laporan praktikum statistika

BAB I

PENDAHULUAN

1.1 Latar Belakang

Dalam era dimana teknologi informasi telah berkembang pesat, setiap

perusahaan seharusnya dapat memanfaatkan data dan informasi, baik yang

telah dimilikinya maupun yang dapat diperoleh diluar instansinya, untuk

mengambil keputusan yang tepat dan obyektif. Kepekaan dan keakuratan

pengambilan keputusan akan dapat ditingkatkan dengan menggunakan

metode dan teknologi yang tepat serta keahlian dan ketrampilan yang

handal. SPSS Indonesia mewakili SPSS Inc., produsen software statistik dan

data mining yang berkedudukan di Chicago, USA, untuk wilayah Indonesia.

SPSS adalah singkatan dari Statistical Products and Solution Services.

SPSS menyediakan beraneka ragam software, yang umum maupun

spesifik. Untuk mengoptimalkan investasi suatu perusahaan/instansi

pembeli software, kami menyediakan fasilitas pelatihan bagi konsumen,

baik yang bersifat umum maupun dirancang khusus untuk kebutuhan

spesifik suatu perusahaan. Sebagai perwakilan dari SPSS Inc., yang

merupakan suatu perusahaan internasional, paket-paket pelatihan kami

bersertifikat internasional. Software Statistik dan Data Mining SPSS sangat

mudah digunakan (userfriendly) dan mempunyai banyak fasilitas untuk

mempersiapkan, mengolah dan menganalisis data secara statistik. Software

maupun pelatihan tersedia dalam berbagai modul yang dapat dipilih sesuai

kebutuhan konsumen. Juga tersedia software untuk membantu pembuatan

kuesioner serta pemasukan data secara otomatis.

1.2 Permasalahan

1.2.1 Pada saat ini bidang statistik dikenal sebagai suatu alat untuk menguji

konsep-konsep dan untuk merasakan arah-arah didalam berbagai

ragam disiplin ilmu.

1.2.2 Statistik diperlukan di dalam dunia perguruan tinggi dan dunia

perusahaan serta di dalam kehidupan sehari-hari.

1

1.2.3 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 yang paling populer.

1.3 Tujuan Praktikum

Tujuan dari praktikum statistik SPSS kali ini adalah, mahasiswa diharapkan:

1. Memperkenalkan kepada praktikan tentang paket program SPSS.

2. Agar praktikan tahu dan mampu melakukan deskripsi dan inferensi data

dengan SPSS.

1.4 Manfaat Praktikum

1.4.1 Memberikan pengetahuan baru kepada praktikan tentang program

SPSS.

1.4.2 Praktikan tahu dan mampu melakukan deskripsi dan inferensia data

dengan menggunakan SPSS

1.4.3 Merupakan suatu bekal untuk praktikan dalam melakukan riset.

2

BAB II

TINJAUAN PUSTAKA

2.1 Pengertian dan Peranan Statistika

2.1.1 Pengertian Statistika

Statistika adalah ilmu yang antara lain mempelajari cara-cara

menetukan suatu penduga bagi suatu parameter, serta kemudian

bertugas mengambil kesimpulan mengenai nilai parameter tersebut

berasarkan nilai penduga yang didapat. (Andi Hakim, 1993)

Statistika adalah metode, ilmu dan atau seni yang berkaitan

dengan tata cara pengumpulan data, analisis data, interpretasi hasil

analisis untuk disimpulkan serta pelaksanaan perkiraan pada batas-

batas yang masih dibenarkan. (Solimun, 1997)

Statistika adalah ilmu pengetahuan murni dan terapan,

mengenai penciptaan, pengembangan dan penerapan teknik-teknik

sedemikian rupa sehingga ketidakpastian inferesia induktif dapat

dievaluasi (diperhitungkan). (Torrie, 1993)

Statistika adalah ilmu yang mempelajari bagaimana

merencanakan, mengumpulkan, menganalisis, menginterpretasi dan

mempresentasikan data. Atau dengan kata lain statistika adalah ilmu

yang berkenaan dengan data. Sedangkan statistik adalah data

informasi atau hasil penerapan algoritma statistika pada suatu data.

(Wikipedia)

Statistik adalah luas, baik statistika sebagai data atau informasi

yang berupa angka, sebagai sistem yang memadukan penyelenggaraan

statistika, maupun sebagai ilmu yang mempelajari cara pengumpulan,

pengolahan, penyajian, dan analisis data. (Undang-Undang Statistik

Republik Indonesia, 1997)

3

2.1.2 Peranan Statistika

Peranan statistika dalam penelitian adalah sebagai berikut:

Memberikan informasi tentang karakteristik distribusi suatu

populasi tertentu, baik diskrit maupun kontinyu. Pengetahuan ini

berguna dalam menghayati perilaku populasi yang sedang diamati

Menyediakan prosedur praktis dalam melakukan survey

pengumpulan data melalui metode pengumpulan data (teknik

sampling). Pengetahuan ini berguna untuk mendapatkan hasil

pengukuran yang terpercaya

Menyediakan prosedur praktis untuk menduga karakteristik suatu

populasi melalui pendekatan karakteristik sampel, baik melalui

metode penaksiran, metode pengujian hipotesis, metode analisis

varians. Pengetahuan ini berguna untuk mengetahui ukuran

pemusatan dan ukuran penyebaran serta perbedaan dan kesamaan

populasi.

Menyediakan prosedur praktis untuk meramal keadaan suatu

obyek tertentu di masa mendatang berdasarkan keadaan di masa

lalu dan masa sekarang. Melalui metode regresi dan metode deret

waktu. Pengetahuan ini berguna memperkecil resiko akibat

ketidakpastian yang dihadapi di masa mendatang.

Menyediakan prosedur praktis untuk melakukan pengujian

terhadap data yang bersifat kualitatif melalui statistik non

parametrik.

2.2 Variabel Statistika dan Skala Pengukuran

2.2.1 Variabel Statistika

Variabel adalah suatu fungsi yang mentransformasikan

(memberi nilai) hasil percobaan random (dapat berupa pengamatan,

kejadian, peristiwa) kedalam himpunan bilangan riil.Karakteristik atau

sifat-sifat dari unit suatu populasi secara individual dinyatakan dalam

variabel.Dengan konsep variabel random, maka setia hasil percobaan /

4

kejadian / objek dapat dinyatakan ke dalam suatu bilangan riil dan

disertai nilai probabilitanya.

Analisis statistika sangat tergantung dari jumlah variabel yang

digunakan dalam analisis. Analisis statistika dengan melibatkan satu

buah variabel menggunakan statistika univariat, sedangkan analisis

dengan menggunakan jumlah variabel lebih dari satu menggunakan

statistika multivariat. Jenis variabel dalam statistika dapat dibedakan

sebagai variabel bebas (independent) dan variabel tak bebas atau

bergantung (dependent). Dalam setiap analisis statistika selalu

menggunakan asumsi dalam hal variabel, apakah variabel tersebut

berposisi sebagai variabel bebas atau variabel tak bebas atau

bergantung.

Dalam bidang penerapan, hubungan variabel bebas (= x) dan

variabel bergantung (= y) dapat diberikan ilustrasi seperti pada

gambar di atas.Hubungan variabel dapat dinyatakan sebagai fungsi

matematika, fungsi y = f(x) yang menyatakan hubungan antara

variabel bebas x dan variabel bergantung y dinyatakan dalam fungsi y

= f(x).Dala gambar di atas, variabel bebas x dapat berupa input dan

proses, sedangkan variabel bergantung berupa variabel y sebagai

produk.

2.2.2 Skala Pengukuran

Pengukuran data adalah penetapan atau pemberian angka-

angka atau bilangan terhadap suatu objek yang diamati sesuai dengan

aturan-aturan yang berlaku.Hasil pengukuran merupakan informasi

data dari sistem ampiris ke dalam sistem bilangan. Sistem bilangan

dideskripsikan untuk menjelaskan sistem empiris yang didefinisikan

sebagai sampel/populasi.Penetapan bilangan tersebut disesuaikan

dengan sifat objek yang diamati sesuai dengan skala pengukuran yang

digunakan.Skala pengukuran ini akan menentukan jenis analisis

statistika yang digunakan.

Jenis skala pengukuran dapat dijelaskan sebagai berikut :

5

a. Skala Nominal.

Skala ini digunakan , misalnya untuk

- Menyatakan kehadiran atau ketidakhadiran suatu sifat,

- Membagi objek kedalam kelompok-kelompok untuk

identifikasi.

Data dalam skala nominal merupakan data sifat (atribute data).

Untuk membedakan antara data satu dengan lainnya, setiap

kelompok dapat dibuat kode numerik (dapat dalam bentuk

bilangan).

Contoh : Kehadiran : pergi (=1) / tidak pergi (=2)

Hasil : sukses (=0) / gagal (=1)

Jenis Kelamin : pria (=1) / wanita (=2)

Mobil : sedan (=1) / truk (=2) / bus (=3)

b. Skala Ordinal.

Skala ini digunakan, misalnya untuk :

- Menyatakan suatu objek untuk memiliki satu sifat yang

dapatdibandingkan objek yang lain.

- Mengurutkan serangkaian pengamatan objek.

Data dengan skala ordinal digunaan untuk membedakan

peringkat dari suatu sifat yang dapat diurutkan.Untuk membedakan

satu sifat dengan lainnya dalam peringkat dapat dibuat kode

bilangan (numerik).

Contoh :

Rasa: enak sekali (=3), cukup enak (=2), tidak enak (=1)

Produk: baik (=1), lebih baik (=2), sangat baik (=3)

Data dengan skala ordinal dapat dianalisis dengan cara

matematis :

= (sama dengan), > (lebih besar), < (lebih kecil), ≠ (tidak sama

dengan).

c. Skala Interval.

Skala interval merupakan pengukuran di mana rasio

perbedaan dalam interval adalah tetap. Dengan skala interval dapat

6

membuat perbedaan dengan menambah, mengurangi, atau

mengurutkan objek.

Contoh : Suhu = 30◦ C, perbedaan suhu = 33= C - 28̊= C = 5̊= C

d. Skala Rasio.

Skala rasio merupakan pengukuran suatu objek dalam dua

tokoh ukur yang berbeda berkaitan satu sama lain dengan rasio

tetap. Dengan skala pengukuran dapat membuat perbedaan dengan

operasi matematik : tambah, kurang, kali dan bagi.

Contoh :

Harga = Rp 5̊00,-

Gaji = Rp 1,5̊ juta per bulan

tinggi = 5̊ meter.

2.3 Elemen Statistika

Meskipun statistik bisa diterapkan pada hampir semua aspek

kehidupan, namun ada beberapa elemen yang biasa terdapat dalam suatu

persoalan statistik, yaitu:

1. Populasi

Masalah dasar dari persoalan statistik adalah menentukan populasi

data. Secara umum populasi bisa didefinisikan sebagai sekumpulan data

yang mengidentifikasi suatu fenomena. Misal Pekerja di seluruh

Indonesia bias disebut suatu populasi; namun semua Pekerja di PT

UTAMA juga bias dikatakan populasi; bahkan Pekerja Wanita khusus di

bagian produksi yang bekerja lembur pada malam hari di PT UTAMA

tersebut juga bisa disebut suatu populasi. Jadi, definisi populasi lebih

bergantung pada kegunaan dan relevansi data yang dikumpulkan; jika

diinginkan diteliti kepuasan pekerja wanita yang bekerja malam di PT

UTAMA tersebut, maka populasi adalah Pekerja Wanita khusus di

bagian produksi yang bekerja lembur pada malam hari di PT

UTAMA.Namun, jika ingin diteliti status dan keadaan pekerja wanita di

7

Indonesi, maka populasi yang relevan adalah seluruh wanita Indonesia

yang aktifbekerja.Popuasi dalam statistika tidak hanya terbatas pada

masalah-masalah manusia atau bisnis, namun dapat lebih luas

cakupannya.Seperti populasi ayam di suatu daerah, populasi bakteri ‘X’

di suatu laboratorium, dan seterusnya.Juga populasi bisa sedemikian

besarnya hingga bisa dikatakan tak terbatas, seperti populasi oksigen di

dunia, populasi plankton di lautan dan sebagainya.

2. Sampel

Sampel bisa didefinisikan sebagai sekumpulan data yang diambil

atau diseleksi dari suatu populasi; seperti dalam kasus populasi di atas,

jika populasi adalah seluruh pekerja wanita di PT UTAMA, maka sampel

bisa sebagian pekerja wanita, atau beberapa pekerja wanita di perusahaan

tersebut.Dengan itu, jadi,

sampel pada dasarnya adalah bagian dari populasi, atau populasi

bisa dibagi dalam berbagai jenis sampel. Pengambilan sampel dilakukan

karena dalam praktek banyak kendala yang tidak memungkinkan seluruh

populasi diteliti. Kendala tersebut bisa karena situasi, waktu, tenaga,

biaya, dan sebagainya. Sebagai contoh, tidak mungkin akan diteliti

semua bakteri “X”di seluruh dunia; atau menghabiskan

banyak waktu dan biaya jika seluruh pekerja wanita di Indonesia

dijadikan objek penelitian. Oleh karena itu, pengambilan sampel (contoh)

data pada banyak kasus statistik merupakan suatu kebiasaan dan

karenanya metode pengambilan sampel menjadi bagian penting dari

statistik.

3. Variabel

Dalam melakukan inferensi terhadap populasi, tidak semua ciri

populasi harus diketahui. Hanya satu atau beberapa karateristik populasi

yang perlu diketahui, yang disebut sebagai variabel. Seperti untuk

meneliti kepuasan pekerja, variabel yang dianggap relevan bisa berupa

usia pekerja, gender pekerja, penghasilan pekerja, dan lainnya. Namun,

variabel seperti status pekerja, asal pekerja, atau tempat tinggal pekerja

bisa saja dianggap tidak relevan dan tidak perlu dianalisis.

8

4. Statistik Inferensi

Seperti telah dijelaskan di muka, statistik inferensi pada dasarnya

adalah suatu keputusan, perkiraan, atau generalisasi tentang suatu

populasi berdasarkan informasi yang terkandung dari suatu sampel. Pada

kasus pekerja wanita di atas, diambil sampel sebanyak 20 orang pekerja

wanita di PT UTAMA. Jika setelah dilakukan serangkaian analisis

statistik, ternyata umumnya para pekerja wanita bergaji rendah dan

merasa tidak puas dengan kondisi kerjanya, maka bisa disimpulkan

bahwa seluruh pekerja wanita di PT UTAMA (populasi) juga merasa

tidak puas dengan kondisi kerja dan tingkat gaji yang diterima selama ini.

Jadi, apa yang disimpulkan dari analisis terhadap sampel, itu pula yang

digeneralisasikan (kesimpulan umum) pada populasi.

2.4 Klasifikasi Statistika

2.4.1 Statistik Parametrik

Merupakan karakteristik dari hasil pengukuran suatu

objek.Ukuran parameter statistika dihitung dari data sampel atau

populasi.Parameter statistika yang sering digunakan dalam analisis

statistika, adalah :

a. Rata-rata

Rata-rata adalah nilai yang dapat mewakili besaran dari

objek yang diamati.Rata-rata dapat diartikan juga sebagaiukuran

data yang mendominasi dari seluruh data.Dalam komputasinya,

rata-rata dapat ditentukan dengan cara nilai tengan, dan nilainya

dihitung dengan cara rata-rata hitung, median dan modus.Ketiga

ukuran tersebut mempunyai sifat-sifat tersendiri yang tergantung

dari jenis penyebaran data.Jika penyebaran data mempunyai

distribusi frekuensi yang simetri terhadap rata-rata, maka nilai

dari ketiga nilai tengah adalah sama.

9

b. Varian atau deviasi standar

Varian merupakan pengukuran variasi sekitar mean.Variasi

diberikan oleh suatu nilai yang menunjukkan tingkat variabilitas

perbedaan data.Karena nilai rata-rata sering kali belum dapat

memberikan cukup informasi yang tepat mengenai parameter

rata-rata sebagai nilai tengah, maka diperlukan adanya ukuran

tingkat variabilitas data tersebut.

c. Korelasi

Korelasi adalah suatu nilai yang menyatakan hubungan

antar variabel.Jika dua variabel mempunyai korelasi, maka

kedua variabel random yang tidak saling bebas.Ukuran erat

tidaknya hubungan antara dua variabel ditunjukkan oleh

koefisien korelasi.Dengan diketahuinya koefisien korelasi, maka

dapat diketahui tingkat hubungan antara satu variabel lain.

2.4.1.1 Statistik Deskriptif

Statistika deskriptif berkenaan dgn bagaimana data

dapat digambarkan dideskripsikan) atau disimpulkan baik

secara numerik (misal menghitung rata-rata dan deviasi

standar) atau secara grafis (dalam bentuk tabel atau grafik)

utk mendapatkan gambaran sekilas mengenai data tersebut

sehingga lbh mudah dibaca dan bermakna.

2.4.1.2 Statistik Inferensia

Statistika inferensial berkenaan dgn permodelan data

dan melakukan pengambilan keputusan berdasarkan analisis

data misal melakukan pengujian hipotesis melakukan

estimasi pengamatan masa mendatang (estimasi atau

prediksi) membuat permodelan hubungan (korelasi regresi

ANOVA deret waktu) dan sebagainya.

10

2.4.2 Statistik Nonparametrik

Statistik non parametrik adalah statistika bebas sebaran (tdk

mensyaratkan bentuk sebaran parameter populasi, baik normal atau

tidak). Statistika non-parametrik biasanya digunakan untuk melakukan

analisis pada data berjenis Nominal atau Ordinal. Data berjenis

Nominal dan Ordinal tidak menyebar normal. Contoh metode

Statistika non-parametrik:Binomial test, Chi-square test, Median test,

Friedman Test, dll.

2.5 Korelasi dan Regresi Sederhana

2.5.1 Korelasi

Korelasi adalah suatu nilai yang menyatakan hubungan antar

variabel.Jika dua variabel mempunyai korelasi, maka kedua variabel

random yang tidak saling bebas.Ukuran erat tidaknya hubungan antara

dua variabel ditunjukkan oleh koefisien korelasi.Dengan diketahuinya

koefisien korelasi, maka dapat diketahui tingkat hubungan antara satu

variabel lain.

2.5.2 Regresi Sederhana

Analisis regresi digunakan untuk tujuan peramalan, dimana

dalam model tersebut ada sebuah variabel dependen (tergantung) dan

variabel independen (bebas).Sebagai contoh ada tiga variabel, yaitu

Penjualan, Biaya Promosi Penjualan dan Biaya Iklan.

Dalam praktek, akan dibahas bagaimana bagaimana hubungan

antara Biaya Promosi Penjualan dan Biaya Iklan terhadap Penjualan.

Di sini berarti ada variabel dependen yaitu Penjualan, sedangkan

variabel independennya adalah Biaya Promosi Penjualan dan Biaya

Iklan.

Metode Korelasi akan membahas keeratan hubungan, dalam

hal ini keeratan hubungan antara Biaya Promosi Penjualan dan Biaya

Iklan terhadap Penjualan.Sedangkan metode Regresi akan membahas

11

prediksi (peramalan), dalam hal ini apakah Penjualan di masa

mnedatang dapat diramalkan jika Biaya Promosi Penjualan dan Biaya

Iklan diketahui.Regresi sederhana jika hanya ada satu variabel

independen.

2.6 Window SPSS

Secara keseluruhan SPSS menyediakan tujuh window, yang meliputi:

1. Data Editor

Window ini terbuka secara otomatis setiap kali program SPSS dijalankan, dan

berfungsi untuk input data SPSS. Menu yang ada pada Data Editor adalah:

12

File

Menu File berfungsi untuk menangani hal-hal yang berhubungan dengan

file data, seperti membuat file baru, membuka file tertentu, mengambil

data dari program lain, mencetak isi dari Data Editor dan lainnya.

Edit

Menu Edit berfungsi untuk menangani hal-hal yang berhubungan dengan

memperbaiki atau mengubah nilai data (duplikasi data), menghilangkan

data, edit data dan lainnya. Selain itu, menu Edit juga berfungsi untuk

mengubah setting pada Options.

View

Menu view berfungsi untuk mengatur toolbar (status bar, penampakan

value lable dan sebagainya).

Data

Menu data berfungsi untuk membuat perubahan data SPSS secara

keseluruhan, seperti mengurutkan data, menyeleksi data berdasarkan

kriteria tertentu, menggabungkan data dan sebagainya.

Transform

Menu Transform berfungsi untuk membuat perubahan pada variabel yang

telah dipilihdengan kriteria tertentu.

Analyze (Statistics)

Menu Analyze merupakan menu inti dari SPSS, yang berfungsi untuk

melakukan semua prosedur perhitungan statistik, seperti uji-t, uji-F,

regresi, time series dan sebagainya.

Graphs

Menu Graphs berfungsi untuk membuat berbagai jenis grafik untuk

mendukung analisis statistik, seperti Pie, Line, Bar dan kombinasinya.

Utulities

Menu ini adalah menu tambahan yang mendukung program SPSS seperti :

Memberi informasi tentang variabel yang sekarang sedang

dikerjakan

Menjalankan Scripts

Mengatur tampilan menu-menu lain

13

Add-Ons

Menu ini juga merupakan menu tambahan yang berisi mengenai software

lain yang dapat diintegrasikan dengan SPSS, juga berisi sambungan on-

line dengan website SPSS guna kepentingan pelatihan dan pengembangan

SPSS.

Window

Menu ini berfungsi untuk pindah diantara menu-menu lain di SPSS

Help

Menu ini berfungsi untuk menyediakan bantuan informasi mengenai

program SPSS yang bisa diakses secara mudah dan jelas.

2. Menu Output Navigator

Jika menu Editor berfungsi untuk memasukkan data yang siap diolah oleh

SPSS, kemudian melakukan pengolahan data yang dilakukan lewat menu

Analyze, maka hasil pengolahan data atau informasi ditampilkan lewat menu

Output Navigator atau dapat disebut Output saja.

Menu Output pada prinsipnya sama dengan menu Editor, seperti: File, Edit,

View, Analyze, Graphs, Utilities, Window dan Help. Tentunya dengan

disesuaikan untuk kegunaan output SPSS. Selain menu ditas ada lagi menu

tambahan, yaitu:

Insert

Berfungsi untuk menyisipkan judul, grafik, teks atau objek tertentu dari

aplikasi lain.

Format

Berfungsi untuk mengubah tata letak huruf output.

3. Menu Pivot Tabel Editor

Ilmu Statistik banyak berhubungan dengan berbagai tabel dan banyak output

SPSS yang disajikan berbentuk tabel. Menu Pivot Tabel berhubungan dengan

pengerjaan tabel SPSS, seperti mentransformasi baris tabel menjadi kolom dan

14

sebaliknya, memindah baris dan kolom tabel, grouping atau ungrouping tabel

dan yang lainnya.

Karena pengerjaan Pivot table erat kaitannya dengan menu Output Navigator,

yaitu sebagai tempat editing tabel hasil output, maka menu ini mempunyai

submenu yang hampir sama dengan submenu pada Output Navigator.

4. Menu Chart Editor

Menu ini juga merupakan tempat editing bagi output hasil pengerjaan data di

menu Editor, hanya khusus untuk output berupa Grafik/Chart/Diagram. Sesuai

dengan fungsinya, selain submenu dasar seperti File, edit, View dan lainnya,

Char Editor juga dilengkapi submenu berikut:

Gallery

Berfungsi untuk mengubah jenis chart.

Chart

Untuk mengedit berbagai hal mengenai grafik, seperti layout dan

Labelling Grafik, skala grafik dan sebagainya.

Series

Untuk memilih kelompok data tertentu, transpose data atau menampilkan

seri data.

5. Menu Text Output Editor

Sama seperti menu Pivot table dan Chart berfungsi untuk edit output yang

berupa teks atau tulisan.

6. Menu Syntax Editor

Walaupun SPSS sudah menyediakan berbagai macam pengolahan data

statistik secara memadai, namun ada berbagai perintah atau pilihan yang

hanya bisa digunakan dengan SPSS Command Language. Perintah-perintah

tersebut bisa ditulis pada menu Syntax`Editor. Menu ini berupa file teks yang

berisi berbagai perintah SPSS dan bisa diketik secara manual.

15

7. Menu Script Editor

Menu ini pada dasarnya digunakan untuk melakukan berbagai pengerjaan

SPSS secara otomatis, seperti membuka menutup File, eksport Chart dan

sebagainya. Isi menu ini sama dengan menu terdahulu, hanya ditambah

dengan submenu Script untuk membuat berbagai subrutin dan fungsi baru,

serta submenu Debug untuk melakukan proses debug pada script.

16

BAB III

MATERI DAN METODE

3.1 Waktu dan Tempat Praktikum

Waktu : Pukul 13.00 – 15̊.00 WIB

Tempat : Ruang 306, kampus ilmu kelautan

Hari/tanggal : Kamis, 16 Desember 2010

3.2 Materi

– Pengenalan Paket Program SPSS

– Statistik Deskriptif (Explore)

– Menguji Normalitas Data dan Homogenitas Varians

– Scatter Plot

– Hipotesis

– Regresi dan Korelasi

3.3 Metode Praktikum

3.3.1 Pengenalan Paket Program SPSS

1. Buat file data dengan pendefinisian variabel berikut :

Name Type

Decimal

s Label

Values

Label

panjang comma 2 Panjang tiram

Jenis

numeri

k 0 jenis tiram 1 : "spat"

2 : "cc"

Untuk memberi label dan value label pada data gender, dapat

dilakuakan langkah-langkah sbb :

Pada sel di bawah label isi dengan “jenis”

Klik pada sel dibawah velue dam klik pada kotak abu-abu yang

selanjutnya muncul value labels dialog

Pada kotak value isi dengan angka 1

Pada kotak value label isi dengan “spat”

17

Klik tombol add

Lanjutkan proses dengan mengisi angka 2 pada kotak value

Pada kotak value label isi dengan “cc”

Klik tombol add

Klik ok

Hasil yang tampak pada data editor adalah sebagai berikut

Kemudian isi panjang tiram sesuai data dan isi jenis tiram “spat”

dengan 1 dan “cc” dengan 2. Hasil yang di tampilkan adalah:

18

2. Buat file data dengan pendefinisian variabel berikut :

Hasil yang tampak pada data editor adalah sebagai berikut :

Masukkan data yang tersedia ke dalam data view. Hasil

yang tampak adalah sebagai berikut:

20

Name Type

Decimal

s Label

Values

Label

kode

numeri

k 0 no

suhu comma 2 suhu

salinitas comma 2 saliitas

3.3.2 Statistik Deskriptif

Frequencies

Susun distribusi frekuensi untuk panjang dengan langkah sbb :

klik analyze

pilih deskriptive statistic

21

klik frequencies

Pindahkan data panjang dari kolom kiri ke kolom kanan dengan

cara mengeblok kemudian klik tanda panah.

Klik statistic kemudian beri tanda (v) pada persentile velue,

central tendency, dispersion dan distribution

Klik continue

22

Klik chart dan pilih histograms

Klik continue

Klik ok

Susun

distribusi

frekuensi untuk

jenis dengan

langkah sbb :

klik analyze

pilih

deskriptive

statistic

klik

frequencies

23

Pindahkan data gender dari kolom kiri ke kolom kanan dengan


Klik statistic kemudian beri tanda (v) pada persentile velue,

central tendency, dispersion dan distribution

Klik continue

Klik chart dan pilih pie charts

Klik continue

Klik ok

Explore

Langkah-langkah :

klik analyze


klik explore

24

Pindahkan data suhu dan salinitas dari kolom kiri ke kolom

dependent list dengan cara mengeblok kemudian klik tanda

panah.

Klik statistic kemudian beri tanda (v) pada descriptive.

Klik continue

25

Klik plots dan untuk keseragaman, pada boxplot pilih factor

levels together dan pada descriptive pilih stem and leaf.

Klik continue

Pada bagian displays pilih both.

Klik ok.

Transform

Langkah-langkah untuk transform suhu ke bentuk logaritma sbb:

klik transform

pilih compute

26

Pada bagian target variable ketik logsuhu (tanpa spasi)

klik tombol type & label

Pada bagian kolom label ketik suhu dan pada bagian type pilih

numeric.

Klik continue

Pada bagian kolom numerik expression ketik Lg10( ), klik 1 kali

dalam kurung tersebut kemudian mengeblok panjang dan klik

tanda panah.

27

Klik ok

3.3.3 Menguji Normalitas dan Homogenitas Varians

Langkah-langkah pengujian sbb:

28

klik analyze


klik explore

Pindahkan data fisika dari kolom kiri ke kolom dependent list

dengan cara mengeblok kemudian klik tanda panah.

29

Pindahkan data kode dari kolom kiri ke kolom factor list dengan


Klik statistic kemudian beri tanda (v) pada descriptive.

Klik continue

Klik plots dan untuk keseragaman, pada boxplot pilih non dan

pada descriptive tidak ada yang pilih atau stem and leaf di

deselect.

Beri tanda (v) pada normality plots with test

Pada bagian spread vs level with levene test pilih power

estimation.

30

Klik continue

Pada bagian displays pilih both.

Klik ok\

3.3.4 ScatterPlot

Langkah-langkah sbb:

klik graphs

pilih scatte / dot

klik simple scatter

klik define

31

Mengeblok logsuhu kemudian klik tanda panah X axis dan

mengeblok logsalinitas kemudian klik tanda panah Y axis.

Klik ok

3.3.5 Hipotesis

H0 = Tidak ada hubungan antara suhu dan salinitas pada sebaran

nitrat

H1 = ada hubungan antara suhu dan salinitas pada sebaran nitrat

3.3.6 Regresi dan Korelasi

Langkah-langkah sbb:

klik analyze

pilih regression dan dari serangkaian pilihan test untuk regresi,

sesuai kasus pilih linear.

Mengeblok logsalinitas kemudian klik tanda panah dependent dan

mengeblok logpanjang kemudian klik tanda panah independent.

Pada kolom method pilih enter.

33

Klik tombol statistik

Pada kolom regression coefficient pilih estimate.

Beri tanda (v) pada model fit dan descriptive.

Pada kolom residual beri tanda (v) pada casewise diagnostics dan

pilih all cases.

Klik continue

34

Klik tombol plots

Klik pilihan sdresid dan masukkan ke kolom Y lalu klik pilihan

zpred dan masukkan ke kolom X.

Klik tombol next

Klik pilihan zpred dan masukkan ke kolom Y lalu klik pilihan

dependnt dan masukkan ke kolom X.

Pada kolom standardized residual plots beri tanda (v) pada

normal probability plot.

Klik continue

Klik ok

35

BAB IV

HASIL DAN PEMBAHASAN

4.1 Hasil Praktikum

Data panjang cangkang tiram 25̊ responden yang diambil secara acak

yang terdiri dari tiram jenis spat dan cc.

36

no Jenis panjang

1 Spat 0.95

2 Spat 1.02

3 Cc 2.90

4 Cc 3.11

5 Cc 3.12

6 Spat 1.02

7 Spat 1.22

8 Spat 1.23

9 Spat 1.25

10 Cc 3.13

11 Cc 3.15

12 Cc 3.19

13 Cc 3.25

14 Cc 3.31

15 Cc 3.32

16 Spat 1.27

17 Spat 1.27

18 Spat 1.33

19 Spat 1.34

20 Spat 1.35

21 Cc 3.32

22 Spat 1.36

23 Cc 3.32

24 Spat 1.39

25 Spat 1.40

Data fisika stasiun 1.

no suhu salinitas

1 30.1451 32.1070

2 30.1296 32.1137

3 30.1529 32.1073

4 30.1136 32.1145

5 30.0707 32.1211

6 30.0409 32.1267

7 29.9771 32.1310

8 29.9310 32.1341

9 29.9047 32.1336

10 29.8997 32.1333

11 29.8943 32.1343

12 29.9020 32.1416

13 29.8997 32.1499

14 29.8996 32.1617

15 29.9063 32.1861

16 29.9081 32.2058

17 29.8880 32.2196

18 29.8600 32.2274

19 29.8188 32.2494

20 29.7740 32.2592

21 29.7079 32.2714

22 29.6454 32.3012

23 29.5933 32.3267

24 29.5448 32.3607

25 29.4605 32.4070


37

a) Data panjang csngkang tiram

b) Data fisika stasiun 1

38

4.1.2 Statistika Deskripsif (Explore)

a) Frequencies

Frekuensi untuk panjang tiram

40

Frekuensi untuk jenis tiram

42

b) Explore

43

c) Transform

46

4.1.3 Menguji Normalitas dan Varians

47

4.1.4 Scetterplot

4.1.5 Regresi dan Korelasi

51

4.2 Pembahasan


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.

4.2.2 Statistik Deskriptif (Explore)

Statistik deskriptif berguna untuk menggambarkan data yang kita

miliki dalam bentuk data, tabel, histogram, dan pie.

Menu-menu yang berhubungan dengan statistik deskriptif antara lian :

1. Frequencies : membahas beberapa penyebaran ukuran statistik

deskriptif seperti mean, median, kuartil, persentil, standar

deviasi,dll.

2. Explore :menampilkan deskripsi statistik yang lebih mendalam

seperti boxplots, diagram stem and leaf, dll.

Pada Pengolahan datanya, kita menggunakan beberapa data

untuk diuji yaitu :

Uji Frekuensi untuk panjang tiram

Di uji data dengan jumlah data sebanyak 25̊ buah. Hasil

yang didapat adalah sebagai berikut:

Mean = 2.1008̊

Median = 1.3900

Stan. Deviasi = 0.99719

Varians = 0.994

56

Skewness = 0.241

Kurtosis = -2.023

Range = 2.37

Nilai maksimum = 3.32

Nilai minimum = 0.95̊

Pada tabel frekuensi panjang tiram, 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 panjang 1.00-1.5̊0

Uji Frekuensi untuk jenis tiram

Di uji data dengan jumlah data sebanyak 25̊ buah. Hasil

yang didapat adalah sebagai berikut:

Mean = 1.44

Median = 1.00

Stan. Deviasi = 0.5̊07

Varians = 0.25̊7

Skewness = 0.25̊7

Kurtosis = -2.110

Range = 1

Nilai maksimum = 2

Nilai minimum = 1

Frekuensi spat = 14

Frekuensi cc = 11

Dari hasil berupa pie chart pada data jenis tiram frekuensi

terbanyak adalah spat.

Explore

Transform

Menu transform pada prinsipnya berfungsi mentransformasi

atau mengubah suatu data untuk keperluan-keperluan khusus.

57

Berdasarkan pengolahan data yang diambil dari data suhu

dan salinitas. Didapatkan bahwa transform dengan menlogkan suhu

dan salinitas secara umum lebih dari 1. Transform tidak hanya ke

bentuk log saja, namun juga bisa ke bentuk lainnya.

4.2.3 Menguji Normalitas Data dan Homogenitas Varians

Dari data yang didapat pada tabel hasil case prossecing

summary kita menjadi tahu bahwa semua data valid adanya.

Untuk data suhu hasil yang didapat adalah:

Mean = 29.8̊8̊27

Median = 29.8̊8̊97

Stan. Deviasi = 0.018̊375̊

Varians = 0.034

Range = 0.69

Nilai maksimum =30.15̊

Nilai minimum = 29.46

Untuk data salinitas hasil yang didapat adalah:

Mean = 32.1930

Median = 32.1499

Stan. Deviasi = 0.08̊646

Varians = 0.007

Range = 0.030

Nilai maksimum = 32.41

Nilai minimum = 32.11

Output test of normality terlihat nilai signifikan pada data fisika

adalah suhu 0.019 dan salinitas 0.006. dimana nilai signifikansi < 0.05̊

sehingga distribusi datanya berdistribusi tidak normal.

4.2.4 Scatterplot

Deskriptive ini digunakan untuk mengetahui sebaran data pada

statistik univarian. Dari hasl terlihat sebaran data dalam satu garis dan

terdistribusi secara normal.

58

4.2.5̊ Analisa Regresi Linier Sederhana

Analisa regresi linier sederhana merupakan analisis yang

membicarakan hubungan antara 2 buah variabel, yaitu variabel bebas

dan variabel tergantung. Tujuannya adalah untuk membuat sebuah

model yang baik dan memungkinkan kita untuk menaksir nilai y bagi

nilai-nilai x tertentu.

Di tabel descriptive kita mengetahui mean dari suhu adalah

1.475̊4 dengan standart deviasi 0.00268̊. sedangkan mean salinitas

adalah 1.5̊078̊ dengan standart deviasi 0.00116.

Di tabel correlations pada keterangan pearson correlation

suhu 1.000 sedangkan salinitas -0.939. Begitu juga pada pearson

correlesion salinitas berlaku kebalikannya. Tanda (-) menunjukkan

korelasi (-) artinya semakin kecil korelasi semakin lebar.

59

BAB V

KESIMPULAN DAN SARAN

1.1 Kesimpulan

Setelah melakukan praktikum SPSS ini maka dapat disimpulkan bahwa:

1) SPSS adalah salah satu program statistik yang dibuat untuk

mempermudah dalam menyelesaiakan masalah-masalah statistik.

2) Untuk menyelesaikan permasalahan-permasalahan statistik dapat

digunakan SPSS Data Eitor dengan beberapa uji diantaranya;

Uji frekuensi

Statistika deskrptive (explore)

Uji Normalitas dan Varians

Scetterplot

Hipotesis

Regresi dan Korelasi

3) Statistik dengan uji hipotesis yaitu untuk membuktikan dengan

alat statistika, apabila dugaan yang dimiliki dapat dibuktikan

benar atau sebaliknya. Ada dua kelompok besar yang dapat

dilakukan dengan uji hipotesis: uji hipotesis terkait uji rerata, dan

uji hubungan baik terbatas pada besarnya derajat asosiasi (uji

korelasi) atau mencari bentuk hubungan fungsional beberapa

variabel (uji regresi).

1.2 Saran

1) Seharusnya agar lebih efektif, efisien, dan optimal komputer untuk

mengolah data lebih diperbanyak lagi, sehingga tidak ada praktikan yang

mengerjakan pengolahan data dipraktikum berdesak-desakan.

2) Untuk praktikum selanjutnya agar asisten lebih selektif lagi dalam

memberi jadwal praktikum, agar tidak terulang kembali jadwal praktikum

yang tidak sesuai dengan jadwal sebelumnya.

3) Untuk pembelajaran pengolahan data seharusnya asisten lebih komunikatif

lagi dengan para praktikan.

60

DAFTAR PUSTAKA

Priyandi, Janesti. 2006. Tiram Di Perairan segera Anakan, Cilacap: Suatu Kajian

tentang Identifikasi Jenis, Kerapatan serta Analisa Saluran

Pencernaannya dan Kelimpahan Fitoplankton Di Habitatnya. UNDIP:

Semarang.

Tampomas, Husain. SUU: Sistem Persamaan Linear & Statistika.Grasindo;

Jakarta

Spiegel, Murray R. & Larry J. Stephens. 2007. Schaum's Outlines: Statistik edisi

ketiga. Erlangga; Jakarta

Wibowo, Nur Adi. 2010. Sebaran Nitrat (NO3) dan Fosfat (PO4) Dalam

Kaitannya dengan Biovolume Fitoplankton Di Perairan Karimunjawa,

Jepara. UNDIP: Semarang

http://smartstat.wordpress.com/2010/02/25̊/variabel-dan-data/

http://dr-suparyanto.blogspot.com/2010/03/variabel-statistik.html

http://bahankuliah.wordpress.com/2009/05̊/14/skala-pengukuran/

61

laporan praktikum statistika

Documents