Statistik Deskriptif Dengan
Statistik Deskriptif Dengan
By Eris Kusnadi
Statistik selalu digunakan ketika parameter yang menggambarkan karakteristik populasi tidak
diketahui. Statistik akan mengambil sebagian (kecil) dari populasi untuk dilakukan pengukuran,
kemudian hasil pengukuran tersebut dijadikan sebagai kesimpulan terhadap keseluruhan
populasi. Sebagian (kecil) dari populasi tersebut dinamakan sampel. Ibarat kita ingin mengetahui
rasa sepanci sayur asam, kita tidak perlu menenggak satu panci tapi cukup mencicipinya
sebanyak satu sendok.
Terdapat dua jenis statistik yang digunakan ketika penelitian, yaitu: statistik deskriptif
(descriptive statistics) dan statistik inferensi (inferential statistics). Statistik deskriptif hanya
menggambarkan data atau seperti apa data ditunjukkan, sementara statistik inferensi mencoba
untuk mencapai kesimpulan (bersifat induktif) dari data dengan kondisi yang lebih umum
(Trochim, 2006), misal: point estimation, confidence interval estimation, hypothesis testing.
Statistik deskriptif adalah metode-metode yang berkaitan dengan pengumpulan dan
penyajian suatu gugus data sehingga menaksir kualitas data berupa jenis variabel, ringkasan
statistik (mean, median, modus, standar deviasi, etc), distribusi, dan representasi bergambar
(grafik), tanpa rumus probabilistik apapun (Walpole, 1993; Correa-Prisant, 2000; Dodge, 2006).
Pada SPSS, analisis statistik deskriptif dilakukan dengan meng-klik menu Klik [Analyze] ->
[Descriptive Statistics], kemudian terdapat pilihan: Frequencies, Descriptives, Explore,
Crosstabs, dan Ratio. Dalam penelitian-penelitian, perintah-perintah ini sering diabaikan karena
memang dalam beberapa fungsi analisis lain sudah otomatis tercantum analisis deskriptifnya.
Dengan data sebagaimana ditunjukkan Tabel 1 di bawah ini, kita akan mempraktekkan
operasi submenu Frequencies, Descriptives, Explore, dan Crosstabs. Fungsi Ratio tidak akan
dibahas karena bagi saya; yang belajar di SPSS 11, ini tergolong baru :) , fasilitas Ratio mulai
diperkenalkan pada SPSS versi 11.5, pada dasarnya berfungsi menyediakan ringkasan statistik
yang berupa rasio-rasio.
Tabel 1
Data Nilai Mahasiswa (bukan data sebenarnya)
Nama
Usia
Jenis Kelamin
Nilai APK
Nilai PPC
Nilai PLO
Suhairi
20
Laki-Laki
80
50
70
Ambon
21
Laki-Laki
70
70
90
Astri
22
Perempuan
60
80
70
Henri
21
Laki-Laki
80
90
60
Yugos
22
Laki-Laki
90
60
70
Muji
19
Perempuan
70
80
80
Tatang
20
Laki-Laki
60
70
40
Ferdi
21
Laki-Laki
60
90
60
Arsyad
21
Laki-Laki
70
70
40
Fauzan
21
Laki-Laki
90
80
60
Langkah pertama yang perlu dilakukan adalah meng-entry data, tentunya anda perlu
paham dasar-dasar SPSS (silahkan baca posting sebelumnya yang berjudul: Dasar-Dasar SPSS).
Entry data dilakukan pada tab sheet Data View setiap baris mewakili satu responden, sedangkan
setiap kolom mewakili satu variabel, dalam kasus ini variabelnya adalah: Nama, Usia, Jenis
Kelamin, Nilai APK, Nilai PPC, dan Nilai PLO. Berikut langkah-langkah entry datanya:
Masukkan variabel: Nama untuk Nama, Usia untuk Usia, Gender untuk Jenis
Kelamin, APK untuk Nilai APK, PPC untuk Nilai PPC, dan PLO untuk Nilai
PLO pada kolom Name pada tab sheet [Variable View].
Berilah label untuk masing-masing variabel dengan menuliskannya pada kolom Label:
Usia, Jenis Kelamin, Nilai APK, Nilai PPC, dan Nilai PLO. Hal ini berarti: variabel
Gender mempunyai label Jenis Kelamin, variabel APK mempunyai label Nilai APK,
dan seterusnya.
Untuk variabel Gender pada kolom Values, definisikan Value: 1 = Laki-laki dan Value: 2
= Perempuan.
Untuk variabel Nama (baris pertama ) pada kolom Type, ubah tipe data menjadi String.
Untuk kolom lainnya seperti Width, Missing, dan Columns biarkan tetap default SPSS.
Jangan lupa save atau tekan Ctrl + S. Secara default SPSS akan memberi nama file:
data_1.sav, saya merubah nama file menjadi eRiskProject_1.sav.
Kemudian klik tab sheet [Data View] dan mulailah meng-entry data seperti yang
diperlihatkan Gambar 2 di bawah ini.
Untuk melihat hasil definisi Value pada variabel Gender, klik ikon
, variabel Gender
akan terdefinisi menjadi laki-laki dan perempuan, tidak lagi berisi angka 1 dan 2.
Selanjutnya, kita ingin menjumlahkan nilai APK, PPC, dan PLO, Klik menu [Transform]
> [Compute], muncul dialog box Compute Variable.
Buatlah variabel baru dengan nama total untuk menempatkan hasil penjumlahan nilai
APK, PPC, dan PLO, caranya: tuliskan total pada form Target Variable. Kemudian Klik
[Type & Label], beri label Nilai Total.
Ketik APK + PPC + PLO (sesuai nama variabel dan perintah penjumlahan ) pada form
Numeric Expression. Anda juga dapat menggunakan tombol-tombol yang tersedia pada
dialog box, lihat Gambar 3.
Klik [OK]. Pada Data View akan muncul variabel baru dengan nama Total (lihat
Gambar 4).
Gambar 4. Output dari Perintah Penjumlahan pada Dialog Box Compute Variable
1. Frequencies
Perintah Frequencies digunakan untuk memperoleh jumlah pada nilai-nilai sebuah variabel
tunggal. Langkah-langkahnya adalah sebagai berikut:
Muncul dialog box Frequencies. Klik Jenis Kelamin [Gender] > klik
, (untuk
memasukkan variabel Jenis Kelamin ke form Variables(s). Kita akan menganalisis
variabel Jenis Kelamin.
Agar menampilkan representasi bergambar (grafik), klik [Charts], maka akan muncul
dialog box Frequencies: Charts. Saya memilih Bar charts pada form Chart Type. Pada
form Chart Values , saya memilih Percentages (Lihat Gambar 6).
Kemudian klik [Continues] untuk kembali ke dialog box Frequencies lalu klik [OK]
maka muncul jendela SPSS Viewer yang menunjukkan hasil analisis frekuensi (lihat
Gambar 7).
a) Sebelah kiri adalah Outline view dalam bentuk tree files, fungsinya sebagai navigasi
dalam melihat outputanalisis.
b) Sebelah kanan adalah Display output, fungsinya menampilkan seluruh hasil analisis
yang telah kita lakukan.
Pada Gambar 7 terlihat hasil analisis SPSS, di mana pada tabel pertama N Valid = 10
yang menunjukkan jumlah responden 10 orang dan N Missing = 0 yang berarti tidak ada data
yang hilang (missing). Pada tabel yang kedua terlihat hasil analisis Frequencies terhadap variabel
Jenis Kelamin, di mana jumlah responden laki-laki 8 orang (80%) dan responden perempuan ada
2 orang (20%). Jika scroll digeser ke bawah akan terlihat Bar Chart (lihat Gambar 8) yang
menunjukkan visualisasi jumlah responden laki-laki dan perempuan.
Perhatikan kriteria laki-laki dan perempuan, ini merupakan hasil definisi value
variabel Gender pada kolom Values, di mana Value: 1 = Laki-laki dan Value: 2 = Perempuan.
Jika definisi value diabaikan maka pada bar chart maupun tabel analisis yang terlihat bukan lakilaki dan perempuan melainkan 1 dan 2. Begitu juga judul tabel dan judul histogram: jenis
kelamin, ini merupakan hasil dari proses label yang telah kita lakukan untuk variabel Gender.
Fungsi label ini bermanfaat untuk para pembaca analisis, misal penguji pada sidang Tugas
Akhir / Skripsi. Selanjutnya adalah penggunaan perintah Descriptives.
2. Descriptives
Dengan menggunakan data sebelumnya langkah-langkah perintah Descriptives adalah sebagai
berikut:
Muncul dialog box Descriptives. Masukkan variabel yang akan dianalisis ke form
Variables(s). Untuk melakukan setting optional klik [Options].
Muncul dialog box Descriptives: Options. Centang analisis yang diperlukan. Dalam hal
ini pilihannya adalah: Mean, Std. deviation, Minimum, Maximum, Kurtosis, Skewness,
dan pada form Display Order centang Variable list.
Klik [Continue] dan [OK]. Hasil analisis akan terlihat seperti tabel yang ditunjukkan
Gambar 10 di bawah ini:
Tabel output di atas menunjukkan jumlah pengukuran (N), nilai minimum (Minimum),
nilai maksimum (Maximum), nilai rata-rata (Mean), standar deviasi (Std.), Skewness, dan
Kurtosis dari masing-masing variabel. Nilai skewness merupakan ukuran kesimetrisan histogram,
sedangkan kurtosis merupakan ukuran datar atau runcingnya histogram. Idealnya nilai skewness
dan kurtosis pada distribusi normal adalah nol. Oleh karena itu:
Jika nilai skewness positif maka distribusi data miring ke kiri distribusi normal (ada
frekuensi nilai yang tinggi di sebelah kiri titik tengah distribusi normal), sebaliknya
apabila skewness negatif maka distribusi data miring ke kanan distribusi normal (kiri
bagi kita yang melihatnya).
Jika nilai kurtosis positif maka distribusi data meruncing (ada satu nilai yang
mendominasi), sebaliknya apabila Kurtosis Negatif maka distribusi data melandai
(varians besar).
Perhatikan Gambar 10 di atas, variabel Usia memiliki skewness negatif dan kurtosis
positif, artinya distribusinya miring ke kiri distribusi normal dan meruncing. Pada variabel
nilai APK, nilai skewness positif dan nilai kurtosis negatif, artinya distribusinya miring ke
kanan distribusi normal dan melandai. Sebagai pembuktian, buat histogram untuk variabel
Usia dan Nilai APK. Berikut caranya:
Klik menu [Graphs] -> [Histogram], maka muncul dialog box Histogram.
Lakukan langkah yang sama untuk variabel nilai APK. Hasilnya bisa dilihat pada Gambar 12.
3. Explore
Perintah Explore digunakan untuk membandingkan antara dua atau lebih kelompok dengan satu
variabel. Sebagai contoh, jika kita menggunakan Jenis Kelamin sebagai variabel independen;
variabel ini mendefinisikan kelompok (Laki-Laki dan Perempuan), kemudian
membandingkannya dengan variabel lain, seperti Usia. Perintah Explore; contoh dalam kasus
mean, akan menghasilkan berapa rata-rata usia laki-laki dan berapa rata-rata usia perempuan.
Ukuran-ukuran yang dihasilkan perintah Explore antara lain: ukuran-ukuran pemusatan data
(mean dan median), ukuran penyebaran (range, interquartile range, standar deviasi, varians,
minimum, dan maksimum), ukuran kurtosis, dan skewness.
Berikut langkah-langkah perintah Explore:
o form Dependent List, isi: variabel Usia, Nilai APK, Nilai PPC, Nilai PLO, dan
Nilai Total.
Form Display ada tiga pilihan Both, Statistics, dan Plots. Saya hanya memilih [Statistics].
o
4. Crosstabs
Jika perintah Frequencies digunakan untuk memperoleh jumlah pada nilai-nilai sebuah variabel
tunggal, perintah Crosstabs digunakan untuk memperoleh jumlah pada nilai-nilai lebih dari satu
variabel. Apabila analisis statistik deskriptif sebelumnya mengolah data secara keseluruhan
dalam setiap variabel dengan menghitung perhitungan statistik seperti Mean, Standar deviasi,
Kurtosis, etc. Pada Crosstabs, setiap nilai pada variabel yang dianalisis dijabarkan jumlahnya,
dengan begitu kita dapat mengetahui berapa jumlah subyek laki-laki yang berusia 19 tahun, 20
tahun, dst. Deskripsi data pada Crosstabs akan disajikan dalam bentuk tabel silang (crosstab)
yang terdiri dari baris dan kolom.
Berikut langkah-langkah perintah Crosstabs:
Klik pilihan [Display clustered bar charts], pilihan ini untuk menampilkan chart bar dari
output.
Untuk dialog box [Statistics], [Cells], dan [Format] biarkan sesuai dengan default SPSS.
Statistik deskriptif memberikan informasi inti dari kumpulan data, seperti ukuran-ukuran
pemusatan data (mean dan median), ukuran penyebaran (range, interquartile range, standar
deviasi, varians, minimum, dan maksimum), ukuran kurtosis, dan skewness serta representasi
piktorialnya. Tabel, diagram, dan grafik yang sering ditemukan di majalah dan koran-koran
merupakan salah satu contoh penggunaan statistik deskriptif.
Rujukan:
Correa-Prisant, M. (2000). Descriptive statistics. Informally published manuscript, Dept. of
Microbiology, Pathology, Parasitology, College of Veterinary Medicine, North Carolina
State University, Raleigh, North Carolina. , Available from lec. (0421)Retrieved from
http://www.pitt.edu/~super1/lecture/lec0421/index.htm
Dodge, Y. (2006). The Oxford dictionary of statistical terms (p. 111). New York: Oxford
University Press.
Patria, B. (2007, August 17). Entry Data: Seri Tutorial SPSS 03. Retrieved from
http://inparametric.com/bhinablog/download/03_entri_data.pdf
__________. (2007, August 17). Analisis Deskriptif: Seri Tutorial SPSS 04. Retrieved from
http://inparametric.com/bhinablog/download/04_analisis_deskriptif.pdf
SPSS. (2005). SPSS (Version 14.0) [Computer software]. Chicago-Illinois: SPSS, Inc.
Trochim, W. M. K. (2006). Descriptive statistics. Research Methods Knowledge Base. Retrieved
from http://www.socialresearchmethods.net/kb/statdesc.php
Walpole, R. E. (1993). Pengantar statistika. Jakarta : PT Gramedia Pustaka Utama.