Manajemen Lalu Lintas Baru Di Jalan Selamet Riyadi
Analisis Kuantitatif#1_Pengenalan SPSS.pdf
1. 07/03/2018
1
ANALISIS KUANTITATIF
Lektion Eins(#1):
Pengenalan SPSS
Verfasser bei Usmania Institute
Beberapa program aplikasi
komputer populer untuk Statistika:
SPSS (Statistical Package for Social Science)
Minitab
Eviews
Stata
Statistica
SAS
AMOS
Lisrel
EQS
R-Software
dll
Referensi
1. IBM SPSS Statistics xx Core System
User’s Guide
2. IBM SPSS Advanced Statistics xx
3. Leech, Nancy L., et al. (2005), SPSS for Intermediate
Statistics ‒ Use and Interpretation, Lawrence
Erlbaum Associates Publisher.
4. Verma, J.P. (2013), Data Analysis in Management
with SPSS Software, Springer, New Delhi.
5. Wagner, William E. (2015), Using IBM SPSS Statistics
for Reserach Methods and Social Science Statistics,
5th Edition, SAGE Publications, Inc.
1. Arbucle, James L. (2016), IBM SPSS AMOS 24 User’s
Guide, IBM Corp.
2. Kline, Rex B. (2015), Principles and Practice of
Structural Equation Modeling-(Methodology in the
Social Sciences), The Guilford Press.
3. Schumacker, Randall E. and Lomax, Richard G
(2016), A Beginner’s Guide to Structural Equation
Modeling, Routledge, New York.
4. Usman Dachlan (2014), Panduan Lengkap Structural
Equation Modeling – Tingkat Dasar, Lentera Ilmu.
2. 07/03/2018
2
Fitur-Fitur Utama SPSS
SPSS
Window utama SPSS:
– Data Editor: untuk entri dan olah data
– Statistics Viewer (Output): untuk menampilkan
hasil analisis
SPSS: Data Editor
DATA VIEW:
Untuk Entri Data
VARIABLE VIEW:
Untuk Mendefinsikan
Variabel
SPSS: Statistics Viewer
Output Hasil Analisis
3. 07/03/2018
3
Variabel, Observasi, Value
Variabel
1 observasi/
case
Value/
nilai
Menu Utama
Analyze: menu semua perintah untuk olah
dan analisis data
Transform: menu untuk mengubah nilai data
menjadi nilai lain yang ditentukan.
Graph: menu perintah untuk membuat
bagan/grafik
Data: menu untuk memberi perlakukan pada
observasi/case
Tahapan Analisis dengan
SPSS
Siapkan Data:
Definisikan variabel
Entri Data
Transformasi Data (bila perlu)
Simpan sebagai file data (*.sav)
Interpretasi Hasil Analisis
Lihat Hasil di
Output Window
Jalankan Perintah Analisis:
Pilih menu teknik analisis
Tetapkan spesifikasi analisis
Eksekusi (OK)
Menyiapkan File Data
4. 07/03/2018
4
Data Mentah
NAMA
JENIS
KELAMIN
USIA
TINGKAT
PENDDKN
GOL
DARAH
TINGGI
BADAN
Jimmy Laki-laki 33 Tinggi B 165,1
Robert Laki-laki 30 Tinggi AB 173,4
Luwinsky Perempuan 27 Menengah O 162,9
Pattrick Laki-laki 26 Tinggi A 167,0
Monica Perempuan 23 Menengah AB 170,2
Nem Perempuan 20 Dasar O 152,8
Data mentah ini akan dientri di SPSS, dan disimpan sebagai
file data
Mendefinisikan Variabel
Variabel didefinisikan melalui Tab Variable View di Data
Editor
Definisi dilakukan dengan memberi nama variabel,
menentukan tipenya, dan lain-lain sebagai berikut :
↘ Name: nama variabel
Nama Variabel harus singkat dan tidak boleh mengandung karakter
khusus, seperti: spasi, ?, *, /, %, $, &, dan lain-lain
↘ Type: tipe variabel [utama: numeric; string]
↘ Width: lebar digit (berhubungan dengan konsumsi memori)
↘ Decimals: jumlah digit dibelakang koma
↘ Label: label variabel untuk memperjelas nama variabel
↘ Values: label value (untuk data nonmetrik)
↘ Missing: nilai untuk missing value.
↘ Column: lebar kolom (untuk tampilan di monitor)
↘ Align: perataan [kiri, tengah, kanan]
↘ Measure: skala pengukuran [n, o, metrik/scale]
Membuat File Data
1. Melalui Tab Varibel View, buat definisi variabel
untuk 6 variabel yang terdapat di data mentah (slide
11): Nama, Jenis Kelamin, Usia, Tingkat Pendidikan,
Golongan Darah, dan Tinggi Badan.
2. Melalui Tab Data View, entrikan datanya.
3. Simpan dengan nama file: buatdata_nama_nim.sav.
nama: nama singkat
nim: 4 digit terakhir NIM.
Menyisipkan: Variabel &
Observasi
1. Sisipkan variabel “Berat Badan” di antara variabel
“Golongan Darah” dan “Tinggi Badan”, dan entri
datanya sebagaimana tabel berikut: BERAT
BADAN
65,12
73,33
68,26
59,50
70,24
44,38
2. Sisipkan sebuah case/observasi,
yaitu data diri Anda sendiri pada
observasi ke-3.
3. Jangan lupa untuk menyimpan
kembali file data Anda.
5. 07/03/2018
5
Menghapus: Variabel &
Observasi
1. Melalui Tab Variabel View, hapus 1 buah
sembarang variabel. [klik kanan pada nomor
variabel, pilih Clear]
2. Batalkan penghapusan dengan Undo.
3. Melalui Tab Data View, hapus 1 buah
sembarang variabel. [klik kanan pada heading
kolom, pilih Clear]
4. Batalkan penghapusan dengan Undo.
5. Hapus case data Anda (observasi ke-3). [klik
kanan pada nomor observasi, pilih Clear]
6. Jangan lupa untuk menyimpan kembali file data
Anda.
Menjalankan
Perintah Analisis
Memilih Teknik Analisis
Akan dihitung koefisien korelasi pearson, antara
variabel Berat Badan dan Tinggi Badan. Pilih menu:
Analyze |Correlate | Bivariate...
Modeling: Menentukan
Spesifikasi Analisis
1. Klik variabel “Berat Badan”
2. Tekan dan tahan tombol Ctrl pada keyboard, dan klik
variabel “Tinggi Badan”
[kedua variabel menjadi terpilih]
3. Klik tanda panah untuk memindahkan keduanya ke kotak
Variables.
4. Pastikan kotak periksa
Pearson (dalam kotak
Correlation Coefficient)
dalam keadaan terpilih.
5. Klik OK. [eksekusi analisis]
6. 07/03/2018
6
Melihat Hasil Analisis &
Membuat Interpretasi
Hasil analisis ditampilkan di Output Window:
Hasil: Koefisien korelasi pearson
antara berat badan dan tinggi
badan adalah sebesar 0,891
Interpretasi: Terdapat hubungan
linier positif yang sangat erat antara
berat badan dan tinggi badan
LATIHAN
Deskripsi Sederhana
1. Untuk variabel: Jenis Kelamin, Tingkat
Pendidikan, dan Golongan Darah; tampilkan
frekuensi masing-masing kelas.
2. Untuk variabel: Usia, Berat Badan, dan Tinggi
Badan; tampilkan: nilai terendah, nilai tertinggi,
nilai rata-rata, dan simpangan bakunya.
3. Buat grafik/diagram pie yang menjelaskan:
– Persentase laki-laki dan perempuan.
– Persentas kategori-kategori golongan darah