You are on page 1of 58

808972 1 MOHAMAD FAKHRULROZI IBRAHIM

LAPORAN 1: 13 OKTOBER 2012 TAJUK 1. : KEY-IN DATA

Data yang diperoleh perlu dimasukkan ke dalam SPSS. Masukkan semua maklumat

variable pada variable view.

2.

Klik pada butang data view dan masukkan data

808972 2 MOHAMAD FAKHRULROZI IBRAHIM

3.

Masukkan baris( insert row) untuk memasukkan indeks. Tujuan indeks adalah untuk memudahkan data disemak dan memasukkan yang tertinggal. Indek hendak dimasukkan sebelum variable jantina.

4.

Langkah-langkah dalam menggunakan program SPSS v19. Langkah 1 : Letakkan kursor pada jantina, kemudian klik kanan pada tetikus seperti paparan di bawah. Klik pada insert variable. Satu ruangan akan wujud sebelum jantina.

Tukarkan VAR00001 kepada Indeks. Paparan data akan terhasil seperti dibawah.

808972 3 MOHAMAD FAKHRULROZI IBRAHIM

5.

Setelah selasai memasukkan data, proses semakkan perlu dilakukan agar data yang diperoleh tidak hilang atau berulang-ulang (adakah key in 2 kali/ 2 digit serentak masuk). Contohnya data jantina sepatutnya 1 = lelaki dan 2= perempuan, dimasukkan sebalikknya.

808972 4 MOHAMAD FAKHRULROZI IBRAHIM

LAPORAN 2: PENYEDIAAN DATA ( RECODE, COMPUTE DAN


DATA CLEANING) TAJUK 1. : RECODE

Recode dilakukan bagi tujuan: a) Untuk mengkategorikan pembolehubah yang berterusan. Contohnya mewujudkan kumpulan-kumpulan seperti kekurangan berat badan, normal, berat badan berlebihan, gemuk berdasarkan pengukuran BMI (indeks jisim badan) yang bertindak sebagai pembolehubah berterusan. b) Untuk menggabungkan beberapa kategori pembolehubah. c) Untuk membalikkan pengekodan bagi pemboleh ubah tertentu. Contohnya, membalikkan kod 1 kepada 4, 2 kepada 3 dan seterusnya.

2.

Langkah-langkah Penggunaan Program SPSS (Recode into same variables) a) Klik Transform - Recode into same variables

808972 5 MOHAMAD FAKHRULROZI IBRAHIM

b) Insert Nemeric Variables(sikap 7) i. Klik : Old and new values

c)

Insert :

Old values (1) dan new values(4) Add

i) Klik :

a. [ulang kaedah insert dan klik ini sehingga selesai] b) Klik : Continue

808972 6 MOHAMAD FAKHRULROZI IBRAHIM

Klik continue dan ok. Paparan data akan dihasilkan seperti berikut pada output1.

808972 7 MOHAMAD FAKHRULROZI IBRAHIM

LAPORAN 3 :PENYEDIAAN DATA


TAJUK 1. : COMPUTE

Tujuan compute adalah untuk mengubah nilai-nilai pembolehubah yang sedia ada atau gabungan pembolehubah untuk menghasilkan satu pemboleh ubah baru. Langkah-langkah Penggunaan Program SPSS 1) Klik : Transform > Compute variables

2.

2) Insert

Target Variables ( sikap )

808972 8 MOHAMAD FAKHRULROZI IBRAHIM

3) Masukkan ke semua sikap ( sikap 1 hingga sikap 19) kekotak Numeric Expression. 4) Campurkan kesemua sikap kemudian bahagi dengan 19.

Klik 5. Hasil

OK Output akan dihasilkan seperti paparan dibawah.

808972 9 MOHAMAD FAKHRULROZI IBRAHIM

Dalam Variable view akan terpapar variable SIKAP dibahagian bawah data

6. Proses compute dilakukan sehingga selesai mencampurkan kesemua variable dalam data (13 Tingkah laku, 16 bimbang , 16 tabiat dan persekitaran 8 )

808972 10 MOHAMAD FAKHRULROZI IBRAHIM

10

808972 11 MOHAMAD FAKHRULROZI IBRAHIM

11

808972 12 MOHAMAD FAKHRULROZI IBRAHIM

12

808972 13 MOHAMAD FAKHRULROZI IBRAHIM

Output yang terhasil seperti berikut:

13

808972 14 MOHAMAD FAKHRULROZI IBRAHIM

Dalam Variable view akan terpapar variable SIKAP, BIMBANG, TABIAT, TINGKAH LAKU DAN PERSEKITARAN dibahagian bawah data

14

808972 15 MOHAMAD FAKHRULROZI IBRAHIM

LAPORAN 4 : 3 .11.2012
TAJUK 1. : DATA CLEANING

Walaupun kajian telah dirancang dengan cara yang terbaik, namun kesilapan tidak dapat dielakkan. Data cleaning ini merupakan proses saringan bagi mengesan kesilapan (kehilangan data) dan memastikan data memenuhi andaian yang dibuat bagi penganalisaan (data normality). Langkah-langkah Penggunaan Program SPSS

2.

i. ii.

Klik

Analyze .> Descriptive Statistics > Explore

Dalam Variable view akan terpapar variable SIKAP dibahagian bawah data

Dalam Variable view akan terpapar variable SIKAP dibahagian bawah data

iii.

Insert

Dependent List (Sikap) Factor List (Jantina)

iv.

Klik

Plots Histogram Normality plots with test

15

808972 16 MOHAMAD FAKHRULROZI IBRAHIM

Klik

Continue

16

808972 17 MOHAMAD FAKHRULROZI IBRAHIM

Out put terhasil seperti berikut:

17

808972 18 MOHAMAD FAKHRULROZI IBRAHIM

v.

Kenalpasti responden-responden berdasarkan index number yang ditunjukkan pada box plot.

Padamkan data untuk responden-responden berkenaan dalam SPSS Data Editor. Responden 408 perlu dibersihkan dalam data

18

808972 19 MOHAMAD FAKHRULROZI IBRAHIM

19

808972 20 MOHAMAD FAKHRULROZI IBRAHIM

Ulang proses yg sama untuk celup (data akan bersih)

20

808972 21 MOHAMAD FAKHRULROZI IBRAHIM

Box plot dibawah menunjukkan data telah dibersihkan.

Pembersihan data diteruskan dengan mengulangai langkah-langkah tersebut sehingga ke semua data dibersihkan dalam box plot.

21

808972 22 MOHAMAD FAKHRULROZI IBRAHIM

Pembersihan data bimbang dan jantina

Pembersihan data telah dilakukan.

22

808972 23 MOHAMAD FAKHRULROZI IBRAHIM

Pembersihan data tabiat dan jantina

Pembersihan data tabiat dan bangsa

23

808972 24 MOHAMAD FAKHRULROZI IBRAHIM

Selepas dibersihkan data.

24

808972 25 MOHAMAD FAKHRULROZI IBRAHIM

LAPORAN LAB 5
TAJUK : UJIAN T Pengenalan : Terdapat dua jenis ujian t iaitu ujian t sampel tidak bersandar ( independent samples t test ) dan ujian t sampel berpasangan ( paired samples t test ) yang terdapat dalam program SPSS for window. i. Ujian t tidak bersandar , digunakan apabila kita hendak membandingkan skor min Ujian t sampel berpasangan , digunakan apabila kita hendak membandingkan skor

bagi dua kumpulan individu yang berbeza. ii.

min bagi sekumpulan individu yang sama ke atas dua suasana yang berbeza. Apakah Ujian t Ujian-t ialah satu ujian yang digunakan untuk menguji satu keputuan yang dihipotesiskan bernilai menggunakan taburan t sebagai satu standard untuk dibuat perbandingan. Taburan t mempunyai bentuk loceng tertangkup dengan satu parameter yang dipanggil sebagai darjah kebebasan (dk) dalam satu sampel ujian-t, dk = n-1. Ciri-ciri Ujian t a. Menganalisis antara dua kumpulan data selang atau nisbah b. Skala Data Selanjar yang merupakan skor-skor dan nilai-nilai keseluruhan c. Data kajian perlu bertaburan normal d. Subjek-subjek dalam sample harus dipilih daripada populasi secara rawak Jenis-jenis ujian t a. Menganalisis antara dua kumpulan data selang atau nisbah b. Skala Data Selanjar yang merupakan skor-skor dan nilai-nilai keseluruhan c. Data kajian perlu bertaburan normal d. Subjek-subjek dalam sample harus dipilih daripada populasi secara rawak

25

808972 26 MOHAMAD FAKHRULROZI IBRAHIM

LAPORAN LAB : 24.11.2012

Tajuk Tujuan

: :

Ujian t satu sampel. Untuk membandingkan pencapaian pelajar sekolah dengan pencapaian peringkat negeri

Andaian andaian

Dua kriteria wajib dipatuhi sebelum meneruskan ujian t satu sampel. pertama berkaitan metodologi yang perlu dipertimbangkan semasa peringkat awal perancangan kajian. Kedua akan diuji dengan SPSS.

Data

: Data normal. Jenis data mestilah dalam bentuk nisbah. Data dipilih secara rawak.

Objektif Kajian

Mengenal pasti perbezaan pencapaian Matematik di peringkat sekolah berbanding pencapaian Matematik di peringkat daerah .

Soalan kajian di

Adakah terdapat perbezaan dalam skor pencapaian matematik

peringkat sekolah dengan daerah .

Hipotesis

Ho

Tidak terdapat perbezaan pencapaian Matematik di peringkat sekolah berbanding pencapaian Matematik di peringkat daerah.

26

808972 27 MOHAMAD FAKHRULROZI IBRAHIM

Langkah langkah :

Langkah 1 : klik Analyze , Compare Means dan Means

27

808972 28 MOHAMAD FAKHRULROZI IBRAHIM

Langkah 2: Paparan berikut akan muncul. Klik MathKBSM dari ruangan kiri masuk ke Test Variables(s):

Langkah 3 :

Typekan 30 dalam ruangan Test Value dan seterusnya Klik OK

28

808972 29 MOHAMAD FAKHRULROZI IBRAHIM

OUTPUT :

T-Test
[DataSet1] C:\Users\user\Desktop\statistik\computeakmal.sav

One-Sample Statistics N MathKBSM 665 Mean 18.40 Std. Deviation 8.998 Std. Error Mean .349

One-Sample Test Test Value = 30 95% Confidence Interval of the Difference T MathKBSM -33.231 df 664 Sig. (2-tailed) .000 Mean Difference -11.595 Lower -12.28 Upper -10.91

JADUAL :

TEST VALUE : 3
One-Sample Test Test Value = 30 95% Confidence Interval of the Difference T Df 664 Sig. (2-tailed) .000 Mean Difference -11.595 Lower -12.28 Upper -10.91

MathKBSM

-33.231

Signifikan t ( df 664 ) = 18.40 , p<0.05 ( df: degree of freedom ) Berjaya menolak hipotesis null dan menerima hipotesis alternatif Terdapat perbezaan pencapaian matematik antara sekolah dengan peringkat negeri Min populasi peringkat daerah adalah lebih tinggi berbanding min sampel peringkat sekolah

29

808972 30 MOHAMAD FAKHRULROZI IBRAHIM

TEST VALUE : 18

Objektif Kajian

Mengenal pasti perbezaan pencapaian Matematik di peringkat sekolah berbanding pencapaian Matematik di peringkat daerah .

Soalan kajian di

Adakah terdapat perbezaan dalam skor pencapaian matematik

peringkat sekolah dengan daerah .

Hipotesis

Ho

Tidak terdapat perbezaan pencapaian Matematik di peringkat sekolah berbanding pencapaian Matematik di peringkat daerah.

Langkah Langkah : Ulangi Langkah 1 hingga 3. Tukar test value kepada 18

Klik OK

30

808972 31 MOHAMAD FAKHRULROZI IBRAHIM

OUTPUT ;

Ujian t satu sample adalah tidak signifikan ( t (664 ) = 1.159 , p > .05 ). Keputusan ini gagal menolak H. Ini menunjukkan tidak terdapat perbezaan antara min sekolah dengan min JPN.

DAPATAN KAJIAN :

Signifikan t ( df 664 ) = -1.159 , p>0.05 ( degree of freedom )

Gagal menolak hipotesis null dan menerima hipotesis alternatif. Tiada perbezaan pencapaian matematik antara sekolah dengan peringkat daerah

31

808972 32 MOHAMAD FAKHRULROZI IBRAHIM

JADUAL : TEST VALUE 18

One-Sample Statistics N MathKBSM 665 Mean 18.40 Std. Deviation 8.998 Std. Error Mean .349

One-Sample Test Test Value = 18 95% Confidence Interval of the Difference T MathKBSM 1.159 Df 664 Sig. (2-tailed) .247 Mean Difference .405 Lower -.28 Upper 1.09

32

808972 33 MOHAMAD FAKHRULROZI IBRAHIM

UJIAN t BERPASANGAN

Tajuk Tujuan

: :

pair sample t - test atau dependent t- test Untuk menguji perbezaan signifikan di antara dua sampel berpasangan. Dua sampel dianggap berkaitan apabila dua kumpulan individu yang sama menyediakan data kepada dua keadaan yang berbeza ( contoh : sebelum dan selepas rawatan ).

Contoh

Di klinik data pesakit diambil sebelum rawatan, selepas rawatan data dikumpul sekali lagi untuk mengesan keberkesanan rawatan tersebut.

Data Nota

: :

Data jenis ratio. Ada 2 kumpulan ( Kumpulan kawalan dan kumpulan Rawatan)

Jenis kajian : eksperimental Kumpulan kawalan adalah kumpulan yang tidak menerima apa - apa treatment ( tidak diajar menggunakan kalkulator ). Kumpulan rawatan ialah kumpulan yang diberi pengajaran menggunakan kalkulator. Kedua dua kumpulan mesti mempunyai kebolehan yang sama.

Objektif Kajian

:Mengenal pasti perbezaan skor pencapaian Matematik bagi pelajar pelajar yang menggunakan kalkulator berbanding pelajar pelajar

yang tidak menggunakan kalkulator

33

808972 34 MOHAMAD FAKHRULROZI IBRAHIM

Soalan kajian

Adakah terdapat perbezaan dalam skor pencapaian Matematik bagi pelajar pelajar yang menggunakan kalkulator berbanding pelajar pelajar yang tidak menggunakan kalkulator.

Hipotesis

Ho

Tidak terdapat perbezaan dalam skor pencapaian Matematik bagi pelajar pelajar yang menggunakan kalkulator berbanding pelajar pelajar yang tidak menggunakan kalkulator.

Nota iaitu

Data mesti berpasangan. Responden yang sama diuji dua kali

sebelum dan selepas rawatan. Kumpulan rawatan diberi kalkulator Kumpulan kawalan diajar secara biasa. Responden diuji 2 kali. Ujian pra dan pos diberi kepada dua kumpulan.

34

808972 35 MOHAMAD FAKHRULROZI IBRAHIM

Langkah langkah Langkah 1 : Buka file Lab 1

Klik analyze, Klik compare means dan Klik paired sample t test

Paparan berikut muncul :

35

808972 36 MOHAMAD FAKHRULROZI IBRAHIM

Klik pre masukkan dalam Paired Variables ( Variable 1 ) dan klik post masukkan dalam Paired Variables ( Variable 2 ). DAPATAN KAJIAN DAN JADUAL :

T-Test
[DataSet1] C:\Users\user\Desktop\statistik\lab1.sav

Paired Samples Statistics Mean Pair 1 Pretest posttest 66.10 85.10 N 42 42 Std. Deviation 8.571 8.781 Std. Error Mean 1.322 1.355

Paired Samples Correlations N Correlation Sig.

36

808972 37 MOHAMAD FAKHRULROZI IBRAHIM


Paired Samples Correlations N Pair 1 pretest & posttest 42 Correlation .934 Sig. .000

Semakin besar nilai korelasi, semakin kukuh hipotesis yang dibuat

Paired Samples Test Paired Differences Std. Mean Pair 1 pretest posttest 19.000 Deviation 3.162 Std. Error Mean .488 95% Confidence Interval of the Difference Lower -19.985 Upper -18.015 t 38.938 df 41 Sig. (2tailed) .000

i.

Ujian t berpasangan adalah signifikan ( t( 41 ) = -.38.94 , p<0.5 ) Degree of freedom

ii.

Berjaya menolak hipotesis null dan menerima hipotesis alternatif pencapaian matematik.

a. Ini menunjukkan terdapat kesan penggunaan kalkulator dalam meningkatkan b. Kesimpulannya pencapaian matematik telah meningkat dari 66.10 % kepada 85.10 % hasil daripada penggunaan kalkulator di dalam pembelajaran matematik.

37

808972 38 MOHAMAD FAKHRULROZI IBRAHIM

LAPORAN LAB :1/12/12 TAJUK : ANOVA SATU HALA

1. Analisis varians satu hala membadingkan min sekurang-kurangnya dua kumpulan tetapi dalam kebanyakan kes tiga atau lebih min digunakan untuk membuat perbandingan. 2. Contoh persoalan kajian untuk Analisis Varians ialah : (i) Adakah terdapat perbezaan antara pencapaian Matematik berdasarkan waktu belajar? 3. Andaian-andaian ANOVA sehala antara kumpulan . (i) Kenormalan data: data mesti normal-skor setiap kumpulan mempunyai taburan normal (ii) Sampel dipilih secara rawak (rawak mudah, rawak kluster/ rawak sistematik, rawak serata atau multi stages) (iii) (iv) Jenis data : DV- contineus ( interval/ratio)dan IV- kategori (nominal/ordinal) Kehomogenan varians: Data mempunyai varian yang sama

4. Hipotesis Kajian : Ho : Min Pencapaian Matematik berdasarkan waktu belajar adalah sama HA : Sekurang-kurang terdapat satu min waktu belajar Matematik adalah berbeza.

38

808972 39 MOHAMAD FAKHRULROZI IBRAHIM

5. Langkah-langkah analisis varian satu hala adalah seperti berikut: Langkah 1 : Klik Analyze > Compare mean > One-way ANOVA.

Langkah 2 : Kotak One-way ANOVA Dalam One-Way Anova, gerakan DV (Math KBSM) ke dalam Dependent List, dan IV (waktu belajar ) dalam kotak factor kemudian klik OK

39

808972 40 MOHAMAD FAKHRULROZI IBRAHIM

Langkah 3: Klik pada Pos Hoc Comparisons > klik pada Turkey > klik continue Pos Hoc Comparison digunakan untuk mengesan perbezaan varians antara kombinasi kumpulan. Ujian Turkey sesuai apabila kumpulan yang dibandingkan adalah saiz sama dan memiliki varians yang serupa.

40

808972 41 MOHAMAD FAKHRULROZI IBRAHIM

Langkah 4 : Klik Options > pilih Descriptive dan Homogenety of variance test. Descriptive akan menyediakan ringkasan statistik asas untuk tahap IV. Homogeneity of variance test menyediakan ujian Levene untuk varians yang sama ( ujian wajib untuk menentukan andaian kesamaan varians dipatuhi)

41

808972 42 MOHAMAD FAKHRULROZI IBRAHIM

6. OUTPUT SPSS a. Jadual Descriptive mengandungi maklumat descriptif asas skor dalam tiga keadaan ( pagi, Petang, malam) Descriptives MathKBSM 95% Confidence Interval for Mean Std. N Pagi Petang Malam Total 153 130 380 663 Mean 16.73 20.43 18.41 18.42 Std. Lower Upper Bound 18.14 22.00 19.31 19.10 Minimum 4 6 5 4 Maximum 40 40 40 40

Deviation Error Bound 8.835 9.061 8.942 9.008 .714 .795 .459 .350 15.32 18.86 17.51 17.73

Responden belajar pada waktu pagi mendapat mean 16.73. Responden belajar pada waktu petang mendapat mean 20.43 lebih tinggi berbanding yang lain, manakala Responden belajar pada waktu malam mendapat mean 18.41.
42

808972 43 MOHAMAD FAKHRULROZI IBRAHIM

b. Jadual Test of Homogeneity of Variances menunjukkan ujian Levene tidak signifikan pada a= -05 (F=2.008,sig=-135) Dengan itu, kesimpulannya bahawa andaian varian yang homogen dipatuhi Test of Homogeneity of Variances MathKBSM Levene Statistic 2.008 df1 2 df2 660 Sig. .135

c. Jadual ANOVA mengandungi output utama untuk ujian ANOVA. Jadual melaporkan kedua-dua varians Between Groups serakan data yang berkaitan IV dan peluang faktor, dan varian within Groups Serakan data berkaitan peluang faktor sahaja.

ANOVA MathKBSM Sum of Squares Between Groups Within Groups Total 52761.666 53723.270 660 662 79.942 961.604 df 2 Mean Square 480.802 F 6.014 Sig. .003

d. Post Hoc Tests Ujian Multiple Compararisons menunjukkan output ujian untuk Turkey HSD ( Honesty Significant Diffrence) yang kita mahukan Setiap baris membandingkan satu pasang min.

43

808972 44 MOHAMAD FAKHRULROZI IBRAHIM


Multiple Comparisons MathKBSM Tukey HSD Mean (I) BilaMath Pagi (J) BilaMath Petang Malam Petang Pagi Malam Malam Pagi Petang Difference (I-J) -3.699
*

95% Confidence Interval Std. Error 1.067 .856 1.067 .908 .856 .908 Sig. .002 .124 .002 .067 .124 .067 Lower Bound -6.20 -3.69 1.19 -.11 -.34 -4.16 Upper Bound -1.19 .34 6.20 4.16 3.69 .11

-1.676 3.699
*

2.023 1.676 -2.023

*. The mean difference is significant at the 0.05 level.

e. Homogeneous Subsets Jadual Homogeneous Subsets menyediakan maklumat dalam jadual Multiple Compararisons. MathKBSM Tukey HSD
a,b

Subset for alpha = 0.05 BilaMath Pagi Malam Petang Sig. N 153 380 130 .181 1 16.73 18.41 18.41 20.43 .084 2

44

808972 45 MOHAMAD FAKHRULROZI IBRAHIM

f. Plot Min. Plot min menunjukkan pelajar yang belajar pada waktu petang mempunyai min lebih tinggi berbanding pada waktu pagi dan malam.

INTERPRETASI

1. Ujian Levene tidak signifikan ( p>.05). Keputusan ini telah memenuhi andaian kehomogenan varians antara waktu belajar dengan pencapaian Matematik.

2. Ujian ANOVA signfikan ( F2.661=6.02, P<.05) antara waktu belajar dengan pencapaian Matematik. 3. Keputusan ini berjaya menolak Ho dan menerima HA . 4. Terdapat sekurang-kurangnya satu min waktu belajar adalah berbeza dengan min waktu belajar yang lain. 5. Ujian Post Hoc mendapati pelajar yang belajar pada waktu pagi dan petang menunjukkan perbezaan dalam pencapaian Matematik (P<.05) 6. Manakala pelajar yang belajar pada waktu pagi dan malam (p> .05) dan belajar petang waktu dan malam (p>.05) tidak menunjukkan perbezaan dalam pencapaian Matematik. 7. Bagi pencapaian Matematik min ( 20.43) belajar waktu petang lebih tinggi daripada min (16.73) belajar pada waktu pagi.

45

808972 46 MOHAMAD FAKHRULROZI IBRAHIM

LAPORAN LAB 6 TAJUK

: 1.12.12

: INDEPENDENT T-TEST

1. Ujian-T Sampel Bebas digunakan untuk membandingkan min bagi dua kumpulan dalam pemboleh ubah yang dikaji. 2. Varian bagi kedua-dua kumpulan mestilah sama. 3. Ujian Levene digunakan bagi mengenal pasti kehomegenan varians. 4. Sekirannya Ujian Levene memberi keputusan yang tidak signifikan ( p>.05) bermaksud varians dua kumpulan yang dikaji adalah sama dan ujian t sampel bebas boleh digunakan untuk menunjukkan perbezaan dua kumpulan. 5. Jika Ujian Levene menunujukkan tidak signikan (p>.05), Keputusan baris pertama ujiant diinterpretasi. 6. Jika Ujian Levene menunjukkan keputusan yang signifikan (p<.05), keputusan pada baris kedua digunakan untuk menginterprestasiujian-t sampel bebas. 7. Kriteria berikut perlu diperlukan dipatuhi sebelum Ujian-T Sampel Bebas : i. ii. Skala pngukuran : DV mestilah data jenis jeda atau nisbah Kebebasan : Setiap responden hanya terlibat sekali sahaja dalam kajian dan tidak boleh mempengaruhi responden lain. iii. iv. Kenormalan : Skor setiap kumpulan yang diukur mencapai kenrmalan data. Kehomogenan : varians setiap set data patut hampir sama

46

808972 47 MOHAMAD FAKHRULROZI IBRAHIM

Langkah-langkah menggunakan SPSS: Langkah 1 : Klik Analyze, pilih Compare Mean dan klik Independent Sample T-Test.

Langkah 2: Masukkan MAthKBSM kedalam kotak Test Variable(s). Kemudian Masukkan jantina ke dalam kotak Grouping Variable. Seterusnya klik pada Define Groups.

47

808972 48 MOHAMAD FAKHRULROZI IBRAHIM

Langkah 3 : Dalam Define groups, masukkan nilai yang mewakili kumpulan 1 Lelaki dan 2 untuk perempuan. Klik Continue

48

808972 49 MOHAMAD FAKHRULROZI IBRAHIM

Langkah 4 : Klik OK untuk melihat OutPut

A) OutPut SPSS untuk Pencapaian Matematik berdasarkan Jantina; 1. Group Statistics. Jadual Group Statistic memaparkan maklumat asas untuk setiap kumpulan
Group Statistics Jantina MathKBSM Lelaki Perempuan N 304 359 Mean 18.52 18.33 Std. Deviation 9.187 8.866 Std. Error Mean .527 .468

Responden lelaki (N=304) menunjukkan

secara purata skor pencapaian ialah

18.52,

manakala responden perempuan (N=359) mencapai skor min sebanyak 18.33 . Sisihan piawai (df) untuk lelaki lebih besar daripada kumpulan perempuan.

2. Jadual Indenpendent Sample Test Jadaual ini mengandungi 2 Ujian: i. Levenes Test For Equality of Variances ii. T-Test for Equality Means
Independent Samples Test Levene's Test for Equality of Variances t-test for Equality of Means 95% Confidence Interval of the Sig. (2F MathKBSM Equal variances .220 Sig. .639 t .268 df 661 tailed) .789 Mean Difference .188 Std. Error Difference .703 Difference Lower -1.191 Upper 1.568

assumed Equal variances .267 635.079 .789 .188 .705 -1.196 1.572

not assumed

Kalau signifikan pilih atas , kalau tidak signifikan pilih yg bawah untuk interprate data.

49

808972 50 MOHAMAD FAKHRULROZI IBRAHIM

INTERPRETASI 1. Ujian Levene adalah tidak signifikan (p>-05) 2. Keputusan ini memenuhi andaian kehomogenan varian antara pelajar lelaki dan perempuan dalam pencapaian Math KBSM. 3. Ujian-t sample bebas tidak signifikan ( t(df661=t-3.49, p>-05) secara statistik. 4. Keputusan ini gagal menolak Ho. Ini menunjukkan tidak terdapat perbezaan pencapaian Matematik berdasarkan jantina. B. OUTPUT SPSS untuk Sikap Pembelajaran Matematik Berdasarkan Jantina 1) Groups Statistics
Group Statistics Jantina SIKAP Lelaki Perempuan N 306 362 Mean 2.9087 3.0151 Std. Deviation .37993 .36342 Std. Error Mean .02172 .01910

Independent Samples Test Levene's Test for Equality of Variances t-test for Equality of Means 95% Confidence Interval of the Sig. (2F SIKAP Equal variances .314 Sig. .576 t -3.694 df 666 tailed) .000 Mean Std. Error Difference Lower -.16303 Upper -.04987

Difference Difference -.10645 .02882

assumed Equal variances -3.680 637.200 .000 -.10645 .02892 -.16325 -.04965

not assumed

INTERPRETASI i. ii. iii. iv. v. vi. Ujian Levene adalah tidak signifikan (P>.05). Keputusan ini telah memenuhi andaian kehomogenan varians antara pelajar lelaki dan pelajar perempuan dalam sikap pembelajaran Matematik. Ujian t Sampel Bebas adalah signifikan ( t(666)=-3.69, p<.05) secara statistik. Keputusan ini berjaya menolak Ho dan menerima HA. Keputusan ini menunujkkan terdapat perbezaan sikap pembelajaran matematik berdasarkan jantina. Min Sikap (3.05) pelajar perempuan lebih tinggi berbanding min Sikap (2.90) pelajar Lelaki dalam pembelajaran Matematik.
50

808972 51 MOHAMAD FAKHRULROZI IBRAHIM

LAMPIRAN Output untuk Tabiat & Jantina.


Group Statistics Jantina TABIAT Lelaki Perempuan N 306 362 Mean 2.7443 2.8767 Std. Deviation .41262 .37741 Std. Error Mean .02359 .01984

Independent Samples Test Levene's Test for Equality of Variances t-test for Equality of Means 95% Confidence Interval of the Sig. (2F TABIAT Equal assumed Equal variances -4.297 624.888 .000 -.13245 .03082 -.19297 -.07192 variances .950 Sig. .330 t -4.330 df 666 Mean Std. Error Difference Lower -.19251 Upper -.07238

tailed) Difference Difference .000 -.13245 .03059

not assumed

51

808972 52 MOHAMAD FAKHRULROZI IBRAHIM

LAPORAN SPSS : 8 NOV 2012 TAJUK : KOLERASI

1. Model Kolerasi Pearson digunakan untuk menilai kekuatan adan arah perkaitan antara dua pemboleh ubah. Ia dianggap sebagai statistik parameter. 2. Kolerasi Pearson digunakan untuk mengukur perkaitan linear antara dua pemboleh ubah selanjar ( Continous Variables) 3. Pekali kolarasi mengandungi dua bahagian: i. Tanda Positif dan Negatif ( tanda positif selalunya tidak ditunjukkan) ii. Nilai nombor dari 0.00 hingga 1.00. 4. Andaian Ujian Kolerasi: i. Bebas : Setiap ii. Skala : Sela dan Nisbah ( Continueos ) iii. Kenormalan : Setiap pemboleh ubah bertaburan normal iv. Linear : Hubungan antara dua pemboleh ubah mestilah linear v. Homoscedastisiti : Ralat varian diandaikan sama sepanjang poin hubungan linear.

LANGKAH LANGKAH SPSS Langkah 1: Klik Analize dan pilih Correlate kemudian klik Bivariate.

52

808972 53 MOHAMAD FAKHRULROZI IBRAHIM

Langkah 2 : Masukkan SIKAP, BIMBANG, TABIAT dan MATHKBSM. Ke dalam kotak Variables. Tanda pada Pearson dan two-tailed correlation

Klik pada Option Tandakan pada kotak Mean and standard deviations ,dalam kotak Bivariate Correlation: Option Kemudian Klik Continue

Klik OK
53

808972 54 MOHAMAD FAKHRULROZI IBRAHIM

OUTPUT SPSS 1. Jadual Descriptive Statistics

Descriptive Statistics Mean SIKAP BIMBANG TABIAT MathKBSM 2.9664 2.6154 2.8161 18.42 Std. Deviation .37458 .45600 .39913 9.008 N 668 668 668 663

Correlations SIKAP SIKAP Pearson Correlation Sig. (2-tailed) N BIMBANG Pearson Correlation Sig. (2-tailed) N TABIAT Pearson Correlation Sig. (2-tailed) N MathKBSM Pearson Correlation Sig. (2-tailed) N 668 -.311
**

BIMBANG 1 -.311
**

TABIAT .715
**

MathKBSM .366
**

.000 668 1

.000 668 -.313


**

.000 663 -.363


**

.000 668 .715


**

.000 668 -.313


**

.000 663 .254


**

668 1

.000 668 .366


**

.000 668 -.363


**

.000 668 .254


**

663 1

.000 663

.000 663

.000 663 663

**. Correlation is significant at the 0.01 level (2-tailed).

Correlations SIKAP SIKAP Pearson Correlation 1 BIMBANG -.311


**

TABIAT .715
**

MathKBSM .366
**

BIMBANG

Pearson Correlation

-.313

**

-.363

**

TABIAT

Pearson Correlation

.254

**

MathKBSM

Pearson Correlation

**. Correlation is significant at the 0.01 level (2-tailed).

54

808972 55 MOHAMAD FAKHRULROZI IBRAHIM

INTERPRETASI 1) Sikap pembelajaran Matematik dengan pencapaian Matematik. i. Ujian Kolerasi Pearson mempunyai hubungan positif yang signifikan ( r= .37 , p <.01) antara sikap pembelajaran dan pencapaian matematik ii. Hipotesis null berjaya menolak dan menerima HA iii. Hubungan positif menunjukkan sikap pembelajaran matematik yang tinggi mempunyai pencapaian matematik yang tinggi . iv. Hubungan antara sikap dgn pencapaian matematik adalah rendah ( r= .37 ) v. Sikap pembelajaran matematik menunjukkan nilai r=0.14. Ini menunjukkan sikap matematik menyumbang sebanyak 14% varian berhubung dengan varian pencapaian matematik. 2) Kebimbangan dengan Pencapaian Matematik i. Ujian Kolerasi Pearson mempunyai hubungan negatif yang signifikan ( r= - 36), , p<.01) antara kebimbingan dan pencapaian matematik ii. Hipotesis null berjaya menolak dan menerima HA iii. Hubungan negatif menunjukkan kebimbangan matematik yang tinggi mempunyai pencapaian matematik yang rendah . iv. Hubungan antara bimbang dgn pencapaian matematik adalah rendah (r = -36 )

v. Kebimbangan pembelajaran matematik menunjukkan nilai r=0.13. Ini menunjukkan bimbang matematik menyumbang sebanyak 13% varian berhubung dengan varian pencapaian matematik.

3) Tabiat pembelajaran dengan pencapaian Matematik i. Ujian Kolerasi Pearson menunjukkan tabiat mempunyai hubungan positif yang signifikan ( r= .25) = , p<.01) antara Tabiat pembelajaran dan pencapaian matematik ii. Hipotesis null berjaya menolak dan menerima HA iii. Hubungan positif menunjukkan Tabiat pembelajran matematik yang tinggi mempunyai pencapaian matematik yang tinggi . iv. Hubungan antara Tabiat dgn pencapaian matematik adalah rendah ( r=.37 ) v. Tabiat pembelajaran matematik menunjukkan nilai r=0.06. Ini menunjukkan sikap matematik menyumbang sebanyak 6% varian berhubung dengan varian pencapaian matematik

55

808972 56 MOHAMAD FAKHRULROZI IBRAHIM

4) Hubungan antara Sikap pembelajaran dengan Tabiat Pembelajaran Matematik i) Ujian Kolerasi menunjukkan antara sikap dengan tabiat pembelajaran matematik mempunyai hubungan yang signifikan ( r=.72, p < .01) dengan kebimbangan ii) Hubungan positif ini menunjukkan sikap yang tinggi mempunyai tabiat pembelajaran matematik yang tinggi. Sebaliknya, sikap yang rendah mempunyai tabiat pembelajaran matematik yang rendah. iii) Hubungan antara sikap dengan tabiat pembelajaran matematik adalah tinggi ( r= .76) 5) Hubungan antara Sikap dengan Kebimbangan Pembelajaran Matematik i) Ujian Kolerasi menunjukkan Sikap mempunyai hubungan yang signifikan ( r = - .31, p < .01) dengan kebimbangan. ii) Hubungan negatif ini menunjukkan sikap yang tinggi mempunyai kebimbangan pembelajaran Matematik yang rendah , manakala sikap yang rendah mempunyai kebimbangan yang tinggi dalam pembelajaran matematik. iii) Hubungan antara sikap dan kebimbangan pembelajaran Matematik adalah rendah ( r = -.31) vi. Kebimbangan pembelajaran matematik menunjukkan nilai r=0.13. Ini menunjukkan bimbang matematik menyumbang sebanyak 13% varian berhubung dengan varian pencapaian matematik.

6) Tabiat pembelajaran dengan pencapaian Matematik vi. Ujian Kolerasi Pearson menunjukkan tabiat mempunyai hubungan positif yang signifikan ( r= .25) = , p<.01) antara Tabiat pembelajaran dan pencapaian matematik vii. Hipotesis null berjaya menolak dan menerima HA viii. Hubungan positif menunjukkan Tabiat pembelajran matematik yang tinggi mempunyai pencapaian matematik yang tinggi . ix. Hubungan antara Tabiat dgn pencapaian matematik adalah rendah ( r=.37 ) x. Tabiat pembelajaran matematik menunjukkan nilai r=0.06. Ini menunjukkan sikap matematik menyumbang sebanyak 6% varian berhubung dengan varian pencapaian matematik

56

808972 57 MOHAMAD FAKHRULROZI IBRAHIM

7) Hubungan antara Sikap pembelajaran dengan Tabiat Pembelajaran Matematik iv) Ujian Kolerasi menunjukkan antara sikap dengan tabiat pembelajaran matematik mempunyai hubungan yang signifikan ( r=.72, p < .01) dengan kebimbangan v) Hubungan positif ini menunjukkan sikap yang tinggi mempunyai tabiat pembelajaran matematik yang tinggi. Sebaliknya, sikap yang rendah mempunyai tabiat pembelajaran matematik yang rendah. vi) Hubungan antara sikap dengan tabiat pembelajaran matematik adalah tinggi ( r= .76) 8) Hubungan antara Sikap dengan Kebimbangan Pembelajaran Matematik iv) Ujian Kolerasi menunjukkan Sikap mempunyai hubungan yang signifikan ( r = - .31, p < .01) dengan kebimbangan. v) Hubunga negatif ini menunjukkan sikap yang tinggi mempunyai kebimbangan pembelajaran Matematik yang rendah , manakala sikap yang rendah mempunyai kebimbangan yang tinggi dalam pembelajaran matematik. vi) Hubungan antara sikap dan kebimbangan pembelajaran Matematik adalah rendah ( r = -.31)

9) Hubungan antara kebimbangan dengan tabiat pembelajaran Matematik. i) Ujian Kolerasi menunjukkan kebimbangan mempunyai hubungan yang signifikan ( r= -.31, p< -01). ii) Hubungan yang negatif ini menunjukkan kebimbangan yang tinggi mempunyai tabiat pembelajaran yang rendah, manakala sikap yang rendah mempunyai tabiat pembelajaran yang tinggi. iii) Hubungan antara kebimbangan dan tabiat pembelajaran adalah rendah ( r=.32)

57

808972 58 MOHAMAD FAKHRULROZI IBRAHIM

58