PENDAHULUAN
statistika. SPSS (pertama dirilis pada tahun 1968, dan diciptakan oleh
sehingga di kenal dengan SPSS for windows. Petama kali muncul versi
windows adalah SPSS for Windows versi 6.00, hingga kini SPSS yang
paling terbaru adalah SPSS 19. SPSS memilik banyak kegunaan bagi
data.
Ada beberapa teknik statistik yang dapat digunakan untuk
data terlebih dahulu agar dapat menghasilkan penelitian dengan hasil yang
baik.
DATA PENELITIAN
• Data metriks atau data kuantitatif yaitu data yang berupa angka
• Data nonmetrik atau data kualitatif yaitu data yang berupa huruf,
karakteristik seperti yang dimiliki oleh skala nominal dan ordinal dan
PENGENALAN SPSS
Untuk file baru dapat dibuat dengan mengaktifkan SPSS 17.0 dilakukan
ini :
Keterangan :
ingin memilih salah satu di anataranya, arahkan kursor dan klik bagian
meng-klik tanda
membuka file yang baru dibuka atau dengan tipe file *.sav
o Open another type or file merupakan pilihan untuk membuka file
5) Setelah memilih salah satu dari cara membuka file maka klik OK.
DATA EDITOR
1. Data view
Data view adalah tempat di mana data statistik yang akan diolah (sudah dalam
bentuk angka skala). Data view memiliki tampilan seperti di bawah ini :
Keterangan :
a) Title bar merupakan nama dari judul SPSS yang sedang dibuka. Pada
umumnya, nama yang diberikan oleh SPSS pada saat membuka pertama kali
Submenu yang
membuat file baru (New), membuka (Open), menutup (Close), dan menyimpan
dimasukkan pada SPSS Data Editor. Beberapa kegunaan dari submenu dari
menu utama Edit adalah melakukan undo atau mengembalikan action terakhir
yang dilakukan, sedangkan redo sebaliknya, cut – clear untuk menghapus data,
copy – paste untuk menggandakan dan duplikasi data, find untuk mencari data,
status toolbar yang sedang aktif (Status Bar), toolbar dan font huruf yang
mengurutkan data (sort cases), dan memisah isi file dengan riteria tertentu
(split file).
mengubah data (recode into same variables…- recode into different variables… )
website.
dengan cepat.
suatu variabel. Untuk pertama kali baris nama variabel diberi nama Var. Untuk
mengganti nama variabel dapat melalui variabel view dan mengganti dengan
e) Baris data
2. Variabel view
data yang akan dimasukkan. Untuk mengaktifkan kotak Variabel View lakukan
dengan klik Variabel View (bagian yang diberi kotak). Variabel view memiliki
• Name : berisi nama variabel. Misal dengan memberikan nama variabel data
pertama, maka klik kolom Name pada baris pertama, misalnya Jenis
Kelamin.
• Type : merupakan tipe data, berbagai macam type yang ada memiliki fungsi
a. numeric untuk data angka dengan lebar 8 digit dan 2 angka desimal di
belakang koma
b. string untuk data teks, biasanya data berupa nama. Contoh : nama
perusahaan.
Data View. Untuk tipe data numerik, lebar maksimal 40 digit, sedangkan tipe
ditambah, klik tanda panah ke atas, sebaliknya untuk mengurangi digit lebar,
• Decimal : diisi jumlah desimal karakter maksimal yang akan diinput dalam
Data View. SPSS memberikan default 2 angka desimal di belakang koma. Jika
jumlah desimal ingin ditambah, klik tanda panah ke atas dan sebaliknya
Namun, jika
data lengkap (tidak ada data yang hilang) maka kolom ini dapat diabaikan.
dimasukkan pada suatu variabel tertentu. Bila kita mengisi coloumns dengan
angka 2, maka hanya dua digit data saja yang dapat dimasukkan pada variabel
tersebut.
• Align : untuk pengaturan tampilan perataan kata dalam Data View, seperti
yang akan digunakan. Maka secara default akan terpilih Nominal atau ordinal ,
jika variabel bertipe string. Scale digunakan apabila data yang ingin kita olah
Tinggi
• Double klik variabel pada Tab Nama untuk mengganti sesuai dengan
variabel yang
dihendaki.
MENYIMPAN FILE
Untuk menyimpan data dalam SPSS, hal yang perlu kita lakukan :
• Pada file yang sedang di buka pada SPSS, klik menu File
nama file yang akan kita simpan misalnya IMT dan pada kotak Save as type
• Pilih Save, maka data akan tersimpan dengan nama file IMT.sav.
BAB III
STATISTIK DESKRIPTIF
data atau variabel kategorik. Sedangkan nilai pusat berupa nilai tengah dan
nilai sebaran (mean, median, SD, SE, dll) untuk data atau variabel numerik.
Statistik deskriptif ini juga akan dilengkapi dengan grafik histogram untuk data
numerik.
Analyze
Frequencies…
kotak sebelah kiri. Kemudian klik tanda >, sehingga kotak dialog menjadi
sesuai. Jadi pada contoh di atas, ada 3 kader kesehatan yang berpendidikan
SD dari 65 ibu yang ada. Proporsi dapat dilihat pada kolom Percent, pada
Valid Percent memberikan hasil yang sama karena pada data ini tidak ada
missing cases. Cumulative Percent menjelaskan tentang persen kumulatif,
jadi pada contoh di atas, ada 23,1% ibu yang berpendidikan SD dan SMP (4.6%
+ 18.5%).
dengan melaporkan ukuran tengah dan sebarannya. Ukuran tengah yang dapat
yang dapat digunakan adalah nilai minimum, maksimum, range, standar deviasi
Sebagai contoh, kita akan coba mencari ukuran tengah dan sebaran dari LAMA
BEKERJA.
1. Bukalah file ABJ.SAV (jika file ini belum dibuka), sehingga data tampak di
3. Pada kotak dialog tersebut, klik pada variabel LAMA BEKERJA yang terdapat
pada kotak sebelah kiri. Kemudian klik tanda <, sehingga kotak dialog
Berikut:
Nilai rata-rata dapat dilihat pada kolom Mean, sedangkan nilai standar
deviasi dapat dilihat pada Std Devation. Pada contoh di atas, rata-rata lama
bekerja adalah 10,95 tahun dengan standar deviasi 8,28 tahun dan lama
maksimum serta standar deviasi. Tetapi kita tidak memperoleh nilai standar
error, padahal nilai ini diperlukan untuk melakukan estimasi inteval pada
parameter populasi.
5. Jika Anda juga ingin agar SPSS menampilkan standar error, anda dapat
Dari hasil tersebut kita dapat melakukan estimasi interval dari lama bekerja.
Kita dapat menghitung 95% confidence interval lama bekerja, yaitu 10.9538 ±
1,96 x 1,02 (mean + SE mean). Jadi kita 95% yakin bahwa rata pada selang
sebagai berikut:
7. Pada kotak dialog tersebut, klik pada variabel LAMA BEKERJA yang terdapat
pada kotak sebelah kiri. Kemudian klik tanda <, sehingga ketiga variabel
berikut:
Dari hasil tersebut kita mendapatkan estimasi titik dan estimasi interval dari
variable numerik yang diukur. Kita dapat melihat nilai rata-rata dan 95%
artinya kita 95% yakin bahwa rata-rata LAMA BEKERJA KADER di populasi
Untuk melakukan uji statistik langkah awal yang harus dilakukan adalah
dengan screening terhadap data yang akan diolah. Salah satu asumsi
normal akan menghasilkan model regresi yang baik. Ada beberapa cara yang
dapat digunakan dalam mendekteksi normalitas data, namun pada modul ini
Langkah analisis :
• Dari menu utama SPSS, pilih menu Analyze, lalu pilih Non-parametic test,
kotak Test
Variable List.
• Kemudian OK.
Untuk probabilitas berdasarkan tabel di atas bahwa untuk variabel memiliki nilai
dengan normal sedangkan untuk variabel yang berada di bawah batas = 0.05
Kemudian apabila data tidak terdistribusi secara normal maka data perlu
data yang ada di mana bentuk dari grafik itu sendiri ada bermacam-macam
Dari menu utama SPSS pilih menu Graph, lalu Legacy Dialogs
dilakukan, maka kita harus mengetahui termaksud jenis grafik histogram yang
Melihat bentuk Grafik yang terjadi pada Net_Sls dan Current rasio merupakan
All dan untuk kotak Functions dan Special variables pilih Sqrt kemudian klik
tombol maka pada kotak numeric Expression muncul Sqrt(x) untuk (x) akan
SQRT(IMT). Kemudian pada Target variable diberi nama lain missal IMT1.
terdistribusi
secara normal. Untuk memastikannya perlu adanya pengecekan data agar data
semua variabel yang sudah kita transformasikan kemudian klik OK. Maka kita
dapat melihat bahwa data yang kita punya sudah normal dimana probabilitas
data itu lebih dari = 0.05. untuk lebih jelasnya kita dapat melihat hasil output
di bawah ini :
Dari hasil dapat disimpulkan bahwa untuk variabel IMT1, dan current rasio
Pengertian
suatu intervensi berhasil atau tidak. Untuk mengukur keberhasilan tersebut kita
harus melakukan uji untuk melihat apakah parameter (rata-rata) dua populasi
tersebut berbeda atau tidak. Misalnya, apakah ada perbedaan rata-rata tekanan
darah populasi intervensi (kota) dengan populasi kontrol (desa). Atau, apakah
Sebelum kita melakukan uji statistik dua kelompok data, kita perlu
perhatikan apakah dua kelompok data tersebut berasal dari dua kelompok yang
Dikatakan kedua kelompok data independen bila populasi kelompok yang satu
rata tekanan darah sistolik orang desa dengan orang kota. Tekanan darah
orang kota adalah independen (tidak tergantung) dengan orang desa. Dilain
mengikuti program diet berasal dari orang yang sama (data sesudah
Uji beda rata-rata dikenal juga dengan nama uji-t ( t-test). Konsep dari
karena itu dalam pengujian ini diperlukan informasi apakah varian kedua
kelompok yang diuji sama atau tidak. Varian kedua kelompok data akan
berpengaruh pada nilai standar error yang akhirnya akan membedakan rumus
pengujiannya.
data harus berdistribusi normal. Jika data tidak berdistribusi normal, maka
distribusi data tersebut, maka uji-t tidak valid untuk dipakai, sehingga
karakteristik datanya maka uji beda dua rata-rata dibagi dalam dua kelompok,
yaitu: uji beda rata-rata independen dan uji beda rata-rata berpasangan.
Aplikasi Uji-t Dependen pada Data Berpasangan
variable tersebut.
Variables.
6. Klik OK untuk menjalankan prosedur. Pada layar Output tampak hasil seperti
berikut:
Dari 10 subjek yang diamati terlihat bahwa rata-rata (mean) kolesterol sebelum
ada perbedaan yang signifikan antara sebelum dan sesudah intervensi. Uji ‘t’
Dari hasil uji-t berpasangan tersebut terlihat bahwa rata-rata perbedaan antara
SEBELUM dengan SESUDAH adalah sebesar -4.8. Tanda minus (-) berarti
kolesterol sesudah lebih besar daripada berat sebelum intervensi. Artinya ada
tersebut adalah 4,8 mg/L. Hasil perhitungan nilai “t” adalah sebesar -3.325
intervensi.
Uji-t untuk data independen dilakukan terhadap dua kelompok data yang tidak
variable(s).
5. Kemudian klik menu Define group, dan isi angka 0 (nol) -kode untuk A -
pada Group-1 dan isi angka 1 (satu) -kode untuk B - pada Group-2.
yang dipakai)
seperti berikut:
Uji-t independen menyajikan dua buah uji statistik. Pertama adalah uji
Levene’s untuk melihat apakah ada perbedaan varians antara kedua kelompok
atau tidak. Kedua adalah uji-t untuk melihat apakah ada perbedaan rata-rata
Jika p-value (Sig.) dari uji Levene’s besar dari nilai (0.05), hal ini
berarti varians kedua kelompok adalah sama, maka signifikansi uji-t yang
dibaca adalah pada baris pertama ( Equal variances assumed). Tetapi jika p-
value dari uji Levene’s kecil atau sama dengan nilai (0.05), hal ini berarti
bahwa varians kedua kelompok adalah tidak sama, maka signifikansi uji-t yang
Pada contoh diatas signifikansi uji Levene’s adalah 0.491, berarti varians
kedua kelompok adalah sama, maka hasil uji-t pada baris pertama
memperlihatkan p-value (sig.) adalah 0.008 untuk uji 2-sisi. Dapat kita
Pengertian
antara 3 kelompok independen atau lebih, kita tidak boleh menggunakan uji t
rata hasil antara 3 kelompok intervensi, apakah ada perbedaan rata-rata berat
badan bayi lahir menurut tingkat pendidikan ibu (rendah, menengah, & tinggi).
Dalam menganalisis data seperti ini (lebih dari dua kelompok) sangat tidak
yaitu pertama: kita harus melakukan pengujian berulang kali sesuai kombinasi
Untuk mengatasi masalah tersebut maka uji statistik yang dianjurkan (uji
yang tepat) dalam menganalisis beda lebih dari dua mean kelompok
independen adalah Uji ANOVA atau uji-F. Analisis varian (ANOVA) mempunyai
dua jenis yaitu analisis varian satu faktor (one way anova) dan analsis varian
dua faktor (two ways anova). Pada bab ini hanya akan dibahas analisis varian
satu faktor.
Beberapa asumsi yang harus dipenuhi pada uji Anova adalah:
yang mana nilai pada satu kelompok tidak tergantung pada nilai di kelompok
lain. Sedangkan pemenuhan terhadap asumsi kedua dan ketiga dapat dicek jika
data telah dimasukkan ke komputer, jika asumsi ini tidak terpenuhi dapat
dapat memenuhi asumsi ini maka uji Anova tidak valik untuk dilakukan,
Analyze <
Compare Means <
One-way ANOVA ...
2. Klik variable WAKTU dan klik tanda < untuk memasukkannnya ke kotak
DependentList
3. Klik variable OBAT dan klik tanda < untuk memasukkannnya kotak Factor.
5. Klik Continue dan Anda akan kembali ke kotak dialog awal dengan isian
lengkap
5,25 jam, obat B adalah 3,75 jam, dan obat C adalah 7,5 jam. Standar deviasi,
diperlihatkan.
Salah satu asumsi dari uji Anova adalah varians masing-masing kelompok harus
memperlihatkan bahwa p-value (sig.) lebih besar dari nilai =0.05, berarti
varians antar kelompok adalah sama. Jika varians tidak sama, uji Anova tidak
valid untuk dipakai. Catatan: dalam hal ini kita tidak melakukan uji normalitas.
Pada hasil di atas diperoleh nilai ANOVA F = 5.700 dengan p-
value=0.025 (dalam keadaan ini boleh juga ditulis p < 0.001). Hipotesis nol
pada uji ANOVA adalah tidak ada perbedaan rata-rata waktu sembuh antara
sembuh dari ke tiga kelompok obat tersebut (setidaknya salah satu nilai mean
berbeda dengan lainnya). Namun, kita belum tahu kelompok mana yang
Dengan uji ANOVA saja kita belum tahu kelompok mana yang berbeda,
untuk menjawab pertanyaan ini kita harus melakukan uji banding ganda.
Untuk melakukan uji banding ganda, kita harus klik menu Post Hoc… pada
KOLERASI
antar variabel satu dengan variabel yang lainnya. Uji kolerasi belum dapat
diketahui variabel penyebab dan variable akibat. Dalam analisis kolerasi yang
(bergerak dari nol hingga 1 maka semakin besar atau kuat hubungan variabel
BIVARIATE COLLELATION
menguji kolerasi antar dua variabel di dalam melakukan uji kolerasi perlu
digunakan dalam kondisi belum diketahui bentuk hubungan antar variable dan
One-tailed (uji satu sisi) digunakan untuk menguji test of significant dari 2
FVC
dalam
kotak
Variables.
Pilih Correlation Coefficient Pearson dan Test Of Significance
Klik menu Option, lalu Continue akhiri dengan OK. Maka akan
Terdapat hubungan antara IMT dengan FCV sebesar 0.583. sifat kolerasi
negatif menunjukkan semakin tinggi IMT akan semakin rendah nilai FVC. Nilai
efek dari variable lain atau dengan kata lain kolerasi partial mengukur kolerasi
antar dua variabel dengan mengeluarkan pengaruh dari satu atau lebih variabel
lain yang sering disebut dengan variable control. Cara pengolahan data yaitu
variabel DATA adalah -0.461 dan signifikan pada alpha 0.05. dan setelah
menghilangkan pengaruh variable DATA adalah 0.000 dan signifikan pada alpha
0.05.
BAB VIII
REGRESI
variabel atau lebih, juga menunjukkan arah hubungan antara variabel. Variabel
adalah simbol yang melekat pada bilangan atau angka. Dalam proses aplikasi
variabel yang sangat menentukan dalam proses penarikan kesimpulan hasil uji
statistik.
(diterangkan) oleh variabel lain. Variabel ini dalam notasinya sering ditulis
dengan Y.
Keterangan :
X : peubah bebas
a : konstanta
b : kemiringan
Analisis regresi ganda adalah alat untuk meramalkan nilai pengaruh dua
antara dua atau lebih variabel bebas X 1, X2, …., X terhadap suatu
variabel terikat Y.
Y = a + b1X1+ b2
Keterangan :
Y : peubah takbebas
a : konstanta
b : kemiringan ke-1
Sebagai contoh dalam regresi linear dengan menguji pengaruh IMT, UMUR,
• Maka
akan
KOEFISIEN DETERMINASI
model dalam variasi variabel dependen. Bila nilai R 2 kecil berarti kemampuan
tambahan satu variabel independen, maka nilai R 2 akan meningkat tidak peduli
dependen.
Dari tampilan output SPSS di atas besar dari Adjusted R 2 adalah 0.225 atau
hanya sebesar 22,5% FCV dapat dijelaskan oleh keempat variabel independen
IMT, UMUR dan sisanya dijelaskan oleh variabel lainnya. SEE (Standart Error of
estimate) sebesar 6.13821. semakin kecil nilai SEE akan membuat model
UJI STATISTIK F
Dari uji ANOVA atau F test didapatkan nilai F hitung sebesar 7.392 dengan
probabilitas 0.002. karena probabilitas jauh lebih kecil dari = 0.05 maka
model regresi dapat digunakan untuk memprediksi nilai DER atau yang artinya
Uji ini untuk menunjukkan seberapa jauh pengaruh satu variabel penjelas atau
tabel di bawah ini bahwa nilai UMUR 0.376 memiliki nilai jauh di atas 0.05
UJI MULTIKOLONIERITAS
ditemukan adanya kolerasi antar variabel bebas. Model regresi yang baik
cara :
Nilai R yang dihasilkan oleh oleh suatu estimasi model empiris sangat
2
Dengan melihat batas tolerance yang memiliki nilai kurang dari 0.10
yang berarti tidak ada kolerasi antar variabel independen. Kemudian dari
nilai VIF (Variance Inflation Factor) juga menunjukkan hal yang sama
yaitu tidak adanya penyakit multikolonieritas dengan nilai dari VIF lebih
dari 10.
Selain itu dari Ouput SPSS juga bisa dilihat nilai CI ( Condition Index).
Klasik Multicolinierity.
4. Untuk menampilkan matrik kolerasi dan nilai Tolernace serta VIF pilih
Diagnostics.
variabel IMT 1.000 memiliki kolerasi yang cukup tinggi, variabel UMUR -0.061,
atau sekitar 61%. Oleh karena itu kolerasi ini masih di bawah 95%, maka dapat
Kemudian dari hasil, nilai Tolerance untuk IMT 0.996, UMUR 0.996,
menunjukkan nilai kurang dari 0.10 yang berarti tidak ada kolerasi antar
variabel independen yang nilainya lebih dari 95%. Hasil perhitungan nilai
Variance Inflation Factor (VIF) juga menunjukkan hal yang sama, bahwa
variabel IMT 1.004, UMUR 1.004, tidak ada satu variable independent yang
memiliki nilai VIF lebih dari 10. Jadi tidak ada multikolonieritas antar variabel
DIAGNOSTIC COLLINEARITY
Nilai CI yang dihasilkan untuk masing-masing variabel independen adalah
UJI AUTOKOLERASI
gangguan untuk periode berikutnya. Ada beberapa cara yang dapat digunakan
untuk mendekteksi ada atau tidaknya autokolerasi, pada modul ini akan
intercept (konstanta) dalam model regresi. Hipotesis yang akan diuji adalah :
H1 : adanya autokolerasi.
3. Pilih Statistics maka akan muncul layar tampilan windows Linear Regression
dengan menggunakan signifikasi 5%, jumlah sampel 54 (n) dan jumlah variabel
sebesar1.386 dan nilai dl = 1.630. Oleh karena nilai DW lebih besar dari (du)
diterima yaitu tidak adanya atau tidak terdapat autokolerasi. (untuk angka du
UJI HETEROSKEDASTISITAS
Uji ini bertujuan untuk menguji apakah dalam model regresi terjadi
lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap,
3. Untuk mendapatkan variabel residual dengan cara pilih Save pada Layar
unstandardized residual.
4. Pilih Continue lalu OK. Maka pada Variable Data akan muncul 1 Variabel
Transform Compute Variable kemudian beri nama Res_2 dan klik OK.
6. Kemudian Logaritmakan Res_2 dengan menu Transform dan Compute.
7. Regresikan LNRes_2 sebagai variabel dependen dan variabel IMT, UMUR
HasiL output SPSS memberikan koefisien variabel independen tidak ada yang
Heteroskedasititas.