SPSS Dan Keunggulannya

a.      Pengertian SPSS Dan Keunggulan SPSS

SPSS adalah sebuah program komputer yang digunakan untuk membuat analisis statistika. SPSS dipublikasikan oleh SPSS Inc.

SPSS (Statistical Package for the Social Sciences atau Paket Statistik untuk Ilmu Sosial) versi pertama dirilis pada tahun 1968, diciptakan oleh Norman Nie, seorang lulusan Fakultas Ilmu Politik dari Stanford University, yang sekarang menjadi Profesor Peneliti Fakultas Ilmu Politik di Stanford dan Profesor Emeritus Ilmu Politik di University of Chicago.

SPSS adalah salah satu program yang paling banyak digunakan untuk analisis statistika ilmu sosial. SPSS digunakan oleh peneliti pasar, peneliti kesehatan, perusahaan survei, pemerintah, peneliti pendidikan, organisasi pemasaran, dan sebagainya. Selain analisis statistika, manajemen data (seleksi kasus, penajaman file, pembuatan data turunan) dan dokumentasi data (kamus metadata ikut dimasukkan bersama data) juga merupakan fitur-fitur dari software dasar SPSS.

b.    Fungsi Penggunaan SPSS (Statistical Package for the Social Science)

SPSS merupakan program aplikasi untuk melakukan perhitungan statistik dengan menggunakan komputer. Yang perlu dikakuan adalah  mendesain variabel yang akan dianalisis,  memasukkan data, dan melakukan perhitungan dengan menggunakan tahapan yang ada pada menu yang tersedia. Setelah itu, hasil perhitungan dianalisis.

c. Langkah-langkah Analisis Korelasi dengan SPSS versi 21

1. Buka program SPSS, klik Variable View, Selanjutnya, pada bagian Name tulis saja X1, X2 dan Y, pada Decimals ubah semua menjadi angka 0, pada bagian Label tuliskan Motivasi, Minat ,dam Prestasi.

2. Setelah itu, klik Data View, dan masukkan data Motivasi, Minat dan Prestasi yang sudah dipersiapkan tadi.

3. Selanjutnya, dari menu utama SPSS, pilih menu Analyze, klik Correlate, dan klik Bivariate

4. Muncul kotak dialog dengan nama Bivariate Correlations, Masukkan variabel Motivasi (X1) dan Minat (X2) dan Prestasi (Y) pada kotak Variables, selanjutnya, pada kolom Correlation Coefficient, pilih Pearson, lalu untuk kolom Test of Significant, Pilih Two-tailed, dan centang pada Flag Significant Correlations, terakhir klik Ok untuk mengakhiri perintah.

Setelah selasai, maka akan muncul tampilan output SPSS tinggal kita interprestasikan saja.

Berdasarkan output di atas, kita akan melakukan pernarikan kesimpulan dengan merujuk pada dasar pengambilann keputusan uji korelasi.

d..Contoh penggunaan program SPSS

Perhitungan Chi- Square:

·                     Contoh kasus:

Saat musim mangga, dilakukan penelitian pada 48 pasien di Puskesmas A. Data lengkap pada tabel di bawah ini.
Apakah ada hubungan antara konsumsi mangga dengan kejadian diare di wilayah XX, Puskesmas A? Chi tabel : 3, 841
Langkah-langkah yang dilakukan:

·                     Menentukan hipotesis

H0 : Tidak ada hubungan antara kejadian diare dengan konsumsi mangga
Ha : Ada hubungan antara kejadian diare dengan konsumsi mangga
1. Buka program SPSS

Tampilan SPSS

2. Klik variable view yang ada pada bagian kiri bawah. Lalu isi variabel yang sesuai. Tuliskan nama variabel ‘sakit’ dan ‘perilaku’, tipe data (numerik), label. Pada values, isikan label values variabel sakit dengan angka 1=sakit dan 2=tidak sakit. Lalu label values variabel perilaku 1 = makan mangga dan 2 = tidak makan mangga.

Tampilan variable view

3. Klik ‘Data View’. Pada kolom ‘sakit’, masukkan angka 1 (sakit) dari baris 1-30, dan angka 2 (tidak sakit) dari baris 31-48. Kemudian pada kolom ‘perilaku’, tuliskan angka 1 dari baris 1-21, angka 2 pada baris 22-30. Lalu angka 1 lagi pada baris 31-38, dan angka 2 pada baris 39-48.

Tampilan Data View

4. Klik ‘analyze’ pada deretan menu. Pilih ‘Descriptive statistic’, kemudian klik ‘crosstab’.

Menganalisa data

Akan muncul sebuah jendela Crosstab. Klik variabel ‘perilaku’ dan masukkan ke ‘row’. Lalu variabel ‘sakit’ pada ‘coloumn’. Pada bagian ‘Statistics’ beri tanda conteng pada ‘chi-square’. Lalu klik OK.

Crosstabulasi

5. Akan muncul output seperti di bawah ini.

e..Output SPSS

Hasil perhitungannya terlihat seperti pada tabel di bawah ini.

Hasil perhitungan

Jadi nilai yang dilihat untuk tabel 2×2 adalah pada pada ‘b’, nilainya 0, 066. Lebih kecil dibanding Chi tabel. Maka Ho diterima. Yang artinya bahwa tidak ada hubungan antara kejadian diare dengan konsumsi mangga.

Contoh di atas hanya segelintir dari pemanfaatan program SPSS untuk mempermudah perhitungan statistik. Ada banyak pilihan analisa yang bisa digunakan sesuai penelitian yang dilakukan.

 

f..Output Tabel Statistik

Tabel statistik ditunjukkan seperti Gambar 5.10 di bawah, terlihatbeberapa hal hasil pengolahan yang dapat dijelaskan sebagaiberikut.

•

N menunjukkan jumlah data yang diproses, yaitu 20 buahdata.

•

Mean menunjukkan rata-rata dari masing-masing variabelsemua responden.

•

Median menunjukkan titik tengah data, yaitu jika data diurut-kan dan dibagi dua sama besar.

•

Mode menunjukkan nilai yang paling sering muncul dalamsuatu range statistik.

•

Standard deviasi menunjukkan dispersi rata-rata dari sampel.

 

78

•

Minimum menunjukkan data terkecil dari sekelompok varia-bel.

•

Maximum menunjukkan nilai data yang terbesar, demikianseterusnya.

Gambar 5.10. Tabel Statistik 

Output Tabel Frekuensi

Output berikutnya dari hasil pengolahan data di atas yang masihtampil pada lembar analisa ini adalah tabel Frekuensi. Tabel inimenunjukkan frekuensi kemunculan data seperti Gambar 5.11.Pada output tersebut dapat dijelaskan beberapa hal sebagaiberikut.

•

Frequency

, menunjukkan jumlah responden yang memilikiumur tertentu. Seperti responden dengan umur 16 tahun ada1 orang, responden dengan umur 18 tahun ada 1 orang,demikian seterusnya.

 

79

•

Percent 

, menunjukkan prosentase dari jumlah data yangmemiliki tinggi tertentu.

Percent 

, menunjukkan prosentase dari jumlah data yangmemiliki tinggi tertentu.

Gambar 5.11. Tabel Frequency Umur Gambar 5.12. Frekuensi Pendidikan 

Dari tabel frekuensi Pendidikan pada Gambar 5.12 bisa dilihatbahwa terdapat 2 reponden yang lulusan SD, 1 reponden yanglulusan SMP, dan 4 responden yang lulusan SMA, serta 1 respon-den lulusan Perguruan Tinggi.

 

80

Gambar 5.13. Frekuensi Jenis Kelamin 

Dari table frekuensi Jenis kelamin bisa dilihat bahwa ada 3 res-ponden yang jenis kelamin laki-laki dan 5 responden yang me-miliki jenis kelamin perempuan.

Gambar 5.14. Frekuensi Keterangan 

Sedangkan dari tabel keterangan bisa dilihat bahwa terdapat 3responden mengatakan setuju, 3 responden mengatakan ragu-ragu, dan 3 responden juga yang menyatakan tidak setuju.

Output Grafik

Output terakhir yang ada dalam lembar data output adalahtampilan grafik

bar chart.

Laporan berbentuk grafik ini akan cukuppenting karena mempermudah pemakai untuk memahami secaracepat isi dari sebuah laporan yang disajikan.

 

81

Gambar 5.15. Output Grafik 

Prosedur Descriptives

Statistik dengan analisis deskriptif, sebenarnya hampir samadengan statistik frekuensi, yaitu menghasilkan analisa dispersi(standard deviasi, minimum, maksimum), distribusi (kurtosis,skewness) dan

mean 

,

sum,

dan lain sebagainya.Analisis ini juga memiliki kegunaan pokok untuk melakukanpengecekan terhadap input data, mengingat bahwa analisis iniakan menghasilkan resume data secara umum. Seperti berapa jumlah responden laki-laki, berapa jumlah responden perempuan,dan sebagainya. Disamping itu, analisis ini juga memiliki kegu-naan untuk menyediakan informasi deskripsi data dan demografisampel yang diambil.Sebagian besar analisis statistik memang dikalkulasi mengguna-kan prosedur frekuensi, tetapi prosedur analisis deskritif memilikikeunggulan, yaitu lebih efisien dalam beberapa hal karena tidakmelakukan sorting atau pengurutan data nilai ke tabel frekuensi.

Gambar 5.15. Output Grafik

Output Grafik

Output terakhir yang ada dalam lembar data output adalahtampilan grafik

bar chart.

Laporan berbentuk grafik ini akan cukuppenting karena mempermudah pemakai untuk memahami secaracepat isi dari sebuah laporan yang disajikan.

Gambar 5.12. Frekuensi Pendidikan 

Dari tabel frekuensi Pendidikan pada Gambar 5.12 bisa dilihatbahwa terdapat 2 reponden yang lulusan SD, 1 reponden yanglulusan SMP, dan 4 responden yang lulusan SMA, serta 1 respon-den lulusan Perguruan Tinggi.

Statistik Deskriptif dengan SPSS

By Eris Kusnadi

Statistik selalu digunakan ketika parameter yang menggambarkan karakteristik populasi tidak diketahui. Statistik  akan mengambil sebagian (kecil) dari populasi untuk dilakukan pengukuran, kemudian hasil pengukuran tersebut dijadikan sebagai kesimpulan terhadap keseluruhan populasi. Sebagian (kecil) dari populasi tersebut dinamakan sampel. Ibarat kita ingin mengetahui rasa sepanci sayur asam, kita tidak perlu menenggak satu panci tapi cukup mencicipinya sebanyak satu sendok.

Terdapat dua jenis statistik yang digunakan ketika penelitian, yaitu:  statistik deskriptif  (descriptive statistics) dan statistik inferensi (inferential statistics). Statistik deskriptif  hanya menggambarkan data atau seperti apa data ditunjukkan, sementara statistik inferensi mencoba untuk mencapai  kesimpulan (bersifat induktif) dari data dengan kondisi yang lebih umum (Trochim, 2006), misal: point estimation, confidence interval estimation, hypothesis testing.

Statistik deskriptif adalah metode-metode yang berkaitan dengan pengumpulan dan penyajian suatu gugus data sehingga menaksir kualitas data berupa jenis variabel, ringkasan statistik (mean, median, modus, standar deviasi, etc), distribusi, dan representasi bergambar (grafik), tanpa  rumus probabilistik  apapun (Walpole, 1993; Correa-Prisant, 2000; Dodge, 2006). Pada SPSS, analisis statistik deskriptif dilakukan dengan meng-klik menu Klik [Analyze] -> [Descriptive Statistics], kemudian terdapat pilihan: Frequencies, Descriptives, Explore, Crosstabs, dan Ratio. Dalam penelitian-penelitian, perintah-perintah ini sering diabaikan karena memang dalam beberapa fungsi analisis lain sudah otomatis tercantum analisis deskriptifnya.

Dengan data sebagaimana ditunjukkan Tabel 1 di bawah ini, kita akan mempraktekkan operasi submenu Frequencies, Descriptives, Explore, dan Crosstabs. Fungsi Ratio tidak akan dibahas karena bagi saya; yang belajar di SPSS 11, ini tergolong baru   , fasilitas Ratio mulai diperkenalkan pada SPSS versi 11.5, pada dasarnya berfungsi menyediakan ringkasan statistik yang berupa rasio-rasio.

Tabel 1
Data Nilai Mahasiswa (bukan data sebenarnya)

Nama	Usia	Jenis Kelamin	Nilai APK	Nilai PPC	Nilai PLO
Suhairi	20	Laki-Laki	80	50	70
Ambon	21	Laki-Laki	70	70	90
Astri	22	Perempuan	60	80	70
Henri	21	Laki-Laki	80	90	60
Yugos	22	Laki-Laki	90	60	70
Muji	19	Perempuan	70	80	80
Tatang	20	Laki-Laki	60	70	40
Ferdi	21	Laki-Laki	60	90	60
Arsyad	21	Laki-Laki	70	70	40
Fauzan	21	Laki-Laki	90	80	60

*) Laki-Laki (Value: 1), Perempuan (Value: 2)

Langkah pertama yang perlu dilakukan adalah meng-entry data, tentunya anda perlu paham dasar-dasar SPSS (silahkan baca posting sebelumnya yang berjudul: Dasar-Dasar SPSS). Entry data dilakukan pada tab sheet Data View setiap baris mewakili  satu responden, sedangkan setiap kolom mewakili  satu variabel, dalam kasus ini variabelnya adalah: Nama, Usia, Jenis Kelamin, Nilai APK, Nilai PPC, dan Nilai PLO. Berikut langkah-langkah entry datanya:

• Masukkan variabel: Nama untuk “Nama”, Usia untuk “Usia”, Genderuntuk “Jenis Kelamin”, APK untuk “Nilai APK”, PPC untuk “Nilai PPC”, dan PLO untuk “Nilai PLO” pada kolom Name pada tab sheet [Variable View].
• Berilah label untuk masing-masing variabel dengan menuliskannya pada kolom Label: Usia, Jenis Kelamin, Nilai APK, Nilai PPC, dan Nilai PLO. Hal ini berarti: variabel Gender mempunyai label “Jenis Kelamin”, variabel APK mempunyai label “Nilai APK”, dan seterusnya.
• Untuk variabel Gender pada kolom Values, definisikan Value: 1 = Laki-laki dan Value: 2 = Perempuan.
• Untuk variabel Nama (baris pertama ) pada kolom Type, ubah tipe data menjadi String.
• Pada kolom Decimals isi nol untuk semua variabel.
• Untuk kolom lainnya seperti Width, Missing, dan Columns biarkan tetap default SPSS.
• Jangan lupa ”save”  atau tekan Ctrl + S. Secara default SPSS akan memberi nama file: data_1.sav, saya merubah nama file menjadi eRiskProject_1.sav.

Gambar 1. Entry Variabel pada Tab Sheet Variable View

• Kemudian klik tab sheet [Data View] dan mulailah meng-entry data seperti yang diperlihatkan Gambar 2 di bawah ini.

Gambar 2. Entry Data pada Tab Sheet Data View

• Untuk melihat hasil definisi Value pada variabel Gender, klik ikon , variabel Gender akan terdefinisi menjadi laki-laki dan perempuan, tidak lagi berisi angka 1 dan 2.
• Selanjutnya, kita ingin menjumlahkan nilai APK, PPC, dan PLO, Klik menu [Transform] –> [Compute], muncul dialog box Compute Variable.
• Buatlah variabel baru dengan nama “total” untuk menempatkan hasil penjumlahan nilai APK, PPC, dan PLO, caranya: tuliskan “total” pada form Target Variable. Kemudian Klik [Type & Label], beri label “Nilai Total“.
• Ketik “APK + PPC + PLO” (sesuai nama variabel dan perintah penjumlahan ) pada form Numeric Expression. Anda juga dapat menggunakan tombol-tombol yang tersedia pada dialog box, lihat Gambar 3.

Gambar 3. Contoh Perintah Penjumlahan pada Dialog Box Compute Variable

• Klik [OK]. Pada Data View akan muncul variabel baru dengan nama “Total” (lihat Gambar 4).

Gambar 4. Output dari Perintah Penjumlahan pada Dialog Box Compute Variable

Setelah data di-entry, selanjutnya memulai menggunakan perintah-perintah statistik deskriptif. Tahap pertama adalah menggunakan perintah Frequencies.

1. Frequencies

Perintah Frequencies digunakan untuk memperoleh jumlah pada nilai-nilai sebuah variabel tunggal. Langkah-langkahnya adalah sebagai berikut:

• Klik menu [Analyze] -> [Descriptive Statistics] -> [Frequencies].
• Muncul dialog box Frequencies. Klik “Jenis Kelamin [Gender]” ‐> klik  , (untuk memasukkan variabel Jenis Kelamin ke form Variables(s). Kita akan menganalisis variabel Jenis Kelamin.
• Jangan lupa centang Display frequency tables.

Gambar 5. Dialog Box Frequencies

• Agar menampilkan representasi bergambar (grafik), klik [Charts], maka akan muncul dialog box Frequencies: Charts. Saya memilih Bar charts pada form Chart Type. Pada form Chart Values , saya memilih Percentages (Lihat Gambar 6).

Gambar 6. Menampilkan Bar Charts pada Dialog Box Frequencies: Charts

• Kemudian klik [Continues] untuk kembali ke dialog box Frequencieslalu klik [OK] maka muncul jendela SPSS Viewer  yang menunjukkan hasil analisis frekuensi (lihat Gambar 7).

a) Sebelah kiri adalah Outline view dalam bentuk tree files, fungsinya sebagai navigasi dalam melihat outputanalisis. b) Sebelah kanan adalah Display output, fungsinya menampilkan seluruh hasil analisis yang telah kita lakukan.

Gambar 7. Display Output pada SPSS Viewer

Pada Gambar 7 terlihat hasil analisis SPSS, di mana pada tabel pertama N Valid = 10 yang menunjukkan jumlah responden 10 orang dan N Missing = 0 yang berarti tidak ada data yang hilang (missing). Pada tabel yang kedua terlihat hasil analisis Frequencies terhadap variabel Jenis Kelamin, di mana jumlah responden laki-laki 8 orang (80%) dan responden perempuan ada 2 orang (20%). Jika scroll digeser ke bawah akan terlihat Bar Chart (lihat  Gambar 8) yang menunjukkan visualisasi jumlah responden laki-laki dan perempuan.

Gambar 8. Bar Chart

Perhatikan kriteria “laki-laki” dan “perempuan“, ini merupakan hasil definisi value variabel Gender pada kolom Values, di mana Value: 1 = Laki-laki dan Value: 2 = Perempuan. Jika definisi value diabaikan maka pada bar chart maupun tabel analisis yang terlihat bukan laki-laki dan perempuanmelainkan 1 dan 2. Begitu juga judul tabel dan judul histogram: “jenis kelamin“, ini merupakan hasil dari proses label yang telah kita lakukan untuk variabel Gender. Fungsi label ini bermanfaat untuk para pembaca analisis, misal penguji pada sidang Tugas Akhir / Skripsi. Selanjutnya adalah penggunaan perintah Descriptives.

2. Descriptives

Dengan menggunakan data sebelumnya langkah-langkah perintah Descriptivesadalah sebagai berikut:

• Klik menu [Analyze] -> [Descriptives Statistics] -> [Descriptives].
• Muncul dialog box Descriptives. Masukkan variabel yang akan dianalisis ke form Variables(s). Untuk melakukan setting optional klik [Options].
• Muncul dialog box Descriptives: Options. Centang analisis yang diperlukan. Dalam hal ini pilihannya adalah: Mean, Std. deviation, Minimum, Maximum, Kurtosis, Skewness, dan pada form Display Order centang Variable list.

Gambar 9. Langkah-Langkah Descriptives Statistics

• Klik [Continue] dan [OK]. Hasil analisis akan terlihat seperti tabel yang ditunjukkan Gambar 10 di bawah ini:

Gambar 10. Output Descriptives

Tabel output di atas menunjukkan jumlah pengukuran (N), nilai minimum (Minimum), nilai maksimum (Maximum), nilai rata-rata (Mean), standar deviasi (Std.), Skewness, dan Kurtosis dari masing-masing variabel. Nilai skewness merupakan ukuran kesimetrisan histogram, sedangkan kurtosis merupakan ukuran datar atau runcingnya histogram. Idealnya nilai skewness dan kurtosis pada distribusi normal adalah nol. Oleh karena itu:

• Jika nilai skewness positif maka distribusi data “miring ke kiri distribusi normal” (ada frekuensi nilai yang tinggi di sebelah kiri titik tengah distribusi normal), sebaliknya apabila skewness negatif maka distribusi data ”miring ke kanan distribusi normal” (kiri bagi kita yang melihatnya).
• Jika nilai kurtosis positif maka distribusi data “meruncing” (ada satu nilai yang mendominasi), sebaliknya apabila Kurtosis Negatif maka distribusi data “melandai” (varians besar).

Perhatikan Gambar 10 di atas, variabel Usia memiliki skewness negatif dan kurtosis positif, artinya distribusinya “miring ke kiri distribusi normal” dan “meruncing”. Pada variabel nilai APK, nilai skewness positif dan nilai kurtosis negatif, artinya distribusinya “miring ke kanan distribusi normal” dan “melandai”. Sebagai pembuktian, buat histogram untuk variabel Usia dan Nilai APK. Berikut caranya:

• Klik menu [Graphs] -> [Histogram], maka muncul dialog boxHistogram.
• Pilih variabel Usia dan masukkan dalam form Variable.
• Centang Display normal curve, untuk memperlihatkan kurva normal.
• Selanjutnya klik [OK].

Lakukan langkah yang sama untuk variabel nilai APK. Hasilnya bisa dilihat pada Gambar 12.

Gambar 11. Menampilkan Histogram bersama Kurva Normal

Gambar 12. Analisis Skewness dan Kurtosis pada Histogram

Gambar 12 di atas menunjukkan histogram untuk variabel Usia  memiliki distribusi “miring ke kiri distribusi normal” karena nilainya skewness negatif  dan “meruncing” karena nilai kurtosis positif. Sebaliknya, histogram untuk variabel Nilai APK  memiliki distribusi “miring ke kanan distribusi normal” karena nilainya skewness positif  dan “melandai” karena nilai kurtosis negatif. Di sini, anda bisa menentukan apakah distribusi tersebut normal atau tidak. Anda bisa saja menyatakan normal, karena menyerupai bentuk lonceng tetapi agak serong, tapi  orang lain mungkin akan menyatakan tidak normal karena jauh dari bentuk lonceng. Jika sulit mengambil keputusan, silahkan lakukan pengujian normalitas yang lebih advance, misal dengan Uji Kolmogorov-Smirnov. Selanjutnya, kita masuk pada penggunaan perintah Explore.

3. Explore

Perintah Explore digunakan untuk membandingkan antara dua atau lebih kelompok dengan satu  variabel. Sebagai contoh, jika kita menggunakan Jenis Kelamin sebagai variabel independen; variabel ini mendefinisikan kelompok (Laki-Laki dan Perempuan), kemudian membandingkannya dengan variabel lain, seperti Usia. Perintah Explore; contoh  dalam kasus mean, akan menghasilkan  berapa rata-rata usia laki-laki dan berapa rata-rata usia perempuan.  Ukuran-ukuran yang dihasilkan perintah Explore  antara lain: ukuran-ukuran pemusatan data (mean dan median), ukuran penyebaran (range, interquartile range, standar deviasi, varians, minimum, dan maksimum), ukuran kurtosis, dan skewness.

Berikut langkah-langkah perintah Explore:

• Klik menu [Analyze] -> [Descriptives Statistics] -> [Explore].
• Muncul dialog box Explore.
• form Factor List, isi: variabel Jenis Kelamin.
• form Dependent List, isi: variabel Usia, Nilai APK, Nilai PPC, Nilai PLO, dan Nilai Total.
• Form Display ada tiga pilihan Both, Statistics, dan Plots. Saya hanya memilih [Statistics].
•      Klik [Plots] bila perlu grafik boxplot.
•      Klik [Statistics] bila tidak perlu grafik boxplot.
•      Klik [Both] bila perlu keduanya.
• Terakhir klik [OK].

Gambar 13. Dialog Box Explore

Gambar 14. Contoh Output Explore untuk Variabel Usia

Selanjutnya, kita masuk pada penggunaan perintah Crosstabs.

4. Crosstabs

Jika perintah Frequencies digunakan untuk memperoleh jumlah pada nilai-nilai sebuah variabel tunggal, perintah  Crosstabs digunakan untuk memperoleh jumlah pada nilai-nilai lebih dari satu variabel. Apabila analisis statistik deskriptif sebelumnya mengolah data secara keseluruhan dalam setiap variabel dengan menghitung perhitungan statistik seperti Mean, Standar deviasi, Kurtosis, etc. Pada Crosstabs, setiap nilai pada variabel yang dianalisis dijabarkan jumlahnya, dengan begitu kita dapat mengetahui berapa jumlah subyek laki-laki yang berusia 19 tahun, 20 tahun, dst. Deskripsi data pada Crosstabs akan disajikan dalam bentuk tabel silang (crosstab) yang terdiri dari baris dan kolom.

Berikut langkah-langkah perintah Crosstabs:

• Klik menu [Analyze] -> [Descriptives Statistics] -> [Crosstabs].
• Muncul dialog box Crosstabs.
• form Column(s), isi: variabel Jenis Kelamin.
• form Row(s), isi dengan variabel yang akan dianalisis, dalam hal ini isi dengan variabel Usia.

Gambar 15. Dialog Box Crosstabs

• Klik pilihan [Display clustered bar charts], pilihan ini untuk menampilkan chart bar dari output.
• Untuk dialog box [Statistics], [Cells], dan [Format] biarkan sesuai dengan default SPSS.
• Terakhir klik [OK].

Gambar 16. Output Crosstabs

Gambar 17. Clustered Bar Charts

Statistik deskriptif memberikan informasi inti dari kumpulan data, seperti ukuran-ukuran pemusatan data (mean dan median), ukuran penyebaran (range, interquartile range, standar deviasi, varians, minimum, dan maksimum), ukuran kurtosis, dan skewness serta representasi piktorialnya. Tabel, diagram, dan grafik yang sering ditemukan di majalah dan koran-koran merupakan salah satu contoh penggunaan statistik deskriptif.