Bab 2 Statistik Deskriptif

Bab 2 STATISTIK DESKRIPTIF

Statistik Deskriptif lebih berhubungan dengan pengumpulan dan peringkasan data, serta penyajian hasil peringkasan tersebut. Data-data statistik –yang dapat diperoleh dari hasil sensus, survei, atau pengamatan lainnya- umumnya masih acak, ‘mentah’ dan tidak terorganisir dengan baik (raw data). Data-data tersebut harus diringkas dengan baik dan teratur, baik dalam bentuk tabel atau presentasi grafis, sebagai dasar untuk berbagai pengambilan keputusan (Statistik Inferensi).

Dalam bab ini akan dibahas menu dari SPSS yang berhubungan dengan Statistik Deskriptif, yaitu SUMMARIZE. Menu ini mempunyai beberapa submenu: A. FREQUENCIES Frequencies membahas beberapa penjabaran ukuran statistik deskripsi seperti Mean, Median, Kuartil, Persentil, Standar Deviasi dan lainnya. B. DESCRIPTIVES Descriptives berfungsi untuk mengetahui skor z dari suatu distribusi data dan menguji apakah data berdistribusi normal ataukah tidak. C. EXPLORE Explore berfungsi untuk memeriksa lebih teliti sekelompok data. Alat utama yang dibahas adalah box-Plot dan Steam and Leaf Plot, selain beberapa uji tambahan untuk menguji apakah data berasal dari distribusi normal. D. CROSSTABS Crosstabs digunakan untuk menyajikan deskripsi data dalam bentuk tabel silang (crosstab), yang terdiri atas baris dan kolom. Selain itu, menu ini juga dilengkapi dengan analisis hubungan di antara baris dan kolom, seperti independensi di antara mereka, besar hubungannya dan lainnya. E. CASE SUMMARIES

Andino Maseleno

2. serta dibagi lagi pada Remaja yang tinggal di kota dan seterusnya.8 152.7 167.1 Frequencies Kasus: Berikut adalah tinggi badan 16 responden yang diambil secara acak (angka dalam cm).5 159.Bab 2 Statistik Deskriptif Case Summaries digunakan untuk melihat lebih jauh isi statistik deskriptif yang meliputi subgrup dari sebuah kasus.7 155.5 dan keterangan ‘pria’ pada baris 1 berarti Tinggi badan seorang responden Pria adalah 188.5 centimeter.4 154.8 155.8 168.5 Gender Pria Pria Pria Wanita Wanita Pria Wanita Pria Wanita Wanita Pria Pria Wanita Pria Wanita Wanita Misal angka 188.7 156. No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Tinggi 188.6 155. seperti grup Pria dan Wanita. dapat dibuat subgrup untuk Pria berusia Remaja dan Dewasa.2 178.7 157.5 158.9 165.7 159.9 170. Demikian seterusnya untuk data yang lain. Andino Maseleno .

Untuk itu. berbagai deskripsi data dapat dieksplorasi dengan lebih mendalam. ingin mengetahui bagaimana sikap konsumen terhadap produk perusahaan.Bab 2 Statistik Deskriptif 2. Andino Maseleno . statistik deskriptif dapat pula diperolah dengan menggunakan submenu SUMMARIZE dan pilihan DESCRIPTIVES. Berikut adalah hasil data profil konsumen yang meliputi pekerjaan. pendidikan.2 DESCRIPTIVE Selain dengan submenu DESCRIPTIVE STATISTICS dan pilihan FREQUENCIES. di antaranya yang popular adalah dengan Boxplots (atau Blox and Whisker displays) dan diagram Stem and Leaf. 2.3 EXPLORE Selain dengan FREQUENCIES dan penyajian Histogram atau nilai z. pengujian normal tidaknya distribusi data akan digunakan uji Shapiro Wilks dan Lilliefor. 2. Bagian pertama untuk contoh Crosstab adalah penyajian data profil konsumen. 18 konsumen yang pernah mencicipi minuman suplemen Joss diminta untuk mengisi identitas mereka dan sikap mereka terhadap produk tersebut. A. dan gender.2 Crosstab Crosstab (tabel silang) biasa digunakan untuk data berskala nominal (kategori). serta bagaimana profil mereka. Selain itu. CROSSTAB UNTUK TEST OF INDEPENDENCE (UJI KETERGANTUNGAN) Kasus: Manajer Pemasaran yang memproduksi minuman suplemen merek Joss.

Bab 2 Statistik Deskriptif No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 • kerja karyawan wiraswasta buruh karyawan karyawan karyawan wiraswasta buruh wiraswasta buruh karyawan karyawan karyawan wiraswasta buruh karyawan wiraswasta buruh didik sarjana Sma Sma sarjana sarjana sarjana Sma Sma akademi Sma sma sarjana sarjana sma sarjana sarjana akademi sarjana gender Wanita Pria Pria Wanita Pria Pria Pria Wanita Pria Pria Wanita Pria Wanita Wanita Pria Wanita Pria Pria Baris pertama menunjukkan konsumen pertama mempunyai pekerjaan karyawan dan ia seorang wanita berpendidikan sarjana. Demikian untuk data yang lainnya. sehingga di sini ada tiga variabel saja. • Dalam SPSS. otomatis nomor urut konsumen (1 sampai 18) sudah ada. Penyelesaian: Andino Maseleno .

karena pada variabel tersebut akan dilakukan proses kategorisasi. • • • • • • Name. Tampilan Variable View ini dapat juga dilakukan dengan dua cara yang lain: dari menu View lalu submenu VARIABLE. • Menamai Variabel yang diperlukan. Lalu klik Data. atau tekan CTRL+T. 1. Untuk itu. Tipe data untuk ‘kerja’ adalah numerik. ketik 1. tempatkan pointer pada baris 1. label data dan sebagainya).Bab 2 Statistik Deskriptif Oleh karena akan melihat profil dan analisis hubungan antara variabel. Label. Abaikan bagian ini. Tampak di layar: Andino Maseleno . maka ketik 0. Decimals. Pemasukan data ke SPSS Langkah-langkah: • Buka lembar kerja baru. yang berarti tidak ada desimal. Untuk keseragaman. Dari menu utama File. serta jenis data yang dimasukkan adalah nominal (kategori). Sekarang SPSS siap membuat variabel baru yang diperlukan • Menampilkan tampilan VARIABLE VIEW untuk mempersiapkan pemasukan nama dan properti variabel (seperti jenis data. Sesuai kasus. Type. pilih menu New. dan ketik kerja. Values. dalam hal ini ada tiga variabel Pengisian Variabel kerja Oleh karena ini variabel pertama. Width. lalu klik ganda sel tersebut. Pilihan ini untuk proses pembentukan kode. klik tab sheet Variable View yang ada di bagian kiri bawah. letakkan pointer di bawah kolom Name. maka dipakai Crosstab. Klik kotak kecil di kanan sel. Oleh karena tipe data adalah numeric dengan kode.

• • Name. Otomatis tombol Add aktif. karena pada variabel tersebut akan dilakukan proses kategorisasi. dan ketik didik. Otomatis tombol Add aktif. ketik buruh. Sesuai kasus. ketik wiraswasta. ketik 1. Value Label atau keterangan untuk angka 1 tersebut. Untuk keseragaman. Untuk keseragaman. Sesuai kasus yang merinci pekerjaan. Tipe data untuk ‘didik’ adalah numerik. tempatkan pointer pada baris 2. Pengisian lanjutan: • • Value. ketik 2. Klik tombol tersebut. letakkan pointer di bawah kolom Name. Pengisian lanjutan: • • Value. Value Label. Value Label. Klik tombol tersebut. ketik karyawan. Otomatis tombol Add aktif. otomatis keterangan 2= “wiraswasta” tampak sebagai kodifikasi jenis pekerjaan kedua. lalu klik ganda sel tersebut. Klik tombol tersebut. ketik 3.Bab 2 Statistik Deskriptif Pengisian: • • Value. Variabel didik Oleh karena ini variabel kedua. otomatis keterangan 3= “buruh” tampak sebagai kodifikasi jenis pekerjaan ketiga. Untuk keseragaman. Type. otomatis keterangan 1= “karyawan” tampak sebagai kodifikasi jenis pekerjaan pertama. Andino Maseleno .

ketik 1. Untuk keseragaman. Values. otomatis keterangan 1= “sma” tampak sebagai kodifikasi pendidikan pertama. Untuk keseragaman. Otomatis tombol Add aktif. Abaikan bagian ini.Bab 2 Statistik Deskriptif • • • • Width. Decimals. Otomatis tombol Add aktif. Pengisian lanjutan: • • Value. ketik 1. Value Label atau keterangan untuk angka 1 tersebut. ketik sarjana. Type. Pilihan ini untuk proses pembentukan kode. Klik ganda sel tersebut. Value Label. Andino Maseleno . Pengisian: • • Value. Untuk keseragaman. Klik tombol tersebut. karena akan dilakukan proses kategorisasi (coding). maka ketik 0. ketik akademi. ketik sma. Value Label. Klik tombol tersebut. ketik 1. yang berarti tidak ada desimal. tempatkan pointer pada baris 3. Label. otomatis keterangan 2= “akademi” tampak sebagai kodifikasi pendidikan kedua. Sesuai kasus yang merinci pekerjaan. Width. ketik 3. Untuk keseragaman. Klik tombol tersebut. otomatis keterangan 3= “sarjana” tampak sebagai kodifikasi pendidikan ketiga. Variabel gender Oleh karena ini variabel ketiga. Klik kotak kecil di kanan sel. Tipe data untuk gender adalah numerik. Hal ini berarti gender hanya dapat dimasukkan sebanyak satu digit saja. dan ketik gender. Pengisian lanjutan: • • Value. ketik 2. • • • Name. Oleh karena tipe data adalah numeric dengan kode. Untuk keseragaman. Otomatis tombol Add aktif.

Klik kotak kecil di kanan sel. Pengisian: • • Value atau nilai berupa angka yang dimasukkan. ketik wanita. maka ketik 0. Value Label. Otomatis tombol Add aktif. otomatis keterangan 1= “pria” tampak sebagai kodifikasi gender pertama. Pilihan ini untuk proses pembentukan kode. Sesuai kasus yang merinci gender. Klik tombol tersebut. Pengisian lanjutan: • • Value. ketik 1. Klik tombol tersebut. pengisian dianggap selesai dan klik OK untuk kembali ke kotak dialog utama. Values. Untuk keseragaman. ketik 2. Untuk keseragaman. Pengolahan data dengan SPSS Di sini akan dibahas dua hubungan: a. Otomatis tombol Add aktif. Hubungan antara Pekerjaan Konsumen dengan Gender konsumen Andino Maseleno .Bab 2 Statistik Deskriptif • • • Decimals. otomatis keterangan 2= “wanita” tampak sebagai kodifikasi gender kedua Oleh karena hanya ada dua gender yang dimasukkan. 2. ketik pria. Abaikan bagian ini. Label. yang berarti tidak ada desimal. Value Label atau keterangan untuk angka 1 tersebut. Oleh karena tipe data adalah numerik dengan kode.

juga dilengkapi dengan beberapa alat uji yang sama tujuannya. sehingga tingkat kevalidannya 100%. terdapat angka 3. Hipotesis: Hipotesis untuk kasus ini: Andino Maseleno . Output Bagian Kedua (Crosstab antara Gender dengan Pekerjaan) Terlihat tabel silang yang memuat hubungan di antara kedua variabel. Misal pada baris 1 kolom 1. Di dalam SPSS.Bab 2 Statistik Deskriptif Analisis: Output Bagian Pertama (Case Processing Summary) Ada 18 data yang semuanya diproses (tidak ada data yang missing atau hilang). Hal ini berarti ada 3 orang pria (variabel gender 1) yang mempunyai pekerjaan karyawan (variabel Karyawan kode 1) Output bagian ketiga (Uji Chi-Square) Uji Chi-Square untuk mengamati ada tidaknya hubungan antara dua variabel (baris dan kolom). selain alat uji Chi-Square.

Andino Maseleno . maka Ho ditolak Keputusan: Terlihat bahwa pada kolom Asymp. atau probabilitas di atas 0. • • Chi-Square Hitung – lihat pada ouput SPSS.185 > 0. Sig adalah 0. atau tidak ada hubungan antara pekerjaan seorang konsumen dengan gender konsumen. atau dari rumus: (jumlah baris – 1) x (jumlah kolom – 1). b. Berdasarkan Probabilitas • • • Jika probabilitas > 0. didapat Chi-Square tabel adalah 5. Sedang Chi – Square tabel dapat dihitung pada tabel Chi – Square. maka Ho diterima Jika probabiltas < 0.05. atau antara pekerjaan konsumen dengan gender konsumen tesebut.378.05). adalah 3. maka Ho ditolak.9915. Derajat kebebasan (df) = 2 [dari output SPSS. maka Ho diterima. maka Ho diterima. Jika Chi-Square Hitung > Chi-Square Tabel. atau (2 – 1) x (3 – 1) = 2] Dari tabel.Bab 2 Statistik Deskriptif Ho : Tidak ada hubungan antara baris dan kolom. Berdasarkan perbandingan Chi-Square Uji dan tabel Jika Chi-Square Hitung < Chi-Square Tabel. Hi : Ada hubungan antara baris dan kolom.05. atau antara pekerjaan konsumen dengan gender konsumen tersebut. Pengambilan Keputusan Dasar Pengambilan Keputusan: a. Dari kedua analisis di atas dapat diambil kesimpulan yang sama.05 (0.9915). Oleh karena Chi-Square hitung < Chi-Square tabel (3. Tingkat signifikansi ( ) = 5%.702 < 5. Maka Ho diterima. yaitu Ho diterima.021.

Hubungan antara Pekerjaan Konsumen dengan Tingkat Pendidikan konsumen Andino Maseleno . Namun untuk kasus di atas. dapat dianggap input sel di bawah 5 tidak berpengaruh pada perhitungan. b. maka ada kemungkinan terjadi gangguan pada perhitungan dan penafsiran angka Chi-square.Bab 2 Statistik Deskriptif Keterangan: Jika diperhatikan pada output SPSS pada bagian Chi-Square. Jika ada sel dengan isian di bawah 5. terdapat tanda ‘a’ dan keterangan di bawah bahwa ada sel yang mengandung angka di bawah 5.

Bab 2 Statistik Deskriptif Andino Maseleno .