IBM SPSS STATISTICS VERSION 22

Oleh :
Abdullah M. Jaubah

Pendahuluan
Latihan ketiga ini merupakan latihan mengenai Exploratory Data Analysis. Analisis data ini
dapat membantu untuk menentukan apakah teknik-teknik statistik yang dipakai untuk analisis
data itu serasi atau tidak serasi. Prosedur explore menyediakan berbagai ragam ringkasan
secara visual dan numerikal dari data apakah untuk semua kasus atau kelompok kasus
tertentu. Variabel dependen harus merupakan suatu variabel berjenis scale, sedangkan
variabel-variabel untuk mengelompokkan mungkin berjenis ordinal atau nominal. Prosedur
explore ini dapat menyajikan data pada layar penampil, mengidenfitikasi outliers, mengecek
asumsi-asumsi, dan mencirikan perbedaan-perbedaan di antara kelompok-kelompok kasus.
Descriptive Statistics Across Groups
Panen jagung harus diuji untuk aflatocxin, yaitu suatu racun yang konsentrasin racun ini
berbeda-beda sekali antara dan di dalah hasil-hasil panen jagung. Suatu pengolah telah
menerima delapan hasil panen, akan tetapi distribusi dari aflatoxin dalam parts per billion
(PPB) harus diakses sebelum mereka dapat diterima. Contoh ini memakai arsip data
aflatixin.sav. Arsip data ini terdiri dari 16 sampel dari tiap 8 hasil panen. Sebagian dari data
ini dapat disajikan sebagai berikut :

Langkah-langkah pemakaian data di atas adalah sebagai berikut :L

Perintah Analyze > Descriptive Statistics > Explore dipakai. Langkah ini akan menyajikan
kotak dialog Explore sebagai berikut :

Tombol Plots ditekan. Langkah ini akan menyajikan kotak dialog Explore Plots.

Normality plots with tests dipilih. Tombol Continue ditekan. Tombol OK dalam kotak dialog
Explore ditekan. Langkah ini akan mencipta perintah sintaksis sebagai berikut :
GET
FILE='D:\SPSS22\aflatoxin.sav'.
EXAMINE VARIABLES=toxin BY yield
/PLOT BOXPLOT
/COMPARE GROUPS
/STATISTICS DESCRIPTIVES
/CINTERVAL 95
/MISSING LISTWISE
/NOTOTAL.

Hasil lain adalah sebagai berikut :

Descriptives
Corn Yield
Aflatoxin PPB

Statistic
Mean
95% Confidence Interval for Mean

20,2500
Lower Bound

17,9519

Upper Bound

22,5481

5% Trimmed Mean

20,4444

Median

21,5000

Variance

18,600

Std. Deviation
Minimum

Std. Error
1,07819

4,31277
12,00

Maximum

25,00

Range

13,00

Interquartile Range

8,00

Skewness

-,788

,564

Kurtosis

-,655

1,091

33,0625

3,04339

Mean
95% Confidence Interval for Mean

Lower Bound

26,5757

Upper Bound

39,5493

5% Trimmed Mean

31,7361

Median

29,0000

Variance

148,196

Std. Deviation

12,17357

Minimum

22,00

Maximum

68,00

Range

46,00

Interquartile Range

12,00

Skewness

1,898

,564

Kurtosis

3,880

1,091

32,6875

2,57669

Mean
95% Confidence Interval for Mean

Lower Bound

27,1954

Upper Bound

38,1796

5% Trimmed Mean

32,5417

Median

30,5000

Variance

106,229

Std. Deviation

10,30675

Minimum

16,00

Maximum

52,00

Range

36,00

Interquartile Range

10,75

Skewness

,589

,564

Kurtosis

-,270

1,091

14,6875

,66281

Mean
95% Confidence Interval for Mean

Lower Bound

13,2747

Upper Bound

16,1003

5% Trimmed Mean

14,6528

Median

14,5000

Variance
Std. Deviation

7,029
2,65126

Minimum

11,00

Maximum

19,00

Range

8,00

Interquartile Range

4,75

Skewness
Kurtosis
5

Mean
95% Confidence Interval for Mean

1,091

33,0000

1,55724

Upper Bound

36,3192

5% Trimmed Mean

32,5556

Median

32,0000

Variance

38,800
6,22896

Minimum

25,00

Maximum

49,00

Range

24,00
7,75

Skewness

1,021

,564

Kurtosis

1,536

1,091

31,3750

,71224

Mean
95% Confidence Interval for Mean

Lower Bound

29,8569

Upper Bound

32,8931

5% Trimmed Mean

31,3611

Median

32,0000

Variance

8,117

Std. Deviation

2,84898

Minimum

26,00

Maximum

37,00

Range

11,00

Interquartile Range

4,00

Skewness

-,019

,564

Kurtosis

-,089

1,091

17,0625

1,04670

Mean
95% Confidence Interval for Mean

Lower Bound

14,8315

Upper Bound

19,2935

5% Trimmed Mean

17,0694

Median

17,0000

Variance

17,529

Std. Deviation

4,18678

Minimum

9,00

Maximum

25,00

Range

16,00

Interquartile Range

-1,393

29,6808

Interquartile Range

,564

Lower Bound

Std. Deviation

,116

4,75

Skewness

-,094

,564

Kurtosis

,121

1,091

8,4375

,76903

Mean

95% Confidence Interval for Mean

Lower Bound

6,7984

Upper Bound

10,0766

5% Trimmed Mean

8,3750

Median

7,5000

Variance

9,463

Std. Deviation

3,07612

Minimum

4,00

Maximum

14,00

Range

10,00

Interquartile Range

5,50

Skewness

,469

,564

Kurtosis

-,954

1,091

Langkah mengakses bagaimana rata-rata dari Aflatocin PPB berubah-ubah menurut hasil
panen jagung, maka pivot dapat dipakai untuk menyajikan tabel deskriptif dalam usaha
menyajikan statistik yang diperlukan.
Descriptives
Mean
Corn Yield
Aflatoxin PPB

Statistic
1
2

20,2500
33,0625

Std. Error
1,07819
3,04339

32,6875

2,57669

14,6875

,66281

33,0000

1,55724

31,3750

,71224

17,0625

1,04670

8,4375

,76903

Pemakaian Boxplot untuk membandingkan kelompok-kelompok

Boxplots memungkinkan untuk membanding tiap kelompok memakai suatu ringkasan lima
bilangan yaitu median, kuartil kesatu, kuartil ketiga, dan nilai-nilai minimum dan maksimum
yang secara statistik tidak outlying. Outliers dan nilai-nilai ekstrim membutuhkan perhatian
khusus. Garis hitam tebal di dalam tiap kotak mencerminkan tanda kuartil kedua atau median
dari distribusi.

Pengujian Normalitas Distribusi Data

Pengujian normalitas distribusi data sering diperlukan sebagai salah satu syarat dari
pengujian persyaratan analisis. Tombol Plots ditekan sehingga kotak dialog Explore Plots
disajikan sebagai berikut :

Tombol Continue ditekan dan tombol OK dalam kotak dialog Explore ditekan. Langkah ini
akan menyajikan perintah sintaksis sebagai berikut :
EXAMINE VARIABLES=toxin BY yield
/PLOT BOXPLOT NPPLOT
/COMPARE GROUPS
/STATISTICS DESCRIPTIVES
/CINTERVAL 95
/MISSING LISTWISE
/NOTOTAL.

Tests of Normality
Kolmogorov-Smirnova
Corn Yield
Aflatoxin PPB

Statistic

df

Shapiro-Wilk
Sig.

Statistic

df

Sig.

,883

16

,044

,164

16

,200

,256

16

,006

,793

16

,002

,937

16

,311

,150

16

,200

,175

16

,200*

,931

16

,254

,126

16

,200*

,927

16

,220

,149

16

,200*

,974

16

,902

,182

16

,165

,968

16

,808

,182

16

,165

,928

16

,224

*. This is a lower bound of the true significance.

a. Lilliefors Significance Correction

Hasil Jagung kelompok 2 tidak memenuhi persyaratan penggujian normalitas distribusi data
sedangkan kelompok-kelompok lain memenuhi persyaratan pengujian normalitas distribusi
data karena nilai signifikansi Kolmogorov-Smirnov adalah lebih besar daripada nilai 0.05.
Ringkasan
Pemakaian prosedur Explore dapat untuk mencipta tabel ringkasan yang menunjukkan ratarata dari tingkat alfatonin yang mencerminkan tidak aman untuk lima hasil dari delapan hasil
panen jagung. Kelompok yang tidak aman adalah kelompok 1, 2, 3, 5, dan kelompok 6.
Kelompok 4, 7, dan kelompok 8 merupakan kelompok hasil panen jagung yang aman.
Pemakaian Explore dapat juga untuk melakukan pengujian atas normalitas distribusi data.
Kelompok kedua tidak memenuhi persyaratan pengujian normalitas distribusi data karena
nilai signifikansi Kolmogorov-Smirnov adalah lebih kecil daripada nilai 0.05.
Exploring Distribution
Suatu perusahaan manufaktur memakai silver nitride untuk mencipta keramik, yang harus
resisten terhadap temperatur dari 1500 derajat centrigrade atau lebih tinggi. Resistensi panas
dari suatu standar pengecoran diketahui sebagai distribusi normal. Suatu pengecoran baru
sedang dalam pengujian dan distribusinya tidak diketahui. Contoh ini memakai arsip data
Ceramics.sav.

Perintah Analyze > Descriptive Statistics > Explore dipakai

Degrees Centigrade dipilih sebagai

variabel dependen. Variabel Alloy dipilih

sebagai variabel Factor. Label Cases by diisi dengan Labunid. Tombol Statistics
ditekan.

10

Resistensi panas karena tidak diketahui maka robust estimate dari kecenderungan senrtal dan
tabel outliers diperlukan. Descriptives, M-estimators, dan Outliers dipilih. Tombol Continue
ditekan. Tombol Plots ditekan. Langkah ini akan menyajikan kotak dialog Explore : Plots
sebagai berikut :

Stem-and-leaf dipilih. Penujian normalitas distribusi data perlu dilakukan. Normality plots
with tests dipilih. Tombol Continue ditekan. Tombol OK dalam kotak dialog Explore ditekan.
Langkah-langkah ini akan mencipta perintah sintaksis sebagai berikut :
EXAMINE VARIABLES=temp BY batch
/ID=labrunid
/PLOT BOXPLOT STEMLEAF NPPLOT
/COMPARE GROUPS
/MESTIMATORS HUBER(1.339) ANDREW(1.34) HAMPEL(1.7,3.4,8.5) TUKEY(4.685)

11

/STATISTICS DESCRIPTIVES EXTREME

/CINTERVAL 95
/MISSING LISTWISE
/NOTOTAL.

Prosedur ini menguji nilai-nilai dari temp dengan nilai-nilai dari batch. Subperintah ID
dipakai untuk melakukan spesifikasi bahwa kasus-kasus dalam hasil akan diberi label dengan
nilai-nilai dari labrunid. Subperintah Plot dipakai untuk meminta boxplots, stem-and-leaf
plots, dan normality plots. Subperintah MESTIMATOR dipakai untuk meminta Huber's,
Andrews', Hampel's, dan Tukey's robust estimators of location with default weights.
Numerical Description of Shape.
Descriptives
Alloy
Degrees Centigrade Premium

Statistic
Mean
95% Confidence Interval for Mean

1542,0787
Lower Bound

1540,8738

Upper Bound

1543,2836

5% Trimmed Mean

1541,2805

Median

1539,7181

Variance

Standard

Std. Error
,61165

89,789

Std. Deviation

9,47569

Minimum

1530,44

Maximum

1591,04

Range

60,61

Interquartile Range

11,51

Skewness

1,439

,157

Kurtosis

3,036

,313

1514,6564

,62004

Mean
95% Confidence Interval for Mean

Lower Bound

1513,4350

Upper Bound

1515,8779

5% Trimmed Mean

1514,7302

Median

1514,5317

Variance

92,269

Std. Deviation

9,60566

Minimum

1488,30

Maximum

1537,99

Range

49,69

Interquartile Range

13,51

Skewness

-,078

,157

Kurtosis

-,343

,313

12

Tabel Descriptives table

dipivote sehingga

Alloy terletak dalam lapisan tabel pivot,

dengan penyajian pertama. Rata-rata, trimmed mean, dan median hampir sama dan statistik
skewnes dan kurtosis mendekati nilai 0. Hal ini membuktikan bahwa resistensi panas dalam
beban standar terdistribusi secara normal. Beban premium menjelaskan suatu cerita berbeda.
Rata-rata adalah lebih tinggi daripada trimmed mean atau median; outliers atau nilai-nilai
ekstrim terpusat ke atas. Statistik skewness dan kurtosis juga menandung bukti dari nilai-nilai
secara tidak seimbang pada tingkat atas dari distribusi.

M-Estimators
Alloy

Huber's M-Estimatora

Tukey's Biweightb

Hampel's M-Estimatorc

Andrews' Waved

Degrees Centigrade Premium

1540,0953

1539,5658

1540,2052

1539,5506

Standard

1514,6413

1514,6925

1514,6828

1514,6955

a. The weighting constant is 1,339.

b. The weighting constant is 4,685.
c. The weighting constants are 1,700, 3,400, and 8,500
d. The weighting constant is 1,340*pi.

Robust estimate, dalam kasus ini, untuk beban premium adalah sangat dekat dengan median
(1539.72). Ukuran-ukuran ini tidak ada yang dekat dengan rata-rata, hal ini dapat
mencerminkan indikasi bahwa distribusi adalah tidak normal.
Robustness and Influential Values
Extreme Values
Alloy
Degrees Centigrade

Premium

Case Number
Highest

Lowest

Standard

Highest

labrunid

Value

211 d421

1591,04

417 g837

1574,62

17 a 17

1571,77

437 h917

1568,10

357 f657

1567,07

139 c289

1530,44

475 h955

1530,73

199 d379

1530,75

373 g733

1530,76

207 d387

1530,79

408 g828

1537,99

198 d378

1534,29

13

Lowest

20 a 20

1534,06

168 c318

1533,43

184 d364

1533,35

396 g816

1488,30

100 b190

1488,36

80 b170

1494,09

154 c304

1494,64

240 d450

1495,15

Table dari nilai-nilai ekstrim menyajikan lima nilai tertinggi dan terendah dari pengecoran.
Beban premium berkisar dari lima deviasi standar di atas pada satu deviasi standar di bawah
rata-rata. Hal ini dapat mencerminkan bahwa panas yang lebih tinggi daripada beban standar
dan tidak pernah gagal di bawah 1530 degree centrgrade.
Apakah distribusi itu normal atau tidak normal?
Tests of Normality
Kolmogorov-Smirnova
Alloy

Statistic

df

Shapiro-Wilk
Sig.

Statistic

df

Sig.

Degrees Centigrade Premium

,123

240

,000

,888

240

,000

Standard

,027

240

,200*

,995

240

,602

*. This is a lower bound of the true significance.

a. Lilliefors Significance Correction

Pengujian normalitas menunjukkan suatu kurva normal pada data aktual. Suatu pengujian
signifikansi berarti bahwa kecocokan adalah lemah. Pengujian signifikansi untuk pengecoran
standar adalah signifikan dan cocok dengan kurva normal.
Degrees Centigrade Stem-and-Leaf Plot for
batch= Premium
Frequency
24,00
22,00
26,00
26,00
24,00
19,00
25,00
10,00
12,00
10,00
8,00
4,00
6,00

Stem &
153
153
153
153
153
154
154
154
154
154
155
155
155

.
.
.
.
.
.
.
.
.
.
.
.
.

Leaf
000000011111111111111111
2222222222333333333333
44444444445555555555555555
66666666666666777777777777
888888888888899999999999
0000000000111111111
2222222222222223333333333
4444455555
666666667777
8888999999
00111111
2223
445555

14

6,00
155
6,00
155
3,00
156
3,00
156
6,00 Extremes
Stem width:
Each leaf:

.
.
.
.

666667
888899
011
223
(>=1566)

10,00
1 case(s)

Stem-and-leaf plots memakai nilai-nilai data asli untuk menyajikan bentuk distribusi. Plot
untuk beban premium menampakkan statistik skewness positif sebagaimana tercermin dalam
tabel deskriptif, nilai-nilai ckuster secara seragam dalam suatu rentang dari 1530 hingga 1543
derajat, kemudian terpencar secara bertahap pada temperatur yang lebih tinggi.

Q-Q Plot disajikan. Garis luurus dalam plot ini mewakili nilai-nilai diharap jika data
terdistribusi secara normal. Nilai-nilai beban premium yang diobservasi sangat menyimpang
dari garis terutama jika temperatur mengalami kenaikan.
Perintah sintaksis telah dikumpulkan dan dapat disajikan sebagai berikut :

15

****************************************************************
******* Abdullah M. Jaubah
****************************************************************

GET
FILE='D:\SPSS22\aflatoxin.sav'.

****************************************************************
******* Explore
****************************************************************
EXAMINE VARIABLES=toxin BY yield
/PLOT BOXPLOT
/COMPARE GROUPS
/STATISTICS DESCRIPTIVES
/CINTERVAL 95
/MISSING LISTWISE
/NOTOTAL.
****************************************************************
******* Pengujian Normalitas Distribusi Data
****************************************************************
EXAMINE VARIABLES=toxin BY yield
/PLOT BOXPLOT NPPLOT
/COMPARE GROUPS
/STATISTICS DESCRIPTIVES
/CINTERVAL 95
/MISSING LISTWISE
/NOTOTAL.
****************************************************************
******* Explore
****************************************************************
GET
FILE='D:\SPSS22\ceramics.sav'.
****************************************************************
******* Normality Plots with Tests
****************************************************************
EXAMINE VARIABLES=temp BY batch
/ID=labrunid
/PLOT BOXPLOT STEMLEAF NPPLOT
/COMPARE GROUPS
/MESTIMATORS HUBER(1.339) ANDREW(1.34) HAMPEL(1.7,3.4,8.5) TUKEY(4.685)
/STATISTICS DESCRIPTIVES EXTREME
/CINTERVAL 95
/MISSING LISTWISE
/NOTOTAL.

Arsip sintaksis di atas dinamakan alfatoxin.sps yang terdiri dari dua arsip data. Hal ini berarti
bahwa sintaksis SPSS dapat menampung beberapa arsip data dalam satu arsip sintaksis.
Ringkasan
Pemakaian prosedur explore dapat dipakai untuk menemukan pengecoran premium
mempunyai suatu distribusi berbeda dari pengecoran standar. Hal ini berarti bahwa resistensi
panas rata-rata untuk pengecoran baru adalah lebih tinggi daripada untuk pengecoran standar.
16

Bukti terdapat bahwa rata-rata mungkin bukan merupakan suatu ukuran yang baik untuk
kecenderungan sentral untuk pengecoran premium. Robust estimates dari kecenderungan
sentral membuktikan superioritas dari pengecoran premium.
Beberapa Prosedur Terkait
Prosedur explore adalah suatu prosedur yang sangat bermanfaat untuk secara visual dan
numerik membandingkan kelompok-kelompok, meringkas distribusi-distribusi, menguji
asumsi mengenai normalitas distribusi data, dan mengungkap observasi-observasi outliers.
Hal ini adalah mudah untuk mengasumsikan tanpa mengungkap data tidak mempunyai
outliers, nilai-nilai ekstrim, atau masalah-masalah distribusi. Prosedur explore telah dapat
mempermudah untuk mengungkap validasi data dengan asumsi-asumsi bersangkutan.
Variabel dependen jiga berjenis variabel kategorikal maka prosedur crosstabs dapat dipakai.
Prosedur lain memungkinkan untuk melapisi pengelompokan variabel-variabel sehingga
dapat menguji statistik ringkasan untuk faktor-faktor klasifikasi silang.
Suatu arisp sintaksis dapat mengandung dua arsip data atau lebih. Hal ini berarti bahwa
beberapa arsip sintaksis dapat digabung ke dalam satu arsip sintaksis sehingga pelaksanaan
sintaksis gabungan ini adalah lebih cepat daripada arsip sintaksis yang tidak digabung.
Daftar Kepustakaan
IBM SPSS Statistics, Inc. 2013. Case Studies

Permata Depok Regency, 2 April 2016

17