IPG Kampus Pendidikan Islam, Selangor

ANALISIS DATA MENGGUNAKAN

PERISIAN SPSS

6 - 7 Februari 2013
(PROMENADE HOTEL, KOTA KINABALU)

PEGAWAI-PEGAWAI KPM PENERIMA

HLP DAN CBBP TB

Fasilitator:
Dr. Ibrahim bin Mohamed Zin

APAKAH SPSS?
Singkatan kepada statistical package for social science. Diguna pakai untuk
menganalisis data dalam kajian sains sosial.
MULA SPSS
Membuka dan menutup SPSS
SPSS dapat dibuka satu fail sahaja pada satu masa. Apabila buka fail kedua, fail pertama
tertutup dengan sendirinya. Namakan fail apabila membuka fail baru (save as) dan
savekan sekerap mungkin apabila sedang memasukkan data kerana SPSS tidak recover
untuk anda secara automatik apabila berlaku gangguan.
Terdapat dua butang pada paparan SPSS, iaitu variable view dan data view. Variable view
diguna semasa membina template dengan memasukkan pemboleh ubah-pemboleh ubah
kajian. Data view pula digunakan selepas membina template untuk memasukkan data
daripada soal selidik atau instrumen yang telah ditadbirkan ke atas sampel.
Operasi 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 aksara
e. Decimal : tempat perpuluhan, boleh diubah mengikut keperluan
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 2bagi 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 atau 999)
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

3
taip masuk angka yang sesuai dengan kod yang telah diberikan dalam variable view
Kemahiran-kemahiran lain:
Delete case
Insert case
Delete variable
Insert variable
Move variable
Sort the data file
Converting Excel data files to SPSS format
Pemurnian data
a. Langkah pertama analisis data adalah meneroka ciri-ciri data.
b. Data mungkin silap semasa memasukkan (key-in) dalam spss atau memang taburan
data yang tidak normal.
c. Kesilapan dalam memasukkan data boleh diperbetulkan dan pemboleh ubah 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.

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

5
1.1 Frekuensi dan Peratus
1.2 Min, mod, median
1.3 Grafik graf, carta.
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
0.00 1.66
1.67 3.33
3.34 5.00

Tahap
Rendah
Sederhana
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:

BM

BM

N
30

Mean
71.63

Test
Value =
75
t

df

-2.230

29

Std. Deviation
8.269

Sig. (2tailed)
.034

Mean
Difference
-3.37

Std. Error Mean

1.510

95% Confidence
Interval of the
Difference
Lower
-6.45

Upper
-.28

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

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:

Pair 1

Pair 1

BM
MATE

BM &
MATE

Mean
71.63
72.23
N
30

Paired Samples Statistics

N
Std. Deviation
Std. Error Mean
30
8.269
1.510
30
6.816
1.244
Paired Samples Correlations
Correlation
Sig.
.274
.142
Paired Samples Test

Paired
Difference
s
Mean

Pair 1 BM - MATE

-.60

t
Std.
Std. Error
95%
Deviation Mean Confidence
Interval of
the
Difference
Lower Upper
9.160
1.672
-4.02
2.82 -.359

df

Sig. (2tailed)

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:

BM

JANTINA
lelaki
perempuan

N
16
14

Levene's
Test for
Equality of
Variances
F
Sig.

BM

Equal
variances
assumed
Equal
variances
not
assumed

.276

Group Statistics
Std. Deviation
7.848
8.989

Mean
71.13
72.21

Std. Error Mean

1.962
2.402

Independent Samples Test

t-test for
Equality
of Means

.604

df

-.354

28

-.351

26.07

Sig. (2Mean
Std.
95%
tailed) Difference Error Confidence
Differe Interval of
nce
the
Difference
Lower
Upper
.726
-1.09
3.073
-7.384
5.205
.728

-1.09

3.102

-7.464

5.285

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

Keputusan ANOVA:
Descriptives
BM

sedikit
sederhana
banyak
sangat
banyak
Total

Mean

7
7
10
6

66.14
71.57
70.20
80.50

30

71.63

Std.
Std. Error 95%
Deviation
Confidenc
e Interval
for Mean
Lower
Upper
Bound
Bound
5.786
2.187
60.79
71.49
4.685
1.771
67.24
75.90
9.484
2.999
63.42
76.98
5.244
2.141
75.00
86.00
8.269

1.510

68.55

74.72

Minimum

Maximum

56
66
55
75

75
78
85
88

55

88

Test of Homogeneity of Variances

BM
Levene Statistic
2.476

df1
3

df2
26

Sig.
.084

ANOVA
BM
Sum of
Squares
703.295

Between
Groups
Within 1279.671
Groups
Total
1982.967

df
3

Mean
Square
234.432

26

49.218

Sig.

4.763

0.009

29

Multiple Comparisons
Dependent Variable: BM
Tukey HSD
Mean
Difference (IJ)
(I)
MASABEL
sedikit

Std. Error

Sig.

(J) MASABEL
sederhana
banyak

-5.43
-4.06

3.750
3.457

.482
.648

95%
Confidence
Interval
Lower Bound
-15.72
-13.54

Upper
Bound
4.86
5.43

9
sangat banyak

-14.36*

3.903

.006

-25.06

sedikit
banyak
sangat banyak
sedikit
sederhana
sangat banyak
sedikit

5.43
1.37
-8.93
4.06
-1.37
-10.30*
14.36*

3.750
3.457
3.903
3.457
3.457
3.623
3.903

.482
.978
.127
.648
.978
.040
.006

-4.86
-8.11
-19.64
-5.43
-10.86
-20.24
3.65

-3.65
15.72
10.86
1.78
13.54
8.11
-.36
25.06

sederhana
8.93
3.903
banyak
10.30*
3.623
* The mean difference is significant at the .05 level.

.127
.040

-1.78
.36

19.64
20.24

sederhana
banyak
sangat
banyak

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

BM
MATE

Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N

Correlations
BM
1
.
30
0.274
0.142
30

Intepretasi Kekuatan hubungan:

Nilai hubungan
< 0.20
0.21 0.40
0.41 0.60
0.61 0.80
0.81 1.00

Kekuatan hubungan
Amat lemah
Lemah
Sederhana kuat
Kuat
Sangat kuat

MATE
0.274
0.142
30
1
.
30

10
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.
Ahmad menjalankan kajian ke atas murid kelasnya, dan data berikut telah dikumpul:
ID murid
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

jantina
L
L
P
P
L
L
L
P
P
L
P
L
L
P
L
P
P
L
P
L
L
L
P
L
P
P
L
P
L
P

pendapatan
1005
1245
2789
2135
1897
435
1289
879
921
1578
1921
456
589
721
936
1721
1667
500
4521
478
1009
932
967
3074
3173
350
1010
623
831
439

masa belajar
35m
195m
210m
140m
180m
50m
130m
200m
45m
150m
85m
225m
85m
95m
60m
105m
55m
60m
100m
30m
70m
110m
190m
85m
75m
240m
90m
105m
40m
75m

skor bm
70
80
75
55
77
75
67
88
65
68
70
80
85
65
67
78
65
78
66
56
60
75
85
67
68
75
68
76
65
80

skor m3
70
70
85
65
70
65
73
67
76
80
60
80
70
65
70
67
76
82
77
62
70
75
85
73
67
86
72
67
72
70

ARAHAN:
SILA RECODE PEMBOLEH UBAH BERIKUT MELALUI PROSEDUR YANG BETUL;
1. Tukarkan pendapatan kepada kod seperti berikut:
<Rm500 = 1
RM501-RM1000 = 2
RM1001-RM1500 = 3
RM1501-RM2000 = 4
>RM2000 = 5
2. Tukarkan masa belajar kepada kod seperti berikut:

0 minit 60 minit = 1
61 minit 120 minit = 2
121 minit 180 minit = 3
181 minit 240 minit = 4

gred seni
a
a
c
d
b
b
b
c
d
a
a
a
a
b
b
c
b
a
c
d
b
b
c
c
a
d
a
a
b
c

Sgt. rendah
Rendah
Sederhana
tinggi
Sgt. tinggi
Malas
Kurang
Rajin
Sgt rajin

11
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?
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)