3
MATERI POKOK
• Menganalisis Statistik Deskriptif
1
4
4 SOFTWARE STATISTIK PALING BANYAK DIGUNAKAN
Help
DATA EDITOR
Menu : File, Edit , Data transform, Statistic, Graphs,
Utilities, Window, Help.
Tool Bar
Sel Aktif
Variable View :
Type Missing
Width Columns
Decimal Align
Label Measure
Values Role
Output Window
Tool Bar
STATISTIK DESKRIPTIF
Tabulasi
Data Grafik
Summary Statistics
Frequencies
Descriptives
Explore
Descriptive Statistics
Crosstabs
Ratio
Frequencies
Menu ini membahas beberapa penjabaran ukuran statistik
deskriptif seperti Mean, Median, Kuartil, Persentil, Standar Deviasi
dan lainnya.
No Tinggi Gender
Data tentang tinggi badan 25 orang 14 170.4 Wanita
peserta Diklat Statistisi Ahli (dalam 15 168.9 Wanita
centimeter) yang diambil secara acak. 16 168.9 Wanita
No Tinggi Gender 17 177.5 Wanita
1 170.2 Pria 18 174.5 Pria
2 172.5 Pria 19 186.6 Wanita
3 180.3 Pria 20 164.8 Wanita
4 172.5 Pria 21 170.4 Pria
5 159.6 Wanita 22 168.9 Pria
6 168.5 Wanita 23 164.8 Wanita
7 168.5 Pria 24 167.2 Wanita
8 172.5 Pria 25 167.2 Wanita
9 174.5 Pria
10 159.6 Wanita
11 170.4 Wanita
12 161.3 Wanita
13 172.5 Pria
1. Mendefinisikan variabel
2. Input Data
3. Olah Data
4. Summary
1. Menu Charts berkenaan dengan jenis grafik yang ingin kita pilih.
Dari Chart Type, untuk keseragaman kita pilih Histogram. Lalu
menu With normal curve-nya akan hidup, maka kita klik juga
With normal curve. Lalu klik Continue.
2. Sekarang editor akan kembali ke tampilan editor Frequencies
seperti awal, selanjutnya kita akan memilih menu Format.
Mean atau rata-rata tinggi badan adalah 170,12 cm dengan standar error
adalah 1,20655 cm. Penggunaan standar error of Mean adalah untuk
memeriksa besar rata-rata populasi yang diperkirakan dari sampel.
Untuk itu, dengan standar error of Mean tertentu dan pada tingkat
kepercayaan 95% (SPSS sebagian besar menggunakan angka ini sebagai
standar), rata-rata populasi tinggi badan menjadi:
Perhatikan bahwa kedua batas angka berbeda tipis dengan nilai minimum dan
maksimum, ini artinya sebaran data adalah baik.
Ukuran Skewnes adalah 0,572 cm. Untuk penilaian, nilai tersebut diubah ke
angka rasio. Rasio kurtosis adalah = nilai kurtosis/standar error kurtosis =
0,572/0,902 = 0,63. Sebagai pedoman, bila rasio kurtosis berada antara -2
sampai dengan +2, maka distribusi data adalah normal.
Karena variabel gender bukan data kuantitatif namun kategori, maka tidak
perlu dilakukan dskripsi statistik seperti Mean, Median, Standar Deviasi dan
sebagainya.
Analisisnya
Output bagian Pertama
Bagian ini membahas deskripsi statistik dari variabel tinggi yang meliputi
Mean dan yang lainnya.
Output bagian Kedua
Bagian ini membahas penerapan z-score atau Standard Score. Dalam output SPSS,
nilai z bisa dipakai untuk secara cepat melihat nilai mana yang menyimpang cukup
jauh dari rata-ratanya (outlier)
Jika suatu data berdistribusi normal, suatu nilai bisa distandardisasi dengan nilai z,
yaitu:
Langkah penyelesaian:
Buka lembar kerja baru
Masukkan data. Jangan lupa definsikan variabelnya. Karena semuanya data
kategori pilih Decimalsnya = 0.
Untuk variabel pekerjaan, tipenya numerik, dimana: 1 = karyawan, 2=
wiraswasta dan 3= petani.
Untuk variabel pendidikan, tipenya numerik dengan; 1 = Sma, 2= akademi, dan
3=sarjana
Variabel gender seperti sebelumnya, 1=Pria dan 2 = Wanita.
Setelah data diketikan lalu simpan data tersebut dengan nama file
Crosstab1.sav pada drive D, dari baris menu, pilih menu Analyze, lalu pilih
submenu Descriptive Statistics, lalu pilih lagi sumenu Crosstab.
Row(s) atau variabel yang akan ditempatkan pada baris (row) –untuk
keseragaman, kita pilih Gender
Column(s) atau variabel yang akan ditempatkan pada Kolom) –untuk
keseragaman, kita pilih Pekerjaan
Klik pilihan Statistics…, akan tampak dilayar gambar berikut.
Karena kita akan melihat hubungan antara dua variabel, untuk keseragaman
pilih Chi-Square. Pilihan yang lainnya akan digunakan pada kasus yang relevan
di bagian lain. Lalu Klik Continue
Kemudian Klik pilihan Cells
Variabel Pendidikan tidak dimasukkan, karena dalam proses ini kita hanya
memasukkan dua saja, tidak mesti semua, gunakan variabel pendidikan pada
kasus yang lain.
Klik OK
Analisis Output Bagian Pertama (Case Processing Summary)
Ada 25 data yang semuanya diproses (tidak ada data missing), sehingga tingkat
validitasnya 100%.
Di dalam SPSS, selain alat uji Chi-Square juga dilengkapi dengan beberapa alat
uji yang sama tujuannya.
Hipotesis
Hipotesis untuk kasus ini:
Ho: Tidak ada hubungan antara baris dan kolom, atau antara pekerjaan
konsumen dengan gender konsumen tersebut.
Hi : Ada hubungan antara baris dan kolom, atau antara pekerjaan konsumen
dengan gender konsumen tersebut
Pengambilan Keputusan
Dasar pengambilan keputusan, yaitu: Berdasarkan perbandingan Chi-Quare Uji
dan angka dari Tabel
Jika Chi-square Hitung < Chi-square Tabel, Maka Ho diterima
Jika Chi-square Hitung > Chi-square Tabel, Maka Ho ditolak
Chi-square Hitung dapat dilihat pada output bagian ketiga yaitu 7.702.
Sedangkan Chi-square Tabel, dapat dilihat pada Tabel Uji-Statistik untuk Chi-
square. Dalam hal ini untuk tingkat signifikansi () = 5% dan derajat kebebasan
(dF) = 2 adalah 5,9915.
Karena Chi-square Hitung (7.702) > Chi-square Tabel (5,9915), Maka Ho ditolak
Dengan demikian dipsimpulkan bahwa ada hubungan antara baris dan kolom,
atau antara pekerjaan konsumen dengan gender konsumen tersebut.
Dengan kata lain dapat saja dikatakan bahwa kebanyakan pria berprofesi
karyawan sedangkan kebanyakan wanita tidak banyak yang berprofesi
karyawan, mungkin banyaknya wiraswasta.
Menguji Keeratan Hubungan Dua Variabel Berskala Nominal
Jika tadi kita contohkan bahwa berdasarkan analisis Crosstab ditemukan terdapat
hubungan antara dua variabel berskala nominal, yaitu antara gender dengan pekerjaan.
Sekarang kita akan cari tahu seberapa besar keeratan hubungan tersebut.
Kedua cara perhitungan di atas dapat digunakan pada kasus hubungan antara
Pekerjaan dengan Gender.
Langkah-langkahnya:
Buka lagi lembar kerja latihan crosstab
Darri baris menu, pilih menu Analyze, lalu pilih submenu Descriptive Statistics, lalu
pilih lagi sumenu Crosstab.
Pada menu Row(s) atau variabel yang akan ditempatkan pada baris (row) –untuk
keseragaman, kita pilih Gender
Column(s) atau variabel yang akan ditempatkan pada Kolom) –untuk
keseragaman, kita pilih Pekerjaan
Klik pilihan Statistics…, akan tampak dilayar gambar berikut.
Karena sudah tahu bahwa antara kedua variabel tersebut terdapat hubungan, maka
sekarang tidak perlu lagi Chi-square, oleh karena itu sekarang Chi-square-nya jangan
dicentak (tidak diklik). Kalau diklik, hasilnya akan seperti sebelumnya.
Klik pilihan Correlations untuk mengetahui koefisien korelasi kedua variabel dengan
cara Symetric Measures.
Pada kolol Nominal (yang berarti khusus untuk data yang berskala Nomonal), klik
semua pilihan yaitu Contingency Coefficient, Phi and Cramer’s V, lambda dan
Uncertainty coefficient.
Pilihan ini untuk mengetahui koefisien korelasi dengan cara Directional Measures. Lalu
klik Continue. Kemudian Klik pilihan Cells…, akan tampak di layar gambar sebelah
kanan.
Untuk pilihan Count, ntuk keseragaman klik hanya Observed
Pilihan Percentage untuk kasus ini biarkan saja kolom tersebut (tidak ada yang dipilih).
Demikian pula kolom Residuals biarkan kosong. Lalu klik Continue.
Klik pilihan Format. Row Order atau penempatan nama variabel dalam baris, apakah
naik atau turun. Pilih Ascending. Klik Continue.