SPSS Data Entry: Panduan Input, Transformasi, dan Analisis Data

Anda baru saja menyelesaikan pengumpulan data dari beberapa responden. Di hadapan Anda kini terbentang sederet angka dan informasi: nama, usia, jenis kelamin, hingga hasil dari kuesioner. Sekarang saatnya melakukan entri data ke dalam SPSS. Lalu, bagaimana caranya agar proses ini dilakukan dengan benar?

Mengapa Entri Data di SPSS Penting?

Proses entri data di SPSS ini penting, tapi sering dianggap sepele. Kesalahan kecil seperti:

• salah memasukkan jenis variabel,
• lupa memberi label, atau
• tidak mendefinisikan value

bisa membuat hasil analisis membingungkan dan salah arti. Kesalahan ini bisa merusak kesimpulan yang diambil. Karena itu, kita harus paham dulu cara kerja dan struktur data di SPSS sebelum mulai analisis.

Di SPSS, data disusun seperti di Excel: baris untuk tiap responden, sedangkan kolom mewakili variabel. Agar data yang dimasukkan benar dan hasilnya mudah dimengerti, ada beberapa langkah yang harus dilakukan dengan hati-hati.

Contoh Dataset yang Digunakan

Kalau sebelumnya Anda sudah baca: “SPSS untuk Pemula–Panduan Dasar Software Statistik“, Anda mungkin sudah cukup familiar dengan tampilan jendela kerja SPSS. Sekarang, kita akan lanjut ke tahap praktik: entri data, transformasi data, dan sedikit pengantar analisis sederhana. Semua akan dijelaskan menggunakan contoh data seperti pada Tabel 1 di bawah ini.

Tabel 1
Data Nilai Mahasiswa (bukan data sebenarnya)

Nama Mahasiswa	Usia	Jenis Kelamin	Nilai
			APK (Analisis Perancangan Kerja)	PPC (Production Planning and Control)	PLO (Plant Layout)
Suhairi	20	Laki-laki	80	50	70
Ambon	21	Laki-laki	70	70	90
Astri	22	Perempuan	60	80	70
Henri	21	Laki-laki	80	90	60
Yugos	22	Laki-laki	90	60	70
Muji	19	Perempuan	70	80	80
Tatang	20	Laki-laki	60	70	40
Ferdi	21	Laki-laki	60	90	60
Arsyad	21	Laki-laki	70	70	40
Fauzan	21	Laki-laki	90	80	60

Langkah-Langkah Entri Data di SPSS

Entri data dilakukan pada tab Data View, di mana setiap baris diisi dengan data masing-masing mahasiswa, mirip seperti saat mengisi data di Excel. Namun, sebelum itu, kita perlu menentukan variabel untuk setiap kolom. Variabel-variabel ini didefinisikan terlebih dahulu pada tab Variable View.

Dari Tabel 1 di atas, kita akan membuat enam variabel berikut:

1. Nama Mahasiswa
2. Usia
3. Jenis Kelamin
4. Nilai APK
5. Nilai PPC
6. Nilai PLO

Mari kita ikuti langkah-langkah untuk memasukkan data ini ke dalam SPSS.

1. Membuat dan mendefinisikan variabel di Variable View

Lihat bagian bawah jendela SPSS. Secara default, SPSS berada pada tab Data View. Sekarang, alihkan tab ke [Variable View]. Masukkan keenam variabel ke kolom Name dengan penamaan sebagai berikut:

1. Nama untuk “Nama Mahasiswa”
2. Usia untuk “Usia”
3. Gender untuk “Jenis Kelamin”
4. APK untuk “Nilai APK”
5. PPC untuk “Nilai PPC”
6. PLO untuk “Nilai PLO”

⚠️ Nama variabel sebaiknya singkat, tanpa spasi, dan tanpa karakter khusus.

2. Menambahkan Label pada variabel

Masih di [Variable View], isi kolom Label agar nanti mudah dikenali. Berikut label yang digunakan:

• Variabel Usia — Label: Usia
• Variabel Gender — Label: Jenis Kelamin
• Variabel APK — Label: Nilai APK
• Variabel PPC — Label: Nilai PPC
• Variabel PLO — Label: Nilai PLO

Label ini akan dimunculkan pada output analisis; pada tabel dan grafik, sehingga mudah dibaca. Ini contohnya:

• variabel APK akan ditampilkan sebagai Nilai APK,
• variabel PPC akan ditampilkan sebagai Nilai PPC, dan seterusnya.

3. Mendefinisikan Values (label Value) untuk Variabel Kategorik

Agar variabel kategorik seperti Gender dapat dianalisis secara statistik, nanti kita akan mengisi kolom variabel Gender dengan angka sebagai berikut:

• 1 untuk Laki-laki, dan
• 2 untuk Perempuan.

Agar angka-angka ini tetap tampil sebagai teks dalam hasil analisis, kita harus mendefinisikan label untuk setiap angka tersebut.

Langkah-langkahnya:

1. Klik kolom Values pada baris Gender.
2. Masukkan label sebagai berikut:

• • Value: 1 = Laki-laki
  • Value: 2 = Perempuan.

Dengan cara ini, SPSS akan menampilkan label teks seperti Laki-laki atau Perempuan dalam tabel atau grafik hasil analisis, bukan hanya angka 1 atau 2. Hasilnya, data menjadi lebih mudah dipahami serta tampak lebih rapi dan profesional.

4. Mengubah tipe data (string vs numeric)

Masih di [Variable View], klik kolom Type pada baris name. Ubah jenis data menjadi String, karena data pada variabel ini berupa teks (nama mahasiswa).

5. Mengatur jumlah desimal pada variabel numerik

Atur kolom Decimals menjadi 0 (nol) untuk semua variabel numeric seperti Usia, Gender, APK, PPC, dan PLO. Tujuannya agar tidak muncul angka desimal yang tidak perlu seperti 20.0, 1.0, 80.0, dan seterusnya.

6. Pengaturan tambahan: Width, Missing, dan Columns

Untuk kolom Width, Missing, dan Columns, kita bisa melewatinya atau biarkan saja sesuai pengaturan default dari SPSS.

Kalau semua variabel sudah selesai diatur, kita bisa mulai memasukkan data di tab [Data View]. Jangan lupa simpan file — klik ikon Save atau tekan Ctrl + S di keyboard.

Hasil dari proses pengaturan variabel ini bisa kita lihat pada Gambar 1 di bawah ini.

7. Memasukkan data di Data View

Kembali ke tab [Data View], lalu entri data yang terdapat pada Tabel 1. Hasilnya akan terlihat seperti pada Gambar 2.

Kemudian klik ikon untuk menampilkan definisi Value. Kolom Gender kini menampilkan label “Laki-laki” dan “Perempuan”, bukan lagi berisi angka 1 dan 2.

 

Pada tahap ini, pembuatan dan pengaturan variabel sudah selesai, dan data pun sudah kita entri. Langkah berikutnya adalah mulai mengolah data, seperti transformasi data maupun analisis sederhana untuk mendapatkan gambaran awal dari data yang kita miliki. Jangan lupa pastikan data sudah tersimpan sebelum lanjut ke proses selanjutnya.

---

Transformasi data di SPSS menggunakan Compute Variable

Saat mengolah data di SPSS, sering kali kita perlu melakukan perhitungan atau membuat variabel baru berdasarkan data yang sudah ada. Kita dapat menggunakan fitur Compute Variable untuk melakukan hal ini. 

Kapan saja kita menggunakan Compute Variable?

Penggunaan umum fitur Compute Variable dalam analisis data antara lain:

• Menghitung nilai baru dari beberapa variabel, seperti rata-rata atau penjumlahan.
• Menggabungkan beberapa variabel jadi satu.
• Mentransformasikan data dengan fungsi matematika atau logika.
• Mentransformasikan jenis data string menjadi numeric sehingga bisa untuk analisis regresi.

Langkah-langkah menggunakan Compute Variable di SPSS

Kali ini kita akan mencoba menjumlahkan nilai dari variabel APK, PPC, dan PLO ke dalam kolom baru bernama Total. Berikut caranya:

1. Buka menu [Transform] dan pilih [Compute].
2. Di dalam dialog box Compute Variable:
   • Ketik “Total” pada form Target Variable.
   • Klik tombol [Type & Label], lalu buat label yang sama “Total“.
   • Pada boks Numeric Expression, ketik: “APK + PPC + PLO” (kita juga bisa menggunakan tombol kalkulator yang tersedia) — lihat Gambar 3.
3. Klik [OK].

Setelah itu, kita akan melihat kolom baru bernama “Total” di tab [Data View]. Kolom ini berisi hasil penjumlahan dari ketiga variabel yang kita masukkan (lihat Gambar 4).

 

 

---

Analisis data menggunakan Frequencies di SPSS

Salah satu fitur analisis dasar yang sangat berguna di SPSS adalah Frequencies. Fitur ini digunakan untuk menghitung dan melihat berapa kali (frekuensi) setiap responden atau data muncul dalam suatu variabel, lengkap dengan persentasenya. Kalau datanya numeric, kita juga bisa menampilkan statistik dasar dengan mengaktifkan opsi tambahan, seperti mean, median, dan modus.

Langkah-langkah analisis Frequencies

Berikut langkah-langkah menggunakan menu Frequencies:

1. Klik menu [Analyze] -> [Descriptive Statistics] -> [Frequencies], muncul dialog box Frequencies.
2. Masukkan variabel Jenis Kelamin [Gender] ke form Variables(s) (untuk menganalisis variabel Jenis Kelamin).
3. Jangan lupa centang Display frequency tables.

 

 

4. Agar menampilkan representasi bergambar (grafik), klik [Charts], maka akan muncul dialog box Frequencies: Charts. Saya memilih Bar charts pada form Chart Type. Pada form Chart Values , saya memilih Percentages (lihat Gambar 6).

 

5. Klik [Continues] untuk kembali ke dialog box Frequencies lalu klik [OK] maka muncul jendela SPSS Viewer  yang menunjukkan hasil analisis frekuensi (lihat Gambar 7).

Penjelasan output Frequencies di SPSS

Perhatikan Gambar 7.  Pada panel Display Output terlihat dua tabel:

1. Tabel pertama menunjukkan N Valid = 10, yang berarti jumlah data adalah 10 orang, serta N Missing = 0, yang menunjukkan tidak ada data yang hilang (no missing data).
2. Tabel kedua menampilkan hasil analisis Frequencies terhadap variabel Jenis Kelamin, di mana jumlah data laki-laki 8 orang (80%) dan data perempuan 2 orang (20%).

Jika digulir ke bawah, akan terlihat Bar Chart (lihat  Gambar 8) yang memvisualisasikan jumlah data laki-laki dan perempuan.

 

Label “Laki-laki” dan “Perempuan” yang muncul pada tabel dan bar chart berasal dari pelabelan kolom Values  untuk variabel Gender (lihat Langkah 3 entri data).

Tanpa pelabelan ini, SPSS hanya akan menampilkan angka “1” dan “2”, yang dapat menimbulkan kebingungan dalam membaca output. Judul “Jenis Kelamin” juga muncul karena label variabel telah ditambahkan sebelumnya. Pemberian label sangat membantu dalam menyajikan data secara lebih jelas dan informatif.

Wrap-up

Entri data merupakan langkah awal dalam proses analisis data, dan hasil dari analisis tersebut akan menjadi dasar dalam pengambilan keputusan. Agar keputusan yang diambil tepat sasaran, maka langkah awal ini harus dilakukan dengan benar sejak awal.

Kita telah mempraktikkan cara menata data dengan rapi di SPSS—mulai dari membuat dan mendefinisikan variabel, memberikan label, hingga melakukan entri data. Hasil dari penataan ini mulai terasa saat kita melakukan transformasi data (Compute Variable) atau menjalankan analisis (Frequencies); proses analisis menjadi lebih mudah, cepat, dan tanpa masalah teknis.

Pada postingan selanjutnya, kita akan menggunakan data yang sudah kita input ini untuk melakukan analisis statistik deskriptif di SPSS sebagai langkah memahami data secara lebih mendalam.

 

---