Laporan Praktikum Deskriptif Statistika

No Komputer: 04

Laporan Praktikum Statistika Deskriptif

November 05,2023 

LAPORAN PRAKTIKUM STATISTIKA DESKRIPTIF

           Nama : Vivi Mutiana

             No. Komputer : 04

           Npm : 2205109010013

PROGRAM STUDI PROTEKSI TANAMAN FAKULTAS PERTANIAN 

UNIVERSITAS SYIAH KUALA

DARUSALLAM-BANDA ACEH

2023

BAB I. PENDAHULUAN

1.1 Latar Belakang

    Statistik merupakan salah satu cabang dari ilmu matematika yang di dalamnya mempelajari suatu pengukuran, observasi dan analisis. Statistik mempunyai arti dasar yaitu suatu data ringkasan yang berbentuk angka. Sebagai contoh kecil adalah mengenai data tentang penduduk, data tentang guru-guru atau data tentang mahasiswa di perguruan tinggi. Dalam arti yang lebih dalam, statistik adalah suatu ilmu yang mempelajari mengenai bagaimana cara mengumpulkan data, mengolah data, menyajikan data dan menganalisi data dengan mempertimbangkan unsur ketidakpastian berdasarkan konsep probabilitas.

    Statistik deskriptif adalah salah satu bagian dari ilmu statistika yang berhubungan dengan aktivitas penghimpunan, penataan, peringkasan dan penyajian data dengan harapan agar data lebih bermakna, mudah dibaca dan mudah dipahami oleh pengguna data. Statistik deskriptif hanya sebatas memberikan deskripsi atau gambaran umum tentang karakteristik objek yang diteliti tanpa maksud untuk melakukan generalisasi sampel terhadap populasi. dalam statistik deskriptif meliputi pengumpulan, pengelompokan dan pengolahan data yang selanjutnya akan menghasilkan ukuran-ukuran statistik seperti frekuensi, pemusatan data, penyebaran data, kecenderungan suatu gugus data dan lain-lain. Selain itu, agar data lebih mudah dibaca dan dipahami maka data dapat diringkas dalam bentuk tabulasi atau disajikan dalam bentuk grafik atau diagram. Penggunaan grafik dan diagram dimaksudkan agar data yang disajikan lebih menarik dan lebih komunikatif.

1.2 Tujuan Praktikum

    Praktikum ini bertujuan agar mahasiswa dapat mengetahui cara mengeluarkan Output deskriptif menggunakan aplikasi SPSS.

BAB II. TINJAUAN PUSTAKA

    Statistik merupakan salah satu cabang dari ilmu matematika yang di dalamnya mempelajari suatu pengukuran, observasi dan analisis. Statistik mempunyai arti dasar yaitu suatu data ringkasan yang berbentuk angka. Sebagai contoh kecil adalah mengenai data tentang penduduk, data tentang guru-guru atau data tentang mahasiswa di perguruan tinggi. Dalam arti yang lebih dalam, statistik adalah suatu ilmu yang mempelajari mengenai bagaimana cara mengumpulkan data, mengolah data, menyajikan data dan menganalisi data dengan mempertimbangkan unsur ketidakpastian berdasarkan konsep probabilitas.

    Statistik sendiri berasal dari kata “status” dalam bahasa latin, yang sama artinya dengan kata “state” (bahasa inggris) yang berarti adalah negara. Awal mula suatu kata statistik, diartikan mengenai suatu kumpulan keterangan yang berupa angka ataupun non angka tetapi memiliki arti yang penting dan berguna untuk negara. Setelah berkembangnya suatu ilmu, maka statistik dijadikan sebagai kumpulkan keterangan yang hanya berupa angka dan memberikan gambaran mengenai keadaan, peristiwa atau gejala tertentu.

    Statistik deskriptif adalah salah satu bagian dari ilmu statistika yang berhubungan dengan aktivitas penghimpunan, penataan, peringkasan dan penyajian data dengan harapan agar data lebih bermakna, mudah dibaca dan mudah dipahami oleh pengguna data. Statistik deskriptif hanya sebatas memberikan deskripsi atau gambaran umum tentang karakteristik objek yang diteliti tanpa maksud untuk melakukan generalisasi sampel terhadap populasi. dalam statistik deskriptif meliputi pengumpulan, pengelompokan dan pengolahan data yang selanjutnya akan menghasilkan ukuran-ukuran statistik seperti frekuensi, pemusatan data, penyebaran data, kecenderungan suatu gugus data dan lain-lain. Selain itu, agar data lebih mudah dibaca dan dipahami maka data dapat diringkas dalam bentuk tabulasi atau disajikan dalam bentuk grafik atau diagram. Penggunaan grafik dan diagram dimaksudkan agar data yang disajikan lebih menarik dan lebih komunikatif.

    Hal-hal yang mungkin dikerjakan dalam statistika deskripif adalah mengurutkan data berdasarkan ukuran, meamsukkan data kedalam bentuk tabel, menyajikan data dalam bentuk grafik atau meringkasnya dalam bentuk kesimpulan parameter yang berarti dan sebagainya. Hal penting yang dipertimbangkan dalam statistik deskriptif adalah jenis variabel. Jenis variabel tertentu mungkin akan baik apabila dideskripsikan dalam bentuk grafk atau dalam bentuk tabel. Analisis teoretik-deskriptif dalam statistika deskriptif yang menekankan analissnya pada data-data numerikal yang diolah dengan metode statistika. Metode analisis data yang digunakan untuk menguji hipotesis adalah analisis deskriptif melalui isum dan mean dengan alat bantu SPSS. Statistika deskkriptif ditujukan untuk mencari proporsi maupun frekuensi dari karakteristik subyek penelitian (Rachmini,2001).

    Statistik deskriptif, yang lazim dikenal pula dengan istilah statistik deduktif, statistik sederhana, dan descriptive statistics, adalah statistik yang tingkat pekerjaannya mencakup cara-cara menghimpun,menyusun, atau mengatur, mengolah, menyajikan, dan menganalisis data angka, agar dapat memberikan gambaran yang teratur, ringkas, dan jelas mengenai suatu gejala, peristiwa, atau keadaan.Dengan kata lain, statistik deskriptif adalah statistik yang mempunyai tugas mengorganisasi dan menganalisis data, angka, agar dapat memberikan gambaran secara teratur, ringkas, dan jelas, mengenai sesuatu gejala, peristiwa atau keadaan, sehingga dapat ditarik pengertian atau makna tertentu.

    Menurut Husaini Usman (2003), statistik deskriptif atau statistik dalam arti sempit, ialah susunan angka yang memberikan gambaran tentang data yang disajikan dalam bentuk-bentuk tabel, diagram, histogram, poligon, frekuensi, ozaiv (ogive), ukuran penempatan (median, kuartil, desil, dan persentil),ukuran gejala pusat (rata-rata hitung, rata-rata ukur, rata-rata harmonik, dan modus), simpangan baku, angka baku, kurva normal, korelasi, dan regresi linier.

    Berbagai metode statistik memungkinkan kita dapat melihat, mencari dan menyimpulkan hal-hal yang jauh diluar data yang dikumpulkan dan dapat masuk kebagian pengambila keputusan melalui generalisasi dan peramalan. Perkembangan teknologi informasi melahirkan perangkat lunak paket-paket metode statistik yang sangat membantu da mempermudah mnghitung, meramal serta menganalisis masalah yang akan dipecahkan (Rahmini,2001).

    Langkah-langkah pengolahan data pada SPSS sangat praktis karena hanya menginput data tanapa menghitung dengan rumus-rumus statistika. Setelah data diinput pada SPSS editor kemudian kita mencari alat analisis yang diperlukan, memasukka variabel dan lain-lain, kemudian klik Ok, setelah itu proses olah data dilakukan dengan sangat cepat, singkat, akurat, cermat, handal dan keluarlah output data SPSS (Bisono,2013).

1.   Ukuran pemusatan

Ukuran pemusatan adalah metode paling lazim yang digunakan dalam analisis deskriptif. Metode ini fokus untuk menggambarkan kondisi data di titik pusat.

Mean merupakan rata-rata dari sekumpulan data yang kita miliki. Formulanya sangat sederhana. Anda hanya perlu menjumlah nilai dari seluruh data yang dimiliki dan membaginya dengan jumlah data tersebut.

Median adalah nilai tengah dari sebuah data. Bila kita memiliki sekumpulan data, kita bisa mengurutkan data tersebut dari nilai terkecil hingga terbesar. Jika kita memiliki jumlah data ganjil, maka nilai tengah data tersebut akan langsung menjadi median. Namun bila kita memiliki data genap, kita perlu menemukan nilai rata-rata dari nilai tengah data tersebut.

Modus adalah nilai yang paling sering muncul dalam sekelompok data. Kita hanya perlu melihat nilai mana yang paling sering muncul dalam kelompok tersebut. Bila jumlah frekuensi setiap data sama, maka nilai modus tidak ada.

2. Ukuran keragaman

    Ukuran keragaman merupakan ukuran untuk menyajikan bagaimana sebaran dari data tersebut. Ukuran keragaman menunjukkan bagaimana kondisi sebuah data menyebar di kelompok data yang kita miliki. Hal ini memungkinkan kita untuk menganalisis seberapa jauh data-data tersebut tersebar dari ukuran pemusatannya. Bila sebaran datanya rendah, ini menunjukkan bahwa data tersebar tidak jauh dari pusatnya. Bila sebarannya jauh ini menunjukkan bahwa data tersebar jauh dari pusatnya.

1.Range

    Range atau rentang merupakan selisih dari nilai terbesar dan nilai terkecil yang kita miliki. Range merupkan hal yang paling sederhana dan paling mudah dimengerti dalam ukuran penyebaran. Range menunjukkan seberapa jauh sebaran dengan mengabaikan bentuk distribusinya.

2. Quartiles Range

    Rentang Quartiles atau rentang kuartil merupakan ukuran penyebaran yang membagi data menjadi 4 bagian. Sesuai dengan namanya, kuartil membagi data menjadi 25 persen di setiap bagiannya.

Ada 3 jenis nilai kuartil yang perlu kita tahu :

• Q1 atau kuartil bawah yang memuat 25 persen dari data dengan nilai terendah
• Q2 atau kuartil tengah, yang membagi data menjadi 2 bagian sama besar 50 persen terkecil dan 50 persen terbesar. Q2 juga memiliki nilai yang sama dengan median.
• Q3 atau kuartil atas yang memuat 25 persen dari data dengan nilai tertinggi.

3. Persentil

    Persentil merupakan ukuran penyebaran yang membagi data menjadi 100 bagian yang sama besar.

4. Desil

        Desil merupakan ukuran penyebaran yang membagi data menjadi 10 bagian sama besar.

5. Varians

    Varian merupakan ukuran seberapa jauh menyebar dari nilai rata-ratanya. Semakin kecil nilai varians, maka semakin dekan sebaran data dengan rata-rata. Dan semakin besar nilai varian, maka semakin besar sebaran data terhadap nilai rata-ratanya.

6. Standar deviasi

    Standar deviasi merupakan ukuran laindari sebaran data terhadap rata-ratanya. Bila anda menggunakan varians, maka nilai yang anda dapatkan sangatlah besar. Nilai ini tidak mampu menggambarkan bagaimana sebaran data yang sebenarnya terhadap rata-rata. Untuk mendapatkan nilai yang lebih mudah diinterpretasikan, standar deviasi adalah ukuran yang paling tepat. Standar deviasi menghasilkan nilai yang lebih kecil dan mampu menjelaskan bagaiman sebaran data terhadap rata-rata.

7. Skewness

    Skewness merupakan ukuran yang menunjukkan bagaimana kemencengan sebuah data terhadap rata-ratanya. Skewness juga bisa dikatakan sebagai ukuran ketidaksimetrisan sebuah data.

• Sk > 0 artinya kurva dikatakan menceng kanan (positif)
• Sk = 0 artinya kurva normal 
• Sk < 0 artinya menceng kiri (negatif) 

8. Kurtosis

    Kurtosis merupakan ukuran yang menunjukkan bagaimana keruncingan sebuah data di dalam distribusinya. Kurtosis biasa disebut juga sebagai derajat keruncingan. Kurtosis dihitung dengan formula momen keempat dari rata-rata.

• Nilai kurtosis = 3, artinya data memiliki distribusi normal
• Nilai kurtosis > 3, artinya data memiliki distribusi leptokurtic (lebih runcing)
• Nilai kurtosis < 3 artinya data memiliki distribusi platikurtik /lebih rata (Yuva, 2019). 

II. Microsoft Excel

     Microsoft Excel adalah sebuah program atau aplikasi yang merupakan bagian dari paket instalasi Microsoft Office, berfungsi untuk mengolah angka menggunakan spreadsheet yang terdiri dari baris dan kolom untuk mengeksekusi perintah. Microsoft Excel telah menjadi software pengolah data / angka terbaik di dunia, selain itu Microsoft Excel telah didistribusikan secara multi-platform. Microsoft Excel tidak hanya tersedia dalam platform Windows, Microsoft Excel juga tersedia di MacOS, Android dan Apple.

    Menurut Susandra (2010), “Microsoft Excel merupakan program aplikasi spreasheet (lembar kerja elektronik). Fungsi dari Microwsoft Excel adalah untuk melakukan operasi perhitungan serta dapat mempresentasikan data ke dalam bentuk tabel.” Menurut Musyafa (2014), “Microsoft Excel 2007 adalah sebuah program aplikasi lembar kerja spreadsheet yang dibuat dan didistribusikan oleh Microsoft Corporation untuk sistem operasi Microsoft Windows dan Mac OS.” Aplikasi ini memiliki fitur kalkulasi dan pembuatan grafik yang berupa pengolah angka.

    Microsoft Excel secara fundamental menggunakan spreadsheet untuk manajemen data serta melakukan fungsi-fungsi Excel yang lebih dikenal dengan formula Excel. Excel merupakan program spreadsheet elektronik. Spreadsheet adalah kumpulan dari Sel yang terdiri atas baris dan kolom tempat anda memasukkan angka pada Microsoft Excel. Jumlah Sel Microsoft Excel 2016 terdiri dari 1.048.576 Baris dan 16.384 Kolom atau 17.179.869.184 Sel.

    Untuk melakukan pengolahan suatu data di SPSS, tahap pertama yang harus dipersiapkan adalah memiliki datanya terlebih dahulu di exel agar lebih mudah, seperti pada Gambar 1. dibawah ini:

Gambar 1. Data Excel

III. SPSS

    SPSS adalah sebuah program aplikasi yang memiliki kemampuan untuk analisis statistik cukup tinggi serta sistem manajemen data pada lingkungan grafis dengan menggunakan menu-menu deskriptif dan kotak-kotak dialog yang sederhana sehingga mudah dipahami untuk cara pengoperasiannya. Beberapa aktivitas dapat dilakukan dengan mudah yaitu dengan menggunakan pointing dan clicking mouse SPSS banyak digunakan dalam berbagai riset pemasaran, pengendalian dan perbaikan mutu (quality improvement), serta riset-riset sains. SPSS pertama kali muncul dengan versi PC (bisa dipakai untuk komputer desktop) dengan nama SPSS/PC+ (versi DOS). Tetapi, dengan mulai populernya sistem operasi windows. SPSS mulai mengeluarkan versi windows (mulai dari versi 6.0 sampai versi terbaru sekarang).

    Untuk menginput data, buka Program SPSS melalui Start - Programs- IBM SPSS Statistic. Maka setelah itu muncul tampilan yang belum ada datanya, dimanapada tampilan tersebut terdapat 2 menu tampilan yaitu data view dan variabel view, seperti pada Gambar 2 dan Gambar 3.

SPSS Data Editor

    Data editor adalah window yang bersama output window pwertama kali keluar pada saat pertama kali dioperasikan SPSS for window. Window ini berwujud kotak-kotak peregi sejenis tampilan spreadsheet yang berfungsi sebagai sarana pemasukan data, penghapusa , pengurutan dan berbagai pengolahan data aslinya.

    SPSS Data Editor terdiri dari dua tab sheet, yaitu: Data View dan Variable View.

     a. Data View    

Gambar 2. Tampilan Data View

Data View adalah tab sheet yang menampilkan nilai data yang sebenarnya atau label nilai yang didefinisikan. Pada tab sheet inilah, anda mengentri data ke SPSS.

Diatasnya terdapat menu-menu seperti File, Edit, View, Windows, dan Help seperti halnya menu-menu umum pada aplikasi under Windows lainnya. Menu-menu utama SPSS adalah:

1. Data

       Menu ini menampilkan submenu untuk melakukan perubahan-perubahan data, seperti mengurutkan     data, memisahkan isi file dengan kriteria tertentu, menggabungkan data, etc.

 2.  Transform

        Menu untuk transformasi data, seperti menghitung variabel data, mengubah data, merangking data,         etc.

 3.  Analyze

     Menu yang menjadi pusat pengolahan data, seperti mengolah statistik deskriptif, regresi, korelasi,         etc.

4. Graphs

      Menu untuk menampilkan data dan hasil pengolahan data dalam bentuk grafik dan chart, seperti bar       charts, histogram, scatter diagram, etc.

5.  Utilities

       Menu pelengkap dalam pengoperasian SPSS, seperti menampilkan informasi variabel,                           mendefinisikan dan menampilkan variabel data, etc.

           b. Variable View 

Gambar 3. Tampilan Variabel View

    Variable View adalah  tab sheet yang menampilkan kamus metadata di mana setiap baris mewakili sebuah variabel dan memperlihatkan nama variabel, jenis data (misal: numeric, string, date), lebar cetak, dan berbagai karakteristik lain.

Menu yang tersedia dalam Variabel View diantaranya:

1. Name

     Kolom ini untuk memberikan informasi tentang nama variabel data. Nama variabel yang kita tuliskan di sini akan muncul pada Data View. Beberapa aturan penamaan variabel:

•    Nama variabel maksimal 8 karakter.
•   Nama diawali dengan huruf (tidak bisa dimulai dengan angka), sisanya dapat berisi huruf, angka, titik, atau simbol @, #, _, atau $. Kosong dan karakter khusus lain (misal: ! , ? , ‘ , dan *) tidak dapat digunakan.
•  Nama tidak bisa berakhir dengan titik dan tidak harus diakhiri dengan garis bawah “_”.
•  Nama variabel harus unik; duplikasi tidak diperbolehkan.
•  Nama-nama variabel tidak case sensitif, “Nama”, “nama”, dan “naMa” semua dianggap sama.

2. Type

     Kolom ini untuk memberikan jenis variabel data yang digunakan, apakah Numeric, String (data berupa karakter, misal “Nama”), Date, etc. Klik ikon    dalam kolom Type maka akan muncul dialog box Variable Type. Pada dialog box ini, kita dapat mengubah jenis data dan juga lebar kolom (Width) dan jumlah angka desimal (Decimal Places). Secara default, SPSS memberikan  jenis data numeric dengan lebar 8 digit dan 2 angka desimal di belakang koma.

3.     Label

     Kolom ini menunjukkan tambahan informasi dengan memberi label pada variabel data yang kita inginkan. Misalnya:

variabel: ”barang” kita beri label: ”nama barang”

variabel: ”X” kita beri label ”Permintaan”

variabel ”Y” kita beri label ”Ramalan Permintan”

Pemberian label dapat membantu dalam interpretasi hasil analisis (output) karena definisi output lebih jelas.

4. Value.

    Kolom ini untuk memberikan label string yang diterapkan untuk nilai numeric tertentu, biasanya untuk data yang bersifat ordinal dan interval, misal angka 1 untuk laki-laki dan angka 2 untuk perempuan. Klik ikon  pada kolom Values maka akan muncul dialog box Value Labels. Misalnya untuk variabel ”gender” kita akan mendefinisikan ”jenis kelamin” dengan memberi label: Isi [Value]  dengan angka 1 dan [Label] dengan “Laki-laki” lalu klik [Add], kemudian ulangi  langkah-langkah tersebut untuk jenis kelamin “Perempuan“—lihat Gambar 6. Nantinya pada variabel gender, kita tidak perlu menuliskan laki-laki dan perempuan melainkan cukup mengisi 1 untuk laki-laki dan 2 untuk perempuan.

5. Missing

    Kolom ini menunjukkan nilai yang hilang (missing value) dalam data (jika ada). Responden dapat menolak untuk menjawab pertanyaan tertentu, mungkin tidak tahu jawabannya, atau mungkin menjawab dalam bentuk lain. Jika anda tidak mengidentifikasi data ini, analisis anda mungkin tidak memberikan hasil yang akurat. Klik ikon  pada kolom Missing maka akan muncul dialog box Missing Values. Pada form Discrete, isi angka yang akan dijadikan pengganti missing value, misal: 9, 99, 999, etc. Jika kita memilih angka 9, maka setiap ada data yang tidak diisi (missing value) angka 9 yang harus diisikan, jangan dibiarkan kosong.

6.   Columns

  Kolom ini  menunjukkan lebar kolom. baik jenis data numeric maupun string, lebar maksimal 255 digit.

7. Align

    Kolom ini  menunjukkan posisi data pada tiap cell. Terdapat tiga pilihan posisi data, yaitu: left, right, dan center.

8.   Measure

    Kolom ini  menunjukkan jenis ukuran data yang digunakan. Terdapat tiga pilihan atas, yaitu: Scale, Nominal, dan Ordinal.

9. Role

    Kolom ini digunakan untuk menentukan peranan variabel dalam melakukan analisis data, yang mana terdapat 5 pilihan  yaitu Input, Target, None, Partition dan Split.

     Setelah mengetahui ketentuan disetiap menunya, kemudian data yang di Excel disalin ke SPSS yaitu pada Data View.

Gambar 4. Data Excel Yang Sudah Disalin Ke SPSS

Gambar 5. Tampilan Variabel View Setelah Di Isi Data

Variabel Pertama

Nama Variabel        : Responden

Type                        : String (karena pada variabel ini menggunakan huruf bukan angka)

Width                      : 20 ( jumlah karakter terbanyak yaitu 20)

Decimal                  : 0 (Tidak menggunakan desimal pada data type string)

Label                       : Pada data ini menggunakan label.

Value                       : None 

Missing                   : None 

Coloum                   : 15 (disesuaikan dengan jumlah karakter terbanyak)

Align                       : Left (akan lebih baik jika data yang bertype string dibuat rata kiri)

Measure                  : Nominal (untuk data string dipilih measure nominal atau bisa disesuaikan)

 

Variabel Kedua

Nama Variabel        : Jenis Kelamin

Type                        : Numeric

Width                      : 8 (bisa disesuaikan dengan jumlah karakter)

Decimal                  : 0 (pada data ini tidak menggunakan desimal

Label                       : Pada data ini menggunakan label

Value                       :  "1" untuk Laki-Laki dan "2" untuk Perempuan

Missing                   :  None ( informasi mengenai jenis kelamin diketahui)

Coloum                   : 15 (bisa disesuaikan)

Align                       : Center (lebih baik data bertipe numerik di buat rata tengah)

Measure                  : Nominal (Untuk measure jenis kelamin termasuk data skala dan nominal)

 

Variabel Ketiga

Nama Variabel        : Umur

Type                        : Numeric

Width                      : 8

Decimal                  : 0 (tidak menggunakan decimal pada data ini)

Label                       : -

Value                       :  None (tidak ada pengkodean)

Missing                   :  None (data informasinya diketahui)

Coloum                   : 15 (bisa disesuaikan)

Align                       : center

Measure                  : Scale ( karena umur merupakan data berskala ratio)

 

Variabel Keempat

Nama Variabel        : Pendidikan

Type                        : Numeric

Width                      : 8 (bisa disesuaikan)

Decimal                  : 0 (data ini tidak menggunakan decimal)

Label                       : -

Value                       :  "1" untuk SD, "2" untuk SLTP, "3" untuk SLTA, "4" untuk D3, "5" untuk S1

Missing                   : None (data informasi diketahui) 

Coloum                   : 15 (bisa disesuaikan)

Align                       : Center

Measure                  : Ordinal (karena pendidikan merupakan skala ordinal)

 

Variabel Kelima

Nama Variabel        : Pendapatan

Type                        : Numeric

Width                      : 8

Decimal                  : 0

Label                       : -

Value                       :  None

Missing                   :  9999 (informasi data pendapatan ada yang tidak diketahui)

Coloum                   : 15

Align                       : Center

Measure                  : Scale

 

Variabel Keenam

Nama Variabel        : Konsumsi

Type                        : Numeric

Width                      : 8

Decimal                  : 0

Label                       : -

Value                       :  None

Missing                   :  9999 (informasi data konsumsi ada yang tidak diketahui)

Coloum                   : 15(bisa disesuaikan)

Align                       : Center

Measure                  : Scale

 

    Setelah semua data sudah sesuai kemudian untuk mendapatkan data output maka diklik Analyze - Descriptive Statistics - Descriptive. Maka akan muncul tampilan seperti Gambar 6 berikut:

Gambar 6. Descriptive Data Variabel yang akan dihitung

Pilih data variabel  mana yang akan di hitung yaitu variabel umur, pendapatan ,dan konsumsi.

Gambar 7. Options Descriptive 

Terdapat beberap pilihan pada option descriptif yang inin dihitung outputnya yaitu Mean, Sum, Std. devisiasi, variance, Range, Minimum, maximum, S.E mean, Kurtosis dan Skewness. Kemudian klik Continue -OK. Maka akan muncul data output seperti pada gambar berikut:

Gambar 8. Hasil data Output 

    Setelah tampilan seperti diatas sudah muncul seperti yang diinginkan maka data outputnya sudah berhasil kemudian anda dapat menyimpan data tersebut ke file.

    Output window adalah text window yang merupakan media tampilan dari hasil proses yang dilakukan oleh SPSS prosesor. Seluruh hasil proses pengolahan data, pengolahan grafik, penganalisaan data maupun perjalanan menu utilities akan ditampilkan pada outpun window.

IV. PENUTUP

    Dengan menggunakan metode Statistik SPSS makadapat memberikan informasi inti dari kumpulan data, seperti ukuran pemusatan data (mean dan median), ukuran penyebaran (rannge, interquartil range, standar deviasi, varians, minimum, dan maksimum), ukuran kurtosis, dan skewness serta representasi piktorialnya.

 

Data Deskriptif 

Output Deskriptif

        VIDIO

        Cara penggunaan aplikasi SPSS (untuk lebih jelas bisa dilihat dari vidio dibawah ini)

        Vidio Perkenalan Diri dan Aplikasi SPSS

Link Youtube :

https://youtu.be/skO0ggBURdY?si=AEzAY3dqW6xwcVff

https://youtu.be/bGEZwK9yhvk?si=EUzOw5U5ahvpveIP

Vivi Mutiana

Program Studi Proteksi Tanaman, Fakultas Pertanian, Universitas Syiah Kuala

Daftar Pustaka

https://dimasariwijaya.blogspot.com