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
Bab 2 Statistik Deskriptif
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.
Bab 2 Statistik Deskriptif
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.
Bab 2 Statistik Deskriptif
Andino Maseleno
No kerja didik gender
1 karyawan sarjana Wanita
2 wiraswasta Sma Pria
3 buruh Sma Pria
4 karyawan sarjana Wanita
5 karyawan sarjana Pria
6 karyawan sarjana Pria
7 wiraswasta Sma Pria
8 buruh Sma Wanita
9 wiraswasta akademi Pria
10 buruh Sma Pria
11 karyawan sma Wanita
12 karyawan sarjana Pria
13 karyawan sarjana Wanita
14 wiraswasta sma Wanita
15 buruh sarjana Pria
16 karyawan sarjana Wanita
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:
Bab 2 Statistik Deskriptif
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:
Bab 2 Statistik Deskriptif
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. Untuk keseragaman, ketik 2.
• Value Label, ketik wiraswasta.
Otomatis tombol Add aktif. Klik tombol tersebut, otomatis keterangan 2=“wiraswasta” tampak sebagai kodifikasi jenis pekerjaan kedua.
Pengisian lanjutan:
• Value. Untuk keseragaman, ketik 3.
• 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.
Bab 2 Statistik Deskriptif
Andino Maseleno
• 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.
Pengisian:
• Value. Untuk keseragaman, ketik 1.
• Value Label atau keterangan untuk angka 1 tersebut. Sesuai kasus yang
merinci pekerjaan, ketik sma.
Otomatis tombol Add aktif. Klik tombol tersebut, otomatis keterangan 1=“sma” tampak sebagai kodifikasi pendidikan pertama.
Pengisian lanjutan:
• Value. Untuk keseragaman, ketik 2.
• Value Label, ketik akademi.Otomatis tombol Add aktif. Klik tombol tersebut, otomatis keterangan 2=“akademi” tampak sebagai kodifikasi pendidikan kedua.
Pengisian lanjutan:
• Value. Untuk keseragaman, ketik 3.
• 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.
Bab 2 Statistik Deskriptif
Andino Maseleno
• Decimals. Oleh karena tipe data adalah numerik 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.
Pengisian:
• Value atau nilai berupa angka yang dimasukkan. Untuk keseragaman,
ketik 1.
• Value Label atau keterangan untuk angka 1 tersebut. Sesuai kasus yang
merinci gender, ketik pria.
Otomatis tombol Add aktif. Klik tombol tersebut, otomatis keterangan 1=
“pria” tampak sebagai kodifikasi gender pertama.
Pengisian lanjutan:
• Value. Untuk keseragaman, ketik 2.
• 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
Bab 2 Statistik Deskriptif
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:
Bab 2 Statistik Deskriptif
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.
Bab 2 Statistik Deskriptif
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
Bab 2 Statistik Deskriptif
Andino Maseleno
Recommended