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 harus diringkas dengan baik dan teratur, baik dalam bentuk tabel atau presentasi grafis yang berguna sebagai dasar dalam proses pengambilan keputusan (statistik inferensi . !enyajian tabel dan grafis yang digunakan dalam statistik deskriptif dapat berupa" #. Distribusi frekuensi $. !resentasi 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" #. %encari central tendency (kecenderungan memusat , seperti %ean, %edian, dan %odus $. mencari ukuran dispersion, seperti Standar Deviasi dan &arians Selain central tendency dan dispersion, ukuran lain yang dipakai adalah Ske'ness dan (urtosis yang berfungsi untuk mengetahui kemiringan data (gradien data . (ali ini akan dibahas menu dari S!SS yang berhubungan dengan statistik deskriptif, yaitu Summari)e. Dalam menu ini terdapat beberapa submenu sebagai berikut" A. Frequencies %enu ini membahas beberapa penjabaran ukuran statistik deskriptif seperti %ean, %edian, (uartil, !ersentil, Standar Deviasi dan lainnya. B. Descripti es %enu ini berfungsi untuk mengetahui skor-) dari suatu distribusi data dan menguji apakah data berdistribusi normal atau tidak. !. E"p#$re %enu ini berfungsi untuk memeriksa lebih teliti sekelompok data. *lat utama yang dibahas adalah +o,-!lot dan Steam - .eaf !lot, selain beberapa uji tambahan untuk menguji apakah data berasal dari distribusi normal. D. !r$ssta%s %enu 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. !ase Su&&aries %enu ini digunakan untuk melihat lebih jauh isis statistik deskriptif yang meliputi subgrup dari sebuah kasus, seperti grup !ria dan grup /anita, bisa dibuat subgrup !ria De'asa dan !ria 0emaja, kemudian /anita De'asa dan

/idya Setiabudi $112

/anita 0emaja, serta dibagi lagi menjadi yang tinggal di kota dan di desa, dan seterusnya. Menu Frequencies 3ontoh penggunaan 4re5uencies %isalkan kita memiliki data tentang tinggi badan $6 orang mahasis'a (dalam centimeter yang diambil secara acak. 7o # $ ; : 6 2 < = > #1 ## #$ #; 8inggi
170.2 172.5 180.3 172.5 159.6 168.5 168.5 172.5 174.5 159.6 170.4 161.3 172.5

9ender !ria !ria !ria !ria /anita /anita !ria !ria !ria /anita /anita /anita !ria

7o #: #6 #2 #< #= #> $1 $# $$ $; $: $6

8inggi
170.4 168.9 168.9 177.5 174.5 186.6 164.8 170.4 168.9 164.8 167.2 167.2

9ender /anita /anita /anita /anita !ria /anita /anita !ria !ria /anita /anita /anita

?ang pertama kita lakukan adalah ada memasukan data terebut ke dalam editor S!SS. !ada bagian a'al kita sudah mempelajari bagaimana membuat data baru dalam S!SS. .angkah-langkahnya adalah sebagai berikut. #. Men'e(inisi)an aria%e#.*da banyak cara untuk mendefinisikan variabel, diantaranya adalah sebagai berikut. (arena pada contoh kita ada dua variabel (8inggi +adan - 9ender , maka kita akan definisikan $ variabel tersebut tipenya seperti apa. !ada bagian ba'ah menu editor data, tekan tombol *aria%#e *ie+. %aka akan tampak tampilan berikut"

(olom pertama merupakan tempat untuk mendefinisikan nama-nama variabel tersebut. !ada baris pertama-kolom pertama untuk mendefinisikan nama variabel ke-#, baris kedua-kolom pertama untuk mendefinisikan nama variabel

/idya Setiabudi $112

ke-$. (ita ketikan 8inggi untuk variabel pertama dan 9ender untuk variabel kedua. @ntuk deklarasi T,pe variabel kita gunakan -u&eric untuk variabel 8inggi dan 9ender. 7antinya untuk variabel 9ender kita pilih angka # untuk menandai gender !ria dan $ untuk menandai gender /anita. @ntuk .i'th, biasanya standar S!SS untuk numeric adalah /, kita biarkan saja angka = karena sudah mencukupi untuk keprluan kita. @ntuk Deci&a#s, untuk variabel 8inggi, karena datanya mengandung # angka di belakang koma, kita pilih #. Sedangkan untuk gender karena bilangan bulat kita pilih angka 1. @ntuk itu kita perlu mengganti default yang ada pada editor yaitu $ dengan angka # dan 1 tersebut. @ntuk sementara biarkan submenu-submenu yang lain seperti *a#ues0 La%e#0 Missin1 dll. Seperti apa adanya. 8ampilan akhir dapat dilihat seperti gambar berikut ini.

Selanjutnya kita akan memasukan data yang kita punya dengan terlebih dahulu menekan tombol Data *ie+. .alu ketiklah data yang ada, setelah itu simpan dengan nama Des)ripti(2.

$. +ila *nda sudah memiliki data tersebut dalam format /ord atau A,cel, *nda bisa langsung meng-copy data tersebut dengan cara yang biasa *nda lakukan, yaitu 3opy-!aste. Setelah mengcopy dari data asal, maka lalu letakan pointer di baris# kolom-# S!SS kemudian klim menu E'it, dan pilih submenu Paste.

/idya Setiabudi $112

;. Setelah data ada, lalu kita $#ah, yaitu ingin menampilkan deskripsi statistik dari data tersebut yaitu mengenai %ean, Standar Deviasi, Ske'ness, dll. Selain itu kita ingin pula menampilkan 3hart dari data yang sesuai dengan sata kuantitatif, yaitu Bistogram dan +ar 3hart. .angkah-langkahnya sebagai berikut" a. Dari baris menu, pilih menu Ana#,3e, lalu pilih submenu Descripti e Statistics, lalu pilih lagi sumenu Frequencies (untuk menampilkan tabel frekuensi . .alu akan tampil gambar berikut ini.

b. (olom *aria%#es4s5 harus diisi dengan jenis-jenis variabel apa yang ingin kita analisis. (arena ingin dibuat frekuensi dari variabel 8inggi, maka klik variabel Tin11i, kemudia klik tanda , maka variabel 8inggi akan berpindah ke kolom &raible(s . c. (lik pilihan Statistics, maka akan tampil di layar gambar berikut"

d. !ilihan Statistics meliputi berbagai ukuran untuk menggambarkan data, antara lain sebagai berikut" Percenti#es*a#ues. @ntuk keseragaman klik 6uarti#es dan Percenti#e4s5. (emudian pada kotak disamping kanan Percenti#es ketik 27, lalu tekan A''. Sekali lagi ketik 87 pada kotak terdahulu, dan klik lagi tombol A''. !engerjaan ini dimaksudkan untuk membuat nilai persentil pada #1 dan >1. Dispersi$n atau penyebaran data. @ntuk keseragaman, semua atau keenam jenis pengukuran Dispersion dipilih semua. !entra# Ten'enc, atau pengukuran pusat data, untuk keseragaman pilih Mean dan Me'ian.
/idya Setiabudi $112

Distri%uti$n atau bentuk distribusi data. @ntuk keseragaman, klik S)e+ness dan Kurt$sis.

e. !ilihan !hartsCjuga diklik, maka akan tampil gambar berikut ini.

%enu !harts berkenaan dengan jenis grafik yang ingin kita pilih. Dari 3hart 8ype, untuk keseragaman kita pilih 9ist$1ra&. .alu menu .ith n$r&a# cur e-nya akan hidup, maka kita klik juga .ith n$r&a# cur e. .alu klik !$ntinue. Sekarang editor akan kembali ke tampilan editor 4re5uencies seperti a'al, selanjutnya kita akan memilih menu 4ormat.

f. Setelah menu F$r&at diklik, maka akan tampil gambar berikut"

!ada submenu Or'er %, (data output akan disusun seperti apa D kita seragamkan saja dengan memilih output akan disusun naik (dari data terkecil ke data terbesar . @ntuk itu pilih Ascen'in1 a#ues. Selanjutnya klik OK. %aka semua proses pengisian dan pengolahan data telah selesai, dan kita akan lihat hasilnya (outputnya pada editor Output.

/idya Setiabudi $112

:. Output SPSS 'an Ana#isisn,a Selanjutnya data yang telah kita olah tersebut akan kita lihat outputnya. +erikut ini adalah output dari Descriptive. Frequencies
Statistics Tinggi N Mean Std. Error of Mean Median Std. De iation Varian!e S"e#ness Std. Error of S"e#ness $%rtosis Std. Error of $%rtosis &ange Mini'%' Ma(i'%' )er!entiles Valid Missing 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

10 25 50 75 90

Output Ba1ian Perta&a 4Statistics5 7 atau jumlah data yang valid adalah $6 buah, sedangkan data yang hilang (missing adalah nol. Eni artinya semua data bisa diproses %ean atau rata-rata tinggi badan adalah #<1,#$ cm dengan standar error adalah #,$1266 cm. !enggunaan standar error of %ean adalah untuk memeriksa besar rata-rata populasi yang diperkirakan dari sampel. @ntuk itu, dengan standar error of %ean tertentu dan pada tingkat kepercayaan >6F (S!SS sebagian besar menggunakan angka ini sebagai stanadar , ratarata populasi tinggi badan menjadi" 0ata-rata !opulasi G 0ata-rata H $ standar error of %ean G #<1,#$ H ($ , #,$1266 cm G (#<1, #$ I $.:#;# sampai (#<1, #$ - $.:#;# G #<$,6;;#cm sampai #2<, <12> cm (*ngka $ digunakan karena tingkat kepercayaan >6F %edian atau titik tengah data jika semua data diurutkan dan dibagi $ sama besar. *ngka median #<1,$1 cm menunjukkan bah'a 61F tinggi badan adalah #<1,$1 cm ke atas, dan 61F-nya #<1,$1 cm ke ba'ah. Standar Deviasi adalah 2,1;$<2 cm dan variansinya adalah ;2,;>: cm. !enggunaan standar deviasi adalah untuk menilai dispersi rata-rata dari sampel. @ntuk itu, dengan standar deviasi tertentu dan pada tingkat kepercayaan >6F, rata-rata tinggi badan menjadi" 0ata-rata tingi badan G 0ata-rata H $ , Standar Deviasi G #<1,#$ H ($ , 2,1;$<2 cm G #=$.#=66$ cm sampai #<1,#$ cm !erhatikan bah'a kedua batas angka berbeda tipis dengan nilai minimum dan maksimum, ini artinya sebaran data adalah baik.

/idya Setiabudi $112

@kuran Ske'nes adalah 1,6<$ cm. @ntuk penilaian, nilai tersebut diubah ke angka rasio. 0asio kurtosis adalah G nilai kurtosisJstandar error kurtosis G 1,6<$J1,>1$ G 1,2;. Sebagai pedoman, bila rasio kurtosis berada antara -$ sampai dengan I$, maka distribusi data adalah normal. @kuran kurtosis adalah #,:21 cm Data minimum adalah #6>,21 cm sedangkan data maksimum adalah #=2,21 cm 0ange data G Data maksimum K Data minimum adalah $<,11 cm *ngka !ersentil" o 0ata-rata tinggi badan #1F responden di ba'ah #21,2$ cm o 0ata-rata tinggi badan $6F responden di ba'ah #2<,$1 cm o 0ata-rata tinggi badan 61F responden di ba'ah #<1,$1 cm o 0ata-rata tinggi badan <6F responden di ba'ah #<$,61 cm o 0ata-rata tinggi badan >1F responden di ba'ah #<=,2$ cm

Tinggi *re+%en!, 2 1 2 2 2 3 1 3 4 2 1 1 1 25 )er!ent 8.0 4.0 8.0 8.0 8.0 12.0 4.0 12.0 16.0 8.0 4.0 4.0 4.0 100.0 Valid )er!ent 8.0 4.0 8.0 8.0 8.0 12.0 4.0 12.0 16.0 8.0 4.0 4.0 4.0 100.0 -%'%lati e )er!ent 8.0 12.0 20.0 28.0 36.0 48.0 52.0 64.0 80.0 88.0 92.0 96.0 100.0

Valid

159.60 161.30 164.80 167.20 168.50 168.90 170.20 170.40 172.50 174.50 177.50 180.30 186.60 Total

Output %a1ian )e'ua 4Tin11i5 Lutput ini merupakan gambaran tinggi badan responden dalam tabel frekuensi.

/idya Setiabudi $112

Histogram

10

Frequency

2 Mean . 170.12 Std. De . . 6.03276 N . 25 150.00 160.00 170.00 180.00 190.00

Tinggi

Output %a1ian )eti1a 49ist$1ra&5 8erlihat grafik data berbentuk seperti lonceng, ini artinya distribusi data adalah normal atau mendekati normal (pengujian secara statistik akan dibahas nanti Ta%e# Fre)uensi untu) ;en'er (arena variabel gender bukan data kuantitatif namun kategori, maka tidak perlu dilakukan dskripsi statistik seperti %ean, %edian, Standar Deviasi dan sebagaianya. @ntuk data kualitatif chart yang sesuai adalah pie chart. .angkah-langkah membuat Pie !hart +uka kembali lembar kerja Des)ripti(2.sa Dari baris menu, pilih menu Ana#,3e, lalu pilih submenu Descripti e Statistics, lalu pilih lagi sumenu Frequencies (untuk menampilkan tabel frekuensi . .alu akan tampil gambar berikut ini.

(olom *aria%#es4s5 harus diisi dengan jenis-jenis variabel apa yang ingin kita analisis. (arena ingin dibuat frekuensi dari variabel 9ender, maka klik variabel ;en'er, kemudia klik tanda , maka variabel 9ender akan berpindah ke kolom &raible(s . !ilihan !hartsCjuga diklik, maka akan tampil gambar berikut ini.

/idya Setiabudi $112

%enu !harts berkenaan dengan jenis grafik yang ingin kita pilih. Dari 3hart 8ype, untuk keseragaman kita pilih Pie !hart. .alu klik 3ontinue Setelah itu menu F$r&at diklik, maka akan tampil gambar berikut"

!ada submenu Or'er %, (data output akan disusun seperti apa D kita seragamkan saja dengan memilih output akan disusun naik (dari data terkecil ke data terbesar . @ntuk itu pilih Ascen'in1 a#ues. Selanjutnya klik OK. %aka semua proses pengisian dan pengolahan data telah selesai, dan kita akan lihat hasilnya (outputnya pada editor Output.

Output ;en'er
Statistics /ender N Valid Missing 25 0

Gender -%'%lati e )er!ent 44.0 100.0

Valid

1 2 Total

*re+%en!, 11 14 25

)er!ent 44.0 56.0 100.0

Valid )er!ent 44.0 56.0 100.0

/idya Setiabudi $112

Gender

1 2

Pen11unaan Menu Descripti e .angkah-langkah penggunaan menu Desciptive" +uka kembali file Deskriptif#.sav Dari baris menu, pilih menu Ana#,3e, lalu pilih submenu Descripti e Statistics, lalu pilih lagi sumenu Descripti es (untuk menampilkan tabel frekuensi . .alu akan tampil gambar berikut ini.

(olom *aria%#es4s5 harus diisi dengan jenis-jenis variabel apa yang ingin kita analisis. (arena ingin dibuat frekuensi dari variabel 8inggi, maka klik variabel Tin11i, kemudia klik tanda , maka variabel 8inggi akan berpindah ke kolom &raible(s . (lik Opti$ns, maka akan tampak di layar

/idya Setiabudi $112

!ilihan Opti$ns meliputi berbagai ukuran untuk menggambarkan data. 8erlihat default dari S!SS yang memilih Mean0 Stan'ar 'e iasi, maksimum, minimum sebagai acuan untuk menghitung statistik deskriptif, untuk keseragaman biarkan pilihan tersebut. (emudian klik Continue. %aka akan terlihat kotak pilihan Sa e stan'ar'i3e' a#ues as aria%#es yang telah diberi tanda akan digunakan pilihan tersebut. Bal ini berarti pilihan output S!SS mengenai deskripsi data. .alu klik OK. %aka outputnya sebagai berikut"
Descriptive Statistics N Tinggi Valid N 0list#ise1 25 25 Mini'%' 159.60 Ma(i'%' 186.60 Mean 170.1200 Std. De iation 6.03276

Mika dilihat pada Aditor data S!SS selain variabel tinggi dan gender sekarang muncul variabel baru, yaitu 3Tin11i seperti berikut

Ana#isisn,a Output %a1ian Perta&a +agian ini membahas deskripsi statistik dari variabel tinggi yang meliputi %ean dan yang lainnya. Output %a1ian Ke'ua

/idya Setiabudi $112

+agian ini membahas penerapan )-score atau Standard Score. Dalam output S!SS, nilai ) bisa dipakai untuk secara cepat melihat nilai mana yang menyimpang cukup jauh dari rata-ratanya (outlier Mika suatu data berdistribusi normal, suatu nilai bisa distandardisasi dengan nilai ), yaitu"
z= xi x s

Dimana" ,i G nilai data keiN x G %ean data dan sGStandar Deviasi Sebagai contoh, lihat pada data pertama yaitu tinggi #<1,$1 cm, nilai )nya dihitung dengan rumus adalah sbb"
z= #<1.$ #<1.#$ G 1,1#; (sama dengan output S!SS 2.1;

Data yang lain pun sama prinsipnya. Me#ihat Data ,an1 &en,i&pan1 4$ut#ier5 Mika data berdistribusi normal dan tingkat kepercayaan >6F, maka tingkat signifikansi adalah #11F - >6F G 6F. Mika memakai uji dua sisi (ada tanda I dan - , maka batas kritis ada pada 6F dibadi dua atau $,6F. !ada tabel-) perhitungan pada satu sisi atau 61F, maka batas kritis ada pada luas kurva (61F - $,6F atau :<,6F. !ada tabel-), luas kurva untuk :<,6F didapat nilai kritis #,>2. Dari nilai variabel )8inggi terlihat hanya ada satu data yang termasuk outlier, yaitu #=2.21 cm nilai )8inggi yang di luar #,>2, yaitu )8ingginya $.<;#<6. (arena dari $6 data hanya ada # data yang outlier, maka dapat dikatakan distrubusi mendekati normal.

Ana#isis !r$ssta% 4Ta%e# Si#an15 Sebagaimana pernah dibahas di kelas bah'a salah satu analisis data kualitatif yang berskala nominal (kategori adalah dengan !r$ssta%. *nalisis 3rosstab untuk @ji (etergantungan (Test $( In'epen'ence !$nt$h Kasusn,a: %anajer perusahaan yang memproduksi )$pi susu dalam kemasan sachet merek 'e!aFe ingin mengetahui bagaimana sikap konsumen terhadap produk perusahaan, serta bagaimana profil mereka. @ntuk itu 2< $ran1 konsumen yang pernah mencicipi produk de3a4e diminta mengisi identitas dan sikap mereka terhadap produk de3a4e. +erikut ini hasilnya" -$ # $ ; : Pe)er=aan (arya'an !etani 'iras'asta !etani Pen'i'i)an *kademi Sarjana Sma Sma ;en'er !ria !ria /anita /anita

/idya Setiabudi $112

6 2 < = > #1 ## #$ #; #: #6 #2 #< #= #> $1 $# $$ $; $: $6

'iras'asta (arya'an 'iras'asta 'iras'asta !etani !etani (arya'an (arya'an !etani 'iras'asta 'iras'asta (arya'an !etani (arya'an (arya'an !etani 'iras'asta !etani !etani (arya'an (arya'an

*kademi Sarjana Sma Sma *kademi *kademi Sarjana Sarjana Sma Sarjana *kademi Sarjana Sma *kademi Sma *kademi Sarjana Sarjana Sarjana Sma Sma

/anita !ria /anita !ria /anita /anita !ria !ria /anita !ria /anita !ria /anita !ria /anita !ria /anita /anita !ria !ria !ria

+aris pertama, menunjukkan konsumen pertama mempunyai pekerjaan )ar,a+an dan ia seorang pria yang berpendidikan a)a'e&i. Demikian seterusnya. Dalam S!SS otomatis no urut konsumen sudah ada, sehingga ada ; variabel saja. .angkah penyelesaian" +uka lembar kerja baru %asukkan data seperti ketika *nda memasukan data Des)ripti(2.sa . Mangan lupa definsikan variabelnya. (arena semuanya data kategori pilih Deci&a#sn,a > 7. @ntuk variabel pe)er=aan0 tipen,a nu&eri), dimana" # G karya'an, $G 'iras'asta dan ;G petani. @ntuk variabel pendidikan, tipenya numerik denganN # G Sma, $G akademi, dan ;Gsarjana &ariabel gender seperti sebelumnya, #G!ria dan $ G /anita. Setelah data diketikan lalu simpan data tersebut dengan nama file !r$ssta%2.sa pada 'ri e D, dari baris menu, pilih menu Ana#,3e, lalu pilih submenu Descripti e Statistics, lalu pilih lagi sumenu !r$ssta%. .alu akan tampil gambar berikut ini.

/idya Setiabudi $112

R$+4s5 atau variabel yang akan ditempatkan pada baris (ro' keseragaman, kita pilih 9ender !$#u&n4s5 atau variabel yang akan ditempatkan pada (olom keseragaman, kita pilih !ekerjaan (lik pilihan Statistics?, akan tampak dilayar gambar berikut.

Kuntuk Kuntuk

(arena kita akan melihat hubungan antara dua variabel, untuk keseragaman pilih !hi@Square. !ilihan yang lainnya akan digunakan pada kasus yang relevan di bagian lain. .alu (lik !$ntinue (emudian (lik pilihan !e##s?, akan tampak di layar

!ilihan !$unt untuk menampilkan hitungan 3hi-s5uare, apakah perlu disertakan nilai E"pecte' (nilai yang diharapkan selain nilai observed. @ntuk keseragaman klik hanya O%ser e' !ilihan Percenta1e untuk menampilkan perhitungan angka pada baris dan kolom dalam persen. @ntuk kasus ini %iar)an sa=a kolom tersebut (tidak ada yang dipilih . .alu klik !$ntinue, (lik pilihan F$r&at?, akan tampak editor berikut

/idya Setiabudi $112

R$+ Or'er atau penempatan nama variabel dalam baris, apakah naik atau turun. !ilih Ascen'in1. (lik !$ntinue. !ilihan Disp#a,c#ustere' %ar charts dan Suppers ta%#es %iar)an )$s$n1. !erhatikan variabel !endidikan tidak dimasukkan, karena dalam proses ini kita hanya memasukkan dua saja, tidak mesti semua, nanti kita akan gunakan variabel pendidikan pada kasus yang lain. (lik L(, maka akan tampak output berikut.

Output !r$ssta%
Case Processing Summary -ases Valid N gender 2 )e"er3aan 25 )er!ent 100.04 N 0 Missing )er!ent .04 N 25 Total )er!ent 100.04

Ana#isis Output Ba1ian Perta&a 4!ase Pr$cessin1 Su&&ar,5 *da $6 data yang semuanya diproses (tidak ada data missing , sehingga tingkat validitasnya #11F.

gender * kerja Crosstabulation Count "er3a 1 gender Total 1 2 8 1 9 2 2 5 7 3 3 6 9 Total 13 12 25

Ana#isis Output Ba1ian Ke'ua 4!r$ssta% antara ;en'er 'en1an Pe)er=aan5 8erlihat tabel silang yang memuat hubungan diantara kedua variabel. %isalnya, pada baris-# kolom-#, terdapat angka =. Bal ini berarti ada = orang pria (variabel gender yang mempunyai pekerjaan karya'an (varaibel !ekerjaan . Demikian pula untuk data yanag lainnya.

C i!Square Tests 5s,'6. Sig. 027sided1 .021 .014 .021

)earson -8i7S+%are 9i"eli8ood &atio 9inear7:,79inear 5sso!iation

Val%e 7.7020a1 8.505 5.342

df 2 2 1

/idya Setiabudi $112

N of Valid -ases

25

a 6 !ells 0100.041 8a e e(6e!ted !o%nt less t8an 5. T8e 'ini'%' e(6e!ted !o%nt is 3.36.

Ana#isis Output %a1ian Keti1a 4U=i !hi@square5 @ji 3hi-s5uare untuk mengamati ada tidaknya hubungan antara dua variabel (baris dan kolom . Di dalam S!SS, selain alat uji 3hi-S5uare juga dilengkapi dengan beberapa alat uji yang sama tujuannya. 9ip$tesis Bipotesis untuk kasus ini" Bo" 8idak ada hubungan antara baris dan kolom, atau antara pekerjaan konsumen dengan gender konsumen tersebut. Bi " *da hubungan antara baris dan kolom, atau antara pekerjaan konsumen dengan gender konsumen tersebut Pen1a&%i#an Keputusan Dasar pengambilan keputusan, yaitu" +erdasarkan perbandingan 3hi-Ouare @ji dan angka dari 8abel Mika 3hi-s5uare Bitung P 3hi-s5uare 8abel, %aka Bo diterima Mika 3hi-s5uare Bitung Q 3hi-s5uare 8abel, %aka Bo ditolak 3hi-s5uare Bitung dapat dilihat pada output bagian ketiga yaitu <.<1$. Sedangkan 3hi-s5uare 8abel, dapat dilihat pada 8abel @ji-Statistik untuk 3hi-s5uare. Dalam hal ini untuk tingkat signifikansi ( G 6F dan derajat kebebasan (d4 G $ adalah 6,>>#6. (arena 3hi-s5uare Bitung (<.<1$ Q 3hi-s5uare 8abel (6,>>#6 , %aka Bo ditolak Dengan demikian dipsimpulkan bah'a ada hubungan antara baris dan kolom, atau antara pekerjaan konsumen dengan gender konsumen tersebut. (ita juga bisa menguji hipotesis dengan membandingkan nilai !robabilitas yang nilainya dapat dilihat pada bagian As,&p. Si1. 42@si'e' , yang dalam kasus ini sebesar 1.1$#. Mika nilai !robabilitas Q 1,16 maka Bo diterima. 8etapi bila nilai !robabilitas P 1,16 maka Bo ditolak. Dalam kasus ini 1.1$# P 1,16 artinya Bo 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 Bo ditolak atau ada hubungan antara pekerjaan seorang konsumen dengan gender konsumen tersebut. Dengan kiata lain dapat saja dikatakan bah'a kebanyakan pria berprofesi karya'an sedangkan kebanyakan 'anita tidak banyak yang berprofesi karya'an, mungkin banyaknya 'iras'asta. !ada kasus dimana, Bo ditolak atau disimpulkan bah'a ada hubungan antara pekerjaan seorang konsumen dengan gender konsumen tersebut, maka dapat ditanyakan pula seberapa besar atau seberapa kuat hubungan tersebut D Bal ini akan kita bahas pada contoh lain.

/idya Setiabudi $112

Sekarang, tugas *nda adalah berlatih untuk mencari hubungan antara variabel !ekerjaan dengan 8ingkat !endidikan, Mika sudah memasukkan datanya dalam program S!SS simpan pada 'ri e D dengan nama !r$ssta%2.sa dan outputnya dengan !r$ssta%2$ut. +uatlah analisis *nda dalam file 'ord lalu simpan pula pada drive D. Men1u=i Keeratan 9u%un1an Dua *aria%e# Bers)a#a -$&ina# Mika tadi kita contohkan bah'a berdasarkan analisis 3rosstab ditemukan terdapat hubungan antara dua variabel berskala nominal, yaitu antara gender dengan pekerjaan. Sekarang kita akan cari tahu seberapa besar keeratan hubungan tersebut. S!SS menyediakan dua cara untuk mengukur hubungan tersebut, yaitu" #. S,&etric Measures, yaitu hubungan yang setara dan berdasarkan perhitungan 3hi-s5uare $. Directi$na# Measures, yaitu hubungan yang tidak setara dan berdasarkan pada proportional 0eduction En Arror (!0A (edua cara perhitungan di atas dapat digunakan pada kasus hubungan antara !ekerjaan dengan 9ender. .angkah-langkahnya" #. +uka lagi lembar kerja !r$ssta%2.sa $. Darri baris menu, pilih menu Ana#,3e, lalu pilih submenu Descripti e Statistics, lalu pilih lagi sumenu !r$ssta%. .alu akan tampil gambar seperti sebelumnya. a. !ada menu R$+4s5 atau variabel yang akan ditempatkan pada baris (ro' Kuntuk keseragaman, kita pilih 9ender b. !$#u&n4s5 atau variabel yang akan ditempatkan pada (olom Kuntuk keseragaman, kita pilih !ekerjaan ;. (lik pilihan Statistics?, akan tampak dilayar gambar berikut. (arena sudah tahu bah'a antara kedua variabel tersebut terdapat hubungan, maka sekarang tidak perlu lagi 3hi-s5uare, oleh karena itu sekarang 3hi-s5uare-nya jangan dicentak (tidak diklik . (alau diklik, hasilnya akan seperti terdahulu. :. (lik pilihan 3orrelations untuk mengetahui koefisien korelasi kedua variabel dengan cara Symetric %easures. 6. !ada kolol 7ominal (yang berarti khusus untuk data yang berskala 7omonal , klik semua pilihan yaitu !$ntin1enc, !$e((icient0 Phi an' !ra&erAs *0 #a&%'a 'an Uncertaint, c$e((icient. !ilihaan ini untuk mengetahui koefisien korelasi dengan cara Directional %easures. .alu klik !$ntinue. (emudian (lik pilihan !e##s?, akan tampak di layar gambar sebelah kanan.

/idya Setiabudi $112

2. @ntuk pilihan 3ount, ntuk keseragaman klik hanya O%ser e' <. !ilihan Percenta1e untuk kasus ini %iar)an sa=a kolom tersebut (tidak ada yang dipilih . Demikian pula kolom 0esiduals biarkan kosong. .alu klik !$ntinue. =. (lik pilihan F$r&at. R$+ Or'er atau penempatan nama variabel dalam baris, apakah naik atau turun. !ilih Ascen'in1. (lik !$ntinue. >. !ilihan Disp#a,c#ustere' %ar charts dan Suppers ta%#es %iar)an )$s$n1. #1. Selanjutnya 8ekan L( untuk mendapatkan outputnya.

Output %a1ian Perta&a

Case Processing Summary -ases Valid N gender 2 "er3a 25 )er!ent 100.04 N 0 Missing )er!ent .04 N 25 Total )er!ent 100.04

*da $6 data yang semuanya diproses (tidak ada data missing , sehingga tingkat validitasnya #11F. Output %a1ian Ke'ua
gender * kerja Crosstabulation -o%nt "er3a 1 gender Total 1 2 8 1 9 2 2 5 7 3 3 6 9 Total 13 12 25

8abel yang menggambarkan hubungan antara variabel, misalnya pada baris-$ kolom# ada angka #, artinya ada # orang konsumen 'anita bekerka sebagai karya'an.
/idya Setiabudi $112

Output %a1ian Keti1a 4S,&&etric Measures5

Symmetric "easures 5s,'6. Std. Error0a1 566ro(. T0:1

No'inal :, No'inal <nter al :, <nter al =rdinal :, =rdinal N of Valid -ases

)8i -ra'er;s V -ontingen!, -oeffi!ient )earson;s & S6ear'an -orrelation

Val%e .555 .555 .485 .472 .472

566ro(. Sig. .021 .021 .021 .0170!1 .0170!1

.167 .173

2.566 2.566

25 a Not ass%'ing t8e n%ll 8,6ot8esis. : >sing t8e as,'6toti! standard error ass%'ing t8e n%ll 8,6ot8esis. ! ?ased on nor'al a66ro(i'ation.

Disi

Di sini hanya diperhatikan besar korelasi antara 7ominal-7ominal. Bal ini karena kedua variabel berskala nominal, karena itu besaran !earson dan Spearman tidak relevan untuk dibahas. *da ; besaran untuk menghitung korelasi antara variabel pekerjaan dengan gender, dan ketiganya mempunyai angka signifikan atau nilai !robabilitas 1,1$#. (arena nilai !robabilitas di ba'ah 6F, maka bisa dikatakan ada hubungan antara kedua variabel tersebut (seperti telah terbukti sebelumnya . +esaran korelasi (!hi dan 3ramer menghasilkan angka sama yaitu 1,666. Sedangkan koefisien kontingensi menghasilkan angka 1,:=6 (lebih kecil . Dari ketiga besaran itu bisa disimpulkan adanya hubungan yang cukup erat antara (disebut erat jika mendekati angka # dan tidak ada hubungan bila mendekati angka 1 antara variabel pekerjaan dengan variabel jender. Output %a1ian Kee&pat 4Directi$na# Measures5
Directional "easures Val%e .393 .500 .313 .308 .160 .191 .246 .156 5s,'6. a Std. Error .163 .236 .137 .165 .095 .114 .147 .093 566ro(. T 2.003 1.572 2.041
:

No'inal :, No'inal

9a':da

/ood'an and $r%s"al ta% >n!ertaint, -oeffi!ient

S,''etri! gender De6endent "er3a De6endent gender De6endent "er3a De6endent S,''etri! gender De6endent "er3a De6endent

1.673 1.673 1.673

566ro(. Sig. .045 .116 .041 .025! .021! .014d .014d .014d

a. Not ass%'ing t8e n%ll 8,6ot8esis. :. >sing t8e as,'6toti! standard error ass%'ing t8e n%ll 8,6ot8esis. !. ?ased on !8i7s+%are a66ro(i'ation d. 9i"eli8ood ratio !8i7s+%are 6ro:a:ilit,.

Disini juga ada ; ukuran untuk mengukur hubungan antara kedua variabel tersebut. 7amun di sini ada pembedaan, yaitu satu variabel sebagai dependen sedangkan yang lainnya sebagai variabel independen. @ntuk lebih jelasnya lihat besaran pada korelasi lambda.
/idya Setiabudi $112

Symmetric atau kedua variabel setara (bebas , maka besar korelasinya adalah 1,;>; atau cukup lemah (kurang dari 1,61 . *ngka signifikansinya adalah 1,1:6 atau di ba'ah 1,16 yang berarti kedua variabel memang berhubungan secara nyata. Mika ada perkataan Dependent, dipakai pedoman (berlaku untuk ketiga alat uji berikut" o Mika angka korelasi 1, maka pengetahuan akan variabel independen tidak menolong dalam usaha memprediksi variabel dependen o Mika angka korelasi G #, maka pengetahuan akan variabel independen menolong dalam usaha memprediksi variabel dependen 3ontoh analisis pada .ambda o ;en'er K$nsu&en Depen'en atau 9ender sebagai variabel dependen (tergantung , dimana !ekerjaan adalah variabel independennya. (arena angka signifikansi 1,##2 lebih besar daripada 1,16 (6F , maka variabel EndependenJbebas yaitu !ekerjaan tidak dapat memprediksi variabel dependen yaitu 9ender. o Pe)er=aan K$nsu&en Depen'en atau !ekerjaan sebagai variabel dependen (tergantung , dimana gender adalah variabel independennya. (arena angka signifikansi 1,1:# lebih besar daripada 1,16 (6F , maka variabel EndependenJbebas yaitu !ekerjaan 'apat &e&pre'i)si variabel dependen yaitu 9ender. Tetapi *ngka (orelasi lambdanya 1,;#; P 1,61 ini artinya )$re#asin,a #e&ah. +isa dikatakan bah'a pengetahuan akan gender seorang konsumen ti'a) %e1itu &en$#$n1 dalam mupaya memprediksi pekerjaan konsumen tersebut. *tau pekerjaan konseumen sebagai karya'an atau petani atau 'iras'asta tidak bisa diperkirakan begitu saja karena ia seoraang pria atau 'anita. *nalisis pada (orelasi 9oodman dan (ruskal 8au Dari angka signifikansi keduanya adalah signifikan (berbeda dengan .ambda , namun besar korelasinya juga tidak kuat. *tau variabel gender tidak bisa memprediksi secara kuat variabel !ekerjaan seorang konsumen, demikian pula sebaliknya. *nalisis pada (orelasi @ncertainty 3oefficient Dari angka signifikansi ketiganya adalah signifikan, namun besar korelasinya juga tidak kuat. *tau variabel gender tidak bisa memprediksi secara kuat variabel !ekerjaan seorang konsumen, demikian pula sebaliknya. *nalisis pada (orelasi *symptotic Standard Arror Di sini syaratnya harus didapatkan korelasi yang signifikan. Sebagai contoh angka korelasi lambda sebesarr 1,;#; yang signifikan, didapat standar error 1,#;<. !ada tingkat kepercayaan >6F atau ada dua standar deviasi, maka rentang korelasi adalah" 1,;#; H ($ , 1,#;< atau antara 1,1;> sampai 1,6=<

/idya Setiabudi $112

/idya Setiabudi $112