laporan resmi praktikum

Document Sample
laporan resmi praktikum Powered By Docstoc
					                                         BAB I
                                 PENDAHULUAN
1.1. Latar Belakang
       Pada zaman yang semakin maju, semakin rumit dan kompleksnya permasalahan-
   permasalahan yang dihadapi oleh manusia seperti; pengolahan data. Akan tetapi sekarang
   telah terdapat komputer yang berasal dari kata ‘Computare’ dalam bahasa Yunani yang
   berarti menghitung. Yang dibuat untuk mempermudah dalam melakukan pengolahan
   data yang didasarkan pada operasi matematika, seperti operasi logika. Jika pada awal
   perkembangannya, komputer hanya membantu menyelesaikan pekerjaan manusia, pada
   saat ini justru banyak pekerjaan yang sangat bergantung pada kinerja komputer dalam
   mengolah data menjadi informasi.      Hal ini dikarenakan komputer mempunyai tiga
   keunggulan utama dibandingkan manusia dalam hal pengolahan data, yaitu kecepatan,
   ketepatan dan keandalan.
      Akan tetapi komputer saja tidak cukup untuk menyelesaikan permasalahan yang ada,
   seperti permasalahan yang dihadapi mahasiswa dalam mata kuliah statistik yaitu dalam
   memasukkan data (data entry), mengedit data, transformasi data, analisis data yang
   dibutuhkan dalam penelitian, dan permasalahan dalam membuat dan mendistribusikan
   informasi yang berguna untuk pengambilan keputusan dalam suatu organisasi, agar tetap
   eksis dan unggul dalam kompetisi yang ketat. Oleh karena itu dibuatlah suatu program
   statistik yang berupa software SPSS pada tahun 1968 oleh tiga mahasiswa Stanford
   University yang dioperasikan pada komputer mainframe. Dan untuk mengetahui program
   tersebut maka diadakannya praktikum SPSS bagi para mahasiswa.           Yang nantinya
   diharapkan dengan program SPSS (Statistical Product and Service Solution) tersebut
   dapat mempermudah mahasiswa dalam menghitung dan menganalisis suatu data yang
   telah diperoleh sebelumnya.


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.
      1.2.3 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 yang paling
           populer


1.3 Tujuan Praktikum
   Tujuan dari Praktikum SPSS yaitu :

    1. Praktikan dapat mengenal dan memahami program SPSS.
    2. Mempermudah dalam menyelesaikan permasalahan-permasalahan statistika seperti;
      memasukkan data (data entry), mengedit data, transformasi data, analisis data,
      mengambil suatu kesimpulan pada saat penelitian.
    3. Praktikan dapat mengolah dan menganalisa suatu data dengan Uji Histogram dan
      Distribusi Normal.
    4. Praktikan dapat mengolah dan menganalisa suatu data dengan Uji Box Plot.
    5. Praktikan dapat mengolah dan menganalisa suatu data dengan Uji One Sample T-
      Test.
    6. Praktikan dapat mengolah dan menganalisa suatu data dengan Uji Independent
      Sample T-Test.
    7. Praktikan dapat mengolah dan menganalisa suatu data dengan Uji Paired Sample T-
      Test.
1.4 Manfaat Praktikum
   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 Peranan Statistik

2.1.1 Pengertian Statistik
          Dalam kehidupan sehari-hari, sering dijumpai orang mengatakan tentang statistik
      maupun statistika. Pernahkan terpikirkan mana dari keduanya yang benar ? Statistik
      berasal dari kata STATISTIC yang berarti kumpulan angka-angka yang terkadang
      disusun dalam tabel atau daftar, sering pula disertai dengan diagram atau grafik dan
      keterangan lain yang dipandang perlu. Atau sering pula diartikan sebagai sekumpulan
      angka .
          Contoh :
               Nilai ujian mata kuliah statistika Mahasiswa
               Daftar harga sembako di pasar Keputran
               Hasil pertandingan sepakbola liga Indonesia
          Sedangkan yang dimaksud dengan statistika atau yang dikenal dalam bahasa
      Inggris adalah STATISTICS (menggunakan S), adalah pengetahuan yang berhubungan
      dengan cara-cara pengumpulan bahan/keterangan, pengolahan, penyajian dan analisis,
      penarikan kesimpulan serta pembuatan kesimpulan / keputusan yang beralasan
      berdasarkan analisis yang dilakukan.
          Contoh :
          1.    Analisis data
          2.    Statistika inferensia
          3.    Analisis regresi dan korelasi
          4.    Analisis data kualitatif
          5.    Uji Hipotesis
          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 mamp
      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.
                                                                    (Kemas Ali H, 2004)
          Kata “statistika” dapat diartikan berbeda bagi beberapa orang. Bagi seorang
      manajer tim sepak bola, statistika dapat berarti berapa kali kesebelasan yang
      dipimpinnya menang, kalah, atau draw. Bagi seorang manajer perusahaan, pemahaman
      statistika mengacu pada jumlah penjualan dari tahun ke tahun. Bagi seorang peneliti
      sosial, pengertian statistika bisa berarti salah satu bidang yang harus dipelajari.
          Kata ”statistika” berasal dari bahasa Italia statista, yang berarti negarawan. Istilah
      tersebut pertama kali digunakan oleh Gottfried Achenwall (1719-1772). Achenwall
      mengambil kata ”statista” karena melihat bahwa negaralah yang semula menyadari
      kegunaan data atau keterangan tentang rakyat. Pada abad pertengahan, banyak negara
      yang telah mengadakan sensus penduduk untuk memudahkan mereka dalam melakukan
      mobilisasi rakyat dan penarikan pajak. Achenwall mengartikan ”statistika” sebagai
      keterangan-keterangan yang dibutuhkan oleh negara.
          Seiring dengan perkembangannya, kata ”statistika” dapat diartikan sebagai data
      maupun metode ilmiah. Dewasa ini, statistika diartikan sebagai data lebih dikenal
      dengan istilah data statistika dan statistika metoda ilmiah disebut statistika.
                                                                     (Lukas Setia Atmaja, 2009)

2.1.2 Peranan Statistik

          Perkembangan ilmu statistika telah berdampak luas bagi kepentingan masyarakat
      dan dunia ilmu pengetahuan di abad modern ini. Dewasa ini, hampir semua disiplin
      ilmu pengetahuan memasukkan metoda statistika. Kita mengenal berbagai terapan ilmu
      statistika pada disiplin ilmu lain, seperti statistika untuk ekonomi, teknik, psikologi,
      pertanian, dan kedokteran. Pembaruan metoda statistika dengan ilmu telah menciptakan
      banyak teori bar, yang memperkaya khazanah dunia ilmu pengetahuan. Ilmu statistika
      memiliki empat kegunaan pokok, antara lain:

          1.   Sebagai metoda ilmiah dalam penelitian ilmiah di berbagai bidang ilmu
               pengetahuan.
          2.   Sebagai dasar ilmiah untuk menganalisa dan mengambil keputusan terhadap
               suatu masalah secara kuantitatif.
3.   Sebagai alat untuk menggambarkan dan menganalisis suatu peristiwa secara
     kuantitatif.
4.   Memberi masukan bagi disiplin ilmu lain untuk menciptakan teori-teori atau
     metoda-metoda baru yang bermanfaat (statistika terapan).
                                                       (Lukas Setia Atmaja, 2009)

Statistik sangat dibutuhkan dalam penelitian dan memiliki peranan:

1.   Statistik memungkinkan pencatatan secara lengkap dari data penyelidikan.
2.   Statistik memampukan seorang peneliti untuk bekerja secara berurutan dari
     awal sampai akhir.
3.   Statistik menyediakan cara-cara meringkas data kedalam bentuk yang lebih
     banyak artinya dan lebih gampang mengerjakannya.
4.   Statistik memberikan dasar-dasar melalui proses-proses yang mengikuti aturan
     yang dapat diterima oleh ilmu pengetahuan.
5.   Statistik memberikan landasan untuk meramalkan secara ilmiah tentang
     bagaimana sesuatu gejala akan terjadi dalam kondisi-kondisi yang telah
     diketahui.
6.   Statistik memungkinkan peneliti menganalisa, menguraikan sebab akibat yang
     kompleks dan rumit yang tanpa statistic akan merupakan persoalan yang
     membingungkan serta kejadian yang tak teruraikan.




Fungsi statistika

1. Menggambarkan data dalam bentuk tak tentu.
2. Menyederhanakan data yang komplek menjadi data yang mudah dimengerti.
3. Merupakan teknik untuk membuat perbandingan.
4. Memperluas pengalaman individu.
5. Menentukan tingkat hubungan atau peranan antar variabel.
6. Mengukur besar besaran variabel.
7. Dasar untuk merumuskan kebijakan perusahaan atau pemerintahan.
            Statistika berperan dalam setiap kegiatan kehidupan. Sebagai contoh, dalam ilmu
        ekonomi statistik merupakan peralatan analisa pendapatan dan pengeluaran penduduk
        atau masyarakat. Dalam ilmu kedokteran untuk peralatan analisa penyakit.

            Dan dalam kehidupan sehari-hari kita banyak menemukan data-data statistic.
        Seperti, perhitungan caleg yang dapat kita lihat di TV atau di Koran, bursa efek saham,
        kurs rupiah dan banyak lagi. Jadi dalam kehidupan sehari-hari statistic memiliki peran
        dan fungsi masing-masing sesuai bidangnya.

                                                                             (Rosdiwati, 2008)

2.2. Variabel Statistik dan Skala Pengukuran
2.2.1           Variabel Kuantitatif
             Pengukuran variabel kuantitativ dapat juga ditafsirkan dengan istilah jarak antara
         berbagai observasi tanpa adanya pengurutan yang alami.


             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
             memiliki nilai nol. Sebagai contoh, suhu yang diukur dalam derajat celsius bisa
             ditafsirkan dalam urutan kelas-kelas yang lebih tinggi atau lebih rendah. Namun
             demikian, tinggi suhu bertemperatur 20 derajat celsius tidak bisa dikatakan dua
             kali tinggi suhu bertemperatur 10 derajat. Ingat kembali temperatur ekuivalensi
             dalam fahrenheit. Dengan mengkonversikan temperatur dari celsius ke fahrenheit
             atau sebaliknya akan mengikutsertakan pertukaran titik nol.


             Skala Rasio (Nisbah)
             Nilai-nilai variabel yang terukur pada skala rasio dapat ditafsirkan baik dengan
             istilah jarak ataupun rasio. Skala rasio atau nisbah ini membawa informasi yang
             lebih daripada skala interval, namun hanya intervalinterval (jarak diantara
             observasi) yang memiliki arti kuantitatif.
             Fenomena yang diukur pada skala rasio mempunyai elemen nol alami, yang
             menunjukkan kekurangan total dari atributnya. Namun adanya satuan pengukuran
           alami tidak begitu diperlukan. Contohnya adalah berat, tinggi, usia, dan lain
           sebagainya.


           Skala Absolut
           Skala absolut merupakan skala metrik yang memiliki satuan pengukuran alami.
           Pengukuran skal absolut sendiri adalah pengukuran, satu-satunya pengukuran
           tanpa alternatif. Contoh: Semua fenomena yang dapat dihitung seperti jumlah
           orang dalam sebuah ruangan atau jumlah bola dalam sebuah keranjang.


           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.


           Variabel Kontinyu
           Suatu variabel metrik dikatakan kontinyu jika mempunyai sejumlah tak hingga
           nilai-nilai pada sembarang interval. Contoh: Petrol yang terjual pada periode
           waktu tertentu. Namun dalam prakteknya banyak variabel kontinyu diukur secara
           diskret dikarenakan terbatasnya tingkat ketelitian peralatan ukur fisik. Untuk
           mengetahui usia seseorang dapat dilakukan, tetapi tidak terlalu tepat.


2.2.2 Variabel Kualitatif
           Skala Nominal
              Skala yang paling primitif, yaitu yang hanya bisa menyatakan apakah dua
           buah nilai sama atau tidak, adalah skala nominal 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/jumlah berbeda yang ditugaskan untuk memberi hasil biasanya
           mengindikasikan apakah sembarang dua keluaran (outcome) sama atau tidak.
              Sebagai contoh, angka-angka yang ditentukan pada opini politik yang berbeda
           bisa menolong dalam mengkompilasi hasil dari daftar pertanyaan. Namun untuk
           membandingkan dua opini, kita hanya bisa merelasikannya sebatas kesamaan
           jenis atau tidak. Angka/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. 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 (menurut definisi).


           Skala Ordinal
              Jika jumlah yang ditentukan untuk pengukuran memperlihatkan suatu ranking
           alami, maka variabel tersebut diukur dengan skala ordinal. Pada skala ordinal,
           jarak antara nilai-nilai yang berbeda tidak dapat
              ditafsirkan -sebuah variabel yang diukur pada skala ordinal bagaimanapun
           bukan kuantitatif. Sebagai contoh, nilai sekolah merefleksikan tingkatan prestasi
           yang berbeda-beda. Walaupun demikian tidak ada alasan untuk menyatakan
           bahwa pekerjaan yang memperoleh nilai "4" dua kali lebih baik dari pekerjaan
              yang beroleh nilai "2". Karena jumlah yang ditentukan pada pengukuran
           tersebut merefleksikan ranking secara relatif antara satu dengan lainnya, maka
           nilai tersebut dinamakan nilai rank. Terdapat banyak contoh variabel yang
           terskala ordinal dalam bidang psikologi, sosiologi, studi bisnis dan lain
           sebagainya. Skala dapat ditentukan dengan mengusahakan mengukur semacam
           konsep seperti status sosial, inteligensia, tingkatan agresi atau tingkat kepuasan.

                                                                            (Suparyanto, 2010)

2.3   Skala Pengukuran
          Perbedaan tajam antara variabel kuantitatif dan variabel kualitatif terletak pada
      sifat-sifat pengukuran skala aktual, terutama pada kemampuannya untuk digunakan
      sebagai input pada suatu metode statistik. Dalam mengembangkan peralatan baru, ahli
      statistik membuat asumsi tentang skala-skala pengukuran yang diperbolehkan.
          Sebuah pengukuran adalah suatu penentuan/penugasan pada sebuah observasi.
      Beberapa pengukuran muncul lebih alami dibandingkan yang lainnya. Sebagai contoh,
      dengan mengukur tinggi seseorang, kita menggunakan yardstick atau alat ukur yang
      meyakinkan kemampuan perbandingan antara observasiobservasi hingga ketelitian
      satuan-satuan yang digunakan (misalnya inci atau sentimeter). Sebaliknya, nilai sekolah
      menunjukkan klasifikasi yang relatif kasar yang mengindikasikan ranking tertentu
      tetapi dengan memasukkan para siswa kedalam kategori yang sama. Nilai yang
      ditentukan untuk pernyataan kualitatif semisal 'sangat baik', 'sedang' dan sebagainya
      adalah nilai sembarang namun singkat dan praktis dalam menilai prestasi seseorang.
      Dikarenakan tidak adanya alasan konseptual pada skala penilaian di sekolah, maka
      tidak diperlukan penafsiran 'jarak' antara nilai-nilai tersebut. Jelasnya, pengukuran yang
      cermat memberikan informasi yang lebih banyak daripada hanya sekedar nilai sekolah,
      sebagaimana halnya jarak-jarak antara pengukuran bisa dibandingkan dengan
      konsisten.
          Pernyataan seperti "Tinggi Tom dua kali tinggi anaknya" atau "Manuela lebih kecil
      35 cm dari pasangannya" atau pernyataan-pernyataan sejenisnya masih bisa diterima.
      Karena metode statistik dikembangkan dengan dasar matematika, maka skala yang bisa
      digunakan juga didefinisikan dengan menggunakan konsep matematika.
          Ini semua adalah transformasi yang dapat digunakan tanpa kehilangan informasi.
      Semakin luas jangkauan transformasi yang digunakan, semakin sedikit informasi yang
      bisa disampaikan oleh skala. (Kemas Ali H, 2004)


2.4   Elemen Statistik
          Objek-objek yang sifatnya/atributnya diobservasi atau diukur untuk keperluan
      statistik disebut elemen.
          Untuk mengenali semua elemen yang relevan dengan suatu penyelidikan tertentu,
      seseorang harus mengelompokkan karakteristik definisi mereka seperti dimensi,
      temporal dan tempat.
          Contoh: Sensus populasi di Jerman.
          • jenis karakteristik: penduduk Jerman.
          • tempat: alamat tetap di Republik Federal Jerman.
          • temporal: tanggal sensus


          Populasi
          Semesta elemen statistik yang ditutupi oleh sebuah himpunan spesifikasi tertentu
      disebut populasi.
          Secara umum, dengan meningkatkan jumlah kriteria untuk disesuaikan dengan
      elemen-elemen tersebut akan memberikan hasil pendugaan yang lebih baik dan lebih
      homogen.
          Pada sensus, seluruh elemen populasi diteliti. Menyimpan informasi dari porsi
      populasi tersebut menghasilkan survey sampel. Ukuran populasi bisa berhingga atau tak
      berhingga.
          Jumlah elemen yang terdapat pada populasi bisa berubah kapan saja, dimana
      beberapa elemen keluar dari populasi dan elemen lain masuk. Sensitivitas populasi
      yang berjalan menurut waktu ini harus diperhatikan ketika melakukan penyelidikan
      statistik. (Kemas Ali H, 2004)


2.5   Klasifikasi Statistik
2.5.1 Statistik Deskriptif
           Statistika deskriptif adalah tehnik yang digunakan untuk mensarikan data dan
        menampilkannya dalam bentuk yang dapat dimengerti oleh setiap orang. Hal ini
        melibatkan proses kuantifikasi dari penemuan suatu fenomena. Berbagai statistik
        sederhana, seperti rata rata, dihitung dan ditampilkan dalam bentuk tabel dan grafik.
        Statistika deskriptif dapat memberikan pengetahuan yang signifikan pada kejadian
        fenomena yang belum dikenal dan mendeteksi keterkaitan yang ada di dalamnya.
        Tetapi dapatkah statistika deskriptif memberikan hasil yang bisa diterima secara
        ilmiah? Statistik merupakan suatu alat pengukuran yang berhubungan dengan
        keragaman pada karakteristik objek-objek yang berbeda .


           Objek yang belum dikenal tidaklah mewakili populasi objek yang memiliki
        "quantifiabel feature" melalui penyelidikan. Namun demikian, keragaman bisa
        menjadi hasil dari keberagaman yang lainnya (karena acak atau terkontrol). Pada
        ilmu       fisika,   yang   sangat   berkaitan   dengan   ekstraksi   dan    formulasi
        persamaanmmatematik tidak menyisakan banyak tempat untuk fluktuasi acak. Pada
        ilmu statistika, fluktuasi seperti itu dapat dijadikan model. Hubungan relasi statistik
        selanjutnya merupakan hubungan relasi yang menerangkan suatu proporsi perubahan
        stokastik yang pasti.
            Statistika deskriptif adalah bidang ilmu pengetahuan statistika yang mempelajari
        tata cara penyusunan, penyajian dan penggambaran data yang telah dikumpulkan.
        Ruang lingkup dari statistika deskriptif meliputi :
            1. Distribusi frekuensi
            2. Pengukuran nilai sentral (Mean, modus, median dan standar deviasi), dispersi,
               skewness dan kurtosis.
            3. Penyajian data dalam bentuk grafik (histogram, polygon, ogive)
            4. Angka Indeks
            5. Time series atau deret waktu
                                                                 (Kemas Ali H, 2004)




2.5.2    Statistik Inferensia
            Berbeda dengan fisika, hubungan atau relasi empiris yang diobservasi pada ilmu
         alam, sosiologi dan psikologi (dan bidang pilhan lain misalnya ekonomi) bersifat
         statis. Pada bidang-bidang ini, pekerjaan empiris dilaksananakan berdasarkan
         percobaan-percobaan atau survey sampel. Pada kasus lainnya, seluruh populasi tidak
         dapat diobservasi-karena berbagai alasan ekonomis ataupun praktis. Mengambil
         kesimpulan tentang suatu populasi berdasarkan data dari sampel yang terbatas
         merupakan tujuan dari suatu proses pengambilan keputusan inferensial atau statistik
         induktif.
            Perubahan di sini merupakan suatu refleksi variasi pada sampel dan proses
         pengambilan sampel. (referensi)


            Statistika inferensia adalah bidang ilmu statistika yang mempelajari tata cara
         penarikan kesimpulan mengenai keseluruhan populasi berdasarkan data yang ada
         yang disebut sampel. Di dalamnya berisi estimasi parameter, uji hipotesis, prediksi
         dan perhitungan derajat asosiasi antar variabel.      Adapun     ruang lingkup dari
         statistika inferensia meliputi :
            1. Probabilitas
            2. Distribusi data
            3. Estimasi parameter
            4. Uji hipotesis termasuk di dalamnya uji chi square dan analisis variansi
            5. Analisis regresi
          6. Analisis korelasi
                                                            (Kemas Ali H, 2004)
2.6 Regresi dan Korelasi Sederhana
2.6.1   Regresi Sederhana
          Analisis regresi digunakan untuk tujuan peramalan, dimana dalam model tersebut
        ada sebuah variabel dependen (tergantung) dan variabel independen (bebas). Sebagai
        contoh ada tiga variabel, yaitu Penjualan, Biaya Promosi Penjualan dan Biaya Iklan.
        Dalam praktek, akan dibahas bagaimana bagaimana hubungan antara Biaya Promosi
        Penjualan dan Biaya Iklan terhadap Penjualan. Di sini berarti ada variabel dependen
        yaitu Penjualan, sedangkan variabel independennya adalah Biaya Promosi Penjualan
        dan Biaya Iklan.
          Metode Korelasi akan membahas keeratan hubungan, dalam hal ini keeratan
        hubungan antara Biaya Promosi Penjualan dan Biaya Iklan terhadap Penjualan.
        Sedang metode Regresi akan membahas prediksi (peramalan), dalam hal ini apakah
        Penjualan di masa mendatang dapat diramalkan jika Biaya Promosi Penjualan dan
        Biaya Iklan diketahui. Regresi sederhana jika hanya ada satu variabel independen.


2.6.2   Korelasi Sederhana
          Dalam     SPSS,    pembahasan    tentang   korelasi   ditempatkan    pada   menu
        CORRELATE, yang mempunyai submenu:
          1. BIVARIATE
          Pembahasan mengenai besar hubungan antara dua (bi) variabel.
          a. Koefisien korelasi bivariate/product moment Pearson
             Mengukur keeratan hubungan di antara hasil-hasil pengamatan dari populasi
             yang mempunyai dua varian (bivariate). Perhitungan ini mensyaratkan bahwa
             populasi asal sampel mempunyai dua varian dan berdistribusi normal. Korelasi
             Pearson banyak digunakan untuk mengukur korelasi data interval atau rasio.
          b. Korelasi peringkat Spearman (Rank-Spearman) dan Kendall
             Lebih mengukur keeratan hubungan antara peringkat-peringkat dibandingkan
             hasil pengamatan itu sendiri (seperti pada korelasi Pearson). Perhitungan
             korelasi ini dapat digunakan untuk menghitung koefisien korelasi pada data
             ordinal dan penggunaan asosiasi pada statistik non parametrik.
          2. PARTIAL
             Pembahasan mengenai hubungan linier antara dua variabel dengan melakukan
              kontrol terhadap satu atau lebih variabel tambahan (disebut variabel kontrol).

                                                                             (Kumaidi, 1998)

2.7   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. (www.indowebster.com)
          Program paket SPSS (Statistical Product and Service Solution) for windows
      menawarkan banyak kemudahan dalam pengoprasiannya seperti memasukkan data
      (data entry), mengedit data, transformasi data, analisis data, dan masih banyak lagi.
      SPSS menyediakan fasilitas analisis yang cukup lengkap seperti ordinary linier
      regression, logistis, ANOVA, survival analysis, dan lainnya. (Yasin Hasbi, 2007)
          SPSS kini banyak digunakan untuk memberikan solusi analisis atas keinginan
      pelanggan agar dapat melakukan prediksi statistik. SPSS bisa memberikan solusi dalam
      berbagai bidang, seperti telekomunikasi, kesehatan, perbankan, sektor publik, dan
      barang barang konsuntif. Dalam hal ini SPSS sangat membantu dalam memberikan
      analisis dan informasi yang dibutuhkan dengan proses pengolahan data yang lebih
      praktis dan tampilan visual pada outputnya ( Irunsah, 2007).
2.8 Cara kerja SPSS
2.8.1 Komponen SPSS BI
       Adapun SPSS BI adalah salah satu produk andalan SPSS sebagai market leader pada
     program statistik, yang berfungsi untuk membantu suatu organisasi dalam membuat dan
     mendistribusikan informasi yang berguna untuk pengambilan keputusan, agar tetap
     eksis dan unggul dalam kompetisi usaha yang ketat. SPSS BI mempunyai 4 bagian
     utama:

     a. Data Collection : mengumpulkan data untuk pengolahan data.
     b. Data preparation : persipan data untuk pengolahan lebih lanjut.
     c. Data Analysis dan Data Mining : menyediakan berbagai perhitungan statistik untuk
       pengolahan data.
     d. Data Deployment : mendistribusikan hasil pengolahan data (informasi).
       Berikut adalah family product SPSS untuk Data Analysis dan Data Mining :
       SPSS Base, ini adalah produk utama SPSS yang mencakup semua perhitungan
     statistik deskriptif dan induktif, serta dilengkapi penyajian berbagai jenis grafik. SPSS
     Base dilengkapi dengan add-on enhancements yang meliputi:
     1. SPSS Professional Statistics
     2. SPSS Advanced Statistics
     3. SPSS Tables
     4. SPSS Trends
     5. SPSS Categories
     6. SPSS Chaid
     7. SPSS Exact Tests
     8. Neural Connection
     9. Mapinfo
     10. Aiiclear III (Santoso Singgih, 2001)
2.8.2 SPSS Data Editor
       SPSS Data Editor muncul setiap kali SPSS dibuka dan merupakan window utama
     pada SPSS. Data Editor mempunyai dua fungsi utama:
     1. Input data yang akan diolah oleh SPSS
     2. Proses data yang telah diinput dengan prosedur statistik tertentu.
       Data Editor terdiri atas sepuluh menu utama, yaitu File, Edit, View, Data, Transform,
     Analyze, Graphs, Utilities, Windows dan Help. (Santoso Singgih, 2001)
2.8.3 Menu File pada SPSS
       Menu utama File merupakan menu pertama dari Data Editor yang dibuka oleh para
     pengguna SPSS.
       Data Editor pada SPSS mempunyai dua bagian utama:
      Kolom, dengan ciri adanya kata var dalam setiap kolomnya. Kolom dalam SPSS
        akan diisi oleh Variabel (seperti penjualan, tinggi bandan dan lainnya).
      Baris, dengan ciri adanya angka 1,2,3 dan seterusnya. Baris dalam SPSS akan diisi
        oleh Kasus. (Santoso Singgih, 2001)
       Langkah-langkah memasukkan Data dalam SPSS:
     a. Membuat lembar kerja baru
         Pilih menu utama File.
         Pilih submenu New.
         Klik Data.
     b. Menamai Variabel yang diperlukan
         Klik Variabel View yang ada dibagian kiri bawah, maka pada SPSS Data Editor
            akan tampil kolom-kolom dengan heading Name, Type, Width, Decimal, labels,
            Value, dsb.
             Kolom Name
             Kolom ini untuk pendefisian nama variabel. Dalam pemberian nama variabel,
              hal-hal yang perlu diperhatikan adalah
              - Nama variabel maksimum 8 karakter
              - Tidak boleh ada spasi
              - Karakter pertama berupa huruf
              - Karakter terakhir tidak boleh berupa titik
              - Hindarilah istilah dalam SPSS seperti; All, And, By, Eq, Ge, Le, Lt, Ne, Or,
                To, With
              - Huruf besar dan kecil dianggap sama
         Kolom Type
            Kolom ini utnuk mendefinisikan type variabel antara lain Numeric, Dot,
            Scientific notation, Date, Dollar, Custom currency, dan String
         Kolom Width
            Kolom ini untuk memberikan lebar variabel
         Kolom Decimal
            Kolom ini untuk memberikan tempat decimal dari data pada variabel yang
            sesuai
         Kolom Labels
            Kolom ini utnuk memberikan label variabel (jika perlu)
         Kolom Values
            Kolom ini untuk memberikan harga label dari variabel (jika perlu) (Yasin Hasbi,
            2007)
2.8.4 Menu Edit pada SPSS
       Menu Edit digunakan untuk melakukan perbaikan atau perubahan berkenaan dengan
     data yang telah dibuat ataupun berbagai option.
       Terhadap data yang telah dibuat oleh SPSS, perbaikan ataupun perubahan meliputi
     menghapus data/kasus, menambah variabel, menemukan nomor kasus dan lainnya.
     Sebelum edit dapat dilakukan terhadap data pada suatu file, maka harus ada file tertentu
     pada Data Editor. (Santoso Singgih, 2001)
       Terhadap data yang telah dibuat, dapat dilakukan perbaikan atau perubahan meliputi
     menghapus data, mengganti data, menambah variabel, dan lain-lain.
     1. Edit terhadap data yang telah dibuat. Langkah-langkah edit data sebagai berikut :
           Buka file yang akan di edit
           Sorot data yang akan diedit misalnya mengahapus satu baris
           Pilih Edit pada menu utama
           Pilih Cut atau CTRL+X. Jika ternyata data tidak jadi dihapus maka pilih Undo
           Klik OK
     2. Edit terhadap variabel yang telah dibuat.
           Aktifkan Variable View dengan menekan CTRL+T
           Sorot nama variabel yang akan diganti
           Pilih menu Edit
           Pilih clear untuk menghapus atau ganti dengan varibel baru. (Yasin Hasbi, 2007)
       
2.8.5 Menu View pada SPSS
       Menu View berfungsi untuk mengatur toolbar (status bar, penampakan value label
     dan lainnya). (Santoso Singgih, 2001)
2.8.6 Menu Data pada SPSS
       Menu Data digunakan untuk melakukan berbagai pengerjaan pada data SPSS.
     Dalam beberapa hal, menu ini mempunyai fungsi yang berkaitan dengan menu Edit,
     seperti dalam menyisipkan variabel, menyisipkan kasus dan sebagainya. (Santoso
     Singgih, 2001)

2.8.7 Menu Transform pada SPSS
         Menu Transform berfungsi untuk membuat perubahan pada variabel yang telah
     dipilih dengan kriteria tertentu. (Santoso Singgih, 2001)
2.8.8 Menu Analyze pada SPSS
         Menu Analyze merupakan menu inti SPSS, yang berfungsi utnuk melakuakn semua
     prosedur perhitungan statistik, seperti ujit, uji F, regresi, time series dan lainnya.
     (Santoso Singgih, 2001)
2.8.9 Menu Graphs pada SPSS
         Menu Graphs berfungsi untuk membuat berbagai jenis grafik untuk mendukung
     analisis statistik, seperti Pie, Line, Bar dan kombinasinya. (Santoso Singgih, 2001)
2.8.10 Menu Utilities pada SPSS
        Menu Utilities atau menu tambahann ynmg mendukung program SPSS, sperti:
      Memberi informasi tentang variabel yang sekarang sedang dikerjakan.
      Mengatur tampilan menu-menu yang lain. (Santoso Singgih, 2001)
2.8.11 Menu Window pada SPSS
         Menu Window berfungsi untuk berpindah (switch) diantara menu-menu yang lain di
        SPSS. (Santoso Singgih, 2001)
2.8.12 Menu Help pada SPSS
         Menu Help berfungsi untuk menyediakan bantuan informasi mengenai program
     SPSS yang dapat diakses secara mudah dan jelas. (Santoso Singgih, 2001)




  2.9    Window SPSS
             SPSS menyediakan empat window, yang meliputi:
     1. Data Editor
         Window ini terbuka secara otomatis setiap kali program SPSS dijalankan, dan
         berfungsi untuk input data SPSS. Menu yang ada pada Data Editor yaitu
          File
  Menu File berfungsi untuk menangani hal-hal yang berhubungan dengan file
  data, seperti membuat file baru, membuka file tertentu, mengambil data dari
  program lain, mencetak isi Data Editor dan lainnya.
 Edit
  Menu Edit berfungsi untuk menangani hal-hal yang berhubungan dengan
  memperbaiki atau mengubah nilai data (duplikasi data, menghilangkan data, edit
  data dan lainnya). Selain itu, Menu Edit juga berfungsi untuk mengubah setting
  pada Options (seperti Output label, Script dan lainnya).
 View
  Menu View berfungsi untuk mengatur toolbar (status bar, penampakan value
  label dan lainnya).
 Data
  Menu Data berfungsi untuk membuat perubahan data SPSS secara keseluruhan,
  seperti mengurutkan data, menyeleksi data berdasar kriteria tertentu,
  menggabung data dan sebagainya.
 Transform
  Menu Transform berfungsi untuk membuat perubahan pada variabel yang telah
  dipilih dengan kriteria tertentu.
 Analyze
  Menu Analyze merupakan menu inti SPSS, yang berfungsi utnuk melakuakn
  semua prosedur perhitungan statistik, seperti ujit, uji F, regresi, time series dan
  lainnya.
 Graphs
  Menu Graphs berfungsi untuk membuat berbagai jenis grafik untuk mendukung
  analisis statistik, seperti Pie, Line, Bar dan kombinasinya.
 Utilities
  Menu Utilities atau menu tambahann ynmg mendukung program SPSS, sperti:
   Memberi informasi tentang variabel yang sekarang sedang dikerjakan.
   Mengatur tampilan menu-menu yang lain.
 Window
  Menu Window berfungsi untuk berpindah (switch) diantara menu-menu yang
  lain di SPSS.
 Help
       Menu Help berfungsi untuk menyediakan bantuan informasi mengenai program
       SPSS yang dapat diakses secara mudah dan jelas. (Santoso Singgih, 2001)
2.   Menu Output Viewer
     Jika menu editor berfungsi untuk memasukkan data yang siap diolah oleh SPSS,
     kemudian melakukan pengolahan data yang dilakukan lewat menu Analyze, maka
     hasil pengolahan data atau informasi ditampilkan lewat menu SPSS Viewer atau
     dapat disebut Viewer saja. Isi output dapt berupa sebuah Tabel, sebuah Grafik,
     atau sebuah Teks. Selain menu pada Data Editor, terdapat menu yang lain yaitu:
      Insert
       Berfungsi untuk menyisipi dengan judul, grafik, teks atau obyek tertentu dan
       aplikasi lain.
      Format
       Berfungsi untuk mengubah tata letak huruf output. (Santoso Singgih, 2001)
3.   Menu Syntax Editor
     Menu ini berupa file teks yang berisi berbagai perintah SPSS dan dapat diketik
     secara manual. Isi menu Syntax sama dengan menu yang lain, hanya disini ada
     tambahan submenu Run yang berfungsi untuk menjalankan Syntax yang telah
     ditulis. (Santoso Singgih, 2001)


4.   Menu Script Editor
     Menu Scrip pada dasrnya digunakan untuk melakukan berbagai pengerjaan SPSS
     secara otomatis, seperti membuka dan menutup File, Ekspor Chart, Penyesuaian
     bentuk Output dan lainnya. Isi menu ini sama dengan menu sebelumnya, hanya
     ditambah dengan submenu Script untuk membuat berbagai subrutin dan fungsi
     baru, serta submenu Debug untuk melakukan proses debug pada script. (Santoso
     Singgih, 2001)
                                          BAB III
                                   MATERI METODE


3.1. Waktu dan Tempat Praktikum
    Hari dan Tanggal : Kamis, 09 Desember 2010
    Waktu                : Pukul 10.30 – 12.30 WIB
    Tempat               : Lab. Komputasi (Kampus Kelautan UNDIP, Tembalang,
                             Semarang)
3.2 Materi Praktikum
     SPSS (Statistical Product and Service Solution) merupakan salah satu program aplikasi
   statistik yang sering digunakan untuk pengolahan data.
      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).

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.
      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.
       Editor             : untuk memperbaiki atau mengubah nilai data.
       View               : untuk mengatur toolbar.
       Data               : untuk mengurutkan data berdasarkan kriteria tertentu.
       Transform          : untuk membuat perubahan pada variabel yang telah dipilih.
       Analyze            : untuk melakukan semua prosedur perhitungan statistik.
       Graph              : untuk membuat berbagai jenis grafik untuk mendukung
        analisa.
       Utilities          : untuk memberi informasi tentang variabel yang sedang
        dikerjakan.
       Windows            : untuk berpimdah diantara menu – menu yang lain.
       Help               : untuk menyediakan bantuan informasi mengenai program
        SPSS.
        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).
Langkah – langkah memasukkan data dalam SPSS:
       Membuat lembar kerja baru
              Pilih menu utama file
              Pilih submenu new
              Klik data
              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.
              Lihat hasil dan masukkan data pada data view.




3.3.2 Statistik Deskriptif (Explore)
       Frecuencies
       Susun distribusi frekuensi untuk kecepatan arus dengan langkah sebagai berikut :
        Klik analyze
        Pilih descriptive statistics
        Klik frequencies
               Pindahkan Arus pada kolom Variable(s).
 Klik Statistics
 Check list pada Persentile Value Quartiles, pada Central Tedency yaitu Mean
       dan Median, sedangkan pada Despertion Check list semua
 klik Continue
 klik Chart dan pilih histogram
 Klik Continue lalu
 Klik OK




    Susun distribusi frekuensi untuk kecepatan arus dengan langkah sebagai berikut :
 Klik analyze
 Pilih descriptive statistics
 Klik frequencies
       Pindahkan Daya dari kolom kiri ke kolom ke kanan Variable(s).
  Klik Statistics
  Check list pada Persentile Value Quartiles, pada Central Tedency yaitu Mean
     dan Median, sedangkan pada Despertion Check list semua
  klik Continue
  klik Chart dan pilih pie chart
  Klik Continue lalu
  Klik OK




 Explore
 Langkah - langkah
  Klik analyze
  Pilih descriptive statistics
  Klik explore
        Pindahkan data arus dan daya dari kolom kiri ke kolom dependent list dengan
           cara mengeblok kemudian klik tanda panah




        Klik statistic kemudian beri tanda (v) pada descriptive dan klik continue.
        Klik plots dan untuk keseragaman, pada boxplot pilih factor levcels together dan
           pada descriptive pilih stem and leaf
        Klik continue
        Pada bagian display pilih both
        Klik OK



3.3.3. Transform
       Langkah – langkah transform arus ke bentuk logaritma :
        Klik transform
        Pilih compute variable
 Pada bagian target variabel ketik logarus
 Klik tombol type dan label
 Pada bagian kolom label ketik kecepatan arus dan pada bagian type pilih numeric
 Klik Continue
 Pada bagian expression ketik Lg10( ), klik 1 kali dalam kurung tersebut kemudian
   mengeblok arus dan klik tanda panah




 Klik OK

Dilakukan langkah – langkah yang sama untuk transform daya ke bentuk logaritma
3.3.4 Menguji Normalitas Data dan Homogenitas Varians
      Langkah – langkah pengujian normalitas data dan homogenitas varians :
           Klik analyze
           Pilih descriptive statistic
           Klik explore
           Pindahkan data kecepatan arus dari kolom kiri dan dependent list dengan cara
             mengeblok kemudian klik tanda panah
           Pindahkan data kuat daya dari kolomm kiri ke 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 boxplot pilih non dan pada descriptivetidak
             ada yang pilih atau bstem and leaf di diselect
           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

3.3.5 Scatterplot
      Langkah - langkah dalam melakukan uji ini adalah :
            Klik graphs
            Pilih scatte / dot
            Klik simple scatter
            Klik define




           Mengeblok log arus kemudian klik tanda panah X axis dan mengeblok log daya
              kemudian klik tanda panah Y axis
           Klik ok
3.3.6 Analisa Regresi Linier Sederhana
     Langkah – langkahnya adalah sebagai berikut :
          Klik analyze
          Pilih regression dan dari serangkaian pilihan test untuk regresi, sesuai kasusu
            pilih linear




          Mengeblok logarus kemudian klik tanda panah dependent dan mengeblok
            logdaya kemudian klik tanda panah independent
          Pada kolom method pilih enter




          Klik tombol statistic
          Pada kolom regression coefficient pilih estimate
          Beri tanda (v) pada model fit dan descriptive
          Pada kolom residual beri tanda (v) pada casewise diagnostics dan pilih all cases
          Klik continue
 Klik tombol plots
 Klik pilihan sdresid dan masukkan ke kolom Y lalu klik pilihan zpred dan
   masukkan ke kolom X
 Klik tombol next
 Klik pilihan zpred dan masukkan ke kolom Y lalu klik pilihan dependent dan
   masukkan kolom X
 Pada kolom standarized residual plots beri tanda (v) pada normal probability
   plot




 Klik continue
 Klik ok
                                 BAB IV
                         HASIL DAN PEMBAHASAN


4.1. Hasil
4.1.1. Pengenalan Paket Program SPSS


     Membuat lembar kerja dan memasukan data.
4.1.2 Statistik Deskriptif
      o Frecuencies




      o Explore
       o Explore

                                   Case Processing Summary

                                                           Cases

                              Valid                        Missing                       Total

                          N           Percent          N         Percent           N             Percent

Kecepatan Arus                12        100.0%               0        .0%                12          100.0%

Daya                          12        100.0%               0        .0%                12          100.0%




                                        Descriptives



                                                                           Statistic    Std. Error

Kecepatan Arus   Mean                                                         1.0317       .02956

                 95% Confidence Interval for Lower Bound                       .9666
                 Mean
                                                 Upper Bound                  1.0967

                 5% Trimmed Mean                                              1.0330

                 Median                                                       1.0200

                 Variance                                                        .010

                 Std. Deviation                                               .10241

                 Minimum                                                          .85

                 Maximum                                                         1.19

                 Range                                                            .34

                 Interquartile Range                                              .16

                 Skewness                                                       -.217          .637

                 Kurtosis                                                       -.652         1.232

Daya             Mean                                                       11.5058        .95726

                 95% Confidence Interval for Lower Bound                      9.3989
                 Mean                            Upper Bound                13.6127

                 5% Trimmed Mean                                            11.4809

                 Median                                                     10.8300

                 Variance                                                     10.996

                 Std. Deviation                                             3.31604

                 Minimum                                                         6.26

                 Maximum                                                       17.20
              Range                 10.94

              Interquartile Range    5.19

              Skewness               .134    .637

              Kurtosis              -.769   1.232




Kecepatan Arus Stem-and-Leaf Plot

Frequency     Stem &     Leaf

    1,00         8   .   5
    3,00         9   .   058
    4,00        10   .   1229
    4,00        11   .   0259

Stem width:        ,10
Each leaf:        1 case(s)
Daya Stem-and-Leaf Plot

 Frequency     Stem &   Leaf

     4,00         0 .   6789
     6,00         1 .   000334
     2,00         1 .   57

 Stem width:      10,00
 Each leaf:        1 case(s)
4.1.3 Tramsform




4.1.4 Uji Normalitas Data dan Homogenitas Varians
                              Case Processing Summary

                                                    Cases

                               Valid                Missing              Total

                 Daya     N        Percent      N         Percent    N       Percent

Kecepatan Arus   6.26          1       100.0%         0        .0%       1       100.0%

                 7.44          1       100.0%         0        .0%       1       100.0%

                 8.75          1       100.0%         0        .0%       1       100.0%

                 9.6           1       100.0%         0        .0%       1       100.0%

                 10.51         1       100.0%         0        .0%       1       100.0%

                 10.83         2       100.0%         0        .0%       2       100.0%

                 13.21         1       100.0%         0        .0%       1       100.0%

                 13.58         1       100.0%         0        .0%       1       100.0%

                 14.34         1       100.0%         0        .0%       1       100.0%

                 15.52         1       100.0%         0        .0%       1       100.0%

                 17.2          1       100.0%         0        .0%       1       100.0%
4.1.5 Scatterplot




4.1.6 Analisa Regresi Linear Sederhana
4.2 Pembahasan
4.2.1 Pengenalan Paket Program SPSS
       Program SPSS ini merupakan suatu software yang digunakan untuk membantu
     mempermudah pengolahan sample data yang spasial.
       Pada Pengolahan datanya, kita menggunakan beberapa data untuk diuji yaitu :
            Uji Frekuensi
                      Di uji data dengan jumlah data sebanyak 12 buah. Hasil yang didapat
              adalah sebagai berikut:
              Mean                     = 1,0317
              Median                   = 1,0200
              Varians                  = 0.010
              Skewness                 = - 0.217
              Kurtosis                 = - 0.637
              Range                    = 0.34
              Nilai maksimum           = 1.19
              Nilai minimum            = 0.85
                      Pada tabel frekuensi kecepatan arus, 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 kecepatan arus ± 1.00 dan 1.10
                      Dari hasil berupa pie chart pada daya, frekuensi terbesar ada pada
              kisaran daya ± 17.20.


4.2.2 Statistik Deskriptif (Explore)
       Semua data berjumlah 24, yang terdiri dari arus (12) dan daya (12) 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 kecepatan arus
       adalah arus 1.09 dan daya 11.20. 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.
4.2.6 Regresi dan korelasi
             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 Kecepatan arus diketahui bahwa Fhitung adalah 0 dengan probabilitas
      0.000 menunjukan bahwa kecepatan arus dan kuat daya saling mempengaruhi.
                                           BAB V
                            KESIMPULAN DAN SARAN
5.1 Kesimpulan
       Setelah melakukan praktikum SPSS ini maka dapat disimpulkan bahwa:
        SPSS adalah salah satu program statistik yang dibuat untuk mempermudah dalam
         menyelesaiakan masalah-masalah statistik.
        Untuk menyelesaikan permasalahan-permasalahan statistik dapat digunakan SPSS
         Data Eitor dengan beberapa uji diantaranya;
            o Statistika deskrptive (explore)
            o Uji frekuensi
            o Transform
            o Scetterplot
            o   Uji Normalitas dan Varians
            o Regresi dan Korelasi
        Dari data yang ada, diketahui terdapat korelasi antara kecepatan arus dengan besar
         daya yang dihasilkan.

5.2 Saran
        Fasilitas praktikum agar lebih ditingkatkan lagi.
        Untuk para assisten diharapkan dapat memberikan penjelasan lebih detail lagi,
         karena banyak praktikan yang masih bingung saat pembuatan laporan.
                                   DAFTAR PUSTAKA
Andrianto, Wahid.2004.STUDI TEKNIS PEMILIHAN TURBIN KOBOLD PADA
     PEMBANGKIT LISTRIK TENAGA ARUS BAWAH LAUT DI SELAT MADURA.
     Suarabaya : ITS

Atmaja, Lukas Setia, Ph. D. 2009.Statistika Untuk Bisnis dan Ekonomi. Yogyakarta: Penerbit
     Andi
Hanafiah, Kemas Ali.2004.Dasar-Dasar Statistika.Jakarta:Raja Grafindo Persada




Kumaidi.1998. Statistik : Kolerasi dan Regresi. Jurnal Ilmu Pendidikan.(Online), Jilid 5,Bab
     5, (http:www.scribd.com/statistik/-kolerasi-regresi.htm, diakses tanggal 29 November
     2010)


Raupong.2005.Pelatihan Analisis Statistik dengan Software SPSS dan minitb. Makassar.
     UNHAS PRESS


Rosdiwati, Dra, Hj,.2008. Statistika dan Penggunaanya.Jakarta: Erlangga



Santoso, Singgih.2003.Mengatasi Berbagai Masalah Statistik dengan SPSS Versi
     11.5.Jakarta: PT Elex Media Komputindo



Suparyanto, Dr, M.Kes.2010.Variabel Statistik.Yogyakarta: Kendi Mas Media

				
DOCUMENT INFO
Shared By:
Categories:
Tags:
Stats:
views:493
posted:9/17/2012
language:Malay
pages:47