mengenal spss - · pdf filespss daripada di excel, ... 1. analisis deskriptif lengkap dan...
Post on 06-Feb-2018
255 Views
Preview:
TRANSCRIPT
ANALISIS DATA EKSPLORATIF
MODUL 2
ORGANISASI DAN MENGGUNAKAN DATA DALAM SPSS
Nama
Praktikan
Nomor
Mahasiswa
Tanggal
Kumpul
Tanda tangan
Praktikan Laboran
Sri Siska Wirdaniyati 12611125 31 Oktober 2013
Nama Penilai Tanggal
Koreksi Nilai
Tanda tangan
Asisten Dosen
Alfi Riyandi Putra
Baiq Anis Ratnasari
Dr. Jaka Nugraha, M. Si.
JURUSAN STATISTIKA
FAKULTAS MATMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS ISLAM INDONESIA
YOGYAKARTA
2013
KELAS
C2
1
BAB I
PENDAHULUAN
A. DASAR TEORI
1. Mengenal SPSS
SPSS (Statistical Package for the Social Science : Paket Statistik untuk Ilmu
Sosial) adalah sebuah program yang digunakan untuk analisis statistik. Dalam
banyak hal, SPSS sebanding dengan Excel. Hal ini dapat digunakan untuk
menghitung dan membuat diagram. Namun, ada kemungkinan lebih banyak dalam
SPSS daripada di Excel, dan sejumlah prosedur yang lebih mudah untuk dilakukan
di SPSS. Di sisi lain, dalam beberapa situasi Excel mungkin merupakan pilihan yang
lebih baik. Data dapat dipertukarkan antara SPSS dan Excel agak mudah. SPSS ada
untuk PC dan untuk Macintosh menggunakannya harus punya Lisensi. Tutorial ini
bertujuan untuk memberikan suatu pendahuluan SPSS.
Setiap jenis informasi tertentu dalam inputing data disebut variabel. Terdapat
berbagai jenis variabel seperti variabel numerik (semua nomor yang dapat digunakan
dalam perhitungan), variabel string (teks atau angka yang tidak dapat menggunakan
dalam perhitungan), mata uang (nomor dengan dua dan hanya dua tempat desimal)
dan variabel dengan spesifik format. Jenis data yang diisikan dapat menggunakan
salah satu dari jenis berikut seperti yang didefinisikan oleh SPSS:
1. Numeric : Sebuah variabel yang bernilai angka. Nilai ditampilkan dalam standar
format numerik. Data editor menerima nilai numerik dalam format standar atau
dalam notasi ilmiah.
2. Koma : Sebuah variabel nilai numerik yang ditampilkan dengan koma. Editor
data menerima nilai numerik untuk variabel koma dengan atau tanpa koma, atau
dinotasi ilmiah.
3. Dot : Sebuah variabel nilai numerik yang ditampilkan dengan dot (titik). Editor
data menerima nilai numerik untuk dot variabel dengan atau tanpa titik, atau
dalam ilmiah notasi. (Kadang-kadang dikenal dengan notasi Eropa)
4. Notasi ilmiah : Sebuah variabel nilai numerik yang ditampilkan dengan huruf E
(eksponen sepuluhan). Data editor menerima numerik nilai untuk variabel
tersebut dengan atau tanpa eksponen. Eksponen bia didahului baik oleh E atau
2
D dengan tanda opsional. Misalnya 123, 1.23E2, 1.23D2, 1.23E+2 dan bahkan
1,23+2.
5. Date : Sebuah variabel nilai numerik yang ditampilkan dalam salah satu dari
beberapa kata kalender seperti jam.
6. Custom currency : Mata uang.
7. String : Nilai dari variabel string yang tidak numerik dan karenanya tidak
digunakan dalam perhitungan. Mereka dapat mengandung karakter sampai
panjang yang didefinisikan. Huruf besar dan huruf kecil dianggap berbeda, juga
dikenal sebagai variabel alfanumerik.
Dalam SPSS, nama variabel delapan karakter dan tidak boleh memuat spasi,
koma dan tanda hubung. Aturannya sebagai beriku:
1. Nama harus dimulai dengan huruf.
2. Nam tidak boleh diakhiri dengan periode.
3. Nama tidak boleh lebih dari delapan karakter.
4. Nama tidak bisa kosong atau berisi karakter khusus.
5. Nama harus unik. (Sumber: Nugraha, Jaka. 2011. Modul Praktikum Analisis
Data Eksplorasi. Yogyakarta:Universitas Islam Indonesia)
2. Anallisis Deskriptif
Analisis deskriptif adalah analisis yang bertujuan untuk menggambarkan
keadaan data. Analisis deskriptif lebih berhubungan dengan pengumpulan data dan
peringkasan data serta penyajian hasil peringkasan tersebut. Data-data statistik yang
bisa diperoleh dari hasil sensus, survei atau pengamatan lainnya, umumnya masih
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 sebagai dasar untuk berbagai pengambilan keputusan.
Penyajian tabel grafik yang digunakan dalam statistik deskripsi seperti:
1. Distribusi frekuensi
2. Presentasi grafis seperti histogram, pie chart dan lain-lain.
Untuk mendapatkan gambaran yang lebih jelas tentang data selain dengan
tabel dan diagram, masih diperlukan ukuran-ukuran lain yang merupakan wakil dari
data tersebut. Ukuran yang dimaksudkan dapat berupa:
a. Ukuran pemusatan (rata-rata hitung atau mean, median dan modus)
b. Ukuran letak (quartil dan persentil)
3
c. Ukuran penyimpangan/penyebaran (range, ragam, penyimpangan baku dan
galat baku)
d. Skewness adalah tingkat kemiringan
e. Kurtosis adalah tingkat keruncingan (Xeon, gundam. 2013. Analisa Data
Menggunakan Analisa Frekuensi Dan Deskriptif. http://knowledge
sforfuture.blogspot.com/2013/01/analisa-data-menggunakan - analisa.html
diakses tanggal 29 Oktober 2013, 15.15)
3. Transformasi Data
Transformasi data adalah suatu proses dalam merubah bentuk data. Misalnya
merubah data numerik menjadi data kategorik atau merubah dari beberapa variabel
yang sudah ada dibuat satu variabel komposit yang baru. Beberapa perintah SPSS
yang sering digunakan adalah recode. Perintah recode berguna untuk memberi kode
ulang ke suatu variabel berdasarkan kriteria tertentu.. Pada perintah recode terdapat
dua pilihan, yakni :
1. Dalam variabel yang sama yaitu perintah untuk melakukan recode terhadap
variabel yang sudah ada.
2. Dalam variabel yang beda yaitu perintah untuk melakukan recode dengan cara
membentuk variabel baru.
Perlu diketahui dalam proses menjalakan perintah sub menu recode ditemukan
pilihan yaitu Into same Variabel dan Into Different Variabel. Yang mempunyai
ketentuan bahwa Into same Variabel adalah jika kode ulang akan ditempatkan pada
variabel yang sama. Dan Into Different Variabel adalah jika kode ulang akan
ditempatkan pada variabel yang berbeda. (Ari, Indah. 2012. Transformasi Data.
http://ideaari.blogspot.com/2012/06/transformasi-data_2288.html diakses tanggal
29 Oktober 2013, 16.10)
B. STUDI KASUS
Dalam praktikum pada modul 2 ini, praktikan akan melakukan pengolahan data
dari jumlah tindak pidana menurut kepolisian provinsi pulau Sumatera dan Jawa tahun
2009-2011 dengan menggunakan software SPSS. Berikut ini adalah tabel dari jumlah
tindak pidana menurut kepolisian provinsi pulau Sumatera dan Jawa tahun 2009-2011:
Tabel 1.1 Jumlah Tindak Pidana Menurut Kepolisian Provinsi Pulau Sumatera dan Jawa
Tahun 2009-2011
4
Kepolisian Daerah 2009 2010 2011
Aceh 6297 9244 9114
Sumatera Utara 26597 33227 3761
Sumatera Barat 11848 10819 11695
Riau 8968 10129 8323
Jambi 2637 3586 445
Sumatera Selatan 1417 18288 19353
Bengkulu 1827 2717 3498
Lampung 9959 4813 6052
Bangka Belitung 2506 2642 2732
Kepulauan Riau 3494 4141 3643
Jawa Barat 27352 16869 29296
Jawa Tengah 19801 15479 15205
DI Yogyakarta 6988 17622 6326
Jawa Timur 37337 16948 28392
Banten 2481 3832 3205
Untuk penyelesaian studi kasus pada tabel 1.1 ini, praktikan harus melakukan
pengolahan data sebagai berikut:
1. Analisis deskriptif lengkap dan interpretasi hasil output berdasarkan konteks
masalah data yang ada.
2. Histogram dengan kurva normalnya dan interpretasi dari histogram tersebut.
3. Recode terhadap dua buah variabel dengan ketentuan setiap variabel dibagi ke dalam
tiga kelompok (kategori).
5
BAB II
DESKRIPSI KERJA
Dalam bab II ini, praktikan akan menjelaskan langkah-langkah untuk menyelesaikan
studi kasus dari jumlah tindak pidana menurut kepolisian provinsi pulau Sumatera dan Jawa
tahun 2009-2011. Langkah awal adalah mengaktifkan SPSS sebagai berikut:
1. Klik Start → All Program → SPSS Inc → SPSS Statistics 17.0 sehingga tampil kotak
dialog SPSS for Windows seperti pada gambar 2.1 di bawah ini.
Gambar 2.1 Kotak Dialog SPSS for Windows
2. Klik Cancel sehingga kotal dialog tersebut hilang.
Setelah mengaktifkan SPSS, langkah selanjutnya adalah melakukan inputing data,
mendefinisikan variabel dan analisis deskriptif. Langkah-langkah untuk menyelesaikan studi
kasus jumlah tindak pidana menurut kepolisian provinsi pulau Sumatera dan Jawa tahun
2009-2011 sebagai berikut:
1. Klik Variabel View yang berada pada sudut kiri bawah, kemudian ketik variabel
Kepolisian_Provinsi, Tahun_2009, Tahun 2010, dan Tahun 2011 pada kolom Name.
2. Ganti Type pada variabel Kepolisian_Provinsi dari numeric menjadi string dengan
mengklik icon titik-titik sehingga akan tampil kotak dialog Variable Type seperti
gambar 2.2.
6
Gambar 2.2 Kotak Dialog Varible Type
3. Ganti Width pada variabel Kepolisian_Provinsi dari angka 8 menjadi angka 20 dengan
menghapus angka 8 kemudian mengetik angka 20, atau dengan menggunakan icon
segitiga ke atas hingga angka 8 menjadi angka 20.
4. Ganti Decimals pada variabel Kepolisian_Provinsi, Tahun_2009, Tahun 2010, dan
Tahun 2011 dari angka 2 menjadi angka 0 dengan menghapus angka 2 kemudian
mengetik angka 0, atau dengan menggunakan icon segitiga ke bawah hingga angka 2
menjadi angka 0.
5. Ketik tabel 1.1 Jumlah Tindak Pidana Menurut Kepolisian Provinsi Pulau Sumatera dan
Jawa Tahun 2009-2011 pada halaman pengentrian data seperti pada gambar 2.3 di bawah
ini.
Gambar 2.3 Tampilan Entry Data Tabel 1.1
7
6. Klik Analyze → Descriptive Statistic → Frequencies sehingga tampil kotak dialog
Frequencies. Klik variabel Tahun_2009 kemudian klik icon tanda panah kiri .
Lakukan langkah pada variabel Tahun_2009 untuk variabel Tahun_2010 dan
Tahun_2011 dan beri tanda centang (√) pada Display frequency tables sehingga kotal
dialog Frequencies seperti pada gambar 2.4 di bawah ini.
Gambar 2.4 Kotak Dialog Frequencies
7. Klik Statistics, kemudian beri tanda centang (√) pada Percentile (isi dengan angka 25,
klik Add dan lakukan langkah tersebut untuk angka 50 dan 75), Std. deviation,Variance,
Range, Minimum, Maximum, S.E.mean, Mean, Median, Mode, Sum, Skewness dan
Kurtosis seperti pada gambar 2.5 di bawah ini.
Gambar 2.5 Kotak Dialog Frequencies: Statistics
8. Klik Continue sehingga kembali pada kotak dialog Frequencies.
8
9. Klik Charts, pilih Histograms dan beri tanda centang (√) padaWith normal curve seperti
pada gambar 2.6 di bawah ini.
Gambar 2.6 Kotak Dialog Frequencies: Charts
10. Klik Continues sehingga kembali pada kotak dialog Frequencies, kemudian klik OK,
maka server SPSS akan menampilkan hasil output seperti pada gambar 2.7 di bawah ini.
Gambar 2.7 Tampilan Output Hasil Dari Analyze
Setelah analisis deskriptif dilakukan, langkah selanjutnya adalah melakukan
transformasi data dengan menggunakan perintah recode sebagai berikut:
1. Klik Transform → Recode Into Different Variable sehingga tampil kotak dialog
Recode Into Different Variable.
9
2. Klik variabel Tahun_2009, kemudian klik tanda panah kiri . Ketik kolom Name
dengan Kategori_Tahun_2009 dan klik change. Lakukan langkah yang sama untuk
variabel Tahun_2010 dengan isian kolom Name adalah Kategori_Tahun_2010 seperti
pada gambar 2.8 di bawah ini.
Gambar 2.8 Kotak Dialog Recode Into Different Variables
3. Klik Old and News Values sehingga tampil kotak dialog Recode Into Different
Variables. Pilih Range, LOWEST through value dan isi kolom dengan angka 4999,
kemudian pilih value dan isi dengan angka 1. Klik Add, maka kolom Old --> New berisi
Lowest thru 4999 --> 1. Lakukan langkah tersebut untuk Range dengan angka 5000
through 9999 dan value dengan angka 2, dan Range, value through HIGHEST dengan
angka 10000 dan value dengan angka 3 sehingga kolom Old --> New seperti pada
gambar 2.9 di bawah ini.
Gambar 2.9 Kotak Dialog Recode Into Different Variables
10
4. Klik Continue sehingga tampil kotak dialog Recode Into Different Variables, kemudian
klik OK, maka server SPSS akan menampilkan hasil seperti pada gambar 2.10 di bawah
ini.
Gambar 2.10 Tampilan Hasil Dari Transform
Apabila langkah pengolahan data dari analisis deskriptif dan transformasi data dengan
perintah recode selesai, simpanlah syntax dan output dengan menekan Ctrl + S dan ketik
pada FileName dengan “MODUL2”.
11
BAB III
PEMBAHASAN
Dalam bab III ini praktikan akan menjelaskan dan menginterpretasikan output SPSS
dari studi kasus tentang jumlah tindak pidana menurut kepolisian provinsi pulau Sumatera
dan Jawa tahun 2009-2011. Penjelasan dan penginterpretasikan ini terbagi menjadi dua
sebagai berikut:
1. Hasil Dari Analisis Deskriptif
Tabel 3.1 Frequencies Dari Jumlah Tindak Pidana Menurut Kepolisian
Provinsi Pulau Sumatera Dan Jawa Tahun 2009-2011.
Statistics
Tahun_2009 Tahun_2010 Tahun_2011
N Valid 15 15 15
Missing 0 0 0
Mean 11300.60 11357.07 10069.33
Std. Error of Mean 2904.446 2196.306 2362.970
Median 6988.00 10129.00 6326.00
Mode 1417a 2642
a 445
a
Std. Deviation 11248.871 8506.258 9151.743
Variance 1.265E8 7.236E7 8.375E7
Skewness 1.242 1.149 1.254
Std. Error of Skewness .580 .580 .580
Kurtosis .526 1.637 .567
Std. Error of Kurtosis 1.121 1.121 1.121
Range 35920 30585 28851
Minimum 1417 2642 445
Maximum 37337 33227 29296
Sum 169509 170356 151040
Percentiles 25 2506.00 3832.00 3498.00
50 6988.00 10129.00 6326.00
75 19801.00 16948.00 15205.00
a. Multiple modes exist. The smallest value is shown
Pada penyelesaian studi kasus ini, jumlah N (populasi) terdiri dari data yang valid
dan missing. Valid merupakan jumlah N data yang terhitung oleh software SPSS dan
berdasarkan pada hasil output, maka masing-masing variabel Tahun_2009, Tahun_2010,
12
dan Tahun_2010 memiliki jumlah N data yang terhitung adalah 15. Sedangkan jumlah N
data yang tidak tersedia (mising) untuk dihitung pada masing-masing variabel
Tahun_2009, Tahun_2010, dan Tahun_2010 adalah 0. Hal ini menunjukkan bahwa tidak
ada data yang tidak terhitung oleh software SPSS. Pada dasarnya, missing data tidak
bermasalah bagi keseluruhan data apabila jumlahnya sedikit atau hanya 1% dari
keseluruhan data. Namun jika persentase dan data yang tidak tersedia berjumlah besar,
maka perlu dilakukan pengujian apakah data yang mengandung banyak missing masih
layak diproses lebih lanjut ataukah tidak.
Mean pada variabel Tahun_2009 sebesar 11300.60, variabel Tahun_2010 sebesar
11357.07 dan variabel Tahun_2011 sebesar 10069.33 yang menunjukkan rata-rata angka
yang sering dipakai sebagai wakil dari masing-masing variabel dan mencerminkan
gambaran secara umum mengenai kumpulan jumlah tindak pidana menurut kepolisian
provinsi pulau Sumatera dan Jawa tahun 2009-2011 atau pemusatan yang sering dan
familiar digunakan. Sedangkan standard error of mean (Std. Error of Mean) pada jumlah
tindak pidana menurut kepolisian provinsi pulau Sumatera dan Jawa tahun 2009-2011
terdiri dari 2904.446 untuk variabel Tahun_2009, 2196.306 untuk variabel Tahun_2010,
dan 2362.970 untuk variabel Tahun_2011 yang berguna untuk memeriksa besar rata-rata
populasi yang diperkirakan berasal dari sampel. Standard error of mean ini diukur
sebagai standar deviasi dibagi dengan akar dari jumlah data valid. Pada standard error of
mean ini menggunakan tingkat kepercayaang sebesar 95% (sebagian besar software
SPSS menggunakan tingkat kepercayaan 95% sebagai standar).
Median pada variabel Tahun_2009, Tahun_2010, dan Tahun_2011 menunjukkan
nilai tengah dari data setelah diurutkan. Berdasarkan perhitungan dengan menggunakan
software SPSS diperoleh bahwa median dari variabel Tahun_2009 adalah 6988.00,
median dari variabel Tahun_2010 adalah 10129.00 dan median dari variabel
Tahun_2011 adalah 6326.00. Apabila diurutkan secara manual, maka diketahui bahwa
median dari variabel Tahun_2009, Tahun_2010, dan Tahun_2011 terletak pada data
ke-8.
Selain mengambarkan pemusatan data dengan mean dan median, software SPSS
menampilkan nilai yang paling sering muncul dalam suatu range statistik. Nilai yang
sering muncul pada jumlah tindak pidana menurut kepolisian provinsi pulau Sumatera
dan Jawa tahun 2009-2011 adalah 1417a untuk variabel Tahun_2009, 2642
a untuk
variabel Tahun_2010, dan 445a untuk variabel Tahun_2011. Huruf pada nilai modus
tersebut merupakan huruf yang menunjukkan kalimat “Multiple modes exist. The
13
Smallest values is shown” yang menunjukkan bahwa tidak terdapat modus pada data
tersebut atau setiap nilai selalu menjadi modus, sehingga software SPSS menampilkan
data terkecil (Smallest values).
Ukuran penyebaran jumlah tindak pidana menurut kepolisian provinsi pulau
Sumatera dan Jawa tahun 2009-2011 dapat dilihat dari Standard Deviation atau standar
deviasi. Penyebaran data tersebut meliputi 11248.871 untuk variabel Tahun_2009,
8506.258 untuk variabel Tahun_2010, dan 9159.743 untuk variabel Tahun_2011 yang
menunjukkan dispersi rata-rata dari sampel dengan tingkat kepercayaan sebesar 95 %.
Sedangkan variansi pada jumlah tindak pidana menurut kepolisian provinsi pulau
Sumatera dan Jawa tahun 2009-2011 terdiri dari 1.265E8 untuk variabel Tahun_2009,
7.236E7 untuk variabel Tahun_2010, dan 8.375E7 untuk variabel Tahun 2011. Variansi
pada data tersebut menunjukkan satu ukuran dispresi dan menggambarkan bagaimana
terpencarnya suatu data kuantatif.
Nilai skewness pada variabel Tahun_2009 adalah 1.242, variabel Tahun_2010
adalah 1.149 dan variabel Tahun_2011 adalah 1.254. Nilai skewness ini berguna sebagai
tingkat ketidaksimetrisan (kecondongan) sebaran data di sekitar rata-ratanya. Skewness
yang bernilai positif menunjukkan ujung kecondongan menjulur ke arah positif (ekor
kurva sebelah kanan lebih panjang) dan skewness yang bernilai negatif menunjukkan
ujung dari kecondongan menjulur ke arah nilai negatif (ekor kurva sebelah kiri lebih
panjang). Selain dari itu, nilai skewness dapat menunjukkan distribusi normal.
Sedangkan nilai standard error of skewness pada variabel Tahun_2009, Tahun_2010 dan
Tahun_2011 adalah 0.580. Nilai standard error ini dapat digunakan untuk menghitung
ukuran skewness.
Nilai kurtosis pada variabel Tahun_2009 adalah 0.526, Tahun_2010 adalah 1.637
dan Tahun_2011 adalah 0.567. Nilai kurtosis ini menggambarkan keruncingan atau
kerataan suatu distribusi dibandingkan dengan distribusi normal. Nilai kurtosis yang
positif menunjukkan distribusi yang relatif runcing, sedangkan nilai kurtosis yang negatif
menunjukkan distribusi yang relatif rata. Sedangkan standard error of kurtosis pada
variabel Tahun_2009, Tahun_2010 dan Tahun_2011 adalah 1.121. Nilai standard error
ini dapat digunakan untuk menghitung ukuran kurtosis.
Nilai minimum pada variabel Tahun_2009 adalah 1417, Tahun_2010 adalah 2642
dan Tahun_2011 adalah 445 yang menunjukkan nilai terkecil dari keseluruhan data.
Sedangkan nilai maksimum pada Tahun_2009 adalah 37337, Tahun_2010 adalah 33227
dan Tahun_2011 adalah 29296 yang menunjukkan nilai terbesar dari keseluruhan data.
14
Dari nilai minimum dan maksimum ini dapat ditentukan nilai range. Nilai Range
menunjukkan rentangan dari nilai maksimum sampai nilai minimum (maksimum –
minimum). Nilai range pada variabel Tahun_2009 adalah 35920 (37333-1417),
Tahun_2010 adalah 30585 (33227-2642) dan Tahun_2011 adalah 28851 (29296-445).
Jumlah total keseluruhan data (sum) dari jumlah tindak pidana menurut kepolisian
provinsi pulau Sumatera dan Jawa tahun 2009-2011 dengan jumlah N sebanyak 15 terdiri
dari 169509 untuk variabel Tahun_2009, 170356 untuk variabel Tahun_2010 dan
151040 untuk variabel Tahun_2010. Berdasarkan jumlah total tersebut dapat
disimpulkan bahwa jumlah tindak pidana menurut provinsi pulau Sumatera dan Jawa
terbesar pada tahun 2010.
Pada praktikum kali ini, praktikan menampilkan data-data secara berkelompok
menjadi sebuah persentase menjadi 25, 50 dan 75. Data persentiles dengan 25% pada
variabel Tahun_2009 adalah 2506.00, Tahun_2010 adalah 3832.00 dan Tahun 2011
adalah 3498.00 yang merupakan data ke-4 setelah diurutkan. Data persentiles dengan
50% pada variabel Tahun_2009 adalah 6988.00, Tahun_2010 adalah 10129.00 dan
Tahun_2011 adalah 6326.00 yang merupakan data ke-8 setelah diurutkan. Sedangkan
persentiles dengan 75% pada variabel Tahun_2009 adalah 19801.00, Tahun_2010 adalah
16948.00 dan Tahun_2011 adalah 15205.00 yang merupakan data ke-12 setelah
diurutkan.
Tabel 3.2 Frequency Table Dari Jumlah Tindak Pidana Menurut Kepolisian Provinsi
Pulau Sumatera Dan Jawa Tahun 2009
Tahun_2009
Frequency Percent Valid Percent
Cumulative
Percent
Valid 1417 1 6.7 6.7 6.7
1827 1 6.7 6.7 13.3
2481 1 6.7 6.7 20.0
2506 1 6.7 6.7 26.7
2637 1 6.7 6.7 33.3
3494 1 6.7 6.7 40.0
6297 1 6.7 6.7 46.7
6988 1 6.7 6.7 53.3
8968 1 6.7 6.7 60.0
9959 1 6.7 6.7 66.7
15
11848 1 6.7 6.7 73.3
19801 1 6.7 6.7 80.0
26597 1 6.7 6.7 86.7
27352 1 6.7 6.7 93.3
37337 1 6.7 6.7 100.0
Total 15 100.0 100.0
Data dari jumlah tindak pidana menurut kepolisian provinsi pulau Sumatera dan
Jawa tahun 2009 diurutkan dari data bernilai kecil ke besar seperti yang terlihat pada
tabel 3.2. Setiap data memiliki jumlah (frekuensi) masing-masing adalah 1, sehingga
persen untuk setiap data adalah 1
15𝑥100% = 6.7 % dan persen terhitung (valid percent)
sebesar 6.7 % dengan jumlah total data adalah 15, jumlah total persen adalah 100% dan
jumlah total valid percent adalah 100%. Sedangkan data cumulative persent
menunjukkan pertambahan dari persen data sesudahnya dengan persen data sebelumnya
sehingga didapat data cumulative persent dari jumlah tindak pidana menurut kepolisian
provinsi pulau Sumatera dan Jawa tahun 2009 seperti pada tabel 3.2.
Tabel 3.3 Frequency Table Dari Jumlah Tindak Pidana Menurut Kepolisian
Provinsi Pulau Sumatera Dan Jawa Tahun 2010
Tahun_2010
Frequency Percent Valid Percent
Cumulative
Percent
Valid 2642 1 6.7 6.7 6.7
2717 1 6.7 6.7 13.3
3586 1 6.7 6.7 20.0
3832 1 6.7 6.7 26.7
4141 1 6.7 6.7 33.3
4813 1 6.7 6.7 40.0
9244 1 6.7 6.7 46.7
10129 1 6.7 6.7 53.3
10819 1 6.7 6.7 60.0
15479 1 6.7 6.7 66.7
16869 1 6.7 6.7 73.3
16948 1 6.7 6.7 80.0
16
17622 1 6.7 6.7 86.7
18288 1 6.7 6.7 93.3
33227 1 6.7 6.7 100.0
Total 15 100.0 100.0
Data dari jumlah tindak pidana menurut kepolisian provinsi pulau Sumatera dan
Jawa tahun 2010 juga diurutkan dari data bernilai kecil ke besar dengan frekuensi
masing-masing adalah 1, sehingga percent, valid percent dan cumulativer persent sama
dengan jumlah tindak pidana menurut kepolisian provinsi pulau Sumatera dan Jawa
tahun 2009 seperti yang terlihat pada tabel 3.3 di atas.
Tabel 3.4 Frequency Table Dari Jumlah Tindak Pidana Menurut Kepolisian
Provinsi Pulau Sumatera Dan Jawa Tahun 2011
Tahun_2011
Frequency Percent Valid Percent
Cumulative
Percent
Valid 445 1 6.7 6.7 6.7
2732 1 6.7 6.7 13.3
3205 1 6.7 6.7 20.0
3498 1 6.7 6.7 26.7
3643 1 6.7 6.7 33.3
3761 1 6.7 6.7 40.0
6052 1 6.7 6.7 46.7
6326 1 6.7 6.7 53.3
8323 1 6.7 6.7 60.0
9114 1 6.7 6.7 66.7
11695 1 6.7 6.7 73.3
15205 1 6.7 6.7 80.0
19353 1 6.7 6.7 86.7
28392 1 6.7 6.7 93.3
29296 1 6.7 6.7 100.0
Total 15 100.0 100.0
17
Tidak berbeda dengan jumlah tindak pidana menurut kepolisian provinsi pulau
Sumatera dan Jawa tahun 2009 dan 2010, data 2011 juga diurutkan dari data bernilai
kecil ke besar dengan frekuensi masing-masing adalah 1, sehingga percent, valid percent
dan cumulativer persent sama dengan jumlah tindak pidana menurut kepolisian provinsi
pulau Sumatera dan Jawa tahun 2009 dan 2010 seperti yang terlihat pada tabel 3.4 di
atas.
Gambar 3.1 Histogram Dengan Kurva Normal Dari Jumlah Tindak Pidana Menurut
Kepolisian Provinsi Pulau Sumatera Dan Jawa Tahun 2009
Berdasarkan gambar histogram 3.1 tersebut diketahui bahwa jumlah tindak pidana
antara 0-10000 sebanyak 10, jumlah tindak pidana antara 10000-20000 sebanyak 2,
jumlah tindak pidana antara 20000-30000 sebanyak 2, dan jumlah tindak pidana antara
30000-40000 sebanyak 1. Pada gambar 3.1 juga terlihat bahwa ekor kurva sebelah kanan
lebih panjang dan kurva relatif runcing. Ekor kurva sebelah kanan lebih panjang
menunjukkan ketidaksimetrisan (kecondongan) menjulur ke arah positif dengan nilai
skewness adalah 1.242. Sedangkan kurva relatif runcing menggambarkan keruncingan
suatu distribusi dibandingkan dengan distribusi normal dengan nilai kurtosis adalah
0.526.
Gambar 3.2 Histogram Dengan Kurva Normal Dari Jumlah Tindak Pidana Menurut
Kepolisian Provinsi Pulau Sumatera Dan Jawa Tahun 2010
18
Berdasarkan gambar histogram 3.2 tersebut diketahui bahwa jumlah tindak pidana
antara 0-5000 sebanyak 6, jumlah tindak pidana antara 5000-10000 sebanyak 1, jumlah
tindak pidana antara 10000-15000 sebanyak 2, jumlah tindak pidana antara 15000-20000
sebanyak 5, dan jumlah tindak pidana antara 30000-35000 sebanyak 1. Pada gambar 3.2
juga terlihat bahwa ekor kurva sebelah kanan lebih panjang dan kurva relatif runcing.
Ekor kurva sebelah kanan lebih panjang menunjukkan ketidaksimetrisan (kecondongan)
menjulur ke arah positif dengan nilai skewness adalah 1.149. Sedangkan kurva relatif
runcing menggambarkan keruncingan suatu distribusi dibandingkan dengan distribusi
normal dengan nilai kurtosis adalah 1.637.
Gambar 3.3 Histogram Dengan Kurva Normal Dari Jumlah Tindak Pidana Menurut
Kepolisian Provinsi Pulau Sumatera Dan Jawa Tahun 2011
Berdasarkan gambar histogram 3.3 tersebut diketahui bahwa jumlah tindak pidana
antara 0-5000 sebanyak 6, jumlah tindak pidana antara 5000-10000 sebanyak 4. jumlah
tindak pidana antara 10000-15000 sebanyak 1, jumlah tindak pidana antara 15000-20000
sebanyak 2 dan jumlah tindak pidana antara 25000-30000 sebanyak 2. Pada gambar 3.3
juga terlihat bahwa ekor kurva sebelah kanan lebih panjang dan kurva relatif runcing.
Ekor kurva sebelah kanan lebih panjang menunjukkan ketidaksimetrisan (kecondongan)
menjulur ke arah positif dengan nilai skewness adalah 1.254. Sedangkan kurva relatif
runcing menggambarkan keruncingan suatu distribusi dibandingkan dengan distribusi
normal dengan nilai kurtosis adalah 0.567.
Dari ketiga histogram dengan kurva normal tersebut dapat disimpulkan bahwa ekor
kurva sebelah kanan lebih panjang yang menunjukkan ketidaksimetrisan paling besar
terdapat pada variabel Tahun_2011 dan kurva paling runcing terdapat pada variabel
Tahun_2010.
19
2. Hasil Dari Transformasi Data (Recode)
Gambar 3.4 Hasil Transformasi Data Dengan Perintah Recode
Dalam pengolahan data dengan transformasi ini, praktikan mengkategorikan data
berdasarkan tiga kelompok dengan kriteria sebagai berikut:
1. Kategori 1 dengan kriteria nilai data lebih kecil atau sama dengan 4999.
2. Kategori 2 dengan kriteria nilai data antara 5000 sampai dengan 9999.
3. Kategori 3 dengan kriteria nilai lebih besar atau sama dengan 10000.
Ketiga kriteria ini akan menjadi penentuan kategori untuk nilai variabel
Tahun_2009 dan Tahun_2010. Hasil dari pengkategorian ini akan diletakkan pada
variabel Kategori_Tahun_2009 dan Kategori _Tahun_2010.
Berdasarkan hasil transformasi data dengan perintah recode diketahui bahwa
provinsi yang menjadi kategori 1 dari jumlah tindak pidana menurut kepolisian provinsi
pulau sumatera dan jawa tahun 2009 adalah Jambi, Sumatera Selatan, Bengkulu, Bangka
Belitung, Kepulauan Riau dan Banten karena nilai data lebih kecil atau sama dengan
4999. Provinsi yang menjadi kategori 2 adalah Aceh, Riau, Lampung dan DI Yogyakarta
karena nilai data antara 5000-9999. Sedangkan provinsi yang menjadi kategori 3 adalah
Sumatera Utara, Sumatera Barat, Jawa Barat, Jawa Tengah dan Jawa Timur karena nilai
data lebih besar atau sama dengan 10000.
Pada jumlah tindak pidana menurut kepolisian provinsi pulau sumatera dan jawa
tahun 2010 diketahui bahwa provinsi yang menjadi kategori 1 adalah Jambi, Bengkulu,
Lampung, Bangka Belitung, Kepulauan Riau dan Banten karena nilai data lebih kecil
20
atau sama dengan 4999. Provinsi yang menjadi kategori 2 adalah Aceh karena nilai data
antara 5000-9999. Sedangkan provinsi yang menjadi kategori 3 adalah Sumatera Utara,
Sumatera Barat, Riau, Sumatera Selatan, Jawa Barat, Jawa Tengah, DI Yogyakarta dan
Jawa Timur.
21
BAB IV
PENUTUP
Berdasarkan praktikum modul 2 tentang organisasi dan menggunakan data dalam SPSS
dapat disimpulkan bahwa:
1. Software SPSS mempermudah praktikan dan pengguna dalam pengolahan data yang meliputi
analisis deskriptif dan transformasi data.
2. Output dari software SPPS memaparkan analisis deskriptif dan transformasi data secara detail.
3. Analisis data memperlihatkan ukuran gejala pusat, ukuran penyebaran, ukuran letak,
kecondongan dan kemiringan.
4. Frekuensi untuk masing-masing data dari jumlah tindak pidana menurut kepolisian provinsi
pulau Sumatera dan Jawa tahun 2009 -2011 adalah 1, sehingga persen dan valid percent
masing-masing adalah 6.7.
5. Nilai skewness menjulur ke arah posirif apabila ekor kurva sebelah kanan lebih panjang yang
menunjukkan ketidaksimetrisan (kecondongan) dan nilai kurtosis menunjukkan keruncingan
suatu distribusi dibandingkan distribusi normal.
6. Berdasarkan perbandingan ketiga histogram tahun 2009, 2010 dan 2011 diketahui bahwa ekor
kurva sebelah kanan lebih panjang yang menunjukkan ketidaksimetrisan paling besar
terdapat pada variabel Tahun_2011 dan kurva paling runcing terdapat pada variabel
Tahun_2010.
7. Pengkategorian studi kasus terdiri dari kategori 1 dengan kriterian nilai data lebih kecil atau sama
dengan 4999, kategori 2 dengan kriteria nilai data antara 5000 sampai 9999 dan kategori 3
dengan kriteria nilai data lebih besar atau sama dengan 10000.
22
DAFTAR PUSTAKA
Ari, Indah. 2012. Transformasi Data. http://ideaari.blogspot.com/2012/06/transformasi-
data_2288.html diakses hari Selasa tanggal 29 Oktober 2013 waktu 16.10
BPS. 2011. Tabel jumlah tindak pidana menurut kepolisian provinsi pulau Sumatera
dan Jawa tahun 2009-2011. http://www.bps.go.id/tab_sub/view.php?kat=1&tabel=1&
daftar=1&id_subyek=34¬ab=1 diakses hari Selasa tanggal 29 Oktober 2013 waktu 19.05
Junaidi. 2010. Ukuran-ukuran Numerik Statistika Deskriptif (Bagian 1b).
http://junaidichaniago.wordpress.com/2010/04/21/ukuran-ukuran-numerik-statistikdeskriptif-
bagian-1b/ diakses hari Rabu tanggal 30 Oktober 2013 waktu 13.15
Nugraha, Jaka. 2011. Modul Praktikum Analisis Data Eksplorasi.
Yogyakarta:Universitas Islam Indonesia
Xeon, gundam. 2013. Analisa Data Menggunakan Analisa Frekuensi Dan Deskriptif.
http://knowledge sforfuture.blogspot.com/2013/01/analisa-data-menggunakan - analisa.html
diakses hari Selasa Tanggal 29 Oktober 2013 waktu 15.15
top related