ANALISIS DATA EKSPLORATIF MODUL 2 ORGANISASI DAN MENGGUNAKAN DATA DALAM SPSS
|
|
- Benny Gunardi
- 6 tahun lalu
- Tontonan:
Transkripsi
1 ANALISIS DATA EKSPLORATIF KELAS C2 MODUL 2 ORGANISASI DAN MENGGUNAKAN DATA DALAM SPSS Nama Nomor Tanggal Tanda tangan Praktikan Mahasiswa Kumpul Praktikan Laboran Sri Siska Wirdaniyati Oktober 2013 Nama Penilai Tanggal Koreksi Nilai Asisten Tanda tangan Dosen Alfi Riyandi Putra Baiq Anis Ratnasari Dr. Jaka Nugraha, M. Si. JURUSAN STATISTIKA FAKULTAS MATMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS ISLAM INDONESIA YOGYAKARTA 2013
2 BAB I PENDAHULUAN A. DASAR TEORI 1. Mengenal SPSS SPSS (Statistical Package for the Social Science : Paket Statistik untuk Ilmu Sosial) adalah sebuah program yang digunakan untuk analisis statistik. Dalam banyak hal, SPSS sebanding dengan Excel. Hal ini dapat digunakan untuk menghitung dan membuat diagram. Namun, ada kemungkinan lebih banyak dalam SPSS daripada di Excel, dan sejumlah prosedur yang lebih mudah untuk dilakukan di SPSS. Di sisi lain, dalam beberapa situasi Excel mungkin merupakan pilihan yang lebih baik. Data dapat dipertukarkan antara SPSS dan Excel agak mudah. SPSS ada untuk PC dan untuk Macintosh menggunakannya harus punya Lisensi. Tutorial ini bertujuan untuk memberikan suatu pendahuluan SPSS. Setiap jenis informasi tertentu dalam inputing data disebut variabel. Terdapat berbagai jenis variabel seperti variabel numerik (semua nomor yang dapat digunakan dalam perhitungan), variabel string (teks atau angka yang tidak dapat menggunakan dalam perhitungan), mata uang (nomor dengan dua dan hanya dua tempat desimal) dan variabel dengan spesifik format. Jenis data yang diisikan dapat menggunakan salah satu dari jenis berikut seperti yang didefinisikan oleh SPSS: 1. Numeric : Sebuah variabel yang bernilai angka. Nilai ditampilkan dalam standar format numerik. Data editor menerima nilai numerik dalam format standar atau dalam notasi ilmiah. 2. Koma : Sebuah variabel nilai numerik yang ditampilkan dengan koma. Editor data menerima nilai numerik untuk variabel koma dengan atau tanpa koma, atau dinotasi ilmiah. 3. Dot : Sebuah variabel nilai numerik yang ditampilkan dengan dot (titik). Editor data menerima nilai numerik untuk dot variabel dengan atau tanpa titik, atau dalam ilmiah notasi. (Kadang-kadang dikenal dengan notasi Eropa) 4. Notasi ilmiah : Sebuah variabel nilai numerik yang ditampilkan dengan huruf E (eksponen sepuluhan). Data editor menerima numerik nilai untuk variabel tersebut dengan atau tanpa eksponen. Eksponen bia didahului baik oleh E atau 1
3 D dengan tanda opsional. Misalnya 123, 1.23E2, 1.23D2, 1.23E+2 dan bahkan 1, Date : Sebuah variabel nilai numerik yang ditampilkan dalam salah satu dari beberapa kata kalender seperti jam. 6. Custom currency : Mata uang. 7. String : Nilai dari variabel string yang tidak numerik dan karenanya tidak digunakan dalam perhitungan. Mereka dapat mengandung karakter sampai panjang yang didefinisikan. Huruf besar dan huruf kecil dianggap berbeda, juga dikenal sebagai variabel alfanumerik. Dalam SPSS, nama variabel delapan karakter dan tidak boleh memuat spasi, koma dan tanda hubung. Aturannya sebagai beriku: 1. Nama harus dimulai dengan huruf. 2. Nam tidak boleh diakhiri dengan periode. 3. Nama tidak boleh lebih dari delapan karakter. 4. Nama tidak bisa kosong atau berisi karakter khusus. 5. Nama harus unik. (Sumber: Nugraha, Jaka Modul Praktikum Analisis Data Eksplorasi. Yogyakarta:Universitas Islam Indonesia) 2. Anallisis Deskriptif Analisis deskriptif adalah analisis yang bertujuan untuk menggambarkan keadaan data. Analisis deskriptif lebih berhubungan dengan pengumpulan data dan peringkasan data serta penyajian hasil peringkasan tersebut. Data-data statistik yang bisa diperoleh dari hasil sensus, survei atau pengamatan lainnya, umumnya masih acak, mentah dan tidak terorganisir dengan baik (raw data). Data-data tersebut harus diringkas dengan baik dan teratur, baik dalam bentuk tabel atau presentasi grafis sebagai dasar untuk berbagai pengambilan keputusan. Penyajian tabel grafik yang digunakan dalam statistik deskripsi seperti: 1. Distribusi frekuensi 2. Presentasi grafis seperti histogram, pie chart dan lain-lain. Untuk mendapatkan gambaran yang lebih jelas tentang data selain dengan tabel dan diagram, masih diperlukan ukuran-ukuran lain yang merupakan wakil dari data tersebut. Ukuran yang dimaksudkan dapat berupa: a. Ukuran pemusatan (rata-rata hitung atau mean, median dan modus) b. Ukuran letak (quartil dan persentil) 2
4 c. Ukuran penyimpangan/penyebaran (range, ragam, penyimpangan baku dan galat baku) d. Skewness adalah tingkat kemiringan e. Kurtosis adalah tingkat keruncingan (Xeon, gundam Analisa Data Menggunakan Analisa Frekuensi Dan Deskriptif. sforfuture.blogspot.com/2013/01/analisa-data-menggunakan - analisa.html diakses tanggal 29 Oktober 2013, 15.15) 3. Transformasi Data Transformasi data adalah suatu proses dalam merubah bentuk data. Misalnya merubah data numerik menjadi data kategorik atau merubah dari beberapa variabel yang sudah ada dibuat satu variabel komposit yang baru. Beberapa perintah SPSS yang sering digunakan adalah recode. Perintah recode berguna untuk memberi kode ulang ke suatu variabel berdasarkan kriteria tertentu.. Pada perintah recode terdapat dua pilihan, yakni : 1. Dalam variabel yang sama yaitu perintah untuk melakukan recode terhadap variabel yang sudah ada. 2. Dalam variabel yang beda yaitu perintah untuk melakukan recode dengan cara membentuk variabel baru. Perlu diketahui dalam proses menjalakan perintah sub menu recode ditemukan pilihan yaitu Into same Variabel dan Into Different Variabel. Yang mempunyai ketentuan bahwa Into same Variabel adalah jika kode ulang akan ditempatkan pada variabel yang sama. Dan Into Different Variabel adalah jika kode ulang akan ditempatkan pada variabel yang berbeda. (Ari, Indah Transformasi Data. diakses tanggal 29 Oktober 2013, 16.10) B. STUDI KASUS Dalam praktikum pada modul 2 ini, praktikan akan melakukan pengolahan data dari jumlah tindak pidana menurut kepolisian provinsi pulau Sumatera dan Jawa tahun dengan menggunakan software SPSS. Berikut ini adalah tabel dari jumlah tindak pidana menurut kepolisian provinsi pulau Sumatera dan Jawa tahun : Tabel 1.1 Jumlah Tindak Pidana Menurut Kepolisian Provinsi Pulau Sumatera dan Jawa Tahun
5 Kepolisian Daerah Aceh Sumatera Utara Sumatera Barat Riau Jambi Sumatera Selatan Bengkulu Lampung Bangka Belitung Kepulauan Riau Jawa Barat Jawa Tengah DI Yogyakarta Jawa Timur Banten Untuk penyelesaian studi kasus pada tabel 1.1 ini, praktikan harus melakukan pengolahan data sebagai berikut: 1. Analisis deskriptif lengkap dan interpretasi hasil output berdasarkan konteks masalah data yang ada. 2. Histogram dengan kurva normalnya dan interpretasi dari histogram tersebut. 3. Recode terhadap dua buah variabel dengan ketentuan setiap variabel dibagi ke dalam tiga kelompok (kategori). 4
6 BAB II DESKRIPSI KERJA Dalam bab II ini, praktikan akan menjelaskan langkah-langkah untuk menyelesaikan studi kasus dari jumlah tindak pidana menurut kepolisian provinsi pulau Sumatera dan Jawa tahun Langkah awal adalah mengaktifkan SPSS sebagai berikut: 1. Klik Start All Program SPSS Inc SPSS Statistics 17.0 sehingga tampil kotak dialog SPSS for Windows seperti pada gambar 2.1 di bawah ini. Gambar 2.1 Kotak Dialog SPSS for Windows 2. Klik Cancel sehingga kotal dialog tersebut hilang. Setelah mengaktifkan SPSS, langkah selanjutnya adalah melakukan inputing data, mendefinisikan variabel dan analisis deskriptif. Langkah-langkah untuk menyelesaikan studi kasus jumlah tindak pidana menurut kepolisian provinsi pulau Sumatera dan Jawa tahun sebagai berikut: 1. Klik Variabel View yang berada pada sudut kiri bawah, kemudian ketik variabel Kepolisian_Provinsi, Tahun_2009, Tahun 2010, dan Tahun 2011 pada kolom Name. 2. Ganti Type pada variabel Kepolisian_Provinsi dari numeric menjadi string dengan mengklik icon titik-titik sehingga akan tampil kotak dialog Variable Type seperti gambar
7 Gambar 2.2 Kotak Dialog Varible Type 3. Ganti Width pada variabel Kepolisian_Provinsi dari angka 8 menjadi angka 20 dengan menghapus angka 8 kemudian mengetik angka 20, atau dengan menggunakan icon segitiga ke atas hingga angka 8 menjadi angka Ganti Decimals pada variabel Kepolisian_Provinsi, Tahun_2009, Tahun 2010, dan Tahun 2011 dari angka 2 menjadi angka 0 dengan menghapus angka 2 kemudian mengetik angka 0, atau dengan menggunakan icon segitiga ke bawah hingga angka 2 menjadi angka Ketik tabel 1.1 Jumlah Tindak Pidana Menurut Kepolisian Provinsi Pulau Sumatera dan Jawa Tahun pada halaman pengentrian data seperti pada gambar 2.3 di bawah ini. Gambar 2.3 Tampilan Entry Data Tabel 1.1 6
8 6. Klik Analyze Descriptive Statistic Frequencies sehingga tampil kotak dialog Frequencies. Klik variabel Tahun_2009 kemudian klik icon tanda panah kiri. Lakukan langkah pada variabel Tahun_2009 untuk variabel Tahun_2010 dan Tahun_2011 dan beri tanda centang ( ) pada Display frequency tables sehingga kotal dialog Frequencies seperti pada gambar 2.4 di bawah ini. Gambar 2.4 Kotak Dialog Frequencies 7. Klik Statistics, kemudian beri tanda centang ( ) pada Percentile (isi dengan angka 25, klik Add dan lakukan langkah tersebut untuk angka 50 dan 75), Std. deviation,variance, Range, Minimum, Maximum, S.E.mean, Mean, Median, Mode, Sum, Skewness dan Kurtosis seperti pada gambar 2.5 di bawah ini. Gambar 2.5 Kotak Dialog Frequencies: Statistics 8. Klik Continue sehingga kembali pada kotak dialog Frequencies. 7
9 9. Klik Charts, pilih Histograms dan beri tanda centang ( ) padawith normal curve seperti pada gambar 2.6 di bawah ini. Gambar 2.6 Kotak Dialog Frequencies: Charts 10. Klik Continues sehingga kembali pada kotak dialog Frequencies, kemudian klik OK, maka server SPSS akan menampilkan hasil output seperti pada gambar 2.7 di bawah ini. Gambar 2.7 Tampilan Output Hasil Dari Analyze Setelah analisis deskriptif dilakukan, langkah selanjutnya adalah melakukan transformasi data dengan menggunakan perintah recode sebagai berikut: 1. Klik Transform Recode Into Different Variable sehingga tampil kotak dialog Recode Into Different Variable. 8
10 2. Klik variabel Tahun_2009, kemudian klik tanda panah kiri. Ketik kolom Name dengan Kategori_Tahun_2009 dan klik change. Lakukan langkah yang sama untuk variabel Tahun_2010 dengan isian kolom Name adalah Kategori_Tahun_2010 seperti pada gambar 2.8 di bawah ini. Gambar 2.8 Kotak Dialog Recode Into Different Variables 3. Klik Old and News Values sehingga tampil kotak dialog Recode Into Different Variables. Pilih Range, LOWEST through value dan isi kolom dengan angka 4999, kemudian pilih value dan isi dengan angka 1. Klik Add, maka kolom Old --> New berisi Lowest thru > 1. Lakukan langkah tersebut untuk Range dengan angka 5000 through 9999 dan value dengan angka 2, dan Range, value through HIGHEST dengan angka dan value dengan angka 3 sehingga kolom Old --> New seperti pada gambar 2.9 di bawah ini. Gambar 2.9 Kotak Dialog Recode Into Different Variables 9
11 4. Klik Continue sehingga tampil kotak dialog Recode Into Different Variables, kemudian klik OK, maka server SPSS akan menampilkan hasil seperti pada gambar 2.10 di bawah ini. Gambar 2.10 Tampilan Hasil Dari Transform Apabila langkah pengolahan data dari analisis deskriptif dan transformasi data dengan perintah recode selesai, simpanlah syntax dan output dengan menekan Ctrl + S dan ketik pada FileName dengan MODUL2. 10
12 BAB III PEMBAHASAN Dalam bab III ini praktikan akan menjelaskan dan menginterpretasikan output SPSS dari studi kasus tentang jumlah tindak pidana menurut kepolisian provinsi pulau Sumatera dan Jawa tahun Penjelasan dan penginterpretasikan ini terbagi menjadi dua sebagai berikut: 1. Hasil Dari Analisis Deskriptif Tabel 3.1 Frequencies Dari Jumlah Tindak Pidana Menurut Kepolisian Provinsi Pulau Sumatera Dan Jawa Tahun Statistics Tahun_2009 Tahun_2010 Tahun_2011 N Valid Missing Mean Std. Error of Mean Median Mode 1417 a 2642 a 445 a Std. Deviation Variance 1.265E E E7 Skewness Std. Error of Skewness Kurtosis Std. Error of Kurtosis Range Minimum Maximum Sum Percentiles a. Multiple modes exist. The smallest value is shown Pada penyelesaian studi kasus ini, jumlah N (populasi) terdiri dari data yang valid dan missing. Valid merupakan jumlah N data yang terhitung oleh software SPSS dan berdasarkan pada hasil output, maka masing-masing variabel Tahun_2009, Tahun_2010, 11
13 dan Tahun_2010 memiliki jumlah N data yang terhitung adalah 15. Sedangkan jumlah N data yang tidak tersedia (mising) untuk dihitung pada masing-masing variabel Tahun_2009, Tahun_2010, dan Tahun_2010 adalah 0. Hal ini menunjukkan bahwa tidak ada data yang tidak terhitung oleh software SPSS. Pada dasarnya, missing data tidak bermasalah bagi keseluruhan data apabila jumlahnya sedikit atau hanya 1% dari keseluruhan data. Namun jika persentase dan data yang tidak tersedia berjumlah besar, maka perlu dilakukan pengujian apakah data yang mengandung banyak missing masih layak diproses lebih lanjut ataukah tidak. Mean pada variabel Tahun_2009 sebesar , variabel Tahun_2010 sebesar dan variabel Tahun_2011 sebesar yang menunjukkan rata-rata angka yang sering dipakai sebagai wakil dari masing-masing variabel dan mencerminkan gambaran secara umum mengenai kumpulan jumlah tindak pidana menurut kepolisian provinsi pulau Sumatera dan Jawa tahun atau pemusatan yang sering dan familiar digunakan. Sedangkan standard error of mean (Std. Error of Mean) pada jumlah tindak pidana menurut kepolisian provinsi pulau Sumatera dan Jawa tahun terdiri dari untuk variabel Tahun_2009, untuk variabel Tahun_2010, dan untuk variabel Tahun_2011 yang berguna untuk memeriksa besar rata-rata populasi yang diperkirakan berasal dari sampel. Standard error of mean ini diukur sebagai standar deviasi dibagi dengan akar dari jumlah data valid. Pada standard error of mean ini menggunakan tingkat kepercayaang sebesar 95% (sebagian besar software SPSS menggunakan tingkat kepercayaan 95% sebagai standar). Median pada variabel Tahun_2009, Tahun_2010, dan Tahun_2011 menunjukkan nilai tengah dari data setelah diurutkan. Berdasarkan perhitungan dengan menggunakan software SPSS diperoleh bahwa median dari variabel Tahun_2009 adalah , median dari variabel Tahun_2010 adalah dan median dari variabel Tahun_2011 adalah Apabila diurutkan secara manual, maka diketahui bahwa median dari variabel Tahun_2009, Tahun_2010, dan Tahun_2011 terletak pada data ke-8. Selain mengambarkan pemusatan data dengan mean dan median, software SPSS menampilkan nilai yang paling sering muncul dalam suatu range statistik. Nilai yang sering muncul pada jumlah tindak pidana menurut kepolisian provinsi pulau Sumatera dan Jawa tahun adalah 1417 a untuk variabel Tahun_2009, 2642 a untuk variabel Tahun_2010, dan 445 a untuk variabel Tahun_2011. Huruf pada nilai modus tersebut merupakan huruf yang menunjukkan kalimat Multiple modes exist. The 12
14 Smallest values is shown yang menunjukkan bahwa tidak terdapat modus pada data tersebut atau setiap nilai selalu menjadi modus, sehingga software SPSS menampilkan data terkecil (Smallest values). Ukuran penyebaran jumlah tindak pidana menurut kepolisian provinsi pulau Sumatera dan Jawa tahun dapat dilihat dari Standard Deviation atau standar deviasi. Penyebaran data tersebut meliputi untuk variabel Tahun_2009, untuk variabel Tahun_2010, dan untuk variabel Tahun_2011 yang menunjukkan dispersi rata-rata dari sampel dengan tingkat kepercayaan sebesar 95 %. Sedangkan variansi pada jumlah tindak pidana menurut kepolisian provinsi pulau Sumatera dan Jawa tahun terdiri dari 1.265E8 untuk variabel Tahun_2009, 7.236E7 untuk variabel Tahun_2010, dan 8.375E7 untuk variabel Tahun Variansi pada data tersebut menunjukkan satu ukuran dispresi dan menggambarkan bagaimana terpencarnya suatu data kuantatif. Nilai skewness pada variabel Tahun_2009 adalah 1.242, variabel Tahun_2010 adalah dan variabel Tahun_2011 adalah Nilai skewness ini berguna sebagai tingkat ketidaksimetrisan (kecondongan) sebaran data di sekitar rata-ratanya. Skewness yang bernilai positif menunjukkan ujung kecondongan menjulur ke arah positif (ekor kurva sebelah kanan lebih panjang) dan skewness yang bernilai negatif menunjukkan ujung dari kecondongan menjulur ke arah nilai negatif (ekor kurva sebelah kiri lebih panjang). Selain dari itu, nilai skewness dapat menunjukkan distribusi normal. Sedangkan nilai standard error of skewness pada variabel Tahun_2009, Tahun_2010 dan Tahun_2011 adalah Nilai standard error ini dapat digunakan untuk menghitung ukuran skewness. Nilai kurtosis pada variabel Tahun_2009 adalah 0.526, Tahun_2010 adalah dan Tahun_2011 adalah Nilai kurtosis ini menggambarkan keruncingan atau kerataan suatu distribusi dibandingkan dengan distribusi normal. Nilai kurtosis yang positif menunjukkan distribusi yang relatif runcing, sedangkan nilai kurtosis yang negatif menunjukkan distribusi yang relatif rata. Sedangkan standard error of kurtosis pada variabel Tahun_2009, Tahun_2010 dan Tahun_2011 adalah Nilai standard error ini dapat digunakan untuk menghitung ukuran kurtosis. Nilai minimum pada variabel Tahun_2009 adalah 1417, Tahun_2010 adalah 2642 dan Tahun_2011 adalah 445 yang menunjukkan nilai terkecil dari keseluruhan data. Sedangkan nilai maksimum pada Tahun_2009 adalah 37337, Tahun_2010 adalah dan Tahun_2011 adalah yang menunjukkan nilai terbesar dari keseluruhan data. 13
15 Dari nilai minimum dan maksimum ini dapat ditentukan nilai range. Nilai Range menunjukkan rentangan dari nilai maksimum sampai nilai minimum (maksimum minimum). Nilai range pada variabel Tahun_2009 adalah ( ), Tahun_2010 adalah ( ) dan Tahun_2011 adalah ( ). Jumlah total keseluruhan data (sum) dari jumlah tindak pidana menurut kepolisian provinsi pulau Sumatera dan Jawa tahun dengan jumlah N sebanyak 15 terdiri dari untuk variabel Tahun_2009, untuk variabel Tahun_2010 dan untuk variabel Tahun_2010. Berdasarkan jumlah total tersebut dapat disimpulkan bahwa jumlah tindak pidana menurut provinsi pulau Sumatera dan Jawa terbesar pada tahun Pada praktikum kali ini, praktikan menampilkan data-data secara berkelompok menjadi sebuah persentase menjadi 25, 50 dan 75. Data persentiles dengan 25% pada variabel Tahun_2009 adalah , Tahun_2010 adalah dan Tahun 2011 adalah yang merupakan data ke-4 setelah diurutkan. Data persentiles dengan 50% pada variabel Tahun_2009 adalah , Tahun_2010 adalah dan Tahun_2011 adalah yang merupakan data ke-8 setelah diurutkan. Sedangkan persentiles dengan 75% pada variabel Tahun_2009 adalah , Tahun_2010 adalah dan Tahun_2011 adalah yang merupakan data ke-12 setelah diurutkan. Tabel 3.2 Frequency Table Dari Jumlah Tindak Pidana Menurut Kepolisian Provinsi Pulau Sumatera Dan Jawa Tahun 2009 Tahun_2009 Frequency Percent Valid Percent Cumulative Percent Valid
16 Total Data dari jumlah tindak pidana menurut kepolisian provinsi pulau Sumatera dan Jawa tahun 2009 diurutkan dari data bernilai kecil ke besar seperti yang terlihat pada tabel 3.2. Setiap data memiliki jumlah (frekuensi) masing-masing adalah 1, sehingga persen untuk setiap data adalah 1 15 x100% = 6.7 % dan persen terhitung (valid percent) sebesar 6.7 % dengan jumlah total data adalah 15, jumlah total persen adalah 100% dan jumlah total valid percent adalah 100%. Sedangkan data cumulative persent menunjukkan pertambahan dari persen data sesudahnya dengan persen data sebelumnya sehingga didapat data cumulative persent dari jumlah tindak pidana menurut kepolisian provinsi pulau Sumatera dan Jawa tahun 2009 seperti pada tabel 3.2. Tabel 3.3 Frequency Table Dari Jumlah Tindak Pidana Menurut Kepolisian Provinsi Pulau Sumatera Dan Jawa Tahun 2010 Tahun_2010 Frequency Percent Valid Percent Cumulative Percent Valid
17 Total Data dari jumlah tindak pidana menurut kepolisian provinsi pulau Sumatera dan Jawa tahun 2010 juga diurutkan dari data bernilai kecil ke besar dengan frekuensi masing-masing adalah 1, sehingga percent, valid percent dan cumulativer persent sama dengan jumlah tindak pidana menurut kepolisian provinsi pulau Sumatera dan Jawa tahun 2009 seperti yang terlihat pada tabel 3.3 di atas. Tabel 3.4 Frequency Table Dari Jumlah Tindak Pidana Menurut Kepolisian Provinsi Pulau Sumatera Dan Jawa Tahun 2011 Tahun_2011 Frequency Percent Valid Percent Cumulative Percent Valid Total
18 Tidak berbeda dengan jumlah tindak pidana menurut kepolisian provinsi pulau Sumatera dan Jawa tahun 2009 dan 2010, data 2011 juga diurutkan dari data bernilai kecil ke besar dengan frekuensi masing-masing adalah 1, sehingga percent, valid percent dan cumulativer persent sama dengan jumlah tindak pidana menurut kepolisian provinsi pulau Sumatera dan Jawa tahun 2009 dan 2010 seperti yang terlihat pada tabel 3.4 di atas. Gambar 3.1 Histogram Dengan Kurva Normal Dari Jumlah Tindak Pidana Menurut Kepolisian Provinsi Pulau Sumatera Dan Jawa Tahun 2009 Berdasarkan gambar histogram 3.1 tersebut diketahui bahwa jumlah tindak pidana antara sebanyak 10, jumlah tindak pidana antara sebanyak 2, jumlah tindak pidana antara sebanyak 2, dan jumlah tindak pidana antara sebanyak 1. Pada gambar 3.1 juga terlihat bahwa ekor kurva sebelah kanan lebih panjang dan kurva relatif runcing. Ekor kurva sebelah kanan lebih panjang menunjukkan ketidaksimetrisan (kecondongan) menjulur ke arah positif dengan nilai skewness adalah Sedangkan kurva relatif runcing menggambarkan keruncingan suatu distribusi dibandingkan dengan distribusi normal dengan nilai kurtosis adalah Gambar 3.2 Histogram Dengan Kurva Normal Dari Jumlah Tindak Pidana Menurut Kepolisian Provinsi Pulau Sumatera Dan Jawa Tahun
19 Berdasarkan gambar histogram 3.2 tersebut diketahui bahwa jumlah tindak pidana antara sebanyak 6, jumlah tindak pidana antara sebanyak 1, jumlah tindak pidana antara sebanyak 2, jumlah tindak pidana antara sebanyak 5, dan jumlah tindak pidana antara sebanyak 1. Pada gambar 3.2 juga terlihat bahwa ekor kurva sebelah kanan lebih panjang dan kurva relatif runcing. Ekor kurva sebelah kanan lebih panjang menunjukkan ketidaksimetrisan (kecondongan) menjulur ke arah positif dengan nilai skewness adalah Sedangkan kurva relatif runcing menggambarkan keruncingan suatu distribusi dibandingkan dengan distribusi normal dengan nilai kurtosis adalah Gambar 3.3 Histogram Dengan Kurva Normal Dari Jumlah Tindak Pidana Menurut Kepolisian Provinsi Pulau Sumatera Dan Jawa Tahun 2011 Berdasarkan gambar histogram 3.3 tersebut diketahui bahwa jumlah tindak pidana antara sebanyak 6, jumlah tindak pidana antara sebanyak 4. jumlah tindak pidana antara sebanyak 1, jumlah tindak pidana antara sebanyak 2 dan jumlah tindak pidana antara sebanyak 2. Pada gambar 3.3 juga terlihat bahwa ekor kurva sebelah kanan lebih panjang dan kurva relatif runcing. Ekor kurva sebelah kanan lebih panjang menunjukkan ketidaksimetrisan (kecondongan) menjulur ke arah positif dengan nilai skewness adalah Sedangkan kurva relatif runcing menggambarkan keruncingan suatu distribusi dibandingkan dengan distribusi normal dengan nilai kurtosis adalah Dari ketiga histogram dengan kurva normal tersebut dapat disimpulkan bahwa ekor kurva sebelah kanan lebih panjang yang menunjukkan ketidaksimetrisan paling besar terdapat pada variabel Tahun_2011 dan kurva paling runcing terdapat pada variabel Tahun_
20 2. Hasil Dari Transformasi Data (Recode) Gambar 3.4 Hasil Transformasi Data Dengan Perintah Recode Dalam pengolahan data dengan transformasi ini, praktikan mengkategorikan data berdasarkan tiga kelompok dengan kriteria sebagai berikut: 1. Kategori 1 dengan kriteria nilai data lebih kecil atau sama dengan Kategori 2 dengan kriteria nilai data antara 5000 sampai dengan Kategori 3 dengan kriteria nilai lebih besar atau sama dengan Ketiga kriteria ini akan menjadi penentuan kategori untuk nilai variabel Tahun_2009 dan Tahun_2010. Hasil dari pengkategorian ini akan diletakkan pada variabel Kategori_Tahun_2009 dan Kategori _Tahun_2010. Berdasarkan hasil transformasi data dengan perintah recode diketahui bahwa provinsi yang menjadi kategori 1 dari jumlah tindak pidana menurut kepolisian provinsi pulau sumatera dan jawa tahun 2009 adalah Jambi, Sumatera Selatan, Bengkulu, Bangka Belitung, Kepulauan Riau dan Banten karena nilai data lebih kecil atau sama dengan Provinsi yang menjadi kategori 2 adalah Aceh, Riau, Lampung dan DI Yogyakarta karena nilai data antara Sedangkan provinsi yang menjadi kategori 3 adalah Sumatera Utara, Sumatera Barat, Jawa Barat, Jawa Tengah dan Jawa Timur karena nilai data lebih besar atau sama dengan Pada jumlah tindak pidana menurut kepolisian provinsi pulau sumatera dan jawa tahun 2010 diketahui bahwa provinsi yang menjadi kategori 1 adalah Jambi, Bengkulu, Lampung, Bangka Belitung, Kepulauan Riau dan Banten karena nilai data lebih kecil 19
21 atau sama dengan Provinsi yang menjadi kategori 2 adalah Aceh karena nilai data antara Sedangkan provinsi yang menjadi kategori 3 adalah Sumatera Utara, Sumatera Barat, Riau, Sumatera Selatan, Jawa Barat, Jawa Tengah, DI Yogyakarta dan Jawa Timur. 20
22 BAB IV PENUTUP Berdasarkan praktikum modul 2 tentang organisasi dan menggunakan data dalam SPSS dapat disimpulkan bahwa: 1. Software SPSS mempermudah praktikan dan pengguna dalam pengolahan data yang meliputi analisis deskriptif dan transformasi data. 2. Output dari software SPPS memaparkan analisis deskriptif dan transformasi data secara detail. 3. Analisis data memperlihatkan ukuran gejala pusat, ukuran penyebaran, ukuran letak, kecondongan dan kemiringan. 4. Frekuensi untuk masing-masing data dari jumlah tindak pidana menurut kepolisian provinsi pulau Sumatera dan Jawa tahun adalah 1, sehingga persen dan valid percent masing-masing adalah Nilai skewness menjulur ke arah posirif apabila ekor kurva sebelah kanan lebih panjang yang menunjukkan ketidaksimetrisan (kecondongan) dan nilai kurtosis menunjukkan keruncingan suatu distribusi dibandingkan distribusi normal. 6. Berdasarkan perbandingan ketiga histogram tahun 2009, 2010 dan 2011 diketahui bahwa ekor kurva sebelah kanan lebih panjang yang menunjukkan ketidaksimetrisan paling besar terdapat pada variabel Tahun_2011 dan kurva paling runcing terdapat pada variabel Tahun_ Pengkategorian studi kasus terdiri dari kategori 1 dengan kriterian nilai data lebih kecil atau sama dengan 4999, kategori 2 dengan kriteria nilai data antara 5000 sampai 9999 dan kategori 3 dengan kriteria nilai data lebih besar atau sama dengan
23 DAFTAR PUSTAKA Ari, Indah Transformasi Data. diakses hari Selasa tanggal 29 Oktober 2013 waktu BPS Tabel jumlah tindak pidana menurut kepolisian provinsi pulau Sumatera dan Jawa tahun daftar=1&id_subyek=34¬ab=1 diakses hari Selasa tanggal 29 Oktober 2013 waktu Junaidi Ukuran-ukuran Numerik Statistika Deskriptif (Bagian 1b). diakses hari Rabu tanggal 30 Oktober 2013 waktu Nugraha, Jaka Modul Praktikum Analisis Data Eksplorasi. Yogyakarta:Universitas Islam Indonesia Xeon, gundam Analisa Data Menggunakan Analisa Frekuensi Dan Deskriptif. sforfuture.blogspot.com/2013/01/analisa-data-menggunakan - analisa.html diakses hari Selasa Tanggal 29 Oktober 2013 waktu
BELAJAR SPSS. Langkah pertama yang harus dilakukan adalah dengan cara menginstal terlebih dahulu software SPSS
BELAJAR SPSS SPSS merupakan software statistik yang paling populer, fasilitasnya sangat lengkap dibandingkan dengan software lainnya, penggunaannya pun cukup mudah. Langkah pertama yang harus dilakukan
Lebih terperinciANALISIS DATA EKSPLORATIF MODUL 4 PENGANTAR MINITAB
ANALISIS DATA EKSPLORATIF KELAS C2 MODUL 4 PENGANTAR MINITAB Nama Nomor Praktikan Mahasiswa Sri Siska Wirdaniyati 12611125 Tanggal Kumpul 5 Desember 2013 Praktikan Tanda tangan Laboran Nama Penilai Tanggal
Lebih terperinciSPSS FOR WINDOWS BASIC. By : Syafrizal
SPSS FOR WINDOWS BASIC By : Syafrizal SPSS merupakan software statistik yang paling populer, fasilitasnya sangat lengkap dibandingkan dengan software lainnya, penggunaannya pun cukup mudah Langkah pertama
Lebih terperinciMemulai SPSS dan Mengelola File
MODUL 1 Memulai SPSS dan Mengelola File A. MEMULAI SPSS Untuk memulai SPSS for Windows langkah yang harus dilakukan adalah: Klik menu Start Programs SPSS for Windows SPSS for Windows. Kemudian akan ditampilkan
Lebih terperinciSTATISTIK DESKRIPTIF
PERTEMUAN KE-3 STATISTIK DESKRIPTIF Ringkasan Materi: Pengukuran Deskriptif Pengukuran deskriptif pada dasarnya memaparkan secara numerik ukuran tendensi sentral, dispersi dan distribusi suatu data. Tendensi
Lebih terperinciANALISIS DATA EKSPLORATIF MODUL 3 TABEL KONTIGENSI DALAM SPSS
ANALISIS DATA EKSPLORATIF KELAS C2 MODUL 3 TABEL KONTIGENSI DALAM SPSS Nama Nomor Praktikan Mahasiswa Sri Siska Wirdaniyati 12611125 Tanggal Kumpul 28 November 2013 Praktikan Tanda tangan Laboran Nama
Lebih terperinciSTATISTIKA DESKRIPTIF
STATISTIKA DESKRIPTIF 1 Statistika deskriptif berkaitan dengan penerapan metode statistika untuk mengumpulkan, mengolah, menyajikan dan menganalisis data kuantitatif secara deskriptif. Statistika inferensia
Lebih terperinciPENGENALAN APLIKASI STATISTICAL PRODUCT AND SERVICE SOLUTIONS (SPSS)
MODUL 8 PENGENALAN APLIKASI STATISTICAL PRODUCT AND SERVICE SOLUTIONS (SPSS) Tujuan Praktikum : Mahasiswa mengenal aplikasi pengolah data statistik yaitu SPSS Mahasiswa dapat menggunakan aplikasi SPSS
Lebih terperinciPOLITEKNIK KESEHATAN SURAKARTA TAHUN
MODUL PRAKTIKUM SPSS Oleh: Ig. Dodiet Aditya Setyawan, SKM. POLITEKNIK KESEHATAN SURAKARTA TAHUN 2013 LATIHAN 1: ENTRY DATA KASUS 1 Misalnya didapatkan data seperti di bawah ini dan akan memasukkannya
Lebih terperinciDistribusi Frekuensi dan Statistik Deskriptif Lainnya
BAB 2 Distribusi Frekuensi dan Statistik Deskriptif Lainnya Misalnya seorang penjaga gudang mencatat berapa sak gandum keluar dari gudang selama 15 hari kerja, maka diperoleh distribusi data seperti berikut.
Lebih terperinciBhina Patria
Entry Data Bhina Patria inparametric@yahoo.com Dalam proses entry data aturan pertama yang harus di perhatikan adalah bahwa setiap baris mewakili satu kasus atau 1 responden, sedangkan masing-masing kolom
Lebih terperinciBAB 14 UJI DESKRIPTIF, VALIDITAS DAN NORMALITAS DATA
BAB 14 UJI DESKRIPTIF, VALIDITAS DAN NORMALITAS DATA SPSS menyediakan fasilitas untuk melakukan analisis deskriptif data seperti uji deskriptif, validitas dan normalitas data. Uji deskriptif yang dilakukan
Lebih terperinciStatistik Deskriptif dengan Microsoft Office Excel
Statistik Deskriptif dengan Microsoft Office Excel Junaidi, Junaidi I. Prosedur Statistik Deskriptif pada Excel Statistik deskriptif adalah statistik yang bertujuan untuk mendeskripsikan atau menggambarkan
Lebih terperinciLangkah-Langkah Perhitungan Berikut diberikan data penjualan mobil Bima selama tahun 2000:
BAB 1 STATISTIK DESKRIPTIF Statistik deskriptif lebih berhubungan dengan pengumpulan dan peringkatan data, serta penyajian hasil peringkasan tersebut. Data statistik yang bisa diperoleh dari hasil sensus,
Lebih terperinciBAB 8 ANALISIS STUDI DESKRIPTIF DAN DATA DASAR. Bab ini menjelaskan secara lebih mendalam jenis studi deskriptif
BAB 8 ANALISIS STUDI DESKRIPTIF DAN DATA DASAR Bab ini menjelaskan secara lebih mendalam jenis studi deskriptif maupun teknik mendekripsikan data secara grafis maupun secara angka. Sebagai ilustrasi aplikasi
Lebih terperinciSPSS 10: Transformasi Data. Transformasi Data
SPSS 0: Transformasi Data Transformasi Data Transformasi data adalah suatu proses dalam merubah bentuk data. Misalnya merubah data numerik menjadi data kategorik atau merubah dari beberapa variabel yang
Lebih terperinciMODUL 2. TABULASI DATA. TABULASI DATA Pembuatan Tabel Frekwensi. Perintah Statistik
MODUL 2. Tujuan : 1. Membuat tabel frekwensi dan memahami perintah statistik, chart, dan format. 2. Memahami penyajian data secara numerik berupa analisis statistik deskriptif, yang menyajikan ukuran-ukuran
Lebih terperinciII. MENDESKRIPSIKAN DATA 13 Desember 2005
II. MENDESKRIPSIKAN DATA 13 Desember 2005 1 Analisis Deskriptif Tujuan dari analisis deskritif adalah memberikan gambaran ringkas tentang suatu data. Data bisa berupa data categorical atau data non-categorical.
Lebih terperinciBAB I STATISTIK DESKRIPTIF
ANALISIS DATA PENELITIAN (Menggunakan Program SPSS) BAB I STATISTIK DESKRIPTIF Analisis deskripsi merupakan analisis yang paling mendasar untuk menggambarkan keadaan data secara umum. Analisis deskripsi
Lebih terperinciANALISIS DATA EKSPLORATIF MODUL 5 ANALISIS COMPARE MEANS
ANALISIS DATA EKSPLORATIF KELAS C2 MODUL 5 ANALISIS COMPARE MEANS Nama Nomor Praktikan Mahasiswa Sri Siska Wirdaniyati 12611125 Tanggal Kumpul 12 Desember 2013 Praktikan Tanda tangan Laboran Nama Penilai
Lebih terperinciStatistik Deskriptif untuk Data Nominal dan Ordinal
Statistik Deskriptif untuk Data Nominal dan Ordinal Salah satu ciri utama sehingga sebuah data harus diproses dengan metode nonparametrik adalah jika tipe data tersebut semuanya adalah data nominal atau
Lebih terperinciRancangan Percobaan dengan SPSS 13.0 (Untuk kalangan sendiri)
Rancangan Percobaan dengan SPSS 13.0 (Untuk kalangan sendiri) Statistical Product and Service Solution (SPSS) merupakan salah satu perangkat lunak/software statistik yang dapat digunakan sebagai alat pengambil
Lebih terperinciPengenalan SPSS 15.0
Pengenalan SPSS 15.0 1.1 Pengantar SPSS SPSS atau kepanjangan dari Statistical Product and Service Solution merupakan salah satu dari sekian banyak software statistika yang banyak digunakan oleh berbagai
Lebih terperinciBAB I. Introduction to SPSS for Windows
BAB I Introduction to SPSS for Windows Sekilas tentang SPSS Menjalankan SPSS for Windows Membaca Data Memperbaiki (edit) Data Entri Data dan Statistik Deskriptif Interpretasi Output Sekilas tentang SPSS
Lebih terperinciMODUL V REGRESI, KORELASI, ANALISIS VARIAN, VALIDITAS DAN RELIABILITAS
REGRESI, KORELASI, ANALISIS VARIAN, VALIDITAS DAN RELIABILITAS A. TUJUAN PRAKTIKUM Dengan adanya Praktikum Statistika Industri Modul V tentang Regresi, Korelasi, Analisis Varian, Validitas dan Reliabilitas
Lebih terperinciSTATISTIK DESKRIPTIF. Abdul Rohman, S.E
LOGO STATISTIK DESKRIPTIF Konsep Statistika STATISTIKA : Kegiatan untuk : mengumpulkan data menyajikan data menganalisis data dengan metode tertentu menginterpretasikan hasil analisis KEGUNAAN? Melalui
Lebih terperinciSlamet Lestari Jurusan Administrasi Pendidikan FIP UNY Mar Mar
Slamet Lestari Jurusan Administrasi Pendidikan FIP UNY 2012 21-Mar-12 1 Tujuan Pembelajaran: Mahasiswa mampu memahami & mengaplikasikan program SPSS (mengolah & menafsirkan data) 21-Mar-12 2 Materi Ajar
Lebih terperinciModul Pembelajaran SPSS (Statistical Package for the Social Sciences)
Modul Pembelajaran SPSS (Statistical Package for the Social Sciences) Pusat Data dan Statistik Pendidikan Kementerian Pendidikan dan Kebudayaan Republik Indonesia 2014 Kata Pengantar Buku Modul Pembelajaran
Lebih terperinciSTATISTIK DESKRIPTIF
BAB 5 STATISTIK DESKRIPTIF Salah satu statistik yang secara sadar maupun tidak, sering digunakan dalam berbagai bidang adalah statistik deskriptif. Pada bagian ini akan dipelajari beberapa contoh kasus
Lebih terperinciPengantar Pengolahan Data Statistik Menggunakan SPSS 22. Isram Rasal ST, MMSI, MSc
Pengantar Pengolahan Data Statistik Menggunakan SPSS 22 Isram Rasal ST, MMSI, MSc Statistika Statistika Statistika adalah ilmu yang mempelajari bagaimana merencanakan, mengumpulkan, menganalisis, menginterpretasi,
Lebih terperinciPROSEDUR MENGUJI DISTRIBUSI NORMAL MELALUI UJI KAI KUADRAT DI SPSS
PROSEDUR MENGUJI DISTRIBUSI NORMAL MELALUI UJI KAI KUADRAT DI SPSS Wahyu Widhiarso Fakultas Psikologi UGM Kai-Kuadrat (Chi Square) Kai-kuadrat adalah menguji perbedaan antara data empirik (observed) dengan
Lebih terperinciPANDUAN PRAKTIKUM STATISTIKA. Disusun oleh: Dr. Ir. Sofyan, M.Agric Zulkarnain, S.Si Nova Ernida, S.Si Rahmadiansyah, S.Si
PANDUAN PRAKTIKUM STATISTIKA Disusun oleh: Dr. Ir. Sofyan, M.Agric Zulkarnain, S.Si Nova Ernida, S.Si Rahmadiansyah, S.Si FAKULTAS PERTANIAN UNIVERSITAS SYIAH KUALA 2014 KATA PENGANTAR Panduan praktikum
Lebih terperinciI. PENGENALAN SOFTWARE (SPSS) UNTUK ANALISIS DATA 13 Desember 2005
1 I. PENGENALAN SOFTWARE (SPSS) UNTUK ANALISIS DATA 13 Desember 2005 Membuat Database Untuk membuat database di SPSS, langkah pertama yang harus dilakukan adalah membuat variabel di layar tampilan variable
Lebih terperinciAplikasi di Bidang Politik
Aplikasi di Bidang Politik Pembahasan yang terangkum di dalam bab ini adalah: Aplikasi SPSS 15.0 di bidang Politik dengan menentukan statistika deskriptif menggunakan Explore. Aplikasi SPSS 15.0 di bidang
Lebih terperinciPENGENALAN SPSS & PEMBUATAN FILE DATA
Materi I PENGENALAN SPSS & PEMBUATAN FILE DATA STMIK KAPUTAMA BINJAI W A H Y U S. I. S O E P A R N O, S E., M. S I SPSS merupakan software pengolah data statistik dengan cara penggunaan yang mudah dipahami.
Lebih terperinciPRAKTIKUM 1 PENGENALAN SPSS
1. MEMULAI SPSS PRAKTIKUM 1 PENGENALAN SPSS Jika anda akan memulai SPSS 10.0 for Windows, langkah yang harus anda lakukan adalah : a. Klik menu START, kemudian pilih All Programs. Gambar 1. Menu memulai
Lebih terperinciUJI NORMALITAS DATA DAN VARIANS. UNIVERSITAS MUHAMMADIYAH PAREPARE Parepare, 2009
Dengan Materi: UJI NORMALITAS DATA DAN VARIANS Presented by: Andi Rusdi, S.Pd. UNIVERSITAS MUHAMMADIYAH PAREPARE Parepare, 2009 UJI NORMALITAS DATA DAN VARIANS Uji Prasyarat Infrensial (Statistik induktif)
Lebih terperinciUNIVERSITAS MUHAMMADIYAH PAREPARE Parepare, 2009
Dengan Materi: STATISTIKA DESKRIPTIF Presented by: Andi Rusdi, S.Pd. UNIVERSITAS MUHAMMADIYAH PAREPARE Parepare, 2009 STATISTIK DESKRIPTIF Metode statistik adalah prosedur-prosedur yang yang digunakan
Lebih terperinciLABORATORIUM STATISTIK DAN OPTIMASI INDUSTRI FAKULTAS TEKNIK PROGRAM STUDI TEKNIK INDUSTRI UNIVERSITAS PEMBANGUNAN NASIONAL VETERAN JAWA TIMUR
TNR 12 space 1.15 LABORATORIUM STATISTIK DAN OPTIMASI INDUSTRI FAKULTAS TEKNIK PROGRAM STUDI TEKNIK INDUSTRI UNIVERSITAS PEMBANGUNAN NASIONAL VETERAN JAWA TIMUR LAPORAN RESMI MODUL I TNR 12 Space 2.0 STATISTIK
Lebih terperinciLATIHAN SPSS I. A. Entri Data
A. Entri Data LATIHAN SPSS I Variabel Name Label Type Nama Nama Mahasiswa String NIM Nomor Induk Mahasiswa String JK Numeris 1. 2. TglLahir Tanggal Lahir Date da Daerah Asal Numeris 1. Perkotaan 2. Pinggiran
Lebih terperinciMEMBACA HASIL ANALISIS DENGAN SPSS
MEMBACA HASIL ANALISIS DENGAN SPSS Oleh : Teguh Wahyono, S.Kom Staff Pengajar Teknik Informatika UKSW 1. ANALISA TABEL FREKUENSI Berikut adalah contoh data hasil penelitian tentang tinggi badan 20 orang
Lebih terperinci12/8/2012 MODUL -10. Apa itu SPSS? Apa yang bisa dilakukan SPSS? Apa kesamaan SPSS dengan Microsoft Office Excel?
MODUL -10?? Apa itu SPSS? Apa yang bisa dilakukan SPSS? Apa kesamaan SPSS dengan Microsoft Office Excel? 1 SPSS is a software package used for conducting statistical analyses, manipulating data, and generating
Lebih terperinciLAB MANAJEMEN DASAR MODUL STATISTIKA 1
LAB MANAJEMEN DASAR MODUL STATISTIKA 1 Nama : NPM/Kelas : Fakultas/Jurusan : Hari dan Shift Praktikum : Fakultas Ekonomi Universitas Gunadarma Kelapa dua E531 1 UKURAN STATISTIK Pendahuluan Ukuran statistik
Lebih terperinciMODUL 1 UJI DATA ( 1 ) ANALISIS MISSING VALUE & OUTLIER
MODUL 1 UJI DATA ( 1 ) ANALISIS MISSING VALUE & OUTLIER Tujuan dari praktikum modul 1 ini, agar mahasiswa mampu : 1. Mengenali karakteristik missing value.. Memberikan perlakuan atau solusi pemecahan terhadap
Lebih terperinciModul Pembelajaran SPSS (Statistical Package for the Social Sciences) dan Harvard Graphic
Modul Pembelajaran SPSS (Statistical Package for the Social Sciences) dan Harvard Graphic Pusat Data dan Statistik Pendidikan Kementerian Pendidikan dan Kebudayaan Republik Indonesia 2014 Kata Pengantar
Lebih terperinciSTK511 Analisis Statistika. Pertemuan 2 Review Statistika Dasar
STK511 Analisis Statistika Pertemuan 2 Review Statistika Dasar Statistika Populasi Sampling Pendugaan Contoh Deskriptif Tingkat Keyakinan Statistika Deskriptif vs Statistika Inferensia Ilmu Peluang Parameter
Lebih terperinciBAB IV HASIL PENELITIAN
BAB IV HASIL PENELITIAN Empat bagian penting yaitu bagian deskripsi data, pengujian persyaratan analisis, pengujian hipotesis penelitian, dan bagian keterbatasan penelitian akan disajikan di sini, dan
Lebih terperinciBAB I PENDAHULUAN. TNR 12 SPACE 2.0 BEFORE AFTER 0 MARGIN 3,4,3,3 KERTAS A4 TULISAN INGGRIS ITALIC 1.2 Rumusan Masalah
BAB I PENDAHULUAN TNR 14 BOLD 1.1 Latar Belakang (1 halaman. min 4 paragraf.) TNR 12 SPACE 2.0 BEFORE AFTER 0 MARGIN 3,4,3,3 KERTAS A4 TULISAN INGGRIS 1.2 Rumusan Masalah Rumusan masalah yang digunakan
Lebih terperinciTahap pertama yang paling penting dalam mengoperasikan SPSS adalah
Tips for SPSS Cara Memasukkan Data, Analisis Statistik secara Deskriptif dan Transforming Data Oleh: Freddy Rangkuti Tahap pertama yang paling penting dalam mengoperasikan SPSS adalah memasukkan data dan
Lebih terperinciLAB MANAJEMEN DASAR MODUL STATISTIKA 1. Nama : NPM : Kelas : Fakultas Ekonomi Universitas Gunadarma Kelapa Dua
LAB MANAJEMEN DASAR MODUL STATISTIKA 1 Nama : NPM : Kelas : Fakultas Ekonomi Universitas Gunadarma Kelapa Dua 1 UKURAN STATISTIK Pendahuluan Ukuran statistik merupakan ukuran yang menunjukkan bagaimana
Lebih terperinciEntry data merupakan salah satu tahap yang penting dalam mengolah data. Ketepatan, ketelitian dalam memasukkan data adalah kunci pokok membuat data
Entry data merupakan salah satu tahap yang penting dalam mengolah data. Ketepatan, ketelitian dalam memasukkan data adalah kunci pokok membuat data yang baik. Manfaat entry data dan database adalah memudahkan
Lebih terperincistatistik deskriptif
Statistik Deskriptif Pada bab terdahulu telah dibahas penggunaan fasilitas OLAP dari SPSS. Dengan OLAP, sejumlah variabel dengan mudah dapat dikaitkan untuk memperoleh sejumlah informasi. Untuk penyajian
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. yang diperoleh dalam setiap tahapan penelitian yang telah dilakukan. Penelitian
46 BAB IV HASIL PENELITIAN DAN PEMBAHASAN Pada bab ini akan dipaparkan mengenai hasil penelitian dan pembahasan yang diperoleh dalam setiap tahapan penelitian yang telah dilakukan. Penelitian dilakukan
Lebih terperinciBAB 3 PENGOLAHAN DATA
BAB 3 PENGOLAHAN DATA 3.1 Menentukan Model Persamaan Regresi Linier Berganda Data yang dikumpulkan dalam penelitian ini adalah jumlah kecelakaan lalu lintas dan faktor-faktor yang mempengaruhinya yaitu
Lebih terperinci1.1 Memulai SPSS SPSS Data Editor PENGENALAN SPSS. Margaretha Ohyver 1, Anita Rahayu 1, Rokhana Dwi Bekti 2
PENGENALAN SPSS Margaretha Ohyver 1, Anita Rahayu 1, Rokhana Dwi Bekti 2 Statistical Product and Service Solution (SPSS) merupakan salah satu dari beberapa program aplikasi komputer untuk menganalisis
Lebih terperinciStatistik Uji Kruskal-Wallis
Statistik Uji Kruskal-Wallis Author: Junaidi Junaidi Statistik Kruskal Wallis adalah salah satu peralatan statistika non-parametrik dalam kelompok prosedur untuk sampel independen. Prosedur ini digunakan
Lebih terperinciNomor Case Penunjuk Sel Heading Variable Kotak-kotak Variabel
1 MODUL 1. MEMULAI PASW DAN MENGELOLA FILE Tujuan : 1. Mengoperasikan PASW dan menjalankan menu-menu utama dalam PASW 2. Mengatur data editor yang meliputi menyimpan data, mengganti nilai data, menghapus,
Lebih terperinciDr. I Gusti Bagus Rai Utama, SE., M.MA., MA.
Dr. I Gusti Bagus Rai Utama, SE., M.MA., MA. Populasi : totalitas dari semua objek/ individu yg memiliki karakteristik tertentu, jelas dan lengkap yang akan diteliti Sampel : bagian dari populasi yang
Lebih terperinciBAB III METODOLOGI PENELITIAN
III-1 BAB III METODOLOGI PENELITIAN 3.1. PENDEKATAN PENELITIAN Pendekatan penelitian ini menitikberatkan pada pengupayaan pemanfaatan moda transportasi darat alternatif selain transportasi jalan raya guna
Lebih terperinci( ) = ( ) = ( ) = ( ) = 19 5 5 ( ) = 2,8 Lampiran 4. Statistik Penelitian Lari 50 meter Reliability [DataSet1] Scale: ALL VARIABLES
Lebih terperinciStatistik Deskriptif: Central Tendency & Variation
Statistik Deskriptif: Central Tendency & Variation Widya Rahmawati Central Tendency (Ukuran Pemusatan) dan Variation (Ukuran Simpangan) 1) Ukuran pemusatan atau ukuran lokasi adalah beberapa ukuran yang
Lebih terperinciSTATISTIK DESKRIPTIF. Statistics. Strategi Membaca
2 Lampiran 8 Statistics N Mean Median Mode Std. Deviation Variance Range Minimum Maximum Sum Valid Missing STATISTIK DESKRIPTIF Statistics Strategi Membaca Variables Penguasaan Kosakata Kemampuan Memahami
Lebih terperinciTATAP MUKA IV UKURAN PENYIMPANGAN SKEWNESS DAN KURTOSIS. Fitri Yulianti, SP. MSi.
TATAP MUKA IV UKURAN PENYIMPANGAN SKEWNESS DAN KURTOSIS Fitri Yulianti, SP. MSi. UKURAN PENYIMPANGAN Pengukuran penyimpangan adalah suatu ukuran yang menunjukkan tinggi rendahnya perbedaan data yang diperoleh
Lebih terperinciStatistik dan Statistika Populasi dan Sampel Jenis-jenis Observasi Statistika Deskriptif
1. 2 2. 3. 4. Statistik dan Statistika Populasi dan Sampel Jenis-jenis Observasi Statistika Deskriptif Sari Numerik Penyajian Data 2008 by USP & UM ; last edited Jan 11 MA 2081 Statistika Dasar 24 Januari
Lebih terperinciBAB IV PEMBAHASAN DAN ANALISIS
BAB IV PEMBAHASAN DAN ANALISIS 4.1. Pembahasan Pembahasan membahas tentang perancangan rak sepatu berdasarkan data yang telah didapatkan dari populasi kelas 3ID02. Beberapa hal yang dibahas antara lain
Lebih terperinciSTK 211 Metode statistika. Materi 2 Statistika Deskriptif
STK 211 Metode statistika Materi 2 Statistika Deskriptif 1 Statistika Deskriptif Merupakan teknik penyajian dan peringkasan data sehingga menjadi informasi yang mudah dipahami Penyajian data dapat dilakukan
Lebih terperinciANGKET UJI COBA PENELITIAN MINAT SISWA KELAS V SD GUGUS 2 KECAMATAN GALUR TERHADAP PEMBELAJARAN PERMAINAN BOLA VOLI. Nama :... Kelas :...
ANGKET UJI COBA PENELITIAN MINAT SISWA KELAS V SD GUGUS 2 KECAMATAN GALUR TERHADAP PEMBELAJARAN PERMAINAN BOLA VOLI A. Identitas Responden Nama :... Jenis Kelamin :... Kelas :... B. Petunjuk Pengisian
Lebih terperinciAplikasi SPSS 1. 1 Lesta Karolina Sebayang S.E., M.Si
Aplikasi SPSS 1 Tujuan 1. Mahasiswa dapat menginput data ke dalam software SPSS dalam format yang tepat 2. Mahasiswa dapat menentukan beberapa ukuran pemusatan dan penyebaran 3. Mahasiswa dapat membuat
Lebih terperinciKompetisi dan Produktivitas : Contoh Prosedur Mengobati Data tidak Linier dengan Pemotongan Data
Kompetisi dan Produktivitas : Contoh Prosedur Mengobati Data tidak Linier dengan Pemotongan Data Wahyu Widhiarso Fakultas Psikologi Universitas Gadjah Mada Abstrak Banyak cara untuk mengatasi data yang
Lebih terperinciSTK 211 Metode statistika. Agus Mohamad Soleh
STK 211 Metode statistika Merupakan teknik penyajian dan peringkasan data sehingga menjadi informasi yang mudah dipahami Apa yang disajikan dan diringkas? --> PEUBAH Univariate vs Bivariate vs Multivariate
Lebih terperinciSkala pengukuran dan Ukuran Pemusatan. Ukuran Pemusatan
Skala Pengukuran Nominal (dapat dikelompokkan, tidak punya urutan) Ordinal (dapat dikelompokkan, dapat diurutkan, jarak antar nilai tidak tetap sehingga tidak dapat dijumlahkan) Interval (dapat dikelompokkan,
Lebih terperinciAnalisa Perkiraan Jumlah Penerimaan Mahasiswa Baru Dengan Menggunakan Metode Kuadrat Terkecil dan SPSS17.0 StudiKasus : STMIK JAKARTA (STI&K)
Analisa Perkiraan Jumlah Penerimaan Mahasiswa Baru Dengan Menggunakan Metode Kuadrat Terkecil dan SPSS17.0 StudiKasus : STMIK JAKARTA (STI&K) GilangWisnu Pamungkas dan Aqwam Rosadi Kardian STMIK Jakarta
Lebih terperinciISSN : Uji Chi-Square pada Statistika dan SPSS Ari Wibowo 5)
ISSN : 1693 1173 Uji Chi-Square pada Statistika dan SPSS Ari Wibowo 5) Abstrak Uji Chi-Square digunakan untuk pengujian hipotesa terhadap beda dua proporsi atau lebih. Hasil pengujian akan menyimpulkan
Lebih terperinciMenu SPSS untuk Persiapan Data
Menu SPSS untuk Persiapan Data Konsep Menu SPSS pada prinsipnya sama dengan konsep Menu yang ada pada software aplikasi praktis lainnya, seperti Excel, Word, PowerPoint, dan sebagainya. Pada software SPSS,
Lebih terperinciSPSS (STATISTICAL PRODUCT AND SERVICE SOLUTIONS)
SPSS SLIDE SPSS (STATISTICAL PRODUCT AND SERVICE SOLUTIONS) Adalah Program Aplikasi yang memiliki kemampuan analitik statistik cukup tinggi, memproses data statistik secara cepat dan tepat, mengeluarkan
Lebih terperinciStatistika Deskriptif
Statistika Deskriptif Materi 2 - STK511 AnalisisStatistika September 26, 2017 Sep, 2017 1 Merupakan teknik penyajian dan peringkasan data sehingga menjadi informasi yang mudah dipahami Apa yang disajikan
Lebih terperinciDISPERSI DATA. - Jangkauan (Range) - Simpangan/deviasi Rata-rata (Mean Deviation) - Variansi (Variance) - Standar Deviasi (Standart Deviation)
DISPERSI DISPERSI DATA Ukuran penyebaran suatu kelompok data terhadap pusat data. - Jangkauan (Range) - Simpangan/deviasi Rata-rata (Mean Deviation) - Variansi (Variance) - Standar Deviasi (Standart Deviation)
Lebih terperinciPENGENALAN SPSS. C. SPSS Environment. Farida Sulistyorini, S.T & Irfan Adam, S.T
PENGENALAN SPSS A. Tujuan : a. Pengenalan SPSS b. Mahasiswa mampu melakukan input data dengan SPSS c. Mahasiswa mampu mengoperasikan SPSS d. Mahasiswa mampu menyelesaikan permasalahan nyata dengan bantuan
Lebih terperinciBAB II. Transformasi Data. Pedoman Memilih Teknik Statistik. Transformasi Data Compute Data Recode Data Tabulasi Silang Output dan Interpretasi
BAB II Transformasi Data Pedoman Memilih Teknik Statistik Transformasi Data Compute Data Recode Data Tabulasi Silang Output dan Interpretasi Pedoman Memilih Teknik Statistik Teknik analisis statistik apa
Lebih terperinciMODUL PRAKTIKA KOMPUTER UNTUK RISET PASAR DAN PENJUALAN Semester Ganjil 2015/2016
MODUL PRAKTIKA KOMPUTER UNTUK RISET PASAR DAN PENJUALAN Semester Ganjil 2015/2016 Disusun Oleh: 1. Ganjar Mohammad Disastra, SH., MM 2. Widya Sastika, ST., MM NAMA : NPM : KELAS : D3 MANAJEMEN PEMASARAN
Lebih terperinciAlpha. Item-Total Statistics Scale Variance if Item Deleted
65 Lampiran 1 Analisa Reliabilitas Case Processing Summary N % Cases Valid 20 100.0 Excluded a 0.0 Total 20 100.0 a. Listwise deletion based on all variables in the procedure. Cronbach's Alpha Reliability
Lebih terperinciMenu-Menu SPSS untuk Persiapan Data bukan
Menu-Menu SPSS untuk Persiapan Data Konsep Menu SPSS pada prinsipnya sama dengan konsep Menu yang ada pada software aplikasi populer lainnya, seperti Excel, Word, PowerPoint, dan sebagainya. Pada software
Lebih terperinciANALISIS DESKRIPTIF (UNIVARIAT) & PENYAJIAN DATA
1 ANALISIS DESKRIPTIF (UNIVARIAT) & PENYAJIAN DATA EFY AFIFAH, M.Kes FAKULTAS ILMU KEPERAWATAN UNIVERSITAS INDONESIA 2 Pendahuluan Statistik adalah kumpulan angka yang dihasilkan dari pengukuran dan penghitungan
Lebih terperinciLAPORAN PRAKTIKUM 8 & 9 STATISTIKA TENTANG UJI HIPOTESIS (Z OR T) DAN UJI RERATA (STUDENT T)
LAPORAN PRAKTIKUM 8 & 9 STATISTIKA TENTANG UJI HIPOTESIS (Z OR T) DAN UJI RERATA (STUDENT T) STATISTIKA DISUSUN OLEH : MELINA KRISNAWATI 12.12.0328 SI 12 F JURUSAN SISTEM INFORMASI SEKOLAH TINGGI MANAJEMEN
Lebih terperinciTUGAS 1 SPSS STUDI KASUS STATISTIK PROFESI LULUSAN UNIKOM KELAS SISTEM INFORMASI 8 MENGGUNAKAN SPSS V.22
TUGAS 1 SPSS STUDI KASUS STATISTIK PROFESI LULUSAN UNIKOM KELAS SISTEM INFORMASI 8 MENGGUNAKAN SPSS V.22 Mata Kuliah : Lab Statistika Dosen : Sita Dewi Prahastini S.Kom, M.T, M.Kom Oleh : NAMA : ANDRIAN
Lebih terperinciMODUL: PROSES ENTRY DATA DENGAN PROGRAM SPSS Oleh : Suyatno, Ir.MKes.
MODUL: PROSES ENTRY DATA DENGAN PROGRAM SPSS Oleh : Suyatno, Ir.MKes. Setelah kuesioner selesai diisi, maka diperlukan proses editing dan koding sebelum data yang akan disimpan ke dalam komputer. Proses
Lebih terperinciPENS. Probability and Random Process. Topik 2. Statistik Deskriptif. Prima Kristalina Maret 2016
Program Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya Probability and Random Process Topik 2. Statistik Deskriptif Prima Kristalina Maret 2016 1 Outline [2][1] 1. Penyajian Data o Tabel
Lebih terperinciVI. SPSS RANCANGAN ACAK KELOMPOK (RAK)
VI. SPSS RANCANGAN ACAK KELOMPOK (RAK) Syarat : Ada satu peuabah bebas yang disebut perlakukan Ada satu peubah sampingan/pengganggu yang disebut kelompok Model Matematis : Yij = µ + Ki + Pj + єij i = 1,
Lebih terperinciBAB 3 APLIKASI RANCANGAN ACAK KELOMPOK 1 FAKTOR
BAB 3 APLIKASI RANCANGAN ACAK KELOMPOK 1 FAKTOR Rancangan Acak Kelompok atau biasa disingkat RAK digunakan jika kondisi unit percobaan yang digunakan tidak homogen. Dalam rancangan ini, petakan percobaan
Lebih terperinciLAMPIRAN III. Output SPSS
LAMPIRAN III Output SPSS 1. Output Uji Normalitas Reksa Dana Campuran dan Reksa Dana Saham Frequencies Notes Output Created 09-JUL-2014 12:58:37 Comments Input Active Dataset DataSet3 Filter Weight Split
Lebih terperinciMengolah Data Bidang Industri
Mengolah Data Bidang Industri Pengolahan data dalam bidang industri menggunakan aplikasi SPSS 20 mempunyai fungsi sebagai alat bantu untuk memberikan gambaran dalam hal prediksi penjualan atau omzet perusahaan,
Lebih terperinciHASIL PENGOLAHAN DATA DENGAN PERANGKAT SPSS
HASIL PENGOLAHAN DATA DENGAN PERANGKAT SPSS 1. KARAKTERISTIK DATA PENELITIAN Statistics WAKTU WAKTU WAKTU TINGGAL BAK TINGGAL BAK WAKTU TINGGAL BAK KUALITAS DEBIT LIMBAH SEDIMEN AWAL ANAEROB TINGGAL BAK
Lebih terperinciBAB III SIMULASI PENGGUNAAN PERTIDAKSAMAAN PADA DISTRIBUSI
BAB III SIMULASI PENGGUNAAN PERTIDAKSAMAAN PADA DISTRIBUSI 3.1 Pendahuluan Pada bab sebelumnya telah dibahas mengenai pertidaksamaan Chernoff dengan terlebih dahulu diberi pemaparan mengenai dua pertidaksamaan
Lebih terperinciBAB 10 ANALISIS REGRESI LINIER SEDERHANA
BAB 10 ANALISIS REGRESI LINIER SEDERHANA Analisis regresi linier merupakan salah satu jenis metode regresi yang paling banyak digunakan. Regresi linier sederhana terdiri atas satu variabel terikat (dependent)
Lebih terperinciMultiple Box-Plot dengan Program Minitab dan SPSS
Multiple Box-Plot dengan Program Minitab dan SPSS Author: Junaidi Junaidi 1. Pengantar Box plot adalah salah satu teknik yang dapat digunakan dalam mempelajari karakteristik dan distribusi data. Box plot
Lebih terperinciMetode Statistika STK211/ 3(2-3)
Metode Statistika STK211/ 3(2-3) Pertemuan II Statistika Deskripsi dan Eksplorasi Septian Rahardiantoro - STK IPB 1 Misalkan diketahui data sebagai berikut Data 1 No Jenis Kelamin Tinggi Berat Agama 1
Lebih terperinciANALISIS BIVARIAT DATA KATEGORIK DAN NUMERIK Uji t dan ANOVA
ANALISIS BIVARIAT DATA KATEGORIK DAN NUMERIK Uji t dan ANOVA Uji t Independen Sebagai contoh kita gunakan data ASI Eksklusif yang sudah anda copy dengan melakukan uji hubungan perilaku menyusui dengan
Lebih terperinciManajemen Data dengan Stata
Manajemen Data dengan Stata #4 Summarize, Descriptive Statistics dan Tabulate Command Permadina Kanah Arieska, M.Si permadina.kanah@unusa.ac.id http:// kanahberbagi.com Note: Seluruh modul tentang Manajemen
Lebih terperinciContoh Analisis Data Korelasi Kecerdasan Emosi terhadap Stress Kerja 1. Sebaran Data Kecerdasan Emosi Hasil Skoring Kuesioner
Contoh Analisis Data Korelasi Kecerdasan Emosi terhadap Stress Kerja 1. Sebaran Data Kecerdasan Emosi Hasil Skoring Kuesioner 1. Sebaran Data Stress Kerja Hasil Skoring Kuesioner 2. Jumlah Skor Setiap
Lebih terperinciBy : Hanung N. Prasetyo
theory STATISTIKA DESKRIPTIF By : Hanung N. Prasetyo UKURAN PEMUSATAN Nilai tunggal yang mewakili semua data atau kumpulan pengamatan dimana nilai tersebut menunjukkan pusat data. Yang termasuk ukuran
Lebih terperinci