DATA ENTRY

Dosen Pengampu:
Prof. Dr. Elisabet Siahaan, SE., M.Ec.

Mata Kuliah:
Statistik Penelitian

Disusun oleh:
Kelompok 4
Tiara Dzikri Sumantri 200502138
Vetty Veronika Simanjuntak 200502139

DEPARTEMEN MANAJEMEN
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS SUMATERA UTARA
MEDAN
2021/2022
A. INPUT DATA (DATA ENTRY)
Data adalah sekumpulan catatan atau laporan yang berupa simbol, angka, kata-kata yang
didapatkan melalui proses pengamatan atau sesuatu berupa file (Irmansyah 2003 : 26). Arikunto
(2002 : 56) mengatakan penginputan data adalah proses pemindahan data dari fisik menjadi
digital yang dimana data tersebut akan diketik dan dimasukkan kedalam komputer. Pekerjaan
data entry ini biasanya bersifat administrative. Mereka bisa ada di berbagai bidang pekerjaan,
tetapi umumnya mereka dibutuhkan untuk layanan keuangan, ritel, transportasi dan Kesehatan.
Roberthalf dan Glassdoor menyatakan, beberapa tanggung jawab pekerjaan data entry
adalah sebagai berikut.
 Mempersiapkan dan menyortir dokumen sebelum datanya masuk ke dalam
komputer.
 Memasukkan data ke dalam database milik perusahaan.
 Memeriksa dan memastikan keakuratan data yang sudah masuk ke dalam
database.
 Menyelesaikan perbedaan informasi dan data yang tidak lengkap.
 Membuat data cadangan yang menjadi bagian dari rencana kontingensi.
 Menanggapi permintaan informasi dari anggota yang berwenang.
 Menguji sistem database baru dan pembaruan dari perangkat lunak.
 Mengelola dokumen dan catatan dengan baik.
 Menyiapkan laporan yang relevan sesuai dengan kebutuhan.
 Menerima dan memproses invoice untuk pembayaran dan memperbarui rincian
invoice.
 Mengidentifikasi dan mengoreksi kesalahan saat memasukkan data
menggunakan metode kontrol kualitas yang sesuai.

Di perusahaan, fungsi dari data entry ini sangat penting untuk dapat meminimalisir beban
administrasi, memangkas biaya, dan memastikan bila sumber data berasal dari sumber-sumber
yang penting.
 Adapun peran dan fungsi dari data entry meliputi (Nur Lella Junaedi, 2021) :

 Memasukkan data ke perangkat lunak berbasis data dan memeriksanya untuk memastikan
keakuratan data yang telah dimasukkan.
 Menguji system database baru dan pembaruan perangkat lunak.
 Menanggapi permintaan informasi dari anggota yang berwenang.
 Mempersiapkan dan menyortir dokumen untuk entry data.
 Membuat cadangan data sebagai bagian dari rencana kontingensi.
 Menyelesaikan perbedaan dalam informasi dan mendapatkan informasi lebih lanjut untuk
dokumen yang tidak lengkap.
Disamping itu, tidak jarang terjadi kesalahan dalam menginput data atau data entry, hal
tersebut mengandung resiko dan pengaruh besar, diantaranya:
 Kesalahan kecil saja saat input akan menghasilkan output yang salah
 Menyulitkan operator atau peneliti, berdampak waktu yang dibutuhkan untuk mengentri
data lebih lama sehingga dapat menghambat sebuah penelitian.

Oleh karena itu, untuk meminimalisir kesalahan yang terjadi pada input data, dilakukan tiga
tindakan, diantaranya:

 Tindakan Preventif (pencegahan), berupa mengikuti setiap prosedur penulisan dengan

baik dan benar, pembatasan bidang atau pembahasan dalam menginput data
 Tindakan Detection (deteksi), dimana dilakukan pengontrolan dalam menginput data
serta memastikan data yang telah diinput adalah benar dan telah memenuhi prosedur
penulisan
 Tindakan Corrective (perbaikan), melakukan perbaikan terhadap kesalahan sesuai
prosedur perbaikan, menginput ulang, serta membuat list jejak audit untuk mempermudah
mengetahui kesalahan yang dilakukan.

Mekanisme dalam menginput data ada dua, antara lain:

1. Batch system (delayed process system)

Batch system adalah data diolah dalam satuan kelompok (bundel) dokumen. Adapun
proses dari data entry batch system, yaitu:
 Data capture (pengambilan data)
 Data preparation (persiapan data)
 Data entry and validation (input data dan validasi)

Adapun proses validasi input data, yaitu (Fauziah Diah, 2013) :

 Echo check, data yang diketik pada keyboard untuk dimasukkan pada
komputer akan ditampilkan pada layar komputer. Program dibuat
sedemikian rupa dengan memberikan kesempatan operator untuk
memperbaiki apabila ada data yang salah dimasukkan.
 Excistence check, proses mengacak kode (rumus) yang diinput dengan
membandingkan kode yang dihasilkan sesuai kode atau tabel kode yang
valid yang sudah dimasukkan ke program
 Matching check, pengecekan yang dilakukan dengan membandingkan
kode yang dimasukkan dengan field di file induk bersangkutan.
 Field Check, proses validasi data yang dimasukkan diperiksa
kebenarannya dengan mencocokkan nilai dari field data tersebut dengan
tipe fieldnya, apakah bertipe numerik, alphabetik, atau tanggal.
 Sign Check, pemeriksaan data dengan field numerik untuk menentukan
apakah telah terisi dengan memenuhi tanda yang benar apakah positif atau
negatif.
 Relationship Check/Logical Check, pemeriksaan hubungan antara item-
item data entry yang dimasukkan ke komputer harus sesuai dan masuk
akal, jika tidak masuk akan, akan ditolak oleh komputer.
 Limit Check/Reasonable Check, pemeriksaan pada nilai input data
beralasan atau tidak dan sesuai dengan batasan yang telah ditentukan
dalam program, jika nilai diluar batas minimum atau maksimum maka
pesan akan nampak pada layar monitor.
 Range Check, pemeriksaan yang dilakukan terhadapt nilai yang
dimasukkan dapat diseleksi supaya tidak keluar dari jangkauan nilai yang
telah ditentukan dalam program.
  Self Checking Digit Check, pengecekan untuk memeriksa kebenaran dari
digit-digit data yang dimasukkan. Dilakukan untuk menghindari operator
melakukan kesalahan saat memasukkan digit data.
 Sequence Check, pemeriksaan urutan dari record data yang dimasukkan
dengan cara membandingkan nilai field record sebelumnya yang terakhir
diinput.
 Label Check, pemeriksaan yang dilakukan untuk menghindari kesalahan
penggunaan file, maka label internal yang ada di simpan luar, dapat
diperiksa untuk dicocokan dengan yang seharusnya digunakan.
 Batch Control Total Check, merekonsilisasi field setelah diinput dengan
total field ynag telah diinput. Batch sistem ini transaksinya dikumpul
terlebih dahulu selama satu periode dan digunakan untuk mengupdate file
induk. Batch control total check ini dibagi menjadi 3 diantaranya financial
total, hasil total, dan record count.
 Zero Balance Check, pemeriksaan apabila kedua nilai tersebut dikurangi
maka hasil selisishnya harus 0 (nol). Selisihnya harus seimbang.

B. PENGENALAN SPSS

SPSS (Statistical Program for Sosial Science) adalah sebuah program aplikasi yang biasa
digunakan untuk pengolahan dan menganalisis data yang memiliki kemampuan analisis statistic
serta system manajemen data dengan lingkungan grafis (Zulkarnain Lubis dkk, 2017). Aplikasi
ini biasanya digunakan untuk ilmu social saja, tetapi perkembangan berikutnya digunakan untuk
berbagai disiplin ilmu.

SPSS juga dapat digunakan oleh peneliti pasar, kesehatan, perusahaan survei, pemerintah,
Pendidikan, organisasi pemasaran, dan sebagainya. Selain analisis statistic, manajemen data
(seleksi kasus, penajaman file, pembuatan data turunan) dan dokumentasi data (kamus metadata
ikut dimasukkan bersama data) juga merupakan fitur-fitur dari software dasar SPSS (Sutrisno
dkk, 2017).

Proses pengolahan data SPSS adalah sebagai berikut (Ni Wayan Suardi Putri dkk, 2016):
 Penjelasan Proses Statistik dengan SPSS:

 Data yang akan diproses dimasukkan lewat menu DATA EDITOR yang
otomatis muncul di layar saat SPSS dijalankan.
 Data yang diinput kemudian diproses, juga lewat menu DATA EDITOR.
 Hasil pengolahan data muncul di layar (window) yang lain dari SPSS,
yaitu OUTPUT NAVIGATOR
SPSS dapat membaca berbagai jenis data atau memasukkan data secara langsung ke dalam
SPSS Data Editor. Bagaimanapun struktur dari file data mentahnya, maka data dalam Data
Editor SPSS harus dibentuk dalam bentuk baris (cases) dan kolom (variables). Beberapa
kemudahan yang lain yang dimiliki SPSS dalam pengoperasiannya adalah karena SPSS
menyediakan beberapa fasilitas seperti berikut ini (Ni Wayan Suardi Putri dkk, 2016):

NO Fasilitas SPSS Keterangan

1. Data Editor Merupakan jendela untuk pengolahan data. Window ini

terbuka secara otomatis setiap kali program spss
dijalankan, dan berfungsi untuk input data SPSS. Pada
data editor juga dijumpai berbagai menu utama untuk
memanipulasi data input dan proses data dengan berbagai
macam metode statistik.

2. Viewer Viewer mempermudah pemakai untuk melihat hasil

 pemrosesan, menunjukkan atau menghilangkan bagian-
bagian tertentu dari output, serta memudahkan distribusi
hasil pengolahan dari SPSS ke aplikasi-aplikasi yang lain.
Isi viewer bisanya berupa sebuah tabel, sebuah grafik,
sebuah teks atau kombinasi ketiganya.

3. Multidimensional Pivot Hasil pengolahan data akan ditunjukkan dengan

Tables multidimensional pivot tables. Pemakai dapat melakukan
eksplorasi terhdap tabel dengan pengaturan baris, kolom,
serta layer. Pemakai juga dapat dengan mudah melakukan
pengaturan kelompok data dengan melakukan splitting
tabel sehingga hanya satu group tertentu saja yang
ditampilkan pada satu waktu.

4. High-Resolution Graphics Dengan kemampuan grafikal beresolusi tinggi, baik untuk

menampilkan pie charts, bar charts, histogram,
scatterplots, 3-D graphics, dan yang lainnya5, akan
membuat SPSS tidak hanya mudah dioperasikan tetapi
juga membuat pemakai merasa nyaman dalam
pekerjaannya.

5. Database Access. Pemakai program ini dapat memperoleh kembali informasi

dari sebuah database dengan menggunakan Database
Wizard yang disediakannya.

6. Data Transformations Transformasi data akan membantu pemakai memperoleh

data yang siap untuk dianalisis. Pemakai dapat dengan
mudah melakukan subset data, mengkombinasikan
kategori, add, aggregat, merge, split, dan beberapa
perintah transpose files, serta yang lainnya.

7. Electronic Distribution Pengguna dapat mengirimkan laporan secara elektronik

menggunakan sebuah tombol pengiriman data (e-mail)
 atau melakukan export tabel dan grafik ke mode HTML
sehingga mendukung distribusi melalui internet dan
intranet.

8. Online Help SPSS menyediakan fasilitas online help yang akan selalu
siap membantu pemakai dalam melakukan pekerjaannya.
Bantuan yang diberikan dapat berupa petunjuk
pengoperasian secara detail, kemudahan pencarian
prosedur yang diinginkan sampai pada contoh-contoh
kasus dalam pengoperasian program ini.

9. Akses Data Tanpa Tempat Analisis file-file data yang sangat besar disimpan tanpa
Penyimpanan Sementara membutuhkan tempat penyimpanan sementara. Hal ini
berbeda dengan SPSS sebelum versi 11.5 dimana file data
yang sangat besar dibuat temporary filenya.

10. Interface dengan Fasilitas ini akan menambah efisiensi dan memudahkan
Database Relasional pekerjaan untuk mengekstrak data dan menganalisnya dari
database relasional.

11. Analisis Distribusi Fasilitas ini diperoleh pada pemakaian SPSS for Server
atau untuk aplikasi multiuser. Kegunaan dari analisis ini
adalah apabila peneliti akan menganalisis file-file data
yang sangat besar dapat langsung me-remote dari server
dan memprosesnya sekaligus tanpa harus memindahkan ke
komputer user.

12. Multiple Sesi SPSS memberikan kemampuan untuk melakukan analisis

lebih dari satu file data pada waktu yang bersamaan.

13. Mapping Visualisasi data dapat dibuat dengan berbagai macam tipe
baik secara konvensional atau interaktif, misalnya dengan
menggunakan tipe bar, pie atau jangkauan nilai, simbol
 gradual, dan chart.

Langkah permualaan dalam menjalankan SPSS adalah sebagai berikut (Zulkarnain dkk,
2017):

 Start – All Programs – SPSS Inc – SPSS atau dengan langsung klik ikon SPSS pada
screen perangkat
 Sehingga akan tampil SPSS Data Editor seperti berikut:

Dari gambar di atas, aplikasi SPSS memiliki menu utama, yaitu:

1. File : berfungsi untuk hal yang berkaitan dengan file seperti membuka file,
menyimpan file, menutup file, dan juga lainnya. Dengan submenu antara lain : New,
Open, Save, Save As, hingga Exit.
2. Edit : berfungsi untuk proses editing seperti penambahan variabel atau cases. Dengan
submenu antara lain : Undo, Redo, Cut, Copy, hingga Option
3. View : berfungsi untuk melihat tampilan SPSS. Anda bisa merubah tampilan menu
sesuai dengan apa yang anda inginkan. Dengan submenu antara lain : status bar,
toolbars, menu editor sampai variabel.
4. Data : berfungsi untuk hal yang berkaitan dengan data seperti menggabungkan data,
validasi data, dll. Dengan submenu atara lain : define variabel properties, copy data
properties, validasi hingga weight cases.
5. Transform : berfungsi untuk perubahan data. Dengan submenu antara lain : compute
variabel, recode into same variabel, rank cases, hingga run pending transformation.
6. Analyze : berfungsi untuk melakukan analisis data yang merupakan menu dimana
anda melakukan analisis statistik mulai dari analisis deskriptif seperti menampilkan
tabel atau grafik, sampai analisis yang lebih komplek. Dengan submenu antara lain :
Descriptive analysis, tables, compare mean, hingga ROC curve.
7. Graphs : berfungsi sebagai pembuat grafik. Di menu unu anda bisa membuat
bermacam-macam tampilan grafik seperti grafik batang, grafik garis, dll.
8. Utilities : berfungsi sebagai tempat informasi variabel, data, maupun menjalankan
script.
9. Extensions : berfungsi sebagai tempat aplikasi tambahan yang kompatibel dengan
SPSS seperti Amos, text analysis, dll.
10. Windows : berfungsi untuk melakukan perpindahan file data yang aktif antara satu
file dengan file lainnya.
11. Help : Menu File berfungsi untuk membantu pengguna mempelajari SPSS lewat
tutorial yang menarik dan step-by-step.

Di samping itu, terdapat juga menu lainnya yang berada pada bagian bawah (tab sheet),
yakni:

1. Data View : tempat untuk menginput data statistik atau tempat hasil dari
pemberian nama atau pemberian variabel pada variabel view. Inilah yang selalu
tampil di layar.
 2. Variabel View : tempat untuk menginput variable statistik. Bagian ini digunakan
hanya pada saat memasukkan dan mendefinisikan variabel-variabel.

Sehingga, jika belum ada inputing data apapun, maka pertama kali yang di buka
adalah Variabel View. Pada tempat ini dilakukan pemasukkan variabel (bukan data).
Setelah selesai proses selanjutnya adalah pemasukan data menggunakan Data View,
begitu pula jika kemudian dilakukan penambahan data, penghapusan data, edit data,
semua dilakukan di area data view.

C. MEMBUAT DATA BARU

Setelah window Data Editor terbuka, kita dapat membuat file baru menggunakan Variabel
View. Dalam Variabel View, terdapat beberapa kolom untuk mensetting data editor, yaitu Name,
Type, Width, Decimal, Label, Value, Missing, Colums, Align, dan Measure. Adapun tampilan
daripada Variabel View adalah sebagai berikut:

o Ketik nama variabel sesuai dengan yang kita inginkan. Adapun ketentuan dalam
memberikan nama variable adalah sebagai berikut:
1. Nama variabel harus diawali dengan huruf.
2. Tidak boleh diakhiri dengan tanda titik.
3. Panjang nama variabel maksimum sebanyak 8 karakter.
4. Tidak boleh ada blank (spasi) dan karakter special seperti !,?,', dan *.
 5. Tidak boleh ada nama variabel yang sama.
o Sebagai contoh kita akan mengisikan nama variabel "gender" seperti gambar berikut.

Pada gambar di atas, juga terdapat kolom-kolom lainnya akan terisi secara otomatis.
Namun, kita boleh mengganti atau menukar sesuai keinginan kita.
o Pada kolom Type, terdapat pilihan yang yang ditawarkan untuk tiap variabel, seperti:
Numeric, Comma, Dot, Scientific Notation, Date, Dollar, Custom Currency, dan String.

Biasanya untuk keperluan analisis data yang biasa dipakai adalah: tipe Numeric, Custom
Currency, Dollar, Date dan String.
1. Numeric : digunakan untuk memasukkan data dalam bentuk angka.
 2. Custom Currency : digunakan untuk memasukkan data dalam bentuk format mata
uang.
3. Date : digunakan untuk memasukkan data dalam bentuk format waktu.
4. Dollar : digunakan untuk memasukkan data dalam bentuk angka yang ditandai ($)
dengan tanda koma sebagai pemisah tanda ribuan.
5. String: digunakan untuk memasukkan data dalam bentuk karakter/huruf
(misalnya: nama responden, alamat, lokasi penelitian, jenis pekerjaan dan
sebagainya). Data dalam bentuk ini tidak bisa diolah secara statistik. Apabila data
jenis ini ingin diolah secara statistik, maka harus terlebih dahulu dikode dengan
angka dan dimasukkan sebagai data type Numeric.
o Width dan Decimal : secara otomatis akan berisi sesuai dengan pada saat diisi tipe
variabel.
o Label : ketikkan nama sesuai dengan identitas dari nama variabel. Agar kita mengetahui
kepanjangan dari singkatan tersebut maka sebaiknya pada kolom label diisi keterangan
lengkap dari nama variabel tersebut.
o Values : digunakan untuk mendefenisikan variabel dengan data berbentuk kategori.
Sebagai contoh kita akan mengisikan valuenya seperti berikut.
Pada kolom Value ketik "1", kemudian kolom Label kita isikan "Laki-laki", kemudian
klik Add. Setelah itu untuk membuat value lainnya, kita akan membuatnya dengan
mengetik "2" pada kolom Value, dan "Perempuan" pada kolom Label. Kemudian klik
OK.
o Missing, Columns dan Allign : secara otomatis akan berisi sesuai dengan pada saat diisi
tipe variabel.
 Columns : Columns berfungsi untuk menentukan lebar kolom pada Data View.
Semakin besar nilainya maka semakin lebar tampilan kolom yang ada di Data
View.
 Allign : Align berfungsi untuk menentukan rata tulisan dari sebuah variabel.
Tersedia 3 pilihan align, yakni: Left: penulisan rata kiri
Right: penulisan rata kanan
Center: penulisan rata tengah
o Measure : Menu ini mendefinisikan jenis data apa yang kita punyai. Pilihan yang ada
adalah scale, nominal dan ordinal.
1. Scale : adalah tipe variabel yang digunakan untuk melakukan perhitungan data
terhadap variabel angka, seperti menghitung nilai statistika deskriptif.
Beberapa contoh penggunaan variabel scale adalah sebagai berikut,
 Variabel tinggi badan siswa
 Variabel nilai suatu ujian
 Variabel harga beras
 Variabel banyak pengunjung suatu objek wisata
 Variabel nilai tukar suatu mata uang
 Variabel berat badan siswa
2. Nominal : tipe variabel yang merepresentasikan suatu nilai numerik sebagai label
dari variabel tersebut. Variabel nominal tidak digunakan untuk melakukan
perhitungan data secara matematika seperti penjumlahan, pengurangan, dan lain
sebagainya. Secara fundamental variabel jenis ini digunakan untuk menghitung
banyaknya data. Hal ini sangat mempengaruhi analisis data tingkat lanjut.
Beberapa contoh penggunaan nominal level saat membuat variabel dengan
menggunakan SPSS adalah sebagai berikut,
 Variabel jenis kelamin
 Variabel nama perusahaan
 Variabel nama universitas
  Variabel nama instansi
 Variabel nama merek smartphone
 Variabel nama kabupaten
3. Ordinal : tipe variabel yang sering disebut sebagai ranked data atau data dengan
peringkat. Data dalam bentuk ordinal level dikategorikan berdasarkan kuantitas
dan kualitasnya. Beberapa contoh penggunaan ordinal level adalah sebagai
berikut,
 Variabel tingkatan pendidikan (TK, SD, SMP, SMA, dan PT)
 Variabel tingkatan organisasi (anggota, koordinator, inti, wakil ketua dan
ketua)
 Variabel tingkat umur (balita, anak-anak, remaja, dewasa, dan manula)
 Variabel tingkat suhu (dingin, hangat, dan panas)
 Variabel tingkat harga suatu produk (murah, sedang, dan mahal)
 Variabel rasa makanan (tidak enak, enak, dan sangat enak)

D. MEMASUKKAN DATA DENGAN SPSS

Berikut ini diberikan data sejumlah mahasiswa yang mengikuti mata kuliah Statistika Dasar.

Asal Daerah Umur

Nama Nilai Gender
Mahasisw UAS
a Statistika
Dasar

Kabupaten 21
Budi 65 Laki-laki Badung

Kota Denpasar 21
Putu 68 Perempuan

Kabupaten 21
Siska 50 Perempuan Gianyar

Kabupaten 21
Nyoman 65 Laki-laki
 Jembrana
Dedi

Kabupaten 22
Luh Sri 58 Perempuan Buleleng

Kabupaten 21
Sutama 61 Laki-laki Tabanan

Kabupaten 21
Kadek 69 Perempuan Karangasem
Puspayanti

Kabupaten 21
Kadek 61 Laki-laki Bangli
Yoga

Kota Bandung 21
Lina 60 Perempuan

Kota Solo 21
Mita 80 Perempuan

Kabupaten 22
Sari 65 Perempuan Bintan

Kabupaten 20
Zikri 50 Laki-laki Rokan Hilir

Kota 20
Dinda 90 Perempuan Pekanbaru

Kota Dumai 20
Lestari 80 Perempuan

Kabupaten 21
Juanda 70 Laki-laki Lingga

Kabupaten 20
Lilis 75 Perempuan Simalunguun

Kabupaten 20
Silfia 76 Perempuan
 Bintan

Kota Dumai 20
Yohanes 78 Laki-laki

Kota Jakarta 20
Anna 87 Perempuan

Kota 21
Bobi 91 Laki-laki Pontianak

Kabupaten 22
Fero 54 Laki-laki Bandung

Kota Bandung 20
Lintang 65 Laki-laki

Kota 21
Rudi 45 Laki-laki Samarinda

Kota Denpasar 20
Linda 76 Perempuan

Kota Denpasar 20
Suri 88 Perempuan

Kota Batam 22
Junaidi 90 Laki-laki

Kota Batam 21
Supriadi 92 Laki-laki

Kabupaten 20
Lisa 67 Perempuan Bintan

Kota Jakarta 21
Raisa 67 Perempuan

Kota Jakarta 21
Isayana 67 Perempuan
 Kota 20
Tari 89 Perempuan Tanjungpinang

Kota Bandung 22
Jojo 87 Laki-laki

Sebelum membuat tabel di atas menjadi data yang siap diolah oleh SPSS, perlu diperhatikan
bahwa disini ada lima jenis variabel, yaitu NAMA, NILAI UAS, GENDER, ASAL DAERAH,
dan UMUR. Selain itu, disini juga ada 32 data. Dengan demikian, sistematika input data di atas
ada dua langkah. Pertama, membuat lima variabel, kedua, mengisi lima variabel tersebut.
Untuk memasukkan data tersebut ke dalam Program SPSS, lakukan langkah- langkah sbb:
1. Klik mouse sekali pada Variabel View yang ditunjukkan dalam lingkaran merah yang ada
di sebelah kiri bawah

dengan itu tampilan akan berubah menjadi:

2. Pengisian data pada variabel view
Mendefinisikan Variabel Nama

Name Ketik “nama”

Type String
Width 20
Decimals 0
Label Mahasiswa
Values None
Missing None
Columns 20
Align Left
Measure Nominal

Mendefinisikan Variabel Nilai

Name Ketik “nilai”
Type Numeric
Width 8
Decimals 0
Label Nilai UAS Statistika
Values None
Missing None
Columns 8
Align Left
Measure Scale

Mendefinisikan Variabel Gender

Name Ketik “Gender”
Type Numeric
Width 8
Decimals 0
Label Jenis Kelamin
Missing None
Columns 8
Align Left
Measure Scale
Mendefinisikan Variabel Asal Daerah

Name Ketik “Asal_daerah”

Type String
Width 20
Decimals 0
Label Asal Daerah
Missing None
Columns 8
Align Left Mendefinisikan Variabel Umur
Measure Nominal
Name Ketik “Umur”
Type Numeric
Width 8
Decimals 0
Label Umur
Missing None
Columns 8
Align Left
Measure Ordinal
Values pada Variabel Gender

Klik mouse satu kali pada sel tsb, kemudian klik mouse satu kali lagi pada kotak yang
berisi titik tiga yang ada di sebelah kanan.

Cara pengisian Value Labels sebagai berikut:

 Pada Value diisi angka berupa kode, yaitu 1 atau 2. Untuk yang pertama, ketik
pada kotak kosong angka 1.
 Pada Value label diisi dengan keterangan dari angka 1 tsb. Misalkan kode 1
untuk Laki-laki, maka ketik pada kotak kosong itu Laki-laki
 Otomatis tombol Add aktif, dan klik mouse satu kali pada tombol tsb. Maka
otomatis keterangan 1=”Laki-laki” akan tampak pada kotak kosong yang
sejajar dengan Add.
 Isi lagi pada Value dengan angka 2
 Pada Value label diisi dengan keterangan dari angka 2 tsb. Misalkan kode 2
untuk Perempuan, maka ketik pada kotak kosong itu Perempuan.
 Otomatis tombol Add aktif, dan klik mouse satu kali pada tombol tsb. Maka
otomatis keterangan 2 = ”Perempuan” akan tampak pada kotak kosong yang
sejajar dengan Add. Klik mouse satu kali pada OK.
Setelah data selesai diisi, maka akan terlihat hasilnya sebagai berikut :

Untuk mengisi datanya, klik Data View yang ada di sebelah kiri bawah. Setelah itu akan
muncul tabel sebagai berikut :
 Berikut tampilan Data Editor setelah data di tabel dimasukkan ke dalam Data Editor
SPSS:

Menyimpan Data

Setelah semua data terisi, simpan data dengan cara sebagai berikut : Klik File, kemudian
pilih dan klik mouse satu kali pada Save As.
 Pada File Name, ketik data1. Kemudian klik mouse satu kali pada Save.

E. VARIABEL PENELITIAN
Sebelum seorang peneliti melakukan penelitian atau pengumpulan data penelitian, maka
peneliti tersebut perlu menetapkan variabel penelitian. Variabel penelitian adalah karakteristik
atau sifat dari obyek yang diteliti atau yang menjadi kajian. Variabel dapat pula diartikan sebagai
segala sesuatu yang dapat membedakan atau mengubah nilai (Prof.Dr.H. Amri Amir, SE., MS,
dkk, 2009).
Kerlinger (1978) mengartikan variabel sebagai suatu konsep yang menetukan arti atau nilai
sesuatu itu, misalnya laki-laki dalam konsep jenis kelamin, insaf dalam konsep kesadaran. Nilai
yang diberikan pada suatu objek dapat berbeda pada waktu dan atau tempat yang berbeda.
Karena itu, pengertian suatu variabel dapat berubah-ubah sesuai dari mana dan untuk apa
variabel itu dinilai.
Pengertian lain, yang dapat diberikan pada variabel penelitian yaitu sebagai suatu konsep
penilaian yang diberi- kan kepada objek yang akan diteliti. Hasil dari pengukuran terhadap
variabel-variabel penelitian akan menghasilkan data. Data yang dihasilkan merupakan data yang
akan digunakan menganalisis variabel tersebut.
Variabel dapat diukur dengan berbagai macam nilai tergantung pada konsep yang
diwakilinya. Nilai varaibel dapat berupa angka atau atribut yang menggunakan ukuran atau skala
dalam satu kisaran nilai. Karena itu variabel dapat diartikan dalam banyak macam tergantung
nilai yang diberikan pada konsep tersebut. Contoh variabel penelitian antara lain; sikap, tinggi,
berat, puas, tidak puas daan lain sebagainya. Yang penting dalam menentukan variabel itu adalah
adanya ukuran yang diberikan pada variabel. Ukuran itu bisa bermacam-macam.

Jenis Variabel
Seperti yang telah diuraikan di atas bahwa pengertian variabel terdiri dari banyak ragam.
Ditinjau dari sifatnya maka variabel dapat dibedakan menjadi variabel kualitatif dan variabel
kuantitatif.
1) Variabel Kualitatif
Variabel kualitatif adalah variabel yang menunjukkan sifat kualitas dari obyek
yang menghasilkan data kualitatif melalui pengukuran atau pengamatan. Nilai
besaran variabel kualitatif dapat ditentukan menurut kuantifikasi berjenjang atau
berskala (ordinally difined variable).
Apabila dalam menganalisis data kualitatif (yang berasal dari variabel kualitatif
ini), akan menggunakan metode statistik, maka data kualitatif tersebut harus
dikuantitatifkan lebih dulu melalui cara pemberian skor (skoring). Hal ini diperlukan
mengingat metode statistika merupakan metode komputasi dengan pendekatan
kuantitatif. Data yang demikian termasuk data diskrit dengan skala ukur nominal atau
ordinal yang menghasilkan data nominal dan data ordinal.
Contoh Variabel kualitatif:
 Warna mata (biru, hijau, coklat)
 Jenis kelamin (laki-laki)
 Jenis anjing (bulldog, pudel, lab)
 Tingkat pendidikan (SMA, SMP, Gelar Sarjana)
 Status Pernikahan (Menikah, lajang, cerai)
 Dll.
2) Variabel Kuantitatif
Variabel kuantitatif adalah variabel yang menujuk- kan sifat kuantitas. Nilai
besaran hasil pengukurannya ditentukan berdfasarkan pada kuantifikasi cardinal
(cardi- nally difined variable) dan hasil pengukurannya akan meng- hasilkan data
 kuantitatif. Data kuantitatif dari variabel kuanti-tatif diperoleh melalui cara
pencacahan, atau pengu- kuran, atau pemeriksaan laboratorium dan lain lain, yang
bisa berupa data diskrit atau data kontinyu dengan skala ukur interval dan rasio.
Contoh Variabel Kuantitatif
 Jumlah siswa dalam satu kelas
 Jumlah kaki persegi dalam sebuah rumah
 Ukuran populasi kota
 Usia seorang individu
 Tinggi badan individu

Struktur Variabel

Ditinjau dari keberadaan, keterkaitan, dan struktur pengaruhnya maka variabel dapat
dibedakan menjadi sebagai berikut:

1) Variabel Tergantung (Dependent Varible)

Dependen (terikat) adalah variabel yang dipengaruhi atau yang menjadi akibat,
karena adanya variabel bebas (Sugiyono, 2019:69).
Dalam penelitian, secara umum variabel tergantung (dependent variable)
dipengaruhi atau ditentukan oleh varia- bel bebas (independent variable) dan variabel
inilah yang menjadi topik kajian. Dalam suatu penelitian variabel tergantung
(dependent variable) bisa saja lebih dari satu.
2) Variebel Bebas (Independent Variable)
Menurut Sugiyono (2019:69) variabel independen (variabel bebas) merupakan
variabel yang mempengaruhi atau yang menjadi sebab perubahannya atau timbulnya
variabel dependen (terikat). Variabel bebas ini mempengaruhi variabel tergantung.
3) Variabel Pembaur (Confounding/Diffuser Variable)
Variabel pembaur (Confounding/Diffuser Variable) adalah suatu variabel
penelitian yang tidak menjadi pusat perhatian peneliti tetapi mempunyai pengaruh
terhadap variabel tergantung dan pengaruh tersebut mencampuri atau berbaur dengan
variabel bebas. Suatu penelitian biasanya ingin mengetahui pengaruh variabel bebas
 tertentu terhadap variabel tergantung yang tentunya pengaruh tersebut harus terbebas
dari berbaurnya pengaruh variabel-variabel yang lain yang tidak dikehendaki.
4) Variabel Penyerta (concomitant variable)
Variabel penyerta (concomitant variable) adalah suatu variabel penelitian yang
tidak merupakan pusat perhatian peneliti, akan tetapi muncul dan berpenga-ruh
terhadap keragaman variabel tergantung dan pengaruh tersebut mem-baur
(cofounding) dengan variabel bebas. Variabel ini tidak dapat dikendalikan, sehingga
tetap menyertai (terikut) dalam proses penelitian.
Agar variabel ini tidak memberikan bias terhadap hasil penelitian maka
konsekuensinya data harus diamati dan pengaruh baurnya harus dieliminir. Pengaruh
baur tersebut dapat dihilangkan (dieliminasi) pada tahap analisis data, misalnya
dengan Anova atau Manova atau dengan menjadikan data dalam bentuk logaritma
atau lon.
5) Variabel Kendali (Control Variable)
Variabel kendalai (control variable) adalah variabel yang bukan merupakan pusat
perhatian peneliti, akan tetapi berpengaruh terhadap keragaman variabel tergantung
dan pengaruh tersebut dapat dikendalikan. Pengendalian ini biasanya dilakukan
dengan cara blocking, yaitu mengelom- pokkan obyek penelitian menjadi kelompok-
kelompok yang relatip homogen atau dengan cara mengeluarkan obyek yang tidak
memenuhi kriteria atau memilih dan menjadikan obyek yang memenuhi kriteria
untuk diikutkan dalam penelitian/ kajian. Bilamana dilakukan dengan cara
pengelompokan (blocking), maka pada tahap analisis data pengaruh blocking ini
harus dihilangkan.
6) Variabel Moderat (Moderating Variable)
Variabel moderat (moderating variable) adalah variabel yang mempunyai
pengaruh kontijensi (contingent effect) yang kuat terhadap variabel bebas
(indipendent) dan variabel tergantung. Variabel moderat ini dapat mempengaruhi
variabel-variabel dependen dan indipenden sekaligus. Misalnya pimpinan perusahaan
yang mampu meningkatkan kinerja perusahaan dengan memanfaatkan tenaga kerja
yang beragam dan input lainnya, maka pimpinan perusahaan tersebut disebut degan
variabel moderat.
 Hubungan Antar Variabel

Secara teoritis inti dari suatu penelitian ilmiah adalah mencari hubungan antar variabel
yang diteliti atau setidaktidaknya mencari informasi selengkap mungkin tentang suatu variabel
dan kaitannya (baik langsung maupun tidak langsung) dengan variabel lain. Untuk penelitian
yang mencari hubungan 2 (dua) variabel penelitian atau lebih, maka hubungan yang dicari adalah
bhubungan yang sistematis antar variabel.

Untuk mencari hubungan antar variabel penelitian, secara umum dimulai dari teori.
Berdasarkan teori yang ada disusun konsep atau proposisi atau hipotesis. Dari konsep atau
proposisi atau hipotesis ditentukan hubungan antar variabel dan selanjut dilakukan pengukuran
yang meng- hasilkan data. Data yang dihasilkan itu yang nantinya di analisis untuk melihat
hubungan antar variabel penelitian.

Pencarian hubungan antar variabel penelitian mulai dari penelaahan teori, penyusunan
konsep atau hipotesis, kemudian pengukuran variabel hingga tersedianya data, dapat
digambarkan sebagai berikut.

Teori Konsep/Hipotesis Variabel Data

Teori merupakan pondasi utama dalam menjawab masalah dan mencapai tujuan suatu
penelitian. Hal ini disebabkan karena teori dapat mengambarkan atau menjelaskan hubungan
antar variabel yang secara logis diterangkan, dikembangkan, dan dielaborasi dari permusana
masalah yang telah diidentifikasi melalui observasi dan survey literatur. Survey literatur
meletakkan pondasi yang kuat untuk membangun kerangka teoritis dalam melihat hubungan
antar variabel yang diteliti.

Hubungan antar variabel yang telah berhasil diidentifikasi berdasarkan survey literatur
dapat dikelompokan dalam beberapa jenis hubungan. Hubungan itu bisa bersiaft sistimatis,
hubungan kausalitas dan hubungan asimetris. Bagai-mana gambaran jenis hubungan antar
variabel dapat dilihat pada contoh berikut ini.

1) Hubungan Sistematis
 Hubungan sistimatis merupakan hubungan yang terjadi secara sistimatis antar
variabel. Hubungan ini terjadi karena memperlihatkan (1) variabel-variabel tersebut
merupakan indikator untuk konsep yang sama, (2) variabel yang saling berhubungan
tersebut merupakan akibat dari faktor yang sama, (3) antar variabel yang
berhubungan tersebut berhubungan secara fungsional.
2) Hubungan Sebab Akibat
Hubungan sebab akibat adalah hubungan yang menunjukkan perubahan-
perubahan yang terjadi pada satu variabel (sebagai akibat) disebabkan oleh perubahan
variabel lain (sebagai penyebab). Atau dengan kata lain suatu variabel, misalnya
variabel Y dipengaruhi (dependent variable) atau dijelaskan oleh satu varaibel bebas
atau X (independent variable) tertentu. Jadi hubungan sebab akibat mengambarkan
hubungan hanya antar 2 (dua) variabel (bivariate), yang mana satu variabel adalah
variabel terikat (dependent) dan yang satu lagi adalah variabel bebas (independent).
Contoh hubungan Bivariat:
X ----- Y
X = variabel bebas (independent variable)
Y = variabel terikat (dependent variable)
3) Hubungan Korelasional
Hubungan korelasional adalah hubungan antara satu variabel terikat (dependent
variable) dengan lebih dari satu variabel bebas (independent variable). Hubungan ini
disebut hubungan yang mengandung banyak variabel (multivariate).
Contoh hububungan Multivariate:

X1

X2

X3 Y

X4

Contoh hubungan Asimetris Tiga Variabel

X ------------ I ------ Y
I = variabel intervening (moderat)
 Operasionalisasi Variabel

Penjelasan mengenai apa dan bagaimana pengukuran variabel yang akan diteliti penting
untuk dilakukan. Variabel yang dimaksud adalah variabel-variabel yang terdapat dalam hipotesis
yang diajukan. Penjelasan tentang variabel penelitian disebut dengan operasionalisasi variabel.

Operasionalisasi variabel merupakan petunjuk atau penjelasan tentang pengertian konkrit

dari setiap variabel penelitian menyangkut indikator-indikatornya, serta kemungkinan derajat
nilai atau ukurannya (Prof.Dr.H. Amri Amir, SE., MS, dkk, 2009). Penjelasan tentang variabel
penelitian dimaksudkan untuk menghindari salah penafsiran dalam memahami pembahasan-
pembahasan dalam penelitian sehingga lebih mudah diikuti. Dengan telah dijelaskannya apa dan
bagaimana variabel- variabel penelitian itu diukur, maka peneliti akan mudah melakukan
pengukuran di lapangan.

Operasionalisasi variabel selalu ditulis dalam setiap penelitian pada bagian yang
membahas tentang metodeologi penelitian. Guna untuk sebagai petunjuk dan mempermudah
peneliti melakukan pengukuran variabel dalam rangka mengumpulkan data. Berikut diberikan
beberapa contoh tentang operasionalisasi variabel penelitian dalam disertasi Amri Amir (1999 :
97) sebagai berikut:

Contoh Operasionalisasi Variabel

1) Kapital atau investasi adalah tabungan masyarakat yang bersumber dari pembentukan
modal domestik bruto yang telah dihitung oleh Biro Pusat Statistik.
2) Produk Domestik Regional Bruto (PDRB) adalah nilai dari seluruh barang dan jasa
yang dihasilkan oleh masyarakat daerah A dalam satu tahun yang dinilai menurut
harga konstan tahun 1993. PDRB ini dirinci pula menurut sektor-sektor ekonomi
utama yaitu sektor primer, sektor sekunder (industri) dan sektor tersier (jasa-jasa).
Perubahan data PDRB dari harga berlaku ke PDRB harga konstan dihitung dengan
menggunakan rumus:
100
PDRB HK = × HB X
IHKx
 HK = Harga Konstan.
IHKx = Indeks Harga Konsumen tahun tertentu.
HBx = Harga berlaku tahun tertentu.

3) Tenaga kerja adalah jumlah tenaga kerja yang bekerja diseluruh sektor ekonomi dean
masing-masing sektor yang dihitung dalam orang.
4) Industri yang dimaksud adalah industri besar, industri sedang dan industri kecil yang
didasarkan jumlah tenaga kerja yang bekerja.

DAFTAR PUSTAKA
Abu-Bader, Soleman H. 2021. Using Statistical Methods in Social Science Research: with a
Complete SPSS Guide. USA: Oxford University Press.

Amir, Amri, Junaidi, Yulmardi. 2009. Metodologi Penelitian Ekonomi dan Penerapannya.
Bandung: IPB Press.

Bandur. 2013. Penelitian Kuantitatif: Desain dan Analisi Data dengan SPSS. Published by
Deepublish.

Dancey, Christine, dan John Reidy. 2004. Statistics without Maths for Psychology. Using SPSS
for Windows. Published by Prentice Hall.

David, Wahyudi, Aurino R A Djamaris. 2018. Metode Statistik Untuk Ilmu dan Teknologi
Pangan. Jakarta Selatan: UB Press.

Davis, Glyn, Branko Pecar. 2021. Statistics for Business Students: A Guide to Using Excel &
IBM SPSS Statistics. Published by Glyn Davis, Branko Pecar.

Faradiba. 2020. PENGGUNAAN APLIKASI SPSS UNTUK ANALISIS STATISTIKA. Jakarta:

Repository UKI.

Hlavacek, Ivan, Jan Chlebour, Ivo Babuska, etc. 2004. Uncertain Input Data Problems and The
worst Scenario Method. Published by Academic Press.

Juliandi, Azuar, Irfan, Saprinal Manurung. 2014. Metodologi Penelitian Bisnis konsep dan
Aplikasi. Medan: UMSU Press.

Lubis, Zulkarnain, Sutrisno, Andre Hasudungan Lubis. 2017. Panduan Praktis Praktikum SPSS.
Medan: Pusat Komputer UMA.

Putri, Ni Wayan Suardiati, Ni Kadek Suryati. 2016. Modul Statistika dengan SPSS. Denpasar:
published by anonim.

Rahman, Abdul Stang. 2020. Biostatistik Deskriptif. Yogyakarta: Penerbit Samudra Biru

Reddy, M Venkataswamy. 2019. Statistical Methods in Psychiatry Research and SPSS.

Published by Apple Academy Press, CRC Press.
Rinaldi, Sony Faisal, Bagya Mujianto. 2017. Metodologi Penelitian dan Statistik. Jakarta:
Kementerian Kesehatan Republik Indonesia.

Watkins, Marley W. 2021. A Step-by-Step Guide to Exploratory Factor Analysis with

SPSS Edition: 1. Published by Routledge.

Wesley, Bill. 2021. SPSS for Beginners in 45 Minute: A 2021 Quick Reference Guide To
Research Methodes, Data Analysis and Interpretation Of Statistical Data. Published by
unknown.

Wirawan, Nata. 2016. Cara Mudah Memahami STATISTIKA EKONOMI dan BISNIS. Denpasar:
Keraras Emas.