Pengelompokan Data

Cara membuat pengelompokan data berdasarkan kategori tertentu yang diolah dengan aplikasi SPSS akan dijelaskan disini, berikut penjelasannya :

Metode pengelompokan data biasanya digunakan untuk mengubah variabel numerik menjadi variabel kategorik. Pengelompokan data dapat dilakukan pada variabel yang sama atau ke variabel yang berbeda.

Sebagai contoh kita mencoba membuat file latihan dengan variabel yang berbeda, dapat dilihat dalam tabel berikut : 

Sebagai contoh kita akan mengelompokan umur. Umur akan diklarifikasikan menjadi 3 kelompok yaitu : <20 tahun, 20-30 tahun, dan > 30 tahun.

1. Langkahnya : Transform > Recode Info different variabel

2. Sorot variabel umur, kemudian pindahkan ke sebelah kanan (input variabel ke output variabel)

3. Pada kota output variabel pada bagian name ketik Umurgrup (sebagaimana variabel baru untuk umur yang bentuknya sudah dikategorikan.

4. Klik change sehingga pada kotak input variabel ke output variabel terlihat umur menjadi grup

5. Klik Old and new values, terlihat kotak Old and new value 

6. Pada kota tersebut ada beberapa isian, secara garis besar ada dua isian yaitu Old Value (nilai lama yang akan di recode) dan New Value (nilai baru sebagai haril recode dari nilai lama merecode dapat dilakukan per satu nilai lama atau jangkauan nilai (range).

7. Sekarang kita akan merecode nilai berat badan < 20 tahun menjadi kode. Pindahkan kursor ke kotak Range lowest through value, ketik angka 19. Kemudian pindahkan kursor ke bagian kotak new value, ketiklah 1 kemudian klik Add. Dan hasilnya sebagai berikut :

8. Pindahkan cursor ke kotak Range Through, kita akan merecode berat badan 20 s/d 30 menjadi kode 2, pada kotak 2 tersebut isilah 20 dan 30 lalu pindahkan kursor ke kotak New Value, ketiklah 2 dan klik Add

9. Selanjutnya proses dilanjutkan untuk menentukan niali tertinggi dengan masuk pada bagian Range Through Highest, ketik angka > 30 tahun dengan kode 3.

10. Klik continue dan klik Ok maka akan terlihat variabel baru sudah terbentuk berada pada kolom paling kanan

Demikian mengenai pengelompokan data berdasarkan kategori yang dilakukan dalam aplikasi SPSS, semoga bermanfaat.

 

Sumber : http://tutorialstatistik.blogspot.co.id/2011/04/pengelompokan-data-spss.html

SPSS VS Ms. Excel

Fungsi dan perbedaan SPSS dan Ms. Excel pada aplikasi Komputer

SPSS

SPSS

SPSS adalah program aplikasi bisnis yang berguna untuk menganalisa data statistik. Versi terbaru program ini adalah SPSS 20, yang dirilis pada tanggal 16 Agustus 2011. Software SPSS dibuat dan dikembangkan oleh SPSS Inc. yang kemudian diakuisisi oleh IBM Corporation.

Perangkat lunak komputer ini memiliki kelebihan pada kemudahan penggunaannya dalam mengolah dan menganalisis data statistik. Fitur yang ditawarkan antara lain IBM SPSS Data Collection untuk pengumpulan data, IBM SPSS Statistics untuk menganalisis data, IBM SPSS Modeler untuk memprediksi tren, dan IBM Analytical Decision Management untuk pengambilan keputusannya.

Program SPSS banyak diaplikasikan dan digunakan oleh kalangan pengguna komputer di bidang bisnis, perkantoran, pendidikan, dan penelitian. SPSS merupakan software komersial dengan harga lisensi $5,120 USD. SPSS dapat dijalankan di sistem operasi Windows XP, Windows Vista, Windows 7, Mac OS, dan Linux. Untuk menginstall versi terbaru program ini, komputer Windows Anda harus memiliki spesifikasi minimal menggunakan prosesor Intel atau AMD dengan kecepatan 1 GHz, memori (RAM) 1 GB, resolusi monitor 1024x768 piksel, dan harddisk dengan kapasitas kosong minimal 800 MB.

SPSS dan MS Excel pada Aplikasi Komputer

(Postingan ini ditulis untuk memenuhi tugas mata kuliah Aplikasi Komputer)

Rangkuman Materi Kuliah Aplikasi Komputer Semester V Kelas Anvulen FKM Universitas Widia Gama Mahakam

Mata kuliah Aplikasi Komputer merupakan lanjutan dari Mata Kuliah Pengantar Komputer di Semester III. Sebagian kuliah merupakan praktik komputer yang berkaitan dengan program Microsoft Excel, serta program SPSS. Di sini diajarkan bagaimana menuliskan perintah ke komputer, bagaimana mengkonversi rumus, dan bagaimana menganalisa hasil.

Penggunaan rumus dasar dalam Excel

Ms Excel berfungsi untuk hitung-menghitung. Kita bisa menghitung dengan menggunakan rumus atau fungsi-fungsi yang telah disediakan Microsoft. Kita bisa menggunakan operator matematika untuk membuat rumus di Excel.

- Cara menuliskan rumus dalam komputer

• Pangkat : ^ contoh: 5³ –> 5^3
• Akar : sqrt (khusus untuk diakarkan 2). Contoh: sqrt 25 = √25
• Perkalian : *
• Pembagian : /
• Plus/minus : +/-

– Tingkat level perhitungan (TLP) yang harus diperhatikan

1. Pangkat dan akar (√)
2. Kali dan bagi (* dan /)
3. Plus dan minus +/-
4. Tanda kurung (lebih utama)

– Contoh perhitungan : 5-5^2+6^2+2×2+5-6-9=10
– Memasukkan rumus

1. Pilih cell yang dijadikan tempat hasil perhitungan
2. Awali rumus dengn lambang ‘sama dengan’ (=)
3. Masukkan rumus yang akan digunakan
4. Tekan enter pada keyboard

- Belajar Fungsi IF pada Ms Excel

Rumus IF digunakan untuk mengetahui suatu nilai/karakter dalam sebuah cell terpenuhi atau tidak terpenuhi, dari hasil tersebut kita bisa menentukan nilai/karakter apa yang akan ditampilkan si dalam cell pada Ms Excel.

Bentuk penulisan rumus IF –> IF(logical_test,[value_if_true],[value_if_false])

Keterangan:

logical_test : kriteria/nilai yang akan dipakai
value_if_true : nilai yang akan ditampilkan jika kriteria/nilai yang diuji terpenuhi
value _if_false : nilai yang akan ditampilkan jika kriteria/nilai yang diuji tidak terpenuhi

Perhatikan pada kolom D. Bila pengurangan kolom B terhadap kolom C berjumlah kurang dari nol, maka hasil pengurangan itu dikalikan dengan -1. Bila tidak kurang dari nol, maka akan tetap berisi jumlah pengurangan kolom B terhadap kolom C.

- Fungsi logika IF majemuk

Fungsi ini digunakan untuk menyeleksi beberapa kondisi yang menghasilkan nulai TRUE/FALSE bentuk umum : =IF(Kondisi 1;Pernyataan 1;IF(Kondisi 2;Pernyataan 2; Pernyataan 3))

- Fungsi VLOOKUP

Fungsi ini digunakan untuk membaca suatu tabel. Bila tabel disusun secara vertikal, digunakan fungsi VLOOKUP. Penulisan fungsi VLOOKUP memiliki bentuk sebagai berikut:

=VLOOKUP(Lookup_value, Table_array, Col_index_num)

Catatan; Nomor indeks kolom (Col_index_num) merupakan angka untuk menyatakan posisi suatu kolom dalam tabel. Sedangkan nomor indeks baris (Row_index_num) merupakan angka untuk menyatakan baris dalam tabel tersebut.

***

Penggunaan SPSS (Statistical Package for the Social Science)

SPSS merupakan program aplikasi untuk melakukan perhitungan statistik dengan menggunakan komputer. Yang perlu dikakuan adalah  mendesain variabel yang akan dianalisis,  memasukkan data, dan melakukan perhitungan dengan menggunakan tahapan yang ada pada menu yang tersedia. Setelah itu, hasil perhitungan dianalisis.

Contoh penggunaan program SPSS

Perhitungan Chi- Square:

• Contoh kasus:

Saat musim mangga, dilakukan penelitian pada 48 pasien di Puskesmas A. Data lengkap pada tabel di bawah ini.
Apakah ada hubungan antara konsumsi mangga dengan kejadian diare di wilayah XX, Puskesmas A? Chi tabel : 3, 841
Langkah-langkah yang dilakukan:

• Menentukan hipotesis

H0 : Tidak ada hubungan antara kejadian diare dengan konsumsi mangga
Ha : Ada hubungan antara kejadian diare dengan konsumsi mangga
1. Buka program SPSS

Tampilan SPSS

2. Klik variable view yang ada pada bagian kiri bawah. Lalu isi variabel yang sesuai. Tuliskan nama variabel ‘sakit’ dan ‘perilaku’, tipe data (numerik), label. Pada values, isikan label values variabel sakit dengan angka 1=sakit dan 2=tidak sakit. Lalu label values variabel perilaku 1 = makan mangga dan 2 = tidak makan mangga.

Tampilan variable view

3. Klik ‘Data View’. Pada kolom ‘sakit’, masukkan angka 1 (sakit) dari baris 1-30, dan angka 2 (tidak sakit) dari baris 31-48. Kemudian pada kolom ‘perilaku’, tuliskan angka 1 dari baris 1-21, angka 2 pada baris 22-30. Lalu angka 1 lagi pada baris 31-38, dan angka 2 pada baris 39-48.

Tampilan Data View

4. Klik ‘analyze’ pada deretan menu. Pilih ‘Descriptive statistic’, kemudian klik ‘crosstab’.

Menganalisa data

Akan muncul sebuah jendela Crosstab. Klik variabel ‘perilaku’ dan masukkan ke ‘row’. Lalu variabel ‘sakit’ pada ‘coloumn’. Pada bagian ‘Statistics’ beri tanda conteng pada ‘chi-square’. Lalu klik OK.

Crosstabulasi

5. Akan muncul output seperti di bawah ini.

Output SPSS

Hasil perhitungannya terlihat seperti pada tabel di bawah ini.

Hasil perhitungan

Jadi nilai yang dilihat untuk tabel 2×2 adalah pada pada ‘b’, nilainya 0, 066. Lebih kecil dibanding Chi tabel. Maka Ho diterima. Yang artinya bahwa tidak ada hubungan antara kejadian diare dengan konsumsi mangga.

Contoh di atas hanya segelintir dari pemanfaatan program SPSS untuk mempermudah perhitungan statistik. Ada banyak pilihan analisa yang bisa digunakan sesuai penelitian yang dilakukan.

Dasar-Dasar SPSS

By Eris Kusnadi

Bagi kebanyakan orang, proses pengolahan data statistik masih dipandang sebagai proses perhitungan matematis yang sulit dan akan memakan waktu yang cukup lama. Namun kini, dengan perkembangan di bidang Information Technology (IT), proses pengolahan data tersebut menjadi sesuatu yang sangat mudah dan cepat. Software pengolah data bukanlah sesuatu yang sulit dicari, dari yang hampir selalu ada di setiap komputer (misalnya Microsoft Excel) sampai yang lebih canggih seperti SPSS atau MINITAB.

Kita dapat menggunakan software seperti Excel untuk menghitung rata-rata dan membuat analisis sederhana seperti linear regression  atau histogram. Umumnya, analisis Excel seperti ini sudah cukup, namun dalam banyak hal kita sering memerlukan analisis yang lebih lengkap; software seperti SPSS, MINITAB, STATISTICA dapat membantu kita menganalisis data secara lebih lengkap. Excel sendiri dapat menyamai kemampuan ketiga software tersebut dengan cara melengkapinya dengan beberapa adds-on tertentu yang dapat kita download dari internet. Gambar 1 berikut memperlihatkan tampilan beberapa software statistik yang disebutkan tadi.

Gambar 1. Contoh-contoh Software Pengolah Data Statistik

Sotware-software statistik tidak terbatas empat software yang ditunjukkan di atas. Namun, jika disebutkan software statistik maka yang pertama kali terbayang di benak banyak orang adalah SPSS. Kepopuleran SPSS inilah yang menarik minat saya untuk membuat tulisan ini. Pada dasarnya, saya sendiri kurang familiar dan kurang suka dengan SPSS, tetapi bagaimanapun SPSS sering dijadikan dasar pengenalan software statistik di berbagai perguruan tinggi.

SPSS dikembangkan sejak 1968 oleh Norman H. Nie, C. Hadlai (Tex) Hull, dan Dale H. Bent di Stanford University. Pada awalnya,  software statistik ini diperuntukan untuk menyelesaikan analisis-analisis statistik dalam penelitian sosial (social science) sehingga dinamai SPSS yang merupakan singkatan dari  Statistical Package for the Social Science. Seiring dengan fungsinya yang kian berkembang, SPSS mengubah kepanjangannya menjadi Statistical Product and Service Solution. Saat ini, saya menggunakan SPSS 14.0 for Evaluation Version yang dirilis 5 september 2005.  Fungsi-fungsinya tidak beda jauh dengan  SPSS 11 yang biasa saya pakai di laboratorium kampus.

Pada versi 14, ketika anda membuka SPSS akan muncul dua jendela program yang satu bertuliskan SPSS Data Editor dan yang satunya lagi bertuliskan SPSS Viewer.

Gambar 2. SPSS Data Editor & SPSS Viewer

SPSS Data Editor merupakan tempat untuk entry data dan melakukan perintah analisis, sedangkan SPSS Viewer akan menampilkan hasil dari analisis SPSS. Pembahasan paling penting untuk pengenalan SPSS ini adalah pada jendela SPSS Data Editor.

SPSS Data Editor

SPSS Data Editor terdiri dari dua tab sheet, yaitu: Data View dan Variable View.

a. Data View

Data View adalah tab sheet yang menampilkan nilai data yang sebenarnya atau label nilai yang didefinisikan. Pada tab sheet inilah, anda mengentri data ke SPSS (lihat Gambar 3). Diatasnya terdapat menu-menu seperti File, Edit, View, Windows, dan Help seperti halnya menu-menu umum pada aplikasi under Windows lainnya. Menu-menu utama SPSS adalah:

• Data. Menu ini menampilkan submenu untuk melakukan perubahan-perubahan data, seperti mengurutkan data, memisahkan isi file dengan kriteria tertentu, menggabungkan data, etc.
• Transform. Menu untuk transformasi data, seperti menghitung variabel data, mengubah data, merangking data, etc.
• Analyze. Menu yang menjadi pusat pengolahan data, seperti mengolah statistik deskriptif, regresi, korelasi, etc.
• Graphs. Menu untuk menampilkan data dan hasil pengolahan data dalam bentuk grafik dan chart, seperti bar charts, histogram, scatter diagram, etc.
• Utilities. Menu pelengkap dalam pengoperasian SPSS, seperti menampilkan informasi variabel, mendefinisikan dan menampilkan variabel data, etc.

Gambar 3. Data View

b. Variable View

Variable View adalah  tab sheet yang menampilkan kamus metadata di mana setiap baris mewakili sebuah variabel dan memperlihatkan nama variabel, jenis data (misal: numeric, string, date), lebar cetak, dan berbagai karakteristik lain.

Gambar 4. Variable View

Menu yang tersedia dalam Variabel View diantaranya:

• Name. Kolom ini untuk memberikan informasi tentang nama variabel data. Nama variabel yang kita tuliskan di sini akan muncul pada Data View. Beberapa aturan penamaan variabel:
  • Nama variabel maksimal 8 karakter.
  • Nama diawali dengan huruf (tidak bisa dimulai dengan angka), sisanya dapat berisi huruf, angka, titik, atau simbol @, #, _, atau $. Kosong dan karakter khusus lain (misal: ! , ? , ‘ , dan *) tidak dapat digunakan.
  • Nama tidak bisa berakhir dengan titik dan tidak harus diakhiri dengan garis bawah “_”.
  • nama variabel harus unik; duplikasi tidak diperbolehkan.
  • Nama-nama variabel tidak case sensitif, “Nama”, “nama”, dan “naMa” semua dianggap sama.
• Type. Kolom ini untuk memberikan jenis variabel data yang digunakan, apakah Numeric, String (data berupa karakter, misal “Nama”), Date, etc. Klik ikon   dalam kolom Type maka akan muncul dialog box Variable Type. Pada dialog box ini, kita dapat mengubah jenis data dan juga lebar kolom (Width) dan jumlah angka desimal (Decimal Places). Secara default, SPSS memberikan  jenis data numeric dengan lebar 8 digit dan 2 angka desimal di belakang koma.

Gambar 5. Variable Type

• Label. Kolom ini menunjukkan tambahan informasi dengan memberi label pada variabel data yang kita inginkan. Misalnya:
  variabel: ”barang” kita beri label: ”nama barang”
  variabel: ”X” kita beri label ”Permintaan”
  variabel ”Y” kita beri label ”Ramalan Permintan”
  Pemberian label dapat membantu dalam interpretasi hasil analisis (output) karena definisi output lebih jelas.
• Value. Kolom ini untuk memberikan label string yang diterapkan untuk nilai numeric tertentu, biasanya untuk data yang bersifat ordinal dan interval, misal angka 1 untuk laki-laki dan angka 2 untuk perempuan. Klik ikon  pada kolom Values maka akan muncul dialog box Value Labels. Misalnya untuk variabel ”gender” kita akan mendefinisikan ”jenis kelamin” dengan memberi label: Isi [Value]  dengan angka 1 dan [Label] dengan “Laki-laki” lalu klik [Add], kemudian ulangi  langkah-langkah tersebut untuk jenis kelamin “Perempuan“—lihat Gambar 6. Nantinya pada variabel gender, kita tidak perlu menuliskan laki-laki dan perempuan melainkan cukup mengisi 1 untuk laki-laki dan 2 untuk perempuan.

Gambar 6. Value Labels

• Missing. Kolom ini menunjukkan nilai yang hilang (missing value) dalam data (jika ada). Responden dapat menolak untuk menjawab pertanyaan tertentu, mungkin tidak tahu jawabannya, atau mungkin menjawab dalam bentuk lain. Jika anda tidak mengidentifikasi data ini, analisis anda mungkin tidak memberikan hasil yang akurat. Klik ikon  pada kolom Missing maka akan muncul dialog box Missing Values. Pada form Discrete, isi angka yang akan dijadikan pengganti missing value, misal: 9, 99, 999, etc. Jika kita memilih angka 9, maka setiap ada data yang tidak diisi (missing value) angka 9 yang harus diisikan, jangan dibiarkan kosong.

Gambar 7. Missing Values

• Columns. Kolom ini  menunjukkan lebar kolom. baik jenis data numeric maupun string, lebar maksimal 255 digit.
• Align. Kolom ini  menunjukkan posisi data pada tiap cell. Terdapat tiga pilihan posisi data, yaitu: left, right, dan center.
• Measure. Kolom ini  menunjukkan jenis ukuran data yang digunakan. Terdapat tiga pilihan jenis ukuran data, yaitu: Scale, Nominal, dan Ordinal.

Cara Mengolah Data Statistik Deskriptif Menggunakan SPSS

Cara Olah Data Statistik Deskriptif 

---

Statistik deskriptif secara umumnya dapat kita artikan sebagai suatu bentuk penggambaran data tertentu, lalu mencari tahu bagaimana karakteristik dari data tersebut. Data-data yang dimaksud misalnya, data sensus penduduk, survey pasar, survey jumlah tenaga kerja, dan sebagainya. Data tersebut tentu saja sangat banyak, karena itu bentuknya tidak terstruktur dan rapi. Lagi pula data tersebut juga masih dalam bentuk mentah, sehingga belum dapat disajikan dalam bentuk 'informasi'.

Maka dari itu, perlu sekiranya kita mengolah data tersebut terlebih dahulu agar dapat menjadi sebuah informasi yang baik. Ketika data tersebut telah tersaji dalam bentuk informasi, maka setelahnya barulah pengambil keputusan dan pengguna informasi tersebut dapat menggunakannya untuk berbagai keperluan.

Dalam mengolah data, kita akan melalui beberapa langkah-langkah atau prosedur, yang dinamakan dengan statistik deskriptif. Dengan menggunakan metode statistik deskriptif ini, kita dapat mengetahui klasifikasi data, kecenderungan pemusatan, dispersi dan lainnya. Output data tersebut juga dapat disajikan dalam bentuk grafik.

Metode deskriptif ini berhubungan dengan pengukuran seperti mean, modus, standar deviasi, kuartil, persentil dan varians. Untuk lebih memahami deskriptif data tersebut, berikut cara yang dapat anda lakukan, simaklah dengan baik.

1. Mengumpulkan data

Tentu saja terlebih dahulu kita harus mempunyai data yang akan di olah dengan statistik deskriptif tersebut. Namun, karena ini hanyalah latihan, anggaplah kita telah memiliki data, sebagai contoh adalah data pendapatan penduduk/kepala keluarga dalam 1 bulan terakhir. Berikut analisis data mentah tersebut.

no	Revenue
1	Rp 3000
2	Rp 4000
3	Rp 5000
4	Rp 6000
5	Rp 7000
6	Rp 8000
7	Rp 9000

keterangan:
No=  kepala keluarga yang ke (Sebagai pengganti nama). Contoh: 1=keluarga budi
Revenue= Pendapatan

2. Buka program SPSS data editor

langkah-langkah yang dapat anda lakukan adalah mulai membuat lembar kerja baru dengan cara pilih Menu File > New > Data.
Setelah itu, ganti sheet "data view" dengan variabel view. Apabila sudah terbuka, maka tidak perlu diganti lagi.

3. Mendefinisikan data pada Sheet "variabel View"

Variabel yang akan didefinisikan adalah Revenue. Maka, pada bagian sheet "variabel view", silahkan isi dengan Revenue. perhatikan gambar di bawah ini.
Untuk penjelasan masing-masing variabel pada sheet 'variabel view' sudah dijelaskan pada bagian sebelumnya.

keterangan:

• name: isi dengan revenue
• type:pilih numeric
• widht: isi 8 (default seting)
• decimals: isi 2
• label: boleh diabaikan (tidak berpengaruh terhadap hasil)
• values: abaikan saja
• missing: pilih none
• columns: isi 8 (default setting)
• align: pilih saja right (rata kanan)
• measure: pilih scale (type data numeric)

4. Input data pada Sheet "Data View"

dari sheet variabel view, sekarang ganti dengan sheet data view. pada sheet data view tersebut, silahkan tuliskan semua data pendapatan penduduk pada nomor 1, di atas. Perhatikan gambar dibawah ini.

5. Menyimpan data

biasakan untuk menyimpan data terlebih dahulu setelah anda selesai input data di SPSS data editot. Langkah-langkahnya mulai dari file > save as > isi nama file > save.

6. Pilih Menu Analyze, Descriptive Statistics, Frequencies...

Selanjutnya, pada bagian menu bar, pilih Analyze, lalu Descriptive Statistics, terakhir Frequencies... Perhatikan gambar di bawah ini.

hingga akhirnya akan muncul gambar seperti dibawah ini. Jangan lupa, terlebih dahulu harus memindahkan variabel, klik tanda panah.

7. Sekarang klik 'Statistics'

Setelah anda klik pilihan "Statistics, maka akan muncul gambar seperti berikut. Silahkan centang bagian yang tujuk, seperti gambar dibawah ini.

keterangan:

• Pada bagian percentile values, centang Quartiles dan Percentile(s).
• Lalu isikan nilai 10 pada kolom di sebelah percentile(s), lalu klik add.
• Lalu isikan kembali nilai 90 pada kolom tersebut, lalu klik add kembali.
• Pada bagian dispersion, centak semua pilihan yang ada.
• Pada bagian central tendency, centang semua pilihan yang ada.
• Pada bagian distribution, centang semua pilihan yang ada.

8. Setelah selesai, Klik Continue.

Setelah selesai melakukan pengaturan seperti diatas, lalu klik "Continue".

9. Lalu klik 'Chart'

Setelah itu akan muncul gambar seperti dibawah ini. Pilihlah hostogram. lalu klik Continue.

10. Setelah itu klik 'Format'

maka akan muncul gambar seperti dibawah ini. Pilih 'Ascending Value'. Lalu klik continue.

11. Klik ok

Langkah terakhir adalah klik ok pada laman frekuensi awal tadi untuk melihat hasil (output) data statistik deskripti yang telah diolah menggunakan SPSS.

12. Menganalisis Output Statistik Deskriptif

Setelah melakukan langkah-langkah di atas, maka output statistik deskriptif dari data yang telah di input akan keluar dalam bentuk jendela baru. Output tersebut terdiri dari beberapa bagian.

A. Bagian Statistics

Pada bagian pertama terlihat output 'Statistics' seperti berikut.

Berdasarkan data output statistic tersebut, Berikut analisisnya.

1. N atau jumlah data yang valid adalah 7, sedangkan data yang hilang adalah nol.
2. Mean atau rata-rata prosentase revenue (pendapatan) adalah Rp 6.000 dengan standar error of mean adalah 816,49658.
3. Median atau titik tengah data, jika semua data diurutkan dan dibagi dua sama besar adalah Rp 6000.
4. Standar deviasi adalah 2160,24690 dan varians 4666666,667. Standar deviasi digunakan untuk menilai dispersi rata-rata dari sampel.
5. Ukuran skewness adalah 0. Untuk penilaian nilai tersebut diubah ke angka rasio.
6. Rasio skewness adalah nilai skewness/standar error skewness. Jika rasio skewness berkisar antara -2 sampai +2, maka distribusi data adalah normal. Dalam latihan ini rasio skewness adalah 0/0,794=0. Maka dapat disimpulkan bahwa distribusi data adalah normal.
7. Ukuran kurtosis adalah -1,2 dengan penilaiannya diubah ke angka rasio.
8. Rasio kurtosis adalah nilai kurtosis dibagi standar error kurtosis. Jika rasio kurtosis berkisar antara -2 sampai +2, maka distribusi data adalah normal. Dalam latihan ini rasio kurtosis adalah -1,2/1,587=-0,7561436673, Sehingga distribusi data adalah normal.
9. Data minimum adalah Rp 3.000 dan data maksimu adalah Rp 9.000.
10. Range atau selisih antara data maksimum dengan data minimum adalah Rp 6.000.

Sedangkan untuk Percentille atau angka persentil, yaitu:

1. Rata-rata revenue 10% sampel dibawah Rp 3.000
2. Rata-rata revenue 25% sampel dibawah Rp 4.000
3. Rata-rata revenue 50% sampel dibawah Rp 6.000
4. Rata-rata revenue 75% sampel dibawah Rp 8.000

2. Bagian Revenue

Pada output bagian kedua, terlihat tampilan output dalam bentuk tabel frekuensi dibawah ini.

Berdasarkan data output tersebut, berikut analisisnya.

• Pada baris 1, kepala keluarga yang memiliki pendapatan Rp 3.000/bulan adalah 1 atau 14,3 daru seluruh sampel yang ada.
• Pada baris 2, kepala keluarga yang memiliki pendapatan Rp 4.000/bulan adalah 1 atau 14,3 daru seluruh sampel yang ada.
• Pada baris 3, kepala keluarga yang memiliki pendapatan Rp 5.000/bulan adalah 1 atau 14,3 daru seluruh sampel yang ada.
• Pada baris 4, kepala keluarga yang memiliki pendapatan Rp 6.000/bulan adalah 1 atau 14,3 daru seluruh sampel yang ada.
• Pada baris 5, kepala keluarga yang memiliki pendapatan Rp 7.000/bulan adalah 1 atau 14,3 daru seluruh sampel yang ada.
• Pada baris 6, kepala keluarga yang memiliki pendapatan Rp 8.000/bulan adalah 1 atau 14,3 daru seluruh sampel yang ada.
• Pada baris 7, kepala keluarga yang memiliki pendapatan Rp 9.000/bulan adalah 1 atau 14,3 daru seluruh sampel yang ada.

3. Bagian Histogram

Sedangkan untuk output histogram, terlihat seperti gambar dibawah ini.

Berdasarkan hasil output gambar histogram yang ditampilkan, menunjukkan bentuk kurve yang normal atau mendekati normal. Untuk membuktikan apakah normal atau tidaknya, maka harus dibuktikan dengan melakukan uji normalitas data.

sumber : http://www.matabaraja.com/2017/10/olahdatastatistikdeskriptifmenggunakanspss.html

STATISTIK DESKRIPTIF SPSS

Statistika deskriptif adalah metode-metode yang berkaitan dengan pengumpulan dan penyajian suatu gugus data sehingga memberikan informasi yang berguna. Pengklasifikasian menjadi statistika deskriptif dan statistika inferensia dilakukan berdasarkan aktivitas yang dilakukan. seperti mean, median, modus, dan lain-lain.

Data yang diambil dari data frekuensi sebelumnya (geser kekanan buka DISTRIBUSI FREKUENSI)

Ukuran-ukuran statistik deskriptif dalam pengolahan data bertujuan untuk mendapatkan gambaran ringkas dari sekumpulan data, sehingga dapat disimpulkan keadaan data secara mudah dan cepat. Selain itu, melalui ukuran-ukuran statistik deskriptif ini, dapat ditentukan jenis pengolahan statistik lebih lanjut yang sesuai dengan karakteristik data tersebut.

Pada file Latihan distribusi frekuensi terdapat data umur dan pendapatan dari 18 responden penelitian yang telah diinput pada SPSS. Perhatikan pada responden ketiga dan keempat belas, pendapatannya tertulis 9999. Angka tersebut bukanlah pendapatan dari responden, tetapi adalah kode untuk “missing” data (data yang tidak tersedia). Selanjutnya untuk mendapatkan ukuran-ukuran statistik deskriptif, klik Analyze → Descriptive Statistics → Descriptives. Akan muncul tampilan berikut:

Gambar  Kotak dialog Descriptives

Pindahkan variabel umur dan pendapatan (yang tadinya ada dikotak sebelah kiri) ke kotak sebelah kanan, dengan cara klik variabel yang bersangkutan, kemudian klik panah yang menuju ke arah kanan. Selanjutnya, klik Options, akan muncul tampilan berikut:

Gambar Kotak dialog pilihan Descriptives

Terdapat berbagai pilihan ukuran numerik statistik deskriptif. Sebagai latihan, klik semua pilihan tersebut. Selain itu, terdapat juga pilihan Display Order (urutan tampilan output).

• Variable list, output akan ditampilkan dengan urutan sesuai dengan urutan variabel yang diinput (dalam contoh ini, tampilan outputnya umur kemudian pendapatan).
•  Alphabetic, output akan ditampilkan berdasarkan urutan abjad awal dari nama variabel (dalam hal ini pendapatan kemudian umur)
• Ascending means, urutan tampilan output dimulai dari variabel dengan rata-rata terkecil
• Descending means, urutan tampilan output dimulai dari variabel dengan rata-rata terbesar.

Dalam contoh diambil pilihan Variable list.

Setelah mengambil pilihan-pilihan yang diinginkan, klik Continue → OK. Akan muncul output statistik deskriptif sebagai berikut:

	N	Range	Minimu m	Maximu m	Sum	Mean
	Statisti c	Statistic	Statistic	Statistic	Statistic	Statistic	Std. Error
Umur responden	18	37	20	57	658	36.56	2.592
Pendapatan responden	16	3900	1100	5000	33900	2118.75	239.830
Valid N (listwise)	16

	Std. Deviation	Variance	Skewness		Kurtosis
	Statistic	Statistic	Statistic	Std. Error	Statistic	Std. Error
Umur responden	10.999	120.967	.305	.536	-.765	1.038
Pendapatan responden	959.318	920291.66 7	2.017	.564	4.878	1.091
Valid N (listwise)

Keterangan:

• Kolom pertama dari output menunjukkan variabel yang diolah.
• Kolom kedua adalah jumlah observasi. Perhatikan untuk umur responden, jumlah observasi adalah 18, untuk pendapatan responden adalah 16. Mengapa? Karena dua observasi sesuai dengan contoh latihan adalah data missing. SPSS dalam hal ini hanya akan mengolah data yang valid dengan mengeluarkan data missing.
• Kolom ketiga adalah range (jarak). Range merupakan pengukuran yang paling sederhana untuk dispersi (penyebaran) data. Rumus untuk range adalah nilai maksimum dikurangkan nilai minimum. Dalam contoh, misalnya range untuk umur adalah 37, karena nilai maksimum 57 dan nilai minimum 20.
• Kolom keempat adalah nilai minimum (terendah) dari data
• Kolom kelima adalah nilai maksimum (tertinggi) dari data
• Kolom keenam adalah jumlah (sum) dari keseluruhan data.
• Kolom ketujuh adalah nilai rata-rata, yaitu jumlah dibagi dengan banyaknya observasi. Dalam kasus umur = 658/18 = 36.56
• Kolom kedelapan adalah standar error dari rata-rata (Standard error of Mean). Ini
  adalah pengukuran untuk mengukur seberapa jauh nilai rata-rata bervariasi dari satu sampel ke sampel lainnya yang diambil dari distribusi yang sama. Cara
  menghitung standard error dari rata-rata (misalnya untuk umur) adalah:
  
  Keterangan
  SE : standar error dari rata-rata
  S : adalah standar deviasi (lihat kolom 9)
  n : adalah jumlah observasi
  Apa perbedaan standard error (of mean) dengan standar deviasi (kolom
  kesembilan)? Kalau standard deviasi adalah suatu indeks yang menggambarkan
  sebaran data terhadap rata-ratanya, maka standard error (of mean) adalah indeks
  yang menggambarkan sebaran rata-rata sampel terhadap rata-rata dari rata-rata
  keseluruhan kemungkinan sampel (rata-rata populasi). Pengukuran ini berguna,
  terutama untuk menjawab pertanyaan “seberapa baik rata-rata yang kita dapatkan
  dari data sampel dapat mengestimasi rata-rata populasi?”  
• Kolom kesembilan adalah standar deviasi, yang dihitung dengan rumus:
  
  
  Sebagai contoh perhitungan untuk standard deviasi umur sebagai berikut:
  
  
   
• Kolom kesepuluh adalah varians dari data. Secara matematis, varians dan standar deviasi saling terkait, dimana standar deviasi adalah akar varians, atau varians adalah kuadrat dari standar deviasi. Dengan demikian untuk varians umur adalah 10.999² = 120.967
• Kolom kesebelas adalah skewness data. Skewness merupakan alat ukur dalam menelusuri distribusi data yang diperbandingkan dengan distribusi normal. Skewness merupakan pengukuran tingkat ketidaksimetrisan (kecondongan) sebaran data di sekitar rata-ratanya. Distribusi normal merupakan distribusi yang simetris dan nilai skewness adalah 0. Skewness yang bernilai positif menunjukkan ujung dari kecondongan menjulur ke arah nilai positif (ekor kurva sebelah kanan lebih panjang). Skewness yang bernilai negatif menunjukkan ujung dari kecondongan menjulur ke arah nilai negatif (ekor kurva sebelah kiri lebih panjang). Rumus skewness adalah sebagai berikut:
  
  Sebagai contoh, perhitungan skewness untuk data umur adalah sebagai berikut:
  
  
  
  
• Kolom keduabelas adalah standar error dari skewness. Untuk menghitung standar error dari skewness ini (sebagai contoh umur) adalah sebagai berikut:
  
• Kolom ketiga belas adalah Kurtosis. Sebagaimana skewness, kurtosis juga merupakan alat ukur dalam menelusuri distribusi data yang diperbandingkan dengan distribusi normal. Kurtosis menggambarkan keruncingan (peakedness) atau kerataan (flatness) suatu distibusi data dibandingkan dengan distribusi normal. Pada distribusi normal, nilai kurtosis sama dengan 0. Nilai kurtosis yang positif menunjukkan distribusi yang relatif runcing, sedangkan nilai kurtosis yang negatif menunjukkan distribusi yang relatif rata. Rumus kurtosis adalah:
  
• Kolom keempat belas adalah standar error dari kurtosis, yang dihitung dengan rumus berikut:
  
  
  
  Dimana Ses adalah Standar error dari skewness yang telah kita hitung sebelumnya. Dengan demikian, standar error kurtosis untuk kasus umur adalah: