Statistik Deskriptif dengan SPSS Statistik selalu digunakan ketika parameter yang menggambarkan karakteristik populasi tidak

diketahui. Statistik akan mengambil sebagian (kecil) dari populasi untuk dilakukan pengukuran,

kemudian hasil pengukuran tersebut dijadikan sebagai kesimpulan terhadap keseluruhan populasi.

Sebagian (kecil) dari populasi tersebut dinamakan sampel. Ibarat kita ingin mengetahui rasa sepanci

sayur asam, kita tidak perlu menenggak satu panci tapi cukup mencicipinya sebanyak satu sendok.

Terdapat dua jenis statistik yang digunakan ketika penelitian, yaitu: statistik deskriptif

(descriptive statistics) dan statistik inferensi (inferential statistics). Statistik deskriptif hanya

menggambarkan data atau seperti apa data ditunjukkan, sementara statistik inferensi mencoba

untuk mencapai kesimpulan (bersifat induktif) dari data dengan kondisi yang lebih umum

(Trochim, 2006), misal: point estimation, confidence interval estimation,hypothesis testing.

Statistik deskriptif adalah metode-metode yang berkaitan dengan pengumpulan dan

penyajian suatu gugus data sehingga menaksir kualitas data berupa jenis variabel, ringkasan statistik

(mean, median, modus, standar deviasi, etc), distribusi, dan representasi bergambar (grafik), tanpa

rumus probabilistik apapun (Walpole, 1993; Correa-Prisant, 2000; Dodge, 2006). Pada SPSS,

analisis statistik deskriptif dilakukan dengan meng-klik menu Klik[Analyze] -> [Descriptive

Statistics], kemudian terdapat pilihan: Frequencies,Descriptives, Explore, Crosstabs, dan Ratio.

Dalam penelitian-penelitian, perintah-perintah ini sering diabaikan karena memang dalam beberapa

fungsi analisis lain sudah otomatis tercantum analisis deskriptifnya.

Dengan data sebagaimana ditunjukkan Tabel 1 di bawah ini, kita akan mempraktekkan

operasi submenu Frequencies, Descriptives, Explore, danCrosstabs. Fungsi Ratio tidak akan dibahas

karena bagi saya; yang belajar di SPSS 11, ini tergolong baru , fasilitas Ratio mulai diperkenalkan

pada SPSS versi 11.5, pada dasarnya berfungsi menyediakan ringkasan statistik yang berupa rasio-

rasio.

Tabel 1

Data Nilai Mahasiswa (bukan data sebenarnya)

Nama Usia Jenis Kelamin Nilai APK Nilai PPC Nilai PLO

Suhairi 20 Laki-Laki 80 50 70

Ambon 21 Laki-Laki 70 70 90

Astri 22 Perempuan 60 80 70

Henri 21 Laki-Laki 80 90 60

Yugos 22 Laki-Laki 90 60 70

Muji 19 Perempuan 70 80 80

Tatang 20 Laki-Laki 60 70 40

Ferdi 21 Laki-Laki 60 90 60

Arsyad 21 Laki-Laki 70 70 40

Fauzan 21 Laki-Laki 90 80 60

*) Laki-Laki (Value: 1), Perempuan (Value: 2)

Langkah pertama yang perlu dilakukan adalah meng-entry data, tentunya anda perlu

paham dasar-dasar SPSS (silahkan baca posting sebelumnya yang berjudul: Dasar-Dasar

SPSS). Entry data dilakukan pada tab sheet Data View setiap baris mewakili satu responden,

sedangkan setiap kolom mewakili satu variabel, dalam kasus ini variabelnya adalah: Nama, Usia,

Jenis Kelamin, Nilai APK, Nilai PPC, dan Nilai PLO. Berikut langkah-langkah entry datanya:

• Masukkan variabel: Nama untuk “Nama”, Usia untuk “Usia”, Genderuntuk “Jenis

Kelamin”, APK untuk “Nilai APK”, PPC untuk “Nilai PPC”, dan PLO untuk “Nilai PLO” pada

kolom Name pada tab sheet [Variable View].

• Berilah label untuk masing-masing variabel dengan menuliskannya pada

kolom Label: Usia, Jenis Kelamin, Nilai APK, Nilai PPC, dan Nilai PLO. Hal ini berarti:

variabel Gender mempunyai label “Jenis Kelamin”, variabel APK mempunyai label “Nilai

APK”, dan seterusnya.

• Untuk variabel Gender pada kolom Values, definisikan Value: 1 = Laki-

laki dan Value: 2 = Perempuan.

• Untuk variabel Nama (baris pertama ) pada kolom Type, ubah tipe data menjadi String.

• Pada kolom Decimals isi nol untuk semua variabel.

• Untuk kolom lainnya seperti Width, Missing, dan Columns biarkan tetapdefault SPSS.

• Jangan lupa ”save” atau tekan Ctrl + S. Secara default SPSS akan memberi nama

file: data_1.sav, saya merubah nama file menjadieRiskProject_1.sav.

Gambar 1. Entry Variabel pada Tab Sheet Variable View

• Kemudian klik tab sheet [Data View] dan mulailah meng-entry data seperti yang

diperlihatkan Gambar 2 di bawah ini.

Gambar 2. Entry Data pada Tab Sheet Data View

• Untuk melihat hasil definisi Value pada variabel Gender, klik ikon , variabel Gender akan

terdefinisi menjadi laki-laki dan perempuan, tidak lagi berisi angka 1 dan 2.

• Selanjutnya, kita ingin menjumlahkan nilai APK, PPC, dan PLO, Klik menu [Transform] –

> [Compute], muncul dialog box Compute Variable.

• Buatlah variabel baru dengan nama “total” untuk menempatkan hasil penjumlahan nilai

APK, PPC, dan PLO, caranya: tuliskan “total” padaform Target Variable. Kemudian

Klik [Type & Label], beri label “Nilai Total“.

• Ketik “APK + PPC + PLO” (sesuai nama variabel dan perintah penjumlahan )

pada form Numeric Expression. Anda juga dapat menggunakan tombol-tombol yang tersedia

pada dialog box, lihat Gambar 3.

Gambar 3. Contoh Perintah Penjumlahan pada Dialog Box Compute Variable

• Klik [OK]. Pada Data View akan muncul variabel baru dengan nama “Total” (lihat Gambar

4).

Gambar 4. Output dari Perintah Penjumlahan pada Dialog Box Compute Variable

Setelah data di-entry, selanjutnya memulai menggunakan perintah-perintah statistik

deskriptif. Tahap pertama adalah menggunakan perintahFrequencies.

1. Frequencies

Perintah Frequencies digunakan untuk memperoleh jumlah pada nilai-nilai sebuah variabel tunggal.

Langkah-langkahnya adalah sebagai berikut:

• Klik menu [Analyze] -> [Descriptive Statistics] -> [Frequencies].

• Muncul dialog box Frequencies. Klik “Jenis Kelamin [Gender]” ‐> klik , (untuk

memasukkan variabel Jenis Kelamin ke formVariables(s). Kita akan menganalisis variabel

Jenis Kelamin.

• Jangan lupa centang Display frequency tables.

Gambar 5. Dialog Box Frequencies

• Agar menampilkan representasi bergambar (grafik), klik [Charts], maka akan muncul dialog

box Frequencies: Charts. Saya memilih Bar charts pada form Chart Type. Pada

form Chart Values , saya memilihPercentages (Lihat Gambar 6).

Gambar 6. Menampilkan Bar Charts pada Dialog Box Frequencies: Charts

• Kemudian klik [Continues] untuk kembali ke dialog box Frequencieslalu klik [OK] maka

muncul jendela SPSS Viewer yang menunjukkan hasil analisis frekuensi (lihat Gambar 7).

a) Sebelah kiri adalah Outline view dalam bentuk tree files, fungsinya sebagai navigasi dalam melihat outputanalisis.

b) Sebelah kanan adalah Display output, fungsinya menampilkan seluruh hasil analisis yang telah kita lakukan.

Gambar 7. Display Output pada SPSS Viewer

Pada Gambar 7 terlihat hasil analisis SPSS, di mana pada tabel pertama N Valid = 10 yang

menunjukkan jumlah responden 10 orang dan N Missing = 0 yang berarti tidak ada data yang

hilang (missing). Pada tabel yang kedua terlihat hasil analisis Frequencies terhadap variabel Jenis

Kelamin, di mana jumlah responden laki-laki 8 orang (80%) dan responden perempuan ada 2 orang

(20%). Jika scroll digeser ke bawah akan terlihat Bar Chart (lihat Gambar 8) yang menunjukkan

visualisasi jumlah responden laki-laki dan perempuan.

Gambar 8. Bar Chart

Perhatikan kriteria “laki-laki” dan “perempuan“, ini merupakan hasil definisi value

variabel Gender pada kolom Values, di mana Value: 1 =Laki-laki dan Value: 2 = Perempuan. Jika

definisi value diabaikan maka padabar chart maupun tabel analisis yang terlihat bukan laki-

laki dan perempuanmelainkan 1 dan 2. Begitu juga judul tabel dan judul histogram: “jenis kelamin“,

ini merupakan hasil dari proses label yang telah kita lakukan untuk variabelGender. Fungsi label ini

bermanfaat untuk para pembaca analisis, misal penguji pada sidang Tugas Akhir / Skripsi.

Selanjutnya adalah penggunaan perintahDescriptives.

2. Descriptives

Dengan menggunakan data sebelumnya langkah-langkah perintah Descriptivesadalah sebagai

berikut:

• Klik menu [Analyze] -> [Descriptives Statistics] -> [Descriptives].

• Muncul dialog box Descriptives. Masukkan variabel yang akan dianalisis ke

form Variables(s). Untuk melakukan setting optional klik[Options].

• Muncul dialog box Descriptives: Options. Centang analisis yang diperlukan. Dalam hal

ini pilihannya adalah: Mean, Std. deviation,Minimum, Maximum, Kurtosis, Skewness, dan

pada form Display Order centang Variable list.

Gambar 9. Langkah-Langkah Descriptives Statistics

• Klik [Continue] dan [OK]. Hasil analisis akan terlihat seperti tabel yang ditunjukkan Gambar

10 di bawah ini:

Gambar 10. Output Descriptives

Tabel output di atas menunjukkan jumlah pengukuran (N), nilai minimum (Minimum),

nilai maksimum (Maximum), nilai rata-rata (Mean), standar deviasi (Std.), Skewness, dan Kurtosis

dari masing-masing variabel. Nilai skewness merupakan ukuran kesimetrisan histogram,

sedangkan kurtosismerupakan ukuran datar atau runcingnya histogram. Idealnya nilai skewness

dan kurtosis pada distribusi normal adalah nol. Oleh karena itu:

• Jika nilai skewness positif maka distribusi data “miring ke kiri distribusi normal” (ada

frekuensi nilai yang tinggi di sebelah kiri titik tengah distribusi normal), sebaliknya apabila

skewness negatif maka distribusi data ”miring ke kanan distribusi normal” (kiri bagi kita

yang melihatnya).

• Jika nilai kurtosis positif maka distribusi data “meruncing” (ada satu nilai yang

mendominasi), sebaliknya apabila Kurtosis Negatif maka distribusi data “melandai” (varians

besar).

Perhatikan Gambar 10 di atas, variabel Usia memiliki skewness negatif dan kurtosis positif,

artinya distribusinya “miring ke kiri distribusi normal” dan “meruncing”. Pada variabel nilai APK,

nilai skewness positif dan nilai kurtosis negatif, artinya distribusinya “miring ke kanan distribusi

normal” dan “melandai”. Sebagai pembuktian, buat histogram untuk variabel Usia dan Nilai APK.

Berikut caranya:

• Klik menu [Graphs] -> [Histogram], maka muncul dialog boxHistogram.

• Pilih variabel Usia dan masukkan dalam form Variable.

• Centang Display normal curve, untuk memperlihatkan kurva normal.

• Selanjutnya klik [OK].

Lakukan langkah yang sama untuk variabel nilai APK. Hasilnya bisa dilihat pada Gambar 12.

Gambar 11. Menampilkan Histogram bersama Kurva Normal

Gambar 12. Analisis Skewness dan Kurtosis pada Histogram

Gambar 12 di atas menunjukkan histogram untuk variabel Usia memiliki distribusi

“miring ke kiri distribusi normal” karena nilainya skewness negatif dan “meruncing” karena nilai

kurtosis positif. Sebaliknya, histogram untuk variabel Nilai APK memiliki distribusi “miring ke

kanan distribusi normal” karena nilainya skewness positif dan “melandai” karena nilai kurtosis

negatif. Di sini, anda bisa menentukan apakah distribusi tersebut normal atau tidak. Anda bisa saja

menyatakan normal, karena menyerupai bentuk lonceng tetapi agak serong, tapi orang lain

mungkin akan menyatakan tidak normal karena jauh dari bentuk lonceng. Jika sulit mengambil

keputusan, silahkan lakukan pengujian normalitas yang lebih advance, misal dengan Uji

Kolmogorov-Smirnov. Selanjutnya, kita masuk pada penggunaan perintahExplore.

3. Explore

Perintah Explore digunakan untuk membandingkan antara dua atau lebih kelompok dengan satu

variabel. Sebagai contoh, jika kita menggunakan Jenis Kelamin sebagai variabel independen;

variabel ini mendefinisikan kelompok (Laki-Laki dan Perempuan), kemudian membandingkannya

dengan variabel lain, seperti Usia. Perintah Explore; contoh dalam kasus mean, akan menghasilkan

berapa rata-rata usia laki-laki dan berapa rata-rata usia perempuan. Ukuran-ukuran yang

dihasilkan perintah Explore antara lain: ukuran-ukuran pemusatan

data (mean dan median), ukuran penyebaran(range, interquartile range, standar deviasi, varians,

minimum, dan maksimum), ukuran kurtosis, dan skewness.

Berikut langkah-langkah perintah Explore:

• Klik menu [Analyze] -> [Descriptives Statistics] -> [Explore].

• Muncul dialog box Explore.

o form Factor List, isi: variabel Jenis Kelamin.

o form Dependent List, isi: variabel Usia, Nilai APK, Nilai PPC,Nilai PLO, dan Nilai

Total.

• Form Display ada tiga pilihan Both, Statistics, dan Plots. Saya hanya memilih [Statistics].

o Klik [Plots] bila perlu grafik boxplot.

o Klik [Statistics] bila tidak perlu grafik boxplot.

o Klik [Both] bila perlu keduanya.

• Terakhir klik [OK].

Gambar 13. Dialog Box Explore

Gambar 14. Contoh Output Explore untuk Variabel Usia

Selanjutnya, kita masuk pada penggunaan perintah Crosstabs.

4. Crosstabs

Jika perintah Frequencies digunakan untuk memperoleh jumlah pada nilai-nilai sebuah variabel

tunggal, perintah Crosstabs digunakan untuk memperoleh jumlah pada nilai-nilai lebih dari satu

variabel. Apabila analisis statistik deskriptif sebelumnya mengolah data secara keseluruhan dalam

setiap variabel dengan menghitung perhitungan statistik seperti Mean, Standar deviasi, Kurtosis,

etc. Pada Crosstabs, setiap nilai pada variabel yang dianalisis dijabarkan jumlahnya, dengan begitu

kita dapat mengetahui berapa jumlah subyek laki-laki yang berusia 19 tahun, 20 tahun, dst.

Deskripsi data padaCrosstabs akan disajikan dalam bentuk tabel silang (crosstab) yang terdiri dari

baris dan kolom.

Berikut langkah-langkah perintah Crosstabs:

• Klik menu [Analyze] -> [Descriptives Statistics] -> [Crosstabs].

• Muncul dialog box Crosstabs.

o form Column(s), isi: variabel Jenis Kelamin.

o form Row(s), isi dengan variabel yang akan dianalisis, dalam hal ini isi dengan

variabel Usia.

Gambar 15. Dialog Box Crosstabs

• Klik pilihan [Display clustered bar charts], pilihan ini untuk menampilkan chart bar dari

output.

• Untuk dialog box [Statistics], [Cells], dan [Format] biarkan sesuai dengan default SPSS.

• Terakhir klik [OK].

Gambar 16. Output Crosstabs

Gambar 17. Clustered Bar Charts

Statistik deskriptif memberikan informasi inti dari kumpulan data, seperti ukuran-ukuran

pemusatan data (mean dan median), ukuran penyebaran (range, interquartile range, standar

deviasi, varians, minimum, dan maksimum), ukuran kurtosis, dan skewness serta representasi

piktorialnya. Tabel, diagram, dan grafik yang sering ditemukan di majalah dan koran-koran

merupakan salah satu contoh penggunaan statistik deskriptif.