Penggunaan SPSS 18.doc

download Penggunaan SPSS 18.doc

of 21

Transcript of Penggunaan SPSS 18.doc

  • 8/22/2019 Penggunaan SPSS 18.doc

    1/21

    MODUL 2 : STATISTIK DESKRIPTIF

    Statistik deskriptif lebih berkenaan dengan pengumpulan dan peringkasan data, serta

    penyajian hasil peringkasan tersebut. Data-data statistik, yang bisa diperoleh hasil

    sensus, survei, jajak pendapat atau pengamatan lainnya umumnya masih bersifat acak,

    mentah dan tidak terorganisir dengan baik (raw data). Data-data tersebut harusdiringkas dengan baik dan teratur, baik dalam bentuk tabel atau presentasi grafis yang

    berguna sebagai dasar dalam proses pengambilan keputusan (statistik inferensi).

    Penyajian tabel dan grafis yang digunakan dalam statistik deskriptif dapat berupa:

    1. Distribusi frekuensi

    2. Presentasi grafis seperti histogram, Pie chart dan sebagainya.

    Selain tabel dan grafik, untuk mengetahui deskripsi data diperlukan ukuran yang lebih

    eksak, yang biasa disebut summary statistics (ringkasan statistik).

    Dua ukuran penting yang sering dipakai dalam pengambilan keputusan adalah:1. Mencari central tendency (kecenderungan memusat), seperti Mean, Median,

    dan Modus

    2. mencari ukuran dispersion, seperti Standar Deviasi dan Varians

    Selain central tendency dan dispersion, ukuran lain yang dipakai adalah Skewness

    dan Kurtosis yang berfungsi untuk mengetahui kemiringan data (gradien data).

    Kali ini akan dibahas menu dari SPSS yang berhubungan dengan statistik deskriptif,

    yaitu Summarize. Dalam menu ini terdapat beberapa submenu sebagai berikut:

    A. Frequencies

    Menu ini membahas beberapa penjabaran ukuran statistik deskriptif seperti Mean,

    Median, Kuartil, Persentil, Standar Deviasi dan lainnya.

    B. Descriptives

    Menu ini berfungsi untuk mengetahui skor-z dari suatu distribusi data dan

    menguji apakah data berdistribusi normal atau tidak.

    C. Explore

    Menu ini berfungsi untuk memeriksa lebih teliti sekelompok data. Alat utama

    yang dibahas adalah Box-Plot dan Steam & Leaf Plot, selain beberapa ujitambahan untuk menguji apakah data berasal dari distribusi normal.

    D. Crosstabs

    Menu ini dugunakan untuk menyajaikan deskripsi data dalam bentuk tabel silang

    (crosstab), yang terdiri aatas baris dan kolom. Selain itu menu ini juga dilengkapi

    dengan analisis hubungan di antara baris dan kolom, seperti independensi diantara

    mereka, besar hubungannya dan lainnya.

    E. Case Summaries

    Menu ini digunakan untuk melihat lebih jauh isis statistik deskriptif yang meliputi

    subgrup dari sebuah kasus, seperti grup Pria dan grup Wanita, bisa dibuatsubgrup Pria Dewasa dan Pria Remaja, kemudian Wanita Dewasa dan

    Widya Setiabudi 2006

  • 8/22/2019 Penggunaan SPSS 18.doc

    2/21

    Wanita Remaja, serta dibagi lagi menjadi yang tinggal di kota dan di desa, dan

    seterusnya.

    Menu Frequencies

    Contoh penggunaan Frequencies

    Misalkan kita memiliki data tentang tinggi badan 25 orang mahasiswa (dalamcentimeter) yang diambil secara acak.

    No Tinggi Gender No Tinggi Gender

    1 170.2 Pria 14 170.4 Wanita

    2 172.5 Pria 15 168.9 Wanita

    3 180.3 Pria 16 168.9 Wanita

    4 172.5 Pria 17 177.5 Wanita

    5 159.6 Wanita 18 174.5 Pria

    6 168.5 Wanita 19 186.6 Wanita

    7 168.5 Pria 20 164.8 Wanita

    8 172.5 Pria 21 170.4 Pria

    9 174.5 Pria 22 168.9 Pria

    10 159.6 Wanita 23 164.8 Wanita

    11 170.4 Wanita 24 167.2 Wanita

    12 161.3 Wanita 25 167.2 Wanita

    13 172.5 Pria

    Yang pertama kita lakukan adalah ada memasukan data terebut ke dalam editor SPSS.

    Pada bagian awal kita sudah mempelajari bagaimana membuat data baru dalam SPSS.

    Langkah-langkahnya adalah sebagai berikut.

    1. Mendefinisikan variabel.Ada banyak cara untuk mendefinisikan variabel,diantaranya adalah sebagai berikut.

    Karena pada contoh kita ada dua variabel (Tinggi Badan & Gender), maka kita

    akan definisikan 2 variabel tersebut tipenya seperti apa. Pada bagian bawah

    menu editor data, tekan tombol Variable View. Maka akan tampak tampilan

    berikut:

    Kolom pertama merupakan tempat untuk mendefinisikan nama-nama variabel

    tersebut. Pada baris pertama-kolom pertama untuk mendefinisikan namavariabel ke-1, baris kedua-kolom pertama untuk mendefinisikan nama variabel

    Widya Setiabudi 2006

  • 8/22/2019 Penggunaan SPSS 18.doc

    3/21

    ke-2. Kita ketikan Tinggi untuk variabel pertama dan Gender untuk

    variabel kedua.

    Untuk deklarasi Type variabel kita gunakan Numeric untuk variabel Tinggi

    dan Gender. Nantinya untuk variabel Gender kita pilih angka 1 untuk

    menandai gender Pria dan 2 untuk menandai gender Wanita.

    Untuk Width, biasanya standar SPSS untuk numeric adalah 8, kita biarkansaja angka 8 karena sudah mencukupi untuk keprluan kita.

    UntukDecimals, untuk variabel Tinggi, karena datanya mengandung 1 angka

    di belakang koma, kita pilih 1. Sedangkan untuk gender karena bilangan bulat

    kita pilih angka 0. Untuk itu kita perlu mengganti default yang ada pada editor

    yaitu 2 dengan angka 1 dan 0 tersebut.

    Untuk sementara biarkan submenu-submenu yang lain seperti Values, Label,

    Missing dll. Seperti apa adanya. Tampilan akhir dapat dilihat seperti gambar

    berikut ini.

    Selanjutnya kita akan memasukan data yang kita punya dengan terlebih dahulu

    menekan tombol Data View. Lalu ketiklah data yang ada, setelah itu simpan

    dengan nama Deskriptif1.

    2. Bila Anda sudah memiliki data tersebut dalam format Word atau Excel, Anda bisa

    langsung meng-copy data tersebut dengan cara yang biasa Anda lakukan, yaitu

    Copy-Paste. Setelah mengcopy dari data asal, maka lalu letakan pointer di baris-

    1 kolom-1 SPSS kemudian klim menu Edit, dan pilih submenu Paste.

    Widya Setiabudi 2006

  • 8/22/2019 Penggunaan SPSS 18.doc

    4/21

    3. Setelah data ada, lalu kita olah, yaitu ingin menampilkan deskripsi statistik dari

    data tersebut yaitu mengenai Mean, Standar Deviasi, Skewness, dll. Selain itu kita

    ingin pula menampilkan Chart dari data yang sesuai dengan sata kuantitatif, yaitu

    Histogram dan Bar Chart. Langkah-langkahnya sebagai berikut:

    a. Dari baris menu, pilih menu Analyze, lalu pilih submenu DescriptiveStatistics, lalu pilih lagi sumenu Frequencies (untuk menampilkan tabel

    frekuensi). Lalu akan tampil gambar berikut ini.

    b. Kolom Variables(s) harus diisi dengan jenis-jenis variabel apa yang ingin kita

    analisis. Karena ingin dibuat frekuensi dari variabel Tinggi, maka klik variabel

    Tinggi, kemudia klik tanda , maka variabel Tinggi akan berpindah ke kolom

    Vraible(s).

    c. Klik pilihan Statistics, maka akan tampil di layar gambar berikut:

    d. Pilihan Statistics meliputi berbagai ukuran untuk menggambarkan data, antara

    lain sebagai berikut:

    PercentilesValues. Untuk keseragaman klikQuartiles dan Percentile(s).

    Kemudian pada kotak disamping kanan Percentiles ketik 10, lalu tekan

    Add. Sekali lagi ketik90 pada kotak terdahulu, dan klik lagi tombol Add.

    Pengerjaan ini dimaksudkan untuk membuat nilai persentil pada 10 dan

    90.

    Dispersion atau penyebaran data. Untuk keseragaman, semua atau keenam

    jenis pengukuran Dispersion dipilih semua.

    Central Tendency atau pengukuran pusat data, untuk keseragaman pilih

    Mean dan Median.

    Widya Setiabudi 2006

  • 8/22/2019 Penggunaan SPSS 18.doc

    5/21

    Distribution atau bentuk distribusi data. Untuk keseragaman, klik

    Skewness dan Kurtosis.

    e. Pilihan Chartsjuga diklik, maka akan tampil gambar berikut ini.

    Menu Charts berkenaan dengan jenis grafik yang ingin kita pilih. Dari

    Chart Type, untuk keseragaman kita pilih Histogram. Lalu menu With

    normal curve-nya akan hidup, maka kita klik juga With normal curve.

    Lalu klikContinue.

    Sekarang editor akan kembali ke tampilan editor Frequencies seperti awal,

    selanjutnya kita akan memilih menu Format.

    f. Setelah menu Format diklik, maka akan tampil gambar berikut:

    Pada submenu Order by (data output akan disusun seperti apa ?) kita

    seragamkan saja dengan memilih output akan disusun naik (dari data

    terkecil ke data terbesar). Untuk itu pilih Ascending values. Selanjutnya

    klikOK. Maka semua proses pengisian dan pengolahan data telah selesai,

    dan kita akan lihat hasilnya (outputnya) pada editorOutput.

    Widya Setiabudi 2006

  • 8/22/2019 Penggunaan SPSS 18.doc

    6/21

    4. Output SPSS dan Analisisnya

    Selanjutnya data yang telah kita olah tersebut akan kita lihat outputnya. Berikut

    ini adalah output dari Descriptive.

    Frequencies

    Statistics

    Tinggi

    25

    0

    170.1200

    1.20655

    170.2000

    6.03276

    36.394

    .572

    .464

    1.460

    .902

    27.00

    159.60

    186.60

    160.6200

    167.2000

    170.2000

    172.5000

    178.6200

    Valid

    Missing

    N

    Mean

    Std. Error of Mean

    Median

    Std. Deviation

    Variance

    Skewness

    Std. Error of Skewness

    Kurtosis

    Std. Error of Kurtosis

    Range

    Minimum

    Maximum

    10

    25

    50

    75

    90

    Percentiles

    Output Bagian Pertama (Statistics)

    N atau jumlah data yang valid adalah 25 buah, sedangkan data yang hilang

    (missing) adalah nol. Ini artinya semua data bisa diproses

    Mean atau rata-rata tinggi badan adalah 170,12 cm dengan standar erroradalah 1,20655 cm. Penggunaan standar error of Mean adalah untuk

    memeriksa besar rata-rata populasi yang diperkirakan dari sampel. Untuk

    itu, dengan standar error of Mean tertentu dan pada tingkat kepercayaan

    95% (SPSS sebagian besar menggunakan angka ini sebagai stanadar), rata-

    rata populasi tinggi badan menjadi:

    Rata-rata Populasi = Rata-rata 2 standar error of Mean

    = 170,12 (2 x 1,20655) cm

    = (170, 12 + 2.4131) sampai (170, 12 - 2.4131)

    = 172,5331cm sampai 167, 7069 cm

    (Angka 2 digunakan karena tingkat kepercayaan 95%)

    Median atau titik tengah data jika semua data diurutkan dan dibagi 2 sama

    besar. Angka median 170,20 cm menunjukkan bahwa 50% tinggi badan

    adalah 170,20 cm ke atas, dan 50%-nya 170,20 cm ke bawah.

    Standar Deviasi adalah 6,03276 cm dan variansinya adalah 36,394 cm.

    Penggunaan standar deviasi adalah untuk menilai dispersi rata-rata dari

    sampel. Untuk itu, dengan standar deviasi tertentu dan pada tingkat

    kepercayaan 95%, rata-rata tinggi badan menjadi:

    Rata-rata tingi badan = Rata-rata 2 x Standar Deviasi

    = 170,12 (2 x 6,03276) cm

    = 182.18552 cm sampai 170,12 cm

    Perhatikan bahwa kedua batas angka berbeda tipis dengan nilai minimumdan maksimum, ini artinya sebaran data adalah baik.

    Widya Setiabudi 2006

  • 8/22/2019 Penggunaan SPSS 18.doc

    7/21

    Ukuran Skewnes adalah 0,572 cm. Untuk penilaian, nilai tersebut diubah

    ke angka rasio. Rasio kurtosis adalah = nilai kurtosis/standar error kurtosis

    = 0,572/0,902 = 0,63. Sebagai pedoman, bila rasio kurtosis berada antara

    -2 sampai dengan +2, maka distribusi data adalah normal.

    Ukuran kurtosis adalah 1,460 cm

    Data minimum adalah 159,60 cm sedangkan data maksimum adalah

    186,60 cm

    Range data = Data maksimum Data minimum adalah 27,00 cm

    Angka Persentil:

    o Rata-rata tinggi badan 10% responden di bawah 160,62 cm

    o Rata-rata tinggi badan 25% responden di bawah 167,20 cm

    o Rata-rata tinggi badan 50% responden di bawah 170,20 cm

    o Rata-rata tinggi badan 75% responden di bawah 172,50 cm

    o Rata-rata tinggi badan 90% responden di bawah 178,62 cm

    Tinggi

    2 8.0 8.0 8.0

    1 4.0 4.0 12.0

    2 8.0 8.0 20.0

    2 8.0 8.0 28.0

    2 8.0 8.0 36.0

    3 12.0 12.0 48.0

    1 4.0 4.0 52.03 12.0 12.0 64.0

    4 16.0 16.0 80.0

    2 8.0 8.0 88.0

    1 4.0 4.0 92.0

    1 4.0 4.0 96.0

    1 4.0 4.0 100.0

    25 100.0 100.0

    159.60

    161.30

    164.80

    167.20

    168.50

    168.90

    170.20170.40

    172.50

    174.50

    177.50

    180.30

    186.60

    Total

    Valid

    Frequency Percent Valid Percent

    Cumulative

    Percent

    Output bagian kedua (Tinggi)

    Output ini merupakan gambaran tinggi badan responden dalam tabel

    frekuensi.

    Widya Setiabudi 2006

  • 8/22/2019 Penggunaan SPSS 18.doc

    8/21

    190.00180.00170.00160.00150.00

    Tinggi

    10

    8

    6

    4

    2

    0

    Frequency

    Mean = 170.12

    Std. Dev. = 6.03276

    N = 25

    Histogram

    Output bagian ketiga (Histogram)Terlihat grafik data berbentuk seperti lonceng, ini artinya distribusi data

    adalah normal atau mendekati normal (pengujian secara statistik akan dibahas

    nanti)

    Tabel Frekuensi untuk Gender

    Karena variabel gender bukan data kuantitatif namun kategori, maka tidak

    perlu dilakukan dskripsi statistik seperti Mean, Median, Standar Deviasi dan

    sebagaianya. Untuk data kualitatif chart yang sesuai adalah pie chart.

    Langkah-langkah membuat Pie Chart Buka kembali lembar kerja Deskriptif1.sav

    Dari baris menu, pilih menu Analyze, lalu pilih submenu Descriptive

    Statistics, lalu pilih lagi sumenu Frequencies (untuk menampilkan tabel

    frekuensi). Lalu akan tampil gambar berikut ini.

    Kolom Variables(s) harus diisi dengan jenis-jenis variabel apa yang ingin

    kita analisis. Karena ingin dibuat frekuensi dari variabel Gender, maka klik

    variabel Gender, kemudia klik tanda , maka variabel Gender akan

    berpindah ke kolom Vraible(s).

    Pilihan Chartsjuga diklik, maka akan tampil gambar berikut ini.

    Widya Setiabudi 2006

  • 8/22/2019 Penggunaan SPSS 18.doc

    9/21

    Menu Charts berkenaan dengan jenis grafik yang ingin kita pilih. Dari

    Chart Type, untuk keseragaman kita pilih Pie Chart. Lalu klik Continue

    Setelah itu menu Format diklik, maka akan tampil gambar berikut:

    Pada submenu Order by (data output akan disusun seperti apa ?) kita

    seragamkan saja dengan memilih output akan disusun naik (dari data

    terkecil ke data terbesar). Untuk itu pilih Ascending values. Selanjutnya

    klikOK. Maka semua proses pengisian dan pengolahan data telah selesai,

    dan kita akan lihat hasilnya (outputnya) pada editorOutput.

    Output Gender

    Statistics

    Gender

    25

    0

    Valid

    Missing

    N

    Gender

    Frequency Percent Valid Percent CumulativePercent

    Valid 1 11 44.0 44.0 44.0

    2 14 56.0 56.0 100.0

    Total 25 100.0 100.0

    Widya Setiabudi 2006

  • 8/22/2019 Penggunaan SPSS 18.doc

    10/21

    2

    1

    Gender

    Penggunaan Menu Descriptive

    Langkah-langkah penggunaan menu Desciptive:

    Buka kembali file Deskriptif1.sav

    Dari baris menu, pilih menu Analyze, lalu pilih submenu Descriptive

    Statistics, lalu pilih lagi sumenu Descriptives (untuk menampilkan tabel

    frekuensi). Lalu akan tampil gambar berikut ini.

    Kolom Variables(s) harus diisi dengan jenis-jenis variabel apa yang ingin

    kita analisis. Karena ingin dibuat frekuensi dari variabel Tinggi, maka klik

    variabel Tinggi, kemudia klik tanda , maka variabel Tinggi akan

    berpindah ke kolom Vraible(s).

    KlikOptions, maka akan tampak di layar

    Widya Setiabudi 2006

  • 8/22/2019 Penggunaan SPSS 18.doc

    11/21

    Pilihan Options meliputi berbagai ukuran untuk menggambarkan data.

    Terlihat default dari SPSS yang memilih Mean, Standar deviasi,

    maksimum, minimum sebagai acuan untuk menghitung statistik deskriptif,

    untuk keseragaman biarkan pilihan tersebut. Kemudian klikContinue.

    Maka akan terlihat kotak pilihan Save standardized values as variables

    yang telah diberi tanda akan digunakan pilihan tersebut. Hal ini berarti

    pilihan output SPSS mengenai deskripsi data. Lalu klikOK.

    Maka outputnya sebagai berikut:

    Descriptive Statistics

    N Minimum Maximum Mean Std. Deviation

    Tinggi 25 159.60 186.60 170.1200 6.03276

    Valid N(listwise)

    25

    Jika dilihat pada Editor data SPSS selain variabel tinggi dan gender

    sekarang muncul variabel baru, yaitu zTinggi seperti berikut

    Analisisnya

    Output bagian Pertama

    Bagian ini membahas deskripsi statistik dari variabel tinggi yang

    meliputi Mean dan yang lainnya.

    Output bagian Kedua

    Widya Setiabudi 2006

  • 8/22/2019 Penggunaan SPSS 18.doc

    12/21

    Bagian ini membahas penerapan z-score atau Standard Score. Dalam

    output SPSS, nilai z bisa dipakai untuk secara cepat melihat nilai mana

    yang menyimpang cukup jauh dari rata-ratanya (outlier)

    Jika suatu data berdistribusi normal, suatu nilai bisa distandardisasi

    dengan nilai z, yaitu:

    s

    xxz

    i

    =

    Dimana: xi = nilai data kei; x = Mean data dan s=Standar Deviasi

    Sebagai contoh, lihat pada data pertama yaitu tinggi 170,20 cm, nilai z-

    nya dihitung dengan rumus adalah sbb:

    6.03

    170.122.170 =z = 0,013 (sama dengan output SPSS)

    Data yang lain pun sama prinsipnya.

    Melihat Data yang menyimpang (outlier)Jika data berdistribusi normal dan tingkat kepercayaan 95%, maka

    tingkat signifikansi adalah 100% - 95% = 5%. Jika memakai uji dua

    sisi (ada tanda + dan - ), maka batas kritis ada pada 5% dibadi dua atau

    2,5%. Pada tabel-z perhitungan pada satu sisi atau 50%, maka batas

    kritis ada pada luas kurva (50% - 2,5%) atau 47,5%.

    Pada tabel-z, luas kurva untuk 47,5% didapat nilai kritis 1,96.

    Dari nilai variabel zTinggi terlihat hanya ada satu data yang termasuk

    outlier, yaitu 186.60 cm nilai zTinggi yang di luar 1,96, yaitu

    zTingginya 2.73175.

    Karena dari 25 data hanya ada 1 data yang outlier, maka dapat

    dikatakan distrubusi mendekati normal.

    Analisis Crosstab (Tabel Silang)

    Sebagaimana pernah dibahas di kelas bahwa salah satu analisis data kualitatif

    yang berskala nominal (kategori) adalah dengan Crosstab.

    Analisis Crosstab untuk Uji Ketergantungan (Test of Independence)

    Contoh Kasusnya:

    Manajer perusahaan yang memproduksi kopi susu dalam kemasan sachet merek

    deCaFe ingin mengetahui bagaimana sikap konsumen terhadap produkperusahaan, serta bagaimana profil mereka.

    Untuk itu 25 orang konsumen yang pernah mencicipi produk deCaFe diminta

    mengisi identitas dan sikap mereka terhadap produk deCaFe.

    Berikut ini hasilnya:

    No Pekerjaan Pendidikan Gender

    1 Karyawan Akademi Pria

    2 Petani Sarjana Pria

    3 wiraswasta Sma Wanita

    4 Petani Sma Wanita

    Widya Setiabudi 2006

  • 8/22/2019 Penggunaan SPSS 18.doc

    13/21

    5 wiraswasta Akademi Wanita

    6 Karyawan Sarjana Pria

    7 wiraswasta Sma Wanita

    8 wiraswasta Sma Pria

    9 Petani Akademi Wanita

    10 Petani Akademi Wanita11 Karyawan Sarjana Pria

    12 Karyawan Sarjana Pria

    13 Petani Sma Wanita

    14 wiraswasta Sarjana Pria

    15 wiraswasta Akademi Wanita

    16 Karyawan Sarjana Pria

    17 Petani Sma Wanita

    18 Karyawan Akademi Pria

    19 Karyawan Sma Wanita

    20 Petani Akademi Pria21 wiraswasta Sarjana Wanita

    22 Petani Sarjana Wanita

    23 Petani Sarjana Pria

    24 Karyawan Sma Pria

    25 Karyawan Sma Pria

    Baris pertama, menunjukkan konsumen pertama mempunyai pekerjaan karyawan

    dan ia seorang pria yang berpendidikan akademi. Demikian seterusnya.

    Dalam SPSS otomatis no urut konsumen sudah ada, sehingga ada 3 variabel saja.

    Langkah penyelesaian:

    Buka lembar kerja baru

    Masukkan data seperti ketika Anda memasukan data Deskriptif1.sav. Jangan

    lupa definsikan variabelnya. Karena semuanya data kategori pilih

    Decimalsnya = 0.

    Untuk variabel pekerjaan, tipenya numerik, dimana: 1 = karyawan, 2=

    wiraswasta dan 3= petani.

    Untuk variabel pendidikan, tipenya numerik dengan; 1 = Sma, 2= akademi,

    dan 3=sarjana

    Variabel gender seperti sebelumnya, 1=Pria dan 2 = Wanita. Setelah data diketikan lalu simpan data tersebut dengan nama file

    Crosstab1.sav pada drive D, dari baris menu, pilih menu Analyze, lalu pilih

    submenu Descriptive Statistics, lalu pilih lagi sumenu Crosstab. Lalu akan

    tampil gambar berikut ini.

    Widya Setiabudi 2006

  • 8/22/2019 Penggunaan SPSS 18.doc

    14/21

    Row(s) atau variabel yang akan ditempatkan pada baris (row) untuk

    keseragaman, kita pilih Gender

    Column(s) atau variabel yang akan ditempatkan pada Kolom) untuk

    keseragaman, kita pilih Pekerjaan

    Klik pilihan Statistics, akan tampak dilayar gambar berikut.

    Karena kita akan melihat hubungan antara dua variabel, untuk keseragaman

    pilih Chi-Square. Pilihan yang lainnya akan digunakan pada kasus yang

    relevan di bagian lain. Lalu KlikContinue Kemudian Klik pilihan Cells, akan tampak di layar

    Pilihan Count untuk menampilkan hitungan Chi-square, apakah perlu

    disertakan nilai Expected (nilai yang diharapkan) selain nilai observed. Untuk

    keseragaman klik hanya Observed

    Pilihan Percentage untuk menampilkan perhitungan angka pada baris dan

    kolom dalam persen. Untuk kasus ini biarkan saja kolom tersebut (tidak ada

    yang dipilih). Lalu klikContinue,

    Klik pilihan Format, akan tampak editor berikut

    Widya Setiabudi 2006

  • 8/22/2019 Penggunaan SPSS 18.doc

    15/21

    Row Order atau penempatan nama variabel dalam baris, apakah naik atau

    turun. Pilih Ascending. KlikContinue.

    Pilihan Displayclustered bar charts dan Suppers tables biarkan kosong.

    Perhatikan variabel Pendidikan tidak dimasukkan, karena dalam proses ini kita

    hanya memasukkan dua saja, tidak mesti semua, nanti kita akan gunakan

    variabel pendidikan pada kasus yang lain.

    Klik OK, maka akan tampak output berikut.

    Output Crosstab

    Case Processing Summary

    Cases

    Valid Missing Total

    N Percent N Percent N Percent

    gender * Pekerjaan 25 100.0% 0 .0% 25 100.0%

    Analisis Output Bagian Pertama (Case Processing Summary)

    Ada 25 data yang semuanya diproses (tidak ada data missing), sehingga tingkat

    validitasnya 100%.

    gender * kerja Crosstabulation

    Count

    kerja

    Total1 2 3

    gender 1 8 2 3 13

    2 1 5 6 12

    Total 9 7 9 25

    Analisis Output Bagian Kedua (Crosstab antara Gender dengan Pekerjaan)

    Terlihat tabel silang yang memuat hubungan diantara kedua variabel. Misalnya, pada

    baris-1 kolom-1, terdapat angka 8. Hal ini berarti ada 8 orang pria (variabel gender)yang mempunyai pekerjaan karyawan (varaibel Pekerjaan). Demikian pula untuk data

    yanag lainnya.

    Chi-Square Tests

    Value df Asymp. Sig.(2-sided)

    Pearson Chi-Square 7.702(a) 2 .021

    Likelihood Ratio 8.505 2 .014Linear-by-LinearAssociation 5.342 1 .021

    Widya Setiabudi 2006

  • 8/22/2019 Penggunaan SPSS 18.doc

    16/21

    N of Valid Cases25

    a 6 cells (100.0%) have expected count less than 5. The minimum expected count is3.36.

    Analisis Output bagian Ketiga (Uji Chi-square)

    Uji Chi-square untuk mengamati ada tidaknya hubungan antara dua variabel (barisdan kolom). Di dalam SPSS, selain alat uji Chi-Square juga dilengkapi dengan

    beberapa alat uji yang sama tujuannya.

    Hipotesis

    Hipotesis untuk kasus ini:

    Ho: Tidak ada hubungan antara baris dan kolom, atau antara pekerjaan konsumen

    dengan gender konsumen tersebut.

    Hi : Ada hubungan antara baris dan kolom, atau antara pekerjaan konsumen dengan

    gender konsumen tersebut

    Pengambilan Keputusan

    Dasar pengambilan keputusan, yaitu: Berdasarkan perbandingan Chi-Quare Uji dan

    angka dari Tabel

    Jika Chi-square Hitung < Chi-square Tabel, Maka Ho diterima

    Jika Chi-square Hitung > Chi-square Tabel, Maka Ho ditolak

    Chi-square Hitung dapat dilihat pada output bagian ketiga yaitu 7.702. Sedangkan

    Chi-square Tabel, dapat dilihat pada Tabel Uji-Statistik untuk Chi-square. Dalam hal

    ini untuk tingkat signifikansi () = 5% dan derajat kebebasan (dF) = 2 adalah 5,9915.Karena Chi-square Hitung (7.702) > Chi-square Tabel (5,9915), Maka Ho ditolak

    Dengan demikian dipsimpulkan bahwa ada hubungan antara baris dan kolom, atau

    antara pekerjaan konsumen dengan gender konsumen tersebut.

    Kita juga bisa menguji hipotesis dengan membandingkan nilai Probabilitas yang

    nilainya dapat dilihat pada bagian Asymp. Sig. (2-sided), yang dalam kasus ini

    sebesar 0.021. Jika nilai Probabilitas > 0,05 maka Ho diterima. Tetapi bila nilai

    Probabilitas < 0,05 maka Ho ditolak.

    Dalam kasus ini 0.021 < 0,05 artinya Ho ditolak, atau ada hubungan antara baris dan

    kolom, atau antara pekerjaan konsumen dengan gender konsumen tersebut.

    Dari kedua analisis tersebut bisa diambil kesimpulan yang sama, yaitu Ho ditolak atau

    ada hubungan antara pekerjaan seorang konsumen dengan gender konsumen tersebut.

    Dengan kiata lain dapat saja dikatakan bahwa kebanyakan pria berprofesi karyawan

    sedangkan kebanyakan wanita tidak banyak yang berprofesi karyawan, mungkin

    banyaknya wiraswasta.

    Pada kasus dimana, Ho ditolak atau disimpulkan bahwa ada hubungan antara

    pekerjaan seorang konsumen dengan gender konsumen tersebut, maka dapat

    ditanyakan pula seberapa besar atau seberapa kuat hubungan tersebut ? Hal ini akan

    kita bahas pada contoh lain.

    Widya Setiabudi 2006

  • 8/22/2019 Penggunaan SPSS 18.doc

    17/21

    Sekarang, tugas Anda adalah berlatih untuk mencari hubungan antara variabel

    Pekerjaan dengan Tingkat Pendidikan, Jika sudah memasukkan datanya dalam

    program SPSS simpan pada drive D dengan nama Crosstab2.sav dan outputnya

    dengan Crosstab2out. Buatlah analisis Anda dalam file word lalu simpan pula pada

    drive D.

    Menguji Keeratan Hubungan Dua Variabel Berskala Nominal

    Jika tadi kita contohkan bahwa berdasarkan analisis Crosstab ditemukan terdapat

    hubungan antara dua variabel berskala nominal, yaitu antara gender dengan pekerjaan.

    Sekarang kita akan cari tahu seberapa besar keeratan hubungan tersebut.

    SPSS menyediakan dua cara untuk mengukur hubungan tersebut, yaitu:

    1. Symetric Measures, yaitu hubungan yang setara dan berdasarkan perhitungan

    Chi-square

    2. Directional Measures, yaitu hubungan yang tidak setara dan berdasarkan pada

    proportional Reduction In Error (PRE)

    Kedua cara perhitungan di atas dapat digunakan pada kasus hubungan antara

    Pekerjaan dengan Gender.

    Langkah-langkahnya:

    1. Buka lagi lembar kerja Crosstab1.sav

    2. Darri baris menu, pilih menu Analyze, lalu pilih submenu Descriptive Statistics,

    lalu pilih lagi sumenu Crosstab. Lalu akan tampil gambar seperti sebelumnya.

    a. Pada menu Row(s) atau variabel yang akan ditempatkan pada baris (row)

    untuk keseragaman, kita pilih Gender

    b. Column(s) atau variabel yang akan ditempatkan pada Kolom) untuk

    keseragaman, kita pilih Pekerjaan

    3. Klik pilihan Statistics, akan tampak dilayar gambar berikut.

    Karena sudah tahu bahwa antara kedua variabel tersebut terdapat hubungan, maka

    sekarang tidak perlu lagi Chi-square, oleh karena itu sekarang Chi-square-nya

    jangan dicentak (tidak diklik). Kalau diklik, hasilnya akan seperti terdahulu.

    4. Klik pilihan Correlations untuk mengetahui koefisien korelasi kedua variabel

    dengan cara Symetric Measures.

    5. Pada kolol Nominal (yang berarti khusus untuk data yang berskala Nomonal), kliksemua pilihan yaitu Contingency Coefficient, Phi and Cramers V, lambda

    dan Uncertainty coefficient. Pilihaan ini untuk mengetahui koefisien korelasi

    dengan cara Directional Measures. Lalu klik Continue. Kemudian Klik pilihan

    Cells, akan tampak di layar gambar sebelah kanan.

    Widya Setiabudi 2006

  • 8/22/2019 Penggunaan SPSS 18.doc

    18/21

    6. Untuk pilihan Count, ntuk keseragaman klik hanya Observed

    7. Pilihan Percentage untuk kasus ini biarkan saja kolom tersebut (tidak ada yang

    dipilih). Demikian pula kolom Residuals biarkan kosong. Lalu klikContinue.

    8. Klik pilihan Format. Row Order atau penempatan nama variabel dalam baris,

    apakah naik atau turun. Pilih Ascending. KlikContinue.

    9. Pilihan Displayclustered bar charts dan Suppers tables biarkan kosong.

    10. Selanjutnya Tekan OK untuk mendapatkan outputnya.

    Output bagian Pertama

    Case Processing Summary

    Cases

    Valid Missing Total

    N Percent N Percent N Percent

    gender * kerja 25 100.0% 0 .0% 25 100.0%

    Ada 25 data yang semuanya diproses (tidak ada data missing), sehingga tingkat

    validitasnya 100%.

    Output bagian Kedua

    gender * kerja Crosstabulation

    Count

    kerja

    Total1 2 3

    gender 1 8 2 3 13

    2 1 5 6 12

    Total 9 7 9 25

    Tabel yang menggambarkan hubungan antara variabel, misalnya pada baris-2 kolom-1 ada angka 1, artinya ada 1 orang konsumen wanita bekerka sebagai karyawan.

    Widya Setiabudi 2006

  • 8/22/2019 Penggunaan SPSS 18.doc

    19/21

    Output bagian Ketiga (Symmetric Measures)

    Symmetric Measures

    Value

    Asymp.

    Std.Error(a)

    Approx.T(b) Approx. Sig.

    Nominal byNominal

    Phi .555 .021

    Cramer's V .555 .021

    Contingency Coefficient .485 .021

    Interval by Interval Pearson's R .472 .167 2.566 .017(c)

    Ordinal by Ordinal Spearman Correlation .472 .173 2.566 .017(c)

    N of Valid Cases 25

    a Not assuming the null hypothesis.b Using the asymptotic standard error assuming the null hypothesis.c Based on normal approximation.

    Disi

    Di sini hanya diperhatikan besar korelasi antara Nominal-Nominal. Hal ini karena

    kedua variabel berskala nominal, karena itu besaran Pearson dan Spearman tidak

    relevan untuk dibahas.

    Ada 3 besaran untuk menghitung korelasi antara variabel pekerjaan dengan gender,

    dan ketiganya mempunyai angka signifikan atau nilai Probabilitas 0,021. Karena nilai

    Probabilitas di bawah 5%, maka bisa dikatakan ada hubungan antara kedua variabel

    tersebut (seperti telah terbukti sebelumnya).

    Besaran korelasi (Phi dan Cramer) menghasilkan angka sama yaitu 0,555. Sedangkan

    koefisien kontingensi menghasilkan angka 0,485 (lebih kecil). Dari ketiga besaran itu

    bisa disimpulkan adanya hubungan yang cukup erat antara (disebut erat jika

    mendekati angka 1 dan tidak ada hubungan bila mendekati angka 0) antara variabelpekerjaan dengan variabel jender.

    Output bagian Keempat (Directional Measures)

    Directional Measures

    .393 .163 2.003 .045

    .500 .236 1.572 .116

    .313 .137 2.041 .041

    .308 .165 .025c

    .160 .095 .021c

    .191 .114 1.673 .014d

    .246 .147 1.673 .014d

    .156 .093 1.673 .014d

    Symmetric

    gender Dependent

    kerja Dependent

    gender Dependent

    kerja Dependent

    Symmetric

    gender Dependent

    kerja Dependent

    Lambda

    Goodman and

    Kruskal tau

    Uncertainty Coefficient

    Nominal by

    Nominal

    Value

    Asymp.

    Std. Errora

    Approx. Tb

    Approx. Sig.

    Not assuming the null hypothesis.a.

    Using the asymptotic standard error assuming the null hypothesis.b.

    Based on chi-square approximationc.

    Likelihood ratio chi-square probability.d.

    Disini juga ada 3 ukuran untuk mengukur hubungan antara kedua variabel tersebut.

    Namun di sini ada pembedaan, yaitu satu variabel sebagai dependen sedangkan yang

    lainnya sebagai variabel independen.

    Untuk lebih jelasnya lihat besaran pada korelasi lambda.

    Widya Setiabudi 2006

  • 8/22/2019 Penggunaan SPSS 18.doc

    20/21

    Symmetric atau kedua variabel setara (bebas), maka besar korelasinya adalah

    0,393 atau cukup lemah (kurang dari 0,50). Angka signifikansinya adalah 0,045

    atau di bawah 0,05 yang berarti kedua variabel memang berhubungan secara

    nyata.

    Jika ada perkataan Dependent, dipakai pedoman (berlaku untuk ketiga alat uji)

    berikut:o Jika angka korelasi 0, maka pengetahuan akan variabel independen tidak

    menolong dalam usaha memprediksi variabel dependen

    o Jika angka korelasi = 1, maka pengetahuan akan variabel independen

    menolong dalam usaha memprediksi variabel dependen

    Contoh analisis pada Lambda

    o Gender Konsumen Dependen atau Gender sebagai variabel dependen

    (tergantung), dimana Pekerjaan adalah variabel independennya. Karena

    angka signifikansi 0,116 lebih besar daripada 0,05 (5%), maka variabel

    Independen/bebas yaitu Pekerjaan tidak dapat memprediksi variabel

    dependen yaitu Gender.o Pekerjaan Konsumen Dependen atau Pekerjaan sebagai variabel

    dependen (tergantung), dimana gender adalah variabel independennya.

    Karena angka signifikansi 0,041 lebih besar daripada 0,05 (5%), maka

    variabel Independen/bebas yaitu Pekerjaan dapat memprediksi variabel

    dependen yaitu Gender. Tetapi Angka Korelasi lambdanya 0,313 < 0,50

    ini artinya korelasinya lemah. Bisa dikatakan bahwa pengetahuan akan

    gender seorang konsumen tidak begitu menolong dalam mupaya

    memprediksi pekerjaan konsumen tersebut. Atau pekerjaan konseumen

    sebagai karyawan atau petani atau wiraswasta tidak bisa diperkirakan

    begitu saja karena ia seoraang pria atau wanita.

    Analisis pada Korelasi Goodman dan Kruskal Tau

    Dari angka signifikansi keduanya adalah signifikan (berbeda dengan Lambda),

    namun besar korelasinya juga tidak kuat. Atau variabel gender tidak bisa

    memprediksi secara kuat variabel Pekerjaan seorang konsumen, demikian pula

    sebaliknya.

    Analisis pada Korelasi Uncertainty Coefficient

    Dari angka signifikansi ketiganya adalah signifikan, namun besar korelasinya juga

    tidak kuat. Atau variabel gender tidak bisa memprediksi secara kuat variabel

    Pekerjaan seorang konsumen, demikian pula sebaliknya.

    Analisis pada Korelasi Asymptotic Standard Error

    Di sini syaratnya harus didapatkan korelasi yang signifikan. Sebagai contoh angka

    korelasi lambda sebesarr 0,313 yang signifikan, didapat standar error 0,137.

    Pada tingkat kepercayaan 95% atau ada dua standar deviasi, maka rentang korelasi

    adalah: 0,313 (2 x 0,137) atau antara 0,039 sampai 0,587

    Widya Setiabudi 2006

  • 8/22/2019 Penggunaan SPSS 18.doc

    21/21