Penulis mengucapkan puji syukur kehadirat Ida Sang Hyang Widi Wasa/Tuhan Yang Maha Esa atas segala rahmat dan karunia-Nya, Modul Statistika Kampus STMIK STIKOM Indonesia berbasis SPSS ini dapat terselesaikan tepat pada waktunya. Modul ini merupakan salah satu perangkat pembelajaran lengkap yang akan digunakan mahasiswa dalam proses pembelajaran aplikasi SPSS di STMIK STIKOM Indonesia pada mata kuliah Statistika. Awalnya SPSS dibuat untuk keperluan pengolahan data statistik pada ilmu-ilmu sosial, sehingga singkatan dari SPSS sendiri adalah Statistical Package for the Social Sciences.
Data yang akan diolah dimasukkan melalui menu DATA EDITOR yang otomatis muncul di layar saat SPSS dijalankan. SPSS dapat membaca berbagai jenis data atau memasukkan data langsung ke SPSS Data Editor. Apapun struktur file data mentahnya, data pada SPSS Data Editor harus dibentuk dalam bentuk baris (kasus) dan kolom (variabel).
Data
Pengguna program ini dapat mengambil informasi dari database menggunakan database wizard yang disediakannya. Bantuan Online SPSS menyediakan fasilitas bantuan online yang akan selalu siap membantu pengguna dalam menyelesaikan pekerjaannya. Berbeda dengan SPSS sebelum versi 11.5 dimana file data berukuran sangat besar dibuat sebagai file sementara.
Alat ini akan meningkatkan efisiensi dan mempermudah pekerjaan mengekstraksi data dan menganalisisnya dari database relasional. Kegunaan dari analisis ini adalah jika peneliti ingin menganalisis file data yang berukuran sangat besar maka dapat menariknya langsung dari server dan segera memprosesnya tanpa harus memindahkannya ke komputer pengguna. Beberapa sesi SPSS memberikan kemampuan untuk melakukan analisis lebih dari satu file data secara bersamaan.
Memasukkan Data dengan SPSS
Klik mouse satu kali pada Variable View yang ditandai dengan panah kiri bawah seperti pada Gambar 1.3, dan tampilan akan berubah menjadi seperti Gambar 1.4. Klik mouse satu kali pada sel, lalu klik mouse sekali lagi pada kotak yang berisi tiga titik di sebelah kanan. Setelah semua data terisi, simpan data dengan cara sebagai berikut: Klik File, lalu pilih dan klik mouse satu kali pada Save As.
Pencarian data mahasiswa tentang kampus STIKI Indonesia dengan mendapatkan 4 kategori variabel (gratis) dan total data tersebut sebanyak 30 data. Data-data tersebut harus dirangkum dengan baik dan teratur, baik dalam bentuk tabel maupun grafik, sebagai dasar pengambilan keputusan yang berbeda (Inferensi Statistik). Agar gambaran data lebih jelas, selain tabel dan diagram, diperlukan ukuran-ukuran lain yang mewakili data.
PENGOLAHAN DATA DENGAN SPSS DAN PENYAJIAN DATA
Mengolah Data
Statistik deskriptif lebih berkaitan dengan pengumpulan data dan peringkasan data, serta penyajian hasil rangkumannya. Data statistik yang diperoleh dari hasil sensus, survei atau observasi lainnya pada umumnya masih bersifat acak, “mentah” dan tidak terorganisir dengan baik (raw data).
MENYAJIKAN DATA DALAM BENTUK DIAGRAM
Dan klik mouse sekali pada Mean, Std.deviation, Variance, Range, Minimum, Maximum, Kurtosis, Skewness, S.E. Data yang dikumpulkan terkadang sulit untuk ditafsirkan, sehingga sebaiknya data disajikan dalam bentuk tabel atau diagram (grafik). Setelah menyelesaikan magang diharapkan mahir dalam menyajikan data dalam bentuk tabel atau grafik dengan menggunakan program SPSS.
Pada grafik data, pilih dan klik mouse sekali pada Ringkasan untuk kelompok kasus (data untuk setiap kelompok tertentu). Untuk kotak pada sumbu kategori diisi dengan variabel pada sumbu datar. Pencarian data 25 orang dosen kampus STIKI Indonesia, dimana data yang dicari adalah jenis kelamin, umur, tingkat pendidikan, bidang keahlian dan status.
UJI PARAMETRIK DENGAN SPSS
H1 = Rata-rata prestasi akademik siswa tidak sama dengan 80. Nilai uji-t sebesar -1,924 dengan derajat kebebasan (df) 19 dan sig 0,069. Uji beda rata-rata dapat digunakan jika keduanya berkorelasi; jika korelasinya tidak signifikan, gunakan cara seperti Contoh 2 di atas. Ho = Rata-rata nilai statistik dan nilai komunikasi data sama H1 = Rata-rata nilai statistik dan nilai komunikasi data tidak sama 2.
Berdasarkan hipotesis dan output di atas diperoleh hasil sebagai berikut: Ho = Rata-rata nilai statistik dan nilai komunikasi data sama H1 = Rata-rata nilai statistik dan nilai komunikasi data tidak sama. Sedangkan untuk uji beda rata-rata diperoleh nilai uji-t sebesar = -0,119 dengan nilai sig sebesar 0,109. Artinya Ho diterima karena nilai sig > α = 0,05 sehingga nilai statistik dan nilai umum adalah sama.
UJI NON PARAMETRIKS
Kemudian pindahkan variabel bobot ke kolom yang berisi daftar variabel uji, sambil memilih jenis pengujian normal. Kemudian pindahkan variabel sebelum dan sesudah ke kolom daftar pasangan uji, sambil memilih jenis uji Wilcoxon. Apabila statistik hitung < statistik tabel maka Ho ditolak. Apabila statistik hitung > statistik tabel, maka Ho diterima.
Perhitungan statistik uji Wilcoxon: Dari output terlihat bahwa dari 10 data, 2 data mempunyai selisih negatif, dan 8 data bernilai positif dan tidak ada satupun yang sama (berhubungan). Pada uji Wilcoxon digunakan jumlah selisih terkecil, oleh karena itu dalam hal ini diambil selisih negatif yaitu 4 (lihat keluaran pada kolom 'jumlah rangking'). Di sini probabilitasnya di bawah 0,05, maka Ho ditolak, atau suplemen memang berpengaruh nyata terhadap peningkatan berat badan.
Untuk melakukan prosedur ini, masuk dari menu lalu pilih Analisis – Uji Nonparametrik – 2 Sampel Independen, maka akan muncul tampilan seperti pada Gambar 4.12. Disini probabilitas yang didapat dibawah 0,05 maka Ho ditolak atau kedua populasi tidak identik atau berbeda lokasinya (data penjualan kedua kelompok tenaga penjual berbeda nyata). Untuk melakukan prosedur ini, masuk dari menu lalu pilih Analisis – Uji non parametrik – k sampel terkait, maka akan muncul seperti pada Gambar 4.17.
Helo: Sekurang-kurangnya satu daripada rawatan cenderung untuk menghasilkan hasil yang lebih baik berbanding sekurang-kurangnya satu daripada rawatan lain. Di sini kebarangkalian adalah kurang daripada 0.05, selepas itu Ho ditolak, atau sekurang-kurangnya satu daripada rawatan cenderung untuk menghasilkan hasil yang lebih besar berbanding sekurang-kurangnya satu daripada rawatan lain. Atau dalam kes di atas, sekurang-kurangnya satu jenis perisa dinilai lebih tinggi daripada sekurang-kurangnya satu perisa lain.
Berikut data penjualan elektronik dan biaya promosi yang terjadi di 15 lokasi di Bali.
REGRESI SEDERHANA
Selanjutnya pindahkan variabel Penjualan ke kolom Tanggungan, pindahkan variabel Biaya Promosi ke kolom Mandiri, dan masukkan variabel Nama Daerah pada kolom Label Kasus. Beri tanda centang pada Sertakan konstanta dalam persamaan dan pada opsi Nilai yang hilang, centang Abaikan kasus berdasarkan daftar. Rata-rata biaya promosi (dengan data 15 wilayah) sebesar 25,40 juta dengan standar deviasi sebesar Rp 9,657 juta.
Hasil perhitungan menunjukkan bahwa angka korelasi antara penjualan dan promosi yang dihitung dengan koefisien korelasi adalah sebesar 0,964. Untuk melihat hubungan antara variabel Biaya Promosi dengan penjualan signifikan atau tidak dapat dilihat dari angka probabilitas (sig) sebesar 0,00 yaitu lebih kecil dari 0,05. Untuk menghitung perkiraan angka biaya promosi wilayah pertama (Denpasar), rumusnya adalah sebagai berikut:
Oleh karena itu, sebelum mempelajari masalah regresi berganda, Anda harus menguasai dan memahami regresi sederhana terlebih dahulu. Hal penting lainnya adalah regresi berganda merupakan hal yang paling sering digunakan dalam analisis hubungan karena lebih efisien dibandingkan regresi sederhana.
REGRESI BERGANDA
Seorang manajer pemasaran elektronik ingin mengetahui apakah promosi dan harga mempengaruhi penjualan produk. Isikan kolom Tanggungan dengan variabel Penjualan, dan kolom Independen dengan variabel Promosi dan Harga. Klik tombol Statistik untuk menampilkan kotak dialog seperti yang ditunjukkan pada Gambar 6.4 dan sesuaikan pilihannya.
Klik tombol gambar hingga memunculkan kotak dialog, sehingga muncul kotak dialog seperti Gambar 6.5, sesuaikan dengan pilihan. Kemudian klik tombol options, maka akan muncul kotak dialog seperti Gambar 6.6 dan sesuaikan pilihannya. Nilai korelasinya menunjukkan angka sebesar 0,857 antara penjualan dengan harga. Hal ini menunjukkan bahwa hubungan antara penjualan dan harga adalah kuat.
Artinya promosi dan harga dapat menjelaskan penjualan dengan persentase sebesar 82,8% dan 17,2% dipengaruhi oleh alasan lain. Hal ini menunjukkan bahwa model regresi ini baik digunakan karena standar deviasi (13,825) lebih kecil dari standar deviasi Penjualan (29,368). Untuk menyusun persamaan garis regresi dari data diatas dapat menggunakan nilai dari kolom B yaitu kolom Unstandardized Coefisiens.
PT Maju Mundur Informatika (MMI) akan gencar melakukan promosi aksesoris komputer di berbagai daerah dalam beberapa bulan mendatang dengan membuka booth di berbagai daerah. Di bawah ini adalah data biaya penjualan promosi dan ruang stand di 15 wilayah. Perusahaan ingin membuat model regresi berganda untuk memprediksi pendapatan berdasarkan usia dan pengalaman kerja. Keputusan untuk membuat entri valid atau tidak valid digunakan dengan dua cara, yaitu membandingkan nilai rxy yang dihitung (output SPSS) dengan r pada tabel dan membandingkan nilai probabilitas output SPSS dengan nilai probabilitas yang diberikan oleh peneliti yang digunakan (biasanya menggunakan 5% untuk penelitian sosial dan 1% untuk penelitian eksakta).
Demikian pula suatu elemen dapat dikatakan tidak valid jika nilai rxy < rtabel atau nilai probabilitasnya lebih besar dari 0,05.
VALIDITAS DAN REALIBILITAS
Karena nilai Cronbach’s Alpha = 0,640 maka kuesioner yang diuji mempunyai tingkat reliabilitas yang cukup tinggi. Carilah validitas dan reliabilitas motivasi kerja, dari hasil tabel data variabel motivasi kerja sebagai berikut. Pengertian dan Penggunaan Skala Likert – Skala Likert merupakan skala penelitian yang digunakan untuk mengukur sikap dan pendapat.
Dengan menggunakan skala Likert ini, responden diminta mengisi kuesioner yang meminta mereka menunjukkan tingkat persetujuan mereka terhadap serangkaian pertanyaan. Tingkat persetujuan yang ditunjukkan dalam skala likert ini terdiri dari skala 5 poin mulai dari sangat setuju (SS) hingga sangat tidak setuju (STS). Umumnya instrumen penelitian yang menggunakan skala likert dirancang dalam bentuk angket pilihan ganda atau checklist.
Karena nilai indeks yang kami peroleh dari perhitungan sebesar 72%, maka dapat disimpulkan bahwa responden “SETUJU” dengan peraturan perusahaan yang mewajibkan seluruh karyawan melepas jam tangan, cincin dan ikat pinggang sebelum memasuki area produksi. Setelah menyelesaikan Sekolah Dasar (SD) Negeri 1 Singapadu pada tahun 2000, kemudian melanjutkan ke Sekolah Menengah Pertama (SMP) Negeri 2 Sukawati dan tamat pada tahun 2003. Kemudian pada tahun 2003 melanjutkan ke Sekolah Menengah Atas (SMA) Negeri 1 Blahbatuh dan tamat pada tahun 2003. Tahun 2006 .
Kemudian pada tahun 2006 melanjutkan studi di Universitas Mahasaraswati Denpasar Jurusan Pendidikan Matematika dan lulus pada tahun 2010. Kemudian pada tahun 2011 melanjutkan studi lagi di Universitas Pendidikan Ganesha Singaraja pada Program Pascasarjana Program Studi Pendidikan Matematika dan lulus pada tahun 2014. tamat Sekolah Dasar (SD) Negeri No. 6 Peguyangan pada tahun 2001, melanjutkan ke Sekolah Menengah Pertama (SMP) Negeri 10 Denpasar dan tamat pada tahun 2004.
Kemudian pada tahun 2004 melanjutkan ke Sekolah Menengah Atas Negeri (SMA) 6 Denpasar dan lulus pada tahun 2007.
