Anda di halaman 1dari 18

BAB I

PENDAHULUAN

1.1 Pengertian Statistical Package for the Social Science (SPSS)


SPSS merupakan sebuah program komputer statistik yang berfungi untuk
membantu dalam memproses data-data statistik secara tepat dan cepat, serta
menghasilkan berbagai output yang dikehendaki oleh para pengambil keputusan.
Statistik dapat diartikan sebagai suatu kegiatan yang bertujuan untuk
mengumpulkan data, meringkas atau menyajikan data kemudian menganalisis data
dengan menggunakan metode tertentu, dan menginterpretasikan hasil dari analisis
tersebut. Ilmu statistik ini dapat ditemui di berbagai disiplin ilmu seperti ekonomi,
jurnalistik, psikologi, dan lain-lain. Sebagai contoh, dalam bidang ilmu manajemen
ilmu statistik ini berfungsi untuk membantu dalam pengambilan keputusan atas
suatu masalah tertentu. Dalam penghitungan statistik, alat yang sering digunakan
adalah olah data SPSS.
Program olah data SPSS ini telah digunakan di berbagai bidang persoalan
seperti riset pasar, pengendalian dan perbaikan mutu, serta riset-riset sains. Program
SPSS ini sangat populer karena sering kali dijadikan sebagai alat untuk
mempermudah proses pengolahan data. Sampai saat ini, program SPSS masih tetap
dipakai dalam berbagai bidang seperti ilmu keuangan, telekomunikasi, retail,
farmasi, militer, broadcasting, riset pemasaran, database marketing, penilaian
kredit, peramalan bisnis, penilaian kepuasan konsumen, dan lain sebagainya.
Program olah data SPSS ini sangat membantu dalam proses pengolahan data,
sehingga hasil olah data yang dicapai juga dapat dipertanggungjawabkan dan
terpercaya.
Berdasarkan sudut pandang statistik, terdapat dua jenis data yang dapat diolah
menggunakan program SPSS, yaitu data kualitatif dan data kuantitatif. Data
kualitatif merupakan data yang dapat dinyatakan dalam bentuk bukan angka,
misalnya jenis pekerjaan seseorang yang meliputi nelayan, petani, pegawai, dan
lain-lain. Selain itu bisa juga data gender (pria atau wanita), tingkat kepuasan
seseorang mulai dari tidak puas, cukup puas, dan sangat puas, dan data lain yang
berbentuk bukan angka. Data kualitatif seperti ini harus dikuantifikasi terlebih
dahulu agar dapat diolah dengan statistik. Cara mengkuantifikasikan data kualitatif
ini yaitu dengan cara memberi skor tertentu (wanita diberi skor 1, pria diberi skor
2), memberi rangking (tidak puas 1, cukup puas 2, dan sebagainya), atau memberi
pendapat (Ya 1, Tidak 2). Ini akan memudahkan data untuk diolah dengan program
SPSS.
Sedangkan data kuantitatif merupakan suatu data yang dapat dinyatakan dalam
bentuk angka, misalnya tinggi badan seseorang, usia seseorang, jumlah penjualan
dalam satu bulan, jumlah bakteri dalam suatu percobaan, dan lain sebagainya.
Karena data ini sudah berbentuk angka, maka akan mudah untuk diaplikasikan ke
dalam olah data SPSS.
1.2 Pengertian Analisis Deskriptif

Analisis deskriptif adalahanalisis yang bertujuan untuk menggambarkan


keadaan data. Analisis deskriptif berupa ukuran gejala pusat berupa mean, median,
dan modus. Ukuran penyebaran berupa kuartil, desil dan persentil. Ukuran
penyebaran berupa rentang data (range), simpangan (simpangan baku dan varians).
Ukuran kemiringan berupa model populasi, koefisisen kemiringan (kurtosis) dan
koefisien kecembungan (skweness).

1.3 Recodes dan Transformasi

Jika akan ingin bekerja dengan beberapa variabel dalam bentuk yang berbeda.
Jika telah mengumpulkan data penghasilan atau data umur, misalnya, ingin
mengelompokkan variabel kontinu kedalam kategori atau mungkin ingin membuat
variabel yang menggabungkan berbagai kondisi, mengatakan, manajer minoritas
semua berdasarkan gender. Jenis manipulasi data tersebut disebut mengubah atau
recoding.

Transformasi data adalah suatu proses dalam merubah bentuk data.


Misalnya merubah data numerik menjadi data kategorik atau merubah dari
beberapa variabel yang sudah ada dibuat satu variabel komposit yang baru.
Beberapa perintah SPSS yang sering digunakan adalah recode dan compute.
BAB II

DESKRIPSI KERJA

2.1 Studi Kasus

Berikut adalah data dari studi kasus yang akan dibahas oleh praktikan

2.1.1 Menjelaskan Hasil Analisis Deskriptif pada Data Berikut Menggunakan


SPSS.

Suhu (Celcius) Kelembababn (Persen)


32 40
35 47
27 38
33 42
34 45
28 39
30 40
29 37
31 43
26 35
30 41
35 46
35 46
29 38
31 43
25 32
36 45
20 29
28 36
30 40

2.1.2 Membuat Record Dan Transform Terhadap Jumlah Penjualan Burger Perhari
Pada PT.ADE.

a) Dengan menggunakan 2 digit NIM terakhir pada kondisi berikut : 1 untuk


< NIM, 2 untuk NIM ≤ 2 ≤ NIM+10, 3 untuk > NIM + 10
b) 1 untuk < 60 (tingkat penjualan rendah) , 2 untuk 60 ≤ 2 ≤ 180 (tingkat
penjualan sedang), 3 untuk > 180 (tingkat penjualan tinggi) menggunakan
data berikut.

No Jumlah Penjualan Burger pada PT ADE


1 150
2 68
3 46
4 100
5 300
6 60
7 80
8 25
9 200
10 256
11 50
12 9
13 8
14 50
15 40
16 254
17 240
18 188
19 87
20 67
21 134
22 19
23 20
24 180
25 34
26 280
27 124
28 250
29 44
30 156

2.2 Langkah Kerja

Setelah praktikan membuat kerangka konsep dan studi kasus, praktikan


mengaplikasikannya pada SPSS untuk menyelesaikan studi kasus. Adapun langkah
kerja yang digunakn oleh parktikan adalah sebagai berikut:

a) Langkah pertama yang dilakukan adalah membuka program SPSS 16.0 yang

sudah diinstal. Klik dua kali pada icon .


b) Kemudian ketika sudah membuka program SPSS akan tampil dua buah lembar
kerja yaitu data view dan variable view. Berikut adalah gambar dari kedua
lembar kerja tersebut.

Gambar 2.1 : Lembar Kerja Program SPSS


c) Setelah membuka lembar kerja langkah selanjutnya adalah membuat variabel-
variabel yang ada dalam data yang akan diolah. Berikut adalah gambar dalam
membuat variabel yang dibutuhkan.

Gambar 2.2 : Membuat Variable dalam Program SPSS

d) Kemudian masukkkan data yang dibutuhkan pada data view seperti gambar di
bawah ini.

Gambar 2.3 : Menginput Data dalam Program SPSS

e) Setelah memasukkan data, praktikan menghitung analisis deskriftif yang ada


pada menu Analyze kemudian pilih Frequence Berikut adalah tampilan
langkah tersebut.
Gambar 2.4 : Menghitung Deskrivtive Statistics Program SPSS

f) Setelah menganalisis data tersebut maka akan muncul hasil seperti gambar di
bawah ini.
Gambar 2.5 : Hasil Analisis
Dengan langkah kerja yang sama pada langkah kerja pertama, yang
membedakannya hanyalah studi kasus yang dibahas berbeda. Pada studi kasus
kedua praktikan diminta untuk melkukan recording dan transform pada Nomor
Induk Mahasiswa (NIM) dan data yang sudah disediakan mengenai produk
penjualan PT.ADE. Berikut adalah langkah kerjanya.

a) Setelah membuka lembar kerja SPSS dan membuat variabel-variabel yang


dibutuhkan serta memasukkan data. Langkah selanjutnya adalah mengklik
menu transform. Berikut adalah gambarnya.
Gambar 2.6 : Tampilan Cara Melakukan Transformasi

b) Setelah memilih menu transform pilih record into different variabels maka
akan muncul seperti gambar di bawah ini.

Gambar 2.7 : Tampilan Cara Input Variable pada Transformasi

c) Kemudian langkah selanjutnya adalah memasukkan variabel “x” ke dalam


input variable. Setelah memasukkan variable “x” selanjutnya adalah penamaan
label. Berikut adalah gambarnya.
Gambar 2.8 : Tampilan Cara Memberi Nama Label

d) Selanjutnya adalah memilih old and new values untuk memberikan


pengkodean untuk data baru yang akan dibuat. Berikut gambarnya.

Gambar 2.9 : Tampilan Cara Memasukkan Range

e) Setelah itu pilih countinue maka akan muncul hasil seperti gambar berikut ini.
Gambar 2.6 : Tampilan Cara Melakukan Transformasi

Untuk studi kasus nomer 2 bagian “b” proses pengerjaannya sama dengan
langkah kerja studi kasus bagian “a” yang membedakannya hanyalah aturan pada
pengelompokkan data.
BAB III
PEMBAHASAN
Berdasarkan studi kasus yang sudah dipaparkan di bab sebelumnya berikut
adalah hasil analisis dari SPSS.
3.1 Hasil Analisis Statistika Deskriptif

Gambar 3.1 : Output Statistics Deskriptive

Berdasarkan hasil analisis di atas dapat di ketahi bahwa jumlah data yang
valid dari suhu dan kelembaban adalah 20. Dimana dalam data tersebut tidak ada
data yang hilang (missing). Data tersebut memiliki populasi sebanyak 40.
Berdasarkan data di atas dapat bahwa suhu dan kelembaban memiliki rata-
rata 30,2 dan 40,1. Rata-rata atau mean merupakan ukuran pemusatan yang sangat
sering digunakan. Keuntungan dari menghitung rata-rata adalah angka tersebut
dapat digunakan sebagai gambaran atau wakil dari data yang diamati
Standar error of mean mencerminkan keakuratan sample yang dipilih
terhadap populasinya. Semakin kecil nilai standard error, semakin
mengindikasikan bahwa sampling yang diambil bagus, atau cukup mewakili
populasi yang sedang diteliti. Dan sebaliknya, makanya nilai standard error akan
mengecil saat jumlah sample diperbanyak. Pada data di atas standar error of mean
dari suhu dan kelembaban adalah .89 dan 1,07. Kecilnya standar error yang
dihasilkan pada data di atas menunjukkan bahwa sample yang diambil mendekati
popolasinya.
Selanjutnya adalah nilai tengah atau sering disebut median yang merupakan
suatu nilai ukuran pemusatan yang menempati posisi tengah setelah data diurutkan.
Dimana ketika data sudah diurutkan dari terkecil ke terbesar akan memberikan
median jika genap maka mediannya adalah data ke-n ditambah data ke-n+1 dibagi
dua. Sedangkan jika data tersebut berjumlah ganjil, maka mediannya tepat
ditengan.pada data di atas median dari suhu dan kelembaban adalah 30 dan 40.
Kemudian untuk mencari data yang paling banyak muncul dalam sample
yang ada dalam statistika disebut dengan mode. Mode merupakan nilai yang paling
sering muncul dari serangkaian data. Modus tidak dapat digunakan sebagai
gambaran mengenai data. Dalam data di atas, angka yang paling banyak muncul
dalam data suhu dan kelembaban adalah 30 dan 40.
Simpangan baku (standar deviation) dinotasikan sebagi s atau σ,
menunjukkan rata-rata penyimpangan data dari harga rata-ratanya. Simpangan baku
merupan akar pangkat dua dari variansi. Simpangan baku dalam data suhu dan
kelembaban berdasarkan analisis di atas adalah 3.9 dan 4,8.
Variansi (variance) dinotasikan sebagai S2 atau σ2 adalah ukuran
penyebaran data yang mengukur rata-rata kuadrat jarak seluruh titik pengamatan
dari nilai tengah (meannya). Variansi ini menunjukkan keberagaman pada data
yang ada. Dalam analisis data di atas variansi dari suhu dan kelembaban adalah 15
dan 23. Adanya perbedaan nilai menunjukkan kedua data tersebut memilki
keberagaman yang berbeda.
Skewness adalah derajat ketidaksimetrisan suatu distribusi. Jika kurva
frekuensi suatu distribusi memiliki ekor yang lebih memanjang ke kanan (dilihat
dari meannya) maka dikatakan menceng kanan (positif) dan jika sebaliknya maka
menceng kiri (negatif). Secara perhitungan, skewness adalah momen ketiga
terhadap mean. Distribusi normal (dan distribusi simetris lainnya, misalnya
distribusi t atau Cauchy) memiliki skewness 0 (nol). Sedangkan kurtosis adalah
derajat keruncingan suatu distribusi (biasanya diukur relatif terhadap distribusi
normal). Kurva yang lebih lebih runcing dari distribusi normal dinamakan
leptokurtik, yang lebih datar platikurtik dan distribusi normal disebut mesokurtik.
Kurtosis dihitung dari momen keempat terhadap mean. Distribusi normal memiliki
kurtosis = 3, sementara distribusi yang leptokurtik biasanya kurtosisnya > 3 dan
platikurtik <>. Berikut adalah histogram dari suhu dan kelembaban, untuk
menganalisis apakah suhu dan kelembaban merupakan distribusi normal atau tidak.

Gambar 3.2 : Analisis Skewness dan Kurtosis pada Suhu

Berdasarkan histogram di atas, suhu memiliki lengkungan yang lebih


runcing ke kanan dan apabila melihat hasil analisis besarnya skewness yang
mendekati nol. Maka suhu dapat dikatakan berdistribusi normal. Sedangkan
kurtosis pada data di atas tidak mendekati nol, yang berarti data tersebut
berdistribusi normal.
Gambar 3.3 : Analisis Skwekness dan Kurtosis pada Kelembaban

Berdasarkan histogram di atas, kelembaban memiliki kemiringan ke kanan


kanan dan apabila melihat hasil analisis besarnya skewness yang mendekati nol.
Maka kelembaban dapat dikatakan berdistribusi normal. Sedangkan kurtosis pada
data di atas tidak mendekatilenih meruncing kea rah kiri yang mendekati nol,
maka data tersebut tidak berdistribusi normal.
Kemudian suhu dan kelembaban memiliki range masing-masing adalah 16
dan 18. Rentang (Range) yang biasanya dinotasikan sebagai R, menyatakan ukuran
yang menunjukkan selisih nilai antara maksimum dan minimum. Rentang cukup
baik digunakan untuk mengukur penyebaran data yang simetrik dan nilai datanya
menyebar merata. Kemudian kedua data tersebut memiliki nilai maksimum dan
minimum. Dimana nilai maksimum merupakan nilai terbesar yang ada dalam
sekumpulan data tersebut. Sedangkan nilai minimum merupakan data terkecil yang
ada pada data tersebut. Berdasarkan hasil di atas nilai maksimum suhu dan
kelembaban secara berturut-turut adalah 36 dan 47. Sedangkan nilai minimum dari
suhu dan kelembaban yaitu 20 dan 29.
Kemudian kedua data tersebut dapat dicari jumlah data secara keseluruhan.
Berdasarkan perhitungan di atas jumlah data suhu adalah 604 dan jumlah dari
kelembaban adalah 802. Jumlah ini biasanya dalam statistika deskriptif disebut
sum. Selain jumlah, rata-rata juga dapat dicari dengan menggunakan rumus dimana
jumlah data dibagi dengan banyaknya data. Dalam hal ini jumlah data suhu yang
sebesar 604 dibagi dengan jumlah data yaitu 20. Berdasarkan perhitungan di atas
rata-ratanya adalah 30,2.
Statistika dekriptif yang terakhir adalah nilai precentile. Percentile
merupakan titik atau nilai yang membagi distribusi data menjadi beberapa bagian
sama besar. Hal tersebut menyebabkan percentile sering disebut ukuran persatuan.

3.2 Hasil Record dan Transform dari Penjualan Burger PT. ADE

Berikut adalah hasil analisis record dan transform penjualan burger pada
PT. ADE. Dalam data di bahwah ini diketahui “x” merupakan data dari hasil
penjualan. Kemudian penjualan menunjukkan hasil record baru yang diterapkan
syarat menggunakan NIM dan “new” merupakan data baru pada hasil penjualan
yng sudah dikelompokkan berdasarkan ketentuan yang ditetapkan pada studi kasus.

Gambar 3.4 : Output hasil Record dan Transformasi


Seperti yang sudah dijelaskan mengenai pengertian dari record dan
transform pada bab sebelumnya.bahwa recording merupakan bekerja dengan
mengubah data yang lama menjadi data baru yang dibuat berdasarkan pengkodean.
Dimana transformasi data adalah suatu proses dalam merubah bentuk data.
Pada data di atas, dalam studi kasus kedua bagian “a” diberikan ketentuan
untuk membuat data baru dengan ketentuan akhiran NIM mahasiswa pada “lowest”
diisi dengan angka 5 sesuai dengan akhiran NIM, data pertama (lowest) tersebut
diberi kode 1. Sehingga data yang berada di bawah 5 atau sama dengan 5 akan
diberi kode 1. Kemudian range yang antara 5 sampai dengan 15, dimana 15
didapatkan dari ketentuan akhiran NIM ditambah 10. Dengan demikian, data yang
berada diantar 5 dan 15 maka akan diberi kode 2. Sedangkan yang terakhir adalah
higest, dimana diberikan ketentntuan lebih dari 15. Sehingga semua data yang
bernilai di atas 15 akan masuk dalam kode 3.
Kemudian, sama seperti bagian “a” yang membedakannya hanyalah syarat
yang ditentukan yaitu dalam 1 untuk < 60 (tingkat penjualan rendah) , 2 untuk 60 ≤
2 ≤ 180 (tingkat penjualan sedang), 3 untuk > 180 (tingkat penjualan tinggi). Dalam
range lowest ditentukan dengan kode 1 untuk data yang berada di bawah 60. Untuk
range yang kedua adalah antara 60 sampai dengan 180 diberi kode 2, sehingga
semua data yang berada diantara range tersebut akan diberi kode 2. Dan, yang
terakhir adalah higest dengan ketentuan data penjualan lebih dari 180 yang diberi
kode 3. Sehingga semua data penjualan yang melebihi 180 akan diberi kode 3.
BAB IV
PENUTUP
Berdasarkan rangkaian yang sudah dibuat oleh praktikan maka dapat disimpulkan
bahwa:
1. SPSS dapat membantu dalam menghitung statistika deskriptif dengan lebih
cepat dan efisien.
2. Dalam SPSS juga dapat menentukan apakah suatu data berdistribusi normal
atau tidak dengan cara menganalisis skweness dan kurtosisnya berdasarkan
kemiringan dan keruncingannya.
3. Dalam SPSS dapat juga bekerja menggunakan dengan memberikan kode
pada sutau data tertentu dengan ketentuan-ketentuan yang akan
memudahkan dalam proses oengolaan data.