DESCRIPTIVE

TUJUAN
Memberikan gambaran (deskripsi) tentang suatu data, seperti :
rata-rata, stadar deviasi, varians dan sebagainya.
DATA
Kantitatif dan kualitatif
KASUS 1
Dsekripsikan variabel gaji pada data karyawan
LANGKAH
a) Buka file Karyawan
b) Pilih menu Analyze, pilih sub-menu Descriptive Statistics, lalu
pilih Descriptive, tampak layar ..
c) Masukkan variabel gaji ke kotak Variable(s)
d) Kemudian pilih Options, kemudian pilih Mean, Standar
Deviasi, Minimum, Maximum (sebagai menu default) dan
Sum.
e) Klik Continue, kemudian OK
ANALISIS
75 karyawan memiliki gaji rata-rata Rp.520.280,-, dengan standar
deviasi Rp.209.795. Total gaji seluruhnya Rp.39.021.000,- dengan
gaji minimum Rp.115.000,- dan maximum Rp.1.055.000,-, standar
deviasi sangat besar (lebih 30% dari Mean) menunjukkan adanya
variasi yang besar, atau adanya kesenjangan yang cukup besar
dari gaji terendah dan tertinggi.
Simpan output dengan nama Deskriptif_2
KASUS 2
Deskripsikan variabel Usia pada data karyawan, dan apakah pada
variabel Usia tersebut terdapat data ekstrim (data yang jauh dari
diatas atau dibawah rata-rata (outlier))
LANGKAH
a) Buka file Karyawan
b) Pilih menu Analyze, pilih sub-menu Descriptive Statistics, lalu
pilih Descriptive, tampak layar ..
c) Pilih variable(s) pilih Usia
d) Aktifkan pilihan Save Standardized Value as Variables untuk
mengetahui penyimpangan data, ada data baru pada karyawan
e) Kemudian pilih Options, kemudian pilih Mean, Standar
Deviasi, Minimum, Maximum (sebagai menu default).
f) Klik Continue, kemudian OK
1

ANALISIS
75 karyawan mempunyai usia rata-rata 26,24 tahun dengan
standar deviasi 3,82 tahun. Standar deviasi usia tidak besar (tidak
lebih dari 20% dari Mean), mennunjukkan variasi yang kecil
OUTPUT UNTUK MENCARI OUTLIER
Lihat file karyawan, sekarang muncul variabel baru, yaitu Zusia.
Jika suatu data berdistribusi normal, maka suatu nilai bisa di
standarisasi dengan nilai z:
Xi - X
Z =
S
Dimana :
Xi
X
S

= Nilai data ke I (data 1,2,3, ..75)

= Mean data dalam kasus 26,24
= Standar deviasi dalam kasus ini 3,82 tahun
23 - 26,24
Z =
3,82

Melihat data yang menyimpang

Lihat nilai z tabel pada taraf signifikansi 5% = 1,96
Simpan output dengan nama Deskriptif_2

LATIHAN
1. Analisislah, apakah data pada variabel gaji ada data outlier
2. Deskripsikan vadiabel PENGALAMAN KERJA, apakah
terdapat data outlier pada variabel tersebut.
3. Deskrisikan data untuk variabel GENDER yang masuk data
kualitatif, apakah kesimpulan yang didapat.

FREQUENCIES
TUJUAN
Menggambarkan data dalam berbagai ukuran pusatnya seperti
Mean, Median, Persentil dan lainnya.
DATA
Kualitatif dan kuantitatif
KASUS 1
Membuat tabel Frekuensi dan melakukan deskripsi data pada
variabel usia.
LANGKAH
a) Buka file Karyawan
b) Pilih menu Analyze, pilih sub-menu Descriptive Statistics,
lalu pilih FREQUENCIES, tampak layar ..
c) Pilih variable(s) pilih Usia
d) Kemudian pilih Statistics, tampak layar .
e) Percentiles Value pilih Quartiles dan Percentile(s) isikan 10
dan 90,
Disperson, isi semuanya
Central Tendency (pengukuran data pusat) pilih Mean dan
Media
Distribution, pilih Skewness dan Kurtosis
Klik Continues
f) Pilih Charts, tampak layar pilih Bar Charts, kilik
Continues
g) Pilih Format, tampak layar ..
Order By, pilih Ascending value (dimuai dari urutan terkecil)
Multiple Variables ..diabaikan krn dibahas satu
variabel.
h) Klik Continue, kemudian OK
ANALISIS
N jumlah data yang valid 75
Mean rata-rata usia 26,24, standar error adalah 0,44, hal ini
dapat ditafsirkan rentang rata-rata usia karyawan terletak pada
3 standar deviasi, atau
26,24 tahun (3 x 0,44 tahun)
= 24,92 sampai 27,56
Median sebesar 26 tahun, menunjukkan bahwa 50% usia
karyawan adalah 26 tahun keatas dan 50% adalah 26 tahun
kebawah.

Standar Deviasi adalah 3,82 tahun dan varian yang merupakan

standar deviasi adalah 14,62, hal ini bisa ditafsirkan rentang
usia karyawan terletak pada 3 standar deviasi atau
26,24 tahun (3 x 3,82 tahun)
= 14,78 sampai 37,7 tahun

Ukuran Skewness (kemencengan) adalah 0,052, maka rasio

skewness adalah nilai skewness dibagi standar error skewness
= 0,052 / 0,277 = 0,0675
Ukuran Kurtosis (keruncingan) adalah 1,181
Raio Kurtosis adalah nilai Kurtosis / standar error Kurtosis.
= -1,181 / 0,548 = - 2,155
Sebagai pedoman
Ukuran skewnwss dan kurtosis dikatakan normal apabila
nilainya berada di antara 2 sampai +2

Data minimum adalah 20 dan maksimum 33 tahun.

Catatan: Data 20 tahun dan 33 tahun masih dalam batas-batas
rentang usia (lihat standar deviasi usia)
Range adalah data maksimum dikurangi data minimum dalam
kasus ini 33 tahun 20 tahun = 13 tahun
Percentiles atau angka persentil:
10% karyawan mempunyai usia rata-rata dibawah 21 tahun
25% karyawan mempunyai usia rata-rata dibawah 22 tahun
50% karyawan mempunyai usia rata-rata dibawah 26 tahun
Catatan: angka 50% persentil sama dengan Median
75% karyawan mempunyai usia rata-rata dibawah 30 tahun
90% karyawan mempunyai usia rata-rata dibawah 31 tahun

OUTPUT BAGIAN KEDUA (TABEL FREQUENSI USIA)

Baris pertama : Karyawan yang berusia 20 tahun berjumlah
(frekuency) 4 orang atau secara persentase dari total jumlah
karyawan adalah:
4/75 X 100% = 5,3%
Baris kedua : Karyawan yang berusia 21 tahun berjumlah
(frekuency) 4 orang atau secara persentase dari total jumlah
karyawan adalah:
4/75 X 100% = 5,3%
Jika dihitung secara kumulatif, menjadi 5,3% (untuk usia 20 tahun),
5,3% (untuk usia 21 tahun) = 10,7% (ada pembulatan).
4

Hal ini berarti jumlah karyawan berusai 20 dan 21 tahun adalah

10,7% dari total karyawan yang ada.
LATIHAN
1. Buat tabel Frekuensi dan Histogram untuk variabel gaji
karyawan.
2. Buat tabel Frekuensi dan Pie Chart untuk variabel Gender
3. Buat Frekuensi dan Pie Chart untuk variabel gaji

EXPLORE
TUJUAN
Menu Explore mempunyai fungsi sama dengan medu Deskriptif
yaitu melakukan deskripsi dan menguji data (outlier), disini uji
kenormalan dilakukanmelalui:
Tampilan diagram (Boxplot dan Normal Probability Plot)
Uji tertentu (Shapiro Wilks dan Liliefor)
DATA
Kantitatif dan kualitatif
KASUS 1
Akan dilakukan Explore (eksplorasi) data pada variabel Bidang
Kerja dengan Pengalaman Kerja
LANGKAH
a) Buka file Karyawan
b) Pilih menu Analyze, pilih sub-menu Descriptive Statistics, lalu
pilih Explore, tampak layar ..
a) Dependent List atau variabel tergantung, pilih Pengalaman
Kerja
b) Factor List atau faktor yang akan dimasukkan, pilih variabel
kualitatif, Bidang Kerja
c) Pilih Statistics, tampak layar
Aktifkan Descriptive, M-estimators dan Outlier, kemudian
Klik Continue
d) Pilih Plots, tampak layar .
Boxplots pilih Factor levels together
Descriptive pilih Stem-and-leaf, kemudian Klik Continue
e) Pada bagian Displays, pilih Both (keduanya dipilih Statistik dan
Plot).
f) Klik Continue, kemudian OK
ANALISIS
Output Case Processing Summary
Semua data karyawan (75 orang) valid (100%)

Output Descriptive
Bagian ini mengenai ringkasan statistik deskripsi dari pengalaman
kerja berdasarkan bidang pekerjaan. Penjelasannya sama
dengan pembahasan desceriptive dan Frequencies.
Output M-Estimator
M-Estimator (Mean Estimator) bisa sebagai alternatif pengukuran
pusat, yaitu memberikan bobot (weight) pada data. Sebagai
contoh menurut pengukuran Huber, rata-rata Pengalaman
Kerja berdasarkan Bidang adalah sebagai berikut.
Administrasi : 4,3 tahun
Personalia : 5,83 tahun
Produksi : 3,91 tahun
Marketing : 4,66 tahun
Keuangan : 3,88 tahun
Output M-Estimator
Output ini menampilkan 5 nilai tertinggi dan 5 nilai terendah dari 75
data karyawan berdasarkan bidang kerja.
Sebagai contoh bidang administrasi
Nilai terkecil adalah 2 dan 3, dengan nomor urut kasus adalah
2,1,4,8, dan 3. Sedangkan untuk nilai terbesar adalah 6 dan 7
tahun, dengan nomor kasus adalah 13, 10, 12, 15 dan 9.
Output BOXPLOT
Boxplot adalh kotak pada gambar berwarna (warnanya bisa
erbeda-beda) dengan garis tebal horizontal di kotak tersebut.
Kotak tersebut memuat 50% data atau mempunyai batas presentil
ke-25 dan ke-75.
Garis tebal adalah median.
12

10

22

39
62

59

Pengalaman Kerja

60
47
45
37
36

0
N=

15

12

27

13

Administrasi

Personalia

Produksi

Marketing

Keuangan

Bidang

Catatan
Nilai lebih dari 1,5 hspread (tinggi Boxplot) ditandai dengan
o disebut outlier
Nilai lebih dari 3 hspread (tinggi Boxplot) ditandai dengan
disebut extrem value atau far outside value
Jika garis hitam atau tanda Median terletak persis di tengah
Boxplot, maka distribusi data adalah normal. Jika berada
disebelah atas, distribusi menceng kekiri, dan jika disebelah
bawah distribusi menceng kekanan.
Analisis
Rata-rata pengalaman kerja karyawan bidang personalia adalah
paling tinggi, kemudia disusul oleh bidang marketing, kemudian
ketiga bidang lainnya.
Dilihat dari Mean masing-masing bidang, terlihat bahwa bidang
marketing sangat menceng kekiri, sedangkan bidang
administrasi menceng kekanan
Ada 9 nilai outlier dan ekstrem, yaitu satu dibidang personalia
(data nomor 22), dan delapan pada marketing (data nomor 36,
37, 45, 47, 60,62, 39,59), apa bila nomornya tidak jelas, bisa
diklik ganda keluar Chart Editor.
Output STEM AND LEAF
Pengalaman Kerja Stem-and-Leaf Plot for
BIDANG= Administrasi
Frequency
Stem
&
(jumlah) (pengalaman kerja)
2.00
2.00
5.00
2.00
1.00
3.00

2
3
4
5
6
7

.
.
.
.
.
.

Leaf (cabang)
(jumlah orangnya)
00
00
00000
00
0
000

Pengalaman Kerja Stem-and-Leaf Plot for

BIDANG= Produksi
Frequency
1.00
4.00
4.00
3.00

Stem
0
0
0
0

&
.
.
.
.

Leaf
1
2333
4445
667
8

KASUS 2
Akan dilakukan Explore data pada variabel Status dangan usia
karyawan.
LANGKAH
a) Buka file Karyawan
b) Pilih menu Analyze, pilih sub-menu Descriptive Statistics, lalu
pilih Explore, tampak layar ..
a) Dependent List atau variabel tergantung, pilih Usia
b) Factor List atau faktor yang akan dimasukkan, pilih variabel
kualitatif, Status
c) Pilih Plots, tampak layar .
Aktifkan Normality Plot with tests
Non aktifkan - Stem-and-leaf, kemudian Klik Continue
d) Pada bagian Displays, pilih Plots
e) Klik Continue, kemudian OK
Analisis
Output Case Processing Summary
Semua data karyawan 75 orang valid 100%
Output Test of Normality
Bagian ini menguji normal tidaknya sebuah distribusi data.
Pedoman pengambilan keputusan
Nilai Sig. Atau sidnifikansi atau nilai probabilitas < 0,05,
distribusi adalah tidak normal.
Nilai Sig. Atau sidnifikansi atau nilai probabilitas > 0,05,
distribusi adalah normal.
Tests of Normality

USIA

Status
Karyawan
Belum
Menikah
Menikah

Kolmogorov-Smirnov(a)
Statistic

df

Shapiro-Wilk

Sig.

Statistic

df

Sig.

.176

35

.008

.933

35

.033

.215

40

.000

.913

40

.005

a Lilliefors Significance Correction

Output untuk menguji normalitas dengan plot (Q-Q plot)

Jika suatu distribusi data normal, amak data akan tersebar
disekeliling garis.
Terlihat bahwa baik untuk status menikah atau belum menikah,
pola data tersebar cukup jauh kestandar, yang berarti data tidak
bisa dikatakan berdistribusi normal.
Output untuk menguji normalitas dengan plot (Detrended
Normal Q-Q plot)
Output ini untuk mendeteksi pola-pola dari titik-titik yang bukan
bagian dari kurva normal.
Terlihat bahwa baik pada status menikah atau belum menikah
sebagian besar terpola jauh dari garis tengah yang ada. Hal ini
membuktikan bahwa distribusi data adalah tidak normal.
Latihan
a) Lakukan eksplorrasi pada variabel gaji dengan gender, dan
bandingkan antara gaji pria dan wanita, apakah kedua gaji
tersebut berdistribusi normal.
b) Lakukan Eksplorasi pada variabel gaji dengan pendidikan dan
bandingkan untuk masing-masing tingkat pendidikan. Ujilah
distribusi kenormalan gaji untuk masing-masing tingkat
pendidikan tersebut dengan Boxplot, Ste and Leaf, KolmogorofSmirnov serta Plot.
c) Lakukan Eksplorasi dengan variabel Gaji saja. Dimanakah
variabel gaji diletakkan pada menu eksplore. Jika dibandingkan
dengan soal 1 dan 2, kesimpulan apa yang diperoleh.

10

CROSSTAB
TUJUAN
Crosstab (tabulasi silang) pada prinsipnya menyajikan data dalam
bentuk tabulasi, yang meliputi baris dan kolom.
DATA
Kuantitatif dan Kualitatif khususnya yang berskala normal
KASUS 1
Membuat crosstab antara gender dengan bidang kerja
LANGKAH
a) Buka file Karyawan
b)

Pilih menu Analyze, pilih sub-menu Descriptive Statistics,

lalu pilih Crosstab, tampak layar ..
c) Row atau baris, pilih Bidang
d) Column(s) atau kolom, pilih variabel Gender, abaikan yang
lain
c) OK
Kasus 1
Membuat Crosstab antara gender dengan bidang kerja
Analisis
Output bagian pertama menyatakan bahwa seluruh 75 data
karyawan valid untuk dilakukan proses crosstab
Output kedua hasil Crosstab
Bidang * Gender Crosstabulation

Bidang

Administrasi
Personalia
Produksi
Marketing
Keuangan

Total

Gender
Wanita
Pria
11
4
0
8
1
11
13
14
8
5
33
42

Total
15
8
12
27
13
75

Isi baris adalah bidang kerja

Isi kolom adalah gender

Dari crosstab menunjukkan

Karyawan pria lebih banyak dibandingkan dengan wanita
Karyawan paling banyak bekerja dibidang Marketing
Karyawan yang paling sedikit dibidang Personalia, bahkan
tidak terdapat karyawan wanita.
11

Kasus 2
Membuat Crosstab antara gender dengan pengalaman kerja yang
ditampilkan langsung dalam bentuk grafik.
LANGKAH
a) Buka file Karyawan
b)

Pilih menu Analyze, pilih sub-menu Descriptive Statistics,

lalu pilih Crosstab, tampak layar ..
Row atau baris, pilih Pengalaman kerja
Column(s) atau kolom, pilih variabel Gender
Aktifkan bagian Display clustered Charts dan Suppress
tables
c) OK
Analisis
Output bagian pertama menyatakan bahw seluruh 75 data
karyawan valid untuk dilakukan crosstab.
Output kedua berupa grafik tanpa penyajian data crosstab, dengan
sumbu x adalah pengalaman kerja. Tampak tidak ada karyawan
wanita dengan pengalaman kerja 8 tahun.
Pria dan wanita sama jumlahnya untuk pengalaman kerja 4 dan 5
tahun , dst.
Sumbu y adalah jumlah karyawan tiap pengalaman kerja tertentu.
Kasus 3
Membuat Crosstab antara gender dengan bidang kerja karyawan,
dan pada bidang kerja akan dirinci lagi untuk status dan
pendidikan karyawan.
LANGKAH
a) Buka file Karyawan
b) Pilih menu Analyze, pilih sub-menu Descriptive Statistics, lalu
pilih Crosstab, tampak layar ..
Row atau baris, pilih Bidang
Column(s) atau kolom, pilih variabel Gender
Pilih Status, masukkan kekotak kanan bawah, kemudian
tekan NEXT, layer menjadi 2 of 2, atau masukkan lapis
variabel kedua. Pilih variabel Pendidikan, masukkan kekotak
kanan bawah dan tekan NEXT
c) OK
12

Analisis
Hasilnya lebih komplek dan bervariasi, karena ada tambahan layer
(lapis variabel) yaitu variabel status dan pendidikan.
Baris pertama, Karyawan wanita yang berpendidikan SMU,
berstatus belum menikah dan bekerja dibagian administrasi,
jumlahnya satu orang. Karyawan pria tidak ada satupun yang
memenuhi kriteria tersebut.
Pada bagian pendidikan SMU, karyawan yang belum menikah
(8) jumlahnya lebih besar dari yang sudah menikah (2).
Bidang * Gender * Status Karyawan * Pendidikan Karyawan Crosstabulation
Count
Pendidikan
Karyawan
SMU

Status
Karyawan

Gender
Wanita

Belum Menikah

Bidang

Bidang

0
2
0

1
3
1

Keuangan

Administrasi

1
1
2
2

1
1
2
7

Personalia

0
5
1

1
3
1

1
8
2

11

18

Produksi
Marketing

1
0
2

0
3
4

1
3
6

Keuangan

12

Produksi
Marketing

0
0
1

1
1
2

1
1
3

Keuangan

Personalia
Produksi

4
0
0

2
6
4

6
6
4

Marketing

Keuangan

17

26

Produksi
Marketing

Akademi

Belum Menikah

Total
Bidang

Marketing
Keuangan
Total
Menikah

Bidang

Administrasi

Total
Sarjana

Belum Menikah

Bidang

Personalia

Total
Menikah

Bidang

Total

Total

1
1
1

Total
Menikah

Pria

Administrasi
Produksi
Marketing

Administrasi

13

Latihan
1. Buatlah Crosstab antara status seorang karyawan dengan
bidang pekerjaan, yang ditampilkan dengan sumbu x adalah
variabel status. Selain grafik, juga tampilkan crosstab tersebut
pada satu output, kemudian analislah?
2. Buatlah Crosstab antara status seorang karyawan dengan
bidang kerja karyawan, namun variabel Bidang Kerja akan
dirinci lagi menurut gender?

14