Menguasai Statistik dengan SPSS 25

Transkripsi

1

2 Menguasai Statistik dengan SPSS 25

3 Sanksi Pelanggaran Pasal 113 Undang-Undang Nomor 28 Tahun 2014 tentang Hak Cipta 1. Setiap Orang yang dengan tanpa hak melakukan pelanggaran hak ekonomi sebagaimana dimaksud dalam Pasal 9 ayat (1) huruf i untuk Penggunaan Secara Komersial dipidana dengan pidana penjara paling lama 1 (satu) tahun dan/atau pidana denda paling banyak Rp (seratus juta rupiah). 2. Setiap Orang yang dengan tanpa hak dan/atau tanpa izin Pencipta atau pemegang Hak Cipta melakukan pelanggaran hak ekonomi Pencipta sebagaimana dimaksud dalam Pasal 9 ayat (1) huruf c, huruf d, huruf f, dan/atau huruf h untuk Penggunaan Secara Komersial dipidana dengan pidana penjara paling lama 3 (tiga) tahun dan/atau pidana denda paling banyak Rp ,00 (lima ratus juta rupiah). 3. Setiap Orang yang dengan tanpa hak dan/atau tanpa izin Pencipta atau pemegang Hak Cipta melakukan pelanggaran hak ekonomi Pencipta sebagaimana dimaksud dalam Pasal 9 ayat (1) huruf a, huruf b, huruf e, dan/atau huruf g untuk Penggunaan Secara Komersial dipidana dengan pidana penjara paling lama 4 (empat) tahun dan/atau pidana denda paling banyak Rp ,00 (satu miliar rupiah). 4. Setiap Orang yang memenuhi unsur sebagaimana dimaksud pada ayat (3) yang dilakukan dalam bentuk pembajakan, dipidana dengan pidana penjara paling lama 10 (sepuluh) tahun dan/atau pidana denda paling banyak Rp ,00 (empat miliar rupiah).

4 Menguasai Statistik dengan SPSS 25 Singgih Santoso PENERBIT PT ELEX MEDIA KOMPUTINDO

5 Daftar Isi Kata Pengantar... v Daftar Isi... vii Bagian 1 Bab 1 Statistik di Era Komputer Statistik Elemen Statistik Tipe Data Statistik Statistik dan Komputer Program Komputer Statistik Persyaratan Hardware dan Software SPSS Cara Kerja SPSS Windows SPSS Isi File pada Buku SPSS Bab 2 Memasukkan dan Mengedit Data Dua Bagian Utama Data Editor Memasukkan Data ke dalam SPSS Membuat Variabel untuk Pengisian Data Mengisi Data ke dalam SPSS Menyimpan Data Kasus Pembuatan Pengisian dan Penyimpanan Data (2) Mengetahui Karateristik Data Mencetak data Keluar dari SPSS Menu Edit pada SPSS Menghapus Data Mengganti Isi Data Duplikasi Data Mencari Data Edit Terhadap Variabel yang Telah Dibuat vii

6 Go To Case (Menemukan Sel Tertentu) Insert variable & Case (Menyisipkan Variabel dan Kasus) Edit Options Bab 3 Mengelola Data SPSS Sebelum Dilakukan Proses Statistik Data Set Copy antar Dataset Menutup Dataset Menu Data Spilt File (Memisah Isi File dengan Kriteria Tertentu) Select Case (Menyeleksi Isi File dengan Kriteria Tertentu) Sort Cases (Mengurutkan Data) Bab 4 Transformasi Data untuk Membantu Proses Pengolahan Data Compute Rank Cases Visual Binning Bab 5 Fungsi dari Menu-Menu Lain pada SPSS Menu View Menu Analyze Menu Graphs Menu Utilities Menu Extension Menu Windows Menu Help Bagian 2 Bab 6 Mendesain Tabel Statistik Secara Profesional Tables Custom Tables Membuat Tabel Sederhana Membuat Tabel dengan Tambahan Data Kuantitatif viii

7 6.2.3 Membuat Tabel Kompleks (Data Kualitatif dan Data Kuantitatif Membuat Tabel dengan Tambahan Layer Membuat Tabel dengan Data Selektif Membuat Tabel dengan Memasukkan Fasilitas Fungsi Total dan Subtotal Bab 7 Membuat dan Mengelola Multiple Response Tabel Pengertian Multiple Response Membuat Data Multiple Response Membuat Tabel Multiple Response Mendefinisikan Multiple Response Menggunakan Fungsi FREQUENCIES pada Multiple Response (1) Menggunakan Fungsi FREQUENCIES pada Multiple Response (2) Menggunakan Fungsi CROSSTABS pada Multiple Response Membuat Tabel Multiple Response Dikotomi Membuat Crosstab Multiple Response Bab 8 Membuat Berbagai Grafik Statistik Pada SPSS Pembuatan Grafik dengan Chart Builder Pembuatan Grafik dengan Legacy Dialogs Grafik Jenis Bar (Batang) Grafik Bar Sederhana Grafik Bar dengan Fasilitas Legend Variable Grafik Bar dengan Fasilitas Panel Variables Grafik Bar Tiga Dimensi Grafik Bar Tiga Dimensi Kompleks Grafik Jenis Pie (Lingkaran) Grafik Simple Pie Grafik Simple Pie dengan Panel Grafik Simple Pie dengan Variabel Terpisah (Separate Variable) Mengedit Tampilan Output Sebuah Grafik Pie Grafik Jenis Line (Garis) Grafik Line Sederhana Grafik Line Ringkas ix

8 8.5.3 Grafik Line Panel Pembuatan Grafik dengan Graphboard Template Chooser Kasus 1 (Sederhana Dua Variabel) Kasus 2 (Tiga Variabel) Kasus 3 (Kompleks Lebih dari Tiga Variabel) Catatan Bab 9 Statistik Deskriptif: Menggambarkan Data dalam Bentuk Angka Menggunakan Submenu FREQUENCIES Tabel Frekuensi dan Statistik Deskriptif untuk Variabel Tinggi Tabel Frekuensi dan Statistik Deskriptif untuk Variabel Gender Tabel Frekuensi dengan Penggunaan Style Menggunakan Submenu DESCRIPTIVE Menggunakan Submenu Explore Explore Data Menguji Normalitas Data dan Varians Menguji Distribusi Data Menggunakan P-P Plots dan Q-Q Plots Menggunakan Submenu RATIO: Ringkasan Statistik dalam Bentuk Rasio Menggunakan Submenu Codebook Menggunakan Submenu CASE SUMMARIES Menggunakan Submenu Olap Cubes Bab 10 Crosstab dan Chi-Square: Analisis Hubungan Antarvariabel Kategorikal Crosstab Crosstab untuk Test of Independence (Uji Ketergantungan) Chi-Square untuk Multitabel Chi-Square untuk Kasus Kompleks x

9 Bab 11 Statistik Induktif Uji T Statistik Induktif (Inferensi) Uji Hipotesis Berbagai Metode Statistik Parametrik Menu Statistik Inferensi dalam SPSS One Sample t Test Independent Sample t Test Uji t dengan Cut Point (Titik Potong) Paired Sample t Test Independent Sample t Test untuk Variabel dalam Jumlah Banyak Bab 12 Statistik Induktif Uji Z Z Test untuk Independent Sample Bab 13 Statistik Induktif Uji F (Anova) One Way Anova One Way Anova untuk Variabel Uji Lebih dari Satu Uji Anova Interaksi Dua Faktor Uji Anova Kontras Repeated Measures Bab 14 Korelasi: Uji Hubungan Antarvariabel Korelasi Bivariate Korelasi Spearman dan Kendall Korelasi Parsial (Partial Correlation) Bab 15 Regresi: Pemodelan Hubungan Antarvariabel Regresi Sederhana Regresi Berganda Uji Regresi Berganda (Tiga Variabel Bebas) Uji Asumsi Sebuah Model Regresi Uji Regresi Berganda (Empat Variabel Bebas) Regresi Berjenjang Fasilitas Automatic Linear Modelling Bab 16 Berbagai Metode Statistik Nonparametrik Uji untuk Satu Sampel Uji Runs (Run Test) xi

10 16.2 Uji Data Dua Sampel Berhubungan (Dependen) Uji Peringkat Bertanda Wilcoxon Uji Data Dua Sampel Tidak Berhubungan (Independen) Uji Mann-Whitney Uji Data Lebih dari Dua Sampel Berhubungan (Dependen) Uji Cochran Uji Data Tiga Sampel atau Lebih Tidak Berhubungan (Independen) Uji Kruskal Wallis Fasilitas Shortcut SPSS Bagian 3 Bab 17 Transfer Data SPSS Memindah Data SPSS ke Microsoft Word Memindah Data Microsoft Word 2016 ke SPSS Memindah Data SPSS ke Microsoft Excel Memindah Data Microsoft Excel 2016 ke SPSS Memindah Output (Tabel dan Grafik) SPSS ke Microsoft Office Bab 18 Tip Memilih Metode Statistik Pengendalian Otomatis dari SPSS Memahami Penggunaan Metode Statistik Kiat-Kiat Penggunaan Metode Statistik Dari Mana Harus Dimulai? Statistik Multivariat Daftar Pustaka Tentang Penulis xii

11 BAGIAN 1 Agar pembaca mendapat manfaat maksimal dari buku ini, pembahasan justru diawali dengan hal-hal yang tidak langsung berkaitan dengan analisis data statistik dengan SPSS, namun relevan dengan bagian yang lain. Materi buku ini diawali dengan pengantar tentang ilmu statistik, yang dilanjutkan dengan peran teknologi informasi yang makin penting dalam pemrosesan data statistik. Kemudian, pembahasan beralih ke hal yang tidak kalah penting dalam pengolahan data dengan SPSS, yakni memahami menu-menu dasar pada SPSS yang berfungsi untuk menyiapkan data untuk diolah dengan metode statistik tertentu. Dengan menguasai materi-materi pada bagian pertama ini, pembaca dapat menyiapkan data mentah di lapangan menjadi data yang siap untuk diproses lebih jauh.

12 2

13 Bab 1 Statistik di Era Komputer Statistik Dalam pemahaman sehari-hari, ilmu statistik sering dihubungkan dengan sederetan angka, hingga sering diartikan sebagai numerical description. Sebagai contoh, data statistik bisa berupa pergerakan Indeks Bursa Saham Gabungan (IHSG) dari hari ke hari, jumlah tanaman padi di suatu wilayah, data produksi mobil selama setahun, biaya promosi di sebuah wilayah penjualan, tingkat absensi karyawan, jumlah pengunjung suatu toko dan sebagainya. Dengan demikian, sesungguhnya data statistik adalah semua data yang dapat dikumpulkan dan diorganisir dengan cara tertentu. Hampir semua data di dunia dapat dikategorikan sebagai data statistik! Karena itu, tidaklah heran jika ilmu statistik diterapkan pada semua bidang ilmu, seperti kedokteran, ekonomi, manajemen, psikologi, pertanian, hukum dan lainnya. Namun sesungguhnya statistik dalam konteks keilmuan tidak hanya berarti data angka saja; ilmu statistik lebih dari sekedar sekumpulan data mentah. Statistik juga dipakai untuk melakukan berbagai kegiatan analisis terhadap data, seperti membuat grafik, menampilkan data dalam bentuk tabel, melakukan peramalan (forecasting), melakukan berbagai uji hipotesis dan kegunaan lainnya. Dalam kaitannya dengan pengolahan data, ilmu statistik dapat dibagi dalam dua bagian (metode): 1. Statistik Deskriptif Statistik Deskriptif berusaha menjelaskan atau menggambarkan berbagai karateristik data, seperti berapa rata-ratanya, seberapa jauh data-data bervariasi dari rata-ratanya, berapa median data dan sebagainya. 2. Statistik Induktif (Inferensi) Statistik Induktif berusaha membuat berbagai inferensi terhadap sekumpulan data yang berasal dari suatu sampel. Tindakan inferensi tersebut seperti melakukan perkiraan besaran populasi, uji hipotesis, peramalan dan sebagainya. 3

14 Selain pembagian diatas, metode statistik dapat pula dibedakan menjadi statistik parametrik dan non parametrik, stastistik univariat, bivariat atau multivariat; dasar pembagian tersebut adalah berdasar tipe data, jumlah data dan jumlah variabel yang dianalisis. Namun pembagian menjadi statistik deskriptif dan induktif adalah berdasar aliran proses pengolahan datanya, dan pembagian ini paling umum digunakan. Dalam praktek, kedua metode statistik tersebut dipakai bersama-sama; biasanya dimulai dengan statistik deskriptif, lalu dilanjutkan dengan berbagai analisis statistik untuk inferensi. Sebagai contoh, ada data tentang penjualan Mobil merk MUSANG per bulan di suatu showroom mobil di Jakarta selama tahun Dari data tersebut, langkah pertama adalah melakukan kegiatan statistik deskriptif (deskripsi) terhadap data tersebut, seperti menghitung berapa rata-rata penjualan mobil MUSANG, berapa deviasi standarnya dan besaran deskriptif lainnya. Setelah disusun deskripsi atau penggambaran tentang data-data penjualan Mobil MUSANG tersebut, baru dilakukan kegiatan inferensi (statistik induktif) terhadap hasil deskripsi tersebut, seperti memperkirakan berapa estimasi penjualan mobil MUSANG di seluruh Indonesia (populasi), ramalan penjualan mobil MUSANG di bulan Januari tahun depan, bulan Februari, atau kegiatan lainnya. Jadi statistik deskriptif akan dilakukan terlebih dahulu, lalu berdasar hasil tersebut, baru dilakukan berbagai analisis statistik secara induktif. Sebelum membahas lebih jauh tentang metode statistik tersebut, akan dijelaskan terlebih dahulu elemen atau bagian-bagian penting dari ilmu statistik serta berbagai tipe data yang menjadi kunci pemilihan alat-alat analisis statistik ELEMEN STATISTIK 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. 4

15 Pekerja di seluruh Indonesia bisa disebut suatu populasi, namun semua Pekerja di P.T. UTAMA juga bisa dikatakan populasi, bahkan pekerja wanita khusus di bagian produksi yang bekerja lembur pada malam hari di P.T. UTAMA tersebut juga bisa disebut suatu populasi. Jadi definisi populasi lebih tergantung dari kegunaan dan relevansi data yang dikumpulkan. Jika akan diteliti kepuasan pekerja wanita yang bekerja malam di P.T. UTAMA tersebut, maka populasi adalah Pekerja Wanita khusus di bagian produksi yang bekerja lembur pada malam hari di P.T. UTAMA. Namun jika ingin diteliti status dan keadaan pekerja wanita di Indonesia, maka populasi yang relevan adalah seluruh wanita Indonesia yang aktif bekerja. Populasi dalam statistik 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 diatas, jika populasi adalah seluruh pekerja wanita di P.T. UTAMA, maka sampel bisa sebagian pekerja wanita, atau beberapa pekerja wanita di perusahaan tersebut. Jadi pada dasarnya sampel 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, atau biaya. Sebagai contoh, tidak mungkin akan diteliti semua bakteri X yang ada di seluruh dunia; atau akan menghabiskan banyak waktu dan biaya jika seluruh pekerja wanita di Indonesia dijadikan obyek penelitian. 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-ciri populasi harus diketahui. Hanya satu atau beberapa karateristik populasi yang perlu diketahui, yang disebut sebagai variabel. 5

16 Seperti untuk meneliti kepuasan pekerja, variabel yang dianggap relevan bisa berupa usia pekerja, gender pekerja, penghasilan pekerja, dan lainnya. Sedangkan variabel lain, seperti status pekerja, asal pekerja, atau tempat tinggal pekerja, bisa saja dianggap tidak relevan dan tidak perlu dianalisis. Dari paparan diatas, dapat dikatakan bahwa kegiatan statistik berhubungan dengan pengambilan data untuk sejumlah variabel tertentu, baik yang ada pada sampel atau populasi. Sebagai contoh, untuk meneliti kepuasan pekerja wanita di P.T. UTAMA, diambil sampel sejumlah 100 orang pekerja wanita. Pada 100 orang tersebut, diambil data untuk variabel-variabel tingkat pendidikan, usia, masa kerja, pengeluaran per bulan dan sebagainya. Sekarang pembahasan beralih ke hal yang lebih rinci. Terkait dengan contoh variabel diatas, isi dari variabel tingkat pendidikan seseorang akan berbeda dengan isi variabel usia atau variabel masa kerja. Hal inilah yang disebut dengan tipe data; pembahasan tipe data menjadi penting, karena alat analisis, dan juga SPSS, akan membedakan tipe data yang diinput TIPE DATA STATISTIK Seperti telah disebut di muka, statistik dalam prakteknya tidak bisa dilepaskan dari data yang berupa angka, baik itu dalam statistik deskriptif yang menggambarkan data, maupun statistik inferensi yang melakukan analisis terhadap data. Namun sebenarnya data dalam statistik juga bisa mengandung data non angka atau data kualitatif. Data dalam statistik berdasarkan tingkat pengukurannya (level of measurement) dapat dibedakan dalam empat jenis: Data Kualitatif (Qualitative Data) Data kualitatif secara sederhana bisa disebut data yang bukan berupa angka. Data kualitatif bisa dibagi menjadi dua: 1. Nominal Data bertipe nominal adalah data yang paling rendah dalam level pengukuran data. Jika suatu pengukuran data hanya menghasilkan satu dan hanya satu-satunya kategori, maka data tersebut adalah data nominal (data kategori). Misal proses pendataan tempat tinggal 40 responden dalam suatu penelitian. 6

17 Dalam kasus ini setiap orang akan bertempat tinggal di suatu tempat tertentu (berdasar KTP), tidak bisa ditempat lain. Misal Amir berdomisili di Solo, maka dia (dianggap) tidak mungkin tinggal di Jakarta, atau punya dua KTP. Jadi data tempat tinggal adalah data nominal karena Amir hanya punya satu dan satu-satunya, tidak bisa lebih dari satu, tempat tinggal yang ditunjukkan dengan KTP. Atau data Jenis Kelamin seseorang. Ini juga suatu data nominal, karena seorang laki-laki tidak mungkin berkelamin ganda. Demikian juga Tanggal Lahir seseorang, Pekerjaan (diasumsi hanya satu jenis pekerjaan dalam satu saat) dan seterusnya. Data Nominal dalam praktek statistik biasanya akan dijadikan angka, yaitu proses yang disebut kategorisasi. Misal dalam pengisian data, jenis kelamin lelaki di kategorikan sebagai 1 dan perempuan sebagai 2. Kategori ini hanya sebagai tanda saja, jadi tidak bisa dilakukan operasi matematika, seperti atau 1-2 dan lainnya. 2. Ordinal Data ordinal, seperti pada data nominal, adalah juga data kualitatif namun dengan level yang lebih tinggi daripada data nominal. Jika pada data nominal, semua data kategori dianggap sama, maka pada data ordinal, ada tingkatan data. Misal pada data Jenis Kelamin diatas, Lelaki dianggap setara dengan Wanita, atau dalam data Tempat Kelahiran, data Jakarta dianggap sama dengan data Yogyakarta, Surabaya, Boyolali dan seterusnya. Pada data ordinal, ada data dengan urutan lebih tinggi dan urutan lebih rendah. Misal data tentang sikap seseorang terhadap produk tertentu. Dalam pengukuran sikap konsumen, ada sikap yang suka, tidak suka, sangat suka dan lainnya. Disini data tidak bisa disamakan derajatnya, dalam arti suka dianggap lebih tinggi dari tidak suka, namun lebih rendah dari sangat suka dan lainnya. Jadi disini ada preferensi atau tingkatan data, dimana data yang satu berstatus lebih tinggi atau lebih rendah dari yang lain. Namun data ordinal juga tidak bisa dilakukan operasi matematika, seperti jika tidak suka dikategorikan sebagai 1, suka sebagai 2 dan sangat suka sebagai 3, maka tidak bisa dianggap = 3, atau tidak suka ditambah suka menjadi sangat suka! 7

18 Ciri Data kualitatif adalah pada data tersebut tidak bisa dilakukan operasi matematika, seperti penambahan, pengurangan, perkalian dan pembagian. Data kuantitatif (Quantitative Data) Data kuantitatif bisa disebut sebagai data berupa angka dalam arti sebenarnya. Jadi berbagai operasi matematika bisa dilakukan pada data kuantitatif. Seperti pada data kualitatif, data kuantitatif juga bisa dibagi menjadi dua bagian: 1. Data Interval Data Interval menempati level pengukuran data yang lebih tinggi dari data ordinal, karena selain bisa bertingkat urutannya, juga urutan tersebut bisa dikuantitatifkan. Seperti pengukuran temperatur sebuah ruangan pembakaran roti dari P.T. ENAK JOSS. Interval Temperatur ruang tersebut: o o o Cukup Panas jika temperatur antara 50 0 C C Panas jika temperatur antara 80 0 C C Sangat Panas jika temperatur antara C C Dalam kasus diatas, data temperatur bisa dikatakan data interval, karena data mempunyai interval (jarak) tertentu, yaitu 30 0 C. Namun disini data interval tidak mempunyai titik nol yang absolut. Seperti pada pengukuran temperatur, seperti pernyataan bahwa air membeku pada 0 0 C. Pernyataan diatas bersifat relatif, karena 0 0 C hanya sebagai tanda saja. Dalam pengukuran 0 F, air membeku bukan pada 0 0 F, namun pada 32 0 F. Dengan demikian, juga tidak bisa dikatakan bahwa suhu F adalah dua kali lebih panas dari suhu 50 0 F. Inilah yang menjadi kelemahan dari data interval yang tidak ada dalam jenis data rasio berikut ini. 2. Data Rasio Data Rasio adalah data dengan tingkat pengukuran paling tinggi diantara jenis data lainnya. Data Rasio adalah data bersifat angka dalam arti sesungguhnya (buka kategori seperti pada data nominal dan ordinal) dan bisa dioperasikan secara matematika (+, -, x, /). Perbedaan dengan data interval adalah bahwa data rasio mempunyai titik nol dalam arti sesungguhnya. 8

19 Tentang Penulis Singgih Santoso adalah lulusan program Magister Manajemen Universitas Indonesia dan program Doktor bidang Manajemen Universitas Gadjah Mada, yang sekarang bekerja sebagai dosen, trainer, dan konsultan manajemen. Catatan: Untuk melakukan pemesanan buku, hubungi Layanan Langsung PT Elex Media Komputindo: Gramedia Direct Jl. Palmerah Barat No , Jakarta Telemarketing/CS: /1 ext: 3901/3902/3292/