LAPORAN RESMI
PRAKTIKUM STATISTIK
“SPSS”
Oleh :
Agus Nurul K
K2D008005
PROGRAM STUDI ILMU KELAUTAN
JURUSAN ILMU KELAUTAN
FAKULTAS PERIKANAN DAN ILMU KELAUTAN
UNIVERSITAS DIPONEGORO
SEMARANG
2008
KATA PENGANTAR
Puji syukur kehadirat Allah SWT, karena atas rahmat, hidayah, kemudahan, dan segala limpahan nikmat-Nya, penulis bisa menyelesaikan Laporan Praktikum Statistika dengan judul “SPSS” dengan baik. Penulisan laporan praktikum ini disusun untuk memenuhi mata kuliah Statistika yang merupakan salah satu mata kuliah wajib pada program Oseanografi.
Penulis menyadari bahwa penyusunan laporan ini tidak akan berjalan baik tanpa adanya dukungan dan bantuan dari berbagai pihak. Oleh karena itu, dalam kesempatan kali ini penulis ingin menyampaikan rasa terima kasih yang sebesar-besarnya kepada :
1. Bapak dan Ibu tercinta atas semua dukungan dan do’anya dalam menyelesaikan Laporan Praktikum ini
2. Selaku Dosen Pengampu yang telah memberikan bimbingan dan materi kepada penulis dalam pelaksanaan dan penyusunan Laporan Praktikum Statistika ini.
3.Para asisten praktikum statistika yang telah membimbing dan memberikan materi kepada kami pada saat praktikum statistika ini berlangsung.
4.Teman-temanku yang ada dibumi Allah yang turut mendukung, memotivasi dan menghibur penulis.
5.Teman-teman oseanografi angkatan 2007 yang senantiasa memberikan semangat dan memotivasi penulis untuk segera menyelesaikan laporan ini.
Tidak ada gading yang tak retak.penulis menyadari sepenuhnya bahwa penulisan Laporan Praktikum Statistika ini tentu tidak lepas dari segala kekurangan. Oleh arena itu, kritik dan saran dari pembaca akan menjadi masukan yang sangat berharga. Namun demikian penulis berharap Laporan Praktikum statistika ini dapat berguna bagi siapapun yang membacanya.
Semarang, 21 Desember 2008
Penulis
DAFTAR ISI
LEMBAR PENGESAHAN
KATA PENGANTAR
DAFTAR ISI
DAFTAR TABEL
DAFTAR GAMBAR
DAFTAR LAMPIRAN
BAB I PENDAHULUAN
1.1. Latar Belakang
1.2. Permasalahan
1.3. Tujuan Praktikum
1.4. Manfaat Praktikum
BAB II TINJAUAN PUSTAKA
2.1. Pengertian dan Peranan Statistik
2.2. Variabel Statistik dan Skala Pengukuran
2.3. Elemen Statistik
2.4. Klasifikasi Statistik
2.4.1. Statistik Parameter
2.4.1.1. Statistik Deskriptif
2.4.1.2. Statistik Inferensi
2.4.2. Statistik Non-Parametrik
2.5. Korelasi dan Regresi Sederhana
2.5.1. Korelasi
2.5.2. Regresi Sederhana
2.6. Sejarah SPSS
2.7. Cara Kerja SPSS
2.8. Windows SPSS
2.9. Morfometri Kerang Anadara granosa
2.10. Dinamika Populasi Kerang Anadara granosa
BAB III MATERI DAN METODE
3.1. Waktu Dan Tempat Praktikum
3.2. Materi Praktikum
3.3. Metode Praktikum
3.3.1. Pengenalan Paket Program SPSS
3.3.2. Statistika Deskriptif (Explore)
3.3.3. Menguji Normalitas dan Varians
3.3.4. Scetterplot
3.3.5. Hipotesis
3.3.6. Regresi dan Korelasi
BAB IV HASIL DAN PEMBAHASAN
4.1. Hasil Praktium
4.1.1. Pengenalan Paket Program SPSS
4,1,2, Statistika Deskriptif (Explore)
4.1.3. Menguji Normalitas dan Varians
4.1.4. Scetterplot
4.1.5. Hipotesis
4.1.6. Regresi dan Korelasi
4.2. Pembahasan
BAB V KESIMPULAN DAN SARAN
5.1. Kesimpulan
5.2. Saran
DAFTAR PUSTAKA
LAMPIRAN
BAB I
PENDAHULUAN
1.1Latar Belakang
Setelah begitu banyak teknologi yang telah diperdayagunakan oleh berbagai kalangan masyarakat, sehingga banyak kegiatan manusia yang sebelumnya begitu berat dengan adanya teknologi semua menjadi serba mudah dan praktis. Begitupun dalam peranan penyelenggaraan pendidikan dan penelitian. tidak bisa dipungkiri kedua hal tersebut juga membutuhkan tambahan-sentuhan teknologi sehingga dalan semua civitas yang dilakukan cepat dan efektif.
Diantara kecanggihan teknologi yang bias diperdayagunakan baik dalam pendidikan dan penelotian salah satunya SPSS for window. Merupakan salah satu progam olah data statistic yang paling banyak diminati oleh para peneliti .sebab, SPSS for window relatife fleksibel dan dapat digunakan untuk hamper semua bentuk dan tingkatan penelitian .hampir semua model aplikasi ,statistik mulai dari yang sederhana yakni statistic descriptive (mean ,median , modus , Sum, prosentase, minimum maksimum ,kuartil, desil, persentil, range ,distribusi ,varians, standar deviasi, standar eror ,nilai kemiringan dll) sehinggga statistic inferinsial ,dengan model parametrik compare means: independent- semple T Test,Paired- semple T Test, one – Way Anova, Two- Way Anova,bermacam- macam model korelasiregresi linear sederhana dan multiple, Chi Square, Time series,dll) serta uji statistic Non-Parametrik (uji crosstab, Binominal,Chi Square,kolmogforov-Smirnov, Runs, McNemar,sign ,Wilcoxon, cochran, friedman, kendall,Mann-Whitney, Wald-wolofowits, moses, kruskal-Wallis, dll)selain itu dilengkapi pula dengan menu pengelolaan berbagai jenis grafik dengan tingkat resolusi tinggi
1.1.1 KEUNGGULAN SPSS 15.0 FOR WINDOWS
SPSS 15.0 for Windows merupakan lanjutan dari SPSS sebelumnya, versi kali ini memiliki kelebihan, antara lain pada pengolahan manajemen data dan pengolahan statistik. Selain itu memiliki berbagai macam pilihan grafik dan PDF Output untuk membuat tampilan
menjadi lebih menarik. Jika kita menggunakan perangkat lunak untuk penelitian survei, maka kita dapat menggunakan SPSS 15.0 for Windows karena telah memungkinkan mengimpor dan mengekspor model dimensi data.
Fitur SPSS 15.0 for Windows memiliki kemampuan memformat keluar (output) saat bekerja dengan Viewer, kemampuan mengorganisir, melihat, dan melakukan operasi. Berikut cara mengubah bentuk suatu tabel ke dalam suatu grafik agar memiliki fitur yang lebih menarik :
1 Menerapkan splitters melalui Editor Data secara visual.
2 Menyimpan suatu record/catatan tentang pekerjaan kita sehingga menjadi semakin cepat dan dapat di pahami dengan mudah.
3 Menciptakan cleaner-looking table yang menggunakan kotak “menambahkan catatan (append)” di dalam file jurnal dan karakter data sets di dalam Draft Viewer.
4 Penempatan (lay out) yang tepat.
Kita dapat membuat costumizable toolbar yang bertujuan untuk :
1 Menunjukan koefisien korelasi bersama-sama dengan halaman Draft Viewer.
2 Membuat prosedur, catatan, dan sebagainya menjadi lebih mudah.
3 Menguraikan secara singkat dn cepat penyajian ke perangkat lunak produk di dalam korelasi dengan menggunakan Output Determine.
4 Memilih dari standard toolbar ikon atau display.
5 Memilih suatu ikon sehingga membuat pekerjaan menjadi lebih singkat.
6 Mengendalikan pengaktifan suatu tabel yang bersesuaian dengan hasil yang ditunjukan di dalam suatu data. Data dan Access Management Dalam pembuatan laporan atau analisisnya, kita dapat mengekspor Output ke berbagai aplikasi program pada Windows seperti :
Ekspor output ke dalam Microsoft Word.
Ekspor output ke dalam Microsoft Power Point.
Ekspor output ke dalam Microsoft Excel.
Ekspor output ke dalam PDF.
Analisis SPSS base 15.0 mempunyai kemanpuan penomoran data urut/data ordinal regression (PLUM), di mana sebelumnya tersedia hanya
1.2 Permasalahan
Program SPSS merupakan program yang digunakan untuk menganalisis data sehingga dari data tersebut dapat kita hipotesa dan juga dapat kita menjelaskan dari data yang telah kita buat tersebut. Namun dari kebanyakan Mahasiswa biarpun program SPSS ini dapat membantu kita,tidak banyak Mahasiswa dapat menjalankan dan juga menghipotesa data-data yang telah dimasukan. Oleh karena itu dari program ini dan juga setelah dari pembelajaraan dan asistensi juga praktikum. Mahasiswa dapat mengerti lebih jauh tentang menjalankan program SPSS ini.Karena Program bukan hanya digunakan pada saat sekarang tetapi juga program ini digunakan pada saat kita menganalisa sutu penelitian.Sebagian besar Mahasiswa pasti kedepannya akan melakukan penelitian,oleh karena itu pelajarilah program ini secara seksama.
Program ini mengacu pada program akademik dan juga mengacu pada pembuatan data statistik parametik yang meliputi statistic deskriptif dan Inferensi dan juga statistik non- parametric.
1.1Tujuan Praktikum
Tujuan dari praktikum tentang SPSS adalah sebagai berikut:
1.3.1.Mengenalkan Program SPSS kepada Mahasiswa
1.3.2.Memudahkan Mahasiswa untuk mengolah data pada skripsi
1.3.3.Mahasiswa dapat mengolah data dengan cara yang lebih mudah tanpa harus dijabarkan panjang lebar
1.3.4.Mahasiswa dapat mengolah data sekaligus mempelajari uju-uji yang ada pada statistika
1.2Manfaat praktikum
Adapun manfaat dari praktikum tentang SPSS adalah sebagai berikut:
1.4.1.Mahasiswa dapat atau mengetahui cara-cara untuk mengolah suatu data yang ada dengan mudah.
1.4.2.Mahasiswa dapat juga sekaligus mempelajari materi-materi yang ada pada statistika dengan mudah.
1.4.3.Mahasiswa lebih mengenal tentang program-program yang ada pada SPSS
Bab II
TINJAUAN PUSTAKA
2.1 Pengertian dan Peranan Statistik
Pada dasar pengertian tentang statistic dibagi kedalam dua pengertian, yakni secara pengetian secara sempit dan pengertian secara luas. Adapun pengerian secara sepit adalah ringkasan berbentuk angka, misalnya jumlah karyawan BKKBN, jumlah akseptor KB, jumlah peserta KB aktif di desa / kelurahan, jumlah balita yang ditimbang pada bulan tertentu, jumlah PPKBD/Sub PPKBD dan lain sebagainya. Kemudian arti statistic secara luas adalah Merupakan ilmu yang mempelajari cara pengumpulan, pengolahan, penyajian dan analisis data termasuk cara pengambilan kesimpulan dengan memperhitungkan unsur ketidakpastian berdasarkan konsep propabilitas.
(Wikipedia\pengertian 24/12/08)
Statistika adalah cabang ilmu yang mempelajari tentang bagaimana mengumpulkan, menganalisis dan menginterpretasikan data. Atau dengan kata lain, statistika menjadi semacam alat dalam melakukan suatu riset empiris.
Statistik adalah sebagai alat pengolah data angka. Stasistik dapat juga diartikan sebagai metode untuk memanipulasi data kuantitatif agar angka berbicara. Pendekatan dengan statistik sering digunakan metode statistik yaitu metode guna mengumpulkan, mengolah, menyajikan, menganalisis & menginterpretasikan data statistik. Statistika dapat pula diartikan pengetahuan yang berhubungan dengan pengumpulan data, pengolahan data, penganalisisan dan penarikan kesimpulan berdasarkan data dan analisis. Jadi statistik adalah produk dari kerja statistika.
(igbondan.files.wordpress.com 24/12/08)
Sementara peran dari statistic itu sendiri terbagi kedalam bebrapa sudut pandang yang berbeda, antara lain :
Statistik Sebagai Bahan Perencanaan.
Statistik seperti telah dijelaskan pada butir terdahulu adalah pengetahuan yang berhubungan dengan pengumpulan data, pengolahan, penganalisaan, penyajian dan penarikan kesimpulan serta pembuatan keputusan berdasarkan data dan kegiatan analisis yang dilakukan. Dengan kata lain setiap data yang dibutuhkan adalah data yang dapat dipercaya dan tepat waktu. Melalui data yang dapat dipercaya dan tepat
waktu diharapkan seluruh kegiatan pengolahan data akan menghasilkan informasi untuk mengambil suatu keputusan yang tepat. Kemungkinan-kemungkinan penyimpangan yang telah dicoba untuk dieliminasi sekecil mungkin melalui berbagai metode yang dikembangkan dalam statistik, akan sangat membantu didalam setiap kegiatan perencanaan program.
Statistik Sebagai Bahan Monitoring.
Seperti telah tersebut dalam arti sempit bahwa statistik adalah merupakan data ringkasan berbentuk angka maka hal ini sangat membantu didalam suatu kegiatan monitoring. Oleh karena secara umum yang dilakukan dalam kegiatan monitoring adalah memonitor seluruh kekuatan dan kelemahan program yang menyangkut berbagai variabel yang berbentuk data ringkasan (misalnya : jumlah bayi yang ditimbang, jumlah penduduk, jumlah peserta KB, jumlah balita yang diimunisasi dan lain sebagainya).
Statistik Sebagai Bahan Evaluasi.
Dengan mengetahui berbagai data yang dapat dipercaya maka selanjutnya kita dapat menganalisis dan memutuskan yang baik dan yang buruk. Selain itu melalui berbagai data yang ada kita dapat membandingkan dan selanjutnya membuat suatu generalisasi dari sampel yang kecil kepada
2.2 Variabel Statitik dan Skala Pengukuran
Dalam Statistika, Variabel statistic dibagi menjadi 2 macam, yaitu variable Kuantitatif dan variable Kualitatif. Perbedaan tajam antara variabel kuantitatif dan variabel kualitatif terletak pada sifat-sifat Pengukuran skala aktual, terutama pada kemampuannya untuk digunakan sebagai input pada suatu metode statistik.
Skala Ordinal
Jika jumlah yang ditentukan untuk pengukuran memperlihatkan suatu ranking alami, maka variable tersebut diukur dengan skala ordinal. Pada skala ordinal, jarak antara nilai-nilai yang berbeda tidak dapat ditafsirkan -sebuah variabel yang diukur pada skala ordinal bagaimanapun bukan kuantitatif. Pengukuran variabel kuantitativ dapat juga ditafsirkan dengan istilah jarak antara berbagai observasi tanpa adanya pengurutan yang alami.
Skala Interval
Jika jarak antara pengukuran ditafsirkan lebih mendalam, maka variabel tersebut diukur pada skala interval. Berlawanan dengan skala rasio, rasio pengukuran tidak mempunyai pengertian yang mendasar, dan untuk skala ordinal tidak memiliki nilai nol.
Skala Rasio
Nilai-nilai variabel yang terukur pada skala rasio dapat ditafsirkan baik dengan istilah jarak atau rasio. Skala rasio ini membawa informasi yang lebih akurat daripada skala interval, namun hanya intervalinterval (jarak diantara observasi) yang memiliki arti kuantitatif.
Fenomena yang diukur pada skala rasio mempunyai elemen nol alami, yang menunjukkan kekurangan total dari atributnya. Namun adanya satuan pengukuran alami tidak begitu diperlukan.
Skala Absolut
Skala absolut merupakan skala metrik yang memiliki satuan pengukuran alami. Pengukuran skala absolute sendiri adalah pengukuran, satu-satunya pengukuran tanpa alternatif.
Variabel Diskret
Sebuah variabel diskret yang mengambil himpunan nilai-nilai berhingga atau tak hingga disebut diskret.
Variabel Kontinyu
Suatu variabel metrik dikatakan kontinyu jika mempunyai sejumlah tak hingga nilai-nilai pada sembarang interval.
(bps.papua.go.id 24/12/08)
2.3 Elemen Statistik
Objek-objek yang sifatnya/atributnya diobservasi atau diukur untuk keperluan statistik disebut elemen. Untuk mengenali semua elemen yang relevan dengan suatu penyelidikan tertentu, seseorang harus mengelompokkan karakteristik definisi mereka seperti dimensi, temporal dan tempat.
Elemen-elemen statistic terdiri dari:
1. Populasi
Sekumpulan data yang mengidentifikasikan suatu fenomena yang tergantung dari kegunaan dan relevansi data yang dikumpulkan.
2. Sampel
Sekumpulan data yang diambil / diseleksi dari suatu populasi. (sampel adalah bagian dari populasi).
3. Statistik Inferensi
Suatu keputusan, perkiraan atau generalisasi tentang suatu populasi berdasarkan informasi yang terkandung dari suatu sampel
4. Pengukuran Reabilitas dari Statistik Inferensi.
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.
(bps.papua.go.id 24/12/08)
2.4 Klasifikasi Statistik
2.4.1 Statistik Parametrik
Statistika parametrik adalah suatu uji yang modelnya menetapkan adanya syarat syarat tertentu tentang variabel random atau populasi yang merupakan sumber sampel penelitian. Statistika parametik lebih banyak digunakan untuk menganalisis data yang berskala interval dan rasio dengan dilandasi asumsi tertentu seperti normalitas.
2.4.1.1 Statistik Deskriptif
Statistika deskriptif adalah tehnik yang digunakan untuk mensarikan data dan menampilkannya dalam bentuk yang dapat dimengerti oleh setiap orang. Hal ini melibatkan proses kuantifikasi dari penemuan suatu fenomena. Berbagai statistik sederhana, seperti rata-rata, dihitung dan ditampilkan dalam bentuk tabel
dan grafik. Statistika deskriptif dapat memberikan pengetahuan yang signifikan pada kejadian fenomena yang belum dikenal dan mendeteksi keterkaitan yang ada di dalamnya. Tetapi dapatkah statistika deskriptif memberikan hasil yang bisa diterima secara ilmiah? Statistik merupakan suatu alat pengukuran yang berhubungan dengan keragaman pada karakteristik objek-objek yang berbeda .
2.4.1.2 Statistik Inferensi
Berbeda dengan fisika, hubungan atau relasi empiris yang diobservasi pada ilmu alam, sosiologi dan psikologi (dan bidang pilhan lain misalnya ekonomi) bersifat statis. Pada bidang-bidang ini, pekerjaan empiris dilaksananakan berdasarkan percobaan-percobaan atau survey sampel. Pada kasus lainnya, seluruh populasi tidak dapat diobservasi-karena berbagai alasan ekonomis ataupun praktis. Mengambil kesimpulan tentang suatu populasi berdasarkan data dari sampel yang terbatas merupakan tujuan dari suatu proses pengambilan keputusan inferensial atau statistik induktif. Perubahan di sini merupakan suatu refleksi variasi pada sampel dan proses pengambilan sampel.
(bps.papua.go.id 24/12/08)
2.4.2 Statistik Non-Parametrik
Uji statistik yang tidak memerlukanadanya syarat-syarat tersebut disebut statistika non-parametrik. Statistika nonparametik dapat digunakan untuk menganalisis data yang berskala nominal dan ordinal. Menurut Daniel (1989) dalam banyak hal, pengamatan-pengamatan yang akan dikaji tidak selalu memenuhi asumsi-asumsi yang mendasari uji-uji parametrik sehingga kerap kali dibutuhkan teknik-teknik inferensial dengan validitas yang tidak bergantung pada asumsi-asumsi yang kaku. Dalam hal ini, teknik-teknik dalam regresi nonparametrik memenuhi kebutuhan ini karena tetap valid walaupun tidak diperlukan pemenuhan asumsi kenormalan galat dan hanya berlandaskan asumsi-asumsi yang sangat umum. Conover (1980) menjelaskan bahwa penggunaan regresi nonparametric dilandasi pada asumsi :
a. contoh yang diambil bersifat acak dan kontinu ;
b. regresi (Y|X) bersifat linier;
c. semua nilai Xi saling bebas.
(igbondan.files.wordpress.com 24/12/08)
2.5 Korelasi dan Regresi Sederhana
2.5.1 Korelasi
Korelasi ialah suatu keterkaitan yang bisa ditangkap dari perbandingan dua proporsi yang masing-masing proporsisi mengandung 2 kriteria yang salah satu kriteria disebutkan dalam kedua proporsi tersebut.
2.5.2. Regresi Sederhana
Jika akan dibahas mengenai dua variabel numerik atau lebih, termasuk hubungan di antara keduanya, maka digunakan dua teknik perhitungan, yaitu Regresi dan Korelasi. Dalam analisa Regresi, akan dikembangkan sebuah persamaan regresi yaitu formula matematika yang mencari nilai variabel tergantung (dependent) dari nilai variabel bebas (independent) yang diketahui. Analisa regresi terutama digunakan untuk tujuan peramalan. Model Matematika yang digunakan :
Garis Lurus
Parabola / Kurva Kuadratik
Kurva kubik
Kurva Quartic
Kurva pangkat n
Biasanya disebut sebagai polinomial berderajat satu, dua, dst
(www.unej.ac.id 24/12/08)
2.6 Sejarah SPSS
Pada tahun 1968, Norman H.Nie, C.Hadlai (Tex) Hull dan Dale H.Bent, tiga orang pemuda dari latar belakang professional berbeda, mengembangkan sistem perangkat lunak yang berdasarkan gagasan statistika menggunakan untuk mengubah data mentah menjadi informasi essensial untuk membuat keputusan. Sistem perangkat lunak statistic revolusioner ini disebut SPSS, yang menjadi calon Statistical Package untuk Ilmu Pengetahuan Sosial. Ketiga pemuda tersebut membangun SPSS dari keperluan untuk dengan cepat menganalisa volume data ilmu pengetahuan social yang dikumpulkan lewat berbagai metode penelitian. Dilakukan kerja pertama SPSS di Stanford University dengan maksud untuk membuatnya tersedia hanya untuk dikonsumsi local dan tak ada distribusi internasional. Nie, seorang ilmuwan social dan Stanford doctoral calon, mengambil target sasaran dan menetapkan kebutuhan; Bent calon doctor Stanford
university pada penelitian pelaksanaan, mempunyai keahlian analisa dan mendesain struktur berkas sistem SPSS, dan Hull, yang baru tamat dari Stanfor dengan gelar MBA-nya memprogram SPSS.
(www30.indowebster.com 24/12/08)
2.7 Cara Kerja SPSS
Ada 2 cara kerja dalam SPSS yaitu pada computer dan pada statistic.
Pada Komputer
Pada Statistik
(www30.indowebster.com 24/12/08)
2.8 Windows SPSS
Untuk memulai SPSS 13.0 pastikan terlebih dahulu software SPSS 13.0 telah terinstal pada komputer anda (baik dalam sistem operasi Windows XP, Windows Vista, Linux, ataupun Macintosh). Untuk memulai SPSS 13.0 awali dengan mengklik start, kemudian klik all programs selanjutnya klik SPSS for Windows lalu klik SPSS for Windows, sehingga akan tampak di layar SPSS Data Editor Data editor mempunyai dua fungsi utama, yaitu:
1. Input data yang akan diolah oleh SPSS
2. Proses data yang telah diinput oleh prosedur statistic tertentu.
Data editor terdiri atas sepuluh menu utama, yaitu file, edit, view, data, transform, anlyze, graphs, utilities, windows, dan help.
File
Menu file terdiri dari: Open, Save & save as, Display data info, Print, Exit
Edit
Menu edit terdiri dari: Undo & redo, Cut & clear, Copy & paste, Find, Edit option
View
Menu view terdiri dari: Status bar, Tool bar, Fonts, Grid lines, Value labels
Data
Menu data terdiri dari: Define dates, Insert variable, Insert case, Go to case, Sort case, Transpose, Merge files, Aggregate, Split file, Select case, Weight case
Transform
Menu transform terdiri dari: Compute, Random number seed, Count, Recode, Categorize variables, Rank cases, Automatic recode, Create time series, Replace missing value
Analyze
Menu analyze terdiri dari: Reports, Descriptive statistic, Compare means, General linear model, Correlate, Regression, Loglinear, Classify, Data reduction, Scale, Non parametric test, Survival, Multiple response
Windows
Menu ini terdiri dari:
1. Minimize all windows
2. Window atau jendela yang terhubung dengan data editor, output dan chart
Help
Menu help terdiri dari: Topics, Tutorial, SPSS homepage, Syntax guide, Statistic coach, About, Register product
Graphs
Menu graphs terdiri dari: Gallery, Interactive, Bar, Line, Area, Pie, High low, Pareto, Control, Boxplot, Error bar, Scatter, Histogram, P-P, Q-Q, Sequence, ROC curve, Time series
Utilities
Menu utilities terdiri dari: Variables, File info, Define sets, Auto nem case, Run script, Menu editor
SPSS Data Editor
Main menu atau menu utama pada SPSS Data Editor terdiri atas 10 menu utama, antara lain File, Edit, Data, Transform, Analyze, Graphs, Utilities, Window, dan Help. Memasukkan Data pada SPSS 13.0 pada Windows Untuk memulai memasukkan data pada program SPSS, kita mulai dengan mengklik Variabel View, yang akan terlihat kolom-kolom yang memuat beberapa variable.
Type
Kolom type menunjukkan tipe data yang digunakan. Untuk mengaktifkan kolom type, letakkan pointer di bawah kolom type baris 1, klik tanda sehingga akan muncul data.
Terdapat 8 macam tipe data, yaitu:
a. Numeric, data yang digunakan bertipe numeric atau berupa angka (kuantitatif)
b. Comma, data berupa angka yang menggunakan tanda koma sebagai pemisah bilangan ribuan.
c. Dot, data berupa angka menggunakan tanda titik sebagai pemisah bilangan ribuan.
d. Scientific notation, data berupa angka menggunakan symbol E untuk kelipatan 10.
e. Date, data berupa waktu
f. Dollar, data berupa angka diawali dengan tanda $, tanda koma sebagai pemisah bilangan ribuan, dan titik sebagai decimal.
g. Custom currency, data berupa angka menyatakan mata uang tertentu.
h. String, data yang digunakan bertipe huruf (bukan angka).
(igbondan.files.wordpress.com 24/21/08)
BAB III
MATERI DAN METODE
3.1 Waktu dan Tempat Praktikum
Hari dan Tanggal :Minggu, 14 Desember 2008
Waktu :pukul 15.30 – 17.45WIB
Tempat :Laboratorium Komputasi Jurusan Ilmu Kelautan Universitas Diponegoro UNDIP
3.2 Materi Praktikum
3.2.1 Statistik Deskkriptif
3.2.2 Uji Mean suatu sample (One Sampel T-Test)
3.2.3 Uji Mean Dua Sampel Berpasangan (Paired Sampel T-Test)
3.2.4 Uji Mean Dua Sampel Independent ( Independent Sampel T-Test)
3.2.5 Menguji Normalitas dan Varians
3.2.6 Scetterplot
3.2.7 Tranform
3.2.8 Hipotesis
3.2.9 Analisa Regresi Linear Sederhana
3.3 Metode Praktikum
3.3.1. Pengenalan Paket Program SPSS
MENU FILE PADA SPSS
Langkah-langkah memasukkan data dalam SPSS :
1.Membuat lembar kerja baru :
a.Pilih menu File
b.Pilih submenu New
c.Klik Data
2.Menamai variable yang diperlukan
Klik variable view yang ada di bagian 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 pendefinisian nama variable. Dalam pemberiaan nama variable,hal-hal yang perlu diperlihatkan adalah :
1.Nama variable maksimum 8 karakter
2.Tidak boleh ada spasi
3.Karakter pertama berupa huruf
4.Karakter terakhir tidak boleh berupa titik
5.Hindari istilah-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 untuk mendefinisikan type variable antara lain numeric,dot,scientific notation,date,dollar,costom,currency, dan string,
Kolom width
Kolom inin untuk memberikan tempat decimal dari data pada variable yang sesuai.
Kolom labels
Kolom ini untuk memberikan label variable (jika perlu)
Kolom values
Kolom ini untuk memberikan harga label dari variable (jika perlu)
Setelah variable disebut maka dilanjutkan pengisian data dengan lebih dulu mengaktifkan data view. Simpan data dengan cara klik file kemudian pilih save as dan beri nama.
MENU EDITOR PADA PASS
Terdapat data yang telah dibuat,dapat dilakukan perbaikan atau perubahan meliputi menghapus data, mengganti data, menambah variable,dll.
1.Edit terhadap data yang telah dibuat
Langkah-langkah edit data sbb:
Buka file yang akan di edit
Sorot data yang akan di edit misalnya menghapus 1 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 varable yang telah dibuat.
Langkah-langkah edit variable sbb :
Aktifkan varable view dengan menekan ctrl+t
Sorot nama variable yang akan diganti
Pilih menu edit
Pilih clear untuk menghapus atau ganti dengan variable baru.
3.3.2. Statistik Deskriptif (Explore)
Frequencies
1.Susun distribusi frekuensi untuk tinggi dengan langkah sbb :
Klik analyze
Pilih deskriptif statistic
Klik frequencies
Pindahkan data tinggi dari kolom kiri ke kolom kanan dengan cara mengeblok kemudian klik tanda panah.
Klik statistic kemudian beri tanda (v) pada persentile value,central tendency,dispersion dan distribution
Klik continue
Klik chart dan pilih histograms
Klik continue
Klik ok
2.Susun distribusi frekuensi untuk gender dengan langkah sbb :
Klik analyze
Pilih deskriptive statistic
Klik frequncies
Pindahkan data gender dari kolom kiri ke kolom kanan dengan cara mengeblok kemudian klik tanda panah
Klik statistic kemudian beri tanda (v) pada persentile value,central tendency,dispersion dan distribution
Klik continue
Klik chart dan pilih pie charts
Klik continue
Klik ok
Uji Means Suatu Sample (One Sample T-Test)
Penguji suatu sample pada prinsipnya adalah ingin menguji apakah suatu nilai tertentu berbeda secara signifikan atau tidak dengan rata-rata sebuah sample.
Untuk langkah-langkah kerjanya sbb :
Pilih menu utama Analyze
Pilih Compare Means
Pilih One Sample T-Test
Isikan variable yang akan diuji ke kolom test variable (s) dan isikan rata-rata dugaan pada kotak test value
Klik ok
Uji Mean Dua Sample Berpasangan (Paired Sample T-Test)
Dua sample berpasangan adalah sample dwngan dubyek sama tetapi menjalani dua perlakuan atau pengukuran berbeda.
Untuk langkah-langkah kerjanya :
Buat file diatas
Pilih menu utama Analyze
Pilih Compare Means
Pilih Paired Sample T-Test
Pilih Variabel yang akan diuji
Klik Continue
Klik Ok
Uji Mean Dua Sampel Independent ( Independent Sample T-Test)
Diberikan dua buah populasi yang saling independent dan berdistribusi normal yaitu :
Populasi 1 dengan rata-rata µ1 dan varian σ12 tidak diketahui
Populasi 2 dengan rata-rata µ2 dan varian σ22 tidak diketahui
Hipotesis :
Ho : µ1 = µ2
H1 : µ1 ≠ µ2
Untuk melakukan uji tersebut dilakukan langkah-lankah sebagi berikut :
1.Pilih menu Utama Analyze
Pilih Compare Means
Pilih Independent Sample T-Test
Pilih Variable ( Kolom 1) sebagai Test Variable(s) dan variable (kolom 2) sebagai Grouping variable.
Klik Define Group dan isikan kotak group 1 dengan 1 dan group 2 dengan 2
Klik Continue
Pilih Options dan isikan pada Confidence Interval yang sesuai.
Klik Continue
Klik OK
Explore
Langkah-langkah :
klik analyze
pilih deskriptive statistic
klik explore
Pindahkan data panjang dan lebar dari kolom kiri ke kolom dependent list dengan cara mengeblok kemudian klik tanda panah.
Klik statistic kemudian beri tanda (v) pada descriptive.
Klik continue
Klik plots dan untuk keseragaman, pada boxplot pilih factor levels together dan pada descriptive pilih stem and leaf.
Klik continue
Pada bagian displays pilih both.
Klik ok.
TRANSFORM
Menu transform pada prinsipnya berfungsi mentransformasi atau mengubah suatu data untuk keperluan-keperluan khusus.
Langkah-langkah untuk transform panjang ke bentuk logaritma sbb:
klik transform
pilih compute
Pada bagian target variable ketik logpanjang (tanpa spasi)
klik tombol type & label
Pada bagian kolom label ketik panjang cangkang dan pada bagian type pilih numeric.
Klik continue
Pada bagian kolom numerik expression ketik Lg10( ), klik 1 kali dalam kurung tersebut kemudian mengeblok panjang dan klik tanda panah.
Klik ok
3.3.3. Menguji Normalitas dan Varians
Langkah-langkah pengujian sbb:
klik analyze
pilih deskriptive 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 kiri ke 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 boxplot pilih non dan pada descriptive tidak ada yang pilih atau stem and leaf di deselect.
Beri tanda (v) pada normality plots with test
Pada bagian spread vs level with levene test pilih power estimation.
Klik continue
Pada bagian displays pilih both.
Klik ok
3.3.4. Scetterplot
Deskriptive ini digunakan untuk mengetahui sebaran data pada statistik univarian.
Langkah-langkah sbb:
klik graphs
pilih scatte / dot
klik simple scatter
klik define
Mengeblok logpanjang kemudian klik tanda panah X axis dan mengeblok loglebar kemudian klik tanda panah Y axis.
Klik ok
3.3.5. Hipotesis
H0 = Tidak ada hubungan antara panjang cangkang dengan lebar cangkang pada kerang Anadara granosa.
H1 = Ada hubungan antara panjang cangkang dengan lebar cangkang pada kerang Anadara granosa.
3.3.6. Regresi dan Korelasi
Analisa regresi linier sederhana merupakan analisis yang membicarakan hubungan antara 2 buah variabel, yaitu variabel bebas dan variabel tergantung. Tujuannya adalah untuk membuat sebuah model yang baik dan memungkinkan kita untuk menaksir nilai y bagi nilai-nilai x tertentu.
Langkah-langkah sbb:
klik analyze
pilih regression dan dari serangkaian pilihan test untuk regresi, sesuai kasus pilih linear.
Mengeblok logpanjang kemudian klik tanda panah dependent dan mengeblok loglebar kemudian klik tanda panah independent.
Pada kolom method pilih enter.
Klik tombol statistik
Pada kolom regression coefficient pilih estimate.
Beri tanda (v) pada model fit dan descriptive.
Pada kolom residual beri tanda (v) pada casewise diagnostics dan pilih all cases.
Klik continue
Klik tombol plots
Klik pilihan sdresid dan masukkan ke kolom Y lalu klik pilihan zpred dan masukkan ke kolom X.
Klik tombol next
Klik pilihan zpred dan masukkan ke kolom Y lalu klik pilihan dependnt dan masukkan ke kolom X.
Pada kolom standardized residual plots beri tanda (v) pada normal probability plot.
Klik continue
Klik ok
BAB IV
HASIL DAN PEMBAHASAN
4.1. Hasil Praktikum
4.1.1. Pengenalan Paket Program SPSS
Membuat lembar kerja baru :
a.Pilih menu File
b.Pilih submenu New
c.Klik Data
Menamai variable yang diperlukan
Klik variable view yang ada di bagian kiri bawah,maka pada SPSS data editor akan tampil kolom-kolom dengan heading name,type,width,decimal,labels,value,dsb.
4.1.2.Uji Mean suatu sample ( One Sample T-Test)
Frequencies
Notes
Output Created
24-DEC-2009 23:02:12
Comments
Input
Data
D:\Documents and Settings\Windows XP 2008\My Documents\TEDI.sav
Filter
Weight
Split File
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=U1 U2
/NTILES= 4
/STATISTICS=STDDEV VARIANCE RANGE MINIMUM MAXIMUM MEAN MEDIAN SKEWNESS SESKEW KURTOSIS SEKURT
/HISTOGRAM NORMAL
/ORDER= ANALYSIS .
Resources
Elapsed Time
0:00:03,13
Total Values Allowed
149796
Statistics
U1
U2
N
Valid
25
25
Missing
0
0
Mean
5770,00008
6750,23324
Median
5126,66700
6500,00000
Std. Deviation
2466,009881
3484,904335
Variance
6081204,731
12144558,227
Skewness
1,329
,845
Std. Error of Skewness
,464
,464
Kurtosis
1,577
,864
Std. Error of Kurtosis
,902
,902
Range
9963,333
14506,667
Minimum
2736,667
1773,333
Maximum
12700,000
16280,000
Percentiles
25
4301,66650
3674,16650
50
5126,66700
6500,00000
75
7163,33350
8791,66650
Frequency Table
U1
Frequency
Percent
Valid Percent
Cumulative Percent
Valid
2736,667
1
4,0
4,0
4,0
3123,333
1
4,0
4,0
8,0
3340,000
1
4,0
4,0
12,0
3356,667
1
4,0
4,0
16,0
3696,667
1
4,0
4,0
20,0
4270,000
1
4,0
4,0
24,0
4333,333
1
4,0
4,0
28,0
4356,667
1
4,0
4,0
32,0
4383,333
1
4,0
4,0
36,0
4476,667
1
4,0
4,0
40,0
4820,000
1
4,0
4,0
44,0
4860,000
1
4,0
4,0
48,0
5126,667
1
4,0
4,0
52,0
5133,333
1
4,0
4,0
56,0
5306,667
1
4,0
4,0
60,0
5710,000
1
4,0
4,0
64,0
5993,333
1
4,0
4,0
68,0
6000,000
1
4,0
4,0
72,0
6846,667
1
4,0
4,0
76,0
7480,000
1
4,0
4,0
80,0
7626,667
1
4,0
4,0
84,0
8416,667
1
4,0
4,0
88,0
9286,667
1
4,0
4,0
92,0
10870,000
1
4,0
4,0
96,0
12700,000
1
4,0
4,0
100,0
Total
25
100,0
100,0
U2
Frequency
Percent
Valid Percent
Cumulative Percent
Valid
1773,333
1
4,0
4,0
4,0
2380,000
1
4,0
4,0
8,0
2743,333
1
4,0
4,0
12,0
3066,667
1
4,0
4,0
16,0
3086,667
1
4,0
4,0
20,0
3150,000
1
4,0
4,0
24,0
4198,333
1
4,0
4,0
28,0
4973,333
1
4,0
4,0
32,0
5523,333
1
4,0
4,0
36,0
5573,333
1
4,0
4,0
40,0
5706,667
1
4,0
4,0
44,0
5796,667
1
4,0
4,0
48,0
6500,000
1
4,0
4,0
52,0
6770,833
1
4,0
4,0
56,0
6983,333
1
4,0
4,0
60,0
7036,667
1
4,0
4,0
64,0
7463,333
1
4,0
4,0
68,0
8490,000
1
4,0
4,0
72,0
8530,000
1
4,0
4,0
76,0
9053,333
1
4,0
4,0
80,0
9510,000
1
4,0
4,0
84,0
10280,000
1
4,0
4,0
88,0
11933,333
1
4,0
4,0
92,0
11953,333
1
4,0
4,0
96,0
16280,000
1
4,0
4,0
100,0
Total
25
100,0
100,0
Histogram
Frequencies
Notes
Output Created
24-DEC-2009 23:04:07
Comments
Input
Data
D:\Documents and Settings\Windows XP 2008\My Documents\TEDI2.sav
Filter
Weight
Split File
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=T1 T2
/NTILES= 4
/STATISTICS=STDDEV VARIANCE RANGE MINIMUM MAXIMUM MEAN MEDIAN SKEWNESS SESKEW KURTOSIS SEKURT
/PIECHART FREQ
/ORDER= ANALYSIS .
Resources
Elapsed Time
0:00:01,43
Total Values Allowed
149796
Statistics
T1
T2
N
Valid
25
25
Missing
0
0
Mean
4060,00000
3804,40000
Median
3020,00000
3020,00000
Std. Deviation
2981,867424
2225,071310
Variance
8891533,333
4950942,333
Skewness
1,385
,569
Std. Error of Skewness
,464
,464
Kurtosis
2,644
-,760
Std. Error of Kurtosis
,902
,902
Range
13080,000
7650,000
Minimum
400,000
1060,000
Maximum
13480,000
8710,000
Percentiles
25
2135,00000
1690,00000
50
3020,00000
3020,00000
75
6610,00000
5405,00000
Frequency Table
T1
Frequency
Percent
Valid Percent
Cumulative Percent
Valid
400,000
1
4,0
4,0
4,0
760,000
1
4,0
4,0
8,0
940,000
1
4,0
4,0
12,0
1260,000
1
4,0
4,0
16,0
1280,000
1
4,0
4,0
20,0
2080,000
1
4,0
4,0
24,0
2190,000
1
4,0
4,0
28,0
2280,000
1
4,0
4,0
32,0
2440,000
1
4,0
4,0
36,0
2880,000
2
8,0
8,0
44,0
2960,000
1
4,0
4,0
48,0
3020,000
1
4,0
4,0
52,0
3080,000
1
4,0
4,0
56,0
3580,000
1
4,0
4,0
60,0
3800,000
1
4,0
4,0
64,0
4470,000
1
4,0
4,0
68,0
5880,000
1
4,0
4,0
72,0
6600,000
1
4,0
4,0
76,0
6620,000
1
4,0
4,0
80,0
6860,000
1
4,0
4,0
84,0
6910,000
1
4,0
4,0
88,0
6960,000
1
4,0
4,0
92,0
7890,000
1
4,0
4,0
96,0
13480,000
1
4,0
4,0
100,0
Total
25
100,0
100,0
T2
Frequency
Percent
Valid Percent
Cumulative Percent
Valid
1060,000
1
4,0
4,0
4,0
1180,000
1
4,0
4,0
8,0
1340,000
1
4,0
4,0
12,0
1380,000
1
4,0
4,0
16,0
1580,000
2
8,0
8,0
24,0
1800,000
1
4,0
4,0
28,0
2180,000
1
4,0
4,0
32,0
2580,000
1
4,0
4,0
36,0
2660,000
1
4,0
4,0
40,0
2880,000
2
8,0
8,0
48,0
3020,000
1
4,0
4,0
52,0
3160,000
1
4,0
4,0
56,0
4400,000
1
4,0
4,0
60,0
4440,000
1
4,0
4,0
64,0
4870,000
1
4,0
4,0
68,0
5320,000
1
4,0
4,0
72,0
5370,000
1
4,0
4,0
76,0
5440,000
1
4,0
4,0
80,0
6290,000
1
4,0
4,0
84,0
6650,000
1
4,0
4,0
88,0
7030,000
1
4,0
4,0
92,0
7310,000
1
4,0
4,0
96,0
8710,000
1
4,0
4,0
100,0
Total
25
100,0
100,0
Pie Chart
Frequencies
Notes
Output Created
24-DEC-2009 23:14:03
Comments
Filter
Weight
Split File
N of Rows in Working Data File
50
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=kode perlakuan thc
/NTILES= 4
/STATISTICS=STDDEV VARIANCE RANGE MINIMUM MAXIMUM MEAN MEDIAN SKEWNESS SESKEW KURTOSIS SEKURT
/HISTOGRAM NORMAL
/ORDER= ANALYSIS .
Elapsed Time
0:00:02,04
Total Values Allowed
149796
Statistics
kode
jenis perlakuan
thc
Valid
50
50
50
Missing
0
0
0
Mean
25,50
1,5000
3,964.6000
Median
25,50
1,5000
3,050.0000
Std. Deviation
14,577
,50508
2,587.35560
Variance
212,500
,255
6694409,020
Skewness
,000
,000
1,185
Std. Error of Skewness
,337
,337
,337
Kurtosis
-1,200
-2,085
2,156
Std. Error of Kurtosis
,662
,662
,662
Range
49
1,00
13,080.00
Minimum
1
1,00
400.00
Maximum
50
2,00
13,480.00
25
12,75
1,0000
2,155.0000
50
25,50
1,5000
3,050.0000
75
38,25
2,0000
5,982.5000
Frequency Table
kode
Frequency
Percent
Valid Percent
Cumulative Percent
1
1
2,0
2,0
2,0
2
1
2,0
2,0
4,0
3
1
2,0
2,0
6,0
4
1
2,0
2,0
8,0
5
1
2,0
2,0
10,0
6
1
2,0
2,0
12,0
7
1
2,0
2,0
14,0
8
1
2,0
2,0
16,0
9
1
2,0
2,0
18,0
10
1
2,0
2,0
20,0
11
1
2,0
2,0
22,0
12
1
2,0
2,0
24,0
13
1
2,0
2,0
26,0
14
1
2,0
2,0
28,0
15
1
2,0
2,0
30,0
16
1
2,0
2,0
32,0
17
1
2,0
2,0
34,0
18
1
2,0
2,0
36,0
19
1
2,0
2,0
38,0
20
1
2,0
2,0
40,0
21
1
2,0
2,0
42,0
22
1
2,0
2,0
44,0
23
1
2,0
2,0
46,0
24
1
2,0
2,0
48,0
25
1
2,0
2,0
50,0
26
1
2,0
2,0
52,0
27
1
2,0
2,0
54,0
28
1
2,0
2,0
56,0
29
1
2,0
2,0
58,0
30
1
2,0
2,0
60,0
31
1
2,0
2,0
62,0
32
1
2,0
2,0
64,0
33
1
2,0
2,0
66,0
34
1
2,0
2,0
68,0
35
1
2,0
2,0
70,0
36
1
2,0
2,0
72,0
37
1
2,0
2,0
74,0
38
1
2,0
2,0
76,0
39
1
2,0
2,0
78,0
40
1
2,0
2,0
80,0
41
1
2,0
2,0
82,0
42
1
2,0
2,0
84,0
43
1
2,0
2,0
86,0
44
1
2,0
2,0
88,0
45
1
2,0
2,0
90,0
46
1
2,0
2,0
92,0
47
1
2,0
2,0
94,0
48
1
2,0
2,0
96,0
49
1
2,0
2,0
98,0
50
1
2,0
2,0
100,0
Total
50
100,0
100,0
jenis perlakuan
Frequency
Percent
Valid Percent
Cumulative Percent
1,00
25
50,0
50,0
50,0
2,00
25
50,0
50,0
100,0
Total
50
100,0
100,0
thc
Frequency
Percent
Valid Percent
Cumulative Percent
400.00
1
2,0
2,0
2,0
760.00
2
4,0
4,0
6,0
940.00
1
2,0
2,0
8,0
1,260.00
1
2,0
2,0
10,0
1,280.00
1
2,0
2,0
12,0
1,340.00
1
2,0
2,0
14,0
1,380.00
1
2,0
2,0
16,0
1,580.00
2
4,0
4,0
20,0
1,800.00
1
2,0
2,0
22,0
2,080.00
1
2,0
2,0
24,0
2,180.00
1
2,0
2,0
26,0
2,190.00
1
2,0
2,0
28,0
2,280.00
1
2,0
2,0
30,0
2,440.00
1
2,0
2,0
32,0
2,580.00
1
2,0
2,0
34,0
2,660.00
2
4,0
4,0
38,0
2,880.00
3
6,0
6,0
44,0
2,960.00
1
2,0
2,0
46,0
3,020.00
2
4,0
4,0
50,0
3,080.00
1
2,0
2,0
52,0
3,160.00
1
2,0
2,0
54,0
3,380.00
1
2,0
2,0
56,0
3,580.00
1
2,0
2,0
58,0
3,800.00
1
2,0
2,0
60,0
4,240.00
1
2,0
2,0
62,0
4,470.00
1
2,0
2,0
64,0
4,540.00
1
2,0
2,0
66,0
4,870.00
1
2,0
2,0
68,0
5,320.00
1
2,0
2,0
70,0
5,370.00
1
2,0
2,0
72,0
5,440.00
1
2,0
2,0
74,0
5,880.00
1
2,0
2,0
76,0
6,290.00
1
2,0
2,0
78,0
6,600.00
1
2,0
2,0
80,0
6,620.00
1
2,0
2,0
82,0
6,650.00
1
2,0
2,0
84,0
6,860.00
1
2,0
2,0
86,0
6,910.00
1
2,0
2,0
88,0
6,960.00
1
2,0
2,0
90,0
7,030.00
1
2,0
2,0
92,0
7,310.00
1
2,0
2,0
94,0
7,890.00
1
2,0
2,0
96,0
8,710.00
1
2,0
2,0
98,0
13,480.00
1
2,0
2,0
100,0
Total
50
100,0
100,0
Histogram
Frequencies
Notes
Output Created
25-DEC-2009 00:48:59
Comments
Filter
Weight
Split File
N of Rows in Working Data File
50
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=kode perlakuan thc
/NTILES= 4
/STATISTICS=STDDEV VARIANCE RANGE MINIMUM MAXIMUM MEAN MEDIAN SKEWNESS SESKEW KURTOSIS SEKURT
/PIECHART FREQ
/ORDER= ANALYSIS .
Elapsed Time
0:00:02,27
Total Values Allowed
149796
Statistics
kode
jenis perlakuan
thc
Valid
50
50
50
Missing
0
0
0
Mean
25,50
1,5000
2.1834
Median
25,50
1,5000
2.1850
Std. Deviation
14,577
,50508
.57142
Variance
212,500
,255
,327
Skewness
,000
,000
,969
Std. Error of Skewness
,337
,337
,337
Kurtosis
-1,200
-2,085
,633
Std. Error of Kurtosis
,662
,662
,662
Range
49
1,00
2.50
Minimum
1
1,00
1.40
Maximum
50
2,00
3.90
25
12,75
1,0000
1.7850
50
25,50
1,5000
2.1850
75
38,25
2,0000
2.4000
Frequency Table
jenis perlakuan
Frequency
Percent
Valid Percent
Cumulative Percent
Valid
1,00
25
50,0
50,0
50,0
2,00
25
50,0
50,0
100,0
Total
50
100,0
100,0
thc
Frequency
Percent
Valid Percent
Cumulative Percent
Valid
1.40
1
2,0
2,0
2,0
1.45
1
2,0
2,0
4,0
1.50
3
6,0
6,0
10,0
1.57
1
2,0
2,0
12,0
1.60
2
4,0
4,0
16,0
1.65
1
2,0
2,0
18,0
1.69
1
2,0
2,0
20,0
1.70
1
2,0
2,0
22,0
1.74
1
2,0
2,0
24,0
1.80
7
14,0
14,0
38,0
1.90
2
4,0
4,0
42,0
2.00
1
2,0
2,0
44,0
2.10
2
4,0
4,0
48,0
2.17
1
2,0
2,0
50,0
2.20
6
12,0
12,0
62,0
2.25
1
2,0
2,0
64,0
2.30
4
8,0
8,0
72,0
2.35
1
2,0
2,0
74,0
2.40
2
4,0
4,0
78,0
2.60
1
2,0
2,0
80,0
2.65
1
2,0
2,0
82,0
2.71
1
2,0
2,0
84,0
2.88
1
2,0
2,0
86,0
2.89
1
2,0
2,0
88,0
2.97
1
2,0
2,0
90,0
3.20
2
4,0
4,0
94,0
3.30
1
2,0
2,0
96,0
3.40
1
2,0
2,0
98,0
3.90
1
2,0
2,0
100,0
Total
50
100,0
100,0
Pie Chart
T-Test
Notes
Output Created
25-DEC-2009 00:49:26
Comments
Filter
Weight
Split File
N of Rows in Working Data File
50
Missing Value Handling
Definition of Missing
User defined missing values are treated as missing.
Cases Used
Statistics for each analysis are based on the cases with no missing or out-of-range data for any variable in the analysis.
Syntax
T-TEST
GROUPS = kode(1 2)
/MISSING = ANALYSIS
/VARIABLES = perlakuan
/CRITERIA = CI(.95) .
Resources
Elapsed Time
0:00:00,17
Group Statistics
kode
N
Mean
Std. Deviation
Std. Error Mean
jenis perlakuan
1
1
1,0000
.
.
2
1
1,0000
.
.
Independent Samples Test
Levene's Test for Equality of Variances
t-test for Equality of Means
F
Sig.
t
df
Sig. (2-tailed)
Mean Difference
Std. Error Difference
95% Confidence Interval of the Difference
Lower
Upper
jenis perlakuan
Equal variances assumed
.
0
.
,00000
.
.
.
.
.
Equal variances not assumed
.
.
.
,00000
.
.
.
.
Regression
Notes
Output Created
25-DEC-2009 00:39:43
Comments
Data
D:\Documents and Settings\Windows XP 2008\My Documents\TEDI3.sav
Filter
Weight
Split File
N of Rows in Working Data File
25
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 PANJANG
/METHOD=ENTER LEBAR
/SCATTERPLOT=(*SDRESID ,*ZPRED ) (*ZPRED ,PANJANG )
/RESIDUALS NORM(ZRESID)
/CASEWISE PLOT(ZRESID) ALL .
Elapsed Time
0:00:02,89
Memory Required
1388 bytes
Additional Memory Required for Residual Plots
824 bytes
Descriptive Statistics
Mean
Std. Deviation
N
PANJANG
1,7600
,23484
25
LEBAR
2,6068
,48788
25
Correlations
PANJANG
LEBAR
Pearson Correlation
PANJANG
1,000
,144
LEBAR
,144
1,000
Sig. (1-tailed)
PANJANG
.
,246
LEBAR
,246
.
N
PANJANG
25
25
LEBAR
25
25
Variables Entered/Removed(b)
Model
Variables Entered
Variables Removed
Method
1
LEBAR(a)
.
Enter
a All requested variables entered.
b Dependent Variable: PANJANG
Model Summary(b)
Model
R
R Square
Adjusted R Square
Std. Error of the Estimate
1
,144(a)
,021
-,022
,23739
a Predictors: (Constant), LEBAR
b Dependent Variable: PANJANG
ANOVA(b)
Model
Sum of Squares
df
Mean Square
F
Sig.
1
Regression
,027
1
,027
,487
,492(a)
Residual
1,296
23
,056
Total
1,324
24
a Predictors: (Constant), LEBAR
b Dependent Variable: PANJANG
Coefficients(a)
Model
Unstandardized Coefficients
Standardized Coefficients
t
Sig.
B
Std. Error
Beta
1
(Constant)
1,579
,263
6,000
,000
LEBAR
,069
,099
,144
,698
,492
a Dependent Variable: PANJANG
Casewise Diagnostics(a)
Case Number
Std. Residual
PANJANG
Predicted Value
Residual
1
-,977
1,50
1,7318
-,23182
2
,258
1,80
1,7387
,06126
3
-,493
1,65
1,7672
-,11715
4
-,190
1,74
1,7852
-,04516
5
-1,398
1,40
1,7318
-,33182
6
-,584
1,60
1,7387
-,13874
7
-1,006
1,50
1,7387
-,23874
8
1,622
2,20
1,8150
,38504
9
,665
1,90
1,7422
,15779
10
,287
1,80
1,7318
,06818
11
,273
1,80
1,7353
,06472
12
,316
1,80
1,7249
,07511
13
-,672
1,60
1,7595
-,15953
14
1,981
2,20
1,7297
,47026
15
2,393
2,30
1,7318
,56818
16
-,192
1,70
1,7457
-,04567
17
-,375
1,69
1,7789
-,08893
18
-1,389
1,45
1,7796
-,32962
19
,577
1,90
1,7630
,13701
20
-1,035
1,50
1,7457
-,24567
21
,634
2,00
1,8496
,15040
22
-,034
1,80
1,8080
-,00803
23
-,005
1,80
1,8011
-,00110
24
-,973
1,57
1,8011
-,23110
25
,316
1,80
1,7249
,07511
a Dependent Variable: PANJANG
Residuals Statistics(a)
Minimum
Maximum
Mean
Std. Deviation
N
Predicted Value
1,7249
1,8496
1,7600
,03380
25
Std. Predicted Value
-1,039
2,651
,000
1,000
25
Standard Error of Predicted Value
,047
,137
,065
,019
25
Adjusted Predicted Value
1,6897
1,8272
1,7552
,03434
25
Residual
-,33182
,56818
,00000
,23239
25
Std. Residual
-1,398
2,393
,000
,979
25
Stud. Residual
-1,449
2,480
,009
1,022
25
Deleted Residual
-,35640
,61027
,00475
,25383
25
Stud. Deleted Residual
-1,486
2,835
,030
1,083
25
Mahal. Distance
,000
7,026
,960
1,415
25
Cook's Distance
,000
,273
,047
,076
25
Centered Leverage Value
,000
,293
,040
,059
25
a Dependent Variable: PANJANG
Charts
Explore
Notes
Output Created
25-DEC-2009 00:41:12
Comments
Data
D:\Documents and Settings\Windows XP 2008\My Documents\TEDI3.sav
Filter
Weight
Split File
N of Rows in Working Data File
25
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=PANJANG LEBAR
/PLOT BOXPLOT STEMLEAF
/COMPARE VARIABLES
/STATISTICS DESCRIPTIVES
/CINTERVAL 95
/MISSING LISTWISE
/NOTOTAL.
Resources
Elapsed Time
0:00:00,76
Case Processing Summary
Cases
Valid
Missing
Total
N
Percent
N
Percent
N
Percent
PANJANG
24
96,0%
1
4,0%
25
100,0%
LEBAR
24
96,0%
1
4,0%
25
100,0%
Descriptives
Statistic
Std. Error
PANJANG
Mean
1,7375
,04298
95% Confidence Interval for Mean
Lower Bound
1,6486
Upper Bound
1,8264
5% Trimmed Mean
1,7301
Median
1,7700
Variance
,044
Std. Deviation
,21057
Minimum
1,40
Maximum
2,20
Range
,80
Interquartile Range
,22
Skewness
,575
,472
Kurtosis
,260
,918
LEBAR
Mean
2,6238
,10018
95% Confidence Interval for Mean
Lower Bound
2,4165
Upper Bound
2,8310
5% Trimmed Mean
2,5866
Median
2,4000
Variance
,241
Std. Deviation
,49080
Minimum
2,10
Maximum
3,90
Range
1,80
Interquartile Range
,74
Skewness
1,007
,472
Kurtosis
,284
,918
Stem-and-Leaf Plots
PANJANG Stem-and-Leaf Plot
Frequency Stem & Leaf
2,00 14 . 05
4,00 15 . 0007
4,00 16 . 0059
2,00 17 . 04
7,00 18 . 0000000
2,00 19 . 00
1,00 20 . 0
2,00 Extremes (>=2,20)
Stem width: ,10
Each leaf: 1 case(s)
LEBAR Stem-and-Leaf Plot
Frequency Stem & Leaf
3,00 2 . 111
8,00 2 . 22223333
2,00 2 . 44
3,00 2 . 667
3,00 2 . 889
,00 3 .
3,00 3 . 223
1,00 3 . 4
,00 3 .
1,00 3 . 9
Stem width: 1,00
Each leaf: 1 case(s)
4.2. Pembahasan
Program paket SPSS (Statistical Product and Service Solution) for windows merupakan salah satu program aplikasi statistik yang sering digunakan untuk pengolahan data. SPSS for windows ini menawarkan banyak kemudahan dalam pengoperasiannya data (data entry), mengedit data, transformasi data, analisa data, dan masih banyak lagi. SPSS menyediakan fasilitas analisa yang cukup lengkap seperti ordinary linier regression, logistis, ANOVA, survival anslysis, dan lainnya. SPSS menyediakan empat windows yang meliputi :
1.Data editor : berfungsi untuk input data SPSS.
Pada saat pertama kali SPSS dibuka, tampilan yang tampak adalah SPSS data editor yang mempunyai dua tampilan dalam satu layer yaitu tampilan Data view dan Variable view.
Menu yang dipakai pada editor a.l. :
File : untuk membuat file baru, membuka file tertentu, mengambil data dari program lain, mencetak isi editor dll.
Editor : untuk memperbaiki atau mengubah nilai data, serta mengubah setting pada options.
View : untuk mengatur toolbar.
Data : untuk mengurutkan data, menyeleksi data berdasarkan kriteria tertentu.
Transform : untuk membuat perubahan pada variabel yang telah dipilih.
Analyze : untuk melakukan semua prosedur perhitungan statistik seperti uji t, uji F, regresi, time series dsb.
Graph : untuk membuat berbagai jenis grafik untk mendukung analisis statistik.
Utilities : untuk memberi informasi tentang veriabel yang sedang dikerjakan serta mengatur tampilan menu-menu lain.
Windows : untuk berpindah diantara menu-menu yang lain.
Help : untu menyediakan bantuan informasi mengenai program SPSS yang dapat diakses aecara mudah dan jelas.
2.Menu output viewer : untuk menampilkan hasil pengolahan data atau informasi. Isi output dapat berupa sebuah tabel, sebuah grafik, atau sebuah teks.
3.Menu syntax editor : untuk menuliskan beberapa perintah atau pilihan yang hanya dapat digunakan dengan SPSS Command Language.
4.Menu script editor : untuk melakukan berbagai pengerjaan SPSS secara otomatis, seperti membuka dan menutup file, eksport char, penyesuaian bentuk output dll.
Pada praktikum ini kita telah melakukan pengolahan data dengan berbagai data, diantaranya yaitu:
Data yang berupa data statistik deskriptif, dimana menu-menu yang berhubungan dengan statistik deskriptif antara lain:
1.Frekuensi, yang membahas tentang beberapa penyebaran ukuran statistik deskriptif seperti mean, median, kuartil, standar deviasi dan lain sebagainya.
2.Uji T, dimana pengujian ini digunakan untuk menentukan ukuran pemusatan dan menguji apakah suatu nilai tertentu secara nyata ataukah tidak dengan tabel T.
3.Explore, adalah salah satu bagian yang menampilkan deskripsi statistik yang lebih mendalam seperti boxplot, diagram steam and leaf, dan lain sebagainya.
Berdasarkan Hasil Pengolahan Data
Untuk awal kita telah melakukan uji ano sample T-Test, Yaitu pengujian suatu sample yang pada prinsipnya adalah ingin menguji apakah suatu nilai tertentu berbeda secara signifikan atau tidak dengan rata-rata sebuah sample.
Sedangkan untuk tahap yang kedua kita telah melakukan uji mean dua sampel berpasangan (Paired Sample T-Test), dimana uji ini adalah sample dengan subyek sama tetapi menjalani dua perlakuan atau pengukuran berbeda.
Pada hasil uji yang telah kami lakukan terlihat bahwa data sangat bervariatif sehingga pada grafik hidtogram juga terlihat bahwa dia akan mengalami titik puncak pada nilai mediannya. Dengan uji ini pula kita akan mengetahui mana data yang dapat diterima Ho atau H1 atau ditolak Ho atau H1.
Selanjutnya kita melakukan uji yang ketiga yaitu uji meqan dua sample Independent (Independent Sample T-Test), dimena data diberikan dua buah sample populasi yang saling independent dan berdistribusi normal . dengan hipotesis kita akan mengetahu nilai Ho dan H1 nya serta parametriknya.
Setelah itu kemudian kita akan menguji nilai normalitas data dan homogenitas varians, dimana konsep yang penting dalam statistik inferensi adalah :
1.Apakah beberapa sample yang telah diambil berasal dari polpulasi yang sama (populasi berdistribusi normal)?
2.Apakah sample – sample tersebut mempunyai varians yang sama?
Dan pertanyaan ini kami dapat menjawabnya pada praktikum kali ini, dimana yang kami jadikan contoh adalah bantuk morfologi kerang, dimna yang kami hitung datanya adalah panjang, lebar dan tebalnya.
BAB V
KESIMPULAN DAN SARAN
5.1. Kesimpulan
Dari hasil data praktikum yang kami peroleh maka dapat kami simpulkan bahwa :
Program paket SPSS (Statistical Product and Service Solution) for windows merupakan salah satu program aplikasi statistik yang sering digunakan untuk pengolahan data.
SPSS for windows ini menawarkan banyak kemudahan dalam pengoperasiannya data (data entry), mengedit data, transformasi data, dan analisa data.
SPSS menyediakan fasilitas analisa yang cukup lengkap seperti ordinary linier regression, longistis, ANOVA, dan survival analysis.
Adanya Metode dari praktikum, yaitu
1.Pengenalan Program SPSS
2.Statistik Deskriptif ( Explore )
3.Menguji Normalitas dan varians
4.Scetterplot
5.Hipotesis
6.Regresi dan Korelasi
SPSS menyediakan empat windows yang meliputi :
Data editor
Menu output viewer
Menu syntax editor
Menu script editor
Data yang berupa data statistik deskriptif, dimana menu-menu yang berhubungan dengan statistik deskriptif antara lain:
Frekuensi
Uji T
Explore
Dari data yang kami peroleh pada saat praktikum dapat dilihat bahwa datanya sangat bervariatif sekali, sehingga pada grafik juga terlihat bahwa data rata – rata berada dipuncak tengah atau rata pada nilai median.
5.2. Saran
Diharapkan pada saat praktikum, asisten lebih mempersiapkannya lebih siap
Untuk masalah waktu juga seharusnya dapat dikalkulasikan dan diestimasikan.
Seharusnya agar lebih efektif, efisien, dan optimal komputer diperbanyak lagi,.
Untuk pembelajaran pengolahan data seharusnya asisten lebih komunikatif lagi dengan para praktikan.
DAFTAR PUSTAKA
Dayan, Aton. 1991. Statistika I dan II. Jakarta : Erlangga.
Spiegel, Muray R. 1972. Theory and Problems in Si Units. McGraw Hill Book Company.
Supangat, Andi. 2007. Statistika: Dalam Kajian Deskriptif, Infernsi dan Nonparametrik. Jakarta : Kencana.
Walpole, Ronald E. dan Myers, Raymondh. 1995. Ilmu Peluang dan Statistika Untuk Insinyur dan Ilmuwan. Bandung : Penerbit ITB
http://id.wikipedia.org/wiki/Statistika
http://www.unej.ac.id/fakultas/mipa/web_fisika/webkuliah/Statistika-Dasar-Bab 1.pdf
http://statisticscorner.blogspot.com/2008/11/1st-element-of-statistics-collecting.html
http://bps.papua.go.id/nabire/docs/lain/Pengertian-Statistik-Dasar.pdf
http://ineddeni.wordpress.com/2007/08/02/statistika-parametrik-dan-statistika-nonparametrik/
http://ineddeni.wordpress.com/2007/08/02/korelasi/
http://www.math.itb.ac.id/~ma291/rls.htm
LAMPIRAN
Perhitungan manual
One sample T-Test
T hitung = 8,906
T tabel = t1 – ½
= t1 – 0,5 (0,05)
= t 0,975
= 2,06
Periode Sample T-Test
T hitung = 1,620
T tabel = t 0,975
= 2,06
Independent Sample T-Test
T hitung = -0,957
T tabel = t 0,975
= 2,06
PRAKTIKUM STATISTIK
“SPSS”
Oleh :
Agus Nurul K
K2D008005
PROGRAM STUDI ILMU KELAUTAN
JURUSAN ILMU KELAUTAN
FAKULTAS PERIKANAN DAN ILMU KELAUTAN
UNIVERSITAS DIPONEGORO
SEMARANG
2008
KATA PENGANTAR
Puji syukur kehadirat Allah SWT, karena atas rahmat, hidayah, kemudahan, dan segala limpahan nikmat-Nya, penulis bisa menyelesaikan Laporan Praktikum Statistika dengan judul “SPSS” dengan baik. Penulisan laporan praktikum ini disusun untuk memenuhi mata kuliah Statistika yang merupakan salah satu mata kuliah wajib pada program Oseanografi.
Penulis menyadari bahwa penyusunan laporan ini tidak akan berjalan baik tanpa adanya dukungan dan bantuan dari berbagai pihak. Oleh karena itu, dalam kesempatan kali ini penulis ingin menyampaikan rasa terima kasih yang sebesar-besarnya kepada :
1. Bapak dan Ibu tercinta atas semua dukungan dan do’anya dalam menyelesaikan Laporan Praktikum ini
2. Selaku Dosen Pengampu yang telah memberikan bimbingan dan materi kepada penulis dalam pelaksanaan dan penyusunan Laporan Praktikum Statistika ini.
3.Para asisten praktikum statistika yang telah membimbing dan memberikan materi kepada kami pada saat praktikum statistika ini berlangsung.
4.Teman-temanku yang ada dibumi Allah yang turut mendukung, memotivasi dan menghibur penulis.
5.Teman-teman oseanografi angkatan 2007 yang senantiasa memberikan semangat dan memotivasi penulis untuk segera menyelesaikan laporan ini.
Tidak ada gading yang tak retak.penulis menyadari sepenuhnya bahwa penulisan Laporan Praktikum Statistika ini tentu tidak lepas dari segala kekurangan. Oleh arena itu, kritik dan saran dari pembaca akan menjadi masukan yang sangat berharga. Namun demikian penulis berharap Laporan Praktikum statistika ini dapat berguna bagi siapapun yang membacanya.
Semarang, 21 Desember 2008
Penulis
DAFTAR ISI
LEMBAR PENGESAHAN
KATA PENGANTAR
DAFTAR ISI
DAFTAR TABEL
DAFTAR GAMBAR
DAFTAR LAMPIRAN
BAB I PENDAHULUAN
1.1. Latar Belakang
1.2. Permasalahan
1.3. Tujuan Praktikum
1.4. Manfaat Praktikum
BAB II TINJAUAN PUSTAKA
2.1. Pengertian dan Peranan Statistik
2.2. Variabel Statistik dan Skala Pengukuran
2.3. Elemen Statistik
2.4. Klasifikasi Statistik
2.4.1. Statistik Parameter
2.4.1.1. Statistik Deskriptif
2.4.1.2. Statistik Inferensi
2.4.2. Statistik Non-Parametrik
2.5. Korelasi dan Regresi Sederhana
2.5.1. Korelasi
2.5.2. Regresi Sederhana
2.6. Sejarah SPSS
2.7. Cara Kerja SPSS
2.8. Windows SPSS
2.9. Morfometri Kerang Anadara granosa
2.10. Dinamika Populasi Kerang Anadara granosa
BAB III MATERI DAN METODE
3.1. Waktu Dan Tempat Praktikum
3.2. Materi Praktikum
3.3. Metode Praktikum
3.3.1. Pengenalan Paket Program SPSS
3.3.2. Statistika Deskriptif (Explore)
3.3.3. Menguji Normalitas dan Varians
3.3.4. Scetterplot
3.3.5. Hipotesis
3.3.6. Regresi dan Korelasi
BAB IV HASIL DAN PEMBAHASAN
4.1. Hasil Praktium
4.1.1. Pengenalan Paket Program SPSS
4,1,2, Statistika Deskriptif (Explore)
4.1.3. Menguji Normalitas dan Varians
4.1.4. Scetterplot
4.1.5. Hipotesis
4.1.6. Regresi dan Korelasi
4.2. Pembahasan
BAB V KESIMPULAN DAN SARAN
5.1. Kesimpulan
5.2. Saran
DAFTAR PUSTAKA
LAMPIRAN
BAB I
PENDAHULUAN
1.1Latar Belakang
Setelah begitu banyak teknologi yang telah diperdayagunakan oleh berbagai kalangan masyarakat, sehingga banyak kegiatan manusia yang sebelumnya begitu berat dengan adanya teknologi semua menjadi serba mudah dan praktis. Begitupun dalam peranan penyelenggaraan pendidikan dan penelitian. tidak bisa dipungkiri kedua hal tersebut juga membutuhkan tambahan-sentuhan teknologi sehingga dalan semua civitas yang dilakukan cepat dan efektif.
Diantara kecanggihan teknologi yang bias diperdayagunakan baik dalam pendidikan dan penelotian salah satunya SPSS for window. Merupakan salah satu progam olah data statistic yang paling banyak diminati oleh para peneliti .sebab, SPSS for window relatife fleksibel dan dapat digunakan untuk hamper semua bentuk dan tingkatan penelitian .hampir semua model aplikasi ,statistik mulai dari yang sederhana yakni statistic descriptive (mean ,median , modus , Sum, prosentase, minimum maksimum ,kuartil, desil, persentil, range ,distribusi ,varians, standar deviasi, standar eror ,nilai kemiringan dll) sehinggga statistic inferinsial ,dengan model parametrik compare means: independent- semple T Test,Paired- semple T Test, one – Way Anova, Two- Way Anova,bermacam- macam model korelasiregresi linear sederhana dan multiple, Chi Square, Time series,dll) serta uji statistic Non-Parametrik (uji crosstab, Binominal,Chi Square,kolmogforov-Smirnov, Runs, McNemar,sign ,Wilcoxon, cochran, friedman, kendall,Mann-Whitney, Wald-wolofowits, moses, kruskal-Wallis, dll)selain itu dilengkapi pula dengan menu pengelolaan berbagai jenis grafik dengan tingkat resolusi tinggi
1.1.1 KEUNGGULAN SPSS 15.0 FOR WINDOWS
SPSS 15.0 for Windows merupakan lanjutan dari SPSS sebelumnya, versi kali ini memiliki kelebihan, antara lain pada pengolahan manajemen data dan pengolahan statistik. Selain itu memiliki berbagai macam pilihan grafik dan PDF Output untuk membuat tampilan
menjadi lebih menarik. Jika kita menggunakan perangkat lunak untuk penelitian survei, maka kita dapat menggunakan SPSS 15.0 for Windows karena telah memungkinkan mengimpor dan mengekspor model dimensi data.
Fitur SPSS 15.0 for Windows memiliki kemampuan memformat keluar (output) saat bekerja dengan Viewer, kemampuan mengorganisir, melihat, dan melakukan operasi. Berikut cara mengubah bentuk suatu tabel ke dalam suatu grafik agar memiliki fitur yang lebih menarik :
1 Menerapkan splitters melalui Editor Data secara visual.
2 Menyimpan suatu record/catatan tentang pekerjaan kita sehingga menjadi semakin cepat dan dapat di pahami dengan mudah.
3 Menciptakan cleaner-looking table yang menggunakan kotak “menambahkan catatan (append)” di dalam file jurnal dan karakter data sets di dalam Draft Viewer.
4 Penempatan (lay out) yang tepat.
Kita dapat membuat costumizable toolbar yang bertujuan untuk :
1 Menunjukan koefisien korelasi bersama-sama dengan halaman Draft Viewer.
2 Membuat prosedur, catatan, dan sebagainya menjadi lebih mudah.
3 Menguraikan secara singkat dn cepat penyajian ke perangkat lunak produk di dalam korelasi dengan menggunakan Output Determine.
4 Memilih dari standard toolbar ikon atau display.
5 Memilih suatu ikon sehingga membuat pekerjaan menjadi lebih singkat.
6 Mengendalikan pengaktifan suatu tabel yang bersesuaian dengan hasil yang ditunjukan di dalam suatu data. Data dan Access Management Dalam pembuatan laporan atau analisisnya, kita dapat mengekspor Output ke berbagai aplikasi program pada Windows seperti :
Ekspor output ke dalam Microsoft Word.
Ekspor output ke dalam Microsoft Power Point.
Ekspor output ke dalam Microsoft Excel.
Ekspor output ke dalam PDF.
Analisis SPSS base 15.0 mempunyai kemanpuan penomoran data urut/data ordinal regression (PLUM), di mana sebelumnya tersedia hanya
1.2 Permasalahan
Program SPSS merupakan program yang digunakan untuk menganalisis data sehingga dari data tersebut dapat kita hipotesa dan juga dapat kita menjelaskan dari data yang telah kita buat tersebut. Namun dari kebanyakan Mahasiswa biarpun program SPSS ini dapat membantu kita,tidak banyak Mahasiswa dapat menjalankan dan juga menghipotesa data-data yang telah dimasukan. Oleh karena itu dari program ini dan juga setelah dari pembelajaraan dan asistensi juga praktikum. Mahasiswa dapat mengerti lebih jauh tentang menjalankan program SPSS ini.Karena Program bukan hanya digunakan pada saat sekarang tetapi juga program ini digunakan pada saat kita menganalisa sutu penelitian.Sebagian besar Mahasiswa pasti kedepannya akan melakukan penelitian,oleh karena itu pelajarilah program ini secara seksama.
Program ini mengacu pada program akademik dan juga mengacu pada pembuatan data statistik parametik yang meliputi statistic deskriptif dan Inferensi dan juga statistik non- parametric.
1.1Tujuan Praktikum
Tujuan dari praktikum tentang SPSS adalah sebagai berikut:
1.3.1.Mengenalkan Program SPSS kepada Mahasiswa
1.3.2.Memudahkan Mahasiswa untuk mengolah data pada skripsi
1.3.3.Mahasiswa dapat mengolah data dengan cara yang lebih mudah tanpa harus dijabarkan panjang lebar
1.3.4.Mahasiswa dapat mengolah data sekaligus mempelajari uju-uji yang ada pada statistika
1.2Manfaat praktikum
Adapun manfaat dari praktikum tentang SPSS adalah sebagai berikut:
1.4.1.Mahasiswa dapat atau mengetahui cara-cara untuk mengolah suatu data yang ada dengan mudah.
1.4.2.Mahasiswa dapat juga sekaligus mempelajari materi-materi yang ada pada statistika dengan mudah.
1.4.3.Mahasiswa lebih mengenal tentang program-program yang ada pada SPSS
Bab II
TINJAUAN PUSTAKA
2.1 Pengertian dan Peranan Statistik
Pada dasar pengertian tentang statistic dibagi kedalam dua pengertian, yakni secara pengetian secara sempit dan pengertian secara luas. Adapun pengerian secara sepit adalah ringkasan berbentuk angka, misalnya jumlah karyawan BKKBN, jumlah akseptor KB, jumlah peserta KB aktif di desa / kelurahan, jumlah balita yang ditimbang pada bulan tertentu, jumlah PPKBD/Sub PPKBD dan lain sebagainya. Kemudian arti statistic secara luas adalah Merupakan ilmu yang mempelajari cara pengumpulan, pengolahan, penyajian dan analisis data termasuk cara pengambilan kesimpulan dengan memperhitungkan unsur ketidakpastian berdasarkan konsep propabilitas.
(Wikipedia\pengertian 24/12/08)
Statistika adalah cabang ilmu yang mempelajari tentang bagaimana mengumpulkan, menganalisis dan menginterpretasikan data. Atau dengan kata lain, statistika menjadi semacam alat dalam melakukan suatu riset empiris.
Statistik adalah sebagai alat pengolah data angka. Stasistik dapat juga diartikan sebagai metode untuk memanipulasi data kuantitatif agar angka berbicara. Pendekatan dengan statistik sering digunakan metode statistik yaitu metode guna mengumpulkan, mengolah, menyajikan, menganalisis & menginterpretasikan data statistik. Statistika dapat pula diartikan pengetahuan yang berhubungan dengan pengumpulan data, pengolahan data, penganalisisan dan penarikan kesimpulan berdasarkan data dan analisis. Jadi statistik adalah produk dari kerja statistika.
(igbondan.files.wordpress.com 24/12/08)
Sementara peran dari statistic itu sendiri terbagi kedalam bebrapa sudut pandang yang berbeda, antara lain :
Statistik Sebagai Bahan Perencanaan.
Statistik seperti telah dijelaskan pada butir terdahulu adalah pengetahuan yang berhubungan dengan pengumpulan data, pengolahan, penganalisaan, penyajian dan penarikan kesimpulan serta pembuatan keputusan berdasarkan data dan kegiatan analisis yang dilakukan. Dengan kata lain setiap data yang dibutuhkan adalah data yang dapat dipercaya dan tepat waktu. Melalui data yang dapat dipercaya dan tepat
waktu diharapkan seluruh kegiatan pengolahan data akan menghasilkan informasi untuk mengambil suatu keputusan yang tepat. Kemungkinan-kemungkinan penyimpangan yang telah dicoba untuk dieliminasi sekecil mungkin melalui berbagai metode yang dikembangkan dalam statistik, akan sangat membantu didalam setiap kegiatan perencanaan program.
Statistik Sebagai Bahan Monitoring.
Seperti telah tersebut dalam arti sempit bahwa statistik adalah merupakan data ringkasan berbentuk angka maka hal ini sangat membantu didalam suatu kegiatan monitoring. Oleh karena secara umum yang dilakukan dalam kegiatan monitoring adalah memonitor seluruh kekuatan dan kelemahan program yang menyangkut berbagai variabel yang berbentuk data ringkasan (misalnya : jumlah bayi yang ditimbang, jumlah penduduk, jumlah peserta KB, jumlah balita yang diimunisasi dan lain sebagainya).
Statistik Sebagai Bahan Evaluasi.
Dengan mengetahui berbagai data yang dapat dipercaya maka selanjutnya kita dapat menganalisis dan memutuskan yang baik dan yang buruk. Selain itu melalui berbagai data yang ada kita dapat membandingkan dan selanjutnya membuat suatu generalisasi dari sampel yang kecil kepada
2.2 Variabel Statitik dan Skala Pengukuran
Dalam Statistika, Variabel statistic dibagi menjadi 2 macam, yaitu variable Kuantitatif dan variable Kualitatif. Perbedaan tajam antara variabel kuantitatif dan variabel kualitatif terletak pada sifat-sifat Pengukuran skala aktual, terutama pada kemampuannya untuk digunakan sebagai input pada suatu metode statistik.
Skala Ordinal
Jika jumlah yang ditentukan untuk pengukuran memperlihatkan suatu ranking alami, maka variable tersebut diukur dengan skala ordinal. Pada skala ordinal, jarak antara nilai-nilai yang berbeda tidak dapat ditafsirkan -sebuah variabel yang diukur pada skala ordinal bagaimanapun bukan kuantitatif. Pengukuran variabel kuantitativ dapat juga ditafsirkan dengan istilah jarak antara berbagai observasi tanpa adanya pengurutan yang alami.
Skala Interval
Jika jarak antara pengukuran ditafsirkan lebih mendalam, maka variabel tersebut diukur pada skala interval. Berlawanan dengan skala rasio, rasio pengukuran tidak mempunyai pengertian yang mendasar, dan untuk skala ordinal tidak memiliki nilai nol.
Skala Rasio
Nilai-nilai variabel yang terukur pada skala rasio dapat ditafsirkan baik dengan istilah jarak atau rasio. Skala rasio ini membawa informasi yang lebih akurat daripada skala interval, namun hanya intervalinterval (jarak diantara observasi) yang memiliki arti kuantitatif.
Fenomena yang diukur pada skala rasio mempunyai elemen nol alami, yang menunjukkan kekurangan total dari atributnya. Namun adanya satuan pengukuran alami tidak begitu diperlukan.
Skala Absolut
Skala absolut merupakan skala metrik yang memiliki satuan pengukuran alami. Pengukuran skala absolute sendiri adalah pengukuran, satu-satunya pengukuran tanpa alternatif.
Variabel Diskret
Sebuah variabel diskret yang mengambil himpunan nilai-nilai berhingga atau tak hingga disebut diskret.
Variabel Kontinyu
Suatu variabel metrik dikatakan kontinyu jika mempunyai sejumlah tak hingga nilai-nilai pada sembarang interval.
(bps.papua.go.id 24/12/08)
2.3 Elemen Statistik
Objek-objek yang sifatnya/atributnya diobservasi atau diukur untuk keperluan statistik disebut elemen. Untuk mengenali semua elemen yang relevan dengan suatu penyelidikan tertentu, seseorang harus mengelompokkan karakteristik definisi mereka seperti dimensi, temporal dan tempat.
Elemen-elemen statistic terdiri dari:
1. Populasi
Sekumpulan data yang mengidentifikasikan suatu fenomena yang tergantung dari kegunaan dan relevansi data yang dikumpulkan.
2. Sampel
Sekumpulan data yang diambil / diseleksi dari suatu populasi. (sampel adalah bagian dari populasi).
3. Statistik Inferensi
Suatu keputusan, perkiraan atau generalisasi tentang suatu populasi berdasarkan informasi yang terkandung dari suatu sampel
4. Pengukuran Reabilitas dari Statistik Inferensi.
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.
(bps.papua.go.id 24/12/08)
2.4 Klasifikasi Statistik
2.4.1 Statistik Parametrik
Statistika parametrik adalah suatu uji yang modelnya menetapkan adanya syarat syarat tertentu tentang variabel random atau populasi yang merupakan sumber sampel penelitian. Statistika parametik lebih banyak digunakan untuk menganalisis data yang berskala interval dan rasio dengan dilandasi asumsi tertentu seperti normalitas.
2.4.1.1 Statistik Deskriptif
Statistika deskriptif adalah tehnik yang digunakan untuk mensarikan data dan menampilkannya dalam bentuk yang dapat dimengerti oleh setiap orang. Hal ini melibatkan proses kuantifikasi dari penemuan suatu fenomena. Berbagai statistik sederhana, seperti rata-rata, dihitung dan ditampilkan dalam bentuk tabel
dan grafik. Statistika deskriptif dapat memberikan pengetahuan yang signifikan pada kejadian fenomena yang belum dikenal dan mendeteksi keterkaitan yang ada di dalamnya. Tetapi dapatkah statistika deskriptif memberikan hasil yang bisa diterima secara ilmiah? Statistik merupakan suatu alat pengukuran yang berhubungan dengan keragaman pada karakteristik objek-objek yang berbeda .
2.4.1.2 Statistik Inferensi
Berbeda dengan fisika, hubungan atau relasi empiris yang diobservasi pada ilmu alam, sosiologi dan psikologi (dan bidang pilhan lain misalnya ekonomi) bersifat statis. Pada bidang-bidang ini, pekerjaan empiris dilaksananakan berdasarkan percobaan-percobaan atau survey sampel. Pada kasus lainnya, seluruh populasi tidak dapat diobservasi-karena berbagai alasan ekonomis ataupun praktis. Mengambil kesimpulan tentang suatu populasi berdasarkan data dari sampel yang terbatas merupakan tujuan dari suatu proses pengambilan keputusan inferensial atau statistik induktif. Perubahan di sini merupakan suatu refleksi variasi pada sampel dan proses pengambilan sampel.
(bps.papua.go.id 24/12/08)
2.4.2 Statistik Non-Parametrik
Uji statistik yang tidak memerlukanadanya syarat-syarat tersebut disebut statistika non-parametrik. Statistika nonparametik dapat digunakan untuk menganalisis data yang berskala nominal dan ordinal. Menurut Daniel (1989) dalam banyak hal, pengamatan-pengamatan yang akan dikaji tidak selalu memenuhi asumsi-asumsi yang mendasari uji-uji parametrik sehingga kerap kali dibutuhkan teknik-teknik inferensial dengan validitas yang tidak bergantung pada asumsi-asumsi yang kaku. Dalam hal ini, teknik-teknik dalam regresi nonparametrik memenuhi kebutuhan ini karena tetap valid walaupun tidak diperlukan pemenuhan asumsi kenormalan galat dan hanya berlandaskan asumsi-asumsi yang sangat umum. Conover (1980) menjelaskan bahwa penggunaan regresi nonparametric dilandasi pada asumsi :
a. contoh yang diambil bersifat acak dan kontinu ;
b. regresi (Y|X) bersifat linier;
c. semua nilai Xi saling bebas.
(igbondan.files.wordpress.com 24/12/08)
2.5 Korelasi dan Regresi Sederhana
2.5.1 Korelasi
Korelasi ialah suatu keterkaitan yang bisa ditangkap dari perbandingan dua proporsi yang masing-masing proporsisi mengandung 2 kriteria yang salah satu kriteria disebutkan dalam kedua proporsi tersebut.
2.5.2. Regresi Sederhana
Jika akan dibahas mengenai dua variabel numerik atau lebih, termasuk hubungan di antara keduanya, maka digunakan dua teknik perhitungan, yaitu Regresi dan Korelasi. Dalam analisa Regresi, akan dikembangkan sebuah persamaan regresi yaitu formula matematika yang mencari nilai variabel tergantung (dependent) dari nilai variabel bebas (independent) yang diketahui. Analisa regresi terutama digunakan untuk tujuan peramalan. Model Matematika yang digunakan :
Garis Lurus
Parabola / Kurva Kuadratik
Kurva kubik
Kurva Quartic
Kurva pangkat n
Biasanya disebut sebagai polinomial berderajat satu, dua, dst
(www.unej.ac.id 24/12/08)
2.6 Sejarah SPSS
Pada tahun 1968, Norman H.Nie, C.Hadlai (Tex) Hull dan Dale H.Bent, tiga orang pemuda dari latar belakang professional berbeda, mengembangkan sistem perangkat lunak yang berdasarkan gagasan statistika menggunakan untuk mengubah data mentah menjadi informasi essensial untuk membuat keputusan. Sistem perangkat lunak statistic revolusioner ini disebut SPSS, yang menjadi calon Statistical Package untuk Ilmu Pengetahuan Sosial. Ketiga pemuda tersebut membangun SPSS dari keperluan untuk dengan cepat menganalisa volume data ilmu pengetahuan social yang dikumpulkan lewat berbagai metode penelitian. Dilakukan kerja pertama SPSS di Stanford University dengan maksud untuk membuatnya tersedia hanya untuk dikonsumsi local dan tak ada distribusi internasional. Nie, seorang ilmuwan social dan Stanford doctoral calon, mengambil target sasaran dan menetapkan kebutuhan; Bent calon doctor Stanford
university pada penelitian pelaksanaan, mempunyai keahlian analisa dan mendesain struktur berkas sistem SPSS, dan Hull, yang baru tamat dari Stanfor dengan gelar MBA-nya memprogram SPSS.
(www30.indowebster.com 24/12/08)
2.7 Cara Kerja SPSS
Ada 2 cara kerja dalam SPSS yaitu pada computer dan pada statistic.
Pada Komputer
Pada Statistik
(www30.indowebster.com 24/12/08)
2.8 Windows SPSS
Untuk memulai SPSS 13.0 pastikan terlebih dahulu software SPSS 13.0 telah terinstal pada komputer anda (baik dalam sistem operasi Windows XP, Windows Vista, Linux, ataupun Macintosh). Untuk memulai SPSS 13.0 awali dengan mengklik start, kemudian klik all programs selanjutnya klik SPSS for Windows lalu klik SPSS for Windows, sehingga akan tampak di layar SPSS Data Editor Data editor mempunyai dua fungsi utama, yaitu:
1. Input data yang akan diolah oleh SPSS
2. Proses data yang telah diinput oleh prosedur statistic tertentu.
Data editor terdiri atas sepuluh menu utama, yaitu file, edit, view, data, transform, anlyze, graphs, utilities, windows, dan help.
File
Menu file terdiri dari: Open, Save & save as, Display data info, Print, Exit
Edit
Menu edit terdiri dari: Undo & redo, Cut & clear, Copy & paste, Find, Edit option
View
Menu view terdiri dari: Status bar, Tool bar, Fonts, Grid lines, Value labels
Data
Menu data terdiri dari: Define dates, Insert variable, Insert case, Go to case, Sort case, Transpose, Merge files, Aggregate, Split file, Select case, Weight case
Transform
Menu transform terdiri dari: Compute, Random number seed, Count, Recode, Categorize variables, Rank cases, Automatic recode, Create time series, Replace missing value
Analyze
Menu analyze terdiri dari: Reports, Descriptive statistic, Compare means, General linear model, Correlate, Regression, Loglinear, Classify, Data reduction, Scale, Non parametric test, Survival, Multiple response
Windows
Menu ini terdiri dari:
1. Minimize all windows
2. Window atau jendela yang terhubung dengan data editor, output dan chart
Help
Menu help terdiri dari: Topics, Tutorial, SPSS homepage, Syntax guide, Statistic coach, About, Register product
Graphs
Menu graphs terdiri dari: Gallery, Interactive, Bar, Line, Area, Pie, High low, Pareto, Control, Boxplot, Error bar, Scatter, Histogram, P-P, Q-Q, Sequence, ROC curve, Time series
Utilities
Menu utilities terdiri dari: Variables, File info, Define sets, Auto nem case, Run script, Menu editor
SPSS Data Editor
Main menu atau menu utama pada SPSS Data Editor terdiri atas 10 menu utama, antara lain File, Edit, Data, Transform, Analyze, Graphs, Utilities, Window, dan Help. Memasukkan Data pada SPSS 13.0 pada Windows Untuk memulai memasukkan data pada program SPSS, kita mulai dengan mengklik Variabel View, yang akan terlihat kolom-kolom yang memuat beberapa variable.
Type
Kolom type menunjukkan tipe data yang digunakan. Untuk mengaktifkan kolom type, letakkan pointer di bawah kolom type baris 1, klik tanda sehingga akan muncul data.
Terdapat 8 macam tipe data, yaitu:
a. Numeric, data yang digunakan bertipe numeric atau berupa angka (kuantitatif)
b. Comma, data berupa angka yang menggunakan tanda koma sebagai pemisah bilangan ribuan.
c. Dot, data berupa angka menggunakan tanda titik sebagai pemisah bilangan ribuan.
d. Scientific notation, data berupa angka menggunakan symbol E untuk kelipatan 10.
e. Date, data berupa waktu
f. Dollar, data berupa angka diawali dengan tanda $, tanda koma sebagai pemisah bilangan ribuan, dan titik sebagai decimal.
g. Custom currency, data berupa angka menyatakan mata uang tertentu.
h. String, data yang digunakan bertipe huruf (bukan angka).
(igbondan.files.wordpress.com 24/21/08)
BAB III
MATERI DAN METODE
3.1 Waktu dan Tempat Praktikum
Hari dan Tanggal :Minggu, 14 Desember 2008
Waktu :pukul 15.30 – 17.45WIB
Tempat :Laboratorium Komputasi Jurusan Ilmu Kelautan Universitas Diponegoro UNDIP
3.2 Materi Praktikum
3.2.1 Statistik Deskkriptif
3.2.2 Uji Mean suatu sample (One Sampel T-Test)
3.2.3 Uji Mean Dua Sampel Berpasangan (Paired Sampel T-Test)
3.2.4 Uji Mean Dua Sampel Independent ( Independent Sampel T-Test)
3.2.5 Menguji Normalitas dan Varians
3.2.6 Scetterplot
3.2.7 Tranform
3.2.8 Hipotesis
3.2.9 Analisa Regresi Linear Sederhana
3.3 Metode Praktikum
3.3.1. Pengenalan Paket Program SPSS
MENU FILE PADA SPSS
Langkah-langkah memasukkan data dalam SPSS :
1.Membuat lembar kerja baru :
a.Pilih menu File
b.Pilih submenu New
c.Klik Data
2.Menamai variable yang diperlukan
Klik variable view yang ada di bagian 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 pendefinisian nama variable. Dalam pemberiaan nama variable,hal-hal yang perlu diperlihatkan adalah :
1.Nama variable maksimum 8 karakter
2.Tidak boleh ada spasi
3.Karakter pertama berupa huruf
4.Karakter terakhir tidak boleh berupa titik
5.Hindari istilah-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 untuk mendefinisikan type variable antara lain numeric,dot,scientific notation,date,dollar,costom,currency, dan string,
Kolom width
Kolom inin untuk memberikan tempat decimal dari data pada variable yang sesuai.
Kolom labels
Kolom ini untuk memberikan label variable (jika perlu)
Kolom values
Kolom ini untuk memberikan harga label dari variable (jika perlu)
Setelah variable disebut maka dilanjutkan pengisian data dengan lebih dulu mengaktifkan data view. Simpan data dengan cara klik file kemudian pilih save as dan beri nama.
MENU EDITOR PADA PASS
Terdapat data yang telah dibuat,dapat dilakukan perbaikan atau perubahan meliputi menghapus data, mengganti data, menambah variable,dll.
1.Edit terhadap data yang telah dibuat
Langkah-langkah edit data sbb:
Buka file yang akan di edit
Sorot data yang akan di edit misalnya menghapus 1 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 varable yang telah dibuat.
Langkah-langkah edit variable sbb :
Aktifkan varable view dengan menekan ctrl+t
Sorot nama variable yang akan diganti
Pilih menu edit
Pilih clear untuk menghapus atau ganti dengan variable baru.
3.3.2. Statistik Deskriptif (Explore)
Frequencies
1.Susun distribusi frekuensi untuk tinggi dengan langkah sbb :
Klik analyze
Pilih deskriptif statistic
Klik frequencies
Pindahkan data tinggi dari kolom kiri ke kolom kanan dengan cara mengeblok kemudian klik tanda panah.
Klik statistic kemudian beri tanda (v) pada persentile value,central tendency,dispersion dan distribution
Klik continue
Klik chart dan pilih histograms
Klik continue
Klik ok
2.Susun distribusi frekuensi untuk gender dengan langkah sbb :
Klik analyze
Pilih deskriptive statistic
Klik frequncies
Pindahkan data gender dari kolom kiri ke kolom kanan dengan cara mengeblok kemudian klik tanda panah
Klik statistic kemudian beri tanda (v) pada persentile value,central tendency,dispersion dan distribution
Klik continue
Klik chart dan pilih pie charts
Klik continue
Klik ok
Uji Means Suatu Sample (One Sample T-Test)
Penguji suatu sample pada prinsipnya adalah ingin menguji apakah suatu nilai tertentu berbeda secara signifikan atau tidak dengan rata-rata sebuah sample.
Untuk langkah-langkah kerjanya sbb :
Pilih menu utama Analyze
Pilih Compare Means
Pilih One Sample T-Test
Isikan variable yang akan diuji ke kolom test variable (s) dan isikan rata-rata dugaan pada kotak test value
Klik ok
Uji Mean Dua Sample Berpasangan (Paired Sample T-Test)
Dua sample berpasangan adalah sample dwngan dubyek sama tetapi menjalani dua perlakuan atau pengukuran berbeda.
Untuk langkah-langkah kerjanya :
Buat file diatas
Pilih menu utama Analyze
Pilih Compare Means
Pilih Paired Sample T-Test
Pilih Variabel yang akan diuji
Klik Continue
Klik Ok
Uji Mean Dua Sampel Independent ( Independent Sample T-Test)
Diberikan dua buah populasi yang saling independent dan berdistribusi normal yaitu :
Populasi 1 dengan rata-rata µ1 dan varian σ12 tidak diketahui
Populasi 2 dengan rata-rata µ2 dan varian σ22 tidak diketahui
Hipotesis :
Ho : µ1 = µ2
H1 : µ1 ≠ µ2
Untuk melakukan uji tersebut dilakukan langkah-lankah sebagi berikut :
1.Pilih menu Utama Analyze
Pilih Compare Means
Pilih Independent Sample T-Test
Pilih Variable ( Kolom 1) sebagai Test Variable(s) dan variable (kolom 2) sebagai Grouping variable.
Klik Define Group dan isikan kotak group 1 dengan 1 dan group 2 dengan 2
Klik Continue
Pilih Options dan isikan pada Confidence Interval yang sesuai.
Klik Continue
Klik OK
Explore
Langkah-langkah :
klik analyze
pilih deskriptive statistic
klik explore
Pindahkan data panjang dan lebar dari kolom kiri ke kolom dependent list dengan cara mengeblok kemudian klik tanda panah.
Klik statistic kemudian beri tanda (v) pada descriptive.
Klik continue
Klik plots dan untuk keseragaman, pada boxplot pilih factor levels together dan pada descriptive pilih stem and leaf.
Klik continue
Pada bagian displays pilih both.
Klik ok.
TRANSFORM
Menu transform pada prinsipnya berfungsi mentransformasi atau mengubah suatu data untuk keperluan-keperluan khusus.
Langkah-langkah untuk transform panjang ke bentuk logaritma sbb:
klik transform
pilih compute
Pada bagian target variable ketik logpanjang (tanpa spasi)
klik tombol type & label
Pada bagian kolom label ketik panjang cangkang dan pada bagian type pilih numeric.
Klik continue
Pada bagian kolom numerik expression ketik Lg10( ), klik 1 kali dalam kurung tersebut kemudian mengeblok panjang dan klik tanda panah.
Klik ok
3.3.3. Menguji Normalitas dan Varians
Langkah-langkah pengujian sbb:
klik analyze
pilih deskriptive 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 kiri ke 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 boxplot pilih non dan pada descriptive tidak ada yang pilih atau stem and leaf di deselect.
Beri tanda (v) pada normality plots with test
Pada bagian spread vs level with levene test pilih power estimation.
Klik continue
Pada bagian displays pilih both.
Klik ok
3.3.4. Scetterplot
Deskriptive ini digunakan untuk mengetahui sebaran data pada statistik univarian.
Langkah-langkah sbb:
klik graphs
pilih scatte / dot
klik simple scatter
klik define
Mengeblok logpanjang kemudian klik tanda panah X axis dan mengeblok loglebar kemudian klik tanda panah Y axis.
Klik ok
3.3.5. Hipotesis
H0 = Tidak ada hubungan antara panjang cangkang dengan lebar cangkang pada kerang Anadara granosa.
H1 = Ada hubungan antara panjang cangkang dengan lebar cangkang pada kerang Anadara granosa.
3.3.6. Regresi dan Korelasi
Analisa regresi linier sederhana merupakan analisis yang membicarakan hubungan antara 2 buah variabel, yaitu variabel bebas dan variabel tergantung. Tujuannya adalah untuk membuat sebuah model yang baik dan memungkinkan kita untuk menaksir nilai y bagi nilai-nilai x tertentu.
Langkah-langkah sbb:
klik analyze
pilih regression dan dari serangkaian pilihan test untuk regresi, sesuai kasus pilih linear.
Mengeblok logpanjang kemudian klik tanda panah dependent dan mengeblok loglebar kemudian klik tanda panah independent.
Pada kolom method pilih enter.
Klik tombol statistik
Pada kolom regression coefficient pilih estimate.
Beri tanda (v) pada model fit dan descriptive.
Pada kolom residual beri tanda (v) pada casewise diagnostics dan pilih all cases.
Klik continue
Klik tombol plots
Klik pilihan sdresid dan masukkan ke kolom Y lalu klik pilihan zpred dan masukkan ke kolom X.
Klik tombol next
Klik pilihan zpred dan masukkan ke kolom Y lalu klik pilihan dependnt dan masukkan ke kolom X.
Pada kolom standardized residual plots beri tanda (v) pada normal probability plot.
Klik continue
Klik ok
BAB IV
HASIL DAN PEMBAHASAN
4.1. Hasil Praktikum
4.1.1. Pengenalan Paket Program SPSS
Membuat lembar kerja baru :
a.Pilih menu File
b.Pilih submenu New
c.Klik Data
Menamai variable yang diperlukan
Klik variable view yang ada di bagian kiri bawah,maka pada SPSS data editor akan tampil kolom-kolom dengan heading name,type,width,decimal,labels,value,dsb.
4.1.2.Uji Mean suatu sample ( One Sample T-Test)
Frequencies
Notes
Output Created
24-DEC-2009 23:02:12
Comments
Input
Data
D:\Documents and Settings\Windows XP 2008\My Documents\TEDI.sav
Filter
Weight
Split File
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=U1 U2
/NTILES= 4
/STATISTICS=STDDEV VARIANCE RANGE MINIMUM MAXIMUM MEAN MEDIAN SKEWNESS SESKEW KURTOSIS SEKURT
/HISTOGRAM NORMAL
/ORDER= ANALYSIS .
Resources
Elapsed Time
0:00:03,13
Total Values Allowed
149796
Statistics
U1
U2
N
Valid
25
25
Missing
0
0
Mean
5770,00008
6750,23324
Median
5126,66700
6500,00000
Std. Deviation
2466,009881
3484,904335
Variance
6081204,731
12144558,227
Skewness
1,329
,845
Std. Error of Skewness
,464
,464
Kurtosis
1,577
,864
Std. Error of Kurtosis
,902
,902
Range
9963,333
14506,667
Minimum
2736,667
1773,333
Maximum
12700,000
16280,000
Percentiles
25
4301,66650
3674,16650
50
5126,66700
6500,00000
75
7163,33350
8791,66650
Frequency Table
U1
Frequency
Percent
Valid Percent
Cumulative Percent
Valid
2736,667
1
4,0
4,0
4,0
3123,333
1
4,0
4,0
8,0
3340,000
1
4,0
4,0
12,0
3356,667
1
4,0
4,0
16,0
3696,667
1
4,0
4,0
20,0
4270,000
1
4,0
4,0
24,0
4333,333
1
4,0
4,0
28,0
4356,667
1
4,0
4,0
32,0
4383,333
1
4,0
4,0
36,0
4476,667
1
4,0
4,0
40,0
4820,000
1
4,0
4,0
44,0
4860,000
1
4,0
4,0
48,0
5126,667
1
4,0
4,0
52,0
5133,333
1
4,0
4,0
56,0
5306,667
1
4,0
4,0
60,0
5710,000
1
4,0
4,0
64,0
5993,333
1
4,0
4,0
68,0
6000,000
1
4,0
4,0
72,0
6846,667
1
4,0
4,0
76,0
7480,000
1
4,0
4,0
80,0
7626,667
1
4,0
4,0
84,0
8416,667
1
4,0
4,0
88,0
9286,667
1
4,0
4,0
92,0
10870,000
1
4,0
4,0
96,0
12700,000
1
4,0
4,0
100,0
Total
25
100,0
100,0
U2
Frequency
Percent
Valid Percent
Cumulative Percent
Valid
1773,333
1
4,0
4,0
4,0
2380,000
1
4,0
4,0
8,0
2743,333
1
4,0
4,0
12,0
3066,667
1
4,0
4,0
16,0
3086,667
1
4,0
4,0
20,0
3150,000
1
4,0
4,0
24,0
4198,333
1
4,0
4,0
28,0
4973,333
1
4,0
4,0
32,0
5523,333
1
4,0
4,0
36,0
5573,333
1
4,0
4,0
40,0
5706,667
1
4,0
4,0
44,0
5796,667
1
4,0
4,0
48,0
6500,000
1
4,0
4,0
52,0
6770,833
1
4,0
4,0
56,0
6983,333
1
4,0
4,0
60,0
7036,667
1
4,0
4,0
64,0
7463,333
1
4,0
4,0
68,0
8490,000
1
4,0
4,0
72,0
8530,000
1
4,0
4,0
76,0
9053,333
1
4,0
4,0
80,0
9510,000
1
4,0
4,0
84,0
10280,000
1
4,0
4,0
88,0
11933,333
1
4,0
4,0
92,0
11953,333
1
4,0
4,0
96,0
16280,000
1
4,0
4,0
100,0
Total
25
100,0
100,0
Histogram
Frequencies
Notes
Output Created
24-DEC-2009 23:04:07
Comments
Input
Data
D:\Documents and Settings\Windows XP 2008\My Documents\TEDI2.sav
Filter
Weight
Split File
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=T1 T2
/NTILES= 4
/STATISTICS=STDDEV VARIANCE RANGE MINIMUM MAXIMUM MEAN MEDIAN SKEWNESS SESKEW KURTOSIS SEKURT
/PIECHART FREQ
/ORDER= ANALYSIS .
Resources
Elapsed Time
0:00:01,43
Total Values Allowed
149796
Statistics
T1
T2
N
Valid
25
25
Missing
0
0
Mean
4060,00000
3804,40000
Median
3020,00000
3020,00000
Std. Deviation
2981,867424
2225,071310
Variance
8891533,333
4950942,333
Skewness
1,385
,569
Std. Error of Skewness
,464
,464
Kurtosis
2,644
-,760
Std. Error of Kurtosis
,902
,902
Range
13080,000
7650,000
Minimum
400,000
1060,000
Maximum
13480,000
8710,000
Percentiles
25
2135,00000
1690,00000
50
3020,00000
3020,00000
75
6610,00000
5405,00000
Frequency Table
T1
Frequency
Percent
Valid Percent
Cumulative Percent
Valid
400,000
1
4,0
4,0
4,0
760,000
1
4,0
4,0
8,0
940,000
1
4,0
4,0
12,0
1260,000
1
4,0
4,0
16,0
1280,000
1
4,0
4,0
20,0
2080,000
1
4,0
4,0
24,0
2190,000
1
4,0
4,0
28,0
2280,000
1
4,0
4,0
32,0
2440,000
1
4,0
4,0
36,0
2880,000
2
8,0
8,0
44,0
2960,000
1
4,0
4,0
48,0
3020,000
1
4,0
4,0
52,0
3080,000
1
4,0
4,0
56,0
3580,000
1
4,0
4,0
60,0
3800,000
1
4,0
4,0
64,0
4470,000
1
4,0
4,0
68,0
5880,000
1
4,0
4,0
72,0
6600,000
1
4,0
4,0
76,0
6620,000
1
4,0
4,0
80,0
6860,000
1
4,0
4,0
84,0
6910,000
1
4,0
4,0
88,0
6960,000
1
4,0
4,0
92,0
7890,000
1
4,0
4,0
96,0
13480,000
1
4,0
4,0
100,0
Total
25
100,0
100,0
T2
Frequency
Percent
Valid Percent
Cumulative Percent
Valid
1060,000
1
4,0
4,0
4,0
1180,000
1
4,0
4,0
8,0
1340,000
1
4,0
4,0
12,0
1380,000
1
4,0
4,0
16,0
1580,000
2
8,0
8,0
24,0
1800,000
1
4,0
4,0
28,0
2180,000
1
4,0
4,0
32,0
2580,000
1
4,0
4,0
36,0
2660,000
1
4,0
4,0
40,0
2880,000
2
8,0
8,0
48,0
3020,000
1
4,0
4,0
52,0
3160,000
1
4,0
4,0
56,0
4400,000
1
4,0
4,0
60,0
4440,000
1
4,0
4,0
64,0
4870,000
1
4,0
4,0
68,0
5320,000
1
4,0
4,0
72,0
5370,000
1
4,0
4,0
76,0
5440,000
1
4,0
4,0
80,0
6290,000
1
4,0
4,0
84,0
6650,000
1
4,0
4,0
88,0
7030,000
1
4,0
4,0
92,0
7310,000
1
4,0
4,0
96,0
8710,000
1
4,0
4,0
100,0
Total
25
100,0
100,0
Pie Chart
Frequencies
Notes
Output Created
24-DEC-2009 23:14:03
Comments
Filter
Weight
Split File
N of Rows in Working Data File
50
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=kode perlakuan thc
/NTILES= 4
/STATISTICS=STDDEV VARIANCE RANGE MINIMUM MAXIMUM MEAN MEDIAN SKEWNESS SESKEW KURTOSIS SEKURT
/HISTOGRAM NORMAL
/ORDER= ANALYSIS .
Elapsed Time
0:00:02,04
Total Values Allowed
149796
Statistics
kode
jenis perlakuan
thc
Valid
50
50
50
Missing
0
0
0
Mean
25,50
1,5000
3,964.6000
Median
25,50
1,5000
3,050.0000
Std. Deviation
14,577
,50508
2,587.35560
Variance
212,500
,255
6694409,020
Skewness
,000
,000
1,185
Std. Error of Skewness
,337
,337
,337
Kurtosis
-1,200
-2,085
2,156
Std. Error of Kurtosis
,662
,662
,662
Range
49
1,00
13,080.00
Minimum
1
1,00
400.00
Maximum
50
2,00
13,480.00
25
12,75
1,0000
2,155.0000
50
25,50
1,5000
3,050.0000
75
38,25
2,0000
5,982.5000
Frequency Table
kode
Frequency
Percent
Valid Percent
Cumulative Percent
1
1
2,0
2,0
2,0
2
1
2,0
2,0
4,0
3
1
2,0
2,0
6,0
4
1
2,0
2,0
8,0
5
1
2,0
2,0
10,0
6
1
2,0
2,0
12,0
7
1
2,0
2,0
14,0
8
1
2,0
2,0
16,0
9
1
2,0
2,0
18,0
10
1
2,0
2,0
20,0
11
1
2,0
2,0
22,0
12
1
2,0
2,0
24,0
13
1
2,0
2,0
26,0
14
1
2,0
2,0
28,0
15
1
2,0
2,0
30,0
16
1
2,0
2,0
32,0
17
1
2,0
2,0
34,0
18
1
2,0
2,0
36,0
19
1
2,0
2,0
38,0
20
1
2,0
2,0
40,0
21
1
2,0
2,0
42,0
22
1
2,0
2,0
44,0
23
1
2,0
2,0
46,0
24
1
2,0
2,0
48,0
25
1
2,0
2,0
50,0
26
1
2,0
2,0
52,0
27
1
2,0
2,0
54,0
28
1
2,0
2,0
56,0
29
1
2,0
2,0
58,0
30
1
2,0
2,0
60,0
31
1
2,0
2,0
62,0
32
1
2,0
2,0
64,0
33
1
2,0
2,0
66,0
34
1
2,0
2,0
68,0
35
1
2,0
2,0
70,0
36
1
2,0
2,0
72,0
37
1
2,0
2,0
74,0
38
1
2,0
2,0
76,0
39
1
2,0
2,0
78,0
40
1
2,0
2,0
80,0
41
1
2,0
2,0
82,0
42
1
2,0
2,0
84,0
43
1
2,0
2,0
86,0
44
1
2,0
2,0
88,0
45
1
2,0
2,0
90,0
46
1
2,0
2,0
92,0
47
1
2,0
2,0
94,0
48
1
2,0
2,0
96,0
49
1
2,0
2,0
98,0
50
1
2,0
2,0
100,0
Total
50
100,0
100,0
jenis perlakuan
Frequency
Percent
Valid Percent
Cumulative Percent
1,00
25
50,0
50,0
50,0
2,00
25
50,0
50,0
100,0
Total
50
100,0
100,0
thc
Frequency
Percent
Valid Percent
Cumulative Percent
400.00
1
2,0
2,0
2,0
760.00
2
4,0
4,0
6,0
940.00
1
2,0
2,0
8,0
1,260.00
1
2,0
2,0
10,0
1,280.00
1
2,0
2,0
12,0
1,340.00
1
2,0
2,0
14,0
1,380.00
1
2,0
2,0
16,0
1,580.00
2
4,0
4,0
20,0
1,800.00
1
2,0
2,0
22,0
2,080.00
1
2,0
2,0
24,0
2,180.00
1
2,0
2,0
26,0
2,190.00
1
2,0
2,0
28,0
2,280.00
1
2,0
2,0
30,0
2,440.00
1
2,0
2,0
32,0
2,580.00
1
2,0
2,0
34,0
2,660.00
2
4,0
4,0
38,0
2,880.00
3
6,0
6,0
44,0
2,960.00
1
2,0
2,0
46,0
3,020.00
2
4,0
4,0
50,0
3,080.00
1
2,0
2,0
52,0
3,160.00
1
2,0
2,0
54,0
3,380.00
1
2,0
2,0
56,0
3,580.00
1
2,0
2,0
58,0
3,800.00
1
2,0
2,0
60,0
4,240.00
1
2,0
2,0
62,0
4,470.00
1
2,0
2,0
64,0
4,540.00
1
2,0
2,0
66,0
4,870.00
1
2,0
2,0
68,0
5,320.00
1
2,0
2,0
70,0
5,370.00
1
2,0
2,0
72,0
5,440.00
1
2,0
2,0
74,0
5,880.00
1
2,0
2,0
76,0
6,290.00
1
2,0
2,0
78,0
6,600.00
1
2,0
2,0
80,0
6,620.00
1
2,0
2,0
82,0
6,650.00
1
2,0
2,0
84,0
6,860.00
1
2,0
2,0
86,0
6,910.00
1
2,0
2,0
88,0
6,960.00
1
2,0
2,0
90,0
7,030.00
1
2,0
2,0
92,0
7,310.00
1
2,0
2,0
94,0
7,890.00
1
2,0
2,0
96,0
8,710.00
1
2,0
2,0
98,0
13,480.00
1
2,0
2,0
100,0
Total
50
100,0
100,0
Histogram
Frequencies
Notes
Output Created
25-DEC-2009 00:48:59
Comments
Filter
Weight
Split File
N of Rows in Working Data File
50
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=kode perlakuan thc
/NTILES= 4
/STATISTICS=STDDEV VARIANCE RANGE MINIMUM MAXIMUM MEAN MEDIAN SKEWNESS SESKEW KURTOSIS SEKURT
/PIECHART FREQ
/ORDER= ANALYSIS .
Elapsed Time
0:00:02,27
Total Values Allowed
149796
Statistics
kode
jenis perlakuan
thc
Valid
50
50
50
Missing
0
0
0
Mean
25,50
1,5000
2.1834
Median
25,50
1,5000
2.1850
Std. Deviation
14,577
,50508
.57142
Variance
212,500
,255
,327
Skewness
,000
,000
,969
Std. Error of Skewness
,337
,337
,337
Kurtosis
-1,200
-2,085
,633
Std. Error of Kurtosis
,662
,662
,662
Range
49
1,00
2.50
Minimum
1
1,00
1.40
Maximum
50
2,00
3.90
25
12,75
1,0000
1.7850
50
25,50
1,5000
2.1850
75
38,25
2,0000
2.4000
Frequency Table
jenis perlakuan
Frequency
Percent
Valid Percent
Cumulative Percent
Valid
1,00
25
50,0
50,0
50,0
2,00
25
50,0
50,0
100,0
Total
50
100,0
100,0
thc
Frequency
Percent
Valid Percent
Cumulative Percent
Valid
1.40
1
2,0
2,0
2,0
1.45
1
2,0
2,0
4,0
1.50
3
6,0
6,0
10,0
1.57
1
2,0
2,0
12,0
1.60
2
4,0
4,0
16,0
1.65
1
2,0
2,0
18,0
1.69
1
2,0
2,0
20,0
1.70
1
2,0
2,0
22,0
1.74
1
2,0
2,0
24,0
1.80
7
14,0
14,0
38,0
1.90
2
4,0
4,0
42,0
2.00
1
2,0
2,0
44,0
2.10
2
4,0
4,0
48,0
2.17
1
2,0
2,0
50,0
2.20
6
12,0
12,0
62,0
2.25
1
2,0
2,0
64,0
2.30
4
8,0
8,0
72,0
2.35
1
2,0
2,0
74,0
2.40
2
4,0
4,0
78,0
2.60
1
2,0
2,0
80,0
2.65
1
2,0
2,0
82,0
2.71
1
2,0
2,0
84,0
2.88
1
2,0
2,0
86,0
2.89
1
2,0
2,0
88,0
2.97
1
2,0
2,0
90,0
3.20
2
4,0
4,0
94,0
3.30
1
2,0
2,0
96,0
3.40
1
2,0
2,0
98,0
3.90
1
2,0
2,0
100,0
Total
50
100,0
100,0
Pie Chart
T-Test
Notes
Output Created
25-DEC-2009 00:49:26
Comments
Filter
Weight
Split File
N of Rows in Working Data File
50
Missing Value Handling
Definition of Missing
User defined missing values are treated as missing.
Cases Used
Statistics for each analysis are based on the cases with no missing or out-of-range data for any variable in the analysis.
Syntax
T-TEST
GROUPS = kode(1 2)
/MISSING = ANALYSIS
/VARIABLES = perlakuan
/CRITERIA = CI(.95) .
Resources
Elapsed Time
0:00:00,17
Group Statistics
kode
N
Mean
Std. Deviation
Std. Error Mean
jenis perlakuan
1
1
1,0000
.
.
2
1
1,0000
.
.
Independent Samples Test
Levene's Test for Equality of Variances
t-test for Equality of Means
F
Sig.
t
df
Sig. (2-tailed)
Mean Difference
Std. Error Difference
95% Confidence Interval of the Difference
Lower
Upper
jenis perlakuan
Equal variances assumed
.
0
.
,00000
.
.
.
.
.
Equal variances not assumed
.
.
.
,00000
.
.
.
.
Regression
Notes
Output Created
25-DEC-2009 00:39:43
Comments
Data
D:\Documents and Settings\Windows XP 2008\My Documents\TEDI3.sav
Filter
Weight
Split File
N of Rows in Working Data File
25
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 PANJANG
/METHOD=ENTER LEBAR
/SCATTERPLOT=(*SDRESID ,*ZPRED ) (*ZPRED ,PANJANG )
/RESIDUALS NORM(ZRESID)
/CASEWISE PLOT(ZRESID) ALL .
Elapsed Time
0:00:02,89
Memory Required
1388 bytes
Additional Memory Required for Residual Plots
824 bytes
Descriptive Statistics
Mean
Std. Deviation
N
PANJANG
1,7600
,23484
25
LEBAR
2,6068
,48788
25
Correlations
PANJANG
LEBAR
Pearson Correlation
PANJANG
1,000
,144
LEBAR
,144
1,000
Sig. (1-tailed)
PANJANG
.
,246
LEBAR
,246
.
N
PANJANG
25
25
LEBAR
25
25
Variables Entered/Removed(b)
Model
Variables Entered
Variables Removed
Method
1
LEBAR(a)
.
Enter
a All requested variables entered.
b Dependent Variable: PANJANG
Model Summary(b)
Model
R
R Square
Adjusted R Square
Std. Error of the Estimate
1
,144(a)
,021
-,022
,23739
a Predictors: (Constant), LEBAR
b Dependent Variable: PANJANG
ANOVA(b)
Model
Sum of Squares
df
Mean Square
F
Sig.
1
Regression
,027
1
,027
,487
,492(a)
Residual
1,296
23
,056
Total
1,324
24
a Predictors: (Constant), LEBAR
b Dependent Variable: PANJANG
Coefficients(a)
Model
Unstandardized Coefficients
Standardized Coefficients
t
Sig.
B
Std. Error
Beta
1
(Constant)
1,579
,263
6,000
,000
LEBAR
,069
,099
,144
,698
,492
a Dependent Variable: PANJANG
Casewise Diagnostics(a)
Case Number
Std. Residual
PANJANG
Predicted Value
Residual
1
-,977
1,50
1,7318
-,23182
2
,258
1,80
1,7387
,06126
3
-,493
1,65
1,7672
-,11715
4
-,190
1,74
1,7852
-,04516
5
-1,398
1,40
1,7318
-,33182
6
-,584
1,60
1,7387
-,13874
7
-1,006
1,50
1,7387
-,23874
8
1,622
2,20
1,8150
,38504
9
,665
1,90
1,7422
,15779
10
,287
1,80
1,7318
,06818
11
,273
1,80
1,7353
,06472
12
,316
1,80
1,7249
,07511
13
-,672
1,60
1,7595
-,15953
14
1,981
2,20
1,7297
,47026
15
2,393
2,30
1,7318
,56818
16
-,192
1,70
1,7457
-,04567
17
-,375
1,69
1,7789
-,08893
18
-1,389
1,45
1,7796
-,32962
19
,577
1,90
1,7630
,13701
20
-1,035
1,50
1,7457
-,24567
21
,634
2,00
1,8496
,15040
22
-,034
1,80
1,8080
-,00803
23
-,005
1,80
1,8011
-,00110
24
-,973
1,57
1,8011
-,23110
25
,316
1,80
1,7249
,07511
a Dependent Variable: PANJANG
Residuals Statistics(a)
Minimum
Maximum
Mean
Std. Deviation
N
Predicted Value
1,7249
1,8496
1,7600
,03380
25
Std. Predicted Value
-1,039
2,651
,000
1,000
25
Standard Error of Predicted Value
,047
,137
,065
,019
25
Adjusted Predicted Value
1,6897
1,8272
1,7552
,03434
25
Residual
-,33182
,56818
,00000
,23239
25
Std. Residual
-1,398
2,393
,000
,979
25
Stud. Residual
-1,449
2,480
,009
1,022
25
Deleted Residual
-,35640
,61027
,00475
,25383
25
Stud. Deleted Residual
-1,486
2,835
,030
1,083
25
Mahal. Distance
,000
7,026
,960
1,415
25
Cook's Distance
,000
,273
,047
,076
25
Centered Leverage Value
,000
,293
,040
,059
25
a Dependent Variable: PANJANG
Charts
Explore
Notes
Output Created
25-DEC-2009 00:41:12
Comments
Data
D:\Documents and Settings\Windows XP 2008\My Documents\TEDI3.sav
Filter
Weight
Split File
N of Rows in Working Data File
25
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=PANJANG LEBAR
/PLOT BOXPLOT STEMLEAF
/COMPARE VARIABLES
/STATISTICS DESCRIPTIVES
/CINTERVAL 95
/MISSING LISTWISE
/NOTOTAL.
Resources
Elapsed Time
0:00:00,76
Case Processing Summary
Cases
Valid
Missing
Total
N
Percent
N
Percent
N
Percent
PANJANG
24
96,0%
1
4,0%
25
100,0%
LEBAR
24
96,0%
1
4,0%
25
100,0%
Descriptives
Statistic
Std. Error
PANJANG
Mean
1,7375
,04298
95% Confidence Interval for Mean
Lower Bound
1,6486
Upper Bound
1,8264
5% Trimmed Mean
1,7301
Median
1,7700
Variance
,044
Std. Deviation
,21057
Minimum
1,40
Maximum
2,20
Range
,80
Interquartile Range
,22
Skewness
,575
,472
Kurtosis
,260
,918
LEBAR
Mean
2,6238
,10018
95% Confidence Interval for Mean
Lower Bound
2,4165
Upper Bound
2,8310
5% Trimmed Mean
2,5866
Median
2,4000
Variance
,241
Std. Deviation
,49080
Minimum
2,10
Maximum
3,90
Range
1,80
Interquartile Range
,74
Skewness
1,007
,472
Kurtosis
,284
,918
Stem-and-Leaf Plots
PANJANG Stem-and-Leaf Plot
Frequency Stem & Leaf
2,00 14 . 05
4,00 15 . 0007
4,00 16 . 0059
2,00 17 . 04
7,00 18 . 0000000
2,00 19 . 00
1,00 20 . 0
2,00 Extremes (>=2,20)
Stem width: ,10
Each leaf: 1 case(s)
LEBAR Stem-and-Leaf Plot
Frequency Stem & Leaf
3,00 2 . 111
8,00 2 . 22223333
2,00 2 . 44
3,00 2 . 667
3,00 2 . 889
,00 3 .
3,00 3 . 223
1,00 3 . 4
,00 3 .
1,00 3 . 9
Stem width: 1,00
Each leaf: 1 case(s)
4.2. Pembahasan
Program paket SPSS (Statistical Product and Service Solution) for windows merupakan salah satu program aplikasi statistik yang sering digunakan untuk pengolahan data. SPSS for windows ini menawarkan banyak kemudahan dalam pengoperasiannya data (data entry), mengedit data, transformasi data, analisa data, dan masih banyak lagi. SPSS menyediakan fasilitas analisa yang cukup lengkap seperti ordinary linier regression, logistis, ANOVA, survival anslysis, dan lainnya. SPSS menyediakan empat windows yang meliputi :
1.Data editor : berfungsi untuk input data SPSS.
Pada saat pertama kali SPSS dibuka, tampilan yang tampak adalah SPSS data editor yang mempunyai dua tampilan dalam satu layer yaitu tampilan Data view dan Variable view.
Menu yang dipakai pada editor a.l. :
File : untuk membuat file baru, membuka file tertentu, mengambil data dari program lain, mencetak isi editor dll.
Editor : untuk memperbaiki atau mengubah nilai data, serta mengubah setting pada options.
View : untuk mengatur toolbar.
Data : untuk mengurutkan data, menyeleksi data berdasarkan kriteria tertentu.
Transform : untuk membuat perubahan pada variabel yang telah dipilih.
Analyze : untuk melakukan semua prosedur perhitungan statistik seperti uji t, uji F, regresi, time series dsb.
Graph : untuk membuat berbagai jenis grafik untk mendukung analisis statistik.
Utilities : untuk memberi informasi tentang veriabel yang sedang dikerjakan serta mengatur tampilan menu-menu lain.
Windows : untuk berpindah diantara menu-menu yang lain.
Help : untu menyediakan bantuan informasi mengenai program SPSS yang dapat diakses aecara mudah dan jelas.
2.Menu output viewer : untuk menampilkan hasil pengolahan data atau informasi. Isi output dapat berupa sebuah tabel, sebuah grafik, atau sebuah teks.
3.Menu syntax editor : untuk menuliskan beberapa perintah atau pilihan yang hanya dapat digunakan dengan SPSS Command Language.
4.Menu script editor : untuk melakukan berbagai pengerjaan SPSS secara otomatis, seperti membuka dan menutup file, eksport char, penyesuaian bentuk output dll.
Pada praktikum ini kita telah melakukan pengolahan data dengan berbagai data, diantaranya yaitu:
Data yang berupa data statistik deskriptif, dimana menu-menu yang berhubungan dengan statistik deskriptif antara lain:
1.Frekuensi, yang membahas tentang beberapa penyebaran ukuran statistik deskriptif seperti mean, median, kuartil, standar deviasi dan lain sebagainya.
2.Uji T, dimana pengujian ini digunakan untuk menentukan ukuran pemusatan dan menguji apakah suatu nilai tertentu secara nyata ataukah tidak dengan tabel T.
3.Explore, adalah salah satu bagian yang menampilkan deskripsi statistik yang lebih mendalam seperti boxplot, diagram steam and leaf, dan lain sebagainya.
Berdasarkan Hasil Pengolahan Data
Untuk awal kita telah melakukan uji ano sample T-Test, Yaitu pengujian suatu sample yang pada prinsipnya adalah ingin menguji apakah suatu nilai tertentu berbeda secara signifikan atau tidak dengan rata-rata sebuah sample.
Sedangkan untuk tahap yang kedua kita telah melakukan uji mean dua sampel berpasangan (Paired Sample T-Test), dimana uji ini adalah sample dengan subyek sama tetapi menjalani dua perlakuan atau pengukuran berbeda.
Pada hasil uji yang telah kami lakukan terlihat bahwa data sangat bervariatif sehingga pada grafik hidtogram juga terlihat bahwa dia akan mengalami titik puncak pada nilai mediannya. Dengan uji ini pula kita akan mengetahui mana data yang dapat diterima Ho atau H1 atau ditolak Ho atau H1.
Selanjutnya kita melakukan uji yang ketiga yaitu uji meqan dua sample Independent (Independent Sample T-Test), dimena data diberikan dua buah sample populasi yang saling independent dan berdistribusi normal . dengan hipotesis kita akan mengetahu nilai Ho dan H1 nya serta parametriknya.
Setelah itu kemudian kita akan menguji nilai normalitas data dan homogenitas varians, dimana konsep yang penting dalam statistik inferensi adalah :
1.Apakah beberapa sample yang telah diambil berasal dari polpulasi yang sama (populasi berdistribusi normal)?
2.Apakah sample – sample tersebut mempunyai varians yang sama?
Dan pertanyaan ini kami dapat menjawabnya pada praktikum kali ini, dimana yang kami jadikan contoh adalah bantuk morfologi kerang, dimna yang kami hitung datanya adalah panjang, lebar dan tebalnya.
BAB V
KESIMPULAN DAN SARAN
5.1. Kesimpulan
Dari hasil data praktikum yang kami peroleh maka dapat kami simpulkan bahwa :
Program paket SPSS (Statistical Product and Service Solution) for windows merupakan salah satu program aplikasi statistik yang sering digunakan untuk pengolahan data.
SPSS for windows ini menawarkan banyak kemudahan dalam pengoperasiannya data (data entry), mengedit data, transformasi data, dan analisa data.
SPSS menyediakan fasilitas analisa yang cukup lengkap seperti ordinary linier regression, longistis, ANOVA, dan survival analysis.
Adanya Metode dari praktikum, yaitu
1.Pengenalan Program SPSS
2.Statistik Deskriptif ( Explore )
3.Menguji Normalitas dan varians
4.Scetterplot
5.Hipotesis
6.Regresi dan Korelasi
SPSS menyediakan empat windows yang meliputi :
Data editor
Menu output viewer
Menu syntax editor
Menu script editor
Data yang berupa data statistik deskriptif, dimana menu-menu yang berhubungan dengan statistik deskriptif antara lain:
Frekuensi
Uji T
Explore
Dari data yang kami peroleh pada saat praktikum dapat dilihat bahwa datanya sangat bervariatif sekali, sehingga pada grafik juga terlihat bahwa data rata – rata berada dipuncak tengah atau rata pada nilai median.
5.2. Saran
Diharapkan pada saat praktikum, asisten lebih mempersiapkannya lebih siap
Untuk masalah waktu juga seharusnya dapat dikalkulasikan dan diestimasikan.
Seharusnya agar lebih efektif, efisien, dan optimal komputer diperbanyak lagi,.
Untuk pembelajaran pengolahan data seharusnya asisten lebih komunikatif lagi dengan para praktikan.
DAFTAR PUSTAKA
Dayan, Aton. 1991. Statistika I dan II. Jakarta : Erlangga.
Spiegel, Muray R. 1972. Theory and Problems in Si Units. McGraw Hill Book Company.
Supangat, Andi. 2007. Statistika: Dalam Kajian Deskriptif, Infernsi dan Nonparametrik. Jakarta : Kencana.
Walpole, Ronald E. dan Myers, Raymondh. 1995. Ilmu Peluang dan Statistika Untuk Insinyur dan Ilmuwan. Bandung : Penerbit ITB
http://id.wikipedia.org/wiki/Statistika
http://www.unej.ac.id/fakultas/mipa/web_fisika/webkuliah/Statistika-Dasar-Bab 1.pdf
http://statisticscorner.blogspot.com/2008/11/1st-element-of-statistics-collecting.html
http://bps.papua.go.id/nabire/docs/lain/Pengertian-Statistik-Dasar.pdf
http://ineddeni.wordpress.com/2007/08/02/statistika-parametrik-dan-statistika-nonparametrik/
http://ineddeni.wordpress.com/2007/08/02/korelasi/
http://www.math.itb.ac.id/~ma291/rls.htm
LAMPIRAN
Perhitungan manual
One sample T-Test
T hitung = 8,906
T tabel = t1 – ½
= t1 – 0,5 (0,05)
= t 0,975
= 2,06
Periode Sample T-Test
T hitung = 1,620
T tabel = t 0,975
= 2,06
Independent Sample T-Test
T hitung = -0,957
T tabel = t 0,975
= 2,06
Tugas Pengantar Ilmu Kelautan
ditulis oleh : Agus Nurul K.
(K2D008005)
Judul artikel : Eksplorasi Pantai Bandengan (Tirta Samudra)
Pengarang : Mansur Hidayat [Chief Blogging Officers/CBO]
Bab I.
Ditilik dari letak geografis yang hanya berjarak 7 km sebelah utara pusat kota, dengan jarak tempuh kendaraan darat ± 30 menit. Pantai ini menawarkan banyak sekali potensi yang menunggu untuk digali. Kondisi pantai yang dianugerahi pasir putih bersih dengan air yang jernih menjadikanya tempat yang menyenangkan untuk berenang dilaut. Tidak hanya itu area kosong yang mengelilingi pantaipun cukup luas dan potensial untuk diexplorasi. Ditambah dengan masyarakat sekitar yang banyak berprofesi sebagai perajin ukir-ukiran bernilai seni tinggi memposisikan pantai ini sebagai obyek wisata andalan yang dapat dijadikan sebagai icon daerah layaknya pantai Kuta di Denpasar.
Kiranya tidak berlebihan, jika melihat potensi sumber daya yang dimiliki pantai Bandengan. Lalu konsep apa yang selayaknya kita terapkan pada program pembangunan pantai Bandengan? Dalam mimpi saya pantai bandengan dapat menjadi pantai yang selain berfungsi sebagai obyek wisata juga berfungsi sebagai pusat kegiatan ekonomi layaknya Kuta. Untuk merealisasikanya kita dapat mengkopi konsep tata kota yang diterapkan pada pantai Kuta. Dalam istilah ekonomi hal ini dikenal sebagai benchmarking atau penerapan ide-ide bisnis yang sama dengan sebuah jenis bisnis yang telah sukses, bukan sebuah plagiasi.
Langkah pertama yang harus dilakukan adalah segmentasi dan penentuan target market, dimana pantai dengan resources seperti ini layak diposisikan sebagai tujuan wisata bagi wisatawan mancanegara dan domestik. Konsekuensi dari hal ini adalah penyediaan fasilitas-fasilitas penunjang yang sesuai dengan selera dari kedua jenis wisatawan tersebut. Seperti halnya Kuta di Bandengan potensial sekali dibangun Hotel, restoran, café, pusat perbelanjaan maupun fasilitas-fasilitas hiburan lain di sekitar lokasi bibir pantai. Tentu saja kita tidak harus membangun hotel sekaliber Hardrock Hotel Bali atau pusat perbelanjaan sebesar Kuta Square Denpasar, hal itu dapat dilaksanakan seiring berjalanya waktu dimana Bandengan telah menjadi tujuan wisata yang sangat menguntungkan.
Sedangkan di belakang hotel-hotel, tepatnya dilokasi tengah dari area kosong di sekitar pantai dibangun sebuah distrik yang menjadi pusat penjualan cinderamata ukir-ukiran, monel, textile (tenun troso, sutra), keramik, kuningan, kerajinan rotan, anyaman bambu dll. Taman bermain juga cocok dibangun ditengah-tengah area yang dapat dimanfaatkan sebagai lokasi bersantai keluarga yang biasanya dilakukan masyarakat jepara sebagai tempat makan lesehan pada hari-hari tertentu bersama keluarga. Tentu saja pohon-pohon seperti akasia dan palem dibutuhkan untuk menyejukkan area taman dan suasana pantai secara keseluruhan.
Konsep seperti ini lebih cocok dari pada konsep yang dulu pernah digulirkan, dimana akan dibangun sebuah lapangan golf dan hotel berbintang di bandengan. Golf adalah olahraga exclusive yang hanya mampu dinikmati sebagian kalangan. Sehingga kurang membari dampak ekonomi secara signifikan bagi masyarakat sekitar. Kita harus belajar dari kabupaten Tuban dimana pemda banyak melaksanakan proyek-proyek mercusuar yang tidak berdampak langsung bagi kesejahteraan masyarakat, akibatnya timbul kecemburuan sosial yang sangat dalam sehingga masyarakat mudah diprovokasi untuk melakukan kegiatan-kegiatan anarkis dan pengrusakan.
Berbeda dengan konsep lapangan golf yang pernah bergulir, konsep diatas mempunyai banyak kelebihan, terdapat community development disini. Pembangunan infrastruktur dan fasilitas-fasilitas penunjang akan mampu menyerap banyak tenaga kerja, belum lagi ditambah kegiatan ekonomi di distrik cinderamata dimana masyarakat dapat membuka usaha seperti kios-kios cindera mata, showroom, art galery dan berbagai jenis usaha lainya. Bisa dibayangkan perputaran roda ekonomi yang semakin akan memberikan dampak positif bagi kesejahteraan masyarakat. Komoditi dari sektor industri yang selama ini hanya mengandalkan tempat pemasaran di daerah lain seperti tenun Troso yang dipasarkan lewat Bali akan terbantu dengan dibangunnya sentra-sentra bisnis semacam ini. Masyarakat sekitar pantai pun dapat memasarkan barang kerajinan ukir mereka seperti relief, patung dll di distrik cinderamata.
Dengan konsep open beach seperti ini, penarikan tiket bagi setiap penunjung yang memasuki area pantai sangat tidak efektif. Mengapa? Karena fungsi pantai yang semula hanya sebagai obyek tujuan wisata telah bertambah menjadi pusat bisnis, dan logikanya akan banyak sekali manusia yang melakukan mobilitasnya di area bisnis tersebut. Pendapatan daerah yang dulu hanya berasal dari pembayaran tiket akan meningkat secara signifikan dari pungutan pajak hotel, restoran, café dll, serta uang sewa tempat usaha dari masyarakat. Sumber pendapatan tersebut ditambah dengan pungutan parkir kendaraan bermotor. Seperti halnya Kuta, kendaraan bermotor pribadi (kecuali umum hanya untuk Taxi nantinya kalau ada) dibiarkan parkir bebas diarea yang disediakan di seluruh pinggiran pantai. Sedangkan kendaraan umum, seperti bus pariwisata, angkot dll disediakan area parkir tersendiri. Misalnya area kosong sebelum pintu gerbang dapat dijadikan area parkir. Hal ini perlu untuk mengantisipasi kesemrawutan lalu lintas yang potensial ditimbulkan oleh semakin banyaknya jenis angkutan umum seiring kemajuan pantai Bandengan.
Dengan pengelolaan yang profesional ditangan atau dibawah bimbingan para ahli, bukan tidak mungkin kurang dari 10 tahun kedepan Industri pariwisata Jepara akan menjadi salah satu yang terbaik di Jawa Tengah. Karena Jepara tidak hanya mempunyai Bandengan, tetapi ada P.Kartini yang dapat dijadikan taman pantai, rekreasi kura-kura (dengan catatan proyek ini betul-betul diselesaikan dan dikelola secara profesional) dll. Pantai Bondo yang sangat indah sebagai pusat seafood seperti halnya Jimbaran, dan yang paling hebat adalah Karimunjawa.
Bab II.
Pantai Bandengan yang terletak sangat dekat dari kota Jepara sekitar 7 Km memiliki berbagai macam potensi yang bisa dikembangkan. Diantara potensi tersebut adalah keindahan pantai Bandengan dengan area pantai yang luas serta dikelilingi pasir putih dan air yang sangat jernih. Tidak lupa pula kondisi masyarakat yang memiliki keunikan sebagai pengrajin ukuran.
Dengan begitu besarnya potensi yang dimiki pantai Bandengan sangat disayangkan apabila potensi tersebut belum sempat dinikmati hasilnya. Sebetulnya berbagai macam kebijakan bisa dilaksanakan dengan proses yang tentunya tidak semudah membalikan telapak tangan. Diantara kebijakan yang bisa diambil adalah dengan memasang target pemasaran potensi yang dikandungnya. Karena dengan kondisi pantai seperti ini layak diposisikan sebagai objek wisata baik untuk domestik maupun mancanegara.
Tentu untuk mencapai kearah sana dibutuhkan pembangunan fasilitas penunjang sehingga daya tarik yang sudah terkandung bisa benar-benar mendatangkan keuntungan. Diantaranya adalah dengan membangun sarana tranportasi, Hotel, restoran, café, pusat perbelanjaan maupun fasilitas-fasilitas hiburan lain di sekitar lokasi bibir pantai.
Sementara kebijakan lainnya yang bisa diambil adalah dengan membangun pusat penjajakan cindramata hasil kreasi tangan warga seperti ukir-ukiran, monel, textile (tenun troso, sutra), keramik, kuningan, kerajinan rotan, anyaman bambu dll. Sehingga dari potensi eksotis pantai Bandengan benar-benar dirasakan keuntungannya bagi masyarakat sekitar.
Kebijakan seperti ini tentunya lebih baik dibandingankan dengan kebijakan yang telah lama digulirkan, dimana untuk menggali potensi pantai Bandengan tersebut akan dibuat sarana lapangan golf dan hotel berbintang. Olah raga golf tentunya merupakan kegiatan olah raga yang hanya biasa dilaksanakan oleh kalangan berduit, sehingga dampak ekonomi kurang begitu terasa oleh masyarakat.
Jauh berbeda dengan kebijakan pembangauanan fasilitas lapangan golf, kebijakan diatas lebih banyak menimbulkan manfaat yang bisa langsung dirasakan, dimana dari kebijakan tersebut terdapat kebersamaan pembangunan seperti Pembangunan infrastruktur dan fasilitas-fasilitas penunjang akan mampu menyerap banyak tenaga kerja, belum lagi ditambah kegiatan ekonomi di distrik cinderamata dimana masyarakat dapat membuka usaha seperti kios-kios cindera mata, showroom, art galery dan berbagai jenis usaha lainya. Bisa dibayangkan perputaran roda ekonomi yang semakin akan memberikan dampak positif bagi kesejahteraan masyarakat. Masyarakat sekitar pantai pun dapat memasarkan barang kerajinan ukir mereka seperti relief, patung dll.
Kemudian dengan pengelolaan yang tentunya bertanggungjawab dan profesional bukan tidak mungkin sekurangnya 10 tahun yang akan datang pantai Bandengan yang terletak 7 Km dari pusat kota Jepara akan menjadi salah satu objek wisata yang miliki dayatarik tersendiri di Jawa Tengah.
ditulis oleh : Agus Nurul K.
(K2D008005)
Judul artikel : Eksplorasi Pantai Bandengan (Tirta Samudra)
Pengarang : Mansur Hidayat [Chief Blogging Officers/CBO]
Bab I.
Ditilik dari letak geografis yang hanya berjarak 7 km sebelah utara pusat kota, dengan jarak tempuh kendaraan darat ± 30 menit. Pantai ini menawarkan banyak sekali potensi yang menunggu untuk digali. Kondisi pantai yang dianugerahi pasir putih bersih dengan air yang jernih menjadikanya tempat yang menyenangkan untuk berenang dilaut. Tidak hanya itu area kosong yang mengelilingi pantaipun cukup luas dan potensial untuk diexplorasi. Ditambah dengan masyarakat sekitar yang banyak berprofesi sebagai perajin ukir-ukiran bernilai seni tinggi memposisikan pantai ini sebagai obyek wisata andalan yang dapat dijadikan sebagai icon daerah layaknya pantai Kuta di Denpasar.
Kiranya tidak berlebihan, jika melihat potensi sumber daya yang dimiliki pantai Bandengan. Lalu konsep apa yang selayaknya kita terapkan pada program pembangunan pantai Bandengan? Dalam mimpi saya pantai bandengan dapat menjadi pantai yang selain berfungsi sebagai obyek wisata juga berfungsi sebagai pusat kegiatan ekonomi layaknya Kuta. Untuk merealisasikanya kita dapat mengkopi konsep tata kota yang diterapkan pada pantai Kuta. Dalam istilah ekonomi hal ini dikenal sebagai benchmarking atau penerapan ide-ide bisnis yang sama dengan sebuah jenis bisnis yang telah sukses, bukan sebuah plagiasi.
Langkah pertama yang harus dilakukan adalah segmentasi dan penentuan target market, dimana pantai dengan resources seperti ini layak diposisikan sebagai tujuan wisata bagi wisatawan mancanegara dan domestik. Konsekuensi dari hal ini adalah penyediaan fasilitas-fasilitas penunjang yang sesuai dengan selera dari kedua jenis wisatawan tersebut. Seperti halnya Kuta di Bandengan potensial sekali dibangun Hotel, restoran, café, pusat perbelanjaan maupun fasilitas-fasilitas hiburan lain di sekitar lokasi bibir pantai. Tentu saja kita tidak harus membangun hotel sekaliber Hardrock Hotel Bali atau pusat perbelanjaan sebesar Kuta Square Denpasar, hal itu dapat dilaksanakan seiring berjalanya waktu dimana Bandengan telah menjadi tujuan wisata yang sangat menguntungkan.
Sedangkan di belakang hotel-hotel, tepatnya dilokasi tengah dari area kosong di sekitar pantai dibangun sebuah distrik yang menjadi pusat penjualan cinderamata ukir-ukiran, monel, textile (tenun troso, sutra), keramik, kuningan, kerajinan rotan, anyaman bambu dll. Taman bermain juga cocok dibangun ditengah-tengah area yang dapat dimanfaatkan sebagai lokasi bersantai keluarga yang biasanya dilakukan masyarakat jepara sebagai tempat makan lesehan pada hari-hari tertentu bersama keluarga. Tentu saja pohon-pohon seperti akasia dan palem dibutuhkan untuk menyejukkan area taman dan suasana pantai secara keseluruhan.
Konsep seperti ini lebih cocok dari pada konsep yang dulu pernah digulirkan, dimana akan dibangun sebuah lapangan golf dan hotel berbintang di bandengan. Golf adalah olahraga exclusive yang hanya mampu dinikmati sebagian kalangan. Sehingga kurang membari dampak ekonomi secara signifikan bagi masyarakat sekitar. Kita harus belajar dari kabupaten Tuban dimana pemda banyak melaksanakan proyek-proyek mercusuar yang tidak berdampak langsung bagi kesejahteraan masyarakat, akibatnya timbul kecemburuan sosial yang sangat dalam sehingga masyarakat mudah diprovokasi untuk melakukan kegiatan-kegiatan anarkis dan pengrusakan.
Berbeda dengan konsep lapangan golf yang pernah bergulir, konsep diatas mempunyai banyak kelebihan, terdapat community development disini. Pembangunan infrastruktur dan fasilitas-fasilitas penunjang akan mampu menyerap banyak tenaga kerja, belum lagi ditambah kegiatan ekonomi di distrik cinderamata dimana masyarakat dapat membuka usaha seperti kios-kios cindera mata, showroom, art galery dan berbagai jenis usaha lainya. Bisa dibayangkan perputaran roda ekonomi yang semakin akan memberikan dampak positif bagi kesejahteraan masyarakat. Komoditi dari sektor industri yang selama ini hanya mengandalkan tempat pemasaran di daerah lain seperti tenun Troso yang dipasarkan lewat Bali akan terbantu dengan dibangunnya sentra-sentra bisnis semacam ini. Masyarakat sekitar pantai pun dapat memasarkan barang kerajinan ukir mereka seperti relief, patung dll di distrik cinderamata.
Dengan konsep open beach seperti ini, penarikan tiket bagi setiap penunjung yang memasuki area pantai sangat tidak efektif. Mengapa? Karena fungsi pantai yang semula hanya sebagai obyek tujuan wisata telah bertambah menjadi pusat bisnis, dan logikanya akan banyak sekali manusia yang melakukan mobilitasnya di area bisnis tersebut. Pendapatan daerah yang dulu hanya berasal dari pembayaran tiket akan meningkat secara signifikan dari pungutan pajak hotel, restoran, café dll, serta uang sewa tempat usaha dari masyarakat. Sumber pendapatan tersebut ditambah dengan pungutan parkir kendaraan bermotor. Seperti halnya Kuta, kendaraan bermotor pribadi (kecuali umum hanya untuk Taxi nantinya kalau ada) dibiarkan parkir bebas diarea yang disediakan di seluruh pinggiran pantai. Sedangkan kendaraan umum, seperti bus pariwisata, angkot dll disediakan area parkir tersendiri. Misalnya area kosong sebelum pintu gerbang dapat dijadikan area parkir. Hal ini perlu untuk mengantisipasi kesemrawutan lalu lintas yang potensial ditimbulkan oleh semakin banyaknya jenis angkutan umum seiring kemajuan pantai Bandengan.
Dengan pengelolaan yang profesional ditangan atau dibawah bimbingan para ahli, bukan tidak mungkin kurang dari 10 tahun kedepan Industri pariwisata Jepara akan menjadi salah satu yang terbaik di Jawa Tengah. Karena Jepara tidak hanya mempunyai Bandengan, tetapi ada P.Kartini yang dapat dijadikan taman pantai, rekreasi kura-kura (dengan catatan proyek ini betul-betul diselesaikan dan dikelola secara profesional) dll. Pantai Bondo yang sangat indah sebagai pusat seafood seperti halnya Jimbaran, dan yang paling hebat adalah Karimunjawa.
Bab II.
Pantai Bandengan yang terletak sangat dekat dari kota Jepara sekitar 7 Km memiliki berbagai macam potensi yang bisa dikembangkan. Diantara potensi tersebut adalah keindahan pantai Bandengan dengan area pantai yang luas serta dikelilingi pasir putih dan air yang sangat jernih. Tidak lupa pula kondisi masyarakat yang memiliki keunikan sebagai pengrajin ukuran.
Dengan begitu besarnya potensi yang dimiki pantai Bandengan sangat disayangkan apabila potensi tersebut belum sempat dinikmati hasilnya. Sebetulnya berbagai macam kebijakan bisa dilaksanakan dengan proses yang tentunya tidak semudah membalikan telapak tangan. Diantara kebijakan yang bisa diambil adalah dengan memasang target pemasaran potensi yang dikandungnya. Karena dengan kondisi pantai seperti ini layak diposisikan sebagai objek wisata baik untuk domestik maupun mancanegara.
Tentu untuk mencapai kearah sana dibutuhkan pembangunan fasilitas penunjang sehingga daya tarik yang sudah terkandung bisa benar-benar mendatangkan keuntungan. Diantaranya adalah dengan membangun sarana tranportasi, Hotel, restoran, café, pusat perbelanjaan maupun fasilitas-fasilitas hiburan lain di sekitar lokasi bibir pantai.
Sementara kebijakan lainnya yang bisa diambil adalah dengan membangun pusat penjajakan cindramata hasil kreasi tangan warga seperti ukir-ukiran, monel, textile (tenun troso, sutra), keramik, kuningan, kerajinan rotan, anyaman bambu dll. Sehingga dari potensi eksotis pantai Bandengan benar-benar dirasakan keuntungannya bagi masyarakat sekitar.
Kebijakan seperti ini tentunya lebih baik dibandingankan dengan kebijakan yang telah lama digulirkan, dimana untuk menggali potensi pantai Bandengan tersebut akan dibuat sarana lapangan golf dan hotel berbintang. Olah raga golf tentunya merupakan kegiatan olah raga yang hanya biasa dilaksanakan oleh kalangan berduit, sehingga dampak ekonomi kurang begitu terasa oleh masyarakat.
Jauh berbeda dengan kebijakan pembangauanan fasilitas lapangan golf, kebijakan diatas lebih banyak menimbulkan manfaat yang bisa langsung dirasakan, dimana dari kebijakan tersebut terdapat kebersamaan pembangunan seperti Pembangunan infrastruktur dan fasilitas-fasilitas penunjang akan mampu menyerap banyak tenaga kerja, belum lagi ditambah kegiatan ekonomi di distrik cinderamata dimana masyarakat dapat membuka usaha seperti kios-kios cindera mata, showroom, art galery dan berbagai jenis usaha lainya. Bisa dibayangkan perputaran roda ekonomi yang semakin akan memberikan dampak positif bagi kesejahteraan masyarakat. Masyarakat sekitar pantai pun dapat memasarkan barang kerajinan ukir mereka seperti relief, patung dll.
Kemudian dengan pengelolaan yang tentunya bertanggungjawab dan profesional bukan tidak mungkin sekurangnya 10 tahun yang akan datang pantai Bandengan yang terletak 7 Km dari pusat kota Jepara akan menjadi salah satu objek wisata yang miliki dayatarik tersendiri di Jawa Tengah.
