KELAS C2
ANALISIS DATA EKSPLORATIF
MODUL 2 ORGANISASI DAN MENGGUNAKAN DATA DALAM SPSS
Nama
Nomor
Tanggal
Praktikan
Mahasiswa
Kumpul
Sri Siska Wirdaniyati
12611125
31 Oktober 2013
Nama Penilai
Tanggal
Tanda tangan Praktikan
Tanda tangan
Nilai
Koreksi
Asisten
Alfi Riyandi Putra Baiq Anis Ratnasari Dr. Jaka Nugraha, M. Si.
JURUSAN STATISTIKA FAKULTAS MATMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS ISLAM INDONESIA YOGYAKARTA 2013
Laboran
Dosen
BAB I PENDAHULUAN A. DASAR TEORI 1.
Mengenal SPSS SPSS (Statistical Package for the Social Science : Paket Statistik untuk Ilmu Sosial) adalah sebuah program yang digunakan untuk analisis statistik. Dalam banyak hal, SPSS sebanding dengan Excel. Hal ini dapat digunakan untuk menghitung dan membuat diagram. Namun, ada kemungkinan lebih banyak dalam SPSS daripada di Excel, dan sejumlah prosedur yang lebih mudah untuk dilakukan di SPSS. Di sisi lain, dalam beberapa situasi Excel mungkin merupakan pilihan yang lebih baik. Data dapat dipertukarkan antara SPSS dan Excel agak mudah. SPSS ada untuk PC dan untuk Macintosh menggunakannya harus punya Lisensi. Tutorial ini bertujuan untuk memberikan suatu pendahuluan SPSS. Setiap jenis informasi tertentu dalam inputing data disebut variabel. Terdapat berbagai jenis variabel seperti variabel numerik (semua nomor yang dapat digunakan dalam perhitungan), variabel string (teks atau angka yang tidak dapat menggunakan dalam perhitungan), mata uang (nomor dengan dua dan hanya dua tempat desimal) dan variabel dengan spesifik format. Jenis data yang diisikan dapat menggunakan salah satu dari jenis berikut seperti yang didefinisikan oleh SPSS: 1.
Numeric : Sebuah variabel yang bernilai angka. Nilai ditampilkan dalam standar format numerik. Data editor menerima nilai numerik dalam format standar atau dalam notasi ilmiah.
2.
Koma : Sebuah variabel nilai numerik yang ditampilkan dengan koma. Editor data menerima nilai numerik untuk variabel koma dengan atau tanpa koma, atau dinotasi ilmiah.
3.
Dot : Sebuah variabel nilai numerik yang ditampilkan dengan dot (titik). Editor data menerima nilai numerik untuk dot variabel dengan atau tanpa titik, atau dalam ilmiah notasi. (Kadang-kadang dikenal dengan notasi Eropa)
4.
Notasi ilmiah : Sebuah variabel nilai numerik yang ditampilkan dengan huruf E (eksponen sepuluhan). Data editor menerima numerik nilai untuk variabel tersebut dengan atau tanpa eksponen. Eksponen bia didahului baik oleh E atau
1
D dengan tanda opsional. Misalnya 123, 1.23E2, 1.23D2, 1.23E+2 dan bahkan 1,23+2. 5.
Date : Sebuah variabel nilai numerik yang ditampilkan dalam salah satu dari beberapa kata kalender seperti jam.
6.
Custom currency : Mata uang.
7.
String : Nilai dari variabel string yang tidak numerik dan karenanya tidak digunakan dalam perhitungan. Mereka dapat mengandung karakter sampai panjang yang didefinisikan. Huruf besar dan huruf kecil dianggap berbeda, juga dikenal sebagai variabel alfanumerik. Dalam SPSS, nama variabel delapan karakter dan tidak boleh memuat spasi,
koma dan tanda hubung. Aturannya sebagai beriku: 1.
Nama harus dimulai dengan huruf.
2.
Nam tidak boleh diakhiri dengan periode.
3.
Nama tidak boleh lebih dari delapan karakter.
4.
Nama tidak bisa kosong atau berisi karakter khusus.
5.
Nama harus unik. (Sumber: Nugraha, Jaka. 2011. Modul Praktikum Analisis Data Eksplorasi. Yogyakarta:Universitas Islam Indonesia)
2.
Anallisis Deskriptif Analisis deskriptif adalah analisis yang bertujuan untuk menggambarkan keadaan data. Analisis deskriptif lebih berhubungan dengan pengumpulan data dan peringkasan data serta penyajian hasil peringkasan tersebut. Data-data statistik yang bisa diperoleh dari hasil sensus, survei atau pengamatan lainnya, umumnya masih acak, mentah dan tidak terorganisir dengan baik (raw data). Data-data tersebut harus diringkas dengan baik dan teratur, baik dalam bentuk tabel atau presentasi grafis sebagai dasar untuk berbagai pengambilan keputusan. Penyajian tabel grafik yang digunakan dalam statistik deskripsi seperti: 1.
Distribusi frekuensi
2.
Presentasi grafis seperti histogram, pie chart dan lain-lain. Untuk mendapatkan gambaran yang lebih jelas tentang data selain dengan
tabel dan diagram, masih diperlukan ukuran-ukuran lain yang merupakan wakil dari data tersebut. Ukuran yang dimaksudkan dapat berupa: a.
Ukuran pemusatan (rata-rata hitung atau mean, median dan modus)
b.
Ukuran letak (quartil dan persentil)
2
c.
Ukuran penyimpangan/penyebaran (range, ragam, penyimpangan baku dan galat baku)
d.
Skewness adalah tingkat kemiringan
e.
Kurtosis adalah tingkat keruncingan (Xeon, gundam. 2013. Analisa Data Menggunakan
Analisa
Frekuensi
Dan
Deskriptif.
sforfuture.blogspot.com/2013/01/analisa-data-menggunakan
http://knowledge -
analisa.html
diakses tanggal 29 Oktober 2013, 15.15) 3.
Transformasi Data Transformasi data adalah suatu proses dalam merubah bentuk data. Misalnya merubah data numerik menjadi data kategorik atau merubah dari beberapa variabel yang sudah ada dibuat satu variabel komposit yang baru. Beberapa perintah SPSS yang sering digunakan adalah recode. Perintah recode berguna untuk memberi kode ulang ke suatu variabel berdasarkan kriteria tertentu.. Pada perintah recode terdapat dua pilihan, yakni : 1.
Dalam variabel yang sama yaitu perintah untuk melakukan recode terhadap variabel yang sudah ada.
2.
Dalam variabel yang beda yaitu perintah untuk melakukan recode dengan cara membentuk variabel baru. Perlu diketahui dalam proses menjalakan perintah sub menu recode ditemukan
pilihan yaitu Into same Variabel dan Into Different Variabel. Yang mempunyai ketentuan bahwa Into same Variabel adalah jika kode ulang akan ditempatkan pada variabel yang sama. Dan Into Different Variabel adalah jika kode ulang akan ditempatkan pada variabel yang berbeda. (Ari, Indah. 2012. Transformasi Data. http://ideaari.blogspot.com/2012/06/transformasi-data_2288.html diakses tanggal 29 Oktober 2013, 16.10) B. STUDI KASUS Dalam praktikum pada modul 2 ini, praktikan akan melakukan pengolahan data dari jumlah tindak pidana menurut kepolisian provinsi pulau Sumatera dan Jawa tahun 2009-2011 dengan menggunakan software SPSS. Berikut ini adalah tabel dari jumlah tindak pidana menurut kepolisian provinsi pulau Sumatera dan Jawa tahun 2009-2011: Tabel 1.1 Jumlah Tindak Pidana Menurut Kepolisian Provinsi Pulau Sumatera dan Jawa Tahun 2009-2011 3
Kepolisian Daerah
2009
2010
2011
Aceh
6297
9244
9114
Sumatera Utara
26597
33227
3761
Sumatera Barat
11848
10819
11695
Riau
8968
10129
8323
Jambi
2637
3586
445
Sumatera Selatan
1417
18288
19353
Bengkulu
1827
2717
3498
Lampung
9959
4813
6052
Bangka Belitung
2506
2642
2732
Kepulauan Riau
3494
4141
3643
Jawa Barat
27352
16869
29296
Jawa Tengah
19801
15479
15205
DI Yogyakarta
6988
17622
6326
Jawa Timur
37337
16948
28392
Banten
2481
3832
3205
Untuk penyelesaian studi kasus pada tabel 1.1 ini, praktikan harus melakukan pengolahan data sebagai berikut: 1.
Analisis deskriptif lengkap dan interpretasi hasil output berdasarkan konteks masalah data yang ada.
2.
Histogram dengan kurva normalnya dan interpretasi dari histogram tersebut.
3.
Recode terhadap dua buah variabel dengan ketentuan setiap variabel dibagi ke dalam tiga kelompok (kategori).
4
BAB II DESKRIPSI KERJA Dalam bab II ini, praktikan akan menjelaskan langkah-langkah untuk menyelesaikan studi kasus dari jumlah tindak pidana menurut kepolisian provinsi pulau Sumatera dan Jawa tahun 2009-2011. Langkah awal adalah mengaktifkan SPSS sebagai berikut: 1.
Klik Start → All Program → SPSS Inc → SPSS Statistics 17.0 sehingga tampil kotak dialog SPSS for Windows seperti pada gambar 2.1 di bawah ini.
Gambar 2.1 Kotak Dialog SPSS for Windows 2.
Klik Cancel sehingga kotal dialog tersebut hilang. Setelah mengaktifkan SPSS, langkah selanjutnya adalah melakukan inputing data,
mendefinisikan variabel dan analisis deskriptif. Langkah-langkah untuk menyelesaikan studi kasus jumlah tindak pidana menurut kepolisian provinsi pulau Sumatera dan Jawa tahun 2009-2011 sebagai berikut: 1.
Klik Variabel View yang berada pada sudut kiri bawah, kemudian ketik variabel Kepolisian_Provinsi, Tahun_2009, Tahun 2010, dan Tahun 2011 pada kolom Name.
2.
Ganti Type pada variabel Kepolisian_Provinsi dari numeric menjadi string dengan mengklik icon titik-titik
sehingga akan tampil kotak dialog Variable Type seperti
gambar 2.2.
5
Gambar 2.2 Kotak Dialog Varible Type 3.
Ganti Width pada variabel Kepolisian_Provinsi dari angka 8 menjadi angka 20 dengan menghapus angka 8 kemudian mengetik angka 20, atau dengan menggunakan icon segitiga ke atas
4.
hingga angka 8 menjadi angka 20.
Ganti Decimals pada variabel Kepolisian_Provinsi, Tahun_2009, Tahun 2010, dan Tahun 2011 dari angka 2 menjadi angka 0 dengan menghapus angka 2 kemudian mengetik angka 0, atau dengan menggunakan icon segitiga ke bawah
hingga angka 2
menjadi angka 0. 5.
Ketik tabel 1.1 Jumlah Tindak Pidana Menurut Kepolisian Provinsi Pulau Sumatera dan Jawa Tahun 2009-2011 pada halaman pengentrian data seperti pada gambar 2.3 di bawah ini.
Gambar 2.3 Tampilan Entry Data Tabel 1.1 6
6.
Klik Analyze → Descriptive Statistic → Frequencies sehingga tampil kotak dialog Frequencies. Klik variabel Tahun_2009 kemudian klik icon tanda panah kiri
.
Lakukan langkah pada variabel Tahun_2009 untuk variabel Tahun_2010 dan Tahun_2011 dan beri tanda centang (√) pada Display frequency tables sehingga kotal dialog Frequencies seperti pada gambar 2.4 di bawah ini.
Gambar 2.4 Kotak Dialog Frequencies 7.
Klik Statistics, kemudian beri tanda centang (√) pada Percentile (isi dengan angka 25, klik Add dan lakukan langkah tersebut untuk angka 50 dan 75), Std. deviation,Variance, Range, Minimum, Maximum, S.E.mean, Mean, Median, Mode, Sum, Skewness dan Kurtosis seperti pada gambar 2.5 di bawah ini.
Gambar 2.5 Kotak Dialog Frequencies: Statistics 8.
Klik Continue sehingga kembali pada kotak dialog Frequencies. 7
9.
Klik Charts, pilih Histograms dan beri tanda centang (√) padaWith normal curve seperti pada gambar 2.6 di bawah ini.
Gambar 2.6 Kotak Dialog Frequencies: Charts 10. Klik Continues sehingga kembali pada kotak dialog Frequencies, kemudian klik OK, maka server SPSS akan menampilkan hasil output seperti pada gambar 2.7 di bawah ini.
Gambar 2.7 Tampilan Output Hasil Dari Analyze Setelah analisis deskriptif dilakukan, langkah selanjutnya adalah melakukan transformasi data dengan menggunakan perintah recode sebagai berikut: 1.
Klik Transform → Recode Into Different Variable sehingga tampil kotak dialog Recode Into Different Variable. 8
2.
Klik variabel Tahun_2009, kemudian klik tanda panah kiri
. Ketik kolom Name
dengan Kategori_Tahun_2009 dan klik change. Lakukan langkah yang sama untuk variabel Tahun_2010 dengan isian kolom Name adalah Kategori_Tahun_2010 seperti pada gambar 2.8 di bawah ini.
Gambar 2.8 Kotak Dialog Recode Into Different Variables 3.
Klik Old and News Values sehingga tampil kotak dialog Recode Into Different Variables. Pilih Range, LOWEST through value dan isi kolom dengan angka 4999, kemudian pilih value dan isi dengan angka 1. Klik Add, maka kolom Old --> New berisi Lowest thru 4999 --> 1. Lakukan langkah tersebut untuk Range dengan angka 5000 through 9999 dan value dengan angka 2, dan Range, value through HIGHEST dengan angka 10000 dan value dengan angka 3 sehingga kolom Old --> New seperti pada gambar 2.9 di bawah ini.
Gambar 2.9 Kotak Dialog Recode Into Different Variables 9
4.
Klik Continue sehingga tampil kotak dialog Recode Into Different Variables, kemudian klik OK, maka server SPSS akan menampilkan hasil seperti pada gambar 2.10 di bawah ini.
Gambar 2.10 Tampilan Hasil Dari Transform Apabila langkah pengolahan data dari analisis deskriptif dan transformasi data dengan perintah recode selesai, simpanlah syntax dan output dengan menekan Ctrl + S dan ketik pada FileName dengan “MODUL2”.
10
BAB III PEMBAHASAN Dalam bab III ini praktikan akan menjelaskan dan menginterpretasikan output SPSS dari studi kasus tentang jumlah tindak pidana menurut kepolisian provinsi pulau Sumatera dan Jawa tahun 2009-2011. Penjelasan dan penginterpretasikan ini terbagi menjadi dua sebagai berikut: 1.
Hasil Dari Analisis Deskriptif Tabel 3.1 Frequencies Dari Jumlah Tindak Pidana Menurut Kepolisian Provinsi Pulau Sumatera Dan Jawa Tahun 2009-2011. Statistics Tahun_2009 N
Valid
Tahun_2010
Tahun_2011
15
15
15
0
0
0
Mean
11300.60
11357.07
10069.33
Std. Error of Mean
2904.446
2196.306
2362.970
6988.00
10129.00
6326.00
a
a
445a
11248.871
8506.258
9151.743
1.265E8
7.236E7
8.375E7
1.242
1.149
1.254
Std. Error of Skewness
.580
.580
.580
Kurtosis
.526
1.637
.567
Std. Error of Kurtosis
1.121
1.121
1.121
Range
35920
30585
28851
Minimum
1417
2642
445
Maximum
37337
33227
29296
169509
170356
151040
25
2506.00
3832.00
3498.00
50
6988.00
10129.00
6326.00
75
19801.00
16948.00
15205.00
Missing
Median Mode
1417
Std. Deviation Variance Skewness
Sum Percentiles
2642
a. Multiple modes exist. The smallest value is shown
Pada penyelesaian studi kasus ini, jumlah N (populasi) terdiri dari data yang valid dan missing. Valid merupakan jumlah N data yang terhitung oleh software SPSS dan berdasarkan pada hasil output, maka masing-masing variabel Tahun_2009, Tahun_2010, 11
dan Tahun_2010 memiliki jumlah N data yang terhitung adalah 15. Sedangkan jumlah N data yang tidak tersedia (mising) untuk dihitung pada masing-masing variabel Tahun_2009, Tahun_2010, dan Tahun_2010 adalah 0. Hal ini menunjukkan bahwa tidak ada data yang tidak terhitung oleh software SPSS. Pada dasarnya, missing data tidak bermasalah bagi keseluruhan data apabila jumlahnya sedikit atau hanya 1% dari keseluruhan data. Namun jika persentase dan data yang tidak tersedia berjumlah besar, maka perlu dilakukan pengujian apakah data yang mengandung banyak missing masih layak diproses lebih lanjut ataukah tidak. Mean pada variabel Tahun_2009 sebesar 11300.60, variabel Tahun_2010 sebesar 11357.07 dan variabel Tahun_2011 sebesar 10069.33 yang menunjukkan rata-rata angka yang sering dipakai sebagai wakil dari masing-masing variabel dan mencerminkan gambaran secara umum mengenai kumpulan jumlah tindak pidana menurut kepolisian provinsi pulau Sumatera dan Jawa tahun 2009-2011 atau pemusatan yang sering dan familiar digunakan. Sedangkan standard error of mean (Std. Error of Mean) pada jumlah tindak pidana menurut kepolisian provinsi pulau Sumatera dan Jawa tahun 2009-2011 terdiri dari 2904.446 untuk variabel Tahun_2009, 2196.306 untuk variabel Tahun_2010, dan 2362.970 untuk variabel Tahun_2011 yang berguna untuk memeriksa besar rata-rata populasi yang diperkirakan berasal dari sampel. Standard error of mean ini diukur sebagai standar deviasi dibagi dengan akar dari jumlah data valid. Pada standard error of mean ini menggunakan tingkat kepercayaang sebesar 95% (sebagian besar software SPSS menggunakan tingkat kepercayaan 95% sebagai standar). Median pada variabel Tahun_2009, Tahun_2010, dan Tahun_2011 menunjukkan nilai tengah dari data setelah diurutkan. Berdasarkan perhitungan dengan menggunakan software SPSS diperoleh bahwa median dari variabel Tahun_2009 adalah 6988.00, median dari variabel Tahun_2010 adalah 10129.00 dan median dari variabel Tahun_2011 adalah 6326.00. Apabila diurutkan secara manual, maka diketahui bahwa median dari variabel Tahun_2009, Tahun_2010, dan Tahun_2011 terletak pada data ke-8. Selain mengambarkan pemusatan data dengan mean dan median, software SPSS menampilkan nilai yang paling sering muncul dalam suatu range statistik. Nilai yang sering muncul pada jumlah tindak pidana menurut kepolisian provinsi pulau Sumatera dan Jawa tahun 2009-2011 adalah 1417a untuk variabel Tahun_2009, 2642a untuk variabel Tahun_2010, dan 445a untuk variabel Tahun_2011. Huruf pada nilai modus tersebut merupakan huruf yang menunjukkan kalimat “Multiple modes exist. The 12
Smallest values is shown” yang menunjukkan bahwa tidak terdapat modus pada data tersebut atau setiap nilai selalu menjadi modus, sehingga software SPSS menampilkan data terkecil (Smallest values). Ukuran penyebaran jumlah tindak pidana menurut kepolisian provinsi pulau Sumatera dan Jawa tahun 2009-2011 dapat dilihat dari Standard Deviation atau standar deviasi. Penyebaran data tersebut meliputi 11248.871 untuk variabel Tahun_2009, 8506.258 untuk variabel Tahun_2010, dan 9159.743 untuk variabel Tahun_2011 yang menunjukkan dispersi rata-rata dari sampel dengan tingkat kepercayaan sebesar 95 %. Sedangkan variansi pada jumlah tindak pidana menurut kepolisian provinsi pulau Sumatera dan Jawa tahun 2009-2011 terdiri dari 1.265E8 untuk variabel Tahun_2009, 7.236E7 untuk variabel Tahun_2010, dan 8.375E7 untuk variabel Tahun 2011. Variansi pada data tersebut menunjukkan satu ukuran dispresi dan menggambarkan bagaimana terpencarnya suatu data kuantatif. Nilai skewness pada variabel Tahun_2009 adalah 1.242, variabel Tahun_2010 adalah 1.149 dan variabel Tahun_2011 adalah 1.254. Nilai skewness ini berguna sebagai tingkat ketidaksimetrisan (kecondongan) sebaran data di sekitar rata-ratanya. Skewness yang bernilai positif menunjukkan ujung kecondongan menjulur ke arah positif (ekor kurva sebelah kanan lebih panjang) dan skewness yang bernilai negatif menunjukkan ujung dari kecondongan menjulur ke arah nilai negatif (ekor kurva sebelah kiri lebih panjang). Selain dari itu, nilai skewness dapat menunjukkan distribusi normal. Sedangkan nilai standard error of skewness pada variabel Tahun_2009, Tahun_2010 dan Tahun_2011 adalah 0.580. Nilai standard error ini dapat digunakan untuk menghitung ukuran skewness. Nilai kurtosis pada variabel Tahun_2009 adalah 0.526, Tahun_2010 adalah 1.637 dan Tahun_2011 adalah 0.567. Nilai kurtosis ini menggambarkan keruncingan atau kerataan suatu distribusi dibandingkan dengan distribusi normal. Nilai kurtosis yang positif menunjukkan distribusi yang relatif runcing, sedangkan nilai kurtosis yang negatif menunjukkan distribusi yang relatif rata. Sedangkan standard error of kurtosis pada variabel Tahun_2009, Tahun_2010 dan Tahun_2011 adalah 1.121. Nilai standard error ini dapat digunakan untuk menghitung ukuran kurtosis. Nilai minimum pada variabel Tahun_2009 adalah 1417, Tahun_2010 adalah 2642 dan Tahun_2011 adalah 445 yang menunjukkan nilai terkecil dari keseluruhan data. Sedangkan nilai maksimum pada Tahun_2009 adalah 37337, Tahun_2010 adalah 33227 dan Tahun_2011 adalah 29296 yang menunjukkan nilai terbesar dari keseluruhan data. 13
Dari nilai minimum dan maksimum ini dapat ditentukan nilai range. Nilai Range menunjukkan rentangan dari nilai maksimum sampai nilai minimum (maksimum – minimum). Nilai range pada variabel Tahun_2009 adalah 35920 (37333-1417), Tahun_2010 adalah 30585 (33227-2642) dan Tahun_2011 adalah 28851 (29296-445). Jumlah total keseluruhan data (sum) dari jumlah tindak pidana menurut kepolisian provinsi pulau Sumatera dan Jawa tahun 2009-2011 dengan jumlah N sebanyak 15 terdiri dari 169509 untuk variabel Tahun_2009, 170356 untuk variabel Tahun_2010 dan 151040 untuk variabel Tahun_2010. Berdasarkan jumlah total tersebut dapat disimpulkan bahwa jumlah tindak pidana menurut provinsi pulau Sumatera dan Jawa terbesar pada tahun 2010. Pada praktikum kali ini, praktikan menampilkan data-data secara berkelompok menjadi sebuah persentase menjadi 25, 50 dan 75. Data persentiles dengan 25% pada variabel Tahun_2009 adalah 2506.00, Tahun_2010 adalah 3832.00 dan Tahun 2011 adalah 3498.00 yang merupakan data ke-4 setelah diurutkan. Data persentiles dengan 50% pada variabel Tahun_2009 adalah 6988.00, Tahun_2010 adalah 10129.00 dan Tahun_2011 adalah 6326.00 yang merupakan data ke-8 setelah diurutkan. Sedangkan persentiles dengan 75% pada variabel Tahun_2009 adalah 19801.00, Tahun_2010 adalah 16948.00 dan Tahun_2011 adalah 15205.00 yang merupakan data ke-12 setelah diurutkan. Tabel 3.2 Frequency Table Dari Jumlah Tindak Pidana Menurut Kepolisian Provinsi Pulau Sumatera Dan Jawa Tahun 2009 Tahun_2009 Cumulative Frequency Valid
Percent
Valid Percent
Percent
1417
1
6.7
6.7
6.7
1827
1
6.7
6.7
13.3
2481
1
6.7
6.7
20.0
2506
1
6.7
6.7
26.7
2637
1
6.7
6.7
33.3
3494
1
6.7
6.7
40.0
6297
1
6.7
6.7
46.7
6988
1
6.7
6.7
53.3
8968
1
6.7
6.7
60.0
9959
1
6.7
6.7
66.7
14
11848
1
6.7
6.7
73.3
19801
1
6.7
6.7
80.0
26597
1
6.7
6.7
86.7
27352
1
6.7
6.7
93.3
37337
1
6.7
6.7
100.0
Total
15
100.0
100.0
Data dari jumlah tindak pidana menurut kepolisian provinsi pulau Sumatera dan Jawa tahun 2009 diurutkan dari data bernilai kecil ke besar seperti yang terlihat pada tabel 3.2. Setiap data memiliki jumlah (frekuensi) masing-masing adalah 1, sehingga persen untuk setiap data adalah
1 15
𝑥100% = 6.7 % dan persen terhitung (valid percent)
sebesar 6.7 % dengan jumlah total data adalah 15, jumlah total persen adalah 100% dan jumlah total valid percent adalah 100%. Sedangkan data cumulative persent menunjukkan pertambahan dari persen data sesudahnya dengan persen data sebelumnya sehingga didapat data cumulative persent dari jumlah tindak pidana menurut kepolisian provinsi pulau Sumatera dan Jawa tahun 2009 seperti pada tabel 3.2. Tabel 3.3 Frequency Table Dari Jumlah Tindak Pidana Menurut Kepolisian Provinsi Pulau Sumatera Dan Jawa Tahun 2010 Tahun_2010 Cumulative Frequency Valid
Percent
Valid Percent
Percent
2642
1
6.7
6.7
6.7
2717
1
6.7
6.7
13.3
3586
1
6.7
6.7
20.0
3832
1
6.7
6.7
26.7
4141
1
6.7
6.7
33.3
4813
1
6.7
6.7
40.0
9244
1
6.7
6.7
46.7
10129
1
6.7
6.7
53.3
10819
1
6.7
6.7
60.0
15479
1
6.7
6.7
66.7
16869
1
6.7
6.7
73.3
16948
1
6.7
6.7
80.0
15
17622
1
6.7
6.7
86.7
18288
1
6.7
6.7
93.3
33227
1
6.7
6.7
100.0
Total
15
100.0
100.0
Data dari jumlah tindak pidana menurut kepolisian provinsi pulau Sumatera dan Jawa tahun 2010 juga diurutkan dari data bernilai kecil ke besar dengan frekuensi masing-masing adalah 1, sehingga percent, valid percent dan cumulativer persent sama dengan jumlah tindak pidana menurut kepolisian provinsi pulau Sumatera dan Jawa tahun 2009 seperti yang terlihat pada tabel 3.3 di atas. Tabel 3.4 Frequency Table Dari Jumlah Tindak Pidana Menurut Kepolisian Provinsi Pulau Sumatera Dan Jawa Tahun 2011 Tahun_2011 Cumulative Frequency Valid
Percent
Valid Percent
Percent
445
1
6.7
6.7
6.7
2732
1
6.7
6.7
13.3
3205
1
6.7
6.7
20.0
3498
1
6.7
6.7
26.7
3643
1
6.7
6.7
33.3
3761
1
6.7
6.7
40.0
6052
1
6.7
6.7
46.7
6326
1
6.7
6.7
53.3
8323
1
6.7
6.7
60.0
9114
1
6.7
6.7
66.7
11695
1
6.7
6.7
73.3
15205
1
6.7
6.7
80.0
19353
1
6.7
6.7
86.7
28392
1
6.7
6.7
93.3
29296
1
6.7
6.7
100.0
Total
15
100.0
100.0
16
Tidak berbeda dengan jumlah tindak pidana menurut kepolisian provinsi pulau Sumatera dan Jawa tahun 2009 dan 2010, data 2011 juga diurutkan dari data bernilai kecil ke besar dengan frekuensi masing-masing adalah 1, sehingga percent, valid percent dan cumulativer persent sama dengan jumlah tindak pidana menurut kepolisian provinsi pulau Sumatera dan Jawa tahun 2009 dan 2010 seperti yang terlihat pada tabel 3.4 di atas.
Gambar 3.1 Histogram Dengan Kurva Normal Dari Jumlah Tindak Pidana Menurut Kepolisian Provinsi Pulau Sumatera Dan Jawa Tahun 2009 Berdasarkan gambar histogram 3.1 tersebut diketahui bahwa jumlah tindak pidana antara 0-10000 sebanyak 10, jumlah tindak pidana antara 10000-20000 sebanyak 2, jumlah tindak pidana antara 20000-30000 sebanyak 2, dan jumlah tindak pidana antara 30000-40000 sebanyak 1. Pada gambar 3.1 juga terlihat bahwa ekor kurva sebelah kanan lebih panjang dan kurva relatif runcing. Ekor kurva sebelah kanan lebih panjang menunjukkan ketidaksimetrisan (kecondongan) menjulur ke arah positif dengan nilai skewness adalah 1.242. Sedangkan kurva relatif runcing menggambarkan keruncingan suatu distribusi dibandingkan dengan distribusi normal dengan nilai kurtosis adalah 0.526.
Gambar 3.2 Histogram Dengan Kurva Normal Dari Jumlah Tindak Pidana Menurut Kepolisian Provinsi Pulau Sumatera Dan Jawa Tahun 2010
17
Berdasarkan gambar histogram 3.2 tersebut diketahui bahwa jumlah tindak pidana antara 0-5000 sebanyak 6, jumlah tindak pidana antara 5000-10000 sebanyak 1, jumlah tindak pidana antara 10000-15000 sebanyak 2, jumlah tindak pidana antara 15000-20000 sebanyak 5, dan jumlah tindak pidana antara 30000-35000 sebanyak 1. Pada gambar 3.2 juga terlihat bahwa ekor kurva sebelah kanan lebih panjang dan kurva relatif runcing. Ekor kurva sebelah kanan lebih panjang menunjukkan ketidaksimetrisan (kecondongan) menjulur ke arah positif dengan nilai skewness adalah 1.149. Sedangkan kurva relatif runcing menggambarkan keruncingan suatu distribusi dibandingkan dengan distribusi normal dengan nilai kurtosis adalah 1.637.
Gambar 3.3 Histogram Dengan Kurva Normal Dari Jumlah Tindak Pidana Menurut Kepolisian Provinsi Pulau Sumatera Dan Jawa Tahun 2011 Berdasarkan gambar histogram 3.3 tersebut diketahui bahwa jumlah tindak pidana antara 0-5000 sebanyak 6, jumlah tindak pidana antara 5000-10000 sebanyak 4. jumlah tindak pidana antara 10000-15000 sebanyak 1, jumlah tindak pidana antara 15000-20000 sebanyak 2 dan jumlah tindak pidana antara 25000-30000 sebanyak 2. Pada gambar 3.3 juga terlihat bahwa ekor kurva sebelah kanan lebih panjang dan kurva relatif runcing. Ekor kurva sebelah kanan lebih panjang menunjukkan ketidaksimetrisan (kecondongan) menjulur ke arah positif dengan nilai skewness adalah 1.254. Sedangkan kurva relatif runcing menggambarkan keruncingan suatu distribusi dibandingkan dengan distribusi normal dengan nilai kurtosis adalah 0.567. Dari ketiga histogram dengan kurva normal tersebut dapat disimpulkan bahwa ekor kurva sebelah kanan lebih panjang yang menunjukkan ketidaksimetrisan paling besar terdapat pada variabel Tahun_2011 dan kurva paling runcing terdapat pada variabel Tahun_2010.
18
2.
Hasil Dari Transformasi Data (Recode)
Gambar 3.4 Hasil Transformasi Data Dengan Perintah Recode Dalam pengolahan data dengan transformasi ini, praktikan mengkategorikan data berdasarkan tiga kelompok dengan kriteria sebagai berikut: 1.
Kategori 1 dengan kriteria nilai data lebih kecil atau sama dengan 4999.
2.
Kategori 2 dengan kriteria nilai data antara 5000 sampai dengan 9999.
3.
Kategori 3 dengan kriteria nilai lebih besar atau sama dengan 10000. Ketiga kriteria ini akan menjadi penentuan kategori untuk nilai variabel
Tahun_2009 dan Tahun_2010. Hasil dari pengkategorian ini akan diletakkan pada variabel Kategori_Tahun_2009 dan Kategori _Tahun_2010. Berdasarkan hasil transformasi data dengan perintah recode diketahui bahwa provinsi yang menjadi kategori 1 dari jumlah tindak pidana menurut kepolisian provinsi pulau sumatera dan jawa tahun 2009 adalah Jambi, Sumatera Selatan, Bengkulu, Bangka Belitung, Kepulauan Riau dan Banten karena nilai data lebih kecil atau sama dengan 4999. Provinsi yang menjadi kategori 2 adalah Aceh, Riau, Lampung dan DI Yogyakarta karena nilai data antara 5000-9999. Sedangkan provinsi yang menjadi kategori 3 adalah Sumatera Utara, Sumatera Barat, Jawa Barat, Jawa Tengah dan Jawa Timur karena nilai data lebih besar atau sama dengan 10000. Pada jumlah tindak pidana menurut kepolisian provinsi pulau sumatera dan jawa tahun 2010 diketahui bahwa provinsi yang menjadi kategori 1 adalah Jambi, Bengkulu, Lampung, Bangka Belitung, Kepulauan Riau dan Banten karena nilai data lebih kecil 19
atau sama dengan 4999. Provinsi yang menjadi kategori 2 adalah Aceh karena nilai data antara 5000-9999. Sedangkan provinsi yang menjadi kategori 3 adalah Sumatera Utara, Sumatera Barat, Riau, Sumatera Selatan, Jawa Barat, Jawa Tengah, DI Yogyakarta dan Jawa Timur.
20
BAB IV PENUTUP Berdasarkan praktikum modul 2 tentang organisasi dan menggunakan data dalam SPSS dapat disimpulkan bahwa: 1.
Software SPSS mempermudah praktikan dan pengguna dalam pengolahan data yang meliputi analisis deskriptif dan transformasi data.
2.
Output dari software SPPS memaparkan analisis deskriptif dan transformasi data secara detail.
3.
Analisis data memperlihatkan ukuran gejala pusat, ukuran penyebaran, ukuran letak, kecondongan dan kemiringan.
4.
Frekuensi untuk masing-masing data dari jumlah tindak pidana menurut kepolisian provinsi
pulau Sumatera dan Jawa tahun 2009 -2011 adalah 1, sehingga persen dan valid percent masing-masing adalah 6.7. 5.
Nilai skewness menjulur ke arah posirif apabila ekor kurva sebelah kanan lebih panjang yang menunjukkan ketidaksimetrisan (kecondongan) dan nilai kurtosis menunjukkan keruncingan suatu distribusi dibandingkan distribusi normal.
6.
Berdasarkan perbandingan ketiga histogram tahun 2009, 2010 dan 2011 diketahui bahwa ekor
kurva sebelah kanan lebih panjang yang menunjukkan ketidaksimetrisan paling besar terdapat pada variabel Tahun_2011 dan kurva paling runcing terdapat pada variabel Tahun_2010. 7.
Pengkategorian studi kasus terdiri dari kategori 1 dengan kriterian nilai data lebih kecil atau sama dengan 4999, kategori 2 dengan kriteria nilai data antara 5000 sampai 9999 dan kategori 3 dengan kriteria nilai data lebih besar atau sama dengan 10000.
21
DAFTAR PUSTAKA Ari, Indah. 2012. Transformasi Data. http://ideaari.blogspot.com/2012/06/transformasidata_2288.html diakses hari Selasa tanggal 29 Oktober 2013 waktu 16.10 BPS. 2011. Tabel jumlah tindak pidana menurut kepolisian provinsi pulau Sumatera dan Jawa
tahun
2009-2011.
http://www.bps.go.id/tab_sub/view.php?kat=1&tabel=1&
daftar=1&id_subyek=34¬ab=1 diakses hari Selasa tanggal 29 Oktober 2013 waktu 19.05 Junaidi.
2010.
Ukuran-ukuran
Numerik
Statistika
Deskriptif
(Bagian
1b).
http://junaidichaniago.wordpress.com/2010/04/21/ukuran-ukuran-numerik-statistikdeskriptifbagian-1b/ diakses hari Rabu tanggal 30 Oktober 2013 waktu 13.15 Nugraha,
Jaka.
2011.
Modul
Praktikum
Analisis
Data
Eksplorasi.
Yogyakarta:Universitas Islam Indonesia Xeon, gundam. 2013. Analisa Data Menggunakan Analisa Frekuensi Dan Deskriptif. http://knowledge sforfuture.blogspot.com/2013/01/analisa-data-menggunakan - analisa.html diakses hari Selasa Tanggal 29 Oktober 2013 waktu 15.15
22