Statistika SPSS: Jembatan dari Teori Statistik ke Menu Analyze
TL;DR
Statistika di SPSS adalah kumpulan uji statistik standar yang dijalankan lewat menu Analyze, bukan lewat rumus manual. Skala pengukuran variabel (Nominal, Ordinal, Scale) menentukan menu mana yang boleh kamu pakai. Salah menetapkan skala di tab Variable View adalah penyebab paling umum uji yang dijalankan jadi keliru.
Statistika di SPSS itu materi statistik yang sama dengan yang kamu pelajari di kuliah, cuma dijalankan lewat menu Analyze dan bukan lewat rumus manual.
Masalahnya, buku kuliah nyebut "uji beda dua rata-rata" sementara SPSS nulis "Independent-Samples T Test". Nama beda, isinya sama.
Ini peta yang nyambungin dua penamaan itu, plus urutan langkah yang bikin kamu gak salah pilih menu.
Apa itu statistika di SPSS?
Statistika di SPSS adalah kumpulan prosedur uji statistik standar yang dikemas jadi menu dan kotak dialog. Kamu pilih variabel, SPSS yang ngitung dan nampilin tabel hasil. Semua rumus tetap sama dengan statistik di buku teks, yang berubah cuma cara kamu ngasih perintahnya.
Karena perintahnya lewat menu, beban belajar kamu geser dari menghafal rumus ke dua hal lain: milih prosedur yang tepat dan baca outputnya dengan benar.
Kalau kamu belum kenal antarmukanya sama sekali, mulai dari apa itu SPSS dulu, baru balik ke sini.
Gimana istilah statistik dipetakan ke menu SPSS?
Ini tabel padanan yang paling sering kepakai buat skripsi dan laporan riset.
| Istilah di buku | Menu SPSS | Dipakai kapan |
|---|---|---|
| Statistik deskriptif | Analyze > Descriptive Statistics > Descriptives | Ringkas rata-rata dan sebaran |
| Distribusi frekuensi | Analyze > Descriptive Statistics > Frequencies | Hitung sebaran data kategori |
| Tabel silang | Analyze > Descriptive Statistics > Crosstabs | Hubungan dua variabel kategori |
| Uji normalitas | Analyze > Descriptive Statistics > Explore | Cek asumsi sebelum uji parametrik |
| Uji beda dua rata-rata | Analyze > Compare Means > Independent-Samples T Test | Dua kelompok berbeda |
| Uji beda sebelum sesudah | Analyze > Compare Means > Paired-Samples T Test | Subjek sama, dua waktu |
| Uji beda tiga kelompok atau lebih | Analyze > Compare Means > One-Way ANOVA | Tiga kelompok ke atas |
| Uji hubungan dua variabel angka | Analyze > Correlate > Bivariate | Cek arah dan kekuatan hubungan |
| Analisis regresi | Analyze > Regression > Linear | Prediksi satu variabel dari variabel lain |
| Uji chi-square | Analyze > Descriptive Statistics > Crosstabs, centang Chi-square | Dua variabel kategori |
| Uji reliabilitas | Analyze > Scale > Reliability Analysis | Konsistensi butir kuesioner |
Daftar lengkap prosedur dan penjelasan tiap kotak dialognya ada di dokumentasi resmi IBM SPSS Statistics.
Kalau kamu bingung uji mana yang cocok buat desain penelitian kamu, aku pernah bikin rangkumannya di macam-macam uji statistik.
Kenapa skala pengukuran nentuin segalanya?
Skala pengukuran nentuin uji mana yang valid buat data kamu. SPSS minta kamu tetapkan skala di kolom Measure pada tab Variable View, dan pilihan itu nyaring variabel mana yang boleh masuk ke tiap kotak dialog.
Tiga pilihannya:
- Nominal: kategori tanpa urutan. Jenis usaha, kota, jenis kelamin.
- Ordinal: kategori berurutan tanpa jarak yang pasti. Skala kepuasan 1 sampai 5, tingkat pendidikan.
- Scale: angka dengan jarak bermakna. Omzet bulanan, umur, jumlah karyawan.
Contoh salah yang sering kejadian: kode 1 buat laki-laki dan 2 buat perempuan diset sebagai Scale. Angkanya keitung, SPSS mau aja ngeluarin rata-rata jenis kelamin 1,43. Angka itu gak punya arti apa-apa.
Cara ngeceknya gampang. Kalau rata-rata variabel itu gak bisa kamu jelasin dengan kalimat manusia, skalanya salah.
Buat ngukur pemusatan data, konsep dasarnya sama kayak yang dipakai di spreadsheet. Kamu bisa bandingin sama AVERAGE dan MEDIAN di Excel.
Apa isi tiap menu utama SPSS?
SPSS punya empat menu yang paling sering kamu sentuh. Ini urutan pemakaiannya, dari kiri ke kanan sesuai alur kerja.
- Data: ngurus baris. Select Cases buat nyaring responden, Split File buat misahin analisis per kelompok, Sort Cases buat urutin.
- Transform: ngurus kolom. Compute Variable buat bikin variabel baru, Recode buat ngubah kode, Rank Cases buat bikin peringkat.
- Analyze: semua uji statistik ada di sini.
- Graphs: bikin grafik. Chart Builder paling fleksibel walaupun agak lambat dipakai.
Urutan kerja yang bikin hidup kamu enak: bersihin di Data, bikin variabel turunan di Transform, baru uji di Analyze. Kebalik dikit aja kamu bakal ngulang analisis dari awal.
Detail navigasi tiap tab aku bahas di cara menggunakan SPSS.
Contoh kasus: survei 210 pemilik UMKM
Dataset ngulikdata punya file survei_umkm_2025, hasil survei 210 pemilik UMKM di Jawa Barat soal cara mereka nyatat penjualan.
Variabelnya:
| Variabel | Isi | Measure di SPSS |
|---|---|---|
metode_catat | buku tulis, spreadsheet, aplikasi kasir | Nominal |
lama_usaha_tahun | angka tahun | Scale |
omzet_bulanan | rupiah | Scale |
kepuasan_metode | skala 1 sampai 5 | Ordinal |
Sebaran metode pencatatannya:
| Metode | Jumlah | Persentase | Median omzet bulanan |
|---|---|---|---|
| Buku tulis | 118 | 56,2% | Rp 14,5 juta |
| Spreadsheet | 61 | 29,0% | Rp 27,8 juta |
| Aplikasi kasir | 31 | 14,8% | Rp 41,2 juta |
Sekarang pertanyaannya: omzet beda gak antar tiga kelompok metode pencatatan?
Alurnya di SPSS:
- Buka Variable View, pastiin
metode_catatdiset Nominal danomzet_bulanandiset Scale. - Analyze > Descriptive Statistics > Explore. Masukin
omzet_bulananke Dependent List danmetode_catatke Factor List. Centang Normality plots with tests. - Baca tabel Tests of Normality. Kalau nilai p Shapiro-Wilk di bawah 0,05 di salah satu kelompok, sebaran omzetnya menceng.
- Sebaran omzet UMKM hampir selalu menceng ke kanan gara-gara segelintir usaha besar. Buat data kayak gini, pakai Analyze > Nonparametric Tests > Independent Samples, yang jalanin uji Kruskal-Wallis.
- Kalau hasilnya signifikan, lanjut ke pembandingan antar pasangan kelompok yang disediain di output yang sama.
Di data ini median omzet pengguna aplikasi kasir hampir tiga kali lipat pengguna buku tulis. Tapi hati-hati nafsirinnya. Usaha yang omzetnya udah besar duluan memang lebih mampu beli aplikasi kasir, jadi arah sebab akibatnya belum tentu kayak yang kamu duga.
Satu transaksi ekstrem juga bisa geser hasilnya. Cek dulu definisi outlier sebelum kamu buang data apa pun.
Kesalahan umum waktu pakai statistika di SPSS
- Langsung masuk Analyze tanpa buka Variable View. Ini penyebab nomor satu uji yang keliru. Isi Measure, Label, dan Values dulu.
- Ngerata-ratain variabel Ordinal. Rata-rata skala kepuasan 3,7 itu enak dibaca tapi jaraknya gak dijamin sama. Lebih aman laporin median dan sebaran frekuensinya.
- Ngartiin nilai p sebagai ukuran besar kecilnya efek. Nilai p ngomongin seberapa mungkin pola segini muncul kalau gak ada beda beneran, bukan seberapa besar bedanya. Besar kecilnya efek dibaca dari selisih rata-rata atau ukuran efek.
- Nge-copy semua tabel output ke skripsi. Ambil yang relevan aja. Tabel yang gak kamu bahas bikin penguji nanya hal yang gak perlu.
- Ngeklik tanpa nyimpan syntax. Pencet Paste di tiap kotak dialog. File syntax itu catatan analisis kamu, dan wajib banget waktu revisi datang.
Langkah berikutnya
Tiga hal yang paling nentuin hasil kerja kamu di SPSS: skala pengukuran yang benar, uji yang cocok sama desain penelitian, dan output yang dibaca secukupnya.
Latihan pertama yang paling murah risikonya, jalanin Explore di satu variabel angka punya kamu, terus baca semua tabel yang keluar sampai kamu bisa jelasin tiap barisnya.
Habis itu lanjut ke uji normalitas SPSS buat praktek asumsi, dan uji ANOVA SPSS kalau kelompok kamu lebih dari dua. Kalau nanti kamu butuh ngerapiin data mentah sebelum masuk SPSS, kulik dasar query-nya dulu di NgulikSQL.
Mau praktek langsung? Mulai latihan SQL gratis
Latihan interaktif, langsung di browser.
Artikel terkait
Pandas groupby: Agregasi Data ala Pivot di Python (2026)
groupby ngelompokin baris berdasarkan kolom, lalu ngitung ringkasan per grup kayak total atau rata-rata. Ini pivot-nya pandas.
Pandas to_excel: Ekspor DataFrame ke Excel (2026)
to_excel nyimpen DataFrame pandas jadi file Excel .xlsx. Ini cara pakainya, dari satu sheet sampai banyak sheet, plus setelan yang bikin hasilnya rapi.
Pandas read_excel: Baca File Excel di Python
pandas read_excel baca file Excel jadi DataFrame, bisa pilih sheet tertentu dan lompatin baris judul yang berantakan. Ini cara pakai plus parameter penting dengan contoh data toko.