IBM SPSS STATISTIC 21

Transcription

2013
Rahim Bin Utah
Pejabat Teknologi Maklumat
2/19/2013
IBM SPSS STATISTICS for window
Table of Contents
BAB 1 : Pengenalan kepada SPSS for Window ........................................................................................ 4
Jenis-jenis data yang serasi ................................................................................................................. 5
Kaedah Menganalisis Data .................................................................................................................. 5
Proses Penyediaan borang Soal Selidik ............................................................................................... 7
Menyediakan buku kod dan mereka bentuk borang soal selidik ................................................... 8
Statistik.............................................................................................................................................. 13
Statistik Deskriptif ......................................................................................................................... 13
Inferential Statistics ...................................................................................................................... 13
Skala pengukuran .............................................................................................................................. 14
Bab 2 : Berkenalan dengan SPSS ........................................................................................................... 15
Antara Muka SPSS ............................................................................................................................. 15
Tetingkap Data Editor ....................................................................................................................... 15
Memulakan perisian SPSS versi 17.0 ................................................................................................ 17
Menu pintas ...................................................................................................................................... 21
Perkara yang paling berharga. .......................................................................................................... 21
BAB 3 : Pengurusan Data ...................................................................................................................... 22
Menamakan pembolehubah ............................................................................................................. 22
Type ............................................................................................................................................... 23
Column width ................................................................................................................................ 23
Variable Label................................................................................................................................ 23
Value Label .................................................................................................................................... 24
Missing Values .............................................................................................................................. 24
Column .......................................................................................................................................... 24
Align .............................................................................................................................................. 24
Measure ........................................................................................................................................ 24
Latihan untuk menamakan pembolehubah .................................................................................. 24
Memasukkan Data ............................................................................................................................ 28
Menyunting fail data ......................................................................................................................... 28
Untuk menghapuskan kes ................................................................................................................. 28
Menyimpan Fail SPSS ........................................................................................................................ 30
1
Kemudahan Copy and Paste ............................................................................................................. 30
Halaman
Untuk menghapuskan pembolehubah ............................................................................................. 29
BAB 4 : Mengimport data ..................................................................................................................... 33
Copyright @2013 Rahim Bin Utah
Mengimport fail daripada Database. ................................................................................................ 33
Fail data format Excel........................................................................................................................ 33
Membaca fail format Teks ................................................................................................................ 36
BAB 5 : Mengesan ralat dan membersihkan data................................................................................. 39
Mencari data yang ralat pada fail data. ............................................................................................ 42
Menyimpan Syntax ........................................................................................................................... 43
Prosedur untuk menyimpan syntax .............................................................................................. 43
Tetingkap draf output ....................................................................................................................... 46
BAB 6 : MENGHASILKAN LAPORAN DAN CARTA STATISTIK .................................................................. 48
Statistik Deskriptif ( Descriptive statistics ) ...................................................................................... 48
Melaksanakan prosedur Frequencies. .............................................................................................. 48
Menggunakan prosedur Descriptive Statitics. .................................................................................. 51
Prosedur Crosstabs .......................................................................................................................... 52
BAB 7 : MENGHASILKAN CARTA STATISTIK ........................................................................................... 55
Menghasilkan carta Histogram ......................................................................................................... 55
Menghasilkan carta bar.................................................................................................................... 57
Prosedur menghasilkan carta bar jenis Clustered ............................................................................. 61
Prosedur untuk menghasilkan Carta pie ........................................................................................... 64
Prosedur menghasilkan graf Scatter/Dot…. ..................................................................................... 66
Prosedur menghasilkan carta BoxPlots............................................................................................. 68
Menghasilkan graf menggunakan kemudahan Chart Builder. ......................................................... 70
BAB 8 : SPSS PIVOT TABLE OBJECT ........................................................................................................ 74
Chart Editor ....................................................................................................................................... 74
BAB 9: Mengeksport laporan ................................................................................................................ 77
Mengeksport fail laporan .................................................................................................................. 77
BAB 10 : Manipulasi Data ...................................................................................................................... 79
Prosedur Recode ............................................................................................................................... 80
Recode into Same Variables ......................................................................................................... 80
Recode into Different Variables. ................................................................................................... 80
Menghasilkan kira tambah................................................................................................................ 86
BAB 11 : Analisis kebolehpercayaan ..................................................................................................... 90
2
BAB 12 : Memilih dan melaksanakan prosedur statistik ...................................................................... 93
Halaman
Mengunakan formula ....................................................................................................................... 87
Pengujian hipotesis ........................................................................................................................... 93
Ujian Signifikan.................................................................................................................................. 94
BAB 13 : Ujian non-parametric ............................................................................................................. 95
Ujian Chi-Square sample tidak bersandar ......................................................................................... 95
Contoh lain ujian Chi-Square ........................................................................................................ 97
Mann-Whitney U Test ....................................................................................................................... 99
Kruskal-Wallist Test ......................................................................................................................... 101
Ujian Korelasi non-parametric Spearman’s Rank Order ................................................................. 102
BAB 14 : Ujian untuk kenormalan ( Test OF normality ) ..................................................................... 105
Alternatif kernormalan taburan data.............................................................................................. 110
BAB 15 : ANALISIS KORELASI PEARSON .............................................................................................. 111
Tafsiran ringkas ............................................................................................................................... 111
Syarat pengujian korelasi pearson. ............................................................................................. 111
Menentukan pengiraan korelasi ................................................................................................. 112
Membandingkan perkaitan korelasi mengikut kumpulan. ............................................................. 115
BAB 16 : Ujian t (t-test) ....................................................................................................................... 117
Kaedah pengujian One-sample t-test.............................................................................................. 117
Pengujian sampel tidak bersandar (Independent-sample t-test) ................................................... 119
Paired-sample t-test........................................................................................................................ 122
BAB 17 : Analisis Varian (ANOVA) ....................................................................................................... 124
Andaian ........................................................................................................................................... 124
Prosedur Compare means .............................................................................................................. 124
Analisis varians satu-hala diantara kumpulan ................................................................................ 126
Ujian Explore ............................................................................................................................... 127
BAB 18 :Regresi Linear ( Linear Regression )....................................................................................... 132
Andaian ........................................................................................................................................... 132
Prosedur melaksanakan ujian regresi linear. .................................................................................. 132
Halaman
3
Contoh lain .................................................................................................................................. 135
BAB 1 : PENGENALAN KEPADA SPSS FOR WINDOW
Perisian SPSS versi 17.0 for windows adalah sebuah perisian yang di gunakan
untuk menganalisa data kualitatif dan kuantitatif, yang mana berupaya
melakukan kerja-kerja menganalisis dan mengurus sekumpulan data, malah
mesra pengguna serta berada di dalam persekitaran halaman grafik dengan
teknologi GUI ( Graphical User Interface)
Sekumpulan data-data dinyatakan seperti berikut :1. Data-data hasil dari satu kajian yang menggunakan borang soal selidik dan
juga perkhidmatan atas talian ( on-line survery )
2. Data-data yang di perolehi daripada Pangkalan Data seperti Informix,
MySQL, Oracle dan yang seumpamanya. Ianya mungkin maklumat
berkaitan dengan keputusan peperiksaan, maklumat staf dan lain-lainnya.
Dengan menggunakan perisian SPSS data-data tersebut boleh di analisa melalui
penghasilan jadual-jadual statistik seperti :



Jadual Frekuensi
Jadual dua hala (Crostabulation)
Deskriptif (Descriptives)
Charta dan sebagainya.
Halaman
4
SPSS mempunyai antaramuka dan arahan yang boleh di lakukan dengan hanya
menggerakan kursor ke bahagian menu dan ini akan menyebabkan dialog box di
buka. Mudahnya, hanya dengan mengisi tempat kosong dan pilih jenis analisa
statistik menerusi panduan yang diberikan . Kelebihan menggunakan GUI ialah
selagi maklumat yang di perlukan tidak lengkap, butang OK tidak akan boleh di
klik. Ini bermakna SPSS akan memastikan semua maklumat yang di perlukan
sudah di isi dengan sempurna.
SPSS versi 17.0 for windows adalah serasi sepenuhnya dengan persekitaran sistem
pengoperasian Window XP dan keatas. Spesifikasi keperluan perkakasan yang di
perlukan untuk memboleh SPSS beroperasi adalah seperti berikut :



Sistem pengoperasian Window XP dan Vista.
MemilikiRAM sekurang-kurangnya 1GB
Sekurang-kurangnya 120MB ruangan pada cakera keras.
Paparan resolusi sekurang-kurangnya 800 x 600 dengan 16 bit warna.
Jenis-jenis data yang serasi
SPSS boleh melakukan kerja menganalisis data hanya pada data yang dibina atau
di masukkan menggunakan SPSS data editor. Bagaimanapun, data yang di bina
menggunakan beberapa format lain atau menggunakan perisian lain seperti Excel
boleh juga dianalisis menggunakan SPSS for windows setelah melalui proses
tertentu.
Jenis-jenis fail data yang boleh diterima oleh SPSS adalah seperti berikut:





Fail data SPSS versi terdahulu yang dibina dengan menggunakan SPSS Data
Editor (format .sav)
Fail data yang dibina dengan menggunakan SPSS Syntax (format .SPS)
SpreadSheet:Excel
SpreadSheet:Lotus
Database:Dbase(*.dbf, *.mdf, MySQL dan sebagainya)
Fail data dalam bentuk ASCII
Kaedah Menganalisis Data
Beberapa kaedah boleh di gunakan untuk menganalisis data tetapi bukanlah
sebagai perkara yang perlu di patuhi, sebagai panduan langkah-langkah
berikutnya boleh di jadikan sebagai panduan di dalam melakukan proses
menganalisis kebanyakan data.
Peringkat Fail Data.

Anda akan menguruskan data-data, seperti menamakan pembolehubah,
melabelkan pembolehubah, menentukan sifat pembolehubah, mungkin juga
mengimport data-data daripada sumber fail yang lain atau mungkin
memasukkan data menggunakan SPSS data editor.

Anda akan berada di dalam mod SPSS Data Editor, dengan melakukan
beberapa siri ujian, seperti membuat pemeriksaan pada data bagi
memastikan sekurang-kurangnya tiada ralat, membuat tranformasi data,
memilih prosedur statistik yang sesuai seperti Frequencies, Crosstab,
Descriptive dan sebagainya.
Menghasilkan carta statistik dan sebagainya.
Halaman

5
Peringkat Melaksanakan Prosedur.

Menjalankan ujian statistik seperti Korelasi, Chi-square, Anova, t-test dan
sebagainya.
Peringkat mengeluarkan laporan.

Halaman
6

Melaksanakan prosedur pada peringkat kedua, akan menghasilkan laporan
seperti jadual frekuensi, graf dan sebagainya pada tetingkap yang dipanggil
output viewer.
Dari sini anda boleh melakukan kerja-kerja percetakan, penyuntingan
kandungan seperti minda jadual, carta dengan menggunakan kemudahan
pivot table. dan menyimpan fail laporan serta memindahkan hasil laporan
ke perisian lain seperti MSWord, Power point dan Excel.
Proses Penyediaan borang Soal Selidik
Jika anda sudah biasa di dalam proses penyediaan borang soal selidik anda boleh
tinggalkan atau skip sahaja bahagian ini.
Memahami kaedah menyediakan borang soal selidik perlu di buat dengan teliti dan
bersesuaian dengan tujuan kajian di jalankan. Pemilihan soalan serta format
jawapan perlulah sekata dan bermakna. Malah perlu di sesuaikan sifat data
dengan jenis ujian statistik yang bakal di gunakan nanti.
Selalunya soalan boleh di kelaskan kepada dua kumpulan iaitu soalan jenis
tertutup ( Close-ended question ) dan soalan terbuka (Open-ended question).
Soalan tertutup melibatkan siri pilihan jawapan yang anda sediakan. Responden
mungkin di minta menjawab samada dengan menanda, pangkah atau bulatkan
pada jawapan. Sebagai contoh pilihan jawapan adalah seperti Ya atau Tidak,
Lelaki atau Perempuan dan sebagainya.
Soalan tertutup atau bentuk pilihan jawapan adalah mudah untuk anda
memindahkan maklumat ke dalam SPSS data editor. Sebagai contoh jawapan Ya
mungkin boleh di berikan kod perwakilan 1, manakala jawapan Tidak mungkin
boleh dikodkan sebagai 2.
Kadangkala kita tidak boleh meneka kesemua kemungkinan jawapan yang akan
diberikan oleh responden. Sebab itulah kita memerlukan bentuk soalan yang
terbuka ( open-ended ). Sebagai contoh:Apakah faktor utama penyebab ketegangan di dalam kehidupan harian anda?
_____________________________________________________________________
Jawapan yang di beri adalah berbagai. Anda perlulah melihat pada keseluruhan
jawapan pada setiap borang soalselidik terlebih dahulu, dan kemudian anda boleh
membuat kod perwakilan yang mewakili mana-mana jawapan yang hampir sama
atau maksud yang sama.
Setiap faktor mungkin boleh anda kodkan perwakilannya seperti berikut, contoh:-
Halaman
7
Kerja = 1, Kewangan = 2, Perhubungan = 3 , rakan kerja = 4 dan sebagainya
Contoh-contoh soalan
Apabila anda mengemukakan soalan kepada responden, kadangkala anda perlu
memilih format jawapan yang sesuai apabila anda mahu melaksanakan analisa
statistik inferan, sesetengah analisa contoh seperti korelasi (corelation)
memerlukan skor yang bersambung atau skala selang/nisbah. Daripada nilai yang
terendah hinggalah kepada yang tertinggi. Sebagai contoh, umur responden,
mungkin anda boleh memberikan soalan berikut; Bulatkan mana-mana jawapan
yang berkaitan dengan umur anda.( kurang 30 tahun, 31 hingga 50 tahun, dan
lebih dari 50 tahun) data sebegini tidak sesuai untuk tujuan analisa korelasi. Jadi
pastikan anda bertanya umur sebenar responden, atau boleh di kategorikan juga
sebagai soalan terbuka.
Cuba besarkan julat jawapan responden sebaik yang mungkin, jangan hanya
memberi pilihan jawapan samada responden bersetuju atau tidak, gunakan skala
Likert-type. Misalnya jika ada mencari darjah kebolehpercayaan atau keyakinan
pada data, anda perlu ada jawapan lebih daripada 3 kategori bagi setiap soalan di
dalam kumpulan yang sama. Contoh:Adakah anda mengalami rasa sakit dan sengal pada tulang belakang?
1. Ya
2. Kadang-kadang
3. Tidak
Kesakitan pada bahu mungkin berpunca pada kedudukan postur yang salah
1.
2.
3.
4.
5.
Amat tidak bersetuju
Tidak bersetuju
Mungkin
Bersetuju
Amat bersetuju
Ada kalanya anda mungkin perlukan skil jawapan daripada 1 hingga 10, ia
bergantung kepada kesesuai data dan keperluan analisa, misalnya anda mahu
mengetahui tahap kepuasan bekerja responden.
Apa-apa pun format jawapan yang dipilih, anda hendaklah menerangkan dengan
jelas arahan jawapan, samada anda mahu responden menanda atau tik pada
kotak, bulatkan pada nombor atau tanda dengan mengaris. Anda boleh merujuk
kepada De-Vellis R (1991) yang mana ianya merupakan bahan perbincangan
tentang kelebihan dan kekurangan mengenai jawapan berskala.1
1
De Vellis, R. F.(1991). Scale development, Theory and applications, Newbury, Cal
Halaman
Terdapat banyak pendekatan di dalam penyediaan soal selidik, tiada satu
peraturan yang perlu dipatuhi. Walaubagaimana pun terdapat beberapa panduan
yang sering di gunapakai dan ianya dapat membantu penyelidik di dalam kaedah
penyediaan data dengan lebih mudah dan sempurna.
8
Menyediakan buku kod dan mereka bentuk borang soal selidik
Berikut merupakan beberapa kaedah yang boleh diikuti:
Soal selidik perlulah di buat dengan mengikut format yang standard.
Menyediakan koding manual.
Elakan daripada membuat soalan terlalu panjang dan sukar di fahami.
Perkataan dengan dua maksud yang berlainan.
Soalan yang merujuk kepada emosi.
Seboleh-bolehnya elakan daripada membuat open ended-question.
Halaman
9






Contoh soal selidik dan koding manual
No Siri :
1
2
3
4
Untuk
kegunaan
Pejabat
Bahagian A : Data sosio demographi responden
Sila bulatkan jawapan yang sesuai bagi soalan bernombor
1. Kawasan
1.
2.
3.
4.
5
Metropolitan – KL
Bandar – Petaling Jaya, Shah Alam
Separa Bandar – Klang, Meru, Kapar
Luar Bandar – Sabak Bernam, Sungai Besar,
Kuala Kubu
2. Jantina
6
1. Lelaki
2. Perempuan
3. Bangsa
1.
2.
3.
4.
7
Melayu
Cina
India
Lain:
nyatakan,…………………………………………..
4. Umur :…………………….
9
10
Halaman
10
5. Bilangan adik-beradik :………………………… orang
8
6. Agama
1.
2.
3.
4.
5.
6.
11
Islam
Kristian
Hindu
Buddha
Lain: nyatakan…………………………..
Tiada
12 13 14 15
Halaman
11
7. Pendapatan bulanan keluarga RM
:…………………………..
Contoh koding manual
Pembolahuba
h
Nama
Pembolehuba
h SPSS
Kawasan
A1
1= Metropolitan – KL
2 = Bandar – Petaling Jaya, Shah Alam
3 = Separa Bandar – Kelang, Meru, Kapar
4 = Luar Bandar – Sabak Bernam, Sungai
Besar
Jantina
A2
1 = Lelaki
2 = Perempuan
Bangsa
A3
1
2
3
4
=
=
=
=
Melayu
Cina
India
Lain-lain
Agama
A4
1
2
3
4
=
=
=
=
Islam
Kristian
Hindu
Buddha
Bulatkan nombor jawapan daripada 1 (Amat
tidak setuju) sehingga 5 (Amat setuju)
Halaman
12
Optimism
B1 – B7
item
Skala
S1 – S7
Arahan Koding
Statistik
Berikut merupakan ringkasan mengenai Statistik dan juga tangapan mengenai
perisian SPSS for windows, SPSS bekerja berdasarkan kepada angka dan
mempunyai ujian-ujian statistik daripada yang ringkas hinggalah kepada yang
lebih kompleks. Untuk memudahkan kefahaman mengenasi perisian SPSS, berikut
adalah penerangan ringkas mengenai Statistik yang perlu anda tahu dan pada
mereka yang memahami bidang statistik merupakan satu kelebihan kepada
mereka. Anda boleh merujuk kepada buku-buku statistik untuk mendapatan lebih
banyak maklumat mengenainya.
Secara ringkas statistik merujuk kepada fakta-fakta berangka, misalnya
perwakilan umur, berat, tinggi, pendapatan isi rumah dan sebagainya. Dalam erti
kata yang lain statistik merujuk kepada kaedah-kaedah pengumpulan data-data
dan seterusnya membuat analisis, mengulas data dan seterusnya membuat
keputusan.
Terdapat dua jenis kajian yang biasa di lakukan oleh penyelidik seperti analisa
kuatitatif dan analisa kualitatif.
Statistik Deskriptif
Istilah Statistik Perihalan atau Deskriptif merangkumi kaedah-kaedah untuk
mengurus, memapar dan menghuraikan serta menerangkan data dengan
menggunakan jadual kekerapan, jadual kekerapan dua hala, graf serta ukuran
ringkas.
Inferential Statistics
Halaman
13
Merangkumi kaedah-kaedah yang boleh di gunakan untuk membuat keputusan ,
ramalan dan jangkaan mengenai ciri-ciri populasi berdasarkan data yang di
perolehi daripada sampel.
Sebahagian Terma-terma statistik yang perlu anda tahu:
Mean
Mod
Median
Julat
Varians
Sisishan piawai (SD2)
Nilai purata bagi satu satu set data
Kekerapan data berulang berlaku paling banyak dalam
satu set data.
Nilai tengah bagi satu set data yang di susun dari nilai
terkecil kepada yang terbesar atau sebaliknya.
Perbezaan nilai terendah dengan nilai tertinggi dalam
satu set data.
Ukuran Mean bagi Sisihan Piawai (SD2)
Punca kuasa dua bagi Varian (Varians)
Skala pengukuran
Setiap data atau pembolehubah mempunyai sifat yang tersendiri, di dalam SPSS
pembolehubah perlu di kelaskan mengikut sifat masing-masing.
Berikut
merupakan penjelasan ciri-ciri data yang harus di patuhi sebelum sebarang usaha
untuk menganalisis data tersebut di lakukan. Menurut Stevens (1946), data
pengurukaran
di kategorikan kepada empat jenis iaitu nominal, ordinal,
selang(interval) dan nisbah(ratio). Di dalam SPSS hanya ada tiga jenis iaitu
nominal, ordinal dan skala ( Selang atau nisbah )


Halaman
14


Nominal:
Menggunakan simbol atau nombor sebagai kaedah untuk
melabel dan mengkategori sesuatu objek atau kod bagi perwakilan bagi
setiap pembolehubah. Contoh Jantina ( 1 = Lelaki; 2 = Perempuan ), Status
perkahwinan ( 1= Bujang, 2 = Berkahwin 3 = Duda/Janda) dan sebagainya
Ordinal : Di susun daripada nilai terkecil kepada nilai yang terbesar,
misalnya darjah atau tahap persetujuan responden mengenai satu
pernyataan seperti tahap kepuasan pelanggan yang di susun seperti 1=Amat
tidak berpuas hati, 2=Tidak berpuas hati, 3= Sederhana, 4=Berpuas hati,
5=Amat berpuas hati. Atau data yang perlu di susun secara ordinal. Tapi di
dalam hal ini anda tidak boleh membuat kesimpulan bahawan reponden
yang memberikan jawapan 4 (Berpuas hati) adalah 2 kali lebih bersetuju
dengan responden yang menjawap 2=Tidak berpuas hati)
Selang (interval) : Skala yang tidak mempunyai sifar mutlak.
Nisbah(ratio):
Sifar mutlak misalnya umur, pendapatan, jarak dan
sebagainya. Misalnya umur saya 40 tahun adalah dua kali ganda lebih tua
daripada ahmad 20 tahun.
BAB 2 : BERKENALAN DENGAN SPSS
Ada beberapa perkara yang perlu anda tahu sebelum memulakan aplikasi SPSS,
pertama operasi SPSS menggunakan beberapa jenis tetingkap yang berbeza atau
window, yang mana setiap tetingkap mempunyai tugas dan maksud yang
tersendiri, sebelum anda boleh membuka tetingkap ini, anda perlu terlebih
dahulu membuka atau membina fail data yang baru.
Antara Muka SPSS
Secara asasnya, SPSS mempunyai lima tetingkap yang utama iaitu:




Data Editor
Output Viewer
Tetingkap Syntax
Tetingkap Draf output dan
Tetingkap Script
Tetingkap Data Editor
Tetingkap data editor merupakan tetingkap yang digunakan untuk membina
sesuatu fail data yang baru atau membuka fail data yang sedia ada, fail data bagi
SPSS di simpan dalam format .sav
Rajah 2.0 : Skrin SPSS Data Editor (mod Variable View)
Halaman
 Data View
 Variable View
15
Data editor mempunyai dua jenis paparan tetingkap iaitu:-
Data View
Tempat di mana pengguna boleh memasukkan, memapar, menghapus dan
menyunting data-data penyelidikan.
Variable View
Merupakan tempat dimana pengguna akan menamakan, menetapkan spesifikasi
pembolehubah seperti nama pembolehubah, jenis, label, values label, mising
values, skala pengukuran (measure) dan sebagainya.
Tetingkap Draf output
Tetingkap ini akan terbuka secara automatik apabila anda melancarkan perisian
SPSS, tetingkap ini merupakan log yang merekod dan menyimpan segala aktiviti
yang anda lakukan, malah tempat di mana laporan seperti jadual kekerapan,
charta, laporan ujian statistik serta lainnya di simpan, dan fail ini mempunyai
sambungan .spv
Tetingkap Syntax editor
Halaman
16
Syntax editor merupakan tempat di mana anda boleh menyimpan berbagai jenis
syntax yang anda buat semasa melakukan proses menganalisa data. Selalunya
anda boleh melaksanakan arahan pada bar menu untuk melakukan proses
statistik deskriktif. Anda boleh menggunakan kemudahan ini untuk mengulangi
proses yang sama tanpa perlu menggunakan arahan daripada menu, anda hanya
perlu memanggil fail ini sahaja. Syntax di simpan dalam format .sps
Memulakan perisian SPSS versi 17.0
Memulakan Perisian SPSS for windows
Langkah-langkah:1. Klik pada butang Start, pilih all program dan klik pada IBM SPSS
Statistics 21
2. Tetingkap SPSS 21.0 for windows akan di buka pada skrin computer.
Halaman
17
3. Anda boleh memilih mana-mana option yang telah disediakan. Seperti
memilih Run the tutorial, Type in data atau Run exiting query atau memilih
untuk membuka fail yang sedia ada dan sebagainya. Jika anda tidak suka
melihat tetingkap ini, anda boleh menghilangkannya dengan menanda atau
tik pada kotak Don’t show this dialog in the future. Anda juga boleh
membuka fail jenis lain seperti fail ouput, syntax dan sebagainya dengan
cara klik pada pilihan Open another type of file.
4. Anda juga boleh menekan butang Cancel dan membuka fail dengan cara
menggunakan Menu Fail,
5. Skrin SPSS Data editor di buka.
6. Data Editor SPSS mempunyai dua jenis paparan skrin iaitu Data View dan
Variables View. Setiap skrin mempunyai fungsi yang tertentu dan saling
berkait antara satu sama lain.
7. Data View
Data view merupakan satu hamparan spreadsheet yang mana data-data
boleh di masukan terus ke dalam ruangan yang disediakan, atau untuk
memaparkan sejumlah data-data yang telah tersedia.
8. Variable View
Halaman
18
Skrin ini digunakan untuk anda membina dan menamakan pembolehubah
mengikut keperluan yang mana ianya berkait rapat dengan soalan didalam
set soalselidik ataupun satu set data didalam sesuatu kajian. Misalnya
seperti Jantina, Bangsa, Umur, Kelayakan responden dan sebagainya.
Senarai Menu .
6. Menu File
Menu ini digunakan untuk membuka, mencapai dan menyimpan fail data
SPSS serta kemudahan lain yang terdapat pada menu ini. Sebahagiannya di
nyatakan seperti berikut:
New - untuk membina fail baru

Open – Untuk membuka fail sedia ada daripada mana sumber seperti
dari cakera keras, CD serta pen drive dan sebagainya.

Open Database – di gunakan untuk membaca data daripada
Database, pengguna boleh memilih untuk melaksanakan beberapa
arahan query.

Read Text Data – digunakan untuk membaca data di dalam format
asc atau text.

Save – untuk menyimpan fail SPSS, output, script dan yang
seumpama.

Save As.. – Untuk menyimpan fail SPSS sedia ada dengan nama yang
baru.

Exit – Untuk keluar daripada aplikasi SPSS
7. Menu ini digunakan untuk melakukan operasi penyuntingan, seperti Copy,
Paste, paste variables, Undo , serta Redo dan lain-lainya seperti
melakukan kerja-kerja mengesan data seperti Find dan menukar penetapan
pada menu option
8. Menu View
Menu ini di gunakan untuk beberapa perkara seperti memapar atau
menyembunyikan status Bar, Menu Editor..., Customize variable view,
menetapkan option pada Toolbars, meminda Fonts... dan sebagainya.
Halaman
Menu ini digunakan untuk melakukan pertukaran global keatas fail data
seperti mendefinasikan sesuatu pembolehubah, menyusun kes, memilih
bahagian daripada keseluruhan kes, mengabungkan data, menambah,
menghapus pembolehubah dan sebagainya.
19
9. Menu data
10. Menu Transform
Digunakan untuk melakukan pertukaran non-global keatas sesuatu
pembolehubah atau set pembolehubah yang dipilih. Seperti Compute untuk
tujuan pengiraan, Recode, membina Time Series dan sebagainya. Hasil
daripada tindakan ini mungkin akan menghasilkan satu pembolehubah
yang baru.
11. Menu Analyze
Kemudahan menu ini adalah untuk memilih dan melaksanakan berbagaibagai jenis prosedur statistik yang di perlukan, seperti menghasilkan jadual
frequencies, crosstab, prosedur Descriptive Statistics, Correlation, Compare
Means, Regression dan lain-lain.
12. Menu Graphs…
Menu ini digunakan untuk menghasilkan berbagai-bagai jenis carta statistik
atau graf yang mempunyai resolusi tinggi seperti carta bar, carta pai,
scatterplot, histogram, boxplot dan sebagainya.
13. Menu Utilities
Menu ini digunakan untuk mengimbas maklumat mengenai pembolehubah
dalam fail data yang sedang aktif, Run Script.., Production Job.. dan
sebagainya.
14. Menu Windows
Menu ini digunakan untuk menukar (switching) paparan antara tetingkap
SPSS yang sedang di buka. Ia juga memaparkan senarai tetingkap yang
sedang di buka.
15. Menu Help
Halaman
20
Ini lah yang di katakan anda tidak bersendirian, SPSS sentiasa membantu,
anda boleh meminta bantuan jika ada sesuatu yang anda tidak faham.
Jenis bantuan yang boleh di capai adalah seperti Tutorial, Case study,
Statistics coach dan sebagainya. Semua ini boleh dicapai melalui dropdown menu. Hanya perlu klik, baca dan faham.
Menu pintas
Beberapa kemudahan menu pintas melalui ikon ada disediakan oleh SPSS
Di antara menu-menu tersebut adalah seperti Open File, Save File, Print, Dailog
Recall, Insert cases, Find dan sebagainya, anda boleh melihat fungsi setiap ikon
yang di sedia dengan menujukan kursor anda pada ikon-ikon yang di sediakan,
dan paparan pop-up window akan memberitahu kegunaan butang tersebut.
Misalnya ikon Dailog Recall berfungsi untuk anda memanggil semula manamana operasi atau arahan yang telah anda lakukan sebelumnya.
Perkara yang paling berharga.
Halaman
21
Perkara yang paling berharga di dalam urusan berkaitan dengan perangkaan
bukan lah anda, komputer, bukan juga perisian SPSS, bukan buku ini atau manamana buku-buku yang lain. Pemilikan yang paling berharga adalah data anda.
Pastinya anda boleh sentiasa membuat sesi temubual dan mendapatkan lebih
banyak data, tetapi anda tidak boleh untuk mendapatkan data yang sama.
Kehilangan data merupakan satu tragedi. Oleh pastikan data anda di simpan
dengan sempurna.
BAB 3 : PENGURUSAN DATA
Penyediaan fail data untuk proses menganalisa data melibatkan beberapa langkah,
ini termasuk membina dan memasukkan maklumat data hasil daripada
penyelidikan yang di jalankan. Selalunya anda perlu menyediakan buku koding
terlebih dahulu untuk memudahkan kerja-kerja memasukkan data.
SPSS merujuk kepada pembolehubah (Variables) dan kes (Cases). Pembolehubah di
tempatkan pada lajur manakala kes pula di tempatkan pada baris. Setiap satu
lajur di dalam SPSS mewakili satu set pembolehubah, manakala setiap satu baris
pula mewakili satu set kes/rekod atau seorang responden yang terlibat.
Apabila anda menamakan pembolehubah, secara tetap (default)
jenis
pembolehubah di tetapkan adalah jenis angka. Dalam erti kata yang lain semua
pemboleh yang baru adalah jenis angka. Anda boleh mengubahkannya kepada
jenis data yang anda mahu, misalnya kepada jenis String dengan menggunakan
kemudahan Define Variable.
Pengkelasan jenis data adalah seperti berikut: Numeric. Pengkelasan ini digunakan untuk pembolehubah yang mengambil
nilai angka bulat dan perpuluhan, lebar maksimum ialah 40 aksara dengan
kedudukan titik perpuluhan maksimum pada 16.
 String. Pengkelasan ini digunakan untuk pembolehubah yang mengambil
data yang berbentuk samada huruf, angka dan sebagainya, lebar
maksimum data yang boleh ditaip adalah 255 aksara.
 Date. Menyimpan data dalam bentuk tarikh.
 Currency. Menyimpan data dalam bentuk Currency iaitu dolar Amerika.
Menamakan pembolehubah
Untuk menamakan pembolehubah, anda perlu berada di dalam mod data editor,
untuk itu ada perlu klik pada tab variables View.





Nama pembolehubah hendaklah di dalam satu perkataan.
Nama pembolehubah mestilah bermula dengan abjad dan yang
selebihnya boleh jadi abjad, apa-apa nombor atau simbol @,#,_, atau
$.
Blank atau ‘special character’ tidak boleh digunakan.
Setiap pembolehubah mestilah unik dan tidak bertindih, duplikasi
pembolehubah adalah tidak di benarkan.
Nama pembolehubah tidak dipengaruhi oleh penggunaan huruf besar
atau huruf kecil (tiada case sensitive).
Nama-nama akronim atau reserve word bagi arahan-arahan yang
terdapat di dalam SPSS tidak boleh di gunakan seperti, ALL NE EQ
TO LE LT BY OR GT NOT GE WIDTH
Nama pemboleh ubah tidak boleh di akhiri dengan dot.
Halaman


22
Menamakan pembolehubah merupakan satu keperluan di dalam SPSS, berikut
adalah syarat-syarat menamakan pembolehubah:-
Untuk menamakan pembolehubah, klik pada baris pertama di bawah lajur Name
dan taipkan nama pembolehubah anda.
Type
Type bergantung kepada jenis data yang ingin anda tentukan, secara tetap SPSS
akan meletakannya dengan jenis Numeric. Tetapi anda boleh memindanya kepada
jenis lain dengan cara klik pada kotak yang berada di sebelah kanan medan type.
Dan seterusnya tetingkap Variable Type di buka, klik pada mana-mana pilihan
butang radio yang di sediakan. Dan klik OK apabila sudah selesai,
Column width
Ia adalah jumlah angka atau aksara yang boleh di isi bagi setiap
pembolehubah. Panjang sesuatu nilai pada pembolehubah itu boleh di
pinda, dengan menggunakan kemudahan Width dan Decimal pada skrin
variable view.
Halaman
Proses mendefinasi sesuatu pembolehubah bukan satu proses yang harus
di patuhi dan ianya boleh diabaikan, walau bagaimanapun pembolehubah
didefinasikan
untuk
menerangkan
atau
menghuraikan
takrifan
pembolehubah tadi misalnya pembolehubah S10 boleh di labelkan bagai
pendapatan bulanan responden, maklumat ini amat berguna semasa proses
penghasilkan laporan.
23
Variable Label
Value Label
Value Labels merupakan satu tempat dimana anda memberikan satu nilai
perwakilan atau kod pengecaman kepada pembolehubah, misalnya huruf L
mewakili jantina Lelaki dan huruf P mewakili jantina Perempuan. Secara
ringkasnya Value Label merupakan jawapan kepada soalan yang
disediakan dalam borang soal selidik dan di nyatakan dalam bentuk
keterangan khususnya dalam menerangkan sistem pengkodan data yang
digunakan oleh pengguna. Panjang maksima tidak melebihi 60 aksara,
Bersifat Case Sensitive dimana penggunaan huruf besar dan huruf kecil
akan memberikan jawapan yang berbeza.
Missing Values
Ada kala penyelidik akan mengasingkan(exclude) nilai atau value bagi
pembolehubah tertentu, misalnya data yang extreme atau tersisih jauh
daripada kumpulan yang lain atau istilah outlier. Dalam istilah lain nilai
yang di asingkan tidak akan di kira dalam analisa anda.
Column
Secara tetap lebar Column di tetapkan pada 8,
memaparkan lebar paparan pada skrin anda.
ruang
ini hanya
Align
Alignment pada column samada anda mahu menetapkan paparan data
samada kekiri, kekanan atau di tengah-tengah.
Measure
Ruang ini merujuk kepada paparan jenis ukuran pada data bagi setiap
pembolehubah. Secara tetap adalah jenis Skala, anda boleh meminda
kepada nominal atau ordinal.
Latihan untuk menamakan pembolehubah
Sebagai contoh berikut adalah salah satu soalan daripada boring soalselidik.
Halaman
24
1. Status perkahwinan anda
1. Bujang
2. Berkahwin
3. Berpisah
Langkah-langkah :
1. Daripada menu bar klik pada menu New→Data
2. Pastikan anda berada di dalam mod SPSS Data Editor.
3. Untuk menamakan pembolehubah baru, klik pada Tab Variable view
4. Tuju dan klik pada sel pertama dibawah lajur Name
5. Namakan pembolehubah dengan nama yang sesuai serta mematuhi
peraturan yang telah diterangkan pada topik sebelum.
6. Di bawah lajur Name taipkan perkataan A1 sebagai pembolehubah bagi
Status perkahwinan, atau membuat singkatan daripada perkataan Status
perkahwinan seperti stkahwin.
7. Tuju dan klik pada sel pertama dibawah lajur Type. Dan klik pada kotak
bertitik yang berada di hujung sel Type.
Halaman
8. Secara defaut sistem akan menanda atau memilih pada pilihan Numeric
pada tetingkap Variable Type. Klik pada pilihan String dan secara default
panjang aksara adalah 8. Tukar nilai tersebut kepada 4 pada ruangan
tersebut.
9. Tekan butang tab atau klik pada sel pertama dibawah lajur bertajuk Label
dan taipkan perkataan Status Perkahwinan
25
Tetingkap Variable Type dibuka.
10. Seterusnya tuju dan klik pada sel pertama dibawah lajur bertajuk Value
dan popup windows seperti berikut akan dibuka.
Halaman
13. Jika anda ingin membuat pembetulan pada klik pada mana-mana value
label, dan butang Remove akan aktif, jika anda mahu menghapuskan value
label ini klik sahaja pada butang Remove. Jika anda mahu memindah atau
membuat pembetulan, hanya taipkan pada mana medan dan butang
Change akan aktif. Klik pada butang Change apabila anda selesai membuat
pembetulan.
14. Seterusnya tuju dan klik pada sel pertama dibawah lajur Missing untuk
menentukan missing values bagi pembolehubah A1 (Status perkahwinan).
Untuk latihan ini klik pada No missing values. Dalam analisis statistik bagi
sesuatu dataset, ada kalanya perlu untuk kita mengecualikan kes-kes di
mana maklumatnya yang tidak relaven atau tidak sesuai. Misalnya
responden yang gagal memberikan jawapan, atau beberapa soalan yang
tidak relaven kepada responden. ( SPSS menganggap blank atau space pada
data adalah missing value.)
26
11. Masukan nilai 1 pada medan Value, dan taipkan perkataan Bujang pada
medan Label, dan klik pada butang Add. Seterusnya masukan nilai 2 pada
medan value dan taipkan perkataan Berkahwin dan klik pada butang Add.
Dan masukan value terakhir iaitu 3 mewakili status Berpisah
12. Apabila sudah selesai klik pada butang OK.
15. Seterusnya klik pada lajur Column. Dibawah lajur ini anda boleh
mengubahsuai saiz kelebaran bagi sesuatu lajur pembolehubah. Ianya
hanya untuk paparan sahaja.
16. Untuk mengubahsuai penjajaran(alignment) pada sel, klik pada baris di
bawah lajur Align.
17. Setiap pembolehubah yang di bina boleh ditetapkan skalanya menerusi
kemudahan Measures, singkatan
skala pengukuran ( Measurement
Scale). Di antara jenis skala yang di sediakan ialah Scale , Ordinal dan
Nominal.
18. Untuk pembolehubah ini anda perlu menetapkannya sebagau Nominal.
Ulangi langkah di atas untuk pembolehubah seterusnya sehingga lah selesai,
menamakan pembolehubah perlu mengikut turutan pada borang soalselidik secara
tersusun.
Halaman
27
Contoh paparan variable view yang telah ada nama pembolehubah
Memasukkan Data
Apabila anda sudah selesai mendefinasikan semua pembolehubah, langkah
seterusnya ialah memasukkan data, anda boleh memasukan data secara terus
dengan menggunakan data editor atau pun mengimport data daripada sumber
lain. Untuk memasukkan data klik pada Tab Data view
Menyunting fail data
Selesai sahaja anda memasukkan data, anda mungkin perlu membuat pertukaran
atau perubahan, seperti menambah, menghapus dan sebagainya.
Untuk menghapuskan kes
Halaman
28
Gerakan kursor pada kes atau baris yang hendak anda hapuskan, klik sekali
untuk
mengaktifkan
baris
tersebut.
Tekan
butang
Delete
untuk
menghapuskannya, atau klik sekali butang kanan tetikus untuk mengaktifkan
pop-up menu dan pilih menu Clear.
Untuk menghapuskan pembolehubah
Gerakan kursor pada lajur yang mengandungi pembolehubah, klik sekali untuk
membuat pilihan, Tekan butang Delete untuk menghapuskannya, atau klik sekali
butang kanan untuk mengaktifkan pop-up menu dan pilih Clear.
Untuk menambah pembolehubah diantara pembolehubah yang sedia ada
Halaman
29
Letakan cursor pada sel di dalam lajur atau pembolehubah pada sebelah kanan
dimana anda mahu meletakkan pembolehubah yang baru. Klik pada menu Edit
dan pilih Insert Variable. Satu lajur kosong dengan nama pembolehubah tetap
(contoh VAR00001) akan di sediakan untuk anda memasukkan pembolehubah
yang baru. Seterusnya tukar nama pembolehubah kepada yang nama yang sesuai.
Menyimpan Fail SPSS
Untuk menyimpan fail SPSS:1. Di menu bar klik menu File.
2. Pilih Save.
3. Masukkan nama fail data yang sesuai pada medan File name .
4. Seterusnya klik butang Save.
Kemudahan Copy and Paste
Halaman
30
Sekiranya, pembolehubah yang lain akan mempunyai spesifikasi nilai dan value
label yang sama, atau missing value yang sama, pengguna boleh menggunakan
arahan copy and paste untuk menyalin spesifikasi tersebut.
Sebagai contoh, sebahagian daripada soalan yang di tanya mengenai Hari
Merdeka.
Bagaimanana anda mendapat maklumat mengenai hari merdeka (bulatkan
jawapan anda).
B1A.
B1B.
B1C.
B1D.
Melalui
Melalui
Melalui
Melalui
Internet
Media TV
Media Radio
Surat Khabar
Ya
Ya
Ya
Ya
Tidak
Tidak
Tidak
Tidak
Jawapan bagi kesemua subsoalan adalah sama iaitu Ya dan Tidak.
Langkah-langkah :
1. Klik pada sel berikutnya dan masukan maklumat seperti berikut untuk
pembolehubah berikut :
a. Name = B1A
b. Type = Numeric
c. Width = 2
d. Decimal = 0
e. Label = Maklumat hari merdeka melalui Internet
f. Value =1, Value label = Ya
g. Value=2, Value label = Tidak
h. Missing value = none
i. Dan biarkan default yang selebihnya.
2. Kalau diperhatikan kesemua jawapan bagi soalan B1A hingga kepada B1D
adalah sama.
3. Untuk membuat arahan copy dan paste, tuju dan klik pada sel yang
hendak di salin, dalam kes ini klik pada sel soalan B1A
4. Seterusnya klik pada menu Edit di menu bar, dan pilih submenu Copy
Halaman
31
1. Klik pada sel seterusnya dan klik kanan butang tetikus dan pilih paste.
Secara asal sistem akan menyalin segala maklumat yang terdapat pada
soalan B1A, Cuma yang membezakannya ialah sistem akan menamakan
pembolehubah dengan nama VAR0001 dan nama pembolehubah ini akan
bertambah 1 (VAR0002) mengikut jumlah sel yang anda tampal (paste).
Halaman
32
2. Untuk mengubah nama pembolehubah ini, klik pada sel pemboleh tersebut
dan namakan sebagai B1B, kemudian klik pada label untuk meminda label
pembolehubah mengikut kesesuaian.
3. Gunakan kaedah yang sama untuk soalan B1C sehingga B1D.
4. Seterusnya simpan fail kerja ini, untuk menyimpan fail kerja, klik pada
menu File dan Save
BAB 4 : MENGIMPORT DATA
Selain daripada memasukkan data secara terus menerusi SPSS data editor, SPSS
juga membenarkan anda mengimport data-data daripada sumber lain seperti dari
fail Excel, Dbase, fail teks, Informix, Paradox files, Access dan sebagainya.
Mengimport fail daripada Database.
Kemudahan mengimport data dibuat melalui kemudahan ODBC Data Source
Administrator. Selalunya kaedah ini hanya boleh di gunakan pada data-data yang
di simpan di dalam database. Kaedah query di gunakan untuk mengimport datadata, samada anda mahu mengambil keseluruhan data ataupun sebahagian,
malah anda juga boleh memilih mana-mana medan yang di kehendaki. Untuk
mengimport data daripada database, klik pada menu File → Open Database
→Query Data. Seterusnya SPSS membantu anda di dalam mengimport data
dengan adanya kemudahan Wizard. Hanya anda perlu mengikut arahan dalam
langkah mengimport data. Anda juga boleh menyimpan dan menyunting fail query
ini untuk kegunaan masa hadapan.
Fail data format Excel
SPSS For windows boleh membaca fail data Excel secara langsung, tanpa perlu
melalui proses mengimportnya. Berikut merupakan panduan untuk memasukan
data menerusi perisian Microsoft Excel dengan mengikut syarat yang di tetapkan
oleh SPSS di dalam kaedah menamakan pembolehubah.
Mulakan dengan meletakan nama pembolehubah pada baris pertama, menamakan
pembolehubah hendaklah mengikut syarat dan prosedur yang telah di tetapkan
dan nama pembolehubah hendaklah tidak melebihi 16 aksara dan format data
samada dalam bentuk angka atau string
Halaman
Rajah 4.0 : Contoh data yang dimasukan menggunakan perisian Microsoft Excel
Untuk membuka fail data yang dihasilkan menggunakan perisian Microsoft Excel
ialah dengan memilih arahan File→Open→Data dan pilih jenis fail yang
mempunyai format Excel.
33
Seterusnya masukkan data pada baris kedua yang mewakili satu responden atau
satu set soalselidik dan baris berikutnya untuk responden yang seterusnya.
Selepas fail data format Excel tersebut dibawa masuk pada Data Editor, ianya
hendaklah disimpan dalam bentuk fail data SPSS yang baru melalui arahan
File→Save.
Berikut merupakan tatacara mengimport fail data format Excel.
Langkah-langkah :
1. Klik pada menu File→ Open→ Data di bar menu.
2. Tetingkap Open File dibuka, pada medan File of type, tukar pilihan kepada
Excel(*.xls,*slsx,*xlsm)
Halaman
5. Jika fail data yang dibaca mengandungi senarai nama pembolehubah yang
berkaitan pada baris pertama, maka arahan Read variable names from the
first row of data perlu di akftifkan (tik). Sebaliknya jika tidak mempunyai
nama pembolehubah pada baris pertama, maka arahan ini tidak perlu di
aktifkan.
6. Pada ruang Worksheet pula menunjukan range data yang terdapat di
dalam fail MsExcel, biarkan secara default, atau anda boleh memilih
mengikut julat tertentu. Klik butang Continue.
7. Bila sudah selesai klik butang OK
8. Jika fail Excel ini mengandungi header, pembolehubah data akan dibina
secara automatik mengikut nama header pada data fail Excel.
9. Klik pada folder variable view. Anda akan melihat senarai pembolehubah
yang berkaitan. Setiap pembolehubah tersebut tidak mengandungi label,
34
3. Klik pada fail data excel, dan klik butang Open.
4. Seterusnya tetingkap Opening Excel Data Souce akan di buka
Value Label dan Missing values yang bersesuaian. Anda bolehlah
memasukkan nilai-nilai tersebut menerusi skrin Variable View ini. Ianya
hampir sama kepada proses menamakan pembolehubah.
Halaman
35
10. Seterusnya anda perlu menyimpan fail ini di dalam format SPSS.
Membaca fail format Teks
Fail data dalam bentuk format Teks, selalunya di hasilkan melalui Text Editor
atau notepad yang biasanya terdapat dalam mana-mana sistem pengoperasian
seperti windows dan sebagainya. Sebagai contoh berikut merupakan fail data
dalam bentuk teks.
“Rahim” 1 46 3.00 9
“Elyani” 1 28 2.4 7
“Pat” 2 29 2.4 6
Langkah-langkah:
1. Di menu bar pilih File→Read Text Data
2. Tetingkap Open File di buka, pilih fail sampelA.txt dan klik butang Open
3. Tetingkap Text Import Wizard Step 1 of 6 atau welcome screen dibuka
Halaman
36
1. Semak pada ruang Text file, yang memaparkan barisan data-data daripada
fail sampleA.txt
2. Klik Butang Next, pilih jenis format data anda samada dalam bentuk
Delimited atau Fixed width. Dan nyatakan juga samada baris pertama data
adalah nama pembolehubah, ini boleh dilakukan dengan memilih pada
bahagian Are Variable names included at the top of your file?
Halaman
37
3. Seterusnya klik butang Next
4. Seterusnya paparan wizard step 3 of 6, wizard ni membolehkan anda
memilih jumlah data yang hendak di import, samada semuanya atau
sebahagian
5. Seterusnya klik butang Next, dan tetapkan delimiter yang digunakan,
samada Tab, Space, Comma, Semicolon dan sebagainya. Dan tentukan juga
text qualifier.
6. Seterusnya klik pada butang Next , dan anda akan melangkah ke pada
Step 5 of 6, wizard ini membenarkan anda untuk menamakan
pembolehubah, secara tetap SPSS akan menamakan pembolehubah sebagai
V1, V2 ... Vxx. Anda boleh meminda nama pembolehubah, dan juga format
data.
8. Seterusnya klik butang Finish.
Halaman
38
7. Klik butang Next, pada akhir wizard anda boleh menyimpan format fail ini
untuk kegunaan masa depan, atau anda boleh menyimpan arahan ini pada
syntax.
BAB 5 : MENGESAN RALAT DAN MEMBERSIHKAN DATA
Apabila
kerja memasukan data sudah sempurna, anda sudah bersedia untuk
membuat kerja-kerja penganalisisan seperti mengeluarkan laporan dalam bentuk
jadual sehala, jadual dua hala, carta dan sebagainya , tetapi sebelum itu, adalah
penting bagi anda untuk membuat proses mengesan dan membersihkan data
daripada sebarang ralat atau boleh dikatakan sebagai proses ‘pre-analisis’.
Kesilapan semasa melakukan proses memasukan data adalah perkara biasa,
mungkin memasukan nilai 35 yang anda maksudkan adalah 3 akan memberi
kesan kepada pengiraan korelasi.
 Langkah 1 : Menyemak ralat, pertamanya anda perlu menyemak setiap nilai
di dalam setiap pembolehubah, supaya tidak ada data yang terkeluar
daripada julat. ( out of range )
 Langkah 2 : Mencari data yang ralat pada fail data., keduanya anda perlu
mencari di mana data yang silap berada. ( di mana kes yang telibat ).
 Langkah 3 : Membetulkan data-data yang di ketahui salah dengan merujuk
kepada borang soal selidik.
Menyemak ralat merupakan satu keperluan yang harus anda lakukan sebelum
proses menganaisis di lakukan, terdapat beberapa kaedah menyemak ralat dan
bergantung kepada penyelidik itu sendiri, Proses menyemak ralat perlu melihat
kepada jenis data yang anda ada, samada data dalam bentuk kategori atau jenis
bersambung.
Menyemak ralat untuk data jenis kategori (diskret)
Untuk menyemak ralat pada data jenis kategori, anda boleh menggunakan
prosedur Frequencies.
Berikut merupakan langkah untuk menyemak ralat
pada data jenis kategori.
Halaman
39
1. Di menu bar klik Analyze→Descriptive Statistics→Frequencies.
2. Pilih pembolehubah daripada kotak senarai dan pindahkan ke kotak
Variable(s), anda boleh memilih seberapa banyak pembolehubah yang anda
mahu.
Halaman
5. Apa yang anda perlu lakukan ialah :
 Semak nilai minima dan maksima atau julat value label
 Semak jumlah kes dan kes yang missing (missing case)
 Pada jadual kekerapan s3-status perkahwinan nilai 5 dan 6 adalah
nilai yang terkeluar daripada julat. Dan nilai 7 pada jadual kekerapan
s4-Kelayakan tertinggi.
6. Kalau anda perhatikan pada kedua jadual sehala di atas, ralat pada angka 5
dan 6 untuk jadual pertama dan 7 merupakan ralat pada jadual kedua. Ini
mungkin berlaku di sebabkan kesilapan semasa memasukkan data.
7. Untuk membetulkan kesilapan tersebut anda boleh mencari ralat pada
dengan dengan menggunakan arahan Find.
40
3. Seterusnya klik butang OK.
4. Laporan berikut akan terhasil pada tetingkap Output.
Menyemak ralat untuk pembolehubah jenis bersambung (Continues variables)
dengan menggunakan arahan Descriptive
1. Di menu bar klik Analyze→Descriptive Statistics→ Descriptive..
2. Pilih pembolehubah daripada kotak senarai dan pindahkan ke kotak
Variable(s), anda boleh memilih seberapa banyak pembolehubah yang anda
mahu.
Halaman
4. Seterusnya klik pada butang Continue dan klik OK.
41
3. Klik pada butang Options. Anda boleh memilih ‘range of statistik’, seperti
mean, standard deviation, Minimum dan Maksimum.
5. Jadual Descriptive Statistics akan terhasil pada tetingkap Output. Data
jenis pembolehubah bersambung tidak menunjukan sebarang ralat, Cuma
anda perlu perhatikan nilai Minimum dan nilai Maksima, serta melihat julat
(range) kedua nilai ini samada ianya munasabah atau tidak. Nilai Mean juga
boleh membantu anda melihat taburan data ini.
Mencari data yang ralat pada fail data.
Prosedur untuk mengenalpasti kes data yang ralat (error)
1. Tukar paparan kepada tetingkap Data Editor dengan klik pada Tab Data
View.
2. Klik pada lajur di bawah pembolehubah yang hendak di cari ralat data
tersebut.
Halaman
5. Klik pada butang Find Next. SPSS akan mengesan nilai yang anda minta
dan akan berhenti pada nilai pertama yang dijumpai.
6. Anda boleh merujuk kepada borang soalselidik berdasarkan kepada nombor
siri atau ID bagi soalselidik ( selalunya setiap borang soalselidik akan di
tanda dengan nombor siri ) untuk melihat jawapan yang sebenarnya dan
seterusnya membetulkan kesilapan pada data tadi.
42
3. Klik pada Edit daripada bar menu, kemudian klik pada menu Find.
4. Pada kekotak Find masukan nilai yang anda hendak cari atau yang salah
(Contoh nilai 7).
7. Seterusnya klik butang Search sekali lagi untuk mengesan data seterusnya
sehingga sistem menghantar isyarat bahawa tiada ada data lagi untuk di
kesan ralatnya.
Menyimpan Syntax
Anda boleh menyimpan setiap arahan operasi SPSS dengan menggunakan
kemudahan tetingkap syntax. Untuk menyimpan maklumat (syntax) ini ada hanya
perlu menekan butang Paste bagi setiap operasi yang anda lakukan. Kemudahan
ini hanya tertakluk kepada operasi tertentu sahaja, iaitu bermula selepas proses
menganalisis data, transformasi data dan lain-lainnya.
Syntax amat berguna sekali apabila anda mahu mengulangi proses menganalisis
semula data, misalnya dalam kajian rintis anda telah membuat analisa awal
dengan menjalankan beberapa prosedur statistik, anda telah menyimpan setiap
kali anda menjalan prosedur statistik ini. Apabila anda sudah mendapat data
sebenar anda perlu mengulangi prosedur yang telah anda lakukan pada ujian
rintis, dengan adanya kemudahan syntax anda hanya perlu memanggil fail
tersebut dan membuat larian pada syntax tersebut untuk menghasilkan laporan
dengan sekali tekan sahaja. Jika tidak anda mungkin terpaksa mengulangi setiap
langkah satu demi satu dan kemungkinan ianya berpuluh-puluh prosedur yang
terpaksa anda ingat dan lakukan semula.
Prosedur untuk menyimpan syntax
Halaman
2. Apabila anda sudah memilih beberapa pemboleubah dan prosedur yang
sesuai, klik butang Paste untuk menyimpan syntax di atas.
3. Hasilnya satu tetingkap syntax akan di buka dan maklumat arahan akan di
paparkan pada skrin seperti berikut.
43
1. Contohnya anda sedang melakukan proses membuat jadual frequencies
4. Syntax yang baru akan di tambah di bawah baris berikutnya, jika anda
menekan butang Paste untuk prosedur seterusnya.
5. Klik File→Save untuk menyimpan syntax ini, dan sambungan kepada fail
ini adalah .sps
6. Untuk membuka fail syntax ini, anda perlulah terlebih dahulu membuka
fail data yang berkaitan dengan syntax ini. Untuk membuka fail syntax, klik
pada menu File →Open→ Syntax.
Melaksanakan prosedur statistik yang telah anda simpan di dalam fail syntax
1. Buka fail syntax yang ada kaitan dengan fail data.
2. Tetingkap fail syntax di buka.
Halaman
44
7. Anda boleh memilih mana prosedur statistik menerusi bahagian kiri fail
syntax yang mana akan tertera kumpulan arahan prosedur yang telah anda
simpan seperti Frequencies, Descriptive dan Crosstabs.
8. Jika anda mahu melaksanakan keseluruhan prosedur statistik, klik pada
menu Run dan pilih ALL
Halaman
45
9. Jika anda hanya mahu memilih prosedur tertentu, pilih mana-mana
prosedur yang di perlukan dengan cara klik pada mana-mana prosedur
yang tertera di sebelah kiri Syntax.
10. Dan seterusnya klik pada menu Run dan pilih Selection.
Tetingkap draf output
Tetingkap draf output akan dibuka bersama-sama dengan fail data, SPSS versi
terdahulu hanya membuka fail output apabila anda melaksanakan prosedur
statitisk.
Tetingkap laporan output ini merupakan tempat merekod semua aktiviti yang anda
jalankan, seperti membuka fail data, melaksanakan prosedur statistik dan
sebagainya. Ianya juga boleh di umpamakan sebagai fail log.
.
Halaman
46
Ada boleh melaraskan paparan bagi kedua panel ini dengan klik pada pembahagi
di antara dua panel ini dan menggerakan kursor sama ada ke kiri atau ke kanan.
Anda juga boleh menutup laporan jadual tertentu dengan cara klik pada tanda –
di bahagian panel Outline untuk setiap laporan yang bertanda. Dan sebaliknya
tanda + untuk membukanya semula.
Menyimpan fail Output
Untuk menyimpan fail Output :Pastikan tetingkap Output di buka atau dalam mod pilihan.
Daripada menu bar pilih File →Save.
Tetingkap Save output as.. akan di buka.
Masukkan nama yang sesuai pada medan File name dan kemudian tekan
butang OK
5. Fail laporan ini mempunyai sambungan .spv
6. Untuk membuka fail Output klik pada menu File→Open→Output
Halaman
47
1.
2.
3.
4.
BAB 6 : MENGHASILKAN LAPORAN DAN CARTA STATISTIK
Berbagai jenis dan bentuk taburan data boleh di hasilkan melalui perisian SPSS,
antaranya ialah jadual frequencies, Descriptives, Crosstabs, carta dan
sebagainya. Anda boleh mulakan dengan Statistic Deskriptif.
Statistik Deskriptif ( Descriptive statistics )
Mengandaikan bahawa tiada sebarang ralat pada fail data atau sekurangkurangnya tiada nilai yang terkeluar daripada julat (out-of-range) pada mana-mana
pembolehubah. Anda boleh memulakannya dengan statistik deskriptif untuk
menganalisa data. Ada beberapa kegunaan statistik deskriptif, iaitu:
1. Untuk menerangkan demografi sampel data . Ini selalunya di nyatakan di
dalam laporan bahagian kaedah pengumpulan data. Contoh seperti jumlah
responden, pendapatan, jantina, bangsa dan sebagainya. Anda boleh
menggunakan arahan Frequency dan juga Crosstabs.
2. Untuk menyemak pembolehubah yang boleh melanggar andaian di bawah
teknik ujian statistik parametik , seperti kenormalan taburan data yang di
perlukan di dalam melaksanakan analisis seperti ANOVA , Korelasi dan
sebagainya. Ujian seperti Test for normality, penghasilan jadual histogram
dengan paparan Normal curve. dan
3. Untuk di tujukan kepada soalan-soalan khas sahaja.
Untuk data atau pembolehubah jenis Kategori, anda boleh mulakan dengan
menggunakan prosedur Frequencies dan juga Crosstabs.
Melaksanakan prosedur Frequencies.
Arahan frequencies digunakan untuk mengira jumlah respon atau nilai dalam
bentuk jadual frequensi satu hala atau untuk satu pembolehubah. Ianya juga
digunakan untuk menghasilkan statistik descriptive seperti mean, median, mode
dan variance. Dengan menggunakan arahan ini juga, anda dapat menghasilkan
graf statistik seperti histogram dan juga carta bar.
Langkah-langkah :-
Halaman
48
1. Klik pada menu Analyze → Descriptive Statistics → Frequencies….
2. Pilih mana-mana pembolehubah jenis kategori dan masukkan pada kekotak
pilihan pembolehubah (Variable(s)).
Halaman
5. Klik pada butang Statistics. Butang ini mengawal paparan statistik, secara
asalnya tiada paparan statistik, di bawah kotak Percentiles anda boleh
memilih perkara-perkara berikut bergantung kepada keperluan :
a. Quartiles : Memaparkan 25th, 50th, dan 75th percentiles
49
3. Jika anda mahu menghasilkan laporan tambahan seperti Mean, Median,
Mode dan sebagainya klik pada butang Statistcs…..
4. Klik pada mana kotak pilihan laporan statistik yang di perlukan. Dan klik
pada butang Continue.
b. Cut point for N equal group : Memaparkan nilai peratusan yang di
bahagian sama rata mengikut saiz kumpulan, nilai 10 adalah nilai
tetap. Anda boleh memasukkan angka positif antara 2 – 100.
c. Percentiles : Anda boleh memasukkan nilai antara 2 – 100
d. Di bawah Seksyen Dispersion anda boleh memasukkan perkara
berikut:
i. Standard Deviation
ii. Variance
iii. Range
iv. Minimum
v. Maximum
vi. S.E. Mean ( Standard error of the mean)
5. Jika anda mahu menyusun laporan mengikut susunan tertentu klik pada
butang Format.
Menterjemahkan laporan daripada jadual frequencies.
Halaman
50
Pecahan kepada maklumat Status Perkahwinan responden adalah seperti berikut,
54 (19.9%) responden berstatus
bujang, 188 (69.4%) responden bersatus
berkahwin, 21 (7.7% ) responden mempunyai status berpisah dan 8 (3.0%)
responden adalah berstatus Janda/Duda.
Untuk data atau pembolehubah jenis bersambung(Continoues variables), anda
boleh mulakan dengan menggunakan prosedur Descriptive Statistics.
Menggunakan prosedur Descriptive Statitics.
Prosedur ini di gunakan pada pembolehubah jenis bersambung (continues
variables) seperti Umur, adalah mudah menggunakan prosedur Descriptives,
termasuk
ringkasan statistik seperti Mean, Median, Mode dan Standard
Deviation.
Descriptive statistics juga menyediakan maklumat tentang taburan skor pada
pembolehubah bersambung (skewness dan kurtosis). Maklumat ini mungkin di
perlukan jika pembolehubah tersebut digunakan untuk pengujian teknik statistik
parametrik (parametric statistics) seperti t-test, analysis of variance. Nilai
skewness menunjukan bentuk atau simentri (symmetry) taburan data. Kurtosis
pula menyatakan ‘kepadatan’(peakedness) kelompok data. Jika nilai adalah 0
menunjukan data adalah dalam keadaan kesempurnaan normal. Misalnya jika
nilai skewness positif, kelompok data adalah kekiri pada nilai rendah, nilai negatif
pula menunjukkan data adalah kekanan graf pada nilai tertinggi (high end). Nilai
positif kurtosis menunjukan kepadatan taburan data ( kelompok data di tengahtengah). Sebaliknya nilai di bawah paras 0 menunjukan taburan data menjurus
kepada bentuk mendatar (banyak kes di dalam keadaan ekstrem).
Langkah-langkah untuk melaksanakan prosedur Descriptive Statistics
Halaman
4. Klik pada butang Option. Klik pada mean, standard deviation, minimum,
maksimum, skewness, dan juga kurtosis.
5. Klik Continues, dan kemudian OK.
51
1. Untuk latihan ini anda boleh menggunakan fail data kes_tidur.sav
2. Daripada bar menu klik pada : Analyze→Descriptive Statistics→
Descriptives.
3. Klik pada pembolehubah pilihan contoh s2(umur) dan klik pada kotak anak
panah kekanan untuk memindahkan pembolehubah pilihan kedalam kotak
Variable(s)
6. Laporan berikut akan terhasil daripada arahan prosedur Descriptive
Membaca laporan daripada Statistik Deskriptif
Jadual di atas memberikan gambaran umur responden, maklumat daripada 248
responden (N), menunjukan umur minima responden adalah 18 tahun dan umur
maksima adalah 84 tahun, dengan purata umur (Mean) adalah 43.87 dengan
sisihan piawai (Std. Deviation) pada 12.684.
Tambahan
Bolehkah anda gambarkan bentuk taburan data ini dengan melihat
diberikan pada Skewness dan Kurtosis
nilai yang
Prosedur Crosstabs
Halaman
52
Arahan crosstabs membolehkan anda menghasilkan satu bentuk laporan antara
dua pembolehubah dalam bentuk jadual frekuensi dua hala (two-way) dan
pelbagai hala (multi-way). Jadual yang terhasil dinamakan jadual dua hala
(Crosstabs). Dengan menggunakan prosedur ini Statistik non-parametik seperti
Pearson Chi-Square dan Gamma juga boleh di hasilkan.
Langkah-langah untuk melaksanakan Prosedur Crosstabs
1. Daripada
bar
menu
klik
pada
:
Analyze→Descriptive
Statistics→Crosstabs
2. Klik pada pembolehubah S1-Jantina dan bawa kekotak bertanda Row(s),
dan seterusnya klik pada pembolehubah s17(Menghadapi masalah tidur)
dan bawah kekotak Column(s)
Melihat kepada jadual kekerapan (Crosstabs) mungkin menyebabkan salah faham,
kerana jumlah sampel tidak sama bagi lelaki dan perempuan oleh itu
Halaman
Menterjemahkan laporan daripada Crosstabs.
53
3. Seterusnya klik pada butang cell. dan pada bahagian percentages klik
pada Total. Ini bermakna tambahan maklumat di keluarkan bersama
peratusan bagi setiap sel. Anda juga boleh memaparkan peratusan
mengikut Column mahu pun Row
4. Jika anda mahu melaksanakan prosedur ujian statistic Chi-Square, klik
pada butang Statistics……
membandingkan peratusan adalah lebih baik. Untuk mendapatkan peratus bagi
pembolehubah S1 dengan pembolehubah S17 anda perlu melihat ringkasan
maklumat yang di berikan pada jadual Crosstabulation. Untuk mendapatkan
maklumat berapa peratuskah kaum lelaki yang menghadapi masalah untuk tidur
lihat pada baris pertama merujuk kepada value Lelaki. Lihat pada value % of
total di bawah lajur Ya.
Kesimpulan :Daripada pemerhatian pada sampel yang di perolehi 43 (15.9%) responden lelaki
menghadapi masalah untuk tidur, berbanding dengan responden wanita iaitu
sebanyak 65 (24.0%).
Sebanyak 78 (28.8%) responden lelaki dan 85 (31.4%) responden wanita tidak
menghadapi masalah untuk tidur.
Halaman
54
Bolehkah anda boleh menentukan samada responden Lelaki lebih cenderung
menghadapi masalah untuk tidur berbanding dengan responden Wanita. Atau
adakah nisbah responden lelaki dan wanita yang menghadapi masalah tidur
sama?
BAB 7 : MENGHASILKAN CARTA STATISTIK
SPSS for windows mampu menghasilkan carta dan plot yang mempunyai resolusi
yang tinggi dengan menggunakan menu Graphs dan juga menu statistik yang
tertentu, misalnya dari perlaksanaan prosedur Frequencies & Regression. Seperti
juga output teks(statistik) dan jadual, output carta dan plot akan di paparkan di
tetingkap Output Viewer.
Bentuk carta dan plot asas yang biasa di hasilkan oleh SPSS for windows ialah
graf, histogram, carta bar, carta pai, carta garis dan scatterplot. Kemudahan SPSS
Chart juga boleh menghasilkan carta dan plot statistik lanjutan seperti High-Low
Chart, Boxplot, Error Chart, Pareto dan Control Chart. Carta dan plot yang
terhasil boleh disunting menerusi tetingkap Chart Editor.
Terdapat dua kemudahan yang di sediakan oleh SPSS untuk menghasilkan carta
atau graf iaitu melalui menu Graphs samada melalui submenu Chart Builders...
atau Legacy Dialogs.
Menghasilkan carta Histogram
Halaman
4. klik pada kotak pilihan Display normal curve.
55
1. Buka fail kes_tidur.sav
2. Di menu bar klik Graph→Legacy Dailogs→Histogram......
3. Tetingkap Histogram di buka, Klik pada pembolehubah S2(Umur) dan
pindahkan ke medan Variable.
5. Jika anda mahu memberikan tajuk pada histogram klik pada butang Titles,
dan masukkan Tajuk graf pada bahagian Title dan juga pada medan lain
yang di sediakan.
Halaman
56
6. Klik Continue dan kemudian OK.
Jadual Histogram selalunya memberikan maklumat berkaitan dengan kenormalan
data, atau bentuk taburan data bagi pembolehubah jenis bersambung. Paparan
garisan normal curve menerangkan samada data(skor) bagi pembolehubah yang
di uji tertabur secara normal atau tidak. Pemerhatian kepada paparan garisan
normal curve yang membentuk lengkongan seperti loceng boleh di andaikan
taburan data adalah normal.
Dalam kes ini data adalah tertabur secara normal, jika di lihat kebanyakan skor
berpusat di tengah-tengah. Jika taburan data lebih pencong(skew) kekiri atau
kekanan, test of normality boleh di gunakan untuk mengesahkan samada data
anda bertabur secara normal atau tidak.
Rajah : Paparan Histogram dengan garisan normal curve tidak Normal
Menghasilkan carta bar
Dengan menggunakan prosedur Bar Charts , anda boleh menghasilkan beberapa
pilihan jenis charts seperti jenis Simple, Clustered, Stacked.
Langkah
charts
anda hanya perlu
Halaman
Untuk menghasilkan Carta bar jenis Simple bar
mempunyai satu pembolehubah jenis kategori.
57
Prosedur menghasilkan Carta bar - Jenis Simple Bar
2. Di menu bar klik Graph→Legacy Dailogs→Bar....
3. Tetingkap Bar Charts akan di buka, dan klik pada ikon Simple.
Halaman
58
4. Pada bahagian Data in Chart Are.. klik pada butang radio pada Summaries
for groups of cases
5. Seterusnya klik pada butang Define
6. Tetingkap Define Simple Bar : Summary for group of cases di buka.
Halaman
59
7. Pilih pembolehubah yang di perlukan daripada kotak senarai, dan
masukkan kedalam ruangan Category Axis. Pilih pembolehubah s4-Status
Perkahwinan
8. Buat pilihan yang diberikan pada ruangan Bars Represent, terdapat
beberapa pilihan yang diberikan, seterusnya pilih N of cases
9. Anda boleh memasukkan tajuk carta dengan menekan butang Titles...
10. Setakat ini anda sudah boleh menekan butang OK untuk menamatkan
operasi dan menghasilkan satu carta bar yang mudah.
11. Anda juga boleh menghasilkan carta bar dengan mengikut kumpulan
seperti jantina. Dengan memasukkan pembolehubah jenis kategori pada
bahagian Panel by samada di Rows atau Columns
Halaman
60
12. Klik butang OK apabila sudah selesai
Prosedur menghasilkan carta bar jenis Clustered
Untuk menghasilkan carta bar jenis Clustered anda memerlukan dua
pembolehubah, satu pada Category Axis dan yang satu lagi pada Define Stack by.
Kedua-dua pembolehubah mestilah daripada pembolehubah jenis kategori.
Langkah-langkah
1. Di menu bar klik Graph→Legacy Dailogs→Bar....
2. Tetingkap Bar Charts dibuka.
Halaman
61
3. Seterusnya klik pada ikon Clustered, dan klik butang Define.
4. Tetingkap Define Simple Bar : Summary for group of cases di buka.
5. Buat pilihan yang diberikan pada ruangan Bars Represent, terdapat
beberapa pilihan yang diberikan, seterusnya pilih N of cases atau % of
cases.
6. Pilih pembolehubah yang di perlukan daripada kotak senarai dan bawa
masuk kedalam ruangan Category Axis contoh pembolehubah
S4(Kelayakan tertinggi) dan seterusnya pilih pembolehubah kedua dan
bawa masuk kedalam ruangan Defined Clusters by contoh pembolehubah
S1(Jantina)
Halaman
62
7. Dan seterusnya klik butang Ok.
Halaman
63
Laporan daripada jadual di atas memberikan kepada anda ringkasan maklumat
cara cepat bentuk taburan data (skor) untuk kumpulan yang anda pilih ( Jantina :
Lelaki dan Perempuan ). Jadual di atas melaporkan atau mencadangkan bahawa
tidak terdapat perbezaan status bujang di antara jantina, dan bagi status
Berkahwin responden wanita lebih ramai berbandingan responden lelaki, begitu
juga dengan status berpisah dan juga yang berstatus janda lebih memihak kepada
responden wanita.
Prosedur untuk menghasilkan Carta pie
Langkah untuk menghasilkan Carta Pie
1. Di menu bar klik Graph→Legacy Dailogs→Pie....
2. Pilih option di bawah Data in Chart Are. Tik pada Summaries for groups of
cases
Halaman
5. Di kotak senarai pilihan pembolehubah, klip pemboleh yang di perlukan
contoh S4( Kelayakan tertinggi), dan klik pada butang di sebelah kiri
Define Slices by: dan seterusnya klik butang OK.
64
3. Seterusnya klik butang Define
4. Tetingkap Define Pie: Summaries for Groups of Cases di buka.
6. Pada bahagian Slice Represent, pilih mana-mana options yang sesuai
seperti N of cases atau % of cases, secara tetap akan di tandakan pada
bahagian N of cases.
7. Anda boleh memilih beberapa options yang di berikan seperti memasukkan
tajuk carta, subtajuk, footnote dan sebagainya dengan cara klik pada
butang Title...
Halaman
65
8. Klik butang Continue dan seterusnya klik butang OK apabila sudah selesai.
Prosedur menghasilkan graf Scatter/Dot….
Scatterplots adalah sejenis graf yang menerangkan tentang hubungan diantara
dua jenis pembolehubah jenis bersambung (continuous variables). Ini merupakan
satu kaedah yang baik untuk mengenalpasti bentuk taburan data sebelum anda
melaksanakan pengujian korelasi pearson ( Pearson Corelation ). Scatterplots
memberikan gambaran tentang perhubungan linear di antara dua pembolehubah
samada dalam bentuk garis lurus atau sebaliknya.
Langkah-langkah:1. Di menu bar klik Graphs→Legacy Dailogs→Scatter/Dot....
2. Tetingkap Scatter/Dot dibuka.
5. Klik butang OK apabila sudah selesai.
Halaman
66
3. Klik pada ikon Simple Scatter dan kemudian klik butang Define
4. Tetingkap Simple Scatterplot di buka. Pilih pembolehubah Berat dan
masukkan pada Y-Axis dan pembolehubah Tinggi pada X-Axis:
Laporan jadual Scatterplots.
Halaman
67
Daripada laporan jadual di atas menunjukan taburan data adalah di dalam
keadaan moderate, positif korelasi di antara dua pemboleubah ( berat dan tinggi ).
Ianya juga menerangkan ketinggian mempengaruhi berat badan seseorang.
Prosedur menghasilkan carta BoxPlots
Carta Boxplots memberikan maklumat yang berguna apabila anda mahu
membandingkan taburan data bagi dua kumpulan pembolehubah yang hendak di
uji, selalunya dua pembolehubah diperlukan iaitu jenis bersambung dan
pembolehubah jenis kategori.
Adakalanya anda juga boleh menyemak jika
terdapat skor-skor yang high extreme dan juga low extreme, Boxplots akan
memberikan maklumat tersebut jika ada skor yang extreme.
Langkah-langkah
1. Di menu bar klik pada menu Graphs→Legacy Dailogs→Boxplots
2. Tetingkap Boxplot di buka. Dan klik pada Icon Simple, dan klik butang OK
Halaman
68
3. Tetingkap Define Simple boxplots : Summaries for Groups of Cases di buka
4. Masukan pembolehubah yang di perlukan pada Variable ( Pembolehubah
jenis bersambung) dalam kes ini pembolehubah CGPA_4
5. Masukkan pembolehubah jenis kategori pada bahagian Category Axis,
dalam kes ini pembolehubah Jantina.
6. Dan klik butang OK
Jadual Boxplots
Daripada laporan jadual Boxplots yang terhasil, memberikan gambaran tentang
taburan data bagi keputusan ujian CGPA_4 bagi dua kumpulan Jantina ( lelaki
dan perempuan ). Garisan hitam yang berada didalam boxplots merupakan
garisan median yang memberikan nilai tengah bagi pembolehubah CGPA_4.
Mana-mana skor yang tersisih (outlier) akan di bulatkan dan disertakan no ID
atau bilangan susunan dalam kes. Misalnya jika nombor tersebut adalah 146,
merujuk kepada rekod yang ke 146 di dalam senarai data.
Halaman
69
Daripada pemerhatian kepada jadual Boxplots terdapat perbezaan Mean
pencapaian purata Mean CGPA bagi dua kumpulan Jantina. Anda boleh
menentukan samada perbezaan ini wujud atau tidak bergantung kepada ujian
kesignifikanan, anda boleh menggunakan ujian T (t-test) untuk mengesahkannya.
Menghasilkan graf menggunakan kemudahan Chart Builder.
Kemudahan Chat Builder merupakan satu prosedur alternatif untuk
menghasilkan carta, Cuma kaedah ini menggunakan kaedah drag and drop serta
dapat melihat bentuk paparan dengan segera.
Untuk menghasilkan graf menggunakan kemudahan ini, di menu bar klik pada
Menu Graph→ Char builder.
Langkah-langkah
1. Di menu bar klik pada Graph→Chart Builder
2. Tetingkap pesanan Chart Builder di buka, dan meminta anda
mengenalpasti pembolehubah yang anda perlukan, anda boleh abaikan
tetingkap ini dengan menekan butang OK.
Halaman
70
3. Seterusnya tetingkap berikutnya(Chart Builder) di buka.
Halaman
5. Seterusnya pilih pembolehubah daripada kotak senarai, klik tanpa lepas
dan seretkan sehingga ke bahagian X-Axis?
6. Seterusnya klik pada folder Titles/Footnotes, Anda boleh memasukkan
tajuk carta di sini dengan cara klik pada kotak pilihan yang di sediakan.
71
4. Klik pada folder Gallery , di bahagian Choose from pilih mana-mana jenis
graf yang anda perlukan, misalnya jika anda perlukan carta pie klik pada
Bar, secara automatik ikon-ikon yang mewakili carta bar akan muncul di
bahagian kanan senarai graf. Pilih mana-mana carta bar yang anda
perlukan.
7. Seterusnya klik pada kotak pilihan Title 1, Title 2 dan Subtitle, pilihan ini
akan di masukkan pada tetingkap Element Properties
8. Di tetingkap Element Properties klik pada Title 1
Halaman
72
9. Seterusnya masukan tajuk Jadual carta anda pada medan Content:
10. Apabila sudah selesai klik butang Apply yang berada di bahagian bawah
tetingkap Element Properties.
11. Klik butang OK.
Halaman
73
BAB 8 : SPSS PIVOT TABLE OBJECT
Chart Editor
Anda boleh menggunakan kemudahan Chart Editor untuk menyunting graf yang
di hasilkan seperti menukar warna, menukar fon dan sebagainya.
Kaedah menyunting charta dengan menggunakan Chat Editor.
Halaman
74
1. Pilih pada mana-mana chart yang di perlukan
2. Kemudian klik kanan butang tetikus pada chart yang di pilih, pada context
menu klik pada menu Edit Content → In Separate Window.
3. Tetingkap Chart Editor di buka.
4. Anda boleh menggunakan kemudahan pada menu yang terdapat pada bar
untuk meminda mana-mana objek yang terdapat pada bar. Misalnya
mengubah warna, memasukkan tajuk dan sebagainya.
Memasukkan tajuk carta bar
5. Dari menu bar klik pada menu Options→Title. Kemudian masukkan tajuk
bar char yang sesuai. Contoh.. Rajah 7.0: Taburan kelayakan responden.
Memasukkan nota kaki (footnote)
6. Di menu bar klik Options→Footnote.
7. Di bahagian bawah graf, satu baris nota kaki di sediakan, gantikan
perkataan Footnote dengan perkataan yang sesuai
Halaman
8. Klik sekali pada mana-mana bahagian bar. Dan pastikan semua bar sudah
di pilih. Dari menu bar pilih Menu Edit→Properties.
9. Pada tetingkap properties klik pada tab Fill & Border, di bahagian Color,
klik pada ikon warna Fill, pilih warna biru atau mana-mana warna
kesukaan anda, dan klik butang Apply.
10. Seterusnya klik pada ikon border dan tukar warna kepada merah atau
mana-mana yang sesuai, dan klik butang Apply.
11. Anda juga boleh memasukkan pattern pada bar, klik pada ikon Pattern,
pastikan ikon Fill sudah di klik terlebih dahulu. Dan pilih mana-mana
pattern yang sesuai untuk graf anda.
75
Menukar warna pada bar
Depth & Angle
12. Seterusnya klik pada Tab Depth & Angle
13. Pada bahagian Effect, klik pada option 3D dan klik butang Apply.
14. Anda boleh membuat pengubahsuaian dengan menggerakan slider kekiri
atau kekanan atau ke atas dan ke bawah pada bahagian Angle.
Memasukan Data Label
15. Klik sekali pada mana-mana bahagian bar. Di menu bar pilih
Elements→Show Data Labels.
16. Pada tetingkap properties klik pada Tab Data Value Labels, tukar paparan
daripada count kepada percent, gunakan kemudahan anak panah untuk
mengerakan option paparan.
17. Klik sekali pada Label Count dan tekan butang X.
18. Klik sekali pada Label percent, dan klik butang anak panah keatas.
19. Pada bahagian Label position, klik pada klik Custom dan pilih mana-mana
paparan yang di sediakan pada kotak paparan dan klik butang Apply.
Meminda Skil paparan Y axis
20. Di menu pintas klik pada ikon Y, pada tetingkap properties klik pada Tab
Scale.
21. Ubah Major Increment kepada 20. dan klik butang Apply.
Meminda paparan X axis
Halaman
76
22. Di menu pintas klik pada ikon X, pada teringkap properties, klik pada Tab
Label & Ticks. Pada bahagian Major Increment Labels, klik pada list menu
di sebelah kanan Label orientation pilih staggered atau mana-mana yang
sesuai. Dan klik butang OK.
23. Seterusnya pilih menu File dan Close.
BAB 9: MENGEKSPORT LAPORAN
Kesemua jadual dan carta yang di hasilkan pada tetingkap output boleh di simpan
dengan dengan menggunakan kemudahan arahan Save. Walaubagaimana pun
anda boleh mengeksport laporan ini kepada bentuk format msWord, Powerpoint,
Excel dan sebagainya. SPSS menyediakan beberapa kemudahan untuk anda
mengeksport data kepada format yang bersesuai dengan keperluan anda. Anda
juga boleh menggunakan kemudahan cut & paste untuk menyalin sebahagian
jadual atau carta daripada tetingkap output kepada Word atau Powerpoint. Ada
perlu membuka perisian Word terlebih dahulu sebelum proses cut & paste boleh
dilakukan.
Mengeksport fail laporan
Untuk mengeksport fail laporan berikut adalah langkah-langkahnya :1. Pastikan fail laporan di buka.
2. Daripada menu bar klik File → Exports.
Halaman
77
3. Ada beberapa pilihan pada tetingkap Export Output, pada bahagian Object
to Export anda boleh memilih samada mahu mengeksport keseluruhan
laporan atau pilihan.
4. Seterusnya pada bahagian Document, anda boleh memilih jenis fail laporan
yang hendak di export, misalnya WordRTF.doc, Powerpoint dan sebagainya.
5. Seterunya pada bahagian File Name, masukkan nama fail dan lokasi fail ini
di simpan, atau atau klik pada butang Browse untuk membuka fail lokasi
dan seterusnya menamakan fail laporan anda.
Halaman
78
6. Apabila sudah selesai klik butang OK untuk melaksanakan arahan.
BAB 10 : MANIPULASI DATA
‘Tranforming data’ atau istilah manipulasi data merupakan satu proses tambahan
dan adakalanya perlu jika anda memerlukannya untuk tujuan analisis yang
menguji hipotesis atau analisa data kuantitatif. Ini bergantung kepada bentuk
data fail anda dan pembolehubah yang ada kaitan dengan sesuatu ujian di dalam
kajian anda. Adakalanya anda mungkin perlu mengkelaskan pembolehubah jenis
bersambung kepada pembolehubah jenis kategori. Proses ini mungkin seperti
berikut:1. Membuat kira tambah pada item-item tertentu bagi menghasilkan satu
pembolehubah yang baru.
2. Mengubah data (misalnya log10) untuk analisis data yang memerlukan
data bertabur secara normal dan
3. Mengkelaskan pembolehubah data bersambung kepada kumpulan yang
lebih kecil, misalnya umur kepada pembolehubah berkategori ( contoh,
Remaja, Dewasa dan Orang tua)
Dalam bab berikutnya anda akan didedahkan dengan beberapa kemudahan
tranformasi yang terdapat melalui menu Transform daripada bar menu yang di
sediakan. Antara contoh kemudahan tranformasi yang ada ialah Compute,
Count, Recode, Log(10), ln dan sebagainya. Sebahagiannya di nyatakan pada
jadual di bawah :-
Fungsi Nomber adalah :-
+
Kira Tambah
ABS
Absolute Value
-
Kira Tolak
TRUNC
Truncate
*
Kira Darab
SQRT
Square Root
**
xponentiation
LG 10
Base 10 Logarithm
/
Division
RND
Round
=
Sama juga (Equal to )
MOD10
Modulus
<
Kurang dari ( Less than )
LN
Natural Logarithm
>
Lebih dari (Greater than )
SIN
Sine
~=
Tidak sama ( Not Equal to)
COS
Cosine
<=
Kurang dari atau samaLess than or equal to
>=
Lebih besar atau sama( Greater than)
Halaman
79
Operasi Arithmetic adalah seperti berikut :-
Menu ini boleh di capai di bawah tajuk menu Transform.
Prosedur Recode
Arahan Recode mempunyai dua pilihan iaitu.
Recode into Same Variables

Sesuai digunakan jika anda
pembolehubah yang sedia ada.
ingin
mengubahsuai
data
bagi
satu
Recode into Different Variables.

Sesuai digunakan jika anda ingin menghasilkan satu pembolehubah yang
baru yang mempunyai data hasil daripada pengubahsuaian data lain
daripada pembolehubah lain.Misalnya anda ingin mengkelaskan umur,
kepada kumpulan Umur.
Halaman
Dalam satu soal selidik terdapat soalan yang bertanyakan tentang umur dalam
bentuk soalan terbuka, Julat jawapan mungkin besar misalnya 18 sehingga 70
tahun. Dalam keadaan tertentu anda mahu mengkelaskan pembolehubah umur
ini kepada beberapa kumpulan misalnya :-
80
Contoh penggunaan prosedur recode
1
2
3
4
–
–
–
–
18
27
36
46
tahun
tahun
tahun
tahun
– 26 tahun
– 36 tahun
– 46 tahun
dank e atas
Langkah-langkah
2. Dari menu bar pilih Transform→Recode Into Different variables..
3. Pada tetingkap recode into different Variables pilih satu pembolehubah
yang diperlukan, dalam kes ini pilih pembolehubah s2. Untuk memilih
pembolehubah s2 klik dua kali pada pembolehubah yang di perlukan
daripada kotak senarai pembolehubah.
Pada bahagian Output variable, taipkan s2a pada medan Name:
Pada medan label taipkan Kumpulan umur responden
Dan seterusnya tekan butang Change.
Seterusnya klik pada butang Old and New Values.
Tetingkap berikutnya di buka dan masukkan maklumat seperti berikut:-
Halaman
81
4.
5.
6.
7.
8.
9. Di bahagian Old Value, klik pada Range dan masukan nilai yang di
perlukan misalnya 18 dan pada medan through masukan nilai 26. Ini
bermaksud anda sedang merekod nilai 18 hingga 26 kepada nilai baru iaitu
1.
10. Seterusnya pada bahagian New Value klik pada butang radio Value, dan
masukan nilai 1. Dan kemudian klik pada butang Add.
11. Seterusnya ulangi langkah 9 dan masukan nilai baru iaitu 27 dan pada
medan berikutnya nilai 36 dan pada New Value, masukan nilai 2.
12. Ulangi langkah 9 untuk kategori seterusnya.
13. Apabila sudah selesai klik butang Continue.
14. Dan seterusnya klik butang OK.
15. Untuk melihat kewujudan pembolehubah yang baru, klik pada Tab Variable
View, dan skrol hingga ke bawah dan anda akan dapati pembolehubah yang
baru akan berada dibahagian akhir antara pembolehubah.
Prosedur Visual Binning
Satu lagi kaedah recode yang boleh di laksanakan ialah dengan menggunakan
prosedur Visual Binning.
Halaman
1. Buka fail kes_tidur.
2. Klik pada menu Transform > Visual Binning
3. Pada tetingkap Visula Binning, Pilih pembolehubah Umur dengan cara dwi
klik pembolehubah tersebut.
82
Untuk melaksanakan prosedur ini :
Halaman
5. Dalam kes ini ianya memaparkan maklumat berkenaan dengan taburan
umur serta maklumat umur minima adalah 18 dan maksima 84 tahun.
6. Anda boleh pecahkan atau kumpulkan kumpulan kepada beberapa
bahagian misalnya kepada 5 kumpulan
83
4. Klik butang Continue dan anda akan dapat paparan berikutnya.
7. Pertama kali wujudkan pembolehubah yang baru medan di Binned variable
namakan sebagai umur_bin.
8. Seterusnya klik pada butang Make Cutpoints.
Halaman
84
9. Klik pada radio button Equal Percentiles Base on Scanned Cases
10. Pada medan Number of Cutpoint masukan angka 4 dan width(%) angka
20.00 ( bermaksud 100/5) di masukan secara automatik.
11. Perhatikan pada paparan berikutnya. Data akan di bahagikan kepada 5
kumpulan dengan value di sediakan secara automatik.
12. Klik pada butang Make Labels dan klik OK.
13. Perhatikan kewujudan pembolehubah yang baru iaitu umur_bin di data fail
anda.
Latihan :-
Halaman
85
14. Gunakan fail yang sama untuk pembolehubah berat, dan pecahkan kepada
3 kumpulan.
Menghasilkan kira tambah
Untuk melakukan proses kira tambah, prosedur Compute di perlukan. Klik pada
Menu Transform → Compute Variable….
Perlaksanaan prosedur ini akan menghasilkan pembolehubah yang baru. Sebagai
contoh di dalam satu kajian kes ada soalan yang bertanyakan tentang jumlah jam
waktu tidur pada hari biasa, dan juga jumlah jam waktu tidur pada hujung
minggu.
Langkah-langkah :1. Klik pada menu Transform→ Compute Variable….
2. Tetingkap Compute variable akan di buka, pada Target Variable taipkan
s51 sebagai nama pembolehubah yang baru.
Halaman
86
3. Klik pada butang Type & Label.. dan pada bahagian Label taipkan Jumlah Waktu
Tidur seminggu, pastikan pilihan Numeric sudah di tik pada bahagian Type. Dan klik
butang Continue.
4. Dan seterusnya klik butang OK. Dan ini akan menghasilkan satu
pembolehubah yang baru. Klik pada Tab Variable View untuk melihat
pembolehubah yang baru. Selalunya akan di letakan pada bahagian akhir di
dalam senarai pembolehubah.
Latihan
5. Buka fail km-test.sav
6. Ikuti langkah sebelum untuk membuat kira tambah bagi pembolehubah
berkut. B1,B2,B3,B4 bagi menghasilkan pembolehubah baru kmvalue.
Mengunakan formula
Halaman
87
Dalam keadaan tertentu anda mahu membuat transformasi data menggunakan
formula tertentu, anda boleh menggunakan fungsi yang terdapat di dalam
prosedur transform. Misalnya anda mahu menukar nilai bagi satu pembolehubah
kepada Base 10 Logarithm. Sebahagian daripada fungsi ini adalah untuk cuba
mengubah data daripada paparan tidak normal kepada normal. Sebagai contoh
anda menghasilkan satu carta histogram untuk melihat samada data bertabur
secara normal atau tidak. Anda dapati keputusan adalah tidak normal.
Anda perlu menggunakan formula Natural Logarithm bagi pembolehubah Sales
untuk cuba menormalkan data. Gunakan fail car_sales.sav sebagai fail sumber
untuk latihan berikutnya.
Langkah-langkah
1. Di menu bar klik pada Menu Transform→Compute Variable…
2. Namakan pembolehubah yang baru pada medan Target Variable: misalnya
lnSales
3. Klik pada butang Type & Label dan labelkan pembolehubah ini sebagai LN
Sales.
4. Klik pada All di bahagian Function group
5. Seterusnya cari dan klik fungsi Ln di bawah bahagian Function and Special
Variables:
6. Formula Ln(?) akan di masukkan pada bahagian Numeric Expression
7. Seterusnya dwi klik pilih mana-mana pembolehubah jenis skala misalnya
Sales.
Halaman
88
8. Seterusnya klik butang OK,
9. Pembolehubah yang baru akan di hasilkan, selalunya di letakan pada
bahagian akhir senarai pembolehubah.
Halaman
89
Anda boleh menghasilkan carta histogram yang baru berdasarkan kepada
pembolehubah yang baru iaitu lnSales.
BAB 11 : ANALISIS KEBOLEHPERCAYAAN
Apabila anda memilih satu nilai ordinal di dalam kajian anda, ia adalah penting
untuk anda mengetahui semua skala yang digunakan untuk tujuan ujian inferan
statistik boleh di percayai atau tidak. Terdapat beberapa aspek yang berbeza
didalam mengendalikan ujian seperti ini, seperti kaedah Test Retest, Equivalent
Form dan juga Intenal Consistency.
Di dalam satu kajian sosial, soalan-soalan berbentuk physiologi sering di tanya,
dan di kumpulan mengikut satu set soalan yang berkaitan secara berturutan.
Skala pengukuran jenis ordinal atau skala selang sering di gunakan. Selalunya
setiap jawapan mestilah melebihi daripada 3, misalnya 1 = Tiada Idea, 2 =
Sederhana, 3 = setuju. Atau boleh jadi 1 = Amat tidak bersetuju, 2 = tidak
bersetuju, 3 = Sederhana, 4 = Baik dan 5 = Amat Baik. Selalunya di susun secara
menaik daripada nilai terendah kepada nilai yang lebih tinggi, dimana nilai paling
rendah merupakan darjah kepada ukuran paling tidak suka atau tidak setuju.
Prosedur Cronbach’ Alpha coefficient selalunya di gunakan untuk mengukur
darjah kebolehpercayaan instrumen, dan nilai skala yang di peroleh mestilah
berada pada paras .7 dan keatas, nilai maksima ujian ini adalah 1. Jika hasil
ujian di bawah paras .7, anda perlu melihat pembolehubah yang manakah perlu di
keluarkan daripada senarai analisa statistik. Untuk mengetahui item manakah
yang mana apabila ianya di keluarkan akan menyebabkan pekali
kebolehpercayaan meningkat. Maklumat pada lajur Cronbach's Alpha if Item
Deleted biasanya di rujuk.
Pada kebiasaanya ujian Cronbach’ Alpha coefficient ini di perlukan untuk
menguji tahap kesesuaian item-item di dalam satu kajian, misalnya anda
membuat satu ujian rintis (pilot test) terlebih dahulu terhadap beberapa sampel
responden, dan apabila ujian Reliabiliy Analysis memberikan keputusan yang
positif barulah kajian sebenar di jalankan. Jika tidak anda harus melihat dan
memeriksa mana-mana item yang perlu di perbaiki atau di singkirkan.
Di dalam contoh berikutnya anda mahu melihat kebolehpercayaan item-item di
dalam kajian anda.
Prosedur untuk melaksanakan arahan Reliability Analysis.
Halaman
90
1. Di menu klik Analyze→Scale→Reliabiliy Analysis.
2. Tetingkap Reliability Analysis di buka.
Halaman
5. Seterusnya klik pada butang Continue. Dan klik butang OK.
91
3. Pilih pembolehubah yang anda perlu dan masukkan pada kotak senarai
Items. Pastikan juga Model Alpha di pilih. Anda boleh menggunakan model
yang selain daripada Alpha yang anda memerlukannya dengan cara klik
pada senarai menu Model.
4. Seterusnya klik pada butang Statistics…, dan teringkap Reliability Analysis
Statistics di buka, Di bawah tajuk Descriptives for, klik kotak pilihan Item,
Scale dan Scale if item deleted.
Laporan Reliability Analisis yang mengandungi beberapa maklumat akan di
keluarkan. Pertama sekali anda perlu merujuk kepada jadual Reliability
Statistics, Sila rujuk kepada nilai Cronbach’s Alpha dan maklumat N of Item,
menyatakan tentang jumlah item yang di uji. Dalam ujian ini nilai Cronbach’s
Alpha adalah .773, dimana nilai ini lebih besar daripada .7. Jika nilai Alpha di
atas paras .7, ini bermakna sampel yang diperolehi boleh dipertimbangkan
serta di percayai.
Jika keputusan Reliability Statistics di perolehi di bawah paras .7. Rujuk
kepada jadual berikutnya. Sila rujuk pada lajur Cronbach’s Alpha if Item
Deleted. Anda perlu merujuk kepada nilai yang paling besar diantara itemitem, ianya merujuk kepada item mana yang perlu di buang, maka nilai
Cronbach’s Alpha yang baru adalah adalah nilai item yang di buang.
2
Oppenheim, A. N. (1992), Questionaire design interviewing and attitude measurement, London:Pinter
Halaman
92
Menurut Pavot, Diener, Colin, dan Sandvik (1991)2 skil berada didalam
keadaan yang konsisten pada bacaan Cronbach alpha coefficient .70. Di dalam
kajian ini nilai bacaan Cronbach’s Alpha coefficient adalah pada .773.
BAB 12 : MEMILIH DAN MELAKSANAKAN PROSEDUR STATISTIK
Terdapat dua jenis teknik ujian statistik yang biasa kita dengar, iaitu ujian
parametric dan non-parametric. Ujian parametric merujuk kepada ciri-ciri populasi.
Ujian parametric seperti analisis of variance, t-test selalunya memerlukan skor atau
taburan data di dalam keadaan normal. Kenormalan taburan biasanya di uji
dengan menggunakan test of normality atau dengan melihat keluk (curve) pada
carta histogram. Jika keluk (curve) membentuk garisan seperti loceng dengan skor
ekstrem yang sedikit, maka taburan data boleh di anggap normal.
Ujian non-parametric pula tidak memerlukan data atau skor bertabur secara
normal. Ujian non-parametric sesuai digunakan apabila anda mempunyai data
jenis nominal atau ordinal, atau anda mempunyai sampel data yang kecil,
malahan juga jika data yang di perolehi tidak memenuhi syarat andaian ujian
parametric.
Sebahagian
parametric
persamaan
teknik
ujian
Ujian Non-parametric
Chi-square
Mann-Whitney Test
Kruskal-Wallis Test
Friedman Test
Spearman Rank Order Correlation
statistik
diantara
non-parametric
dan
Ujian parametric
Tiada
Independent-sample t-test
One-way between-group(ANOVA)
One-way repeated-measuares (ANOVA)
Pearson’s product-moment correlation.
Terdapat berbagai pilihan prosedur ujian statistik di dalam perisian SPSS,
daripada yang mudah kepada yang lebih komplek. Tetapi yang lebih penting ialah
pemahaman anda mengenai teori statistik dan prosedur melaksanakannya.
Biasanya di dalam satu kajian sosial, kita mungkin mahu melihat perhubungan
yang wujud diantara dua pembolehubah yang di uji, atau melihat samada
wujudnya perbezaan di antara kumpulan sampel.
Pengujian hipotesis
Halaman
Untuk menguji perhubungan diantara dua pembolehubah kita boleh
menggunakan beberapa prosedur statistik yang di sediakan oleh SPSS diantaranya
ialah Chi-Square, Pearson correlation, Partial correlation, multiple regression dan
Factor analysis. Manakala ujian perhubungan diantara kumpulan perlulah
menggunakan ujian seperti T-tests, One-way analysis of variance, Two-way
analysis of variance, Compare means dan Multivatiate analysis of variance.
93
Pengujian hipotesis di gunakan bagi menentukan sama ada data yang di perolehi
daripada sampel dapat menyokong keputusan ujian ( hipotesis nul ) atau sebalikya
( hipotesis alternatif ). Contohnya hipotesis nul(H0) ditulis seperti berikut : Tidak
terdapat perbezaan diantara kumpulan jantina di dalam pencapaian markah
akademik mereka. Hipotesis alternatif (H1): Terdapat perbezaan yang signifikan
secara statistik diantara kumpulan jantina di dalam pencapaian markah akademik
mereka.
Ujian Signifikan
Halaman
94
Selalunya untuk menentukan samada ujian statistik yang di jalankan
memperolehi keputusan signifikan atau tidak bergantung kepada nilai Asymp.Sig.
yang diwakili simbol p. Selalunya paras signifikan di tetapkan pada nilai Alpha(α)
lebih kecil atau sama dengan .05. Jika nilai p lebih kecil daripada nilai α maka
keputusannya terdapat perbezaan yang signifikan secara statistik diantara kedua
pembolehubah yang di uji, sebaliknya jika nilai p lebih besar daripada nilai a .05
maka keputusannya tiada siginifikan. Setiap keputusan (signifikan) adalah pada
tahap keyakinan 95% bagi semua ujian statistik.
BAB 13 : UJIAN NON-PARAMETRIC
Keperluan andaian bagi ujian non-parametric
Beberapa perkara perlu anda ambil kira sebelum ujian non-parametric di jalankan
ianya diandaikan seperti berikut :

Sampel rawak
Setiap kes hanya boleh di kira sekali
Dalam bab berikutnya kita akan membincangkan prosedur
menggunakan teknik ujian non-parametric diantaranya ialah :





Ujian
Ujian
Ujian
Ujian
Ujian
statitik
yang
Chi-Square
Mann-Whitney U
Kruskall Walis
Wilcom Signed Rank
Friedman
Ujian Chi-Square sample tidak bersandar
Ujian Chi-square hanya boleh di gunakan pada pembolehubah jenis kategori
sahaja (nominal atau ordinal).
Statistik Chi-square digunakan untuk menguji samada terdapat perhubungan
diantara dua pembolehubah kualitatif atau diskret. Kita mulakan dengan hipotesis
null, iaitu meramalkan tiada perbezaan perhubungan di antara kedua
pembolehubah.
Atau boleh disimpulkan hipotesis anda dengan pernyataan berikut:
“Adakah faktor kesukaran untuk tidur berkait rapat dengan amalan pengambilan
ubat tidur?”
Keperluan ujian
Anda memerlukan dua pembolehubah jenis kategori,
misalnya anda mahu
melihat samada terdapat perhubungan diantara pembolehubah S27- menghadapi
masalah tidur dengan pembolehubah S26- Perlu ambil ubat untuk membolehkan
tidur.
Halaman
1. Klik Analyze→descriptive statistics→Crosstabs
2. Pilih pembolehubah S27 - Menghadapi masalah untuk tidur dan letakan di
bawah ruangan Row(s) dan pilih pembolehubah S26 - Perlu ambil ubat
untuk tidur , dan letakan di bawah ruangan Column(s)
3. Klik pada butang Statistic.. dan pilih Chi-Square. Dan klik butang
Continues.
95
Langkah-langkah pengujian
Perkara pertama yang perlu anda lakukan ialah memeriksa pada Expected Count,
jika terdapat nilai jangkaan terendah (Expected Count) hendaklah lebih besar
daripada nilai 5 bagi setiap sel. Anda boleh merujuk kepada nota kaki di bawah
jadual Chi-Square Test (a dan b)
Merujuk kepada jadual berikutnya, pertama sekali anda perlu melihat setiap nilai
pada Expected Count. Jika nilai Expected Count bagi setiap item lebih rendah
daripada 5, anda tidak boleh meneruskan ujian ini, kerana syarat pengujian ChiSquare merujuk kepada nilai jangkaan terendah(Expected Count) hendalah lebih
besar daripada 5. Anda juga boleh merujuk kepada nota kaki di bawah jadual ChiSquare Tests.
Halaman
Untuk mengetahui samada terdapat perhubungan diatara kedua pemboleubah ini.
Kita perlu merujuk kepada Asymp. Sig(2-sided). Jika kategori bagi kedua-dua
pembolehubah hanya ada dua nilai sahaja (2 x 2), maka anda harus merujuk
kepada baris Continuity Correctionb dengan nilai bacaan pada 7.334 merujuk
kepada paras signifikan (Sig.) adalah .007. Oleh kerana nilai Sig.(p) 0.007 lebih
kecil daripada nilai alpha .05. Maka kita menerima hipotesis Alternatif. Oleh
96
Merujuk kepada jadual di atas serta tumpuan di berikan pada baris pertama,
daripada pemerhatian kepada responden yang menghadapi masalah tidur hanya
12 responden yang memberikan jawapan Ya, manakala 105 responden tidak
mengambil ubat tidur walaupun mereka menghadapi masalah tidur, maka kita
dapati ada perbezaan di situ.
kerana jawapan tidak (105) lebih banyak berbanding dengan Ya (12), maka boleh
di simpulkan faktor kesukaran untuk tidur tidak mempengaruhi seseorang itu
untuk mengambil ubat tidur.
Contoh lain ujian Chi-Square
Dalam satu kajian kepuasan pelanggan, pengurusan syarikat mahu melihat
samada pelanggan berpuas hati dengan perkhidmatan yang di tawarkan bagi
setiap pasaraya yang mereka uruskan.
Anda menetapkan hipotesis nul dengan menyatakan kesemua pasaraya
menawarkan perkhidmatan yang sama, manakala hipotesis alternatif menyatakan
terdapat perbezaan perkhidmatan diantara pasaraya.
Anda memerlukan dua pembolehubah jenis kategori. Misalnya pembolehubah S11
–Pasaraya dan pembolehubah S26 - Perkhidmatan yang di sediakan.
Langkah-langkah pengujian
1. Klik Analyze→descriptive statistics→Crosstabs
2. Pilih pembolehubah S11 –Pasaraya dan letakan di bawah ruangan Row(s)
dan pilih pembolehubah S26 - Perkhidmatan, dan letakan di bawah
ruangan Column(s)
3. Klik pada butang Statistic.. dan pilih Chi-Square. Dan klik butang
Continues.
4. Klik pada butang Cell, dibawah tajuk Percentages, klik pada Row.
Halaman
Melalui pemerhatian, kita mendapati pasaraya 2 tidak berapa di sukai
pelanggan berbanding dengan pasaraya yang lain. (Bandingkan peratusan
jawapan amat tidak berpuas hati diantara pasaraya, pasaraya 2 (30.8%)),
manakala pasaraya 3 (bandingkan peratusan jawapan Amat berpuas hati
dikalangan pasaraya, pasaraya 3 (26.8%)) merupakan pasaraya yang disukai
pelanggan di antara pasaraya.
97
Merujuk kepada jadual di atas, bolehkah anda menentukan samada terdapat
perbezaan perkhidmatan diantara pasaraya?
Halaman
98
Untuk membuktikan samada wujudnya perbezaan diantara pasaraya ini, anda
perlu merujuk kepada jadual Chi-Square Tests. Merujuk kepada baris Pearson
Chi-Square, nilai Signifikan(p) adalah .012. Oleh kerana nilai p (.012) lebih kecil
daripada nilai alpha(α) .05. Maka kita menerima hipotesis alternatif. Hasil
daripada keputusan ujian ini bolehlah di simpulkan wujudnya perbezaan
perkhidmatan yang signifikan secara statistik diantara pasaraya.
Mann-Whitney U Test
Mann-Whitney U Test merupakan salah satu ujian Non-parametric. Teknik ini
gunakan bagi menguji perbezaan kumpulan yang tidak melebihi dua, di dalam
satu pembolehubah jenis bersambung. Misalnya anda ingin melibat jika terdapat
perbezaan diantara kumpulan jantina didalam mencapai satu-satu perkara. Anda
memerlukan satu pembolehubah kategori yang tidak melebihi daripada dua
kumpulan dan satu pembolehubah jenis bersambung misalnya umur, pendapatan,
berat dan sebagainya.
Sebagai contoh, anda mahu melihat samada terdapat perbezaan pencapaian
markah purata CGPA diantara kumpulan jantina lelaki dan perempuan. Anda
boleh menulis pernyataan seperti berikut :
Adakah wujudnya perbezaan yang signifikan secara statistik pencapaian markah
CGPA bagi kumpulan jantina Lelaki dan Perempuan, Kumpulan manakah yang
lebih cemerlang?
Prosedur melaksanakan ujian Man-Whitney U
Halaman
4. Pilih satu pembolehubah kategori misalnya Jantina, dan masukkan ke
medan Grouping Variable.
5. Klik pada butang Define Group, masukkan nilai pada kumpulan pertama
dan kumpulan dua. Nilai ini adalah nilai yang digunakan di dalam koding
jawapan anda, misalnya 1 = Lelaki dan 2 = Perempuan
99
1. Gunakan fail student-part-4.sav sebagai fail sumber.
2. Daripada menu bar pilih Analyze→Non-parametric tests→2 Independent
Samples
3. Pilih satu pembolehubah jenis bersambung dan masukkan ke ruangan Test
Variable List.
6. Sila pastikan anda sudah memilih (tik) pada Mann-Whitney U pada
ruangan Test Type.
Jadual berikut adalah hasil daripada proses di atas.
Kesimpulan :-
Halaman
Merujuk kepada nilai Z = -3.165 dengan paras signifikan pada .002 (rujuk pada
baris Asymp. Sig. (2-tailed). Keputusan ini menyatakan nilai p (.002) < α (.05). Oleh
kerana nilai p lebih kecil daripada nilai alpha (α), maka keputusan ini menunjukan
terdapat perbezaan yang signifikan di antara kedua pembolehubah. Maka kita
menerima hipotesis alternatif. Untuk mengetahui kumpulan mana yang lebih baik
pencapaian CGPA, lihat pada Mean Rank bagi kedua kumpulan jantina ini.
Keputusan ini memihak kepada kumpulan responden Perempuan, dimana purata
CGPA responden wanita lebih baik berbanding dengan responden Lelaki.
100
Bahagian pertama laporan (Ranks) melaporkan maklumat berkaitan dengan
ringkasan nilai Mean Rank bagi kedua-dua kumpulan jantina.
Kruskal-Wallist Test
Merupakan ujian Non-parametric alternatif diantara kumpulan, sama seperti ujian
Mann-Whitney U. Cuma ia membenarkan anda membuat perbandingan lebih
daripada 2 kumpulan atau kategori. Kaedahnya ialah skor akan di tukar kepada
susunan mengikut susunan terendah sehingga yang tertinggi dan seterusnya
mean rank bagi setiap kumpulan akan di bandingkan.
Misalnya anda ingin melihat samada wujud perbezaan tahap kepuasan bekerja
dengan tempoh perkhidmatan yang telah di kategori seperti ( < 2 tahun, 3 – 5
tahun, 6 tahun dan ke atas ) dan anda mahu membuat perbandingan diantara tiga
kategori yang telah dinyatakan. Hipotesis null (H0) menyatakan tiada perbezaan
didalam tahap kepuasan bekerja dengan tempoh perkhidmatan.
Keperluan untuk melaksanakan ujian ini:
Satu pembolehubah jenis kategori dengan keperluan minima tiga kumpulan
sampel dan satu pembolehubah jenis bersambung.
Langkah-langkah:1. Daripada menu klik : Analyze→Non-parametric Tests dan kemudian pada
K Independent Samples.
2. Pilih satu pembolehubah jenis bersambung, misalnya soalan Q10C – tahap
kepuasan bekerja, dan masukan pada bahagian Test Variables list.
3. Seterusnya pilih satu pembolehubah jenis kategori, misalnya Q11 dan
masukan pada bahagian Grouping Variable
4. Klik pada butang Define Range, taipkan nilai 1 pada kotak minimum dan
nilai 3 pada kekotak maximum.
Halaman
101
5. Klik butang Continue dan butang OK
Jadual ujian Kruskal Wallis akan di hasilkan
Merujuk kepada jadual Ranks, jadual ini memberikan maklumat berkaitan dengan
Mean Rank bagi setiap kumpulan tempoh perkhidmatan dan bilangan kes(N) .
Melalui pemerhatian pada nilai Mean Rank bagi setiap kumpulan tempoh
perkhidmatan, didapati wujudnya perbezaan tahap kepuasan bekerja di antara
kumpulan tempoh perkhidmatan. Untuk mengesahkan wujudnya perbezaan ini,
rujuk kepada jadual Test Statistics. Ujian statistik Kruskal Wallis (Chi-Square)
ialah 11.298 dengan paras signifikan (Asymp.Sig.) pada .004 (nilai p < 0.05). Maka
kita menerima hipotesis alternatif.
Ujian korelasi Spearman’s Rank Order (rho) di gunakan untuk mengira kekuatan
perhubungan diantara dua pembolehubah jenis bersambung (keterangan lebih
lanjut mengenal perkara ini pada bab xx : Analisa Korelasi Pearson). Ianya
Halaman
Ujian Korelasi non-parametric Spearman’s Rank Order
102
Hasil daripada keputusan ini boleh di nyatakan bahawa terdapat perbezaan yang
signifikan secara statistik diantara tahap kepuasan bekerja dengan tempoh
perkhidmatan. Untuk menentukan kumpulan mana yang mempunyai paras
kepuasan bekerja paling tinggi kita perlu merujuk pada jadual Ranks yang
melaporkan mereka di dalam kumpulan tempoh perkhidmatan <=2 tahun
mempunyai tahap kepuasan bekerja paling tinggi ( Mean Rank = 246.84 )
manakala kumpulan yang paling rendah paras kepuasan bekerja di laporkan pada
kumpulan tempoh perkhidmatan 6 tahun dan keatas ( Mean Rank = 202.98). Ujian
kruskal-wallis hanya melaporkan terdapat perbezaan diantara kumpulan yang di
uji, tetapi anda masih tidak tahu kumpulan manakah yang berbeza di antaranya.
Ada terpaksa menggunakan ujian Man-Whitney U untuk mengetahuinya ialah
dengan membuat ujian pada dua kumpulan iaitu kumpulan tempoh perkhidmatan
<=2 tahun dan kumpulan perkhidmatan 6 tahun dan ke atas.
merupakan ujian alternatif bagi Pearson Correlation. Ujian korelasi Spearman’s
Rank Order tidak memerlukan data bertabur secara normal.
Misalnya anda mahu melihat kekuatan hubungan
diantara pembolehubah
tempoh perkhidmatan dengan tahap kepuasan bekerja. Atau hipotesis null (H0)
menyatakan tidak terdapat perbezaan yang signifikan secara statistik diantara
tempoh perkhidmatan dengan tahap kepuasan bekerja dan hipotesis alternatif(H1)
menyatakan sebaliknya.
Keperluan ujian
Dua pembolehubah jenis bersambung, misalnya Q3 – Tempoh perkhidmatan dan
Q10C – Tahap kepuasan bekerja.
Langkah-langkah:-
Halaman
3. Pilih pembolehubah Q2 dan pembolehubah Q10C daripada senarai
pembolehubah dan masukkan pada bahagian Variables
4. Klik pada kotak Spearman di bawah Correlation Coefficents, dan pastikan
hanya kotak Spearman sahaja yang dipilih.
5. Seterusnya klik pada butang OK.
103
1. Di bar menu klik Analyze→Correlate→Bivariate....
2. Tetingkap Bivariate Correlations di buka.
Jadual Non-parametric Spearman’s Rank Order di hasilkan.
Merujuk kepada jadual Correlation, Pekali korelasi bagi pasangan
pembolehubah tempoh perkhidmatan dan tahap kepuasan bekerja adalah
adalah kecil iaitu di antara .1 hingga .29 dimana nilai Correlation Coefficient(r)
= -.121* dengan paras signifikan .012 (Sig. (2-tailed). Oleh kerana nilai p < .05,
maka kita menerima hipotesis alternatif.
Keputusan ujian ini membuktikan bahawa pembolehubah Tempoh
perkhidmatan dan tahap kepuasan bekerja mempunyai satu perkaitan korelasi
negatif -.121 dan nilai varian bagi kedua pembolehubah adalah 1.46% ((-.121
x -.121) x 100). Hubungan linear negative (-.121) mengambarkan tahap
kepuasan bekerja menurun mengikut tempoh perkhidmatan tetapi di dalam
keadaan yang kecil hanya pada kadar 1.46%.
Sila rujuk bab xx berkenaan dengan korelasi pearson di mana istilah dan
definasi korelasi dijelaskan pada bahagian tafsiran ringkas mengenai korelasi.
Halaman
104
Bab seterusnya akan membincangkan teknik parametric yang di gunakan
didalam menjalankan ujian statistik.
BAB 14 : UJIAN UNTUK KENORMALAN ( TEST OF NORMALITY )
Ujian kenormalan data di perlukan jika anda membuat ujian Parametik
(parametric test) seperti Anova, Pearson Correlation, T-Test dan sebagainya.
Kenormalan data digunakan untuk menerangkan simentri data yang membentuk
lengkongan atau kelok seperti loceng (Bell shaped curve). Dengan kebanyakan
skor berkumpul di bahagian tengah, dengan sedikit
kekerapan adalah
ekstrim(Gravetter & Wallnau, 2000, p.52). Normality di kaitkan dengan nilai
skewness dan kurtosis. Pada keadaan biasa ujian kenormalan (test of normality)
selalunya digunakan pada banyak kaedah-kaedah statistik bagi ujian parametric
dan juga berkait rapat dengan data-data bersifat ekonomi, misalnya data-data
jualan, keuntungan dan sebagainya.
Mengandaikanya ianya normal tanpa
sebarang ujian yang sepatutnya akan mengakibatkan kesimpulan yang di buat
boleh memberikan tafsiran yang mengelirukan dan tidak tepat.
Menentukan samada data anda tertabur secara normal atau tidak
Menurut Tataback dan Fidel, cara mudah untuk menentukan samada data
tertabur secara normal atau tidak, memadai dengan melihat carta Histogram
dengan paparan Normal curve. Jika taburan data membentuk lengkongan atau
keluk seperti loceng, maka data boleh di anggap normal. Walaubagaimana pun
anda di sarankan menggunakan keaedah test of normality untuk melihat samada
terdapat skor-skor yang ekstrim yang mana ianya mempengaruhi kenormalan
taburan data anda. Sila rujuk kepada rajah berikutnya.
Histogram : Perbandingan data yang normal dan tidak normal
Taburan data yang normal
Taburan data yang tidak normal
1. Anda boleh menggunakan fail Kes_tidur.sav
2. Di menu bar klik pada menu Analyze→Descriptive Statistics..→Explore
Halaman
Melaksanakan prosedur Explore
105
Anda boleh menggunakan prosedur Explore untuk menjalankan ujian kenormalan
(Test of Normality)
3. Seterusnya pilih pembolehubah Umur(s2) dan tempatkan pada Dependent
List. Jika anda mahu memeriksan kenormalan mengikut kumpulan
misalnya jantina, masukkan pembolehubah ini pada bahagian Factor List.
4. Pastikan pada bahagian Display anda memilih Both.
5. Klik pada butang Plot, di bawah tajuk Descriptive klik pada Histogram dan
Normality plots with tests.
Halaman
106
6. Klik butang Continue.
7. Seterusnya klik pada butang Statistics dan klik pada kotak pilihan Outliers.
Option ini digunakan untuk melihat samda terdapat data-data yang ekstrem
atau tersisih jauh daripada kumpulan yang lain.
8. Klik pada butang Continues.
9. Seterusnya klik pada butang Options
10. Untuk Missing values klik pada Exlude cases listwise
11. Klik butang Continue dan OK.
Beberapa jadual akan terhasil daripada perlaksanaan prosedur Explore.
Jadual Descriptives
Halaman
107
Membekalkan maklumat berkaitan dengan descriptive statistics dan juga
maklumat lain yang berkaitan dengan pembolehubah pilihan anda (umur).
Merujuk 5% Trimmed Mean. Untuk mendapatkan nilai ini, SPSS mengasingkan
(exclude) 5% bahagian atas(top) dan bahagian bawah(bottom) kes. Dan mengira
semula berdasarkan baki 5% kes yang telah di buang. Lain-lain maklumat adalah
seperti Mean, Minimum, Maximum, varian dan sebagainya ( rujuk kepada jadual
di bawah )
Jadual Test of Normality
Halaman
108
Merujuk kepada jadual Test of Normality, seperti yang kita tahu jika nilai p <.05
menunjukan ada perbezaan, sebaliknya jika p > .05 menunjukan tiada sebarang
perbezaan. Merujuk kepada bacaan pada Sig. di bawah tajuk KolmogorovSmirnova, nilai yang di perolehi (Sig.) adalah .200. maka tiada sebarang perbezaan
(p > .05), maka boleh di simpulkan data adalah bertabur secara normal.
Sebaliknya jika nilai p < .05 maka boleh di simpulkan taburan data tidak normal.
Halaman
109
Jika data anda di dalam keadaan tidak normal, anda boleh memeriksa samada
terdapat skor yang ekstrem, maklumat ini boleh di perolehi pada jadual berikutnya
(Box plot). Dalam kes ini hanya 1 kes sahaja yang ekstrem iaitu kes bernombor
146. ( anda boleh merujuk kepada data bilangan yang ke 146 untuk melihat
apakah nilai skor yang ekstrem bagi pembolehubah umur ). Anda bolehlah
mengasingkan nilai ini dengan menggunakan bahagian missing values pada
pembolehubah umur. Dan lakukan ujian ini sekali lagi.
Alternatif kernormalan taburan data
Anda boleh mencuba untuk menggunakan formula Base 10 Logarithm(LOG(10))
atau Natural Logarithm(ln)) untuk ujian kenormalan data yang pada asalnya tidak
normal.
Sebagai contoh, anda mahu melihat taburan data jumlah batang rokok sehari,
untuk itu anda akan membina carta histogram dengan paparan normal curve
terlebih dahulu. Dan hasilnya adalah seperti berikut. Melalu pemerhatian pada
carta histogram berikutnya, didapati taburan data adalah tidak normal.
Halaman
110
Anda boleh menggunakan formula Base 10 Logarithm untuk menormalkan data,
gunakan prosedur Compute seperti yang telah di jelaskan pada bab 10, dan
hasilkan carta histogram dengan paparan normal curve bagi pembolehubah yang
baru ( Base 10 Logarithm ). Adakah carta histogram di bawah normal?
BAB 15 : ANALISIS KORELASI PEARSON
Tafsiran ringkas
Korelasi merujuk kepada ukuran kekuatan hubungan linear di antara dua
pembolehubah yang di wakili oleh huruf x dan y. Hubungan tersebut adalah
korelasi linear positf, korelasi linear negatif dan tiada korelasi.
Ujian korelasi Pearson merupakan teknik ujian parametric yang sesuai digunakan
apabila kedua-dua pembolehubah yang ingin dibandingkan menggunakan skala
pengukuran sekurang-kurangnya nisbah atau selang, atau dalam istilah lain
pembolehubah yang mempunyai nilai jawapan yang bersambung (continoues
variable) contohnya seperti pendapatan atau umur. Jika salah satu pembolehubah
menggunakan skala pengukuran ordinal, maka model Pearson tidak sesuai
digunakan, Anda bolehlah memilih model yang lain seperti Spearman’s rho.
Bagaimana kita boleh menentukan kekuatan perhubungan di antara dua
pembolehubah ini. Seperti yang di maklumkan nilai julat Pearson Correlation ( r )
adalah diantara -1.00 kepada +1.00, nilai ini menunjukan wujudnya satu
hubungan yang sempurna diantara kedua dua pembolehubah, manakala
Correlation r=0 menunjukan tiada hubungan langsung di antara dua
pembolehubah. Korelasi linear positif memberikan gambaran hubungan
pembolehubah x dan y bergerak secara menaik, dimana jika nilai x bertambah
maka nilai y juga turut bertambah. Sebaliknya korelasi negative membawa
maksud jika nilai x berkurang, maka nilai y juga akan berkurang secara linear,
atau menunjukan hubungan x dan y bergerak secara menurun.
Jika r mengambil nilai antara -1.00 kepada +1.00 menunjukan hubungan yang
sempurna, Bagaimana pula dengan nilai di antara 0 kepada 1 dan sebaliknya 0
kepada -1 ?
Menurut Cohen (1988) mencadangkan kita mengikuti garis panduan di bawah ini:r =.10 kepada .29
atau r=-.10 kepada -.29
Kecil
r=.30 kepada .49
atau r=-.30 kepada -.49
Sederhana
r=.50 kepada 1.0
atau r=-.50 kepada -1.0
Besar



Halaman

Data-data yang di perolehi hendaklah bertabur secara normal.
Data-data hendaklah dalam ukuran skala selang atau nisbah
Sampel data hendaklah di uji perlu lah di perolehi daripada sampel yang
sama
Variasi atau varian skor bagi pembolehubah yang pertama adalah sama bagi
semua nilai yang mungkin bagi pembolehubah yang kedua.
111
Syarat pengujian korelasi pearson.
Menentukan pengiraan korelasi
Bagaimana hubungan varian (variance) dua pembolehubah boleh di kira. Apa yang
anda perlu lakukan hanya perlu kuasa dua nilai r (r2). Misalnya jika korelasi r=.5
ini bermakna 25%, dimana .5 x .5 = .25% * 100
Berikut adalah contoh hipotesis yang boleh ditulis mengenai perkaitan antara dua
pembolehubah.
Hipotesis Null :
Berat badan responden tidak di pengaruhi oleh faktor ketinggian, atau dengan lain
perkataan tiada perhubungan yang signifikan secara statistik diantara berat
dengan ketinggian.
Hipotesis Alternatif :
Terdapat berhubungan yang signifikan secara statistik antara berat dengan faktor
ketinggian
Langkah-langkah melaksanakan prosedur korelasi Pearson:
Anda boleh menyemak plot serakan dua hala (x dan y)dengan menghasilkan graf
Scatterplot jenis simple.
Penting, sebelum anda boleh melaksanakan prosedur korelasi, sila semak perkara
berikut, Klik edit daripada menu bar, pilih option dan pastikan anda menanda(tik)
pada kotak pilihan No sciencetifif notation for small numbers in table.
Buka fail kes_tidur_after.sav
Halaman
3. Pada tetingkap Simple Scatterplot, masukkan pembolehubah berat pada
ruang Y_Axis dan pembolehubah tinggi pada X-Axis. Dan seterusnya klik
butang OK .
4. Daripada paparan pada graf scatterplot yang di tunjukan pada rajah
berikutnya, apakah kesimpulan yang boleh anda buat?
112
1. Untuk menghasilkan graf scatterplot. Di menu bar pilih Graph→ Legacy
dailogs→ Scatter/Dot..
2. Pada tetingkap Scatter/Dot klik pada ikon Simple Scatter dan klik butang
Define.
5. Anda harus memeriksa samada terdapat data yang tersisih (outlier), jika
didapati ada data atau skor yang tersisih, adalah dicadangkan anda
mengasingkan nilai ini daripada ujian.
Melaksanakan prosedure korelasi pearson
Halaman
1. Seterusnya klik pada pembolehubah berat dan tinggi. Dan bawa kepada
kotak senarai Variables
2. Seterusnya tentukan pilihan jenis ujian yang diinginkan iaitu satu arah
(one-tailed) atau dua arah (two-tailed).
3. Klik butang OK
113
1. Di bar menu klik Analyze→Correlate→Bivariate.... .
2. Tetingkap berikut di buka pada skrin komputer anda.
Correlation pearson atau spearman akan melaporkan perkaitan korelasi
pasangan pembolehubah yang di uji, serta memberikan maklumat paras
signifikan dan juga jumlah kes. Keputusan ujian korelasi pearson merujuk
kepada nilai pada Pearson Correlation.
Halaman
114
Pekali korelasi bagi pasangan pembolehubah berat dan tinggi adalah adalah
besar iaitu di antara .562 hingga 1.00 iaitu nilai Pearson Correlation(r) = .562**,
dan paras signifikan(p)=.000. ini membuktikan bahawa pembolehubah berat
dan tinggi mempunyai atau perkatian korelasi positif .562 dan nilai varian
bagi pembolehubah ialah 31.6% ((.562 x .562) x 100). Keputusanya hiphotesis
alternatif di terima.
Membandingkan perkaitan korelasi mengikut kumpulan.
Kadangkala di dalam membuat kajian, anda mungkin mahu membuat
perbandingan diantara dua kumpulan, misalnya anda mahu melihat perhubungan
diantara
Berat dan Tinggi kalangan pelajar lelaki dan perempuan secara
berasingan.
Prosedur untuk
kumpulan.
melaksanakan
perbandingan
perkaitan
korelasi
bagi
dua
Langkah-langkah :1.
2.
3.
4.
Pertama sekali anda perlu memisahkan responden kepada dua kumpulan
Daripada menu pilih Data→Split file...
Klik pada Compare Groups
Bawa pembolehubah Jantina(s1) ke dalam kekotak berlabel Groups Based
on. Dan klik butang OK.
Halaman
115
5. Arahan ini akan memisahkan data kepada dua kumpulan jantina iaitu
Lelaki dan Perempuan. Dimana analisa korelasi akan di buat mengikut
kumpulan.
Seterusnya melaksanakan prosedur korelasi.
6. Di bar menu klik Analyze→Correlate→Bivariate.... .
7. Tetingkap berikut akan di buka pada skrin komputer anda.
3. Seterusnya klik pada pembolehubah berat dan tinggi. Dan bawa kepada
kotak senarai Variables
4. Seterusnya tentukan pilihan jenis ujian yang diinginkan iaitu satu arah
(one-tailed) atau dua arah (two-tailed).
4. Klik butang OK
Halaman
116
Merujuk kepada jadual di atas. Laporan yang dihasilkan adalah di asingkan
mengikut kumpulan jantina. Sila pastikan anda split fail option off untuk
kembali kepada keadaan asal.
BAB 16 : UJIAN T (T-TEST)
T-test merupakan salah satu ujian statistik yang di gunakan untuk menentukan
samada terdapat perbezaan yang signifikan bagi nilai mean untuk dua kumpulan
atau dua set data yang hendak di uji. Misalnya anda ingin melihat adakah
terdapat perbezaan nilai mean dalam keputusan GPA bagi kumpulan jantina
Lelaki dan Perempuan. Data yang hendak di uji harus lah bertabur secara normal
(gunakan histogram atau test of normality untuk mendapatkan keputusan). Set
data yang hendak di uji hendaklah dalam bentuk skala nisbah atau selang.
Terdapat berbagai jenis ujian bagi t-tests di dalam SPSS, berikut adalah di
antaranya:



One-sample t-test, ujian yang digunakan bagi menentukan sama ada nilai
mean satu set data yang telah dipilih daripada sampel terdahulu, di
gunakan untuk menguji samada terdapat perbezaan mean yang signifikan
dengan sampel set data yang lain.
Independent-sample t-test, digunakan apabila anda mahu membuat
perbandingan skor mean daripada dua kumpulan orang yang berbeza atau
syarat. Dan
Paired-sample t-test, di gunakan apabila anda mahu membuat perbandingan
skor mean untuk kumpulan orang yang sama pada masa yang berbeza
(before and after).
Kaedah pengujian One-sample t-test
Ujian t (t-test) ini memerlukan anda memilih satu nilai sebagai asas untuk
pengujian, misalnya anda ingin membandingkan adakah nilai mean pencapaian
GPA pada semester lepas dengan pencapaian GPA pada semester berikutnya.
Keperluan ujian :
Satu pembolehubah jenis skala nisbah atau selang.
Langkah-langkah
Halaman
117
1. Buka fail student-part-4.sav.
2. Di menu bar klik Analyze→Compare Means→One sample T Test..
3. Tetingkap One-Sample T Test di buka, masukan pembolehubah GPA_4
kedalam kekotak Test Variable(s). Dan masukan nilai mean yang telah di
ihyphothesiskan(GPA) iaitu 2.78 pada Test Value:
4. Seterusnya klik butang OK
Merujuk kepada jadual di atas, hasil daripada keputusan ujian menunjukan
terdapat perbezaan yang signifikan ke atas nilai mean yang di hipotesiskan,
iaitu nilai p = .000 < α = 0.05. Keputusannya hipotesis alternatif di terima, di
mana terdapat perbezaan nilai mean GPA bagi dua set data yang di uji. Di
mana keputusan GPA meningkat berbanding dengan yang lepas iaitu pada nilai
mean 2.9691. Untuk melihat perbezaan mean, lihat pada maklumat di bawah
Halaman
118
tajuk Mean Difference (.18911)
Pengujian sampel tidak bersandar (Independent-sample t-test)
Ujian t sample tidak bersandar (Independent-sample t-test) merupakan ujian yang
sesuai digunakan apabila anda mahu membuat perbandingan nilai mean bagi dua
kumpulan sampel yang tidak bersandar. Misalnya anda mahu menentukan sama
ada terdapat perbezaan nilai mean bagi GPA pelajar lelaki dan perempuan.
Batasan ujian hanya untuk dua kumpulan sampel yang di pilih sahaja, jika lebih
daripada dua kumpulan anda perlu menggunakan prosedur analysis of variance.
Kaedah pengujian Independent-sample t-test
Hypothesis (H0):
Terdapat perbezaan yang signifikan secara statistik di dalam pencapaian markah
GPA diantara pelajar lelaki dan perempuan.
Keperluan ujian
Anda memerlukan satu pembolehubah bersambung iaitu GPA dan perbolehubah
jenis kategori iaitu Jantina.
Langkah-langkah:
1. Buka fail student-part-4.sav
2. Di menu bar klik Analyze→Compare Means→ Independent Samples T
Test..
3. Tetingkap Independent-Samples T Test di buka, masukan perbolehubah
GPA_4 pada Test Variable(s), dan pembolehubah JANTINA pada Grouping
Variable:
Halaman
119
4. Seterusnya klik pada butang Define Groups...
5. Tetingkap Define Groups di buka, dan masukan kod perwakilan bagi lelaki
dan perempuan iaitu 1 pada Group 1: dan 2 pada Group 2: dan seterusnya
klik butang Continue
6. klik butang OK.
Merujuk kepada jadual Group Statistics. Ianya memberikan maklumat berkenaan
dengan kumpulan sampel yang di bandingkan, seperti nilai Mean, Std. Deviation,
Std. Error Mean dan jumlah sampel (N) .
Keputusan di atas menunjukan bahwa nilai Sig. (p = .063), dimana nilai ini lebih
besar
daripada nilai α =0.05
ini bermakna varian (variances) untuk dua
Halaman
Jika nilai Sig.(p) lebih besar daripada nilai alpha (a) 0.05, ini menunjukan variasi
data adalah sama dan kita menerima hipotesis null dan perlu merujuk kepada
maklumat pada baris pertama ( Equal variances assumed). Sebaliknya jika nilai
Sig.(p) lebih kecil daripada nilai alpha(a) 0.05 maka kita perlu merujuk kepada
baris kedua (Equal variances not assumed.) menunjukan variasi data adalah tidak
sama.
120
Merujuk kepada jadual Independent Samples Test. Anda perlu melihat terlebih
dahulu nilai Sig. di bawah tajuk Levene’s test for equality of variances. Nilai ini
(p) akan menentukan samada variasi pada skor untuk dua kumpulan ini sama
atau sebaliknya
kumpulan adalah sama. dalam kes ini anda akan menggunakan baris pertama
(Equal variances assumed) sebagai rujukan.
Merujuk kepada jadual diatas, keputusan ujian menunjukan nilai(p) Sig.(2-Tailed)
ialah .000 dimana nilai ini lebih kecil daripada nilai α=.05, dari sini anda boleh
membuat kesimpulan terdapat perbezaan yang signifikan secara statistik didalam
nilai mean bagi pembolehubah GPA bagi kumpulan lelaki [Mean=2.7841,
SD=.63988] dan perempuan[Mean=3.0605, SD=.52749]. Merujuk kepada jadual
mean, Purata GPA pelajar Perempuan lebih tinggi berbanding dengan pelajar
Lelaki. Anda boleh menggunakan formula Eta Square untuk mengira perbezaan
diantara kumpulan. Dalam kes ini hanya 5.03% varian dalam pembolehubah GPA
di jelaskan oleh kumpulan jantina.
Formula untuk mengira Eta squared : Eta square = t2 / t2 +(N1+N2 – 2)
Cht.:
Eta squared = -3.611/-3.6112+(82+166 – 2)
13.039/ 259.039
= 0.0503
Eta squared = 0.0503 * 100 = 5.03%
Selalunya formula Eta Squared di gunakan untuk mengira saiz kesan statistik
keatas kedua pembolehubah yang di uji. Saiz kesan statistik menyediakan satu
pentunjuk magnitud perbezaan diantara kumpulan. Eta Squared mengambil kira
nilai 0 hingga 1. Eta Squared mewakili kadar varians dalam pembolehubah
bersandar yang di perjelaskan oleh pembolehubah tidak bersandar(kumpulan)
Halaman
121
Menurut Cohen 1988 untuk menjelaskan saiz perbezaan (Eta Square) adalah
seperti berikut : .01 kecil, 0.6 sederhana, .14 besar.
Paired-sample t-test
Paired-sample t-test di gunakan pada kumpulan sampel bersandar yang
berpasangan yang mana bertujuan untuk membandingkan nilai mean bagi dua set
data daripada kumpulan sampel yang sama.
Paired-sample t-test sesuai
digunakan apabila anda mempunyai kumpulan data daripada kumpulan yang
sama dengan mengumpul maklumat pada masa yang berlainan (sebelum dan
selepas)
Misalnya anda mahu membuat perbandingan nilai Mean ujian renangan yang
pertama dan renangan yang kedua pada responden(perenang) yang sama.
Keperluan ujian


Pasangan pembolehubah yang mempunyai pengukuran skala nisbah atau
selang
Data hendaklah bertabur secara normal (guna histogram bagi melihat
taburan kedua-dua set data ini atau menggunakan test of normality)
Langkah-langkah pengujian Paired-sample t-test.
Halaman
122
1. Buka fail perenang.sav.
2. Klik pada menu Analyze →Compare Means →Paired-Sample T Test..
3. Tetingkap Paired-Samples T Test di buka, pilih pembolehubah AC100A dan
masukkan pada Paired Variables di bawah tajuk Variable1, dan kemudian
pilih atau klik pada pembolehubah AC100B dan masukkan di bawah tajuk
Variable2.
4. Klik butang OK.
Laporan jadual Paired Samples Statistics dengan beberapa jadual akan di
hasilkan.
Merujuk kepada Paired Sample Statistics, jadual ini memberikan maklumat
berkaitan dengan nilai Mean bagi setiap kumpulan serta maklumat lain seperti
Std. Deviation dan juga Std. Error Mean.
Merujuk pula kepada jadual Paired Samples Test, Nilai Sig. (p) bersamaan dengan
.000 di mana nilai ini lebih kecil daripada nilai alpha (a) .05. Maka boleh di
simpulkan terdapat perbezaan nilai mean yang signifikan secara statistik diatara
pasangan pembolehubah AC100A dan AC100B, dimana nilai perbezaan adalah
5.99312 (rujuk pada lajur Mean). Dalam kes ini kita menerima hipotesis alternatif,
di mana terdapat perbezaan yang signifikan secara statistik diantara kedua-dua
pembolehubah yang di uji atau merujuk kepada masa berkurang.
Anda boleh menggunakan formula Eta Squared untuk mengetahui kesan saiz
statistik diantara dua pemboleubah ini.
Eta square = t2 /t2 + N-1)
Eta squared = 4.7852/4.7852+(32-1)
= 22.90/ 53.90)
= 0.42
Halaman
Hasil daripada pengiraan Eta Square memberikan nilai 0.42, dimana boleh
disimpulkan kesan saiz statistik adalah besar, dengan satu perbezaan yang besar
dalam skor statistik yang di perolehi sebelum dan selepas renangan bagi acara 100
meter gaya bebas. ( Daripada Cohen 1988: .01 kecil, 0.6 sederhana, .14 besar ).
123
Eta squared = 0.42 * 100 = 42%
BAB 17 : ANALISIS VARIAN (ANOVA)
Sekiranya anda mempunyai set data atau kumpulan yang melebihi daripada dua,
prosedur ANOVA adalah sesuai di gunakan. Analisis Varians merupakan salah
satu ujian statistik yang berguna untuk membandingkan nilai mean bagi tiga atau
lebih kumpulan sampel yang tidak bersandar. Ini adalah bertujuan untuk
menentukan samada terdapat perbezaan mean yang signifikan dalam populasi
daripada sampel yang telah di pilih.
Andaian
 Set data yang di pilih daripada sampel hendaklah mempunyai taburan
secara normal. ( ujian test of normality atau pengamatan melalui jadual
historgram boleh menjelaskannya).
 Sampel telah di pilih secara rawak daripada populasi dan tidak bersandar di
antara satu sama lain.
 Data bagi setiap kumpulan dalam populasi varians yang sama antara satu
sama lain
Prosedur Compare means
Prosedur Compare means di gunakan apabila anda mahu membuat perbandingan
nilai Mean bagi dua atau lebih kumpulan sampel tidak bersandar.
Langkah-langkah melaksanakan prosedur Compare means
1. Buka fail student-part-4.sav.
2. Di menu bar klik Analyze→ Compare means→ Means...
3. Tetingkap Means akan di buka, masukkan pembolehubah CGPA kedalam
kotak Dependent List, dan Kursus pada Indepent List
Halaman
124
4. Seterusnya klik pada butang Options…
5. Tetingkap Mean Option di buka
Halaman
Merujuk kepada jadual Compare Means, apakah kesimpulan yang boleh anda
buat? Kursus manakah yang mempunyai nilai Mean yang paling tinggi dan
kumpulan sampel manakah yang mempunyai nilai Mean yang paling rendah.
Adakah daripada pemerhatian anda terdapat perbezaan nilai Mean bagi setiap
kumpulan.
125
6. Klik pada kotak tanda Anova table and eta di bawah tajuk Statistics for First
Layer, dan klik butang Continue, dan kemudian butang OK.
Seterusnya anda harus merujuk kepada jadual ANOVA Table, dengan memberi
perhatian pada nilai Sig., Nilai p adalah .087 dimana nilai ini lebih besar daripada
nilai alpha .05. maka keputusan ujian ini menunjukan tiada wujud sebarang
perbezaan yang signifikan secara statistik didalam pencapaian nilai mean bagi
kumpulan yang di uji. Hyphotesis null di terima.
Analisis varians satu-hala diantara kumpulan
Analisis varians satu-hala diantara kumpulan di gunakan apabila anda mahu
membuat perbandingan diantara sampel yang mempunyai lebih daripada 2
kumpulan. Anda memerlukan satu pembolehubah tidak bersandar (kumpulan)
dan satu pembolehubah bersandar jenis bersambung.
Misalnya anda mahu membuat perbandingan bagi mean CGPA bagi kumpulan
sampel daripada kursus yang di pilih.
Hipotesis null(H0) menyatakan tiada sebarang perbezaan yang signifikan secara
statistik diantara 3 kumpulan. Dan hipotesis alternatif(H1) menyatakan sebaliknya.
Ada memerlukan sepasang pembolehubah dari jenis kategori dan jenis skala.
Misalnya pembolehubah Kursus (kategori) dan CGPA (skala).
Langkah-langkah pengujian.
1. Buka fail student-part-4.sav
Keperluan ujian
Halaman
126
2. Mula-mula anda perlu mencari purata Mean CGPA bagi setiap kursus yang
dipilih, ini boleh di lakukan dengan membina graf Boxplot. Atau anda boleh
menggunakan prosedur Compare mean.
3. Untuk membina carta Boxplot. Klik pada Graphs →Legacy Dailogs→
Boxplot.....
4. Tetingkap Boxplot akan di buka, klik pada ikon Simple dan klik butang
Define.
5. KLik butang OK.
Merujuk kepada carta boxplot di atas. Melalui pemerhatian Mean tertinggi CGPA
dimiliki oleh kursus Pengurusan Bank, bagaimana kesimpulan, begitu boleh
dibuat?. Garisan gelap di dalam setiap Boxplot adalah garisan Median bagi setiap
kursus. Perhatikan pada garisan median yang paling tinggi diantara boxplot.
Ujian Explore
1. Dari menu bar pilih Analyze → Descriptive Statistics →Explore..
Halaman
Untuk menentukan kenormalan data, anda boleh menjalankan ujian test of
normality yang boleh di laksanakan dengan menggunakan prosedur Explore.
127
Andaian keperluan ANOVA, merujuk kepada beberapa syarat dimana set data
hendaklah mempunyai taburan data secara normal, data yang di pilih hendaklah
secara rawak, dan kumpulan populasi harus mempunyai varian yang sama.
2. Kemudian pilih CGPA sebagai Dependent List Variable,
3. Kursus sebagai Factor List Variable, dan klik Plot pada option Display,
seterusnya klik butang Plots...
4. Tetingkap Explore: Plots dibuka, klik pada kotak pilihan Normality plots
with tests.
5. Klik butang Continue, dan kemudian klik butang OK.
Merujuk kepada jadual Test of Normality, ujian Kolmogorov-Smirnova digunakan
untuk untuk melihat samada varians bagi setiap kumpulan sampel adalah sama
atau sebaliknya. Hypothesis null(H0) menyatakan taburan populasi adalah normal.
Sila rujuk pada ruang Statistic dan signifkan (Sig.) ujian Statistik adalah daripada
.076 sehingga .133 dan nilai P-Value (significant) adalah .200*. Nilai P-Value lebih
besar daripada nilai alpha 0.05. maka kita tidak menolak hypothesis null.
Untuk menyokong keputusan ujian di atas, satu lagi ujian perlu di buat untuk
memeriksa andaian Homegeneity-of-variace.
Dari menu bar klik Analyze → Compare Means→ One-Way ANOVA..
Pilih pembolehubah CGPA sebagai Dependent List dan
Factor List adalah pembolehubah KURSUS.
Klik pada butang Option. Teingkap dailog One-Way ANOVA: Option di
buka, di bawah tajuk Statistics, tanda pada kotak Descriptive ( untuk
Halaman
1.
2.
3.
4.
128
Langkah-langkah:-
melihat kumpulan Mean ) dan tanda juga pada kotak Homogeniety-Ofvariance test.
5. Klik butang continue dan seterusnya butang OK.
Halaman
129
6. Levene’s test for homogeneity of variances menjelaskan samada terdapat
kebarangkalian perbezaan populasi varian (population variance) yang
signifikan pada setiap kursus. Hypothesis null menyatakan populasi varian
adalah sama. Dalam ujian ini nilai Levene Statistic adalah 2.586 dan Sig.
(P-Value) adalah .077. Oleh kerana nilai P lebih besar daripada nilai alpha
.05, maka kita tidak menolak hypotesis null. Dengan adanya pernyataan ini
maka kita memenuhi syarat andaian Independent Measure ANOVA.
7. Untuk mencari perbezaan rujuk kepada jadual di bawah. Lihat pada nilai F
(test statistic) iaitu 3.119 dan nilai Sig. (P-Value) pada .046, dalam kes ini
kita kena menolak hypotesis null, serta membuat kesimpulan sampel data
ini mengandungi sekurang-kurangnya satu perbezaan yang signifikan di
dalam mean CGPA di kalangan tiga Kursus yang di bandingkan.
8. Lihat pada jadual Descriptive. Kursus manakah yang mempunyai nilai
mean CGPA yang rendah? Kumpulan yang mana pula yang paling tinggi
nilai mean CGPA? Adakah anda berpendapat nilai mean CGPA 2.92 lebih
signifikan berbanding dengan nilai mean CGPA 2.71?
Halaman
14. Klik pada butang Continue.
15. Seterusnya klik pada butang Post-Hoc.. dan pilih hanya option Tukey.
16. Klik butang Continue dan seterusnya butang OK.
130
9. Untuk membuat pengesahan yang mana lebih baik berbanding dengan tiga
kursus yang di nyatakan. Kita memerlukan satu lagi ujian yang sama cuma
perlu menggunakan option Tukey.
10. Dari menu bar klik Analyze→ Compare Mean→ One-Way ANOVA
11. Pilih pembolehubah CGPA sebagai Dependent List dan
12. Factor List adalah pembolehubah Kursus.
13. Klik pada butang Option di bawah tajuk Statistics, pilih Descriptive (
untuk melihat kumpulan Mean ) dan Homogeneity-Of-variance test.
17. Merujuk kepada
jadual Descriptive. Kursus manakah yang mempunyai
nilai mean CGPA yang rendah? Kumpulan yang mana pula yang paling
tinggi nilai mean CGPA? Adakah anda berpendapat nilai mean CGPA 2.92
lebih signifikan berbanding dengan nilai mean CGPA 2.71?
Kesimpulannya
Halaman
131
1. Pelajar daripada kursus Pengurusan Bank lebih baik pencapaian CGPA
berbanding dengan Pelajar daripada kursus Pengurusan Analisis Pelaburan
di mana paras signifikan p = 0.035 < α = 0.05
2. Tidak terdapat perbezaan yang signifikan diantara pelajar kursus
Pengurusan Bank dengan pelajar kursus Pengurusan perniagaan p = 0.680
> α = 0.05.
3. Tidak terdapat perbezaan yang signifikan di antara mean CGPA pelajar
kursus Perniagaan dengan pelajar kursus Analisis Pelaburan p = 0.199 > α
= 0.05.
BAB 18 :REGRESI LINEAR ( LINEAR REGRESSION )
Perkara yang menarik di dalam membuat analisis statistik adalah berkaitan
dengan perhubungan diantara pembolehubah. Misalnya berapa banyakkah
kemalangan akan berlaku jika lebih banyak kenderaan berkongsi lebuh raya yang
sama. Atau berapa banyakkah penggunaan isi padu
air di satu kawasan
meningkat jika penambahan pendudukan meningkat kepada 1,000 orang.
Analisis regresi linear merupakan satu alat dengan beberapa aplikasi penting. Ia
juga merupakan satu set prosedur statistik yang selalunya di gunakan untuk
meramal serta menjelaskan nilai bagi satu pembolehubah bersandar berdasarkan
nilai satu atau lebih pembolehubah tidak bersandar yang di hubungkan. Ujian
hipotesis mengenai hubungan diantara dua pembolehubah yang mempunyai
pengukuran skala nisbah atau selang. Juga satu cara untuk menganggarkan
hubungan khas atau semula jadi yang mungkin berlaku. Misalnya “Adakah faktor
kekerapan berlakunya kemalangan di sebabkan oleh bertambahan kenderaan di
lebuh raya?”. Adakah kedua-dua pembolehubah ini ada perhubungan?. Ujian ini
juga membenarkan anda untuk meramal nilai-nilai satu pembolehubah jika anda
tahu atau boleh menggagar daripada pembolehubah lain.
Andaian


Data-data yang terkeluar daripada julat (ekstrim) perlu di singkirkan, anda
boleh menggunakan kemudahan missing value atau select cases untuk
mengasingkan data atau skor daripada kumpulan data.
Data hendaklah di dalam keadaan bertabur secara normal.
Prosedur melaksanakan ujian regresi linear.
Halaman
132
Kemalangan merupakan satu tragedi yang menjadi sebahagian daripada
kehidupan rakyat Malaysia. Anda mahu melihat faktor kemalangan ini adakah
berpunca daripada sudut pertambahan penduduk. Adakah faktor bertambahnya
penduduk merupakan peramal bagi kemungkinan kemalangan lebih kerap
berlaku.
Langkah-langkah
Memeriksa perkaitan di antara dua pembolehubah ini menggunakan scatterplot.
Hasilkan graf jenis scatterplot mudah.
1. Di menu bar klik Graphs→Legacy dailog→Scatter/Dot…
2. Pilih pembolehubah S5(Jumlah penduduk – 2008) dan S16 (Jumlah
kemalangan )
Perhatikan pada jadual Scatterplot, adakah anda boleh meramalkan bahawa
kedua-dua pembolehubah ini mempunyai hubungan?
Seterusnya anda perlu melaksanakan ujian Regresi Linear
Halaman
133
3. Di menu bar klik Analyze→Regression→Linear…
Criterion
variables
Predictor
Variables
4. Pada tetingkap Linear Regression, masukkan pembolehubah S16 pada
bahagian Dependent dan S5 pada bahagian Independent(s), pilih Enter
pada pilihan Method.
5. Klik OK.
Jadual ANOVA merujuk kepada penentuan hipotesis, yang mana ianya
menentukan samada hipotesis null atau hipotesis alternatif di terima.
Halaman
134
Jika x dan y tiada perhubungan, nilai garisan slope adalah 0. Statistik F
mempunyai nilai 479.995 dengan paras Signifikan pada .000. maka kita
menolak hipotesis null.
Merujuk pula kepada jadual Model Summary, laporan statistik ‘goodness of fit’
dinyatakan sebagai Coefficient of determination, kesimpulan menunjukkan 90%
(.902*100) perubahan pendudukan berada di dalam variasi kemalangan.
Merujuk kepada jadual Coefficients, nilai t adalah 1.342 pada paras signifikan
.186, oleh kerana nilai p lebih besar daripada nilai alpha .05, maka kita
menerima hipotesis null, ini mengambarkan pertambahan penduduk 0
bermaksud 0 kemalangan. Nilai ujian statistik untuk slope adalah 20.989, dan
perhubungan nilai p adalah 0. Ini menunjukan wujudnya perhubungan yang
signifikan secara statistik diantara pembolehubah x dan y.
Contoh lain
Secara logik apabila kita mempunyai banyak pendapatan, maka kita akan
berbelanja lebih. Dalam latihan berikutnya kita akan cuba untuk melihat
perhubungan yang wujud diantara sifat berbelanja dengan pendapatan. Misalnya
setiap ringgit yang bertambah akan menyebabkan seseorang individu itu
berbelanja lebih.
Jika pendapatan bertambah kita menjangkakan perbelanjaan akan meningkat.
Secara teori model perhubungan boleh di tulis :
Berbelanja = Intercept + (slope)(Income) + Random error.
Jika x dan y mempunyai hubungan linear yang positif, β1 mempunyai nilai
positif(+), jika hubungan x dan y adalah linear negatif, β1 mempunyai nilai
negative(-). Jika x dan y tiada perhubungan, maka nilai β1 adalah 0.
Teori menyatakan berbelanja bergantung kepada pendapatan. Dalam istilah
regresi, berbelanja adalah pembolehubah bersandar (dependent(y-axis)) dan
pendapatan sebagai pembolehubah tidak bersandar(independent(x-axis)).
1. Klik menu Graphs → Legacy Dialog→ Scatter/Dot…
2. Pilih Simple Scatterplot
3. Masukkan pembolehubah Consumption pada y-axis dan income pada xaxis.
Halaman
Menghasilkan carta scatterplot…
135
Langkah pertama ialah menghasilkan carta Scatterplot. Ini adalah bertujuan
untuk melihat bentuk taburan data diantara kedua pembolehubah.
4. Berikut adalah jadual scatterplot yang di hasilkan.
Halaman
Merujuk kepada jadual Model Summary, laporan statistik pada ukuran
‘goodness of fit’ di panggil coefficient of determination, di nyatakan pada symbol
r2. (rujuk pada nilai di bawah R Square). Iaitu r2 = .999. nilai r2 boleh berada
diantara 0.000 hingga 1.000. kesimpulan menunjukan 99.9% ( .999 * 100)
perubahan pendapatan berada di dalam variasi perbelanjaan ( change income
account for 99.9% of the variation in consumption)
136
5. Merujuk kepada jadual di atas, menunjukan plot adalah di dalam keadaan
garis lurus yang hampir sempurna, dan melapurkan hubungan linear
positif. Ini bermaksud nilai y berubah mengikut pertambahan nilai x bagi
setiap satu unit.
6. Seterusnya anda perlu menjalankan ujian regresi Linear, klik pada menu
Analyze → Regression → Linear…
7. Klik pada pembolehubah consumption dan masukan pada bahagian
Dependent dan pembolehubah income pada bahagian independent.
Jadual diatas merujuk kepada perkara yang berkaitan dengan hipotesis.
Elemen yang seterusnya ialah merujuk kepada jadual ANOVAb. ujian regresi
merujuk kepada pengiraan estimated slope. Nilai Statistik F adalah 56929.002
pada Signifikan level .000. Maka kita menolak hipotesis null.
Jadual terakhir yang perlu anda rujuk adalah jadual Coefficientsa. di dalam
regression equation, Slope(β1) dan intercept(β0) merujuk kepada model
Coefficients, daripada jadual di atas estimated line boleh di tulis seperti berikut
Perbelanjaan = -38.586 + .809Pendapatan
Halaman
137
Garisan Slope ( Slope of the line ) .809 bermaksud jika pendapatan meningkat
kepada 1 billions, pembelian seseorang akan meningkat sebanyak 0.809 billion.
Dalam istilah lain responden membelanjakan 81 sen bagi setiap tambahan
ringgit yang mereka perolehi.
Multiple Regression
Halaman
138
Multiple Regresssion merupa teknik statistic yang membolehkan anda meneka
skor seseorang pada satu pembolehubah sebagai asas untuk skor pada beberapa
pembolehubah yang lain. Sebagai contoh, jika kita berminat untuk meneka
berapakah jumlah individu yang berasa seronok atau kepuasan dengan pekerjaan
mereka. Pembolehubah seperti pendapatan, peningkatan kerjaya, umur, jantina
dan tempoh perkhidmatan dan status sosio-ekonomi merupakan faktor yang
mungkin menyumbang kepada kepuasan bekerja.
INDEX
112,
115,
128,
122,
One-sample t-test, 115
Ordinal, 25
output, 3, 12, 13, 16, 45, 55, 81
Output Viewer, 12
Partial correlation, 90
Pearson, 52, 90, 101, 108, 112
pembolehubah, 2, 13, 15, 16, 18, 20,
21, 22, 23, 24, 25, 26, 27, 28, 29,
30, 31, 32, 33, 35, 36, 37, 40, 47,
50, 52, 53, 54, 55, 57, 59, 61, 62,
64, 66, 70, 71, 79, 80, 81, 84, 87,
90, 92, 94, 96, 98, 101, 108, 110,
111, 112, 113, 114, 115, 117, 119,
120, 122, 124, 126, 128
percentages, 53
Percentiles, 48, 49
Quartiles, 48
ralat, 2, 37, 41, 47
Recode, 18, 79, 80, 81
regression, 136
scatterplot, 18, 55, 110
Scatterplot, 134
Scatterplot,, 110
serasi, 2
signifikan, 110, 115, 116, 117, 119,
122, 127, 128, 129, 130
Simple, 57, 58, 59, 61, 66, 110, 124
skala pengukuran, 25, 108
skewness, 50, 51
Stacked, 57
statistik, 3
Statistik Deskriptif, 10
String, 20, 23
symmetry, 50
syntax, 13, 36, 42, 43
Syntax editor, 13
tranformasi, 2, 79
t-test, 3
T-tests, 90
Value Labels, 22, 76
Halaman
139
Anova, 3
boxplot, 18
Chart Editor, 55, 74, 75
Charta, 1
Chi-square, 3, 92
Clustered, 57, 61
Coefficient of determination, 133
Compute, 18, 79, 83
Crosstabs, 47, 52, 53, 92, 94
Crostabulation, 1
data editor, 2, 4, 12, 31
Descriptives, 1, 47, 50
diskret, 117
Dispersion, 49
estimated slope, 136
Frekuensi, 1
Garisan Slope, 136
goodness of fit’, 135
hipotesis, 90, 110, 116, 118, 136
histogram, 18, 47, 55, 56
Inferential Statistics, 10
jadual frekuensi, 3, 52
julat, 5, 32, 37, 38, 47, 108
korelasi, 5, 101, 108, 110, 111,
113, 114
korelasi linear, 108
Kruskal-Wallist Test, 98
kuantitatif, 1, 79
kurtosis, 50, 51
Likert-type, 5
linear, 134
Mann-Whitney U Test, 96
mean, 11, 40, 47, 49, 50, 51, 98,
116, 117, 119, 120, 122, 127,
129, 130
Mean, 11, 49, 52, 116, 118, 119,
123, 124, 125, 127, 128
Minimum, 40, 49
Mod, 12
Numeric, 20, 23, 29, 83

IBM SPSS STATISTIC 21

Transcription

Similar documents

Tutorial Microsoft Outlook

Help - MBPP (eTempahan)

produktiviti - Ilmu Online

fr,f\l - PPD Johor Bahru

Bahagian 1

scope jan-feb 2015

INOCHI Software 2015 - Files INOCHISoftware

Manuale dell`utente di IBM SPSS Statistics 19 Core System

Newsletter Edisi 16.indd - Nadi Ingress

2 - Portal Rasmi Suruhanjaya Perkhidmatan Awam

Kiamat di Ambang Pintu

2011 - USM

the work permit conditions

SASMO 2015 Individual Category

dewan rakyat parlimen ketiga belas penggal kedua

dewan rakyat parlimen ketiga belas penggal kedua