DIKTAT

Aplikasi Komputer statistik

(Statistik Deskriptif, Inf
Inferensi, dan Non Parameterik)

SPSS 17 for Windows

Di susun oleh
Entot Suhartono

STIE Bank BPD Jateng

Materi Aplikasi Komputer Statistik

1.

2.

3.

4.

5.

6.

Statistik dan Program SPSS

a. Kegunaan SPSS untuk Statistik
b. Kemampuan dan Fasilitas SPSS
c. Tahapan Analisis Statistik dengan SPSS
d. Konsep Variabel
e. Komputer dan Statistik
Mengenal Program SPSS
a. Mengenal bagian dari Program SPSS
b. Tahapan Analisis Dengan SPSS
c. Bekerja dengan Data (Input dan Edit Data)
Transformasi Data
a. Pengurutan Data
b. Tranpose Data
c. Mengkombinasikan 2 File (Add Case dan Variabel)
d. Agregate Data
e. Seleksi Case
f. Compute
g. Count
h. Rangking
i. Recode
Statistik Deskriftif
a. Frekuensi
b. Deskriptif
c. Case Summaries
d. Crosstabs
Statistik Inferensi / Induktif
a. Uji Beda
b. Uji Korelasi
c. Uji Regresi
Statistik Non Parametrik

SPSS 7.5 for Windows

By Entot Suhartono

Hal. 2

TEORI STATISTIK
I. Statistik dan Komputer Statistik
Pada prinsipnya statistik dapat diartikan sebagai suatu kegiatan:
-

Mengumpulkan data

Meringkas/ menyajikan data

Menganalisa data dengan metode tertentu

Menginterprestasikan hasil analaisis tersebut

Pada umumnya statistik dibagi menjadi dua bagian, yaitu:

-

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.

SPSS 7.5 for Windows

By Entot Suhartono

Hal. 3

STATISTIK dan PROGRAM SPSS

Kegunaan SPSS Untuk Statistik
SPSS 7.5 for Windows (Statistical Program for Social Science) adalah program untuk mengolah dan
menganalisis data statistik. Program SPSS ini sangat berguna sekali apabila Anda mengolah data dalam
Skripsi atau Thesis, karena dengan SPSS Anda dapat memakai hampir dari seluruh tipe file data dan
menggunakannya untuk membuat laporan berbentuk tabulasi, chart (grafik), plot (diagram) dari berbagai
distribusi, statistika deskriptif dan analisis statistik yang kompleks. Jadi boleh dibilang SPSS adalah
sebuah sistem yang lengkap, menyeluruh, terpadu dan sangat fleksibel untuk analisis statistik dan
manajemen data.

Kemampuan dan fasilitas SPSS

SPSS dapat menganalisis data yang berukuran besar dengan ribuan variabel dan sekaligus menyajikan
hasilnya

Keunggulan SPSS diwujudkan dalam menu dan kotak-kotak dialog antar-muka yang cukup
memanjakan para use dalam perekaman data (data entry)

SPSS memberikan perintah dan sub-sub perintah analisis hingga menampilkan hasilnya.

SPSS juga menjanjikan kehandalan dalam menampilkan chart atau plot hasil analisis sekaligus
kemudahan penyuntingannya.
Dalam menunjang unjuk kerjanya SPSS menyediakan 6 tipe window yang akan dipakai untuk
Analisis Data :

SPSS Data Editor
Dipakai untuk perekaman data, mengolah file data yang telah Anda buat untuk mendapatkan hasil
yang Anda kehendaki.

Output Window
Merupakan hasil olahan SPSS processor baik dari susunan perintah lewat Syntax Window maupun
lewat menu dan kotak dialog. Window ini juga merupakan text editor, sehingga bila diperlukan, Anda
masih bisa menyunting hasil analisis yang ditampilkan.

Syntax Window
Merupakan window yang dipakai sebagai media (teks editor) untuk menganalisis data dengan modus
interaktif (penyusunan perintah dengan cara diketik langsung)

Chart Carousel
Dipakai untuk menampilkan grafik atau plot yang telah diolah oleh SPSS

Chart Editor
Dipakai untuk menyunting grafik atau plot yang telah dihasilkan oleh SPSS

Help Window
Merupakan fasilitas bantuan yang disediakan oleh SPSS
SPSS menghasilkan 3 macam tipe file :
1.
2.
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

Tahapan Analisis Statistik dengan SPSS

Memilih dan menampilkan data

Memilih prosedur analisis / prosedur pembuatan chart
Memilih variabel-variabel yang akan dianalisis
Menjalankan prosedur / menampilkan hasil
Membaca hasil analisis

SPSS 7.5 for Windows

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

Kapten diberi tanda 1

Mayor diberi tanda 2
Letnan diberi tanda 3
Dan seterusnya

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

Sangat Baik diberi tanda 5

Baik diberi tanda 4
Cukup diberi tanda 3
Kurang diberi tanda 2
Sangat Kurang diberi tanda 1

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

Konsep Data dalam SPSS

Tipe Data
Tipe data yang dapat digunakan dalam SPSS adalah Numeric (data angka), String (data label atau
huruf), Date (data tanggal), dan sebagainya.

Struktur Data
Didalam SPSS, data yang akan diolah harus disusun dalam baris dan kolom. Tiap baris data dinamakan
Case (kasus) sebagaimana istilah record dalam database. Tiap kolom data mempunyai heading yang
dinamakan Variabel sebagaimana istilah field dalam database. Perpotongan (interseksi) antara baris
dan kolom dinamakan Sel, dan nilai dalam suatu sel data disebut Value.

Format Data
File data yang tidak dibuat melalui SPSS Data Editor ada 2 jenis format, yakni Fixed (tertentu) dan
Freefield (bebas). Sedangkan kalau menggunakan SPSS Data Editor sudah mempunyai format baku
yang berorientasi pada jenis Fixed

Missing Value
Adalah istilah yang digunakan oleh SPSS untuk mendeklarasikan data yang hilang atau tidak lengkap.
Hal ini diperhatikan karena data yang hilang akan sangat berpengaruh pada hasil pengolahan maupun
analisis dari keseluruhan data.
Ada 2 jenis Missing Value yang dikenal oleh SPSS :
1.

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.

II. LATIHAN SOAL

1.

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 !

SPSS 7.5 for Windows

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 !

SPSS 7.5 for Windows

By Entot Suhartono

Hal. 7

Mengenal Program Statistik

Menjalankan SPSS
1.

Klik tombol Start | Program | pilih SPSS x.0 for Windows

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)

Cara untuk mendefinisikan variabel :

1.
2.
3.
4.
5.

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

Hal-hal yang perlu diperhatikan dalam memberi Nama Variabel :

Panjang maksimum 8 karakter

Nama variabel harus diawali dengan huruf

Tidak boleh diakhiri dengan tanda titik maupun garis bawah (underscore)

Tidak boleh menggunakan spasi dan karakter khusus lainnya seperti !, ?, , *

Tidak boleh menggunakan reserved word SPSS, seperti : ALL, AND, NOT, OR, TO dan WITH
Untuk mempercepat pendefinisan variabel variabel dapat digunakan fasilitas template. SPSS telah
menyediakan beberapa template standar seperti DEFAULT, MONTHS, STATES dan WEEKDAYS. Pemakai
dapat membuat template sendiri dengan definisi sesuai dengan yang dikehendaki. Selain itu pemakai juga
dapat memodifikasi atau menghapus template yang sudah ada.
SPSS 7.5 for Windows

By Entot Suhartono

Hal. 8

Cara menggunakan Template :

1. Klik menu Data | Template
2. Pilih Template yang akan digunakan
3. Klik tombol OK
Atau apabila Anda ingin mengubah sendiri templatenya klik tombol Define dan tentukan sendiri template
yang di kehendaki
Contoh Mengedit Data adalah :

Menyisipkan Variabel

Menghapus Variabel

Menyisipkan Case

Menghapus Case

Mengganti Data (value)

Menghapus Data (value atau sekumpulan value)

Memindahkan Data (value atau sekumpulan value)

Meng-copy Data (value atau sekumpulan value)

Mengganti Definisi Variabel
Menyimpan File Data
1. Klik menu File | pilih Save
2. Tentukan direktori penyimpanan data, misal : My Document
3. Ketikkan nama file
4. Klik tombol Save

II. LATIHAN
1.

Buatlah file data berikut pada Data Editor :

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

Kerjakanlah latihan-latihan dibawah ini :

a. Simpanlah data yang telah Anda buat dengan nama GAJI01 NIM.SAV
b. Sisipkan variabwl MS_KERJA di antara variabwl TKP dan Variabel GAJI
c. Tentukanlah tipe dan missing value dari variabel MS_KERJA dengan menggunakan Template
MONTHS, sedangkan label variabelnya adalah Masa Kerja Karyawan (dalam tahun) dan format
kolomnya dibiarkan apa adanya (default)
d. Lengkapi data untuk variabel MS_KERJA

SPSS 7.5 for Windows

By Entot Suhartono

Hal. 9

e.
f.

Sisipkan sebuah case diantara case ke 5 dan ke 6 dan lengkapi datanya

Definisikan dua buah variabel sebagai berikut :

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

SPSS 7.5 for Windows

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 :

Klik tombol ini

untuk
memasukkan
nama variabel ke
kotak Sort by

Daftar nama
variabel
yang dipilih
4.

Pilih metode
pengurutan

Setelah ditentukan semua klik OK

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

Setelah transpose berdasarkan variabel Gaji tanpa name variable

Cara untuk memindahkan kolom data menjadi baris data dan sebaliknya dapat digunakan perintah
berikut :

1.
2.
3.

Bukalah file data yang akan di transpose datanya

Klik menu Data | Transpose
Akan muncul kotak dialog seperti dibawah ini :

SPSS 7.5 for Windows

By Entot Suhartono

Klik tombol ini

untuk memasukkan
nama variabel yang Hal. 11
akan di transpose

4.

Setelah ditentukan semua klik OK

3. Mengkombinasikan File Data

SPSS dapat mengkombinasikan dua buah file data dalam dua cara :

Menggabungkan file yang mengandung variabel-variabel yang sama namun case-casenya berbeda

Menggabungkan file yang mengandung case-case yang sama namun variabel-variabelnya berbeda
Kedua prosedur tersebut akan menghasilkan file data baru, yaitu file data gabungan.
Prosedur Add Cases
Menggabungkan dua buah file data yang mempunyai variabel-veriabel yang sama akan tetapi casecasenya berbeda. Untuk menambahkan case pada file data yang sedang aktif dari file data SPSS lainnya,
dapat dilakukan dengan cara :
1. Bukalah file data yang akan digabungkan datanya
2. Klik menu Data | Merge Files | Add Cases
Klik tombol ini
3. Pilih file yang akan digabungkan
untuk
memasukkan
4. Klik tombol Open
nama variabel
Akan mucul kotak dialog seperti dibawah ini :
yang akan
digabungkan

Pilih file yang akan

digabungkan

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.

Setelah ditentukan semua klik OK

II. LATIHAN
1.

Buatlah 3 file data berikut pada Data Editor :

Nama
Leonardo

Posisi
1

Alexandra

Rai De Souza

Lagrange

SPSS 7.5 for Windows

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

Tipe Variabel Posisi : String 1 dan simpanlah dengan nama DATA02-NIM.SAV

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

Simpanlah dengan nama DATA03-NIM.SAV

2.
3.
4.

5.
6.
7.
8.

Urutkanlah file DATA01-NIM.SAV secara Ascending dengan variabel kunci GAJI

Urutkanlah lagi file data DATA01-NIM.SAV dengan dua variabel kunci, yaitu secara Descending
dengan variabel kunci POSISI dan secara Ascending dengan variabel kunci NAMA
Buatlah file data transpose dengan men-transpose file DATA01-NIM.SAV hasil modifikasi langkah 2 di
atas dengan ketentuan sebagai berikut :
k. Variabel yang di transpose adalah POSISI dan GAJI
l. Nama-nama variabel hasil transpose :CASE_LBL, Var0001, Var0002, ....
Bukalah kembali file data DATA01-NIM.SAV dengan tanpa menyimpan hasil kerja Anda pada langkah
4
Ulangilah langkah 3 diatas akan tetapi nama-nama variabel yang semula diberikan secara historis
diganti dengan value-value dari variabel NAMA
Simpanlah kembali file pada langkah ke 6 diatas dengan nama TRDATA01-NIM. SAV
Tampilkan kembali pada file data pada DATA01-NIM.SAV pada data editor

SPSS 7.5 for Windows

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

4. Prosedur Add Variables

Dengan menggunakan prosedur Add Variables Anda dapat :

Menggabungkan dua buah file data SPSS yang mempunyai case-case yang sama akan tetapi variabelvariabelnya berbeda

Menggunakan file tabel LookUp untuk menambahkan data ke dalam case-case pada file data lainnya
Kedua file data yang akan digabungkan harus memenuhi aturan sebagai berikut :

Kedua file harus mempunyai format SPSS

Case-case dari kedua file harus diurutkan dengan cara yang sama (ascending atau descending)

Jika satu atau beberapa variabel kunci (dalam pengurutan) case-casenya turut dipasangkan, maka
kedua file data harus diurutkan secara ascending berdasarkan variabel kunci tersebut.
Cara menambahkan Variabel :
1. Bukalah file yang akan ditambahkan variabelnya
2. Klik menu Data | Merge Files | Add Variabel
3. Muncul kotak dialog untuk memilih file yang digabungkan, pilih file yang diinginkan dan klik
Continue
Setelah itu Akan muncul kotak dialog seperti dibawah ini :
Berisi
variabel yang
akan
ditambahkan

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.

Bukalah file data yang akan di Agregate

Klik menu Data | Agregat, akan muncul kotak dialog dibawah ini :

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 :

SPSS 7.5 for Windows

By Entot Suhartono

Hal. 15

II. LATIHAN
1.

Buatlah 2 file data berikut pada Data Editor :

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

Simpanlah dengan nama DATA05-NIM.SAV

2. Urutkanlah file DATA04-NIM.SAV secara Ascending dengan variabel kunci NAMA dan simpanlah
dengan nama yang sama
3. Urutkanlah file DATA05-NIM.SAV secara Ascending dengan variabel kunci NAMA dan simpanlah
dengan nama yang sama
4. Buatlah file data transpose dengan men-transpose file DATA05-NIM.SAV dengan ketentuan sebagai
berikut :
 Variabel yang di transpose adalah APL dan TUNJANG
 Nama-nama variabel hasil transpose : CASE_LBL, Var0001, Var0002, ....
5. Ulangilah langkah 4 diatas akan tetapi nama-nama variabel yang semula diberikan secara historis
diganti dengan value-value dari variabel NAMA dan simpan dengan nama TRDATA02-NIM. SAV
6. Tambahkanlah case-case yang tersimpan dalam file DATA04-NIM.SAV ke dalam file DATA05NIM.SAV dengan ketentuan sebagai berikut : value-value variabel NAMA pada file DATA05-NIM.SAV
digabung dengan variabel NAMA dari file DATA04-NIM.SAV, variabel SEX dengan variabel APL,
variabel GAJI dan variabel TUNJANG
7. Tambahkan nama variabel TUNJANG yang ada dalam file DATA05-NIM.SAV ke dalam file DATA04NIM.SAV dimana case-case dapat bersesuian dengan benar
8. Simpanlah hasil penambahan nama-nama variabel tersebut dengan nama ADDATA01-NIM.SAV
9. Bukalah file ADDATA01-NIM.SAV dan lakukan pengkombinasian grup berdasarkan SEX dan
penjumlahan grup berdasarkan MEAN dari variabel GAJI dan SUM of VALUE dari variabel TUNJANG.
Simpanlah hasilnya dengan menggunakan file yang tersimpan secara otomatis dari hasil pengolahan
AGREGATE
10. Ulangilah langkah 9 dan lakukan pengkombinasian grup berdasarkan APL dan penjumlah grup
berdasarkan Maksimum dari variabel GAJI dan variabel TUNJANG dan tampilkan dalam data editor
Anda.

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.

Bukalah afile yang akan di seleksi case-nya

Klik menu Data | Select Case
Akn muncul kotak dialog seperti dibawah ini :

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.

Bukalah file DATA04-NIM.SAV ke dalam data editor

Sisipkan 1 variabel kosong diantara Sex dan Gaji dan berilah nama variabel dengan Gol (type numeric
3.0)
Isilah variabel Gol tersebut dengan data sebagai berikut :
Nama
Giovanny

SPSS 7.5 for Windows

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

Simpanlah kembali data tersebut dengan nama yang sama

Buatlah file data transpose dengan men-transpose file DATA04-NIM.SAV di atas dengan ketentuan
sebagai berikut :
Variabel yang di transpose adalah GOL dan GAJI
Berilah nama-nama variabel yang diberikan secara historis dengan value-value dari variabel
NAMA

6.

Simpanlah file hasil transpose tadi dengan nama TRDATA03-NIM.SAV

Bukalah file DATA04-NIM.SAV dan lakukan perintah penyeleksian case dengan ketentuan sebagai
berikut :
Case yang dipilih adalah case yang mempunyai GAJI <= 500000
Case yang dipilih adalah case yang mempunyai GAJI > 350000 dan GOL = 2
Case yang dipilih adalah secara acak dengan mengambil 50 % dari seluruh case

7.

8.

Case yang dipilih adalah antara case 3 sampai dengan case 7

Bukalah file DATA04-NIM.SAV dan tambahkan satu variabel dengan nama TUNJANG (type : numeric
8) yang harus Anda isi sendiri data angkanya. Simpanlah kembali file tersebut dengan nama yang
sama
Dari file tersebut pada nomor 7, lakukan pengelompokan data berdasarkan SEX dengan ketentuan
sebagai berikut :
Data yang dikelompokkan adalah Jumlah Gaji
Data yang dikelompokkan adalah Maksimum Gaji
Data yang dikelompokkan adalah Minimum Gaji
Data yang dikelompokkan adalah Rata-rata Gaji

9.

Simpanlah datanya dengan nama AGR01-NIM.SAV

Ulangilah langkah pada nomor 8 dan lakukan pengelompokan data berdasarkan GOL dengan
ketentuan sebagai berikut :

Data yang dikelompokkan adalah Jumlah Tunjang

Data yang dikelompokkan adalah Maksimum Tunjang

Data yang dikelompokkan adalah Minimum Tunjang

Data yang dikelompokkan adalah Rata-rata Tunjang

Simpanlah datanya dengan nama AGR02-NIM.SAV

SPSS 7.5 for Windows

By Entot Suhartono

Hal. 18

TRANFORMASI DATA LANJUTAN

1. COMPUTE
Perintah Compute digunakan untuk membuat (menghitung) value-value suatu variabel baru atau
memodifikasi value-value dari variabel yang sudah ada, dimana perhitungannya di dasarkan pada
transformasi numerik dari variabel-variabel lainnya. Perhitungan value-value tersebut dapat
diberlakukan untuk seluruh case maupun untuk case-case yang memenuhi kondisi logika tertentu
saja.
Cara menjalankan perintah compute adalah sebagai berikut :
1. Bukalah file yang akan di hitung value-valuenya
2. Klik menu Transform| Compute
Akan muncul kotak dialog seperti dibawah ini :

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.

SPSS 9.0 for Windows

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.

SPSS 9.0 for Windows

hal 20

 Ulangi langkah menyimpan file ini dengan memberikan nama DATA11_NIM.SAV

Ulangi langkah menyimpan file ini dengan memberikan nama DATA12_NIM.SAV
3.

Editlah file data DATA10_NIM.SAV sebagai berikut :

a. Hapuslah seluruh variabel yang ada kecuali variabel ID, GENDER, JOBCAT, SALARY dan
SALBEGIN
b. Gantilah variabel GENDER menjadi SEX, variabel JOBCAT menjadi K_KERJA, variabel
SALARY menjadi GAJI_SKR dan variabel SALBEGIN menjadi GAJI_AWL
c. Dengan menggunakan Select Case hapuslah case ke 11 sampai dengan case yang terakhir
sehingga datanya tinggal 10 case
d. Simpanlah kembali hasil editing dari file tersebut dengan nama yang sama

4.

Dengan menggunakan file DATA10_NIM.SAV, kerjakanlah perintah dibawah ini :

a. Hitunglah 5% dari GAJI_SKR untuk mengisi variabel TUNJANG
b. Hitunglah total gaji yang diterima oleh masing-masing ID untuk mengisi variabel TOT_GAJI
c. Simpanlah kembali file tersebut dengan nama yang sama
d. Dari file tersebut buatlah file transpose dengan mentranspose variabel K_KERJA, GAJI_SKR,
GAJI_AWL, TUNJANG dan TOT_GAJI, dimana variabel-variabel valuenya dibuat secara
historis
e. Simpanlah file hasil transpose tersebut dengan nama TRDATA10_NIM.SAV

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

SPSS 9.0 for Windows

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

Untuk tiap-tiap responden, Anda di minta untuk

a. Mencari Mean, Deviasi standar, Minimum, Maksimum, Range fan Variance bagi :
E1,...,E4
P1,...,P4
E1,...,E4,P1, ...,P4
b. Mencari rata-rata aritmatis E1,...,E4 minus rata-rata aritmatis P1,...,P4
Terhadap file data yang telah Anda miliki sebagaimana hasil dari soal 4 di atas, hitunglah
banyaknya value dari variabel-variabel E1,...,E4, P1,...,P4 untuk masing-masing case yang
valuenya tidak sama dengan 3
Bukalah kembali file DATA12_NIM.SAV, khusus untuk karyawan bank yang mempunyai
tingkat pendidikan (EDUC) <= 15, buatlah file data baru dengan nama AGREDATA12-NIM.SAV.
File data baru ini mempunyai beberapa variabel agregate yang case-casenya merupakan
pengelompokan data karyawan tersebut (karyawan dengan tingkat pendidikan lebih rendah
atau sama dengan 15) dalam masa kerja yang hanya 2 tahun saja.
Adapun variabel agregate tersebut adalah :
MEANSB yang berisi mean gaji pertama (SALBEGIN) untuk masing-masing kelompok
SUMSB yang berisi jumlah gaji pertama (SALBEGIN) untuk masing-masing kelompok
BNYKCASE yang berisi banyaknya case untuk masing-masing kelompok

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.

Bukalah file yang akan dibuatkan rangking

Klik menu Transform | Rank Cases
Sehingga akan muncul kotak dialog sebagai berikut :

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.

Smallest Value. Untuk menyusun ranking dengan urutan ascending

b.

Largets Value. Untuk menyusun ranking dengan urutan descending

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.

Sum of Case Weights, dipakai untuk menampilkan jumlah cacah case.

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 :

SPSS 9.0 for Windows

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

Dari file tersebut kerjakanlah perintah-perintah berikut ini :

a. Buatlah ranking sederhana dengan pertalian : Mean, Low, High dan Sequential
b. Buatlah ranking berdasarkan Fractional Rank dengan pertalian : Mean, Low, High dan
Sequential
c. Buatlah ranking berdasarkan Fractional Rank as % dengan pertalian : Mean, Low, High dan
Sequential
d. Simpanlah hasil ranking dengan nama yang sama
Dengan menggunakan file DATA14_NIM.SAV buatlah automatic record berdasarkan variabel
NAMA dan GAJI dengan memberi nama variabel baru NAMA_1 dan GAJI_1

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.

Transform | Recode |Into Same Variables

Maka akan muncul kotak dialog dibawah ini :

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 :

SPSS 9.0 for Windows

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.

Transform | Recode | Into Different Variable

Sehingga akan muncul kotak dialog dibawah ini :

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 :

SPSS 9.0 for Windows

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.

Dengan menggunakan file DATA20-NIM.SAV modifikasikan value-value dari variabel

MINORITY dengan ketentuan sebagai berikut :

Minority = 0 menjadi Minority = 1

Minority = 1 menjadi Minority = 2

Yang dimodifikasi adalah yang SALBEGIN-nya lebih besar dari 15.000

Simpanlah kembali datanya dengan nama yang sama

3.

Dengan menggunakan file DATA20-NIM.SAV kerjakanlah perintah-perintah dibawah ini :

Isilah SALARY1 dengan menghitung 10% dari SALBEGIN

Hitunglah banyaknya case dalam variabel SALARY dan SALARY1 yang mempunyai value
75000 yang akan terbentuk dalam variabel BNYKCASE

Dengan menggunakan perintah Recode, buatlah variabel GRADE yang didalamnya berisi
data sebagai berikut :

Variabel GRADE berisi A bila SALBEGIN 20000

Variabel GRADE berisi B bila 15000< SALBEGIN <20000

Variabel GRADE berisi C bila SALBEGIN 15000

Buatlah variabel baru dengan nama SEX dengan mengubah data yang ada dalam variabel
GENDER dengan data sebagai berikut :

Gender = m diganti menjadi SEX = 1

Gender = f diganti menjadi SEX = 2

Simpanlah kembali file tersebut dengan nama yang sama

SPSS 9.0 for Windows

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.

Mencari ukuran dispersion seperti Standar Deviasi, dan Varian.

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

SPSS 17.0 for Windows

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.

Bukalah file data yang akan diolah

Pada menu Analyze |Descriptive Statistics | Frequencies untuk menampilkan kotak dialog
berikut ini.

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.

Format untuk menentukan format penggambaran 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.

Bukalah file data yang akan diolah

Pada menu Statistics |Summarize | Descriptives untuk menampilkan kotak dialog Descriptives.

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.

SPSS 17.0 for Windows

menambahkan satu variabel baru untuk

hal 28

3. TABULASI SILANG (CROSTABS)

Kegunaan Tabulasi Silang :

Untuk membuat tabel silang dari variabel baris dan kolom

Untuk menampilkan harga-harga statistik beserta hasil ujinya
Untuk menguji independensi variabel baris terhadap variabel kolom
Untuk mengukur derajat asosiasi antara variabel baris dan variabel kolom

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.

Bukalah file yang akan dilakukan prosedur crostabs

Klik menu Analyze | Descriptive | Crostabs

3.
4.
5.

Sehingga akan muncul kotak dialog seperti dibawah ini :

Tentukan nama variabenya pada kotak Rows dan kotak Column
Klik tombol Statistik untuk menentukan statistik yang akan digunakan, seperti di bawah ini :

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 :

SPSS 17.0 for Windows

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

SPSS 17.0 for Windows

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:

Gender, 1 = Pria dan 2 = Wanita

Kerja, 1 = Karyawan ; 2 = Wiraswasta; dan 3 = Petani

Didik, 1 = SMA ; 2 = D3; dan 3 = S1

1.

Ketikkan data Tabel 1, kemudian simpanlah dengan nama DATA30_NIM

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.

Ketikkan data Tabel 2, kemudian simpanlah dengan nama DATA31_NIM

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!

SPSS 17.0 for Windows

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.

estimasi (memperkerikan) harga suatu parameter populasi.

b.

Uji hipotesis statistik, bertujuan untuk menguji data dari sampel yang ada sudah cukup
kuat untuk menggambarkan populasinya.

Tahapan proses pengujian hipotesis:

a.

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.

Menentukan pengujian satu sisi atau dua sisi.

- Uji dua sisi pada pernyataan H0 dan H1 yang hanya mengandung pertidaksamaan. Misalkan,
akan diuji apakah penjualan di Semarang sama dengan penjualan di Solo. Di sini akan diuji
sama atau tidak, sehingga jawabannya adalah sama atau tidak sama.
- Uji satu sisi pada pernyataan H0 dan H1 yang hanya mengandung pertidaksamaan yang
mengarah pada kriteria tertentu. Misalkan, akan diuji apakah penjualan di Semarang lebih
besar dari penjualan di Solo. Di sini pengujian ada arahnya, yaitu penjualan lebih besar.

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

Dua atau lebih

Jumlah
Sample

Bebas

Uji z
Uji t
ANOVA/ uji F

SPSS 17.0 for Windows

Jumlah
Sample

Berhubungan

Uji t
paired

hal 32

SPSS 17.0 for Windows

hal 33

1. INDEPENDENT SAMPLE TEST

(Uji T Untuk 2 Sampel Bebas/ Indenpenden)

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.

OUPUT I (GROUP STATISTIC)

Jumlah data - Mean - Std. Deviation - Std. Error Mean
Dengan data Std. Deviation dan Std. Error, akan dianalisa apakah perbedaan tersebut memang
nyata atau tidak

2.

OUPUT II (INDENPENDENT SAMPLE TEST)

Ada 2 tahapan analisis, yaitu :
a.

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.

Uji t  berdasar hasil uji Lavene, di ambil suatu keputusan.

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
Jika t hitung (output t) < t tabel, maka H0 diterima
Keputusan  Signifikan (probabilitas)
- Jika sig. > 0.05, maka H0 diterima
- Jika sig. < 0.05, maka H0 ditolak

2. PAIRED SAMPLE TEST

UJI T (BEDA) DUA SAMPLE YANG BERPASANGAN
Menganalisa perbandingan dua sample yang berpasangan (uji beda). Dua sample yang berpasangan
diartikan sebagai sample dengan subyek yang sama namun mengalami dua perlakuan atau pengukuran
yang berbeda.

SPSS 17.0 for Windows

hal 34

Perintah : Analyze Compare Mean Paired Samples ...

ANALISA OUTPUT SPSS
1.

OUTPUT I (PAIRED SAMPLES STATISTICS)

Jumlah data - Mean - Std. Deviation - Std. Error Mean
Dengan data Std. Deviation dan Std. Error, akan dianalisa apakah perbedaan tersebut memang
nyata atau tidak

2.

OUTPUT III (PAIRED SAMPLE TEST)

c.

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

Jika t hitung (output t) < t tabel, maka H0 diterima

Uji dilakukan dua sisi karena akan diketahui apakah rata-rata sample pertama sama dengan ratarata sample kedua atau tidak.
Keputusan  Signifikan (probabilitas)
- Jika sig. > 0.05, maka H0 diterima
- Jika sig. < 0.05, maka H0 ditolak
Sample Berat Badan Konsumen Obat Diet
Sebelum
76.85
77.95
78.65
79.25
82.65
88.15
92.54
96.25
84.56
88.25

Sesudah
76.22
77.89
79.02
80.21
82.65
82.53
92.56
92.33
85.12
84.56

3. ONE SAMPLE TEST

UJI T (BEDA) UNTUK SATU SAMPLE
Pengujian satu sample ini pada prinsipnya ingin menguji apakah suatu nilai tertentu (yang diberikan
sebagai pembanding) berbeda secara nyata ataukah tidak dengan rata-rata sebuah sample.
Perintah : Analyze Compare Mean One Sample ...

SPSS 17.0 for Windows

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.

4. INDEPENDENT 2 SAMPLE TEST

(Uji T Untuk 2 Sampel Bebas/ Indenpenden)
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 : Statistic Compare Mean Independent Sample Test
Analisa:
Gunakan analisa output SPSS sebelumnya.
Tinggi
174.5
178.6
170.8
168.2
159.7
167.8
165.5
154.7
152.7
155.8

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

SPSS 17.0 for Windows

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

ANALISIS KORELASI DAN REGRESI

Analisis korelasi mempelajari apakah ada hubungan antara dua variabel atau lebih, sedang analisis
regresi memprediksi seberapa jauh pengaruh tersebut. Sehingga jika dengan analisis korelasi
menyatakan adanya hubungan yang positif dan akurat antara dua variabel, maka analisis regresi akan
memperkirakan jika salah satu variabel independen ditingkatkan sejumlah nilai tertentu, akan
mempengaruhi sejumlah tertentu pula.
ANALISIS
MULTIVARIAT

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
-

Koefisien korelasi bivariate/ product moment pearson

Mengukur keeratan hubungan di antara hasil-hasil pengamatan dari populasi yang
mempunyai dua varian (bivariate). Perhitungan ini mensyaratkan bahwa populasi asal
sampel mempunyai dua varian dan berdistribusi normal. Korelasi pearson banyak
digunakan untuk mengukur korelasi data interval atau rasio.

Koefisien peringkat Spearman (Rank-Spearman) dan Kendall

Lebih mengukur keurutan hubungan antara peringkat-peringkat dibanding hasil
pengamatan itu sendiri (seperti pada korelasi Pearson). Perhitungan korelasi ini bisa
digunakan untuk menghitung koefisiean korelasi pada data ordinal dan penggunaan
asosiasi pada statistik non parametrik.
Perbedaan diantara kedua metode tersebut di atas, yaitu jika korelasi Kendall (diberi
simbol ) merupakan suatu penduga tidak bias untuk parameter populasi,maka korelasi
Spearman (diberi simbol r) tidak memberikan dugaan koefisien peringkat suatu populasi.

2.

Korelasi Partial
Pembahasan mengenai hubungan linier antara dua variabel dengan melakukan kontrol
terhadap satu atau lebih variabel tambahan (disebut variabel kontrol).

SPSS 17.0 for Windows

hal 37

ANALISIS OUTPUT SPSS

1. Arti Angka Korelasi

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

Jika probabilitas > 0,05, maka H0 diterima

Jika probabilitas < 0,05, maka H0 ditolak
b.

Berdasarkan tanda * yang diberikan SPSS

Signifikan tidaknya korelasi dua variabel bisa dilihat dari adanya tanda * pada pasangan data
yang dikorelasikan (lihat opsi Flag significant correlations).

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

SPSS 17.0 for Windows

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

Menentukan mana variabel independent dan variabel dependent

Menentukan metode pembiatan model regresi (enter, stepwise, forward, backward)
Menguji asumsi-asumsi pada regresi (Menguji kebaikan model regresi atau mengetahui seberapa
besar variabel independent mempengaruhi variabel dependent)  R square dan Uji F.
Membuat model regresi dan interpretasi model regresi
Uji Hipotesis

SPSS 17.0 for Windows

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

a. All requested variables entered.

b. Dependent Variable: SALES
Model Summaryb

Model
1

R
,916a

R Square
,839

Adjusted
R Square
,826

Std. Error of
the Estimate
17,1268

a. Predictors: (Constant), PROMOSI

b. Dependent Variable: SALES
ANOVAb
Model
1

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

a. Predictors: (Constant), PROMOSI

b. Dependent Variable: SALES

SPSS 17.0 for Windows

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

a. Dependent Variable: SALES

SPSS 17.0 for Windows

hal 41

STATISTIK NON PARAMETRIK

Statistik parametrik digunakan jika telah diketahui model matematis dari distribusi populasi suatu data
yang akan dianalisis. Sebaliknya, jika tidak diketahui suatu model terdistribusi populasi dari suatu data,
jenis data berupa nominal atau ordinal, dan jumlah data relatif kecil, maka digunakan statistik
nonparametrik.

PENGUJIAN SAMPEL TUNGGAL

Uji statistik nonparametrik ini dapat digunakan untuk menguji hipotesis yang didasarkan pada satu
sampel tunggal. Dalam teknik parametrik, untuk menguji rata-rata kasus sampel tunggal biasanya
menggunakan Uji t. Namun, uji parametrik tersebut membutuhkan data yang minimal diukur dalam
skala interval, dan asumsinya bahwa pengamatan atau nilai numerik dalam sampel harus berasal dari
suatu populasi yang berdistribusi normal.
Dalam banyak kasus, terutama pada penelitian-penelitian sosial, tidak semua pengamatan bisa diukur
dengan menggunakan skala interval, tetapi hanya dapat diukur dalam skala ordinal (urutan/jenjang),
bahkan hanya dalam skala nominal (kategori). Selain itu, data yang diamati umumnya tidak
berdistribusi normal.

1. Chi Square Test

Digunakan untuk menguji hipotesis terhadap proporsi relatif dari case-case yang dikelompokkan dalam
beberapa group. Data yang digunakan untuk analisis ini adalah dalam bentuk frekuensi, tidak dalam
bentuk angka rasio atau skala. Di mana data frekuensi tersebut merupakan hasil dari pengklasifikasian
data. Misalnya, klasifikasi gender (laki-laki dan perempuan), klasifikasi sikap terhadap sesuatu (baik,
cukup, jelek), dan klasifikasi desa, dan sebagainya.
Dalam analisis chi square test, ada tiga hal yang dapat dilakukan, yaitu:
-

Menentukan variabel yang akan diuji

Menentukan jarak yang akan diuji (Expected Range), Get from data dan Use Specified range.
Menentukan nilai yang diharapkan (Expected Values), All categories equal dan Values.

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

SPSS 17.0 for Windows

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.

- Analisis Output: Chi square = 2

Jika (2hitung) > (2tabel), maka H0 ditolak
Jika (2hitung) < (2tabel), maka H0 diterima
- Analisis Signifikan
Jika Asymp. Sig. < 0,05, maka H0 ditolak
Jika Asymp. Sig. > 0,05, maka H0 diterima
Soal
Ujilah chi square dengan data di atas, jarak (range) yang diinginkan adalah antara klasifikasi 1 sampai
3.

SPSS 17.0 for Windows

hal 43