LAPORAN PRAKTIKUM

STATISTIKA
Jurusan TI & SI

Disusun oleh:
Nama : Ahmad Rinaldi
NIM : 175410053
Jurusan : Teknik Informatika
Kelas : TI 1

Laboratorium Terpadu
Sekolah Tinggi Manajemen Informatika dan
Komputer
AKAKOM
Yogyakarta
 Pertemuan 1

PENGENALAN SPSS FOR WINDOWS DAN MEMBANGUN DATA

A. Tujuan
1. Dapat mengenal lingkungan SPSS for windows
2. Dapat mengenal menu menu dasar dalam SPSS
3. Dapat membuat desain Variable
4. Dapat memasukkan data
5. Dapat melihat hasail SPSS

B. Dasar Teori
SPSS adalah sebuah program komputer yang digunakan untuk membuat analisis
statistika. SPSS dipublikasikan oleh SPSS Inc.
SPSS (Statistical Package for the Social Sciences atau Paket Statistik untuk Ilmu Sosial) versi
pertama dirilis pada tahun 1968, diciptakan oleh Norman Nie, seorang lulusan Fakultas Ilmu
Politik dari Stanford University, yang sekarang menjadi Profesor Peneliti Fakultas Ilmu Politik
di Stanford dan Profesor Emeritus Ilmu Politik di University of Chicago.
SPSS adalah salah satu program yang paling banyak digunakan untuk analisis statistika ilmu
sosial. SPSS digunakan oleh peneliti pasar, peneliti kesehatan, perusahaan survei,
pemerintah, peneliti pendidikan, organisasi pemasaran, dan sebagainya. Selain analisis
statistika, manajemen data (seleksi kasus, penajaman file, pembuatan data turunan) dan
dokumentasi data (kamus metadata ikut dimasukkan bersama data) juga merupakan fitur-
fitur dari software dasar SPSS.
Statistik yang termasuk software dasar SPSS
Statistik Deskriptif: Tabulasi Silang, Frekuensi, Deskripsi, Penelusuran, Statistik Deskripsi
Rasio
Statistik Bivariat: Rata-rata, t-test, ANOVA, Korelasi (bivariat, parsial, jarak), Nonparametric
tests
Prediksi Hasil Numerik: Regresi Linear
Prediksi untuk mengidentivikasi kelompok: Analisis Faktor, Analisis Cluster (two-step, K-
means, hierarkis), Diskriminan.
Berbagai fitur dalam SPSS dapat diakses melalui menu pull-down atau dapat diprogram
dengan bahasa perintah sintaks proprietary 4GL. Pemrograman perintah sintaks memiliki
keuntungan di bidang reproduktivitas serta pengendalian manipulasi data kompleks dan
analisis. Perhubungan menu pull-down juga menghasilkan sintaks perintah, walaupun
pengaturan awalnya harus diubah terlebih dahulu agar sintaks dapat dilihat oleh user.
Program dapat berjalan secara interaktif, atau tanpa pengendalian menggunakan Fasilitas
Kerja Produksi. Sebagai tambahan, bahasa makro juga dapat digunakan untuk menulis
perintah subrutin dan ekstensi program Python dapat mengakses informasi di dalam kamus
data dan data, kemudian secara dinamis membuat program perintah sintaks.
Ekstensi program Phyton, yang diperkenalkan pada SPSS 14, menggantikan skrip SAX Basic
yang kurang fungsional, walaupun SAX Basic juga masih dapat digunakan. Ekstensi Phyton
menyebabkan SPSS dapat menjalankan statistik mana pun dalam paket free software R.
Sejak versi 14 dan seterusnya, SPSS dapat diatur secara eksternal melalui Phyton pada
program VB.NET menggunakan “plug-ins” yang telah disediakan.

SPSS meletakkan batasan-batasan pada struktur file internal, tipe data, pengolahan data dan
pencocokan file, yang memudahkan pemrograman. SPSS datasets memiliki struktur tabel 2
dimensi dimana bagian baris menunjukkan kasus-kasus (seperti pribadi atau rumah tangga)
dan bagian kolom menampilkan ukuran-ukuran (seperti umur, jenis kelamin, pendapatan
rumah tangga). Hanya 2 tipe data yang digambarkan : numerik dan teks (string).
Seluruh pengolahan data dilakukan berurutan kasus per kasus melalui file. File dapat
dipasangkan satu per satu atau satu-banyak, tapi tidak dapat banyak per banyak.
User interface grafis memiliki 2 jenis tampilan yang dapat dipilih dengan cara meng-klik salah
satu dari dua tombol di bagian bawah kiri dari window SPSS.
Tampilan ‘Data View’ menampilkan tampilan spreadsheet dari kasus-kasus (baris) dan
variabel (kolom). Tampilan ‘Variable View’ menampilkan kamus metadata di mana setiap
baris mewakili sebuah variabel dan menampilkan nama variabel, label variabel, label nilai,
lebar cetakan, tipe pengukuran dan variasi dari karakteristik-karakteristik lainnya. Sel-sel di
kedua tampilan dapat diedit secara manual, memungkinkan pengaturan struktur file dan
pemasukan data tanpa harus menggunakan sintaks perintah.
Hal ini cukup untuk dataset-dataset kecil. Dataset yang lebih besar, seperti survei statistik,
lebih sering dibuat menggunakan software data entry, atau dimasukkan selama computer-
assisted personal interviewing, dengan pemindaian dan menggunakan software pengenalan
karakter optikal, atau dengan pengambilan langsung dari kuesioner online. Dataset-dataset
ini kemudian dimasukkan ke dalam SPSS.
SPSS dapat membaca dan menulis data dari file teks ASCII (termasuk file hierarkis), paket
statistik lainnya, spreadsheets dan database. SPSS dapat membaca dan menulis ke dalam
tabel database eksternal relasional melalui ODBC dan SQL.
Output statistik memiliki format file proprietary ( file.spo, men-support tabel poros) yang
mana, sebagai tambahan atas penampil dalam paket, disediakan pembaca stand-alone.
Output proprietary dapat diubah ke dalam bentuk teks atau Microsoft Word. Selain itu,
output dapat dibaca sebagai data (menggunakan perintah OMS), sebagai teks, teks dengan
pembatasan tabulasi, HTML, XML, dataset SPSS atau pilihan format image grafis (JPEG, PNG,
BMP, dan EMP).
C. PRAKTIKUM DAN PEMBAHASAN

1).
Summarize
[DataSet0] C:\Users\Student\Documents\tia.sav

Case Processing Summarya

Cases

Included Excluded Total

N Percent N Percent N Percent

Nama Responden 13 100.0% 0 0.0% 13 100.0%

Gender Responden 13 100.0% 0 0.0% 13 100.0%
Kerja Responden 13 100.0% 0 0.0% 13 100.0%
Didik 13 100.0% 0 0.0% 13 100.0%
Hasil 13 100.0% 0 0.0% 13 100.0%

a. Limited to first 100 cases.

Case Summariesa

Nama Gender Kerja

Responden Responden Responden Didik Hasil

1 Doni Laki - Laki Swata D3 1500000

2 Andi Laki - Laki Pedagang S1 2000000
3 Sisil Perempuan PNS SMA 750000
4 Qori Perempuan Pedagang SMA 800000
5 Aji Laki - Laki PNS D3 1250000
6 Cici Perempuan Swata S1 2500000
7 Arum Perempuan PNS SMA 800000
8 Mayang Perempuan PNS SMA 900000
9 Andi Laki - Laki Pedagang D3 1300000
10 Umi Perempuan Pedagang D3 1500000
11 Nani Perempuan PNS S1 2300000
12 Arum Perempuan PNS S1 2000000
13 Mayang Perempuan Pedagang SMA 3000000
Total N 13 13 13 13 13

a. Limited to first 100 cases.

COMPUTE Bonus=Hasil*10/1000.
EXECUTE.
COMPUTE Total_Gaji=Hasil + Bonus.
EXECUTE.
SUMMARIZE
/TABLES=Nama Gender Kerja Didik Hasil Bonus Total_Gaji
/FORMAT=VALIDLIST NOCASENUM TOTAL LIMIT=100
/TITLE='Case Summaries'
/MISSING=VARIABLE
/CELLS=COUNT.

Summarize
Case Processing Summarya

Cases

Included Excluded Total

N Percent N Percent N Percent

Nama Responden 13 100.0% 0 0.0% 13 100.0%

Gender Responden 13 100.0% 0 0.0% 13 100.0%
Kerja Responden 13 100.0% 0 0.0% 13 100.0%
Didik 13 100.0% 0 0.0% 13 100.0%
Hasil 13 100.0% 0 0.0% 13 100.0%
Bonus 13 100.0% 0 0.0% 13 100.0%
Total_Gaji 13 100.0% 0 0.0% 13 100.0%

a. Limited to first 100 cases.

Case Summariesa

Nama Gender Kerja

Responden Responden Responden Didik Hasil Bonus Total_Gaji

1 Doni Laki - Laki Swata D3 1500000 15000 1515000

2 Andi Laki - Laki Pedagang S1 2000000 20000 2020000
3 Sisil Perempuan PNS SMA 750000 7500 757500
4 Qori Perempuan Pedagang SMA 800000 8000 808000
5 Aji Laki - Laki PNS D3 1250000 12500 1262500
6 Cici Perempuan Swata S1 2500000 25000 2525000
7 Arum Perempuan PNS SMA 800000 8000 808000
8 Mayang Perempuan PNS SMA 900000 9000 909000
9 Andi Laki - Laki Pedagang D3 1300000 13000 1313000
10 Umi Perempuan Pedagang D3 1500000 15000 1515000
11 Nani Perempuan PNS S1 2300000 23000 2323000
12 Arum Perempuan PNS S1 2000000 20000 2020000
13 Mayang Perempuan Pedagang SMA 3000000 30000 3030000
Total N 13 13 13 13 13 13 13

a. Limited to first 100 cases.

SORT CASES BY Total_Gaji (D).

TUGAS 1. Lat2_Mad1.

/TABLES=Nama Jk Berat Tinggi

/FORMAT=VALIDLIST NOCASENUM TOTAL LIMIT=100
/TITLE='Case Summaries'
/MISSING=VARIABLE
/CELLS=COUNT.

Summarize
1.
Case Processing Summarya

Cases

Included Excluded Total

N Percent N Percent N Percent

Nama Responden 13 100.0% 0 0.0% 13 100.0%

Jenis Kelamin 13 100.0% 0 0.0% 13 100.0%
Berat Badan 13 100.0% 0 0.0% 13 100.0%
Tinggi Badan 13 100.0% 0 0.0% 13 100.0%

a. Limited to first 100 cases.

2.
Case Summariesa

Nama
Responden Jenis Kelamin Berat Badan Tinggi Badan

1 Aji Laki - Laki 60 155

2 Anton Laki - Laki 60 165
3 Maya Perempuan 55 175
4 Ida Perempuan 75 170
5 Anton Laki - Laki 80 170
6 Suci Perempuan 75 180
7 Arum Perempuan 90 185
8 Mima Perempuan 85 165
9 Wahyu Laki - Laki 68 178
10 Usi Perempuan 47 158
11 Desi Perempuan 65 172
12 Mita Perempuan 58 155
13 Nia Perempuan 55 165
Total N 13 13 13 13

a. Limited to first 100 cases.

A. Berat Badan Ideal

COMPUTE Berat_Badan_Ideal=(Tinggi-100)*0.9.
EXECUTE.
COMPUTE Kelebihan_Berat_Badan=(Berat-Berat_Badan_Ideal)/Berat*100.
EXECUTE.
SUMMARIZE
/TABLES=Nama Jk Berat Tinggi Berat_Badan_Ideal
/FORMAT=VALIDLIST NOCASENUM TOTAL LIMIT=100
/TITLE='Case Summaries'
/MISSING=VARIABLE
/CELLS=COUNT.

Case Processing Summarya

Cases

Included Excluded Total

N Percent N Percent N Percent

Nama Responden 13 100.0% 0 0.0% 13 100.0%

Jenis Kelamin 13 100.0% 0 0.0% 13 100.0%
Berat Badan 13 100.0% 0 0.0% 13 100.0%
Tinggi Badan 13 100.0% 0 0.0% 13 100.0%
Berat_Badan_Ideal 13 100.0% 0 0.0% 13 100.0%

a. Limited to first 100 cases.

Case Summariesa

Nama Berat_Badan_Id
Responden Jenis Kelamin Berat Badan Tinggi Badan eal

1 Aji Laki - Laki 60 155 50

2 Anton Laki - Laki 60 165 59
3 Maya Perempuan 55 175 68
4 Ida Perempuan 75 170 63
5 Anton Laki - Laki 80 170 63
6 Suci Perempuan 75 180 72
7 Arum Perempuan 90 185 77
8 Mima Perempuan 85 165 59
9 Wahyu Laki - Laki 68 178 70
10 Usi Perempuan 47 158 52
11 Desi Perempuan 65 172 65
12 Mita Perempuan 58 155 50
13 Nia Perempuan 55 165 59
Total N 13 13 13 13 13

a. Limited to first 100 cases.

 B. Kelebihan berat Badan

COMPUTE Kelebihan_Berat_Badan=(Berat - Berat_Badan_Ideal)/Berat*100.

EXECUTE.
SUMMARIZE
/TABLES=Nama Jk Berat Tinggi Berat_Badan_Ideal Kelebihan_Berat_Badan
/FORMAT=VALIDLIST NOCASENUM TOTAL LIMIT=100
/TITLE='Case Summaries'
/MISSING=VARIABLE
/CELLS=COUNT.

Case Processing Summarya

Cases

Included Excluded Total

N Percent N Percent N Percent

Nama Responden 13 100.0% 0 0.0% 13 100.0%

Jenis Kelamin 13 100.0% 0 0.0% 13 100.0%
Berat Badan 13 100.0% 0 0.0% 13 100.0%
Tinggi Badan 13 100.0% 0 0.0% 13 100.0%
Berat_Badan_Ideal 13 100.0% 0 0.0% 13 100.0%
Kelebihan_Berat_Badan 13 100.0% 0 0.0% 13 100.0%

a. Limited to first 100 cases.

Case Summariesa

Nama Jenis Berat Tinggi Berat_Bada Kelebihan_B

Responden Kelamin Badan Badan n_Ideal erat_Badan

1 Aji Laki - Laki 60 155 50 17.50

2 Anton Laki - Laki 60 165 59 2.50
3 Maya Perempuan 55 175 68 -22.73
4 Ida Perempuan 75 170 63 16.00
5 Anton Laki - Laki 80 170 63 21.25
6 Suci Perempuan 75 180 72 4.00
7 Arum Perempuan 90 185 77 15.00
8 Mima Perempuan 85 165 59 31.18
9 Wahyu Laki - Laki 68 178 70 -3.24
10 Usi Perempuan 47 158 52 -11.06
11 Desi Perempuan 65 172 65 .31
12 Mita Perempuan 58 155 50 14.66
13 Nia Perempuan 55 165 59 -6.36
Total N 13 13 13 13 13 13

a. Limited to first 100 cases.

E. Kesimpulan
SPSS adalahsebuah program atau softwere yang memiliki kemamapuan analisis
statistic yang cukup tinggi serta system manajemen data pada lingkungan grafis
dengan menggunakan menu menu deskiptif dan kotak-kotak dialog yang sederhana
sehingga mudah dipahami cara pengoperasian nya.

Dalam praktikum kali ini kita tahu bahwa SPSS for windows sendiri menawarkan
banyak kemudahan palam pengoperasian nya, mulai dangan memasukan data ,
memasukan data, mentranformasi data, analisis data dan menyajikan analisis data dan
lain-lain.

.
 DAFTAR PUSTAKA
 http://javansclub.wordpress.com/perintah-dasar-windows/
 http://id.wikipedia.org/wiki/COMMAND.COM
 https://id.wikipedia.org/wiki/DOS