Professional Documents
Culture Documents
Lap or An
Lap or An
TUGASAN 1 (25 MARKAH) 1. Data seramai 30 orang responden dari Kolej Matrikulasi Pahang dimasukkan dalam SPSS dengan menggunakan pemboleh ubahpemboleh ubah yang sesuai. (6 markah)
2. Data yang telah dimasukkan diuji lengkap dan sedia untuk dianalisis menggunakan frekuensi dan deskriptif statistik. (4 markah)
3. Jadual min, mod, median dan sisihan piawai (standard deviation) bagi semua variabel dalam data. (4 markah)
4. Taburan normal bagi semua pemboleh ubah selanjar (contineous), sela atau nisbah. (4 markah)
10
6. Pemboleh ubah umur dan pendapatan dibahagikan kepada tiga kategori. (3 markah)
11
12
13
14
TUGASAN 2 (25 MARKAH) 1. Tidak terdapat perbezaan antara min pendapatan yang signifikan antara lelaki dan perempuan. (4 markah)
2. Hipotesis diuji
15
16
Daripada jadual di atas, didapati nilai t = 1.437 dan sig = 0.16. Nilai sig ini >0.05. Maka kita boleh membuat kesimpulan bahawa tidak terdapat perbezaan yang signifikan antara pendapatan lelaki dan perempuan.
17
3. Hubungan yang signifikan antara pendapatan responden dengan bilangan saman trafik. (4 markah)
18
19
Correlations bilangan tindakan Pendapatan baru Spearman's rho Pendapatan baru Correlation Coefficient Sig. (2-tailed) N bilangan tindakan saman 2010 Correlation Coefficient Sig. (2-tailed) N 1.000 . 30 .097 .609 30 saman 2010 .097 .609 30 1.000 . 30
Daripada jadual di atas, pekali kolerasi Spearman, r antara pendapatan dan bilangan tindakan saman ialah 0.09. 4. Kebolehpercayaan dan kesahan bagi item-item yang mewakili sikap memandu. (4 markah)
20
21
Reliability Statistics Cronbach's Alpha Based on Cronbach's Alpha .928 Standardized Items .936 N of Items 31
5. Item 1 hingga 10 dicompute menggunakan nama pemboleh ubah berat, Item 11 hingga 20 dicompute menggunakan nama pemboleh ubah sederhana dan item 21 hingga 31 dicompute menggunakan nama pemboleh ubah ringan. (4 markah)
22
23
6. Hubungan yang signifikan antara taraf hidup dan sikap memandu. (5 markah)
24
25
Correlations Pendapatan baru gelagat memandu Spearman's rho Pendapatan baru Correlation Coefficient Sig. (2-tailed) N gelagat memandu Correlation Coefficient Sig. (2-tailed) N 1.000 . 30 .113 .552 30 .113 .552 30 1.000 . 30
Daripada jadual di atas, pekali kolerasi Spearman, r antara pendapatan dan bilangan tindakan saman ialah 0.11.
26
1. Hubungan antara sikap memandu dengan pendapatan responden. Garis regresi (regression line sikap pemandu adalah pemboleh ubah bersandar).
27
2. Pemboleh ubah dummy ialah pemboleh ubah yang diubah kepada 0 dan 1 supaya data pada dibaca semasa dianalisis. Contohnya, lelaki ditukarkan kepada 1, perempuan kepada 0, 1 adalah dummy manakala 0 adalah kumpulan yang dibandingkan. Bagi 3 pemboleh ubah, 2 dummy diperlukan. Contohnya pada asalnya, matrikulasi adalah 1, STPM adalah 2 dan diploma adalah 3, jadi 2 dummy diperlukan dan matrikulasi dijadikan kumpulan bandingan. Contoh data dalam spss seperti berikut: Matrikulasi 0 0 0 STPM 0 1 0 Diploma 0 0 1
28
29
30
31
3. Model Gelagat memandu = +1Pendapatan + 2Umur + 3Jumlah saman dibayar + 4Pendidikan + 5Jenis kenderaan + 6Pengalaman memandu + 7Kuasa kuda + a)
32
33
Model Summary Adjusted R Model 1 R .738a R Square .545 Square .426 Std. Error of the Estimate .46251
a. Predictors: (Constant), pengalaman memandu, jenis kenderaan utama, Pendapatan baru, jumlah saman yang telah dibayar, kelayakan akademik tertinggi, umur
ANOVAb Model 1 Regression Residual Total Sum of Squares 5.883 4.920 10.803 df 6 23 29 Mean Square .981 .214 F 4.584 Sig. .003a
a. Predictors: (Constant), pengalaman memandu, jenis kenderaan utama, Pendapatan baru, jumlah saman yang telah dibayar, kelayakan akademik tertinggi, umur b. Dependent Variable: gelagat memandu
Jika nilai sig < 0.05, maka kita boleh rumuskan bahawa terdapat perkaitan antara pemboleh ubah bersandar dengan pemboleh bersandar dalam model regresi Siti Aishah Mohaini binti Mohak 34
M20091000422 830924035506
yang dibina. Dalam kes ini didapati F=4.584 dan sig=0.00. Maka kita boleh rumuskan bahawa wujud perkaitan dalam kedua-dua pemboleh ubah tersebut.
b)
35
Model Summary Adjusted R Model 1 R .238a R Square .057 Square -.052 Std. Error of the Estimate .62610
ANOVAb Model 1 Regression Residual Total Sum of Squares .611 10.192 10.803 df 3 26 29 Mean Square .204 .392 F .520 Sig. .672a
a. Predictors: (Constant), jantina, jenis kenderaan utama, kelayakan akademik tertinggi b. Dependent Variable: gelagat memandu
Jika nilai sig >0.05, maka kita boleh rumuskan bahawa tidak terdapat perkaitan antara pemboleh ubah bersandar dengan pemboleh bersandar dalam model regresi yang dibina. Dalam kes ini didapati F=0.52 dan sig=0.67. Maka kita boleh
Siti Aishah Mohaini binti Mohak M20091000422 830924035506
36
rumuskan bahawa tidak wujud perkaitan dalam kedua-dua pemboleh ubah tersebut.
c)
Coefficientsa Standardized Unstandardized Coefficients Model 1 (Constant) kelayakan akademik tertinggi jenis kenderaan utama jantina a. Dependent Variable: gelagat memandu B 2.840 -.090 -.170 .011 Std. Error 1.138 .211 .173 .240 -.088 -.196 .009 Coefficients Beta t 2.496 -.428 -.983 .048 Sig. .019 .672 .335 .962
Coefficientsa Standardized Unstandardized Coefficients Model 1 (Constant) umur Pendapatan baru jumlah saman yang telah dibayar kelayakan akademik tertinggi jenis kenderaan utama pengalaman memandu a. Dependent Variable: gelagat memandu -.345 -.019 .085 .188 .133 .030 -.334 -.022 .886 -1.832 -.142 2.843 .080 .889 .009 B 5.219 -.087 .238 .001 Std. Error 1.099 .028 .121 .000 -.956 .330 .533 Coefficients Beta t 4.749 -3.130 1.974 3.586 Sig. .000 .005 .060 .002
37
Berdasarkan nilai signifikan, faktor yang paling mempengaruhi gelagat memandu adalah umur, jumlah saman yang telah dibayar dan pengalaman memandu kerana nilai sig <0.05.
d)
38
39
Coefficientsa Standardized Unstandardized Coefficients Model 1 (Constant) jumlah saman yang telah dibayar a. Dependent Variable: gelagat memandu B 2.001 .001 Std. Error .111 .000 .545 Coefficients Beta t 17.965 3.442 Sig. .000 .002
40
Excluded Variablesb Collinearity Partial Model 1 tempat bekerja umur jantina lokasi tempat tinggal taraf perkahwinan pengalaman bekerja kelayakan akademik tertinggi pendapatan kasar bulanan pengalaman memandu jenis kenderaan utama kuasa kenderaa utama tindakan saman 2010 bilangan tindakan saman 2010 jumlah saman tanpa diskaun Umur baru Pendapatan baru -.142a -.168a .082a -.551 -1.019 .512 .586 .317 .613 -.105 -.192 .098 .387 .926 .999 Beta In .114a -.190a .141a -.086a .036a -.163a -.107a .034a .015a -.166a .016a .011a .065a t .697 -1.162 .870 -.534 .213 -.963 -.665 .213 .089 -1.041 .091 .056 .289 Sig. .492 .255 .392 .597 .833 .344 .512 .833 .929 .307 .928 .956 .775 Correlation .133 -.218 .165 -.102 .041 -.182 -.127 .041 .017 -.196 .018 .011 .056 Statistics Tolerance .962 .931 .967 .994 .894 .879 .995 .995 .935 .989 .823 .627 .518
a. Predictors in the Model: (Constant), jumlah saman yang telah dibayar b. Dependent Variable: gelagat memandu
Gelagat memandu = +1taraf perkahwinan + 2pendapatan bulanan + 3tindakan saman + 4Pendidikan + 5Jenis kenderaan + 6Pengalaman memandu + 7Kuasa kuda +
41