Laporan Statistika Deskriptif
Oleh:
Muhammad Kamil Nasution
Nomor Komputer 13
PRAKTIKUM STATISTIKA
Laboratorium Statistik dan Sosial
2024
BAB I. PENDAHULUAN
1.1. Latar Belakang
Statistik merupakan salah satu cabang dari ilmu matematika yang di dalamnya mempelajari suatu pengukuran, observasi dan analisis. Statistik mempunyai arti dasar yaitu suatu data ringkasan yang berbentuk angka. Sebagai contoh kecil adalah mengenai data tentang penduduk, data tentang guru-guru atau data tentang mahasiswa di perguruan tinggi. Dalam arti yang lebih dalam, statistik adalah suatu ilmu yang mempelajari mengenai bagaimana cara mengumpulkan data, mengolah data, menyajikan data dan menganalisis data dengan mempertimbangkan unsur ketidakpastian berdasarkan konsep probabilitas.
Statistik deskriptif adalah salah satu bagian dari ilmu statistika yang berhubungan dengan aktivitas penghimpunan, penataan, peringkasan dan penyajian data dengan harapan agar data lebih bermakna, mudah dibaca dan mudah dipahami oleh pengguna data. Statistik deskriptif hanya sebatas memberikan deskripsi atau gambaran umum tentang karakteristik objek yang diteliti tanpa maksud untuk melakukan generalisasi sampel terhadap populasi. dalam statistik deskriptif meliputi pengumpulan, pengelompokan dan pengolahan data yang selanjutnya akan menghasilkan ukuran-ukuran statistik seperti frekuensi, pemusatan data, penyebaran data, kecenderungan suatu gugus data dan lain-lain. Selain itu, agar data lebih mudah dibaca dan dipahami maka data dapat diringkas dalam bentuk tabulasi atau disajikan dalam bentuk grafik atau diagram. Penggunaan grafik dan diagram dimaksudkan agar data yang disajikan lebih menarik dan lebih komunikatif.
1.2. Tujuan
Praktikum ini bertujuan agar mahasiswa dapat mengetahui cara mengeluarkan Output deskriptif menggunakan aplikasi SPSS.
BAB II. TINJAUAN PUSTAKA
Hal-hal yang mungkin dikerjakan dalam statistika deskriptif adalah mengurutkan data berdasarkan ukuran, memasukkan data ke dalam bentuk tabel, menyajikan data dalam bentuk grafik atau meringkasnya dalam bentuk kesimpulan parameter yang berarti dan sebagainya. Hal penting yang dipertimbangkan dalam statistik deskriptif adalah jenis variabel. Jenis variabel tertentu mungkin akan baik apabila dideskripsikan dalam bentuk grafik atau dalam bentuk tabel. Analisis teoritik-deskriptif dalam statistika deskriptif yang menekankan analisisnya pada data-data numerikal yang diolah dengan metode statistika. Metode analisis data yang digunakan untuk menguji hipotesis adalah analisis deskriptif melalui sum dan mean dengan alat bantu SPSS. Statistika deskriptif ditujukan untuk mencari proporsi maupun frekuensi dari karakteristik subyek penelitian (Rachmini,2001).
Berbagai metode statistik memungkinkan kita dapat melihat, mencari dan menyimpulkan hal-hal yang jauh di luar data yang dikumpulkan dan dapat masuk kebagian pengambilan keputusan melalui generalisasi dan peramalan. Perkembangan teknologi informasi melahirkan perangkat lunak paket-paket metode statistik yang sangat membantu dan mempermudah menghitung, meramal serta menganalisis masalah yang akan dipecahkan (Rachmini,2001).
Langkah-langkah pengolahan data pada SPSS sangat praktis karena hanya menginput data tanapa menghitung dengan rumus-rumus statistika. Setelah data diinput pada SPSS editor kemudian kita mencari alat analisis yang diperlukan, memasukka variabel dan lain-lain, kemudian klik Ok, setelah itu proses olah data dilakukan dengan sangat cepat, singkat, akurat, cermat, handal dan keluarlah output data SPSS (Priyatno,2011).
Menurut Husaini Usman (2003), statistik deskriptif atau statistik dalam arti sempit, ialah susunan angka yang memberikan gambaran tentang data yang disajikan dalam bentuk-bentuk tabel, diagram, histogram, poligon, frekuensi, ozaiv (ogive), ukuran penempatan (median, kuartil, desil, dan persentil),ukuran gejala pusat (rata-rata hitung, rata-rata ukur, rata-rata harmonik, dan modus), simpangan baku, angka baku, kurva normal, korelasi, dan regresi linier.
BAB III. PEMBAHASAN
1. Ukuran Pemusatan
Ukuran pemusatan adalah metode paling lazim yang digunakan dalam analisis deskriptif. Metode ini fokus untuk menggambarkan kondisi data di titik pusat.
Mean merupakan rata-rata dari sekumpulan data yang kita miliki. Formulanya sangat sederhana. Anda hanya perlu menjumlah nilai dari seluruh data yang dimiliki dan membaginya dengan jumlah data tersebut.
Median adalah nilai tengah dari sebuah data. Bila kita memiliki sekumpulan data, kita bisa mengurutkan data tersebut dari nilai terkecil hingga terbesar. Jika kita memiliki jumlah data ganjil, maka nilai tengah data tersebut akan langsung menjadi median. Namun bila kita memiliki data genap, kita perlu menemukan nilai rata-rata dari nilai tengah data tersebut.
Modus adalah nilai yang paling sering muncul dalam sekelompok data. Kita hanya perlu melihat nilai mana yang paling sering muncul dalam kelompok tersebut. Bila jumlah frekuensi setiap data sama, maka nilai modus tidak ada.
2.Ukuran Keragaman
Ukuran keragaman merupakan ukuran untuk menyajikan bagaimana sebaran dari data tersebut. Ukuran keragaman menunjukkan bagaimana kondisi sebuah data menyebar dikelompok data yang kita miliki. Hal ini memungkinkan kita untuk menganalisis seberapa jauh data-data tersebut tersebar dari ukuran pemusatannya. Bila sebaran datanya rendah, ini menunjukkan bahwa data tersebar tidak jauh dari pusatnya. Bila sebarannya jauh ini menunjukkan bahwa data tersebar jauh dari pusatnya.
3.Range
Range atau rentang merupakan selisih dari nilai terbesar dan nilai terkecil yang kita miliki. Range merupakan hal yang paling sederhana dan paling mudah dimengerti dalam ukuran penyebaran. Range menunjukkan seberapa jauh sebaran dengan mengabaikan bentuk distribusinya.
4.Persentil
Persentil merupakan ukuran penyebaran yang membagi data menjadi 100 bagian yang sama besar.
5.Varians
Varian merupakan ukuran seberapa jauh menyebar dari nilai rata-ratanya. Semakin kecil nilai varians, maka semakin dekan sebaran data dengan rata-rata. Dan semakin besar nilai varian, maka semakin besar sebaran data terhadap nilai rata-ratanya.
I. Microsoft Excel
Microsoft Excel adalah sebuah program atau aplikasi yang merupakan bagian dari paket instalasi Microsoft Office, berfungsi untuk mengolah angka menggunakan spreadsheet yang terdiri dari baris dan kolom untuk mengeksekusi perintah. Microsoft Excel telah menjadi software pengolah data / angka terbaik di dunia, selain itu Microsoft Excel telah didistribusikan secara multi-platform. Microsoft Excel tidak hanya tersedia dalam platform Windows, Microsoft Excel juga tersedia di MacOS, Android dan Appl
Menurut Susandra (2010), “Microsoft Excel merupakan program aplikasi spreadsheet (lembar kerja elektronik). Fungsi dari Microsoft Excel adalah untuk melakukan operasi perhitungan serta dapat mempresentasikan data ke dalam bentuk tabel.” Menurut Musyafa (2014), “Microsoft Excel 2007 adalah sebuah program aplikasi lembar kerja spreadsheet yang dibuat dan didistribusikan oleh Microsoft Corporation untuk sistem operasi Microsoft Windows dan Mac OS.” Aplikasi ini memiliki fitur kalkulasi dan pembuatan grafik yang berupa pengolah angka.
Microsoft Excel secara fundamental menggunakan spreadsheet untuk manajemen data serta melakukan fungsi-fungsi Excel yang lebih dikenal dengan formula Excel. Excel merupakan program spreadsheet elektronik. Spreadsheet adalah kumpulan dari Sel yang terdiri atas baris dan kolom tempat anda memasukkan angka pada Microsoft Excel. Jumlah sel Microsoft Excel 2016 terdiri dari 1.048.576 baris dan 16.384 kolom atau 17.179.869.184 sel.
Untuk melakukan pengolahan data di SPSS, tahap pertama yang harus dipersiapkan adalah memiliki datanya terlebih dahulu di exel agar lebih mudah, seperti pada Gambar 1. di bawah ini:
Data Mentahan
Gambar 1. Data Mentahan
Ket:
Jenis Kelamin = 1 : Laki-Laki
= 2 : Perempuan
Pendidikan = 1 : SD
= 2 : SLTP
= 3 : SLTA
= 4 : D3
= 5 : S1
II. SPSS
II.I SPSS
SPSS adalah sebuah program aplikasi yang memiliki kemampuan untuk analisis statistik cukup tinggi serta sistem manajemen data pada lingkungan grafis dengan menggunakan menu-menu deskriptif dan kotak-kotak dialog yang sederhana sehingga mudah dipahami untuk cara pengoperasiannya. Beberapa aktivitas dapat dilakukan dengan mudah yaitu dengan menggunakan pointing dan clicking mouse SPSS banyak digunakan dalam berbagai riset pemasaran, pengendalian dan perbaikan mutu (quality improvement), serta riset-riset sains. SPSS pertama kali muncul dengan versi PC (bisa dipakai untuk komputer desktop) dengan nama SPSS/PC+ (versi DOS). Tetapi, dengan mulai populernya sistem operasi windows. SPSS mulai mengeluarkan versi windows (mulai dari versi 6.0 sampai versi terbaru sekarang).
Untuk menginput data, buka Program SPSS melalui Start - Programs- IBM SPSS Statistic. Maka setelah itu muncul tampilan yang belum ada datanya, dimanapada tampilan tersebut terdapat 2 menu tampilan yaitu data view dan variabel view, seperti pada Gambar 2 dan Gambar 3.
II.II SPSS Data Editor
Data editor adalah window yang bersama output window pwertama kali keluar pada saat pertama kali dioperasikan SPSS for window. Window ini berwujud kotak-kotak peregi sejenis tampilan spreadsheet yang berfungsi sebagai sarana pemasukan data, penghapusa , pengurutan dan berbagai pengolahan data aslinya.
SPSS Data Editor terdiri dari dua tab sheet, yaitu: Data View dan Variable View.
a. Data View
Gambar 2. Data View
Data View adalah tab sheet yang menampilkan nilai data yang sebenarnya atau label nilai yang didefinisikan. Pada tab sheet inilah, anda mengentri data ke SPSS.
Diatasnya terdapat menu-menu seperti File, Edit, View, Windows, dan Help seperti halnya menu-menu umum pada aplikasi under Windows lainnya. Menu-menu utama SPSS adalah:
1. Data
Menu ini menampilkan submenu untuk melakukan perubahan-perubahan data, seperti mengurutkan data, memisahkan isi file dengan kriteria tertentu, menggabungkan data, etc.
Data yang Digunakan Dalam Mencari Output Deskriptif
2. Transform
Menu untuk transformasi data, seperti menghitung variabel data, mengubah data, merangking data, etc.
3. Analyze
Menu yang menjadi pusat pengolahan data, seperti mengolah statistik deskriptif, regresi, korelasi, etc.
4. Graphs
Menu untuk menampilkan data dan hasil pengolahan data dalam bentuk grafik dan chart, seperti bar charts, histogram, scatter diagram, etc.
5. Utilities
Menu pelengkap dalam pengoperasian SPSS, seperti menampilkan informasi variabel, mendefinisikan dan menampilkan variabel data, etc.
b. Variabel View
Gambar 3. Variabel View
Variable View adalah tab sheet yang menampilkan kamus metadata di mana setiap baris mewakili sebuah variabel dan memperlihatkan nama variabel, jenis data (misal: numeric, string, date), lebar cetak, dan berbagai karakteristik lain.
Menu yang tersedia dalam Variabel View diantaranya:
1. Name
Kolom ini untuk memberikan informasi tentang nama variabel data. Nama variabel yang kita tuliskan di sini akan muncul pada Data View. Beberapa aturan penamaan variabel:
o Nama variabel maksimal 8 karakter.
o Nama diawali dengan huruf (tidak bisa dimulai dengan angka), sisanya dapat berisi huruf, angka, titik, atau simbol @, #, _, atau $. Kosong dan karakter khusus lain (misal: ! , ? , ‘ , dan *) tidak dapat digunakan.
o Nama tidak bisa berakhir dengan titik dan tidak harus diakhiri dengan garis bawah “_”.
o nama variabel harus unik; duplikasi tidak diperbolehkan.
o Nama-nama variabel tidak case sensitif, “Nama”, “nama”, dan “naMa” semua dianggap sama.
2. Type
Kolom ini untuk memberikan jenis variabel data yang digunakan, apakah Numeric, String (data berupa karakter, misal “Nama”), Date, etc. Klik ikon dalam kolom Type maka akan muncul dialog box Variable Type. Pada dialog box ini, kita dapat mengubah jenis data dan juga lebar kolom (Width) dan jumlah angka desimal (Decimal Places). Secara default, SPSS memberikan jenis data numeric dengan lebar 8 digit dan 2 angka desimal di belakang koma.
3. Label
Kolom ini menunjukkan tambahan informasi dengan memberi label pada variabel data yang kita inginkan. Misalnya:
variabel: ”barang” kita beri label: ”nama barang”
variabel: ”X” kita beri label ”Permintaan”
variabel ”Y” kita beri label ”Ramalan Permintan”
Pemberian label dapat membantu dalam interpretasi hasil analisis (output) karena definisi output lebih jelas.
4. Value.
Kolom ini untuk memberikan label string yang diterapkan untuk nilai numeric tertentu, biasanya untuk data yang bersifat ordinal dan interval, misal angka 1 untuk laki-laki dan angka 2 untuk perempuan. Klik ikon pada kolom Values maka akan muncul dialog box Value Labels. Misalnya untuk variabel ”gender” kita akan mendefinisikan ”jenis kelamin” dengan memberi label: Isi [Value] dengan angka 1 dan [Label] dengan “Laki-laki” lalu klik [Add], kemudian ulangi langkah-langkah tersebut untuk jenis kelamin “Perempuan“—lihat Gambar 6. Nantinya pada variabel gender, kita tidak perlu menuliskan laki-laki dan perempuan melainkan cukup mengisi 1 untuk laki-laki dan 2 untuk perempuan.
5. Missing
Kolom ini menunjukkan nilai yang hilang (missing value) dalam data (jika ada). Responden dapat menolak untuk menjawab pertanyaan tertentu, mungkin tidak tahu jawabannya, atau mungkin menjawab dalam bentuk lain. Jika anda tidak mengidentifikasi data ini, analisis anda mungkin tidak memberikan hasil yang akurat. Klik ikon pada kolom Missing maka akan muncul dialog box Missing Values. Pada form Discrete, isi angka yang akan dijadikan pengganti missing value, misal: 9, 99, 999, etc. Jika kita memilih angka 9, maka setiap ada data yang tidak diisi (missing value) angka 9 yang harus diisikan, jangan dibiarkan kosong.
6. Columns
Kolom ini menunjukkan lebar kolom. baik jenis data numeric maupun string, lebar maksimal 255 digit.
7. Align
Kolom ini menunjukkan posisi data pada tiap cell. Terdapat tiga pilihan posisi data, yaitu: left, right, dan center.
8. Measure
Kolom ini menunjukkan jenis ukuran data yang digunakan. Terdapat tiga pilihan atas, yaitu: Scale, Nominal, dan Ordinal.
9. Role
Kolom ini digunakan untuk menentukan peranan variabel dalam melakukan analisis data, yang mana terdapat 5 pilihan yaitu Input, Target, None, Partition dan Split.
Setelah mengetahui ketentuan disetiap menunya, kemudian data yang di Excel disalin ke SPSS yaitu pada Data View
Gambar 4. Data salinan dari excel pada data view
Gambar 5. Data salinan dari excel pada variable view
Variabel Pertama
Nama Variabel : Responden
Type : String (karena pada variabel ini menggunakan huruf bukan angka)
Width : 30
Decimal : 0 (Tidak menggunakan desimal pada data type string)
Label : Nama Responden
Value : None
Missing : None
Coloum : 22 (disesuaikan dengan jumlah karakter terbanyak)
Align : Left (akan lebih baik jika data yang bertype string dibuat rata kiri)
Measure : Nominal (untuk data string dipilih measure nominal atau bisa disesuaikan)
Variabel Kedua
Nama Variabel : Jenis Kelamin
Type : Numeric
Width : 8 (bisa disesuaikan dengan jumlah karakter)
Decimal : 0 (pada data ini tidak menggunakan desimal
Label : Jenis Kelamin
Value : "1" untuk Laki-Laki dan "2" untuk Perempuan
Missing : None ( informasi mengenai jenis kelamin diketahui)
Coloum : 8 (bisa disesuaikan)
Align : Center (lebih baik data bertipe numerik di buat rata tengah)
Measure : Nominal (Untuk measure jenis kelamin termasuk data skala dan nominal)
Variabel Ketiga
Nama Variabel : Umur
Type : Numeric
Width : 8
Decimal : 0 (tidak menggunakan decimal pada data ini)
Label : -
Value : None (tidak ada pengkodean)
Missing : None (data informasinya diketahui)
Coloum : 8 (bisa disesuaikan)
Align : center
Measure : Scale ( karena umur merupakan data berskala ratio)
Variabel Keempat
Nama Variabel : Pendidikan
Type : Numeric
Width : 8 (bisa disesuaikan)
Decimal : 0 (data ini tidak menggunakan decimal)
Label : -
Value : "1" untuk SD, "2" untuk SLTP, "3" untuk SLTA, "4" untuk D3, "5" untuk S1
Missing : None (data informasi diketahui)
Coloum : 8 (bisa disesuaikan)
Align : Center
Measure : Ordinal (karena pendidikan merupakan skala ordinal)
Variabel Kelima
Nama Variabel : Pendapatan
Type : Numeric
Width : 8
Decimal : 0
Label : -
Value : None
Missing : 9999 (informasi data pendapatan ada yang tidak diketahui)
Coloum : 8
Align : Center
Measure : Scale
Variabel Keenam
Nama Variabel : Konsumsi
Type : Numeric
Width : 8
Decimal : 0
Label : -
Value : None
Missing : 9999 (informasi data konsumsi ada yang tidak diketahui)
Coloum : 8 (bisa disesuaikan)
Align : Center
Measure : Scale
Setelah semua data sudah sesuai kemudian untuk mendapatkan data output maka diklik Analyze - Descriptive Statistics - Descriptive. Maka akan muncul tampilan seperti Gambar 6 berikut:
Gambar 5. Tampilan descriptives sebelum dipindahkan ke tabel variable
Pilih data variabel mana yang akan dihitung yaitu variabel umur, pendapatan dan konsumsi.
Gambar 6. Tampilan descriptives sesudah dipindahkan ke tabel variable
Terdapat beberap pilihan pada option descriptif yang inin dihitung outputnya yaitu Mean, Sum, Std. deviasi, variance, Range, Minimum, maximum, S.E mean, Kurtosis dan Skewness. Kemudian klik Continue -OK. Maka akan muncul data output seperti pada gambar berikut:
Gambar 7. Tampilan descriptive data variabel yang akan dihitung
Setelah tampilan seperti diatas sudah muncul seperti yang diinginkan maka data outputnya sudah berhasil kemudian anda dapat menyimpan data tersebut ke file. Output window adalah text window yang merupakan media tampilan dari hasil proses yang dilakukan oleh SPSS prosesor. Seluruh hasil proses pengolahan data, pengolahan grafik, penganalisaan data maupun perjalanan menu utilities akan ditampilkan pada output window sebagai berikut:
Hasil Data Output Deskriptif
Setelah tampilan seperti diatas sudah muncul seperti yang diinginkan maka data outputnya sudah berhasil kemudian anda dapat menyimpan data tersebut ke file.Output window adalah text window yang merupakan media tampilan dari hasil proses yang dilakukan oleh SPSS prosesor. Seluruh hasil proses pengolahan data, pengolahan grafik, penganalisaan data maupun perjalanan menu utilities akan ditampilkan pada outpun window.
BAB IV. PENUTUP
Kesimpulan nya adalalah aplikasi SPSS (Statistical Program for Social Science) merupakan aplikasi pengolah data untuk mendapatkan output statistik. Aplikasi ini memudahkan pengguna yang memerlukan data secara statistik meliputi tabulasi deskriptif statistik.
Berikut adalah video tata cara mencari output deskriptif pada SPSS:
DAFTAR PUSTAKA
Husaini, U., & Purnomo, S. A. (2003). Pengantar statistika. Jakarta: Bumi Aksara.
Priyatno D., 2011. Buku Pintar Statistik Komputer. MediaKom, Yogyakarta.
Rachmini, S 2001. Penggunaan Statistika Deskriptif Untuk Melihat Distribusi Pola Data Yang Diteliti: Studi Kasus Profil Pengguna/Pengunjung Perpustakaan Teknologi Di Bidang Jasa Informasi Teknologi Pdii-Lipi. BACA: Jurnal Dokumentasi dan Informasi, 26(1-2), 15-20.
Komentar
Posting Komentar