Pendataan Karang Dengan Manta Tow

1. Metoda Manta Tow

Metoda Manta Tow adalah suatu teknik pengamatan terumbu karang dengan cara

pengamat di belakang perahu kecil bermesin dengan menggunakan tali sebagai penghubung antara

perahu dengan pengamat (Gambar 1). Dengan kecepatan perahu yang tetap dan melintas di atas

terumbu karang dengan lama tarikan 2 menit, pengamat akan melihat beberapa obyek yang

terlintas serta nilai persentase penutupan karang hidup (karang keras dan karang lunak) dan karang

mati.  

Gambar 1. Teknik Manta Taw

Data yang diamati dicatat pada tabel data dengan menggunakan nilai kategori atau dengan

nilai persentase bilangan bulat. Untuk tambahan informasi yang menunjang pengamatan ini, dapat

pula diamati dan dicatat persen penutupan pasir dan patahan karang serta obyek lain (Kima,

Diadema dan Acanthaster) yang terlihat dalam lintasan pengamatan.

Tim Kerja

Pada tahap pemula, pengamatan dengan menggunakan metoda Manta Tow membutuhkan

paling sedikit    4 orang dengan masing‐masing orang mempunyai tugas dan fungsi masing‐masing,

yaitu:

™ 1 orang bertugas mengemudikan perahu motor.

™ 1 orang bertugas sebagai pengamat (observer) yang ditarik di belakangperahu.

™ 1 orang bertugas sebagai penunjuk arah yang berada di depan perahu dan melihat posisi perahu

agar selalu berada di antara rataan terumbu dengan tepi tubir.

™ 1 orang bertugas sebagai penentu waktu, fungsinya adalah memperhatikan waktu pengamatan

dan memberi tahu pengemudi untuk menghentikan perahu apabila waktu pengamatan telah

berlangsung selama 2 menit.

Seluruh anggota tim harus mengetahui metoda ini dengan benar serta melaksanakannya

dengan penuh tanggung jawab dan sesuai dengan prosedur yang ada, karena ini berhubungan erat

dengan keselamatan seluruh anggota tim.Untuk tahap mahir, pengamatan ini bisa dilakukan hanya dengan menggunakan tim kerja

yang berjumlah dua orang, yaitu satu untuk pengamat dan satunya lagi adalah pengemudi perahu

yang sekaligus bertugas sebagai penentu lama waktu tarikan.

Peralatan yang Digunakan

Untuk melakukan pengamatan terumbu karang dengan menggunakan metoda Manta Tow

ini diperlukan peralatan sebagai berikut :

1. Kaca mata selam (masker)

2. Alat bantu pernapasan di permukaan air (snorkel)

3. Alat bantu renang di kaki (fins)

4. Perahu bermotor (minimal 5 PK)

5. Papan manta (manta board) yang berukuran panjang 60 cm, lebar 40cm, dan tebal 2 cm

6. Tali yang panjangnya 20 meter dan berdiameter 1 cm.

7. Pelampung kecil

8. Papan plastik putih yang permukaannya telah dikasarkan dengan kertas pasir

9. Pensil

10. Penghapus

11. Stop watch/jam

12. Global Positioning System (GPS)

Perahu dengan berkekuatan kurang lebih 5 PK digunakan untuk menarik pengamat dan

dapat memberikan kecepatan yang cukup bagi pengamat untuk melakukan pengamatan dengan

baik. Kecepatan perahu ini harus diatur sedemikian rupa sehingga tidak terlalu cepat dan juga tidak

terlalu lambat pada saat melakukan pengamatan.

Papan manta yang berukuran 60 cm x 40 cm x 2 cm (panjang x lebar x tebal) digunakan

sebagai tempat pegangan pengamat dan untuk meletakkan papan tabel. Pengamat juga dapat

mengatur arah gerakan ke kanan, ke kiriatau pun menyelam dengan menggerakkan papan manta ini.

Satu lubang di tengah bagian bawah papan manta diperlukan agar pengamat dapat mengatur

posisinya pada saat melakukan pengamatan. Papan manta

Tali sepanjang 20 meter digunakan untuk menghubungkan papan manta dengan perahu.

Jarak antara ujung perahu dengan pengamat adalah 18 meter sehingga sisa panjang tali digunakan

untuk mengikat ujung perahu. Lebar papan manta dan panjang regangan tali pengikatnya perlu

diperhatikan untuk mendapatkan jarak antara pengamat dan ujung perahu yang sesuai. Dua buah

pelampung dipasang pada jarak 6 meter dan 12 meter dari ujung perahu ke arah papan manta.

Fungsi pelampung ini adalah sebagai tanda untuk menentukan kecerahan air laut.

Papan plastik putih digunakan untuk tabel data. Tabel data yang ditempelkan pada papan

manta hendaknya menggunakan plastik akrilik dengan posisi tabel diletakkan di tengah papan manta

sehingga data yang dilihat oleh pengamat dapat dituliskan pada tabel data tersebutJam atau stop

watch digunakan untuk menentukan lamanya waktu pengamatan. Lama pengamatan adalah 2 menit

pada setiap tarikannya. Global Positioning System digunakan untuk penentuan posisi. Karena alat ini

(GPS) cukup mahal, maka untuk penggunaan di desa sebaiknya digunakan tanda‐tanda alam yang

berada di pantai (contoh; pohon kelapa miring ditanjung X, batu besar, bangunan permanen, dan

lain‐lain). Setiap setelah pengamatan selama dua menit, pengamat harus menentukan posisinya

dengan cara melihat tegak lurus garis pantai dan menggunakan tanda alam apa sebagai acuan

posisinya.

Prosedur Umum Manta Tow

Pengamat ditarik di antara rataan terumbu karang dan tubir (reef edge) , dengan

kecepatan yang tetap yaitu antara 3  ‐  5 km/jam atau seperti orang yang berjalan lambat. Bila ada

faktor lain yang menghambat seperti arus perairan yang kencang maka kecepatan perahu dapat

ditambah sesuai dengan tanda dari si pengamat yang berada di belakang perahu. Pengamatan

terumbu karang dilakukan selama 2 menit, kemudian berhenti beberapa saat untuk memberikan

waktu bagi pengamat mencatat data beberapa kategori yang terlihat selama 2 menit pengamatan

tersebut ke dalam tabel data yang tersedia di papan manta. Setelah mendapat tanda dari pengamat

maka pengamatan dilanjutkan lagi selama 2 menit, begitu seterusnya sampai selesai pada batas

lokasi terumbu karang yang diamati.  

Dalam pengamatan penutupan karang (keras, lunak, dan mati), pengisian data untuk

penutupan karang sebaiknya menggunakan persentase. Hal ini untuk memudahkan pengamat dalam

menentukan masing‐masing tutupan karang. Pengamat harus memperhatikan total persen dari

penjumlahan tutupan karang ditambah dengan pasir dan tutupan lainnya jangan sampai melebihi

100 % . Pengisian data‐data ke atas tabel data tergantung kepada tujuan pengamatan itu

sendiri. Tabel data  contoh sederhana untuk pengamatan terumbu karang

yang bertujuan untuk mengetahui tutupan karang keras, karang lunak, dan karang mati yang dapat

menggambarkan kondisi terumbu karang secara umum. Apabila pengamatan ditujukan untuk

mengetahui informasi lain dari terumbu seperti kelimpahan bintang laut berduri, patahan‐patahan

karang, hamparan pasir, spong, kima, alga, dan biota terumbu karang lainnya maka tabel data

tersebut dapat dimodifikasi sesuai dengan keperluan pengamatan.  

Tabel Data Pengamatan Terumbu Karang

Lokasi   : ……………………………..

Waktu   : ……………………………..

Tanggal   : ……………………………..

Pengamat   : ……………………………..

Penunjuk arah yang berada di depan perahu agar selalu memperhatikan posisi perahu dan

memberikan tanda ke pengemudi perahu agar perahu tetap pada jalurnya, yaitu antara rataan

terumbu dan tepi tubir. Ia harus memperhatikan adanya batu‐batu karang yang menonjol ke

permukaan laut sehingga dapat dihindari demi keamanan mesin perahu dan juga pengamat yang

berada di belakang perahu, juga kedalaman laut di atas terumbu karang harus diperhatikan agar

perahu tidak kandas.

No.

Tarikan

Posisi Tutupan karang

Kedalaman  

(m)

Kecerahan air  

(kategori)

Keterangan

Awal Akhir Keras Lunak Mati

                   

Ikan Chiellinus or Ikan Napoleon

Bicara soal ikan terumbu karang, ikan napoleon (Cheilinus undulatus) jelas bukan primadonanya. Tampangnya enggak cakep. Warnanya juga kagak terlalu menarik. Apalagi menginjak umur setengah baya badannya jadi meraksasa, sehingga orang yang belum mengenalnya bakal takut. Meskipun gerakannya lamban, kesan menyeramkan tak bisa hilang.

Tapi di kalangan pecinta makanan ikan laut di Hongkong sana, ikan ini benar-benar sajian favorit. Kabarnya, daging mereka sangat lezat dan lembut, lalu, dia juga merupakan simbol status sosial dan ekonomi bagi penyantapnya. Menu ikan, yang di Hongkong disebut sio moy, ini biasanya dihidangkan pada acara atau peringatan khusus, umpamanya pesta ulang tahun kelahiran atau perkawinan. Permintaan tertinggi terjadi pada Hari Ibu. Syukur, barangkali itu merupakan bentuk penghargaan yang tinggi pada kaum ibu. Sajian ikan “buruk rupa” ini sering pula hadir saat ada jamuan makan dengan relasi bisnis.

Soal harganya, jangan tanya. Sekilonya di sana mencapai AS $ 80. Padahal, para taoke belanja ke para nelayan penangkapnya di Indonesia cuma dengan harga AS $ 20, meski di tingkat nelayan harga itu sudah menggiurkan. Akibatnya, penangkapan terhadap ikan jenis ini jadi membabi buta. Kalau menangkapnya cep … pakai tangan, mungkin tak masalah. Yang celaka, mereka diburu menggunakan bom rakitan atau racun potasium sianida (NaCN). Terumbu karang tempat mereka hidup, kongko-kongko, dan mencari makan jadi hancur atau mati.

Beruntung, para pecinta terumbu karang dan penghuninya segera teriak kencang. Pemerintah negara-negara yang wilayahnya menjadi habitat mereka segera pasang kuda-kuda. Larangan penangkapan terhadap mereka pun diberlakukan. Di antaranya oleh Filipina dan Indonesia. Kedua negara memang merupakan pemasok utama ikan napoleon untuk Hongkong. Maldivas kemudian mengikuti jejak keduanya. Tapi, sebenarnya masih ada negara lain yang “diam-diam” juga memasok ikan besar ini ke Hongkong. Di antaranya Australia, Cina, Malysia, Papua Nugini, Kepulauan Solomon, Thailand, dan Vietnam.

Di Indonesia sendiri larangan itu tidak cuma penangkapan, tetapi juga perdagangan mereka. Dalam SK Menteri Pertanian No. 375/Kpts/IK.250/5/95 disebutkan penangkapan cuma diizinkan Menteri Pertanian untuk penelitian dan pengembangan ilmu pengetahuan serta pembudidayaannya. Nelayan tradisional juga diizinkan menangkap menggunakan alat dan tata cara yang tidak merusak sumber daya alam. Sedangkan dalam SK Menteri Perdagangan No. 94/Kp/V/95 dicantumkan larangan mengekspor ikan napoleon dalam keadaan hidup atau mati, bagian-bagiannya, maupun barang-barang yang terbuat dari ikan tersebut. CITES (Convention on International Trade in Endangered Species of Wild Flora and Fauna) pun memasukkan ikan napoleon ini sebagai satwa yang haram diperdagangkan. Sayang, implementasinya belum seperti diharapkan.

Gara-gara “selir” berebut kekuasaan

Pantas saja kalau kerusakan terumbu karang akibat serbuan serampangan terhadap si napoleon laut ini, bikin teriak banyak pihak. Pasalnya, kalau habitatnya luluh lantak mereka bisa kehilangan tempak tinggal dan dikhawatirkan punah. Padahal, mereka susah banget dikembangbiakkan di luar kampung halaman. Kalau cuma untuk hidup, bisa saja di miniatur laut seperti yang ada di Sea World Indonesia. Di sana saat ini ada beberapa ekor ikan napoleon. Tapi untuk punya keturunan, enggak janji! Penelitian yang dilakukan para bapak dan ibu di Loka Budidaya Air Payau Situbondo misalnya, mengungkapkan peluang mereka bisa beranak pinak di kolam percobaan sangat kecil. Meski telah berhasil dipijahkan, tingkat kelulushidupan (survival rate)-nya cuma 2 –3 % (Kompas, 5 Juli 1999). Artinya, setiap 100 ekor anak napoleon yang berhasil menetas, cuma 2 – 3 ekor yang mampu bertahan hidup. Selebihnya, ya menghadap Yang Maha Kuasa tak lama setelah turun ke dunia (air). Mungkin, tempat percobaan itu memang asing di mata si ikan napoleon.

Di kampung halaman mereka, dalam wilayah perairan terumbu karang Indo-Pasifik (Asia Tenggara dan Pasifik) dengan kedalamam 2 – 60 m, mereka bisa melihat pemandangan terumbu karang yang indah melambai-lambai. Mereka juga bisa bertegur sapa dengan tetangga sesama penghuni terumbu karang. Tempat favorit mereka adalah gua, celah, atau laguna di perairan terumbu karang. Sekarang bisa dimengerti, kebiasaan hidup di laut “beriman” (bersih, indah dan nyaman) menjadikan mereka stres berat bila dipaksa hidup di rantau orang. Tak terkecuali yang baru menetas. Wajar, kalau orok ikan napoleon tak banyak yang bisa bertahan.

Lebih-lebih siklus hidup bangsa ikan napoleon di tempat asalnya tergolong unik. Mereka termasuk dalam binatang hermaprodite protogynus. Di sini ikan napoleon jantan ada dua tipe, yakni mereka yang terlahir sebagai jantan dan tetap sebagai jantan sejati sampai akhir hayat, dan mereka yang memulai hidup sebagai betina dan dalam masa kehidupan berikutnya berubah fungsi sebagai jantan! Perubahan menjadi jantan biasanya terjadi setelah berumur 5 – 10 tahun atau berbobot badan kurang dari 10 – 15 kg. Namun, pergantian kelamin dan bagaimana perubahan kelamin terjadi masih menyimpan misteri.

Dramatis

Ada sejumlah faktor yang diperkirakan bisa mendorong perubahan jenis kelamin tadi. Yakni hubungan antarikan napoleon jantan dan dominasi sosial, atau dalam hal lebih spesifik, ukuran tubuhnya. Jenis Cleaner wrasse (Labroides dimidiatus), yang masih saudara ikan napoleon dalam keluarga besar Wrasse (Labridae), merupakan contoh paling baik. Pada ikan jenis ini seekor jantan yang besar bisa menjadi “raja” dan menguasai sebuah harem dengan sejumlah betina, bisa sampai enam ekor. Di dalam harem ini terbentuk hirarki yang jelas di antara para selir di harem tadi. Yang berbadan paling besar boleh menjadi ratu dan menempati kedudukan tertinggi. Ikan betina ini dalam aturan mainnya mendapatkan kekuasaan sangat besar atas betina lainnya. Dialah satu-satunya yang dapat hidup di sisi sang raja. Jika ratu atau betina lain menyatakan berhenti (menjadi selir), mangkat, atau berhalangan tetap, ikan betina yang berkedudukan lebih rendah berhak menggantikannya dengan naik ke jenjang sosial lebih tinggi, tanpa melalui sidang Majelis Permusyawaratan Wrasse. Sementara bila si rajalengser keprabon, betina terbesar bakal ikut bersaing dalam suatu perebutan kekuasaan melawan ikan jantan dari kampung tetangga yang akan mencoba mengambil alih kekuasaan atas wilayah dan penghuni harem. Kalau betina itu besar dan cukup agresif untuk menahan kudeta tersebut, dalam beberapa jam dia bakal bertindak sebagai raja, tetapi masih betina. Ia segera menjalankan roda pemerintahan dan beberapa hari kemudian berubah menjadi ikan jantan sejati.

Dalam menjaga keutuhan rumah tangganya, ikan napoleon jantan dewasa terkenal galak. Pejantan lain jangan sekali-kali mengganggu. Begitu ada pejantan lain yang dianggap mau coba-coba main mata dengan pasangan hidupnya, sang raja segera memberi pelajaran oknum tak tahu diri itu. Kalau perlu sampai titik darah penghabisan.

Ikan napoleon betina bertelur sepanjang tahun di pinggir atau bagian luar lereng terumbu karang. Proses bertelur ini terjadi dalam kelompok maupun berpasangan. Kegiatan bertelur dalam kelompok sungguh dramatis. Aktivitas itu dimulai dengan berkeliling bersama secara perlahan membentuk suatu kelompok. Saat anggota kelompok bertambah, mereka berenang lebih cepat dan lebih cepat lagi, akhirnya makin rapat membentuk kelompok besar. Pada puncak hiruk-pikuk tadi, seluruh kelompok naik ke arah permukaan laut kemudian secepat kilat berbalik arah dan meninggalkan sebuah massa telur dan sperma di belakang yang segera terbawa oleh arus.

Jika proses bertelur dilakukan secara pasangan, yang jantan menyiapkan tempat bertelur pada seonggok karang atau batu yang menyolok. Dari sini dia menarik perhatian betina yang lewat, yang kira-kira bisa memberi harapan. Caranya, di atas calon pasangan dia bergerak ke atas dan ke bawah dan menggetarkan tubuhnya sembari berenang kembali. Kalau siap menerima pinangannya, si betina akan membalasnya dengan memberi sinyal ke ikan jantan yang meminangnya. Dengan bangga si betina melengkungkan tubuhnya membentuk huruf “S” sembari mempertontonkan perut buncitnya yang berisi telur. Mereka kemudian bertelur dalam suatu gerakan naik turun secara cepat ke permukaan. Proses bertelur ini berlangsung singkat dalam suatu hari, tergantung pada kondisi setempat. Di areal dengan arus pasang surut yang kuat, bertelur terjadi hanya setelah puncak pasang naik, keadaan yang ideal untuk memindahkan telur ke luar terumbu karang.

Punya banyak nama

Ketika muda, ikan napoleon terlihat pucat dengan garis-garis vertikal lebih gelap. Begitu dewasa, warna tubuhnya menjadi hijau kebiru-biruan dengan garis-garis lebih jelas. Bibirnya menebal macam bibir Mick Jagger. Bagian atas kepalanya pun, di atas mata, menjadi benjol ke depan. Karena “ponok”nya itu, orang pun menamainya Wrasse kepala berponok (Humphead wrasse).

Wajahnya memiliki garis-garis tak beraturan. Di belakang matanya terdapat dua garis pendek berwarna hitam. “Goresan” hitam ini menyerupai ornamen wajah suku Maori di Selandia Baru. Maka, ikan napoleon pun mendapat julukan lain, Maori wrasse.

Dalam keluarga besar ikan terumbu karang, ikan napoleon yang berukuran paling besar. Bisa mencapai panjang lebih dari dua meter. Yang pernah dicatat, seekor ikan napoleon memiliki panjang 2,29 m dan bobotnya 191 kg. Karena ukurannya yang besar itu, orang pun menjulukinya sebagai Giant (maori) wrasse.

Di alam bebas, ikan napoleon dikenal sangat hati-hati terhadap ikan-ikan lainnya. Namun, di taman laut, dimana ikan-ikan dilindungi, mereka sering kali menjadi jinak dan dapat disentuh oleh penyelam. Umumnya, mereka hidup sendiri-sendiri. Cuma kadang-kadang mereka terlihat berenang-renang berpasangan. Paling pol, mereka berkelompok hingga empat ekor. Pada masa bertelur Maori wrasseterlihat bergerombol dalam jumlah banyak.

Kalau siang hari ikan napoleon menjelajahi kampung halamannya yang penuh terumbu karang yang indah. Kalau malam hari beristirahat guna melepas lelah di dalam gua terumbu karang atau di bawah langkan karang.

Untuk memenuhi kebutuhan hidupnya, sepanjang hari mereka secara tenang tapi pasti melahap ikan-ikan kecil, kerang-kerangan, bintang laut, teripang, atau cacing laut. Tulang-tulang dekat kerongkongannya (pharyngeal bones) bertindak sebagai geligi kedua yang memecahkan, menggiling, dan membantu dalam pemrosesan makanan.

Masa hidup mereka belum banyak diketahui orang. Namun, dipercaya mereka bisa hidup 25 tahun atau lebih. Itu kalau tidak makin banyak yang diburu. Tragisnya, nelayan tradisional kebanyakan menggunakan cara-cara terlarang, misalnya menyemprotkan potasium sianida ke tempat-tempat napoleon bersembunyi. Beberapa saat kemudian, ikan napoleon dan bakal teler.

Ikan-ikan lainnya yang saat itu berada di sekitarnya juga ikut lemas. Untuk bisa mengambil ikan napoleon, nelayan biasanya membongkar terumbu karang tempat si ikan napoleon tadi ngumpet. Inilah yang bikin terumbu karang rusak. Sesampai di kapal, mereka cepat-cepat diberi oksigen. Napoleon yang sudah meninggalkan kampung halaman ini pun segar kembali. Sebaliknya, terumbu karang tempat mereka bersembunyi luluh lantak, sehingga perlu waktu puluhan tahun untuk mengembalikan kondisinya. 

laporan praktikum statistik

LAPORAN PRAKTIKUM STATISTIKA

STATISTICAL PACKAGE FOR SOCIAL SCIENCE

SPSS Ver.16

Disusun Oleh :

YUDHAWIRA BHASKARA SEMBIRING

26020110130078

PROGRAM STUDI ILMU KELAUTAN

JURUSAN ILMU KELAUTAN

FAKULTAS PERIKANAN DAN ILMU KELAUTAN

UNIVERSITAS DIPONEGORO

SEMARANG

2010

BAB I

PENDAHULUAN

1. Latar Belakang

Pada zaman sekarang ini, semua sudah serba modern sehingga semua kegiatan dituntut untuk serba cepat, seperti pengolahan data dan yang lain yang sulit untuk dikerjakan secara manual. Dan untuk memudahkan itu semua maka diciptakanlah komputer. Komputer berasal dari bahasa yunani ‘Computare’ yang artinya menghitung. Komputer memang memudahkan kita untuk mengolah data yang didasarkan pada operasi matematika seperti operasi logika. Meskipun komputer merupakan buatan manusia, namun alat ini sangat membantu pekerjaan manusia dalam pengolahan data karena mempunyai tiga keunggulan, yaitu pada bidang kecepatan, ketepatan, dan keandalan.

Ternyata komputer saja tidak cukup untuk membantu manusia dalam memasukkan data (data entry), mengedit data, transformasi data, analisis data yang dibutuhkan dalam penelitian, dan permasalahan dalam membuat dan mendistribusikan informasi yang berguna untuk pengambilan keputusan dalam suatu organisasi, agar tetap eksis dan unggul dalam kompetisi yang ketat, yang dialami oleh mahasiswa dalam mata kuliah Statistika. Maka dari itu dibuat suatu program aplikasi SPSS. Software ini dibuat oleh tiga mahasiswa Stanford University yang dioperasikan pada komputer mainframe pada tahun 1968. Dalam pengenalannya pada mahasiswa, diadakan praktikum SPSS (Statistical Product and Service Solution) yang nantinya dapat digunakan mahasiswa dalam menghitung dan menganalisis suatu data yang telah diperoleh sebelumnya.

2. Permasalahan
   1. Pada saat ini bidang statistik dikenal sebagai suatu alat untuk menguji konsep-konsep dan untuk merasakan arah-arah didalam berbagai ragam disiplin ilmu.
   2. Statistik diperlukan di dalam dunia perguruan tinggi dan dunia perusahaan serta di dalam kehidupan sehari-hari.
   3. Dari berbagai software khusus statistik yang beredar sekarang, SPSS adalah yang paling populer dan paling banyak digunakan pemakaiannya di seluruh dunia dalam berbagai riset sains. Oleh karena itu, kita akan mempelajari dan mengenal program SPSS ini.

2. Tujuan Praktikum

Tujuan dari Praktikum SPSS yaitu :

1. Praktikan dapat mengenal dan memahami program SPSS.
2. Mempermudah dalam menyelesaikan permasalahan-permasalahan statistika seperti; memasukkan data (data entry), mengedit data, transformasi data, analisis data, mengambil suatu kesimpulan pada saat penelitian.
3. Praktikan dapat mengolah dan menganalisa suatu data dengan Uji Histogram dan Distribusi Normal.
4. Praktikan dapat mengolah dan menganalisa suatu data dengan Uji Box Plot.
5. Praktikan dapat mengolah dan menganalisa suatu data dengan Uji One Sample T-Test.
6. Praktikan dapat mengolah dan menganalisa suatu data dengan Uji Independent Sample T-Test.
7. Praktikan dapat mengolah dan menganalisa suatu data dengan Uji Paired Sample T-Test.

2. Manfaat Praktikum

1. Memberikan pengetahuan baru kepada praktikan tentang program SPSS.
2. Praktikan tahu dan mampu melakukan deskripsi dan inferensia data dengan menggunakan SPSS
3. Merupakan suatu bekal untuk praktikan dalam melakukan riset.

BAB II

TINJAUAN PUSTAKA

2.1. Pengertian dan Peranan Statistik

Kata statistik berasal dari bahasa latin, yaitu status yang berarti negara atau untuk menyatakan hal-hal yang berhubungan dengan ketatanegaraan. Cakupan statistik bukan hanya pada angka-angka pemerintahan saja, tetapi telah mengambil bagian dari berbagai kehidupan.

Berikut ini pengertian statistik sesuai dengan perkembangannya.

1. Pengertian pertama

Statistik adalah sekumpulan angka untuk menerangkan sesuatu, baik angka yang belum tersusun maupun angka-angka yang sudah tersusun dalam suatu daftar atau grafik.

2. Pengertian kedua

Statistik adalah sekumpulan cara dan aturan tentang pengumpulan, pengolahan, analisis, serta penafsiran data yang terdiri dari angka-angka.

3. Pengertian ketiga

Statistik adalah sekumpulan angka yang menjelaskan sifat-sifat data atau hasil pengamatan.

Dari pengertian kedua dan ketiga, dalam arti luas disimpulkan bahwa statistika merupakan suatu metode atau ilmu, yaitu metode atau ilmu yang mempelajari cara pengumpulan, pengolahan, penganalisisan, penafsiran, dan penarikan kesimpulan dari data yang ada.

Dan dari pengertian-pengertian di atas, unsur-unsur dari statistik adalah:

1. Data
2. Perlakuan data, seperti pengumpulan dan pengolahan
3. Kesimpulan
4. Angka-angka

Pengertian statistik juga dapat dilihat dari beberapa pendapat ahli, yaitu:

1. Croxton dan Cowden

Statistik adalah metode untuk mengumpulkan, mengolah, dan menyajikan, serta menginterpretasikan data yang berwujud angka-angka.

2. Anderson dan Bancroft

Statistik adalah ilmu dan seni perkembangan dan metode paling efektif untuk pengumpulan, pentabulasian, dan penginterpretasian data kuantitatif sedimikian rupa, sehingga kemungkinan salah dalam kesimpulan dan estimasi dapat diperkirakan dengan penggunaan penalaran induktif yang didasarkan pada matematika probabilitas.

3. Prof. Dr. Sudjana, M.A., M.sc.

Statistik adalah pengetahuan yang berhubungan dengan cara-cara pengumpulan data, pengolahan penganalisisannya, dan penarikan kesimpulan berdasarkan kumpulan data dan penganalisisan yang dilakukan.

4. Steel dan Torrie

Statistik adalah metode yang memberikan cara-cara guna menilai ketidaktentuan dan penarikan kesimpulan yang bersifat induktif.

5. J. Supranto

• Dalam arti sempit

Statistika adalah data ringkasan yang berbentuk angka(kuantitatif)

• Dalam arti luas

Statistika adalah ilmu yang mempelajari cara pengumpulan, penyajian, dan analisis data, serta cara pengmbilan kesimpulan secara umum berdasarkan hasil penelitian yang menyeluruh.

6. Drs. Djarwanto Ps.

Statistik adalah kumpulan angka-angka yang berhubungan dengan atau melukiskan suatu persoalan.

Peranan statistik antara lain:

1. Dalam kehidupan sehari-hari

Sebagai penyedia bahan-bahan atau keterangan-keterangan berbagai hal untuk diolah dan ditafsirkan.

2. Dalam penelitian ilmiah

Sebagai penyedia alat untuk mengemukakan atau menemukan kembali keterangan-keterangan yang seolah-olah tersembunyi dalam angka-angka statistik.

3. Dalam ilmu pengetahuan

Sebagai peralatan analisis dan interpretasi dari data kuntitatif ilmu pengetahuan, sehingga didapatkan suatu kesimpulan dari data-data tersebut.

(Ir. M. Iqbal Hasan,M.M., 2002)

2.2 Variabel Statistik dan Skala Pengukuran

2.2.1 Variabel statistik

• Variabel: adalah suatu sifat atau fenomena yang menunjukan sesuatu yang dapat diamati dan nilainya berbeda-beda

Sesuatu dikatakan variabel, jika:

• Mempunyai nama
• Dapat diamati atau diukur
• Nilainya berbeda-beda
• Memiliki definisi verbal
• Ada kelompok penggolongan atau satuan

Contoh variabel tinggi badan:

• Nama : tinggi badan
• Dapat diukur : dapat
• Nilai pengukuran : berbeda
• Definisi verbal : jarak antara kepala – kaki
• Satuan : centimeter

• Bagian dari variabel disebut: atribut
• Variabel: jenis kelamin, tingkat pendidikan
• Atribut: laki, perempuan →atribut dari variabel jenis kelamin
• Atribut: SD, SMP, SMA, PT → atribut dari variabel tingkat pendidikan

Subyek dan Obyek Penelitian

• Jika kita akan meneliti tingkat pengetahuan ibu hamil → maka ibu hamil disebut subyek penelitian →sedangkan tingkat pengetahuan disebut obyek penelitian
• Meneliti jumlah kunjungan Puskesmas → Puskesmas: subyek, kunjungan: obyek
• Meneliti kemanjuran obat → obat: subyek, kemanjuran: obyek

Macam Variabel

• Variabel Tergantung/ Akibat / Terpengaruh/ Dependen → variabel yang dipengaruhi oleh variabel lain
• Variabel Bebas/ Sebab/ mempengaruhi/ Independen →variabel yang mempengaruhi variabel lain
• Contoh: variabel pendidikan dan pekerjaan →variabel pendidikan (variabel bebas), variabel pekerjaan (tergantung) → sebab pendidikan mempengaruhi pekerjaan

Sebutkan, mana yang termasuk variabel bebas dan variabel tergantung

1. Jenis olah raga dan bakat
2. Pekerjaan dan jenis kelamin
3. Kepribadian, pendidikan, dan keturunan

Hubungan Antar Variabel

1. Hubungan Asimetris
2. Hubungan Simetris
3. Hubungan Timbal Balik (Resiprocal)

Hubungan Variabel Asimetris

• Hubungan variabel Asimetris adalah hubungan suatu variabel yang mempengaruhi variabel lainya
• X → Y
• X = variabel bebas, independent, pengaruh, prediktor
• Y = variabel tergantung, dependent, terpengaruh, kriterium

Hubungan Variabel Simetris

• Hubungan simetris artinya kedua variabel ada hubungan tetapi tidak saling mempengaruhi
• Contoh: variabel Tinggi badan (Y1) dan Berat Badan (Y2) dipengaruhi oleh variabel pertumbuhan (X)
• Antara Y1 dan Y2 ada hubungan, tetapi tidak saling mempengaruhi

Hubungan Variabel Timbal Balik

• Hubungan antar dua variabel yang saling mempengaruhi
• Misal: hubungan antara variabel malnutrisi dan variabel malabsorbsi
• Malabsorbsi akan menyebabkan malnutrisi
• Malnutrisi akan menyebabkan atropi mukosa usus halus → malabsorbsi

Variabel Perantara

• Variabel perantara atau penghubung: variabel yang menjadi penghubung antara variabel bebas dan variabel tergantung
• Misal: modernisasi (status wanita) dapat mempengaruhi fertilitas, tetapi tidak secara langsung, namun melalui kontrasepsi atau penundaan usia perkawinan → variabel kontrasepsi dan penundaan usia perkawinan disebut: Variabel Perantara

Variabel Penekan/ Pra Kondisi

• Variabel penekan atau prakondisi adalah variabel yang merupakan prasyarat bekerjanya variabel bebas dan variabel tergantung
• Contoh: Kuman M. TB (variabel bebas) menyebabkan penyakit TB (varibel tergantung) → proses diatas dapat berlangsung pada saat kondisi tubuh lemah (variabel penekan/ prakondisi)

Variabel Pengganggu/ Distorter

• Variabel pengganggu/ distorter adalah variabel yang mengganggu bekerjanya variabel bebas dan variabel tergantung
• Contoh: Hipotesis: akseptor KB ekonomi lemah akan lebih banyak daripada ekonomi tinggi →ternyata hipotesis tersebut salah, hal ini disebabkan ada variabel pengganggu yaitu variabel status pekerjaan: PNS dan Non PNS → ternyata hipotesis tsb benar pada pegawai non PNS

Definisi Operasional Variabel

• Definisi operasional adalah seperangkat instruksi yang lengkap untuk menetapkan apa yang akan diukur dan bagaimana cara mengukur variable.
• Hal-hal yang perlu diperhatikan dalam menyusun definisi operasional sebuah variable adalah:

• Nama variable
• Definisi verbal variable
• Kelompok penggolongan variable
• suatu cara untuk menggolongkannya

• Agar variabel dapat diamati dan diukur, maka setiap konsep yang ada dalam permasalahan atau yang ada dalam hipotesis harus disusun Definisi Operasional.
• Definisi operasional dari variabel sangat diperlukan terutama untuk menentukan alat atau instrumen yang akan digunakan dalam pengumpulan data.

Sebagai contoh konsep orang lapar: Orang lapar dapat didefinisikan sebagai:

Orang yang dapat menghabiskan sepiring nasi dalam waktu kurang dari dua menit

Orang yang kelihatan mengantuk, tidak suka berbicara dan kelihatan lesu.

Untuk menentukan seseorang lapar atau tidak, berdasarkan definisi 1 diperlukan sepiring nasi dan sebuah pencatat waktu, sedang berdasar definisi 2 tidak diperlukan alat, kecuali indera pengamatan

2.2.2 Skala pengukuran

Ada empat tipe skala pengukuran dalam penelitian, yaitu nominal, ordinal,

interval dan ratio.

1. Nominal

Skala pengukuran nominal digunakan untuk mengklasifikasikan obyek, individual atau kelompok; sebagai contoh mengklasifikasi jenis kelamin, agama, pekerjaan, dan area geografis. Dalam mengidentifikasi hal-hal di atas digunakan angka-angka sebagai symbol. Apabila kita menggunakan skala pengukuran nominal, maka statistik non-parametrik digunakan untuk menganalisa datanya. Hasil analisa dipresentasikan dalam bentuk persentase. Sebagai contoh kita mengklaisfikasi variable jenis kelamin menjadi sebagai berikut: laki-laki kita beri simbol angka 1 dan wanita angka 2. Kita tidak dapat melakukan operasi arimatika dengan angka-angka tersebut, karena angka-angka tersebut hanya menunjukkan keberadaan atau ketidakadanya karaktersitik tertentu.

Contoh:

Jawaban pertanyaan berupa dua pilihan “ya” dan “tidak” yang bersifat kategorikal dapat diberi symbol angka-angka sebagai berikut: jawaban “ya” diberi angka 1 dan tidak diberi angka 2.

2. Ordinal

Skala pengukuran ordinal memberikan informasi tentang jumlah relatif karakteristik berbeda yang dimiliki oleh obyek atau individu tertentu. Tingkat pengukuran ini mempunyai informasi skala nominal ditambah dengan sarana peringkat relatif tertentu yang memberikan informasi apakah suatu obyek memiliki karakteristik yang lebih atau kurang tetapi bukan berapa banyak kekurangan dan kelebihannya.

Contoh:

Jawaban pertanyaan berupa peringkat misalnya: sangat tidak setuju, tidak setuju, netral, setuju dan sangat setuju dapat diberi symbol angka 1, 2,3,4 dan 5. Angka-angka ini hanya merupakan simbol peringkat,  tidak mengekspresikan jumlah.

3. Interval

Skala interval mempunyai karakteristik seperti yang dimiliki oleh skala nominal dan ordinal dengan ditambah karakteristik lain, yaitu berupa adanya interval yang tetap. Dengan demikian peneliti dapat melihat besarnya perbedaan karaktersitik antara satu individu atau obyek dengan lainnya. Skala pengukuran interval benar-benar merupakan angka. Angka-angka yang digunakan dapat dipergunakan dapat dilakukan operasi aritmatika, misalnya dijumlahkan atau dikalikan. Untuk melakukan analisa, skala pengukuran ini menggunakan statistik parametric.

Contoh:

Jawaban pertanyaan menyangkut frekuensi dalam pertanyaan, misalnya: Berapa kali Anda melakukan kunjungan ke Jakarta dalam satu bulan? Jawaban: 1 kali, 3 kali, dan 5 kali. Maka angka-angka 1,3, dan 5 merupakan angka sebenarnya dengan menggunakan interval 2.

4. Ratio

Skala pengukuran ratio mempunyai semua karakteristik yang dipunyai oleh skala nominal, ordinal dan interval dengan kelebihan skala ini mempunyai nilai 0 (nol) empiris absolut. Nilai absoult nol tersebut terjadi pada saat ketidakhadirannya suatu karakteristik yang sedang diukur. Pengukuran ratio biasanya dalam bentuk perbandingan antara satu individu atau obyek tertentu dengan lainnya.

Contoh:

Berat Sari 35 Kg sedang berat Maya 70 Kg. Maka berat Sari dibanding dengan berat Maya sama dengan 1 dibanding 2.

5. Validitas

Suatu skala pengukuran dikatakan valid apabila skala tersebut digunakan untuk mengukur apa yang seharusnya diukur. Misalnya skala nominal yang bersifat non-parametrik digunakan untuk mengukur variabel nominal bukan untuk mengukur variabel interval yang bersifat parametrik. Ada 3 (tiga) tipe validitas pengukuran yang harus diketahui, yaitu:

• Validitas Isi (Content Validity)

Validitas isi menyangkut tingkatan dimana item-item skala yang mencerminkan domain konsep yang sedang diteliti. Suatu domain konsep tertentu tidak dapat begitu saja dihitung semua dimensinya karena domain tersebut kadang mempunyai atribut yang banyak atau bersifat multidimensional.

• Validitas Kosntruk (Construct Validity)

Validitas konstruk berkaitan dengan tingkatan dimana skala mencerminkan dan berperan sebagai konsep yang sedang diukur. Dua aspek pokok dalam validitas konstruk ialah secara alamiah bersifat teoritis dan statistik.

• Validitas Kriteria (Criterion Validity)

Validitas kriteria menyangkut masalah tingkatan dimana skala yang sedang digunakan mampu memprediksi suatu variable yang dirancang sebagai kriteria.

6. Reliabilitas

Reliabilitas menunjuk pada adanya konsistensi dan stabilitas nilai hasil skala pengukuran tertentu. Reliabilitas berkonsentrasi pada masalah akurasi pengukuran dan hasilnya.

2.3 Elemen Statistik

Meskipun statistik bisa diterapkan pada hampir semua aspek kehidupan, namun ada beberapa elemen yang biasa terdapat dalam suatu persoalan statistik, yaitu:

2.3.1 Populasi

Masalah dasar dari persoalan statistik adalah menentukan populasi data. Secara umum populasi bisa didefinisikian sebagai sekumpulan data yang mengidentifikasi suatu feomena. Misal pekerja di seluruh Indonesia bisa disebut suatu populasi, bahkan semua pekerjadi PT ’UTAMA’ juga bisa dikatakan populasi, bahkan pekerja wanita khusus di bagian produksi yang bekerja lembur pada malam hari di PT ’UTAMA’ tersebut juga bisa disebut suatu populasi. Jadi tergantung dari kegunaan dan relevansi data yang dikumpulkan. Jika diinginkan diteliti kepuasan pekerja wanta khusus di bagian produksi yang bekerja lembur pada malam hari di PT ’UTAMA’ tersebut, populasi adalah pekerja wanita khusus di bagian produksi yang bekerja lembur pada malam hari di PT ’UTAMA’. Namun, jika ingin diteliti status dan keadaan pekerja wanita di Indonesia, populasi yang relevan adalah seluruh wanita Indonesia yang aktif bekerja.

Populasi dalam statistik juga tidak hanya terbatas pada masalah-masalah manusia atau bisnis, namun lebih luas seperti populasi ayam di suatu daerah, poulasi bakteri ’X’ di suatu Laboraturium dan seterusnya. Juga populasi bisa sedemikian besarnya hingga bisa dikatakan tak terbatas, seperti populasi oksigen di dunia, populasi plankton di lautan dan sebagainya.

2.3.2 Sampel

Sampel bisa didefinisikan sebagai sekumpulan data yang diambil atau diseleksi dari suatu populasi seperti dalam kasus populasi di atas. Jika populasi adalah seluruh pekerja wanita di PT ’UTAMA’, sampel bisa sebagian pekerja wanita, atau beberapa pekerja wanita di perusahaan tersebut. Jadi, sampel adalah bagian dari populasi, atau populasi bisa dibagi dalam berbagai jenis sampel.

2.3.3 Statistik Inferensi

Seperti telah dijelaskan di muka, statistik inferensi pada dasarnya adalah suatu keputusan, perkiraan atau generalisasi tentang suatu populasi berdasarkan informasi yang terkandung dari suatu sampel. Pada kasus pekerja wanita di atas, dari sampel –misal- 20 oreang pekerja wanita di PT ’UTAMA’. Jika setelah dilakukan serangkaian analisis statistik, ternyata umumnya para pekerja wanita bergaji rendah dan merasa tidak puas dengan kondisi kerjanya sehingga dapat disimpulkan bahwa seluruh pekerja wanita di PT ’UTAMA’ (populasi) juga merasa tidak puas dengan kondisi kerja dan tingkat gaji yang diterima selama in. Jadi, apa yang disimpulkan dari analisis terhadapa sample, itu pula yang digeneralisasikan pada populasi.

2.3.4 Pengukuran Realibilitas dari Statistik Inferensi

Dari ketiga elemen di atas, bisa disimpulkan bahwa tujuan dari statistik pada dasarnya adalah melakukan deskripsi terhadap data sampel, kemudian melakukan inferensi terhadap populasi data berdasar pada informasi (hasil statistik deskriptif)) yang terkandung dalam sampel. Namun karena sampel yang diambil hanyalah sebagian dari populasi, bisa terjadi bias dalam kesimpulan yang didapat. Misal bisa saja tidak semua wanita pekerja di PT ’UTAMA’ merasa tidak puas. Mungkin saja ada beberapa wanita pekerja di sana yang justru merasa puas dan memiliki gaji yang cukup tinggi, karena produktivitasnya lebih besar dibanding rekan sekerjanya.

Sebagai konsekuensi dari kemungkinan timbulnya berbagai bias dalam inferensi, perlu diukur reabilitas dari setiap inferensi yang telah dibuat, seperti pelaporan adanya prediksi kesalahan terhadap suatu keputusan.

(Singgih Santoso, 2003)

2.4 Klasifikasi Statistik

2.4.1 Statistik Parametrik

Statistika parametrik adalah ilmu statistika yang mempertimbangkan jenis sebaran/distribusi data, yaitu apakah data menyebar normal atau tidak. Pada umumnya, Jika data tidak menyebar normal, maka data harus dikerjakan dengan metode Statistika non-parametrik, atau setidak2nya dilakukan transformasi agar data mengikuti sebaran normal, sehingga bisa dikerjakan dg statistika parametrik. Contoh metode statistika parametrik: uji-z (1 atau 2 sampel), uji-t (1 atau 2 sampel), korelasi pearson, Perancangan Percobaan (1 or 2-way ANOVA parametrik), dll. (Ir. M. Iqbal Hasan,M.M., 2002)

2.4.1.1 Statistik deskriptif

Statistik deskriptif adalah bagian dari statistik yang mempelajari cara pengumpulan dan penyajian data sehingga mudah dipahami.

Statistik deskriptif hanya berfungsi untuk menerangkan keadaan, gejala, atau persoalan.

Penarikan kesimpulan pada statistik deskriptif hanya ditujukan pada kumpulan data yang ada. Didasarkan pada ruang lingkup bahasannya, statistik deskriptif mencakup hal sebagai berikut:

Distribusi frekuensi beserta bagian-bagiannya seperti:

1. Grafik distribusi (histogram, poligon frekuensi, dan ogif)
2. Ukuran nilai pusat (rata-rata, median, modus, kuartil, dan sebagainya)
3. Ukuran dispersi (jangkauan, simpangan rata-rata, variasi, simpangan baku, dan sebagainya)
4. Kemencengan dan keruncingan kurva
5. Angka Indeks
6. Time Series/deret waktu atau data berkala
7. Korelasi dan Regresi Sederhana

2.4.1.2 Statistik Inferensi

Statistik inferensi adalah bagian dari statistik yang mempelajari mengenai penafsiran dan penarikan kesimpulan yang berlaku secara umum dari data yang telah tersedia.

Penarikan kesimpulan pada statistik inferensi merupakan generalisasi dari suatu populasi berdasarkan data yang ada. Didasarkan atas ruang lingkup bahasannya, statistik ini mencakup:

1. Probabilitas atau teori kemungkinan
2. Distribusi teoritis
3. Sampling dan distribusi sampling
4. Pendugaan populasi dan teori populasi
5. Uji hipotesis
6. Analisis korelasi dan uji signifikasi
7. Analisis regeresi untuk peramalan

(Ir. M. Iqbal Hasan,M.M., 2002)

2.4.2 Statistik Non Parametrik

Statistika non-parametrik -> statistika non-parametrik adalah statistika bebas sebaran (tdk mensyaratkan bentuk sebaran parameter populasi, baik normal atau tidak). Statistika non-parametrik biasanya digunakan untuk melakukan analisis pada data berjenis Nominal atau Ordinal. Data berjenis Nominal dan Ordinal tidak menyebar normal. Contoh metode Statistika non-parametrik:Binomial test, Chi-square test, Median test, Friedman Test, dll.

(Ir. M. Iqbal Hasan,M.M., 2002)

2.5 Korelasi dan regresi sederhana

2.5.1 Korelasi

Dalam teori probabilitas dan statistika, korelasi, juga disebut koefisien korelasi, adalah nilai yang menunjukkan kekuatan dan arah hubungan linier antara dua peubah acak (random variable). (www.wikipedia.com)

Salah satu jenis korelasi yang paling populer adalah koefisien korelasi momen-produk Pearson, yang diperoleh dengan membagi kovarians kedua variabel dengan perkalian simpangan bakunya. Meski memiliki nama Pearson, metode ini pertama kali diperkenalkan oleh Francis Galton. (www.wikipedia.com)

2.5.2 Regresi Sederhana

Regresi merupakan suatu alat ukur yang juga digunakan untuk mengukur ada tidaknya korelasi antarvariabel. Istilah regresi pertama sekali diperkenalkan oleh Sir Francis Galton pada tahun 1877.

Dalam penelitiannya, Galton menemukan bahwa tinggi anak dari orangtua cenderung meningkat atau menurun dari berat rata-rata populasi.

(Ir. M. Iqbal Hasan,M.M., 2002)

2.6 Cara Kerja SPSS

2.6.1 Komponen SPSS BI

Adapun SPSS BI adalah salah satu produk andalan SPSS sebagai market leader pada program statistik, yang berfungsi untuk membantu suatu organisasi dalam membuat dan mendistribusikan informasi yang berguna untuk pengambilan keputusan, agar tetap eksis dan unggul dalam kompetisi usaha yang ketat. SPSS BI mempunyai 4 bagian utama:

1. Data Collection : mengumpulkan data untuk pengolahan data.
2. Data preparation : persipan data untuk pengolahan lebih lanjut.
3. Data Analysis dan Data Mining : menyediakan berbagai perhitungan statistik untuk pengolahan data.
4. Data Deployment : mendistribusikan hasil pengolahan data (informasi).

Berikut adalah family product SPSS untuk Data Analysis dan Data Mining :

SPSS Base, ini adalah produk utama SPSS yang mencakup semua perhitungan statistik deskriptif dan induktif, serta dilengkapi penyajian berbagai jenis grafik. SPSS Base dilengkapi dengan add-on enhancements yang meliputi:

• SPSS Professional Statistics
• SPSS Advanced Statistics
• SPSS Tables
• SPSS Trends
• SPSS Categories
• SPSS Chaid
• SPSS Exact Tests
• Neural Connection
• Mapinfo
• Aiiclear III

(Santoso Singgih,2001)

2.6.2 SPSS data editor

SPSS Data Editor muncul setiap kali SPSS dibuka dan merupakan window utama pada SPSS.

Data Editor mempunyai dua fungsi utama:

1) Input data yang akan diolah oleh SPSS

2) Proses data yang telah diinput dengan prosedur statistik tertentu.

Data Editor terdiri atas sepuluh menu utama, yaitu File, Edit, View, Data, Transform, Analyze,

Graphs, Utilities, Windows dan Help. (Santoso singgih,2001)

2.6.3 Menu file pada SPSS

Menu utama File merupakan menu pertama dari Data Editor yang dibuka oleh para pengguna

SPSS.

Data Editor pada SPSS mempunyai dua bagian utama:

• Kolom, dengan ciri adanya kata var dalam setiap kolomnya. Kolom dalam SPSS akan diisi oleh Variabel (seperti penjualan, tinggi bandan dan lainnya).
• Baris, dengan ciri adanya angka 1,2,3 dan seterusnya. Baris dalam SPSS akan diisi oleh Kasus.

(Santoso Singgih, 2001)

Langkah-langkah memasukkan Data dalam SPSS:

a. Membuat lembar kerja baru

- Pilih menu utama File.

- Pilih submenu New.

- Klik Data.

b. Menamai Variabel yang diperlukan

Klik Variabel View yang ada dibagian kiri bawah, maka pada SPSS Data Editor akan tampil kolom-kolom dengan heading Name, Type, Width, Decimal, labels, Value, dsb.

Kolom Name:

Kolom ini untuk pendefisian nama variabel. Dalam pemberian nama variabel, hal-hal yang perlu diperhatikan adalah:

1. Nama variabel maksimum 8 karakter

2. Tidak boleh ada spasi

3. Karakter pertama berupa huruf

4. Karakter terakhir tidak boleh berupa titik

5. Hindarilah istilah dalam SPSS seperti; All, And, By, Eq, Ge, Le, Lt, Ne, Or, To, With

6. Huruf besar dan kecil dianggap sama

Kolom Type:

Kolom ini utnuk mendefinisikan type variabel antara lain Numeric, Dot, Scientific notation, Date, Dollar, Custom currency, dan String

Kolom Width:

Kolom ini untuk memberikan lebar variabel

Kolom Decimal:

Kolom ini untuk memberikan tempat decimal dari data pada variabel yang sesuai

Kolom Labels:

Kolom ini utnuk memberikan label variabel (jika perlu)

Kolom Values:

Kolom ini untuk memberikan harga label dari variabel (jika perlu)

(Yasin Hasbi, 2007)

2.6.4 Menu Edit pada SPSS

Menu Edit digunakan untuk melakukan perbaikan atau perubahan berkenaan dengan data yang telah dibuat ataupun berbagai option.

Terhadap data yang telah dibuat oleh SPSS, perbaikan ataupun perubahan meliputi menghapus data/kasus, menambah variabel, menemukan nomor kasus dan lainnya. Sebelum edit dapat dilakukan terhadap data pada suatu file, maka harus ada file tertentu pada Data Editor. (Santoso Singgih, 2001)

Terhadap data yang telah dibuat, dapat dilakukan perbaikan atau perubahan meliputi menghapus data, mengganti data, menambah variabel, dan lain-lain.

1. Edit terhadap data yang telah dibuat. Langkah-langkah edit data sebagai berikut :

- Buka file yang akan di edit

- Sorot data yang akan diedit misalnya mengahapus satu baris

- Pilih Edit pada menu utama

- Pilih Cut atau CTRL+X. Jika ternyata data tidak jadi dihapus maka pilih Undo

- Klik OK

2. Edit terhadap variabel yang telah dibuat.

- Aktifkan Variable View dengan menekan CTRL+T

- Sorot nama variabel yang akan diganti

- Pilih menu Edit

- Pilih clear untuk menghapus atau ganti dengan varibel baru.

(Yasin Hasbi, 2007)

2.6.5 Menu View pada SPSS

Menu View berfungsi untuk mengatur toolbar (status bar, penampakan value label dan lainnya).

(Santoso Singgih, 2001)

2.6.6 Menu Data pada SPSS

Menu Data digunakan untuk melakukan berbagai pengerjaan pada data SPSS. Dalam beberapa hal, menu ini mempunyai fungsi yang berkaitan dengan menu Edit, seperti dalam menyisipkan variabel, menyisipkan kasus dan sebagainya.

(Santoso Singgih, 2001)

2.6.7 Menu Transform pada SPSS

Menu Transform berfungsi untuk membuat perubahan pada variabel yang telah dipilih dengan kriteria tertentu. (Santoso Singgih, 2001)

2.6.8 Menu Analyze pada SPSS

Menu Analyze merupakan menu inti SPSS, yang berfungsi utnuk melakuakn semua prosedur perhitungan statistik, seperti ujit, uji F, regresi, time series dan lainnya.

(Santoso Singgih, 2001)

2.6.9 Menu Graphs pada SPSS

Menu Graphs berfungsi untuk membuat berbagai jenis grafik untuk mendukung analisis statistik, seperti Pie, Line, Bar dan kombinasinya.

(Santoso Singgih, 2001)

2.6.10 Menu Utilities pada SPSS

Menu Utilities atau menu tambahann ynmg mendukung program SPSS, sperti:

a) Memberi informasi tentang variabel yang sekarang sedang dikerjakan.

b) Mengatur tampilan menu-menu yang lain.

(Santoso Singgih, 2001)

2.6.11 Menu Window pada SPSS

Menu Window berfungsi untuk berpindah (switch) diantara menu-menu yang lain di SPSS. (Santoso Singgih, 2001)

2.6.12 Menu Help pada SPSS

Menu Help berfungsi untuk menyediakan bantuan informasi mengenai program SPSS yang dapat diakses secara mudah dan jelas. (Santoso Singgih, 2001)

2.7 Window SPSS

SPSS menyediakan empat window, yang meliputi:

a. Data Editor

Window ini terbuka secara otomatis setiap kali program SPSS dijalankan, dan berfungsi untuk input data SPSS. Menu yang ada pada Data Editor yaitu:

- File

Menu File berfungsi untuk menangani hal-hal yang berhubungan dengan file data, seperti membuat file baru, membuka file tertentu, mengambil data dari program lain, mencetak isi Data Editor dan lainnya.

- Edit

Menu Edit berfungsi untuk menangani hal-hal yang berhubungan dengan memperbaiki atau mengubah nilai data (duplikasi data, menghilangkan data, edit data dan lainnya). Selain itu, Menu Edit juga berfungsi untuk mengubah setting pada Options (seperti Output label, Script dan lainnya).

- View

Menu View berfungsi untuk mengatur toolbar (status bar, penampakan value label dan lainnya).

- Data

Menu Data berfungsi untuk membuat perubahan data SPSS secara keseluruhan, seperti mengurutkan data, menyeleksi data berdasar kriteria tertentu, menggabung data dan sebagainya.

- Transform

Menu Transform berfungsi untuk membuat perubahan pada variabel yang telah dipilih dengan kriteria tertentu.

- Analyze

Menu Analyze merupakan menu inti SPSS, yang berfungsi utnuk melakuakn semua prosedur perhitungan statistik, seperti ujit, uji F, regresi, time series dan lainnya.

- Graphs

Menu Graphs berfungsi untuk membuat berbagai jenis grafik untuk mendukung analisis statistik, seperti Pie, Line, Bar dan kombinasinya.

- Utilities

Menu Utilities atau menu tambahann ynmg mendukung program SPSS, seperti:

1. Memberi informasi tentang variabel yang sekarang sedang dikerjakan.
2. Mengatur tampilan menu-menu yang lain.

- Window

Menu Window berfungsi untuk berpindah (switch) diantara menu-menu yang lain di SPSS.

- Help

Menu Help berfungsi untuk menyediakan bantuan informasi mengenai program SPSS yang dapat diakses secara mudah dan jelas. (Santoso Singgih, 2001)

b. Menu Output Viewer

Jika menu editor berfungsi untuk memasukkan data yang siap diolah oleh SPSS, kemudian melakukan pengolahan data yang dilakukan lewat menu Analyze, maka hasil pengolahan data atau informasi ditampilkan lewat menu SPSS Viewer atau dapat disebut Viewer saja. Isi output dapt berupa sebuah Tabel, sebuah Grafik, atau sebuah Teks. Selain menu pada Data Editor, terdapat menu yang lain yaitu:

- Insert

Berfungsi untuk menyisipi dengan judul, grafik, teks atau obyek tertentu dan aplikasi lain.

- Format

Berfungsi untuk mengubah tata letak huruf output.

(Santoso Singgih, 2001)

c. Menu Syntax Editor

Menu ini berupa file teks yang berisi berbagai perintah SPSS dan dapat diketik secara manual. Isi menu Syntax sama dengan menu yang lain, hanya disini ada tambahan submenu Run yang berfungsi untuk menjalankan Syntax yang telah ditulis.

(Santoso Singgih, 2001)

d. Menu Script Editor

Menu Scrip pada dasrnya digunakan untuk melakukan berbagai pengerjaan SPSS secara otomatis, seperti membuka dan menutup File, Ekspor Chart, Penyesuaian bentuk Output dan lainnya. Isi menu ini sama dengan menu sebelumnya, hanya ditambah dengan submenu Script untuk membuat berbagai subrutin dan fungsi baru, serta submenu Debug untuk melakukan proses debug pada script.

(Santoso Singgih, 2001)

BAB III

MATERI DAN METODE

3.1. Waktu dan Tempat Praktikum

Hari dan Tanggal : Kamis, 9 Desember 2010

Waktu : Pukul 11.00-12.00 WIB

Tempat : Ruang 305 (Kampus Kelautan UNDIP, Tembalang,

Semarang)

3.2. Materi Praktikum

SPSS (Statistical Product and Service Solution) merupakan salah satu program aplikasi statistik yang sering digunakan untuk pengolahan data.

Pada saat pertama kali SPSS dibuka, tampilan akan tampak SPSS data editor yang mempunyai dua tampilan dalam satu layer, yaitu tampilan data view dan variable view. Menu yang dipakai adalah:

• File : untuk membuat file baru, membuka file tertentu, mencetak isi editor, dll.

Terdiri dari :

1. Open
2. Save & Save as
3. Display data info
4. Print
5. Exit

• Editor : untuk memperbaiki atau mengubah nilai data.

Terdiri dari :

1. Undo & Redo
2. Cut & Clear
3. Copy & Paste
4. Find
5. Edit Option

• View : untuk mengatur toolbar.

Terdiri dari :

1. Status Bar
2. Tool Bar
3. Fonts
4. Grid lines
5. Value Labels

• Data : untuk mengurutkan data berdasarkan kriteria tertentu.

Terdiri dari :

1. Define dates
2. Insert variable
3. Insert case
4. Go to case
5. Sort case
6. Transpose
7. Merge files
8. Aggregate
9. Split file
10. Select case
11. Weight case

• Transform : untuk membuat perubahan pada variabel yang telah dipilih.

Terdiri dari :

1. Compute
2. Random number seed
3. Count
4. Recode
5. Categorize variables
6. Rank cases
7. Automatic recode
8. Create time series
9. Replace missing value

• Analyze : untuk melakukan semua prosedur perhitungan statistik.

Terdiri dari :

1. Reports
2. Descriptive statistic
3. Compare means
4. General linier models
5. Correlate
6. Regression
7. Loglinier
8. Classify
9. Data reduction
10. Scale
11. Non parametric test
12. Survival
13. Multiple response

• Graph : untuk membuat berbagai jenis grafik untuk mendukung analisa.

Terdiri dari :

1. gallery
2. interactive
3. bar
4. line
5. area
6. pie
7. high low
8. pareto
9. control
10. boxplot
11. error bar
12. scatter
13. histogram
14. p – p
15. q –q
16. sequence
17. ROC curve
18. Time series

• Utilities : untuk memberi informasi tentang variabel yang sedang dikerjakan.

Terdiri dari :

1. Variable
2. File info
3. Define sets
4. Auto nem case
5. Run script

• Windows : untuk berpimdah diantara menu – menu yang lain.

Terdiri dari :

1. Minimize all windows

• Help : untuk menyediakan bantuan informasi mengenai program SPSS.

Terdiri dari :

1. Topics
2. Tutorial
3. SPSS homepage
4. Syntax guide
5. Statistic coach
6. About
7. Register product

Selain data editor, menu lainnya adalah Menu output viewer (untuk menampilkan hasil pengolahan data atau informasi), Menu syntax viewer (untuk menuliskan beberapa perintah atau pilihan yang hanya dapat digunakan dengan SPSS Command Language), dan Menu script editor (untuk melakukan berbagai pengerjaan SPSS secara otomatis, seperti membuka dan menutup file, export chart, dll).

3.3. Metode Praktikum

3.3.1. Pengenalan Paket Program SPSS

SPSS (Statistical Product and Service Solution) merupakan salah satu program aplikasi statistik yang sering digunakan untuk pengolahan data.

Pada saat pertama kali SPSS dibuka, tampilan akan tampak SPSS data editor yang mempunyai dua tampilan dalam satu layer, yaitu tampilan data view dan variable view. Menu yang dipakai adalah:

• File : untuk membuat file baru, membuka file tertentu, mencetak isi editor, dll.
• Editor : untuk memperbaiki atau mengubah nilai data.
• View : untuk mengatur toolbar.
• Data : untuk mengurutkan data berdasarkan kriteria tertentu.
• Transform : untuk membuat perubahan pada variabel yang telah dipilih.
• Analyze : untuk melakukan semua prosedur perhitungan statistik.
• Graph : untuk membuat berbagai jenis grafik untuk mendukung analisa.
• Utilities : untuk memberi informasi tentang variabel yang sedang dikerjakan.
• Windows : untuk berpimdah diantara menu – menu yang lain.
• Help : untuk menyediakan bantuan informasi mengenai program SPSS.

Selain data editor, menu lainnya adalah Menu output viewer (untuk menampilkan hasil pengolahan data atau informasi), Menu syntax viewer (untuk menuliskan beberapa perintah atau pilihan yang hanya dapat digunakan dengan SPSS Command Language), dan Menu script editor (untuk melakukan berbagai pengerjaan SPSS secara otomatis, seperti membuka dan menutup file, export chart, dll).

Langkah – langkah memasukkan data dalam SPSS:

• Membuat lembar kerja baru (sebelumnya masuk program SPSS dahulu)

• Pilih menu utama file
• Pilih submenu new
• Klik data

• Menamai variabel yang diperlukan

Klik variable view yang ada dibagian kiri bawah, maka pada SPSS data editor akan tampil kolom – kolom dengan heading name, type, widht, decimal, labels, value, dsb.

• Memasukkan data dengan terlebih dulu mengaktifkan data view.

Frequencies

1. Mengisi varibel Name yaitu tinggi dan gender, pada kolom Name tinggi, Type diganti Comma. Label diisi tinggi badan, pada kolom Name gender, Decimals diganti 0, Label diisi jenis kelamin dengan Values Label yang dikehendaki.

2. Data View yang berada dibagian kiri bawah diklik, maka pada SPSS Data Editor akan muncul beberapa kolom. Data yang akan disusun distribusi frekuensinya diketik ke dalam kolom yang kita kehendaki pada data editor.

3. Kemudian klik Analyze → Deskriptive Statistics → Frequencies. Pindahkan Tinggi Badan pada kolom Variable(s).

4. Mengeklik Statistics kemudian Check list pada Persentile Value Quartiles, pada Central Tedency yaitu Mean dan Median, sedangkan pada Despertion Check list semua. Lalu klik Continue.

5. Klik Chart → Check list Histograms dan With Normal Curve. Klik Continue → OK.

6. Lalu akan muncul Frequencies pada Output.
7. Menyusun distribusi frekuensi untuk gender. Klik Analyze → Deskriptive Statistics → Frequencies. Kemudian pindahkan Jenis Kelamin pada kolom Variable(s).

8. Klik Statistics → Check list pada Presentile Value yaitu Quartiles, Despersion, Central Tendency yaitu Mean dan Median dan pada Distribution yaitu Skewness dan Kurtosis. Klik Continue.

9. Klik Charts → pilih Pie Charts → Continue → OK.

10. Kemudian akan muncul di Output.

3.3.2. Statistik Deskriptif (Explore)

1. Klik analyze - Pilih descriptive statistic - Klik Explore
2. akan muncul tampilan explore
3. Pindahkan data panjang dan lebar dari kiri ke kolom dependent list dengan cara mengeblok kemudian klik tanda panah.

4. Klik statistic kemudian beri tanda (v) pada descriptive
5. Klik continue
6. Klik plots dan untuk keseragaman, pada boxplot pilih factor levels together dan pada descriptive pilih stem and leaf.
7. Klik continue
8. Pada bagian displays pilih both
9. Klik ok

3. Menguji Normalitas dan Varians

Konsep penting dalam statistik inferensi adalah: (1) apakah beberapa ssampel yang telah diambil berasal dari populasi yang sama (populasi data berdistribusi normal)? Dan (2) apakah sampel – sampel tersebut mempunyai varians yang sama.

Langkah – langkah:

• Klik Analyze
• Pilih Descriptive statistic
• Klik Explore

• Pindahkan data ukuran dari kolom kiri ke kolom dependent list dengan cara mengeblok kemudian klik tanda panah.
• Pindahkan data kode dari kolom factor list dengan cara mengeblok kemudian klik tanda panah.

• Klik Statistic kemudian beri tanda (v) pada descriptive.
• Klik continue

• Klik Plots dan untuk keseragaman, pada bloxplot pilih non dan pada desctriptive tidak ada yang dipilih.
• Beri tanda (v) pada normality plots with test.
• Pada bagian spread vs level with levene test pilih power estimation.

• Klik continue
• Pada bagian display pilih both
• Klik OK.

3. Scetterplot

Deskriptif ini digunakan untuk mengetahui sebaran data pada statistik univarian.

Langkah – langkah:

• Klik graph
• Pilih Legacy Dialogs
• Pilih scatte / dot

• Klik simple scatter

• Klik define
• Pindahkan data logpanjang dari kolom kiri ke kolom X axis dengan cara mengeblok kemudian klik panah
• Klik ok

3. Hipotesis

Ho = tidak ada hubungan antara panjang cangkang dengan lebar cangkang pada kerang Anadara granosa.

Hi = ada hubungan antara panjang cangkang dengan lebar cangkang pada kerang Anadara granosa.

3. Regresi dan Korelasi

Analisa regresi linier sederhana merupakan analisis yang membicarakan hubungan antara 2 buah variabel, yaitu variabel bebas dan variavel tergantung.

Langkah – langkah:

• Klik Analyze
• Pilih regression dan dari serangkaian pilihan test untuk regresi
• Pilih linier

• Pindahkan data logpanjang dari kolom kiri ke kolom independent dan loglebar ke kolom dependent dengan cara mengeblok kemudian klik panah.
• Pada kolom method pilih enter

• Klik tombol statistic
• Pada kolom regression coefficient pilih estimate
• Beri tanda (v) pada model fit dan descroptive.
• Pada kolom residual beri tanda (v) pada casewise diagnostic dan pilih all cases.

• Klik continue
• Klik tombol plots
• Klik pilihan sdresid dan masukkan kekolom Y lalu klik pilihan zpred dan masukkan kekolom X.
• Klik next
• Klik pilihan zpred dan masukkan kekolom Y lalu klik dependnt dan masukkan kekolom X.
• Pada kolom standardized residual plots beri tanda (v) pada normal probability plot.

• Klik continue
• Klik OK.

BAB IV

HASIL DAN PEMBAHASAN

1. Hasil Praktikum
   1. Pengenalan Paket Program SPSS

Memasukkan data

2. Statistik Deskriptif (Explore)

Uji frekuensi

Frequencies

Notes
Output Created		09-Dec-2010 11:13:54
Comments
Input	Active Dataset	DataSet0
	Filter	<none>
	Weight	<none>
	Split File	<none>
	N of Rows in Working Data File	25
Missing Value Handling	Definition of Missing	User-defined missing values are treated as missing.
	Cases Used	Statistics are based on all cases with valid data.
Syntax		FREQUENCIES VARIABLES=tinggi /NTILES=4 /STATISTICS=STDDEV VARIANCE RANGE MINIMUM MAXIMUM SEMEAN MEAN MEDIAN SKEWNESS SESKEW KURTOSIS SEKURT /HISTOGRAM NORMAL /ORDER=ANALYSIS.
Resources	Processor Time	00:00:00.608
	Elapsed Time	00:00:00.671

[DataSet0] 

Statistics
tinggi badan
N	Valid	25
	Missing	0
Mean		169.4000
Std. Error of Mean		.99266
Median		168.9000
Std. Deviation		4.96328
Variance		24.634
Skewness		-.155
Std. Error of Skewness		.464
Kurtosis		.452
Std. Error of Kurtosis		.902
Range		20.70
Minimum		159.60
Maximum		180.30
Percentiles	25	167.2000
	50	168.9000
	75	172.5000

tinggi badan
		Frequency	Percent	Valid Percent	Cumulative Percent
Valid	159.6	2	8.0	8.0	8.0
	161.3	1	4.0	4.0	12.0
	164.8	2	8.0	8.0	20.0
	167.2	2	8.0	8.0	28.0
	168.5	2	8.0	8.0	36.0
	168.6	1	4.0	4.0	40.0
	168.9	3	12.0	12.0	52.0
	170.2	1	4.0	4.0	56.0
	170.4	3	12.0	12.0	68.0
	172.5	4	16.0	16.0	84.0
	174.5	2	8.0	8.0	92.0
	177.5	1	4.0	4.0	96.0
	180.3	1	4.0	4.0	100.0
	Total	25	100.0	100.0

Uji Explore

Regression

Notes
Output Created		09-Dec-2010 12:15:44
Comments
Input	Active Dataset	DataSet4
	Filter	<none>
	Weight	<none>
	Split File	<none>
	N of Rows in Working Data File	24
Missing Value Handling	Definition of Missing	User-defined missing values are treated as missing.
	Cases Used	Statistics are based on cases with no missing values for any variable used.
Syntax		REGRESSION /DESCRIPTIVES MEAN STDDEV CORR SIG N /MISSING LISTWISE /STATISTICS COEFF OUTS R ANOVA /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT logpanjang /METHOD=ENTER loglebar /SCATTERPLOT=(*SDRESID ,*ZPRED) (*ZPRED ,logpanjang) /RESIDUALS NORM(ZRESID) /CASEWISE PLOT(ZRESID) OUTLIERS(3).
Resources	Processor Time	00:00:01.560
	Elapsed Time	00:00:01.389
	Memory Required	1348 bytes
	Additional Memory Required for Residual Plots	824 bytes

[DataSet4] 

Descriptive Statistics
	Mean	Std. Deviation	N
panjang cangkang	.2683	.06684	24
lebar cangkang	.3829	.06097	24

Correlations
		panjang cangkang	lebar cangkang
Pearson Correlation	panjang cangkang	1.000	-.431
	lebar cangkang	-.431	1.000
Sig. (1-tailed)	panjang cangkang	.	.018
	lebar cangkang	.018	.
N	panjang cangkang	24	24
	lebar cangkang	24	24

Variables Entered/Removedb
Model	Variables Entered	Variables Removed	Method
1	lebar cangkanga	.	Enter
a. All requested variables entered.
b. Dependent Variable: panjang cangkang

Model Summaryb
Model	R	R Square	Adjusted R Square	Std. Error of the Estimate
1	.431a	.186	.149	.06167
a. Predictors: (Constant), lebar cangkang
b. Dependent Variable: panjang cangkang

ANOVAb
Model		Sum of Squares	df	Mean Square	F	Sig.
1	Regression	.019	1	.019	5.015	.036a
	Residual	.084	22	.004
	Total	.103	23
a. Predictors: (Constant), lebar cangkang
b. Dependent Variable: panjang cangkang

Coefficientsa
Model		Unstandardized Coefficients		Standardized Coefficients	t	Sig.
		B	Std. Error	Beta
1	(Constant)	.449	.082		5.496	.000
	lebar cangkang	-.472	.211	-.431	-2.239	.036
a. Dependent Variable: panjang cangkang

Residuals Statisticsa
	Minimum	Maximum	Mean	Std. Deviation	N
Predicted Value	.1922	.3070	.2683	.02880	24
Std. Predicted Value	-2.644	1.343	.000	1.000	24
Standard Error of Predicted Value	.013	.036	.017	.005	24
Adjusted Predicted Value	.1720	.3210	.2681	.03161	24
Residual	-.11133	.11064	.00000	.06031	24
Std. Residual	-1.805	1.794	.000	.978	24
Stud. Residual	-1.863	1.833	.001	1.017	24
Deleted Residual	-.11854	.11546	.00022	.06540	24
Stud. Deleted Residual	-1.983	1.945	-.005	1.049	24
Mahal. Distance	.002	6.988	.958	1.445	24
Cook's Distance	.000	.216	.043	.055	24
Centered Leverage Value	.000	.304	.042	.063	24
a. Dependent Variable: panjang cangkang

Charts

Explore

Notes
Output Created		09-Dec-2010 11:55:53
Comments
Input	Active Dataset	DataSet2
	Filter	<none>
	Weight	<none>
	Split File	<none>
	N of Rows in Working Data File	49
Missing Value Handling	Definition of Missing	User-defined missing values for dependent variables are treated as missing.
	Cases Used	Statistics are based on cases with no missing values for any dependent variable or factor used.
Syntax		EXAMINE VARIABLES=ukuran BY kode /PLOT NPPLOT SPREADLEVEL /STATISTICS DESCRIPTIVES /CINTERVAL 95 /MISSING LISTWISE /NOTOTAL.
Resources	Processor Time	00:00:01.592
	Elapsed Time	00:00:01.497

[DataSet2] 

kode kerang

Case Processing Summary
	kode kerang	Cases
		Valid		Missing		Total
		N	Percent	N	Percent	N	Percent
morfometri kerang	panjang	24	100.0%	0	.0%	24	100.0%
	lebar	24	100.0%	0	.0%	24	100.0%

Descriptives
	kode kerang			Statistic	Std. Error
morfometri kerang	panjang	Mean		.2683	.01364
		95% Confidence Interval for Mean	Lower Bound	.2401
			Upper Bound	.2965
		5% Trimmed Mean		.2674
		Median		.2454
		Variance		.004
		Std. Deviation		.06684
		Minimum		.18
		Maximum		.38
		Range		.20
		Interquartile Range		.13
		Skewness		.282	.472
		Kurtosis		-1.472	.918
	lebar	Mean		.3829	.01245
		95% Confidence Interval for Mean	Lower Bound	.3571
			Upper Bound	.4086
		5% Trimmed Mean		.3789
		Median		.3617
		Variance		.004
		Std. Deviation		.06097
		Minimum		.30
		Maximum		.54
		Range		.24
		Interquartile Range		.09
		Skewness		1.021	.472
		Kurtosis		.523	.918

Tests of Normality
	kode kerang	Kolmogorov-Smirnova			Shapiro-Wilk
		Statistic	df	Sig.	Statistic	df	Sig.
morfometri kerang	panjang	.188	24	.028	.897	24	.019
	lebar	.219	24	.004	.902	24	.023
a. Lilliefors Significance Correction

Test of Homogeneity of Variance
		Levene Statistic	df1	df2	Sig.
morfometri kerang	Based on Mean	1.328	1	46	.255
	Based on Median	.992	1	46	.324
	Based on Median and with adjusted df	.992	1	45.214	.324
	Based on trimmed mean	1.471	1	46	.231

morfometri kerang

Detrended Normal Q-Q Plots

Normal Q-Q Plots

2. Pembahasan

4.2.1 Pengenalan Paket Program SPSS

Program SPSS ini merupakan suatu software yang digunakan untuk membantu mempermudah pengolahan sample data yang spasial.

Pada Pengolahan datanya, kita menggunakan beberapa data untuk diuji yaitu :

• Uji Frekuensi

Di uji data dengan jumlah data sebanyak 25 buah. Hasil yang didapat adalah sebagai berikut:

Mean = 169.9000

Median = 169.4000

Varians = 24.634

Skewness = - 0.155

Kurtosis = 0.452

Range = 20.70

Nilai maksimum = 160.10

Nilai minimum = 180.80

Pada tabel frekuensi tinggi badan, penafsiran data dilakukan tiap baris dan dihitung secara kumulatif. Demikian perhitungan dilakukan seterusnya hingga mencapai 100%.

Dari hasil, histogram yang terlihat frekuensi terbesar adalah pada kisaran tinggi badan ± 170,00

Dari hasil berupa pie chart pada tinggi badan, frekuensi terbesar ada pada kisaran tinggi badan ± 172,50. Sedangkan dari pie chart data jenis kelamin, frekuensi terbanyak adalah wanita.

• One sample T-Test menggunakan data Ulangan.

Diketahui bahwa nilai rata – rata dari hasil adalah 3868.4450 dan standart deviasi 1123.93164

Pada tabel kedua terdapat pengambilan keputusan dimana:

Jika t output > t table maka H0 ditolak.

Jika t output < t table maka H0 diterima.

Dimana nilai t output adalah 17.209, maka keputusan yang diambil adalah tolak H0 (t output > t table).

• Period Sample T-Test menggunakan perbandingan dua data mingguan atau per periode.

Dari output 1 (Paired Samples statistics) dimana nilai mean T1 adalah 4034.0450 dan T2 adalah 4665.6450 dan output 2 (paired Samples Test) diketahui bahwa korelasi antara kedua variable T1 dan T2 yaitu 0.175 dengan nilai probabilitas > 0.05. hal ini menyatakan bahwa korelasi antara T1 dan T2 adalah lemah.

• Independent Sample T-Test menggunakan dua buah perbandingan data perlakuan pada suatu sample.

Outputan pertama (Group Statistics) menunjukan nilai rata – rata dari T1 adalah 4034.0450 dan T2 adalah 4665.6450.

Dari nilai t hitung (t kritis) diperoleh -1.724 sehingga nilai table t adalah 2.06. didapat kesimpulan bahwa 3.335 > 2.06 maka tolak H0.

1. Statistik Deskriptif (Explore)

Semua data berjumlah 50, yang terdiri dari panjang (25) dan lebar (25) dengan percent valid sebesar 100%.

Output descriptive mendeskripsikan data mengenai nilai masing – masing mean, median, range, nilai maksimum dan minimum dari masing – masing variable.

1. Menguji Normalitas dan Varian

Output test of normality terlihat nilai signifikan pada data murfometri kerang adalah panjang cangkang 0.021 dan lebar cangkang 0.017. dimana nilai signifikansi < 0.05 sehingga distribusi datanya berdistribusi tidak normal.

Output untuk menguji normalitas dengan plot (Q – Q plot) dilihat bahwa distribusi datanya dikatakan normal. Hal ini dapat terlihat dari sebaran data di sekeliling garis. Dan Output pada Detrended normal Q – Q plot terdeteksi pola dari titik – titik yang bukan bagian dari kurva normal.

2. Scetterplot

Terlihat sebaran data dalam satu garis dan terdistribusi secara normal.

3. Hipotesis

H0 = tidak ada korelasi antara 2 variable, dan

H1 = ada korelasi antara 2 variable.

4. Regresi dan korelasi

Output korelasi dimana hipotesisnya:

H0 = tidak ada korelasi antara 2 variable, dan

H1 = ada korelasi antara 2 variable.

Dimana jika Probabilitas > 0.05 maka H0 diterima, dan sebaliknya jika probabilitas < 0.05 maka H0 ditolak. Karena semua angka probabilitasnya adalah 0.000 maka keputusannya adalah (0.000 < 0.05) tolah Ho atau terima H1. Dimana semua variabel secara nyata adalah berkorelasi.

Output model summary dimana nilai R adalah sebesar 1.000 menunjukan bahwa korelasinya sangat kuat (>0.05). Sedangkan nilai SEE adalah 0.0000 menunjukan model regresi semakin tepat dalam memprediksi variable dependent.

Output anova diketahui bahwa Fhitung adalah 0 dengan probabilitas 0.000 menunjukan bahwa panjang cangkang dan lebar cangkang saling mempengaruhi.

BAB V

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Setelah melakukan praktikum SPSS ini maka dapat disimpulkan bahwa:

1. SPSS adalah salah satu program statistik yang dibuat untuk mempermudah dalam menyelesaiakan masalah-masalah pengolahan data dalam statistik.
2. Dalam menyelesaikan masalah pengolahan data statistik dapat digunakan SPSS Data Editor dengan beberapa uji, yaitu;

• Uji frekuensi
• Statistika deskrptive (explore)
• Uji Normalitas dan Varians
• Scetterplot
• Hipotesis
• Regresi dan Korelasi

3. Statistik dengan uji hipotesis yaitu untuk membuktikan dengan alat statistika, apabila dugaan yang dimiliki dapat dibuktikan benar atau sebaliknya. Ada dua kelompok besar yang dapat dilakukan dengan uji hipotesis: uji hipotesis terkait uji rerata, dan uji hubungan baik terbatas pada besarnya derajat asosiasi (uji korelasi) atau mencari bentuk hubungan fungsional beberapa variabel (uji regresi).

5.2 Saran

1. Sebaiknya komputer di lab d tambah lagi agar dapat digunakan secara efisien, dan praktikan tidak berdesak-desakan dalam melakukan praktikum.
2. Sebaiknya asisten jauh-jauh hari sudah memberikan jadwal praktikum kepada praktikan agar praktikan dapat mempersiapkan sebelumnya.
3. Dalam penjelasan saat praktikum, sebaiknya asisten jangan terlalu cepat menjelaskannya, karena banyak praktikan yang ketinggalan bagaimana langkah-langkah dalam melakukan pengolahan datanya.

DAFTAR PUSTAKA

F. N. Oon. 2006. Growth and Mortality of The Malaysian Cockle (Anadara granosa L.) Under Commercial Culture: Analysis Through Length-Frequency Data, Bay of Bengal programme.http://www.fao.org/documents/show_cdr.asp?url_file=/docrep/007/ae15e /ae115e00.htm

Irunsah, Aslan. 2007. SPSS dan Sejarahnya. kabhanti@gmail.com..

Santoso, Singgih. 2001. “SPSS Versi 10, Mengolah Data Statistik Secara Profesional”. Jakarta; PT Elex Media Komputindo.

Sudijono, Anas.2004.Pengantar Statistik Pendidikan.Raja Grafindo Persada : Jakarta

Yasin, Hasbi. 2007. “Pengenalan Paket Program SPSS”. Semarang. Fakultas MIPA, UNDIP

http://www.unej.ac.id/fakultas/mipa/web_fisika/webkuliah/Statistika-Dasar-Bab 1.pdf

http://one.indoskripsi.com/judul-skripsi-tugas-makalah/matematika/statistika

www.indowebster.com. Diakses tanggal 12 Desember 2010

www.keudekupi.com. Diakses tanggal 12 Desember 2010

www.nabirekab.bps.go.id. Diakses tanggal 12 Desember 2010

www.wikipedia.com. Diakses tanggal 12 Desember 2010