Pendahuluan dan Pengenalan SPSS
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.
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.
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.

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.
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.

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:
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:

Komentar

Postingan populer dari blog ini

Rancangan Acak Kelompok Faktorial Dengan Mengunakan Excel dan SPSS16

RAK FAKTORIAL : Contoh Percobaan dan Penyelesaian

RANCANGAN ACAK LENGKAP - FAKTORIAL (RALF) melalui SPSS