Statistik Deskriptif

Statistik Deskriptif bertujuan:

Memberikan gambaran atau deskripsi suatu data yang dilihat dari mean,
standar deviasi, varian, maksimum, minimum, sum, range, kurtosis, dan
skewness (kemencengan distribusi).

• Data yang terdistribusi normal, mempunyai nilai skewness dan kurtosis mendekati
0 (nol).

Kasus:
Kita akan menganalisis variabel gaji kepala keluarga (EARNS).
Gunakan file Crossec1.xls

Prosedur Statistik Deskriptif:

1. Buka file Crossec1.xls, dengan perintah File, Open, Data
2. Dari menu utama SPSS, pilih Analyze, Descriptive Statistic, dan Descriptives
3. Isikan variabel yang akan dianalisis: EARNS
4. Klik Option, dan isikan statistik yang anda ingin analisis [Means, Std Dev,
Variance, Min, Max, Sum, Range, SE Mean, Kurtosis, dan Skewness]
5. Setelah itu, pilih Continue, dan OK
6. Output SPSS siap untuk diinterpretasi.

Cara Interpretasi:
1. Jumlah responden (N) adalah 100 orang, dengan gaji kepala keluarga terendah
(Minimum) = 0,75 ribu dolar dan gaji kepala rumah tangga tertinggi
(Maximum) = 30 ribu dollar.
2. Rata-rata gaji kepala rumah tangga dari 100 orang responden adalah 7.9110
ribu dolar, dengan standar deviasi sebesar 5.1297 ribu dolar.
3. Skewness digunakan untuk mengukur kemencengan dari data
4. Kurtosis digunakan untuk mengukur puncak dari distribusi data.
5. Data yang berdistribusi normal, mempunyai nilai skewness dan kurtosis
mendekati 0 (nol).
6. Dari output SPSS memberikan nilai skewness dan kurtosis masing-masing
2.590 dan 8.422, ini berarti data EARNS tidak berdistribusi normal.
7. Nilai range merupakan selisih nilai maksimum dan minimum, yaitu sebesar
29.25 ribu dolar
8. Nilai sum merupakan penjumlahan dari 100 responden gaji mereka yaitu
sebesar 791.10 ribu dolar.

1
Statistik Deskriptif & Crosstab/poppynurmayanti/2802
 Crosstab (Analisis Tabulasi Silang)

Analisis tabulasi silang:

Menyajikan data dalam bentuk tabulasi yang meliputi baris dan kolom.
Penyajian crosstab adalah data berskala nominal atau kategori.

Kasus:
Kita akan menganalisis variabel RACE (kode 1 = kulit putih, kode 2 = kulit
hitam), dan variabel REG (kode 1 = Northeast, kode 2 = Northcentral, kode 3 =
South, dan kode 4 = West)
Kita akan membuat tabulasi silang antara variabel RACE dan REG, serta ingin
menguji apakah ada asosiasi antara RACE dan REG (uji Chi-Square)

Gunakan file Crossec1.xls

Prosedur Crosstab:
1. Buka file Crosssec1.xls dengan perintah File, Open, Data
2. Dari menu utama SPSS, pilih Analyze, Descriptive Statistics, lalu pilih
Crosstab
3. Isikan variabel REG ke dalam Row(s) dan RACE ke dalam Column(s)
4. Klik Statistics, pilih Chi-Square, lalu Continue
5. Pilih Cell dan isikan observed, expected, dan percentage
6. Pilih Continue, dan OK
7. Output SPSS siap untuk diinterpretasi.

Cara Interpretasi:
1. Baris (Row) merupakan variabel REG (tempat tinggal) yang terdiri dari 4
region, sedangkan kolom (Column) adalah variabel RACE (etnis) yang terdiri
dari 2 etnis (kode 1 = kulit putih, dan kode 2 = kulit hitam)
2. Untuk REG1, jumlah kepala keluarga kulit putih (Kode 1) yang tinggal di
REG1 (Northeast) ada 28 keluarga, sedangkan kepala keluarga kulit hitam
(Kode 2) yang tinggal di REG1 (Northeast) ada 1 keluarga.
3. % within REG artinya, persentase jumlah keluarga kulit putih yang tinggal
di REG1 terhadap total keluarga kulit putih dan kulit hitam yang tinggal di
REG1 sebesar 96,6% (=28/29 x 100%)
4. % within RACE artinya, persentase keluarga kulit putih yang tinggal di REG1
terhadap total keluarga kulit putih semua adalah 30,1% (28/93 x 100%)
5. % total artinya, persentase jumlah keluarga kulit putih yang tinggal di REG1
terhadap total keluarga kulit putih dan hitam seluruhnya adalah 28% (28/100)
6. Chi-Square digunakan untuk menguji apakah ada asosiasi atau hubungan
antara RACE dan REG.

2
Statistik Deskriptif & Crosstab/poppynurmayanti/2802
 7. Hasil Chi-Square menunjukkan nilai = 5,720 dengan probabilitas signifikansi
0,126. Karena nilainya jauh di atas dari 0,05, maka disimpulkan bahwa tidak
ada hubungan antara RACE dan REG.

reg * race Crosstabulation

race Total

1.00 2.00

reg 1.00 Count 28 1 29

Expected Count 27.0 2.0 29.0
% within reg 96.6% 3.4% 100.0%
% within race 30.1% 14.3% 29.0%
% of Total 28.0% 1.0% 29.0%
2.00 Count 27 0 27
Expected Count 25.1 1.9 27.0
% within reg 100.0% .0% 100.0%
% within race 29.0% .0% 27.0%
% of Total 27.0% .0% 27.0%
3.00 Count 23 4 27
Expected Count 25.1 1.9 27.0
% within reg 85.2% 14.8% 100.0%
% within race 24.7% 57.1% 27.0%
% of Total 23.0% 4.0% 27.0%
4.00 Count 15 2 17
Expected Count 15.8 1.2 17.0
% within reg 88.2% 11.8% 100.0%
% within race 16.1% 28.6% 17.0%
% of Total 15.0% 2.0% 17.0%
Total Count 93 7 100
Expected Count 93.0 7.0 100.0
% within reg 93.0% 7.0% 100.0%
% within race 100.0% 100.0% 100.0%
% of Total 93.0% 7.0% 100.0%

3
Statistik Deskriptif & Crosstab/poppynurmayanti/2802
 Chi-Square Tests
Value df Asymp. Sig. (2-
sided)
Pearson Chi-Square 5.720a 3 .126
Likelihood Ratio 7.061 3 .070
Linear-by-Linear Association 3.029 1 .082
N of Valid Cases 100

a. 4 cells (50.0%) have expected count less than 5. The minimum

expected count is 1.19.

4
Statistik Deskriptif & Crosstab/poppynurmayanti/2802