Professional Documents
Culture Documents
Spss
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,
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
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
Susunan pembolehubah
Rajah 1: Variable view/master code Kita boleh memasukkan atau mengedit ciri-ciri sesuatu
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.
jika untuk
nama
pembolehubah
dalam
nama atau
tidak terlupa
jelas nama
mengelakkan
kekeliruan
(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
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
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
suhu,
umur
dan
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
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
menjalankan output
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
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
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
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
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
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
tersebut kepada
pastikan tersebut
anda
memberi
sebelum
mengulang
semula
arahan
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
Langkah 5
Langkah 3
Rajah 10: Analisis Reliabiliti Analisis Deskriptif Prosedur frekuensi sesuai digunakan sebagai statistik deskriptif dan paparan grafik untuk menghuraikan dan
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
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)
Nota:
Parameter untuk
statistik
yang
paling
kerap
dan
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
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
sebenar susunan
menurun.
Walau
bagaimanapun
untuk membuat histogram atau persentil, prosedur frekuensi secara automatik akan menganggap dan akan
pembolehubah
adalah
kuantitatif
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
(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
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
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
penentu
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