Laporan Deskriptif Statistik
No Komputer : 15
Laporan Statistika Deskriptif
I. Tinjauan Pustaka
Statistika deskriptif merupakan metode-metode yang berkaitan dengan pengumpulan dan penyajian data sehingga memberikan informasi yang berguna. Metode ini bertujuan untuk menguraikan tentang sifat-sifat atau karakteristik dari suatu keadaan dan membuat deksripsi atau gambaran yang sistematis dan akurat mengenai fakta-fakta dan sifat-sifat dari fenomena yang diselidiki. Contoh dari penyajian data dalam statistika deskriptif adalah tabel, diagram, dan grafik (Walpole, 1995).
Hal-hal yang mungkin dikerjakan dalam statistika deskripif adalah mengurutkan data berdasarkan ukuran, meamsukkan data kedalam 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 grafk atau dalam bentuk tabel. Analisis teoretik-deskriptif dalam statistika deskriptif yang menekankan analissnya pada data-data numerikal yang diolah dengan metode statistika. Metode analisis data yang digunakan untuk menguji hipotesis adalah analisis deskriptif melalui isum dan mean dengan alat bantu SPSS. Statistika deskkriptif ditujukan untuk mencari proporsi maupun frekuensi dari karakteristik subyek penelitian (Rachmini,2001).
Statistik deskriptif, yang lazim dikenal pula dengan istilah statistik deduktif, statistik sederhana, dan descriptive statistics, adalah statistik yang tingkat pekerjaannya mencakup cara-cara menghimpun,menyusun, atau mengatur, mengolah, menyajikan, dan menganalisis data angka, agar dapat memberikan gambaran yang teratur, ringkas, dan jelas mengenai suatu gejala, peristiwa, atau keadaan.Dengan kata lain, statistik deskriptif adalah statistik yang mempunyai tugas mengorganisasi dan menganalisis data, angka, agar dapat memberikan gambaran secara teratur, ringkas, dan jelas, mengenai sesuatu gejala, peristiwa atau keadaan, sehingga dapat ditarik pengertian atau makna tertentu.
II. Data
Untuk melakukan pengolahan data di SPSS, tahap pertama yang harus dipersiapkan adalah memiliki datanya terlebih dahulu di excel ataupun media lain seperti google sheet agar memudahkan membedakan data mentah dan data yang akan di input pada aplikasi SPSS
Jenis Kelamin = 1 : Laki-Laki
= 2 : Perempuan
Pendidikan = 1 : SD
= 2 : SLTP
= 3 : SLTA
= 4 : D3
= 5 : S1
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.
Menu ini menampilkan submenu untuk melakukan perubahan-perubahan data, seperti mengurutkan data, memisahkan isi file dengan kriteria tertentu, menggabungkan data, etc.
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.
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:
- Nama variabel maksimal 8 karakter.
- 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.
- Nama tidak bisa berakhir dengan titik dan tidak harus diakhiri dengan garis bawah “_”.
- Nama variabel harus unik; duplikasi tidak diperbolehkan.
- Nama-nama variabel tidak case sensitif, “Nama”, “nama”, dan “naMa” semua dianggap sama.
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.
Nama Variabel : Responden
Type : String (karena pada variabel ini menggunakan huruf bukan angka)
Width : 12 ( jumlah karakter terbanyak yaitu 12)
Decimal : 0 (Tidak menggunakan desimal pada data type string)
Label : Pada data ini tidak menggunakan label.
Value : None
Missing : None
Coloum : 12 (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
Width : 8 (bisa disesuaikan dengan jumlah karakter)
Decimal : 0 (pada data ini tidak menggunakan desimal
Label : -
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 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.
IV. Output
V. Youtube
VI. Referensi
https://repository.unair.ac.id/30154/3/BAB%20II.pdf
Komentar
Posting Komentar