IBM SPSS Statistik 22 Panduan Singkat

Page 1
IBM SPSS Statistics 22 Panduan Singkat

Halaman 2
Catatan
Sebelum menggunakan informasi ini dan produk yang terkait, baca informasi dalam "Pemberitahuan" di halaman 87.
Informasi Produk
Edisi ini berlaku untuk versi 22, rilis 0, modifikasi 0 dari IBM SPSS Statistik dan semua rilis berikutnya dan
modifikasi sampai dinyatakan dalam edisi baru.

Halaman 3
Isi
Bab 1 Pendahuluan. . . . . . . . 1
File sampel. . . . . . . . . . . . . . 1
Membuka Data File. . . . . . . . . . . . 1
Menjalankan Analisis
. . . . . . . . . . . 3
Membuat Charts. . . . . . . . . . . . . 4
Bab 2. Membaca data. . . . . . . . 7
Struktur dasar dari IBM SPSS Statistics data File. . 7
Membaca IBM SPSS Statistics data File
. . . . . 7
Membaca Data dari Spreadsheets. . . . . . . . 8
Membaca Data dari Database. . . . . . . . 9
Membaca Data dari File teks. . . . . . . . 12
Bab 3. Menggunakan Editor Data. . . 15
Memasuki Data Angka. . . . . . . . . . 15
Memasuki String data. . . . . . . . . . . 16
Mendefinisikan data
. . . . . . . . . . . . . 17
Menambahkan Label Variabel. . . . . . . . . 17
Mengubah Variabel Jenis dan Format. . . . . 18
Menambahkan Nilai Label. . . . . . . . . . 19
Penanganan Hilang Data. . . . . . . . . 19
Hilang Nilai untuk Variabel Numeric. . . . 20
Hilang Nilai untuk String Variabel. . . . . 20
Bab 4. Meneliti Ringkasan
Statistik untuk Variabel Individual. . . 23
Tingkat Pengukuran. . . . . . . . . . . 23
Tindakan Ringkasan untuk Kategoris data
. . . . 23
Grafik untuk Kategoris data. . . . . . . . 24
Tindakan Ringkasan untuk Variabel Skala. . . . . 25
Histogram untuk Variabel Skala. . . . . . . 26
Bab 5. Membuat dan grafik editing
29
Dasar-dasar pembuatan grafik. . . . . . . . . . . 29
Menggunakan Chart Builder galeri. . . . . . . 29
Mendefinisikan variabel dan statistik
. . . . . . 30
Menambahkan teks. . . . . . . . . . . . . 32
Membuat grafik. . . . . . . . . . . 32
Bab 6. Bekerja dengan output. . . . 35
Menggunakan Viewer. . . . . . . . . . . . 35
Menggunakan Editor Pivot Table. . . . . . . . . 36
Mengakses Definisi Output. . . . . . . 36
Berputar Tabel. . . . . . . . . . . . 37
Membuat dan Menampilkan Layer
. . . . . . 38
Editing Tabel. . . . . . . . . . . . 39
Menyembunyikan Baris dan Kolom. . . . . . . . 40
Mengubah Format Tampilan Data. . . . . . 40
TableLooks. . . . . . . . . . . . . . 41
Menggunakan Predefined Format. . . . . . . . 42
Menyesuaikan TableLook Styles. . . . . . . 42
Mengubah Default Tabel Format. . . . . 45
Menyesuaikan Pengaturan Tampilan awal. . . . 45
Menampilkan Variabel dan Nilai Label. . . . . 46
Menggunakan Hasil Aplikasi Lainnya. . . . . . 47
Hasil Menempelkan sebagai Tabel Word. . . . . . . 48
Hasil Menempelkan sebagai Teks
. . . . . . . . . 48
Mengekspor Hasil untuk Microsoft Word,
PowerPoint, dan Excel Files. . . . . . . . 49
Mengekspor Hasil ke PDF. . . . . . . . . 54
Mengekspor Hasil ke HTML. . . . . . . . 56
Bab 7. Bekerja dengan Syntax. . . . 59
Menempelkan Sintaks. . . . . . . . . . . . . 59
Editing Sintaks. . . . . . . . . . . . . 60
Membuka dan Menjalankan Perintah Berkas. . . . . . 61
Menggunakan Breakpoints. . . . . . . . . . . . 61
Bab 8. Nilai Memodifikasi data. . . 63
Membuat Variabel kategoris dari Skala sebuah
Variabel
. . . . . . . . . . . . . . . 63
Komputasi Variabel baru. . . . . . . . . 65
Menggunakan Fungsi dalam Expressions. . . . . . . 66
Menggunakan Ekspresi Bersyarat. . . . . . . 67
Bekerja dengan Tanggal dan Times. . . . . . . . 68
Menghitung Panjang Waktu antara Dua
Tanggal. . . . . . . . . . . . . . . 69
Menambahkan Durasi untuk Tanggal. . . . . . . 70
Bab 9. Sortasi dan Memilih data
71
Penyortiran data. . . . . . . . . . . . . . 71
Pengolahan split-file. . . . . . . . . . . 71
Sorting Kasus Pengolahan Split-file. . . . 73
Menghidupkan Split-file Pengolahan On dan Off. . . 73
Memilih Subset Kasus. . . . . . . . . 73
Memilih Kasus Berdasarkan Bersyarat Expressions 74
Memilih Sampel Acak. . . . . . . . 75
Memilih Rentang waktu atau Case Range. . . . 76
Pengobatan yang tak dipilih Kasus. . . . . . . 76
Kasus Pemilihan Status. . . . . . . . . . . 77
Bab 10. File Contoh. . . . . . . 79
Pemberitahuan. . . . . . . . . . . . . . 87
Merek dagang. . . . . . . . . . . . . . 89
Index. . . . . . . . . . . . . . . 91
aku aku aku

Page 4
iv

Halaman 5
Bab 1 Pendahuluan
Panduan ini akan menunjukkan kepada Anda bagaimana menggunakan banyak fitur yang tersedia. Hal ini dirancang untuk memberikan
langkah-demi-langkah, tangan-on panduan. Semua file yang ditampilkan dalam contoh dipasang dengan aplikasi tersebut sehingga
Anda dapat mengikuti bersama, melakukan analisis yang sama dan mendapatkan hasil yang sama ditampilkan di sini.
Jika Anda ingin contoh rinci berbagai teknik analisis statistik, coba Studi Kasus langkah-demi-langkah,
tersedia dari menu Help.
Contoh File
Sebagian besar contoh yang disajikan di sini menggunakan file data demo.sav. Data file ini adalah survei fiktif
dari beberapa ribu orang, yang berisi informasi demografis dan konsumen dasar.
Jika Anda menggunakan versi Mahasiswa, versi demo.sav adalah sampel yang representatif dari aslinya
data file, dikurangi untuk memenuhi batas 1.500 kasus. Hasil yang Anda memperoleh menggunakan file data yang akan berbeda dari
hasil yang ditunjukkan di sini.
Sampel file yang diinstal dengan produk dapat ditemukan di Sampel subdirektori instalasi
direktori. Ada folder terpisah dalam Sampel subdirektori untuk masing-masing bahasa berikut:
Inggris, Perancis, Jerman, Italia, Jepang, Korea, Polandia, Rusia, Cina Sederhana, Spanyol, dan
Cina tradisional.
Tidak semua file sampel yang tersedia dalam semua bahasa. Jika contoh file tidak tersedia dalam bahasa, yang
folder bahasa berisi versi bahasa Inggris dari file sampel.
Membuka Data File
Untuk membuka file data:
1. Dari menu pilih:
File> Open> Data ...
Sebuah kotak dialog untuk membuka file ditampilkan.
Secara default, IBM
®
SPSS
®
File data statistik (. Ekstensi sav) akan ditampilkan.
Contoh ini menggunakan file demo.sav.
© Copyright IBM Corporation tahun 1989, 2013
1

Halaman 6
File data ditampilkan dalam Editor Data. Dalam data View, jika Anda meletakkan kursor mouse pada variabel
Nama (judul kolom), variabel label yang lebih deskriptif ditampilkan (jika label telah
ditetapkan untuk variabel itu).
Secara default, nilai data aktual ditampilkan. Untuk menampilkan label:
2. Dari menu pilih:
View> Nilai Label
Atau, Anda dapat menggunakan tombol Nilai Label pada toolbar.
Nilai deskriptif label sekarang ditampilkan untuk memudahkan menafsirkan tanggapan.
Gambar 1. File demo.sav dalam Data Editor
Gambar 2. Nilai Label tombol
Gambar 3. Nilai label yang ditampilkan di Editor data
2

Halaman 7
Menjalankan Analisis
Jika Anda memiliki add-on opsi, Analyze menu berisi daftar pelaporan dan analisis statistik
kategori.
Kami akan mulai dengan membuat tabel frekuensi sederhana (tabel jumlah). Contoh ini membutuhkan Statistik
Pilihan dasar.
1. Dari menu pilih:
Menganalisis> Statistik Deskriptif> Frekuensi ...
The Frekuensi kotak dialog akan ditampilkan.
Ikon di samping masing-masing variabel memberikan informasi tentang tipe data dan tingkat pengukuran.
Numeric
Tali
Tanggal
Waktu
Skala (Continuous)
n / a
Urut
Nominal
Jika label dan / atau nama variabel muncul dipotong dalam daftar, lengkap label / nama ditampilkan
ketika kursor diposisikan di atasnya. Nama variabel inccat ditampilkan dalam tanda kurung setelah
deskriptif variabel label. kategori Penghasilan dalam ribuan adalah label variabel. Jika tidak ada
label variabel, hanya nama variabel akan muncul di kotak daftar.
Anda dapat mengubah ukuran kotak dialog seperti jendela, dengan mengklik dan menyeret perbatasan luar atau
sudut. Sebagai contoh, jika Anda membuat kotak dialog yang lebih luas, daftar variabel juga akan lebih luas.
Pada kotak dialog, Anda memilih variabel yang ingin Anda menganalisis dari daftar sumber di sebelah kiri
dan drag dan drop mereka ke dalam Variable (s) daftar di sebelah kanan. Tombol OK, yang menjalankan analisis,
dinonaktifkan sampai setidaknya satu variabel ditempatkan di Variable (s) daftar.
Dalam banyak dialog, Anda dapat memperoleh informasi tambahan dengan mengklik kanan setiap nama variabel dalam daftar
dan memilih informasi Variabel dari menu pop-up.
2. Klik Kelamin [jender] dalam daftar variabel sumber dan tarik variabel ke dalam variabel sasaran (s) daftar.
Gambar 4. Frekuensi kotak dialog
Bab 1 Pendahuluan
3

Halaman 8
3. Klik kategori Penghasilan dalam ribuan [inccat] dalam daftar sumber dan tarik ke daftar target.
4. Klik OK untuk menjalankan prosedur.
Hasilnya ditampilkan di jendela Viewer.
Membuat Grafik
Meskipun beberapa prosedur statistik dapat membuat grafik, Anda juga dapat menggunakan menu untuk membuat Grafik
grafik.
Sebagai contoh, Anda dapat membuat grafik yang menunjukkan hubungan antara layanan telepon nirkabel dan
PDA (personal digital assistant) kepemilikan.
1. Dari menu pilih:
Grafik> Bagan Builder ...
Gambar 5. Variabel yang dipilih untuk analisis
Gambar Tabel 6. Frekuensi kategori pendapatan
4

Halaman 9
2. Klik tab Gallery (jika tidak dipilih).
3. Klik Bar (jika tidak dipilih).
4. Tarik ikon Clustered Bar ke kanvas, yang merupakan area yang luas di atas Galeri.
5. Gulir ke bawah daftar Variabel, klik kanan layanan nirkabel [nirkabel], lalu pilih Nominal sebagai yang
Tingkat pengukuran.
6. Drag layanan Wireless [nirkabel] variabel sumbu x.
7. Klik kanan Memiliki PDA [ownpda] dan pilih Nominal sebagai tingkat pengukurannya.
8. Tarik Memiliki PDA [ownpda] variabel ke zona drop klaster di sudut kanan atas
kanvas.
9. Klik OK untuk membuat grafik.
Gambar 7. Bagan Builder kotak dialog dengan zona penurunan selesai
Bab 1 Pendahuluan
5

Halaman 10
Grafik batang ditampilkan dalam Viewer. Grafik menunjukkan bahwa orang dengan layanan telepon nirkabel jauh
lebih cenderung memiliki PDA daripada orang tanpa layanan nirkabel.
Anda dapat mengedit grafik dan tabel dengan mengklik dua kali dalam isi panel jendela Viewer, dan
Anda dapat copy dan paste hasil Anda ke aplikasi lain. Topik tersebut akan dibahas kemudian.
Gambar 8. Bar chart ditampilkan di jendela Viewer
6

Halaman 11
Bab 2. Membaca data
Data dapat dimasukkan secara langsung, atau dapat diimpor dari sejumlah sumber yang berbeda. Proses untuk
membaca data yang tersimpan di IBM SPSS Statistik file data; aplikasi spreadsheet, seperti Microsoft Excel;
aplikasi database, seperti Microsoft Access; dan file teks semua dibahas dalam bab ini.
Struktur dasar dari IBM SPSS Data Statistik File
IBM SPSS Statistics file data yang diselenggarakan oleh kasus (baris) dan variabel (kolom). Dalam hal ini data file,
hal mewakili responden individu untuk survei. Variabel merupakan tanggapan terhadap setiap pertanyaan yang diajukan
dalam survei.
Membaca IBM SPSS Statistics data File
IBM SPSS Statistik file data, yang memiliki ekstensi file .sav, berisi data yang tersimpan.
1. Dari menu pilih:
2. Browse untuk dan demo.sav terbuka. Melihat topi c Bab 10, "File Contoh," pada halaman 79 untuk lebih
Informasi.
Data sekarang ditampilkan di Editor Data.
Gambar 9. Data Editor
7

Halaman 12
Membaca Data dari Spreadsheet
Daripada mengetik semua data Anda langsung ke Editor Data, Anda dapat membaca data dari aplikasi
seperti Microsoft Excel. Anda juga dapat membaca judul kolom sebagai nama variabel.
1. Dari menu pilih:
2. Pilih Excel (* .xls) sebagai jenis file yang ingin Anda lihat.
3. Buka demo.xls. Lihat topik Bab 10, "Sample File," pada halaman 79 untuk informasi lebih lanjut.
The Membuka kotak dialog Excel Sumber Data ditampilkan, memungkinkan Anda untuk menentukan apakah variabel
Nama-nama yang akan dimasukkan dalam spreadsheet, serta sel-sel yang ingin Anda impor. Dalam Excel 95
atau lambat, Anda juga dapat menentukan lembar kerja yang ingin Anda impor.
4. Pastikan Baca nama variabel dari baris pertama data yang dipilih. Pilihan ini membaca kolom
judul sebagai nama variabel.
Jika judul kolom tidak sesuai dengan IBM SPSS Statistics-variabel penamaan aturan, mereka
diubah menjadi nama variabel yang valid dan judul kolom asli disimpan sebagai label variabel. Jika
Anda ingin mengimpor hanya sebagian dari spreadsheet, menentukan kisaran sel yang akan diimpor dalam
Rentang kotak teks.
5. Klik OK untuk membaca file Excel.
Data sekarang muncul di Editor Data, dengan judul kolom yang digunakan sebagai nama variabel. Sejak
nama variabel tidak bisa mengandung spasi, spasi dari judul kolom asli telah dihapus.
Sebagai contoh, Status pernikahan dalam file Excel menjadi variabel Maritalstatus. Kolom asli
judul dipertahankan sebagai label variabel.
Gambar 10. Dibuka file data
8

Halaman 13
Membaca Data dari Database
Data dari sumber database dengan mudah diimpor menggunakan Database Wizard. Database yang menggunakan
ODBC (Open Database Connectivity) driver dapat dibaca langsung setelah driver diinstal. ODBC
driver untuk banyak format database yang ada pada CD instalasi. Driver tambahan bisa
diperoleh dari vendor pihak ketiga. Salah satu aplikasi database yang paling umum, Microsoft Access, adalah
dibahas dalam contoh ini.
Catatan: Contoh ini adalah khusus untuk Microsoft Windows dan membutuhkan driver ODBC untuk Akses. Langkah-langkah
mirip pada platform lain, tetapi mungkin memerlukan ODBC pihak ketiga untuk Akses.
1. Dari menu pilih:
File> Open Database> New Query ...
Gambar 11. Data Impor Excel
Bab 2. Membaca data
9

Halaman 14
2. Pilih MS Access Database dari daftar sumber data dan klik Next.
Catatan: Tergantung pada instalasi, Anda juga dapat melihat daftar sumber data OLEDB di sisi kiri
wizard (Windows sistem operasi hanya), tetapi contoh ini menggunakan daftar data ODBC
Sumber ditampilkan di sisi kanan.
3. Klik Browse untuk menavigasi ke file database Access yang ingin Anda buka.
4. Buka demo.mdb. Lihat topik Bab 10, "Sample File," pada halaman 79 untuk informasi lebih lanjut.
5. Klik OK pada kotak dialog login.
Pada langkah berikutnya, Anda dapat menentukan tabel dan variabel yang ingin Anda impor.
Gambar 12. Database Wizard kotak dialog Welcome
10

Halaman 15
6. Tarik seluruh tabel demo ke Ambil Fields Dalam daftar Orde ini.
7. Klik Next.
Pada langkah berikutnya, Anda dapat memilih record (kasus) untuk mengimpor.
Jika Anda tidak ingin mengimpor semua kasus, Anda dapat mengimpor subset kasus (misalnya, laki-laki yang lebih tua
dari 30), atau Anda dapat mengimpor sampel acak dari kasus dari sumber data. Untuk sumber data yang besar,
Anda mungkin ingin membatasi jumlah kasus ke, sampel yang representatif kecil untuk mengurangi
waktu pengerjaan.
8. Klik Next untuk melanjutkan.
Nama field yang digunakan untuk membuat nama variabel. Jika perlu, nama diubah menjadi valid
nama variabel. Nama field asli yang diawetkan sebagai label variabel. Anda juga dapat mengubah
nama variabel sebelum mengimpor database.
Langkah Gambar 13. Pilih Data
Bab 2. Membaca data
11

Halaman 16
9. Klik Recode ke sel Numeric di bidang gender. Opsi ini mengubah variabel string ke integer
variabel dan mempertahankan nilai asli sebagai label nilai variabel baru.
Pernyataan SQL yang dibuat dari pilihan Anda dalam Database Wizard muncul pada langkah Hasil.
Pernyataan ini dapat dilaksanakan sekarang atau disimpan ke sebuah file untuk digunakan nanti.
11. Klik Finish untuk mengimpor data.
Semua data dalam database Access yang Anda pilih untuk mengimpor sekarang tersedia di Editor Data.
Membaca Data dari File Teks
File teks adalah sumber umum lainnya data. Banyak program spreadsheet dan database dapat menyimpan mereka
isi salah satu dari banyak format file teks. File Comma- atau tab-delimited mengacu pada baris data yang menggunakan
koma atau tab untuk menunjukkan setiap variabel. Dalam contoh ini, data yang tab terbatas.
1. Dari menu pilih:
File> Baca Teks data ...
2. Pilih Text (* .txt) sebagai jenis file yang ingin Anda lihat.
3. Buka demo.txt. Lihat topik Bab 10, "Sample File," pada halaman 79 untuk informasi lebih lanjut.
Gambar 14. Tentukan Variabel langkah
12

Halaman 17
Teks Impor Wizard akan memandu Anda melalui proses mendefinisikan bagaimana file teks yang ditentukan
harus ditafsirkan.
4. Pada Langkah 1, Anda dapat memilih format yang telah ditentukan atau membuat format baru dalam wizard. Pilih Tidak untuk
menunjukkan bahwa format baru harus dibuat.
Seperti yang dinyatakan sebelumnya, file ini menggunakan format tab-delimited. Juga, nama-nama variabel yang didefinisikan pada
baris atas file ini.
6. Pada langkah 2 dari wizard, pilih Delimited untuk menunjukkan bahwa data menggunakan format delimited
struktur.
7. Pilih Ya untuk menunjukkan bahwa nama-nama variabel harus dibaca dari atas file.
9. Pada langkah 3, masukkan 2 untuk nomor baris di mana kasus pertama data dimulai (karena nama variabel yang
pada baris pertama).
10. Jauhkan nilai default untuk sisa langkah ini, dan klik Next untuk melanjutkan.
Preview data pada Langkah 4 menyediakan Anda dengan cara yang cepat untuk memastikan bahwa data Anda sedang
membaca dengan benar.
11. Pilih Tab dan hapus pilihan lain untuk pembatas.
Karena nama variabel mungkin telah dimodifikasi agar sesuai dengan aturan penamaan, langkah 5gives Anda
kesempatan untuk mengedit nama-nama yang tidak diinginkan.
Jenis data yang dapat didefinisikan di sini juga. Sebagai contoh, itu aman untuk mengasumsikan bahwa variabel pendapatan
dimaksudkan untuk mengandung jumlah dolar tertentu.
Untuk mengubah tipe data:
13. pratinjau bawah Data, pilih variabel yang ingin Anda ubah, yang merupakan Pendapatan dalam hal ini.
Gambar 15. Teks Impor Wizard: Langkah 1 dari 6
Bab 2. Membaca data
13

Halaman 18
14. Pilih Dollar dari daftar drop-down Format Data.
16. Biarkan pilihan default di langkah terakhir, dan klik Finish untuk mengimpor data.
Gambar 16. Perubahan tipe data
14

Halaman 19
Bab 3. Menggunakan Editor data
Data Editor menampilkan isi dari file data yang aktif. Informasi dalam Editor data terdiri
variabel dan kasus.
v Dalam data View, kolom mewakili variabel, dan baris merupakan kasus (pengamatan).
v Pada Variable View, setiap baris adalah variabel, dan setiap kolom adalah atribut yang berhubungan dengan itu
variabel.
Variabel yang digunakan untuk mewakili berbagai jenis data yang telah Anda dikompilasi. Sebuah analogi umum adalah
bahwa survei. Respon terhadap setiap pertanyaan pada survei setara dengan variabel. Variabel datang
berbagai jenis, termasuk angka, string, mata uang, dan tanggal.
Memasuki Data Angka
Data dapat dimasukkan ke dalam Editor data, yang mungkin berguna untuk file data kecil atau untuk membuat minor
mengedit file data yang lebih besar.
1. Klik tab View Variable di bagian bawah jendela Data Editor.
Anda perlu mendefinisikan variabel-variabel yang akan digunakan. Dalam hal ini, hanya tiga variabel yang diperlukan: umur,
status perkawinan, dan pendapatan.
2. Pada baris pertama kolom pertama, jenis usia.
3. Pada baris kedua, ketik perkawinan.
4. Pada baris ketiga, pendapatan jenis.
Variabel baru secara otomatis diberi tipe data Numeric.
Jika Anda tidak memasukkan nama variabel, nama yang unik secara otomatis dibuat. Namun, nama-nama ini
tidak deskriptif dan tidak direkomendasikan untuk file data yang besar.
5. Klik Data View tab untuk terus memasukkan data.
Gambar 17. Nama-nama variabel di Variable View
15

Halaman 20
Nama-nama yang masuk dalam Variable View sekarang judul untuk pertama tiga kolom di
Data View.
Mulailah memasukkan data pada baris pertama, mulai dari kolom pertama.
6. Pada kolom umur, jenis 55.
7. Pada kolom perkawinan, tipe 1.
8. Pada kolom penghasilan, ketik 72000.
9. Pindahkan kursor ke baris kedua kolom pertama untuk menambahkan data subjek berikutnya.
10. Pada kolom umur, jenis 53.
11. Pada kolom perkawinan, jenis 0.
12. Pada kolom penghasilan, ketik 153.000.
Saat ini, kolom usia dan perkawinan menampilkan angka desimal, meskipun nilai-nilai mereka dimaksudkan
menjadi bilangan bulat. Untuk menyembunyikan poin desimal dalam variabel tersebut:
14. Dalam desimal kolom baris usia, jenis 0 untuk menyembunyikan desimal.
15. Dalam desimal kolom baris perkawinan, jenis 0 untuk menyembunyikan desimal.
Memasuki String data
Data Non-numerik, seperti string teks, juga dapat dimasukkan ke dalam Editor Data.
2. Pada sel pertama dari baris pertama kosong, ketik seks untuk nama variabel.
3. Klik Type sel sebelah entri Anda.
4. Klik tombol di sisi kanan Type sel untuk membuka kotak dialog Type Variable.
5. Pilih String untuk menentukan jenis variabel.
6. Klik OK untuk menyimpan pilihan Anda dan kembali ke Editor Data.
Gambar 18. Nilai dimasukkan dalam data View
16

Halaman 21
Mendefinisikan data
Selain mendefinisikan jenis data, Anda juga dapat menentukan deskriptif label variabel dan nilai label untuk
nama dan nilai-nilai data variabel. Ini label deskriptif yang digunakan dalam laporan statistik dan grafik.
Menambahkan Label Variabel
Label dimaksudkan untuk memberikan deskripsi variabel. Deskripsi ini adalah versi seringkali lebih lama
nama variabel. Label bisa sampai 255 byte. Label ini digunakan dalam output Anda untuk mengidentifikasi
variabel yang berbeda.
2. Pada kolom Label baris usia, jenis Termohon Age.
3. Pada kolom Label baris perkawinan, ketik Status Perkawinan.
4. Pada kolom Label baris pendapatan, ketik Pendapatan Rumah Tangga.
5. Pada kolom Label baris seks, jenis kelamin.
Gambar 19. Variabel Jenis kotak dialog
17

Halaman 22
Mengubah Variabel Jenis dan Format
Tipe kolom menampilkan tipe data saat ini untuk masing-masing variabel. Jenis data yang paling umum adalah
numerik dan string, tapi banyak format lain yang didukung. Di saat data file, variabel pendapatan
didefinisikan sebagai tipe numerik.
1. Klik Type sel untuk baris pendapatan, dan kemudian klik tombol di sisi kanan sel untuk membuka
Jenis kotak dialog Variable.
2. Pilih Dollar.
Opsi format untuk tipe data yang dipilih saat ini akan ditampilkan.
3. Untuk format mata uang dalam contoh ini, pilih $ ###, ###, ###.
4. Klik OK untuk menyimpan perubahan.
Gambar 20. label Variabel dimasukkan dalam Variable View
Gambar 21. Variabel Jenis kotak dialog
18

Halaman 23
Menambahkan Nilai Label
Label nilai menyediakan sebuah metode untuk pemetaan nilai-nilai variabel ke label tali. Dalam contoh ini, ada
adalah dua nilai yang dapat diterima untuk variabel perkawinan. Nilai 0 berarti bahwa subjek tunggal, dan
nilai 1 berarti bahwa ia sudah menikah.
1. Klik sel Nilai untuk baris perkawinan, dan kemudian klik tombol di sisi kanan sel untuk membuka
Nilai tersebut Label kotak dialog.
Nilai adalah nilai numerik yang sebenarnya.
Label nilai adalah label string yang diterapkan pada nilai numerik yang ditentukan.
2. Tipe 0 di bidang nilai.
3. tipe single di bidang Label.
4. Klik Add untuk menambahkan label ini ke dalam daftar.
5. Tipe 1 di bidang nilai, dan jenis Menikah di bidang Label.
6. Klik Add, lalu klik OK untuk menyimpan perubahan dan kembali ke Editor Data.
Label ini juga dapat ditampilkan dalam Data View, yang dapat membuat data Anda lebih mudah dibaca.
7. Klik Data View tab di bagian bawah jendela Data Editor.
8. Dari menu pilih:
View> Nilai Label
Label sekarang ditampilkan dalam daftar ketika Anda memasukkan nilai-nilai dalam Editor Data. Pengaturan ini memiliki
manfaat menunjukkan respon yang valid dan memberikan jawaban yang lebih deskriptif.
Jika Value Label item menu sudah aktif (dengan tanda centang di sampingnya), memilih Nilai Label
lagi akan mematikan layar nilai label.
Penanganan Hilang data
Data yang hilang atau tidak valid umumnya terlalu umum untuk diabaikan. Responden survei dapat menolak untuk menjawab
pertanyaan tertentu, mungkin tidak tahu jawabannya, atau mungkin menjawab dalam format yang tak terduga. Jika Anda tidak menyaring
atau mengidentifikasi data, analisis Anda tidak dapat memberikan hasil yang akurat.
Untuk data numerik, bidang data kosong atau bidang yang berisi entri yang tidak valid akan dikonversi ke sistem-hilang,
yang diidentifikasi oleh satu periode.
Gambar 22. Nilai Label kotak dialog
19

Halaman 24
Alasan nilai yang hilang mungkin penting untuk analisis Anda. Sebagai contoh, Anda mungkin menemukan itu berguna untuk
membedakan antara responden yang menolak untuk menjawab pertanyaan dan responden yang
tidak menjawab pertanyaan karena itu tidak berlaku.
Hilang Nilai untuk Variabel Numeric
2. Klik sel Hilang di barisan usia, dan kemudian klik tombol di sisi kanan sel untuk membuka
Hilang Nilai kotak dialog.
Dalam kotak dialog ini, Anda dapat menentukan sampai tiga nilai yang hilang yang berbeda, atau Anda dapat menentukan berbagai
nilai plus satu nilai diskrit tambahan.
3. Nilai-nilai yang hilang Pilih Discrete.
4. Ketik 999 di kotak teks pertama dan meninggalkan dua kotak teks lain yang kosong.
5. Klik OK untuk menyimpan perubahan dan kembali ke Editor Data.
Sekarang bahwa nilai data yang hilang telah ditambahkan, label dapat diterapkan untuk nilai tersebut.
6. Klik sel Nilai pada baris usia, dan kemudian klik tombol di sisi kanan sel untuk membuka
Nilai Label kotak dialog.
7. Ketik 999 di bidang nilai.
8. Ketik No Response di bidang Label.
9. Klik Add untuk menambahkan label ini ke file data Anda.
Hilang Nilai untuk String Variabel
Nilai yang hilang untuk variabel string ditangani sama dengan nilai-nilai yang hilang untuk variabel numerik.
Namun, tidak seperti variabel numerik, bidang kosong di variabel string tidak ditujukan sebagai sistem-hilang.
Sebaliknya, mereka ditafsirkan sebagai string kosong.
2. Klik sel Hilang di barisan seks, dan kemudian klik tombol di sisi kanan sel untuk membuka
Hilang Nilai kotak dialog.
3. Nilai-nilai yang hilang Pilih Discrete.
4. Ketik NR dalam kotak teks pertama.
Nilai yang hilang untuk variabel string adalah case sensitif. Jadi, nilai nr tidak diperlakukan sebagai hilang
nilai.
Sekarang Anda dapat menambahkan label untuk nilai yang hilang.
6. Klik sel Nilai pada baris seks, dan kemudian klik tombol di sisi kanan sel untuk membuka
Nilai Label kotak dialog.
Gambar 23. Nilai Hilang kotak dialog
20

Halaman 25
7. Ketik NR di bidang nilai.
8. Ketik No Response di bidang Label.
9. Klik Add untuk menambahkan label ini untuk proyek Anda.
21

Halaman 26
22

Halaman 27
Bab 4. Meneliti Statistik Ringkasan untuk Individu
Variabel
Bagian ini membahas langkah-langkah ringkasan sederhana dan bagaimana tingkat pengukuran variabel
mempengaruhi jenis statistik yang harus digunakan. Kami akan menggunakan file data demo.sav. Lihat topik
Bab 10, "File Contoh," pada halaman 79 untuk informasi lebih lanjut.
Tingkat Pengukuran
Langkah-langkah ringkasan yang berbeda sesuai untuk berbagai jenis data, tergantung pada tingkat
pengukuran:
Data kategoris. Dengan sejumlah nilai yang berbeda atau kategori (misalnya, jenis kelamin atau perkawinan
status). Juga disebut data kualitatif. Variabel kategori dapat string (alfanumerik) data atau
variabel numerik yang menggunakan kode numerik untuk mewakili kategori (misalnya, 0 = belum menikah dan 1 =
Menikah). Ada dua tipe dasar data kategoris:
v Nominal. Data kategori di mana tidak ada perintah yang melekat pada kategori. Sebagai contoh, pekerjaan
kategori penjualan tidak lebih tinggi atau lebih rendah dari kategori pekerjaan pemasaran atau penelitian.
v Ordinal. Data kategori mana ada urutan yang berarti kategori, tetapi tidak ada
Jarak diukur antara kategori. Misalnya, ada perintah untuk nilai-nilai tinggi, sedang, dan
rendah, tetapi "jarak" antara nilai-nilai tidak dapat dihitung.
Skala. Data yang diukur pada interval atau rasio skala, di mana nilai-nilai data menunjukkan kedua urutan
nilai-nilai dan jarak antara nilai-nilai. Misalnya, gaji $ 72.195 lebih tinggi dari gaji
$ 52.398, dan jarak antara dua nilai adalah $ 19.797. Juga disebut sebagai kuantitatif atau
Data kontinyu.
Tindakan Ringkasan untuk Kategoris data
Untuk data kategori, ukuran ringkasan yang paling khas adalah jumlah atau persentase kasus di masing-masing
kategori. Modus adalah kategori dengan jumlah terbesar kasus. Untuk data ordinal, median (yang
nilai di mana setengah dari kasus jatuh di atas dan di bawah) juga bisa menjadi ukuran ringkasan berguna jika ada
sejumlah besar kategori.
The Frekuensi Prosedur menghasilkan tabel frekuensi yang menampilkan baik jumlah dan persentase
kasus untuk setiap nilai yang diamati dari variabel.
1. Dari menu pilih:
Menganalisis> Statistik Deskriptif> Frekuensi ...
Catatan: Fitur ini memerlukan opsi Statistik Base.
2. Pilih Memiliki PDA [ownpda] dan Memiliki TV [owntv] dan memindahkan mereka ke Variable (s) daftar.
23

Halaman 28
Tabel frekuensi akan ditampilkan di jendela Viewer. Tabel frekuensi menunjukkan bahwa hanya 20,4% dari
orang-orang memiliki PDA, tapi hampir semua orang memiliki TV (99,0%). Ini mungkin tidak menarik
wahyu, meskipun mungkin menarik untuk mengetahui lebih lanjut tentang kelompok kecil orang yang tidak
televisi sendiri.
Charts untuk Kategoris data
Anda grafis dapat menampilkan informasi dalam tabel frekuensi dengan bar chart atau pie chart.
1. Buka Frekuensi kotak dialog lagi. (Kedua variabel tetap harus dipilih.)
Anda dapat menggunakan tombol Dialog Ingat pada toolbar untuk segera kembali ke prosedur yang baru saja digunakan.
Gambar 24. variabel kategoris yang dipilih untuk analisis
Gambar 25. Frekuensi tabel
24

Halaman 29
2. Klik Charts.
3. Pilih Bar grafik dan kemudian klik Lanjutkan.
4. Klik OK di kotak dialog utama untuk menjalankan prosedur.
Selain meja frekuensi, informasi yang sama sekarang ditampilkan dalam bentuk grafik batang,
sehingga mudah untuk melihat bahwa kebanyakan orang tidak PDA sendiri tetapi hampir semua orang memiliki TV.
Tindakan Ringkasan untuk Variabel Skala
Ada banyak langkah-langkah ringkasan tersedia untuk variabel skala, termasuk:
v Ukuran tendensi sentral. Langkah-langkah paling umum tendensi sentral adalah mean
(Aritmatika rata-rata) dan median (nilai di mana setengah kasus jatuh di atas dan di bawah).
v Ukuran dispersi. Statistik yang mengukur jumlah variasi atau menyebar dalam data termasuk
standar deviasi, minimum, dan maksimum.
1. Buka Frekuensi kotak dialog lagi.
2. Klik Reset untuk menghapus pengaturan sebelumnya.
3. Pendapatan Pilih Rumah Tangga dalam ribuan [pendapatan] dan memindahkannya ke Variable (s) daftar.
4. Statistik Klik.
5. Pilih Mean, Median, Std. deviasi, Minimum, dan Maksimum.
6. Klik Lanjutkan.
7. Deselect tabel frekuensi Tampilan dalam kotak dialog utama. (Frekuensi tabel biasanya tidak berguna
untuk variabel skala karena mungkin ada hampir sama banyak nilai-nilai yang berbeda karena ada kasus di data
mengajukan.)
Tombol Gambar 26. Dialog Recall
Gambar 27. Bar chart
Bab 4. Meneliti Statistik Ringkasan untuk Variabel Individu
25

Halaman 30
Tabel Frekuensi Statistik ditampilkan di jendela Viewer.
Dalam contoh ini, ada perbedaan besar antara mean dan median. Rata-rata hampir 25.000
lebih besar dari rata-rata, menunjukkan bahwa nilai-nilai yang tidak terdistribusi normal. Anda secara visual dapat memeriksa
distribusi dengan histogram.
Histogram untuk Variabel Skala
1. Buka Frekuensi kotak dialog lagi.
2. Klik Charts.
3. Pilih Histogram dan Dengan kurva normal.
4. Klik Continue, lalu klik OK di kotak dialog utama untuk menjalankan prosedur.
Gambar 28. Frekuensi Statistik tabel
26

Halaman 31
Sebagian besar kasus ini terkelompok di ujung bawah skala, dengan sebagian besar jatuh di bawah 100.000. Di sana
yang, bagaimanapun, beberapa kasus di kisaran 500.000 dan di luar (terlalu sedikit bahkan terlihat tanpa memodifikasi
histogram). Nilai-nilai yang tinggi untuk hanya beberapa kasus memiliki dampak yang signifikan terhadap rata-rata tetapi sedikit atau
tidak berpengaruh pada median, membuat median indikator yang lebih baik dari tendensi sentral dalam contoh ini.
Gambar 29. Histogram
Bab 4. Meneliti Statistik Ringkasan untuk Variabel Individu
27

Halaman 32
28

Halaman 33
Anda dapat membuat dan mengedit berbagai jenis grafik. Dalam bab ini, kita akan membuat dan mengedit grafik bar.
Anda dapat menerapkan prinsip-prinsip untuk semua jenis grafik.
Dasar-dasar pembuatan grafik
Untuk menunjukkan dasar-dasar penciptaan grafik, kita akan membuat grafik batang pendapatan rata-rata untuk tingkat yang berbeda
kepuasan kerja. Contoh ini menggunakan file data demo.sav . Lihat topik Bab 10, "File Contoh," pada
Halaman 79 untuk informasi lebih lanjut.
1. Dari menu pilih:
Grafik > Bagan Builder ...
Kotak dialog Chart Builder merupakan jendela interaktif yang memungkinkan Anda untuk melihat bagaimana grafik akan terlihat
saat Anda membangunnya.
Menggunakan Chart Builder galeri
1. Klik Galeri tab jika tidak dipilih.
Gambar 30. Grafik kotak dialog Builder
29

Halaman 34
Galeri mencakup banyak lagu yang telah ditetapkan berbeda, yang diselenggarakan oleh jenis bagan. Dasar
Tab Elemen juga menyediakan elemen dasar (seperti kapak dan elemen grafis) untuk membuat grafik
dari awal, tapi lebih mudah untuk menggunakan Galeri.
2. Klik Bar jika tidak dipilih.
Ikon yang mewakili bar chart yang tersedia di Galeri muncul di kotak dialog. Gambar-gambar
harus memberikan informasi yang cukup untuk mengidentifikasi jenis grafik tertentu. Jika Anda memerlukan informasi lebih lanjut,
Anda juga dapat menampilkan deskripsi ToolTip grafik dengan menunda kursor ikon.
3. Tarik ikon untuk sederhana bar chart ke "kanvas," yang merupakan area yang luas di atas Galeri.
Chart Builder menampilkan preview dari grafik di kanvas. Perhatikan bahwa data yang digunakan untuk menggambar
grafik bukan data yang sebenarnya. Mereka adalah contoh data.
Mendefinisikan variabel dan statistik
Meskipun ada bagan di kanvas, itu tidak lengkap karena tidak ada variabel atau statistik untuk
mengontrol seberapa tinggi bar berada dan untuk menentukan kategori variabel sesuai dengan setiap batang. Kamu tidak bisa
memiliki grafik tanpa variabel dan statistik. Anda menambahkan variabel dengan menyeret mereka dari daftar Variabel,
yang terletak di sebelah kiri kanvas.
Tingkat pengukuran Sebuah variabel penting dalam Chart Builder. Anda akan menggunakan Kepuasan kerja
variabel pada x sumbu. Namun, ikon (yang terlihat seperti penggaris) sebelah variabel menunjukkan bahwa yang
Tingkat pengukuran didefinisikan sebagai skala. Untuk membuat grafik yang benar, Anda harus menggunakan kategoris
Gambar 31. Bar chart di Bagan Builder kanvas
30

Page 35
Tingkat pengukuran. Alih-alih kembali dan mengubah tingkat pengukuran dalam Variable View, Anda
dapat mengubah tingkat pengukuran sementara di Builder Chart.
Klik kanan 1. Kepuasan kerja dalam daftar Variabel dan pilih Ordinal . Ordinal adalah tepat
Tingkat pengukuran karena kategori dalam Kepuasan kerja dapat peringkat oleh tingkat kepuasan. Catatan
bahwa perubahan ikon setelah Anda mengubah tingkat pengukuran.
2. Sekarang tarik Kepuasan kerja dari daftar Variabel ke x zona degradasi sumbu.
The y sumbu menjatuhkan default zona ke Hitungan statistik. Jika Anda ingin menggunakan statistik lain (seperti
persentase atau rata-rata), Anda dapat dengan mudah mengubahnya. Anda tidak akan menggunakan salah satu dari statistik ini dalam hal ini
Misalnya, tapi kami akan meninjau proses dalam kasus Anda perlu mengubah statistik ini di lain waktu.
3. Klik Elemen Properti untuk menampilkan jendela Elemen Properties.
Elemen Properties window memungkinkan Anda untuk mengubah properti dari berbagai elemen grafik.
Elemen-elemen ini mencakup unsur-unsur grafis (seperti bar di bar chart) dan sumbu pada
grafik. Pilih salah satu elemen dalam Edit Properties daftar untuk mengubah properti yang terkait dengan
elemen tersebut. Juga perhatikan merah X terletak di sebelah kanan daftar. Tombol ini menghapus elemen grafis
dari kanvas. Karena Bar1 dipilih, sifat ditampilkan berlaku untuk elemen grafis, khususnya
bar elemen grafis.
Daftar drop-down Statistik menunjukkan statistik khusus yang tersedia. Statistik yang sama
biasanya tersedia untuk setiap jenis grafik. Sadarilah bahwa beberapa statistik mengharuskan y zona degradasi sumbu
mengandung variabel.
4. Kembali ke Chart Builder dialog box dan tarik Pendapatan rumah tangga dalam ribuan dari daftar Variabel
dengan y zona degradasi sumbu. Karena variabel pada y sumbu skalar dan x variabel sumbu
Gambar jendela 32. Elemen Properti
31

Halaman 36
kategoris (ordinal adalah jenis tingkat pengukuran kategorikal), yang y default zona sumbu penurunan ke
Berarti statistik. Ini adalah variabel dan statistik yang Anda inginkan, sehingga tidak perlu untuk mengubah
sifat elemen.
Menambahkan teks
Anda juga dapat menambahkan judul dan catatan kaki untuk grafik.
1. Klik Judul / Catatan kaki tab.
2. Pilih Judul 1 .
Judul muncul pada kanvas dengan label T1 .
3. Pada jendela Element Properties, pilih Judul 1 di Edit Properties daftar.
4. Pada kotak teks Konten, tipe Penghasilan oleh Kepuasan Kerja. Ini adalah teks yang judul akan ditampilkan.
5. Klik Apply untuk menyimpan teks. Meskipun teks tidak ditampilkan dalam Builder Chart, maka akan muncul
bila Anda menghasilkan grafik.
Membuat grafik
1. Klik OK untuk membuat grafik batang.
Gambar 33. Judul 1 ditampilkan di atas kanvas
32

Halaman 37
Grafik batang mengungkapkan bahwa responden yang lebih puas dengan pekerjaan mereka cenderung memiliki lebih tinggi
pendapatan rumah tangga.
Gambar 34. Bar chart
33

Halaman 38
34

Page 39
Bab 6. Bekerja dengan output
Hasil dari menjalankan prosedur statistik ditampilkan dalam Viewer. Output yang dihasilkan dapat
tabel statistik, grafik, grafik, atau teks, tergantung pada pilihan yang Anda buat ketika Anda menjalankan prosedur.
Bagian ini menggunakan file viewertut.spv dan demo.sav . Lihat topik Bab 10, "File Contoh," pada halaman 79
untuk informasi lebih lanjut.
Menggunakan Viewer yang
Viewer window dibagi menjadi dua panel. The garis panel berisi garis besar semua
informasi yang disimpan dalam Viewer. Para Isi panel berisi tabel statistik, grafik, dan output teks.
Gunakan scroll bar untuk menavigasi isi jendela, baik secara vertikal dan horizontal. Untuk lebih mudah
navigasi, klik item di panel garis untuk menampilkannya dalam isi panel.
1. Klik dan tarik batas kanan panel garis untuk mengubah lebarnya.
Ikon buku yang terbuka di panel garis menunjukkan bahwa saat ini terlihat dalam Viewer, meskipun
tidak mungkin saat ini berada di bagian yang terlihat dari isi panel.
2. Untuk menyembunyikan meja atau grafik, klik dua kali ikon buku di panel garis.
Ikon buku terbuka berubah menjadi ikon buku tertutup, menandakan bahwa informasi yang terkait dengan itu adalah
sekarang tersembunyi.
3. Untuk menampilkan kembali output tersembunyi, klik dua kali ikon buku tertutup.
Anda juga dapat menyembunyikan semua output dari prosedur statistik tertentu atau semua output dalam
Viewer.
4. Klik kotak dengan tanda minus (-) di sebelah kiri prosedur yang hasilnya Anda ingin menyembunyikan, atau
klik kotak di sebelah item paling atas di panel garis untuk menyembunyikan semua output.
Garis runtuh, visual menunjukkan bahwa hasil ini tersembunyi.
Anda juga dapat mengubah urutan output ditampilkan.
5. Pada panel garis, klik item yang ingin Anda pindah.
Gambar 35. Viewer
35

Halaman 40
6. Tarik item yang dipilih ke lokasi baru di garis besar.
Anda juga dapat memindahkan item output dengan mengklik dan menyeret mereka dalam isi panel.
Menggunakan Pivot Table Editor
Hasil dari prosedur statistik yang paling ditampilkan dalam tabel pivot .
Mengakses Definisi output
Banyak istilah statistik yang ditampilkan dalam output. Definisi istilah-istilah ini dapat diakses langsung di
Penampil.
1. Klik dua kali Memiliki PDA * Jenis Kelamin * Crosstabulation Internet meja.
2. Klik kanan Diharapkan Hitungan dan pilih Apa Ini? dari menu pop-up.
Definisi ditampilkan dalam jendela pop-up.
Gambar 36. mengatur kembali produksi pada Penampil
36

Halaman 41
Berputar Tabel
Tabel standar yang dihasilkan mungkin tidak menampilkan informasi yang rapi atau jelas seperti yang Anda inginkan. Dengan
pivot tabel, Anda dapat transpos baris dan kolom ("flip" tabel), menyesuaikan urutan data dalam tabel,
dan memodifikasi tabel dalam banyak cara lain. Misalnya, Anda dapat mengubah pendek, meja lebar menjadi panjang,
tipis satu per transposing baris dan kolom. Mengubah tata letak meja tidak mempengaruhi hasil.
Sebaliknya, ini adalah cara untuk menampilkan informasi Anda dengan cara yang berbeda atau lebih diinginkan.
1. Jika anda belum diaktifkan, klik dua kali Memiliki PDA * Jenis Kelamin * Crosstabulation Internet meja ke
mengaktifkannya.
2. Jika jendela Berputar Trays tidak terlihat, dari menu pilih:
Pivot > Berputar nampan
Berputar nampan menyediakan cara untuk memindahkan data antara kolom, baris, dan lapisan.
Gambar definisi 37. Pop-up
37

Halaman 42
3. Tarik Statistik elemen dari dimensi Row ke dimensi Kolom, di bawah Kelamin . Itu
Tabel segera ulang untuk mencerminkan perubahan Anda.
Urutan unsur-unsur dalam baki berputar mencerminkan urutan unsur-unsur dalam tabel.
4. Drag dan drop Memiliki PDA elemen sebelum Internet elemen dalam dimensi baris untuk membalikkan
urutan dua baris tersebut.
Membuat dan Menampilkan Layer
Lapisan dapat berguna untuk tabel besar dengan kategori bersarang informasi. Dengan membuat lapisan, Anda
menyederhanakan tampilan meja, sehingga lebih mudah untuk dibaca.
1. Tarik Kelamin elemen dari dimensi kolom dengan dimensi Layer.
Gambar 38. Berputar nampan
Gambar 39. Swap baris
38

Halaman 43
Untuk menampilkan lapisan yang berbeda, pilih kategori dari daftar drop-down dalam tabel.
Editing Tabel
Kecuali Anda telah mengambil waktu untuk membuat TableLook kustom, tabel pivot dibuat dengan standar
format. Anda dapat mengubah format teks dalam tabel. Format yang dapat Anda ubah
termasuk nama font, ukuran font, gaya font (tebal atau miring), dan warna.
1. Klik dua kali Tingkat pendidikan meja.
2. Jika toolbar Formatting tidak terlihat, dari menu pilih:
View > Toolbar
3. Klik teks judul, Tingkat pendidikan .
4. Dari daftar drop-down ukuran font pada toolbar, pilih 12 .
5. Untuk mengubah warna teks judul, klik tool warna teks dan pilih warna baru.
Anda juga dapat mengedit isi tabel dan label. Misalnya, Anda dapat mengubah judul tabel ini.
6. Klik dua kali judul.
7. Jenis Tingkat Pendidikan untuk label baru.
Catatan : Jika Anda mengubah nilai-nilai dalam sebuah tabel, total dan statistik lainnya tidak dihitung ulang.
Gambar 40. Jenis Kelamin ikon poros dalam dimensi lapisan
Gambar 41. Reformat teks judul di tabel pivot
39

Halaman 44
Menyembunyikan Baris dan Kolom
Beberapa data yang ditampilkan dalam tabel mungkin tidak berguna atau tidak perlu dapat mempersulit meja.
Untungnya, Anda dapat menyembunyikan seluruh baris dan kolom tanpa kehilangan data apapun.
1. Jika anda belum diaktifkan, klik dua kali Tingkat Pendidikan meja untuk mengaktifkannya.
2. Klik Persen Hari label kolom untuk memilihnya.
3. Dari menu Edit atau menu klik kanan pop-up pilih:
Pilih > Data dan Label Sel
4. Dari menu View pilih Sembunyikan atau dari menu klik kanan pop-up pilih Hide Kategori .
Kolom sekarang tersembunyi tapi tidak dihapus.
Untuk menampilkan kembali kolom:
5. Dari menu pilih:
Lihat > Tampilkan Semua
Baris dapat disembunyikan dan ditampilkan dengan cara yang sama seperti kolom.
Mengubah Tampilan Data Format
Anda dapat dengan mudah mengubah tampilan format data dalam tabel pivot.
1. Jika anda belum diaktifkan, klik dua kali Tingkat Pendidikan meja untuk mengaktifkannya.
2. Klik Persen label kolom untuk memilihnya.
3. Dari menu Edit atau menu klik kanan pop-up pilih:
Pilih > Cells data
4. Dari menu Format atau menu pop-up klik kanan pilih Cell Properties .
5. Klik Format Nilai tab.
6. Tipe 0 di bidang desimal untuk menyembunyikan semua titik desimal dalam kolom ini.
Gambar kolom 42. Hari Persen tersembunyi dalam tabel
40

Halaman 45
Anda juga dapat mengubah jenis data dan format kotak dialog ini.
7. Pilih jenis yang Anda inginkan dari daftar Kategori, kemudian pilih format untuk tipe di
Daftar Format.
8. Klik OK atau Apply untuk menerapkan perubahan.
Desimal sekarang tersembunyi di Persen kolom.
TableLooks
Format tabel Anda adalah bagian penting dari penyediaan jelas, ringkas, dan bermakna hasil. Jika Anda
tabel sulit dibaca, informasi yang terkandung dalam tabel yang mungkin tidak mudah dipahami.
Gambar 43. Cell Properties, Format Nilai tab
Gambar 44. desimal tersembunyi di kolom Persen
41

Halaman 46
Menggunakan Predefined Format
1. Klik dua kali Status perkawinan meja.
2. Dari menu pilih:
Format > TableLooks ...
The TableLooks kotak dialog berisi daftar berbagai gaya yang telah ditetapkan. Pilih gaya dari daftar untuk preview
di jendela Contoh di sebelah kanan.
Anda dapat menggunakan gaya seperti, atau Anda dapat mengedit gaya yang sudah ada agar lebih sesuai dengan kebutuhan Anda.
3. Untuk menggunakan gaya yang sudah ada, pilih salah satu dan klik OK .
Menyesuaikan TableLook Styles
Anda dapat menyesuaikan format untuk memenuhi kebutuhan spesifik Anda. Hampir semua aspek tabel dapat disesuaikan,
dari warna latar belakang gaya perbatasan.
1. Klik dua kali Status perkawinan meja.
2. Dari menu pilih:
Format > TableLooks ...
3. Pilih gaya yang terdekat dengan format yang Anda inginkan dan klik Sunting Lihat .
4. Klik Format Sel tab untuk melihat opsi format.
Gambar 45. TableLooks kotak dialog
42

Halaman 47
Opsi format termasuk nama font, ukuran font, gaya, dan warna. Opsi tambahan termasuk
keselarasan, teks dan warna latar belakang, dan ukuran marjin.
Contoh jendela di sebelah kanan memberikan preview bagaimana perubahan format mempengaruhi Anda
tabel. Setiap daerah meja dapat memiliki gaya format yang berbeda. Sebagai contoh, Anda mungkin
tidak ingin judul untuk memiliki gaya yang sama dengan data. Untuk memilih area meja untuk mengedit, Anda dapat
baik memilih daerah dengan nama dalam daftar drop-down di Area, atau Anda dapat klik area yang Anda inginkan
untuk mengubah di jendela Sampel.
5. Pilih data dari daftar drop-down Area.
6. Pilih warna baru dari palet drop-down Background.
7. Kemudian pilih warna teks baru.
Jendela Sampel menunjukkan gaya baru.
Gambar kotak dialog 46. Table Properties
43

Halaman 48
8. Klik OK untuk kembali ke kotak dialog TableLooks.
Anda dapat menyimpan gaya baru Anda, yang memungkinkan Anda untuk menerapkannya ke meja masa depan dengan mudah.
9. Klik Save As .
10. Arahkan ke direktori target dan masukkan nama untuk gaya baru Anda dalam kotak teks File Name.
11. Klik Simpan .
12. Klik OK untuk menerapkan perubahan dan kembali ke Viewer.
Meja sekarang berisi format kustom yang Anda tentukan.
Gambar 47. Mengubah format sel tabel
Gambar 48. Kustom TableLook
44

Halaman 49
Mengubah Default Tabel Format
Meskipun Anda dapat mengubah format tabel setelah telah dibuat, mungkin lebih efisien untuk
mengubah TableLook default sehingga Anda tidak perlu mengubah format setiap kali Anda membuat tabel.
Untuk mengubah default TableLook gaya untuk tabel pivot Anda, dari menu pilih:
Mengedit > Options ...
1. Klik Pivot Tables tab di kotak dialog Options.
2. Pilih gaya TableLook yang ingin Anda gunakan untuk semua tabel baru.
Contoh jendela di sebelah kanan menunjukkan preview dari setiap TableLook.
3. Klik OK untuk menyimpan pengaturan Anda dan menutup kotak dialog.
Semua tabel yang Anda buat setelah mengubah default TableLook otomatis sesuai dengan yang baru
aturan format.
Menyesuaikan Pengaturan Tampilan Awal
Pengaturan tampilan awal termasuk penyelarasan objek dalam Viewer, apakah benda yang ditampilkan atau
tersembunyi secara default, dan lebar jendela Viewer. Untuk mengubah pengaturan ini:
1. Dari menu pilih:
Gambar kotak dialog 49. Pilihan
45

Halaman 50
2. Klik Viewer tab.
Pengaturan diterapkan secara object-by-objek. Sebagai contoh, Anda dapat menyesuaikan grafik cara
ditampilkan tanpa membuat perubahan pada cara tabel ditampilkan. Cukup pilih objek
bahwa Anda ingin menyesuaikan, dan membuat perubahan.
3. Klik Judul ikon untuk menampilkan pengaturannya.
4. Klik Pusat untuk menampilkan semua judul dalam (horisontal) pusat Viewer.
Anda juga dapat menyembunyikan elemen, seperti log dan peringatan pesan, yang cenderung mengacaukan output.
Double-klik pada ikon secara otomatis mengubah tampilan properti yang objek.
5. Klik dua kali Peringatan ikon untuk menyembunyikan pesan peringatan pada output.
6. Klik OK untuk menyimpan perubahan dan menutup kotak dialog.
Menampilkan Variabel dan Nilai Label
Dalam kebanyakan kasus, menampilkan label untuk variabel dan nilai-nilai yang lebih efektif daripada menampilkan variabel
nama atau nilai data aktual. Mungkin ada kasus, namun, bila Anda ingin menampilkan kedua nama
dan label.
1. Dari menu pilih:
2. Klik output Label tab.
Gambar 50. Pilihan Viewer
46

Halaman 51
Anda dapat menentukan pengaturan yang berbeda untuk garis dan isi panel. Misalnya, untuk menunjukkan label di
garis dan nama variabel dan data nilai dalam isi:
3. Pada kelompok Pivot Table Labeling, pilih Nama dari Variabel dalam Label drop-down untuk menunjukkan
nama variabel bukan label.
4. Kemudian, pilih Nilai dari Nilai Variabel dalam Label drop-down untuk menunjukkan nilai data bukan
label.
Tabel berikutnya yang dihasilkan dalam sesi akan mencerminkan perubahan ini.
Menggunakan Hasil Aplikasi Lainnya
Hasil Anda dapat digunakan dalam berbagai aplikasi. Sebagai contoh, Anda mungkin ingin menyertakan tabel atau grafik di
presentasi atau laporan.
Contoh-contoh berikut khusus untuk Microsoft Word, tetapi mereka dapat bekerja sama dalam kata lain
aplikasi pengolahan.
Gambar 51. Pivot Table settings Pelabelan
Gambar 52. Nama-nama variabel dan nilai-nilai yang ditampilkan
47

Halaman 52
Hasil Menempelkan sebagai Tabel Firman
Anda dapat menyisipkan tabel pivot ke Word sebagai tabel Word asli. Semua atribut tabel, seperti ukuran font dan
warna, tetap dipertahankan. Karena tabel disisipkan dalam format tabel Word, Anda dapat mengedit di Word seperti
tabel lainnya.
1. Klik tabel di Viewer untuk memilihnya.
2. Dari menu pilih:
Sunting > Copy
3. Buka aplikasi pengolah kata Anda.
4. Dari menu pengolah kata yang memilih:
Sunting > Paste Special ...
5. Pilih Terformat Teks (RTF) dalam kotak dialog Paste Special.
6. Klik OK untuk menyisipkan hasil Anda ke dalam dokumen saat ini.
Tabel sekarang ditampilkan dalam dokumen Anda. Anda dapat menerapkan format kustom, mengedit data, dan mengubah ukuran
tabel sesuai dengan kebutuhan anda.
Hasil Menempelkan sebagai Teks
Tabel pivot dapat disalin ke aplikasi lain sebagai teks biasa. Gaya format tidak disimpan dalam
metode, tetapi Anda dapat mengedit data tabel setelah Anda sisipkan ke dalam aplikasi target.
1. Klik tabel di Viewer untuk memilihnya.
2. Dari menu pilih:
Sunting > Copy
3. Buka aplikasi pengolah kata Anda.
4. Dari menu pengolah kata yang memilih:
Sunting > Paste Special ...
5. Pilih diformat Teks dalam kotak dialog Paste Special.
6. Klik OK untuk menyisipkan hasil Anda ke dalam dokumen saat ini.
Gambar Tabel 53. Pivot ditampilkan di Word
48

Halaman 53
Setiap kolom tabel dipisahkan oleh tab. Anda dapat mengubah lebar kolom dengan menyesuaikan tab
berhenti dalam aplikasi pengolah kata Anda.
Mengekspor Hasil untuk Microsoft Word, PowerPoint, dan Excel File
Anda dapat mengekspor hasil ke file Microsoft Word, PowerPoint, Excel atau. Anda dapat mengekspor item yang dipilih atau
semua item dalam Viewer. Bagian ini menggunakan file msouttut.spv dan demo.sav . Lihat topik Bab 10,
"File Contoh," pada halaman 79 untuk informasi lebih lanjut.
Catatan : Ekspor ke PowerPoint hanya tersedia pada sistem operasi Windows dan tidak tersedia dengan
Versi Mahasiswa.
Dalam Pemirsa garis panel, Anda dapat memilih item tertentu yang ingin Anda ekspor atau ekspor semua item atau
semua item yang terlihat.
1. Dari menu Viewer pilih:
File > Export ...
Alih-alih mengekspor semua objek dalam Viewer, Anda dapat memilih untuk mengekspor hanya benda-benda yang terlihat (terbuka
buku di sebelah garis) atau orang-orang yang Anda pilih di panel garis. Jika Anda tidak memilih
item di panel garis besar, Anda tidak memiliki pilihan untuk mengekspor objek yang dipilih.
Gambar 54. Viewer
49

Page 54
2. Pada Objects Ekspor grup, pilih Semua .
3. Dari daftar drop-down Type pilih Word / file RTF (* .doc) .
4. Klik OK untuk menghasilkan file Word.
Bila Anda membuka file yang dihasilkan di Word, Anda dapat melihat bagaimana hasilnya diekspor. Catatan, yang tidak
benda yang terlihat, muncul di Word karena Anda memilih untuk mengekspor semua objek.
Tabel pivot menjadi tabel Word, dengan semua format tabel pivot asli dipertahankan, termasuk
font, warna, perbatasan, dan sebagainya.
Gambar 55. Ekspor kotak dialog output
50

Halaman 55
Grafik termasuk dalam dokumen Word sebagai gambar grafis.
Output teks ditampilkan dalam font yang sama digunakan untuk objek teks dalam Viewer. Untuk keselarasan,
Output teks harus menggunakan fixed-pitch (monospace) font.
Gambar 56. Tabel Pivot di Word
Gambar 57. Grafik di Word
51

Halaman 56
Jika Anda ekspor ke file PowerPoint, setiap item diekspor ditempatkan pada slide yang terpisah. Tabel pivot diekspor
untuk PowerPoint menjadi tabel Word, dengan semua format tabel pivot asli, termasuk font,
warna, perbatasan, dan sebagainya.
Charts dipilih untuk ekspor ke PowerPoint yang tertanam dalam file PowerPoint.
Gambar 58. Output Teks di Word
Gambar 59. Tabel Pivot di PowerPoint
52

Halaman 57
Catatan : Ekspor ke PowerPoint hanya tersedia pada sistem operasi Windows dan tidak tersedia dengan
Versi Mahasiswa.
Jika Anda ekspor ke file Excel, hasilnya diekspor berbeda.
Baris tabel Pivot, kolom, dan sel-sel menjadi baris Excel, kolom, dan sel-sel.
Gambar 60. Grafik di PowerPoint
Gambar 61. Output.xls di Excel
53

Halaman 58
Setiap baris dalam output teks adalah baris dalam file Excel, dengan seluruh isi baris yang terdapat dalam
sel tunggal.
Mengekspor Hasil ke PDF
Anda dapat mengekspor semua atau item yang dipilih dalam Viewer ke (portable document format) file PDF.
1. Dari menu di jendela Viewer yang berisi hasil yang Anda ingin ekspor ke PDF pilih:
File > Export ...
2. Pada kotak dialog Ekspor Output, dari daftar drop-down Format File Type Ekspor memilih Portabel
Document Format .
Gambar 62. Output Teks di Excel
54

Halaman 59
v Garis panel dokumen Viewer diubah menjadi penanda dalam file PDF untuk memudahkan
navigasi.
v ukuran halaman, orientasi, margin, isi dan tampilan header dan footer halaman, dan grafik dicetak
Ukuran dalam dokumen PDF dikendalikan oleh opsi pengaturan halaman (menu File, Page Setup pada Penampil
window).
v Resolusi (DPI) dari dokumen PDF adalah resolusi saat ini pengaturan untuk default atau saat
printer yang dipilih (yang dapat diubah dengan menggunakan Page Setup). Resolusi maksimal 1200 DPI. Jika
Pengaturan printer lebih tinggi, resolusi dokumen PDF akan 1200 DPI. Catatan : resolusi tinggi
dokumen dapat menghasilkan hasil yang buruk bila dicetak pada printer resolusi rendah.
Gambar 63. Ekspor kotak dialog output
55

Halaman 60
Mengekspor Hasil ke HTML
Anda juga dapat mengekspor hasil ke HTML (hypertext markup language). Saat menyimpan HTML, semua
Output non-grafis diekspor ke file HTML.
Bila Anda ekspor ke HTML, grafik dapat diekspor juga, tetapi tidak untuk satu file.
Gambar File PDF 64. bookmark
Gambar 65. Output.htm di browser Web
56

Halaman 61
Setiap grafik akan disimpan sebagai file dalam format yang Anda tentukan, dan referensi ke file grafis ini akan
ditempatkan di HTML. Ada juga pilihan untuk mengekspor semua grafik (atau grafik yang dipilih) untuk memisahkan
file grafis.
Gambar 66. Grafik di HTML
57

Halaman 62
58

Halaman 63
Bab 7. Bekerja dengan Syntax
Anda dapat menyimpan dan mengotomatisasi banyak tugas umum dengan menggunakan bahasa perintah yang kuat. Hal ini juga
menyediakan beberapa fungsi yang tidak ditemukan dalam menu dan kotak dialog. Kebanyakan perintah dapat diakses
dari menu dan kotak dialog. Namun, beberapa perintah dan pilihan yang tersedia hanya dengan menggunakan
bahasa perintah. Bahasa perintah juga memungkinkan Anda untuk menyimpan pekerjaan Anda dalam file sintaks sehingga
Anda dapat mengulangi analisis Anda di kemudian hari.
Sebuah file sintaks perintah hanyalah sebuah file teks yang berisi IBM SPSS Statistik perintah sintaks. Kamu bisa
membuka jendela sintaks dan jenis perintah langsung, tetapi sering lebih mudah untuk membiarkan kotak dialog melakukan beberapa
atau semua pekerjaan untuk Anda.
Contoh dalam bab ini menggunakan file data demo.sav . Lihat topik Bab 10, "File Contoh," pada halaman
79 untuk informasi lebih lanjut.
Catatan : Perintah sintaks tidak tersedia dengan versi Mahasiswa.
Menempelkan Sintaks
Cara termudah untuk membuat sintaks adalah dengan menggunakan tombol Paste terletak di sebagian besar kotak dialog.
1. Buka file data demo.sav . Lihat topik Bab 10, "File Contoh," pada halaman 79 untuk lebih
Informasi.
2. Dari menu pilih:
Menganalisis > Statistik Deskriptif > Frekuensi ...
3. Pilih Status pernikahan [pernikahan] dan memindahkannya ke Variable (s) daftar.
4. Klik Charts .
5. Pada kotak dialog Charts, pilih Bar grafik .
6. Pada Nilai kelompok Chart, pilih Persentase .
7. Klik Lanjutkan .Klik Paste untuk menyalin sintaks dibuat sebagai hasil dari pilihan kotak dialog dengan
Editor sintaks.
Gambar 67. Frekuensi kotak dialog
59

Halaman 64
8. Untuk menjalankan sintaks yang sedang ditampilkan, dari menu pilih:
Jalankan > Seleksi
Editing Sintaks
Pada jendela sintaks, Anda dapat mengedit sintaks. Misalnya, Anda bisa mengubah subcommand yang
/ Barchart untuk menampilkan frekuensi bukan persentase. (A subcommand ditandai dengan garis miring.) Jika Anda
mengetahui kata kunci untuk menampilkan frekuensi Anda dapat memasukkannya langsung. Jika Anda tidak tahu kata kunci,
Anda dapat memperoleh daftar kata kunci yang tersedia untuk subcommand dengan posisi kursor di mana saja
Berikut nama subcommand dan menekan Ctrl + Spacebar. Ini akan menampilkan kontrol auto-completion
untuk subcommand tersebut.
Hapus PERSEN kata kunci dari subcommand barchart.
Tekan Ctrl-Spasi.
1. klik item berlabel FREQ untuk frekuensi. Mengklik pada item dalam kontrol auto-completion akan
masukkan pada posisi kursor saat ini.
Secara default, kontrol auto-completion akan meminta Anda dengan daftar istilah yang tersedia saat Anda mengetik. Untuk
Misalnya, Anda ingin menyertakan sebuah diagram pie bersama dengan bar chart. Pie chart ditentukan dengan
subcommand terpisah.
2. Tekan Enter setelah FREQ kata kunci dan ketik garis miring untuk menunjukkan awal subcommand a.
Perintah Editor meminta Anda dengan daftar subcommands untuk perintah saat ini.
Gambar 68. Frekuensi sintaks
60

Halaman 65
Untuk mendapatkan bantuan yang lebih rinci untuk perintah saat ini, tekan tombol F1. Ini akan membawa Anda langsung ke
perintah referensi informasi sintaks untuk perintah saat ini.
Anda mungkin telah memperhatikan bahwa teks yang ditampilkan di jendela sintaks berwarna. Kode warna memungkinkan Anda untuk
cepat mengidentifikasi istilah yang belum diakui, karena istilah hanya diakui berwarna. Misalnya, Anda misspell
yang subcommand FORMAT sebagai FRMAT. Subcommands berwarna hijau secara default, tetapi FRMAT teks akan
muncul tidak berwarna karena tidak diakui.
Membuka dan Menjalankan Perintah Berkas
1. Untuk membuka file sintaks diselamatkan, dari menu pilih:
File > Buka > Sintaks ...
Sebuah kotak dialog standar untuk membuka file ditampilkan.
2. Pilih file sintaks. Jika tidak ada file sintaks ditampilkan, pastikan Sintaks (* .sps) dipilih sebagai file
ketik Anda ingin melihat.
3. Klik Terbuka .
4. Gunakan menu Run di jendela sintaks untuk menjalankan perintah.
Jika perintah berlaku untuk file data tertentu, data file harus dibuka sebelum menjalankan perintah,
atau Anda harus menyertakan perintah yang membuka file data. Anda dapat menyisipkan jenis perintah dari
kotak dialog yang membuka file data.
Menggunakan Breakpoints
Breakpoints memungkinkan Anda untuk menghentikan pelaksanaan sintaks perintah pada titik-titik tertentu dalam sintaks dan
melanjutkan eksekusi ketika siap. Hal ini memungkinkan Anda untuk melihat hasil atau data pada titik menengah dalam
Pekerjaan sintaks, atau untuk menjalankan sintaks perintah yang menampilkan informasi mengenai keadaan saat ini data, seperti
sebagai FREKUENSI. Breakpoints hanya dapat ditetapkan pada tingkat perintah, bukan pada garis tertentu dalam
perintah.
Untuk menyisipkan breakpoint pada perintah:
1. Klik di mana saja di wilayah di sebelah kiri dari teks yang terkait dengan perintah.
Gambar 69. Auto-completion kontrol menampilkan subcommands
Bab 7. Bekerja dengan Syntax
61

Halaman 66
Breakpoint direpresentasikan sebagai lingkaran merah di wilayah di sebelah kiri dari teks perintah dan pada
baris yang sama sebagai nama perintah terlepas dari mana Anda diklik.
Ketika Anda menjalankan sintaks perintah yang mengandung breakpoints, eksekusi berhenti sebelum setiap perintah
mengandung breakpoint.
Ke bawah menunjuk panah di sebelah kiri teks perintah menunjukkan kemajuan sintaks run.
Ini mencakup wilayah dari perintah pertama dijalankan melalui perintah terakhir dijalankan dan sangat
berguna ketika menjalankan sintaks perintah yang mengandung breakpoints.
Untuk melanjutkan eksekusi berikut breakpoint:
2. Dari menu di Syntax Editor pilih:
Jalankan > Lanjutkan
Gambar 70. Eksekusi berhenti di breakpoint
62

Halaman 67
Bab 8. Nilai Memodifikasi data
Data Anda mulai dengan tidak selalu diatur dengan cara yang paling berguna untuk analisis atau
melaporkan kebutuhan. Sebagai contoh, Anda mungkin ingin:
v Buat variabel kategoris dari variabel skala.
v Gabungkan beberapa kategori respons dalam satu kategori.
v Buat variabel baru yang merupakan perbedaan dihitung antara dua variabel yang ada.
v Hitung lama waktu antara dua tanggal.
Bab ini menggunakan file data demo.sav . Lihat topik Bab 10, "File Contoh," pada halaman 79 untuk lebih
Informasi.
Membuat Variabel kategoris dari Variabel Skala
Beberapa variabel kategori dalam file data demo.sav , pada kenyataannya, berasal dari variabel skala data yang
mengajukan. Misalnya, variabel inccat hanya pendapatan dikelompokkan menjadi empat kategori. Ini kategoris
variabel menggunakan integer nilai 1-4 untuk mewakili kategori pendapatan berikut (dalam ribuan): kurang dari
$ 25, $ 25- $ 49, $ 50- $ 74, dan $ 75 atau lebih tinggi.
Untuk membuat variabel kategoris inccat :
1. Dari menu di jendela Data Editor pilih:
Transform > Visual Binning ...
Dalam Visual kotak dialog Binning awal, Anda memilih dan / atau variabel ordinal skala yang Anda
ingin membuat baru, variabel binned. Binning berarti mengambil dua atau lebih nilai berdekatan dan
mengelompokkan mereka ke dalam kategori yang sama.
Karena Visual Binning bergantung pada nilai yang sebenarnya dalam file data untuk membantu Anda membuat pilihan Binning baik,
perlu untuk membaca file data yang pertama. Karena ini bisa memakan waktu lama jika data file berisi besar
jumlah kasus, kotak dialog awal ini juga memungkinkan Anda untuk membatasi jumlah kasus untuk membaca ("scan").
Hal ini tidak diperlukan untuk data file sampel kami. Meskipun mengandung lebih dari 6.000 kasus, hal ini
tidak butuh waktu lama untuk memindai bahwa jumlah kasus.
2. Drag dan drop Pendapatan rumah tangga dalam ribuan [pendapatan] dari Variabel daftar ke Variabel ke Bin
daftar, lalu klik Lanjutkan .
63

Halaman 68
3. Pada kotak dialog Visual Binning utama, pilih Pendapatan rumah tangga dalam ribuan [pendapatan] di discan
Daftar variabel.
Histogram menampilkan distribusi variabel yang dipilih (yang dalam hal ini adalah sangat miring).
4. Masukkan inccat2 untuk binned nama variabel baru dan kategori Penghasilan [dalam ribuan] untuk
label variabel.
5. Klik Membuat Cutpoints .
6. Pilih Equal Lebar Interval.
7. Masukkan 25 untuk pertama lokasi cutpoint, 3 untuk jumlah cutpoints, dan 25 untuk lebar.
Jumlah kategori binned adalah salah satu lebih besar dari jumlah cutpoints. Jadi, dalam contoh ini,
variabel binned baru akan memiliki empat kategori, dengan tiga kategori masing-masing rentang mengandung
dari 25 (ribu) dan yang terakhir berisi semua nilai-nilai di atas nilai cutpoint tertinggi 75
(Ribu).
8. Klik Apply .
Nilai-nilai sekarang ditampilkan dalam grid mewakili cutpoints ditetapkan, yang merupakan titik akhir atas
dari masing-masing kategori. Garis-garis vertikal pada histogram juga menunjukkan lokasi dari cutpoints.
Secara default, nilai-nilai cutpoint ini termasuk dalam kategori yang sesuai. Misalnya, pertama
nilai 25 akan mencakup semua nilai yang kurang dari atau sama dengan 25. Namun dalam contoh ini, kita ingin
kategori yang sesuai dengan kurang dari 25, 25-49, 50-74, dan 75 atau lebih tinggi.
9. Pada kelompok Atas endpoint, pilih Dikecualikan (<).
10. Kemudian klik Membuat Label .
Gambar 71. Main Visual kotak dialog Binning
64

Halaman 69
Ini secara otomatis menghasilkan nilai deskriptif label untuk setiap kategori. Karena nilai yang sebenarnya
ditugaskan untuk variabel binned baru adalah bilangan bulat hanya berurutan dimulai dengan 1, label nilai
bisa sangat berguna.
Anda juga dapat secara manual memasukkan atau mengubah cutpoints dan label dalam grid, mengubah lokasi cutpoint oleh
menyeret dan menjatuhkan garis cutpoint di histogram, dan menghapus cutpoints dengan menyeret
baris cutpoint off histogram.
11. Klik OK untuk membuat yang baru, variabel binned.
Variabel baru ditampilkan di Editor Data. Karena variabel yang ditambahkan ke akhir file, itu
ditampilkan dalam kolom paling kanan di data View dan di barisan terakhir di Variable View.
Komputasi Variabel Baru
Menggunakan berbagai fungsi matematika, Anda dapat menghitung variabel baru berdasarkan sangat
persamaan yang kompleks. Dalam contoh ini, namun, kami hanya akan menghitung variabel baru yang merupakan
Selisih antara nilai dari dua variabel yang ada.
File data demo.sav berisi variabel umur responden saat ini dan variabel untuk nomor
tahun di pekerjaan saat ini. Ini tidak, bagaimanapun, berisi variabel umur responden pada saat ia atau
ia mulai pekerjaan itu. Kita bisa membuat variabel baru yang merupakan perbedaan antara yang dihitung usia saat
dan beberapa tahun di pekerjaan saat ini, yang harus menjadi perkiraan usia di mana responden
mulai pekerjaan itu.
1. Dari menu di jendela Data Editor pilih:
Transform > Hitung Variabel ...
2. Untuk Target Variable, masukkan jobstart.
3. Pilih Umur tahun [usia] dalam daftar variabel sumber dan klik tombol panah untuk menyalinnya ke Numeric
Ekspresi kotak teks.
Gambar 72. Secara otomatis dihasilkan label nilai
65

Halaman 70
4. Klik minus (-) tombol pada pad kalkulator di kotak dialog (atau tekan tombol dikurangi pada
Keyboard).
5. Pilih Tahun dengan majikan saat ini [mempekerjakan] dan klik tombol panah untuk menyalinnya ke ekspresi.
Catatan : Hati-hati untuk memilih variabel kerja yang benar. Ada juga versi kategoris recoded
variabel, yang tidak apa yang Anda inginkan. Ekspresi numerik harus usia mempekerjakan , tidak
usia empcat .
6. Klik OK untuk menghitung variabel baru.
Variabel baru ditampilkan di Editor Data. Karena variabel yang ditambahkan ke akhir file, itu
ditampilkan dalam kolom paling kanan di data View dan di barisan terakhir di Variable View.
Menggunakan Fungsi dalam Expressions
Anda juga dapat menggunakan fungsi yang telah ditetapkan dalam ekspresi. Lebih dari 70 built-in fungsi yang tersedia,
termasuk:
v fungsi aritmatika
v fungsi statistik
fungsi v Distribusi
v fungsi logis
v Tanggal dan waktu agregasi dan ekstraksi fungsi
v fungsi Hilang-nilai
v fungsi Cross-kasus
fungsi v String
Gambar 73. Hitung kotak dialog Variable
66

Halaman 71
Fungsi tersebut akan disusun dalam kelompok logis yang berbeda, seperti kelompok untuk operasi aritmatika dan
lain untuk menghitung metrik statistik. Untuk kenyamanan, sejumlah variabel sistem yang umum digunakan,
seperti $ WAKTU (tanggal dan waktu), juga termasuk dalam kelompok fungsi yang sesuai.
Menyisipkan Fungsi menjadi Expression
Untuk menyisipkan fungsi ke dalam ekspresi:
1. Posisikan kursor di ekspresi pada titik di mana Anda ingin fungsi untuk muncul.
2. Pilih grup yang sesuai dari daftar grup Function. Kelompok berlabel Semua menyediakan daftar
semua tersedia fungsi dan variabel sistem.
3. Klik dua kali fungsi dalam Fungsi dan daftar Variabel khusus (atau memilih fungsi dan klik
panah berdekatan dengan daftar grup Function).
Fungsi ini dimasukkan ke dalam ekspresi. Jika Anda menyorot bagian dari ekspresi dan kemudian masukkan
fungsi, bagian disorot dari ekspresi digunakan sebagai argumen pertama dalam fungsi.
Mengedit Fungsi dalam Ekspresi
Fungsi ini tidak lengkap sampai Anda memasukkan argumen, yang diwakili oleh tanda tanya di disisipkan
Fungsi. Jumlah tanda tanya menunjukkan jumlah minimum argumen yang diperlukan untuk
menyelesaikan fungsi.
1. Sorot tanda tanya (s) dalam fungsi disisipkan.
2. Masukkan argumen. Jika argumen adalah nama variabel, Anda dapat menyisipkan mereka dari daftar variabel.
Menggunakan Ekspresi Bersyarat
Anda dapat menggunakan ekspresi kondisional (juga disebut ekspresi logis) untuk menerapkan transformasi untuk dipilih
himpunan bagian dari kasus. Sebuah ekspresi kondisional mengembalikan nilai true, false, atau hilang untuk setiap kasus. Jika
hasil dari ekspresi kondisional benar, transformasi diterapkan untuk kasus itu. Jika hasilnya adalah palsu atau
hilang, transformasi tidak diterapkan untuk kasus ini.
Untuk menentukan ekspresi kondisional:
1. Klik Jika dalam kotak dialog Variable Compute. Ini akan membuka kotak dialog Kasus Jika.
2. Pilih Sertakan jika kasus memenuhi kondisi .
3. Masukkan ekspresi kondisional.
Kebanyakan ekspresi kondisional mengandung setidaknya satu operator relasional, seperti dalam:
usia> = 21
atau
Pendapatan * 3 <100
Dalam contoh pertama, hanya kasus-kasus dengan nilai 21 atau lebih besar untuk Age [umur] yang dipilih. Dalam kedua
Misalnya, pendapatan rumah tangga dalam ribuan [pendapatan] dikalikan dengan 3 harus kurang dari 100 untuk kasus menjadi
dipilih.
Anda juga dapat menghubungkan dua atau lebih ekspresi kondisional menggunakan operator logika, seperti di:
usia> = 21 " ed> = 4
atau
67

Halaman 72
Pendapatan * 3 <100 & ed = 5
Dalam contoh pertama, kasus yang memenuhi baik Age [umur] kondisi atau Tingkat pendidikan [ed] kondisi
dipilih. Dalam contoh kedua, baik pendapatan rumah tangga dalam ribuan [pendapatan] dan Tingkat pendidikan
[Ed] kondisi yang harus dipenuhi untuk kasus yang akan dipilih.
Bekerja dengan Tanggal dan Waktu
Sejumlah tugas yang biasa dilakukan dengan tanggal dan waktu dapat dengan mudah dicapai dengan menggunakan Tanggal
dan Waktu Wizard. Menggunakan wizard ini, Anda dapat:
v Buat variabel tanggal / waktu dari variabel string yang berisi tanggal atau waktu.
v Buatlah sebuah variabel tanggal / waktu dengan menggabungkan variabel yang berisi bagian-bagian yang berbeda dari tanggal atau waktu.
v Menambah atau mengurangi nilai dari variabel tanggal / waktu, termasuk menambah atau mengurangi dua tanggal / waktu
variabel.
v Ekstrak bagian dari tanggal atau waktu variabel; misalnya, hari bulan dari tanggal / variabel waktu
yang memiliki bentuk hh / bb / tttt.
Contoh dalam bagian ini menggunakan file data upgrade.sav . Lihat topik Bab 10, "File Contoh," pada
Halaman 79 untuk informasi lebih lanjut.
Untuk menggunakan tanggal dan waktu Wizard:
1. Dari menu pilih:
Transform > Tanggal dan Waktu Wisaya ...
Layar pengenalan Tanggal dan Waktu Wisaya menyajikan Anda dengan satu set tugas umum. Tugas-tugas yang
tidak berlaku untuk data saat ini dinonaktifkan. Sebagai contoh, file data upgrade.sav tidak mengandung
variabel string, sehingga tugas untuk membuat variabel tanggal dari string dinonaktifkan.
Gambar 74. Tanggal dan layar pengenalan Waktu Wisaya
68

Halaman 73
Jika Anda baru untuk tanggal dan waktu di IBM SPSS Statistics, Anda dapat memilih Pelajari bagaimana tanggal dan waktu
diwakili dan klik Berikutnya . Hal ini menyebabkan layar yang memberikan gambaran singkat dari variabel tanggal / waktu
dan link, melalui tombol Bantuan, untuk informasi lebih rinci.
Menghitung Panjang Waktu antara dua Tanggal
Salah satu tugas yang paling umum melibatkan tanggal yang menghitung lamanya waktu antara dua tanggal. Sebagai
Misalnya, pertimbangkan sebuah perusahaan perangkat lunak yang tertarik dalam menganalisis pembelian lisensi Upgrade oleh
menentukan jumlah tahun sejak setiap pelanggan terakhir yang dibeli upgrade. File data
upgrade.sav berisi variabel untuk tanggal setiap pelanggan terakhir yang dibeli upgrade tapi tidak
jumlah tahun sejak pembelian itu. Sebuah variabel baru yang merupakan lamanya waktu dalam tahun antara
tanggal upgrade terakhir dan tanggal rilis produk berikutnya akan memberikan ukuran kuantitas ini.
Untuk menghitung panjang waktu antara dua tanggal:
1. Pilih Hitung dengan tanggal dan waktu pada layar pengenalan Tanggal dan Waktu Wizard dan
klik Berikutnya .
2. Pilih Hitung jumlah unit waktu antara dua tanggal dan klik Berikutnya .
3. Pada langkah 2, pilih Tanggal rilis berikutnya untuk Date1.
4. Pilih Tanggal upgrade terakhir untuk Date2.
5. Pilih Tahun Unit dan Batas ke Integer untuk Hasil Pengobatan. (Ini adalah default
Pilihan.)
6. Klik Berikutnya .
7. Pada langkah 3, masukkan YearsLastUp untuk nama variabel hasil. Variabel Hasil tidak dapat memiliki yang sama
nama sebagai variabel yang ada.
8. Masukkan Tahun sejak upgrade terakhir sebagai label untuk variabel hasil. Label variabel untuk variabel hasil yang
opsional.
9. Tinggalkan pemilihan default Buat variabel sekarang , dan klik Finish untuk membuat variabel baru.
Variabel baru, YearsLastUp , ditampilkan dalam Editor Data jumlah integer tahun antara
dua tanggal. Bagian pecahan tahun telah terpotong.
Gambar 75. Menghitung panjang waktu antara dua tanggal: Langkah 2
69

Page 74
Menambahkan Durasi ke Tanggal
Anda dapat menambah atau mengurangi jangka waktu, seperti 10 hari atau 12 bulan, untuk tanggal. Melanjutkan contoh
dari perusahaan perangkat lunak dari bagian sebelumnya, pertimbangkan menentukan tanggal dimana masing-masing
awal kontrak dukungan teknis pelanggan berakhir. Data file upgrade.sav berisi variabel untuk nomor
tahun dukungan dikontrak dan variabel untuk tanggal pembelian awal. Anda kemudian dapat menentukan
akhir tanggal dukungan awal dengan menambahkan tahun dukungan dengan tanggal pembelian.
Untuk menambah durasi ke tanggal:
1. Pilih Hitung dengan tanggal dan waktu pada layar pengenalan Tanggal dan Waktu Wizard dan
klik Berikutnya .
2. Pada langkah 1, pilih Tambah atau mengurangi durasi dari tanggal dan klik Berikutnya .
3. Pilih Tanggal lisensi produk awal untuk Tanggal.
4. Pada langkah 2, pilih Tahun dukungan teknis untuk Variabel Duration.
Sejak Tahun dukungan teknis hanyalah sebuah variabel numerik, Anda perlu untuk menunjukkan unit untuk digunakan saat
menambahkan variabel ini sebagai durasi.
5. Pilih Tahun dari daftar drop-down Unit.
6. Klik Berikutnya .
7. Pada langkah 3, masukkan SupEndDate untuk nama variabel hasil. Variabel Hasil tidak dapat memiliki yang sama
nama sebagai variabel yang ada.
8. Masukkan Tanggal akhir untuk dukungan sebagai label untuk variabel hasil. Label variabel untuk variabel hasil yang
opsional.
9. Klik Finish untuk membuat variabel baru.
Variabel baru ditampilkan di Editor Data.
Gambar 76. Menambahkan durasi untuk tanggal: Langkah 2
70

Halaman 75
File data tidak selalu diselenggarakan dalam bentuk yang ideal untuk kebutuhan spesifik Anda. Untuk mempersiapkan data untuk analisis,
Anda dapat memilih dari berbagai transformasi file, termasuk kemampuan untuk:
v Urutkan data. Anda dapat mengurutkan kasus berdasarkan nilai dari satu atau lebih variabel.
v Pilih subset kasus. Anda dapat membatasi analisis untuk subset kasus atau melakukan simultan
analisis pada himpunan bagian yang berbeda.
Contoh dalam bab ini menggunakan file data demo.sav . Lihat topik Bab 10, "File Contoh," pada halaman
79 untuk informasi lebih lanjut.
Sorting data
Sorting kasus (menyortir baris data file) sering berguna dan kadang-kadang diperlukan untuk jenis tertentu
analisis.
Untuk menyusun ulang urutan kasus dalam file data berdasarkan nilai dari satu atau lebih variabel menyortir:
1. Dari menu pilih:
Data > Urutkan Kasus ...
Kotak dialog Sort Kasus ditampilkan.
2. Tambahkan Umur tahun [usia] dan pendapatan rumah tangga dalam ribuan [pendapatan] variabel Urutkan berdasarkan daftar.
Jika Anda memilih beberapa variabel semacam, urutan di mana mereka muncul di Urutkan berdasarkan daftar menentukan
urutan kasus diurutkan. Dalam contoh ini, berdasarkan catatan di Urutkan berdasarkan daftar, kasus akan
diurutkan berdasarkan nilai pendapatan rumah tangga dalam ribuan [pendapatan] dalam kategori Umur di tahun [usia] . Untuk
variabel string, huruf besar mendahului rekan-rekan kecil mereka dalam urutan (misalnya,
nilai string Ya datang sebelum ya di urutan).
Pengolahan split-file
Untuk membagi file data Anda ke dalam kelompok terpisah untuk analisis:
1. Dari menu pilih:
Data > Berpisah File ...
Gambar 77. Urutkan Kasus kotak dialog
71

Halaman 76
Kotak dialog File Split ditampilkan.
2. Pilih Bandingkan kelompok atau Mengatur output dengan kelompok . (Contoh berikut langkah-langkah menunjukkan
perbedaan antara dua pilihan ini.)
3. Pilih Jenis Kelamin [jender] untuk membagi file ke dalam kelompok-kelompok terpisah untuk variabel-variabel ini.
Anda dapat menggunakan numerik, tali pendek, dan variabel string panjang sebagai variabel pengelompokan. Sebuah analisis terpisah
dilakukan untuk setiap sub-kelompok yang didefinisikan oleh variabel pengelompokan. Jika Anda memilih beberapa pengelompokan
variabel, urutan di mana mereka muncul di Grup Berdasarkan daftar menentukan cara di mana
kasus dikelompokkan.
Jika Anda memilih Bandingkan kelompok , hasil dari semua kelompok split-file yang akan dimasukkan dalam tabel yang sama (s), seperti
ditunjukkan dalam tabel berikut ringkasan statistik yang dihasilkan oleh prosedur Frekuensi.
Jika Anda memilih Mengatur output dengan kelompok dan menjalankan prosedur Frekuensi, dua tabel pivot diciptakan:
satu meja untuk perempuan dan satu meja untuk laki-laki.
Gambar 78. Berpisah kotak dialog File
Gambar keluaran 79. Split-berkas dengan tabel pivot tunggal
72

Halaman 77
Sorting Kasus Pengolahan Split-file
Prosedur split file menciptakan subkelompok baru setiap kali bertemu dengan nilai yang berbeda untuk salah satu
pengelompokan variabel. Oleh karena itu, penting untuk mengurutkan kasus berdasarkan nilai-nilai variabel pengelompokan
sebelum menerapkan pengolahan split-berkas.
Secara default, Split file secara otomatis mengurutkan file data berdasarkan nilai-nilai variabel pengelompokan. Jika
File sudah diurutkan dalam urutan yang tepat, Anda dapat menghemat waktu pemrosesan jika Anda memilih file sudah
diurutkan .
Menghidupkan Split-file Pengolahan On dan Off
Setelah Anda menjalankan proses split-berkas, tetap berlaku untuk sisa sesi kecuali Anda mematikannya.
v Menganalisis semua kasus. Pilihan ini akan dibagi-berkas pengolahan off.
v Bandingkan kelompok dan output Mengatur oleh kelompok-kelompok. Pilihan ini akan pengolahan split-file di.
Jika proses split-file berlaku, pesan Berpisah File pada muncul di status bar di bagian bawah
jendela aplikasi.
Memilih Subset Kasus
Anda dapat membatasi analisis untuk subkelompok tertentu berdasarkan kriteria yang meliputi variabel dan kompleks
ekspresi. Anda juga dapat memilih sampel acak dari kasus. Kriteria yang digunakan untuk menentukan subkelompok kaleng
meliputi:
v nilai Variabel dan rentang
v Tanggal dan waktu rentang
v Case (baris) nomor
v ekspresi aritmatika
v ekspresi logis
v Fungsi
Gambar keluaran 80. Split-berkas dengan poros meja untuk wanita
Gambar keluaran 81. Split-berkas dengan poros meja untuk laki-laki
73

Halaman 78
Untuk memilih subset kasus untuk analisis:
1. Dari menu pilih:
Data > Pilih Kasus ...
Ini akan membuka kotak dialog Select Cases.
Memilih Kasus Berdasarkan Pernyataan Bersyarat
Untuk memilih kasus berdasarkan ekspresi kondisional:
1. Pilih Jika kondisi puas dan klik Jika dalam Pilih Kasus kotak dialog.
Hal ini akan membuka Pilih Kasus Jika kotak dialog.
Gambar 82. Pilih Kasus kotak dialog
74

Halaman 79
Ekspresi kondisional dapat menggunakan nama variabel yang ada, konstanta, operator aritmatika, logis
operator, operator relasional, dan fungsi. Anda bisa mengetik dan mengedit ekspresi dalam kotak teks hanya
seperti teks dalam jendela output. Anda juga dapat menggunakan tombol kalkulator, daftar variabel, dan daftar fungsi untuk menyisipkan
elemen dalam ekspresi. Melihat topi c "Menggunakan Ekspresi Bersyarat" pada halaman 67 untuk lebih
Informasi.
Memilih Sampel Acak
Untuk mendapatkan sampel acak:
1. Pilih sampel acak dari kasus di Pilih Kasus kotak dialog.
2. Klik Sampel .
Ini membuka Sampel Acak kotak dialog Pilih Kasus.
Anda dapat memilih salah satu dari berikut alternatif untuk ukuran sampel:
v Sekitar. Persentase yang ditentukan pengguna. Pilihan ini menghasilkan sampel acak sekitar
persentase tertentu dari kasus.
Gambar 83. Pilih Kasus Jika kotak dialog
Gambar 84. Pilih Contoh Kasus acak kotak dialog
75

Halaman 80
v Tepat. Sejumlah ditentukan pengguna kasus. Anda juga harus menentukan jumlah kasus dari yang untuk
menghasilkan sampel. Nomor kedua ini harus kurang dari atau sama dengan jumlah total kasus di
file data. Jika nomor melebihi jumlah kasus dalam file data, sampel akan berisi
proporsional lebih sedikit kasus dari jumlah yang diminta.
Memilih Rentang waktu atau Case Rentang
Untuk memilih berbagai kasus berdasarkan tanggal, waktu, atau observasi (baris) nomor:
1. Pilih Berdasarkan waktu atau kasus jangkauan dan klik Rentang di Pilih Kasus kotak dialog.
Hal ini akan membuka Pilih Kasus Rentang kotak dialog, di mana Anda dapat memilih berbagai pengamatan (baris)
angka.
v Kasus Pertama. Masukkan tanggal mulai dan / atau nilai waktu untuk rentang. Jika tidak ada variabel date
didefinisikan, masukkan nomor observasi awal (nomor baris di Editor Data, kecuali di Split File
pada). Jika Anda tidak menentukan nilai Kasus terakhir, semua kasus dari tanggal mulai / waktu untuk akhir
time series yang dipilih.
v Kasus terakhir. Masukkan tanggal akhir dan / atau nilai waktu untuk rentang. Jika tidak ada variabel tanggal didefinisikan,
masukkan berakhir (nomor baris di Editor Data, kecuali di Split File pada) nomor observasi. Jika kamu
tidak menentukan nilai Kasus Pertama, semua kasus dari awal seri waktu hingga akhir cerita
tanggal / waktu yang dipilih.
Untuk data time series dengan variabel tanggal ditetapkan, Anda dapat memilih rentang tanggal dan / atau waktu berdasarkan
variabel tanggal ditetapkan. Setiap kasus merupakan pengamatan pada waktu yang berbeda, dan file tersebut
diurutkan secara kronologis.
Untuk menghasilkan variabel tanggal untuk data time series:
2. Dari menu pilih:
Data > Tentukan Tanggal ...
Pengobatan yang tak dipilih Kasus
Anda dapat memilih salah satu dari berikut alternatif untuk pengobatan kasus tidak dipilih:
v Menyaring kasus yang tidak dipilih. kasus yang tak dipilih tidak dimasukkan dalam analisis, tetapi tetap dalam
dataset. Anda dapat menggunakan kasus yang tidak dipilih kemudian di sesi jika Anda berbelok penyaringan. Jika Anda memilih
sampel acak atau jika Anda memilih kasus berdasarkan ekspresi kondisional, ini menghasilkan variabel
bernama FILTER_ $ dengan nilai 1 untuk kasus-kasus yang dipilih dan nilai 0 untuk kasus-kasus yang tidak dipilih.
Gambar 85. Pilih Kasus Rentang kotak dialog
Gambar 86. Pilih Kasus Rentang kotak dialog (time series)
76

Halaman 81
v Salin kasus yang dipilih ke dataset baru. kasus Dipilih akan disalin ke dataset baru, meninggalkan asli
dataset terpengaruh. Kasus yang tidak dipilih tidak termasuk dalam dataset baru dan yang tersisa di aslinya
negara dalam dataset aslinya.
v Hapus kasus yang tidak dipilih. kasus yang tak dipilih akan dihapus dari dataset. Kasus dihapus dapat dipulihkan
hanya dengan keluar dari file tanpa menyimpan perubahan dan kemudian membuka kembali file. Penghapusan
kasus bersifat permanen jika Anda menyimpan perubahan ke file data.
Catatan : Jika Anda menghapus kasus yang tidak dipilih dan menyimpan file, kasus tidak dapat dipulihkan.
Kasus Pemilihan Status
Jika Anda telah memilih subset dari kasus tetapi belum dibuang kasus yang tidak dipilih, kasus yang tidak dipilih adalah
ditandai Editor data dengan garis diagonal melalui nomor baris.
Gambar 87. Kasus status pemilihan
77

Halaman 82
78

Halaman 83
Bab 10. Contoh File
Sampel file yang diinstal dengan produk dapat ditemukan di Sampel subdirektori instalasi
direktori. Ada folder terpisah dalam Sampel subdirektori untuk masing-masing bahasa berikut:
Inggris, Perancis, Jerman, Italia, Jepang, Korea, Polandia, Rusia, Cina Sederhana, Spanyol, dan
Cina tradisional.
Tidak semua file sampel yang tersedia dalam semua bahasa. Jika contoh file tidak tersedia dalam bahasa, yang
folder bahasa berisi versi bahasa Inggris dari file sampel.
Deskripsi
Berikut ini adalah deskripsi singkat dari file sampel yang digunakan dalam berbagai contoh di seluruh
dokumentasi.
v accidents.sav. Ini adalah file data hipotetis yang menyangkut perusahaan asuransi yang mempelajari umur
dan faktor risiko gender bagi kecelakaan mobil di suatu wilayah tertentu. Setiap kasus sesuai dengan
lintas-klasifikasi kategori usia dan jenis kelamin.
v adl.sav. Ini adalah file data hipotetis yang menyangkut upaya untuk menentukan manfaat yang diusulkan
jenis terapi untuk pasien stroke. Dokter secara acak pasien stroke wanita untuk salah satu dari dua
kelompok. Yang pertama menerima terapi fisik standar, dan yang kedua menerima tambahan
Terapi emosional. Tiga bulan setelah perawatan, kemampuan masing-masing pasien untuk melakukan umum
aktivitas kehidupan sehari-hari diberi skor sebagai variabel ordinal.
v advert.sav. Ini adalah file data hipotetis yang menyangkut upaya pengecer untuk memeriksa hubungan
antara uang yang dihabiskan untuk iklan dan penjualan yang dihasilkan. Untuk tujuan ini, mereka telah mengumpulkan masa lalu penjualan
angka dan biaya iklan yang terkait.
v aflatoxin.sav. Ini adalah file data hipotetis yang menyangkut pengujian tanaman jagung untuk aflatoxin,
racun yang konsentrasinya bervariasi antara dan di dalam hasil panen. Sebuah prosesor gandum memiliki
menerima 16 sampel dari masing-masing 8 hasil panen dan mengukur tingkat alfatoxin di bagian per miliar
(PPB).
v anorectic.sav. Saat bekerja menuju simtomatologi standar dari anoreksia / bulimia perilaku,
peneliti
1
membuat studi tentang 55 remaja dengan gangguan makan dikenal. Setiap pasien terlihat empat
kali selama empat tahun, dengan total 220 pengamatan. Pada setiap pengamatan, pasien diberi skor untuk
masing-masing 16 gejala. Skor gejala hilang untuk pasien 71 pada waktu 2, pasien 76 pada waktu 2, dan
Pasien 47 pada waktu 3, meninggalkan 217 pengamatan yang valid.
v bankloan.sav. Ini adalah file data hipotetis yang menyangkut upaya bank untuk mengurangi tingkat pinjaman
default. File ini berisi informasi keuangan dan demografis pada 850 masa lalu dan calon
pelanggan. Pertama 700 kasus adalah pelanggan yang sebelumnya diberikan pinjaman. 150 kasus terakhir adalah
calon pelanggan bahwa bank perlu mengklasifikasikan risiko kredit yang baik atau buruk.
v bankloan_binning.sav. Ini adalah file data hipotetis yang mengandung keuangan dan demografis
Informasi tentang 5.000 pelanggan masa lalu.
v behavior.sav. Dalam contoh klasik
2
, 52 siswa diminta untuk menilai kombinasi dari 15 situasi
dan 15 perilaku pada skala 10-point mulai dari 0 = "sangat tepat" untuk 9 = "sangat
tidak pantas. "dirata-ratakan atas individu-individu, nilai-nilai yang diambil sebagai ketidakmiripan.
v behavior_ini.sav. data file ini berisi konfigurasi awal untuk solusi dua-dimensi untuk
behavior.sav .
1. Van der Ham, T., JJ Meulman, DC Van Strien, dan H. Van Engeland. 1997. pengelompokan berdasarkan empiris gangguan makan
pada remaja: Sebuah perspektif longitudinal. British Journal of Psychiatry, 170, 363-368.
2. Harga, RH, dan DL Bouffard. 1974. Perilaku kendala kesesuaian dan situasional sebagai dimensi perilaku sosial.
Jurnal Psikologi Kepribadian dan Sosial, 30, 579-586.
79

Halaman 84
v brakes.sav. Ini adalah file data hipotetis yang menyangkut kontrol kualitas di pabrik yang memproduksi disc
rem untuk mobil performa tinggi. Data file berisi pengukuran diameter 16 cakram
dari masing-masing 8 mesin produksi. Diameter target untuk rem adalah 322 milimeter.
v breakfast.sav. Dalam sebuah studi klasik
3
, 21 Wharton School MBA siswa dan pasangan mereka diminta untuk
peringkat 15 sarapan item dalam urutan pilihan dengan 1 = "paling disukai" 15 = "paling tidak disukai." Mereka
preferensi dicatat di bawah enam skenario yang berbeda, dari "Preferensi keseluruhan" untuk "Snack, dengan
minuman saja. "
v sarapan overall.sav. data file ini berisi preferensi sarapan item untuk skenario pertama,
"Secara keseluruhan preferensi," saja.
v broadband_1.sav. Ini adalah file data hipotetis berisi jumlah pelanggan, menurut wilayah, untuk
layanan broadband nasional. Data file berisi nomor pelanggan bulanan untuk 85 daerah atas
periode empat tahun.
v broadband_2.sav. data file ini identik dengan broadband_1.sav tetapi berisi data selama tiga tambahan
bulan.
v car_insurance_claims.sav. Sebuah dataset disajikan dan dianalisis di tempat lain
4
kekhawatiran merusak klaim
mobil. Rata-rata jumlah klaim dapat dimodelkan sebagai memiliki distribusi gamma, menggunakan link terbalik
berfungsi untuk menghubungkan rata-rata variabel dependen kombinasi linear dari usia pemegang polis,
jenis kendaraan, dan usia kendaraan. Jumlah klaim yang diajukan dapat digunakan sebagai berat skala.
v car_sales.sav. data file ini berisi perkiraan hipotetis penjualan, daftar harga, dan spesifikasi fisik
untuk berbagai merek dan model kendaraan. Daftar harga dan spesifikasi fisik diperoleh
bergantian dari edmunds.com dan situs produsen.
v car_sales_uprepared.sav. Ini adalah versi modifikasi dari car_sales.sav yang tidak termasuk
Versi berubah dari ladang.
v carpet.sav. Dalam contoh populer
5
, Sebuah perusahaan yang tertarik dalam memasarkan karpet bersih baru ingin
menguji pengaruh lima faktor desain konsumen preferensi-paket, nama merek, harga,
Good Housekeeping segel, dan jaminan uang kembali. Ada tiga tingkat faktor untuk paket desain,
masing-masing berbeda dalam lokasi sikat aplikator; tiga nama merek ( K2R , Glory , dan Bissell );
tiga tingkat harga; dan dua tingkat (baik tidak atau ya) untuk masing-masing dua faktor terakhir. Sepuluh konsumen peringkat
22 profil yang ditentukan oleh faktor-faktor ini. Variabel Preferensi berisi peringkat dari peringkat rata-rata
untuk setiap profil. Peringkat rendah sesuai dengan preferensi yang tinggi. Variabel ini mencerminkan ukuran keseluruhan
preferensi untuk setiap profil.
v carpet_prefs.sav. File Data ini didasarkan pada contoh yang sama seperti yang dijelaskan untuk carpet.sav , tapi mengandung
peringkat aktual yang dikumpulkan dari masing-masing 10 konsumen. Para konsumen diminta untuk peringkat 22
profil produk dari yang paling ke paling tidak disukai. Variabel PREF1 melalui PREF22 mengandung
pengidentifikasi profil yang terkait, sebagaimana didefinisikan dalam carpet_plan.sav .
v catalog.sav. data file ini berisi angka penjualan bulanan hipotetis untuk tiga produk yang dijual oleh
perusahaan katalog. Data selama lima variabel prediktor yang mungkin juga termasuk.
v catalog_seasfac.sav. data file ini adalah sama dengan catalog.sav kecuali untuk penambahan satu set musiman
faktor dihitung dari prosedur musiman penguraian bersama dengan tanggal yang menyertainya
variabel.
v cellular.sav. Ini adalah file data hipotetis yang menyangkut upaya perusahaan telepon seluler untuk mengurangi
churn. Skor churn kecenderungan diterapkan ke rekening, mulai dari 0 sampai 100. Account mencetak 50 atau
di atas dapat mencari untuk mengubah penyedia.
v ceramics.sav. Ini adalah file data hipotetis yang menyangkut upaya produsen untuk menentukan
apakah paduan premium baru memiliki ketahanan panas yang lebih besar dari paduan standar. Setiap kasus merupakan
tes terpisah dari salah satu paduan; panas di mana bantalan gagal dicatat.
3. Hijau, PE, dan V. Rao. 1972. Terapan skala multidimensi . Hinsdale, Illinois .: Dryden Press.
4. McCullagh, P., dan JA Nelder. 1989. Model Generalized Linear , 2nd ed. London: Chapman & Hall.
5. Hijau, PE, dan Y. Angin. . 1973 keputusan multiatribut dalam pemasaran: Pendekatan pengukuran . Hinsdale, Illinois .: Dryden Press.
80

Halaman 85
v cereal.sav. Ini adalah file data hipotetis yang menyangkut jajak pendapat dari 880 orang tentang sarapan mereka
preferensi, juga mencatat usia, jenis kelamin, status perkawinan, dan apakah mereka memiliki aktif
gaya hidup (berdasarkan apakah mereka berolahraga setidaknya dua kali seminggu). Setiap kasus merupakan terpisah
responden.
v clothing_defects.sav. Ini adalah file data hipotetis yang menyangkut proses pengendalian kualitas pada
pabrik pakaian. Dari setiap lot yang diproduksi di pabrik, para inspektur mengambil sampel pakaian dan
menghitung jumlah pakaian yang tidak dapat diterima.
v coffee.sav. data file ini berkaitan dengan gambar dirasakan enam merek es-kopi
6
. Untuk masing-masing 23
atribut gambar es-kopi, orang yang dipilih semua merek yang dijelaskan oleh atribut. Keenam
merek dilambangkan AA, BB, CC, DD, EE, dan FF untuk menjaga kerahasiaan.
v contacts.sav. Ini adalah file data hipotetis yang menyangkut daftar kontak untuk sekelompok perusahaan
perwakilan penjualan komputer. Setiap kontak dikategorikan oleh departemen perusahaan yang
mereka bekerja dan perusahaan mereka peringkat. Juga direkam jumlah penjualan terakhir yang dibuat, waktu sejak
penjualan terakhir, dan ukuran perusahaan kontak.
v creditpromo.sav. Ini adalah file data hipotetis yang menyangkut upaya department store untuk mengevaluasi
efektivitas promosi kartu kredit baru-baru ini. Untuk tujuan ini, 500 pemegang kartu secara acak
dipilih. Setengah menerima iklan yang mempromosikan suku bunga berkurang pada pembelian yang dilakukan selama tiga berikutnya
bulan. Setengah menerima iklan musiman standar.
v customer_dbase.sav. Ini adalah file data hipotetis yang menyangkut upaya perusahaan untuk menggunakan
informasi dalam data warehouse untuk membuat penawaran khusus untuk pelanggan yang paling mungkin untuk membalas. A
subset dari basis pelanggan yang dipilih secara acak dan diberi penawaran khusus, dan tanggapan mereka
dicatat.
v customer_information.sav. Sebuah hipotesis file data yang berisi informasi mailing pelanggan, seperti
nama dan alamat.
v customer_subset.sav. Sebuah subset dari 80 kasus dari customer_dbase.sav .
v debate.sav. Ini adalah file data hipotetis bahwa keprihatinan dipasangkan tanggapan survei dari peserta
dari perdebatan politik sebelum dan sesudah perdebatan. Setiap kasus sesuai dengan responden yang terpisah.
v debate_aggregate.sav. Ini adalah file data hipotetis yang mengumpulkan tanggapan di debate.sav . Masing-masing
kasus sesuai dengan klasifikasi silang preferensi sebelum dan sesudah perdebatan.
v demo.sav. Ini adalah file data hipotetis yang menyangkut database pelanggan yang dibeli, untuk
tujuan mailing penawaran bulanan. Apakah atau tidak pelanggan menanggapi tawaran tersebut dicatat,
bersama dengan berbagai informasi demografis.
v demo_cs_1.sav. Ini adalah file data hipotetis yang menyangkut langkah pertama dari upaya perusahaan untuk
menyusun database informasi survei. Setiap kasus sesuai dengan kota yang berbeda, dan daerah,
provinsi, kabupaten, dan kota identifikasi dicatat.
v demo_cs_2.sav. Ini adalah file data hipotetis yang menyangkut langkah kedua upaya perusahaan untuk
menyusun database informasi survei. Setiap kasus sesuai dengan unit rumah tangga yang berbeda dari
kota yang dipilih pada langkah pertama, dan wilayah, provinsi, kabupaten, kota, subdivisi, dan unit
identifikasi dicatat. Informasi sampel dari dua tahap pertama desain juga
disertakan.
v demo_cs.sav. Ini adalah file data hipotetis yang berisi informasi survei dikumpulkan dengan menggunakan
rancangan sampling yang kompleks. Setiap kasus sesuai dengan unit rumah tangga yang berbeda, dan berbagai
informasi demografis dan sampling dicatat.
v dmdata.sav. Ini adalah file data hipotetis yang berisi informasi demografis dan pembelian untuk
sebuah perusahaan pemasaran langsung. dmdata2.sav berisi informasi untuk subset dari kontak yang menerima
uji mailing, dan dmdata3.sav berisi informasi tentang kontak yang tersisa yang tidak menerima
uji mailing.
6. Kennedy, R., C. Riquier, dan B. Sharp. 1996. Aplikasi Praktis analisis korespondensi data kategorikal di pasar
penelitian. Journal of Sasaran, Pengukuran, dan Analisis Pemasaran, 5, 56-70.
Bab 10. Contoh File
81

Halaman 86
v dietstudy.sav. Data ini berkas hipotetis berisi hasil studi tentang "diet Stillman"
7
. Masing-masing
kasus sesuai dengan subjek yang terpisah dan mencatat nya bobot sebelum dan sesudah diet pound dan
trigliserida dalam mg / 100 ml.
v dvdplayer.sav. Ini adalah file data hipotetis yang menyangkut pengembangan DVD player baru.
Menggunakan prototipe, tim pemasaran telah mengumpulkan data kelompok fokus. Setiap kasus sesuai dengan
memisahkan disurvei pengguna dan mencatat beberapa informasi demografis tentang mereka dan tanggapan mereka terhadap
pertanyaan tentang prototipe.
v german_credit.sav. File Data ini diambil dari "kredit Jerman" dataset dalam Repositori dari
Machine Learning Database
8
di University of California, Irvine.
v grocery_1month.sav. Data ini berkas hipotetis adalah grocery_coupons.sav data file dengan mingguan
pembelian "digulung" sehingga setiap kasus sesuai dengan pelanggan yang terpisah. Beberapa variabel yang
berubah mingguan hilang sebagai hasilnya, dan jumlah yang dibelanjakan direkam sekarang jumlah dari jumlah
menghabiskan selama empat minggu penelitian.
v grocery_coupons.sav. Ini adalah file data hipotetis yang berisi data survei yang dikumpulkan oleh kelontong
toko rantai tertarik pada kebiasaan pembelian pelanggan mereka. Setiap pelanggan yang diikuti selama empat
minggu, dan setiap kasus sesuai dengan pelanggan-minggu terpisah dan mencatat informasi tentang di mana
dan bagaimana toko-toko pelanggan, termasuk berapa banyak dihabiskan untuk bahan makanan selama minggu itu.
v guttman.sav. Bell
9
disajikan tabel untuk menggambarkan kelompok-kelompok sosial yang mungkin. Guttman
10
digunakan sebagian
tabel ini, di mana lima variabel yang menggambarkan hal-hal seperti interaksi sosial, perasaan milik
kelompok, kedekatan fisik anggota, dan formalitas hubungan disilangkan dengan tujuh
kelompok sosial teoritis, termasuk banyak (misalnya, orang-orang di pertandingan sepak bola), penonton (untuk
Misalnya, orang-orang di sebuah teater atau ruang kelas kuliah), publik (misalnya, koran atau televisi
penonton), massa (seperti kerumunan tetapi dengan interaksi yang lebih intens), kelompok utama (intim),
kelompok sekunder (sukarela), dan masyarakat modern (konfederasi yang dihasilkan dari dekat
kedekatan fisik dan kebutuhan untuk layanan khusus).
v health_funding.sav. Ini adalah file data hipotetis yang berisi data pada pembiayaan kesehatan (jumlah
per 100 penduduk), tingkat penyakit (tingkat per 10.000 penduduk), dan kunjungan ke penyedia layanan kesehatan (tingkat
per 10.000 penduduk). Setiap kasus merupakan kota yang berbeda.
v hivassay.sav. Ini adalah file data hipotetis yang menyangkut upaya laboratorium farmasi untuk
mengembangkan alat tes cepat untuk mendeteksi infeksi HIV. Hasil uji tersebut adalah delapan warna pendalaman
merah, dengan nuansa yang lebih dalam menunjukkan kemungkinan yang lebih besar dari infeksi. Percobaan laboratorium dilakukan
pada 2.000 sampel darah, setengah dari yang terinfeksi HIV dan setengah dari yang bersih.
v hourlywagedata.sav. Ini adalah file data hipotetis yang menyangkut upah per jam perawat dari
kantor dan rumah sakit posisi dan dengan berbagai tingkat pengalaman.
v insurance_claims.sav. Ini adalah file data hipotetis yang menyangkut perusahaan asuransi yang ingin
membangun model untuk lesu mencurigakan, klaim berpotensi penipuan. Setiap kasus merupakan terpisah
klaim.
v insure.sav. Ini adalah file data hipotetis yang menyangkut perusahaan asuransi yang mempelajari
faktor risiko yang menunjukkan apakah klien akan harus membuat klaim pada asuransi jiwa berjangka 10-tahun
kontrak. Setiap kasus pada data file merupakan sepasang kontrak, salah satu yang mencatat klaim dan
lainnya tidak, cocok pada usia dan jenis kelamin.
v judges.sav. Ini adalah file data hipotetis yang menyangkut nilai yang diberikan oleh hakim yang terlatih (ditambah satu
antusias) 300 senam pertunjukan. Setiap baris mewakili kinerja yang terpisah; hakim
dilihat pertunjukan yang sama.
7. Rickman, R., N. Mitchell, J. Dingman, dan JE Dalen. 1974. Perubahan kolesterol serum selama Stillman Diet. Jurnal
American Medical Association, 228 :, 54-58.
8. Blake, CL, dan CJ Merz. 1998. "UCI Repository database mesin belajar." Tersedia di http://www.ics.uci.edu/mlearn/
MLRepository.html.
9. Bell, EH 1961. yayasan sosial perilaku manusia: Pengantar studi sosiologi . New York: Harper & Row.
10. Guttman, L. 1968. Teknik nonmetric umum untuk menemukan terkecil koordinat ruang untuk konfigurasi poin.
Psychometrika, 33, 469-506.
82

Halaman 87
v kinship_dat.sav. Rosenberg dan Kim
11
berangkat untuk menganalisis 15 istilah kekerabatan (bibi, kakak, sepupu,
putri, ayah, cucu, kakek, nenek, cucu, ibu, keponakan, keponakan, adik,
anak, paman). Mereka meminta empat kelompok mahasiswa (dua perempuan, dua laki-laki) untuk mengurutkan istilah-istilah ini pada
dasar kesamaan. Dua kelompok (satu perempuan, satu laki-laki) diminta untuk menyortir dua kali, dengan kedua
menyortir berdasarkan kriteria yang berbeda dari jenis pertama. Dengan demikian, total enam "sumber" yang diperoleh.
Setiap sumber sesuai dengan 15 x 15 kedekatan matriks, yang sel-sel yang sama dengan jumlah orang
dalam sumber dikurangi jumlah kali objek yang dipartisi bersama dalam sumber itu.
v kinship_ini.sav. data file ini berisi konfigurasi awal untuk solusi tiga dimensi untuk
kinship_dat.sav .
v kinship_var.sav. data file ini berisi variabel independen jenis kelamin , Wegener (asi), dan derajat (dari
pemisahan) yang dapat digunakan untuk menafsirkan dimensi solusi untuk kinship_dat.sav . Secara khusus,
mereka dapat digunakan untuk membatasi ruang solusi untuk kombinasi linear dari variabel-variabel ini.
v marketvalues.sav. Ini file data penjualan rumah kekhawatiran dalam pembangunan perumahan baru di Algonquin, Illinois.,
selama tahun 1999-2000. Penjualan ini adalah masalah catatan publik.
v nhis2000_subset.sav. The National Health Interview Survey (NHIS) adalah besar, berdasarkan populasi-
Survei penduduk sipil AS. Wawancara dilakukan tatap muka di nasional
sampel yang representatif dari rumah tangga. Informasi demografis dan pengamatan tentang kesehatan
perilaku dan status yang diperoleh untuk anggota masing-masing rumah tangga. Data file ini berisi subset dari
informasi dari survei tahun 2000. Pusat Nasional untuk Statistik Kesehatan. National Health Interview
Survey, 2000. Public penggunaan data file dan dokumentasi. ftp://ftp.cdc.gov/pub/Health_Statistics/NCHS/
Dataset / NHIS / 2000 / . Diakses 2003.
v ozone.sav. Data meliputi 330 pengamatan pada enam variabel meteorologi untuk memprediksi ozon
Konsentrasi dari variabel yang tersisa. Sebelumnya peneliti
12
.
13
Antara lain ditemukan
nonlinier antara variabel-variabel ini, yang menghambat pendekatan regresi standar.
v pain_medication.sav. Data ini berkas hipotetis berisi hasil percobaan klinis untuk
obat anti-inflamasi untuk mengobati nyeri rematik kronis. Yang menarik adalah waktu yang
mengambil obat tersebut akan diterapkan dan bagaimana perbandingan obat yang ada.
v patient_los.sav. Data ini berkas hipotetis berisi catatan pengobatan pasien yang
dirawat di rumah sakit untuk tersangka infark miokard (MI, atau "serangan jantung"). Setiap kasus
sesuai dengan pasien yang terpisah dan mencatat banyak variabel yang berhubungan dengan mereka tinggal di rumah sakit.
v patlos_sample.sav. Data ini berkas hipotetis berisi catatan pengobatan sampel pasien
yang menerima trombolitik selama pengobatan untuk infark miokard (MI, atau "serangan jantung"). Masing-masing
kasus sesuai dengan pasien yang terpisah dan mencatat banyak variabel yang berhubungan dengan mereka tinggal di rumah sakit.
v poll_cs.sav. Ini adalah file data hipotetis yang menyangkut upaya lembaga survei 'untuk menentukan tingkat
dukungan publik untuk tagihan sebelum legislatif. Kasus-kasus sesuai dengan pemilih yang terdaftar. Setiap kasus
mencatat kabupaten, kota, dan lingkungan di mana pemilih hidup.
v poll_cs_sample.sav. Data ini berkas hipotetis berisi sampel pemilih yang tercantum dalam poll_cs.sav . Itu
Sampel diambil sesuai dengan desain yang ditentukan dalam poll.csplan berkas rencana, dan data file ini catatan
probabilitas inklusi dan bobot sampel. Catatan, bagaimanapun, bahwa karena rencana pengambilan sampel membuat
penggunaan metode probabilitas-proporsional untuk ukuran (PPS), ada juga file yang berisi pilihan bersama
probabilitas ( poll_jointprob.sav ). Variabel tambahan sesuai dengan demografi pemilih dan
pendapat mereka tentang RUU dikumpulkan dan menambahkan file data setelah sampel sebagai diambil.
v property_assess.sav. Ini adalah file data hipotetis yang menyangkut upaya county penilai untuk menjaga
penilaian nilai properti up to date pada sumber daya yang terbatas. Kasus-kasus sesuai dengan properti yang dijual di
daerah dalam satu tahun terakhir. Setiap kasus pada data file catatan kota di mana properti terletak,
penilai yang terakhir mengunjungi properti, waktu sejak penilaian itu, penilaian dilakukan pada saat itu
waktu, dan nilai penjualan properti.
11. Rosenberg, S., dan MP Kim. 1975. Metode pemilahan sebagai prosedur pengumpulan data dalam penelitian multivariat. Multivariate
Perilaku Penelitian, 10, 489-502.
12. Breiman, L., dan JH Friedman. 1985. Memperkirakan transformasi optimal untuk regresi berganda dan korelasi. Jurnal
Amerika Statistik Association, 80, 580-598.
13. Hastie, T., dan R. Tibshirani. 1990. Model aditif Generalized . London: Chapman dan Hall.
Bab 10. Contoh File
83

Halaman 88
v property_assess_cs.sav. Ini adalah file data hipotetis yang menyangkut upaya penilai negara untuk menjaga
penilaian nilai properti up to date pada sumber daya yang terbatas. Kasus-kasus sesuai dengan properti di
negara. Setiap kasus pada data file catatan kabupaten, kota, dan lingkungan di mana properti
terletak, waktu sejak penilaian terakhir, dan penilaian yang dibuat pada waktu itu.
v property_assess_cs_sample.sav. Data ini berkas hipotetis berisi contoh dari sifat-sifat yang tercantum dalam
property_assess_cs.sav . Sampel diambil sesuai dengan desain yang ditentukan dalam
property_assess.csplan berkas rencana, dan ini data file catatan probabilitas inklusi dan bobot sampel.
Variabel tambahan nilai sekarang dikumpulkan dan ditambahkan ke file data setelah sampel adalah
diambil.
v recidivism.sav. Ini adalah file data hipotetis yang menyangkut lembaga penegak hukum pemerintah
Upaya untuk memahami tingkat residivisme di daerah mereka yurisdiksi. Setiap kasus sesuai dengan sebelumnya
pelaku dan mencatat informasi mereka demografis, beberapa rincian kejahatan pertama mereka, dan kemudian waktu
sampai penangkapan kedua mereka, jika hal itu terjadi dalam waktu dua tahun dari penangkapan pertama.
v recidivism_cs_sample.sav. Ini adalah file data hipotetis yang menyangkut penegakan hukum pemerintah
Upaya lembaga untuk memahami tingkat residivisme di daerah mereka yurisdiksi. Setiap kasus sesuai dengan
pelaku sebelumnya, dibebaskan dari tahanan pertama mereka selama bulan Juni 2003, dan mencatat mereka
informasi demografis, beberapa rincian kejahatan pertama mereka, dan data penangkapan kedua mereka, jika
terjadi pada akhir Juni 2006. Pelanggar dipilih dari departemen sampel sesuai dengan
sampel rencana ditentukan dalam recidivism_cs.csplan ; karena itu menggunakan probabilitas-proporsional-to-
Ukuran metode (PPS), ada juga file yang berisi probabilitas seleksi bersama
( recidivism_cs_jointprob.sav ).
v rfm_transactions.sav. Sebuah file data hipotetik yang berisi data transaksi pembelian, termasuk tanggal
pembelian, item (s) yang dibeli, dan jumlah moneter setiap transaksi.
v salesperformance.sav. Ini adalah file data hipotetis yang menyangkut evaluasi dua penjualan baru
kursus pelatihan. Enam puluh karyawan, dibagi menjadi tiga kelompok, semua menerima pelatihan standar. Tambahan lagi,
Kelompok 2 mendapat pelatihan teknis; Kelompok 3, tutorial tangan-on. Setiap karyawan diuji pada akhir
kursus pelatihan dan skor mereka direkam. Setiap kasus pada data file merupakan peserta pelatihan yang terpisah dan
mencatat kelompok yang mereka ditugaskan dan skor yang mereka terima pada ujian.
v satisf.sav. Ini adalah file data hipotetis yang menyangkut survei kepuasan yang dilakukan oleh ritel
Perusahaan di 4 lokasi toko. 582 pelanggan yang disurvei di seluruh, dan setiap kasus merupakan
tanggapan dari satu pelanggan.
v screws.sav. data file ini berisi informasi tentang karakteristik sekrup, baut, mur, dan paku payung
14
.
v shampoo_ph.sav. Ini adalah file data hipotetis yang menyangkut kontrol kualitas di pabrik untuk rambut
produk. Pada interval waktu yang teratur, enam batch output yang terpisah diukur dan pH mereka direkam.
Kisaran target 4,5-5,5.
v ships.sav. Sebuah dataset disajikan dan dianalisis di tempat lain
15
yang menyangkut kerusakan kapal kargo yang disebabkan
oleh gelombang. Para jumlah insiden dapat dimodelkan sebagai terjadi pada tingkat Poisson diberikan jenis kapal,
masa konstruksi, dan masa kerja. Bulan-bulan agregat layanan untuk setiap sel tabel
dibentuk oleh lintas-klasifikasi faktor memberikan nilai untuk eksposur risiko.
v site.sav. Ini adalah file data hipotetis yang menyangkut upaya perusahaan untuk memilih lokasi baru untuk mereka
memperluas bisnis. Mereka telah mempekerjakan dua konsultan untuk secara terpisah mengevaluasi situs, yang, di samping
sebuah laporan diperpanjang, diringkas setiap situs sebagai calon "baik," "adil," atau "miskin".
v smokers.sav. data file ini disarikan dari Rumah Tangga Survei Penyalahgunaan Narkoba 1998 Nasional dan
adalah sampel probabilitas rumah tangga di Amerika. (http://dx.doi.org/10.3886/ICPSR02934) Dengan demikian,
Langkah pertama dalam analisis ini data file harus untuk berat data untuk mencerminkan tren populasi.
v stocks.sav Data ini berkas hipotetis mengandung saham harga dan volume selama satu tahun.
v stroke_clean.sav. Data ini berkas hipotetis berisi keadaan database medis setelah telah
dibersihkan menggunakan prosedur dalam pilihan Persiapan Data.
14. Hartigan, JA 1975. algoritma Clustering . New York: John Wiley and Sons.
15. McCullagh, P., dan JA Nelder. 1989. Model Generalized Linear , 2nd ed. London: Chapman & Hall.
84

Halaman 89
v stroke_invalid.sav. Data ini berkas hipotetis berisi keadaan awal dari database medis dan
berisi beberapa kesalahan entri data.
v stroke_survival. kali hipotetis kekhawatiran file data survival ini untuk pasien keluar rehabilitasi yang
program pasca-iskemik Stroke wajah sejumlah tantangan. Pasca stroke, terjadinya miokard
infark, stroke iskemik, atau stroke hemoragik dicatat dan waktu acara direkam. Itu
sampel kiri terpotong karena hanya mencakup pasien yang selamat sampai akhir dari
Program rehabilitasi diberikan pasca stroke.
v stroke_valid.sav. Data ini berkas hipotetis berisi keadaan database medis setelah nilai-nilai
sudah diperiksa menggunakan prosedur Validasi Data. Ini masih mengandung kasus berpotensi anomali.
v survey_sample.sav. data file ini berisi data survei, termasuk data demografi dan berbagai
langkah-langkah sikap. Hal ini didasarkan pada subset dari variabel dari 1998 Survei Sosial NORC Umum,
meskipun beberapa nilai data telah dimodifikasi dan variabel fiktif tambahan telah ditambahkan untuk
tujuan demonstrasi.
v telco.sav. Ini adalah file data hipotetis yang menyangkut upaya perusahaan telekomunikasi untuk
mengurangi churn dalam basis pelanggan mereka. Setiap kasus sesuai dengan pelanggan yang terpisah dan mencatat berbagai
demografi dan penggunaan layanan informasi.
v telco_extra.sav. data file ini mirip dengan telco.sav data file, tetapi "kepemilikan" dan log-transformasi
variabel belanja konsumen telah dihapus dan diganti dengan standar log-transformasi
variabel belanja pelanggan.
v telco_missing.sav. data file ini adalah bagian dari telco.sav data file, tetapi beberapa data demografis
nilai telah diganti dengan nilai-nilai yang hilang.
v testmarket.sav. Data ini berkas hipotetis menyangkut rencana makanan rantai makanan cepat untuk menambahkan item baru ke nya
menu. Ada tiga kampanye yang mungkin untuk mempromosikan produk baru, sehingga item baru
diperkenalkan di lokasi di beberapa pasar yang dipilih secara acak. Sebuah promosi yang berbeda digunakan pada setiap
lokasi, dan penjualan mingguan item baru dicatat untuk pertama empat minggu. Setiap kasus
sesuai dengan lokasi-minggu terpisah.
v testmarket_1month.sav. Data ini berkas hipotetis adalah testmarket.sav data file dengan penjualan mingguan
"Digulung" sehingga setiap kasus sesuai dengan lokasi yang terpisah. Beberapa variabel yang berubah
mingguan menghilang sebagai hasilnya, dan penjualan yang tercatat sekarang jumlah dari penjualan selama empat minggu
penelitian.
v tree_car.sav. Ini adalah file data hipotetis yang berisi data harga pembelian demografis dan kendaraan.
v tree_credit.sav. Ini adalah file data hipotetis yang berisi data sejarah kredit demografi dan perbankan.
v tree_missing_data.sav Ini adalah file data hipotetis yang mengandung sejarah demografi dan pinjaman bank
data dengan sejumlah besar nilai-nilai yang hilang.
v tree_score_car.sav. Ini adalah file data hipotetis yang berisi harga pembelian demografis dan kendaraan
Data.
v tree_textdata.sav. Sebuah file data sederhana dengan hanya dua variabel yang dimaksudkan terutama untuk menunjukkan default
keadaan variabel sebelum penugasan tingkat pengukuran dan nilai label.
v tv-survey.sav. Ini adalah file data hipotetis yang menyangkut survei yang dilakukan oleh sebuah studio TV yang
mempertimbangkan apakah akan memperpanjang menjalankan program yang sukses. 906 responden ditanya apakah
mereka akan menonton program dalam berbagai kondisi. Setiap baris mewakili responden yang terpisah;
setiap kolom adalah kondisi yang terpisah.
v ulcer_recurrence.sav. Berkas ini mengandung informasi parsial dari sebuah studi yang dirancang untuk membandingkan
khasiat dua terapi untuk mencegah kekambuhan ulkus. Ini memberikan contoh yang baik dari
Interval-disensor data dan telah disajikan dan dianalisis di tempat lain
16
.
v ulcer_recurrence_recoded.sav. File ini mereorganisasi informasi di ulcer_recurrence.sav untuk memungkinkan Anda
model probabilitas acara untuk setiap interval penelitian bukan hanya akhir-of-event study
probabilitas. Telah disajikan dan dianalisis di tempat lain
17
.
16. Collett, D. 2003. Data Modelling hidup dalam penelitian medis , 2 ed. Boca Raton: Chapman & Hall / CRC.
17. Collett, D. 2003. Data Modelling hidup dalam penelitian medis , 2 ed. Boca Raton: Chapman & Hall / CRC.
Bab 10. Contoh File
85

Halaman 90
v verd1985.sav. data file ini menyangkut survei
18
. Respon dari 15 mata pelajaran untuk 8 variabel yang
direkam. Variabel bunga dibagi menjadi tiga set. Set 1 meliputi usia dan perkawinan , mengatur 2
termasuk hewan peliharaan dan berita , dan menetapkan 3 termasuk musik dan hidup . Pet adalah skala sebagai beberapa nominal dan usia adalah
skala sebagai ordinal; semua variabel lainnya adalah skala nominal sebagai tunggal.
v virus.sav. Ini adalah file data hipotetis yang menyangkut upaya penyedia layanan Internet (ISP)
untuk menentukan dampak dari virus pada jaringan tersebut. Mereka telah melacak (perkiraan) persentase
terinfeksi e-mail lalu lintas di jaringan dari waktu ke waktu, dari saat penemuan sampai ancaman itu
terkandung.
v wheeze_steubenville.sav. Ini adalah bagian dari studi longitudinal efek kesehatan dari udara
polusi pada anak-anak
19
. Data berisi berulang langkah-langkah biner status mengi untuk anak-anak
dari Steubenville, Ohio, pada usia 7, 8, 9 dan 10 tahun, bersama dengan rekaman tetap atau tidaknya
Ibu adalah seorang perokok selama tahun pertama penelitian.
v workprog.sav. Ini adalah file data hipotetis yang menyangkut program pemerintah yang mencoba untuk bekerja
menempatkan orang yang kurang beruntung dalam pekerjaan yang lebih baik. Contoh peserta program potensial yang diikuti,
beberapa di antaranya dipilih secara acak untuk pendaftaran dalam program ini, sementara yang lain tidak. Masing-masing
kasus merupakan peserta program terpisah.
v worldsales.sav Data ini berkas hipotetis mengandung pendapatan penjualan oleh benua dan produk.
18. Verdegaal, R. 1985. set Meer menganalisis voor gegevens kwalitatieve (dalam bahasa Belanda) . Leiden: Departemen Data Teori, Universitas
Leiden.
19. Ware, JH, DW Dockery, A. Spiro III, FE Speizer, dan BG Ferris Jr .. 1984. merokok pasif, memasak gas, dan pernapasan
kesehatan anak yang tinggal di enam kota. Ulasan Amerika Penyakit pernapasan, 129, 366-374.
86

Halaman 91
Pemberitahuan
Informasi ini dikembangkan untuk produk dan layanan yang ditawarkan di Amerika Serikat
IBM mungkin tidak menawarkan produk, layanan, atau fitur yang disebutkan dalam dokumen ini di negara-negara lain.
Konsultasikan perwakilan IBM setempat untuk mendapatkan informasi tentang produk dan layanan yang ada di
daerah Anda. Setiap referensi ke produk IBM, program, atau layanan tidak dimaksudkan untuk menyatakan atau menyiratkan bahwa
hanya itu produk IBM, program, atau layanan dapat digunakan. Setiap produk fungsional setara, Program,
atau layanan yang tidak melanggar hak kekayaan intelektual IBM kanan dapat digunakan sebagai gantinya. Namun,
tanggung jawab pengguna untuk mengevaluasi dan memverifikasi operasi non-IBM produk, program, atau
layanan.
IBM mungkin memiliki paten atau aplikasi paten tertunda yang mencakup pokok bahasan yang diuraikan dalam
dokumen. Melampirkan dokumen ini tidak memberikan Anda lisensi terhadap paten ini. Anda dapat mengirim
pertanyaan tentang lisensi, secara tertulis, untuk:
IBM Direktur Perizinan
IBM Corporation
Utara Puri drive
Armonk, NY 10504-1785
USA
Untuk pertanyaan mengenai lisensi double-byte (DBCS) informasi, hubungi IBM Kekayaan Intelektual
Departemen di negara atau mengirim pertanyaan secara tertulis, untuk:
Perizinan Kekayaan Intelektual
Hukum Hukum dan Kekayaan Intelektual
IBM Jepang Ltd
1623-1614, Shimotsuruma, Yamato-shi
Kanagawa 242-8502 Jepang
Paragraf berikut tidak berlaku untuk Inggris atau negara lain di mana seperti
Ketentuan ini tidak sesuai dengan hukum setempat: International Business Machines Corporation
MENYEDIAKAN PUBLIKASI INI "SEBAGAIMANA ADANYA" TANPA JAMINAN APAPUN, BAIK TERSURAT MAUPUN
TERSIRAT, TERMASUK, NAMUN TIDAK TERBATAS PADA, JAMINAN TERSIRAT
NON-PELANGGARAN, KELAYAKAN UNTUK TUJUAN TERTENTU. Beberapa
negara bagian tidak mengizinkan disclaimer garansi tersurat atau tersirat dalam transaksi tertentu, oleh karena itu, ini
Pernyataan mungkin tidak berlaku untuk Anda.
Informasi ini dapat mencakup ketidakakuratan teknis atau kesalahan ketik. Perubahan secara periodik
dibuat dengan keterangan yang; perubahan ini akan dimasukkan dalam edisi baru dari publikasi.
IBM dapat melakukan perbaikan dan / atau perubahan pada produk (s) dan / atau program (s) digambarkan dalam
publikasi setiap saat tanpa pemberitahuan.
Semua referensi dalam informasi ini ke situs web non-IBM disediakan untuk kenyamanan saja dan tidak di
sama sekali berfungsi sebagai dukungan terhadap situs Web. Materi di situs Web tersebut bukan bagian dari
bahan untuk produk ini IBM dan penggunaan situs-situs Web adalah risiko Anda sendiri.
IBM dapat menggunakan atau mendistribusikan informasi yang Anda berikan dengan metode yang dianggap sesuai tanpa
menimbulkan kewajiban untuk Anda.
87

Halaman 92
Lisensi dari program ini yang ingin memiliki informasi tentang hal itu untuk tujuan yang memungkinkan: (i)
pertukaran informasi antara program independen dibuat dan program lainnya (termasuk ini
satu) dan (ii) penggunaan bersama dari informasi yang telah ditukar, harus menghubungi:
IBM Software Group
ATTN: Perizinan
200 W. Madison St.
Chicago, IL; 60.606
USA
Informasi tersebut mungkin tersedia, tunduk pada syarat dan kondisi yang sesuai, termasuk dalam beberapa kasus,
pembayaran biaya.
Program ini berlisensi dijelaskan dalam dokumen ini dan semua materi berlisensi tersedia untuk itu disediakan
oleh IBM dengan persyaratan dari IBM Perjanjian Pelanggan, Perjanjian Lisensi Program Internasional IBM atau
perjanjian setara antara kami.
Setiap data performa yang dokumen ini dibuat dalam lingkungan yang terkendali. Oleh karena itu,
hasil yang diperoleh dalam kondisi lain mungkin berbeda secara signifikan. Beberapa pengukuran mungkin memiliki
dilakukan pada sistem di tingkat pengembangan dan tidak ada jaminan pengukuran ini akan menjadi
sama pada sistem umumnya tersedia. Selain itu, beberapa pengukuran mungkin telah diestimasi melalui
ekstrapolasi. Hasil yang sebenarnya mungkin berbeda. Pengguna dokumen ini harus memeriksa data yang berlaku untuk mereka
lingkungan tertentu.
Informasi tentang produk non-IBM diperoleh dari pemasok produk tersebut, mereka
pengumuman diterbitkan atau sumber lain yang tersedia untuk umum. IBM belum menguji produk-produk tersebut dan
tidak dapat memastikan keakuratan kinerja, kompatibilitas atau klaim lain yang terkait dengan non-IBM
produk. Pertanyaan pada kemampuan produk non-IBM harus ditujukan kepada pemasok
produk tersebut.
Semua pernyataan tentang IBM arah masa depan atau maksud dapat berubah atau penarikan tanpa subjek
perhatikan, dan mewakili tujuan dan sasaran saja.
Informasi ini berisi contoh-contoh data dan laporan yang digunakan dalam operasi bisnis sehari-hari. Menggambarkan
mereka selengkap mungkin, contoh termasuk nama-nama individu, perusahaan, merek, dan
produk. Semua nama-nama ini adalah fiktif dan setiap kesamaan dengan nama dan alamat yang digunakan oleh
perusahaan bisnis yang sebenarnya adalah sepenuhnya kebetulan.
LISENSI HAK CIPTA:
Informasi ini berisi program aplikasi sampel dalam bahasa sumber, yang menggambarkan pemrograman
teknik pada berbagai platform operasi. Anda dapat menyalin, memodifikasi, dan mendistribusikan program sampel ini
dalam bentuk apapun tanpa pembayaran kepada IBM, untuk tujuan pengembangan, menggunakan, pemasaran atau mendistribusikan
program aplikasi sesuai dengan antarmuka pemrograman aplikasi untuk platform operasi untuk
yang contoh program yang ditulis. Contoh-contoh ini belum diuji secara menyeluruh dalam semua
kondisi. IBM, oleh karena itu, tidak dapat menjamin atau menyiratkan keandalan, kemudahan servis, atau fungsi tersebut
program. Program sampel disediakan "APA ADANYA" tanpa jaminan apapun. IBM tidak akan
tanggung jawab untuk kerugian yang timbul dari penggunaan program sampel.
Setiap salinan atau sebagian dari program sampel atau karya turunan, harus menyertakan hak cipta
perhatikan sebagai berikut:
© nama perusahaan) (tahun). Bagian dari kode ini berasal dari IBM Corp. Contoh Program.
© Copyright IBM Corp. _enter tahun atau years_. Semua hak dilindungi.
88

Halaman 93
Merek Dagang
IBM, logo IBM, dan ibm.com adalah merek dagang atau merek dagang terdaftar dari International Business
Mesin Corp, terdaftar di banyak yurisdiksi di seluruh dunia. Nama produk dan layanan lain mungkin
merek dagang dari IBM atau perusahaan lain. Daftar saat ini merek dagang IBM tersedia di Web di
" Hak Cipta dan merek dagang informasi "di www.ibm.com/legal/copytrade.shtml.
Adobe, logo Adobe, PostScript, dan logo PostScript adalah merek dagang terdaftar atau merek dagang
Adobe Systems Incorporated di Amerika Serikat, dan / atau negara lain.
Intel, Intel logo, Intel Inside, Intel Inside logo, Intel Centrino, Intel Centrino logo, Celeron, Intel Xeon,
Intel SpeedStep, Itanium, dan Pentium adalah merek dagang atau merek dagang terdaftar dari Intel Corporation atau yang
anak di Amerika Serikat dan negara-negara lainnya.
Linux adalah merek dagang terdaftar dari Linus Torvalds di Amerika Serikat, negara-negara lain, atau keduanya.
Microsoft, Windows, Windows NT, dan logo Windows adalah merek dagang dari Microsoft Corporation di
Amerika Serikat, negara-negara lain, atau keduanya.
UNIX adalah merek dagang terdaftar dari The Open Group di Amerika Serikat dan negara-negara lainnya.
Java dan semua merek dagang berbasis Java dan logo adalah merek dagang atau merek dagang terdaftar dari Oracle dan / atau
afiliasinya.
Pemberitahuan
89

Halaman 94
90

Halaman 95
Indeks
A
Access (Microsoft) 9
B
bar chart 24
C
kasus
memilih 73
menyortir 71, 73
data kategori 23
Ringkasan mengukur 23
grafik
bar 24, 29
menciptakan grafik 29
histogram 26
komputasi variabel baru 65
ekspresi kondisional 67
Data kontinyu 23
jumlah
tabel jumlah 23
membuat variabel label 17
D
Data Editor
Data yang masuk non-numerik 16
memasukkan data numerik 15
entri data 15, 16
tipe data
untuk variabel 18
file database
membaca 9
Database Wizard 9
tanggal dan waktu variabel 68
Tanggal dan Waktu Wisaya 68
E
tabel editing poros 39
memasukkan data
non-numerik 16
numerik 15
Excel (Microsoft)
mengekspor hasil ke 49
File Excel
membaca 8
mengekspor hasil
HTML 56
ke Excel 49
untuk PowerPoint 49
Word 49
F
tabel frekuensi 23
fungsi dalam ekspresi 66
G
grafik
bar 29
membuat grafik 29
H
menyembunyikan baris dan kolom dalam poros
Tabel 40
histogram 26
HTML
mengekspor hasil 56
Saya
data interval 23
L
lapisan
menciptakan dalam tabel pivot 38
tingkat pengukuran 23
M
Tingkat pengukuran 23
nilai-nilai yang hilang
untuk variabel non-numerik 20
untuk variabel numerik 20
Sistem-hilang 19
bergerak
elemen dalam poros tabel 37
item dalam Viewer 35
N
Data nominal 23
Data numerik 15
O
Data ordinal 23
P
sintaks paste
dari kotak dialog 59
tabel pivot
mengakses definisi 36
tipe data sel 40
format sel 40
editing 39
tabel pivot (lanjutan)
format 39
menyembunyikan tempat desimal 40
menyembunyikan baris dan kolom 40
lapisan 38
berputar baki 37
transposing baris dan kolom 37
PowerPoint (Microsoft)
Q
Data kualitatif 23
Data kuantitatif 23
R
Rasio Data 23
recoding nilai 63
S
file sampel
Lokasi 79
Data skala 23
variabel skala
Ringkasan ukuran 25
memilih kasus 73
menyortir kasus 71
split-file pengolah 71
file spreadsheet
membaca 8
membaca nama variabel 8
Data String
memasukkan data 16
himpunan bagian dari kasus
berdasarkan tanggal dan waktu 76
ekspresi kondisional 74
menghapus kasus yang tidak dipilih 76
filtering tidak dipilih kasus 76
jika kondisi puas 74
random sample 75
memilih 73
langkah-langkah ringkasan
data kategori 23
variabel skala 25
sintaks 59
file sintaks
pembukaan 61
Sintaks Bantuan Alat 60
Jendela sintaks
auto-completion 60
breakpoints 61
kode warna 60
editing perintah 60
paste perintah 59
berjalan perintah 59, 61
Sistem-hilang nilai 19
91

Halaman 96
T
file data teks
membaca 12
Teks Wizard Impor 12
transposing (flipping) baris dan kolom
dalam tabel pivot 37
V
Nilai label
menugaskan 19
mengendalikan display di Viewer 19
variabel numerik 19
label variabel
menciptakan 17
variabel 15
tipe data 18
label 17
Penonton
menyembunyikan dan menampilkan keluaran 35
bergerak keluaran 35
W
Word (Microsoft)
92

Halaman 97

Halaman 98
Dicetak di USA

IBM SPSS Statistik 22 Panduan Singkat

Recommend Documents