TABULASI DATA & SCREENING DATA

PERTEMUAN 3

Oleh :
Leni Gustina, SE, MM

Universitas Putra Indonesia YPTK Padang

Semester : Ganjil TA 2021/2022
1. Pengertian Tabulasi Data

 Tabulasi data merupakan sebuah bentuk dari

serangkaian kegiatan penelitian, yang mana akan
mengambarkan jawaban dari responden dengan cara
tertentu. Sebuah tabulasi juga akan dapat digunakan
untuk menciptakan sebuah statistik deskriptif dengan
berbagai macam variabel yang diteliti.
 Tabulasi Data dan atau Editor Data adalah
Merupakan Tahap ke-3 dalam proses 
pengolahan data  
 Beberapa Menu penting yang terdapat pada jendela
variabel
 Name : memberikan nama pd variabel dgn jumlah
karakter terbatas
 Type : menunjukkan tipe variabel
 Decimals : banyaknya angka dibelakang desimal
 Label : penulisan nama variabel lengkap
 Values : pemberian nama thdp kode (unt variabel
kategorik)
 Measure : skala pengukuran variabel
Cara Melakukan Tabulasi Data

 Menuliskan nama variabel singkat (tidak boleh ada Spasi

dengan jumlah karakter yang terbatas. Maksimal 8 karakter)
 Type tetap numeric, agar bisa dianalisis
 Menentukan jumlah desimal jika data yang akan di input
berbentuk desimal
 Menuliskan nama variabel lengkap pada kolom Label
 Jika variabel berjenis kategorik, tuliskan keterangan
kategorinya pada kolom Value
 Measure disesuaikan dengan skala pengukuran variabel
yang digunakan
Screening Data
 Apa itu Screening ?
Dalam upaya memperoleh informasi yang akurat dari data yang kita kumpulkan,
sebaiknya data-data tersebut disipkan atau di screening terlebih dahulu dan
dilakukan transformasi data. Untuk melakukan transformasi data dapat dilakukan
dengan mudah menggunakan aplikasi SPSS.

Screening data merupakan bagian dari metode untuk menyiapkan data-data agar
dapat memberikan infromasi yang maksimal. Terutama dalam menganalisis data
secara kuantitatif disarankan untuk melakukan screening data terlebih dahulu.
Screening data bertujuan untuk mengantisipasi data-data yang tidak tersedia atau
hilang (missing).

Screening data juga dilakukan untuk mengatasi kekurangan data ketika pengisian
kuesioner oleh responden. Sering ada pengisian data yang terlewat oleh responden
atau tidak mengisinya sehingga mengakibatkan data ini tidak tersedia.
Screening terhadap Normalitas

 Menurut Ghozali (2013:30) bahwa "Screening data terhadap

normalitas data merupakan langkah awal yang harus dilakukan
untuk setiap analisisi multivariate. Khususnya jika tujuannya
adalah inferensi. Jika terdapat normalitas, maka resdual akan
terdistribusi secara normal dan independen.

 Yaitu perbedaan nilai prediksi dengan score yang

sesungguhnya atau error akan terdistribusi secara simetri
disekitar nilai means sama dengan nol. Jadi salah satu cara
mendeteksi normalitas adalah lewat pengamatan nilai residual"
 Secara statistik menurut Ghozali (2013:30) bahwa ada dua
komponen normalitas yaitu skewness dan kurtosis.
Skewness berhubungan dengan simetri distribusi. Skewed
variabel (variabel menceng) adalah variabel yang nilai
meannya tidak ditengah-tengah distribusi. Sedangkan
kurtosis berhubungan dengan puncak dari suatu distribusi.
 Jika variabel terdistribusi secara normal maka nilai
skewness dan kurtosis sama dengan nol. Terdapat uji
signifikansi skewness dan kurtosis dengan cara sebagai
berikut :
 Langkah-langkah screening data terhadap normalitas
menggunakan SPSS versi 20 sebagai berikut:
 Buka file yang akan di screening dengan
perintah File/Open/Data, contohnya seperti file ini.
 Untuk mendapatkan nilai skewness dan kurtosis,
klik Analyze/Descriptive Statistics lalu
pilihDescriptives seperti ini:
 Tampak windows Descriptive
 Isikan variabel yang akan di uji misalnya kita akan uji
variabel X1.1 (Peralatan Kerja)
 Pilih Option isikan statistik yang digunakan yaitu
skewness dan kurtosis
 Abaikan yang lain, klik Continue untuk kembali lalu Ok,
hasilnya seperti ini:
 Selanjutnya kita akan menghitung nilai Z Skewness
dan nilai Z Kurtosis menggunakan rumus di atas
kemudian akan kita bandingkan dengan nilai kritisnya.
 Hasil perhitungan nilai Z menghasilkan nilai yang lebih
rendah dibandingkan nilai kritisnya 2.58 (pada taraf
signifikansi 0.01) sehingga membuktikan bahwa data-
data pada variabel peralatan memenuhi asumsi
normalitas.
Sekian..