PENGGUNAAN PAKET SPSS - Blog Staff UI

PENGANTAR SPSSSaptawati Bardosono

PendahuluanPada saat merancang usulan penelitian, makapengolahan datanya sudah harusdirencanakan pula:١)Teknik pengolahan data meliputi: editing,coding, entry dan cleaning serta analisis٢)Tabel, grafik atau ringkasan angka2 yangakan dihasilkanMasalah yang sering timbul: Model analisismuncul setelah data terkumpul

EditingDilakukan pemeriksaan seluruh kuesioner atau seluruhformulir isian setelah data terkumpul, apakah:١)Dapat dibaca٢)Semua pertanyaan terisi (lengkap)٣)Terdapat ketidakserasian antara jawaban yangsatu dengan yang lainnya (konsisten)) ٤ Terdapat kesalahan2 lain yang dapat mengganggupengolahan data selanjutnya (akurat)

EditingKegiatan editing dapat dilakukan dengan cara:١)Editing lapangan, dimana supervisormengadakan pengecekan ulang terhadapbeberapa pertanyaan penting biasanyakepada 10% responden segera setelah dataterkumpul semuanya) ٢ Editing menyeluruh, dilakukan secaramenyeluruh terhadap jawaban responden,sehingga dapat diperoleh konsistensijawaban

EditingYang sering terjadi misalnya١)Jawaban tidak tepat dikolom yang tersedia٢)Salah menulis jawaban pertanyaan, misalnyadata kelamin diisi di kolom jawaban umur٣)Umur diisi 25 tahun tetapi di jumlah anakdiisi 10٤)Salah menggunakan unit ukuran

KodingMemberi angka2 atau kode2 tertentu yang telahdisepakati terhadap jawaban2 pertanyaan dalamkuesioner, sehingga memudahkan pada saatmemasukkan data ke komputerMisalnya untuk variabel pendidikan:١)Tidak sekolah٢)SD٣)SMP٤)SMA٥)PT

KodingPersyaratan dalam koding:١)Kesesuaian, variabel harus sesuai dengan tujuan٢)Klasifikasi, perlu dibuat kategorisasi untukpengelompokkan jawaban sesuai rujukan/ alasantertentu, misal: pendapatan٣)Jawaban tidak mendua, pilihan jawaban yangtersedia harus jelas definisi operasionalnya٤)Harus tersedia buku definisi variabel

Data CleaningMerupakan analisis data awal, dimana dilakukanpenggolongan, pengurutan danpenyederhanaan data, sehingga mudahdibaca dan diinterpretasiUntuk data nominal dan ordinal, dibuat tabulasidistribusi frekuensi untuk setiap variabelUntuk data interval/rasio, dianalisis nilaitengah dan tes normalitas datanya

Data CleaningTabel distribusi frekuensi untuk:١)Deskripsi ciri-ciri atau karakteristik darisuatu variabel٢)Mempelajari distribusi dari variabel pokok) ٣ Memilih klasifikasi2 pokok untuk tabulasisilang

Data CleaningTabel silang, yaitu teknik untuk membandingkan ataumelihat hubungan antara dua variabel atau lebih:١)Dihitung persentase responden untuk setiapkelompok٢)Variabel bebas pada baris (faktor risiko)٣)Variabel terikat pada kolom (penyakit)Selanjutnya, data siap dianalisis untuk membuktikanhipotesis penelitian dengan analisis statistikbivariat dan multivariat

SPSS(statistical program for social sciences)Tampilan layar SPSS ada 2: Sebagai lembar kerja seperti Excel, dBase= data view Sebagai definisi operasional= variable viewDengan menu2 yang mudah dijalankan

Data viewVariabel Variabel Variabel dst12dst

Variabel viewName Type Width Decimals Label Values dst12dst

Penggunaan SPSS Menyiapkan sarana untuk data entry(penyusunan lembar kerja) Membantu data cleaning (analisis awal) Analisis statistik untuk membuktikanhipotesis Analisis statistik untuk penyajian data

Skala dan Sifat DataSifatNominal(seks)Ordinal(pendidikan)Interval(suhu)Rasio(BB)Klasifikasi + + + +Urutansusunan- + + +Jarak - - + +Titik nolabsolut- - - +

Cara penyajian data: Data nominal/ordinal: distribusi frekuensi(proporsi)last educationValidSDSLTPSMUAkademiPerguruan TinggiTotalCumulativeFrequency Percent Valid Percent Percent15 16.7 16.7 16.718 20.0 20.0 36.745 50.0 50.0 86.77 7.8 7.8 94.45 5.6 5.6 100.090 100.0 100.0

Cara penyajian data: Data interval/rasio:Distribusi normal: mean ± SDDistribusi tidak normal: median (min-maks)

Distribusi normal?1. Signifikansi KS >0,052. Signifikansi SW >0,053. Nilai kerampingan dan kemiringan4. Histogram dalam area kurva normal

Nilai kemiringan dankerampinganNilai kemiringan (skewness) dan nilaikerampingan (kurtosis) digunakan untukmenentukan distribusi normal/simetris daridata bergantung dari bentuk kurva distribusidata

Nilai kemiringan dankerampinganDistribusi normal/ Miring (skew) ke Miring (skew) kesimetris kiri kanan

Nilai kemiringan dankerampinganContoh:Bila diketahui skewness -0,316 dan standard errorskewness 0,254 maka rasio skewness = -0,316/0,254= -1,244Dengan kurtosis 0,284 dan standard error kurtosis 0,503maka rasio kurtosis = 0,284/0,503 = 0,564Sehingga rasio skewness dan kurtosis keduanya berada diantara interval angka -2 dan +2 atau distribusi datanormal atau simetris

Histogram128Count4010.00 11.00 12.00 13.00 14.00hemoglobin concentration after intervention

Histogram: Bentuk kurva simetris Mean = median = mode Kiri = kanan = 50%

Latihan Penggunaan SPSS1. Menyiapkan sarana untuk data entry(penyusunan lembar kerja)2. Membantu data cleaning (analisis awal)3. Analisis statistik untuk membuktikanhipotesis4. Analisis statistik untuk penyajian data

Menyiapkan sarana untuk data entry(penyusunan lembar kerja)Data latihan: File – open – data – pilih file - open Lihat data view: jumlah kasus Lihat variabel view: jumlah variabel Buat code book variable: utilities – file info

Menyiapkan sarana untuk data entry:penyusunan lembar kerja Menyiapkan data dasar Data entry

Analisis data:data cleaning Uji normalitas data (KS, histogram) Analisis univariat (deskriptif, frekuensi,explore) Analisis bivariat (crosstab)

Analisis data:data cleaningUji normalitas data: analyze – pilih descriptive statistics – pilihexplore – masukkan variabel rasio dalamdependent list – pada pilihan display pilihplots – klik plots – pilih normality plots withtest (non-aktifkan yang lainnya) – pilihcontinue – pilih OK. Perhatikan tampilantabel test of normality dan grafik plot

Uji Kolmogorov-Smirnov (KS) danShapiro-Wilk (SW)Kolmogorov-Smirnov aShapiro-WilkTests of NormalityStatisticdfSig.StatisticdfSig.hemoglobinconcentrationafter intervention.04790.200*.98790.508*. This is a lower bound of the true significance.a. Lilliefors Significance Correction

Analisis data:data cleaningExplore: Analyze – pilih descriptive statistics – pilihexplore – dalam dependent list masukkanvariabel rasio – pilih OK. Perhatikanoutputs: descriptives

Descriptiveshemoglobinconcentrationafter interventionMean95% ConfidenceInterval for MeanLower BoundUpper BoundStatistic Std. Error12.2244 .1046012.016612.43235% Trimmed MeanMedianVarianceStd. DeviationMinimumMaximumRangeInterquartile RangeSkewnessKurtosis12.249412.2000.985.992339.3814.505.121.4250-.316 .254.284 .503

Analisis data:data cleaningAnalisis bivariat (crosstab) Analyze – pilih descriptive statistics – pilihcrosstab – pada row masukkan datakategorik variabel bebas – padacoulumn(s) masukkan data kategorikvariabel terikat – pada display aktifkanclustered bar chart dan supressed tablespilihOK. Perhatikan outputnya

Analisis data:data cleaningAnalisisbivariat(crosstab)40302010working statusBekerjaCount0SDSLTPSMUAkademiPerguruan TinggiTidak Bekerja/Ibu Rumah Tanggalast education

Analisis data:untuk membuktikan hipotesis Analisis bivariat crosstab, korelasi, uji Tdua sampel bebas dan berpasangan) Analisis multivariat (ANOVA)

Analisis data:untuk membuktikan hipotesisAnalisis bivariat crosstab: Analyze – pilih crosstab – pada rowmasukkan variabel bebas – padacoulumn(s) masukkan variabel terikat –pilih statistics – aktifkan chi-square dancontengency coefficient – klik continue –OK. Perhatikan hasilnya.

esearch location * working status CrosstabulationCountresearchlocationTotalLembangJakartaworking statusTidakBekerja/IbuRumahBekerja Tangga Total3 42 4526 19 4529 61 90Chi-Square TestsPearson Chi-SquareContinuity Correction aLikelihood RatioFisher's Exact TestLinear-by-LinearAssociationN of Valid CasesAsymp. Sig.Value df (2-sided)26.914 b 1 .00024.624 1 .00029.802 1 .00026.614 1 .00090a. Computed only for a 2x2 tableExact Sig.(2-sided)Exact Sig.(1-sided).000 .000b. 0 cells (.0%) have expected count less than 5. The minimum expected count is14.50.

Analisis data:untuk membuktikan hipotesisKorelasi: Analyze – pilih correlate – pilih bivariate –masukkan dua variabel numerik – pilihPearson – pilih two tailed – aktifkan flagsignificant correlation – pilih option –aktifkan exclude case pairwise – OK.Perhatikan hasilnya

Analisis data:untuk membuktikan hipotesisKorelasi: Analyze – pilih correlate – pilih bivariate –masukkan dua variabel numerik – pilihSpearman – pilih two tailed – aktifkan flagsignificant correlation – pilih option –aktifkan exclude case pairwise – OK.Perhatikan hasilnya

Correlationsweight afterintervention heightweight after intervention Pearson Correlation1 .457**Sig. (2-tailed). .000N90 90heightPearson Correlation.457** 1Sig. (2-tailed).000 .N90 90**. Correlation is significant at the 0.01 level (2-tailed).CorrelationsSpearman's rho weight after interventionheightCorrelation CoefficientSig. (2-tailed)NCorrelation CoefficientSig. (2-tailed)N**. Correlation is significant at the 0.01 level (2-tailed).weight afterintervention height1.000 .402**. .00090 90.402** 1.000.000 .90 90

Analisis data:untuk membuktikan hipotesisUji T dua sampel bebas: Analyze – pilih compare means – pilihindependent samples t-test – pada testvariable(s) pilih variabel numerik – padagrouping variable masukkan variabel 2 kategorik– pada define group masukkan 1 untuk group 1dan 2 untuk group 2 – pilih continue – padaoption aktifkan tingkat kepercayaan 95% danexclude cases analysis by analysis – pilihcontinue dan OK. Perhatikan hasilnya

hemoglobinconcentrationafter interventionworking statusBekerjaTidak Bekerja/IbuRumah TanggaGroup StatisticsStd. ErrorN Mean Std. Deviation Mean29 11.8855 .90385 .1678461 12.3856 .99876 .12788Levene's Test forEquality of Variancest-test for Equality ofMeansIndependent Samples TestFSig.tdfSig. (2-tailed)Mean DifferenceStd. Error Differencehemoglobin concentration afterinterventionEqual variancesassumed.557.457Equal variancesnot assumed-2.287 -2.37088 60.439.025 .021-.5001 -.5001.21869 .2110095% Confidence Intervalof the DifferenceLowerUpper-.93466 -.92207-.06545 -.07805

Rankshemoglobinconcentrationafter interventionworking statusBekerjaTidak Bekerja/IbuRumah TanggaTotalN Mean Rank Sum of Ranks29 36.48 1058.0061 49.79 3037.0090Test Statistics a hemoglobinconcentrationafterinterventionMann-Whitney U623.000Wilcoxon W1058.000Z-2.259Asymp. Sig. (2-tailed).024a. Grouping Variable: working status

Analisis data:untuk membuktikan hipotesisUji T dua sampel berpasangan): Analyze – pilih compare means – pilih pairedsamples t-test – pada paired variable(s)masukkan variabel numerik sebelum intervensidan variabel numerik sesudah intervensi - padaoption aktifkan tingkat kepercayaan 95% danexclude cases analysis by analysis – pilihcontinue dan OK. Perhatikan hasilnya

Paired Samples StatisticsPair1hemoglobinconcentrationbefore interventionhemoglobinconcentration afterinterventionMean N Std. DeviationStd. ErrorMean12.5712 90 1.08891 .1147812.2244 90 .99233 .10460Paired Samples TestPair 1Paired DifferencesMeanStd. DeviationStd. Error Meanhemoglobin concentrationbefore intervention -hemoglobin concentrationafter intervention.3468.72686.07662tdfSig. (2-tailed)95% Confidence Intervalof the DifferenceLowerUpper.1945.49904.52689.000

hemoglobin concentrationafter intervention -hemoglobin concentrationbefore interventionNegative RanksPositive RanksTiesTotalRanksN Mean Rank Sum of Ranks65 a 46.27 3007.5023 b 39.50 908.50a. hemoglobin concentration after intervention < hemoglobin concentration beforeinterventionTest Statistics bb. hemoglobin concentration after intervention > hemoglobin concentration beforeinterventionc. hemoglobin concentration after intervention = hemoglobin concentration beforeinterventionZAsymp. Sig. (2-tailed)a. Based on positive ranks.2 c90hemoglobinconcentrationafterintervention -hemoglobinconcentrationbeforeintervention-4.371 ab. Wilcoxon Signed Ranks Test.000

Analisis data:untuk membuktikan hipotesisAnalisis multivariat (ANOVA): Analyze – pilih compare means – pilih one-wayanova – pada dependent list pilih variabelnumerik – pada factor pilih variabel lebih 2kategorik – pada option aktifkan descriptive danhomogeneity of variance – pilih continue – padapost-hoc pilih bonferroni – pilih continue dan OK.Perhatikan hasilnya

hemoglobin concentration after interventionNMeanStd. DeviationStd. Error95% ConfidenceInterval for MeanMinimumMaximumLower BoundUpper BoundDescriptivesSD SLTP SMU Akademi Perguruan Tinggi Total15 18 45 7 5 9012.0080 12.8278 12.0773 11.9571 12.4000 12.22441.17833 .97426 .94923 .73905 .25495 .99233.30424 .22964 .14150 .27933 .11402 .1046011.3555 12.3433 11.7922 11.2736 12.0834 12.016612.6605 13.3123 12.3625 12.6406 12.7166 12.43239.65 11.10 9.38 11.00 12.20 9.3813.70 14.50 13.70 13.40 12.80 14.50ANOVAhemoglobin concentration after interventionSum ofSquares df Mean Square F Sig.Between Groups 8.883 4 2.221 2.397 .057Within Groups 78.757 85 .927Total87.640 89

Multiple ComparisonsDependent Variable: hemoglobin concentration after interventionLSD(I) last educationSDSLTPSMUAkademiPerguruan Tinggi(J) last educationSLTPSMUAkademiPerguruan TinggiSDSMUAkademiPerguruan TinggiSDSLTPAkademiPerguruan TinggiSDSLTPSMUPerguruan TinggiSDSLTPSMUAkademi*. The mean difference is significant at the .05 level.MeanDifference95% Confidence Interval(I-J) Std. Error Sig. Lower Bound Upper Bound-.8198* .33652 .017 -1.4889 -.1507-.0693 .28698 .810 -.6399 .5013.0509 .44061 .908 -.8252 .9269-.3920 .49707 .433 -1.3803 .5963.8198* .33652 .017 .1507 1.4889.7504* .26845 .006 .2167 1.2842.8706* .42877 .045 .0181 1.7231.4278 .48661 .382 -.5397 1.3953.0693 .28698 .810 -.5013 .6399-.7504* .26845 .006 -1.2842 -.2167.1202 .39109 .759 -.6574 .8978-.3227 .45376 .479 -1.2249 .5795-.0509 .44061 .908 -.9269 .8252-.8706* .42877 .045 -1.7231 -.0181-.1202 .39109 .759 -.8978 .6574-.4429 .56363 .434 -1.5635 .6778.3920 .49707 .433 -.5963 1.3803-.4278 .48661 .382 -1.3953 .5397.3227 .45376 .479 -.5795 1.2249.4429 .56363 .434 -.6778 1.5635

Rankshemoglobinconcentrationafter interventionlast educationSDSLTPSMUAkademiPerguruan TinggiTotalNMean Rank15 41.7018 59.7845 41.937 35.505 51.6090Chi-SquaredfAsymp. Sig.Test Statistics a,bhemoglobinconcentrationafterintervention7.8414.098a. Kruskal Wallis Testb. Grouping Variable: last education

Analisis data:untuk penyajian data Hasil analisis statistik Diagram batang (bar) Histogram Boxplot Scatterplot Pie chart dll

60Bars show counts40Count200Bekerjaworking statusTidak Bekerja/Ibu Rumah Tangga

128Count4010.00 11.00 12.00 13.00 14.00hemoglobin concentration after intervention

hemoglobin concentration after intervention14.0013.0012.0011.0010.00

Linear Regression170.00height160.00150.00 height = 141.89 + 0.23 * w eight_2R-Square = 0.21 40.00 50.00 60.00 70.00 80.00 90.00weight after intervention

7.78%5.56%16.67%last educationSDSLTPSMUAkademiPerguruan TinggiPies show percents20.00%50.00%