Abaikankolom yang lainnya. 2. Klik Data View pada SPSS Data Editor. Ketik datanya seperti tabel di atas sesuai dengan variabelnya. 3. Selanjutnya klik menu Analyze - Compare Means - Means. 4. Masukkan variabel Prestasi pada kotak Dependent list, dan masukkan variabel Motivasi ke kotak Independent list, lalu klik Options. 5.
SPSS Statistical Package for Social Sciences adalah aplikasi perangkat lunak yang digunakan untuk melakukan analisis statistik di berbagai bidang. Salah satu fitur penting dari SPSS adalah kemampuannya untuk mengubah desimal dalam penghitungan data. Dalam artikel ini, kita akan membahas cara mengubah desimal di SPSS dengan mudah. Memahami Desimal dalam SPSS Sebelum kita masuk ke cara mengubah desimal di SPSS, penting untuk memahami apa itu desimal dalam SPSS. Desimal adalah angka yang digunakan untuk menunjukkan bagian pecahan dari suatu bilangan. Misalnya, dalam angka 3,75, 75 adalah bagian desimal. Dalam SPSS, desimal biasanya digunakan untuk menghitung nilai rata-rata, median, dan nilai lainnya dari suatu set data. Dalam beberapa kasus, Anda mungkin perlu mengubah desimal dalam SPSS agar sesuai dengan kebutuhan Anda. Langkah-langkah Mengubah Desimal di SPSS Berikut adalah langkah-langkah untuk mengubah desimal di SPSS Langkah 1 Buka File SPSS Langkah pertama adalah membuka file SPSS yang ingin Anda ubah desimalnya. Anda dapat membuka file SPSS dengan mengklik File lalu Open, atau dengan menekan tombol Ctrl+O pada keyboard Anda. Langkah 2 Buka Data Editor Setelah membuka file SPSS, langkah selanjutnya adalah membuka Data Editor. Untuk membuka Data Editor, klik tab Data View di bagian bawah jendela SPSS atau tekan tombol Ctrl+1 pada keyboard Anda. Langkah 3 Pilih Kolom dengan Desimal Setelah membuka Data Editor, pilih kolom dengan desimal yang ingin Anda ubah. Untuk memilih kolom, klik pada judul kolom di bagian atas tabel data. Langkah 4 Klik Kanan pada Kolom Setelah memilih kolom, klik kanan pada kolom tersebut untuk membuka menu konteks. Langkah 5 Pilih Format Cells Pada menu konteks, pilih Format Cells. Langkah 6 Pilih Numeric Pada jendela Format Cells, pilih Numeric di bawah Category. Langkah 7 Tentukan Jumlah Desimal Setelah memilih Numeric, tentukan jumlah desimal yang ingin Anda gunakan. Anda dapat memilih jumlah desimal dengan mengklik tombol panah di bawah Decimal Places. Langkah 8 Klik OK Setelah menentukan jumlah desimal, klik tombol OK untuk menyimpan perubahan. Menyimpan File SPSS Setelah mengubah desimal di SPSS, pastikan untuk menyimpan file SPSS Anda agar perubahan tersebut dapat disimpan. Untuk menyimpan file SPSS, klik File lalu Save atau tekan tombol Ctrl+S pada keyboard Anda. Kesimpulan Mengubah desimal di SPSS dapat dilakukan dengan mudah menggunakan langkah-langkah yang telah dijelaskan di atas. Pastikan untuk memilih jumlah desimal yang sesuai dengan kebutuhan Anda dan jangan lupa untuk menyimpan perubahan setelah selesai. Dapatkita ketahui data kasus yang terkumpul menggunakan measure pengukuran scale dan dengan tipe variabel numerik. Sehingga dapat dibuat variabel, misalnya bernama "tinggi" dengan label "Tinggi Badan". Buka aplikasi SPSS Statistics dan arahkan ke Variable View; Sorot sel pertama; Klik Edit › Insert Variable; Sunting variabel dengan konfigurasi di atas
Converting an SPSS string variable into a numeric one is simple. However, there's a huge pitfall that few people are aware of string values that can't be converted into numbers result in system missing values without SPSS throwing any error or warning. This can mess up your data without you being aware of it. Don't believe me? I'll demonstrate the problem -and the solution- on part of which is shown below. SPSS Strings to Numeric - Wrong Way First off, you can convert a string into a numeric variable in variable view as shown below. Now, I never use this method myself because I can't apply it to many variables at once, so it may take way more effort than necessary; it doesn't generate any syntax there's no Paste button and nothing's appended to my journal file; it can mess up the data. However, there's remedies for that. So What's the Problem? Well, let's do it rather than read about it. We'll set empty cells as user missing values for s3; convert s3 to numeric in variable view; run descriptives on the result. *Set empty string as user missing value for values s3 ''.*Inspect frequency table for s3.*Now manually convert s3 to numeric under variable view.*Inspect s3.*N = 444 instead of 459. That is, 15 values failed to convert and we've no clue why. Result Note that some values in our string variable have been flagged with “a”. We probably want these to be converted into numbers. We have 459 valid values non empty cells. After converting our variable to numeric, we ran some descriptives. Note that we only have N = 444. Apparently, 15 values failed to convert -probably not what we want. And we usually won't notice this problem because we don't get any warning or error. Conversion Failures - Simplest Solution Right, so how can we perform the conversion safely? Well, we just inspected frequency tables how many non empty values do we have before the conversion? converted our variables to numeric; inspected N in a descriptive statistics after the conversion. If N is lower than the number of non empty string values frequencies before conversion, then something may be wrong. In our first example, the frequency table already suggested we must remove the “a” from all values before converting the variable. We'll do just that in a minute. Although safe, I still think this method is too much work, especially for multiple variables. Let's speed things up by using some handy syntax. SPSS - String to Numeric with Syntax The fastest way to convert string variables into numeric ones is with the ALTER TYPE command. It allows us to convert many variables with a single line of syntax. The syntax below converts all string variables in one go. We then check a descriptives table. If we don't have any system missing values, we're done. SPSS ALTER TYPE Example *Close data without saving and reopen before proceeding.*Convert all variables in one type s1 to s3 f1 s4 s1 to s4. Note using alter type s1 to s4 f1. will also work but the decimal places for s4 won't be visible. This is why we set the correct f format means 6 characters including the decimal separator and 3 decimal places as in Which is the format of our string values. Result Since we've 480 cases in our data, we're done for s1. However, the other 3 variables contain system missings so we need to find out why. Since we can't undo the operation, let's close our data without saving and reopen it. Solution 2 Copy String Variables Before Conversion Things now become a bit more technical. However, readers who struggle their way through will learn a very efficient solution that works for many other situations too. We'll basically copy all string variables; convert all string variables; compare the original to the converted variables. Precisely, we'll flag non empty string values that are system missing after the conversion. As these are at least suspicious, we'll call those conversion failures. This may sound daunting but it's perfectly doable if we use the right combination of commands. Those are mainly STRING, RECODE, DO REPEAT and IF. Copy and Convert Several String Variables *Close data without saving and reopen before proceeding.*Copy all string c1 to c4 a7.recode s1 to s4 else = copy into c1 to c4.*Convert variables to type s1 to s3 f1 s4 each variable, flag conversion failures cases where converted value is system missing but original value is not repeat conv = s1 to s4 / ori = c1 to c4 / flags = flag1 to and ori '' flags = repeat.*If N > 0, conversion failures occurred for some flag1 to flag4. Result Only flag3 and flag4 contain some conversion failures. We can visually inspect what's the problem by moving these cases to the top of our dataset. *Visually inspect why values fail to cases by flag3 d.*Some values flagged with 'a'.sort cases by flag4 d.*Some values flagged with 'a' through 'e'. Result Remove Illegal Characters, Copy and Convert Some values are flagged with letters “a” through “e”, which is why they fail to convert. We'll now fix the problem. First, we close our data without saving and reopen it. We then rerun our previous syntax but remove these letters before the conversion. Syntax *Close data without saving and reopen before proceeding.*Copy all c1 to c4 a7.recode s1 to s4 else = copy into c1 to c4.*Remove 'a' from s3 = replaces3,'a',''.*Remove 'a' through 'e' from repeat char = 'a' 'b' 'c' 'd' 'e'.compute s4 = replaces4,char,''.end repeat.*Try and convert variable type s1 to s3 f1 s4 conversion failures repeat conv = s1 to s4 / ori = c1 to c4 / flags = flag1 to and ori '' flags = repeat.*Inspect if conversion flag1 to flag4.*N = 0 for all flag variables so we're done.*Delete copied and flag variables c1 to flag4. Result All flag variables contain only system missings. This means that we no longer have any conversion failures; all variables have been correctly converted. We can now delete all copy and flag variables, save our data and move on. Thanks for reading!
TabelData Berat Siswa. Untuk memasukkan data ke SPSS maka langkah-langkahnya adalah sebagai berikut : Pertama, beri nama variabel data yang akan dimasukkan dengan cara klik Variable View yang berada di pojok kiri bawah terlebih dahulu. Kedua, ketikkan nama variabel, misalnya berat_badan, lalu tekan enter. Mengatur format output SPSS Pengantar Semua aplikasi analisis dan statistik mempunyai format default bawaan untuk setiap output. Dalam aplikasi SPSS, terdapat format penulisan bilangan yang kadangkala menggangu interprestasi, diantaranya Digit precission hanya 3 angka di belakang koma Penulisan angka yang sangat besar > atau terlalu kecil dalam format scientific numeric bilangan ilmiah dengan notasi xxxx 10xx. Dalam format output SPSS ditulis dengan notasi E+/-xx. Sebagai contoh bilangan 1973 dalam output ditulis Bilangan 0 nol di depan titik tidak dicantumkan Sebagai contoh bilangan hanya akan ditulis .026 Merubah format Misal, hasil analisis sebagai berikut Dari output tersebut terdapat penyajian angka yang kurang familier. Diantaranya nilai koefisien variabel TPA sebesar dan beberapa angka disajikan tanpa angka di depan titik misalnya pada kolom Sig.. Untuk merubah formatnya Double click table output Blok content table Click menu Cell Properties ... Clik menu Format value Click category Number Click Apply Tampilan setelah perubahan format
Jikadata yang diinput adalah angka yang memiliki desimal (Cth: 123,45), agar dapat dibaca dengan baik oleh SPSS, maka jeda koma(,) tersebut harus diganti dengan tanda Titik(.) pada tab 'Data View'(Cth: 123.45) dan sesuaikan jumlah desimal yang digunakan dengan merubah angka pada kolom 'Decimals' pada veriabel bersangkutan(Cth: jika desimalnya ada 2(123,45) maka rubah angka pada kolom
Kaidah Memintasi Outlier dengan SPSS Setelah kita belajar bersama mengenai outlier, maka seterusnya dalam artikel ini kita akan membahas bagaimana caranya tanggulang outlier dengan SPSS. Jikalau para pembaca sekalian sudah lalu mempelajari artikel kami tentang outlier, maka kami anggap anda semua sudah lalu paham alasan perlunya outlier ini di atasi. Bagaimana cara mengatasi outlier? Bagaimana cara memintasi outlier dengan SPSS? baik univariat atau multivariat? Baiklah langsung cuma kita selidik. Pada dasarnya ada 2 tahap, yaitu tahap deteksi dan mengatasi. Catatan Penting Dalam bahasan ini, kita membahas Outlier dalam artian Outlier puas Regresi Linear. Sementara itu outlier pada data atau sreg sebuah lentur, kami bahas sreg artikel Membuang outlier dengan Excel. Deteksi Outlier Langkah purwa adalah melakukan deteksi outlier. Dalam situasi ini yang dideteksi adalah outlier univariat dan multivariat sekaligus. Caranya kita harus melakukan uji regresi linear seperti umumnya. Kalau belum paham prinsip melakukan regresi linear dengan SPSS, anda bisa pelajari pada artikel-artikel kami di website ini. Sederhananya perhatikan langkah berikut Buat dataset untuk regresi linear berganda begitu juga tulangtulangan di radiks ini. Untuk mempermudah, beliau bisa download file secara lengkap DISINI. Dataset Regres Linear Deteksi Outlier Setelah itu lakukan regresi sebagai halnya kaidah berikut Klik Analyze pada Menu -> Regression -> Linear. Kemudian masukkan variabel yang akan dianalisis. Ancang Regres Linear Deteksi Outlier Klik pentol SAVE. Maka akan terbabang jendela seperti di dasar ini. Kemudian klik Studentized dan Mahalanobis. Lalu tekan tombol Continue. Save Regresi Linear Deteksi Outlier Jika telah kembali ke sirkulasi udara utama, klik OK. Selanjutnya tatap Output. Casewise Diagnostics Deteksi Outlier Sira boleh melihat bahwa pada output terletak tabel Casewise Diagnostics, keadaan itu menunjukkan bahwa terdapat observasi atau sampel dengan biji absolut studentized residual lebih dari 3. Maka observasi tersebut menjadi outlier. Awalan bungsu di atas, semata-mata dapat mendeteksi adanya outlier univariat hanya. Cak bagi mendeteksi outlier univariat, maka anda harus berbuat anju berikut sreg menu, klik Transform -> Compute Variable. Jika tingkapan baru terbuka, ketikkan objek variable Peluang Mahalanobis. Dan ketikkan kode ekspresi lega Numeric Expression bak berikut Penjelasan kode Mah Mahalanobis Distance. 3 adalah banyaknya jumlah variabel bebas. Probabilitas Mahalanobis Menguasai Outlier Sebenarnya cara pertama yang kita cak bagi yakni melakukan transformasi data bagi mereduksi adanya outlier tersebut. Untuk mempelajari caranya, ia bisa baca artikel kami tentang transformasi data. N domestik hal ini kita coba cak bagi mengatasinya dengan kaidah membuang outlier tersebut berusul analisis regresi linear berganda, yaitu dengan awalan laksana berikut Pada menu, klik Data -> Select Case -> Memilah-milah if condition satisfied -> tekan pentol If. Select Case Deteksi Outlier Jika tingkap hijau mendelongop, maka selanjutnya puas kolom isian ekspresi, ketikkan kode ibarat berikut AbsSRE_1 Maksud kode Abs Absolut, SRE_1 Studentized Residual. Ekspresi Select Case Deteksi Outlier Artinya kita akan membuang observasi nan n kepunyaan nilai absolut studentized residual lebih berpangkal 3 dan/atau kebolehjadian kurang dari Kemudian tekan cembul Continue. Di jendela terdepan tekan OK. Lihat pada dataset, ada tanda yang menunjukkan bahwa beberapa observasi dikeluarkan berusul analisis. Mengatasi outlier dengan SPSS Sebatas di sini kita mutakadim berbuah mengeluarkan outlier. Apa yang harus kita lakukan selanjutnya? Jawabannya mudah, yakni ulangi regresi linear berganda begitu juga langkah pertama, kemudian cek ulang apakah masih ada outlier. Jika sudah enggak suka-suka, tentunya lihat dan ponten apakah ada masalah dugaan klasik lainnya. Jika terserah, maka pakar-pandailah untuk mengatasinya. Dan beliau dapat mempelajari semua cara bagi memecahkan keburukan asumsi klasik di website kami ini. By Anwar Hidayat Langkah- langkah menubah desimal ke persen dengan cara yang kedua ini adalah sebagai berikut : Blok Cell B4 samapi dengan Cell B8. Klik kanan pada cell yang sudah diblok tersebut. Klik Format Cells dan akan muncul kotak dialog. Dalam kotak dialog Format Cells klik Tab Number. Dalam kotak Category klik Percentage.
Deskriptif, Regresi dan Korelasi Minitab 16 Sebelum memlulai pusat bahasan, kita terlebih lalu memahami Basic berpunca Minitab Basic Minitab merupakan aplikasi pengolah data statistik. Pengoperasiannya lebih simple daripada SPSS, namun ada sejumlah peristiwa yang harus dicatat 1. Sebelum data dimasukkan, Setiap ruangan harus diformat lampau. 2. Kesalahan format akan mengakibatkan data lain terbaca dengan benar Prinsip memformat kolom/baris dan mengegolkan data Elastis yang cak hendak dimasukkan, purwa-tama diketik secara manual plong header yang disediakan. Serah Ukuran untuk sendirisendiri rubrik Text,Numeric,Date/Time dengan memblok salah satu ruangan sreg header teralaC1,C2,C3,dst.. dengan cara mengklik kidal salah suatu cell nan bersangkutan misal C1. Kemudian Klik kanan pada cell tersebut dan diskriminatif Dimensi Column’. Bakal menu biji dapat dipilih dengan Klik kanan lega cell tersebut>’Format Column>Numeric… Akan muncul Menu seperti berikut Automatic = Membentuk angka secara otomatis Fixed decimal = Menambahkan dan menentukan banyaknya desimal Exponential Currency = Membagi Ukuran bakal alat penglihatan uang Percentage = Memberi Format cak bagi Persentase Bakal dimensi Referensi, boleh di memperbedakan dengan Klik kanan>Format Column>Text Untuk dimensi Tahun dan copot, dapat dipilih degan Klik kanan>Matra Column>Date/Time… Sekian tentang Basic bersumber Minitab. Sekarang, kita boleh membahas inti pembahasan kita. Menghitung data deskriptif Masukkan data yang akan di cari Klik tab Stat>Basic Statistics>Display Descriptive Statistics Akan muncul pop-up window berjudul Display Descriptive Statistics’. Pilih seluruh elastis yang akan diproses datanya secara deskriptif, dan elastis 1/makin plastis yang akan menadi transendental. Kemudian klik menu Statistics…’, akan muncul pop-up mentah yang berjudul Display Descriptive Statistics – Statistics’. Pilih sejumlah data yang ingin ditampilkan pada window Session’, kemudian klik Ok’ dan sekali lagi klik Ok’. Akan unjuk data seperti dibawah ini. Mencari Regresi tertinggal Masukkan data variabel Klik tab Stat>Regression>Regression Setelah unjuk Window Regression’, pilih plastis yang akan dihitung regressinya pada kolom Response’ dan variabel prediksinya di ruangan Prediction’ lalu langsung klik Ok’. Akan muncul data seperti berikut Mencari Korelasi Sederhana Klik tab Stat>Basic Statistics>Correlation’ 2. Setelah muncul Window Correlation, masukkan luwes yang akan dicari korelasinya dan serempak klik Ok’. Akan muncul data sebagai halnya ini Minitab 16 Sebelum mulai untuk mengejar Deskriptif, Regresi dan Korelasi, suka-suka baiknya kita kenali lewat basic berpunca SPSS Basic Klik tab Variable View’, dapat dilihat plong jihat kiri pangkal pecah layar SPSS, kemudian masukkan variabel yang bersangkutan dengan garis hidup i. Spasi digantikan dengan tanda _’ ii. Diawali dengan karakter Alfabet Dimensi masing-masing lentur sesuai dengan kebiasaan variabel start dari Type, Widh, Decimal, dst.’ Keterangan i. Type = Aturan variabel. Apabila ingin memasukkan vaiabel dengan data coretan, maka ubah Type’ variabel tersebut menjadi String’Dapat dipilih dengan mengklik tanda …’ pada sisi kanan cell Type pada untuk satu variabel ii. Width = Panjangnya kepribadian data suatu lentur, takdirnya data tersebut mancapai 8 kepribadian, maka Set Width tersebut dengan poin 8’. iii. Decimals = Banyak desimal yang kepingin digunakan. Namun, kerjakan plastis dengan sifat data String’, maka opsi Decilams akan dihilangkan dengan sendirinya. iv. Label = Header yang akan muncul pada saat proses analisa radu dioperasikan, dan akan dicantumkan pada window Output’. v. Columns = Jumlah ruangan nan akan digunakan. vi. Align = Posisi data suatu laur saat dioperasikankidal, perdua, kanan. vii. Measure = Keberagaman pengukuran data berpokok suatu Plastis Scale, Ordinal, Nominal. Setelah mengarifi basic tentang Laur, suka-suka bilang hal lagi nan harus diketahui Data yang diinput pada tab Data View’ tidak dapat membaca keunggulan koma ,. Maka, setiap akan memasukkan data non-desimal dengan selang antara noktah Cth etiket titik. tersebut harus dihilangkanCth 1234567 karena cap titik tersebut akan terbaca sebagai koma oleh SPSSCth dan bagi mencadangkan tanda koma, tersebut ke dalam tab ’Data View’, maka puas tab Variable View’, rubrik Type’ berasal data variable tersebut harus dirubah menjadi Comma’. Jika data nan diinput adalah angka yang mempunyai desimal Cth 123,45, agar bisa dibaca dengan baik makanya SPSS, maka jeda koma, tersebut harus diganti dengan tera Titik. pada tab Data View’Cth dan sesuaikan jumlah desimal nan digunakan dengan merubah angka pada kolom Decimals’ puas veriabel bersangkutanCth jika desimalnya ada 2123,45 maka rubah ponten lega kolom Decimals’ untuk luwes yang berkepentingan Uji Normalitas suatu data bisa diketahui dengan cara klik tan Analyze>Descriptive Statistics>Explore…’ Akan unjuk pop-up Window yang berjudul Explore’, kemudian masukkan sejumlah variabel yang akan diujikan normalitasnya Kemudian Klik Plots…’ dan Check puas Normality plots with tests’. Klik Continue’ kemudian klik Ok’, akan unjuk data laksana berikut Sekarang kita sudah siap kerjakan memasuki pembahasan utama I. Menghitung data Deskriptif 1. Klik Tab Variable View’Masukkan Elastis yang akan dikalkulasikan dan atur sesuai dengan yang dibutuhkan 2. Klik tab Data View’ dan masukkan data sesuai dengan yang sudah lalu diformatkan pada tab Variable View’ 3. Klik tab Analyze>Descriptive Statistics>Descriptives…’ 4. Akan muncul pop-up window yang berjudul Descriptives’, memperbedakan semua variabel yang akan dihubungkan dan dideskripsikan dan masukkan dengan meng-klik nama cuaca yang menghadap ke kanan. 5. Untuk mengatur apa saja yang akan ditampilkan pada analisa, klik Options’ dan membeda-bedakan metode deskriptif nan dibutuhkan. 6. Sehabis dilih, klik Continue’ dan klik Ok’. akan unjuk tampilan analisa seperti berikut II. Menghitung Korelasi tercecer A. Bivariate Pearson 1. Klik tab Analyze>Correlate>Bivariate…’ dan pilih 2 Variabel nan akan dicari korelasinya dan Check pada box Pearson’. Kemudian klik Ok’Akan muncul lega Window Output seperti berikut B. Bivariate Spearman 1. Klik tab Analyze>Correlate>Bivariate…’ dan pilih 2 Lentur yang akan dicari korelasinya dan Check sreg box Spearman’. Kemudian klik Ok’. Akan muncul puas Window Output sebagaimana berikut III. Menghitung Regresi Terbelakang 1. Klik tab Analyze>Regression>Linear…’ 2. Masukkan sebuah variabel dependen pada ruangan Dependent’ dan variabel Independent’ 3. Klik Ok’ dan abaikan yang lain. Akan muncul hasil analisa puas window Output sperti berikut Sekian sebagian mungil Cak bimbingan Minitab 16 dan SPSS 17 bersumber saya, Semoga bisa membawa manfaat cak bagi semua pihak yang tersapu dan pembaca. Saya ucapkan syukur atas perhatiannya. -Rizky Trisnadian Pratama
3 Ganti regional setting ke INDONESIA. Gambar 4. Setting pada Regional Options. 4. klik tab NUMBERS, ganti decimal symbol dengan "." (titik) dan digit grouping separator dengan "," (koma), klik Apply. Gambar 5. Cutomize Regional Options - Numbers. 5. klik tab CURRENCY, ganti decimal symbol dengan "."
Menggunakan software SPSS merupakan momok tersendiri bagi beberapa orang, terlebih bagi mahasiswa yang awam terkait ilmu statistik. Meski di berbagai perguruan tinggi ada yang diajarkan tentang penggunaan software SPSS, namun masih saja pembahasan di dalam kelas hanya mencakup beberapa contoh kasus penggunaan metode saja, seperti metode regresi ataupun metode korelasi. Diluar pembelajaran dari kampus, mahasiswa diharuskan belajar otodidak untuk bisa menyelesaikan kasus analisis data dari tugas akhir yang akan mereka kerjakan garis besar lembar kerja software SPSS terbagi menjadi dua bagian, yakni1. Data View Tempat input data dan mengolah data2. Variavle View Tempat mendeskripsikan variabelMemang inti dari penggunaan software SPSS ada pada halaman Data View, yang mana nantinya data akan diolah pada halaman ini untuk bisa menghasilkan output yang diinginkan. Namun jangan kesampingkan pentingnya lembar kerja Variable View. Tanpa pendeskripsian variabel yang benar, pengolahan data bisa menjadi masalah kedepannya, yang lebih lanjut dapat berpengaruh pada hasil yang diharapkan. Oleh karena itu pada artikel kali ini saya akan menjelaskan secara rinci kegunaan dari setiap bagian lembar kerja Variable Kerja Variable ViewGambar diatas merupakan tampilan yang ada di Variable View. Ada Name, Type, Width, dan lain sebagainya. Mari kita bahas satu persatu fungsi dan NameName berfungsi untuk memberikan nama variabel. Kalian bebas menuliskan apa saja nama variabel yang kalian inginkan. Namun ingat!, SPSS tidak bisa membaca nilai "spasi ", maka ketika nama variabel yang kalian inginkan ada dua suku kata atau lebih, pisahkan dengan nilai "underscore _" atau gabungkan beberapa suku kata tadi menjadi hanya satu suku kata. ContohContoh Pengisian Nama Variabel yang Benar dan Salah2. TypeType berfungsi untuk menjelaskan tipe data yang akan dimasukkan. Misal data yang akan dimasukkan berupa angka, maka tipe Numeric bisa dipilih. Atau data yang akan dimasukkan berupa kata/kalimat, maka tipe yang cocok adalah String. Berikut penjelasan masing-masing dari tipe data yang adaNumeric merupakan tipe data paling standar yang digunakan untuk memasukkan angka. Semua data yang berupa angka bisa masuk pada tipe Numeric, termasuk nilai "negatif" maupun "koma".Comma merupakan tipe data untuk memasukkan angka desimal yang dipisahkan dengan titik. Di luar negeri titik disebut sebagai "koma"/comma, sedangkan titik digunakan untuk memisahkan angka kelipatan dari 1000. Misal untuk penulisan "lima koma empat", diluar negeri tertulis Sedangkan di Indonesia 5,4. Contoh lain untuk penulisan "seribu", diluar negeri tertulis 1,000. Sedangkan di Indonesia Comma yang dimaksud disini mengikuti aturan luar negeri, yakni menggunakan titik. Jadi comma cocok untuk menuliskan bilangan desimal semisal dan merupakan tipe data untuk memisahkan angka kelipatan 1000 dengan sebuah dot koma. Dot merupakan kebalikan dari comma. Misal untuk penulisan "seribu" menjadi 1, notation merupakan tipe data untuk menuliskan angka dalam bentuk sains. Misalkan angka pada tipe numeric dituliskan maka pada tipe scientific notation akan tertulis merupakan tipe data untuk memasukkan tanggal. Nantinya akan diberikan pilihan penyebutan tanggal seperti apa yang diinginkan dengan keterangan d day/hari, m month/bulan, dan y year/tahun.Dollar merupakan tipe data untuk memasukkan mata uang currency merupakan tipe data untuk memasukkan jenis mata uang merupakan tipe data untuk memasukkan huruf/ Dialog Type3. WidthWidth berfungsi untuk memberikan jumlah karakter yang dikehendaki dalam satu variabel. Misalkan akan dimasukkan nilai 500, namun pada bagian width hanya tertulis 2, maka nantinya pada lembar Data View yang terlihat hanya angka 50. Contoh lain misal pada bagian width tertulis 8, kemudian akan dimasukkan kalimat "Harga Saham", maka yang akan terlihat pada lembar Data View hanya kalimat "Harga Sa".4. DecimalsKolom Decimals berfungsi untuk memberikan jumlah karakter dibelakang koma yang dikehendaki dalam satu variabel. Jika pada bagian decimals tertulis 2, dan angka yang ingin dimasukkan adalah 5, maka nantinya pada lembar Data View akan tertulis LabelKolom Label berfungsi untuk memberikan sebuah tanda/label pada suatu variabel. Label tidak terlalu berpengaruh pada proses pengisian data. Misal variabel dengan nama "HargaSaham" akan diberi label "Variabel A", maka nantinya pada kotak dialog akan tertera label yang sudah disebutkan. Label bisa memuat nilai spasi .Contoh Pengaruh Label Pada Suatu Variabel6. ValuesValues berfungsi untuk menggantikan sebuah nilai yang bertipe string menjadi sebuah nilai yang bertipe numeric, agar dapat dilakukan pengolahan data. Misal dalam sebuah penelitian terdapat Kelas A, Kelas B, dan Kelas C. Agar mempermudah dalam pengolahan data, maka Kelas A akan diganti dengan angka 1, Kelas B dengan angka 2, dan kelas C dengan angka 3. Cara penggunaannya sangat mudah, kalian tinggal masukkan nilai baru yang diinginkan pada bagian "Value", kemudian pada bagian "Label" masukkan keterangan apa yang ingin diubah, lalu klik "Add".Kotak Dialog Values7. Missing ValueMissing Value berfungsi untuk menghilangkan sebuah nilai agar tidak dimasukkan kedalam analisis. Missing Value biasa digunakan untuk mengeluarkan nilai-nilai outlier. Ada 3 pilihan dalam kolom Missing Value, yakniNo missing values tidak ada nilai yang dianggap missing values angka diskrit yang dianggap plus one optional discreate missing value untuk menghilangkan angka-angka yang termasuk kedalam sebuah range/interval Dialog Missing Value8. ColumnsColumns berfungsi untuk menentukan lebar kolom pada Data View. Semakin besar nilainya maka semakin lebar tampilan kolom yang ada di Data AlignAlign berfungsi untuk menentukan rata tulisan dari sebuah variabel. Tersedia 3 pilihan align, yakniLeft penulisan rata kiriRight penulisan rata kananCenter penulisan rata tengah10. MeasureMeasure berfungsi untuk menentukan skala data dari sebuah variabel. Measure sangat berpengaruh pada pendeskripsian variabel yang nantinya akan digunakan untuk pengolahan data. Ada 3 jenis measure, yakniNominal merupakan skala data yang berfungsi hanya untuk membedakan. Misal membedakan antar jenis kelamin, yang mana jenis kelamin perempuan dengan laki-laki tingkatannya merupakan skala data yang berfungsi untuk membedakan sekaligus mengurutkan. Misal membedakan jenjang pendidikan, yang mana SD, SMP, dan SMA memiliki perbedaan dan SD memiliki jenjang pendidikan paling rendah, disusul SMP, dan merupakan tipe variabel untuk skala data Interval dan Rasio. Tipe variabel ini biasa digunakan untuk perhitungan data numerik pada tadi penjelasan dari masing-masing fungsi kolom yang ada di lembar kerja Variabel View SPSS. Jika ada yang ditanyakan, silahkan tinggalkan kolom komentar dibawah. See ya!
A Cara Mengubah Pecahan Desimal Ke Bentuk Pecahan Biasa. Contoh soal : Ubahlah pecahan desimal di bawah ini menjadi pecahan biasa : 1. 0,5 2. 0,3 3. 0,7 4. 0,25 5. 0,34 6. 0,75 7. 0,82 8. 0,125 9. 0,375 10. 0,553. Cara mengerjakannya adalah pertama-pertama kita menuliskan angka yang berada di belakang koma terlebih dahulu sebagai pembilangnya Sering kita jumpai data disajikan dengan tanda koma , sebagai pemisah ribuan dan tanda titik . sebagai pemisah desimal. Ini mungkin terjadi karena perangkat yang kita gunakan untuk pengimputan atau pengolahan data menggunakan format angka dalam Bahasa Inggris seperti Microsoft Excel dan SPSS. Selanjutnya kita lupa menggantinya dengan format angka Bahasa Indonesia ketika menyajikan datanya ke masyarakat umum. Mungkin ada sebagian pembaca yang bisa memahaminya karena kita juga sudah terbiasa menggunakan format angka dalam Bahasa Inggris. Akan tetapi, perlu ditekankan disini bahwa penyajian data haruslah mengikuti format angka dalam Bahasa Indonesia, yaitu titik . untuk pemisah ribuan dan koma , untuk pemisah desimal. Hal ini dilakukan agar tidak terjadi kesalahan dalam pembacaaan data. Perhatikan contoh berikut Contoh 1 Contoh 2 1,435 Jika kita disajikan contoh 2, mungkin ada yang membacanya sebagai ribuan atau ada juga yang membacanya sebagai koma. Tentu ini akan membuat pembaca salah dalam membaca data jika penyaji maksudnya adalah ribuan dan pembaca membacanya sebagai desimal. Berbeda halnya dengan contoh 1, pasti orang Indonesia membacanya sebagai ribuan Gunakan Titik . Sebagai Pemisah Ribuan dan Koma , Sebagai Pemisah Desiamal VJIrlfb.
  • rax4vi7jly.pages.dev/257
  • rax4vi7jly.pages.dev/248
  • rax4vi7jly.pages.dev/9
  • rax4vi7jly.pages.dev/133
  • rax4vi7jly.pages.dev/267
  • rax4vi7jly.pages.dev/30
  • rax4vi7jly.pages.dev/265
  • rax4vi7jly.pages.dev/159
  • rax4vi7jly.pages.dev/330

    • cara mengubah desimal di spss