eBook SPSSversi21 2013

2013

Rahim Bin Utah Pejabat Teknologi Maklumat 2/19/2013

IBM SPSS STATISTICS for window

Table of Contents BAB 1 : Pengenalan kepada SPSS for Window ........................................................................................ 4 Jenis-jenis data yang serasi ................................................................................................................. 5 Kaedah Menganalisis Data .................................................................................................................. 5 Proses Penyediaan borang Soal Selidik ............................................................................................... 7 Menyediakan buku kod dan mereka bentuk borang soal selidik ................................................... 8 Statistik.............................................................................................................................................. 13 Statistik Deskriptif ......................................................................................................................... 13 Inferential Statistics ...................................................................................................................... 13 Skala pengukuran .............................................................................................................................. 14 Bab 2 : Berkenalan dengan SPSS ........................................................................................................... 15 Antara Muka SPSS ............................................................................................................................. 15 Tetingkap Data Editor ....................................................................................................................... 15 Memulakan perisian SPSS versi 17.0 ................................................................................................ 17 Menu pintas ...................................................................................................................................... 21 Perkara yang paling berharga. .......................................................................................................... 21 BAB 3 : Pengurusan Data ...................................................................................................................... 22 Menamakan pembolehubah ............................................................................................................. 22 Type ............................................................................................................................................... 23 Column width ................................................................................................................................ 23 Variable Label................................................................................................................................ 23 Value Label .................................................................................................................................... 24 Missing Values .............................................................................................................................. 24 Column .......................................................................................................................................... 24 Align .............................................................................................................................................. 24 Measure ........................................................................................................................................ 24 Latihan untuk menamakan pembolehubah .................................................................................. 24 Memasukkan Data ............................................................................................................................ 28 Menyunting fail data ......................................................................................................................... 28 Untuk menghapuskan kes ................................................................................................................. 28

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

1

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

Halaman

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

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

Copyright @2013 Rahim Bin Utah

IBM SPSS STATISTICS for window Mengimport fail daripada Database. ................................................................................................ 33 Fail data format Excel........................................................................................................................ 33 Membaca fail format Teks ................................................................................................................ 36 BAB 5 : Mengesan ralat dan membersihkan data................................................................................. 39 Mencari data yang ralat pada fail data. ............................................................................................ 42 Menyimpan Syntax ........................................................................................................................... 43 Prosedur untuk menyimpan syntax .............................................................................................. 43 Tetingkap draf output ....................................................................................................................... 46 BAB 6 : MENGHASILKAN LAPORAN DAN CARTA STATISTIK .................................................................. 48 Statistik Deskriptif ( Descriptive statistics ) ...................................................................................... 48 Melaksanakan prosedur Frequencies. .............................................................................................. 48 Menggunakan prosedur Descriptive Statitics. .................................................................................. 51 Prosedur Crosstabs .......................................................................................................................... 52 BAB 7 : MENGHASILKAN CARTA STATISTIK ........................................................................................... 55 Menghasilkan carta Histogram ......................................................................................................... 55 Menghasilkan carta bar.................................................................................................................... 57 Prosedur menghasilkan carta bar jenis Clustered ............................................................................. 61 Prosedur untuk menghasilkan Carta pie ........................................................................................... 64 Prosedur menghasilkan graf Scatter/Dot…. ..................................................................................... 66 Prosedur menghasilkan carta BoxPlots............................................................................................. 68 Menghasilkan graf menggunakan kemudahan Chart Builder. ......................................................... 70 BAB 8 : SPSS PIVOT TABLE OBJECT ........................................................................................................ 74 Chart Editor ....................................................................................................................................... 74 BAB 9: Mengeksport laporan ................................................................................................................ 77 Mengeksport fail laporan .................................................................................................................. 77 BAB 10 : Manipulasi Data ...................................................................................................................... 79 Prosedur Recode ............................................................................................................................... 80 Recode into Same Variables ......................................................................................................... 80 Recode into Different Variables. ................................................................................................... 80 Menghasilkan kira tambah................................................................................................................ 86

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

2

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

Halaman

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

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


IBM SPSS STATISTICS for window Ujian Signifikan.................................................................................................................................. 94 BAB 13 : Ujian non-parametric ............................................................................................................. 95 Ujian Chi-Square sample tidak bersandar ......................................................................................... 95 Contoh lain ujian Chi-Square ........................................................................................................ 97 Mann-Whitney U Test ....................................................................................................................... 99 Kruskal-Wallist Test ......................................................................................................................... 101 Ujian Korelasi non-parametric Spearman’s Rank Order ................................................................. 102 BAB 14 : Ujian untuk kenormalan ( Test OF normality ) ..................................................................... 105 Alternatif kernormalan taburan data.............................................................................................. 110 BAB 15 : ANALISIS KORELASI PEARSON .............................................................................................. 111 Tafsiran ringkas ............................................................................................................................... 111 Syarat pengujian korelasi pearson. ............................................................................................. 111 Menentukan pengiraan korelasi ................................................................................................. 112 Membandingkan perkaitan korelasi mengikut kumpulan. ............................................................. 115 BAB 16 : Ujian t (t-test) ....................................................................................................................... 117 Kaedah pengujian One-sample t-test.............................................................................................. 117 Pengujian sampel tidak bersandar (Independent-sample t-test) ................................................... 119 Paired-sample t-test........................................................................................................................ 122 BAB 17 : Analisis Varian (ANOVA) ....................................................................................................... 124 Andaian ........................................................................................................................................... 124 Prosedur Compare means .............................................................................................................. 124 Analisis varians satu-hala diantara kumpulan ................................................................................ 126 Ujian Explore ............................................................................................................................... 127 BAB 18 :Regresi Linear ( Linear Regression )....................................................................................... 132 Andaian ........................................................................................................................................... 132 Prosedur melaksanakan ujian regresi linear. .................................................................................. 132

Halaman

3

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



BAB 1 : PENGENALAN KEPADA SPSS FOR WINDOW Perisian SPSS versi 17.0 for windows adalah sebuah perisian yang di gunakan untuk menganalisa data kualitatif dan kuantitatif, yang mana berupaya melakukan kerja-kerja menganalisis dan mengurus sekumpulan data, malah mesra pengguna serta berada di dalam persekitaran halaman grafik dengan teknologi GUI ( Graphical User Interface) Sekumpulan data-data dinyatakan seperti berikut :1. Data-data hasil dari satu kajian yang menggunakan borang soal selidik dan juga perkhidmatan atas talian ( on-line survery ) 2. Data-data yang di perolehi daripada Pangkalan Data seperti Informix, MySQL, Oracle dan yang seumpamanya. Ianya mungkin maklumat berkaitan dengan keputusan peperiksaan, maklumat staf dan lain-lainnya. Dengan menggunakan perisian SPSS data-data tersebut boleh di analisa melalui penghasilan jadual-jadual statistik seperti :   

Jadual Frekuensi Jadual dua hala (Crostabulation) Deskriptif (Descriptives) Charta dan sebagainya.

Halaman

4

SPSS mempunyai antaramuka dan arahan yang boleh di lakukan dengan hanya menggerakan kursor ke bahagian menu dan ini akan menyebabkan dialog box di buka. Mudahnya, hanya dengan mengisi tempat kosong dan pilih jenis analisa statistik menerusi panduan yang diberikan . Kelebihan menggunakan GUI ialah selagi maklumat yang di perlukan tidak lengkap, butang OK tidak akan boleh di klik. Ini bermakna SPSS akan memastikan semua maklumat yang di perlukan sudah di isi dengan sempurna.


IBM SPSS STATISTICS for window SPSS versi 17.0 for windows adalah serasi sepenuhnya dengan persekitaran sistem pengoperasian Window XP dan keatas. Spesifikasi keperluan perkakasan yang di perlukan untuk memboleh SPSS beroperasi adalah seperti berikut :   

Sistem pengoperasian Window XP dan Vista. MemilikiRAM sekurang-kurangnya 1GB Sekurang-kurangnya 120MB ruangan pada cakera keras. Paparan resolusi sekurang-kurangnya 800 x 600 dengan 16 bit warna.

Jenis-jenis data yang serasi SPSS boleh melakukan kerja menganalisis data hanya pada data yang dibina atau di masukkan menggunakan SPSS data editor. Bagaimanapun, data yang di bina menggunakan beberapa format lain atau menggunakan perisian lain seperti Excel boleh juga dianalisis menggunakan SPSS for windows setelah melalui proses tertentu. Jenis-jenis fail data yang boleh diterima oleh SPSS adalah seperti berikut:     

Fail data SPSS versi terdahulu yang dibina dengan menggunakan SPSS Data Editor (format .sav) Fail data yang dibina dengan menggunakan SPSS Syntax (format .SPS) SpreadSheet:Excel SpreadSheet:Lotus Database:Dbase(*.dbf, *.mdf, MySQL dan sebagainya) Fail data dalam bentuk ASCII

Kaedah Menganalisis Data Beberapa kaedah boleh di gunakan untuk menganalisis data tetapi bukanlah sebagai perkara yang perlu di patuhi, sebagai panduan langkah-langkah berikutnya boleh di jadikan sebagai panduan di dalam melakukan proses menganalisis kebanyakan data. Peringkat Fail Data. 

Anda akan menguruskan data-data, seperti menamakan pembolehubah, melabelkan pembolehubah, menentukan sifat pembolehubah, mungkin juga mengimport data-data daripada sumber fail yang lain atau mungkin memasukkan data menggunakan SPSS data editor.



Anda akan berada di dalam mod SPSS Data Editor, dengan melakukan beberapa siri ujian, seperti membuat pemeriksaan pada data bagi memastikan sekurang-kurangnya tiada ralat, membuat tranformasi data, memilih prosedur statistik yang sesuai seperti Frequencies, Crosstab, Descriptive dan sebagainya. Menghasilkan carta statistik dan sebagainya.


Halaman



5

Peringkat Melaksanakan Prosedur.

IBM SPSS STATISTICS for window 

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

Peringkat mengeluarkan laporan. 

Halaman

6



Melaksanakan prosedur pada peringkat kedua, akan menghasilkan laporan seperti jadual frekuensi, graf dan sebagainya pada tetingkap yang dipanggil output viewer. Dari sini anda boleh melakukan kerja-kerja percetakan, penyuntingan kandungan seperti minda jadual, carta dengan menggunakan kemudahan pivot table. dan menyimpan fail laporan serta memindahkan hasil laporan ke perisian lain seperti MSWord, Power point dan Excel.



Proses Penyediaan borang Soal Selidik Jika anda sudah biasa di dalam proses penyediaan borang soal selidik anda boleh tinggalkan atau skip sahaja bahagian ini. Memahami kaedah menyediakan borang soal selidik perlu di buat dengan teliti dan bersesuaian dengan tujuan kajian di jalankan. Pemilihan soalan serta format jawapan perlulah sekata dan bermakna. Malah perlu di sesuaikan sifat data dengan jenis ujian statistik yang bakal di gunakan nanti. Selalunya soalan boleh di kelaskan kepada dua kumpulan iaitu soalan jenis tertutup ( Close-ended question ) dan soalan terbuka (Open-ended question). Soalan tertutup melibatkan siri pilihan jawapan yang anda sediakan. Responden mungkin di minta menjawab samada dengan menanda, pangkah atau bulatkan pada jawapan. Sebagai contoh pilihan jawapan adalah seperti Ya atau Tidak, Lelaki atau Perempuan dan sebagainya. Soalan tertutup atau bentuk pilihan jawapan adalah mudah untuk anda memindahkan maklumat ke dalam SPSS data editor. Sebagai contoh jawapan Ya mungkin boleh di berikan kod perwakilan 1, manakala jawapan Tidak mungkin boleh dikodkan sebagai 2. Kadangkala kita tidak boleh meneka kesemua kemungkinan jawapan yang akan diberikan oleh responden. Sebab itulah kita memerlukan bentuk soalan yang terbuka ( open-ended ). Sebagai contoh:Apakah faktor utama penyebab ketegangan di dalam kehidupan harian anda? _____________________________________________________________________ Jawapan yang di beri adalah berbagai. Anda perlulah melihat pada keseluruhan jawapan pada setiap borang soalselidik terlebih dahulu, dan kemudian anda boleh membuat kod perwakilan yang mewakili mana-mana jawapan yang hampir sama atau maksud yang sama. Setiap faktor mungkin boleh anda kodkan perwakilannya seperti berikut, contoh:-

Halaman

7

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


IBM SPSS STATISTICS for window Contoh-contoh soalan Apabila anda mengemukakan soalan kepada responden, kadangkala anda perlu memilih format jawapan yang sesuai apabila anda mahu melaksanakan analisa statistik inferan, sesetengah analisa contoh seperti korelasi (corelation) memerlukan skor yang bersambung atau skala selang/nisbah. Daripada nilai yang terendah hinggalah kepada yang tertinggi. Sebagai contoh, umur responden, mungkin anda boleh memberikan soalan berikut; Bulatkan mana-mana jawapan yang berkaitan dengan umur anda.( kurang 30 tahun, 31 hingga 50 tahun, dan lebih dari 50 tahun) data sebegini tidak sesuai untuk tujuan analisa korelasi. Jadi pastikan anda bertanya umur sebenar responden, atau boleh di kategorikan juga sebagai soalan terbuka. Cuba besarkan julat jawapan responden sebaik yang mungkin, jangan hanya memberi pilihan jawapan samada responden bersetuju atau tidak, gunakan skala Likert-type. Misalnya jika ada mencari darjah kebolehpercayaan atau keyakinan pada data, anda perlu ada jawapan lebih daripada 3 kategori bagi setiap soalan di dalam kumpulan yang sama. Contoh:Adakah anda mengalami rasa sakit dan sengal pada tulang belakang? 1. Ya 2. Kadang-kadang 3. Tidak Kesakitan pada bahu mungkin berpunca pada kedudukan postur yang salah 1. 2. 3. 4. 5.

Amat tidak bersetuju Tidak bersetuju Mungkin Bersetuju Amat bersetuju

Ada kalanya anda mungkin perlukan skil jawapan daripada 1 hingga 10, ia bergantung kepada kesesuai data dan keperluan analisa, misalnya anda mahu mengetahui tahap kepuasan bekerja responden. Apa-apa pun format jawapan yang dipilih, anda hendaklah menerangkan dengan jelas arahan jawapan, samada anda mahu responden menanda atau tik pada kotak, bulatkan pada nombor atau tanda dengan mengaris. Anda boleh merujuk kepada De-Vellis R (1991) yang mana ianya merupakan bahan perbincangan tentang kelebihan dan kekurangan mengenai jawapan berskala.1

1

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


Halaman

Terdapat banyak pendekatan di dalam penyediaan soal selidik, tiada satu peraturan yang perlu dipatuhi. Walaubagaimana pun terdapat beberapa panduan yang sering di gunapakai dan ianya dapat membantu penyelidik di dalam kaedah penyediaan data dengan lebih mudah dan sempurna.

8

Menyediakan buku kod dan mereka bentuk borang soal selidik

IBM SPSS STATISTICS for window Berikut merupakan beberapa kaedah yang boleh diikuti: Soal selidik perlulah di buat dengan mengikut format yang standard. Menyediakan koding manual. Elakan daripada membuat soalan terlalu panjang dan sukar di fahami. Perkataan dengan dua maksud yang berlainan. Soalan yang merujuk kepada emosi. Seboleh-bolehnya elakan daripada membuat open ended-question.

Halaman

9

     


IBM SPSS STATISTICS for window Contoh soal selidik dan koding manual No Siri : 1

2

3

4

Untuk kegunaan Pejabat

Bahagian A : Data sosio demographi responden Sila bulatkan jawapan yang sesuai bagi soalan bernombor

1. Kawasan 1. 2. 3. 4.

5

Metropolitan – KL Bandar – Petaling Jaya, Shah Alam Separa Bandar – Klang, Meru, Kapar Luar Bandar – Sabak Bernam, Sungai Besar, Kuala Kubu

2. Jantina

6

1. Lelaki 2. Perempuan 3. Bangsa 1. 2. 3. 4.

7

Melayu Cina India Lain: nyatakan,…………………………………………..

4. Umur :…………………….

9

10

Halaman

10

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

8


IBM SPSS STATISTICS for window 6. Agama 1. 2. 3. 4. 5. 6.

11

Islam Kristian Hindu Buddha Lain: nyatakan………………………….. Tiada 12 13 14 15

Halaman

11

7. Pendapatan bulanan keluarga RM :…………………………..


IBM SPSS STATISTICS for window Contoh koding manual Pembolahuba h

Nama Pembolehuba h SPSS

Kawasan

A1

1= Metropolitan – KL 2 = Bandar – Petaling Jaya, Shah Alam 3 = Separa Bandar – Kelang, Meru, Kapar 4 = Luar Bandar – Sabak Bernam, Sungai Besar

Jantina

A2

1 = Lelaki 2 = Perempuan

Bangsa

A3

1 2 3 4

= = = =

Melayu Cina India Lain-lain

Agama

A4

1 2 3 4

= = = =

Islam Kristian Hindu Buddha

Bulatkan nombor jawapan daripada 1 (Amat tidak setuju) sehingga 5 (Amat setuju)

Halaman

12

Optimism B1 – B7 item Skala S1 – S7

Arahan Koding



Statistik Berikut merupakan ringkasan mengenai Statistik dan juga tangapan mengenai perisian SPSS for windows, SPSS bekerja berdasarkan kepada angka dan mempunyai ujian-ujian statistik daripada yang ringkas hinggalah kepada yang lebih kompleks. Untuk memudahkan kefahaman mengenasi perisian SPSS, berikut adalah penerangan ringkas mengenai Statistik yang perlu anda tahu dan pada mereka yang memahami bidang statistik merupakan satu kelebihan kepada mereka. Anda boleh merujuk kepada buku-buku statistik untuk mendapatan lebih banyak maklumat mengenainya. Secara ringkas statistik merujuk kepada fakta-fakta berangka, misalnya perwakilan umur, berat, tinggi, pendapatan isi rumah dan sebagainya. Dalam erti kata yang lain statistik merujuk kepada kaedah-kaedah pengumpulan data-data dan seterusnya membuat analisis, mengulas data dan seterusnya membuat keputusan. Terdapat dua jenis kajian yang biasa di lakukan oleh penyelidik seperti analisa kuatitatif dan analisa kualitatif. Statistik Deskriptif Istilah Statistik Perihalan atau Deskriptif merangkumi kaedah-kaedah untuk mengurus, memapar dan menghuraikan serta menerangkan data dengan menggunakan jadual kekerapan, jadual kekerapan dua hala, graf serta ukuran ringkas. Inferential Statistics

Halaman

13

Merangkumi kaedah-kaedah yang boleh di gunakan untuk membuat keputusan , ramalan dan jangkaan mengenai ciri-ciri populasi berdasarkan data yang di perolehi daripada sampel.


IBM SPSS STATISTICS for window Sebahagian Terma-terma statistik yang perlu anda tahu: Mean Mod Median Julat Varians Sisishan piawai (SD2)

Nilai purata bagi satu satu set data Kekerapan data berulang berlaku paling banyak dalam satu set data. Nilai tengah bagi satu set data yang di susun dari nilai terkecil kepada yang terbesar atau sebaliknya. Perbezaan nilai terendah dengan nilai tertinggi dalam satu set data. Ukuran Mean bagi Sisihan Piawai (SD2) Punca kuasa dua bagi Varian (Varians)

Skala pengukuran Setiap data atau pembolehubah mempunyai sifat yang tersendiri, di dalam SPSS pembolehubah perlu di kelaskan mengikut sifat masing-masing. Berikut merupakan penjelasan ciri-ciri data yang harus di patuhi sebelum sebarang usaha untuk menganalisis data tersebut di lakukan. Menurut Stevens (1946), data pengurukaran di kategorikan kepada empat jenis iaitu nominal, ordinal, selang(interval) dan nisbah(ratio). Di dalam SPSS hanya ada tiga jenis iaitu nominal, ordinal dan skala ( Selang atau nisbah ) 



Halaman

14

 

Nominal: Menggunakan simbol atau nombor sebagai kaedah untuk melabel dan mengkategori sesuatu objek atau kod bagi perwakilan bagi setiap pembolehubah. Contoh Jantina ( 1 = Lelaki; 2 = Perempuan ), Status perkahwinan ( 1= Bujang, 2 = Berkahwin 3 = Duda/Janda) dan sebagainya Ordinal : Di susun daripada nilai terkecil kepada nilai yang terbesar, misalnya darjah atau tahap persetujuan responden mengenai satu pernyataan seperti tahap kepuasan pelanggan yang di susun seperti 1=Amat tidak berpuas hati, 2=Tidak berpuas hati, 3= Sederhana, 4=Berpuas hati, 5=Amat berpuas hati. Atau data yang perlu di susun secara ordinal. Tapi di dalam hal ini anda tidak boleh membuat kesimpulan bahawan reponden yang memberikan jawapan 4 (Berpuas hati) adalah 2 kali lebih bersetuju dengan responden yang menjawap 2=Tidak berpuas hati) Selang (interval) : Skala yang tidak mempunyai sifar mutlak. Nisbah(ratio): Sifar mutlak misalnya umur, pendapatan, jarak dan sebagainya. Misalnya umur saya 40 tahun adalah dua kali ganda lebih tua daripada ahmad 20 tahun.



BAB 2 : BERKENALAN DENGAN SPSS Ada beberapa perkara yang perlu anda tahu sebelum memulakan aplikasi SPSS, pertama operasi SPSS menggunakan beberapa jenis tetingkap yang berbeza atau window, yang mana setiap tetingkap mempunyai tugas dan maksud yang tersendiri, sebelum anda boleh membuka tetingkap ini, anda perlu terlebih dahulu membuka atau membina fail data yang baru.

Antara Muka SPSS Secara asasnya, SPSS mempunyai lima tetingkap yang utama iaitu:    

Data Editor Output Viewer Tetingkap Syntax Tetingkap Draf output dan Tetingkap Script

Tetingkap Data Editor Tetingkap data editor merupakan tetingkap yang digunakan untuk membina sesuatu fail data yang baru atau membuka fail data yang sedia ada, fail data bagi SPSS di simpan dalam format .sav Rajah 2.0 : Skrin SPSS Data Editor (mod Variable View)


Halaman

 Data View  Variable View

15

Data editor mempunyai dua jenis paparan tetingkap iaitu:-

IBM SPSS STATISTICS for window Data View Tempat di mana pengguna boleh memasukkan, memapar, menghapus dan menyunting data-data penyelidikan. Variable View Merupakan tempat dimana pengguna akan menamakan, menetapkan spesifikasi pembolehubah seperti nama pembolehubah, jenis, label, values label, mising values, skala pengukuran (measure) dan sebagainya. Tetingkap Draf output Tetingkap ini akan terbuka secara automatik apabila anda melancarkan perisian SPSS, tetingkap ini merupakan log yang merekod dan menyimpan segala aktiviti yang anda lakukan, malah tempat di mana laporan seperti jadual kekerapan, charta, laporan ujian statistik serta lainnya di simpan, dan fail ini mempunyai sambungan .spv Tetingkap Syntax editor

Halaman

16

Syntax editor merupakan tempat di mana anda boleh menyimpan berbagai jenis syntax yang anda buat semasa melakukan proses menganalisa data. Selalunya anda boleh melaksanakan arahan pada bar menu untuk melakukan proses statistik deskriktif. Anda boleh menggunakan kemudahan ini untuk mengulangi proses yang sama tanpa perlu menggunakan arahan daripada menu, anda hanya perlu memanggil fail ini sahaja. Syntax di simpan dalam format .sps



Memulakan perisian SPSS versi 17.0 Memulakan Perisian SPSS for windows Langkah-langkah:1. Klik pada butang Start, pilih all program dan klik pada IBM SPSS Statistics 21 2. Tetingkap SPSS 21.0 for windows akan di buka pada skrin computer.

Halaman

17

3. Anda boleh memilih mana-mana option yang telah disediakan. Seperti memilih Run the tutorial, Type in data atau Run exiting query atau memilih untuk membuka fail yang sedia ada dan sebagainya. Jika anda tidak suka melihat tetingkap ini, anda boleh menghilangkannya dengan menanda atau tik pada kotak Don’t show this dialog in the future. Anda juga boleh membuka fail jenis lain seperti fail ouput, syntax dan sebagainya dengan cara klik pada pilihan Open another type of file. 4. Anda juga boleh menekan butang Cancel dan membuka fail dengan cara menggunakan Menu Fail, 5. Skrin SPSS Data editor di buka.



6. Data Editor SPSS mempunyai dua jenis paparan skrin iaitu Data View dan Variables View. Setiap skrin mempunyai fungsi yang tertentu dan saling berkait antara satu sama lain. 7. Data View Data view merupakan satu hamparan spreadsheet yang mana data-data boleh di masukan terus ke dalam ruangan yang disediakan, atau untuk memaparkan sejumlah data-data yang telah tersedia. 8. Variable View

Halaman

18

Skrin ini digunakan untuk anda membina dan menamakan pembolehubah mengikut keperluan yang mana ianya berkait rapat dengan soalan didalam set soalselidik ataupun satu set data didalam sesuatu kajian. Misalnya seperti Jantina, Bangsa, Umur, Kelayakan responden dan sebagainya.


IBM SPSS STATISTICS for window Senarai Menu .

6. Menu File Menu ini digunakan untuk membuka, mencapai dan menyimpan fail data SPSS serta kemudahan lain yang terdapat pada menu ini. Sebahagiannya di nyatakan seperti berikut:

New - untuk membina fail baru



Open – Untuk membuka fail sedia ada daripada mana sumber seperti dari cakera keras, CD serta pen drive dan sebagainya.



Open Database – di gunakan untuk membaca data daripada Database, pengguna boleh memilih untuk melaksanakan beberapa arahan query.



Read Text Data – digunakan untuk membaca data di dalam format asc atau text.



Save – untuk menyimpan fail SPSS, output, script dan yang seumpama.



Save As.. – Untuk menyimpan fail SPSS sedia ada dengan nama yang baru.



Exit – Untuk keluar daripada aplikasi SPSS

7. Menu ini digunakan untuk melakukan operasi penyuntingan, seperti Copy, Paste, paste variables, Undo , serta Redo dan lain-lainya seperti melakukan kerja-kerja mengesan data seperti Find dan menukar penetapan pada menu option 8. Menu View Menu ini di gunakan untuk beberapa perkara seperti memapar atau menyembunyikan status Bar, Menu Editor..., Customize variable view, menetapkan option pada Toolbars, meminda Fonts... dan sebagainya.

Halaman

Menu ini digunakan untuk melakukan pertukaran global keatas fail data seperti mendefinasikan sesuatu pembolehubah, menyusun kes, memilih bahagian daripada keseluruhan kes, mengabungkan data, menambah, menghapus pembolehubah dan sebagainya.

19

9. Menu data


IBM SPSS STATISTICS for window 10. Menu Transform Digunakan untuk melakukan pertukaran non-global keatas sesuatu pembolehubah atau set pembolehubah yang dipilih. Seperti Compute untuk tujuan pengiraan, Recode, membina Time Series dan sebagainya. Hasil daripada tindakan ini mungkin akan menghasilkan satu pembolehubah yang baru. 11. Menu Analyze Kemudahan menu ini adalah untuk memilih dan melaksanakan berbagaibagai jenis prosedur statistik yang di perlukan, seperti menghasilkan jadual frequencies, crosstab, prosedur Descriptive Statistics, Correlation, Compare Means, Regression dan lain-lain. 12. Menu Graphs… Menu ini digunakan untuk menghasilkan berbagai-bagai jenis carta statistik atau graf yang mempunyai resolusi tinggi seperti carta bar, carta pai, scatterplot, histogram, boxplot dan sebagainya. 13. Menu Utilities Menu ini digunakan untuk mengimbas maklumat mengenai pembolehubah dalam fail data yang sedang aktif, Run Script.., Production Job.. dan sebagainya. 14. Menu Windows Menu ini digunakan untuk menukar (switching) paparan antara tetingkap SPSS yang sedang di buka. Ia juga memaparkan senarai tetingkap yang sedang di buka. 15. Menu Help

Halaman

20

Ini lah yang di katakan anda tidak bersendirian, SPSS sentiasa membantu, anda boleh meminta bantuan jika ada sesuatu yang anda tidak faham. Jenis bantuan yang boleh di capai adalah seperti Tutorial, Case study, Statistics coach dan sebagainya. Semua ini boleh dicapai melalui dropdown menu. Hanya perlu klik, baca dan faham.



Menu pintas Beberapa kemudahan menu pintas melalui ikon ada disediakan oleh SPSS

Di antara menu-menu tersebut adalah seperti Open File, Save File, Print, Dailog Recall, Insert cases, Find dan sebagainya, anda boleh melihat fungsi setiap ikon yang di sedia dengan menujukan kursor anda pada ikon-ikon yang di sediakan, dan paparan pop-up window akan memberitahu kegunaan butang tersebut. Misalnya ikon Dailog Recall berfungsi untuk anda memanggil semula manamana operasi atau arahan yang telah anda lakukan sebelumnya.

Perkara yang paling berharga.

Halaman

21

Perkara yang paling berharga di dalam urusan berkaitan dengan perangkaan bukan lah anda, komputer, bukan juga perisian SPSS, bukan buku ini atau manamana buku-buku yang lain. Pemilikan yang paling berharga adalah data anda. Pastinya anda boleh sentiasa membuat sesi temubual dan mendapatkan lebih banyak data, tetapi anda tidak boleh untuk mendapatkan data yang sama. Kehilangan data merupakan satu tragedi. Oleh pastikan data anda di simpan dengan sempurna.



BAB 3 : PENGURUSAN DATA Penyediaan fail data untuk proses menganalisa data melibatkan beberapa langkah, ini termasuk membina dan memasukkan maklumat data hasil daripada penyelidikan yang di jalankan. Selalunya anda perlu menyediakan buku koding terlebih dahulu untuk memudahkan kerja-kerja memasukkan data. SPSS merujuk kepada pembolehubah (Variables) dan kes (Cases). Pembolehubah di tempatkan pada lajur manakala kes pula di tempatkan pada baris. Setiap satu lajur di dalam SPSS mewakili satu set pembolehubah, manakala setiap satu baris pula mewakili satu set kes/rekod atau seorang responden yang terlibat. Apabila anda menamakan pembolehubah, secara tetap (default) jenis pembolehubah di tetapkan adalah jenis angka. Dalam erti kata yang lain semua pemboleh yang baru adalah jenis angka. Anda boleh mengubahkannya kepada jenis data yang anda mahu, misalnya kepada jenis String dengan menggunakan kemudahan Define Variable. Pengkelasan jenis data adalah seperti berikut: Numeric. Pengkelasan ini digunakan untuk pembolehubah yang mengambil nilai angka bulat dan perpuluhan, lebar maksimum ialah 40 aksara dengan kedudukan titik perpuluhan maksimum pada 16.  String. Pengkelasan ini digunakan untuk pembolehubah yang mengambil data yang berbentuk samada huruf, angka dan sebagainya, lebar maksimum data yang boleh ditaip adalah 255 aksara.  Date. Menyimpan data dalam bentuk tarikh.  Currency. Menyimpan data dalam bentuk Currency iaitu dolar Amerika.

Menamakan pembolehubah Untuk menamakan pembolehubah, anda perlu berada di dalam mod data editor, untuk itu ada perlu klik pada tab variables View.

   



Nama pembolehubah hendaklah di dalam satu perkataan. Nama pembolehubah mestilah bermula dengan abjad dan yang selebihnya boleh jadi abjad, apa-apa nombor atau simbol @,#,_, atau $. Blank atau ‘special character’ tidak boleh digunakan. Setiap pembolehubah mestilah unik dan tidak bertindih, duplikasi pembolehubah adalah tidak di benarkan. Nama pembolehubah tidak dipengaruhi oleh penggunaan huruf besar atau huruf kecil (tiada case sensitive). Nama-nama akronim atau reserve word bagi arahan-arahan yang terdapat di dalam SPSS tidak boleh di gunakan seperti, ALL NE EQ TO LE LT BY OR GT NOT GE WIDTH Nama pemboleh ubah tidak boleh di akhiri dengan dot.


Halaman

 

22

Menamakan pembolehubah merupakan satu keperluan di dalam SPSS, berikut adalah syarat-syarat menamakan pembolehubah:-

IBM SPSS STATISTICS for window Untuk menamakan pembolehubah, klik pada baris pertama di bawah lajur Name dan taipkan nama pembolehubah anda. Type Type bergantung kepada jenis data yang ingin anda tentukan, secara tetap SPSS akan meletakannya dengan jenis Numeric. Tetapi anda boleh memindanya kepada jenis lain dengan cara klik pada kotak yang berada di sebelah kanan medan type.

Dan seterusnya tetingkap Variable Type di buka, klik pada mana-mana pilihan butang radio yang di sediakan. Dan klik OK apabila sudah selesai,

Column width Ia adalah jumlah angka atau aksara yang boleh di isi bagi setiap pembolehubah. Panjang sesuatu nilai pada pembolehubah itu boleh di pinda, dengan menggunakan kemudahan Width dan Decimal pada skrin variable view.


Halaman

Proses mendefinasi sesuatu pembolehubah bukan satu proses yang harus di patuhi dan ianya boleh diabaikan, walau bagaimanapun pembolehubah didefinasikan untuk menerangkan atau menghuraikan takrifan pembolehubah tadi misalnya pembolehubah S10 boleh di labelkan bagai pendapatan bulanan responden, maklumat ini amat berguna semasa proses penghasilkan laporan.

23

Variable Label

IBM SPSS STATISTICS for window Value Label Value Labels merupakan satu tempat dimana anda memberikan satu nilai perwakilan atau kod pengecaman kepada pembolehubah, misalnya huruf L mewakili jantina Lelaki dan huruf P mewakili jantina Perempuan. Secara ringkasnya Value Label merupakan jawapan kepada soalan yang disediakan dalam borang soal selidik dan di nyatakan dalam bentuk keterangan khususnya dalam menerangkan sistem pengkodan data yang digunakan oleh pengguna. Panjang maksima tidak melebihi 60 aksara, Bersifat Case Sensitive dimana penggunaan huruf besar dan huruf kecil akan memberikan jawapan yang berbeza. Missing Values Ada kala penyelidik akan mengasingkan(exclude) nilai atau value bagi pembolehubah tertentu, misalnya data yang extreme atau tersisih jauh daripada kumpulan yang lain atau istilah outlier. Dalam istilah lain nilai yang di asingkan tidak akan di kira dalam analisa anda. Column Secara tetap lebar Column di tetapkan pada 8, memaparkan lebar paparan pada skrin anda.

ruang

ini hanya

Align Alignment pada column samada anda mahu menetapkan paparan data samada kekiri, kekanan atau di tengah-tengah. Measure Ruang ini merujuk kepada paparan jenis ukuran pada data bagi setiap pembolehubah. Secara tetap adalah jenis Skala, anda boleh meminda kepada nominal atau ordinal. Latihan untuk menamakan pembolehubah Sebagai contoh berikut adalah salah satu soalan daripada boring soalselidik.

Halaman

24

1. Status perkahwinan anda 1. Bujang 2. Berkahwin 3. Berpisah


IBM SPSS STATISTICS for window Langkah-langkah : 1. Daripada menu bar klik pada menu New→Data 2. Pastikan anda berada di dalam mod SPSS Data Editor. 3. Untuk menamakan pembolehubah baru, klik pada Tab Variable view

4. Tuju dan klik pada sel pertama dibawah lajur Name 5. Namakan pembolehubah dengan nama yang sesuai serta mematuhi peraturan yang telah diterangkan pada topik sebelum. 6. Di bawah lajur Name taipkan perkataan A1 sebagai pembolehubah bagi Status perkahwinan, atau membuat singkatan daripada perkataan Status perkahwinan seperti stkahwin. 7. Tuju dan klik pada sel pertama dibawah lajur Type. Dan klik pada kotak bertitik yang berada di hujung sel Type.


Halaman

8. Secara defaut sistem akan menanda atau memilih pada pilihan Numeric pada tetingkap Variable Type. Klik pada pilihan String dan secara default panjang aksara adalah 8. Tukar nilai tersebut kepada 4 pada ruangan tersebut. 9. Tekan butang tab atau klik pada sel pertama dibawah lajur bertajuk Label dan taipkan perkataan Status Perkahwinan

25

Tetingkap Variable Type dibuka.

IBM SPSS STATISTICS for window 10. Seterusnya tuju dan klik pada sel pertama dibawah lajur bertajuk Value dan popup windows seperti berikut akan dibuka.


Halaman

13. Jika anda ingin membuat pembetulan pada klik pada mana-mana value label, dan butang Remove akan aktif, jika anda mahu menghapuskan value label ini klik sahaja pada butang Remove. Jika anda mahu memindah atau membuat pembetulan, hanya taipkan pada mana medan dan butang Change akan aktif. Klik pada butang Change apabila anda selesai membuat pembetulan. 14. Seterusnya tuju dan klik pada sel pertama dibawah lajur Missing untuk menentukan missing values bagi pembolehubah A1 (Status perkahwinan). Untuk latihan ini klik pada No missing values. Dalam analisis statistik bagi sesuatu dataset, ada kalanya perlu untuk kita mengecualikan kes-kes di mana maklumatnya yang tidak relaven atau tidak sesuai. Misalnya responden yang gagal memberikan jawapan, atau beberapa soalan yang tidak relaven kepada responden. ( SPSS menganggap blank atau space pada data adalah missing value.)

26

11. Masukan nilai 1 pada medan Value, dan taipkan perkataan Bujang pada medan Label, dan klik pada butang Add. Seterusnya masukan nilai 2 pada medan value dan taipkan perkataan Berkahwin dan klik pada butang Add. Dan masukan value terakhir iaitu 3 mewakili status Berpisah 12. Apabila sudah selesai klik pada butang OK.

IBM SPSS STATISTICS for window 15. Seterusnya klik pada lajur Column. Dibawah lajur ini anda boleh mengubahsuai saiz kelebaran bagi sesuatu lajur pembolehubah. Ianya hanya untuk paparan sahaja. 16. Untuk mengubahsuai penjajaran(alignment) pada sel, klik pada baris di bawah lajur Align. 17. Setiap pembolehubah yang di bina boleh ditetapkan skalanya menerusi kemudahan Measures, singkatan skala pengukuran ( Measurement Scale). Di antara jenis skala yang di sediakan ialah Scale , Ordinal dan Nominal. 18. Untuk pembolehubah ini anda perlu menetapkannya sebagau Nominal. Ulangi langkah di atas untuk pembolehubah seterusnya sehingga lah selesai, menamakan pembolehubah perlu mengikut turutan pada borang soalselidik secara tersusun.

Halaman

27

Contoh paparan variable view yang telah ada nama pembolehubah



Memasukkan Data Apabila anda sudah selesai mendefinasikan semua pembolehubah, langkah seterusnya ialah memasukkan data, anda boleh memasukan data secara terus dengan menggunakan data editor atau pun mengimport data daripada sumber lain. Untuk memasukkan data klik pada Tab Data view

Menyunting fail data Selesai sahaja anda memasukkan data, anda mungkin perlu membuat pertukaran atau perubahan, seperti menambah, menghapus dan sebagainya.

Untuk menghapuskan kes

Halaman

28

Gerakan kursor pada kes atau baris yang hendak anda hapuskan, klik sekali untuk mengaktifkan baris tersebut. Tekan butang Delete untuk menghapuskannya, atau klik sekali butang kanan tetikus untuk mengaktifkan pop-up menu dan pilih menu Clear.



Untuk menghapuskan pembolehubah Gerakan kursor pada lajur yang mengandungi pembolehubah, klik sekali untuk membuat pilihan, Tekan butang Delete untuk menghapuskannya, atau klik sekali butang kanan untuk mengaktifkan pop-up menu dan pilih Clear.

Untuk menambah pembolehubah diantara pembolehubah yang sedia ada

Halaman

29

Letakan cursor pada sel di dalam lajur atau pembolehubah pada sebelah kanan dimana anda mahu meletakkan pembolehubah yang baru. Klik pada menu Edit dan pilih Insert Variable. Satu lajur kosong dengan nama pembolehubah tetap (contoh VAR00001) akan di sediakan untuk anda memasukkan pembolehubah yang baru. Seterusnya tukar nama pembolehubah kepada yang nama yang sesuai.



Menyimpan Fail SPSS Untuk menyimpan fail SPSS:1. Di menu bar klik menu File. 2. Pilih Save.

3. Masukkan nama fail data yang sesuai pada medan File name .

4. Seterusnya klik butang Save.

Kemudahan Copy and Paste

Halaman

30

Sekiranya, pembolehubah yang lain akan mempunyai spesifikasi nilai dan value label yang sama, atau missing value yang sama, pengguna boleh menggunakan arahan copy and paste untuk menyalin spesifikasi tersebut.


IBM SPSS STATISTICS for window Sebagai contoh, sebahagian daripada soalan yang di tanya mengenai Hari Merdeka. Bagaimanana anda mendapat maklumat mengenai hari merdeka (bulatkan jawapan anda). B1A. B1B. B1C. B1D.

Melalui Melalui Melalui Melalui

Internet Media TV Media Radio Surat Khabar

Ya Ya Ya Ya

Tidak Tidak Tidak Tidak

Jawapan bagi kesemua subsoalan adalah sama iaitu Ya dan Tidak. Langkah-langkah : 1. Klik pada sel berikutnya dan masukan maklumat seperti berikut untuk pembolehubah berikut : a. Name = B1A b. Type = Numeric c. Width = 2 d. Decimal = 0 e. Label = Maklumat hari merdeka melalui Internet f. Value =1, Value label = Ya g. Value=2, Value label = Tidak h. Missing value = none i. Dan biarkan default yang selebihnya. 2. Kalau diperhatikan kesemua jawapan bagi soalan B1A hingga kepada B1D adalah sama. 3. Untuk membuat arahan copy dan paste, tuju dan klik pada sel yang hendak di salin, dalam kes ini klik pada sel soalan B1A 4. Seterusnya klik pada menu Edit di menu bar, dan pilih submenu Copy

Halaman

31

1. Klik pada sel seterusnya dan klik kanan butang tetikus dan pilih paste. Secara asal sistem akan menyalin segala maklumat yang terdapat pada soalan B1A, Cuma yang membezakannya ialah sistem akan menamakan pembolehubah dengan nama VAR0001 dan nama pembolehubah ini akan bertambah 1 (VAR0002) mengikut jumlah sel yang anda tampal (paste).



Halaman

32

2. Untuk mengubah nama pembolehubah ini, klik pada sel pemboleh tersebut dan namakan sebagai B1B, kemudian klik pada label untuk meminda label pembolehubah mengikut kesesuaian. 3. Gunakan kaedah yang sama untuk soalan B1C sehingga B1D. 4. Seterusnya simpan fail kerja ini, untuk menyimpan fail kerja, klik pada menu File dan Save



BAB 4 : MENGIMPORT DATA Selain daripada memasukkan data secara terus menerusi SPSS data editor, SPSS juga membenarkan anda mengimport data-data daripada sumber lain seperti dari fail Excel, Dbase, fail teks, Informix, Paradox files, Access dan sebagainya.

Mengimport fail daripada Database. Kemudahan mengimport data dibuat melalui kemudahan ODBC Data Source Administrator. Selalunya kaedah ini hanya boleh di gunakan pada data-data yang di simpan di dalam database. Kaedah query di gunakan untuk mengimport datadata, samada anda mahu mengambil keseluruhan data ataupun sebahagian, malah anda juga boleh memilih mana-mana medan yang di kehendaki. Untuk mengimport data daripada database, klik pada menu File → Open Database →Query Data. Seterusnya SPSS membantu anda di dalam mengimport data dengan adanya kemudahan Wizard. Hanya anda perlu mengikut arahan dalam langkah mengimport data. Anda juga boleh menyimpan dan menyunting fail query ini untuk kegunaan masa hadapan.

Fail data format Excel SPSS For windows boleh membaca fail data Excel secara langsung, tanpa perlu melalui proses mengimportnya. Berikut merupakan panduan untuk memasukan data menerusi perisian Microsoft Excel dengan mengikut syarat yang di tetapkan oleh SPSS di dalam kaedah menamakan pembolehubah. Mulakan dengan meletakan nama pembolehubah pada baris pertama, menamakan pembolehubah hendaklah mengikut syarat dan prosedur yang telah di tetapkan dan nama pembolehubah hendaklah tidak melebihi 16 aksara dan format data samada dalam bentuk angka atau string


Halaman

Rajah 4.0 : Contoh data yang dimasukan menggunakan perisian Microsoft Excel

Untuk membuka fail data yang dihasilkan menggunakan perisian Microsoft Excel ialah dengan memilih arahan File→Open→Data dan pilih jenis fail yang mempunyai format Excel.

33

Seterusnya masukkan data pada baris kedua yang mewakili satu responden atau satu set soalselidik dan baris berikutnya untuk responden yang seterusnya.

IBM SPSS STATISTICS for window Selepas fail data format Excel tersebut dibawa masuk pada Data Editor, ianya hendaklah disimpan dalam bentuk fail data SPSS yang baru melalui arahan File→Save. Berikut merupakan tatacara mengimport fail data format Excel. Langkah-langkah : 1. Klik pada menu File→ Open→ Data di bar menu. 2. Tetingkap Open File dibuka, pada medan File of type, tukar pilihan kepada Excel(*.xls,*slsx,*xlsm)


Halaman

5. Jika fail data yang dibaca mengandungi senarai nama pembolehubah yang berkaitan pada baris pertama, maka arahan Read variable names from the first row of data perlu di akftifkan (tik). Sebaliknya jika tidak mempunyai nama pembolehubah pada baris pertama, maka arahan ini tidak perlu di aktifkan. 6. Pada ruang Worksheet pula menunjukan range data yang terdapat di dalam fail MsExcel, biarkan secara default, atau anda boleh memilih mengikut julat tertentu. Klik butang Continue. 7. Bila sudah selesai klik butang OK 8. Jika fail Excel ini mengandungi header, pembolehubah data akan dibina secara automatik mengikut nama header pada data fail Excel. 9. Klik pada folder variable view. Anda akan melihat senarai pembolehubah yang berkaitan. Setiap pembolehubah tersebut tidak mengandungi label,

34

3. Klik pada fail data excel, dan klik butang Open. 4. Seterusnya tetingkap Opening Excel Data Souce akan di buka

IBM SPSS STATISTICS for window Value Label dan Missing values yang bersesuaian. Anda bolehlah memasukkan nilai-nilai tersebut menerusi skrin Variable View ini. Ianya hampir sama kepada proses menamakan pembolehubah.

Halaman

35

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



Membaca fail format Teks Fail data dalam bentuk format Teks, selalunya di hasilkan melalui Text Editor atau notepad yang biasanya terdapat dalam mana-mana sistem pengoperasian seperti windows dan sebagainya. Sebagai contoh berikut merupakan fail data dalam bentuk teks. “Rahim” 1 46 3.00 9 “Elyani” 1 28 2.4 7 “Pat” 2 29 2.4 6 Langkah-langkah: 1. Di menu bar pilih File→Read Text Data 2. Tetingkap Open File di buka, pilih fail sampelA.txt dan klik butang Open 3. Tetingkap Text Import Wizard Step 1 of 6 atau welcome screen dibuka

Halaman

36

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


IBM SPSS STATISTICS for window 2. Klik Butang Next, pilih jenis format data anda samada dalam bentuk Delimited atau Fixed width. Dan nyatakan juga samada baris pertama data adalah nama pembolehubah, ini boleh dilakukan dengan memilih pada bahagian Are Variable names included at the top of your file?

Halaman

37

3. Seterusnya klik butang Next 4. Seterusnya paparan wizard step 3 of 6, wizard ni membolehkan anda memilih jumlah data yang hendak di import, samada semuanya atau sebahagian 5. Seterusnya klik butang Next, dan tetapkan delimiter yang digunakan, samada Tab, Space, Comma, Semicolon dan sebagainya. Dan tentukan juga text qualifier.


IBM SPSS STATISTICS for window 6. Seterusnya klik pada butang Next , dan anda akan melangkah ke pada Step 5 of 6, wizard ini membenarkan anda untuk menamakan pembolehubah, secara tetap SPSS akan menamakan pembolehubah sebagai V1, V2 ... Vxx. Anda boleh meminda nama pembolehubah, dan juga format data.

8. Seterusnya klik butang Finish.


Halaman

38

7. Klik butang Next, pada akhir wizard anda boleh menyimpan format fail ini untuk kegunaan masa depan, atau anda boleh menyimpan arahan ini pada syntax.


BAB 5 : MENGESAN RALAT DAN MEMBERSIHKAN DATA

Apabila

kerja memasukan data sudah sempurna, anda sudah bersedia untuk

membuat kerja-kerja penganalisisan seperti mengeluarkan laporan dalam bentuk jadual sehala, jadual dua hala, carta dan sebagainya , tetapi sebelum itu, adalah penting bagi anda untuk membuat proses mengesan dan membersihkan data daripada sebarang ralat atau boleh dikatakan sebagai proses ‘pre-analisis’. Kesilapan semasa melakukan proses memasukan data adalah perkara biasa, mungkin memasukan nilai 35 yang anda maksudkan adalah 3 akan memberi kesan kepada pengiraan korelasi.  Langkah 1 : Menyemak ralat, pertamanya anda perlu menyemak setiap nilai di dalam setiap pembolehubah, supaya tidak ada data yang terkeluar daripada julat. ( out of range )  Langkah 2 : Mencari data yang ralat pada fail data., keduanya anda perlu mencari di mana data yang silap berada. ( di mana kes yang telibat ).  Langkah 3 : Membetulkan data-data yang di ketahui salah dengan merujuk kepada borang soal selidik. Menyemak ralat merupakan satu keperluan yang harus anda lakukan sebelum proses menganaisis di lakukan, terdapat beberapa kaedah menyemak ralat dan bergantung kepada penyelidik itu sendiri, Proses menyemak ralat perlu melihat kepada jenis data yang anda ada, samada data dalam bentuk kategori atau jenis bersambung. Menyemak ralat untuk data jenis kategori (diskret) Untuk menyemak ralat pada data jenis kategori, anda boleh menggunakan prosedur Frequencies. Berikut merupakan langkah untuk menyemak ralat pada data jenis kategori.

Halaman

39

1. Di menu bar klik Analyze→Descriptive Statistics→Frequencies. 2. Pilih pembolehubah daripada kotak senarai dan pindahkan ke kotak Variable(s), anda boleh memilih seberapa banyak pembolehubah yang anda mahu.




Halaman

5. Apa yang anda perlu lakukan ialah :  Semak nilai minima dan maksima atau julat value label  Semak jumlah kes dan kes yang missing (missing case)  Pada jadual kekerapan s3-status perkahwinan nilai 5 dan 6 adalah nilai yang terkeluar daripada julat. Dan nilai 7 pada jadual kekerapan s4-Kelayakan tertinggi. 6. Kalau anda perhatikan pada kedua jadual sehala di atas, ralat pada angka 5 dan 6 untuk jadual pertama dan 7 merupakan ralat pada jadual kedua. Ini mungkin berlaku di sebabkan kesilapan semasa memasukkan data. 7. Untuk membetulkan kesilapan tersebut anda boleh mencari ralat pada dengan dengan menggunakan arahan Find.

40

3. Seterusnya klik butang OK. 4. Laporan berikut akan terhasil pada tetingkap Output.

IBM SPSS STATISTICS for window Menyemak ralat untuk pembolehubah jenis bersambung (Continues variables) dengan menggunakan arahan Descriptive 1. Di menu bar klik Analyze→Descriptive Statistics→ Descriptive.. 2. Pilih pembolehubah daripada kotak senarai dan pindahkan ke kotak Variable(s), anda boleh memilih seberapa banyak pembolehubah yang anda mahu.

Halaman

4. Seterusnya klik pada butang Continue dan klik OK.

41

3. Klik pada butang Options. Anda boleh memilih ‘range of statistik’, seperti mean, standard deviation, Minimum dan Maksimum.


IBM SPSS STATISTICS for window 5. Jadual Descriptive Statistics akan terhasil pada tetingkap Output. Data jenis pembolehubah bersambung tidak menunjukan sebarang ralat, Cuma anda perlu perhatikan nilai Minimum dan nilai Maksima, serta melihat julat (range) kedua nilai ini samada ianya munasabah atau tidak. Nilai Mean juga boleh membantu anda melihat taburan data ini.

Mencari data yang ralat pada fail data. Prosedur untuk mengenalpasti kes data yang ralat (error) 1. Tukar paparan kepada tetingkap Data Editor dengan klik pada Tab Data View. 2. Klik pada lajur di bawah pembolehubah yang hendak di cari ralat data tersebut.


Halaman

5. Klik pada butang Find Next. SPSS akan mengesan nilai yang anda minta dan akan berhenti pada nilai pertama yang dijumpai. 6. Anda boleh merujuk kepada borang soalselidik berdasarkan kepada nombor siri atau ID bagi soalselidik ( selalunya setiap borang soalselidik akan di tanda dengan nombor siri ) untuk melihat jawapan yang sebenarnya dan seterusnya membetulkan kesilapan pada data tadi.

42

3. Klik pada Edit daripada bar menu, kemudian klik pada menu Find. 4. Pada kekotak Find masukan nilai yang anda hendak cari atau yang salah (Contoh nilai 7).

IBM SPSS STATISTICS for window 7. Seterusnya klik butang Search sekali lagi untuk mengesan data seterusnya sehingga sistem menghantar isyarat bahawa tiada ada data lagi untuk di kesan ralatnya.

Menyimpan Syntax Anda boleh menyimpan setiap arahan operasi SPSS dengan menggunakan kemudahan tetingkap syntax. Untuk menyimpan maklumat (syntax) ini ada hanya perlu menekan butang Paste bagi setiap operasi yang anda lakukan. Kemudahan ini hanya tertakluk kepada operasi tertentu sahaja, iaitu bermula selepas proses menganalisis data, transformasi data dan lain-lainnya. Syntax amat berguna sekali apabila anda mahu mengulangi proses menganalisis semula data, misalnya dalam kajian rintis anda telah membuat analisa awal dengan menjalankan beberapa prosedur statistik, anda telah menyimpan setiap kali anda menjalan prosedur statistik ini. Apabila anda sudah mendapat data sebenar anda perlu mengulangi prosedur yang telah anda lakukan pada ujian rintis, dengan adanya kemudahan syntax anda hanya perlu memanggil fail tersebut dan membuat larian pada syntax tersebut untuk menghasilkan laporan dengan sekali tekan sahaja. Jika tidak anda mungkin terpaksa mengulangi setiap langkah satu demi satu dan kemungkinan ianya berpuluh-puluh prosedur yang terpaksa anda ingat dan lakukan semula. Prosedur untuk menyimpan syntax

Halaman

2. Apabila anda sudah memilih beberapa pemboleubah dan prosedur yang sesuai, klik butang Paste untuk menyimpan syntax di atas. 3. Hasilnya satu tetingkap syntax akan di buka dan maklumat arahan akan di paparkan pada skrin seperti berikut.

43

1. Contohnya anda sedang melakukan proses membuat jadual frequencies



4. Syntax yang baru akan di tambah di bawah baris berikutnya, jika anda menekan butang Paste untuk prosedur seterusnya. 5. Klik File→Save untuk menyimpan syntax ini, dan sambungan kepada fail ini adalah .sps 6. Untuk membuka fail syntax ini, anda perlulah terlebih dahulu membuka fail data yang berkaitan dengan syntax ini. Untuk membuka fail syntax, klik pada menu File →Open→ Syntax. Melaksanakan prosedur statistik yang telah anda simpan di dalam fail syntax 1. Buka fail syntax yang ada kaitan dengan fail data. 2. Tetingkap fail syntax di buka.

Halaman

44

7. Anda boleh memilih mana prosedur statistik menerusi bahagian kiri fail syntax yang mana akan tertera kumpulan arahan prosedur yang telah anda simpan seperti Frequencies, Descriptive dan Crosstabs.


IBM SPSS STATISTICS for window 8. Jika anda mahu melaksanakan keseluruhan prosedur statistik, klik pada menu Run dan pilih ALL

Halaman

45

9. Jika anda hanya mahu memilih prosedur tertentu, pilih mana-mana prosedur yang di perlukan dengan cara klik pada mana-mana prosedur yang tertera di sebelah kiri Syntax. 10. Dan seterusnya klik pada menu Run dan pilih Selection.



Tetingkap draf output Tetingkap draf output akan dibuka bersama-sama dengan fail data, SPSS versi terdahulu hanya membuka fail output apabila anda melaksanakan prosedur statitisk. Tetingkap laporan output ini merupakan tempat merekod semua aktiviti yang anda jalankan, seperti membuka fail data, melaksanakan prosedur statistik dan sebagainya. Ianya juga boleh di umpamakan sebagai fail log. .

Halaman

46

Ada boleh melaraskan paparan bagi kedua panel ini dengan klik pada pembahagi di antara dua panel ini dan menggerakan kursor sama ada ke kiri atau ke kanan. Anda juga boleh menutup laporan jadual tertentu dengan cara klik pada tanda – di bahagian panel Outline untuk setiap laporan yang bertanda. Dan sebaliknya tanda + untuk membukanya semula.


IBM SPSS STATISTICS for window Menyimpan fail Output Untuk menyimpan fail Output :Pastikan tetingkap Output di buka atau dalam mod pilihan. Daripada menu bar pilih File →Save. Tetingkap Save output as.. akan di buka. Masukkan nama yang sesuai pada medan File name dan kemudian tekan butang OK 5. Fail laporan ini mempunyai sambungan .spv 6. Untuk membuka fail Output klik pada menu File→Open→Output

Halaman

47

1. 2. 3. 4.



BAB 6 : MENGHASILKAN LAPORAN DAN CARTA STATISTIK Berbagai jenis dan bentuk taburan data boleh di hasilkan melalui perisian SPSS, antaranya ialah jadual frequencies, Descriptives, Crosstabs, carta dan sebagainya. Anda boleh mulakan dengan Statistic Deskriptif.

Statistik Deskriptif ( Descriptive statistics ) Mengandaikan bahawa tiada sebarang ralat pada fail data atau sekurangkurangnya tiada nilai yang terkeluar daripada julat (out-of-range) pada mana-mana pembolehubah. Anda boleh memulakannya dengan statistik deskriptif untuk menganalisa data. Ada beberapa kegunaan statistik deskriptif, iaitu: 1. Untuk menerangkan demografi sampel data . Ini selalunya di nyatakan di dalam laporan bahagian kaedah pengumpulan data. Contoh seperti jumlah responden, pendapatan, jantina, bangsa dan sebagainya. Anda boleh menggunakan arahan Frequency dan juga Crosstabs. 2. Untuk menyemak pembolehubah yang boleh melanggar andaian di bawah teknik ujian statistik parametik , seperti kenormalan taburan data yang di perlukan di dalam melaksanakan analisis seperti ANOVA , Korelasi dan sebagainya. Ujian seperti Test for normality, penghasilan jadual histogram dengan paparan Normal curve. dan 3. Untuk di tujukan kepada soalan-soalan khas sahaja. Untuk data atau pembolehubah jenis Kategori, anda boleh mulakan dengan menggunakan prosedur Frequencies dan juga Crosstabs.

Melaksanakan prosedur Frequencies. Arahan frequencies digunakan untuk mengira jumlah respon atau nilai dalam bentuk jadual frequensi satu hala atau untuk satu pembolehubah. Ianya juga digunakan untuk menghasilkan statistik descriptive seperti mean, median, mode dan variance. Dengan menggunakan arahan ini juga, anda dapat menghasilkan graf statistik seperti histogram dan juga carta bar. Langkah-langkah :-

Halaman

48

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


IBM SPSS STATISTICS for window 2. Pilih mana-mana pembolehubah jenis kategori dan masukkan pada kekotak pilihan pembolehubah (Variable(s)).


Halaman

5. Klik pada butang Statistics. Butang ini mengawal paparan statistik, secara asalnya tiada paparan statistik, di bawah kotak Percentiles anda boleh memilih perkara-perkara berikut bergantung kepada keperluan : a. Quartiles : Memaparkan 25th, 50th, dan 75th percentiles

49

3. Jika anda mahu menghasilkan laporan tambahan seperti Mean, Median, Mode dan sebagainya klik pada butang Statistcs….. 4. Klik pada mana kotak pilihan laporan statistik yang di perlukan. Dan klik pada butang Continue.

IBM SPSS STATISTICS for window 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. 6. Seterusnya klik butang OK.

Menterjemahkan laporan daripada jadual frequencies.

Halaman

50

Pecahan kepada maklumat Status Perkahwinan responden adalah seperti berikut, 54 (19.9%) responden berstatus bujang, 188 (69.4%) responden bersatus berkahwin, 21 (7.7% ) responden mempunyai status berpisah dan 8 (3.0%) responden adalah berstatus Janda/Duda.


IBM SPSS STATISTICS for window Untuk data atau pembolehubah jenis bersambung(Continoues variables), anda boleh mulakan dengan menggunakan prosedur Descriptive Statistics.

Menggunakan prosedur Descriptive Statitics. Prosedur ini di gunakan pada pembolehubah jenis bersambung (continues variables) seperti Umur, adalah mudah menggunakan prosedur Descriptives, termasuk ringkasan statistik seperti Mean, Median, Mode dan Standard Deviation. Descriptive statistics juga menyediakan maklumat tentang taburan skor pada pembolehubah bersambung (skewness dan kurtosis). Maklumat ini mungkin di perlukan jika pembolehubah tersebut digunakan untuk pengujian teknik statistik parametrik (parametric statistics) seperti t-test, analysis of variance. Nilai skewness menunjukan bentuk atau simentri (symmetry) taburan data. Kurtosis pula menyatakan ‘kepadatan’(peakedness) kelompok data. Jika nilai adalah 0 menunjukan data adalah dalam keadaan kesempurnaan normal. Misalnya jika nilai skewness positif, kelompok data adalah kekiri pada nilai rendah, nilai negatif pula menunjukkan data adalah kekanan graf pada nilai tertinggi (high end). Nilai positif kurtosis menunjukan kepadatan taburan data ( kelompok data di tengahtengah). Sebaliknya nilai di bawah paras 0 menunjukan taburan data menjurus kepada bentuk mendatar (banyak kes di dalam keadaan ekstrem). Langkah-langkah untuk melaksanakan prosedur Descriptive Statistics


Halaman

4. Klik pada butang Option. Klik pada mean, standard deviation, minimum, maksimum, skewness, dan juga kurtosis. 5. Klik Continues, dan kemudian OK.

51

1. Untuk latihan ini anda boleh menggunakan fail data kes_tidur.sav 2. Daripada bar menu klik pada : Analyze→Descriptive Statistics→ Descriptives. 3. Klik pada pembolehubah pilihan contoh s2(umur) dan klik pada kotak anak panah kekanan untuk memindahkan pembolehubah pilihan kedalam kotak Variable(s)

IBM SPSS STATISTICS for window 6. Laporan berikut akan terhasil daripada arahan prosedur Descriptive

Membaca laporan daripada Statistik Deskriptif Jadual di atas memberikan gambaran umur responden, maklumat daripada 248 responden (N), menunjukan umur minima responden adalah 18 tahun dan umur maksima adalah 84 tahun, dengan purata umur (Mean) adalah 43.87 dengan sisihan piawai (Std. Deviation) pada 12.684. Tambahan Bolehkah anda gambarkan bentuk taburan data ini dengan melihat diberikan pada Skewness dan Kurtosis

nilai yang

Prosedur Crosstabs

Halaman

52

Arahan crosstabs membolehkan anda menghasilkan satu bentuk laporan antara dua pembolehubah dalam bentuk jadual frekuensi dua hala (two-way) dan pelbagai hala (multi-way). Jadual yang terhasil dinamakan jadual dua hala (Crosstabs). Dengan menggunakan prosedur ini Statistik non-parametik seperti Pearson Chi-Square dan Gamma juga boleh di hasilkan.


IBM SPSS STATISTICS for window Langkah-langah untuk melaksanakan Prosedur Crosstabs 1. Daripada bar menu klik pada : Analyze→Descriptive Statistics→Crosstabs 2. Klik pada pembolehubah S1-Jantina dan bawa kekotak bertanda Row(s), dan seterusnya klik pada pembolehubah s17(Menghadapi masalah tidur) dan bawah kekotak Column(s)

Melihat kepada jadual kekerapan (Crosstabs) mungkin menyebabkan salah faham, kerana jumlah sampel tidak sama bagi lelaki dan perempuan oleh itu


Halaman

Menterjemahkan laporan daripada Crosstabs.

53

3. Seterusnya klik pada butang cell. dan pada bahagian percentages klik pada Total. Ini bermakna tambahan maklumat di keluarkan bersama peratusan bagi setiap sel. Anda juga boleh memaparkan peratusan mengikut Column mahu pun Row 4. Jika anda mahu melaksanakan prosedur ujian statistic Chi-Square, klik pada butang Statistics…… 5. Seterusnya klik butang OK.

IBM SPSS STATISTICS for window membandingkan peratusan adalah lebih baik. Untuk mendapatkan peratus bagi pembolehubah S1 dengan pembolehubah S17 anda perlu melihat ringkasan maklumat yang di berikan pada jadual Crosstabulation. Untuk mendapatkan maklumat berapa peratuskah kaum lelaki yang menghadapi masalah untuk tidur lihat pada baris pertama merujuk kepada value Lelaki. Lihat pada value % of total di bawah lajur Ya. Kesimpulan :Daripada pemerhatian pada sampel yang di perolehi 43 (15.9%) responden lelaki menghadapi masalah untuk tidur, berbanding dengan responden wanita iaitu sebanyak 65 (24.0%). Sebanyak 78 (28.8%) responden lelaki dan 85 (31.4%) responden wanita tidak menghadapi masalah untuk tidur.

Halaman

54

Bolehkah anda boleh menentukan samada responden Lelaki lebih cenderung menghadapi masalah untuk tidur berbanding dengan responden Wanita. Atau adakah nisbah responden lelaki dan wanita yang menghadapi masalah tidur sama?



BAB 7 : MENGHASILKAN CARTA STATISTIK SPSS for windows mampu menghasilkan carta dan plot yang mempunyai resolusi yang tinggi dengan menggunakan menu Graphs dan juga menu statistik yang tertentu, misalnya dari perlaksanaan prosedur Frequencies & Regression. Seperti juga output teks(statistik) dan jadual, output carta dan plot akan di paparkan di tetingkap Output Viewer. Bentuk carta dan plot asas yang biasa di hasilkan oleh SPSS for windows ialah graf, histogram, carta bar, carta pai, carta garis dan scatterplot. Kemudahan SPSS Chart juga boleh menghasilkan carta dan plot statistik lanjutan seperti High-Low Chart, Boxplot, Error Chart, Pareto dan Control Chart. Carta dan plot yang terhasil boleh disunting menerusi tetingkap Chart Editor. Terdapat dua kemudahan yang di sediakan oleh SPSS untuk menghasilkan carta atau graf iaitu melalui menu Graphs samada melalui submenu Chart Builders... atau Legacy Dialogs.

Menghasilkan carta Histogram

Halaman

4. klik pada kotak pilihan Display normal curve.

55

1. Buka fail kes_tidur.sav 2. Di menu bar klik Graph→Legacy Dailogs→Histogram...... 3. Tetingkap Histogram di buka, Klik pada pembolehubah S2(Umur) dan pindahkan ke medan Variable.


IBM SPSS STATISTICS for window 5. Jika anda mahu memberikan tajuk pada histogram klik pada butang Titles, dan masukkan Tajuk graf pada bahagian Title dan juga pada medan lain yang di sediakan.

Halaman

56

6. Klik Continue dan kemudian OK.


IBM SPSS STATISTICS for window Jadual Histogram selalunya memberikan maklumat berkaitan dengan kenormalan data, atau bentuk taburan data bagi pembolehubah jenis bersambung. Paparan garisan normal curve menerangkan samada data(skor) bagi pembolehubah yang di uji tertabur secara normal atau tidak. Pemerhatian kepada paparan garisan normal curve yang membentuk lengkongan seperti loceng boleh di andaikan taburan data adalah normal. Dalam kes ini data adalah tertabur secara normal, jika di lihat kebanyakan skor berpusat di tengah-tengah. Jika taburan data lebih pencong(skew) kekiri atau kekanan, test of normality boleh di gunakan untuk mengesahkan samada data anda bertabur secara normal atau tidak. Rajah : Paparan Histogram dengan garisan normal curve tidak Normal

Menghasilkan carta bar Dengan menggunakan prosedur Bar Charts , anda boleh menghasilkan beberapa pilihan jenis charts seperti jenis Simple, Clustered, Stacked.

Langkah 1. Buka fail kes_tidur.sav


charts

anda hanya perlu

Halaman

Untuk menghasilkan Carta bar jenis Simple bar mempunyai satu pembolehubah jenis kategori.

57

Prosedur menghasilkan Carta bar - Jenis Simple Bar

IBM SPSS STATISTICS for window 2. Di menu bar klik Graph→Legacy Dailogs→Bar.... 3. Tetingkap Bar Charts akan di buka, dan klik pada ikon Simple.

Halaman

58

4. Pada bahagian Data in Chart Are.. klik pada butang radio pada Summaries for groups of cases 5. Seterusnya klik pada butang Define


IBM SPSS STATISTICS for window 6. Tetingkap Define Simple Bar : Summary for group of cases di buka.

Halaman

59

7. Pilih pembolehubah yang di perlukan daripada kotak senarai, dan masukkan kedalam ruangan Category Axis. Pilih pembolehubah s4-Status Perkahwinan 8. Buat pilihan yang diberikan pada ruangan Bars Represent, terdapat beberapa pilihan yang diberikan, seterusnya pilih N of cases 9. Anda boleh memasukkan tajuk carta dengan menekan butang Titles... 10. Setakat ini anda sudah boleh menekan butang OK untuk menamatkan operasi dan menghasilkan satu carta bar yang mudah. 11. Anda juga boleh menghasilkan carta bar dengan mengikut kumpulan seperti jantina. Dengan memasukkan pembolehubah jenis kategori pada bahagian Panel by samada di Rows atau Columns



Halaman

60

12. Klik butang OK apabila sudah selesai



Prosedur menghasilkan carta bar jenis Clustered Untuk menghasilkan carta bar jenis Clustered anda memerlukan dua pembolehubah, satu pada Category Axis dan yang satu lagi pada Define Stack by. Kedua-dua pembolehubah mestilah daripada pembolehubah jenis kategori. Langkah-langkah 1. Di menu bar klik Graph→Legacy Dailogs→Bar.... 2. Tetingkap Bar Charts dibuka.

Halaman

61

3. Seterusnya klik pada ikon Clustered, dan klik butang Define. 4. Tetingkap Define Simple Bar : Summary for group of cases di buka. 5. Buat pilihan yang diberikan pada ruangan Bars Represent, terdapat beberapa pilihan yang diberikan, seterusnya pilih N of cases atau % of cases.


IBM SPSS STATISTICS for window 6. Pilih pembolehubah yang di perlukan daripada kotak senarai dan bawa masuk kedalam ruangan Category Axis contoh pembolehubah S4(Kelayakan tertinggi) dan seterusnya pilih pembolehubah kedua dan bawa masuk kedalam ruangan Defined Clusters by contoh pembolehubah S1(Jantina)

Halaman

62

7. Dan seterusnya klik butang Ok.



Halaman

63

Laporan daripada jadual di atas memberikan kepada anda ringkasan maklumat cara cepat bentuk taburan data (skor) untuk kumpulan yang anda pilih ( Jantina : Lelaki dan Perempuan ). Jadual di atas melaporkan atau mencadangkan bahawa tidak terdapat perbezaan status bujang di antara jantina, dan bagi status Berkahwin responden wanita lebih ramai berbandingan responden lelaki, begitu juga dengan status berpisah dan juga yang berstatus janda lebih memihak kepada responden wanita.



Prosedur untuk menghasilkan Carta pie Langkah untuk menghasilkan Carta Pie 1. Di menu bar klik Graph→Legacy Dailogs→Pie.... 2. Pilih option di bawah Data in Chart Are. Tik pada Summaries for groups of cases


Halaman

5. Di kotak senarai pilihan pembolehubah, klip pemboleh yang di perlukan contoh S4( Kelayakan tertinggi), dan klik pada butang di sebelah kiri Define Slices by: dan seterusnya klik butang OK.

64

3. Seterusnya klik butang Define 4. Tetingkap Define Pie: Summaries for Groups of Cases di buka.

IBM SPSS STATISTICS for window 6. Pada bahagian Slice Represent, pilih mana-mana options yang sesuai seperti N of cases atau % of cases, secara tetap akan di tandakan pada bahagian N of cases. 7. Anda boleh memilih beberapa options yang di berikan seperti memasukkan tajuk carta, subtajuk, footnote dan sebagainya dengan cara klik pada butang Title...

Halaman

65

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



Prosedur menghasilkan graf Scatter/Dot…. Scatterplots adalah sejenis graf yang menerangkan tentang hubungan diantara dua jenis pembolehubah jenis bersambung (continuous variables). Ini merupakan satu kaedah yang baik untuk mengenalpasti bentuk taburan data sebelum anda melaksanakan pengujian korelasi pearson ( Pearson Corelation ). Scatterplots memberikan gambaran tentang perhubungan linear di antara dua pembolehubah samada dalam bentuk garis lurus atau sebaliknya. Langkah-langkah:1. Di menu bar klik Graphs→Legacy Dailogs→Scatter/Dot.... 2. Tetingkap Scatter/Dot dibuka.

5. Klik butang OK apabila sudah selesai. Copyright @2013 Rahim Bin Utah

Halaman

66

3. Klik pada ikon Simple Scatter dan kemudian klik butang Define 4. Tetingkap Simple Scatterplot di buka. Pilih pembolehubah Berat dan masukkan pada Y-Axis dan pembolehubah Tinggi pada X-Axis:

IBM SPSS STATISTICS for window Laporan jadual Scatterplots.

Halaman

67

Daripada laporan jadual di atas menunjukan taburan data adalah di dalam keadaan moderate, positif korelasi di antara dua pemboleubah ( berat dan tinggi ). Ianya juga menerangkan ketinggian mempengaruhi berat badan seseorang.



Prosedur menghasilkan carta BoxPlots Carta Boxplots memberikan maklumat yang berguna apabila anda mahu membandingkan taburan data bagi dua kumpulan pembolehubah yang hendak di uji, selalunya dua pembolehubah diperlukan iaitu jenis bersambung dan pembolehubah jenis kategori. Adakalanya anda juga boleh menyemak jika terdapat skor-skor yang high extreme dan juga low extreme, Boxplots akan memberikan maklumat tersebut jika ada skor yang extreme. Langkah-langkah 1. Di menu bar klik pada menu Graphs→Legacy Dailogs→Boxplots 2. Tetingkap Boxplot di buka. Dan klik pada Icon Simple, dan klik butang OK

Halaman

68

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


IBM SPSS STATISTICS for window 4. Masukan pembolehubah yang di perlukan pada Variable ( Pembolehubah jenis bersambung) dalam kes ini pembolehubah CGPA_4 5. Masukkan pembolehubah jenis kategori pada bahagian Category Axis, dalam kes ini pembolehubah Jantina. 6. Dan klik butang OK Jadual Boxplots

Daripada laporan jadual Boxplots yang terhasil, memberikan gambaran tentang taburan data bagi keputusan ujian CGPA_4 bagi dua kumpulan Jantina ( lelaki dan perempuan ). Garisan hitam yang berada didalam boxplots merupakan garisan median yang memberikan nilai tengah bagi pembolehubah CGPA_4. Mana-mana skor yang tersisih (outlier) akan di bulatkan dan disertakan no ID atau bilangan susunan dalam kes. Misalnya jika nombor tersebut adalah 146, merujuk kepada rekod yang ke 146 di dalam senarai data.

Halaman

69

Daripada pemerhatian kepada jadual Boxplots terdapat perbezaan Mean pencapaian purata Mean CGPA bagi dua kumpulan Jantina. Anda boleh menentukan samada perbezaan ini wujud atau tidak bergantung kepada ujian kesignifikanan, anda boleh menggunakan ujian T (t-test) untuk mengesahkannya.



Menghasilkan graf menggunakan kemudahan Chart Builder. Kemudahan Chat Builder merupakan satu prosedur alternatif untuk menghasilkan carta, Cuma kaedah ini menggunakan kaedah drag and drop serta dapat melihat bentuk paparan dengan segera. Untuk menghasilkan graf menggunakan kemudahan ini, di menu bar klik pada Menu Graph→ Char builder. Langkah-langkah 1. Di menu bar klik pada Graph→Chart Builder 2. Tetingkap pesanan Chart Builder di buka, dan meminta anda mengenalpasti pembolehubah yang anda perlukan, anda boleh abaikan tetingkap ini dengan menekan butang OK.

Halaman

70

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




Halaman

5. Seterusnya pilih pembolehubah daripada kotak senarai, klik tanpa lepas dan seretkan sehingga ke bahagian X-Axis? 6. Seterusnya klik pada folder Titles/Footnotes, Anda boleh memasukkan tajuk carta di sini dengan cara klik pada kotak pilihan yang di sediakan.

71

4. Klik pada folder Gallery , di bahagian Choose from pilih mana-mana jenis graf yang anda perlukan, misalnya jika anda perlukan carta pie klik pada Bar, secara automatik ikon-ikon yang mewakili carta bar akan muncul di bahagian kanan senarai graf. Pilih mana-mana carta bar yang anda perlukan.


7. Seterusnya klik pada kotak pilihan Title 1, Title 2 dan Subtitle, pilihan ini akan di masukkan pada tetingkap Element Properties 8. Di tetingkap Element Properties klik pada Title 1

Halaman

72

9. Seterusnya masukan tajuk Jadual carta anda pada medan Content: 10. Apabila sudah selesai klik butang Apply yang berada di bahagian bawah tetingkap Element Properties. 11. Klik butang OK.


Halaman

73




BAB 8 : SPSS PIVOT TABLE OBJECT

Chart Editor Anda boleh menggunakan kemudahan Chart Editor untuk menyunting graf yang di hasilkan seperti menukar warna, menukar fon dan sebagainya. Kaedah menyunting charta dengan menggunakan Chat Editor.

Halaman

74

1. Pilih pada mana-mana chart yang di perlukan 2. Kemudian klik kanan butang tetikus pada chart yang di pilih, pada context menu klik pada menu Edit Content → In Separate Window.


IBM SPSS STATISTICS for window 3. Tetingkap Chart Editor di buka.

4. Anda boleh menggunakan kemudahan pada menu yang terdapat pada bar untuk meminda mana-mana objek yang terdapat pada bar. Misalnya mengubah warna, memasukkan tajuk dan sebagainya. Memasukkan tajuk carta bar 5. Dari menu bar klik pada menu Options→Title. Kemudian masukkan tajuk bar char yang sesuai. Contoh.. Rajah 7.0: Taburan kelayakan responden. Memasukkan nota kaki (footnote) 6. Di menu bar klik Options→Footnote. 7. Di bahagian bawah graf, satu baris nota kaki di sediakan, gantikan perkataan Footnote dengan perkataan yang sesuai


Halaman

8. Klik sekali pada mana-mana bahagian bar. Dan pastikan semua bar sudah di pilih. Dari menu bar pilih Menu Edit→Properties. 9. Pada tetingkap properties klik pada tab Fill & Border, di bahagian Color, klik pada ikon warna Fill, pilih warna biru atau mana-mana warna kesukaan anda, dan klik butang Apply. 10. Seterusnya klik pada ikon border dan tukar warna kepada merah atau mana-mana yang sesuai, dan klik butang Apply. 11. Anda juga boleh memasukkan pattern pada bar, klik pada ikon Pattern, pastikan ikon Fill sudah di klik terlebih dahulu. Dan pilih mana-mana pattern yang sesuai untuk graf anda.

75

Menukar warna pada bar

IBM SPSS STATISTICS for window Depth & Angle 12. Seterusnya klik pada Tab Depth & Angle 13. Pada bahagian Effect, klik pada option 3D dan klik butang Apply. 14. Anda boleh membuat pengubahsuaian dengan menggerakan slider kekiri atau kekanan atau ke atas dan ke bawah pada bahagian Angle. Memasukan Data Label 15. Klik sekali pada mana-mana bahagian bar. Di menu bar pilih Elements→Show Data Labels. 16. Pada tetingkap properties klik pada Tab Data Value Labels, tukar paparan daripada count kepada percent, gunakan kemudahan anak panah untuk mengerakan option paparan. 17. Klik sekali pada Label Count dan tekan butang X. 18. Klik sekali pada Label percent, dan klik butang anak panah keatas. 19. Pada bahagian Label position, klik pada klik Custom dan pilih mana-mana paparan yang di sediakan pada kotak paparan dan klik butang Apply. Meminda Skil paparan Y axis 20. Di menu pintas klik pada ikon Y, pada tetingkap properties klik pada Tab Scale. 21. Ubah Major Increment kepada 20. dan klik butang Apply. Meminda paparan X axis

Halaman

76

22. Di menu pintas klik pada ikon X, pada teringkap properties, klik pada Tab Label & Ticks. Pada bahagian Major Increment Labels, klik pada list menu di sebelah kanan Label orientation pilih staggered atau mana-mana yang sesuai. Dan klik butang OK. 23. Seterusnya pilih menu File dan Close.



BAB 9: MENGEKSPORT LAPORAN

Kesemua jadual dan carta yang di hasilkan pada tetingkap output boleh di simpan dengan dengan menggunakan kemudahan arahan Save. Walaubagaimana pun anda boleh mengeksport laporan ini kepada bentuk format msWord, Powerpoint, Excel dan sebagainya. SPSS menyediakan beberapa kemudahan untuk anda mengeksport data kepada format yang bersesuai dengan keperluan anda. Anda juga boleh menggunakan kemudahan cut & paste untuk menyalin sebahagian jadual atau carta daripada tetingkap output kepada Word atau Powerpoint. Ada perlu membuka perisian Word terlebih dahulu sebelum proses cut & paste boleh dilakukan.

Mengeksport fail laporan Untuk mengeksport fail laporan berikut adalah langkah-langkahnya :1. Pastikan fail laporan di buka. 2. Daripada menu bar klik File → Exports.

Halaman

77

3. Ada beberapa pilihan pada tetingkap Export Output, pada bahagian Object to Export anda boleh memilih samada mahu mengeksport keseluruhan laporan atau pilihan.


IBM SPSS STATISTICS for window 4. Seterusnya pada bahagian Document, anda boleh memilih jenis fail laporan yang hendak di export, misalnya WordRTF.doc, Powerpoint dan sebagainya.

5. Seterunya pada bahagian File Name, masukkan nama fail dan lokasi fail ini di simpan, atau atau klik pada butang Browse untuk membuka fail lokasi dan seterusnya menamakan fail laporan anda.

Halaman

78

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



BAB 10 : MANIPULASI DATA ‘Tranforming data’ atau istilah manipulasi data merupakan satu proses tambahan dan adakalanya perlu jika anda memerlukannya untuk tujuan analisis yang menguji hipotesis atau analisa data kuantitatif. Ini bergantung kepada bentuk data fail anda dan pembolehubah yang ada kaitan dengan sesuatu ujian di dalam kajian anda. Adakalanya anda mungkin perlu mengkelaskan pembolehubah jenis bersambung kepada pembolehubah jenis kategori. Proses ini mungkin seperti berikut:1. Membuat kira tambah pada item-item tertentu bagi menghasilkan satu pembolehubah yang baru. 2. Mengubah data (misalnya log10) untuk analisis data yang memerlukan data bertabur secara normal dan 3. Mengkelaskan pembolehubah data bersambung kepada kumpulan yang lebih kecil, misalnya umur kepada pembolehubah berkategori ( contoh, Remaja, Dewasa dan Orang tua) Dalam bab berikutnya anda akan didedahkan dengan beberapa kemudahan tranformasi yang terdapat melalui menu Transform daripada bar menu yang di sediakan. Antara contoh kemudahan tranformasi yang ada ialah Compute, Count, Recode, Log(10), ln dan sebagainya. Sebahagiannya di nyatakan pada jadual di bawah :-

Fungsi Nomber adalah :-

+

Kira Tambah

ABS

Absolute Value

-

Kira Tolak

TRUNC

Truncate

*

Kira Darab

SQRT

Square Root

**

xponentiation

LG 10

Base 10 Logarithm

/

Division

RND

Round

=

Sama juga (Equal to )

MOD10

Modulus

<

Kurang dari ( Less than )

LN

Natural Logarithm

>

Lebih dari (Greater than )

SIN

Sine

~=

Tidak sama ( Not Equal to)

COS

Cosine

<=

Kurang dari atau samaLess than or equal to

>=

Lebih besar atau sama( Greater than)

Halaman

79

Operasi Arithmetic adalah seperti berikut :-


IBM SPSS STATISTICS for window Menu ini boleh di capai di bawah tajuk menu Transform.

Prosedur Recode Arahan Recode mempunyai dua pilihan iaitu. Recode into Same Variables 

Sesuai digunakan jika anda pembolehubah yang sedia ada.

ingin

mengubahsuai

data

bagi

satu

Recode into Different Variables. 

Sesuai digunakan jika anda ingin menghasilkan satu pembolehubah yang baru yang mempunyai data hasil daripada pengubahsuaian data lain daripada pembolehubah lain.Misalnya anda ingin mengkelaskan umur, kepada kumpulan Umur.

Halaman

Dalam satu soal selidik terdapat soalan yang bertanyakan tentang umur dalam bentuk soalan terbuka, Julat jawapan mungkin besar misalnya 18 sehingga 70 tahun. Dalam keadaan tertentu anda mahu mengkelaskan pembolehubah umur ini kepada beberapa kumpulan misalnya :-

80

Contoh penggunaan prosedur recode



1 2 3 4

– – – –

18 27 36 46

tahun tahun tahun tahun

– 26 tahun – 36 tahun – 46 tahun dank e atas

Langkah-langkah 1. Buka fail kes_tidur.sav 2. Dari menu bar pilih Transform→Recode Into Different variables.. 3. Pada tetingkap recode into different Variables pilih satu pembolehubah yang diperlukan, dalam kes ini pilih pembolehubah s2. Untuk memilih pembolehubah s2 klik dua kali pada pembolehubah yang di perlukan daripada kotak senarai pembolehubah.

Pada bahagian Output variable, taipkan s2a pada medan Name: Pada medan label taipkan Kumpulan umur responden Dan seterusnya tekan butang Change. Seterusnya klik pada butang Old and New Values. Tetingkap berikutnya di buka dan masukkan maklumat seperti berikut:-

Halaman

81

4. 5. 6. 7. 8.



9. Di bahagian Old Value, klik pada Range dan masukan nilai yang di perlukan misalnya 18 dan pada medan through masukan nilai 26. Ini bermaksud anda sedang merekod nilai 18 hingga 26 kepada nilai baru iaitu 1. 10. Seterusnya pada bahagian New Value klik pada butang radio Value, dan masukan nilai 1. Dan kemudian klik pada butang Add. 11. Seterusnya ulangi langkah 9 dan masukan nilai baru iaitu 27 dan pada medan berikutnya nilai 36 dan pada New Value, masukan nilai 2. 12. Ulangi langkah 9 untuk kategori seterusnya. 13. Apabila sudah selesai klik butang Continue. 14. Dan seterusnya klik butang OK. 15. Untuk melihat kewujudan pembolehubah yang baru, klik pada Tab Variable View, dan skrol hingga ke bawah dan anda akan dapati pembolehubah yang baru akan berada dibahagian akhir antara pembolehubah.

Prosedur Visual Binning Satu lagi kaedah recode yang boleh di laksanakan ialah dengan menggunakan prosedur Visual Binning.

Halaman

1. Buka fail kes_tidur. 2. Klik pada menu Transform > Visual Binning 3. Pada tetingkap Visula Binning, Pilih pembolehubah Umur dengan cara dwi klik pembolehubah tersebut.

82

Untuk melaksanakan prosedur ini :




Halaman

5. Dalam kes ini ianya memaparkan maklumat berkenaan dengan taburan umur serta maklumat umur minima adalah 18 dan maksima 84 tahun. 6. Anda boleh pecahkan atau kumpulkan kumpulan kepada beberapa bahagian misalnya kepada 5 kumpulan

83

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

IBM SPSS STATISTICS for window 7. Pertama kali wujudkan pembolehubah yang baru medan di Binned variable namakan sebagai umur_bin. 8. Seterusnya klik pada butang Make Cutpoints.

Halaman

84

9. Klik pada radio button Equal Percentiles Base on Scanned Cases 10. Pada medan Number of Cutpoint masukan angka 4 dan width(%) angka 20.00 ( bermaksud 100/5) di masukan secara automatik. 11. Perhatikan pada paparan berikutnya. Data akan di bahagikan kepada 5 kumpulan dengan value di sediakan secara automatik.



12. Klik pada butang Make Labels dan klik OK. 13. Perhatikan kewujudan pembolehubah yang baru iaitu umur_bin di data fail anda. Latihan :-

Halaman

85

14. Gunakan fail yang sama untuk pembolehubah berat, dan pecahkan kepada 3 kumpulan.



Menghasilkan kira tambah Untuk melakukan proses kira tambah, prosedur Compute di perlukan. Klik pada Menu Transform → Compute Variable…. Perlaksanaan prosedur ini akan menghasilkan pembolehubah yang baru. Sebagai contoh di dalam satu kajian kes ada soalan yang bertanyakan tentang jumlah jam waktu tidur pada hari biasa, dan juga jumlah jam waktu tidur pada hujung minggu. Langkah-langkah :1. Klik pada menu Transform→ Compute Variable…. 2. Tetingkap Compute variable akan di buka, pada Target Variable taipkan s51 sebagai nama pembolehubah yang baru.

Halaman

86

3. Klik pada butang Type & Label.. dan pada bahagian Label taipkan Jumlah Waktu Tidur seminggu, pastikan pilihan Numeric sudah di tik pada bahagian Type. Dan klik butang Continue.



4. Dan seterusnya klik butang OK. Dan ini akan menghasilkan satu pembolehubah yang baru. Klik pada Tab Variable View untuk melihat pembolehubah yang baru. Selalunya akan di letakan pada bahagian akhir di dalam senarai pembolehubah. Latihan 5. Buka fail km-test.sav 6. Ikuti langkah sebelum untuk membuat kira tambah bagi pembolehubah berkut. B1,B2,B3,B4 bagi menghasilkan pembolehubah baru kmvalue.

Mengunakan formula

Halaman

87

Dalam keadaan tertentu anda mahu membuat transformasi data menggunakan formula tertentu, anda boleh menggunakan fungsi yang terdapat di dalam prosedur transform. Misalnya anda mahu menukar nilai bagi satu pembolehubah kepada Base 10 Logarithm. Sebahagian daripada fungsi ini adalah untuk cuba mengubah data daripada paparan tidak normal kepada normal. Sebagai contoh anda menghasilkan satu carta histogram untuk melihat samada data bertabur secara normal atau tidak. Anda dapati keputusan adalah tidak normal.


IBM SPSS STATISTICS for window Anda perlu menggunakan formula Natural Logarithm bagi pembolehubah Sales untuk cuba menormalkan data. Gunakan fail car_sales.sav sebagai fail sumber untuk latihan berikutnya. Langkah-langkah 1. Di menu bar klik pada Menu Transform→Compute Variable… 2. Namakan pembolehubah yang baru pada medan Target Variable: misalnya lnSales 3. Klik pada butang Type & Label dan labelkan pembolehubah ini sebagai LN Sales. 4. Klik pada All di bahagian Function group 5. Seterusnya cari dan klik fungsi Ln di bawah bahagian Function and Special Variables: 6. Formula Ln(?) akan di masukkan pada bahagian Numeric Expression 7. Seterusnya dwi klik pilih mana-mana pembolehubah jenis skala misalnya Sales.

Halaman

88

8. Seterusnya klik butang OK, 9. Pembolehubah yang baru akan di hasilkan, selalunya di letakan pada bahagian akhir senarai pembolehubah.



Halaman

89

Anda boleh menghasilkan carta histogram yang baru berdasarkan kepada pembolehubah yang baru iaitu lnSales.



BAB 11 : ANALISIS KEBOLEHPERCAYAAN

Apabila anda memilih satu nilai ordinal di dalam kajian anda, ia adalah penting untuk anda mengetahui semua skala yang digunakan untuk tujuan ujian inferan statistik boleh di percayai atau tidak. Terdapat beberapa aspek yang berbeza didalam mengendalikan ujian seperti ini, seperti kaedah Test Retest, Equivalent Form dan juga Intenal Consistency. Di dalam satu kajian sosial, soalan-soalan berbentuk physiologi sering di tanya, dan di kumpulan mengikut satu set soalan yang berkaitan secara berturutan. Skala pengukuran jenis ordinal atau skala selang sering di gunakan. Selalunya setiap jawapan mestilah melebihi daripada 3, misalnya 1 = Tiada Idea, 2 = Sederhana, 3 = setuju. Atau boleh jadi 1 = Amat tidak bersetuju, 2 = tidak bersetuju, 3 = Sederhana, 4 = Baik dan 5 = Amat Baik. Selalunya di susun secara menaik daripada nilai terendah kepada nilai yang lebih tinggi, dimana nilai paling rendah merupakan darjah kepada ukuran paling tidak suka atau tidak setuju. Prosedur Cronbach’ Alpha coefficient selalunya di gunakan untuk mengukur darjah kebolehpercayaan instrumen, dan nilai skala yang di peroleh mestilah berada pada paras .7 dan keatas, nilai maksima ujian ini adalah 1. Jika hasil ujian di bawah paras .7, anda perlu melihat pembolehubah yang manakah perlu di keluarkan daripada senarai analisa statistik. Untuk mengetahui item manakah yang mana apabila ianya di keluarkan akan menyebabkan pekali kebolehpercayaan meningkat. Maklumat pada lajur Cronbach's Alpha if Item Deleted biasanya di rujuk. Pada kebiasaanya ujian Cronbach’ Alpha coefficient ini di perlukan untuk menguji tahap kesesuaian item-item di dalam satu kajian, misalnya anda membuat satu ujian rintis (pilot test) terlebih dahulu terhadap beberapa sampel responden, dan apabila ujian Reliabiliy Analysis memberikan keputusan yang positif barulah kajian sebenar di jalankan. Jika tidak anda harus melihat dan memeriksa mana-mana item yang perlu di perbaiki atau di singkirkan. Di dalam contoh berikutnya anda mahu melihat kebolehpercayaan item-item di dalam kajian anda. Prosedur untuk melaksanakan arahan Reliability Analysis.

Halaman

90

1. Di menu klik Analyze→Scale→Reliabiliy Analysis. 2. Tetingkap Reliability Analysis di buka.




Halaman

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

91

3. Pilih pembolehubah yang anda perlu dan masukkan pada kotak senarai Items. Pastikan juga Model Alpha di pilih. Anda boleh menggunakan model yang selain daripada Alpha yang anda memerlukannya dengan cara klik pada senarai menu Model. 4. Seterusnya klik pada butang Statistics…, dan teringkap Reliability Analysis Statistics di buka, Di bawah tajuk Descriptives for, klik kotak pilihan Item, Scale dan Scale if item deleted.

IBM SPSS STATISTICS for window Laporan Reliability Analisis yang mengandungi beberapa maklumat akan di keluarkan. Pertama sekali anda perlu merujuk kepada jadual Reliability Statistics, Sila rujuk kepada nilai Cronbach’s Alpha dan maklumat N of Item, menyatakan tentang jumlah item yang di uji. Dalam ujian ini nilai Cronbach’s Alpha adalah .773, dimana nilai ini lebih besar daripada .7. Jika nilai Alpha di atas paras .7, ini bermakna sampel yang diperolehi boleh dipertimbangkan serta di percayai.

Jika keputusan Reliability Statistics di perolehi di bawah paras .7. Rujuk kepada jadual berikutnya. Sila rujuk pada lajur Cronbach’s Alpha if Item Deleted. Anda perlu merujuk kepada nilai yang paling besar diantara itemitem, ianya merujuk kepada item mana yang perlu di buang, maka nilai Cronbach’s Alpha yang baru adalah adalah nilai item yang di buang.

2

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


Halaman

92

Menurut Pavot, Diener, Colin, dan Sandvik (1991)2 skil berada didalam keadaan yang konsisten pada bacaan Cronbach alpha coefficient .70. Di dalam kajian ini nilai bacaan Cronbach’s Alpha coefficient adalah pada .773.


BAB 12 : MEMILIH DAN MELAKSANAKAN PROSEDUR STATISTIK Terdapat dua jenis teknik ujian statistik yang biasa kita dengar, iaitu ujian parametric dan non-parametric. Ujian parametric merujuk kepada ciri-ciri populasi. Ujian parametric seperti analisis of variance, t-test selalunya memerlukan skor atau taburan data di dalam keadaan normal. Kenormalan taburan biasanya di uji dengan menggunakan test of normality atau dengan melihat keluk (curve) pada carta histogram. Jika keluk (curve) membentuk garisan seperti loceng dengan skor ekstrem yang sedikit, maka taburan data boleh di anggap normal. Ujian non-parametric pula tidak memerlukan data atau skor bertabur secara normal. Ujian non-parametric sesuai digunakan apabila anda mempunyai data jenis nominal atau ordinal, atau anda mempunyai sampel data yang kecil, malahan juga jika data yang di perolehi tidak memenuhi syarat andaian ujian parametric. Sebahagian parametric

persamaan

teknik

ujian

Ujian Non-parametric Chi-square Mann-Whitney Test Kruskal-Wallis Test Friedman Test Spearman Rank Order Correlation

statistik

diantara

non-parametric

dan

Ujian parametric Tiada Independent-sample t-test One-way between-group(ANOVA) One-way repeated-measuares (ANOVA) Pearson’s product-moment correlation.

Terdapat berbagai pilihan prosedur ujian statistik di dalam perisian SPSS, daripada yang mudah kepada yang lebih komplek. Tetapi yang lebih penting ialah pemahaman anda mengenai teori statistik dan prosedur melaksanakannya. Biasanya di dalam satu kajian sosial, kita mungkin mahu melihat perhubungan yang wujud diantara dua pembolehubah yang di uji, atau melihat samada wujudnya perbezaan di antara kumpulan sampel.

Pengujian hipotesis


Halaman

Untuk menguji perhubungan diantara dua pembolehubah kita boleh menggunakan beberapa prosedur statistik yang di sediakan oleh SPSS diantaranya ialah Chi-Square, Pearson correlation, Partial correlation, multiple regression dan Factor analysis. Manakala ujian perhubungan diantara kumpulan perlulah menggunakan ujian seperti T-tests, One-way analysis of variance, Two-way analysis of variance, Compare means dan Multivatiate analysis of variance.

93

Pengujian hipotesis di gunakan bagi menentukan sama ada data yang di perolehi daripada sampel dapat menyokong keputusan ujian ( hipotesis nul ) atau sebalikya ( hipotesis alternatif ). Contohnya hipotesis nul(H0) ditulis seperti berikut : Tidak terdapat perbezaan diantara kumpulan jantina di dalam pencapaian markah akademik mereka. Hipotesis alternatif (H1): Terdapat perbezaan yang signifikan secara statistik diantara kumpulan jantina di dalam pencapaian markah akademik mereka.


Ujian Signifikan

Halaman

94

Selalunya untuk menentukan samada ujian statistik yang di jalankan memperolehi keputusan signifikan atau tidak bergantung kepada nilai Asymp.Sig. yang diwakili simbol p. Selalunya paras signifikan di tetapkan pada nilai Alpha(α) lebih kecil atau sama dengan .05. Jika nilai p lebih kecil daripada nilai α maka keputusannya terdapat perbezaan yang signifikan secara statistik diantara kedua pembolehubah yang di uji, sebaliknya jika nilai p lebih besar daripada nilai a .05 maka keputusannya tiada siginifikan. Setiap keputusan (signifikan) adalah pada tahap keyakinan 95% bagi semua ujian statistik.



BAB 13 : UJIAN NON-PARAMETRIC Keperluan andaian bagi ujian non-parametric Beberapa perkara perlu anda ambil kira sebelum ujian non-parametric di jalankan ianya diandaikan seperti berikut : 

Sampel rawak Setiap kes hanya boleh di kira sekali

Dalam bab berikutnya kita akan membincangkan prosedur menggunakan teknik ujian non-parametric diantaranya ialah :     

Ujian Ujian Ujian Ujian Ujian

statitik

yang

Chi-Square Mann-Whitney U Kruskall Walis Wilcom Signed Rank Friedman

Ujian Chi-Square sample tidak bersandar Ujian Chi-square hanya boleh di gunakan pada pembolehubah jenis kategori sahaja (nominal atau ordinal). Statistik Chi-square digunakan untuk menguji samada terdapat perhubungan diantara dua pembolehubah kualitatif atau diskret. Kita mulakan dengan hipotesis null, iaitu meramalkan tiada perbezaan perhubungan di antara kedua pembolehubah. Atau boleh disimpulkan hipotesis anda dengan pernyataan berikut: “Adakah faktor kesukaran untuk tidur berkait rapat dengan amalan pengambilan ubat tidur?” Keperluan ujian Anda memerlukan dua pembolehubah jenis kategori, misalnya anda mahu melihat samada terdapat perhubungan diantara pembolehubah S27- menghadapi masalah tidur dengan pembolehubah S26- Perlu ambil ubat untuk membolehkan tidur.


Halaman

1. Klik Analyze→descriptive statistics→Crosstabs 2. Pilih pembolehubah S27 - Menghadapi masalah untuk tidur dan letakan di bawah ruangan Row(s) dan pilih pembolehubah S26 - Perlu ambil ubat untuk tidur , dan letakan di bawah ruangan Column(s) 3. Klik pada butang Statistic.. dan pilih Chi-Square. Dan klik butang Continues. 4. Seterusnya klik butang OK.

95

Langkah-langkah pengujian

IBM SPSS STATISTICS for window Perkara pertama yang perlu anda lakukan ialah memeriksa pada Expected Count, jika terdapat nilai jangkaan terendah (Expected Count) hendaklah lebih besar daripada nilai 5 bagi setiap sel. Anda boleh merujuk kepada nota kaki di bawah jadual Chi-Square Test (a dan b) Merujuk kepada jadual berikutnya, pertama sekali anda perlu melihat setiap nilai pada Expected Count. Jika nilai Expected Count bagi setiap item lebih rendah daripada 5, anda tidak boleh meneruskan ujian ini, kerana syarat pengujian ChiSquare merujuk kepada nilai jangkaan terendah(Expected Count) hendalah lebih besar daripada 5. Anda juga boleh merujuk kepada nota kaki di bawah jadual ChiSquare Tests.


Halaman

Untuk mengetahui samada terdapat perhubungan diatara kedua pemboleubah ini. Kita perlu merujuk kepada Asymp. Sig(2-sided). Jika kategori bagi kedua-dua pembolehubah hanya ada dua nilai sahaja (2 x 2), maka anda harus merujuk kepada baris Continuity Correctionb dengan nilai bacaan pada 7.334 merujuk kepada paras signifikan (Sig.) adalah .007. Oleh kerana nilai Sig.(p) 0.007 lebih kecil daripada nilai alpha .05. Maka kita menerima hipotesis Alternatif. Oleh

96

Merujuk kepada jadual di atas serta tumpuan di berikan pada baris pertama, daripada pemerhatian kepada responden yang menghadapi masalah tidur hanya 12 responden yang memberikan jawapan Ya, manakala 105 responden tidak mengambil ubat tidur walaupun mereka menghadapi masalah tidur, maka kita dapati ada perbezaan di situ.

IBM SPSS STATISTICS for window 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. 5. Seterusnya klik butang OK.


Halaman

Melalui pemerhatian, kita mendapati pasaraya 2 tidak berapa di sukai pelanggan berbanding dengan pasaraya yang lain. (Bandingkan peratusan jawapan amat tidak berpuas hati diantara pasaraya, pasaraya 2 (30.8%)), manakala pasaraya 3 (bandingkan peratusan jawapan Amat berpuas hati dikalangan pasaraya, pasaraya 3 (26.8%)) merupakan pasaraya yang disukai pelanggan di antara pasaraya.

97

Merujuk kepada jadual di atas, bolehkah anda menentukan samada terdapat perbezaan perkhidmatan diantara pasaraya?


Halaman

98

Untuk membuktikan samada wujudnya perbezaan diantara pasaraya ini, anda perlu merujuk kepada jadual Chi-Square Tests. Merujuk kepada baris Pearson Chi-Square, nilai Signifikan(p) adalah .012. Oleh kerana nilai p (.012) lebih kecil daripada nilai alpha(α) .05. Maka kita menerima hipotesis alternatif. Hasil daripada keputusan ujian ini bolehlah di simpulkan wujudnya perbezaan perkhidmatan yang signifikan secara statistik diantara pasaraya.



Mann-Whitney U Test Mann-Whitney U Test merupakan salah satu ujian Non-parametric. Teknik ini gunakan bagi menguji perbezaan kumpulan yang tidak melebihi dua, di dalam satu pembolehubah jenis bersambung. Misalnya anda ingin melibat jika terdapat perbezaan diantara kumpulan jantina didalam mencapai satu-satu perkara. Anda memerlukan satu pembolehubah kategori yang tidak melebihi daripada dua kumpulan dan satu pembolehubah jenis bersambung misalnya umur, pendapatan, berat dan sebagainya. Sebagai contoh, anda mahu melihat samada terdapat perbezaan pencapaian markah purata CGPA diantara kumpulan jantina lelaki dan perempuan. Anda boleh menulis pernyataan seperti berikut : Adakah wujudnya perbezaan yang signifikan secara statistik pencapaian markah CGPA bagi kumpulan jantina Lelaki dan Perempuan, Kumpulan manakah yang lebih cemerlang? Prosedur melaksanakan ujian Man-Whitney U


Halaman

4. Pilih satu pembolehubah kategori misalnya Jantina, dan masukkan ke medan Grouping Variable. 5. Klik pada butang Define Group, masukkan nilai pada kumpulan pertama dan kumpulan dua. Nilai ini adalah nilai yang digunakan di dalam koding jawapan anda, misalnya 1 = Lelaki dan 2 = Perempuan

99

1. Gunakan fail student-part-4.sav sebagai fail sumber. 2. Daripada menu bar pilih Analyze→Non-parametric tests→2 Independent Samples 3. Pilih satu pembolehubah jenis bersambung dan masukkan ke ruangan Test Variable List.


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

Jadual berikut adalah hasil daripada proses di atas.

Kesimpulan :-

Halaman

Merujuk kepada nilai Z = -3.165 dengan paras signifikan pada .002 (rujuk pada baris Asymp. Sig. (2-tailed). Keputusan ini menyatakan nilai p (.002) < α (.05). Oleh kerana nilai p lebih kecil daripada nilai alpha (α), maka keputusan ini menunjukan terdapat perbezaan yang signifikan di antara kedua pembolehubah. Maka kita menerima hipotesis alternatif. Untuk mengetahui kumpulan mana yang lebih baik pencapaian CGPA, lihat pada Mean Rank bagi kedua kumpulan jantina ini. Keputusan ini memihak kepada kumpulan responden Perempuan, dimana purata CGPA responden wanita lebih baik berbanding dengan responden Lelaki.

100

Bahagian pertama laporan (Ranks) melaporkan maklumat berkaitan dengan ringkasan nilai Mean Rank bagi kedua-dua kumpulan jantina.



Kruskal-Wallist Test Merupakan ujian Non-parametric alternatif diantara kumpulan, sama seperti ujian Mann-Whitney U. Cuma ia membenarkan anda membuat perbandingan lebih daripada 2 kumpulan atau kategori. Kaedahnya ialah skor akan di tukar kepada susunan mengikut susunan terendah sehingga yang tertinggi dan seterusnya mean rank bagi setiap kumpulan akan di bandingkan. Misalnya anda ingin melihat samada wujud perbezaan tahap kepuasan bekerja dengan tempoh perkhidmatan yang telah di kategori seperti ( < 2 tahun, 3 – 5 tahun, 6 tahun dan ke atas ) dan anda mahu membuat perbandingan diantara tiga kategori yang telah dinyatakan. Hipotesis null (H0) menyatakan tiada perbezaan didalam tahap kepuasan bekerja dengan tempoh perkhidmatan. Keperluan untuk melaksanakan ujian ini: Satu pembolehubah jenis kategori dengan keperluan minima tiga kumpulan sampel dan satu pembolehubah jenis bersambung. Langkah-langkah:1. Daripada menu klik : Analyze→Non-parametric Tests dan kemudian pada K Independent Samples. 2. Pilih satu pembolehubah jenis bersambung, misalnya soalan Q10C – tahap kepuasan bekerja, dan masukan pada bahagian Test Variables list. 3. Seterusnya pilih satu pembolehubah jenis kategori, misalnya Q11 dan masukan pada bahagian Grouping Variable 4. Klik pada butang Define Range, taipkan nilai 1 pada kotak minimum dan nilai 3 pada kekotak maximum.

Halaman

101

5. Klik butang Continue dan butang OK


IBM SPSS STATISTICS for window Jadual ujian Kruskal Wallis akan di hasilkan

Merujuk kepada jadual Ranks, jadual ini memberikan maklumat berkaitan dengan Mean Rank bagi setiap kumpulan tempoh perkhidmatan dan bilangan kes(N) . Melalui pemerhatian pada nilai Mean Rank bagi setiap kumpulan tempoh perkhidmatan, didapati wujudnya perbezaan tahap kepuasan bekerja di antara kumpulan tempoh perkhidmatan. Untuk mengesahkan wujudnya perbezaan ini, rujuk kepada jadual Test Statistics. Ujian statistik Kruskal Wallis (Chi-Square) ialah 11.298 dengan paras signifikan (Asymp.Sig.) pada .004 (nilai p < 0.05). Maka kita menerima hipotesis alternatif.

Ujian korelasi Spearman’s Rank Order (rho) di gunakan untuk mengira kekuatan perhubungan diantara dua pembolehubah jenis bersambung (keterangan lebih lanjut mengenal perkara ini pada bab xx : Analisa Korelasi Pearson). Ianya


Halaman

Ujian Korelasi non-parametric Spearman’s Rank Order

102

Hasil daripada keputusan ini boleh di nyatakan bahawa terdapat perbezaan yang signifikan secara statistik diantara tahap kepuasan bekerja dengan tempoh perkhidmatan. Untuk menentukan kumpulan mana yang mempunyai paras kepuasan bekerja paling tinggi kita perlu merujuk pada jadual Ranks yang melaporkan mereka di dalam kumpulan tempoh perkhidmatan <=2 tahun mempunyai tahap kepuasan bekerja paling tinggi ( Mean Rank = 246.84 ) manakala kumpulan yang paling rendah paras kepuasan bekerja di laporkan pada kumpulan tempoh perkhidmatan 6 tahun dan keatas ( Mean Rank = 202.98). Ujian kruskal-wallis hanya melaporkan terdapat perbezaan diantara kumpulan yang di uji, tetapi anda masih tidak tahu kumpulan manakah yang berbeza di antaranya. Ada terpaksa menggunakan ujian Man-Whitney U untuk mengetahuinya ialah dengan membuat ujian pada dua kumpulan iaitu kumpulan tempoh perkhidmatan <=2 tahun dan kumpulan perkhidmatan 6 tahun dan ke atas.

IBM SPSS STATISTICS for window merupakan ujian alternatif bagi Pearson Correlation. Ujian korelasi Spearman’s Rank Order tidak memerlukan data bertabur secara normal. Misalnya anda mahu melihat kekuatan hubungan diantara pembolehubah tempoh perkhidmatan dengan tahap kepuasan bekerja. Atau hipotesis null (H0) menyatakan tidak terdapat perbezaan yang signifikan secara statistik diantara tempoh perkhidmatan dengan tahap kepuasan bekerja dan hipotesis alternatif(H1) menyatakan sebaliknya. Keperluan ujian Dua pembolehubah jenis bersambung, misalnya Q3 – Tempoh perkhidmatan dan Q10C – Tahap kepuasan bekerja. Langkah-langkah:-

Halaman

3. Pilih pembolehubah Q2 dan pembolehubah Q10C daripada senarai pembolehubah dan masukkan pada bahagian Variables 4. Klik pada kotak Spearman di bawah Correlation Coefficents, dan pastikan hanya kotak Spearman sahaja yang dipilih. 5. Seterusnya klik pada butang OK.

103

1. Di bar menu klik Analyze→Correlate→Bivariate.... 2. Tetingkap Bivariate Correlations di buka.


IBM SPSS STATISTICS for window Jadual Non-parametric Spearman’s Rank Order di hasilkan.

Merujuk kepada jadual Correlation, Pekali korelasi bagi pasangan pembolehubah tempoh perkhidmatan dan tahap kepuasan bekerja adalah adalah kecil iaitu di antara .1 hingga .29 dimana nilai Correlation Coefficient(r) = -.121* dengan paras signifikan .012 (Sig. (2-tailed). Oleh kerana nilai p < .05, maka kita menerima hipotesis alternatif. Keputusan ujian ini membuktikan bahawa pembolehubah Tempoh perkhidmatan dan tahap kepuasan bekerja mempunyai satu perkaitan korelasi negatif -.121 dan nilai varian bagi kedua pembolehubah adalah 1.46% ((-.121 x -.121) x 100). Hubungan linear negative (-.121) mengambarkan tahap kepuasan bekerja menurun mengikut tempoh perkhidmatan tetapi di dalam keadaan yang kecil hanya pada kadar 1.46%. Sila rujuk bab xx berkenaan dengan korelasi pearson di mana istilah dan definasi korelasi dijelaskan pada bahagian tafsiran ringkas mengenai korelasi.

Halaman

104

Bab seterusnya akan membincangkan teknik parametric yang di gunakan didalam menjalankan ujian statistik.



BAB 14 : UJIAN UNTUK KENORMALAN ( TEST OF NORMALITY ) Ujian kenormalan data di perlukan jika anda membuat ujian Parametik (parametric test) seperti Anova, Pearson Correlation, T-Test dan sebagainya. Kenormalan data digunakan untuk menerangkan simentri data yang membentuk lengkongan atau kelok seperti loceng (Bell shaped curve). Dengan kebanyakan skor berkumpul di bahagian tengah, dengan sedikit kekerapan adalah ekstrim(Gravetter & Wallnau, 2000, p.52). Normality di kaitkan dengan nilai skewness dan kurtosis. Pada keadaan biasa ujian kenormalan (test of normality) selalunya digunakan pada banyak kaedah-kaedah statistik bagi ujian parametric dan juga berkait rapat dengan data-data bersifat ekonomi, misalnya data-data jualan, keuntungan dan sebagainya. Mengandaikanya ianya normal tanpa sebarang ujian yang sepatutnya akan mengakibatkan kesimpulan yang di buat boleh memberikan tafsiran yang mengelirukan dan tidak tepat. Menentukan samada data anda tertabur secara normal atau tidak Menurut Tataback dan Fidel, cara mudah untuk menentukan samada data tertabur secara normal atau tidak, memadai dengan melihat carta Histogram dengan paparan Normal curve. Jika taburan data membentuk lengkongan atau keluk seperti loceng, maka data boleh di anggap normal. Walaubagaimana pun anda di sarankan menggunakan keaedah test of normality untuk melihat samada terdapat skor-skor yang ekstrim yang mana ianya mempengaruhi kenormalan taburan data anda. Sila rujuk kepada rajah berikutnya. Histogram : Perbandingan data yang normal dan tidak normal

Taburan data yang normal

Taburan data yang tidak normal

1. Anda boleh menggunakan fail Kes_tidur.sav 2. Di menu bar klik pada menu Analyze→Descriptive Statistics..→Explore


Halaman

Melaksanakan prosedur Explore

105

Anda boleh menggunakan prosedur Explore untuk menjalankan ujian kenormalan (Test of Normality)


3. Seterusnya pilih pembolehubah Umur(s2) dan tempatkan pada Dependent List. Jika anda mahu memeriksan kenormalan mengikut kumpulan misalnya jantina, masukkan pembolehubah ini pada bahagian Factor List. 4. Pastikan pada bahagian Display anda memilih Both. 5. Klik pada butang Plot, di bawah tajuk Descriptive klik pada Histogram dan Normality plots with tests.

Halaman

106

6. Klik butang Continue. 7. Seterusnya klik pada butang Statistics dan klik pada kotak pilihan Outliers. Option ini digunakan untuk melihat samda terdapat data-data yang ekstrem atau tersisih jauh daripada kumpulan yang lain.



8. Klik pada butang Continues. 9. Seterusnya klik pada butang Options

10. Untuk Missing values klik pada Exlude cases listwise 11. Klik butang Continue dan OK. Beberapa jadual akan terhasil daripada perlaksanaan prosedur Explore. Jadual Descriptives

Halaman

107

Membekalkan maklumat berkaitan dengan descriptive statistics dan juga maklumat lain yang berkaitan dengan pembolehubah pilihan anda (umur). Merujuk 5% Trimmed Mean. Untuk mendapatkan nilai ini, SPSS mengasingkan (exclude) 5% bahagian atas(top) dan bahagian bawah(bottom) kes. Dan mengira semula berdasarkan baki 5% kes yang telah di buang. Lain-lain maklumat adalah seperti Mean, Minimum, Maximum, varian dan sebagainya ( rujuk kepada jadual di bawah )



Jadual Test of Normality

Halaman

108

Merujuk kepada jadual Test of Normality, seperti yang kita tahu jika nilai p <.05 menunjukan ada perbezaan, sebaliknya jika p > .05 menunjukan tiada sebarang perbezaan. Merujuk kepada bacaan pada Sig. di bawah tajuk KolmogorovSmirnova, nilai yang di perolehi (Sig.) adalah .200. maka tiada sebarang perbezaan (p > .05), maka boleh di simpulkan data adalah bertabur secara normal. Sebaliknya jika nilai p < .05 maka boleh di simpulkan taburan data tidak normal.



Halaman

109

Jika data anda di dalam keadaan tidak normal, anda boleh memeriksa samada terdapat skor yang ekstrem, maklumat ini boleh di perolehi pada jadual berikutnya (Box plot). Dalam kes ini hanya 1 kes sahaja yang ekstrem iaitu kes bernombor 146. ( anda boleh merujuk kepada data bilangan yang ke 146 untuk melihat apakah nilai skor yang ekstrem bagi pembolehubah umur ). Anda bolehlah mengasingkan nilai ini dengan menggunakan bahagian missing values pada pembolehubah umur. Dan lakukan ujian ini sekali lagi.



Alternatif kernormalan taburan data Anda boleh mencuba untuk menggunakan formula Base 10 Logarithm(LOG(10)) atau Natural Logarithm(ln)) untuk ujian kenormalan data yang pada asalnya tidak normal. Sebagai contoh, anda mahu melihat taburan data jumlah batang rokok sehari, untuk itu anda akan membina carta histogram dengan paparan normal curve terlebih dahulu. Dan hasilnya adalah seperti berikut. Melalu pemerhatian pada carta histogram berikutnya, didapati taburan data adalah tidak normal.

Halaman

110

Anda boleh menggunakan formula Base 10 Logarithm untuk menormalkan data, gunakan prosedur Compute seperti yang telah di jelaskan pada bab 10, dan hasilkan carta histogram dengan paparan normal curve bagi pembolehubah yang baru ( Base 10 Logarithm ). Adakah carta histogram di bawah normal?



BAB 15 : ANALISIS KORELASI PEARSON Tafsiran ringkas Korelasi merujuk kepada ukuran kekuatan hubungan linear di antara dua pembolehubah yang di wakili oleh huruf x dan y. Hubungan tersebut adalah korelasi linear positf, korelasi linear negatif dan tiada korelasi. Ujian korelasi Pearson merupakan teknik ujian parametric yang sesuai digunakan apabila kedua-dua pembolehubah yang ingin dibandingkan menggunakan skala pengukuran sekurang-kurangnya nisbah atau selang, atau dalam istilah lain pembolehubah yang mempunyai nilai jawapan yang bersambung (continoues variable) contohnya seperti pendapatan atau umur. Jika salah satu pembolehubah menggunakan skala pengukuran ordinal, maka model Pearson tidak sesuai digunakan, Anda bolehlah memilih model yang lain seperti Spearman’s rho. Bagaimana kita boleh menentukan kekuatan perhubungan di antara dua pembolehubah ini. Seperti yang di maklumkan nilai julat Pearson Correlation ( r ) adalah diantara -1.00 kepada +1.00, nilai ini menunjukan wujudnya satu hubungan yang sempurna diantara kedua dua pembolehubah, manakala Correlation r=0 menunjukan tiada hubungan langsung di antara dua pembolehubah. Korelasi linear positif memberikan gambaran hubungan pembolehubah x dan y bergerak secara menaik, dimana jika nilai x bertambah maka nilai y juga turut bertambah. Sebaliknya korelasi negative membawa maksud jika nilai x berkurang, maka nilai y juga akan berkurang secara linear, atau menunjukan hubungan x dan y bergerak secara menurun. Jika r mengambil nilai antara -1.00 kepada +1.00 menunjukan hubungan yang sempurna, Bagaimana pula dengan nilai di antara 0 kepada 1 dan sebaliknya 0 kepada -1 ? Menurut Cohen (1988) mencadangkan kita mengikuti garis panduan di bawah ini:r =.10 kepada .29

atau r=-.10 kepada -.29

Kecil

r=.30 kepada .49

atau r=-.30 kepada -.49

Sederhana

r=.50 kepada 1.0

atau r=-.50 kepada -1.0

Besar

  

Halaman



Data-data yang di perolehi hendaklah bertabur secara normal. Data-data hendaklah dalam ukuran skala selang atau nisbah Sampel data hendaklah di uji perlu lah di perolehi daripada sampel yang sama Variasi atau varian skor bagi pembolehubah yang pertama adalah sama bagi semua nilai yang mungkin bagi pembolehubah yang kedua.

111

Syarat pengujian korelasi pearson.


IBM SPSS STATISTICS for window Menentukan pengiraan korelasi Bagaimana hubungan varian (variance) dua pembolehubah boleh di kira. Apa yang anda perlu lakukan hanya perlu kuasa dua nilai r (r2). Misalnya jika korelasi r=.5 ini bermakna 25%, dimana .5 x .5 = .25% * 100 Berikut adalah contoh hipotesis yang boleh ditulis mengenai perkaitan antara dua pembolehubah. Hipotesis Null : Berat badan responden tidak di pengaruhi oleh faktor ketinggian, atau dengan lain perkataan tiada perhubungan yang signifikan secara statistik diantara berat dengan ketinggian. Hipotesis Alternatif : Terdapat berhubungan yang signifikan secara statistik antara berat dengan faktor ketinggian Langkah-langkah melaksanakan prosedur korelasi Pearson: Anda boleh menyemak plot serakan dua hala (x dan y)dengan menghasilkan graf Scatterplot jenis simple. Penting, sebelum anda boleh melaksanakan prosedur korelasi, sila semak perkara berikut, Klik edit daripada menu bar, pilih option dan pastikan anda menanda(tik) pada kotak pilihan No sciencetifif notation for small numbers in table. Buka fail kes_tidur_after.sav


Halaman

3. Pada tetingkap Simple Scatterplot, masukkan pembolehubah berat pada ruang Y_Axis dan pembolehubah tinggi pada X-Axis. Dan seterusnya klik butang OK . 4. Daripada paparan pada graf scatterplot yang di tunjukan pada rajah berikutnya, apakah kesimpulan yang boleh anda buat?

112

1. Untuk menghasilkan graf scatterplot. Di menu bar pilih Graph→ Legacy dailogs→ Scatter/Dot.. 2. Pada tetingkap Scatter/Dot klik pada ikon Simple Scatter dan klik butang Define.

IBM SPSS STATISTICS for window 5. Anda harus memeriksa samada terdapat data yang tersisih (outlier), jika didapati ada data atau skor yang tersisih, adalah dicadangkan anda mengasingkan nilai ini daripada ujian.

Melaksanakan prosedure korelasi pearson


Halaman

1. Seterusnya klik pada pembolehubah berat dan tinggi. Dan bawa kepada kotak senarai Variables 2. Seterusnya tentukan pilihan jenis ujian yang diinginkan iaitu satu arah (one-tailed) atau dua arah (two-tailed). 3. Klik butang OK

113

1. Di bar menu klik Analyze→Correlate→Bivariate.... . 2. Tetingkap berikut di buka pada skrin komputer anda.


Correlation pearson atau spearman akan melaporkan perkaitan korelasi pasangan pembolehubah yang di uji, serta memberikan maklumat paras signifikan dan juga jumlah kes. Keputusan ujian korelasi pearson merujuk kepada nilai pada Pearson Correlation.

Halaman

114

Pekali korelasi bagi pasangan pembolehubah berat dan tinggi adalah adalah besar iaitu di antara .562 hingga 1.00 iaitu nilai Pearson Correlation(r) = .562**, dan paras signifikan(p)=.000. ini membuktikan bahawa pembolehubah berat dan tinggi mempunyai atau perkatian korelasi positif .562 dan nilai varian bagi pembolehubah ialah 31.6% ((.562 x .562) x 100). Keputusanya hiphotesis alternatif di terima.



Membandingkan perkaitan korelasi mengikut kumpulan. Kadangkala di dalam membuat kajian, anda mungkin mahu membuat perbandingan diantara dua kumpulan, misalnya anda mahu melihat perhubungan diantara Berat dan Tinggi kalangan pelajar lelaki dan perempuan secara berasingan. Prosedur untuk kumpulan.

melaksanakan

perbandingan

perkaitan

korelasi

bagi

dua

Langkah-langkah :1. 2. 3. 4.

Pertama sekali anda perlu memisahkan responden kepada dua kumpulan Daripada menu pilih Data→Split file... Klik pada Compare Groups Bawa pembolehubah Jantina(s1) ke dalam kekotak berlabel Groups Based on. Dan klik butang OK.

Halaman

115

5. Arahan ini akan memisahkan data kepada dua kumpulan jantina iaitu Lelaki dan Perempuan. Dimana analisa korelasi akan di buat mengikut kumpulan.


IBM SPSS STATISTICS for window Seterusnya melaksanakan prosedur korelasi. 6. Di bar menu klik Analyze→Correlate→Bivariate.... . 7. Tetingkap berikut akan di buka pada skrin komputer anda. 3. Seterusnya klik pada pembolehubah berat dan tinggi. Dan bawa kepada kotak senarai Variables 4. Seterusnya tentukan pilihan jenis ujian yang diinginkan iaitu satu arah (one-tailed) atau dua arah (two-tailed). 4. Klik butang OK

Halaman

116

Merujuk kepada jadual di atas. Laporan yang dihasilkan adalah di asingkan mengikut kumpulan jantina. Sila pastikan anda split fail option off untuk kembali kepada keadaan asal.



BAB 16 : UJIAN T (T-TEST) T-test merupakan salah satu ujian statistik yang di gunakan untuk menentukan samada terdapat perbezaan yang signifikan bagi nilai mean untuk dua kumpulan atau dua set data yang hendak di uji. Misalnya anda ingin melihat adakah terdapat perbezaan nilai mean dalam keputusan GPA bagi kumpulan jantina Lelaki dan Perempuan. Data yang hendak di uji harus lah bertabur secara normal (gunakan histogram atau test of normality untuk mendapatkan keputusan). Set data yang hendak di uji hendaklah dalam bentuk skala nisbah atau selang. Terdapat berbagai jenis ujian bagi t-tests di dalam SPSS, berikut adalah di antaranya: 





One-sample t-test, ujian yang digunakan bagi menentukan sama ada nilai mean satu set data yang telah dipilih daripada sampel terdahulu, di gunakan untuk menguji samada terdapat perbezaan mean yang signifikan dengan sampel set data yang lain. Independent-sample t-test, digunakan apabila anda mahu membuat perbandingan skor mean daripada dua kumpulan orang yang berbeza atau syarat. Dan Paired-sample t-test, di gunakan apabila anda mahu membuat perbandingan skor mean untuk kumpulan orang yang sama pada masa yang berbeza (before and after).

Kaedah pengujian One-sample t-test Ujian t (t-test) ini memerlukan anda memilih satu nilai sebagai asas untuk pengujian, misalnya anda ingin membandingkan adakah nilai mean pencapaian GPA pada semester lepas dengan pencapaian GPA pada semester berikutnya. Keperluan ujian : Satu pembolehubah jenis skala nisbah atau selang. Langkah-langkah

Halaman

117

1. Buka fail student-part-4.sav. 2. Di menu bar klik Analyze→Compare Means→One sample T Test.. 3. Tetingkap One-Sample T Test di buka, masukan pembolehubah GPA_4 kedalam kekotak Test Variable(s). Dan masukan nilai mean yang telah di ihyphothesiskan(GPA) iaitu 2.78 pada Test Value:



4. Seterusnya klik butang OK

Merujuk kepada jadual di atas, hasil daripada keputusan ujian menunjukan terdapat perbezaan yang signifikan ke atas nilai mean yang di hipotesiskan, iaitu nilai p = .000 < α = 0.05. Keputusannya hipotesis alternatif di terima, di mana terdapat perbezaan nilai mean GPA bagi dua set data yang di uji. Di mana keputusan GPA meningkat berbanding dengan yang lepas iaitu pada nilai mean 2.9691. Untuk melihat perbezaan mean, lihat pada maklumat di bawah

Halaman

118

tajuk Mean Difference (.18911)



Pengujian sampel tidak bersandar (Independent-sample t-test) Ujian t sample tidak bersandar (Independent-sample t-test) merupakan ujian yang sesuai digunakan apabila anda mahu membuat perbandingan nilai mean bagi dua kumpulan sampel yang tidak bersandar. Misalnya anda mahu menentukan sama ada terdapat perbezaan nilai mean bagi GPA pelajar lelaki dan perempuan. Batasan ujian hanya untuk dua kumpulan sampel yang di pilih sahaja, jika lebih daripada dua kumpulan anda perlu menggunakan prosedur analysis of variance. Kaedah pengujian Independent-sample t-test Hypothesis (H0): Terdapat perbezaan yang signifikan secara statistik di dalam pencapaian markah GPA diantara pelajar lelaki dan perempuan. Keperluan ujian Anda memerlukan satu pembolehubah bersambung iaitu GPA dan perbolehubah jenis kategori iaitu Jantina. Langkah-langkah: 1. Buka fail student-part-4.sav 2. Di menu bar klik Analyze→Compare Means→ Independent Samples T Test.. 3. Tetingkap Independent-Samples T Test di buka, masukan perbolehubah GPA_4 pada Test Variable(s), dan pembolehubah JANTINA pada Grouping Variable:

Halaman

119

4. Seterusnya klik pada butang Define Groups...


IBM SPSS STATISTICS for window 5. Tetingkap Define Groups di buka, dan masukan kod perwakilan bagi lelaki dan perempuan iaitu 1 pada Group 1: dan 2 pada Group 2: dan seterusnya klik butang Continue

6. klik butang OK.

Merujuk kepada jadual Group Statistics. Ianya memberikan maklumat berkenaan dengan kumpulan sampel yang di bandingkan, seperti nilai Mean, Std. Deviation, Std. Error Mean dan jumlah sampel (N) .

Keputusan di atas menunjukan bahwa nilai Sig. (p = .063), dimana nilai ini lebih besar daripada nilai α =0.05 ini bermakna varian (variances) untuk dua


Halaman

Jika nilai Sig.(p) lebih besar daripada nilai alpha (a) 0.05, ini menunjukan variasi data adalah sama dan kita menerima hipotesis null dan perlu merujuk kepada maklumat pada baris pertama ( Equal variances assumed). Sebaliknya jika nilai Sig.(p) lebih kecil daripada nilai alpha(a) 0.05 maka kita perlu merujuk kepada baris kedua (Equal variances not assumed.) menunjukan variasi data adalah tidak sama.

120

Merujuk kepada jadual Independent Samples Test. Anda perlu melihat terlebih dahulu nilai Sig. di bawah tajuk Levene’s test for equality of variances. Nilai ini (p) akan menentukan samada variasi pada skor untuk dua kumpulan ini sama atau sebaliknya

IBM SPSS STATISTICS for window kumpulan adalah sama. dalam kes ini anda akan menggunakan baris pertama (Equal variances assumed) sebagai rujukan.

Merujuk kepada jadual diatas, keputusan ujian menunjukan nilai(p) Sig.(2-Tailed) ialah .000 dimana nilai ini lebih kecil daripada nilai α=.05, dari sini anda boleh membuat kesimpulan terdapat perbezaan yang signifikan secara statistik didalam nilai mean bagi pembolehubah GPA bagi kumpulan lelaki [Mean=2.7841, SD=.63988] dan perempuan[Mean=3.0605, SD=.52749]. Merujuk kepada jadual mean, Purata GPA pelajar Perempuan lebih tinggi berbanding dengan pelajar Lelaki. Anda boleh menggunakan formula Eta Square untuk mengira perbezaan diantara kumpulan. Dalam kes ini hanya 5.03% varian dalam pembolehubah GPA di jelaskan oleh kumpulan jantina. Formula untuk mengira Eta squared : Eta square = t2 / t2 +(N1+N2 – 2) Cht.: Eta squared = -3.611/-3.6112+(82+166 – 2) 13.039/ 259.039 = 0.0503 Eta squared = 0.0503 * 100 = 5.03% Selalunya formula Eta Squared di gunakan untuk mengira saiz kesan statistik keatas kedua pembolehubah yang di uji. Saiz kesan statistik menyediakan satu pentunjuk magnitud perbezaan diantara kumpulan. Eta Squared mengambil kira nilai 0 hingga 1. Eta Squared mewakili kadar varians dalam pembolehubah bersandar yang di perjelaskan oleh pembolehubah tidak bersandar(kumpulan)

Halaman

121

Menurut Cohen 1988 untuk menjelaskan saiz perbezaan (Eta Square) adalah seperti berikut : .01 kecil, 0.6 sederhana, .14 besar.



Paired-sample t-test Paired-sample t-test di gunakan pada kumpulan sampel bersandar yang berpasangan yang mana bertujuan untuk membandingkan nilai mean bagi dua set data daripada kumpulan sampel yang sama. Paired-sample t-test sesuai digunakan apabila anda mempunyai kumpulan data daripada kumpulan yang sama dengan mengumpul maklumat pada masa yang berlainan (sebelum dan selepas) Misalnya anda mahu membuat perbandingan nilai Mean ujian renangan yang pertama dan renangan yang kedua pada responden(perenang) yang sama. Keperluan ujian  

Pasangan pembolehubah yang mempunyai pengukuran skala nisbah atau selang Data hendaklah bertabur secara normal (guna histogram bagi melihat taburan kedua-dua set data ini atau menggunakan test of normality)

Langkah-langkah pengujian Paired-sample t-test.

Halaman

122

1. Buka fail perenang.sav. 2. Klik pada menu Analyze →Compare Means →Paired-Sample T Test.. 3. Tetingkap Paired-Samples T Test di buka, pilih pembolehubah AC100A dan masukkan pada Paired Variables di bawah tajuk Variable1, dan kemudian pilih atau klik pada pembolehubah AC100B dan masukkan di bawah tajuk Variable2.


IBM SPSS STATISTICS for window 4. Klik butang OK. Laporan jadual Paired Samples Statistics dengan beberapa jadual akan di hasilkan.

Merujuk kepada Paired Sample Statistics, jadual ini memberikan maklumat berkaitan dengan nilai Mean bagi setiap kumpulan serta maklumat lain seperti Std. Deviation dan juga Std. Error Mean.

Merujuk pula kepada jadual Paired Samples Test, Nilai Sig. (p) bersamaan dengan .000 di mana nilai ini lebih kecil daripada nilai alpha (a) .05. Maka boleh di simpulkan terdapat perbezaan nilai mean yang signifikan secara statistik diatara pasangan pembolehubah AC100A dan AC100B, dimana nilai perbezaan adalah 5.99312 (rujuk pada lajur Mean). Dalam kes ini kita menerima hipotesis alternatif, di mana terdapat perbezaan yang signifikan secara statistik diantara kedua-dua pembolehubah yang di uji atau merujuk kepada masa berkurang. Anda boleh menggunakan formula Eta Squared untuk mengetahui kesan saiz statistik diantara dua pemboleubah ini. Eta square = t2 /t2 + N-1) Eta squared = 4.7852/4.7852+(32-1) = 22.90/ 53.90) = 0.42


Halaman

Hasil daripada pengiraan Eta Square memberikan nilai 0.42, dimana boleh disimpulkan kesan saiz statistik adalah besar, dengan satu perbezaan yang besar dalam skor statistik yang di perolehi sebelum dan selepas renangan bagi acara 100 meter gaya bebas. ( Daripada Cohen 1988: .01 kecil, 0.6 sederhana, .14 besar ).

123

Eta squared = 0.42 * 100 = 42%


BAB 17 : ANALISIS VARIAN (ANOVA) Sekiranya anda mempunyai set data atau kumpulan yang melebihi daripada dua, prosedur ANOVA adalah sesuai di gunakan. Analisis Varians merupakan salah satu ujian statistik yang berguna untuk membandingkan nilai mean bagi tiga atau lebih kumpulan sampel yang tidak bersandar. Ini adalah bertujuan untuk menentukan samada terdapat perbezaan mean yang signifikan dalam populasi daripada sampel yang telah di pilih.

Andaian  Set data yang di pilih daripada sampel hendaklah mempunyai taburan secara normal. ( ujian test of normality atau pengamatan melalui jadual historgram boleh menjelaskannya).  Sampel telah di pilih secara rawak daripada populasi dan tidak bersandar di antara satu sama lain.  Data bagi setiap kumpulan dalam populasi varians yang sama antara satu sama lain

Prosedur Compare means Prosedur Compare means di gunakan apabila anda mahu membuat perbandingan nilai Mean bagi dua atau lebih kumpulan sampel tidak bersandar. Langkah-langkah melaksanakan prosedur Compare means 1. Buka fail student-part-4.sav. 2. Di menu bar klik Analyze→ Compare means→ Means... 3. Tetingkap Means akan di buka, masukkan pembolehubah CGPA kedalam kotak Dependent List, dan Kursus pada Indepent List

Halaman

124

4. Seterusnya klik pada butang Options…


IBM SPSS STATISTICS for window 5. Tetingkap Mean Option di buka

Halaman

Merujuk kepada jadual Compare Means, apakah kesimpulan yang boleh anda buat? Kursus manakah yang mempunyai nilai Mean yang paling tinggi dan kumpulan sampel manakah yang mempunyai nilai Mean yang paling rendah. Adakah daripada pemerhatian anda terdapat perbezaan nilai Mean bagi setiap kumpulan.

125

6. Klik pada kotak tanda Anova table and eta di bawah tajuk Statistics for First Layer, dan klik butang Continue, dan kemudian butang OK.


IBM SPSS STATISTICS for window Seterusnya anda harus merujuk kepada jadual ANOVA Table, dengan memberi perhatian pada nilai Sig., Nilai p adalah .087 dimana nilai ini lebih besar daripada nilai alpha .05. maka keputusan ujian ini menunjukan tiada wujud sebarang perbezaan yang signifikan secara statistik didalam pencapaian nilai mean bagi kumpulan yang di uji. Hyphotesis null di terima.

Analisis varians satu-hala diantara kumpulan Analisis varians satu-hala diantara kumpulan di gunakan apabila anda mahu membuat perbandingan diantara sampel yang mempunyai lebih daripada 2 kumpulan. Anda memerlukan satu pembolehubah tidak bersandar (kumpulan) dan satu pembolehubah bersandar jenis bersambung. Misalnya anda mahu membuat perbandingan bagi mean CGPA bagi kumpulan sampel daripada kursus yang di pilih. Hipotesis null(H0) menyatakan tiada sebarang perbezaan yang signifikan secara statistik diantara 3 kumpulan. Dan hipotesis alternatif(H1) menyatakan sebaliknya. Ada memerlukan sepasang pembolehubah dari jenis kategori dan jenis skala. Misalnya pembolehubah Kursus (kategori) dan CGPA (skala). Langkah-langkah pengujian. 1. Buka fail student-part-4.sav Keperluan ujian

Halaman

126

2. Mula-mula anda perlu mencari purata Mean CGPA bagi setiap kursus yang dipilih, ini boleh di lakukan dengan membina graf Boxplot. Atau anda boleh menggunakan prosedur Compare mean. 3. Untuk membina carta Boxplot. Klik pada Graphs →Legacy Dailogs→ Boxplot..... 4. Tetingkap Boxplot akan di buka, klik pada ikon Simple dan klik butang Define.



5. KLik butang OK.

Merujuk kepada carta boxplot di atas. Melalui pemerhatian Mean tertinggi CGPA dimiliki oleh kursus Pengurusan Bank, bagaimana kesimpulan, begitu boleh dibuat?. Garisan gelap di dalam setiap Boxplot adalah garisan Median bagi setiap kursus. Perhatikan pada garisan median yang paling tinggi diantara boxplot.

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


Halaman

Untuk menentukan kenormalan data, anda boleh menjalankan ujian test of normality yang boleh di laksanakan dengan menggunakan prosedur Explore.

127

Andaian keperluan ANOVA, merujuk kepada beberapa syarat dimana set data hendaklah mempunyai taburan data secara normal, data yang di pilih hendaklah secara rawak, dan kumpulan populasi harus mempunyai varian yang sama.

IBM SPSS STATISTICS for window 2. Kemudian pilih CGPA sebagai Dependent List Variable, 3. Kursus sebagai Factor List Variable, dan klik Plot pada option Display, seterusnya klik butang Plots... 4. Tetingkap Explore: Plots dibuka, klik pada kotak pilihan Normality plots with tests.

5. Klik butang Continue, dan kemudian klik butang OK.

Merujuk kepada jadual Test of Normality, ujian Kolmogorov-Smirnova digunakan untuk untuk melihat samada varians bagi setiap kumpulan sampel adalah sama atau sebaliknya. Hypothesis null(H0) menyatakan taburan populasi adalah normal. Sila rujuk pada ruang Statistic dan signifkan (Sig.) ujian Statistik adalah daripada .076 sehingga .133 dan nilai P-Value (significant) adalah .200*. Nilai P-Value lebih besar daripada nilai alpha 0.05. maka kita tidak menolak hypothesis null. Untuk menyokong keputusan ujian di atas, satu lagi ujian perlu di buat untuk memeriksa andaian Homegeneity-of-variace.

Dari menu bar klik Analyze → Compare Means→ One-Way ANOVA.. Pilih pembolehubah CGPA sebagai Dependent List dan Factor List adalah pembolehubah KURSUS. Klik pada butang Option. Teingkap dailog One-Way ANOVA: Option di buka, di bawah tajuk Statistics, tanda pada kotak Descriptive ( untuk


Halaman

1. 2. 3. 4.

128

Langkah-langkah:-

IBM SPSS STATISTICS for window melihat kumpulan Mean ) dan tanda juga pada kotak Homogeniety-Ofvariance test.

5. Klik butang continue dan seterusnya butang OK.

Halaman

129

6. Levene’s test for homogeneity of variances menjelaskan samada terdapat kebarangkalian perbezaan populasi varian (population variance) yang signifikan pada setiap kursus. Hypothesis null menyatakan populasi varian adalah sama. Dalam ujian ini nilai Levene Statistic adalah 2.586 dan Sig. (P-Value) adalah .077. Oleh kerana nilai P lebih besar daripada nilai alpha .05, maka kita tidak menolak hypotesis null. Dengan adanya pernyataan ini maka kita memenuhi syarat andaian Independent Measure ANOVA. 7. Untuk mencari perbezaan rujuk kepada jadual di bawah. Lihat pada nilai F (test statistic) iaitu 3.119 dan nilai Sig. (P-Value) pada .046, dalam kes ini kita kena menolak hypotesis null, serta membuat kesimpulan sampel data ini mengandungi sekurang-kurangnya satu perbezaan yang signifikan di dalam mean CGPA di kalangan tiga Kursus yang di bandingkan.


IBM SPSS STATISTICS for window 8. Lihat pada jadual Descriptive. Kursus manakah yang mempunyai nilai mean CGPA yang rendah? Kumpulan yang mana pula yang paling tinggi nilai mean CGPA? Adakah anda berpendapat nilai mean CGPA 2.92 lebih signifikan berbanding dengan nilai mean CGPA 2.71?


Halaman

14. Klik pada butang Continue. 15. Seterusnya klik pada butang Post-Hoc.. dan pilih hanya option Tukey. 16. Klik butang Continue dan seterusnya butang OK.

130

9. Untuk membuat pengesahan yang mana lebih baik berbanding dengan tiga kursus yang di nyatakan. Kita memerlukan satu lagi ujian yang sama cuma perlu menggunakan option Tukey. 10. Dari menu bar klik Analyze→ Compare Mean→ One-Way ANOVA 11. Pilih pembolehubah CGPA sebagai Dependent List dan 12. Factor List adalah pembolehubah Kursus. 13. Klik pada butang Option di bawah tajuk Statistics, pilih Descriptive ( untuk melihat kumpulan Mean ) dan Homogeneity-Of-variance test.


17. Merujuk kepada

jadual Descriptive. Kursus manakah yang mempunyai nilai mean CGPA yang rendah? Kumpulan yang mana pula yang paling tinggi nilai mean CGPA? Adakah anda berpendapat nilai mean CGPA 2.92 lebih signifikan berbanding dengan nilai mean CGPA 2.71?

Kesimpulannya

Halaman

131

1. Pelajar daripada kursus Pengurusan Bank lebih baik pencapaian CGPA berbanding dengan Pelajar daripada kursus Pengurusan Analisis Pelaburan di mana paras signifikan p = 0.035 < α = 0.05 2. Tidak terdapat perbezaan yang signifikan diantara pelajar kursus Pengurusan Bank dengan pelajar kursus Pengurusan perniagaan p = 0.680 > α = 0.05. 3. Tidak terdapat perbezaan yang signifikan di antara mean CGPA pelajar kursus Perniagaan dengan pelajar kursus Analisis Pelaburan p = 0.199 > α = 0.05.



BAB 18 :REGRESI LINEAR ( LINEAR REGRESSION )

Perkara yang menarik di dalam membuat analisis statistik adalah berkaitan dengan perhubungan diantara pembolehubah. Misalnya berapa banyakkah kemalangan akan berlaku jika lebih banyak kenderaan berkongsi lebuh raya yang sama. Atau berapa banyakkah penggunaan isi padu air di satu kawasan meningkat jika penambahan pendudukan meningkat kepada 1,000 orang. Analisis regresi linear merupakan satu alat dengan beberapa aplikasi penting. Ia juga merupakan satu set prosedur statistik yang selalunya di gunakan untuk meramal serta menjelaskan nilai bagi satu pembolehubah bersandar berdasarkan nilai satu atau lebih pembolehubah tidak bersandar yang di hubungkan. Ujian hipotesis mengenai hubungan diantara dua pembolehubah yang mempunyai pengukuran skala nisbah atau selang. Juga satu cara untuk menganggarkan hubungan khas atau semula jadi yang mungkin berlaku. Misalnya “Adakah faktor kekerapan berlakunya kemalangan di sebabkan oleh bertambahan kenderaan di lebuh raya?”. Adakah kedua-dua pembolehubah ini ada perhubungan?. Ujian ini juga membenarkan anda untuk meramal nilai-nilai satu pembolehubah jika anda tahu atau boleh menggagar daripada pembolehubah lain.

Andaian 



Data-data yang terkeluar daripada julat (ekstrim) perlu di singkirkan, anda boleh menggunakan kemudahan missing value atau select cases untuk mengasingkan data atau skor daripada kumpulan data. Data hendaklah di dalam keadaan bertabur secara normal.

Prosedur melaksanakan ujian regresi linear.

Halaman

132

Kemalangan merupakan satu tragedi yang menjadi sebahagian daripada kehidupan rakyat Malaysia. Anda mahu melihat faktor kemalangan ini adakah berpunca daripada sudut pertambahan penduduk. Adakah faktor bertambahnya penduduk merupakan peramal bagi kemungkinan kemalangan lebih kerap berlaku.


IBM SPSS STATISTICS for window Langkah-langkah Memeriksa perkaitan di antara dua pembolehubah ini menggunakan scatterplot. Hasilkan graf jenis scatterplot mudah. 1. Di menu bar klik Graphs→Legacy dailog→Scatter/Dot… 2. Pilih pembolehubah S5(Jumlah penduduk – 2008) dan S16 (Jumlah kemalangan )

Perhatikan pada jadual Scatterplot, adakah anda boleh meramalkan bahawa kedua-dua pembolehubah ini mempunyai hubungan? Seterusnya anda perlu melaksanakan ujian Regresi Linear

Halaman

133

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



Criterion variables

Predictor Variables

4. Pada tetingkap Linear Regression, masukkan pembolehubah S16 pada bahagian Dependent dan S5 pada bahagian Independent(s), pilih Enter pada pilihan Method. 5. Klik OK.

Jadual ANOVA merujuk kepada penentuan hipotesis, yang mana ianya menentukan samada hipotesis null atau hipotesis alternatif di terima.

Halaman

134

Jika x dan y tiada perhubungan, nilai garisan slope adalah 0. Statistik F mempunyai nilai 479.995 dengan paras Signifikan pada .000. maka kita menolak hipotesis null.


IBM SPSS STATISTICS for window Merujuk pula kepada jadual Model Summary, laporan statistik ‘goodness of fit’ dinyatakan sebagai Coefficient of determination, kesimpulan menunjukkan 90% (.902*100) perubahan pendudukan berada di dalam variasi kemalangan.

Merujuk kepada jadual Coefficients, nilai t adalah 1.342 pada paras signifikan .186, oleh kerana nilai p lebih besar daripada nilai alpha .05, maka kita menerima hipotesis null, ini mengambarkan pertambahan penduduk 0 bermaksud 0 kemalangan. Nilai ujian statistik untuk slope adalah 20.989, dan perhubungan nilai p adalah 0. Ini menunjukan wujudnya perhubungan yang signifikan secara statistik diantara pembolehubah x dan y.

Contoh lain Secara logik apabila kita mempunyai banyak pendapatan, maka kita akan berbelanja lebih. Dalam latihan berikutnya kita akan cuba untuk melihat perhubungan yang wujud diantara sifat berbelanja dengan pendapatan. Misalnya setiap ringgit yang bertambah akan menyebabkan seseorang individu itu berbelanja lebih. Jika pendapatan bertambah kita menjangkakan perbelanjaan akan meningkat. Secara teori model perhubungan boleh di tulis : Berbelanja = Intercept + (slope)(Income) + Random error. Jika x dan y mempunyai hubungan linear yang positif, β1 mempunyai nilai positif(+), jika hubungan x dan y adalah linear negatif, β1 mempunyai nilai negative(-). Jika x dan y tiada perhubungan, maka nilai β1 adalah 0. Teori menyatakan berbelanja bergantung kepada pendapatan. Dalam istilah regresi, berbelanja adalah pembolehubah bersandar (dependent(y-axis)) dan pendapatan sebagai pembolehubah tidak bersandar(independent(x-axis)).

1. Klik menu Graphs → Legacy Dialog→ Scatter/Dot… 2. Pilih Simple Scatterplot 3. Masukkan pembolehubah Consumption pada y-axis dan income pada xaxis. Copyright @2013 Rahim Bin Utah

Halaman

Menghasilkan carta scatterplot…

135

Langkah pertama ialah menghasilkan carta Scatterplot. Ini adalah bertujuan untuk melihat bentuk taburan data diantara kedua pembolehubah.

IBM SPSS STATISTICS for window 4. Berikut adalah jadual scatterplot yang di hasilkan.

Halaman

Merujuk kepada jadual Model Summary, laporan statistik pada ukuran ‘goodness of fit’ di panggil coefficient of determination, di nyatakan pada symbol r2. (rujuk pada nilai di bawah R Square). Iaitu r2 = .999. nilai r2 boleh berada diantara 0.000 hingga 1.000. kesimpulan menunjukan 99.9% ( .999 * 100) perubahan pendapatan berada di dalam variasi perbelanjaan ( change income account for 99.9% of the variation in consumption)

136

5. Merujuk kepada jadual di atas, menunjukan plot adalah di dalam keadaan garis lurus yang hampir sempurna, dan melapurkan hubungan linear positif. Ini bermaksud nilai y berubah mengikut pertambahan nilai x bagi setiap satu unit. 6. Seterusnya anda perlu menjalankan ujian regresi Linear, klik pada menu Analyze → Regression → Linear… 7. Klik pada pembolehubah consumption dan masukan pada bahagian Dependent dan pembolehubah income pada bahagian independent.



Jadual diatas merujuk kepada perkara yang berkaitan dengan hipotesis. Elemen yang seterusnya ialah merujuk kepada jadual ANOVAb. ujian regresi merujuk kepada pengiraan estimated slope. Nilai Statistik F adalah 56929.002 pada Signifikan level .000. Maka kita menolak hipotesis null.

Jadual terakhir yang perlu anda rujuk adalah jadual Coefficientsa. di dalam regression equation, Slope(β1) dan intercept(β0) merujuk kepada model Coefficients, daripada jadual di atas estimated line boleh di tulis seperti berikut Perbelanjaan = -38.586 + .809Pendapatan

Halaman

137

Garisan Slope ( Slope of the line ) .809 bermaksud jika pendapatan meningkat kepada 1 billions, pembelian seseorang akan meningkat sebanyak 0.809 billion. Dalam istilah lain responden membelanjakan 81 sen bagi setiap tambahan ringgit yang mereka perolehi.


IBM SPSS STATISTICS for window Multiple Regression

Halaman

138

Multiple Regresssion merupa teknik statistic yang membolehkan anda meneka skor seseorang pada satu pembolehubah sebagai asas untuk skor pada beberapa pembolehubah yang lain. Sebagai contoh, jika kita berminat untuk meneka berapakah jumlah individu yang berasa seronok atau kepuasan dengan pekerjaan mereka. Pembolehubah seperti pendapatan, peningkatan kerjaya, umur, jantina dan tempoh perkhidmatan dan status sosio-ekonomi merupakan faktor yang mungkin menyumbang kepada kepuasan bekerja.


IBM SPSS STATISTICS for window INDEX

112,

115, 128, 122,

One-sample t-test, 115 Ordinal, 25 output, 3, 12, 13, 16, 45, 55, 81 Output Viewer, 12 Partial correlation, 90 Pearson, 52, 90, 101, 108, 112 pembolehubah, 2, 13, 15, 16, 18, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 35, 36, 37, 40, 47, 50, 52, 53, 54, 55, 57, 59, 61, 62, 64, 66, 70, 71, 79, 80, 81, 84, 87, 90, 92, 94, 96, 98, 101, 108, 110, 111, 112, 113, 114, 115, 117, 119, 120, 122, 124, 126, 128 percentages, 53 Percentiles, 48, 49 Quartiles, 48 ralat, 2, 37, 41, 47 Recode, 18, 79, 80, 81 regression, 136 scatterplot, 18, 55, 110 Scatterplot, 134 Scatterplot,, 110 serasi, 2 signifikan, 110, 115, 116, 117, 119, 122, 127, 128, 129, 130 Simple, 57, 58, 59, 61, 66, 110, 124 skala pengukuran, 25, 108 skewness, 50, 51 Stacked, 57 statistik, 3 Statistik Deskriptif, 10 String, 20, 23 symmetry, 50 syntax, 13, 36, 42, 43 Syntax editor, 13 tranformasi, 2, 79 t-test, 3 T-tests, 90 Value Labels, 22, 76

Halaman

139

Anova, 3 boxplot, 18 Chart Editor, 55, 74, 75 Charta, 1 Chi-square, 3, 92 Clustered, 57, 61 Coefficient of determination, 133 Compute, 18, 79, 83 Crosstabs, 47, 52, 53, 92, 94 Crostabulation, 1 data editor, 2, 4, 12, 31 Descriptives, 1, 47, 50 diskret, 117 Dispersion, 49 estimated slope, 136 Frekuensi, 1 Garisan Slope, 136 goodness of fit’, 135 hipotesis, 90, 110, 116, 118, 136 histogram, 18, 47, 55, 56 Inferential Statistics, 10 jadual frekuensi, 3, 52 julat, 5, 32, 37, 38, 47, 108 korelasi, 5, 101, 108, 110, 111, 113, 114 korelasi linear, 108 Kruskal-Wallist Test, 98 kuantitatif, 1, 79 kurtosis, 50, 51 Likert-type, 5 linear, 134 Mann-Whitney U Test, 96 mean, 11, 40, 47, 49, 50, 51, 98, 116, 117, 119, 120, 122, 127, 129, 130 Mean, 11, 49, 52, 116, 118, 119, 123, 124, 125, 127, 128 Minimum, 40, 49 Mod, 12 Numeric, 20, 23, 29, 83


eBook SPSSversi21 2013

Recommend Documents