MANUAL SPSS

Pengenalan Manual ini diadakan bertujuan membantu individu yang menjalankan kajian kuantitatif agar lebih memahami dan

mendalami penggunaan perisian SPSS (Statistical Package for Social Science). SPSS adalah perisian komputer yang sesuai digunakan apabila menganalisis data kajian yang berbentuk

kuantitatif. Perisian SPSS ini terbahagi kepada beberapa bahagian penting yang perlu diketahui oleh setiap pengkaji. Bahagian-bahagian Variable entering, tersebut code, adalah (3) (1)Data Memasukkan view, (2)

view/Master (4)

data/Data (5)

Menyemak

data/Data

screening,

Transformasi data, (6) Pengujian data.

Variable view/Master code Pada master bahagian code. ini penganalisis code adalah akan membina satu atau

Master

soalan-soalan

variable yang terdapat di dalam borang soal selidik dan telah dipindahkan ke dalam SPSS. Senarai/susunan soalan dan pilihan jawapan yang terdapat pada soal selidik perlu sama dengan susunan variable pada variable view/master code. Ini adalah untuk memudahkan proses memasukkan/memindahkan

maklumat dari borang soal selidik ke perisian SPSS. 1

Paparan

variable

view

mengandungi

huraian

ciri-ciri

setiap pembolehubah di dalam borang soal selidik. Paparan ini terdiri daripada baris dan lajur. Baris yang mewakili nombor merupakan susunan

pembolehubah Baris mewakili oleh cirri-ciri setiap pembolehubah

Ciri-ciri setiap pembolehubah

Susunan pembolehubah

Rajah 1: Variable view/master code Kita boleh memasukkan atau mengedit ciri-ciri sesuatu

pembolehubah seperti berikut: Name memasukkan nama pembolehubah. Ia tidak

boleh melebihi 8 aksara dan mesti bermula dengan huruf (jantina, bangsa, a1, a2) Type menyatakan jenis data kepada variable.

Secara tetap (by default). Semua variable baru adalah bersifat data numeric jenis 2 atau numeric nombor. kerana Elok kita

menggunakan

menggunakan

nombor

sebagai

kod

kepada

aras

pembolehubah. Contohnya kod 1 untuk lelaki dan 2 untuk perempuan. Jika anda menggunakan dan huruf, bagi gunakan yang string tetapi ia kita akan

jarang

digunakan

kurang

mahir

mengelirukan. width By default SPSS telah menetapkan nilai digit sebanyak 8. Pengkaji boleh mengubahnya

dengan mengerakkan anak panah yang terdapat di dalam kotak width ataupun mengubahnya di

bahagian Type. Decimal untuk yang menentukan ada 2 di titik bilangan data titik kita tetapi

perpuluhan diprogramkan

dalam

kepada

perpuluhan

kita boleh mengubahnya mengikut kesesuaian data. Cara mengubahnya ialah dengan menggerakkan anak panah yang terdapat di dalam kotak Decimal atau boleh juga semasa di bahagian Type. Label membolehkan kita menulis dengan lengkap tentang nama pembolehubah yang dimasukkan telah dimasukkan tadi dengan tidak melebihi 8 aksara. Tetapi jika nama di dalam lajur name telah jelas, tidak perlu menulis di ruangan label lagi.

Pengkaji dinasihatkan untuk melengkapkan label 3

jika untuk

nama

pembolehubah

dalam

nama atau

tidak terlupa

jelas nama

mengelakkan

kekeliruan

variable sebenar. Values Bertujuan untuk memberi nilai nombor

(numeric) kepada sesuatu maklumat yang berbentuk pilihan jawapan. Ini adalah kerana SPSS hanya

boleh membaca nombor untuk menganalisis sebarang data. Contohnya untuk jantina tadi 1 = lelaki, 2 = perempuan. Untuk maklumat program pengajian

pula kita boleh memasukkan nilai 1=BSWMgt, 2=BPM, 3=Bintaff dan sebagainya. Untuk menentukan nilai kepada setiap . Pada label pengkaji perlu tekan tekan Values untuk variable yang

sel

dikehendaki. Cara yang cepat untuk memasukkan nilai: a. Memasukkan nilai atau nombor pada kotak Value (e.g 1) b. Tekan Tab pada paparan kekunci c. Memasukkan lablenya (eg. Lelaki) pada Value Label. d. Tekan Enter atau Add Kita akan dapat lihat bahawa 1=lelaki , 2=perempuan e. Pastikan kita klik OK supaya kategori ini dimasukkan dalam system.

Langkah 2

Langkah 3

Langkah 1

Langkah 4 Langkah 3

Rajah 2: Mengisi colum value Jika ada maklumat yang tidak diisi oleh responden iaitu boleh memberitahu dalam lajur ini. SPSS

secara automatik tidak akan mengambilkira nilai tersebut untuk sebarang analisis data dan data yang dianalisis lebih tepat. Apakah nilai missing yang boleh digunakan? Nilai tidak missing ada mestilah dalam nilai competence pengkodan yang kepada

system

pembolehubah tersebut. Jika digit 9 tidak ada dalam kategori pembolehubah. Bagi pendapatan atau umur kita boleh menggunakan dua atau tiga digit seperti 99 atau 999 atau jika ) merupakan

petunjuk kepada tiada pendapatan. 5

Cara mengisi nilai missing: 1. Klik () pada kotak missing 2. Tekan/pilih Discreate missing values 3. Isi nilai missing yang ditentukan pada kotak pertama sahaja. Nota: Kotak kedua dan ketiga adalah jika terdapat lebih daripada satu nilai missing.

Langkah 2

Langkah 1

Langkah 4 Langkah 3

Rajah 3: Missing value Column untuk membenarkan pengkaji melebarkan

paparan lajur. Luas lajur yang telah ditetapkan ialah 8. Measure Terdapat yang tiga akan pilihan diukur untuk jenis

pembolehubah

iaitu

Scale,

Ordinal dan Nominal. Pengkaji boleh memilih untuk menentukan jenis variable tersebut. Scale ialah untuk data sela dan nisbah yang sifatnya 6

seperti Ordinal dalam

pendapatan, untuk data

suhu,

umur

dan

sebagainya. kedudukan Nominal

pangkat semester

seperti

peperiksaan,

pengajian.

untuk data nominal atau ketegorikal. Contohnya, jantina, sebagainya. Nota: Untuk menjimatkan masa, pengkaji hanya perlu bangsa, program pengajian dan

menyatakan ciri-ciri variable yang penting sahaja sepoerti name, label, value dan missing.

Memasukkan data/ Data entering Memasukkan data dalam Data Editor dipaparkan kotakkotak atau sel-sel yang terdiri daripada baris dan lajur mewakili soalan atau variable pada borang soal selidik.

Jika kita telah menamakan pembolehubah, nama itu terpapar pada setiap lajur di ruang atas kotak data contohnya

jantina, umur, Data boleh dimasukkan dengan pelbagai cara tetapi cara yang paling mudah ialah dengan memasukkan data mengikut kes atau subjek kajian. Ini akan memastikan kita telah menyelesaikan sesuatu kes sebelum memasukkan kes yang lain. Anda dinasihatkan supaya menulis nombor kes atau 7

subjek yang sama pada borang soal selidik untuk semakan jika berlaku sebarang kesilapan semasa proses memasukkan data. Data yang dimasukkan tidak akan direkodkan sehingga ditekan Enter atau bergerak menyimpan ke atau sel yang lain. fail Anda data.

dinasihatkan

untuk

menamakan

Setiap 10 kes dimasukkan elok di simpan untuk mengelakkan kehilangan input apabila berlaku gangguan elektrik atau

kerosakan komputer.

Rajah 4: Memasukkan data Menyemak data/Data screening Apabila mematikan terdapat selesai telah yang memasukkan dimasukkan yang kesemua dengan data tepat berlaku kita dan perlu tidak

data data

aneh

mungkin

kesalahan

semasa menaip. Untuk memeriksa kita perlu memasukkan salah satu atau semua perkara berikut: a) Klik View pada menu kemudian pilih Value labels Ini akan memberi dalam paparan data dalam Ini bentuk label dan kita

bukannya

bentuk

nombor. 8

akan

memudahkan

untuk

memeriksa 1

data

jika

ada

kesalahan boleh

menaip ditaip

nombor. 11, maka

Contohnya nombor 11

untuk ini

lelaki

mungkin

akan

jelas

kelihatan

pada

pembolehubah

Jantina. Kita perlu merujuk semula borang soal selidik untuk memastikan maklumat yang sebenar sebelum pembetulan dibuat kepada data.
Ikon shortcut untuk value label

Rajah 5: Menyemak data value label b) Run Frequencies Daripada menu pilih Analyze, kita Descriptive Statistic, arahan yang

Frequencies. Frequencies, menunjukkan

Apabila SPSS akan

menjalankan output

mengeluarkan yang telah

taburan

data-data

dimasukkan.

Melalui kaedah ini juga kita dapat mengenalpasti data-data asing atau data-data yang tersalah taip semasa proses

memasukkan data. Melalui prosedur frekuensi juga paparan grafik untuk menghuraikan atau mengambarkan berbagai jenis

variable

yang

dikaji.

Pengkaji

boleh

memilih

untuk

menjalankan salah satu atau kesemua arahan berikut: Klik Statistics untuk memilih parameter statistik deskriptif bagi variable kuantitatif Klik Charts untuk carta bar, pai dan histogram Klik Format untuk menyusun turutan output sama ada menaik atau menurun
Analyze Descriptive Statistic - Frequencies

Rajah 6: Menyemak data - frequencies Transformasi data Transformasi dijumlahkan Transform atau pada penting apabila ada data yang perlu Klik untuk

dilakukan menu dan

pengkodan pilih

semula. Compute

menjumlahkan skor sesuatu skala kajian. Kita boleh lakukan dengan menu Transform sebagai contoh kita mahu menjumlahkan item-item soalan yang mengukur KENDIRI. Kita boleh lakukan 10

dengan arahan Compute yang membawa menu campurkan atau sum. Ikuti langkah berikut untuk membuat operasi Compute. Untuk menggunakan compute, bagi menjumlahkan skor sesuatu skala: 1. Menaip satu nama baru dalam kotak Target variable (sifatnya sama seperti Name sesuatu pembolehubah akan ditambah kerana ke dalam fail data yang telah sedia 8 ada

pembolehubah

tidak

boleh

melebihi

aksara

contohnya KENDIRI. 2. Pilih pembolehubah pada kotak Type & Label dan

beralih ke kotak Numeric Expression. 3. Pilih arahan yang diperlukan sama ada+

(campur/tambah), - (tolak), / (bahagi), * (darab dan sebagainya untuk dipindah masuk kekotak Numeric Expression. Ulangi langkah-langkah tersebut sehingga kesemua pembolehubah yang hendak dijumlahkan

dipindahkan kekotak Numeric Expression. 4. Kita boleh juga menggunakan function yang diberi

sesuai dengan formula matematik yang anda ingin kira jika untuk tujuan mencampurkan expressionnya ialah SUM iaitu arahan. Dalam pilihan ini [c1,c2]. Jika item

ketika itu banyak sehingga 27 atau lebih anda boleh gunakan arahan sum (c1 tambah to c27). bagi Kita tidak 27 perlu item

meletakkan tersebut.

tandah

(+)

setiap

11

5. Anda digalakkan meneliti program pengiraan dengan klik paste akan bagi membolehkan dalam anda meneliti sintak dan ia

tersimpan Kita

SPSS

Syntax malah

Editor banyak

dalam

fail

sintak.

boleh

mengedit

kelebihan

yang akan kita temui nanti.

Langkah 1

Langkah 2

Langkah 3

Rajah 7: Compute

12

Data Dalam Tetingkap Aplikasi Menu Aplikasi kita klik data ia akan memaparkan banyak

arahan. Antara yang paling penting ialah kita mungkin ingin menambah pembolehubah yang mungkin tertinggal semasa kita memasukkan data. Kadangkala dalam sesuatu penyelidikan kita mengaih-agihkan telah selesai tugas data memasukkan fail data. Apabila boleh semuanya

atau

tersebut

dicantumkan

menjadi satu set data. Ini boleh dibuat daripada arahan Merge Files.

Proses Pengkodan Semula Arahan recode digunakan untuk menukar data yang telah dikodkan dengan memberi nilai semula kepada data yang sedia ada dalam sesuatu skala pengukuran, atau apa sahaja data yang ingin diubah. Terdapat dua jenis pengkodan iaitu

perubahan dalam pemboleh ubah yang sama (recode into same variable) atau dijadikan pembolehubah baru (recode into

different variable). Kita boleh lakukan operasi ini dengan klik transform dan recode akan tersedia arahan into same variable atau recode into different variable.

13

Recode Into Same Variables Katakan kita ingin menukar kod daripada item-item yang dikatakan masukkan oleh mempunyai dalam data kenyataan adalah negatif. apa Apa yang yang kita

mengikut TIDAK

ditandakan sebagai 0,

responden.

Jawapan

ditandakan

manakala jawapan YA ditandakan sebagai 1. Oleh kerana itu kita mesti membuat penukaran kod. Langkah adalah seperti berikut: 1. Pilih pembolehubah yang hendak dikod-semula ke dalam kotak 2. Klik Old and New Values dan anda akan diberi paparan dan nyatakan nilai yang hendak diubah. Daripada old value kepada kotak new value boleh mengkod semula satu nilai, julat nilai (range) ataupun nilai missing. 3. Apabila julat ditukat klik Add dan paparan dalam kotak Old-New. 4. Old-> New Senarai spesifikasi yang digunakan untuk mengkod semula aras pembolehubah jangkaan.

14

Langkah 1

Langkah 3 Langkah 2

Langkah 4

Langkah 5

Rajah 8: Recode into same variable Penukaran Kod Dengan Pembolehubah Baru Langkah yang dinyatakan sebelum ini dalam recode into same variable akan menghilangkan data asal. Jika kita ingin memberikan kategori kepada data selanjar dan ingin

mengekalkan kod data asal menggunakan arahan recode into different variable. Contohnya kita ingin menukarkan

maklumat umur (data selanjar) kepada kategori umur (data selanjar/nominal). SPSS akan membentuk nilai baru dengan nama pembolehubah yang baru. Kaedah ini dipilih kerana ia tidak mengubah atau menganggu data asal. Ini boleh

dilakukan seperti berikut: pilih pembolehubah yang hendak dikod semula masukkan nama variable yang baru pada kotak

Output Variable, Name ialah variable name dan label Change 15 ialah variable label. Kemudian tekan

Tekan

Old

and

New

Values

dan

seterusnya

prosesnya adalah sama dengan recode into same variable

Transform Recode Into different

Langkah 1

Langkah 2

Langkah 4 Langkah 3

Langkah 5

Rajah 9: Recode into different variable Mencantumkan fail Terdapat mencantumkan mencantumkan dua kes kaedah (bilangan Kita mencantumkan fail iaitu atau untuk

Langkah 6

subjek/responden) gunakan Add cases

pembolehubah.

mencantumkan fail data yang mempunyai susunan dan bilangan pembolehubah yang sama tetapi mempunyai bilangan kes yang berlainan. Kita akan mendapat maklumat selepas proses ini dibuat antaranya: Unpaired variables senarai pembolehubah yang akan dibuang daripada fail yang akan dicantumkan kerana pembolehubah ini 16

tidak

sepadan

dalam

dua

fail

yang

akan

dicantumkan.

Pembolehubah

fail asal (working file) bertanda * manakala

variable dari fail kedua bertanda +. Untuk mengelakkan pembolehubah variable ini dibuang. Pastikan kedua-dua fail mempunyai mestilah senarai mengedit nama fail pembolehubah dahulu. yang sama. Anda untuk

Setelah

selesai

mencantumkan kes langkah-langkah berikut boleh dibuat: 1. Pastikan fail pertama dibuka dan disimpan (save as) ke dalam drive C atau D 2. Pilih data pada menu kemudian pilih Merge file,

seterusnya pilih Add Cases. 3. Add Cases: Read File akan terpapar, pilih fail kedua yang akan dicantumkan dan nyatakan nama fail diikuti oleh paparan Add Cases from (nama fail yang akan

dicantumkan) akan terpapar pada skrin. Sila pastikan senarai nama pembolehubah adalah sama di dalam keduadua fail yang akan dicantumkan. Jika semuanya sama, klik OK. Jika semuanya nama sama, klik OK. dalam Jika kotak nama yang

terdapat Unpaired

senarai

pembolehubah perlu

Variables tersebut

anda

menyamakan fail

pembolehubah

supaya

kedua-dua

mempunyai senarai nama pembolehubah yang sama, ulang semula arahan di atas.

17

Mencantumkan variable Kita boleh menggabungkan fail data yang mengandungi jumlah kes yang sama tetapi berbeza senarai pembolehubah. Contohnya kita ingin menggabungkan fail yang mengandungi maklumat sebelum dan selepas responden menjalani sesuatu program. Dua fail sebelum dan selepas pastikan susunan kes untuk kedua-dua fail sama. Jika terdapat pembolehubah yang sama nama atau bertindan, pembolehubah di dalam fail asal akan dibuang secara automatik kerana SPSS menganggap keduadua pembolhubah ini mengangungi data yang sama. Untuk

menjalankan pengabunggan ini. Ikuti langkah berikut: 1. Buka fail pertama daripada drive C atau D 2. Pilih Data pada menu, klik Merge File kemudian

pilih Add variables 3. Paparan Add Variables from (nama fail yang akan

digabungkan) akan terpapar. Pastikan tidak ada nama pembolehubah yang bertindan jika ada pembolehubah yang bertindan Ok. Jika pastikan maklumat pastikan maklumatnya sama, klik

pembolehubah nama baru

tersebut kepada

berlainan variables Add

pastikan tersebut

anda

memberi

sebelum

mengulang

semula

arahan

Variables. Excluded variables senarai pembolehubah yang bertindan

atau berulang akan dikecualikan dan dibuang dari fail yang baru digabungkan. 18

Ingatan: Pastikan senarai nama variables untuk fail-fail yang akan digabungkan adalah berlainan.

Analisis Reliabiliti Analisis reliability membolehkan kita menentukan tahap kebolehpercayaan sesuatu skala pengukuran yang terdiri

daripada item-item (kenyataan atau soalan di dalam sesuatu skala pengukuran di panggil item) Model reliability yang paling kerap digunakan ialah Alpha Cronbach. Nilai alpha membolehkan pengkaji mengetahui keseragaman dalaman sesuatu skala dengan mengambil kira

purata korelasi inter-item. Jika nilai alpha 0.5 maka skala tersebut dianggap sebagai cukup reliable untuk

mengukur sesuatu variable kajian. Untuk pilih: Analyze Masukkan Scale - Reliability Analysis semua item yang terdapat di dalam menjalankan analisis reliability, daripada menu

sesuatu skala pengukuran. Pastikan setiap skala pengukuran yang berbeza dijalankan analisis

reliabiliti yang berbeza. Pilih model yang akan digunakan iaitu Alpha Klik Statistic 19

Pada kotak Descriptive for tandakan pada kotak item dan Scale if item deleted

Item

membolehkan

SPSS

menentukan

keseragaman

dalaman berdasarkan kepada purata korelasi interitem. Scale if item deleted membolehkan pengkaji

melihat senarai nilai alpha jika sesuatu item itu dibuang pengkaji daripada untuk skala. Ini akan membantu jika

meningkatkan

nilai

alpha

nilai yang diperolehi adalah lebih rendah. (alpha < 0.5)

Langkah 5

Langkah 1 Langkah 4 Langkah 2

Langkah 3

Rajah 10: Analisis Reliabiliti Analisis Deskriptif Prosedur frekuensi sesuai digunakan sebagai statistik deskriptif dan paparan grafik untuk menghuraikan dan

mengambarkan berbagai jenis variable yang dikaji. Prosedur 20

frekuensi

juga

merupakan

langkah

penting

yang

digunakan

untuk menyemak dan memilih data-data telah dimasukkan ke dalam system. Ia bertujuan untuk melakukan eksplorasi

kepada data. Analisi ini sesuai digunakan kepada data kategori yang sesuai kepada data nominal atau ordinal. Langkah untuk

menganalisis adalah seperti berikut: Klik Frequencies Analyze Descriptive Statistics -

Kita boleh memilih salah satu atau semua arahan berikut: Klik Statictics untuk memilih parameter statistic deskriptif bagi pembolehubah kuantitif Klik charts untuk carta bar, pai dan histogram Klik Format untuk menyusun turutan output sama ada atau menurun Percentile Values Pembolehubah data Quartiles membahagikan data kepada empat kumpulan yang sama saiz. Jika kita inginkan bilangan kumpulan yang lebih daripada empat, pilih cut points for a

equal group. Kita boleh menentukan untuk melihat nilai yang persentif ke-95 tertentu, pilih contohnya persentil dan

maka

percentile(s)

masukkan nilai persentilnya. 21

Nota:

Parameter untuk

statistik

yang

paling

kerap

dan

umum umum nilai

digunakan ialah

mengambarkan

sample

kajian

secara

purata

(sisihan

piawai),

nilai

maksimum,

minimum, bilangan/frekuensi dan peratusan). Chart Type berbagai jenis carta boleh dibuat seperti pai, bar dan histogram Chart value Nilai kekerapan (bilangan) dan

peratus boleh dipilih.

Ukuran kecenderungan memusat dan serakan. Statistik yang menunjukkan akiran kecenderungan memusat seperti min,

median, mod boleh diperolehi melalui arahan: Klik Fequencies Analyze Descriptive Statistics -

Order

by

Jadual nilai ada

frekuensi data menaik jika

boleh atau atau kita

disusun bilangan susunan memilih

berdasarkan nilai sama

sebenar susunan

menurun.

Walau

bagaimanapun

untuk membuat histogram atau persentil, prosedur frekuensi secara automatik akan menganggap dan akan

pembolehubah

adalah

kuantitatif

mempamerkan nilai dalam susunan menaik.

22

Multiple

Variables

Kita

boleh

memilih

untuk

mempamerkan semua pembolehubah dalam satu jadual (compare untuk variables) ataupun secara berasingan Output by

setiap

pembolehubah

(Organize

Variables)

Crosstabulation (Crosstabs) Prosedur crosstabs membentuk jadual frekuensi dua arah dan juga menyediakan pelbagai ujian dan yang paling kerap

digunakan ialah pengukuran perkaitan / perhubungan untuk variable dalam jadual dua arah (two way). Untuk menjalankan crosstabs: Analyze Descriptive Statistics - Crosstabs Pilih satu atau lebih variable ujian. Masukkan variable ujian tersebut dalam kotak Row(s) dan Column(s). Klik Statistics untuk memilih jenis ujian Klik Cells untuk nilai yang sebenar (observed) dan nilai jangkaan (expected), peraturan dan

residuals. Klik Format untuk mengawal susunan kategori

(optional).

23

Analisis Inferensi/Analisis Membuat Kesimpulan Analisis perbandingan min. Ujian-t SPSS menyediakan 3 jenis ujian-t: Independent sample nilai t-test min (two-sample satu test)

membandingkan

(purata)

variable

untuk dua kumpulan responden/kes. Paired-sample Membandingkan yang sama. t-test min Ujian dua ini (dependent variable juga t-test)

untuk untuk

kumpulan variable

berpasangan (matched pairs) ataupun untuk kajian berbentuk kawalan kes. One-sample test Membandingkan min satu variable dengan satu nilai yang diketahui atau nilai

kategorikal atau nominal. Independent-sample t-test Ujian-t variable dijalankan antara dua untuk melihat perbezaan min sesuatu melihat

kumpulan

kajian.

Contohnya,

perbezaan min tahap jangkaan antara lelaki dan perempuan. Data untuk variable adalah berbentuk interval/selenjar dan data variable kumpulan adalah berbentuk kategorikal atau nominal. Prosedur yang yang perlu dijalankan ialah: Analyze test 24 Compare Means Independent-sample T

Pilih

satu

variable Analisis

atau

lebih akan

ujian

(test

variable).

ujian-t

dijalankan

berasingan untuk setiap variable. Pilih satu variable kumpulan (grouping variable), klik Define Groups untuk menentukan dua kod untuk kumpulan yang ingin dibandingkan. Jika dinyatakan 1 = lelaki dan 2 = perempuan maka, pada bahagian ini dinyatakan group1 = 1 dan group2 = 2.

Langkah 1

Langkah 5

Langkah 2

Langkah 3

Langkah 4

Rajah 11: Independent sample t-test Untuk membaca dahulu sama hasil ujian-t yang pada ini akan anda dibaca perlu tentukan hasil

terlebih kajian,

nilai-t nilai

sebagai

ada

barisan

Equal

variances

assumed ataupun Equal variances not assumes. Mula-mula pastikan nilai F sama ada ianya signifikan atau tidak, jika nilai signifikan (P0.05) maka anda perlu membaca nilai t pada barisan Equal variances not assumed. Jika nilai F 25

tidak signifikan (p0.05), baca nilai t pada barisan Equal variances assumed.

Rajah 12: Output Independent sample t-test Analysis of variances (ANOVA) Ujian ANOVA digunakan untuk membuat perbandingan min

sesuatu variable antara lebih daripada dua kumpulan kajian. Prosedur untuk menjalankan analisis One-Way ANOVA adalah seperti berikut: Analyze Compare means One-way ANOVA

26

Langkah 1 Langkah 2

Langkah 3

Rajah 13: One-Way ANOVA

ANOVA study status Sum of Squares Between Groups Within Groups Total 4.686 17.669 22.354 df 40 309 349 Mean Square .117 .057 F 2.049 Sig. .000

Rajah 14: Output One-Way ANOVA Pekali korelasi Pearson-r Prosedur ini dilakukan untuk mengenalpasti perhubungan atau perkaitan Sifat antara dua variable yang (Bivariate diukur correlation). bersifat

kedua-dua

variable

mestilah

selenjar atau interval. Kedua-dua variable dikatakan mempunyai perkaitan yang

signifikan apabila nilai signifikan atau p0.05. Manakala nilai pekali korelasi iaitu nilai r menunjukkan tahap

kekuatan sesuatu perhubungan atau perkaitan. Julat nilai r ialah antara +1 hingga 1. Semakin menghampiri +1, hubungan antara dua variable adalah 27 semakin kuat. Nilai yang

menghampiri 0 menunjukkan hampir tiada hubungan bermakna dua variable tersebut adalah bebas antara satu sama lain. Untuk menjalankan korelasi bivariasi: Analyze Correlate Bivariate

Langkah 2 Langkah 1

Rajah 15: Korelasi Pearson Interpretasi mengikut nilai Pekali Korelasi : 0.90 1.00 0.70 0.89 0.50 0.69 0.30 0.49 0.01 0.29 Korelasi perhubungan sangat kuat Korelasi perhubungan yang kuat Korelasi perhubungan yang sederhana Korelasi perhubungan yang lemah Korelasi perhubungan sangat lemah

Correlations

pembolehubah

jangkaan

penentu

28

jangkaan

Pearson Correlation Sig. (2-tailed) N

1 . 350 .190(**) .000 350

.190(**) .000 350 1 . 350

penentu

Pearson Correlation Sig. (2-tailed) N

** Correlation is significant at the 0.01 level (2-tailed).

Rajah 16: Output Korelasi Pearson Sesuatu apabila bermakna perkaitan/perhubungan nilai p0.05. Jika ini r dikatakan adalah signifikan positif (+) yang

nilai

kedua-dua

variable

menunjukkan

hubungan

searah sama ada menaik atau menurun. Contohnya, jika tahap penentu meningkat adalah kualiti dan meningkat maka tahap itu, jangkaan jika juga r

sebaliknya. (-)

Sementara

nilai

negatif

bermakna

hubungan

adalah

songsang.

Contohnya, tahap penentu kualiti adalah rendah maka tahap jangkaan pula adalah tinggi.

29