1 / 23

ANALISIS DESKRIPTIF

ANALISIS DESKRIPTIF. ( DESCRIPTIVE ANALYZE ). Descriptive Analyze. Langkah pertama yang umum dilakukan dalam analisis data ialah menyimpulkan informasi tentang variabel-variabel pada dataset Anda, seperti nilai maksimum, minimum, rata-rata, standar deviasi dan jumlah total (sum).

chancellor-swanson
Download Presentation

ANALISIS DESKRIPTIF

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. ANALISIS DESKRIPTIF (DESCRIPTIVE ANALYZE)

  2. Descriptive Analyze • Langkah pertama yang umum dilakukan dalam analisis data ialah menyimpulkan informasi tentang variabel-variabel pada dataset Anda, seperti nilai maksimum, minimum, rata-rata, standar deviasi dan jumlah total (sum). • Beberapa kesimpulan atau statistik deskriptif tersedia dalam Descriptive Option pada menu Analyze dan Descriptive Statistics.

  3. Langkah-langkah Descriptive Analyze • Pilih Menu Analyze • Pilih Submenu Descriptive Statistics • Pilih Descriptive • Masukkan Variabel yang akan dianalisis • Klik Options • Pilih: • Mean • Std. Deviation • Minimum • Maximum • Kurtosis • Skewness • Variable List • Klik Opsi “Save Standardized value as variables” • Klik OK

  4. Latihan Spss 1

  5. Keterangan Latihan Spss 1

  6. Setiap data yang berada dil uar batas kritis 1,96 berarti berada di luar kewajaran (unusual value)

  7. Langkah-langkah Explore Data • Analyze • Descriptive Statistics • Explore • Pada Box dialog • Masukkan Variabel Usia pada Dependent List • Masukkan Variabel Gender pada Faktor list • Abaikan List Cases By • Pilih opsi Statistics • Pilih Descriptives • M-estimators • Outliers • Continue • Pilih opsi Plots • Pilih Factor levels together • Stem and leaf • Continue • Pada bagian Display pilih Both • OK

  8. HASIL OUTPUT CASE PROCESSING SUMMARY DAN DESCRIPTIVES Summary

  9. Descriptive

  10. Analisis Case Processing Summary • Jumlah data yang diproses 13 Pria dan 13 Wanita , dimana semua data valid 100% dapat diproses. Output Descriptives • Rata-rata usia pria 25.54 th dengan range berkisar antara 24.63th sampai 26.45th 5% Trimmed Mean • Ukuran ini didapat dengan mengurutkan data usia pria dari yang terkecil sampai terbesar, kemudian memotong 5% dari data terkecil dan 5% dari data terbesar. Hal ini bertujuan untuk membuang (trimming) nilai data yang ’unusual’ atau ‘menyimpang’ (karena jauh dari rata-rata). • Kemudian hasil yang ada setelah proses trimming dilakukan perhitungan mean seperti biasa. Terlihat hasil 25.4316th, yang berarti rata-rata usia dengan proses trimming menjadi 25.4316th. Mean ini lebih mempunyai informasi yang berguna dibandingkan dengan data median.

  11. Interquartile Rank • Ukuran ini menunjukkan selisih antara nilai persentil yang ke-25 dan persentil ke-75. seperti diketahui, secara teoritis, 50% dari data terletak di antara persentil ke-25 dan persentil ke-75. dari output didapat nilai 2.5th, yang berarti pada 50% data usia pria, selisih antara yang tertinggi dan terendah adalah 2.5th • Ratio Skewness dan Kurtosis • Skewness = 0.950/0.616 = 1.54 • Kurtosis = 0.772/1.191 = 0.65 • Berdasarkan ratio tersebut, maka distribusi data usia dikatakan normal

  12. HASIL OUTPUT M-ESTIMATORS

  13. Output M-Estimator • M-Estimator digunakan sebagai alternatif pada pengukuran pusat (central tendency). Pengukuran pusat yang populer adalah Mean (rata-rata) dan median (titik tengah). Namun jika data mengandung nilai-nilai yang cukup menyimpang dari rata-ratanya, maka Mean tidak dapat menggambarkan ukuran pusat data tersebut.

  14. Output M-Estimator (lanjutan) • Di atas telah dibahas ukuran 5% Trimmed Mean yang berusaha menghitung Mean dengan menghilangkan 5% angka terbesar dan terkecil dari data. Namun jika data terbesar dan terkecil berubah, 5 % Trimmed mean atau Median juga tidak bisa mendeteksi perubahan tersebut, karena data itu oleh hitungan % Trimmed dihilangkan, sedangkan Median mengukur titik tengah data, sehingga perubahan di kedua titik ekstrim tidak berpengaruh.

  15. Output M-Estimator (lanjutan) • M-Estimator sebagai alternatif pengukuran pusat, yaitu dengan memberi bobot (weight) pada data. SPSS menyediakan beberapa ukuran M-Estimator, seperti terlihat pada Output. • Rata-rata usia pria menurut : • Huber adalah 25.31 dan wanita 26.08 • Tukey adalah 25.27 dan wanita 26.07 • Hampel adalah 25.37 dan wanita 26.16 • Andrew adalah 25.26 dan wanita 26.07

  16. HASIL OUTPUT BOXPLOT

  17. Output BOXPLOT • Boxplot adalah kotak pada gambar berwarna merah, dengan garis tebal horizontal di kotak tersebut • Kotak merah tersebut memuat 50% data, atau mempunyai batas persentil ke-25 dan ke-75 • Garis tebal hitam adalah letak Median data • Jika garis hitam atau tanda Median terletak dpersis di tengah Boxplot disebut distribusi data adalah normal • Jika berada di sebelah atas , distribusi menceng ke kiri • Jika berada di sebelah bawah, distribusi menceng ke kanan

  18. Analisis : • Usia Pria mempunyai Median yang lebih rendah dari Wanita, atau Titik Tengah Usia Pria lebih rendah dari Titik Tengah Usia Wanita. • Kedua garis Median berada persisi di tengah, hal ini menunjukan data berdistribusi normal • Terdapat satu data dengan tanda ”O” Outlier(nilai yang berada diluar garis/Ekstrim) yaitu pada kasus 23 (29th) untuk pria.

  19. HASIL OUTPUT STEM AND LEAF usia Stem-and-Leaf Plot for gender= Pria  Frequency    Stem &  Leaf      4.00       24 .  0000      3.00       25 .  000      3.00       26 .  000      2.00       27 .  00       .00       28 .      1.00       29 .  0  Stem width:         1  Each leaf:       1 case(s) usia Stem-and-Leaf Plot for gender= Wanita  Frequency    Stem &  Leaf      1.00       24 .  0      4.00       25 .  0000      3.00       26 .  000      2.00       27 .  00      2.00       28 .  00      1.00       29 .  0  Stem width:         1  Each leaf:       1 case(s)

  20. Output Stem and Leaf • Terdapat frekuensi 4 responden berusia 24th (lihat kolom Stem) • Terdapat kelompok usia 24-an sebanyak 4 responden • Kolom Leaf 0000 berarti terdapat cabang (leaf) dari 24 yaitu 0,0,0,0 berarti usia responden tersebut 24th, 24th, 24th, dan 24th. • Terdapat satu data Pria (frequency =1) yang diberi tanda Extremes, hal ini menunjukan terdapat data outlier sejumlah satu, dengan keterangan usia sama atau di atas 29th

  21. Uji Normalitas Data

  22. Analisis • Nilai Sig. atau signifikansi atau nilai probabilitas < 0,05, maka Distribusi Tidak Normal • Nilai Sig. atau signifikansi atau nilai probabilitas > 0,05, maka Distribusi Normal Kesimpulan • Untuk Usia Responden baik pria maupun wanita memiliki nilai Sig. Kolmogorov Smirnov > 0,05, maka Distribusi kedua sampel adalah Normal • Untuk Usia Responden baik pria maupun wanita memiliki nilai Sig. Shapiro Wilk > 0,05, maka Distribusi kedua sampel adalah Normal

  23. SEKIAN

More Related