BAB
1 PENDAHULUAN
Buku-buku dan modul ajar di jurusan Statistika banyak mengedepankan kajian teoritis secara matematik dan statistik. Hal ini dikarenakan jurusan Statistika menghasilkan lulusan sarjana statistika yang harus memahami konsep statistika secara mendalam. Di sisi lain, para lulusan jurusan Statistika harus dapat menyelesaikan masalah di bidang pekerjaannya masing-masing dengan tepat dan cepat. Ketepatan analisis penyelesaian masalah dapat dilakukan jika penguasaan konsep statistika kuat. Kecepatan analisis statistika tidak memungkinkan lagi dilakukan secara manual dikarenakan banyaknya data dan cara penghitungan yang banyak. Oleh karena itu diperlukan buku ajar yang membantu mahasiswa untuk melakukan analisis statistika menggunakan paket program statistika. Buku-buku tentang pengolahan data banyak ditulis oleh penulis dengan latar belakang non-statistika, sehingga materi yang disajikan kurang mendetail. Bahkan, pada materi-materi tertentu ada bagian penting pent ing yang t idak disajikan, d isajikan, misalnya pada bab analisis regresi tidak disajikan materi tentang uji asumsi dan cara mengatasi penyimpangan asumsi-asumsi asumsi-asumsi tersebut. Berdasarkan pemikiran tersebut penulis menulis buku ajar Analisis Data I yang ditujukan untuk memenuhi kebutuhan mahasiswa statistika dan non-statistika. Buku ajar ini diharapkan membantu mahasiswa statistika pada khususnya dan mahasiswaa non-statistika pada umumnya untuk dapat melakukan analisis statistika secara tepat dan cepat menggunakan bantuan paket program.
1.1. KOMPETENSI UMUM
Kompetensi yang diharapkan pada matakuliah Analisis Data I adalah mahasiswa mampu mengintegrasikan penerapan metode Statistika yang terdiri dari pengantar metode statistika, analisis eksplorasi data, analisis regresi dan rancangan percobaan untuk memecahkan masalah dengan bantuan program paket Statistika. Kompetensi umum di atas akan dicapai melalui kempetensi khusus pada setiap bab. 1
BAB 1. PENDAHULUAN
1.2. KOMPETENSI KOMPETENSI KHUSUS
Setelah mempelajari bab ini, mahasiswa diharapkan memiliki kompetensi sebagai berikut: a. Dapat menjelaskan istilah-istilah ist ilah-istilah dan konsep di dalam Statistika. b. Dapat menjelaskan metode pengambilan pengambilan data. c. Dapat melakukan manajemen data di program paket SPSS dan MINITAB. MINITAB.
1.3. URAIAN MATERI 1.3.1. Istilah dan Konsep dalam Statistika
Di dalam ilmu Statistika sering digunakan istilah-istilah sebagai berikut:
Data
:
Kumpulan fakta yang sengaja dikumpulkan kemudian diringkas menjadi informasi yang dipakai sebagai dasar untuk pengambilan keputusan.
Informasi
:
Data yang yang sudah diringkas atau diolah, diolah, kemudian hasil ringkasan tersebut dinyatakan dalam ukuran pemusatan (misal: mean, median, modus), ukuran penyebaran (misal: standar deviasi, varians, koefisien variasi), kemiringan, gambar/grafik, dan lain-lain.
Statistika
:
Ilmu yang mempelajari cara pengumpulan, pengolahan, penyajian dan analisis data serta cara pengambilan kesimpulan untuk keseluruhan obyek (populasi) berdasarkan pengamatan sebagian dari keseluruhan obyek (sampel).
POPULASI parameter SAMPEL
Gambar 1.1. Populasi dan Sampel
2
statistik
BAB 1. PENDAHULUAN
1.3.2. Pengelompokan Data dalam Statistika
Di dalam statistika, data dapat dikelompokkan berdasarkan kriteria pada Tabel 1.1. dan dijelaskan pada Tabel 1.2.
Tabel 1.1. Pengelompokan Data Kriteria Pengelompokan
Jenis Data
Menurut Skala Pengukuran
:
Nominal, Ordinal, Interval, Rasio
Menurut Jenis
:
Kualitatif, Kuantitatif
Menurut Banyaknya
:
Diskrit, Kontinu
Menurut Cara Memperoleh
:
Primer, Sekunder
Menurut Waktu Memperoleh
:
Time Series, Cross Section
Tabel 1.2. Penjelasan mengenai Pengelompokan Data Data
Keterangan
Nominal
:
Mempunyai sifat dapat dibedakan
Ordinal
:
Mempunyai sifat dapat dibedakan dan diurutkan (ada tingkatan)
Interval
:
Mempunyai sifat dapat dibedakan dan durutkan, ada jarak (jarak antar golongan sama), tidak mempunyai nol mutlak
Rasio
:
Mempunyai nilai nol mutlak
Kualitatif
:
Data dalam bentuk kategori
Kuantitatif
:
Data dalam bentuk numerik
Diskrit
:
Nilai yang mungkin: terhingga banyaknya
Kontinu
:
Nilai yang mungkin: tak terhingga banyaknya
Primer
:
Hasil pencatatan langsung dari obyek yang diamati
Sekunder
:
Data yang diperoleh dalam bentuk jadi
Time Series
:
Data diamati berdasarkan urutan waktu
Cross Section
:
Data diamati hanya pada satu waktu tertentu
Ukuran pemusatan dan grafik yang mungkin dari berbagai skala pengukuran data disajikan pada Tabel 1.3. berikut: 3
BAB 1. PENDAHULUAN
Tebel 1.3. Ukuran Pemusatan dan Grafik untuk Data Berdasarkan Skala Pengukuran Data
Ukuran Pemusatan
Grafik
Nominal
Modus
Bar-chart, pie-chart
Ordinal
Modus, median
Box-Plot
Interval
Modus, median, mean aritmatika
Stem and leaf, Dot Plot
Rasio
Modus, median, mean harmonik
Histogram, Scatter plot
dan geometrik
1.3.3. Klasifikasi Statistika
Ilmu Statistika dapat dikelompokkan sebagai berikut: A. Deskriptif dan Inferensia Metode statistika deskriptif adalah metode statistika yang digunakan untuk menggambarkan data yang ada (sampel), tanpa berusaha melakukan kesimpulan untuk data yang lebih umum sifatnya (populasi). Metode statistika inferensia adalah metode statistika yang digunakan untuk menganalisis data sampel kemudian berusaha menyimpulkan untuk data populasi.
B. Parametrik dan Nonparametrik Metode statistika parametik adalah metode statistika yang dipergunakan untuk menguji parameter populasi melalui statistik pada sampel. Metode ini biasanya membutuhkan asumsi tentang distribusi dan biasanya diterapkan pada data yang berskala interval/rasio.
C. Univariate dan Multivariate Metode statistik multivariate adalah metode statistik yang digunakan untuk menganalisis data yang terdiri atas banyak variable dan diduga antar variable saling berhubungan.
4
BAB 1. PENDAHULUAN
D. Robust dan Non-robust Metode statistika robust adalah metode statistika yang bertujuan untuk menghasilkan statistik yang robust. Robust adalah sifat statistik yang tidak mudah berubah dengan adanya nilai pengamatan yang berubah-ubah. Contoh:
Median bersifat lebih robust dari pada rata-rata
Metode regresi robust menghasilkan koefisien regresi yang tidak berubah dengan adanya titik baru yang letaknya jauh dari garis regresi.
1.3.4. Metode Pegumpulan Data
Data dapat dikumpulkan melalui sensus dan pengambilan sampel atau sampling. Sensus dilakukan dengan cara mencatat seluruh anggota populasi, sedangkan sampling dilakukan dengan cara mencatat sebagian anggota populasi. Pengumpulan data secara sampling dapat dibedakan menjadi probability sampling dan nonprobability sampling . Pada probability sampling , setiap anggota populasi mempunyai peluang yang sama untuk terpilih. Metode yang termasuk probability sampling diantaranya simple random sampling, stratified random sampling, cluster sampling . Metode yang termasuk non- probability sampling diantaranya systematic sampling, accidental sampling, quota sampling, purposive sampling, snowball sampling . Simple
Random
Sampling diterapkan
pada
populasi
yang
homogen,
pengambilan sampel dilakukan secara acak di dalam populasi sehingga setiap anggota populasi mempunyai peluang acak yang sama untuk terpilih. Stratified Random Sampling diterapkan pada populasi yang terdiri atas beberapa strata, antar strata tidak homogen, pengambilan sampel dilakukan secara acak pada tiap strata sehingga setiap anggota strata punya kemungkinan yang sama untuk terpilih. Banyaknya sampel yang diambil pada setiap strata bisa dilakukan secara proporsional atau tidak. Cluster Sampling diterapkan pada populasi yang terdiri atas beberapa kelompok yang homogen, yang dipilih secara acak adalah kelompok sehingga tiap kelompok punya kemungkinan yang sama untuk terpilih, pada kelompok terpilih dilakukan pencatatan pada seluruh anggota kelompok. Jika pada setiap kelompok terpilih masih dilakukan pemilihan secara acak anggota 5
BAB 1. PENDAHULUAN
kelompoknya maka metode ini disebut sampling dua tahap, tahap pertama disebut cluster sampling, tahap kedua disebut simple random sampling pada tiap kelompok. Systematic Sampling dilakukan dengan cara setiap anggota populasi diberi nomor 1,2, … N. Sampel pertama ditentukan pada nomor populasi b, sampel kedua dan seterusnya adalah nomor: b+k, b+2k, b+3k, …, dimana besarnya nilai k ditentukan. Accidental Sampling adalah sampel yang dipilih secara kebetulan karena berjumpa dengan pengumpul sampel. Quota Sampling adalah pengumpulan sampel dilakukan sampai jatah besarnya sampel yang diinginkan terpenuhi. Purposive Sampling adalah sampel yang dipilih dipertimbangankan dengan tujuan penelitian. Snowball Sampling dilakukan dengan cara pada tahap pertama ditentukan 1, …, k sampel. Tahap berikutnya masing-masing sampel pada tahap pertama diminta menentukan k sampel dan seterusnya, metode ini bisa dikombinasikan dengan quota sampling. 1.3.5. Dasar Pemograman di dalam MINITAB
Minitab adalah suatu software statistik yang mudah digunakan, baik menggunakan
menu
yang
tersedia
di
dalam
MINITAB
maupun
dengan
menggunakan suatu program. Program yang dibuat di dalam MINITAB biasa disebut macro. MINITAB macros adalah kumpulan dari MINITAB commands yang disimpan dalam suatu file. Ada 2 jenis macro di dalam MINITAB, yaitu GLOBAL Macros biasa disebut simple macro dan LOCAL Macros Biasa disebut advanced macro.
a. GLOBAL Macro
Struktur pemrograman GLOBAL Macro adalah sebagai berikut: GMACRO Template Body of the macro ENDMACRO
Penjelasan
GMACRO dan ENDMACRO adalah pernyataan yang menandai awal dan akhir program macro. 6
BAB 1. PENDAHULUAN
Template adalah nama dari macro. Contoh kombinasi nama file dan template yang benar adalah sebagai berikut: Template MyMacro Analyze Analyze2
File name MYMACRO.MAC TEST.MAC TEST2.TXT
Invoked by %MYMACRO %TEST %TEST2.TXT
Body of the macro adalah tempat MINITAB commands dan macro statements.
b. LOCAL Macro
Struktur pemrograman GLOBAL Macro adalah sebagai berikut: MACRO Template Declaration statements Body of the macro ENDMACRO
Penjelasan
MACRO dan ENDMACRO adalah pernyataan yang menandai awal dan akhir program macro
Template adalah nama dari macro command dan subcommand . Contoh combinasi nama file dan template yang benar adalah sebagai berikut: Template Trim X Xbar Trim X Xbar; Percent Pct,
Invoked by %TRIM C5 KI %TRIM C1 C5 PERCENT 5.
Declaration statements digunakan untuk mendeklarasikan variabel Semua variabel yang digunakan dalam local macro harus dideklarasikan. Deklarasi variabel adalah mendeklarasi variabel sesuai dengan type variabel yang diharapkan. Ada 3 jenis type variabel yaitu column (dideklarasikan dengan Mcolumn),
constant
(dideklarasikan
dengan
Mconstant)
dan
(dideklarasikan dengan Mmatrix). Contoh syntax untuk pendeklarasian variabel adalah sebagai berikut : MCOLUMN variabel 1, variabel 2 7
matriks
BAB 1. PENDAHULUAN
MCONSTANT variabel 1, variabel 2 MMATRIX variabel 1, variabel 2
Body of the macro adalah tempat minitab commands dan macro statemants.
CONTOH GLOBAL MACROS GMACRO ANALYZE PRINT C1-C3 DESCRIBE C1-C3 LET C5 = LOGE (C1) REGRESS C5 2 C2 C3 ENDMACRO
CONTOH LOCAL MACROS MACRO TRIM X XBAR; PERCENT PCT. MCONSTANT N T1 T2 XBAR PCT MCOLUMN X XSORT XTRIM DEFAULT PCT=5 LET N=COUNT(X) LET T1=ROUND(N*PCT/100) LET T2=N-T1+1 IF T1 =0 LET XTRIM=X ELSE LET XSORT = SORT(X) COPY XSORT XTRIM; OMIT 1: T1 T2:N. LET XBAR = MEAN(XTRIM) ENDIF ENDMACRO
Pembuatan macro MINITAB dapat dilakukan dengan dua cara, yaitu: 1. Menggunakan text editor word processor untuk menulis macro, lalu menyimpan file macro dalam bentuk file teks. 2. Menggunakan MINITAB session dengan langkah sebagai berikut: a. Eksekusi beberapa command secara iterative b. Choose Window>History c. Blok beberapa command yang diinginkan untuk dimasukkan dalam macro, pilih Edit>Copy d. Buka sembarang word processing dan pilih Edit>Paste e. Ubah beberapa command jika diinginkan, lalu sisipkan 3 baris yaitu: GMARCO
pada awal file
Template ENDMACRO
pada akhir
f. Simpan perubahan tersebut dalam format text
8
BAB 1. PENDAHULUAN
Macro yang telah dibuat dapat dijalankan dengan cara sebagai berikut: %ANALIS
:
%C:\SALES\ANALIS
:
%TEST.TXT
:
%C:\SALES\ANALIS.TXT
:
Jika file ANALIS.MAC disimpan pada subdirectory \MACROS dari directory minitab Jika file ANALIS.MAC disimpan pada subdirectory \SALES dari directory C: Jika file TEST.TXT disimpan pada subdirectory \MACROS dari directory minitab Jika file ANALIS.TXT disimpan pada subdirectory \SALE dari directory C:
Di dalam pemrograman macro MINITAB terdapat crontol statement sebagai berikut: a. IF, ELSEIF, ELSE, ENDIF
IF
ekspresi logika (blok commands minitab dan statement macro) ELSEIF ekspresi ligika (blok commands minitab dan statement macro) ELSE (blok commands minitab dan statement macro) ENDIF Untuk ekspresi logika dapat menggunakan operator boolean berikut ini:
= ~= < > <=
atau atau atau atau atau
EQ NE LT GT LE
>=
atau
GE
& | ~
atau atau atau
AND OR NOT
Sama dengan Tidak sama dengan Kurang dari Lebih dari Kurang dari atau sama dengan Lebih dari atau sama dengan
9
BAB 1. PENDAHULUAN
Contoh: GMACRO SMALLL LET K1=MEAN(C1) LET K2=MEAN(C2) LET K3=MEAN(C3) IF K1 < K2 AND K1 < K3 PRINT C1 ELSEIF K2 < K1 AND K2 < K3 PRINT C2 ELSEIF K3 < K1 AND K3 < K2 PRINT C3 ELSE NOTE Note: tidak ada ENDIF ENDMACRO
b. DO, ENDDO
DO
K = suatu bilangan (blok commands minitab dan statement macro) ENDDO
Contoh: MACRO MOVAVE X Y MCONSTANT N I MCOLUMN X Y LET N = COUNT(X) LET Y(1)=‟*‟ LET Y(2)=„*‟ DO I = 3 : N LET Y(1) = (X(I) + X(I+I) + X(1-2)/3 ENDDO ENDMACRO
10
BAB 1. PENDAHULUAN
c. WHILE dan ENDWHILE
WHILE ekspresi logika (blok commands minitab dan statement macro) ENDWHILE
Contoh: GMACRO ROOT NAME K90 =‟X‟ K91=„Y‟ K92=„Xlow‟ LET „X‟=0 LET „Y‟=-1 WHILE „Y‟<0 LET „X‟ = „X‟ +0.01 LET „Y‟ = -1 + „X‟ + „X‟**3 ENDWHILE LET „Xlow‟ = „x‟ – 0.01 LET „Ylow‟ = -1 + „Xlow‟ + „Xlow”**3 PRINT „Xlow‟ „Ylow‟ „X‟ „Y‟ ENDMACRO
K 93=„Ylow‟
d. GOTO, MLABEL
GOTO
number (commands minitab dan stat ement macro lainnya) MLABEL number
Contoh: GMACRO NOMISS LET K90 = COUNT(C1) DO K91 = 1: K90 IF C1(K91) = „*‟ GOTO 5 ENDIF ENDDO MLABEL 5 DELETE K91:K90 C1 ENDMACRO 11
BAB 1. PENDAHULUAN
e. MENJALANKAN MACRO DARI DALAM MACRO
Contoh: ANALIS.MAC
GMACRO ANALIS LET K90 = COUNT(C1) IF K90 < 5 %TOOSMALL ELSE %OK ENDIF ENDMACRO TOOSMALL.MAC GMACRO TOOSMALL NOTE Data kurang dari 5 pengamatan PRINT C1-C3 ENDMACRO
OK.MAC GMACRO OK PRINT C1-C3 DESCRIBE C1-C3 LET C5=LOGE(C1) REGRESS C5 2 C2 C3 ENDMACRO
f. CALL, RETURN
Didalam sebuah file dapat terdiri lebih dari satu macro. Untuk mengontrol macro yang ada digunakan CALL dan RETURN
CALL template RETURN
12
BAB 1. PENDAHULUAN
Contoh: ANALIS.MAC GMACRO ANALIS LET K90 = COUNT(C1) IF K90 < 5 CALL TOOSMALL PRINT C1-C3 ELSE CALL OK PRINT C1-C3 C5 ENDIF ENDMACRO GMACRO TOOSMALL NOTE Data kurang dari 5 pengamatan RETURN ENDMACRO GMACRO OK PRINT C1-C3 DESCRIBE C1-C3 LET C5=LOGE(C1) REGRESS C5 2 C2 C3 RETURN ENDMACRO
1.3.6. Manajemen Data di SPSS
Berikut akan dibahas berbagai macam cara untuk mengelola data dengan bantuan SPSS. Manajemen data dengan SPSS ini meliputi : a. Pendefinisian variabel b. Pembersihan data c. export/import data d. Penggabungan data e. Pemilihan data f. Pemecahan data g. Penyusunan syntax 13
BAB 1. PENDAHULUAN
a.
Pendefinisian Variabel
Sebelum melakukan pemasukan data, biasanya dilakukan pendefinisian variabel yang meliputi nama variabel, jenis data (numerik atau bukan), pemberian label, dan missing value. Sebagai contoh disajikan contoh peragaan pendefinisian variabel jenis kelamin responden : klik [data + define variable]
Variabel jenis kelamin responden diberi nama: sex, dan setelah nama variabel ditentukan maka selanjutnya ditentukan jenis variabel dengan mengklik Type
Variabel sex ini jenisnya adalah numerik dengan panjang (width) satu angka. Angka yang diisikan nantinya adalah “1” untuk laki-laki dan “2” untuk perempuan. Pememberian label seperti ini dilakukan perintah dengan mengklik button Labels sehingga muncul tampilan sebagai berikut:
14
BAB 1. PENDAHULUAN
Variabel sex diberi label Jenis Kelamin Responden dan bernilai “1” untuk lakilaki dan “2” untuk perempuan, jika ada responden yang tidak mengisi pertanyaan ini, maka hal ini disebut missing values. Fasilitas ini dapat diaktifkan dengan mengklik Missing Values di define variable window.
Jika ada responden yang tidak mengisi pertanyaan jenis kelamin, maka d itandai dengan “-1”, pemilihan lambang bilangan untuk missing values biasanya diberi suatu nilai yang tidak mungkin seandainya variabel tersebut terisi. b. Pembersihan Data
Data yang sudah dimasukkan dengan bantuan komputer, masih dimungkinkan untuk salah dimasukkan akibat kelalaian manusia. Untuk memeriksa adanya kesalahan semacam ini dapat digunakan distribusi frekuensi untuk data yang berskala diskrit atau nilai statistik deskriptif untuk data yang berskala kontinyu.
15
BAB 1. PENDAHULUAN
Jenis Kelamin Responden
Valid
Frequency 47
Percent 47.0
Valid Percent 48.5
Cumulativ e Percent 48.5
47
47.0
48.5
96.9
3
2
2.0
2.1
99.0
4
1
1.0
1.0
100.0
97
97.0
100.0
3
3.0
100
100.0
Laki-laki Perempuan
Total Missing
-1
Total
Dari contoh distribusi frekuensi di atas, terlihat ada jenis kelamin yang bernilai 3 dan 4 , sehingga masih ada kesalahan yang perlu untuk diperbaiki dengan melihat kembali data yang tercatat sebelum dimasukkan ke komputer.
Descriptive Statistics
N NIlai makan siang kemarin
98
Valid N (listwise)
98
Minimum
Maxim um
Mean
St d. Dev i ation
8.00
14800. 00
7904. 1633
3609.45489
Rata-rata komsumsi responden untuk sekali makan siang adalah adalah
7904
rupiah dengan nilai minimum 8 rupiah. Nilai minimum 8 rupiah jelas merupakan data yang salah karena tidak mungkin sekali makan siang menghabiskan 8 rupiah. Sehingga perlu diadakan perbaikan data dengan memeriksa kembali catatan data sebelum dimasukkan ke komputer. Pemriksaan kesalahan data dapat juga dengan melibatkan dua variabel seperti contoh berikut : Banyaknya anak * status perkawin an Cr osstabulation Count status perkawinan
Bany akny a anak
Total
Menikah 0
Belum Menikah 46
1.00
13
2
15
2.00
11
0
11
3.00
17
0
17
4.00
8
0
8
49
48
97
.00
16
Total 46
BAB 1. PENDAHULUAN
Ada responden yang belum menikah yang sudah mempunyai anak, hal ini per lu dilakukan pemeriksaan, apakah memang benar seperti ini atau terjadi kesalahan. c.
Export/Import Data
Setiap program paket Statistika diharapkan mampu berkomunikasi dengan program paket Statistika yang lain dengan cara mampu untuk berbagi data, atau data yang telah disimpan dengan program paket A diharapkan dapat diolah oleh program B, sebagai contoh diperagakan hal berikut : 1. Buka data world95.sav dengan SPSS klik [ File + Open + Data]
2. Simpan data dengan type dbf ke c:\My Documents\world95.dbf Klik [ File + Save As… ]
17
BAB 1. PENDAHULUAN
3. Buka world95.dbf dengan bantuan MINITAB Klik [ File + Open Worksheet ]
dan data world95 siap diolah dengan bantuan MINITAB
d. Penggabungan Data
Program paket SPSS mempunyai kemampuan untuk menggabung file kesamping atau ke bawah : Contoh penggabungan kesamping adalah sebagai berikut: 18
BAB 1. PENDAHULUAN
Ada dua file, yaitu : File Biodata
: NRP, Nama, Tempat Lahir, Tgl Lahir, Jenis Kelamin
File NIlai
: NRP, PMS, MAT1, MAT2, ED, AR
Dua file ini dapat digabung jika ada variabel yang bersifat unik (nilainya berbeda untuk mahasiswa yang berbeda), variabel ini disebut juga sebagai key variable. Dalam hal ini variabel tersebut adalah NRP. Dengan bantuan SPSS penggabungan tersebut dapat dilakukan dengan tahapan : 1. Buka file pertama dengan cara [ File + Open + data] 2. Gabung dengan file kedua dengan cara klik Data+Merge Files+Add Variables kemudian isikan key variable-nya.
Contoh penggabungan kebawah adalah sebagai berikut: Ada dua file, yaitu: File NIlai 1
: NRP, PMS, MAT1, MAT2, ED, AR
File NIlai 2
: NRP, PMS, MAT1, MAT2, ED, AR
Dengan bantuan SPSS penggabungan tersebut dapat dilakukan dengan tahapan: 1. Buka file pertama dengan cara [ File + Open + data] 2. Gabung dengan file kedua dengan cara klik [ Data + Merge Files + Add cases] kemudian isikan key variable-nya.
e. Pemilihan Data
Di dalam program paket SPSS tersedia fasilitas pemilihan kasus, sehingga analisis Statistika yang dilakukan hanya valid untuk kasus yang terpilih. Contoh peragaan dari fasilitas ini menampilkan scatter-plot dari harapan hidup perempuan dan pendapatan perkapita untuk Negara-negara di Asia/Pasifik.
1. Pemilihan Negara-negara Asia, klik [ Data + Select Cases]
19
BAB 1. PENDAHULUAN
klik if
Dari hasil pemilihan Negara dari region=3 (Asia) akan tampak bahwa negara-negara yang tidak terpilih akan tercoret seperti gambar ber ikut:
20
BAB 1. PENDAHULUAN
2. Scatter-plot, dengan cara klik [Graph + Scatter + Simple]
klik [options]
21
BAB 1. PENDAHULUAN
f.
Pemecahan Data
Di dalam program paket SPSS juga tersedia vasilitas pengelompokan data berdasarkan nilai variabel tertentu. Setetlah pengelompokan dilakukan maka analisis yang dilakukan, hasilnya akan disajikan pada setiap kelompok variabel tersebut. Contoh peragaan dari pemecahan data adalah : Tampilkan scatter-plot antara harapan hidup perempuan dan pendapatan perkapita pada setiap region (Asia, Afrika,…). 1. Pemecahan Data: Klik [ Data + Split File]
2.
Scatter-Plot : klik [Graph + Scatter + Simple] untuk menyajikan scatter-plot untuk setiap region.
22
BAB 1. PENDAHULUAN
g. Penyusunan Syntax
Program paket SPSS dapat dioperasikan dengan dua macam cara. Cara pertama melalui klik pada menu yang ada dan cara kedua dengan cara menuliskan syntax. Contoh penulisan syntax adalaghsebagai berikut : Klik [ File + New + Syntax], kemudian tuliskan perintah-perintah yang dibutuhkan:
Cara pengoperasian SPSS akan terasa lebih efisien, bila data berukuran besar dan analisis yang akan dilakukan pada data tersebut ada banyak macamnya.
23