Pendahuluan
Aplikasi ilmu statistika dapat dibagi dalam dua bagian:
1. Statistik Deskriptif
Statistik Deskriptif berusaha menjelaskan atau menggambarkan berbagai karakteristik data seperti berapa rata-ratanya, seberapa jauh data-data bervariasi dari rata-ratanya, berapa median data, dan sebagainya.
Statistik Deskriptif berusaha menjelaskan atau menggambarkan berbagai karakteristik data seperti berapa rata-ratanya, seberapa jauh data-data bervariasi dari rata-ratanya, berapa median data, dan sebagainya.
2. Statistik Induktif (Inferensi)
Statistik Induktif membuat berbagai inferensi terhadap sekumpulan data yang berasal dari suatu sampel. Tindakan inferensi tersebut seperti melakukan perkiraan besaran populasi, uji hipotesis, peramalan, dan sebagainya.
Statistik Induktif membuat berbagai inferensi terhadap sekumpulan data yang berasal dari suatu sampel. Tindakan inferensi tersebut seperti melakukan perkiraan besaran populasi, uji hipotesis, peramalan, dan sebagainya.
Skala Pengukuran
Berdasarkan tingkat pengukurannya (level of measurement), data statistik dapat dibedakan dalam empat jenis:
1. Data Kualitatif,
disebut juga data yang buka berupa angka. Pada data ini tidak bisa
dilakukan operasi matematika. Data kualitatif dapat dibagi
dua:
o Nominal
Skala nominal hanya bisa membedakan benda atau peristiwa yang satu
dengan yang lainnya berdasarkan nama (predikat). Skala pengukuran
nominal digunakan untuk mengklasifikasi obyek, individual atau kelompok
dalam bentuk kategori dan memberikan angka pada tiap-tiap kategori.
Pemberian angka atau simbol pada skala nomial tidak memiliki maksud
kuantitatif hanya menunjukkan ada atau tidak adanya atribut atau
karakteristik pada objek yang diukur. Misalnya, jenis kelamin diberi
kode 1 untuk laki-laki dan kode 2 untuk perempuan. Angka ini hanya
berfungsi sebagai label kategori, tanpa memiliki nilai instrinsik dan
tidak memiliki arti apa pun. Kita tidak bisa mengatakan perempuan dua
kali dari laki-laki. Kita bisa saja mengkode laki-laki menjadi 2 dan
perempuan dengan kode 1, atau bilangan apapun asal kodenya berbeda
antara laki-laki dan perempuan. Misalnya lagi untuk agama, kita bisa
mengkode 1 = Islam, 2 = Kristen, 3 = Hindu, 4 = Budha dan seterusnya.
Kita bisa menukar angka-angka tersebut, selama suatu karakteristik
memiliki angka yang berbeda dengan karakteristik lainnya. Karena tidak
memiliki nilai instrinsik, maka angka-angka (kode-kode) yang kita
berikan tersebut tidak memiliki sifat sebagaimana bilangan pada umumnya.
Oleh karenanya, pada variabel dengan skala nominal tidak dapat
diterapkan operasi matematika standar (aritmatik) seperti pengurangan,
penjumlahan, perkalian, dan lainnya. Peralatan statistik yang sesuai
dengan skala nominal adalah peralatan statistik yang berbasiskan
(berdasarkan) jumlah dan proporsi seperti modus, distribusi frekuensi,
Chi Square dan beberapa peralatan statistik non-parametrik lainnya.
o Ordinal
Skala Ordinal sering disebut dengan skala peringkat. Hal ini karena dalam skala ordinal, lambang-lambang bilangan hasil pengukuran selain menunjukkan pembedaan juga menunjukkan urutan atau tingkatan obyek yang diukur menurut karakteristik tertentu. Misalnya tingkat kepuasan seseorang terhadap produk. Bisa kita beri angka dengan 5 = sangat puas, 4 = puas, 3 = kurang puas, 2 = tidak puas dan 1= sangat tidak puas. Atau misalnya dalam suatu lomba, pemenangnya diberi peringkat 1,2,3 dstnya.
Dalam skala ordinal, tidak seperti skala nominal, ketika kita ingin mengganti angka-angkanya, harus dilakukan secara berurut dari besar ke kecil atau dari kecil ke besar. Jadi, tidak boleh dibuat 1 = sangat puas, 2 = tidak puas, 3 = puas dan seterusnya.
Selain itu, yang perlu diperhatikan dari karakteristik skala ordinal adalah meskipun nilainya sudah memiliki batas yang jelas tetapi belum memiliki jarak (selisih). Kita tidak tahu berapa jarak kepuasan dari tidak puas ke kurang puas. Dengan kata lain, walaupun sangat puas kita beri angka 5 dan sangat tidak puas kita beri angka 1, kita tidak bisa mengatakan bahwa kepuasan yang sangat puas lima kali lebih tinggi dibandingkan yang sangat tidak puas.
Sebagaimana halnya pada skala nominal, pada skala ordinal kita juga tidak dapat menerapkan operasi matematika standar (aritmatik) seperti pengurangan, penjumlahan, perkalian, dan lainnya. Peralatan statistik yang sesuai dengan skala ordinal juga adalah peralatan statistik yang berbasiskan (berdasarkan) jumlah dan proporsi seperti modus, distribusi frekuensi,Chi Square dan beberapa peralatan statistik non-parametrik lainnya.
Skala Ordinal sering disebut dengan skala peringkat. Hal ini karena dalam skala ordinal, lambang-lambang bilangan hasil pengukuran selain menunjukkan pembedaan juga menunjukkan urutan atau tingkatan obyek yang diukur menurut karakteristik tertentu. Misalnya tingkat kepuasan seseorang terhadap produk. Bisa kita beri angka dengan 5 = sangat puas, 4 = puas, 3 = kurang puas, 2 = tidak puas dan 1= sangat tidak puas. Atau misalnya dalam suatu lomba, pemenangnya diberi peringkat 1,2,3 dstnya.
Dalam skala ordinal, tidak seperti skala nominal, ketika kita ingin mengganti angka-angkanya, harus dilakukan secara berurut dari besar ke kecil atau dari kecil ke besar. Jadi, tidak boleh dibuat 1 = sangat puas, 2 = tidak puas, 3 = puas dan seterusnya.
Selain itu, yang perlu diperhatikan dari karakteristik skala ordinal adalah meskipun nilainya sudah memiliki batas yang jelas tetapi belum memiliki jarak (selisih). Kita tidak tahu berapa jarak kepuasan dari tidak puas ke kurang puas. Dengan kata lain, walaupun sangat puas kita beri angka 5 dan sangat tidak puas kita beri angka 1, kita tidak bisa mengatakan bahwa kepuasan yang sangat puas lima kali lebih tinggi dibandingkan yang sangat tidak puas.
Sebagaimana halnya pada skala nominal, pada skala ordinal kita juga tidak dapat menerapkan operasi matematika standar (aritmatik) seperti pengurangan, penjumlahan, perkalian, dan lainnya. Peralatan statistik yang sesuai dengan skala ordinal juga adalah peralatan statistik yang berbasiskan (berdasarkan) jumlah dan proporsi seperti modus, distribusi frekuensi,Chi Square dan beberapa peralatan statistik non-parametrik lainnya.
2. Data Kuantitatif,
disebut juga data yang berupa angka dalam arti sebenarnya. Sehingga
bisa dilakukan operasi matematika. Terdiri dari dua jenis
data:
o Interval
Skala interval mempunyai karakteristik seperti yang dimiliki oleh
skala nominal dan ordinal dengan ditambah karakteristik lain, yaitu
berupa adanya interval yang tetap. Dengan demikian, skala interval sudah
memiliki nilai intrinsik, sudah memiliki jarak, tetapi jarak tersebut
belum merupakan kelipatan. Pengertian “jarak belum merupakan kelipatan”
ini kadang-kadang diartikan bahwa skala interval tidak memiliki nilai
nol mutlak. Misalnya pada pengukuran suhu. Kalau ada tiga daerah dengan
suhu daerah A = 10°C, daerah B = 15°C dan daerah C = 20°C.
Kita bisa mengatakan bahwa selisih suhu daerah B, 5°C lebih panas dibandingkan daerah A, dan selisih suhu daerah C dengan daerah B adalah 5°C. (Ini menunjukkan pengukuran interval sudah memiliki jarak yang tetap). Tetapi, kita tidak bisa mengatakan bahwa suhu daerah C dua kali lebih panas dibandingkan daerah A (artinya tidak bisa jadi kelipatan). Karena dengan pengukuran yang lain, misalnya dengan Fahrenheit, di daerah A suhunya adalah 50°F, di daerah B = 59°F dan daerah C = 68°F.
Artinya, dengan pengukuran Fahrenheit, daerah C tidak dua kali lebih panas dibandingkan daerah A, dan ini terjadi karena dalam derajat Fahrenheit titik nolnya pada 32, sedangkan dalam derajat Celcius titik nolnya pada 0. Skala interval ini sudah benar-benar angka dan, kita sudah dapat menerapkan semua operasi matematika serta peralatan statistik kecuali yang berdasarkan pada rasio seperti koefisien variasi.
Kita bisa mengatakan bahwa selisih suhu daerah B, 5°C lebih panas dibandingkan daerah A, dan selisih suhu daerah C dengan daerah B adalah 5°C. (Ini menunjukkan pengukuran interval sudah memiliki jarak yang tetap). Tetapi, kita tidak bisa mengatakan bahwa suhu daerah C dua kali lebih panas dibandingkan daerah A (artinya tidak bisa jadi kelipatan). Karena dengan pengukuran yang lain, misalnya dengan Fahrenheit, di daerah A suhunya adalah 50°F, di daerah B = 59°F dan daerah C = 68°F.
Artinya, dengan pengukuran Fahrenheit, daerah C tidak dua kali lebih panas dibandingkan daerah A, dan ini terjadi karena dalam derajat Fahrenheit titik nolnya pada 32, sedangkan dalam derajat Celcius titik nolnya pada 0. Skala interval ini sudah benar-benar angka dan, kita sudah dapat menerapkan semua operasi matematika serta peralatan statistik kecuali yang berdasarkan pada rasio seperti koefisien variasi.
o Skala rasio
Skala rasio adalah skala data dengan kualitas paling tinggi. Pada skala rasio, terdapat semua karakteristik skala nominal,ordinal dan skala interval ditambah dengan sifat adanya nilai nol yang bersifat mutlak. Nilai nol mutlak ini artinya adalah nilai dasar yang tidak bisa diubah meskipun menggunakan skala yang lain. Oleh karenanya, pada skala ratio, pengukuran sudah mempunyai nilai perbandingan/rasio. Pengukuran-pengukuran dalam skala rasio yang sering digunakan adalah pengukuran tinggi dan berat. Misalnya berat benda A adalah 30 kg, sedangkan benda B adalah 60 kg. Maka dapat dikatakan bahwa benda B dua kali lebih berat dibandingkan benda A.
Jenis-jenis data yang telah dijelaskan di atas harus dipahami dengan baik karena penerapan dalam statistik akan berbeda untuk jenis data yang berbeda.
Skala rasio adalah skala data dengan kualitas paling tinggi. Pada skala rasio, terdapat semua karakteristik skala nominal,ordinal dan skala interval ditambah dengan sifat adanya nilai nol yang bersifat mutlak. Nilai nol mutlak ini artinya adalah nilai dasar yang tidak bisa diubah meskipun menggunakan skala yang lain. Oleh karenanya, pada skala ratio, pengukuran sudah mempunyai nilai perbandingan/rasio. Pengukuran-pengukuran dalam skala rasio yang sering digunakan adalah pengukuran tinggi dan berat. Misalnya berat benda A adalah 30 kg, sedangkan benda B adalah 60 kg. Maka dapat dikatakan bahwa benda B dua kali lebih berat dibandingkan benda A.
Jenis-jenis data yang telah dijelaskan di atas harus dipahami dengan baik karena penerapan dalam statistik akan berbeda untuk jenis data yang berbeda.
PENGENALAN SPSS
SPSS (Statistical Package for the Social Science) merupakan
software statistik yang pada awalnya digunakan untuk riset dibidang
sosial dan melayani berbagai jenis user. SPSS merupakan paket program
statistik yang paling populer dan paling banyak digunakan di seluruh
dunia. Hal inilah yang yang membuat kepanjangan SPSS saat ini adalah
Statistical Product and Service Solution. Dengan SPSS semua kebutuhan
pengolahan data dapat diselesaikan dengan mudah dan cepat. Kemampuan
yang dapat diperoleh dari SPSS meliputi pemrosesan segala bentuk file
data, modifikasi data, membuat tabulasi berbentuk distribusi frekuensi,
analisis statistik deskriptif, analisis statistik lanjut yang sederhana
maupun kompleks, pembuatan grafik dan sebagainya.
· Memasukkan Data pada SPSS
Untuk menginput data, buka Program SPSS melalui Start → Programs → IBM SPSS Statistics → IBM SPSS Statiscs. Pertama kali akan muncul tampilan sebagai berikut:
Gambar 1.1 Tampilan layar Data View
Tampilan tersebut adalah tampilan Data Editor dalam SPSS yang
mempunyai fungsi utama untuk mendefinisikan, menginput, mengedit dan
menampilkan data. Sebelum menginput data, definisikan terlebih dahulu
data (variabel) yang akan diinput. Perhatikan di sudut kiri bawah dari
tampilan data editor di atas, terdapat menu Data View dan menu Variable
View. Untuk mendefinisikan data (variabel), klik Variable View, maka
akan muncul tampilan berikut:
Gambar 1.2 Tampilan layar Variable View
Setiap
baris dalam tampilan diatas digunakan untuk mendefinisikan satu
variabel (data) yang akan diinput. Ada beberapa informasi yang perlu
dimasukkan, yaitu:
1. Name
Isikan nama variabel. Persyaratan dalam pemberian nama variabel adalah:
· Nama variabel tidak boleh duplikasi dengan nama variabel lainnya.
· Nama
variabel paling panjang hanya 64 karakter dan harus diawali oleh huruf
atau @, #, $. Karakter berikutnya boleh kombinasi huruf, @, #, $ atau
angka. Nama variabel yang diawali dengan tanda $ menunjukkan bahwa
variabel tersebut adalah suatu variabel sistem.
· Variabel
tidak boleh mengandung spasi dan kata-kata kunci perintah SPSS yaitu
ALL, AND, BY, EQ, GE, GT, LE, LT, NE, NOT, OR, TO, dan WITH.
2. Type
Definisikan tipe variabel. Ketika anda mengklik sel di bawah type, akan muncul titik tiga (…). Klik titik tiga tersebut, maka akan muncul tampilan berikut:
Definisikan tipe variabel. Ketika anda mengklik sel di bawah type, akan muncul titik tiga (…). Klik titik tiga tersebut, maka akan muncul tampilan berikut:
Gambar 1.3 Tampilan kotak dialog Variable Type
Dari tampilan diatas, terdapat beberapa pilihan tipe variabel sebagai berikut:
· Numeric. Variabel yang berbentuk angka.
· Comma. Variabel
numerik dengan tampilan koma untuk setiap 3 angka (memisahkan ribuan),
dan titik untuk memisahkan desimal. Misalnya, jika data yang diinput
adalah 2567932, maka akan ditampilkan dalam SPSS sebagai 2,567,932.00.
· Dot. Variabel
numerik dengan tampilan titik untuk setiap 3 angka (memisahkan ribuan),
dan koma untuk memisahkan desimal. Misalnya, jika data yang diinput
adalah 2567932, maka akan ditampilkan dalam SPSS sebagai 2.567.932,00.
· Scientific notation. Variabel
numerik dengan tampilan scientific. Misalnya, jika data yang diinput
adalah 2567932, maka akan ditampilkan dalam SPSS sebagai 2.57E+006.
· Date. Variabel
numerik dengan nilai yang ditampilkan dalam format tanggal atau waktu.
Jika anda pilih tipe data ini, akan muncul tampilan pilihan format
tanggal atau waktu.
· Dollar. Variabel numerik dengan tampilan tanda $.
· Custom currency. Variabel
numerik yang ditampilkan dalam format uang yang anda inginkan (custom
currency) misalnya dalam bentuk Rp. Penggunaan pilihan format ini harus
didefinisikan terlebih dahulu dalam menu Options pada Currency tab.
· String. Variabel
yang tidak berbentuk numerik (angka) dan karenanya tidak digunakan
dalam perhitungan. Jenis ini juga dikenal sebagai variabel alphanumeric.
Setelah
memilih jenis variabel, lanjutkan dengan mengisi Width, yaitu jumlah
karakter (angka/huruf) maksimum dari data yang akan diinput. Setelah
itu, tentukan jumlah decimal yang ingin ditampilkan. Selanjutnya klik
OK.
3. Label
Label adalah keterangan mengenai variable dan dapat dibuat sampai
256 karakter. Selain itu, label dapat menggunakan spasi maupun
karakter-karakter yang tadinya tidak dapat digunakan pada nama
variabel.
4. Values
Values ini secara khusus berguna jika data yang kita gunakan
merupakan kode numerik (dalam bentuk angka) yang mewakili kategori
non-numerik, misalnya kode 1 untuk laki-laki dan kode 2 untuk perempuan.
Untuk menginput values dari masing-masing variabel, klik sel di bawah
Values, akan muncul titik tiga (…). Klik titik tiga tersebut, maka akan
muncul tampilan berikut:
Gambar 1.4 Tampilan kotak dialog Value Labels
Isikan
kode pada kotak Values dan labelnya pada kotak Label. Misalnya, kode 1
untuk Laki-laki. Setelah itu, klik Add. Lanjutkan untuk kode-kode
berikutnya, setelah itu klik OK.
5. Missing
Menentukan nilai “missing” ini berguna jika dalam pertanyaan
survai, ada responden yang tidak memberikan/menolak memberikan jawaban,
sehingga tidak tersedia data untuk diinput. Misalnya, jika ada responden
yang menolak memberikan jawaban mengenai pendapatannya. Jika kita
menginput jawaban responden tersebut dengan angka 0, maka dalam
pengolahannya, SPSS akan memasukkan dalam perhitungan (sehingga akan
berpengaruh terhadap rata-rata keseluruhan maupun terhadap distribusi
frekuensi).
Tetapi jika kita mendefinisikan suatu angka untuk menyatakan nilai
missing tersebut, maka SPSS akan mengeluarkan dari perhitungan. Untuk
mendefinisikan nilai “missing” dari masing-masing variabel, klik sel di
bawah “Missing”, akan muncul titik tiga (…). Klik titik tiga tersebut,
maka akan muncul tampilan berikut:
Gambar 1.5 Tampilan kotak dialog Missing Value
Kita bisa mendefinisikan tiga deretan angka yang berbeda untuk
nilai missing masing-masing variabel. Kita juga memberikan range nilai
untuk mendefinisikan nilai missing tersebut. Dalam contoh tampilan
diatas, misalnya didefinisikan hanya satu deretan angka untuk nilai
missing yaitu 99999. Dengan demikian, jika terdapat data yang kosong
(atau tidak terisi) dari variabel, maka inputkan angka 99999. Setelah
mendefinisikan nilai missing, klik OK.
6. Coloumn
Menentukan lebar kolom dari worksheet SPSS untuk input data. Lebar
kolom ini ditentukan minimal sama dengan “Width” variabel yang telah
ditentukan sebelumnya.
7. Align
Perataan dari tampilan input data. Jika diklik sel dibawah align,
akan muncul tiga pilihan yaitu left (rata kiri), right (rata kanan) dan
center (rata tengah).
8. Measure
Skala pengukuran dari masing-masing variabel. Ada tiga pilihan
yaitu Scale, Ordinal dan Nominal. Scale kita pilih jika skala pengukuran
kita adalah skala interval atau ratio. Setelah selesai dengan tahap
terakhir pendefinisian variabel ini, klik kembali menu Data View (yang
ada disudut kiri bawah). Dengan cara ini, kita akan masuk ke worksheet
SPSS dan siap untuk menginput data. Sebagai latihan, input data hasil
penelitian terdapat 18 responden penelitian sebagai berikut:
No
|
Responden
|
Jenis Kelamin
|
Umur
|
Pendidikan
|
Pendapatan
|
Konsumsi
|
1
|
Susan
|
Perempuan
|
25
|
SLTP
|
5000
|
3750
|
2
|
Susanto
|
Laki-laki
|
20
|
SLTP
|
2500
|
1875
|
3
|
Marni
|
Perempuan
|
23
|
SLTA
|
-
|
-
|
4
|
Semar
|
Laki-laki
|
30
|
S1
|
2000
|
1500
|
5
|
Tini
|
Perempuan
|
35
|
D3
|
1500
|
1400
|
6
|
Tono
|
Laki-laki
|
40
|
SLTA
|
1300
|
1200
|
7
|
Fadli
|
Laki-laki
|
43
|
SLTP
|
2000
|
1500
|
8
|
Fadliani
|
Perempuan
|
42
|
S1
|
2200
|
1650
|
9
|
Purwanti
|
Perempuan
|
30
|
S1
|
1700
|
1275
|
10
|
Purwana
|
Laki-laki
|
25
|
D3
|
1100
|
1000
|
11
|
Purwani
|
Perempuan
|
40
|
SLTA
|
3000
|
2250
|
12
|
Purwano
|
Laki-laki
|
25
|
D3
|
3200
|
2400
|
13
|
Mutia
|
Perempuan
|
38
|
SLTA
|
1800
|
1350
|
14
|
Tiara
|
Perempuan
|
45
|
SLTA
|
-
|
-
|
15
|
Joni
|
Laki-laki
|
55
|
SLTP
|
1400
|
1300
|
16
|
Jono
|
Laki-laki
|
50
|
SLTA
|
1600
|
1400
|
17
|
Kris Dayanti
|
Perempuan
|
35
|
D3
|
1900
|
1300
|
18
|
Kris Jhon
|
Laki-laki
|
57
|
D3
|
1700
|
1300
|
Pada
contoh data latihan di atas, kita punya enam variabel (data) yang akan
diinput yaitu nama responden, jenis kelamin, umur, pendidikan,
penghasilan dan konsumsi. Mari kita definisikan masing-masing variabel
sebagai berikut:
Variabel pertama:
Nama Variabel : Responden
Type : String (karena variabel ini tidak berbentuk numerik)
Width : 18 (untuk data kita ini, jumlah karakter terbanyak 18)
Decimal : 0 (untuk data type string, desimal akan otomatis 0)
Label : Nama Responden
Values : None (untuk data type string, values akan otomatis none)
Missing : None (untuk data type string, missing akan otomatis none)
Column
: 18 (ukuran kolom ini sesuaikan dengan jumlah
karakter dari nama variabel atau maksimum karakter dari data pada
variabel tersebut, mana yang paling banyak)
Align : Left (untuk data string sebaiknya dibuat rata kiri)
Measure : Nominal (untuk data string, pilih saja measure nominal)
Variabel kedua:
Nama Variabel : Sex
Type : Numeric
Width
: 2 (sebenarnya input data yang akan kita
masukkan nanti hanya berupa kode 1 dan 2, atau hanya terdiri dari 1
karakter, tetapi width nya sebaiknya kita lebihkan 1 karakter)
Decimal : 0 (karena tidak memerlukan angka dibelakang koma)
Label : Jenis Kelamin Responden
Values : 1 = laki-laki, 2 = perempuan
Missing : None (karena informasi mengenai jenis kelamin tersedia pada semua responden)
Column : 4
Align : Rigth (untuk data numerik sebaiknya dibuat rata kanan)
Measure : Nominal (angka untuk pengkodean jenis kelamin ini, adalah termasuk data skala nominal)
Variabel ketiga:
Nama Variabel : Umur
Type : Numeric
Width : 3
Decimal : 0 (karena tidak memerlukan angka dibelakang koma)
Label : Umur Responden
Values : None (tidak ada pengkodean numerik untuk variabel ini)
Missing : None (karena informasi mengenai umur tersedia pada semua responden)
Column : 5
Align : Rigth (untuk data numerik sebaiknya dibuat rata kanan)
Measure : Scale (karena umur merupakan data berskala ratio)
Variabel keempat:
Nama Variabel : Pendidikan
Type : Numeric
Width : 2 (karena pendidikan akan diinput dengan kode 1 – 5)
Decimal : 0 (karena tidak memerlukan angka dibelakang koma)
Label : Pendidikan Responden 11
Values : 1 = SD, 2= SLTP, 3= SLTA, 4= D3, 5= S1
Missing : None (karena informasi mengenai pendidikan tersedia pada semua responden)
Column : 8
Align : Rigth (untuk data numerik sebaiknya dibuat rata kanan)
Measure : Ordinal (karena pendidikan merupakan data berskala ordinal)
Variabel keenam:
Semua isian data sama dengan variable ke lima kecuali nama variable.
Hasil dari tahapan-tahapan yang kita lakukan akan memberikan tampilan kira-kira sebagai berikut:
Gambar 1.6 Tampilan Variable View yang telah didefenisikan
Setelah
itu, klik menu Data View yang ada disudut kiri bawah, dan data siap
diinput kemudian simpan data tersebut dengan nama Latihan distribusi
frekuensi. Berdasarkan data latihan sebelumnya, tampilan input data
adalah sebagai berikut:
Tidak ada komentar:
Posting Komentar