Statistik Deskriptif dengan SPSS

Statistik selalu digunakan ketika parameter yang menggambarkan karakteristik populasi tidak diketahui. Statistik  akan mengambil sebagian (kecil) dari populasi untuk dilakukan pengukuran, kemudian hasil pengukuran tersebut dijadikan sebagai kesimpulan ikterhadap keseluruhan populasi. Sebagian (kecil) dari populasi tersebut dinamakan sampel. Ibarat kita ingin mengetahui rasa sepanci sayur asem, kita tidak perlu menenggak satu panci tapi cukup mencicipinya sebanyak satu sendok.

Terdapat dua jenis statistik yang digunakan ketika penelitian, yaitu:

1. Statistik deskriptif  (descriptive statistics), yang hanya menggambarkan data atau seperti apa data ditunjukkan.
2. Statistik inferensi (inferential statistics), yang mencoba untuk mencapai  kesimpulan (bersifat induktif) dari data dengan kondisi yang lebih umum (Trochim, 2006), misal: point estimation, confidence interval estimation, hypothesis testing.

Definisi lengkap statistik deskriptif adalah metode-metode yang berkaitan dengan pengumpulan dan penyajian suatu gugus data sehingga menaksir kualitas data berupa jenis variabel, ringkasan statistik (mean, median, modus, standar deviasi, etc), distribusi, dan representasi bergambar (grafik), tanpa  rumus probabilistik  apapun (Walpole, 1993; Correa-Prisant, 2000; Dodge, 2006).

Pada SPSS, analisis statistik deskriptif dilakukan dengan meng-klik menu Klik [Analyze] -> [Descriptive Statistics], kemudian terdapat pilihan: Frequencies, Descriptives, Explore, Crosstabs, dan Ratio. Dalam penelitian-penelitian, perintah-perintah ini sering diabaikan karena memang dalam beberapa fungsi analisis lain sudah otomatis tercantum analisis deskriptifnya.

Dengan data sebagaimana ditunjukkan Tabel 1 di bawah ini, kita akan mempraktekkan operasi submenu Frequencies, Descriptives, Explore, dan Crosstabs. Fungsi Ratio tidak akan dibahas karena bagi saya; yang belajar di SPSS 11, ini tergolong baru  🙂 , fasilitas Ratio mulai diperkenalkan pada SPSS versi 11.5, pada dasarnya berfungsi menyediakan ringkasan statistik yang berupa rasio-rasio.

 

Tabel 1
Data Nilai Mahasiswa (bukan data sebenarnya)

Nama	Usia	Jenis Kelamin	Nilai APK	Nilai PPC	Nilai PLO
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

*) Laki-Laki (Value: 1), Perempuan (Value: 2)

 

Entry Data

Langkah pertama yang perlu dilakukan adalah meng-entry data, tentunya anda perlu paham dasar-dasar SPSS (silahkan baca posting sebelumnya yang berjudul: Dasar-Dasar SPSS). Entry data dilakukan pada tab sheet Data View setiap baris mewakili  satu responden, sedangkan setiap kolom mewakili  satu variabel, dalam kasus ini variabelnya adalah: Nama, Usia, Jenis Kelamin, Nilai APK, Nilai PPC, dan Nilai PLO.

Berikut langkah-langkah entry datanya:

(1)  Pada tab [Variable View], isi kolom Name dengan variabel:

• Nama untuk “Nama”
• Usia untuk “Usia”
• Gender untuk “Jenis Kelamin”
• APK untuk “Nilai APK”
• PPC untuk “Nilai PPC”
• PLO untuk “Nilai PLO”

(2) Isi kolom Label:

• Usia
• Jenis Kelamin
• Nilai APK
• Nilai PPC
• Nilai PLO

Hal ini berarti: variabel Gender mempunyai label “Jenis Kelamin”, variabel APK mempunyai label “Nilai APK”, dan seterusnya.

(3) Isi kolom Values untuk variabel Gender:

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

(4) Ubah kolom Type untuk variabel Nama menjadi String.

(5) Isi kolom Decimals dengan 0 (nol) untuk semua variabel.

(6) Biarkan default SPSS untuk kolom Width, Missing, dan Columns.

(7) Jangan lupa ”save”  atau tekan Ctrl + S.

 

(8)  Pada tab [Data View], isi data seperti Gambar 2 di bawah ini.

 

(9) Klik ikon  untuk melihat definisi Value, variabel Gender terdefinisi laki-laki dan perempuan, tidak lagi berisi angka 1 dan 2.

(10)  Menjumlahkan nilai APK, PPC, dan PLO:

• Klik menu [Transform] –> [Compute], muncul dialog box Compute Variable.
• Tuliskan “total” pada form Target Variable.
• Klik [Type & Label], beri label “Nilai Total“.
• Ketik “APK + PPC + PLO” pada form Numeric Expression, atau dapat juga menggunakan tombol-tombol yang tersedia pada dialog box, lihat Gambar 3.

• Klik [OK]. Pada Data View akan muncul variabel baru dengan nama “Total” (lihat Gambar 4).

 

Setelah data di-entry, selanjutnya memulai menggunakan perintah-perintah statistik deskriptif. Tahap pertama adalah menggunakan perintah Frequencies.

 

A. Frequencies

Perintah Frequencies digunakan untuk memperoleh jumlah pada nilai-nilai sebuah variabel tunggal. Langkah-langkahnya adalah sebagai berikut:

(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).

 

Pada Gambar 7 terlihat hasil analisis SPSS, di mana pada tabel pertama N Valid = 10 yang menunjukkan jumlah responden 10 orang dan N Missing = 0 yang berarti tidak ada data yang hilang (missing).

Pada tabel yang kedua terlihat hasil analisis Frequencies terhadap variabel Jenis Kelamin, di mana jumlah responden laki-laki 8 orang (80%) dan responden perempuan ada 2 orang (20%).

Jika scroll digeser ke bawah akan terlihat Bar Chart (lihat  Gambar 8) yang menunjukkan visualisasi jumlah responden laki-laki dan perempuan.

Perhatikan kriteria “laki-laki” dan “perempuan“, ini merupakan hasil definisi value variabel Gender pada kolom Values, di mana Value: 1 = Laki-laki dan Value: 2 = Perempuan. Jika definisi value diabaikan maka pada bar chart maupun tabel analisis yang terlihat bukan laki-laki dan perempuan melainkan 1 dan 2. Begitu juga judul tabel dan judul histogram: “jenis kelamin“, ini merupakan hasil dari proses label yang telah kita lakukan untuk variabel Gender. Fungsi label ini bermanfaat untuk para pembaca analisis. Selanjutnya adalah penggunaan perintah Descriptives.

 

B. Descriptives

Dengan menggunakan data sebelumnya langkah-langkah perintah Descriptives adalah sebagai berikut:

(1) Klik menu [Analyze] -> [Descriptives Statistics] -> [Descriptives], muncul dialog box Descriptives.

(2) Masukkan variabel yang akan dianalisis ke form Variables(s).

(3) Klik [Options] untuk melakukan setting optional, muncul dialog box Descriptives: Options.

(4) Centang analisis yang diperlukan, saya memilih:

• Mean
• Std. deviation
• Minimum
• Maximum
• Kurtosis
• Skewness

(5) Centang Variable list pada form Display Order.

 

(6)  Klik [Continue] dan [OK]. Hasil analisis akan terlihat seperti tabel yang ditunjukkan Gambar 10 di bawah ini:

 

Tabel output di atas menunjukkan jumlah pengukuran (N), nilai minimum (Minimum), nilai maksimum (Maximum), nilai rata-rata (Mean), standar deviasi (Std.), Skewness, dan Kurtosis dari masing-masing variabel.

Nilai skewness merupakan ukuran kesimetrisan histogram, sedangkan kurtosis merupakan ukuran datar atau runcingnya histogram. Idealnya nilai skewness dan kurtosis pada distribusi normal adalah nol. Oleh karena itu:

• Jika nilai skewness positif maka distribusi data “miring ke kiri distribusi normal” (ada frekuensi nilai yang tinggi di sebelah kiri titik tengah distribusi normal), sebaliknya apabila skewness negatif maka distribusi data ”miring ke kanan distribusi normal” (kiri bagi kita yang melihatnya).
• Jika nilai kurtosis positif maka distribusi data “meruncing” (ada satu nilai yang mendominasi), sebaliknya apabila Kurtosis Negatif maka distribusi data “melandai” (varians besar).

Perhatikan Gambar 10 di atas, variabel Usia memiliki skewness negatif dan kurtosis positif, artinya distribusinya “miring ke kiri distribusi normal” dan “meruncing”.

Pada variabel nilai APK, nilai skewness positif dan nilai kurtosis negatif, artinya distribusinya “miring ke kanan distribusi normal” dan “melandai”. Sebagai pembuktian, buat histogram untuk variabel Usia dan Nilai APK. Berikut caranya:

• Klik menu [Graphs] -> [Histogram], maka muncul dialog box Histogram.
• Pilih variabel Usia dan masukkan dalam form Variable.
• Centang Display normal curve, untuk memperlihatkan kurva normal.
• Selanjutnya klik [OK].

Lakukan langkah yang sama untuk variabel nilai APK. Hasilnya bisa dilihat pada Gambar 12.

 

Gambar 12 di atas menunjukkan histogram untuk variabel Usia  memiliki distribusi “miring ke kiri distribusi normal” karena nilainya skewness negatif  dan “meruncing” karena nilai kurtosis positif.

Sebaliknya, histogram untuk variabel Nilai APK  memiliki distribusi “miring ke kanan distribusi normal” karena nilainya skewness positif  dan “melandai” karena nilai kurtosis negatif.

Di sini, anda bisa menentukan apakah distribusi tersebut normal atau tidak. Anda bisa saja menyatakan normal, karena menyerupai bentuk lonceng tetapi agak serong, tapi  orang lain mungkin akan menyatakan tidak normal karena jauh dari bentuk lonceng. Jika sulit mengambil keputusan, silahkan lakukan pengujian normalitas yang lebih advance, misal dengan Uji Kolmogorov-Smirnov. Selanjutnya, kita masuk pada penggunaan perintah Explore.

 

C. Explore

Perintah Explore digunakan untuk membandingkan antara dua atau lebih kelompok dengan satu  variabel. Sebagai contoh, jika kita menggunakan Jenis Kelamin sebagai variabel independen; variabel ini mendefinisikan kelompok (Laki-Laki dan Perempuan), kemudian membandingkannya dengan variabel lain, seperti Usia. Perintah Explore; contoh  dalam kasus mean, akan menghasilkan  berapa rata-rata usia laki-laki dan berapa rata-rata usia perempuan.  Ukuran-ukuran yang dihasilkan perintah Explore  antara lain: ukuran-ukuran pemusatan data (mean dan median), ukuran penyebaran (range, interquartile range, standar deviasi, varians, minimum, dan maksimum), ukuran kurtosis, dan skewness.

Berikut langkah-langkah perintah Explore:

(1) Klik menu [Analyze] -> [Descriptives Statistics] -> [Explore], muncul dialog box Explore.

(2) Isi variabel Jenis Kelamin pad form Factor List.

(3) Isi variabel Usia, Nilai APK, Nilai PPC, Nilai PLO, dan Nilai Total pada form Dependent List.

(4) Pada  form Display ada tiga pilihan:

• Klik [Plots] bila perlu grafik boxplot.
• Klik [Statistics] bila tidak perlu grafik boxplot.
• Klik [Both] bila perlu keduanya.

(5)  Terakhir klik [OK].

 

Selanjutnya, kita masuk pada penggunaan perintah Crosstabs.

 

D. Crosstabs

Jika perintah Frequencies digunakan untuk memperoleh jumlah pada nilai-nilai sebuah variabel tunggal, perintah  Crosstabs digunakan untuk memperoleh jumlah pada nilai-nilai lebih dari satu variabel. Apabila analisis statistik deskriptif sebelumnya mengolah data secara keseluruhan dalam setiap variabel dengan menghitung perhitungan statistik seperti Mean, Standar deviasi, Kurtosis, etc. Pada Crosstabs, setiap nilai pada variabel yang dianalisis dijabarkan jumlahnya, dengan begitu kita dapat mengetahui berapa jumlah subyek laki-laki yang berusia 19 tahun, 20 tahun, dst. Deskripsi data pada Crosstabs akan disajikan dalam bentuk tabel silang (crosstab) yang terdiri dari baris dan kolom.

Berikut langkah-langkah perintah Crosstabs:

(1)  Klik menu [Analyze] -> [Descriptives Statistics] -> [Crosstabs], muncul dialog box Crosstabs.

(2) Isi variabel Jenis Kelamin pada form Row(s).

(3) Isi variabel yang akan dianalisis, contoh variabel Usia pada form Column(s).

 

(4)  Centang [Display clustered bar charts] untuk menampilkan chart bar dari output.

(5) Untuk dialog box [Statistics], [Cells], dan [Format] biarkan sesuai dengan default SPSS.

(6)  Terakhir klik [OK].

 

Statistik deskriptif memberikan informasi inti dari kumpulan data, seperti ukuran-ukuran pemusatan data (mean dan median), ukuran penyebaran (range, interquartile range, standar deviasi, varians, minimum, dan maksimum), ukuran kurtosis, dan skewness serta representasi piktorialnya. Tabel, diagram, dan grafik yang sering ditemukan di majalah dan koran-koran merupakan salah satu contoh penggunaan statistik deskriptif.

 

 

Rujukan:

---

Correa-Prisant, M. (2000). Descriptive statistics. Retrieved from http://www.pitt.edu/~super1/lecture/lec0421/index.htm

Dodge, Y. (2006). The Oxford dictionary of statistical terms (p. 111). New York: Oxford University Press.

Patria, B. (2007, August 17). Entry Data: Seri Tutorial SPSS 03. Retrieved from http://inparametric.com/bhinablog/download/03_entri_data.pdf

__________. (2007, August 17). Analisis Deskriptif: Seri Tutorial SPSS 04. Retrieved from http://inparametric.com/bhinablog/download/04_analisis_deskriptif.pdf

SPSS. (2005). SPSS (Version 14.0) [Computer software]. Chicago-Illinois: SPSS, Inc.

Trochim, W. M. K. (2006). Descriptive statistics. Research Methods Knowledge Base. Retrieved from http://www.socialresearchmethods.net/kb/statdesc.php

Walpole, R. E. (1993). Pengantar statistika. Jakarta : PT Gramedia Pustaka Utama.