Oleh:
DIAN RISKARINI SE, MM
081646088900
dianriskarini@univpancasila.ac.id
1
FILE SPSS TERBAGI MENJADI :
2
DATA VIEW
3
VARIABLE VIEW
• Baris di dalam variable view adalah variabel-variabel dari
data,
• Kolom adalah definisi dari tiap variabel
4
MENGELOLA FILE
INPUT DATA
• Dapat dilakukan dengan:
- input langsung ke data editor
- Untuk mengubah data yang sudah di-
input dalam format lain menjadi format
SPSS, dapat menggunakan copy-paste
atau meng-import-nya dari SPSS
5
NAME
•Adalah nama atau singkatan dari variabel
•Karakter pertama harus huruf dan tidak
menggunakan spasi
7
TYPE
9
DECIMALS
• Adalah banyaknya angka desimal yang
digunakan
• Default angka desimal di SPSS adalah 2
10
LABEL
• Adalah versi lengkap dari NAME, bisa banyak
karakter
• Bisa huruf besar dan menggunakan spasi
11
VALUES
• Digunakan untuk meng-coding data
NOMINAL
• Untuk membuat coding suatu variabel klik
di pojok kanan kotak values VALUE
LABEL
• Value untuk coding
12
• Value Label untuk definisi value
MISSING
• Digunakan bila dalam data yang akan diolah terdapat
datum yang tidak terisi atau tidak lengkap
• Sebaiknya data yang akan diolah lengkap
13
COLUMN
• Adalah lebar tempat nama karakter dari NAME
• Besarnya minimal sama dengan besarnya nilai di WIDTH
14
ALIGN
• Sama seperti Align di Microsoft Word
• Lebih baik terlihat apabila dibuat menjadi center,
terutama untuk data berupa angka
• Untuk mengubah menjadi Left/Centre/Right Klik di
pojok kanan kotak Align
15
MEASURE
• Adalah skala pengukuran dari variabel yang
bersangkutan
• Untuk mengubah skala pengukuran klik di
pojok kanan kotak scale
• Skala pengukuran Interval dan Ratio dalam
SPSS adalah SCALE
16
TRANSFORMASI DATA
• Membentuk variabel baru dengan memodifikasi variabel yang sudah ada
• Contoh:
jika dibuat variabel baru berdasarkan data penghasilan dengan ketentuan:
penghasilan ≤ 2000000= rendah
penghasilan 2000000-2500000 = sedang
penghasilan ≥ 2500000 = tinggi
• Langkah:
transform → recode (into different variabel)→ pilih variabel penghasilan
→klik name, isi nama baru (misal kat.hasil) →klik change → klik old and
new → klik lowest through kemudian isikan 2000000 → isi value dengan
rendah → klik add → dst untuk kategori lain →continue → ok
17
STATISTIK DESKRIPTIF
FREQUENCIES
• Untuk menyusun data ke dalam tabel frekuensi
• Langkah:
- Analyze , Descriptive Statistics,Frequencies
- Masukkan variabel yang dipilih ke kotak melalui tanda
panah (misal penghasilan)
- Untuk pilihan frekuensi statistik klik Statistics,
kemudian klik Quartil, Mean, Median, Mode, Sum. Std
deviasi, Variance, Range, Minimum, Maximum, SE mean,
Skewness, Kurtosis
- Untuk pilihan chart, klik Chart, pilih chart yang
diinginkan misal Histogram with norma lcurve
- Continue, OK
19
DESCRIPTIVES
• Langkah:
- Analyze, Descriptive Statistics, Descriptives
- Masukkan variabel (misal PENGHASIILAN S/D PEKERJAAN)
ke kotak variabel melalui tanda panah
- klik option, std.dev, dll
- continue & ok
Outputnya adalah sebagai berikut:
Pengujian:
• Ho= Tdk ada hub. antara status dan penghasilan.
Ha= Ada hub. antara status dan penghasilan
• Dasar pengambilan keputusan :
Jika signifikansi ≥ 5% maka Ho diterima
Jika signifikansi < 5% maka Ho ditolak
• Karena sign.= 0,353 (>5%), maka Ho diterima.
• Kesimpulan tidak ada hubungan antara status dan kategori penghasilan.
37
• Untuk mengananisis data tersebut lakukan langkah-langkah sbb:
- Masukkan data. (ada 2 variabel dengan 30 kasus)
- Pilih menu Analyze ; Compare-Means; One-way Anova,
- Isi kotak Dependent List dengan variabel “nilai”
- Isi kotak Factor dengan variabel “metode”
- Tekan tombol Option sehingga akan muncul kotak dialog.
♦ Pilih Statistics yang diperlukan dengan menandai cek box pada Descriptive dan
Homogeneity-of-Variance.
Tekan tombol Post-Hoc sehingga akan muncul kotak dialog.
♦ Pilih Equal Variance Assumed atau Equal Variance Not Assumed yang
diperlukan dengan menandai cek box, pilih LSD dan Tukey.
♦ Isikan Significant Level, isi dengan nilai 0.05
Tekan tombol Continue OK jika pengisian dianggap selesai
nilai
95% Confidence Interval for
Mean
N Mean Std. Deviation Std. Error Lower Bound Upper Bound Minimum Maximum
ceramah 10 60,10 8,130 2,571 54,28 65,92 45 70
diskusi 10 66,20 5,116 1,618 62,54 69,86 57 75
tugas 10 83,70 9,286 2,937 77,06 90,34 70 99
Total 30 70,00 12,605 2,301 65,29 74,71 45 99
nilai
Levene
Statistic df1 df2 Sig.
2,401 2 27 ,110
Pada table ini diperlihatkan hasil test homogenitas dari varians dengan
menggunakan uji Lavene Statistic. Test ini berguna untuk mengecek
apakah varians dari ketiga sampel adalah sama. Sebab, salah satu
asumsi dasar dari anova adalah bahwa variannya haruslah sama.
39
• Prosedur pengujian kesamaan varians:
- Hipotesis
Ho: ketiga varians adalah sama
Ha: ketiga varians tidak sama
- Penentuan kesimpulan berdasarkan probabilitas
Jika probabilitas (signifikansi) > 0,05 maka Ho diterima
Jika probabilitas (signifikansi) < 0,05 maka Ho ditolak
- Pengambilan kesimpulan:
Dari hasil perhitungan di atas didapat nilai Lavene statistic
adalah 2,401 dengan signifikansi 0,110. Jadi signifikansi >
0,05. Dengan demikian Ho diterima. Dapat disimpulkan bahwa
ketiga varians tersebut adalah sama.
40
ANOVA
nilai
Sum of
Squares df Mean Square F Sig.
Between Groups 3001,400 2 1500,700 25,220 ,000
Within Groups 1606,600 27 59,504
Total 4608,000 29
Tabel ini menampilkan hasil Anova. Proses pengujian anova bisa dilanjutkan jika ketiga varians
adalah sama. Pengujian Anova:
• Hipotesis
Ho: tidak ada perbedaan rata-rata nilai dari ketiga metode mengajar
Ha: ada perbedaan rata-rata nilai dari ketiga metode mengajar
• Penentuan kesimpulan berdasarkan probabilitas
Jika probabilitas (signifikansi) > 0,05 maka Ho diterima
Jika probabilitas (signifikansi) < 0,05 maka Ho ditolak
• Pengambilan kesimpulan:
Nilai F = 25,22 dengan tingkat signifikansi 0,000. Jadi signifikansi < 0,05. Dengan demikian Ho
ditolak. Dapat disimpulkan bahwa rata-rata nilai mahasiswa dengan menggunakan ketiga metode
adalah berbeda.
41
Multiple Comparisons
Mean
Difference 95% Confidence Interval
(I) metode (J) metode (I-J) Std. Error Sig. Lower Bound Upper Bound
Tukey HSD ceramah diskusi -6,100 3,450 ,199 -14,65 2,45
tugas -23,600* 3,450 ,000 -32,15 -15,05
diskusi ceramah 6,100 3,450 ,199 -2,45 14,65
tugas -17,500* 3,450 ,000 -26,05 -8,95
tugas ceramah 23,600* 3,450 ,000 15,05 32,15
diskusi 17,500* 3,450 ,000 8,95 26,05
LSD ceramah diskusi -6,100 3,450 ,088 -13,18 ,98
tugas -23,600* 3,450 ,000 -30,68 -16,52
diskusi ceramah 6,100 3,450 ,088 -,98 13,18
tugas -17,500* 3,450 ,000 -24,58 -10,42
tugas ceramah 23,600* 3,450 ,000 16,52 30,68
diskusi 17,500* 3,450 ,000 10,42 24,58
*. The mean difference is significant at the .05 level.
43
Regresi Sederhana :
48
Interpretasi
Sehingga dapat disajikan hasil sebagai berikut :
Konsumsi = 24.455 + 0.509* Income
R2 = 0.962
S.E (6.414) (0.036)
t-hitung = 3.813 14.243
Df = 8
Model yang ditemukan di atas memiliki nilai R 2 = 0.962 ini berarti perubahan nilai
independen viabel atau variabel bebas (income) dapat menjelaskan 0.962 atau 96.2 %
dari perubahan dependen variabel atau variabel terikat (konsumsi), sedangkan
sisanya (1-0.962 = 0.038 atau 3.8 %) dijelaskan variabel lain yang tidak dispesifikasi
(tidak dimasukkan) dalam model.
Dalam pengertian ekonomi dapat dikatakan bahwa jika terdapat kenaikan income
sebesar $ 1 per bulan maka akan mempengaruhi kenaikan pula pada konsumsi
sebesar $ 0.509. Demikian juga bila terjadi penurunan income sebesar $ 1 per bulan
maka akan berdampak pada penurunan konsumsi sebesar $ 0.509.