Spss adalah sebuah program aplikasi yang memiliki kemampuan analisis statistik

yang cukup tinggi serta sistem manajemen data pada lingkungan grafis dengan
menggunakan menu-menu deskriptif dan kotak-kotak dialog yang sederhana
sehingga mudah untuk dipahami cara pengoperasiannya . beberapa aktivitas dapat
dilakukan dengan mudah dengan menggunakan pointing dan klik mouse.

Spss banyak digunakan dalam berbagai riset pemasaran,pengendalian,dan

perbaikan mutu kualitas, serta riset-riset sains. SPSS pertama kali muncul dalam
bentuk PC dengan nama SPSS/PC+ (versi DOS) . Tetapi, dengan mulainya
populernya system operasi windows SPSS mulai mengeluarkan versi windows.

Pada awalnya SPSS dibuat untuk kebutuhan pengolahan data statistik untuk ilmu-
ilmu sosial, sehingga kepanjangan SPSS itu sendiri adalah Statistical Package For
The Scocial Sciens. Sekarang kemampuan SPSS digunakan untuk melayani berbagai
jenis pengguna (user), seperti untuk proses produksi di pabrik, riset ilmu sains dan
lainnya. Sehingga saat ini kepanjangan dari SPSS adalah Statistical Product and
Service Solutions.

Hasil-hasil analisis muncul dalam SPSS Output Navigator, kebanyakan prosedur

base system menghasilkan pivot tables , dimana kita bisa memperbaiki tampilan
dari keluaran yang diberikan oleh spss. Untuk memperbaiki output, maka kita dapat
memperbaiki output sesuai dengan kebutuhan.

Program olah data Spss ini sangat membantu dalam proses pengolahan data,
sehingga hasil olah data yang dicapai juga dapat dipertanggiungjawabkan dan
terpercaya. Berdasarkan sudut pandang statistik, terdapat dua jenis data yang
dapat diolah menggunakan program SPSS, yaitu data kualitatif dan kuantitatif. Data
kualitatif adalah data yang dapat dinyatakan dengan bentuk bukan angka, misalnya
jenis pekerjaan seperti yang meliputi ; nelayan, petani, pegawai, dan lain-lain.
Selain itu bisa juga data gender, (pria atau wanita), tingkat kepuasan seseorang
muali dari tidak puas, cukup puas, dan sangat puas. Data kualitatif ini harus
dikuantasi terlebih dahulu agar dapat diolah dengan statistik. Cara
mengkuantifikasi data kualitatif ini adalah dengan cara memberi skor tertentu
misalnya : wanita diberi skor 1, pria diberi skor 2. Atau dengan memberikan ranking
pada tingkat kepuasan puas sebesar 3 . cukup puas 2, dan tidak puas 1. Hal ini akan
memudahkan pada saat pengolahan data pada program SPSS.

Sedangkan pada 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 berupa angka, maka akan mudah untuk
diaplikasikan ke dalam olah data SPSS.
Menu Analyze

Menu analyze ini digunakan untuk melakukan analisis data yang telah dimasukan ke
komputer . Menu ini merupakan menu yang terpenting karena semua pemrosesan
data dan analisis data dilakukan dengan menggunakan menu correlate, compare
mens, dan regrresion.

Memasukan dan mengolah data ke spss

1. Menu utama spss ini ditunjukan seperti yang tampak dibawah ini :
Tampilan layar SPSS ada 2 yaitu Data View dan Variable View, yang
ditunjukan dibawah ini
Data View adalah data yang tampilannya seperti excel, data view ini
sebagai lembar kerja. Untuk melihat tampilan data view, dengan meng-
klik tulisan (data view) dan tampilannya sebagai berikut :
Variable view adalah berperan sebagai definisi operasional yang hasilnya
nanti akan terlihat di data view. Untuk melihat tampilan variable view
dengan meng-klik (variable view) seperti ditunjukan pada lingkaran dan
tampilan dibawah ini :

Analisis Regresi Linear

Analisis regresi linear adalah salah satu metode regresi yang dapat dipakai sebagai
alat interfensi statistik untuk menentukan pengaruh sebuah variabel bebas
(independen) terhadap variabel terikat (dependen). Uji regresi linear memiliki
tujuan, yaitu :

1. Menghitung nilai estimasi rata-rata dan nilai variabel terikat berdasarkan

pada nilai variabel bebas.
2. Menguji hipotesis karakteristik depedensi.
3. Meramalkan nilai rata-rata variabel bebas dengan didasarksn pada nilai
variabel bebas diluar jangkauan sample.

Pada analisis regresi sederhana dengan menggunakan SPSS ada beberapa asumsi
ydan persyaratan yang perlu diperiksa dan diuji, beberapa diantaranya adalah :

1. Variabel bebas tidak berkolerasi dengan disturbance term (eror). Nilai

disturbance term sebesar 0 atau dengan simnol sebagai berikut : E (U/X) = 0
2. Jika variabel bebas tidak lebih dari satu, maka antara variabel bebas
(explanatory) tidak ada hubungan linier yang nyata.
3. Model regresi dinyatakan layak jika angka signifikansi pada ANOVA sebesar <
0,05 predicyor yang digunakan sebagai variabel bebas harus layak.
Kelayakan ini diketahui jika angka standard eror of estimates < standard
deviation.
4. Koefisien regresi harus signifikan, pengujian dilakukan dengan uji T. koefisien
regresi signifikan jika T hitung > T Tabel (nilai kritis).
 5. Model regresi dapat diterangkan dengan menggunakan nilai koefisien
determinasi ( KD = R square x 100 % ) semakin besar nilai tersebut maka
model semakin baik. Jila nilai mendekati 1 maka model regresi semakin baik.
6. Residual harus berdistribusi normal.
7. Data berskala interval atau rasio.
8. Kedua variabel bersifat dependen, artinya satu variabel merupakan variabel
bebas (variable predictor) sedangkan variabel lainnya variabel terikat
( variable response).

Langkah-langkah Mengolah data Menggunakan Analisis regresi dengan SPSS (1.6)

1. Hal pertama kita masukan data pada halaman Variabel View di SPSS,
kemudia ketik Kecamatan pada kolom Name lalu lanjutkan dengan mengetik
luas lahan pertanian, produktivitas pertanian, jumlah industri, kebutuhan
tempat tinggal, jumlah tenaga kerja, dan aksesibilitas tepat berada di di
kolom Name, beri jarak setiap kata yang terdiri dari 2 dngan menggunakan
( _ ) nama-nama selain Kecamatan itu akan berfungsi sebagai Variabelnya.
2. Pada kolom type untuk Kecamatan dipilih tipe String karena data yang
ditampilkan pada data view nantinya adalah berupa huruf (nama-nama
Kecamatan untuk daerah Karawang). Sedangkan pada variabel-variabel
lainnya dipilih tetap pada numeric karena data yang ditampilkan pada data
view nantinya adalah beupa angka.

Selanjutnya untuk mengolah data menggunakan Analisis regresi, langkah-

langkahnya adalah :

1. Klik analyze, regression, kemudian linear. Sehingga tampak pada tampilan

seperti dibawah ini :
2. Kemudian pindahkan variabel pada dua klasifikasi yang berbeda yaitu kotak
dependen dan indepeden. Kotak Dependent adalah tempat variabel yang
mempengaruhi variabel lain dan hanya satu variabel saja didalam kotak
tersebut sedangkan kotak Independen adalah tempat beberapa variabel-
variabel yang dipengaruhi oleh variabel dependen maka bukan hanya satu
saja tetapi ada lebih dari satu variabel.
Pada kotak Dependen masukan variabel Luas Lahan Pertanian sedangkan
pada kota Indepeden masukan variabel-variabel lainnya seperti ;
produktivitas pertanian, jumlah industri, kebutuhan tempat tinggal, jumlah
tenaga kjerja sektor pertanian, dan aksesibilitas. Sehingga seperti gambar di
bawah ini :
3. Kemudia klik statistics seperti pada gambar di bawah ini :
Selanjutnya akan tampak tampilan seperti dibawah ini kemudian beri centang
pada estimates, model fit, R squared changed, descriptive, part and partial
correlations, colinerity diagnostics.
Kemudian klik continue.
 4. Selanjutnya akan kembali ke tampilan menu semula, maka klik Ok . Sehingga
secara otomatis lembar output dari pengolahan data menggunakan analisis
regresi dengan spss () ini akan tampil seperti dibawah ini :

OUTPUT SPSS Hasil Uji Regresi linear

1. Tabel pertama adalah menunjukan variabel apa saja yang diproses, mana
yang menjadi variabel bebas dan mana yang menjadi variabel terikat.
2. Tabel ke dua menampilkan nilai R yang merupakan simbol dari nilai koefisien
kolerasi. Pada tabel nilai kolerasi yang didapat adalah . . nilai ini dapat
diinterpretasikan bahwa hubungan beberapa variabel pada penelitian ada di
kategori (lemah atau kuat).
Melalui tabel ini juga diperoleh nilai R Square atau koefisien determinasi (KD)
yang menunjukan seberapa bagus model regresi yang dibentuk oelh interaksi
variabel bebas dan terikat. Nilai KD yang diperoleh adalah . % Yang
dapat ditafsirkan bahwa variabel bebas luas lahan pertanian memiliki
kontribusi sebesar % terhadap variabel-variabel terikat dan . %
Lainnya dipengaruhi oleh variabel lainnya .
3. Tabel ke tiga digunakan untuk menentukan taraf signifikansi atau linearitas
dari regresi kriterianya dapat ditentukan berdasarkan uji F atau Uji
Signifikansi (Sig). cara yang paling mudah dengan uji Sig . dengan ketentuan
jika nilai Sig < 0.05 maka model regresi adalah linier dan berlaku sebaliknya.
Berdasarkan tabel ketiga, diperoleh nilai Sig = .. yang berarti >/< dari nilai
kriteria signifikan ( 0,05). Dengan demikian model persamaan regresi
berdasarkan data penelitian adalah tidak signifikan artinya, model regresi
linier tidak memenuhi kriteria liniearitas.
4. Tabel ke empat menginformasikan model persamaan regresi yang diperoleh
dengan koefisien konstanta dan koefisien variabel yang ada di kolom
understandardized coefficients B . berdasarkan tabel ini diperoleh model
persamaan regresi : Y =
Analisis Distribusi freqeuncies

Distribusi frekuensi merupakan sebuah tabulasi angka masing-masing

individu yang diatur dalam beberapa kategori dalam skala pengukuran.
Distribusi frekuensi menunjukan berapa banyak subjek/objek yang memiliki
nilai yang sama dan terukur dalam variabel independen.

Tabel distribusi frekuensi tidak dapat diorganisir apabila skor dan tempat
menunjukan nilai tertinggi ke nilai terendah yang, kemudian mengelompokan
secara bersama-sama individu yang yang memiliki skor yang sama.

Pada menu frequencies statistics terdapat empat kelompok analisis yaitu :

1. Percentile Values yaitu untuk menghitung nilai persentil. Misalnya akan
menghitung nilai presentil, maka klik pada quartiles dan percentiles (s).
misalnya pada analisis kita menghitung nilai persentil ke 10 dan 90, maka
pada kotak disamping kanan percentile (s) kita ketik 10 atau 90 dan klik
add sehingga angka 10 dan 90 masuk ke kotak dibawahnya.
2. Central tendency (ukuran tendensi sentral), misalnya kita akan
menghitung besarnya mean (rata-rata), median, mode (modus), dan sum
(jumlah nilai keseluruahannya), maka kita klik pada kotak yang akan
dianalisis sehingga pada kotak yang akan dianalisis tersebut ada tanda
checklist.
3. Distribution, untuk mengetahui skewekness dan kurtosis pada distribusi
data. Misalnya kita akan menghitung besarnya kurtosis dan skewness,
sehingga pada kotak kotak tersebut ada tanda checklist
4. Dispersion ( ukuran penyebaran data ), misalnya akan menghitung
besarnya standar deviasi, varians, range, minimum, maksimum maka klik
pada kotak pilihan yang akan dianalisis sehingga pada kotak tersebut
akan ada tanda checklist.

OUTPUT Distribusi Frequencies

1. Output 1 (statistics) , N atau jumlah data yang valid adalah 30 buah

sedangkan data yang hilang atau missing adalah nol. Artinya semua data
diproses.
2. Output 2 (luas lahan pertanian) , dari output diatas nilai frequencies yang
pertama diperoleh adalah angka . Yang artinya . . jika dibuat dalam
bentuk persen nilainya adalah . % dan . %