PUSAT PENGAJIAN PENDIDIKAN JARAK JAUH

UNIVERSITI SAINS MALAYSIA

TUTORIAL SPSS ASAS

JTW 480/4

Sidang Akademik 2016-2017

1
Kandungan

Kandungan .............................................................................................................................................. 2
1. Pengenalan....................................................................................................................................... 3
2. Pengindeksan dan Pendefinisian Data Serta Pengekodan Item Negatif .......................................... 5
2.1 Pengindeksan Data .................................................................................................................. 5
2.2 Pendefinisian Data ................................................................................................................... 6
2.2.1 Mendefinisi Data Nominal ..................................................................................................... 6
2.2.2 Mendefinisi Data Ordinal ....................................................................................................... 7
2.2.3 Mendefinisi Data Ratio/Interval/Scale ................................................................................... 9
2.2.3.1 Skala Interval / Likert ...................................................................................................... 9
2.2.3.2 Data ratio ....................................................................................................................... 10
2.3 Pengekodan item negatif ............................................................................................................. 11
3. Penentuan Jenis Ujian Statistik Berdasarkan Objektif Kajian dan Jenis Data .............................. 14
4. Analisis Data, Penterjemahan dan Pelaporan Dapatan Kajian ...................................................... 16
Objektif Kajian: ............................................................................................................................. 16
Kerangka Teoretikal: ..................................................................................................................... 16
Item Pengukuran: .......................................................................................................................... 16
Analisis Data: ................................................................................................................................ 19
Demonstrasi Ujian Statistik ........................................................................................................... 20
1. Analisis Kekerapan................................................................................................................ 21
2. Analisis Keutuhan ................................................................................................................. 23
3. Analisis Deskriptif ................................................................................................................. 27
4. Objektif 1 - Perbezaan keputusan pembelian mengikut jantina ............................................ 32
5. Objektif 2 Perbezaan keputusan pembelian mengikut pendapatan bulanan ........................ 35
6. Objektif 3 - Hubungan antara campuran pemasaran dengan keputusan pembelian .............. 40
7. Objektif 4 - Pengaruh campuran pemasaran ke atas keputusan pembelian ........................... 43
5. Rujukan ......................................................................................................................................... 50

2
1. Pengenalan
Apakah SPSS?
SPSS atau nama asalnya Statistical Package for the Social Sciences merupakan perisian yang
digunakan untuk analisis statistik. Anda boleh menggunakan mana-mana versi SPSS yang sedia ada
termasuk yang terkini.

Di Menu, Pilih IBM SPSS Statistics. Paparan berikut akan muncul:

Rajah 1 Paparan awal SPSS

Di bahagian New Files - Pilih New Dataset

Klik OK.

Terdapat tiga jenis paparan/komponen dalam satu-satu sesi SPSS iaitu Variable View, Data View dan
Output View.
Variable View ialah tempat kita mendefinisikan pembolehubah/faktor manakala Data View merupakan
tempat kita masukkan data kajian berdasarkan pembolehubah/faktor yang didefinisikan dalam
Variable View tadi. Variable View dan Data View disavekan sebagai fail .sav.

3
 Rajah 2 Variable View & Data View

Paparan output pula memaparkan log tindakan kita dalam Variable View/Data View termasuklah
paparan jadual-jadual yang terhasil setelah analisis dijalankan. Paparan output disavekan sebagai fail
.spv.

Rajah 3 Output View

4
2. Pengindeksan dan Pendefinisian Data Serta Pengekodan Item Negatif
Proses pengekodan data bermula dengan pengindeksan data, pendefinisian data, dan pengekodan item
negatif (sekiranya perlu).
2.1 Pengindeksan Data
Sebelum memulakan analisis data, data perlu diindekskan untuk rujukan penyelidik. Ini memudahkan
pencarian semula borang soal-selidik sekiranya berlaku percanggahan atau kesilapan semasa analisis
dijalankan. Setiap borang soal-selidik yang telah diisi dengan lengkap 1 perlu diindekskan. Tulis no.
indeks pada setiap borang soal-selidik sebelum anda masukkan data ke dalam perisian SPSS.

Rajah 4 No. indeks ditulis pada setiap borang soal-selidik yang lengkap

Di Variable View, definisikan column bagi no. indeks tersebut:

Name: index
Type: Numeric
Decimals: 0

Rajah 5 Mendefinisikan column index di Variable View

Di Data View, masukkan no. indeks bagi setiap borang soal-selidik. Anda boleh masukkan no. indeks
ini bersama-sama data lain yang telah anda kumpulkan.

Rajah 6 No. indeks yang telah dimasukkan di Data View

1
Borang yang lengkap ialah kesemua atau sekurang-kurangnya 75% daripada jumlah soalan yang ditanya telah
dilengkapkan oleh responden Sekiranya lebih 25% daripada jumlah soalan tidak dijawab oleh responden, maka
borang soal-selidik tersebut bolehlah dipertimbangkan untuk dikecualikan / dibuang (Sekaran, 2000).

5
2.2 Pendefinisian Data
Pendefinisian data ialah pemberian makna kepada data bagi memudahkan pembacaan output. Ia
meliputi format data, nama pembolehubah dan label nilai.
Terdapat 3 jenis data yang boleh didefinisikan dalam Variable View di column Measures iaitu Scale /
Ordinal / Nominal. Data jenis Interval dan Ratio seperti dipelajari dalam teori termasuk dalam
kategori Scale dalam SPSS.

Rajah 7 Jenis-jenis data di Variable View

Jenis data yang anda peroleh bergantung kepada gaya soalan-soalan ditanya dalam borang soal-selidik.
Jadi soalan-soalan perlu sesuai dengan kajian anda.

2.2.1 Mendefinisi Data Nominal

Data nominal juga dirujuk sebagai data kategori (categorical data). Contoh: Jantina (Lelaki /
Perempuan).

Rajah 8 Mendefinisikan data jenis nominal di Variable View

6
Di Variable View, definisikan column pembolehubah:
Name: jantina
Decimals: 0
Measures: Nominal
Klik di Values. Dalam tetingkap, masukkan:
Value: 1
Label: Lelaki
Klik Add
Ulang langkah ini bagi memasukkan Values untuk pilihan ke-2 (Perempuan). Klik OK.
Di Data View, taipkan nilai mengikut data yang didefinisikan di bawah column jantina. Contoh, bagi
responden yang memilih pilihan Perempuan, maka anda perlu masukkan nilai 2 di bawah column
jantina. Tekan ENTER pada papan kekunci.

2.2.2 Mendefinisi Data Ordinal

Data ordinal boleh disusun mengikut rank. Ia juga melibatkan data yang mempunyai nilai tertentu
yang disusun lebih daripada 2 kategori, contohnya ukuran tinggi seseorang. Cara pendefinisian data
ordinal adalah lebih kurang sama seperti pendefinisian data nominal.

Contoh dalam borang soal-selidik - Anda bertanya ukuran tinggi responden:

Tinggi anda? (Pilih satu jawapan):
Kurang 1 meter
1 m 1.5 m
1.51 m 2 m
Lebih 2 meter

Di Variable View, definisikan column pembolehubah:

Name: tinggi
Decimals: 0
Measures: Ordinal
Klik di Values. Dalam tetingkap, masukkan:
Value: 1
Label: Kurang 1 meter
Klik Add
Ulang memasukkan Values sehingga pilihan ke-4 (Lebih 2 meter). Klik OK.

7
 Rajah 9 Mendefinisi data jenis ordinal di Variable View

Di Data View, taipkan nilai mengikut data yang didefinisikan di bawah column tinggi. Contoh, bagi
responden yang memilih pilihan 1 m 1.5 m, maka anda perlu masukkan nilai 2 di bawah column
tinggi.Tekan ENTER pada papan kekunci.

8
2.2.3 Mendefinisi Data Ratio/Interval/Scale
Data ratio/interval/scale juga dikenali sebagai data continuous. Data jenis ratio dinilai paling baik
berbanding jenis-jenis data lain kerana ia bukan sahaja mengukur magnitud perbezaan antara poin
skala, malah juga kadar perbezaan tersebut. Ini membolehkan pelbagai ujian statistik dijalankan ke
atasnya.
2.2.3.1 Skala Interval / Likert
Bayangkan anda ada beberapa item yang mengukur pembolehubah Keputusan Pembelian. Setiap
item diukur menggunakan skala Likert 5-tambatan2 iaitu 1=Sangat tidak setuju, 2=Tidak setuju,
3=Tidak pasti, 4=Setuju dan 5=Sangat Setuju.
Contoh item ditanya dalam borang soal-selidik:
Bulatkan pilihan jawapan mengikut skala yang diberikan (1=Sangat tidak setuju, 2=Tidak
setuju, 3=Tidak pasti, 4=Setuju dan 5=Sangat setuju)
1. Saya akan sentiasa setia dengan produk berjenama A+. 1 2 3 4 5
2. Saya tidak akan membeli lagi produk berjenama A+. 1 2 3 4 5
3. Saya membuat keputusan membeli kerana produk tersebut dari 1 2 3 4 5
jenama terkemuka.
Anda perlu memberikan nama yang sesuai untuk setiap item. Contoh, item pertama bagi
pembolehubah Keputusan Pembelian dinamakan pembelian1.
Di Variable View, definisikan item tersebut:
Name: pembelian1
Decimals: 0
Measures: Scale
Klik di Values: Dalam tetingkap, masukkan:
Value: 1
Label: Sangat tidak setuju
Klik Add
Ulang memasukkan Values sehingga pilihan ke-5 (Sangat setuju).
Klik OK.
Ulang langkah-langkah yang sama bagi item kedua (pembelian2) dan seterusnya.

2
anchor

9
 Rajah 10 Mengekod data bagi skala pelbagai item

2.2.3.2 Data ratio

Data jenis ratio boleh dimasukkan terus ke dalam SPSS tanpa perlu pengekodan. Contohnya dalam
borang soal-selidik, anda bertanya ukuran tinggi responden:
Tinggi anda? ________ meter.

Di Variable View, masukkan:

Name: tinggi
Type: Numeric
Decimals: 2
Measures: Scale

Rajah 11 Mendefinisikan tinggi sebagai data jenis ratio di Variable View

Sebagai contoh, responden menjawab 1.85 meter.

Di Data View, taipkan nilai 1.85 di bawah column tinggi dan tekan ENTER pada papan kekunci.

10
 Rajah 12 Paparan data tinggi yang telah dimasukkan di Data View

2.3 Pengekodan item negatif

Item negatif disarankan oleh pakar metodologi kajian untuk mengawal biasness supaya responden
sedar dalam menjawab item-item dalam borang soal-selidik. Biasanya ia melibatkan skala Likert. Ada
juga pakar yang tidak menyarankan penggunaan item negatif kerana ia boleh mencacatkan model
pengukuran reflektif (pada tahap analisis yang lebih tinggi). Apapun, sekiranya tuan/puan memilih
untuk memasukkan item negatif dalam borang soal-selidik, cara mengekod data adalah sama seperti
data interval/scale tadi, cuma perlukan Recode.
Recode merupakan pengekodan berbalik yang mendefinisikan nilai pengekodan yang berlawanan
dengan nilai pengekodan sedia ada.
Contoh item no. 2 ialah item negatif:
1. Saya akan sentiasa setia dengan produk berjenama A+. 1 2 3 4 5
2. Saya tidak akan membeli lagi produk berjenama A+. 1 2 3 4 5

Langkah 1: Klik Transform Recode into Same Variables.

Rajah 13 Langkah 1- Recode into Same Variables

11
Langkah 2: Pilih item yang perlu recode. Klik untuk memasukkan item ke dalam kotak
Numeric Variable. Klik Old and New Values.

Rajah 14 Langkah 2 Memilih item yang perlu Recode

Langkah 3: Nyatakan nilai sedia ada dan nilai baharu bagi item tersebut. Kemudian, klik Add.
Contoh, bagi skala Likert 5-tambatan, nilai 1 akan ditukarkan kepada 5, nilai 2 kepada 4, nilai 4
kepada 2 dan nilai 5 kepada 1. Nilai 3 biasanya dikekalkan.

Rajah 15 Langkah 3 - Menukar nilai

12
 Rajah 16 Nilai yang telah di-Recode

Langkah 4: Klik Continue.

Langkah 5: Klik OK.

13
3. Penentuan Jenis Ujian Statistik Berdasarkan Objektif Kajian dan Jenis Data
Bagi tujuan tutorial ini, diandaikan statistik bersifat parametrik iaitu data sampel mewakili populasi
yang menuruti probability distribution:

IV = Independent Variable / Pembolehubah tidak bersandar (faktor)

DV = Dependent Variable / Pembolehubah bersandar

1. Test of Differences (Nominal IV = 2 groups)

Nominal (IV) Interval / Ratio (DV)

Contoh Objektif Kajian:
Mengenal pasti perbezaan kepuasan pelanggan di Pasaraya XYZ antara lelaki dengan perempuan..
IV: Jantina: Lelaki/Perempuan
DV: Kepuasan pelanggan di Pasaraya XYZ: N items Skala Likert
Ujian diperlukan: Independent Sample T-test

2. Test of Differences (Nominal IV > 2 groups)

Nominal (IV) Interval / Ratio (DV)

Contoh Objektif Kajian:
Memeriksa sama ada terdapat perbezaan dalam tahap kepuasan pelanggan di Restoran Subaidah
USM mengikut bidang pengajian pelajar PPPJJ.
IV: Bidang pengajian: Pengurusan/Sastera/Sains Kemasyarakatan/Sains
DV: Tahap kepuasan pelanggan di Restoran Subaidah: N items - Skala Likert
Ujian diperlukan: One-way ANOVA
Nota: Dalam SPSS, cara mengekod dan mengoperasikan IV jenis ordinal ialah sama dengan dengan
nominal. Contoh, anda hendak memeriksa sama ada terdapat perbezaan dalam tahap kepuasan
pelanggan di Restoran Subaidah mengikut tahap pendidikan pelanggan. Ujian yang diperlukan ialah
one-way ANOVA.

14
 3. Test of Relationship (Relationship Only)

Interval / Ratio Interval / Ratio

Contoh Objektif Kajian:
Mengenal pasti hubungan antara kepuasan pelanggan di Pasaraya XYZ dengan niat untuk
mengunjungi Pasaraya XYZ pada masa hadapan.
Pembolehubah 1: Kepuasan pelanggan di Pasaraya XYZ: N items - Skala Likert
Pembolehubah 2: Niat untuk mengunjungi Pasaraya XYZ pada masa hadapan: N items - Skala Likert
Ujian diperlukan: Analisis Korelasi (Pearson)
Nota: Analisis korelasi hanya mengenal pasti sama ada terdapat perkaitan/hubungan antara
pembolehubah-pembolehubah terlibat dan TIDAK menganggap bahawa pembolehubah 1 mempunyai
sebarang pengaruh ke atas pembolehubah 2.

4. Test of Relationship (Impact - One IV)

Interval / Ratio (IV) Interval / Ratio (DV)

Contoh Objektif Kajian:
Mengenal pasti sama ada kepuasan pelanggan di Pasaraya XYZ mempunyai pengaruh yang signifikan
secara positif ke atas niat untuk mengunjungi Pasaraya XYZ pada masa hadapan.
IV: Kepuasan pelanggan di Pasaraya XYZ: N items - Skala Likert
DV: Niat untuk mengunjungi Pasaraya XYZ pada masa hadapan: N items - Skala Likert
Ujian diperlukan: Simple Linear Regression

5. Test of Relationship (Impact - More than one IV)

Interval / Ratio (IV) Interval / Ratio (DV)

Contoh Objektif Kajian:
Mengenal pasti pengaruh ganjaran ekstrinsik dan ganjaran intrinsik ke atas kepuasan kerja.
IV-1: Ganjaran ekstrinsik: N items - Skala Likert
IV-2: Ganjaran intrinsik: N items - Skala Likert
DV: Kepuasan kerja: N items - Skala Likert
Ujian diperlukan: Multiple Regression

Nota: Anda perlu merujuk kepada objektif kajian untuk menentukan jenis ujian statistik yang perlu
dijalankan. Sekiranya objektif kajian anda tidak memerlukan anda menjalankan satu-satu ujian, maka
tidak perlu dijalankan ujian-ujian berkenaan kerana ia hanya akan membazirkan masa dan sumber.

15
 4. Analisis Data, Penterjemahan dan Pelaporan Dapatan Kajian

Objektif Kajian:
1. Mengenal pasti perbezaan dalam keputusan pembelian mengikut jantina.
2. Mengenal pasti sama ada terdapat perbezaan yang signifikan dalam keputusan pembelian
mengikut pendapatan bulanan.
3. Memeriksa hubungan antara campuran pemasaran dengan keputusan pembelian.
4. Memeriksa pengaruh campuran pemasaran ke atas keputusan pembelian.

Kerangka Teoretikal:

IV DV

Campuran Pemasaran
Produk
Keputusan
Harga
Promosi Pembelian
Lokasi

Jantina
Pendapatan Bulanan

Rajah 17 Kerangka Teoretikal

Item Pengukuran:

Faktor / Item No. Soalan Skala

Pembolehubah
Demografi Jantina Lihat Rajah 18.
Pekerjaan Bahagian A
Pendapatan Bulanan 1- 4
Peringkat Umur
Keputusan 1.Saya membuat keputusan membeli kerana sedar 1=Sangat tidak setuju
Pembelian tentang keperluan sesuatu produk.(k1) Bahagian B 2=Tidak setuju
(7 item) 2. Saya membuat keputusan membeli kerana 3=Tidak pasti
produk tersebut alternatif kepada produk lain.(k2) 1-7 4=Setuju
3. Saya membuat keputusan membeli kerana
5=Sangat Setuju
keyakinan atas saya terhadap produk tersebut.(k3)
4. Saya membuat keputusan membeli kerana
produk tersebut dari jenama terkemuka.(k4)
5. Saya membuat keputusan membeli kerana
produk tersebut adalah cadangan daripada
pengguna lain.(k5)
6. Saya membuat keputusan membeli kerana tidak

16
 Faktor / Item No. Soalan Skala
Pembolehubah
ada pilihan jenama lain bagi produk tersebut.(k6)
7. Saya membuat keputusan membeli kerana
pemberian bonus yang menarik dalam pembelian
produk tersebut.(k7)
Campuran 1. Kepelbagaian produk yang dipasarkan oleh
Pemasaran sesebuah syarikat merupakan pilihan saya.(p1) 8 - 14
(Produk) 2. Saya memilih sesuatu produk kerana
(7 item) kualitinya.(p2)
3. Reka bentuk produk yang dipasarkan
mendorong saya membeli sesuatu produk.(p3)
4. Pembungkusan produk yang menarik
mendorong saya memilih produk tersebut.(p4)
5. Saya tertarik dengan produk tersebut kerana
jaminan yang ditawarkan.(p5)
6. Saya memilih produk tersebut kerana jenama
pengeluar produk.(p6)
7. Saya memilih produk tersebut kerana maklumat
terperinci tentang produk mudah diperoleh.(p7)
Campuran 1.Tema promosi yang ditampilkan mendorong
Pemasaran saya membeli produk tersebut.(m1) 15 - 22
(Promosi) 2. Visual promosi yang ditampilkan tentang
(8 item) produk menarik perhatian saya untuk
membelinya.(m2)
3. Penjual yang mesra semasa promosi mendorong
saya membeli produk tersebut. (m3)
4. Informasi yang lengkap tentang produk semasa
membuat promosi menyebabkan saya ingin
membeli produk tersebut.(m4)
5. Saya tertarik dengan produk tersebut kerana
syarikat pengeluar produk menjadi sponsor dalam
rancangan-rancangan tertentu.(m5)
6. Daya tarikan promosi seperti hadiah, diskaun
dan sebagainya membuatkan saya memilih produk
tersebut.(m6)
7. Publisiti daripada pesaing tentang produk
tersebut mendorong saya memilihnya.(m7)
8. Kekerapan promosi tentang produk tersebut
menarik perhatian saya untuk membelinya.(m8)
Campuran 1. Perbandingan harga yang berpatutan dengan
Pemasaran produk pesaing menarik minat membeli saya.(h1) 23 - 27
(Harga) 2. Kesesuaian harga yang ditawarkan dengan
(5 item) kualiti produk tersebut menjadi pilihan saya.(h2)
3. Kesesuaian harga dengan kebaikan produk
mendorong saya untuk membelinya.(h3)
4. Kesesuaian harga tidak termasuk kos
penghantaran menarik perhatian saya
membelinya.(h4)
5. Diskaun yang ditawarkan membuat saya tertarik
dengan produk tersebut.(h5)
Campuran 1. Reka bentuk kedai atas talian yang mesra
Pemasaran pengguna mendorong saya untuk membuat 28 - 35
(Lokasi) pembelian.(l1)
(8 item) 2. Lokasi kedai atas talian yang mudah diakses
memudahkan proses pembelian.(l2)
3. Kepelbagaian lokasi kedai atas talian seperti di
media sosial memudahkan proses pembelian.(l3)
4. Ketersediaan stok produk memudahkan
pembelian produk tersebut.(l4)

17
 Faktor / Item No. Soalan Skala
Pembolehubah
5. Wakil penjualan yang meluas di seluruh negeri
memudahkan urusan pembelian.(l5)
6. Kepelbagaian cara pengiriman produk tersebut
menarik perhatian saya untuk membeli.(l6)
7. Tempoh waktu pengiriman yang cepat
menggalakkan urusan pembelian produk
tersebut.(l7)
8. Kemudahan cara pembayaran memberi
keselesaan kepada pembeli.(l8)

Rajah 18 Contoh Borang Soal-Selidik Bahagian A

18
Analisis Data:

Antara ujian statistik yang diperlukan bagi kajian ini ialah:

1. Kekerapan (Frequency) untuk profil responden/organisasi
2. Keutuhan (Reliability) untuk dimensi-dimensi Campuran Pemasaran (IV) dan Keputusan
Pembelian (DV)
3. Deskriptif untuk dimensi-dimensi Campuran Pemasaran (IV) dan Keputusan Pembelian (DV).

Seterusnya, lihat objektif kajian dan tentukan ujian statistik yang sesuai.
Untuk menjawab Objektif 1 Perlukan: Independent Sample T-test antara Jantina (IV) dengan
Keputusan Pembelian (DV)
Untuk menjawab Objektif 2 Perlukan One-Way ANOVA - antara Pendapatan Bulanan (IV) dengan
Keputusan Pembelian (DV)
Untuk menjawab Objektif 3 Perlukan Correlation antara Campuran Pemasaran (IV) dengan
Keputusan Pembelian (DV)
Untuk menjawab Objektif 4 Perlukan Multiple Regression antara Campuran Pemasaran (IV)
dengan Keputusan Pembelian (DV).

19
Demonstrasi Ujian Statistik
Andaikan bahawa data kajian telah sedia dimasukkan ke dalam SPSS.

Rajah 19 Variable View Faktor/pembolehubah yang telah didefinisikan dalam SPSS

Rajah 20 Data View - Data yang telah dikodkan ke dalam SPSS

20
1. Analisis Kekerapan
Langkah 1: Klik Analyze Descriptive Statistics Frequencies

Rajah 21 Analisis Kekerapan - Langkah 1

Langkah 2: Pilih faktor/pembolehubah yang terlibat. Klik untuk memasukkannya ke dalam

kotak Variable(s). Pastikan pilihan Display frequency tables ditandakan . Klik OK.

Rajah 22 Analisis Kekerapan - Langkah 2

21
SPSS akan memaparkan jadual kekerapan pada Output View:

Rajah 23 Analisis Kekerapan - Output View

Melaporkan hasil analisis kekerapan

Dalam laporan kajian, anda perlu menyatakan profil responden dalam bentuk jadual. Huraikan profil
responden tersebut.

Jadual 4.1
Profil responden

Kekerapan %
Jantina
Lelaki 109 61.9
Perempuan 67 38.1

Pekerjaan
Kerajaan 124 70.5
Swasta 47 26.7
Sendiri 1 0.6
Tidak Bekerja 4 2.3

Pendapatan bulanan
Kurang daripada RM1000 6 3.4
RM 1001 hingga RM 2000 18 10.2
RM 2001 hingga RM 3000 75 42.6
RM 3001 hingga RM 4000 48 27.3
Lebih daripada RM 4001 29 16.5

Umur
21 hingga 30 tahun 65 36.9
31 hingga 40 tahun 105 59.7
41 hingga 50 tahun 6 3.4

22
2. Analisis Keutuhan
Seterusnya, ujian keutuhan perlu dijalankan ke atas kesemua pembolehubah IV dan DV. Hal ini
bertujuan memastikan item-item yang digunakan dalam mengukur pembolehubah terlibat mempunyai
ketekalan dalaman yang tinggi.

Langkah 1: Klik Analyze Scale Reliability Analysis

Rajah 24 Analisis Keutuhan - Langkah 1

23
Langkah 2: Pilih item-item yang terlibat. Contohnya, bagi pembolehubah Keputusan Pembelian ,

item k1 hingga k7 perlu dipilih. Klik untuk memasukkan item-item tadi ke dalam kotak Items.

Rajah 25 Analisis Keutuhan - Langkah 2

Langkah 3: Klik pada butang Statistics. Pastikan pilihan Scale of item deleted ditandakan . Klik
Continue. Klik OK.

Rajah 26 Analisis Keutuhan - Langkah 3

24
SPSS akan memaparkan jadual berikut pada Output View:

Rajah 27 Analisis Keutuhan - Output View. Percubaan pertama.

Nota: Lihat nilai Cronbachs Alpha yang dijana. Sekiranya nilai tersebut rendah seperti dalam jadual
di atas (0.679), lihat column Cronbchs Alpha if Item Deleted pada jadual seterusnya. Lihat pada item
k1. Sekiranya item k1 dikeluarkan daripada analisis, maka nilai Cronbachs Alpha akan meningkat
kepada 0.711 3.

Ulang langkah 1 hingga 3 TANPA memilih k1.

3
Nilai Cronbach Alpha 0.70 dan ke atas adalah diterima (Nunnally, 1978).

25
SPSS akan memaparkan jadual berikut pada Output View:

Rajah 28 Analisis Keutuhan - Nilai Cronbach's Alpha meningkat selepas item k1 dikeluarkan

Lakukan langkah yang sama pada pembolehubah yang lain. Item yang dikeluarkan melalui analisis
keutuhan tidak akan diambil kira dalam ujian deskriptif seterusnya.

Melaporkan Hasil Analisis Keutuhan

Dalam laporan kajian, anda perlu menyatakan bilangan item yang diambil kira, bilangan item yang
dikeluarkan dan nilai Cronbachs Alpha dalam bentuk jadual. Huraikan hasil analisis anda dalam
bentuk pernyataan.

Jadual 4.2
Analisis Keutuhan

Pembolehubah Bil. item Bil. item dikeluarkan Cronbach Alpha

Keputusan Pembelian 6 1 0.711
Campuran Pemasaran - Produk 7 - 0.738
Campuran Pemasaran - Promosi 8 - 0.812
Campuran Pemasaran - Harga 5 - 0.702
Campuran Pemasaran - Lokasi 8 - 0.811

26
3. Analisis Deskriptif
Sebelum melakukan analisis deskriptif, anda perlu janakan Mean bagi setiap pembolehubah terlibat.

Langkah 1: Klik Transform Compute Variable...

Rajah 29 Compute Variable Langkah 1

27
Langkah 2: Nyatakan nama pembolehubah bersandar (DV) di Target Variable iaitu Kep_Pembelian.
Di kotak Function group: Pilih Statistical. Di kotak Functions and Special Variables: Pilih Mean.

Klik untuk memasukkan formula Mean tadi ke dalam bahagian Numeric Expression. Olah
formula tersebut kepada MEAN(k2,k3,k4,k5,k6,k7). Anda juga boleh memilih item di sebelah kiri

untuk dimasukkan ke dalam formula dengan mengklik . Klik OK.

Rajah 30 Compute Variable Langkah 2

Nota: Item k1 tidak dimasukkan kerana item tersebut tidak utuh sepertimana yang ditunjukkan dalam
Analisis Keutuhan sebelum ini.

28
Mean pembolehubah akan dijana di Data View:

Rajah 31 Mean keputusan pembelian yang dijana di Data View

Ulang langkah 1 dan 2 bagi mendapatkan mean setiap dimensi pembolehubah tidak bersandar (IV)
campuran pemasaran iaitu Produk, Harga, Promosi dan Lokasi.

29
Langkah 3: Klik Analyze Descriptive Statistics Descriptives

Rajah 32 Analisis Deskriptif Langkah 1

Langkah 4: Pilih pembolehubah yang terlibat. Klik untuk memasukkan pembolehubah terlibat
ke dalam kotak Variable(s).

Rajah 33 Analisis Deskriptif - Langkah 2

30
Langkah 5: Klik Options.. Pastikan pilihan Mean, Std. Deviation, Minimum, Maximum, Kurtosis, dan
Skewness ditanda . Klik Continue. Klik OK.

Rajah 34 Analisis Deskriptif - Paparan Options

SPSS akan memaparkan jadual berikut pada Output View:

Rajah 35 Analisis Deskriptif - Output View

31
Melaporkan Hasil Analisis Deskriptif
Dalam laporan kajian, anda perlu menyatakan mean dan standard deviation untuk setiap
pembolehubah dalam bentuk jadual. Huraikan hasil analisis anda.

Jadual 4.3
Analisis Deskriptif

Pembolehubah Mean Standard Deviation

Keputusan Pembelian 3.473 0.637
Campuran Pemasaran - Produk 3.652 0.571
Campuran Pemasaran - Promosi 3.398 0.621
Campuran Pemasaran - Harga 3.572 0.625
Campuran Pemasaran - Lokasi 3.467 0.607

4. Objektif 1 - Perbezaan keputusan pembelian mengikut jantina

Bagi menyelidiki sama ada jantina mempunyai perkaitan yang signifikan dengan keputusan
pembelian, Independent Sample T-test akan dijalankan.

Langkah 1: Klik Analyze Compare Means Independent-Samples T Test

Rajah 36 Independent Sample T-test - Langkah 1

32
Langkah 2: Pilih pembolehubah Keputusan Pembelian. Klik untuk memasukkan

pembolehubah tersebut ke dalam kotak Test Variable(s): Pilih faktor jantina. Klik untuk
memasukkan faktor tersebut ke dalam kotak Grouping Variable:

Rajah 37 Independent Sample T-test - Langkah 2

Langkah 3: Klik Define Groups... Pilih Use specified values. Bagi Group 1, masukkan nilai 1,
manakala bagi Group 2, masukkan nilai 2 (Dalam pengekodan nilai data, nilai 1 mewakili jantina
Lelaki manakala nilai 2 mewakilli jantina Perempuan). Klik Continue. Klik OK.

Rajah 38 Independent Sample t-test - Langkah 3

33
SPSS akan memaparkan jadual berikut pada Output View:

Rajah 39 Independent Sample T-test - Output View

Menterjemahkan Hasil Analisis Independent Sample T-test

Nilai t yang akan diambil kira adalah berdasarkan keputusan Levenes Test for Equality of Variances.
Lihat pada column Levenes Test for Equality of Variances. Lihat p-value iaitu .126. Nilai ini telah
melepasi tahap signifikan .05. Maka, TIADA perbezaan yang signifikan dalam varian bagi kedua-dua
kumpulan jantina. Nilai t yang akan diambil kira ialah pada baris Equal variances assumed.
(Sekiranya p-value kurang daripada .05, maka terdapat perbezaan yang signifikan bagi kedua-dua
varian. Nilai t yang diambil kira ialah pada baris Equal variances not assumed.)
Dalam kajian ini, nilai t yang diambil kira ialah 1.424 dengan p-value ialah .156. Memandangkan p-
value iaitu .156 melepasi tahap signifikan .05, maka dapatlah disimpulkan bahawa:
Tiada perbezaan yang signifikan dalam keputusan pembelian antara lelaki dan perempuan.

Melaporkan Hasil Analisis Independent Sample T-test

Dalam laporan kajian, anda perlu menyatakan mean bagi kedua-dua jantina dan nilai t. (Sekiranya p-
value adalah signifikan, maka perlu tandakan * bersebelahan nilai t dalam jadual) Huraikan dapatan
kajian anda.
Jadual 4.4
Perbezaan keputusan pembelian mengikut jantina

Pembolehubah Mean Nilai t

Lelaki Perempuan
Keputusan Pembelian 3.526 3.386 1.424

34
5. Objektif 2 Perbezaan keputusan pembelian mengikut pendapatan bulanan
Bagi memeriksa sama ada keputusan pembelian adalah berbeza mengikut pendapatan bulanan, maka
analisis One-Way ANOVA akan dijalankan.

Langkah 1: Klik Analyze Compare Means One-Way ANOVA...

Rajah 40 One-Way ANOVA - Langkah 1

Langkah 2: Pilih pembolehubah Keputusan Pembelian. Klik untuk memasukkan

pembolehubah tersebut ke dalam kotak Dependent List. Pilih faktor pendapatan. Klik untuk
memasukkannya ke dalam kotak Factor:.

35
 Rajah 41 One-Way ANOVA - Langkah 2

Langkah 3: Klik Post Hoc.. Pastikan pilihan Tukey ditandakan . Klik Continue.

Rajah 42 One-Way ANOVA - Langkah 3

36
Langkah 4: Klik Options...Pastikan pilihan Descriptive dan Homogeneity of variance test ditandakan
. Klik Continue. Klik OK.

Rajah 43 One-Way ANOVA - Langkah 4

37
SPSS akan memaparkan jadual berikut pada Output View:

38
 Rajah 44 One-Way ANOVA - Output View

Menterjemahkan Hasil Analisis One-Way ANOVA

Lihat jadual Test of Homogeneity of Variance. Didapati bahawa p-value adalah tidak signifikan (.673)
kerana telah melepasi tahap signifikan .05. Ini menunjukkan bahawa tiada perbezaan varian antara
kumpulan pendapatan yang berbeza.
Seterusnya, lihat pada jadual ANOVA. Didapati bahawa p-value bagi nilai F adalah signifikan kerana
tidak melepasi tahap signifikan .05. Ini menunjukkan bahawa terdapat perbezaan dalam keputusan
pembelian mengikut pendapatan.
Bagi mengetahui kumpulan pendapatan manakah yang mempunyai perbezaan yang signifikan dalam
keputusan pembelian, lihat jadual Post Hoc Tests (Tukey HSD). Lihat column Mean Difference. Nilai
yang bertanda * menunjukkan kumpulan pendapatan berkenaan mempunyai perbezaan yang signifikan
dalam keputusan pembelian pada tahap signifikan .01.

39
Melaporkan Hasil Analisis One-Way ANOVA
Dalam laporan kajian, anda perlu menyatakan mean bagi kesemua kumpulan pendapatan, nilai F dan
juga p-value. Huraikan dapatan kajian anda.

Jadual 4.5
Perbezaan keputusan pembelian mengikut pendapatan bulanan

Pembolehubah Mean Nilai F Sig.

< RM RM 1001 RM 2001 RM 3001 > RM
1000 RM RM RM 4001
2000 3000 4000
Keputusan 3.389 3.370 3.653** 3.535** 2.983** 6.864 0.00**
Pembelian
*p < 0.05, ** p < 0.01
Hasil analisis mendapati terdapat tiga kumpulan yang mempunyai perbezaan yang signikan dalam
keputusan pembelian iaitu kumpulan yang berpendapatan antara RM 2001 hingga RM 3000,
kumpulan yang berpendapatan antara RM 3001 hingga RM 4000, dan kumpulan yang berpendapatan
lebih RM 4001. Berdasarkan mean, kumpulan berpendapatan RM 2001 hingga RM 3000
menunjukkan keputusan pembelian tertinggi, diikuti oleh kumpulan berpendapatan RM 3001 hingga
RM 4000 dan kumpulan berpendapatan lebih RM 4001.

6. Objektif 3 - Hubungan antara campuran pemasaran dengan keputusan pembelian

Untuk menentukan hubungan antara campuran pemasaran dengan keputusan pembelian, maka analisis
korelasi Pearson akan dijalankan.
Langkah 1: Klik Analyze Correlate Bivariate...

Rajah 45 Analisis Korelasi - Langkah 1

40
Langkah 2: Pilih pembolehubah Produk, Promosi, Harga, Lokasi dan Keputusan

Pembelian. Klik untuk memasukkan kesemua pembolehubah tersebut ke dalam kotak

Variables: Pastikan pilihan Pearson dan Flag significant correlations ditandakan . Klik OK.

"
Rajah 46 Analisis Korelasi - Langkah 2

41
SPSS akan memaparkan jadual berikut pada Output View:

Rajah 47 Analisis Korelasi - Output View

Menterjemahkan Hasil Analisis Korelasi

Nilai r yang ditanda ** menunjukkan korelasi yang signifikan antara pembolehubah terlibat pada
tahap signifikan .01. Nilai r menunjukkan kekuatan korelasi antara satu pembolehubah dengan
pembolehubah yang lain. Menurut Cohen (1988):
Korelasi yang lemah mempunyai nilai r antara .10 hingga .29
Korelasi yang sederhana mempunyai nilai r antara .30 hingga .49
Korelasi yang kuat mempunyai nilai r antara .50 hingga 1.0
Kesemua nilai korelasi di atas mempunyai arah positif.

42
Melaporkan Hasil Analisis Korelasi
Dalam laporan kajian, anda perlu menyatakan nilai r bagi kesemua pembolehubah yang terlibat.
Huraikan dapatan kajian anda.

Jadual 4.6
Korelasi antara pembolehubah

1 2 3 4 5
1. Produk -
2. Promosi .595** -
3. Harga .591** .719** -
4. Lokasi .708** .658** .667** -
5. Keputusan Pembelian .635** .708** .588** .655** -
*p < 0.05, ** p < 0.01
Hasil analisis menunjukkan bahawa kesemua pembolehubah campuran pemasaran (produk, promosi,
harga, lokasi) mempunyai hubungan korelasi yang kuat secara positif dengan keputusan pembelian.

7. Objektif 4 - Pengaruh campuran pemasaran ke atas keputusan pembelian

Untuk menentukan sama ada campuran pemasaran mempengaruhi keputusan pembelian, maka analisis
Multiple Regression akan dijalankan.

Langkah 1: Klik Analyze Regression Linear...

Rajah 48 Regression - Langkah 1

43
Langkah 2: Pilih pembolehubah Keputusan Pembelian. Klik untuk memasukkannya ke dalam

kotak Dependent:. Pilih pembolehubah Produk, Promosi, Harga dan Lokasi. Klik untuk
memasukkan pembolehubah terlibat ke dalam kotak Independent(s):

Rajah 49 Regression - Langkah 2

44
Langkah 3: Klik Statistics. Pastikan pilihan Estimates, Model fit, R squared change, Descriptives,
Part and partial correlations, Collinearity diagnostics, Durbin-Watson, dan Casewise diagnostics
ditandakan . Klik Continue.

Rajah 50 Regression - Langkah 3

45
Langkah 4: Klik Plots. Pilih *ZPRED. Klik untuk memasukkannya ke kotak X:. Pilih

*SRESID. Klik untuk memasukkannya ke dalam kotak Y. Pastikan pilihan Histogram, Normal
probability plot dan Produce all partial plots ditandakan . Klik Continue. Klik OK.

Rajah 51 Regression - Langkah 4

46
SPSS akan memaparkan jadual berikut pada Output View:

Rajah 52 Regression - Output View

Menterjemahkan Hasil Analisis Regresi

Dalam jadual Model Summary, lihat column ujian Durbin-Watson. Nilai 1.772 berada dalam
lingkungan antara 1.5 2.5. Ini bermakna bahawa tiada ralat auto-korelasi (iaitu item-item yang
mengukur IV tidak bertindih antara satu sama lain).
Dalam jadual ANOVA, nilai F (110.546) didapati signifikan dengan p-value .00 pada tahap signifikan
.01. Ini menunjukkan bahawa kebarangkalian korelasi untuk berlaku secara kebetulan adalah kurang
daripada 1 dalam 10,000. Model yang terhasil adalah signifikan.
Dalam jadual Model Summary, lihat column R Square. R Square menunjukkan kira-kira 72.7% varian
dalam DV iaitu Keputusan Pembelian dijelaskan oleh pembolehubah yang signifikan iaitu Produk,
Promosi dan Harga.
Dalam jadual Coefficients, lihat column Standardized Coefficient Beta (). Didapati bahawa nilai
bagi pembolehubah Produk, Promosi dan Harga adalah signifikan pada tahap .01 manakala
pembolehubah Lokasi adalah tidak signifikan kerana p-value yang melepasi tahap signifikan .05. (iaitu
.194)
Lihat column Colinearity Statistics. Pastikan nilai Tolerance adalah melebihi 0.10 manakala nilai VIF
tidak melebihi 10 bagi kesemua IV. Ini bertujuan memastikan tiada ralat multi-collinearity 4.
Histogram menentukan taburan normal bagi data. Kelinearan data ditentukan melalui garisan lurus
yang memotong paksi X dan Y dalam rajah Normal P-Plot. Data perlu berterabur secara sekata dalam
lingkungan nilai paksi X dan Y yang sama dalam rajah Scatterplot supaya masalah heterocedasticity 5
yang serius tidak wujud.

4
Multi-collinearity merupakan fenomena yang melibatkan lebih daripada dua IV mempunyai hubungan korelasi
yang terlalu tinggi dalam sesuatu model regresi pelbagai. Ia boleh menghasilkan dapatan yang tidak sah kerana
mempunyai pertindihan antara satu sama lain.
5
Heterocedasticity yang serius boleh menyebabkan dapatan yang berat sebelah dan tidak konsisten.

47
Melaporkan Hasil Analisis Regresi Pelbagai
Dalam laporan kajian, anda perlu menyatakan nilai Standardized Beta, R Square, Adjusted R Square,
nilai F, dan nilai ujian Durbin-Watson. Anda juga perlu paparkan rajah Histogram, Normal P-Plot dan
Scatterplot. Huraikan dapatan kajian anda.
Jadual 4.7
Hasil analisis regresi pelbagai

Pembolehubah tidak bersandar Pembolehubah bersandar: Keputusan Pembelian

Produk .433**
Promosi .210**
Harga .251**
Lokasi .087

R Square 0.727
Adjusted R Square 0.72
Nilai F 110.546**
Durbin-Watson 1.772
*p < 0.05, ** p < 0.01

Rajah 4.1 Histogram

48
Rajah 4.2 Normal P-Plot

Rajah 4.3 Scatterplot

49
5. Rujukan

Ahmad, A. (2016). Pengaruh Campuran Pemasaran Terhadap Keputusan Pembelian Produk Dalam
Kalangan Pelajar Ijazah Sarjana Muda PJJ USM. Universiti Sains Malaysia, Pulau Pinang.
Al-Mansor, A.S. (2015). Kaedah Penyelidikan Perniagaan. Kuala Lumpur: Dewan Bahasa dan
Pustaka.
Cohen, J.W. (1988). Statistical power analysis for the behavioural sciences (Second Edition).
Hillsdale, NJ: Lawrence Erlbaum Associates.
George, D., and Mallery, P. (2003). SPSS for Windows Step By Step: A Simple Guide and Reference
11.0 Update (Fourth Edition). Boston, USA: Allyn & Bacon.
Nunnally, J. C. (1978). Psychometric theory (Second Edition). New York: McGraw-Hill.
Pallant, J. (2007). SPSS Survival Manual: A Step by Step Guide to Data Analysis using SPSS for
Windows (Third Edition). Berkshire, England: Open University Press.
Sekaran, U. 2000. Research Method for Business: A Skill Building Approach (3rd Ed.). New York:
John Wiley & Sons Inc.
Sekaran, U. and Bougie, R. (2013). Research Methods for Business. A Skill-Building Approach (6th
Ed.). United Kingdom: John Wiley & Sons Ltd.

50