P. 1
BAB 1. Pendahuluan

BAB 1. Pendahuluan

|Views: 351|Likes:
Published by schuderi

More info:

Published by: schuderi on Oct 18, 2010
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

12/17/2013

pdf

text

original

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 statistik 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 yang tidak disajikan, misalnya pada bab analisis regresi tidak disajikan materi tentang uji asumsi dan cara mengatasi penyimpangan 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 KHUSUS Setelah mempelajari bab ini, mahasiswa diharapkan memiliki kompetensi sebagai berikut: a. Dapat menjelaskan istilah-istilah dan konsep didalam Statistika. b. Dapat menjelaskan metode pengambilan data. c. Dapat melakukan manajemen data di program paket SPSS dan 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 dari dalam (fakta) yang sengaja dikumpulkan kemudian diringkas menjadi informasi yang dipakai sebagai dasar untuk pengambilan keputusan.

Informasi : Data yang sudah diringkas atau diolah, hasil ringkasan tersebut dapat dinyatakan dalam ukuran (pemusatan (misal: mean, median, modus), penyebaran (misal: varians), kemiringan) atau gambar/grafik. 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 statistik

SAMPEL

Gambar 1.1. Populasi dan Sampel

2   

 

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 Tebel 1.2.

Tabel 1.1. Pengelompokan Data Kriteria Pengelompokan Menurut Skala Pengukuran Menurut Jenis Menurut Banyaknya Menurut Cara Memperoleh Menurut Waktu Memperoleh : : : : : Jenis Data Nominal, Ordinal, Interval, Rasio Kualitatif, Kuantitatif Diskrit, Kontinu Primer, Sekunder Time Series, Cross Section

Tabel 1.2. Penjelasan mengenai Pengelompokan Data Data Nominal Ordinal : : Keterangan Mempunyai sifat dapat dibedakan Mempunyai sifat dapat dibedakan dan diurutkan (ada tingkatan) Interval : Mempunyai sifat dapat dibedakan dan durutkan dan ada jarak (jarak antar golongan sama) Rasio Kualitatif Kuantitatif Diskrit Kontinu Primer Sekunder Time Series Cross Section : : : : : : : : : Mempunyai nilai nol mutlak Data dalam bentuk kategori Data dalam bentuk numerik Nilai yang mungkin: terhingga banyaknya Nilai yang mungkin: tak terhingga banyaknya Hasil pencatatan langsung dari obyek yang diamati Data yang diperoleh dalam bentuk jadi Diamati berdasarkan urutan waktu 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 Nominal Ordinal Interval Rasio Ukuran Pemusatan Modus Modus, median Modus, median, mean aritmatika Modus, median, mean harmonik dan geometrik Grafik Bar-chart, pie chart Box-Plot Stem and leaf, Dot Plot Histogram, Scatter plot

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
5   

 

BAB 1. PENDAHULUAN

terpilih masih dilakukan pemilihan secara acak anggota 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 ditentukan. Accidental Sampling adalah sampel yang dipilih secara kebetulan berjumpa dengan pengumpulan 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 statement yang menandai awal dan akhir program macro
6   

 

BAB 1. PENDAHULUAN

• Template adalah nama dari macro . Contoh combinasi nama file dan template yang benar:
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 statement yang menandai awal dan akhir program macro • Template adalah nama dari macro command dan subcommand. Contoh combinasi nama file dan template yang benar:
Template Trim X Xbar Trim X Xbar; Percent Pct, Invoked by %TRIM C5 KI %TRIM C1 C5 PERCENT 5.

• Declaration statements 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 Mcolumn), constant (dideklarasikan Mconstant) dan matriks (dideklarasikan Mmatrix). Syntax: MCOLUMN variabel 1, variabel 2 MCONSTANT variabel 1, variabel 2 MMATRIX variabel 1, variabel 2
7   

 

BAB 1. PENDAHULUAN

• 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 Template ENDMACRO pada akhir pada awal file

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  :  :  :  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: 

%C:\SALES\ANALIS.TXT  : 

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 EQ atau NE atau LT atau GT atau LE

Sama dengan Tidak sama dengan Kurang dari Lebih dari Kurang dari atau sama dengan

>=

atau GE

Lebih dari atau sama dengan

& | ~

atau AND atau OR atau NOT

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, ENDWHILE

WHILE ekspresi logika (blok commands minitab dan statement macro) ENDWHILE Contoh:
GMACRO ROOT NAME K90 =’X’ K91=‘Y’ K92=‘Xlow’ K93=‘Ylow’ 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

d. GOTO, MLABEL

GOTO

number (commands minitab dan statement 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 , jenisnya (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 numeric dengan lebar 1 angka, angka yang diisikan nantinya adalah 1 untuk laki-laki, dan 2 untuk perempuan. Untuk memberi label seperti ini dilakukan perintah dengan mengklik Labels

14   

 

BAB 1. PENDAHULUAN

Variabel sex diberi label Jenis Kelamin Responden dan bernilai 1 untuk lakilaki dan 2 untuk perempu-an, jika ada responden yang tidak mengisi perta-nyaan ini, maka hal ini disebut missing values. untuk memfasilitasi hal ini dapat dilakukan dengan mengklik Missing Values di define variable window

Jika ada responden yang tidak mengisi pertanyaan jenis kelamin, maka ditandai dengan -1, pemilihan lambing bilangan untuk missing values biasanya diberi sebagai 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 bersklala diskrit ataupun nilai statistik deskriptif untuk data yang berskala kontinyu.

15   

 

BAB 1. PENDAHULUAN

Jenis Kelamin Responden Frequency 47 47 2 1 97 3 100 Percent 47.0 47.0 2.0 1.0 97.0 3.0 100.0 Valid Percent 48.5 48.5 2.1 1.0 100.0 Cumulative Percent 48.5 96.9 99.0 100.0

Valid

Missing Total

Laki-laki Perempuan 3 4 Total -1

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 Valid N (listwise) 98 98 Minimum Maximum Mean Std. Deviation 3609.45489

8.00 14800.00 7904.1633

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 mengingat 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 perkawinan Crosstabulation Count status perkawinan Belum Menikah Menikah 0 46 13 2 11 0 17 0 8 0 49 48

Banyaknya anak

.00 1.00 2.00 3.00 4.00

Total

Total 46 15 11 17 8 97

16   

 

BAB 1. PENDAHULUAN

Ada responden yang belum menikah yang sudah mempunyai anak, hal ini perlu 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 File NIlai : NRP, Nama, Tempat Lahir, Tgl Lahir, Jenis Kelamin : 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-variablenya

Contoh penggabungan kebawah adalah sebagai berikut: Ada dua file, yaitu: File NIlai 1 File NIlai 2 : NRP, PMS, MAT1, MAT2, ED, AR : 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-variablenya

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 hasil berikut :

20   

 

BAB 1. PENDAHULUAN

maka negara-negara yang tidak terpilih akan tercoret. 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]

22   

 

BAB 1. PENDAHULUAN

Akan disajikan scatter-plotuntuk setiap region. 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   

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->