Bagi peneliti yang
menggunakan pendekatan kuantitatif mungkin akan menjumpai beberapa alat
bantu analisis baik berupa software maupun alat hitung yang berfungsi
membantu peneliti dalam mengolah data yang didapat dilapangan.
Salah satu software yang sering digunakan adalah
software package used for statistical analysis atau
biasa disingkat SPSS. SPSS banyak digunakan peneliti kuantitatif karena
tampilan dan penggunaannya yang sederhana dan mudah dipahami. SPSS juga
menyediakan berbagai rumus analisis seperti Dubbin-Watson, Pearson,
t-test, F-test dan banyak lagi, sehingga peneliti atau pengguna software
hanya tinggal memilih rumus analisis apa yang ingin digunakan.
Rumus-rumus tersebut juga terus dimutakhirkan oleh developer SPSS,
sehingga versi dari SPSS terus diupdate. sehingga saran saya, apabila
anda menggunakan rumus analisis yang baru, maka download software SPSS
terbaru. Namun, jika sekedar regresi atau Annova, versi lama SPSS masih
mengakomodir.
Untuk
kali ini, saya akan mengajarkan pada anda secara rinci terkait
bagaimana cara menggunakan SPSS dimulai dari memasukkan data dari
kuesioner ke SPSS. Tahap entry / input data merupakan tahap awal
sebelum peneliti melakukan pengujian yang lainnya. Semisalkan, data dari
kuesioner saya adalah sebagai berikut
TABEL 1. DATA KARYAWAN PERUSAHAAN XY TAHUN 2003
Nama | Umur | Gender | Masa Kerja | Tinggi Badan | Berat Badan |
Mardiana | 42 | Laki - Laki | 20 | 167 | 63 |
Sutisna | 41 | Laki - Laki | 20 | 162 | 61 |
Suhardi | 43 | Laki - Laki | 24 | 156 | 58 |
Suwanto | 35 | Laki - Laki | 16 | 160 | 45 |
Slamet | 30 | Laki - Laki | 13 | 157 | 59 |
Asep Kurnio | 37 | Laki - Laki | 18 | 158 | 57 |
Dana Wardana | 35 | Laki - Laki | 13 | 163 | 63 |
Soleh Hidayat | 34 | Laki - Laki | 11 | 158 | 55 |
MI. Saefudin | 49 | Laki - Laki | 20 | 159 | 56 |
Hapipudin | 44 | Laki - Laki | 10 | 155 | 50 |
Kasbi | 43 | Laki - Laki | 21 | 161 | 56 |
Tujo Raharjo | 36 | Laki - Laki | 17 | 162 | 62 |
Supandi | 35 | Laki - Laki | 14 | 162 | 50 |
Samsudin | 33 | Laki - Laki | 15 | 170 | 70 |
Solihin | 30 | Laki - Laki | 10 | 165 | 70 |
Agus Rohanda | 41 | Laki - Laki | 19 | 162 | 46 |
Rustiyah | 38 | Perempuan | 22 | 162 | 45 |
Sukamtin | 40 | Perempuan | 20 | 151 | 50 |
Suryadi | 40 | Laki - Laki | 18 | 156 | 60 |
Musri P | 38 | Laki - Laki | 19 | 159 | 54 |
Neni | 37 | Perempuan | 24 | 150 | 44 |
Moh. Arif | 21 | Laki - Laki | 1 | 169 | 63 |
Muksin | 34 | Laki - Laki | 14 | 160 | 50 |
Dinar Sundawati | 36 | Perempuan | 11 | 156 | 53 |
Sarmiyati | 45 | Perempuan | 26 | 146 | 63 |
Hadi Sumarwoto | 47 | Laki - Laki | 26 | 170 | 62 |
Wasiyah | 39 | Perempuan | 20 | 153 | 57 |
Edy Supriady | 35 | Laki - Laki | 12 | 160 | 68 |
Emi | 31 | Perempuan | 12 | 154 | 44 |
Sopiah | 46 | Perempuan | 24 | 155 | 54 |
1. maka, buka software SPSS anda...disini, saya menggunakan versi lama dari SPSS sehingga tampilannya masih sederhana.
dan berikut tampilan yang akan kalian
jumpai...sedikit serupa dengan microsoft excel, namun memiliki opsi
pilihan yang berbeda. dan selalu terdiri dari 2 sheet, yaitu "data view"
dan "variable view".
Data View adalah
tab sheet yang menampilkan nilai data yang sebenarnya atau label nilai yang didefinisikan. Pada
tab sheet inilah, anda mengentri data ke SPSS. Diatasnya terdapat menu-menu seperti
File,
Edit,
View,
Windows, dan
Help seperti halnya menu-menu umum pada aplikasi under Windows lainnya. Menu-menu utama SPSS adalah:
- Data. Menu ini menampilkan submenu untuk melakukan perubahan-perubahan data, seperti mengurutkan data, memisahkan isi file dengan kriteria tertentu, menggabungkan data, etc.
- Transform. Menu untuk transformasi data, seperti menghitung variabel data, mengubah data, merangking data, etc.
- Analyze. Menu yang menjadi pusat pengolahan data, seperti mengolah statistik deskriptif, regresi, korelasi, etc.
- Graphs. Menu untuk menampilkan data dan hasil pengolahan data dalam bentuk grafik dan chart, seperti bar charts, histogram, scatter diagram, etc.
- Utilities. Menu
pelengkap dalam pengoperasian SPSS, seperti menampilkan informasi
variabel, mendefinisikan dan menampilkan variabel data, etc.
Variable View adalah
tab sheet yang menampilkan kamus
metadata di mana setiap baris mewakili sebuah variabel dan memperlihatkan nama variabel, jenis data (misal:
numeric, string, date), lebar cetak, dan berbagai karakteristik lain.
Menu yang tersedia dalam Variabel View diantaranya:
Name. Kolom ini untuk memberikan informasi tentang nama variabel data. Nama variabel yang kita tuliskan di sini akan muncul pada
Data View. Beberapa aturan penamaan variabel:
- Nama variabel maksimal 8 karakter.
- Nama diawali dengan huruf (tidak bisa dimulai dengan angka), sisanya
dapat berisi huruf, angka, titik, atau simbol @, #, _, atau $. Kosong
dan karakter khusus lain (misal: ! , ? , ‘ , dan *) tidak dapat
digunakan.
- Nama tidak bisa berakhir dengan titik dan tidak harus diakhiri dengan garis bawah “_”.
- nama variabel harus unik; duplikasi tidak diperbolehkan.
- Nama-nama variabel tidak case sensitif, “Nama”, “nama”, dan “naMa” semua dianggap sama.
Type. Kolom ini untuk memberikan jenis variabel data yang digunakan seperti angka, huruf atau desimal.
Label. Kolom ini menunjukkan tambahan informasi dengan memberi label pada variabel data yang kita inginkan. Misalnya:
variabel: ”
nama” kita beri label: ”
responden”
variabel: ”
umur” kita beri label ”
umur”
variabel ”
gender” kita beri label ”
jenis kelamin”, dan seterusnya
Pemberian label dapat membantu dalam interpretasi hasil analisis
(output) karena definisi
output lebih jelas.
Value. Kolom ini untuk memberikan label
string yang diterapkan untuk nilai
numeric tertentu, biasanya untuk data yang bersifat
ordinal dan
interval, misal angka 1 untuk laki-laki dan angka 2 untuk perempuan. Klik ikon
pada kolom
Values maka akan muncul
dialog box Value Labels. Misalnya untuk variabel ”
gender” kita akan mendefinisikan ”
jenis kelamin” dengan memberi label: Isi
[Value] dengan angka
1 dan
[Label] dengan “
Laki-laki” lalu klik
[Add], kemudian ulangi langkah-langkah tersebut untuk jenis kelamin “
Perempuan“. Nantinya pada variabel
gender, kita tidak perlu menuliskan laki-laki dan perempuan melainkan cukup mengisi 1 untuk laki-laki dan 2 untuk perempuan
Missing. Kolom ini menunjukkan nilai yang hilang (
missing value)
dalam data (jika ada). Responden dapat menolak untuk menjawab
pertanyaan tertentu, mungkin tidak tahu jawabannya, atau mungkin
menjawab dalam bentuk lain. Jika anda tidak mengidentifikasi data ini,
analisis anda mungkin tidak memberikan hasil yang akurat.
Columns. Kolom ini menunjukkan lebar kolom. baik jenis data
numeric maupun
string, lebar maksimal 255 digit.
Align. Kolom ini menunjukkan posisi data pada tiap
cell. Terdapat tiga pilihan posisi data, yaitu:
left (rata kiri),
right (rata kanan), dan
center (rata tengah). fungsi ini sama persis saperti yang ada di microsoft office.
Measure. Kolom ini menunjukkan jenis ukuran data yang digunakan. Terdapat tiga pilihan jenis ukuran data, yaitu:
Scale/interval,
Kelompok data interval adalah kelompok data kuantitatif. Angka yang
digunakan pada data ini menunjukkan suatu urutan dan dapat dilakukan
operasi matematika. Angka nol pada data interval bukan seperi angka nol
pada arti sesungguhanya. seperti usia 0-5 tahun, 6-11 tahun, 12-16 tahun
Nominal, Data nominal adalah kelompok data kulitatif dan merupakan level data
paling sederhana. Apabila pada pengambilan data yang dihasilkan hanya
berupa kategori maka data tersebut adalah data Nominal. seperti kategori (1) untuk laki-laki dan kategori (2) untuk perempuan.
Ordinal, Data ordinal adalah data kelompok kualitatif di atas data Nominal. Jika
pada data ordinal semua data setara maka pada data ordinal ada
klasifikasi berdasarkan tingkatannya. Tingakatan ini berdasarkan
kriteria tertentu pada saat pengambilan data. seperti kategori (1) untuk SD kategori (2) untuk SMP, kategori (3) untuk SMA
Rasio Data rasio adalah tipe data level tertinggi pada pengukuran .Data ini
termasuk data kuantitatif angka yang digunakan pada data ini adalah
angka sesungguhnya. sehingga dapat dilakukan operasi matematika. Angka
nol memiliki nilai yang sesungguhnya.
2. Langkah selanjutnya adalah memasukkan metadata pada
variable view. langkah ini seperti membuat master sebelum data pada kuesioner kita masukkan. sebagian orang menyebut langkah ini sebagai
koding atau pengkodean atau klasifikasi golongan data.
Variabel pertama: Nama
Kolom Name atau nama variabel, ketik dengan nama untuk menamai responden
Pilihan
Type atau tipe data, karena data berupa non-angka, maka diisi tipe
string. Dengan banyak karakter 14, karena banyaknya karakter pada contoh
paling banyak 14 dan klik OK, Tampak di layar:
- Karena ini Anda telah mendefinikan variable Nama mempunyai tipe variable string maka kolom decimal tidak aktip dan bernilai 0.
- Untuk menjelaskan nama dari variable “nama” maka kita masukan dalam kolom Label “ Nama Responden”.
- Kolom
Values. Anda isi dengan none. Ini menyatakan bahwa tidak ada nilai
numeric pada variable Nama yang perlu di beri nilai tertentu. Tentu saja
hal ini akan berlaku untuk semua data bertipe string.
- Kolom
missing, Anda isi dengan None. Ini menyatakan bahwa Anda tidak berharap
adanya data yang hilang dan tentu saja ini sesuai dengan contoh.
- Kolom
Columns, akan terlihat angka 8. ini merupakan angka default. Karena
nama variable “Nama” mempunyai karakter kurang dari 8 maka tentu saja
nilai ini dapat kita rubah minimal 4. dengan pertimbangan meingisikan
nilai 4 pada Columns akan menyebabkan tertutupnya data nama responden
yang mempunyai karakter maksimal 8 dalam hal ini maka sebaiknya dalam
Columns mempunyai nilai 8 tepatnya 14.
- Kolom
Align, secara default akan berisi left. Tentunya nilai left ini Anda
dapat rubah sesuai keinginan Anda, yaitu dapat Right atau Center.
- Karena ini merupakan data string maka kolom Measure akan berisi nilai nominal.
Setelah
semua proses pengisian kolom-kolom Data Editor (angka 1-seterusnya) pada variable view
selesai, sekarang anda tinggal memasukan data kedalam variable nama,
yaitu nama-nama responden. Dalam memasukan data, Anda dapat memasuknya
satu per satu atau copy – paste.
Variable kedua: Umur
- Kolom Name, isi dengan Umur.
- Kolom
Type atau tipe data adalah numeric /angka, dengan Width adalah 8 dan
Desimal Places adalah 0. Dipilih desimal 0 karena jenis kelamin berupa
kode dan bilangan bulat.
- Kolom Value, pilih None
- Kolom
Decimals akan berisi 0 aktip, karena 0 telah kita definisikan dalam
kolom type dan aktif dikarenakan kita mendefinisikan Jenis_Kelamin
sebagai variable bertype numeric.
- Kolom Label atau keterangan variabel – untuk keseragaman – ketik Umur Responden dalam Tahun.
- Kolom Columns, isi dengan 10
- Kolom Align, isi dengan Right
- Kolom Measure isi dengan Scale.
Setelah
semua proses pengisian kolom-kolom Data Editor pada variable view
selesai, sekarang anda tinggal memasukan data kedalam variable Umur.
Dalam memasukan data, Anda ketik satu per satu atau melalui copy –
paste.
Variabel ketiga: Jenis_Kelamin
Prinsipnya
sama dengan pengisian pada variabel pertama, yaitu klik Variable View
pada bagian kiri bawah dari tampilan pertama SPSS
- Kolom Name, isi dengan Jenis_Kelamin untuk menamai jenis kelamin responden.
- Kolom
Type atau tipe data adalah numeric /angka, dengan Width adalah 8 atau
lebih dan Desimal Places adalah 0. Dipilih desimal 0 karena jenis
kelamin berupa kode dan bilangan bulat.
- Kolom
Value. Seperti diketahui, perhitungan dalam SPSS selalu untuk tipe data
numeric. Untuk itu jenis kelamin harus dijadikan numerik pula, yaitu
dengan tanda: 1 = tanda Laki-Laki, dan 2 = tanda Perempuan. Penulisan
kode bisa bebas, misal 11 atau 12 untuk pria, dan variasi lainnya. Tapi
menurut kebiasaan pria akan disebut pertama kali.
- Kolom
Decimals akan berisi 0 aktip, karena 0 telah kita definisikan dalam
kolom type dan aktif dikarenakan kita mendefinisikan Jenis_Kelamin
sebagai variable bertype numeric.
- Kolom Label atau keterangan variabel – untuk keseragaman – ketik Jenis Kelamin Responden.
- Kolom
Measure isi dengan nominal. Ini menyatakan bahwa data yang Anda masukan
nantinya berupa nilai yang berbeda tetapi tidak membedakan. Artinya
nilai 1 dan 2 yang Anda masukan berupa nilai yang mewakili pria dan
wanita dengan pria dan wanita mempunyai posisi yang sama, yaitu pria
tidak lebih tinggi dari wanita begitu pula sebaliknya. (karena jenis
kelamin masuk pada data nominal)
- Kolom Colomns, isi dengan 10
- Kolom Align, isi dengan Right
Setelah
semua proses pengisian kolom-kolom Data Editor pada variable view
selesai, sekarang anda tinggal memasukan data kedalam variable
Jenis_Kelamin, yaitu jenis kelamin responden. Dalam memasukan data, Anda
masukan 1 untuk responden pria dan 2 untuk wanita.
Variabel keempat: Masa_Kerja
- Kolom Name, isi dengan Masa_Kerja.
- Kolom
Type atau tipe data adalah numeric /angka, dengan Width adalah 8 dan
Desimal Places adalah 0. Dipilih desimal 0 karena jenis kelamin berupa
kode dan bilangan bulat.
- Kolom Value, pilih None
- Kolom
Decimals akan berisi 0 aktip, karena 0 telah kita definisikan dalam
kolom type dan aktif dikarenakan kita mendefinisikan Jenis_Kelamin
sebagai variable bertype numeric.
- Kolom Label atau keterangan variabel – untuk keseragaman – ketik Masa Kerja Responden dalam.
- Kolom Columns, isi dengan 10
- Kolom Align, isi dengan Right
- Kolom Measure isi dengan Scale.
Setelah
semua proses pengisian kolom-kolom Data Editor pada variable view
selesai, sekarang anda tinggal memasukan data kedalam variable
Masa_Kerja, yaitu masa kerja responden. Dalam memasukan data, Anda ketik
satu
Variabel kelima: Tinggi_Badan
- Kolom Name, isi dengan Tinggi _Badan.
- Kolom
Type atau tipe data adalah numeric /angka, dengan Width adalah 8 dan
Desimal Places adalah 0. Dipilih desimal 0 karena jenis kelamin berupa
kode dan bilangan bulat.
- Kolom Value, pilih None
- Kolom
Decimals akan berisi 0 aktip, karena 0 telah kita definisikan dalam
kolom type dan aktif dikarenakan kita mendefinisikan Jenis_Kelamin
sebagai variable bertype numeric.
- Kolom Label atau keterangan variabel – untuk keseragaman – ketik Tinggi Badan Responden dalam cm.
- Kolom Columns, isi dengan 10
- Kolom Align, isi dengan right
- Kolom Measure isi dengan Scale.
Setelah
semua proses pengisian kolom-kolom Data Editor pada variable view
selesai, sekarang anda tinggal memasukan data kedalam variable
Tinggi_Badan. Dalam memasukan data, Anda ketik satu per satu
Variabel keenam: Berat_Badan
- Kolom Name, isi dengan Berat _Badan.
- Kolom
Type atau tipe data adalah numeric /angka, dengan Width adalah 8 dan
Desimal Places adalah 0. Dipilih desimal 0 karena jenis kelamin berupa
kode dan bilangan bulat.
- Kolom Value, pilih None
- Kolom
Decimals akan berisi 0 aktip, karena 0 telah kita definisikan dalam
kolom type dan aktif dikarenakan kita mendefinisikan Jenis_Kelamin
sebagai variable bertype numeric.
- Kolom Label atau keterangan variabel – untuk keseragaman – ketik Berat Badan Responden dalam kg.
- Kolom Columns, isi dengan 10
- Kolom Align, isi dengan Right
- Kolom Measure isi dengan Scale.
Setelah
semua proses pengisian kolom-kolom Data Editor pada variable view
selesai, sekarang anda tinggal memasukan data kedalam variable
Berat_Badan. Dalam memasukan data, Anda ketik satu per satu
sumber :http://bimbingan-skripsi-malang.blogspot.com/2015/05/cara-memasukan-entry-input-data.html
Keyword : cara pemakaian spss, input data dengan spss, kuesioner spss, tutorial spss, validasi dengan spss, perhitungan dengan spss