Tutorial SPSS-Merge Data

download Tutorial SPSS-Merge Data

of 21

  • date post

    20-Jul-2015
  • Category

    Documents

  • view

    328
  • download

    3

Embed Size (px)

Transcript of Tutorial SPSS-Merge Data

TUTORIAL PENGOLAHAN DATA SUSENAS MENGGUNAKAN SPSS By IV SK 3

1.

Menghitung Indeks Kesehatan Masyarakat berdasarkan data susenas_kor. Indeks diperoleh dari tiga pertanyaan yang ada di pertanyaan blok 5A rincian 1,2, dan 3. Rumus penghitungan Indeksnya sbb:

2. Buka data kor_ind.sav yg ada di folder NAD. Liat b5ar1a-h,b5ar2, b5ar3. Data ini yang

akan digunakan untuk menghitung IKM.

3. Untuk mempermudah, masukkan variabel baru yaitu variabel ikm disebelah b5ar3.

Klik

kanan pada b5ar4 dan pilih insert variable:

1

2

4. Sekarang kita hitung nilai-nilai untuk variabel ikm tsb. Kita tulis sintaks untuk menghitung

nilai ikm. Klik file -> new -> syntax. Kemudian ketikkan kode program seperti berikut: (cat: setiap akhir satu baris instruksi harus dikasi titik kalo tdk akan muncul pesan error)

3

Kemudian klik run -> all. Kalo tampilan hasil runnya seperti dibawah berarti insya allah sintaksnya udah benar:

Setelah dirun kita peroleh nilai-nilai variabel ikm: (cat: kode RECODE ikm (SYSMIS=0) digunakan supaya nilai-nilai yang missing (karena jawaban b5ar2=2) dicatat sebagai nol, supaya semua nilai ikm bisa diolah).

4

5. Selanjutnya, unit analisis kita adalah Wanita Usia Subur (WUS), yaitu wanita usia 15-49

tahun. Kita filter datanya supaya yg terambil hanya data WUS dengan menggunakan Select Cases. Klik data -> select cases. Tandai if condition is satisfied kemudian klik if. Filter berdasarkan umur dan jenis kelamin yaitu jenis kelamin=2 dan umur=15-49 tahun.

Kemudian klik continue. Kemudian tandai delete unselected cases untuk menghapus data lain selain data WUS. Klik ok. Sekarang data kita tinggal data WUS (jenkel=2 dan umur=15-49 tahun). Kita simpan sebagai data baru yaitu wus.sav

5

Untuk mengecek kembali silakan klik analyze -> descriptive statistics -> frequencies, tabulasikan berdasarkan jenis kelamin dan umur. Kalo output yang ditampilkan hanya perempuan dan range umurnya 15-49 tahun, berarti filternya sudah benar.6. Tahap analisis selanjutnya adalah kita ingin menggabungkan data WUS ini dengan data

tentang RT yang menyangkut luas lantai per kapita dan pengeluaran kesehatan selama sebulan. Sekarang kita buka data kor_rt.sav.

6

Kita liat data di atas, belum ada data mengenai luas lantai per kapita, hanya ada data mengenai luas lantai (b6r2) dan jumlah art (jart). Juga belum ada data mengenai pengeluaran kesehatan dalam sebulan, nilai ini bisa dihitung dengan membagi pengeluaran kesehatan selama setahun (b8br17b1) dengan 12. Kita buat lagi sintaks untuk menghitung nilai luas lantai per kapita dan pengeluaran kesehatan dalam sebulan. Klik file -> new -> syntax. Tuliskan kode program berikut:

7

Kemudian klik run->all. Setelah dijalankan akan muncul dua variabel baru (liat variable view di dua baris terakhir). Kedua data inilah yang akan dianalisis bersama data WUS. Karena itu, hapus semua data lain yg tidak digunakan yaitu data-data yang berkaitan selain dengan identitas. Data tentang nks kita hapus semua:

Kemudian data lain selain identitas juga dihapus:

8

Berikut tampilannya setelah semua data yang tidak diperlukan dihapus:

Data inilah yg akan dimerge dengan data WUS untuk dianalisis. Simpan data baru ini dengan nama dataformerging.sav. untuk melakukan merging data, baik data source maupun target harus disort berdasarkan key indicatornya (wus.sav dan dataformerging.sav harus disort keduaduanya). Pada dataformerging.sav klik data->sort cases, kita urutkan berdasarkan keynya yang unik yaitu kode propinsi sampai no urut RT (b1r1 sampai b1r8).

9

Setelah di-sort, kita simpan lagi datanya, klik save.7. Kemudian buka data sourcenya, yaitu data wus.sav. klik file->open->data->wus.sav.

Kemudian sort kembali data wus.sav dengan variabel yang sama yang kita gunakan untuk mensort dataformerging.sav. caranya sama seperti langkah sebelumnya. Jangan lupa simpan lagi datanya, klik save. Setelah di-sort tampilannya seperti di bawah:10

8. Tahap berikutnya kita lakukan merging data. Pada data wus.sav klik data->merge files-

>add variable, dan masukkan dataformerging.sav sebagai pilihan.

11

Pada kotak yg muncul, tandai pilihan match cases on key variables in sorted files->non-active dataset is keyed table. Kemudian masukkan b1r1 sampai b1r8 sebagai key ke dalam jendela key variable.

Kemudian klik ok. Akan muncul warning

12

Karena baik data source maupun target sudah kita sort, maka langsung klik ok. (cat: saya nyoba pake cara ini (sama persis ngikutin cara yg ada di rekaman) tapi error dan gagal di merge. Sebagai gantinya data tetap bisa dimerge, tapi pake sintaks (buat yg gagal aja, yg sukses mergingnya silakan lgsg lanjut ke langkah berikutnya). Berikut sintaksnya: GET FILE='D:\Kuliah\Tingkat coba\wus.sav'. IV\Sosiometri\Materi\Indeks Kesehatan Masyarakat\coba-

DATASET NAME DataSet0 WINDOW=FRONT. MATCH FILES /FILE=* /TABLE='D:\Kuliah\Tingkat coba\dataformerging.sav' IV\Sosiometri\Materi\Indeks Kesehatan Masyarakat\coba-

/BY b1r1 b1r2 b1r3 b1r4 b1r5 b1r7 b1r8. ) *Ket: yang di garisbawahi fleksibel, tergantung direktori tempat kita menyimpan data wus.sav dan dataformerging.sav Setelah itu, caranya sama seperti langkah membuat sintaks untuk menghitung ikm, setelah sintaksnya selesai klik run->all.Ni tampilannya:

13

Setelah dirun, data akan ter-merge. Kalo proses merging sukses akan muncul dataset baru di luar data wus.sav namanya *untitled. Untuk mengecek kalo mergingnya sudah benar, silakan liat di variable view paling bawah (data *untitled) akan ada dua variabel baru hasil merge, yaitu lkapita dan healxp. Tutup data wus.sav. kemudian save *untitled tadi sebagai wus.sav (jadi data yg baru kita timpa ke data wus.sav), klik file->save as->wus.sav. bagi yg tidak mengalami error swaktu proses merging tidak perlu melakukan langkah ini, karena data baru hasil merge sudah otomatis menjadi data wus.sav.9. Selanjutnya, yang akan kita olah adalah data mengenai tingkat pendidikan WUS. Datanya ada

pada b5cr21 (ijazah/STTB tertinggi yg dimiliki). Pada rincian tersebut, terdapat banyak sekali jenjang pendidikan. Untuk mempermudah analisis, akan direduksi menjadi tiga kategori pendidikan saja (kita buat tiga dummy variable), yaitu kategori SD ke bawah (tidak punya ijazah, SD, Madrasah Ibtidaiyah), kategori SMP (SMP umum/kejuruan dan MTs), dan SMA+ (SMA, Aliyah, SMK, DI/II, DIII, DIV/S1, S2/S3). Caranya kita recode, yaitu klik transform->recode into different variables. Masukkan b5cr21 sebagai input dan sd sebagai output, klik change:

14

Klik old and new values. Kemudian kita pilih range dari 1 sampai 3 untuk menyatakan SD ke bawah. Tandai range 1 through 3 kemudian pada new value masukkan 1, klik add:

Kemudian tandai all other values dan masukkan nilai 0 pada new values, klik add, kemudian klik continue:

15

Untuk mempermudah langkah berikut, klik paste:

Akan muncul kotak sintaks editor. Sekarang, untuk dua kode pendidikan berikutnya kita tinggal copas dan edit sintaks yg sudah ada:

16

Setelah itu, klik run->all. Akan muncul tiga variabel baru, yaitu sd, smp, dan smaplus.

Untuk mengecek kembali, klik analyze->descriptive statistics->frequencies dan masukkan variabel-variabel baru tadi untuk ditabulasikan:

17

Terlihat bahwa jumlah yg tamat sd ke bawah sebanyak 5406, smp sebanyak 3543, dan sma ke atas sebanyak 3940, jadi sebagian besar responden WUS di NAD tamat sd ke bawah. 10. Selanjutnya yang akan kita kerjakan adalah data jumlah anak lahir hidup. Datanya ada pada rincian b5er36a3. Kita tuliskan sintaksnya:

Kemudian klik run->all, akan muncul variabel baru, yaitu JALH.18

11. Sekarang variabel yang akan diregresikan sudah lengkap, yaitu variabel luas lantai per kapita,

pengeluaran kesehatan per bulan, tingkat pendidikan, dan jumlah anak lahir hidup yang akan kita lihat pengaruhnya terhadap tingkat kesehatan WUS yang dinyatakan oleh indeks kesehatan. Untuk melakukan analisis regresi klik analyze->regression->linear. Masukkan ikm sebagai dependent variable dan masukkan lkapita, healxp, sd, smp, smaplus dan JALH sebagai independent variable.

Klik statistics, dan tentukan pilihan yang ingin ditampilkan, misalnya ingin melihat perubahan R2, tandai R squared change:

19

Kemudian klik ok, hasil akhirnya tampak sebagai berikut:

Silakan interpretasi masing-masing. Untuk file-file yg dibutuhkan, nanti dikirim lwt email.

20

21