deskriptif

Bab 2 Statistik Deskriptif

Andino Maseleno

Bab 2

STATISTIK DESKRIPTIF

Statistik Deskriptif lebih berhubungan dengan pengumpulan dan peringkasan data,

serta penyajian hasil peringkasan tersebut. Data-data statistik –yang dapat diperoleh

dari hasil sensus, survei, atau pengamatan lainnya- umumnya masih acak, ‘mentah’

dan tidak terorganisir dengan baik (raw data). Data-data tersebut harus diringkas

dengan baik dan teratur, baik dalam bentuk tabel atau presentasi grafis, sebagai

dasar untuk berbagai pengambilan keputusan (Statistik Inferensi).

Dalam bab ini akan dibahas menu dari SPSS yang berhubungan dengan Statistik

Deskriptif, yaitu SUMMARIZE. Menu ini mempunyai beberapa submenu:

A. FREQUENCIES

Frequencies membahas beberapa penjabaran ukuran statistik deskripsi seperti

Mean, Median, Kuartil, Persentil, Standar Deviasi dan lainnya.

B. DESCRIPTIVES

Descriptives berfungsi untuk mengetahui skor z dari suatu distribusi data dan

menguji apakah data berdistribusi normal ataukah tidak.

C. EXPLORE

Explore berfungsi untuk memeriksa lebih teliti sekelompok data. Alat utama yang

dibahas adalah box-Plot dan Steam and Leaf Plot, selain beberapa uji tambahan

untuk menguji apakah data berasal dari distribusi normal.

D. CROSSTABS

Crosstabs digunakan untuk menyajikan deskripsi data dalam bentuk tabel silang

(crosstab), yang terdiri atas baris dan kolom. Selain itu, menu ini juga dilengkapi

dengan analisis hubungan di antara baris dan kolom, seperti independensi di

antara mereka, besar hubungannya dan lainnya.

E. CASE SUMMARIES


Andino Maseleno

Case Summaries digunakan untuk melihat lebih jauh isi statistik deskriptif yang

meliputi subgrup dari sebuah kasus, seperti grup Pria dan Wanita, dapat dibuat

subgrup untuk Pria berusia Remaja dan Dewasa, serta dibagi lagi pada Remaja

yang tinggal di kota dan seterusnya.

2.1 FrequenciesKasus:

Berikut adalah tinggi badan 16 responden yang diambil secara acak (angka dalam

cm).

No Tinggi Gender

1 188.5 Pria

2 158.7 Pria

3 167.9 Pria

4 165.5 Wanita

5 159.9 Wanita

6 170.8 Pria

7 168.2 Wanita

8 178.6 Pria

9 155.7 Wanita

10 155.8 Wanita

11 155.4 Pria

12 154.7 Pria

13 156.7 Wanita

14 157.8 Pria

15 152.7 Wanita

16 159.5 Wanita

Misal angka 188.5 dan keterangan ‘pria’ pada baris 1 berarti Tinggi badan seorang

responden Pria adalah 188.5 centimeter. Demikian seterusnya untuk data yang lain.


Andino Maseleno

2.2 DESCRIPTIVESelain dengan submenu DESCRIPTIVE STATISTICS dan pilihan FREQUENCIES,

statistik deskriptif dapat pula diperolah dengan menggunakan submenu

SUMMARIZE dan pilihan DESCRIPTIVES.

2.3 EXPLORE

Selain dengan FREQUENCIES dan penyajian Histogram atau nilai z, berbagai

deskripsi data dapat dieksplorasi dengan lebih mendalam, di antaranya yang popular

adalah dengan Boxplots (atau Blox and Whisker displays) dan diagram Stem and

Leaf. Selain itu, pengujian normal tidaknya distribusi data akan digunakan uji

Shapiro Wilks dan Lilliefor.

2.2 CrosstabCrosstab (tabel silang) biasa digunakan untuk data berskala nominal (kategori).

A. CROSSTAB UNTUK TEST OF INDEPENDENCE (UJI KETERGANTUNGAN)Kasus:

Manajer Pemasaran yang memproduksi minuman suplemen merek Joss, ingin

mengetahui bagaimana sikap konsumen terhadap produk perusahaan, serta

bagaimana profil mereka. Untuk itu, 18 konsumen yang pernah mencicipi minuman

suplemen Joss diminta untuk mengisi identitas mereka dan sikap mereka terhadap

produk tersebut.

Bagian pertama untuk contoh Crosstab adalah penyajian data profil konsumen.

Berikut adalah hasil data profil konsumen yang meliputi pekerjaan, pendidikan, dan

gender.


Andino Maseleno

No kerja didik gender

1 karyawan sarjana Wanita

2 wiraswasta Sma Pria

3 buruh Sma Pria


5 karyawan sarjana Pria


7 wiraswasta Sma Pria

8 buruh Sma Wanita

9 wiraswasta akademi Pria

10 buruh Sma Pria

11 karyawan sma Wanita



14 wiraswasta sma Wanita

15 buruh sarjana Pria


17 wiraswasta akademi Pria

18 buruh sarjana Pria

• Baris pertama menunjukkan konsumen pertama mempunyai pekerjaan

karyawan dan ia seorang wanita berpendidikan sarjana. Demikian untuk data

yang lainnya.

• Dalam SPSS, otomatis nomor urut konsumen (1 sampai 18) sudah ada,

sehingga di sini ada tiga variabel saja.

Penyelesaian:


Andino Maseleno

Oleh karena akan melihat profil dan analisis hubungan antara variabel, serta jenis

data yang dimasukkan adalah nominal (kategori), maka dipakai Crosstab.

1. Pemasukan data ke SPSS

Langkah-langkah:

• Buka lembar kerja baru.

Dari menu utama File, pilih menu New. Lalu klik Data. Sekarang SPSS siap

membuat variabel baru yang diperlukan

• Menampilkan tampilan VARIABLE VIEW untuk mempersiapkan pemasukan

nama dan properti variabel (seperti jenis data, label data dan sebagainya). Untuk

itu, klik tab sheet Variable View yang ada di bagian kiri bawah. Tampilan

Variable View ini dapat juga dilakukan dengan dua cara yang lain: dari menu

View lalu submenu VARIABLE, atau tekan CTRL+T.

• Menamai Variabel yang diperlukan, dalam hal ini ada tiga variabel

Pengisian

Variabel kerja

Oleh karena ini variabel pertama, tempatkan pointer pada baris 1.

• Name. Sesuai kasus, letakkan pointer di bawah kolom Name, lalu klik ganda

sel tersebut, dan ketik kerja.

• Type. Tipe data untuk ‘kerja’ adalah numerik, karena pada variabel tersebut

akan dilakukan proses kategorisasi.

• Width. Untuk keseragaman, ketik 1.

• Decimals. Oleh karena tipe data adalah numeric dengan kode, maka ketik 0,

yang berarti tidak ada desimal.

• Label. Abaikan bagian ini.

• Values. Pilihan ini untuk proses pembentukan kode. Klik kotak kecil di kanan

sel. Tampak di layar:


Andino Maseleno

Pengisian:

• Value. Untuk keseragaman, ketik 1.

• Value Label atau keterangan untuk angka 1 tersebut. Sesuai kasus yang

merinci pekerjaan, ketik karyawan.

Otomatis tombol Add aktif. Klik tombol tersebut, otomatis keterangan 1=“karyawan” tampak sebagai kodifikasi jenis pekerjaan pertama.

Pengisian lanjutan:


• Value Label, ketik wiraswasta.

Otomatis tombol Add aktif. Klik tombol tersebut, otomatis keterangan 2=“wiraswasta” tampak sebagai kodifikasi jenis pekerjaan kedua.

Pengisian lanjutan:


• Value Label, ketik buruh.

Otomatis tombol Add aktif. Klik tombol tersebut, otomatis keterangan 3=“buruh” tampak sebagai kodifikasi jenis pekerjaan ketiga.

Variabel didik

Oleh karena ini variabel kedua, tempatkan pointer pada baris 2.

• Name. Sesuai kasus, letakkan pointer di bawah kolom Name, lalu klik ganda

sel tersebut, dan ketik didik.

• Type. Tipe data untuk ‘didik’ adalah numerik, karena pada variabel tersebut

akan dilakukan proses kategorisasi.


Andino Maseleno

• Width. Untuk keseragaman, ketik 1.

• Decimals. Oleh karena tipe data adalah numeric dengan kode, maka ketik 0,




sel.

Pengisian:



merinci pekerjaan, ketik sma.

Otomatis tombol Add aktif. Klik tombol tersebut, otomatis keterangan 1=“sma” tampak sebagai kodifikasi pendidikan pertama.

Pengisian lanjutan:


• Value Label, ketik akademi.Otomatis tombol Add aktif. Klik tombol tersebut, otomatis keterangan 2=“akademi” tampak sebagai kodifikasi pendidikan kedua.

Pengisian lanjutan:


• Value Label, ketik sarjana.

Otomatis tombol Add aktif. Klik tombol tersebut, otomatis keterangan 3=

“sarjana” tampak sebagai kodifikasi pendidikan ketiga.

Variabel gender

Oleh karena ini variabel ketiga, tempatkan pointer pada baris 3.

• Name. Klik ganda sel tersebut, dan ketik gender.

• Type. Tipe data untuk gender adalah numerik, karena akan dilakukan proses

kategorisasi (coding).

• Width. Untuk keseragaman, ketik 1. Hal ini berarti gender hanya dapat

dimasukkan sebanyak satu digit saja.


Andino Maseleno

• Decimals. Oleh karena tipe data adalah numerik dengan kode, maka ketik 0,




sel.

Pengisian:

• Value atau nilai berupa angka yang dimasukkan. Untuk keseragaman,

ketik 1.


merinci gender, ketik pria.

Otomatis tombol Add aktif. Klik tombol tersebut, otomatis keterangan 1=

“pria” tampak sebagai kodifikasi gender pertama.

Pengisian lanjutan:


• Value Label, ketik wanita.

Otomatis tombol Add aktif. Klik tombol tersebut, otomatis keterangan 2=“wanita” tampak sebagai kodifikasi gender kedua

Oleh karena hanya ada dua gender yang dimasukkan, pengisian dianggap

selesai dan klik OK untuk kembali ke kotak dialog utama.

2. Pengolahan data dengan SPSS

Di sini akan dibahas dua hubungan:

a. Hubungan antara Pekerjaan Konsumen dengan Gender konsumen


Andino Maseleno

Analisis:Output Bagian Pertama (Case Processing Summary)

Ada 18 data yang semuanya diproses (tidak ada data yang missing atau hilang),

sehingga tingkat kevalidannya 100%.

Output Bagian Kedua (Crosstab antara Gender dengan Pekerjaan)

Terlihat tabel silang yang memuat hubungan di antara kedua variabel. Misal pada

baris 1 kolom 1, terdapat angka 3. Hal ini berarti ada 3 orang pria (variabel gender 1)

yang mempunyai pekerjaan karyawan (variabel Karyawan kode 1)

Output bagian ketiga (Uji Chi-Square)

Uji Chi-Square untuk mengamati ada tidaknya hubungan antara dua variabel (baris

dan kolom). Di dalam SPSS, selain alat uji Chi-Square, juga dilengkapi dengan

beberapa alat uji yang sama tujuannya.

Hipotesis:

Hipotesis untuk kasus ini:


Andino Maseleno

Ho : Tidak ada hubungan antara baris dan kolom, atau antara pekerjaan konsumen

dengan gender konsumen tesebut.

Hi : Ada hubungan antara baris dan kolom, atau antara pekerjaan konsumen dengan

gender konsumen tersebut.

Pengambilan Keputusan

Dasar Pengambilan Keputusan:

a. Berdasarkan perbandingan Chi-Square Uji dan tabel

Jika Chi-Square Hitung < Chi-Square Tabel, maka Ho diterima.

Jika Chi-Square Hitung > Chi-Square Tabel, maka Ho ditolak.

• Chi-Square Hitung – lihat pada ouput SPSS, adalah 3.378.

• Sedang Chi – Square tabel dapat dihitung pada tabel Chi – Square.

Tingkat signifikansi ( ) = 5%.

Derajat kebebasan (df) = 2

[dari output SPSS, atau dari rumus: (jumlah baris – 1) x (jumlah kolom – 1), atau

(2 – 1) x (3 – 1) = 2]

Dari tabel, didapat Chi-Square tabel adalah 5.9915.

Oleh karena Chi-Square hitung < Chi-Square tabel (3.702 < 5.9915), maka Ho

diterima.

b. Berdasarkan Probabilitas

• Jika probabilitas > 0.05, maka Ho diterima

• Jika probabiltas < 0.05, maka Ho ditolak

Keputusan:

• Terlihat bahwa pada kolom Asymp. Sig adalah 0.021, atau probabilitas di atas

0.05 (0.185 > 0.05). Maka Ho diterima.

Dari kedua analisis di atas dapat diambil kesimpulan yang sama, yaitu Ho diterima,

atau tidak ada hubungan antara pekerjaan seorang konsumen dengan genderkonsumen.


Andino Maseleno

Keterangan: Jika diperhatikan pada output SPSS pada bagian Chi-Square, terdapat

tanda ‘a’ dan keterangan di bawah bahwa ada sel yang mengandung angka di

bawah 5. Jika ada sel dengan isian di bawah 5, maka ada kemungkinan terjadi

gangguan pada perhitungan dan penafsiran angka Chi-square. Namun untuk kasus

di atas, dapat dianggap input sel di bawah 5 tidak berpengaruh pada perhitungan.

b. Hubungan antara Pekerjaan Konsumen dengan Tingkat Pendidikan konsumen


Andino Maseleno

Documents

deskriptif