Modul Training SPSS

of 31 /31
e-mail: [email protected] Written by Aslan Irunsah SPSS dan Sejarahnya Pada awalnya, sebelum diberi nama Statistical Service Product Solutions, aplikasi ini bernama Statistical Package for the Social Sciences yang dibuat pada tahun 1968 oleh Norman Nie, seorang mahasiswa lulusan fakultas ilmu politik dari Stanford University. SPSS sangat berguna bagi ilmu social di era tersebut, dan digunakan untuk analisis pasar, penelitian kesehatan, survey kesehatan, dan masih banyak lagi. Program SPSS bekerja dengan membandingkan suatu data kedalam suatu paket hasil analisis. Sehingga dalam pengolahan lebih mudah dalam penggunaan serta analisisnya dalam aplikasi permasalahan riset dan bisnis. SPSS dilengkapi kemampuan untuk akses data, persiapan dan manajemen data, analisis data, serta dalam laporan hasil olahan. Sedangkan perangkat lunak sekarang sangat banyak untuk penyelesaian pengolahan data statistic. Program aplikasi untuk pengolahan data yang beredara saat ini sudah banyak macamnya antara lain SHAZAM, Systant, Ecosim, Ecostat, Minitab, SAS, Statgraph, SPSS, Statistica, dan sebagianya. Dari berbagai perangkat pilihan lunak yang akan digunakan dalam pengolahan data SPSS merupakan yang paling popular. Mengapa SPSS, karena memiliki beberapa kelebihan yaitu terdapat banyak fasilitas yang dapat menangani berbagai persoalan statistika, memiliki tampilan user friendly, dan merupakan terobosan baru berkaitan dengan perkembangan teknologi infromasi, khususnya E-Business. Dalam hal ini SPSS telah dilengkapi dengan fasilitas OLAP (Online Analytical processing) yang akan memudahkan dalam pemecahan pengolahan data. Selain itu, kelebihan SPSS adalah dapat digunakan untuk mengakses data dari berbagai perangkat lunak yang lain selanjutnya diolah dan kemudian dianalisis. Sejarah SPSS Pada tahun 1968, Norman H.Nie, C.Hadlai (Tex) Hull dan Dale H.Bent, tiga orang pemuda dari latar belakang professional berbeda, mengembangkan sistem perangkat lunak yang berdasarkan gagasan statistika menggunakan untuk mengubah data mentah menjadi informasi essensial untuk membuat keputusan. Sistem perangkat lunak statistic revolusioner ini disebut SPSS, yang menjadi calon Statistical Package untuk Ilmu Pengetahuan Sosial. Ketiga pemuda tersebut membangun SPSS dari keperluan untuk dengan cepat menganalisa volume data ilmu pengetahuan social yang dikumpulkan lewat berbagai metode penelitian. Dilakukan kerja pertama SPSS di Stanford University dengan maksud untuk membuatnya tersedia hanya untuk dikonsumsi local dan tak ada distribusi internasional. Nie, seorang ilmuwan social dan Stanford doctoral calon, mengambil target sasaran dan menetapkan kebutuhan; Bent calon doctor Stanford university pada penelitian pelaksanaan, mempunyai keahlian analisa dan mendesain struktur

Transcript of Modul Training SPSS

Page 1: Modul Training SPSS

e-mail: [email protected]

Written by Aslan Irunsah

SPSS dan Sejarahnya

Pada awalnya, sebelum diberi nama Statistical Service Product Solutions, aplikasi ini

bernama Statistical Package for the Social Sciences yang dibuat pada tahun 1968 oleh Norman

Nie, seorang mahasiswa lulusan fakultas ilmu politik dari Stanford University. SPSS sangat

berguna bagi ilmu social di era tersebut, dan digunakan untuk analisis pasar, penelitian

kesehatan, survey kesehatan, dan masih banyak lagi.

Program SPSS bekerja dengan membandingkan suatu data kedalam suatu paket hasil

analisis. Sehingga dalam pengolahan lebih mudah dalam penggunaan serta analisisnya dalam

aplikasi permasalahan riset dan bisnis. SPSS dilengkapi kemampuan untuk akses data, persiapan

dan manajemen data, analisis data, serta dalam laporan hasil olahan. Sedangkan perangkat lunak

sekarang sangat banyak untuk penyelesaian pengolahan data statistic. Program aplikasi untuk

pengolahan data yang beredara saat ini sudah banyak macamnya antara lain SHAZAM, Systant,

Ecosim, Ecostat, Minitab, SAS, Statgraph, SPSS, Statistica, dan sebagianya. Dari berbagai

perangkat pilihan lunak yang akan digunakan dalam pengolahan data SPSS merupakan yang

paling popular. Mengapa SPSS, karena memiliki beberapa kelebihan yaitu terdapat banyak

fasilitas yang dapat menangani berbagai persoalan statistika, memiliki tampilan user friendly,

dan merupakan terobosan baru berkaitan dengan perkembangan teknologi infromasi, khususnya

E-Business. Dalam hal ini SPSS telah dilengkapi dengan fasilitas OLAP (Online Analytical

processing) yang akan memudahkan dalam pemecahan pengolahan data. Selain itu, kelebihan

SPSS adalah dapat digunakan untuk mengakses data dari berbagai perangkat lunak yang lain

selanjutnya diolah dan kemudian dianalisis.

Sejarah SPSS

Pada tahun 1968, Norman H.Nie, C.Hadlai (Tex) Hull dan Dale H.Bent, tiga orang

pemuda dari latar belakang professional berbeda, mengembangkan sistem perangkat lunak yang

berdasarkan gagasan statistika menggunakan untuk mengubah data mentah menjadi informasi

essensial untuk membuat keputusan. Sistem perangkat lunak statistic revolusioner ini disebut

SPSS, yang menjadi calon Statistical Package untuk Ilmu Pengetahuan Sosial. Ketiga pemuda

tersebut membangun SPSS dari keperluan untuk dengan cepat menganalisa volume data ilmu

pengetahuan social yang dikumpulkan lewat berbagai metode penelitian. Dilakukan kerja

pertama SPSS di Stanford University dengan maksud untuk membuatnya tersedia hanya untuk

dikonsumsi local dan tak ada distribusi internasional. Nie, seorang ilmuwan social dan Stanford

doctoral calon, mengambil target sasaran dan menetapkan kebutuhan; Bent calon doctor Stanford

university pada penelitian pelaksanaan, mempunyai keahlian analisa dan mendesain struktur

Page 2: Modul Training SPSS

e-mail: [email protected]

Written by Aslan Irunsah

berkas sistem SPSS, dan Hull, yang baru tamat dari Stanfor dengan gelar MBA-nya ,

memprogram SPSS.

Kelebihan SPSS

1. SPSS mampu mengakses data dari berbagai macam format data yang tersedia seperti

dBase, Lotus, Access, text file, spreadsheet, bahkan dapat mengakses database melalui

ODBC (Open Data Base Connectivity) sehingga data yang sudah ada, dalam berbagai

format, bisa langsung dibaca SPSS untuk dianalisis.

2. SPSS memberi tampilan data yang lebih informative, yaitu menampilkan data sesuai

nilainya (menampilkan label data dalam kata-kata) meskipun sebetulnya kita sedang

bekerja menggunakan angka-angka (kode data).

3. SPSS memberikan informasi lebih akurat dengan memperlakukan missing data secara

tepat, yaitu dengan member kode alasan mengapa terjadi missing data. Misalnya karena

pernyataan tidak relevan dengan kondisi responden, pertanyaan tidak dijawab, atau

karena memang pertanyaannya yang harus dilompati.

4. SPSS melakukan analisis yang sama untuk kelompok-kelompok pengamatan yang

berbeda secar sekaligus hanya dalam beberapa mouse klik saja. Misalnya mengetahui

nilai minimum, maksimum dan rata-rata penjualan per kuartal wilayah penjualan secara

bersamaan pada masing-masing kelompok produk, mengetahui hal-hal yang signifikan

berpengaruh terhadap volume penjualan (apakah kelompok umur konsumen, tingkat

pendidikan, jenis kelamin, besar pengeluran per bulan,dll) pada masing-masing wilayah

penjualan

5. SPSS mampu merangkum data dalam format tabel multidimensi, yaitu beberapa field

ditabulasikan secara bersamaan. Contohnya tabel persentase jumlah responden dari

beberapa kelompok umur terhadap beberapa kategori produk perawatan rambut, tabel

persentase jumlah responden dari beberapa tingkat pendidikan terhadap beberapa partai

politik pilihan menurut beberapa wilayah pemilihan umum.

Beberapa istilah popular yang ada dalam SPSS, antara lain :

1. Populasi

Populasi adalah keseluruhan objek yang menjadi perhatian dalam suatu eksperimen.

Contohnya masyarakat miskin di Kabutan Sinjai, populasi bayi gizi buruk di rumah sakit

Ibnu Sina Makassar, dan sebagainya. Dari populasi yang telah diobservasi nantinya akan

diperoleh suatu karakteristik statistika yang biasa disebut dengan Parameter.

2. Sampel

Sampel adalah sebagian objek yang diambil dari populasi di mana karakteristiknya akan

diselidiki dan dianggap dapat mewakili seluruh populasi yang menjadi perhatian dalam

Page 3: Modul Training SPSS

e-mail: [email protected]

Written by Aslan Irunsah

eksperimen. Karasteristik dari sampel disebut dengan statistic. Contoh sebuah rumah

sakit swasta, mengambil sampel bayi dengan berat badan lahir rendah dengan persentase

15 %, 20 %, dan 25 %. Sementara cara pengambilan sampel dari suatu populasi secara

garis besar terbagi menjadi dua, yaitu random dan non random.

3. Random

Yang dimaksud dengan pengambilan sampel dari suatu populasi secara random adalah

pengambilan di mana setiap objek mempunyai probabilitas sama untuk terpilih. Dengan

kata lain, sang peneliti tidak memilih objek tertentu untuk dijadikan sampel dalam

eksperimen. Untuk mendapatkan sampel random biasanya dilakukan dengan undian atau

menggunakan tabel bilangan random.

4. Non random

Sampel non random adalah cara pengambilan di mana sang peneliti memilih objek

tertentu untuk dijadikan sampel. Cara non random ini biasanya disebut dengan sampel

tetap (fixed sample). Berkaitan dalam menganalisa dan menarik suatu kesimpulan dari

suatu masalah, berdasarkan kegiatan yang dilakukan statistic terbagi menjadi dua bidan,

yaitu statistika deskriptif dan statistika induktif.

5. Statistic deskriptif

Merupakan bidang statistika yang mempelajari tentang susunan, penyajian data, yaitu

dengan deskripsi atau penggambaran data yang diperoleh. Jadi, dalam statsitika deskriptif

membicarakan tentang cara-cara pengumpulan data, menyederhanakan data eksperimen,

kemudian mengadakan pengukuran pemusatan dan penyebaran data.

6. Statistika induktif

Merupakan bidan statistika yang mempelajari penarikan kesimpulan yang merupakan

generalisasi dari suatu populasi berdasarkan sampelnya. Adapun yang termasuk kegiatan

dalam statistika induktif adalah estimasi/perkiraan, peramalan (forecast), uji hipotesis,

penghitungan dan uji kemaknaan asosiasi, dan lain sebagainya. Berdasarkan metode yang

digunakan statistika induktif sendiri terbagi menjadi dua yaitu statistika parametric dan

statistic nonparametric.

7. Statistic parametric

Merupakan bagian statistic induktif yang mempertimbangkan satu atau lebih parameter

populasi. Biasanya pada statistic parametric berpijak pada suatu asumsi spesifik

populasinya berdistribusi normal, selain itu data berukuran interval.

8. Statistic non parametric

Merupakan bagian dari statistic induktif yang tidak mempertimbangkan nilai parameter

populasi. Jadi, analisa data pada statistika nonparametric tidak didasarkan pada asumsi

distribusi normal. Biasanya data yang digunakan pada statistika nonparametric berukuran

nominal dan ordinal.

Baik dalam statistika deskriptif maupun statistika induktif diperlukan adanya ukuran data.

Ukuran data yang digunakan pada suatu eksperimen terbagi menjadi empat tingkatan,

yaitu nominal, ordinal, interval, dan rasio.

Page 4: Modul Training SPSS

e-mail: [email protected]

Written by Aslan Irunsah

9. Nominal

Ukuran data nominal yang merupakan skala pengukuran yang paling sederhana dan

digunakan untuk mengkategorikan objek-objek amatan. Kategori ini selanjutnya

dinotasikan dengan kata-kata, huruf symbol, ataupun angka. Dengan kata lain, ukuran

data nominal yang berasal dari kata Name ini termasuk data kualitatif, yaitu data yang

tidak berupa angka melainkan berupa kategori. Misalkan kategori jenis kelamin laki-laki

dan perempuan, maka laki-laki diberi notasi angka 1 dan perempuan dengan notasi angka

2.

10. Ordinal

Ukuran data ordinal juga merupakan tipe data kualitatif, perbedaanya dengan ukuran data

nominal adalah pada ordinal terdapat tingkatan data. Adapun persamaannya adalah data

tidak dapat ditambah, dikurang, dikali, ataupun dibagi karena data tidak menunjukkan

besarnya nilai melainkan hanya kategori saja. Pada ukuran data ordinal memberikan

urutan (ranking) objek eksperimen dari yang terendah ke tinggi atau berlaku sebaliknya.

Contohnya kategori kelas social ekonomi masyarakat di daerah A lebih tinggi daripada di

daerah B, namun seberapa besarnya tidak dapat diukur secara pasti. Ukuran data ordinal

dinilai lebih tinggi daripada nominal karena pada ordinal ditentukan objek yang lebih

besar/kecil.

11. Interval

Interval termasuk tipe data kuantitatif, yaitu datanya dinyatakan dengan angka di mana

data berupa urutan kuantitatif objek eksperimen. Ukuran data interval diperoleh dari hasil

pengukuran dan mempunyai satuan pengukuran, namun perlu diperhatikan bahwa pada

ukuran data interval tidak memuat nilai nol mutlak. Beda halnya dengan ukuran data

nominal dan ordinal, ukuran data interval dapat ditambah, dikurangi, dikali ataupun

dibagi. Contoh ukuran data interval,diadakan eksperimen tentang ukuran tingkat ekonomi

pada daerah Sopeng dengan klasifikasi penghasilan sebagai berikut:

a. Golongan A jika berpenghasilan <Rp 5000.000

b. Golongan B jika berpenghasilan antara Rp 500.000- Rp 1.000.000

c. Golongan C jika berpenghasilan > Rp 1.000.000

12. Rasio

Ukuran data rasio termasuk pada tipe kuantitatif di mana data rasio bersifat angka

sesungguhnya. Dengan kata lain, angka pada skala data rasio menunjukkan besarnya nilai

objek yang diukur menggunakan titik nol mutlak. Jarak dan waktu antara dua titik skala

tidak tergantung pada unit pengukuran. Contoh pada produksi kain tenun, jika pada suatu

saat pabrik tidak produksi satupun kain, maka dikatakan produksi nol (tidak ada).

Page 5: Modul Training SPSS

e-mail: [email protected]

Written by Aslan Irunsah

13. Data view

Merupakan lembar kerja untuk proses input data atau memasukkan data. Kolom-

kolomnya memuat variabel data dan baris ditandai dengan angka 1, 2, 3 yang merupakan

urutan data yang dimasukkan.

14. Variabel view

Merupakan lembar kerja untuk mendefinisikan variabel data yang dimasukkan pada

kotak Data View. Baris pada kotak variabel view ditandai dengan angka 1, 2, 3

menunjukkan urutan data yang didefinisikan, dan kolomnya memuat name, type, width,

decimals, label, values, missing, column, align, dan measure.

Memulai SPSS 13.0 versi Windows

Untuk memulai SPSS 13.0 pastikan terlebih dahulu software SPSS 13.0 telah terinstal

pada komputer anda (baik dalam sistem operasi Windows XP, Windows Vista, Linux, ataupun

Macintosh). Untuk memulai SPSS 13.0 awali dengan mengklik start, kemudian klik all programs

selanjutnya klik SPSS for Windows lalu klik SPSS for Windows, sehingga akan tampak di layar

seperti gambar berikut:

Gambar 1 Memulai SPSS

Page 6: Modul Training SPSS

e-mail: [email protected]

Written by Aslan Irunsah

Gambar 2 Tampilan Muka SPSS

SPSS Data Editor

Data editor mempunyai dua fungsi utama, yaitu:

1. Input data yang akan diolah oleh SPSS

2. Proses data yang telah diinput oleh prosedur statistic tertentu.

Data editor terdiri atas sepuluh menu utama, yaitu file, edit, view, data, transform, anlyze,

graphs, utilities, windows, dan help.

Menu file

Menu file terdiri dari:

1. Open : membuka file data yang telah dibuat atau disimpan

2. Save & save as : untuk menyimpan data

3. Display data info : untuk mengetahui karakteristik data

4. Print : untuk mencetak data

5. Exit : untuk keluar dari program SPSS

Page 7: Modul Training SPSS

e-mail: [email protected]

Written by Aslan Irunsah

Menu edit

Menu edit terdiri dari:

1. Undo & redo: mengembalikan data sebelum dan sesudah perubahan data sebelum

disimpan

2. Cut & clear: menghapus data

3. Copy & paste: menduplikasikan data

4. Find: mencari data

5. Edit option: mengubah pilihan-pilihan pada berbagai tools.

Menu view

Menu view terdiri dari:

1. Status bar: menampilkan status pengerjaan SPSS

2. Tool bar: mengatur penampilan tools bar yang ada pada SPSS

3. Fonts: mengubah model dan ukuran karakter

4. Grid lines: menampilkan garis vertical dan horizontal pada data editor

5. Value labels: pembuatan kalimat dan pada saat pemasukan menggunakan kode yang telah

dibuat.

Menu data

Menu data terdiri dari:

1. Define dates: mendefinisikan tanggal menyangkut pekerjaan yang berhubungan dengan

time series

2. Insert variable: menyisipkan satu variabel diantara dua buah variabel

3. Insert case: menyisipkan satu kasus diantara dua buah kasus

4. Go to case: menemukan sel tertentu

5. Sort case: mengurutkan data

6. Transpose: mentransformasikan baris menjadi kolom atau sebaliknya

7. Merge files: menggabungkan dua buah file yang mempunyai variabel yang sama namun

kasus berbeda

8. Aggregate: meringkas data menurut kriteria tertentu dan disajikan secara garis besar

9. Split file: memisahkan isi file dengan kriteria tertentu

10. Select case: menyeleksi file dengan kriteria tertentu

11. Weight case: menghitung data dengan kriteria tertentu.

Page 8: Modul Training SPSS

e-mail: [email protected]

Written by Aslan Irunsah

Menu transform

Menu transform terdiri dari:

1. Compute: menambah variabel baru yang berisi hasil perhitungan berdasarkan data dari

variabel yang sama

2. Random number seed: membuat nilai-nilai random pada SPSS

3. Count: menghitung data dengan kriteria tertentu.

4. Recode: memberi kode ulang ke suatu variabel berdasarkan kriteria tertentu

5. Categorize variables : mengkategorikan data

6. Rank cases: mengurutkan data sesuai dengan rangking atau kelasnya

7. Automatic recode: mengubah value yang berupa string atau numeric ke integer

8. Create time series: membuat variabel pada time series

9. Replace missing value: mengelola missing value pada time series.

Menu analyze

Menu analyze merupakan jantung dari SPSS karena dengan menu ini seluruh pengelolaan data

dilakukan. Menu analyze terdiri dari:

1. Reports

2. Descriptive statistic

3. Compare means

4. General linear model

5. Correlate

6. Regression

7. Loglinear

8. Classify

9. Data reduction

10. Scale

11. Non parametric test

12. Survival

13. Multiple response

Menu windows

Menu ini berfungsi menampilkan window apa saja yang sekarang ada pada SPSS. Menu ini

terdiri dari:

1. Minimize all windows

2. Window atau jendela yang terhubung dengan data editor, output dan chart

Page 9: Modul Training SPSS

e-mail: [email protected]

Written by Aslan Irunsah

Menu help

Menu ini berfungsi sebagai tambahan. Menu help terdiri dari:

1. Topics

2. Tutorial

3. SPSS homepage

4. Syntax guide

5. Statistic coach

6. About

7. Register product

Menu graphs

Menu ini berfungsi untuk menampilkan grafik atau chart yang merupakan hasil perhitungan

statistic data yang ada pada data editor. Menu graphs terdiri dari:

1. Gallery

2. Interactive

3. Bar

4. Line

5. Area

6. Pie

7. High low

8. Pareto

9. Control

10. Boxplot

11. Error bar

12. Scatter

13. Histogram

14. P-P

15. Q-Q

16. Sequence

17. ROC curve

18. Time series

Menu utilities

Menu ini berfungsi sebagai menu tambahan. Menu utilities terdiri dari:

1. Variables: menampilkan informasi tentang sebuah variabel

2. File info: melihat tampilan secara rinci property setiap variabel dalam sebuah file

3. Define sets: menampilkan variabel-variabel dalam sebuah data yang dianggap relevan

Page 10: Modul Training SPSS

e-mail: [email protected]

Written by Aslan Irunsah

4. Auto nem case

5. Run script

6. Menu editor: menampilkan menu tambahan tersendiri, diluar menu-menu standar.

Main Menu SPSS Data Editor

Main menu atau menu utama pada SPSS Data Editor terdiri atas 10 menu utama, antara

lain File, Edit, Data, Transform, Analyze, Graphs, Utilities, Window, dan Help.

Memasukkan Data pada SPSS 13.0 pada Windows

Untuk memulai memasukkan data pada program SPSS, kita mulai dengan mengklik

Variabel View, yang akan terlihat kolom-kolom yang memuat beberapa variabel, seperti pada

gambar berikut ini:

Gambar 3 Tampilan Variabel View

Name

Kolom name digunakan untuk memberikan nama variabel data dengan panjang

maksimum 64 karakter. Untuk mengaktifkan kolon name, letakkan pointer di bawah kolom

name, klik ganda, kemudian ketik nama variabel data.

Page 11: Modul Training SPSS

e-mail: [email protected]

Written by Aslan Irunsah

Type

Kolom type menunjukkan tipe data yang digunakan. Untuk mengaktifkan kolom type,

letakkan pointer di bawah kolom type baris 1, klik tanda sehingga akan Nampak

seperti gambar berikut:

Gambar 4 Kotak dialog variabel type

Terdapat 8 macam tipe data, yaitu:

a. Numeric, data yang digunakan bertipe numeric atau berupa angka (kuantitatif)

b. Comma, data berupa angka yang menggunakan tanda koma sebagai pemisah bilangan

ribuan.

c. Dot, data berupa angka menggunakan tanda titik sebagai pemisah bilangan ribuan.

d. Scientific notation, data berupa angka menggunakan symbol E untuk kelipatan 10.

e. Date, data berupa waktu

f. Dollar, data berupa angka diawali dengan tanda $, tanda koma sebagai pemisah bilangan

ribuan, dan titik sebagai decimal.

g. Custom currency, data berupa angka menyatakan mata uang tertentu.

h. String, data yang digunakan bertipe huruf (bukan angka).

Width

Kolom width menunjukkan lebar digit data, untuk data bertipe string disediakan

masukkan 1 sampai dengan 32767 digit, dan data bertipe numerik disediakan masukan 1 sampai

40 digit. SPSS memberikan default Width 8 digit. Untuk mengaktifkannya, letakkan pointer pada

kolom width, klik tanda tanda panah ke atas untuk menambah angka digit, dan tanda

panah ke bawah untuk mengurangi angka digit.

Decimals

Kolom decimals menunjukkan angka decimal dari data (apabila ada) dengan maksimum

16 angka desimal. Jika datanya berupa string, secara otomatis pada kotak dialog variabel type

pilihan decimal menghilang digantikan oleh character. Secara default SPSS memberikan 2 angka

decimal. Untuk mengaktifkan kolom desimal, letakkan pointer pada kolom desimal, klik tanda

Page 12: Modul Training SPSS

e-mail: [email protected]

Written by Aslan Irunsah

tanda panah atas untuk menambah angka desimal, dan tanda panah bawah untuk

mengurangi angka desimal.

Label

Kolom label memberikan keterangan tambahan pada nama variabel data (jika ada). Jika

tidak ada, kolom ini dapat diabaikan dengan tanpa mempengaruhi proses data. Untuk memberi

label pada data, letakkan pointer pada kolom label, kemudian ketikkan keterangan tambahan

pada variabel data.

Values

Kolom values digunakan untuk memberi kode data atau mengkategorikan data (jika ada).

Jika data bersifat unik atau tanpa kategori, abaikan kolom ini karena tidak mempengaruhi proses

data. Untuk mengaktifkan kolom values, letakkan pointer pada kolom values, klik tanda

sehingga akan tampil seperti gambar berikut:

Gambar 5 Kotak dialog Value Labels

Missing

Kolom missing digunakan apabila terdapat data yang hilang atau kosong (jika ada). Jika

data lengkap, abaikan kolom ini karena tidak mempengaruhi proses data. Untuk mengaktifkan

kolom missing, letakkan pointer pada kolom missing, klik tanda sehingga terlihat

seperti gambar berikut:

Page 13: Modul Training SPSS

e-mail: [email protected]

Written by Aslan Irunsah

Gambar 6 Missing Values

Column

Kolom column berfungsi memberikan lebar kolom sesuai lebar pemasukan data yang

diinginkan, yaitu antara 1 sampai 255 digit. Untuk mengaktifkan kolom column, letakkan pointer

pada kolom column, klik tanda panah atas untuk menambah angka digit, dan tanda

panah bawah untuk mengurangi angka digit.

Align

Kolom align digunakan untuk mengatur posisi data, apakah berada di kanan, kiri atau

tengah, yaitu dengan cara klik tanda dan pilih posisi yang diinginkan. Posisi left untuk

kiri, right untuk kanan, dan center untuk tengah. Secara default SPSS memberikan posisi align

right atau rata kanan.

Measure

Kolom measure digunakan untuk menentukan tipe ukuran variabel data, untuk data

bertipe string terdiri atas nominal dan ordinal, dan untuk data bertipe kuantitatif tanpa kategori

dipilih tipe scale. Untuk mengaktifkan kolom ini, letakkan pointer pada kolom measure, klik

tanda , kemudian pilih tipe ukuran variabel yang sesuai data yang dimasukkan.

Memasukkan Data ke dalam Program SPSS

Contoh kasus, data berikut ini memuat daftar nilai ujian final semester Matakuliah

Biomedik Dasar yang dimbil dari 15 mahasiswa jurusan Keperawatan.

Page 14: Modul Training SPSS

e-mail: [email protected]

Written by Aslan Irunsah

no nama nilai Jenis kelamin123456789101112131415

Anton ChandrawinataBudi AswinCintia IsabelDonoEdiFani SaimanGadis PratiwiHarni BalanipaIrma SuryaniJeniLani MeilanMarianiNani AgustinaOpik RamadhanRika Sulistiawati

736769817877697275746771787969

Laki-lakiLaki-lakiPerempuanLaki-lakiLaki-lakiPerempuanPerempuanPerempuanPerempuanPerempuanLaki-lakiPerempuanPerempuanLaki-lakiperempuan

Langkah-langkah penyelesaian

Pendefinisian variabel data

Data pada tabel diatas terdiri dari 4 variabel data, yaitu no, nama, nilai, dan jenis kelamin. Untuk

varibel jenis kelamin, perempuan diberi kode 1, dan laki-laki diberi kode 2 sehingga setelah

ditransformasikan ke angka tabel data di atas, menjadi sebagai berikut

no nama nilai Jenis kelamin Jenis kelamin123456789101112131415

Anton ChandrawinataBudi AswinCintia IsabelDonoEdiFani SaimanGadis PratiwiHarni BalanipaIrma SuryaniJeniLani MeilanMarianiNani AgustinaOpik RamadhanRika Sulistiawati

736769817877697275746771787969

Laki-lakiLaki-lakiPerempuanLaki-lakiLaki-lakiPerempuanPerempuanPerempuanPerempuanPerempuanLaki-lakiPerempuanPerempuanLaki-lakiperempuan

221221111121121

Page 15: Modul Training SPSS

e-mail: [email protected]

Written by Aslan Irunsah

Aktifkan kotak variabel view dengan cara klik variabel view yang terletak pada baigan kiri

bawah kotak SPSS Data Editor. Setelah masuk pada kotak Variabel View, mulailah

pendefinisian variabel data.

Baris 1, variabel data no

- Kolom name: ketik dengan no

- Kolom type: pilih numeric (default) karena data berupa nomor 1, 2, 3, ….15 merupakan

angka (kuantitafi)

- Kolom width: abaikan

- Kolom decimal: isi 0 karena data berupa angka 1, 2, 3, …., 15 merupakan bilangan bulat

tanpa angka desimal

- Abaikan kolom lainnya

Baris 2, variabel data nama

- Kolom name: ketik dengan nama

- Kolom type: pilih string karena data terdiri atas huruf (non angka)

- Kolom width: ketik 20

- Abaikan kolom lainnya

Baris 3, variabel data nilai

- Kolom name: ketik dengan nilai ujian

- Kolom type: pilih numeric (default) karena data berupa angka.

- Kolom decimals: ketik 0 karena data tidak mengandung angka desimal.

- Abaikan kolom lainnya

Baris 4, variabel data jenis kelamin

- Kolom name: ketik dengan jenis_kelamin

- Kolom type: pilih numeric (default) karena data berupa angka

- Kolom width: ketik angka 1

- Kolom decimals: ketik 0

- Kolom values: klik kolom values pada baris 4, isikan dengan langkah-langkah berikut

a. Value: 1, value label: perempuan, klik add

b. Value: 2, value label: laki-laki, klik add

- Klik ok,tampilan kolom values setelah pengisian:

Page 16: Modul Training SPSS

e-mail: [email protected]

Written by Aslan Irunsah

Gambar 7 Value Labels

- Abaikan kolom lainnya

Entri data (Memasukkan Data ke dalam Program SPSS)

Setelah proses pendefinisian selesai, selanjutnya adalah proses entri data. Aktifkan kotak

data view untuk mulai memasukkan data dengan klik Data View yang ada pada bagian kiri

bawah kotak SPSS Data Editor.

Kolom 1, variabel data no

- Isian baris pertama: ketik 1, enter

- Isian baris kedua: ketik 2, enter, dan seterusnya hingga data yang ke lima belas.

Kolom 2, variabel data nama

- Isian baris pertama: ketik Anton Chandrawinata, enter

- Isian baris kedua: ketik Budi Aswin, enter, dan seterusnya hingga data yang kelima belas.

Kolom 3, variabel data nilai

- Isian baris pertama: ketik 73, enter

- Isian baris kedua: ketik 67, enter, dan seterusnya hingga data yang kelima belas.

Kolom 4, variabel data jenis kelamin

- Isian baris pertama: ketik 2, enter

- Isian baris kedua: ketik 2, enter, dan seterusnya hingga data yang kelima belas dengan

disesuaikan dengan jenis kelaminnya.

Setelah pengisian data selesai, kotak data view dapat dilihat seperti gambar berikut:

Page 17: Modul Training SPSS

e-mail: [email protected]

Written by Aslan Irunsah

Gambar 8 Kotak Data View

Menyimpan Data SPSS

Setelah entri data, maka data perlu disimpan dengan melakukan langkah-langkah berikut:

a. Pada kotak SPSS Data Editor, klik save atau save as. Dengan menggunakan contoh kasus

diatas.

Page 18: Modul Training SPSS

e-mail: [email protected]

Written by Aslan Irunsah

Gambar 9 Save As

b. Selanjutnya akan muncul tampilan seperti gambar berikut:

Gambar 10 Save Data As

c. Selanjutnya tentukan dimana data tersebut akan disimpan dan klik save.

Statistic Deskriptif

Statistic deskriptif merupakan gambaran statistika tentang data. Dalam SPSS 13.0, pada

menu Analyze untuk submenu Deskriptives Statistics ada 4 pilihan berkaitan dengan statistika

deskriptif, yaitu frequencies, descriptive, explore, dan crosstabs.

Latihan 1

Suatu analisis dilakukan untuk mengetahui kandungan lemak, kolesterol, dan kalori dalam snack

makanan ringan. Diambil secara acak 8 macam snack dengan rasa asin dan manis, dan diperoleh

data sebagai berikut.

Page 19: Modul Training SPSS

e-mail: [email protected]

Written by Aslan Irunsah

Frequencies

Frekuensi memberikan deskripsi statistika data tentang prosentase, prosentase kumulatif,

rata-rata, median, mode, sum, standar deviasi, variasi, range, minimum dan maksimum, sesatan

rata-rata, skewness dan kurtosis, kuartil, serta diagram dengan berbagai bentuk.

Analisis output latihan 1 Frequencies

Deskriptives

Deskriptives selain menampilkan skor z-standar dari suatu distribusi juga memberikan

informasi tentang ukuran sampel, rata-rata, nilai minimum dan maksimum, standar deviasi,

variansi, range, sum, standar sesatan rata-rata, kurtosis dan skewness, beserta standar sesatannya.

Analisis output latihan 1 dengan analisis deskriptives

Explore

Explore menampilkan informasi tentang ukuran pusat yang mengindikasikan lokasi

distribusi dengan ukuran rata-rata, median, dan 5 % trimmed mean, serta ukuran penyebaran

yang meliputi standar deviasi, minimum dan maksimum, range. Selain daripada itu juga dapat

memberikan keterangan tentang bentuk distribusi berupa skewness dan kurtosisnya.

Analisis output latihan 1 dengan analisis explore

Crosstabs

Crosstabs merupakan tabel silang yang biasanya digunakan untuk menampilkan

informasi tentang hubungan antara dua variabel atau pengaruh satu variabel yang satu terhadap

variabel yang lain. Dengan menggunakan soal latihan 1, kita akan mencoba untuk mengetahui

ada tidaknya hubungan antara kandungan kolesterol dengan kalori yang ada pada snack makanan

ringan.

Analisis output latihan 1 dengan analisis crosstabs

Page 20: Modul Training SPSS

e-mail: [email protected]

Written by Aslan Irunsah

Compare mean

Uji perbandingan rata-rata bertujuan untuk menguji apakah rata-rata pada satu sampel

sesuai dengan suatu nilai pembanding, uji homogenitas rata-rata antarsampel, dan uji signifikansi

perbedaan antara rata-rata sampel.

Uji T satu sampel

Uji T satu sampel digunakan untuk mengetahui rata-rata satu sampel yang diambil

apakah sesuai dengan nilai pembanding, yaitu melalui One Sample T Test.

Latihan 2

Seorang perawat ingin mengetahui apakah obat yang diminum oleh pasien berpenyakit lever

(akibat kecanduan alkohol) mempunyai efek terhadap penurunan berat badan pasien. Untuk itu,

sebuah sampel yang terdiri atas 10 orang masing-masing diukur berat badannya. Berikut adalah

hasilnya (angka dalam kilogram berat badan).

Misalkan, diduga populasi rata-rata berat sebelum minum obat adalah 84,51 kg. untuk

membuktikan hal tersebut, sejumlah tertentu pasien penyakit lever ditimbang, dan mereka

mempunyai rata-rata berat badan 90 kg. Berdasarkan data diatas, apakah dapat disimpulkan

bahwa berat populasi rata-rata memang 84,51 kg ?

Uji T Sampel Independen

Uji T sampel independen digunakan untuk mengetahui signifikansi rata-rata antara

sampel yang saling independen, yaitu melalui independent Sample T Test.

Latihan 3

Seorang peneliti ingin mengetahui apakah ada perbedaan antara tinggi dan berat badan seorang

pria dan seorang wanita. Untuk itu 7 pria dan 7 wanita masing-masing diukur tinggi dan berat

badannya. Berikut hasilnya (angka dalam centimeter untuk tinggi dan kilogram untuk berat

badan):

Page 21: Modul Training SPSS

e-mail: [email protected]

Written by Aslan Irunsah

Uji t dua sampel dilakukan dalam dua tahapan; tahapan pertama adalah menguji apakah varians

dari dua populasi bisa dianggap sama? Setelah itu, baru dilakukan pengujian untuk melihat ada

tidaknya perbedaan rata-rata populasi. Pada dasarnya, uji t mensyaratkan adanya kesamaan

varians dari dua populasi yang diuji, jika asumsi tersebut tidak terpenuhi, SPSS akan

menyediakan alternative jawaban uji t yang lain.

a. Tinggi badan

Pertama dilakukan pengujian apakah ada kesamaan varians pada data pria dan wanita; pengujian

asumsi kesamaan varians dilakukan lewat uji F.

Mean Difference (Perbedaan Rata-Rata)

Setelah dilakukan uji dengan F test dan t test dan diketahui penggunaan Equal variance assumed

dan Equal variance not assumed, dan diketahui ada perbedaan yang nyata antara tinggi dan berat

badan pria dan wanita, langkah selanjutnya adalah mengetahui seberapa besar perbedaan

tersebut.

Uji T Sampel Berpasangan

Uji T sampel berpasangan digunakan untuk mengetahui signifikansi rata-rata antra

sampel yang saling berpasangan, yaitu melalui Paired Sample T Test.

Latihan 4

Seoran instruktur tertarik mengetahui keefektifan terapi fitness yang selama ini ia bina. Ia ingin

mengetahui apakah rata-rata berat badan konsumennya sebelum dan sesudah mengikuti terapi

fitness signifikan sama atau berbeda. Dengan tingkat signifikansi 5 %. Diperoleh data pada 10

Page 22: Modul Training SPSS

e-mail: [email protected]

Written by Aslan Irunsah

orang konsumennya berikut berat badan (dalam kg) sebelum dan sesudah mengikuti fitness

terapi, sebagai berikut:

Anova satu arah

Anova satu arah dipergunakan untuk menganalisis variansi dengan satu arah, disebut saru

arah karena hanya satu factor yang diselidiki dengan unit eksperimen sama atau seragam.

Latihan 5

Sebuah pabrik memperkerjakan beberapa karyawan dalam empat shift (satu shift terdiri atas

sekelompok pekerja yang berlainan). Koordinator karyawan tersebut ingin mengetahui apakah

ada perbedaan keaktifan yang nyata di antara empat kelompok kerja shift yang ada selama ini.

Berikut datanya:

Page 23: Modul Training SPSS

e-mail: [email protected]

Written by Aslan Irunsah

Statistic non parametric

Statistic non parametric merupakan metode statistic yang tidak didasarkan pada suatu

parameter populasi, seperti halnya pada statistic parametric.

Adapun kelebihan-kelebihan metode statistic non parametric, antara lain:

1. Selain dapat dipergunakan untuk data dengan skala ordinal dan nominal, juga untuk data

dengan ukuran sampel kecil.

2. Penggunaannya lebih luas karena lebih dapat diaplikasikan dalam situasi-situasi tertentu.

3. Dapat digunakan untuk menganalisa perbedaan jumlah sampel.

4. Mudah dilakukan dan dipahami dalam penerapannya.

Uji Chi Square

Digunakan untuk melakukan uji kesesuaian, uji independensi, dan uji homogenitas.

Uji kesesuaian

Latihan 6

Rasio jenis kelamin laki-laki dan perempuan sedang diselidiki. Apabila pada suatu daerah dari

100 bayi yang lahir, 54 adalah laki-laki dan 46 adalah perempuan, maka apakah rasio jenis

kelamin bayi di daerah tersebut sudah mengikuti distribusi seragam? Dengan α=0,05.

Uji independensi

Uji independensi adalah uji yang dilakukan untuk mengetahui signifikansi independensi

antarvariabel.

Latihan 7

Seorang mahasiswa melakukan penelitian untuk mengeahui hubungan antara persepsi tentang

kerentanan terhadap penyakit dan pemilihan jenis pemberi pelayanan kesehatan. Dari populasi

pemakai pelayanan kesehatan dan tradisional diambil sampel, dan kerentanan dibagi kategori

sangat serius dan kurang serius. Data yang diperoleh sebagai berikut:

Pilihan pelayanan kesehatan Persepsi kerentanan penyakitSangat serius Kurang serius

Rumah sakit 24 6

Dukun 8 12

Dengan tingkat signifikansi 5 % untuk mengannalisis hal tersebut.

Page 24: Modul Training SPSS

e-mail: [email protected]

Written by Aslan Irunsah

Uji homogenitas

Uji homogenitas dilakukan untuk menyelidiki apakah sampel-sampel data yang diambil

homogeny atau tidak.

Latihan 8

Sebuah studi kasus tentang insidensi depresi pada penderita hipoglikemia dan yang tidak

menderita hipoglikemia. Dipilih secara acak 200 sampel yang terdiri dari sampel 1, yaitu 50

orang dengan hipoglikemia dan sampel 2 sejumlah 150 orang tanpa hipoglikemia. Uji

hipotesisnya adalah insidensi depresi pada penderita hipoglikemia lebih tinggi daripada bukan

penderita hipoglikemia, dengan datanya sebagai berikut:

DepresiYa Tidak Total

Sampel 1 (hipoglikemia) 30 20 50Sampel 2 (tanpa hipoglikemia) 72 78 150Dengan tingkat signifikansi 5 %.

Uji binomial

Distribusi binomial merupakan distribusi di mana menghasilkan dua kemungkinan

peristiwa, missal gagal atau sukses, hidup atau mati, dsb. Uji binomial menggunakan parameter

proporsi atau perbandingan yang merupakan uji hipotesis, apakah proporsi sampel yang

diselidiki sesuai atau tidak dengan proporsi populasi yang dibandingkan.

Latihan 9

Suatu studi dilakukan untuk mengetahui adanya pengaruh didirikannya pusat tenaga nuklir

terhadap para pekerja dan penduduk yang tinggal disekitar wilayah Makassar, yaitu bahaya

kanker karena radiasi yang ditimbulkannya. Apabila diperoleh informasi bahwa 4 dari 13

kematian para pekerja usia 55-64 tahun di pusat pembangkit tenaga nuklir karena kanker dan

disebutkan 20 % dari semua kematian disebabkan karena kanker, maka benarkah pendapat

bahwa tenaga nuklir berdampak pada kesehatan masyarakat di sekitarnya? (α = 0,05)

Uji runs

Uji runs digunakan untuk mengetahui pola keacakan (kerandoman) suatu kejadian. Jadi,

dengan uji runs dapat diketahui suatu kejadian merupakan proses random atau tidak.

Latihan 10

Seorang perawat ruangan bayi suatu rumah sakit ingin mengetahui keberagaman bayi yang lahir

dalam jangka waktu tertentu. Ia ingin menyelidiki apakah bayi yang lahir beragam secara acak

antara laki-laki-laki dan perempuan atau tidak. Diperoleh data sebagai berikut:

Page 25: Modul Training SPSS

e-mail: [email protected]

Written by Aslan Irunsah

no bayi yang lahir

1 laki-laki

2 perempuan

3 perempuan

4 laki-laki

5 laki-laki

6 laki-laki

7 perempuan

8 perempuan

9 laki-laki

10 perempuan

11 laki-laki

12 laki-laki

13 perempuan

14 perempuan

15 perempuan

16 laki-laki

17 laki-laki

18 perempuan

19 perempuan

20 laki-laki

Uji kolmogorov smirnov

Uji kolmogorov smirnov digunakan untuk melakukan uji kesesuaian sampel dengan suatu

bentuk distribusi populasi tertentu atau dapat pula untuk uji kesesuaian apakah dua sampel

berasal dari dua populasi yang identik. Perbedaan antara uji kesesuaian Kolmogorov Smirnov

Page 26: Modul Training SPSS

e-mail: [email protected]

Written by Aslan Irunsah

dengan uji kesesuaian Chi-square adalah pada uji ini dapat digunakan unuk data berskala

ordinal.

Latihan 11

Berdasarkan data berikut, analisis apakah populasi tekanan darah asal sampel didistribusikan

secara normal? α = 0,05

Tekanan darah sistolik (mmHg) sampel111151137142100

134128123105102

159125145179115

130120139109162

Uji Mann Whitney

Uji ini digunakan untuk menguji signifikansi perbedaan antara dua sampel independen.

Uji ini menggunakan data dengan skala ordinal.

Latihan 12

Data biaya (dalam ribuan) rata-rata harian rawat tinggal pasien bedah di rumah sakit pemerintah

dan rumah sakit swasta. α = 0,05

rumah sakit pemerintah rumah_sakit_swasta

118 162

146 156

128 170

126 144

126 164

Uji Kruskal Wallis

Uji ini dipergunakan untuk k-sampel yang saling independen (k-indepenten sampel).

Data digunakan berskala ordinal.

Latihan 13

Duapuluh orang mengikuti program penurunan berat badan dalam 4 macam program (A, B, C,

dan D). Data yang diperoleh secara acak di bawah ini adalah penurunan berat badan (dalam kg)

sebagai berikut:

Page 27: Modul Training SPSS

e-mail: [email protected]

Written by Aslan Irunsah

A B C D6.28.47.89.510

14.415.713.218.610.3

12.512.112.716.911.8

13.513.311.115.517.7

α = 0,05

Uji Wilcoxon

Uji ini digunakan untuk menguji signifikansi antara dua sampel yang saling berhubungan

dan berskala ordinal.

Latihan 14

Sebuah tim sepakbola mengikuti uji pengaruh latihan fisik terhadap penurunan trigliserida serum

(milligram/100 mililiter darah) dan diperoleh data:

Pra-latihan Pasca latihan131772499

6291166877947337

121136651316301049590865847

α = 0,05

Uji Friedman

Uji ini digunakan untuk menguji perbedaan beberapa sampel yang berhubungan (k-

related sampel).

Latihan 15

Sebuah riset dilakukan untuk membandingkan energi yang dibutuhkan pada kegiatan berjalan,

berlari, dan bersepeda (data energy dalam kilokalori/km). apakah ada perbedaan energy yang

dibutuhkan untuk ketiga macam kegiatan tersebut. α = 0,05.

Page 28: Modul Training SPSS

e-mail: [email protected]

Written by Aslan Irunsah

subyek berjalan berlari bersepeda12345678

2.01.71.51.61.71.81.51.4

1.31.11.20.71.31.31.21.1

0.60.40.70.10.80.70.80.7

Regresi linear

Regresi linear merupakan suatu model yang diasumsikan mengikuti bentuk linear atau

garis lurus hubungan antara dua variabel yang disebut sebagai dependent variabel atau variabel

predictor.

Suatu model adalah linear karena menambah nilai jth predictor dengan penambahan 1 unit

dependent dengan bj units. Dengan catatan bahwa bo adalah intercept, nilai dapat diprediksi dari

dependent variabel ketika nilai dari setiap predictor adalah sama dengan 0.

Latihan 16

Sebuah penelitian dilakukan pada sebuah toko komputer untuk mencari pengaruh besarnya biaya

promosi dengan nilai penjualan barang dalam satu bulan. Diperoleh data sebaga berikut:

Page 29: Modul Training SPSS

e-mail: [email protected]

Written by Aslan Irunsah

KESIMPULAN

1. Metode statistika dapat dibedakan menjadi dua bagian utama, yaitu:

a. Statistika parametric: analisis yang didasarkan atas asumsi bahwa data memiliki

sebaran tertentu (diskrit atau kontinu, normal atau tidak normal) dengan parameter

yang belum diketahui. Fungsi metode statistika adalah untuk meramal parameter,

melakukan uji parameter, atau semata-semata melakukan eskplorasi berdasarkan

informasi yagn ada pada data.

b. Statistika nonparametric: analisis yang tidak didasarkan atas asumsi distribusi pada

data.Umumnya teknik ini dipakai untuk data dengan ukuran kecil sehingga tidak

cukup kuat untuk mengasumsikan distrbusi tertentu pada data.

2. Persoalan yang dihadapi pada umumnya adalah menduga atau menguji parameter yang

belum diketahui dari distribusi tertentu yang dianggap sesuai dengan kondisi data.

Metode statistika yang diturunkan seperti ini disebut metode parametric. Namun tidak

semua metode parametric melakukan uji parameter (uji hipotesis), beberapa diantaranya

hanya melakukan eksplorasi informasi yang melaporkan kesimpulan yang diperoleh dari

eksplorasi tersebut.

3. Statistic dengan uji hipotesis yaitu untuk membuktikan dengan alat statistika, apakah

dugaan yang dimiliki dapat dibuktikan benar atau sebaliknya. Ada dua kelompok besar

yang dapat dilakukan dengan uji hipotesis, yaitu:

a. Uji hipotesis terkait uji rerata yaitu untuk menguji atau mengestimasi besarnya rerata

1 kelompok, menguji beda dua kelompok atau lebih, dengan berbagai kondisi

kelompok (saling bebas atau berpasangan/tidak saling bebas).

b. Uji hubungan baik terbatas pada besarnya derajat asosiasi (uji korelasi) atau mencari

bentuk hubungan fungsional bebrapa variabel (uji regresi). Uji regresi saat ini juga

telah berkembang sangat luas tergantung distrbusi variabel respon yagn dihadapi.

4. Uji rerata, untuk data dengan 1 subpopulasi atau 2 subpopulasi (sering juga disebut

kelompok dengan satu atau dua kategori), uji yang dipakai adalah uji Z atau T.

Sedangkan untuk subpopulasi lebih dari dua dipergunakan uji F atau Anova.

a. Uji T dan uji Z

- Kita ingin menguji apakah rerata keseluruhan populasi sama dengan angka

tertentu. Dalam hal ini ada dua uji statistika yang dapat dilakukan, yaitu:

1. Uji T satu kelompok jika ukuran sampel kecil dan variansi populasi tidak

diketahui.

2. Uji Z satu kelompok jika ukuran sampel cukp besar atau variansi populasi

diektahui.

- Kita ingin menguji apakah rerata dua kelompok sama atau berbeda. Dengan kata

lain apakah suatu atribut berpengaruh terhadap suatu kondisi yang menjadi

perhatian.

Page 30: Modul Training SPSS

e-mail: [email protected]

Written by Aslan Irunsah

1. Uji T dua kelompok saling bebas jika ukuran sampel kecil dan variansi

populasi tidak diketahui.

2. Uji Z dua kelompok saling bebas jika ukuran sampel cukup besar atau variansi

populasi diketahui.

- Kita ingin menguji apakah rerata dua kelompok sama atau berbeda. Dengan kata

lain apakah suatu eksperimen memberi dampak seperti yang diperkirakan. Dalam

hal ini dua subpopulasi yang terbentuk merupakan subpopulasi yang tidak saling

bebas atau bahkan dua atribut, pre & post treatment/test atau dua subpopulasi

yang saling berpasangan,

1. Uji T dua kelompok berpasangan jika ukuran sampel kecil dan variansi

populasi tidak diketahui

2. Uji Z dua kelompok berpasangan jika ukuran sampel cukup besar dan variansi

populasi diketahui.

b. Uji F/Anova

Jika banyaknya subpopulasi lebih dari dua (tiga atau lebih), maka uji yang dapat

dilakukan adalah uji anova. Pada umumnya uji anova dibatasi pada subpopulasi yan

saling bebas yaitu subpopulasi satu dengan lainnya bukan merupakan subpopulasi yan

sama, juga bukan merupakan subpopulasi yang berpasangan. Uji anova dibedakan

menjadi dua macam, yaitu:

1. Anova satu arah (jika hanya ada satu pengelompokkan yang menjadi perhatian,

misalnya status social)

2. Anova multi arah (jika hanya ada lebih dari satu pengelompokkan yang menjadi

perhatian).

3. Multivariant anova, yaitu anova untuk respon yang tidak saling bebas. Data

multivariant ini terjadi jika kelompok yang sama diamati untuk lebih dari dua

atribut.

5. Statistic nonparametric, merupakan analisis statistika bebas distribusi. Kondisi ini

biasanya diberlakukan pada data dengan ukuran kecil dan dengan skala pengukuran yang

jauh dari skala interval. Karena ukuran data yang kecil, ukuran pemusatan yang menjadi

focus tidak lagi rerata melainkan median.

a. Uji kelompok saling bebas

Untuk menguji adanya beda median antra dua kelompok yang saling bebas. Ada dua

uji nonparametric yang dapat dilakukan, yaitu:

1. Uji Mann-Whitney, merupakan salah satu uji statistic non parametric dapat

diterapkan untuk menguji apakah dua kelompok independen populasi yang sama.

Prinsipnya adalah membandingkan median perangkat dari sampel pertama dengan

dari sampel kedua.

2. Uji Wilcoxon, untuk kelompok saling bebas.

b. Uji kelompok berpasangan

Uji yang dapat dipergunakan adalah uji wilcoxon untuk data berpasangan

Page 31: Modul Training SPSS

e-mail: [email protected]

Written by Aslan Irunsah

c. Uji lebih dari dua kelompok saling bebas

Uji yang dipergunakan adalah uji H Kruskal-Walis

d. Korelasi rank spearman

Korelasi yang dihitung adalah korelasi rank dari Spearman.