TUGASAN INDIVIDU

KURSUS: KBR 3016

KAEDAH PENYELIDIKAN DALAM PENDIDIKAN KHAS

_________________________________________________________________________

TAJUK TUGASAN:

ANALISIS DATA MENGGUNAKAN PERISIAN SPSS

_________________________________________________________________________

NAMA NO. MATRIK

SYAMIMI BINTI ABU HASHIM D20141066832
SITI HAZARIAH BINTI MAT DAUD D20141066866
ANNUR MUNIRAH BINTI ZAINAL D20141066844

PENSYARAH : DR. NORAINI BINTI AHMAD

KUMPULAN :B

TARIKH HANTAR : 8 MEI 2017

PENGENALAN KEPADA SPSS

Perisian SPSS adalah sebuah perisisan yang digunakan unutuk menganalisa data kualitatif
dan kuantitatif, yang mana berupaya melakukan kerja-kerja menganalisa 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;

i. Data-data hasil satu kajian yang menggunakan borang soal selidik dan juga
perkhidmatan atas talian (online survey)
ii. Data-data yang diperolehi dariada Pangkalan Data seperti Informix, MySQL, Oracle
dan yang seumpamanya. Ianya mungkin maklumat berkaitan dengan keputusan
pepriksaan, maklumat staf dan lain-lainnya.
Dengan menggunakan perisian SPSS data-data tersebut boleh di analisa melalui penghasilan
jadual-jadual statistik seperti;
a. Jadual Frekuensi
b. Jadual dua hala
c. Deskriptif
d. Carta dan sebagainya
SPSS mempunyai arahan yang boleh dilakukan dengan hanya menggerakkan 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.

Kaedah Menganalisis Data

Beberapa kaedah boleh digunakan untuk menganalisis data tetapi bukanlah sebagai perkara
yang perlu di patuhi, sebagai panduan langkah-langkah berikutnya boleh dijadikan sebagai
panduan di dalam melakukan proses menganalisis kebanyakan data.

Peringkat Fail Data.

i. Anda akan mengurus data-data seperti menamakan pembolehubah, melabelkan
pembolehubah, menentukan sifat pemboleh ubah, mungkin juga mengimport data-
data daripada sumber fail yang lain atau mungkin memasukkan data menggunakan
SPSS data editor.
Peringkat Melaksanakan Prosedur.
i. Anda akan berada di dalam mod SPSS Data Editor, dnegan melakukan beberapa siri
ujian, seperti membuat pemeriksaan pada data bagi memastikan sekurang-kurangnya
 tiada ralat, membuat transformasi data, memilih prosedur statistik yang sesuai seperti
Frequencies, Crosstab, Descriptive dan sebgainya.
ii. Menghasilkan carta statistik dan sebagainya.
iii. Menjalankan ujian statistik seperti Korelasi, Chi-square, Anova, t-test dan sebagainya.

Peringkat Mengeluarkan Laporan

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

PERSEDIAAN DATA UNTUK PROGRAM SPSS

ANALISIS DATA KUANTITATIF

Penyelidikan kuantitatif boleh dilakukan melalui kajian deskriptif. Dalam penyelidikan

deskriptif, data dikumpul daripada seluruh populasi dan statistik asas seperti frekuensi,
peratusan min, sisihan piawai dan taburan skor dilaporkan. Kini analisis data kuantitatif
dapat dilaksanakan dengan mudah menggunakan program komputer seperti SPSS,
StartGraphic Plus dan SigmaSTAT. Walau bagaimanapun, memahami logik di sebalik angka-
angka yang dihasilkan oleh program komputer. Namun, sebelum melakukan analisis daa
kuantitatif dengan menggunakan program SPSS, pengkaji perlu mengetahui cara
menyediakan data.

MENYEDIAKAN DATA KAJIAN UNTUK PROGRAM SPSS

Dua jenis tingkap utama dalam SPSS ialah SPSS Data Editor dan SPSS Output Navigator.
Rajah 1. SPSS Data Editor digunakan untuk memasukkan data yang dikumpul daripada
responden

Rajah 2. SPSS Output Navigator mempamerkan keputusan statistik dalam bentuk jadual

Data yang dikumpul daripada responden kajian dalam bentuk angka perlu dimasukkan ke
dalam SPSS Data Editor sebelum analisis dilakukan. Selepas penganalisaan, semua hasil
analisis seperti keputusan statistik, jadual dan carta akan dipamerkan dalam SPSS Output
Navigator.
 Data dikumpul
daripada responden
kajian

Data dimasukkan ke
dalam SPSS Data
Editor

Data dianalisis dengan

menggunakan prosedur
statistik tertentu

Hasil analisis
dipamerkan dalam
SPSS Output Navigator

Rajah 3. Prosedur analisis data dengan menggunakan SPSS

CARA MEMASUKKAN DATA DALAM SPSS EDITOR

1. Buka Program SPSS.

2. Sebelum memasukkan data ke dalam SPSS Data Editor, klik Variable View untuk
melebelkan variable dan mengekodkan nilai yang hilang (missing value).

Rajah 3.
3. Taip nama singkatan bagi semua variable di bawah kajian (jantina, bangsa dan
sebagainya) di bawah Name. Gunakan singkatan yang kurang daripada 8 huruf.
Misalnya, kelima-lima aspek kepuasan kerja, iaitu kesesuaian gaji, suasana kerja, beban
kerja, peluang kenaikan pangkat dan tempoh kerja harian dilabel sebagai puas2,
puas2, puas3, puas4 dan puas5 untuk memudahkan pengkaji mengenali
kategorinya.

Rajah 4.

4. Pilih Numeric di bawah Variable Type.

Rajah 5.

5. Bagi data nominal (jantina dan bangsa), pilih angka 0 di bawah Decimals. Bagi data
sahsiah yan mempunyai satu angka perpuluhan, pilih angka 1 di bawah Decimals. Bagi
data ordinal (Lima aspek kepuasan kerja yang menggunakan sala Likert 1-5), pilih angka
0 di bawah Decimals.
 Rajah 6.
6. Di bawah Label, taip nama sebenar bagi variable yang akan diipaparkan dalam output
nanti. Misalnya, taipJantina untuk variable jantina dan puas1 untuk variable
kesesuaian gaji.

Rajah 7.

7. Bagi variable jantina, klik butang pada hujung petak None di bawah Values untuk
membuka kotak dialog Value Labels. Taip angka 1 dalam petak Value dan taip perkataan
Lelaki dalam petak Value Label; kemudian tekan butang Add untuk memasukkannya ke
dalam petak disebelah kiri. Cara yang sama digunakan untuk melabelkan perempuan
dengan angka 2. Akhir sekali, klik OK. Cara melabelkan variable bangsa, iaitu 1 untuk
Melayu, 2 untuk Cina dan 3 untuk India dilakukan melalui proses yang sama.
 Rajah 8.
8. Oleh kerana sahsiah tidak mempunyai kategori, maka label value tidak perlu dilakukan.
Bagi variable kepuasan kerja seperti keseuaian gaji yang dikumpul dalam bentuk skala
ordinal, label 1 untuk pilihan Sangat Tidak Sesuai, 2 untuk Tidak Sesuai, 3
untuk Tidak Pasti, 4untuk Sesuaidan 5 untuck Sangat Sesuai. Cara melebelkan
peringkat dalam variable adalah seperti dalam langkah 7 di atas.

Rajah 9.
9. Jika terdapat responden yang tidak menjawab item variable tetentu, tekan hujung
perkataan None di bawah Missing untuk membuka kotak dialog Missing Values. Pilih
Discrete missing values dan taip angka 9 dalam petak pertama di bawahnya [bagi
variable yang jawapannya mengandungi angka 9, seperti Skor Matematik (1 hingga100),
angka 999 atau angka yang lain boleh digunakan untuk nilai Missing Values]. Kemudian
klik OK. Dalam kes kajian ini, tiada responden yang tidak menjawab mana-mana
 variabel, maka tidak perlu dilabel Missing Values. Contohnya mlablkan nilai yang hilang
ditunjukkan di bawah.

Rajah 10.
10. Bagi variabel jantina dan bangsa, di bawah Measure, pilih Nominal untuk
mendefinisikan skala data variabel-variabel tersebut. Bagi variabel sahsiah, pilih scale
manakala bagi kelima-lima aspek kepuasan kerja, pilih Ordinal untuk menyatakan skala
data yang dikumpul.

Rajah 11.

11. Maklumat data variabel yang lengkap dilabel adalah seperti di bawah.

Rajah 12.
12. Setelah variabel dilabel, klik Data View pada bahagian sebelah kiri tingkap SPSS Data
Editor untuk membuka skrin Data View.

Rajah 13.
13. Taip data bagi setiap variabel yang dikumpul daripada setiap responden. Jawapan
responden pertama ditaip mengikut kolum setiap variabel seperti dibawah.

Rajah 14.
Data bagi responden ke-2, ke-3 dan sebagainya ditaip sehingga semua data disediakan
dalam SPSS Data Editor.

PROSES PENYEDIAAN BORANG SOAL SELIDIK

Jika anda sudah biasa di dalam proses penyediaan borang soal selidik anda boleh
tinggalkan atau skip sahaja bahagian ini.
Memahami kaedah menyediakan borang soal selidik perlu di buat dengan teliti dan
bersesuaian dengan tujuan kajian di jalankan. Pemilihan soalan serta format jawapan
perlulah sekata dan bermakna. Malah perlu di sesuaikan sifat data dengan jenis ujian
statistik yang bakal di gunakan nanti.
Selalunya soalan boleh di kelaskan kepada dua kumpulan iaitu soalan jenis tertutup
(Close-ended question) dan soalan terbuka (Open-ended question). Soalan tertutup
melibatkan siri pilihan jawapan yang anda sediakan. Responden mungkin di minta
menjawab samada dengan menanda, pangkah atau bulatkan
pada jawapan. Sebagai contoh pilihan jawapan adalah seperti Ya atau Tidak, Lelaki atau
Perempuan dan sebagainya.
 Soalan tertutup atau bentuk pilihan jawapan adalah mudah untuk anda
memindahkan maklumat ke dalam SPSS data editor. Sebagai contoh jawapan Ya mungkin
boleh di berikan kod perwakilan 1, manakala jawapan Tidak mungkin boleh dikodkan
sebagai 2.
Kadangkala kita tidak boleh meneka kesemua kemungkinan jawapan yang akan
diberikan oleh responden. Sebab itulah kita memerlukan bentuk soalan yang terbuka
(open-ended).
Sebagai contoh:-
Apakah faktor utama penyebab ketegangan di dalam kehidupan harian anda?
Jawapan yang di beri adalah berbagai. Anda perlulah melihat pada keseluruhan jawapan
pada setiap borang soalselidik terlebih dahulu, dan kemudian anda boleh membuat kod
perwakilan yang mewakili mana-mana jawapan yang hampir sama atau maksud yang
sama.
Setiap faktor mungkin boleh anda kodkan perwakilannya seperti berikut, contoh:-
Kerja = 1, Kewangan = 2, Perhubungan = 3, rakan kerja = 4 dan sebagainya

Statistik deskriptif

Merupakan statistik yang digunakan untuk menghuraikan ciri-ciri variable. Statistik

menggunakan petunjuk-petunjuk seperti min, sisihan piawai, median, mod, taburan normal
dan skor Z untuk menyatakan ciri-ciri sesuatu variable.

Jenis Statistik Fungsi Statistik

Statistik deskriptif
Menghuraikan ciri-ciri Frekuensi, min, mod,
variable. median, sela, sisihan,
Digunakan untuk varian, proporsi,
membuat kesimpulan peratusan, perubahan
tentang data numerikal. peratusan, perubahan
Tidak membuat generalisi
peratusan, kadar, nisbah,
daripada sampel kajian
taburan, normal, skor Z
kepada populasi.
dan sebagainya.

Sebelum pengkaji menggunakan statistik untuk menganalisis datanya, pengkaji perlu

memahami ciri-ciri variable kajian. Pengkaji perlu memahami skala pengukuran yang
digunakan untuk mengukur data bagi variable tersebut. Setelah memahami skala pengukuran
dengan sepenuhnya, barulah pengkaji memilih statistik untuk menganalisis dan menghurai
data. Salah satu cara mudah adalah dengan mengenal pasti sama ada variable yang diukur
mempunyai nilai selanjar (continnum) iaitu boleh disusun dari nilai yang rendah ke nilai yang
tinggi, atau jika data kajian tidak mempunyai nilai selanjar, dan variable kajian dibentuk
daripada beberapa kategori konkrit yang tidak boleh disusun dari nilai yan g rendah ke nilai
yang tinggi, maka data berkenaan merupakan data nominal.

Sebaliknya, jika data mempunyai nilai selanjar, maka data itu merupakan data
ordinal, selang atau nisbah. Cara kedua untuk mengetahui jenis skala pengukuran data adalah
dengan mengenal pasti sama ada data yang diukur merupakan kumpulan skor atau frekuensi.
Jika data merupakan frekuensi maka data itu adalah skala nominal atau ordinal, dan jika
merupakan skor, maka data itu dikenali skala selang atau nisbah.

Menghuraikan ciri-ciri variable

Penyelidikan dilakukan untuk menyatakan dan menghuraikan sesuatu variable dalam

fenomena dan variable ini perlu dihurai secara logik dengan menggunakan cara-cara tertentu.
Berikut ialah tiga cara untuk menghuraikan ciri-ciri variable.

1. Mengukur kecenderungan pusat.

2. Mengukur keserakan.
3. Mempiawaikan data.

Mengukur kecenderungan pusat

Pengukuran kecenderungan pusat dilakukan dengan menggunakan satu nilai untuk mewakili
satu set data. Sebagai contoh, untuk membuat rumusan kemahiran membaca sekumpulan
pelajar, nilai skor, min, yang diperoleh daripada ujian kemahiran membaca bagi kumpulan
pelajar tersebut digunakan untuk mewakili kemahiran membaca keseluruhan pelajar itu.

i) Min

Min ialah nilai purata yang digunakan untuk mewakili satu set nilai-nilai yang
diperhatikan. Min digunakan ke atas data skala selang dan nisbah.

ii) Median

Median merupakan niali tengah sesuatu taburan skor yang disusun mengikut
urutan menaik atau menurun. Ini bererti separuh daripada skor-skor terletak diatas
dan separuh lagi dibawah. Median digunakan untuk data yang disusun dalam
 urutan, iaitu data ordinan, selang, dan nisbah. Langkah-langkah menentukan
median sesuatu taburan;

1. Menyusun skor-skor tersebut secara menaik atau menurun.

2. Menomborkan skor-skor tersebut, dengan mengabaikan data yang dihurai.
3. Jika bilangan skor adalah tunggal, skor yang terletak ditengah urutan skor
tersebut ialah nilai median.
4. Jika bilangan skor adalah genap, nilai purata bagi dua skor yang terletak
ditengah-tengah urutan skor tersebut adalah nilai median.
iii) Mod

Mod merupakan nilaian yang wujud paling kerap dalam sesuatu taburan. Dlam
penyelidikan, nilai ini biasanya digunakan untuk data skala nominal atau ordinal.
Mod biasanya digunakan untuk menyatakan ciri-ciri demografi, subjek kajian
yang mempunyai beberapa kategori, seperti peringkat umur, pendapatan (tinggi,
sederhana, rendah), latar belakang pendidikan (sekolah rendah, sekolah
menengah, institusi pengajian tinggi) dan sebagainya.

Mengukur keserakan

Selain daripada pengukuran kecenderunagn pusat, pengkaji juga menghuraikan keserakan

variabel, iaitu sama ada nilai-nilai dalam suatu kumpulan data berjauhan atau berdekatan
antara satu sama lain. Tiga cara yang biasa digunakan untuk menganl pasti keserakan data
adalah dengan mengira sela, sisiahan piawai dan varians.

i) Sela

Sela merupakan jurang antara nilai antara paling rendah dan paling tinggi dalam
sesuatu taburan dan dapat dikira dengan menggunakan formula dibawah.

Sela = Skor maksimum skor minimum

ii) Sisihan piawai

Sisihan piawai merupakan petunjuk pengukuran yang utama dalam penyelidikan

untuk menyatakan skor-skor dalam sesautu taburan. Ia digunakan pada data skala
selang dan nisbah. Sisihan piawai menunjukkan jumlah purata sesuatu nilai atau
 skor individu tersisih daripada skor min dalam sesuatu taburan. Berikut adalah
formula asas bagi pengiraan sisihan piawai;

iii) Varians

Seperti sisihan piawai, varians juga digunakan untuk mengenal pasti keserakan
skor-skor dalam sesuatu taburan. Varians merupakan kuasa dua bagi nilai sisihan
piawai. Formulanya adalah seperti berikut:

Penggunaan Program SPSS untuk Analisis Data Deskriptif

Pengiraan frekuensi, peratus, min, mod, median, sisihan piawai, varians, dan sela juga boleh
dilakukan dengan menggunakan program SPSS. Langkah analisis data deskriptif bagi
Kumpulan A (Kumpa), Kumpulan B (Kumpb) dan Kumpulan C (Kumpc) dengan
menggunakan program SPSS ditunjukkan di bawah.

1. Masukkan data ke dalam SPSS Data Editor.

2. Pilih menu Analyze, dan klik pada Descriptive Statistics dan kemudian Frequencies
untuk membuka kotak dialog Frequencies.

3. Pilih variable kumpa (Kumpulan A) dan klik anak panah untuk memasukkannya ke
dalam kotak Variable(s).
4. Klik pada butang Statistics untuk membuka kotak dialog Frequencies: Statistics.
Kemudian klik Mean, Mode, Median, Std. deviation, Variance dan Range.
5. Klik pada butang Continue dan akhir sekali klik pada butang OK.

Keputusan statistik

Keputusan analisis deskriptif ditunjukkan dalam Output SPSS Viewer seperti di bawah:
Ujian T

Ujian T merupakan ujian parametrik yang hanya digunakan jika data yang dikumpul
berbentuk taburan normal. Ujian T ialah ujian statistik inferensi yang digunakan untuk
membandingkan dua atau lebih daripada dua kumpulan data selang atau nisbah.

1. Skala pengukuran selang atau nisbah

- Skala data selanjar yang merupakan skor-skor dan nilai-nilai yang jarak antara satu
sama lain sama jauh.
2. Persampelan rawak
- Subjek-subjek dalam sampel harus dipilih daripada populasi secara rawak.
3. Normaliti
- Data dalam populasi perlu bertaburan normal.

Ujian T digunakan untuk menentukan sama ada satu set atau set-set skor yang berasal
daripada populasi yang sama adalah serupa. Terdapat empat jenis ujian T:

1. Ujian-t untuk sampel-sampel bebas (Independent-Samples T Test)

2. Ujian-t untuk pengukuran berulangan (Paired Samples T Test)
3. Ujian-t untuk sampel-sampel padanan (Matched-Samples T Test)
4. Ujian-t untuk satu sampel (One-Sample T Test)

Ujian-t digunakan di dalam kes-kes yang berikut:

1. Saiz sampel mengandungi 10 subjek dan ke atas.

2. Variable bersandar diukur dalam skala selang atau nisbah.
3. Taburan populasi sampel adalah normal.
4. Kajian-kajian dilakukan untuk menentukan sama ada terdapat perbezaan yang signifikan
secara statistik antara dua kumpulan data.

Ujian-t untuk Sampel-Sampel Bebas

Oleh kerana kedua-dua kumpulan tersebut adalah berasingan (tidak bergantung antara satu
sama lain), sampel-sampel tersebut dinamakan sebagai sampel bebas.

Rajah : Skor-skor idea asli yang praktikal bagi dua kumpulan pelajar seni tampak

Pengiraan ujian-t untuk sampel-sampel bebas

Menyatakan hipotesis kajian

Hipotesis Nul: Tidak terdapat perbezaan antara pelajar berpengkhususan Seni Halus dan Seni
Grafik dari segi penghasilan idea asli yang praktikal.

Hipotesis Penyelidikan: Terdapat perbezaan antara pelajar berpengkhususan Seni Halus dan
Seni Grafik dari segi penghasilan idea asli yang praktikal.

Pengiraan nilai t dilakukan dengan menggunakan formula di bawah:

Ralat piawai dalam formula pengiraan nilai t pula dihitung dengan menggunakan formula
yang berikut:

Analisis Ujian-t untuk sampel-sampel bebas dengan menggunaan program SPSS

Ujian-t untuk sampel-sampel bebas di atas juga boleh diperoleh dengan menggunakan
program SPSS. Prosedurnya adalah seperti yang berikut:

1. Masukkan data ke dalam SPSS Data Editor mengikut pengkhususan (khusus: 1-Seni
Grafik, 2-Seni Halus) dan skor idea asli yang praktikal.
2. Pilih menu Analyze, klik Compare means dan kemudian pilih Independent-Samples T
Test.

3. Masukkan variable idea ke dalam kotak Test Variable(s) dan variable khusus ke dalam
Grouping Variable. Kemudian klik butang Define Groups untuk mendefinisi kumpulan.
4. Taip nilai 1 dan 2 ke dalam petak Group 1 dan Group 2; nilai 1 dan 2 merupakan label
bagi kedua-dua penghususan Seni Tampak.

5. Klik butang Option untuk membuka petak Independent-Samples T Test: Options. Pilih
95% untuk Confidence Interval, kemudian klik butang Continue.
6. Akhir sekali klik butang OK.

Keputusan ujian ditunjukkan di bawah.

T-Test

Group Statistics

Independent Samples Test

Keputusan ujian yang diperoleh melalui program SPSS sama dengan pengiraan manual.
Keputusan kajian adalah signifikan (t = 3.774, df = 38, p < .05). Terdapat perbezaan antara
kedua-dua kumpulan pelajar berpengkhususan Seni Halus dan Seni Grafik dari segi
penghasilan idea asli yang praktikal. Nilai perbezaan min 9.95 menunjukkan bahawa pelajar
berpengkhususan Seni Grafik lebih berupaya menghasilkan idea asli yang praktikal
berbanding dengan kumpulan pelajar berpengkhususan Seni Halus (nilai min kedua-dua
kumpulan dapat dilihat dari keputusan Group Statistics dalam rajah di atas).