0 Taburan Normal
Taburan normal ialah taburan kebarangkalian bagi suatu pemboleh ubah rawak selanjar dan
salah satu taburan yang sangat penting dalam kajian dan interpretasi statistik. Sesuatu data
dikatakan berada dalam bentuk Taburan Normal apabila ia memenuhi ciri-ciri berikut:
SIMETRI
Jika anda melukis satu garis di tengah, dari atas ke bawah, anda akan mendapat
satu bentuk yang sama di kedua-dua belah.
DATA DIBENTUK OLEH MIN DAN STANDARD DEVIASI
Jika kedua-dua parameter ini diberi, anda dapat mengetahui bentuk taburan
normal.
BERBENTUK LOCENG
Rajah di atas merupakan satu graf yang menunjukkan bilangan skor atau nilai bagi
sekumpulan responden. Kebanyakan populasi adalah bersifat taburan normal (graf
berbentuk loceng). Kebanyakan subjek berada dalam lengkungan sederhana.
Taburan normal sering dilupakan dalam kajian penyelidikan dan tidak dibincangkan
secara mendalam. Namun, sebenarnya ia amat penting yang akan menentukan jenis analisis
data yang kita pilih. Taburan normal bagi data amat penting untuk kita memilih prosedur
statistikal yang sesuai. Apabila data yang kita uji mempunyai taburan normal, barulah
boleh run analisis test of differences dan juga relationship.
Data bertaburan normal sesuai menggunakan analisis parametrik yang dapat menentukan
sejauhmana kita menggunakan statistikal inferensi melalui analisis bivariat dan analisis
multivariat. Jika seandainya data kita tidak memenuhi syarat taburan normal, kita harus
menggunakan analisis non-parametric seperti Wilcoxon dan juga Mann-whitney test.
Apabila data kita tidak bertaburan normal, kecenderungan data curve yang kita dapati
sama ada negative skew (-ve skew) ataupun positive skew (+ve skew).
Kemudian pilih pemboleh ubah dan masukkan ke dalam kotak Dependent List.
Bagi hasil ujian menggunakan skewness & kurtosis pula, kena pastikan
yang nilai kedua-duanya adalah terletak dia antara nilai 1.96 dan +1.96. Jadi data ini mempunyai taburan yang normal.
** Skewness akan menunjukkan pencongan graf iaitu samada
positively atau negatively skewed. Jika nilai skewness adalah positif,
maka pencongan graf adalah positif (positively skewed) dan
sebaliknya.
Analyze
Descriptive Stastics
Explore
Kemudian dapati Paparan Explore,
Pilih pemboleh ubah dan masukkan dalam Dependent list
Klik Plots.
Dalam kotak Explore: Plot
Tandakan pada Factor levels together
Dalam kotak Descritive tandakan dalam kotak Steam-and-leaf
Tanda dalam kotak Normality plots with tests
Klik Continue dan OK.
Plot ini menyediakan informasi berkenaan nilai-nilai sebenar dalam taburan. Setiap baris
mempamerkan nilai dalam nombor yang masukkan dalam SPSS bagi pemboleh ubah tersebut.
Data terletak menghampiri dan di atas garis lurus, maka ia menunjukkan data adalah tertabur
secara normal.
Dari paparan Boxplot ini, untuk mengetahui sama ada data tertabur secara normal atau tidak
dengan melihat garis yang terletak di dalam kotak tersebut. Jika garis ini terletak di tengahtengah kotak, maka data tertabur secara normal.
Analisis Univariate, Bivariate dan Multivariate dapat dibuat mengikut bilangan pemboleh
Berapa jumlah
variable yang
digunakan ?
ubah.
SATU
UNIVARIATE
ANALYSIS
2.1 Analisis Univariate
DUA
BIVARIATE
ANALYSIS
LEBIH DARI
DUA
MULTIVARIATE
ANALYSIS
Signifikannya ialah 0.446 . data ini adalah tidak signifikan kerana ianya > 0.05
Maka andaian bahawa varian bersifat homogenous, tidak ditolak( andaian adalah boleh
diterima)
ANALISIS BIVARIATE
UJIAN MULTIVARIAT
Ujian multivariat adalah teknik untuk menguji hipotesis di mana beberapa pembolehubah
diubah suai. Matlamat ujian multivariat adalah untuk menentukan kombinasi variasi yang
terbaik daripada semua kombinasi.
Klik butang Button SPSS Post Hoc . Tandakan kotak semak Tukey seperti yang
ditunjukkan di bawah:
Ini adalah JADUAL yang menunjukkan output analisis ANOVA dan sama ada
kita mempunyai perbezaan statistik yang signifikan antara kumpulan kami
bermakna . Kita dapat melihat bahawa aras keertian ialah 0.021 (p = 0,021 ) ,
iaitu di bawah 0.05. dan oleh itu, terdapat perbezaan statistik yang signifikan