4

6

7

BAB I

PENDAHULUAN

1.1 Mengenal SPSS

SPSS pertama kali dikembangkan sekitar tahun 1968 oleh Norman H. Niec Hadlay dan Dale Bent dari Standford University. Pada tahun1984 dikeluarkan SPSS untuk PC sedangkan untuk versi windows pada tahun 1992. (Statistical Package for the Social Sciences) merupakan software statistik yang paling populer. SPSS yang dalam pengertiannya merupakan paket statistik untuk ilmu sosial adalah sebuah program yang difungsikan untuk analisis statistik. Fungsi nya tidak jauh berbeda dengan program Microsoft Excel yakni dapat digunakan untuk menghitung dan membuat diagram.

SPSS merupakan sebuah program komputer statistik yang berfungi untuk membantu dalam memproses data-data statistik secara tepat dan cepat, serta menghasilkan berbagai output yang dikehendaki oleh para pengambil keputusan. Statistik dapat diartikan sebagai suatu kegiatan yang bertujuan untuk mengumpulkan data, meringkas atau menyajikan data kemudian menganalisis data dengan menggunakan metode tertentu, dan menginterpretasikan hasil dari analisis tersebut. Ilmu statistik ini dapat ditemui di berbagai disiplin ilmu seperti ekonomi, jurnalistik, psikologi, dan lain-lain. Sebagai contoh, dalam bidang ilmu manajemen ilmu statistik ini berfungsi untuk membantu dalam pengambilan keputusan atas suatu masalah tertentu. Dalam penghitungan statistik, alat yang sering digunakan adalah olah data SPSS.

Program olah data SPSS ini telah digunakan di berbagai bidang persoalan seperti riset pasar, pengendalian dan perbaikan mutu, serta riset-riset sains. Program SPSS ini sangat populer karena sering kali dijadikan sebagai alat untuk mempermudah proses pengolahan data. Sampai saat ini, program SPSS masih tetap dipakai dalam berbagai bidang seperti ilmu keuangan, telekomunikasi, retail, farmasi, militer, broadcasting, riset pemasaran, database marketing, penilaian kredit, peramalan bisnis, penilaian kepuasan konsumen, dan lain sebagainya. Program olah data SPSS ini sangat membantu dalam proses pengolahan data, sehingga hasil olah data yang dicapai juga dapat dipertanggungjawabkan dan terpercaya.

Berdasarkan sudut pandang statistik, terdapat dua jenis data yang dapat diolah menggunakan program SPSS, yaitu data kualitatif dan data kuantitatif. Data kualitatif merupakan data yang dapat dinyatakan dalam bentuk bukan angka, misalnya jenis pekerjaan seseorang yang meliputi nelayan, petani, pegawai, dan lain-lain. Selain itu bisa juga data gender (pria atau wanita), tingkat kepuasan seseorang mulai dari tidak puas, cukup puas, dan sangat puas, dan data lain yang berbentuk bukan angka. Data kualitatif seperti ini harus dikuantifikasi terlebih dahulu agar dapat diolah dengan statistik. Cara mengkuantifikasikan data kualitatif ini yaitu dengan cara memberi skor tertentu (wanita diberi skor 1, pria diberi skor 2), memberi rangking (tidak puas 1, cukup puas 2, dan sebagainya), atau memberi pendapat (Ya 1, Tidak 2). Ini akan memudahkan data untuk diolah dengan program SPSS.

Data kuantitatif merupakan suatu data yang dapat dinyatakan dalam bentuk angka, misalnya tinggi badan seseorang, usia seseorang, jumlah penjualan dalam satu bulan, jumlah bakteri dalam suatu percobaan, dan lain sebagainya. Karena data ini sudah berbentuk angka, maka akan mudah untuk diaplikasikan ke dalam olah data SPSS.

BAB II

DESKRIPSI KERJA

Pada laporan kali ini, praktikan akan menjelaskan langkah-langkah pengolahan data menggunakan SPSS berdasarkan kasus yang diterima. Untuk melakukan analisis deskriptif terhadap data didalam kasus, praktikan dapat melakukan langkah-langkah sebagai berikut:

2.1 Mengaktifkan SPSS

Pada praktik kali ini praktikan menggunakan aplikasi SPSS. Untuk memulai penggunaan program SPSS, cari shortcut pada layar desktop atau klik Start All Program SPSS klik program maka program akan muncul seperti pada gambar,

Gambar 2.1 Lembar kerja SPPS

2.2 Pada kasus yang pertama, praktikan telah mendapatkan data penjualan sepatu online, langkah pertama yang praktikan lakukan ialah meng-input nama variabel pada sheet variable view, tambahkan keterangan pada label dan atur banyak decimalnya. Seperti pada tampilan berikut,

Gambar 2.2 Tampilan variabel view pada kasus pertama

Selanjutnya lakukan input data yang telah diperoleh pada sheet data view,setelah itu simpan data dengan cara klik file save as ok, data yang telah tersimpan akan diakhiri dengan “.sav” .

2.3 Selanjutnya klik Data > Weight Cases yang terdapat pada menu toolbar. Visualisasinya seperti pada gambar berikut:

Gambar 2.3.1 Membuka weight cases

Maka akan muncul tampilan seperti pada gambar berikut,

Gambar 2.3.2 Tampilan weight cases

Kemudian klik pada pilihan Weight cases by, masukkan variabel “Jumlah_Produk” dengan meng-klik tanda lalu OK.

2.4 Data yang telah tersimpan dan di weight case, kemudian siap untuk diolah. Langkah yang dilakukan untuk menghasilkan tabel kontigensi 2x3x2 adalah klik Analyze Descriptive Statistics croostab , tampilan akan muncul seperti pada gambar dibawah,

Gambar 2.4.1 Membuka crosstabs

Maka akan muncul seperti pada gambar berikut,

Gambar 2.4.2 Tampilan Crosstabs

Masukkan variabel pada kotak row, column, dan layer, seperti pada gambar 2.4.2,

2.5 Setelah mengatur crosstabs, maka tampilan yang dihasilkan berupa penyajian data dengan tabel kontigensi 2x3x2 adalah seperti gambar 2.5 dibawah,

Gambar 2.5 Tampilan tabel kontigensi

2.6 Lalu pada kasus kedua, praktikan telah mendapatkan data persentase buta huruf pada setiap provinsi di Indonesia. Langkah awal yang dilakukan sama seperti pada kasus pertama, yakni meng-input variabel pada sheet variable view seperti pada gambar 2.2 diatas, lalu memasukkan datanya ke dalam sheet data view, dan menyimpannya dengan format “.sav”.

2.7 Setelah itu lakukan recode dan transformasi pada data tersebut, klik Transform Recode into different variables . kemudian akan muncul tampilan seperti pada gambar dibawah,

Gambar 2.7.1 Tampilan recode into different variables

Kemudian klik old and new values untuk mengatur nilai yang akan diubah pada variabel yang berbeda , seperti gambar berikut,

Gambar 2.7.2 Setting old and new values pada recode into different variables

2.8 Setelah itu lakukan recode dan transformasi lagi pada data tersebut seperti pada langkah 2.7 diatas hanya saja kali ini, klik Transform Recode into same variables, lalu akan muncul tampilan seperti pada gambar dibawah,

Gambar 2.8.1 Tampilan recode into same variables

Kemudian klik old and new values untuk mengatur nilai yang akan diubah pada variabel yang sama, seperti gambar berikut,

Gambar 2.8.2 Setting old and new values pada recode into same variables

2.9 Setelah didapat kategori kedua dari hasil transformasi ke variabel yang sama, maka selanjutnya adalah membuat grafik untuk memudahkan dalam menganalisa kategori buta huruf pada setiap provinsi. Untuk membuat grafik yang sederhana dan mudah, klik graphs legacy dialogs lalu pilih grafik yang diinginkan namun dapat menyesuaikan data dan mudah dibaca, berikut hasil dari grafik yang telah praktikan buat,

Gambar 2.9 Tampilan grafik kategori buta huruf tiap provinsi

BAB III

PEMBAHASAN

Setelah mengetahui garis besar langkah-langkah penyelesaian kasus pertama dan kedua menggunakan SPSS , pada bagian ini praktikan akan membahas lebih rinci langkah-langkah pengolahan data menggunakan SPSS tersebut. Adapun yang akan praktikan jelaskan yaitu cara membuat tabel kontigensi 2x3x2 dan menentukan kategori secara otomatis lalu membuat grafiknya untuk dianalisis. Pada pembahasan pertama praktikan melakukan langkah-langkah sebagai berikut:

3.1 Masukkan Data dan Variabel Kasus Pertama

Pastikan lembar kerja SPSS telah aktif dan siap digunakan, ada 2 sheet yang tersedia, yaitu sheet data view dan sheet variabel view,yang pertama harus dimasukkan adalah variabelnya, kemudian pada sheet variabel view lakukan pengaturan tipe data, jumlah desimalnya, default-nya jika ada dan sebagainya seperti pada gambar dibawah,

Gambar 3.1 Tampilan grafik kategori buta huruf tiap provinsi

Pada bagian Type, variabel pada soal kasus pertama merupakan variabel yang berisi data angka, maka tipe data yang diisikan adalah numerik, lalu Width digunakan untuk mengatur panjang karakter data, Decimals digunakan untuk mengatur decimal pada data numeriknya, Label tidak diisi tidak bermasalah, Values digunakan untuk menuliskan keterangan symbol atau kata pada data numerik agar dapat diketahui dan dibaca pada saat membuat tabel, lalu Missing juga tidak begitu dipermasalahkan, pada Columns diisi panjang data yang akan dimasukkan, hal itu sama dengan menentukan banyak kolom yang dibutuhkan untuk memasukkan datanya, Align merupakan pengaturan perataan tulisan pada kolom, dan terakhir adalah Measure yang digunakan untuk menentukan skala apa yang digunakan dalam variabel tersebut. Setelah melakukan pengaturan pada variabel view , maka langkah berikutnya ialah memasukan datanya pada sheet data view. Kemudian simpan data klik Save as Nama_project. sav Save.

3.2 Weight Case Data Tersimpan

Data yang telah tersimpan siap untuk diolah, yakni diawali dengan mem-Weight Cases data, dimana fungsinya adalah untuk memberikan makna bahwa jumlah kasus atau frekuesnsi kejadian diterangkan oleh variabel frekuensi . Dengan meng-klik Data Weight Cases, maka akan muncul tampilan seperti pada gambar berikut,

Gambar 3.2 Tampilan weight cases

Pengaturan Weight Cases, digunakan pada variabel yang memiliki data numerik dalam jumlah yang besar, pada kasus ini praktikan memasukkan variabel “Jumlah_Produk” kemudian klik OK .

3.3 Membuat Tabel Kontigensi 2x3x2

Untuk membuat tabel kontigensi, klik Descriptive Statistic Crosstabs maka akan muncul tampilan pengaturan crosstabs seperti gambar 3.3 dibawah,

Gambar 3.3.1 Tampilan Crosstabs

Masukkan variabel yang berisi 2 jenis data kedalam row, masukkan variabel berisi 3 jenis data kedalam column, dan masukkan variabel berisi 2 jenis data kedalam layer , dengan cara meng-klik tanda panah pada tiap kotak. Seperti pada gambar 3.3.1 diatas. Setelah itu klik OK , maka tabel kontigensi akan muncul seperti berikut,

Gambar 3.3.2 Tampilan tabel kontigensi 2x3x2

Perlu lagi diperhatikan, saat membuat tabel kontigensi, data harus di Weight Case , apabila tidak, maka akan terjadi perbedaan hasil isi data pada tabel kontigensi, berikut tabel kontigensi yang datanya “tidak” di Weight Case,

Gambar 3.3.3 Tampilan tabel kontigensi 2x3x2 yang tidak di Weigh Cases

3.4 Memasukkan Variabel dan Data dari Kasus Kedua

Bagian ini sama dengan pembahasan 3.1, hanya perbedaan terletak dipengaturan variabelnya, hanya ada 2 variabel pada kasus yang kedua, dapat dilihat seperti pada gambar dibawah,

Gambar 3.4 Tampilan grafik kategori buta huruf tiap provinsi

Pada bagian Type, variabel pada soal kasus pertama merupakan variabel yang berisi data angka yakni persentase buta huruf menggunakan tipe data Numeric, sedangkan pada variabel Provinsi berisi data nama-nama provinsi menggunakan tipe data String, Kemudian untuk Width digunakan untuk mengatur panjang karakter data, Decimals digunakan untuk mengatur decimal pada data numeriknya, Label tidak diisi tidak bermasalah, Values digunakan untuk menuliskan keterangan symbol atau kata pada data numerik agar dapat diketahui dalam pada kasus kedua ini, tidak ada Values yang digunakan, maka dikosongkan saja, lalu Missing juga tidak begitu dipermasalahkan, selanjutnya pada Columns diisi panjang data yang akan dimasukkan, hal itu sama dengan menentukan banyak kolom yang dibutuhkan untuk memasukkan datanya, Align merupakan pengaturan perataan tulisan pada kolom, dan terakhir adalah Measure yang digunakan untuk menentukan skala apa yang digunakan dalam variabel tersebut. Setelah melakukan pengaturan pada variabel view , maka langkah berikutnya ialah memasukan datanya pada sheet data view. Kemudian simpan data klik Save as Nama_project. sav Save.

3.5Recode Into Different Variables

Pada bagian ini, data akan diolah dengan mentransformasikan nilai menjadi suatu makna yang menggambarkan nilai dari variabel yang lain. Maka praktikan menggunakan Recode Into Different Variables, untuk membukanya klik Transform Recode into different variables . kemudian akan muncul tampilan seperti pada gambar dibawah,

Gambar 3.5.1 Tampilan recode into different variables

Pada gambar diatas, masukkan variabel kategori untuk menjadi output variabel atau variabel yang akan menjadi acuan dari nilai yang akan di recode, isi pada kolom “nama” dan label dengan sembarang nama lalu klik change, Kemudian klik old and new values untuk mengatur nilai yang akan diubah ke variabel yang berbeda , seperti gambar berikut,

4

1

3

2

Gambar 3.5.2 Setting old and new values pada recode into different variables

Pada kasus kedua, praktikan diperintahkan untuk membuat kategori dari persentase buta warna dengan ketentuan kategori rendah disimbolkan (0) nilainya ≤ 3, kategori “Sedang” simbolnya (1) nilainya 3 < c < 40, kategori “Tinggi” simbolnya (2) nilainya ≥ 40, maka untuk memasukkan kategori rendah, klik Range, LOWEST dan kotaknya diisi dengan angka “3.00”, kemudian dikotak Value diisi dengan symbol kategori rendah yaitu “0”, kedua yakni masukkan kategori “Sedang” klik Range yang paling atas, lalu masukkan kotak pertama dengan nilai “3.01” dan isi kotak dibawah through dengan nilai “39.99” lalu pada kotak Value diisi dengan symbol “1”, dan yang terakhir masukkan nilai untuk kategori “Rendah” dengan mengklik Range, HIGHEST, kotaknya diisi dengan nilai “4.00” lalu Value-nya symbol kategori yakni “2”. Perlu di perhatikan untuk nilai Range yang dimasukkan diikuti dengan 2 desimal karena data persentase buta huruf yang menjadi variabel acuan untuk membuat variabel yang baru bernilai angka dengan 2 desimal dibelakangnya, jika nilai range tidak diikuti 2 desimal, maka nilai yang hamper mendekati dibelakang koma tidak akan terbaca, otomatis kategorinya akan manjadi tidak valid. Untuk melanjutkan, klik Continue , maka akan muncul variabel dan data baru seperti pada gambar berikut,

Gambar 3.5.3 Variabel dan data baru yang dihasilkan

3.6Recode Into Same Variables

Setelah itu lakukan recode dan transformasi lagi pada data yang sama seperti pada langkah 3.7 diatas hanya saja kali ini berbedanya variabel yang ditransformasikan sama, caranya klik Transform Recode into same variables, lalu akan muncul tampilan seperti pada gambar dibawah,

Gambar 3.6.1 Tampilan recode into same variables

Kemudian klik old and new values untuk mengatur nilai yang akan diubah pada variabel yang sama, recode into same variables ini digunakan untuk mengubah data pada variabel kategori menjadi keterangan “Tinggi”,”Sedang”, dan “Rendah” seperti gambar berikut,

Gambar 3.6.2 Setting old and new values pada recode into same variables

Atur nilai yang akan diubah dengan mengisi kotak Old Value dengan data asli/ data awal, kemudian isi kotak New Value dengan data baru/ keterangan dari data lama, kemudian klik Continue , hasilnya akan muncul kolom baru dengan variabel yang sama tetapi datanya berbeda, seperti gambar berikut,

Gambar 3.6.3 Hasil dari record into same variables pada kategori

3.7Membuat Grafik

Setelah membuat kategori kedua dari hasil recode variabel yang sama, maka selanjutnya adalah membuat grafik untuk memudahkan praktikan dalam menganalisa kategori buta huruf pada setiap provinsi. Untuk membuat grafik yang sederhana dan mudah, klik graphs legacy dialogs lalu pilih grafik yang diinginkan namun dapat menyesuaikan data dan mudah dibaca. Untuk data pada kasus kedua ini, praktikan memilih grafik piramida, akan muncul pengaturan membuat grafik piramida seperti gambar 3.7.1

Gambar 3.7.1 Pengaturan grafik

Pada gambar diatas, variabel kategori dimasukkan kedalam kotak show distribution over dan variabel Provinsi dimasukkan kedalam kotak Split yang mana artinya adalah variabel provinsi yang membelah/memisahkan datanya untuk di kategorikan. Hasil dari grafiknya, seperti gambar 3.7.2 berikut,

Gambar 3.7.2 Tampilan grafik kategori buta huruf tiap provinsi

BAB IV

PENUTUP

Berdasarkan pembahasan yang telah dijelaskan langkah-langkahnya, user dapat menyimpulkan beberapa kesimpulan bahwa:

1. Pembuatan tabel kontigensi menggunakan SPSS cukup mudah

2. Penggunaan fungsi Weight Cases sangat penting sebelum membuat tabel kontigensi

3. Praktikan dapat merepresentasikan hasil dari data yang telah di-input-kan melalui output berupa tabel kontigensi.

4. SPSS mampu menginput dan meng-analisis data dalam jumlah banyak.

5. Memiliki banyak variasi untuk merepresentasikan hasil output kedalam bentuk grafik ataupun diagram.

6. SPSS dapat memasukkan data, mendefinisikan variabel, mendeskripsikan data serta mentransformasikan data.

7. Pembuatan tabel kontigensi menggunakan SPSS cukup mudah

8. Praktikan dapat merepresentasikan hasil dari data yang telah di-input-kan melalui output berupa tabel kontigensi.

DAFTAR PUSTAKA

Armanda, E.2014. Sejarah dan Pengertian SPSS. Diakses pada tanggal 17 Oktober 2015 dari http://ekiarmanda1993.blogspot.co.id/2014/11/sejarah-dan-pengertian-spss.html

Evers, P.2014. Transformasi Data Compute. Diakses pada tanggal 17 Oktober 2015 dari http://putraevers.blogspot.co.id/2014/03/transformasi-data-compute.html

Nugraha, Jaka. 2014. Modul Praktikum Analisis Data Eksplorasi. Universitas Islam Indonesia:Yogyakarta

23