Anda di halaman 1dari 17

BAB 9

ANALISIS DATA

OBJEKTIF BAB

Selepas mempelajari bab ini, anda seharusnya dapat:


Menerangkan jenis data yang sering ditemui dalam
1.
penyelidikan sains sosial.
Menerangkan kemahiran menggunakan system pengkodan
2.
data secara kualititif dan kuantitatif.
Mengenal pasti beberapa metod analisis statistik dan cara
3.
mempersembahkan dan penyelidikan.
Mengaplikasi beberapa metod analisis bersesuaian dengan
4.
tujuan kajian dan data yang diperolehi dalam penyelidikan.
9.1

PENGENALAN

Setelah anda mengumpulkan data penyelidikan melalui berbagai-bagai


cara pengumpulan data yang dibincangkan dalam beberapa bab sebelum
ini, bab ini akan memandu anda untuk menganalisis data kajian anda.
Untuk analisis data, Drew & Hardman (1985) dalam bukunya berjudul
Designing Conducting Behavioral Research menegaskan bahawa adalah
suatu yang amat wajar untuk menghubungkaitkan di antara reka bentuk
penyelidikan yang telah anda pelajari dengan metod analisis data. Oleh
kerana di dalam proses penyelidikan, tahap-tahap daripada perancangan
penyelidikan, mereka bentuk kajian, membina soal selidik dan proses
pengumpulan data seharusnya menjurus kepada teknik analisis data dan
statistik yang sesuai digunakan supaya tujuan dan pernyataan kajian dapat
dijawab dengan tepat.
Modul ini cuba membincangkan cara data dan maklumat boleh diproses
dan dianalisis bersesuaian dengan bentuk dan format soal selidik atau
ujian yang digunakan.
9.2

DEFINISI ANALISIS DATA

Mengikut Kerlinger (1986) analisis makna mengkategorikan data,


meringkaskan, menyusus dan memanipulasi data yang diperolehi untuk
139

menjawab pernyataan kajian, andaian dan hipotesis kajian. Data yang


besar dan banyak perlu diolah secara sistematik sehingga ia mampu
untuk diinterprestasi dan dapat menggambarkan hubungan apa yang
dikaji dan diuji dalam penyelidikan. Metod analisis statistik mampu
memanipulasi dan meringkaskan data berbentuk numerik bagi
membuktikan sama ada yang dijangka oleh penyelidik wujud atau tidak
berdasarkan kepada data yang dikumpul. Namun demikian, terdapat juga
maklumat yang bersifat kualitatif dan perlu diperihal dan dianalisis untuk
menggambarkan perkara yang dikaji.
9.3

JENIS DATA

Sebelum anda didedahkan dengan metod analisis data, elok sekiranya kita
bincangkan jenis data yang diperolehi dalam penyelidikan untuk
dianalisis. Sebelum ini kita telah didedahkan dengan 4 jenis data
mengikut skala pengukuran iaitu data nominal, ordinal, sela dan nisbah.
Kita juga sebenarnya boleh mengkategorikan data tersebut kepada dua
kategori, iaitu (1) data kuantitatif, dan (2) data kualitatif. Bab ini akan
membincangkan dua jenis kategori data ini. Untuk mengetahui perbezaan
data kuantitatif dengan data kualitatif, While dan While (1997)
membincangkannya seperti berikut:
9.3.1

Data Kuantitatif

Apabila sesuatu unit pembolehubah diwakili oleh angka dan boleh dikira,
maka pembolehubah tersebut mempunyai data kuantitatif. Angka
tersebut dimiliki oleh setiap kes atau subjek yang terlibat dalam kajian.
Sebagai contoh ialah data berat badan subjek yang menjadi responden
kajian. Contoh data yang lain ialah markah, skor prestasi, motivasi,
kekerapan hadir kuliah dan lain-lain. Data kuantitatif adalah jenis diskrit
dan selanjar. Ia mempunyai struktur aritmatik. Berikut ialah contoh data
kuantitatif iaitu motivasi pelajar.
95
116
125
117
116
112

9.3.2

Markah Motivasi Pelajar Universiti


30
120
140
118
126
132

128
129
132
117
111
101

Data Kualitatif

Apabila unit pembolehubah menggambarkan kenyataan atau kod maka


pembolehubah tersebut dikategorikan sebagai data kualitatif. Data yang
menunjukkan jantina, tempat tinggal, kumpulan etnik, bahan bacaan
140

yang digemari, kenyataan BENAR atau SALAH terhadap sesuatu isu


adalah di antara contoh data kualitatif.
Apakah bahan bacaan yang anda gemari:
___________
___________
___________
___________
___________
___________

Buku cerita
Novel
Akhbar
Majalah
Komik
Lain-lain

Data kualitatif mempunyai susunan sub kelas atau kategori, contohnya


sub kelas sangat tidak setuju, tidak setuju dan sangat setuju.
Kesimpulannya, untuk mengenal pasti sama ada unit pembolehubah yang
dikaji mempunyai data kuantitatif atau kualitatif, ia bergantung kepada
sama ada ia menggambarkan angka secara selanjar ataupun ia hanyalah
sebagai kod ataupun kenyataan. Data selanjar merupakan data kuantitatif.
Di tahap ini, akan dikehendaki mampu mengenal pasti kedua-dua data ini
kerana aplikasi analisis statistik memerlukan kemahiran ini. Ada analisis
yang hanya sesuai untuk data kualitatif sahaja dan tidak sesuai bagai data
kuantittaif dan begitu juga sebaliknya.

SOALAN DALAM TEKS 9.1


1. Apakah yang dimaksudkan dengan analisis data dan
berikan dua jenis data yang sering digunakan dalam
penyelidikan?
2. Terangkan perbezaan di antara data kuantitatif
dengan data kualitatif.
Semak jawapan anda di akhir bab ini.
9.4

KOD ANGKA

Anda pastinya ingin membuat analisis data dengan menggunakan


komputer. Dalam pasaran hari ini, terdapat berbagai-bagai pakej
komputer analisis statistik. Dalam modul ini kita hadkan perbicangan
kepada pakej analisis statistik SPSS yang terdapat dalam komputer
141

peribadi. Pakej ini bernama SPSS for Windows. Versi baru tahun ini ialah
Versi 11.0. Perkataan SPSS merujuk kepada Statistical Package for Social
Sciences.
Pakej statistik boleh memahami data numeric dalam bentuk angka dan
bukan numeric. Perbincangan dalam modul ini lebih menekankan kepada
data numerik yang anda masukkan dalam komputer. Nombor atau nilai
numerik boleh juga digunakan untuk menggambarkan nilai data
kualitatif. Nombor itu sebenarnya adalah kod yang mewakili setiap aras
pembolehubah kualitatif. Penggunaan nombor melibatkan proses yang
dipanggil sebagai system pengkodan. Sebagai contoh, jenis bahan bacaan
yang dinyatakan di atas boleh diberikan kod iaitu nombor 1 kepada
cerita, 2 kepada novel dan sebagainya seperti berikut:Nilai Kualitatif
Buku Cerita
Novel
Akhbar
Majalah
Komik

Nombor Kod
1
2
3
4
5

Kod kepada data kuanlitatif hanya untuk membeza-bezakan aras atau


jenis kategori.Ia tidak membawa sebarang pemberat seperti mana data
kuantitatif. Kod 2 tidak boleh dikatakan lebih besar daripada kod 1,
begitu juga kod 5 tidak bermakna lebih besar daripada 4 dan sebagainya.
Kod pembolehubah jantina misalnya boleh menggunakan 1 untuk lelaki
dan 2 untuk perempuan. Ia boleh diubah menjadi kod 1 untuk
perempuan dan kod 2 untuk lelaki.
Jantina
Lelaki
Perempuan

9.5

Kod
1
2

Atau Kod
2
1

PENGKODAN DATA UNTUK ANALISIS

Pengkodan kepada soal selidik jenis tertutup agak mudah kerana pilihan
jawapan telah diberikan. Bagi soal selidik jenis terbuka system kod boleh
dibuat selepas daripada praujian soal selidik. Contoh jawapan yang beri
oleh responden semasa praujian dapat ditentukan. Namun demikian,
kategori jawapan mungkin bertambah dalam masa pengumpulan data
sebenar. Oleh kerana itu, system kod boleh ditambah selepas proses
pengumpulan data.
Pengkodan data bergantung besar kepada format soal selidik atau ujian
yang digunakan. Berikut ditunjukkan beberapa contoh sistem kod yang
biasa digunakan mengikut jenis soalan.
142

1.

Jawapan jenis dua pilihan

Soal selidik atau ujian yang menggunakan dua pilihan jawapan mudah
diberikan kod, contohnya kod 1 dan 0 atapun kod 1 dan 2. Sebagai
contoh lihat contoh berikut:
Pembolehubah / Item
1. Jantina
2. Virus HIV boleh berjangkit melalui suntikan
3. Saya suka mengurus waktu dengan baik

Jawapan
Lelaki
Perempuan
Salah
Benar
Tidak
Ya

Kod
0
1
1
2
0
1

Berikut merupakan kod jawapan ujian piawai Penghargaan Kendiri yang


menggunakan dua pilihan jawapan ataupun format jawapan binari YA
dan TIDAK.
1.
2.
3.
4.
5.
6.

Saya menghabiskan banyak waktu berangan-angan


Kawan lelaki dan perempuan suka bermain dengan saya
Saya suka menghabiskan banyak waktu berseorangan
Saya berpuas hati dengan kerja sekolah saya
Saya sentiasa merasa seronok bersama ibu saya
Ibu bapa saya tidak pernah memarahi saya

Ya (1)
__________
__________
__________
__________
__________
__________

Tidak (0)
___________
___________
___________
___________
___________
___________

Kenyataan di atas mengandungi item positif dan negatif dan sistem


permarkatannya seperti berikut:
Item
Item Positif
2
4
Item Negatif
1
2

Jawapan
5

YA

TIDAK

Jika anda menggunakan pakej statistik untuk dianalisis, eloklah sekiranya


anda memasukkan data mengikut sebagaimana jawapan responden, iaitu
1 bagi jawapan YA dan 0 bagi jawapan TIDAK untuk semua item. Cara
ini lebih mudah dan tidak mengelirukan. Dalam masa membuat analisis,
anda perlu menyatakan kepada system bahawa pengkodan itu perlu
diubah atau RECODE bagi item negatif. Kod item negatif bagi jawapan
TIDAK menjadi 1 dan jawapan YA menjadi 0.

143

2.

Jawapan pelbagai pilihan

Soal selidik yang menggunakan pelbagai jawapan sama ada ia berformat


skala Likert ataupun beberapa pilihan yang menyediakan jawapan
menggunakan kod kepada jawapan berdasarkan pilihan jawapan yang
dibekalkan. Contoh yang ditunjukkan di bawah menggunakan 4 dan 5
pilihan jawapan. Sistem pengkodan ini boleh digunakan kepada sebarang
ujian piawai yang digunakan dalam penyelidikan.
1.

2.

Pembolehubah / Item
Ibu sering menggalakkan saya untuk
belajar bersungguh-sungguh.

Etnik

Jawapan
Sangat tidak setuju
Tidak setuju
Tidak pasti
Setuju
Sangat Setuju
Melayu
Cina
India
Lain-lain

Kod
1
2
3
4
5
1
2
3
4

Apabila soal selidik atau ujian piawai yang digunakan mengandungi item
positif dan negatif, sistem pemarkatannya yang berikut akan digunakan:
Jawapan
Sangat setuju
Tidak setuju
Tidak pasti
Setuju
Sangat setuju

Markah Item Positif


1
2
3
4
5

Markah Item Negatif


5
4
3
2
1

Seperti yang dinyatakan di atas, anda masukkan data mengikut apa yang
djawab oleh responden. Sebagai contoh, masukkan 1 bagi jawapan sangat
tidak setuju, 2 tidak setuju dan seterusnya hingga 5 kepada jawapan
sangat setuju. Tetapi harus diingat, semasa membuat program analisis
anda harus memberitahu perubahan kod bagi tem negatif sebagaimana
yang diterangkan di atas. Dalam kes kod 1 ditukarkan atau RECODE
kepada kod 5, kod 2 kepada kod 4 dan seterusnya.
3.

Soal selidik jenis terbuka

Jawapan kepada soal selidik terbuka juga memerlukan sistem pengkodan


lebih-lebih lagi jika ia ingin dianalisis dengan menggunakan pekej statistik
komputer. Sistem pengkodan kepada soalan yang menghasilkan data
selanjar dan bersifat angka atau numerik tidaklah begitu rumit. Masukkan
sahaja nilai tersebut sebagai data. Oleh kerana itu apabila membina soal
selidik, pembolehubah yang sifatnya selanjar dan kuantitatif, bina soal
selidik terbuka dan minta responden mengisi nilai sebenar kerana skala
144

pengukurannya adalah jenis sela atau nisbah. Adalah rugi jika kita
gunakan soalan tertutup dan memberi kategori. Manipulasi statistik tidak
dapat dibuat jika ia menjadi data kategori. Sebagai contoh:
Umur:
Pendapatan: RM
PMK:

9.6

tahun

BUKU KOD

System pengkodan akan lebih jelas dan mudah dijadikan sebagai panduan
bagi memasukkan data ke dalam komputer jika keseluruhan system kod
dan markah disediakan dalam bentuk kod dan seterusnya untuk tujuan
analisis data. Di dalam buku kod penyelidik menyediakan senarai kod
yang digunakan bagi mewakili jawapan kepada soal selidik dan
pembolehubah yang dikaji. Sekiranya data dianalisis dengan pakej
komputer, buku kod mampu menerangkan kedudukan pembolehubah
mengikut lajur yang terdapat dalam data fail.

Jadual 9.1 berikut menunjukkan contoh buku kod:


Nama Pembolehubah
1.
2.

Nombor responden
JANTINA

3.
4.

UMUR
ETNIK

5.

JKERJA

6.

TPEND

Kod Jawapan
Pembolehubah

BAHAGIAN B Ujian Piawai: Personaliti


B1 to B54
Item 1 hingga item 54

BAHAGIAN C Ujian Piawai: Kendiri


C1 to C42
Item 1 hingga Item 42

145

atau

Value

Label

Lelaki
Perempuan
Angka sebenar yang diisi responden
Melayu
Cina
India
Lain-lain
1. Polis Diraja Malaysia
2. Operator Pengeluaran
1. Darjah 1 hingga 6
2. Tingkatan 1 hingga 3
3. Tingkatan 4 hingga 5
4. Tingkatan 6
5. Diploma
6. Ijazah
1.
2.
3.
4.
5.

Sangat Setuju
Setuju
Tidak Pasti
Tidak Setuju
Sangat Tidak Setuju

0.
1.

Tidak
YA

BAHAGIAN D Ujian Piawai: Penilaian Prestasi Kerja


1. Sangat Tidak Memuaskan
D1 to C14
2. Kurang Memuaskan
Item 1 hingga Item 14
3. Sederhana
4. Baik
5. Sangat Baik
6. Sangat Cemerlang

SOALAN DALAM TEKS 9.2

1.
2.

Apakah yang dengan sistem pengkodan data


dalam penyelidikan?
Apakah yang dikatakan buku kod dan apakah
kebaikannya dalam penyelidikan.

Semak jawapan anda di akhir bab ini.

9.7

METOD ANALISIS STATISTIK

Data perlu dianalisis dengan menggunakan metod analisis statistik yang


paling sesuai dan tepat untuk mempastikan keputusan yang dilaporkan
tepat dan sah. Untuk memilih metod analisis statitisk yang sesuai ia
bergantung kepada beberapa perkara, antaranya ialah:
i)
ii)
iii)
iv)
v)
vi)

Tujuan kajian,
Hipotesis atau andaian,
Jenis data sama ada jenis kategori atau selanjar,
Andaian dalam taburan populasi sama ada normal ataupun tidak
normal dan keadaan variansnya,
Sampel sama ada jenis sampel bebas ataupun sampel
berhubungan, dan
Teori yang dijadikan asas atau kerangka ujian.

Sekarang kita akan membincangkan beberapa method analisis data dan


bagaimana mempersembahkan data berdasarkan tujuan kajian. Kita
mulakan dengan kajian yang berminta untuk melihat perbandingan.

146

9.8

ANALISIS PERBANDINGAN

Analisis perbandingan sering menjadi minat penyelidik dan banyak


digunakan. Modul ini akan memulakan perbincangan dengan dua jenis
analisis perbandingan iaitu (1) perbandingan menggunakan min dan (2)
perbandingan menggunakan peratus.
9.8.1

Analisis Perbandingan Dua Min

Sebagai contoh, katakan anda berminat untuk meneliti perbezaan


motivasi di kalangan pekerja di sektor swasta dan sektor kerajaaan. Dua
buah organisasi dipilih sebagai sampel. Hipotesis yang anda boleh bina
sebagai hipotesis pilihan tidak terarah ialah:
Terdapat perbezaan min motivasi kerja di antara pekerja yang
bertugas di jabatan kaerajaan dengan pekerja di sektor swasta.

Data yang diperolehi adalah hasil tadbiran satu ujian motivasi kerja secara
piawai mengandungi 40 item. Sebagaimana yang dinyatakan di atas
metod analisis yang ingin digunakan bergantung kepada beberapa syarat
yang telah ditetapkan. Sebagai penyelidik kita mesti meneliti syarat
tersebut.
Katakanlah data motivasi kerja yang kita perolehi adalah data jenis
selanjar. Andaian yang boleh kita buat ialah taburan markah motivasi
kerja dalam populasi adalah normal. Oleh kerana itu statistik yang sesuai
digunakan ialah statistik parametrik. Analisis yang kita gunakan dapat
ditentukan berdasarkan panduan yang ditunjukkan dalam kotak berikut:
Sampel
Bebas
Bebas

Data
Selanjar (normal)
Selanjar

Varians
Sama atau seragam
Tidak sama

Berhubungan

Selanjar

Sama

Metod statistik
Ujian t (biasa)
Ujian t formula Cochran
& Cox
Ujian
t
formula
Satterthwaite
Ujian t formula Welch
Aspin
Ujian
t
sampel
berhubungan

Dalam contoh di atas, anda berminat untuk melihat perbezaan min


motivasi kerja kumpulan pekerja sector kerajaan dan swasta. Varians data
motivasi kerja dua kumpulan pekerja tersebut adalah sama atau seragam.
Berdasarkan ciri-ciri yang terdapat pada data dan populasi yang dikaji,
metod analisis statistik yang sesuai ialah ujian-t biasa dengan
menggunakan taburan persampelan Student t.
147

Apabila data dua kumpulan A dan kumpulan B berhubungan contohnya


seperti data personaliti yang diperolehi daripada kanak-kanak bersamasama dengan data personaliti ibu bapa data tersebut dianggap
berhubungan. Data kumpulan A ialah data personaliti kanak-kanak dan
data personaliti ibubapa mereka menjadi data kumpulan B. Untuk
meneliti perbezaan kedua data personaliti tersebut, Ujian t sampel
berhubungan digunakan. Pakej komputer SPSS for Windows
menyediakan analisis yang berbeza. Contoh arahan dalam tetingkap SPSS
ditunjukkan di bawah.
Tujuan Analisis
Perbandingan min dua sampel bebas
Perbandingan
berhubungan

min

dua

Arahan Ttingkap dalam SPSS

sample

Analyze
Compare Means
Independent Sample T Test
Analyze
Compare Means
Pairs Sample T Test

Sekiranya data motivasi kerja yang anda dikaji, varians dua kumpulan itu
berbeza, maka data tersebut menyimpang daripada andaian keseragaman
varians dalam taburan populasi. Ujian t biasa tidak sesuai digunakan.
Ujian t yang sesuai digunakan ialah seperti yang dicadangkan oleh Welch
Aspin (lihat Marascuilo, 1971, m.s. 262), Satterthwaite (1946) ataupun
formula Cochran & Cox (1957). Pakar-pakar analisis data ini
mengubahsuai formula mendapatkan nilai darjah kebebasan (dk). Untuk
mendalami metod ini anda boleh merujuk buku statistik seperti yang
ditulis oleh Hinkle, Wiersma & Jurs (1988) yang berjudul Applied Statistics
for The Behavioral Sciences.
9.8.2

Analisis Perbandingan Peratus

Seringkali penyelidik memperolehi data nominal yang berbentuk


kekerapan ataupun peratus. Contohnya, bilangan orang Melayu yang
membeli kereta jenis Honda berbanding dengan bukan Melayu yang
membeli kereta tersebut. Data bilangan menggambarkan kekerapan dan
ia boleh dijadikan peratus. Kotak berikut dijadikan panduan untuk
menganalisis data peratus.
Sampel
Bebas
Bebas

9.8.3

Data
Peratus
Peratus

Metod statistik
Statistik deskriptif, carta dan grafik
Statistik z, carta dan geraf

Analisis Hubungan Dua Pembolehubah

Anda mungkin berminat untuk membuat kajian untuk melihat hubungan


di antara satu pembolehubah dengan pembolehubah yang lain. Sebagai
148

contoh anda berminta untuk mengetahui adakah motivasi kerja


mempunyai hubungan dengan produktiviti kerja kerana terdapat teori
motivasi yang pernah membincangkan hubungan dua pembolehubah
tersebut. Hipotesis yang boleh anda bina boleh bersifat tidak terarah
ataupun hipotesis nul kerana maklumat yang diperolehi daripada kajian
lepas menyerankan kepada keadaan sedemikian. Hipotesis yang dibina
boleh dinyatakan seperti berikut:
Tidak terdapat hubungan antara motivasi kerja produktiviti kerja.

Jika kedua-dua motivasi kerja dan produktiviti kerja bersifat selanjar,


hipotesis yang anda bina itu boleh diuji dengan metod korelasi formula
Pearson satu hujungan.
Terdapat penyelidik yang gemar mengkategorikan pembolehubah yang
asalnya bersifat selanjar. Sebagai contoh, data motivasi kerja yang sifatnya
dan mempunyai ciri data yang terbaik, dikategorikan sebagai motivasi
tinggi, sederhana dan rendah mengikut kriteria dan rendah mengikut
kriteria dan nilai teori yang penyelidik tentukan. Amalan ini kurang sesuai
kerana data yang cirinya terbaik diturun martabatnya sebagai data
kategori. Namun, ia masih boleh digunakan untuk tujuan-tujuan tertentu
yang sesuai.
Jika pembolehubah motivasi kerja ingin dikorelasikan dengan
produktiviti kerja, maka data produktiviti kerja juga dikategorikan. Dalam
konteks ini, penyelidik telah menukar reka bentuk kajian menjadi seperti
berikut yang disebut sebagai cross-tabulation. Data yang terdapat dalam set
kotak kontingensi berikut adalah kekerapan atau bilangan pekerja
mengikut kategori.

Produktiviti kerja
Tinggi
Sederhana
Rendah

Tinggi

Motivasi kerja
Sederhana
Rendah

Metod analisis statistik yang sesuai digunakan untuk melihat hubungan di


antara motivasi kerja dengan produktiviti ialah Khi Kuasadua (X2).
Statistik Khi Kuasadua seterusnya digunakan untuk melihat sama ada dua
pembolehubah yang dikaji itu bebas atau tidak. Sekiranya dua
pembolehubah tersebut tidak bebas maka pembolehubah tersebut
dikatakan berasosiasi di antara satu sama lain.
149

Sebagaimana yang telah anda ketahui bahawa pemilihan metod analisis


statistik bergantung kepada jenis data yang dimiliki oleh pembolehubah
yang dikaji. Jadual 9.2 berikut diberi untuk menunjukkan apakah jenis
metod analisis statistik yang sesuai digunakan untuk melihat hubungan
dua pembolehubah (X dan Y) bergantung kepada jenis-jenis data
pembolehubah tersebut.
Jadual 9.2
Metod Statistik untuk Melihat Hubungan Pembolehubah X dan Pembolehubah Y
Pembolehubah x
Ordinal
(pangkat)

Ordinal

Nominal
(kategori)
Pekali Phi
Pekali Kategori
Crames V
Khi Kuasadua
Korelasi Dwisiri

Selanjar

Korelasi Dwisiri Titik

Pembolehubah Y
Nominal

9.8.4

Sela atau nisbah


(selanjar)

Kolerasi Spearmen
Tetrachoric
Korelasi Dwisiri

Perbandingan Min Lebih daripada Dua Kumpulan

Seterusnya anda mungkin berminat untuk membuat perbandingan lebih


daripada dua kumpulan. Sebagai contoh anda berminat untuk
membandingkan data motivasi kerja di antara pekerja berbangsa Melayu,
Cina dan India. Metod analisis yang sesuai gunakan untuk
membandingkan min kumpulan tersebut ialah Analisis Varians
(ANOVA) satu hala. Analisis untuk berlainan data, ia ditunjukkan dalam
kotak berikut:
Taburan
Normal
Normal

Sampel
Bebas
Berhubungan

Metod analisis statik


Analisis varians (anova) satu hala
Anova ukuran berulangan

Contoh yang diberi di atas berhubung dengan perbandingan motivasi


kerja berdasarkan enik melibatkan satu pembolehubah bebas iaitu etnik.
Namun demikian kadangkala anda berminat untuk menambah bilangan
pembolehubah bebas. Contohnya, anda juga berminat untuk
memasukkan pembolehubah jantina pekerja. Minat anda untuk
mengetahui adakah pekerja lelaki atau wanita mengikut kumpulan etnik
yang lebih tinggi motivasi kerjanya. Penyelidikan seperti ini melibatkan
dua pembolehubah bebas dan ingin melihat perbezaannya terhadap
motivasi kerja. Jika inilah minat anda, anda sudah menukar reka bentuk
kajian kepada reka bentuk yang dinamakan sebagai reka bentuk faktorial.

150

Reka bentuk faktorial yang melibatkan dua pembolehubah bebas etnik


dan jantina ditunjukkan dalam jadual di bawah. Data pembolehubah
terikat yang diukur ialah motivasi kerja.
Melayu

Etnik
Cina

India

Jantina
Lelaki
Perempuan

Metod analisis yang sesuai anda gunakan ialah Analisis Varians


(ANOVA) dua hala. Jika terdapat dua pembolehubah bebas. Sekiranya
tiga pembolehubah bebas terlibat dalam reka bentuk kajian, analisis yang
sesuai semakin kompleks iaitu ANOVA tiga hala. ANOVA dua hala dan
tiga hala semakin sukar dan tidak dibincangkan pada tahap ini. Namun
statistik ini lebih powerful dan banyak mempunyai kekuatan dan
kelebihan.
9.8.5

Regresi Mudah dan Regresi Pelbagai

Anda yang berminat untuk membuat ramalan dan melihat hubungan satu
pembolehubah bebas X terhadap satu pembolehubah terikat Y, metod
analisis regresi mudah boleh digunakan. Sekiranya anda berminat untuk
melihat kesan, pengaruh dan hubungan lebih daripada satu
pembolehubah peramal (contohnya X1, X2, X3 dan seterusnya), metod
analisis yang sesuai digunakan ialah regresi pelbagai. Peratus sumbangan
ramalan pembolehubah bebas terhadap pembolehubah terikat dapat
dilihat berdasarkan kepada nilai pekali penentuan (r2) sama ada secara
berasingan bagi setiap pembolehubah atau secara bergabung (R2)
berdasarkan model analisis yang dibina. Bab ini tdaik membincangkan
aspek tersebut.

SOALAN DALAM TEKS 9.3


1. Nyatakan dengan ringkas metod analisis statistik
yang paling sesuai untuk tujuan berikut:
a) Menguji perbezaan min dua kumpulan sampel
bebas.
b) Meneguji perbezaan peratus dua kumpulan
sampel bebas.
c) Menguji perbezaan personaliti pelajar bandar,
pinggir bandar dan luar bandar.

151

d) Menguji hubungan antara personaliti dengan


prestasi akademik pelajar.
2. Apakah perbezaan antara Analisis Varians
(ANOVA) satu hala dengan ANOVA dua hala?
3. Apakah perbezaan antara metod analisis korelasi
dengan analisis regresi.
Semak jawapan anda di akhir bab ini.

9.9

KESIMPULAN

Anda telah didedahkan dengan kegunaan analisis data dalam


penyelidikan. Harus diingat bahawa metod analisis data akan lebih
mudah jika anda menggunakan sistem pengkodan nilai pembolehubah
yang dianalisis dan lebih baik dianalisis dengan pakej komputer. Analisis
yang digunakan mestilah sesuai dengan tujuan kajian, hipotesis yang
dibina, jenis data yang dianalisis dan berbagai-bagai syarat lain seperti
teori yang digunakan dan taburan data dalam populasi. Anda telah
didedahkan dengan beberapa metod analisis statistik yang penting untuk
tujuan
perbandingan,
hubungan
di
antara
pembolehubah
dan juga ramalan yang melibatkan perbandingan min dan peratus.
Pilihlah metod analisis yang paling tepat agar keputusan yang anda buat
tepat dan menghasilkan suatu penyelidikan yang bermutu.

SOALAN PENILAIAN KENDIRI

Baca pernyataan kajian berikut dan jawab soalan 1 hingga 5 yang


dikemukakan selepas daripada pernyataan kajian.
1.

Anda berminat untuk mengkaji kesan strategi pembelajaran


terhadap prestasi akademik pelajar dan menghubungkan kaitkan
kajiannya dengan meneliti kebolehan mental. Dalam kajian
tersebut sudah tentu anda beliau mengambil kira beberapa ciri
latar belakang pelajar seperti jantina, taraf sosio-ekonomi
keluarga, pendidikan keluarga, latar belakang tempat tinggal,
bangsa jenis sekolah.
Berdasarkan kenyataan di atas, anda diminta untuk menyelesaikan
beberapa persoalan berikut:
152

i)

Satu set ujian mengandungi 10 soalan mengandungi item


positif dan negatif digunakan untuk mengukur kebolehan
mental. Bagaimana system pengkodan yang anda perlu
gunakan dan bagaimana menentukan prestasi kebolehan
mental pelajar.

ii)

Bagaimanakah agaknya anda ingin mengukur dan


menentukan prestasi akademik pelajar. Apakah metod
analisis data yang sesuai untuk melihat adakah pelajar
lelaki dan perempuan mempunyai perbezaan prestasi.
Jelaskan.

iii)

Katakanlah, terdapat tiga metod strategi pembelajaran


yang anda kaji mempengaruhi prestasi akademik pelajar.
Bagaimana anda menentukan sam ada terdapat atau tidak
perbezaan prestasi akadmeik bagi setiap metod strategi
pembelajaran yang digunakan.

iv)

Anda berminat untuk mengetahui adakah taraf sosioekonomi keluarga, pendidikan keluarga, latar belakang
tempat tinggal dan jenis sekolah mempengaruhi prestasi
akademik pelajar. Analisis data tersebut untuk melihat
pengaruh setiap satu pembolehubah bebas terhadap
prestasi akademik. Bincangkan demi satu analisis.

v)

Bagaimana anda ingin menentukan saling hubungan di


antara strategi pembelajaran, kebolehan mental dan
prestasi akadmeik. Bincangkan metod analisis data yang
sesuai.
Semak jawapan anda di akhir modul kursus ini.

JAWAPAN SOALAN DALAM TEKS


SDT 9.1

1.

Analisis data merupakan proses mengkategorikan data,


meringkaskan, menyusus dan memanipulasi data yang diperolehi
untuk menjawab pernyataan kajian, andaian dan hipotesis kajian.
Data yang besar dan banyak perlu diolah secara sistematik
sehingga ia mampu untuk diinterprestasi dan dapat
menggambarkan hubungan apa yang dikaji dan diuji dalam
penyelidikan. Metod analisis data mampu memanipulasi dan
meringkas data berbentuk numeric dan kualitatif bagi
153

membuktikan apa yang dijangka oleh penyelidik wujud atau tidak


berdasarkan kepada data dan maklumat yang dikumpulkan. Ini
menunjukkan dua kategori yang selalu dianalisis ialah data
kuantitatif dan data kualitatif.
2.

Data kuantitatif mengandungi unit pembolehubah dan selalunya


dalam bentuk angka dan boleh dikira. Angka tersebut dimiliki
oleh setiap kes atau subjek yang terlibat dalam kajian. Sebagai
contoh ialah data berat badan subjek yang menjadi responden
kajian. Contoh data yang lain ialah markah, skor prestasi,
motivasi, kekerapan hadir kuliah dan lain-lain. Data kuantitatif
adalah jenis diskrit dan selanjar. Ia mempunyai struktur aritmetik.
Apabila unit pembolehubah mengambarkan kenyataan atau kod
maka pembolehubah tersebut dikategorikan sebagai data
kualitatif. Data yang menunjukkan jantina, tempat tinggal,
kumpulan etnik merupakan contoh data kualitatif.
SDT 9.2

1.

Sistem pengkodan menggunakan nombor atau nilai numerik


untuk menggambarkan nilai sesuatu data terutamanya data
kualitatif. Nombor itu sebenarnya adalah kod yang mewakili
setiap aras pembolehubah kualitatif. Sebagai contoh jantina
diberikan kod iaitu nombor 1 bagi lelaki dan 2 kepada
perempuan.

2.

Sistem pengkodan akan lebih jelas dan mudah dijadikan sebagai


panduan bagi memasukkan data terutamanya dalam komputer.
Keseluruhan sistem kod dan markah yang disediakan terkumpul
dalam bentuk buku yang dinamakan buku kod. Di dalam buku
kod penyelidik menyediakan senarai kod yan digunakan bagi
mewakili jawapan kepada soal selidik dan pembolehubah yang
dikaji. Sekiranya data dianalisis dengan pakej komputer, buku kod
mampu menerangkan kedudukan pembolehubah mengikut lanjur
yang terdapat dalam data fail.
SDT 9.3

1.

Metod analisis statistik yang paling sesuai untuk tujuan berikut


ialah:
Untuk menguji perbezaan min dua kumpulan sampel
a)
bebas ialah Ujian t dua kumpulan bebas.
Untuk menguji perbezaan peratus dua kumpulan sampel
b)
bebas ialah statistik z.
154

c)
d)

Untuk menguji perbezaan personaliti pelajar


pinggir bandar dan luar bandar ialah Analisis
(ANOVA) Satu Hala.
Untuk menguji hubungan antara personaliti
prestasi akademik pelajar ialah metod korelasi
Pearson.

bandar,
Varians
dengan
formula

2.

Perbezaan antara Analisis Varians (ANOVA) satu hala dengan


ANOVA dua hala ialah bilangan pembolehubah yang terlibat
dalam analisis dan reka bentuk kajian. ANOVA satu hala
melibatkan satu pembolehubah bebas, manakala ANOVA dua
melibatkan dua pembolehubah bebas.

3.

Perbezaan antara metod analisis korelasi dengan analisis regresi


ialah matlamat terakhor analisis. Analisis korelasi digunakan
untuk melibat darjah hubungan dua pembolehubah. Analisis
regresi mampu meramal pengaruh pembolehubah bebas terhadap
pembolehubah terikat di samping meneliti hubungan dua
pembolehubah tersebut.

155