ANALISIS DATA MENGGUNAKAN

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).

“Barangsiapa merintis jalan mencari ilmu maka Allah akan

memudahkan baginya jalan ke syurga.” (HR.Muslim).
Jadual…
SPSS?

Statistical Package for the Social Sciences

Predictive Analytics SoftWare

“SUKA PENYELIDIKAN SUKA STATISTIK”

 REKA BENTUK
KAJIAN

Kuantitatif Kualitatif

Kajian Tinjauan
Kajian Korelasi Ethnography Kajian Kes
(survey)

Eksperimen Quasi- Grounded

Phenomenology
Benar Eksperimen Theory
Problem Statement

Research Design/
Methodology

Population & Sample

Instrumentation

Data Collection

Data Analysis & Presentation

Interpretation & Reporting

 Rekod
Pemantauan

Makluman
Kajian AMALAN

Tujuan
PERUBAHAN

Jenis data

Perisian
Kemahiran
ANALISIS STATISTIK
 Melibatkan pengumpulan maklumat (data), menganalisisnya,
dan membuat keputusan yang bermakna.

Sains membuat kesimpulan dari data.

Koleksi prosedur mengumpul data bagi membuat

MAKSUD keputusan
STATISTIK
Bidang pengajian yang melibatkan proses
pengumpulan, analisis, persembahan, dan tafsir
untuk membuat keputusan.

Satu cabang matematik yang menganalisis nombor untuk

membuat keputusan.
 Meringkaskan
Data

Memberi
Menerangkan
makna
data
kepada data

Kegunaan
Statistik

Statistical thinking will be a necessary tools to be an efficient citizen.

Information developed through the use of statistics has enhanced our
understanding of how life works, learn about each other, taking control
of some social issues, and help to make decisions. (H.D. Wells)
Collect Analyze Present Interpret

Make informed decisions

 CABANG STATISTIK

Deskriptif Inferensi
Statistik Deskriptif
v Meringkas dan mempersembah data dengan
menggunakan nombor.

v Data sama ada dari pemboleh ubah kuantitatif

(ketinggian, kecerdasan, berat) atau dari
pemboleh ubah kategori (jantina, judul buku,
jenis sekolah)

v Data yang dikumpul diproses dan disusun

dalam bentuk yang mudah dibaca dengan
menggunakan pelbagai cara seperti graf,
jadual, dan carta.
 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

Bagaimana hendak memudahkan bacaan dan

memberi makna kepada markah yang dikumpul?
 Markah
Jantina N
Minima Maksima Mean Median SP

Lelaki 14 44 83 62 60 12.0

Perempuan 14 40 83 59 59 13.8
Statistik Inferensi

v Membuat inferens mengenai sesuatu populasi

dengan berdasarkan data yang dikumpul dari satu
kumpulan yang lebih kecil (sampel)

v Sampel yang dipilih mempunyai ciri-ciri yang sama

dengan populasi (representasi)

v Menggunakan kaedah statistik yang

mengambilkira faktor ralat dan perbezaan sampel
dengan populasi
 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

Apakah interpretasi yang boleh dibuat

berdasarkan kepada markah ujian sampel?
Pemilihan Ujian Statistik

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

Sela • Nombor menunjukkan kuantiti/ magnitud

(Interval) • Jarak sekata antara nombor.
• Suhu, markah ujian, IQ
• Nilai sifar arbitrari (tiada sifar mutlak)

• Pengkelasan mengikut pemeringkatan (tinggi àrendah)

Ordinal • Nombor menunjukkan kuantiti; jarak/selang tidak sekata
• Kedudukan dalam kelas, penarafan, kemahiran bertutur,
ranking, SES, Pendapat (Setuju, Tak Pasti, Tidak Setuju)

• Aras paling rendah

Nominal • Angka tiada magnitud. Bertujuan untuk
pengkelasan, pengenalan
• Jantina, nombor KP, jenis sekolah, kod buku
 PEMILIHAN UJIAN STATISTIK

Parametrik

Sela & Nisbah

Bukan
Jenis Ujian Parametrik
Statistik

Nominal &
Bukan
Ordinal
Parametrik
 JENIS DATA
TUJUAN
Parametrik Bukan Parametrik

Median, interquartile
Menerangkan satu kumpulan Mean, SD
range

Perbandingan satu kumpulan One-sample

Wilcoxon test
menggunakan satu nilai T- test

Membandingkan dua kumpulan Independent

Mann-Whitney test
berbeza T- test

Membanding dua kumpulan

Paired T-test Wilcoxon test
berpasangan
 JENIS DATA
TUJUAN
Bukan
Parametrik
Parametrik

Membandingkan tiga atau Kruskal-Wallis

One-way ANOVA
lebih kumpulan berbeza test

Spearman
Korelasi dua variabel Pearson correlation
correlation

Meramal nilai dari variabel

Simple linear regression
lain yang diukur (Predict Nonparametric
or
value from another regression**
Nonlinear regression
measured variable)

Meramal nilai dari beberapa

variabel lain yang diukur
Multiple linear regression* or
(Predict value from several
Multiple nonlinear regression**
measured or binomial
variables)
Perbezaan min
IV DV
-Data diskret -Data continuous Jenis Ujian
(Nominal / Ordinal) (Interval / ratio)
1 1 Ujian-t
(cth. Lelaki/perempuan) (cth. Pencapaian)
1 1 Anova Satu
(cth. Melayu/Cina/India) Hala
2 1 ANOVA Dua
(cth. Bangsa & Jantina) Hala
1@> 2@> MANOVA
PENGUJIAN HIPOTESIS?
• Hipotesis = andaian kajian yg akan diuji
• Jenis Hipotesis = HA & Ho
• Ho = Min Sampel Tidak Berbeza Dari Min Populasi
• Pengiraan dan perbandingan t obtain dan t kritikal
– T obtain > t kritikal (alfa=0.05), maka wujud perbezaan yg
signifikan kedua-dua min skor sampel dan min populasi
• Why Null?
“It is difficult to prove something to be TRUE, but is much
easier to prove something to be NOT TRUE.”
 SOALAN KAJIAN à PERLU/TIDAK PENGUJIAN HIPOTESIS

5 LANGKAH PENGUJIAN HIPOTESIS:

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

TOLAK Ho RALAT JENIS I KEPUTUSAN TEPAT

GAGAL TOLAK Ho KEPUTUSAN TEPAT RALAT JENIS II

Tolak Ho = Terdapat perbezaan/hubungan yg signifikan

Gagal tolak Ho = Tidak terdapat perbezaan/hubungan yg signifikan

Bagaimana hendak menganalisis data?

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

• Step 1: Checking for Error

• Step 2: Finding the Error in Data File
• Step 3: Correcting the Data Error in Data
File
Manipulating the Data
• Calculating Total Scale Score (summated)
• Collapsing a Continuous Variable Into
Group (compute, recode)
Latihan 2
• Checking for Error
• Finding the Error in Data File
• Correcting the Data Error in Data File
• Calculating Total Scale Score (summated)
• Collapsing a Continuous Variable Into
Group (compute, recode)
MENGHASIL OUTPUT

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:

• Jawatan, jantina Pengetua, dan

kelayakan akademik
 Crosstab

Memudahkan analisis beberapa varibel

dalam satu jadual
Latihan 3
• Menyediakan jadual, graf, carta, dan
crosstab.

• 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

“…reliability does’nt ensure validity…” (Hair et al., 1995)

Konsep kebolehpercayaan
• Researchers must demonstrate instruments are reliable since without
reliability, research results using the instrument are not replicable, and
replicability is fundamental to the scientific method. Reliability is the
correlation of an item, scale, or instrument with a hypothetical one which
truly measures what it is supposed to. Since the true instrument is not
available, reliability is estimated in one of four ways:
• Internal consistency: Estimation based on the correlation among the
variables comprising the set (typically, Cronbach's alpha, KR-20)
• Split-half reliability: Estimation based on the correlation of two equivalent
forms of the scale (typically, the Spearman-Brown coefficient)
• Test-retest reliability: Estimation based on the correlation between two (or
more) administrations of the same item, scale, or instrument for different
times, locations, or populations, when the two administrations do not differ
on other relevant variables (typically, the Spearman Brown coefficient)
• Inter-rater reliability: Estimation based on the correlation of scores
between/among two or more raters who rate the same item, scale, or
instrument
Nilai kebolehpercayaan

• Cronbach (1946):
– <0.6 : rendah
– 0.6 – 0.8 : diterima
– >0.8 : baik

• DeVellis (2003), >0.7

 Nunnally and Bernstein (1994) provided guidance in the
interpretation of the reliability coefficient by stating that a value of
.70 is sufficient for early stages of research, but that basic research
should require test scores to have a reliability coefficient of .80 or
higher. When important decisions are to be made with test scores, a
reliability coefficient of .90 is the minimum with .95 or higher a
desirable standard. (Nunnally, J.C. & Bernstein, I.H. (1994). Psychometric Theory (3 Edition)).
rd

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)

i. Ujian-t Sampel tak bersandar

• Tujuan: Membandingkan 2 kumpulan (cth. Jantina) dengan DV
yang berskala interval
• Andaian: m/s 25
• Soalan Kajian: Adakah terdapat perbezaan yang signifikan tahap
kualiti peribadi pengetua kanan bagi konstruk ‘kestabilan jasmani,
emosi dan rohani berdasarkan jantina?
• Hipotesis: Ho: Tidak terdapat perbezaan yang signifikan tahap
kualiti peribadi pengetua kanan bagi konstruk KJER berdasarkan
jantina.
• Langkah2 SPSS: Click Analyze > Compare Means >
Independent-Samples T Test
Penulisan Laporan:

Jadual 2 menunjukkan keputusan ujian-t bagi konstruk ‘kestabilan

jasmani, emosi dan rohani’. Keputusan ujian-t bagi sub-konstruk
‘kestabilan jasmani, emosi dan rohani’ mendapati bahawa tidak
terdapat perbezaan yang signifikan bagi sub-konstruk tersebut
(t=0.593; p>0.05). Tahap ‘kestabilan jasmani, emosi dan rohani’
pengetua lelaki (M=4.145, SP=0.630) adalah sama dengan pengetua
perempuan (M=4.167, SP=0.642).
Latihan 5
Soalan:
Adakah terdapat perbezaan yang signifikan tahap kualiti
peribadi pengetua kanan bagi konstruk ‘Kemahiran
Berkomunikasi’ berdasarkan jantina?

Tuliskan hipotesis kajian dan hipotesi null anda.

Laporkan hasil analisis menggunakan jadual yang

bersesuaian dan buatkan rumusan dapatan anda.
ONE-WAY ANOVA
• Tujuan: Mengenal pasti sama ada terdapat perbezaan skor min
yang signifikan pada 1 DV (berskala interval) yang melibatkan 3
atau lebih kumpulan.
– ANOVA Satu Hala akan menunjukkan sama ada terdapat
perbezaan yang signifikan dalam skor min pembolehubah
bersandar (dependent variable) merentasi 3 kumpulan
responden yang dikaji. Ujian Post-hoc pula digunakan untuk
mengenalpasti kumpulan manakah yang berbeza.
• Andaian: sama seperti t-test, m/s 25
• Contoh Soalan Kajian: Adakah terdapat perbezaan yang signifikan
tahap kualiti peribadi pengetua kanan berdasarkan persepsi guru
berdasarkan pengalaman mengajar guru?
• Hipotesis:
Ho : µ1 = µ2 = µ3
Ho : Tidak terdapat perbezaan yang signifikan skor min tahap kualiti
peribadi pengetua kanan berdasarkan persepsi guru mengikut
pengalaman mengajar guru.
Spss…
• 1. From the menu at the top of the screen, click on Analyze, then
select Compare Means, then One-way ANOVA.
• 2. Click on your dependent (continuous) variable (e.g. Total Kualiti
Peribadi: tottkpribadi). Move this into the box marked Dependent
List by clicking on the arrow button.
• 3. Click on your independent, categorical variable (e.g. 3 kumpulan
pengalaman mengajar: pengmjar3). Move this into the box labelled
Factor.
• 4. Click the Options button and click on Descriptive, Homogeneity
of variance test, Brown-Forsythe, Welch and Means Plot.
• 5. For Missing values, make sure there is a dot in the option
marked Exclude cases analysis by analysis. Click on Continue.
• 6. Click on the button marked Post Hoc. Click on Tukey.
• 7. Click on Continue and then OK
• Dalam Post Hoc, nak guna Tukey atau Scheffe? Lazimnya, Scheffe
digunakan bagi N tiga atau lebih kumpulan berbeza, manakala
Tukey memerlukan N bagi setiap kumpulan adalah sama!
• Keputusan Post Hoc wajib dilihat dan dilaporkan hanya sekiranya
ujian Anova didapati terdapat perbezaan yang signifikan (lihat Sig.),
Jika nilai Sig. melebihi had yang ditetapkan oleh pengkaji (cth.
p<0.05), maka tidak perlu melihat keputusan post hoc.
• Untuk melaporkan keputusan ujian Anova, pengkaji perlu
mengemukakan Jadual Deskriptif, Jadual Ujian Anova, dan Jadual
Post Hoc (jika Nilai Sig. < 0.05).
• Nilai Eta Squared dalam Anova memerlukan pengkaji melakukan
pengiraan sendiri dengan menggunakan formula di bawah dan
seterusnya tentukan sama ada tinggi/sederhana/rendah
berdasarkan saranan Cohen atau yang lain.
• Eta squared = Sum of squares between groups
Total sum of squares
Berdasarkan Jadual 2, didapati terdapat perbezaan yang signifikan
skor min tahap kualiti peribadi pengetua kanan berdasarkan
persepsi guru mengikut pengalaman mengajar guru (F(2,
1207)=8.168; p<0.05). Persepsi guru yang berpengalaman
mengajar 11 hingga 20 tahun (M=181.489, S.P=23.900) dan guru
yang berpengalaman mengajar 21 tahun ke atas (M=182.624) lebih
tinggi berbanding guru yang berpengalaman mengajar 1 hingga 10
tahun (M=176.339, S.P=24.116). Walaubagaimanapun, skor min
persepsi guru yang berpengalaman mengajar 11 hingga 20 tahun
dan guru yang berpengalaman mengajar 21 tahun ke atas tidak
berbeza secara signifikan. Walaupun keputusan ujian Anova Sehala
tersebut adalah signifikan secara statistik, perbezaan sebenar
dalam skor min antara kumpulan agak kecil. Kesan saiz yang dikira
menggunakan Eta kuasa dua adalah 0.013.
Latihan 6
Bandingkan sama ada terdapat berbezaan yang
signifikan skor min ‘Fleksibiliti dalam tugas’
pengetua kanan menurut persepsi guru berdasarkan
pengalaman mengajar guru?

Tuliskan hipotesis kajian dan hipotesis null.

Laporkan hasil analisis menggunakan jadual yang

bersesuaian dan buatkan rumusan dapatan anda.
TWO-WAY ANOVA
• Tujuan: Mengenal pasti sama ada terdapat perbezaan skor min
yang signifikan pada 1 DV (berskala interval) yang melibatkan 2 IV
(jantina & bangsa).
• Andaian: kenormalan, sampel rawak, taburan normal
• Soalan Kajian: Adakah terdapat perbezaan yang signifikan tahap
gangguan emosi berdasarkan jantina dan bangsa?
• Hipotesis:
Ho1: Tidak terdapat perbezaan yang signifikan tahap gangguan
emosi berdasarkan jantina.
Ho2: Tidak terdapat perbezaan yang signifikan tahap gangguan
emosi berdasarkan bangsa.
Ho3: Tidak terdapat kesan interaksi yang signifikan antara jantina
dan bangsa terhadap tahap gangguan emosi.
Spss…
• Daripada Menu pada bahagian atas skrin, klik Analyze, seterusnya
pilih General Linear Model, diikuti Univariate.
• Klik dependent anda, continuous variable (cth. Tahap gangguan
emosi: gguemosi) dan klik pada anak panah untuk memasukkannya
ke dalam kotak yang berlabel ‘Dependent variable.’
• Klik pada dua ‘independent’ dalam kajian anda, ‘categorical
variables’ (jantina, bangsa) dan masukkan ke dalam kotak berlabel
‘Fixed Factors.’
• Klik Options button.
• • Klik Descriptive Statistics, Estimates of effect size and
Homogeneity tests.
• Klik Continue.
• Klik Post Hoc button. (untuk 3 atau lebih kumpulan)
• From the Factors listed on the left-hand side, choose the
independent variable(s) you are interested in (this variable should
have three or more levels or groups: cth. bangsa).
• Klik pada anak panah untuk memasukannya ke bahagian Post
Hoc Tests.
• Pilih jenis ujian yang ingin digunakan (dalam kes ini, Scheffe).
• Klik Continue.
• Klik Plots button.
• Pada Horizontal box, letak independent variable yang mempunyai
kumpulan yang lebih banyak (cth. bangsa). Sekiranya dua IV adalah
sama, pilih mana-mana kumpulan untuk bahagian ini.
Pada label Separate Lines, letakkan IV yang satu lagi (cth. jantina).
• Klik Add.
• Pada bahagian/kotak berlabel Plots, anda akan melihat 2 variabel
tersenarai (cth. bangsa*jantina).
• Klik Continue dan diikuti OK
Ambil perhatian… PENTING untuk diperhatikan dan dilaporkan
i. Keputusan Deskriptif – WAJIB dilaporkan kerana di situlah
maklumat berkaitan mean dan sisihan piawai ditunjukkan.
ii. Levene’s Test
– Ini adalah keputusan bagi ujian kehamogenan varians!
– JIKA keputusan di sini menunjukkan signifikan (p<0.05), bermakna varians
adalah berbeza, DAN nilai kesignifikanan (p-value) pada jadual seterusnya
(ANOVA Dua Hala) MESTI dikurangkan kepada tahap signifikan p<0.01!
Kelekaan pengkaji pada perkara ini akan menjejaskan keputusan analisis!
iii. Main Effect
iv. Graf – menunjukkan secara visual kedudukan ‘tahap gangguan
emosi’ antara jantina dan bangsa, DAN interaksi jantina-bangsa.
Daripada graf, dapat disimpulkan seperti berikut (sekadar contoh):
“Ini bermakna Melayu lebih terganggu emosi berbanding bukan
melayu sama ada lelaki atau perempuan.”
Jika graf bersilang, perlu dilihat bagaimana graf tersebut bersilang.
Ini akan memberi kesan kepada kumpulan mana yang ‘lebih’
berbanding kumpulan yang satu lagi.
Contoh:
Soalan kajian:
Adakah terdapat perbezaan yang signifikan tahap kualiti peribadi
pengetua kanan berdasarkan jantina pengetua dan jantina guru?

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

Catatan: Keputusan Levene’s Test mendapati bahawa p=0.016

(p<0.05), maka, pada jadual ANOVA kita perlu melaporkan nilai
signifikan pada p<0.01!
Pelaporan Ujian ANOVA Dua Hala:

Berdasarkan Jadual 2, didapati tidak terdapat perbezaan yang

signifikan tahap kualiti peribadi pengetua kanan berdasarkan jantina
pengetua (F(1, 1207)=2.415, p=0.120), di mana kesan saiz adalah
kecil (eta kuasa dua=0.02). Ini bermakna tahap kualiti peribadi
pengetua lelaki dan pengetua perempuan adalah sama.
Perbandingan persepsi guru terhadap kualiti peribadi pengetua kanan
berdasarkan jantina, didapati terdapat perbezaan yang signifikan
tahap kualiti peribadi pengetua kanan berdasarkan jantina guru
(F(1, 1207)=17.641, p=0.000), walau bagaimanapun kesan saiz
adalah kecil (eta kuasa dua=0.014). Guru lelaki memberikan
persepsi yang lebih tinggi (min=4.321) berbanding guru perempuan
(min=4.223) terhadap tahap kualiti peribadi pengetua kanan lelaki.
Seterusnya, guru lelaki turut memberikan persepsi yang lebih tinggi
(min=4.418) berbanding guru perempuan (min=4.232) terhadap
tahap kualiti peribadi pengetua kanan perempuan. Ini bermakna
guru lelaki menilai tahap kualiti peribadi pengetua kanan lebih tinggi
berbanding guru perempuan sama ada bagi pengetua lelaki
mahupun pengetua perempuan.
Berdasarkan Jadual 2 juga, tidak terdapat kesan interaksi yang
signifikan antara jantina pengetua dengan jantina guru ke atas
persepsi terhadap tahap kualiti peribadi pengetua kanan (F(1,
1207)=1.699, p=0.193). Ini bermakna tahap kualiti peribadi
pengetua kanan tidak bergantung kepada jantina guru dan jantina
pengetua.
Graf kesan interaksi di atas menunjukkan tidak ada kesan interaksi, kedua-
dua garisan tidak bertemu. Bagi kedua-dua jantina pengetua, kesan jantina
guru adalah sama sahaja. Guru lelaki menilai pengetua kanan lebih tinggi
berbanding guru perempuan sama ada bagi pengetua lelaki mahupun
pengetua perempuan.
Latihan 7
Bandingkan sama ada terdapat berbezaan yang signifikan skor
min ‘Fleksibiliti dalam tugas’ berdasarkan jantina pengetua
dan jantina guru.

Tuliskan hipotesis kajian dan hipotesis null.

Laporkan hasil analisis menggunakan jadual yang bersesuaian dan

buatkan rumusan dapatan anda.
Sekian, terima kasih!