QTAFI adalah aplikasi yang berbasis makro. Bentuk aplikasi ini berupa file dokumen berekstensi doc (seperti dokumen yang biasa kita buat lewat MS Word), hanya saja terkandung makro QTAFI di dalamnya. Untuk menjalankan aplikasi ini tentu saja MS Word harus sudah terpasang di komputer kita.

Saya mulai menggunakan aplikasi ini sejak tahun 2003, pada waktu itu aplikasi ini membantu pelaksanaan survey penelusuran alumni di UGM. Sejak saat itu saya terlibat dalam pengembangan QTAFI dan online.QTAFI (QTAFI berbasis web) walaupun hanya sebagai tester setia . Sampai saat ini pengembangan aplikasi ini terus berlanjut, terutama untuk versi online yang sudah sampai pada versi 2. Saat ini puluhan online survey secara bersamaan berjalan di server online.QTAFI2.

Secara garis besar fungsi QTAFI terletak pada fungsi bukukode (codebook). Pertama kita buat bukukode yang isinya adalah informasi tentang pertanyaan-pertanyaan yang ada di kuisioner kita. Selanjutnya dengan bukukode ini kita bisa dengan mudah membuat:

• Kuisioner kertas. QTAFI akan menerjemahkan buku kode menjadi format kuisioner yang siap cetak.
• Definisi data SPSS (nama variabel, label variabel, nilai variabel, missing value).
• SPSS syntax untuk data analisis. Isinya perintah syntax dengan fungsi tabel, hasilnya berupa tabel dengan format standar publikasi ilmiah.
• Online kuisioner. Prosesnya adalah mengubah buku kode ke format XML yang kemudian dengan bantuan online.QTAFI2 kita bisa dengan mudah membuat online kuisioner.

Fungsi paling penting dari bukukode adalah sebagai alat dokumentasi dari kuisioner yang kita buat. Dokumentasi ini bisa dijadikan instrumen standar ketika beberapa peneliti bekerja bersamaan dalam proyek survey yang besar. Selain itu dokumentasi ini juga bisa sebagai acuan bagi operator dalam proses memasukkan data, terutama bila terdapat lebih dari satu operator.

Kita bisa juga membuat langsung kuisioner kertas dengan QTAFI tanpa membuat bukukode terlebih dahulu. Setelah kuisioner tersebut selesai kita bisa mendapatkan bukukode-nya secara otomatis lewat QTAFI.

Sebagai gambaran lebih terperinci Anda bisa membaca artikel Pengantar QTAFI . Artikel ini ditulis untuk workshop QTAFI pada tahun 2004 di UGM. Ada banyak perubahan dalam QTAFI setelah artikel tersebut ditulis, namun fungsi dasarnya tetap sama. Dengan mambaca artikel ini Anda bisa mendapatkan informasi lebih terperinci tentang QTAFI. Anda bisa juga langsung mencoba QTAFI dengan mengunduhnya terlebih dahulu disini. Proses pemasangannya sudah dijelaskan terperinci di dalamnya. Lebih lanjut tentang QTAFI dan online.QTAFI akan kita bahas pada artikel-artikel selanjutnya.

Saya sangat tertarik mendapatkan respon dari Anda yang telah mencoba QTAFI. Silakan tinggalkan komentar Anda dengan menuliskannya di formulir dibawah ini atau menghubungi saya lewat email: inparametric[at]yahoo.com.

This article is basically ripped off from Field’s Discovering Statistics Using SPSS for Windows with some minor subjective interpretation from me. So if you have access to the book just read it instead of this article. It is really a good book for you who want to learn SPSS and statistics. Highly recommended book !

Factor analysis was first used in 1904 by Charles Spearman, a Psychologist
from United Kingdom. Spearman used factor analysis in his models of human
intelligence. With factor analysis he developed theory that variety of cognitive test
could all be explained by one single factor which called g factor. Later on Raymond
Cattell, psychologist from US, used factor analysis in most of his research on
intelligence which lead to the development of his theory on Fluid and Crystallized
Intelligence. 16 Personality Factor (16PF) test is also one of Raymond Cattell’s
research results based on factor analysis.

Factor analysis is quiet different to other statistical analysis method. Many
statistical analysis methods are used to investigate the relation between
independent and dependent variables. In contrast, factor analysis is used to study
the patterns of relationship among many dependent variables, with the goal of
discovering something about the nature of independent variables that affect them.
The tricky part is that those independent variables were not measure directly. Thus
answers obtained by factor analysis are necessarily more hypothetical and tentative
than is true when independent variables are observed directly (Darlington, 1997).

Factor analysis in psychology is most often associated with intelligence
research. Nevertheless, the use of factor analysis can be observed in other domain
of psychology such as personality, attitudes, etc. The trait theorists in psychology
have been used factor analysis to measure personality traits. The Extraversion-
Introversion and the Neuroticism traits by Eysenck and 16 Personality Factor
questionnaires (16 PF) by Cattell are some of the examples of implementation of
Factor Analysis (Field, 2000). Furthermore, factor analysis is used widely in other
social sciences, education, business fields, biological science, etc.



The main applications of factor analytic techniques are: (1) to reduce the
number of variables and (2) to detect structure in the relationships between variables, that is to classify variables. Therefore, factor analysis is applied as a data
reduction or structure detection method (Statsoft, 2003). Reducing the number of
variables means reducing complexity of data, thus it will be easier to analyze the
data…

Download the complete article…(pdf)

WRITE OUTFILE=’C:\lokasi berkas\test.dat’
TABLE /ALL ..

Hasilnya berupa berkas yg berekstensi dat (*.dat).

Untuk percobaan, data yang dipakai di artikel sebelumnya saya buka dengan SPSS kemudian saya simpan sebagai berkas teks dengan nama berkas test.dat.

Untuk membuka berkas ini di R, jalankan perintah:

> test <- read.table("D:/test.dat",header=T)
> test

Perintah Header=T berarti baris pertama dari data akan dibaca sebagai nama variabel.

Salah satu kelemahan cara ini tentu saja semua atribut variabel seperti label dan value label akan hilang. Di seri selanjutnya akan kita bahas pembuatan variabel label dan value.

Sebagai catatan, untuk artikel ini saya menggunakan R versi Windows yang bisa di unduh disini.

Untuk perkenalan dengan R kali ini kita akan belajar bersama-sama cara memasukkan data di R berikut cara mengedit data. Misalkan kita memiliki data sbb:

Dalam R jalankan perintah:

> coba <- data.frame(nama = c("Abie", "Budi", "Cici", "Dudu", "Eci"),
gender = c(1, 1, 2, 1, 2),
nilai = c(9, 8, 7, 9, 9))
> coba

Hasilnya akan terlihat sbb:

Untuk mengedit data tersebut jalankan perintah:

coba <- edit(coba)

Akan muncul kotak dialog dimana kita bisa mengedit data kita.

Pada artikel selanjutnya kita akan belajar mengekspor data dari SPSS ke R.

Untuk mendapatkan R, arahkan penjelajah Anda ke http://www.r-project.org/. Unduh R versi terbaru yaitu R-2.5.1.tar.gz.

Untuk memasangnya lakukan perintah:

tar xvfz R-2.5.1.tar.gz
./configure
make
make check

Ketika melakukan perintah ./configure beberapa pustaka kemungkinan akan diminta. Jenis pustaka yang dibutuhkan tergantung spesifikasi mesin Linux Anda. Saya harus memasang beberapa pustaka, diantaranya: gcc-gfortran, libreadline5 – devel, f2c.

Jika Anda menggunakan urpmi, sangat disarankan untuk melakukan update daftar aplikasi urpmi terlebih dahulu agar pustaka-pustaka terbaru terdaftar di database urpmi Anda. Untuk melakukan update daftar paket urpmi lakukan perintah:

urpmi.update -a

Setelah semua terpasang dengan baik, jalankan perintah:

R

Maka akan terlihat informasi bahwa aplikasi R telah berjalan.

Untuk tampilan GUI Anda bisa juga memasang RKWard, yaitu aplikasi dibawah KDE yang menjembatani bahasa R dengan tampilan antar muka yang menarik. Informasi selanjutnya tentang RKWard bisa dilihat disini.

Artikel berikutnya akan kita bahas lebih lanjut penggunaan R sebagai aplikasi statistik.

Artikel kali ini merupakan perkenalan kita dengan PSPP. Nama PSPP pastilah agak sedikit aneh, memang namanya adalah plesetan dari aplikasi SPSS dibawah Windows. Tidak begitu jelas singkatan dari apa PSPP ini, namun di situsnya ada beberapa kemungkinan singkatan yaitu:
- Perfect Statistics Professionally Presented
- Probabilities Sometimes Prevent Problems
- People Should Prefer PSPP
Anda bisa mengarang sendiri kepanjangan dari akronim PSPP, misalnya: Program Statistik Paling Penting .

Keunggulan PSPP dibanding aplikasi statistik lainnya di GNU/Linux adalah dukungan terhadap SPSS Syntax. Hampir semua perintah syntax SPSS bisa dikenali PSPP. Untuk yang sudah mengenal SPSS syntax pastinya ini menjajinkan kemudahan karena tidak perlu lagi belajar perintah-perintah baru seperti pada aplikasi R.

Pertama unduh PSPP di ftp://ftp.gnu.org/pub/gnu/pspp/. Selanjutnya untuk proses pemasangan lakukan perintah:

su
tar -xzf pspp-0.4.0.1.tar.gz
cd pspp-0.4.1
./configure
make
make check
make install

Saat menjalankan perintah ./configure, Mesin Linux Anda akan menagih beberapa pustaka (libraries) tergantung pustaka yang belum lengkap. Saya harus memasang beberapa pustaka, diantaranya adalah: libplotutils2-devel,
libxaw-devel, libxaw6, libxp6-devel, libxpm4-devel. Bila Anda menggunakan urpmi, ada baiknya untuk mengupdate dulu data base urpmi sebelum melakukan pemasangan.

Setelah proses pemasangan selesai coba jalankan perintah:

pspp

Jika semua terpasang dengan baik pasti terlihat seperti gambar dibawah ini:

Cara paling mudah untuk melakukan analisis adalah dengan membuat berkas dengan editor dan kemudian kita lakukan perintah pspp terhadap berkas tersebut. Contoh, buat berkas dengan editor yang berisi perintah SPSS syntax seperti dibawah ini:

DATA LIST LIST /nama (a25) gaji (f8).
BEGIN DATA.
abie 1000
budi 2500
cici 3500
doni 2250
END DATA.

LIST.

DESCRIPTIVES /gaji
/statistics ALL.

Simpan berkas tersebut dengan ekstensi .syn, misalnya test.syn. Untuk menganalisis lakukan perintah:

pspp test.syn

Hasil analisis akan tersalin pada file pspp.list. Bila berkas tersebut dibuka maka hasil analisis akan terlihat sbb:

PSPP juga bisa digunakan secara interaktif, yaitu dengan mengetikkan langsung perintah SPSS syntax di konsole. Namun sampai sekarang saya belum berhasil menggunakannya. Dukungan dokumen dari pengguna langsung PSPP sepertinya masih sangat kurang. Harus diakui bahwa besarnya SPSS di sebabkan karena dukungan dokumentasi yang sangat menyeluruh. Masalah dokumentasi aplikasi yang menyeluruh menurut saya masih menjadi kendala di aplikasi-aplikasi GNU/Linux. Biasanya dokumentasi dibuat dengan tuntutan pengetahuan awal (prior knowledge) pengguna yang tinggi. Bagi orang awam, dokumentasi ini tidak akan berguna karena mereka kesulitan dalam memahaminya.

Recently I came across this tricky task: sorting variable name in SPSS Data Editor. It should not be a problem with only few variables, but imagine to do it for a couple hundreds variables! OK maybe I’m not clear enough in explaining this. For example I have a data set with variable name Var001, Var003, and Var002 and I want to order it to Var001, Var002 and Var003.

After googling I found the solution listed here. The syntax command:

FLIP.
SORT CASES BY case_lbl.
FLIP NEWNAMES=case_lbl.

The first command is transposing the data file, this means that all of your variables’ name will be listed in one variable. The second command is sorting the variable. The last one transposing again to its original structure.

However this syntax turns out to be very bad solution. After the first transposing command the variables is losing its variable definition such as variable label, missing value, column etc. This thing happen because each variables turn into a variable value. After digging some more information the solution is quite simple: utilizing save command! The syntax is like so:

SAVE OUTFILE=’C:/test.sav’
/KEEP= var001 var002 var003.

These commands basically save the data set in different order. If you have a lot of variables and you want to sort it alphabetically, just sort your variable list in word processor like Openoffice.org or MS Word.