You are on page 1of 56

PENGANTAR SPSS

Saptawati Bardosono
Pendahuluan
Pada saat merancang usulan penelitian, maka
pengolahan datanya sudah harus
direncanakan pula:
١) Teknik pengolahan data meliputi: editing,
coding, entry dan cleaning serta analisis
٢) Tabel, grafik atau ringkasan angka2 yang
akan dihasilkan
Masalah yang sering timbul: Model analisis
muncul setelah data terkumpul
Editing
Dilakukan pemeriksaan seluruh kuesioner atau seluruh
formulir isian setelah data terkumpul, apakah:
١) Dapat dibaca
٢) Semua pertanyaan terisi (lengkap)
٣) Terdapat ketidakserasian antara jawaban yang
satu dengan yang lainnya (konsisten)
٤) Terdapat kesalahan2 lain yang dapat mengganggu
pengolahan data selanjutnya (akurat)
Editing
Kegiatan editing dapat dilakukan dengan cara:
١) Editing lapangan, dimana supervisor
mengadakan pengecekan ulang terhadap
beberapa pertanyaan penting biasanya
kepada 10% responden segera setelah data
terkumpul semuanya
٢) Editing menyeluruh, dilakukan secara
menyeluruh terhadap jawaban responden,
sehingga dapat diperoleh konsistensi
jawaban
Editing
Yang sering terjadi misalnya
١) Jawaban tidak tepat dikolom yang tersedia
٢) Salah menulis jawaban pertanyaan, misalnya
data kelamin diisi di kolom jawaban umur
٣) Umur diisi 25 tahun tetapi di jumlah anak
diisi 10
٤) Salah menggunakan unit ukuran
Koding
Memberi angka2 atau kode2 tertentu yang telah
disepakati terhadap jawaban2 pertanyaan dalam
kuesioner, sehingga memudahkan pada saat
memasukkan data ke komputer
Misalnya untuk variabel pendidikan:
١) Tidak sekolah
٢) SD
٣) SMP
٤) SMA
٥) PT
Koding
Persyaratan dalam koding:
١) Kesesuaian, variabel harus sesuai dengan tujuan
٢) Klasifikasi, perlu dibuat kategorisasi untuk
pengelompokkan jawaban sesuai rujukan/ alasan
tertentu, misal: pendapatan
٣) Jawaban tidak mendua, pilihan jawaban yang
tersedia harus jelas definisi operasionalnya
٤) Harus tersedia buku definisi variabel
Data Entry
Menyiapkan lembar kerja yang berisi variabel2
dalam kuesioner secara lengkap (program
SPSS, Stata, Epi-Info, dll)
Masukkan data jawaban kuesioner sesuai kode
yang telah ditentukan untuk masing-masing
variable sehingga menjadi suatu data dasar
Siapkan file khusus untuk menyimpan data
dasar tersebut yang tidak boleh dianalisis.
Untuk melakukan analisis data maka
gunakan file khusus
Data Cleaning
Merupakan analisis data awal, dimana dilakukan
penggolongan, pengurutan dan
penyederhanaan data, sehingga mudah
dibaca dan diinterpretasi
Untuk data nominal dan ordinal, dibuat tabulasi
distribusi frekuensi untuk setiap variabel
Untuk data interval/rasio, dianalisis nilai
tengah dan tes normalitas datanya
Data Cleaning
Tabel distribusi frekuensi untuk:
١) Deskripsi ciri-ciri atau karakteristik dari
suatu variabel
٢) Mempelajari distribusi dari variabel pokok
٣) Memilih klasifikasi2 pokok untuk tabulasi
silang
Data Cleaning
Tabel silang, yaitu teknik untuk membandingkan atau
melihat hubungan antara dua variabel atau lebih:
١) Dihitung persentase responden untuk setiap
kelompok
٢) Variabel bebas pada baris (faktor risiko)
٣) Variabel terikat pada kolom (penyakit)
Selanjutnya, data siap dianalisis untuk membuktikan
hipotesis penelitian dengan analisis statistik
bivariat dan multivariat
SPSS
(statistical program for social sciences)

Tampilan layar SPSS ada 2:
 Sebagai lembar kerja seperti Excel, dBase
= data view
 Sebagai definisi operasional
= variable view
Dengan menu2 yang mudah dijalankan
Data view
Variabel Variabel Variabel dst

1

2

dst
Variabel view
Name Type Width Decimals Label Values dst

1

2

dst
Penggunaan SPSS
 Menyiapkan sarana untuk data entry
(penyusunan lembar kerja)
 Membantu data cleaning (analisis awal)
 Analisis statistik untuk membuktikan
hipotesis
 Analisis statistik untuk penyajian data
Skala dan Sifat Data
Sifat Nominal Ordinal Interval Rasio
(seks) (pendidikan) (suhu) (BB)
Klasifikasi + + + +

Urutan - + + +
susunan
Jarak - - + +

Titik nol - - - +
absolut
Cara penyajian data:
 Data nominal/ordinal: distribusi frekuensi
(proporsi)
last education

Cumulative
Frequency Percent Valid Percent Percent
Valid SD 15 16.7 16.7 16.7
SLTP 18 20.0 20.0 36.7
SMU 45 50.0 50.0 86.7
Akademi 7 7.8 7.8 94.4
Perguruan Tinggi 5 5.6 5.6 100.0
Total 90 100.0 100.0
Cara penyajian data:
 Data interval/rasio:
 Distribusi normal: mean ± SD
 Distribusi tidak normal: median (min-maks)
Distribusi normal?

1. Signifikansi KS >0,05
2. Signifikansi SW >0,05
3. Nilai kerampingan dan kemiringan
4. Histogram dalam area kurva normal
Nilai kemiringan dan
kerampingan
Nilai kemiringan (skewness) dan nilai
kerampingan (kurtosis) digunakan untuk
menentukan distribusi normal/simetris dari
data bergantung dari bentuk kurva distribusi
data
Nilai kemiringan dan
kerampingan
Distribusi normal/ Miring (skew) ke Miring (skew) ke
simetris kiri kanan
Nilai kemiringan dan
kerampingan
Contoh:
Bila diketahui skewness -0,316 dan standard error
skewness 0,254 maka rasio skewness = -0,316/0,254
= -1,244
Dengan kurtosis 0,284 dan standard error kurtosis 0,503
maka rasio kurtosis = 0,284/0,503 = 0,564
Sehingga rasio skewness dan kurtosis keduanya berada di
antara interval angka -2 dan +2 atau distribusi data
normal atau simetris
Histogram 12

8

Count

4

0
10.00 11.00 12.00 13.00 14.00

hemoglobin concentration after intervention
Histogram:
 Bentuk kurva simetris
 Mean = median = mode
 Kiri = kanan = 50%
Latihan Penggunaan SPSS
1. Menyiapkan sarana untuk data entry
(penyusunan lembar kerja)
2. Membantu data cleaning (analisis awal)
3. Analisis statistik untuk membuktikan
hipotesis
4. Analisis statistik untuk penyajian data
Menyiapkan sarana untuk data entry
(penyusunan lembar kerja)

Data latihan:
 File – open – data – pilih file - open
 Lihat data view: jumlah kasus
 Lihat variabel view: jumlah variabel
 Buat code book variable: utilities – file info
Menyiapkan sarana untuk data entry:
penyusunan lembar kerja

 Menyiapkan data dasar
 Data entry
Analisis data:
data cleaning

 Uji normalitas data (KS, histogram)
 Analisis univariat (deskriptif, frekuensi,
explore)
 Analisis bivariat (crosstab)
Analisis data:
data cleaning

Uji normalitas data:
 analyze – pilih descriptive statistics – pilih
explore – masukkan variabel rasio dalam
dependent list – pada pilihan display pilih
plots – klik plots – pilih normality plots with
test (non-aktifkan yang lainnya) – pilih
continue – pilih OK. Perhatikan tampilan
tabel test of normality dan grafik plot
Uji Kolmogorov-Smirnov (KS) dan
Shapiro-Wilk (SW)
Tests of Normality

hemoglobin
concentration
after intervention
Kolmogoarov- Statistic .047
Smirnov df 90
Sig. .200*
Shapiro-Wilk Statistic .987
df 90
Sig. .508
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction
Analisis data:
data cleaning

Explore:
 Analyze – pilih descriptive statistics – pilih
explore – dalam dependent list masukkan
variabel rasio – pilih OK. Perhatikan
outputs: descriptives
Descriptive s

Statistic Std. Error
hemoglobin Mean 12.2244 .10460
concentration 95% Confidence Lower Bound 12.0166
after intervention Interval for Mean Upper Bound
12.4323

5% Trimmed Mean 12.2494
Median 12.2000
Variance .985
Std. Deviation .99233
Minimum 9.38
Maximum 14.50
Range 5.12
Interquartile Range 1.4250
Skewness -.316 .254
Kurtosis .284 .503
Analisis data:
data cleaning

Analisis bivariat (crosstab)
 Analyze – pilih descriptive statistics – pilih
crosstab – pada row masukkan data
kategorik variabel bebas – pada
coulumn(s) masukkan data kategorik
variabel terikat – pada display aktifkan
clustered bar chart dan supressed tables-
pilih OK. Perhatikan outputnya
Analisis data:
data cleaning
40

Analisis
30
bivariat
(crosstab) 20

working status
10
Bekerja
Count

Tidak Bekerja/Ibu Ru

0 mah Tangga
SD SMU Perguruan Tinggi
SLTP Akademi

last education
Analisis data:
untuk membuktikan hipotesis

 Analisis bivariat crosstab, korelasi, uji T
dua sampel bebas dan berpasangan)
 Analisis multivariat (ANOVA)
Analisis data:
untuk membuktikan hipotesis

Analisis bivariat crosstab:
 Analyze – pilih crosstab – pada row
masukkan variabel bebas – pada
coulumn(s) masukkan variabel terikat –
pilih statistics – aktifkan chi-square dan
contengency coefficient – klik continue –
OK. Perhatikan hasilnya.
research location * working status Crosstabulation

Count
working status
Tidak
Bekerja/Ibu
Rumah
Bekerja Tangga Total
research Lembang 3 42 45
location Jakarta 26 19 45
Total 29 61 90

Chi-Square Tests
Asymp. Sig. Exact Sig. Exact Sig.
Value df (2-sided) (2-sided) (1-sided)
Pearson Chi-Square 26.914b 1 .000
Continuity Correctiona 24.624 1 .000
Likelihood Ratio 29.802 1 .000
Fisher's Exact Test .000 .000
Linear-by-Linear
26.614 1 .000
Association
N of Valid Cases 90
a. Computed only for a 2x2 table
b. 0 cells (.0%) have expected count less than 5. The minimum expected count is
14.50.
Analisis data:
untuk membuktikan hipotesis

Korelasi:
 Analyze – pilih correlate – pilih bivariate –
masukkan dua variabel numerik – pilih
Pearson –pilih two tailed – aktifkan flag
significant correlation – pilih option –
aktifkan exclude case pairwise – OK.
Perhatikan hasilnya
Analisis data:
untuk membuktikan hipotesis

Korelasi:
 Analyze – pilih correlate – pilih bivariate –
masukkan dua variabel numerik – pilih
Spearman – pilih two tailed – aktifkan flag
significant correlation – pilih option –
aktifkan exclude case pairwise – OK.
Perhatikan hasilnya
Correla
tions
weight after
intervention height
weight after intervention Pearson Correlation 1 .457**
Sig. (2-tailed) . .000
N 90 90
height Pearson Correlation .457** 1
Sig. (2-tailed) .000 .
N 90 90
**. Correlation is significant at the 0.01 level (2-tailed).

Correlations
weight after
intervention height
Spearman's rho weight after intervention Correlation Coefficient 1.000 .402**
Sig. (2-tailed) . .000
N 90 90
height Correlation Coefficient .402** 1.000
Sig. (2-tailed) .000 .
N 90 90
**. Correlation is significant at the 0.01 level (2-tailed).
Analisis data:
untuk membuktikan hipotesis

Uji T dua sampel bebas:
 Analyze – pilih compare means – pilih
independent samples t-test – pada test
variable(s) pilih variabel numerik – pada
grouping variable masukkan variabel 2 kategorik
– pada define group masukkan 1 untuk group 1
dan 2 untuk group 2 – pilih continue – pada
option aktifkan tingkat kepercayaan 95% dan
exclude cases analysis by analysis – pilih
continue dan OK. Perhatikan hasilnya
Group Statistics
Std. Error
working status N Mean Std. Deviation Mean
hemoglobin Bekerja 29 11.8855 .90385 .16784
concentration Tidak Bekerja/Ibu
after intervention 61 12.3856 .99876 .12788
Rumah Tangga

Independent Samples Test
hemoglobin concentration after
intervention
Equal variances Equal variances
assumed not assumed
Levene's Test for F .557
Equality of Variances Sig. .457
t-test for Equality of t -2.287 -2.370
Means df 88 60.439
Sig. (2-tailed) .025 .021
Mean Difference
-.5001 -.5001

Std. Error Difference
.21869 .21100

95% Confidence Interval Lower -.93466 -.92207
of the Difference Upper -.06545 -.07805
Ranks

working status N Mean Rank Sum of Ranks
hemoglobin Bekerja 29 36.48 1058.00
concentration Tidak Bekerja/Ibu
61 49.79 3037.00
after intervention Rumah Tangga
Total 90

Te st Sta tisticsa

hemoglobin
concentration
after
intervention
Mann-Whitney U 623.000
Wilcoxon W 1058.000
Z -2.259
Asymp. Sig. (2-tailed) .024
a. Grouping Variable: working status
Analisis data:
untuk membuktikan hipotesis

Uji T dua sampel berpasangan):
 Analyze – pilih compare means – pilih paired
samples t-test – pada paired variable(s)
masukkan variabel numerik sebelum intervensi
dan variabel numerik sesudah intervensi - pada
option aktifkan tingkat kepercayaan 95% dan
exclude cases analysis by analysis – pilih
continue dan OK. Perhatikan hasilnya
Paired Samples Sta
tistics
Std. Error
Mean N Std. Deviation Mean
Pair hemoglobin
1 concentration 12.5712 90 1.08891 .11478
before intervention
hemoglobin
concentration after 12.2244 90 .99233 .10460
intervention

Paired Samples Test
Pair 1

hemoglobin concentration
before intervention -
hemoglobin concentration
after intervention
Paired Differences Mean .3468
Std. Deviation .72686
Std. Error Mean
.07662

95% Confidence Interval Lower .1945
of the Difference Upper .4990
t 4.526
df 89
Sig. (2-tailed) .000
Ranks
N Mean Rank Sum of Ranks
hemoglobin concentration Negative Ranks 65a 46.27 3007.50
after intervention - Positive Ranks 23b 39.50 908.50
hemoglobin concentration
Ties 2c
before intervention
Total 90
a. hemoglo bin concen tration a fte r in te rven tion < hemog lob in concen tration before
interventi on Te st Sta
b. hemoglo bin concen tration a fte r in te rven
tisticsb tion > hemog lob in concen tration before
interventi on hemoglobin
c. hemoglobi n concen tration afte r inte rven tion =concen
hemog lob intion
tra concen tration before
interventi on
after
intervention -
hemoglobin
concentration
before
intervention
Z -4.371a
Asymp. Sig. (2-tailed) .000
a. Based on positive ranks.
b. Wilcoxon Signed Ranks Test
Analisis data:
untuk membuktikan hipotesis

Analisis multivariat (ANOVA):
 Analyze – pilih compare means – pilih one-way
anova – pada dependent list pilih variabel
numerik – pada factor pilih variabel lebih 2
kategorik – pada option aktifkan descriptive dan
homogeneity of variance – pilih continue – pada
post-hoc pilih bonferroni – pilih continue dan OK.
Perhatikan hasilnya
Descriptive s

hemoglobin concentration after intervention
SD SLTP SMU Akademi Perguruan Tinggi Total
N 15 18 45 7 5 90
Mean 12.0080 12.8278 12.0773 11.9571 12.4000 12.2244
Std. Deviation 1.17833 .97426 .94923 .73905 .25495 .99233
Std. Error .30424 .22964 .14150 .27933 .11402 .10460
95% Confidence Lower Bound 11.3555 12.3433 11.7922 11.2736 12.0834 12.0166
Interval for Mean Upper Bound 12.6605 13.3123 12.3625 12.6406 12.7166 12.4323
Minimum 9.65 11.10 9.38 11.00 12.20 9.38
Maximum 13.70 14.50 13.70 13.40 12.80 14.50

ANOVA

hemoglobin concentration after intervention
Sum of
Squares df Mean Square F Sig.
Between Groups 8.883 4 2.221 2.397 .057
Within Groups 78.757 85 .927
Total 87.640 89
Multiple Comparisons

Dependent Variable: hemoglobin concentration after intervention
LSD

Mean
Difference 95% Confidence Interval
(I) last education (J) last education (I-J) Std. Error Sig. Lower Bound Upper Bound
SD SLTP -.8198* .33652 .017 -1.4889 -.1507
SMU Akademi -.0693 .28698 .810 -.6399 .5013
Perguruan Tinggi .0509 .44061 .908 -.8252 .9269
-.3920 .49707 .433 -1.3803 .5963
SLTP SD SMU .8198* .33652 .017 .1507 1.4889
Akademi .7504* .26845 .006 .2167 1.2842
Perguruan Tinggi .8706* .42877 .045 .0181 1.7231
.4278 .48661 .382 -.5397 1.3953
SMU SD .0693 .28698 .810 -.5013 .6399
SLTP -.7504* .26845 .006 -1.2842 -.2167
Akademi .1202 .39109 .759 -.6574 .8978
Perguruan Tinggi -.3227 .45376 .479 -1.2249 .5795
Akademi SD -.0509 .44061 .908 -.9269 .8252
SLTP -.8706* .42877 .045 -1.7231 -.0181
SMU -.1202 .39109 .759 -.8978 .6574
Perguruan Tinggi -.4429 .56363 .434 -1.5635 .6778
Perguruan Tinggi SD .3920 .49707 .433 -.5963 1.3803
SLTP -.4278 .48661 .382 -1.3953 .5397
SMU .3227 .45376 .479 -.5795 1.2249
Akademi .4429 .56363 .434 -.6778 1.5635
*. The mean difference is significant at the .05 level.
Ranks

last education N Mean Rank
hemoglobin SD 15 41.70
concentration SLTP 18 59.78
after intervention SMU 45 41.93
Akademi 7 35.50
Perguruan Tinggi 5 51.60
Total 90

Te st Sta tisticsa,b
hemoglobin
concentration
after
intervention
Chi-Square 7.841
df 4
Asymp. Sig. .098
a. Kruskal Wallis Test
b. Grouping Variable: last education
Analisis data:
untuk penyajian data
 Hasil analisis statistik
 Diagram batang (bar)
 Histogram
 Boxplot
 Scatterplot
 Pie chart
 dll
60 Bars show counts

40
Count

20

0

Bekerja Tidak Bekerja/Ibu Rumah Tangga

working status
12

8
Count

4

0
10.00 11.00 12.00 13.00 14.00

hemoglobin concentration after
intervention
hemoglobin concentration after intervention

10.00
11.00
12.00
13.00
14.00



Linear Regression

170.00



 


 he ight = 141.89 + 0.23 * w e
height

160.00 ight_2
 R-Squ ar e =
  0.21   
 

     
 

 
 
    
  
    
150.00
        
     

     

  

40.00 
50.00  60.00 70.00 80.00 90.00

weight after intervention
5.56% last education
7.78% 16.67% SD
SLTP
SMU
Akademi
Perguruan Tinggi

Pies show percents

20.00%

50.00%