Cara Mengategorikan Data Menggunakan SPSS

Mengategorikan data biasa dilakukan oleh para peneliti diawal pembahasan penelitian mereka, terutama penelitian yang melibatkan data dengan jumlah banyak. Pengategorian ini dimaksudkan untuk mempermudah pembaca dalam memahami struktur data yang ada. Biasanya pengategorian ini masih termasuk ke dalam analisa deskriptif yang dibarengi dengan memunculkan nilai rata-rata, nilai tengah, nilai yang paling sering muncul, dan lain sebagainya. Lebih lanjut, pengategorian data ini juga bisa dituangkan ke dalam bentuk visualisasi seperti histogram, bar chart, pie chart, dan lain sebagainya.

Hampir setiap penelitian yang menggunakan metode penelitian kuantitatif perlu melakukan pengategorian data. Contohnya seperti pada data dibawah ini:

Provinsi	Persentase Buta Huruf
ACEH	13,16
SUMATERA UTARA	10,84
SUMATERA BARAT	10,75
RIAU	7,94
JAMBI	17,47
SUMATERA SELATAN	11,11
BENGKULU	19,79
LAMPUNG	21,52
KEP. BANGKA BELITUNG	19,22
KEP RIAU	14,58
DKI JAKARTA	3,83
JAWA BARAT	15,78
JAWA TENGAH	34,89
DI YOGYAKARTA	31,73
JAWA TIMUR	40,27
BANTEN	17,48
BALI	42,63
NUSA TENGGARA BARAT	71,76
NUSA TENGGARA TIMUR	42,06
KALIMANTAN BARAT	38,49
KALIMANTAN TENGAH	11,51
KALIMANTAN SELATAN	17,2
KALIMANTAN TIMUR	13
KALIMANTAN UTARA	0
SULAWESI UTARA	2,42
SULAWESI TENGAH	16
SULAWESI SELATAN	45,5
SULAWESI TENGGARA	34,54
GORONTALO	15,88
SULAWESI BARAT	45,75
MALUKU	9,92
MALUKU UTARA	17,62
PAPUA BARAT	18,13
PAPUA	98,6

Data tersebut merupakan angka Persentase Buta Huruf di Indonesia pada tahun 2010 yang diambil dari laman resmi Badan Pusat Statistik (BPS). Jika data ditampilkan apa adanya pada sebuah penelitian, maka pembaca akan merasa bingung apa maksud dari data yang ditampilkan, atau kesimpulan apa yang bisa diambil dari data tersebut. Oleh karena itu diperlukan pengategorian data agar pembaca dapat memahami inti dari data yang ditampilkan.

Pada artikel kali ini, data Persentase Buta Huruf akan dikategorikan menjadi 3 kategori, dengan ketentuan sebagai berikut:

1. Angka buta huruf rendah: jika nilai dibawah atau sama dengan 3,00 (diberikan kode 0)

2. Angka buta huruf sedang: jika nilai diantara 3,01 sampai 40,00 (diberikan kode 1)

3. Angka buta huruf tinggi: jika nilai lebih dari 40,00 (diberikan kode 2)

Setelah ditentukan nilai pengelompokannya, berikutnya adalah langkah-langkah cara penyelesaian pengategorian kelompok dengan menggunakan software SPSS:

1. Memasukkan data

Sebelum memasukkan data, terlebih dahulu kita harus mendeskripsikan variabel yang ada. Masuk ke bagian "Variable View" yang terletak di pojok kiri bawah. Karena data yang ada terdiri dari dua variabel, maka deskripsikan kedua variabel tersebut dengan ketentuan sebagai berikut:

a. Variabel Provinsi

Name: Provinsi

Type: String

Width: 30

Decimal: 0

Label: (Dikosongkan)

Values: None

Missing: None

Columns: 8

Align: Left

Measure: Nominal

BACA JUGA: PENJELASAN LENGKAP MENU VARIABLE VIEW

b. Variabel Persentase Buta Huruf

Name: Persentase_Buta_Huruf

Type: Numeric

Width: 8

Decimal: 2

Label: (Dikosongkan)

Values: None

Missing: None

Columns: 8

Align: Right

Measure: Scale

Pengisian Variable View

Kemudian pindah ke halaman Data View dan masukkan datanya sesuai nama variabelnya. Ingat! SPSS tidak bisa membaca data "spasi", maka jika ada nilai "spasi" ganti dengan nilai "underline ( _ )" atau nilai "spasi" nya dihapuskan. Misal mau memasukkan nilai "Jawa Tengah", maka dapat ditulis "Jawa_Tengah" atau "JawaTengah".

Pengisian Data View

2. Melakukan analisis

Pilih menu Transform => Recode Into Different Variables.

Menu Transform

Kemudian akan muncul kotak dialog Recode Into Different Variables, masukkan variabel yang nilainya akan dikelompokkan atau dalam artikel ini variabel Persentase_Buta_Huruf ke dalam bagian "Numeric Variable -> Output variable". Pada bagian Output Variable tuliskan nama variabel baru yang diinginkan, misalkan nama variabelnya Kategori, kemudian klik Change.

Kotak Dialog Recode Into Different Variables

Selanjutnya klik pada bagian Old and New Values sehingga akan muncul kotak dialog "Recode Into Different Variables: Old and New Values". pilih Range Lowest through diisi dengan 3.01 kemudian New Value diisi dengan 0 dan klik Add. Kemudian Range values through Highest diisi dengan 40, New Values diisi 2 dan klik Add. Untuk All other values masukkan angka 1 pada New Values dan klik Add. Kemudian klik Continue.

Kotak Dialog Recode Into Different Variables: Old and New Values

Setelah semuanya selesai, klik OK dan hasil pengategoriannya akan muncul pada bagian Data View.

Hasil Pengategorian

Hasil kategori ini bisa langsung dihitung yang kemudian dimasukkan ke dalam hasil penelitian seperti contoh tabel dibawah, atau bisa juga digunakan untuk analisis berikutnya seperti pembuatan visualisasi histogram, bar chart, pie chart, dan lain-lain.

Kategori Buta Huruf	Range	Jumlah Provinsi
Rendah	< 3.01	2
Sedang	3.01 - 40.00	26
Tinggi	> 40.00	6

Cara Membuat Cross Tabulation Menggunakan SPSS

Crosstab/Cross Tabulation (Tabulasi Silang) atau yang juga biasa disebut Tabel Kontigensi merupakan salah satu bentuk analisis deskriptif yang menggabungkan lebih dari satu variabel kedalam bentuk tabel. Crosstab bertujuan untuk meringkas informasi dari sekumpulan data kedalam bentuk tabel. Crosstab juga mempermudah pembaca dalam memahami kriteria data.

Crosstab dapat dibuat menggunakan software aritmatika pada umumnya seperti Microsoft Excel, namun membutuhkan banyak waktu untuk memahami maksud data dan mengolahnya kedalam bentuk Crosstab. Penggunaan software SPSS (Statistical Package for the Social Science) lebih direkomendasikan karena cara penggunaannya yang simpel dan menghasilkan output yang mudah dibaca atau dipahami. Oleh karena itu pada artikel kali ini kita akan membahas cara membuat Crosstab beserta penjelasan hasilnya.

Sebagai latihan, kita akan menggunakan contoh data sebagai berikut:

Data Studi Kasus

Data diatas merupakan contoh beberapa merk sepatu yang ada di sebuah pabrik sepatu dan akan didistribusikan ke toko yang berada di kota tertentu. Variabel Merk merupakan merk sepatu yang mana 0 artinya bermerk Tyrex, 1 artinya bermerk Donatello, dan 2 berarti merk Yongky Komaladi. Sedangkan variabel tujuan menandakan akan dikirim kemana sepatu tersebut, dengan tujuan Bandung jika kodenya 0 dan dikirim ke Surabaya jika berkode 1. Variabel tipe menunjukkan tipe sepatu apakah untuk laki-laki atau wanita, jika berkode 0 untuk sepatu laki-laki dan sepatu perempuan untuk kode 1. Variabel jumlah produk merupakan jumlah yang akan dikirimkan berdasarkan keterangan pada 3 variabel sebelumnya.

Misal pada baris pertama merk 0, tujuan 0, tipe 0, dan jumlah produk 886, maka dibaca merk Tyrex dengan tujuan pengiriman kota Bandung tipe sepatu laki-laki berjumlah 886 produk. Begitupun seterusnya. Kode 0, 1, dan 2 hanya bersifat sebagai pembeda antar objek. Jika kalian memiliki data yang hampir sama seperti ini, maka kalian bisa memberikan kode dengan angka berapapun. Setelah memahami komposisi data yang ada, kita akan memasuki tahap penyelesaian kasus menggunakan analisis Crosstab. Berikut langkah-langkahnya:

1. Buka aplikasi SPSS

Setelah lembar kerja SPSS terbuka, klik variable view yang ada di posisi pojok kiri bawah. Variable view ini berguna untuk mendefinisikan variabel yang akan dimasukkan.

Membuka Variabel View

2. Mendefinisikan Variabel

Masukkan definisi variabel satu persatu. Dimulai dari variabel Merk dengan ketentuan sebagai berikut:

Name: Merk (Nama variabel yang anda inginkan)

Type: Numeric (Pemilihan tipe tulisan. Pada kasus ini tulisan bersifat numerik)

Width: 8 (Banyaknya angka yang dikehendaki dalam satu baris)

Decimal: 0 (Banyak bilangan desimal yang diinginkan)

Label: *Dikosongkan saja

Missing: None (Nilai missing values yang dikehendaki)

Columns: 8 (Banyaknya angka yang dikehendaki dalam satu kolom. Biasanya Width = Columns)

Align: Right (Penyetaraan tulisan)

Measure: Scale (Pemilihan tipe data. Pada kasus ini data bersifat skala)

Values: Pada bagian values, klik pada bagian "titik tiga" seperti pada gambar dibawah.

Memasukkan Kriteria Nilai Value

Sehingga akan muncul kotak dialog Value Labels untuk memasukkan nilai Values. Masukkan nilai Value = 0 dan Label = Tyrex, kemudian klik Add. Seperti pada contoh gambar dibawah.

Kotak Dialog Value Labels

Setelah itu masukkan juga nilai Value = 1 dengan Label = Donatello, serta Value = 2 dengan Label = Yongky Komaladi. Hal ini sesuai dengan ketentuan studi kasus apabila merk sepatunya Tyrex maka akan diberikan kode 0, merk Donatello dengan kode 1, dan merk Yongky Komaladi dengan kode 2.

Kota Dialog Value Labels yang Sudah Terisi

Jika sudah, selanjutnya memasukkan variabel Tujuan, dengan ketentuan sebagai berikut:

Name: Tujuan (Nama variabel yang anda inginkan)

Type: Numeric (Pemilihan tipe tulisan. Pada kasus ini tulisan bersifat numerik)

Width: 8 (Banyaknya angka yang dikehendaki dalam satu baris)

Decimal: 0 (Banyak bilangan desimal yang diinginkan)

Label: *Dikosongkan saja

Missing: None (Nilai missing values yang dikehendaki)

Columns: 8 (Banyaknya angka yang dikehendaki dalam satu kolom. Biasanya Width = Columns)

Align: Right (Penyetaraan tulisan)

Measure: Scale (Pemilihan tipe data. Pada kasus ini data bersifat skala)

Values: 0 = Bandung, 1 = Surabaya (Masukkan nilainya dengan cara yang sama seperti pada variabel Merk)

PENJELASAN LENGKAP LEMBAR KERJA VARIABLE VIEW

Variabel Tipe:

Name: Tipe (Nama variabel yang anda inginkan)

Type: Numeric (Pemilihan tipe tulisan. Pada kasus ini tulisan bersifat numerik)

Width: 8 (Banyaknya angka yang dikehendaki dalam satu baris)

Decimal: 0 (Banyak bilangan desimal yang diinginkan)

Label: *Dikosongkan saja

Missing: None (Nilai missing values yang dikehendaki)

Columns: 8 (Banyaknya angka yang dikehendaki dalam satu kolom. Biasanya Width = Columns)

Align: Right (Penyetaraan tulisan)

Measure: Scale (Pemilihan tipe data. Pada kasus ini data bersifat skala)

Values: 0 = Laki-laki, 1 = Wanita (Masukkan nilainya dengan cara yang sama seperti pada variabel Merk)

Variabel Jumlah Produk:

Name: Jumlah_Produk (Nama variabel yang anda inginkan. SPSS tidak bisa membaca data spasi, maka gunakan under score ( _ ) untuk menggantikan fungsi spasi)

Type: Numeric (Pemilihan tipe tulisan. Pada kasus ini tulisan bersifat numerik)

Width: 8 (Banyaknya angka yang dikehendaki dalam satu baris)

Decimal: 0 (Banyak bilangan desimal yang diinginkan)

Label: *Dikosongkan saja

Missing: None (Nilai missing values yang dikehendaki)

Columns: 8 (Banyaknya angka yang dikehendaki dalam satu kolom. Biasanya Width = Columns)

Align: Right (Penyetaraan tulisan)

Measure: Scale (Pemilihan tipe data. Pada kasus ini data bersifat skala)

Values: None (Karena tidak ada yang perlu didefinisikan pada variabel jumlah produksi)

Nantinya semua variabel yang telah didefinisikan akan terlihat seperti ini:

Mendefinisikan Variabel

3. Memasukkan Data

Berpindahlah ke sheet Data View yang ada disebelah tulisan Variable View. Masukkan data satu persatu sesuai dengan ketentuan studi kasus. Jika data anda ada banyak dan tersimpan di file Microsoft Excel, maka anda bisa meng-copy dari Excel kemudian paste-kan kedalam lembar kerja SPSS. Namun lakukan copy paste data harus berdasarkan pervariabel.

Memasukkan Data ke Data View

4. Tahap Analisis Data

Klik Analyze → klik Descriptive Statistic → klik Crosstab. Setelah mengklik Crosstab maka akan muncul kotak dialog Crosstabs. Masukkan variabel merk ke kotak row(s), tipe ke kotak column(s) dan tujuan ke kotak layer dengan cara mengklik nama masing-masing variabel kemudian klik tanda panah yang berwarna biru. Setelah itu klik OK maka hasilnya akan keluar pada lembar output SPSS.

Kotak Dialog Crosstab

5. Hasil Analisis dan Pembahasan

Output Crosstab

Gambar diatas merupakan hasil tabel kontigensi 2x3x2. Dinamakan tabel kontigensi 2x3x2 dikarenakan susunan dari kiri ke kanan terdiri dari dua objek variabel Tujuan, kemudian tiga objek variabel Merk, dan dua objek variabel Tipe yang membentuk susunan Tujuan x Merk x Tipe = 2x3x2. Tabel terbagi menjadi dua baris besar yakni Bandung dan Surabaya. Dari masing-masing variabel tujuan tersebut terdapat masing-masing tiga baris merk dan dua kolom tipe. Jumlah data yang disajikan pada tabel ini menunjukan angka-angka yang relatif besar mencapai angka seribuan, hal ini dikarenakan praktikan sebelumnya menggunakan variabel jumlah_produk untuk menghitung frekuensinya.

Cara membaca tabelnya dimulai dari sebelah kiri ke kanan. Pada bagian tabel dengan tujuan Bandung, merk Tyrex dengan tipe laki-laki ada 886 data sedangkan untuk tipe wanita datanya kosong, sehingga total data yang ada pada merk Tyrex untuk semua tipe ada 886 data. Tujuan Bandung dengan Merk Donatello tipe laki-laki ada 824 data dan wanita ada 987 data dengan total keseluruhannya 1811 data. Tujuan Bandung Merk Yongky Komaladi tidak mempunyai data tipe laki-laki dan tipe wanitanya ada 715 data, sehingga total keseluruhan semua tipe ada 715 data. Untuk total keseluruhan data yang ada di tujuan Bandung untuk tipe laki-lakinya ada 1710 data dan 1702 untuk data wanita dengan total keseluruhan 3412 data untuk semua tipe dan semua merk.

Untuk bagian tabel dengan tujuan Surabaya, merk Tyrex dengan tipe laki-laki ada 119 data dan 837 data untuk wanita yang total keseluruhannya ada 956 data. Merk Donatello hanya mempunyai data tipe laki-laki sebanyak 397 data. Begitupun dengan merk Yongky Komaladi yang juga hanya memiliki data tipe laki-laki sebanyak 678 data. Total keseluruhan data yang ada pada tabel tujuan Surabaya sebanyak 2031 data untuk semua tipe dan merk dengan rincian total tipe laki-laki sebanyak 1194 data dan 837 data untuk keseluruhan tipe wanita.

Jika ditotal secara keseluruhan maka data untuk semua merk dengan tipe laki-laki ada 2.904 data dan 2539 data untuk tipe wanita serta total keseluruhan data yang ada untuk semua tujuan, merk dan tipe sebanyak 5443 data.


Sebagai penutup, Crosstab sangat direkomendasikan untuk penelitian yang menggunakan analisis deskriptif asalkan datanya memiliki minimal dua variabel syarat/objek dan satu variabel nilai. Sekian artikel tutorial kali ini, jika ada hal yang ingin ditanyakan silahkan bertanya melalui kolom komentar dibawah. Semoga bermanfaat!

Cara Membuat Penelitian Deskriptif dengan Microsoft Excel

Analisis deskriptif merupakan metode eksplorasi data dengan menggunakan teknik aritmatika sederhana dan teknik grafis dalam meringkas data pengamatan. Analisis deskriptif banyak digunakan dalam berbagai hal seperti memaksimalkan telaahan data, mencari struktur data yang tersembunyi, dan lain sebagainya. Biasanya penelitian yang sifatnya kuantitatif maupun kualitatif menyertakan analisis deskriptif dibagian awal pembahasan untuk melihat rangkuman data penelitian secara umum.

Penyajian data dari analisis deskriptif ada dua macam:

1. Pendekatan secara numerik, seperti: Nilai mean, median, modus, dan lain sebagainya.

2. Pendekatan secara grafis, seperti: Ditampilkan dalam bentuk tabel, histogram, pie chart, dan lain sebagainya.

Microsoft Excel merupakan salah satu software yang paling mudah digunakan dalam analisa deskriptif. Berikut cara-cara menyelesaikan kasus analisa deskriptif dengan Microsoft Excel.

• Microsoft Excel

Contoh Data

Misalkan kita punya data seperti gambar diatas. Ada kolom nama mahasiswa, jenis kelamin, absensi (berapa kali mahasiswa tersebut masuk ke kelas), nilai UTS, dan nilai UAS. Data tersebut akan kita selesaikan dengan analisis deskriptif. Hasil analisis deskriptif yang akan kita cari seperti jumlah dari masing-masing nilai, nilai tertinggi, nilai terendah, nilai rata-rata, banyaknya data, banyak sel dalam tabel, banyaknya nilai dari mahasiswa perempuan, dan banyaknya jumlah nilai dari mahasiswa laki-laki.

Untuk menyelesaikan kasus tersebut, digunakan beberapa rumus excel sebagai berikut:

Mencari penjumlahan nilai (SUM)

Mencari rata-rata (AVERAGE)

Mencari nilai tertinggi (MAX)

Mencari nilai terendah (MIN)

Menghitung jumlah data yang bersifat numerik dari suatu range (COUNT)

Menghitung jumlah semua jenis data dari suatu range (COUNTA)

Menghitung jumlah data dengan kriteria yang ditentukan (COUNTIF)

Menjumlahkan nilai dari suatu range dengan kriteria tertentu (SUMIF)

Cara Penyelesaian

Baris ke-10 akan memberikan hasil penjumlahan nilai dari baris ke-2 sampai baris ke-9 pada masing-masing kolom.

Baris ke-11 akan memberikan nilai tertinggi yang ada di baris ke-2 sampai baris ke-9 pada masing-masing kolom.

Baris ke-12 akan memberikan nilai terendah yang ada di baris ke-2 sampai baris ke-9 pada masing-masing kolom.

Baris ke-13 akan memberikan nilai rata-rata yang ada di baris ke-2 sampai baris ke-9 pada masing-masing kolom.

Baris ke-14 akan menghitung banyaknya data yang ada di baris ke-2 sampai baris ke-9 pada masing-masing kolom.

Baris ke-15 akan menghitung banyaknya sel yang ada di sel A1 sampai sel F9.

Baris ke-16 akan menghitung jumlah sel yang bernilai "Perempuan" dari sel A1 sampai sel F9.

Baris ke-17 akan memberikan nilai penjumlahan dari masing-masing kolom dengan keterangan jenis kelamin "Laki-laki".

Hasil Penyelesaian