Professional Documents
Culture Documents
6 SPSS
6 SPSS
• 2 arahan recode:
1. Recode into same variable
2. Recode into different variable
ANALISIS DATA
• SPSS membolehkan pengguna menghasilkan
pelbagai bentuk taburan data menerusi
arahan Frequencies, Descriptives dan
Crosstabs.
• Frequencies digunakan untuk mengira jumlah
respon. Ia juga boleh menghasilkan statistik
diskriptif seperti min, mod, media dan varians.
• Pelbagai bentuk graf juga dapat dihasilkan
melalui arahan ini.
FREQUENCIES
Descriptive
Analyze Frequencies
Statistics
DESCRIPTIVE
Descriptive
Analyze Descriptive
Statistics
CROSSTABS
http://uumpress.uum.edu.my
Recode
(Bagaimana melakukan recode yang berkenaan?)
Terdapat enam (6) item untuk mengukur rasa tidak puas hati
guru-guru terhadap rakan sekerja, iaitu item Q1, item Q2, item
Q3, item Q4, item Q5, dan item Q6. Setiap item akan disusun
mengikut skala 5-mata seperti di bawah:
1 = Sangat setuju, 2 = Setuju, 3 = Kurang Setuju, 4 = Tidak
Setuju, 5 = Sangat Tidak Setuju
13
RECODE
1. Klick Transform > Recode into same variables.
Masukkan item Q2, Q4, Q6 dalam kotak Numeric
variables.
14
RECODE
2. Klik Old and New Values.
Taip 5 dalam petak value di bawah Old value dan Taip 1
dalam petak Value di bawah New Value.
15
RECODE
3. Klik Add Taip 4 dalam petak value di bawah Old Value
dan Taip 2 dalam petak value di bawah New Value.
4. Ulangi langkah sampai (1 -> 5)……..
16
RECODE
5. Klik Continue > OK
6. Klik Save untuk fail data yang berkenaan
17
COMPUTE DATA
Bertujuan untuk mendapatkan nilai total
(ataupun nilai min) bagi item Q1 hingga
Q6 untuk mengukur tahap tidak puas hati
responden guru terhadap rakan sekerja
mereka. Biasanya dalam kajian sebenar,
penyelidik menggunakan nilai min (purata)
bagi mengukur tahap tidak puas hati
responden.
18
COMPUTE DATA
1. Klik Transform > Compute Variables
Taip pada kotak di bawah Target Variables dengan
satu nama pemboleh ubah baharu yang anda
rasa sesuai (contohnya Total_Q).
19
COMPUTE DATA
1. Klik Transform > Compute Variables
Taip pada kotak di bawah Target Variables dengan
satu nama pemboleh ubah baharu yang anda
rasa sesuai (contohnya Total_Q).
Function group > Statistikal > Sum / Mean
20
COMPUTE DATA
2. Masukkan item Q1 hingga Q6 supaya menjadi formula
berikut:
SUM(Q1+Q2+Q3+Q4+Q5+Q6)
3. Klik OK
21
22
DESKRIPTIF
Jantina:
1 =Lelaki, 2 =Perempuan
Bangsa:
1=Melayu, 2=Cina, 3=India, 4=Bumipitera Bukan Melayu,
5= Lain-lain
Pekerjaan:
1=Perkeranian, 2=Pengurusan, 3=Penyelenggaraan,
4=Akademik, 5=Profesional, 6=Kerja sendiri, 7=Perubatan,
8=Pekerja Mahir, 9=Tentera, 10=Menganggur
24
DESKRIPTIF
2. Klik Jantina, Bangsa, dan kategori kerja. Masukkan
dan kotak Variable(s).
25
DESKRIPTIF
3. Klik Statistics, pilih Frequencies,
4. Di bawah bahagian Central Tendency, klik Mode.
5. Klik Continue > OK
26
DESKRIPTIF (RESULT)
27
DESKRIPTIF (RESULT)
28
Analisis Tabulasi Silang
(Crosstab)
29
Analisis Tabulasi Silang
(Crosstab)
1. Klik Analyze > Descriptive Statistics > Crosstabs.
2. Masukkan Jantina Respondent dalam Kotak Row(s)
dan Bangsa dalam kotak Column(s)
3. Klik OK
30
Jadual Tabulasi Silang di atas membandingkan antara dua pemboleh
ubah iaitu jantina dan bangsa. Responden perempuan berbangsa Melayu
Adalah paling ramai iaitu 46 orang iaitu, 74.2% berbanding keseluruhan
respondent perempuan. Manakala, responden lelaki berbangsa Cina pula
ialah responden lelaki teramai iaitu 22 orang atau 39.3% berbanding
keseluruhan responden lelaki
31
Analisis Tabulasi Silang
(Crosstab) membina Carta
1. Klik Analyze >Descriptive Statistics > Crosstab…Klik OK
2. Klik Graphs > Legacy Dialogs > Bar, pilih Simple > .
Summaries for groups of cases
32
Analisis Tabulasi Silang
(Crosstab) membina Carta
3. Klik Define (Dalam kotak Category Axis masukkan
pemboleh ubah Kategori Kerja
4. Klik OK
33
Analisis Tabulasi Silang
(Crosstab) membina Carta
4. Klik OK
34
Analisis Tabulasi Silang
(Crosstab) membina Carta
5. Klik dua kali pada graf bar (anda boleh edit graf
berkenaan sama ada dengan menukar warna dan
sebagainya)
6. Klik File > Close (*Untuk copy graf ke msword, klik
kanan tetikus > buka msword > klik paste)
35
PROSEDUR SPSS BAGI UJIAN
KENORMALAN
Contoh di bawah menunjukkan data bagi 88 pelajar yang
baru menamatkan pengajian semester akhir di sebuah
universiti. Semua responden adalah bekas pelajar
sebuah politeknik yang memperoleh diploma masing-
masing. Responden terdiri daripada 45 lelaki (1= lelaki)
dan 43 perempuan (2=perempuan). Kesemua responden
direkodkan purata gred (PMK) bagi diploma dan ijazah
masing-masing.
Arahan: Buka Data Bab 10_Deskriptif 2.
Adakah data ini bertaburan normal?
36
PROSEDUR SPSS BAGI UJIAN
KENORMALAN
1. Klik Analyze >Descriptive Statistics > Explore
2. Masukkan PMK ijazah dalam kotak Dependent
List
3. Klik pada Plots. Tandakan Faktor level together,
Stem-and-leaf, Histogram, Normality plot with
test.
4. Klik Continue. Dalam kotak display, pastikan Both
diaktifkan
5. Klik Options. Dalam kotak Missing Value, klik
Excluded Cases Pairwise.
6. Klik Continue > OK
37
PROSEDUR SPSS BAGI UJIAN
KENORMALAN
Nilai kepencongan (skewness) dan kepuncakan (kurtosis)
sepatutnya antara +2 hingga -2 iaitu julat untuk data yang
bertaburan normal. Nilai kepencongan -0.237 dan nilai
kepuncakan 0.071, manakala nilai min dan median adalah
hampir sama menunjukkan data dikatakan bertaburan normal.
38
PROSEDUR SPSS BAGI UJIAN
KENORMALAN
Bagi Ujian kolmogorov-smirnov dan Ujian Shapiro-Wilk (untuk
sampel yang lebih besar dan melebihi 200) dalam jadual:
39
PROSEDUR SPSS BAGI UJIAN
KENORMALAN
Rajah yang menunjukkan taburan normal
40
PROSEDUR SPSS BAGI UJIAN
KENORMALAN
43
Analisis Kebolehpercayaan
Instrumen
• Keupayaan hubungan konsisten antara item
yang mengukur / membentuk satu construct
dalam sesuatu instrumen yang dibina dengan
tepat dan konsisten.
44
Analisis Kebolehpercayaan
Instrumen
• Terdapat 10 item bagi Skala Kawalan Emosi
iaitu item 1, item2, item3, item4, item5, item6,
item7, item8, item9, item10. tiap2 item diberi
skala respons antara 0 (sangat tidak setuju)
hingga skala respons 4 (sangat setuju).
47
Analisis Kebolehpercayaan Instrumen
HURAIAN:
1. Jadual Item statistics menunjukkan deskriptif statistik untuk
individual item, ciri keseluruhan dan hubungan antara
individual item dengan kesemua skala. Min (mean) skor
dalam jadual ini merujuk item yang sama dijawab oleh 50
orang responden. Misalnya, purata min skor ialah dalam
selang 1.98 untuk item 4 dan 5.
48
Analisis Kebolehpercayaan
Instrumen
49
Analisis Kebolehpercayaan
Instrumen
HURAIAN:
1. Jadual Scale statistics menunjukkan skala
keseluruhan dengan jumlah min skor untuk skala
ialah 21.26 dan sisihan piawai 8.106
50
Analisis Kebolehpercayaan Instrumen
HURAIAN :
1. Kolum pertama menunjukkan min skor keseluruhan skala
ialah 21.26 (rujuk Jadual Scale Statistic), jika item 1
dikeluarkan daripada skala maka skala menjadi 19.36.
2. Kolum kedua Scale Variance if item deleted jumlah varians
skala 65.707 akan menjadi 52.521 jika item 1 dikeluarkan.
3. Keadaan yang sama juga akan berlaku sekiranya item lain
dikeluarkan daripada skala. Begitu juga dengan kolum ketiga,
keempat dan kelima.
51
Analisis Faktor
1. Analisis faktor ialah satu teknik statistik multivariate
digunakan untuk mengurangkan faktor yang mempengaruhi
sesuatu pemboleh ubah supaya menjadi beberapa set
pemboleh ubah yang lebih kecil.
2. Teknik ini digunakan untuk meneroka set data yang besar
3. Andaian yang perlu dipatuhi sebelum analisis faktor
dilakukan. Antaranya:
a) Saiz sampel – minimum 5 item yang diperlukan bagi mengukur
setiap pemboleh ubah. Saiz sampel melebihi 200 adalah lebih
baik.
b) Kenormalan – analisis faktor kuat berpegang kepada andaian
kenormalan.
c) Kelinearan - analisis faktor berasaskan korelasi. Kelinearan
amat penting dan perlu dipatuhi.
d) Outliers atau data terpencil – item yang ada kes outliers perlu
dikeluarkan terlebih dahulu. 52
Analisis Faktor
SOALAN:
Set data mengandungi keputusan daripada pengumpulan
data menggunakan soal selidik terhadap 85 orang isteri yang
ditanya tentang sejauh mana mereka menggunakan 10
pendekatan berbeza yang diambil terhadap masalah
pergolakan rumah tangga yang dialami.
Setiap item mengandungi respons skala 4-mata, dengan
1= Tidak pernah mencuba kaedah ini, 2= kadang-kadang
menggunakan kaedah ini, 3= agak kerap menggunakan
kaedah ini, 4= sangat kerap menggunakan kaedah ini. 10
item dalam soal selidik adalah seperti berikut:
55
Analisis Faktor
57
Analisis Faktor
•Kriteria lain boleh ditentukan
oleh plot bagi eigenvalue, iaitu
dikenali sebagai scree test.
•Bilangan faktor ditentukan
oleh nilai eigen dalam
bahagian plot yang menurun
tajam sebelum nilai eigen
mula mendaftar.
•Kriteria ini menghasilkan
keputusan yang lebih tepat
berbanding kriteria nilai eigen
lebih besar daripada 1.
•Berasaskan scree plot di
bawah, dapat merumuskan
bahawa hanya dua faktor
harus dikira (rotated)
58
Analisis Faktor
LANGKAH:
60
Analisis Faktor
• Jadual menunjukkan komunaliti
bagi item-item dan didapati nilai
item kebanyakanya adalah tinggi.
62
Analisis Faktor
66
ANALISIS RESPONS BERGANDA
Contoh:
68
Analisis Dikotomi Berganda
Arahan: Buka Data Bab 12_Dikotomi Berganda.
1.Klik Analyze > Multiple Responses > Define variable set
2.Masukkan sbb1, sbb2, sbb3, sbb4, sbb5, sbb6, sbb7, sbb8,
sbb9, sbb10, sbb11 dalam kotak Variable in set.
3.Klik pada Dichotomies. Masukkan nilai 1 dalam Counted
value. Dalam kotak Name; taip nama yang sesuai (e.g.
Rumah_tangga) dan dalam kotak dan Label; taip nama yang
sesuai perihal pemboleh ubah ini. (contoh :Konflik rumah
tangga)
4.Klik Add. Pemboleh ubah $Rumah_tangga akan dihantar ke
kotak Multiple Response Sets.
5.Klik Close.
6.Pilih Klik Analyze > Multiple Responses >Freq foruencies
7.Masukkan Konflik Rumah Tangga ke dalam Kotak Table(s)
8.Klik OK. 69
ANALISIS DIKOTOMI BERGANDA
70
ANALISIS DIKOTOMI BERGANDA
• Jadual case summary di atas menunjukkan seramai 30
responden yang diambil untuk memberi respons
berkaitan Punca Konflik Rumah Tangga.
• Walaubagaimanpun, jumlah keseluruhan respons ialah
81 kerana setiap responden dibenarkan memberi lebih
daripada satu respons seperti yang dialami oleh
responden sendiri.
• Jadual frekuensi bagi set dikotomi berganda
menunjukkan pemboleh ubah suami bengis adalah yang
paling kerap dipilih sebagai faktor konflik rumah tangga
iaitu sebanyak 14.8% daripada jumlah respons, diikuti
oleh faktor suami ada wanita lain dan suami tidak
memberi nafkah (13.6%).
71
PROSEDUR UJIAN- T
Contoh:
Seorang pengetua sekolah ingin mengetahui nilai min (purata)
markah ujian percubaan bagi subjek matematik. Seramai 30
pelajar diambil sebagai responden. Mengikuti rekod ujian
percubaan yang sama tahun lepas, pelajar kelas ini mendapat
purata markah ialah 50.
Soalan Kajian:
Adakah min markah ujian percubaan bagi subjek matematik
ialah bersamaan 50?
PROSEDUR UJIAN- T SATU
SAMPLE
ARAHAN: Buka Data Bab13_ujian t(a)
Contoh:
Sekumpulan pelatih seramai 30 orang bagi acara larian pecut
100 meter dipilih dari populasi untuk menentukan sama ada
program latihan insentif selama dua bulan mampu
meningkatkan prestasi larian mereka. Untuk menguji sama
ada larian mereka (dalam ukuran saat) sebelum latihan
intensif itu dimulakan, dan kemudian masa larian dicatatkan
sekali lagi sebaik sahaja tamat latihan intensif selama dua
bulan.
PROSEDUR UJIAN-T SAMPEL
BERPASANGAN
Contoh 1:
Seorang doktor ingin mengetahui sama ada salah satu
daripada tiga jenis ubat yang digunakan untuk melegakan
kesakitan itu adalah lebih baik (skor kesakitan yang lebih
rendah) berbanding ubat yang lain. Oleh itu, tanpa
kumpulan kawalan beliau melakukan ujian ANOVA sehala
dengan menggunakan nilai 1 untuk jenis ubat 1, 2 untuk
jenis ubat 2, 3 untuk jenis ubat 3. Tahap kesakitan akan
diberi skor 0 hingga 100 (skor lebih kecil mewakili
kesakitan lebih rendah)
PROCEDURE ANALISIS VARIANS
SEHALA
Contoh 2:
Seorang pengurus mencadangkan meningkatkan kecekapan para
pekerjanya menggunakan komputer dalam urusan kerja dengan
menghantar mereka mengikuti kursus kemahiran komputer. Kursus
tersebut diadakan di tiga tempat berlainan dan setiap tempat
menggunakan kaedah pengajaran yang berbeza. Syarikat telah
menghantar 20 orang pekerja. Apabila pekerja tersebut selesai
mengikuti kursus tersebut, syarikat telah memberikan tugasan untuk
mereka selesaikan menggunakan kemahiran komputer yang dipelajari.
Pengurus membandingkan kemahiran pekerja berdasarkan tiga
kaedah kursus untuk melihat perbezaan min masa yang diambil untuk
menyelesaikan masalah tersebut Pengurus melakukan analisis
ANOVA sehala dengan menggunakan nilai 1 untuk pekerja yang
mengikuti khusus 1, nilai 2 untuk pekerja mengikuti khusus 2 dan nilai 3
untuk pekerja mengikuti khusus 3. Masa (dalam minit) dicatatkan
apabila setiap pekerja berjaya menyelesaikan masalah yang diberi.
Arahan:
Buka Bab 14_Data ANOVA Sehala.
PROCEDURE ANALISIS VARIANS
SEHALA
1. Klik Analyze > Compare Means > One-Way Anova.
2. Klik Masa dan masukkan dalam kotak Dependent
List. Klik Kaedah dan masukkan dalam kotak Factor.
3. Klik pada butang “Option..”. Tanda pada
“Descriptive”, “Homogeneity of Variance” dan
“Welch”.
4. Klik butang “Continue”.
5. Klik butang “Post Hoc..”. Tanda pada kotak “Tukey”
dan “Games Howell”.
6. Klik “Continue” .
7. Klik “OK”.
PROCEDURE ANALISIS VARIANS
SEHALA
PROCEDURE ANALISIS VARIANS
SEHALA
PROCEDURE ANALISIS VARIANS
SEHALA
PROCEDURE ANALISIS VARIANS
SEHALA
Soalan Kajian:
1. Perbezaan min: Adakah wujud perbezaan jumlah jualan antara
jurujual lelaki dengan jurujual wanita?
2. Hubungan antara pemboleh ubah: adakah wujud hubungan antara
jumlah jualan antara jurujual lelaki dan wanita berdasarkan
pengalaman kerja sebagai jurujual?
Arahan:
Buka Bab 14_Data ANCOVA Sehala.
PROCEDURE ANALISIS
KOVARIANS (ANCOVA) SEHALA
103
ANALISIS KORELASI DAN
REGRESI
1. ANALISIS KORELASI
2. ANALISIS REGRESI BERGANDA
(CHEK)
PROSEDUR ANALISIS KORELASI
Arahan:
Buka Bab 15_Data Korelasi 1.
111
PROSEDUR ANALISIS REGRESI
BERGANDA
12. Klik “Continue”.
13. Klik “Save”.
14. Dalam kotak Distance, pilih Mahalanobis dan Cook’s.
15. Dalam kotak Residuals, pilih Standardized dan Studentized.
112
PROSEDUR ANALISIS REGRESI
BERGANDA
16. Klik “Continue”.
17. Klik Option. Tandakan pada Excluded cases pairwise
18. Klik “Continue”.
19. Klik OK
113
PROSEDUR ANALISIS REGRESI
BERGANDA
7. Klik “Continue”.
8. Klik “Plots”.
9. Klik *ZRESID. Masukkan item ini dalam kotak Y:
10. Klik *ZPRED. Masukkan item ini dalam kotak X:
11. Dalam kotak Standardized Residual Plots, Pilih Normal
probability plot.
12. Klik “Continue”.
13. Klik “Save”.
14. Dalam kotak Distance, pilih Mahalanobis.
15. Klik “Continue”.
16. Klik “OK”.
114
PROSEDUR ANALISIS REGRESI
BERGANDA
115
PROSEDUR ANALISIS REGRESI
BERGANDA
• Nilai Variance Inflation
Factor (VIF) ialah 1.798
iaitu antara nilai 1 dan
10 yang menunjukkan
tiada masalah
multikorlineariti.
• Nilai Tolerance pula
melebihi 0.1
116
PROSEDUR ANALISIS REGRESI
BERGANDA
120
PROSEDUR ANALISIS REGRESI
BERGANDA
• Jadual correlation menunjukkan
korelasi antara pemboleh ubah-
pemboleh ubah dikaji.
125