghitung
jumlah keseluruhan data.
n.
Nilai persentil variabel (x) sebagai berikut :
a.
Posisi dari persentil data ke-25% adalah 51.50
b.
Posisi dari persentil data ke-50% adalah 64.50
c.
Posisi dari persentil ke-75% adalah 68.25
Nilai persentil variabel (y) sebagai berikut :
a.
Posisi dari persentil data ke-25% adalah 37.75
b.
Posisi dari persentil data ke-50% adalah 44.50
c.
Posisi dari persentil ke-75% adalah 50.75.
Nilai persentil variabel (Z) sebagai berikut :
2.
a.
Posisi dari persentil data ke-25% adalah 51.50
b.
Posisi dari persentil data ke-50% adalah 64.50
c.
Posisi dari persentil ke-75% adalah 68.25
Frequency table
Gambar 3.2 Tabel frequency sapi.
18
Gambar 3.3 Tabel frequency kambing.
Gambar 3.4 Tabel frequency domba.
19
Berdasarkan gambar 3.2, 3.3, dan 3.4 tabel di atas frekuensi dari jumlah
protozoa rumen dari sapi, kambing, dan domba rata -rata setiap hari memiliki
jumlah besaran cairan yang berbeda, dengan jumlah datanya sama dengan 22
( dua puluh dua) setiap variabel. Inti dari setiap variabel adalah setiap data
yang akan dicacah di dalam output tabel variabel (x), variabel (y), maupun
(z) kemudian akan dikumulatifkan ke dalam persentase, sehingga total harus
sama dengan jumlah kasus data yang ada dan jumlah total kumulatifnya
harus 100 persen.
3.
Histogram
Gambar 3.5 Histogram sapi.
Gambar 3.5 di atas menunjukkan histogram untuk variabel jumlah
cairan protozoa rumen pada sapi, memiliki distribusi “miring ke kanan
distribusi normal” karena nilainya skewness negatif dan “agak melandai”
karena nilai kurtosis negatif.
Gambar 3.6 Histogram kambing.
20
Gambar 3.6 di atas menunjukkan histogram untuk variabel jumlah
cairan protozoa rumen pada kambing, memiliki distribusi “miring ke kanan
distribusi normal” karena nilainya skewness negatif dan “agak melandai”
karena nilai kurtosis negatif.
Gambar 3.7 Histogram domba.
Gambar 3.7 di atas menunjukkan histogram untuk variabel jumlah
cairan protozoa rumen pada sapi,
memiliki distribusi “miring ke kiri
distribusi normal” karena nilainya skewness positif dan “agak melandai”
karena nilai kurtosis negatif.
B. Recodes dan Transformasi
Gambar 3.8 Data yang telah di recode.
21
Fungsi recode sendiri digunakan untuk membuat definisi ulang dari
pengkodean yang telah dibuat sebelumnya. Fungsi ini didasarkan pada kriteria
tertentu dan dapat dilakukan dalam nama variabel yang sama atau dengan nama
variabel yang baru.
Dalam gambar, nilai value merupakan hasil recode dari variable (Y),
pemberian kode pada nilai value dilakukan dengan syarat tertentu, yaitu jika
variabel (y) dengan nilai SD dan SMP maka dikodekan dengan (1), jika SMA dan
SMK maka dikodekan dengan (2), jika D3 dan S1 dikodekan dengan (3), dan jika
S2 dan S3 maka dikodekan dengan (4). Lihat Gambar 3.8.
Gambar 3.9 Hasil data recode gaji.
Dalam gambar nilai gaji merupakan hasil recode dari variable value,
pemberian kode pada nilai gaji dilakukan dengan syarat tertentu, yaitu jika
variabel value sama dengan (1) maka gajinya sama dengan 500.000.00, jika nilai
value sama denga (2) maka gajinya sama dengan 1.000.000.00, jika nilai value
sama dengan (3) maka besar gajinya sama dengan 2.300.000.00, kemudian jika
nilai value sama dengan (4) maka besar gajinya adalah 6.500.000.00. Lihat
Gambar 3.9.
BAB IV
PENUTUP
Kesimpulan dari hasil praktikum terkait studi kasus dan kesimpulan dari
pembahasan hasil output pada soal diperoleh sebagai berikut :
1.
Setelah dilakukan praktikum tentang SPSS memahami lebih detail tentang
penggunaan rumus dan fungsi dari masing-masing rumus yang terdapat pada SPSS.
2.
Semakin besar nilai deviasi standar akan semakin tinggi pula penyimpangan data
dari nilai rata-ratanya. Sebaliknya, semakin kecil nilai deviasi standar akan berarti
data mengelompok pada sekitar nilai rata-ratanya dan tidak menunjukkan variansi
data yang banyak.
3.
Pada (Skewness) grafik menunjukkan simetris atau tidaknya distribusi pada sampel
data. Jika nilai skewnessnya condong kekanan maka nilainya negatif dan jika n nilai
skewnessnya positif maka akan condong ke kiri.
4.
Nilai kurtosis yang menunjukkan positif dan tinggi menunjukkan bahwa ekor
distribusi datanya lebih panjang dibanding dengan distribusi normal. Jika nilai
kurtosisnya mempunyai nilai negatif hal ini menunjukkan distribusi datanya
memiliki ekor yang pendek.
5.
Pada Analisis deskriptif histogram menunjukkan bahwa nilai skewnee sapi dan
kambing adalah condong kekanan, yang berarti nilai skewness nya negatif,
sedangkan untuk domba nilainya positif. Sedangkan nilai kurtosis ketiganya adalah
negatif yang menunjukkan bahwa grafik garis normalnya melandai.
22
DAFTAR PUSTAKA
Nugraha, H. 2013. Modul Praktikum Analisis Data Eksplorasi. Jurusan Statistika FMIPA:
Universitas Islam Indonesia.
Kusnadi, E. 2008. Analisis deskriptif dengan SPSS. https://eriskusnadi.wordpress.com/2008/12/
11/statistik-deskriptif-dengan-spss/. Dilihat pada 18 Oktober 2015 pukul 07.00.