Pengaplikasian softwere SPSS

Pengaplikasian softwere SPSS

1.             Memasukkan Data pada SPSS

Untuk menginput data, buka Program SPSS melalui Start → Programs → IBM SPSS Statistics → IBM SPSS Statiscs. Pertama kali akan muncul tampilan sebagai berikut:

Gambar 1.1 Tampilan layar Data View

Tampilan tersebut adalah tampilan Data Editor dalam SPSS yang mempunyai fungsi utama untuk mendefinisikan, menginput, mengedit dan menampilkan data. Sebelum menginput data, definisikan terlebih dahulu data (variabel) yang akan diinput. Perhatikan di sudut kiri bawah dari tampilan data editor di atas, terdapat menu Data View dan menu Variable View. Untuk mendefinisikan data (variabel), klik Variable View, maka akan muncul tampilan berikut:

Gambar 1.2 Tampilan layar Variable View

Setiap baris dalam tampilan diatas digunakan untuk mendefinisikan satu variabel (data) yang akan diinput. Ada beberapa informasi yang perlu dimasukkan, yaitu:

1.    Name. Isikan nama variabel. Persyaratan dalam pemberian nama variabel adalah:

a.      Nama variabel tidak boleh duplikasi dengan nama variabel lainnya.

b.      Nama variabel paling panjang hanya 64 karakter dan harus diawali oleh huruf atau @, #, $. Karakter berikutnya boleh kombinasi huruf, @, #, $ atau angka. Nama variabel yang diawali dengan tanda $ menunjukkan bahwa variabel tersebut adalah suatu variabel sistem.

c. Variabel tidak boleh mengandung spasi dan kata-kata kunci perintah SPSS yaitu ALL, AND, BY, EQ, GE, GT, LE, LT, NE, NOT, OR, TO, dan WITH.

2. Type. Definisikan tipe variabel. Ketika anda mengklik sel di bawah type, akan muncul titik tiga (…). Klik titik tiga tersebut, maka akan muncul tampilan berikut:

Gambar 1.3 Tampilan kotak dialog Variable Type

Dari tampilan diatas, terdapat beberapa pilihan tipe variabel sebagai berikut:

a. Numeric. Variabel yang berbentuk angka

b. Comma. Variabel numerik dengan tampilan koma untuk setiap 3 angka (memisahkan ribuan), dan titik untuk memisahkan desimal. Misalnya, jika data yang diinput adalah 2567932, maka akan ditampilkan dalam SPSS sebagai 2,567,932.00

c. Dot. Variabel numerik dengan tampilan titik untuk setiap 3 angka (memisahkan ribuan), dan koma untuk memisahkan desimal. Misalnya, jika data yang diinput adalah 2567932, maka akan ditampilkan dalam SPSS sebagai 2.567.932,00

d. Scientific notation. Variabel numerik dengan tampilan scientific. Misalnya, jika data yang diinput adalah 2567932, maka akan ditampilkan dalam SPSS sebagai 2.57E+006

e. Date. Variabel numerik dengan nilai yang ditampilkan dalam format tanggal atau waktu. Jika anda pilih tipe data ini, akan muncul tampilan pilihan format tanggal atau waktu.

f. Dollar. Variabel numerik dengan tampilan tanda $.

g. Custom currency. Variabel numerik yang ditampilkan dalam format uang yang anda inginkan (custom currency) misalnya dalam bentuk Rp. Penggunaan pilihan format ini harus didefinisikan terlebih dahulu dalam menu Options pada Currency tab.

h. String. Variabel yang tidak berbentuk numerik (angka) dan karenanya tidak digunakan dalam perhitungan. Jenis ini juga dikenal sebagai variabel alphanumeric

Setelah memilih jenis variabel, lanjutkan dengan mengisi Width, yaitu jumlah karakter (angka/huruf) maksimum dari data yang akan diinput. Setelah itu, tentukan jumlah decimal yang ingin ditampilkan. Selanjutnya klik OK.

3. Label. Label adalah keterangan mengenai variable dan dapat dibuat sampai 256 karakter. Selain itu, label dapat menggunakan spasi maupun karakter-karakter yang tadinya tidak dapat digunakan pada nama variabel.

4. Values. Values ini secara khusus berguna jika data yang kita gunakan merupakan kode numerik (dalam bentuk angka) yang mewakili kategori non-numerik, misalnya kode 1 untuk laki-laki dan kode 2 untuk perempuan. Untuk menginput values dari masing-masing variabel, klik sel di bawah Values, akan muncul titik tiga (…). Klik titik tiga tersebut, maka akan muncul tampilan berikut:

Gambar 1.4 Tampilan kotak dialog Value Labels

Isikan kode pada kotak Values dan labelnya pada kotak Label. Misalnya, kode 1 untuk Laki-laki. Setelah itu, klik Add. Lanjutkan untuk kode-kode berikutnya, setelah itu klik OK.

5. Missing. Menentukan nilai “missing” ini berguna jika dalam pertanyaan survai, ada responden yang tidak memberikan/menolak memberikan jawaban, sehingga tidak tersedia data untuk diinput. Misalnya, jika ada responden yang menolak memberikan jawaban mengenai pendapatannya. Jika kita menginput jawaban responden tersebut dengan angka 0, maka dalam pengolahannya, SPSS akan memasukkan dalam perhitungan (sehingga akan berpengaruh terhadap rata-rata keseluruhan maupun terhadap distribusi frekuensi). Tetapi jika kita mendefinisikan suatu angka untuk menyatakan nilai missing tersebut, maka SPSS akan mengeluarkan dari perhitungan. Untuk mendefinisikan nilai “missing” dari masing-masing variabel, klik sel di bawah “Missing”, akan muncul titik tiga (…). Klik titik tiga tersebut, maka akan muncul tampilan berikut:

Gambar 1.5 Tampilan kotak dialog Missing Value

Kita bisa mendefinisikan tiga deretan angka yang berbeda untuk nilai missing masing-masing variabel. Kita juga memberikan range nilai untuk mendefinisikan nilai missing tersebut. Dalam contoh tampilan diatas, misalnya didefinisikan hanya satu deretan angka untuk nilai missing yaitu 99999. Dengan demikian, jika terdapat data yang kosong (atau tidak terisi) dari variabel, maka inputkan angka 99999. Setelah mendefinisikan nilai missing, klik OK.

6. Coloumn. Menentukan lebar kolom dari worksheet SPSS untuk input data. Lebar kolom ini ditentukan minimal sama dengan “Width” variabel yang telah ditentukan sebelumnya.

7. Align. Perataan dari tampilan input data. Jika diklik sel dibawah align, akan muncul tiga pilihan yaitu left (rata kiri), right (rata kanan) dan center (rata tengah).

8. Measure. Skala pengukuran dari masing-masing variabel. Ada tiga pilihan yaitu Scale, Ordinal dan Nominal. Scale kita pilih jika skala pengukuran kita adalah skala interval atau ratio.

Setelah selesai dengan tahap terakhir pendefinisian variabel ini, klik kembali menu Data View (yang ada disudut kiri bawah). Dengan cara ini, kita akan masuk ke worksheet SPSS dan siap untuk menginput data.

            Sebagai latihan, input data hasil penelitian terdapat 18 responden penelitian sebagai berikut:

No	Responden	Jenis Kelamin	Umur	Pendidikan	Pendapatan	Konsumsi
1	Susan	Perempuan	25	SLTP	5000	3750
2	Susanto	Laki-laki	20	SLTP	2500	1875
3	Marni	Perempuan	23	SLTA	-	-
4	Semar	Laki-laki	30	S1	2000	1500
5	Tini	Perempuan	35	D3	1500	1400
6	Tono	Laki-laki	40	SLTA	1300	1200
7	Fadli	Laki-laki	43	SLTP	2000	1500
8	Fadliani	Perempuan	42	S1	2200	1650
9	Purwanti	Perempuan	30	S1	1700	1275
10	Purwana	Laki-laki	25	D3	1100	1000
11	Purwani	Perempuan	40	SLTA	3000	2250
12	Purwano	Laki-laki	25	D3	3200	2400
13	Mutia	Perempuan	38	SLTA	1800	1350
14	Tiara	Perempuan	45	SLTA	-	-
15	Joni	Laki-laki	55	SLTP	1400	1300
16	Jono	Laki-laki	50	SLTA	1600	1400
17	Kris Dayanti	Perempuan	35	D3	1900	1300
18	Kris Jhon	Laki-laki	57	D3	1700	1300

Pada contoh data latihan di atas, kita punya enam variabel (data) yang akan diinput yaitu nama responden, jenis kelamin, umur, pendidikan, penghasilan dan konsumsi. Mari kita definisikan masing-masing variabel sebagai berikut:

Variabel pertama:

Nama Variabel : Responden

Type : String (karena variabel ini tidak berbentuk numerik)

Width : 18 (untuk data kita ini, jumlah karakter terbanyak 18)

Decimal : 0 (untuk data type string, desimal akan otomatis 0)

Label : Nama Responden

Values : None (untuk data type string, values akan otomatis none)

Missing : None (untuk data type string, missing akan otomatis none)

Column : 18 (ukuran kolom ini sesuaikan dengan jumlah karakter dari nama variabel atau maksimum karakter dari data pada variabel tersebut, mana yang paling banyak)

Align : Left (untuk data string sebaiknya dibuat rata kiri)

Measure : Nominal (untuk data string, pilih saja measure nominal)

Variabel kedua:

Nama Variabel : Sex

Type : Numeric

Width : 2 (sebenarnya input data yang akan kita masukkan nanti hanya berupa kode 1 dan 2, atau hanya terdiri dari 1 karakter, tetapi width nya sebaiknya kita lebihkan 1 karakter)

Decimal : 0 (karena tidak memerlukan angka dibelakang koma)

Label : Jenis Kelamin Responden

Values : 1 = laki-laki, 2 = perempuan

Missing : None (karena informasi mengenai jenis kelamin tersedia pada semua responden)

Column : 4

Align : Rigth (untuk data numerik sebaiknya dibuat rata kanan)

Measure : Nominal (angka untuk pengkodean jenis kelamin ini, adalah termasuk data skala nominal)

Variabel ketiga:

Nama Variabel : Umur

Type : Numeric

Width : 3

Decimal : 0 (karena tidak memerlukan angka dibelakang koma)

Label : Umur Responden

Values : None (tidak ada pengkodean numerik untuk variabel ini)

Missing : None (karena informasi mengenai umur tersedia pada semua responden)

Column : 5

Align : Rigth (untuk data numerik sebaiknya dibuat rata kanan)

Measure : Scale (karena umur merupakan data berskala ratio)

Variabel keempat:

Nama Variabel : Pendidikan

Type : Numeric

Width : 2 (karena pendidikan akan diinput dengan kode 1 – 5)

Decimal : 0 (karena tidak memerlukan angka dibelakang koma)

Label : Pendidikan Responden

Values : 1 = SD, 2= SLTP, 3= SLTA, 4= D3, 5= S1

Missing : None (karena informasi mengenai pendidikan tersedia pada semua responden)

Column : 8

Align : Rigth (untuk data numerik sebaiknya dibuat rata kanan)

Measure : Ordinal (karena pendidikan merupakan data berskala ordinal)

Variabel kelima:

Nama Variabel : Pendapatan

Type : Numeric

Width : 4

Decimal : 0 (karena tidak memerlukan angka dibelakang koma)

Label : Pendapatan Responden (dalam ribuan Rp)

Values : None (tidak ada pengkodean numerik untuk variabel ini)

Missing : terdapat responden yang tidak memiliki informasi mengenai pendapatan. Untuk itu, sebagai latihan kita berikan kode 9999 untuk responden yang tidak kita dapatkan informasi pendapatannya tersebut

Column : 9

Align : Rigth (untuk data numerik sebaiknya dibuat rata kanan)

Measure : Scale (karena pendapatan merupakan data berskala ratio)

Variabel keenam:

Semua isian data sama dengan variable ke lima kecuali nama variable.

Hasil dari tahapan-tahapan yang kita lakukan akan memberikan tampilan kira-kira sebagai berikut:

Gambar 1.6 Tampilan Variable View yang telah didefenisikan

Setelah itu, klik menu Data View yang ada disudut kiri bawah, dan data siap diinput kemudian simpan data tersebut dengan nama Latihan distribusi frekuensi. Berdasarkan data latihan sebelumnya, tampilan input data adalah sebagai berikut:

Gambar 1.7 Tampilan Data View yang telah didefenisikan

Latihan

1. Diberikan data mengenai jenis kelamin (sex), daerah, tingkat pendidikan dan pendapatan dari 60 orang responden penelitian. Simpan data dengan nama Latihan tabel dan grafik.

Jenis kelamin dikode sebagai berikut:

1 = laki-laki

2 = perempuan

Daerah dikode sebagai berikut:

1 = Kota

2 = Desa

Tingkat pendidikan dikategorikan sebagai:

1 = responden yang berpendidikan SLTP kebawah

2 = responden yang berpendidikan SLTA

3 = responden yang berpendidikan D3 ke atas.

Pendapatan 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)

2. Diberikan data mengenai investasi dan tabungan domestik Indonesia (dalam trilyun Rp) selama periode tahun 1996 – 2013. Simpan data dengan nama Latihan grafik garis.

Tahun	Investasi	Tabungan
1996	58,9	53,7
1997	68,0	61,1
1998	75,4	69,7
1999	93,4	86,8
2000	115,8	108,3
2001	142,3	130,8
2002	157,8	138,8
2003	178,3	163,8
2004	242,8	283,8
2005	205,6	283,7
2006	220,1	249,2
2007	375,1	450,2
2008	380,7	441,0
2009	405,3	465,6
2010	515,3	518,8
2011	657,6	738,7
2012	805,4	895,0
2013	983,9	1084,3

2.    Distribusi Frekuensi

Untuk menampilkan distribusi frekuensi pada SPSS adalah dengan cara klik menu Analyze → Descriptive Statistics → Frequencies. Akan muncul tampilan berikut:

Gambar 2.1 Tampilan Frequencies.

Masukkan (pindahkan) variabel jenis kelamin dari kotak sebelah kiri ke kotak sebelah kanan dengan cara klik variabel jenis kelamin di kotak kiri, kemudian klik panah yang menuju ke sebelah kanan. Lakukan hal yang sama untuk variabel pendidikan. Kemudian klik OK. Output dari distribusi frekuensi diberikan sebagai berikut:

Tabel pertama memberikan keterangan mengenai variabel yang diolah, yaitu jumlah observasinya dan jumlah observasi missing. Dari tabel tersebut terlihat bahwa jumlah observasi sebanyak 18 dan tidak ada observasi missing.

Tabel kedua dan ketiga masing-masingnya memberikan distribusi frekuensi untuk jenis kelamin responden dan pendidikan responden. Tabel distribusi frekuensi menampilkan lima kolom sebagai berikut:

 Kolom pertama: kategori yang difrekuensikan (sebagai contoh pada jenis kelamin adalah pria dan wanita)

 Kolom kedua: frekuensi masing-masing kategori

 Kolom ketiga: persentase frekuensi masing-masing kategori (persentase dihitung dari total observasi termasuk observasi missing)

 Kolom keempat : persentase frekuensi masing-masing kategori tetapi persentase dihitung dengan mengeluarkan observasi missing. (Catatan: berhubung tidak ada observasi missing, baik untuk jenis kelamin maupun pendidikan, maka kolom 3 dan 4 menjadi sama).

 Kolom kelima: Cumulative Percent yaitu persentase kumulatif yang dihitung dari valid percent. Sebagai contoh pada tabel frekuensi pendidikan. Baris pertama adalah 22,2 persen. Pada baris kedua adalah 55,6 persen yang dihitung dari 22,2 + 33,3 (catatan: perbedaan perhitungan karena pembulatan).

B. Pengelompokkan Data

Selain menampilkan ukuran statistik deskriptif dari kumpulan data, kita juga dapat 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 – 2.000.000), tinggi (>2.000.000), maka kita dapat secara langsung membuat distribusi frekuensinya. Tetapi jika data belum terkelompok dalam kategori-kategori tertentu, tabel distribusi frekuensinya akan sangat panjang mengikuti keragaman dari nilai-nilai data tersebut. Misalnya jika dibentuk tabel distribusi frekuensi dari data umur, maka akan terbentuk tabel distribusi yang tidak ringkas, sehingga kita akan sulit menarik kesimpulan dari data tersebut, seperti terlihat dibawah ini:

Gambar 2.3 Tampilan output distribusi frekuensi variable umur

Agar tabel distribusi frekuensi menjadi lebih ringkas sehingga mudah diinterpretasikan, data umur sebaiknya dikelompokkan terlebih dahulu dengan cara klik menu Transform. Ada dua pilihan dalam mengelompokkan data yaitu Recode into Same Variables (kode pengelompokkan akan menindih data asli) dan Recode into Different Variables (kode pengelompokan akan dibuat pada variabel yang baru). Pilih Recode into Different Variables, maka akan muncul tampilan berikut:

Gambar 2.4 Tampilan kotak dialog Recode into Different Variables

Pindahkan variable umur ke kotak Input Variables → Output Variables. Kemudian pada kotak Output Variable, untuk Name tuliskan Kel.Umur dan untuk Label tuliskan Kelompok Umur, kemudian klik Change → Old and New Values, akan muncul tampilan berikut:

Gambar 2.5 Tampilan Recode into Different Old and New Values

Misalnya variable umur akan dikelompokkan menjadi ≤ 29, 30 – 39, 40 – 49, dan ≥ 50. Untuk mengelompokkan umur ≤ 29, pada bagian Old Value, klik Range, LOWEST through value, kemudian isikan pada kotak dibawahnya angka 29. Pada bagian New Value, pada kotak Value isikan angka 1, lalu 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)

Gambar 2.6 Tampilan Recode into Different Old and New Values

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

Berikan keterangan untuk masing-masing kode pengelompokan umur tersebut pada Value Label dengan kode 1 (≤ 29), kode 2 (30-39), kode 3 (40 – 49), kode 4 (≥ 50). Lalu bentuklah distribusi frekuensi untuk kelompok umur tersebut sehingga output adalah sebagai berikut:

3.      Statistik Deskriptif

Selanjutnya untuk mendapatkan ukuran-ukuran statistik deskriptif, klik Analyze → Descriptive Statistics → Descriptives. Akan muncul tampilan berikut:

Gambar 3.1 Kotak dialog Descriptives

Pindahkan variabel umur dan pendapatan (yang tadinya ada dikotak sebelah kiri) ke kotak sebelah kanan, dengan cara klik variabel yang bersangkutan, kemudian klik panah yang menuju ke arah kanan. Selanjutnya, klik Options, akan muncul tampilan berikut:

Gambar 3.2 Kotak dialog pilihan Descriptives

Terdapat berbagai pilihan ukuran numerik statistik deskriptif. Sebagai latihan, klik semua pilihan tersebut. Selain itu, terdapat juga pilihan Display Order (urutan tampilan output).

 Variable list, output akan ditampilkan dengan urutan sesuai dengan urutan variabel yang diinput (dalam contoh ini, tampilan outputnya umur kemudian pendapatan).

 Alphabetic, output akan ditampilkan berdasarkan urutan abjad awal dari nama variabel (dalam hal ini pendapatan kemudian umur).

 Ascending means, urutan tampilan output dimulai dari variabel dengan rata-rata terkecil.

 Descending means, urutan tampilan output dimulai dari variabel dengan rata-rata terbesar.

4.      Transformasi Variabel

Salah satu keunggulan SPSS sebagai salah satu software statistik adalah fasilitas transformasi variabelnya yang dapat dilakukan secara mudah seperti program-program spreadsheet lainnya (misalnya Excel). Sebagai latihan sederhana, gunakan file Latihan distribusi frekuensi yang sudah diinput pada SPSS sebagai berikut (isikan data ketiga dan keempat belas seperti yang terlihat pada tampilan dibawah):

Gambar 4.1 Data transformasi variabel

Berdasarkan data tersebut, ingin dihitung tabungan masing-masing responden (yang berasal dari pendapatan dikurangi konsumsi), yang akan digunakan untuk pengolahan data lebih lanjut. Untuk melakukan itu, klik Transform → Compute Variable. Akan muncul tampilan berikut:

Gambar 4.2 Tampilan compute variable

Pada kotak Target Variable, masukkan nama variabel untuk menampung data hasil transformasi variabel tersebut. Misalnya dalam contoh diberi nama Tabungan. Pada kotak Numeric Expression, isikan perintah transformasinya, yaitu Pendapatan – Konsumsi lalu klik OK. Pada worksheet SPSS akan muncul variabel baru dengan nama Tabungan sebagai berikut:

Pada prinsipnya, dalam perintah transformasi ini ada dua cara yang dapat dilakukan:

a. Membuat rumus sendiri, seperti contoh diatas.

b. Menggunakan fungsi yang sudah disediakan SPSS dalam kotak Function Group.

SPSS menyediakan berbagai fungsi baik fungsi aritmatik, statistik, fungsi waktu dan lainnya. Salah satu contoh memanfaatkan fungsi ini, misalnya ingin menghitung logaritma natural (Ln) variabel pendapatan. Fungsi tersebut disediakan oleh SPSS dalam Fungsi Arithmethic. Klik Arithmethic, maka akan muncul di kotak Function and Special Variables, fungsi-fungsi yang tersedia pada kelompok arithmetic seperti tampilan dibawah ini.

Isikan pada kotak Target Variable, nama variabel sebagai penampung transformasi tersebut. Misalnya LnPendapatan. Kemudian klik Ln, dan klik tanda panah yang mengarah ke atas pada gambar diatas. Maka pada kotak Numeric Expression akan muncul tulisan LN(?). Selanjutnya klik variabel Pendapatan (variabel asal yang akan ditransformasikan), dan klik panah yang mengarah kekanan dari gambar diatas. Prosedur ini akan mengganti tanda tanya diatas menjadi Pendapatan, sehingga tulisan pada kotak Numeric Expression menjadi LN(Pendapatan). Setelah itu klik OK, maka akan akan keluar output dari logaritma natural dari pendapatan yang berada pada variabel baru yang bernama LnPendapatan seperti tampilan berikut:

5.      Tabel

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.

A. Tabel Silang Dua Variabel

Dalam contoh pembuatan table silang dua variable akan digunakan variable tingkat pendidikan dan pendapatan responden pada file Latihan Tabel dan grafik yang ada pada latihan pertemuan 1. Untuk membuat table ini, 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:

Klik 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 digunakan semuanya (karena akan memperumit pembacaan tabel). Tapi untuk sekedar latihan, silakan klik saja semua pilihan persentase tersebut. Selanjutnya, klik Continue → OK.

6.      Grafik

A. Batang Sederhana

Sebagai latihan misalnya kita punya data tingkat pendidikan dan pendapatan dari 30 orang responden penelitian. Tingkat pendidikan misalnya dikategorikan sebagai:

1 = responden yang berpendidikan SLTP kebawah

2 = responden yang berpendidikan SLTA

3 = responden yang berpendidikan D3

4 = responden yang berpendidikkan S1.

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)

Data tingkat pendidikan dan pendapatan responden tersebut diberikan di bawah ini.

Terdapat tiga jalur (cara) dalam pembuatan grafik pada SPSS. Pada tulisan ini kita akan membahas cara yang paling sederhana saja, sebagai berikut:

Klik Graphs > Legacy Dialogs. Akan terdapat beberapa pilihan grafik yang tersedia yaitu: Bar (grafik batang), 3-D (grafik batang tiga dimensi), Line (grafik garis), Pie (grafik lingkaran), High-Low, Boxplot, Error Bar, Population Pyramid, Scatter/Dot (sebaran/titik), dan Histogram. Masing-masing grafik memiliki karakteristik-karakteristik tertentu yang sesuai dalam penggambaran data. Grafik yang berbasis batang, umumnya digunakan untuk menggambarkan perbandingan antar variabel/kategori. Grafik yang berbasis garis, umumnya (lebih sesuai) untuk menggambarkan perkembangan data. Grafik yang berbasis lingkaran, umumnya untuk menggambarkan data yang bersifat proporsi. Grafik yang berbasis titik umumnya untuk menggambarkan pencaran/sebaran data.

Dalam konteks data latihan kita, pada tulisan ini kita akan membahas terlebih dahulu mengenai grafik batang. Untuk itu klik Bar, akan muncul tampilan berikut:

Terdapat tiga pilihan grafik batang, yaitu Simple, Clustered dan Stacked. Pilihan Simple digunakan untuk menggambarkan grafik dari variabel tunggal. Pilihan Clustered dan Stacked digunakan untuk menggambarkan grafik dari variabel tunggal tetapi dikelompokkan berdasarkan kategori dari variabel lainnya. Pengelompokan pada tipe grafik Clustered dilakukan secara horizontal, sedangkan pada tipe Stacked secara vertikal. Kemudian terdapat pilihan tampilan data untuk grafik (Data in Chart Are), yaitu diringkas berdasarkan kategori (Summaries for groups of cases), diringkas berdasarkan pemisahan variabel (Summaries of separate variables) atau menampilkan data individual. (Catatan: anda bisa mencoba-coba pilihan tersebut untuk memahami maknanya).

Sebagai latihan awal, kita akan membuat grafik untuk variabel jenis kelamin. Kita pilih jenis grafik Simple (klik) dan tampilan data adalah Summaries for groups of cases. Kemudian klik Define, akan muncul tampilan berikut:

Tentukan terlebih dahulu ukuran yang akan ditampilkan oleh batang dari grafik kita (Bar Represent). Ada beberapa pilihan yaitu ukuran frekuensi absolut (N of cases), kumulatif frekuensi (Cum.N), persentase frekuensi (% of cases), kumulatif persentase frekuensi (Cum.%), atau ukuran statistik lainnya (Other Statistics). Anda juga bisa mencoba-coba berbagai pilihan ini untuk melihat perbedaan output grafiknya.

Untuk latihan ini, kita pilih % of cases. Selanjutnya masukkan variabel Pendidikan ke dalam kotak Category Axis, dan kemudian klik OK. Akan muncul output grafik sebagai berikut: