Oprec Calon Pementor

ANALISIS CLUSTER

1.        Definisi dan konsep dari analisis yang akan dilakukan

Analisis Cluster adalah suatu analisis statistik multivariate yang bertujuan untuk mengetahui struktur data dengan menempatkan kesamaan obyek observasi ke dalam satu kelompok data sehingga dapat dibedakan antara kelompok satu dengan kelompok yang lain atau dengan cara memisahkan kasus/obyek ke dalam beberapa kelompok yang mempunyai sifat berbeda antar kelompok yang satu dengan yang lain. Dalam analisis ini tiap-tiap kelompok bersifat homogen antara anggota dalam kelompoknya atau dapat dikatakan variasi obyek/individu dalam satu kelompok yang terbentuk sekecil mungkin (Anderberg,1973).

Dengan kata lain yang lebih mudah dipahami, analisis cluster adalah analisis yang dilakukan untuk mengelompokkan objek – objek berdasarkan kesamaan karakteristik di antara objek – objek tersebut. Diharapkan dengan terbentuknya kelompok – kelompok tersebut akan lebih mudah dalam menganalisa dan lebih tepat pengambilan keputusan yang sehubungan dengan masalah tersebut. Perbedaan analisis cluster dengan analisis faktor adalah bahwa analisis cluster terfokus pada pengelompokan objek sedangkan analisis faktor terfokus pada kelompok variabel.

Adapun tujuan analisis cluster adalah :

-          menyederhanakan data dan untuk menyajikannya ke dalam bentuk grafik atau dendogram.

-          mengelompokkan obyek – obyek menjadi kelompok – kelompok yang mempunyai sifat yang homogen atau variasi obyek yang terbentuk sekecil mungkin.

-          selain itu, analisis cluster digunakan untuk membedakan dengan jelas antara satu kelompok cluster dengan kelompok yang lain.

2.       Kegunaan analisis tersebut dalam perencanaan, terutama dalam perencanaan wilayah dan kota

Secara umum, analisis cluster ini memiki manfaat sebagai berikut :

a.       Untuk menerapkan dasar – dasar pengelompokan dengan lebih konsisten.

b.      Untuk mengembangkan suatu metode generalisasi secara induktif, yaitu pengambilan kesimpulan secara umum dengan berdasarkan fakta – fakta khusus.

c.       Menemukan tipologi yang cocok dengan karakter obyek yang diteliti.

d.      Mendeskripsikan sifat – sifat atau karakteristik dari masing – masing kelompok (cluster).

Analisis cluster ini dapat diaplikasikan dalam berbagai bidang keilmuan. Misalnya dalam analisis pemasaran, maka dapat digunakan untuk mengetahui target pasar, mengetahui pengembangan produk baru, dan sebagainya.

Selanjutnya adalah dalam bidang pendidikan. Sebagai contoh dalam pendidikan. Analisis ini dapat digunakan untuk mengelompokan data mahasiswa. Misalnya data berupa siswa, orang tua, jenis kelamin, atau nilai IPK. Sehingga dapat dikelompokan mahasiswa – mahasiswa yang memiliki nilai IPK tinggi, sedang dan rendah.

Begitu juga dalam bidang perencanaan wilayah dan kota. Analisis cluster ini dapat digunakan dalam mengelompokkan fasilitas – fasilitas umum dari sudut pandang pemakai atau masyarakat. Sebagai contoh, mengelompokkan fasilitas prasarana transportasi seperti terminal. Dengan menganalisis data – data yang ada, maka dapat dikelompokkan terminal yang pelayanannya sudah baik, sedang atau terminal yang tidak baik kualitasnya. Maka terminal – terminal yang memiliki karakteristik yang sama (ditandai dengan nilai yang selisihnya tidak jauh berbeda) akan ditempatkan pada satu kelompok atau cluster.

3.       Data dan jenis data yang dibutuhkan

Berikut adalah data yang akan diangkat sebagai contoh kasus dalam analisis crosstab. Yaitu mengenai data mengenai salon yang ada di suatu Kecamatan Banyumanik. Penilaian mengenai salon ini mengguankan beberapa variabel. Variabel – variabel yang dapat digunakan dalam analisis cluster adalah harga atau biaya salon, kepuasan pelanggan atau pengunjung dalam pelayanan salon, fasilitas – fasilitas yang ada di dalam salon tersebut, serta aksesibilitas salon tersebut (kemudahan dijangkau) oleh pengunjung.

Dari 4 variabel, masing – masing variabel memiliki 4 kriteria penilaian serta akan diberikan pembobotan yang bertingkat, mulai dari 1 sampai dengan 4. Dengan adanya penilaian tersebut, nantinya dari salon – salon di Semarang dapat dikelompokan sesuai karakteristik yang hampir sama.  

Adapun 4 variabel beserta kriteria penilaian per variabel adalah sebagai berikut :

a.       Biaya pelayanan jasa salon

-          Biaya hanya dapat dijangkau oleh kalangan atas - 1

-          Biaya hanya dapat dijangkau oleh kalangan menengah ke atas - 2

-          Biaya standar dapat dijangkau semua kalangan - 3

-          Biaya standar dapat dijangkau semua kalangan, dan ada potongan harga pada waktu tertentu - 4

b.      Kepuasan dalam pelayanan salon

-          Pelayanan baik dan sesuai permintaan pelanggan - 1

-          Pelayanan baik, sesuai permintaan pelanggan dan memuaskan - 2

-          Pelayanan baik dan cepat, sesuai permintaan pelanggan, memuaskan - 3

-          Pelayanan baik dan cepat, sesuai permintaan pelanggan, memuaskan, pegawai ramah dan menyenangkan - 4

c.       Fasilitas yang tersedia

-          Peralatan salon yang lengkap, tempat yang nyaman dan bersih - 1

-          Peralatan salon yang lengkap, tempat nyaman, bersih dan ber-AC - 2

-          Peralatan salon lengkap dan canggih, tempat nyaman bersih dan ber-AC - 3

-          Peralatan salon lengkap, canggih dan terbaru, tempat nyaman, bersih, luas dan ber-AC  - 4

d.      Aksesibilitas

-     Terletak bukan di tepi jalan, kurang mudah dijangkau alat transportasi umum, jauh dari pusat kota - 1

-          Terletak di tepi jalan lingkungan, mudah dijangkau alat transportasi, namun jauh dari pusat kota - 2

-          Terletak di tepi jalan utama, mudah dijangkau alat transportasi, dekat dengan pusat kota - 3

-          Terletak di tepi jalan raya utama, mudah dijangkau oleh semua moda moda transportasi, terletak tepat di pusat kota (CBD)  - 4

Berikut adalah tabel penilaian salon di Kota Semarang :

No.	Nama Salon	Jumlah Pengunjung/hari	Biaya	Kepuasan	Fasilitas	Aksesibilitas
1	Salon A	10	4	1	1	2
2	Salon B	25	3	3	3	2
3	Salon C	33	2	4	4	2
4	Salon D	19	4	2	2	4
5	Salon E	31	1	3	4	3
6	Salon F	29	1	3	3	4
7	Salon G	40	2	4	4	3
8	Salon H	38	3	4	3	4
9	Salon I	16	1	2	4	3
10	Salon J	18	1	2	3	4
11	Salon K	28	3	4	2	3
12	Salon L	21	2	1	2	2
13	Salon M	19	2	2	3	3
14	Salon N	39	3	3	4	2
15	Salon O	38	4	2	3	3

Data – data di  atas adalah data yang akan diolah menggunakan analisis cluster. Sehingga nantinya kelima belas salon di Kota Semarang akan dikelompokkan sesuai denga kondisi yang  hampir sama dalam satu kelompok (cluster). Berikut adalah tahapan – tahapan analisis cluster :

4.      Tahapan analisis

1.        Memasukkan data yang akan dianalisis ke dalam lembar kerja SPSS.

2.       Melakukan analisis dengan cara klik analyze, lalu classify, selanjutnya pilih Hierarchichal Cluster.

3.       Memasukkan 4 variabel tadi, ke dalam kotak variabel.

4.      Menganalisis cluster degan bantuan SPSS, dengan meng-klik option yang ada di kotak dialog. Ada statistic, plot, method.

5.       Pada pilihan statistic, pilih Agglomeration schedule. Cluster membershipnya diisi 2 hingga 4, berarti kemungkinan cluster yang nanti akan terbentuk adalah 2 – 4 kelompok.

6.      Pada pilihan plots, aktifkan dendogram, lalu pada icicle, pilih none, sehingga tidak ada icicle yan gdiperlihatkan dalam bagian output.

7.       Pada pilihan Method, pilih between group linkage

8.      Lalu klik OK. Maka akan muncul output yang merupakan hasil analisisnya.

5.       Penjelasan dari output analisis yang dilakukan

Hasil output dari analisis cluster terdapat beberapa tabel. Yaitu Case Processing Summary, matrix priority, average linkage between group, Cluster membership, dan bagan dendogram. Dari masing – masing tabel dapat ditarik kesimpulannya sesuai dengan jenis analisisnya. Setelah itu diambil keputusannya berdasarkan ketentuan yang digunakan.

Dengan tabel – tabel hasil output, maka didapatkan cluster – cluster yang telah memiliki anggota masing – masing sesuai dengan kesamaan karakteristiknya. Dari output analisis yang dilakukan dapat dilihat pembagian clusternya, ada yang terbagi menjadi 2, terbagi menjad 3 atau terbagi menjadi 4. Masing – masing data salon telah menjadi anggota dari cluster – cluster yang terbentuk.

Hasil output analisis pun didapat sebuah dendogram. Dengan dendogram ini, dapat diketahui juga kelompok – kelompok atau cluster – cluster yang terbentuk. Hanya, pada dendogram bentuknya berupa garis – garis, agar lebih mudah memahami. Dari data yang didapat dari dendogram, maka tampak bahwa dari data – data yang dianalisis akan tergabung menajdi satu cluster.

Robatul Qulub

Tangan - tangan mungil kami, bertemu, bersatu. Begitupun hati - hati kami. Kami yang sebelumnya benar - benar tak mengenal satu sama lain, dipertemukan di sini, dipertemukan dalam waktu, tempat, suasana yang sangat tepat dan sudah direncanakan Allah.
Let me introduce our squad.. ROQU --> ROBATUL QULUB. Ikatan hati. Karena hati - hati kami terikat erat satu sama lain n_n

Foto ini diambil pada acara rekomposisi, seakan takut terpisahkan, kami berfoto sebagai kenang - kenangan aja (lebay banget sumpah, haha). Eh, tapi ternyata alhamdulillah, kita nggak jadi rekomposisi. hehee.. :D
Ya, mungin karena itulah, nama kami yang membuat kami tak bisa dipisahkan, hehee..

By the way, terimakasih telah mengsisi hidupku, menjadi lebih dari sekedar teman, but, we are family.. :D

Analisis Deskriptif

1.        Definisi dan Konsep dari Analisis Deskriptif

Statistika deskriptif adalah bagian dari statistika yang mempelajari alat, teknik, atau prosedur yang digunakan untuk menggambarkan atau mendeskripsikan kumpulan data atau hasil pengamatan yang telah dilakukan. Kegiatan – kegiatan tersebut antara lain adalah kegiatan pengumpulan data, pengelompokkan data, penentuan nilai dan fungsi statistik, serta pembuatan grafik, diagram dan gambar.

Statistika deskriptif ini merupakan metode-metode yang berkaitan dengan pengumpulan, peringkasan, dan penyajian suatu data sehingga memberikan informasi yang berguna dan juga menatanya ke dalam bentuk yang siap untuk dianalisis. Dengan kata lain, statistika deskriptif ini merupakan fase yang membicarakan mengenai penjabaran dan penggambaran termasuk penyajian data. Dalam fase ini dibahas mengenai ukuran-ukuran statistik seperti ukuran pusat, ukuran sebaran, dan ukuran lokasi dari persebaran / distribusi data.

Adapun analisis statistika deskriptif ini memiliki tujuan untuk memberikan gambaran (deskripsi) mengenai suatu data agar data yang tersaji menjadi mudah dipahami dan informatif bagiorang yang membacanya. Statistika deskriptif menjelaskan berbagai karakteristik data seperti rata-rata (mean), jumlah (sum) simpangan baku (standard deviation), varians (variance), rentang (range), nilai minimum dan maximum dan sebagainya.

Analisis deskriptif ini terdiri dari Frequencies, Descriptive, Explore, Crosstabs dan Ratio. Analisis – analisis tersebut sudah ada pada opsion menu – menu dalam software pengolahan data statistik yang sering digunakan. Salah satu program olah data yang sering digunakan adalah SPSS (Statistical Package for the Social Sciences). SPSS merupakan program aplikasi computer untuk menganalisis data yang digunakan pada berbagai disiplin ilmu, terutama untuk analisis statistika. SPSS untuk menganalisis serta menampilkan angka-angka hasil perhitungan statistik, grafik, tabel dengan berbagai model, baik variabel tunggal atau hubungan antara satu variabel dengan variabel lain.

Perlu juga diketahui, bahwa menurut skala data, dapat dibagi menjadi empat yaitu :

a.       Data Nominal

Adalah data yang hanya bentuk pengkodean, maksudnya adalah angka yang ada hanyalah sebagai symbol saja. Tidak memiliki tingkatan atau hierarki. Jadi nilai 1, 2 dan seterusnya memiliki nilai yang sama dan setara. Data nominal tidak bisa dioperasikan secara matematik.

b.      Data Ordinal

Adalah data yang hampir sama dengan data nominal, namun bedanya adalah angka – angka pada data memiliki hierarki atau tingkatan – tingkatan.

c.       Data Interval

Adalah data yang memiliki range atau jarak dalam kelompok nilai dalam interval tertentu. Nol tidak memiliki nilai yang mutlak, atau nol yang tertera bukan merupakan nol yang sesungguhnya.

d.      Data Ratio

Adalah data yang memiliki nilai yang sesungguhnya. Dapat dioperasikan secara matematik dan memiliki nilai nol yang sesungguhnya.

Dari empat data tersebut, dikelompokkan lagi menjadi dua, yaitu data kualitatif yang meiputi data interval dan ratio. Serta data kuantitatif yang meliputi data nominal dan data ordinal.

2.       Kegunaan Analisis Statistika Deskriptif dalam Perencanaan, Terutama dalam Perencanaan Wilayah dan Kota

Analisis data statistika deskriptif banyak digunakan dalam berbagai bidang ilmu. Begitu juga dengan bidang ilmu perencanaan wilayah dan kota. Untuk merencanakan suatu wilayah atau kota, memerlukan data – data yang lengkap dan akurat, agar perencanaan itu nantinya dapat diimplementasikan dengan baik dan tepat sasaran. Apalagi, perencanaan yang merupakan problem based, harapannya dapat mengatasi permasalaahan yang ada di wilayah atau kota tersebut. Sehingga agar tujuan perencanaan dapat tercapai, data – data harus diolah dengan baik menjadi informasi yang mendukung.

Contoh penerapannya adalah untuk menganalisis data – data statistika hasil penelitian lapangan atau survey, digunakan untuk menganalisis permasalahan perencanaan wilayah dan koya seperti masalah kependudukan, yang meiputi jumlah kepala keluarga dalam suatu wilayah, rata – rata penghasilan penduduk, atau jumlah fasilitas – fasilitas umum di suatu kota, dan sebagainya.

3.       Data dan Jenis Data yang Dibutuhkan

Data merupakan hal yang paling penting untuk menganalisis permasalahan perencanaan wilayah dan kota. Jadi data yang diambil haruslah dari sumber yang terpercaya, terbaru dan akurat. Dalam SPSS, tipe – tipe data terbagi menjadi beberapa jenis, yaitu numeric, comma, dot, scientific notation, date, dollar, custom currency, dan string. Tiap – tiap data tersebut memiliki fungsinya masing – masing. Sebagai contoh, numeric merupakan data yang berbentuk angka – angka, berbeda dengan string yang merupakan data dengan jenis huruf.

Berikut ini adalah contoh data yang akan diolah khususnya dalam bidang kependudukan :

Tabel Jumlah Penduduk dan Rumah Tangga

di Kabupaten Banjarnegara, Jawa Tengah

No	Nama	Usia	Gender	Profesi	Penghasilan
1	ASNA	23	Perempuan	PNS	3000000
2	FITA	24	Laki - laki	Petani	1000000
3	YOYO	21	Laki - laki	Pegawai Swasta	4000000
4	LUKI	20	Laki - laki	PNS	5000000
5	YUYUN	28	Perempuan	Pedagang	3000000
6	FIO	29	Perempuan	Petani	1000000
7	RAFI	29	Laki – laki	Pegawai Swasta	2000000
8	KOKO	25	Laki – laki	PNS	3000000
9	BUDI	25	Laki – laki	Pegawai Swasta	5000000
10	SETIO	22	Laki – laki	Petani	2000000
11	DODO	23	Laki – laki	Petani	1000000
12	HANI	23	Perempuan	PNS	2000000
13	FARHAN	24	Laki – laki	PNS	1000000
14	IRA	29	Perempuan	Pegawai Swasta	2000000
15	ISMA	27	Perempuan	PNS	5000000
16	TINA	26	Perempuan	Pegawai Swasta	6000000
17	LISA	27	Perempuan	Petani	5000000
18	RICO	20	Laki – laki	PNS	2000000
19	DENI	21	Laki – laki	Pedagang	7000000
20	UJANG	20	Laki - laki	PNS	2000000

Data – data kependudukan di atas, agar menjadi informasi yang lebih membantu dalam perencanaan, maka perlu dilakukan analisis data. Pada hal ini, analisis yang digunakan adalah analisis statistic deskriptif menggunakan software SPSS. Berikut ini adalah tahapan – tahapan dalam menggunakan software SPSS.

4.      Tahapan analisis

Di sini, akan dijelaskan dua analisis, yaitu descriptive dan frequencies.

A.      Descriptives

Analisis deskriptif menggunakan software SPSS dapat dilakukan dengan menggunakan tahapan – tahapan berikut ini :

1.        Membuka program SPSS. Caranya yaitu dengan klik start – all programs – SPPS for windows. Atau dapat juga dengan double klik shortcut SPSS pada desktop PC.

2.       Setelah itu akan muncul kotak dialog awal. Untuk membuat data file baru, maka klik tombol cancel. Sehingga muncul tampilan kotak kerja SPSS yang siap digunakan.

3.       Pada tampilan kerja SPSS, terdapat dua sheet, yaitu data view dan variable view. Untuk pertama, pilih variable view, lalu masukkan data – data yang akan diolah. Perlu diperhatikan juga mengenai kategori jenis data.

-          Pada data nama, type data adalah string, karena nanti inputnya berupa huruf.

-          Pada data lainnya, yaitu , jenis datanya merupakan data numeric, karena datanya berupa angka – angka.

-          Untuk label, diketik label atau keterangan singkat dari data pada kolom ‘name’. Sebagai contoh, nama, labelnya nama penduduk. Gaji, labelnya adalah penghasilan penduduk tiap bulan, dan sebagainya menyesuaiakan data pada kolom ‘name’.

-          Lalu, yang perlu diperhatikan adalah kolom ‘values’ pada data gender dan pekerjaan. Gender kita golongkan menjadi 2 nilai. Nilai 1 untuk laki – laki, dan nilai 2 untuk perempuan. Begitu juga dengan pekerjaan, kita dapat mengklasifikasikan menjadi 4 klasifikasi. Yaitu 1 untuk PNS, 2 untuk Pegawai Swasta, 3 untuk Petani, dan 4 untuk pedagang.

-          Sehingga data akan yang diisi pada data view hanyalah angka – angka saja, kecuali data pada kolom ‘nama’.

4.      Setelah itu, klik sheet data view. Lalu isilah kolom – kolom data. Mulai dari nama, usia, gender, profesi dan gaji. Sesuai dengan data pada tabel sebelumnya.

5.       Setelah semua data telah dimasukkan, maka data – data dalam tabel tersebut siap dianalisis. Untuk analisis deskriptif, klik menu Analyze, lalu pilih submenu Descriptive Statistic, dan pilih descriptive.

6.      Lalu beri tanda cek (√) pada option yang akan menjadi keluaran (output). Misalnya mean, sum, std deviation, minimum, maximum, dan variable list.

7.       Setelah itu, klik continue, dan klik OK.

B.      Frequencies

Analisis frequencies ini untuk mengetahui besaran frekuensi data. Tahapan – tahapan yang harus dilakukan adalah sebagai berikut :

1.        Klik menu Analyze, lalu pilih submenu Descriptive Statistic, dan pilih Frequencies.

2.       Lalu muncul kotak dialog. Kita pilih data – data mana saja yang akan dianalisis frekuensi.

3.       Lalu, klik statistic, lalu cek pada pilihan – pilihan statistic frekuensi untuk memntukan perhitungan – perhitungan yang ingin diperlihatkan di output atau keluaran. Klik continue. Lalu selanjutnya klik pada tombol charts dan format. Sama seperti statistic, beri tanda cek pada pilihan – pilihan yang akan muncul pada output atau keluaran.

4.      Setelah semua selesai, klik OK. Maka akan muncul output.

5.       Penjelasan dari output analisis yang dilakukan

A.      Output Descriptive

Pada output descriptive muncul sebagai berikut :

Descriptive Statistics
	N	Minimum	Maximum	Sum	Mean	Std. Deviation
USIA PENDUDUK	20	20.00	29.00	486.00	24.3000	3.13050
PEKERJAAN	20	1.00	4.00	41.00	2.0500	1.05006
GAJI TIAP BULAN	20	1,000,000	7,000,000	62,000,000	3,100,000.00	1,832,455.930
Valid N (listwise)	20

Dari output berikut, dapat diketahui nilai minimum, nilai maksimum, jumlah keseluruhan tiap variabel, rata – rata tiap variabel dan standar deviasinya. Sebagai contoh, dari 20 penduduk yang didata, rata – rata penghasilannya adalah 3.100.000. Usia penduduk termuda dari yang didata adalah 20 tahun, dan tertua adalah 29 tahun.

B.      Output Frequencies

Pada output frequencies, muncul tampilan sebagai berikut :

Statistics
		USIA PENDUDUK	JENIS KELAMIN	PEKERJAAN	GAJI TIAP BULAN
N	Valid	20	20	20	20
	Missing	0	0	0	0
Mean		24.3000	1.4500	2.0500	3,100,000.00
Median		24.0000	1.0000	2.0000	2,500,000.00
Mode		20.00a	1.00	1.00	2,000,000
Std. Deviation		3.13050	.51042	1.05006	1,832,455.930
Skewness		.148	.218	.498	.635
Std. Error of Skewness		.512	.512	.512	.512
Minimum		20.00	1.00	1.00	1,000,000
Sum		486.00	29.00	41.00	62,000,000
Percentiles	25	21.2500	1.0000	1.0000	2,000,000.00
	50	24.0000	1.0000	2.0000	2,500,000.00
	75	27.0000	2.0000	3.0000	5,000,000.00
a. Multiple modes exist. The smallest value is shown

Tampilan di atas adalah output dari analisis frequencies, bagian statistic. Jadi data di atas, hampir sama seperti analisis descriptive yang meliputi mean, median, modus, sum, dan lain sebagainya.

Sedangkan data di bawah ini adalah data frequensi tiap variabel. Yaitu frekuensi usia penduduk, frekuensi jenis kelamin, pekerjaan, dan gaji tiap bulan. Tabel – tabel di bawah ini mendeskripsikan seberapa banyak frekuensi tiap variabel. Baik dalam jumlah sesungguhnya, maupun persentase. Untuk lebih jelasnya pada tabel di bawah ini.

USIA PENDUDUK
		Frequency	Percent	Valid Percent	Cumulative Percent
Valid	20	3	15.0	15.0	15.0
	21	2	10.0	10.0	25.0
	22	1	5.0	5.0	30.0
	23	3	15.0	15.0	45.0
	24	2	10.0	10.0	55.0
	25	2	10.0	10.0	65.0
	26	1	5.0	5.0	70.0
	27	2	10.0	10.0	80.0
	28	1	5.0	5.0	85.0
	29	3	15.0	15.0	100.0
	Total	20	100.0	100.0

JENIS KELAMIN
		Frequency	Percent	Valid Percent	Cumulative Percent
Valid	LAKI LAKI	11	55.0	55.0	55.0
	PEREMPUAN	9	45.0	45.0	100.0
	Total	20	100.0	100.0

PEKERJAAN
		Frequency	Percent	Valid Percent	Cumulative Percent
Valid	PNS	8	40.0	40.0	40.0
	PEGAWAI SWASTA	5	25.0	25.0	65.0
	PETANI	5	25.0	25.0	90.0
	PEDAGANG	2	10.0	10.0	100.0
	Total	20	100.0	100.0

GAJI TIAP BULAN
		Frequency	Percent	Valid Percent	Cumulative Percent
Valid	1000000	4	20.0	20.0	20.0
	2000000	6	30.0	30.0	50.0
	3000000	3	15.0	15.0	65.0
	4000000	1	5.0	5.0	70.0
	5000000	4	20.0	20.0	90.0
	6000000	1	5.0	5.0	95.0
	7000000	1	5.0	5.0	100.0
	Total	20	100.0	100.0

Sedangkan tampilan di bawah ini merupakan hasil keluaran dari analisis frequencies bagian charts. Chart tersebut menampilkan data frekuensi tiap variable dalam bentuk bagan agar lebih informatif. Di bawah ini adalah salah satu contoh chart yang menggambarkan frekuensi penghasilan penduduk yang telah didata.

Dari grafik di atas, dapat diketahui bahwa dari 20 orang yang didata, sebagian besar penghasilannya adalah 2.000.000. Hal ini pun demikian dapat dilihat dari grafik – grafik untuk variabel lain, seperti jenis kelamin, pekerjaan, usia, dan gender.

Jadi sebenarnya, untuk analisa frequensi ini (khususnya frequencies dan charts), menampilkan informasi yang sama, hanya tampilannya yang berbeda. Jika frequencies berbentuk tabel, maka charts bentuknya diagram (batang, pie, dan lainnya).