MATERI :
SPSS
(STATISTICAL PRODUCT SERVICE SOLUTION)
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.
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.
3
Format
Berfungsi untuk merubah tata letak huruf output.
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.
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.
– 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.
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.
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.
5. Mencetak Data
Klik menu file, pilih sub menu print akan muncul kotak dialog sbb:
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.
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.
Tabel 1.2 Tabel Responden dengan Gender, Tinggi Badan dan Bidang
Pekerjaan yang Diurut Berdasarkan Gender.
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)
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:
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:
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
Untuk menghasilkan jumlah tinggi badan Sum of values di klik. Lalu klik
Continue outputnya adalah :
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
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:
- 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
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
- 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:
- 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)
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.
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:
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.
- 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.
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.
- 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.
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.
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
- 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.
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:
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
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
Pada ruang Variable(s) masukkan peubah bekal, lalu klick tombol Statistics,
muncul kotak dialog:
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:
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.
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:
Sorot peubah jenis turis lalu klick tanda . Tekan tombol Chart untuk
menentukan jenis diagram yang akan dipakai, maka kuncul kotak dialog:
- 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
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
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.
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
35
5% Trimmed Mean 367.78
Median 375.00
Variance 21945.55
6
Std. Deviation 148.140
Minimum 120
Maximum 600
Range 480
Interquartile Range 225.00
Skewness -.165 .687
Kurtosis -.691 1.334
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.
. 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
2 1.00 1 .
07 2.00 2 .
2.00 3 . 02
3.00 4 . 257
1.00 5 . 0
1.00 6 . 0
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:
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:
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
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
5% Trimmed Mean 367.78
Median 375.00
Variance 21945.55
6
Std. Deviation 148.140
Minimum 120
Maximum 600
Range 480
Interquartile Range 225.00
Skewness -.165 .687
Kurtosis -.691 1.334
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
1.0
.5
0.0
Expected Normal
-.5
-1.0
-1.5
0 2 4 6 8 10 12 14 16
Observed Value
1.0
.5
0.0
Expected Normal
-.5
-1.0
-1.5
100 200 300 400 500 600 700
Observed Value
.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
2
Spread
1
2 3 4 5 6
Level
* Plot of LN of Spread vs LN of Level
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:
- 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.
- Selanjutnya klik Cells maka di layer akan terlihat kotak dialog sel sebagai
berikut:
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.
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.
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:
- 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.
46
Klik menu utama Analyze. Klik menu Descriptive Statistics. Dan klik
Crosstab, dilayar akan terlihat kotak dialog Crosstab:
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.
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.
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
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:
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.
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:
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
- 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.
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,
- 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:
- Pada Test Variable(s) isikan peubah sesudah,dan pada Test Value isikan
1.40,lalu tekan Options,akan terlihat kotak dialog:
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:
- 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
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:
Masukkan pada Cell Statistic Mean atribut Standar Deviation dan Percent of
Total N. Klik Continue dan untuk menampilkan hasilnya klik OK.
Means
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%
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 4.5 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
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:
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.
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
68
BAB V
KORELASI DAN REGRESI
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 :
-
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.
-
- 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
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.
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
73
Gambar 5.5 Kotak dialog Partial Correlations
- Klik Options maka muncul kotak dialog Options sebagai berikut :
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 :
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 :
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
Correlation s
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
Coeffic ientsa
Standardized
Un standardized Co Co efficients
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.
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 :
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.
Dependent Variable: banyaknya mobil yang terjual (jual)
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
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
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.
Walpole, R. E., dan R. H. Myers, 1995. Ilmu Peluang dan Statistika untuk Insinyur
dan Ilmuwan Edisi Ke-4. ITB. Bandung
83