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.
(1995),
Statistika
adalah
ilmu
yang
mempelajari
bagaimana
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.
xi
x = i=1
n
fi . xi
x = i=1n
fi
i=1
wi . xi
x = i=1n
wi
i=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)
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
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).
: 15.00 - selesai
Program SPSS 16
Data kerang
Alat/Bahan
Fungsi
Laptop
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.
6. Klik continue, pilih Chart lalu klik histogram. Kemudian klik Continue
3.3.2 Descriptive
1. Pada jendela DataSet Klik menu Analyze lalu Descriptive Statistic kemudian Descriptive
3. Klik Options lalu checklist kolom dialog Sum, Std. deviation, Variance, Maximum,
Minimum, S.E mean, Kurtonis, Skewness, Variable List. Kemudian klik Continue
3.3.3 Explore
1. Pada jendela DataSet Klik menu Analyze lalu Descriptive Statistic kemudian Explore
4. Klik Plots lalu klik Factor Levels Togheter, Stem and Leaf, Histogram, dan Normality Plots
with Tests. Kemudian klik Continue
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
.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
Min
Max
Sum
Mean
Std. Dev
Var
Skewness
Statistic
Kurtosis
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
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
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
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)
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)
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)
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)
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)
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