Sekilas Mengenai SPSS

Sekilas Mengenai SPSS

Kemajuan di bidang komputer saat ini, khususnya software aplikasi statistik, telah membuat pengolahan data statistik menjadi mudah dan menyenangkan untuk dikerjakan. Karenanya, saat ini aplikasi statistik dalam pengolahan data tidak lagi menjadi hal yang menakutkan. Banyak persoalan statistik yang kompleks , yang dahulu tidak mungkin dikerjakan secara manual, sekarang bisa diselesaikan secara cepat dengan program statistik.
Dari berbagai software statistik yang ada saat ini, SPSS adalah yang paling populer dan paling banyak digunakan pemakai di seluruh dunia. Berdasarkan pengalaman praktek, menurut penulis ada tiga aspek yang menyebabkan SPSS menjadi software statistik yang terkenal
1. Rancangan menu dalam penginputan dan pengolahan datanya sangat “user friendly”, sehingga dengan mudah dapat dipelajari hanya dengan membaca buku panduan yang banyak tersedia di toko-toko buku. Bahkan tanpa buku panduan pun dapat dipelajari, jika anda mampu membaca fungsi “help” yang disediakan software ini.
2. Kemampuan “spreadsheet” nya, yang memungkinkan kita untuk mengolah data dalam jumlah yang besar secara cepat dan mudah. Ini menyebabkan SPSS lebih unggul dalam mengolah data hasil penelitian survay dibandingkan software-software statistik lainnya.
3. Sejak pertama kali dibuat tahun 1968 oleh tiga mahasiswa Stanford (Norman H. Nie, C. Hadlai (Tex) Hull and Dale H. Bent), SPSS telah berkembang sedemikian rupa dengan menambahkan berbagai fasilitas pengolahan statistik yang beragam, mulai dari tingkat dasar sampai tingkat lanjut. (Catatan: Versi terakhir dari SPSS saat ini adalah versi 17)
Namun demikian, meskipun SPSS sudah dirancang secara “user friendly”, untuk menguasai berbagai fasilitas yang tersedia pada program ini tentunya tetap memerlukan banyak praktek dan latihan, dengan berbagai variasi persoalan. Oleh karenanya, blog ini sengaja dirancang dalam rangka mengembangkan kemampuan praktis dalam penguasaan SPSS. Tulisan-tulisan yang akan dimuat dalam blog ini terutama adalah tulisan-tulisan yang didasarkan pengalaman praktek dari penulis.

Menginput Data pada SPSS (Bag.1)

Pada seri tulisan ini, kita akan membahas cara menginput data dalam SPSS. Untuk menginput data tersebut, langkah-langkahnya sebagai berikut:
Buka Program SPSS. Pertama kali akan muncul tampilan sebagai berikut:

Tampilan tersebut adalah tampilan Data Editor dalam SPSS yang mempunyai fungsi utama untuk mendefinisikan, menginput, mengedit dan menampilkan data.
Di dalam SPSS, sebelum menginput data, definisikan terlebih dahulu data (variabel) yang akan diinput (meskipun ini bisa dilakukan belakangan, sebaiknya lakukan hal ini sebelum data diinput).
Perhatikan disudut kiri bawah dari tampilan data editor diatas. Disitu terdapat menu Data View (posisi kita saat ini, yang ditandai oleh tulisan yang lebih hitam) dan menu Variable View. Untuk mendefinisikan data (variabel), klik Variable View, maka akan muncul tampilan berikut:

Setiap baris dalam tampilan diatas digunakan untuk mendefinisikan satu variabel (data) yang akan diinput. Ada beberapa informasi yang perlu dimasukkan, yaitu:
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. (Pembahasan mengenai variabel sistem akan dibahas pada tulisan-tulisan berikutnya. Untuk latihan kali ini, kita tidak akan menggunakan hal tersebut).
• 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.

Type: Definisikan tipe variabel. Ketika anda mengklik sel di bawah type, akan muncul titik tiga (…). Klik titik tiga tersebut, maka akan muncul tampilan berikut:

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. (caranya akan kita bahas pada tulisan berikutnya)
• 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 angka dibelakang koma yang (desimal) yang ingin ditampilkan. Selanjutnya klik OK.

Menginput Data pada SPSS (Bag.2)

Tulisan ini adalah sambungan dari bagian 1. Cara Menginput Data pada SPSS. Silakan baca tulisan tersebut terlebih dahulu untuk memahami bagian ini.
Setelah menentukan nama variabel, jenis variabel, ukuran lebar dan desimal dari input data untuk masing-masing variabel, selanjutnya adalah mengisikan label untuk masing-masing variabel tersebut.
Label adalah semacam keterangan mengenai variabel. Berbeda dengan nama variabel yang terbatas hanya sampai 64 karakter, label dapat di buat sampai 256 karakter. Selain itu, label ini dapat menggunakan spasi maupun karakter-karakter yang tadinya tidak dapat digunakan pada nama variabel.
Berikutnya adalah menginputkan Values dari masing-masing variabel. 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:

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.
Setelah menentukan Values pada masing-masing variabel (jika ada), selanjutnya adalah menentukan nilai “missing” untuk masing-masing variabel. Menentukan nilai “missing” ini berguna, jika misalnya 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:

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 kita mendefinisikan hanya satu deretan angka untuk nilai missing yaitu 99999. Dengan demikian, jika terdapat data yang kosong (atau tidak terisi) dari variabel kita, maka inputkan angka 99999. Setelah mendefinisikan nilai missing, klik OK.
Tahap selanjutnya adalah menentukan lebar kolom (Columns) dari worksheet SPSS untuk input data. Lebar kolom ini ditentukan minimal sama dengan “Width” variabel yang telah ditentukan sebelumnya.
Berikutnya adalah menentukan perataan (align) dari tampilan input data. Jika diklik sel dibawah align, akan muncul tiga pilihan yaitu left (rata kiri), right (rata kanan) dan center (rata tengah).
Selanjutnya, tahap terakhir dari pendefinisian variabel adalah menentukan skala pengukuran (measure) dari masing-masing variabel. Ketika diklik sel dibawah Measure, akan terdapat tiga pilihan yairu Scale, Ordinal dan Nominal. Scale kita pilih jika skala pengukuran kita adalah skala interval atau ratio. (Untuk memahami mengenai skala pengukuran ini, silakan klik tulisan ini)
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.
Ok. Cukup sekian dulu postingan ini. Kita lanjutkan pada bagian 3, dengan latihan menggunakan data contoh untuk penginputan data pada SPSS

Menginput Data pada SPSS (Bag.3)

Setelah memberikan dasar-dasar pendefinisian variabel untuk input data pada SPSS (lihat tulisan bagian 1 dan bagian 2), pada bagian 3 ini kita akan menggunakan data contoh untuk mempraktekkannya. Untuk memahami bagian ini, silakan baca dua bagian tulisan sebelumnya.
Sebagai latihan, misalnya kita akan menginput data hasil penelitian terdapat 18 responden penelitian sebagai berikut:

Pada contoh data latihan diatas, kita punya lima variabel (data) yang akan diinput yaitu nama responden, jenis kelamin, umur, pendidikan dan penghasilan. Mari kita definisikan masing-masing variabel sebagai berikut:

Variabel 1.
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 2.
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 3.
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 4.
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
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 5.
Nama Variabel: Pendapatan
Type : Numeric
Width: 4
Decimal : 0 (karena tidak memerlukan angka dibelakang koma)
Label: Pendapatan Responden (dalam ribuan Rp)
Values: None (tidak ada pengkodean numerik untuk variabel ini)
Missing: terdapat responden yang tidak memiliki informasi mengenai pendapatan. Untuk itu, sebagai latihan kita berikan kode 9999 untuk responden yang tidak kita dapatkan informasi pendapatannya tersebut
Column: 9
Align: Rigth (untuk data numerik sebaiknya dibuat rata kanan)
Measure: Scale(karena pendapatan merupakan data berskala ratio)

Menginput Data pada SPSS (Bag.4)

Postingan ini merupakan bagian terakhir dari seri tulisan mengenai cara input data pada SPSS. Untuk memahami bagian ini, silakan baca terlebih dahulu bagian 1, bagian 2 dan bagian 3 sebelumnya.
Kali ini kita akan mempraktekkan pendefinisian variabel dengan data latihan yang telah diberikan pada tulisan sebelumnya.
Buka Program SPSS, kemudian masuk ke menu Variable View (dengan cara mengklik menu yang ada disudut kiri bawah)maka akan muncul tampilan berikut:

Pada baris pertama dari tampilan diatas, isikan Name dengan Responden. Pilih Type: String dengan cara klik sel dibawah Type, akan muncul titik tiga (…). Klik titik tiga tersebut akan muncul tampilan berikut:

Pilih (klik) String, isikan Characters=18 (ini adalah isian untuk Width) dan kemudian OK.
Selanjutnya isikan Label: Nama Responden. Isikan Column: 18. Pilih Align: Left (ketika anda klik sel dibawah Align akan muncul pilihan tersebut). Pilih Measure: Nominal (ketika anda klik sel dibawah Measure, akan muncul pilihan tersebut). Isian lainnya (Decimal, Values dan Missing), diabaikan karena untuk data tipe string tidak ada pilihan lain yang diberikan oleh program yaitu Decimal=0, Values=None dan Missing=None.
Selanjutnya pada baris kedua dari tampilan diatas, isikan Name: Sex. Pilih Type: Numeric dengan cara klik sel dibawah Type, akan muncul titik tiga (…). Klik titik tiga tersebut akan muncul tampilan berikut:

Pilih (klik) Numeric. Isikan Width=2. Isikan Decimal=0, kemudian OK.
Selanjutnya isikan Label: Jenis Kelamin Responden. Isikan Values dengan 1=laki-laki, 2= persempuan, dengan cara klik sel dibawah Values, akan muncul titik tiga (…). Klik titik tiga tersebut akan muncul tampilan berikut:

Isikan Value =1, Label = Laki-Laki, kemudian klik Add. Selanjutnya isikan Value = 2, Label = Perempuan kemudian klik Add. Setelah itu klik OK.
Biarkan default Missing dengan None. Isikan Column dengan 4. Pilih Align: Right dan pilih Measure: Nominal.
Selanjutnya pada baris ketiga dari tampilan diatas, isikan Name: Umur. Pilih Type: Numeric. Isikan Width: 3. Isikan Decimal: 0. Isikan Label dengan Umur Responden. Values=None. Missing=None. Isikan Column=5. Pilih Align: Right. Pilih Measure:Scale
Pada baris keempat dari tampilan diatas, isikan Name: Pendidikan. Pilih Type: Numeric. Isikan Width: 2. Isikan Decimal: 0. Isikan Label dengan Pendidikan Responden. Isikan Values dengan 1=SD, 2=SLTP, 3=SLTA, 4=D3, 5=S1. Missing=None. Isikan Column=8. Pilih Align: Right. Pilih Measure:Ordinal.
Pada baris kelima dari tampilan diatas, isikan Name:Pendapatan. Pilih Type: Numeric. Isikan Width: 4. Isikan Decimal: 0. Isikan Label dengan Pendapatan Responden. Values=None.
Pada variabel pendapatan dalam contoh kita, terdapat responden yang tidak memberikan informasi pendapatannya. Tentunya ini tidak bisa diinput dengan angka 0, karena akan mempengaruhi hasil perhitungan. Untuk itu, kita definisikan nilai missing dalam variabel ini (misalnya dengan angka 9999. Untuk mendefinisikan nilai missing ini, pilihlah angka yang tidak mungkin ada dalam data kita). Caranya adalah dengan klik sel dibawah Missing, akan muncul titik tiga (…). Klik titik tiga tersebut akan muncul tampilan berikut:

Klik Discret missing values, kemudian isikan angka 9999 pada kotak yang tersedia dibawahnya, kemudian klik OK.
Selanjutnya isikan Column=9. Pilih Align: Right. Pilih Measure:Scale.
Hasil dari tahapan-tahapan yang kita lakukan akan memberikan tampilan kira-kira sebagai berikut:

Setelah itu, klik menu Data View yang ada disudut kiri bawah, dan kita siap menginput data.
Berdasarkan data latihan kita sebelumnya, tampilan input data adalah sebagai berikut:

Distribusi Frekuensi dg SPSS

Setelah pada empat seri tulisan sebelumnya kita membahas mengenai proses dan prosedur menginput data pada SPSS, maka pada tulisan kali ini kita akan membahas mengenai cara mendapatkan distribusi frekuensi dengan SPSS. Untuk latihan, data yang digunakan tetap data pada tulisan sebelumnya yang kita kutipkan sebagai berikut:

Dari data tersebut, misalnya kita ingin membuat distribusi frekuensi untuk sex (jenis kelamin) dan pendidikan. (Catatan: untuk distribusi frekuensi umur dan pendapatan, sebaiknya data dikelompokkan dulu, yang akan kita bahas pada tulisan berikutnya).
Klik Analyze > Descriptive Statistics > Frequencies. Akan muncul tampilan berikut:

Masukkan (pindahkan) variabel jenis kelamin dari kotak sebelah kiri ke kotak sebelah kanan dengan cara klik variabel jenis kelamin di kotak kiri, kemudian klik panah yang menuju ke sebelah kanan. Lakukan hal yang sama untuk variabel pendidikan. Kemudian klik OK.
Output dari distribusi frekuensi diberikan sebagai berikut:

Tabel pertama memberikan keterangan mengenai variabel yang diolah, yaitu jumlah observasinya dan jumlah observasi missing. Dari tabel tersebut terlihat bahwa jumlah observasi sebanyak 18 dan tidak ada observasi missing.
Tabel kedua dan ketiga masing-masingnya memberikan distribusi frekuensi untuk jenis kelamin responden dan pendidikan responden.
Tabel distribusi frekuensi menampilkan lima kolom sebagai berikut:
Kolom pertama: kategori yang difrekuensikan (sebagai contoh pada jenis kelamin adalah laki-laki dan perempuan)
Kolom kedua: frekuensi masing-masing kategori
Kolom ketiga: persentase frekuensi masing-masing kategori (persentase dihitung dari total observasi termasuk observasi missing)
Kolom keempat : persentase frekuensi masing-masing kategori tetapi persentase dihitung dengan mengeluarkan observasi missing. (Catatan: berhubung tidak ada observasi missing, baik untuk jenis kelamin maupun pendidikan, maka kolom 3 dan 4 menjadi sama).
Kolom kelima: Cumulative Percent yaitu persentase kumulatif yang dihitung dari valid percent. Sebagai contoh pada tabel frekuensi pendidikan. Baris pertama adalah 22,2 persen. Pada baris kedua adalah 55,6 persen yang dihitung dari 22,2 +33,3 (catatan: perbedaan perhitungan karena pembulatan). Demikian seterusnya.

Statistik Deskriptif pd SPSS (Bagian 1)

Ukuran-ukuran statistik deskriptif dalam pengolahan data bertujuan untuk mendapatkan gambaran ringkas dari sekumpulan data, sehingga kita dapat menyimpulkan keadaan data secara mudah dan cepat. Selain itu, melalui ukuran-ukuran statistik deskriptif ini, kita dapat menentukan jenis pengolahan statistik lebih lanjut yang sesuai dengan karakteristik data kita tersebut.
Berkaitan dengan hal tersebut, seri tulisan ini akan membahas cara mendapatkan ukuran-ukuran statistik deskriptif pada SPSS. Sebagai latihan, misalnya terdapat data umur dan pendapatan dari 18 responden penelitian kita yang telah diinput pada SPSS sebagai berikut:

Perhatikan pada responden ketiga dan responden keempat belas. Pendapatannya disana tertulis 9999. Angka tersebut bukanlah pendapatan dari responden, tetapi adalah kode untuk “missing” data (data yang tidak tersedia). (lihat penjelasan pada tulisan ini untuk memahami cara memperlakukan data yang “missing”).
Selanjutnya untuk mendapatkan ukuran-ukuran statistik deskriptif, klik Analyze > Descriptive Statistics > Descriptives. Akan muncul tampilan berikut:

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. Kedua variabel akan pindah ke kotak kanan seperti yang terlihat pada tampilan diatas.
Selanjutnya, klik Options, akan muncul tampilan berikut:

Terdapat berbagai pilihan ukuran numerik statistik deskriptif dalam SPSS seperti yang terlihat pada tampilan diatas. Sebagai latihan, klik saja semua pilihan tersebut.
Selain itu, juga terdapat pilihan Display Order (urutan tampilan output). Jika diklik pilihan Variable list, maka output akan ditampilkan dengan urutan sesuai dengan urutan variabel yang kita input (dalam contoh ini, tampilan outputnya umur kemudian pendapatan). Jika dipilih alphabetic, maka output akan ditampilkan berdasarkan urutan abjad awal dari nama variabel (dalam hal ini pendapatan kemudian umur). Jika dipilih Ascending means, maka urutan tampilan output dimulai dari variabel dengan rata-rata terkecil. Jika dipilih Descending means, maka urutan tampilan output dimulai dari variabel dengan rata-rata terbesar. Dalam contoh kita diatas, kita ambil pilihan Variable list
Setelah mengambil pilihan-pilihan yang diinginkan, klik Continue dan klik OK. Akan muncul output statistik deskriptif sebagai berikut:

(Catatan: dalam output SPSS, tabel ini ditampilkan memanjang dalam satu tabel. Mengingat keterbatasan lebar halaman, disini dipecah jadi dua tabel)

Statistik Deskriptif pd SPSS (Bagian 2)

Bagian ini merupakan bagian kedua dari seri tulisan mengenai statistik deskriptif pada SPSS. Untuk memahami bagian ini, silakan baca dulu bagian 1.
Seperti yang terlihat pada bagian 1 tulisan ini, output SPSS untuk statistik deskriptif terdiri dari 14 kolom. Masing-masing kolom akan dijelaskan sebagai berikut:
Kolom pertama dari output menunjukkan variabel yang diolah.
Kolom kedua adalah jumlah observasi. Perhatikan bahwa untuk umur responden, jumlah observasi adalah 18, sedangkan untuk pendapatan responden adalah 16. Mengapa ? Karena dua observasi sesuai dengan contoh latihan kita 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:
Range = nilai maksimum – nilai minimum
Dalam kasus kita, 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.
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 ?”
Cara menghitung standard error dari rata-rata (misalnya untuk umur) adalah:

Dimana SE = standar error dari rata-rata
S = standar deviasi (lihat kolom 9)
n = jumlah observasi
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 10.999^2 = 120.967
Ok, masih terdapat empat kolom berikutnya yang belum kita bahas yaitu skewness dan standar errornya serta kurtosis dan standar errornya. Namun, agar postingan ini tidak terlalu panjang, akan kita bahas pada tulisan berikutnya. Silakan baca bagian 3 ini

Statistik Deskriptif pd SPSS (Bagian 3)

Postingan ini merupakan bagian ketiga (terakhir) dari dua postingan sebelumnya mengenai statistik deskriptif pada SPSS. Untuk memahami bagian ini, silakan baca terlebih dahulu bagian 1 dan bagian 2.
Pada bagian ketiga ini, kita akan membahas mengenai skewness dan standar errornya serta kurtosis dan standar errornya sebagai bagian dari output statistik deskriptif SPSS yang ada pada kolom kesebelas sampai kolom keempatbelas.

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, kurtosisi 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:

Contoh perhitungan untuk data umur sebagai berikut:

Sehingga kurtosisnya 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 dalam latihan kita adalah:

(catatan: jika anda mendapatkan hasil yang sedikit berbeda, itu karena proses pembulatan)

Pengelompokkan Data dengan SPSS

Seringkali dan biasanya, selain menampilkan ukuran statistik deskriptif dari kumpulan data, kita juga ingin menampilkan distribusi frekuensi dari data tersebut. Jika data sudah dalam bentuk kategori (misalnya pendidikan SD, SLTP,SLTA dst) atau data sudah dikategorikan dalam kelompok-kelompok interval tertentu misalnya pendapatan rendah ( <>2.000.000), maka kita dapat secara langsung membuat distribusi frekuensinya dengan SPSS (caranya, lihat tulisan ini).
Tetapi bagaimana jika data belum terkelompok dalam kategori-kategori tertentu ? Tentunya tabel distribusi frekuensinya akan sangat panjang mengikuti keragaman dari nilai-nilai data tersebut. Misalnya kita punya data umur responden penelitian sebagai berikut:

Jika dibentuk tabel distribusi frekuensi dari data diatas, maka akan terbentuk tabel distribusi yang tidak ringkas, sehingga kita akan sulit menarik kesimpulan dari data tersebut, seperti terlihat dibawah ini:

Karenanya, agar tabel distribusi frekuensi menjadi lebih ringkas sehingga mudah diinterpretasikan., data umur dalam contoh kita diatas sebaiknya dikelompokkan terlebih dahulu.
Bagaimana cara mengelompokkan data ini dalam SPSS ?
Sebagai latihan, silakan input terlebih dahulu data umur responden diatas, definisikan nama variabel dengan umur (lihat cara mendefinisikan variabel pada tulisan ini), kemudian klik Transform. Ada dua pilihan dalam mengelompokkan data ini yaitu Recode into Same Variables (kode pengelompokkan akan menindih data asli) dan Recode into Different Variables (kode pengelompokan akan dibuat pada variabel yang baru). Kita pilih saja Recode into Different Variables, maka akan muncul tampilan berikut:

Pindahkan variabel umur yang tadinya ada dikotak sebelah kiri ke kotak sebelah kanan dengan cara mengklik panah arah ke kanan. Kemudian pada kotak Output Variable, untuk Name tuliskan Kel.Umur dan untuk Label tuliskan Kelompok Umur (lihat tampilan diatas), kemudian klik Change.
Selanjutnya, klik Old and New Values, akan muncul tampilan berikut:

Misalnya kita ingin mengelompokkan umur menjadi : <>49.
Caranya perhatikan tampilan diatas.
Untuk mengelompokkan umur ≤ 29, pada bagian Old Value, klik Range,LOWEST through value, kemudian isikan pada kotak dibawahnya angka 29. Selanjutnya pada bagian New Value, pada kotak Value isikan angka 1, kemudian klik Add (lihat tampilan diatas)
Untuk mengelompokkan umur 30 – 39, pada bagian Old Value, klik Range, kemudian isikan pada kotak dibawahnya angka 30 dan kotak dibawah through angka 39. Selanjutnya pada bagian New Value, pada kotak Value isikan angka 2, kemudian klik Add (lihat tampilan berikut ini)

Dengan cara yang sama, lakukan untuk kelompok umur 40 – 49 (pada New Value beri kode 3).
Selanjutnya untuk kelompok umur ≥ 50, pada bagian Old Value, klik Range value through HIGHEST, kemudian isikan pada kotak dibawahnya angka 50. Selanjutnya pada bagian New Value, pada kotak Value isikan angka 4, kemudian klik Add.
Setelah selesai memberikan kode untuk pengelompokan umur ini, kemudian klik Continue dan OK.
Hasilnya, pada worksheet SPSS kita akan ada tambahan variabel baru yaitu kelompok umur sebagai berikut:

Sekarang kita tinggal memberikan Value Label untuk masing-masing kode pengelompokan umur tersebut dengan kode 1 (≤ 29), kode 2 (30-39), kode 3 (40 – 49), kode 4 (≥ 49). Cara memberikan value label dapat dilihat pada tulisan ini.
Setelah memberikan value label, bentuklah distribusi frekuensi untuk kelompok umur tersebut (lihat cara membuat distribusi frekuensi pada tulisan ini). Output SPSS dari latihan kita adalah sebagai berikut:

Grafik Garis Pada SPSS (Seri 5 Grafik)

Grafik garis merupakan salah satu jenis grafik yang biasa digunakan untuk menggambarkan data yang bersifat perkembangan (trend). Untuk kepentingan tersebut, tulisan kali ini akan membahas mengenai cara membuat grafik garis pada SPSS. adspeedy
Sebagai latihan, misalnya kita punya data mengenai investasi dan tabungan domestik Indonesia (dalam trilyun Rp) selama periode tahun 1990 – 2007, yang telah diinput pada SPSS sebagai berikut:
Tampilan 1.

Misalnya, untuk latihan awal kita ingin membuat grafik garis yang menggambarkan perkembangan investasi selama periode 1990 – 2007.
Klik Graph > Legacy Dialog > Line, akan muncul tampilan berikut:
Tampilan 2.

Pilih jenis Simple (karena hanya satu variabel yang akan kita gambarkan), kemudian pilih Values of individual cases. Selanjutnya klik Define, akan muncul tampilan berikut:
Tampilan 3.

Masukkan variabel Investasi pada kotak Line Represents dan variabel Tahun pada kota Variable. Kemudian klik OK, maka akan keluar output grafik garis sebagai berikut:

Kita juga bisa menggambarkan perkembangan investasi dan tabungan sekaligus dalam satu grafik dengan cara pada tampilan 2 diatas, pilih Multiple. Selanjutnya pada tampilan 3 diatas, masukkan variabel investasi dan tabungan pada kotak Line Represent.
Contoh hasil untuk multiple grafik tersebut sebagai berikut:

Selanjutnya, kita bisa mengedit grafik ini dengan menambahkan judul, label, mengganti warna dan sebagainya pada menu Chart Editor.