BAB V

SPSS

5.1 Latar Belakang

SPSS adalah sebuah software untuk mengolah data statistik yang cara
penggunaanya cukup mudah. Bahkan oleh orang yang tidak mengenal dengan baik
teori statistik, namun demikian supaya lebih mudah menggunakan SPSS ini
sebaiknya anda terlebih dahulu mengenal dan memahami dasar-dasar teori
statistik, sehingga Anda dapat dengan mudah memahami cara menganalisis data
dan membaca hasilnya. Program SPSS seringkali digunakan untuk memecahkan
problem riset atau bisnis dalam hal statistik. Cara kerjanya sederhana, yaitu data
yang anda input oleh SPSS akan dianalisa dengan suatu paket analisa. SPSS
merupakan bagian integral dari tentang proses analisa, menyediakan akses data,
persiapan dan manajemen data, analisa data dan pelaporan.
SPSS merupakan perangkat lunak yang paling banyak dipakai karena
tampilannya yang user friendly dan merupakan terobosan baru berkaitan dengan
perkembangan teknologi informasi, khususnya dalam E-Business. SPSS didukung
oleh OLAP (Online Analytical Processing) yang akan memudahkan dalam
pemecahan pengolahan data dan akses data dari berbagai perangkat lunak yang
lain, seperti microsoft office excel atau notepad, yang selanjutnya dianalisa.

5.2 Tujuan Praktikum

1. Mampu mengenal dan memahami program SPSS.
2. Mempermudah dalam menyelesaikan permasalahan-permasalahan statistika
seperti; memasukkan data (data entry), mengedit data, transformasi data,
analisis data, mengambil suatu kesimpulan pada saat penelitian.
3. Dapat memahami mengenai pentingnya perencanaan analisis, pengelolaan,
analisis, dan interprestasi hasil analisis data.

101
5.3 Tinjauan Pustaka
5.3.1 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 banyak
digunakan oleh peneliti pasar, peneliti kesehatan, survey, penelitian
pendidikan, pemasaran,dll.
Seiring dengan berkembangnya waktu, SPSS tidak hanya digunakan
pada ilmu sosial saja. Berbagai disiplin ilmu seperti ilmu sains pun banyak
menggunakan SPSS sebagai software pengolah data. Karena itulah,
kepanjangan SPSS pun berubah menjadi Statistical Product and Service
Solution. Dan sekarang SPSS sudah berkembang hingga versi terbaru yaitu
SPSS versi 22.
Kelebihan yang dimiliki oleh software SPSS antara lain:
 Mampu mengakses data dari berbagai macam format yang tersedia,
seperti pada dBase, Lotus, Text file, dll. Sehingga data yang sudah ada
dari berbagai format data dapat langsung digunakan untuk dianalisis.

 SPSS memberikan tampilan data yang lebih informatif

 Memberikan informasi lebih akurat dengan memberikan kode alasan

jika terjadi missing data

 Mudah digunakan, pengguna tidak perlu belajar bahasa pemrograman

Sedangkan kekurangan dari software SPSS antara lain:

 Meskipun tergolong program yang mudah digunakan, namun untuk

dapat menjalankan program ini, pengguna minimal harus mengatahui
dasar ilmu statistik terlebih dahulu

102
 Berkembangnya versi terbaru dengan cepat dan tampilan secara fisik
yang terkadang berbeda dengan versi yang lama membutuhkan adaptasi
dengan pengguna untuk dapat menjalankan program ini. Dan jangan
lupa pilih seri SPSS yang sesuai dengan spesifikasi komputer yang Anda
gunakan.

Fasilitas yang berada di SPSS

1. Data Editor, merupakan jendela untuk pengolahan data.
2. Viewer, mempermudah pemakai untuk melihat hasil pemrosesan,
menunjukkan atau menghilangkan bagian-bagian tertentu dari
output, serta memudahkan distribusi hasil pengolahan dari SPSS ke
aplikasi-aplikasi yang lain.
3. Multidimensional Pivot Tables, menunjukkan hasil pengolahan
data dengan multidimensional pivot tables.
4. High-Resolution Graphics, dengan kemampuan grafikal beresolusi
tinggi membuat SPSS mudah dioperasikan.
5. Database Access, untuk memperoleh kembali informasi dari sebuah
database dengan menggunakan Database Wizard.
6. Data Transformations, membantu pemakai memperoleh data yang
siap untuk dianalisis.
7. Electronic Distribution, untuk mengirimkan laporan secara
elektronik menggunakan sebuah tombol pengiriman data (e-mail)
atau melakukan export tabel dan grafik ke mode HTML sehingga
mendukung distribusi melalui internet.
8. Online Help, untuk memberikan bantuan yang berupa petunjuk
pengoperasian secara detail, kemudahan pencarian prosedur dan
contoh-contoh kasus dalam pengoperasian program ini.
9. Akses data tanpa tempat penyimpanan sementara.

103
 10. Interface dengan Database Relasional, untuk mepermudah
mengekstrak dan menganalis data dari database relasional.
11. Analisis Distribusi, apabila peneliti akan menganalisis file data
yang besar dapat langsung me-remote dari server dan
memprosesnya sekaligus tanpa harus memindahkan ke komputer
user.
12. Multiple Sesi, SPSS memberikan kemampuan untuk melakukan
analisis lebih dari satu file data pada waktu yang bersamaan.
13. Mapping, untuk memvisualisasi data dengan berbagai macam tipe
baik ecara konvensional atau interaktif (Rasyidah, 2013).

5.3.2 Regresi Linear Sederhana

Analisis regresi linier sederhana adalah hubungan secara linear antara satu
variabel independen (X) dengan variabel dependen (Y). Analisis ini untuk
mengetahui arah hubungan antara variabel independen dengan variabel
dependen apakah positif atau negatif dan untuk memprediksi nilai dari
variabel dependen apabila nilai variabel independen mengalami kenaikan
atau penurunan.. Data yang digunakan biasanya berskala interval atau rasio.
Rumus regresi linear sederhana sebagi berikut:
Y’ = a + bX
Keterangan:
Y’ = Variabel dependen (nilai yang diprediksikan)
X = Variabel independen
a = Konstanta (nilai Y’ apabila X = 0)
b = Koefisien regresi (nilai peningkatan ataupun penurunan)

104
5.3.3 Regresi Linear Berganda
Banyak data pengamatan terjadi akibat lebih dari dua variabel. Misalnya
rata-rata pertambahan berat daging sapi (Y) bergantung pada berat
pemulusan (X1), umur sapi ketika pengamatan mulai dilakukan (X2), berat
makanan yang diberikan setiap hari (X3) dan faktor lainnya. Untuk
memberikan gambaran tentang suatu permasalahan atau persoalan,
biasanya sangat sulit ditentukan, sehingga diperlukan suatu model yang
dapat diprediksi dan meramalkan respon yang penting terhadap persoalan
tersebut, yaitu regresi linier ganda. Analisis Regresi Linear Berganda
digunakan untuk mengukur pengaruh antara lebih dari satu variabel
prediktor (variabel bebas) terhadap variabel terikat.
Rumus:
Y = a + b1 X1 + b2 X2 +…+ bn Xn
Keterangan:
Y = variabel terikat
a = konstanta
b1,b2 = koefisien regresi
X1, X2 = variabel bebas

105
5.4 Pengumpulan dan Pengolahan Data
1. Kumpulkan data tinggi, berat badan serta umur dari 100 mahasiswa teknik
Industri.
2. Lakukan analisis deskriptif dari data tersebut.
a. Mean
b. Median
c. Modus
d. Standart deviasi
e. Min
f. Max
g. Quartile
h. Percentile 10-90
i. Buat Histogramnya
3. Lakukanlah analisis regresi antara tinggi badan dan berat badan
a. Adakah Korelasi antara tinggi badan dengan berat badan?
b. Bagaimanakah hubungan antara tinggi badan dengan berat badan?
c. Tentukan persamaan regresinya
d. Buat kesimpulan
4. Lakukanlah analisis regresi berganda antara tinggi badan, berat badan dan
umur
a. Bagaimanakah hubungan dari ketiganya?
b. Tentukan persamaan regresinya
c. Buat kesimpulan

Jawab:

106
1. Pengumpulan data

No. Nama Umur Tinggi Badan Berat Badan

1. Patrisius 21 184 30
2. Ilhamudin 20 179 40
3. Arnando 19 169 45
4. Gery Ferdian 20 170 45
5. Triyatno 20 169 45
6. Alvian Fuadi 20 180 48
7. Naqi Min Gil 20 169 49
8. Dimas Setiaji 23 185 50
9. Muhammad Salim 20 170 50
10. Alfianto Pratama 20 180 50
11. Malsi Nur Adwinda R 20 175 50
12. Kis Edi Sukoco 23 170 50
13. Farhan Nurihsan 15 173 52
14. Ipin 19 168 52
15. Dadan Darmawan 22 178 52
16. M. Reza Fidholy 22 169 52
17. Faiz Muharram 13 167 52
18. Rava Fawwaz 18 165 52
19. Fajar Abdul Aziz 20 168 54
20. Muhammad Rafi
17 160 54
Islami Pasha
21. Muhammad Ridwan 20 160 55
22. Yudi Sulistiawan 20 176 55
23. Refa Adji Pangestu 21 171 55
24. Ramadhani Desra 21 175 55

107
25. Fateh Halmar 20 175 55
26. Fateh Halmar 20 175 55
27. Alvian Fuadi 20 171 55
28. Esa Wahyu Witular 19 175 55
29. Rayhan Muhammad
19 180 56
Ramadhan
30. Lingga Vira 22 173 56
31. Banni Datu 23 165 56
32. Pramudya Diva 20 171 56
33. Difa Lazuardi 20 174 56
34. Bayu Anggara
19 170 56
Judiansyah
35. Yudi Satrio 19 168 57
36. M. Edward 20 179 57
37. Kristian Bayu 21 168 57
38. Hendry Setiawan 21 170 57
39. Aria Hadisyah 20 170 57
40. Marcel Ivander 21 173 58
41. Sulthan Rofhidal 20 160 58
42. Muhammad Sofyan 19 174 59
43. Rizky Arya Pratama 19 175 59
44. Taufiqurrahman 20 170 59
45. Muhammad Afrizal 20 170 59
46. Muhammad Bayu
19 177 60
Adji
47. Faisal Rafi Prayogo 19 168 60
48. Misbah Ramadani 18 170 60
49. Farhan Wildani 20 172 60

108
50. Zulfi Alfian Salsabilla 18 173 60
51. Rona Aulia 19 172 60
52. Dwi Arif Rahman 19 185 60
53. Wafy Fahrul
18 172 60
Suryawan
54. Faisal Rafi Prayogo 19 170 60
55. Anggoro 29 180 60
56. Aldi Darmawan 22 173 60
57. Muhammad Ravi 22 160 60
58. Aprilianto Nugroho 21 176 62
59. Hendra Maruli 21 168 62
60. Satria Ariyoga Wijaya 22 176 62
61. Bambang Dwi
18 158 62
Chandra
62. Saryanto 23 180 62
63. Kis Edi Sukoco 23 165 62
64. Ari Triharyono 19 168 62
65. Ikkbal Aditya 21 166 63
66. Rudy Riyono 21 180 64
67. Raden Bagus 20 167 64
68. Cecep 19 170 64
69. Muhammad Faroq F 19 173 64
70. Jonathan 19 169 64
71. Ruth Amelia 22 170 65
72. Rezaputra Nathanael 21 179 67
73. Galang Dwi Saputra 19 168 68
74. Farabi Prana 18 166 68
75. Denilson Jovano 19 173 68

109
76. Ferdinandus Fidel 21 165 69
77. Raditya Prayodo 19 185 69
78. Erick 22 167 70
79. Anuggrah Arrahman
21 166 70
Aff'dal
80. Anuggrah Arrahman
21 173 70
Affdal
81. M. Totik 18 170 71
82. Ronald Denis 23 185 72
83. Brando Kristofer 22 173 72
84. Roy Mazmur Sinaga 23 165 72
85. Daniel Sihombing 19 170 72
86. Stevent 19 183 73
87. Muhammad Alfiqri
21 173 75
Rozabie
88. Daim Muhammad
20 175 75
Gufron
89. Suparjo Rizan 19 168 76
90. Syariz Nadhifa A. 18 172 76
91. Ryorizki Hamman
20 170 78
Jatim
92. M Ardiansyah 18 175 79
93. Muhammad Faiz
19 170 80
Fatchurozy
94. Syariz Nadhifa A 18 175 80
95. Rahmat Riansyah 19 173 80
96. Jody 20 172 80
97. M. Arief Budiman 20 174 85

110
 98. Aji Nugroho 20 174 88
99. Firdaus Akmal 21 168 95
100. Zaki Rahman 21 165 98

Tabel 5.1 Data Umur, Tinggi dan Berat 100 Mahasiswa

2. Analisis Deskriptif

Statistics
Umur Tinggi Berat
N Valid 100 100 100
Missing 0 0 0
Mean 21.57 171.86 61.83
Std. Error of Mean 1.511 .569 1.112
Median 20.00 171.00 60.00
Mode 20 170 60
Std. Deviation 15.107 5.692 11.124
Variance 228.227 32.404 123.738
Skewness 9.771 .250 .645
Std. Error of Skewness .241 .241 .241
Range 157 27 68
Minimum 13 158 30
Maximum 170 185 98
Sum 2157 17186 6183
Percentiles 10 18.00 165.00 50.00
25 19.00 168.00 55.00
50 20.00 171.00 60.00 Quartile
75 21.00 175.00 68.75
90 22.00 180.00 77.80

Tabel 5.2 Hasil Analis Deskriptif Data Umur, Tinggi dan Berat
100 Mahasiswa (Tabel Statistics)

111
 Gambar 5.1 Grafik Histogram pada Data Umur Mahasiswa

Gambar 5.2 Grafik Histogram pada Data Tinggi Mahasiswa

112
 Gambar 5.3 Grafik Histogram pada Data Berat Mahasiswa

Gambar 5.4 Grafik Histogram pada Dependent Variable: Berat

113
3. Regresi antara tinggi badan dan berat badan
a. Berdasarkan hasil pengolahan data menggunakan IBM SPSS maka
didapat hasil sebagai berikut:
Correlations
Berat Tinggi
Pearson Correlation Berat 1.000 -.094
Tinggi -.094 1.000
Sig. (1-tailed) Berat . .175
Tinggi .175 .
N Berat 100 100
Tinggi 100 100

Tabel 5.3 Hasil Pengolahan Data Tinggi Badan dan Berat

Badan (Tabel Correlations)

Berat Badan berhubungan dengan Tinggi badan sebesar -0.094 (nilai

korelasi negatif di interpresadi adalah sama).
b. Berdasarkan hasil perolehan data terdapat hubungan antara tinggi badan
dan berat badan dimana hubungan tersebut termasuk kedalam “ Korelasi
sangat lemah” menurut Jonathan Sarwono atau “Hubungan kurang
berarti” menurut D.A de Vaus.

Tabel 5.4 Pedoman Derajat Hubungan Menurut Jonathan Sarwono

114
 Tabel 5.5 Pedoman Derajat Hubungan Menurut D.a de Vaus

Dan memiliki koefisien determinasi sebesar :

𝑟 2 = −0.094 × −0.094 = 0.00884 (0.88%)

c. Persamaan Regresi
Untuk menentukan persamaan regresinya dapat dilihat padat tabel
Coefficientsa.

Tabel 5.6 Hasil Regresi (Tabel Coefficients2)

Berdasarkan data dari table diperoleh :

Konstanta a = 93,565
b = - 0.185
Pers. Regresinya:
𝑦 = 𝑎 + 𝑏𝑥1
𝑦 = 93,565 − 0,185𝑥1

115
 d. Kesimpulan
Dari hasil analisis di atas menunjukkan bahwa antara berat badan dan
tinggi badan memiliki korelasi ataupun hubungan antar keduanya. Hal ini
di sebabkan karena “Jika suatu hubungan tidak sama dengan 0, maka
dapat dikatakan terjadi hubungan.”.

4. Regresi Berganda antara tinggi badan, berat badan, dan umur.

a. Berdasarkan hasil pengolahan data menggunakan IBM SPSS maka
didapat hasil sebagai berikut:
Correlations
Berat Tinggi Umur
Pearson Correlation Berat 1.000 -.094 .130
Tinggi -.094 1.000 .023
Umur .130 .023 1.000
Sig. (1-tailed) Berat . .175 .099
Tinggi .175 . .409
Umur .099 .409 .
N Berat 100 100 100
Tinggi 100 100 100
Umur 100 100 100

Tabel 5.7 Hasil Pengolahan Data Tinggi Badan, Berat Badan dan
Umur (Tabel Correlations)

Hubungan antara berat badan dengan tinggi = -0.094

Hubungan antara berat badan dengan umur = 0.130

116
 b. Untuk menentukan persamaan regresinya dapat dilihat pada tabel
Coefficientsa.

Tabel 5.8 Hasil Regresi (Tabel Coefficients2)

Berdasarkan data dari tabel diperoleh :

Konstanta a = 92,498
b = - 0,191
c = 0,097
Pers. Regresinya :
𝑦 = 𝑎 + 𝑏𝑥1 + 𝑐𝑥2
𝑦 = 92,498 − 0,191𝑥1 + 0,097𝑥2

c. Kesimpulan
Dari hasil analisis di atas menunjukkan bahwa antara berat badan, tinggi
badan, dan umur memiliki korelasi ataupun hubungan anatar keduanya.
Hal ini di sebabkan karena “Jika suatu hubungan tidak sama dengan 0,
maka dapat dikatakan terjadi hubungan.”.

5.5 Kesimpulan dan Saran

5.5.1 Kesimpulan

SPSS merupakan program aplikasi yang berguna untuk membantu

mengolah data statistic. Awalnya digunakan untuk keilmuan sosial, tetapi

117
 seiring berjalannya waktu, SPSS digunakan keilmuan sains. SPSS sangat

mempermudah statistika, karena dalam program ini hanya tinggal

memasukkan data-data tidak peerlu menghitung seperti cara konvensional.

Hasil-hasil dari olahan program ini dapat berupa tabel, histogram, pie chart

dan analisis.

5.5.2 Saran

Disarankan agar memahami materi SPSS terlebih dahulu agar tidak

kebingungan dan jangan lupa selalu fokus mendengarkan penjelasan dari

asisten laboratorium supaya tugas berakhir sempurna.

118
5.6 Lampiran
Cara Menggunakan Aplikasi SPSS:
1. Buka aplikasi IBM SPSS

2. Saat membuka SPSS akan muncul tampilan seperti gambar di bawah ini.

119
3. Klik Variable View dan atur variable view seperti gambar di bawah.

4. Pindahkan data yang sudah ada di Ms. Excel ke Data View pada IBM SPSS.

120
5. Klik Analyze > Descrptive Statictics> Frequencies.

121
6. Lalu, akan muncul kotak dialog seperti gambar di bawah. Pindahkan Nama,
Tinggi, Berat, dan Umur ke kotak Variabel.

7. Selanjutnya, masih pada kotak dialog Frequencies klik Statistics lalu ikuti
seperti gambar dibawah ini.

122
8. Ubah juga pada option di kotak dialog Frequencies.

9. Setelah diklik OK maka akan muncul output seperti berikut:

123
10. Untuk mencari regresi dari data, klik Analyze > Regression > Linear.

11. Selanjutnya tentukan variable utama dan bebasnya.

124
12. Lalu, klik Statistics > atur seperti gambar di bawah.

13. Atur juga pada option seperti gambar di bawah.

125
14. Setelah diklik continue > OK, maka akan muncul output sebagai berikut:

126