STATISTIK SOSIAL:
Pengenalan SPSS (Input Data Dan Analisis)
TIM DOSEN
SAP 15
OUTLINE
A. Mengetahui dan Memfungsikan Software SPSS
B. Melakukan Deskripsif Statistik
C. Melakukan Eksplorasi Data
D. Uji Korelasi: Chi-Square, Spearman, Pearson
(A) Mengetahui dan Memfungsikan Software
SPSS
• Baris (sebelah kiri dgn Angka) Unit Pengamatan • menentukan dan menyiapkan variabel-variabel dalam penelitian
• Kolom (sebelah atas) Variabel • Baris merepresentasikan suatu variabel yang diteliti/diukur.
Sehingga banyaknya baris setara dengan banyaknya variabel
• “tanda bintang”, bagian tsb adalah SEL yang masih kosong, yang diteliti.
nantinya akan diisi dengan data.
• Kolom pada merepresentasikan karakteristik dari variabel
tersebut. Terdapat 11 kolom yang terdiri dari name, type, width,
decimals, label, values, missing, columns, align, measure, role
GAMBAR 4. TAMPILAN OUTPUT WINDOW
Output window merupakan window SPSS yang menampilkan hasil dari data yang dibuat, biasaya bentuk hasil/luarannya
berupa tabel dan grafik.
Cara Pengisian Data Pada SPSS
• Dalam melakukan pengisian data, yang dibuka adalah window “variable view”,
misalnya anda memasukan variabel suku bangsa kepada variabel yang akan diteliti.
Contoh Pengisian: Variabel Suku Bangsa
• Name: Diisi dengan kode variabel, nama variabel, atau kode pertanyaan pada
kuesioner (Catatan: Pengisian sel Name tidak bisa menggunakan spasi, maka
gunakanlah underscore ( _ ) sebagai pengganti. Bagian name bisa ditulis dengan Var1
atau P1 atau nama variable itu sendiri (Suku_Bangsa). Tampilan terlihat pada gambar
dibawah ini:
• Type: Apakah data variabel yang
hendak diinput berupa angka atau
karakter/huruf. Perhatikan Gambar
disamping ini:
• Jika data variabel berupa angka
pilihlah Numeric, jika data variabel
berupa huruf/karakter seperti
nama orang pilihlah String.
Width: Diisi sesuai dengan berapa jumlah deret angka jika numeric atau berapa
jumlah huruf/karakter jika string pada satuan data yang akan diinput. Jika tidak
diubah maka default menunjukan angka 8. Artinya untuk data yang dimasukkan
berupa angka ada pada 8 digit, sementara untuk data yang dimasukkan berupa
huruf ada maksimal hanya 8 huruf.
Decimal: Diisi hanya jika type datanya numeric, untuk menentukan satuan data
yang diinput memiliki angka dibelakang koma. Karena variabel suku bangsa hanya
akan diberikan kode angka, dan tidak memiliki angka di belakang koma (maka, isi
dengan angka 0). Berbeda misalnya variabel yang kita ukur adalah kecepatan mobil
bergerak, maka setidaknya kita perlu tahu angka di belakang koma dan menetapkan
desimal.
Label: Diisi dengan deskripsi lengkap nama variabel (Penting), maka isi bagian Label
dengan menulis: Suku Bangsa
Values: Merupakan suatu
pengkodean data (data coding),
hal ini berkaitan dengan
pemilihan Numeric pada Type di
penjelasan sebelumnya. Variasi
nilai/kategori dari variabel jenis
kelamin akan diberikan kode
angka: 1 adalah suku bangsa
Indonesia; dan 2 adalah suku
bangsa Malaysia. Perhatikan
gambar berikut ini:
• Missing: Bagian ini untuk mengidentifikasi seandainya ada data yang tidak
lengkap/kosong, apakah karena ada penolakan untuk menjawab pertanyaan dari
responden ataukah karena pertanyaan tersebut tidak relevan bagi responden. Untuk
pertanyaan atau variabel yang ditanyakan yaitu jenis kelamin, bisa saja ada penolakan
dari responden untuk mengidentifikasikan diri pada pilihan kategori yang ada (untuk
tingkat awal tidak perlu untuk mengubah bagian ini). Tetaplah pada kondisi “none”.
• Column: Merupakan pengaturan teknis untuk lebar margin dari kolom heading
variabel. (terlihat perubahannya pada Data View). Isilah sesuai kebutuhkan untuk
mengatur margin kolom yang lebih lebar. (ukuran default adalah 8)
• Align: Merupakan pengaturan teknis untuk menentukan apakah data yang akan anda
entry pada tampilan Data View menggunakan rata kiri, rata kanan, atau rata tengah.
Tentukan sesuai dengan kebutuhan.
Measure: Pada bagian ini anda harus menentukan apa skala / level pengukuran dari variabel
yang ditentukan. Tersedia 3 pilihan yaitu Nominal, Ordinal, atau Scale. Dalam variable Suku
bangsa measure yang dipilih adalah Nominal, karena variable ini bersifat
pembeda/pengkategorian saja.
SPSS mereduksi pilihan dari 2 level pengukuran interval dan rasio menjadi hanya 1 level
pengukuran yaitu scale. Hal ini dikarenakan dalam rumpun ilmu sosial sangat jarang sekali
fenomena sosial yang membedakan antara level pengkuran interval atau rasio. Berbeda
dengan fenomena alam seperti suhu, yang menganggap penting faktor keberadaan nol (0)
mutlak sehingga perbedaan antara interval dan rasio menjadi sangat penting.
CONTOH SOAL:
Berikut ini ada sebuah ilustrasi data hasil pengukuran terhadap 50 orang
petani di Desa Sukamakmur. Adapun kuesioner berisi 5 pertanyaan yang
ditanyakan kepada 50 orang tersebut yaitu:
1.Nama anda? (tidak diperlakukan sebagai variabel)
2.Berapa umur anda saat ini ?
3.Berapa luas lahan yang anda kuasai ?
4.Berapa jumlah penghasilan panen terakhir ?
5.Apakah status petani anda berdasarkan penguasaan lahan ?
UMUR LUAS LAHAN PENGHASILAN PER STATUS PETANI Keterangan Value Labels
NO_KUES NAMA (VARIABEL 1) (VARIABEL 2) PANEN (VARIABEL 3) (VARIABEL 4)
1 SUHARDI 50 10800 3 2 Kategori Penghasilan per
2 WIYONO 42 10500 3 1
3 GIYANTO 42 1650 2 1
panen:
4 KEMIS SISWANTO 53 1650 2 1
5 TUGIMIN 57 3500 3 1 (1)Kurang dari 5 juta
6 JUWADI 52 8000 1 1
7 SUNARNO 57 3400 3 1 (2)5 juta – 14,9 juta
8 GUNADI 52 3200 3 1
9 MULYONO 46 3300 3 1 (3)15 juta +
10 NGADI 63 5000 2 1
11 SENEN 41 3800 3 1
12 SASTRO SUTRISNO 41 14100 3 1
13 KARMAN 45 3300 3 2
14 PARYANTO 55 10000 3 1
Status Petani:
15 JUNAIDI 54 120000 3 1
16 TRISNO PURNOMO 59 10000 3 1 (1)Petani Pemilik
17 SLAMET MULYONO 49 800 2 1
18 BUDI SUKAMTO 49 800 2 1 (2)Petani Penyewa
19 MUJIYONO 53 9900 3 1
20 WAHID 55 1750 2 2 (3)Petani Penggarap
21 DRS TOAT SUBROTO 62 8500 2 1
22 SLAMET RIYADI 50 4350 2 1
23 SUROTO BSC 58 10000 3 1
24 AGUS SANTOSO 49 10000 3 3
25 SATIMAN 62 10000 3 2
26 SUGIYANTO 50 15000 3 2
27 TONO 50 6150 3 1
28 SUMARDI 49 1500 2 1
29 SUKOSO 45 2100 2 1
30 DWI NINGSIH 50 5350 3 1
JAWABAN
Langkah Pertama: Penyiapan Template Kerja Variabel pada Variable View
Langkah yang harus dilakukan yaitu memindahkan informasi dasar hasil data
4 variabel/pertanyaan yang diperoleh melalui kuesioner pada tabel 1 di atas ke
dalam template kerja pada layar Variabel View di SPSS.
Pada halaman awal tampilan SPSS, aktifkan atau klik Variable View
Terdapat baris dan 11 kolom yang terdiri dari name, type, width, decimals,
label, values, missing, columns, align, measure, role. Untuk pengisian ikuti
langkah seperti telah dicontohkan pada bagian awal di atas.
Keterangan Value Labels
Kategori pendapatan:
(1) < 5 juta; (2) 5 juta – 14.9 juta; (3) lebih dari 15 juta
Status Petani:
(1) Petani pemilik ; (2) Petani Penyewa; (3) Petani Pengarap
Langkah Kedua: Penginputan Data pada layar Data View
√Langkah yang harus dilakukan yaitu memindahkan data dari
kuesioner atau data pada tabel 1 di atas ke dalam SPSS pada
Layar Data View.
√Pada halaman tampilan SPSS, aktifkan atau klik Data View,
√Kemudian mulai pindahkan data responden baris per baris.
Dimulai dari responden pertama yang bernama Suhardi,
dengan mulai mengetik Nama responden diikuti dengan
mengisi data variabel 1 (Umur), data variabel 2 (Luas lahan),
data variabel 3 (Katagori Penghasil per panen), data variabel 4
(status petani). Setelah selesai responden pertama lanjut ke
responden kedua yang bernama, Wiyono dst..
Cara Penginputan Data (1) Klik
Tampilan Output
Langkah Penyajian Tabel Tabulasi Silang
• Menampilkan tabel
tabulasi silang untuk
variabel 3 (Penghasilan)
dengan Variabel 4 (status
petani).
• Input data dalam Variabel
View dan Data View,
setelah itu pilih toolbars
Analyze – Descriptif
Statistic - Crosstabs,
seperti pada gambar
berikut ini:
• Setelah memilih menu Crosstabs, maka akan muncul gambar berikut ini. Pindahkan Variabel 3
(Row) dan Variabel 4 (Column) ke kotak sebelah kanan (dimana, variabel 1 dan variabel 2
berada di kotak sebelah kiri)
• Setelah itu, klik menu cell, muncul kotak dialog dengan nama “Crosstabs : Cell Display”. Pilih cek list
observed, expected pada kotak Counts, dan cek list Column pada kotak Percentages . Kemudian klik
tombol continue dan dilanjutkan dengan klik pilihan OK. Maka output SPSS akan langsung muncul,
seperti gambar berikut ini:
Tampilan output tabulasi silang antara Variabel 3
(penghasilan per panen) dengan variabel 3 (Status Petani)
(C) Eksplorasi Data: Penyajian
Grafik, Kurva Normal, dan Skewness
Eksplorasi pada tahap dasar akan membantu untuk mengetahui
normalitas data dari variabel yang dianalisis, biasa dengan
memunculkan grafik histogram berikut kurva normal. Dari situ kita bisa
mengetahui apakah sebaran datanya berbentuk seperti lonceng
(normal) atau menjulur/menceng (skew).
Penting untuk diperhatikan bahwa tidak semua jenis data variabel
relevan untuk dicek kenormalan distribusinya, karena hanya data
skala/level pengukuran interval dan rasio yang secara pasti bisa
dilakukan.
Langkah Penyajian Grafik, Kurva Normal, dan
Skewness Untuk menampilkan grafik
pada analisis SPSS,
digunakan fitur dasar
Analyze. Sama dengan
analisis sebelumnya
dalam menampilkan tabel
frekuensi, ukuran
pemusatan, dan ukuran
penyebaran, yang sudah
dijelaskan di atas.
Klik Analyze, kemudian
pilih Descriptive Statistics,
akan muncul pilihan
Frequencies, kemudian
klik pada opsi
Frequencies. Layar akan
menampilkan
Untuk menampilkan grafik/charts, pilih opsi Charts (lihat panah pada bagian kanan atas layar) kemudian
Klik. Akan muncul tampilan seperti di bawah ini:
Setelah klik Continue
Selanjutnya anda pilih satu variabel yang memiliki skala/level pengukuran interval/rasio untuk dianalisis.
Misalnya Usia, pindahkan Usia dari daftar variabel di kolom sebelah kiri ke kolom sebelah kanan dengan
meng-klik dua kali pada Usia. (lihat di bawah ini).
Setelah Klik OK
SPSS akan mengeksekusi
permintaan anda dan
memunculkan layar OUTPUT.
Seperti tersaji dalam gambar
di bawah ini
Hasil eksplorasi terhadap
data variabel Umur
menunjukan nilai Modus =
Median = Mean, artinya
kurva menyebar normal
Tampilan
Output
D) Uji Korelasi: Chi-Square, Spearman dan
Pearson
Uji Korelasi Chi Squeare
Dalam pengambilan keputusan Uji Chi-Square dapat dilandasi dua hal,
yaitu:
Membandingkan nilai Asymp. Sig dengan Batas Kritis (0.05);
Jika nilai Asymp.Sig < 0.05 , maka terdapat hubungan yang signifikan
Jika nilai Asymp.Sig > 0.05 , maka tidak terdapat hubungan yang signifikan
Membandingankan antara Nilai Chi-Square Hitung dengan Nilai Chi-Square Tabel
Jika nilai Chi-Square Hitung > nilai Chi-Square Tabel, maka terdapat hubungan
Jika nilai Chi-Square Hitung < nilai Chi-Square Tabel, maka tidak terdapat hubungan
Langkah Penyajian Uji Chi-Square
• Buatlah templete ilustrasi data
yang dimiliki. Dalam modul ini
menggunakan tempete data
yang sudah ada. Korelasi yang
ingin dilihat adalah antara
Variabel 3 (pendapatan) dengan
Variabel 4 (Status petani).
• Input data dalam Variabel View
dan Data View, setelah itu pilih
toolbars Analyze – Descriptif
Statistic - Crosstabs, seperti
pada gambar berikut ini:
• Setelah memilih menu Crosstabs, maka akan muncul gambar berikut ini. Pindahkan Variabel
3 (Row) dan Variabel 4 (Column) ke kotak sebelah kanan (yang mana semunya variabel 1
dan variabel 2 berada di kotak sebelah kiri)
• Setelah itu, klik menu Statistics, muncul kotak dialog dengan nama “crosstabs
statistics”. Pilih ckecklist chi-square dan klik tombol continue dan dilanjutkan dengan
klik pilihan OK. Maka output SPSS akan langsung muncul, seperti gambar berikut ini:
Tampilan Output
• Berdasarkan Output yang didapatkan, maka intepretasi yang disimpulkan bahwa Ho tidak ditolak yang
artinya “tidak terdapat hubungan yang signifikan antara variable 3 (penghasilan) dengan variable 4
(status petani)”. Hal ini dikarenakan nilai Asymp.Sig (0.826) > 0.05.
Uji Korelasi Spearman
Dalam pengambilan keputusan uji korelasi spearman yang menjadi dasar adalah:
Jika nilai sig. < 0.05 , maka dapat disimpulkan bahwa terdapat korelasi yang
signifikan antara variable yg dihubungkan
Jika nilai sig. > 0.05 , maka dapat disimpulkan bahwa tidak terdapat korelasi yang
signifikan antara variable yang dihubungkan
Kriteria tingkat hubungan (koefisien korelasi) antar variable, adalah:
Langkah Penyajian Uji Korelasi Sperman
Buatlah templete ilustrasi data
yang dimiliki. Dalam modul ini
menggunakan templete data
yang sudah ada. Korelasi yang
ingin dilihat adalah antara
Variabel 3 (penghasilan) dengan
Variabel 2 (luas lahan).
Input data dalam Variabel View
dan Data View, setelah itu pilih
toolbars Analyze – Corellate –
Bivariate
Akan muncul kotak dialog dengan nama “Bivariate Correlation”, selanjutnya masukan variable pendapatan
dan variable usia ke kotak variable. Pada bagian correlation coefficient hilangkan tanda pada Pearson dan
Kendall, dan berikan tanda checklist pada Spearman
Pada kolom test-significance pilih yang “two-tailed”, dan berikan checklist pada Flag significant correlation.
Setelah itu klik OK, dan akan langsung keluar window Output SPSS, sebagai berikut:
Tampilan Output
Dalam hasil data menunjukan bahwa nilai sig. (2 tailed) adalah 0.104, sehingga dapat disimpulkan
berdasarkan ketentuan pengambilan keputusan bahwa tidak ada hubungan yang signifikan antara
variable umur dengan variable luas lahan yang dikuasai, hal ini dikarenakan nilai sig. > 0.05.
Dalam hasil juga didapat data bahwa pearson correlation coefficient sebesar 0.104, bahwa Ho tidak
ditolak, sehingga tidak ada hubungan antara variabel umur petani dengan luas lahan yang dikuasai
TERIMA KASIH