OPEN SIDEBAR
1. Statistik deskriptif (descriptive statistics), yang hanya menggambarkan data atau seperti apa
data ditunjukkan.
2. Statistik inferensi (inferential statistics), yang mencoba untuk mencapai kesimpulan (bersifat
induktif) dari data dengan kondisi yang lebih umum (Trochim, 2006), misal: point
estimation, confidence interval estimation, hypothesis testing.
Definisi lengkap statistik deskriptif adalah metode-metode yang berkaitan dengan pengumpulan
dan penyajian suatu gugus data sehingga menaksir kualitas data berupa jenis variabel, ringkasan
statistik (mean, median, modus, standar deviasi, etc), distribusi, dan representasi bergambar
(grafik), tanpa rumus probabilistik apapun (Walpole, 1993; Correa-Prisant, 2000; Dodge, 2006).
Pada SPSS, analisis statistik deskriptif dilakukan dengan meng-klik menu Klik [Analyze] -
> [Descriptive Statistics], kemudian terdapat pilihan: Frequencies, Descriptives, Explore, Crosstabs,
dan Ratio. Dalam penelitian-penelitian, perintah-perintah ini sering diabaikan karena memang
dalam beberapa fungsi analisis lain sudah otomatis tercantum analisis deskriptifnya.
Dengan data sebagaimana ditunjukkan Tabel 1 di bawah ini, kita akan mempraktekkan operasi
submenu Frequencies, Descriptives, Explore, dan Crosstabs. Fungsi Ratio tidak akan dibahas
karena bagi saya; yang belajar di SPSS 11, ini tergolong baru , fasilitas Ratio mulai
diperkenalkan pada SPSS versi 11.5, pada dasarnya berfungsi menyediakan ringkasan statistik
yang berupa rasio-rasio.
Tabel 1
Data Nilai Mahasiswa (bukan data sebenarnya)
Nama Usia Jenis Kelamin Nilai APK Nilai PPC Nilai PLO
Suhairi 20 Laki-Laki 80 50 70
Ambon 21 Laki-Laki 70 70 90
Astri 22 Perempuan 60 80 70
Henri 21 Laki-Laki 80 90 60
Yugos 22 Laki-Laki 90 60 70
Muji 19 Perempuan 70 80 80
Tatang 20 Laki-Laki 60 70 40
Ferdi 21 Laki-Laki 60 90 60
Arsyad 21 Laki-Laki 70 70 40
Fauzan 21 Laki-Laki 90 80 60
Entry Data
Langkah pertama yang perlu dilakukan adalah meng-entry data, tentunya anda perlu paham dasar-
dasar SPSS (silahkan baca posting sebelumnya yang berjudul: Dasar-Dasar SPSS). Entry data
dilakukan pada tab sheet Data View setiap baris mewakili satu responden, sedangkan setiap
kolom mewakili satu variabel, dalam kasus ini variabelnya adalah: Nama, Usia, Jenis Kelamin,
Nilai APK, Nilai PPC, dan Nilai PLO.
Berikut langkah-langkah entry datanya:
o Nama untuk “Nama”
o Usia untuk “Usia”
o Gender untuk “Jenis Kelamin”
o APK untuk “Nilai APK”
o PPC untuk “Nilai PPC”
o PLO untuk “Nilai PLO”
o Usia
o Jenis Kelamin
o Nilai APK
o Nilai PPC
o Nilai PLO
Hal ini berarti: variabel Gender mempunyai label “Jenis Kelamin”, variabel APK mempunyai label
“Nilai APK”, dan seterusnya.
o Value: 1 = Laki-laki dan
o Value: 2 = Perempuan.
Gambar 1. Entry Variabel pada Tab Sheet Variable View
Gambar 2. Entry Data pada Tab Sheet Data View
(9) Klik ikon untuk melihat definisi Value, variabel Gender terdefinisi laki-laki dan perempuan,
tidak lagi berisi angka 1 dan 2.
o Klik [OK]. Pada Data View akan muncul variabel baru dengan nama “Total” (lihat Gambar 4).
Gambar 4. Output dari Perintah Penjumlahan pada Dialog Box Compute Variable
Setelah data di-entry, selanjutnya memulai menggunakan perintah-perintah statistik deskriptif.
Tahap pertama adalah menggunakan perintah Frequencies.
A. Frequencies
(4) Agar menampilkan representasi bergambar (grafik), klik [Charts], maka akan muncul dialog
box Frequencies: Charts. Saya memilih Bar charts pada form Chart Type. Pada form Chart
Values , saya memilih Percentages (lihat Gambar 6).
*) Sebelah kiri adalah Outline view dalam bentuk tree files, fungsinya sebagai navigasi dalam melihat output analisis.
**) Sebelah kanan adalah Display output, fungsinya menampilkan seluruh hasil analisis yang telah kita lakukan.
Pada Gambar 7 terlihat hasil analisis SPSS, di mana pada tabel pertama N Valid = 10 yang
menunjukkan jumlah responden 10 orang dan N Missing = 0 yang berarti tidak ada data yang
hilang (missing).
Pada tabel yang kedua terlihat hasil analisis Frequencies terhadap variabel Jenis Kelamin, di mana
jumlah responden laki-laki 8 orang (80%) dan responden perempuan ada 2 orang (20%).
B. Descriptives
o Mean
o Std. deviation
o Minimum
o Maximum
o Kurtosis
o Skewness
(6) Klik [Continue] dan [OK]. Hasil analisis akan terlihat seperti tabel yang ditunjukkan Gambar
10 di bawah ini:
Tabel output di atas menunjukkan jumlah pengukuran (N), nilai minimum (Minimum), nilai
maksimum (Maximum), nilai rata-rata (Mean), standar deviasi (Std.), Skewness, dan Kurtosis dari
masing-masing variabel.
o Jika nilai skewness positif maka distribusi data “miring ke kiri distribusi normal” (ada frekuensi
nilai yang tinggi di sebelah kiri titik tengah distribusi normal), sebaliknya apabila skewness
negatif maka distribusi data ”miring ke kanan distribusi normal” (kiri bagi kita yang melihatnya).
o Jika nilai kurtosis positif maka distribusi data “meruncing” (ada satu nilai yang mendominasi),
sebaliknya apabila Kurtosis Negatif maka distribusi data “melandai” (varians besar).
Perhatikan Gambar 10 di atas, variabel Usia memiliki skewness negatif dan kurtosis positif, artinya
distribusinya “miring ke kiri distribusi normal” dan “meruncing”.
Pada variabel nilai APK, nilai skewness positif dan nilai kurtosis negatif, artinya distribusinya
“miring ke kanan distribusi normal” dan “melandai”. Sebagai pembuktian, buat histogram untuk
variabel Usia dan Nilai APK. Berikut caranya:
o Klik menu [Graphs] -> [Histogram], maka muncul dialog box Histogram.
o Pilih variabel Usia dan masukkan dalam form Variable.
o Centang Display normal curve, untuk memperlihatkan kurva normal.
o Selanjutnya klik [OK].
Lakukan langkah yang sama untuk variabel nilai APK. Hasilnya bisa dilihat pada Gambar 12.
Gambar 12. Analisis Skewness dan Kurtosis pada Histogram
Gambar 12 di atas menunjukkan histogram untuk variabel Usia memiliki distribusi “miring ke kiri
distribusi normal” karena nilainya skewness negatif dan “meruncing” karena nilai kurtosis positif.
Sebaliknya, histogram untuk variabel Nilai APK memiliki distribusi “miring ke kanan distribusi
normal” karena nilainya skewness positif dan “melandai” karena nilai kurtosis negatif.
Di sini, anda bisa menentukan apakah distribusi tersebut normal atau tidak. Anda bisa saja
menyatakan normal, karena menyerupai bentuk lonceng tetapi agak serong, tapi orang lain
mungkin akan menyatakan tidak normal karena jauh dari bentuk lonceng. Jika sulit mengambil
keputusan, silahkan lakukan pengujian normalitas yang lebih advance, misal dengan Uji
Kolmogorov-Smirnov. Selanjutnya, kita masuk pada penggunaan perintah Explore.
C. Explore
Perintah Explore digunakan untuk membandingkan antara dua atau lebih kelompok dengan satu
variabel. Sebagai contoh, jika kita menggunakan Jenis Kelamin sebagai variabel independen;
variabel ini mendefinisikan kelompok (Laki-Laki dan Perempuan), kemudian membandingkannya
dengan variabel lain, seperti Usia. Perintah Explore; contoh dalam kasus mean, akan
menghasilkan berapa rata-rata usia laki-laki dan berapa rata-rata usia perempuan. Ukuran-ukuran
yang dihasilkan perintah Explore antara lain: ukuran-ukuran pemusatan
data (mean dan median), ukuran penyebaran (range, interquartile range, standar deviasi, varians,
minimum, dan maksimum), ukuran kurtosis, dan skewness.
Gambar 14. Contoh Output Explore untuk Variabel Usia
D. Crosstabs
(4) Centang [Display clustered bar charts] untuk menampilkan chart bar dari output.
Statistik deskriptif memberikan informasi inti dari kumpulan data, seperti ukuran-ukuran pemusatan
data (mean dan median), ukuran penyebaran (range, interquartile range, standar deviasi, varians,
minimum, dan maksimum), ukuran kurtosis, dan skewness serta representasi piktorialnya. Tabel,
diagram, dan grafik yang sering ditemukan di majalah dan koran-koran merupakan salah satu
contoh penggunaan statistik deskriptif.