eBook SPSSversi21 2013

2013

Rahim Bin Utah Pejabat Teknologi Maklumat

2/19/2013

IBM SPSS STATISTICS for window

Copyright @2013 Rahim Bin Utah

Hal

aman

1

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

Untuk menghapuskan pembolehubah ............................................................................................. 29

Menyimpan Fail SPSS ........................................................................................................................ 30

Kemudahan Copy and Paste ............................................................................................................. 30

BAB 4 : Mengimport data ..................................................................................................................... 33



Hal

aman

2

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

Mengunakan formula ....................................................................................................................... 87

BAB 11 : Analisis kebolehpercayaan ..................................................................................................... 90

BAB 12 : Memilih dan melaksanakan prosedur statistik ...................................................................... 93

Pengujian hipotesis ........................................................................................................................... 93



Hal

aman

3

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

Contoh lain .................................................................................................................................. 135



Hal

aman

4

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.

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.



Hal

aman

5

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.

Peringkat Melaksanakan Prosedur.

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.



Hal

aman

6

Menjalankan ujian statistik seperti Korelasi, Chi-square, Anova, t-test dan

sebagainya.

Peringkat mengeluarkan laporan.

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.



Hal

aman

7

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:-

Kerja = 1, Kewangan = 2, Perhubungan = 3 , rakan kerja = 4 dan sebagainya



Hal

aman

8

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. Amat tidak bersetuju

2. Tidak bersetuju

3. Mungkin

4. Bersetuju

5. 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

Menyediakan buku kod dan mereka bentuk borang soal selidik

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.

1 De Vellis, R. F.(1991). Scale development, Theory and applications, Newbury, Cal



Hal

aman

9

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.



Hal

aman

10

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. Metropolitan – KL 2. Bandar – Petaling Jaya, Shah Alam

3. Separa Bandar – Klang, Meru, Kapar

4. Luar Bandar – Sabak Bernam, Sungai Besar, Kuala Kubu

5

2. Jantina

1. Lelaki

2. Perempuan

6

3. Bangsa

1. Melayu 2. Cina 3. India 4. Lain:

nyatakan,…………………………………………..

7

4. Umur :…………………….

8

5. Bilangan adik-beradik :………………………… orang 9 10



Hal

aman

11

6. Agama

1. Islam

2. Kristian

3. Hindu 4. Buddha 5. Lain: nyatakan………………………….. 6. Tiada

11

7. Pendapatan bulanan keluarga RM

:…………………………..

12 13 14 15



Hal

aman

12

Contoh koding manual

Pembolahuba

h

Nama

Pembolehuba

h SPSS Arahan Koding

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 = Melayu

2 = Cina

3 = India

4 = Lain-lain

Agama A4 1 = Islam

2 = Kristian

3 = Hindu

4 = Buddha

Optimism

item Skala

S1 – S7

B1 – B7 Bulatkan nombor jawapan daripada 1 (Amat

tidak setuju) sehingga 5 (Amat setuju)



Hal

aman

13

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

Merangkumi kaedah-kaedah yang boleh di gunakan untuk membuat keputusan ,

ramalan dan jangkaan mengenai ciri-ciri populasi berdasarkan data yang di

perolehi daripada sampel.



Hal

aman

14

Sebahagian Terma-terma statistik yang perlu anda tahu:

Mean Nilai purata bagi satu satu set data

Mod Kekerapan data berulang berlaku paling banyak dalam satu set data.

Median Nilai tengah bagi satu set data yang di susun dari nilai terkecil kepada yang terbesar atau sebaliknya.

Julat Perbezaan nilai terendah dengan nilai tertinggi dalam

satu set data.

Varians Ukuran Mean bagi Sisihan Piawai (SD2)

Sisishan 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 )

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.



Hal

aman

15

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)

Data editor mempunyai dua jenis paparan tetingkap iaitu:-

Data View

Variable View



Hal

aman

16

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

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



Hal

aman

17

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.

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.



Hal

aman

18

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

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.



Hal

aman

19

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.

9. Menu data

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.



Hal

aman

20

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 berbagai-

bagai 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

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 drop-

down menu. Hanya perlu klik, baca dan faham.



Hal

aman

21

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 mana-

mana operasi atau arahan yang telah anda lakukan sebelumnya.

Perkara yang paling berharga.

Perkara yang paling berharga di dalam urusan berkaitan dengan perangkaan

bukan lah anda, komputer, bukan juga perisian SPSS, bukan buku ini atau mana-

mana 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.



Hal

aman

22

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.

Menamakan pembolehubah merupakan satu keperluan di dalam SPSS, berikut

adalah syarat-syarat menamakan pembolehubah:-

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.



Hal

aman

23

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.

Variable Label

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.



Hal

aman

24

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, ruang ini hanya

memaparkan lebar paparan pada skrin anda.

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.

1. Status perkahwinan anda

1. Bujang

2. Berkahwin

3. Berpisah



Hal

aman

25

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.

Tetingkap Variable Type dibuka.

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



Hal

aman

26

10. Seterusnya tuju dan klik pada sel pertama dibawah lajur bertajuk Value

dan popup windows seperti berikut akan dibuka.

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.

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.)



Hal

aman

27

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.

Contoh paparan variable view yang telah ada nama pembolehubah



Hal

aman

28

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

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.



Hal

aman

29

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

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.



Hal

aman

30

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

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.



Hal

aman

31

Sebagai contoh, sebahagian daripada soalan yang di tanya mengenai Hari

Merdeka.

Bagaimanana anda mendapat maklumat mengenai hari merdeka (bulatkan

jawapan anda).

B1A. Melalui Internet Ya Tidak

B1B. Melalui Media TV Ya Tidak

B1C. Melalui Media Radio Ya Tidak

B1D. Melalui Surat Khabar Ya 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

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).



Hal

aman

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



Hal

aman

33

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 data-

data, 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

Seterusnya masukkan data pada baris kedua yang mewakili satu responden atau

satu set soalselidik dan baris berikutnya untuk responden yang seterusnya.

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.



Hal

aman

34

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)

3. Klik pada fail data excel, dan klik butang Open.

4. Seterusnya tetingkap Opening Excel Data Souce akan di buka

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,



Hal

aman

35

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.

10. Seterusnya anda perlu menyimpan fail ini di dalam format SPSS.



Hal

aman

36

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

1. Semak pada ruang Text file, yang memaparkan barisan data-data daripada

fail sampleA.txt



Hal

aman

37

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?

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.



Hal

aman

38

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.

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.

8. Seterusnya klik butang Finish.



Hal

aman

39

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.

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.



Hal

aman

40

3. Seterusnya klik butang OK.

4. Laporan berikut akan terhasil pada tetingkap Output.

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.



Hal

aman

41

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.

3. Klik pada butang Options. Anda boleh memilih ‘range of statistik’, seperti

mean, standard deviation, Minimum dan Maksimum.

4. Seterusnya klik pada butang Continue dan klik OK.



Hal

aman

42

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.

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).

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.



Hal

aman

43

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

1. Contohnya anda sedang melakukan proses membuat jadual frequencies

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.



Hal

aman

44

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.

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.



Hal

aman

45

8. Jika anda mahu melaksanakan keseluruhan prosedur statistik, klik pada

menu Run dan pilih ALL

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.



Hal

aman

46

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.

.

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.



Hal

aman

47

Menyimpan fail Output

Untuk menyimpan fail Output :-

1. Pastikan tetingkap Output di buka atau dalam mod pilihan.

2. Daripada menu bar pilih File →Save.

3. Tetingkap Save output as.. akan di buka.

4. 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



Hal

aman

48

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 sekurang-

kurangnya 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 :-

1. Klik pada menu Analyze → Descriptive Statistics → Frequencies….



Hal

aman

49

2. Pilih mana-mana pembolehubah jenis kategori dan masukkan pada kekotak

pilihan pembolehubah (Variable(s)).

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.

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



Hal

aman

50

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.

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.



Hal

aman

51

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 tengah-

tengah). 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

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)

4. Klik pada butang Option. Klik pada mean, standard deviation, minimum,

maksimum, skewness, dan juga kurtosis.

5. Klik Continues, dan kemudian OK.



Hal

aman

52

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 nilai yang

diberikan pada Skewness dan Kurtosis

Prosedur Crosstabs

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.



Hal

aman

53

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)

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……


Menterjemahkan laporan daripada Crosstabs.

Melihat kepada jadual kekerapan (Crosstabs) mungkin menyebabkan salah faham,

kerana jumlah sampel tidak sama bagi lelaki dan perempuan oleh itu



Hal

aman

54

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.

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?



Hal

aman

55

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

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.

4. klik pada kotak pilihan Display normal curve.



Hal

aman

56

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.

6. Klik Continue dan kemudian OK.



Hal

aman

57

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.

Prosedur menghasilkan Carta bar - Jenis Simple Bar

Untuk menghasilkan Carta bar jenis Simple bar charts anda hanya perlu

mempunyai satu pembolehubah jenis kategori.

Langkah




Hal

aman

58

2. Di menu bar klik Graph→Legacy Dailogs→Bar....

3. Tetingkap Bar Charts akan di buka, dan klik pada ikon Simple.

4. Pada bahagian Data in Chart Are.. klik pada butang radio pada Summaries

for groups of cases

5. Seterusnya klik pada butang Define



Hal

aman

59

6. Tetingkap Define Simple Bar : Summary for group of cases di buka.

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



Hal

aman

60

12. Klik butang OK apabila sudah selesai



Hal

aman

61

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.

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.



Hal

aman

62

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)

7. Dan seterusnya klik butang Ok.



Hal

aman

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.



Hal

aman

64

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

3. Seterusnya klik butang Define

4. Tetingkap Define Pie: Summaries for Groups of Cases di buka.

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.



Hal

aman

65

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...

8. Klik butang Continue dan seterusnya klik butang OK apabila sudah selesai.



Hal

aman

66

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.

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:

5. Klik butang OK apabila sudah selesai.



Hal

aman

67

Laporan jadual Scatterplots.

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.



Hal

aman

68

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

3. Tetingkap Define Simple boxplots : Summaries for Groups of Cases di buka



Hal

aman

69

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.

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.



Hal

aman

70

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.

3. Seterusnya tetingkap berikutnya(Chart Builder) di buka.



Hal

aman

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.

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.



Hal

aman

72

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

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.



Hal

aman

73



Hal

aman

74

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.

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.



Hal

aman

75

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

Menukar warna pada bar

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.



Hal

aman

76

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

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.



Hal

aman

77

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.

3. Ada beberapa pilihan pada tetingkap Export Output, pada bahagian Object

to Export anda boleh memilih samada mahu mengeksport keseluruhan

laporan atau pilihan.



Hal

aman

78

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.

6. Apabila sudah selesai klik butang OK untuk melaksanakan arahan.



Hal

aman

79

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 :-

Operasi Arithmetic adalah seperti berikut :- 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)



Hal

aman

80

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 ingin mengubahsuai data bagi satu

pembolehubah yang sedia ada.

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.

Contoh penggunaan prosedur recode

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 :-



Hal

aman

81

1 – 18 tahun – 26 tahun



4 – 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.

4. Pada bahagian Output variable, taipkan s2a pada medan Name:

5. Pada medan label taipkan Kumpulan umur responden

6. Dan seterusnya tekan butang Change.

7. Seterusnya klik pada butang Old and New Values.

8. Tetingkap berikutnya di buka dan masukkan maklumat seperti berikut:-



Hal

aman

82

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.

Untuk melaksanakan prosedur ini :

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.



Hal

aman

83

4. Klik butang Continue dan anda akan dapat paparan berikutnya.

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



Hal

aman

84

7. Pertama kali wujudkan pembolehubah yang baru medan di Binned variable

namakan sebagai umur_bin.

8. Seterusnya klik pada butang Make Cutpoints.

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.



Hal

aman

85

12. Klik pada butang Make Labels dan klik OK.

13. Perhatikan kewujudan pembolehubah yang baru iaitu umur_bin di data fail

anda.

Latihan :-

14. Gunakan fail yang sama untuk pembolehubah berat, dan pecahkan kepada

3 kumpulan.



Hal

aman

86

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.

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.



Hal

aman

87

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

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.



Hal

aman

88

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.

8. Seterusnya klik butang OK,

9. Pembolehubah yang baru akan di hasilkan, selalunya di letakan pada

bahagian akhir senarai pembolehubah.



Hal

aman

89

Anda boleh menghasilkan carta histogram yang baru berdasarkan kepada

pembolehubah yang baru iaitu lnSales.



Hal

aman

90

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.

1. Di menu klik Analyze→Scale→Reliabiliy Analysis.

2. Tetingkap Reliability Analysis di buka.



Hal

aman

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.

5. Seterusnya klik pada butang Continue. Dan klik butang OK.



Hal

aman

92

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 item-

item, ianya merujuk kepada item mana yang perlu di buang, maka nilai

Cronbach’s Alpha yang baru adalah adalah nilai item yang di buang.

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.

2 Oppenheim, A. N. (1992), Questionaire design interviewing and attitude measurement, London:Pinter



Hal

aman

93

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 persamaan teknik ujian statistik diantara non-parametric dan

parametric

Ujian Non-parametric Ujian parametric

Chi-square Tiada

Mann-Whitney Test Independent-sample t-test

Kruskal-Wallis Test One-way between-group(ANOVA)

Friedman Test One-way repeated-measuares (ANOVA)

Spearman Rank Order Correlation 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

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.

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.



Hal

aman

94

Ujian Signifikan

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.



Hal

aman

95

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 statitik yang

menggunakan teknik ujian non-parametric diantaranya ialah :

Ujian Chi-Square

Ujian Mann-Whitney U

Ujian Kruskall Walis

Ujian Wilcom Signed Rank

Ujian 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.

Langkah-langkah pengujian

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.




Hal

aman

96

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 Chi-

Square merujuk kepada nilai jangkaan terendah(Expected Count) hendalah lebih

besar daripada 5. Anda juga boleh merujuk kepada nota kaki di bawah jadual Chi-

Square Tests.

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.

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



Hal

aman

97

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.


Merujuk kepada jadual di atas, bolehkah anda menentukan samada terdapat

perbezaan perkhidmatan diantara pasaraya?

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.



Hal

aman

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.



Hal

aman

99

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

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.

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



Hal

aman

10

0

6. Sila pastikan anda sudah memilih (tik) pada Mann-Whitney U pada

ruangan Test Type.

Jadual berikut adalah hasil daripada proses di atas.

Kesimpulan :-

Bahagian pertama laporan (Ranks) melaporkan maklumat berkaitan dengan

ringkasan nilai Mean Rank bagi kedua-dua kumpulan jantina.

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.



Hal

aman

10

1

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.

5. Klik butang Continue dan butang OK



Hal

aman

10

2

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.

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.

Ujian Korelasi non-parametric Spearman’s Rank Order

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



Hal

aman

10

3

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:-

1. Di bar menu klik Analyze→Correlate→Bivariate....

2. Tetingkap Bivariate Correlations di buka.

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.



Hal

aman

10

4

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.

Bab seterusnya akan membincangkan teknik parametric yang di gunakan

didalam menjalankan ujian statistik.



Hal

aman

10

5

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

Anda boleh menggunakan prosedur Explore untuk menjalankan ujian kenormalan

(Test of Normality)

Melaksanakan prosedur Explore

1. Anda boleh menggunakan fail Kes_tidur.sav

2. Di menu bar klik pada menu Analyze→Descriptive Statistics..→Explore



Hal

aman

10

6

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.

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.



Hal

aman

10

7

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

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 )



Hal

aman

10

8

Jadual Test of Normality

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 Kolmogorov-

Smirnova, 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.



Hal

aman

10

9

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.



Hal

aman

11

0

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.

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?



Hal

aman

11

1

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

Syarat pengujian korelasi pearson.

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.



Hal

aman

11

2

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

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.

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?



Hal

aman

11

3

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

1. Di bar menu klik Analyze→Correlate→Bivariate.... .

2. Tetingkap berikut di buka pada skrin komputer anda.

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



Hal

aman

11

4

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.

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.



Hal

aman

11

5

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 melaksanakan perbandingan perkaitan korelasi bagi dua

kumpulan.

Langkah-langkah :-

1. Pertama sekali anda perlu memisahkan responden kepada dua kumpulan

2. Daripada menu pilih Data→Split file...

3. Klik pada Compare Groups

4. Bawa pembolehubah Jantina(s1) ke dalam kekotak berlabel Groups Based

on. Dan klik butang OK.

5. Arahan ini akan memisahkan data kepada dua kumpulan jantina iaitu

Lelaki dan Perempuan. Dimana analisa korelasi akan di buat mengikut

kumpulan.



Hal

aman

11

6

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

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.



Hal

aman

11

7

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

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:



Hal

aman

11

8

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

tajuk Mean Difference (.18911)



Hal

aman

11

9

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:

4. Seterusnya klik pada butang Define Groups...



Hal

aman

12

0

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) .

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

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.

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



Hal

aman

12

1

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)

Menurut Cohen 1988 untuk menjelaskan saiz perbezaan (Eta Square) adalah

seperti berikut : .01 kecil, 0.6 sederhana, .14 besar.



Hal

aman

12

2

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.

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.



Hal

aman

12

3

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

Eta squared = 0.42 * 100 = 42%

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 ).



Hal

aman

12

4

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

4. Seterusnya klik pada butang Options…



Hal

aman

12

5

5. Tetingkap Mean Option di buka

6. Klik pada kotak tanda Anova table and eta di bawah tajuk Statistics for First

Layer, dan klik butang Continue, dan kemudian butang OK.

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.



Hal

aman

12

6

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

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.



Hal

aman

12

7

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.

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.

Untuk menentukan kenormalan data, anda boleh menjalankan ujian test of

normality yang boleh di laksanakan dengan menggunakan prosedur Explore.

Ujian Explore

1. Dari menu bar pilih Analyze → Descriptive Statistics →Explore..



Hal

aman

12

8

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.

Langkah-langkah:-

1. Dari menu bar klik Analyze → Compare Means→ One-Way ANOVA..

2. Pilih pembolehubah CGPA sebagai Dependent List dan

3. Factor List adalah pembolehubah KURSUS.

4. Klik pada butang Option. Teingkap dailog One-Way ANOVA: Option di

buka, di bawah tajuk Statistics, tanda pada kotak Descriptive ( untuk



Hal

aman

12

9

melihat kumpulan Mean ) dan tanda juga pada kotak Homogeniety-Of-

variance test.

5. Klik butang continue dan seterusnya butang OK.

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.



Hal

aman

13

0

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?

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.

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.



Hal

aman

13

1

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

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.



Hal

aman

13

2

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.

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.



Hal

aman

13

3

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

3. Di menu bar klik Analyze→Regression→Linear…



Hal

aman

13

4

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.

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.

Predictor

Variables

Criterion

variables



Hal

aman

13

5

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)).

Langkah pertama ialah menghasilkan carta Scatterplot. Ini adalah bertujuan

untuk melihat bentuk taburan data diantara kedua pembolehubah.

Menghasilkan carta scatterplot…

1. Klik menu Graphs → Legacy Dialog→ Scatter/Dot…

2. Pilih Simple Scatterplot

3. Masukkan pembolehubah Consumption pada y-axis dan income pada x-

axis.



Hal

aman

13

6

4. Berikut adalah jadual scatterplot yang di hasilkan.

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.

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)



Hal

aman

13

7

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

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.



Hal

aman

13

8

Multiple Regression

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.



Hal

aman

13

9

INDEX

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, 112,

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, 115,

116, 117, 119, 120, 122, 127, 128, 129, 130

Mean, 11, 49, 52, 116, 118, 119, 122, 123, 124, 125, 127, 128

Minimum, 40, 49

Mod, 12 Numeric, 20, 23, 29, 83

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

eBook SPSSversi21 2013

Documents

Transcript of eBook SPSSversi21 2013