» » Sub Menu Explore SPSS

Sub Menu Explore SPSS

        Explore atau analisis eksplorasi adalah salah satu bagian dari analisis deskriptif yang merupakan penggambaran tentang statistik atau yang lebih mendalam. Analisis ini biasanya juga digunakan untuk mengecek normalitas data. Analisis explore terdiri dari dua macam yaitu analisis explore tanpa faktor dan analisis explore dengan faktor.

1. Analisis Explore tanpa Faktor

    Analisis Explore tanpa faktor adalah analisis tanpa menggunakan variabel faktor atau kategori. Contohnya adalah pada kasus ini digunakan data Berat Badan dan Tinggi Badan dari 80 responden, yang dapat dilihat sebagai berikut:


Data tersebut akan dianalisisi explore dan dilakukan pengujian normalitas data menggunakan SPSS. Adapun langkah-langkah pengolahan dengan SPSS, yaitu:
  • Buka software SPSS
  • Klik Variabel View pada data editor SPSS, kemudian buat nama variabel dari data yang akan digunakan. Untuk variabel tinggi badan, pada kolom Name ketik "TB"; pada kolom Label ketik "Tinggi Badan"; pada kolom Measure pilih Scale, dan untuk variabel berat badan, pada kolom Name ketik "BB"; pada kolom Label ketik "Berat Badan"; pada kolom Measure pilih Scale.
  • Masuk ke halaman Data View dengan mengklik Data View, kemudian memasukan data nilai tinggi badan dan berat badan.
  • Klik Analyze > Descriptive Statistics > Explore
  • Masukan variabel "Tinggi Badan" dan "Berat Badan" ke kotak Variable(s)
  • Klik Plots, maka akan muncul jendela perintatah Explore: Plots seperti pada gambar berikut:
Untuk menampilkan uji normalitas data centang kotak Normality plots with tests, kemudian klik Continue, maka akan kembali pada jendela perintah sebelumnya. Selanjutnya klik Ok, maka akan keluar hasil output sebagai berikut:


Tabel Case Processing Summary menunjukkan jumlah data valid yang dianalisis untuk masing-masing variabel ada sebanyak 80 data tanpa adanya data yang hilang. Sedangkan pada tabel Descriptive memberikan informasi deskriptif dari data, yaitu:

  • Mean adalah nilai rata-rata data dengan rata-rata tinggi badan sebesar 156.3 cm.
  • Standard error of mean adalah standar kesalahan untuk populasi yang diperkirakan dari sampel dengan menggunakan ukuran rata-rata. Nilai standar error tinggi badan sebesar 0.90645 cm.
  • Lower Bound dan Upper Bound adalah batas bawah dan batas atas interval kepercayaan, dimana pada data tinggi badan sebesar 154.4958 cm dan 158.1042 cm.
  • 5% Trimmed Mean yaitu nilai rata-rata setelah adanya pemotongan data terkecil sebesar 5%. Hal ini untuk menghilangkan data yang menyimpang karena jauh dari rata-rata. Pada data tinggi badan sebesar 155.6806 cm.
  • Median adalah titik tengah data dimana semua data diurutkan dan dibagi dua sama besar. Median data tinggi badan yaitu 155 cm.
  • Variances yaitu varian data yang diperoleh dari kuadrat standar deviasi. Varian data tinggi badan sebesar 65.732 cm.
  • Std deviation yaitu ukuran penyebaran data dari rata-ratanya. SD data tinggi badan sebesar 8.1075 cm.
  • Minimum dan Maximum adalah nilai terkecil dan terbesar dari data. Nilai minimum dan nilai maximum tinggi badan sebesar 140 cm dan 185 cm.
  • Range adalah jarak data, yaitu data maksimum dikurang data minimum. Range tinggi badan sebesar 45 cm.
  • Interquartile Range yaitu selisih antara nilai presentil yang ke 25 dan 75. Pada data tinggi badan sebesar 9.75 cm.
  • Skewness yaitu ukuran distribusi data. Untuk mengetahui apakah data terdistribusi normal atau tidak, maka dihitung rasio skewness dengan standard error of skewness pada data tinggi badan sebesar 1.310/0.269=4.870. Kriteria yang digunakan yaitu jika rasio skewness berada antara −1.96 sampai 1.96, maka distribusi datanya normal. Oleh karena itu data tinggi badan tidak berdistribusi normal.
  • Kurtosis sama halnya dengan skewness digunakan untuk menguji distribusi data apakah normal atau tidak berdasarkan rasio kurtosis dengan standard error of kurtosis pada data tinggi badan sebesar 3.314/0.532=6.230. Kriteria yang digunakan yaitu jika rasio kurtosis berada antara −1.96 sampai 1.96, maka distribusi datanya normal. Oleh karena itu data tinggi badan tidak berdistribusi normal.
  • Dan begitu pula dengan interpretasi output dari data Berat Badan.


Tabel Tests of Normality menunjukkan hasil uji normalitas data berdasarkan uji Kolmogorov-Smirnov dan uji Shapiro-Wilk dengan kriteria pengujian, sebagai berikut:
  • Signifikansi > 0.05, maka data berdistribusi normal
  • Signifikansi < 0.05, maka data tidak berdistribusi normal
Pada data Tinggi Badan dan Berat Badan nilai signifikansi untuk kedua uji normal bernilai kurang dari 0.05, yang berarti bahwa data tinggi badan dan berat badan tidak berdistribusi normal.

Tinggi badan



Berat badan