Layanan Kami

SPSS adalah sebuah program aplikasi yang memiliki kemampuan analisis statistik cukup tinggi serta sistem manajemen data pada lingkungan grafis dengan menggunakan menu-menu deskriptif dan kotak-kotak dialog yang sederhana sehingga mudah untuk dipahami cara pengoperasiannya. Beberapa aktivitas dapat dilakukan dengan mudah dengan menggunakan pointing dan clicking mouse.

SPSS banyak digunakan dalam berbagai riset pemasaran, pengendalian dan perbaikan mutu (quality improvement), serta riset-riset sains. SPSS pertama kali muncul dengan versi PC (bisa dipakai untuk komputer desktop) dengan nama SPSS/PC+ (versi DOS). Tetapi, dengan mulai populernya system operasi windows. SPSS mulai mengeluarkan versi windows (mulai dari versi 6.0 sampai versi terbaru sekarang).

Pada awalnya SPSS dibuat untuk keperluan pengolahan data statistik untuk ilmu-ilmu social, sehingga kepanjangan SPSS itu sendiri adalah Statistical Package for the Social Sciences. Sekarang kemampuan SPSS diperluas untuk melayani berbagai jenis pengguna (user), seperti untuk proses produksi di pabrik, riset ilmu sains dan lainnya. Dengan demikian, sekarang kepanjangan dari SPSS Statistical Product and Service Solutions.

SPSS dapat membaca berbagai jenis data atau memasukkan data secara langsung ke dalam SPSS Data Editor. Bagaimanapun struktur dari file data mentahnya, maka data dalam Data Editor SPSS harus dibentuk dalam bentuk baris (cases) dan kolom (variables). Case berisi informasi untuk satu unit analisis, sedangkan variable adalah informasi yang dikumpulkan dari masing-masing kasus.
Hasil-hasil analisis muncul dalam SPSS Output Navigator. Kebanyakan prosedur Base System menghasilkan pivot tables, dimana kita bisa memperbaiki tampilan dari keluaran yang diberikan oleh SPSS. Untuk memperbaiki output, maka kita dapat mmperbaiki output sesuai dengan kebutuhan. Beberapa kemudahan yang lain yang dimiliki SPSS dalam pengoperasiannya adalah karena SPSS menyediakan beberapa fasilitas seperti berikut ini:

Data Editor. Merupakan jendela untuk pengolahan data. Data editor dirancang sedemikian rupa seperti pada aplikasi-aplikasi spreadsheet untuk mendefinisikan, memasukkan, mengedit, dan menampilkan data.
Viewer. Viewer mempermudah pemakai untuk melihat hasil pemrosesan, menunjukkan atau menghilangkan bagian-bagian tertentu dari output, serta memudahkan distribusi hasil pengolahan dari SPSS ke aplikasi-aplikasi yang lain.

Multidimensional Pivot Tables. Hasil pengolahan data akan ditunjukkan dengan multidimensional pivot tables. Pemakai dapat melakukan eksplorasi terhdap tabel dengan pengaturan baris, kolom, serta layer. Pemakai juga dapat dengan mudah melakukan pengaturan kelompok data dengan melakukan splitting tabel sehingga hanya satu group tertentu saja yang ditampilkan pada satu waktu.

High-Resolution Graphics. Dengan kemampuan grafikal beresolusi tinggi, baik untuk menampilkan pie charts, bar charts, histogram, scatterplots, 3-D graphics, dan yang lainnya, akan membuat SPSS tidak hanya mudah dioperasikan tetapi juga membuat pemakai merasa nyaman dalam pekerjaannya.

Database Access. Pemakai program ini dapat memperoleh kembali informasi dari sebuah database dengan menggunakan Database Wizard yang disediakannya.

Data Transformations. Transformasi data akan membantu pemakai memperoleh data yang siap untuk dianalisis. Pemakai dapat dengan mudah melakukan subset data, mengkombinasikan kategori, add, aggregat, merge, split, dan beberapa perintah transpose files, serta yang lainnya.

Electronic Distribution. Pengguna dapat mengirimkan laporan secara elektronik menggunakan sebuah tombol pengiriman data (e-mail) atau melakukan export tabel dan grafik ke mode HTML sehingga mendukung distribusi melalui internet dan intranet.

Online Help. SPSS menyediakan fasilitas online help yang akan selalu siap membantu pemakai dalam melakukan pekerjaannya. Bantuan yang diberikan dapat berupa petunjuk pengoperasian secara detail, kemudahan pencarian prosedur yang diinginkan sampai pada contoh-contoh kasus dalam pengoperasian program ini.

Akses Data Tanpa Tempat Penyimpanan Sementara. Analisis file-file data yang sangat besar disimpan tanpa membutuhkan tempat penyimpanan sementara. Hal ini berbeda dengan SPSS sebelum versi 11.5 dimana file data yang sangat besar dibuat temporary filenya.

Interface dengan Database Relasional. Fasilitas ini akan menambah efisiensi dan memudahkan pekerjaan untuk mengekstrak data dan menganalisnya dari database relasional.

Analisis Distribusi. Fasilitas ini diperoleh pada pemakaian SPSS for Server atau untuk aplikasi multiuser. Kegunaan dari analisis ini adalah apabila peneliti akan menganalisis file-file data yang sangat besar dapat langsung me-remote dari server dan memprosesnya sekaligus tanpa harus memindahkan ke komputer user.
Multiple Sesi. SPSS memberikan kemampuan untuk melakukan analisis lebih dari satu file data pada waktu yang bersamaan.

Mapping. Visualisasi data dapat dibuat dengan berbagai macam tipe baik secara konvensional atau interaktif, misalnya dengan menggunakan tipe bar, pie atau jangkauan nilai, simbol gradual, dan chart.

AMOS merupakan kependekan dari Analisis of Moment Structures yang digunakan sebagai pendekatan umum analisis data dalam Model Persamaan Struktural (Structural Equation Model) atau yang dikenal dengan SEM. SEM dikenal juga sebagai Analysis of Covariance Structures atau disebut juga model sebab akibat (causal modeling) Dengan menggunakan AMOS maka perhitungan rumit dalam SEM akan jauh lebih mudah dilakukan dibandingkan dengan menggunakan perangkat lunak lainnya. Lebih lagi penggunaan AMOS akan mempercepat dalam membuat spesifikasi, melihat serta melakukan modifikasi model secara grafik dengan menggunakan tool yang sederhana.

Selama ini SEM dikenal sebagai perhitungan analisis statistik yang sangat rumit dan sulit dilakukan secara manual maupun dengan menggunakan perangkat lunak yang sudah ada sebelumnya. Dengan menggunakan AMOS proses penghitungan dan analisis menjadi lebih sederhana bahkan orang-orang awam yang bukan ahli statistik akan dapat menggunakan dan memahami dengan mudah.

Kelebihan yang paling utama yang banyak dijadikan alasan oleh peneliti untuk menggunakan SEM.

1. Pelibatan koreksi terhadap atenuasi.
   Pengukuran aleksitimia maupun depresi didalamnya selalu mengandung eror, sehingga skor 10 yang didapatkan Harun pada skala aleksitimia, didalamnya terkandung eror. Bisa saja tingkat aleksitima Harun Al Rasyid sebenarnya 9 atau malah 11. Demikian juga pada depresi, SKOR TAMPAK yang muncul dari skala di dalamnya selain SKOR MURNI depresi, terdapat unsur EROR. Jika kita mengkorelasikan aleksitimia dan depresi hanya melalui skor tampak, maka korelasinya menjadi melambung karena yang dikorelasikan adalah skor tampak. Idealnya, yang dikorelasikan adalah skor murni aleksitimia dan depresi. Korelasi skor murni ini dapat dicapai jika kita menggabungkan : (a) properti psikometris aleksitimia dan depresi serta (b) korelasi aleksitimia-depresi. SEM mampu memfasilitasi penggabungan ini bukan?
2. Keluwesan mengembangkan model.
   Baik model pengukuran (psikometri) maupun model struktural (statistika) dapat luwes dikembangkan. Maksudnya luwes di sini dimodifikasi oleh peneliti sesuai dengan teori yang mendukung. Saya akan membahas satu per satu, diawali dari model pengukuran. Di dalam kajian psikometri ada beberapa model pengukuran, yaitu model paralel, kesetaraan nilai tau dan konjenerik. Model paralel mengasumsikan semua butir memiliki kapasitas atau akurasi yang sama dalam mengukur variabel sedangkan model konjerik mengasumsikan bahwa butir-butir di dalam skala memiliki kapasitas ukur yang berbeda. Hasil-hasil penelitian saya menunjukkan bahwa pengukuran psikologi relatif sesuai dengan model konjenerik dibanding dengan model paralel yang selama ini sering dipakai. Ada dua aitem untuk mengukur depresi, aitem pertama “saya mudah merasa lelah”, sedangkan aitem kedua, “saya sering berpikir untuk bunuh diri”. Jelas aitem kedua memiliki kapasitas ukur depresi yang lebih dalam dibanding dengan aitem pertama. Skala yang memuat kedua aitem masuk dalam model konjenerik. Nah, melalui SEM bisa luwes untuk menentukan model pengukuran mana yang sesuai dengan alat ukur yang kita pakai.
   Sekarang membahas keluwesan model struktural. Analisis regresi yang biasa kita lakukan hanya menguji peranan X terhadap Y saja, atau peranan X1, X2, Xk terhadap Y. Keluwesan SEM di sini terletak pada (a) banyaknya variabel yang bisa dilibatkan (kalau regresi biasa variabel dependen Y hanya satu saja, SEM bisa memuat banyak Y). (b) pola hubungan yang diuji. Kalau regresi peranan X1, X2, Xk terhadap Y, maka SEM bisa menguji peranan X1 terhadap Y yang dimediasi oleh X2 (X1 mempengaruhi X2 baru X2 mempengaruhi Y). Bisa juga X1 mempengaruhi X2, lalu X2 mempengaruhi Y, di sisi lain ada X3 yang mempengaruhi Y juga.
   
   
3. Pengujian secara komprehensif.
   Coba baca hipotesis SEM pada salah satu penelitian yang dilakukan oleh Prof. Sofia Retnowati mengenai depresi. “Kejadian menekan mendukung munculnya depresi secara tak langsung (melalui sumber daya pribadi, dukungan sosial, dan strategi mengatasi masalah. Kejadian menekan yang dialami individu yang memiliki sumber daya pribadi yang optimal, dukungan sosial maksimal serta strategi mengatasi masalah yang efektif, tidak memunculkan simtom depresi. Di sisi lain sumber daya pribadi dan dukungan sosial mendukung pemilihan strategi mengatasi masalah yang efektif yang mampu menahan dampak kejadian menekan dalam memunculkan simtom depresi”.
   Dilihat dari komprehensifnya, salah satu kelebihan SEM dibanding dengan uji konvensional adalah sebagai berikut. SEM menguji konsep teoritis yang dikembangkan sedangkan uji konvensional tidak. Uji konvensional hanya menguji salah satu bagian kecil dari konsep tersebut. Karena mengembangkan konsep teoritis, di penelitian psikologi, SEM banyak dimanfaatkan oleh penelitian doktoral yang memang diminta untuk mengembangkan konsep yang nantinya menjadi model untuk menjelaskan permasalahan dan sekaligus pengatasannya.
   Kelebihan SEM dibandingkan dengan kebanyakan metode statistik terletak pada hal-hal berikut: (1) perlakuan baik variabel endogen dan eksogen sebagai variabel acak yang memiliki kesalahan pengukuran, (2) adanya variabel laten yang mampu memuat banyak indikator, (3) adanya pemisahan antara kesalahan pengukuran dengan kesalahan mengembangkan spesifikasi model, (4) adanya penguji model secara keseluruhan daripada koefisien per koefisien, (5) SEM memungkinkan pemodelan dengan menggunakan variabel mediator, (6) SEM memberikan keluwesan untuk mengembangkan model yang memiliki hubungan antar eror, (7) SEM memberikan kesempatan pengujian koefisien pada beberapa kelompok di sampel, (8) SEM memberikan pemodelan yang dinamis, (9) SEM mampu mengatasi data hilang, dan (10) SEM mampu menangani data yang tidak normal dengan baik (Golob, 2003).
   
   
4. SEM mampu mengatasi masalah ketidaknormalan distribusi (dengan beberapa syarat)
   Ketangguhan estimasi SEM misalnya maximum likelihood (ML) dan faktor koreksi yang telah dikembangkan untuk data tidak normal menunjukkan bahwa SEM dengan estimasi ML dapat digunakan dalam banyak situasi. Meskipun menggunakan skala ordinal untuk mengumpulkan data tentang perasaan dan persepsi (skala Likert) dan beberapa aitem dihapus atau disensor, SEM masih mampu memberikan hasil estimasi yang akurat.
   SEM memiliki beberapa keunggulan antara lain : Pertama, memungkinkan adanya asumsi-asumsi yang lebih fleksibel; Kedua, penggunaan analisis faktor penegasan (confirmatory factor analysis) untuk mengurangi kesalahan pengukuran dengan memiliki banyak indikator dalam satu variabel laten; Ketiga, daya tarik interface pemodelan grafis untuk memudahkan pengguna membaca keluaran hasil analisis; Keempat, kemungkinan adanya pengujian model secara keseluruhan dari pada koefesien-koefesien secara sendiri-sendiri; Kelima, kemampuan untuk menguji model – model dengan menggunakan beberapa variabel tergantung; Keenam, kemampuan untuk membuat model terhadap variabel-variabel perantara; Ketujuh, kemampuan untuk membuat model gangguan kesalahan (error term); Kedelapan, kemampuan untuk menguji koefesien-koefesien diluar antara beberapa kelompok subyek; Kesembilan kemampuan untuk mengatasi data yang sulit, seperti data time series dengan kesalahan otokorelasi, data yang tidak normal, dan data yang tidak lengkap.

Tahapan dalam SEM
SEM terdiri atas beberapa tahapan:

• Pengembangan model berdasarkan teori
  Tujuannya adalah untuk mengembangkan sebuah model yang mempunyai justifikasi (pembenaran) secara teoritis yang kua guna mendukung upaya analisis terhadap suatu maslah yang sedang dikaji/diteliti.
• Pengembangan diagram lintasan (path diagram)
  Tujuannya adalah menggambarkan model teoritis yang telah dibangun pada langkah pertama kedalam sebuah diagram jalur agar peneliti dengan mudah dapat mencermati hubungan kausalitas yang ingin diujinya.
• Mengkonversi diagram jalur kedalam persamaan struktural
  Langkah ini membentuk persamaan-persamaan pada model struktural dan model pengukuran.
• Pemilihan data input dan teknik estimasi
  Tujuannya adalah menetapkan data input yang digunakan dalam pemodelan dan teknik estimasi model
• Evaluasi masalah identifikasi model
  Tujuannya adalah untuk mendeteksi ada tidaknya masalah identifikasi berdasarkan evaluasi terhadap hasil estimasi yang dilakukan program komputer
• Evaluasi Asumsi dan Kesesuaian model
  Tujuannya adalah untuk mengevaluasi pemenuhan asumsi yang disyaratkan SEM, dan kesesuaian model berdasarkan kriteria goodness-of-fit tertentu.
• Interpretasi dan modifikasi model
  Tujuannya adalah untuk memutuskan bentuk perlakuan lanjutan setelah dilakukan evaluasi asumsi dan uji kesesuaian model.

LISREL merupakan program yang dirancang untuk menyelesaikan Structural Equation Modelling Berbasis Covariance. Bahkan mungkin salah satu yang paling canggih di antara program sejenis. LISREL juga lah yang mengembangkan notasi yang dipergunakan dalam SEM dan beberapa program sejenis menggunakan notasi tersebut, di antaranya Program AMOS (Analysis of Moment Structure).

LISREL mempunyai kemampuan untuk menyelesaikan persamaan struktural yang relatif rumit, karena pengguna tidak perlu menggambarkan path diagramnya, tetapi hanya menuliskan notasinya, dan Program akan secara otomotis menggambarkan model yang kita bentuk. Hal ini akan memudahkan kita dalam melakukan estimasi, mengingat keterbatasan layar monitor yang tersedia, sehingga kita sering kesulitan untuk menggambarkan model penelitian kita. Akan tetapi, LISREL juga dirancang untuk melakukan penggambaran path diagram.

Dengan menggunakan cara script, memang akan memberikan kesulitan bagi pengguna, karena harus menghapalkan notasi-notasi yang dipergunakan. Selain itu, script yang dipergunakan bersifat sensitif, sehingga salah ketik membuat program menjadi error. Bahkan penggunaan huruf besar dan huruf kecil merupakan hal yang penting dalam penulisan script.

LISREL telah menyediakan menu untuk analisis data yang tidak normal, atau bahkan data ordinal. Program LISREL akhir-akhir ini mempunyai menu untuk analisis faktor dengan menggunakan data ordinal.

EVIEWS adalah program yang banyak digunakan dalam pendidikan, pemerintah dan industri. EVIEWS, yang merupakan singkatan Views Ekonometrik, adalah versi baru dari paket statistik untuk memanipulasi data time series. Meskipun sebagian besar EVIEWS dirumuskan oleh ekonom, program itu sendiri juga dapat digunakan dalam bidang-bidang studi, seperti sosiologi, statistik, keuangan, dll. EVIEWS memanfaatkan lingkungan windows user-friendly, sebagian besar perusahaan operasi dapat dilakukan dengan menu drop-down

Kegunaan EVIEWS antara lain adalah analisis data dan evaluasinya, analisis financial, peramalan ekonomi makro, simulasi, peramalan penjualan dan analisis biaya.