ACARA II

I. Judul : Laporan Praktikum Statistik 2

Tujuan :
1. Memperkenalkan kepada praktikan tentang paket program SPSS.

2. Agar praktikan tahu dan mampu melakukan deskripsi dan inferensi data
dengan SPSS.

II. Alat dan Bahan

Alat:
1. Laptop, Microsoft Excel dan Program SPSS
2. LCD
Bahan
Beberapa Tampilan Data Yang Akan Disajikan Dengan Tabel dan Statistik Deskriptif
(Lampiran)
III. Dasar Teori
Skala Pengukuran
Pengukuran data adalah penetapan atau pemberian angka-angka atau bilangan terhadap suatu
objek yang diamati sesuai dengan aturan-aturan yang berlaku.Hasil pengukuran merupakan
informasi data dari sistem ampiris ke dalam sistem bilangan. Sistem bilangan dideskripsikan
untuk menjelaskan sistem empiris yang didefinisikan sebagai sampel/populasi.Penetapan
bilangan tersebut disesuaikan dengan sifat objek yang diamati sesuai dengan skala pengukuran
yang digunakan.Skala pengukuran ini akan menentukan jenis analisis statistika yang digunakan.

Jenis skala pengukuran dapat dijelaskan sebagai berikut :

a. Skala Nominal.
Skala ini digunakan , misalnya untuk
- Menyatakan kehadiran atau ketidakhadiran suatu sifat,
- Membagi objek kedalam kelompok-kelompok untuk
identifikasi.
Data dalam skala nominal merupakan data sifat (atribute data). Untuk membedakan
54
 antara data satu dengan lainnya, setiap kelompok dapat dibuat kode numerik (dapat
dalam bentuk bilangan).
Contoh : Kehadiran : pergi (=1) / tidak pergi (=2)
Hasil : sukses (=0) / gagal (=1)
Jenis Kelamin : pria (=1) / wanita (=2)
Mobil : sedan (=1) / truk (=2) / bus (=3)

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.

Dengan skala pengukuran dapat membuat perbedaan dengan

operasi matematik : tambah, kurang, kali dan bagi.
Contoh :
Harga = Rp 500,-
Gaji = Rp 1,5 juta per bulan
tinggi = 5 meter.

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.

3. 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

 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

58
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

59
  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

1. Jenis olah raga dan bakat

2. Pekerjaan dan jenis kelamin
3. Kepribadian, pendidikan, dan keturunan

Hubungan Antar Variabel

1. Hubungan Asimetris
2. Hubungan Simetris
3. 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)

60
 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

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 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.

62
IV. Langkah Kerja

5.1 Langkah Kerja Acara 2

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

a. Jumlah Karyawan Wanita dan Pria Berdasarkan Bidang Keahliannya

1. Membuka SPSS

70
 2. Analize-Tabel-Customize Tabel

3. Hasil

Jumlah Karyawan Wanita dan Pria Berdasarkan Bidang Keahliannya

Bidang Keahlian Karyawan

Marketing Akuntansi Produksi Umum Total

Jumlah Jumlah Jumlah Jumlah Jumlah

Jenis Kelamin Pria 6 9 10 8 33

Karyawan
Wanita 6 6 8 7 27

Sumber Pengolahan Data Sekunder

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

Belum Menikah Menikah

Jumlah Jumlah

Jenis Kelamin Pria 12 21

Karyawan
Wanita 19 8

72
2. Jumlah Karyawan Wanita dan Pria Berdasarkan Pendidikannya
a. Analize-Tabel-Customize Tabel

b. Hasil

Jumlah Karyawan Wanita dan Pria Berdasarkan Pendidikannya

Tingkat Pendidikan Karyawan

SMU Akademi Sarjana

Jumlah Jumlah Jumlah

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

Gaji Karyawan Bidang Keahlian Karyawan

Marketing Akuntansi Produksi Umum

Rata-Rata Jumlah Jumlah Jumlah Jumlah

Jenis Pria 5907515 6 9 10 8

Kelamin
Karyawan Wanita 6267556 6 6 8 7

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

Gaji Karyawan Bidang Keahlian Karyawan

Marketing Akuntansi Produksi Umum

Rata-Rata Jumlah Jumlah Jumlah Jumlah

Jenis Pria 5907515 6 9 10 8

Kelamin
Karyawan Wanita 6267556 6 6 8 7

75
c. Komposisi Lamanya Bekerja Wanita dan Pria Berdasarkan Bidang Pekerjaan

1. Analize-Tabel-Customize Tabel

2. Hasil

Komposisi Lamanya Bekerja Wanita dan Pria Berdasarkan

Bidang Pekerjaan

Lama Kerja
Karyawan Bidang Keahlian Karyawan

Marketing Akuntansi Produksi Umum

Rata-Rata Jumlah Jumlah Jumlah Jumlah

Jenis Pria 7 6 9 10 8
Kelamin
Karyawan Wanita 7 6 6 8 7

76
3. Tabel Distribusi Frekuensi

a. Tabel Distribusi Frekuensi Jenis Kelamin Karyawan

1. analyze-Descriptive Statistics-Frequencies

2. Hasil

Jenis Kelamin Karyawan

Frekuensi Persen Valid Persen Persentase Kumulatif

Pria 33 55.0 55.0 55.0

Valid Wanita 27 45.0 45.0 100.0

Total 60 100.0 100.0

77
 b. Tabel Distribusi Frekuensi Bidang Keahlian Karyawan

1. analyze-Descriptive Statistics-Frequencies

2. Hasil

Jenis Kelamin Karyawan

Persentase
Frekuensi Persen Valid Persen Kumulatif

Valid Pria 33 55.0 55.0 55.0

Wanita 27 45.0 45.0 100.0

Total 60 100.0 100.0

78
 c. Tabel Distribusi Frekuensi Status Karyawan

1. analyze-Descriptive Statistics-Frequencies

2. Hasil

Jenis Kelamin Karyawan

Frekuensi Persen Valid Persen Persentase Kumulatif

Valid Pria 33 55.0 55.0 55.0

Wanita 27 45.0 45.0 100.0

Total 60 100.0 100.0

79
 d. Tabel Distribusi Frekuensi Tingkat Pendidikan Karyawan

1.

b. Hasil

Tingkat Pendidikan Karyawan

Frequency Percent Valid Percent Cumulative Percent

Valid SMU 11 18.3 18.3 18.3

Akademi 24 40.0 40.0 58.3

Sarjana 25 41.7 41.7 100.0

Total 60 100.0 100.0

80
 4. Membuat Tabel Silang ( Crosstab )

a. Hubungan Jenis Kelamin Dengan Bidang Pekerjaan

Hubungan Jenis Kelamin Dengan Bidang Pekerjaan

Bidang Keahlian Karyawan

Marketing Akuntansi Produksi Umum Total

Jenis Kelamin Pria 6 9 10 8 33

Karyawan
Wanita 6 6 8 7 27

Total 12 15 18 15 60

c. Hubungan Jenis Kelamin Dengan Status

Jenis Kelamin Karyawan

Frekuensi
status Persentase
bekerja Persen Valid Persen Kumulatif

Valid Pria 33 55.0 55.0 55.0

Wanita 27 45.0 45.0 100.0

Total 60 100.0 100.0

81
c. Hubungan Jenis Kelamin Dengan Tingkat Pendidikan

B. ANALISIS STATISTIK DESKRIPTIF

a. Analisis Statistik Deskriptif Gaji Karyawan

82
Statistik

Gaji Karyawan

N Valid 60

Missing 0

Mean 6069533.33

Std. Error of Mean 312020.148

Mode 2940000

Std. Deviation 2416897.672

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

Jumlah Karyawan Wanita dan Pria Berdasarkan Pendidikannya

Tingkat Pendidikan Karyawan

SMU Akademi Sarjana

Jumlah Jumlah Jumlah

Jenis Pria 6 14 13
Kelamin
Karyawan Wanita 5 10 12

c. Analisis Statistik Deskriptif Lamanya Bekerja Karyawan

84
V. Hasil Praktikum
A. MEMBUAT TABEL
1. Tabel Sederhana
a. Jumlah Karyawan Wanita dan Pria Berdasarkan Bidang Keahliannya

Jumlah Karyawan Wanita Dan Pria Berdasarkan Bidang

Keahliannya
Bidang Keahlian
Jumlah

Wanita Marketing 5

Akuntansi 6

Umum 7

Produksi 8

Pria Marketing 7

Jenis Kelamin Karyawan Akuntansi 9

Umum 8

Produksi 10

Total Marketing 12

Akuntansi 15

Umum 15

Produksi 18

Sumber: Data Primer

85
b. Jumlah Karyawan Wanita dan Pria Berdasarkan Statusnya

Jumlah Karyawan Wanita dan Pria Berdasarkan Statusnya

Status Karyawan

Belum
Menikah Menikah

Jumlah Jumlah

Jenis Pria 12 21
Kelamin
Karyawan Wanita 19 8

c. Jumlah Karyawan Wanita dan Pria Berdasarkan Pendidikannya

Jumlah Karyawan Wanita dan Pria Berdasarkan Pendidikannya

Tingkat Pendidikan Karyawan

SMU Akademi Sarjana

Jumlah Jumlah Jumlah

Jenis Kelamin Pria 6 14 13

Karyawan
Wanita 5 10 12

86
2. Tabel Dengan Tambahan Data Kuantitatif
a. Komposisi Gaji Dari Pekerja Wanita dan Pria Berdasarkan Bidang Pekerjaan

Gaji
Karyawan Bidang Keahlian Karyawan

Marketing Akuntansi Produksi Umum

Rata-Rata Jumlah Jumlah Jumlah Jumlah

Jenis Kelamin Pria 5907515 6 9 10 8

Karyawan
Wanita 6267556 6 6 8 7

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

Marketing Akuntansi Produksi Umum

Rata-Rata Jumlah Jumlah Jumlah Jumlah

Jenis Kelamin Pria 5907515 6 9 10 8

Karyawan
Wanita 6267556 6 6 8 7

87
 c. Komposisi Lamanya Bekerja Wanita dan Pria Berdasarkan Bidang Pekerjaan

Komposisi Lamanya Bekerja Wanita dan Pria Berdasarkan Bidang

Pekerjaan

Lama Kerja
Karyawan Bidang Keahlian Karyawan

Marketing Akuntansi Produksi Umum

Rata-Rata Jumlah Jumlah Jumlah Jumlah

Jenis Kelamin Pria 7 6 9 10 8

Karyawan
Wanita 7 6 6 8 7

3. Tabel Distribusi Frekuensi

a. Tabel Distribusi Frekuensi Jenis Kelamin Karyawan

Jenis Kelamin Karyawan

Frekuensi Persen Valid Persen Persentase Kumulatif

Pria 33 55.0 55.0 55.0

Valid
Wanita 27 45.0 45.0 100.0

Total 60 100.0 100.0

88
 b. Tabel Distribusi Frekuensi Bidang Keahlian Karyawan

Keahlian Karyawan

Frekuensi Persen Valid Persen Persentase Kumulatif

Valid Pria 33 55.0 55.0 55.0

Wanita 27 45.0 45.0 100.0

Total 60 100.0 100.0

c. Tabel Distribusi Frekuensi Status Karyawan

Status Karyawan

Persentase
Frekuensi Persen Valid Persen Kumulatif

Valid Pria 33 55.0 55.0 55.0

Wanita 27 45.0 45.0 100.0

Total 60 100.0 100.0

89
 d. Tabel Distribusi Frekuensi Tingkat Pendidikan Karyawan

Tingkat Pendidikan Karyawan

Frequency Percent Valid Percent Cumulative Percent

Valid SMU 11 18.3 18.3 18.3

Akademik 24 40.0 40.0 58.3

Sarjana 25 41.7 41.7 100.0

Total 60 100.0 100.0

4. Membuat Tabel Silang (Crosstab)

a. Hubungan Jenis Kelamin Dengan Bidang Pekerjaan
b. Hubungan Jenis Kelamin Dengan Status
c. Hubungan Jenis Kelamin Dengan Tingkat Pendidikan

Tingkat Pendidikan Karyawan

Valid Cumulative
Frequency Percent Percent Percent

Valid SMU 11 18.3 18.3 18.3

Akademi 24 40.0 40.0 58.3

Sarjana 25 41.7 41.7 100.0

Total 60 100.0 100.0

90
B. ANALISIS STATISTIK DESKRIPTIF
a. Analisis Statistik Deskriptif Gaji Karyawan

Statistics

Gaji Karyawan

N Valid 60

Missing 0

Mean 6069533.33

Std. Error of Mean 312020.148

Mode 2940000

Std. Deviation 2416897.672

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.

Gambar 2.1 Tampilan Variabel View

2. Selanjutnya klik menu Data View, masukan data yang akan di transformasikan.

Gambar 2.2 Input Data

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.

Gambar 2.3 Kotak Dialog Histogram

4. Kemudian akan muncul hasil output histogram dari data tersebut, seperti
gambar berikut.

Gambar 2.4 Hasil Output Histogram Sebelum Transformasi

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.

Gambar 2.5 Tampilan Compute Variabel

6. Pilih All pada kolom Fundition Group, pilih Log 10 pada kolom Fundition And
Special Variabels. Lalu masukan bumil dari Tipe & Label ke Numaric Expression dengan
mengklik dua kali. Lalu klik OK, Seperti pada gambar berikut.

Gambar 2.6 Tampilan Proses Transformasi

95
7. Hasil transformasi akan muncul pada Data View. Seperti pada gambar berikut.

Gambar 2.7 Hasil Transformasi Bumil

8. Setelah melakukan transformasi data, untuk mengetahui apakah data yang
ditransformasikan telah berdistribusi normal atau tidak maka kita akan membuat histogram
seperti langkah sebelumnya. Caranya dengan klik menu Graphs → Legancy Dialogs →
Histogram, masukan data hasil transformasi kedalam kotak variabel. Lalu centang Display
normal curve, seperti gambar berikut.

Gambar 2.8 Tampilan Kotak Dialog Histogram

96
 9. Kemudian akan muncul hasil output histogram dari data yang telah di
transformasikan, seperti gambar berikut.

Gambar 2.4 Hasil Output Histogram Sesudah Transformasi

C. OUTPUT DAN PEMBAHASAN

C.1 Sebelum Transformasi

Gambar 3.1 Hasil Output Histogram Sebelum Transformasi

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

Gambar 3.2 Hasil Output Histogram Sebelum Transformasi

Interpretasi :
Dari grafik, dapat dilihat bahwa data ibu hamil di Kabupaten Tojo Una Una yang sudah
ditrasformasikan dengan menggunakan trasformasi log 10 sudah berdistribusi normal. Hal ini bisa
dilihat dari kurva yang memiliki keruncingan yang platikurtik dan kemencengan yang sudah sama
antara kiri dan kanan.
C.3 Perbandingan Sebelum Dan Sesudah Transformasi

Gambar 3.3 Perbandingan Kurva Sebelum Dan 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.

VIII. Daftar Pustaka

Sudijono, Anas.2004.Pengantar Statistik Pendidikan.Raja Grafindo Persada : Jakarta

Yasin, Hasbi. 2007. “Pengenalan Paket Program SPSS”. Semarang. Fakultas MIPA, UNDIP

100