I.

PENDAHULUAN
1.1 Latar Belakang
Statistik adalah suatu kerangka teori-teori dan metode-metode yang telah dikembangkan
untuk melakukan pengumpulan, analisis, dan pelukisan data sampel guna memperoleh
kesimpulan-kesimpulan yang bermanfaat. Adapun satatistika adalah ilmu tentang cara-cara
mengumpulkan, menggolongkan, menganalisis, dan mencari keterangan yang berhubungan
dengan pengumpulan data yang penyelidikan dan kesimpulannya berdasarkan bukti-bukti yang
berupa angka-angka.
Secara umum kedudukan statistika memiliki beberapa manfaat, antara lain:
1. Menyajikan data secara ringkas dan jelas, sehingga lebih mudah dimengerti oleh para
pengguna.
2. Menunjukkan trend atau tendensi perkembangan suatu masalah.
3. Melakukan penarikan kesimpulan secara ilmiah.
Statistika
deskriptif
berkenaan
dengan
bagaimana

data

yang

dapat

digambarkan/dideskripsikan baik secara numerik (misal menghitung rata rata dan deviasi
standar) atau secara grafis (dalam bentuk tabel atau grafik) untuk mendapatkan gambaran
sekilas mengenai data tersebut sehingga lebih mudah dibaca dan dipahami. Hal yang
melatarbelakangi perlunya mempelajari Statistika Deskriptif adalah untuk menginterpretasikan
output/keluaran dari data untuk mendapatkan gambaran sehingga data akan lebih mudah dibaca
dan bermakna. Paket program SPSS merupakan salah satu software yang sangat besar
kontribusinya sebagai media pengolahan data statistik. Software ini menyediakan berbagai
jenis perintah yangmemungkinkan proses pemasukan data, manipulasi data, pembuatan grafik
dan berbagai analisis statistik.
1.2 Tujuan Praktikum
Tujuan praktikum ini adalah :
1. Mengenal program SPSS.
2. Mengidentifikasi jenis skala pengukuran.
3. Membuat file data.

1.3 Manfaat Praktikum

1. Memperluas pengetahuan tentang statistika deskriptif.
2. Mahasiswa mendapat skill baru dalam pengolahan data statistik menggunakan software
SPSS .
3. Mengaplikasikan program SPSS dalam penelitian.

II. TINJAUAN PUSTAKA

2.1 Pengertian dan Peranan Statistika
Ilmu statistik (Statistika) memiliki perkembangan sejarah yang sangat panjang, mulai dari
adanya peradaban manusia, sampai pada zaman teknologi informasi sekarang ini. Pada zaman
dahulu, data statistik yang dipergunakan oleh suatu negara untuk menghitung basil pertanian,
pajak penghasilan, dan bahkan untuk menghitung logistik perang. Seiring dengan
perkembangan zaman, ilmu statistik juga makin berkembang, mulai dari metode statistik,
hingga analisa data statistik (Saparita, 2001).
2.1.1 Pengertian Statistika
Menurut Walpole

(1995),

Statistika

adalah

ilmu

yang

mempelajari

bagaimana

merencanakan, mengumpulkan, menganalisis menginterpretasi dan mempresentasikan data.

Statistika merupakan ilmu yg berkenaan dgn data sedang statistik adalah data informasi atau
hasil penerapan algoritma statistika pada suatu data. Beberapa istilah statistika antara lain:
populasi sampel unit sampel dan probabilitas. Sedangkan, ilmu statistik atau statistika dapat
diartikan sebagai metode ilmiah yang terdiri dari proses pengumpulan data, mengorganisasi
data tersebut sehingga lebih berarti, menyajikan data, melakukan analisis dengan metode
tertentu, serta menarik kesimpulan dari analisis yang dilakukan (Santoso, 2003).
Menurut Walpole (1995), statistika dibagi menjadi dua, yaitu :
1. Statistika Deskriptif:
Menggunakan metode numerik dan grafik untuk mencari pola suatu kumpulan data,
Meringkas informasi yang terkandung di dalam kumpulan data,
Menghadirkan informasi dalam bentuk yang diinginkan
2. Statistika Inferensia:
Statistika yang menggunakan data sampel untuk membuat estimasi, prediksi, keputusan
dan generalisasi terhadap data yang besar

2.1.2 Peranan Statistika

Menurut Amir (2014), Statistika memiliki banyak peran di dalam kehidupan
manusia, diantaranya :

Aktuaria (penerapan statistika dalam bidang asuransi)

Biostatistika atau biometrika (penerapan statistika dalam ilmu biologi)
Statistika bisnis
Ekonometrika
Psikometrika (penerapan dalam bidang psikologi)
Statistika Sosial
Statistika Teknik atau Teknometrika
Fisika Statistik
Demografi (penerapan dalam bidang dinamika kependudukan manusia)
Analisis proses dan kemometrika (untuk analisis data kimia analis dan teknik kimia)
Dll

2.2 SPSS 16
Untuk penelitian yang menggunakan analisis statistik, pasti memerlukan bantuan software
statistik untuk melakukan pangolahan data. Terdapat berbagai macam software statatistik yang
dapat disesuaikan dengan kebutuhan penelitian. Setiap software memiliki kelebihan dan
kekurangan masing-masing. Salah satu software yang sering digunakan untuk pengolahan data
statistik adalah software SPSS.
SPSS adalah software statistik yang dibuat oleh Norman H Nie, Hadlai Hull dan Dale H
Bent dari Stanford Uiversity pada tahun 1968. SPSS yang merupakan kepanjangan dari
Statistical Package for Social Science, pada mulanya memang digunakan untuk menganalisis
data-data sosial kemasyarakatan. Program olah data SPSS ini telah digunakan di berbagai
bidang persoalan seperti riset pasar, pengendalian dan perbaikan mutu, serta riset-riset sains.
Program SPSS ini sangat populer karena sering kali dijadikan sebagai alat untuk mempermudah
proses pengolahan data. Sampai saat ini, program SPSS masih tetap dipakai dalam berbagai
bidang seperti ilmu keuangan, telekomunikasi, retail, farmasi, militer, broadcasting, riset
pemasaran, database marketing, penilaian kredit, peramalan bisnis, penilaian kepuasan
konsumen, dan lain sebagainya. Program olah data SPSS ini sangat membantu dalam proses
pengolahan data, sehingga hasil olah data yang dicapai juga dapat dipertanggungjawabkan dan
terpercaya. Dalam bidang kelautan, contoh penggunaan program SPSS adalah dalam analisis
korelasi suhu permukaan laut terhadap curah hujan (Pertiwi, et al, 2015).
Berdasarkan sudut pandang statistik, terdapat dua jenis data yang dapat diolah menggunakan
program SPSS, yaitu data kualitatif dan data kuantitatif. Data kualitatif merupakan data yang
dapat dinyatakan dalam bentuk bukan angka, misalnya jenis pekerjaan seseorang yang meliputi
nelayan, petani, pegawai, dan lain-lain. Selain itu bisa juga data gender (pria atau wanita),
tingkat kepuasan seseorang mulai dari tidak puas, cukup puas, dan sangat puas, dan data lain
yang berbentuk bukan angka. Data kualitatif seperti ini harus dikuantifikasi terlebih dahulu

agar dapat diolah dengan statistik. Cara mengkuantifikasikan data kualitatif ini yaitu dengan
cara memberi skor tertentu (wanita diberi skor 1, pria diberi skor 2), memberi rangking (tidak
puas 1, cukup puas 2, dan sebagainya), atau memberi pendapat (Ya 1, Tidak 2). Ini akan
memudahkan data untuk diolah dengan program SPSS.
Sedangkan data kuantitatif merupakan suatu data yang dapat dinyatakan dalam bentuk
angka, misalnya tinggi badan seseorang, usia seseorang, jumlah penjualan dalam satu bulan,
jumlah bakteri dalam suatu percobaan, dan lain sebagainya. Karena data ini sudah berbentuk
angka, maka akan mudah untuk diaplikasikan ke dalam olah data SPSS.
Kelebihan yang dimiliki oleh software SPSS adalah mampu mengakses data dari berbagai
macam format yang tersedia, seperti pada dBase, Lotus, Text file, dll. Sehingga data yang
sudah ada dari berbagai format data dapat langsung digunakan untuk dianalisis. SPSS
memberikan tampilan data yang lebih informative, memberikan informasi lebih akurat dengan
memberikan kode alasan jika terjadi missing data. Mudah digunakan, pengguna tidak perlu
belajar bahasa pemrograman.
Sedangkan kekurangan dari software SPSS antara lain, meskipun tergolong program yang
mudah digunakan, namun untuk dapat menjalankan program ini, pengguna minimal harus
mengatahui dasar ilmu statistik terlebih dahulu. Berkembangnya versi terbaru dengan cepat dan
tampilan secara fisik yang terkadang berbeda dengan versi yang lama membutuhkan adaptasi
dengan pengguna untuk dapat menjalankan program ini.
Secara garis besar, cara kerja SPSS terbagi atas 3 tahapan yaitu:
1. Input data
Langkah awal saat mengoperasikan SPSS adalah dengan memasukkan data.
Masukkan data dalam Data View, untuk pengaturan dan memberi nama variabel pada
Variable View.
2. Proses
Sebelum dilakukan proses analisis data, pastikan bahwa Anda sudah memilih
terlebih dahulu jenis analisis yang digunakan untuk mengolah data. Berbagai jenis analisis
terdapat pada menu Analyze.

3. Output / hasil analisis

Setelah proses analisis data dilakukan, kemudian akan muncul hasil analisis pada
jendela output. Hasil analisis dapat berupa angka yang tersusun dalam tabel maupun grafik
sesuai jenis analisis yang digunakan.
2.3 Statistika Deskrptif
Statistika Deskriptif merupakan bidang ilmu statistika yang mempelajari tatacara
penyusunan dan penyajian data yang dikumpulkan dalam suatu penelitian. Statistika deskriptif
berkenaan dengan mendeskripsikan data, misalkan dengan menghitung rata-rata dan varians
dari data mentah; mendeksripsikan menggunakan tabel-tabel atau grafik sehingga data mentah
lebih mudah dibaca dan lebih bermakna (Walpole, 1995).
2.3.1 Mean
Mean merupakan rata-rata hitung yang digunakan pada suatu data kuantitatif. Secara
sederhana, nilai mean dicari dengan membagi jumlah dari keseluruhan isi data dengan
jumlah datanya. Berdasarkan bentuk datanya, mean dapat ditentukan melalui beberapa
cara diantaranya :
1. Rata-rata hitung data sederhana
Disebut sederhana karena dalam perhitungan tidak memperhitungkan frekuensi data
dan bobotnya.
Rumus :
n

xi

x = i=1
n

Dimana xi adalah data ke i dan n adalah jumlah data.

2. Rata-rata hitung dengan frekuensi
Pada data yang memiliki frekuensi kemunculan tertentu, makan nilai mean ditentukan
dengan menggunakan rumus :
n

fi . xi

x = i=1n

fi
i=1

Dimana fi adalah frekuensi dari x

3. Rata-rata hitung dengan bobot

Selain memperhitungkan adanya frekuensi, pada data juga terdapat bobot yang
membedakan data satu dengan yang lainnya. Maka rumusnya adalah :
n

wi . xi

x = i=1n

wi
i=1

Dimana wi adalah bobot dari data x

(Santoso, 2003)
2.3.2 Median
Median merupakan pembagi dari sekumpulan data menjadi dua bagian sama besar.
Oleh karena itu median adalah nilai tengah suatu data yang telah diurutkan dari data yang
terkecil hingga data yang terbesar (Susetyo, 2010). Ada dua cara untuk menghitung
median yaitu, untuk data yang berkelompok dan tunggal.
1. Median Data Tunggal
Me=0,5(n+1)

2. MedianData Berkelompok
f

n
( fmf )
2

median=B+
Dimana B = Batas bawah kelas median, f dan fm, frekuens kumulatif, I adalah
interval, n jumlah datanya.
2.3.3 Skewness
Skewness adalah derajat ketidaksimetrisan suatu distribusi. Jika kurva frekuensi
(poligon frekuensi yang dimuluskan) dari sebuah distribusi mempunyai ekor yang lebih
panjang ke arah kanan dari maksimum di pusat dibandingkan dengan ke arah kiri,
dikatakan bahwa distribusi itu menceng ke kanan, atau memiliki kemencengan positif
(positive skewness), sebaliknya disebut menceng ke kiri, atau memiliki kemencengan
negatif (negative skewness) (Santoso, 2003).
2.4 Uji Normalitas
Pengujian normalitas adalah pengujian tentang kenormalan distribusi data. Uji ini
merupakan pengujian yang paling banyak dilakukan untuk analisis statistik parametrik. Karena
data yang berdistribusi normal merupakan syarat dilakukannya tes parametrik. Sedangkan
untuk data yang tidak mempunyai distribusi normal, maka analisisnya menggunakan tes non
parametric. Data yang mempunyai distribusi yang normal berarti mempunyai sebaranyang
normal pula. Dengan profit data semacam ini maka data tersebut dianggap bisa mewakili
populasi. Normal disini dalam arti mempunyai distribusi data normal. Normalitas dalam

statistik parametrik seperti regresi dan Anova merupakan syarat pertama.Uji normalitas
bertujuan untuk menguji apakah dalam model regresi, variabel penggangu atau residual
memiliki distribusi normal. Jika asumsi ini dilanggar, maka uji statistik menjadi tidak valid
atau bias terutama untuk sampel kecil (Singgih, 2010).
2.5 Uji Homogenitas
Uji homogenitas merupakan uji perbedan antara dua atau lebih populasi. Pengujian
homogenitas dimaksudkan untuk memberikan keyakinan bahwa sekumpulan data yang
dimanipulasi dalam serangkaian analisis memang berasal dari populasi yang tidak jauh berbeda
keragamannya. Semua karakteristik populasi dapat bervariasi antara satu populasi dengan yang
lain. Dua di antaranya adalah mean dan varian (selain itu masih ada bentuk distribusi, median,
modus, range, dll).Penelitian yang selama ini baru menggunakan mean sebagai tolak ukur
perbedaan antara dua populasi. Para peneliti belum ada yang melakukan pengujianatau
membuat hipotesis terkait dengan kondisi varian diantara dua kelompok.Padahal ini
memungkinkan dan bisa menjadi kajian yang menarik. Misalnya saja sangat memungkinkan
suatu treatmen tidak hanya mengakibatkan perbedaan meantapi juga perbedaan varian.
Uji homogenitas dilakukan untuk mengetahui apakah data dalam variabel X dan Y bersifat
homogen atau tidak. Langkah-langkah menghitung uji homogenitas:
1. Mencari Varians/Standar deviasi Variabel X dan Y, dengan rumus :

Sx=

(xi x )
i=1

n( n1)

dan

Sy =

( yi y )
i=1

n(n1)

2. Mencari F hitung dengan dari varians X dan Y

3. Membandingkan Fhitung dengan Ftabel pada tabel distribusi F, dengan dk pembilang n-1 (untuk
varians terbesar) dan dk penyebut n-1 (untuk varians terkecil)
* Jika F hitung < F tabel, berarti homogeny
* Jika F hitung > F tabel, berarti tidak homogenUntuk mencari harga-harga yang dibutuhkan
terlebih dulu (Singgih, 2010)

2.6 Faktor Pertumbuhan Kerang

Pertumbuhan kerang sangatlah dipengaruhi oleh faktor-faktor alam sebagai parameternya
antara lain biologis, fisika dan kimia. Beberapa faktor itu adalah :
1. Suhu perairan
Suhu memegang peranan yang sangat penting dalam pembentukan lapisan mutiara dan
pertumbuhan tiram itu sendiri. Di beberapa Negara, pertumbuhan tiram mutiara yang ideal
menunjukan kisaran suhu yang berbeda-beda. Di jepang, misalnya, pertumbuhan yang terbaik
berkisar antara 200 C 250 C, sebab pada suhu di atas 280 C menunjukan tanda-tanda yang
melemah. Hal ini bisa dimengerti, karena rata-rata suhu harian di jepang masih relative rendah,
walupun musim panas. Sedangkan di teluk Klutch India, pertumbuhan yang pesat dicapai pada
suhu anatara 230 C 270 C.
Untuk Negara kita sendiri yang beriklim tropis, pertumbuhan yang terbaik dicapai pada suhu
antara 280 C 300 C. Pada iklim ini ternyata sangat menguntungkan untuk budidaya tiram
mutiara, sebab pertumbuhan lapisan mutiara dapat terjadi sepanjang tahun. Sedangkan Negara
yang memiliki empat musim (iklim sub-tropis) biasanya pertumbuhan tiram mutiara tidak
terjadi sepanjang tahun, karena pada suhu air di bawah 130 C (musim dingin) pelapisan mutiara
atau penimbunan zat kapur akan terhenti.
2. Salinitas
Kualitas mutiara yang terbentuk dalam tubuh tiram dapat dipengaruhi oleh kadar salinitas
yang terlalu tinggi, warna mutiara menjadi keemasan. Sedangkan pada kadar salinitas di bawah
14% atau di atas 55% dapat mengakibatkan kematian tiram yang dipelihara secara massal.
Sebenarnya tiram mutiara ini mampu bertahan hidup pada kisaran salinitas yang luas,yaitu
antara 20% 50%. Tetapi salinitas yang terbaik untuk pertumbuhan tiram mutiara adalah 32%
35%.
3. Suplai makanan yang tidak cukup
Tiram sebagai binatang yang tergolong filter feeder hanya mengandalakan makanan dengan
menyerap plankton dari perairan sekitar, sehingga keberadaan pakan alami memegang
peranan yang sangat penting. Sedangkan keberadaan pakan alami itu sendiri sangat berkaitan
erat dengan kesuburan suatu perairan.
Pada kondisi perairan yang kurang subur (tercemar), komposisi pakan alami jumlahnya akan
sangat sedikit, sehingga kurang mendukung untuk penyediaa pakan yang diperlukan tiram.
Padahal tiram yang dipelihara dalam laut, jelas tidak mungkin diberi pakan tambahan
sebagaimana ikan atau udang yang dipelihara dalam tambak. Oleh karena itu lokasi budidaya
pada kondisi perairan yang subur mutlak diperlukan

4. Dasar Perairan
Dasar perairan secara fisik maupun kimia berpengaruh besar terhadap susunan dan
kelimpahan organisme di dalam air termasuk bagi kehidupan kerang. Adanya perubahan tanah
dasar (sedimen) akibat banjir yang menyebabkan dasar perairan

tertutup lumpur sering

menimbulkan kematian pada tiram terutama yang masih muda. Oleh karena itu dasar perairan
yang berpasir atau berlumpur tidak layak untuk lokasi budidaya tiram mutiara. Dasar perairan
yang cocok untuk budidaya untuk budidaya tiram mutiara ialah dasar perairan yang berkarang
atau mengandung pecahan-pecahan karang. Bisa juga dipilih dasar perairan yang terbentuk
akibat gugusan karang yang sudah mati atau gunungan-gunungan karang.
5. Arus
Banyak sedikitnya kelimpahan plankton sebagai makanan alami tiram sangat tergantung
pada kuat tidaknya arus yang mengalir dilokasi tersebut. Tiram mutiara memiliki sifat filter
feeder. Oleh karena itu tiram mutiara akan mudah kelaparan pada kondisi arus yang terlalu kuat
yang terjadi selama berjam-jam dalam sehari. Lokasi yang cocok untuk budidaya tiram mutiara
ialah yang terlindung dari arus yang kuat. Disamping itu pasang surut yang terjadi mampu
menggantikan massa air secara total dan teratur,sehingga ketersediaan oksigen terlarut maupun
plankton segar dapat terjamin.
Beberapa hal tersebut menjadi faktor yang mampu mempengaruhi pertumbuhan kerang
mutiara, karena pada musim panas, saat suhu naik, kerang mutiara dapat tumbuh secara
maksimal. Namun saat suhu dan salinitas sepanjang tahun stabil dengan lingkungan yang ideal,
maka pertumbuhannya akan stabil pula (Sorokin, 1993).

III. MATERI DAN METODE

3.1 Waktu Pelaksanaan
Praktikum dilaksanakan pada :
Hari, Tanggal : Jumat, 09 Oktober 2015
Waktu

: 15.00 - selesai

Tempat: Ruang E304 Gedung E, FPIK

3.2 Materi

Program SPSS 16
Data kerang

3.2.1 Alat dan Bahan Praktikum

No
.
1.
2.
3.

Alat/Bahan

Fungsi

Laptop

Sebagai perangkat pengolah

Program SPSS 16

data.
Sebagai software pengolah

Data Kerang

data.
Sebagai sumber data untuk
diolah.

3.3 Metode
3.3.1 Frequencies
1. Buka software SPSS lalu masukkan kelas data pada Variable View.

2. Masukkan data kerang pada Data View

3. Klik menu Analyze lalu Descriptive Statistic lalu Frequencies.

4. Pindahkan data ke kolom Variable

5. Pilih Statistics lalu checklist pada kotak dialog.

6. Klik continue, pilih Chart lalu klik histogram. Kemudian klik Continue

7. Klik Ok, maka output akan muncul pada jendela Output

3.3.2 Descriptive
1. Pada jendela DataSet Klik menu Analyze lalu Descriptive Statistic kemudian Descriptive

2. Pindahkan data ke kolom Variable(s).

3. Klik Options lalu checklist kolom dialog Sum, Std. deviation, Variance, Maximum,
Minimum, S.E mean, Kurtonis, Skewness, Variable List. Kemudian klik Continue

4. Klik Ok, maka output akan muncul pada jendela Output

3.3.3 Explore
1. Pada jendela DataSet Klik menu Analyze lalu Descriptive Statistic kemudian Explore

2. Pindahkan data ke kolom Dependent List.

3. Klik Statistics lalu klik Continue

4. Klik Plots lalu klik Factor Levels Togheter, Stem and Leaf, Histogram, dan Normality Plots
with Tests. Kemudian klik Continue

5. Klik Ok, maka output akan muncul pada jendela Output

IV. HASIL DAN PEMBAHASAN

4.1 Cara Membaca Hasil Output
4.1.1 Uji Frekuensi
Statistics
panjang kerang
N

Valid

lebar kerang

tinggi kerang

berat daging

berat total

154

154

154

154

154

Mean

2.8158

1.9881

1.7949

2.2437

6.4781

Std. Error of Mean

.03895

.03176

.03175

.06817

.23041

Median

2.6800

1.8700

1.6300

1.8800

5.1550

2.48

1.68

1.48

1.61

4.04

.48330

.39409

.39402

.84598

2.85935

Variance

.234

.155

.155

.716

8.176

Minimum

1.98

1.33

1.08

.79

1.89

Maximum

3.93

3.30

2.86

4.86

15.54

433.63

306.16

276.41

345.53

997.62

25

2.4650

1.6800

1.4800

1.6175

4.3725

50

2.6800

1.8700

1.6300

1.8800

5.1550

75

3.2075

2.3100

2.1100

2.9825

9.0900

Missing

Mode
Std. Deviation

Sum
Percentiles

Tabel 1. Frequencies Data Kerang

4.1.2 Uji Deskripsi

Descriptive Statistics
N

Min

Max

Sum

Mean

Std. Dev

Statistic Statistic Statistic Statistic Std. Error Statistic

Var

Skewness

Statistic

Kurtosis

Statistic Std. Error Statistic Std. Error

p kerang

154

1.98

3.93

433.63

.03895

.48330

.234

.391

.195

-.931

.389

l kerang

154

1.33

3.30

306.16

.03176

.39409

.155

.749

.195

.350

.389

T kerang

154

1.08

2.86

276.41

.03175

.39402

.155

.585

.195

-.599

.389

brt daging

154

.79

4.86

345.53

.06817

.84598

.716

.731

.195

-.171

.389

brt total

154

1.89

15.54

997.62

.23041 2.85935

8.176

.769

.195

-.320

.389

Valid N

154

4.1.3 Uji Explore

Case Processing Summary
Cases
Valid
N

Missing

Percent

Total

Percent

Percent

panjang kerang

154

100.0%

.0%

154

100.0%

lebar kerang

154

100.0%

.0%

154

100.0%

tinggi kerang

154

100.0%

.0%

154

100.0%

berat daging

154

100.0%

.0%

154

100.0%

berat total

154

100.0%

.0%

154

100.0%

Descriptives
Statistic
panjang kerang

Mean
95% Confidence Interval for
Mean

2.8158
Lower Bound

2.7388

Upper Bound

2.8927

5% Trimmed Mean

2.8065

Median

2.6800

Variance

.48330

Minimum

1.98

Maximum

3.93

Range

1.95

Interquartile Range

.74

Skewness
Kurtosis
Mean

.391

.195

-.931

.389

1.9881

.03176

95% Confidence Interval for

Lower Bound

1.9253

Mean

Upper Bound

2.0508

5% Trimmed Mean

1.9674

Median

1.8700

Variance

.155

Std. Deviation

.39409

Minimum

1.33

Maximum

3.30

Range

1.97

Interquartile Range

tinggi kerang

.03895

.234

Std. Deviation

lebar kerang

Std. Error

.63

Skewness

.749

.195

Kurtosis

.350

.389

1.7949

.03175

Mean
95% Confidence Interval for

Lower Bound

1.7321

Mean

Upper Bound

1.8576

5% Trimmed Mean

1.7788

Median

1.6300

Variance
Std. Deviation

.155
.39402

Minimum

1.08

Maximum

2.86

Range

1.78

Tests of Normality
Kolmogorov-Smirnova
Statistic

df

Shapiro-Wilk

Sig.

Statistic

df

Sig.

panjang kerang

.126

154

.000

.950

154

.000

lebar kerang

.140

154

.000

.943

154

.000

tinggi kerang

.169

154

.000

.937

154

.000

berat daging

.204

154

.000

.919

154

.000

berat total

.225

154

.000

.902

154

.000

panjang kerang Stem-and-Leaf Plot

Frequency
2.00
6.00
4.00
6.00
13.00
19.00
17.00
11.00
12.00
3.00
6.00
7.00
8.00
7.00
6.00
5.00
13.00
4.00
3.00
1.00
1.00
Stem width:
Each leaf:

Stem &
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

Leaf
88
338889
3888
335789
0033368888888
2233555788888888889
01112333688888888
00114688888
011115666799
188
111669
0133888
03888999
0035889
113668
11136
0111112333388
3369
189
3
3

.10
1 case(s)

lebar kerang Stem-and-Leaf Plot

Frequency

Stem &

4.00
13
7.00
14
11.00
15
22.00
16
16.00
17
22.00
18
5.00
19
9.00
20
9.00
21
7.00
22
18.00
23
11.00
24
4.00
25
2.00
26
2.00
27
2.00
28
.00
29
.00
30
1.00
31
1.00
32
1.00 Extremes
Stem width:
Each leaf:

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

Leaf
3488
1388888
05568888899
0011334688888888889999
0111123356678888
0001111233333666688888
12236
123388889
113888888
0118899
011111233334668899
01113333338
3336
36
38
33
3
3
(>=3.30)

.10
1 case(s)

tinggi kerang Stem-and-Leaf Plot

Frequency
2.00
.00
5.00
14.00
23.00
24.00
15.00
3.00
8.00
9.00
9.00
14.00
9.00
5.00
5.00
3.00
4.00
1.00
1.00
Stem width:
Each leaf:

Stem &
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

Leaf
88
05889
33335888889999
13333444588888888888899
011111222355556688888889
011112223356889
229
12336888
112333899
112336888
01111122888888
111122338
11236
12688
268
1236
3
6

.10
1 case(s)

berat daging Stem-and-Leaf Plot

Frequency

Stem &

Leaf

6.00
15.00
68.00

0 .
1 .
1 .

788889
233334444444444
5555555555556666666666666677777777777777788888888888888889999999999

9.00
19.00
24.00
9.00
2.00
2.00

2
2
3
3
4
4

000123444
5566666777788889999
000000011111222233344444
555666789
23
58

Stem width:
Each leaf:

.
.
.
.
.
.

1.00
1 case(s)

berat total Stem-and-Leaf Plot

Frequency
1.00
5.00
15.00
49.00
23.00
4.00
7.00
10.00
17.00
12.00
5.00
3.00
1.00
1.00
1.00
Stem width:
Each leaf:

Stem &
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

Leaf
8
01235
134456777788899
0000011122222333334445555555666666777788888899999
00000111222333333345689
2238
1235889
2333456689
00112223334477778
001236666779
01258
023
0
2
5

1.00
1 case(s)

4.2 Interpretasi Output

Software SPSS yang digunakan untuk mengolah data sehingga mudah dipahami. Dalam
praktikum kali ini, dilakukan pengolahan data sehingga memiliki output berupa frequencies,
descriptive, dan explore.
4.2.1 Uji Frekuensi
Dalam uji frequencies, output yang keluar berupa table dan histogram tiap variabel data
(panjang kerang, lebar kerang, tinggi kerang, berat kerang, dan berat total). Dari histogram
yang ditampilkan, distribusi data tidak merata sehingga akan tampak bahwa data tersebut
sangat bervariasi dan menjauhi normal.
4.2.2 Uji Deskripsi
Pada uji descriptive, output table yang dihasilkan lebih singkat dan langsung
menggambarkan keseluruhan variabel data. Tabel output pada tabel descriptive menunjukkan
data mengenai nilai masing-masing jumlah pengukuran, nilai minimum, nilai maksimum, nilai
rata-rata, standar deviasi, variasi, skewness hingga kurtosis, sehingga mempermudah pengguna
dalam melakukan pengamatan. Selain itu dari tabel output descriptive dapat diketahui data
tersebar atau terdistribusi normal atau tidak.
4.2.3 Uji Explore
Pada uji explore, output yang dihasilkan berupa ringkasan data yang telah terproses,
deskripsi masing-masing variable data, uji normalitas data, Q-Q plot (mendeskripsikan
persebaran data dengan bantuan garis lurus yang menggambarkan kondisi ideal data),
Detrended Normal Q-Q plot (menunjukkan selisih antara titik-titik dengan garis diagonal pada
grafik Q-Q plot) , Steam and Leaf plot, serta Boxplot.
4.3 Data Normal dan Homogen
Data normal merupakan data yang distribusinya normal, artinya data tersebut mempunyai
sebaran merata sehingga benar-benar mewakili populasi. Normalitas suatu data diuji dengan
membandingkan antara data yang akan diteliti dengan data berdistribusi normal berdasarkan
mean dan standar deviasi. Jika data berdistribusi normal maka analisis statistik dapat memakai
pendekatan parametrik, sedangkan jika data tidak berdistribusi normal maka analisis
menggunakan pendekatan non-parametrik. Uji normalitas data dilakukan sebelum data diolah
berdasarkan model-model penelitian.
Data Homogen merupakan data dengan varians yang sama besar. Sedangkan data dengan
varians yang tidak sama besar dinamakan populasi dengan varians yang heterogen. Faktorfaktor yang menyebabkan sampel atau populasi heterogen atau tidak homogen adalah proses
sampling yang salah, penyebaran yang kurang baik, bahan yang sulit untuk homogen, atau alat
untuk uji homogenitas rusak. Apabila sampel uji tidak homogen maka sampel tidak bisa
digunakan dan perlu dievaluasi kembali mulai dari proses sampling sampai penyebaran bahkan
bila memungkinkan harus diulangi sehingga mendapatkan sampel uji yang homogeny

4.4 Hubungan Data Normal dan Homogen

Data normal dan data homogeny memiliki keterkaitan yang erat. Homogenistas data yang
tinggi dapat mengindikasikan data itu semakin normal dan penyebarannya merata pada tiap
kelas. Nilai normalitas dan homogenitas data sangat berguna untuk keakuratan informasi data
yang didapat sehingga presentase ketimpangan data itu semakin kecil.

V. PENUTUP
5.1 Kesimpulan
Kesimpulan yang dapat diambil dari Praktikum ini adalah :
1. SPSS (Statistical Product and Service Solution) merupakan sebuah software yang memiliki
kemampuan untuk menganalisis data statistik dengan akurasi yang tinggi, serta penyajian
dan penarikan kesimpulan yang mudah dipahami.
2. Skala pengukuran pada pengolahan data statistik deskriptif dalam praktikum ini meliputi
analisis frekuensi, deskriptif, dan eksplore
5.2 Saran
Praktikum ini diharapkan menjadi dasar dalam penggunaan software SPSS yang selanjutnya
dapat diaplikasikan dalam penelitian serta analisis data dalam penelitian tersebut.

DAFTAR PUSTAKA
Amir, Faishol. 2014. Peranan Matematika Dan Statistika Dalam Pertanian Industrial Untuk
Mewujudkan Ketahanan Pangan Nasional. Vol. 1 (1)
Pertiwi, Monica A. 2015. ANALISIS KORELASI SUHU PERMUKAAN LAUT TERHADAP CURAH
HUJAN DENGAN METODE PENGINDERAAN JAUH TAHUN 2012-2013. Vol 4 (1)
Santoso, Singgih. 2003. STATISTIK DESKRIPTIF : Konsep dan Aplikasi dengan MS Excel dan
SPSS. ANDI : Yogyakarta
Saparita, Rachmini. 2001. PENGGUNAAN STATISTIKA DESKRIPTIF UNTUK MELIHAT
DISTRIBUSI POLA DATA YANG DITELITI. Vol. 26 (1)
Singgih, Santoso. 2010. Statistik Nonparametrik. Jakarta : PT Alex Media Komputindo.
Sorokin. 1993. Coral Reef Ecology. Oxford UK : Clarendon.
Walpole, E. Ronald. 1995. Pengantar Statistika, Edisi ketiga. Jakarta : Gramedia Pustaka Utama