SPSS 22

Frequency
Descriptive
Explore

Crosstabs

Frequency : Introduction
Fungsi utama menu Frequencies adalah memberi gambaran sekilas dan ringkas
dari sekelompok data.
Statistics
meliputi
berbagai
ukuran
statistik
untuk
menggambarkan data
(statistik descriptive)
Chart
berhubungan
dengan jenis grafik
yang akan ditampilkan
Format berhubungan
tentang susunan data
Bootstrap digunakan
terutama
untuk
penggunaan metodemetode
statistik
tertentu,
seperti
regresi,
yang
mengharuskan uji data
namun jumlah data
yang
ada
sedikit,
sehingga SPSS akan
menciptakan
sejumlah data dalam
jumlah besar

Frequency :Statistics

Percentile
Values atau nilai
persentil; untuk
keseragaman,
klik
Quartiles
dan
Percentile(s).
Nilai 10 dan 90
dimaksudkan
untuk membuat
nilai persentile
pada 10 dan 90.

Dispersion atau penyebaran data. Ke-enam pilihan di klik

untuk melihat penyebaran data yang lebih komplit

Central
Tendency
merupakan
pengukuran
pusat data.

Values Are
Group
Midpoints berisi
perhitungan
persentil dan
median jika
sudah
dikelompokkan
dalam interval
interval data.

Distribution atau bentuk distribusi data. Kedua pilihan

yaitu Skewnee dan Kurtosis diklik.

Frequency : Output SPSS

Output
bagian
pertama
:
Statistics
N atau jumlah data yang valid
(Sah untuk diproses) adalah 60
buah, sedangkan data yang hilang
(missing) adalah nol. Disini berarti
semua data diproses
Output bagian kedua : Nomor
Karyawan
Output disamping adalah gambar
nomor karyawan dalam tabel
frekuensi. Pada baris pertama,
responden
dengan
nomor
karyawan
9524
sebanyak
(frekuensi) 1 orang atau (1/60 x
100%) = 1.7% (pembulatan dari
1.67%) dari 60 sampel yang ada.
Pada baris kedua, frekuensinya
juga 1,67% sehingga cumulative
percent nya adalah 3.3%. Begitu
seterusnya
hingga
pada
responden ke 60, cumulative
persen nya adalah 100%.

Descriptive : Introduction
Descriptive menampilkan berbagai ukuran statistik dalam sebuah tabel untuk satu atau lebih variabel kuantitatif. Berbeda dengan
submenu Frequencies, pada menu Descriptive terdapat fasilitas pembuatan z-score untuk pengujian normalitas sebuah data

Pada kotak dialog option, terlihat default dari SPSS yang memilih Mean, Standard Deviation, Minimum dan Maximum
sebagai acuan untuk menghitung statistik deskriptif
Aktifkan kotak pilihan Save Standardized values as variables yang berarti selain ada output SPSS mengenai deskripsi
data, juga pada data editor SPSS akan bertambah satu variabel baru

Descriptive : Output SPSS

Output bagian pertama : Descriptive
Total data gaji karyawan per bulan terdapat
sebanyak 60 data, dengan gaji minimum
138.00 dan gaji maksimum adalah 1266.00.
Nilai mean dari gaji karyawan per bulan
adalah 624.7033 dan standar deviasinya
adalah 244.23045.

Output bagian kedua : Zgaji

Pada data view terdapat satu kolom
tambahan yaitu Zgaji, dimana ini merupakan
penerapan z score atau standard score. Nilai
z dapat dipakai secara cepat untuk melihat
nilai mana yang menyimpang cukup jauh dari
rata-ratanya (outlier).
Melihat data yang menyimpang (outlier)
Jika data berdistribusi normal dan tingkat
kepercayaan 95%, maka tingkat signifikansi
adalah 5%. Jika memakai dua sisi (ada tanda
+ dan -), maka batas kritis ada pada 2.5%.
Pada tabel z, perhitungan pada satu sisi atau
50%, maka batas kritis ada pada luas kurva
(50% - 2.5%) atau 47.5%.
Jika nilai zgaji lebih besar atau lebih kecil
daripada nilai kritis maka nilai gaji tersebut
berarti berada di luar kewajaran / outlier

Explore : Introduction
Explore digunakan untuk mengeksplorasi data lebih dalam dan menguji ada tidaknya data ekstrem dan
outlier dengan Boxplotes dan diagram Steam dan Leaf.

Dependent list : variabel tergantung yang akan dimasukkan

Factor list : variabel faktor yang akan dimasukkan
List case by : kasus akan diurutkan berdasarkan variabel yang mana?

Explore : Output (1 of 3)
Output bagian pertama : Case
Processing Summary
Total karyawan wanita adalah 27
& total karyawan pria adalah 33
dengan data missing = 0

Output
bagian
kedua
:
Descriptive
Rata-rata gaji karyawan wanita
per bulan adalah 626.7556
5% Trimmed Mean untuk
mengurutkan data gaji karyawan
terkecil
hingga
terbesar,
kemudian memotong 5% dari
data terkecil dan 5% dari data
terbesar. Hal ini bertujuan untuk
membuang (trimming) nilai data
yang menyimpang (karena jauh
dari rata-rata). Kemudian pada
hasil yang ada dilakukan
perhitungan Mean seperti biasa
Interquartile
Range
untuk
menunjukkan selisih antara nilai
persentile ke 25 dan persentile
ke 75.
Rasio Skewness dan Kurtosis
untuk melihat normalitas dari
sebuah data

Explore : Output (2 of 3)
Output bagian tiga : M-Estimator digunakan sebagai
alternatif pada pengukuran pusat (central tendency) dengan
memberikan bobot (weight) pada data.
Dengan M-estimator dapat dilihat apakah nilai dari estimator
lebih mendekati nilai mean atau nilai median
Output bagian empat : Extreme Value merupakan
penyajian nilai-nilai ekstrem dari nilai gaji karyawan, yang
dilakukan dengan menyediakan 5 data terbesar dan 5 data
terkecil untuk masing-masing jenis gender.

Output bagian kelima : Steam and leaf berfungsi sama

dengan histogram, karena data dikelompkkan dalam interval
interval tertentu dan disajikan dalam bentuk bar.

Explore : Output (3 of 3)

Nilai diatas garis ini adalah outlier atau

nilai ektrem
Persentile (25)

Persentile(50)
atau median
Persentile (75)

Nilai dibawah garis ini adalah outlier

atau nilai ektrem

Output bagian keenam : Boxplot

Merupakan sebuah kotak yang memuat 50% data, dan atau mempunyai nilai persentile ke-25 dan ke 75,
sedangkan garis tebal hitam adalah letak Median data

Crosstabs : Introduction
Crossstabs merupakan fitur yang dapat menampilkan kaitan antara dua atau lebih variabel, atau sampai dengan
menghitung apakah ada hubungan antara baris (sebuah variabel) dengan kolom (variable yang lain)

Crosstabs : Output

Output bagian pertama : Case Processing Summary

Dapat dilihat tabulasi antara gender dan bidang kerja
karyawan dapat dilakukan dengan baik karena semua
datanya telah lengkap

Output bagian kedua : Tabulasi

Dapat dilihat pada hasil ini pembagian bidang kerja untuk
masing masing gender