PT 20803 : ANALISIS DATA

Kuliah 4
PENYARINGAN DATA
UNIVERSITI MALAYSIA SABAH

Pengenalan
Teknik menyaring dan transformasi data bertujuan untuk
memastikan:
tiada kesilapan memasukkan data; dan
pembolehubah adalah bertaburan secara normal, kerana:
- Taburan yang mengherot secara ekstrem boleh mempengaruh
validiti/ kesahan keputusan analisis;
- Taburan yang mengherot perlu ditransformasikan sebelum
membuat analisis lebih lanjut atau; dan
- Data sedemikian dicadangkan dianalisis dengan menggunakan
teknik bukan parametrik (nonparametric).

Kesilapan Memasukkan Data

Data mesti disaring terlebih dahulu sebelum melakukan analisis
lebih lanjut.
Data yang tersilap dimasukkan boleh dikenalpasti dengan
command Frequencies atau Descriptives dan pembetulan
kemudian dibuat difail data.

Penyaringan Data

Pilih menu
Analyze
Klik pada
Descriptive
Statistics dan
kemudian
Frequencies
atau Descriptive

Penyaringan Data
Pilih
pembolehubah
yang hendak
disemak atau
disaring
Klik butang
untuk
memindahkan
pembolehubah
itu ke kotak
Variable(S):

Penyaringan Data

Klik OK
Output

Memperbetulkan Data yang

Silap Dimasukkan
Data yang silap dimasukkan mesti diperbetulkan sebelum
analisis lebih lanjut kerana data sedemikian boleh mempengaruhi
kesahan keputusan analisis.
Catat semua kesilapan yang berlaku: pada pembolehubah yang
mana satu (Contoh: item umur) dan apa kesilapannya (Contoh:
kesilapan memasukkan nilai 2).
Semak soal selidik asal untuk mengenalpasti apakah
sebenarnya yang dijawab oleh subjek bagi item berkenaan.
Catat data yang betul kemudian barulah buat pembetulan di fail
data.

Memperbetulkan Data

pilih Data View

Letak cursor pada

pembolehubah yang
mana kesilapan
telah dikenalpasti
Pilih menu Edit

Memperbetulkan Data

Buat
pembetulan.
Ulangi
penyemakan
data sehingga
tidak lagi terdapat
kesilapan yang
sama pada
pembolehubah
berkenaan.

Menilai Normaliti
Banyak teknik statistik inferensi memerlukan normaliti pada
pembolehubah sebagai pra-syarat.
beberapa cara grafik untuk menilai normaliti data:
Histogram, Stem-and-leaf plot, Boxplot, Normal probability plot,
Detrended normal plot
beberapa cara statistik untuk menilai normaliti data:
Kolmogorov-Smirnov, dengan tahap signifikan Lilliefors dan
statistik Shapiro-Wilk.
Skewness
Kurtosis

Menilai Normaliti

Pilih menu
Analyze
Klik Descriptive
Statistics dan
kemudian
Explore untuk
membuka kotak
Explore

Menilai Normaliti
Pilih pembolehubah
yang hendak dinilai
normalitinya
(pembolehubah bentuk
kategori tidak perlu
dinilai)
Klik Plots untuk
membuka kotak
Explore: Plots dan
Klik kotak Histogram
dan Normality plots
with tests dan
pastikan Factor levels
together juga telah
dipilih dalam Boxplots

Menilai Normaliti
Dalam kotak Display,
pastikan Both adalah aktif

Klik Options untuk

membuka kotak Explore:
Options
Dalam kotak Missing
Values, klik butang
Exclude cases pairwise
Klik Continue, Klik OK

Output

Skewness dan Kurtosis

merujuk kepada bentuk taburan dan hanya digunakan pada
data tahap sela dan nisbah.
adalah kosong jika taburan adalah normal sempurna.

Nilai positif bagi skewness menunjukkan taburan herot positif.

Nilai positif bagi kurtosis menunjukkan taburan itu adalah
memuncak (leptokurtic).
Nilai negatif bagi skewness menunjukkan taburan herot negatif.
Nilai negatif bagi kurtosis menunjukkan taburan itu adalah
merata (platykurtic).