ANALISIS DESKRIPTIF (DESCRIPTIVE ANALYZE)
Dec 30, 2015
ANALISIS DESKRIPTIF
(DESCRIPTIVE ANALYZE)
Descriptive Analyze Langkah pertama yang umum dilakukan dalam
analisis data ialah menyimpulkan informasi tentang variabel-variabel pada dataset Anda, seperti nilai maksimum, minimum, rata-rata, standar deviasi dan jumlah total (sum).
Beberapa kesimpulan atau statistik deskriptif tersedia dalam Descriptive Option pada menu Analyze dan Descriptive Statistics.
Langkah-langkah Descriptive Analyze Pilih Menu Analyze Pilih Submenu Descriptive Statistics Pilih Descriptive Masukkan Variabel yang akan dianalisis Klik Options Pilih:
Mean Std. Deviation Minimum Maximum Kurtosis Skewness Variable List
Klik Opsi “Save Standardized value as variables” Klik OK
No. Nama Usia Berat Bdn Gender Hobby Gaji (Rp) JBE Kendaraan Majalah1 A 25 80 2 1 1,500,000 1 1 32 B 26 75 1 2 1,250,000 2 2 23 C 24 76 1 3 1,350,000 2 3 14 D 25 77 2 1 1,635,000 3 4 25 E 26 75 2 1 1,750,000 5 2 46 F 24 74 1 1 2,100,000 4 1 47 G 27 65 1 2 2,350,000 2 2 28 H 28 65 2 2 2,452,500 3 3 39 I 26 61 2 3 2,750,000 1 4 2
10 J 25 62 1 2 3,000,000 5 2 111 K 24 64 1 1 3,250,000 5 1 212 L 25 60 2 2 3,452,000 4 3 113 M 27 59 2 3 2,750,000 4 2 514 N 26 66 1 1 2,850,000 2 1 315 O 25 67 1 2 1,750,000 2 4 516 P 25 58 2 2 1,850,000 2 2 117 Q 24 57 2 1 2,300,000 2 3 418 R 25 64 1 1 2,450,000 2 2 219 S 24 63 1 1 2,650,000 1 1 120 T 26 54 2 2 3,275,000 1 4 321 U 27 54 2 2 1,650,000 1 1 222 V 28 55 2 3 1,750,000 3 2 123 W 29 71 1 3 2,750,000 2 3 424 X 26 62 1 2 3,650,000 1 2 225 Y 27 64 1 2 1,950,000 2 1 126 Z 29 59 2 3 1,450,000 3 4 3
Latihan Spss 1
Keterangan Latihan Spss 1
No. Gender Hobby JBE Kendaraan Majalah Koran1 Pria Sepak Bola TV Sepeda Tempo Kompas2 Wanita Volly VCD Motor Gatra Republika 3 Basket DVD Mobil Femina Media Indonesia4 Tape Recorder Hidayah Tempo5 Komputer Lain-lain Lain-lain
Setiap data yang berada dil uar batas kritis 1,96 berarti berada di luar kewajaran (unusual value)
Z Score atau Standard Score
Gunanya untuk melihat nilai mana yang menyimpang jauh dari rata-ratanya (outlier) Melihat data yang menyimpang: Jika data berdistribusi normal dan tingkat kepercayaan 95%, tingkat signifikansi adalah 100%-95% atau 5%. Jika memakai dua sisi ( ada tanda + dan -), batas kritis pada 5% dibagi dua menjadi 2,5%. Pada tabel z , perhitungan pada satu sisi atau 50%, maka batas kritis ada pada luas kurva (50% - 2,5%) = 47,5% .pada tabel Z , untuk luas kurva 47,5% memperoleh nilai kritis 1,96 Untuk melihat suatu data berdistribusi normal, suatu nilai bisa distandarisasi dengan nilai Z :
sXX
Z i
Xi = Nilai Data ke- i
X = Mean data s = Standar Deviasi
Langkah-langkah Explore Data Analyze Descriptive Statistics Explore Pada Box dialog
Masukkan Variabel Usia pada Dependent List Masukkan Variabel Gender pada Faktor list Abaikan List Cases By
Pilih opsi Statistics Pilih Descriptives M-estimators Outliers
Continue Pilih opsi Plots
Pilih Factor levels together Stem and leaf
Continue Pada bagian Display pilih Both OK
HASIL OUTPUT CASE PROCESSING SUMMARY DAN DESCRIPTIVES
Case Processing Summary
gender
Cases
Valid Missing Total
N Percent N Percent N Percent
usia Pria 13 100.0% 0 .0% 13 100.0%
Wanita 13 100.0% 0 .0% 13 100.0%
Summary
Descriptives
gender Statistic Std. Error
usia Pria Mean 25.54 .418
95% Confidence Interval for Mean
Lower Bound 24.63
Upper Bound 26.45
5% Trimmed Mean 25.43
Median 25.00
Variance 2.269
Std. Deviation 1.506
Minimum 24
Maximum 29
Range 5
Interquartile Range 2
Skewness .950 .616
Kurtosis .772 1.191
Wanita Mean 26.23 .411
95% Confidence Interval for Mean
Lower Bound 25.34
Upper Bound 27.13
5% Trimmed Mean 26.20
Median 26.00
Variance 2.192
Std. Deviation 1.481
Minimum 24
Maximum 29
Range 5
Interquartile Range 2
Skewness .444 .616
Kurtosis -.684 1.191
Descriptive
AnalisisCase Processing Summary
Jumlah data yang diproses 13 Pria dan 13 Wanita , dimana semua data valid 100% dapat diproses.
Output Descriptives
Rata-rata usia pria 25.54 th dengan range berkisar antara 24.63th sampai 26.45th
5% Trimmed Mean
Ukuran ini didapat dengan mengurutkan data usia pria dari yang terkecil sampai terbesar, kemudian memotong 5% dari data terkecil dan 5% dari data terbesar. Hal ini bertujuan untuk membuang (trimming) nilai data yang ’unusual’ atau ‘menyimpang’ (karena jauh dari rata-rata).
Kemudian hasil yang ada setelah proses trimming dilakukan perhitungan mean seperti biasa. Terlihat hasil 25.4316th, yang berarti rata-rata usia dengan proses trimming menjadi 25.4316th. Mean ini lebih mempunyai informasi yang berguna dibandingkan dengan data median.
Interquartile Rank Ukuran ini menunjukkan selisih antara nilai
persentil yang ke-25 dan persentil ke-75. seperti diketahui, secara teoritis, 50% dari data terletak di antara persentil ke-25 dan persentil ke-75. dari output didapat nilai 2.5th, yang berarti pada 50% data usia pria, selisih antara yang tertinggi dan terendah adalah 2.5th
Ratio Skewness dan Kurtosis Skewness = 0.950/0.616 = 1.54 Kurtosis = 0.772/1.191 = 0.65 Berdasarkan ratio tersebut, maka distribusi
data usia dikatakan normal
HASIL OUTPUT M-ESTIMATORS
M-Estimators
gender Huber's M-Estimatora
Tukey's Biweightb
Hampel's M-Estimatorc
Andrews' Waved
usia Pria 25.29 25.25 25.38 25.24
Wanita 26.06 26.05 26.12 26.05
a. The weighting constant is 1.339.
b. The weighting constant is 4.685.
c. The weighting constants are 1.700, 3.400, and 8.500
d. The weighting constant is 1.340*pi.
Output M-Estimator
M-Estimator digunakan sebagai alternatif pada pengukuran pusat (central tendency). Pengukuran pusat yang populer adalah Mean (rata-rata) dan median (titik tengah). Namun jika data mengandung nilai-nilai yang cukup menyimpang dari rata-ratanya, maka Mean tidak dapat menggambarkan ukuran pusat data tersebut.
Di atas telah dibahas ukuran 5% Trimmed Mean yang berusaha menghitung Mean dengan menghilangkan 5% angka terbesar dan terkecil dari data. Namun jika data terbesar dan terkecil berubah, 5 % Trimmed mean atau Median juga tidak bisa mendeteksi perubahan tersebut, karena data itu oleh hitungan % Trimmed dihilangkan, sedangkan Median mengukur titik tengah data, sehingga perubahan di kedua titik ekstrim tidak berpengaruh.
Output M-Estimator (lanjutan)
M-Estimator sebagai alternatif pengukuran pusat, yaitu dengan memberi bobot (weight) pada data. SPSS menyediakan beberapa ukuran M-Estimator, seperti terlihat pada Output.
Rata-rata usia pria menurut : Huber adalah 25.31 dan wanita 26.08
Tukey adalah 25.27 dan wanita 26.07
Hampel adalah 25.37 dan wanita 26.16
Andrew adalah 25.26 dan wanita 26.07
Output M-Estimator (lanjutan)
HASIL OUTPUT BOXPLOT
Output BOXPLOT Boxplot adalah kotak pada gambar berwarna merah,
dengan garis tebal horizontal di kotak tersebut
Kotak merah tersebut memuat 50% data, atau mempunyai batas persentil ke-25 dan ke-75
Garis tebal hitam adalah letak Median data
Jika garis hitam atau tanda Median terletak dpersis di tengah Boxplot disebut distribusi data adalah normal
Jika berada di sebelah atas , distribusi menceng ke kiri
Jika berada di sebelah bawah, distribusi menceng ke kanan
Analisis : Usia Pria mempunyai Median yang lebih
rendah dari Wanita, atau Titik Tengah Usia Pria lebih rendah dari Titik Tengah Usia Wanita.
Kedua garis Median berada persisi di tengah, hal ini menunjukan data berdistribusi normal
Terdapat satu data dengan tanda ”O” Outlier(nilai yang berada diluar garis/Ekstrim) yaitu pada kasus 23 (29th) untuk pria.
usia Stem-and-Leaf Plot forgender= Pria
Frequency Stem & Leaf
4.00 24 . 0000 3.00 25 . 000 3.00 26 . 000 2.00 27 . 00 .00 28 . 1.00 29 . 0
Stem width: 1 Each leaf: 1 case(s)
usia Stem-and-Leaf Plot forgender= Wanita
Frequency Stem & Leaf
1.00 24 . 0 4.00 25 . 0000 3.00 26 . 000 2.00 27 . 00 2.00 28 . 00 1.00 29 . 0
Stem width: 1 Each leaf: 1 case(s)
HASIL OUTPUT STEM AND LEAF
Output Stem and Leaf
Terdapat frekuensi 4 responden berusia 24th (lihat kolom Stem)
Terdapat kelompok usia 24-an sebanyak 4 responden
Kolom Leaf 0000 berarti terdapat cabang (leaf) dari 24 yaitu 0,0,0,0 berarti usia responden tersebut 24th, 24th, 24th, dan 24th.
Terdapat satu data Pria (frequency =1) yang diberi tanda Extremes, hal ini menunjukan terdapat data outlier sejumlah satu, dengan keterangan usia sama atau di atas 29th
Uji Normalitas Data
Jenis KelaminStatistic df Sig. Statistic df Sig.Usia Responden Pria 0.178084 13 0.2 0.883685 13 0.08001
Wanita 0.181696 13 0.2 0.935725 13 0.403976* This is a lower bound of the true significance.a Lilliefors Significance Correction
Kolmogorov-Smirnov Shapiro-WilkTests of Normality
Analisis Nilai Sig. atau signifikansi atau nilai probabilitas
< 0,05, maka Distribusi Tidak Normal
Nilai Sig. atau signifikansi atau nilai probabilitas > 0,05, maka Distribusi Normal
Kesimpulan
Untuk Usia Responden baik pria maupun wanita memiliki nilai Sig. Kolmogorov Smirnov > 0,05, maka Distribusi kedua sampel adalah Normal
Untuk Usia Responden baik pria maupun wanita memiliki nilai Sig. Shapiro Wilk > 0,05, maka Distribusi kedua sampel adalah Normal