bab 1. pendahuluan
TRANSCRIPT
1
BAB 1 PENDAHULUAN
Buku-buku dan modul ajar di jurusan Statistika banyak mengedepankan kajian
teoritis secara matematik dan statistik. Hal ini dikarenakan jurusan Statistika
menghasilkan lulusan sarjana statistik yang harus memahami konsep statistika secara
mendalam. Di sisi lain, para lulusan jurusan Statistika harus dapat menyelesaikan
masalah di bidang pekerjaannya masing-masing dengan tepat dan cepat. Ketepatan
analisis penyelesaian masalah dapat dilakukan jika penguasaan konsep statistika
kuat. Kecepatan analisis statistika tidak memungkinkan lagi dilakukan secara manual
dikarenakan banyaknya data dan cara penghitungan yang banyak. Oleh karena itu
diperlukan buku ajar yang membantu mahasiswa untuk melakukan analisis statistika
menggunakan paket program statistika.
Buku-buku tentang pengolahan data banyak ditulis oleh penulis dengan latar
belakang non-statistika, sehingga materi yang disajikan kurang mendetail. Bahkan,
pada materi-materi tertentu ada bagian penting yang tidak disajikan, misalnya pada
bab analisis regresi tidak disajikan materi tentang uji asumsi dan cara mengatasi
penyimpangan asumsi-asumsi tersebut.
Berdasarkan pemikiran tersebut penulis menulis buku ajar Analisis Data I yang
ditujukan untuk memenuhi kebutuhan mahasiswa statistika dan non-statistika. Buku
ajar ini diharapkan membantu mahasiswa statistika pada khususnya dan mahasiswaa
non-statistika pada umumnya untuk dapat melakukan analisis statistika secara tepat
dan cepat menggunakan bantuan paket program.
1.1. KOMPETENSI UMUM
Kompetensi yang diharapkan pada matakuliah Analisis Data I adalah
mahasiswa mampu mengintegrasikan penerapan metode Statistika yang terdiri dari
pengantar metode statistika, analisis eksplorasi data, analisis regresi dan rancangan
percobaan untuk memecahkan masalah dengan bantuan program paket Statistika.
Kompetensi umum di atas akan dicapai melalui kempetensi khusus pada setiap bab.
2
BAB 1. PENDAHULUAN
POPULASI
SAMPEL
statistik
parameter
1.2. KOMPETENSI KHUSUS
Setelah mempelajari bab ini, mahasiswa diharapkan memiliki kompetensi
sebagai berikut:
a. Dapat menjelaskan istilah-istilah dan konsep didalam Statistika.
b. Dapat menjelaskan metode pengambilan data.
c. Dapat melakukan manajemen data di program paket SPSS dan MINITAB.
1.3. URAIAN MATERI
1.3.1. Istilah dan Konsep dalam Statistika
Di dalam ilmu Statistika sering digunakan istilah-istilah sebagai berikut:
Data : Kumpulan dari dalam (fakta) yang sengaja dikumpulkan kemudian
diringkas menjadi informasi yang dipakai sebagai dasar untuk
pengambilan keputusan.
Informasi : Data yang sudah diringkas atau diolah, hasil ringkasan tersebut dapat
dinyatakan dalam ukuran (pemusatan (misal: mean, median, modus),
penyebaran (misal: varians), kemiringan) atau gambar/grafik.
Statistika : Ilmu yang mempelajari cara pengumpulan, pengolahan, penyajian
dan analisis data serta cara pengambilan kesimpulan untuk
keseluruhan obyek (populasi) berdasarkan pengamatan sebagian dari
keseluruhan obyek (sampel).
Gambar 1.1. Populasi dan Sampel
3
BAB 1. PENDAHULUAN
1.3.2. Pengelompokan Data dalam Statistika
Di dalam statistika, data dapat dikelompokkan berdasarkan kriteria pada Tabel
1.1. dan dijelaskan pada Tebel 1.2.
Tabel 1.1. Pengelompokan Data
Kriteria Pengelompokan Jenis Data
Menurut Skala Pengukuran : Nominal, Ordinal, Interval, Rasio
Menurut Jenis : Kualitatif, Kuantitatif
Menurut Banyaknya : Diskrit, Kontinu
Menurut Cara Memperoleh : Primer, Sekunder
Menurut Waktu Memperoleh : Time Series, Cross Section
Tabel 1.2. Penjelasan mengenai Pengelompokan Data
Data Keterangan
Nominal : Mempunyai sifat dapat dibedakan
Ordinal : Mempunyai sifat dapat dibedakan dan diurutkan
(ada tingkatan)
Interval : Mempunyai sifat dapat dibedakan dan durutkan dan ada
jarak (jarak antar golongan sama)
Rasio : Mempunyai nilai nol mutlak
Kualitatif : Data dalam bentuk kategori
Kuantitatif : Data dalam bentuk numerik
Diskrit : Nilai yang mungkin: terhingga banyaknya
Kontinu : Nilai yang mungkin: tak terhingga banyaknya
Primer : Hasil pencatatan langsung dari obyek yang diamati
Sekunder : Data yang diperoleh dalam bentuk jadi
Time Series : Diamati berdasarkan urutan waktu
Cross Section : Diamati hanya pada satu waktu tertentu
Ukuran pemusatan dan grafik yang mungkin dari berbagai skala pengukuran data
disajikan pada Tabel 1.3. berikut:
4
BAB 1. PENDAHULUAN
Tebel 1.3. Ukuran Pemusatan dan Grafik untuk Data Berdasarkan Skala Pengukuran
Data Ukuran Pemusatan Grafik
Nominal Modus Bar-chart, pie chart
Ordinal Modus, median Box-Plot
Interval Modus, median, mean aritmatika Stem and leaf, Dot Plot
Rasio Modus, median, mean harmonik
dan geometrik
Histogram, Scatter plot
1.3.3. Klasifikasi Statistika
Ilmu Statistika dapat dikelompokkan sebagai berikut:
A. Deskriptif dan Inferensia
Metode statistika deskriptif adalah metode statistika yang digunakan untuk
menggambarkan data yang ada (sampel), tanpa berusaha melakukan kesimpulan
untuk data yang lebih umum sifatnya (populasi).
Metode statistika inferensia adalah metode statistika yang digunakan untuk
menganalisis data sampel kemudian berusaha menyimpulkan untuk data populasi.
B. Parametrik dan Nonparametrik
Metode statistika parametik adalah metode statistika yang dipergunakan untuk
menguji parameter populasi melalui statistik pada sampel. Metode ini biasanya
membutuhkan asumsi tentang distribusi dan biasanya diterapkan pada data yang
berskala interval/ rasio.
C. Univariate dan Multivariate
Metode statistik multivariate adalah metode statistik yang digunakan untuk
menganalisis data yang terdiri atas banyak variable dan diduga antar variable saling
berhubungan.
5
BAB 1. PENDAHULUAN
D. Robust dan Non-robust
Metode statistika robust adalah metode statistika yang bertujuan untuk
menghasilkan statistik yang robust. Robust adalah sifat statistik yang tidak mudah
berubah dengan adanya nilai pengamatan yang berubah-ubah.
Contoh:
• Median bersifat lebih robust dari pada rata-rata
• Metode regresi robust menghasilkan koefisien regresi yang tidak berubah dengan
adanya titik baru yang letaknya jauh dari garis regresi.
1.3.4. Metode Pegumpulan Data
Data dapat dikumpulkan melalui sensus dan pengambilan sampel atau
sampling. Sensus dilakukan dengan cara mencatat seluruh anggota populasi,
sedangkan sampling dilakukan dengan cara mencatat sebagian anggota populasi.
Pengumpulan data secara sampling dapat dibedakan menjadi probability
sampling dan nonprobability sampling. Pada probability sampling, setiap anggota
populasi mempunyai peluang yang sama untuk terpilih. Metode yang termasuk
probability sampling diantaranya simple random sampling, stratified random
sampling, cluster sampling. Metode yang termasuk non-probability sampling
diantaranya systematic sampling, accidental sampling, quota sampling, purposive
sampling, snowball sampling.
Simple Random Sampling diterapkan pada populasi yang homogen,
pengambilan sampel dilakukan secara acak di dalam populasi sehingga setiap
anggota populasi mempunyai peluang acak yang sama untuk terpilih.
Stratified Random Sampling diterapkan pada populasi yang terdiri atas
beberapa strata, antar strata tidak homogen, pengambilan sampel dilakukan secara
acak pada tiap strata sehingga setiap anggota strata punya kemungkinan yang sama
untuk terpilih, banyaknya sampel yang diambil pada setiap strata bisa dilakukan
secara proporsional atau tidak.
Cluster Sampling diterapkan pada populasi yang terdiri atas beberapa
kelompok yang homogen, yang dipilih secara acak adalah kelompok sehingga tiap
kelompok punya kemungkinan yang sama untuk terpilih, pada kelompok terpilih
dilakukan pencatatan pada seluruh anggota kelompok, jika pada setiap kelompok
6
BAB 1. PENDAHULUAN
terpilih masih dilakukan pemilihan secara acak anggota kelompoknya maka metode
ini disebut sampling dua tahap, tahap pertama disebut cluster sampling, tahap kedua
disebut simple random sampling pada tiap kelompok.
Systematic Sampling dilakukan dengan cara setiap anggota populasi diberi
nomor 1,2, … N. Sampel pertama ditentukan pada nomor populasi b, sampel kedua
dan seterusnya adalah nomor: b+k, b+2k, b+3k, …, dimana besarnya ditentukan.
Accidental Sampling adalah sampel yang dipilih secara kebetulan berjumpa
dengan pengumpulan sampel. Quota Sampling adalah pengumpulan sampel
dilakukan sampai jatah besarnya sampel yang diinginkan terpenuhi. Purposive
Sampling adalah sampel yang dipilih dipertimbangankan dengan tujuan penelitian.
Snowball Sampling dilakukan dengan cara pada tahap pertama ditentukan 1, …, k
sampel. Tahap berikutnya masing-masing sampel pada tahap pertama diminta
menentukan k sampel dan seterusnya, metode ini bisa dikombinasikan dengan quota
sampling.
1.3.5. Dasar Pemograman di dalam MINITAB
Minitab adalah suatu software statistik yang mudah digunakan, baik
menggunakan menu yang tersedia di dalam MINITAB maupun dengan
menggunakan suatu program. Program yang dibuat di dalam MINITAB biasa disebut
macro. MINITAB macros adalah kumpulan dari MINITAB commands yang
disimpan dalam suatu file. Ada 2 jenis macro di dalam MINITAB, yaitu GLOBAL
Macros biasa disebut simple macro dan LOCAL Macros Biasa disebut advanced
macro.
a. GLOBAL Macro
Struktur pemrograman GLOBAL Macro adalah sebagai berikut:
GMACRO Template Body of the macro ENDMACRO
Penjelasan
• GMACRO dan ENDMACRO adalah statement yang menandai awal dan akhir
program macro
7
BAB 1. PENDAHULUAN
• Template adalah nama dari macro .
Contoh combinasi nama file dan template yang benar:
Template File name Invoked by MyMacro MYMACRO.MAC %MYMACRO Analyze TEST.MAC %TEST Analyze2 TEST2.TXT %TEST2.TXT
• Body of the macro adalah tempat minitab commands dan macro statements.
b. LOCAL Macro
Struktur pemrograman GLOBAL Macro adalah sebagai berikut:
MACRO Template Declaration statements Body of the macro ENDMACRO
Penjelasan
• MACRO dan ENDMACRO adalah statement yang menandai awal dan akhir
program macro
• Template adalah nama dari macro command dan subcommand.
Contoh combinasi nama file dan template yang benar:
Template Invoked by
Trim X Xbar %TRIM C5 KI Trim X Xbar; Percent Pct,
%TRIM C1 C5 PERCENT 5.
• Declaration statements untuk mendeklarasikan variabel
Semua variabel yang digunakan dalam local macro harus dideklarasikan.
Deklarasi variabel adalah mendeklarasi variabel sesuai dengan type variabel yang
diharapkan. Ada 3 jenis type variabel yaitu column (dideklarasikan Mcolumn),
constant (dideklarasikan Mconstant) dan matriks (dideklarasikan Mmatrix).
Syntax:
MCOLUMN variabel 1, variabel 2
MCONSTANT variabel 1, variabel 2
MMATRIX variabel 1, variabel 2
8
BAB 1. PENDAHULUAN
• Body of the macro adalah tempat minitab commands dan macro statemants.
CONTOH GLOBAL MACROS CONTOH LOCAL MACROS
GMACRO ANALYZE PRINT C1-C3 DESCRIBE C1-C3 LET C5 = LOGE (C1) REGRESS C5 2 C2 C3 ENDMACRO
MACRO TRIM X XBAR; PERCENT PCT. MCONSTANT N T1 T2 XBAR PCT MCOLUMN X XSORT XTRIM DEFAULT PCT=5 LET N=COUNT(X) LET T1=ROUND(N*PCT/100) LET T2=N-T1+1 IF T1 =0 LET XTRIM=X ELSE LET XSORT = SORT(X) COPY XSORT XTRIM; OMIT 1: T1 T2:N. LET XBAR = MEAN(XTRIM) ENDIF ENDMACRO
Pembuatan macro MINITAB dapat dilakukan dengan dua cara, yaitu:
1. Menggunakan text editor word processor untuk menulis macro, lalu menyimpan
file macro dalam bentuk file teks.
2. Menggunakan MINITAB session dengan langkah sebagai berikut:
a. Eksekusi beberapa command secara iterative
b. Choose Window>History
c. Blok beberapa command yang diinginkan untuk dimasukkan dalam macro,
pilih Edit>Copy
d. Buka sembarang word processing dan pilih Edit>Paste
e. Ubah beberapa command jika diinginkan, lalu sisipkan 3 baris yaitu:
GMARCO pada awal file
Template
ENDMACRO pada akhir
f. Simpan perubahan tersebut dalam format text
9
BAB 1. PENDAHULUAN
Macro yang telah dibuat dapat dijalankan dengan cara sebagai berikut:
%ANALIS : Jika file ANALIS.MAC disimpan pada subdirectory \MACROS dari directory minitab
%C:\SALES\ANALIS : Jika file ANALIS.MAC disimpan pada subdirectory \SALES dari directory C:
%TEST.TXT : Jika file TEST.TXT disimpan pada subdirectory \MACROS dari directory minitab
%C:\SALES\ANALIS.TXT : Jika file ANALIS.TXT disimpan pada subdirectory \SALE dari directory C:
Di dalam pemrograman macro MINITAB terdapat crontol statement sebagai
berikut:
a. IF, ELSEIF, ELSE, ENDIF
IF ekspresi logika (blok commands minitab dan statement macro)
ELSEIF ekspresi ligika (blok commands minitab dan statement macro)
ELSE (blok commands minitab dan statement macro)
ENDIF Untuk ekspresi logika dapat menggunakan operator Boolean berikut ini:
= atau EQ Sama dengan
~= atau NE Tidak sama dengan
< atau LT Kurang dari
> atau GT Lebih dari
<= atau LE Kurang dari atau sama
dengan
>= atau GE Lebih dari atau sama
dengan
& atau AND
| atau OR
~ atau NOT
10
BAB 1. PENDAHULUAN
Contoh: GMACRO SMALLL LET K1=MEAN(C1) LET K2=MEAN(C2) LET K3=MEAN(C3) IF K1 < K2 AND K1 < K3 PRINT C1 ELSEIF K2 < K1 AND K2 < K3 PRINT C2 ELSEIF K3 < K1 AND K3 < K2 PRINT C3 ELSE NOTE Note: tidak ada ENDIF ENDMACRO
b. DO, ENDDO
DO K = suatu bilangan
(blok commands minitab dan statement macro) ENDDO Contoh: MACRO MOVAVE X Y MCONSTANT N I MCOLUMN X Y LET N = COUNT(X) LET Y(1)=’*’ LET Y(2)=‘*’ DO I = 3 : N LET Y(1) = (X(I) + X(I+I) + X(1-2)/3 ENDDO ENDMACRO
11
BAB 1. PENDAHULUAN
c. WHILE, ENDWHILE
WHILE ekspresi logika
(blok commands minitab dan statement macro) ENDWHILE
Contoh: GMACRO ROOT NAME K90 =’X’ K91=‘Y’ K92=‘Xlow’ K93=‘Ylow’ LET ‘X’=0 LET ‘Y’=-1 WHILE ‘Y’<0 LET ‘X’ = ‘X’ +0.01 LET ‘Y’ = -1 + ‘X’ + ‘X’**3 ENDWHILE LET ‘Xlow’ = ‘x’ – 0.01 LET ‘Ylow’ = -1 + ‘Xlow’ + ‘Xlow”**3 PRINT ‘Xlow’ ‘Ylow’ ‘X’ ‘Y’ ENDMACRO
d. GOTO, MLABEL
GOTO number (commands minitab dan statement macro lainnya)
MLABEL number
Contoh: GMACRO NOMISS LET K90 = COUNT(C1) DO K91 = 1: K90 IF C1(K91) = ‘*’ GOTO 5 ENDIF ENDDO MLABEL 5 DELETE K91:K90 C1 ENDMACRO
12
BAB 1. PENDAHULUAN
e. MENJALANKAN MACRO DARI DALAM MACRO
Contoh:
ANALIS.MAC
GMACRO ANALIS LET K90 = COUNT(C1) IF K90 < 5 %TOOSMALL ELSE %OK ENDIF ENDMACRO
TOOSMALL.MAC GMACRO TOOSMALL NOTE Data kurang dari 5 pengamatan PRINT C1-C3 ENDMACRO
OK.MAC GMACRO OK PRINT C1-C3 DESCRIBE C1-C3 LET C5=LOGE(C1) REGRESS C5 2 C2 C3 ENDMACRO
f. CALL, RETURN
Didalam sebuah file dapat terdiri lebih dari satu macro. Untuk mengontrol
macro yang ada digunakan CALL dan RETURN
CALL template
RETURN
13
BAB 1. PENDAHULUAN
Contoh:
ANALIS.MAC GMACRO ANALIS LET K90 = COUNT(C1) IF K90 < 5 CALL TOOSMALL PRINT C1-C3 ELSE CALL OK PRINT C1-C3 C5 ENDIF ENDMACRO GMACRO TOOSMALL NOTE Data kurang dari 5 pengamatan RETURN ENDMACRO GMACRO OK PRINT C1-C3 DESCRIBE C1-C3 LET C5=LOGE(C1) REGRESS C5 2 C2 C3 RETURN ENDMACRO
1.3.6. Manajemen Data di SPSS
Berikut akan dibahas berbagai macam cara untuk mengelola data dengan
bantuan SPSS. Manajemen data dengan SPSS ini meliputi :
a. Pendefinisian variabel
b. Pembersihan data
c. export/import data
d. Penggabungan data
e. Pemilihan data
f. Pemecahan data
g. Penyusunan syntax
14
BAB 1. PENDAHULUAN
a. Pendefinisian Variabel
Sebelum melakukan pemasukan data, biasanya dilakukan pendefinisian
variabel yang meliputi nama variabel , jenisnya (numerik atau bukan), pemberian
label, dan missing value. Sebagai contoh disajikan contoh peragaan pendefinisian
variabel jenis kelamin responden :
klik [data + define variable]
Variabel jenis kelamin responden diberi nama: sex, dan setelah nama variabel
ditentukan maka selanjutnya ditentukan jenis variabel dengan mengklik Type
Variabel sex ini jenisnya adalah numeric dengan lebar 1 angka, angka yang
diisikan nantinya adalah 1 untuk laki-laki, dan 2 untuk perempuan. Untuk memberi
label seperti ini dilakukan perintah dengan mengklik Labels
15
BAB 1. PENDAHULUAN
Variabel sex diberi label Jenis Kelamin Responden dan bernilai 1 untuk laki-
laki dan 2 untuk perempu-an, jika ada responden yang tidak mengisi perta-nyaan ini,
maka hal ini disebut missing values. untuk memfasilitasi hal ini dapat dilakukan
dengan mengklik Missing Values di define variable window
Jika ada responden yang tidak mengisi pertanyaan jenis kelamin, maka ditandai
dengan -1, pemilihan lambing bilangan untuk missing values biasanya diberi sebagai
suatu nilai yang tidak mungkin seandainya variabel tersebut terisi
b. Pembersihan Data
Data yang sudah dimasukkan dengan bantuan komputer, masih dimungkinkan
untuk salah dimasukkan akibat kelalaian manusia. Untuk memeriksa adanya
kesalahan semacam ini dapat digunakan distribusi frekuensi untuk data yang
bersklala diskrit ataupun nilai statistik deskriptif untuk data yang berskala kontinyu.
16
BAB 1. PENDAHULUAN
Jenis Kelamin Responden
47 47.0 48.5 48.547 47.0 48.5 96.92 2.0 2.1 99.01 1.0 1.0 100.0
97 97.0 100.03 3.0
100 100.0
Laki-lakiPerempuan34Total
Valid
-1MissingTotal
Frequency Percent Valid PercentCumulative
Percent
Dari contoh distribusi frekuensi di atas, terlihat ada jenis kelamin yang bernilai
3 dan 4 , sehingga masih ada kesalahan yang perlu untuk diperbaiki dengan melihat
kembali data yang tercatat sebelum dimasukkan ke komputer.
Descriptive Statistics
98 8.00 14800.00 7904.1633 3609.45489
98
NIlai makansiang kemarinValid N (listwise)
N Minimum Maximum Mean Std. Deviation
Rata-rata komsumsi responden untuk sekali makan siang adalah adalah 7904
rupiah dengan nilai minimum 8 rupiah, nilai minimum 8 rupiah jelas merupakan data
yang salah mengingat tidak mungkin sekali makan siang menghabiskan 8 rupiah.
Sehingga perlu diadakan perbaikan data dengan memeriksa kembali catatan data
sebelum dimasukkan ke komputer. Pemriksaan kesalahan data dapat juga dengan
melibatkan dua variabel seperti contoh berikut :
Banyaknya anak * status perkawinan Crosstabulation
Count
0 46 4613 2 1511 0 1117 0 17
8 0 849 48 97
.001.002.003.004.00
Banyaknyaanak
Total
MenikahBelum
Menikah
status perkawinan
Total
17
BAB 1. PENDAHULUAN
Ada responden yang belum menikah yang sudah mempunyai anak, hal ini perlu
dilakukan pemeriksaan, apakah memang benar seperti ini atau terjadi kesalahan.
c. Export/Import Data
Setiap program paket Statistika diharapkan mampu berkomunikasi dengan
program paket Statistika yang lain dengan cara mampu untuk berbagi data, atau data
yang telah disimpan dengan program paket A diharapkan dapat diolah oleh program
B, sebagai contoh diperagakan hal berikut :
1. Buka data world95.sav dengan SPSS
klik [File + Open + Data]
2. Simpan data dengan type dbf ke c:\My Documents\world95.dbf
Klik [ File + Save As… ]
18
BAB 1. PENDAHULUAN
3. Buka world95.dbf dengan bantuan MINITAB
Klik [File + Open Worksheet]
dan data world95 siap diolah dengan bantuan MINITAB
d. Penggabungan Data
Program paket SPSS mempunyai kemampuan untuk menggabung file
kesamping atau ke bawah :
Contoh penggabungan kesamping adalah sebagai berikut:
19
BAB 1. PENDAHULUAN
Ada dua file, yaitu :
File Biodata : NRP, Nama, Tempat Lahir, Tgl Lahir, Jenis Kelamin
File NIlai : NRP, PMS, MAT1, MAT2, ED, AR
Dua file ini dapat digabung jika ada variabel yang bersifat unik (nilainya
berbeda untuk mahasiswa yang berbeda), variabel ini disebut juga sebagai key
variable. Dalam hal ini variabel tersebut adalah NRP. Dengan bantuan SPSS
penggabungan tersebut dapat dilakukan dengan tahapan :
1. Buka file pertama dengan cara File+Open+data
2. Gabung dengan file kedua dengan cara klik Data+Merge Files+Add Variables
kemudian isikan key-variablenya
Contoh penggabungan kebawah adalah sebagai berikut:
Ada dua file, yaitu:
File NIlai 1 : NRP, PMS, MAT1, MAT2, ED, AR
File NIlai 2 : NRP, PMS, MAT1, MAT2, ED, AR
Dengan bantuan SPSS penggabungan tersebut dapat dilakukan dengan tahapan:
1. Buka file pertama dengan cara [File + Open + data]
2. Gabung dengan file kedua dengan cara klik [Data + Merge Files + Add cases]
kemudian isikan key-variablenya
e. Pemilihan Data
Di dalam program paket SPSS tersedia fasilitas pemilihan kasus, sehingga
analisis Statistika yang dilakukan hanya valid untuk kasus yang terpilih. Contoh
peragaan dari fasilitas ini menampilkan scatter-plot dari harapan hidup perempuan
dan pendapatan perkapita untuk Negara-negara di Asia/Pasifik.
1. Pemilihan Negara-negara Asia, klik [Data + Select Cases]
20
BAB 1. PENDAHULUAN
klik if
Dari hasil pemilihan Negara dari region=3(Asia) akan tampak hasil berikut :
21
BAB 1. PENDAHULUAN
maka negara-negara yang tidak terpilih akan tercoret.
2. Scatter-plot, dengan cara klik [Graph + Scatter + Simple]
klik [options]
22
BAB 1. PENDAHULUAN
f. Pemecahan Data
Di dalam program paket SPSS juga tersedia vasilitas pengelompokan data
berdasarkan nilai variabel tertentu. Setetlah pengelompokan dilakukan maka analisis
yang dilakukan, hasilnya akan disajikan pada setiap kelompok variabel tersebut.
Contoh peragaan dari pemecahan data adalah :
Tampilkan scatter-plot antara harapan hidup perempuan dan pendapatan
perkapita pada setiap region(Asia, Afrika,…).
1. Pemecahan Data: Klik [Data + Split File]
2. Scatter-Plot, klik [Graph + Scatter + Simple]
23
BAB 1. PENDAHULUAN
Akan disajikan scatter-plotuntuk setiap region.
g. Penyusunan Syntax
Program paket SPSS dapat dioperasikan dengan dua macam cara. Cara pertama
melalui klik pada menu yang ada dan cara kedua dengan cara menuliskan syntax.
Contoh penulisan syntax adalaghsebagai berikut :
Klik [File + New + Syntax], kemudian tuliskan perintah-perintah yang dibutuhkan:
Cara pengoperasian SPSS akan terasa lebih efisien, bila data berukuran besar
dan analisis yang akan dilakukan pada data tersebut ada banyak macamnya.