Kegiatan Belajar 2
Penggunaan Aplikasi Komputer
U
ntuk menggunakan program SPSS (di bawah Windows) pilihlah icon SPSS. Setelah itu akan muncul kotak-kotak yang siap Anda isikan dengan data. Tulisan Var adalah untuk Variabel. Kalau Anda memiliki 3 variabel maka diperlukan 3 kotak Var. Perlu diketahui bahwa bila Anda tidak memberi nama khusus untuk variabel yang digunakan maka sistem akan memberi nama Var0001 dan seterusnya. Nama variabel dapat Anda ganti dengan memilih menu DATA, lalu memilih menu Define Variabel. Pada menu Define Variabel Anda dapat: mendefinisikan nama variabel; isinya numerik atau alphanumerik; panjangnya berapa digit atau berapa karakter dan lain sebagainya. Pada mulanya bentuk tampilan yang Anda lihat adalah:
Gambar 5.1
Kalau sudah selesai memasukkan data maka lakukanlah save data, dengan memilih menu File dan pilihlah Save As. Berilah nama untuk file data tersebut sesuai dengan keinginan Anda (jangan lebih dari 8 karakter). Seandainya suatu saat Anda ingin menggunakan data tersebut maka setelah menjalankan SPSS pergilah ke menu File dan pilihlah menu Open.
Kemudian, Anda memilih file yang akan Anda buka (misalnya Anda akan mengubah data yang Anda miliki). Setelah selesai mengubah data jangan lupa untuk men "save" data dengan cara pilih menu File dan pilihlah menu Save Data. Statistik Deskriptif Statistik deskriptif bertujuan untuk menjelaskan keadaan data yang dimiliki. Penjelasan tentang keadaan data ini tidak dihubungkan dengan inferensi. Jadi, dengan statistik deskripsi ini diharapkan orang dapat mengetahui keadaan data yang sedang dibaca. Berapa nilai rata-rata, median, modus, standar deviasi, distribusi berbentuk apa? Perhatikan contoh berikut. Rate 0 1 2 3 4 5 6 7 8 9 10
Frekuensi 0 0 0 6 19 40 49 45 30 11 0
Masukkan data ini ke SPSS, dan namakan variabelnya dengan RATE. Data dengan rate 0, l,dan 2, tidak ada. Rate "3" ada 6 buah, rate "4" ada 19 buah, dan seterusnya, hingga rate "9" ada 11 buah, serta rate "10" tidak ada datanya. Total data yang Anda masukkan ada 200 (sesuai dengan frekunsi yang ada). Lalu Anda pilih menu Statistic dan pilihlah Summarize, lalu pilih Descriptives.
Tampilan yang muncul kira-kira
Gambar 5.3
Kemudian setelah Anda memilih Descriptives maka akan muncul tampilan:
Gambar 5.4
Langkah berikutnya, masukkan rate ke variabel(s). Pada menu tersebut juga tampak menu Options. Dengan memilih menu ini Anda dapat memilih ukuran keterpusatan, dan ukuran sebaran yang diinginkan.
Gambar 5.5
Seandainya Anda memilih menu frequencie(s) maka akan muncul tampilan seperti ini.
Gambar 5.6
Pada tampilan ini tampak ada menu Statistics dan Charts: Anda pilih menu Statistics untuk mendapatkan informasi tentang ukuran keterpusatan serta ukuran sebaran. Tampilannya adalah:
Gambar 5.7
Anda tinggal pilih yang dinginkan. Setelah itu Anda pilih (kalau mau) menu Charts. Pada menu ini Anda dapat membuat Chart untuk frekuensi data Anda. Adapun tampilannya adalah:
Gambar 5.8
Pilihlah Bar Charts lalu teruskan dengan Continue. Sehingga nantinya pada output akan muncul informasi tentang ukuran keterpusatan, sebaran dan gambar frekuensi dalam bentuk bar chart. Output itu bentuknya serupa dengan tampilan berikut ini. Rate Hi-Res Chart
# 4:Bar
Chart of rate
Mean Std dev Minimum
6.210 1.462 3.000
Median Variance Maximum
Percentile 2.500 Valid cases200
Value 5.000
Percentile Value 50.000 6.000 Missing cases
6.000 2.137 9.000
Mode Range Sum Percentile 25.000
6.000 6.000 1242.000 Value 5.000
Gambar 5.9 Gambar frekuensi dalam bentuk bar chart disimpan dalam icon chart chorousel.
Untuk menggambarkan data yang Anda miliki dengan menggunakan chart, tersedia beberapa pilihan. Anda tinggal pilih menu chart dan pilih bentuk chart yang Anda inginkan. Pada bar chart yang menggambarkan frekuensi data, maka yang tampak adalah gambar batang (bar); jadi bukan berupa garis tegak. Contoh bar chart adalah gambar berikut ini. Pada gambar itu Anda dapat melihat frekuensi dari masing-masing rating yang ada.
Gambar 5.10
Uji-t Uji-t digunakan untuk menguji perbedaan antara 2 nilai mean. Kedua nilai mean yang dibandingkan ini dapat datang dari 2 sampel ataupun mean dari suatu sampel yang dibandingkan dengan satu nilai yang sudah ditetapkan. Sayangnya, SPSS di bawah windows versi 6.00 hanya menyediakan uji banding nilai mean yang berasal dari 2 sampel. Kalau Anda ingin menguji nilai mean dari suatu sampel dengan suatu nilai tertentu maka Anda memerlukan sedikit trik. Caranya data dari sampel dimasukkan seperti biasa pada suatu variabel X. Buat variabel XI dan beri tanda l untuk tiap data yang Anda sudah masukkan. Setelah itu pada variabel X tambahkan nilai mean yang sudah ditentukan, lalu beri tanda 2 untuk nilai mean tersebut. Bentuknya kira-kira:
Gambar 5.11
Setelah data Anda masukkan maka pilih menu, Statistics dan pilih Compare Means untuk sampel yang independent (independent samples ttest). Masukkan variabel X ke dalam test variabel (s) dan masukkan X1 sebagai grouping variabel. Klik Define grup dan masukkan nilai 1 dan 2 ke dalamnya. Anda juga dapat meng"klik" menu Option bila ingin membuat nilai α yang tidak sama dengan 5%. Kalau Anda tidak menentukan nilai α
maka SPSS akan menetapkan nilai α sebesar5%. Bentuk tampilan yang muncul kira-kira:
Gambar 5.12
Laporan yang dikeluarkan oleh SPSS berbentuk seperti: T-tests for independent samples st xl Number of Cases
Variabel x Xl 1 Xl 2
8 1
Mean
3.7500 2.121 10.0000
Mean Diference = - 6.500 Levene's Test for Equality of Variances : t-test for equality of Means Vatiances t-value df Equal Unequal
-2.78 .
7
SD
. 750 . .
F= .
2-tail Sig . 027
.
SE of Mean
P=.
SE of Diff 2.250
95% Cl. for diff (-11.592. - 9828) (.......)
Gambar 8.13
Oleh karena sampel yang diuji mempunyai 8 observasi maka ia dapat memiliki variansi. Akan tetapi, nilai yang ditetapkan (nilai mean penguji) hanya mempunyai l data yaitu l0, karena itu ia tidak mempunyai nilai variansi. Dari output laporan tampak bahwa t - value = -2,78 dengan derajat kebebasan 7. Nilai 2-tail-sig adalah 0,027. Karena α yang diambil adalah 0,05 dan 0,027 < 0,05 (nilai -2,78 masuk ke daerah penolakan) maka hipotesis nol bahwa mean populasi = 10 ditolak. Hal ini dapat dilihat pula dari CI for Diff (Interval kepercayaan untuk beda). Kalau memang mereka tidak berbeda maka interval itu akan mengandung nilai 0. Oleh karena interval bergerak dari -11,572 ke -0,928 maka interval ini tidak mengandung nilai 0 sehingga disimpulkan hipotesis nol ditolak. Berikut ini akan dibuat program SPSS dari data yang berasal dari 2 sampel yang saling bebas. Ada 2 grup yang akan diteliti yaitu grup anak-anak (simbolnya 1) dan grup orang dewasa (simbolnya 2). Peneliti bercerita di depan ke dua grup ini. Kemudian ia meminta agar masing-masing responden menceritakan kembali isi cerita yang mereka dengar tadi. Peneliti lalu mencatat kata-kata "dan kemudian ..." yang dikeluarkan oleh masing-masing responden. Data yang diperoleh adalah: Anak-anak: 18 15 22 17 21 23 20 23 22 16 17 15
19 18 10 19
18 20 17 20
17 18 21 20 19 19 18 18
Dewasa: 10 12 5 9 9 11 10 14 7 3 11 14
8 15 16 8
13 12 9 12
10 17 1 5
20 20 21 40
12 8 14 10 4 11 10 9
17 15 20 18
12 18 18 19
16 17 18 16
16 19 24
11 19 31
7 9 12 7
11 8 7 11
11 15 9 14
10 16 10
15 9 10
Cara memasukkan data sama seperti cara yang sebelumnya. Untuk kata, variabelnya diberi nama KATA, sedangkan untuk grup diberi nama VARK. Bentuk sebagian data kira-kira seperti gambar berikut.
Gambar 8.14
Hipotesis nol adalah jumlah kata "dan kemudian..." yang disebut oleh anak-anak mempunyai nilai rata-rata yang sama dengan yang disebutkan oleh orang dewasa. Hipotesis alternatifnya anak-anak menyebutkan kata tersebut lebih banyak dari orang dewasa. Statistik yang digunakan juga sama, yaitu yang independen. Pada laporan yang dikeluarkan SPSS juga muncul uji kesamaan variansi untuk kedua grup. Pada uji-t tampak dua macam nilai, yaitu untuk variansi sama (equal) dan untuk variansi yang tidak sama. Nilai t yang nanti dipakai bergantung dari hasil uji kesamaan variansi. Kalau variansi sama (tidak berbeda secara signifikan) gunakan nilai t dengan variansi equal. Bila variansi kedua grup tidak sama, gunakan nilai t untuk variansi yang unequal. Laporan statistik dari hasil perhitungan SPSS adalah sebagai berikut:
t-tests for independent samples of VARK
Variabel KATA VARK VARK
of Cases
1 2
Number Mean
50 50
18.9000 10.2000
SD
SE of Mean
4.496 3.405
.636 .481
Mean Difference = 8.7000 Levene's Test for Equality of Variances F = .036 F = .851 t-test for Equality of Means Variances t-value df Equal 10.91 98 Unequal 10.91 91.29
2-Tail Sig . 000 . 000
SE of Diff .799 .798
Cl for Diff (7.117, 10.283) (7.115, 10.285)
Gambar 8.15
Analisisnya kira-kira sebagai berikut: Responden untuk masing-masing sampel adalah 50 orang. Banyak kata yang disebutkan oleh anak-anak mempunyai nilai mean 18,9 dan yang disebut oleh orang dewasa adalah 10,2. Masing-masing mempunyai standar deviasi 4,495 (anak-anak) dan 3,405 (dewasa). Hasil uji kesamaan variansi antara kedua grup menunjukkan bahwa nilai peluangnya 0,851. Oleh karena nilai α = 0,05 dan 0,851 > 0,05 maka ke dua variansi ini tidak berbeda pada tingkat α = 0,05. Oleh karena itu, kita memakai nilai t untuk variansi yang sama (equal). Nilai t-nya adalah 10,91 (kebetulan nilai t-nya sama besar dengan nilai t untuk yang variansi tidak sama). Nilai t ini mempunyai peluang 0,00. Sehingga karena nilai α = 0,05 dan 0,00 < 0,05 maka nilai t masuk ke dalam daerah penolakan. Dengan demikian, hipotesis nol (mean kata-kata kedua group adalah sama) ditolak secara signifikan pada nilai p = 0,00. Penolakan ini juga dapat dilihat pada 95 % CI for diff. Pada interval ini, nilai 0 tidak ada, sehingga disimpulkan bahwa perbedaan nilai mean tidak sama dengan 0. Uji-t juga dapat dilakukan bilamana dua sampel ternyata saling berkaitan. Misalnya, seorang peneliti ingin melihat apakah kinerja dari para pekerja akan naik bilamana mereka diberi pelatihan tertentu. Untuk itu
peneliti akan memilih sekelompok pekerja secara random. Ia kemudian mengukur kinerja mereka dengan alat ukur yang sudah tersedia. Hal yang diukur misalnya produk yang dihasilkan dalam satuan waktu. Kelompok ini lalu diberi pelatihan dalam kurun waktu tertentu. Peneliti lalu mengamati kelompok ini dan mengukur kinerja mereka dengan alat ukur tadi. Diharapkan ada kenaikan kinerja yang dihasilkan oleh kelompok yang sudah mendapat pelatihan ini. Bagaimana cara melihat ada atau tidaknya perbedaan? Data yang akan dianalisis tetap menggunakan uji-t. Hanya saja untuk kasus ini uji-t yang digunakan adalah uji-t untuk sampel yang berkaitan. Contoh lainnya adalah tentang efek suatu obat terhadap tekanan darah. Misalkan sekelompok penderita darah tinggi akan diberi obat penurun tekanan darah tinggi. Mula-mula kelompok ini diukur tekanan darahnya. Setelah itu mereka diberi obat penurun tekanan darah tinggi. Setelah itu, tekanan darah merekapun diukur. Statistik yang digunakan untuk melihat beda mean pada kasus ini adalah juga uji-t dengan sampel yang berkaitan. Dikatakan sampel yang berkaitan karena respondennya tetap sama, tidak berubah. Pada menu, pilihlah untuk Related Samples. Berikut ini adalah contoh kasus beserta keluaran SPSSnya. Seseorang ingin mengetahui apakah metodenya dalam penghematan pengeluaran uang jajan dapat berfungsi baik. Untuk itu ia mengambil responden sebanyak 120 orang secara acak. Responden ini diminta untuk mencatat uang yang mereka keluarkan dalam satu bulan untuk jajan. Setelah itu ia memperkenalkan teknik penghematan dalam mengeluarkan uang jajan. Setelah mempelajari teknik itu, ke-120 responden ini diminta untuk menghitung kembali uang jajan yang mereka keluarkan dalam, satu bulan berikutnya.
Hasil hitungan SPSS adalah sebagai berikut. - - -t-tests for paired samples - - Number of 2-tail Variabel pairs Pengeluaran I 120 Pengeluaran II
Corr .825
Paired Differences . " Mean SD SE of Mean 29.4500 7.470 .682 “ 95% CI(28.100.30.800)
Sig .000
t-value 43.19
Mean 67.4667 38.0167
df 119
SD
SE of Mean
13.172 11.354
1.202 1.037
2-tail Sig 000
Ternyata pengeluaran sebelum dan sesudah pelatihan berbeda secara signifikan, yang menunjukkan bahwa responden dapat menghemat pengeluaran mereka. Analisis Variansi Satu Arah Untuk menguji nilai-nilai mean dari nilai observasi/variabel tak bebas untuk tiga sampel atau lebih (dari satu variabel bebas), gunakanlah Anova satu arah. Sebagai contoh, perhatikan kasus berikut ini. Seorang peneliti ingin mengetahui perilaku "ibu tikus" pada tikus laboratorium. Untuk percobaan ini ibu tikus dipisahkan dari anak-anaknya, kemudian peneliti mengukur waktu yang dibutuhkan oleh ibu tikus untuk menemukan anak-anaknya. Pada penelitian ini anak-anak tikus dibagi dalam 3 kelompok usia, yaitu 5 hari 20 hari dan 35 hari. Si peneliti menduga bahwa usia anak mempengaruhi usaha ibu tikus dalam mencari anak-anaknya. Data yang diperoleh adalah: Usia 5 hari
15
10
25
15
20
18
Usia 20 hari Usia 35hari
30 40
15 35
20 50
25 43
23 45
20 40
Lakukan analisis variansi satu arah dengan α = 5%. Apa kesimpulan yang Anda peroleh?
Beri nama waktu yang digunakan sebagai wkt dan jenis usia tikus sebagai tks. Tikus usia 5 hari kodenya l, usia 20 hari kodenya 2 dan usia 35 hari kodenya 3. Jalankan Statistics, dan pilih menu, Compare Means dan oneway ANOVA. Pilih juga menu option dan pilih menu Descriptive, agar kita juga dapat melihat deskripsi masing-masing group. Bentuk tampilannya kira-kira seperti ini.
Gambar 8.16
Keluaran yang dihasilkan serta analisisnya kira-kira seperti ini. ----- O N E W A Y ----Variabel WKT By Variabel TKS Analysis of Variance
Scouce
D.F
Betwen Groups 2 Within Groups 15 Total 17
Group Grp 1 Grp 2 Grp 3 Total
Count 6 6 6 18
Sum of Squares
Mean Squares
1911.1111 332.5000 2243.6111
Standard Mean 18.8333 22.1667 42.1667 27.7222
955..5556 22.1667
Deviation 3.7639 5.1153 5.1153 11.4881
Error 1.5366 2.0883 2.0883 2.7078
GROUP
MENIMUM
MAXIMUM
Grp 1 Grp 2 Grp 3
15.0000 15.0000 35.0000
25.0000 30.0000 50.0000
TOTAL
15.0000
50.0000
F Ratio 43.1078
95 Pot Cont Int 14.8835 To 16.7985 To 36.7985 To 22.0093 To
F Prob .0000
for Mean 22.7832 27.5348 47.5348 33.4351
Gambar 8.17
Uji statistik F memberikan nilai F = 43,1078 dengan p = 0,0000. Nilai p di sini adalah luas dari titik F = 43,1078 ke ∞ . Jadi kalau dibandingkan dangan nilai α = 0,05 maka jelas sekali bahwa nilai p = 0,0000 jauh lebih kecil dari 00,5. Dengan perkataan lain, nilai F = 43,1078 berada di daerah penolakan. Hasil SPSS ini menunjukkan bahwa ada perbedaan nilai rata-rata dari ketiga grup tersebut. Grup mana saja yang berbeda? Untuk itu coba lihat selintasan deskripsi masing-masing grup. Tampaknya ketiga grup itu memang berbeda. Coba perhatikan nilai mean dan standar deviasi mereka. Ketiga grup tersebut kelihatannya saling lepas.
Analisis Variansi Dua Arah Untuk membuat uji 2 atau lebih mean-mean dari 1 Variabel tak bebas dengan 2 atau lebih variabel bebas digunakan Anova Faktorial. Sebagai ilustrasi perhatikan kasus berikut ini. Sekelompok dokter menyelidiki peran ibu yang mempunyai anak-anak yang dilahirkan dengan berat di bawah normal. Mereka ingin mengetahui tingkat adaptasi si ibu dalam mengatasi masalah yang muncul. Selain itu mereka membuat pelatihan khusus kepada beberapa ibu yang mempunyai problem. Para dokter berkeyakinan bahwa tingkat pendidikan akan mempengaruhi tingkat adaptasi dalam berperan sebagai ibu yang mempunyai anak dengan berat di bawah normal. Sebagai percobaan mereka membagi 3 grup yaitu ibu-ibu yang mempunyai problem dan diberi pelatihan (Grup 1), Grup 2 adalah ibu-ibu yang mempunyai problem tapi tidak diberi pelatihan, sedangkan Grup 3 adalah ibu-ibu yang mempunyai anak dengan berat normal. Pendidikan dibagi 2, yang pertama ibu-ibu dengan pendidikan SMU ke bawah (PD 1), dan yang kedua adalah ibu-ibu dengan pendidikan di atas SMU (PD 2). Dokter-dokter ini mempunyai alat untuk mengukur tingkat adaptasi. Data yang dihasilkan adalah:
Ibu-ibu dengan pendidikan SMU ke bawah
Ibu-ibu dangan pendidikan di atas SMU
Grup 1 Berat < normal dgn Pelatihan 14 20 22 13 13 18 13 14 11 11 16 12 12 13 17 13
Grup 2 Berat < normal tanpa Pelatihan 25 19 21 20 20 14 25 18 18 16 13 21 17 10 16 21
Grup 3 Berat = normal 18 14 18 20 12 14 17 17 16 20 12 14 18 20 12 13
Untuk memasukkan data ke SPSS, buatlah tiga buah variabel sebut saja sebagai ADAP untuk tingkat adaptasi, PEND untuk tingkat pendidikan (beri simbol untuk SMU ke bawah dan 2 untuk di atas SMU), serta GRUP (simbolnya 1 untuk grup 1, 2 untuk 2, serta 3 untuk grup 3). Pilihlah menu, Statistic, Anova Models, dan Simple Factorial. Bentuk tampilannya kirakira seperti berikut.
Gambar 8.18
Setelah Anda tekan OK maka SPSS akan membuat perhitungan yang hasilnya dituliskan pada keluarannya. Hasil keluaran tersebut adalah:
by
ADAP GROUP PEND UNIQUE sums of squares All effects entererd simultancously
Sources of variation
Sum of Squares
DF
Mean squares
Main Effects GROUP PEND
190.479 122.792 67.688
1 2 1
63.493 61.396 67.688
5.998 5.800 6.394
. 002 . 006 . 015
2- Way intefaction GROUP PEND
20.375 20.375
2 2
10.188 10.188
. 962 . 962
. 390 . 390
Explained Residual Total
210.854 5 444.000 42 655.479 47
42.171 10.586 13.946
3.984
. 005
F
Sig of F
48 Cases weis processed 6 Cases Co peti weis missing
Gambar 8.19
Secara keseluruhan, penelitian menunjukkan bahwa hipotesis nol, yaitu "tidak ada perbedaan adaptasi yang diakibatkan oleh perbedaan perlakuan dan perbedaan tingkat pendidikan" ditolak. Hal ini dapat dilihat dari nilai F = 5,998 dengan peluang 0,002 dan 0,002 < 0,05. Nilai 0,05 ini adalah nilai α yang diambil. Tampak bahwa adaptasi dipengaruhi oleh pelatihan. Hal ini dilihat dari nilai F = 5,998 dengan peluang 0,006 (yang tentunya < 0,05). Ibu-ibu yang tidak dilatih mengalami kesulitan untuk beradaptasi dengan cepat dalam mengurus bayi yang mempunyai berat di bawah normal. Tingkat pendidikanpun tampaknya berpengaruh terhadap adaptasi. Hal ini diperlihatkan oleh nilai F = 5,800 dengan peluang 0,015 ( yang < 0,005). Interaksi antara tingkat pendidikan dengan grup tidak signifikan. Hal ini tampak dari nilai F = 0,962 dengan peluang sebesar 0,390 (0,390 > 0,05). Dengan demikian, faktor grup dan tingkat pendidikan tidak saling berinteraksi atau tidak saling mempengaruhi.
Daftar Pustaka Howel. D.C. (1989). Fundamental Statistics for the Behavioral Sciences. 2nd Ed. Boston: PWS-KENT Publishing Company. SPSS for Window Base System User’s Guide, Release 6.0. (1993). USA: SPSS Inc. Tabachnick. B.G & Fidell. L.S (1989). Using Multivariate Statistics. 2nd Ed. NewYork: Harper Collins Publishers, Inc.
