Modul Aplikasi SPSS – STATISTIKA

Pertemuan : 3

Materi Pokok Descriptive Statistic

Tugas Mengolah Data Penelitian secara Deskriptif

Mengolah Data secara Deskriptif dengan

Uraian tugas
SPSS

Descriptive Statistic
Bab
(Konsep dan Aplikasi)
3

I. RINGKASAN MATERI

Pada bagian ini akan dibahas mengenai descriptive statistic. Secara umum, pengertian dari
descriptive statistic merupakan bagian dari aplikasi dalam statistika yang bertujuan untuk
memberikan gambaran dari kumpulan data, meringkas data tersebut, sekaligus memberikan
makna dari peringkasan data tersebut sehingga kumpulan data yang banyak menjadi
bermanfaat.

Pada bagian ini, berbagai bentuk fungsi dari aplikasi descriptive statistic akan dibahas satu
demi satu. Sebagai contoh bagai mahasiswa, silahkan mahasiswa membuka file SPSS contoh1
dari kumpulan file yang sudha diberikan untuk tutor di kelas. Jika mahasiswa sudah membuka
file contoh1 (data diadaptasi dari Nisfianoor, 2013) maka akan terlihat seperti di bawah ini:

1
 Modul Aplikasi SPSS – STATISTIKA

File contoh1, dapat diperhatikan dari kumpulan data tersebut di data view terdapat variabel
nama, gender, angkatan, nilai uts, nilai uas dan nilai tugas. Fungsi-fungsi dari descriptive
statistic yang disiapkan oleh SPSS dapat dilihat oleh mahasiswa dengan mengikuti petunjuk di
bawah ini:

Klik analyze --- descriptive statistic --- kemudian kita bisa memilih berbagai fungsi yang
disiapkan. Kita akan membahas fungsi-fungsi tersebut, dimulai dari fungsi frekuensi.

2
 Modul Aplikasi SPSS – STATISTIKA

Fungsi 1: Frequencies (Frekuensi)

Fungsi 1 yang disiapkan oleh SPSS dari descriptive statistic adalah fungsi frekuensi. Dalam
fungsi ini, SPSS memberikan fasilitas untuk meringkas sekumpulan data di contoh1 yang dapat
menggambarkan mulai dari frekuensi dan persentase masing-masing variabel, dapat juga
mencari informasi mengenai ukuran pemusatan data dan penyebaran data, dan juga
mengelompokkan data dalam bentuk percentile. Jika mahasiswa masih ingat pembahasan
sebelum UTS tentang norma, ada dibahas bentuk percentile score. Bentuk tersebut dapat
dirancang dengan menggunakan fasilitas pada fungsi 1 ini. Kita akan langsung mecoba fungsi 1,
sebagai contoh awal, kita ingin meringkas kumpulan data di contoh1 berapa banyak pria dan
wanita, berapa banyak masing-masing angkatan, serta rincian nilai UTS, UAS dan Tugas.
SPSS memfasilitasi hal tersebut sehingga informasi tersebut tersaji hanya dalam beberapa
detik saja dan akurat. Perhatikan langkah demi langkahnya sebagai berikut:

Klik analyze --- descriptive statistic --- frequencies kemudian akan muncul tampilan seperti ini:

3
 Modul Aplikasi SPSS – STATISTIKA

Tampilan menu frequencies sudah muncul, selanjutnya kita masukkan seluruh variabel
penelitian ke dalam kolom variable(s) seperti ini:

Jika sudah dimasukkan semua, sekarang klik ok maka informasi peringkasan data sudah
muncul dalam beberapat detik saja seperti di bawah ini (lihat di output):

4
 Modul Aplikasi SPSS – STATISTIKA

Frequencies

Statistics

nama_ angkatan_
mahasiswa jenis_kelamin tahun nilai_uts nilai_uas nilai_tgs
N Valid 30 30 30 30 30 30
Mis sing 0 0 0 0 0 0

Ket : bagian ini menggambarkan informasi pengolahan data sudah

dilakukan pada 30 data subyek.
Frequency Table
nama_mahasiswa

Cumulative
Frequency Perc ent Valid Percent Perc ent
Valid ali 1 3.3 3.3 3.3
anton 1 3.3 3.3 6.7
ape 1 3.3 3.3 10.0
cecep 1 3.3 3.3 13.3
dedy 1 3.3 3.3 16.7
devi 1 3.3 3.3 20.0
dewi 1 3.3 3.3 23.3
diah 1 3.3 3.3 26.7
dine 1 3.3 3.3 30.0
dony 1 3.3 3.3 33.3
eko 1 3.3 3.3 36.7
fery 1 3.3 3.3 40.0
haris 1 3.3 3.3 43.3
henky 1 3.3 3.3 46.7
iwan 1 3.3 3.3 50.0
jajang 1 3.3 3.3 53.3
koko 1 3.3 3.3 56.7
krisna 1 3.3 3.3 60.0
lilis 1 3.3 3.3 63.3
linda 1 3.3 3.3 66.7
marko 1 3.3 3.3 70.0
memel 1 3.3 3.3 73.3
ratna 1 3.3 3.3 76.7
roy 1 3.3 3.3 80.0
sinta 1 3.3 3.3 83.3
surya 1 3.3 3.3 86.7
susi 1 3.3 3.3 90.0
tini 1 3.3 3.3 93.3
vera 1 3.3 3.3 96.7
yoseph 1 3.3 3.3 100.0
Total 30 100.0 100.0

Ket: bagian ini menginformasikan seluruh nama subyek yang bisa

dilihat baik dari frekuensinya dan persentasenya. Juga
ditampilkan persentase yang dijumlahkan (cumulative percent).

5
 Modul Aplikasi SPSS – STATISTIKA

Informasi variabel lainnya terdapat di bawah ini dengan cara

membaca output yang sama.
jenis_kelamin

Cumulative
Frequency Perc ent Valid Percent Perc ent
Valid pria 18 60.0 60.0 60.0
wanita 12 40.0 40.0 100.0
Total 30 100.0 100.0

angkatan_tahun

Cumulative
Frequency Percent Valid Percent Percent
Valid angkatan_1999 6 20.0 20.0 20.0
angkatan_2000 8 26.7 26.7 46.7
angkatan_2001 8 26.7 26.7 73.3
angkatan_2002 8 26.7 26.7 100.0
Total 30 100.0 100.0

nilai_uts

Cumulative
Frequency Perc ent Valid Percent Perc ent
Valid 52.00 1 3.3 3.3 3.3
54.00 1 3.3 3.3 6.7
57.00 2 6.7 6.7 13.3
59.00 1 3.3 3.3 16.7
63.00 2 6.7 6.7 23.3
65.00 1 3.3 3.3 26.7
66.00 2 6.7 6.7 33.3
67.00 1 3.3 3.3 36.7
70.00 2 6.7 6.7 43.3
71.00 1 3.3 3.3 46.7
72.00 2 6.7 6.7 53.3
74.00 1 3.3 3.3 56.7
76.00 1 3.3 3.3 60.0
78.00 2 6.7 6.7 66.7
81.00 2 6.7 6.7 73.3
84.00 2 6.7 6.7 80.0
85.00 1 3.3 3.3 83.3
86.00 1 3.3 3.3 86.7
88.00 2 6.7 6.7 93.3
90.00 1 3.3 3.3 96.7
94.00 1 3.3 3.3 100.0
Total 30 100.0 100.0

6
 Modul Aplikasi SPSS – STATISTIKA

nilai_uas

Cumulative
Frequency Perc ent Valid Percent Perc ent
Valid 57.00 1 3.3 3.3 3.3
61.00 1 3.3 3.3 6.7
63.00 1 3.3 3.3 10.0
65.00 2 6.7 6.7 16.7
70.00 1 3.3 3.3 20.0
72.00 1 3.3 3.3 23.3
73.00 1 3.3 3.3 26.7
75.00 1 3.3 3.3 30.0
76.00 2 6.7 6.7 36.7
77.00 2 6.7 6.7 43.3
78.00 2 6.7 6.7 50.0
80.00 2 6.7 6.7 56.7
81.00 1 3.3 3.3 60.0
83.00 1 3.3 3.3 63.3
84.00 1 3.3 3.3 66.7
87.00 2 6.7 6.7 73.3
89.00 1 3.3 3.3 76.7
90.00 4 13.3 13.3 90.0
94.00 1 3.3 3.3 93.3
95.00 1 3.3 3.3 96.7
96.00 1 3.3 3.3 100.0
Total 30 100.0 100.0

nilai_tgs

Cumulative
Frequency Perc ent Valid Percent Perc ent
Valid 65.00 2 6.7 6.7 6.7
70.00 3 10.0 10.0 16.7
75.00 5 16.7 16.7 33.3
80.00 8 26.7 26.7 60.0
85.00 5 16.7 16.7 76.7
90.00 7 23.3 23.3 100.0
Total 30 100.0 100.0

Selain menggambarkan dan meringkas data dalam bentuk persentase masing-masing, fungsi 1
ini juga memberikan fasilitas untuk menggambarkan informasi pemusatan data dan penyebaran
data. Sebagai contoh, kita ingin melihat dua informasi tersebut pada nilai UTS, UAS dan Tugas.
Silahkan ikuti langkah berikut ini:

7
 Modul Aplikasi SPSS – STATISTIKA

Analyze --- descriptive --- frequencies kemudian masukkan nilai UTS, UAS dan Tugas saja
pada kolom variable(s)

Kita keluarkan saja data respondennya, kemudian klik statistic maka akan muncul tampilan dan
menu pilihan seperti dibawah ini:

8
 Modul Aplikasi SPSS – STATISTIKA

Kita dapat melihat ada central tendency (pemusatan data) dan Dispersion (penyebaran data)
pilih sesuai kebutuhan kita, silahkan ikuti sesuai dengan gambar diatas. Kita juga
menambahkan distribution dengan klik skewness dan kurtosis. Skewness merupakan ukuran
untuk melihat kecondongan kurva distribusi data dan kurtosis adalah untuk melihat puncak
kurva dari distribusi data.

Kemudian kita juga sekaligus dengan data contoh1 akan membuat norma dengan percentile
score. Jika dilihat dari tampilan tersebut maka sudah ada fasilitas tersebut di fungsi 1 ini.
Penggolongan norma dengan percentile score dapat dilakukan dengan dua alternative pilihan
yaitu dengan membagi berdasarkan:
1. 27% dan 73% = penggolongan akan dilakukan dengan menggolongkan dibawah 27%
merupakan golongan kategori rendah, 27% sampai dengan 73% merupakan golongan
kategori sedang, dan terakhir diatas 73% merupakan golongan ketgori tinggi.
2. 25%, 50% dan 75% = penggolongan ini lebih terperinci yaitu dibawah 25% dikategorikan
sangat rendah, 25% - 50% dikategorikan rendah, 50% - 75% dikategorikan tinggi, dan
terakhir diatas 75% dikategorikan sangat tinggi.
Sebagai latihan, kita akan mencoba pembagian 27% dan 73%. Kita lengkapi permintaan kita
pada fungsi SPSS dengan mengikuti langkah sebagai berikut:

9
 Modul Aplikasi SPSS – STATISTIKA

Klik percentile lalu ketik 27 dan klik add, lakukan hal yang sama dengan ketik angka 73 dan add
maka akan muncul hasil akhirnya seperti di bawah ini:

Setelah semua sudah kita lakukan, klik continue dan klik ok dan kita akan memiliki semua
informasi yang kita minta tampilkan sebagai berikut:

10
 Modul Aplikasi SPSS – STATISTIKA

Frequencies
Statistics

nilai_uts nilai_uas nilai_tgs

N Valid 30 30 30
Mis sing 0 0 0
Mean 73.0333 79.3000 80.3333
Median 72.0000 79.0000 80.0000
Mode 57.00a 90.00 80.00
Std. Deviation 11.52952 10.49187 7.64890
Variance 132.930 110.079 58.506
Skewness -.051 -.334 -.367
Std. Error of Skewnes s .427 .427 .427
Kurtosis -.955 -.605 -.706
Std. Error of Kurtosis .833 .833 .833
Range 42.00 39.00 25.00
Minimum 52.00 57.00 65.00
Maximum 94.00 96.00 90.00
Percentiles 27 65.3700 73.7400 75.0000
73 82.8900 88.2600 85.0000
a. Multiple modes exist. The smallest value is shown

Ket: bagian ini menginformasikan berbagai informasi yang kita

ingin tampilkan. Informasi tersebut mulai dari jumlah subyek
yang terhitung sebanyak 30 subyek (dibagian valid) dan tidak ada
yang missing. Kemudian kita bisa melihat nilai mean
(rerata/rata-rata), median (nilai tengah) dan mode (nilai yang
sering muncul) dari UTS, UAS serta tugas. Kita juga dapat
melihat standard deviation (deviasi standar), variance
(variansi)yang merupakan pengkuadratan dari standard
deviation,kita juga dapat melihat range (nilai maximum – nilai
minimum), kemudian kita juga bisa melihat skewness dan kurtosis.
Dari nilai tersebut kita bisa melihat normalitas data dengan
cara melakukan pembagian antara nilai skewness dan kurtosis
dengan masing-masing standar errornya. Sebagai contoh untuk
nilai UTS:
Skewness/std error skewness=-0.051/0.427 = -0,119
Kurtosis/std error kurtosis=-0.955/0.833 = -1.146

Sebagai acuan untuk melihat normal atau tidaknya distribusi data

dipakai patokan bahwa jika nilai pembagian skewness dan kurtosis
pada masing-masing std errornya masih berada direntang -2 sampai
+2 maka dikategroikan data sebaran distribusi data masih normal.
Jadi data UTS dikategorikan normal.

11
 Modul Aplikasi SPSS – STATISTIKA

Selanjutnya kita juga dapat informasi mengenai range dari UTS,

UAS dan tugas. Kita juga bisa melihat masing-masing nilai
minimum dan maksimum. Informasi terakhir kita bisa melihat norma
berdasarkan percentile score. Kita ambil contoh nilai UTS dari
tampilan perhitungan SPSS terlihat bahwa percentile 27 terletak
pada nilai 65.37 dan percentile 73 terletak pada nilai 82.89
dengan demikian jika kita kategorikan, maka subyek yang memiliki
nilai dibawah 65.37 dikategorikan rendah nilai UTS nya
dibandingkan dengan teman-temannya, sedangkan jika subyek
memiliki nilai UTS 65.37 – 82.89 maka dikategorikan sedang atau
masih di area kemampuan rata-rata, terakhir jika subyek memiliki
nilai UTS lebih dari 82.89 maka subyek dikategorikan tinggi atau
diatas rata-rata kemampuan teman-temannya. Frekuensi tabel
masing-masing tersaji dibawah ini:

Frequency Table
nilai_uts

Cumulative
Frequency Percent Valid Percent Percent Kategori norma
Valid 52.00 1 3.3 3.3 3.3
54.00 1 3.3 3.3 6.7
57.00 2 6.7 6.7 13.3
59.00 1 3.3 3.3 16.7
63.00 2 6.7 6.7 23.3
65.00 1 3.3 3.3 26.7 rendah
66.00 2 6.7 6.7 33.3
67.00 1 3.3 3.3 36.7
70.00 2 6.7 6.7 43.3
71.00 1 3.3 3.3 46.7
72.00 2 6.7 6.7 53.3
74.00 1 3.3 3.3 56.7
76.00 1 3.3 3.3 60.0
78.00 2 6.7 6.7 66.7
81.00 2 6.7 6.7 73.3 Rata-rata/sedang
84.00 2 6.7 6.7 80.0
85.00 1 3.3 3.3 83.3
86.00 1 3.3 3.3 86.7
88.00 2 6.7 6.7 93.3
90.00 1 3.3 3.3 96.7
94.00 1 3.3 3.3 100.0 Tinggi / diatas rata-rata
Total 30 100.0 100.0

12
 Modul Aplikasi SPSS – STATISTIKA

nilai_uas

Cumulative
Frequency Perc ent Valid Percent Perc ent
Valid 57.00 1 3.3 3.3 3.3
61.00 1 3.3 3.3 6.7
63.00 1 3.3 3.3 10.0
65.00 2 6.7 6.7 16.7
70.00 1 3.3 3.3 20.0
72.00 1 3.3 3.3 23.3
73.00 1 3.3 3.3 26.7
75.00 1 3.3 3.3 30.0
76.00 2 6.7 6.7 36.7
77.00 2 6.7 6.7 43.3
78.00 2 6.7 6.7 50.0
80.00 2 6.7 6.7 56.7
81.00 1 3.3 3.3 60.0
83.00 1 3.3 3.3 63.3
84.00 1 3.3 3.3 66.7
87.00 2 6.7 6.7 73.3
89.00 1 3.3 3.3 76.7
90.00 4 13.3 13.3 90.0
94.00 1 3.3 3.3 93.3
95.00 1 3.3 3.3 96.7
96.00 1 3.3 3.3 100.0
Total 30 100.0 100.0

nilai_tgs

Cumulative
Frequency Perc ent Valid Percent Perc ent
Valid 65.00 2 6.7 6.7 6.7
70.00 3 10.0 10.0 16.7
75.00 5 16.7 16.7 33.3
80.00 8 26.7 26.7 60.0
85.00 5 16.7 16.7 76.7
90.00 7 23.3 23.3 100.0
Total 30 100.0 100.0

Fungsi 1 ini juga menyiapkan fasilitas untuk memberikan gambar dan grafik distribusi frekuensi.
Hal ini mempermudah untuk mengambarkan data penelitian karena terkadang dibutuhkan juga
untuk sebagai objek visualisasi. Sebagai contoh kita ingin menggambarkan frekuensi nilai UTS,
UAS, dan Tugas dalam bentuk Histogram kita bisa tampilkan sebagai berikut:

Analyze --- descriptive statistic --- frequencies, kemudian masukkan nilai UTS, UAS dan tugas
seperti di bawah ini:

13
 Modul Aplikasi SPSS – STATISTIKA

Setelah itu klik chart dan pilih histogram dengan mengaktifkan juga normal curve seperti
dibawah ini:

Setelah ini klik continue dan klik ok. Histogram telah terlukis disertai dengan perbandingan
dengan kurva normal (dapat dilihat di output) sebagai berikut:

14
 Modul Aplikasi SPSS – STATISTIKA

Histogram

nilai_uts

4
Frequency

Mean =73.03
Std. Dev. =11.53
N =30
0
50.00 60.00 70.00 80.00 90.00 100.00
nilai_uts

nilai_uas

6
Frequency

Mean =79.30
Std. Dev. =10.492
N =30
0
50.00 60.00 70.00 80.00 90.00 100.00
nilai_uas

nilai_tgs

6
Frequency

Mean =80.33
Std. Dev. =7.649
N =30
0
60.00 70.00 80.00 90.00 100.00
nilai_tgs

Demikian pula jika kita ingin memilih gambar lainnya, misalnya berbentuk grafik lingkaran (pie
chart) kita juga bisa menggunakan fasilitas ini. Sebagai contoh kita ingin menggambarkan
dengan grafik lingkaran dari frekuensi angkatan. Ulangi langkah yang sama yaitu:

Analyze --- descriptive statistic --- frequencies kemudian masukkan ke variable(s) yaitu
angkatan dan klik chart Seperti di bawah ini:

15
 Modul Aplikasi SPSS – STATISTIKA

Pilih pie chart, ada pilihan juga sebetulnya untuk menggambarkan berdasarkan frekuensi atau
persentase di chart values. Kita biarkan saja pilih frekuensi, setelah itu klik continue dan klik ok.
Gambar pie chart akan terlukis sebagai berikut:

angkatan_tahun

angkatan_1999
angkatan_2000
angkatan_2001
angkatan_2002

Selesai untuk fungsi 1. Kita akan melanjutkan fungsi 2

16
 Modul Aplikasi SPSS – STATISTIKA

Fungsi 2: Descriptive

Fungsi 2 ini adalah memiliki fungsi yang hampir sama dengan frekuensi, namun demikian pada
fungsi ini juga memfasilitasi pembuatan norma berdasarkan z score (nilai baku). Nilai ini dapat
kita terapkan pada fungsi 2 ini. Sebagai contoh bagi mahasiswa, misalnya kita akan membuat z
score (nilai baku) pada nilai UTS, maka kita dapat merancangnya dengan langkah-langkah
sebagai berikut:

Analyze --- descriptive statistic --- descriptive, kemudian akan muncul tampilan seperti ini:

17
 Modul Aplikasi SPSS – STATISTIKA

Masukkan nilai UTS ke dalam kolom variable(s) dan juga mengaktifkan bagian save
standardized values as variables (untuk menghitung z score). Setelah semua sudah dilakukan
klik ok dan semua sudah keluar dalam beberapa detik dengan tampilan sebagai berikut

Tampilan di output SPSS

Descriptives

Descriptive Statistics

N Minimum Maximum Mean Std. Deviation

nilai_uts 30 52.00 94.00 73.0333 11.52952
Valid N (listwise) 30

Ket: bagian ini menghasilkan perhitungan jumlah data terhitung (N=30), nilai minimum,
nilai maksimum, nilai mean (rerata/rata-rata), dan standar deviation (deviasi standar).

Kemudian jika kita bisa melihat di tampilan data view maka kita bisa melihat perhitungan nilai z
score pada masing-masing subyek sebagai berikut:

18
 Modul Aplikasi SPSS – STATISTIKA

Sudah tampil variabel baru dengan judul Zn_UTS. Jika kita mengingat bab sebelumnya z score
ini merupakan norma yang dibuat jika data terdistribusi normal. Untuk penggolongan
kategorinya dapat dilakukan dengan cara sebagai berikut:
• Nilai z score -1 sampai dengan + 1 = sedang
• Nilai z score < -1 = rendah/dibawah rerata
• Nilai z score > + 1 = tinggi/diatas rerata

Jika digambarkan, distribusi dari sebaran z score sebagai berikut:

19
 Modul Aplikasi SPSS – STATISTIKA

Sebagai informasi, berikut diberikan gambaran mengenai distribusi normal vs tidak normal:

Selesai fungsi 2. Kita akan lanjutkan fungsi 3 dari menu descriptive statistic.

Fungsi 3: Explore
Fungsi 3 ini merupakan fungsi tambahan yang digunakan untuk melengkapi fungsi 1 dan 2
dalam menggambarkan dan meringkas data. Fungsi 3 ini memiliki fasilitas lebih lengkap dari
fungsi 1 dan 2. Kita akan melakukan fungsi 3 dengan langkah berikut ini:

20
 Modul Aplikasi SPSS – STATISTIKA

Analyze --- descriptive statistic --- explore, kemudian akan muncul tampilan sebagai berikut:

Sebagai contoh kita ingin meninjau dari nilai UTS ditinjau dari jenis kelamin, sekaligus kita ingin
memberikan label siapa nama mahasiswa yang memiliki nilai tertinggi dari wanita maupun pada
pria. Masukkan masing-masing variabel sesuai tampilan diatas, kemudian tambahkan fungsi
dengan klik statistic seperti di bawah ini:

Klik descriptive, M-estimators dan outliers, kemudian klik continue, klik ok. Setelah itu kita akan
melihat tampilan sebagai berikut:

21
 Modul Aplikasi SPSS – STATISTIKA

Tampilan output SPSS

Explore

jenis_kelamin

Case Processing Summary

Cases
Valid Mis sing Total
jenis_kelamin N Perc ent N Perc ent N Perc ent
nilai_uts pria 18 100.0% 0 .0% 18 100.0%
wanita 12 100.0% 0 .0% 12 100.0%

Ket: dari data diatas kita bisa melihat frekuensi dari pria dan
wanita beserta persentasenya.

22
 Modul Aplikasi SPSS – STATISTIKA

Descriptives

jenis_kelamin Statistic Std. Error

nilai_uts pria Mean 72.6667 2.49444
95% Confidence Lower Bound 67.4039
Interval for Mean Upper Bound
77.9295

5% Trimmed Mean 72.6852

Median 71.5000
Variance 112.000
Std. Deviation 10.58301
Minimum 57.00
Maximum 88.00
Range 31.00
Interquartile Range 19.75
Skewness .062 .536
Kurtosis -1.247 1.038
wanita Mean 73.5833 3.83852
95% Confidence Lower Bound 65.1348
Interval for Mean Upper Bound
82.0319

5% Trimmed Mean 73.6481

Median 74.0000
Variance 176.811
Std. Deviation 13.29701
Minimum 52.00
Maximum 94.00
Range 42.00
Interquartile Range 19.50
Skewness -.201 .637
Kurtosis -.785 1.232

Ket: dari tabel diatas kita bisa melihat berbagai macam

perhitungan nilai sama seperti pada frekuensi, namun kita disini
sudah terpisah antara nilai UTS pada pria dan wanita. Kita bisa
melihat misalnya nilai mean UTS pria= 72.667 dan nilai mean UTS
wanita= 73.5833.
M-Estimators

Huber's Tukey's Hampel's Andrews'

a b c d
jenis_kelamin M-Estimator Biweight M-Estimator Wave
nilai_uts pria 72.2894 72.3721 72.6284 72.3724
wanita 74.0952 74.1299 74.0894 74.1256
a. The weighting constant is 1.339.
b. The weighting constant is 4.685.
c. The weighting constants are 1.700, 3.400, and 8.500
d. The weighting constant is 1.340*pi.

23
 Modul Aplikasi SPSS – STATISTIKA

Extreme Values

nama_
jenis_kelamin Case Number mahasiswa Value
nilai_uts pria Highest 1 3 koko 88.00
2 17 ali 88.00
3 13 yoseph 86.00
4 30 dony 85.00
5 22 dedy 84.00
Lowest 1 20 jajang 57.00
2 12 roy 57.00
3 9 eko 59.00
4 2 anton 63.00
5 27 marko 65.00
wanita Highest 1 14 devi 94.00
2 15 sinta 90.00
3 18 vera 84.00
4 25 linda 81.00
5 28 lilis 81.00
Lowest 1 8 tini 52.00
2 24 ratna 54.00
3 11 susi 63.00
4 4 dine 66.00
5 16 dewi 70.00

Ket: bagian extreme values ini adalah fasilitas Dari menu

explore yang membuat kita bisa melihat subyek baik pada pria dan
wanita yang memiliki nili UTS tertinggi dan terendah.

nilai_uts

Stem-and-Leaf Plots
nilai_uts Stem-and-Leaf Plot for
gender= pria

Frequency Stem & Leaf

3.00 5 . 779
1.00 6 . 3
3.00 6 . 567
4.00 7 . 0124
2.00 7 . 88
1.00 8 . 4
4.00 8 . 5688

Stem width: 10.00

Each leaf: 1 case(s)

24
 Modul Aplikasi SPSS – STATISTIKA
nilai_uts Stem-and-Leaf Plot for
gender= wanita

Frequency Stem & Leaf

2.00 5 . 24
2.00 6 . 36
3.00 7 . 026
3.00 8 . 114
2.00 9 . 04

Stem width: 10.00

Each leaf: 1 case(s)

100.00

90.00

80.00
nilai_uts

70.00

60.00

50.00

pria wanita
jenis_kelamin

Selesai fungsi 3. Kita akan lanjutkan fungsi 4 yang merupakan bagian terakhir dibicarakan.

25
 Modul Aplikasi SPSS – STATISTIKA

Fungsi 4. Crosstabs

Fungsi 4 ini merupakan fungsi terakhir yang dibicarakan bab ini. Fungsi 4 ini merupakan
tabulasi silang, kegunaan fungsi ini adalah untuk menampilkan penjumlahan secara silang
dengan membandingkan 2 nilai sekaligus. Terkadang fasilitas ini juga dibutuhkan dalam
pengolahan data. Kita akan melakukan fungsi 4 tersebut sebagai berikut:

Klik analyze --- descriptive statistic --- crosstabs, kemudian akan muncul tampilan seperti ini:

26
 Modul Aplikasi SPSS – STATISTIKA

Sebagai contoh kita akan membandingkan silang dua nilai yaitu nilai UTS dibandingkan
berdasarkan angkatan. Dengan fasilitas ini kita dapat menghasilkan permintaan tersebut.
Masukkan variabel terkait di bagian row dan column (bisa disesuaikan kebutuhan mahasiswa
mana yang mau ditempatkan di bagian baris atau kolom). Setelah ikuti seperti tampilan diatas
maka lengkapi dengan fungsi tambahan lain yaitu klik cells sebagai berikut:

Aktifkan bagian percentages dengan klik row, column dan total. Selanjutnya klik continue dan
akan keluar tampilan di ouput SPSS sebagai berikut:

Crosstabs

Case Processing Summary

Cases
Valid Mis sing Total
N Perc ent N Perc ent N Perc ent
nilai_uts *
30 100.0% 0 .0% 30 100.0%
angkatan_tahun

Ket : bagian ini menampilkan variabel yang ditabulasi silang

yaitu UTS dan angkatan sejumlah 30 subyek.

27
 Modul Aplikasi SPSS – STATISTIKA
nilai_uts * angkatan_tahun Cr osstabulation

angkatan_tahun
angkatan_ angkatan_ angkatan_ angkatan_
1999 2000 2001 2002 T otal
ni l ai _uts 52.00 Count 0 1 0 0 1
% wi thi n ni l ai _uts .0% 100.0% .0% .0% 100.0%
% wi thi n angkatan_tahun .0% 12.5% .0% .0% 3.3%
% of T otal .0% 3.3% .0% .0% 3.3%
54.00 Count 0 0 0 1 1
% wi thi n ni l ai _uts .0% .0% .0% 100.0% 100.0%
% wi thi n angkatan_tahun .0% .0% .0% 12.5% 3.3%
% of T otal .0% .0% .0% 3.3% 3.3%
57.00 Count 0 2 0 0 2
% wi thi n ni l ai _uts .0% 100.0% .0% .0% 100.0%
% wi thi n angkatan_tahun .0% 25.0% .0% .0% 6.7%
% of T otal .0% 6.7% .0% .0% 6.7%
59.00 Count 0 0 1 0 1
% wi thi n ni l ai _uts .0% .0% 100.0% .0% 100.0%
% wi thi n angkatan_tahun .0% .0% 12.5% .0% 3.3%
% of T otal .0% .0% 3.3% .0% 3.3%
63.00 Count 1 0 0 1 2
% wi thi n ni l ai _uts 50.0% .0% .0% 50.0% 100.0%
% wi thi n angkatan_tahun 16.7% .0% .0% 12.5% 6.7%
% of T otal 3.3% .0% .0% 3.3% 6.7%
65.00 Count 1 0 0 0 1
% wi thi n ni l ai _uts 100.0% .0% .0% .0% 100.0%
% wi thi n angkatan_tahun 16.7% .0% .0% .0% 3.3%
% of T otal 3.3% .0% .0% .0% 3.3%
66.00 Count 1 0 1 0 2
% wi thi n ni l ai _uts 50.0% .0% 50.0% .0% 100.0%
% wi thi n angkatan_tahun 16.7% .0% 12.5% .0% 6.7%
% of T otal 3.3% .0% 3.3% .0% 6.7%
67.00 Count 0 0 0 1 1
% wi thi n ni l ai _uts .0% .0% .0% 100.0% 100.0%
% wi thi n angkatan_tahun .0% .0% .0% 12.5% 3.3%
% of T otal .0% .0% .0% 3.3% 3.3%
70.00 Count 1 0 1 0 2
% wi thi n ni l ai _uts 50.0% .0% 50.0% .0% 100.0%
% wi thi n angkatan_tahun 16.7% .0% 12.5% .0% 6.7%
% of T otal 3.3% .0% 3.3% .0% 6.7%
71.00 Count 0 0 0 1 1
% wi thi n ni l ai _uts .0% .0% .0% 100.0% 100.0%
% wi thi n angkatan_tahun .0% .0% .0% 12.5% 3.3%
% of T otal .0% .0% .0% 3.3% 3.3%
72.00 Count 1 0 0 1 2
% wi thi n ni l ai _uts 50.0% .0% .0% 50.0% 100.0%
% wi thi n angkatan_tahun 16.7% .0% .0% 12.5% 6.7%
% of T otal 3.3% .0% .0% 3.3% 6.7%
74.00 Count 0 0 1 0 1
% wi thi n ni l ai _uts .0% .0% 100.0% .0% 100.0%
% wi thi n angkatan_tahun .0% .0% 12.5% .0% 3.3%
% of T otal .0% .0% 3.3% .0% 3.3%
76.00 Count 0 1 0 0 1
% wi thi n ni l ai _uts .0% 100.0% .0% .0% 100.0%
% wi thi n angkatan_tahun .0% 12.5% .0% .0% 3.3%
% of T otal .0% 3.3% .0% .0% 3.3%
78.00 Count 0 0 1 1 2
% wi thi n ni l ai _uts .0% .0% 50.0% 50.0% 100.0%
% wi thi n angkatan_tahun .0% .0% 12.5% 12.5% 6.7%
% of T otal .0% .0% 3.3% 3.3% 6.7%
81.00 Count 1 0 0 1 2
% wi thi n ni l ai _uts 50.0% .0% .0% 50.0% 100.0%
% wi thi n angkatan_tahun 16.7% .0% .0% 12.5% 6.7%
% of T otal 3.3% .0% .0% 3.3% 6.7%
84.00 Count 0 2 0 0 2
% wi thi n ni l ai _uts .0% 100.0% .0% .0% 100.0%
% wi thi n angkatan_tahun .0% 25.0% .0% .0% 6.7%
% of T otal .0% 6.7% .0% .0% 6.7%
85.00 Count 0 0 1 0 1
% wi thi n ni l ai _uts .0% .0% 100.0% .0% 100.0%
% wi thi n angkatan_tahun .0% .0% 12.5% .0% 3.3%
% of T otal .0% .0% 3.3% .0% 3.3%
86.00 Count 0 1 0 0 1
% wi thi n ni l ai _uts .0% 100.0% .0% .0% 100.0%
% wi thi n angkatan_tahun .0% 12.5% .0% .0% 3.3%
% of T otal .0% 3.3% .0% .0% 3.3%
88.00 Count 0 0 1 1 2
% wi thi n ni l ai _uts .0% .0% 50.0% 50.0% 100.0%
% wi thi n angkatan_tahun .0% .0% 12.5% 12.5% 6.7%
% of T otal .0% .0% 3.3% 3.3% 6.7%
90.00 Count 0 1 0 0 1
% wi thi n ni l ai _uts .0% 100.0% .0% .0% 100.0%
% wi thi n angkatan_tahun .0% 12.5% .0% .0% 3.3%
% of T otal .0% 3.3% .0% .0% 3.3%
94.00 Count 0 0 1 0 1
% wi thi n ni l ai _uts .0% .0% 100.0% .0% 100.0%
% wi thi n angkatan_tahun .0% .0% 12.5% .0% 3.3%
% of T otal .0% .0% 3.3% .0% 3.3%
T otal Count 6 8 8 8 30
% wi thi n ni l ai _uts 20.0% 26.7% 26.7% 26.7% 100.0%
% wi thi n angkatan_tahun 100.0% 100.0% 100.0% 100.0% 100.0%
% of T otal 20.0% 26.7% 26.7% 26.7% 100.0%

28
 Modul Aplikasi SPSS – STATISTIKA

Ket : bagian ini menampilkan tabulasi silang yang dimaksud. Di

atas dapat kita lihat bahwa telah terperinci angkatan (bagian
atas) dan nilai UTS (bagian bawah)sudah terhitung jumlah masing-
masingnya berikut dengan persentasenya baik terhadap nilai UTS,
terhadap angkatan maupun terhadap total.

II. Tugas Mahasiswa

Setelah mengerjakan berbagai latihan statistik berdasarkan contoh1.
• Mahasiswa diberikan tugas yang dikerjakan hari ini:

1. Sajikan Frequencies Jenis kelamin & Angkatan (berikut pie chart)

2. Sajikan Frequencies Nilai UTS, UAS & Tugas (berikut histogram & normal curve)
3. Sajikan Explore nilai UTS berdasarkan angkatan_tahun
4. Sajikan Explore nilai UAS berdasarkan angkatan_tahun + Label case nama mahasiswa
5. Sajikan Explore nilai UAS berdasarkan jenis_kelamin + label case nama mahasiswa
6. Lakukan perhitungan total nilai UTS, UAS dan tugas dari contoh1. Selanjutnya
mahasiswa melakukan perhitungan nilai mean, median, mode, minimum, maximum, std
deviation, z score dengan total nilai tersebut. Selanjutnya lakukan penggolongan total
nilai tersebut berdasarkan acuan nilai z score sehingga tampak seperti tampilan akhir di
lembar kerja berikut:

Jika semua sudah dikerjakan segera laporkan asisten kelas untuk mencatat nilai anda pada
tugas hari ini untuk statistik deskriptif.

29