Bab 2 Statistik Deskriptif

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

Bab 2 Statistik Deskriptif

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 Frequencies
Kasus: Berikut adalah tinggi badan 16 responden yang diambil secara acak (angka dalam cm).

No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

Tinggi 188.5 158.7 167.9 165.5 159.9 170.8 168.2 178.6 155.7 155.8 155.4 154.7 156.7 157.8 152.7 159.5

Gender Pria Pria Pria Wanita Wanita Pria Wanita Pria Wanita Wanita Pria Pria Wanita Pria Wanita 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

Bab 2 Statistik Deskriptif

2.2 DESCRIPTIVE
Selain 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 Crosstab
Crosstab (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

Bab 2 Statistik Deskriptif

No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

kerja karyawan wiraswasta buruh karyawan karyawan karyawan wiraswasta buruh wiraswasta buruh karyawan karyawan karyawan wiraswasta buruh karyawan wiraswasta buruh

didik sarjana Sma Sma sarjana sarjana sarjana Sma Sma akademi Sma sma sarjana sarjana sma sarjana sarjana akademi sarjana

gender Wanita Pria Pria Wanita Pria Pria Pria Wanita Pria Pria Wanita Pria Wanita Wanita Pria Wanita Pria 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

Bab 2 Statistik Deskriptif

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

Bab 2 Statistik Deskriptif

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.

Andino Maseleno

Bab 2 Statistik Deskriptif

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.

Andino Maseleno

Bab 2 Statistik Deskriptif

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

Andino Maseleno

Bab 2 Statistik Deskriptif

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

Bab 2 Statistik Deskriptif

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 gender konsumen.

Andino Maseleno

Bab 2 Statistik Deskriptif

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

Bab 2 Statistik Deskriptif

Andino Maseleno