Sejarah SPSS

SPSS (awalnya, Paket Statistik untuk Ilmu Sosial) dirilis di versi pertama yaitu pada tahun 1968
setelah dikembangkan oleh Norman H. Nie dan C. Hadlai Hull. Norman Nie sendiri yaitu seorang
ilmuan politik pasca sarjana di Stanford University, saat itu sedang mengadakan Riset Profesor di
Departemen Ilmu Politik di Stanford dengan Profesor Emeritus Ilmu Politik di University of Chicago.

Kepanjangan SPSS
Pada awalnya kepanjangan SPSS adalah Statistikal Package for the Social Sciens dimana pada waktu
itu SPSS dibuat untuk keperluan pengolahan data statistik untuk ilmu-ilmu sosial, sehingga .
Sekarang kemampuan SPSS diperluas untuk melayani berbagai jenis pengguna (user), seperti untuk
proses produksi di pabrik, riset ilmu sains dan lainnya. Dengan demikian, sekarang kepanjangan dari
SPSS adalah Statistical Product and Service Solutions.

Rilis perdana
1968

Sistem operasi
x1Windows, zLinux, Linux / UNIX & Mac

Jenis
Analisis statistika, eksplorasi data, analisis data, pengumpulan data

Lisensi
Perangkat lunak tak bebas

Pengembang
SPSS inc. 28 Juli 2009, SPSS disebut sebagai PASW (Predictive Analytics SoftWare), karena
perusahaan ini telah dibeli oleh perusahaan IBM dengan harga US$1,2 miliar.

Platform
Java

Variabel Independen Variabel ini sering disebut sebagai variabel stimulus, prediktor, antecedent,
atau eksogen. Dalam Bahasa Indonesia sering disebut variabel bebas, yaitu variabel yang
mempengaruhi atau yang menjadi sebab perubahan atau timbulnya variabel dependen

Variabel Dependen Variabel ini sering disebut sebagai variabel output, kriteria, konsekuen, indogen.
Dalam Bahasa Indonesia disebut variabel terikat (Var. Y). Variabel terikat merupakan variabel yang
dipengaruhi atau menjadi akibat, karena adanya variabel bebas.

Variabel Moderating Variabel yang memengaruhi (memperkuat atau melemahkan) hubungan antara
variabel independen dengan variabel dependen

Variabel Intervening Variabel yang secara teoritis memengaruhi hubungan antara variabel
independen dan variabel dependen, tetapi tidak dapat diamati dan diukur. Variabel ini merupakan
variabel penyela/antara yang terletak di antara variabel independen dan variabel dependen,
sehingga variabel independen tidak secara langsung memengaruhi berubahnya atau timbulnya
variabel dependen

Variabel Kontrol Variabel yang dikendalikan atau dibuat konstan sehingga hubungan variabel
independen dan variabel dependen tidak dipengaruhi oleh faktor luar yang tidak diteliti. Contohnya
variabel pengaruh industri (industrial effect). Pengaruh industri digunakan sebagai variabel kontrol
jika riset tersebut sampelnya menggunakan jenis perusahaan manufaktur dan nonmanufaktur
(heterogen). Mengingat karakteristik keduanya sangat berbeda, maka untuk meredakan bias yang
ada ditambahkan variabel pengaruh industri dalam model penelitian.

POPULASI
Menurut Sugiyono (2019 : 61), “Populasi adalah wilayah generalisasi yang terdiri dari objek/subjek
yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari
dan kemudian ditarik kesimpulannya”

SAMPEL
Sampel adalah bagian dari jumlah dan karakteristik yang dimiliki oleh populasi. Sampel yang diambil
dari populasi harus betul-betul representative atau mewakili (Sugiyono, 2019:62)

SAMPLING
Proses menyeleksi sejumlah elemen dari populasi sehingga dengan mempelajari sampel dan
memahami sifat-sifat subyek dalam sampel, maka kita mampu menggenalisir sifat-sifat tersebut ke
dalam elemen-elemen populasi

ALASAN SAMPLING
• Adanya populasi yang sangat besar, di dalam populasi yang sangat besar dan tidak terbatas tidak
mungkin seluruh populasi diamati atau diukur karena akan membutuhkan waktu yang lama.
• Homogenitas, populasi yang homogen tidak perlu semua unit populasi dkiperiksa karena akan
membuang waktu serta tidak akan ada guunanya karena variabel yang akan diteliti telah terwakili
oleh sebagian saja dari populasi tersebut.
• Menghemat waktu dan biaya
• Ketelitian / ketepatan pengukuran, meneliti yang sedikit tentu akan lebih teliti jika dibandingkan
dengan meneliti jumlah banyak.
• Adanya penelitian yang untuk melakukan penelitian, objek penelitiannya harus dihancurkan.

SYARAT-SYARAT SAMPEL YANG IDEAL

• Dapat menghasilkan gambaran yang tepat tentang karakter populasi
• Dapat menentukan presisi (ketepatan) dari hasil penelitian dengan menentukan simpangan baku
dari taksiran yang diperoleh.
• Sederhana, mudah dilaksanakan.
• Dapat memberikan keterangan sebanyak mungkin dengan biaya seminimal mungkin.

1. Probablity Sampling

Probability Sampling ialah teknik untuk memberikan peluang yang sama pada setiap anggota
populasi untuk dipilih menjadi anggota sampel. Dengan kata lain cara pengambilan sampel yang
memberikan kesempatan yang sama untuk diambil kepada setiap elemen populasi. Probability
sampling terbagi menjadi beberapa cara yaitu :

1. Simple Random Sampling ( Sampel Random Sederhana )

Simple random sampling ialah cara pengambilan sampel dari anggota populasi dengan
menggunakan acak tanpa memperhatikan strata (tingkatan) dalam anggota populasi tersebut. Hal ini
dilakukan apabila anggota populasi dianggap homogen (sejenis). Cara pengambilan sampel melalui
beberapa cara yaitu undian, kalkulator, table angka acak, computer.

2. Sample Random Systematic ( Sampel Random Sistematik )

Metode pengambilan sampel secara sistematis dengan interval (jarak) tertentu antar sampel yang
terpilih. Cara ini menuntut kepada peneliti untuk memilih unsur populasi secara sistematis, yaitu
unsur populasi yang bisa dijadikan sampel adalah yang “keberapa”.

3. Sampel Random Berstrata (Stratified Random Sampling)

Metode pengambilan sampel dengan cara membagi populasi ke dalam kelompok-kelompok yang
homogen (disebut strata), dan dari tiap stratum tersebut diambil sampel secara acak.pengambilan
sampel dari anggota populasi secara acak dan berstrata tetapi sebagian ada yang kurang
proporsional pembagiannya. Dilakukan sampling ini apabila anggota populasinya heterogen (tidak
sejenis).

4. Sample Random Berkelompok ( Cluster Sampling )

Pengambilan sampel dilakukan terhadap sampling unit, dimana sampling unitnya terdiri dari satu
kelompok (cluster). Tiap item (individu) di dalam kelompok yang terpilih akan diambil sebagai
sampel.

5. Sample Random Bertingkat ( Multi Stage Sampling )

Metode pengambilan sampel yang proses pengambilan sampelnya dilakukan dalam dua tahap (two-
stage sampling) atau lebih. Proses pengambilan sampel dilakukan bertingkat, baik bertingkat dua
maupun lebih.

6. Non-Probability Sampling

Non-Probability Sampling merupakan teknik pengambilan sampel tidak dipilih secara acak. Unsur
populasi yang terpilih menjadi sampel bisa disebabkan karena kebetulan atau karena faktor lain yang
sebelumnya sudah direncanakan oleh peneliti. Macam-macam Non-Probability Sampling sebagai
berikut:

1. Purposive Sampling (Sampel Pertimbangan)

Purposive Sampling merupakan Satuan sampling yang dipilih berdasarkan pertimbangan tertentu
dengan tujuan untuk memperoleh satuan sampling yang memiliki karakteristik yang dikehendaki.
Teknik ini digunakan terutama apabila hanya ada sedikit orang yang mempunyai keahlian (expertise)
di bidang yang sedang diteliti.

2. Accidental Sampling (Sampel tanpa sengaja)

Accidental sampling adalah teknik penentuan sampel berdasarkan faktor sponantanitas, artinya
siapa saja yang tidak sengaja bertemu dengan peneliti dan sesuai dnegan karakteistik maka orang
tersebut dapat digunakan sebagai sampel (responden).

3. Quota Sampling (Sampel Kuota)

Pengambilan sampel hanya berdasarkan pertimbangan peneliti saja, hanya disini besar dan kriteria
sampel telah ditentukan lebih dahulu.

4. Saturation Sampling (Sampel Jenuh)

Teknik pengambilan sampel bila semua anggota populasi digunakan sebagai sampel, ini syaratnya
populasi tidak banyak, atau peneliti ingin membuat generalisasi dengan kesalahan sangat kecil.

5. Snowball Sampling (Sampel Bola Salju)

Sampel diambil secara berantai, mulai dari ukuran sampel yang kecil semakin menjadi besar. Cara ini
banyak dipakai ketika peneliti tidak banyak tahu tentang populasi hanya tahu satu atau dua orang
berdasarkan penilaian biasa dijadikan sebagai sampel.

1.   Statistik Parametrik

Statistik parametrik merupakan teknik pengujian data dalam statistik yang berguna untuk menguji
hipotesis dengan melibatkan parameter populasi. Uji statistik parametrik ini hanya dapat digunakan
jika asumsi analisis data yang akan diuji sudah terpenuhi, antara lain data yang digunakan
berdistribusi normal atau homogen. Ada yang mengatakan bahwa untuk menggunakan uji statistik
parametrik haruslah data yang memiliki jumlah sampel yang besar. Namun berdasarkan temuan dari
Statmat.id menyatakan bahwa pernyataan itu belum tentu benar dikarenakan ukuran sampel itu
merupakan hal yang sangat relatif.

2. Jenis Uji Statistik Parametrik

Setelah mengetahui pengertian dari uji statistik parametrik, kita perlu mengenali uji statistik
parametrik apa saja yang cukup sering digunakan, antara lain:

1. Uji-T, digunakan untuk menguji signifikansi dalam satu atau dua kelompok sampel

2. ANOVA, digunakan untuk menguji signifikansi perbedaan dua rerata atau lebih

3. Regresi, digunakan untuk menguji hubungan antar variabel

4. Korelasi, digunakan untuk menguji hubungan antar variabel

5. Analisis jalur, digunakan untuk menguji hubungan sebab akibat yang didapatkan melalui
kajian teori yang telah dirumuskan

3. Statistik Non Parametrik

Statistik non parametrik merupakan uji statistik yang dilakukan dengan tanpa adanya pendugaan
sebelumnya pada nilai populasi. Uji statistik non [parametrik ini digunakan untuk melihat perbedaan
antara rata-rata nilai tengah 2 kelompok daratan yang sudah diberi ranking. Selain itu, uji ini dapat
digunakan untuk melihat perbedaan antara nilai mediannya. Keuntungan menggunakan uji statistik
non parametrik adalah kita tidak membutuhkan asumsi normalitas. Adapun kekurangannya adalah
hasil dari uji metode ini tidak dapat digunakan untuk mengestimasi karakter populasi.

4. Jenis Uji Statistik Non Parametrik

Pada bagian sebelumnya kita telah mengenali apa itu statistik parametrik dan nonparametrik serta
contoh jenis uji statistik parametrik. Pada bagian ini kita akan mengenali beberapa jenis uji statistik
non parametrik, antara lain Uji Binomial, Run Test, Goodness of Fit Kolmogorov Smirnov satu
sampel, Uji Mc nemar, Wilcoxon sampel berpasangan, Uji tanda dua sampel independen, Uji median
Mann-Whitney, Rank Spearman, Uji korelasi Kendall-Tau, Uji Chi-Square, dan lainnya

Uji normalitas
dikatan nomal apabila tinkat signifikasinya > 0,05
tingkat sign < 0,05 tidak normal
cari di table kolimogrov Smirnov
Uji multikolinieritas
Jika VIF dibawah atau < 10 dan tolerance value diatas > 0,1 maka tidak terjadi multikolineritas
cari di table coefisient

Uji heteroskedastisitas
cari di scatterplot
tidak terjadi heteroskedastisitaf jika menyebar

1. Normalitas Data
Uji Normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau
residual mempunyai distribusi normal. Ada dua cara mendeteksi apakah residual memiliki distribusi
normal atau tidak, yaitu dengan analisis grafik dan uji statistik.

Langkah : Klik Analyze  Regression  setelah semua kolom dependent dan independent terisi
kemudian klik Save  ceklis Unstandardized  klik Continue  Klik OkKemudian Klik Analyze  Non
Parametric Test  1-Sample KS  Masukan RES_1 ke kolom Test Variable List kemudian klik OK.

Kriteria Pengujian : Jika Asym sig. Pada output Kolomogorov Smirnov > 0,05 (5%), maka data (nilai
residual) terdistribusi normal dan sebaliknya.

2. Uji Multikolinearitas
Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar
variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi di antara
variabel independen.

Langkah : Klik Analyze  Regression  Linier  Setelah semua kolom dependent dan independent
terisi, klik Statistics  Ceklis Collinearity Diagnostik  Klik Continue Klik Ok. Kemudian Lihat tabel
Coefficient kolom Collinearity statistics.

Kriteria Pengujian: Jika nilai Tolerance > 0,1 (10%) dan nilai VIF < 10 maka data tidak mengalami
multikolinearitas, dan sebaliknya.

3. Uji Auto Korelasi

Uji autokorelasi bertujan menguji apakah dalam model regresi linear ada korelasi antara kesalahan
pengganggu pada periode t dengan kesalahan penggangu pada periode t-1 (sebelumnya).
Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya.
Masalah ini timbul karena residual (kesalahan pengganggu) tidak bebas dari satu observasi ke
observasi lainnya. Model regresi yang baik adalah yang babas dari autokorelasi

Langkah : Klik Analyze  Regression  Linier  Setelah semua kolom dependent dan independent
terisi, klik Statistics  Ceklis Durbin Watson Klik Continue Klik Ok

Kriteria Pengujian : Nilai Durbin Watson pada Model Summary terletak antara batas atas (du) dan (4-
du), maka koefisien autokorelasi sama dengan nol, atau tidak terjadi auto korelasi.

(Lihat Tabel Durbin Watson)

4. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk mengetahui apakah dalam sebuah model regresi terjadi
ketidaksamaan variance residual dari pengamatan satu ke pengamatan yang lain. Jika variance
residual dari suatu pengamatan ke pengamatan yang lain tetap, maka disebut Homoskedastisitas
dan jika berbeda disebut Heteroskedastisitas. Model regresi yang baik adalah yang homokedastisitas
atau tidak terjadi Heteroskedastisitas.
Y; SRESID
X; ZPRED

Langkah : Klik Analyze  Regression  setelah semua kolom dependent dan independent terisi
kemudian klik Save  ceklis Unstandardized  klik Continue  Klik OkKemudian Klik Transform  Klik
Computer Variable  Tulis (ketik manual) “ABS_RES” pada Target Variable kemudian Klik “All” pada
“Fuction Group”  pilih “ABS” pada “function and special variable”  masukkan “ABS” ke “Numeric
Expression”  masukkan “Unstandardizes Residual pada type & label  Klik OK, kemudian abaikan
output dan lihat data. Uji Heteroskedastisitas yang biasa digunakan adalah Uji Glesjer Test

Langkah : Klik Analyze  Regression  Linier  masukkan ABS_RES ke kotak “Dependent”  masukkan
variable independent ke kotak “Independent”.  Klik OK

Kriteria pengujian:
Jika Asym. Sig pada masing masing variable independen > 5% maka data tidak mengalami
heteroskedastisitas.

5. Uji Linearitas

Linearitas adalah sifat hubungan yang linear antar variabel, artinya setiap perubahan yang terjadi
pada satu variabel akan diikuti perubahan dengan besaran yang sejajar pada variabel lainnya.Cara
melakukan uji linearitas dapat dilakukan dengan 2 cara dengan menggunakan aplikasi SPSS, yaitu
dengan fungsi “Scatter Plot Graph” dan fungsi “Compare Means”.

Kita coba cara melakukannya dengan menggunakan fungsi “Compare Means”.Pada menu, klik
Analyze, Compare Means, Means. Isikan Y ke kotak Dependent List dan Isikan X ke kotak Independen
List. Klik Tombol Options dan centang Test of Linearity.

Interprestasinya adalah: lihat kolom Sig. deviation from Linearity pada Table Anova, jika nilainya >
0,05 maka bersifat linear sehingga dapat disimpulkan memenuhi syarat linearitas.

Bagaimana melakukannya dengan fungsi “Scatter Plot”? Caranya mudah, yaitu pada menu, pilih
Chart Builder, pada Tab Gallery pilih Scatter/Dot, Masukkan X ke Axis X dan Masukkan Y ke Axis Y,
kemudian tekan OK.

Lihat pada output: Jika plot-plot yang ada mengikuti garis fit line, maka terdapat hubungan
linear.Cara pengujian dengan metode grafik seperti ini memberikan interprestasi dan tentunya
kesimpulan yang sangat bervariatif antar orang yang melakukan interprestasi, sehingga sangat
subjektif. Oleh karenanya pengujian ini tidak dianjurkan