Menu SPSS

Optimal Binning 

Adalah metode diawasi untuk diskretisasi variabel numerik skala (numerik dan diperlakukan sebagai kontinu), yaitu pengelompokan nilai-nilai variabel yang menjadi satu set yang relatif kecil dari nilai diskrit (sampah), yang masing-masing mewakili rentang nilai pada variabel asli diskritisasi mungkin.

Transform :untuk melakukan perubahan-perubahan atau penambahan data.
- Compute : operasi aritmatika dan logika untuk
- Count : untuk mengetahui jumlah sebuah ukuran data tertentu pada suatu baris tertentu
- Recode : untuk mengganti nilai pada kolom variable tertentu, sifatnya menggantikan (into same variable) atau merubah (into different variable) pada variable baru
- Categorize variable : merubah angka rasional menjadi diskrit
- Rank case : mengurutkan nilai data sebuah variabel

Layar editor :
Name : kolom 1, tempat menuliskan nama variabel

Kolom 2 berisi dari berbagai tipe data seperti :

- Numeric : angka, tanda (+) atau (-) didepan angka, indikator desimal.

- Comma :angka, tanda (+) atau (-) didepan angka, indikator desimal, tanda koma sebagai pemisah bilangan ribuan  

- Dot :angka, tanda (+) atau (-) didepan angka, indikator desimal,tanda titik sebagai pemisah bilangan ribuan. 
- Scientific notation : sama dengan numeric, tetapi menggunakan symbol E untuk kelipatan 10
- Data :menampilkan data format tanggal atau waktu Dollar :memberi tanda dollar ($), tanda koma sebagai pemisah bilangan ribuan dan tanda titik sebagai desimal.  

- Custom currency : untuk format mata uang String:biasanya huruf atau karakter lainnya

kolom ke 3 width : menentukan berapa jumlah maksimal angka / huruf yang dapat di muat. 

kolom kolom ke 4 desimal :untuk menentukan jumlah angka dibelakang koma. Jika angka merupakan bilangan bulat, seperti pria =1 dan wanita = 2 desimal diisi dengan angka = 0
Label : persi lengkap dari name, bias banyak karakter, bias huruf bersar dan menggunakan spasi, sebaiknya dituliskan terlebih bila akan veriabel tersebut akan di olah lebih lanjut
Values : Untuk meng-coding data nominal

Missing : Jika bila dalam data yang akan diolah terdapat datum yang tidak terisi atau tdak lengkap, jika beberapa datum tidak terisi, pilih angka yg tertentu sebagai tanda missing value atau tidak di kosongkan.
Collom : adalah lebar dalam karakter dari nama, besarnya nominal sama dengan besarnya nilai di widht

Align : Sama seperti microsoft lainnya

Measure : Skala pengukuran dari variabel yang bersangkutan

Scale : Mengubah skala pengukuran interval dan rasio

Analyze : Untuk mengolah data seperti korelasi regresi, uji - t dan lain-lain 

 MEANS
Untuk menghitung dan membandingkan rata-rata data yang dikelompokkan berdasarkan faktor tertentu. Misalnya membandingkan rata-rata IP Semester I menurut asal sekolah dan daerah asal setiap jenis kelamin.
Prosedur yang dapat digunakan adalah Analyze-Compare Means – Means.
One sample T- test : Untuk menghitung uji-t satu sampel yang diuji dengan nilai uji tertentu. Misalnya Diuji IP semester I dengan nilai pengujian 3. (Artinya kita akan menguji hipotesis bahwa rata-rata IP semester I sama dengan 3)
Ho : μ = 3. Ho ini ditolak jika signifikansi t ‘sig. (2 tilled)’ kurang dari taraf signifikansi 0,05 (5%).
Paired Sample t-test :  Untuk menguji dua rata-rata dari dua variabel data yang berpasangan (paired). Misalnya akan diuji perbedaan rata-rata IP Semester I dan IP Semester II
Ho: μ1 = μ2 (kedua rerata sama)
Ho ini ditolak jika signifikansi t ‘sig. (2 tilled)’ kurang dari taraf signifikansi 0,05 (5%).
Kalau Ho ditolak berarti rata-rata IP semester I dan IP semester II tidak sama /berbeda secara meyakinkan (signifikan).

Independent Sampel t-test : Untuk menguji dua rata-rata dari dua data yang saling independen. Misalnya diuji perbedaan rata-rata IP Semester I laki-laki dan perempuan (Laki-laki dan perempuan saling independen)
Ho: μ1 = μ2 (kedua rerata sama)
Ho ini ditolak jika signifikansi t ‘sig. (2 tilled)’ kurang dari taraf signifikansi 0,05 (5%).
Kalau Ho ditolak berarti rata-rata IP semester I laki-laki dan rata-rata IP semester I perempuan tidak sama /berbeda secara meyakinkan (signifikan).
One-Way ANOVA : Menu ini untuk menguji variasi data (perbedaan rata-rata lebih dari 2 kelompok data.

Correlate
KORELASI BIVARIATE
Korelasi Bivariate melibatkan dua atau lebih variable untuk diketahui hubungan di antaranya.
Sebagai contoh : kita ingin mencari korelasi antara angka harapan hidup wanita dan laki-laki seluruh
dunia. Dalam output SPSS maupun lainnya biasanya disertai dengan uji signifikansi, yaitu apakah korelasi tersebut signifikan pada alpha tertentu.
KORELASI PARSIAL
Agak sedikit berbeda dengan korelasi bivariate, korelasi parsial memasukkan satu variable tambahan
yang berfungsi sebagai pengontrol dari dua variable yang berkorelasi.