Tujuan :
1. Memperkenalkan kepada praktikan tentang paket program SPSS.
2. Agar praktikan tahu dan mampu melakukan deskripsi dan inferensi data
dengan SPSS.
b. Skala Ordinal.
Skala ini digunakan, misalnya untuk :
- Menyatakan suatu objek untuk memiliki satu sifat yang dapat dibandingkan objek yang
lain.
- Mengurutkan serangkaian pengamatan objek
Data dengan skala ordinal digunaan untuk membedakan peringkat dari suatu sifat yang dapat
diurutkan.Untuk membedakan satu sifat dengan lainnya dalam peringkat dapat dibuat kode
bilangan (numerik).
Contoh :
Rasa: enak sekali (=3), cukup enak (=2), tidak enak (=1)
Produk: baik (=1), lebih baik (=2), sangat baik (=3)
Data dengan skala ordinal dapat dianalisis dengan cara
matematis :
= (sama dengan), > (lebih besar), < (lebih kecil), ≠ (tidak sama
dengan).
c. Skala Interval.
Skala interval merupakan pengukuran di mana rasio perbedaan dalam interval adalah tetap.
Dengan skala interval dapat membuat perbedaan dengan menambah, mengurangi, atau
mengurutkan objek.
Contoh : Suhu = 30◦C, perbedaan suhu = 33 C - 28 C = 5 ̊C
55
d. Skala Rasio.
Skala rasio merupakan pengukuran suatu objek dalam dua tokoh ukur yang berbeda berkaitan satu
sama lain dengan rasio tetap.
Meskipun statistik bisa diterapkan pada hampir semua aspek kehidupan, namun ada beberapa
elemen yang biasa terdapat dalam suatu
persoalan statistik, yaitu:
1. Populasi
Masalah dasar dari persoalan statistik adalah menentukan populasi data. Secara umum
populasi bisa didefinisikan sebagai sekumpulan data yang mengidentifikasi suatu fenomena. Misal
Pekerja di seluruh Indonesia bias disebut suatu populasi; namun semua Pekerja di PT UTAMA
juga bias 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, definisi
populasi lebih bergantung pada kegunaan dan relevansi data yang dikumpulkan; jika diinginkan
diteliti kepuasan pekerja wanita yang bekerja malam di PT UTAMA tersebut, maka 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, maka populasi
yang relevan adalah seluruh wanita Indonesia yang aktif bekerja. Popuasi dalam statistika tidak
hanya terbatas pada masalah-masalah manusia atau bisnis, namun dapat lebih luas cakupannya.
Seperti populasi ayam di suatu daerah, populasi bakteri ‘X’ di suatu laboratorium, dan
seterusnya.Juga populasi bisa sedemikian besarnya hingga bisa dikatakan tak terbatas, seperti
populasi oksigen di dunia, populasi plankton di lautan dan sebagainya.
56
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, maka sampel bisa sebagian pekerja wanita, atau beberapa pekerja wanita di perusahaan
tersebut.Dengan itu, jadi,sampel pada dasarnya adalah bagian dari populasi, atau populasi bisa
dibagi dalam berbagai jenis sampel. Pengambilan sampel dilakukan 8 karena dalam praktek
banyak kendala yang tidak memungkinkan seluruh populasi diteliti. Kendala tersebut bisa karena
situasi, waktu, tenaga, biaya, dan sebagainya. Sebagai contoh, tidak mungkin akan diteliti semua
bakteri “X”di seluruh dunia; atau menghabiskan banyak waktu dan biaya jika seluruh pekerja
wanita di Indonesia dijadikan objek penelitian. Oleh karena itu, pengambilan sampel (contoh) data
pada banyak kasus statistik merupakan suatu kebiasaan dan karenanya metode pengambilan
sampel menjadi bagian penting dari statistik.
1. Statistik Parametrik
Merupakan karakteristik dari hasil pengukuran suatu objek. Ukuran parameter statistika dihitung
dari data sampel atau populasi. Parameter statistika yang sering digunakan dalam analisis
statistika, adalah :
a. Rata-rata
Rata-rata adalah nilai yang dapat mewakili besaran dari objek yang diamati. Rata-rata dapat
diartikan juga sebagai ukuran data yang mendominasi dari seluruh data. Dalam komputasinya,
rata-rata dapat ditentukan dengan cara nilai tengan, dan nilainya dihitung dengan cara rata-rata
hitung, median dan modus. Ketiga ukuran tersebut mempunyai sifat-sifat tersendiri yang
tergantung dari jenis penyebaran data. Jika penyebaran data mempunyai distribusi frekuensi yang
simetri terhadap rata-rata, maka nilai dari ketiga nilai tengah adalah sama.
b. Varian atau deviasi standar
Varian merupakan pengukuran variasi sekitar mean.Variasi diberikan oleh suatu nilai yang
menunjukkan tingkat variabilitas perbedaan data. Karena nilai rata-rata sering kali belum dapat
memberikan cukup informasi yang tepat mengenai parameter rata-rata sebagai nilai tengah, maka
diperlukan adanya ukuran tingkat variabilitas data tersebut.
57
c. Korelasi
Korelasi adalah suatu nilai yang menyatakan hubungan antar variabel. Jika dua variabel
mempunyai korelasi, maka kedua variabel random yang tidak saling bebas.Ukuran erat tidaknya
hubungan antara dua variabel ditunjukkan oleh koefisien korelasi. Dengan diketahuinya koefisien
korelasi, maka dapat diketahui tingkat hubungan antara satu variabel lain.
2. Statistik Deskriptif
Statistika deskriptif berkenaan dengan bagaimana data dapat digambarkan dideskripsikan) atau
disimpulkan baik secara numerik (misal menghitung rata-rata dan deviasi standar) atau secara
grafis (dalam bentuk tabel atau grafik) untuk mendapatkan gambaran sekilas mengenai data
tersebut sehingga lebih mudah dibaca dan bermakna.
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
Variabel: adalah suatu sifat atau fenomena yang menunjukan sesuatu yang dapat diamati
dan nilainya berbeda-beda
Mempunyai nama
Dapat diamati atau diukur
Nilainya berbeda-beda
Memiliki definisi verbal
Ada kelompok penggolongan atau satuan
58
Contoh variabel tinggi badan:
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
59
Contoh: variabel pendidikan dan pekerjaan →variabel pendidikan (variabel bebas),
variabel pekerjaan (tergantung) → sebab pendidikan mempengaruhi pekerjaan
1. Hubungan Asimetris
2. Hubungan Simetris
3. Hubungan Timbal Balik (Resiprocal)
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)
60
Antara Y1 dan Y2 ada hubungan, tetapi tidak saling mempengaruhi
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 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)
61
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 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.
62
IV. Langkah Kerja
1. Gender
a. Membuka SPSS
b. Menginput Data
63
c. Hasil input tampilan data Gender
2. Bidang
a. Menginput Data
64
b. Hasil Input Tampilan Data Bidang
3. Status
a. Menginput Data
65
b. Hasil Input Tampilan Data Status
4. Didik
a. Menginput Data
66
b. Hasil Input tampilan Data Didik
5. Gaji
a. Menginput Data
67
b. Hasil Input Tampilan Data Gaji
6. Usia
a. Menginput Data
68
b. Hasil Input Tampilan Data Usia
7. Lama Kerja
a. Menginput Data
69
b. Hasil Input Tampilan Data Lama Kerja
B. Pengolahan Data
A. MEMBUAT TABEL
1. Tabel Sederhana
1. Membuka SPSS
70
2. Analize-Tabel-Customize Tabel
3. Hasil
71
c. Jumlah Karyawan Wanita dan Pria Berdasarkan Statusnya
1. Analize-Tabel-Customize Tabel
c. Hasil
Jumlah Karyawan Wanita dan Pria Berdasarkan
Statusnya
Status Karyawan
Jumlah Jumlah
72
2. Jumlah Karyawan Wanita dan Pria Berdasarkan Pendidikannya
a. Analize-Tabel-Customize Tabel
b. Hasil
Jenis Pria 6 14 13
Kelamin
Karyawan Wanita 5 10 12
73
2. Tabel Dengan Tambahan Data Kuantitatif
a. Komposisi Gaji Dari Pekerja Wanita dan Pria Berdasarkan Bidang Pekerjaan
1. Analize-Tabel-Customize Tabel
c. Hasil
Total 6069533 12 15 18 15
74
b. Komposisi Usia Dari Pekerja Wanita dan Pria Berdasarkan Bidang Pekerjaan
1. Analize-Tabel-Customize Tabel
3. Hasil
Komposisi Usia Dari Pekerja Wanita dan Pria Berdasarkan Bidang
Pekerjaan
75
c. Komposisi Lamanya Bekerja Wanita dan Pria Berdasarkan Bidang Pekerjaan
1. Analize-Tabel-Customize Tabel
2. Hasil
Lama Kerja
Karyawan Bidang Keahlian Karyawan
Jenis Pria 7 6 9 10 8
Kelamin
Karyawan Wanita 7 6 6 8 7
76
3. Tabel Distribusi Frekuensi
1. analyze-Descriptive Statistics-Frequencies
2. Hasil
77
b. Tabel Distribusi Frekuensi Bidang Keahlian Karyawan
1. analyze-Descriptive Statistics-Frequencies
2. Hasil
Persentase
Frekuensi Persen Valid Persen Kumulatif
78
c. Tabel Distribusi Frekuensi Status Karyawan
1. analyze-Descriptive Statistics-Frequencies
2. Hasil
79
d. Tabel Distribusi Frekuensi Tingkat Pendidikan Karyawan
1.
b. Hasil
80
4. Membuat Tabel Silang ( Crosstab )
Total 12 15 18 15 60
Frekuensi
status Persentase
bekerja Persen Valid Persen Kumulatif
81
c. Hubungan Jenis Kelamin Dengan Tingkat Pendidikan
82
Statistik
Gaji Karyawan
N Valid 60
Missing 0
Mean 6069533.33
Mode 2940000
Variance 5841394354802.257
Range 11478000
Minimum 1182000
Maximum 12660000
Percentiles 10 2940000.00
25 4440000.00
50 6684000.00
75 7417500.00
90 8934000.00
83
c. Analisis Statistik Deskriptif Usia Karyawan
Jenis Pria 6 14 13
Kelamin
Karyawan Wanita 5 10 12
84
V. Hasil Praktikum
A. MEMBUAT TABEL
1. Tabel Sederhana
a. Jumlah Karyawan Wanita dan Pria Berdasarkan Bidang Keahliannya
Wanita Marketing 5
Akuntansi 6
Umum 7
Produksi 8
Pria Marketing 7
Umum 8
Produksi 10
Total Marketing 12
Akuntansi 15
Umum 15
Produksi 18
85
b. Jumlah Karyawan Wanita dan Pria Berdasarkan Statusnya
Status Karyawan
Belum
Menikah Menikah
Jumlah Jumlah
Jenis Pria 12 21
Kelamin
Karyawan Wanita 19 8
86
2. Tabel Dengan Tambahan Data Kuantitatif
a. Komposisi Gaji Dari Pekerja Wanita dan Pria Berdasarkan Bidang Pekerjaan
Gaji
Karyawan Bidang Keahlian Karyawan
Total 6069533 12 15 18 15
b. Komposisi Usia Dari Pekerja Wanita dan Pria Berdasarkan Bidang Pekerjaan
Komposisi Usia Dari Pekerja Wanita dan Pria Berdasarkan Bidang Pekerjaan
Gaji
Karyawan Bidang Keahlian Karyawan
87
c. Komposisi Lamanya Bekerja Wanita dan Pria Berdasarkan Bidang Pekerjaan
Lama Kerja
Karyawan Bidang Keahlian Karyawan
88
b. Tabel Distribusi Frekuensi Bidang Keahlian Karyawan
Keahlian Karyawan
Status Karyawan
Persentase
Frekuensi Persen Valid Persen Kumulatif
89
d. Tabel Distribusi Frekuensi Tingkat Pendidikan Karyawan
Valid Cumulative
Frequency Percent Percent Percent
90
B. ANALISIS STATISTIK DESKRIPTIF
a. Analisis Statistik Deskriptif Gaji Karyawan
Statistics
Gaji Karyawan
N Valid 60
Missing 0
Mean 6069533.33
Mode 2940000
Variance 5841394354802.257
Range 11478000
Minimum 1182000
Maximum 12660000
Percentiles 10 2940000.00
25 4440000.00
50 6684000.00
75 7417500.00
90 8934000.00
91
b. Analisis Statistik Deskriptif Usia Karyawan
c. Analisis Statistik Deskriptif Lamanya Bekerja Karyawan
VI. Pembahasan
Dalam era dimana teknologi informasi telah berkembang pesat, setiap perusahaan
seharusnya dapat memanfaatkan data dan informasi, baik yang telah dimilikinya maupun
yang dapat diperoleh diluar instansinya, untuk mengambil keputusan yang tepat dan
obyektif. Kepekaan dan keakuratan pengambilan keputusan akan dapat ditingkatkan
dengan menggunakan metode dan teknologi yang tepat serta keahlian dan ketrampilan
yang handal. SPSS Indonesia mewakili SPSS Inc., produsen software statistik dan data
mining yang berkedudukan di Chicago, USA, untuk wilayah Indonesia. SPSS adalah
singkatan dari Statistical Products and Solution Services. SPSS menyediakan beraneka
ragam software, yang umum maupun spesifik. Untuk mengoptimalkan investasi suatu
perusahaan/instansi pembeli software, kami menyediakan fasilitas pelatihan bagi
konsumen, baik yang bersifat umum maupun dirancang khusus untuk kebutuhan spesifik
suatu perusahaan. Sebagai perwakilan dari SPSS Inc., yang merupakan suatu perusahaan
internasional, paket-paket pelatihan kami bersertifikat internasional. Software Statistik dan
Data Mining SPSS sangat mudah digunakan (userfriendly) dan mempunyai banyak
fasilitas untuk mempersiapkan, mengolah dan menganalisis data secara statistik. Software
maupun pelatihan tersedia dalam berbagai modul yang dapat dipilih sesuai kebutuhan
konsumen. Juga tersedia software untuk membantu pembuatan kuesioner serta pemasukan
data secara otomatis.
92
LANGKAH-LANGKAH TRANSFORMASI DATA
1. Buka aplikasi SPSS, lalu klik menu Variabel View dibagian bawah sebelah
kiri. Ketik nama data pada bagian name.
93
4. Sebelum melakukan transformasi data, pertama-tama kita harus mencari tahu
apakah data tersebut normal atau tidak.
Caranya klik menu Graphs → Legancy Dialogs → Histogram, masukan data
bumil kedalam kotak variabel. Lalu centang Display normal curve, seperti
gambar berikut.
94
5. Dari hasil output diketahui bahwa data tidak berdistribusi normal. Sehingga
akan dilakukan transformasi untuk menormalkan data tersebut. Caranya yaitu pilih
menu Transform → Compute Variabel, akan muncul kotak dialog seperti gambar
berikut.
95
7. Hasil transformasi akan muncul pada Data View. Seperti pada gambar berikut.
96
9. Kemudian akan muncul hasil output histogram dari data yang telah di
transformasikan, seperti gambar berikut.
97
Interpretasi :
Dari grafik, dapat diketahui bahwa data ibu hamil di Kabupaten Tojo Una Una tidak
berdistribusi normal. Bisa dilihat bahwa data ini memiliki kurva yang menceng kekanan dan
memiliki keruncingan yang mesokurtik.
C.2 Sesudah Transformasi
98
Interpretasi :
Dari hasil output diatas dapat dilihan bahwa kedua kurva berbeda sebelum dan sesudah
ditransformasikan. Data yang sebelum di transformasikan tidak berdistribusi normal karena
terlihat bahwa kurva mengalami kemenceng mesokurtik atau menceng kekanan, dan setelah di
transformasikan menggunakan transformasi log 10 data menjadi berdistribusi normal.
99
VII. Kesimpulan
SPSS adalah singkatan dari statistical product service solution, sebuah program aplikasi
yang memiliki kemampuan analisis statistik cukup tinggi serta sistem manajemen data pada
lingkungan grafis dengan menggunakan menu-menu deskriptif dan kotak-kotak dialog yang
sederhana sehingga mudah untuk dipahami cara pengoperasiannya.
Analisis deskriptif adalah bagian dari statistic yang digunakan untuk menggambarkan atau
mendeskripsikan data tanpa bermaksud menganalisir atau memuat kesimpulan tetapi hanya
menjelaskan kelomok data itu saja. Analisis frekuensi digunakan untuk memperoleh jumlah nilai
pada variable tunggal. Jika terdapat lebih dari satu variable maka variable tersebut akan
ditampilkan secara terpisah.
Yasin, Hasbi. 2007. “Pengenalan Paket Program SPSS”. Semarang. Fakultas MIPA, UNDIP
100