Catatan:

Maklumat dan data dalam nota ini hanya untuk kegunaan dalaman (tujuan pendidikan).

Sumber:
Chua Yan Piaw. (2006). Kaedah dan statistik penyelidikan, Asas statistik penyelidikan,
Buku 2. Kuala Lumpur: McGraw-Hill (Malaysia) Sdn. Bhd.

Julie Pallant. (2011). SPSS Survival manual. 4th ed. Australia: Allen & Unwin.

Disediakan oleh:
Dr Lu Chung Chin & Dr Lee Chuo Hiong (Jab Matematik & JPIPK, IPGKS)

UJIAN T

Ujian-t merupakan ujian statistik inferensi yang digunakan untuk membandingkan

dua atau lebih daripada dua kumpulan data selang atau nisbah. Syarat-syarat
Ujian-t termasuk:

1. Skala pengukuran selang atau nisbah- skala data selanjar yang merupakan skor-
skor dan nilai-nilai yang jarak antara satu sama lain sama jauh.

2. Persampelan rawak- subjek-subjek dalam sampel harus dipilih daripada

populasinya secara rawak.

3. Normaliti- data dalam populasi perlulah bertaburan normal.

Taburan normal biasanya berlaku apabila saiz sampel sama atau lebih besar
daripada 50 (Chua Yan Piaw, 2006). Menurut Julie Pallant (2011), saiz sampel 30
dan ke atas adalah memadai untuk memenuhi syarat kenormalan.

Ujian-t digunakan untuk menentukan sama ada satu set atau set-set skor adalah
berasal dari populasi yang sama. Terdapat empat jenis ujian-t, iaitu:

1. Ujian-t untuk sampel-sampel bebas (Independent-Samples T Test)

2. Ujian-t untuk pengukuran berulangan (Paired-Samples T Test)

3. Ujian-t untuk sampel-sampel padanan (Matched-Samples T Test)

4. Ujian-t untuk satu sampel (One-Sample T Test)

1
Ujian-t Untuk Sampel-Sampel Bebas

Ujian-t Untuk Sampel-Sampel Bebas melibatkan dua kumpulan sampel yang

berlainan. Ujian jenis ini digunakan untuk membanding perbezaan min bagi kedua-
dua kumpulan sampel.

Contoh: Seorang guru ingin mengenal pasti sama ada terdapat perbezaan antara
dua kumpulan pelajar (berpengkhususan Seni Halus dan Seni Grafik) dari segi
penghasilan idea asli yang praktikal.

Skor-skor idea asli yang praktikal bagi kedua-dua kumpulan pelajar disenaraikan
dalam Jadual 1 di bawah:

Jadual 1: Skor-skor idea asli yang praktikal bagi dua kumpulan pelajar

Skor Pengkhususan
Seni Grafik Seni Halus
1 92 87
2 87 69
3 88 76
4 78 74
5 97 87
6 88 90
7 81 72
8 97 56
9 92 67
10 86 71
11 83 80
12 90 75
13 71 82
14 76 72
15 79 63
16 83 74
17 67 86
18 89 77
19 86 66
20 91 78

Hipotesis Kajian:

Hipotesis penyelidikan: Terdapat perbezaan antara pelajar berpengkhususan Seni

Halus dan Pelajar Seni Grafik dari segi penghasilan idea asli yang praktikal.

Hipotesis nul: Tidak terdapat perbezaan antara pelajar berpengkhususan Seni Halus
dan Pelajar Seni Grafik dari segi penghasilan idea asli yang praktikal.

2
Analisis Ujian-t Untuk Sampel-Sampel Bebas Menggunakan Program SPSS

Prosedur:

1. Memasukkan data ke dalam SPSS Data Editor mengikut Pengkhususan

(Khusus: 1- Seni Grafik, 2- Seni Halus) dan skor idea asli yang praktikal (Idea).

2. Pilih menu Analyze, klik Compare Means dan seterusnya memilih Independent-
Samples T Test.

3
3. Memasukkan pemboleh ubah Idea ke dalam kotak Test Variable(s) dan
pemboleh ubah Khusus ke dalam Grouping Variable. Seterusnya klik butang
Define Groups.

4. Taip nilai 1 dan 2 ke dalam kotak khusus (? ?), iaitu label kepada kedua-dua
pengkhususan.

4
5. Klik butang Option untuk membuka kotak Independent-Samples T Test. Klik
Option, pilih 95% untuk Confidence Interval, kemudian klik butang Continue.

6. Akhirnya, klik butang OK.

5
Keputusan Ujian

T-Test

Nilai t-kiraan Darjah Kebebasan Nilai signifikan Nilai perbezaan

p<.05 skor min antara
dua kumpulan

Keputusan kajian adalah signifikan (t = 3.774, df = 38, p<.05). Terdapat perbezaan

antara kedua-dua kumpulan pelajar berpengkhususan Seni Halus dan Seni Grafik
dari segi penghasilan idea asli yang praktikal. Nilai perbezaan min 9.95
menunjukkan bahawa pelajar berpengkhususan Seni Grafik lebih berupaya
menghasilkan idea asli yang praktikal berbanding dengan kumpulan pelajar
berpengkhususan Seni Halus (nilai min kedua-dua kumpulan dapat dilihat dari
keputusan Group Statistics).

6
Ujian-t Untuk Pengukuran Berulangan (Paired-Samples T Test)

Ujian-t untuk pengukuran berulangan digunakan apabila setiap individu dalam

sampel diukur dua kali dan kedua-dua data pengukuran digunakan untuk dibuat
perbandingan. Sampel terdiri daripada satu kumpulan subjek yang sama. Keadaan
ini biasanya melibatkan ujian pra dan ujian pasca.

Contoh:

Sebuah syarikat perbankan tempatan telah memperkenalkan satu Skim Pinjaman

Perumahan Baru (PPB) untuk menggalakkan pinjaman perumahan. Syarikat
tersebut memilih secara rawak 20 buah bank cawangannya sebagai sampel kajian
untuk diselidik sama ada skim pinjaman perumahan tersebut berkesan untuk
meningkatkan pinjaman perumahan. Setiap bank tersebut menilai keberkesanan
skim PPB sebelum dan selepas skim tersebut dilaksanakan dalam tempoh 20 bulan.

Jadual 2: Skor keberkesanan sebelum dan selepas skim PPB diperkenalkan dalam
tempoh 20 bulan

Bank Sebelum skim PPB 20 bulan selepas skim

cawangan dilaksanakan PPB dilaksanakan
Skor keberkesanan Skor keberkesanan
1 12 8
2 11 6
3 12 6
4 15 13
5 9 5
6 12 10
7 12 10
8 5 18
9 9 12
10 4 21
11 12 6
12 9 18
13 10 15
14 5 15
15 7 16
16 13 7
17 12 8
18 10 9
19 8 10
20 3 10

7
Hipotesis Kajian:

Hipotesis penyelidikan: Terdapat perbezaan keberkesanan sebelum dan selepas

skim PPB dilaksanakan.

Hipotesis nul: Tidak terdapat perbezaan keberkesanan sebelum dan selepas skim
PPB dilaksanakan.

Analisis Ujian-t Untuk Pengukuran Berulangan Menggunakan Program SPSS

Prosedur

1. Memasukkan data ke dalam SPSS Data Editor.

2. Memilih menu Analyze dan klik pada Compare Means untuk membuka kotak
Paired-samples T Test.

8
3. Memasukkan pemboleh ubah iaitu sebelum dan selepas secara serentak ke
dalam kotak Paired Variables, dan klik OK.

9
Keputusan Ujian

T-Test

Nilai perbezaan Nilai t-kiraan Darjah kebebasan Nilai signifikan

skor min antara (N-1) p<.05
dua kumpulan

Keputusan kajian adalah tidak signifikan (t = -1.045, df = 19, p>.05). Hipotesis nul
gagal ditolak dan pengkaji membuat keputusan bahawa skim PPB tidak berkesan
untuk meningkatkan pinjaman perumahan syarikat perbankan tempatan tersebut.

10
Ujian-t Bagi Sampel-Sampel Padanan (Matched-Samples T Test)

Ujian-t bagi sampel-sampel padanan melibatkan dua kumpulan sampel yang

mempunyai ciri-ciri yang serupa.

Contoh:

Satu kajian dilakukan untuk melihat kesan mendengar muzik okestra terhadap
prestasi menjawab soalan matematik. Mereka terdiri daripada 20 subjek yang dipilih
secara rawak daripada sekumpulan pelajar kolej yang mempunyai tahap IQ,
kecerdasan, tahap motivasi dan prestasi dalam mata pelajaran matematik yang
sama. Subjek kajian kemudiannya dibahagi kepada dua kumpulan . Kumpulan
pertama menjawab soalan matematik dengan mendengar muzik okestra manakala
kumpulan kedua tidak.

Jadual 3: Skor ujian algebra bagi kedua-dua kumpulan subjek

Skor Ujian Algebra

Subjek Kumpulan 1 Kumpulan 2
(Dengan muzik okestra) (Tanpa muzik okestra)
1 78 89
2 69 76
3 91 88
4 88 84
5 69 82
6 76 79
7 70 90
8 83 69
9 91 79
10 87 82

Hipotesis Kajian:

Hipotesis penyelidikan: Muzik okestra mempengaruhi prestasi subjek kajian

menjawab soalan algebra.

Hipotesis nul: Muzik okestra tidak mempengaruhi prestasi subjek kajian menjawab
soalan algebra.

11
Analisis Ujian-t Untuk Sampel-Sampel Padanan Menggunakan Program SPSS

Prosedur

1. Memilih menu Analyze dan klik pada Compare Means untuk membuka kotak
Paired-sampes T Test.

2. Masukkan kedua-dua data, iaitu Okestra dan TanpaOkestra ke dalam kotak

Paired Variables. Seterusnya, klik butang OK.

12
Keputusan Ujian:

Nilai ralat piawai Nilai t-kiraan yang kecil Nilai signifikan

min yang besar P>.05

Keputusan statistik Ujian-t menunjukkan perbezaan yang tidak signifikan (t = -.455,

df = 9, P>.05). Pengkaji gagal menolak hipotesis nul. Keputusan ujian menunjukkan
bahawa muzik okestra tidak mempengaruhi prestasi pelajar menjawab soalan
algebra. Perbezaan nilai skor min bagi kedua-dua kumpulan pelajar (dalam Jadual
Paired Samples Statistics) tidak cukup besar untuk menolak hipotesis nul, dan
perbezaan ini hanya disebabkan oleh nilai ralat piawai min yang besar wujud dalam
data kajian.

13
Ujian-t Satu Sampel (One-Sample T Test)

Ujian-t satu sampel digunakan untuk membandingkan skor min sampel dengan skor
min populasi.

Contoh 1:

Seorang fasilitator kursus ingin mengetahui sama ada peserta kursus motivasi (N=
75) yang datang dari SMK Satu mewakili tahap umur semua pelajar tersebut.
Diberitahu bahawa umur purata bagi para pelajar sekolah tersebut ialah 14.50 tahun.

Contoh 2:

Seorang peladang ingin menguji sama ada baja jenama X dapat meningkatkan
pertumbuhan pokok jagung dalam ladangnya. Sebanyak 15 pohon pokok jagung
dipilih secara rawak dari ladangnya dan diberi baja jenama X. Didapati tinggi purata
pertumbuhan pokok jagung ladangnya selepas dua minggu ialah 45 cm.

Jadual 4: Pertumbuhan sampel pokok jagung selepas dua minggu

No pokok Pertumbuhan (cm)

1 36
2 48
3 45
4 47
5 43
6 50
7 55
8 38
9 42
10 40
11 33
12 45
13 47
14 46
15 40

Hipotesis Kajian:

Hipotesis penyelidikan: Baja jenama X berkesan untuk meningkatkan pertumbuhan

pokok jagung peladang.

Hipotesis nul: Baja jenama X tidak berkesan untuk meningkatkan pertumbuhan

pokok jagung peladang.

14
Analisis Ujian-t Satu Sampel Menggunakan Program SPSS

Prosedur

1. Memilih menu Analyze dan klik Compare Means, seterusnya pilih One-Sample T
Test untuk membuka kotak One-Sample T Test.

2. Masukkan pemboleh ubah bersandar iaitu “Pertumbuhan” ke dalam kotak Test

Variable(s) dan seterusnya taip nilai skor min populasi, iaitu 45 ke dalam kotak Test
Value. Akhirnya, klik butang OK.

15
Keputusan Ujian:

Nilai t- kiraan Darjah Kebebasan Nilai signifikan

P>.05

Keputusan ujian menunjukkan bahawa nilai t = -.907 tidak signifikan kerana P>.05.
Ini bererti pengkaji gagal menolak hipotesis nul. Keputusan ujian-t menunjukkan
bahawa baha jenama X tidak berkesan untuk meningkatkan pertumbuhan pokok
jagung ladang.

16
Ujian Kruskal-Wallis

Ujian Kruskal-Wallis adalah satu jenis ujian bukan parametrik yang membolehkan
perbandingan skor bagi pemboleh ubah berterusan untuk tiga atau lebih kumpulan. Skor
ditukar kepada pangkat (rank) dan min pangkat dibandingkan. Ujian ini melibatkan antara
kumpulan (between groups), maka melibatkan responden yang berlainan dalam kumpulan
yang berlainan. Ujian jenis ini merupakan alternatif kepada ujian berparametrik (One-way
between groups analysis of variance).

Sumber data: http://spss.allenandunwin.com

Buka file: survey4ED.sav

Contoh:

Persoalan kajian: Adakah terdapat perbezaan dalam aras optimis merentasi tiga peringkat
umur?

Dua pemboleh ubah:

 satu kategori pemboleh ubah bebas dengan tiga atau lebih peringkat/kategori
(contoh: agegp3: 18-29, 30-44, 45+).
 satu pemboleh ubah bersandar berterusan (contoh: total optimism).

Analisis Ujian Kruskal-Wallis Menggunakan Program SPSS

1. Pilih Analyze, pilih Nonparametric Test, K Independent Samples.

17
2. Klik pada pemboleh ubah bersandar (contoh: total optimism: toptim) dan pindahkannya
ke dalam kotak Test Variable List.

3. Klik pemboleh ubah bebas (contoh: age 3 groups: agegp3) dan pindahkannya ke dalam
kotak Grouping Variable.

4. Klik pada butang Define Range. Taip kategori pemboleh ubah (contoh: 1) dalam kotak
minimum. Taip nilai terbesar dalam kategori pemboleh ubah (contoh: 3) dalam kotak
maximum. Klik Continue.

5. Di bawah Test Type section, pastikan Kruskal-Wallis H dipilih.

6. Klik OK.

18
Keputusan Ujian

Anda juga perlu menjana nilai median untuk setiap kumpulan umur.

1. Klik Analyze, pilih Compare means, Means.

2. Klik pemboleh ubah bersandar (contoh: total optimism: toptim) dan pindahkannya ke
dalam kotak Dependent List.

3. Klik pemboleh ubah bebas ((contoh: age 3 groups: agegp3) dan pindahkannya ke dalam
kotak Independent List.

19
4. Klik butang Options. Klik Median di bawah Standard Deviation dan pindahkannya ke
dalam kotak Cell Statistics. Klik Mean dan Standard Deviation dan pindahkannya keluar
dari kotak Cell Statistics.

5. Klik Continue.

6. Klik OK.

20
Ujian Kruskal-Wallis menunjukkan perbezaan signifikan secara statistik dalam aras optimis
merentas tiga peringkat umur yang berbeza (Gp1, n = 147; 18-29 tahun, Gp2, n = 153: 30-


2
44 tahun, Gp3, n = 135: 45 tahun ke atas), (2, n = 435) = 8.57, p = .014. Kumpulan umur
yang paling tua (45 tahun ke atas) mencatatkan skor median yang leibh tinggi berbanding
dengan dua kumpulan umur yang lain, masing-masing mencatatkan skor median sebanyak
22.

21
Ujian Khi Kuasa Dua

Ujian Khi Kuasa Dua merupakan jenis ujian bukan parametrik yang sesuai untuk skala
nominal. Ujian Khi Kuasa Dua terbahagi kepada dua jenis iaitu ujian Khi Kuasa Dua untuk
kebagusan (Chi-square test for goodness-of-fit) dan ujian Khi Kuasa Dua untuk
kebebasan (Chi-square test for independent atau test of homogeneity).

Ujian Khi Kuasa Dua untuk kebagusan biasanya diaplikasikan dalam konteks yang
melibatkan kategori tunggal dalam suatu pemboleh ubah manakala ujian Khi Kuasa Dua
untuk kebebasan diaplikasikan dalam konteks perhubungan antara dua atau lebih kategori
dalam suatu pemboleh ubah.

Syara-syarat sebelum penggunaan ujian Khi Kuasa Dua dalam penganalisisan data:

(1) Skala pengukuran nominal- data dikumpul dalam bentuk frekuensi.

(2) Persampelan rawak
(3) Kebebasan pemerhatian- setiap subjek hanya dikira sekali sahaja
(4) Frekuensi yang dijangkakan- apabila saiz sampel kecil, frekuensi dijangkakan (expected
frequency) yang minima untuk ujian Khi Kuasa Dua ialah 5.

Ujian Khi Kuasa Dua untuk Kebagusan Menggunakan Program SPSS

Contoh:

Seramai 50 orang pelancong tempatan ditemu bual mengenai buah-buahan import yang
paling digemari oleh mereka. Untuk menentukan sama ada terdapat perbezaan kegemaran
pelancong tempatan terhadap tiga jenis buah-buahan import (epal, oren dan anggur), Ujian
Khi Kuasa Dua digunakan.

Hipotesis Kajian:

Hipotesis penyelidikan: Terdapat perbezaan kegemaran pelancong tempatan terhadap tiga

jenis buah-buahan import (epal, oren dan anggur).

Hipotesis nul: Tidak terdapat perbezaan kegemaran pelancong tempatan terhadap tiga jenis
buah-buahan import (epal, oren dan anggur).

22
 Bil. Jenis buah-buahan Bil. Jenis buah-buahan Bil. Jenis buah-buahan
1 epal 19 anggur 37 anggur
2 anggur 20 anggur 38 anggur
3 epal 21 epal 39 anggur
4 anggur 22 oren 40 anggur
5 epal 23 anggur 41 anggur
6 anggur 24 epal 42 epal
7 oren 25 anggur 43 epal
8 epal 26 anggur 44 anggur
9 anggur 27 epal 45 anggur
10 epal 28 epal 46 epal
11 anggur 29 anggur 47 anggur
12 epal 30 anggur 48 oren
13 anggur 31 oren 49 anggur
14 anggur 32 epal 50 epal
15 anggur 33 anggur
16 epal 34 anggur
17 epal 35 anggur
18 anggur 36 epal

Prosedur:

1. Data bagi buah-buahan tempatan kegemaran diberi nilai (1- epal; 2-oren dan 3-anggur)
dan dimasukkan ke dalam Variable View.

23
2. Nilai 1, 2 dan 3 yang mewakili ketiga-tiga jenis buah-buahan pilihan setiap responden
ditaip ke dalam Data View.

3. Memilih menu Analyze dan klik Nonparametric Tests, kemudian klik Chi-Square.

4. Pilih pemboleh ubah BI (buah-buahan import) dan klik anak panah untuk
memindahkannya ke dalam kotak Test Variable List. Akhirnya klik OK.

24
Keputusan Ujian

Nilai Khi Kuasa Dua

Nilai signifikan bagi ujian Khi Kuasa Dua menunjukkan P=.000 (df=2, P<.05).
Keputusan ujian menunjukkan perbezaan yang signifikan.

Keputusan kajian menunjukkan bahawa terdapat perbezaan yang signifikan, iaitu

sumbangan yang paling besar kepada perbezaan ini adalah daripada anggur dan oren (nilai
rasidual piawai = 11.3 dan -12.7). Ini bererti populasi pelancong tempatan paling mengemari
anggur dan paling tidak suka makan oren (melalui frekuensi yang diperhatikan- Observed N)
bagi kedua-dua kumpulan tersebut.

25
Ujian Khi Kuasa Dua untuk Kebebasan Menggunakan Program SPSS

Contoh:

Satu kajian dijalankan untuk menentukan sama ada terdapat perbezaan kemahiran berfikir
antara tiga jenis kerjaya. Seramai 100 orang subjek yang terdiri daripada tiga kumpulan
kerjaya (peguam, jurujual dan wartawan) dipilih secara rawak daripada satu populasi yang
mengandungi 1000 subjek yang memiliki kerjaya-kerjaya tersebut. Subjek-subjek tersebut
diberi dua ujian kemahiran berfikir secara berasingan. Skor-skor bagi kedua-dua ujian
tersebut kemudian dikategorikan dalam kemahiran berfikir yang baik (skor 70-100),
sederhana (skor 50-69) dan lemah (skor di bawah 50).

Oleh kerana kajian ini mempunyai dua pemboleh ubah (kerjaya dan kemahiran berfikir) yang
masing-masing mempunyai 3 kategori data, ujian Khi Kuasa Dua untuk kebebasan
digunakan. Prosedur yang sama digunakan untuk menentukan sama ada terdapat
perbezaan:

1. Pemikiran kreatif antara tiga jenis kerjaya.

Hipotesis Kajian:

Hipotesis penyelidikan: Terdapat perbezaan kemahiran berfikir antara ketiga-tiga jenis

kerjaya (peguam, jurujual dan wartawan).

Hipotesis nul: Tidak terdapat perbezaan kemahiran berfikir antara ketiga-tiga jenis kerjaya
(peguam, jurujual dan wartawan).

Prosedur:

1. Masukan data bagi pemikiran kreatif (1 = baik, 2 = sederhana dan 3 = lemah) dan kerjaya
(1 = peguam, 2 = jurujual dan 3 = wartawan) ke dalam SPSS Data Editor.

2. Memilih menu Analyze. Klik pada Descriptive Statistics dan kemudian Crosstabs untuk
membuka kotak Crosstabs.

26
3. Memilih pemboleh ubah bebas (Pemikiran kreatif) dan klik anak panah untuk
memindahkannya ke dalam kotak Row(s). Seterusnya memilih pemboleh ubah bersandar
(kerjaya) dan pindahkannya ke dalam kotak Column(s).

5. Klik pada butang Statistics untuk membuka kotak Crosstabs: Statistics. Klik Chi-
Square untuk menandanya. Klik pada butang Continue.

27
8. Klik pada butang Cells untuk membuka kotak Crosstabs: Cell Display.

Dalam petak Counts, klik Observed dan Expected. Dalam kotak Residuals, klik
Standardized. Klik Continue dan akhirnya klik OK.

28
Keputusan Ujian

Nilai signifikan bagi ketiga-tiga jenis ujian Khi Kuasa Dua (pengkaji hanya perlu
melaporkan keputusan ujian Pearson Chi-Square sahaja). Nilai P bagi ujian Khi Kuasa
Dua Person ialah .080, iaitu p>.05 menunjukkan bahawa tidak terdapat perbezaan
pemikiran kreatif yang signifikan antara ketiga-tiga jenis kerjaya tersebut.

Keputusan ujian Khi Kuasa Dua (Pearson Chi-square) di atas (  2 = 8.333, df = 4, P>.05)
menunjukkan tidak terdapat perbezaan pemikiran kreatif yang signifikan antara ketiga-tiga
jenis kerjaya tersebut. Nilai rasidul piawai (standardized rasidual) yang kecil (-1.0 hingga 0)
menunjukkan bahawa perbezaan frequensi yang diperhatikan (observed frequency) dan
frequensi yang dijangkakan (expected frequency) adalah terlalu kecil untuk menolak
hipotesis nul dan perbezaan ini hanya disebabkan oleh ralat persampelan.

29
Ujian Korelasi

Ujian Korelasi dilaksanakan untuk mengkaji perhubungan antara pemboleh ubah bersandar
dan pemboleh ubah bebas. Pemboleh ubah bersandar merupakan kesan dan pemboleh
ubah bebas adalah faktor yang mengakibatkan kesan pada pemboleh ubah bersandar.
Kekuatan perhubungan diwakili oleh pekali korelasi.

Dalam ujian Korelasi, skala pengukuran bagi setiap pemboleh ubah dan bilangan pemboleh
ubah perlu dikenalpasti untuk menentukan jenis ujian analisis yang akan digunakan.

(1) Pekali Pearson Product-Moment. Ia menyatakan perhubungan antara pemboleh-

pemboleh ubah yang menggunakan skala selang dan nisbah.

(2) Pekali Phi. Ia merupakan kes khas bagi korelasi Pearson di mana kedua-dua pemboleh
ubah adalah berbentuk data nominal.

(3) Pekali Point-biserial. Ia menyatakan perhubungan antara satu pemboleh ubah berskala
selang atau nisbah dan satu lagi pemboleh ubah berskala nominal.

(4) Pekali Spearman Rho. Ia menyatakan perhubungan antara pemboleh-pemboleh ubah

apabila taburan normal tidak dipatuhi di mana kedua-dua pemboleh ubah berskala ordinal,
yang disusun dalam pangkatan.

(5) Pekali Biserial. Ia adalah hampir sama dengan pekali point-biserial di mana salah satu
pemboleh ubah diukur dalam skala selang atau nisbah, manakala satu lagi pemboleh ubah
adalah dalam skala ordinal.

(6) Pekali Tetrachoric. Ia adalah hampir sama dengan pekali Phi yang menyatakan
perhubungan pemboleh-pemboleh ubah dalam skala nominal, yang berbeza ialah pekali ini
digunakan apabila pengkahi menganggarkan bahawa kedua-dua skala pemboleh ubah
mempunyai pangkatan dan taburan data kajian adalah normal.

(7) Pekali Cramer dan Lambda. Kedua-dua pekali ini merupakan pekali yang digunakan
apabila pemboleh-pemboleh ubah dalam perhubungan adalah berskala nominal dan
mempunyai lebih daripada dua kategori dalam setiap pemboleh ubah.

(8) Pekali Rank-biserial. Pekali ini mirip kepada pekali point-biserial, iaitu satu pemboleh
ubah dalam perhubungannya berskala nominal dan pemboleh ubah yang lain adalah dalam
skala ordinal.

Jadual 1: Pekali korelasi berdasarkan skala pengukuran pemboleh ubah

Pemboleh ubah X
Pemboleh Skala Nominal Ordinal Nisbah / Selang
ubah Y Nominal 1. Phi Rank-biserial Point-biserial
2. Cramer
3. Lambda
Ordinal Rank-biserial 1. Spearman Rho Biserial
2. Tetrachoric
Nisbah / Selang Point-biserial Biserial Pearson
Product-Moment

30
Contoh:

Seorang pengkaji ingin mengenal pasti perhubungan antara IQ dengan prestasi ujian
matematik. Skor IQ dan prestasi ujian matematik bagi 10 orang pelajar dipungut dan
disenaraikan dalam Jadual 2.

Jadual 2: Skor IQ dan prestasi ujian matematik subjek kajian

Subjek Pemboleh ubah Bebas Pemboleh ubah

Bersandar
Skor IQ (X) Skor Ujian Matematik (Y)
1 42 80
2 55 67
3 48 66
4 66 82
5 92 88
6 88 100
7 90 99
8 60 97
9 72 93
10 54 77

Analisis Ujian Korelasi Menggunakan Program SPSS

1. Pilih menu Analyze dalam SPSS Data Editor. Klik Correlate dan seterusnya klik
Bivariate untuk membuka kotak dialog Bivariate Correlations.

31
2. Masukkan IQ (pemboleh ubah bebas) dan Matematik (pemboleh ubah bersandar) ke
dalam kotak Variables. Klik Pearson di bawah Correlation Coefficients. Seterusnya, klik
OK.

Keputusan ujian korelasi

Pekali korelasi, r = .72 Korelasi adalah signifikan pada p<.05

Nilai varians digunakan untuk menghuraikan perubahan dalam pemboleh ubah bersandar
(Y) yang disebabkan oleh perubahan pemboleh ubah bebas (X). Dalam contoh di atas, r =
.72 bermakna nilai varians r2 ialah .722 = .517. Nilai varians ini menunjukkan bahawa 51.7%
daripada prestasi pelajar dalam ujian mata pelajaran Matematik disebabkan oleh IQ mereka.
Walau bagaimanapun, dalam kes di atas, 48.3% faktor yang lain tidak dapat dikesan. Ia
mungkin disebabkan oleh sikap pelajar, kerajinan, motivasi dan faktor lain yang tidak
ditunjukkan dalam perhubungan ini.

32
Inter-Korelasi Antara Pemboleh-pemboleh ubah

Ujian Inter-Korelasi dijalankan apabila melibatkan lebih daripada dua pemboleh ubah.

Contoh:

Seorang pengkaji menyelidik perhubungan antara pemikiran otak kanan dengan pemikiran
kreatif dan pemikiran logik. Seramai 31 orang pelajar yang mengikuti kursus Ijazah Sarjana
Sains Gunaan dipilih secara rawak daripada semua pelajar kursus tersebut dalam Universiti
X.

Jadual 1 menunjukkan indeks-indeks pemikiran pelajar kursus Ijazah Sarjana Sains Gunaan

Subjek Indeks pemikiran otak Indeks pemikiran kreatif Indeks pemikiran

kanan logik
1 88.70 76.20 105.60
2 93.50 75.40 94.40
3 107.80 81.20 88.40
4 126.80 100.00 95.20
5 93.50 80.20 99.20
6 74.50 83.60 93.20
7 74.50 79.60 101.20
8 55.40 63.60 108.20
9 74.50 71.80 108.40
10 107.80 80.40 102.60
11 74.50 69.60 115.20
12 88.70 67.60 113.60
13 126.80 128.60 90.40
14 103.00 104.40 113.00
15 131.50 116.20 85.60
16 126.80 104.80 93.60
17 98.20 101.00 109.40
18 126.80 106.20 106.60
19 103.00 106.20 104.40
20 126.80 117.60 93.80
21 107.80 92.60 89.40
22 131.50 112.00 92.00
23 126.80 110.00 88.20
24 88.70 82.80 110.20
25 88.70 90.00 97.20
26 64.90 70.40 106.60
27 103.00 89.40 108.00
28 93.50 89.20 99.60
29 107.80 85.60 83.80
30 88.70 85.00 111.60
31 88.70 76.20 105.60

33
Prosedur:

1. Masukkan data ke dalam SPSS Data Editor.

2. Pilih menu Analyze, klik Correlate, Bivariate untuk membuka kotak Bivariate
Correlations.

3. Masukkan pemboleh ubah bebas (kanan) dan kedua-dua pemboleh ubah bersandar
(kreatif dan logik) ke dalam kotak Variables. Bagi Correlation Coefficients, klik pada
Pearson, kemudian klik OK.

34
Keputusan Ujian:

r = .85 menunjukkan korelasi positif

yang sangat kuat antara pemikiran otak
kanan dan pemikiran kreatif

r = -.47 menunjukkan korelasi negatif

yang lemah antara pemikiran kreatif
dengan pemikiran logik

r =-.57 menunjukkan korelasi negatif

yang sederhana antara pemikiran otak
kanan dengan pemikiran logik

Hasil analisis inter-korelasi menunjukkan korelasi yang kuat antara pemikiran otak kanan
dan pemikiran kreatif (r = .85), manakala korelasi antara pemikiran otak kanan dengan
pemikiran logik (r = -.57) adalah sederhana kuat dan korelasi antara pemikiran kreatif
dengan pemikiran logik (r = -.47) adalah lemah, dan kedua-dua korelasi ini adalah negatif.
Semua korelasi tersebut signifikan pada p<.01.

Keputusan analisis menunjukkan bahawa pelajar yang mengikuti kursus Ijazah Sarjana
Sains Gunaan dalam universiti X yang menggunakan otak kanan untuk berfikir adalah
kreatif, tetapi kurang logik dalam pemikirannya. Pernyataan ini juga ditunjukkan oleh nilai r
yang negatif antara pemikiran kreatif dengan pemikiran logik.

35