MODUL 2 : STATISTIK DESKRIPTIF

Statistik deskriptif lebih berkenaan dengan pengumpulan dan peringkasan data, serta
penyajian hasil peringkasan tersebut. Data-data statistik, yang bisa diperoleh hasil
sensus, survei, jajak pendapat atau pengamatan lainnya umumnya masih bersifat 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 yang
berguna sebagai dasar dalam proses pengambilan keputusan (statistik inferensi.
!enyajian tabel dan grafis yang digunakan dalam statistik deskriptif dapat berupa"
#. Distribusi frekuensi
$. !resentasi grafis seperti histogram, Pie chart dan sebagainya.
Selain tabel dan grafik, untuk mengetahui deskripsi data diperlukan ukuran yang lebih
eksak, yang biasa disebut summary statistics (ringkasan statistik.
Dua ukuran penting yang sering dipakai dalam pengambilan keputusan adalah"
#. %encari central tendency (kecenderungan memusat, seperti %ean, %edian,
dan %odus
$. mencari ukuran dispersion, seperti Standar Deviasi dan &arians
Selain central tendency dan dispersion, ukuran lain yang dipakai adalah Ske'ness
dan (urtosis yang berfungsi untuk mengetahui kemiringan data (gradien data.
(ali ini akan dibahas menu dari S!SS yang berhubungan dengan statistik deskriptif,
yaitu Summari)e. Dalam menu ini terdapat beberapa submenu sebagai berikut"
A. Frequencies
%enu ini membahas beberapa penjabaran ukuran statistik deskriptif seperti %ean,
%edian, (uartil, !ersentil, Standar Deviasi dan lainnya.
B. Descripties
%enu ini berfungsi untuk mengetahui skor-) dari suatu distribusi data dan
menguji apakah data berdistribusi normal atau tidak.
!. E"p#$re
%enu ini berfungsi untuk memeriksa lebih teliti sekelompok data. *lat utama
yang dibahas adalah +o,-!lot dan Steam - .eaf !lot, selain beberapa uji
tambahan untuk menguji apakah data berasal dari distribusi normal.
D. !r$ssta%s
%enu ini dugunakan untuk menyajaikan deskripsi data dalam bentuk tabel silang
(crosstab, yang terdiri aatas baris dan kolom. Selain itu menu ini juga dilengkapi
dengan analisis hubungan di antara baris dan kolom, seperti independensi diantara
mereka, besar hubungannya dan lainnya.
E. !ase Su&&aries
%enu ini digunakan untuk melihat lebih jauh isis statistik deskriptif yang meliputi
subgrup dari sebuah kasus, seperti grup !ria dan grup /anita, bisa dibuat
subgrup !ria De'asa dan !ria 0emaja, kemudian /anita De'asa dan
/idya Setiabudi $112
/anita 0emaja, serta dibagi lagi menjadi yang tinggal di kota dan di desa, dan
seterusnya.
Menu Frequencies
3ontoh penggunaan 4re5uencies
%isalkan kita memiliki data tentang tinggi badan $6 orang mahasis'a (dalam
centimeter yang diambil secara acak.
7o 8inggi 9ender 7o 8inggi 9ender
# 170.2 !ria #: 170.4 /anita
$ 172.5 !ria #6 168.9 /anita
; 180.3 !ria #2 168.9 /anita
: 172.5 !ria #< 177.5 /anita
6 159.6 /anita #= 174.5 !ria
2 168.5 /anita #> 186.6 /anita
< 168.5 !ria $1 164.8 /anita
= 172.5 !ria $# 170.4 !ria
> 174.5 !ria $$ 168.9 !ria
#1 159.6 /anita $; 164.8 /anita
## 170.4 /anita $: 167.2 /anita
#$ 161.3 /anita $6 167.2 /anita
#; 172.5 !ria
?ang pertama kita lakukan adalah ada memasukan data terebut ke dalam editor S!SS.
!ada bagian a'al kita sudah mempelajari bagaimana membuat data baru dalam S!SS.
.angkah-langkahnya adalah sebagai berikut.
#. Men'e(inisi)an aria%e#.*da banyak cara untuk mendefinisikan variabel,
diantaranya adalah sebagai berikut.
(arena pada contoh kita ada dua variabel (8inggi +adan - 9ender, maka kita
akan definisikan $ variabel tersebut tipenya seperti apa. !ada bagian ba'ah
menu editor data, tekan tombol *aria%#e *ie+. %aka akan tampak tampilan
berikut"
(olom pertama merupakan tempat untuk mendefinisikan nama-nama variabel
tersebut. !ada baris pertama-kolom pertama untuk mendefinisikan nama
variabel ke-#, baris kedua-kolom pertama untuk mendefinisikan nama variabel
/idya Setiabudi $112
ke-$. (ita ketikan 8inggi untuk variabel pertama dan 9ender untuk
variabel kedua.
@ntuk deklarasi T,pe variabel kita gunakan -u&eric untuk variabel 8inggi
dan 9ender. 7antinya untuk variabel 9ender kita pilih angka # untuk
menandai gender !ria dan $ untuk menandai gender /anita.
@ntuk .i'th, biasanya standar S!SS untuk numeric adalah /, kita biarkan
saja angka = karena sudah mencukupi untuk keprluan kita.
@ntuk Deci&a#s, untuk variabel 8inggi, karena datanya mengandung # angka
di belakang koma, kita pilih #. Sedangkan untuk gender karena bilangan bulat
kita pilih angka 1. @ntuk itu kita perlu mengganti default yang ada pada editor
yaitu $ dengan angka # dan 1 tersebut.
@ntuk sementara biarkan submenu-submenu yang lain seperti *a#ues0 La%e#0
Missin1 dll. Seperti apa adanya. 8ampilan akhir dapat dilihat seperti gambar
berikut ini.
Selanjutnya kita akan memasukan data yang kita punya dengan terlebih dahulu
menekan tombol Data *ie+. .alu ketiklah data yang ada, setelah itu simpan
dengan nama Des)ripti(2.
$. +ila *nda sudah memiliki data tersebut dalam format /ord atau A,cel, *nda bisa
langsung meng-copy data tersebut dengan cara yang biasa *nda lakukan, yaitu
3opy-!aste. Setelah mengcopy dari data asal, maka lalu letakan pointer di baris-
# kolom-# S!SS kemudian klim menu E'it, dan pilih submenu Paste.
/idya Setiabudi $112
;. Setelah data ada, lalu kita $#ah, yaitu ingin menampilkan deskripsi statistik dari
data tersebut yaitu mengenai %ean, Standar Deviasi, Ske'ness, dll. Selain itu kita
ingin pula menampilkan 3hart dari data yang sesuai dengan sata kuantitatif, yaitu
Bistogram dan +ar 3hart. .angkah-langkahnya sebagai berikut"
a. Dari baris menu, pilih menu Ana#,3e, lalu pilih submenu Descriptie
Statistics, lalu pilih lagi sumenu Frequencies (untuk menampilkan tabel
frekuensi. .alu akan tampil gambar berikut ini.
b. (olom *aria%#es4s5 harus diisi dengan jenis-jenis variabel apa yang ingin kita
analisis. (arena ingin dibuat frekuensi dari variabel 8inggi, maka klik variabel
Tin11i, kemudia klik tanda , maka variabel 8inggi akan berpindah ke kolom
&raible(s.
c. (lik pilihan Statistics, maka akan tampil di layar gambar berikut"
d. !ilihan Statistics meliputi berbagai ukuran untuk menggambarkan data, antara
lain sebagai berikut"
Percenti#es*a#ues. @ntuk keseragaman klik 6uarti#es dan Percenti#e4s5.
(emudian pada kotak disamping kanan Percenti#es ketik 27, lalu tekan
A''. Sekali lagi ketik 87 pada kotak terdahulu, dan klik lagi tombol A''.
!engerjaan ini dimaksudkan untuk membuat nilai persentil pada #1 dan
>1.
Dispersi$n atau penyebaran data. @ntuk keseragaman, semua atau keenam
jenis pengukuran Dispersion dipilih semua.
!entra# Ten'enc, atau pengukuran pusat data, untuk keseragaman pilih
Mean dan Me'ian.
/idya Setiabudi $112
Distri%uti$n atau bentuk distribusi data. @ntuk keseragaman, klik
S)e+ness dan Kurt$sis.
e. !ilihan !hartsCjuga diklik, maka akan tampil gambar berikut ini.
%enu !harts berkenaan dengan jenis grafik yang ingin kita pilih. Dari
3hart 8ype, untuk keseragaman kita pilih 9ist$1ra&. .alu menu .ith
n$r&a# cure-nya akan hidup, maka kita klik juga .ith n$r&a# cure.
.alu klik !$ntinue.
Sekarang editor akan kembali ke tampilan editor 4re5uencies seperti a'al,
selanjutnya kita akan memilih menu 4ormat.
f. Setelah menu F$r&at diklik, maka akan tampil gambar berikut"
!ada submenu Or'er %, (data output akan disusun seperti apa D kita
seragamkan saja dengan memilih output akan disusun naik (dari data
terkecil ke data terbesar. @ntuk itu pilih Ascen'in1 a#ues. Selanjutnya
klik OK. %aka semua proses pengisian dan pengolahan data telah selesai,
dan kita akan lihat hasilnya (outputnya pada editor Output.
/idya Setiabudi $112
:. Output SPSS 'an Ana#isisn,a
Selanjutnya data yang telah kita olah tersebut akan kita lihat outputnya. +erikut
ini adalah output dari Descriptive.
Frequencies
Statistics
Tinggi
25
0
170.1200
1.20655
170.2000
6.03276
36.394
.572
.464
1.460
.902
27.00
159.60
186.60
160.6200
167.2000
170.2000
172.5000
178.6200
Valid
Missing
N
Mean
Std. Error of Mean
Median
Std. Deiation
Varian!e
S"e#ness
Std. Error of S"e#ness
$%rtosis
Std. Error of $%rtosis
&ange
Mini'%'
Ma(i'%'
10
25
50
75
90
)er!entiles
Output Ba1ian Perta&a 4Statistics5
7 atau jumlah data yang valid adalah $6 buah, sedangkan data yang hilang
(missing adalah nol. Eni artinya semua data bisa diproses
%ean atau rata-rata tinggi badan adalah #<1,#$ cm dengan standar error
adalah #,$1266 cm. !enggunaan standar error of %ean adalah untuk
memeriksa besar rata-rata populasi yang diperkirakan dari sampel. @ntuk
itu, dengan standar error of %ean tertentu dan pada tingkat kepercayaan
>6F (S!SS sebagian besar menggunakan angka ini sebagai stanadar, rata-
rata populasi tinggi badan menjadi"
0ata-rata !opulasi G 0ata-rata H $ standar error of %ean
G #<1,#$ H ($ , #,$1266 cm
G (#<1, #$ I $.:#;# sampai (#<1, #$ - $.:#;#
G #<$,6;;#cm sampai #2<, <12> cm
(*ngka $ digunakan karena tingkat kepercayaan >6F
%edian atau titik tengah data jika semua data diurutkan dan dibagi $ sama
besar. *ngka median #<1,$1 cm menunjukkan bah'a 61F tinggi badan
adalah #<1,$1 cm ke atas, dan 61F-nya #<1,$1 cm ke ba'ah.
Standar Deviasi adalah 2,1;$<2 cm dan variansinya adalah ;2,;>: cm.
!enggunaan standar deviasi adalah untuk menilai dispersi rata-rata dari
sampel. @ntuk itu, dengan standar deviasi tertentu dan pada tingkat
kepercayaan >6F, rata-rata tinggi badan menjadi"
0ata-rata tingi badan G 0ata-rata H $ , Standar Deviasi
G #<1,#$ H ($ , 2,1;$<2 cm
G #=$.#=66$ cm sampai #<1,#$ cm
!erhatikan bah'a kedua batas angka berbeda tipis dengan nilai minimum
dan maksimum, ini artinya sebaran data adalah baik.
/idya Setiabudi $112
@kuran Ske'nes adalah 1,6<$ cm. @ntuk penilaian, nilai tersebut diubah
ke angka rasio. 0asio kurtosis adalah G nilai kurtosisJstandar error kurtosis
G 1,6<$J1,>1$ G 1,2;. Sebagai pedoman, bila rasio kurtosis berada antara
-$ sampai dengan I$, maka distribusi data adalah normal.
@kuran kurtosis adalah #,:21 cm
Data minimum adalah #6>,21 cm sedangkan data maksimum adalah
#=2,21 cm
0ange data G Data maksimum K Data minimum adalah $<,11 cm
*ngka !ersentil"
o 0ata-rata tinggi badan #1F responden di ba'ah #21,2$ cm
o 0ata-rata tinggi badan $6F responden di ba'ah #2<,$1 cm
o 0ata-rata tinggi badan 61F responden di ba'ah #<1,$1 cm
o 0ata-rata tinggi badan <6F responden di ba'ah #<$,61 cm
o 0ata-rata tinggi badan >1F responden di ba'ah #<=,2$ cm
Tinggi
2 8.0 8.0 8.0
1 4.0 4.0 12.0
2 8.0 8.0 20.0
2 8.0 8.0 28.0
2 8.0 8.0 36.0
3 12.0 12.0 48.0
1 4.0 4.0 52.0
3 12.0 12.0 64.0
4 16.0 16.0 80.0
2 8.0 8.0 88.0
1 4.0 4.0 92.0
1 4.0 4.0 96.0
1 4.0 4.0 100.0
25 100.0 100.0
159.60
161.30
164.80
167.20
168.50
168.90
170.20
170.40
172.50
174.50
177.50
180.30
186.60
Total
Valid
*re+%en!, )er!ent Valid )er!ent
-%'%latie
)er!ent
Output %a1ian )e'ua 4Tin11i5
Lutput ini merupakan gambaran tinggi badan responden dalam tabel
frekuensi.
/idya Setiabudi $112
190.00 180.00 170.00 160.00 150.00
Tinggi
10
8
6
4
2
0
F
r
e
q
u
e
n
c
y
Mean . 170.12
Std. De. . 6.03276
N . 25
Histogram
Output %a1ian )eti1a 49ist$1ra&5
8erlihat grafik data berbentuk seperti lonceng, ini artinya distribusi data adalah
normal atau mendekati normal (pengujian secara statistik akan dibahas nanti
Ta%e# Fre)uensi untu) ;en'er
(arena variabel gender bukan data kuantitatif namun kategori, maka tidak
perlu dilakukan dskripsi statistik seperti %ean, %edian, Standar Deviasi dan
sebagaianya. @ntuk data kualitatif chart yang sesuai adalah pie chart.
.angkah-langkah membuat Pie !hart
+uka kembali lembar kerja Des)ripti(2.sa
Dari baris menu, pilih menu Ana#,3e, lalu pilih submenu Descriptie
Statistics, lalu pilih lagi sumenu Frequencies (untuk menampilkan tabel
frekuensi. .alu akan tampil gambar berikut ini.
(olom *aria%#es4s5 harus diisi dengan jenis-jenis variabel apa yang ingin
kita analisis. (arena ingin dibuat frekuensi dari variabel 9ender, maka klik
variabel ;en'er, kemudia klik tanda , maka variabel 9ender akan
berpindah ke kolom &raible(s.
!ilihan !hartsCjuga diklik, maka akan tampil gambar berikut ini.
/idya Setiabudi $112
%enu !harts berkenaan dengan jenis grafik yang ingin kita pilih. Dari
3hart 8ype, untuk keseragaman kita pilih Pie !hart. .alu klik 3ontinue
Setelah itu menu F$r&at diklik, maka akan tampil gambar berikut"
!ada submenu Or'er %, (data output akan disusun seperti apa D kita
seragamkan saja dengan memilih output akan disusun naik (dari data
terkecil ke data terbesar. @ntuk itu pilih Ascen'in1 a#ues. Selanjutnya
klik OK. %aka semua proses pengisian dan pengolahan data telah selesai,
dan kita akan lihat hasilnya (outputnya pada editor Output.
Output ;en'er
Statistics
/ender
25
0
Valid
Missing
N
Gender
*re+%en!, )er!ent Valid )er!ent
-%'%latie
)er!ent
Valid 1 11 44.0 44.0 44.0
2
14 56.0 56.0 100.0
Total
25 100.0 100.0
/idya Setiabudi $112
2
1
Gender
Pen11unaan Menu Descriptie
.angkah-langkah penggunaan menu Desciptive"
+uka kembali file Deskriptif#.sav
Dari baris menu, pilih menu Ana#,3e, lalu pilih submenu Descriptie
Statistics, lalu pilih lagi sumenu Descripties (untuk menampilkan tabel
frekuensi. .alu akan tampil gambar berikut ini.
(olom *aria%#es4s5 harus diisi dengan jenis-jenis variabel apa yang ingin
kita analisis. (arena ingin dibuat frekuensi dari variabel 8inggi, maka klik
variabel Tin11i, kemudia klik tanda , maka variabel 8inggi akan
berpindah ke kolom &raible(s.
(lik Opti$ns, maka akan tampak di layar
/idya Setiabudi $112
!ilihan Opti$ns meliputi berbagai ukuran untuk menggambarkan data.
8erlihat default dari S!SS yang memilih Mean0 Stan'ar 'eiasi,
maksimum, minimum sebagai acuan untuk menghitung statistik deskriptif,
untuk keseragaman biarkan pilihan tersebut. (emudian klik Continue.
%aka akan terlihat kotak pilihan Sae stan'ar'i3e' a#ues as aria%#es
yang telah diberi tanda akan digunakan pilihan tersebut. Bal ini berarti
pilihan output S!SS mengenai deskripsi data. .alu klik OK.
%aka outputnya sebagai berikut"
Descriptive Statistics
N Mini'%' Ma(i'%' Mean Std. Deiation
Tinggi 25 159.60 186.60 170.1200 6.03276
Valid N
0list#ise1
25
Mika dilihat pada Aditor data S!SS selain variabel tinggi dan gender
sekarang muncul variabel baru, yaitu 3Tin11i seperti berikut
Ana#isisn,a
Output %a1ian Perta&a
+agian ini membahas deskripsi statistik dari variabel tinggi yang
meliputi %ean dan yang lainnya.
Output %a1ian Ke'ua
/idya Setiabudi $112
+agian ini membahas penerapan )-score atau Standard Score. Dalam
output S!SS, nilai ) bisa dipakai untuk secara cepat melihat nilai mana
yang menyimpang cukup jauh dari rata-ratanya (outlier
Mika suatu data berdistribusi normal, suatu nilai bisa distandardisasi
dengan nilai ), yaitu"
s
x x
z
i

=
Dimana" ,
i
G nilai data keiN x G %ean data dan sGStandar Deviasi
Sebagai contoh, lihat pada data pertama yaitu tinggi #<1,$1 cm, nilai )-
nya dihitung dengan rumus adalah sbb"
2.1;
#<1.#$ $ . #<1
= z
G 1,1#; (sama dengan output S!SS
Data yang lain pun sama prinsipnya.
Me#ihat Data ,an1 &en,i&pan1 4$ut#ier5
Mika data berdistribusi normal dan tingkat kepercayaan >6F, maka
tingkat signifikansi adalah #11F - >6F G 6F. Mika memakai uji dua
sisi (ada tanda I dan - , maka batas kritis ada pada 6F dibadi dua atau
$,6F. !ada tabel-) perhitungan pada satu sisi atau 61F, maka batas
kritis ada pada luas kurva (61F - $,6F atau :<,6F.
!ada tabel-), luas kurva untuk :<,6F didapat nilai kritis #,>2.
Dari nilai variabel )8inggi terlihat hanya ada satu data yang termasuk
outlier, yaitu #=2.21 cm nilai )8inggi yang di luar #,>2, yaitu
)8ingginya $.<;#<6.
(arena dari $6 data hanya ada # data yang outlier, maka dapat
dikatakan distrubusi mendekati normal.
Ana#isis !r$ssta% 4Ta%e# Si#an15
Sebagaimana pernah dibahas di kelas bah'a salah satu analisis data kualitatif
yang berskala nominal (kategori adalah dengan !r$ssta%.
*nalisis 3rosstab untuk @ji (etergantungan (Test $( In'epen'ence
!$nt$h Kasusn,a:
%anajer perusahaan yang memproduksi )$pi susu dalam kemasan sachet merek
'e!aFe ingin mengetahui bagaimana sikap konsumen terhadap produk
perusahaan, serta bagaimana profil mereka.
@ntuk itu 2< $ran1 konsumen yang pernah mencicipi produk de3a4e diminta
mengisi identitas dan sikap mereka terhadap produk de3a4e.
+erikut ini hasilnya"
-$ Pe)er=aan Pen'i'i)an ;en'er
# (arya'an *kademi !ria
$ !etani Sarjana !ria
; 'iras'asta Sma /anita
: !etani Sma /anita
/idya Setiabudi $112
6 'iras'asta *kademi /anita
2 (arya'an Sarjana !ria
< 'iras'asta Sma /anita
= 'iras'asta Sma !ria
> !etani *kademi /anita
#1 !etani *kademi /anita
## (arya'an Sarjana !ria
#$ (arya'an Sarjana !ria
#; !etani Sma /anita
#: 'iras'asta Sarjana !ria
#6 'iras'asta *kademi /anita
#2 (arya'an Sarjana !ria
#< !etani Sma /anita
#= (arya'an *kademi !ria
#> (arya'an Sma /anita
$1 !etani *kademi !ria
$# 'iras'asta Sarjana /anita
$$ !etani Sarjana /anita
$; !etani Sarjana !ria
$: (arya'an Sma !ria
$6 (arya'an Sma !ria
+aris pertama, menunjukkan konsumen pertama mempunyai pekerjaan )ar,a+an
dan ia seorang pria yang berpendidikan a)a'e&i. Demikian seterusnya.
Dalam S!SS otomatis no urut konsumen sudah ada, sehingga ada ; variabel saja.
.angkah penyelesaian"
+uka lembar kerja baru
%asukkan data seperti ketika *nda memasukan data Des)ripti(2.sa. Mangan
lupa definsikan variabelnya. (arena semuanya data kategori pilih
Deci&a#sn,a > 7.
@ntuk variabel pe)er=aan0 tipen,a nu&eri), dimana" # G karya'an, $G
'iras'asta dan ;G petani.
@ntuk variabel pendidikan, tipenya numerik denganN # G Sma, $G akademi,
dan ;Gsarjana
&ariabel gender seperti sebelumnya, #G!ria dan $ G /anita.
Setelah data diketikan lalu simpan data tersebut dengan nama file
!r$ssta%2.sa pada 'rie D, dari baris menu, pilih menu Ana#,3e, lalu pilih
submenu Descriptie Statistics, lalu pilih lagi sumenu !r$ssta%. .alu akan
tampil gambar berikut ini.
/idya Setiabudi $112
R$+4s5 atau variabel yang akan ditempatkan pada baris (ro' Kuntuk
keseragaman, kita pilih 9ender
!$#u&n4s5 atau variabel yang akan ditempatkan pada (olom Kuntuk
keseragaman, kita pilih !ekerjaan
(lik pilihan Statistics?, akan tampak dilayar gambar berikut.
(arena kita akan melihat hubungan antara dua variabel, untuk keseragaman
pilih !hi@Square. !ilihan yang lainnya akan digunakan pada kasus yang
relevan di bagian lain. .alu (lik !$ntinue
(emudian (lik pilihan !e##s?, akan tampak di layar
!ilihan !$unt untuk menampilkan hitungan 3hi-s5uare, apakah perlu
disertakan nilai E"pecte' (nilai yang diharapkan selain nilai observed. @ntuk
keseragaman klik hanya O%sere'
!ilihan Percenta1e untuk menampilkan perhitungan angka pada baris dan
kolom dalam persen. @ntuk kasus ini %iar)an sa=a kolom tersebut (tidak ada
yang dipilih. .alu klik !$ntinue,
(lik pilihan F$r&at?, akan tampak editor berikut
/idya Setiabudi $112
R$+ Or'er atau penempatan nama variabel dalam baris, apakah naik atau
turun. !ilih Ascen'in1. (lik !$ntinue.
!ilihan Disp#a,c#ustere' %ar charts dan Suppers ta%#es %iar)an )$s$n1.
!erhatikan variabel !endidikan tidak dimasukkan, karena dalam proses ini kita
hanya memasukkan dua saja, tidak mesti semua, nanti kita akan gunakan
variabel pendidikan pada kasus yang lain.
(lik L(, maka akan tampak output berikut.
Output !r$ssta%
Case Processing Summary

-ases
Valid Missing Total
N )er!ent N )er!ent N )er!ent
gender 2 )e"er3aan 25 100.04 0 .04 25 100.04
Ana#isis Output Ba1ian Perta&a 4!ase Pr$cessin1 Su&&ar,5
*da $6 data yang semuanya diproses (tidak ada data missing, sehingga tingkat
validitasnya #11F.
gender * kerja Crosstabulation
Count

"er3a
Total 1 2 3
gender 1 8 2 3 13
2
1 5 6 12
Total
9 7 9 25
Ana#isis Output Ba1ian Ke'ua 4!r$ssta% antara ;en'er 'en1an Pe)er=aan5
8erlihat tabel silang yang memuat hubungan diantara kedua variabel. %isalnya, pada
baris-# kolom-#, terdapat angka =. Bal ini berarti ada = orang pria (variabel gender
yang mempunyai pekerjaan karya'an (varaibel !ekerjaan. Demikian pula untuk data
yanag lainnya.
Ci!Square Tests
Val%e df
5s,'6. Sig.
027sided1
)earson -8i7S+%are 7.7020a1 2 .021
9i"eli8ood &atio 8.505 2 .014
9inear7:,79inear
5sso!iation
5.342 1 .021
/idya Setiabudi $112
N of Valid -ases
25
a 6 !ells 0100.041 8ae e(6e!ted !o%nt less t8an 5. T8e 'ini'%' e(6e!ted !o%nt is
3.36.
Ana#isis Output %a1ian Keti1a 4U=i !hi@square5
@ji 3hi-s5uare untuk mengamati ada tidaknya hubungan antara dua variabel (baris
dan kolom. Di dalam S!SS, selain alat uji 3hi-S5uare juga dilengkapi dengan
beberapa alat uji yang sama tujuannya.
9ip$tesis
Bipotesis untuk kasus ini"
Bo" 8idak ada hubungan antara baris dan kolom, atau antara pekerjaan konsumen
dengan gender konsumen tersebut.
Bi " *da hubungan antara baris dan kolom, atau antara pekerjaan konsumen dengan
gender konsumen tersebut
Pen1a&%i#an Keputusan
Dasar pengambilan keputusan, yaitu" +erdasarkan perbandingan 3hi-Ouare @ji dan
angka dari 8abel
Mika 3hi-s5uare Bitung P 3hi-s5uare 8abel, %aka Bo diterima
Mika 3hi-s5uare Bitung Q 3hi-s5uare 8abel, %aka Bo ditolak
3hi-s5uare Bitung dapat dilihat pada output bagian ketiga yaitu <.<1$. Sedangkan
3hi-s5uare 8abel, dapat dilihat pada 8abel @ji-Statistik untuk 3hi-s5uare. Dalam hal
ini untuk tingkat signifikansi ( G 6F dan derajat kebebasan (d4 G $ adalah 6,>>#6.
(arena 3hi-s5uare Bitung (<.<1$ Q 3hi-s5uare 8abel (6,>>#6, %aka Bo ditolak
Dengan demikian dipsimpulkan bah'a ada hubungan antara baris dan kolom, atau
antara pekerjaan konsumen dengan gender konsumen tersebut.
(ita juga bisa menguji hipotesis dengan membandingkan nilai !robabilitas yang
nilainya dapat dilihat pada bagian As,&p. Si1. 42@si'e', yang dalam kasus ini
sebesar 1.1$#. Mika nilai !robabilitas Q 1,16 maka Bo diterima. 8etapi bila nilai
!robabilitas P 1,16 maka Bo ditolak.
Dalam kasus ini 1.1$# P 1,16 artinya Bo ditolak, atau ada hubungan antara baris dan
kolom, atau antara pekerjaan konsumen dengan gender konsumen tersebut.
Dari kedua analisis tersebut bisa diambil kesimpulan yang sama, yaitu Bo ditolak atau
ada hubungan antara pekerjaan seorang konsumen dengan gender konsumen tersebut.
Dengan kiata lain dapat saja dikatakan bah'a kebanyakan pria berprofesi karya'an
sedangkan kebanyakan 'anita tidak banyak yang berprofesi karya'an, mungkin
banyaknya 'iras'asta.
!ada kasus dimana, Bo ditolak atau disimpulkan bah'a ada hubungan antara
pekerjaan seorang konsumen dengan gender konsumen tersebut, maka dapat
ditanyakan pula seberapa besar atau seberapa kuat hubungan tersebut D Bal ini akan
kita bahas pada contoh lain.
/idya Setiabudi $112
Sekarang, tugas *nda adalah berlatih untuk mencari hubungan antara variabel
!ekerjaan dengan 8ingkat !endidikan, Mika sudah memasukkan datanya dalam
program S!SS simpan pada 'rie D dengan nama !r$ssta%2.sa dan outputnya
dengan !r$ssta%2$ut. +uatlah analisis *nda dalam file 'ord lalu simpan pula pada
drive D.
Men1u=i Keeratan 9u%un1an Dua *aria%e# Bers)a#a -$&ina#
Mika tadi kita contohkan bah'a berdasarkan analisis 3rosstab ditemukan terdapat
hubungan antara dua variabel berskala nominal, yaitu antara gender dengan pekerjaan.
Sekarang kita akan cari tahu seberapa besar keeratan hubungan tersebut.
S!SS menyediakan dua cara untuk mengukur hubungan tersebut, yaitu"
#. S,&etric Measures, yaitu hubungan yang setara dan berdasarkan perhitungan
3hi-s5uare
$. Directi$na# Measures, yaitu hubungan yang tidak setara dan berdasarkan pada
proportional 0eduction En Arror (!0A
(edua cara perhitungan di atas dapat digunakan pada kasus hubungan antara
!ekerjaan dengan 9ender.
.angkah-langkahnya"
#. +uka lagi lembar kerja !r$ssta%2.sa
$. Darri baris menu, pilih menu Ana#,3e, lalu pilih submenu Descriptie Statistics,
lalu pilih lagi sumenu !r$ssta%. .alu akan tampil gambar seperti sebelumnya.
a. !ada menu R$+4s5 atau variabel yang akan ditempatkan pada baris (ro'
Kuntuk keseragaman, kita pilih 9ender
b. !$#u&n4s5 atau variabel yang akan ditempatkan pada (olom Kuntuk
keseragaman, kita pilih !ekerjaan
;. (lik pilihan Statistics?, akan tampak dilayar gambar berikut.
(arena sudah tahu bah'a antara kedua variabel tersebut terdapat hubungan, maka
sekarang tidak perlu lagi 3hi-s5uare, oleh karena itu sekarang 3hi-s5uare-nya
jangan dicentak (tidak diklik. (alau diklik, hasilnya akan seperti terdahulu.
:. (lik pilihan 3orrelations untuk mengetahui koefisien korelasi kedua variabel
dengan cara Symetric %easures.
6. !ada kolol 7ominal (yang berarti khusus untuk data yang berskala 7omonal, klik
semua pilihan yaitu !$ntin1enc, !$e((icient0 Phi an' !ra&erAs *0 #a&%'a 'an
Uncertaint, c$e((icient. !ilihaan ini untuk mengetahui koefisien korelasi dengan
cara Directional %easures. .alu klik !$ntinue. (emudian (lik pilihan !e##s?,
akan tampak di layar gambar sebelah kanan.
/idya Setiabudi $112
2. @ntuk pilihan 3ount, ntuk keseragaman klik hanya O%sere'
<. !ilihan Percenta1e untuk kasus ini %iar)an sa=a kolom tersebut (tidak ada yang
dipilih. Demikian pula kolom 0esiduals biarkan kosong. .alu klik !$ntinue.
=. (lik pilihan F$r&at. R$+ Or'er atau penempatan nama variabel dalam baris,
apakah naik atau turun. !ilih Ascen'in1. (lik !$ntinue.
>. !ilihan Disp#a,c#ustere' %ar charts dan Suppers ta%#es %iar)an )$s$n1.
#1. Selanjutnya 8ekan L( untuk mendapatkan outputnya.
Output %a1ian Perta&a
Case Processing Summary

-ases
Valid Missing Total
N )er!ent N )er!ent N )er!ent
gender 2 "er3a 25 100.04 0 .04 25 100.04
*da $6 data yang semuanya diproses (tidak ada data missing, sehingga tingkat
validitasnya #11F.
Output %a1ian Ke'ua
gender * kerja Crosstabulation
-o%nt

"er3a
Total 1 2 3
gender 1 8 2 3 13
2
1 5 6 12
Total
9 7 9 25
8abel yang menggambarkan hubungan antara variabel, misalnya pada baris-$ kolom-#
ada angka #, artinya ada # orang konsumen 'anita bekerka sebagai karya'an.
/idya Setiabudi $112
Output %a1ian Keti1a 4S,&&etric Measures5
Symmetric "easures
Val%e
5s,'6.
Std.
Error0a1
566ro(.
T0:1 566ro(. Sig.
No'inal :,
No'inal
)8i .555 .021
-ra'er;s V
.555 .021
-ontingen!, -oeffi!ient
.485 .021
<nteral :, <nteral )earson;s &
.472 .167 2.566 .0170!1
=rdinal :, =rdinal S6ear'an -orrelation
.472 .173 2.566 .0170!1
N of Valid -ases
25
a Not ass%'ing t8e n%ll 8,6ot8esis.
: >sing t8e as,'6toti! standard error ass%'ing t8e n%ll 8,6ot8esis.
! ?ased on nor'al a66ro(i'ation.
Disi
Di sini hanya diperhatikan besar korelasi antara 7ominal-7ominal. Bal ini karena
kedua variabel berskala nominal, karena itu besaran !earson dan Spearman tidak
relevan untuk dibahas.
*da ; besaran untuk menghitung korelasi antara variabel pekerjaan dengan gender,
dan ketiganya mempunyai angka signifikan atau nilai !robabilitas 1,1$#. (arena nilai
!robabilitas di ba'ah 6F, maka bisa dikatakan ada hubungan antara kedua variabel
tersebut (seperti telah terbukti sebelumnya.
+esaran korelasi (!hi dan 3ramer menghasilkan angka sama yaitu 1,666. Sedangkan
koefisien kontingensi menghasilkan angka 1,:=6 (lebih kecil. Dari ketiga besaran itu
bisa disimpulkan adanya hubungan yang cukup erat antara (disebut erat jika
mendekati angka # dan tidak ada hubungan bila mendekati angka 1 antara variabel
pekerjaan dengan variabel jender.
Output %a1ian Kee&pat 4Directi$na# Measures5
Directional "easures
.393 .163 2.003 .045
.500 .236 1.572 .116
.313 .137 2.041 .041
.308 .165 .025
!
.160 .095 .021
!
.191 .114 1.673 .014
d
.246 .147 1.673 .014
d
.156 .093 1.673 .014
d
S,''etri!
gender De6endent
"er3a De6endent
gender De6endent
"er3a De6endent
S,''etri!
gender De6endent
"er3a De6endent
9a':da
/ood'an and
$r%s"al ta%
>n!ertaint, -oeffi!ient
No'inal :,
No'inal
Val%e
5s,'6.
Std. Error
a
566ro(. T
:
566ro(. Sig.
Not ass%'ing t8e n%ll 8,6ot8esis.
a.
>sing t8e as,'6toti! standard error ass%'ing t8e n%ll 8,6ot8esis.
:.
?ased on !8i7s+%are a66ro(i'ation
!.
9i"eli8ood ratio !8i7s+%are 6ro:a:ilit,.
d.
Disini juga ada ; ukuran untuk mengukur hubungan antara kedua variabel tersebut.
7amun di sini ada pembedaan, yaitu satu variabel sebagai dependen sedangkan yang
lainnya sebagai variabel independen.
@ntuk lebih jelasnya lihat besaran pada korelasi lambda.
/idya Setiabudi $112
Symmetric atau kedua variabel setara (bebas, maka besar korelasinya adalah
1,;>; atau cukup lemah (kurang dari 1,61. *ngka signifikansinya adalah 1,1:6
atau di ba'ah 1,16 yang berarti kedua variabel memang berhubungan secara
nyata.
Mika ada perkataan Dependent, dipakai pedoman (berlaku untuk ketiga alat uji
berikut"
o Mika angka korelasi 1, maka pengetahuan akan variabel independen tidak
menolong dalam usaha memprediksi variabel dependen
o Mika angka korelasi G #, maka pengetahuan akan variabel independen
menolong dalam usaha memprediksi variabel dependen
3ontoh analisis pada .ambda
o ;en'er K$nsu&en Depen'en atau 9ender sebagai variabel dependen
(tergantung, dimana !ekerjaan adalah variabel independennya. (arena
angka signifikansi 1,##2 lebih besar daripada 1,16 (6F, maka variabel
EndependenJbebas yaitu !ekerjaan tidak dapat memprediksi variabel
dependen yaitu 9ender.
o Pe)er=aan K$nsu&en Depen'en atau !ekerjaan sebagai variabel
dependen (tergantung, dimana gender adalah variabel independennya.
(arena angka signifikansi 1,1:# lebih besar daripada 1,16 (6F, maka
variabel EndependenJbebas yaitu !ekerjaan 'apat &e&pre'i)si variabel
dependen yaitu 9ender. Tetapi *ngka (orelasi lambdanya 1,;#; P 1,61
ini artinya )$re#asin,a #e&ah. +isa dikatakan bah'a pengetahuan akan
gender seorang konsumen ti'a) %e1itu &en$#$n1 dalam mupaya
memprediksi pekerjaan konsumen tersebut. *tau pekerjaan konseumen
sebagai karya'an atau petani atau 'iras'asta tidak bisa diperkirakan
begitu saja karena ia seoraang pria atau 'anita.
*nalisis pada (orelasi 9oodman dan (ruskal 8au
Dari angka signifikansi keduanya adalah signifikan (berbeda dengan .ambda,
namun besar korelasinya juga tidak kuat. *tau variabel gender tidak bisa
memprediksi secara kuat variabel !ekerjaan seorang konsumen, demikian pula
sebaliknya.
*nalisis pada (orelasi @ncertainty 3oefficient
Dari angka signifikansi ketiganya adalah signifikan, namun besar korelasinya juga
tidak kuat. *tau variabel gender tidak bisa memprediksi secara kuat variabel
!ekerjaan seorang konsumen, demikian pula sebaliknya.
*nalisis pada (orelasi *symptotic Standard Arror
Di sini syaratnya harus didapatkan korelasi yang signifikan. Sebagai contoh angka
korelasi lambda sebesarr 1,;#; yang signifikan, didapat standar error 1,#;<.
!ada tingkat kepercayaan >6F atau ada dua standar deviasi, maka rentang korelasi
adalah" 1,;#; H ($ , 1,#;< atau antara 1,1;> sampai 1,6=<
/idya Setiabudi $112
/idya Setiabudi $112