Di susun oleh
Entot Suhartono
2.
3.
4.
5.
6.
By Entot Suhartono
Hal. 2
TEORI STATISTIK
I. Statistik dan Komputer Statistik
Pada prinsipnya statistik dapat diartikan sebagai suatu kegiatan:
-
Mengumpulkan data
Statistik Deskriptif
Statistik yang menghasilkan suatu penjelasan bagaimana data dikumpulkan dan diringkas pada
hal-hal penting dari data tersebut. Dengan kata lain statistik ini menghasilkan suatu gambaran
dari sekumpulan data, seperti rata-rata, standar deviasi, nilai terbesar dan terkecil, dan lain
sebagainya.
Statistik Inferensi
Setelah data dikumpulkan, maka dilakukan pemilihan metode analisis untuk menganalisa
kumpulan data tersebut, dan kemudian menginterprestasikan hasil analisis tersebut.
By Entot Suhartono
Hal. 3
File Data. File ini dihasilkan melalui SPSS Data Editor yang disimpan dengan ekstensi *.sav
File Teks. File ini dihasilkan melalui Output Window yang berekstensi *. lst dan file yang dihasilkan
melalui Syntax Window akan berekstensi *.sps.
File Chart. File ini dihasilkan melalui Chart Window dan Chart Carousel yang disimpan dengan
ekstensi *.cht
By Entot Suhartono
Hal. 4
Konsep Variabel
Variabel Kualitatif
Yaitu variabel yang tidak berbentuk angka, tetapi berbentuk klasifikasi atau kategori.
Misalnya : produksi padi sangat meningkat, harga daging sangat mahal, dll
Variabel Kuantitatif
Yaitu variabel yang berwujud numerik (angka).
Misalnya : produksi padi naik 10%, harga daging rata-rata per kg Rp. 12.500, dll
Dibandingkan dengan data kualitatif, data kuantitatif lebih kongkrit dan lebih jelas, karena sudah
ditentukan datanya dalam bentuk angka yang pasti.
Data kuantitatif terbagi menjadi 2 :
1. Variabel Kuantitatif Kontinu
Merupakan variabel yang dibentuk oleh himpunan bilangan nyata atau himpunan bagiannya.
Dimana variabel kuantitatif kontinu angka yang ditampilkan belum pasti. Misalnya : Tinggi badan
si A antara 160 170 cm, Berat badan si A antara 75 80 kg, dll
2. Variabel Kuantitatif Diskret
Merupakan variabel yang jumlah angkanya sudah pasti. Misalnya : jumlah penduduk, banyaknya
anggota keluarga, jumlah mahasiswa, dll
Pengelompokan Data menurut Tingkat Pengukurannya
Skala Nominal
Jenis skala yang obyek pengamatannya (observation) dikelompokkan ke dalam himpunan-himpunan,
dinamakan NOMINAL. Jadi proses pengukuran yang menggunakan skala nominal disebut klasifikasi
atau penggolongan ke dalam beberapa kelas atau kategori. Misalnya : orang Islam, orang Kristen,
orang Hindu, dll.
Contoh data nominal:
Islam diberi tanda 1
Hindu diberi tanda 1
Kristen diberi tanda 2
Atau
Kristen diberi tanda 2
Hindu diberi tanda 3
Islam diberi tanda 3
Dan seterusnya
Dan seterusnya
Urutan atau tingkatan dari data tersebut di atas tidak diperhatikan
Skala Ordinal
Skala pengukuran yang dilakukan pada tingkat ordinal : obyek-obyek dibedakan menurut
persamaannya dan menurut urutan atau tingkatannya. Misalnya : seorang ABRI dapat diklasifikasikan
menurut pangkatnya : himpunan mayor, himpunan kapten, himpunan letnan, dll. Contoh data ordinal:
Letnan diberi tanda 1
Kapten diberi tanda 2
Mayor diberi tanda 3
Dan seterusnya
Tidak dibenarkan
Himpunan di atas memperhatikan urutan atau tingkatannya, tidak dibenarkan urutannya dirubah
seperti daftar disebelah kanan. Contoh lainnya adalah:
Sangat Baik diberi tanda 5
Baik diberi tanda 4
Cukup diberi tanda 3
Kurang diberi tanda 2
Sangat Kurang diberi tanda 1
Tidak dibenarkan
Skala Interval
Suatu skala dimana jarak (interval) antara setiap dua titik skalanya diketahui (disamping pembedaan
menurut persamaan dan urutan titik skalanya). Jadi skala interval mempunyai semua sifat skala
ordinal, ditambah satu sifat khas yaitu satuan skala atau satuan pengukuran. Contohnya : skala dari
tahun-tahun almanak.
Skala Ratio
Adalah skala yang titik nolnya tidak dipilih sembarangan, titik nol di sini mengandung arti. Sama
sekali enteng (tidak berbobot), dipakai untuk menyatakan titik nol pada timbangan. Dua kali lebih
berat berarti bila sekantong gula beratnya 1 kg, maka dua kantong dua kali lebih berat dari pada
satu kantong. Dapat juga dikatakan banyaknya mahasiswa yang hadir dalam kuliah kemarin adalah 3
SPSS 7.5 for Windows
By Entot Suhartono
Hal. 5
kali lebih besar dari pada banyaknya mahasiswa yang hadir hari ini. Titik nol yang dipilih tidak secara
sembarang disebut murni atau sejati. Jenis skala dengan titik nol sejati (natural origin), sehingga ratio
antara sembarang dua nilai skala juga dapat ditentukan dengan jelas, dinamakan Skala Ratio.
DATA
KUALITATIF
DATA
KUANTITATIF
- Interval
- Rasio
- Norminal
- Ordinal
User Missing Value. Adalah missing value yang nilainya ditentukan oleh user (pemakai)
2.
System Missing Value. Adalah missing value yang ditentukan secara otomatis oleh SPSS.
Apa yang Anda ketahui tentang Variabel Kualitatif dan berikan contohnya !
2.
Apa yang Anda ketahui tentang Variabel Kuantitatif dan ada berapa macam variabel kuantitatif
tersebut, berikan contohnya !
3.
Apa yang dimaksud dengan tingkat pengukuran nominal dan berikan contohnya !
4.
Apa yang dimaksud dengan tingkat pengukuran ordinal dan berikan contohnya !
5.
Apa yang dimaksud dengan tingkat pengukuran interval dan berikan contohnya !
6.
Apa yang dimaksud dengan tingkat pengukuran ratio dan berikan contohnya !
7.
Apa yang dimaksud format data Fixed dan Freefield serta berilah contoh datanya !
8.
Jelaskan perbedaan apa saja yang Anda ketahui dari kedua format data tersebut !
By Entot Suhartono
Hal. 6
9.
Apa yang Anda ketahui tentang Data Missing (Missing value) dan ada berapa macam missing value
yang Anda ketahui. Jelaskan !
By Entot Suhartono
Hal. 7
2.
Program SPSS akan diawali dengan munculnya logo SPSS x.0 for Windows pada layar, sehingga
menampilkan tampilan utama dari SPSS for windows seperti dibawah ini :
Bar Menu
Bar Title
Bar Icon
Edit Line
Penunjuk Sel
Variabel / kolom
Nomor Case
Sel pada Data
Editor
Bar Status
Hal terpenting dalam bekerja dengan SPSS adalah pengadaan file data. File data ini dibuat, ditampilkan,
diedit dan diolah pada Data Editor. Ekstensi yang digunakan untuk menyimpan file data adalah *.sav
Langkah-langkah untuk membuat file data :
Mendefinisikan Variabel
Mengisikan data (value)
6.
Klik menu Data | Define Variabel atau dapat dilakukan dengan Double Click pada Nama Variablenya
Tentukan Nama Variabel
Tentukan Tipe Variabel (Numeric, Comma, Dot, Scientific Notation, Date, Dollar, Custom Currency,
String)
Tentukan Label Variabel dan Label Value
Mendefiniskan Missing Value
No missing value. Bila variabel tersebut tidak mengandung missing value
Descrete missing value. Bila variabel tersebut mengandung 1, 2 atau tiga macam missing value.
Anda tinggal mengisikan harga-harga missing tersebut pada text box yang tersedia.
Range of missing value. Bila variabel tersebut mengandung missing value yang berupa interval
suatu bilangan, misal : 7 9. Anda tinggal mengisikan harga terendah dan harga tertinggi dari
interval tersebut
Range plus one discrete missing value. Bila variabel tersebut mengandung missing value berupa
interval suatu bilangan dan sebuah harga missing sebagai alternatif lain, misal :79,0
Tentukan format kolom yah Format Kolom
By Entot Suhartono
Hal. 8
II. LATIHAN
1.
Nama
Leonardo
Alexandra
Rai De Souza
Lagrange
Maldini
Paulo Rossi
Jim Courir
Wim Jonk
Lapalace
Faustino
Aprilla
Gender
1
2
1
2
1
1
1
1
2
1
TKP
2
3
1
2
3
2
3
3
3
1
Gaji
300000
550000
250000
350000
500000
300000
575000
500000
500000
250000
Definisi Variabel :
Nama Var.
Tipe Var.
Label Variabel
Nama
Gender
String 20
Numeric 1.0
Nama Karyawan
Jenis Kelamin
Tkp
Numeric 1.0
Tingkat Pendidikan
Gaji
Numeric 10.2
Gaji Karyawan
2.
Label Value
1=Laki-laki
2=Perempuan
1=Lulusan SMA
2=Lulusan D3
3=Lulusan S1
Missing
Value
None
0
0
0.00
By Entot Suhartono
Hal. 9
e.
f.
Nama Variabel
Gender1
Gender2
Tipe Variabel
String 2
String 2
Sedangkan label variabel, missing value dan format kolomnya gunakanlah harga default
g. Copykan variabel GENDER ke variabel GENDER1 sedemikian sehingga tipe variabel, label
variabel, missing value dan format kolom dari variabel GENDER1 mengikuti variabel GENDER
h. Copykan variabel GENDER ke variabel GENDER2 sedemikian sehingga tipe variabel, label
variabel, missing value dan format kolom dari variabel GENDER2 tetap seperti semula
i. Simpanlah kembali file data Anda
j. Coba lakukanlah beberapa proses editing berikut terhadap data Anda
Mengganti value pada sebuah sel
Menghapus sebuah value pada suatu sel
Menghapus value pada sekelompok sel
Menghapus sebuah variabel
Menghapus sebuah case
Mengcopy dan memindahkan value pada suatu sel ke sel lainnya
Mengcopy dan memindahkan value pada suatu sel atau sekelompok sel ke sekelompok sel
lainnya
Mengcopy dan memindahkan value pada suatu variabel atau sekelompok variabel ke
sekelompok variabel lainnya
Mengcopy dan memindahkan value pada suatu case atau sekelompok case ke sekelompok
case lainnya
By Entot Suhartono
Hal. 10
Transformasi Data
Adalah mengubah data yang ada dalam suatu file dengan bentuk yang sesuai dengan apa yang Anda
kehendaki. Di dalam transformasi file akan diuraikan tentang pengurutan data, transpose case dan
variabel, penggabungan file, penyeleksian case untuk analisis, agregate data dan pembobotan case.
1. Mengurutkan Data
Anda dapat mengurutkan data (case) berdasarkan satu atau beberapa variabel yang disebut variabel
kunci. Cara untuk mengurutkan data dapat digunakan perintah berikut :
1. Bukalah file data yang akan di urutkan datanya
2. Klik menu Data | Sort Cases
3. Akan muncul kotak dialog seperti dibawah ini :
Daftar nama
variabel
yang dipilih
4.
Pilih metode
pengurutan
2. Transpose Data
Transpose adalah mengubah kolom data menjadi baris data dan sebaliknya baris data menjadi kolom
data. Perintah transpose akan menghasilkan file data baru. Pada file data transpose (baru) akan didapati
jumlah variabel sama dengan jumlah case dari file data lama plus 1, di mana satu variabel tersbut oleh
SPSS di beri nama CASE_LBL dengan tipe String 8 yang berisi nama-nama variabel lama, sedangkan nama
variabel lainnya adalah var001, var002, dst. Perhatikan ilustrasi berikut ini!
Sebelum transpose
Cara untuk memindahkan kolom data menjadi baris data dan sebaliknya dapat digunakan perintah
berikut :
1.
2.
3.
By Entot Suhartono
4.
Keterangan :
Pada kotak Unpaired Variable merupakan daftar variabel-variabel yang terdiri dari variabel
yang aktif ( ditandai dengan tanda asterisk * ) dan variabel dari file yang digabungkan ( ditandai
dengan tanda + )
Kalau Anda ingin mengganti nama variabel pada Unpaired Variable klik tombol Rename
Kalau Anda ingin memasang dua variabel yang berbeda namun mengandung informasi yang
sama, maka Anda dapat meng-klik tombol Repair
Kalau Anda ingin menandai file asal dari tiap-tiap case data file baru, maka Anda dapat meng-klik
Indicate case source as variable. Dimana case yang berasal dari file data yang sedang aktif, value
dari variabel ini adalah 0 dan case yang berasal dari file data yang digabungkan, value dari
variable ini adalah 1
5.
II. LATIHAN
1.
Posisi
1
Alexandra
Rai De Souza
Lagrange
Gaji
30000
0
55000
0
25000
0
35000
0
By Entot Suhartono
Hal. 12
Maldini
Paulo Rossi
Jim Courir
Wim Jonk
Lapalace
Faustino
Aprilla
50000
0
30000
0
57500
0
50000
0
50000
0
25000
0
Tipe Variabel Posisi : Numeric 1.0 dan simpanlah dengan nama DATA01-NIM.SAV
Nama
Posisi
Apl
Yopie Latul
Desy
Armando
Didi Petet
Henry
Dunand
Iwan Fals
Renu
m
80000
0
45000
0
50000
0
95000
0
85000
0
Nama
Leonardo
Alexandra
Lagrange
Paulo Rossi
Jim Courir
Lapalace
Faustino
Aprilla
Apl
10
9
6
8
11
6
4
Tunjan
g
20000
25000
15000
50000
20000
20000
55000
5.
6.
7.
8.
By Entot Suhartono
Hal. 13
9.
10.
11.
12.
13.
14.
Tambahkanlah case-case yang tersimpan dalam file DATA02-NIM.SAV ke dalam file DATA01-NIM.SAV
dengan ketentuan sebagai berikut : value-value variabel NAMA pada file DATA02-NIM.SAV digabung
dengan bvariabel nama dari file DATA01-NIM.SAV, variabel POSISI dengan variabel POSISI dan
variabel RENUM dengan variabel GAJI
Buatlah sebuah variabel baru pada data hasil gabungan di mana variabel tersebut berisi value-value 0
dan 1 yang menunjukkan asal mula file dari case-case data gabungan tersebut
Simpanlah hasil kerja Anda ini dengan nama file ACDATA01-NIM.SAV
Sebutkanlah manfaat dari prosedur Add Case
Tampilkanlah file data DATA03-NIM.SAV pada data editor dan urutkanlah secara Ascending
berdasarkan variabel NAMA. Simpanlah perubahan yang terjadi
Tampilkanlah kebali file data DATA01-NIM.SAV pada data editor dan urutkanlah secara Ascending
berdasarkan variabel NAMA
Berisi
variabelvariabel dari
file yang aktif
dan file yang
digabungkan
Berisi
variabel yang
di jadikan
kunci
pengurutan
4.
5.
6.
7.
8.
Tentukan Excluded Variables untuk memilih variabel-variabel dari file yang digabungkan
Pada kotak New Working Data File berisi variabel-variabel dari file yang akan digabungkan
Pada Match case on key variables in sorted files, apabila diaktifkan untuk menghasilkan file
gabungan yang mempunyai missing value dengan penempatan case yang sesuai dengan cara
memasukkan nama variabel pada kotak Key Variables
Klik pada kotak Indicate case source as variable, untuk menandai case yang berasal dari file yang
aktif dan file yang digabungkan.
Setelah ditentukan semua klik OK
5. Agregate Data
SPSS 7.5 for Windows
By Entot Suhartono
Hal. 14
Digunakan untuk mengkombinasikan group-group dari case-case ke dalam case-case summari tunggal.
Dengan perintah ini Anda dapat mengumpulkan case-case berdasarkan suatu value dari satu atau
beberapa group variabel pada file kerja Anda, dan menyimpannya ke dalam file data baru yakni file data
agregate.
Cara menjalankan perintah Agregate :
1.
2.
Pada kotak Break Variabel, tentukan nama variabel yang akan dijadikan group yakni variabelvariabel dimana value-valuenya didefinisikan sebagai grup-grup case. Misalnya : berjenis kategori,
jenis kelamin, golongan dan lain-lain
4. Pada kotak Agregate Variabel(s), digunakan untuk menampung satu atau beberapa variabel yang
akan digunakan bersama-sama dengan fungsi-fungsi agregate, dimana defaultnya menggunakan
fungsi mean, untuk membentuk variabel baru pada file data agregate.
Variabel yang dapat dijadikan variabel agregate adalah variabel yang bertipe numerik saja. Secara
default, variabel baru yang dihasilkan dari perintah agregate akan membentuk nama variabel baru
dengan nama GAJI menjadi GAJI_1. Variabel baru ini disebut dengan Variabel Agregate.
5. Klik tombol Name & Label untuk memberi nama variabel dan memberi label atau keterangan pada
nama variabel tersebut
6. Klik tombol Function untuk menentukan jenis fungsi-fungsi agregate yang akan digunakan
7. Klik kotak Save number of cases in break group as variable, untuk menentukan jumlah case yang
menjadi grup dari masing-masing Break Variables dan secara default akan diberi nama N_BREAK
8. Klik Create new data file, untuk membuat file baru yaitu file agregate dengan nama AGGR.SAV
9. Klik Replace working data file, untuk mengganti file data yang sedang aktif dengan file data agregate.
3.
Fungsi-fungsi Agregate
Dalam keadaan default, fungsi yang diaplikasikan dalam kotak Agregate Variables adalah mean of values.
Untuk mengaplikasikan fungsi-fungsi agregate lainnya, Klik tombol Function ... sehingga muncul kotak
dialog sebagai berikut :
By Entot Suhartono
Hal. 15
II. LATIHAN
1.
Nama
Giovanny
Alexandra
May De Rosa
Lagrange
Martini
Paulo Rossi
Jim Courir
Wim Jonk
Lapalace
Aprilia
Sex
1
1
2
1
2
2
1
1
1
2
Gaji
300000
550000
250000
350000
500000
300000
57500
500000
500000
250000
Tipe Variabel Sex : Numerik 8.0 dan simpanlah dengan nama DATA04-NIM.SAV
Nama
Leonardo
Alexandra
Lagrange
Paulo Rossi
Jim Courir
Lapalace
Faustino
Aprilla
Apl
1
3
3
2
2
1
2
Tunjang
20000
25000
15000
50000
20000
20000
55000
6. Seleksi Case
Digunakan untuk memilih case-case tertentu diantara case-case yang ada pada data Anda yang nantinya
case-case tersebut akan disertakan dalam setiap pengolahan data maupun analisis yang Anda jalankan.
SPSS 7.5 for Windows
By Entot Suhartono
Hal. 16
Untuk memilih case-case tersebut dapat digunakan kriteria tertentu yang diberikan pada variabel dan
kondisi atau ekspresi lain yang kompleks.
Cara menjalankan perintah seleksi case adalah sebagai berikut :
1.
2.
3.
Dari kotak dialog tersebut tersedia pilihan untuk menyeleksi case-case data Anda, yaitu :
All Cases, dengan pilihan ini maka seluruh case yang Anda miliki akan diikutkan dalam setiap
analisis yang Anda jalankan
If Condition is Satisfied, pilihan ini akan menyeleksi case-case berdasarkan kondisi tertentu
yang Anda tentukan. Untuk menentukan kondisi tersebut, gunakanlah kotak dialog Select Cases :
IF. Pilihan ini akan menghasilkan sebuah variabel filter FILTER_$
Random Sample of cases, dengan pilihan ini, Anda dapat memilih sebagian (sampel) dari
seluruh case yang Anda miliki secara random. Ada dua pilihan untuk memilih sampel secara
random, yaitu dengan persentase dan dengan memilih sejumlah case tertentu dalam interval
tertentu. Pilihan ini akan menghasilkan sebuah variabel filter FILTER_$
Base on Time or Cases Range, pilihan ini digunakan untuk memilih case dengan cara
menentukan batas-batas intervalnya (menentukan range) baik untuk variabel-variabel
konvensional maupun variabel-variabel tanggal / waktu
Use Filter Variabel, pilihan ini digunakan untuk menyeleksi case berdasarkan variabel filter.
Variabel filter dalam hal ini adalah variabel numerik yang mempunyai value 0. Case-case yang
variabel filternya berharga 0 tidak disertakan dalam analisis (tidak dipilih)
Setelah Anda melakukan penyeleksian case, Anda dapat mengontrol case-case yang tidak terpilih,
yaitu dengan opsi :
Filtered, case-case yang tidak terpilih ditandai dengan pencoretan pada nomor casenya
Deleted, case-case yang tidak terpilih akan dihapus
II. LATIHAN
1.
2.
3.
Gol
1
By Entot Suhartono
Hal. 17
Alexandra
May De Rosa
Lagrange
Martini
Rossi
Jim Courir
Wim Jonk
Lapalace
Aprilia
4.
5.
2
3
2
3
2
1
2
1
2
6.
7.
8.
9.
By Entot Suhartono
Hal. 18
Calculator
Pad
Nama Fungsi
Keterangan :
Target Variable, dipakai untuk mengisikan nama variabel target baru atau nama variabel yang
telah ada pada file kerja Anda
Type & Label, dipakai untuk memberi type ataupun label pada variabel baru tersebut.
Numeric Expression, dipakai untuk menyusun ekspresi yang akan digunakan untuk
transformasi variabel target.
Calculator Pad, menyediakan angka-angka, operator aritmatik, operator relasi dan operator
logika.
Fungsi, SPSS menyediakan lebih dari 70 macam fungsi yang meliputi fungsi aritmatik, fungsi
statistik, fungsi distribusi, fungsi logika dll
Menggunakan Fungsi Logika
Untuk memberikan ekspresi logika, klik tombol IF sehingga akan muncul kotak dialog sebagai
berikut :
Keterangan :
Include all cases, value-value akan dihitung untuk seluruh case, sehingga ekspresi logika yang
telah Anda susun akan diabaikan
Include if cases satisfies condition, dipilih untuk menghitung value-value untuk case-case
yang memenuhi kondisi logika yang diekspresikan pada text box yang tersedia.
hal 19
2. PERINTAH COUNT
Perintah Count digunakan untuk menghitung banyaknya value variabel pada tiap-tiap case dari
seluruh variabel (numerik semua atau string semua) yang didaftar, di mana valuenya memenuhi
syarat value yang telah didefinisikan.
Caranya menjalankan perintah Count adalah sebagai berikut :
1. Bukalah file yang akan dihitung value-valuenya
2. Klik menu Transform | Count
Akan muncul kotak dialog sebagai berikut :
Keterangan :
Target Variable, digunakan untuk memberi nama variabel target, yaitu variabel yang
digunakan untuk menampung hasil perhitungan. Bila nama yang Anda isikan sama persis
dengan bana salah satu variabel yang sudah ada, maka berarti Anda mengganti value-value
variabel tersebut melalui transformasi count yang Anda jalankan
Target Label, merupakan pendukung kotak teks Target Variable, yang digunakan untuk
memberikan label variabel target
Numeric Variables, digunakan untuk mendaftar variabel-variabel yang mana value-valuenya
untuk tiap-tiap case akan dihitung. Variabel yang dapat Anda daftar dalam kotak ini harus
bertipe numerik semua atau string semua
Define Value, digunakan untuk membuka kotak dialog Count Values Within Cases : Value to
Count. Kotak ini digunakan untuk mendefinisikan spesifikasi value yang akan dihitung
cacahnya. Bila variabel-variabel yang Anda daftar bertipe numerik, maka ada 6 opsi untuk
mendefinisikan spesifikasi value, yaitu :
Value, untuk menghitung cacah value yang berharga sama dengan yang Anda tentukan
System Missing, untuk menghitung cacah value yang berupa system missing value
System or user missing, untuk menghitung cacah value yang berharga missing
Range, untuk menghitung cacah value yang harganya pada batas atau di dalam range yang
ditentukan
Range : Lowest throught n, untuk menghitung cacah value yang harganya lebih kecil atau
sama dengan yang ditentukan
Range : n throught highest, untuk menghitung cacah value yang harganya lebih besar
atau sama dengan yang ditentukan
Akan tetapi jika variabel-variabel yang Anda daftar bertipe string, maka hanya ada satu opsi
yang tersedia, yaitu : Value
Tombol IF, digunakan untuk membuka kotak dialog Count Occurences : IF Cases. Kotak ini
digunakan untuk menyusun ekspresi logika yang akan menentukan case-case mana saja yang
akan ditransformasikan. Bila Anda menggunakan harga string dalam menyusun ekspresi logika
ini, maka harga string tersebut harus diapit dalam tanda petik ( )
II. LATIHAN
1.
Bukalah file EMPLOYEE DATA.SAV yang ada dalam direktori Program Files \ SPSS
2.
Simpanlah file tersebut dengan nama lain yaitu dengan perintah File | Save As dan ketikkan
nama filenya DATA10_NIM.SAV.
hal 20
4.
5.
Bukalah file DATA11_NIM.SAV, dari file tersebut lakukan penyeleksian case dengan ketentuan
sebagai berikut :
a. Case yang dipilih adalah case yang mempunyai tingkat pendidikan (EDUC) lebih rendah
atau sama dengan 15 dan kategori kerjanya = 1
b. Yang tidak termasuk dalam penyeleksian case (dalam point a), hapuslah case-case
tersebut
c. Simpanlah file hasil seleksi tersebut dengan nama yang sama
6.
Buatlah file data baru dengan nama AGREDATA11-NIM.SAV. File ini dibuat berdasarkan file
data DATA12_NIM.SAV yang dikelompokkan dalam 4 kategori sebagai berikut :
Gender=f dan Minority=0
Gender=f dan Minority=1
Gender=m dan Minority=0
Gender=m dan Minority=1
Pada file data tersebut buatlah variabel-variabel sebagai berikut :
MEANSB yang berisi mean gaji pertama (SALBEGIN) untuk masing-masing kelompok
STDVSB yang berisi deviasi standar gaji pertama (SALBEGIN) untuk masing-masing
kelompok
MAXSB yang berisi harga maksimum gaji pertama (SALBEGIN) untuk masing-masing
kelompok
MEANSL yang berisi mean gaji terakhir (SALARY) untuk masing-masing kelompok
STDVSL yang berisi deviasi standar gaji terakhir (SALARY) untuk masing-masing kelompok
SUMSL yang berisi jumlah gaji terakhir (SALARY) untuk masing-masing kelompok
BNYKCASE yang berisi banyaknya case untuk masing-masing kelompok
7.
Sebuah perusahaan jasa akan melakukan analisis tingkat kepentingan pelanggan terhadap
kinerja perusahaannya. Dalam hal ini, tingkat kepentingan direpresentasikan sebagai
Expectation (E), sedangkan kinerja perusahaan direpresentasikan sebagai tingkat kepuasan
(persepsi pelangggan) atau Perpection (P). untuk analisis tersebut diperoleh data dari 10
responden. Data tersebut diperoleh atas pertanyaan yang diberikan kepada pelanggan sebagai
responden di mana pertanyaan tersebut menyangkut 4 karakteristik (E1 hingga E4, dan P1
hingga P4). Data yang diperoleh adalah sebagaimana tabel dibawah :
Responden ke :
1
2
3
4
5
6
7
8
E1
3
4
2
3
5
3
2
3
E2
4
3
4
2
2
3
4
1
E3
4
2
3
2
3
3
3
1
E4
3
4
3
2
2
3
3
4
P1
3
2
1
3
2
2
3
3
P2
2
3
2
1
2
1
3
1
P3
3
4
3
2
2
3
3
1
P4
2
3
3
2
3
3
2
2
hal 21
9
10
8.
9.
1
2
3
4
2
2
3
2
1
3
1
2
2
3
1
3
3. RANKING DATA
Digunakan untuk menyusun ranking, score normal, savage score atau mengklasifikasikan case-case
ke dalam grup-grup yang didasarkan pada harga-harga persentil.
Perintah yang digunakan untuk menjalankan ranking data adalah :
1.
2.
Variables, digunakan untuk mendaftar satu atau beberapa variabel yang akan dibuatkan
ranking. Masukkan salah satu atau beberapa variabel ke dalam kotak variables ini
By, digunakan untuk menyusun ranking yang dikelompokkan ke dalam sub grup. Masukkan
satu atau beberapa variabel ke dalam kotak By ini. Variabel yang paling cocok untuk dijadikan
variabel grup adalah yang berbentuk kategori
Pada kotak Assign rank 1 to, terdapat 2 alternatif untuk menentukan urutan susunan ranking,
yaitu :
a.
b.
Check box Display Summary Tables, digunakan untuk menampilkan tabel summary pada
output window yang berisi deskripsi dari nama dan label variabel baru (variabel yang berisi
ranking), metode ranking dan variabel grup.
Tombol Rank Type, digunakan memilih satu atau beberapa metode berikut :
SPSS 9.0 for Windows
hal 22
a.
Rank, dipakai untuk menampilkan ranking sederhana. Pilihan ini adalah sebagai default
b.
Savage Score, dipakai untuk menampilkan score yang didasarkan pada distribusi
eksponensial
c.
Fractional Rank. Masing-masing ranking dibagi dengan jumlah cacah case yang nonmissing atau dibagi dengan jumlah variabel bobot
d.
Fractional Rank as %. Masing-masing rank dibagi dengan jumlah cacah case valid dan
hasilnya dikalikan dengan 100
e.
f.
Ntiles, dipakai untuk menampilkan percentil grup. Anda harus memasukkan harga integer
yang lebih besar dari 1 pada kotak yang tersedia.
Tombol Ties, digunakan untuk membuat pertalian ranking, dimana case-case dalam suatu
variabel yang mempunyai value yang sama, rankingnya akan dibuat berdasarkan rata-rata
(dengan pertalian mean) dari ranking case-case tersebut. Ada 4 pilihan yang tersedia dalam
kotak Rank Assigned to Ties, yakni menampilkan rank dengan pertalian Mean (rata-rata), Low
(ukuran terendah), High (ukuran tertinggi) dan Sequential (urutan ranking)
Setelah anda tentukan semua anda dapat mengklik tombol OK
4. AUTOMATIC RECODE
Digunakan untuk membuat urutan bilangan bulat positif (1,2,3,...) yang merupakan hasil recode
dari variabel-variabel numerik atau string.
Untuk menjalankan perintah automatic recode, dapat digunakan perintah sebagai berikut :
Bukalah file yang akan dibuat perintah Automatic Recode
Klik menu Transform | Automatic Recode
Sehingga akan mucul kotak dialog sebagai berikut :
3.
Variable New Name, digunakan untuk memasukkan satu atau beberapa nama variabel
kedalam kotak ini untuk di transformasikan value-valuenya
4. New Name, digunakan untuk memberi nama variabel baru pada saat automatic recode ini
dijalankan. Ketikkan nama variabel tersebut dan klik tombol New Name.
5. Recode Starting from, digunakan untuk memilih salah satu dari 2 pilihan yang ada, yaitu :
a. Lowest Value, digunakan untuk memetakan harga terendah dari variabel lama ke angka 1
variabel baru, kemudian harga terendah ke dua ke angka 2 dan seterusnya (diurutkan
secara ascending). Pilihan ini sebagai default.
b. Highest Value, digunakan untuk memetakan harga tertinggi dari variabel lama ke angka 1
variabel baru, kemudian harga tertinggi ke dua ke angka 2 dan seterusnya (diurutkan
secara descending)
6. Setelah Anda tentukan semua klik OK
II. LATIHAN
1.
Buatlah file data dengan nama DATA14_NIM.SAV dengan data-data seperti dibawah ini :
hal 23
Nama
Rivaldo
Lavenia
Jatinegara
Woro
Zeppelin
Aswendo
Mardijo
Sonia
Imbrulgia
Stanley
2.
Gender
1
2
1
1
1
1
1
2
2
1
Gaji
300000
500000
200000
300000
600000
300000
750000
500000
500000
200000
5. RECODE
Digunakan untuk memodifikasi value-value dari variabel-variabel yang didaftar menjadi valuevalue dengan harga baru atau membuat variabel baru berdasarkan modifikasi value-value dari
variabel yang sudah ada.
Ada dua macam perintah record, yaitu :
Record Into Same Variable, yaitu perintah yang digunakan untuk mengganti atau
memodifikasi value-value dari satu atau beberapa variabel
Record Into Different Variable, yaitu perintah yang digunakan untuk membuat variabel baru
yang value-valuenya merupakan hasil recode dari variabel-variabel lain yang sudah ada
Recode Into Same Variable
Untuk mengganti atau memodifikasi value-value dari variabel-variabel yang sudah ada, dari menu
pilih :
1.
Keterangan :
Numeric Variable, untuk mendaftar satu atau beberapa variabel yang akan dimodifikasi valuevaluenya. Untuk pendaftaran yang lebih dari satu variabel, syaratnya adalah variabel-variabel
tersebut harus mempunyai tipe yang sama (numerik semua atau string semua)
If, untuk menentukan kondisi tertentu yang akan dipakai dalam penggantian value-value dalam
variabel yang digunakan
Old and New Values, untuk menspesifikasikan value-value yang akan diganti dan value-value
penggantinya. Lewat kotak Old Value, Anda bisa menentukan value-value lama yang akan
diganti dengan memilih salah satu dari 7 opsi dibawah ini :
hal 24
Pilihan Range Through, menentukan nilai antara. Range Lowest through, pilihan menentukan
nilai lebih kecil dari. Range Throgh highest, menentukan nilai lebih dari. Sedangkan All other value
digunakan untuk menentukan spesifikasi value-value selain spesifikasi value yang telah ditentukan
sebelumnya. Bila variabel yang didaftar bertipe string, maka hanya ada 3 pilihan untuk
mendefinisikan spesifikasi value yang ditawarkan, yakni Value, System or User Missing dan All
Other Values.
Pada kotak New value, terdapat dua pilihan untuk menentukan value pengganti, yakni :
Value, untuk mengganti value-value lama yang telah Anda tentukan dengan harga yang Anda
isikan pada text box value yang tersedia
System missing, untuk mengganti value-value lama yang telah Anda tentukan dengan system
missing. Pilihan ini hanya bisa diaplikasikan bila variabel yang hendak diganti valuenya bertipe
numerik
Setelah Anda memberikan isian maupun menentukan pilihan pada kotak Old Value dan kotak New
Value, Anda dapat melanjutkannya dengan menekan tombol Add.
Recode Into Different Variable
Untuk membuat variabel baru yang value-valuenya merupakan hasil recode dari variabel yang
sudah ada, dari menu pilih :
1.
Keterangan :
Numeric Variable, untuk mendaftar satu atau beberapa variabel yang akan dimodifikasi valuevaluenya. Pendaftaran variabel dapat dilakukan lebih dari satu variabel dan variabel yang dapat
dimasukkan adalah yang bertipe numerik. Masukkan nama variabel yang akan diubah dan
ketikkan nama variabel barunya pada kotak Output Variabel dan klik tombol Change untuk
mengubahnya. Demikian seterusnya ...
If, untuk menentukan kondisi tertentu yang akan dipakai dalam membuat variabel baru
Old and New Values, untuk menspesifikasikan variabel-variabel yang akan diganti dari
variabel lama menjadi variabel baru, tentukan spesifikasinya seperti dibawah ini :
hal 25
Pada kotak New Value, tentukan value yang akan di spesifikasikan dalam variabel baru
tersebut. Misalnya :
a.
b.
c.
Isilah A untuk yang datanya lebih besar dari atau sama dengan 8000000
Isilah B untuk yang datanya antara 4000000 sampai dengan 8000000
Isilah C untuk yang datanya lebih kecil atau sama dengan 4000000
Untuk mengisi data tersebut, yang Anda lakukan adalah klik Range Lowest Throuht 4000000
dan untuk memasukkan ke dalam kotak Old New klik tombol Add dan sebelumnya Anda
harus meng-klik Output variables are string. Demikian seterusnya ...
II. LATIHAN
1.
Bukalah file EMPLOYEE DATA.SAV yang ada dalam direktori C: \Program Files \ SPSS dan
simpanlah ke dalam direktori C:\My Document dengan nama DATA20-NIM.SAV. Dari file
tersebut editlah datanya sebagai berikut :
Hapuslah semua variabel yang ada kecuali ID, GENDER, JOBCAT, SALARY, SALBEGIN,
MINORITY
Dengan menggunakan select case hapuslah semua data kecuali yang SALARY-nya lebih
besar sama dengan 35.000 dan JOBCAT = 1
Simpanlah kembali datanya dengan nama yang sama
2.
3.
hal 26
STATISTIK DESKRIPTIF
Statistik Deskriptif merupakan bidang ilmu statistika yang mempelajari cara-cara pengumpulan,
penyusunan, dan penyajian data suatu penelitian. Kegiatan untuk kategori ini adalah pengumjpulan
data, pengelompokan data, penentuan nilai dan fungsi statistik, pembuatan grafik, diagram dan gambar.
Tujuan utama dari operasi Statistik Deskriptif adalah memudahkan orang untuk membaca dan
memahami maksudnya.
Dua ukuran penting yang sering dipakai dalam pengambilan keputusan adalah:
1.
Mencari central tendency (kecenderungan terpusat) seperti Mean, Median, dan Modus.
2.
Selain dua ukuran di atas, ukura n lain yang dipakai adalah Skewness dan Kurtosis untuk mengetahui
kemiringan data.
Di dalam pengolahan statistik deskriptif dengan menggunakan SPSS, kita dapat melakukan:
-
Menyajikan data, di mana data dapat disajikan dalam bentuk tabel atau grafik.
Meringkas dan menjelaskan data, data kuantitatif bisa diringkas dan disajikan ke dalam tiga hal
utama untuk menggambarkan distribusi data.
a. Letak data (central tendency)
b. Variasi data
c. Bentuk data
hal 27
1. FREQUENCIES
Digunakan untuk penjabaran ukuran statistik deskriptif, seperti Mean, Median, Kuartil, Persentil,
Standar Deviasi, dan lainnya.
Cara menggunakan fasilitas Frequencies:
1.
2.
Pengisian:
Variables digunakan untuk menentukan variabel yang akan dideskripsikan dengan memilih
salah satu variabel yang dimaksud di daftar sebelah kiri.
Statistics untuk menentukan pilihan pengerjaan deksripsi data
Percentiles Value (nilai-nilai persentil)
Dispersion (penyebaran data)
Central Tedency (kecenderungan terpusat)
Distribution Data
Chart digunakan untuk menentukan tipe grafik yang menggambarkan suatu data.
2. DESCRIPTIVE
Bertujuan untuk memberikan gambaran tentang suatu data, seperti menampilkan nilai rata-rata,
standar deviasi, dll. Selain itu berfungsi juga ntuk mengetahui skor z dari suatu distribusi data dan
menguji apakah dara berdistribusi normal atau tidak.
Cara menggunakan fasilitas Descriptive:
1.
2.
Pengisian:
Variables digunakan untuk menentukan variabel yang akan difrekuensi dengan memilih
salah satu variabel yang dimaksud di daftar sebelah kiri.
Options untuk menentukan pilihan berbagai ukuran untuk menggambarkan data
Save standardized values as variabels
menampilkan skor z.
hal 28
Contoh kegunaan:
Anda ingin mengetahui apakah terdapat hubungan antara daerah dalam suatu kota dimana seseorang
tinggal dengan keinginan orang-orang dalam membeli produk yang Anda tawarkan.
Prosedur crostabs dapat dilakukan dengan cara sebagai berikut :
1.
2.
3.
4.
5.
Keterangan :
Chi-square, untuk menampilkan harga Pearson chi-kuadrat, ratio Likelihood, assosiasi Linear
Mantel Haenszel, koreksi Yates dan uji eksak Fisher.
Correlations, untuk menghitung koefisien korelasi Pearsons r dan Spearmans untuk data
numerik
Kappa, untuk menghitung Cohens Kappa yang menghitung derajat estimasi bilamana
keduanya menaksir objek yang sama. Koefisien kappa ini hanya dapat dihitung untuk tabel
bujursangkar (jumlah baris = jumlah kolom)
Risk, untuk menghitung rasio resiko relatif. Harga 1 menunjukkan bahwa faktor tidak bisa
diasosiasikan dengan kejadian. Nilai yang dihasilkan hanya berlaku untuk tabel 2 x 2
Pada kotak Nominal, pilih salah satu atau beberapa statistik berikut ini :
a. Contingency Coefficient, untuk menghitung koefisien kontingensi
b. Phi and Cramers V, untuk menghitung koefisien phi dan varians Cramer
c. Lambda, untuk menghitung lambda simetris dan simetris, Goodman dan Kruskals Tau
d. Uncertainty Coefficient, untuk menghitung koefisien ketidakpastian simetris dan asimetris
Pada kotak Nominal by Interval, Anda bisa memilih statistik :
hal 29
a.
Eta, hanya tersedia untuk variabel numerik. Jadi variabel nominal harus di kodekan secara
numerik. Dua buah harga eta akan dihitung, satu untuk memperlakukan variabel kolom sebagai
variabel nominal dan yang lain memperlakukan variabel baris sebagai variabel interval.
Pada kotak Ordinal, pilih salah satu atau beberapa statistik berikut ini :
a. Gamma, ditampilkan untuk tabel dua jalur (arah) dan secara kondisional akan ditampilkan
untuk tabel 3 jalur hingga 10 jalur. Jika tabulasi silang meliputi lebih dari 2 variabel, maka
gamma akan dihitung untuk masing-masing sub tabel
b. Somersd, akan menampilkan statistik Somersd simetris dan asimetris
c. Kendalls Tau-b, untuk menentukan ukuran korelasi nonparametrik yang mempertimbangkan
ties (angka sama)
d. Kendalls Tau-c, untuk menentukan ukuran korelasi nonparamtrik yang mengabaikan tie
(angka sama)
6.
Klik tombol Cells untuk menentukan Count, Persentasi dan Residuals, seperti berikut ini :
Pada kotak Counts, pilih salah satu atau kedua dari alternatif berikut ini :
a. Observed, untuk menampilkan frekuensi pengamatan
b. Expected, untuk menampilkan frekuensi harapan, yaitu banyaknya case yang diharapkan
dalam masing-masing sel bila variabel baris dan variabel kolom independen
Pada kotak Percentages, pilih salah satu atau keduanya dari alternatif berikut :
Row, untuk menampilkan persentase baris dari banyak case pada masing-masing sel
Column, untuk menampilkan persentase kolom dari banyak case pada masing-masing sel
Total, untuk menampilkan persentase total tabel dari banyak case pada masing-masing sel
Pada kotak Residuals, pilih salah satu atau keduanya dari alternatif berikut :
a. Unstandardized, untuk menampilkan residual yang tak terstandarisasi, yaitu frekuensi sel
dikurangi dengan frekuensi harapan
b. Standardized, untuk menampilkan residual yang distandarisasi, yaitu residual dibagai
akar kuadrat dari frekuensi harapan
c. Adj. Standardized, untuk menampilkan adjusted standardized residuals, yaitu residual
dibagi dengan estimasi dari error standarnya
7.
Klik tombol Format untuk menentukan format pengurutan data (Ascending atau Descending)
LATIHAN
Tabel 1
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
Tinggi
170,20
172,50
180,30
172,50
159,60
168,50
168,50
172,50
174,50
159,60
170,40
161,30
172,50
170,40
168,90
168,90
177,50
174,50
168,60
164,80
170,40
168,90
164,80
167,20
167,20
Gender
1
1
1
1
2
2
1
1
1
2
2
2
1
2
2
2
2
1
2
2
1
1
2
2
2
Tabel 2
Kerja
1
3
2
3
2
1
2
2
3
3
1
1
3
2
2
1
3
2
2
3
2
3
3
1
1
Gender
1
1
2
2
2
1
2
1
2
2
1
1
2
1
2
1
2
1
2
1
2
2
1
1
1
Didik
2
3
1
1
2
3
1
1
2
2
3
3
1
3
2
3
1
2
1
2
3
3
3
1
1
hal 30
Keterangan:
1.
2.
Buatlah data statistik deskriptif untuk variabel Gender dan Tinggi, dengan menggunakan fasilitas
Frekuensi. Kemudian tampilkan tabel frekuensi, opsi Mean, Median, Sum, Std. Deviasi, Max, dan
Min! Tampilkan pula deskrispsi data Anda dalam bentuk grafik Histogram!
3.
4.
Buatlah penyajian data dalam bentuk tabulasi silang (crosstab) dengan ketentuan sebagai berikut:
Tabel silang dengan komposisi variabel Kolom Kerjaan dan Baris Gender, kemudian tampilkan
grafiknya!
Tabel silang dengan komposisi variabel Kolom Kerjaan dan Baris Didik, kemudian tampilkan
grafiknya!
hal 31
STATISTIK INFERENSI
Pada dasarnya, statistik inferensi mempelajari pengambilan keputusan tentang parameter populasi
(rata-rata, proporsi) dari sampel yang ada. Ada dua hal di dalam statistik inferensi, yaitu:
a.
b.
Uji hipotesis statistik, bertujuan untuk menguji data dari sampel yang ada sudah cukup
kuat untuk menggambarkan populasinya.
Menentukan H0 dan H1, yang pada prinsipnya adalah menguji karakteristik populasi
berdasarkan informasi yang diterima dari suatu sampel
b.
Menentukan tingkat signifikansi (), yaitu probabilitas kesalahan menolak hipotesis yang
ternyata benar. Pada umumnya yang digunakan nilai adalah 5%, artinya risiko kesalahan
mengambil keputusan adalah 5%.
c.
d.
Menentukan statistik tabel dan statistik uji. Nilai statistik tabel dipengaruhi oleh tingkat
signifikansi 5% atau tingkat kepercayaan 95%. Selain tingkat kepercayaan juga dipengaruhi
oleh nilai derajat kebebasan (df).
Analisis
Univariat
Satu
Statistik
Parametrik
Interval
Rasio
Satu
Uji z
Uji t
Jumlah
Variabel
Dua atau
lebih
Analisis
Multivariat
Jenis
Data
Nominal
Ordinal
Statistik Non
Parameterik
Jumlah
Sample
Bebas
Uji z
Uji t
ANOVA/ uji F
Jumlah
Sample
Berhubungan
Uji t
paired
hal 32
hal 33
Membandingkan rata-rata dari 2 group bebas (tidak berhubungan satu sama lainnya), apakah kedua
group tersebut mempunyai rata-rata yang sama atau tidak secara nyata/ signifikan.
Perintah : Analyze Compare Mean Independent Samples T Test
ANALISA OUTPUT SPSS
1.
2.
Uji Lavene apakah varians populasi kedua sampel tersebut sama (identik) atau tidak
(berbeda).
Hipotesis (apakah varians populasi identik atau tidak)
H0 = Kedua varian populasi identik
H1 = Kedua varian populasi berbeda (tidak identik)
Keputusan Signifikan (probabilitas)
- Jika sig. > 0.05, maka H0 diterima
- Jika sig. < 0.05, maka H0 ditolak
b.
hal 34
2.
Uji t
Hipotesis Analisa dengan t test untuk asumsi varians sama
H0 = Kedua rata-rata populasi adalah identik
H1 = Kedua rata-rata populasi berbeda (tidak identik)
Jika t hitung (output t) > t tabel, maka H0 ditolak
Sesudah
76.22
77.89
79.02
80.21
82.65
82.53
92.56
92.33
85.12
84.56
hal 35
Kasus :
Diketahui rata-rata berat badan responden sebelum minum obat adalah 84,51 kg. Sekelompok
responden setelah ditimbang, mempunyai rata-rata 90 kg. Apakah sekelompok responden tersebut
mempunyai berat yang tidak sama secara signifikan dengan rata-rata berat sample sebelum minum
obat?
z
Analisa:
Gunakan analisa output SPSS sebelumnya.
Hipotesis Analisa dengan t test untuk asumsi varians sama
H0 = Berat sekelompok responden tidak berbeda (identik) dengan rata-rata berat populasi
sebelum minum obat.
Berat
65.8
62.7
66.4
68.9
67.8
67.8
65.8
48.7
45.7
46.2
Gender
1
1
1
1
1
1
1
2
2
2
Tinggi
154.8
157.8
156.7
154.7
Berat
43.8
58.1
54.7
49.7
Gender
2
2
2
2
Gender
1 = Pria
2 = Wanita
hal 36
Jenis Data
(2 Variabel)
Semua Data
Nominal
KOEFISIAN
KONTIGENSI
Semua Data
Ordinal
KORELASI RANK
SPEARMAN
Semua Data
Rasio
KORELASI
PEARSON
1. KORELASI
Menganalisa atau mengukur hubungan antar dua variabel, dan jika ada hubungan, bagaimana arah
hubungan dan seberapa besar hubungan tersebut.
1.
Korelasi Bivariate
-
2.
Korelasi Partial
Pembahasan mengenai hubungan linier antara dua variabel dengan melakukan kontrol
terhadap satu atau lebih variabel tambahan (disebut variabel kontrol).
hal 37
Besaran angka korelasi berkisaran pada 0 (tidak ada korelasi sama sekali) dan 1 (korelasi
sempurna). Sebagai pedoman, angka korelasi di atas 0.5 menunjukan korelasi yang cukup kuat,
sedangkan di bawah 0.5 korelasi lemah.
Tanda (Negatif) pada output menunjukan adanya arah yang berlawanan, sedangkan +
(positif) menunjukkan arah yang sama.
2. Signifikasi Hasil Korelasi
Hipotesis
H0 = Tidak ada hubungan (korelasi) antara dua variabel atau angka korelasi 0.
Hi = Ada hubungan (korelasi) antara dua variabel atang angka korelasi 1.
Tidak ada korelasi antara jumlah pesaing dengan tingkat penjualan perusahaan
Variabel Jumlah pesaing dan tingkat penjualan tidak ada korelasi secara signifikan
Uji dilakukan dua sisi karena akan dicari ada atau tidak ada hubungan korelasi, dan bukan lebih
besar/kecil.
Dasar Pengambilan Keputusan:
a.
Berdasarkan probabilitas
Kasus:
Ingin diketahui apajkah ada korelasi (hubungan) diantara variabel-variabel berikut : jumlah
pelanggaran lalu lintas, jumlah mobil, motor, serta jumlah polisi. Untuk itu diambil data mengenai
variabel-variabel di atas pada sejumlah daerah pada waktu tertentu dengan hasil sebagai berikut:
Tanda * menunjukan data tersebut missing atau tidak diketahui/tersedia.
Daerah
1
2
3
4
5
6
7
8
9
10
Tilang
20
24
25
18
15
16
35
10
12
17
Mobil
258
265
249
125
120
124
251
110
124
159
Motor
589
587
698
625
712
692
681
634
697
521
Polisi
30
25
20
30
35
40
29
40
35
32
hal 38
Kasus:
Akan diketahui apakah ada hubungan (korelasi) anatara prestasi kerja karyawan dengan tingkat
kecerdasan (diukur dengan IQ) dan loyalitas kerja karyawan:
Prestasi
2
2
2
2
2
2
2
2
2
1
1
4
2
2
2
2
2
2
3
1
IQ
1
3
2
2
2
2
2
3
3
3
2
3
2
1
2
3
2
2
2
3
Loyalitas
2
2
2
2
2
2
2
2
2
3
3
4
2
2
2
2
2
2
3
3
Prestasi :
5 = Sangat Baik
4 = Baik
3 = Cukup
2 = Jelek
1 = Sangat Jelek
IQ :
3 = Sangat Cerdas
2 = Cerdas
1 = Cukup Cerdas
Loyalitas:
4 = Sangat Loyal
3 = Loyal
2 = Cukup Loyal
1 = Meragukan
2. ANALISIS REGRESI
Mengetahui hubungan dua atau lebih variabel numerik, termasuk hubungan di antara keduanya, maka
digunakan dua tehnik perhitungan, yaitu Regresi dan Korelasi. Dalam analisi Regresi, dapat
dikembangkan sebuah estimating equation (peresamaan regresi) yaitu suatu formula matematika yang
mencari nilai variabel dependent dari nilai variabel independent yang diketahui.
TUJUAN ANALISIS REGRESI
Analisis ini digunakan untuk peramalan atau prediksi besar variabel dependent dengan menggunakan
data variabel independent yang sudah diketahui besarnya.
TAHAPAN PENYUSUNAN MODEL REGRESI
hal 39
Latihan
Seorang manajer penjualan akan meneiliti mengenai pengaruh biaya promosi terhadap tingkat
penjualan
Daerah
Sales
(juta)
205
206
254
246
201
291
234
209
204
216
245
286
312
265
322
Jakarta
Tanggerang
Bekasi
Bogor
Bandung
Semarang
Solo
Yogya
Surabaya
Purwokerto
Madiun
Tuban
Malang
Kudus
Pekalongan
Regression
Promosi
(Juta)
26
28
35
31
21
49
30
30
24
31
32
47
54
40
42
Outlet
(unit)
159
164
198
184
150
208
184
154
149
175
192
201
248
166
287
Income
(juta/bln)
5.46
2.43
2.56
3.55
4.35
3.65
3.44
2.55
4.79
2.53
3.51
2.81
3.01
2.75
2.75
Pesaing
(unit)
19
19
19
18
20
16
15
17
20
17
14
13
15
13
14
Descriptive Statistics
Mean
246,4000
34,6667
SALES
PROMOSI
Std. Deviation
41,1127
9,6782
N
15
15
Correlations
Pearson Correlation
Sig. (1-tailed)
N
SALES
1,000
,916
,
,000
15
15
SALES
PROMOSI
SALES
PROMOSI
SALES
PROMOSI
PROMOSI
,916
1,000
,000
,
15
15
Variables Entered/Removedb
Model
1
Variables
Entered
PROMOSIa
Variables
Removed
Method
Enter
Model
1
R
,916a
R Square
,839
Adjusted
R Square
,826
Std. Error of
the Estimate
17,1268
Regression
Residual
Total
Sum of
Squares
19850,334
3813,266
23663,600
df
1
13
14
Mean Square
19850,334
293,328
F
67,673
Sig.
,000a
hal 40
Coefficients
Model
1
(Constant)
PROMOSI
Unstandardized
Coefficients
B
Std. Error
111,523
16,982
3,891
,473
Standardi
zed
Coefficien
ts
Beta
,916
t
6,567
8,226
Sig.
,000
,000
hal 41
Contoh
Uji minat masyarakat Semarang terhadap produk PC dengan merk Compaq, Toshiba, IBM, dan Zyrex.
Survey dilakukan terhadap 100 pembeli PC pada tahun 2004 di kota Semarang. Berikut hasil survey:
Merk PC
Compaq
Toshiba
IBM
Klasifikasi
A
B
C
Frekuensi
37
27
24
hal 42
Zyrex
12
Buatlah data di atas melalui Data Editor SPSS dengan hanya satu variabel saja, yaitu variabel minat.
Hipotesis:
H0 =
H1 =
Masyarakat kota Semarang memiliki minat yang sama terhadap 4 jenis produk PC.
Masyarakat kota Semarang tidak memiliki minat yang sama terhadap 4 jenis produk PC.
hal 43