Praktikum Biostat

PRAKTIKUM BIOSTATISTIKA
MATERI :
SPSS
(STATISTICAL PRODUCT SERVICE SOLUTION)
Oleh : Jun Edy S Pakpahan, SKM., M.K.M
0
BAB I
LINGKUNGAN DAN MANAGEMEN SPSS
1.1 PENDAHULUAN
Pada prinsipnya program komputer yang berhubungan dengan pengolahan data
dibagi menjadi 3 bagian :
1. Membuat Program Sendiri
Perhitungan statistika dapat dilakukan dengan program komputer yang dibuat
sendiri misalnya dengan TURBO PASCAL, C++ dll. Meskipun hasilnya sangat
memuaskan tetapi hal ini pada saat ini jarang dipakai orang, karena
membutuhkan waktu dalam proses pembuatannya.
2. Program Statistika yang merupakan Pelengkap dari Program lain
Program statistika yang dibuat tidak ditunjukkan secara khusus untuk tujuan
penyelelesaian statistika, tapi merupakan tambahan dari program komputer lain.
Contoh, pada Ms. Excel terdapat program untuk membuat garis persamaan
regresi untuk menerangkan hubungan antara peubah bebas dengan peubah tak
bebasnya.
3. Program Komputer Khusus untuk Statistika
Program komputer ini ditujukan khusus untuk penyelesaian pengolahan data
statistika, dengan dilengkapi fasilitas untuk penyajian grafik serta pembuatan
laporan contoh : SAS, SPSS, MINITAB dll.
Pada saat sekarang SPSS dibagi menjadi 4 bagian besar, yaitu :

1. SPSS BI atau Busines Intelegencia
2. SPSS MR atau Market Riset
3. SPSS Science
4. SPSS Quality
Dalam SPSS BI mempunyai 4 bagian utama:

1. Data Collection, fasilitas pengumpulan data untuk diolah
2. Data Preparation, fasilitas persiapan data untuk pengolahan lebih lanjut
3. Data Data Analysis dan Data Mining, menyediakan berbagai fasilitas untuk
menganalisis data
4. Data Deployment, mendistribusikan hasil pengolahan data
Masing-masing bagian mempunyai program SPSS khusus dan pada modul ini
akan dibahas mengenai data analysis dan data mining yang disebut SPSS BASE.
SPSS BASE mencakup semua perhitungan statistika deskriptif dan inferensia,
dilengkapi dengan cara penyajian grafik. Karena pada modul ini yang dibahas adalah
SPSS BASE maka untuk seterusnya penyebutan SPSS maksudnya adalah SPSS
1
BASE.
2
WINDOWS SPSS
Pada SPSS ini terdapat 4 window yaitu:
1. Data Editor
Window ini akan terbuka secara otomatis ketika spss dijalankan, window ini
berfungsi untuk input data. Menu yang ada pada data editor adalah:
 File
Menu file berfungsi untuk menangani hal-hal yang berhubungan dengan file
seperti: membuka file baru, menyimpan file, mencetak file dll.
 Edit
Menu edit berkaitan dengan operasi perbaikan ataupun perubahan nilai data.
 View
Fungsinya untuk mengatur toolbars dan menentukan huruf yang akan dipakai.
 Data
Menu data berfungsi untuk mengubah data secara keseluruhan seperti:
mengurutkan data, menandai data berdasarkan kriteria tertentu,
menggabungkan data dll.
 Transform
Digunakan untuk merubah variabel yang dipilih dengan berdasarkan criteria
tertentu.
 Analyze
Menu analyze merupakan tahapan inti dari SPSS gunanya untuk menganalisis
data statistika (uji nonparametrik, time series, regresi, analisis ragam, dll).
 Graph
Menu graph gunanya untuk menampilkan grafik untuk menunjang analisis
data statistika.
 Utilities
Merupakan menu pendukung yang digunakan untuk:
- Memberikan informasi mengenai isi variabel tertentu.
- Mengatur penampilan menu-menu yang lain.
 Window
Menu window digunakan untuk perpindahan dari satu window ke window
lainnya.
 Help
Menu help digunakan untuk memberikan bantuan berupa pemberian
informasi yang diperlukan.
2. Window Output Viewer (Viewer)

Apabila menu data editor untuk input data, maka window output
viewer(VIEWER) adalah untuk menampilkan hasil proses analisis data. Menu pada
viewer hamper sama dengan menu editor, pada window viewer ini ada tambahan
menu yaitu:
 Insert
Berfungsi untuk menyisipkan judul, grafik, teks atau objek tertentu dari suatu
aplikasi lain.
3
 Format
Berfungsi untuk merubah tata letak huruf output.
3. Menu Syntax Editor

Menu syntax untuk digunakan perhitungan analisis statistika apabila alat yang
ingin dipakai tidak tersedia pada menu SPSS.
4. Menu Script Editor

Menu script digunakan untuk melakukan kegiatan SPSS secara otomatis, seperti:
eksport CHART, penyesuaian bentuk output, dll.
1.2 SPSS DATA EDITOR

Data editor mempunyai dua fungsi utama yaitu:
1. Input data yang akan diolah SPSS.
2. Proses data yang telah di input dengan proses statistika tertentu.
Pada SPSS terdapat sepuluh menu utama yaitu: FILE, EDIT, VIEW, DATA
TRANFORM, ANALYZE, GRAPHS, UTILITIES, WINDOWS, dan HELP. Berikut
ini dibahas satu persatu di bagi menjadi beberapa modul.
1.2.1 MENU FILE

1. Membuat Variabel dan Mengisi data
Pada SPSS ini terdapat kolom dan baris:
▪ Kolom, pada kolom ini ditandai nama var pada tiap kolomnya, berfungsi
untuk diisi variabel tertentu misalkan tinggi badan, gender atau nama
responden.
▪ Baris, ditandai 1, 2, dst dipakai untuk mengisi kasus (baris) seperti: budi,
tinggi badan, dan gendernya.
Contohnya apabila Saudara ingin membuat suatu data dengan variabel nama
responden, jenis kelamin dan tinggi badan yang terdiri dari 10 orang responden
terdapat dibawah.
Tabel 1.1 Tabel Tinggi Badan Responden dengan Gender, Tinggi Badan dan
Bidang Pekerjaan (nama file: tinggi_badan.sav)
Nomor Nama Gender Tinggi Badan Bidang
1 Iman Perempuan 154 Marketing
2 Lani Perempuan 155 Riset
3 Marni Perempuan 150 Delivery
4 Ujang Pria 164 Produksi
5 Onet Perempuan 145 Administrasi
6 Bush Pria 170 Riset
7 Jaky Pria 171 Marketing
8 Gendut Pria 150 Delivery
9 Jose Pria 167 Produksi
10 Jimy Pria 179 Administrasi
4
a. Membuat variabel
 Cara membuat variabel nama:
– Klik Variabel View yang ada disebelah kiri bawah dari layar data editor,
kemudian pada kolom Name ketik nama.
– Pada Type karena nama merupakan karakter maka klik String, untuk
keseragaman masukan jumlah karakter 10.
– Width ditentukan berdasarkan banyaknya huruf maksimal yang ingin
dimasukkan, Width biarkan menggunakan 10, karena tidak pakai desimal
kolom Decimals diisi 0.
– Pada kolom Label isi nama responden.
– Karena nama responden dalah unik maka lewat saja kolom Values, serta
karena tidak ada missing maka dibiarkan kolom Missing, untuk kolom
Columns berfungsi menentukan lebar kolom pada data view isi 10.
– Untuk keseragaman Align dipilih left (rata kiri), dan Measure diisi nominal.
 Cara mengisi variabel gender

– Window Variabel View pada kolom name masukkan pada baris kedua
gender.
– Karena gender ini terdiri dari pria dan perempuan maka untuk menyingkat
dalam pengetikan masing-masing dapat diganti dengan 0 dan 1, sehingga
pilih pada kolom Type numerik, Width 10 dan Decimals 0.
– Biarkan kolom Width berisi 1 dan isi kolom Decimal 0. pada Label untuk
keseragaman isi jenis kelamin responden.
– Karena 0 mewakili pria dan 1 mewakili perempuan gunakan kolom Value
dengan cara klik pada kolomnya, maka akan muncul kotak dialog sebagai
berikut:
Gambar 1.1 kotak dialog Value Label.
– Pada Value masukan 0, lalu klik pada ruang Value Label pria, selanjutnya
klik Add. Masukan lagi pada ruang Value 1 dan pada ruang Value Label
perempuan terus klik Add, akhiri dengan klik OK.
– Biarkan kolom Missing untuk keseragaman pada Columns isi 10, right (rata
kanan) pada kolom Align, pada kolom Measure karena gender ditulis 0 dan 1
meskipun datanya nominal maka dianggap scala atau ordinal.
 Cara mengisi variabel tinggi badan

– Pada kolom Name baris ketiga isi tinggi, disebabkan tinggi badan adalah
numerik pada kolom Type pilih numerik untuk keseragaman Width isi
dengan 3 dan Decimals dengan 2.
5
– Kolom Width dan Decimals otomatis berisi 3 dan 2, pada kolom Label isi
tinggi badan responden.
– Karena tinggi badan adalah unik serta tidak ada missing maka abaikan kolom
Value dan kolom Missing.
– Pada kolom Columns untuk keseragaman pakai default dari columns yaitu 8,
pada kolom Align pilih right, karena data tinggi badan adalah berskala rasio
maka pada kolom Measure pilih scala.
 Cara membuat variabel bidang

– Isi kolom Name dengan bidang. Type dengan numerik, Width dengan 15,
Decimals dengan 0 dan Label dengan bidang pekerjaan.
– Setelah muncul kotak dialog Value pada ruang Value masukan 1, ruang
Value Label diisi riset lalu klik tombol Add, masukan 2 pada ruang Value
dan Administrasi pada ruang Value Label, masukan 3 pada ruang Value dan
Marketing pada Value Label, masukan 4 pada ruang Value dan produksi
pada ruang Value Label dan masukan 5 pada Value dan delivery pada ruang
Value Labels.
– Abaikan kolom Missing, untuk keseragaman isi kolom Columns dengan 15,
kolom Align dengan right dan kolom Measure dengan ordinal.
b. Cara mengisi data

– Klik Data View yang ada pada layar sebelah kiri bawah, masukan nama
responden pada variabel nama dari 1 sampai dengan 10, jangan lebih dari 10
huruf karena SPSS tidak akan menerima.
– Sebelum mengisi kolom gender klik terlebih dahulu menu utama View lalu
klik sub menu Value Labels. Setelah ini baru pada kolom gender isi nilai 0
untuk pria dan 1 untuk perempuan secara otomatis 0 akan berubah menjadi
pria dan 1 menjadi perempuan.
– Isi pada kolom tinggi, nilai dari masing-masing tinggi badan responden jika
diisi lebih dari 2 desimal maka SPSS akan membulatkannya menjadi 2
desimal.
– Untuk mengisi kolom bidang pastikan dahulu sub menu Value Labels pada
menu utama View dalam keadaan aktif lalu isi 1 untuk riset, 2 untuk
administrasi dst.
Jika pengisian diatas benar maka akan menghasilkan data seperti pada Tabel diatas,
simpan hasilnya dengan nama tinggi_badan.sav.
2. Menyimpan Data
– Untuk penyimpanan data yang pertama klik menu File, pilih Save As, maka
akan muncul kotak dialog Save as pada ruang File Name untuk keseragaman
masukan tinggi badan, untuk Type Data pakai ekstensi sav.
– Apabila tidak memerlukan nama baru dalam penyimpanan file, pada menu
file langsung klik sub menu Save.
6
3. Melihat Atribut/Ciri Data
– Buka file tinggi_badan.sav.
– Gunakan menu Utilities pilih sub menu File Info akan muncul dilayar.
Penjelasan:
Peubah nama memiliki label nama responden, skala data nominal, lebar
columns 10, alignment rata kiri(left). A10 menunjukkan type data string dengan
panjang maksimal karakter 10. Pada peubah gender dimunculkan label 0 = pria, 1 =
7
perempuan, pada peubah tinggi terdapat F3.2 artinya tipe data numerik, dengan lebar
3 dan decimals 2.
- Klik menu Utilities, pilih Variabel…..

Maka muncul kotak dialog variabel:
Gambar 1.2 Kotak dialog Variable….

4. Menyimpan Output
Kadang-kadang Saudara perlu untuk menyimpan output yang telah terjadi, oleh
karena itu akan ditampilkan contoh dengan menggunakan output diatas.
– Pilihlah menu Save As pada menu utama File muncul kotak dialog.
Gambar 1.3 Kotak Dialog Save as

– Pada ruang File name masukan info 1. lalu akhiri proses dengan klik Save.
Otomatis info1 tersimpan dengan spo.
5. Mencetak Data
Klik menu file, pilih sub menu print akan muncul kotak dialog sbb:
Gambar 1.4 Kotak Dialog Print

8
Penjelasan:
Ruang Name berisi jenis printer yang dipakai, pages from 1 to 1 artinya yang di print
hanya halaman 1.
6. Keluar dari SPSS

Pada menu utama File, klik menu Exit yang berada pada posisi paling bawah.
1.2.2 MENU EDIT

Untuk contoh kasus digunakan file tinggi_badan.sav
1. Menghapus baris
Misalkan Saudara ingin menghapus Lina yang perempuan dengan tinggi badan
155.00 bidang riset, maka letakkan kursor dan klik pada baris kedua, tampak
baris kedua tersorot, lalu klik menu Cut. Klik Undo untuk kembali kekeadaan
semula, pilih Redo apabila Undo dibatalkan.
2. Menghapus kolom
Pindah ke window Variable View apabila ingin menghapus seluruh data gender,
klik baris kedua, lalu pilih menu Clear.
3. Menghapus sel
Apabila ingin menghapus nama Bush pada baris 6, klik sel Bush, kemudian klik
Cut.
4. Mengganti sel
Jose pada baris ke-9 ingin diganti Roby, maka klik sel Jose ketik Roby.
5. Mengkopi sel
Apabila nama Mami ada dua dan yang satu ingin diletakkan pada baris 11, klik
sel Mami pilih sub menu Copy, letakkan kursor pada baris 11, lalu klik sub manu
Paste.
6. Mencari data
Pilih sub menu Find, akan muncul dilayar kotak dialog Find.
Misalkan ingin mencari kata riset pada peubah Bidang, simpan kursor pada baris
pertama peubah bidang, pada ruang find what ketik riset,lalu pilih Find Next
untuk memulai pencarian.
Gambar 1.5 Kotak dialog Find Data in Variable
9
1.2.3 MENU DATA
Contoh kasus masih menggunakan file data tinggi_badan.sav.
1. Menyisipkan peubah
Apabila saudara punya peubah baru dengan nama berat badan ingin disisipkan
diantara peubah gender dan tinggi.
 Pada window Variabel View letakkan kursor pada peubah tinggi, lalu pada
menu utama Edit pilih menu Insert Variable.
 Masukkan peubah dan atribut yang ingin dipakai.
2. Menyisipkan baris
Apabila Saudara punya data responden baru namanya Rini, gender perempuan,
tinggi badan 159 dan bidang pekerjaan marketing, Saudara ingin meletakkannya
pada baris kedua.
 Klik sel Rini lalu klik menu Insert Case.
 Ketikan data Rini pada baris kedua yang telah kosong.
3. Menemukan baris tertentu

Pada kenyataannya Saudara sering berhadapan dengan data yang sangat banyak
misalkan data yang saudara punyai ada 1000.000 baris dan saudara ingin
menemukan data pada baris 900.000 maka pilih menu Go To Case akan muncul
kotak dialognya
Gambar 1.6 Kotak Dialog Go To Case

Ketik 900.000 dan klik OK maka kursor akan pindah ke baris ke-900.000
4. Memisahkan nilai peubah

Misalkan Saudara ingin mengelompokkan data berdasarkan nilai dari peubah
gender, pilih menu Split File maka akan muncul kotak dialog.
Gambar 1.7 Kotak Dialog Split File

10
Karena akan memisahkan file dalam group, maka pilih Organize output by
groups. Masukkan peubah jenis kelamin responden (gender) ke ruang Groups based
on, dengan cara klik peubah jenis kelamin (gender), klik tanda >. Karena nilai
peubah Gender masih selang-seling maka klik Sort the file by grouping variables.
Akhirnya klik OK akan muncul hasil pada window data editor sbb:
Tabel 1.2 Tabel Responden dengan Gender, Tinggi Badan dan Bidang
Pekerjaan yang Diurut Berdasarkan Gender.
5. Memilih baris (kasus) dengan kriteria tertentu.

 Klik menu Select Cases akan muncul kotak dialog select cases seperti pada
gambar 1.8.
 Apabila Saudara ingin memilih nama responden yang mempunyai tinggi
badan lebih dari 160 maka, pada kotak dialog klik If Condition is satisfied,
lalu klik If dan akan muncul kotak dialog seperti pada gambar 1.9.
Gambar 1.8 Kotak Dialog select cases
11
Gambar 1.9 Kotak Dialog select cases:If
 Masukkan tinggi >160 kedalam ruang select cases seperti terlihat pada
gambar, klik Continue.
 Jika Saudara ingin menghapus nama responden yang tinggi badannya kurang
dari 160maka pada Unselected Cases Are pilih Deleted. Hasilnya sbb:

Tabel 1.3 Tabel Responden yang Memiliki Tinggi Badan Lebih
Dari 160 (nama file: tinggi sekali.sav)
Simpan hasil diatas dengan nama tinggi_sekali.sav
6. Mengurutkan Data
Untuk beberapa kegunaan seringkali Saudara harus mengurutkan data
berdasarkan kriteria tertentu. Untuk contoh Saudara ingin mengurutkan data pada file
tinggi badan dengan berdasarkan criteria nama responden, maka Saudara harus pilih
menu Sort Cases maka muncul kotak sbb:
Gambar 1.10 Kotak Dialog Sort Cases
12
Untuk mengurutkan berdasarkan dari abjad terkecil pada Sort Order pilih
Ascending seterusnya tekan OK.
7. Meringkas data secara Aggregate
 Pilih menu Data dan klik sub menu Aggregate …,muncul kotak dialog
dibawah:
Gambar 1.11 Kotak Dialog Aggregate
 Pada ruang Break variable (s) masukan peubah bidang pekerjaan pada ruang
Aggregate variable(s) masukan tinggi responden, lalu klik Function terlihat
kotak dialog seperti dibawah
Gambar 1.12 Kotak dialog Aggregate Data: Aggregate Function
 Untuk menghasilkan jumlah tinggi badan Sum of values di klik. Lalu klik
Continue outputnya adalah :
Tabel 1.4 Tabel output dari hasil meringkas secara aggregate
13
8. Menggabungkan file
Penggabungan ini menurut fungsinya dibagi dua:
a. Add Cases, ialah penggabungan file dengan peubah yang sama tapi kasusnya
berbeda.
b. Add Variables, penggabungan dengan kasus yang sama tapi peubahnya berbeda.
Penjelasan:
a. Add Cases
 Letakkan pointer pada sembarang tempat di file tinggi badan.
 Dari menu utama Data, kemudian klik pada Merge File dan pada pilihan
pilihlah Add cases, akan tampak kotak dialog Add cases

Gambar 1.13 Kotak dialog Add cases: Read file.
 Pada ruang File name isikan file program yang akan digabungkan, dalam hal
ini file yang akan digabungkan adalah file tinggi_badan_1,setelah ditekan
Open muncul kotak dialog Add Cases …
14
Gambar 1.14 Kotak dialog Add cases from …
 Karena peubah yang akan digabungkan kebetulan sama maka langsung klik
OK. Hasilnya adalah suatu data yang terdiri dari 15 kasus. Simpan hasilnya
dengan nama gabung_kasus.sav.
b. Add Variables
Andaikan Saudara punya file data bernama berat.sav seperti dibawah dan karena
nama responden adalah sama maka Saudara dapat menggabungkan dengan file tinggi
badan.
Tabel 1.5 Tabel Berat Badan Responden
Nomor Nama Berat badan Pendidikan
1 Lani 60 Akademi
2 Marni 51 Pasca Sarjana
3 Ujang 67 Pasca Sarjana
4 Onet 49 Sarjana
5 Bush 66 Sarjana
6 Jaky 65 Pasca Sarjana
7 Gendut 51 Akademi
8 Jose 68 Pasca Sarjana
9 Jimy 70 Sarjana
10 Imas 54 Sarjana
Data pada file tinggi badan dengan file berat badan mengandung peubah nama
dengan urutan yang berbeda, oleh karena itu sebelum digabungkan secara kesamping
maka kedua file data harus diurutkan terlebih dahulu berdasarkan nama responden.
Misalkan hasil pengurutan file data tinggi badan di simpan pada nama tinggi
_badan_1, dan file data berat badan disimpan dengan berat_badan_1.
 Simpan kursor pada sembarang tempat pada file data tinggi _badan_1.
 Klik menu utama Data, pilih Add Variables pada sub menu Merge File
akan tampak kotak dialog seperti dibawah:
15
Gambar 1.15 Kotak dialog Add variables
 Pada ruang File Name masukkan file berat_badan_1, klik Open akan terlihat
kotak dibawah:
1.2.4 MENU TRASFORM

1. Compute
Perintah Compute dimaksudkan untuk menambah variabel baru dari peubah
yang ada, misalkan apabila Saudara beranggapan bahwa orang dengan berat lebih
dari 50 yang berpuasa akan turun berat badannya sebanyak 5% maka Saudara ingin
membuat peubah baru dari file data berat yang bernama puasa Yang mana puasa =
barat*0.95 untuk orang yang beratnya lebih dari 50.
- Klik menu Compute yang ada pada menu utama Transform, akan keluar
kotak seperti di bawah ini:
Gambar 1.17 Kotak Dialog Compute Variable
- Isi Target Variabel dengan nama puasa, serta Numerik Expresion dengan
berat * 0.95, lalu klik If keluarlah kotak di bawah:
16
Gambar1.18 Kotak Dialog Compute Variabel: If Case
- Klik Include If case satisfies condition, lalu pada ruangan If cases

masukkan berat>50 selanjutnya tekan Continue, seterusnya OK, hasilnya
ada pada tabel di bawah. Simpan dengan nama data puasa.sav.
Tabel 1.6 Tabel Penurunan Berat Badan Responden Akibat Melakukan Puasa
No Nama Berat Didik Puasa
1 Lani 60 Akademi 57
2 Marji 51 Pasca Sarjana 48.45
3 Ujang 67 Pasca Sarjana 63.65
4 Onet 49 Sarjana -
5 Bush 66 Sarjana 62.7
6 Jaky 65 Pasca Sarjana 61.75
7 Gendut 51 Akademi 48.45
8 Jose 68 Pasca Sarjana 64.6
9 Jimy 70 Sarjana 66.5
10 Imas 54 Sarjana 51.3
2. Count
File data yang akan digunakan untuk contoh adalah tinggi_badan.sav,andaikan
Saudara ingin menandai gender pria dan perempuan yang mempunyai tinggi badan di
atas 154.
- Klik menu Count yang ada pada menu utama Transform akan muncul kotak
dialog Count, lalu untuk keseragaman pada ruang Target Variable isi
ting_154, pada ruang Label Variable diisi badan pria dan wanita yang lebih
dari 154 karena yang diklasifikasikan adalah gender maka pada Numeric
Varable masukkan peubah Gender seperti terlihat pada kotak dialog gambar
1.19.
- Selanjutnya tekan Defines values munculkan kotak dialog pada Gambar 1.20.
17
Gambar 1.19 Kotak Dialog Count Occurences of Value within Cases
Gambar 1.20 Kotak Dialog untuk Cases Values within Cases Values to Count
Pada ruang Value isi 0 yaitu nilai peubah pria.

- Klik Continue, selanjutnya klik if terlihat kotak dialog dibawah ini.
Gambar 1.21 Kotak Dialog Untuk Count Oscurencess If Cases
- Untuk mengakhiri proses tekan Continue dilanjutkan dengan klik OK. Akan
keluar output berikut ini.
Tabel 1.7 Tabel Tinggi Badan yang Lebih Dari 154
Nama Gender Tinggi Bidang Ting 154
Imas perempuan 154 marketing -
Dani perempuan 155 riset 0
Marni perempuan 150 delivery -
Ujang pria 264 produksi 1
Onet perempuan 145 administrasi -
Bush pria 170 riset 1
Jaky pria 171 marketing 1
Gendut pria 150 delivery -
Jose pria 167 produksi 1
Jimy pria 178 administrasi 1
18
3. Range Cases
Range cases digunakan untuk mengurutkan nilai peubah berdasarkan peubah
yang lainnya. Untuk contoh apabila saudara menghendaki supaya tinggi badan di
urutkan berdasarkan gender.
- Setelah klik Rank tampak kotak dialog dibawah ini:
Gambar 1.22 Kotak Dialog Rank Cases
Disebabkan yang akan di urutkan tinggi badan masukkan peubah tersebut

pada ruang variabel dengan cara sorot dan klik >.
- Peubah Gender dimasukkan pada ruang by, hal ini karena tinggi badan di
urutkan menurut jenis kelamin responden.
- Untuk keseragaman pada daerah Assign rank 1 to, seleksi Smallest Value
supaya tinggi badan di urut dari yang terkecil sampai yang terbesar.
- Pada tombol Ties, pilih Mean seperti dibawah ini.( Ties bekerja apa bila ada
responden yang memiliki tinggi badan yang sama, dengan memilih Means
makan akan memunculkan rata – rata dari rank ).
Gambar 1.23 Kotak Dialog Rank:Ties
- Klik tombol Continue dan tutup dengan OK. Simpan hasilnya dengan nama
tinggi.sav
Tabel 1.8 Mengurutkan Peubah Tinggi Badan Berdasarkan Gender
Nama Gender Tinggi Bidang rtinggi
Imas perempuan 154 marketing 3
Lani perempuan 155 riset 4
Marni perempuan 156 delivery 2
Ujang pria 164 produksi 2
Onet perempuan 145 administrasi 1
Bush pria 170 riset 4
Jaky pria 171 marketing 5
Gendut pria 151 delivery 1
Jose pria 167 produksi 3
Jimy pria 176 administrasi 6
19
4. Recode
a. Kode ulang ditempatkan pada Variabel yang sama.
Seandainya Saudara punya File data baru yang namanya umur_baterai.sav.
yang terdiri dari 10 masing – masing 5 diproduksi oleh pabrik_A dan pabrik_B,
dengan 2 peubah yaitu pabrik dan umur, datanya ada dibawah, dalam pengisian
datanya memakai value ( 1 = pabrik_A, dan 2 = pabrik_B)
Tabel 1.9 Tabel Data Umur Baterai ( file name_baterai.sav)

No Pabrik Umur
1 pabrik A 20
2 pabrik A 36
3 pabrik B 42
4 pabrik B 43
5 pabrik A 38
6 pabrik B 16
7 pabrik A 35
8 pabrik A 30
9 pabrik B 17
10 pabrik B 25
Saudara ingin supaya data diatas diberi kode yang baru yaitu:
1 untuk baterai dari pabrik A dengan umur di bawah 25 jam.
2 untuk baterai dari pabrik B dengan umur di bawah 25 jam.
3 untuk baterai dari pabrik A dengan umur di bawah 24 jam ( A tahan lama )
4 untuk baterai dari pabrik B dengan umur di bawah 24 jam ( B tahan lama )
maka untuk tujuan ini dapat digunakan fasilitas Recode
- Klik Into Same Variabel pada sub menu Recode akan ada kotak.
Gambar 1.24 Kotak Dialog Recode Into Same Variables
Karena yang akan dirubah kodenya adalah pabrik, maka yang disimpan pada ruang
Variabel adalah pabrik.
- Tekan if muncul dilayar kotak dialog sebagai berikut:
20
Gambar 1.25 Kotak Dialog untuk Recode into Same Variable : If Cases
- Pilih Include if cases satisfies condition, pada ruangan ini masukkan umur
>24 yang akan diberi kode yang baru.
- Klik Continue, selanjutnya pilihlah tanda New and old Value muncullah
kotak.
Gambar 1.26 Kotak Dialog untuk Recode into Same Variable:Old and New Values
- Pada ruangan Old Value sisipkan angka 1 dan pada New Value sisipkan 3
yang menandakan umur baterai dari pabrik A yang lebih dari 24 jam di ganti
kodenya menjadi 3. lalu tekan tombol Add setelah ada tanda 1->3, masukkan
2 pada ruang Old Value dan 4 pada ruang New Value artinya bahwa umur
baterai yang lebih dari 24jam hasil produksi pabrik_B akan diganti kodekan
oleh 4.
- Setelah saudara melihat 2->4 pada ruang Old-Name, tekan Continue. Akhiri
proses ini pakai klik OK. Muncul output:
Tabel 1.10 Tabel Memberi Kode Pada Peubah yang Sama

No pabrik umur
1 pabrik A 20
2 pabrik A 16
3 4 42
4 4 43
21
5 3 38
6 pabrik B 16
7 3 35
8 3 30
9 pabrik B 17
10 4 25
SPSS belum mengganti nilai 3 dan 4 oleh karena itu, saudara klik view variabel
yang ada pada pojok kiri bawah.
- Klik kolom Value muncul kotak
Gambar 1.27 Kotak Dialog Value Labels
- Isi ruang Value dengan 3 dan Value Label dengan A_tahan_lama lalu klik
Add, isi lagi ruang Value dengan 4 dan ruang Value label dengan
B_tahan_lama klik Add. Akhiri dengan OK. Simpan hasilnya dengan nama
recode_1.sav.
b. Kode ulang ditempatkan pada variabel yang berbeda

contoh kasus seperti diatas akan tetapi saudara ingin bahwa hasil Recode
disimpan pada variabel yang berbeda.
- Pada Sub menu Recode pilih Into Different variable, kotak dialognya
terlihat.
Gambar 1.28 Kotak dialog untuk Recode Into Different Variable

Didaerah Output Label ada ruang nama dan label, ini ditujukan untuk
variabel baru yang ingin di buat untuk keseragaman isilah ruang nama dengan
Pabrik_1 lebelnya adalah umur baterai mendetil.
- Untuk prasyaratnya ketik if muncul
22
Gambar 1.29 Kotak Dialog Recode Into Variabel: If Cases
- Pilih Include if case sitisfied condition, ketik syaratnya yaitu berat >24 lalu
klik Continue. Pada kotak dialog terdapat New and Old variable pilihlah,
maka muncul kotak dialog di bawah.
Gambar 1.30 Kotak dialog untuk Recode Into Different

Variables: Old and New Values
- Pada daerah Old Value masukkan nilai 1 dan pada New Value masukkan
nilai 3, klik Add. Terus masukkan pada Old value 2 dan pada New Value 4,
lalu klik Add, lalu akhiri proses dengan memilih Continue dan OK. Hasilnya
terlihat.
Tabel 1.11 Tabel Memberi Kode Pada Peubah yang Berbeda
pabrik umur pabrik 1
pabrik A 20 -
pabrik A 16 -
pabrik B 42 4
pabrik B 43 4
pabrik A 38 3
pabrik B 16 -
pabrik A 35 3
pabrik A 30 3
pabrik B 17 -
pabrik B 25 4
Kemudian saudara tinggal mengganti 3 dan 4 melalui window View
Variable, pada kolom Value, simpan hasulnya pada Recode_2
23
5. Mengeluarkan Angka Acak
- Klik perintah Compute, kursor tetap pada file data tinggi_badan.sav. Untuk
keseragaman pada Target Variabel masukkan Acak sedangkan pada
Numerik Ekpresion. Pilih UNIFORM[1].
- Lalu tombol Type dan Label tekan akan nampak kotak.
Gambar 1.31 Kotak Dialog untuk Compute Variables Type and Labels
Pada Label masukkan Angka Acak klik Type numerik pada ruang Type. Lalu tekan
tombol Continue dan OK. Simpan hasilnya dengan nama random.sav.
6. Mengubah type variabel

Sub menu Categorize Variable dapat di pakai apabila saudara menginginkan
perubahan nilai dari variabel diskrit menjadi variabel kontinue.
- Klik Categorize Variable, lalu pada ruang Create Variable for masukkan
peubah yang akan dilihat nilai diskretnya, dan pada ruang Number of
categoric untuk keseragaman masukkan 4 yang artinya bahwa umur baterai
akan dibagi 4 bagian, seperti pada kotak dialognya dibawah:
Gambar 1.32 Kotak Dialog Categorize Variable
Keterangan hasil :
Bagian pertama diberi tanda 1 yang umurnya dibawah nilai quartil kesatu. Bagian
kedua diberi tanda 2 yang nilainya diantara nilai quartil 1 dan kuartil 2. Bagian ketiga
diberi tanda 3 yang nilainya diantara nilai quartil 2 dan quartil 3. Bagian keempat
diberi tanda 4 yang nilainya diatas quartil 3. Simpan hasilnya dengan nama
kategoric.sav.
24
1.2.5 MENU VIEW
1. STATUS BAR
Status bar ini letaknya di baris seblah bawah kata-kata yang sering muncul adalah
SPSS processor is ready yang artinya SPSS siap. apabila view STATUS BAR ini
tidak di aktifkan maka garis ini akan hilang.
2. TOOLBARS
Menu ini berfungsi untuk menampilkan toolbars pada SPSS apabila Saudara
sekarang bekerja pada Data Editor maka toolbarsyang muncul secara otomatis adalah
Toolbars Data Editor, toolbars dapat dilihat pada kumpulan icon yang terdapat
dibawah menu utama. Jika Saudara mengklik sub menu toolbars maka muncul kotak
dialog Toolbars seperti dibawah ini.
Gambar 1.33 Kotak dialog Show Toolbars

Keterangan:
Document Type: menunjukan jenis toolbars yang sedang aktif (contoh apabila
saudara sedang aktif di layar output maka document type menunjukan viewer).
Toolbars: berfungsi untuk mengaktifkan (memunculkan) toolbars, andaikan saudara
tidak mau mengaktifkan toolbars maka jangan diberi tanda .
Show Tooltips : untuk memunculkan atau meniadakan label pada tiap icon yang ada
pada toolbars. Cek() untuk memunculkan.
Large Bottons: untuk memperbesar atau memperkecil ukuran icon. Cek () untuk
memperbesar.
New Toolbars : fasilitas untuk membuat Toolbars baru.
Caranya:
- Klik tombol ini maka tampak kotak dialog pada gambar 3.34.
- pada Toolbars names masukkan nama toolbars yang ingin di buat,untuk
kesamaan beri nama combro.
- Display on the following windows,fungsinya untuk menentukan layar yang
ingin di beri toolbars yang Saudara buat. Untuk kesamaan cek () Data
Editor dan Viewer supaya Toolbars yang di buat muncul pada layar data
Editor dan Output.
- Klik Costumize tampak kotak dialognya pada gambar 3.35.
25
Gambar 1.34 kotak dialog untuk toolbars proporties
Gambar 1.35 kotak dialog untuk costumize toolbars
- Pada Items terlihat barisan icon, untuk kesamaan pilihlah icon New Data,
New Sintax dan New Output. Dengan cara tempatkan cursor pada icon New
Data lalu klik kiri (jangan di lepaskan) mouse bawa ke Costumizing
Toolbars letakkan dengan cara melepaskan tekanan jari dari mouse (proses
ini selanjutnya di sebut DRAG), proses yang sama di lakukan pada icon New
Sintax dan New Output.
- Akhiri dengan OK. Maka toolbars yang Saudara buat tercantum pada layar
Output dan data Editor.
COSTUMIZE : untuk merubah (menambah atau mengurangi) icon pada toolbars

yang telah tersedia.
Caranya:
- Tekan tombol Costumize terlihat kotak dialog seperti pada gambar 1.36.
- Untuk menambah icon,drag icon yang di perlukan pada ruang Items ke ruang
Costumizing Toolbars: Data Editor ,letakkan pada tempat yang di sukai.
- Untuk mengurangi icon yang telah ada, DRAG icon pada ruang Costumizing
Toolbars: Data Editor ,lepaskan di ruang costumizing ini.
26
Gambar 1.36 kotak dialog Costumize Toolbars.
- Klik OK untuk memunculkan toolbars dengan fasilitas yang saudara
kehendaki.
3. FONTS
Caranya:
- Pada menu utama View klik Font, maka pada latar terlihat kotak dialog
sebagai berikut:
Gambar 1.37 Kotak Dialog Fonts
Keterangan pada kotak dialg fonts:

FONT: untuk memilih jenis huruf yang diinginkan.
FONT STYLE : menangani keinginan Saudara mengenai model dari huruf.
Regular : jenis huruf atau angka standar.
Italic : huruf atau angka miring.
Bold : huruf atau angka tebal.
Bold Italic : huruf atau angka tebal dan miring.
SIZE : menangani perubahan ukuran dari huruf atau angka.
4. GRIDS LINES
Apabila View ini tidak diaktifkan maka pada layer Editor tidak akan tampak
garis horizontal maupun vertical.Artinya layer Editor akan tampak polos.
5. VALUE LABELS
Jika dalam pengisian Gender seperti pada permasalahan di bahasan
sebelumnya.Kita mendeklarasikan dahulu dengan 0 untuk pria dan 1 untuk
perempuan. Apabila view ini diaktifkan Saudara mengisi 0 otomatis akan diganti
dengan pria, dan 1 otomatis digantikan dengan perempuan.
27
BAB II
STATISTIK DESKRIPTIF
Statistika dapat dibedakan menjadi dua bagian, yaitu:

1. Statistika Deskriptif
Yaitu statistika yang berusaha untuk menjelaskan dan menggambarkan
karakteristik data, seperti mencari rata-rata, keragaman data dan lain-lain.
2. Statistika Inferensia
Statistika yang berusaha untuk memperlihatkan, meramalkan karakteristik data
dari data yang tersedia.
Pada modul ini akan dibahas mengenai fasilitas yang terdapat dalam SPSS
untuk menghitung data secara deskriptif. Menu Descriptive Statistics pada menu
utama Analyze digunakan untuk berbagai keperluan statistika deskriptif, pada menu
ini mempunyai berbagai sub menu yaitu:
1) Frequencies
Frequencies membahas mengenai penjabaran ukuran statistika deskriptif seperti
Mean, Median, Ragam, Kuartil, Persentil, dll.
2) Descriptives
Descriptives antara lain berfungsi untuk mengetahui skor z dari suatu distribusi
data dan untuk menguji apakah suatu data menyebar normal ataukah tidak.
3) Explore
Explore berfungsi untuk memeriksa lebih teliti suatu data. Selain dari alat untuk
menguji apakah suatu data menyebar normal ataukah tidak, sub menu ini juga
terdapat fasilitas untuk membuat diagram Box-Plot dan diagram Batang Daun
(Stem and leaf plot).
4) Crosstabs
Crosstabs digunakan untuk menyajikan deskriptif data dalam bentuk tabel
silang, yang terdiri atas baris dan kolom. Selain itu juga berisi untuk menguji
hubungan antara baris dan kolom (hal ini juga termasuk statistika inferensia).
2.1 Frequencies
Misalkan saudara mempunyai file data dengan nama turis.save (cara
memasukkan data telah dibahas pada Modul 1), sebagai berikut:
Tabel 2.1 Tabel Data Asal
No Nama Bekal Jenis Turis
(x100.000)
1 John 120 Asing
2 Andrew 500 Asing
3 Ibro 2 Domestik
4 Stefani 300 Asing
5 William 200 Asing
6 Cecep 5 Domestik
7 Marni 7 Domestik
28
8 George 450 Asing
9 Euis 10 Domestik
10 Clinton 600 Asing
11 Ety 8 Domestik
12 James 325 Asing
13 Dewi 12 Domestik
14 Hilary 275 Asing
15 Ratna 11 Domestik
16 Chelse 425 Asing
17 Made 15 Domestik
18 Carolin 475 Asing
19 Aji 12 Domestik
1. Tabel frekuensi dan statistik deskriptif untuk bekal

Saudara ingin mencari rata-rata, ragam, median, dll dari data diatas disertai
dengan diagram yang diperlukan.
 Klik submenu Frequencies yang terdapat pada menu utama analyze dan
menu Descriptive Statistics. Terlihat kotak dialog:
Gambar 2.1 Kotak dialog frequencies
 Pada ruang Variable(s) masukkan peubah bekal, lalu klick tombol Statistics,
muncul kotak dialog:
Gambar 2.2 Kotak dialog Frequencies : Statistics
29
 Pada ruang Percentile Value untuk keseragaman check () Quantiles, dan
Percentiles lalu masukkan angka 10 tekan Add, kemudian masukkan 90 lalu
klick Add.
 Pada ruang dispersion untuk kesamaan check semuanya.
 Pada ruang Central Tendency check Mean, Median, dan Mode, terakhir
pada ruang Distribution check Skewness dan Kurtosis, akhiri dengan klick
tombol Continue.
 Klik Chart akan terlihat kotak dialog:
Gambar 2.3 Kotak dialog Frequencies: Chart
 Untuk kesamaan pada ruang Chart Type klick Histograms dan pada ruang
Chart Value untuk menghasilkan nilai diagram dalam bentuk persen klick
Percentages.
 Untuk mengurutkan nilai secara dari yang terkecil ke yang terbesar klik
Ascending Values pada Format. Dan yang lainnya dibiarkan seperti yang
terlihat pada gambar.
Gambar 2.4 Kotak dialog Frequencies: Format
Akhiri dengan klick Continue dan OK, maka terlihat outputnya seperti
dibawah ini.
30
31
2. Tabel frequensi dan statistika deskriptif untuk peubah jenis turis.
- Pilihlah menu utama Analyze, lalu klick Descriptive statistics dan pilih
Frequencies, terlihat kotak dialog dibawah:
Gambar 2.5 Kotak dialog Frequencies
Sorot peubah jenis turis lalu klick tanda . Tekan tombol Chart untuk
menentukan jenis diagram yang akan dipakai, maka kuncul kotak dialog:
Gambar 2.6 Kotak dialog Frequencies: Chart
- Untuk memilih diagram lingkaran check Pie Chart, lalu supaya muncul nilai
dalam bentuk frekuensi check Frequency pada ruang Chart Values.
- Lalu Continue, tekan tombol Format maka akan kelihatan kotak dialognya
seperti dibawah ini
Gambar 2.7 Kotak dialog Frequencies: Format
32
- Supaya peubah jenis turis ini diurut dari yang terbesar yaitu nilai asing (value
2) ditempatkan paling atas dan value 1 (domestik) ditempatkan paling bawah
check Descending Values pada ruang Order by.
- Untuk melihat outputnya klik Continue dan akhiri dengan mengklik OK.
Frequencies
Statistics
Jenis turis
N valid 19
missing 0
Jenis Turis
frequency percent valid percent cumulative percent

valid 2 orang 10 52.6 52.6 52.6
1 domestik 9 47.4 47.4 100.0
Total 19 100.0 100.0
2.2 Descriptives
Dalam menampilkan statistika deskriptif bisa juga menggunakan sub menu
Descriptives, untuk contoh saudara bisa menggunakan data turis seperti diatas, ikuti
langkah-langkah berikut ini:
 Pada menu utama Analyze klik Deskriptives Statistics, pilihlah
Deskriptives maka terlihat kotak dialognya,
33
Gambar 2.8 Kotak dialog Descriptif.
 Sorotlah peubah bekal, lalu klik >. Tentu saja peubah Jenis turis tidak bisa
digunakan untuk contoh karena nilainya adalah nominal.
Gambar 2.9 Kotak dialog Explor
 Klik tombol Statistics, terlihat kotak dialog sebagai berikut:
Gambar 2.10 Kotak dialog Explor :statistic
 Untuk keseragaman chek Descriptives gunakan selang kepercayaan 95%

dengan memasukkan nilai ini kedalam Confidence Interval for Mean.
 Check juga M-estimators, Outlers dan Percentiles.
 Klik Continue dan seterusnya klik Plots, tampak dilayar:
34
Gambar 2.11 Kotak dialog Explor:Plot
 Pengisiannya sesuai dengan default yaitu untuk Boxplot pilih Factor level
together, untuk Descriptive pilih Steam-and-leaf dan untuk Spread vs
Level with test chek None Tekan Continue. Tekan OK.
Explore
Jenis turis
Case Processing Summary
Cases
Valid Missing Total
jenis turis N Percent N Percent N Percent
bekal dalam domestik 9 100.0% 0 .0% 9 100.0%
rupiah asing 10 100.0% 0 .0% 10 100.0%
Descriptives
jenis turis Statistic Std. Error
bekal dalam domestik Mean 9.11 1.338
rupiah 95% Confidence Lower Bound 6.03
Interval for Mean
Upper Bound
12.20
5% Trimmed Mean 9.18

Median 10.00
Variance 16.111
Std. Deviation 4.014
Minimum 2
Maximum 15
Range 13
Interquartile Range 6.00
Skewness -.447 .717
Kurtosis -.217 1.400
asing Mean 367.00 46.846
95% Confidence Lower Bound 261.03
Interval for Mean
Upper Bound
472.97
35
Median 375.00
Variance 21945.55
6
Minimum 120
Maximum 600
Range 480
Skewness -.165 .687
M-Estimators
Huber's M- Tukey's Hampel's M- Andrews'
jenis turis Estimator(a) Biweight(b) Estimator(c) Wave(d)
bekal dalam domestik 9.56 9.96 9.48 9.99
rupiah asing 374.00 373.23 368.99 373.19
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.
Percentiles
Percentiles
jenis turis 5 10 25 50 75 90 95
Weighted bekal domestik 2.00 2.00 6.00 10.00 12.00 . .
Average(De dalam asing 120.0 128.0 256.2 375.0 481.2 590.0
finition 1) rupiah 0 0 5 0 5 0 .
Tukey's bekal domestik 7.00 10.00 12.00
Hinges dalam
asing 275.0 375.0 475.0
rupiah
0 0 0
Extreme Values(a)
jenis turis Case Number Value
bekal dalam rupiah domestik Highest 1 17 15
2 13 12
3 19 12
4 15 11
Lowest 1 3 2
2 6 5
3 7 7
4 11 8
asing Highest 1 10 600
2 2 500
3 18 475
4 8 450
5 16 425
Lowest 1 1 120
36
2 5 200
3 14 275
4 4 300
5 12 325
a The requested number of extreme values exceeds the number of data points. A smaller number of extremes is
displayed.
bekal dalam rupiah

Stem-and-Leaf Plots
bekal dalam rupiah Stem-and-Leaf Plot for JENIS= domestik
Frequency Stem & Leaf
. 1.00 0 2
. 3.00 0 578
4.00 1 . 0122
1.00 1 . 5
Stem width: 10
Each leaf: 1 case(s)
bekal dalam rupiah Stem-and-Leaf Plot for JENIS= asing
Frequency Stem & Leaf
2 1.00 1 .
07 2.00 2 .
2.00 3 . 02
3.00 4 . 257
1.00 5 . 0
1.00 6 . 0
Stem width: 100

Each leaf: 1 case(s)
700
600
500
400
300
bekal am piah
200
100
dal ru
-100
N= 9 10
domestik asing
jenis turis
37
2.3 Uji Kenormalan Data dan Kesamaan Ragam (Variance)
Asumsi Kenormalan data dan kesamaan ragam banyak sekali digunakan
terutama untuk pengujian parametric, untuk keperluan ini SPSS menyediakan
fasilitasnya. Untuk contoh gunakan data Turis.sav. Andai Saudara ingin menguji
kenormalan suatu data masing-masing untuk domestik dan asing. Andaikan pula
saudara ingin menguji apakah data domestik dengan data asing mempunyai
keragaman yang homogen atau tidak. Langkah-langkahnya dapat dilakukan seperti
ini:
 Klik sub menu Explore yang ada pada menu Descriptives Statistic dan
menu utama Analyze. Pada layer akan muncul kotak dialog Explore:
Gambar 2.12 Kotak dialog Explor
 Karena yang akan diuji kenormalannya dan dicari kesamaan ragamnya adalah
peubah bekal, dan berdasarkan jenis turis maka masukan peubah bekal pada
ruang Dependent List, peubah jenis turis pada Factor List.
 Klik OK dan biarkan sesuai dengan Default dari SPSS, dan klik Continue.
 Klik Plots dilayar pasti tampil kotak:
Gambar 2.13 Kotak dialog Explore: Plots
 Untuk menguji kenormalan data chek Normalilty plots with test, kemudian
chek power estimation yang terdapat diruang spread vs level with levene
test.
 Pada ruang Descriptives recheck steam-and-leaf karena saudara tidak akan
menampilkan diagram batang daun. Tekan Continue. Tekan OK
38
Explore
jenis turis
Cases
Valid Missing Total
jenis turis N Percent N Percent N Percent
bekal dalam domestik 9 100.0% 0 .0% 9 100.0%
rupiah asing 10 100.0% 0 .0% 10 100.0%
Descriptives
jenis turis Statistic Std. Error
bekal dalam domestik Mean 9.11 1.338
rupiah 95% Confidence Lower Bound 6.03
Interval for Mean Upper Bound
12.20
Median 10.00
Variance 16.111
Minimum 2
Maximum 15
Range 13
Skewness -.447 .717
asing Mean 367.00 46.846
95% Confidence Lower Bound 261.03
Interval for Mean Upper Bound
472.97
Median 375.00
Variance 21945.55
6
Minimum 120
Maximum 600
Range 480
Skewness -.165 .687
Tests of Normality
Kolmogorov-Smirnov(a) Shapiro-Wilk
jenis turis Statistic df Sig. Statistic df Sig.
bekal dalam domestik .143 9 .200(*) .973 9 .919
rupiah asing .152 10 .200(*) .977 10 .950
* This is a lower bound of the true significance. a
Lilliefors Significance Correction
39
Test of Homogeneity of Variance
Levene
Statistic df1 df2 Sig.
bekal dalam rupiah Based on Mean 24.981 1 17 .000
Based on Median 24.674 1 17 .000
Based on Median and
with adjusted df 24.674 1 9.019 .001
Based on trimmed mean 24.981 1 17 .000
bekal dalam rupiah

Normal Q-Q Plots
Normal Q-Q Plot of bekal dalam rupiah
For JENIS= domestik
1.5
1.0
.5
0.0
Expected Normal
-.5
-1.0
-1.5
0 2 4 6 8 10 12 14 16
Observed Value
Normal Q-Q Plot of bekal dalam rupiah

For JENIS= asing
1.5
1.0
.5
0.0
Expected Normal
-.5
-1.0
-1.5
100 200 300 400 500 600 700
Observed Value
Detrended Normal Q-Q Plots

Detrended Normal Q-Q Plot of bekal dalam rup
For JENIS= domestik
.4
.2
-.0
-.2
Dev from
-.4
Normal
-.6
0 2 4 6 8 10 12 14 16
Observed Value
40
Detrended Normal Q-Q Plot of bekal dalam rup
For JENIS= asing
.3
.2
.1
0.0
-.1
Dev from Normal
-.2
-.3
-.4
100 200 300 400 500 600 700
Observed Value
Spread vs. Level Plot of BEKAL By JENIS

6
2
Spread
1
2 3 4 5 6
Level
* Plot of LN of Spread vs LN of Level
Slope = 1.000 Pow er for transformation = .000
41
2.4 Crosstab
Pada bagian ini akan dibahas mengenai kegunaan Crosstab untuk menguji
hubungan ketergantungan antara peubah kategorik (peubah nominal). Untuk teladan
seumpamanya saudara mempunyai file data asal.sav yang terdiri dari 25 responden,
serta 3 peubah yaitu: pekerjaan, asal, dan keadaan badan. Datanya ditampilkan
dibawah:
Table 2.2 Tabel Data Asal

NO Pekerjaan Asal Badan
1 PNS Jabotabek Ideal
2 PNS Luar Jabotabek Tidak Ideal
3 Petani Jabotabek Ideal
5 Wiraswasta Luar Jabotabek Tidak Ideal
7 Petani Luar Jabotabek Ideal
8 PNS Jabotabek Tidak Ideal
9 Petani Luar Jabotabek Tidak Ideal
10 PNS Luar Jabotabek Ideal
13 PNS Luar Jabotabek Tidak Ideal
14 Wiraswasta Jabotabek Tidak Ideal
16 Petani Luar Jabotabek Ideal
20 Wiraswasta Jabotabek Ideal
21 Wiraswasta Luar Jabotabek Ideal
24 Wiraswasta Jabotabek Tidak Ideal
25 Wiraswasta Jabotabek Ideal
A. Crosstab untuk uji kesalingtergantungan

Crosstab dapat dipakai untuk melihat hubungan antara dua peubah yang nilainya
nominal dengan menggunakan antara lain Chi Square.
HUBUNGAN ANTARA KERJA DENGAN ASAL

Langkah-langkah yang dapat dilalui untuk mencari hubungan antara peubah kerja
dengan peubah asal adalah :
- buka file data asal sav (petunjuk memasukan data lihat pada modul 1) apabila
saudara pada layer data, lanjutkan.
42
- Klik menu utama Analyze, klik Descriptives Statistics, pilih Crosstab.
Akan muncul di layar.
Gambar 2.14 kotak dialog crosstabs
- Sorot peubah Asal lalu tekan tanda > yang berada pada ruang rows(s) ini
dimaksudkan untuk menjadikan peubah asal sebagai baris, seterusnya
masukan peubah kerja ke ruang columns(s) untuk menjadikan peubah ini
sebagai kolom.Untuk kesamaan check Chi-square (untuk melihat hubungan
peubah dengan uji chi-square) sedangkan yang lainnya dibiarkan kosong.
Tekan Continue.
Gambar 2.15 kotak dialog crosstabs : statistics
- Selanjutnya klik Cells maka di layer akan terlihat kotak dialog sel sebagai
berikut:
Gambar 2.16 kotak dialog crosstabs:Cell Display.
43
- Supaya sama pada ruang Counts check Observed, sedangkan pada kolum
Percentages untuk mengeluarkan hasil persentase menurut baris, kolom dan
total check Row, Column dan Total. Tekan Continue.
- Supaya pada baris diurutkan dari value yang terbesar ke yang terkecil maka
pada kolom Row Order check Descending. Tekan Continue.
Gambar 2.17 kotak dialog crosstabs: Table Format
- Supaya hasilnya keluar tekan OK.
Crosstabs
44
MELIHAT HUBUNGAN ANTARA PEUBAH ASAL DENGAN BADAN
- Buka file data asal.sav, seandainyas saudara telah berada pada layarnya
lanjutkan tahap berikutnya.
- Klik menu utama Analyze. Klik Menu Descriptives Statictics. Klik
Crosstab. Dilayar pasti muncul kotak dialog Crosstab pada Gambar 2.19.
- Pada kotak dialog akan terlihat ada peubah pada ruang Row(s) dan ruang
Column(s) bekas proses yang terdahulu, oleh karena itu untuk mengawali
lagi klik Reset.
- Untuk memasukan peubah Badan pada Row(s) sorot peubah Badan lalu klik
> pada kolom Row(s). Masukan pada ruang column(s) peubah Asal.
Gambar 2.18 Kotak dialog Crosstabs
- Klik Statistics dilayar terlihat kotak dialog : Statistics sebagai berikut:
Gambar 2.19 Kotak dialog Crosstabs : Statistics
45
- Untuk mengeluarkan uji chi-square dalam menerangkan hubungan
ketergantungan dua peubah check Chi-square. Karena data peubah Asal dan
peubah Badab adalah nominal maka klik pada kolom Nominal Contingency,
phi and Cramer’s V, lambda dan Uncertianty Cooficient. Untuk
mengeluarkan koefisien korelasinya klik Corelation yang ada pada baris
paling atas. Tekan OK.
- Tekan Format maka muncul dilayar:
Gambar 2.20 Kotak dialog Crosstabs: Table Format
- Supaya pada baris diurut dari value yang kecil menuju yang besar dalam hal
ini dari ideal menuju tidak ideal. Tekan OK untuk mengeluarkan hasil
sebagai berikut.
B. Uji Ketergantungan dengan Multitabel

Contoh untuk menguji hubungan kolom dengan baris yang telah dibahas
diatas hanya melibatkan dua peubah saja, pada kenyataannya sering sekali
Saudara akan menemui kasus untuk menguji dua peubah berdasarkan peubah
tertentu, Misalkan pada file data asal.sav. Saudara ingin menguji hubungan
antara peubah kerja dengan peubah badan, berdasarkan peubah asal, maka
ikutilah langkah-langkah berikut ini:
46
 Klik menu utama Analyze. Klik menu Descriptive Statistics. Dan klik
Crosstab, dilayar akan terlihat kotak dialog Crosstab:
 Tekan Reset untuk memulai pembuatan tabel silang (crosstab). Klik

peubah Badan lalu tekan > yang terdapat pada kolom Row(s), dengan
langkah yang mirip masukkan peubah kerja kedalam ruang Column(s),
akhirnya masukkan peubah badan pada ruang Layer 1 of 1 (disini
timbul layar 1 of 1 karena peubah yang tersisa hanya satu yaitu
peubah asal).
 Klik Statistic akan tampil dilayar kotak dialog dari Statistics sebagai
berikut:
Gambar 2.22 Kotak dialog Crosstabs: Statistics
 Karena saudara hanya akan menghitung hubungan peubah kerja dengan

peubah badan menggunakan uji chi-square saja maka check Chi-
square. Tekan Continue
Gambar 2.23 Kotak dialog Crosstabs: Cell Display
47
 Pada kolom Counts check Observed dan Expected. Untuk kesamaan
tampilkan nilai persentase berdasarkan baris dan kolom, maka check
Row dan Column pada kolom Percentage. Tekan Continue.
 Tekan Format, lalu supaya peubah yang menjadi baris diurutkan dari
value yang terbesar ke value yang terkecil pilihlah Descending. Klik
Continue.
 Akhiri dengan klik OK.
48
C. Uji Keselarasan Kappa untuk dua peubah (RxR Tabel)
Pada SPSS terdapat berbagai macam uji keserasian pada bagian ini
hanya akan dibahas mengenai uji Kappa. Pada uji kappa ini diharuskan
mempunyai bentuk tabel RxR antara dua peubah. Saudara dapat memakai file
data asal.sav yaitu peubah asal dengan peubah kerja. Karena peubah kerja
memiliki tiga peubah yang memiliki value 1, 2 dan 3, sedangkan peubah asal
hanya memiliki value 1 dan 2. Karena uji keselarasan kappa mengharuskan
dua peubah punya value yang sama maka value 3 pada peubah kerja bisa
dinonaktifkan terlebih dahulu.
Langkah-langkah menonaktifkan value 3 = wiraswasta
 Klik menu Select Cases… yang terdapat pada menu utama Data,
dilayar tampil kotak dialog Select Cases.
Gambar 2.24 Kotak dialog Select Cases
 Pada kolom Select check if condition satisfied, lalu klik if dilayar

tampak kotak dialognya.
49
Gambar 2.25 Kotak dialog Select Cases: if
 Klik peubah Kerja lalu klik >, lalu pada tombol operasi klik ~=, lalu
klik 3, untuk menghasilkan output klik Continue dan OK. Maka pada
data editor akan terlihat disebelah paling kiri bahwa peubah nama di
coret, dan tampak ada peubah baru filter_$ yang nilainya Selected dan
nonselected. Yang nonselected maka datanya tidak aktif.
Uji Keselarasan Kappa

 Untuk menguji keselarasan Kappa sekarang dapat dilakukan antara
peubah Kerja dengan peubah asal,pertama klik Analyze, lalu klik
Descriptives Statistics, selanjutna klik Crosstab, tampak kotak dialog
dilayar seperti pada Gambar 2.27:
Gambar 2.26 Kotak Dialog Crosstab
 Supaya ruang Row(s) dan ruang Column(s) bersih kembali klik Reset.
 Klik peubah Kerja, tekan > yang terdapat pada kolom row(s).
 Klik peubah Asal, tekan > yang terdapat pada kolom Column(s).
 Klik Statistic lalu tampak dilayar,
50
Gambar 2.27 Kotak Dialog Crosstabs: Statistic
 Karena akan melakukan pengujian dengan uji Kappa maka check

Kappa. Tekan Continue.
 Klik Cell muncul kotak dialognya pada layer,
Gambar 2.28 Kotak dialog Crosstabs: Cell Display
 Pada kotak dialog di atas klik Observed dan pada kolom Percentages
klik Total untuk menampilkan persentase secara keseluruhan, yang
lainnya dibiarkan jangan di klik. Akhirnya klik Continue.
 Klik Format akan muncul dilayar kotak dialog sebagai berikut:
Gambar 2.29 Kotak dialog Crosstabs: Table Format
 Pada Row Order check Ascending supaya peubah yang menjadi baris
diurutkan menurut valuenya dari yang terkecil ke yang terbesar. Klik
Continue. Klik OK.
51
PENGHAPUSAN VARIABEL TAMBAHAN (filter_$)
Supaya peubah filter_$ yang ada dapat dihilang maka buka file asal.sav. Sorot
kolom peubah tersebut dengan cara meletakkan kursor dan klik pada nama
peubah filter_$ sehingga kolom tersebut semuanya tersorot, lalu tekan tombol
keyboard Delete. Maka data akan seperti semula.
D. Uji Korelasi Untuk Dua Variable yang Mempunyai Nilai Ordinal

Pada bahasan sebelumnya telah dibahas mengenai pengujian korelasi dua
peubah yang mempunyai nilai, pada bagian ini akan diberikan pembahasan
mengenai korelasi dua peubah yang ordinal. Sebagaimana diketahui bahwa
tahapan data di atas nominal adalah ordinal, contoh data ordinal adalah tingkat
kesukaan responden 1=sangat tisak suka, 2=tidak suka, 3=biasa, 4=suka, dan
5=sangat suka. Untuk contoh Saudara dapat menggunakan file data suka.sav
yang dibawah ini,
Tabel 2.3 Tabel Suka.sav

No. Responden Kemasan Volume
1. Suka Suka
2. Sangat suka Suka
3. Biasa Tidak suka
4. Tidak suka Tidak suka
5. Tidak suka Sangat tidak suka
52
6. Biasa Biasa
7. Suka Tidak suka
8. Sangat suka Biasa
9. Biasa Sangat tidak suka
Data diatas berisi dua peubah yaitu tingkat kesukaan responden terhadap
volume. Untuk mencari korelasinya ikutilah langkah-langkah berikut ini;
 Klik menu utama Analyze. Klik menu Descriptive Statistics. Klik
Crosstab, terlihat kotak dialog dibawah:
 Klik peubah kemasan, kemudian masukkan ke ruang Row(s) dengan

cara klik >. Dan klik peubah volume lalu klik > pada kolom
Column(s) untuk menjadikan peubah ini menjadi kolom dari tabel
crosstab.
 Klik Statistics dilayar tampak kotak.
Gambar 2.31 Kotak dialog Crosstabs: Statistics
 Untuk menghitung korelasi dengan peubah ordinal check Correlation,

pada kolom Ordinal check semuanya yaitu: Gamma, Sommer’d,
Kendall’s tau-b dan Kendall’s tau-c.
53
 Klik Continue untuk kembali ke kotak dialog Crosstab, lalu klik Cell
untuk kesamaan pada kolom Count klik Observed. Selanjutnya klik
Continue.
 Klik Format lalu setelah muncul kotak dialog format maka klik
Descending supaya value peubah kemasan disusun dari yang value 5
ke value 1. Klik continue lalu OK.
54
BAB III
UJI T
Uji T digunakan untuk menghitung kesamaan dua populasi dengan menggunakan

data contoh yang ada.
3.1 Uji T untuk Dua Sampel yang Berpasangan

Dua Sampel yang berpasangan artinya mengukur subjek yang sama akan tetapi
subjek tersebut mengalami perlakuan yang berbeda.
Contoh: Apabila Saudara mempunyai file data kambing.sav yang terdiri dari dua
peubah yaitu sebelum(berat badan kambing sebelum diberi ransum dicampur bahan
x) dan sesudah(berat kambing sesudah diberi ransum dicampur bahan x).
Datanya ada dibawah
Tabel 3.1 Tabel Berat Kambing Sebelum dan Sesudah
Diberi Ransum yang Dicampur Bahan x
NO Sebelum(kwintal) Sesudah(kwintal)
1 1 1.8
2 1.2 1.3
3 1.3 1.5
1.4 1.4
5 1.1 1.6
6 1.2 1.3
7 1.15 1.6
8 1.12 1.3
9 1.0 1.1
10 1.5 1.6
- Buka pada data editor file kambing,sav(cara memasukkan data dapat lihat
petunjuk pada Modul 1)
- Klik menu utama Analize lalu klik compare-Means setelah itu akan terlihat
beberapa pilihan maka pilihlah Paired-Samples Test maka tampak dilayar
kotak dialog Paired-Samples Test pada Gambar 3.1.
Gambar 3.1 Kotak dialog Paired-Samples Test
55
- Selanjutnya sorot dua peubah dengan cara mengklik masing-masing dua
peubah tersebut,lalu klik tanda > yang terdapat pada kolom Paired Variable
maka otomatis dua peubah berpindah ke ruang Paired Variable.
- Klik Options muncul pada layar kotak dialognya seperti sebagai berikut,
Gambar 3.2 Kotak dialog Paired-Samples T Test Options
- Maka untuk menggunakan taraf nyata (α) 5% atau dengan kata lain selang
kepercayaan adalah (1-α) x 100% = (1-0.05) x 100% = 95% pada ruang
Confidence Interval masukkan nilai 95%.Karena tidak ada nilai Missing
pilih pada kolom Missing Values defaultnya yaitu Exclude cases analysis
by analysis.Akhirnya untuk mengeluarkan hasilnya klik Continue llalu klik
OK maka akan keluar hasilnya sebagai berikut:
56
3.2 Uji T untuk Satu Sampel
Pengantar
Uji t satu sampel adalah pengujian yang dilakukan terhadap data untuk malihat
apakah data tersebut rata-ratanya berbeda secara nyata dengan suatu nilai.
Contoh kasus:
Dari data kambing.sav saudara dapat mengambil peubah sesudah untuk
dibandingkan apakah rata-ratanya bisa tidak berbeda nyata dengan 1.4.
Langkah-langkah:
- Klik menu utama Analyze,lalu pilih Compare-Means,kemudian klik One
Sample T test,maka akan muncul kotak dialognya seperti dibawah ini:
Gambar 3.3 Kotak dialog One-Sample T test
- Pada Test Variable(s) isikan peubah sesudah,dan pada Test Value isikan
1.40,lalu tekan Options,akan terlihat kotak dialog:
Gambar 3.4 Kotak dialog One-Sample T test:Options
- Isikan nilai 95 pada Confidence Interval yang menandakan Saudara menguji

data diatas dengan selang kepercayaan 95%.
- Klik Continue dan klik OK.Maka outputnya ada dibawah ini:
57
3.3 Uji T untuk Dua Contoh yang Saling Bebas
Pengantar
Uji ini dipakai untuk membandingkan suatu peubah dengan subjek peubah
yang memiliki hubungan yang saling bebas
Contoh kasus:
Saudara mempunyai tiga peubah yaitu tinggi tanaman tomat,banyaknya buah dari
pohon tomat dan pupuk,saudara menginginkan untuk membandingkan tinggi
tanaman dan banyaknya buah yang diberi pupuk 0(value=N) dan diberi pupuk
1(value=K).Datanya terdapat dibawah ini (simpan dengan nama fila tomat.sav).
Tabel 3.2 Tinggi dan Banyaknya Tomat yang Dihasilkan Setelah Diberi Pupuk
NO Tinggi(cm) Banyaknya(cm) Pupuk
1 25 23 N
2 35 34 N
3 26 23 N
4 34 34 N
5 32 23 N
6 45 45 K
7 43 45 K
8 56 23 K
9 45 45 K
10 54 56 K
Langkah-langkah:
- Klik menu utama Analyze lalu klik Compare-Means. Lalu pilih
Indenpendent Samples T test,maka terlihat pada layar kotak dialog seperti
dibawah ini:
58
Gambar 3.5 Kotak dialog Independent-Samples T Test
- Pada Test Variable(s) masukan peubah tinggi dan buah,lalu pada Grouping
Variable masukan peubah pupuk.Secara otomatis Define Group akan aktif
lalu klik akan tampil pada layar kotak dialognya sebagai berikut:
Gambar 3.6 Kotak dialog Define Groups
- Pada Group 1 masukan nilai 0 pada Group 2 masukan nilai 1,lalu klik
Continue.
- Pilihlah Options lalu pada kolom Confidence Interval biarlah berisi nilai
defautnya yaitu 95 lalu klik Continue.
- Untuk mengeluarkan hasilnya klik OK.Maka muncul hasil seperti dibawah
ini
59
3.4 Uji T untuk Membedakan Dua Sampel yang Saling Bebas dengan
Menggunakan Cut Point
Untuk contoh kasus Saudara dapat menggunakan data diatas tanpa
menghiraukan lagi peubah pupuk.Misalkan saudara menginginkan suatu jawaban
dari pertanyaan.Apakah ada perbedaan antara rata-rata banyaknya tomat yang
dihasilkan oleh pohon tomat dengan tinggi 45 cm keatas dengan 45 cm
kebawah.Untuk menjawab pertanyaan ini dapat menggunakan Cut Point nilai 45.
Langkah-langkah:
- Pada menu utama Analyze pilihlah Compare-Means. Lalu pilih Independent-
Samples T test...,maka akan terlihat kotak dialognya seperti pada gambar 3.5.
- Lalu pada Test Variable(s) peubah Banyak dan pada Grouping Variable masukan
Tinggi sebagai kriteria peubah yang ingin dilihat perbedaannya,secara otomatis
tombol Define Group menjadi aktif.
- Klik Define Group maka akan muncul kotak dialognya sesperti pada
Gambar 3.6.Kemudian check Cut Point dan isikan nilai 45.Klik Continue.
- Kllik Options dan biarkan kolom Confidence Interval tetap pada defaultnya yaitu
95.Klik continue.
- Untukmengeluarakan hasilnya klik OK.Maka terlihat hasil sebagai berikut:
60
61
BAB IV
ANALISIS RAGAM
4.1 Means
Means dibahas pada modul ini karena dalam outputnya sering kali diperlukan
untuk melengkapi hasil yang dikeluarkan dari analisis ragam. Means ini ditunjukan
untuk melihat deskriptif dari suatu data. Untuk ilustrasi saudara dapat memakai lagi
tabel dari tomat. Save akan tetapi peubahnya ditambah dengan tempat (tempat
pohon tomat ditanam) yang berisi lembang(value=1) cimahi (value=2) dan batujajar
(value=3).
Tabel 4.1 Data Tinggi dan Banyaknya Buah Tanaman Tomat Setelah Diberi
Pupuk N atau K yang dilakukan diberbagai Tempat.
No Tinggi (cm) Banyaknya (cm) Pupuk Tempat
1 25 23 N Lembang
2 35 34 N Cimahi
3 26 23 N Batujajar
4 34 34 N Cimahi
5 32 23 N Batujajar
6 45 45 K Lembang
7 43 45 K Cimahi
8 56 23 K Batujajar
9 45 45 K Cimahi
10 54 56 K Lembang
Andaikan saja saudara ingin mencari rata-rata (mean), simpangan baku

(Standar Deviation) dan persentase dari banyaknya tomat yang dihasilkan dengan
berdasarkan pupuk dan tempat.
Langkah-langkah:
 Buka lembar kerja tomat.save, jika sudah terbuka file ini maka selanjutnya.
 Dari menu utama Analyze pilih submenu Compare-Means.
 Dari banyak test yang ada pilih Means maka akan terlihat kotak dialog
Meansnya:
Gambar 4.1 Kotak dialog Means
 Pada Dependent List masukan peubah yang akan dilihat deskriptifnya yaitu
banyak. Lalu pada Independent List masukan pupuk, secara otomatis tombol
62
Next akan menjadi aktif, lalu klik maka ruang Independent List menjadi
kosong masukan peubah tempat.
 Klik Options maka tampil kotak dialognya sebagai berikut:
Gambar 4.2 Kotak dialog Means: Options.
 Masukkan pada Cell Statistic Mean atribut Standar Deviation dan Percent of
Total N. Klik Continue dan untuk menampilkan hasilnya klik OK.
Means

Cases
Included Excluded Total
N Percent N Percent N Percent
BANYAK * 10 100.0% 0 .0% 10 100.0%
PUPUK *
TEMPAT
Report
BANYAK
PUPUK TEMPAT Mean Std. Deviation % of Total N
k lembang 50.5000 7.77817 20.0%
cimahi 45.0000 .00000 20.0%
batujajar 23.0000 . 10.0%
Total 42.8000 12.04990 50.0%
n lembang 23.0000 . 10.0%
cimahi 34.0000 .00000 20.0%
batujajar 23.0000 .00000 20.0%
Total 27.4000 6.02495 50.0%
Total lembang 41.3333 16.80278 30.0%
cimahi 39.5000 6.35085 40.0%
batujajar 23.0000 .00000 30.0%
Total 35.1000 12.10555 100.0%
4.2 Analisa Ragam Klasifikasi Satu Arah (One Way Anova)

Kasus 1.
Saudara ingin membandingkan efektivitas waktu belajar, apakah pagi, siang,
sore ataukah malam yang paling baik untuk kuliah. Maka diambillah skor nilai tiap
mahasiswa yang mempunyai IQ sama, yang mewakili nilai mahasiswa yang belajar
pada waktu yang ingin diuji.
63
Datanya terdapat dibawah ini (nama filenya adalah waktu.sav)
Tabel 4.2 Skor Nilai Mahasiswa yang Belajar

Pada Waktu Pagi Siang, Sore dan Malam
No Pagi Siang Sore Malam
1 67 56 45 46
2 56 57 56 50
3 78 65 47 46
4 67 60 48 48
5 60 62
Untuk dapat diolah dengan menggunakan anova one-way maka data diatas
diedit terlebih dahulu menjadi sebagai berikut:
Nilai Waktu
67 pagi
56 pagi
78 pagi
67 pagi
60 pagi
56 siang
57 siang
65 siang
60 siang
62 siang
45 sore
56 sore
47 sore
48 sore
46 malam
50 malam
46 malam
48 malam
Langkah-langkah:
 Buka lembar kerja file waktu. Sav, kalau telah terbuka ikuti langkah berikut.
 Dari menu utama SPSS pilih menu Analyze, lalu pilih sub menu Compare-
Means.
 Dari serangkaian uji yang ada pilihlah One-Way Anova maka akan muncul
kotak dialognya dilayar.
64
Gambar 4.3 Kotak dialog One-Way ANOVA.
 Pada ruang Dependent List masukkan peubah nilai mahasiswa, dan pada
ruang vektor masukkan peubah yang ingin dibandingkan yaitu waktu belajar.
 Klik Options maka muncul kotak dialog pada layar.
Gambar 4.4 Kotak dialog One-Way ANOVA: Options.
 Pada kolom Statistics untuk kesamaan check Descriptive dan Homogenity-

of Variance, sedangkan pada kolom Missing Values tetap pada defaultnya
yaitu Exclude cases analysis by analysis, lalu klik Continue.
Gambar 4.5 Kotak dialog One-Way ANOVA: Post Hoc Multiple Comparisons.
 Pada kolom Equal Variance Assumed Saudara dapat memilih uji yang
paling cocok, untuk kesamaan pilih bonferroni dan tukey, kemudian klik
Continue.
 Untuk melihat hasilnya klik OK.
Oneway
Descriptives
nilai mahasiswa
N Mean Std. Deviation Std. Error 95% Confidence Minimum Maximum
Interval for Mean
Lower Bound Upper Bound
pagi 5 65.6000 8.38451 3.74967 55.1893 76.0107 56.00 78.00
siang 5 60.0000 3.67423 1.64317 55.4378 64.5622 56.00 65.00
sore 4 49.0000 4.83046 2.41523 41.3137 56.6863 45.00 56.00
malam 4 47.5000 1.91485 .95743 44.4530 50.5470 46.00 50.00
Total 18 56.3333 9.20358 2.16930 51.7565 60.9102 45.00 78.00
65
Test of Homogeneity of Variances
nilai mahasiswa
Levene df1 df2 Sig.
Statistic
1.796 3 14 .194
ANOVA
nilai mahasiswa
Sum of df Mean F Sig.
Squares Square
Between 1023.800 3 341.267 11.479 .000
Groups
Within 416.200 14 29.729
Groups
Total 1440.000 17
Post Hoc Tests

Multiple Comparisons
Dependent Variable: nilai mahasiswa

Mean Std. Error Sig. 95%
Difference (I- Confidence
J) Interval
(I) waktu (J) waktu Lower Bound Upper Bound
belajar belajar
Tukey HSD pagi siang 5.6000 3.44840 .398 -4.4230 15.6230
sore 16.6000 3.65758 .002 5.9690 27.2310
malam 18.1000 3.65758 .001 7.4690 28.7310
siang pagi -5.6000 3.44840 .398 -15.6230 4.4230
sore 11.0000 3.65758 .042 .3690 21.6310
malam 12.5000 3.65758 .019 1.8690 23.1310
sore pagi -16.6000 3.65758 .002 -27.2310 -5.9690
siang -11.0000 3.65758 .042 -21.6310 -.3690
malam 1.5000 3.85542 .979 -9.7060 12.7060
malam pagi -18.1000 3.65758 .001 -28.7310 -7.4690
siang -12.5000 3.65758 .019 -23.1310 -1.8690
sore -1.5000 3.85542 .979 -12.7060 9.7060
Bonferroni pagi siang 5.6000 3.44840 .760 -4.9824 16.1824
sore 16.6000 3.65758 .003 5.3757 27.8243
malam 18.1000 3.65758 .001 6.8757 29.3243
siang pagi -5.6000 3.44840 .760 -16.1824 4.9824
sore 11.0000 3.65758 .056 -.2243 22.2243
malam 12.5000 3.65758 .025 1.2757 23.7243
sore pagi -16.6000 3.65758 .003 -27.8243 -5.3757
siang -11.0000 3.65758 .056 -22.2243 .2243
malam 1.5000 3.85542 1.000 -10.3314 13.3314
malam pagi -18.1000 3.65758 .001 -29.3243 -6.8757
siang -12.5000 3.65758 .025 -23.7243 -1.2757
sore -1.5000 3.85542 1.000 -13.3314 10.3314
* The mean difference is significant at the .05 level.
Homogeneous Subsets
nilai mahasiswa
N Subset for alpha = .05
Waktu belajar 1 2
Tukey HSD malam 4 47.5000
sore 4 49.0000
siang 5 60.0000
pagi 5 65.6000
Sig. .976 .446
66
Means for groups in homogeneous subsets are displayed.
a. Uses Harmonic Mean Sample Size = 4.444.
b. The group sizes are unequal. The harmonic mean of the group sizes is used. Type I
error levels are not guaranteed.
Kasus 2
Pada kasus diatas dianggap bahwa faktor yang mempengaruhi nilai adalah
waktu kuliah. Andaikan ada dua faktor yang berpengaruh terhadap nilai maka tentu
saja disina ingin dilihat pengaruh kedua faktor tersebut secara bersama-sama
terhadap nilai yang diperoleh mahasiswa, pada data dibawah ini misalkan saja gender
adalah faktor lainnya yang berpengaruh terhadap nilai (nama file nilai. Sav) maka itu
dinamakan rancangan faktorial dengan rancangan dasar RAL.
Tabel 4.3 Nilai Mahasiswa yang Waktu Belajarnya Pagi, Siang, Sore atau Malam
dengan Gender Tertentu.
No Pagi Gender Siang Gender Sore Gender Malam Gender
1 67 pria 56 wanita 45 pria 45 wanita
2 56 wanita 57 pria 56 wanita 50 pria
3 78 pria 65 wanita 47 pria 46 wanita
4 67 wanita 60 pria 48 wanita 48 pria
5 60 pria 62 wanita
Langkah-langkah:
 Untuk mengolah data diatas edit cara penulisan data diatas seperti dibawah
ini. (cara memasukkan data dipelajari pada modul 1)
nilai waktu gender
67 pagi pria
56 pagi wanita
78 pagi pria
67 pagi wanita
60 pagi pria
56 siang wanita
57 siang pria
65 siang wanita
60 siang pria
62 siang wanita
45 sore pria
56 sore wanita
47 sore pria
48 sore wanita
46 malam wanita
50 malam pria
46 malam wanita
48 malam pria
67
 Klik pada menu utama Analyze, dari serangkaian submenu pilih submenu
General-Linear Model, lalu pilih Univariate akan tampil pada layar kotak
dialog berikut ini:
Gambar 4.6 Kotak dialog Univariat
 Pada Dependent Variable masukan peubah nilai mahasiswa dan pada Fixed
Factor(s) masukan faktor Waktu belajar dan Faktor gender, lalu untuk
menampilkan hasilnya klik OK.
Univariate Analysis of Variance

Between-Subjects Factors
Value Label N
waktu belajar 1 pagi 5
2 siang 5
3 sore 4
4 malam 4
gender 0 pria 9
mahasiswa
1 wanita 9
Tests of Between-Subjects Effects
Dependent Variable: nilai mahasiswa

Source Type III Sum df Mean Square F Sig.
of Squares
Corrected 1132.333 7 161.762 5.258 .010
Model
Intercept 53361.485 1 53361.485 1734.393 .000
WAKTU 934.052 3 311.351 10.120 .002
GENDER .485 1 .485 .016 .903
WAKTU 107.433 3 35.811 1.164 .371
*
GENDER
Error 307.667 10 30.767
Total 58562.000 18
Corrected 1440.000 17
Total
a R Squared = .786 (Adjusted R Squared = .637)
68
BAB V
KORELASI DAN REGRESI
5.1 Korelasi Bivariate

Korelasi adalah hubungan antara dua peubah secara linier. Nilai korelasi
terletak pada -1 dan +1, nilai korelasi mendekati -1 artinya bahwa ada hubungan
antara dua peubah dan jenis hubungan tersebut adalah berbanding terbalik. Nilai
korelasi mendekati 0 artinya tidak ada korelasi antara dua peubah sedangkan jika
nilai korelasi mendekati 1 artinya terdapat hubungan yang saling tegak lurus antara
dua peubah.
Dibawah ini terdapat data dengan nama file : Ogah.sav peubah dibawah ini
akan dilihat korelasinya.
Tabel 1. Tabel banyaknya PakOgah, Motor, Angkot dan Mobil Pribadi pada Suatu
Persimpangan Jalan
No PakOgah Motor Angkot Pribadi
(jam) (unit) (unit) (unit)
1 12 122 80 120
2 18 236 87 180
3 13 231 89 130
4 14 142 68 141
5 - 321 70 161
6 18 - 87 180
7 19 215 67 191
8 16 241 78 161
9 14 212 89 140
Langkah-langkah :
- Buka file Ogah.sav pada lembar kerja
- Pada menu utama pilih Analyze lalu dari sederetan sub menu pilih Correlate
- Pilih Bivariate dengan mengkliknya, nampak dilayar kotak dialognya seperti
sebagai berikut ini :
-
Gambar 5.1 Kotak Dialog Bivariate Correalations
69
- Masukkan semua peubah pada ruang Variables
- Pada ruang Correlation Coefisients check Pearson. Karena yang ingin dilihat
uji dua arah maka pada kolom Test of Significant pilih Two-tailed.
- Supaya pada outputnya terdapat tanda *) untuk peubah yang berkorelasi pada
taraf nyata 5% dan **) untuk peubah yang berkorelasi pada ataraf 1%, maka
check Flag Significant Correlations.
- Klik Options maka terlihat pada layer kotak dialog Options.
-
Gambar 5.2 Kotak Dialog Bivariate Correalations : Options
- Untuk kesamaan kosongkan kolom Statistics, pada kolom Missing Values, pilih
Exclude Cases Pairwise supaya hanya data yang berpasangan dengan data yang
hilang saja yang tidak dipakai untuk melihat hasil korelasi.
- Klik Continue. Klik OK.
Correlations
Banyak pak Banyak Banyak Banyak Mobil

Ogah Sep eda motor Angkot Pribadi
PAKOGAHbany ak Pearson Correlation 1 .570 -.178 1.000*
Pak Ogah Sig. (2-tailed) .182 .674 .000
N 8 7 8 8
MOTOR banyak Pearson Correlation .570 1 .007 .494
sep eda motor Sig. (2-tailed) .182 .987 .214
N 7 8 8 8
ANGKOTbanyak Pearson Correlation -.178 .007 1 -.208
angkot
Sig. (2-tailed) .674 .987 .592
N 8 9 9
8
PRIBADIbanyak Pearson Correlation 1.000* .494 -.208 1
mobil pribadi
Sig. (2-tailed) .000 .214 .592
N 8 8 9 9
**. Correlat ion is significant at the 0.01 level (2-tailed).
70
5.2 Uji Korelasi Spearmen dan Kendall
Berbeda dengan uji pearson diatas uji korelasi Spearmen dan Kendall
digunakan untuk menguji data yang bentuk skalanya biasa berskala ordinal, untuk
korelasi Tau-Kendall simbolnya adalah π sedangkan untuk korelasi spearman adalah
r. Untuk teladan misalkan Saudara mempunyai data dengan nama file calon.sav, data
tersebut merupakan cara untuk menyeleksi mahasiswa yang akan diterima oleh suatu
perguruan tinggi swasta. Datanya mempunyai tiga peubah yaitu IQ (yang merupakan
hasil dari test IQ calon mahasiswa), Psikotes dan nilai (nilai ujian materi calon
mahasiswa), datanya terletak di bawah ini :
Tabel 5. 2 Tabel IQ calon mahasiswa, Hasil psikotes dan Nilai ujian materi calon
Mahasiswa pada suatu perguruan tinggi swasta
No IQ Psikotes Nilai
1 110 90 80
2 115 95 85
3 90 90 86
4 105 93 90
5 106 95 80
6 120 100 100
7 111 85 63
8 115 93 92
9 110 90 54
10 115 75 86
11 105 80 90
12 120 100 100
13 105 90 89
14 100 89 76
15 95 70 83
Langkah-langkah :
- Buka data pada calon.sav pada lembar kerja datasheet SPSS
- Klik pada menu utama Analyse lalu pilih Correlate, lalu klik Bivariate….maka
tampak dilayar kotak dialognya sebagai berikut :
71
Gambar 5.3 Kotak dialog Bivariate Correlations
- Pada kolom Variable masukan peubah IQ, psikotes dan nilai (cara memasukkan
peubah telah dipelajari pada modul sebelumnya).
- Pada kolom Correlation Coefficients Check Kendall’s tau-b dan Spearmen.
- Untuk menggunakan uji dua arah pada kolom Test of Significance klik Two-
tailed.
- Supaya hasilnya diberi tanda *) untuk dua peubah yang berkorelasi pada taraf
0.05 dan **) untuk dua peubah yang berkorelasi pada taraf nyata 0,01 check Flag
Significant Correlations. Kemudian klik Options akan muncul kotak dialognya.
Gambar 5.4 Kotak dialog Bivariate Correlations: Options

- Karena tidak ada data missing maka pada kolom Missing Values klik Exclude
cases pairwise. Klik Continue dan untuk melihat hasilnya klik OK.
Nonparametric Correlations
72
Correlations
PSIKOTES
IQ has il ps ikotes di NILAI
tes t IQ PT Nilai Uj
ian
Kendall's tau_b IQhasi l Correlation Coefficient 1.000 .415* .253
tes t IQ Sig. (2-tailed) . .042 .209
N 15 15 15
PSIKOTES Correlation Coefficient .415* 1.000 .355
ps ikotes di Sig. (2-tailed) .042 . .077
PT
N 15 15 15
NILAI Correlation Coefficient .253 .355 1.000
Nilai Uj Sig. (2-tailed) .209 .077 .
ian N
15 15 15
Spearm an's IQhasi l Correlation Coefficient 1.000 .529* .344

rho tes t IQ Sig. (2-tailed) . .043 .209
N 15 15 15
PSIKOTES Correlation Coefficient .529* 1.000 .442
ps ikotes di Sig. (2-tailed) .043 . .099
PT
N 15 15 15
NILAI Correlation Coefficient .344 .442 1.000
Nilai Uj Sig. (2-tailed) .209 .099 .
ian N 15 15 15
*. Correlation is s ignificant at the 0.05 level (2-tailed).
5.3 Korelasi Parsial

Korelasi parsial adalah menghitung dua hubungan peubah memperhatikan
pengaruh dari adanya peubah lain yang dinamakan peubah kontrol. Misalkan untuk
contoh penggunaan, Saudara dapat memakai data calon.sav diatas.
Langkah-langkah :
- Buka file data calon.sav pada lembar kerja datasheet SPSS.
- Pada menu utama Analyze pilih Correlate dan klilk Partial…maka muncul
kotak dialog pada Gambar 5.5.
- Masukkan peubah psikotes dan peubah nilai yang akan dicari hubungannya ke
kolom Variable.
- Masukkan peubah IQ ke kolom Controlling for.
- Karena ditentukan ini adalah uji dua arah maka pada kolom Test of Significance
klik Two-tailed.
- Check kotak Display actual significant level.
73
Gambar 5.5 Kotak dialog Partial Correlations
- Klik Options maka muncul kotak dialog Options sebagai berikut :
Gambar 5.6 Kotak dialog Partial Correlations : Options

- Supaya muncul hasil korelasi antara dua peubah tanpa dimasukkan peubah
kontrolnya check pada kolom Statistics Zero-order correlations, selanjutnya
pada kolom Missing Values untuk kesamaan klik Exclude cases listwise.
- Untuk mendapatkan hasilnya klik Continue dan kemudian klik OK.
Correlations
Control Variables Psikotes Nilai IQ
-none- a Psikotes Correlat ion 1.000 .263 .447
Significance (2-tailed) . .343 .095
df 0 13 13
Nilai Correlat ion .263 1.000 .222
Significance (2-tailed) .343 . .427
df 13 0 13
IQ Correlat ion .447 .222 1.000
Significance (2-tailed) .095 .427 .
df 13 13 0
IQ Psikotes Correlat ion 1.000 .188
Significance (2-tailed) . .519
df 0 12
Nilai Correlat ion .188 1.000
Significance (2-tailed) .519 .
df 12 0
IQ Correlat ion
Significance (2-tailed)
df
a. Cells contain zero-order (Pearson) correlations.
5. 4 Regresi
5. 4. 1 Regresi Sederhana
Regresi digunakan untuk melihat hubungan antara peubah bebas dengan
peubah tak bebasnya, hubungan tersebut terjadi dalam bentuk persamaan. Sebagai
contoh dibawah ini terdapat data dengan nama file : mobil.sav yang terdiri dari dua
peubah yaitu : Daerah penjualan mobil (Daerah), banyaknya mobil yang terjual
(Jual), biaya iklan yang dikeluarkan (iklan) dan banyaknya mobil yang disebarkan
(distribusi). Datanya terdapat di bawah ini :
74
Tabel 5. 3 Tabel Daerah Penjualan Mobil, Banyaknya Mobil yang Terjual, Biaya
Iklan yang Dikeluarkan dan Banyaknya Mobil yang Distribusikan ke tiap Daerah.
No Daerah Jual Iklan Distribusi
1 Bandung 1200 4500 2000
2 Jakarta 1300 8000 2300
3 Bogor 1000 1000 2000
4 Semarang 700 2000 1000
5 Surabaya 1000 5000 2500
6 Pati 500 300 1500
7 Magelang 700 800 1500
8 Jember 600 900 1000
9 Solo 800 1000 1200
10 Jogja 900 1000 1300
11 Cirebon 700 700 1500
12 Kuningan 750 900 1600
13 Madiun 400 800 1000
14 Tuban 500 600 1400
Untuk teladan regresi linier sederhana ini, Saudara dapat membuat persamaan
regresi untuk melihat hubungan peubah bebas iklan dengan peubah tak bebasnya
yaitu jual.
Langkah-langkah :
- Buka data yang ada pada file mobil.sav lalu ikuti langkah berikut ini.
- Dari menu utama Analyse pilih Regression.
- Dari serangkaian analisis yang ada pilihlah Linier…maka akan terlihat kotak
dialog dibawah ini :
Gambar 5.7 Kotak dialog linier Regression

- Pada kolom dependent masukan peubah jual, pada kolom Independent
masukkan peubah iklan dan pada Case Labels masukkan peubah daerah. Lalu
klik Option maka akan muncul kotak dialog sebagai berikut :
-
75
Gambar 5.8Kotak dialog Linier regression: Options
- Gunakan default dari kotak Options ini yaitu untuk ruang Entry gunakan 0.05,
untuk Removal yaitu 0.01, Check Include contstant in equation untuk
memasukkan intersep ke dalam persamaan regresi dan kolom Missing Values
pilih Exclude cases listwise. Lalu pilih Continue.
- Pada kotak dialog Linier pilih Statistic maka muncul kotak dialognya pada layer
sebagai berikut :
Gambar 5.9 Kotak dialog Linier regression: Statistics

- Pada kolom Regression Coefficient check Estimates untuk mengeluarkan
koefisien regresi. Disamping kanannya pilih Model fit dan Descriptives,
sedangkan pada kolom Residual pilih Casewise diagnostics lalu pilih All cases.
Klik Continue.
- Klik Plots pada kotak dialog Linier maka muncul kotak dialog Plots sebagai
berikut pada layer :
76
Gambar 5.10Kotak dialog Linier regression: Plots
- Untuk membuat plot antara SDRESD dan ZPRED maka masukkan peubah
SDRESID ke dalam ruang Y dan ZPRED masukkan ke dalam ruang X.
- Untuk membuat plot antara nilai ZPRED dengan DEPENDENT masukkan
peubah ZPRED ke dalam ruang Y dan DEPENDENT ke dalam ruang X.
- Pada Kolom Standardized residual plots pilih check Normal probability plot.
Klik Continue, lalu klik OK maka hasilnya keluar di bawah ini ;
Regression
Descriptive Statistic s
Mean Std. Dev iatio n N

ban yakn ya m obil yang terjual 78 9.285 7 26 4.704 89 14
bia ya ik lan y ang dikelua rkan 19 64.28 57 22 54.43 397 14
Correlation s
JUALba nyakn ya IKL AN

yan g terjual bia ya iklan
Pe arson Correlatio n JUAL ba nyaknya yang terjua l 1.0 00 .80 3
IKL AN b iaya iklan .80 3 1.0 00
Sig . (1-tailed ) JUAL ba nyaknya yang terjua l . .00 0

IKL AN b iaya iklan .00 0 .
N JUAL ba nyaknya yang terjua l 14 14

IKL AN b iaya iklan 14 14
77
Variabl es Entered/Re moved b
Variable s
Mo del Variables Ent ered Removed Method
a
1 bia ya ik lan . En ter
a.
All requested v ariabl es entered.
b.
Dependent Variable: banyaknya mobil yang terjual (jual)
Model Summaryb
Ch ange Statistics
Adjusted Std. Erro r
of
Mo del R R R the Estimate R Square Cha nge F Change df1 df2 Sig. F Ch ange
Square Square
1 .80 3a .64 5 .61 5 16 4.197 05 .64 5 21 .786 1 12 .00 1
a.
Predictors: (Constant), biaya iklan yang dikeluarkan (iklan)
b.
Dependent Variable: banyaknya mobil yang t erjual (jual)
ANOVAb
Mo del Sum of Square s df Mean Square F Sig.

1 Regression 587 364. 787 1 587 364. 787 21. 786 .00 1a
Residual 323 528. 070 12 269 60.6 72
To tal 910 892. 857 13
a.
Predictors: (Constant), biaya iklan yang dikeluarkan (iklan)
b.
Coeffic ientsa
Standardized
Un standardized Co Co efficients
Mo del efficients B Std. Erro r Be ta t Sig.

1 (Co nstant) 60 4.082 59 .162 10 .211 .00 0
bia ya ik lan y ang
.09 4 .02 0 .80 3 4.6 68 .00 1
dik eluar kan ( iklan
)
a. Dependent Variable: banyaknya mobil yang terjual (jual )
78
Casewi se Diagnostic as
ban yakn ya
daerah p enjualan mo bil yang
Case Number mo bil (daerah ) Std. Residual ter jual ( Pre dicte d Value Residual
jual)
1 Bandung 1.0 45 12 00.00 10 28.36 67 17 1.633 28
2 Jak arta -.3 55 13 00.00 13 58.36 59 -58 .365 86
3 Bo gor 1.8 37 10 00.00 69 8.367 6 30 1.632 41
4 Sem aran g -.5 64 70 0.00 79 2.653 1 -92 .653 05
5 Surabaya -.4 60 10 00.00 10 75.50 95 -75 .509 45
6 Pati -.8 06 50 0.00 63 2.367 8 -13 2.36 776
7 Magelan g .12 5 70 0.00 67 9.510 5 20 .4895 1
8 Jem ber -.5 42 60 0.00 68 8.939 0 -88 .939 04
9 Solo .61 9 80 0.00 69 8.367 6 10 1.632 41
10 Jogja 1.2 28 90 0.00 69 8.367 6 20 1.632 41
11 Cirebon .18 2 70 0.00 67 0.081 9 29 .9180 5
12 Kuningan .37 2 75 0.00 68 8.939 0 61 .0609 6
13 Ma diun -1. 702 40 0.00 67 9.510 5 -27 9.51 049
14 Tuban -.9 78 50 0.00 66 0.653 4 -16 0.65 340
a.
Re siduals S tati sticas
Minimum Maximum Mean Std. Dev iatio n N

Pre dicte d Value 63 2.367 7 13 58.36 58 78 9.285 7 21 2.560 36 14
Std. Predicted Value -.7 38 2.6 77 .00 0 1.0 00 14
Standard Erro r of 43 .889 12 9.580 58 .253 22 .210 14
Pre dicte d Value
Adjusted Predicted Value 64 9.289 8 14 54.73 17 79 5.910 4 23 2.039 75 14
Residual -27 9.51 050 30 1.632 42 .00 000 15 7.755 43 14
Std. Residual -1. 702 1.8 37 .00 0 .96 1 14
Stud. Residual -1. 786 1.9 21 -.0 15 1.0 20 14
Deleted Residual -30 7.81 229 32 9.833 80 -6. 6247 2 17 9.596 19 14
Stud. Deleted Residual -1. 996 2.2 10 -.0 03 1.0 93 14
Mahal. Distan ce .00 0 7.1 68 .92 9 1.8 62 14
Co ok's Distan ce .00 1 .27 7 .07 3 .08 3 14
Centered Lev erage Value .00 0 .55 1 .07 1 .14 3 14
a. Dependent Variable: banyaknya mobil yang terjual (jual)
79
80
5. 4. 2 Regresi Berganda
Pada kenyataannya untuk melihat hubungan antara peubah bebas dengan
peubah tak bebasnya sering kali melibatkan peubah tak bebas lebih dari satu. Pada
regresi hubungan seperti ini di sebut regresi berganda. Untuk contoh kasus di ambil
data mobil.sav. Andaikan saja Saudara ingin melihat hubungan antara banyaknya
penjualan dengan banyaknya biaya iklan dan distribusi barang maka langkah-
langkahnya adalah sebagai berikut :
- Buka datasheet untuk data mobil.sav, jika sudah terbuka ikuti langkah-langkah
sebagai berikut.
- Pada menu utama Analyze pilih Regression lalu klik Linier, maka muncul kotak
dialog berikut ini :
Gambar 5.11 Kotak dialog Linier Regression

- Pada ruang Dependent masukkan peubah penjual, pada ruang Independent
masukkan peubah iklan dan distribusi. Lalu pada ruang Case Labels untuk
melihat hubungan berdasarkan daerah masukan peubah daerah
- Klik Options maka akan muncul kotak Options maka biarkan pada defaultnya.
Lalu klik Continue.
- Klik Statistics maka akan terlihat kotak dialognya seperti pada gambar 5.9, pada
ruang Regression Coefficient check Estimates dan pada bagian sebelah
kanannya check Model fit untuk melihat coeficient regresi dan Descriptives.
- Untuk kolom Residual dikosongkan saja. Klik Continue.
- Klik Plots maka akan muncul kotak dialognya seperti pada gambar 5.10, karena
kita tidak direncanakan untuk membuat tabelnya maka kosongkan saja. Dan
langsung Continue.
- Untuk melihat hasilnya klik OK
Variabl es Entered/Re moved b
Variable s
Mo Variables Ent Removed Method
del 1 ered DISTRIB
distribusi,
IKLAN biaya . En ter
a
iklan
a.
All requested v ariabl es entered.
b.
81
Correlations
ban yakn ya
yan g ter jual bia ya ik lan distribusi
Pearson Correlatio n JUAL banyak nya y ang terjual 1.0 00 .80 3 .76 5
IKLAN biaya iklan .80 3 1.0 00 .72 9
DISTRI Distr ibusi .76 5 .72 9 1.0 00
Sig. (1-t ailed) JUAL banyak nya y ang terjual . .00 0 .00 1
IKLAN biaya iklan .00 0 . .00 2
DISTRI Distr ibusi .00 1 .00 2 .
N JUAL banyak nya y ang terjual 14 14 14
IKLAN biaya iklan 14 14 14
DISTRI Distr ibusi 14 14 14
Model S ummaryb
Ch ange Statistics
Adjusted Std. Erro r
Mo del R R Square R Square of
the Estim ate R Chan ge F Change df1 df2 Sig. F Ch ange
Square
1 .84 5a .71 4 .66 2 153 .998 23 .71 4 13. 705 2 11 .00 1
a.
Predictors : (Constant ), banyaknya mobil yang disebarkan (distribusi), biaya iklan yang dikeluarkan (iklan)
b.
Dep endent Vari able: banyaknya m obil yang t erjual (jual)
ANOVAb
Mo del Sum of Square s df Mean Square F Sig.

1 Regression 650 022. 868 2 325 011. 434 13. 705 .00 1a
Residual 260 869. 989 11 237 15.4 54
To tal 910 892. 857 13
a.
Predictors: (Constant), banyaknya mobil yang disebarkan (distribusi), biaya iklan yang dikeluarkan (iklan)
b.
Coefficientsa
Standardized
Un standardized Co Co efficients
Mo del efficients B Std. Erro r Bet a t Sig.
1 (Co nstan t) 339 .323 172 .076 1.9 72 .07 4
biaya iklan yang .02 8 .52 3 2.2 19 .04 8

dik eluark an (iklan) .06 1
ban yakn ya m obil y ang .13 0 .38 3 1.6 25 .13 2

dise bark an (distribusi) .21 1
a. Dependent Variable: banyaknya mobil yang terjual (jual)
82
DAFTAR PUSTAKA
Mason, R. D., dan L. Douglas, 1999. Teknik Statistika untuk Bisnis dan Ekonomi
Jilid 1. Erlangga. Jakarta.
Nur, I., dan S. P. Astuti, 2006. Mengolah Data Statistik dengan Mudah
Menggunakan Minitab 14. Andi Offset. Yogyakarta.
Santoso, S., 2004. Buku Latihan SPSS Parametrik. Elex Media Komputindo. Jakarta.
Supranto, J., 2000. Statistika Teori dan Aplikasi. Erlangga. Jakarta.
Walpole, R. E., dan R. H. Myers, 1995. Ilmu Peluang dan Statistika untuk Insinyur
dan Ilmuwan Edisi Ke-4. ITB. Bandung
83

Praktikum Biostat

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Praktikum Biostat

Diunggah oleh

Hak Cipta:

Format Tersedia

PRAKTIKUM BIOSTATISTIKA

Oleh : Jun Edy S Pakpahan, SKM., M.K.M

Pada saat sekarang SPSS dibagi menjadi 4 bagian besar, yaitu :

Dalam SPSS BI mempunyai 4 bagian utama:

2. Window Output Viewer (Viewer)

3. Menu Syntax Editor

4. Menu Script Editor

1.2 SPSS DATA EDITOR

1.2.1 MENU FILE

 Cara mengisi variabel gender

Gambar 1.1 kotak dialog Value Label.

 Cara mengisi variabel tinggi badan

 Cara membuat variabel bidang

b. Cara mengisi data

- Klik menu Utilities, pilih Variabel…..

Gambar 1.2 Kotak dialog Variable….

Gambar 1.3 Kotak Dialog Save as

Gambar 1.4 Kotak Dialog Print

6. Keluar dari SPSS

1.2.2 MENU EDIT

Gambar 1.5 Kotak dialog Find Data in Variable

3. Menemukan baris tertentu

Gambar 1.6 Kotak Dialog Go To Case

4. Memisahkan nilai peubah

Gambar 1.7 Kotak Dialog Split File

5. Memilih baris (kasus) dengan kriteria tertentu.

Gambar 1.8 Kotak Dialog select cases

Simpan hasil diatas dengan nama tinggi_sekali.sav

Gambar 1.10 Kotak Dialog Sort Cases

Gambar 1.11 Kotak Dialog Aggregate

Gambar 1.12 Kotak dialog Aggregate Data: Aggregate Function

Tabel 1.4 Tabel output dari hasil meringkas secara aggregate

Gambar 1.13 Kotak dialog Add cases: Read file.

1.2.4 MENU TRASFORM

Gambar 1.17 Kotak Dialog Compute Variable

- Klik Include If case satisfies condition, lalu pada ruangan If cases

Pada ruang Value isi 0 yaitu nilai peubah pria.

Gambar 1.21 Kotak Dialog Untuk Count Oscurencess If Cases

Gambar 1.22 Kotak Dialog Rank Cases

Disebabkan yang akan di urutkan tinggi badan masukkan peubah tersebut

Gambar 1.23 Kotak Dialog Rank:Ties

Tabel 1.9 Tabel Data Umur Baterai ( file name_baterai.sav)

Gambar 1.24 Kotak Dialog Recode Into Same Variables

Tabel 1.10 Tabel Memberi Kode Pada Peubah yang Sama

- Klik kolom Value muncul kotak

Gambar 1.27 Kotak Dialog Value Labels

b. Kode ulang ditempatkan pada variabel yang berbeda

Gambar 1.28 Kotak dialog untuk Recode Into Different Variable

Gambar 1.30 Kotak dialog untuk Recode Into Different

6. Mengubah type variabel

Gambar 1.32 Kotak Dialog Categorize Variable

Gambar 1.33 Kotak dialog Show Toolbars

Gambar 1.35 kotak dialog untuk costumize toolbars

COSTUMIZE : untuk merubah (menambah atau mengurangi) icon pada toolbars

Gambar 1.37 Kotak Dialog Fonts

Keterangan pada kotak dialg fonts:

Statistika dapat dibedakan menjadi dua bagian, yaitu:

1. Tabel frekuensi dan statistik deskriptif untuk bekal

Gambar 2.1 Kotak dialog frequencies

Gambar 2.2 Kotak dialog Frequencies : Statistics

Gambar 2.3 Kotak dialog Frequencies: Chart

Gambar 2.4 Kotak dialog Frequencies: Format

Gambar 2.5 Kotak dialog Frequencies