Analisis Data Menggunakan Perisian SPSS PDF
Analisis Data Menggunakan Perisian SPSS PDF
PERISIAN SPSS
DISAMPAIKAN OLEH:
MUHAMMAD AMIRUL ABDULLAH
KOLEJ KOMUNITI BANDAR DARULAMAN
“Allah memberikan Hikmat kebijaksanaan (ilmu yang
berguna) kepada sesiapa yang dikehendakiNya
(menurut aturan yang ditentukanNya) dan sesiapa yang
diberikan hikmat itu maka sesungguhnya dia telah
diberikan kebaikan yg banyak. Dan tiadalah yg dapat
mengambil pengajaran (dan peringatan) melainkan
orang2 yg menggunakan akal fikirannya.” (Maksud ayat
269, Surah Al-Baqarah).
Kuantitatif Kualitatif
Kajian Tinjauan
Kajian Korelasi Ethnography Kajian Kes
(survey)
Research Design/
Methodology
Instrumentation
Data Collection
Makluman
Kajian AMALAN
Tujuan
PERUBAHAN
Jenis data
Perisian
Kemahiran
ANALISIS STATISTIK
Melibatkan pengumpulan maklumat (data), menganalisisnya,
dan membuat keputusan yang bermakna.
Memberi
Menerangkan
makna
data
kepada data
Kegunaan
Statistik
Deskriptif Inferensi
Statistik Deskriptif
v Meringkas dan mempersembah data dengan
menggunakan nombor.
Jantina Markah
57 60 55 71 55 44 83
Lelaki
70 61 80 72 50 46 67
40 70 82 61 40 56 65
Perempuan
54 44 83 62 49 56 70
Lelaki 14 44 83 62 60 12.0
Perempuan 14 40 83 59 59 13.8
Statistik Inferensi
Populasi Sampel
Dapatan
Markah ujian yang dikumpul
Jantina Markah
57 60 55 71 55 44 83
Lelaki
70 61 80 72 50 46 67
40 70 82 61 40 56 65
Perempuan
54 44 83 62 49 56 70
Soalan Reka
Kajian bentuk
Jenis
data
Dapatan
Kesimpulan Keputusan
VARIABLE?
5 JENIS:
q Independent Variable
ü Kesannya terhadap DV dikaji. Cth.Kaedah mengajar – Skor
Pencapaian
q Dependent Variable
ü Variable yg kesannya dicerap akibat IV
q Mediated Variable
ü Menjelaskan ? Hubungan IV & DV berlaku(cth.umur-
pengalaman-skor, pengalaman sbg. MV)
Samb…jenis variable
q Moderator Variable
ü Variable yg berinteraksi utk kekuatan hubungan antara IV &
DV
ü Cth.kekerapan menonton berita (DV) dipengaruhi oleh umur (IV)
tetapi jantina boleh menguatkan hubungan ini di mana lelaki
berumur lbh kerap menonton berita berbanding perempuan
berumur.
q Extraneous Variable
ü Variable luaran selain IV yg mempengaruhi DV
ü Cth.(samb.cth MV)…isu semasa mempengaruhi kekerapan
menonton berita…tsunami, gempa bumi, dll.
IV vs DV
Pemboleh ubah Bebas vs Pemboleh ubah Bersandar
Contoh:
Kaedah mengajar (IV) dimanipulasi dengan menjadikan dua kaedah
berbeza (X dan Y) bagi melihat kesannya kepada skor (DV).
SKALA…No Oil In River
• Nombor menunjukkan kuantiti
Nisbah • Jarak sekata antara nombor.
(Ratio) • Berat, tinggi, pendapatan
• Nilai sifar menunjukkan tiada
Parametrik
Bukan
Jenis Ujian Parametrik
Statistik
Nominal &
Bukan
Ordinal
Parametrik
JENIS DATA
TUJUAN
Parametrik Bukan Parametrik
Median, interquartile
Menerangkan satu kumpulan Mean, SD
range
Spearman
Korelasi dua variabel Pearson correlation
correlation
ü Nyatakan Ho & Ha
ü Setkan darjah keyakinan/alfa (kajian sains sosial=.05)
ü Laporkan ujian statistik & kesignifikanan
ü Membuat keputusan (terima / gagal)
ü Kesimpulan
RALAT:
Ho BETUL Ho SALAH
Manual Perisian
Analisis
Data
Statistical Package for the Social Sciences
SPSS
Mengenali SPSS
• Starting SPSS
• Opening an Existing Data File
• Starting a New Data File
• Defining & Procedure for Defining the
Variables
– Name, Type, Width, Decimals, label, Value,
Missing, Align, Measure
• Procedure for Entering Data
Latihan 1
• Menyediakan ‘template’.
• Memasukkan data.
Screening & Cleaning The Data
1. Frekuensi
2. Crosstab
3. Peratus
4. Min
5. Korelasi
1. Mencari
bilangan
jawatan guru
1. Mencari
bilangan jenis
jawatan guru
dan graf
ANALISIS SERENTAK
BEBERAPA VARIABEL
Contoh:
• Selamat MENCUBA….
Normality & Linearity
• AnalyzeàDes.StatisticsàExplore
– Klik ‘totalkjer’àDependent List box
– Label cases byàput your ID variables
– Displayà’Both’ is selected
– Statisticsàclick descriptive & outliers, click continue
– Plotsàclick on Histogram, Normality plots with tests, continue
– Optionàin the missing values, click on Exclude cases pairwise.
Continue & OK.
Ø Skewness - pencongan graf normal samada ke kanan (+) atau
ke kiri (-).
Ø Kurtosis – keadaan samada puncak graf kuncup/kurus (-) atau
lebar (+) berbanding puncak graf normal.
Ø Nilai skewness & kurtosis data normal = 0.
Ø Julat normal: ± 1.7 ,ada pendapat kata : ± 2.0
Ø Test of NormalityàKolmogorov-Smirnov…non-sig.=normal
Ø Big samples=Central Limit Theorem
Ø CLT menyatakan bahawa, “mean of sampling distribution of the
mean is equal to the population mean. That tells you that
repeated sampling will, over the long run, produce the correct
mean.” [mean of sampling mean = mean population].
Normal Q-Q plot
Boxplot
• With reasonably large samples, skewness will not ‘make a
substantive difference in the analysis’ (Tabachnick & Fidell 2007, p.
80). Kurtosis can result in an underestimate of the variance, but this
risk is also reduced with a large sample (200+ cases: see
Tabachnick & Fidell 2007, p. 80). While there are tests that you can
use to evaluate skewness and kurtosis values, these are too
sensitive with large samples. Tabachnick and Fidell (2007, p. 81)
recommend inspecting the shape of the distribution (e.g. using a
histogram).
• Skewness and kurtosis value giving information about the
distribution of scores for the two groups. In the table labelled Tests
of Normality, you are given the results of the Kolmogorov-
Smirnov (and Shapiro-Wilk) statistic. This assesses the normality
of the distribution of scores. A non-significant result (Sig. value of
more than .05) indicates normality. In case, the Sig. value is .000,
suggesting violation of the assumption of normality. This is quite
common in larger samples. (Pallant, 2011).
Kesahan & Kebolehpercayaan
Kesahan
• Merujuk kpd sejauhmana sst.alat ukur dpt. Memberikan ukuran
terhadap apa yg patut diukur (Tuckman, 1978; Mohd Majid, 1990;
Anastasi&Urbina 1997).
• Darjah ketepatan ujian/alat ukur tersebut mengukur perkara atau
kualiti yg diukur oleh ujian tersebut (Anastasi, 1990 dlm Mohamad
Sahari, 2008).
• Cth.: Alat penimbang sah untuk mengukur berat badan, TETAPI
kurang sah untuk mengukur darjah kesihatan seseorang.
• Sesuatu alat yg berupaya mengukur dengan tepat sst
pembolehubah yg ditetapkan adalah dianggap SAH sbg alat
pengukur bg pembolehubah tersebut.
Jenis Kesahan
• Kesahan Muka (Face validity) – bahasa, ejaan, kejelasan, kurang
saintifik & boleh disemak oleh org bukan pakar bidang
• Kesahan Kandungan (Content validity) – sejauh mana alat ukur itu
mewakili bidang/kandungan yg diukur. MESTI disahkan oleh pakar
bidang.
• Kesahan Kriteria (Criterion validity)
– Terbahagi kpd 2: i. Kesahan serentak (concurrent); ii. Kesahan Jangkaan
(Predictive)
– K.serentak- kesetaraan…skor instrumen yg dibina setara/hampir setara dgn
instrumen org lain. Cth.,Soalan Matematik pada tahun 2007 (Lembaga Pep.) dgn
soalan Matematik yg dibina pada 2012 (menguji topik yg sama) – menunjukkan
keputusan yg tidak jauh berbeza apabila diuji utk tempoh masa yg dekat.
– K.Jangkaan – dpt.menjangka keputusan akan datang (3-6 bulan). Lazim utk
ujian penyaringan. Cth. IMSAK di IPG).
• “the ability of a survey instrument to forecast future events, behaviours, attitudes, or
outcome.” (Litwin 1995)
• Kesahan Gagasan (Construct validity)
– Item yg menguji konstruk yang sama, skor ujian adalah ‘correlated’; tetapi jika
mengukur konstruk yang berlainan akan mencatatkan korelasi yg rendah
– Ringkasnya, item yg mewakili sesuatu konstruk perlu mempunyai ciri sepunya!
Kebolehpercayaan
Ø kestabilan & ketekalan/konsistensi sst alat/instrumen
mengukur sst konsep, pd bila2 masa, dlm apa jua
keadaan.
Ø Memberi skor yg sama walau diukur berulang kali
• Cronbach (1946):
– <0.6 : rendah
– 0.6 – 0.8 : diterima
– >0.8 : baik
Nilai
Interpretasi Nilai
Koefisien α Interpretasi
Koefisien α
> 0.9 Excellent
.90 and up Excellent
> 0.8 Good
.80 - .89 Good
> 0.7 Acceptable
.70 - .79 Adequate
> 0.6 Questionable
May have limited
> 0.5 Poor below .70
applicability
< 0.5 Unacceptable U.S. Department of Labor Employment and Training
George, D., & Mallery, P. (2003). SPSS for Windows step Administration 1999
by step: A simple guide and reference. 11.0 update (4th
ed.). Boston: Allyn & Bacon.
Procedure for checking the reliability of a scale:
1. From the menu at the top of the screen, click on Analyze, select
Scale, then Reliability Analysis.
2. Click on all of the individual items that make up the scale (e.g. item1,
item2, item3, item4, item5). Move these into the box marked Items.
3. In the Model section, make sure Alpha is selected.
4. In the Scale label box, type in the name of the scale or subscale
(Life Satisfaction).
5. Click on the Statistics button. In the Descriptives for section, select
Item, Scale, and Scale if item deleted. In the Inter-Item section,
click on Correlations. In the Summaries section, click on
Correlations.
6. Click on Continue and then OK
Apa yg perlu dilaporkan?
• Corrected item-total correlation (CITC)
• Alpha if item deleted, dan
• Alpha
Jadual 1.1 Nilai korelasi item dengan jumlah skor Konstruk ‘Kestabilan
Jasmani, Emosi Dan Rohani’ dan antara item
• Jadual 1.1 menunjukkan semua item dalam konstruk ‘Kestabilan
Jasmani, Emosi dan Rohani’ berkorelasi positif yang kukuh dan
signifikan dengan jumlah skor konstruk ‘Kestabilan jasmani, Emosi
dan Rohani’. Korelasi yang paling kuat adalah item b03 (0.846),
diikuti dengan item b4 (0.840), item b05 (0.800), item b02 (0.742),
dan item b01 (0.736).Julat korelasi antara item dengan jumlah skor
konstruk ‘Kestabilan Jasmani, Emosi dan Rohani’ adalah antara
0.386 hingga 0.846. Didapati juga nilai korelasi antara item
menunjukkan semua item berkorelasi secara positif dan adalah
signifikan pada aras 0.01. Nilai positif antara konstruk dalam matriks
korelasi antara item juga menunjukkan bahawa item-item dalam
konstruk-konstruk tersebut mengukur ciri struktur yang serupa.
• Secara keseluruhan, apabila konstruk KJER dianalisis untuk
menentukan nilai kebolehpercayaan pekali Cronbach Alpha didapati
bahawa nilainya adalah 0.845, iaitu suatu nilai kebolehpercayaan
ketekalan dalaman yang tinggi dan baik. Jadual 2.2 menunjukkan
bahawa nilai korelasi item yang diperbetulkan kepada jumlah skor
adalah dalam julat 0.543 hingga 0.749. Nilai korelasi item yang
diperbetulkan kepada jumlah skor adalah petunjuk tentang darjah
korelasi setiap skala kepada jumlah skor. Dalam kajian ini, didapati
nisbah ini adalah besar daripada 0.3. Ini menunjukkan bahawa
konstruk yang diukur adalah mempunyai korelasi yang baik dengan
jumlah skor. Nilai korelasi antara item adalah antara 0.386 hingga
0.846. Ini menunjukkan korelasi yang kuat antara item yang terdapat
dalam konstruk KJER yang digunakan dalam instrumen ini. Korelasi
antara item bagi setiap item adalah positif.
Latihan 4
• Laporkan kesahan dan kebolehpercayaan
konstruk ‘Menepati Masa’ dalam
instrumen KKPK.
STATISTICAL TECHNIQUES TO
COMPARE GROUPS
• t-Test
• One-Way Analysis of Variance (ANOVA)
• Two-Way ANOVA
t-Test
• 2 jenis : i. Sampel tak bersandar (jantina); ii. Sampel bersandar
(pre-post test)
Hipotesis Nul:
• Ho1: Tidak terdapat perbezaan yang signifikan tahap kualiti peribadi
pengetua kanan berdasarkan jantina pengetua.
• Ho2: Tidak terdapat perbezaan yang signifikan tahap kualiti peribadi
pengetua kanan berdasarkan jantina guru.
• Ho3: Tidak terdapat kesan interaksi yang signifikan antara jantina
pengetua dan jantina guru terhadap tahap kualiti peribadi pengetua
kanan.
1) Jadual deskriptif
2) Keputusan Ujian ANOVA Dua Hala
Laporkan: Jantina Pengetua, Jantina Guru,
Jantina Pengetua * Jantina Guru, Error, dan Corrected total