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.