PENGENALAN SPSS PDF

Preview

Summary

PENGENALAN SPSS Pendahuluan SPSS merupakan salah satu software statistika yang digunakan untuk menganalis data. SPSS adalah singkatan dari Statistical Product and Service Solution. Kita pilih SPSS dalam praktikum ini karena digunakan oleh banyak perusahaan serta dapat diterapkan diberbagai bidang, d...

Description

PENGENALAN SPSS Pendahuluan SPSS merupakan salah satu software statistika yang digunakan untuk menganalis data. SPSS adalah singkatan dari Statistical Product and Service Solution. Kita pilih SPSS dalam praktikum ini karena digunakan oleh banyak perusahaan serta dapat diterapkan diberbagai bidang, diantaranya farmasi, kedokteran, dan bisnis. Cara kerja SPSS hampir sama dengan software-software statistika lainnya seperti S-Plus, Microsoft Excel, Minitab, dan sebagainya. Pada dasarnya SPSS terdiri dari dua bagian yaitu Data Editor (form data) dan SPSS Viewer (form output). Pada awal praktikum ini akan diperkenalkan sedikit mengenai SPSS. Dalam praktikum ini akan kita gunakan SPSS versi 13.0

Fasilitas dan Menu SPSS Form Data Editor Kita akan membahas beberapa menu yang akan sering kita gunakan untuk pengolahan data dalam praktikum ini, yaitu : a. Memanggil SPSS Untuk memulai penggunaan SPSS, klik shortcut SPSS yang telah tersedia. Kemudian dalam SPSS for Windows kita pilih Type in data, klik OK. Maka akan muncul tampilan form data seperti dibawah ini:

MODUL 1. STATISTIKA DESKRIPTIF Praktikum Biostatistika Semester II Tahun 2009/2010

1

b. Menu File Dalam menu file ini tersedia banyak pilihan diantaranya : - New : untuk membuka form baru, baik itu form data maupun form output. Contoh : pilih menu File → New → Data atau File → New → Output. - Open : untuk membuka atau memanggil file data maupun file output, file data yang dipanggil dapat berupa data di excel, lotus, Dbase atau lainnya. - Save dan Save As : untuk menyimpan suatu file data atau outputnya. c. Menu Edit Seperti halnya dengan software-software lain, pada menu ini tersedia fasilitas copy, paste, cut, undo, redo, clear dan juga terdapat fasilitas find yang digunakan untuk mencari data yang berada di form data. d. Menu Transform Dalam menu transform ini, pilihan yang akan sering dipakai dalam praktikum adalah compute yaitu untuk melakukan operasi numeric, menghitung peluang variabel acak dari suatu distribusi, dan lain-lain. Silahkan buka dan pelajari pilihan-pilihan lainnya. e. Menu Analyze Dalam menu Analyze ini, tersedia pilihan antara lain : 1. Descriptive Statistics 2. Compare Means 3. Regression 4. dll Untuk penjelasannya akan dibahas pada modul selanjutnya. f.

Menu Graphs Pada menu ini kita dapat menampilkan data dalam berbagai bentuk grafik, yang akan kita gunakan adalah histogram dan boxplot.

g. Menu Help SPSS menyediakan bantuan yang dapat dimanfaatkan ketika kita mengalami masalah dalam pengolahan data. Klik menu Help → Topics. Form Viewer Form Viewer merupakan tampilan SPSS untuk menampilkan hasil dari data yang kita olah. Seperti halnya form data editor, form viewer mempunyai sejumlah menu yang hampir sama dengan menu yang ada pada data editor.

MODUL 1. STATISTIKA DESKRIPTIF Praktikum Biostatistika Semester II Tahun 2009/2010

2

Memasukkan Data Dalam SPSS dikenal tipe – tipe data yang sering digunakan, diantaranya dalah : 1. String (Text) Maksimum berisi 255 karakter, karakter ini bisa berupa huruf, angka, atau karakter lainnya. Karakter ini sudah dianggap sebagai suatu text sehingga karakter tersebut tidak dapat dikenakan operasi. 2. Numeric Angka – angka ini dapat dikenakan operasi. 3. Date Menyimpan bentuk – bentuk tanggal misal : 02/28/05, 02-28-05, dll. 4. Scientific Notation Menyimpan angka – angka yang digunakan dalam perhitungan dalam bentuk ilmiah dan angka – angka ini bisa dikenakan operasi. Contoh : 5.2E+09, 6.6E-3, dll. Untuk dapat mengubah tipe data dan untuk mengubah nama variabel, klik taskbar Variable View (kiri bawah) sedangkan untuk kembali ke form data klik Data View. Untuk memasukkan data, jika data baru maka dapat langsung mengetiknya, tetapi jika ingin memanggil atau membuka data yang sudah ada dapat membukanya dengan memilih menu File → Open → Data. Cari file yang akan dipanggil.

MODUL 1. STATISTIKA DESKRIPTIF Praktikum Biostatistika Semester II Tahun 2009/2010

3

MODUL 1. STATISTIKA DESKRIPTIF I.

Tujuan Menyarikan data / mengambil informasi dari data (summary data) sebagai gambaran awal bagi peneliti / pengamat, khususnya dalam mengeksplorasi data mentah yang ada. Satu hasil yang diharafkan dari sini adalah dapat menentukan bentuk distribusi.

II.

Pendahuluan Hal yang terpenting dalam statistik atau analisa data adalah belajar melihat data secara cermat. Kita harus belajar melihat bukan hanya “pada” suatu data akan tetapi juga “ke dalam” data tersebut. Artinya kita harus dapat membaca data secermat kita membaca kata. Angka, jauh lebih sederhana dan tidak kabur dibandingkan dengan informasi suatu kata. Perhatikan data dibawah ini

Estates Production by Crops, Indonesia, 1990-2001 (Ton)

Year 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001+)

Hevea Rubber 315,3 330,1 335 335 326,4 341 334,6 330,5 332,6 303,61 336,2 328,32

Palm Oil 2.096.900 1.843.600 2.186.000 21288.300 1.930.300 2.476.400 2.569.500 4.081.100 4.013.100 4.024.821 4.094.073 4.152.596

Palm Kernel 445,8 406,2 483,1 524,6 472,1 605,3 626,6 927,5 912,068 914,731 930,603 946,872

Cocoa 41,5 30,6 39,5 42,7 43,7 46,4 48,8 65,9 60,926 58,915 60,572 65,293

Coffee 25,5 26,4 23,9 20,9 19,700 20,8 28,5 30,6 28,5 27,493 29,5 28,681

Tea 129,1 125 113 100 98 111,1 132 121 132,7 130,465 127,902 129,26

Quinine 1,9 2,1 2,7 6,00 3,00 3,00 4,00 5,00 400 9,17 9,34 9,20

Tobacco1) 3,5 4,9 7,500 3,1 5,1 9,9 7,1 7,8 7,7 5,797 6,312 5,116

Note : 1). Including production which uses raw materials from smallholder. +). Estimation figures. Informasi apa yang anda dabat ambil dari data pada table diatas? Mungkin kalau anda tekun anda akan dapat melihat misalnya bahwa untuk cocoa produksi terbesar adalah pada tahun 1997 dan terendah pada tahun 1994, dan anda pun dapat mengatakan bahwa kenaikan Quinine sangat derastis pada tahun 1999. Dan jika anda teruskan melihat dan membaca table tersebut maka yakin lah bahwa anda akan dapat melihat informasi yang lebih banyak dan mendetail. Tapi yang jadi permasalahan adalah bagaimana cara anda menyarikan informasinformasi yang ada dalam data tersebut dengan efektif dan efisien Untuk memahami data secara umum ada dua cara pendekatan yaitu: eksplorasi dan konfirmasi. Eksplorasi adalah suatu pendekatan untuk menemukan suatu informasi dari data. Cara ini dapat menghasilkan suatu taksiaran, ide atau hipotesis yang terkadang dipakai sebagai langkah awal kegiatan ilmiah. Sedangkan konfirmasi MODUL 1. STATISTIKA DESKRIPTIF Praktikum Biostatistika Semester II Tahun 2009/2010

4

ditujukan untuk pengujian suatu dugaan atau hipotesis yang diperoleh dari eksplorasi sebelumnya. III.

Menghitung Sari Numerik Sari Numerik merupakan informasi yang didapat dari data yang merupakan hasil dari eksplorasi tahap pertama. Sari numerik yang akan dibahas pada praktikum ini meliputi:

A. Ukuran Pemusatan Data / Parameter Lokasi Taraf atau pusat atau parameter lokasi adalah salah satu yang terpenting dalam gambaran data. Taraf antara lain memberikan prediksi cepat yang terbaik mengenai besarnya harga yang mungkin dihasilkan oleh suatu proses tertentu. Sebagai contoh, rata – rata produksi palm oil dari tahun 1990-2001 merupakan taksiran terbaik dari jumlah produksi tahun 2002. Ada berbagai jenis taraf , penggunaannya tergantung keperluan penelitian. 1. Rata-rata (Mean Sampel) Rata-rata adalah taraf yang paling sering dipakai atau umum. Untuk menghitungnya menggunakan seluruh data yang ada, ia sangat berguna untuk tahap analisis selanjutanya atau tahap konfirmasi. Tetapi rata-rata mempunyai kelemahan yaitu tidak tangguh (tidak robust) artinya adanya data yang ekstrim sangat mempengaruhi. Misalnya, dari 16 pedagang sayuran 15 orang pedagang mendapatkan untuk per hari antara Rp 50.000-Rp 70.000 dan satu orang lagi Rp 250.000 akibatnya rata-rata penghasilan 16 pedagang sayur tadi tidak akan menggambarkan keadaan sebenarnya. Lambang untuk rata-rata sampel adalah x . Dan rumusnya adalah

X

1 n  Xi n i 1

dengan X  rata  rata

n  banyaknya data xi  data ke  i, i  1,2,  , n Catatan : Penulisan xi berarti data ke-i, untuk i = 1, 2, ... sedangkan untuk penulisan x(i) berarti data ke-i untuk i = 1,2, ... , setelah data tersebut diurutkan (sorting). 2. Median Median adalah nilai tengah dari data. Nilai dari median sama dengan nilai dari quartil tengah. Untuk mendapatkan median secara manual anda harus mengurutkan data terlebih dahulu (sorting). Median termasuk taraf yang kokoh atau robust tidak terpengaruh oleh data ekstrim. Median menggunakan sedikit sekali data tetapi tidak kehilangan banyak informasi. Jika data tidak memiliki nilai ekstrim maka median akan mempunyai hasil yang hampir sama dengan rata-rata. Meskipun demikian median memaksa kita menggantungkan diri pada satu atau dua observasi suatu kondisi yang kuarang menyenangkan. Selain itu median masih mahal untuk digunakan dalam taham konfirmasi karena membutuhkan teknik matematika yang rumit. MODUL 1. STATISTIKA DESKRIPTIF Praktikum Biostatistika Semester II Tahun 2009/2010

5

3. Quartil Pusat dari data tidak selalu mesti ditengah namun bisa di bagian seperempatnya terendah atau pun seperempat tertinggi tergantung dari peneliti dan maksud dari penelitiaan. Oleh karena itu anda harus tau bagaimana menghitung nilai quartil. 

quartil bawah (qB) : data yang terletak pada urutan ke

qB  

x

(

(n  1) . 4

( n 1) ) 4

quartil atas (qA) : data yang terletak pada urutan ke 3(n  1) . 4

qA 

x

(

3( n 1) ) 4

Quartil juga digunakan dalam hal pemangkasan data, artinya kita memotong atau menghilangkan data seperempat terendah dan seperempat tertinggi yang mungkin mengandung nilai ekstrim. Sehingga taraf yang dihasilkan dari data dibagian tengah ini akan lebih meyakinkan. 4. Trirata Trirata disebut juga rata-rata tengah

qA  qB  2.Median 4 Trirata menggunakan lebih banyak data dari pada median. Trirata memberikan bobot ganda pada median karena jelas median dekat ke pusat yang merupakan tujuan penelitian Trirata (TRI ) 

5. Modus (mode) Modus / Mode adalah nilai data yang paling sering muncul. Modus tidak memerlukan perhitungan yang rumit cukup kejelian menghitung frekuensi dari data. Namun tidak semua data memiliki modus terutama data kontinu yang memiliki ketelitian lebih dari 2 angka decimal. 6. Rata-rata Geometri Rata-rata geometri berbeda dengan rata-rata numeric (rata-rata biasa) karena menggunakan perkalian dalam menghitungnya. Rata-rata geometri cocok digunakan untuk data yang condong atau miring ke kiri artinya data yang bernilai kecil lebih banyak dari data yang bernilai besar. Jangan menggunakan rata-rata geometri jika ada data yang bernilai negative.

GM  n x1x2 ...xn B. Ukuran Penyebaran Data / Parameter Dispersi Mengetahui perkiraan pusat dari data adalah sangat berguna. Tetapi hal ini tidak cukup, perlu diketahui bagaimana data menyebar disekitar pusat tersebut, sebaran data. Kalau sebarannya rendah, taraf dapat memberikan perkiraan yang paling baik, sedangkan kalau sebarannya tinggi taraf tidak terlalu membantu dalam perediksi hasil tertentu.

MODUL 1. STATISTIKA DESKRIPTIF Praktikum Biostatistika Semester II Tahun 2009/2010

6

1. Variansi dan Simpangan Baku (Standar Deviasi) Variansi adalah salah satu statistik yang digunakan untuk mengukur sebaran data. Notasinya adalah s2. Rumus baku :

s2 

2 1 n Xi  X    n  1 i 1

(1)

Namun secara praktis yang digunakan adalah 2

 n  X  i   n 2 i 1   Xi   2 n s 2  i 1 atau s  n 1

n

X i 1

2 i

 nX 2 (2)

n 1

Hal tersebut adalah karena ketelitian persamaan (2) lebih baik daripada persamaan (1), khususnya untuk X yang dibulatkan. Simpangan baku(s) adalah akar positif dari variansi . Variansi tidak kokoh atau sangat dipenaruhi nilai ekstrim, tetapi seperti rata-rata ia sangat berguna dalam tahap eksplorasi atau inferensi. 2. Rentangan (range) Range adalah selisih dari nilai maksimum dan nilai minimum. Rentangan merupakan ukuran sebaran yang paling sederhana. Namun sayang ia tidak tangguh karena didasarkan pada harga yang kemungkinan besar harga ekstrim. 3. Simpangan Kuartil dq = quartil atas – quartil bawah. Ukuran ini merupakan solusi dari kelemahan rentangan dengan simpangan kuartil kita dapat menghindari nilai ekstrim. 4. Standar Error Standard error dari mean sample x adalah ukuran kedekatan antara rata-rata sample dengan rata-rata populasinya. Semakin dekat rata-rata sample dengan ratarata populasi maka semakin kecil standar errornya artinya semakin banyak sample yang kita ambil maka semakin baik rata-rata yang kita dapatkan.

simpangan baku Populasi  2 .   n n n C. Ukuran Kemiringan dan Kelancipan 1. Kemiringan (Skewness) Adalah derajat kemiringan (derajat simetris) dari suatu distribusi. Kemiringan dari suatu distribusi didefinisikan sebagai :

MODUL 1. STATISTIKA DESKRIPTIF Praktikum Biostatistika Semester II Tahun 2009/2010

7



E[( X   )3 ]

ˆ 

3

1 n  ( Xi  X )3 n i 1 1 n 2  n  ( Xi  X )   i 1 

3/ 2

Suatu distribusi yang simetris, seperti distribusi normal dan t, memiliki nilai skewness = 0, sedangkan jika skewness nilainya positif menyatakan distribusi “miring ke kiri” sehingga bagian kiri berisi lebih banyak data dari bagian kanan, dan sebaliknya. 2. Kelancipan (Kurtosis) Adalah derajat kelancipan dari suatu distribusi dibandingkan distribusi normal. Distribusi normal memiliki kurtosis = 0. Kurtosis didefinisikan sebagai berikut:

K ( x) 

E[( X   ) ] 4

Kˆ ( x) 

4

1 n  ( Xi  X )4 n i 1 1 n 2  n  ( Xi  X )   i 1 

2

Bila kurtosis positif maka distribusi memi.liki puncak yang lebih lancip dari distribusi normal. Sedangkan bila negatif maka distribusi memiliki puncak yang lebih landai dari distribusi normal. Sebagai contoh : Data berikut menyatakan waktu penyembuhan pasien :

penyakit typus (dalam hari) dari 50 orang

21

20

31

24

15

21

24

18

33

8

26

17

27

29

24

14

29

41

15

11

13

28

22

16

12

15

11

16

18

17

29

16

24

21

19

7

16

12

45

24

21

12

10

13

20

35

32

22

12

10

Untuk menampilkan sari-sari numerik tersebut di atas. Pilih menu Analyze  Descriptive Statistics  Frequencies. Masukkan variabel yang akan dicari sari numeriknya kemudian klik statistics dan check sari numerik yang diinginkan, klik continue  klik OK. Maka pada window report akan ditampilkan sebagai berikut : Statistics TYPUS N

Mean Median Std. Deviation Variance Skewness Std. Error of Skewness Kurtosis Std. Error of Kurtosis Range Minimum MODUL 1. STATISTIKA DESKRIPTIF Praktikum Biostatistika Semester II Tahun 2009/2010

Valid Missing

50 1 20.32 19.50 8.37 70.10 .825 .337 .587 .662 38 7

8

Maximum Sum Percentiles

45 1016 13.75 19.50 24.50

25 50 75

Umumnya distribusi data berbentuk : a. menceng kiri b. simetris c. menceng kanan IV.

Menyajikan Data Dalam Bentuk Grafik Pada tahap eksplorasi, selain menyusun informasi yang berbentuk angka diperlukan juga untuk melihat informasi data dari sajian data yang dapat menggambarkan data secara keseluruhan. Ada beberapa cara dalam menyajikan data dalam bentuyk grafik, antara lain:  Scatterplots (diagram pencar)  Dotplot  Histogram  Diagram Batang-Daun (Stem-Leaf)  Boxplot Dengan melihat sebuah grafik yang merepresentasikan data, dapat dilihat kecenderungan data secara umum, observasi yang yang tidak mengikuti kecenderungan data tersebut, dan hubungan yang penting antara variabel-variabel yang menyusun data tersebut. Dengan menggabungkan sari numeric dan grafik diharafkan anda dapat lebih mencerna informasi dari data. 1. Scatterplots Nama lain dari scatterplots adalah diagram pencar. Scatterplots adalah plot yang menandai setiap observasi dengan titik dalam bidang koordinat segiempat XY. Setiap observasi terdiri dari dua nilai: setiap nilai merupakan titik absis (pada sumbu X) dan nilai kedua merupakan titik ordinat (pada sumbu Y). Sumbu X dan Y dapat dinamai sesuai dengan dua nama variabel yang sedang ingin diketahui hubungan antara kedua variabel tersebut. Untuk menampilkan Scatter plots pada SPSS pilih menu Graphs →Scatter/Dot, pilih simple scatter kemudian pilih variabel Y dan variabel X yang akan dibuat Scatter plot nya. Anda dapat memberi judul atau catatan kaki pada grafik dengan meng-klik kotak titles. Hubungan produk kopi dan teh dari tahun 1999-2001 35.00

Coffee

30.00

25.00

20.00

15.00 100.00

110.00

120.00

130.00

tea

MODUL 1. STATISTIKA DESKRIPTIF Praktikum Biostatistika Semester II Tahun 2009/2010

9

2. Dot Plot Dot plot adalah suatu jenis plot dimana data yang ada diinterpretasikan dalam bentuk titik. Dot plot juga menggambarkan frekuensi dari data. Dalam hal ini data yang sama akan ditumpuk pada satu titik data yang bersangkutan. Untuk menampilkan Dot plots pada SPSS pilih menu Graphs →Scatter/Dot, pilih simple Dot kemudian pilih variabel yang akan dibuat Dot plot nya. Anda dapat memberi judul atau catatan kaki pada grafik dengan meng-klik kotak titles. Anda dapat mengedit tampilan grafik dengan meng-klik dua kali grafiknya. Contoh: Waktu Penyembuhan Penyakit Typus Dalam Hari

10

20

30

40

Waktu (hari)

3.

Histogram Nama lain dari histogram adalah diagram batang. Dengan histogram dapat ditentukan distribusi dari suatu sampel secara visual. Histogram dapat digunakan untuk menggambarkan frekuensi, frekuensi kumulatif, persentase dan persentase kumulatif. Untuk menampilkan histogram pada SPSS pilih menu Graphs →Histogram, kemudian pilih variabel yang akan dibuat histogramnya kemudian klik OK. 14

12

10

8

6

4

Std. Dev = 8.37

2

Mean = 20.3 N = 50.00

0 5.0

10.0

15.0

20.0

25.0

30.0

35.0

40.0

45.0

TYPUS

4. Diagram batang daun Data statistik, yang dikumpulkan dalam jumlah amat banyak, akan sangat membantu dalam menelaah bentuk distribusi bila disajikan dalam bentuk gabungan tabel dan grafik yang dinamakan diagram batang – daun.

MODUL 1. STATISTIKA DESKRIPTIF Praktikum Biostatistika Semester II Tahun 2009/2010

10

Untuk menampilkan diagram batang daun : Pilih menu Analyze → Descriptive Statistics → Explore. Kemudian masukkan variabel yang akan ditampilkan diagram batang daunnya pada Dependent List. Kemudian klik plots dan check Steam and- Leaf, lalu klik Continue → OK. TYPUS Stem-and-Leaf Plot Frequency

Stem & Leaf

2.00 0 . 78 11.00 1 . 00112222334 12.00 1 . 555666677889 13.00 2 . 0011112244444 6.00 2 . 678999 3.00 3 . 123 1.00 ...