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

Demikian seterusnya untuk data yang lain.4 154.Bab 2 Statistik Deskriptif Case Summaries digunakan untuk melihat lebih jauh isi statistik deskriptif yang meliputi subgrup dari sebuah kasus.7 167. No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Tinggi 188.8 168. serta dibagi lagi pada Remaja yang tinggal di kota dan seterusnya.5 159.5 Gender Pria Pria Pria Wanita Wanita Pria Wanita Pria Wanita Wanita Pria Pria Wanita Pria Wanita Wanita Misal angka 188. 2.7 155.7 159. Andino Maseleno .8 155.6 155.8 152.2 178.5 dan keterangan ‘pria’ pada baris 1 berarti Tinggi badan seorang responden Pria adalah 188. dapat dibuat subgrup untuk Pria berusia Remaja dan Dewasa.1 Frequencies Kasus: Berikut adalah tinggi badan 16 responden yang diambil secara acak (angka dalam cm).9 165.7 157.7 156.9 170.5 centimeter. seperti grup Pria dan Wanita.5 158.

CROSSTAB UNTUK TEST OF INDEPENDENCE (UJI KETERGANTUNGAN) Kasus: Manajer Pemasaran yang memproduksi minuman suplemen merek Joss. ingin mengetahui bagaimana sikap konsumen terhadap produk perusahaan. A.2 DESCRIPTIVE Selain dengan submenu DESCRIPTIVE STATISTICS dan pilihan FREQUENCIES. 2. Andino Maseleno . 18 konsumen yang pernah mencicipi minuman suplemen Joss diminta untuk mengisi identitas mereka dan sikap mereka terhadap produk tersebut. dan gender. di antaranya yang popular adalah dengan Boxplots (atau Blox and Whisker displays) dan diagram Stem and Leaf. Bagian pertama untuk contoh Crosstab adalah penyajian data profil konsumen. 2. pengujian normal tidaknya distribusi data akan digunakan uji Shapiro Wilks dan Lilliefor.2 Crosstab Crosstab (tabel silang) biasa digunakan untuk data berskala nominal (kategori). serta bagaimana profil mereka. berbagai deskripsi data dapat dieksplorasi dengan lebih mendalam.Bab 2 Statistik Deskriptif 2. Untuk itu.3 EXPLORE Selain dengan FREQUENCIES dan penyajian Histogram atau nilai z. statistik deskriptif dapat pula diperolah dengan menggunakan submenu SUMMARIZE dan pilihan DESCRIPTIVES. Selain itu. pendidikan. Berikut adalah hasil data profil konsumen yang meliputi pekerjaan.

Penyelesaian: Andino Maseleno .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. otomatis nomor urut konsumen (1 sampai 18) sudah ada. sehingga di sini ada tiga variabel saja. • Dalam SPSS. Demikian untuk data yang lainnya.

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

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

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

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

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

atau antara pekerjaan konsumen dengan gender konsumen tersebut. maka Ho diterima.702 < 5.05). Maka Ho diterima. atau dari rumus: (jumlah baris – 1) x (jumlah kolom – 1). • • Chi-Square Hitung – lihat pada ouput SPSS. Jika Chi-Square Hitung > Chi-Square Tabel.9915.9915).378. Sedang Chi – Square tabel dapat dihitung pada tabel Chi – Square.185 > 0.05 (0. yaitu Ho diterima. Dari kedua analisis di atas dapat diambil kesimpulan yang sama. atau antara pekerjaan konsumen dengan gender konsumen tesebut.05. didapat Chi-Square tabel adalah 5. maka Ho ditolak. maka Ho diterima. Sig adalah 0. atau probabilitas di atas 0. Oleh karena Chi-Square hitung < Chi-Square tabel (3. atau (2 – 1) x (3 – 1) = 2] Dari tabel.05. atau tidak ada hubungan antara pekerjaan seorang konsumen dengan gender konsumen.Bab 2 Statistik Deskriptif Ho : Tidak ada hubungan antara baris dan kolom. Tingkat signifikansi ( ) = 5%. maka Ho ditolak Keputusan: Terlihat bahwa pada kolom Asymp. Hi : Ada hubungan antara baris dan kolom. Andino Maseleno . b. adalah 3. Pengambilan Keputusan Dasar Pengambilan Keputusan: a. Berdasarkan Probabilitas • • • Jika probabilitas > 0. Derajat kebebasan (df) = 2 [dari output SPSS.021. Berdasarkan perbandingan Chi-Square Uji dan tabel Jika Chi-Square Hitung < Chi-Square Tabel. maka Ho diterima Jika probabiltas < 0.

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

Bab 2 Statistik Deskriptif Andino Maseleno .

Sign up to vote on this title
UsefulNot useful