Anda di halaman 1dari 22

TUGAS STATISTIK KEPERAWATAN

PENGENALAN PROGRAM PENGOLAHAN DATA

OLEH :
NI WAYAN LINSA MIRAWATI GALUH P07120215015
NI PUTU AYU SANDRIANI P07120215016
NI MADE RISTYA KUSUMA DEWI P07120215017
BAIQ CICI KAMALIANI P07120215018
PUTU DIAH GITA PARAMITA P07120215019
KADEK AYU RASTITI DEWI P07120215020
NI LUH PUTU KEMALA PUTRI P07120215021

KEMENTERIAN KESEHATAN REPUBLIK INDONESIA


PRODI D-IV JURUSAN KEPERAWATAN
POLTEKKES DENPASAR
TAHUN 2018
KATA PENGANTAR

Puji syukur kami panjatkan kepada Tuhan Yang Maha Esa karena atas rahmat
dan anugerah-Nya kami dapat meyelesaikan tugas makalah yang berjudul
“Pengenalan Program Pengolah Data” ini tepat pada waktunya. Penyusunan makalah
ini bertujuan untuk menyelesaikan tugas mata kuliah Statistik Keperawatan.
Kami menyadari bahwa makalah ini masih jauh dari kata sempurna, oleh karena
itu kami harapkan kritik dan saran dari semua pihak yang bersifat membangun, demi
kesempurnaan makalah ini kedepannya. Akhir kata kami mengucapkan terimakasih
kepada semua pihak yang berperan dalam penyusunan tugas makalah ini baik secara
materil maupun formil.

Denpasar, 18 Maret 2018

Penulis
DAFTAR ISI
BAB I
PENDAHULUAN

Perkembangan teknologi yang semakin pesat saat ini mempengaruhi kehidupan


kita, juga pola perkembangan tingkah laku masyarakat terutama dalam penggunaan
teknologi. Dunia pendidikan dan dunia kerja merupakan salah satu yang paling
banyak memanfaatkan teknologi dalam hal ini teknologi informasi , karena teknologi
informasi menyediakan proses yang cepat, tepat, dan menghasilkan tingkat
keakuratan yang lebih. Dalam lingkungan perusahaan dan sekolah, komputer adalah
alat bantu yang mutlak diperlukan sebagai pendukung pemrosesan data dan
informasi. Penyediaan informasi yang cepat dan akurat, sangat membantu pihak
manajemen untuk memimpin suatu perusahaan atau sekolah, karena tidak cukup
hanya dengan kemampuan dan pikiran saja untuk mencapai suatu tujuan organisasi.
Pengolahan data yang baik akan mempermudah suatu perusahaan atau sekolah
dalam pemantapan manajemennya, sebaliknya sistem lama yang masih lambat dan
tidak berkualitas tidak akan mampu mendukung kegiatan proses kerja suatu
perusahaan atau manajemen sekolah dalam mencapai tujuannya. Pengolahan data
yang cepat, tepat, akurat, dan ruang penyimpanan yang besar terhadap data yang baik
dapat dinilai dari sistem informasinya. Semakin baik sistem informasi yang
dipergunakan maka semakin baik pula informasi yang akan dihasilkan. Untuk
menyediakan informasi yang baik tersebut harus didukung oleh penggunaan media
dan sistem informasi yang baik mudah dioperasikan serta sumber daya manusia yang
terlatih.
BAB II
PEMBAHASAN

2.1 DEFINSI
Data merupakan sesuatu yang belum mempunyai arti dan memerlukan
adanya suatu pengolahan. Data dapat berwujud suatu keadaan, gambar, suara,
huruf, angka, Bahasa, ataupun simbol-simbol lainnya yang bisa digunakan
sebagai bahan untuk melihat lingkungan, objek, kejadian, ataupun suatu
konsep. Berdasarkan sumbernya, data dapat dibedakan menjadi 2, yaitu :
A. Data Primer
Merupakan data yang didapatkan atau dikumpulkan sendiri,
Contohnya : data dengan melakukan wawancara, observasi, dan penelitian
di lapangan atau laboratorium.
B. Data Sekunder
Merupakan data yang didapatkan dari pihak lain.
Contohnya : data yang berasal dari BPS, LIPI, Bank, dan lainnya.
Berdasarkan jenisnya, data dapat dibedakan menjadi 2, yaitu :
1. Data Kuantitatif, merupakan data yang dapat dinyatakan dengan
bilangan.
2. Data Kualitatif, merupakan data yang tidak dapat dinyatakan dengan
bilangan (menyatakan mutu dan kualitas.
Sedangkan, pengolahan data atau data processing merupakan manipulasi
data ke bentuk yang lebih informatif atau berupa hasil informasi. Informasi
merupakan hasil dari kegiatan pengolahan suatu data dalam bentuk tertentu
yang lebih berarti.

2.2 MANFAAT
Dengan digunakannya pengolahan data elektronik, maka manfaat yang
dapat diperoleh adalah meminimalkan kebutuhan tenaga manusia, hal ini
karena beberapa pekerjaan dilakukan secara otomatis oleh peralatan bantuan
seperti komputer. Keuntungan lain adalah kemampuan komputer untuk
memproses data lebih besar, keakuratan yang lebih besar, kecepatan yang
lebih besar, fasilitas pengendalian otomatis dan pengolahan secara serentak.
Terdapat beberapa manfaat dasar dari pengolahan data, yaitu sebagai berikut :
a. Pengolahan data untuk mengambil data berupa masukan atau input data.
b. Pengolahan data untuk menjalankan proses aritmatika pada suatu data.
c. Pengolahan data untuk menyimpan hasil, menampilkan dan mencetak
data.

2.3 TUJUAN
Untuk mengambil informasi asli (data) dan darinya menghasilkan informasi
lain dalam bentuk yang berguna (hasil).

2.4 PROSES PENGOLAHAN DATA


a. Editing
Editing meliputi kegiatan koreksi dan seleksi data yang telah dikumpulkan.
Data yang terkumpulkan dikoreksi satu per satu, baik data primer hasil
pengukuran maupun data sekunder. Kegiatan koreksi data terkandung
maksud untuk mendapat data yang benar, sehingga diharapkan nanti dalam
analisis tidak terjadi kesalahan simpulan. Kegiatan seleksi data adalah
memilah-milah data yang terkumpul untuk mendapatkan data yang sesuai
dengan kebutuhan penelitian. Data yang tidak diperlukan disisihkan,
sehingga tidak terjadi pemborosan analisis dan analisis sudah terarah sesuai
dengan tujuan penelitian. Biasanya selain kegiatan koreksi dan seleksi,
kegiatan editing juga dilanjutkan dengan pengelompokan data, sehingga
langkah selanjutnya lebih efisien.
b. Coding
Kegiatan coding merupakan kegiatan pemberian kode pada data. Kegiatan
coding bertujuan untuk meringkas data dan memudahkan dalam analisis
data. Seyogyanya kode yang diberikan pada data berbentuk numerik,
karena mempercepat proses analisis data pada komputer. Data yang telah
berbentuk numerik tidak perlu dikode, misalnya umur, jumlah keluarga,
tinggi badan, berat badan, dll. Data yang dikode umumnya data yang
berskala nominal atau ordinal. Data dalam skala interval dan ratio dapat
saja dilakukan pengkodean, untuk data tertentu, misalnya datanya besar.
Angka kode yang telah dibuat hendaknya jangan sampai hilang, karena
merupakan kunci nantinya bila data dikembalikan kepada informasi yang
sebenarnya.
Contoh : Data tingkat pendidikan meliputi : tidak tamat SD, SD, SLTP,
SLTA dan PT, untuk tidak tamat SD diberi kode 1, SD dibei kode 2, SLTP
diberi kode 3, SLTA diberi kode 4 dan PT diberi kode 5. Data jenis kelamin
meliputi laki-laki dan wanita, laki-laki dikode 1 dan wanita dikode 2.
c. Klasifikasi/ Pengelompokkan
Pada kegiatan klasifikasi, data dikelompokkan sesuai dengan kodenya, atau
menurut kebutuhan analisis nantinya. Kegiatan pengelompokan dapat
sekaligus dengan pengkodean, sehingga memudahkan dalam
pengelompokan. Pengelompokkan dapat dilakukan secara manual atau
dengan komputerisasi. Misal : pengelompokan sosial ekonomi : yang berisi
tingkat pendapatan, jenis mata pencaharian, jumlah pengeluaran.
Pengelompokan sosial budaya yang meliputi data tingkat pendidikan, suku,
kebiasaan, adat. Pengelompokan karakteristik responden yang meliputi
umur, jenis kelamin, jumlah keluarga.
d. Saving
Kegiatan saving pada penelitian yang singkat biasanya tidak dilakukan,
karena data langsung diolah dan dianalisis lebih lanjut. Pada penelitian
yang memerlukan waktu yang lama seperti kohort atau longitudinal
biasanya data tidak segera dianalisis, sehingga perlu dilakukan
penyimpanan data. Penyimpanan data dapat dilakukan secara manual
ataupun elektronik. Penyimpanan data dalam bentuk manual dapat
berbentuk lembar jawaban kuesioner, kartu kode, laporan sementara.
Penyimpanan dalam elekronik dapat berupa rekaman dalam disket atau
hardisk komputer
e. Tabulating
Tabulating pada kegiatan pengolahan data merupakan kegiatan
meringkas jawaban dari kuesioner menjadi satu tabel induk yang
memuat semua jawaban responden. Jawaban responden dalam bentuk
kode-kode yang disepakati pengolah data. Contoh :
No. Resp Us Jk Jkk Pend Pekj Agm Tran Asr Rsk Inf Skt Hum
1. Ali 45 1 4 4 7 1 1 1 1 1 1 1
2. Das 34 1 3 2 7 1 2 1 2 1 2 2
3. Leo 56 1 5 3 7 1 2 1 1 1 2 2
4. Pit 48 1 6 4 6 1 2 1 3 1 2 3
5. Puy 50 2 5 3 5 2 2 1 3 1 2 1
6. Min 46 2 5 3 2 1 2 1 4 3 2 2
7. Noi 49 2 5 3 6 2 1 1 2 3 2 3
8. Kla 52 1 7 2 6 1 2 1 1 3 2 1
9. Bas 53 1 7 2 1 2 2 1 2 2 2 1
10. Asn 60 2 7 2 1 3 2 1 2 2 1 3
dst

2.5 JENIS PENGOLAHAN DATA


A. Metode Pengolahan Data Manual
Pengolahan data manual dapat dilakukan dengan menggunakan kalkulator
B. Metode Pengolahan Data Software
Berikut ini merupakan software statistika yang sering digunakan dalam
dunia pendidikan maupun dalam dunia pekerjaan :
1. SPSS
SPSS (Statistical Package for the Social Software) merupakan salah
satu program yang paling banyak digunakan untuk menganalisis ilmu
sosial. Program ini sering digunakan oleh pemerintah, peneliti
kesehatan, peneliti pasar, peneliti pendidikan, organisasi pemasaran,
dan sebagainya. Selain analisis statistika, SPSS pun dapat
mengeksplorasi data yang telah terkumpul dan sebagai predictive
analytic.
2. MINITAB
Minitab merupakan salah satu program komputer yang banyak
digunakan untuk mempermudah pengolahan data statistik.
Keunggulan dari program tersebut adalah dapat mengolah data
statistika untuk tujuan sosial dan teknik. Hasil analisis di program
MINITAB dapat ditampilkan dalam histrogram, plot, dan angka.
Dengan hanya memberikan satu atau dua perintah, bahkan dapat
digabungkan dengan program pengolah data lain seperti Microsoft
Office.
3. SAS
SAS adalah singkatan dari Statistical Analysis System yang disediakan
oleh SAS Institute Inc. SAS dirancang menggunakan bahasa
pemograman, dan dirancang untuk keperluan berbagai bidang dengan
fitur : melakukan entri data, analisis statistik, peramalan untuk
mendukung keputusan, riset operasi, peningkatan kualitas
pengembangan aplikasi data dan lain sebagainya
Pemrograman dalam SAS dikategorikan dalam 2 jenis, yaitu:
a. Data step, untuk membuat, membaca atau pun memanipulasi data
b. Proc step (procedure step), digunakan untuk menganalisa,
meringkas ataupun membuat tabulasi dari sebuah data.
4. LISREL
Lisrel (Linear Structural Relationship) adalah software statistic yang
ketiga yang paling sering digunakan dalam bidang akademis maupun
praktisi yang merupakan salah satu program komputer yang dapat
mempermudah analisis untuk menyelesaikan masalah-masalah yang
tidak dapat diselesaikan oleh perangkat analisis konvensional. Lisrel
banyak digunakan dalam berbagai ilmu pengetahuan sosial, sehingga
dalam versi terbarunya dibuat lebih interaktif dan mudah, serta
memiliki banyak fitur yang cukup lengkap. Penerapannya juga makin
luas di bidang ilmu sosial dan ilmu perilaku untuk pengambilan
keputusan
5. AMOS
AMOS adalah singkatan dari Analysis of Moment Structure yang
merupakan salah satu software yang digunakan untuk mengestimasi
model pada model SEM (Structural Equation Model). Dengan
menggunakan Amos maka perhitungan rumit dalam SEM akan jauh
lebih mudah dilakukan dibandingkan dengan menggunakan perangkat
lunak lainnya sehingga untuk orang-orang awam sekalipun yang
bukan ahli statistic akan dapat menggunakan dan memahaminya
dengan mudah. Selain itu, penggunaan Amos akan mempercepat
dalam membuat spesifikasi, melihat serta melakukan modifikasi model
secara grafik dengan menggunakan tool yang sederhana. AMOS
diambil alih oleh Microsoft untuk disesuaikan dengan versi SPSS saat
ini.
6. EVIEWS
EVIEWS adalah singkatan dari Economic Views yang merupakan
perangkat lunak (software) yang banyak digunakan untuk kepentingan
analisis data ekonomi dan keuangan. Software ini banyak digunakan
dalam pendidikan, pemerintah dan industri. EVIEWS menyajikan
perangkat analisis data, regresi dan peramalan (regression and
forecasting). EVIEWS dapat memanipulasi data time series. Kegunaan
lain dari software ini antara lain adalah analisis data dan evaluasinya,
analisis financial, peramalan ekonomi makro, simulasi, peramalan
penjualan dan analisis biaya.
7. R – Software
R adalah software statistik yang bebas (free software) dibawah lisensi
GNU (GNU is not unix) General is Public Licence yang menjamin
selalu agar R selalu bebas. Lebih tepatnya R bukanlah suatu program
statistika, namun sebuah lingkungan pemograman yang banyak
digunakan statistisi. R menyediakan penanganan dan penyimpanan
data, mendukung banyak operator perhitungan, menyediakan banyak
alat untuk analisis data, menampilkan kemampuan graphical yang baik
dan merupakan bahasa pemograman langsung yang didasarkan pada
bahasa pemograman S yang ditulis oleh Rick Becker, John Chambers,
dan Allan Wilks dari AT&T Bell Laboratories. Nama R diambil dari
nama depan penulisnya yaitu Ross Ihaka dan Robert Gentlement di
Departemen Statistika Universitas Auckland Selandia Baru.
8. STATA
STATA adalah singkatan dari Statistika dan Data yaitu program
komputer yang digunakan untuk analisa statistika. Program ini dibuat
oleh StataCorp tahun 1985. Dirancang untuk keperluan ekonomi,
sosiologi dan epidemiologi dengan berbagai fitur manajemen data,
analisis statistika, grafik, simulasi dan pemograman.
9. Microsoft Access
Microsoft Access mempunyai ciri khas yaitu icon-nya berbentuk kunci
dan memiliki ekstention mdb. Microsoft Access merupakan salah satu
paket dari Microsoft Office yang di release oleh perusahaan perangkat
lunak dunia yaitu Microsoft. Program aplikasi pengolah data
(Microsoft Access) pada prinsipnya lebih banyak menekankan fitur di
bidang pengaturan database. Semakin tinggi versi sebuah program
aplikasi pengolah data, maka semakin canggih dan lengkap pula
perintah-perintah yang dimiliki, bahkan selalu disempurnakan dengan
fitur-fitur yang berhubungan dengan teknologi yang sedang
berkembang (misalnya internet) serta dikembangkan hubungan
Microsoft Access dengan program aplikasi lain.

2.6 CARA PENGGUNAAN SPSS


Pelaksanaan penelitian dengan pendekatan kuantitatif memiliki
serangkaian proses yang relatif rumit dan panjang. Salah satu tahapan dalam
rangkaian proses tadi dan sagat besar perannya dalam proses penyelesaian
suatu penelitian, yaitu tahap proses pengolahan dan out put data penelitian.
Dalam praktiknya, pelaksanaan tahap proses pengolahan dan out put
data penelitian ini dapat dilakukan melalui cara, yaitu melalui cara manual dan
cara digital. Cara manual dilakukan melalui bantuan alat-alat kantor (ATK)
atau dengan bantuan komputer sebatas dalam bentuk print out.
Dalam bentuk print out, maka print out itu berupa lembaran kertas
yang sudah tercetak, di mana lembaran itu berisi sel-sel tabel yang
diperuntukkan sebagai isian item-item beserta alternatif jawaban dari setiap
item pada suatu lembaran kuesioner penelitian. Lebar dan panjang print out
tadi ukurannya tergantung pada banyaknya item dalam suatu kuesioner.
Persoalan ini sangat penting diperhatikan karena akan berhubungan dengan
proses pengolahan data nantinya.
Dalam proses pengolahan data sendiri, tingkat presisi yang tinggi
sangat diperlukan agar temuan hasil pengolahan data penelitian bersifat
akurat. Jika tidak presisi, hasil olah data kemungkinan besar akan menceng
(bias). Selanjutnya, setelah data diperoleh melalui proses pengolahan data
manual tadi, maka data manual ini kembali diolah secara statistik, dan ini
dilakukan sesuai kebutuhan penelitian.
Begitulah kira-kira gambaran pengolahan data dan out put data
penelitian jika dilakukan secara manual, sifatnya cenderung rumit dan
melelahkan. Akan tetapi, seiring dengan perkembangan IPTEK, cara-cara
manual tadi kini sudah dapat diatasi, yaitu dengan menerapkan aplikasi
program SPSS (Statistical Product and Service Solutions). (Santoso. 2001).
Pada intinya program SPSS ini, sangat membantu kita dalam hal : 1)
mengentry (memasukkan) data penelitian mengikuti struktur kuesioner
penelitian; 2) mengharmonisasi data penelitian sesuai kaidah statistik; dan 3)
meng-analysis (mengolah) data penelitian sesuai kebutuhan penelitian. Sejalan
dengan ketiga inti pokok dari program SPSS tadi, maka tulisan ini akan
mencoba fokus pada tiga inti pokok dari program SPSS dimaksud. Dengan
fokus dimaksud, hasil telaahnya melalui bahasan makalah ini, diharapkan
sangat berguna bagi para siapa saja yang tertarik dengan fenomena
pengolahan data, terutama bagi para mahasiswa yang sedang belajar metode
penelitian.
Sesuai sistematika fokus masalah sebelumya, maka tulisan ini akan
membahasnya pertama dari persoalan entry data. Setelah itu disusul
pembahasan tentang harmonisasi data penelitian dan diakhiri dengan topik
analysis (mengolah) data penelitian.

A. Entry (memasukkan) data


Sebagai inti utama dari esensi pemanfaatan program SPSS dalam
penelitian pendekatan kuantitatif, maka langkah-langkahnya meliputi :
pertama membuka program SPSS pada komputer yang aplikasinya
sudah di instal. Kedua, yaitu mengisi/mengentry variabel view dan data
view sesuai struktur kuesioner yang hendak diproses.
Untuk langkah pertama, maka prosesnya adalah , sbb.:
1. Membuka aplikasi program SPSS, hasilnya sbb. :

2. Untuk langkah kedua, yaitu mengisi/mengentry variabel view dan


data view
Caranya, pertama isi sel tabel dengan variabel view. Sebagai
contoh, di sini diambil contoh analisis agenda media Juni 2016 yang
dilakukan BPPKI Jakarta. Dalam tahap ini kita mengentri sel-sel tabel
SPSS sesuai dengan kuesioner yang diacu. Setelah melalui proses
variabel view, maka tampilan out put SPSS-nya menjadi sbb.:
Setelah proses tersebut, maka selanjutnya adalah melakukan proses
data view. Jika proses ini selesai dilakukan, maka tampilan out put
data view SPSS-nya adalah akan mengikuti apa yang dilakukan dalam
proses variabel view, yakni terkait dengan item-item dalam kuesioner
dan jika kita klik “data view” maka out putnya menjadi sbb.:

Demikianlah proses yang harus dilakukan dalam tahap 1) Entry


(memasukkan) data terkait aplikasi program SPSS, yang menurut
Santoso (2001) sebagaimana sudah disebut-sebut sebelumnya pada
bagian awal tulisan, adalah merupakan akronim dari Statistical Product
and Service Solutions).

B. Mengharmonisasi Data Penelitian Sesuai Kaidah Statistik


SPSS pada dasarnya adalah sebuah mesin, dia tidak memiliki jiwa
sebagaimana halnya manusia. Hal ini harus sangat disadari oleh para
pengguna aplikasi oprogram SPSS agar para penggunanya itu tidak keliru
dalam menggunakan out put SPSS. Karena dengan sifatnya tadi, SPSS
akan mengeluarkan out put apa saja jika diperintahkan manusia
penggunanya. Untuk menghindarkan hal ini, maka kita sebagai pengguna
harus paham sedikit banyaknya tentang ilmu statistik. Dalam hubungan
ini, maka untuk kepentingan inilah makanya diperlukan upaya
Mengharmonisasi Data Penelitian Sesuai Kaidah Statistik.
Upaya mengharmonisasi dimaksud tadi, pertama kali yang perlu
dilakukan adalah membenarkan level pengukuran. Dalam aplikasi
program SPSS 17,0 masalah level pengukuran ini posisinya dalam
rangkaian tabel SPSS berada paling ujung/akhir. Di situ tertulis measure
(jika diklik) dengan alternatif level data terdiri dari scale, ordinal dan
nominal. Guna harmonisasi sebagaimana dimaksudkan tadi, maka kita
menyesuaikan alternatif tadi dengan level data yang real dalam penelitian
kita. Guna harmonisasi ini pula kita harus paham tentang level data atau
level of measurement.
Dalam terminologi statistik, data level of measurement sendiri
dikenal ada empat, yaitu Nominal, Ordinal, Interval dan Ratio dan ini
lazim disingkat dengan akronim NOIR. Nominal yaitu data sepeti :
Agama, suku, status perkawinan dan lain sejenisnya. Ordinal seperti
tinggi, sedang dan rendah atau tidak baik hingga sangat baik, interval
seperti : 0-3; 4-6; 7-9; 10-12 dst nya; dan ratio misanya seperti
pendafatan per bulan; pengeluaran konsumsi per bulan, atau jumlah jajan
anak sekolah per bulan. Dengan memahami tipikal level data dimaksud,
maka kita akan mudah melevelisasinya dalam tabel setting SPSS. Dalam
contoh kasus sebagaimana barusan disebutkan, maka dalam praktiknya,
misalnya terkait data Nominal yaitu data sepeti : Agama, suku, status
perkawinan, maka pada ujung tabel setting SPSS tadi, kita harus ubah
levelnya menjadi Nominal. Jika tidak diubah, maka setting levelnya jadi
seadanya, yaitu tertulis dengan level scale. Kenapa demikian, karena
dalam setting SPSS soal level data ini biasanya sudah terprogram dengan
level scale semuanya. Karena itu kita perlu memperhatikan dan
mengubahnya sesuai dengan level data penelitian yang kita miliki guna
tercapai harmonisasi. Harmonisasi sangat diperlukan pada tahap
berikutnya, yaitu pada tahap pengolahan data dan tahap penggunaan
rumus-rumus statistik nantinya.

C. Meng-analysis (mengolah) data penelitian


Pada tahap ini, maka langkah pertama adalah mengisi variabel view.
Setelah melewati proses tersebut, maka hasilnya seperti berikut ini :

Setelah proses tadi, maka proses berikut adalah mengisi data view.
Data view isinya mengandung sel-sel tabel SPSS yang isinya berupa
ruang jawaban-jawaban atas item-item dari kuesioner penelitian.
Untuk kepentingan bahasan tulisan ini, masih dalam topik yang sama
terkait penggunaan SPSS, maka tabel out put SPSS-nya seperti
disajikan berikut ini.
Selanjutnya, yaitu melakukan pengolahan data. Hal ini dilakukan
sesuai kebutuhan. Cara melakukan pengolahan data yaitu pertama lihat
menu SPSS dan lalu pilih menu analyze dan klik. Hasil kerja ini
wujudnya seperti terlihat pada gambar copy SPSS berikut ini :

Untuk contoh kasus di atas, sesuai gambar tabel SPSS, yang kita pilih
dalam menu analysize adalah descriptive statistic--crosstabs- klik-
 ke luar seperti tampilan berikut :
Hingga tahap ini, maka pengolahan tinggal tergantung kita. Apa yang
kita mau dari SPSS itu. Misalnya saja kita ingin tahu dari penelitian
tadi mengenai nama suratkabar dalam edisinya terkait dengan bidang
masalah dan luas cm kolomnya dalam pemuatan berita, maka kita
harus mengentrinya ke dalam tabel SPSS. Setelah prosesnya selesai,
tinggal klik OK -- out putnya

Setelah melewati proses itu, maka kita tinggal meng- klik OK lagi dan
hasilnya berupa out put data SPSS sebagai berikut :
Bulan * Bidang masalah * Luas Cm kolom Crosstabulation

Count

Bidang masalah

Lain-lain
(hiburan,
kriminal,
lingkung
an Kese
hidup,
Luas Cm kolom Ideologi Politik Ekonomi Sosial Budaya Hukum dst) hatan Total

Bulan Januari 1 1

Total 1 1

0 - 200 Bulan Januari 1 1

Total 1 1

201 - 400 Bulan Januari 3 7 2 1 4 1 1 19

Total 3 7 2 1 4 1 1 19

401 - 600 Bulan Januari 2 21 14 10 4 51

Total 2 21 14 10 4 51

601 - 800 Bulan Januari 13 4 4 3 5 29

Total 13 4 4 3 5 29

801 - 1.000 Bulan Januari 1 3 3 1 8

Total 1 3 3 1 8

1.001 - 1.200 Bulan Januari 2 1 3

Total 2 1 3
Demikianlah seterusnya dalam melakukan praktek pengolahan data melalui
program SPSS. Namun dalam pembahasan makalah ini, praktek entry dan
pengolahan data SPSS baru dalam tahap awal dan dasar. Namun demikian, ini
menjadi pengetahuan dasar yang sangat penting tentunya bagi para pemula untuk tahu
lebih jauh terkait pengolahan data melalui program SPSS.
Pengetahuan lanjutan yang sekiranya perlu segera untuk ditingkatkan
terutama dalam kaitannya dengan penelitian pendekatan kuantitatif adalah tentang
bagaimana cara melakukan reliabelity test; distribution test, statistical test,
memahami makna out put statistical test. Hal ini menjadi urgent karena penelitian
kuantitatif kebenarannya sangat berbasis pada prosedur komponen tadi, yaitu
reliabelity test; distribution test, statistical test, dan memahami makna out put
statistical test.
BAB III
PENUTUP

3.1 KESIMPULAN
Pengolahan data merupakan salah satu bagian penting dalam penelitian dimana
dalam prosesnya terdapat metode pengumpulan data, peringkasan data hingga
pengelompokkannya. Dari segenap kegiatan yang dilakukan dalam pengolahan
data, semata – mata bertujuan untuk dapat membantu jalannya penelitian agar
dapat mencapai tujuannya yaitu melihat, memecahkan dan menjawab persoalan
yang tengah dipertanyakan dalam penelitian.

3.2 SARAN
Berdasarkan hasil kajian materi makalah yang kami susun maka beberapa saran
yang dapat kami uraikan sebagai berikut :
a. Dalam pengolahan data terdapat hal-hal yang harus diperhatikan oleh
orang yang melakukan pengolahan data tersebut agar sesuai dengan apa
yang telah dirumuskan sebelumnya.
b. Dalam pengolahan data terdapat data-data tertentu yang memiliki sifat
kerahasiaan, oleh karena itu perlu diperhatikan keamanannya agar data tetap
terjaga dari pihak yang tidak berkepentingan.
DAFTAR PUSTAKA

Djahir, Y & Pratita, D. (2014). Bahan Ajar Sistem Informasi Manajemen.


Yogyakarta: Deepublish.
Solution, W. (2008). Microsoft Access 2007 Tingkat Mahir. Jakarta: Elex Media
Komputindo
Dajan, Anto.1991. Pengantar Metode Statistik. Jilid 1. Cetakan Kelimabelas. Jakarta.
Pustaka LP3ES.
Santoso, Singgih. 2000. SPSS, Mengolah Data Statistik Secara Profesional. Cetakan
Keempat. Jakarta. Elek Media Komputindo, P.T.
Sugiyono. 2005. Statistika Untuk Penelitian. Cetakan Kedelapan. Bandung. Alfabet.
Listy, Ani. 2015. Tujuan dan Fungsi Pengolahan Data.
www.scribd.com/document/343075032/Tujuan-Dan-Fungsi-Pengolahan-Data
(Online). Diakses pada 18 Maret 2018 pukul 18.17 WITA.
Wijaya, Maria. 2016. Pengolahan Data.
www.scribd.com/doc/301024900/Pengolahan-Data (Online). Diakses pada 18
Maret 2018 pukul 18.30 WITA.