Laporan Praktikum Statistika Deskriptif
LAPORAN
STATISTIKA DESKRIPTIF
Nama : Ade Nani Yusninda
NPM : 0075
No. Komputer : 19
MK : Statistika dan Analisis Data (PTK-201)
Program Studi Peternakan
Fakultas Pertanian
Universitas Syiah Kuala
Darussalam, Banda Aceh
2023
BAB I
PENDAHULUAN
A. Latar Belakang Masalah
Analisis statistik deskriptif adalah suatu pengolahan data
yang bertujuan untuk menggambarkan data. Maksudnya ialah berkenaan dengan
bagaimana data tersebut dideskripsikan atau digambarkan baik secara numerik
maupun secara grafis untuk mendapatkan gambaran sekilas mengenai data tersebut
sehingga mudah untuk dibaca dan dipahami. Beberapa yang termasuk dalam analisis
statistik deskriptif yaitu membuat tabel dan grafik-grafik. Selain itu,
penaksiran parameter seperti menghitung rata-rata (mean), median, modus,
kemencengan (skewness), juga termasuk didalam analisis deskriptif. Laporan ini
disusun guna memenuhi tugas praktikum statistika. Dalam laporan ini
mengambil data financial dan rasio asset industri bank tahun
2015 yang diambil dari website Bursa Efek Indonesia
(BEI)yaitu www.idx.co.iddi mana hanya
mengkhususkan pada data financial bank yang kemudian diolah melalui aplikasi
SPSS sehingga dapat menghasilkan data yang menyediakan informasi di dalamnya
serta dapat melihat keseluruhan data dengan jelas dan mudah untuk dipahami.
B. Tujuan Praktikum
Untuk memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata (mean), standar deviasi, varian, maksimum, minimum, sum, range, kurtosis dan skewness (kemencengan).
BAB II
DASAR TEORI
Statistik sendiri berasal dari kata “status” dalam bahasa latin, yang sama artinya dengan kata “state” (bahasa inggris) yang berarti adalah negara. Awal mula suatu kata statistik, diartikan mengenai suatu kumpulan keterangan yang berupa angka ataupun non angka tetapi memiliki arti yang penting dan berguna untuk negara. Setelah berkembangnya suatu ilmu, maka statistik dijadikan sebagai kumpulkan keterangan yang hanya berupa angka dan memberikan gambaran mengenai keadaan, peristiwa atau gejala tertentu.
Somantri (2006) menyatakan statistik diartikan sebagai kumpulan fakta yang berbentuk angka-angka yang disusun dalam bentuk daftar atau tabel yang menggambarkan suatu persoalan. Pengertian ini sejalan dengan pendapat dari Gasperz (1989), yang menyatakan bahwa kata statistik telah dipakai untuk menyatakan kumpulan fakta, umumnya berbentuk angka yang disusun dalam tabel dan atau diagram, yang menggambarkan suatu persoalan.
Pasaribu (1975) mengatakan ada tiga pengertian statistik. Pengertian pertama “Statistik merupakan seonggokan atau sekumpulan angka-angka yang menerangkan sesuatu, baik yang sudah tersusun di dalam daftar yang teratur atau grafik maupun belum.” Pengertian kedua “Statistik adalah kumpulan dari cara-cara dan aturan-aturan mengenai pengumpulan data (keterangan mengenai sesuatu), penganalisisan, dan interpretasi data yang berbentuk angka-angka.” Pengertian ketiga “statistik adalah bilangan-bilangan yang menerangkan sifat (characteristic) dari sekumpulan data (pengamatan).” Sedangkan, menurut Furqon (1999), istilah statistik digunakan untuk menunjukkan ukuran-ukuran, angka, grafik, atau tabel sebagai hasil dari statistika. Istilah statistik juga digunakan untuk menunjukkan ukuran-ukuran yang langsung diperoleh dari data sampel untuk menaksir parameter populasinya.
Berdasarkan beberapa pengertian statistik tersebut, dapat simpulkan bahwa statistik memiliki dua pengertian. Dalam arti sempit, statistik adalah kumpulan fakta yang berbentuk angka-angka (baik disajikan dalam bentuk tabel maupun tidak) yang menggambarkan suatu persoalan. Dalam arti luas, statistik adalah kumpulan cara dan aturan mengenai pengumpulan, pengolahan, penyajian, penganalisaan, dan interpretasi data untuk mengambil kesimpulan.
Metode statistika digolongkan menjadi dua, yaitu metode statistik deskriptif dan metode statistik inferensia. Berikut adalah ruang lingkup statistik deskriptif menurut beberapa ahli. Somantri (2006) berpendapat bahwa statistik deskriptif membahas cara-cara pengumpulan data, penyederhanaan angka-angka pengamatan yang diperoleh (meringkas dan menyajikan), serta melakukan pengukuran pemusatan dan penyebaran data untuk memperoleh informasi yang lebih menarik, berguna, dan mudah dipahami.
Statistik deskriptif merupakan bidang ilmu statistika yang mempelajari cara-cara pengumpulan, penyusunan, dan penyajian data suatu penelitian. Statistik deskriptif adalah bagian dari ilmu statistik yang meringkas, menyajikan dan mendeskripsikan data dalam bentuk yang mudah dibaca sehingga memberikan informasi tersebut lebih lengkap. Statistik deskriptif hanya berhubungan dengan hal menguraikan atau memberikan keterangan-keterangan mengenai suatu data atau keadaan atau fenomena, dengan kata lain hanya melihat gambaran secara umum dari data yang didapatkan. Statistika deskriptif adalah metode-metode yang berkaitan dengan pengumpulan dan penyajian suatu data sehingga memberikan informasi yang berguna (Walpole, 1995). Statistik deskriptif berfungsi untuk mendeskripsikan atau memberi gambaran terhadap objek yang diteliti melalui data sampel atau populasi (Sugiyono, 2007). Data yang disajikan dalam statistik deskriptif biasanya dalam bentuk ukuran pemusatan data (Kuswanto, 2012). Salah satu ukuran pemusatan data yang biasa digunakan adalah mean (Fauzy, 2009).
Hal-hal yang mungkin dikerjakan dalam statistika deskripif adalah mengurutkan data berdasarkan ukuran, meamsukkan data kedalam bentuk tabel, menyajikan data dalam bentuk grafik atau meringkasnya dalam bentuk kesimpulan parameter yang berarti dan sebagainya. Hal penting yang dipertimbangkan dalam statistik deskriptif adalah jenis variabel. Jenis variabel tertentu mungkin akan baik apabila dideskripsikan dalam bentuk grafk atau dalam bentuk tabel. Analisis teoretik-deskriptif dalam statistika deskriptif yang menekankan analissnya pada data-data numerikal yang diolah dengan metode statistika. Metode analisis data yang digunakan untuk menguji hipotesis adalah analisis deskriptif melalui isum dan mean dengan alat bantu SPSS. Statistika deskkriptif ditujukan untuk mencari proporsi maupun frekuensi dari karakteristik subyek penelitian (Rachmini,2001).
Statistik deskriptif, yang lazim dikenal pula dengan istilah statistik deduktif, statistik sederhana, dan descriptive statistics, adalah statistik yang tingkat pekerjaannya mencakup cara-cara menghimpun,menyusun, atau mengatur, mengolah, menyajikan, dan menganalisis data angka, agar dapat memberikan gambaran yang teratur, ringkas, dan jelas mengenai suatu gejala, peristiwa, atau keadaan.Dengan kata lain, statistik deskriptif adalah statistik yang mempunyai tugas mengorganisasi dan menganalisis data, angka, agar dapat memberikan gambaran secara teratur, ringkas, dan jelas, mengenai sesuatu gejala, peristiwa atau keadaan, sehingga dapat ditarik pengertian atau makna tertentu.
Menurut Husaini Usman (2003), statistik deskriptif atau statistik dalam arti sempit, ialah susunan angka yang memberikan gambaran tentang data yang disajikan dalam bentuk-bentuk tabel, diagram, histogram, poligon, frekuensi, ozaiv (ogive), ukuran penempatan (median, kuartil, desil, dan persentil),ukuran gejala pusat (rata-rata hitung, rata-rata ukur, rata-rata harmonik, dan modus), simpangan baku, angka baku, kurva normal, korelasi, dan regresi linier.
Berbagai metode statistik memungkinkan kita dapat melihat, mencari dan menyimpulkan hal-hal yang jauh diluar data yang dikumpulkan dan dapat masuk kebagian pengambila keputusan melalui generalisasi dan peramalan. Perkembangan teknologi informasi melahirkan perangkat lunak paket-paket metode statistik yang sangat membantu da mempermudah mnghitung, meramal serta menganalisis masalah yang akan dipecahkan (Rahmini,2001).
Langkah-langkah pengolahan data pada SPSS sangat praktis karena hanya menginput data tanapa menghitung dengan rumus-rumus statistika. Setelah data diinput pada SPSS editor kemudian kita mencari alat analisis yang diperlukan, memasukka variabel dan lain-lain, kemudian klik Ok, setelah itu proses olah data dilakukan dengan sangat cepat, singkat, akurat, cermat, handal dan keluarlah output data SPSS (Bisono,2013).
1. Ukuran Pemusatan
Ukuran pemusatan adalah metode paling lazim yang digunakan dalam analisis deskriptif. Metode ini fokus untuk menggambarkan kondisi data di titik pusat.
Mean merupakan rata-rata dari sekumpulan data yang kita miliki. Formulanya sangat sederhana. Anda hanya perlu menjumlah nilai dari seluruh data yang dimiliki dan membaginya dengan jumlah data tersebut.
Median adalah nilai tengah dari sebuah data. Bila kita memiliki sekumpulan data, kita bisa mengurutkan data tersebut dari nilai terkecil hingga terbesar. Jika kita memiliki jumlah data ganjil, maka nilai tengah data tersebut akan langsung menjadi median. Namun bila kita memiliki data genap, kita perlu menemukan nilai rata-rata dari nilai tengah data tersebut.
Modus adalah nilai yang paling sering muncul dalam sekelompok data. Kita hanya perlu melihat nilai mana yang paling sering muncul dalam kelompok tersebut. Bila jumlah frekuensi setiap data sama, maka nilai modus tidak ada.
2. Ukuran Keragaman
Ukuran keragaman merupakan ukuran untuk menyajikan bagaimana sebaran dari data tersebut. Ukuran keragaman menunjukkan bagaimana kondisi sebuah data menyebar di kelompok data yang kita miliki. Hal ini memungkinkan kita untuk menganalisis seberapa jauh data-data tersebut tersebar dari ukuran pemusatannya. Bila sebaran datanya rendah, ini menunjukkan bahwa data tersebar tidak jauh dari pusatnya. Bila sebarannya jauh ini menunjukkan bahwa data tersebar jauh dari pusatnya.
1.Range
Range atau rentang merupakan selisih dari nilai terbesar dan nilai terkecil yang kita miliki. Range merupkan hal yang paling sederhana dan paling mudah dimengerti dalam ukuran penyebaran. Range menunjukkan seberapa jauh sebaran dengan mengabaikan bentuk distribusinya.
2. Quartiles Range
Rentang Quartiles atau rentang kuartil merupakan ukuran penyebaran yang membagi data menjadi 4 bagian. Sesuai dengan namanya, kuartil membagi data menjadi 25 persen di setiap bagiannya.
Ada 3 jenis nilai kuartil yang perlu kita tahu :Q1 atau kuartil bawah yang memuat 25 persen dari data dengan nilai terendah
Q2 atau kuartil tengah, yang membagi data menjadi 2 bagian sama besar 50 persen terkecil dan 50 persen terbesar. Q2 juga memiliki nilai yang sama dengan median.
Q3 atau kuartil atas yang memuat 25 persen dari data dengan nilai tertinggi.
3. Persentil
Persentil merupakan ukuran penyebaran yang membagi data menjadi 100 bagian yang sama besar.
4. Desil
Desil merupakan ukuran penyebaran yang membagi data menjadi 10 bagian sama besar.
5. Varians
Varian merupakan ukuran seberapa jauh menyebar dari nilai rata-ratanya. Semakin kecil nilai varians, maka semakin dekan sebaran data dengan rata-rata. Dan semakin besar nilai varian, maka semakin besar sebaran data terhadap nilai rata-ratanya.
6. Standar deviasi
Standar deviasi merupakan ukuran laindari sebaran data terhadap rata-ratanya. Bila anda menggunakan varians, maka nilai yang anda dapatkan sangatlah besar. Nilai ini tidak mampu menggambarkan bagaimana sebaran data yang sebenarnya terhadap rata-rata. Untuk mendapatkan nilai yang lebih mudah diinterpretasikan, standar deviasi adalah ukuran yang paling tepat. Standar deviasi menghasilkan nilai yang lebih kecil dan mampu menjelaskan bagaiman sebaran data terhadap rata-rata.
7. Skewness
Skewness merupakan ukuran yang menunjukkan bagaimana kemencengan sebuah data terhadap rata-ratanya. Skewness juga bisa dikatakan sebagai ukuran ketidaksimetrisan sebuah data.Sk > 0 artinya kurva dikatakan menceng kanan (positif)
Sk = 0 artinya kurva normal
Sk < 0 artinya menceng kiri (negat
8. Kurtosis
Kurtosis merupakan ukuran yang menunjukkan bagaimana keruncingan sebuah data di dalam distribusinya. Kurtosis biasa disebut juga sebagai derajat keruncingan. Kurtosis dihitung dengan formula momen keempat dari rata-rata.Nilai kurtosis = 3, artinya data memiliki distribusi normal
Nilai kurtosis > 3, artinya data memiliki distribusi leptokurtic (lebih runcing)
Nilai kurtosis < 3 artinya data memiliki distribusi platikurtik /lebih rata (Yuva, 2019).
II. Microsoft Excel
Microsoft Excel adalah sebuah program atau aplikasi yang merupakan bagian dari paket instalasi Microsoft Office, berfungsi untuk mengolah angka menggunakan spreadsheet yang terdiri dari baris dan kolom untuk mengeksekusi perintah. Microsoft Excel telah menjadi software pengolah data / angka terbaik di dunia, selain itu Microsoft Excel telah didistribusikan secara multi-platform. Microsoft Excel tidak hanya tersedia dalam platform Windows, Microsoft Excel juga tersedia di MacOS, Android dan Apple.
Menurut Susandra (2010), “Microsoft Excel merupakan program aplikasi spreasheet (lembar kerja elektronik). Fungsi dari Microwsoft Excel adalah untuk melakukan operasi perhitungan serta dapat mempresentasikan data ke dalam bentuk tabel.” Menurut Musyafa (2014), “Microsoft Excel 2007 adalah sebuah program aplikasi lembar kerja spreadsheet yang dibuat dan didistribusikan oleh Microsoft Corporation untuk sistem operasi Microsoft Windows dan Mac OS.” Aplikasi ini memiliki fitur kalkulasi dan pembuatan grafik yang berupa pengolah angka.
Microsoft Excel secara fundamental menggunakan spreadsheet untuk manajemen data serta melakukan fungsi-fungsi Excel yang lebih dikenal dengan formula Excel. Excel merupakan program spreadsheet elektronik. Spreadsheet adalah kumpulan dari Sel yang terdiri atas baris dan kolom tempat anda memasukkan angka pada Microsoft Excel. Jumlah Sel Microsoft Excel 2016 terdiri dari 1.048.576 Baris dan 16.384 Kolom atau 17.179.869.184 Sel.
Untuk melakukan pengolahan suatu data di SPSS, tahap pertama yang harus dipersiapkan adalah memiliki datanya terlebih dahulu di exel agar lebih mudah, seperti pada Gambar 1. dibawah ini :
Ket:
Jenis Kelamin = 1 : Laki-Laki
= 2 : Perempuan
Pendidikan = 1 : SD
= 2 : SLTP
= 3 : SLTA
= 4 : D3
= 5 : S1
III. SPSS
SPSS adalah sebuah program aplikasi yang memiliki kemampuan untuk analisis statistik cukup tinggi serta sistem manajemen data pada lingkungan grafis dengan menggunakan menu-menu deskriptif dan kotak-kotak dialog yang sederhana sehingga mudah dipahami untuk cara pengoperasiannya. Beberapa aktivitas dapat dilakukan dengan mudah yaitu dengan menggunakan pointing dan clicking mouse SPSS banyak digunakan dalam berbagai riset pemasaran, pengendalian dan perbaikan mutu (quality improvement), serta riset-riset sains. SPSS pertama kali muncul dengan versi PC (bisa dipakai untuk komputer desktop) dengan nama SPSS/PC+ (versi DOS). Tetapi, dengan mulai populernya sistem operasi windows. SPSS mulai mengeluarkan versi windows (mulai dari versi 6.0 sampai versi terbaru sekarang).
Untuk menginput data, buka Program SPSS melalui Start - Programs- IBM SPSS Statistic. Maka setelah itu muncul tampilan yang belum ada datanya, dimanapada tampilan tersebut terdapat 2 menu tampilan yaitu data view dan variabel view, seperti pada Gambar 2 dan Gambar 3.
SPSS Data Editor
Data editor adalah window yang bersama output window pwertama kali keluar pada saat pertama kali dioperasikan SPSS for window. Window ini berwujud kotak-kotak peregi sejenis tampilan spreadsheet yang berfungsi sebagai sarana pemasukan data, penghapusa , pengurutan dan berbagai pengolahan data aslinya.
SPSS Data Editor terdiri dari dua tab sheet, yaitu: Data View dan Variable View.
Gambar 2. Tampilan Data View
Data View adalah tab sheet yang menampilkan nilai data yang sebenarnya atau label nilai yang didefinisikan. Pada tab sheet inilah, anda mengentri data ke SPSS.
Diatasnya terdapat menu-menu seperti File, Edit, View, Windows, dan Help seperti halnya menu-menu umum pada aplikasi under Windows lainnya. Menu-menu utama SPSS adalah:
1. Data
Menu ini menampilkan submenu untuk melakukan perubahan-perubahan data, seperti mengurutkan data, memisahkan isi file dengan kriteria tertentu, menggabungkan data, etc.
2. Transform
Menu untuk transformasi data, seperti menghitung variabel data, mengubah data, merangking data, etc.
3. Analyze
Menu yang menjadi pusat pengolahan data, seperti mengolah statistik deskriptif, regresi, korelasi, etc.
4. Graphs
Menu untuk menampilkan data dan hasil pengolahan data dalam bentuk grafik dan chart, seperti bar charts, histogram, scatter diagram, etc.
5. Utilities
Menu pelengkap dalam pengoperasian SPSS, seperti menampilkan informasi variabel, mendefinisikan dan menampilkan variabel data, etc.
b. Variable View
Gambar 3. Tampilan Variabel View
Variable View adalah tab sheet yang menampilkan kamus metadata di mana setiap baris mewakili sebuah variabel dan memperlihatkan nama variabel, jenis data (misal: numeric, string, date), lebar cetak, dan berbagai karakteristik lain.
Menu yang tersedia dalam Variabel View diantaranya:
1. Name
Kolom ini untuk memberikan informasi tentang nama variabel data. Nama variabel yang kita tuliskan di sini akan muncul pada Data View. Beberapa aturan penamaan variabel:
o Nama variabel maksimal 8 karakter.
o Nama diawali dengan huruf (tidak bisa dimulai dengan angka), sisanya dapat berisi huruf, angka, titik, atau simbol @, #, _, atau $. Kosong dan karakter khusus lain (misal: ! , ? , ‘ , dan *) tidak dapat digunakan.
o Nama tidak bisa berakhir dengan titik dan tidak harus diakhiri dengan garis bawah “_”.
o nama variabel harus unik; duplikasi tidak diperbolehkan.
o Nama-nama variabel tidak case sensitif, “Nama”, “nama”, dan “naMa” semua dianggap sama.
2. Type
Kolom ini untuk memberikan jenis variabel data yang digunakan, apakah Numeric, String (data berupa karakter, misal “Nama”), Date, etc. Klik ikon dalam kolom Type maka akan muncul dialog box Variable Type. Pada dialog box ini, kita dapat mengubah jenis data dan juga lebar kolom (Width) dan jumlah angka desimal (Decimal Places). Secara default, SPSS memberikan jenis data numeric dengan lebar 8 digit dan 2 angka desimal di belakang koma.
3. Label
Kolom ini menunjukkan tambahan informasi dengan memberi label pada variabel data yang kita inginkan. Misalnya:
variabel: ”barang” kita beri label: ”nama barang”
variabel: ”X” kita beri label ”Permintaan”
variabel ”Y” kita beri label ”Ramalan Permintan”
Pemberian label dapat membantu dalam interpretasi hasil analisis (output) karena definisi output lebih jelas.
4. Value
Kolom ini untuk memberikan label string yang diterapkan untuk nilai numeric tertentu, biasanya untuk data yang bersifat ordinal dan interval, misal angka 1 untuk laki-laki dan angka 2 untuk perempuan. Klik ikon pada kolom Values maka akan muncul dialog box Value Labels. Misalnya untuk variabel ”gender” kita akan mendefinisikan ”jenis kelamin” dengan memberi label: Isi [Value] dengan angka 1 dan [Label] dengan “Laki-laki” lalu klik [Add], kemudian ulangi langkah-langkah tersebut untuk jenis kelamin “Perempuan“—lihat Gambar 6. Nantinya pada variabel gender, kita tidak perlu menuliskan laki-laki dan perempuan melainkan cukup mengisi 1 untuk laki-laki dan 2 untuk perempuan.
5. Missing
Kolom ini menunjukkan nilai yang hilang (missing value) dalam data (jika ada). Responden dapat menolak untuk menjawab pertanyaan tertentu, mungkin tidak tahu jawabannya, atau mungkin menjawab dalam bentuk lain. Jika anda tidak mengidentifikasi data ini, analisis anda mungkin tidak memberikan hasil yang akurat. Klik ikon pada kolom Missing maka akan muncul dialog box Missing Values. Pada form Discrete, isi angka yang akan dijadikan pengganti missing value, misal: 9, 99, 999, etc. Jika kita memilih angka 9, maka setiap ada data yang tidak diisi (missing value) angka 9 yang harus diisikan, jangan dibiarkan kosong.
6. Columns
Kolom ini menunjukkan lebar kolom. baik jenis data numeric maupun string, lebar maksimal 255 digit.
7. Align
Kolom ini menunjukkan posisi data pada tiap cell. Terdapat tiga pilihan posisi data, yaitu: left, right, dan center.
8. Measure
Kolom ini menunjukkan jenis ukuran data yang digunakan. Terdapat tiga pilihan atas, yaitu: Scale, Nominal, dan Ordinal.
9. Role
Kolom ini digunakan untuk menentukan peranan variabel dalam melakukan analisis data, yang mana terdapat 5 pilihan yaitu Input, Target, None, Partition dan Split.
Setelah mengetahui ketentuan disetiap menunya, kemudian data yang di Excel disalin ke SPSS yaitu pada Data View
Gambar 4. Data Excel yang sudah disalin ke SPSS
Gambar 5. Tampilan Variabel View setelah diisi data
Variabel Pertama
Nama Variabel : Responden
Type : String (karena pada variabel ini menggunakan huruf bukan angka)
Width : 12 ( jumlah karakter terbanyak yaitu 12)
Decimal : 0 (Tidak menggunakan desimal pada data type string)
Label : Pada data ini tidak menggunakan label.
Value : None
Missing : None
Coloum : 12 (disesuaikan dengan jumlah karakter terbanyak)
Align : Left (akan lebih baik jika data yang bertype string dibuat rata kiri)
Measure : Nominal (untuk data string dipilih measure nominal atau bisa disesuaikan)
Variabel Kedua
Nama Variabel : Jenis Kelamin
Type : Numeric
Width : 8 (bisa disesuaikan dengan jumlah karakter)
Decimal : 0 (pada data ini tidak menggunakan desimal
Label : -
Value : "1" untuk Laki-Laki dan "2" untuk Perempuan
Missing : None ( informasi mengenai jenis kelamin diketahui)
Coloum : 8 (bisa disesuaikan)
Align : Center (lebih baik data bertipe numerik di buat rata tengah)
Measure : Nominal (Untuk measure jenis kelamin termasuk data skala dan nominal)
Variabel Ketiga
Nama Variabel : Umur
Type : Numeric
Width : 8
Decimal : 0 (tidak menggunakan decimal pada data ini)
Label : -
Value : None (tidak ada pengkodean)
Missing : None (data informasinya diketahui)
Coloum : 8 (bisa disesuaikan)
Align : center
Measure : Scale ( karena umur merupakan data berskala ratio)
Variabel Keempat
Nama Variabel : Pendidikan
Type : Numeric
Width : 8 (bisa disesuaikan)
Decimal : 0 (data ini tidak menggunakan decimal)
Label : -
Value : "1" untuk SD, "2" untuk SLTP, "3" untuk SLTA, "4" untuk D3, "5" untuk S1
Missing : None (data informasi diketahui)
Coloum : 8 (bisa disesuaikan)
Align : Center
Measure : Ordinal (karena pendidikan merupakan skala ordinal)
Variabel Kelima
Nama Variabel : Pendapatan
Type : Numeric
Width : 8
Decimal : 0
Label : -
Value : None
Missing : 9999 (informasi data pendapatan ada yang tidak diketahui)
Coloum : 8
Align : Center
Measure : Scale
Variabel Keenam
Nama Variabel : Konsumsi
Type : Numeric
Width : 8
Decimal : 0
Label : -
Value : None
Missing : 9999 (informasi data konsumsi ada yang tidak diketahui)
Coloum : 8 (bisa disesuaikan)
Align : Center
Measure : Scale
Setelah semua data sudah sesuai kemudian untuk mendapatkan data output maka diklik Analyze - Descriptive Statistics - Descriptive. Maka akan muncul tampilan seperti Gambar 6 berikut:
Gambar 6. Descriptive data variabel yang akan dihitung
Gambar 7. Option descriptive
Terdapat beberap pilihan pada option descriptif yang inin dihitung outputnya yaitu Mean, Sum, Std. devisiasi, variance, Range, Minimum, maximum, S.E mean, Kurtosis dan Skewness. Kemudian klik Continue -OK. Maka akan muncul data output seperti pada gambar berikut:
Gambar 8. Hasil data Output Deskriptif
Setelah tampilan seperti diatas sudah muncul seperti yang diinginkan maka data outputnya sudah berhasil kemudian anda dapat menyimpan data tersebut ke file.
Output window adalah text window yang merupakan media tampilan dari hasil proses yang dilakukan oleh SPSS prosesor. Seluruh hasil proses pengolahan data, pengolahan grafik, penganalisaan data maupun perjalanan menu utilities akan ditampilkan pada outpun window.
IV. PENUTUP
Dengan menggunakan metode Statistik SPSS maka dapat memberikan informasi inti dari kumpulan data, seperti ukuran pemusatan data (mean dan median), ukuran penyebaran (rannge, interquartil range, standar deviasi, varians, minimum, dan maksimum), ukuran kurtosis, dan skewness serta representasi piktorialnya.
Sumber:
Hasan, Iqbal, (2001). Pokok-Pokok Materi Statistik 1 (Statistik Deskriptif). Jakarta : PT Bumi Aksara
Sholikhah, amirotun. 2016. Statistik Deskriptif dalam Penelitian Kualitatif. Jurnal Komunika,vol. 10, No. 2.
Subagyo, Pangestu, (2003). Statistik Deskriptif. Yogyakarta : BPFE-Yogyakarta
Sudjana, (1996). Metode Statistika. Bandung: Penerbit Tarsito Bandung
Blogger.com, Laporan Praktikum Statistika, 12 Desember 2016, https://caturoktavianasholihah18.blogspot.com/2016/12/praktikum-statistik-deskriptif.html(15 November 2023)
Komentar
Posting Komentar