SKOR :

TUGAS PROYEK
Oleh :

Nama : Syamsah Fitri

NIM : 8176171034
Kelas : A1 / Pasca Pendidikan Matematika
Mata Kuliah : Stastistika Pendidikan Matematika
Dosen Pengampu : Prof. Dr. Edy SyahPutra, M.Pd

PROGRAM PASCASARJANA PENDIDIKAN MATEMATIKA

UNIVERSITAS NEGERI MEDAN
T.A. 2017 / 2018
 KATA PENGANTAR

Puji syukur saya ucapkan kehadirat Allah SWT yang telah melimpahkan rahmat
dan karunia-Nya, sehingga saya dapat menyelesaikan penyusunan tugas proyek pada
Mata Kuliah Statistika yang terkhusus pada materi “Penerapan SPSS”. Salawat dan
salam tidak lupa kami kirimkan kepada baginda Rasulullah Nabi Muhammad SAW
yang telah membawa kita dari alam kebodohan menuju zaman yang serba modern ini
dengan perkembangan ilmu pengetahuan seperti saat sekarang ini.
Adapun tugas proyek saya tentang “Penerapan SPSS”. ini ditulis untuk memenuhi
salah satu tugas dari Mata Kuliah Statistika. Dengan adanya penulisan tentang ini
diharapkan bermanfaat untuk seluruh rekan-rekan sekalian. Dan saya ucapkan terima
kasih kepada semua pihak yang turut membantu.
Saya menyadari tidak ada manusia yang sempurna. Tugas ini masih banyak
kekurangan serta masih jauh dari kesempurnaan. Untuk itu, saya mengharapkan kritik
dan saran yang mendukung dari para pembaca untuk perbaikan di masa yang akan
datang . Akhir kata saya mohon maaf apabila ada kesalahan dalam penulisan tugas ini

Medan, 20 November 2017

Syamsah Fitri

i
 DAFTAR ISI

KATA PENGANTAR i
DAFTAR ISI ii
BAB I PENDAHULUAN 1
1.1 Latar belakang 1
1.2 Rumusan Masalah 1
1.3 Tujuan Pembahasan 1
BAB II RINGKASAN JURNAL 2
2.1 Pengertian SPSS 2
2.2 Penerapan SPSS 2
BAB III PENUTUP 12
4.1. Kesimpulan 12
4.2 Saran 12
DAFTAR PUSTAKA 13

ii
 BAB I
PENDAHULUAN
1.1. Latar Belakang
Statistika adalah ilmu yang mempelajari bagaimana merencanakan,
mengumpulkan, menganalisis dan mempresentasikan data. Singkatnya, statistika adalah
ilmu yang berkenan dengan data. Statistika dibagi menjadi dua, yaitu Statistika
Deskriptif dan Statistika Inferensial. Statistika deskriptif berkenaan dengan deskripsi
data, misalnya dari menghitung rata-rata dan varians dari data mentah; mendeksripsikan
menggunakan tabel-tabel atau grafik sehingga data mentah lebih mudah “dibaca” dan
lebih bermakna. Sedangkan statistika inferensial lebih dari itu, misalnya
melakukan pengujian hipotesis, melakukan prediksi observasi masa depan, atau
membuat model regresi.
Statistika dalam arti sempit berarti kumpulan data berupa angka, penyajian data
dalam table dan grafik, bilangan yang menunjukan karakteristik dari kumpulan data.
Statistika dalam arti luas yaitu metode yang digunakan dalam pengumpulan dan analisis
data yang berupa angka-angka sehingga dapat diperoleh informasi yang berguna.
Statistika adalah suatu metode yang menjelaskan tata cara pengumpulan, penyusunan,
penyajian, penganalisaan, dan penginterprestasian data menjadi informasi yang lebih
berguna. (wikipedia).Dalam materi Statistika Deskriptif, terdapat Regresi dan Korelasi.
Regresi dan korelasi digunakan untuk mempelajari pola dan mengukur hubungan
statistik antara dua atau lebih variabel.
1.2. Rumusan Masalah
Berdasarkan latar belakang di atas, dapat di rumuskan sebuah permasalahan
sebagai berikut:
1. Apa pengertian SPSS?
2. Apa kegunaan SPSS?
3. Bagaimana penerapan SPSS dalam mengelola data?
1.3. Tujuan Penulisan Makalah
Berdasarkan rumusan masalah diatas maka diperoleh tujuan penulisan ini ialah :
1. Untuk mengetahui pengertian SPSS
2. Untuk mengetahui kegunaan SPSS
3. Untuk mengetahui penerapan SPSS dalam mengelola data.

1
 BAB II
PEMBAHASAN
2.1. Pengertian SPSS
SPSS adalah program aplikasi bisnis yang berguna untuk menganalisa data
statistik. Versi terbaru program ini adalah SPSS 20, yang dirilis pada tanggal 16
Agustus 2011. Software SPSS dibuat dan dikembangkan oleh SPSS Inc. yang kemudian
diakuisisi oleh IBM Corporation
SPSS adalah kependekan dari Statistical Program for Social Science merupakan
paket program aplikasi komputer untuk menganalisis data statistik. Dengan SPSS kita
dapat memakai hampir dari seluruh tipe file data dan menggunakannya untuk untuk
membuat laporan berbentuk tabulasi, chart (grafik), plot (diagram) dari berbagai
distribusi, statistik deskriptif dan analisis statistik yang kompleks. Jadi dapat dikatakan
SPSS adalah sebuah sistem yang lengkap, menyeluruh, terpadu, dan sangat fleksibel
untuk analisis statistik dan manajemen data, sehingga kepanjangan SPSS pun
mengalami perkembangan, yang pada awal dirilisnya adalah Statistical Package for the
Social Science, tetapi pada perkembangannya berubah menjadi Statistical Product and
Service Solution. Keunggulan dari SPSS for windows diantaranya adalah diwujudkan
dalam menu dan kotak-kotak dialog antar muka (dialog interface) yang cukup
memudahkan para user dalam perekaman data (data entry), memberikan perintah dan
sub-sub perintah analisis hingga menampilkan hasilnya. Disamping itu SPSS juga
memiliki kehandalan dalam menampilkan chart atau plot hasil analisis sekaligus
kemudahan penyuntingan bilamana diperlukan.
Dalam menunjang kerjanya, SPSS for windows menggunakan 6 tipe window,
yaitu : SPSS Data Editor, output Window, Syntax Window, Chart Carousel, Chart
Window, dan Help Window.

2.2. Penerapan SPSS

1. Model Regresi Linear Ganda
Contoh 1
Seorang guru SMP sangat cemas terhadap prestasi belajar murid-muridnya. Segala cara
telah ia lakukan untuk meningkat hasil belajar murid-murid. Akhirnya guru tersebut
mengubah cara mengajar di kelas dari pembelajaran langsung ke pembelajaran
Kooperatif, untuk menghidari kekhawatiran yang lain guru tersebut ingin melihat

2
 apakah pembelajaran tersebut memliki pengaruh terhadap prestasi belajar. Beberapa
faktor yang ia liat antara lain cara guru mengajar, minat, tingkat kecemasan, dan
motivasi terhadap prestasi belajar siswa. Berikut data yang akan disajikannya.
Tingkat
NO Minat Motivasi Cara Guru Prestasi
kecemasan
. (X1) (X2) Mengajar (X4) Belajar (Y)
(X3)
1 8 14 20 26 6
2 8 16 21 20 7
3 7 12 24 16 6
4 9 14 23 15 8
5 8 18 24 22 7
6 10 8 20 18 6
7 9 15 22 28 7
8 6 8 18 20 9
9 7 20 26 24 8
10 9 18 28 15 8
11 6 10 16 18 6
12 8 7 15 14 5
13 10 22 30 22 9
14 9 12 19 20 6
15 10 21 20 24 7

Hasil
Descriptive Statistics
Std.
Mean Deviation N
prestasi belajar 7.00 1.195 15
minat 8.27 1.335 15
motivasi 14.33 4.850 15
tingkat kecemasan 21.73 4.200 15
cara guru mengajar 20.13 4.224 15

Correlations
prestasi tingkat cara guru
belajar minat motivasi kecemasan mengajar
Pearson Correlation prestasi belajar 1.000 .045 .518 .626 .170
minat .045 1.000 .394 .345 .120
motivasi .518 .394 1.000 .759 .465
tingkat kecemasan .626 .345 .759 1.000 .127
cara guru mengajar .170 .120 .465 .127 1.000

3
Sig. (1-tailed) prestasi belajar . .437 .024 .006 .273
minat .437 . .073 .104 .335
motivasi .024 .073 . .001 .040
tingkat kecemasan .006 .104 .001 . .326
cara guru mengajar .273 .335 .040 .326 .
N prestasi belajar 15 15 15 15 15
minat 15 15 15 15 15
motivasi 15 15 15 15 15
tingkat kecemasan 15 15 15 15 15
cara guru mengajar 15 15 15 15 15

Variables Entered/Removeda
Variables
Model Variables Entered Removed Method
1 cara guru
mengajar, minat,
. Enter
tingkat kecemasan,
motivasib
a. Dependent Variable: prestasi belajar
b. All requested variables entered.

Model Summaryb
Adjusted R Std. Error of Durbin-
Model R R Square Square the Estimate Watson
a
1 .663 .440 .216 1.058 2.523
a. Predictors: (Constant), cara guru mengajar, minat, tingkat kecemasan,
motivasi
b. Dependent Variable: prestasi belajar

ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 8.796 4 2.199 1.963 .176b
Residual 11.204 10 1.120
Total 20.000 14
a. Dependent Variable: prestasi belajar
b. Predictors: (Constant), cara guru mengajar, minat, tingkat kecemasan,
motivasi

Coefficientsa

4
 Unstandardized Standardized Collinearity
Coefficients Coefficients Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) 4.061 2.782 1.460 .175
minat -.194 .232 -.216 -.837 .422 .838 1.194
motivasi .027 .111 .109 .240 .815 .274 3.647
tingkat
.174 .112 .610 1.543 .154 .359 2.789
kecemasan
cara guru
.019 .082 .068 .233 .820 .662 1.510
mengajar
a. Dependent Variable: prestasi belajar

Residuals Statisticsa
Minimum Maximum Mean Std. Deviation N
Predicted Value 5.57 8.34 7.00 .793 15
Std. Predicted Value -1.805 1.690 .000 1.000 15
Standard Error of
.380 .855 .597 .137 15
Predicted Value
Adjusted Predicted
5.35 8.33 6.95 .907 15
Value
Residual -1.497 2.380 .000 .895 15
Std. Residual -1.414 2.249 .000 .845 15
Stud. Residual -1.684 2.784 .019 1.029 15
Deleted Residual -2.121 3.648 .052 1.337 15
Stud. Deleted Residual -1.887 5.569 .196 1.650 15
Mahal. Distance .868 8.193 3.733 2.042 15
Cook's Distance .000 .825 .101 .211 15
Centered Leverage
.062 .585 .267 .146 15
Value
a. Dependent Variable: prestasi belajar

Persamaan regresi, yaitu : y = 4,061 – 0,194 x1 + 0,27 x2 + 0,174 x3 + 0,19 x4

Standart error of estimate (se) adalah 2,782, angka -0, 216 pada standardized
coefficients (beta) menunjukkan tingkat korelasi antara prestasi belajar dan minat
belajar. Sedangkan 0,109 menunjukkan tingkat korelasi antara prestasi belajar dan
motivasi belajar, 0,610 menunjukkan tingkat korelasi antara prestasi belajar dan tingkat
kecemasan siswa, dan 0,068 menunjukkan tingkat korelasi antara prestasi belajar dan
cara guru mengajar. Sedangkan nilai t berguna untuk menguji tingkat signifikansinya.

5
2. Analisis Varians Dua Arah
Contoh 2
Seorang guru matematika membuat eksperiment untuk meningkatkan prestasi siswa.
Guru ingin meneliti melihat pengaruh kemempuan awal matematika siswa (faktor A :
tinggi, sedang dan rendah), dan tiga model pembelajaran RME dan model pembelajaran
CTL terhadap kemampuan spasial siswa SMA. Berikut data yang didapat.
Model
Pembelajaran
KAM Model
Model B
A
(CTL)
(RME)
80 90 80
80 75 70
Tinggi 80 65 70
75 65 65
75 70 70
70 50 55
70 60 60
Sedang 70 75 75
65 80 80
60 75 75
55 65 65
55 60 60
Rendah 50 68 68
50 50 60
50 58 58

Levene's Test of Equality of Error

Variancesa
Dependent Variable: K.Spasial
F df1 df2 Sig.
2.566 5 24 .054
Tests the null hypothesis that the error
variance of the dependent variable is
equal across groups.
a. Design: Intercept + KAM + Model +
KAM * Model

Tests of Between-Subjects Effects

6
Dependent Variable: Spasial
Source Type III Sum of Squares df Mean Square F Sig.
a
Corrected Model 629.767 5 125.953 1.581 .203
Intercept 135609.633 1 135609.633 1702.569 .000
KAM 607.267 2 303.633 3.812 .037
Model .833 1 .833 .010 .919
KAM * Model 21.667 2 10.833 .136 .874
Error 1911.600 24 79.650
Total 138151.000 30
Corrected Total 2541.367 29
a. R Squared = .248 (Adjusted R Squared = .091)

Estimated Marginal Means

1. KAM
Dependent Variable: K.Spasial
95% Confidence Interval
KAM Mean Std. Error Lower Bound Upper Bound
1 72.000 2.822 66.175 77.825
2 68.500 2.822 62.675 74.325
3 61.200 2.822 55.375 67.025

2. Model
Dependent Variable: K.Spasial
95% Confidence Interval
Model Mean Std. Error Lower Bound Upper Bound
1 67.067 2.304 62.311 71.823
2 67.400 2.304 62.644 72.156

3. KAM * Model
Dependent Variable: K.Spasial
95% Confidence Interval
KAM Model Mean Std. Error Lower Bound Upper Bound
1 1 73.000 3.991 64.762 81.238
2 71.000 3.991 62.762 79.238
2 1 68.000 3.991 59.762 76.238
2 69.000 3.991 60.762 77.238
3 1 60.200 3.991 51.962 68.438
2 62.200 3.991 53.962 70.438

7
Penduga varians dalam sel adalah bentuk kesalahan sebenarnya untuk pengujian
pengaruh KAM, pengaruh model pembelajaran dan pengaruh interaksi antara KAM dan
model pembelajaran terhadap kemampuan spasial matematika siswa. Nilai F hitung
untuk baris adalah 3,812 jika nilai Fhitung ini dikonfirmasi kepada nilai F tabel pada α
= 5% maka F hitung < F tabel . Di simpulkan Hi diterima. Ini berarti bahwa terdapat
paling tidak ada satu i pengaruh KAM terhadap kemampuan spasial metematika siswa,
sedemikian hingga αi ≠ 0. Dengan kata lain tidak terdapat pengaruh yang signifikan
antara KAM tinggi, KAM sedang, dan KAM rendah.
Demikian juga dengan nilai F hitung untuk kolom yaitu 0,10 dibandingkan dengan nilai
F tabel , jelas bahwa F hitung < F tabel (0,10 < 9,07). Dengan demikian H i diterima.
Berarti terdapat paling tidak ada satu i pengaruh model pembelajaran terhadap
kemampuan spasial metematika siswa, sedemikian hingga αi ≠ 0. Dengan perkataan lain
tidak terdapat pengaruh yang signifikan antara model pembelajaran RME dan model
pembelajaran CTL dalam kemampuan spasial matematika siswa.

8
Sedangkan nilai untuk interaksi adalah 0,136 < dari nilai F tabel (0,136 < 6,70). Jadi
cukup bukti untuk menerima H0, dengan perkataan lain H0 diterima. Disimpulkan bahwa
secara signifikansi terdapat sedikit pengaruh interaksi antara KAM dan model
pembelajaran terhadap kemampuan spasial matematika siswa. Bukti yang mem
perkuatnya terdapat pada gambar grafik yang memiliki titik temu.

3. Analisis Covarian Dua Faktor

Contoh 3
Seorang peneliti di bidang pendidikan membuat eksperiment semu untuk meneliti
pengaruh kemempuan awal matematika siswa (faktor A : tinggi, sedang dan rendah),
dan tiga model pembelajaran (Faktor B: RME, CTL, dan Konvesional) terhadap
kemampuan spasial siswa SMA. Karena Inteligent Question (IQ) siswa tidak sama
peneliti menggunakan IQ (X) sebagai variabel covariant.
Model pembelajaran
KAM
RME CTL Konvesional
I X1k Y1k X2k Y2k X3k Y2k
80 120 90 120 80 125 88
80 120 75 125 70 120 80
Tinggi 80 130 65 130 70 110 75
75 115 65 112 65 112 88
75 110 70 115 70 115 75
70 110 50 110 55 110 90
70 110 60 110 60 110 88
Sedang 70 112 75 112 75 112 85
65 100 80 100 80 100 76
60 108 75 118 75 118 80
55 100 65 100 65 100 80
55 95 60 95 60 95 75
Rendah 50 99 68 99 68 99 67
50 98 50 98 60 98 65
50 90 58 90 58 90 60

β J adalah pengaruh model pembelajaran ke-j terhadap kemampuan pemecahan masalah

siswa
γ adalah koefisien regresi yang menyatakan pengaruh Xij terhadap Yij
Hipotesis statistik yang akan di uji untuk melihat pengaruh model pembelajran adalah :
H0 : β 1=β 2=β 3=0

9
Hi : paling tidak ada i, sedemikian sehinggi β i ≠ 0
Hipotesis statistik yang akan di uji untuk melihat hubungan linear antara variabel
pengiring X (covarian) dengan variabel tak bebas Y dengan mengabaikan pengaruh
perlakuan adalah :
H 0 :γ =0
Hi: γ ≠ 0

Tests of Between-Subjects Effects

Dependent Variable: Kem.Spasial
Source Type III Sum of Squares df Mean Square F Sig.
Corrected Model 2424.292a 9 269.366 3.840 .002

Intercept 343.086 1 343.086 4.891 .034

IQ 17.492 1 17.492 .249 .621
Model.Pem 1203.033 2 601.516 8.576 .001
KAM 243.165 2 121.582 1.733 .192
Model.Pem *
113.360 4 28.340 .404 .804
KAM
Error 2454.908 35 70.140
Total 230873.000 45
Corrected Total
4879.200 44

a. R Squared = .497 (Adjusted R Squared = .367)

10
Angka signifikansi untuk variabel IQ adalah 0,621 ini menunjukkan bahwa angka
signifikansi lebih besar dari α yang telah ditetapkan sebelumnya yaitu 0,05. Dengan
demikian Hi diterima . ini bermakna bahwa (dengan mengabaikan pengaruh model
pembelajaran ) pada tinggkat kepercayaan 95% paling tidak ada i antara IQ dengan
kemampuan spasial siswa.
Berikut adalah pengujian untuk melihat pengaruh model pembelajaran RME, CTL dan
pembelajaran konvesional terhadap kemampuan spasial siswa. Dengan mengabaikan
KAM dari model terlihat bahwa angka signifikansi adalah 0,01. Angka 0,01 ini lebih
kecil dari α = 0,05. Dengan demikan H0 ditolak. Disimpukan bahwa pada tingkat
kepercayaan 95% terdapat pengaruh perbedaan model pembelajaran terhadap
kemampuan spasial matematika siswa.
Untuk melihat pengeruh KAM ada perbedaan model pembelajaran secara simultan,
dapat dilihat dari Corrected Model. Angka signifikansi adalah 0,02. Angka 0,02 < α =
0,05 berarti H0 ditolak. Hal ini bermakna bahwa pada tingkat 95% KAM ada perbedaan
model pembelajaran RME, CTL, dan pembelajaran konvesional secara simultan
(serentak) perpengaruh terhadap kemampuan spasial matematika siswa.

11
 BAB III
PENUTUP
3.1. KESIMPULAN
SPSS adalah kependekan dari Statistical Program for Social Science merupakan
paket program aplikasi komputer untuk menganalisis data statistik. Dengan SPSS kita
dapat memakai hampir dari seluruh tipe file data dan menggunakannya untuk untuk
membuat laporan berbentuk tabulasi, chart (grafik), plot (diagram) dari berbagai
distribusi, statistik deskriptif dan analisis statistik yang kompleks.
Jadi dapat dikatakan SPSS adalah sebuah sistem yang lengkap, menyeluruh,
terpadu, dan sangat fleksibel untuk analisis statistik dan manajemen data, sehingga
kepanjangan SPSS pun mengalami perkembangan, yang pada awal dirilisnya adalah
Statistical Package for the Social Science, tetapi pada perkembangannya berubah
menjadi Statistical Product and Service Solution.
Keunggulan dari SPSS for windows diantaranya adalah diwujudkan dalam menu
dan kotakkotak dialog antar muka (dialog interface) yang cukup memudahkan para user
dalam perekaman data (data entry), memberikan perintah dan sub-sub perintah analisis
hingga menampilkan hasilnya. Disamping itu SPSS juga memiliki kehandalan dalam
menampilkan chart atau plot hasil analisis sekaligus kemudahan penyuntingan bilamana
diperlukan.

3.2. SARAN
Setelah mempelajari tentang spss ini, mahasiswa akan lebih mendalami materi
tentang spss dan bisa menjalankan aplikasi, yang meliputi pengertian spss,window
spss,dan jenis-jenis spss,contoh spss dll.

DAFTAR PUSTAKA

Arikunto, Suharsimi. 2013. Prosedur Penelitian. Jakarta :Rineka Cipta,

12
Jaya Indra & Ardat. 2013. Penerapan Statistik Untuk Pendidikan. Bandung : Cita
Pustaka Media.
Santoso Singgih. 2014. Panduan Lengkap SPSS Versi 20 Edisi Revisi. Jakarta.
Gramedia.
Syahputra, Edi. 2016. Statistika Terapan . Medan : Unimed Press Universitas Negeri
Medan,
Sudijono, Anas. , 2010. Pengantar Statistik Pendidikan . Jakarta :Raja Grafindo Persada

13