Iklan

Tip-Trik(2)

Halaman ini merupakan halaman ketiga dari daftar judul tip-trik sederhana, terutama menyangkut pada penggunaan program komputer untuk kepentingan pengolahan data. Silakan klik tulisan yang ada di halaman ini. Klik juga daftar tip-trik yang ada pada halaman pertama dan halaman kedua sebelumnya

Iklan

Tip-Trik (1)

Halaman ini merupakan lanjutan dari daftar judul tip-trik sederhana, terutama menyangkut pada penggunaan program komputer untuk kepentingan pengolahan data. Silakan klik tulisan yang ada di halaman ini. Klik juga daftar tip-trik yang ada pada halaman sebelumnya.

Lihat lanjutan daftar ini. Klik disini

Tabel Silang Empat Variabel dengan SPSS

Tulisan ini merupakan lanjutan dari dua tulisan sebelumnya yang membahas mengenai tabel silang. Untuk memahami bagian ini, silakan baca terlebih dahulu bagian pertama dan bagian kedua ini.

Jika pada tulisan sebelumnya kita sudah membahas mengenai tabel silang untuk tiga variabel, sekarang kita akan membahas untuk empat variabel (dan dengan cara yang sama untuk lebih dari empat variabel).
Sebagai latihan, misalnya kita punya data mengenai jenis kelamin (sex), daerah, tingkat pendidikan dan pendapatan dari 60 orang responden penelitian.
Jenis kelamin dikode sebagai berikut:
1 = laki-laki
2 = perempuan
Daerah dikode sebagai berikut:
1 = Kota
2 = Desa
Tingkat pendidikan misalnya dikategorikan sebagai:
1 = responden yang berpendidikan SLTP kebawah
2 = responden yang berpendidikan SLTA
3 = responden yang berpendidikan D3 ke atas.
Pendapatan juga kita kelompokkan atas tiga yaitu:
1 = pendapatan rendah (kurang dari Rp. 1.000.000)
2 = pendapatan menengah ( Rp. 1.000.000 – 3.000.000)
3 = pendapatan tinggi ( diatas Rp 3.000.000)
( Catatan: jika data yang dimiliki masih berupa data mentah (belum dikelompokkan), kita dapat mengelompokkannya dengan SPSS. Baca tulisan ini).
Data jenis kelamin, daerah tingkat pendidikan dan pendapatan responden tersebut diberikan di bawah ini (Catatan: input data di bawah ini sebenarnya hanya terdiri dari empat kolom. Kolom pertama adalah jenis kelamin, kolom kedua adalah daerah, kolom ketiga adalah pendidikan dan kolom keempat adalah pendapatan. Mengingat keterbatasan halaman, tampilan dibawah dipotong jadi dua, seakan-akan jadi delapan kolom. Karenanya, jika anda menginput ke SPSS, tetap jadikan hanya empat kolom).

Setelah menginput data tersebut (atau bisa juga sebelum menginput data ), berilah value label untuk masing-masing kategori variabel yaitu untuk jenis kelamin: 1 (laki-laki), 2 (perempuan), untuk daerah: 1 (kota), 2 (desa), untuk pendidikan: 1 (=< SLTP), 2(SLTA), 3(>= D3), sedangkan untuk pendapatan: 1 (rendah), 2(menengah), 3(tinggi). Cara memberikan value label, silakan baca tulisan ini.
Selanjutnya, klik Analyze > Descriptive Statistics > Crosstabs. Akan muncul tampilan berikut:

Masukkan variabel Pendapatan ke kotak Row(s), Variabel Pendidikan ke kotak Column(s) serta Variabel Sex ke kotak Layer 1of 1. (Catatan: ini hanya salah satu contoh cara mengkombinasikan penempatan Row,column dan layer nya. Sebagai latihan silakan diganti-ganti dan lihat bentuk outputnya)
Selanjutnya klik Next, akan muncul tampilan berikut:

Masukkan variabel Daerah ke kotak Layer 2 of 2. (Catatan: Begitu seterusnya untuk tabel silang lebih dari empat variabel)
Selanjutnya klik Cells, akan muncul tampilan berikut:

Ada beberapa pilihan pada tampilan Cell Display diatas. Untuk kepentingan latihan saat ini, silakan klik saja Observed dan Column.
Pilihan Observed bertujuan untuk menampilkan frekuensi data sebenarnya, pilihan Row bertujuan untuk menampilkan persentase baris, column untuk persentase kolom dan total untuk persentase total dalam tabel silang.
Selanjutnya, klik Continue dan klik OK. Akan muncul output tabel silang sebagai berikut:

Contoh cara membacanya:
Dari output SPSS, Count adalah frekuensi dari data yang diamati (observed). Cara membacanya, misalnya angka 5 pada baris pertama kolom pertama dari tabel diatas berarti bahwa terdapat 5 responden laki-laki di kota dengan pendidikan =< SLTP yang berpendapatan rendah.
% within Pendidikan adalah persentase kolom dari tabel silang ini. Misalnya angka 71.4% (baris kedua kolom pertama) dari tabel diatas adalah berasal dari (5/7) x 100%. Cara membacanya adalah dari total responden laki-laki di kota yang berpendidikan SLTP ke bawah (sebanyak 7 orang), 71,4 persen diantaranya berpendapatan rendah.
Perhatikan bahwa dari tabel kita diatas terdapat banyak sel yang kosong. Hal ini terutama disebabkan jumlah observasi yang relatif sedikit dibandingkan jumlah sel yang terbentuk dari tabel silang ini. Oleh karenanya, jumlah observasi harus menjadi pertimbangan ketika kita ingin membentuk tabel silang dengan jumlah variabel atau kategori yang banyak.
Ok, cukup sekian dulu tulisan ini.

Tabel Silang Tiga Variabel dengan SPSS

Tabel silang pada dasarnya tidak hanya dapat dibentuk antar dua variabel, tetapi juga dapat dibentuk untuk melihat keterkaitan lebih dari dua variabel. Oleh karenanya, jika pada tulisan sebelumnya kita telah membahas membuat tabel silang untuk dua variabel (silakan baca dulu tulisan tersebut untuk memahami bagian ini), maka sekarang kita akan bahas cara membentuk tabel silang lebih dari dua variabel (untuk kali ini kita lihat terlebih dahulu untuk tiga variabel).

Sebagai latihan, misalnya kita punya data mengenai jenis kelamin (sex), tingkat pendidikan dan pendapatan dari 60 orang responden penelitian.
Jenis kelamin dikode sebagai berikut:
1 = laki-laki
2 = perempuan
Tingkat pendidikan misalnya dikategorikan sebagai:
1 = responden yang berpendidikan SLTP kebawah
2 = responden yang berpendidikan SLTA
3 = responden yang berpendidikan D3 ke atas.
Pendapatan juga kita kelompokkan atas tiga yaitu:
1 = pendapatan rendah (kurang dari Rp. 1.000.000)
2 = pendapatan menengah ( Rp. 1.000.000 – 3.000.000)
3 = pendapatan tinggi ( diatas Rp 3.000.000)
( Catatan: jika data yang dimiliki masih berupa data mentah (belum dikelompokkan), kita dapat mengelompokkannya dengan SPSS. Baca tulisan ini).
Data jenis kelamin, tingkat pendidikan dan pendapatan responden tersebut diberikan di bawah ini (Catatan: input data di bawah ini sebenarnya hanya terdiri dari tiga kolom. Kolom pertama adalah jenis kelamin, kolom kedua adalah pendidikan dan kolom ketiga adalah pendapatan. Mengingat keterbatasan halaman, tampilan dibawah dipotong jadi dua, seakan-akan jadi enam kolom. Karenanya, jika anda menginput ke SPSS, tetap jadikan hanya tiga kolom).

Setelah menginput data tersebut (atau bisa juga sebelum menginput data ), berilah value label untuk masing-masing kategori variabel yaitu untuk jenis kelamin: 1 (laki-laki), 2 (perempuan), untuk pendidikan: 1 (=< SLTP), 2(SLTA), 3(>= D3), sedangkan untuk pendapatan: 1 (rendah), 2(menengah), 3(tinggi). Cara memberikan value label, silakan baca tulisan ini.
Selanjutnya, klik Analyze > Descriptive Statistics > Crosstabs. Akan muncul tampilan berikut:

Masukkan variabel Pendapatan ke kotak Row(s), Variabel Pendidikan ke kotak Column(s) serta Variabel Sex ke kota Layer 1of 1. (Catatan: ini hanya salah satu contoh cara mengkombinasikan penempatan Row,column dan layer nya. Sebagai latihan silakan diganti-ganti dan lihat bentuk outputnya)
Selanjutnya klik Cells, akan muncul tampilan berikut:

Ada beberapa pilihan pada tampilan Cell Display diatas. Untuk kepentingan latihan saat ini, silakan klik saja Observed dan Column.
Pilihan Observed bertujuan untuk menampilkan frekuensi data sebenarnya, pilihan Row bertujuan untuk menampilkan persentase baris, column untuk persentase kolom dan total untuk persentase total dalam tabel silang.
Selanjutnya, klik Continue dan klik OK. Akan muncul output tabel silang sebagai berikut:

Contoh cara membacanya:
Dari output SPSS, Count adalah frekuensi dari data yang diamati (observed). Cara membacanya, misalnya angka 7 pada baris pertama kolom pertama dari tabel diatas berarti bahwa terdapat 7 responden laki-laki dengan pendidikan =< SLTP yang berpendapatan rendah.
% within Pendidikan adalah persentase kolom dari tabel silang ini. Misalnya angka 77.8% (baris kedua kolom pertama) dari tabel diatas adalah berasl dari (7/9) x 100%. Cara membacanya adalah dari total responden laki-laki yang berpendidikan SLTP ke bawah (sebanyak 9 orang), 77,8 persen diantaranya berpendapatan rendah.
Ok, sekian dulu. Pada tulisan berikutnya akan kita bahas tabel silang dalam kasus empat variabel (karena sedikit berbeda cara menginput perintahnya serta bentuk tampilannya).

Tabel Silang dengan SPSS

Salah satu cara untuk menggambarkan keterkaitan antar variabel secara sederhana adalah dengan membentuk tabel silang (crosstabs) antar variabel tersebut. Tabel silang adalah tabel distribusi frekuensi yang menghubungkan dua atau lebih variabel.

Bagaimana cara kita membentuk tabel silang ini dengan SPSS ?
Sebagai latihan, misalnya kita punya data tingkat pendidikan dan pendapatan dari 60 orang responden penelitian. Tingkat pendidikan misalnya dikategorikan sebagai:
1 = responden yang berpendidikan SLTP kebawah
2 = responden yang berpendidikan SLTA
3 = responden yang berpendidikan D3 ke atas.
Pendapatan juga kita kelompokkan atas tiga yaitu:
1 = pendapatan rendah (kurang dari Rp. 1.000.000)
2 = pendapatan menengah ( Rp. 1.000.000 – 3.000.000)
3 = pendapatan tinggi ( diatas Rp 3.000.000)
(Catatan: jika data yang dimiliki masih berupa data mentah (belum dikelompokkan), kita dapat mengelompokkannya dengan SPSS. Baca tulisan ini).
Data tingkat pendidikan dan pendapatan responden tersebut diberikan di bawah ini (Catatan: input data di bawah ini sebenarnya hanya terdiri dari dua kolom. Kolom pertama adalah pendidikan dan kolom kedua adalah pendapatan. Mengingat keterbatasan halaman, tampilan dibawah dipotong jadi dua, seakan-akan jadi empat kolom. Karenanya, jika anda menginput ke SPSS, tetap jadikan hanya dua kolom).

Setelah menginput data tersebut (atau bisa juga sebelum menginput data ), berilah value label untuk masing-masing kategori variabel yaitu untuk pendidikan: 1 (=< SLTP), 2(SLTA), 3(>= D3), sedangkan untuk pendapatan: 1 (rendah), 2(menengah), 3(tinggi). Cara memberikan value label, silakan baca tulisan ini.
Selanjutnya, klik Analyze > Descriptive Statistics > Crosstabs. Akan muncul tampilan berikut:

Masukkan variabel Pendapatan ke kotak Row(s) dan Variabel Pendidikan ke kotak Column(s). Selanjutnya klik Cells, akan muncul tampilan berikut:

Ada beberapa pilihan pada tampilan Cell Display diatas. Untuk kepentingan latihan saat ini, silakan klik saja Observed, Row, Column, Total.
Pilihan Observed bertujuan untuk menampilkan frekuensi data sebenarnya, pilihan Row bertujuan untuk menampilkan persentase baris, column untuk persentase kolom dan total untuk persentase total dalam tabel silang.
Tentunya, pilihan-pilihan persentase ini dalam prakteknya tidak akan kita gunakan semuanya (karena akan memperumit pembacaan tabel). Tapi untuk sekedar latihan, silakan klik saja semua pilihan persentase tersebut.
Selanjutnya, klik Continue dan klik OK.Akan muncul output tabel silang sebagai berikut:

Dari output SPSS, Count adalah frekuensi dari data yang diamati (observed). Cara membacanya, misalnya angka 16 pada baris pertama kolom pertama dari tabel diatas berarti bahwa terdapat 16 responden dengan pendidikan =< SLTP yang berpendapatan rendah. Angka 7 pada kolom kedua baris pertama berarti bahwa terdapat 7 responden dengan pendidikan SLTA yang berpendapatan rendah.
% within Pendapatan adalah persentase baris dari tabel silang ini. Misalnya, angka 64.0% (baris kedua kolom pertama) dari tabel diatas adalah berasal dari (16/25) x 100%. Cara membacanya adalah dari total responden berpendapatan rendah (sebanyak 25 orang), 64,0 persen diantaranya adalah mereka yang berpendidikan SLTP ke bawah.
% within Pendidikan adalah persentase kolom dari tabel silang ini. Misalnya angka 69.6% (baris ketiga kolom pertama) dari tabel diatas adalah berasl dari (16/23) x 100%. Cara membacanya adalah dari total responden yang berpendidikan SLTP ke bawah (sebanyak 23 orang), 69,6 persen diantaranya berpendapatan rendah.
% within total adalah persentase total dari tabel silang ini. Misalnya angka 26.7% (baris keempat kolom pertama) adalah berasal dari (16/60) x 100%. Cara membacanya adalah dari total responden (sebanyak 60 orang), 26,7 persen diantaranya memiliki pendidikan SLTP kebawah dengan pendapatan rendah.
Sekali lagi, sebagai catatan, dalam prakteknya kita tidak perlu menggunakan semua jenis persentase ini. Silakan pilih sesuai dengan kebutuhan analisis, agar tampilan tabel silang tidak ruwet seperti diatas.
Ok, sekian dulu. Berkaitan dengan tabel silang ini akan kita bahas hal-hal lainnya pada tulisan berikutnya.

Pengelompokkan Data dengan SPSS

Seringkali dan biasanya, selain menampilkan ukuran statistik deskriptif dari kumpulan data, kita juga ingin menampilkan distribusi frekuensi dari data tersebut. Jika data sudah dalam bentuk kategori (misalnya pendidikan SD, SLTP,SLTA dst) atau data sudah dikategorikan dalam kelompok-kelompok interval tertentu misalnya pendapatan rendah ( < 1.000.000), menengah (1.000.000 – 2.0000), tinggi (>2.000.000), maka kita dapat secara langsung membuat distribusi frekuensinya dengan SPSS (caranya, lihat tulisan ini).

Tetapi bagaimana jika data belum terkelompok dalam kategori-kategori tertentu ? Tentunya tabel distribusi frekuensinya akan sangat panjang mengikuti keragaman dari nilai-nilai data tersebut. Misalnya kita punya data umur responden penelitian sebagai berikut:

Jika dibentuk tabel distribusi frekuensi dari data diatas, maka akan terbentuk tabel distribusi yang tidak ringkas, sehingga kita akan sulit menarik kesimpulan dari data tersebut, seperti terlihat dibawah ini:

Karenanya, agar tabel distribusi frekuensi menjadi lebih ringkas sehingga mudah diinterpretasikan., data umur dalam contoh kita diatas sebaiknya dikelompokkan terlebih dahulu.
Bagaimana cara mengelompokkan data ini dalam SPSS ?
Sebagai latihan, silakan input terlebih dahulu data umur responden diatas, definisikan nama variabel dengan umur (lihat cara mendefinisikan variabel pada tulisan ini), kemudian klik Transform. Ada dua pilihan dalam mengelompokkan data ini yaitu Recode into Same Variables (kode pengelompokkan akan menindih data asli) dan Recode into Different Variables (kode pengelompokan akan dibuat pada variabel yang baru). Kita pilih saja Recode into Different Variables, maka akan muncul tampilan berikut:

Pindahkan variabel umur yang tadinya ada dikotak sebelah kiri ke kotak sebelah kanan dengan cara mengklik panah arah ke kanan. Kemudian pada kotak Output Variable, untuk Name tuliskan Kel.Umur dan untuk Label tuliskan Kelompok Umur (lihat tampilan diatas), kemudian klik Change.
Selanjutnya, klik Old and New Values, akan muncul tampilan berikut:

Misalnya kita ingin mengelompokkan umur menjadi : < 29, 30 – 39, 40 – 49, dan >49.
Caranya perhatikan tampilan diatas.
Untuk mengelompokkan umur ≤ 29, pada bagian Old Value, klik Range,LOWEST through value, kemudian isikan pada kotak dibawahnya angka 29. Selanjutnya pada bagian New Value, pada kotak Value isikan angka 1, kemudian klik Add (lihat tampilan diatas)
Untuk mengelompokkan umur 30 – 39, pada bagian Old Value, klik Range, kemudian isikan pada kotak dibawahnya angka 30 dan kotak dibawah through angka 39. Selanjutnya pada bagian New Value, pada kotak Value isikan angka 2, kemudian klik Add (lihat tampilan berikut ini)

Dengan cara yang sama, lakukan untuk kelompok umur 40 – 49 (pada New Value beri kode 3).
Selanjutnya untuk kelompok umur ≥ 50, pada bagian Old Value, klik Range value through HIGHEST, kemudian isikan pada kotak dibawahnya angka 50. Selanjutnya pada bagian New Value, pada kotak Value isikan angka 4, kemudian klik Add.
Setelah selesai memberikan kode untuk pengelompokan umur ini, kemudian klik Continue dan OK.
Hasilnya, pada worksheet SPSS kita akan ada tambahan variabel baru yaitu kelompok umur sebagai berikut:

Sekarang kita tinggal memberikan Value Label untuk masing-masing kode pengelompokan umur tersebut dengan kode 1 (≤ 29), kode 2 (30-39), kode 3 (40 – 49), kode 4 (≥ 49). Cara memberikan value label dapat dilihat pada tulisan ini.
Setelah memberikan value label, bentuklah distribusi frekuensi untuk kelompok umur tersebut (lihat cara membuat distribusi frekuensi pada tulisan ini). Output SPSS dari latihan kita adalah sebagai berikut:

Statistik Deskriptif pd SPSS (Bagian 3)

Postingan ini merupakan bagian ketiga (terakhir) dari dua postingan sebelumnya mengenai statistik deskriptif pada SPSS. Untuk memahami bagian ini, silakan baca terlebih dahulu bagian 1 dan bagian 2.
Pada bagian ketiga ini, kita akan membahas mengenai skewness dan standar errornya serta kurtosis dan standar errornya sebagai bagian dari output statistik deskriptif SPSS yang ada pada kolom kesebelas sampai kolom keempatbelas.

Kolom kesebelas adalah skewness data. Skewness merupakan alat ukur dalam menelusuri distribusi data yang diperbandingkan dengan distribusi normal. Skewness merupakan pengukuran tingkat ketidaksimetrisan (kecondongan) sebaran data di sekitar rata-ratanya. Distribusi normal merupakan distribusi yang simetris dan nilai skewness adalah 0. Skewness yang bernilai positif menunjukkan ujung dari kecondongan menjulur ke arah nilai positif (ekor kurva sebelah kanan lebih panjang). Skewness yang bernilai negatif menunjukkan ujung dari kecondongan menjulur ke arah nilai negatif (ekor kurva sebelah kiri lebih panjang).
Rumus skewness adalah sebagai berikut:

Sebagai contoh, perhitungan skewness untuk data umur adalah sebagai berikut:


Kolom keduabelas adalah standar error dari skewness. Untuk menghitung standar error dari skewness ini (sebagai contoh umur) adalah sebagai berikut:

Kolom ketiga belas adalah Kurtosis. Sebagaimana skewness, kurtosisi juga merupakan alat ukur dalam menelusuri distribusi data yang diperbandingkan dengan distribusi normal. Kurtosis menggambarkan keruncingan (peakedness) atau kerataan (flatness) suatu distibusi data dibandingkan dengan distribusi normal. Pada distribusi normal, nilai kurtosis sama dengan 0. Nilai kurtosis yang positif menunjukkan distribusi yang relatif runcing, sedangkan nilai kurtosis yang negatif menunjukkan distribusi yang relatif rata.
Rumus kurtosis adalah:

Contoh perhitungan untuk data umur sebagai berikut:

Sehingga kurtosisnya adalah:

Kolom keempat belas adalah standar error dari kurtosis, yang dihitung dengan rumus berikut:

Dimana Ses adalah Standar error dari skewness yang telah kita hitung sebelumnya.
Dengan demikian, standar error kurtosis untuk kasus umur dalam latihan kita adalah:

(catatan: jika anda mendapatkan hasil yang sedikit berbeda, itu karena proses pembulatan)