IPGM – Kampus Pendidikan Islam, Selangor

ANALISIS DATA MENGGUNAKAN

PERISIAN SPSS

6 -9 Oktober 2009
(Selasa - Jumaat)

KAKITANGAN BAHAGIAN PEMBANGUNAN DAN

PENILAIAN KOMPETENSI KPM DAN PEGAWAI-
PEGAWAI JPN

Oleh:
Dr. Ibrahim bin Mohamed Zin
 2

APAKAH SPSS?

Singkatan kepada ”statistical package for social science”. Diguna pakai untuk
menganalisis data dalam kajian sains sosial.

MULA SPSS

Buka dan tutup SPSS

- SPSS buka satu fail sahaja pada satu masa.

- Apabila buka fail kedua, fail pertama automatik tertutup
- Namakan fail apabila membuka fail baru (save)
- Savekan sekerap mungkin apabila sedang memasukkan data kerana SPSS tidak
savekan untuk anda secara automatik apabila berlaku gangguan.

Variable view

a. buka butang variable view

b. Name : id number untuk mengenal pasti setiap sampel / responden.
c. Type : automatic
d. Width : default adalah 8
e. Decimal : boleh diubah
f. Label : menamakan variable dengan nama sebenar – lebih panjang
g.Values : menentukan makna nilai yang digunakan untuk memberi kod kepada variable.
Contoh ’jantina’.
- klik dalam kotak ’value’
- taip ’1’ dalam kotak value
- taip ’lelaki’ dalam kotak value label
- klik ’add’ dan ikut langkah yang sama bagi ’2’bagi perempuan’.
- klik OK apabila selesai

h. Missing : boleh biarkan kosong atau sebarang angka yang lebih besar daripada skala
yang diguna oleh variable. (9 atau 99)

i. Columns : biasanya 8, boleh kecilkan ikut nama variable.

j. Measure : nominal, ordinal dan scale ikut jenis ukuran data.

Data view

buka butang data view

taip ID sampel
taip masuk angka yang sesuai dengan kod yang telah diberikan dalam variable view

Kemahiran-kemahiran lain:

Delete case
 3
Insert case
Delete variable
Insert variable
Move variable
Sort the data file
Converting Excel data files to SPSS format

PEMURNIAN DATA

a. Langkah pertama proses analisis data adalah meneroka ciri-ciri data.

b. Data mungkin silap:
2.1 semasa dimasukkan (key-in) dalam spss atau
2.2 taburan yang tidak normal
c. Kesilapan dalam kemasukan data boleh diperbetulkan dan pembolehubah yang tidak
normal mungkin boleh ditransform sebelum analisis lanjut.
d. Data normal adalah prasyarat untuk analisis inferensi.

Ciri-ciri data
a. sampel seramai 30 orang
b. item jenis dikotomi atau interval (skala likert 5 mata)
c. beberapa item direkod ”negatif”
d. pembolehubah: jantina, umur, lokasi, pengalaman....

Tugasan

a. Masukkan data dengan betul

b. Semak dan bersihkan data yang telah dimasukkan:

- Analyze – deskriptive statistics – frequencies – pilih semua item – klik ke kotak variable
(s) – statistics – minimum & maximum. OK

DATA TRANSFORMATION

Recode
- untuk ‘recode’ item yang ditulis secara negatif
- Transform---recode---into same variable/ into different variable
- select the item---move to the---variable box
Click old and new value:
- in the old value ---type 1 in the value box
- in the new value---tpe 5 in the value box (jika ada 5 skor)
- click add
- repeat the same procedure for the remaining score.
- continue and click ok.

Compute a new variable

- Transform ---compute---target variable---numeric expression :
Mean (item1 to item10) --- OK. Atau mean (item 1to item10).
 4

ANALISIS DATA DESKRIPTIF & INFERENSI

Jenis Data

a. Data nominal – Merujuk kategori (Contoh : jantina, kaum, warganegara, status)

b. Data ordinal – Merujuk klasifikasi dan ranking (Contoh : tahap akademik, jumlah
pendapatan)
c. Data interval – nilai kosong yang tidak mutlak (Contoh : nilai angka kosong (0) dalam
tahap suhu, IQ, minat)
d. Data ratio – nilai kosong yang mutlak (Contoh : sukatan, meter, masa, kelajuan, berat)

Ujian Statistik

a. perisian program untuk memudahkan pengkaji/guru data menyimpan data,

mengemaskini data, memproses data dan menganalisis data
b. Fokus kepada data statistik atau merujuk angka
c. Memenuhi ciri empirikal (kajian secara saintifik) untuk menentukan piawaian/standard
d. Kepentingan SPSS merujuk kepada Perintah Analyze; antaranya:
i. Deskriptif – Frekuensi, peratus, min dan sisihan piawai, mod, median.
ii. Pentafsiran Ujian-t (melihat perbezaan min satu atau 2 kumpulan)
iii. Ujian ANOVA (melihat perbezaan lebih daripada 2 kumpulan secara
serentak)
iv. Ujian korelasi (melihat hubung kait antara dua pemboleh ubah yang dikaji)

CONTOH ANALISIS STATISTIK DAN PELAPORAN

Pengenalan Menu SPSS

File – New, Open, Save, Save As, Print
Edit – Undo, Redo, Cut, Copy, Clear, Find
View – Grid lines, Value Labels, Variables
Data – Insert variable, insert cases, select cases
Transform – Compute, Recode
Analyze – deskriptive statistic, compare mean, data reduction, scale
Graphs – bar dll
Utilities
Windows
Help

1. Analisis Deskriptif

1.1 Frekuensi dan Peratus

1.2 Min, mod, median
1.3 Grafik – graf, carta.
 5
2. Analisis Inferensi
Sebelum analisis dijalankan, pastikan Objektif, Soalan dan Hipotesis selari. Seperti
berikut:

Objektif Kajian: Mengenal pasti perbezaan pencapaian BM dalam kalangan murid

Soalan Kajian: Adakah terdapat perbezaan pencapaian BM dalam kalangan murid lelaki
dan perempuan?
Contoh Ho : Tidak terdapat perbezaan skor min BM yang signifikan berdasarkan jantina.

Contoh Ha: Terdapat perbezaan skor min BM yang signifikan berdasarkan jantina.

Biasanya, analisis inferensi memerlukan pengujian hipotesis. Dalam penyelidikan, ada

dua hipotesis, sama ada Hipotesis nul (Ho) dan hipotesis penyelidikan (Ha).

Intepretasi nilai min

Nilai min Tahap

0.00 – 1.66 Rendah
1.67 – 3.33 Sederhana
3.34 – 5.00 Tinggi

UJIAN-t

2.1 Ujian-t Satu Sampel

1. pilih menu statistics
2. klik compare means --- one-sample t-test
3. pilih skor BM dan klik butang  untuk gerakkannya ke kotak one sample klik ok
4. Keputusan Ujian-t satu sampel:

N Mean Std. Deviation Std. Error Mean

BM 30 71.63 8.269 1.510

Test
Value =
75
t df Sig. (2- Mean 95% Confidence
tailed) Difference Interval of the
Difference
Lower Upper
BM -2.230 29 .034 -3.37 -6.45 -.28

2.2. Ujian-t bersandar / paired t-test:

 6

5. pilih menu statistics

6. klik compare means --- paired-samples t-test
7. pilih paired variables (skor BM dan skor Matematik) dan klik butang  untuk
gerakkannya ke kotak paired variables
8. klik ok
9. Keputusan Ujian-t bersandar / paired t-test:

Paired Samples Statistics

Mean N Std. Deviation Std. Error Mean
Pair 1 BM 71.63 30 8.269 1.510
MATE 72.23 30 6.816 1.244

Paired Samples Correlations

N Correlation Sig.
Pair 1 BM & 30 .274 .142
MATE

Paired Samples Test

Paired t df Sig. (2-
Differenc tailed)
es
Mean Std. Std. Error 95%
Deviation Mean Confidence
Interval of
the
Difference
Lower Upper
Pair 1 BM - MATE -.60 9.160 1.672 -4.02 2.82 -.359 29 .722

Pelaporan

Ujian-t berpasangan menunjukkan tiada perbezaan skor min BM dan skor min matematik
yang signifikan. t(29,-0.359), p>0.05. Ini menunjukkan pencapaian BM dan matematik
sampel secara statistik adalah sama. Ini menunjukkan hipotesis nul adalah diterima.

2.3 Ujian-t tidak bersandar / independent-samples t-test

1. pilih menu statistics

2. klik compare means --- independent-samples t-test
3. pilih test variable (skor BM) dan klik butang  untuk gerakkannya ke kotak test
variables
4. pilih group variable (jantina) dan klik butang  untuk gerakkannya ke kotak
grouping variable
 7
5. klik define groups --- dalam kotak group 1 taip 1 untuk nilai bagi lelaki dan dalam
kotak group 2 taip 2 untuk nilai bagi perempuan.
6. klik continue dan ok

Keputusan Ujian-t tidak bersandar:

Group Statistics
JANTINA N Mean Std. Deviation Std. Error Mean
BM lelaki 16 71.13 7.848 1.962
perempuan 14 72.21 8.989 2.402

Independent Samples Test

Levene's t-test for
Test for Equality
Equality of of Means
Variances
F Sig. t df Sig. (2- Mean Std. 95%
tailed) Difference Error Confidence
Differe Interval of
nce the
Difference
Lower Upper
BM Equal .276 .604 -.354 28 .726 -1.09 3.073 -7.384 5.205
variances
assumed
Equal -.351 26.07 .728 -1.09 3.102 -7.464 5.285
variances
not
assumed

Pelaporan
Ujian-t tidak bersandar menunjukkan tiada perbezaan skor min BM yang signifikan
berdasarkan jantina t(28, -0.354), p>0.05. Ini menunjukkan varian sampel secara statistik
adalah sama. Dengan ini hipotesis nul adalah diterima.

2. 3 Analysis of Varians (ANOVA)

1. pilih menu statistics

2. klik compare means --- One-Way ANOVA
3. pilih dependent variable (skor BM) dan klik butang  untuk gerakkannya ke kotak
dependent list
4. pilih independent variable (masa belajar) dan klik butang  untuk gerakkannya ke
kotak factor
5. klik options --- klik Descriptive dan Homogeneity-of-variance
6. klik continue
7. Klik Post Hoc --- klik Tukey atau Scheffe
8. Klik continue dan ok
 8
Keputusan ANOVA:

Descriptives
BM

N Mean Std. Std. Error 95% Minimum Maximum

Deviation Confidenc
e Interval
for Mean
Lower Upper
Bound Bound
sedikit 7 66.14 5.786 2.187 60.79 71.49 56 75
sederhana 7 71.57 4.685 1.771 67.24 75.90 66 78
banyak 10 70.20 9.484 2.999 63.42 76.98 55 85
sangat 6 80.50 5.244 2.141 75.00 86.00 75 88
banyak
Total 30 71.63 8.269 1.510 68.55 74.72 55 88

Test of Homogeneity of Variances

BM

Levene Statistic df1 df2 Sig.

2.476 3 26 .084

ANOVA
BM
Sum of df Mean F Sig.
Squares Square
Between 703.295 3 234.432 4.763 0.009
Groups
Within 1279.671 26 49.218
Groups
Total 1982.967 29

Multiple Comparisons
Dependent Variable: BM
Tukey HSD

Mean Std. Error Sig. 95%

Difference (I- Confidence
J) Interval
(I) (J) MASABEL Lower Bound Upper
MASABEL Bound
sedikit sederhana -5.43 3.750 .482 -15.72 4.86
banyak -4.06 3.457 .648 -13.54 5.43
sangat banyak -14.36* 3.903 .006 -25.06 -3.65
sederhana sedikit 5.43 3.750 .482 -4.86 15.72
banyak 1.37 3.457 .978 -8.11 10.86
sangat banyak -8.93 3.903 .127 -19.64 1.78
banyak sedikit 4.06 3.457 .648 -5.43 13.54
sederhana -1.37 3.457 .978 -10.86 8.11
sangat banyak -10.30* 3.623 .040 -20.24 -.36
 9
sangat sedikit 14.36* 3.903 .006 3.65 25.06
banyak
sederhana 8.93 3.903 .127 -1.78 19.64
banyak 10.30* 3.623 .040 .36 20.24
* The mean difference is significant at the .05 level.

Pelaporan
Ujian ANOVA menunjukkan terdapat perbezaan skor min BM yang signifikan dalam
kalangan murid mengikut tempoh masa belajar, dengan df (3, 26), p < 0.05. Dengan ini
hipotesis nul adalah ditolak. Ujian post-hoc menunjukkan perbezaan ketara mengikut
tempoh masa belajar adalah antara murid yang sangat banyak masa belajar dengan
sedikit masa belajar (beza min 14.36).

2.4 Korelasi

1. pilih menu statistics

2. klik correlate --- Bivariate
3. pilih variables (skor BM dan matematik) dan klik butang  untuk gerakkannya ke
kotak variables
4. pilih pearson correlation dan two-tailed
5. Klik ok

Keputusan Korelasi Pearson

Correlations
BM MATE
BM Pearson Correlation 1 .274
Sig. (2-tailed) . .142
N 30 30
MATE Pearson Correlation .274 1
Sig. (2-tailed) .142 .
N 30 30

Intepretasi Kekuatan hubungan:

Nilai hubungan Kekuatan hubungan

< 0.20 Amat lemah
0.21 – 0.40 Lemah
0.41 – 0.60 Sederhana kuat
0.61 – 0.80 Kuat
0.81 – 1.00 Sangat kuat

Pelaporan
Tidak terdapat korelasi / hubungan yang signifikan antara min skor BM dan Mate dengan
nilai r = 0.274, p>0.05. Hipotesis nul adalah diterima. Ini menunjukkan tinggi skor BM tidak
semestinya tinggi juga dalam skor Mate, begitu juga sebaliknya.
 10

Ahmad menjalankan kajian ke atas murid kelasnya, dan data berikut telah dikumpul:

ID murid jantina pendapatan masa belajar skor bm skor m3 gred seni

1 L 1005 35m 70 70 a
2 L 1245 195m 80 70 a
3 P 2789 210m 75 85 c
4 P 2135 140m 55 65 d
5 L 1897 180m 77 70 b
6 L 435 50m 75 65 b
7 L 1289 130m 67 73 b
8 P 879 200m 88 67 c
9 P 921 45m 65 76 d
10 L 1578 150m 68 80 a
11 P 1921 85m 70 60 a
12 L 456 225m 80 80 a
13 L 589 85m 85 70 a
14 P 721 95m 65 65 b
15 L 936 60m 67 70 b
16 P 1721 105m 78 67 c
17 P 1667 55m 65 76 b
18 L 500 60m 78 82 a
19 P 4521 100m 66 77 c
20 L 478 30m 56 62 d
21 L 1009 70m 60 70 b
22 L 932 110m 75 75 b
23 P 967 190m 85 85 c
24 L 3074 85m 67 73 c
25 P 3173 75m 68 67 a
26 P 350 240m 75 86 d
27 L 1010 90m 68 72 a
 11
28 P 623 105m 76 67 a
29 L 831 40m 65 72 b
30 P 439 75m 80 70 c

ARAHAN:
SILA ‘RECODE’ PEMBOLEH UBAH BERIKUT MELALUI PROSEDUR BERIKUT;
1. Tukarkan pendapatan kepada kod seperti berikut: <Rm500 = 1 Sgt. rendah
RM501-RM1000 = 2 Rendah
RM1001-RM1500 = 3 Sederhana
RM1501-RM2000 = 4 tinggi
>RM2000 = 5 Sgt. tinggi

2. Tukarkan masa belajar kepada kod seperti berikut: 0 minit – 60 minit = 1 Malas
61 minit – 120 minit = 2 Kurang
121 minit – 180 minit = 3 Rajin
181 minit – 240 minit = 4 Sgt rajin

3. Tukarkan gred Seni seperti berikut: A=4

B=3
C=2
D=1
4. Purata markah sekolah : BM 75, Matematik 70
Setelah semua data telah dimasukkan dalam Program SPSS, kemudian di recode, sila
jalankan analisis, intepretasi output daripada SPSS serta sediakan laporan lengkap
berdasarkan soalan-soalan berikut:

1. Melalui analisis deskriptif, nyatakan frekuensi, peratus serta geraf bar murid mengikut
jantina.

2. Melalui analisis deskriptif, nyatakan min dan sisihan piawai, mod dan median bagi
pemboleh ubah pendapatan, masa belajar, skor BM, skor Matematik dan gred Seni.

3. RQ: Apakah perbezaan markah antara mata pelajaran BM dan Matematik?.

Ho: Tidak terdapat perbezaan signifikan antara min skor BM dan min skor Matematik
(Ujian- bersandar / paired t-test)

4. RQ: Apakah perbezaan markah BM dan Matematik berdasarkan jantina murid?

Ho: Tidak terdapat perbezaan signifikan antara markah BM dan Matematik
berdasarkan jantina
(Ujian-t tidak bersandar / independent sample t-test)

5. RQ: Apakah perbezaan markah BM dan markah Matematik berdasarkan kadar masa
belajar murid?
Ho: Tidak terdapat perbezaan signifikan antara markah BM dan markah Matematik
berdasarkan kadar masa belajar murid.
(Analysis of Varians - ANOVA)

6. Apakah perbezaan markah BM dan markah Matematik berdasarkan pendapatan ibu

bapa murid.

7. RQ: Apakah hubungan antara pencapaian BM dengan Matematik?

 12
Ho: Tidak terdapat hubungan signifikan antara pencapaian BM dengan Matematik
(Korelasi Pearson)

8. Jalankan Ujian Korelasi Pearson bagi melihat hubungan antara pencapaian BM dan
Matematik dengan Pendapatan dan masa belajar murid.

9. RQ: Apakah hubungan antara gred pencapaian Seni dengan Pendapatan dan masa
belajar murid?
Ho: Tidak terdapat perbezaan signifikan antara gred pencapaian Seni dengan
Pendapatan dan masa belajar murid.
(Korelasi Spearman)