spss

2. PENGERTIAN SPSS
 SPSS adalah aplikasi yang digunakan untuk melakukan analisis statistika tingkat lanjut, analisis
data dengan algoritma machine learning, analisis string, serta analisis big data yang dapat
diintegrasikan untuk membangun platform data analisis. SPSS adalah kependekan dari Statistical
Package for the Social Sciences.
 SPSS sangat populer di kalangan peneliti dan statistikawan untuk membantu melakukan
perhitungan terkait analisis data. SPSS menyediakan library untuk perhitungan statistika dengan
antarmuka interaktif yang menjadikannya sebagai software analisis data tingkat lanjut paling
populer di berbagai universitas, instansi, dan perusahaan.

3. TUJUAN SPSS
SPSS dirilis pertama kali pada tahun 1998. Kemudian sejak tahun 2009 SPSS telah
diakuisisi oleh IBM Corporation sebagai software IBM Analytic. Selanjutnya perangkat lunak ini
disebut IBM SPSS Statistics. Software ini dikembangkan dengan bahasa pemrograman Java. SPSS
tersedia untuk platform sistem operasi Microsoft Windows, Linux dan Mac OS. SPSS juga dapat
diintegrasikan dengan bahasa pemrograman R, Microsoft.NET dan Python untuk penggunaan lebih
lanjut.

4. Beberapa kemudahan yang lain yang dimiliki SPSS dalam pengoperasiannya adalah karena SPSS
menyediakan beberapa fasilitas seperti berikut ini :
1. Data Editor Merupakan jendela untuk pengolahan data. Data editor dirancang sedemikian rupa
seperti pada aplikasi-aplikasi spreadsheet untuk mendefinisikan, memasukkan, mengedit, dan
menampilkan data.
2. Viewer mempermudah pemakai untuk melihat hasil pemrosesan, menunjukkan atau
menghilangkan bagian-bagian tertentu dari output, serta memudahkan distribusi hasil pengolahan
dari SPSS ke aplikasi-aplikasi yang lain.
3. Multidimensional Pivot Tables Hasil pengolahan data akan ditunjukkan dengan multi dimensional
pivot tables. Pemakai dapat melakukan eksplorasi terhadap tabel dengan pengaturan baris, kolom,
serta layer. Pemakai juga dapat dengan mudah melakukan pengaturan kelompok data dengan
melakukan splitting tabel sehingga hanya satu group tertentu saja yang ditampilkan pada satu
waktu.
4. High-Resolution GraphicsDengan kemampuan grafikal beresolusi tinggi, baik untuk menampilkan
pie charts, bar charts, histogram, scatterplots, 3-D graphics, dan yang lainnya, akan membuat SPSS
tidak hanya mudah dioperasikan tetapi juga membuat pemakai merasa nyaman dalam
pekerjaannya.
FUNGSI SPSS

5. 5. Database Access. Pemakai program ini dapat memperoleh kembali informasi dari sebuah
database dengan menggunakan Database Wizard yang disediakannya.
6. Data Transformations. Transformasi data akan membantu pemakai memperoleh data yang siap
untuk dianalisis. Pemakai dapat dengan mudah melakukan subset data, mengkombinasikan
kategori, add, aggregat, merge, split, dan beberapa perintah transpose files, serta yang lainnya.
7. Electronic DistributionPengguna dapat mengirimkan laporan secara elektronik menggunakan
sebuah tombol pengiriman data (e-mail) atau melakukan export tabel dan grafik ke mode HTML
sehingga mendukung distribusi melalui internet dan intranet.
8. Online Help. SPSS menyediakan fasilitas online help yang akan selalu siap membantu pemakai
dalam melakukan pekerjaannya. Bantuan yang diberikan dapat berupa petunjuk pengoperasian
secara detail, kemudahan pencarian prosedur yang diinginkan sampai pada contoh-contoh kasus
dalam pengoperasian program ini.
9. Akses Data Tanpa Tempat Penyimpanan SementaraAnalisis file-file data yang sangat besar
disimpan tanpa membutuhkan tempat penyimpanan sementara. Hal ini berbeda dengan SPSS
sebelum versi 11.5 dimana file data yang sangat besar dibuat temporary filenya.

6. 10. Interface dengan Database Relasional. Fasilitas ini akan menambah efisiensi dan memudahkan
pekerjaan untuk mengekstrak data dan menganalisnya dari database relasional.
11. Analisis Distribusi. Fasilitas ini diperoleh pada pemakaian SPSS for Server atau untuk aplikasi
multi user. Kegunaan dari analisis ini adalah apabila peneliti akan menganalisis file-file data
yang sangat besar dapat langsung me-remote dari server dan memprosesnya sekaligus tanpa
harus memindahkan ke komputer user.
12. Multiple Sesi. SPSS memberikan kemampuan untuk melakukan analisis lebih dari satu file data
pada waktu yang bersamaan.
13. Mapping. Visualisasi data dapat dibuat dengan berbagai macam tipe baik secara konvensional
atau interaktif, misalnya dengan menggunakan tipe bar, pie atau jangkauan nilai, simbol gradual,
dan chart.

7. TUTORIAL MENGGUNAKAN SPSS

8. Cara membuat file SPSS baru dan input data
Berikut langkah-langkah sederhana/dasar untuk melakukan input data dengan SPSS,
1. Buka aplikasi SPSS
Klik All Programs › IBM SPSS Statistics › IBM SPSS Statistics 23. Lokasi shortcut disesuaikan dengan
versi SPSS yang terinstall di komputer (versi lain tidak jauh berbeda).
2. Close dialog Files, karena akan dilakukan analisis data sederhana
Untuk menutup klik (X) pada pojok kiri dialog Files seperti berikut

9. 3. Data View: input data melalui lembar kerja dengan tab Data View
Data View adalah tampilan lembar kerja SPSS untuk menampilkan isi dari input data. Data yang dimasukkan
diinput secara vertikal. Berikut ilustrasinya,
Perangkat lunak SPSS akan membuat variabel baru dengan VAR00001

10. 4. Variable View: mengedit dan melihat variabel data pada lembar kerja
Anda dapat mengedit Variable View untuk mengubah nama variabel, tampilan data, type data,
panjang tampilan data. Berikut mengubah nama variabel,
Variabel terbentuk menggunakan tipe data (measurement) scale.

11. 5. Save: Menyimpan data yang telah diinput
Setelah memastikan data terinput benar. Anda dapat menyimpan lembar kerja SPSS dengan klik
menu File › Save. Atau menggunakan shortcut keyboard Ctrl+S,

12. 6. Pilih direktori penyimpanan dan simpan file data dengan nama
Jendela Save Data As akan terbuka untuk menyimpan file data yang telah diinput. Pilih direktori penyimpanan
dan simpan file seperti ilustrasi berikut,
Klik Save

13. 7. File tersimpan
File berhasil disimpan ditandai dengan keluaran berupa jendela output yang menampilkan lokasi
penyimpanan, nama file, dan format file yang digunakan. (SAVE OUTFILE)
Anda dapat menutup kedua jendela jika tidak melakukan pekerjaan lainnya.

14. UJI KUALITAS DATA
1. Menghitung Validitas menggunakan SPSS
Terdapat banyak metode uji validitas kuesioner. Metode uji validitas yang paling populer yaitu metode Bivariate Pearson.
Metode ini juga disebut metode Korelasi Produk Momen Pearson.
Rumus Korelasi Product Momen Pearson
Persyaratan Standar Hasil Uji Validitas
Berikut persyaratan standar hasil dari uji validitas yang umum digunakan:
• Signifikansi Pearson < 0.05 artinya item valid
• Signifikansi 2-Tailed < 0.01 artinya item berkorelasi Tinggi
• Signifikansi 2-Tailed < 0.05 artinya item berkorelasi

15. Contoh:
Data berikut merupakan sebagian data kuesioner yang berisi persepsi 50 responden terkait kemanfaatan
sektor pariwisata terhadap aspek perekonomian. Terdiri dari 10 variabel yang bernilai 1 (Sangat Tidak
Setuju), 2 (Tidak Setuju), 3 (Moderat), 4 (Setuju), dan 5 (Sangat Setuju). Sehingga digunakan tipe data
numerik dengan nilai desimal 0.

17. Berikut langkah-langkah uji validitas SPSS:
1. Membuat variabel total
Sebelum memulai langkah pengujian, perlu dibuat variabel total yang merupakan nilai jumlahan tiap item.
Pada contoh ini Total =
PAE01+PAE02+PAE03+PAE04+PAE05+PAE06+PAE07+PAE08+PAE09+PAE10
o Buat Variabel Total yang bersesuaian terhadap data yang diukur

18. o Klik Transform > Compute Variable...
o Masukkan Target Variable dan Numeric Expression pada jendela Computer

19. o Klik OK
o Variabel Total berhasil dibuat

20. 2. Klik Correlate > Bivariate

21. 3. Memilih item yang dianalisis
Pada jendela Bivariate Correlate pilih item yang dianalisis dengan memindahkannya ke kolom kanan. Untuk
mempercepat pemilihan, dapat digunakan ctrl+shift.
Pada opsi Correlation Coefficients: centang Pearson. Pada opsi Test of
Significance: centang Two-tailed. Centang juga Flag significant correlations

22. 4. Klik OK
Hasil analisis ditampilkan pada jendela output.

23. Cara Membaca Hasil Uji Validitas
Berikut cara membaca hasil uji validitas dari contoh kuesioner di atas.

24. Validitas setiap item ditunjukkan oleh kolom total. Berdasarkan r tabel, nilai Pearson Correlation minimal
adalah 0.2732 karena menggunakan 50 responden (N) dengan batas 0.05. Terlihat semua nilai pearson
correlations tiap item di atas 0.2732. Hal ini ditandai dengan tanda * atau ** pada kolom Total di tabel
output. Sehingga 10 item kuesioner ini sudah valid.

25. 2. Menghitung Reliabilitas menggunakan SPSS
Uji reliabilitas SPSS adalah pengujian yang mengukur tingkat konsisten atau kestabilan data kuesioner
menggunakan software SPSS. Berikut cara melakukan uji reliabilitas SPSS terhadap data kuesioner.
Tinggi rendahnya reliabilitas dinyatakan oleh suatu nilai yang disebut koefisien reliabilitas, berkisaran antara 0-
1. Koefisien reliabilitas dilambangkan dengan x adalah adalah index kasus yang dicari. Pengujian reliabilitas
menggunakan rumus Alpha Cronbach's.
Rentang Nilai Alpha Cronbach's
• Alpha < 0.50 reliabilitas rendah
• 0.50 < alpha < 0.70 reliabilitas moderat
• Alpha > 0.70 maka reliabilitas mencukupi (sufficient reliability)
• Alpha > 0.80 maka reliabilitas kuat
• Alpha > 0.90 maka reliabilitas sempurna
• Semakin kecil nilai alpha menunjukkan semakin banyak item yang tidak reliabel. Standar yang digunakan adalah alpha >
0.70 (sufficient reliability).

26. Contoh:
Data berikut merupakan sebagian data kuesioner yang berisi persepsi 50 responden terkait kemanfaatan
sektor pariwisata terhadap aspek perekonomian. Terdiri dari 10 variabel ordinal yang bernilai 1 (Sangat
Tidak Setuju), 2 (Tidak Setuju), 3 (Moderat), 4 (Setuju), dan 5 (Sangat Setuju). Sehingga digunakan tipe
data numerik dengan nilai desimal 0.

28. Berikut langkah-langkah melakukan uji reliabilitas menggunakan SPSS,
1. Klik Analyze > Scale > Reliability Analysis...

29. 2. Pilih variabel pada jendela Reliability Analysis
Pilih variabel yang akan dianalisis dengan memindahkannya ke kolom item. Kita juga dapat
menekan ctrl+shift lalu pilih item pertama kemudian klik item terakhir untuk mempercepat proses
memilih variabel.
Pada opsi model pada jendela Reliability Analysis pilih Alpha untuk uji Alpha Cronbach's.

30. 3. Klik Statistics... pada jendela Reliability Analysis
Pada jendela Reliability Analysis: Statistics centang Scale if item deleted, untuk melihat perubahan
nilai Alpha saat item dihapus. Lalu klik Continue.

31. 4. Klik OK pada jendela Reliability Analysis
Hasil analisis uji reliabilitas ditampilkan pada jendela output.

32. Cara Membaca Uji Reliabilitas pada SPSS
Berikut hasil analisis yang dilakukan pada langkah-langkah di atas,
1. Case Processing Summary
Tabel case processing summary menunjukkan total kasus yang diujikan dan banyaknya nilai kasus yang valid.
2. Reliability Statistics (Hasil Pengujian)
Tabel reliability statistics menunjukkan hasil analisis dari uji reliabilitas dengan Cronbach's Alpha =
0,660 dari 10 item variabel. Nilai reliabilitas 0,660 adalah nilai moderat. Sehingga kuesioner ini dikatakan
konsisten (reliable).

33. 3. Item-Total Statistics
Pada tabel ini dapat kita ketahui perubahan nilai Cronbach's Alpha jika masing-masing item dihapus dari
kuesioner. Hal ini dapat digunakan apabila dirasa nilai Cronbach's Alpha masih belum mencukupi untuk
penelitian bersangkutan.

34. UJI ASUMSI KLASIK
1. Uji Normalitas Menggunakan SPSS
Uji normalitas digunakan untuk mengetahui data yang akan dianalisis berdistribusi normal atau tidak. Pada
dasarnya, data yang berdistribusi normal dapat diketahui melalui bentuk histogram seperti lonceng.
Terdapat banyak uji normalitas untuk mengetahui distribusi data.

35. Cara Uji Normalitas SPSS beserta Grafiknya
Diketahui pada Data View berikut (menggunakan tampilan value labels) berisi data nilai ujian
matematika dari 20 siswa suatu kelas.

36. Dengan variabel pada data SPSS
Berikut langkah-langkah untuk melakukan uji normalitas pada SPSS,
1. Klik Analyze > Descriptive Statistics > Explore...

37. 2. Masukkan variabel yang dilakukan pengujian normalitas pada jendela Explore
Masukkan variabel dilakukan pengujian ke kolom Dependent List. Kita juga dapat memasukkan variabel
ke Factor List untuk melakukan pengujian berdasarkan kriteria tertentu, misalnya uji normalitas data
yang dibedakan berdasarkan jenis kelamin.
Catatan: Anda dapat memasukkan beberapa variabel sekaligus di Dependent List untuk menguji
normalitas masing-masing variabel, misalnya uji normalitas 2 variabel atau 3 variabel.

38. 3. Klik Plots.. pada jendela Explore dan centang Normality plot with tests
o Boxplots : Untuk membuat Boxplot data
o Descriptive : Untuk melakukan analisis deskriptif serta membuat grafik Steam-and-leaf atau histogram (centang jika
diperlukan)
o Normality plots with tests : untuk melakukan pengujian normalitas

39. 4. Klik Continue lalu klik OK
5. Hasil pengujian ditampilkan pada jendela output

40. Membaca Hasil Uji Normalitas SPSS
Untuk mempermudah membaca hasil analisis anda dapat menggunakan panel navigasi pada jendela output.

41. Hasil Pengujian Normalitas (Test of Normality)
Nilai signifikansi (p) pada uji Kolmogorov-Smirnov adalah 0.2 ( p > 0.05), sehingga berdasarkan uji normalitas Kolomogorov-
Smirnov data berdistribusi normal.
Nilai signifikansi (p) pada uji Shapiro-Wilk adalah 0.853 ( p > 0.05), sehingga berdasarkan uji normalitas Shapiro-Wilk data
berdistribusi normal.

42. Histogram Data
Terlihat bentuk histogram data hampir menyerupai lonceng.

43. Normal Q-Q Plot
Q-Q Plot baik digunakan dengan data N≥20 untuk melihat keragaman sebaran data univariat (1 variabel).

44. 2. Uji Autokorelasi Menggunakan SPSS
Uji autokorelasi digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik autokorelasi
yaitu korelasi ynag terjadi antara residual pada satu pengamatan dengan pengamatan lain pada modal
regresi. Model regresi yang baik adalah model regresi yang bebas dari autokorelasi. Ada beberapa cara
yang dapat digunakan untuk mendeteksi ada atau tidaknya autokorelasi. Metode pengujian yang sering
digunakan adalah dengan uji Durbin-Watson (uji DW) dengan ketentuan sebagai berikut :
3. Jika d lebuh kecil dari dL atau lebih besar dari (4-dL) maka hopotesis nol ditolak, yang berarti terdapat
autokorelasi.
4. Jika d terletak antara dU dan (4-dU), maka hipotesis nol diterima, yang berarti tidak ada autokorelasi.
5. Jika d terletak antara dL dan dU atau diantara (4-dU) dan (4-dL), maka tidak menghasilkan kesimpulan
yang pasti.
Nilai du dan dl dapat diperoleh dari tabel statistika Durbin Watson yang bergantung banyaknya
observasi dan banyaknya variabel yang menjelaskan.

45. Cara Uji Autokorelasi menggunakan SPSS
Contoh soal yang akan digunakan dalam pembahasan kali ini adalah mengenai tingkat profitabilitas
perbankan selama kurun waktu 44 periode. Tingkat profitabilitas tersebut diukur melalui nilai ROA (Return
of Asset). Terdapat beberapa faktor yang diduga memengaruhi profitabilitas perbankan, di mana faktor-faktor
dan data tersebut ditampilkan pada tabel di bawah ini.

47. Data tersebut kemudian di input-kan ke dalam SPSS sehingga pengujian autokorelasi dapat dilakukan, yakni
dengan cara klik “Variable View” yang terletak di bagian bawah menu SPSS untuk melakukan setting nama
dan format variabel. Selanjutnya meng-input data tersebut pada bagian “Data View”.

48. Langkah-langkah lanjutan untuk melakukan pengujian autokorelasi menggunakan Durbin-Watson Test pada
software SPSS 22 adalah sebagai berikut:
1. Pada bagian menu, pilih Analyze > Regression > Linear

49. 2. Memasukkan variabel Y ke dalam kolom “Dependent”, sedangkan variabel X1, X2, dan X3 pada kolom
“Independet(s)”. Kemudian klik “Statistics”.

50. 3. Pada window “Linear Regression: Statistics” yang muncul, beri tanda centang pada bagian “Estimates”,
“Model fit”, dan “Durbin-Watson”. Klik “Continue”, kemudian klik “OK” pada window “Linear
Regression”.

51. 4. Selanjutnya akan muncul beberapa tabel output pada IBM SPSS Statistics Viewer. Namun tabel output
yang digunakan untuk pengujian autokorelasi ini hanyalah “Model Summary”.
Berdasarkan tabel output di atas, diperoleh nilai Durbin-Watson (d) sebesar 2,282. Nilai Durbin-Watson
tersebut selanjutnya kamu gunakan untuk membandingkannya dengan nilai dL dan dU pada Tabel
Durbin-Watson, dimana n = 44 dan p = 3, dan alpha = 5%.

53. Pada Tabel Durbin-Watson di atas, tidak terdapat nilai dL dan dU untuk n = 44. Oleh karena itu diperlukan
perhitungan manual untuk mendapatkan nilai tersebut, yakni dengan cara interpolasi:
Dengan membandingkan antara nilai d, dL, dan dU terhadap kriteria penolakan Durbin-Watson Test pada
pembahasan sebelumnya, keputusan yang diambil adalah gagal tolak H0 karena nilai d > dU. Sehingga dapat
disimpulkan bahwa asumsi non-autokorelasi pada contoh soal mengenai tingkat profitabilitas perbankan
selama kurun waktu 44 periode telah terpenuhi.

54. SUMBER
• https://www.advernesia.com/spss/
• https://www.kakakiky.id/2020/01/spss-fungsi-kelebihan-dan-k
ekurangan.html
• https://swanstatistics.com/uji-autokorelasi-dengan-spss/
• https://tambahpinter.com/uji-autokorelasi/

55. THANK YOU