program spss untuk perhitungan statistik

LAPORAN RESMI PRAKTIKUM

STATISTIKA

PROGRAM SPSS

OLEH :

ILHAM FAHUL HOIR

K2E008023

JURUSAN ILMU KELAUTAN

FAKULTAS PERIKANAN DAN ILMU KELAUTAN

UNIVERSITAS DIPONEGORO

SEMARANG

2009

BAB I

PENDAHULUAN

1.1. Latar Belakang

Dalam era dimana teknologi informasi telah berkembang pesat, setiap perusahaan

seharusnya dapat memanfaatkan data dan informasi, baik yang telah dimilikinya maupun yang

dapat diperoleh diluar instansinya, untuk mengambil keputusan yang tepat dan obyektif.

Kepekaan dan keakuratan pengambilan keputusan akan dapat ditingkatkan dengan menggunakan

metode dan teknologi yang tepat serta keahlian dan ketrampilan yang handal. Analisis Statistik

terkadang menjadi kendala yang besar (meskipun bukan yang terbesar) bagi seorang mahasiswa

dalam menyelesaikan tugas akhir (skripsi). Hal ini bukan saja dikarenakan mahasiswa yang

bersangkutan kurang dapat menangkap materi yang disampaikan dosen pengajar, tetapi lebih

banyak dikarenakan mata kuliah Statistika, Statistika Lanjutan dan Rancangan Percobaan

diberikan pada pertengahan masa kuliah, sehingga pada saat diperlukan (semester akhir)

mahasiswa yang bersangkutan sudah "kelupaan" dengan materi statistik yang dulu pernah

dikuasainya.SPSS Indonesia mewakili SPSS Inc., produsen software statistik dan data mining

yang berkedudukan di Chicago, USA, untuk wilayah Indonesia. SPSS adalah singkatan dari

Statistical Products and Solution Services. SPSS menyediakan beraneka ragam software, yang

umum maupun spesifik. Untuk mengoptimalkan investasi suatu perusahaan/instansi pembeli

software, kami menyediakan fasilitas pelatihan bagi konsumen, baik yang bersifat umum maupun

dirancang khusus untuk kebutuhan spesifik suatu perusahaan. Sebagai perwakilan dari SPSS Inc.,

yang merupakan suatu perusahaan internasional, paket-paket pelatihan kami bersertifikat

internasional. Software Statistik dan Data Mining SPSS sangat mudah digunakan (userfriendly)

dan mempunyai banyak fasilitas untuk mempersiapkan, mengolah dan menganalisis data secara

statistik. Software maupun pelatihan tersedia dalam berbagai modul yang dapat dipilih sesuai

kebutuhan konsumen. Juga tersedia software untuk membantu pembuatan kuesioner serta

pemasukan data secara otomatis.

1.2 Permasalahan

1.2.1 Pada saat ini bidang statistik dikenal sebagai suatu alat untuk menguji konsep-konsep dan

untuk merasakan arah-arah didalam berbagai ragam disiplin ilmu.

1.2.2 Statistik diperlukan di dalam dunia perguruan tinggi dan dunia perusahaan serta di dalam

kehidupan sehari-hari.

Dari berbagai software khusus statistik yang beredar sekarang, SPSS adalah yang paling

populer dan paling banyak digunakan pemakaiannya di seluruh dunia dalam berbagai riset sains.

Oleh karennya disini kita akan mempelajari program SPSS yang merupakan salah satu software

tentang satistik

1.3 Tujuan

Tujuan dari praktikum statistik SPSS kali ini adalah, mahasiswa diharapkan dapat :

1. Dapat menganalisa data-data statistik dengan metode analisa histogram.

2. Dapat menganalisa data-data statistik dengan metode explore.

3. Dapat menganalisa data-data statistik dengan metode analisa one sample T-Test.

4. Dapat menganalisa data-data statistik dengan metode analisa Independent Sample T-Test.

5. Dapat menganalisa data-data statistik dengan metode Paired Sample T-Test.

1.4 Manfaat

1.4.1 Memberikan pengetahuan baru kepada praktikan tentang program SPSS.

1.4.2 Praktikan tau dan mampu melakukan deskripsi dan inferensia data dengan menggunakan

SPSS

1.4.3 Merupakan suatu bekal untuk praktikan dalam melakukan riset.

BAB II

TINJAUAN PUSTAKA

2.1. Pengertian dan Peran Statistik

Statistika adalah cabang ilmu yang mempelajari tentang bagaimana mengumpulkan, menganalisis

dan menginterpretasikan data. Atau dengan kata lain, statistika menjadi semacam alat dalam melakukan

suatu riset empiris.

Dalam menganalisis data, para ilmuwan menggambarkan persepsinya tentang suatu fenomena.

Deskripsi yang sudah stabil tentang suatu fenomena seringkali mampu menjelaskan suatu teori.

(Walaupun demikian, orang dapat saja berargumentasi bahwa ilmu biasanya menggambarkan bagaimana

sesuatu itu terjadi, bukannya mengapa). Penemuan teori baru merupakan suatu proses kreatif yang

didapat dengan cara mereka ulang informasi pada teori yang telah ada atau mengesktrak informasi yang

diperoleh dari dunia nyata. Pendekatan awal yang umumnya digunakan untuk menjelaskan suatu

fenomena adalah statistika deskriptif.

Sebenarnya banyak sekali definisi tentang statistik, tetapi tidak ada definisi yang memuaskan. Hal ini

disebabkan karena luasnya ruang lingkup statistik. Untuk keperluan praktis, statistik bisa diartikanSecara

sempit dan luas. Dalam arti sempit, statistik berarti data ringkasan berbentuk angka (kuantitatif) Dalam

arti luas, statistik berarti suatu ilmu yang mempelajari cara pengumpulan, pengolahan/pengelompokkan,

penyajian, dan analisis data serta cara pengambilan kesimpulan secara umum berdasarkan hasil penelitian

yang tidak menyeluruh

Statistik pada masa kini mempengaruhi hamper seluruh aspek kehidupan modern, contohnya

antara lain sebagai berikut :

a. Perencanaan secara statistik dan evaluasi peneletian yang membantu terciptanya kemajuan

teknologi dalam menghasilkan dan memproses makanan.

b. Pengembangan dan pengendalian mutu produk.

c. Membantu pengumpulan pendapat umum (polling).

d. Membantu dalam pengambilan keputusan suatu kebijakan dan lain-lain.

2.2. Variabel Statistik dan Skala Pengukuran

Dalam statistik terdapat beberapa macam varibel statistik yang digunakan antara lain :

Variabel Yang Bersifat Kualitatif

Skala Nominal

Skala yang paling primitif, yang hanya bisa menyatakan apakah dua buah nilai sama atau tidak,

dan murni kualitatif. Jika sebuah ruang sampel eksperimen terdiri dari kategori tanpa urutan yang alami,

maka variabel acak yang berkaitan terskala secara nominal. Angka-angka atau jumlah berbeda yang

ditugaskan untuk memberi hasil biasanya mengindikasikan apakah sembarang dua keluaran (outcome)

sama atau tidak ( Anonim, 2009 ).

Namun untuk membandingkan dua opini, kita hanya bisa merelasikannya sebatas kesamaan jenis

atau tidak. Angka atau jumlah tersebut tidak menghasilkan ranking. Variabel binary atau Variabel

dikotomus adalah variabel yang memiliki tepat dua outcome yang eksklusif satu sama lainnya. Jika

angka-angka indikator yang ditentukan tersebut menyampaikan informasi tentang ranking kategori, maka

variabel binari dapat juga dianggap terskala secara ordinal ( Anonim, 2009 ).

Jika kategori (peristiwa) yang merupakan ruang sampel tersebut bersifat ekslusif satu dengan

lainnya, misalnya sebuah elemen statistik bisa berhubungan dengan lebih dari satu kategori, maka

variabel tersebut dinamakan kumulatif. Sebagai contoh, seseorang bisa menerima kualifikasi kategori

profesional yang berbeda. Tapi hanya bisa satu pekerjaan saja yang fulltime ( Anonim, 2009 ).

Variabel Kuantitatif

Pengukuran variabel kuantitatif dapat juga ditafsirkan dengan istilah jarak antara berbagai observasi

tanpa adanya pengurutan yang alami ( Anonim, 2009 ).

Skala Interval

Jika jarak antara pengukuran ditafsirkan lebih mendalam, maka variabel tersebut diukur pada skala

interval. Berlawanan dengan skala rasio, rasio pengukuran tidak mempunyai pengertian yang mendasar,

dan untuk skala ordinal tidak.

Variabel Diskret

Sebuah variabel diskret yang mengambil himpunan nilai-nilai berhingga atau tak hingga disebut

diskret. Contoh: Produksi mobil perbulan atau jumlah bintang di ruang angkasa ( Anonim, 2009 ).

Varibel Kontinyu

Suatu variabel metrik dikatakan kontinyu jika mempunyai sejumlah tak hingga nilai-nilai pada

sembarang interval.

2.3. Elemen ststistik

Populasi adalah keseluruhan dari karakteristik (unit/individu/kasus/barang/peristiwa) hasil

pengukuran yang menjadi obyek penelitian.

Contoh : seluruh penduduk Kabupaten Bekasi, seluruh petani padi yang ada di Bekasi, seluruh anak

jalanan yang ada di Jakarta, dan lain-lain.

Sampel : merupakan bagian dari populasi yang paling tidak mempunyai satu ciri yang sama

dengan populasinya untuk mewakili populasi.

Contoh : penelitian dilakukan pada karyawan PEMDA Tk. II Bekasi sebanyak 5000 (sebagai populasi)

dengan ciri-ciri sebagai berikut : Pria, wanita Penghasilan di bawah 200.000,- per bulan Sudah

berkeluarga Lama bekerja lebih dari 5 tahun, dan lain-lain

Data adalah bahan mentah yang perlu diolah sehingga menghasilkan informasi atau keterangan, baik

kualitatif maupun kuantitatif yang menunjukkan fakta. Jenis data terdiri dari dua, yaitu data kualitatif dan

data kuantitatif.

Data kualitatif adalah data yang berhubungan dengan kategori, karakteristik berupa pertanyaan atau kata-

kata. Contoh : agama, jenis kelamin, suku bangsa, pangkat, status, dll.

2.1 Klasifikasi Statistik

2.4.1 Statistik Parametrik

Statistika parametrik: analisis yang didasarkan atas asumsi bahwa data memiliki sebaran

tertentu (diskrit atau kontinu, normal atau tidak normal) dengan parameter yang belum

diketahui. Fungsi metode statistika adalah untuk meramal parameter, melakukan uji parameter,

atau semata-semata melakukan eskplorasi berdasarkan informasi yagn ada pada data. Statistika

dikelompokkan dalam dua kelompok yaitu statistika deskriptif dan statistika inferensia

(http://bps.papua.go.id/nabire/docs/lain/Pengertian-Statistik-Dasar.pdf).

http://bps.papua.go.id/nabire/docs/lain/Pengertian-Statistik-Dasar.pdf

2.4.1.1 Statistik Deskriptif

Statistika deskriptif merupakan bagian dari statistika yang mempelajari cara

pengumpulan dan penyajian data sehingga mudah dipahami. Statistik deskriptif hanya

berhubungan dengan hal menguraikan atau memberikan keterangan-keterangan mengenai suatu

keadaan, gejala, atau persoalan. Statistik deskriptif mencakup hal berikut:

Distribusi frekuensi beserta bagian-bagiannya, seperti :

o Grafik distribusi (histogram, poligon frekuensi, dan ogive);

o Ukuran nilai pusat (rata-rata, median, modus, kuartil, dan sebagainya);

o Ukuran dispersi (jangkauan, simpangan rata-rata, variasi, simpangan baku,dan

sebagainya);

o Kemencengan dan keruncingan kurva

Angka indeks

Time series / deret waktu

Korelasi dan regresi sederhana

( Walpole dan Myers,1995)

2.4.1.2 Statistik Inferensi

Statistik inferensia adalah serangkaian teknik yang digunakan untuk mengkaji, menaksir

dan mengambil kesimpulan sebagian data (data sampel) yang dipilih secara acak dari seluruh

data yang menjadi subyek kajian (populasi). Statistik inferensia berfungsi meramalkan dan

mengontrol keadaan atau kejadian. Contoh pernyataan yang termasuk dalam cakupan statistik

infernsia; akibat penurunan produksi minyak dua kali lipat pada tahun-tahun mendatang.

Berdasarkan ruang lingkup bahasannya, maka statistik inferensial mencakup: (1) probabilitas

atau teori kemungkinan, (2) distribusi teoretis, (3) sampling dan sampling distribusi, (4)

pendugaan populasi atau teori populasi, (5) uji hipotesis rerata, (6) analisis korelasi dan uji

signifikansi, (7) analisis regresi untuk peramalan, (8) analisis varians, (9) analisis kovarians (

Spiegel, 1972).

2.4.2 Statistik Non – Parametrik

Statistika nonparametrik: analisis yang tidak didasarkan atas asumsi distribusi pada data.

Umumnya teknik ini dipakai untuk data dengan ukuran kecil sehingga tidak cukup kuat untuk

mengasumsikan distrbusi tertentu pada data ( Supangat, 2007).

2.2 Korelasi dan Regresi Sederhana

2.5.1 Korelasi

Untuk mengetahui seberapa erat hubungan antara 2 buah (atau lebih) variabel, digunakan

metode korelasi, baik itu korelasi parametrik maupun korelasi non-parametrik. Di dalam

korelasi, variabel-variabel dianggap sejajar, artinya tidak ada yg dianggap sebagai variabel

bebas (prediktor) dan variabel terikat (respon) seperti halnya regresi linier. Nilai koefisien

korelasi berkisar antara -1 s.d +1. Korelasi yang erat memiliki koefisien mendekati angka +1

atau -1, sedangkan korelasi lemah mendekati angka 0. Tanda (+) atau (-) menyatakan arah

hubungan.

Contoh: Korelasi Bivariat ==> Seberapa erat hubungan antara “uang saku mahasiswa”

dengan nilai nominal “voucher pulsa” yg terjual. Misal koefisien korelasi: r =0.8, maka berarti

seiring peningkatan banyaknya uang saku mahasiswa, maka nominal voucher yang terjual juga

semakin tinggi. Namun apabila koefisien korelasi r = -0.8, maka berarti seiring banyaknya uang

saku mahasiswa, semakin rendah nilai voucher pulsa yang terjual

(http://ineddeni.wordpress.com/2007/08/02/korelasi/).

2.5.2 Regresi sederhana

Analisis regresi linear adalah suatu meode analisis statistik yang menggunakan model

matematika tertentu yang terdiri atas beberapa buah asumsi. Secara teori, jelas bahwa hasil

analisis regresi linear akan mempunyai nilai (valid) hanya jika seluruh asumsi yang digunakan

dapat diterima. Oleh karena itu, seluruh asumsi yang digunakan harus diuji (atau dites)

keabsahannya untuk menguji validitas model. Untuk itulah digunakan pola kerja dalam analisis

regresi linear sebagai berikut.

Gambar 2.1 Pola Kerja dalam Analisis Regresi Linear

http://ineddeni.wordpress.com/2007/08/02/korelasi/

Pola tadi dibaca searah jarum jam, dimulai dari kotak di sebelah kiri, dalam bentuk spiral.

Jika hasil diagnosa di kotak bawah memperlihatkan bahwa model yang digunakan telah cukup

baik, maka proses pemodelan dihentikan. Lanjutkanlah dengan analisisnya. Jika modelnya

belum cukup baik, buatlah terapi untuk memodifikasi model

(http://www.math.itb.ac.id/~ma291/rls.htm).

2.3 Sejarah SPSS

Pada tahun 1968, Norman H.Nie, C.Hadlai (Tex) Hull dan Dale H.Bent, tiga orang

pemuda dari latar belakang professional berbeda, mengembangkan sistem perangkat lunak yang

berdasarkan gagasan statistika menggunakan untuk mengubah data mentah menjadi informasi

essensial untuk membuat keputusan. Sistem perangkat lunak statistic revolusioner ini disebut

SPSS, yang menjadi calon Statistical Package untuk Ilmu Pengetahuan Sosial. Ketiga pemuda

tersebut membangun SPSS dari keperluan untuk dengan cepat menganalisa volume data ilmu

pengetahuan social yang dikumpulkan lewat berbagai metode penelitian. Dilakukan kerja

pertama SPSS di Stanford University dengan maksud untuk membuatnya tersedia hanya untuk

dikonsumsi local dan tak ada distribusi internasional. Nie, seorang ilmuwan social dan Stanford

doctoral calon, mengambil target sasaran dan menetapkan kebutuhan; Bent calon doctor

Stanford university pada penelitian pelaksanaan, mempunyai keahlian analisa dan mendesain

struktur berkas sistem SPSS, dan Hull, yang baru tamat dari Stanfor dengan gelar MBA-nya ,

memprogram SPSS.

SPSS merupakan singkatan dari Statistical Package for Social Science. SPSS pertama

kali dikembangkan sekitar tahun 1960 sebagai perangkat lunak untuk sistem statistik pada

komputer Mainframe oleh Norman H. Nie, C. Hadly, dan Dale Bent dari Stanford University.

Pada tahun 1984 dikeluarkan SPSS/PC+ untuk personalkomputer (PC), sedangkan untuk versi

Windows diliris pada tahun 1992. Sesuai perkembangannya dari tahun 1994 sampai 1999,

beberapa produk yang telah dikeluarkan oleh SPSS, yaitu BMDP Statistical software, jandel

ScientificSoftware, Clear Software, In2itive Technologies AS, Intergal Solution Ltd, dan Vento

Software.

SPSS memiliki berbagai macam versi untuk komputer Windows, MacOS, dan UNIX.

Namun perkembangan SPSS lebih fokus pada platform Windows. Perkembangan dan penjualan

produk SPSS dikendalikan oleh perusahaan SPSS.Inc.

( Irunsah, 2007).

http://www.math.itb.ac.id/~ma291/rls.htm

2.4 Cara kerja SPSS

Untuk memulai SPSS 12.0 pastikan terlebih dahulu software SPSS 12.0 telah terinstal

pada komputer anda (baik dalam sistem operasi Windows XP, Windows Vista, Linux, ataupun

Macintosh). Untuk memulai SPSS 12.0 awali dengan mengklik start, kemudian klik all

programs selanjutnya klik SPSS for Windows lalu klik SPSS for Windows, sehingga akan

tampak di layar Gambar

2.5 Window SPSS

SPSS (Statistical Product and Service Solution) merupakan salah satu program aplikasi statistik

yang sering digunakan untuk pengolahan data.

Pada saat pertama kali SPSS dibuka, tampilan akan tampak SPSS data editor yang

mempunyai dua tampilan dalam satu layer, yaitu tampilan data view dan variable view. Menu

yang dipakai adalah:

File : untuk membuat file baru, membuka file tertentu, mencetak isi editor,

dll.

Terdiri dari :

1. Open

2. Save & Save as

3. Display data info

4. Print

5. Exit

Editor : untuk memperbaiki atau mengubah nilai data.

Terdiri dari :

1. Undo & Redo

2. Cut & Clear

3. Copy & Paste

4. Find

5. Edit Option

View : untuk mengatur toolbar.

Terdiri dari :

1. Status Bar

2. Tool Bar

3. Fonts

4. Grid lines

5. Value Labels

Data : untuk mengurutkan data berdasarkan kriteria tertentu.

Terdiri dari :

1. Define dates

2. Insert variable

3. Insert case

4. Go to case

5. Sort case

6. Transpose

7. Merge files

8. Aggregate

9. Split file

10. Select case

11. Weight case

Transform : untuk membuat perubahan pada variabel yang telah dipilih.

Terdiri dari :

1. Compute

2. Random number seed

3. Count

4. Recode

5. Categorize variables

6. Rank cases

7. Automatic recode

8. Create time series

9. Replace missing value

Analyze : untuk melakukan semua prosedur perhitungan statistik.

Terdiri dari :

1. Reports

2. Descriptive statistic

3. Compare means

4. General linier models

5. Correlate

6. Regression

7. Loglinier

8. Classify

9. Data reduction

10. Scale

11. Non parametric test

12. Survival

13. Multiple response

Graph : untuk membuat berbagai jenis grafik untuk mendukung analisa.

Terdiri dari :

1. gallery

2. interactive

3. bar

4. line

5. area

6. pie

7. high low

8. pareto

9. control

10. boxplot

11. error bar

12. scatter

13. histogram

14. p – p

15. q –q

16. sequence

17. ROC curve

18. Time series

Utilities : untuk memberi informasi tentang variabel yang sedang dikerjakan.

Terdiri dari :

1. Variable

2. File info

3. Define sets

4. Auto nem case

5. Run script

Windows : untuk berpimdah diantara menu – menu yang lain.

Terdiri dari :

1. Minimize all windows

Help : untuk menyediakan bantuan informasi mengenai program SPSS.

Terdiri dari :

1. Topics

2. Tutorial

3. SPSS homepage

4. Syntax guide

5. Statistic coach

6. About

7. Register product

Selain data editor, menu lainnya adalah Menu output viewer (untuk menampilkan hasil

pengolahan data atau informasi), Menu syntax viewer (untuk menuliskan beberapa perintah atau

pilihan yang hanya dapat digunakan dengan SPSS Command Language), dan Menu script editor

(untuk melakukan berbagai pengerjaan SPSS secara otomatis, seperti membuka dan menutup file,

export chart, dll).

2.6 Morfometri Kerang Anadara granosa

Pertumbuhan kerang A. granosa dapat diamati dengan melihat pertambahan ukuran

cangkang kerang. Bertambahnya ukuran kerang ditandai dengan bertambahnya garis

pertumbuhan. Secara umum pengukuran panjang merupakan salah satu parameter untuk

mengetahui pertumbuhan kerang. Faktor-faktor yang mempengaruhi pertumbuhan kerang yaitu

musim, suhu, makanan, salinitas dan faktor kimia air lainnya yang berbeda-beda pada masing-

masing daerah. Untuk upaya pelestarian kerang A. granosa di perairan Teluk Sungai Pisang

Kota Padang dilakukan penelitian tentang kondisi kerang A. granosa tersebut dengan tujuan

untuk mengetahui kepadatan kerang A. granosa dan pertumbuhannya. Penelitian ini diharapkan

dapat digunakan sebagai informasi dasar untuk menggali dan mengembangan potensi kerang A.

granosa di daerah tersebut (F. N. Oon, 2006).

2.7 Dinamika Populasi Kerang Anadara granosa

Kepadatan populasi kerang A. granosa berdasarkan individu dan berat kering isi pada

masing-masing strata dapat dilihat pada Tabel 1. Kepadatan populasi A. granosa berdasarkan

jumlah individu/m2 berkisar 0,3–1,8 ind./m2. Kepadatan populasi kerang yang tertinggi pada

strata III stasiun 1 yaitu 1,8 ind./m2 dan terendah strata II stasiun 1 yaitu 0,3 ind./m2. Rerata

kepadatan populasi kerang A. granosa berdasarkan jumlah individu/m2 pada strata I, II dan III

yaitu 0,3; 1,0 dan 1,4 ind./m2. Jumlah kerang A. granosa yang ditemukan selama pencuplikan

yaitu 81 individu. Pada strata I ditemukan 9 individu, strata II 30 individu dan strata III 42

individu yang tersebar pada masing-masing kedalaman. Jumlah individu populasi kerang A.

granosa cenderung lebih tinggi di kedalaman 1-1,5 m. Kerang yang didapatkan pada kedalaman

ini berukuran 30 mm lebih dan merupakan kerang yang sudah dewasa. Menurut Baron [12]

bahwa kerang Anadara matang kelamin ukuran 20 mm atau lebih. Kepadatan populasi kerang

A. granosa yang tertinggi yaitu 1,8 ind./m2 pada strata III stasiun 1 kedalaman 0,5 m tetapi

kerang yang ditemukan berukuran kecil-kecil yaitu kurang 20 mm.

Berdasarkan berat kering isi kerang A. granosa berkisar 0,08–0,58 g/m2 (Tabel 1).

Kepadatan populasi kerang yang tertinggi pada strata III stasiun 2 yaitu 0,58 g/m2 dan terendah

strata II stasiun 1 yaitu 0,08 ind/m2. Rerata kepadatan populasi kerang A granosa berdasarkan

berat kering isi pada strata I, II dan III yaitu 0,05; 0,33 dan 0,43 g/m2. Kepadatan populasi

kerang A. granosa baik berdasarkan jumlah individu perluas area (ind/m2) maupun berat kering

isi kerang (g/m2) didapatkan hasil yang sama yaitu memiliki kepadatan populasi tertinggi pada

strata III dan yang terendah pada strata I.

Struktur populasi kerang A. granosa yang ditemukan di mangrove tergantung pada

struktur substrat [13]. Pada strata II substrat dasar keras sisa dari terumbu karang mati, sehingga

mengganggu tempat hidup kerang darah A. granosa. Strata III, lokasi sangat luas dan landai,

serta berhubungan dengan laut Samudra dan di halangi oleh beberapa buah pulau kecil yaitu

pulau Setan, pulau Pasumpahan sehingga arus relatif tenang. Strata III merupakan dasar perairan

pantai yang cocok dihuni oleh organisme penggali, khususnya penggali cepat. Lapisan pasir

berlumpur yang tebal dan luas di lokasi penelitian ini menyebabkan kerang A. granosa cocok

hidup pada substrat tersebut (F. N. Oon, 2006).

BAB III

MATERI DAN METODA

3.1. Waktu dan Tempat

Waktu : 13.00 – selesai WIB

Tempat : Laboratorium Komputer Ilmu Kelautan, FPIK

3.2. Materi

SPSS (Statistical Product and Service Solution) merupakan salah satu program aplikasi statistik

yang sering digunakan untuk pengolahan data.





dll.

Terdiri dari :

6. Open

7. Save & Save as

8. Display data info

9. Print

10. Exit


Terdiri dari :

6. Undo & Redo

7. Cut & Clear

8. Copy & Paste

9. Find

10. Edit Option


Terdiri dari :

6. Status Bar

7. Tool Bar

8. Fonts

9. Grid lines

10. Value Labels


Terdiri dari :

12. Define dates

13. Insert variable

14. Insert case

15. Go to case

16. Sort case

17. Transpose

18. Merge files

19. Aggregate

20. Split file

21. Select case

22. Weight case


Terdiri dari :

10. Compute

11. Random number seed

12. Count

13. Recode

14. Categorize variables

15. Rank cases

16. Automatic recode

17. Create time series

18. Replace missing value


Terdiri dari :

14. Reports

15. Descriptive statistic

16. Compare means

17. General linier models

18. Correlate

19. Regression

20. Loglinier

21. Classify

22. Data reduction

23. Scale

24. Non parametric test

25. Survival

26. Multiple response


Terdiri dari :

19. Gallery 36. Times series

20. interactive

21. bar

22. line

23. area

24. pie

25. high low

26. pareto

27. control

28. boxplot

29. error bar

30. scatter

31. histogram

32. p – p

33. q –q

34. sequence

35. ROC curve


Terdiri dari :

6. Variable

7. File info

8. Define sets

9. Auto nem case

10. Run script


Terdiri dari :

2. Minimize all windows


Terdiri dari :

8. Topics

9. Tutorial

10. SPSS homepage

11. Syntax guide

12. Statistic coach

13. About

14. Register product




(untuk melakukan berbagai pengerjaan SPSS secara otomatis, seperti membuka dan menutup file,

export chart, dll).

3.3 Metode praktikum

3.3.1 Pengenalan Paket Program SPSS

SPSS (Statistical Product and Service Solution) merupakan salah satu program aplikasi

statistik yang sering digunakan untuk pengolahan data.





dll.













(untuk melakukan berbagai pengerjaan SPSS secara otomatis, seperti membuka dan menutup

file, export chart, dll).

Langkah – langkah memasukkan data dalam SPSS:

1. Membuat lembar kerja baru

Pilih menu utama file

Pilih submenu new

Klik data

2. Menamai variabel yang diperlukan

Klik variable view yang ada dibagian kiri bawah, maka pada SPSS data editor akan

tampil kolom – kolom dengan heading name, type, widht, decimal, labels, value, dsb.

3. Memasukkan data dengan terlebih dulu mengaktifkan data view.

3.3.2 Statistik Deskriptif (Explore)

Langkah – langkah:

Klik Analyze

Pilih Descriptive statistic

Klik Explore

Pindahkan data panjang dan lebar dari kolom kiri kekolom dependent list dengan cara

mengeblok kemudian klik tanda panah.

Klik Statistics kemudian beri tanda (v) pada descriptive.

Klik continue

Klik plots untuk keseragaman, pada boxplot pilih factor levels together dan pada

descriptive pilih steam and leaf.

3.3.3 Menguji Normalitas dan Varians

Konsep penting dalam statistik inferensi adalah: (1) apakah beberapa ssampel yang telah

diambil berasal dari populasi yang sama (populasi data berdistribusi normal)? Dan (2) apakah

sampel – sampel tersebut mempunyai varians yang sama?


Klik Analyze

Pilih Descriptive statistic

Klik Explore

Pindahkan data ukuran dari kolom kiri ke kolom dependent list dengan cara mengeblok

kemudian klik tanda panah.

Pindahkan data kode dari kolom factor list dengan cara mengeblok kemudian klik tanda

panah.

Klik Statistic kemudian beri tanda (v) pada descriptive.

Klik continue

Klik Plots dan untuk keseragaman, pada bloxplot pilih non dan pada desctriptive tidak

ada yang dipilih.

Beri tanda (v) pada normality plots with test.

Pada bagian spread vs level with levene test pilih power estimation.

Klik continue

Pada bagian display pilih both

Klik OK.

3.3.4 Scetterplot

Deskriptif ini digunakan untuk mengetahui sebaran data pada statistik univarian.


Klik graph

Pilih scatte / dot

Klik simple scatter

Klik define

Pindahkan data logpanjang dari kolom kiri ke kolom X axis dengan cara mengeblok

kemudian klik panah

Pindahkan data loglebar dari kolom kiri ke kolom Y axis dengan cara mengeblok

kemudian klik panah.

OK

3.3.5 Hipotesis

Ho = tidak ada hubungan antara panjang cangkang dengan lebar cangkang pada kerang

Anadara granosa.

Hi = ada hubungan antara panjang cangkang dengan lebar cangkang pada kerang

Anadara granosa.

3.3.6 Regresi dan korelasi

Analisa regresi linier sederhana merupakan analisis yang membicarakan hubungan antara

2 buah variabel, yaitu variabel bebas dan variavel tergantung.


Klik Analyze

Pilih regression

Pilih linier

Pindahkan data logpanjang dari kolom kiri ke kolom independent dan loglebar ke kolom

dependent dengan cara mengeblok kemudian klik panah.

Pada kolom method pilih enter

Klik tombol statistic

Pada kolom regression coefficient pilih estimate

Beri tanda (v) pada model fit dan descroptive.

Pada kolom residual beri tanda (v) pada casewise diagnostic dan pilih all cases.

Klik continue

Klik tombol plots

Klik pilihan sdresid dan masukkan kekolom Y lalu klik pilihan zpred dan masukkan

kekolom X.

Klik next

Klik pilihan zpred dan masukkan kekolom Y lalu klik dependnt dan masukkan kekolom

Y.

Pada kolom standardized residual plots beri tanda (v) pada normal probability plot.

Klik continue

Klik Ok

BAB IV

HASIL DAN PEMBAHASAN

4.1 Hasil


Memasukkan data

Uji frekuensi

Statistics

tinggi badan

tinggi badan

Statistics

Frequency Percent Valid

Percent Cumulative Percent

Vali

d 159.6

0 2 8.0 8.0 8.0

161.30

1 4.0 4.0 12.0

164.8

0 2 8.0 8.0 20.0

167.20

2 8.0 8.0 28.0

168.5

0 2 8.0 8.0 36.0

168.6

0 1 4.0 4.0 40.0

168.90

3 12.0 12.0 52.0

170.2

0 1 4.0 4.0 56.0

170.40

3 12.0 12.0 68.0

172.5

0 4 16.0 16.0 84.0

174.5

0 2 8.0 8.0 92.0

177.5

0 1 4.0 4.0 96.0

180.3

0 1 4.0 4.0 100.0

Total 25 100.0 100.0

155.00 160.00 165.00 170.00 175.00 180.00 185.00

tinggi badan

0

2

4

6

8

10

Fre

qu

en

cy

Mean = 169.40Std. Dev. = 4.96328N = 25

Histogram

tinggi badan jenis kelamin

N Valid 25 25 Missing 0 0

Mean 169.4000 1.56 Std. Error of Mean .99266 .101 Median 168.9000 2.00 Std. Deviation 4.96328 .507 Variance 24.634 .257 Skewness -.155 -.257 Std. Error of Skewness .464 .464 Kurtosis .452 -2.110 Std. Error of Kurtosis .902 .902 Range 20.70 1 Minimum 159.60 1 Maximum 180.30 2 Percentiles 25 167.2000 1.00

50 168.9000 2.00 75 172.5000 2.00

tinggi badan


Percent Cumulative

Percent

Valid 159.6

0 2 8.0 8.0 8.0

161.30

1 4.0 4.0 12.0

164.8

0 2 8.0 8.0 20.0

167.20

2 8.0 8.0 28.0

168.5

0 2 8.0 8.0 36.0

168.6

0 1 4.0 4.0 40.0

168.90

3 12.0 12.0 52.0

170.2

0 1 4.0 4.0 56.0

170.40

3 12.0 12.0 68.0

172.5

0 4 16.0 16.0 84.0

174.5

0 2 8.0 8.0 92.0

177.5

0 1 4.0 4.0 96.0

180.3

0 1 4.0 4.0 100.0

Total 25 100.0 100.0

jenis kelamin


Percent Cumulative

Percent

Valid pria 11 44.0 44.0 44.0 wanita 14 56.0 56.0 100.0 Total 25 100.0 100.0

159.60

161.30

164.80

167.20

168.50

168.60

168.90

170.20

170.40

172.50

174.50

177.50

180.30

tinggi badan

pria

wanita

jenis kelamin

One sample T-Test

One-Sample Statistics

N Mean Std.

Deviation Std. Error

Mean

Total

Haemocyte 25

3888.800

0 1124.33803

224.8676

1

One-Sample Test

Test Value = 5037.308

t df Sig. (2-

tailed) Mean

Difference

95% Confidence

Interval of the Difference

Lower Upper

Total Haemocyte -5.107 24 .000

-1148.5080

0

-1612.611

9

-

684.4041

Paired sample T – test

Paired Samples Statistics

Mean N Std.


Mean

Pair 1 sebelum

perlakuan 4054.000

0 25 1205.52893

241.1057

9 sesudah diberi

perlakuan 4685.600

0 25 1757.65014

351.5300

3

Paired Samples Correlations

N Correlation Sig.

Pair 1 sebelum

perlakuan &

sesudah diberi perlakuan

25 .280 .175

Paired Samples Test

Paired Differences

t df

Sig. (2-

tailed

) Mean Std.


Mean

95% Confidence

Interval of the Difference

Lower Upper

Pair 1 sebelum

perlak

uan - sesuda

h

diberi

perlakuan

-631.6000

0 1831.78802

366.3576

0

-1387.724

93

124.5249

3 -1.724 24 .098

Independent sample T – test

Group Statistics

jenis perlakuan N Mean Std.


Mean

Total Haemocyte Count

ekstrak air kunyit 1% 25

4361.9328

1023.80056 204.7601

1 Powder kunyit 1 %

25 3080.800

0 1620.26469

324.0529

4

Independent Samples Test

Levene's Test for

Equality of

Variances t-test for Equality of Means

F Sig. t df

Sig.

(2-taile

d)

Mean Differen

ce Std. Error

Difference

95% Confidence Interval of the

Difference

Lower Upper

Total Haemocyte

Count

Equal variances assumed 3.10

1 .085

3.34

2 48 .002

1281.13

280 383.32364

510.40

897 2051.856

63

Equal variances not assumed

3.34

2 40.

530 .002

1281.13

280 383.32364

506.72

206 2055.543

54


Case Processing Summary

Cases

Valid Missing Total

N Percent N Percent N Percent

panjang 25 100.0% 0 .0% 25 100.0%

lebar 25 100.0% 0 .0% 25 100.0%

Descriptives

Statistic Std. Error

panjang Mean 1.8652 .05848

95% Confidence Interval

for Mean

Lower Bound 1.7445

Upper Bound 1.9859

5% Trimmed Mean 1.8569

Median 1.7200

Variance .085

Std. Deviation .29238

Minimum 1.50

Maximum 2.40

Range .90

Interquartile Range .60

Skewness .471 .464

Kurtosis -1.364 .902

lebar Mean 2.5092 .10050


for Mean

Lower Bound 2.3018

Upper Bound 2.7166

5% Trimmed Mean 2.4502

Median 2.3000

Variance .253


Minimum 2.00

Maximum 4.20

Range 2.20


Skewness 1.976 .464

Kurtosis 4.534 .902

panjang Stem-and-Leaf Plot

Frequency Stem & Leaf

3,00 15 . 005

6,00 16 . 000079 4,00 17 . 0002

2,00 18 . 00

1,00 19 . 0

,00 20 . 2,00 21 . 00

4,00 22 . 0000

2,00 23 . 00 1,00 24 . 0

Stem width: ,10

Each leaf: 1 case(s)

lebar Stem-and-Leaf Plot

Frequency Stem & Leaf

5,00 2 . 01111

9,00 2 . 222233333

3,00 2 . 445 3,00 2 . 677

2,00 2 . 89

1,00 3 . 0

,00 3 . 1,00 3 . 5

1,00 Extremes (>=4,2)

Stem width: 1,00

Each leaf: 1 case(s)

4.1.3 Menguji Normalitas dan Varian

Case Processing Summary

parameter

ukur

Cases

Valid Missing Total

N Percent N Percent N Percent

murfometri kerang panjang 23 100.0% 0 .0% 23 100.0%

lebar 23 100.0% 0 .0% 23 100.0%

Descriptives

parameter ukur Statistic Std. Error

murfometri kerang panjang Mean .2707 .01399


for Mean

Lower Bound .2417

Upper Bound .2997

5% Trimmed Mean .2700

Median .2553

Variance .005


Minimum .18

Maximum .38

Range .20


Skewness .223 .481


lebar Mean .2689 .01432


for Mean

Lower Bound .2392

Upper Bound .2986

5% Trimmed Mean .2680

Median .2553

Variance .005


Minimum .18

Maximum .38

Range .20


Skewness .223 .481


Tests of Normality

parameter

ukur

Kolmogorov-Smirnova Shapiro-Wilk

Statistic df Sig. Statistic df Sig.

murfometri kerang panjang .178 23 .057 .896 23 .021

lebar .191 23 .030 .891 23 .017

a. Lilliefors Significance Correction

Test of Homogeneity of Variance

Levene

Statistic df1 df2 Sig.

murfometri kerang Based on Mean .035 1 44 .852

Based on Median .029 1 44 .866

Based on Median and

with adjusted df .029 1 43.978 .866

Based on trimmed mean .033 1 44 .856

4.1.4 Scetterplot

4.1.5 Hipotesis


Descriptive Statistics

Mean Std. Deviation N

lebar cangkang .2657 .06668 25

panjang cangkang .2657 .06668 25

Correlations

lebar cangkang

panjang

cangkang

Pearson Correlation lebar cangkang 1.000 1.000

panjang cangkang 1.000 1.000

Sig. (1-tailed) lebar cangkang . .000

panjang cangkang .000 .

N lebar cangkang 25 25

panjang cangkang 25 25

Variables Entered/Removedb

Model

Variables

Entered

Variables

Removed Method

1 panjang

cangkanga

. Enter

a. All requested variables entered.

b. Dependent Variable: lebar cangkang

Model Summaryb

Model R R Square

Adjusted R

Square

Std. Error of

the Estimate

1 1.000a 1.000 1.000 .00000

a. Predictors: (Constant), panjang cangkang


ANOVAb

Model

Sum of

Squares df Mean Square F Sig.

1 Regression .107 1 .107 . .000a

Residual .000 23 .000

Total .107 24

a. Predictors: (Constant), panjang cangkang


Coefficientsa

Model

Unstandardized Coefficients

Standardized

Coefficients

t Sig. B Std. Error Beta

1 (Constant) .000 .000 . .

panjang cangkang 1.000 .000 1.000 . .

a. Dependent Variable: lebar cangkang

Casewise Diagnosticsa

Case

Numbe

r Std. Residual lebar cangkang

Predicted

Value Residual

1 . .32 .3222 .00000

2 . .36 .3617 .00000

3 . .20 .2041 .00000

4 . .23 .2304 .00000

5 . .34 .3424 .00000

6 . .34 .3424 .00000

7 . .34 .3424 .00000

8 . .23 .2304 .00000

9 . .26 .2553 .00000

10 . .36 .3617 .00000

11 . .34 .3424 .00000

12 . .38 .3802 .00000

13 . .18 .1761 .00000

14 . .26 .2553 .00000

15 . .32 .3222 .00000

16 . .23 .2304 .00000

17 . .20 .2041 .00000

18 . .28 .2788 .00000

19 . .20 .2041 .00000

20 . .20 .2041 .00000

21 . .18 .1761 .00000

22 . .22 .2227 .00000

23 . .24 .2355 .00000

24 . .23 .2279 .00000

25 . .19 .1903 .00000


Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N

Predicted Value .1761 .3802 .2657 .06668 25

Std. Predicted Value -1.345 1.717 .000 1.000 25

Standard Error of

Predicted Value . . . . 0

Adjusted Predicted Value . . . . 0

Residual .00000 .00000 .00000 .00000 25

Std. Residual . . . . 0

Stud. Residual . . . . 0

Deleted Residual . . . . 0

Stud. Deleted Residual . . . . 0

Mahal. Distance .025 2.947 .960 .761 25

Cook's Distance . . . . 0

Centered Leverage Value .001 .123 .040 .032 25


4.2 Pembahasan

4.3 Pembahasan


Pada Praktikum saat ini kita semua telah membahas mengenai salah satu program yang terpenting

dan diterapkan dalam bidang ilmu statistika yaitu program SPSS. Didalam program ini,

pengolahan data yang digunakan yaitu pengolahan secara digital, hal ini dikarenakan program

SPSS ini merupakan suatu software yang digunakan untuk membantu mempermudah pengolahan

sample data yang spasial.

Pada beberapa hasil di atas kita dapat mengetahui bahwa suatu data dapat diolah dengan

berbagai cara tergantung dengan permintaan si pemberi soal. Output yang terdapat pada hasil

pengolahan data diatas kita dapat lihat bahwa terdapat berbagai jenis pengplotan misalnya

histogram, pie chart, boxplot dll. Dalam hal ini saya menggunakan grafik berbentuk histogram

dikarenaka agar dapat mempermudah pembacaan atau penafsiran makna dari grafik yang

tercantum. Jika saya menggunakan pie chart, saya akan menemui beberapa kendala, misalnya

seperti perbedaan warna yang kurang kontras dan tidak dapat mengetahui garis penghubung nilai

mean dll.

Pada Pengolahan datanya, kita menggunakan beberapa data untuk diuji yaitu :

Uji Frekuensi

Di uji data dengan jumlah data sebanyak 25 buah. Hasil yang didapat adalah

sebagai berikut:

Mean = 169.4000

Median = 168.9000

Varians = 24.634

Skewness = - 0.155

Kurtosis = 0.452

Range = 20.70

Nilai maksimum = 180.30

Nilai minimum = 159.60

Pada tabel frekuensi tinggi badan, penafsiran data dilakukan tiap baris dan

dihitung secara kumulatif. Demikian perhitungan dilakukan seterusnya hingga mencapai

100%.

Dari hasil, histogram yang terlihat frekuensi terbesar adalah pada kisaran tinggi

badan ± 170,00

Dari hasil berupa pie chart pada tinggi badan, frekuensi terbesar ada pada kisaran

tinggi badan ± 172,50. Sedangkan dari pie chart data jenis kelamin, frekuensi terbanyak

adalah wanita.

One sample T-Test menggunakan data Ulangan.

Diketahui bahwa nilai rata – rata dari hasil adalah 3888.800 dan standart deviasi

1124.33803.

Pada tabel kedua terdapat pengambilan keputusan dimana:

Jika t output > t table maka H0 ditolak.

Jika t output < t table maka H0 diterima.

Dimana nilai t output adalah – 5.156, maka keputusan yang diambil adalah terima H0 (t

output < t table).

Period Sample T-Test menggunakan perbandingan dua data mingguan atau per periode.

Dari output 1 (Paired Samples statistics) dimana nilai mean T1 adalah 4.054 dan

T2 adalah 4.685. dan output 2 (paired Samples Test) diketahui bahwa korelasi antara

kedua variable T1 dan T2 yaitu 0.280 dengan nilai probabilitas > 0.05. hal ini

menyatakan bahwa korelasi antara T1 dan T2 adalah lemah.

Independent Sample T-Test menggunakan dua buah perbandingan data perlakuan pada

suatu sample.

Outputan pertama (Group Statistics) menunjukan nilai rata – rata dari T1 adalah

4.3619328dan T2 adalah 3.0808000.

Dari nilai t hitung (t kritis) diperoleh 3.34. sehingga nilai table t adalah 2.06.

didapat kesimpulan bawa 3.34 > 2.06 maka tolak H0.


Semua data berjumlah 50, yang terdiri dari panjang (25) dan lebar (25) dengan percent

valid sebesar 100%.

Output descriptive mendeskripsikan data mengenai nilai masing – masing mean, median,

range, nilai maksimum dan minimum dari masing – masing variable.

4.2.3 Menguji Normalitas dan Varian

Output test of normality terlihat nilai signifikan pada data murfometri kerang adalah

panjang cangkang 0.021 dan lebar cangkang 0.017. dimana nilai signifikansi < 0.05 sehingga

distribusi datanya berdistribusi tidak normal.

Output untuk menguji normalitas dengan plot (Q – Q plot) dilihat bahwa distribusi

datanya dikatakan normal. Hal ini dapat terlihat dari sebaran data di sekeliling garis. Dan

Output pada Detrended normal Q – Q plot terdeteksi pola dari titik – titik yang bukan bagian

dari kurva normal.

4.2.4 Scetterplot

Terlihat sebaran data dalam satu garis dan terdistribusi secara normal.

4.2.5 Hipotesis

H0 = tidak ada korelasi antara 2 variable, dan

H1 = ada korelasi antara 2 variable.


Output korelasi dimana hipotesisnya:

H0 = tidak ada korelasi antara 2 variable, dan

H1 = ada korelasi antara 2 variable.

Dimana jika Probabilitas > 0.05 maka H0 diterima, dan sebaliknya jika probabilitas <

0.05 maka H0 ditolak. Karena semua angka probabilitasnya adalah 0.000 maka

keputusannya adalah (0.000 < 0.05) tolah Ho atau terima H1. Dimana semua variabel secara

nyata adalah berkorelasi.

Output model summary dimana nilai R adalah sebesar 1.000 menunjukan bahwa

korelasinya sangat kuat (>0.05). Sedangkan nilai SEE adalah 0.0000 menunjukan model

regresi semakin tepat dalam memprediksi variable dependent.

Output anova diketahui bahwa Fhitung adalah 0 dengan probabilitas 0.000 menunjukan

bahwa panjang cangkang dan lebar cangkang saling mempengaruhi.

BAB V

KESIMPULAN DAN SARAN

5.1 Kesimpulan

1. Metode statistika dapat dibedakan menjadi dua bagian utama, yaitu statistik parametrik dan

statistik non – parametrik.

2. Statistika parametrik : analisis yang didasarkan atas asumsi bahwa data memiliki sebaran

tertentu (diskrit atau kontinu, normal atau tidak normal) dengan parameter yang belum

diketahui. Fungsi metode statistika adalah untuk meramal parameter, melakukan uji

parameter, atau hanya melakukan eksplorasi berdasarkan informasi yang ada pada data.

3. Statistik non parametrik : analisis yang dipakai tidak didasarkan atas asumsi distribusi pada

data. Umumnya teknik ini dipakai untuk data dengan ukuran kecil sehingga tidak cukup kuat

untuk mengasumsikan distribusi tertentu.

4. Persoalan yang dihadapi pada umumnya adalah menduga atau menguji parameter yang

belum diketahui distribusi tertentu yang dianggap sesuai dengan kondisi data. Metode

statistika yang diturunkan seperti ini disebut metode parametric.

5. Statistik dengan uji hipotesis yaitu untuk membuktikan dengan alat statistika, apabila dugaan

yang dimiliki dapat dibuktikan benar atau sebaliknya. Ada dua kelompok besar yang dapat

dilakukan dengan uji hipotesis: uji hipotesis terkait uji rerata, dan uji hubungan baik terbatas

pada besarnya derajat asosiasi (uji korelasi) atau mencari bentuk hubungan fungsional

beberapa variabel (uji regresi).

5.2 Saran

1. Seharusnya agar lebih efektif, efisien, dan optimal komputer untuk mengolah data lebih

diperbanyak lagi, sehingga tidak ada praktikan yang mengerjakan pengolahan data

dipraktikum berdesak-desakan.

2. Untuk praktikum selanjutnya agar asisten lebih selektif lagi dalam memberi jadwal

praktikum, agar tidak terulang kembali jadwal praktikum yang tidak sesuai dengan jadwal

sebelumnya.

3. Untuk pembelajaran pengolahan data seharusnya asisten lebih komunikatif lagi dengan para

praktikan.

program spss untuk perhitungan statistik

Documents