MATERI PEMBELAJARAN: SPSS (Statistical Package for the Social Sciences)

1. PENDAHULUAN

1.1 Apa itu SPSS? SPSS (Statistical Package for the Social Sciences) adalah perangkat lunak (software) yang digunakan untuk mengolah dan menganalisis data statistik. SPSS banyak digunakan dalam penelitian ilmu sosial, pendidikan, psikologi, ekonomi, kesehatan, dan bidang lainnya karena kemudahan penggunaannya (user-friendly) meskipun menangani analisis statistik yang kompleks.

1.2 Sejarah Singkat SPSS pertama kali dikembangkan pada tahun 1968 oleh Norman H. Nie, Dale Bent, dan C. Hadlai Hull di Stanford University. Sejak 2009, SPSS diakuisisi oleh IBM dan namanya menjadi IBM SPSS Statistics, terus mengalami pembaruan versi hingga saat ini (SPSS 25, 26, 27, 28, 29, dst).

1.3 Fungsi dan Kegunaan SPSS

Mengolah data hasil survei/kuesioner penelitian
Melakukan uji validitas dan reliabilitas instrumen
Melakukan analisis statistik deskriptif (mean, median, modus, dll)
Melakukan uji asumsi klasik (normalitas, homogenitas, linearitas)
Melakukan uji hipotesis (uji-t, ANOVA, korelasi, regresi, dll)
Membuat tabulasi silang (crosstab) dan analisis frekuensi
Membuat grafik dan visualisasi data statistik
Mengolah data untuk skripsi, tesis, disertasi, dan jurnal ilmiah

1.4 Jenis File dalam SPSS

Ekstensi	Keterangan
.sav	File data SPSS (data mentah/data view)
.spv	File output hasil analisis (viewer)
.sps	File syntax (perintah SPSS dalam bentuk kode)
.sbs	File script SPSS (Basic scripting)

2. MENGENAL ANTARMUKA (INTERFACE) SPSS

SPSS memiliki beberapa jendela (window) utama yang saling berhubungan:

2.1 Data Editor Jendela utama tempat memasukkan dan mengelola data, terdiri dari dua tampilan (tab) di bagian bawah:

Data View — menampilkan data dalam bentuk baris dan kolom (seperti spreadsheet), setiap baris mewakili satu responden/kasus dan setiap kolom mewakili satu variabel.
Variable View — menampilkan dan mengatur properti setiap variabel (nama, tipe data, label, nilai, skala pengukuran, dll).

2.2 Output Viewer Jendela yang menampilkan seluruh hasil analisis (tabel, grafik, statistik) setelah perintah dijalankan. Output ini dapat disimpan dalam format .spv, diekspor ke Word/PDF/Excel, atau dicetak langsung.

2.3 Syntax Editor Jendela untuk menulis dan menjalankan perintah SPSS dalam bentuk kode/skrip (syntax), berguna untuk mengotomatiskan proses analisis yang berulang atau kompleks.

2.4 Menu Bar dan Toolbar Berisi menu utama SPSS, di antaranya:

File — membuka, menyimpan, mengimpor/ekspor data
Edit — copy, paste, undo, pengaturan opsi (Options)
View — pengaturan tampilan (Fonts, Grid Lines, Value Labels)
Data — pengelolaan data (sort, split, merge, select cases)
Transform — pengubahan/perhitungan data (Compute, Recode)
Analyze — menu utama untuk seluruh analisis statistik
Graphs — pembuatan grafik/visualisasi data
Utilities — pengaturan tambahan dan variabel
Extensions — penambahan fitur/plugin tambahan
Window — berpindah antar jendela SPSS yang terbuka
Help — bantuan dan panduan penggunaan

3. MENGELOLA DATA (DATA EDITOR)

3.1 Variable View — Mendefinisikan Variabel Sebelum memasukkan data, variabel perlu didefinisikan terlebih dahulu melalui tab Variable View, dengan kolom-kolom berikut:

Kolom	Keterangan
Name	Nama variabel (tanpa spasi, maksimal 64 karakter)
Type	Tipe data (Numeric, String, Date, dll)
Width	Lebar kolom/jumlah digit yang ditampilkan
Decimals	Jumlah angka desimal
Label	Keterangan/nama lengkap variabel (boleh pakai spasi)
Values	Label untuk kode angka (mis. 1 = "Laki-laki", 2 = "Perempuan")
Missing	Menandai nilai yang dianggap data hilang (missing value)
Columns	Lebar kolom pada tampilan Data View
Align	Perataan tampilan data (Left, Center, Right)
Measure	Skala pengukuran: Nominal, Ordinal, atau Scale (interval/rasio)
Role	Peran variabel dalam analisis (Input, Target, dll)

3.2 Data View — Memasukkan Data Data dimasukkan langsung ke dalam sel sesuai baris (kasus/responden) dan kolom (variabel) yang telah didefinisikan di Variable View.

3.3 Mengimpor Data dari Sumber Lain Melalui File > Open > Data atau File > Import Data, SPSS dapat membuka data dari berbagai format lain, seperti:

Microsoft Excel (.xlsx, .xls)
Teks/CSV (.csv, .txt)
Database (melalui ODBC)
Format statistik lain (SAS, Stata, dll)

3.4 Mengelola Data Menu Data menyediakan berbagai fitur pengelolaan data:

Sort Cases — mengurutkan data berdasarkan variabel tertentu
Split File — memisahkan analisis berdasarkan kategori/kelompok tertentu
Select Cases — memilih sebagian data sesuai kriteria tertentu untuk dianalisis
Merge Files — menggabungkan dua file data (menambah kasus/variabel)
Weight Cases — memberi bobot pada data tertentu
Transpose — mengubah posisi baris menjadi kolom (dan sebaliknya)

3.5 Transformasi Data (Menu Transform)

Compute Variable — membuat variabel baru hasil perhitungan/rumus dari variabel lain (mis. menjumlahkan skor total dari beberapa item kuesioner)
Recode into Same/Different Variables — mengubah/mengelompokkan ulang nilai suatu variabel (mis. mengubah skor 1–100 menjadi kategori Rendah/Sedang/Tinggi)
Visual Binning — mengelompokkan data numerik menjadi beberapa kategori/interval secara visual

4. STATISTIK DESKRIPTIF

Statistik deskriptif digunakan untuk menggambarkan karakteristik data secara umum, diakses melalui Analyze > Descriptive Statistics:

4.1 Frequencies Menampilkan tabel distribusi frekuensi, persentase, serta statistik dasar (mean, median, modus, standar deviasi) untuk satu atau beberapa variabel sekaligus.

4.2 Descriptives Menampilkan ringkasan statistik (mean, minimum, maksimum, standar deviasi) untuk variabel numerik/skala.

4.3 Explore Analisis eksploratif data yang lebih mendalam, termasuk uji normalitas (Kolmogorov-Smirnov/Shapiro-Wilk), boxplot, dan deteksi data pencilan (outlier).

4.4 Crosstabs (Tabulasi Silang) Menampilkan hubungan antara dua variabel kategorik dalam bentuk tabel silang, dilengkapi uji Chi-Square untuk menguji independensi/asosiasi antar variabel.

5. UJI VALIDITAS DAN RELIABILITAS

5.1 Uji Validitas Digunakan untuk mengetahui apakah instrumen (kuesioner) benar-benar mengukur apa yang seharusnya diukur. Umumnya dilakukan dengan uji korelasi Pearson antara skor setiap item dengan skor total (Analyze > Correlate > Bivariate). Item dinyatakan valid apabila nilai signifikansi < 0,05 atau r hitung > r tabel.

5.2 Uji Reliabilitas Digunakan untuk mengetahui konsistensi/keandalan instrumen apabila diukur secara berulang. Diakses melalui Analyze > Scale > Reliability Analysis, menghasilkan nilai Cronbach's Alpha. Instrumen dinyatakan reliabel apabila nilai Cronbach's Alpha > 0,60 (atau > 0,70 tergantung pedoman yang digunakan).

6. UJI ASUMSI KLASIK

Sebelum melakukan uji hipotesis (terutama regresi), beberapa asumsi perlu diuji terlebih dahulu:

6.1 Uji Normalitas Menguji apakah data berdistribusi normal, menggunakan uji Kolmogorov-Smirnov atau Shapiro-Wilk (Analyze > Descriptive Statistics > Explore, centang Normality plots with tests).

6.2 Uji Homogenitas Menguji apakah varians antar kelompok data bersifat homogen (sama), biasanya menggunakan Levene's Test, sering muncul otomatis dalam output uji-t atau ANOVA.

6.3 Uji Linearitas Menguji apakah hubungan antara variabel bebas dan terikat bersifat linear, diakses melalui Analyze > Compare Means > Means, dengan opsi "Test for Linearity".

6.4 Uji Multikolinearitas Menguji apakah terdapat korelasi yang tinggi antar variabel bebas dalam regresi berganda, dilihat dari nilai Tolerance dan VIF (Variance Inflation Factor) pada output regresi linear.

6.5 Uji Heteroskedastisitas Menguji apakah varians residual bersifat konstan, dapat dilihat melalui scatterplot residual pada analisis regresi.

7. UJI HIPOTESIS (ANALYZE > COMPARE MEANS & GENERAL LINEAR MODEL)

7.1 Uji-t (T-Test)

One-Sample T-Test — membandingkan rata-rata satu kelompok data dengan nilai tertentu
Independent-Samples T-Test — membandingkan rata-rata dua kelompok data yang tidak berhubungan (mis. nilai siswa kelas A vs kelas B)
Paired-Samples T-Test — membandingkan rata-rata dua pengukuran pada kelompok yang sama (mis. nilai sebelum dan sesudah perlakuan)

7.2 ANOVA (Analysis of Variance)

One-Way ANOVA — membandingkan rata-rata lebih dari dua kelompok berdasarkan satu faktor
Two-Way ANOVA (General Linear Model > Univariate) — membandingkan rata-rata berdasarkan dua faktor sekaligus, termasuk interaksi antar faktor
Post Hoc Test (mis. Tukey, Bonferroni, Scheffe) — dilakukan setelah ANOVA signifikan untuk mengetahui kelompok mana yang berbeda secara spesifik

7.3 Uji Non-Parametrik Digunakan apabila data tidak memenuhi asumsi normalitas, diakses melalui Analyze > Nonparametric Tests, meliputi:

Chi-Square Test — menguji hubungan antar variabel kategorik
Mann-Whitney U Test — alternatif non-parametrik dari Independent T-Test
Wilcoxon Signed Rank Test — alternatif non-parametrik dari Paired T-Test
Kruskal-Wallis Test — alternatif non-parametrik dari One-Way ANOVA

8. ANALISIS KORELASI DAN REGRESI

8.1 Analisis Korelasi Digunakan untuk mengetahui kekuatan dan arah hubungan antar variabel, diakses melalui Analyze > Correlate:

Bivariate — korelasi antara dua variabel (Pearson untuk data parametrik, Spearman/Kendall untuk non-parametrik)
Partial — korelasi antar dua variabel dengan mengontrol pengaruh variabel lain

8.2 Analisis Regresi Diakses melalui Analyze > Regression:

Linear — untuk memprediksi hubungan antara satu/lebih variabel bebas terhadap satu variabel terikat berskala interval/rasio, menghasilkan output seperti koefisien regresi, nilai R Square, uji-F (simultan), dan uji-t (parsial)
Multiple Linear Regression — regresi dengan lebih dari satu variabel bebas
Logistic Regression — digunakan ketika variabel terikat bersifat kategorik (biner, mis. Ya/Tidak)

9. ANALISIS MULTIVARIAT LANJUTAN

9.1 Analisis Faktor (Factor Analysis) Analyze > Dimension Reduction > Factor, digunakan untuk mereduksi banyak variabel menjadi beberapa faktor/dimensi utama yang mewakili keseluruhan variabel tersebut.

9.2 Analisis Klaster (Cluster Analysis) Analyze > Classify > Cluster, digunakan untuk mengelompokkan data/responden ke dalam beberapa klaster berdasarkan kemiripan karakteristik.

9.3 Analisis Diskriminan Analyze > Classify > Discriminant, digunakan untuk mengklasifikasikan objek/responden ke dalam kategori tertentu berdasarkan beberapa variabel prediktor.

9.4 Structural Equation Modeling (SEM) Tersedia melalui modul tambahan IBM SPSS Amos, digunakan untuk menguji model hubungan kausal yang kompleks antar banyak variabel sekaligus (termasuk variabel laten).

10. MEMBUAT GRAFIK (GRAPHS)

Diakses melalui menu Graphs > Chart Builder atau Legacy Dialogs, dengan pilihan jenis grafik:

Bar Chart — membandingkan nilai antar kategori
Line Chart — menunjukkan tren dari waktu ke waktu
Pie Chart — menunjukkan proporsi/persentase
Histogram — menunjukkan distribusi frekuensi data numerik
Scatterplot — menunjukkan hubungan antara dua variabel numerik
Boxplot — menunjukkan sebaran data beserta deteksi outlier

11. MENGELOLA OUTPUT DAN SYNTAX

11.1 Output Viewer Seluruh hasil analisis akan muncul di jendela Output Viewer. Output dapat:

Diedit tampilannya (klik dua kali pada tabel/grafik)
Diekspor ke Word, PDF, atau Excel melalui File > Export
Disalin langsung (copy-paste) ke dokumen laporan

11.2 Syntax Syntax adalah perintah SPSS dalam bentuk teks/kode. Setiap perintah yang dijalankan melalui menu sebenarnya dapat direkam menjadi syntax dengan mengklik tombol Paste (bukan OK) pada kotak dialog analisis. Syntax berguna untuk:

Menjalankan analisis yang sama berulang kali secara konsisten
Mendokumentasikan langkah-langkah analisis yang telah dilakukan
Mengotomatiskan pengolahan data dalam jumlah besar

Contoh syntax sederhana untuk statistik deskriptif:

DESCRIPTIVES VARIABLES=Nilai
  /STATISTICS=MEAN STDDEV MIN MAX.

12. LANGKAH UMUM PENGOLAHAN DATA DI SPSS

Menyusun instrumen penelitian (kuesioner) dan mengumpulkan data
Membuka SPSS dan mendefinisikan variabel di Variable View
Memasukkan data mentah ke Data View
Melakukan uji validitas dan reliabilitas instrumen
Melakukan uji asumsi klasik (normalitas, homogenitas, dll)
Memilih dan menjalankan analisis statistik sesuai hipotesis penelitian
Menginterpretasikan hasil output (melihat nilai signifikansi, koefisien, dll)
Menyusun laporan/pembahasan hasil analisis

13. TIPS DAN CATATAN PENTING

💡 Tips: Selalu beri Label dan Value Labels pada setiap variabel di Variable View — ini akan membuat output jauh lebih mudah dibaca dan dipahami dibanding hanya menampilkan kode angka.

💡 Tips: Simpan syntax setiap analisis yang dilakukan (klik Paste, bukan langsung OK) agar proses analisis dapat diulang atau diperiksa kembali tanpa harus mengulang klik menu satu per satu.

💡 Tips: Perhatikan skala pengukuran (Measure) setiap variabel dengan benar — nominal, ordinal, atau scale — karena hal ini akan menentukan jenis uji statistik yang sesuai dan valid untuk digunakan.

Kesalahan umum yang sering terjadi:

Salah menentukan skala pengukuran variabel (Measure)
Tidak melakukan uji asumsi sebelum uji hipotesis parametrik
Salah menafsirkan nilai signifikansi (p-value) pada output
Tidak memberi Value Labels sehingga output sulit dibaca
Menggunakan uji parametrik padahal data tidak memenuhi asumsi normalitas

14. RANGKUMAN

SPSS adalah software statistik yang sangat membantu dalam pengolahan data penelitian, mulai dari input data, uji validitas-reliabilitas, uji asumsi, hingga berbagai uji hipotesis (parametrik maupun non-parametrik) serta analisis lanjutan seperti regresi, faktor, dan klaster. Penguasaan SPSS tidak hanya soal mengoperasikan menu, tetapi juga memahami konsep statistik di baliknya agar hasil analisis dapat diinterpretasikan dan digunakan dengan tepat dalam penelitian.

CONTOH KASUS : UJI-T (T-TEST) DI SPSS

Langkah demi Langkah dengan Data Contoh

KASUS

Seorang peneliti ingin mengetahui apakah ada perbedaan hasil belajar siswa antara metode pembelajaran konvensional (Kelas A) dan metode pembelajaran berbasis proyek (Kelas B). Karena membandingkan dua kelompok yang berbeda (tidak berhubungan), maka jenis uji yang digunakan adalah Independent-Samples T-Test.

Hipotesis:

H0 : Tidak ada perbedaan hasil belajar antara Kelas A dan Kelas B
H1 : Ada perbedaan hasil belajar antara Kelas A dan Kelas B

DATA CONTOH

No	Kelas	Nilai
1	A	70
2	A	75
3	A	68
4	A	72
5	A	65
6	A	78
7	A	71
8	A	69
9	A	74
10	A	66
11	B	82
12	B	85
13	B	79
14	B	88
15	B	84
16	B	80
17	B	90
18	B	83
19	B	86
20	B	81

LANGKAH 1: Mendefinisikan Variabel (Variable View)

Buka SPSS, klik tab Variable View di bagian bawah, lalu isi dua baris variabel:

Name	Type	Decimals	Label	Values	Measure
Kelas	Numeric	0	Kelas Pembelajaran	1="Konvensional", 2="Berbasis Proyek"	Nominal
Nilai	Numeric	0	Hasil Belajar Siswa	None	Scale

Cara mengisi kolom Values (untuk variabel Kelas):

Klik sel Values pada baris "Kelas"
Klik tombol titik tiga (...) yang muncul
Pada kotak Value, ketik 1, pada kotak Label ketik Konvensional, klik Add
Pada kotak Value, ketik 2, pada kotak Label ketik Berbasis Proyek, klik Add
Klik OK

💡 Tips: Variabel Kelas diisi angka 1 dan 2 (bukan huruf A/B) karena SPSS bekerja lebih optimal dengan data numerik, sementara Value Labels membuat output tetap menampilkan nama kelompoknya.

LANGKAH 2: Memasukkan Data (Data View)

Klik tab Data View, lalu masukkan data sesuai tabel di atas — kolom pertama diisi angka 1 (untuk 10 siswa Kelas A) dan 2 (untuk 10 siswa Kelas B), kolom kedua diisi nilai hasil belajar masing-masing siswa.

LANGKAH 3: Menjalankan Independent-Samples T-Test

Klik menu Analyze > Compare Means > Independent-Samples T Test
Pindahkan variabel Nilai ke kotak Test Variable(s)
Pindahkan variabel Kelas ke kotak Grouping Variable (akan muncul tanda Kelas(? ?))
Klik tombol Define Groups, lalu isi:
- Group 1: 1
- Group 2: 2
Klik Continue
Klik OK (atau klik Paste jika ingin menyimpan syntax-nya terlebih dahulu)

Syntax yang dihasilkan (jika menggunakan Paste):

T-TEST GROUPS=Kelas(1 2)
  /MISSING=ANALYSIS
  /VARIABLES=Nilai
  /CRITERIA=CI(.95).

LANGKAH 4: Membaca Output

SPSS akan menghasilkan dua tabel utama di Output Viewer:

Tabel 1 — Group Statistics

Kelas	N	Mean	Std. Deviation
Konvensional	10	70,80	4,02
Berbasis Proyek	10	83,80	3,49

Tabel 2 — Independent Samples Test

	Levene's Test (Sig.)	t	df	Sig. (2-tailed)
Equal variances assumed	0,592	-7,72	18	0,000

LANGKAH 5: Interpretasi Hasil

a) Uji Homogenitas Varians (Levene's Test)
Nilai signifikansi Levene's Test = 0,592 (> 0,05), artinya varians kedua kelompok homogen (sama). Maka baris yang dibaca adalah "Equal variances assumed".

b) Uji Hipotesis (Uji-t)
Nilai Sig. (2-tailed) = 0,000 (< 0,05), maka H0 ditolak, artinya:

Terdapat perbedaan yang signifikan antara hasil belajar siswa yang menggunakan metode konvensional (rata-rata = 70,80) dengan metode berbasis proyek (rata-rata = 83,80). Rata-rata hasil belajar Kelas B (berbasis proyek) lebih tinggi dibanding Kelas A (konvensional).

LANGKAH 6: Menuliskan ke Laporan/Skripsi

Contoh kalimat kesimpulan yang bisa digunakan:

"Berdasarkan hasil uji Independent-Samples T-Test diperoleh nilai signifikansi sebesar 0,000 (p < 0,05), sehingga H0 ditolak dan H1 diterima. Dengan demikian dapat disimpulkan bahwa terdapat perbedaan hasil belajar yang signifikan antara siswa yang menggunakan metode pembelajaran konvensional dengan siswa yang menggunakan metode pembelajaran berbasis proyek. Rata-rata hasil belajar kelompok berbasis proyek (83,80) lebih tinggi dibandingkan kelompok konvensional (70,80), sehingga metode pembelajaran berbasis proyek terbukti lebih efektif dalam meningkatkan hasil belajar siswa."

https://www.alzaqa.com/2026/09/00112.html

https://www.alzaqa.com/2026/09/00021.html

https://www.alzaqa.com/2026/09/00024.html

https://www.alzaqa.com/2026/09/00028.html

https://www.alzaqa.com/2026/09/00033.html

https://www.alzaqa.com/2026/09/00035.html

https://www.alzaqa.com/2026/09/00051.html

https://www.alzaqa.com/2026/09/00044.html

https://www.alzaqa.com/2026/09/00047.html

https://www.alzaqa.com/2026/09/00053.html

https://www.alzaqa.com/2026/09/00056.html

https://www.alzaqa.com/2026/09/00059.html