OPEN SEARCH FORM

OPEN SIDEBAR

Statistik Deskriptif dengan SPSS

STATISTICAL COMPUTING DECEMBER 11, 2008

Statistik selalu digunakan ketika parameter yang menggambarkan karakteristik populasi tidak

diketahui. Statistik  akan mengambil sebagian (kecil) dari populasi untuk dilakukan pengukuran,
kemudian hasil pengukuran tersebut dijadikan sebagai kesimpulan ikterhadap keseluruhan
populasi. Sebagian (kecil) dari populasi tersebut dinamakan sampel. Ibarat kita ingin mengetahui
rasa sepanci sayur asem, kita tidak perlu menenggak satu panci tapi cukup mencicipinya sebanyak
satu sendok.

Terdapat dua jenis statistik yang digunakan ketika penelitian, yaitu:

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

*) Laki-Laki (Value: 1), Perempuan (Value: 2)

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:

(1)  Pada tab [Variable View], isi kolom Name dengan variabel:

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”

(2) Isi kolom Label:

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.

(3) Isi kolom Values untuk variabel Gender:

o Value: 1 = Laki-laki dan
o Value: 2 = Perempuan.

(4) Ubah kolom Type untuk variabel Nama menjadi String.

(5) Isi kolom Decimals dengan 0 (nol) untuk semua variabel.

(6) Biarkan default SPSS untuk kolom Width, Missing, dan Columns.

(7) Jangan lupa ”save”  atau tekan Ctrl + S.

 
Gambar 1. Entry Variabel pada Tab Sheet Variable View

(8)  Pada tab [Data View], isi data seperti Gambar 2 di bawah ini.

 
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.

(10)  Menjumlahkan nilai APK, PPC, dan PLO:

o Klik menu [Transform] –> [Compute], muncul dialog box Compute Variable.

o Tuliskan “total” pada form Target Variable.
o Klik [Type & Label], beri label “Nilai Total“.
o Ketik “APK + PPC + PLO” pada form Numeric Expression, atau dapat juga menggunakan
tombol-tombol yang tersedia pada dialog box, lihat Gambar 3.
Gambar 3. Contoh Perintah Penjumlahan pada Dialog Box Compute Variable

 
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

Perintah Frequencies digunakan untuk memperoleh jumlah pada nilai-nilai sebuah variabel tunggal.

Langkah-langkahnya adalah sebagai berikut:

(1) Klik menu [Analyze] -> [Descriptive Statistics] -> [Frequencies], muncul dialog

box Frequencies.

(2) Masukkan variabel Jenis Kelamin [Gender] ke form Variables(s) (untuk menganalisis variabel

Jenis Kelamin).

(3) Jangan lupa centang Display frequency tables.

Gambar 5. Dialog Box 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).

Gambar 6. Menampilkan Bar Charts pada Dialog Box Frequencies: Charts

(5) Klik [Continues] untuk kembali ke dialog box Frequencies lalu klik [OK] maka muncul

jendela SPSS Viewer  yang menunjukkan hasil analisis frekuensi (lihat Gambar 7).

 
*) 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.

Gambar 7. Display Output pada SPSS Viewer

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%).

Jika scroll digeser ke bawah akan terlihat Bar Chart (lihat  Gambar 8) yang menunjukkan

visualisasi jumlah responden laki-laki dan perempuan.

Gambar 8. Bar Chart

Perhatikan kriteria “laki-laki” dan “perempuan“, ini merupakan hasil definisi value

variabel Gender pada kolom Values, di mana Value: 1 = Laki-laki dan Value: 2 = Perempuan. Jika
definisi value diabaikan maka pada bar chart maupun tabel analisis yang terlihat bukan laki-
laki dan perempuan melainkan 1 dan 2. Begitu juga judul tabel dan judul histogram: “jenis kelamin“,
ini merupakan hasil dari proses label yang telah kita lakukan untuk variabel  Gender. Fungsi label ini
bermanfaat untuk para pembaca analisis. Selanjutnya adalah penggunaan perintah Descriptives.

 
B. Descriptives

Dengan menggunakan data sebelumnya langkah-langkah perintah Descriptives adalah sebagai

berikut:

(1) Klik menu [Analyze] -> [Descriptives Statistics] -> [Descriptives], muncul dialog

box Descriptives.

(2) Masukkan variabel yang akan dianalisis ke form Variables(s).

(3) Klik [Options] untuk melakukan setting optional, muncul dialog box Descriptives: Options.

(4) Centang analisis yang diperlukan, saya memilih:

o Mean
o Std. deviation
o Minimum
o Maximum
o Kurtosis
o Skewness

(5) Centang Variable list pada form Display Order.

Gambar 9. Langkah-Langkah Descriptives Statistics

 

(6)  Klik [Continue] dan [OK]. Hasil analisis akan terlihat seperti tabel yang ditunjukkan Gambar
10 di bawah ini:

Gambar 10. Output Descriptives

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.

Nilai skewness merupakan ukuran kesimetrisan histogram, sedangkan kurtosis merupakan ukuran

datar atau runcingnya histogram. Idealnya nilai skewness dan kurtosis pada distribusi normal
adalah nol. Oleh karena itu:

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 11. Menampilkan Histogram bersama Kurva Normal

 
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.

Berikut langkah-langkah perintah Explore:

(1) Klik menu [Analyze] -> [Descriptives Statistics] -> [Explore], muncul dialog box Explore.

(2) Isi variabel Jenis Kelamin pad form Factor List.

(3) Isi variabel Usia, Nilai APK, Nilai PPC, Nilai PLO, dan Nilai Total pada form Dependent List.

(4) Pada  form Display ada tiga pilihan:

o Klik [Plots] bila perlu grafik boxplot.

o Klik [Statistics] bila tidak perlu grafik boxplot.
o Klik [Both] bila perlu keduanya.

(5)  Terakhir klik [OK].

Gambar 13. Dialog Box Explore

 
Gambar 14. Contoh Output Explore untuk Variabel Usia

Selanjutnya, kita masuk pada penggunaan perintah Crosstabs.

D. Crosstabs

Jika perintah Frequencies digunakan untuk memperoleh jumlah pada nilai-nilai sebuah variabel

tunggal, perintah  Crosstabs digunakan untuk memperoleh jumlah pada nilai-nilai lebih dari satu
variabel. Apabila analisis statistik deskriptif sebelumnya mengolah data secara keseluruhan dalam
setiap variabel dengan menghitung perhitungan statistik seperti Mean, Standar deviasi, Kurtosis,
etc. Pada Crosstabs, setiap nilai pada variabel yang dianalisis dijabarkan jumlahnya, dengan begitu
kita dapat mengetahui berapa jumlah subyek laki-laki yang berusia 19 tahun, 20 tahun, dst.
Deskripsi data pada Crosstabs akan disajikan dalam bentuk tabel silang (crosstab) yang terdiri dari
baris dan kolom.

Berikut langkah-langkah perintah Crosstabs:

(1)  Klik menu [Analyze] -> [Descriptives Statistics] -> [Crosstabs], muncul dialog box Crosstabs.

(2) Isi variabel Jenis Kelamin pada form Row(s).

(3) Isi variabel yang akan dianalisis, contoh variabel Usia pada form Column(s).

Gambar 15. Dialog Box Crosstabs

(4)  Centang [Display clustered bar charts] untuk menampilkan chart bar dari output.

(5) Untuk dialog box [Statistics], [Cells], dan [Format] biarkan sesuai dengan default SPSS.

(6)  Terakhir klik [OK].

 

Gambar 16. Output Crosstabs

Gambar 17. Clustered Bar Charts

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.