Upload
ika-wulan-santi
View
5.624
Download
201
Embed Size (px)
Citation preview
BAB I
PENDAHULUAN
1.1 Latar Belakang
Dalam era dimana teknologi informasi telah berkembang pesat, setiap
perusahaan seharusnya dapat memanfaatkan data dan informasi, baik yang
telah dimilikinya maupun yang dapat diperoleh diluar instansinya, untuk
mengambil keputusan yang tepat dan obyektif. Kepekaan dan keakuratan
pengambilan keputusan akan dapat ditingkatkan dengan menggunakan
metode dan teknologi yang tepat serta keahlian dan ketrampilan yang
handal. SPSS Indonesia mewakili SPSS Inc., produsen software statistik dan
data mining yang berkedudukan di Chicago, USA, untuk wilayah Indonesia.
SPSS adalah singkatan dari Statistical Products and Solution Services.
SPSS menyediakan beraneka ragam software, yang umum maupun
spesifik. Untuk mengoptimalkan investasi suatu perusahaan/instansi
pembeli software, kami menyediakan fasilitas pelatihan bagi konsumen,
baik yang bersifat umum maupun dirancang khusus untuk kebutuhan
spesifik suatu perusahaan. Sebagai perwakilan dari SPSS Inc., yang
merupakan suatu perusahaan internasional, paket-paket pelatihan kami
bersertifikat internasional. Software Statistik dan Data Mining SPSS sangat
mudah digunakan (userfriendly) dan mempunyai banyak fasilitas untuk
mempersiapkan, mengolah dan menganalisis data secara statistik. Software
maupun pelatihan tersedia dalam berbagai modul yang dapat dipilih sesuai
kebutuhan konsumen. Juga tersedia software untuk membantu pembuatan
kuesioner serta pemasukan data secara otomatis.
1.2 Permasalahan
1.2.1 Pada saat ini bidang statistik dikenal sebagai suatu alat untuk menguji
konsep-konsep dan untuk merasakan arah-arah didalam berbagai
ragam disiplin ilmu.
1.2.2 Statistik diperlukan di dalam dunia perguruan tinggi dan dunia
perusahaan serta di dalam kehidupan sehari-hari.
1
1.2.3 Dari berbagai software khusus statistik yang beredar sekarang, SPSS
adalah yang paling populer dan paling banyak digunakan
pemakaiannya di seluruh dunia dalam berbagai riset sains. Oleh
karennya disini kita akan mempelajari program SPSS yang
merupakan salah satu software tentang satistik yang paling populer.
1.3 Tujuan Praktikum
Tujuan dari praktikum statistik SPSS kali ini adalah, mahasiswa diharapkan:
1. Memperkenalkan kepada praktikan tentang paket program SPSS.
2. Agar praktikan tahu dan mampu melakukan deskripsi dan inferensi data
dengan SPSS.
1.4 Manfaat Praktikum
1.4.1 Memberikan pengetahuan baru kepada praktikan tentang program
SPSS.
1.4.2 Praktikan tahu dan mampu melakukan deskripsi dan inferensia data
dengan menggunakan SPSS
1.4.3 Merupakan suatu bekal untuk praktikan dalam melakukan riset.
2
BAB II
TINJAUAN PUSTAKA
2.1 Pengertian dan Peranan Statistika
2.1.1 Pengertian Statistika
Statistika adalah ilmu yang antara lain mempelajari cara-cara
menetukan suatu penduga bagi suatu parameter, serta kemudian
bertugas mengambil kesimpulan mengenai nilai parameter tersebut
berasarkan nilai penduga yang didapat. (Andi Hakim, 1993)
Statistika adalah metode, ilmu dan atau seni yang berkaitan
dengan tata cara pengumpulan data, analisis data, interpretasi hasil
analisis untuk disimpulkan serta pelaksanaan perkiraan pada batas-
batas yang masih dibenarkan. (Solimun, 1997)
Statistika adalah ilmu pengetahuan murni dan terapan,
mengenai penciptaan, pengembangan dan penerapan teknik-teknik
sedemikian rupa sehingga ketidakpastian inferesia induktif dapat
dievaluasi (diperhitungkan). (Torrie, 1993)
Statistika adalah ilmu yang mempelajari bagaimana
merencanakan, mengumpulkan, menganalisis, menginterpretasi dan
mempresentasikan data. Atau dengan kata lain statistika adalah ilmu
yang berkenaan dengan data. Sedangkan statistik adalah data
informasi atau hasil penerapan algoritma statistika pada suatu data.
(Wikipedia)
Statistik adalah luas, baik statistika sebagai data atau informasi
yang berupa angka, sebagai sistem yang memadukan penyelenggaraan
statistika, maupun sebagai ilmu yang mempelajari cara pengumpulan,
pengolahan, penyajian, dan analisis data. (Undang-Undang Statistik
Republik Indonesia, 1997)
3
2.1.2 Peranan Statistika
Peranan statistika dalam penelitian adalah sebagai berikut:
Memberikan informasi tentang karakteristik distribusi suatu
populasi tertentu, baik diskrit maupun kontinyu. Pengetahuan ini
berguna dalam menghayati perilaku populasi yang sedang diamati
Menyediakan prosedur praktis dalam melakukan survey
pengumpulan data melalui metode pengumpulan data (teknik
sampling). Pengetahuan ini berguna untuk mendapatkan hasil
pengukuran yang terpercaya
Menyediakan prosedur praktis untuk menduga karakteristik suatu
populasi melalui pendekatan karakteristik sampel, baik melalui
metode penaksiran, metode pengujian hipotesis, metode analisis
varians. Pengetahuan ini berguna untuk mengetahui ukuran
pemusatan dan ukuran penyebaran serta perbedaan dan kesamaan
populasi.
Menyediakan prosedur praktis untuk meramal keadaan suatu
obyek tertentu di masa mendatang berdasarkan keadaan di masa
lalu dan masa sekarang. Melalui metode regresi dan metode deret
waktu. Pengetahuan ini berguna memperkecil resiko akibat
ketidakpastian yang dihadapi di masa mendatang.
Menyediakan prosedur praktis untuk melakukan pengujian
terhadap data yang bersifat kualitatif melalui statistik non
parametrik.
2.2 Variabel Statistika dan Skala Pengukuran
2.2.1 Variabel Statistika
Variabel adalah suatu fungsi yang mentransformasikan
(memberi nilai) hasil percobaan random (dapat berupa pengamatan,
kejadian, peristiwa) kedalam himpunan bilangan riil.Karakteristik atau
sifat-sifat dari unit suatu populasi secara individual dinyatakan dalam
variabel.Dengan konsep variabel random, maka setia hasil percobaan /
4
kejadian / objek dapat dinyatakan ke dalam suatu bilangan riil dan
disertai nilai probabilitanya.
Analisis statistika sangat tergantung dari jumlah variabel yang
digunakan dalam analisis. Analisis statistika dengan melibatkan satu
buah variabel menggunakan statistika univariat, sedangkan analisis
dengan menggunakan jumlah variabel lebih dari satu menggunakan
statistika multivariat. Jenis variabel dalam statistika dapat dibedakan
sebagai variabel bebas (independent) dan variabel tak bebas atau
bergantung (dependent). Dalam setiap analisis statistika selalu
menggunakan asumsi dalam hal variabel, apakah variabel tersebut
berposisi sebagai variabel bebas atau variabel tak bebas atau
bergantung.
Dalam bidang penerapan, hubungan variabel bebas (= x) dan
variabel bergantung (= y) dapat diberikan ilustrasi seperti pada
gambar di atas.Hubungan variabel dapat dinyatakan sebagai fungsi
matematika, fungsi y = f(x) yang menyatakan hubungan antara
variabel bebas x dan variabel bergantung y dinyatakan dalam fungsi y
= f(x).Dala gambar di atas, variabel bebas x dapat berupa input dan
proses, sedangkan variabel bergantung berupa variabel y sebagai
produk.
2.2.2 Skala Pengukuran
Pengukuran data adalah penetapan atau pemberian angka-
angka atau bilangan terhadap suatu objek yang diamati sesuai dengan
aturan-aturan yang berlaku.Hasil pengukuran merupakan informasi
data dari sistem ampiris ke dalam sistem bilangan. Sistem bilangan
dideskripsikan untuk menjelaskan sistem empiris yang didefinisikan
sebagai sampel/populasi.Penetapan bilangan tersebut disesuaikan
dengan sifat objek yang diamati sesuai dengan skala pengukuran yang
digunakan.Skala pengukuran ini akan menentukan jenis analisis
statistika yang digunakan.
Jenis skala pengukuran dapat dijelaskan sebagai berikut :
5
a. Skala Nominal.
Skala ini digunakan , misalnya untuk
- Menyatakan kehadiran atau ketidakhadiran suatu sifat,
- Membagi objek kedalam kelompok-kelompok untuk
identifikasi.
Data dalam skala nominal merupakan data sifat (atribute data).
Untuk membedakan antara data satu dengan lainnya, setiap
kelompok dapat dibuat kode numerik (dapat dalam bentuk
bilangan).
Contoh : Kehadiran : pergi (=1) / tidak pergi (=2)
Hasil : sukses (=0) / gagal (=1)
Jenis Kelamin : pria (=1) / wanita (=2)
Mobil : sedan (=1) / truk (=2) / bus (=3)
b. Skala Ordinal.
Skala ini digunakan, misalnya untuk :
- Menyatakan suatu objek untuk memiliki satu sifat yang
dapatdibandingkan objek yang lain.
- Mengurutkan serangkaian pengamatan objek.
Data dengan skala ordinal digunaan untuk membedakan
peringkat dari suatu sifat yang dapat diurutkan.Untuk membedakan
satu sifat dengan lainnya dalam peringkat dapat dibuat kode
bilangan (numerik).
Contoh :
Rasa: enak sekali (=3), cukup enak (=2), tidak enak (=1)
Produk: baik (=1), lebih baik (=2), sangat baik (=3)
Data dengan skala ordinal dapat dianalisis dengan cara
matematis :
= (sama dengan), > (lebih besar), < (lebih kecil), ≠ (tidak sama
dengan).
c. Skala Interval.
Skala interval merupakan pengukuran di mana rasio
perbedaan dalam interval adalah tetap. Dengan skala interval dapat
6
membuat perbedaan dengan menambah, mengurangi, atau
mengurutkan objek.
Contoh : Suhu = 30◦ C, perbedaan suhu = 33= C - 28̊= C = 5̊= C
d. Skala Rasio.
Skala rasio merupakan pengukuran suatu objek dalam dua
tokoh ukur yang berbeda berkaitan satu sama lain dengan rasio
tetap. Dengan skala pengukuran dapat membuat perbedaan dengan
operasi matematik : tambah, kurang, kali dan bagi.
Contoh :
Harga = Rp 5̊00,-
Gaji = Rp 1,5̊ juta per bulan
tinggi = 5̊ meter.
2.3 Elemen Statistika
Meskipun statistik bisa diterapkan pada hampir semua aspek
kehidupan, namun ada beberapa elemen yang biasa terdapat dalam suatu
persoalan statistik, yaitu:
1. Populasi
Masalah dasar dari persoalan statistik adalah menentukan populasi
data. Secara umum populasi bisa didefinisikan sebagai sekumpulan data
yang mengidentifikasi suatu fenomena. Misal Pekerja di seluruh
Indonesia bias disebut suatu populasi; namun semua Pekerja di PT
UTAMA juga bias dikatakan populasi; bahkan Pekerja Wanita khusus di
bagian produksi yang bekerja lembur pada malam hari di PT UTAMA
tersebut juga bisa disebut suatu populasi. Jadi, definisi populasi lebih
bergantung pada kegunaan dan relevansi data yang dikumpulkan; jika
diinginkan diteliti kepuasan pekerja wanita yang bekerja malam di PT
UTAMA tersebut, maka populasi adalah Pekerja Wanita khusus di
bagian produksi yang bekerja lembur pada malam hari di PT
UTAMA.Namun, jika ingin diteliti status dan keadaan pekerja wanita di
7
Indonesi, maka populasi yang relevan adalah seluruh wanita Indonesia
yang aktifbekerja.Popuasi dalam statistika tidak hanya terbatas pada
masalah-masalah manusia atau bisnis, namun dapat lebih luas
cakupannya.Seperti populasi ayam di suatu daerah, populasi bakteri ‘X’
di suatu laboratorium, dan seterusnya.Juga populasi bisa sedemikian
besarnya hingga bisa dikatakan tak terbatas, seperti populasi oksigen di
dunia, populasi plankton di lautan dan sebagainya.
2. Sampel
Sampel bisa didefinisikan sebagai sekumpulan data yang diambil
atau diseleksi dari suatu populasi; seperti dalam kasus populasi di atas,
jika populasi adalah seluruh pekerja wanita di PT UTAMA, maka sampel
bisa sebagian pekerja wanita, atau beberapa pekerja wanita di perusahaan
tersebut.Dengan itu, jadi,
sampel pada dasarnya adalah bagian dari populasi, atau populasi
bisa dibagi dalam berbagai jenis sampel. Pengambilan sampel dilakukan
karena dalam praktek banyak kendala yang tidak memungkinkan seluruh
populasi diteliti. Kendala tersebut bisa karena situasi, waktu, tenaga,
biaya, dan sebagainya. Sebagai contoh, tidak mungkin akan diteliti
semua bakteri “X”di seluruh dunia; atau menghabiskan
banyak waktu dan biaya jika seluruh pekerja wanita di Indonesia
dijadikan objek penelitian. Oleh karena itu, pengambilan sampel (contoh)
data pada banyak kasus statistik merupakan suatu kebiasaan dan
karenanya metode pengambilan sampel menjadi bagian penting dari
statistik.
3. Variabel
Dalam melakukan inferensi terhadap populasi, tidak semua ciri
populasi harus diketahui. Hanya satu atau beberapa karateristik populasi
yang perlu diketahui, yang disebut sebagai variabel. Seperti untuk
meneliti kepuasan pekerja, variabel yang dianggap relevan bisa berupa
usia pekerja, gender pekerja, penghasilan pekerja, dan lainnya. Namun,
variabel seperti status pekerja, asal pekerja, atau tempat tinggal pekerja
bisa saja dianggap tidak relevan dan tidak perlu dianalisis.
8
4. Statistik Inferensi
Seperti telah dijelaskan di muka, statistik inferensi pada dasarnya
adalah suatu keputusan, perkiraan, atau generalisasi tentang suatu
populasi berdasarkan informasi yang terkandung dari suatu sampel. Pada
kasus pekerja wanita di atas, diambil sampel sebanyak 20 orang pekerja
wanita di PT UTAMA. Jika setelah dilakukan serangkaian analisis
statistik, ternyata umumnya para pekerja wanita bergaji rendah dan
merasa tidak puas dengan kondisi kerjanya, maka bisa disimpulkan
bahwa seluruh pekerja wanita di PT UTAMA (populasi) juga merasa
tidak puas dengan kondisi kerja dan tingkat gaji yang diterima selama ini.
Jadi, apa yang disimpulkan dari analisis terhadap sampel, itu pula yang
digeneralisasikan (kesimpulan umum) pada populasi.
2.4 Klasifikasi Statistika
2.4.1 Statistik Parametrik
Merupakan karakteristik dari hasil pengukuran suatu
objek.Ukuran parameter statistika dihitung dari data sampel atau
populasi.Parameter statistika yang sering digunakan dalam analisis
statistika, adalah :
a. Rata-rata
Rata-rata adalah nilai yang dapat mewakili besaran dari
objek yang diamati.Rata-rata dapat diartikan juga sebagaiukuran
data yang mendominasi dari seluruh data.Dalam komputasinya,
rata-rata dapat ditentukan dengan cara nilai tengan, dan nilainya
dihitung dengan cara rata-rata hitung, median dan modus.Ketiga
ukuran tersebut mempunyai sifat-sifat tersendiri yang tergantung
dari jenis penyebaran data.Jika penyebaran data mempunyai
distribusi frekuensi yang simetri terhadap rata-rata, maka nilai
dari ketiga nilai tengah adalah sama.
9
b. Varian atau deviasi standar
Varian merupakan pengukuran variasi sekitar mean.Variasi
diberikan oleh suatu nilai yang menunjukkan tingkat variabilitas
perbedaan data.Karena nilai rata-rata sering kali belum dapat
memberikan cukup informasi yang tepat mengenai parameter
rata-rata sebagai nilai tengah, maka diperlukan adanya ukuran
tingkat variabilitas data tersebut.
c. Korelasi
Korelasi adalah suatu nilai yang menyatakan hubungan
antar variabel.Jika dua variabel mempunyai korelasi, maka
kedua variabel random yang tidak saling bebas.Ukuran erat
tidaknya hubungan antara dua variabel ditunjukkan oleh
koefisien korelasi.Dengan diketahuinya koefisien korelasi, maka
dapat diketahui tingkat hubungan antara satu variabel lain.
2.4.1.1 Statistik Deskriptif
Statistika deskriptif berkenaan dgn bagaimana data
dapat digambarkan dideskripsikan) atau disimpulkan baik
secara numerik (misal menghitung rata-rata dan deviasi
standar) atau secara grafis (dalam bentuk tabel atau grafik)
utk mendapatkan gambaran sekilas mengenai data tersebut
sehingga lbh mudah dibaca dan bermakna.
2.4.1.2 Statistik Inferensia
Statistika inferensial berkenaan dgn permodelan data
dan melakukan pengambilan keputusan berdasarkan analisis
data misal melakukan pengujian hipotesis melakukan
estimasi pengamatan masa mendatang (estimasi atau
prediksi) membuat permodelan hubungan (korelasi regresi
ANOVA deret waktu) dan sebagainya.
10
2.4.2 Statistik Nonparametrik
Statistik non parametrik adalah statistika bebas sebaran (tdk
mensyaratkan bentuk sebaran parameter populasi, baik normal atau
tidak). Statistika non-parametrik biasanya digunakan untuk melakukan
analisis pada data berjenis Nominal atau Ordinal. Data berjenis
Nominal dan Ordinal tidak menyebar normal. Contoh metode
Statistika non-parametrik:Binomial test, Chi-square test, Median test,
Friedman Test, dll.
2.5 Korelasi dan Regresi Sederhana
2.5.1 Korelasi
Korelasi adalah suatu nilai yang menyatakan hubungan antar
variabel.Jika dua variabel mempunyai korelasi, maka kedua variabel
random yang tidak saling bebas.Ukuran erat tidaknya hubungan antara
dua variabel ditunjukkan oleh koefisien korelasi.Dengan diketahuinya
koefisien korelasi, maka dapat diketahui tingkat hubungan antara satu
variabel lain.
2.5.2 Regresi Sederhana
Analisis regresi digunakan untuk tujuan peramalan, dimana
dalam model tersebut ada sebuah variabel dependen (tergantung) dan
variabel independen (bebas).Sebagai contoh ada tiga variabel, yaitu
Penjualan, Biaya Promosi Penjualan dan Biaya Iklan.
Dalam praktek, akan dibahas bagaimana bagaimana hubungan
antara Biaya Promosi Penjualan dan Biaya Iklan terhadap Penjualan.
Di sini berarti ada variabel dependen yaitu Penjualan, sedangkan
variabel independennya adalah Biaya Promosi Penjualan dan Biaya
Iklan.
Metode Korelasi akan membahas keeratan hubungan, dalam
hal ini keeratan hubungan antara Biaya Promosi Penjualan dan Biaya
Iklan terhadap Penjualan.Sedangkan metode Regresi akan membahas
11
prediksi (peramalan), dalam hal ini apakah Penjualan di masa
mnedatang dapat diramalkan jika Biaya Promosi Penjualan dan Biaya
Iklan diketahui.Regresi sederhana jika hanya ada satu variabel
independen.
2.6 Window SPSS
Secara keseluruhan SPSS menyediakan tujuh window, yang meliputi:
1. Data Editor
Window ini terbuka secara otomatis setiap kali program SPSS dijalankan, dan
berfungsi untuk input data SPSS. Menu yang ada pada Data Editor adalah:
12
File
Menu File berfungsi untuk menangani hal-hal yang berhubungan dengan
file data, seperti membuat file baru, membuka file tertentu, mengambil
data dari program lain, mencetak isi dari Data Editor dan lainnya.
Edit
Menu Edit berfungsi untuk menangani hal-hal yang berhubungan dengan
memperbaiki atau mengubah nilai data (duplikasi data), menghilangkan
data, edit data dan lainnya. Selain itu, menu Edit juga berfungsi untuk
mengubah setting pada Options.
View
Menu view berfungsi untuk mengatur toolbar (status bar, penampakan
value lable dan sebagainya).
Data
Menu data berfungsi untuk membuat perubahan data SPSS secara
keseluruhan, seperti mengurutkan data, menyeleksi data berdasarkan
kriteria tertentu, menggabungkan data dan sebagainya.
Transform
Menu Transform berfungsi untuk membuat perubahan pada variabel yang
telah dipilihdengan kriteria tertentu.
Analyze (Statistics)
Menu Analyze merupakan menu inti dari SPSS, yang berfungsi untuk
melakukan semua prosedur perhitungan statistik, seperti uji-t, uji-F,
regresi, time series dan sebagainya.
Graphs
Menu Graphs berfungsi untuk membuat berbagai jenis grafik untuk
mendukung analisis statistik, seperti Pie, Line, Bar dan kombinasinya.
Utulities
Menu ini adalah menu tambahan yang mendukung program SPSS seperti :
Memberi informasi tentang variabel yang sekarang sedang
dikerjakan
Menjalankan Scripts
Mengatur tampilan menu-menu lain
13
Add-Ons
Menu ini juga merupakan menu tambahan yang berisi mengenai software
lain yang dapat diintegrasikan dengan SPSS, juga berisi sambungan on-
line dengan website SPSS guna kepentingan pelatihan dan pengembangan
SPSS.
Window
Menu ini berfungsi untuk pindah diantara menu-menu lain di SPSS
Help
Menu ini berfungsi untuk menyediakan bantuan informasi mengenai
program SPSS yang bisa diakses secara mudah dan jelas.
2. Menu Output Navigator
Jika menu Editor berfungsi untuk memasukkan data yang siap diolah oleh
SPSS, kemudian melakukan pengolahan data yang dilakukan lewat menu
Analyze, maka hasil pengolahan data atau informasi ditampilkan lewat menu
Output Navigator atau dapat disebut Output saja.
Menu Output pada prinsipnya sama dengan menu Editor, seperti: File, Edit,
View, Analyze, Graphs, Utilities, Window dan Help. Tentunya dengan
disesuaikan untuk kegunaan output SPSS. Selain menu ditas ada lagi menu
tambahan, yaitu:
Insert
Berfungsi untuk menyisipkan judul, grafik, teks atau objek tertentu dari
aplikasi lain.
Format
Berfungsi untuk mengubah tata letak huruf output.
3. Menu Pivot Tabel Editor
Ilmu Statistik banyak berhubungan dengan berbagai tabel dan banyak output
SPSS yang disajikan berbentuk tabel. Menu Pivot Tabel berhubungan dengan
pengerjaan tabel SPSS, seperti mentransformasi baris tabel menjadi kolom dan
14
sebaliknya, memindah baris dan kolom tabel, grouping atau ungrouping tabel
dan yang lainnya.
Karena pengerjaan Pivot table erat kaitannya dengan menu Output Navigator,
yaitu sebagai tempat editing tabel hasil output, maka menu ini mempunyai
submenu yang hampir sama dengan submenu pada Output Navigator.
4. Menu Chart Editor
Menu ini juga merupakan tempat editing bagi output hasil pengerjaan data di
menu Editor, hanya khusus untuk output berupa Grafik/Chart/Diagram. Sesuai
dengan fungsinya, selain submenu dasar seperti File, edit, View dan lainnya,
Char Editor juga dilengkapi submenu berikut:
Gallery
Berfungsi untuk mengubah jenis chart.
Chart
Untuk mengedit berbagai hal mengenai grafik, seperti layout dan
Labelling Grafik, skala grafik dan sebagainya.
Series
Untuk memilih kelompok data tertentu, transpose data atau menampilkan
seri data.
5. Menu Text Output Editor
Sama seperti menu Pivot table dan Chart berfungsi untuk edit output yang
berupa teks atau tulisan.
6. Menu Syntax Editor
Walaupun SPSS sudah menyediakan berbagai macam pengolahan data
statistik secara memadai, namun ada berbagai perintah atau pilihan yang
hanya bisa digunakan dengan SPSS Command Language. Perintah-perintah
tersebut bisa ditulis pada menu Syntax`Editor. Menu ini berupa file teks yang
berisi berbagai perintah SPSS dan bisa diketik secara manual.
15
7. Menu Script Editor
Menu ini pada dasarnya digunakan untuk melakukan berbagai pengerjaan
SPSS secara otomatis, seperti membuka menutup File, eksport Chart dan
sebagainya. Isi menu ini sama dengan menu terdahulu, hanya ditambah
dengan submenu Script untuk membuat berbagai subrutin dan fungsi baru,
serta submenu Debug untuk melakukan proses debug pada script.
16
BAB III
MATERI DAN METODE
3.1 Waktu dan Tempat Praktikum
Waktu : Pukul 13.00 – 15̊.00 WIB
Tempat : Ruang 306, kampus ilmu kelautan
Hari/tanggal : Kamis, 16 Desember 2010
3.2 Materi
– Pengenalan Paket Program SPSS
– Statistik Deskriptif (Explore)
– Menguji Normalitas Data dan Homogenitas Varians
– Scatter Plot
– Hipotesis
– Regresi dan Korelasi
3.3 Metode Praktikum
3.3.1 Pengenalan Paket Program SPSS
1. Buat file data dengan pendefinisian variabel berikut :
Name Type
Decimal
s Label
Values
Label
panjang comma 2 Panjang tiram
Jenis
numeri
k 0 jenis tiram 1 : "spat"
2 : "cc"
Untuk memberi label dan value label pada data gender, dapat
dilakuakan langkah-langkah sbb :
Pada sel di bawah label isi dengan “jenis”
Klik pada sel dibawah velue dam klik pada kotak abu-abu yang
selanjutnya muncul value labels dialog
Pada kotak value isi dengan angka 1
Pada kotak value label isi dengan “spat”
17
Klik tombol add
Lanjutkan proses dengan mengisi angka 2 pada kotak value
Pada kotak value label isi dengan “cc”
Klik tombol add
Klik ok
Hasil yang tampak pada data editor adalah sebagai berikut
Kemudian isi panjang tiram sesuai data dan isi jenis tiram “spat”
dengan 1 dan “cc” dengan 2. Hasil yang di tampilkan adalah:
18
19
2. Buat file data dengan pendefinisian variabel berikut :
Hasil yang tampak pada data editor adalah sebagai berikut :
Masukkan data yang tersedia ke dalam data view. Hasil
yang tampak adalah sebagai berikut:
20
Name Type
Decimal
s Label
Values
Label
kode
numeri
k 0 no
suhu comma 2 suhu
salinitas comma 2 saliitas
3.3.2 Statistik Deskriptif
Frequencies
Susun distribusi frekuensi untuk panjang dengan langkah sbb :
klik analyze
pilih deskriptive statistic
21
klik frequencies
Pindahkan data panjang dari kolom kiri ke kolom kanan dengan
cara mengeblok kemudian klik tanda panah.
Klik statistic kemudian beri tanda (v) pada persentile velue,
central tendency, dispersion dan distribution
Klik continue
22
Klik chart dan pilih histograms
Klik continue
Klik ok
Susun
distribusi
frekuensi untuk
jenis dengan
langkah sbb :
klik analyze
pilih
deskriptive
statistic
klik
frequencies
23
Pindahkan data gender dari kolom kiri ke kolom kanan dengan
cara mengeblok kemudian klik tanda panah.
Klik statistic kemudian beri tanda (v) pada persentile velue,
central tendency, dispersion dan distribution
Klik continue
Klik chart dan pilih pie charts
Klik continue
Klik ok
Explore
Langkah-langkah :
klik analyze
pilih deskriptive statistic
klik explore
24
Pindahkan data suhu dan salinitas dari kolom kiri ke kolom
dependent list dengan cara mengeblok kemudian klik tanda
panah.
Klik statistic kemudian beri tanda (v) pada descriptive.
Klik continue
25
Klik plots dan untuk keseragaman, pada boxplot pilih factor
levels together dan pada descriptive pilih stem and leaf.
Klik continue
Pada bagian displays pilih both.
Klik ok.
Transform
Langkah-langkah untuk transform suhu ke bentuk logaritma sbb:
klik transform
pilih compute
26
Pada bagian target variable ketik logsuhu (tanpa spasi)
klik tombol type & label
Pada bagian kolom label ketik suhu dan pada bagian type pilih
numeric.
Klik continue
Pada bagian kolom numerik expression ketik Lg10( ), klik 1 kali
dalam kurung tersebut kemudian mengeblok panjang dan klik
tanda panah.
27
Klik ok
3.3.3 Menguji Normalitas dan Homogenitas Varians
Langkah-langkah pengujian sbb:
28
klik analyze
pilih deskriptive statistic
klik explore
Pindahkan data fisika dari kolom kiri ke kolom dependent list
dengan cara mengeblok kemudian klik tanda panah.
29
Pindahkan data kode dari kolom kiri ke kolom factor list dengan
cara mengeblok kemudian klik tanda panah.
Klik statistic kemudian beri tanda (v) pada descriptive.
Klik continue
Klik plots dan untuk keseragaman, pada boxplot pilih non dan
pada descriptive tidak ada yang pilih atau stem and leaf di
deselect.
Beri tanda (v) pada normality plots with test
Pada bagian spread vs level with levene test pilih power
estimation.
30
Klik continue
Pada bagian displays pilih both.
Klik ok\
3.3.4 ScatterPlot
Langkah-langkah sbb:
klik graphs
pilih scatte / dot
klik simple scatter
klik define
31
32
Mengeblok logsuhu kemudian klik tanda panah X axis dan
mengeblok logsalinitas kemudian klik tanda panah Y axis.
Klik ok
3.3.5 Hipotesis
H0 = Tidak ada hubungan antara suhu dan salinitas pada sebaran
nitrat
H1 = ada hubungan antara suhu dan salinitas pada sebaran nitrat
3.3.6 Regresi dan Korelasi
Langkah-langkah sbb:
klik analyze
pilih regression dan dari serangkaian pilihan test untuk regresi,
sesuai kasus pilih linear.
Mengeblok logsalinitas kemudian klik tanda panah dependent dan
mengeblok logpanjang kemudian klik tanda panah independent.
Pada kolom method pilih enter.
33
Klik tombol statistik
Pada kolom regression coefficient pilih estimate.
Beri tanda (v) pada model fit dan descriptive.
Pada kolom residual beri tanda (v) pada casewise diagnostics dan
pilih all cases.
Klik continue
34
Klik tombol plots
Klik pilihan sdresid dan masukkan ke kolom Y lalu klik pilihan
zpred dan masukkan ke kolom X.
Klik tombol next
Klik pilihan zpred dan masukkan ke kolom Y lalu klik pilihan
dependnt dan masukkan ke kolom X.
Pada kolom standardized residual plots beri tanda (v) pada
normal probability plot.
Klik continue
Klik ok
35
BAB IV
HASIL DAN PEMBAHASAN
4.1 Hasil Praktikum
Data panjang cangkang tiram 25̊ responden yang diambil secara acak
yang terdiri dari tiram jenis spat dan cc.
36
no Jenis panjang
1 Spat 0.95
2 Spat 1.02
3 Cc 2.90
4 Cc 3.11
5 Cc 3.12
6 Spat 1.02
7 Spat 1.22
8 Spat 1.23
9 Spat 1.25
10 Cc 3.13
11 Cc 3.15
12 Cc 3.19
13 Cc 3.25
14 Cc 3.31
15 Cc 3.32
16 Spat 1.27
17 Spat 1.27
18 Spat 1.33
19 Spat 1.34
20 Spat 1.35
21 Cc 3.32
22 Spat 1.36
23 Cc 3.32
24 Spat 1.39
25 Spat 1.40
Data fisika stasiun 1.
no suhu salinitas
1 30.1451 32.1070
2 30.1296 32.1137
3 30.1529 32.1073
4 30.1136 32.1145
5 30.0707 32.1211
6 30.0409 32.1267
7 29.9771 32.1310
8 29.9310 32.1341
9 29.9047 32.1336
10 29.8997 32.1333
11 29.8943 32.1343
12 29.9020 32.1416
13 29.8997 32.1499
14 29.8996 32.1617
15 29.9063 32.1861
16 29.9081 32.2058
17 29.8880 32.2196
18 29.8600 32.2274
19 29.8188 32.2494
20 29.7740 32.2592
21 29.7079 32.2714
22 29.6454 32.3012
23 29.5933 32.3267
24 29.5448 32.3607
25 29.4605 32.4070
4.1.1 Pengenalan Paket Program SPSS
37
a) Data panjang csngkang tiram
b) Data fisika stasiun 1
38
39
4.1.2 Statistika Deskripsif (Explore)
a) Frequencies
Frekuensi untuk panjang tiram
40
41
Frekuensi untuk jenis tiram
42
b) Explore
43
44
45
c) Transform
46
4.1.3 Menguji Normalitas dan Varians
47
48
49
50
4.1.4 Scetterplot
4.1.5 Regresi dan Korelasi
51
52
53
54
55
4.2 Pembahasan
4.2.1 Pengenalan Paket Program SPSS
Pada Praktikum saat ini kita semua telah membahas mengenai
salah satu program yang terpenting dan diterapkan dalam bidang ilmu
statistika yaitu program SPSS. Didalam program ini, pengolahan data
yang digunakan yaitu pengolahan secara digital, hal ini dikarenakan
program SPSS ini merupakan suatu software yang digunakan untuk
membantu mempermudah pengolahan sample data yang spasial.
Pada beberapa hasil di atas kita dapat mengetahui bahwa suatu
data dapat diolah dengan berbagai cara tergantung dengan permintaan
si pemberi soal. Output yang terdapat pada hasil pengolahan data
diatas kita dapat lihat bahwa terdapat berbagai jenis pengplotan
misalnya histogram, pie chart, boxplot dll.
4.2.2 Statistik Deskriptif (Explore)
Statistik deskriptif berguna untuk menggambarkan data yang kita
miliki dalam bentuk data, tabel, histogram, dan pie.
Menu-menu yang berhubungan dengan statistik deskriptif antara lian :
1. Frequencies : membahas beberapa penyebaran ukuran statistik
deskriptif seperti mean, median, kuartil, persentil, standar
deviasi,dll.
2. Explore :menampilkan deskripsi statistik yang lebih mendalam
seperti boxplots, diagram stem and leaf, dll.
Pada Pengolahan datanya, kita menggunakan beberapa data
untuk diuji yaitu :
Uji Frekuensi untuk panjang tiram
Di uji data dengan jumlah data sebanyak 25̊ buah. Hasil
yang didapat adalah sebagai berikut:
Mean = 2.1008̊
Median = 1.3900
Stan. Deviasi = 0.99719
Varians = 0.994
56
Skewness = 0.241
Kurtosis = -2.023
Range = 2.37
Nilai maksimum = 3.32
Nilai minimum = 0.95̊
Pada tabel frekuensi panjang tiram, penafsiran data
dilakukan tiap baris dan dihitung secara kumulatif. Demikian
perhitungan dilakukan seterusnya hingga mencapai 100%.
Dari hasil, histogram yang terlihat frekuensi terbesar adalah
pada kisaran panjang 1.00-1.5̊0
Uji Frekuensi untuk jenis tiram
Di uji data dengan jumlah data sebanyak 25̊ buah. Hasil
yang didapat adalah sebagai berikut:
Mean = 1.44
Median = 1.00
Stan. Deviasi = 0.5̊07
Varians = 0.25̊7
Skewness = 0.25̊7
Kurtosis = -2.110
Range = 1
Nilai maksimum = 2
Nilai minimum = 1
Frekuensi spat = 14
Frekuensi cc = 11
Dari hasil berupa pie chart pada data jenis tiram frekuensi
terbanyak adalah spat.
Explore
Transform
Menu transform pada prinsipnya berfungsi mentransformasi
atau mengubah suatu data untuk keperluan-keperluan khusus.
57
Berdasarkan pengolahan data yang diambil dari data suhu
dan salinitas. Didapatkan bahwa transform dengan menlogkan suhu
dan salinitas secara umum lebih dari 1. Transform tidak hanya ke
bentuk log saja, namun juga bisa ke bentuk lainnya.
4.2.3 Menguji Normalitas Data dan Homogenitas Varians
Dari data yang didapat pada tabel hasil case prossecing
summary kita menjadi tahu bahwa semua data valid adanya.
Untuk data suhu hasil yang didapat adalah:
Mean = 29.8̊8̊27
Median = 29.8̊8̊97
Stan. Deviasi = 0.018̊375̊
Varians = 0.034
Range = 0.69
Nilai maksimum =30.15̊
Nilai minimum = 29.46
Untuk data salinitas hasil yang didapat adalah:
Mean = 32.1930
Median = 32.1499
Stan. Deviasi = 0.08̊646
Varians = 0.007
Range = 0.030
Nilai maksimum = 32.41
Nilai minimum = 32.11
Output test of normality terlihat nilai signifikan pada data fisika
adalah suhu 0.019 dan salinitas 0.006. dimana nilai signifikansi < 0.05̊
sehingga distribusi datanya berdistribusi tidak normal.
4.2.4 Scatterplot
Deskriptive ini digunakan untuk mengetahui sebaran data pada
statistik univarian. Dari hasl terlihat sebaran data dalam satu garis dan
terdistribusi secara normal.
58
4.2.5̊ Analisa Regresi Linier Sederhana
Analisa regresi linier sederhana merupakan analisis yang
membicarakan hubungan antara 2 buah variabel, yaitu variabel bebas
dan variabel tergantung. Tujuannya adalah untuk membuat sebuah
model yang baik dan memungkinkan kita untuk menaksir nilai y bagi
nilai-nilai x tertentu.
Di tabel descriptive kita mengetahui mean dari suhu adalah
1.475̊4 dengan standart deviasi 0.00268̊. sedangkan mean salinitas
adalah 1.5̊078̊ dengan standart deviasi 0.00116.
Di tabel correlations pada keterangan pearson correlation
suhu 1.000 sedangkan salinitas -0.939. Begitu juga pada pearson
correlesion salinitas berlaku kebalikannya. Tanda (-) menunjukkan
korelasi (-) artinya semakin kecil korelasi semakin lebar.
59
BAB V
KESIMPULAN DAN SARAN
1.1 Kesimpulan
Setelah melakukan praktikum SPSS ini maka dapat disimpulkan bahwa:
1) SPSS adalah salah satu program statistik yang dibuat untuk
mempermudah dalam menyelesaiakan masalah-masalah statistik.
2) Untuk menyelesaikan permasalahan-permasalahan statistik dapat
digunakan SPSS Data Eitor dengan beberapa uji diantaranya;
Uji frekuensi
Statistika deskrptive (explore)
Uji Normalitas dan Varians
Scetterplot
Hipotesis
Regresi dan Korelasi
3) Statistik dengan uji hipotesis yaitu untuk membuktikan dengan
alat statistika, apabila dugaan yang dimiliki dapat dibuktikan
benar atau sebaliknya. Ada dua kelompok besar yang dapat
dilakukan dengan uji hipotesis: uji hipotesis terkait uji rerata, dan
uji hubungan baik terbatas pada besarnya derajat asosiasi (uji
korelasi) atau mencari bentuk hubungan fungsional beberapa
variabel (uji regresi).
1.2 Saran
1) Seharusnya agar lebih efektif, efisien, dan optimal komputer untuk
mengolah data lebih diperbanyak lagi, sehingga tidak ada praktikan yang
mengerjakan pengolahan data dipraktikum berdesak-desakan.
2) Untuk praktikum selanjutnya agar asisten lebih selektif lagi dalam
memberi jadwal praktikum, agar tidak terulang kembali jadwal praktikum
yang tidak sesuai dengan jadwal sebelumnya.
3) Untuk pembelajaran pengolahan data seharusnya asisten lebih komunikatif
lagi dengan para praktikan.
60
DAFTAR PUSTAKA
Priyandi, Janesti. 2006. Tiram Di Perairan segera Anakan, Cilacap: Suatu Kajian
tentang Identifikasi Jenis, Kerapatan serta Analisa Saluran
Pencernaannya dan Kelimpahan Fitoplankton Di Habitatnya. UNDIP:
Semarang.
Tampomas, Husain. SUU: Sistem Persamaan Linear & Statistika.Grasindo;
Jakarta
Spiegel, Murray R. & Larry J. Stephens. 2007. Schaum's Outlines: Statistik edisi
ketiga. Erlangga; Jakarta
Wibowo, Nur Adi. 2010. Sebaran Nitrat (NO3) dan Fosfat (PO4) Dalam
Kaitannya dengan Biovolume Fitoplankton Di Perairan Karimunjawa,
Jepara. UNDIP: Semarang
http://smartstat.wordpress.com/2010/02/25̊/variabel-dan-data/
http://dr-suparyanto.blogspot.com/2010/03/variabel-statistik.html
http://bahankuliah.wordpress.com/2009/05̊/14/skala-pengukuran/
61