Pusat Data dan Statistik Pendidikan

Kementerian Pendidikan dan Kebudayaan

Republik Indonesia

2014

Modul Pembelajaran SPSS

(Statistical Package for the Social Sciences)

i | P D S P

Kata Pengantar

Buku “Modul Pembelajaran SPSS (Statistical Package for the Social Sciences)” ini

merupakan salah satu hasil kegiatan Pusat Data dan Statistik Pendidikan (PDSP), Kementerian

Pendidikan dan Kebudayaan (Kemdikbud) yang terkait dengan pendayagunaan data pendidikan.

Penyusunan modul ini bertujuan antara lain untuk memudahkan para pembacanya agar

memahami cara penggunaan program SPSS khususnya yang terkait dengan data pendidikan.

Modul pembelajaran ini membahas cara-cara pengolahan data dengan menggunakan

perangkat lunak SPSS, diantaranya mengenai analisis statistik, pembuatan grafik dan

pembuatan tabel-tabel pengolahan data.

Dengan memahami setiap bab dalam modul ini, serta ditambah dengan mencari informasi

dari berbagai media, dilanjutkan dengan sebanyak mungkin berlatih untuk mengolah data

dengan SPSS, diharapkan dapat memberikan keterampilan pengolahan data pendidikan secara

sistematis dan informatif.

Ucapan terima kasih diberikan kepada berbagai pihak yang terlibat dalam penyiapan dan

penyusunan buku ini. Saran dan masukan dalam rangka penyempurnaan buku ini sangat

diharapkan.

Jakarta, 28 Mei 2014 Kepala,

Dr.-Ing. Yul Yunazwin Nazaruddin

1 | P D S P

Daftar Isi

Kata Pengantar ....................................................................................................... i

Daftar Isi ................................................................................................................ 1

Merge Files ............................................................................................................ 3

Identify Duplicate Data ........................................................................................ 11

Compute Data ...................................................................................................... 19

Recode Data ........................................................................................................ 30

2 | P D S P

MERGE FILES

3 | P D S P

Merge Files

Merge file adalah menggabungkan beberapa file dokumen spss, yang dilakukan

dengan penggabungan kolom-kolom variabelnya.

Cara merge file :

1. Buka dua file yang ingin di merge (llihat cara import database)

2. Selanjutnya gabung beberapa variable menjadi satu dengan cara.

Pilih menu transform → compute variable

4 | P D S P

Pilih Target Variable dan buat variabel baru ex: Kode_New Pada kolom String Expression isi dengan : “CONCAT(kd_prop,kd_rayon,kd_sek,jns_uji)“ Atau Pilih String pada Function Group -> pilih concat pada Functions and Special Variable -> kemudian isi dalam kurungnya dengan “kd_prop,kd_rayon,kd_sek,jns_uji” Ubah type & label menjadi string

5 | P D S P

Ulangi kembali pada file yang satunya.

3. Short Cases dua file tersebut menurut variabel “kode”.

dengan cara pilih menu menu data → Short Case

Pilih variabel yang telah kita buat “Kode_New” kemudian klik OK

6 | P D S P

Ulangi terhadap file yang lain

4. Kemudian gabungkan kedua file tersebut dengan cara :

Pilih menu data → merge files → add variables

7 | P D S P

5. Pilih file mana yang akan di gabungkan (merge)

8 | P D S P

6. Pilih variabel apa yang akan digabungkan (merge)

7. Pilih key Variable Kode_new checklist match case dan pilih both file provide

cases

9 | P D S P

8. Hasilnya kedua file akan tergabung.

10 | P D S P

IDENTIFIKASI DUPLICATE DATA

11 | P D S P

Identify Duplicate Data

Duplikasi atau data ganda pada umumnya terjadi dalam data berskala besar. Identify

Duplicate Cases berfungsi untuk mengidentifikasi data duplikasi (ganda). Fungsi ini

memungkinkan untuk mendeteksi data mana saja yang duplikasi.

Misalnya akan mencari data yang duplikasi (ganda) berdasarkan NPSN atau nama sekolah.

Secara automatis fungsi ini akan mengelompokkan data yang duplikasi dan akan di beri

keterangan data mana yang merupakan primary.

Langkah-langkah penggunaan Identify Duplicate Cases adalah sebagai berikut :

1. Buka file

2. Dari menu toolbar, pilih Data Identify Duplicate Cases....

Akan terlihat tampilan seperti diatas. Pilih menu identify Duplicate Cases, maka akan

terlihat tampilan seperti dibawah ini :

12 | P D S P

a. Define matching cases by diisi dengan variabel apa yang akan digunakan untuk

mencari data yang duplikasi. Misalnya diisi dengan nm_sek, maka identifikasi data

duplikasi akan dilakukan berdasarkan variabel nm_sek. Identifikasi data duplikasi

dapat dilakukan berdasarkan lebih dari satu variabel. Jika akan dilakukan

berdasarkan lebih dari satu variabel maka pada kolom ini dapat diisi dengan lebih

dari satu variabel.

b. Sort within matching groups by yaitu hasil proses identifikasi akan ditampilkan

secara urut (sort) berdasarkan variabel yang isikan pada kolom ini. Misalnya akan

diurut (sort) berdasarkan nm_rayon. Secara Ascending atau Descending tergantung

pilihan dibawah kolom ini.

c. Indicator of primary cases (untuk primary = 1, duplikat = 0). Ada beberapa pilihan

kolom yang bisa diisi, yaitu :

Last case of each group is primary data yang sama akan dikelompokkan

dan data primary akan ditampilkan pada baris terakhir pada tiap kelompok

yang sama. Dan primary data akan diberi kode 1 (satu).

First case of each group is primary data yang sama akan dikelompokkan

dan data primary akan ditampilkan pada baris awal tiap kelompok yang

sama. Dan primary data akan diberi kode 1 (satu).

13 | P D S P

Filter by indicator value filter berdasarkan indikator (urutan pertama dari

tiap kelompok yang sama). Hasil tampilan berupa toolbar di sebelah kiri yaitu

nomor baris yang dicoret miring untuk data yang duplikasi.

Kemudian pada kolom name diisi dengan nama (judul) kolom yang akan

ditampilkan

d. Sequential count of matching cases each group akan menghitung dan mengurutkan

sebanyak data duplikat dalam tiap kelompok yang sama.

e. Move matching cases to the top of the file, jika memilih pilihan ini berarti jika

ditemukan data yang duplikasi maka akan diurutkan ke atas (urutan pertama untuk

setiap kelompok yang sama).

f. Display frequencies for created variables, pilihan ini akan menampilkan frekuensi

hasil proses identifikasi duplikasi.

Sebagai contoh misalnya akan dilakukan identifikasi data duplikasi berdasarkan satu variabel

maka pada kolom define matching cases by nm_sek dan sort when matching group by Indo_12.

Di sort secara Descending.

14 | P D S P

First case in each group is primary dipilih pada Indicator of primary cases dan diberi nama

(judul) kolom Test1. Untuk Sequential count of matching tetap diberi identitas

MatchSequence1.

Setelah semua kolom dan pilihan sudah diisi maka klik ‘ok’. Karena ‘Display frequencies for

created variables’ sudah dipilih maka akan tampil ‘Output1’ seperti dibawah ini :

Terjadi 97.996 data yang

duplikasi, dan terdapat

44.441 primary Case.

15 | P D S P

Dan pada display ‘DataSet1’ akan tampil hasilnya sebagai berikut :

Contoh : identifikasi data duplikat berdasarkan lebih dari 1 variabel.

Define matching

cases by nm_sek

Sequential count of matching =

MatchSequence1 Hasil sort variabel Indo_12 (Descending)

Indicator of primary cases = Test1

16 | P D S P

Sebagai contoh diatas adalah dataUN tahun 2011 yang akan kita identifikasi data yang

duplikat berdasarkan 3 variabel, yaitu :

Pilih Data > Identify Duplicate Cases.

Isi kolom dengan isian seperti dibawah ini :

a. Define matching cases by :

1. nm_sek

2. jns_uji

3. tot_11

b. Sort within matching groups by : kd_sek (Ascending)

c. Indicator of Primary cases > name : Test1 > pilih First case in each group is primary

d. Sequential count of matching > name : MatchSeq1

Kemudian klik : OK

17 | P D S P

Hasil yang dapat kita lihat adalah sebagai berikut :

18 | P D S P

COMPUTE DATA

19 | P D S P

Compute Data

Transformasi Compute akan menciptakan variabel baru atau memodifikasi nilai-nilai

variabel untuk setiap case. Variabel baru tersebut akan menampung hasil dari proses computer

yang diberikan seperti pemakaian fungsi maupun operasi matematik lainnya.Transformasi yang

dapat dilakukan dengan Compute adalah transformasi untuk data yang bertipe numeric dan

string.

Untuk melakukan compute data menu yang digunakan adalah menu Compute Variable

pada menuTransform dari menu bar di bagian atas. Kotak dialog Compute variable terlihat

seperti gambar berikut ini (Gambar I)

(Gambar I. Kotak dialog Compute Variable)

20 | P D S P

Adapun keterangan dari masing-masing menu dapat didefinisikan sebagai berikut:

1) Kotak Target Variabel digunakan untuk memasukkan nama variabel penampung

yang akan dibuat

2) Menu Fuction group dan Fuction and Special Variabel dan tombol-tombol

numeric berisi fungsi-fungsi dan operasi matematik yang dapat digunakan untuk

menyusun perintah dalam memodifikasi variabel

3) Bagian no.3 merupakan daftar variabel-variabel dari data

4) Kotak Numeric Expression akan menampilkan ekspresi perintah yang dibuat

5) Type & Label digunakan untuk merubah tipe data dan mengatur width variabel

baru yang akan dibuat

6) Menu if digunakan jika dalam transformasi data dibutuhkan himpunan bagian dari

data yang ada, misalnya data kabupaten tertentu dari data seluruh kabupaten yang

ada dalam suatu provinsi

7) Menu Ok untuk memproses perintah

Beberapa contoh penggunaan menu Compute Variable

a. Menghitung rataan

Langkah untuk menghitung rataan adalah sebagai berikut:

1) Pilih menu Transform > Compute Variabel (lihat Gambar 2) lalu akan muncul

kotak dialog (lihat Gambar 3)

2) Isi nama Target Variabel, Misalnya Mean_12 karena dalam latihan ini yang akan

dihitung rataannya adalah nilai UN tahun 2012.

3) Dalam menu Function Group pilih Statistical

4) Pada menu Function and Special Variabel pilih menu MEAN

5) Masukkan data yang akan dihitung rata-ratanya dengan cara double klik data

hingga muncul dalam kotak Numeric Expression. Dalam latihan ini adalah data

nilai bahasa Indonesia, bahasa inggris, matematika dan IPA

6) Klik Ok. Hasilnya dapat dilihat pada Gambar 4

21 | P D S P

(Gambar 2. Menu Compute Variable dalam Menu Bar)

(Gambar 3. Langkah-Langkah dalam Menghitung Rataan)

22 | P D S P

(Gambar 4. Hasil hitungan rataan)

b. Menghitung rataan dengan perintah if

Pada dasarnya sama dengan menghitung rataan seperti pada butir a di atas. Namun,

penggunaan menu if diterapkan karena yang dicari adalah rataan salah satu

kota/kabupaten saja. Misalnya Kota Jakarta Pusat

Langkah untuk menghitung rataan adalah sebagai berikut:

1) Pilih menu Transform > Compute Variabel lalu akan muncul kotak dialog

2) Isi nama Target Variabel, Misalnya Mean_12_JP. Dalam latihan ini yang akan

dicari adalah rataan Kota Jakarta Pusat. Lihat Gambar 5

3) Dalam menu Function Group pilih Statistical

4) Pada menu Function and Special Variabel pilih menu MEAN

5) Masukkan data yang akan dihitung rata-ratanya dengan cara double klik data

hingga muncul dalam kotak Numeric Expression. Dalam latihan ini adalah data

nilai bahasa Indonesia, bahasa inggris, matematika dan IPA

6) Klik menu if hingga muncul kotak dialog if (lihat Gambar 6)

7) Pada kotak dialog if pilih Include if satisfies condition

8) Masukkan data dengan cara Double klik hingga muncul dalam kotak Numeric

Expression. Dalam latihan ini data nm_rayon

9) Dalam kotak Numeric Expression beri tanda sama dengan lalu ketik kota yang

dipilih dengan diapit tanda “” sehingga menjadi nm_rayon=”KOTA JAKARTA

PUSAT”. Penulisan harus sama dengan format penulisan datanya

23 | P D S P

10) Klik Continue

11) Kembali ke kotak dialog Compute Variable klik OK. Hasilnya dapat dilihat pada

Gambar 7

(Gambar 5. Langkah Menghitung Rataan Dengan If)

24 | P D S P

(Gambar 6. Kotak Dialog If)

(Gambar 7. Hasil Menghitung Rataan dengan If )

25 | P D S P

c. Menggabungkan data dari beberapa kolom

Untuk menggabungkan data dari beberapa kolom, misal kode dengan nama sekolah,

dapat dilakukan dengan cara berikut ini:

1) Pilih menu Transform lalu klik Compute Variabel

2) Isi Target Variabel, misalnya Kode_sklh (lihat Gambar 8)

3) Dalam menu Function Group pilih String,

4) Pada menu Function and Special Variabel pilih menu CONCAT

5) Masukkan data. Dalam latihan ini kode prov, kode rayon, kode sekolah, jenis uji,

nama sekolah.

6) Klik menu Type and Label

7) Pada kotak dialog Type and Label pilih data STRING dan isikan width data.

Pengaturan width data tergantung berapa kebutuhan karakter dari data baru yang

hendak dibuat, misalnya 50, lalu klik continue. Lihat Gambar 9

8) Klik Ok. Hasilnya dapat dilihat pada Gambar 10

(Gambar 8. Langkah Menggabungkan Data )

26 | P D S P

(Gambar 9. Kotak Dialog Type & Label )

(Gambar 10. Hasil Penggabungan)

27 | P D S P

d. Membuat data baru dengan ekspresi kondisi

Data baru dapat dibuat dengan cara menyusun ekspresi kondisi sesuai dengan persyaratan

data yang diinginkan. Misalnya akan membuat data jumlah peserta yang tidak lulus ujian.

Data ini diperoleh dari hasil pengurangan antara jumlah peserta dengan jumlah yang

lulus. Adapun langkah-langkahnya adalah sebagai berikut:

1) Pilih menu Transform lalu klik Compute Variabel

2) Isi Target Variabel, misalnya jm_tdk_lls. Lihat Gambar 11

3) Buatlah ekspresi kondisi dalam kotak Numeric Expression. Dalam latihan ini

jm_pes - jm_lulus

4) Klik Ok. Hasilnya perhitungannya dapat dilihat pada Gambar 12

(Gambar 11. Langkah Membuat Data Baru dengan Ekspresi Kondisi )

28 | P D S P

(Gambar 12. Hasil Menghitung Jumlah yang Tidak Lulus Ujian)

29 | P D S P

RECODE DATA

30 | P D S P

Recode Data

Recode Data digunakan sebagai fungsi untuk mengkelompokkan atau mengklasifikasikan data.

Berikut beberapa contoh penggunaan Recode Data :

Pengelompokkan Data untuk pembuatan Data Nasional = 00, Data Provinsi = 1 dan Data

Kabupaten/Kota = 2. Langkah – Langkah :

1. Jalankan program SPSS dan import data yang diinginkan.

2. Pada Recode Data ada 2 perintah :

a. Recode Into Same Variables, maksudnya hasil perubahan akan di overwrite variabel yang

direcode.

b. Recode Into Different Variables, maksudnya hasil perubahan akan ditempatkan di variabel

yang baru.

3. Klik Transform → Compute Variables

31 | P D S P

4. Kemudian ketikkan Target Labels = NEW_CODE dan numeric expression = 0

5. Kemudian untuk melakukan Recode Data dengan variabel yang sama, pilih menu Transform

dari menu bar, kemudian pilih Recode Same Variables

32 | P D S P

6. Pilihlah Variabel yang akan direcode, misalkan : NEW_CODE.

7. Untuk menentukan Data Provinsi, misalkan : Provinsi DKI Jakarta. Pilih IF, kemudian akan tampil

kotak dialog seperti ini, kemudian pilih Include If Case Satistfies Condition.

33 | P D S P

8. Pilih nm_prop, kemudian ketikkan : DKI (Pastikan sesuai dengan yang ada pada data), kemudian

Continue.

9. Akan kembali muncul kotak dialog seperti pada langkah 8, kemudian pilih Old and New Values.

Sehingga akan tampil kotak dialog seperti berikut ini, kemudian masukkan Old Value = 0 dan

New Value = 1, kemudian Add.

34 | P D S P

10. Kemudian Continue, lalu OK.

11. Sehingga akan tampil pada Data View seperti berikut.

35 | P D S P

12. Untuk menentukan Data Kabupaten/Kota, misalkan : Kota Jakarta Selatan. Pilih Transform

→Recode into Same Variables. Pilih IF, kemudian akan tampil kotak dialog seperti ini, kemudian

pilih Include If Case Satistfies Condition.

13. Pilih nm_rayon, kemudian ketikkan : KOTA JAKARTA SELATAN (Pastikan sesuai dengan yang ada

pada data), kemudian Continue.

36 | P D S P

14. Akan kembali muncul kotak dialog seperti pada langkah 8, kemudian pilih Old and New Values.

Sehingga akan tampil kotak dialog seperti berikut ini, kemudian masukkan Old Value = 1 dan

New Value = 2, kemudian Add.

15. Kemudian Continue, lalu OK.

37 | P D S P

16. Sehingga akan tampil pada Data View seperti berikut.

Untuk membuat pengelompokkan data berdasarkan Nilai Rata – Rata UN 2012 dengan kriteria

(Range) sebagai berikut :

Kriteria 1 : Nilai UN < 5

Kriteria 2 : Nilai UN antara 5 dan 6

Kriteria 3 : Nilai UN antara 6 dan 7

Kriteria 4 : Nilai UN antara 7 dan 8

Kriteria 5 : Nilai UN > 8

Langkah – Langkah :

38 | P D S P

1. Pilih Transform →Recode into Different Variables

2. Pilih Variable yang akan direcode, misalkan : MEAN_12. Pada Output Variable, Name : CODE_12,

kemudian Change.

39 | P D S P

3. Untuk menentukan Range, pilih Old and New Values. Contoh : (1) Nilai UN < 5

Untuk menentukan Kriteria Nilai UN < 5, langkah - langkah :

1) Pada Range Lowest through value, kemudian isikan nilainya yaitu 5 (perhatikan lingkaran

merah 1).

2) Nama Kriteria, pada kolom New Value ketikkan 1 sebagai Kriteria 1 (perhatikan lingkaran

merah 2).

3) Pilih Add (perhatikan panah).

4. Sehingga akan kriteria akan tampil di kolom kanan (perhatikan lingkaran merah)

1

2

3

40 | P D S P

5. Untuk Kriteria 2 dengan Nilai UN = 5 – 6, langkah – langkah :

1) Pilih Range = 5 dan Trough = 6 (perhatikan lingkaran merah 1).

2) Nama Kriteria pada kolom New Value ketikkan 2 (perhatikan lingkaran merah 2).

3) Pilih Add (perhatikan panah)

6. Lakukan kembali langkah 5 untuk membuat Kriteria 3 untuk Nilai UN = 6 – 7 dan Kriteria 4

dengan Nilai UN = 7 – 8.

7. Untuk membuat Kriteria 5 dengan nilai UN > 8, langkah – langkah :

1) Pada Range Highest through value, kemudian isikan nilainya yaitu 8 (perhatikan lingkaran

merah 1).

2) Nama Kriteria, pada kolom New Value ketikkan 5 sebagai Kriteria 5 (perhatikan lingkaran

merah 2).

3) Pilih Add (perhatikan panah).

1

2

3

41 | P D S P

8. Setelah semua Kriteria dibuat (perhatikan lingkaran merah), kemudian pilih Continue

(perhatikan tanda panah).

1

2

3

42 | P D S P

9. Muncul kotak dialog Recode into Different Variables, pilih OK.

10. Untuk menampilkan histogram, pilih Graphs → Legacy Dialogs → Histogram.

43 | P D S P

11. Akan tampil kotak dialog sebagai berikut, Variable dipilih CODE_12 berdasarkan hasil recode

yang sudah dilakukan sebelumnya.

12. Sehingga tampilan grafik histogramnya sebagai berikut pada Output.

44 | P D S P

13. Untuk mengubah label, pilih Variable View. Kemudian pilih label yang akan diganti. Misalkan :

CODE_12 → Values, Values = 1 dan Labels = < 5 kemudian Add. Lakukan yang sama untuk

Kriteria 2, 3, 4 dan 5.

14. Setelah semua label terisi, kemudian OK.

45 | P D S P

15. Untuk melihat perubahan yang terjadi, Pilih Data View → Value Labels (perhatikan lingkaran

merah). Kemudian perubahan akan terlihat pada Variables CODE_12 (perhatiakan kotak merah).