Anda di halaman 1dari 12

TIPS dan TRIK

COUNT

1. PERHITUNGAN COUNT SEDERHANA


Perintah atau sub menu ini berfungsi menghitung (count) data dengan kriteria
tertentu.
Kasus:
Pada Data File BERAT, akan dihitung data responden yang mempunyai gender Pria
serta berberat badan lebih dari 80 kilogram
Langkah:
o Buka file berat
o Letakkan pointer pada sembarang tempat pada file berat
o Menu Transform Count Values within Cases..
Tampak di layar:

Gambar 1. Kotak Dialog Count


Pengisian:

Target Variable atau nama variabel baru yang akan diletakkan dalam file

BERAT. Untuk keseragaman, ketik pria.


Target Label; ketik Jumlah responden Pria.

Variable, karena akan dilakukan pengerjaan pada variabel gender, maka

pilih variabel gender, kemudian pindahkan pada kolom Variable.

Pengisian lanjutan:
Tekan tombol DEFINE VALUES, tampak di layar:

Gambar 2. Kotak Dialog Count (2)


Karena gender Pria mempunyai nilai (value) 2, maka ketik 2 pada bagian Value,
kemudian tekan tombol ADD, maka nilai 1 masuk ke VALUE TO COUNT (nilai
yang akan dihitung).
Tekan CONTINUE untuk melanjutkan.
NB: kode 1 untuk wanita dan 2 untuk pria bisa dilihat pada pembahasan
mengenai pemasukan data.
Untuk menulis persyaratan bobot harus diatas 80 kilogram (lihat kasus), tekan
tombol IF. Kemudian buka pilihan Include if cases satisfies condition, lalu
ketik:
Berat>80
Tekan tombol CONTINUE untuk melanjutkan.
Kemudian tekan tombol OK hingga tampak output sebagai berikut:
Nama Berat Gender Pria
1 AMIR 78.54 pria .
2 CICILIA 45.77 wanita .
3 IIN 58.99 wanita .
4 SUGENG 76.92 pria .
5 LINA 55.67 wanita .
6 AGUS 78.67 pria .
7 BUDI 87.56 pria 1.00
8 LIANA 44.86 wanita .
9 DIANA 50.21 wanita .
10 DEDE 77.86 pria .
11 HERMAN 80.23 pria 1.00
12 VERONIKA 48.96 wanita .
13 FENNY 44.76 wanita .
14 IWAN 79.57 pria .
15 ANA 40.23 wanita .

Analisis:
Terlihat ada variabel baru dengan nama PRIA yang
memuat jumlah responden pria yang mempunyai
berat badan diatas 80 kilogram.
Ternyata hanya ada dua pria yang memenuhi
kriteria diatas, yaitu Budi dan Herman
Perintah TRANSPOSE COUNT berguna jika akan
membuat variabel baru yang bersumber pada
variabel lama, seperti menghitung jumlah
konsumen yang membeli 4 merk kemeja terkenal,
atau menghitung responden mana saja yang telah
membaca 5 majalah dan sebagainya.
Simpan output dengan nama COUNT_0

2. PERHITUNGAN COUNT YANG LEBIH KOMPLEKS


Karena cukup sering digunakan dalam praktek, berikut dijelaskan beberapa variasi
penggunaan sub menu COUNT.
Untuk itu, akan disajikan file lainnya, yaitu file data personalia (telah dibuat
sebelumnya)
Nomor Gender bidang status didik gaji usia kerja

1 9524 Pria Marketing Belum Menikah SMU 138,00 24 4

2 9525 Wanita Marketing Belum Menikah SMU 294,00 22 4

3 9528 Pria Akuntansi Menikah Sarjana 378,00 22 6

4 9535 Pria Akuntansi Menikah Akademi 438,00 23 5

.. sampai dengan 60 data


Kasus 1:
Pada File data personalia, akan dihitung data karyawan Pria yang mempunyai gaji
diatas Rp. 700.000,- per bulan.
Langkah:
o Buka file data personalia
o Menu Transform Count Values within Cases..
Tampak di layar kotak dialog COUNT.
Pengisian:

Target Variable. Untuk keseragaman, ketik pria_700.

NB: target variable harus diisi

Target Label; ketik Jumlah Pria bergaji > 700.

NB: target label bebas untuk diisi atau tidak.

Variable. Karena akan dilakukan pengerjaan pada variabel gender, pilih

variabel gender, kemudian pindahkan pada kolom Variable.


Pengisian lanjutan adalah untuk mendefinisikan variabel gender. Karena
variabel gender berkode 0 dan 1, maka tekan tombol DEFINE VALUES, tampak
di layar:
Gambar 3. Kotak Dialog Count (2)
Karena gender Pria mempunyai nilai (value) 1, maka ketik 1 pada kolom
Value, kemudian tekan tombol ADD, maka nilai 1 masuk ke VALUE TO
COUNT (nilai yang akan dihitung).
Tekan CONTINUE untuk melanjutkan.
NB: kode 1 untuk pria dan 0 untuk wanita bisa dilihat pada (tab)
VARIABLE VIEW.
Untuk menulis persyaratan bahwa gaji harus diatas Rp. 700.000,- per bulan,
tekan tombol IF. Lalu pada pilihan Include if cases satisfies condition,
ketik:
gaji>700
NB: tentu jangan diisi 700.000, karena data gaji sudah dalam ribuan
Tekan tombol CONTINUE untuk melanjutkan.
Kemudian tekan tombol OK hingga tampak output sebagai berikut:
(hanya variabel gender, gaji dan pria_700 serta 15 kasus pertama yang
ditampilkan)
Gender Gaji Pria_700
1 Pria 138,00 ,
2 Wanita 294,00 ,
3 Pria 378,00 ,
4 Pria 438,00 ,
5 Wanita 690,00 ,
6 Wanita 462,00 ,
7 Wanita 510,00 ,
8 Pria 420,60 ,
9 Pria 560,00 ,
10 Pria 1182,00 1
11 Wanita 762,00 0
12 Wanita 834,00 0
13 Pria 942,00 1
14 Wanita 483,00 ,
15 Pria 735,00 1

. Dan seterusnya sampai 60 data


Analisis:
Terlihat ada tiga jenis output yang tampak:
o tanda .: berarti data tidak memenuhi syarat (if), yaitu variabel
gaji dibawah 700. kasus 1 sampai 9 memperlihatkan besar gaji yang
dibawah 700.
o Tanda 0: berarti data memenuhi syarat, namun gender bukanlah
berkode 1 (pria). Contoh data no. 11, gaji 762 (diatas 700), namun
ia seorang wanita (kode 0).
o Tanda 1: berarti data memenuhi semua syarat, yakni gender
berkode 1 (pria) dan gaji > 700. Contoh data no. 10, gaji 1182
(diatas 700), dan ia seorang pria (kode 1).

Terhitung kode 1 berjumlah 10 untuk variabel pria_700, yang berarti


ada 10 orang karyawan pria yang bergaji diatas Rp. 700.000,- per
bulan.
Simpan output diatas dengan nama COUNT_1, dimana output tersebut
berekstensi sav, karena tampilan variabel ada di file data dan bukan
pada file output.
Kasus 2:
Pada File data personalia, akan dihitung data karyawan yang bekerja di
bidang Umum (kode 3) dan bidang Produksi (kode 4).
NB: Disini tidak ada syarat (if) apapun.
Langkah:
o Buka file data personalia
o Menu Transform Count Values within Cases..
Tampak di layar kotak dialog COUNT. Pengisian:
Target Variable atau nama variabel baru. Ketik bidang34.
Target Label. Kosongkan saja bagian ini.
Variable, pilih variabel bidang,
Lalu tekan tombol DEFINE VALUES; tampak di layar kotak dialog
COUNT VALUES. Disini klik mouse pada bagian terbawah, yaitu
Range, yang disertai tampilan .. through highest. Dari variabel
bidang, jumlah kode adalah 4, dimana kode Umum dan Produksi
adalah 3 dan 4. karena itu, masukkan angka 3 ke kotak through
highest (dari kode 3 ke kode tertinggi, atau kode 4), yang berarti
SPSS akan menghitung kode 3 dan 4. kemudian tekan tombol Add
untuk memasukkan statement tersebut ke kotak sebelah kanan
(VALUES TO COUNT).
Tekan tombol CONTINUE untuk melanjutkan.

Abaikan bagian IF, karena tidak ada syarat apapun yang berhubungan
dengan variabel selain variabel BIDANG dalam kasus ini.
Kemudian tekan tombol OK hingga tampak output sebagai berikut:
(hanya variabel bidang dan bidang34 serta 15 kasus pertama yang
ditampilkan)

bidang Bidang34
1 Marketing 0
2 Marketing 0
3 Akuntansi 0
4 Akuntansi 0
5 Akuntansi 0
6 Akuntansi 0
7 Marketing 0
8 Akuntansi 0
9 Marketing 0
10 Produksi 1
11 Marketing 0
12 Umum 1
13 Produksi 1
14 Akuntansi 0
15 Akuntansi 0

Catatan:
Pengisian ini bisa dilakukan juga dengan:
o Klik mouse pada pilihan VALUE, dan isi 3, lalu klik tombol Add,
lalu isi lagi 4, klik lagi tombol Add.
o Klik mouse pada pilihan RANGE ( yang ada di baris keempat),
lalu isikan 3 dan 4 diantara kata THROUGH. Hal ini berarti range
kode adalah 3 dan 4.
o Klik mouse pada pilihan RANGE ( yang ada di baris keempat),
lalu isikan 3 dan 4 diantara kata THROUGH. Hal ini berarti range
kode adalah 3 dan 4.
o Untuk RANGE lalu LOWEST THROUGH, pilihan ini TIDAK
BISA DIISI, karena kode 3 bukanlah kode terkecil ( lowest).
Pilihan ini bisa dilakukan jika akan dihitung sebagai contoh
karyawan bidang marketing dan akuntansi, yang berkode 1 dan 2,
dengan isian LOWEST THROUGH 2.

Untuk mengganti atau menghilangkan isi di kotak VALUES TO


COUNT, bisa digunakn tombol CHANGE atau REMOVE.

.. sampai 60 data
Analisis:
Terlihat tanda 0 dan 1, dan karena tidak ada syarat, maka seluruh data
bisa diisi angka 0 dan 1. Data pertama, karena bidang kerja adalah
marketing, maka tidak dihitung oleh SPSS, atau bertanda 0. sebaliknya
data nomor 10, karena bidang adalah produksi, yang berkode 4, maka
dihitung oleh SPSS dan diberi kode 1. Terhitung kode 1 berjumlah 33,
yang berarti ada 33 orang karyawan yang bekerja di bidang Umum atau
Produksi.
Untuk data yang banyak, bisa digunakan submenu FREQUENCIES
untuk menampilkan jumlah data berkode 0 atau 1.
Output diatas bisa disimpan dengan nama COUNT_2.
Kasus 3:
Pada File data personalia, akan dihitung data karyawan yang:
1. Seorang Wanita (kode 0)
2. Status Belum menikah (kode 1)

NB: kode kedua variabel bisa dilihat di tab VARIABLE VIEW


Syarat lain: usia karyawan harus diatas 25 tahun.
Perhatikan disini ada tiga variabel yang akan dimasukkan, dengan satu
variabel adalah untuk syarat (IF).
Langkah:
o Buka file data personalia
o Menu Transform Count Values within Cases..
Tampak di layar kotak dialog COUNT.
Pengisian:

Target Variable atau nama variabel baru. Ketik gs25.

Target Label. Kosongkan saja bagian ini.

Variable, pilih variabel gender dan status

Lalu tekan tombol DEFINE VALUES, tampak di layar kotak


dialog COUNT VALUES. Pengisian:

Disini klik mouse pada baris kelima, yaitu Range, yang

disertai tampilan lowest through . Isi kotak dengan angka 1


Kemudian tekan tombol Add untuk memasukkan ke kolom

VALUES TO COUNT

Logika:
Perhatikan kode variabel gender dan status:

Gender: kode 0 (wanita) dan 1 (pria)

Status: kode 1 (belum menikah) dan 2 (telah menikah)

Karena pada kasus yang akan dihitung adalah wanita (kode 0) atau
status belum menikah (kode 1), dan kode terendah dari gabungan
dua variabel adalah 0, maka bisa ditampilkan lowest through 1,
yang berarti kode terendah (lowest) sampai 1.
Tekan tombol CONTINUE untuk melanjutkan.
bagian IF, klik ikon ini, dan kemudian buka bagian Include if cases
satisfies condition, lalu ketik usia>25
tekan CONTINUE untuk kembali ke kotak dialog utama.
Kemudian tekan tombol OK hingga tampak output sebagai berikut:
(hanya variabel gender, status, usia dan gs25 serta 15 kasus pertama
yang ditampilkan)
Gender Status usia Gs25
1 Pria Belum Menikah 24 ,
2 Wanita Belum Menikah 22 ,
3 Pria Menikah 22 ,
4 Pria Menikah 23 ,
5 Wanita Belum Menikah 25 ,
6 Wanita Belum Menikah 26 2
7 Wanita Belum Menikah 26 2
8 Pria Belum Menikah 27 2
9 Pria Menikah 30 1
10 Pria Menikah 31 1
11 Wanita Belum Menikah 31 2
12 Wanita Menikah 31 1
13 Pria Menikah 31 1
14 Wanita Belum Menikah 31 2
15 Pria Menikah 32 1

.. sampai dengan 60 data


Analisis:
Terlihat ada tiga jenis output yang tampak:
o Tanda . : berarti data tidak memenuhi syarat (if), yaitu variabel
usia dibawah 25.
o Tanda 1: berarti data memenuhi syarat (usia > 25), gender bisa
pria atau wanita (karena kodenya bisa 0 atau 1, yang tetap
memenuhi syarat define value), namun status berkode 2 (menikah).
Jadi ini berlaku untuk gender Pria atau wanita yang menikah.
Contoh data no. 9 dan 12. Dihitung 1, karena hanya satu yang
memenuhi syarat, yaitu gender.
o Tanda 2: berarti data memenuhi semua syarat, yakni usia > 25,
gender berkode 0 (wanita) atau 1 (pria) dan status belum menikah
(kode 1). Contoh data no. 6,7,8 dan lainnya. Dihitung 2, karena 1
untuk gender pria atau wanita, ditambah 1 untuk status menikah.
Secara logika, disini tidak mungkin ada kode 0, atau data tidak
terhitung, karena kode 0 berarti: usia > 25, status menikah, namun
gender bukan kode 0 atau 1. karena gender hanya 2 kode, maka tidak
mungkin gender tidak terpilih, jadi minimal ada 1 hitungan.
Output diatas bisa disimpan dengan nama COUNT_3.
Demikian seterusnya bisa dilakukan penghitungan data dengan
COUNT untuk berbagai variasi, termasuk didalamnya ingin melihat
apakah ada data yang missing.

Anda mungkin juga menyukai