Professional Documents
Culture Documents
STATISTIKA
PROGRAM SPSS
OLEH :
ILHAM FAHUL HOIR
K2E008023
Dari berbagai software khusus statistik yang beredar sekarang, SPSS adalah yang paling
populer dan paling banyak digunakan pemakaiannya di seluruh dunia dalam berbagai riset sains.
Oleh karennya disini kita akan mempelajari program SPSS yang merupakan salah satu software
tentang satistik
1.3 Tujuan
Tujuan dari praktikum statistik SPSS kali ini adalah, mahasiswa diharapkan dapat :
1. Dapat menganalisa data-data statistik dengan metode analisa histogram.
2. Dapat menganalisa data-data statistik dengan metode explore.
3. Dapat menganalisa data-data statistik dengan metode analisa one sample T-Test.
4. Dapat menganalisa data-data statistik dengan metode analisa Independent Sample T-Test.
5. Dapat menganalisa data-data statistik dengan metode Paired Sample T-Test.
1.4 Manfaat
1.4.1 Memberikan pengetahuan baru kepada praktikan tentang program SPSS.
1.4.2 Praktikan tau dan mampu melakukan deskripsi dan inferensia data dengan menggunakan
SPSS
1.4.3 Merupakan suatu bekal untuk praktikan dalam melakukan riset.
BAB II
TINJAUAN PUSTAKA
Skala Nominal
Skala yang paling primitif, yang hanya bisa menyatakan apakah dua buah nilai sama atau tidak,
dan murni kualitatif. Jika sebuah ruang sampel eksperimen terdiri dari kategori tanpa urutan yang alami,
maka variabel acak yang berkaitan terskala secara nominal. Angka-angka atau jumlah berbeda yang
ditugaskan untuk memberi hasil biasanya mengindikasikan apakah sembarang dua keluaran (outcome)
sama atau tidak ( Anonim, 2009 ).
Namun untuk membandingkan dua opini, kita hanya bisa merelasikannya sebatas kesamaan jenis
atau tidak. Angka atau jumlah tersebut tidak menghasilkan ranking. Variabel binary atau Variabel
dikotomus adalah variabel yang memiliki tepat dua outcome yang eksklusif satu sama lainnya. Jika
angka-angka indikator yang ditentukan tersebut menyampaikan informasi tentang ranking kategori, maka
variabel binari dapat juga dianggap terskala secara ordinal ( Anonim, 2009 ).
Jika kategori (peristiwa) yang merupakan ruang sampel tersebut bersifat ekslusif satu dengan
lainnya, misalnya sebuah elemen statistik bisa berhubungan dengan lebih dari satu kategori, maka
variabel tersebut dinamakan kumulatif. Sebagai contoh, seseorang bisa menerima kualifikasi kategori
profesional yang berbeda. Tapi hanya bisa satu pekerjaan saja yang fulltime ( Anonim, 2009 ).
Variabel Kuantitatif
Pengukuran variabel kuantitatif dapat juga ditafsirkan dengan istilah jarak antara berbagai observasi
tanpa adanya pengurutan yang alami ( Anonim, 2009 ).
Skala Interval
Jika jarak antara pengukuran ditafsirkan lebih mendalam, maka variabel tersebut diukur pada skala
interval. Berlawanan dengan skala rasio, rasio pengukuran tidak mempunyai pengertian yang mendasar,
dan untuk skala ordinal tidak.
Variabel Diskret
Sebuah variabel diskret yang mengambil himpunan nilai-nilai berhingga atau tak hingga disebut
diskret. Contoh: Produksi mobil perbulan atau jumlah bintang di ruang angkasa ( Anonim, 2009 ).
Varibel Kontinyu
Suatu variabel metrik dikatakan kontinyu jika mempunyai sejumlah tak hingga nilai-nilai pada
sembarang interval.
Klik Analyze
Pilih Descriptive statistic
Klik Explore
Pindahkan data panjang dan lebar dari kolom kiri kekolom dependent list dengan cara
mengeblok kemudian klik tanda panah.
Klik continue
Klik plots untuk keseragaman, pada boxplot pilih factor levels together dan pada
descriptive pilih steam and leaf.
3.3.3 Menguji Normalitas dan Varians
Konsep penting dalam statistik inferensi adalah: (1) apakah beberapa ssampel yang telah
diambil berasal dari populasi yang sama (populasi data berdistribusi normal)? Dan (2) apakah
sampel – sampel tersebut mempunyai varians yang sama?
Langkah – langkah:
Klik Analyze
Pilih Descriptive statistic
Klik Explore
Pindahkan data ukuran dari kolom kiri ke kolom dependent list dengan cara mengeblok
kemudian klik tanda panah.
Pindahkan data kode dari kolom factor list dengan cara mengeblok kemudian klik tanda
panah.
Klik continue
Klik Plots dan untuk keseragaman, pada bloxplot pilih non dan pada desctriptive tidak
ada yang dipilih.
Beri tanda (v) pada normality plots with test.
Pada bagian spread vs level with levene test pilih power estimation.
Klik continue
Pada bagian display pilih both
Klik OK.
3.3.4 Scetterplot
Deskriptif ini digunakan untuk mengetahui sebaran data pada statistik univarian.
Langkah – langkah:
Klik graph
Pilih scatte / dot
OK
3.3.5 Hipotesis
Ho = tidak ada hubungan antara panjang cangkang dengan lebar cangkang pada kerang
Anadara granosa.
Hi = ada hubungan antara panjang cangkang dengan lebar cangkang pada kerang
Anadara granosa.
3.3.6 Regresi dan korelasi
Analisa regresi linier sederhana merupakan analisis yang membicarakan hubungan antara
2 buah variabel, yaitu variabel bebas dan variavel tergantung.
Langkah – langkah:
Klik Analyze
Pilih regression
Pilih linier
Pindahkan data logpanjang dari kolom kiri ke kolom independent dan loglebar ke kolom
dependent dengan cara mengeblok kemudian klik panah.
Pada kolom method pilih enter
Klik continue
Klik tombol plots
Klik pilihan sdresid dan masukkan kekolom Y lalu klik pilihan zpred dan masukkan
kekolom X.
Klik next
Klik pilihan zpred dan masukkan kekolom Y lalu klik dependnt dan masukkan kekolom
Y.
Pada kolom standardized residual plots beri tanda (v) pada normal probability plot.
Klik continue
Klik Ok
BAB IV
HASIL DAN PEMBAHASAN
4.1 Hasil
4.1.1 Pengenalan Paket Program SPSS
Memasukkan data
Uji frekuensi
Statistics
tinggi badan
tinggi badan
Valid Cumulativ
Frequency Percent Percent e Percent
Vali 159.6
2 8.0 8.0 8.0
d 0
161.3
1 4.0 4.0 12.0
0
164.8
2 8.0 8.0 20.0
0
167.2
2 8.0 8.0 28.0
0
168.5
2 8.0 8.0 36.0
0
168.6
1 4.0 4.0 40.0
0
168.9
3 12.0 12.0 52.0
0
170.2
1 4.0 4.0 56.0
0
170.4
3 12.0 12.0 68.0
0
172.5
4 16.0 16.0 84.0
0
174.5
2 8.0 8.0 92.0
0
177.5
0 Statistics 1 4.0 4.0 96.0
180.3
1 4.0 4.0 100.0
0
Total 25 100.0 100.0
Histogram
10
Frequency
6
Mean = 169.40
Std. Dev. = 4.96328
0 N = 25
155.00 160.00 165.00 170.00 175.00 180.00 185.00
tinggi badan
Valid Cumulative
Frequency Percent Percent Percent
Valid 159.6
2 8.0 8.0 8.0
0
161.3
1 4.0 4.0 12.0
0
164.8
2 8.0 8.0 20.0
0
167.2
2 8.0 8.0 28.0
0
168.5
2 8.0 8.0 36.0
0
168.6
1 4.0 4.0 40.0
0
168.9
3 12.0 12.0 52.0
0
170.2
1 4.0 4.0 56.0
0
170.4
3 12.0 12.0 68.0
0
172.5
4 16.0 16.0 84.0
0
174.5
2 8.0 8.0 92.0
0
177.5
1 4.0 4.0 96.0
0
180.3
1 4.0 4.0 100.0
0
Total 25 100.0 100.0
jenis kelamin
Valid Cumulative
Frequency Percent Percent Percent
Valid pria 11 44.0 44.0 44.0
wanita 14 56.0 56.0 100.0
Total 25 100.0 100.0
tinggi badan jenis kelamin
159.60 pria
161.30 wanita
164.80
167.20
168.50
168.60
168.90
170.20
170.40
172.50
174.50
177.50
180.30
One-Sample Statistics
One-Sample Test
N Correlation Sig.
Pair 1 sebelum
perlakuan &
25 .280 .175
sesudah diberi
perlakuan
Paired Differences
95% Confidence
Interval of the Sig.
Difference (2-
Std. Std. Error tailed
Mean Deviation Mean Lower Upper t df )
Pair 1 sebelu
m
perlak
uan - - -
366.3576 124.5249
sesuda 631.6000 1831.78802 1387.724 -1.724 24 .098
0 3
h 0 93
diberi
perlak
uan
Group Statistics
Levene's
Test for
Equality of
Variances t-test for Equality of Means
Sig.
(2- Mean 95% Confidence
taile Differen Std. Error Interval of the
F Sig. t df d) ce Difference Difference
Lower Upper
Total Equal variances
Haemocyte assumed 3.10 3.34 1281.13 510.40 2051.856
Count .085 48 .002 383.32364
1 2 280 897 63
Equal variances
not assumed 3.34 40. 1281.13 506.72 2055.543
.002 383.32364
2 530 280 206 54
Descriptives
Statistic Std. Error
panjang Mean 1.8652 .05848
95% Confidence Interval Lower Bound 1.7445
for Mean Upper Bound 1.9859
5% Trimmed Mean 1.8569
Median 1.7200
Variance .085
Std. Deviation .29238
Minimum 1.50
Maximum 2.40
Range .90
Interquartile Range .60
Skewness .471 .464
Kurtosis -1.364 .902
lebar Mean 2.5092 .10050
95% Confidence Interval Lower Bound 2.3018
for Mean Upper Bound 2.7166
5% Trimmed Mean 2.4502
Median 2.3000
Variance .253
Std. Deviation .50251
Minimum 2.00
Maximum 4.20
Range 2.20
Interquartile Range .56
Skewness 1.976 .464
Kurtosis 4.534 .902
panjang Stem-and-Leaf Plot
3,00 15 . 005
6,00 16 . 000079
4,00 17 . 0002
2,00 18 . 00
1,00 19 . 0
,00 20 .
2,00 21 . 00
4,00 22 . 0000
2,00 23 . 00
1,00 24 . 0
Stem width: ,10
Each leaf: 1 case(s)
5,00 2 . 01111
9,00 2 . 222233333
3,00 2 . 445
3,00 2 . 677
2,00 2 . 89
1,00 3. 0
,00 3.
1,00 3. 5
1,00 Extremes (>=4,2)
Descriptives
parameter ukur Statistic Std. Error
murfometri kerang panjang Mean .2707 .01399
95% Confidence Interval Lower Bound .2417
for Mean Upper Bound .2997
5% Trimmed Mean .2700
Median .2553
Variance .005
Std. Deviation .06709
Minimum .18
Maximum .38
Range .20
Interquartile Range .14
Skewness .223 .481
Kurtosis -1.526 .935
lebar Mean .2689 .01432
95% Confidence Interval Lower Bound .2392
for Mean Upper Bound .2986
5% Trimmed Mean .2680
Median .2553
Variance .005
Std. Deviation .06866
Minimum .18
Maximum .38
Range .20
Interquartile Range .14
Skewness .223 .481
Kurtosis -1.572 .935
Tests of Normality
4.1.5 Hipotesis
4.1.6 Regresi dan korelasi
Descriptive Statistics
Mean Std. Deviation N
lebar cangkang .2657 .06668 25
panjang cangkang .2657 .06668 25
Correlations
panjang
lebar cangkang cangkang
Pearson Correlation lebar cangkang 1.000 1.000
panjang cangkang 1.000 1.000
Sig. (1-tailed) lebar cangkang . .000
panjang cangkang .000 .
N lebar cangkang 25 25
panjang cangkang 25 25
Variables Entered/Removedb
Variables Variables
Model Entered Removed Method
1 panjang
. Enter
cangkanga
a. All requested variables entered.
b. Dependent Variable: lebar cangkang
Model Summaryb
Adjusted R Std. Error of
Model R R Square Square the Estimate
1 1.000a 1.000 1.000 .00000
a. Predictors: (Constant), panjang cangkang
b. Dependent Variable: lebar cangkang
ANOVAb
Sum of
Model Squares df Mean Square F Sig.
1 Regression .107 1 .107 . .000a
Residual .000 23 .000
Total .107 24
a. Predictors: (Constant), panjang cangkang
b. Dependent Variable: lebar cangkang
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) .000 .000 . .
panjang cangkang 1.000 .000 1.000 . .
a. Dependent Variable: lebar cangkang
Casewise Diagnosticsa
Case
Numbe Predicted
r Std. Residual lebar cangkang Value Residual
1 . .32 .3222 .00000
2 . .36 .3617 .00000
3 . .20 .2041 .00000
4 . .23 .2304 .00000
5 . .34 .3424 .00000
6 . .34 .3424 .00000
7 . .34 .3424 .00000
8 . .23 .2304 .00000
9 . .26 .2553 .00000
10 . .36 .3617 .00000
11 . .34 .3424 .00000
12 . .38 .3802 .00000
13 . .18 .1761 .00000
14 . .26 .2553 .00000
15 . .32 .3222 .00000
16 . .23 .2304 .00000
17 . .20 .2041 .00000
18 . .28 .2788 .00000
19 . .20 .2041 .00000
20 . .20 .2041 .00000
21 . .18 .1761 .00000
22 . .22 .2227 .00000
23 . .24 .2355 .00000
24 . .23 .2279 .00000
25 . .19 .1903 .00000
a. Dependent Variable: lebar cangkang
Residuals Statisticsa
Minimum Maximum Mean Std. Deviation N
Predicted Value .1761 .3802 .2657 .06668 25
Std. Predicted Value -1.345 1.717 .000 1.000 25
Standard Error of
. . . . 0
Predicted Value
Adjusted Predicted Value . . . . 0
Residual .00000 .00000 .00000 .00000 25
Std. Residual . . . . 0
Stud. Residual . . . . 0
Deleted Residual . . . . 0
Stud. Deleted Residual . . . . 0
Mahal. Distance .025 2.947 .960 .761 25
Cook's Distance . . . . 0
Centered Leverage Value .001 .123 .040 .032 25
a. Dependent Variable: lebar cangkang
4.2 Pembahasan
4.3 Pembahasan
4.2.1 Pengenalan Paket Program SPSS
Pada Praktikum saat ini kita semua telah membahas mengenai salah satu program yang terpenting
dan diterapkan dalam bidang ilmu statistika yaitu program SPSS. Didalam program ini,
pengolahan data yang digunakan yaitu pengolahan secara digital, hal ini dikarenakan program
SPSS ini merupakan suatu software yang digunakan untuk membantu mempermudah pengolahan
sample data yang spasial.
Pada beberapa hasil di atas kita dapat mengetahui bahwa suatu data dapat diolah dengan
berbagai cara tergantung dengan permintaan si pemberi soal. Output yang terdapat pada hasil
pengolahan data diatas kita dapat lihat bahwa terdapat berbagai jenis pengplotan misalnya
histogram, pie chart, boxplot dll. Dalam hal ini saya menggunakan grafik berbentuk histogram
dikarenaka agar dapat mempermudah pembacaan atau penafsiran makna dari grafik yang
tercantum. Jika saya menggunakan pie chart, saya akan menemui beberapa kendala, misalnya
seperti perbedaan warna yang kurang kontras dan tidak dapat mengetahui garis penghubung nilai
mean dll.
Pada Pengolahan datanya, kita menggunakan beberapa data untuk diuji yaitu :
Uji Frekuensi
Di uji data dengan jumlah data sebanyak 25 buah. Hasil yang didapat adalah
sebagai berikut:
Mean = 169.4000
Median = 168.9000
Varians = 24.634
Skewness = - 0.155
Kurtosis = 0.452
Range = 20.70
Nilai maksimum = 180.30
Nilai minimum = 159.60
Pada tabel frekuensi tinggi badan, penafsiran data dilakukan tiap baris dan
dihitung secara kumulatif. Demikian perhitungan dilakukan seterusnya hingga mencapai
100%.
Dari hasil, histogram yang terlihat frekuensi terbesar adalah pada kisaran tinggi
badan ± 170,00
Dari hasil berupa pie chart pada tinggi badan, frekuensi terbesar ada pada kisaran
tinggi badan ± 172,50. Sedangkan dari pie chart data jenis kelamin, frekuensi terbanyak
adalah wanita.
One sample T-Test menggunakan data Ulangan.
Diketahui bahwa nilai rata – rata dari hasil adalah 3888.800 dan standart deviasi
1124.33803.
Pada tabel kedua terdapat pengambilan keputusan dimana:
Jika t output > t table maka H0 ditolak.
Jika t output < t table maka H0 diterima.
Dimana nilai t output adalah – 5.156, maka keputusan yang diambil adalah terima H0 (t
output < t table).
Period Sample T-Test menggunakan perbandingan dua data mingguan atau per periode.
Dari output 1 (Paired Samples statistics) dimana nilai mean T1 adalah 4.054 dan
T2 adalah 4.685. dan output 2 (paired Samples Test) diketahui bahwa korelasi antara
kedua variable T1 dan T2 yaitu 0.280 dengan nilai probabilitas > 0.05. hal ini
menyatakan bahwa korelasi antara T1 dan T2 adalah lemah.
Independent Sample T-Test menggunakan dua buah perbandingan data perlakuan pada
suatu sample.
Outputan pertama (Group Statistics) menunjukan nilai rata – rata dari T1 adalah
4.3619328dan T2 adalah 3.0808000.
Dari nilai t hitung (t kritis) diperoleh 3.34. sehingga nilai table t adalah 2.06.
didapat kesimpulan bawa 3.34 > 2.06 maka tolak H0.