DAFTAR ISI

HALAMAN JUDUL.................................................................................................................i

KATA PENGANTAR...............................................................................................................ii

DAFTAR ISI.............................................................................................................................iii

BAB I PENDAHULUAN

A. LATAR BELAKANG....................................................................................................1
B. RUMUSAN MASALAH...............................................................................................1
C. BATASAN MASALAH................................................................................................2
D. TUJUAN........................................................................................................................3
E. MANFAAT....................................................................................................................4
F. SISTEMATIKA PENULISAN.....................................................................................4

BAB II LANDASAN TEORI

A. TINJAUAN PUSTAKA.................................................................................................5
B. DASAR TEORI............................................................................................................10

BAB III METODOLOGI PENELITIAN

A. OBJEK PENELITIAN.................................................................................................12
B. SUMBER DATA.........................................................................................................14
C. VARIABEL PENELITIAN.........................................................................................14
D. METODE ANALISIS DATA......................................................................................16

BAB IV HASIL DAN PEMBAHASAN

A. DATA PENELITIAN..................................................................................................18
B. ANALISIS....................................................................................................................19

BAB V PENUTUP

A. KESIMPULAN............................................................................................................20
B. SARAN........................................................................................................................21

DAFTAR PUSTAKA

1|Page
 BAB I
PENDAHULUAN

A. Latar Belakang
Pada zaman sekarang ini, semua sudah serba modern sehingga semua kegiatan
dituntut untuk serba cepat, seperti pengolahan data dan yang lain yang sulit untuk
dikerjakan secara manual. Dan untuk memudahkan itu semua maka diciptakanlah
komputer. Komputer berasal dari bahasa yunani ‘Computare’ yang artinya
menghitung. Komputer memang memudahkan kita untuk mengolah data yang
didasarkan pada operasi matematika seperti operasi logika. Meskipun komputer
merupakan buatan manusia, namun alat ini sangat membantu pekerjaan manusia
dalam pengolahan data karena mempunyai tiga keunggulan, yaitu pada bidang
kecepatan, ketepatan, dan keandalan.
Ternyata komputer saja tidak cukup untuk membantu manusia dalam
memasukkan data (data entry), mengedit data, transformasi data, analisis data yang
dibutuhkan dalam penelitian, dan permasalahan dalam membuat dan mendistribusikan
informasi yang berguna untuk pengambilan keputusan dalam suatu organisasi, agar
tetap eksis dan unggul dalam kompetisi yang ketat, yang dialami oleh mahasiswa
dalam mata kuliah Statistika. Maka dari itu dibuat suatu program aplikasi SPSS.
Software ini dibuat oleh tiga mahasiswa Stanford University yang dioperasikan pada
komputer mainframe pada tahun 1968. Dalam pengenalannya pada mahasiswa,
diadakan praktikum SPSS (Statistical Product and Service Solution) yang nantinya
dapat digunakan mahasiswa dalam menghitung dan menganalisis suatu data yang
telah diperoleh sebelumnya.
B. Rumusan Masalah
1. Pada saat ini bidang statistik dikenal sebagai suatu alat untuk menguji konsep-
konsep dan untuk merasakan arah-arah didalam berbagai ragam disiplin ilmu.
2. Statistik diperlukan di dalam dunia perguruan tinggi dan dunia perusahaan serta di
dalam kehidupan sehari-hari.
3. Dari berbagai software khusus statistik yang beredar sekarang, SPSS adalah yang
paling populer dan paling banyak digunakan pemakaiannya di seluruh dunia
dalam berbagai riset sains. Oleh karena itu, kita akan mempelajari dan
mengenal program SPSS ini.

2|Page
 C. Tujuan
Tujuan dari Praktikum SPSS yaitu :
1. Praktikan dapat 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. Praktikan dapat mengolah dan menganalisa suatu data dengan Uji Histogram dan
Distribusi Normal.
4. Praktikan dapat mengolah dan menganalisa suatu data dengan Uji Box Plot.
5. Praktikan dapat mengolah dan menganalisa suatu data dengan Uji One Sample T-
Test.
6. Praktikan dapat mengolah dan menganalisa suatu data dengan Uji Independent
Sample T-Test.
7. Praktikan dapat mengolah dan menganalisa suatu data dengan Uji Paired Sample
T-Test.

BAB II
LANDASAN TEORI

A. Pengertian dan Peranan Statistik

3|Page
 Kata statistik berasal dari bahasa latin, yaitu status yang berarti negara atau
untuk menyatakan hal-hal yang berhubungan dengan ketatanegaraan. Cakupan
statistik bukan hanya pada angka-angka pemerintahan saja, tetapi telah mengambil
bagian dari berbagai kehidupan.
Berikut ini pengertian statistik sesuai dengan perkembangannya.
1. Pengertian pertama
Statistik adalah sekumpulan angka untuk menerangkan sesuatu, baik angka
yang belum tersusun maupun angka-angka yang sudah tersusun dalam suatu daftar
atau grafik.
2. Pengertian kedua
Statistik adalah sekumpulan cara dan aturan tentang pengumpulan,
pengolahan, analisis, serta penafsiran data yang terdiri dari angka-angka.1
3. Pengertian ketiga
Statistik adalah sekumpulan angka yang menjelaskan sifat-sifat data atau
hasil pengamatan.
Dari pengertian kedua dan ketiga, dalam arti luas disimpulkan bahwa
statistika merupakan suatu metode atau ilmu, yaitu metode atau ilmu yang
mempelajari cara pengumpulan, pengolahan, penganalisisan, penafsiran, dan
penarikan kesimpulan dari data yang ada.
Dan dari pengertian-pengertian di atas, unsur-unsur dari statistik adalah :
a. Data
b. Perlakuan data, seperti pengumpulan dan pengolahan
c. Kesimpulan
d. Angka-angka
Pengertian statistik juga dapat dilihat dari beberapa pendapat ahli, yaitu :
1. Croxton dan Cowden
Statistik adalah metode untuk mengumpulkan, mengolah, dan menyajikan,
serta menginterpretasikan data yang berwujud angka-angka.
2. Anderson dan Bancroft

1
F. N. Oon. 2006. Growth and Mortality of The Malaysian Cockle (Anadara granosa L.)
Under Commercial Culture: Analysis Through Length-Frequency Data,
BayofBengal programme.http://www.fao.org/documents/show_cdr.asp?url_file=/docrep/007/ae15e
/ae115e00.htmIrunsah, Aslan. 2007. SPSS dan Sejarahnya. kabhanti@gmail.com..

4|Page
 Statistik adalah ilmu dan seni perkembangan dan metode paling efektif
untuk pengumpulan, pentabulasian, dan penginterpretasian data kuantitatif
sedimikian rupa, sehingga kemungkinan salah dalam kesimpulan dan estimasi
dapat diperkirakan dengan penggunaan penalaran induktif yang didasarkan pada
matematika probabilitas.
3. Prof. Dr. Sudjana, M.A., M.sc.
Statistik adalah pengetahuan yang berhubungan dengan cara-cara
pengumpulan data, pengolahan penganalisisannya, dan penarikan kesimpulan
berdasarkan kumpulan data dan penganalisisan yang dilakukan.
4. Steel dan Torrie
Statistik adalah metode yang memberikan cara-cara guna menilai
ketidaktentuan dan penarikan kesimpulan yang bersifat induktif.
B. Variabel Statistik dan Skala Pengukuran
1. Variabel statistik
Variabel: adalah suatu sifat atau fenomena yang menunjukan sesuatu yang
dapat diamati dan nilainya berbeda-beda
Sesuatu dikatakan variabel, jika :
a. Mempunyai nama
b. Dapat diamati atau diukur
c. Nilainya berbeda-beda
d. Memiliki definisi verbal
e. Ada kelompok penggolongan atau satuan
Contoh variabel tinggi badan :
a. Nama : tinggi badan
b. Dapat diukur : dapat
c. Nilai pengukuran : berbeda
d. Definisi verbal : jarak antara kepala – kaki
e. Satuan : centimeter
f. Bagian dari variabel disebut: atribut
g. Variabel : jenis kelamin, tingkat pendidikan
h. Atribut : laki, perempuan →atribut dari variabel jenis kelamin
i. Atribut : SD, SMP, SMA, PT → atribut dari variabel tingkat pendidikan
Subyek dan Obyek Penelitian
5|Page
 a. Jika kita akan meneliti tingkat pengetahuan ibu hamil → maka ibu hamil
disebut subyek penelitian →sedangkan tingkat pengetahuan disebut obyek
penelitian.
b. Meneliti jumlah kunjungan Puskesmas → Puskesmas: subyek, kunjungan:
obyek
c. Meneliti kemanjuran obat → obat: subyek, kemanjuran: obyek
Macam Variabel
a. Variabel Tergantung/ Akibat / Terpengaruh/ Dependen → variabel yang
dipengaruhi oleh variabel lain.
b. Variabel Bebas/ Sebab/ mempengaruhi/ Independen →variabel yang
mempengaruhi variabel lain.
c. Contoh : variabel pendidikan dan pekerjaan →variabel pendidikan (variabel
bebas), variabel pekerjaan (tergantung) → sebab pendidikan mempengaruhi
pekerjaan.
Sebutkan, mana yang termasuk variabel bebas dan variabel tergantung
a. Jenis olah raga dan bakat
b. Pekerjaan dan jenis kelamin
c. Kepribadian, pendidikan, dan keturunan
Hubungan Antar Variabel
a. Hubungan Asimetris
b. Hubungan Simetris
c. Hubungan Timbal Balik (Resiprocal)
Hubungan Variabel Asimetris
a. Hubungan variabel Asimetris adalah hubungan suatu variabel yang
mempengaruhi variabel lainya
b. X → Y
c. X = variabel bebas, independent, pengaruh, prediktor
d. Y = variabel tergantung, dependent, terpengaruh, kriterium
Hubungan Variabel Simetris
a. Hubungan simetris artinya kedua variabel ada hubungan tetapi tidak saling
mempengaruhi

6|Page
 b. Contoh : variabel Tinggi badan (Y1) dan Berat Badan (Y2) dipengaruhi oleh
variabel pertumbuhan (X)
c. Antara Y1 dan Y2 ada hubungan, tetapi tidak saling mempengaruhi
Hubungan Variabel Timbal Balik
a. Hubungan antar dua variabel yang saling mempengaruhi
b. Misal : hubungan antara variabel malnutrisi dan variabel malabsorbsi
c. Malabsorbsi akan menyebabkan malnutrisi
d. Malnutrisi akan menyebabkan atropi mukosa usus halus → malabsorbsi
Variabel Perantara
a. Variabel perantara atau penghubung: variabel yang menjadi penghubung
antara variabel bebas dan variabel tergantung
b. Misal : modernisasi (status wanita) dapat mempengaruhi fertilitas, tetapi tidak
secara langsung, namun melalui kontrasepsi atau penundaan usia perkawinan
→ variabel kontrasepsi dan penundaan usia perkawinan disebut: Variabel
Perantara
Variabel Penekan/ Pra Kondisi
a. Variabel penekan atau prakondisi adalah variabel yang merupakan prasyarat
bekerjanya variabel bebas dan variabel tergantung
b. Contoh : Kuman M. TB (variabel bebas) menyebabkan penyakit TB (varibel
tergantung) → proses diatas dapat berlangsung pada saat kondisi tubuh lemah
(variabel penekan/ prakondisi)2
Variabel Pengganggu/ Distorter
a. Variabel pengganggu/ distorter adalah variabel yang mengganggu bekerjanya
variabel bebas dan variabel tergantung
b. Contoh : Hipotesis : akseptor KB ekonomi lemah akan lebih banyak daripada
ekonomi tinggi →ternyata hipotesis tersebut salah, hal ini disebabkan ada
variabel pengganggu yaitu variabel status pekerjaan: PNS dan Non PNS →
ternyata hipotesis tsb benar pada pegawai non PNS
Definisi Operasional Variabel
1) Definisi operasional adalah seperangkat instruksi yang lengkap untuk
menetapkan apa yang akan diukur dan bagaimana cara mengukur variable.

2
Santoso, Singgih. 2001. “SPSS Versi 10, Mengolah Data Statistik Secara Profesional”. Jakarta; PT
Elex Media Komputindo.

7|Page
 2) Hal-hal yang perlu diperhatikan dalam menyusun definisi operasional sebuah
variable adalah :
a. Nama variable
b. Definisi verbal variable
c. Kelompok penggolongan variable
d. Suatu cara untuk menggolongkannya
e. Agar variabel dapat diamati dan diukur, maka setiap konsep yang ada
dalam permasalahan atau yang ada dalam hipotesis harus disusun Definisi
Operasional.
f. Definisi operasional dari variabel sangat diperlukan terutama untuk
menentukan alat atau instrumen yang akan digunakan dalam pengumpulan
data.
2. Skala pengukuran
Ada empat tipe skala pengukuran dalam penelitian, yaitu nominal, ordinal,
interval dan ratio.
a) Nominal
Skala pengukuran nominal digunakan untuk mengklasifikasikan
obyek, individual atau kelompok; sebagai contoh mengklasifikasi jenis
kelamin, agama, pekerjaan, dan area geografis. Dalam mengidentifikasi hal-
hal di atas digunakan angka-angka sebagai symbol. Apabila kita menggunakan
skala pengukuran nominal, maka statistik non-parametrik digunakan untuk
menganalisa datanya. Hasil analisa dipresentasikan dalam bentuk persentase.
Sebagai contoh kita mengklaisfikasi variable jenis kelamin menjadi sebagai
berikut: laki-laki kita beri simbol angka 1 dan wanita angka 2. Kita tidak dapat
melakukan operasi arimatika dengan angka-angka tersebut, karena angka-
angka tersebut hanya menunjukkan keberadaan atau ketidakadanya
karaktersitik tertentu.

b) Ordinal
Skala pengukuran ordinal memberikan informasi tentang jumlah relatif
karakteristik berbeda yang dimiliki oleh obyek atau individu tertentu. Tingkat
pengukuran ini mempunyai informasi skala nominal ditambah dengan sarana

8|Page
 peringkat relatif tertentu yang memberikan informasi apakah suatu obyek
memiliki karakteristik yang lebih atau kurang tetapi bukan berapa banyak
kekurangan dan kelebihannya.
c) Interval
Skala interval mempunyai karakteristik seperti yang dimiliki oleh skala
nominal dan ordinal dengan ditambah karakteristik lain, yaitu berupa adanya
interval yang tetap. Dengan demikian peneliti dapat melihat besarnya
perbedaan karaktersitik antara satu individu atau obyek dengan lainnya. Skala
pengukuran interval benar-benar merupakan angka. Angka-angka yang
digunakan dapat dipergunakan dapat dilakukan operasi aritmatika, misalnya
dijumlahkan atau dikalikan. Untuk melakukan analisa, skala pengukuran ini
menggunakan statistik parametric.
d) Ratio
Skala pengukuran ratio mempunyai semua karakteristik yang dipunyai
oleh skala nominal, ordinal dan interval dengan kelebihan skala ini
mempunyai nilai 0 (nol) empiris absolut. Nilai absoult nol tersebut terjadi pada
saat ketidakhadirannya suatu karakteristik yang sedang diukur. Pengukuran
ratio biasanya dalam bentuk perbandingan antara satu individu atau obyek
tertentu dengan lainnya.
e) Validitas
Suatu skala pengukuran dikatakan valid apabila skala tersebut
digunakan untuk mengukur apa yang seharusnya diukur. Misalnya skala
nominal yang bersifat non-parametrik digunakan untuk mengukur variabel
nominal bukan untuk mengukur variabel interval yang bersifat parametrik.
Ada 3 (tiga) tipe validitas pengukuran yang harus diketahui, yaitu:
1. Validitas Isi (Content Validity)
2. Validitas Kosntruk (Construct Validity)
3. Validitas Kriteria (Criterion Validity)

f) Reliabilitas
Reliabilitas menunjuk pada adanya konsistensi dan stabilitas nilai hasil
skala pengukuran tertentu. Reliabilitas berkonsentrasi pada masalah akurasi
pengukuran dan hasilnya.

9|Page
 3. Elemen Statistik
Meskipun statistik bisa diterapkan pada hampir semua aspek kehidupan,
namun ada beberapa elemen yang biasa terdapat dalam suatu persoalan statistik,
yaitu :

1) Populasi

Masalah dasar dari persoalan statistik adalah menentukan

populasi data. Secara umum populasi bisa didefinisikian sebagai sekumpulan
data yang mengidentifikasi suatu feomena. Misal pekerja di seluruh Indonesia
bisa disebut suatu populasi, bahkan semua pekerjadi PT ’UTAMA’ juga bisa
dikatakan populasi, bahkan pekerja wanita khusus di bagian produksi yang
bekerja lembur pada malam hari di PT ’UTAMA’ tersebut juga bisa disebut
suatu populasi. Jadi tergantung dari kegunaan dan relevansi data yang
dikumpulkan. Jika diinginkan diteliti kepuasan pekerja wanta khusus di bagian
produksi yang bekerja lembur pada malam hari di PT ’UTAMA’ tersebut,
populasi adalah pekerja wanita khusus di bagian produksi yang bekerja lembur
pada malam hari di PT ’UTAMA’. Namun, jika ingin diteliti status dan
keadaan pekerja wanita di Indonesia, populasi yang relevan adalah seluruh
wanita Indonesia yang aktif bekerja.

Populasi dalam statistik juga tidak hanya terbatas pada masalah-

masalah manusia atau bisnis, namun lebih luas seperti populasi ayam di suatu
daerah, poulasi bakteri ’X’ di suatu Laboraturium dan seterusnya. Juga
populasi bisa sedemikian besarnya hingga bisa dikatakan tak terbatas, seperti
populasi oksigen di dunia, populasi plankton di lautan dan sebagainya.

2) Sampel

Sampel bisa didefinisikan sebagai sekumpulan data yang diambil atau

diseleksi dari suatu populasi seperti dalam kasus populasi di atas. Jika populasi
adalah seluruh pekerja wanita di PT ’UTAMA’, sampel bisa sebagian pekerja
wanita, atau beberapa pekerja wanita di perusahaan tersebut. Jadi, sampel
adalah bagian dari populasi, atau populasi bisa dibagi dalam berbagai jenis
sampel.

3) Statistik Inferensi

10 | P a g e
 Seperti telah dijelaskan di muka, statistik inferensi pada dasarnya
adalah suatu keputusan, perkiraan atau generalisasi tentang suatu populasi
berdasarkan informasi yang terkandung dari suatu sampel. Pada kasus pekerja
wanita di atas, dari sampel –misal- 20 oreang pekerja wanita di PT ’UTAMA’.
Jika setelah dilakukan serangkaian analisis statistik, ternyata umumnya para
pekerja wanita bergaji rendah dan merasa tidak puas dengan kondisi kerjanya
sehingga dapat disimpulkan bahwa seluruh pekerja wanita di PT ’UTAMA’
(populasi) juga merasa tidak puas dengan kondisi kerja dan tingkat gaji yang
diterima selama in. Jadi, apa yang disimpulkan dari analisis terhadapa sample,
itu pula yang digeneralisasikan pada populasi.3

4) Pengukuran Realibilitas dari Statistik Inferensi

Dari ketiga elemen di atas, bisa disimpulkan bahwa tujuan dari statistik
pada dasarnya adalah melakukan deskripsi terhadap data sampel, kemudian
melakukan inferensi terhadap populasi data berdasar pada informasi (hasil
statistik deskriptif)) yang terkandung dalam sampel. Namun karena sampel
yang diambil hanyalah sebagian dari populasi, bisa terjadi bias dalam
kesimpulan yang didapat. Misal bisa saja tidak semua wanita pekerja di PT
’UTAMA’ merasa tidak puas. Mungkin saja ada beberapa wanita pekerja di
sana yang justru merasa puas dan memiliki gaji yang cukup tinggi, karena
produktivitasnya lebih besar dibanding rekan sekerjanya.

Sebagai konsekuensi dari kemungkinan timbulnya berbagai bias dalam

inferensi, perlu diukur reabilitas dari setiap inferensi yang telah dibuat, seperti
pelaporan adanya prediksi kesalahan terhadap suatu keputusan.(Singgih
Santoso, 2003)

4. Klasifikasi Statistik
a. Statistik Parametrik
Statistika parametrik adalah ilmu statistika yang mempertimbangkan
jenis sebaran/distribusi data, yaitu apakah data menyebar normal atau tidak.
Pada umumnya, Jika data tidak menyebar normal, maka data harus dikerjakan
dengan metode Statistika non-parametrik, atau setidak2nya dilakukan
3
Yasin, Hasbi. 2007. “Pengenalan Paket Program SPSS”. Semarang. Fakultas MIPA, UNDIP

11 | P a g e
 transformasi agar data mengikuti sebaran normal, sehingga bisa dikerjakan dg
statistika parametrik. Contoh metode statistika parametrik: uji-z (1 atau 2
sampel), uji-t (1 atau 2 sampel), korelasi pearson, Perancangan Percobaan (1
or 2-way ANOVA parametrik), dll. (Ir. M. Iqbal Hasan,M.M., 2002)
b. Statistik deskriptif
Statistik deskriptif adalah bagian dari statistik yang mempelajari cara
pengumpulan dan penyajian data sehingga mudah dipahami. Statistik
deskriptif hanya berfungsi untuk menerangkan keadaan, gejala, atau persoalan.
Penarikan kesimpulan pada statistik deskriptif hanya ditujukan pada kumpulan
data yang ada. Didasarkan pada ruang lingkup bahasannya, statistik deskriptif
mencakup hal sebagai berikut :
Distribusi frekuensi beserta bagian-bagiannya seperti :
1) Grafik distribusi (histogram, poligon frekuensi, dan ogif)
2) Ukuran nilai pusat (rata-rata, median, modus, kuartil, dan sebagainya)
3) Ukuran dispersi (jangkauan, simpangan rata-rata, variasi, simpangan baku,
dan sebagainya)
4) Kemencengan dan keruncingan kurva
5) Angka Indeks
6) Time Series/deret waktu atau data berkala
7) Korelasi dan Regresi Sederhana
c. Statistik Inferensi
Statistik inferensi adalah bagian dari statistik yang mempelajari
mengenai penafsiran dan penarikan kesimpulan yang berlaku secara umum
dari data yang telah tersedia. Penarikan kesimpulan pada statistik inferensi
merupakan generalisasi dari suatu populasi berdasarkan data yang ada.
Didasarkan atas ruang lingkup bahasannya, statistik ini mencakup :
a. Probabilitas atau teori kemungkinan
b. Distribusi teoritis
c. Sampling dan distribusi sampling
d. Pendugaan populasi dan teori populasi
e. Uji hipotesis
f. Analisis korelasi dan uji signifikasi
g. Analisis regeresi untuk peramalan (Ir. M. Iqbal Hasan,M.M., 2002)

12 | P a g e
 d. Statistik Non Parametrik
Statistika non-parametrik -> statistika non-parametrik adalah statistika
bebas sebaran (tdk mensyaratkan bentuk sebaran parameter populasi, baik
normal atau tidak). Statistika non-parametrik biasanya digunakan untuk
melakukan analisis pada data berjenis Nominal atau Ordinal. Data berjenis
Nominal dan Ordinal tidak menyebar normal. Contoh metode Statistika non-
parametrik:Binomial test, Chi-square test, Median test, Friedman Test, dll.(Ir.
M. Iqbal Hasan,M.M., 2002)
5. Korelasi dan regresi sederhana
a. Korelasi
Dalam teori probabilitas dan statistika, korelasi, juga disebut koefisien
korelasi, adalah nilai yang menunjukkan kekuatan dan arah hubungan linier
antara dua peubah acak (random variable). Salah satu jenis korelasi yang
paling populer adalah koefisien korelasi momen-produk Pearson, yang
diperoleh dengan membagi kovarians kedua variabel dengan
perkalian simpangan bakunya. Meski memiliki nama  Pearson, metode ini
pertama kali diperkenalkan oleh Francis Galton. (www.wikipedia.com)
b. Regresi Sederhana
Regresi merupakan suatu alat ukur yang juga digunakan untuk
mengukur ada tidaknya korelasi antarvariabel. Istilah regresi pertama sekali
diperkenalkan oleh Sir Francis Galton pada tahun 1877. Dalam penelitiannya,
Galton menemukan bahwa tinggi anak dari orangtua cenderung meningkat
atau menurun dari berat rata-rata populasi.(Ir. M. Iqbal Hasan,M.M., 2002)4
6. Cara Kerja SPSS
a. Komponen SPSS BI
Adapun SPSS BI adalah salah satu produk andalan SPSS
sebagai market leader pada program statistik, yang berfungsi untuk membantu
suatu organisasi dalam membuat dan mendistribusikan informasi yang
berguna untuk pengambilan keputusan, agar tetap eksis dan unggul dalam
kompetisi usaha yang ketat. SPSS BI mempunyai 4 bagian utama :
1. Data Collection : mengumpulkan data untuk pengolahan data.

4
Gay, L. R. (1990). Educational Research: Competencies for Analysis and Application. Third edition.
New York: Macmillan Publishing Company.

13 | P a g e
 2. Data preparation : persipan data untuk pengolahan lebih lanjut.
3. Data Analysis dan Data Mining : menyediakan berbagai perhitungan
statistik untuk pengolahan data.
4. Data Deployment : mendistribusikan hasil pengolahan data (informasi).
Berikut adalah family product SPSS untuk Data Analysis dan Data Mining :
SPSS Base, ini adalah produk utama SPSS yang mencakup semua
perhitungan statistik deskriptif dan induktif, serta dilengkapi penyajian
berbagai jenis grafik. SPSS Base dilengkapi dengan add-on
enhancements yang meliputi :
a. SPSS Professional Statistics
b. SPSS Advanced Statistics
c. SPSS Tables
d. SPSS Trends
e. SPSS Categories
f. SPSS Chaid
g. SPSS Exact Tests
h. Neural Connection
i. Mapinfo
j. Aiiclear III (Santoso Singgih,2001)
b. SPSS data editor
SPSS Data Editor muncul setiap kali SPSS dibuka dan merupakan
window utama pada SPSS.
Data Editor mempunyai dua fungsi utama :
1. Input data yang akan diolah oleh SPSS
2. Proses data yang telah diinput dengan prosedur statistik tertentu.
Data Editor terdiri atas sepuluh menu utama, yaitu File, Edit, View,
Data, Transform, Analyze, Graphs, Utilities, Windows dan Help. (Santoso
singgih,2001)
c. Menu file pada SPSS
Menu utama File merupakan menu pertama dari Data Editor yang
dibuka oleh para pengguna SPSS.
Data Editor pada SPSS mempunyai dua bagian utama:

14 | P a g e
 1. Kolom, dengan ciri adanya kata var dalam setiap kolomnya. Kolom dalam
SPSS akan diisi oleh Variabel (seperti penjualan, tinggi bandan dan
lainnya).
2. Baris, dengan ciri adanya angka 1,2,3 dan seterusnya. Baris dalam SPSS
akan diisi oleh Kasus. (Santoso Singgih, 2001)
Langkah-langkah memasukkan Data dalam SPSS :
a. Membuat lembar kerja baru
b. Menamai Variabel yang diperlukan
Adapun kolom terbagi menjadi :
1. Kolom Name
2. Kolom Type
3. Kolom Width
4. Kolom Decimal
5. Kolom Labels
6. Kolom Values (Yasin Hasbi, 2007)
d. Menu Edit pada SPSS
Menu Edit digunakan untuk melakukan perbaikan atau perubahan
berkenaan dengan data yang telah dibuat ataupun berbagai option. Terhadap
data yang telah dibuat oleh SPSS, perbaikan ataupun perubahan meliputi
menghapus data/kasus, menambah variabel, menemukan nomor kasus dan
lainnya. Sebelum edit dapat dilakukan terhadap data pada suatu file, maka
harus ada file tertentu pada Data Editor. (Santoso Singgih, 2001)
Terhadap data yang telah dibuat, dapat dilakukan perbaikan atau
perubahan meliputi menghapus data, mengganti data, menambah variabel, dan
lain-lain. (Yasin Hasbi, 2007)
e. Menu View pada SPSS
Menu View berfungsi untuk mengatur toolbar (status bar, penampakan
value label dan lainnya). (Santoso Singgih, 2001)
f. Menu Data pada SPSS
Menu Data digunakan untuk melakukan berbagai pengerjaan pada data
SPSS. Dalam beberapa hal, menu ini mempunyai fungsi yang berkaitan
dengan menu Edit, seperti dalam menyisipkan variabel, menyisipkan kasus
dan sebagainya. (Santoso Singgih, 2001)

15 | P a g e
 g. Menu Transform pada SPSS
Menu Transform berfungsi untuk membuat perubahan pada variabel
yang telah dipilih dengan kriteria tertentu. (Santoso Singgih, 2001)
h. Menu Analyze pada SPSS
Menu Analyze merupakan menu inti SPSS, yang berfungsi utnuk
melakuakn semua prosedur perhitungan statistik, seperti ujit, uji F, regresi,
time series dan lainnya. (Santoso Singgih, 2001)
i. Menu Graphs pada SPSS
Menu Graphs berfungsi untuk membuat berbagai jenis grafik untuk
mendukung analisis statistik, seperti Pie, Line, Bar dan kombinasinya.
(Santoso Singgih, 2001)
j. Menu Utilities pada SPSS
Menu Utilities atau menu tambahann ynmg mendukung program
SPSS, seperti :
1. Memberi informasi tentang variabel yang sekarang sedang dikerjakan.
2. Mengatur tampilan menu-menu yang lain. (Santoso Singgih, 2001)
k. Menu Window pada SPSS
Menu Window berfungsi untuk berpindah (switch) diantara menu-
menu yang lain di SPSS. (Santoso Singgih, 2001)
l. Menu Help pada SPSS
Menu Help berfungsi untuk menyediakan bantuan informasi mengenai
program SPSS yang dapat diakses secara mudah dan jelas. (Santoso Singgih,
2001).
7. Window SPSS
SPSS menyediakan empat window, yang meliputi :
a. Data Editor
b. Menu Output Viewer
c. Menu Syntax Editor
d. Menu Script Editor
BAB III
ANALISIS DATA

A. Waktu dan Tempat Praktikum

16 | P a g e
 Hari dan Tanggal : Kamis, 9 Desember 2010
Waktu : Pukul 11.00-12.00 WIB
Tempat : Ruang 305 (Kampus Kelautan UNDIP, Tembalang, Semarang)
B. Materi
SPSS (Statistical Product and Service Solution) merupakan salah satu program
aplikasi statistik yang sering digunakan untuk pengolahan data. Pada saat pertama
kali SPSS dibuka, tampilan akan tampak SPSS data editor yang mempunyai dua
tampilan dalam satu layer, yaitu tampilan data view dan variable view. Menu yang
dipakai adalah :
1. File : untuk membuat file baru, membuka file tertentu, mencetak isi editor, dll.
2. Editor : untuk memperbaiki atau mengubah nilai data.
3. View : untuk mengatur toolbar.
4. Data : untuk mengurutkan data berdasarkan kriteria tertentu.
5. Transform : untuk membuat perubahan pada variabel yang telah dipilih.
6. Analyze : untuk melakukan semua prosedur perhitungan statistik.
7. Graph : untuk membuat berbagai jenis grafik untuk mendukung analisa.
8. Utilities : untuk memberi informasi tentang variabel yang sedang dikerjakan.
9. Windows : untuk berpimdah diantara menu – menu yang lain.
10. Help : untuk menyediakan bantuan informasi mengenai program SPSS.5
C. Metode Praktikum
1. Pengenalan Paket Program SPSS
SPSS (Statistical Product and Service Solution) merupakan salah satu
program aplikasi statistik yang sering digunakan untuk pengolahan data.
Pada saat pertama kali SPSS dibuka, tampilan akan tampak SPSS data
editor yang mempunyai dua tampilan dalam satu layer, yaitu tampilan data
view dan variable view. Menu yang dipakai adalah :
1. File : untuk membuat file baru, membuka file tertentu, mencetak isi editor, dll.
2. Editor : untuk memperbaiki atau mengubah nilai data.
3. View : untuk mengatur toolbar.
4. Data : untuk mengurutkan data berdasarkan kriteria tertentu.
5. Transform : untuk membuat perubahan pada variabel yang telah dipilih.
6. Analyze : untuk melakukan semua prosedur perhitungan statistik.
5
Kerlinger, Fred N. (1979). Behavioral Research: A Conceptual Approach. New York: Holt, Rinehart
and Winston.

17 | P a g e
 7. Graph : untuk membuat berbagai jenis grafik untuk mendukung analisa.
8. Utilities : untuk memberi informasi tentang variabel yang sedang dikerjakan.
9. Windows : untuk berpimdah diantara menu – menu yang lain.
10. Help : untuk menyediakan bantuan informasi mengenai program SPSS.
Selain data editor, menu lainnya adalah Menu output viewer (untuk
menampilkan hasil pengolahan data atau informasi), Menu syntax viewer (untuk
menuliskan beberapa perintah atau pilihan yang hanya dapat digunakan
dengan SPSS Command Language), dan Menu script editor (untuk melakukan
berbagai pengerjaan SPSS secara otomatis, seperti membuka dan
menutup file, export chart, dll).
Langkah-langkah memasukkan data dalam SPSS :
1. Membuat lembar kerja baru (sebelumnya masuk program SPSS dahulu)
2. Menamai variabel yang diperlukan
3. Memasukkan data dengan terlebih dulu mengaktifkan data view.
Frequencies
a. Mengisi varibel Name yaitu tinggi dan gender, pada
kolom Name tinggi, Type diganti Comma. Label diisi tinggi badan, pada
kolom Name gender, Decimals diganti 0, Label diisi jenis kelamin
dengan Values Label yang dikehendaki.
b. Data View yang berada dibagian kiri bawah diklik, maka pada SPSS Data
Editor akan muncul beberapa kolom. Data yang akan disusun distribusi
frekuensinya diketik ke dalam kolom yang kita kehendaki pada data editor.
c. Kemudian klik Analyze → Deskriptive Statistics → Frequencies. Pindahkan
Tinggi Badan pada kolom Variable(s).
d. Mengeklik Statistics kemudian Check list pada Persentile Value Quartiles,
pada Central Tedency yaitu Mean dan Median, sedangkan
pada Despertion Check list semua. Lalu klik Continue.
e. Klik Chart → Check list Histograms dan With Normal Curve.
Klik Continue → OK.
f. Lalu akan muncul Frequencies pada Output.6

6
Lock, Lawrence F., Waneen Wyrick Spirduso, and Stephen J. Silverman (1993). Proposals that
Work: A Guide for Planning Dissertaions and Grant Proposals. Third edition. Newbury Park, CA: Sage
Publications.

18 | P a g e
 g. Menyusun distribusi frekuensi untuk gender. Klik Analyze → Deskriptive
Statistics → Frequencies. Kemudian pindahkan Jenis Kelamin pada kolom
Variable(s).
h. Klik Statistics → Check list pada Presentile Value yaitu
Quartiles, Despersion, Central Tendency yaitu Mean dan Median dan
pada Distribution yaitu Skewness dan Kurtosis. Klik Continue.
i. Klik Charts → pilih Pie Charts → Continue → OK.
j. Kemudian akan muncul di Output.
2. Statistik Deskriptif (Explore)
a. Klik analyze - Pilih descriptive statistic - Klik Explore
b. Akan muncul tampilan explore
c. Pindahkan data panjang dan lebar dari kiri ke kolom dependent list dengan
cara mengeblok kemudian klik tanda panah.
d. Klik statistic kemudian beri tanda (v) pada descriptive
e. Klik continue
f. Klik plots dan untuk keseragaman, pada boxplot pilih factor levels together
dan pada descriptive pilih stem and leaf.
g. Klik continue
h. Pada bagian displays pilih both
i. Klik ok
3. Menguji Normalitas dan Varians
Konsep penting dalam statistik inferensi adalah: (1) apakah beberapa
ssampel yang telah diambil berasal dari populasi yang sama (populasi data
berdistribusi normal)? Dan (2) apakah sampel – sampel tersebut
mempunyai varians yang sama.
Langkah-langkah :
a. Klik Analyze
b. Pilih Descriptive statistic
c. Klik Explore
d. Pindahkan data ukuran dari kolom kiri ke kolom dependent list dengan cara
mengeblok kemudian klik tanda panah.
e. Pindahkan data kode dari kolom factor list dengan cara mengeblok kemudian
klik tanda panah.

19 | P a g e
 f. Klik Statistic kemudian beri tanda (v) pada descriptive.
g. Klik continue
h. Klik Plots dan untuk keseragaman, pada bloxplot pilih non dan
pada desctriptive tidak ada yang dipilih.
i. Beri tanda (v) pada normality plots with test.
j. Pada bagian spread vs level with levene test pilih power estimation.
k. Klik continue
l. Pada bagian display pilih both7
m. Klik OK.
4. Scetterplot
Deskriptif ini digunakan untuk mengetahui sebaran data pada statistik univarian.
Langkah-langkah :
a. Klik graph
b. Pilih Legacy Dialogs
c. Pilih scatte / dot
d. Klik simple scatter
e. Klik define
f. Pindahkan data logpanjang dari kolom kiri ke kolom X axis dengan cara
mengeblok kemudian klik panah
g. Klik ok
5. Hipotesis
Ho = tidak ada hubungan antara panjang cangkang dengan lebar cangkang pada
kerang Anadara granosa.
Hi = ada hubungan antara panjang cangkang dengan lebar cangkang pada
kerang Anadara granosa.
6. Regresi dan Korelasi
Analisa regresi linier sederhana merupakan analisis yang membicarakan
hubungan antara 2 buah variabel, yaitu variabel bebas dan variavel tergantung.
Langkah-langkah :
a. Klik Analyze
b. Pilih regression dan dari serangkaian pilihan test untuk regresi

7
Myers, Barbara E. and John T. Pohlman (1979 ERIC ED175905). The Null Hypothesis as the
Research Hypothesis. San Fransisco: 63rd Annual Meeting of the American Educational Research Association.

20 | P a g e
 c. Pilih linier
d. Pindahkan data logpanjang dari kolom kiri ke kolom independent dan loglebar
ke kolom dependent dengan cara mengeblok kemudian klik panah.
e. Pada kolom method pilih enter
f. Klik tombol statistic
g. Pada kolom regression coefficient pilih estimate
h. Beri tanda (v) pada model fit dan descroptive.
i. Pada kolom residual beri tanda (v) pada casewise diagnostic dan pilih all
cases.
j. Klik continue
k. Klik tombol plots
l. Klik pilihan sdresid dan masukkan kekolom Y lalu klik pilihan zpred dan
masukkan kekolom X.
m. Klik next
n. Klik pilihan zpred dan masukkan kekolom Y lalu klik dependnt dan masukkan
kekolom X.8
o. Pada kolom standardized residual plots beri tanda (v) pada normal probability
plot.
p. Klik continue
q. Klik OK.

BAB IV
HASIL DAN PEMBAHASAN
A. Hasil Praktikum
1. Pengenalan Paket Program SPSS
Memasukkan data
2. Statistik Deskriptif (Explore)

8
Wiersma, William (1995). Research Methods in Education: An Introduction. Sixth edition. Boston:
Allyn and Bacon.

21 | P a g e
 Uji frekuensi
Frequencies
Notes

Output Created 09-Dec-2010 11:13:54

Comments

Input Active Dataset DataSet0

Filter <none>

Weight <none>

Split File <none>

N of Rows in Working
25
Data File

Missing Value Handling Definition of Missing User-defined missing values are

treated as missing.

Cases Used Statistics are based on all cases with

valid data.

Syntax FREQUENCIES
VARIABLES=tinggi
/NTILES=4
/STATISTICS=STDDEV
VARIANCE RANGE MINIMUM
MAXIMUM SEMEAN MEAN
MEDIAN SKEWNESS SESKEW
KURTOSIS SEKURT
/HISTOGRAM NORMAL
/ORDER=ANALYSIS.

Resources Processor Time 00:00:00.608

Elapsed Time 00:00:00.671

22 | P a g e
[DataSet0] 

Statistics

tinggi badan

N Valid 25

Missing 0

Mean 169.4000

Std. Error of Mean .99266

Median 168.9000

Std. Deviation 4.96328

Variance 24.634

Skewness -.155

Std. Error of Skewness .464

Kurtosis .452

Std. Error of Kurtosis .902

Range 20.70

Minimum 159.60

Maximum 180.30

Percentiles 25 167.2000

50 168.9000

75 172.5000

tinggi badan

Frequency Percent Valid Percent Cumulative Percent

Valid 159.6 2 8.0 8.0 8.0

161.3 1 4.0 4.0 12.0

23 | P a g e
 164.8 2 8.0 8.0 20.0

167.2 2 8.0 8.0 28.0

168.5 2 8.0 8.0 36.0

168.6 1 4.0 4.0 40.0

168.9 3 12.0 12.0 52.0

170.2 1 4.0 4.0 56.0

170.4 3 12.0 12.0 68.0

172.5 4 16.0 16.0 84.0

174.5 2 8.0 8.0 92.0

177.5 1 4.0 4.0 96.0

180.3 1 4.0 4.0 100.0

Total 25 100.0 100.0

Uji Explore

Regression
Notes

Output Created 09-Dec-2010 12:15:44

Comments

Input Active Dataset DataSet4

Filter <none>

Weight <none>

Split File <none>

N of Rows in Working
24
Data File

Missing Value Handling Definition of Missing User-defined missing values are

24 | P a g e
 treated as missing.

Cases Used Statistics are based on cases with no

missing values for any variable used.

Syntax REGRESSION
/DESCRIPTIVES MEAN STDDEV
CORR SIG N
/MISSING LISTWISE
/STATISTICS COEFF OUTS R
ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT logpanjang
/METHOD=ENTER loglebar
/
SCATTERPLOT=(*SDRESID ,*ZP
RED) (*ZPRED ,logpanjang)
/RESIDUALS NORM(ZRESID)
/CASEWISE PLOT(ZRESID)
OUTLIERS(3).

Resources Processor Time 00:00:01.560

Elapsed Time 00:00:01.389

Memory Required 1348 bytes

Additional Memory
Required for Residual 824 bytes
Plots

[Data Set4] 
Descriptive Statistics

25 | P a g e
 Mean Std. Deviation N

panjang cangkang .2683 .06684 24

lebar cangkang .3829 .06097 24

Correlations

panjang
cangkang lebar cangkang

Pearson Correlation panjang cangkang 1.000 -.431

lebar cangkang -.431 1.000

Sig. (1-tailed) panjang cangkang . .018

lebar cangkang .018 .

N panjang cangkang 24 24

lebar cangkang 24 24

Variables Entered/Removedb

Variables Variables
Model Entered Removed Method

1 lebar
. Enter
cangkanga

a. All requested variables entered.

b. Dependent Variable: panjang cangkang

26 | P a g e
Model Summaryb

Adjusted R Std. Error of

Model R R Square Square the Estimate

1 .431a .186 .149 .06167

a. Predictors: (Constant), lebar cangkang

b. Dependent Variable: panjang cangkang

ANOVAb

Sum of
Model Squares df Mean Square F Sig.

1 Regression .019 1 .019 5.015 .036a

Residual .084 22 .004

Total .103 23

a. Predictors: (Constant), lebar cangkang

b. Dependent Variable: panjang cangkang

27 | P a g e
Coefficientsa

Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) .449 .082 5.496 .000

lebar cangkang -.472 .211 -.431 -2.239 .036

a. Dependent Variable: panjang cangkang

Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N

Predicted Value .1922 .3070 .2683 .02880 24

Std. Predicted Value -2.644 1.343 .000 1.000 24

Standard Error of
.013 .036 .017 .005 24
Predicted Value

Adjusted Predicted Value .1720 .3210 .2681 .03161 24

Residual -.11133 .11064 .00000 .06031 24

Std. Residual -1.805 1.794 .000 .978 24

Stud. Residual -1.863 1.833 .001 1.017 24

Deleted Residual -.11854 .11546 .00022 .06540 24

Stud. Deleted Residual -1.983 1.945 -.005 1.049 24

Mahal. Distance .002 6.988 .958 1.445 24

Cook's Distance .000 .216 .043 .055 24

Centered Leverage Value .000 .304 .042 .063 24

a. Dependent Variable: panjang cangkang

28 | P a g e
Charts
Explore
Notes

Output Created 09-Dec-2010 11:55:53

Comments

Input Active Dataset DataSet2

Filter <none>

Weight <none>

Split File <none>

N of Rows in Working
49
Data File

Missing Value Handling Definition of Missing User-defined missing values for

dependent variables are treated as
missing.

Cases Used Statistics are based on cases with no

missing values for any dependent
variable or factor used.

Syntax EXAMINE VARIABLES=ukuran

BY kode
/PLOT NPPLOT SPREADLEVEL
/STATISTICS DESCRIPTIVES
/CINTERVAL 95
/MISSING LISTWISE
/NOTOTAL.

Resources Processor Time 00:00:01.592

Elapsed Time 00:00:01.497

[DataSet2] 

29 | P a g e
kode kerang
Case Processing Summary

Cases

Valid Missing Total

kode
kerang N Percent N Percent N Percent

morfometri kerang panjang 24 100.0% 0 .0% 24 100.0%

lebar 24 100.0% 0 .0% 24 100.0%

Descriptives

St
d.
Er
kode kerang Statistic ror

morfometri kerang panjang Mean .0

.2683 13
64

95% Confidence Interval Lower Bound .2401

for Mean
Upper Bound .2965

5% Trimmed Mean .2674

Median .2454

Variance .004

Std. Deviation .06684

30 | P a g e
 Minimum .18

Maximum .38

Range .20

Interquartile Range .13

Skewness .4
.282
72

Kurtosis .9
-1.472
18

lebar Mean .0
.3829 12
45

95% Confidence Interval Lower Bound .3571

for Mean
Upper Bound .4086

5% Trimmed Mean .3789

Median .3617

Variance .004

Std. Deviation .06097

Minimum .30

Maximum .54

Range .24

Interquartile Range .09

31 | P a g e
 Skewness .4
1.021
72

Kurtosis .9
.523
18

Tests of Normality

Kolmogorov-Smirnova Shapiro-Wilk
kode
kerang Statistic df Sig. Statistic df Sig.

morfometri kerang panjang .188 24 .028 .897 24 .019

lebar .219 24 .004 .902 24 .023

a. Lilliefors Significance Correction

Test of Homogeneity of Variance

Levene
Statistic df1 df2 Sig.

morfometri kerang Based on Mean 1.328 1 46 .255

Based on Median .992 1 46 .324

Based on Median and

.992 1 45.214 .324
with adjusted df

Based on trimmed mean 1.471 1 46 .231

Morfometri kerang
Detrended Normal Q-Q Plots
Normal Q-Q Plots
B. Pembahasan
1. Pengenalan Paket Program SPSS

32 | P a g e
 Program SPSS ini merupakan suatu software yang digunakan untuk membantu
mempermudah pengolahan sample data yang spasial.
Pada Pengolahan datanya, kita menggunakan beberapa data untuk diuji yaitu :
a. Uji Frekuensi
Di uji data dengan jumlah data sebanyak 25 buah. Hasil yang didapat
adalah sebagai berikut :
Mean = 169.9000
Median = 169.4000
Varians = 24.634
Skewness = - 0.155
Kurtosis = 0.452
Range = 20.70
Nilai maksimum = 160.10
Nilai minimum = 180.80
Pada tabel frekuensi tinggi badan, penafsiran data dilakukan tiap baris dan
dihitung secara kumulatif. Demikian perhitungan dilakukan seterusnya hingga
mencapai 100%.
Dari hasil, histogram yang terlihat frekuensi terbesar adalah pada kisaran
tinggi badan ± 170,00
Dari hasil berupa pie chart pada tinggi badan, frekuensi terbesar ada pada
kisaran tinggi badan ± 172,50. Sedangkan dari pie chart data jenis kelamin,
frekuensi terbanyak adalah wanita.
b. One sample T-Test menggunakan data Ulangan.
Diketahui bahwa nilai rata – rata dari hasil adalah 3868.4450 dan standart
deviasi 1123.93164
Pada tabel kedua terdapat pengambilan keputusan dimana:
Jika t output > t table maka H0 ditolak.
Jika t output < t table maka H0 diterima.
Dimana nilai t output adalah 17.209, maka keputusan yang diambil adalah
tolak H0 (t output > t table).
c. Period Sample T-Test menggunakan perbandingan dua data mingguan atau per
periode.

33 | P a g e
 Dari output 1 (Paired Samples statistics) dimana nilai mean T1
adalah 4034.0450 dan T2 adalah 4665.6450 dan output 2 (paired Samples Test)
diketahui bahwa korelasi antara kedua variable T1 dan T2 yaitu 0.175 dengan
nilai probabilitas > 0.05. hal ini menyatakan bahwa korelasi antara T1 dan T2
adalah lemah.
d. Independent Sample T-Test menggunakan dua buah perbandingan data perlakuan
pada suatu sample.
Outputan pertama (Group Statistics) menunjukan nilai rata – rata dari T1
adalah 4034.0450 dan T2 adalah 4665.6450.
Dari nilai t hitung (t kritis) diperoleh -1.724 sehingga nilai table t adalah
2.06. didapat kesimpulan bahwa 3.335 > 2.06 maka tolak H0.
3. Statistik Deskriptif (Explore)
Semua data berjumlah 50, yang terdiri dari panjang (25) dan lebar (25) dengan
percent valid sebesar 100%.
Output descriptive mendeskripsikan data mengenai nilai masing – masing
mean, median, range, nilai maksimum dan minimum dari masing – masing variable.
4. Menguji Normalitas dan Varian
Output test of normality terlihat nilai signifikan pada data murfometri kerang
adalah panjang cangkang 0.021 dan lebar cangkang 0.017. dimana nilai signifikansi <
0.05 sehingga distribusi datanya berdistribusi tidak normal.
Output untuk menguji normalitas dengan plot (Q – Q plot) dilihat bahwa
distribusi datanya dikatakan normal. Hal ini dapat terlihat dari sebaran data di
sekeliling garis. Dan Output pada Detrended normal Q – Q plot terdeteksi pola dari
titik – titik yang bukan bagian dari kurva normal.
5. Scetterplot
Terlihat sebaran data dalam satu garis dan terdistribusi secara normal.
6. Hipotesis
H0 = tidak ada korelasi antara 2 variable, dan
H1 = ada korelasi antara 2 variable.
7. Regresi dan korelasi
Output korelasi dimana hipotesisnya :
H0 = tidak ada korelasi antara 2 variable, dan
H1 = ada korelasi antara 2 variable.

34 | P a g e
 Dimana jika Probabilitas > 0.05 maka H0 diterima, dan sebaliknya jika
probabilitas < 0.05 maka H0 ditolak. Karena semua angka probabilitasnya adalah
0.000 maka keputusannya adalah (0.000 < 0.05) tolah Ho atau terima H1. Dimana
semua variabel secara nyata adalah berkorelasi.
Output model summary dimana nilai R adalah sebesar 1.000 menunjukan
bahwa korelasinya sangat kuat (>0.05). Sedangkan nilai SEE adalah 0.0000
menunjukan model regresi semakin tepat dalam memprediksi variable dependent.
Output anova diketahui bahwa Fhitung adalah 0 dengan probabilitas 0.000
menunjukan bahwa panjang cangkang dan lebar cangkang saling mempengaruhi.

BAB V
KESIMPULAN DAN SARAN
A. Kesimpulan
Setelah melakukan praktikum SPSS ini maka dapat disimpulkan bahwa :
1. SPSS adalah salah satu program statistik yang dibuat untuk mempermudah dalam
menyelesaiakan masalah-masalah pengolahan data dalam statistik.
2. Dalam menyelesaikan masalah pengolahan data statistik dapat digunakan SPSS
Data Editor dengan beberapa uji, yaitu ;

35 | P a g e
 a. Uji frekuensi
b. Statistika deskrptive (explore)
c. Uji Normalitas dan Varians
d. Scetterplot
e. Hipotesis
f. Regresi dan Korelasi
3. Statistik dengan uji hipotesis yaitu untuk membuktikan dengan alat statistika,
apabila dugaan yang dimiliki dapat dibuktikan benar atau sebaliknya. Ada dua
kelompok besar yang dapat dilakukan dengan uji hipotesis: uji hipotesis terkait uji
rerata, dan uji hubungan baik terbatas pada besarnya derajat asosiasi (uji korelasi)
atau mencari bentuk hubungan fungsional beberapa variabel (uji regresi).
B. Saran
1. Sebaiknya komputer di lab d tambah lagi agar dapat digunakan secara efisien, dan
praktikan tidak berdesak-desakan dalam melakukan praktikum.
2. Sebaiknya asisten jauh-jauh hari sudah memberikan jadwal praktikum kepada
praktikan agar praktikan dapat mempersiapkan sebelumnya.
3. Dalam penjelasan saat praktikum, sebaiknya asisten jangan terlalu cepat
menjelaskannya, karena banyak praktikan yang ketinggalan bagaimana langkah-
langkah dalam melakukan pengolahan datanya.

DAFTAR PUSTAKA

F. N. Oon. 2006. Growth and Mortality of The Malaysian Cockle (Anadara granosa

L.) Under Commercial Culture: Analysis Through Length-Frequency Data,
BayofBengal programme.http://www.fao.org/documents/show_cdr.asp?
url_file=/docrep/007/ae15e /ae115e00.htmIrunsah, Aslan. 2007. SPSS dan
Sejarahnya. kabhanti@gmail.com..

36 | P a g e
 Santoso, Singgih. 2001. “SPSS Versi 10, Mengolah Data Statistik Secara
Profesional”. Jakarta; PT Elex Media Komputindo.
Sudijono, Anas.2004.Pengantar Statistik Pendidikan.Raja Grafindo Persada : Jakarta
Yasin, Hasbi. 2007. “Pengenalan Paket Program SPSS”. Semarang. Fakultas MIPA,
UNDIP
Gay, L. R. (1990). Educational Research: Competencies for Analysis and
Application. Third edition. New York: Macmillan Publishing Company.
Kerlinger, Fred N. (1979). Behavioral Research: A Conceptual Approach. New York:
Holt, Rinehart and Winston.
Lock, Lawrence F., Waneen Wyrick Spirduso, and Stephen J. Silverman (1993).
Proposals that Work: A Guide for Planning Dissertaions and Grant
Proposals. Third edition. Newbury Park, CA: Sage Publications.
Myers, Barbara E. and John T. Pohlman (1979 ERIC ED175905). The Null
Hypothesis as the Research Hypothesis. San Fransisco: 63rd Annual Meeting of
the American Educational Research Association.
Naga, Dali S. (2006). “Diktat Kuliah Statistika Terapan.”
Wiersma, William (1995). Research Methods in Education: An Introduction. Sixth
edition. Boston: Allyn and Bacon.

37 | P a g e