laporan praktikum statistik

LAPORAN PRAKTIKUM STATISTIKA

STATISTICAL PACKAGE FOR SOCIAL SCIENCE

SPSS Ver.16

Disusun Oleh :

YUDHAWIRA BHASKARA SEMBIRING

26020110130078

PROGRAM STUDI ILMU KELAUTAN

JURUSAN ILMU KELAUTAN

FAKULTAS PERIKANAN DAN ILMU KELAUTAN

UNIVERSITAS DIPONEGORO

SEMARANG

2010

BAB I

PENDAHULUAN

Latar Belakang

Pada zaman sekarang ini, semua sudah serba modern sehingga semua kegiatan dituntut untuk serba
cepat, seperti pengolahan data dan yang lain yang sulit untuk dikerjakan secara manual. Dan untuk
memudahkan itu semua maka diciptakanlah komputer. Komputer berasal dari bahasa yunani
‘Computare’ yang artinya menghitung. Komputer memang memudahkan kita untuk mengolah data yang
didasarkan pada operasi matematika seperti operasi logika. Meskipun komputer merupakan buatan
manusia, namun alat ini sangat membantu pekerjaan manusia dalam pengolahan data karena
mempunyai tiga keunggulan, yaitu pada bidang kecepatan, ketepatan, dan keandalan.
Ternyata komputer saja tidak cukup untuk membantu manusia dalam memasukkan data (data entry),
mengedit data, transformasi data, analisis data yang dibutuhkan dalam penelitian, dan permasalahan
dalam membuat dan mendistribusikan informasi yang berguna untuk pengambilan keputusan dalam
suatu organisasi, agar tetap eksis dan unggul dalam kompetisi yang ketat, yang dialami oleh mahasiswa
dalam mata kuliah Statistika. Maka dari itu dibuat suatu program aplikasi SPSS. Software ini dibuat oleh
tiga mahasiswa Stanford University yang dioperasikan pada komputermainframe pada tahun 1968.
Dalam pengenalannya pada mahasiswa, diadakan praktikum SPSS(Statistical Product and Service
Solution) yang nantinya dapat digunakan mahasiswa dalam menghitung dan menganalisis suatu data
yang telah diperoleh sebelumnya.

Permasalahan

Pada saat ini bidang statistik dikenal sebagai suatu alat untuk menguji konsep-konsep dan untuk
merasakan arah-arah didalam berbagai ragam disiplin ilmu.

Statistik diperlukan di dalam dunia perguruan tinggi dan dunia perusahaan serta di dalam kehidupan
sehari-hari.

Dari berbagai software khusus statistik yang beredar sekarang, SPSS adalah yang paling populer dan
paling banyak digunakan pemakaiannya di seluruh dunia dalam berbagai riset sains. Oleh karena itu, kita
akan mempelajari dan mengenalprogram SPSS ini.

Tujuan Praktikum

Tujuan dari Praktikum SPSS yaitu :

Praktikan dapat mengenal dan memahami program SPSS.

Mempermudah dalam menyelesaikan permasalahan-permasalahan statistika seperti; memasukkan data

(data entry), mengedit data, transformasi data, analisis data, mengambil suatu kesimpulan pada saat
penelitian.

Praktikan dapat mengolah dan menganalisa suatu data dengan Uji Histogram dan Distribusi Normal.

Praktikan dapat mengolah dan menganalisa suatu data dengan Uji Box Plot.

Praktikan dapat mengolah dan menganalisa suatu data dengan Uji One Sample T-Test.

Praktikan dapat mengolah dan menganalisa suatu data dengan Uji Independent Sample T-Test.

Praktikan dapat mengolah dan menganalisa suatu data dengan Uji Paired Sample T-Test.

Manfaat Praktikum

Memberikan pengetahuan baru kepada praktikan tentang program SPSS.

Praktikan tahu dan mampu melakukan deskripsi dan inferensia data dengan menggunakan SPSS

Merupakan suatu bekal untuk praktikan dalam melakukan riset.

BAB II

TINJAUAN PUSTAKA

2.1. Pengertian dan Peranan Statistik

Kata statistik berasal dari bahasa latin, yaitu status yang berarti negara atau untuk menyatakan hal-hal
yang berhubungan dengan ketatanegaraan. Cakupan statistik bukan hanya pada angka-angka
pemerintahan saja, tetapi telah mengambil bagian dari berbagai kehidupan.

Berikut ini pengertian statistik sesuai dengan perkembangannya.

Pengertian pertama

Statistik adalah sekumpulan angka untuk menerangkan sesuatu, baik angka yang belum tersusun
maupun angka-angka yang sudah tersusun dalam suatu daftar atau grafik.

Pengertian kedua

Statistik adalah sekumpulan cara dan aturan tentang pengumpulan, pengolahan, analisis, serta
penafsiran data yang terdiri dari angka-angka.

Pengertian ketiga

Statistik adalah sekumpulan angka yang menjelaskan sifat-sifat data atau hasil pengamatan.

Dari pengertian kedua dan ketiga, dalam arti luas disimpulkan bahwa statistika merupakan suatu metode
atau ilmu, yaitu metode atau ilmu yang mempelajari cara pengumpulan, pengolahan, penganalisisan,
penafsiran, dan penarikan kesimpulan dari data yang ada.

Dan dari pengertian-pengertian di atas, unsur-unsur dari statistik adalah:

Data

Perlakuan data, seperti pengumpulan dan pengolahan

Kesimpulan

Angka-angka

Pengertian statistik juga dapat dilihat dari beberapa pendapat ahli, yaitu:

Croxton dan Cowden

Statistik adalah metode untuk mengumpulkan, mengolah, dan menyajikan, serta menginterpretasikan
data yang berwujud angka-angka.

Anderson dan Bancroft

Statistik adalah ilmu dan seni perkembangan dan metode paling efektif untuk pengumpulan,
pentabulasian, dan penginterpretasian data kuantitatif sedimikian rupa, sehingga kemungkinan salah
dalam kesimpulan dan estimasi dapat diperkirakan dengan penggunaan penalaran induktif yang
didasarkan pada matematika probabilitas.

Prof. Dr. Sudjana, M.A., M.sc.

Statistik adalah pengetahuan yang berhubungan dengan cara-cara pengumpulan data, pengolahan
penganalisisannya, dan penarikan kesimpulan berdasarkan kumpulan data dan penganalisisan yang
dilakukan.

Steel dan Torrie

Statistik adalah metode yang memberikan cara-cara guna menilai ketidaktentuan dan penarikan
kesimpulan yang bersifat induktif.

J. Supranto

Dalam arti sempit

Statistika adalah data ringkasan yang berbentuk angka(kuantitatif)

Dalam arti luas

Statistika adalah ilmu yang mempelajari cara pengumpulan, penyajian, dan analisis data, serta cara
pengmbilan kesimpulan secara umum berdasarkan hasil penelitian yang menyeluruh.

Drs. Djarwanto Ps.

Statistik adalah kumpulan angka-angka yang berhubungan dengan atau melukiskan suatu persoalan.

Peranan statistik antara lain:

Dalam kehidupan sehari-hari

Sebagai penyedia bahan-bahan atau keterangan-keterangan berbagai hal untuk diolah dan ditafsirkan.

Dalam penelitian ilmiah

Sebagai penyedia alat untuk mengemukakan atau menemukan kembali keterangan-keterangan yang
seolah-olah tersembunyi dalam angka-angka statistik.

Dalam ilmu pengetahuan

Sebagai peralatan analisis dan interpretasi dari data kuntitatif ilmu pengetahuan, sehingga didapatkan
suatu kesimpulan dari data-data tersebut.
(Ir. M. Iqbal Hasan,M.M., 2002)

2.2 Variabel Statistik dan Skala Pengukuran

2.2.1 Variabel statistik

Variabel: adalah suatu sifat atau fenomena yang menunjukan sesuatu yang dapat diamati dan nilainya
berbeda-beda

Sesuatu dikatakan variabel, jika:

Mempunyai nama

Dapat diamati atau diukur

Nilainya berbeda-beda

Memiliki definisi verbal

Ada kelompok penggolongan atau satuan

Contoh variabel tinggi badan:

Nama : tinggi badan

Dapat diukur : dapat

Nilai pengukuran : berbeda

Definisi verbal : jarak antara kepala – kaki

Satuan : centimeter

Bagian dari variabel disebut: atribut

Variabel: jenis kelamin, tingkat pendidikan

Atribut: laki, perempuan →atribut dari variabel jenis kelamin

Atribut: SD, SMP, SMA, PT → atribut dari variabel tingkat pendidikan

Subyek dan Obyek Penelitian

Jika kita akan meneliti tingkat pengetahuan ibu hamil → maka ibu hamil disebut subyek penelitian
→sedangkan tingkat pengetahuan disebut obyek penelitian

Meneliti jumlah kunjungan Puskesmas → Puskesmas: subyek, kunjungan: obyek

Meneliti kemanjuran obat → obat: subyek, kemanjuran: obyek

Macam Variabel

Variabel Tergantung/ Akibat / Terpengaruh/ Dependen → variabel yang dipengaruhi oleh variabel lain

Variabel Bebas/ Sebab/ mempengaruhi/ Independen →variabel yang mempengaruhi variabel lain

Contoh: variabel pendidikan dan pekerjaan →variabel pendidikan (variabel bebas), variabel pekerjaan
(tergantung) → sebab pendidikan mempengaruhi pekerjaan

Sebutkan, mana yang termasuk variabel bebas dan variabel tergantung

Jenis olah raga dan bakat

Pekerjaan dan jenis kelamin

Kepribadian, pendidikan, dan keturunan

Hubungan Antar Variabel

Hubungan Asimetris

Hubungan Simetris

Hubungan Timbal Balik (Resiprocal)

Hubungan Variabel Asimetris

Hubungan variabel Asimetris adalah hubungan suatu variabel yang mempengaruhi variabel lainya

X→Y

X = variabel bebas, independent, pengaruh, prediktor

Y = variabel tergantung, dependent, terpengaruh, kriterium

Hubungan Variabel Simetris

Hubungan simetris artinya kedua variabel ada hubungan tetapi tidak saling mempengaruhi

Contoh: variabel Tinggi badan (Y1) dan Berat Badan (Y2) dipengaruhi oleh variabel pertumbuhan (X)

Antara Y1 dan Y2 ada hubungan, tetapi tidak saling mempengaruhi

Hubungan Variabel Timbal Balik

Hubungan antar dua variabel yang saling mempengaruhi

Misal: hubungan antara variabel malnutrisi dan variabel malabsorbsi

Malabsorbsi akan menyebabkan malnutrisi

Malnutrisi akan menyebabkan atropi mukosa usus halus → malabsorbsi

Variabel Perantara

Variabel perantara atau penghubung: variabel yang menjadi penghubung antara variabel bebas dan
variabel tergantung

Misal: modernisasi (status wanita) dapat mempengaruhi fertilitas, tetapi tidak secara langsung, namun
melalui kontrasepsi atau penundaan usia perkawinan → variabel kontrasepsi dan penundaan usia
perkawinan disebut: Variabel Perantara

Variabel Penekan/ Pra Kondisi

Variabel penekan atau prakondisi adalah variabel yang merupakan prasyarat bekerjanya variabel bebas
dan variabel tergantung

Contoh: Kuman M. TB (variabel bebas) menyebabkan penyakit TB (varibel tergantung) → proses diatas
dapat berlangsung pada saat kondisi tubuh lemah (variabel penekan/ prakondisi)

Variabel Pengganggu/ Distorter

Variabel pengganggu/ distorter adalah variabel yang mengganggu bekerjanya variabel bebas dan
variabel tergantung

Contoh: Hipotesis: akseptor KB ekonomi lemah akan lebih banyak daripada ekonomi tinggi →ternyata
hipotesis tersebut salah, hal ini disebabkan ada variabel pengganggu yaitu variabel status pekerjaan: PNS
dan Non PNS → ternyata hipotesis tsb benar pada pegawai non PNS

Definisi Operasional Variabel

Definisi operasional adalah seperangkat instruksi yang lengkap untuk menetapkan apa yang akan diukur
dan bagaimana cara mengukur variable.

Hal-hal yang perlu diperhatikan dalam menyusun definisi operasional sebuah variable adalah:

Nama variable

Definisi verbal variable

Kelompok penggolongan variable

suatu cara untuk menggolongkannya

Agar variabel dapat diamati dan diukur, maka setiap konsep yang ada dalam permasalahan atau yang ada
dalam hipotesis harus disusun Definisi Operasional.

Definisi operasional dari variabel sangat diperlukan terutama untuk menentukan alat atau instrumen
yang akan digunakan dalam pengumpulan data.

Sebagai contoh konsep orang lapar: Orang lapar dapat didefinisikan sebagai:

Orang yang dapat menghabiskan sepiring nasi dalam waktu kurang dari dua menit

Orang yang kelihatan mengantuk, tidak suka berbicara dan kelihatan lesu.

Untuk menentukan seseorang lapar atau tidak, berdasarkan definisi 1 diperlukan sepiring nasi dan
sebuah pencatat waktu, sedang berdasar definisi 2 tidak diperlukan alat, kecuali indera pengamatan

2.2.2 Skala pengukuran

Ada empat tipe skala pengukuran dalam penelitian, yaitu nominal, ordinal,

interval dan ratio.

Nominal

Skala pengukuran nominal digunakan untuk mengklasifikasikan obyek, individual atau kelompok; sebagai
contoh mengklasifikasi jenis kelamin, agama, pekerjaan, dan area geografis. Dalam mengidentifikasi hal-
hal di atas digunakan angka-angka sebagai symbol. Apabila kita menggunakan skala pengukuran
nominal, maka statistik non-parametrik digunakan untuk menganalisa datanya. Hasil analisa
dipresentasikan dalam bentuk persentase. Sebagai contoh kita mengklaisfikasi variable jenis kelamin
menjadi sebagai berikut: laki-laki kita beri simbol angka 1 dan wanita angka 2. Kita tidak dapat
melakukan operasi arimatika dengan angka-angka tersebut, karena angka-angka tersebut hanya
menunjukkan keberadaan atau ketidakadanya karaktersitik tertentu.

Contoh:

Jawaban pertanyaan berupa dua pilihan “ya” dan “tidak” yang bersifat kategorikal dapat diberi symbol
angka-angka sebagai berikut: jawaban “ya” diberi angka 1 dan tidak diberi angka 2.

Ordinal

Skala pengukuran ordinal memberikan informasi tentang jumlah relatif karakteristik berbeda yang
dimiliki oleh obyek atau individu tertentu. Tingkat pengukuran ini mempunyai informasi skala nominal
ditambah dengan sarana peringkat relatif tertentu yang memberikan informasi apakah suatu obyek
memiliki karakteristik yang lebih atau kurang tetapi bukan berapa banyak kekurangan dan kelebihannya.

Contoh:
Jawaban pertanyaan berupa peringkat misalnya: sangat tidak setuju, tidak setuju, netral, setuju dan
sangat setuju dapat diberi symbol angka 1, 2,3,4 dan 5. Angka-angka ini hanya merupakan simbol
peringkat, tidak mengekspresikan jumlah.

Interval

Skala interval mempunyai karakteristik seperti yang dimiliki oleh skala nominal dan ordinal dengan
ditambah karakteristik lain, yaitu berupa adanya interval yang tetap. Dengan demikian peneliti dapat
melihat besarnya perbedaan karaktersitik antara satu individu atau obyek dengan lainnya. Skala
pengukuran interval benar-benar merupakan angka. Angka-angka yang digunakan dapat dipergunakan
dapat dilakukan operasi aritmatika, misalnya dijumlahkan atau dikalikan. Untuk melakukan analisa, skala
pengukuran ini menggunakan statistik parametric.

Contoh:

Jawaban pertanyaan menyangkut frekuensi dalam pertanyaan, misalnya: Berapa kali Anda melakukan
kunjungan ke Jakarta dalam satu bulan? Jawaban: 1 kali, 3 kali, dan 5 kali. Maka angka-angka 1,3, dan 5
merupakan angka sebenarnya dengan menggunakan interval 2.

Ratio

Skala pengukuran ratio mempunyai semua karakteristik yang dipunyai oleh skala nominal, ordinal dan
interval dengan kelebihan skala ini mempunyai nilai 0 (nol) empiris absolut. Nilai absoult nol tersebut
terjadi pada saat ketidakhadirannya suatu karakteristik yang sedang diukur. Pengukuran ratio biasanya
dalam bentuk perbandingan antara satu individu atau obyek tertentu dengan lainnya.

Contoh:

Berat Sari 35 Kg sedang berat Maya 70 Kg. Maka berat Sari dibanding dengan berat Maya sama dengan 1
dibanding 2.

Validitas

Suatu skala pengukuran dikatakan valid apabila skala tersebut digunakan untuk mengukur apa yang
seharusnya diukur. Misalnya skala nominal yang bersifat non-parametrik digunakan untuk mengukur
variabel nominal bukan untuk mengukur variabel interval yang bersifat parametrik. Ada 3 (tiga) tipe
validitas pengukuran yang harus diketahui, yaitu:

Validitas Isi (Content Validity)

Validitas isi menyangkut tingkatan dimana item-item skala yang mencerminkan domain konsep yang
sedang diteliti. Suatu domain konsep tertentu tidak dapat begitu saja dihitung semua dimensinya karena
domain tersebut kadang mempunyai atribut yang banyak atau bersifat multidimensional.

Validitas Kosntruk (Construct Validity)

Validitas konstruk berkaitan dengan tingkatan dimana skala mencerminkan dan berperan sebagai konsep
yang sedang diukur. Dua aspek pokok dalam validitas konstruk ialah secara alamiah bersifat teoritis dan
statistik.

Validitas Kriteria (Criterion Validity)

Validitas kriteria menyangkut masalah tingkatan dimana skala yang sedang digunakan mampu
memprediksi suatu variable yang dirancang sebagai kriteria.

Reliabilitas

Reliabilitas menunjuk pada adanya konsistensi dan stabilitas nilai hasil skala pengukuran tertentu.
Reliabilitas berkonsentrasi pada masalah akurasi pengukuran dan hasilnya.

2.3 Elemen Statistik

Meskipun statistik bisa diterapkan pada hampir semua aspek kehidupan, namun ada beberapa elemen
yang biasa terdapat dalam suatu persoalan statistik, yaitu:

2.3.1 Populasi

Masalah dasar dari persoalan statistik adalah menentukan populasi data. Secara umum populasi bisa
didefinisikian sebagai sekumpulan data yang mengidentifikasi suatu feomena. Misal pekerja di seluruh
Indonesia bisa disebut suatu populasi, bahkan semua pekerjadi PT ’UTAMA’ juga bisa dikatakan populasi,
bahkan pekerja wanita khusus di bagian produksi yang bekerja lembur pada malam hari di PT ’UTAMA’
tersebut juga bisa disebut suatu populasi. Jadi tergantung dari kegunaan dan relevansi data yang
dikumpulkan. Jika diinginkan diteliti kepuasan pekerja wanta khusus di bagian produksi yang bekerja
lembur pada malam hari di PT ’UTAMA’ tersebut, populasi adalah pekerja wanita khusus di bagian
produksi yang bekerja lembur pada malam hari di PT ’UTAMA’. Namun, jika ingin diteliti status dan
keadaan pekerja wanita di Indonesia, populasi yang relevan adalah seluruh wanita Indonesia yang aktif
bekerja.

Populasi dalam statistik juga tidak hanya terbatas pada masalah-masalah manusia atau bisnis, namun
lebih luas seperti populasi ayam di suatu daerah, poulasi bakteri ’X’ di suatu Laboraturium dan
seterusnya. Juga populasi bisa sedemikian besarnya hingga bisa dikatakan tak terbatas, seperti populasi
oksigen di dunia, populasi plankton di lautan dan sebagainya.

2.3.2 Sampel

Sampel bisa didefinisikan sebagai sekumpulan data yang diambil atau diseleksi dari suatu populasi
seperti dalam kasus populasi di atas. Jika populasi adalah seluruh pekerja wanita di PT ’UTAMA’, sampel
bisa sebagian pekerja wanita, atau beberapa pekerja wanita di perusahaan tersebut. Jadi, sampel adalah
bagian dari populasi, atau populasi bisa dibagi dalam berbagai jenis sampel.
2.3.3 Statistik Inferensi

Seperti telah dijelaskan di muka, statistik inferensi pada dasarnya adalah suatu keputusan, perkiraan atau
generalisasi tentang suatu populasi berdasarkan informasi yang terkandung dari suatu sampel. Pada
kasus pekerja wanita di atas, dari sampel –misal- 20 oreang pekerja wanita di PT ’UTAMA’. Jika setelah
dilakukan serangkaian analisis statistik, ternyata umumnya para pekerja wanita bergaji rendah dan
merasa tidak puas dengan kondisi kerjanya sehingga dapat disimpulkan bahwa seluruh pekerja wanita di
PT ’UTAMA’ (populasi) juga merasa tidak puas dengan kondisi kerja dan tingkat gaji yang diterima selama
in. Jadi, apa yang disimpulkan dari analisis terhadapa sample, itu pula yang digeneralisasikan pada
populasi.

2.3.4 Pengukuran Realibilitas dari Statistik Inferensi

Dari ketiga elemen di atas, bisa disimpulkan bahwa tujuan dari statistik pada dasarnya adalah melakukan
deskripsi terhadap data sampel, kemudian melakukan inferensi terhadap populasi data berdasar pada
informasi (hasil statistik deskriptif)) yang terkandung dalam sampel. Namun karena sampel yang diambil
hanyalah sebagian dari populasi, bisa terjadi bias dalam kesimpulan yang didapat. Misal bisa saja tidak
semua wanita pekerja di PT ’UTAMA’ merasa tidak puas. Mungkin saja ada beberapa wanita pekerja di
sana yang justru merasa puas dan memiliki gaji yang cukup tinggi, karena produktivitasnya lebih besar
dibanding rekan sekerjanya.

Sebagai konsekuensi dari kemungkinan timbulnya berbagai bias dalam inferensi, perlu diukur reabilitas
dari setiap inferensi yang telah dibuat, seperti pelaporan adanya prediksi kesalahan terhadap suatu
keputusan.

(Singgih Santoso, 2003)

2.4 Klasifikasi Statistik

2.4.1 Statistik Parametrik

Statistika parametrik adalah ilmu statistika yang mempertimbangkan jenis sebaran/distribusi data, yaitu
apakah data menyebar normal atau tidak. Pada umumnya, Jika data tidak menyebar normal, maka data
harus dikerjakan dengan metode Statistika non-parametrik, atau setidak2nya dilakukan transformasi agar
data mengikuti sebaran normal, sehingga bisa dikerjakan dg statistika parametrik. Contoh metode
statistika parametrik: uji-z (1 atau 2 sampel), uji-t (1 atau 2 sampel), korelasi pearson, Perancangan
Percobaan (1 or 2-way ANOVA parametrik), dll. (Ir. M. Iqbal Hasan,M.M., 2002)

2.4.1.1 Statistik deskriptif

Statistik deskriptif adalah bagian dari statistik yang mempelajari cara pengumpulan dan penyajian data
sehingga mudah dipahami.

Statistik deskriptif hanya berfungsi untuk menerangkan keadaan, gejala, atau persoalan.
Penarikan kesimpulan pada statistik deskriptif hanya ditujukan pada kumpulan data yang ada.
Didasarkan pada ruang lingkup bahasannya, statistik deskriptif mencakup hal sebagai berikut:

Distribusi frekuensi beserta bagian-bagiannya seperti:

Grafik distribusi (histogram, poligon frekuensi, dan ogif)

Ukuran nilai pusat (rata-rata, median, modus, kuartil, dan sebagainya)

Ukuran dispersi (jangkauan, simpangan rata-rata, variasi, simpangan baku, dan sebagainya)

Kemencengan dan keruncingan kurva

Angka Indeks

Time Series/deret waktu atau data berkala

Korelasi dan Regresi Sederhana

2.4.1.2 Statistik Inferensi

Statistik inferensi adalah bagian dari statistik yang mempelajari mengenai penafsiran dan penarikan
kesimpulan yang berlaku secara umum dari data yang telah tersedia.

Penarikan kesimpulan pada statistik inferensi merupakan generalisasi dari suatu populasi berdasarkan
data yang ada. Didasarkan atas ruang lingkup bahasannya, statistik ini mencakup:

Probabilitas atau teori kemungkinan

Distribusi teoritis

Sampling dan distribusi sampling

Pendugaan populasi dan teori populasi

Uji hipotesis

Analisis korelasi dan uji signifikasi

Analisis regeresi untuk peramalan

(Ir. M. Iqbal Hasan,M.M., 2002)

2.4.2 Statistik Non Parametrik

Statistika non-parametrik -> statistika non-parametrik adalah statistika bebas sebaran (tdk mensyaratkan
bentuk sebaran parameter populasi, baik normal atau tidak). Statistika non-parametrik biasanya
digunakan untuk melakukan analisis pada data berjenis Nominal atau Ordinal. Data berjenis Nominal dan
Ordinal tidak menyebar normal. Contoh metode Statistika non-parametrik:Binomial test, Chi-square test,
Median test, Friedman Test, dll.

(Ir. M. Iqbal Hasan,M.M., 2002)

2.5 Korelasi dan regresi sederhana

2.5.1 Korelasi

Dalam teori probabilitas dan statistika, korelasi, juga disebut koefisien korelasi, adalah nilai yang
menunjukkan kekuatan dan arah hubungan linier antara duapeubah acak (random
variable). (www.wikipedia.com)

Salah satu jenis korelasi yang paling populer adalah koefisien korelasi momen-produk Pearson, yang
diperoleh dengan membagi kovarians kedua variabel dengan perkalian simpangan bakunya. Meski
memiliki nama Pearson, metode ini pertama kali diperkenalkan oleh Francis Galton.
(www.wikipedia.com)

2.5.2 Regresi Sederhana

Regresi merupakan suatu alat ukur yang juga digunakan untuk mengukur ada tidaknya korelasi
antarvariabel. Istilah regresi pertama sekali diperkenalkan oleh Sir Francis Galton pada tahun 1877.

Dalam penelitiannya, Galton menemukan bahwa tinggi anak dari orangtua cenderung meningkat atau
menurun dari berat rata-rata populasi.

(Ir. M. Iqbal Hasan,M.M., 2002)

2.6 Cara Kerja SPSS

2.6.1 Komponen SPSS BI

Adapun SPSS BI adalah salah satu produk andalan SPSS sebagai market leader pada program statistik,
yang berfungsi untuk membantu suatu organisasi dalam membuat dan mendistribusikan informasi yang
berguna untuk pengambilan keputusan, agar tetap eksis dan unggul dalam kompetisi usaha yang ketat.
SPSS BI mempunyai 4 bagian utama:

Data Collection : mengumpulkan data untuk pengolahan data.

Data preparation : persipan data untuk pengolahan lebih lanjut.

Data Analysis dan Data Mining : menyediakan berbagai perhitungan statistik untuk pengolahan data.

Data Deployment : mendistribusikan hasil pengolahan data (informasi).

Berikut adalah family product SPSS untuk Data Analysis dan Data Mining :

SPSS Base, ini adalah produk utama SPSS yang mencakup semua perhitungan statistik deskriptif dan
induktif, serta dilengkapi penyajian berbagai jenis grafik. SPSS Base dilengkapi dengan add-on
enhancements yang meliputi:

SPSS Professional Statistics

SPSS Advanced Statistics

SPSS Tables

SPSS Trends

SPSS Categories

SPSS Chaid

SPSS Exact Tests

Neural Connection

Mapinfo

Aiiclear III

(Santoso Singgih,2001)

2.6.2 SPSS data editor

SPSS Data Editor muncul setiap kali SPSS dibuka dan merupakan window utama pada SPSS.

Data Editor mempunyai dua fungsi utama:

1) Input data yang akan diolah oleh SPSS

2) Proses data yang telah diinput dengan prosedur statistik tertentu.

Data Editor terdiri atas sepuluh menu utama, yaitu File, Edit, View, Data, Transform, Analyze,

Graphs, Utilities, Windows dan Help. (Santoso singgih,2001)

2.6.3 Menu file pada SPSS

Menu utama File merupakan menu pertama dari Data Editor yang dibuka oleh para pengguna

SPSS.

Data Editor pada SPSS mempunyai dua bagian utama:

Kolom, dengan ciri adanya kata var dalam setiap kolomnya. Kolom dalam SPSS akan diisi oleh Variabel
(seperti penjualan, tinggi bandan dan lainnya).

Baris, dengan ciri adanya angka 1,2,3 dan seterusnya. Baris dalam SPSS akan diisi oleh Kasus.

(Santoso Singgih, 2001)

Langkah-langkah memasukkan Data dalam SPSS:

a. Membuat lembar kerja baru

- Pilih menu utama File.

- Pilih submenu New.

- Klik Data.
b. Menamai Variabel yang diperlukan

Klik Variabel View yang ada dibagian kiri bawah, maka pada SPSS Data Editor akan tampil kolom-kolom
dengan heading Name, Type, Width, Decimal, labels, Value, dsb.

Kolom Name:

Kolom ini untuk pendefisian nama variabel. Dalam pemberian nama variabel, hal-hal yang perlu
diperhatikan adalah:

1. Nama variabel maksimum 8 karakter

2. Tidak boleh ada spasi

3. Karakter pertama berupa huruf

4. Karakter terakhir tidak boleh berupa titik

5. Hindarilah istilah dalam SPSS seperti; All, And, By, Eq, Ge, Le, Lt, Ne, Or, To, With

6. Huruf besar dan kecil dianggap sama

Kolom Type:

Kolom ini utnuk mendefinisikan type variabel antara lain Numeric, Dot, Scientific notation, Date, Dollar,
Custom currency, dan String

Kolom Width:

Kolom ini untuk memberikan lebar variabel

Kolom Decimal:

Kolom ini untuk memberikan tempat decimal dari data pada variabel yang sesuai

Kolom Labels:

Kolom ini utnuk memberikan label variabel (jika perlu)

Kolom Values:

Kolom ini untuk memberikan harga label dari variabel (jika perlu)

(Yasin Hasbi, 2007)

2.6.4 Menu Edit pada SPSS

Menu Edit digunakan untuk melakukan perbaikan atau perubahan berkenaan dengan data yang telah
dibuat ataupun berbagai option.

Terhadap data yang telah dibuat oleh SPSS, perbaikan ataupun perubahan meliputi menghapus
data/kasus, menambah variabel, menemukan nomor kasus dan lainnya. Sebelum edit dapat dilakukan
terhadap data pada suatu file, maka harus ada file tertentu pada Data Editor. (Santoso Singgih, 2001)
Terhadap data yang telah dibuat, dapat dilakukan perbaikan atau perubahan meliputi menghapus data,
mengganti data, menambah variabel, dan lain-lain.

1. Edit terhadap data yang telah dibuat. Langkah-langkah edit data sebagai berikut :

- Buka file yang akan di edit

- Sorot data yang akan diedit misalnya mengahapus satu baris

- Pilih Edit pada menu utama

- Pilih Cut atau CTRL+X. Jika ternyata data tidak jadi dihapus maka pilih Undo

- Klik OK

2. Edit terhadap variabel yang telah dibuat.

- Aktifkan Variable View dengan menekan CTRL+T

- Sorot nama variabel yang akan diganti

- Pilih menu Edit

- Pilih clear untuk menghapus atau ganti dengan varibel baru.

(Yasin Hasbi, 2007)

2.6.5 Menu View pada SPSS

Menu View berfungsi untuk mengatur toolbar (status bar, penampakan value label dan lainnya).

(Santoso Singgih, 2001)

2.6.6 Menu Data pada SPSS

Menu Data digunakan untuk melakukan berbagai pengerjaan pada data SPSS. Dalam beberapa hal,
menu ini mempunyai fungsi yang berkaitan dengan menu Edit, seperti dalam menyisipkan variabel,
menyisipkan kasus dan sebagainya.

(Santoso Singgih, 2001)

2.6.7 Menu Transform pada SPSS

Menu Transform berfungsi untuk membuat perubahan pada variabel yang telah dipilih dengan kriteria
tertentu. (Santoso Singgih, 2001)

2.6.8 Menu Analyze pada SPSS

Menu Analyze merupakan menu inti SPSS, yang berfungsi utnuk melakuakn semua prosedur perhitungan
statistik, seperti ujit, uji F, regresi, time series dan lainnya.

(Santoso Singgih, 2001)

2.6.9 Menu Graphs pada SPSS

Menu Graphs berfungsi untuk membuat berbagai jenis grafik untuk mendukung analisis statistik, seperti
Pie, Line, Bar dan kombinasinya.

(Santoso Singgih, 2001)

2.6.10 Menu Utilities pada SPSS

Menu Utilities atau menu tambahann ynmg mendukung program SPSS, sperti:

a) Memberi informasi tentang variabel yang sekarang sedang dikerjakan.

b) Mengatur tampilan menu-menu yang lain.

(Santoso Singgih, 2001)

2.6.11 Menu Window pada SPSS

Menu Window berfungsi untuk berpindah (switch) diantara menu-menu yang lain di SPSS. (Santoso
Singgih, 2001)

2.6.12 Menu Help pada SPSS

Menu Help berfungsi untuk menyediakan bantuan informasi mengenai program SPSS yang dapat diakses
secara mudah dan jelas. (Santoso Singgih, 2001)

2.7 Window SPSS

SPSS menyediakan empat window, yang meliputi:

a. Data Editor

Window ini terbuka secara otomatis setiap kali program SPSS dijalankan, dan berfungsi untuk input data
SPSS. Menu yang ada pada Data Editor yaitu:

- File

Menu File berfungsi untuk menangani hal-hal yang berhubungan dengan file data, seperti membuat file
baru, membuka file tertentu, mengambil data dari program lain, mencetak isi Data Editor dan lainnya.

- Edit

Menu Edit berfungsi untuk menangani hal-hal yang berhubungan dengan memperbaiki atau mengubah
nilai data (duplikasi data, menghilangkan data, edit data dan lainnya). Selain itu, Menu Edit juga
berfungsi untuk mengubah setting pada Options (seperti Output label, Script dan lainnya).

- View

Menu View berfungsi untuk mengatur toolbar (status bar, penampakan value label dan lainnya).

- Data

Menu Data berfungsi untuk membuat perubahan data SPSS secara keseluruhan, seperti mengurutkan
data, menyeleksi data berdasar kriteria tertentu, menggabung data dan sebagainya.
- Transform

Menu Transform berfungsi untuk membuat perubahan pada variabel yang telah dipilih dengan kriteria
tertentu.

- Analyze

Menu Analyze merupakan menu inti SPSS, yang berfungsi utnuk melakuakn semua prosedur perhitungan
statistik, seperti ujit, uji F, regresi, time series dan lainnya.

- Graphs

Menu Graphs berfungsi untuk membuat berbagai jenis grafik untuk mendukung analisis statistik, seperti
Pie, Line, Bar dan kombinasinya.

- Utilities

Menu Utilities atau menu tambahann ynmg mendukung program SPSS, seperti:

Memberi informasi tentang variabel yang sekarang sedang dikerjakan.

Mengatur tampilan menu-menu yang lain.

- Window

Menu Window berfungsi untuk berpindah (switch) diantara menu-menu yang lain di SPSS.

- Help

Menu Help berfungsi untuk menyediakan bantuan informasi mengenai program SPSS yang dapat diakses
secara mudah dan jelas. (Santoso Singgih, 2001)

b. Menu Output Viewer

Jika menu editor berfungsi untuk memasukkan data yang siap diolah oleh SPSS, kemudian melakukan
pengolahan data yang dilakukan lewat menu Analyze, maka hasil pengolahan data atau informasi
ditampilkan lewat menu SPSS Viewer atau dapat disebut Viewer saja. Isi output dapt berupa sebuah
Tabel, sebuah Grafik, atau sebuah Teks. Selain menu pada Data Editor, terdapat menu yang lain yaitu:

- Insert

Berfungsi untuk menyisipi dengan judul, grafik, teks atau obyek tertentu dan aplikasi lain.

- Format

Berfungsi untuk mengubah tata letak huruf output.

(Santoso Singgih, 2001)

c. Menu Syntax Editor

Menu ini berupa file teks yang berisi berbagai perintah SPSS dan dapat diketik secara manual. Isi menu
Syntax sama dengan menu yang lain, hanya disini ada tambahan submenu Run yang berfungsi untuk
menjalankan Syntax yang telah ditulis.

(Santoso Singgih, 2001)

d. Menu Script Editor

Menu Scrip pada dasrnya digunakan untuk melakukan berbagai pengerjaan SPSS secara otomatis, seperti
membuka dan menutup File, Ekspor Chart, Penyesuaian bentuk Output dan lainnya. Isi menu ini sama
dengan menu sebelumnya, hanya ditambah dengan submenu Script untuk membuat berbagai subrutin
dan fungsi baru, serta submenu Debug untuk melakukan proses debug pada script.

(Santoso Singgih, 2001)

BAB III

MATERI DAN METODE

3.1. Waktu dan Tempat Praktikum

Hari dan Tanggal : Kamis, 9 Desember 2010

Waktu : Pukul 11.00-12.00 WIB

Tempat : Ruang 305 (Kampus Kelautan UNDIP, Tembalang,

Semarang)

3.2. Materi Praktikum

SPSS (Statistical Product and Service Solution) merupakan salah satu program aplikasi statistik yang
sering digunakan untuk pengolahan data.

Pada saat pertama kali SPSS dibuka, tampilan akan tampak SPSS data editor yang mempunyai dua
tampilan dalam satu layer, yaitu tampilan data view dan variable view. Menu yang dipakai adalah:

File : untuk membuat file baru, membuka file tertentu, mencetak isi editor, dll.

Terdiri dari :

Open

Save & Save as

Display data info

Print

Exit

Editor : untuk memperbaiki atau mengubah nilai data.

Terdiri dari :

Undo & Redo

Cut & Clear

Copy & Paste

Find

Edit Option

View : untuk mengatur toolbar.

Terdiri dari :

Status Bar

Tool Bar

Fonts

Grid lines

Value Labels

Data : untuk mengurutkan data berdasarkan kriteria tertentu.

Terdiri dari :

Define dates

Insert variable

Insert case

Go to case

Sort case

Transpose

Merge files

Aggregate

Split file

Select case

Weight case
Transform : untuk membuat perubahan pada variabel yang telah dipilih.

Terdiri dari :

Compute

Random number seed

Count

Recode

Categorize variables

Rank cases

Automatic recode

Create time series

Replace missing value

Analyze : untuk melakukan semua prosedur perhitungan statistik.

Terdiri dari :

Reports

Descriptive statistic

Compare means

General linier models

Correlate

Regression

Loglinier

Classify

Data reduction

Scale

Non parametric test

Survival

Multiple response

Graph : untuk membuat berbagai jenis grafik untuk mendukung analisa.

Terdiri dari :

gallery
interactive

bar

line

area

pie

high low

pareto

control

boxplot

error bar

scatter

histogram

p–p

q –q

sequence

ROC curve

Time series

Utilities : untuk memberi informasi tentang variabel yang sedang dikerjakan.

Terdiri dari :

Variable

File info

Define sets

Auto nem case

Run script

Windows : untuk berpimdah diantara menu – menu yang lain.

Terdiri dari :

Minimize all windows

Help : untuk menyediakan bantuan informasi mengenai program SPSS.

Terdiri dari :
Topics

Tutorial

SPSS homepage

Syntax guide

Statistic coach

About

Register product

Selain data editor, menu lainnya adalah Menu output viewer (untuk menampilkan hasil pengolahan data
atau informasi), Menu syntax viewer (untuk menuliskan beberapa perintah atau pilihan yang hanya
dapat digunakan dengan SPSS Command Language), dan Menu script editor (untuk melakukan berbagai
pengerjaan SPSS secara otomatis, seperti membuka dan menutup file, export chart, dll).

3.3. Metode Praktikum

3.3.1. Pengenalan Paket Program SPSS

SPSS (Statistical Product and Service Solution) merupakan salah satu program aplikasi statistik yang
sering digunakan untuk pengolahan data.

Pada saat pertama kali SPSS dibuka, tampilan akan tampak SPSS data editor yang mempunyai dua
tampilan dalam satu layer, yaitu tampilan data view dan variable view. Menu yang dipakai adalah:

File : untuk membuat file baru, membuka file tertentu, mencetak isi editor, dll.

Editor : untuk memperbaiki atau mengubah nilai data.

View : untuk mengatur toolbar.

Data : untuk mengurutkan data berdasarkan kriteria tertentu.

Transform : untuk membuat perubahan pada variabel yang telah dipilih.

Analyze : untuk melakukan semua prosedur perhitungan statistik.

Graph : untuk membuat berbagai jenis grafik untuk mendukung analisa.

Utilities : untuk memberi informasi tentang variabel yang sedang dikerjakan.

Windows : untuk berpimdah diantara menu – menu yang lain.

Help : untuk menyediakan bantuan informasi mengenai program SPSS.

Selain data editor, menu lainnya adalah Menu output viewer (untuk menampilkan hasil pengolahan data
atau informasi), Menu syntax viewer (untuk menuliskan beberapa perintah atau pilihan yang hanya
dapat digunakan dengan SPSS Command Language), dan Menu script editor (untuk melakukan berbagai
pengerjaan SPSS secara otomatis, seperti membuka dan menutup file, export chart, dll).

Langkah – langkah memasukkan data dalam SPSS:

Membuat lembar kerja baru (sebelumnya masuk program SPSS dahulu)

Pilih menu utama file

Pilih submenu new

Klik data

Menamai variabel yang diperlukan

Klik variable view yang ada dibagian kiri bawah, maka pada SPSS data editor akan tampil kolom – kolom
dengan heading name, type, widht, decimal, labels, value, dsb.

Memasukkan data dengan terlebih dulu mengaktifkan data view.

Frequencies

Mengisi varibel Name yaitu tinggi dan gender, pada kolom Name tinggi, Type diganti Comma.Label diisi
tinggi badan, pada kolom Name gender, Decimals diganti 0, Label diisi jenis kelamin dengan Values
Label yang dikehendaki.

Data View yang berada dibagian kiri bawah diklik, maka pada SPSS Data Editor akan muncul beberapa
kolom. Data yang akan disusun distribusi frekuensinya diketik ke dalam kolom yang kita kehendaki pada
data editor.

Kemudian klik Analyze → Deskriptive Statistics → Frequencies. Pindahkan Tinggi Badan pada kolom
Variable(s).

Mengeklik Statistics kemudian Check list pada Persentile Value Quartiles, pada Central Tedency yaitu
Mean dan Median, sedangkan pada Despertion Check list semua. Lalu klikContinue.

Klik Chart → Check list Histograms dan With Normal Curve. Klik Continue → OK.

Lalu akan muncul Frequencies pada Output.

Menyusun distribusi frekuensi untuk gender. Klik Analyze → Deskriptive Statistics →Frequencies.
Kemudian pindahkan Jenis Kelamin pada kolom Variable(s).

Klik Statistics → Check list pada Presentile Value yaitu Quartiles, Despersion, Central Tendencyyaitu
Mean dan Median dan pada Distribution yaitu Skewness dan Kurtosis. Klik Continue.

Klik Charts → pilih Pie Charts → Continue → OK.

Kemudian akan muncul di Output.

3.3.2. Statistik Deskriptif (Explore)

Klik analyze - Pilih descriptive statistic - Klik Explore

akan muncul tampilan explore

Pindahkan data panjang dan lebar dari kiri ke kolom dependent list dengan cara mengeblok kemudian
klik tanda panah.
Klik statistic kemudian beri tanda (v) pada descriptive

Klik continue

Klik plots dan untuk keseragaman, pada boxplot pilih factor levels together dan pada descriptive pilih
stem and leaf.

Klik continue

Pada bagian displays pilih both

Klik ok

Menguji Normalitas dan Varians

Konsep penting dalam statistik inferensi adalah: (1) apakah beberapa ssampel yang telah diambil berasal
dari populasi yang sama (populasi data berdistribusi normal)? Dan (2) apakah sampel – sampel tersebut
mempunyai varians yang sama.

Langkah – langkah:

Klik Analyze

Pilih Descriptive statistic

Klik Explore

Pindahkan data ukuran dari kolom kiri ke kolom dependent list dengan cara mengeblok kemudian klik
tanda panah.

Pindahkan data kode dari kolom factor list dengan cara mengeblok kemudian klik tanda panah.

Klik Statistic kemudian beri tanda (v) pada descriptive.

Klik continue
Klik Plots dan untuk keseragaman, pada bloxplot pilih non dan pada desctriptive tidak ada yang dipilih.

Beri tanda (v) pada normality plots with test.

Pada bagian spread vs level with levene test pilih power estimation.

Klik continue

Pada bagian display pilih both

Klik OK.

Scetterplot

Deskriptif ini digunakan untuk mengetahui sebaran data pada statistik univarian.

Langkah – langkah:

Klik graph

Pilih Legacy Dialogs

Pilih scatte / dot

Klik simple scatter

Klik define

Pindahkan data logpanjang dari kolom kiri ke kolom X axis dengan cara mengeblok kemudian klik panah

Klik ok

Hipotesis

Ho = tidak ada hubungan antara panjang cangkang dengan lebar cangkang pada kerangAnadara granosa.

Hi = ada hubungan antara panjang cangkang dengan lebar cangkang pada kerang Anadara granosa.

Regresi dan Korelasi

Analisa regresi linier sederhana merupakan analisis yang membicarakan hubungan antara 2 buah
variabel, yaitu variabel bebas dan variavel tergantung.

Langkah – langkah:

Klik Analyze

Pilih regression dan dari serangkaian pilihan test untuk regresi

Pilih linier

Pindahkan data logpanjang dari kolom kiri ke kolom independent dan loglebar ke
kolomdependent dengan cara mengeblok kemudian klik panah.

Pada kolom method pilih enter

Klik tombol statistic

Pada kolom regression coefficient pilih estimate

Beri tanda (v) pada model fit dan descroptive.

Pada kolom residual beri tanda (v) pada casewise diagnostic dan pilih all cases.

Klik continue

Klik tombol plots

Klik pilihan sdresid dan masukkan kekolom Y lalu klik pilihan zpred dan masukkan kekolom X.

Klik next

Klik pilihan zpred dan masukkan kekolom Y lalu klik dependnt dan masukkan kekolom X.

Pada kolom standardized residual plots beri tanda (v) pada normal probability plot.

Klik continue

Klik OK.

BAB IV

HASIL DAN PEMBAHASAN

Hasil Praktikum

Pengenalan Paket Program SPSS

Memasukkan data

Statistik Deskriptif (Explore)

Uji frekuensi

Frequencies

Notes

Output Created 09-Dec-2010 11:13:54

Comments

Input Active Dataset DataSet0

Filter <none>

Weight <none>

Split File <none>

N of Rows in Working Data

25
File

Missing Value Handling Definition of Missing User-defined missing values are

treated as missing.

Cases Used Statistics are based on all cases with

valid data.

Syntax FREQUENCIES VARIABLES=tinggi

/NTILES=4

/STATISTICS=STDDEV VARIANCE RANGE

MINIMUM MAXIMUM SEMEAN MEAN
MEDIAN SKEWNESS SESKEW KURTOSIS
 SEKURT

/HISTOGRAM NORMAL

/ORDER=ANALYSIS.

Resources Processor Time 00:00:00.608

Elapsed Time 00:00:00.671

[DataSet0]

Statistics

tinggi badan

N Valid 25

Missing 0

Mean 169.4000

Std. Error of Mean .99266

Median 168.9000

Std. Deviation 4.96328

Variance 24.634

Skewness -.155

Std. Error of Skewness .464

Kurtosis .452
Std. Error of Kurtosis .902

Range 20.70

Minimum 159.60

Maximum 180.30

Percentiles 25 167.2000

50 168.9000

75 172.5000

tinggi badan

Frequency Percent Valid Percent Cumulative Percent

Valid 159.6 2 8.0 8.0 8.0

161.3 1 4.0 4.0 12.0

164.8 2 8.0 8.0 20.0

167.2 2 8.0 8.0 28.0

168.5 2 8.0 8.0 36.0

168.6 1 4.0 4.0 40.0

168.9 3 12.0 12.0 52.0

170.2 1 4.0 4.0 56.0

170.4 3 12.0 12.0 68.0

172.5 4 16.0 16.0 84.0

174.5 2 8.0 8.0 92.0

177.5 1 4.0 4.0 96.0

180.3 1 4.0 4.0 100.0

 Total 25 100.0 100.0

Uji Explore

Regression

Notes

Output Created 09-Dec-2010 12:15:44

Comments

Input Active Dataset DataSet4

Filter <none>

Weight <none>

Split File <none>

N of Rows in Working Data

24
File

Missing Value Handling Definition of Missing User-defined missing values are

treated as missing.

Cases Used Statistics are based on cases with no

missing values for any variable used.

Syntax REGRESSION

/DESCRIPTIVES MEAN STDDEV CORR

SIG N

/MISSING LISTWISE
 /STATISTICS COEFF OUTS R ANOVA

/CRITERIA=PIN(.05) POUT(.10)

/NOORIGIN

/DEPENDENT logpanjang

/METHOD=ENTER loglebar

/SCATTERPLOT=(*SDRESID ,*ZPRED)
(*ZPRED ,logpanjang)

/RESIDUALS NORM(ZRESID)

/CASEWISE PLOT(ZRESID) OUTLIERS(3).

Resources Processor Time 00:00:01.560

Elapsed Time 00:00:01.389

Memory Required 1348 bytes

Additional Memory
824 bytes
Required for Residual Plots

[DataSet4]

Descriptive Statistics

Mean Std. Deviation N

panjang cangkang .2683 .06684 24

lebar cangkang .3829 .06097 24

Correlations

panjang lebar cangkang

 cangkang

Pearson Correlation panjang cangkang 1.000 -.431

lebar cangkang -.431 1.000

Sig. (1-tailed) panjang cangkang . .018

lebar cangkang .018 .

N panjang cangkang 24 24

lebar cangkang 24 24

Variables Entered/Removedb

Variables Variables
Model Entered Removed Method

1 lebar cangkanga . Enter

a. All requested variables entered.

b. Dependent Variable: panjang cangkang

Model Summaryb

Std. Error of the

Model R R Square Adjusted R Square Estimate

1 .431a .186 .149 .06167

a. Predictors: (Constant), lebar cangkang

b. Dependent Variable: panjang cangkang

ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression .019 1 .019 5.015 .036a

Residual .084 22 .004

Total .103 23

a. Predictors: (Constant), lebar cangkang

b. Dependent Variable: panjang cangkang

Coefficientsa

Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) .449 .082 5.496 .000

lebar cangkang -.472 .211 -.431 -2.239 .036

a. Dependent Variable: panjang cangkang

Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N

Predicted Value .1922 .3070 .2683 .02880 24

Std. Predicted Value -2.644 1.343 .000 1.000 24

Standard Error of Predicted

.013 .036 .017 .005 24
Value

Adjusted Predicted Value .1720 .3210 .2681 .03161 24

Residual -.11133 .11064 .00000 .06031 24

Std. Residual -1.805 1.794 .000 .978 24

Stud. Residual -1.863 1.833 .001 1.017 24

Deleted Residual -.11854 .11546 .00022 .06540 24

Stud. Deleted Residual -1.983 1.945 -.005 1.049 24

Mahal. Distance .002 6.988 .958 1.445 24

Cook's Distance .000 .216 .043 .055 24

Centered Leverage Value .000 .304 .042 .063 24

a. Dependent Variable: panjang cangkang

Charts

Explore
Notes

Output Created 09-Dec-2010 11:55:53

Comments

Input Active Dataset DataSet2

Filter <none>

Weight <none>

Split File <none>

N of Rows in Working Data

49
File

Missing Value Handling Definition of Missing User-defined missing values for

dependent variables are treated as
missing.

Cases Used Statistics are based on cases with no

missing values for any dependent
variable or factor used.

Syntax EXAMINE VARIABLES=ukuran BY kode

/PLOT NPPLOT SPREADLEVEL

/STATISTICS DESCRIPTIVES

/CINTERVAL 95

/MISSING LISTWISE

/NOTOTAL.

Resources Processor Time 00:00:01.592

Elapsed Time 00:00:01.497

[DataSet2]
kode kerang

Case Processing Summary

Cases

Valid Missing Total

kode
kerang N Percent N Percent N Percent

morfometri kerang panjang 24 100.0% 0 .0% 24 100.0%

lebar 24 100.0% 0 .0% 24 100.0%

Descriptives

kode kerang Statistic Std. Error

morfometri kerang panjang Mean .2683 .01364

95% Confidence Interval for Lower Bound .2401

Mean
Upper Bound .2965

5% Trimmed Mean .2674

Median .2454

Variance .004

Std. Deviation .06684

Minimum .18

Maximum .38

Range .20

Interquartile Range .13

Skewness .282 .472

Kurtosis -1.472 .918

 lebar Mean .3829 .01245

95% Confidence Interval for Lower Bound .3571

Mean
Upper Bound .4086

5% Trimmed Mean .3789

Median .3617

Variance .004

Std. Deviation .06097

Minimum .30

Maximum .54

Range .24

Interquartile Range .09

Skewness 1.021 .472

Kurtosis .523 .918

Tests of Normality

Kolmogorov-Smirnova Shapiro-Wilk
kode
kerang Statistic df Sig. Statistic df Sig.

morfometri kerang panjang .188 24 .028 .897 24 .019

lebar .219 24 .004 .902 24 .023

a. Lilliefors Significance Correction

Test of Homogeneity of Variance

Levene Statistic df1 df2 Sig.

morfometri kerang Based on Mean 1.328 1 46 .255

Based on Median .992 1 46 .324

Based on Median and with

.992 1 45.214 .324
adjusted df

Based on trimmed mean 1.471 1 46 .231

morfometri kerang

Detrended Normal Q-Q Plots

Normal Q-Q Plots

Pembahasan

4.2.1 Pengenalan Paket Program SPSS

Program SPSS ini merupakan suatu software yang digunakan untuk membantu mempermudah
pengolahan sample data yang spasial.

Pada Pengolahan datanya, kita menggunakan beberapa data untuk diuji yaitu :

Uji Frekuensi

Di uji data dengan jumlah data sebanyak 25 buah. Hasil yang didapat adalah sebagai berikut:

Mean = 169.9000

Median = 169.4000

Varians = 24.634

Skewness = - 0.155

Kurtosis = 0.452

Range = 20.70

Nilai maksimum = 160.10

Nilai minimum = 180.80

Pada tabel frekuensi tinggi badan, penafsiran data dilakukan tiap baris dan dihitung secara kumulatif.
Demikian perhitungan dilakukan seterusnya hingga mencapai 100%.

Dari hasil, histogram yang terlihat frekuensi terbesar adalah pada kisaran tinggi badan ± 170,00

Dari hasil berupa pie chart pada tinggi badan, frekuensi terbesar ada pada kisaran tinggi badan ± 172,50.
Sedangkan dari pie chart data jenis kelamin, frekuensi terbanyak adalah wanita.

One sample T-Test menggunakan data Ulangan.

Diketahui bahwa nilai rata – rata dari hasil adalah 3868.4450 dan standart deviasi 1123.93164

Pada tabel kedua terdapat pengambilan keputusan dimana:

Jika t output > t table maka H0 ditolak.

Jika t output < t table maka H0 diterima.

Dimana nilai t output adalah 17.209, maka keputusan yang diambil adalah tolak H0 (t output > t table).

Period Sample T-Test menggunakan perbandingan dua data mingguan atau per periode.

Dari output 1 (Paired Samples statistics) dimana nilai mean T1 adalah 4034.0450 dan T2 adalah
4665.6450 dan output 2 (paired Samples Test) diketahui bahwa korelasi antara kedua variable T1 dan T2
yaitu 0.175 dengan nilai probabilitas > 0.05. hal ini menyatakan bahwa korelasi antara T1 dan T2 adalah
lemah.

Independent Sample T-Test menggunakan dua buah perbandingan data perlakuan pada suatu sample.

Outputan pertama (Group Statistics) menunjukan nilai rata – rata dari T1 adalah4034.0450 dan T2 adalah
4665.6450.

Dari nilai t hitung (t kritis) diperoleh -1.724 sehingga nilai table t adalah 2.06. didapat kesimpulan bahwa
3.335 > 2.06 maka tolak H0.

Statistik Deskriptif (Explore)

Semua data berjumlah 50, yang terdiri dari panjang (25) dan lebar (25) dengan percent valid sebesar
100%.

Output descriptive mendeskripsikan data mengenai nilai masing – masing mean, median, range, nilai
maksimum dan minimum dari masing – masing variable.

Menguji Normalitas dan Varian

Output test of normality terlihat nilai signifikan pada data murfometri kerang adalah panjang cangkang
0.021 dan lebar cangkang 0.017. dimana nilai signifikansi < 0.05 sehingga distribusi datanya berdistribusi
tidak normal.

Output untuk menguji normalitas dengan plot (Q – Q plot) dilihat bahwa distribusi datanya dikatakan
normal. Hal ini dapat terlihat dari sebaran data di sekeliling garis. Dan Output pada Detrended normal Q
– Q plot terdeteksi pola dari titik – titik yang bukan bagian dari kurva normal.

Scetterplot

Terlihat sebaran data dalam satu garis dan terdistribusi secara normal.

Hipotesis

H0 = tidak ada korelasi antara 2 variable, dan

H1 = ada korelasi antara 2 variable.

Regresi dan korelasi

Output korelasi dimana hipotesisnya:

H0 = tidak ada korelasi antara 2 variable, dan

H1 = ada korelasi antara 2 variable.

Dimana jika Probabilitas > 0.05 maka H0 diterima, dan sebaliknya jika probabilitas < 0.05 maka H0
ditolak. Karena semua angka probabilitasnya adalah 0.000 maka keputusannya adalah (0.000 < 0.05)
tolah Ho atau terima H1. Dimana semua variabel secara nyata adalah berkorelasi.

Output model summary dimana nilai R adalah sebesar 1.000 menunjukan bahwa korelasinya sangat kuat
(>0.05). Sedangkan nilai SEE adalah 0.0000 menunjukan model regresi semakin tepat dalam
memprediksi variable dependent.

Output anova diketahui bahwa Fhitung adalah 0 dengan probabilitas 0.000 menunjukan bahwa panjang
cangkang dan lebar cangkang saling mempengaruhi.

BAB V

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Setelah melakukan praktikum SPSS ini maka dapat disimpulkan bahwa:

SPSS adalah salah satu program statistik yang dibuat untuk mempermudah dalam menyelesaiakan
masalah-masalah pengolahan data dalam statistik.

Dalam menyelesaikan masalah pengolahan data statistik dapat digunakan SPSS Data Editor
dengan beberapa uji, yaitu;

Uji frekuensi

Statistika deskrptive (explore)

Uji Normalitas dan Varians

Scetterplot

Hipotesis

Regresi dan Korelasi

Statistik dengan uji hipotesis yaitu untuk membuktikan dengan alat statistika, apabila dugaan yang
dimiliki dapat dibuktikan benar atau sebaliknya. Ada dua kelompok besar yang dapat dilakukan dengan
uji hipotesis: uji hipotesis terkait uji rerata, dan uji hubungan baik terbatas pada besarnya derajat
asosiasi (uji korelasi) atau mencari bentuk hubungan fungsional beberapa variabel (uji regresi).

5.2 Saran

Sebaiknya komputer di lab d tambah lagi agar dapat digunakan secara efisien, dan praktikan tidak
berdesak-desakan dalam melakukan praktikum.
Sebaiknya asisten jauh-jauh hari sudah memberikan jadwal praktikum kepada praktikan agar praktikan
dapat mempersiapkan sebelumnya.

Dalam penjelasan saat praktikum, sebaiknya asisten jangan terlalu cepat menjelaskannya, karena banyak
praktikan yang ketinggalan bagaimana langkah-langkah dalam melakukan pengolahan datanya.