1

SPSS (statistical package for the social sciences) adalah sebuah program pada komputer
yang digunakan untuk membuat analisis statistika. SPSS (pertama dirilis pada tahun 1968, dan
diciptakan oleh norman nie, seorang lulusan Fakultas Ilmu Politik dari Stanford University, yang
sekarang menjadi Profesor Peneliti Fakultas Ilmu Politik di Stanford dan Profesor Emeritus Ilmu
Politik di University of Chicago.

Sekarang ini SPSS yang berkembang sudah berbasis Windows sehingga di kenal dengan
SPSS for windows. Petama kali muncul versi windows adalah SPSS for Windows versi 6.00, hingga
kini SPSS yang paling terbaru adalah SPSS 19. SPSS memilik banyak kegunaan bagi pengguna
seperti peneliti pasar, peneliti kesehatan, perusahaan survei, pemerintah, peneliti pendidikan,
organisasi pemasaran, dan sebagainya.

Pada dasarnya pengoperasian SPSS memiliki kesamaan dalam berbagai versi, perbedaan
hanya pada fasilitas tambahan yang ditawarkan. Selain itu, SP SS merupakan software statistik yang
paling populer, fasilitasnya sangat lengkap dibandingkan dengan software lainnya. Oleh karena itu,
diharapkan dengan penggunaan SPSS dapat mem erika kemudahan dan ketepatan dalam mengolah
data.
Ada beberapa eknik statisti yang dapat digunakan untuk menganalisis data. Tujuan dari
analisis data adalah untuk mendapatkan informasi yang relevan yang terdapat dalam data tersebut
dan menggunakan hasilnya untuk memecahkan suatu masalah, sebelum mengolah data, diperlukan
pengelompokkan data terlebih dahulu agar dapat menghasilkan penelitian dengan hasil yang baik.

DATA PENELITIAN:

a. Data metriks atau data kuantitatif yaitu data yang berupa angka menunjukkan jumlah atau
banyaknya sesuatu unit.
b. Data nonmetrik atau data kualitatif yaitu data yang berupa huruf, data yang dikategorisasi
tetapi tidak dapat dikuantitatifkan atau dioperasikan dalam hitungan. misalnya jenis kelamin.
Beberapa kemudahan yang lain yang dimiliki SPSS dalam pengoperasiannya adalah karena SPSS
menyediakan beberapa fasilitas seperti berikut ini :
1.Data Editor

Merupakan jendela untuk pengolahan data. Data editor dirancang sedemikian rupa seperti pada
aplikasi-aplikasi spreadsheet untuk mendefinisikan, memasukkan, mengedit, dan menampilkan data.

2.Multidimensional Pivot Tables.

Hasil pengolahan data akan ditunjukkan dengan multidimensionalpivot tables. Pemakai dapat
melakukan eksplorasi terhdap tabel dengan pengaturan baris, kolom, serta layer. Pemakai juga dapat
dengan mudah melakukan pengaturan kelompok data dengan melakukan splitting tabel sehingga
hanya satu group tertentu saja yang ditampilkan pada satu waktu.

3.Viewer

Viewer mempermudah pemakai untuk melihat hasil pemrosesan, menunjukkan atau menghilangkan
bagian-bagian tertentu dari output, serta memudahkan distribusi hasil pengolahan dari SPSS ke
aplikasi-aplikasi yang lain.

4.High-Resolution Graphics

Dengan kemampuan grafikal beresolusi tinggi, baik untuk menampilkan pie charts, bar charts,
histogram, scatterplots, 3-D graphics, dan yang lainnya, akan membuat SPSS tidak hanya mudah
dioperasikan tetapi juga membuat pemakai merasa nyaman dalam pekerjaannya.

5.Data Transformations

Transformasi data akan membantu pemakai memperoleh data yang siap untuk dianalisis. Pemakai
dapat dengan mudah melakukan subset data, mengkombinasikan kategori, add, aggregat, merge, split,
dan beberapa perintah transpose files, serta yang lainnya.

6.Database Access.

Pemakai program ini dapat memperoleh kembali informasi dari sebuah database dengan menggunakan
Database Wizard yang disediakannya.\

7.Analisis Distribusi

Fasilitas ini diperoleh pada pemakaian SPSS for Server atau untuk aplikasi multiuser. Kegunaan dari
analisis ini adalah apabila peneliti akan menganalisis file-file data yang sangat besar dapat langsung
me-remote dari server dan memprosesnya sekaligus tanpa harus memindahkan ke komputer user.
 2
STATISTIK PARAMETRIK

Statistik Parametrik, yaitu ilmu statistik yang mempertimbangkan jenis sebaran atau distribusi data,
yaitu apakah data menyebar secara normal atau tidak. Dengan kata lain, data yang akan dianalisis
menggunakan statistik parametrik harus memenuhi asumsi normalitas. Pada umumnya, jika data tidak
menyebar normal, maka data seharusnya dikerjakan dengan metode statistik non-parametrik, atau
setidak-tidaknya dilakukan transformasi terlebih dahulu agar data mengikuti sebaran normal, sehingga
bisa dikerjakan dengan statistik parametrik.

Contoh metode statistik parametrik :

a. Uji-z (1 atau 2 sampel)

b. Uji-t (1 atau 2 sampel)
c. Korelasi pearson,
d. Perancangan percobaan (one or two-way anova parametrik), dll.

Ciri-ciri statistik parametrik :

- Data dengan skala interval dan rasio

- Data menyebar/berdistribusi normal

Keunggulan dan kelemahan statistik parametrik :

Keunggulan :

1. Syarat syarat parameter dari suatu populasi yang menjadi sampel biasanya tidak diuji dan
dianggap memenuhi syarat, pengukuran terhadap data dilakukan dengan kuat.
2. Observasi bebas satu sama lain dan ditarik dari populasi yang berdistribusi normal serta
memiliki varian yang homogen.

Kelemahan :

1. Populasi harus memiliki varian yang sama.

2. Variabel-variabel yang diteliti harus dapat diukur setidaknya dalam skala interval.
3. Dalam analisis varian ditambahkan persyaratan rata-rata dari populasi harus normal dan
bervarian sama, dan harus merupakan kombinasi linear dari efek-efek yang ditimbulkan.

STATISTIK NON-PARAMETRIK
 Statistik Non-Parametrik adalah test yang modelnya tidak menetapkan syarat-syaratnya yang
mengenai parameter-parameter populasi yang merupakan induk sampel penelitiannya. Oleh karena
itu observasi-observasi independent dan variabel yang diteliti pada dasarnya memiliki kontinuitas. Uji
metode non parametrik atau bebas sebaran adalah prosedur pengujian hipotesa yang tidak
mengasumsikan pengetahuan apapun mengenai sebaran populasi yang mendasarinya kecuali selama
itu kontinu.
Pendeknya: Statistik Non-Parametrik adalah yaitu statistik bebas sebaran (tidak mensyaratkan
bentuk sebaran parameter populasi, baik normal atau tidak). Selain itu, statistik non-parametrik
biasanya menggunakan skala pengukuran sosial, yakni nominal dan ordinal yang umumnya tidak
berdistribusi normal.

Contoh metode statistik non-parametrik (selengkapnya dapat dilihat disini) :

a. Uji tanda (sign test)

b. Rank sum test (wilcoxon)
c. Rank correlation test (spearman)
d. Fisher probability exact test.
e. Chi-square test, dll

Ciri-ciri statistik non-parametrik :

- Data tidak berdistribusi normal

- Umumnya data berskala nominal dan ordinal

- Umumnya dilakukan pada penelitian sosial
- Umumnya jumlah sampel kecil

Keunggulan dan kelemahan statistik non-parametrik :

Keunggulan :

1. Tidak membutuhkan asumsi normalitas.

2. Secara umum metode statistik non-parametrik lebih mudah dikerjakan dan lebih mudah
dimengerti jika dibandingkan dengan statistik parametrik karena ststistika non-parametrik
tidak membutuhkan perhitungan matematik yang rumit seperti halnya statistik parametrik.
3. Statistik non-parametrik dapat digantikan data numerik (nominal) dengan jenjang (ordinal).
4. Kadang-kadang pada statistik non-parametrik tidak dibutuhkan urutan atau jenjang secara
formal karena sering dijumpai hasil pengamatan yang dinyatakan dalam data kualitatif.
5. Pengujian hipotesis pada statistik non-parametrik dilakukan secara langsung pada pengamatan
yang nyata.
6. Walaupun pada statistik non-parametrik tidak terikat pada distribusi normal populasi, tetapi
dapat digunakan pada populasi berdistribusi normal.
Kelemahan :

1. Statistik non-parametrik terkadang mengabaikan beberapa informasi tertentu.

2. Hasil pengujian hipotesis dengan statistik non-parametrik tidak setajam statistik parametrik.
3. Hasil statistik non-parametrik tidak dapat diekstrapolasikan ke populasi studi seperti pada
statistik parametrik. Hal ini dikarenakan statistik non-parametrik mendekati eksperimen
dengan sampel kecil dan umumnya membandingkan dua kelompok tertentu.

3
Alasan penggunaan ANOVA
Uji hipotesis dengan ANOVA digunakan, setidaknya karena beberapa alasan berikut:

1. Memudahkan analisa atas beberapa kelompok sampel yang berbeda dengan resiko
kesalahan terkecil.
2. Mengetahui signifikansi perbedaan rata-rata () antara kelompok sampel yang satu
dengan yang lain. Bisa jadi, meskipun secara numeris bedanya besar, namun
berdasarkan analisa ANOVA, perbedaan tersebut TIDAK SIGNIFIKAN sehingga
perbedaan bisa diabaikan. Sebaliknya, bisa jadi secara numeris bedanya kecil, namun
berdasarkan analisa ANOVA, perbedaan tersebut SIGNIFIKAN, sehingga minimal ada
satu yang berbeda dan perbedaan antar kelompok sampel tidak boleh diabaikan.
3. Analisis varians relatif mudah dimodifikasi dan dapat dikembangkan untuk berbagai
bentuk percobaan yang lebih rumit. Selain itu, analisis ini juga masih memiliki keterkaitan
dengan analisis regresi. Akibatnya, penggunaannya sangat luas di berbagai bidang,
mulai dari eksperimen laboratorium hingga eksperimen periklanan, psikologi, dan
kemasyarakatan.

Asumsi-asumsi yang harus dipenuhi dalam analisis

varians (anova):

1. Data berdistribusi normal, karena pengujiannya menggunakan uji F-Snedecor

2. Varians atau ragamnya homogen, dikenal sebagai homoskedastisitas, karena hanya
digunakan satu penduga (estimate) untuk varians dalam contoh
3. Masing-masing contoh saling bebas, yang harus dapat diatur dengan perancangan
percobaan yang tepat
4. Komponen-komponen dalam modelnya bersifat aditif (saling menjumlah).

Asumsi yang pertama harus dipenuhi pada saat pengambilan sampel yang
dilakukan secara random terhadap beberapa (> 2) kelompok yang independen,
yang mana nilai pada satu kelompok tidak tergantung pada nilai di kelompok lain.
Sedangkan pemenuhan terhadap asumsi kedua dan ketiga dapat dicek jika data
telah dimasukkan ke komputer. Jika asumsi ini tidak terpenuhi dapat
dilakukan transformasi terhadap data.

Apabila proses transformasi tidak juga dapat memenuhi asumsi ini maka uji Anova
tidak valid untuk dilakukan, sehingga harus menggunakan uji non-parametrik
misalnya Kruskal Wallis.

Kegunaan Anova

Anova digunakan sebagai alat analisis untuk menguji hipotesis penelitian yang mana
menilai adakah perbedaan rerata antara kelompok. Hasil akhir dari analisis ANOVA
adalah nilai F test atau F hitung. Nilai F Hitung ini yang nantinya akan dibandingkan
dengan nilai pada tabel f. Jika nilai f hitung lebih dari f tabel, maka dapat
disimpulkan bahwa menerima H1 dan menolak H0 atau yang berarti ada perbedaan
bermakna rerata pada semua kelompok.

4
Uji normalitas data adalah uji untuk mengukur apakah data yang didapatkan memiliki
distribusi normal sehingga dapat dipakai dalam statistik. Dengan kata lain uji normalitas adalah uji
untuk mengetahui apakah data empirik yang didapatkan dari lapangan itu sesuai dengan distribusi
teori tertentu, dalam kasus ini distribusi normal. Dengan kata lain apakah data yang diperoleh dari
populasi yang berdistribusi normal. Tujuan uji normalitas adalah untuk mengetahui apakah distribusi
sebuah data mendekati distribusi normal, yakni distribusi data yang mempunyai pola seperti distribusi
normal.
Pengujian normalitas data berfungsi atau bertujuan untuk mengetahui apakah distribusi data
yang didapatkan dari penyebaran kuesioner kepada para responden penelitian yang terdiri dari
beberapa stratum (unsur) yang mewakili beberapa pihak (sub populasi) berdistribusi normal atau tidak
normal. Berdistribusi normal artinya bahwa jumlah kuesioner yang diberikan kepada masing-masing
stratum berlaku secara proporsional menurut jumlah subyek pada masing-masing stratum (Hartono,
2008).
Pengujian normalitas data tidak berlaku terhadap para responden yang ditentukan dengan
cara sensus. Selanjutnya, apabila hasil pengujian normalitas menunjukkan bahwa data berdistribusi
tidak normal, maka data yang diperoleh dianggap tidak memenuhi persyaratan normalitas penyebaran
kuesioner penelitian kepada para responden yang terdiri dari beberapa unsur (sub populasi) dan
sebaliknya. Jika penyebaran kuesioner penelitian tidak berdistribusi normal maka pengolahan data
tidak bisa dilanjutkan ke dalam pengukuran pengaruh/hubungan dan pengujian hipotesis. Alasannya,
penyebaran jumlah kuesioner kepada masing-masing stratum (sub populasi) tidak proporsional
(Sarwono, 2006).
Banyak sekali tehnik pengujian normalitas suatu distribusi data yang telah dikembangkan
oleh para ahli beberapa tehnik yang bisa kita gunakan untuk menguji normalitas secara analitis yaitu
melalui rumus Kolmogorov-Smirnov dan Shapiro-wilk. Sedangkan secara deskriptif uji normalitas
data dilakukan melalui Q-Q Plot, Box Plot, Histogram, Kurtosis, dan Skweness.

6
Judul Penelitian : UJI AKTIVITAS ANTIBAKTERI EKSTRAK ETANOL
DAUN KECOMBRANG Etlingera elatior (Jack) R.M.Sm TERHADAP
Salmonella typhi
Analisis Data
Data hasil penelitian yang diperoleh dianalisis dengan uji Statistic menggunakan SPSS IBM
20. Apabila data yang diperoleh berdistribusi normal, maka digunakan One Way ANOVA dan
apabila data tidak berdistribusi normal maka menggunakan Kruskal-Wallis signifikansi ( = 5%).
Metode analisis yang digunakan adalah deskriptif, yaitu data berupa zona hambat (mm) dan
golongan senyawa metabolit sekunder yang terkandung dalam daun kecombrang (Etlingera elatior
(Jack) R.M.Sm).

Tabel 1. Hasil Uji golongan senyawa kimia

Uji Pereaksi Hasil Pustaka Keterangan
Alkaloid Meyer tidak ada endapan Endapan Putih _
Bouchardat Endapan coklat Endapan Coklat- +
Hitam
Dragendorf tidak ada endapan Endapan Merah Bata _
Tanin FeCl3 1% Hijau Kehitaman Biru Tua atau Hijau +
Kehitaman
Flavonoid HCl Pekat + Kuning Merah, Kuning, +
Mg, + Amil Jingga
Alkohol
Saponin HCl 2N Berbuih Buih tidak hilang +
 Tabel 2. Hasil pengukuran diameter zona hambat ekstrak etanol daun kecombrang
terhadap
Salmonella typhi.

Konsentrasi Zona Hambat (mm)

I II III Rata-rata (mm)
Kontrol Negatif 0 0 0 0
20% 5.65 3.35 2.7 3.90
40% 7.1 6.75 5.65 6.50
60% 8.2 6.3 5.8 6.76
80% 8.85 7.85 7.3 7.45
100% 12.15 9 6.7 9.28
Kontrol Positif 32 33,8 32,05 32.61

Data yang diperoleh dianalisis mengunakan SPSS IBM 20. Terlebih dahulu data dianalisis
untuk mengetahui apakah berdistribusi normal. Pada uji One-Sampel Kolmogorov-Smirnov test
menunjukan bahwa nilai D (Absolute) yaitu 0,07 atau signifikansi lebih besar dari 0,05, ini
menunjukkan bahwa data yang diperoleh peneliti berdistribusi normal. Selanjutnya dilakukan
analisis menggunakan uji One Way ANOVA. Berdasarkan Uji One Way ANOVA menunjukkan
bahwa uji tersebut memiliki signifikansi kurang dari 0,05 dengan keputusan yang berarti
terdapat perbedaan bermakna dari hasil perlakuan pada daya hambat masing-masing konsentrasi
ekstrak etanol daun Kecombrang.

SIMPULAN
Dari hasil penelitian mengenai aktivitas antibakteri ekstrak etanol daun kecombrang terhadap
bakteri Salmonella typhidiperoleh kesimpulan bahwa semakin besar konsentrasi ekstrak etanol
kecombrang, semakin besar pula zona hambat yang dihasilkan.