asas penggunaan spss for windows_terakhir

Pengenalan kepada Perisian SPSS for windows

ASAS PENGGUNAAN PERISIAN SPSS FOR WINDOWS

BAB 1

SPSS for windows sepintas lalu

SPSS versi 12.0 for windows adalah sebuah perisian yang mesra pengguna, yang mana

ianya boleh digunakan untuk melakukan pelbagai analisis statistik dan pengurusan data

di dalam persekitaran bergrafik.

Sekumpulan data-data adalah seperti :-

1. Data-data hasil dari satu kajian yang menggunakan borang soal selidik.

2. Data-data dari database seperti maklumat keputusan peperiksaan dan lain-lain

Dengan menggunakan SPSS data-data tersebut boleh di hasilkan dalam bentuk jadual-

jadual statistik seperti :-

1. Frequencies

2. Crostabulation

3. Descriptives

4. Charts dan sebagainya.

Perlaksanaan sesuatu prosedur dalam SPSS adalah berasaskan kepada perantara

point-and-click yang menggunakan kemudahan graphical user interface(GUI). Pengguna

boleh melaksanakan prosedur SPSS dengan menggunakan SPSS Syntax.

SPSS versi 12.0 for windows adalah serasi sepenuhnya dengan persekitaran windows

95 dan keatas, windows XP dan juga windows NT.

Modul SPSS (SPSS Modules)

SPSS Base merupakan modul asas SPSS for windows. Ia digunakan untuk membina,

menyunting dan menyimpan fail data, melakukan berbagai-bagai prosedur statistik asas,

Micheal anak Ringgit Muka Surat 1 April 12, 2023Master Education(Kurikulum & Pedagogi)


membuat transformasi pembolehubah, menghasilkan carta statistik bergrafik serta

menyediakan laporan dalam format fleksible.

SPSS Regression Model

SPSS Regression Model adalah modul SPSS tambahan(optional). Ia digunakan untuk

melakukan beberapa analisis statistik lanjutan

SPSS Table

SPSS Tables adalah modul SPSS tambahan (optional). Ia digunakan untuk membina

pelbagai laporan berbentuk jadual berkualiti tinggi yang sesuai untuk kegunaan

persembahan laporan termasuk jadual kompleks serta pamiran data berbilang respon

Jenis data yang serasi dengan SPSS

SPSS hanya boleh melakukan analisis ke atas data yang dibina menggunakan SPSS

data editor. Bagaimanapun, data yang di bina di dalam beberapa format lain boleh

dianalisis menggunakan SPSS for windows melalui proses tranformasi tertentu yang

akan di jelaskan dalam kelas nanti.

Jenis-jenis fail data yang boleh diterima atau di traformasikan ialah:-

Fail data yang dibina dengan menggunakan SPSS Data Editor (format .sav)

Fail data yang dibina dengan menggunakan SPSS Syntax (format .SPS)

SpreadSheet:Excel

SpreadSheet:Lotus

Database:Dbase(*.dbf, *.mdf)

Fail data yang di simpan di dalam bentuk ASCII



Langkah Asas dalam Penganalisaan Data

Berikut adalah peringkat dan langkah-langkah asas yang perlu diikuti oleh pengguna

SPSS untuk melakukan kebanyakan proses analisis data.

Peringkat 1 (Fail Data)

Di dalam peringkat ini anda akan berada di dalam mod Data Editor dan anda

akan berurusan dengan fail data:

Peringkat 2 (Melaksanakan Prosedur

Di peringkat ini anda boleh berada dalam mod Data Editor:

o Pilih prosedur yang diperlukan dari menu Data Editor ( misalnya

Transform/Recode.., Statistics, Frequencies dan sebagainya)

o Pilih pembolehubah atau set pembolehubah yang perlu dianalisis yang

dipamirkan pada kotak dailog.

Peringkat 3 (Output)

Sebaik sahaja anda selesai melakukan langkah-langkag dalam peringkat 2.

SPSS akan menghasilkan output yang di letakan dalam Output Viewer. Disini

anda boleh melakukan kerja-kerja percetakan, penyuntingan kandungan output.

Keperluan Perkakasan dan Perisisan:

Windows 95/98, NT dan juga XP

Pentium III dan keatas

Minimum 128MB RAM

Sekurang-kurang 85MB ruang cakera keras

Skrin paparan resolusi 800x600



Berkenalan dengan antara muka SPSS

Secara asas SPSS mempunyai 3 tetingkap yang utama iaitu Data Editor, tetingkap

Output Viewer dan tetingkap syntax. Terdapat 2 lagi tetingkap sokongan yang lain iaitu

tetingkap draf Output dan tetingkap script.

1.1 Bar Tajuk

Ia mengandungi nama SPSS di mana pada penghujung kanannya

terdapat tiga kotak yang berfungsi untuk meminimum, mengembalikan

dan menutup skrin.

1.2 Bar Menu

Ia mengandungi menu-menu untuk membuat pilihan penggunaannya, ia

juga boleh di buka dengan kekunci ALT bersama dengan huruf yang

tergaris pada nama menu tersebut.

1.3 Bar Alatan

Ia mengandungi butang-butang kecil bergambar yang mewakili satu

perintah yang di gunakan dalam SPSS. Selain daripada itu ianya

menawarkan cara pintas untuk mencapai sesuatu perintah.

1.4 Data Editor/View

Data editor adalah helaian elektronik yang merupakan satu kemudahan

untuk memasukkan, menghapus, menyunting data-data. Didalam data

editor ada ROW yang mewakili satu kes/soalselidik. Manakala COLUMN

pula mewakili pembolehubah (variables) di dalam kes/soalselidik. Setiap

item dalam kes/soalselidik adalah pemboleh ubah.

1.5 Variable View

Variable view adalah merupakan satu kemudahan untuk melihat,

mencipta dan menambah atau menghapus variables.



Penyediaan Soal Selidik

Jenis-jenis soalan

Selalunya soalan boleh di kelaskan kepada 2 kumpulan iaitu tertutup (close) atau soalan

terbuka (open-ended).

Soalan tertutup melibatkan siri pilihan jawapan yang di sediakan. Responden mungkin

di minta menjawab samada dengan menanda(tik), pangkah atau bulatkan pada

jawapan. Sebagai contoh pilihan jawapan seperti Ya/Tidak, Lelaki/Perempuan.

Soalan tertutup atau pilihan jawapan adalah mudah untuk memindahkan maklumat ke

dalam SPSS. Sebagai contoh jawapan Ya mungkin boled di kodkan sebagai 1,

manakala jawapan Tidak mungkin boleh dikodkan sebagai 2.

Kadangkala kita tidak boleh meneka kesemua kemungkinan jawapan yang akan

diberikan oleh responden.Sebab itu lah kita memerlukan bentuk soalan yang terbuka

(open-ended)

Sebagai contoh :

Apakah faktor utama penyebab stress di dalam kehidupan harian anda?

Anda perlulah melihat pada keseluruhan jawapan pada setiap soalselidik, dan kemudian

anda boleh membuat kod yang mewakili mana-mana jawapan yang hampir sama.

Setiap faktor mungkin boleh anda kodkan seperti , contoh kerja =1, kewangan =2 ,

perhubungan =3, dan seterusnya.

Contoh-contoh soalan

Format jawapan

Bertanyakan soalan kepada responden, kadangkala anda perlu memilih format jawapan

yang sesuai apabila anda melaksanakan analisa statistik, sesetengah analisa contoh

seperti korelasi (corelation) memerlukan skor yang berterusan. Daripada terendah

hinggalah kepada yang tertinggi. ( A wide range of score ).

Sebagai contoh, soalan berkaitan dengan umur responden, mungkin anda boleh

memberikan soalan begini, bulatkan mana-mana jawapan yang berkaitan dengan umur



anda.( kurang 30 tahun, 31 hingga 50 tahun, dan lebih dari 50 tahun) data sebegini tidak

sesuai untuk membuat analisa korelasi. Jadi pastikan anda bertanya umur yang

sebenarnya responden.

Cuba besarkan julat jawapan responden sebaik yang boleh, jangan hanya memberi

pilihan jawapan samada responden bersetuju atau tidak, gunakan skala Likert-type

contoh :

Amat Tidak Amat sangat

Bersetuju 1 2 3 4 5 6 7 8 Setuju

Apa-apa pun format jawapan yang dipilih, anda hendaklah menerangkan dengan jelas

arahan jawapan, samada anda mahu responden tik pada kotak, bulatkan pada nombor

atau tanda dengan underline? De-Villis (1991) merupakan bahan perbincangan

kelebihan dan kekurangan mengenai jawapan berskala.1

1 De Vellis, R. F.(1991). Scale development, Theory and applications, Newbury, Cal



Kaedah Asas mereka bentuk soal selidik.

Untuk membuat soal selidik yang standard ada beberapa kaedah yang boleh diikuti:

1. Soal selidik hendaklah di buat dengan mengikut format yang standard.

2. Menyediakan koding manual.

3. Elakan daripada open ended-question.

Contoh soal selidik yang standard

No Siri : 1 2 3 4

Untuk kegunaan Pejabat

Bahagian A : Data sosio demograpfi respondenSila bulatkan jawapan yang sesuai bagi soalan bernombor

1. Kawasan1. Metropolitan – KL2. Bandar – Petaling Jaya, Shah Alam3. Separa Bandar – Kuala Lumpur, Meru, Kapar4. Luar Bandar – Sabak Bernam, Sungai Besar, Kuala Kubu

5

2. Jantina1. Lelaki2. Perempuan

6

3. Bangsa1. Melayu2. Cina3. India4. Lain: nyatakan ,…………………………………………..

7

4. Umur :……………………. 8

5. Bilangan adik-beradik :………………………… orang 9

6. Agama1. Islam2. Kristian3. Hindu4. Buddha5. Lain: nyatakan…………………………..6. Tiada

10

7. Pendapatan bulanan keluarga RM………………………….. 11 12 13 14



Berikut adalah contoh Koding manual

Soalan Kod

No siri (indentiti soalselidik)Bahagian A1. Kawasan 1. Metropolitan – KL

2. Bandar – Petaling Jaya, Shah Alam3. Separa Bandar – Kuala Lumpur, Meru, Kapar4. Luar Bandar – Sabak Bernam, Sungai Besar,

Kuala Kubu

2. Jantina 1. Lelaki2. Perempuan

3. Bangsa 1. Melayu2. Cina3. India4. Lain-lain

4. Agama 1. Islam2. Kristian3. Hindu4. Buddha5. Lain: nyatakan…………………………..6. Tiada

S7 – S20 Skala 1 – 10



Antara Muka SPSS

Secara asasnya, SPSS mempunyai tiga tetingkap yang utama iaitu:-

Data Editor

Output Viewer

Tetingkap Syntax

Tetingkap Draf output dan

Tetingkap Script

Tetingkap Data Editor

Tetingkap data editor merupakan tetingkap yang digunakan untuk membina sesuatu fail

data yang baru atau membuka fail data yang sedia ada, fail data bagi SPSS di simpan

dalam format .sav

Contoh Skrin SPSS Data Editor ( Data View)

Bar Tajuk

Bar Menu

Pembolehubah

Data Editor

Folder Data View Folder Variable View

Data editor mempunyai dua jenis tetingkap iaitu:-

1. Data View

2. Variable View



Contoh Skrin SPSS Data Editor ( Variable View )

Variable View

Merupakan tempat dimana pengguna akan menamakan, menetapkan ciri-ciri

pembolehubah seperti jenis, label, values dan sebagainya.



Latihan 1

Memulakan Perisian SPSS for windows

Langkah-langkah

1. Buka perisian SPSS pada komputer masing-masing

2. Point-and-click pada start, pilih all program dan klik pada SPSS versi 12.0

3. Selepas beberapa saat akan di paparkan skrin seperti berikut:-

4. Anda boleh memilih mana-mana option yang telah disediakan. Seperti

memilih Run the tutorial, Type in data atau Run exiting query atau memilih

untuk membuka fail yang sedia ada dan sebagainya

5. Dalam tutorial ini klik butang cancel.



6. Seterusnya paparan skrin berikutnya yang dinamakan sebagai SPSS Data

Editor.

Data Editor SPSS mempunyai dua jenis paparan skrin iaitu Data View dan

Variables View. Setiap skrin mempunyai fungsi yang tertentu dan saling

berkait antara satu sama lain.

Data View

Data view merupakan satu hamparan spreadsheet yang mana data-data

boleh di masukan terus didalam ruangan yang disediakan, atau

mempamirkan sejumlah data-data yang telah tersedia.

Variable View

Skrin ini digunakan untuk membina dan menamakan pembolehubah

mengikut keperluan yang mana ianya berkait rapat dengan soalan didalam

soalselidik ataupun set data didalam sesuatu kajian. Misalnya seperti

bangsa, umur responden dan sebagainya.

7. Seterusnya klik pada folder atau butang Variable View dan lihat apa yang

ada pada skrin tersebut. Terdapat nama, type, width, decimal dan

sebagainya pada paparan ini. Yang mana setiap fungsi bahagian akan di

terangkan nanti.



Berikut merupakan keterangan ringkas mengenai skrin Data View dan fungsi menu pada

bar.

Menu Fail

8. Klik pada Menu File

Menu ini digunakan untuk membuka, mencapai dan menyimpan fail data

SPSS serta kemudahan lain yang terdapat pada menu ini.

New - untuk membina fail baru

Open – Untuk membuka fail sedia ada daripada mana sumber seperti

dari cakera keras, CD serta pin drive dan sebagainya.

Open Database – di gunakan untuk membaca data daripada

Database, pengguna boleh memilih untuk melaksanakan beberapa

arahan query.

Read Text Data – digunakan untuk membaca data di dalam format

asc atau text.

Exit – Untuk keluar daripada aplikasi SPSS



Menu Edit

9. Seterusnya klik pada menu edit.

Menu ini digunakan untuk melakukan operasi penyuntingan, seperti Copy,

Paste, Undo serta Redo dan lain-lainya seperti melakukan kerja-kerja

mencari data seperti Find dan menukar setting options.

10. Menu View

Klik pada menu View.

Kemudahan ini digunakan untuk memaparkan atau menyembunyikan status

bar, toolbar yang tertentu, garisan grid dan sebagainya.



11. Menu Data

Klik pada menu Data

Menu ini digunakan untuk melakukan pertukaran global keatas fail data

seperti mendefinasikan sesuatu pembolehubah, menyusun kes, memilih

bahagian daripada keseluruhan kes, mengabungkan data dan sebagainya.

12. Menu Transform

Seterusnya klik pada menu Transform.

Digunakan untuk melakukan pertukaran non-global keatas sesuatu

pembolehubah atau set pembolehubah yang dipilih. Dan menghasilkan satu

pembolehubah yang baru berdasarkan kepada pembolehubah yang sedia

ada didalam data editor. Misalnya seperti umur responden boleh di

kumpulkan kepada satu julat tertentu.



13. Menu Analyze

Seterusnya klik pada menu Analyze

Kemudahan menu ini adalah untuk memilih dan melaksanakan pelbagai

prosedur statistik yang di perlukan, seperti membuat frequencies, crosstab,

Correlate, Regression dan lain-lain.

14. Menu Graph

Seterusnya klik pada menu Graphs

Menu ini digunakan untuk menghasilkan pelbagai carta statistik atau graph

yang beresolusi tinggi seperti carta bar, carta pai, scatterplot dan sebagainya.



15. Menu Utilities

Seterusnya klik pada menu Utilities

Menu ini digunakan untuk mengimbas maklumat mengenai pembolehubah

dalam fail data yang sedang aktif

16. Menu Windows

Seterusnya klik pada menu window

Menu ini digunakan untuk menukar (switching) antara tetingkap SPSS yang

sedang di buka.

17. Menu Help

Seterusnya klik pada menu Help

Menu help di gunakan untuk mencapai tutorial dan juga bantuan atau

maklumat lain yang berkaitan dengan pengguna SPSS for windows.



BAB 2 : PENGURUSAN DATA

Pengurusan Data

1.0 SPSS for Windows beroperasi berasaskan kepada pembolehubah (variables)

dan kes (Cases). PembolehUbah di letakan di sebagai lajur(column) manakala

kes diletakan sebagai baris (row). Setiap satu lajur di dalam SPSS mewakili satu

set pembolehubah. Manakala setiap satu baris pula mewakili satu kes atau

seorang responden yang terlibat.

2.0 Proses menentukan jenis data pada setiap pemboleh ubah. Pada asalnya adalah

jenis angka , semua pemboleh yang baru adalah jenis angka. Anda boleh

mengubahkannya kepada jenis data yang anda mahu dengan menggunakan

kemudahan define variable. Jenis data adalah :-

2.1 Numeric. Pengkelasan ini digunakan untuk pembolehubah yang

mengambil nilai angka bulat dan perpuluhan, lebar maksimum ialah 40

aksara dengan kedudukan titik perpuluhan maksimum pada 16.

2.2 String. Pengkelasan ini digunakan untuk pembolehubah yang mengambil

data yang berbentuk samada huruf, angka dan sebagainya, lebar

maksimum data yang boleh ditaip adalah 255 aksara.

2.3 Date. Ia menyimpan data dalam bentuk tarikh.

2.4 Currency. Ia menyimpan data dalam bentuk Currency iaitu dolar

amerika.

2.1 Nama Pemboleh Ubah (Variables Names)

Penamaan pembolehubah mempunyai beberapa syarat tertentu seperti berikut :-

Panjang maksimum bagi suatu nama pembolehubah ialah 8 aksara

(characters)

Nama pemboleh ubah mestilah bermula dengan abjad dan yang

selebihnya boleh jadi abjad, apa-apa nombor atau simbol @,#,_, atau $.

Blank atau ‘special character’ tidak boleh digunakan.

Setiap variable mestilah unik dan tidak bertindih, duplikasi variable adalah

tidak di benarkan.

Nama pembolehubah tidak dipengaruhi oleh penggunaan huruf besar

atau kecil (tidak case sensitive).



Nama-nama seperti berikut tidak boleh digunakan kerana ianya

merupakan akronim bagi arahan-arahan yang terdapat di dalam SPSS eg

ALL NE EQ TO LE LT BY OR GT NOT GE WIDTH

Nama pemboleh ubah tidak boleh di akhiri dengan dot

2.2 Column width

Ia adalah jumlah angka atau aksara yang boleh di isi bagi setiap variable.

Panjang sesuatu pemboleh ubah itu boleh di pinda. Dengan menggunakan

kemudahan width pada skrin variable view.

2.3 Variable Label

Proses melabel sesuatu pembolehubah bukan satu proses yang mesti di

laksanakan. Ianya boleh diabaikan kerana ia tidak memberi ralat kepada hasil

sesuatu analisis. Pembolehubah dilabelkan untuk menerangkan atau

menghuraikan takrifan pembolehubah tadi misalnya variable label bagai

pendapatan bulanan ialah S01 dan keterangan mengenai S01 ialah pendapatan

bulanan responden.

2.4 Value Label

Tetingkap Value Labels membolehkan sesuatu nilai pembolehubah yang dikenali

sebagai data boleh diberi label yang tertentu mengikut perwakilannya. Ianya

lebih mirip kepada proses pengkodan data mengikut label yang di tetapkan.

Untuk memudahkan SPSS membaca data anda anda perlulah membuat koding,

misalnya value bagi Lelaki adalah L manakala value bagi Wanita adalah W. Jadi

lebih mudah anda memasukkan data dengan hanya menaip perkataan L atau W

daripada menaip keseluruhan perkataan tersebut. Berikut adalah beberapa

maklumat berkaitan dengan value labels

Seperti proses melabelkan pembolehubah, proses melabel nilai

pembolehubah juga merupakan suatu proses yang bukan mesti

dilaksanakan, ianya boleh diabaikan. Walaubagaimana pun ianya agak

penting dalam membantu pengguna untuk metafsir sesuatu keputusan



kajian yang akan diperolehi khususnya dalam menerangkan sistem

pengkodan data yang digunakan oleh pengguna.

Panjang maksima sesuatu label ialah 60 aksara. Bagaimanapun bilangan

aksara yang dipamerkan dalam output bergantung kepada jenis statistik

yang dipilih.

Bersifat Case Sensitive dimana penggunaan huruf besar dan huruf kecil

akan memberi maksud yang berbeza.



Latihan Bersama 2.1

Didalam tutorial ini pengguna akan ditunjukan cara-cara menamakan pembolehubah di

dalam SPSS for windows. ( memulakan kerja-kerja diperingkat 1 )

Langkah-langkah :

1. Pastikan perisian SPSS sudah dibuka.

2. Klik pada menu New.

3. Pastikan anda berada di dalam mod Data Editor.

4. Untuk menamakan pembolehubah baru, klik pada butang variable view

5. Point-and-click pada sel pertama dibawah lajur Name

6. Namakan pembolehubah yang sesuai dengan mematuhi peraturan yang

telah diterangkan pada chapter sebelum.

Contoh soalan di dalam satu soal selidik adalah seperti berikut :-

Soalan 1.

1. Kawasan

1. Kuala Lumpur

2. Shah Alam

3. Klang

4. Banting

5. Kuala Selangor

7. Di bawah lajur nama taipkan perkataan A1



8. Point-and-click pada sel pertama dibawah lajur Type

Tetingkap Variable Type akan muncul di skrin komputer.

9. Secara defaut sistem akan tik pada option Numeric pada tetingkap Variable

Type. Klik pada option String dan secara default panjang aksara adalah 8.

tukar nilai tersebut kepada 4 pada ruangan tersebut.

10. Seterusnya point-and-click pada sel pertama dibawah lajur Label dan taipkan

perkataan Kawasan.

11. Seterusnya point-and-click pada sel pertama dibawah lajur Value dan popup

windows seperti berikut akan di paparkan.

Skrin ini digunakan untuk membolehkan sesuatu nilai pembolehubah yang di

kenali sebagai data boleh diberi label yang tertentu mengikut perwakilan.

Ianya lebih mirip kepada proses pengkodan data mengikut label yang telah di

tetapkan. Merujuk kepada contoh yang diberikan tadi.

Value 1 mewakili Kawasan Kuala Lumpur, 2 mewakili Shah Alam dan

seterusnya.

a. Taipkan nilai 1 pada medan Value, pada medan Value Label

taipkan perkataan Kuala Lumpur, dan tekan butang Add.



b. Seterusnya Taipkan nilai 2 pada medan Value, pada medan

Value Label taipkan perkataan Shah Alam, dan tekan butang

Add.

c. Ulangi langkah a dan b sehingga selesai kesemua maklumat

di masukan.

12. Jika pengguna mahu membuat pembetulan pada value atau value label yang

telah di masukan, point-and-klik pada label yang dikehendaki untuk

mengaktifkannya dan buat pindaan pada ruangan disediakan. Dan klik bila

sudah selesai klik pada butang change

13. Jika pengguna mahu membatalkan atau menghapuskan value labels point-

and-klik pada value label berkenaan dan seterusnya klik butang Remove

untuk menghapuskannya.

14. Apabila sudah selesai memasukan kesemua value dan label, klik butang Ok

sebagai tanda setuju.

15. Seterusnya point-and-click pada sel pertama dibawah lajur Missing untuk

menentukan missing values bagi pembolehubah A1 (kawasan). Untuk tutorial

ini klik pada No missing values.



16. Lajur mising ini merupakan singkatan daripada perkataan missing values

(Data yang hilang atau tidak lengkap). Prosedur ini membolehkan anda

menguruskan data yang tidak lengkap mengikut penetapan nilai masing-

masing.

17. Seterusnya klik pada lajur Column. Dibawah lajur ini anda boleh

mengubahsuai saiz kelebaran bagi sesuatu lajur pembolehubah. Untuk

paparan sahaja.

18. Untuk mengubahsuai penjajaran atau alignment data yang telah di taip, klik

pada sel 1 di bawah lajur Align.

19. Setiap pembolehubah yang di bina boleh ditetapkan skalanya menerusi

kemudahan Measures, singkatan Measurement Scale. Di antara skala yang

di sediakan ialah scale, Ordinal dan Nominal. Scale mewakili data benar

(seperti umur, pendapatan), scale mewakili data yang dikumpulkan mengikut

julat tertentu jenis angka, manakala nominal mewakili data di dalam bentuk

aksara (alphabetic) jenis string.

20. Ini bermakna pengguna sudah selesai menghasilkan satu pembolehubah.

21. Untuk melihat kehadiran pembolehubah tersebut pada data view, klik pada

butang Data View, dan maklumat tersebut akan dipaparkan seperti gambaran

di bawah :



Latihan 2.2

Sebagai contoh katakan di dalam satu soalselidik terdapat beberapa soalan mengenai

latar belakang responden seperti, Umur, Jantina, Pekerjaan, dan pendapatan,

sebahagiannya di gambarkan seperti berikut : Anda di kehendaki menghasilkan

kesemua pembolehubah bagi kesemua soalan-soalan yang terdapat di dalam

soalselidik ini.

Bahagian A

Latar belakang responden

No Siri : 1 2 3 4

Untuk kegunaan Pejabat

Bahagian A : Data sosio demograpfi respondenSila bulatkan jawapan yang sesuai bagi soalan bernombor

1. Kawasan1. Metropolitan – KL2. Bandar – Petaling Jaya, Shah Alam3. Separa Bandar – Kuala Lumpur, Meru, Kapar4. Luar Bandar – Sabak Bernam, Sungai Besar,

Kuala Kubu

5

2. Jantina1. Lelaki2. Perempuan

6

3. Bangsa1. Melayu2. Cina3. India4. Lain: nyatakan ,

…………………………………………..

7

4. Umur :……………………. 8

5. Bilangan adik-beradik :………………………… orang 9

6. Agama1. Islam2. Kristian3. Hindu4. Buddha5. Lain: nyatakan…………………………..6. Tiada

10

7. Pendapatan bulanan keluarga RM………………………….. 11 12 13 14



Kemudahan copy and paste

Sekiranya, pembolehubah yang lain akan mempunyai spesifikasi nilai dan value label

yang sama, atau missing value yang sama, pengguna boleh menggunakan arahan copy

and paste untuk menyalin spesifikasi tersebut.

Sebagai contoh, sebahagian daripada soalan yang di tanya mengenai hari merdeka.

1. Bagaimanana anda mendapat maklumat mengenai hari merdeka (bulatkan

jawapan anda).

B1A. Melalui Internet Ya Tidak

B1B. Melalui Media TV Ya Tidak

B1C. Melalui Media Radio Ya Tidak

B1D. Melalui Surat Khabar Ya Tidak

Jawapan bagi kesemua subsoalan adalah sama iaitu Ya dan Tidak.

1. Klik pada sel berikutnya dan masukan maklumat seperti berikut:

a. Name = B1A

b. Type = Numeric

c. Width = 2

d. Decimal = 0

e. Label = Maklumat hari merdeka melalui Internet

f. Value =1, value label = Ya

g. Value=2, value label = Tidak

h. Missing valye = none

i. Dan biarkan default yang selebihnya.

2. Seterusnya masukan soalan berikutnya dari B1B hingga kepada B1D

3. Kalau diperhatikan kesemua jawapan bagi soalan B1A hingga kepada B1D

adalah sama.

4. Untuk membuat arahan copy dan paste, point-and-right-click pada sel yang

hendak di copy, dalam kes ini klik pada sel bagi pada soalan B1A

5. Klik pada sel seterusnya dan right-click butang tetikus dan pilih paste. Secara

default sistem akan menyalin segala maklumat yang terdapat pada soalan B1A,



Cuma yang membezakannya sistem akan menamakan pembolehubah dengan

nama VAR0001 dan nama pembolehubah ini akan bertambah 1 (VAR0002)

mengikut jumlah sel yang anda paste.

6. Untuk mengubah nama pembolehubah ini, klik pada sel variable tersebut dan

namakan sebagai B1B, kemudian klik pada label untuk meminda label variables

mengikut kesesuaian.

7. Gunakan kaedah yang sama untuk soalan B1C sehingga B1D.

8. Seterusnya simpan fail ini, untuk menyimpan fail klik pada menu file dan save

9. Dengan ini maka anda sudah menyiapkan satu fail spss yang mana data-data

sudah boleh di masukan.

Tip :-

“Saiz bagi setiap lajur boleh di laraskan dengan cara mengklik tanpa lepas di

atas garisan pemisah antara lajur dan heret tetikus ke kanan untuk

membesarkan lajur dan sebaliknya”



Soalan :

1. Jika anda merekabentuk satu soalselidik yang memerlukan pengukuran umur

responden, format yang manakah (a) atau (b) yang lebih baik. Nyatakan pilihan

anda.

a. Sila tik satu bagi kategori berikut yang mewakili umur anda.

i. 18 – 30

ii. 31 – 45

iii. 46 – 60

iv. 61 – 80

v. 81+

b. Berapakah umur anda :_________

2. Ada beberapa peraturan yang perlu di ikuti di dalam menamakan pembolehubah.

Berikut adalah beberapa soalan mengenainya.

a. Bolehkah nama pembolehubah bermula dengan nombor?

b. Berapakah nilai maksimum aksara yang bagi suatu nama

pembolehubah?

c. Bolehkah nama pembolehubah mengandungi space?

3. Setiap yang berikutnya,yang manakah bersesuai dengan nama pembolehubah,

jika tidak sesuai nyatakan mengapa?

a. *ql

b. And

c. Religion

d. Marital status

e. Q110A

f. Income.hous

g. 5optim

h. Optim5



BAB 3 : MENGIMPORT DATA-DATA DARI SUMBER LAIN

Selain daripada memasukkan data secara terus menerusi data editor, SPSS juga

membenarkan anda mengimport data-data daripada sumber lain seperti dari fail excel,

Dbase, Text Fail, Informix, Paradox files, Visual Foxpro, Foxpro Files dan sebagainya.

Kemudahan mengimport data dibuat melalui kemudahan ODBC Data Source

Administrator. Selalunya kaedah ini hanya boleh di gunakan pada data-data yang di

simpan di dalam database. Kaedah query di gunakan untuk mengimport data-data,

samada anda mahu mengambil keseluruhan data ataupun sebahagian, malah anda juga

boleh memilih mana-mana medan yang di kehendaki.

Untuk mengimport data.

1) Point-and-klik pada Menu File, di bawah submenu pilih

Open Database->New Query

2) Tetingkap Database Wizard akan di buka. Sistem akan meminta anda

memilih jenis data source yang boleh dipilih daripada kotak senarai.

3) Tetingkap Database Wizard Langkah kedua akan di buka mengikut

kesesuaian jenis fail yang di pilih, misalnya jika anda memilih fail daripada

Database Visual Fopro, Didalam kotak senarai SPSS akan memaparkan

kesemua table daripada database Visual Foxpro. Anda hanya boleh memilih

satu table sahaja. Jika anda klik dua kali pada table yang di pilih, senarai

medan-medan akan di pamirkan. Anda boleh memilih mana-mana medan

yang di kehendaki dengan cara tujukan cursor pada medan yang di

kehendaki dan tekan butang tetikus sebelah kiri dan tanpa lepas, kemudian

seretkan medan tersebut kedalam kotak senarai Retrieve Fields In This

Order. Sekiranya anda mahu mengimport keseluruhan medan Tujukan



cursor pada fail yang di kehendaki dan tekan butang tetikus sebelah kiri

jangan lepaskan, kemudian seretkan fail tersebut kedalam kotak senarai

Retrieve Fields In This Order, dan lepaskan butang mouse tadi. Tekan

butang Next apabila anda sudah selesai.

4) Tetingkap Database Wizard Limit Retrieve Cases akan di buka. Anda boleh

memilih mana-mana medan yang dikehendaki dan seretkan serta letakkan

kedalam sel expression. Klik pada sel relation untuk memilih condition,

seterusnya klik pada sel Expression 2 untuk memasukkan kriteria misalnya

seperti : fcity = Hometown. Anda juga boleh mengunakan butang prompt

value (terbuka). Yang mana anda boleh memasukkan apa-apa pemilihan

secara input, tanpa perlu mengulangi proses yang sama. Klik butang Next

apabila sudah selesai.

5) Senarai pembolehubah akan di pamirkan pada tetingkap Define Variables,

anda boleh mengubah nama pembolehubah jika anda mahu berbuat

demikian, dengan cara tujukan cursor pada sel Result Variable Name dan

klik variable yang hendak di tukarkan. Apabila sudah selesai tekan butang

Next.

6) Tetingkap Results akan di buka dan akan tertera arahan sql pada kotak

dailog. Anda boleh menyimpan sql statement ini dengan cara memberi nama

pada sel save query to file. Pernyataan ini boleh di gunakan atau di pinda

semula, tanpa perlu melalui proses di atas. Apabila sudah selesai Klik Butang

Finish.

Sebaik sahaja anda menekan butang Finish, sistem akan menjana data-data yang anda

import tadi dan akan di pamirkan pada SPSS Data Editor.



Latihan 3.0

Mengimport data dari fail access.

Satu fail employee di dalam database access menyimpan maklumat berkaitan dengan

kakitangannya. Seperti umur, status perkahwinan, jantina, nama dan sebagainya.

Sebahagianya di nyatakan dalam medan seperti berikut:-

1. age

2. marital

3. gender

4. dan lain-lainnya

Anda di arahkan untuk membuat satu analisa data daripada fail employee berdasarkan

kepada maklumat pekerja yang sudah berkahwin sahaja. Dimana anda diberitahu

bahawa kod di dalam medan marital adalah seperti berikut:-

0. Tidak berkahwin

1. Berkahwin

Anda di kehendaki mengimport data berdasarkan kepada arahan di atas:-

Langkah untuk mengimport data:-

1. Dari menu bar pilih File.

2. Seterusnya pilih Open Database > New query.

3. Skrin Database wizard akan di pamirkan pada skrin komputer anda.

4. Daripada kekotak datasourse pilih MS Access Database dengan cara tujuk dan

klik butang tetikus.

5. Seterusnya klik pada butang next

6. Tetingkap ODBC Driver login akan di paparkan pada skrin komputer anda.

7. Seterusnya tekan butang browse

8. Dan pilih fail employee.mdb daripada direktori tutorial_spss dan klik butang open

9. Apabila anda sudah bersetuju klik butang Ok.



10. Seterusnya tetingkap select data akan di paparkan, dan pada kekotak available

table akan di senaraikan nama table yang telah anda pilih tadi.

11. Klik pada tanda + pada table employee untuk melihat keseluruhan medan yang

terdapat di dalam fail employee. Anda boleh memilih medan-medan yang di

perlukan dengan cara klik dua kali pada medan tersebut.

12. Jika anda mahu memilih keseluruhannya medan fail employee, klik tanpa lepas

dan seretkan table employee ke kekotak Retrieve Fields In This Order.

13. Sehingga langkah ini anda boleh menamatkan operasi dengan menekan butang

finish.



14. Sekiranya anda memerlukan beberapa option, seperti pilihan data hanyalah

daripada kalangan kakitangan yang sudah berkahwin atau option lain, klik

butang next untuk mendapatkan skrin option, iaitu Limit Retrieved Cases.

15. Seterusnya pada medan berikut :-

a. Expression 1: pilih employee.marital

b. Relation : =

c. Expression 2 : 1

16. Seterusnya tekan butang next dan paparan Define Variables akan muncul di

skrin anda. Anda boleh meminda nama pembolehubah jika mahu, atau

membiarkan secara default.

17. Langkah seterusnya tekan butang next, dan satu pernyataan SQL query akan di

paparkan dan anda boleh memilih untuk menyimpan query ini atau sebaliknya.

18. dan apabila anda sudah bersetuju klik butang finish. Dan semua maklumat tadi

akan di paparkan di dalam skrin variable view.

19. Simpan fail ini jika perlu.



Membaca fail data berformat Excel

SPSS boleh membuka fail data yang dibina dengan menggunakan perisian Microsoft

Excel menerusi arahan File>Open>Data

Setelah fail data berformat Excel tersebut dibuka, ianya boleh disimpan sebagai fail data

SPSS yang baru menerusi arahan File>Save

Untuk membuka fail data berformat Excel menerusi SPSS, pastikan fail tersebut telah di

tutup terlebih dahulu. Sekiranya fail data tersebut masih terbuka di dalam perisian ms

Excel, SPSS tidak akan dapat membaca fail tersebut.

Latihan bersama 3.1.

Didalam tutorial ini kita akan membuat latihan membuka fail data berformat Excel.

Sebagai contoh di dalam tutorial ini kita akan menggunakan fail Excel seperti berikut

dimana data-data penyelidikan telah dimasukan menerusi fail Excel.

Langkah-langkah

1. Kenalpasti terlebih dahulu fail data yang hendak di buka

2. Klik pada arahan file-> Open> Data di bar menu



3. Tetingkap Open File akan di paparkan , tukar pilihan arahan di ruangan Files of

type kepada Excel(*.xls)

4. Klik pada fail tutorial1, dan klik butang Open.

5. Seterusnya tetingkap Opening Excel Data Souce akan di buka

6. Jika fail data yang dibaca mengandungi senarai nama pembolehubah yang

berkaitan pada baris pertama, maka arahan Read variable names from the first

row of data perlu di akftifkan. Sebaliknya jika tidak mempunyai nama

pembolehubah pada baris pertama, maka arahan ini tidak perlu di aktifkan.

7. Pada ruang Worksheet pula menunjukan range data yang terdapat di dalam fail

Excel.

8. Bila sudah selesai klik butang OK

9. Jika fail Excel ini mengandungi header, pembolehubah data yang terbina tadi

secara automatik mengikut nama header pada fail excel

10. Klik pada butang variable view. Kelihatan skrinnya mengandungi senarai

pemboleh ubah yang berkaitan. Setiap pembolehubah tersebut tidak



mengandungi label, Value Label dan Missing values yang bersesuaian. Anda

bolehlah memasukkan nilai-nilai tersebut menerusi skrin Variable View ini.

11. Simpan (save) fail data spss dengan menggunakan nama yang sesuai,

Latihan 3.2

Berikut adalah pembolehubah dan keterangan mengenai pembolehubah di dalam fail

excel di atas. Untuk latihan ini anda di kehendaki memasukan kesemua pembolehubah

berserta dengan label, value label yang di senaraikan di bawah kedalam fail spss ini.

Apabila sudah selesai simpan (save) fail spss ini.

Langkah:-

1. Buka fail SPSS, iaitu tutorial2.sps

2. Nama pembolehubah yang sengaja ditinggalkan untuk anda mengisinya seperti

yang dinyatakan di bawah, simpan fail anda apabila kesemua pembolehubah yang

dimasukkan tadi sudah selesai.



List of variables on the working file

A2 (6) Jantina Measurement Level: Scale Column Width: 8 Alignment: Right Print Format: F2 Write Format: F2

Value Label

1 Lelaki 2 Perempuan

A3 (7) Bangsa Measurement Level: Scale Column Width: 8 Alignment: Right Print Format: F2 Write Format: F2

Value Label

1 Melayu 2 Cina 3 India 4 Lain-lain

A4 (8) Tingkatan Measurement Level: Scale Column Width: 8 Alignment: Right Print Format: F2 Write Format: F2

Value Label

1 Tingkatan 2 2 Tingkatan 3

A6 (10) Bil. adik beradik dalam keluarga Measurement Level: Scale Column Width: 8 Alignment: Right Print Format: F2 Write Format: F2

Value Label

1 0 2 1 3 2 4 3 5 4 6 5 dan ke atas



A7 (11) Agama Measurement Level: Scale Column Width: 8 Alignment: Right Print Format: F2 Write Format: F2

Value Label

1 Islam 2 Kristian 3 Hindu 4 Buddha 5 Lain-Lain 6 Tiada

A8 (12) Kedudukan di kalangan adik beradik Measurement Level: Scale Column Width: 8 Alignment: Right Print Format: F2 Write Format: F2

A9 (13) Pendapatan Sebulan Keluarga Measurement Level: Scale Column Width: 8 Alignment: Right Print Format: F2 Write Format: F2

A11 (15) Kelulusan Penjaga Measurement Level: Scale Column Width: 8 Alignment: Right Print Format: F2 Write Format: F2

Value Label

1 Tiada 2 Rendah 3 Menengah 4 Kolej 5 Universiti/IPTA



Untuk soalan berikutnya, gunakan arahan copy and paste bagi kesemua value label yang mempunyai nilai dan maksud yang sama.

C1 (44) Hubungan dengan penjaga? Measurement Level: Scale Column Width: 8 Alignment: Right Print Format: F2 Write Format: F2

Value Label

1 Baik 2 Tidak baik

C2 (45) Hubungan dengan adik beradik? Measurement Level: Scale Column Width: 8 Alignment: Right Print Format: F2 Write Format: F2

Value Label

1 Baik 2 Tidak baik

C3 (46) Hubungan dengan rakan sekolah? Measurement Level: Scale Column Width: 8 Alignment: Right Print Format: F2 Write Format: F2

Value Label

1 Baik 2 Tidak baik

C4 (47) Hubungan dengan guru? Measurement Level: Scale Column Width: 8 Alignment: Right Print Format: F2 Write Format: F2

Value Label

1 Baik 2 Tidak baik



C5A (48) Amalan Merokok? Measurement Level: Scale Column Width: 8 Alignment: Right Print Format: F2 Write Format: F2

Value Label

1 Ya 2 Tidak

C5B (49) Menghidu gam? Measurement Level: Scale Column Width: 8 Alignment: Right Print Format: F2 Write Format: F2

Value Label

1 Ya 2 TidakC5C (50) Mengambil dadah? Measurement Level: Scale Column Width: 8 Alignment: Right Print Format: F2 Write Format: F2

Value Label

1 Ya 2 Tidak

C5D (51) Minum arak? Measurement Level: Scale Column Width: 8 Alignment: Right Print Format: F2 Write Format: F2

Value Label

1 Ya 2 Tidak

C5E (52) Mengambil barang orang lain? Measurement Level: Scale Column Width: 8 Alignment: Right Print Format: F2 Write Format: F2

Value Label

1 Ya 2 Tidak



BAB 4 : TRANSFORMASI DATA

Sesuatu fail data didalam SPSS, boleh ditransformasi atau diubahsuai mengikut

keperluan masing-masing. Selalunya proses tranformasi data dilaksanakan untuk

membolehkan operasi analisis data yang lebih kompleks dapat di lakukan.

Anda akan didedahkan dengan beberapa kemudahan tranformasi yang terdapat melalui

menu Transform di bar menu yang di sediakan. Antara contoh kemudahan tranformasi

yang ada ialah Compute, Count, Recode dan sebagainya.

Latihan bersama 4.1

Bekerja dengan Arahan Compute.

Arahan compute membenarkan pengguna untuk menghasilkan satu pembolehubah baru

yang mengandungi data hasil dari operasi manupulasi satu set data yang terdapat pada

beberapa pembolehubah yang telah sedia ada di dalam fail data SPSS. Sebagai contoh

dengan menggunakan arahan ini anda boleh menghasilkan pembolehubah min bagi

satu set data.

Langkah-langkah :-

1. Buka fail SPSS tutorial2.sav

2. Seterusnya pilih arahan Transform>Computer di bar menu, dan seterusnya

tetingkap Compute Variable akan di paparkan pada skrin komputer anda.

3. Pada medan Target Variable, taipkan nama pembolehubah yang baru, dalam

tutorial ini anda akan mencari nilai min bagi satu set pembolehubah

C1,C2,C3,C4.



4. Namakan pembolehubah yang baru sebagai minC5. seterusnya klik butang

Type and Label untuk menentukan jenis pembolehubah tersebut dan labelnya.

Apabila sudah selesai klik butang continue.

5. Seterusnya gunakan fungsi min yang telah sedia ada di ruang functions untuk

mencari nilai min bagi pembolehubah b16a – b16d

6. Scroll kebawah kekotak Functions untuk mencari fungsi Min, dan klik dua kali

pada Fungsi Min untuk menghantarnya ke kotak Numeric Expression.

7. Seterusnya gerakan cursor ke kotak Numeric Expression dan klik pada tanda(?)

di sebelah perkataan MIN(?,?)

8. Seterusnya klik pada nama pembolehubah yang di kehendaki iaitu C5A dan klik

anak panah kekanan untuk memasukkannya kedalam kotak Numeric

Expression.

9. Masukkan kesemua pembolehubah C5B, C5C dan C5D sehingga anda

mendapati Numeric Expression adalah seperti berikut :-

MiN(C5A,C5B,C5C,C5D)

10. Apabila sudah selesai klik butang OK

11. Ini akan menghasilkan satu pembolehubah baru yang di namakan minC5



Bekerja dengan Arahan Sum

Arahan sum membolehkan pengguna menjumlahkan sesuatu set pembolehubah bagi

sesuatu tujuan pengiraan. Misalnya seperti mencari jumlah markah keseluruhan

peperiksaan bagi setiap kes, atau suatu jumlah nilai tertentu berdasarkan satu kajian

tabiat.

Sebagai contoh latihan berikutnya kita mahu mengira berapakah jumlah satu set kes

bagi ke semua soalan dalam bahagian B.

Langkah-langkah

1. Buka fail tutorial2.sav.

2. Klik pada arahan Transform>Compute >Sum di bar menu.

3. Taipkan nama Skor pada pada medan Target Variable. Pada Medan Type &

Label taipkan skor bahagian b.

4. Seterusnya, klik pada pembolehubah B1 dan klik pada butang bertanda anak

panah kekanan untuk memasukkan pembolehubah tersebut di ruangan Numeric

Expression.



5. Masukan keseluruhan pembolehubah seperti yang tertera pada langkah 3, iaitu

keseluruhan pembolehubah dari B1,B6,B8,B10,B11 dan B13

6. Seterusnya klik butang OK.

7. Pembolehubah baru skor akan terhasil, dan boleh di lihat di dalam Variable

View.

Latihan 4.2

Gunakan fail tutorialAddCase untuk menghasilkan satu skor baru yang di panggil

Interpersonal problem.

Anda di beritahu bahawa pembolehubah pilihan adalah seperti berikut. Pembolehubah

tersebut adalah B5,B26,B27 dan B12.



Bekerja dengan arahan Recode

Fungsi Recode

Dalam beberapa keadaan, anda mungkin perlu mengkelaskan semula atau mengubah

sistem pengkodan anda supaya ianya bersesuaian dengan tujuan analisis yang ingin di

laksanakan. Atau dengan kata lain mengkelaskan data kepada kumpulan yang lebih

kecil.

Untuk melaksanakan proses ini SPSS menyediakan kemudahan Transform>Recode.

Arahan Recode menawarkan dua pilihan iaitu

1. Recode into Same Variables

Sesuai digunakan jika anda ingin mengubahsuai data bagi satu pembolehubah

yang sedia ada.

2. Recode into Different Variables.

Sesuai digunakan jika anda ingin menghasilkan satu pembolehubah yang baru

yang mempunyai data hasil daripada pengubahsuaian data lain daripada

pembolehubah lain.

Misalnya anda ingin mengkelaskan umur, kepada kumpulan Umur.

Latihan 4.1

Penggunaan Arahan Recode Into Different Variables.

Dalam latihan ini kita akan menggunakan variables umur (A2) sebagai item untuk

menghasilkan satu pembolehubah A2b dan kita labelkan sebagai kategori Umur.

Dimana umur akan di kelaskan kepada 4 bahagian iaitu:-

1. 24 tahun dan kebawah

2. 25 tahun hingga 30 tahun

3. 31 tahun hingga 35 tahun

4. 36 tahun dan ke atas

Langkah-langkah

1. Buka fail tutorail_2.sav

2. Klik pada arahan Transform>Recode>Into Different Variables di bar menu.

3. Tetingkap berikut akan di paparkan.



4. Klik pada pembolehubah umur(a2) dan klik pada anak panah ke kanan.

5. Seterusnya namakan pembolehubah baru dengan nama yang sesuai atau

namakan A2b pada medan Name dan pada medan Label taipkan Kumpulan

Umur.

6. Apabila sudah selesai klik butang Change

7. Langkah seterusnya klik pada butang Old and New Values…dan tetingkap

berikutnya akan di pamirkan pada komputer.

8. Klik pada radio button Range Lower through. Dan masukan value 24 pada

medan Lower through.

9. seterusnya masukan nilai satu (1) pada Value di bawah New Value. Ini

bermaksud kesemua value umur 24 tahun dan kebawah akan di kelaskan di

dalam satu kumpulan 1. dan tekan butang Add.

10. Untuk kumpulan kedua julat data adalah di antara 25 – 30 tahun.



11. Klik pada Range dan masukan nilai 25 through 30

12. Masukan 2 pada ruangan Value di bawah sub kumpulan New Value.

13. seterusnya klik butang Add.

14. Ulangi langkah 9 hingga 12 untuk memasukkan dua lagi julat kumpulan iaitu 3

dan 4.

Tip :

“Untuk memudahkan anda mengenalpasti julat umur responden sebelum anda

mengkelaskan kepada kumpulan tertentu, sila gunakan kemudahan Descriptives

statistik untuk mendapatkan nilai julat, nilai terendah, nilai tertinggi dan juga nilai

penengah.”

Latihan 4.3

Gunakan fail tutorialAddCaseOk.sav. Dalam soalan B10 Penjaga. Maklumat value label

adalah seperti berikut.

1- Ibu/Bapa

2- Ibu Sahaja

3- Bapa Sahaja

4- Datuk/Nenek

5- Lain-lain

Anda dikehendaki mengumpul (recode) bagi value 2 dan 3 menjadi satu kumpulan

sahaja. Dan kita berikan nilai 3 dan di labelkan sebagai ibu/bapa tunggal.



BAB 5 : PENGENDALIAN FAIL DATA

Pada kebiasaan fail data SPSS mengandungi data mentah yang diperolehi dari satu

kajian atau penyelidikan. Sususan data dan kandungan data didalam suatu fail data

mungkin sesuai untuk analisis tertentu tetapi tidak untuk analisis yang lain.

Dalam melakukan analisis, kerap juga anda perlu memilih sebahagian dari kes kajian

sementara dalam keadaan lain pula anda mungkin perlu menggabungkan data dari

beberapa fail data yang berlainan. Atau anda membahagikan kerja kemasukan data

kepada beberapa individu tertentu dan diakhirnya data perlu di gabungkan.

Di dalam modul ini anda akan di dedahkan dengan cara-cara untuk menyusun data

berdasarkan kriteria tertentu, cara untuk memilih kes kajian yang tertentu serta cara

untuk mengabungkan fail data.

Mengabungkan fail data yang mempunyai pembolehubah yang sama.

SPSS membenarkan pengguna menggabungkan beberapa fail data yang berlainan

dalam dua cara iaitu.

Menggabungkan fail data yang mempunyai permbolehubah yang sama dan

mempunyai kes yang berlainan.

Menggabungkan fail data yang mengandungi pembolehubah yang berlainan

dengan kes yang sama.

Untuk menggabungkan beberapa fail data, arahan merge files boleh di gunakan melalui

menu data.

Langkah-langkah :

1. Buka fail tutorial2.sav daripada direktori tutorial_spss

2. Klik pada menu Data>Merge File>Add Cases

3. Tetingkap Add Cases:Read file akan di paparkan pada skrin



4. Pilih fail yang hendak di gabungkan iaitu tutorial3addcase dan klik butang

Open.

5. Seterusnya tetingkap add cases from… akan di paparkan pada skrin komputer,

dan jika tidak ada unpair variables ini bermakna data anda sudah sedia untuk di

tambah kedalam fail asal SPSS.

6. Klik butang Ok sebagai tanda setuju dan Simpan fail dan namakan

tutorialaddcaseOk .



Memilih Kes tertentu dari keseluruhan kes.

Untuk memilih kes tertentu daripada keseluruhan kes yang terdapat di dalam satu fail

data, arahan Select Cases boleh di gunakan. Kriteria yang boleh digunakan sebagai

asas pemilihan kes adalah seperti berikut :-

1. Nilai atau julat pembolehubah

2. Julat tarikh atau waktu

3. Nombor kes

4. Ungkapan Matematik

5. Ungkapan Logik

6. Fungsi

Secara khususnya kriteria bagi pemilihan kes yang di sediakan oleh SPSS for windows

anda seperti berikut:-

1. Random Sample of Cases.

Pemilihan kes dibuat secara rawak berdasarkan peratusan anggaran atau

bilangan secara tepat kes yang dinyatakan.

2. Case range.

Pemilihan kes yang di buat berdasarkan kepada nombor kes dalam julat yang

telah dinyatakan.

3. Using filter variable.

Penggunaan kriteria ini akan menyebabkan kes yang mempunyai data 0 dan

missing values tidak akan di pilih.

4. Logical Expression.

Pemilihan kes dibuat berdasarkan kriteria yang dinyatakan dalam ungkapan

logical yang ditaip dalam tertingkap Select Cases:If.

Kes yang tidak akan terpilih akan ditandakan dengan tanda slash(/). Sekiranya pilihan

arahan filtered di pilih dibawah arahan Unselected Cases Are. Sebaliknya jika pilihan

arahan Deleted dipilih, kes yang tidak akan terpilih akan disingkirkan.



Latihan 5.1

Katakan kita mahu menjalankan satu kajian berdasarkan kepada data yang terdapat di

dalam satu database. Yang mana data tersebut adalah data pelanggan suatu syarikat.

1. Buka fail employee.sav dari direktori tutorial_spss.

2. Seterusnya, gunakan arahan Data>Select Cases pada bar menu dan

tetingkap Select Cases akan di paparkan pada skrin komputer.

Dalam latihan ini, katakan kita hanya perlukan data atau responden yang

telah berkahwin sahaja sebagai data kajian. Di mana value pada

pemboleh ubah marital ialah 0= unmarried, dan 1=married.

3. Seterusnya klik pada radio button If condition is satisfied dan klik butang If.



4. Untuk itu kita perlu memilih pembolehubah Marital bersamaan dengan 1

(Married). Klik pada pembolehubah marital status dan klik anak panah

kekanan untuk memilihnya. Apabila sudah selesai klip butang Continue.

5. Untuk ruangan Unselected Cases Are tik pada pilihan Filtered.

6. Sekiranya anda sudag berpuas hati sila klik butang OK untuk menerima

syarat yang telah anda tetapkan

7. Satu pembolehubah baru iaitu filter_$ akan terhasil di dalam fail data,

untuk memaparkan status bagi setiap kes. Kes yang terpilih akan

mempunyai nilai 1 manakala kes yang tidak terpilih akan mengandungi

nilai sifar .



Latihan Kendiri 5.2

Dengan menggunakan data fail yang tutorialaddcaseOk.sav. Operasi Select Cases di

laksanakan semula dengan menggunakan kritera Random sample of cases

Langkah-langkah :

1. Pastikan fail tutorialaddcaseOk.sav sudah dibuka

2. Klik Data>Select Cases.

3. Point-and-clik pada radio button Random sample of cases dan seterusnya klik

pada butang Sample.

4. Seterusnya taipkan jumlah kes atau peratusan yang ingin di pilih. Klik pada

Approximately dan masukan nilai 40 dalam medan peratusan. Ini bermaksud

40% daripada keseluruhan kes akan di pilih secara random oleh komputer.

5. Apabila sudah selesai simpan (save) fail dengan nama yang lain jika perlu.

Soalan dan review

1. Apakah Nama pembolehubah baru yang anda perolehi sebaik sahaja anda

selesai melakukan operasi di atas?

2. Nyatakan value yang di berikan oleh pembolehubah baru?

3. Nyatakan value yang mewakili pilihan anda ?

4. Apakah yang anda faham tentang Random sample?



BAB 6 : MENGESAN DAN PEMBERSIHAN DATA

Apabila anda sudah selesai memasukan data atau mengimport data daripada mana fail-

fail yang dibenarkan. Langkah seterusnya adalah membuat analisis terhadap data-data,

tetapi sebelum itu adalah penting bagi anda untuk membuat proses mengesan dan

membersihkan data (screening and cleaning the data) daripada sebarang ralat. Adalah

mudah untuk anda membuat kesilapan semasa melakukan proses penginputan data.

Memasukan nilai 35 yang anda maksudkan adalah 3 akan memberi kesan kepada

pengiraan korelasi.

Langkah 1 : Semak ralat, pertamanya anda perlu menyemak setiap value di

dalam setiap pembolehubah, supaya tidak ada data yang terkeluar daripada

julat. ( out of range )

Langkah 2 : Mencari data yang ralat pada fail data., keduanya anda perlu

mencari di mana data yang silap berada. ( di mana kes yang telibat ).

Langkah 3 : Pembetulan pada data yang salah, terakhir sekali anda perlu

membuat pembetulan pada data-data tersebut.



Langkah 1 : Menyemak ralat.

Prosedur untuk menyemak kategori variables.

1. Daripada bar menu klik pada : Analyze, kemudian klik pada Descriptive

Statistics, dan seterusnya Frequencies.

2. Pilih pembolehubah yang dikehendaki ( contoh. Gender, marital, educ )

3. Klik pada butang anak panah untuk memilih pembolehubah dan klik butang

continue dan seterunsya klik butang oK.

Bentuk laporan yang terhasil daripada proses di atas adalah seperti berikut :-

gender Gender

Frequency Percent Valid PercentCumulative

PercentValid Female 3179 49.7 49.7 49.7

Male 3221 50.3 50.3 100.0

Total 6400 100.0 100.0

marital Marital status


PercentValid Unmarried 3223 50.4 50.4 50.4 Married 3174 49.6 49.6 100.0 3 3 .0 .0 100.0 Total 6400 100.0 100.0

Semak nilai minima dan maksima

Semak jumlah kes dan kes yang missing ( missing case )

Jika di perhatikan di dalam jadual marital Status, terdapat satu nilai iaitu 3 yang

terkeluar dari julat yang di tetap iaitu 1 – 2.



Prosedur untuk menyemak continues variables


Statistics, dan seterusnya Descriptives.

2. Pilih pembolehubah yang dikehendaki ( contoh. age )

3. Klik pada butang Options. Anda boleh memilih ‘range of statistik’, seperti mean,

standard deviation, minimum dan maksima.

4. Klik pada butang anak panah untuk memilih pembolehubah dan klik butang

continue dan seterusnya klik butang OK

Bentuk laporan yang terhasil daripada proses di atas adalah seperti berikut :-

Descriptive Statistics

N Range Minimum Maximum Mean Std. Deviationage Age in years 6400 59 18 77 42.06 12.290Valid N (listwise) 6400

Langkah 2 : Mencari data yang ralat pada fail data.

Prosedur untuk mengenalpasti kes data yang ralat (error)

1. Pastikan Tetingkap Data Editor di buka.

2. Klik pada nama pembolehubah yang terdapat maklumat ralat ( contoh, marital

status).

3. Klik sekali untuk highlight pada lajur pilihan.

4. Klik pada Edit daripada bar menu, kemudian klik pada menu Find.

5. Pada kekotak Search for masukan nilai yang anda hendak cari atau yang salah

( Contoh 3 )

6. Klik pada butan Search Forward. SPSS akan mengesan nilai yang anda minta

dan akan berhenti pada nilai pertama yang dijumpai.

7. Langkah seterusnya klik butang Search lagi untuk mengesan data seterusnya

sehingga sistem menghantar isyarat bahawa tiada ada data lagi untuk di kesan.



Soalan dan Latihan

Soalan berikutnya menggunakan fail data survey.sav.

Gunakan fail employee.sav untuk membantu anda didalam menyelesaikan masalah di

bawah :-

a. Nyatakan nilai mean umur responden? Nyatakan julat umur responden (sample)

(minima dan maksima).

b. Nyatakan jumlah peratusan lelaki dan wanita di dalam sample ini. Adakah

sample yang gagal menyatakan maklumat gender?



BAB 7 MENGHASILKAN TABURAN DATA PELBAGAI

Perisian SPSS for windows membenarkan pengguna menghasilkan pelbagai bentuk

taburan data yang dikehendaki menerusi arahan seperti frequencies, Descriptives,

Crosstabs dan sebagainya.

Langkah 7.1 : Arahan Frequencies

Arahan frequencies digunakan untuk mengira jumlah respon atau nilai dalam bentuk

jadual frequencies satu hala. Ianya digunakan untuk menghasilkan statistik descriptive

seperti mean, median, mode dan variance. Denga menggunakan arahan ini juga, kita

dapat menghasilkan graf statistik seperti histogram dan carta bar.

Prosedur melaksanakan prosedur Descriptive Statistics yang mengandungi arahan

frequencies.

1. Daripada menu bar klik pada: Analyze, kemudian klik pada Descriptive

Statistics, kemudian Frequencies.

2. Pilih atau highlight kategori pembolehubah yang anda berminat di dalam kotak

pembolehubah (Variables box).

3. Klik pada butang Statistics, pada seksyen Dispersion tik Minimum, klik pada

Continue kemudian OK.

Laporan daripada prosedur diatas ditunjukan di bawah.

Statistics

Marital status N Valid 6400

Missing 0Minimum 0Maximum 1

Marital status


PercentValid Unmarried 3224 50.4 50.4 50.4 Married 3176 49.6 49.6 100.0 Total 6400 100.0 100.0



Langkah 7.2 :

Menterjemahkan laporan atau jadual daripada frequencies.

Daripada laporan di atas kita tahu seramai 3,224 (50.4%) responden adalah tidak

berkahwin (unmarried) dan 3,176 (49.6) responden adalah berkahwin (married),

memberikan jumlah responden adalah seramai 6,400.

Continues variables

Untuk continues variables (e.g. Age) adalah mudah menggunakan Descriptives,

termasuk prosedur ‘summary’ statistik seperti mean, median, mode dan standard

deviation. ( pembolehubah bersambung)

Langkah 7.3 : Prosedur untuk menyediakan descriptive statistik untuk Continues

variables


Statistics, kemudian Descrptives

2. Klik pada semua continues variables yang anda kehendaki. Klik pada anak

panah untuk membawanya ke kotak pembolehubah (variables box)

3. Klik pada butang Option. Klik pada mean, standard deviation, minimum,

maksimum, skewness, kurtosis.

4. Klik Continues, dan kemudian OK.

5. Perlaksaan prosedur di atas akan menghasilkan laporan seperti di bawah:-


N Range Minimum Maximum Mean Std. Deviationage 439 64 18 82 37.44 13.202total perceived stress

433 34 12 46 26.73 5.848

total mastery 436 20.0 8.0 28.0 21.764 3.9696total PCOISS 430 68 20 88 60.63 11.985Valid N (listwise)

426

Langkah 7.4 :

Menterjemahkan laporan daripada Descriptives.

Laporan di atas memberikan maklumat kepada kita mengenai beberapa pilihan

pembolehubah. Dengan memberikan perhatian kepada pembolehubah age, kita

mendapati maklumat daripada 439 responden, julat umur responden adalah di antara 18

sehingga 82 tahun, dan standard deviation adalah 13.202.



Langkah 7.5 :

Arahan Crosstabs

Arahan crosstabs membolehkan anda menghasilkan suatu pembolehubah antara dua

pembolehubah dalam bentuk jadual frequencies dua hala (two-way) dan pelbagai hala

(multi-way). Jadual yang terhasil dinamakan jadual crosstabs. Dengan menggunakan

prosedur ini statistik korelasi seperti pearson chi-square dan gamma juga boleh di

hasilkan.

Prosedur melaksanakan prosedur Descriptive Statistics yang mengandungi arahan

Crosstabs.


Statistics, kemudian Crosstabs

2. Klik pada pembolehubah yang bersesuaian (contoh sex) adalah sebagai

pembolehubah lajur, klik pada anak panah untuk membawanya ke kotak

bertanda Row(s).

3. Klik pada pembolehubah yang lain sebagai pembolehubah baris (column)

(contoh smoker) dan klik pada anak panah untuk membawanya ke kotak

bertanda Column(s).

4. Klik pada butang Statistics, pilih Chi-square. Dan klik Continue seterusnya klik

OK.

5. Klik pada butang Cells.

6. Pada kotak Count, klik pada kekotak Observed dan Expected.

7. Pada seksyen kekotak Percentage klik Row, Column dan Total.

8. Klik Continue dan kemudian OK.



9. Perlaksanaan prosedur di atas akan menghasilkan laporan seperti di bawah:

sex * smoker Crosstabulation

Chi-Square Tests

Value dfAsymp. Sig.

(2-sided)Exact Sig. (2-sided)

Exact Sig. (1-sided)

Pearson Chi-Square .494(b) 1 .482Continuity Correction(a)

.337 1 .562

Likelihood Ratio .497 1 .481Fisher's Exact Test .541 .282Linear-by-Linear Association .493 1 .483

N of Valid Cases 436

Langkah 7.6 :

Menterjemahkan laporan daripada Crosstabs.

Untuk mendapatkan peratus bagi pembolehubah sex dengan pembolehubah smoke

anda perlu melihat ringkasan maklumat yang di bekalkan di dalam jadual SEX*SMOKE

Crosstabulation. Untuk mendapatkan maklumat berapa peratuskah kaum lelaki yang

menghisap rokok lihat pada lajur pertama merujuk kepada pemboleh ubah males. Lihat

pada value % within sex di bawah lajur yes.

Jadi boleh di baca begini :


smoker Total

YES NO Sex MALES Count 33 151 184 Expected Count 35.9 148.1 184.0 % within sex 17.9% 82.1% 100.0% % within smoker 38.8% 43.0% 42.2% % of Total 7.6% 34.6% 42.2% FEMALES Count 52 200 252 Expected Count 49.1 202.9 252.0 % within sex 20.6% 79.4% 100.0% % within smoker 61.2% 57.0% 57.8% % of Total 11.9% 45.9% 57.8%Total Count 85 351 436 Expected Count 85.0 351.0 436.0 % within sex 19.5% 80.5% 100.0% % within smoker 100.0% 100.0% 100.0% % of Total 19.5% 80.5% 100.0%


‘ Daripada hasil sample yang di perolehi 17.9% daripada responden lelaki adalah

perokok, manakala 82.1% responden lelaki tidak merokok. Manakala kaum wanita pula

adalah sebanyak 20.6% merokok , dan selebihnya sebanyak 79.4% adalah tidak

merokok. Pada keseluruhannya hasil kajian menunjukan sebanyak 19.5% daripada

jumlah sample adalah perokok, dan selebihnya 80.5% adalah terdiri daripada mereka

yang tidak merokok.’

Langkah 7.7 :

Menterjemahkan laporan daripada Chi-Square

Ringkasan untuk Chi-Square.

Contoh soalan penyelidikan.

Berbagai soalan boleh di utarakan, antaranya :

Adakah kaum lelaki lebih suka merokok berbanding kaum wanita? Apakah perhubungan

diantara jantina dengan tabiat merokok? Adakah nisbah merokok lelaki dan wanita

sama?

Apa yang anda perlukan?

Dua kategori pembolehubah atau lebih : contoh

Gender (male/female): and

Smoker (yes/no)

Andaian .

Perkara pertama yang patut anda semak ialah adakah anda mempunyai value atau skor

yang tidak melanggar syarat andaian chi-square yang berkaitan dengan nilai jangkaan

terendah frequency di dalam mana-mana cell mestilah 5 atau lebih, sesetengah author

mencadangkan sekurang-kurangnya 80% per cell. Jika kamu ada 1 dengan 2 atau 2

dengan 2 jadual (yang terlibat dengan pembolehubah yang tidak melebihi daripada 2

kategori), adalah di cadangkan menggunakan expected frequency sekurang-kurangnya

5 atau lebih. Maklumat ini ada tertera pada nota kaki di bawah jadual terakhir (labelled

chi-square tests). Nota kaki ini membekalkan maklumat ‘0 cells(.0%) have expected

count less than 5’ Ini bermakna kita tidak melanggar andaian, semua saiz cell adalah

lebih besar daripada 5 ( di dalam kes ini lebih besar dari 35.87 di bawah lajur yes

expected count nilai minima )



Chi-square tests

Chi-Square Tests

.494b 1 .482

.337 1 .562

.497 1 .481

.541 .282

.493 1 .483

436

Pearson Chi-Square

Continuity Correctiona

Likelihood Ratio

Fisher's Exact Test

Linear-by-LinearAssociation

N of Valid Cases

Value dfAsymp. Sig.

(2-sided)Exact Sig.(2-sided)

Exact Sig.(1-sided)

Computed only for a 2x2 tablea.

0 cells (.0%) have expected count less than 5. The minimum expected count is 35.87.

b.

Di dalam contoh jadual di atas nilai corrected value ialah .337 dengan perkaitan

signifikan(significance) pada aras .562 (ini di persembahkan pada lajur Asymp. Sig (2-

sided). Untuk menjadikannya signifikan (significant) Sig. nilai yang di perlukan

adalah .05 atau lebih kecil. Dalam kes ini nilai adalah .56, adalah lebih besar daripada

nilai alpha .05, daripada sini kita boleh katakan didalam keputusan ujian ini tidak ada

significant. Ini bermakna nisbah lelaki yang merokok tidak sama dengan nisbah wanita

yang merokok.



Latihan kendiri 7.0

Dengan menggunakan data fail tutorialaddCaseOk, dan juga mengambil kira kaedah

yang telah di tunjukan di atas, nyatakan penyelesaian di bawah :-

‘Soalselidik ini adalah berdasarkan satu kajian awal kemurungan di kalangan pelajar

sekolah menengah di selangor dan kuala Lumpur’

1. Adakah terdapat persamaan bagi pelajar lelaki dan pelajar wanita yang

mempunyai hubungan yang baik dengan penjaga, adik beradik, rakan sekolah

dan Guru?

Gunakan pembolehubah A2 (Jantina ) dengan C1,C2,C3,C4.

2. Adakah terdapat persamaan bagi kaum lelaki dan wanita didalam amalan

merokok, menghidu gam, mengambil dadah, arak dan amalan mengambil

barangan orang lain?

Gunakan pembolehubah A2 (Jantina) dengan C5A hingga C5E

3. Hasilkan jadual frequencies bagi pembolehubah berikutnya:

a. Jantina, Bangsa dan agama

4. Hasilkan jadual dua hala (crosstabs) bagi pembolehubah

a. A3 dengan A12

b. C4 dengan C5A, C5B, C5C, C5D, C5E

5. Secara keseluruhan hasil daripada sample kajian, adakah responden terbabit

dengan amalan-amalan yang negatif?.



BAB 8 : MENGHASILKAN CARTA STATISTIK

SPSS for windows mampu menghasilkan carta dan plot yang mempunyai resolusi yang

tinggi dengan menggunakan menu Graphs dan juga menu statistik yang tertentu,

misalnya dari perlaksanaan prosedur Frequencies & Regression. Seperti juga output

teks(statistik) dan jadual, output carta dan plot akan di paparkan di tetingkap Output

Viewer.

Bentuk carta dan plot asas yang biasa di hasilkan oleh SPSS for windows ialah graf,

histogram, carta bar, carta pai, carta garis dan scatterplot. Kemudahan SPSS Chart juga

boleh menghasilkan carta dan plot statistik lanjutan seperti High-Low Chart, Boxplot,

Error Chart, Pareto dan Control Chart.

Carta dan plot yang terhasil boleh disunting menerusi tetingkap Chart Editor.

Langkah 8.1 : Menghasilkan Carta histogram

Prosedur untuk menghasilkan carta histogram

1. Daripada bar menu klik pada : Graph, kemudian klik pada Histogram.

2. Klik pada pembolehubah yang dikehendaki dan masukan kedalam kekotak

Pembolehubah (Variable box).

3. Klip pada Display normal curve.

4. Jika anda mahu memberikan tajuk histogram klik pada butang Titles

5. Klik Continue dan kemudian OK.



Proses di atas akan menghasilkan laporan seperti berikut.

20 30 40

total perceived stress

0

10

20

30

40

50

60

70F

req

uen

cy

Mean = 26.73Std. Dev. = 5.848N = 433

Langkah 8.2 : Menghasilkan graf bar ( Bar graphs )

Prosedur untuk membina graf ( bar graph )

1. Daripada menu bar klik pada : Graphs, kemudian bar.

2. Klik Clustered.

3. Pada pilihan seksyen Data in chart are, klik pada Summaries for groups of

cases, klik pada Define.

4. Pada box Bars represent, klik pada other summaries function.

5. Klik pada continues variables yang anda mahu ( contoh., total perceived stress).

Sepatutnya akan di pamirkan Mean(Total perceived stress).

6. Klik pada kategori pertama pembolehubah (contoh., agegp3). Klik padap butang

anak panah untuk membawanya kepada kekotak Category axis. Pembolehubah

ini akan di pamirkan pada bahagian bawah graf ( X axis ).

7. Klik pula pada kategori pilihan kedua (contoh., sex) dan bawa pembolehubah ini

kepada bahagian Define Cluster by. Pembolehubah ubah ini akan di

persembahkan pada bahagian legend graf.

8. Klik pada butang option, buangkan tanda tik pada Display groups defined by

missing values.

9. Klik butang OK



Laporan carta seperti berikutnya akan terhasil daripada proses perlaksanaan prosedur

di atas.

18-29 30-44 45+

age 3 groups

0

5

10

15

20

25

30

Mea

n t

ota

l per

ceiv

ed

stre

ss

sexMALES

FEMALES



Langkah 8.3 : Menghasilkan scatterplot

Prosedur untuk membina scatterplot

1. Daripada menu bar klik pada : Graphs, kemudian scatter

2. Klik pada simple dan kemudian Define.

3. Klik pada pembolehubah pertama (contoh total perceived stress), yang mana

boleh dipertimbangkan sebagai pembolehubah bersandar,

4. Klik pada anak panah untuk membawanya kekotak berlabel Y axis. Variable ini

akan di pamirkan pada vertical axis.

5. Bawa pembolehubah yang lain (contoh total PCOISS) kepada kekotak berlabel X

axis. Pembolehubah ini akan dipamirkan pada horizontal axis.

6. Bawa pembolehubah (contoh, sex) ke kekotak berlabel Set Markers by box. Ini

akan mempamirkan value label males dan female secara berasingan.

7. Klik butang OK.

Laporan di bawah akan terjadi hasil daripada proses di atas.

20 30 40 50 60 70 80 90

total PCOISS

10

20

30

40

50

tota

l per

ceiv

ed s

tres

s

sexMALES

FEMALES



Latihan Kendiri 8.4

Gunakan fail spss tutorialaddcaseOk.sav untuk latihan berikutnya

Bina carta Histogram, barchart dan pie bagi pembolehubah berikutnya:-

1. A1

2. A3

3. A7

4. A10



BAB 9 ANALISIS PERKAITAN (KORELASI)

Dengan menggunakan prosedur Bivariate Correlations, pekali korelasi yang mengukur

kekuatan perkaitan (association) di antara dua pembolehubah boleh dikira atau

ditentukan. Arahan ini dilengkapi dengan beberapa model perkaitan seperti

Pearson(Untuk perkaitan linear), Spearman’s rho dan Kendal’s tau-b.

Model korelasi Pearson sesuai digunakan apabila kedua-dua pembolehubah yang ingin

dibandingkan menggunakan skala pengukuran sekurang-kurangnya interval atau sela.

Sekiranya salah satu pembolehubah tersebut menggunakan skala pengukuran ordinal,

maka model Pearson tidak sesuai digunakan untuk mendapat pekali korelasi antara

kedua pembolehubah tersebut. Anda perlu menggunakan model Spearman’s rho.

Secara default, prosedur Bivariate Correlations akan menghasilkan matriks pekali

korelasi segiempat sama bersaiz m x m (dimana m adalah bilangan pembolehubah

dalam senarai variable) Pengguna boleh menggunakan sisteks yang sesuai untuk

menghasilkan matriks pekali korelasi dalam bentuk yang lain.

Pearson correlation coefficients ( r ) hanya mengambil value daripada -1 kepada +1.

Nilai 0 menunjukan tiada perhubungan di antara dua pembolehubah. Manakala nilai -1

atau +1 menunjukan ada perhubungan yang rapat di antara dua pembolehubah.

Macamana kita mahu menentukan kekuatan hubungan di antara dua pembolehubah.

Seperti yang di maklumkan nilai julat Pearson Correlation ( r ) adalah diantaran -1.00

kepada +1.00, nilai ini menujukan satu hubungan yang kuat diantara dua

pembolehubah, manakala Correlation r=0 menunjukan tiada hubungan langsung di

antara dua pembolehubah. Bagaimana pula dengan nilai di antara 0 kepada 1?

Menurut Cohen (1988) mencadangkan kita mengikuti garis panduan di bawah ini:-

r=.10 kepada .29 atau r=-.10 kepada -.29 Kecil

r=.30 kepada .49 atau r=-.30 kepada -.49 Sederhana

r=.50 kepada 1.0 atau r=-.50 kepada -1.0 Besar



Menentukan pengiraan korelasi

Bagaimana hubungan varian (variance) dua pembolehubah boleh di kira. Apa yang

anda perlu lakukan hanya perlu Square root nilai r. Misalnya jika korelasi r=.5 ini

bermakna 25%, dimana .5 x .5 = .25% * 100

Spesikasi minima diperlukan untuk melaksanakan prosedur Bivariate Correlations ialah

sekurang-kurangnya sepasang pembolehubah yang ingin diukur kekuatan perkaitan

diantaranya.

Contoh hipotesis yang boleh ditulis mengenai perkaitan antara dua pembolehubah

Adakah faktor hubungan pelajar dengan penjaga berkait rapat dengan faktor

kemurungan?

Hipotesis Null :

Tidak terdapat perkaitan yang signifikan diantara faktor hubungan pelajar dengan

penjaga.

Hipotesis Alternatif :

Terdapat perkaitan yang significant di antara faktor hubungan pelajar dengan penjaga.

Latihan bersama 8.

Langkah-langkah :

1. Untuk melaksanakan arahan ini Klik Analyze>Correlate>Bivariate di bar Menu.

2. Tetingkap berikut akan di paparkan pada skrin komputer anda.



Langkah seterusnya aktifkan kedua-dua pembolehubah yang ingin dilihat

kekuatan perkaitannya . Dengan cara klik pada pembolehubah yang di

kehendaki dan klik pada butang anak panah kekanan.

3. Pilih pembolehubah C1(Hubungan dengan penjaga), dan pembolehubah

FD(Kemurungan (Depressed) - Interpretive Guidelines for T-scores )

4. Seterusnya tentukan pilihan jenis ujian yang diinginkan iaitu satu arah (one-

tailed) atau dua arah (two-tailed).

5. Klik butang OK apabila sudah selesai, laporan seperti yang di gambarkan di

bawah akan terhasil.


Mean Std. Deviation NFD Kemurungan (Depressed) - Interpretive Guidelines for T-scores

4.5542 1.46511 2048

C1 Hubungan dengan penjaga? 1.04 .184 2048

Correlations

1 -.217**

.000

2048 2048

-.217** 1

.000

2048 2048

Pearson Correlation

Sig. (2-tailed)

N

Pearson Correlation

Sig. (2-tailed)

N

FD Kemurungan(Depressed) - InterpretiveGuidelines for T-scores

C1 Hubungan denganpenjaga?

FD Kemurungan(Depressed) -Interpretive

Guidelines forT-scores

C1 Hubungan

denganpenjaga?

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

Dari paparan hasil tersebut kelihatan pekali korelasi bagi pasangan

pembolehubah FD dan C1 adalah kecil ( antara -.10 hingaa -.29 ).

iaitu Pearson Correlation(r)=-.217. ianya juga membuktikan bahawa

pembolehubah FD dan CI mempunyai perhubungan atau perkaitan korelasi



negatif(-.217) yang kecil dan nilai varian (variance) bagi kedua pembolehubah

ialah 46.58% .

“Hasil tersebut juga jelas menunjukan terdapat satu perkaitan yang signifikan

diantara kedua pembolehubah di mana nilai sigfinikannya ialah 0.000 iaitu lebih

kecil dari aras signifikan yang ditetapkan 0.01/2=0.005 pada ujian korelasi dua

arah. Hasil daripada kajian tersebut menunjukan faktor hubungan pelajar dengan

penjaga boleh menjadi penyebab berlakunya kemurungan di kalangan pelajar

adalah sebesar 46.58%.”

Latihan kendiri 9.1

Dalam latihan ini anda di kehendaki menghasilkan satu pekali korelasi m x m bagi

pembolehubah berikut, dan nyatakan jenis hubungan diatara permbolehubah berikut

dan juga peratusan korelasi antara pembolehubah.

Dengan menggunakan fail data tutorialAddcaseOk.sav dan menggunakan method

Pearson, Nyatakan samada terdapat hubungan atau perkaitan diantara pembolehubah

FD - Kemurungan (Depressed) - Interpretive Guidelines for T-scores dengan

pembolehubah C6A - Mengalami keadaan Kematian Ibu atau Bapa? Dan

Pembolehubah A10 Penjaga.

Persembahkan keputusan dalam bentuk laporan lengkap.



BAB 10 ANALISIS KEBOLEHPERCAYAAN INSTRUMEN

Kebolehpercayaan (Realibility) merupakan ukuran keupayaan sesuatu instrumen

penyelidikan dalam mengukur permasalahan (pembolehubah) kajian secara konsisten

setiap kali ia di digunakan pada masa, tempat dan sampel yang berlainan.

Berbagai kaedah pengukuran yang boleh digunakan untuk menentukan koefisien

kebolehpercayaan sesuatu instrumen iaitu:

Kaedah Test Retest

Instrument yang sama dinilai secara berulang kali kepada kumpulan sampel

yang sama pada masa yang berlainan. Dua set data yang diperolehi akan di

analisis menerusi analisis korelasi untuk melihat kekuatan perhubungannya.

Kaedah The Equivalent Form

Kaedah Internal Consistencyo Prosedur Split-Halfo Prosedur Kuder-Richardsono Prosedur Cronbach Alpha

Dengan menggunakan prosedur Reliability Analysis, anda boleh mengira pekali

kebolehpercayaan dan juga ukuran yang biasa dikaitan dengan analisis

kebolehpercayaan suatu ujian (scale). Reliability Analysis juga boleh menghasilkan

ukuran perkaitan (relationship) antara item dalam sesuatu skala.

Reliability Analysis menawarkan 5 model kebolehpercayaan mengikut

kesesuaian data:

o Alpha (Cronbach) yang di asaskan kepada model kekonsitenan (Internal

consistency).

o Split-Half yang diasaskan kepada pemecahan skala kepada dua

bahagian

o Guttmann yang di asaskan kepada nilai-nilai kebolehpercayaan sebenar

Guteman’s lower bounds

o Parallel yang diasaskan kepada anggapan bahawa setiap item dalam

skala mempunyai varians yang sama.

o Strict Parallel yang di asaskan kepada model dua skala selari.



Prosedur melaksanakan Reliability Analysis.

1. Daripada menu bar klik pada : Analyze, kemudian klik pada scale dan

seterusnya Reliability Analysis

2. Klik pada semua individu item untuk membuat skala. ( dalam kes ini soalan B1

hingga B27 )

3. Bawa kesemua pembolehubah ini ke dalam kekotak berlabel Items

4. Pada seksyen Model, pastikan Alpha adalah di pilih.

5. Klik pada butang Statistik, pada seksyen Descriptive for, klik Item, Scale dan

Scale if item deleted.

6. Klik butang Continue dan klik OK.



Hasilan daripada prosedur Realibility Analysis adalah seperti berikut:-

Reliability Statistics

.799 27

Cronbach'sAlpha N of Items

Item Statistics

.20 .446 1900

.81 .545 1900

.34 .511 1900

.63 .534 1900

.23 .492 1900

.69 .603 1900

.21 .498 1900

.43 .630 1900

.35 .573 1900

.24 .534 1900

.50 .715 1900

.24 .477 1900

.69 .606 1900

.41 .585 1900

.73 .804 1900

.50 .724 1900

.45 .646 1900

.47 .703 1900

.66 .739 1900

.48 .628 1900

.43 .576 1900

.36 .518 1900

.86 .857 1900

.99 .626 1900

.52 .599 1900

.51 .606 1900

.21 .464 1900

B1 Perasaan Sedih

B2 Perkara Menjadi

B3 Melakukan Kerja

B4 Merasa Seronok

B5 Merasa Tidak Baik

B6 Kejadian perkara tidak baik

B7 Membenci diri sendiri

B8 Kesalahan Saya

B9 Membunuh diri

B10 Ingin Menangis

B11 Ganguan

B12 Berada bersama orang lain

B13 Membuat keputusan

B14 Kelihatan

B15 Kerja Sekolah

B16 Masalah tidur

B17 Rasa Letih

B18 Selera Makan

B19 Sakit Pening

B20 Rasa sunyi

B21 Keseronokan disekolah

B22 Kawan

B23 Kerja Sekolah

B24 Berbanding Pelajar lain

B25 Orang mengasihi

B26 Melakukan apa yang di suruh

B27 Pergaulan

Mean Std. Deviation N



Item-Total Statistics

12.96 41.245 .380 .792

12.34 41.265 .294 .794

12.81 40.569 .428 .789

12.52 41.129 .322 .793

12.92 41.155 .352 .792

12.46 41.455 .232 .797

12.94 40.581 .440 .789

12.72 41.145 .257 .796

12.81 40.374 .400 .790

12.91 40.746 .380 .791

12.65 39.695 .379 .790

12.91 41.995 .226 .797

12.46 40.680 .333 .793

12.74 40.174 .418 .789

12.42 40.286 .263 .797

12.66 40.085 .328 .793

12.71 40.432 .337 .792

12.69 40.373 .308 .794

12.49 41.571 .158 .802

12.67 39.839 .427 .788

12.73 40.844 .332 .793

12.79 41.548 .270 .795

12.29 38.716 .391 .790

12.16 40.846 .298 .794

12.63 41.041 .289 .795

12.64 41.393 .239 .797

12.95 41.348 .344 .793

B1 Perasaan Sedih

B2 Perkara Menjadi

B3 Melakukan Kerja

B4 Merasa Seronok

B5 Merasa Tidak Baik

B6 Kejadian perkara tidak baik

B7 Membenci diri sendiri

B8 Kesalahan Saya

B9 Membunuh diri

B10 Ingin Menangis

B11 Ganguan

B12 Berada bersama orang lain

B13 Membuat keputusan

B14 Kelihatan

B15 Kerja Sekolah

B16 Masalah tidur

B17 Rasa Letih

B18 Selera Makan

B19 Sakit Pening

B20 Rasa sunyi

B21 Keseronokan disekolah

B22 Kawan

B23 Kerja Sekolah

B24 Berbanding Pelajar lain

B25 Orang mengasihi

B26 Melakukan apa yang di suruh

B27 Pergaulan

Scale Mean ifItem Deleted

ScaleVariance if

Item Deleted

CorrectedItem-TotalCorrelation

Cronbach'sAlpha if Item

Deleted

Scale Statistics

Mean Variance Std. Deviation N of Items

13.15 43.619 6.604 27



Semak semua item, dan pastikan semua item adalah betul, juga semak skor

mean.

Dalam term reliability (kebolehpercayaan) nilai Alpha adalah penting. Ini adalah

Cronbach’s alpha coefficient, di mana dalam kes ini adalah .779. Nilai ini di

atas .7, jadi skala yang digunakan boleh di percayai(reliable) dengan sample

kita. 2

Maklumat lain yang perlu di beri perhatian ialah lajur bertajuk Cronbach's Alpha

if Item Deleted.

Apabila pekali kebolehpercayaan rendah, maka anda perlulah memperbaiki item-

item dalam instrumen untuk meningkatkan nilai pekali tersebut. Untuk

mengetahui item manakah yang apabila disingkirkan menyebabkan nilai pekali

meningkat. Maklumat di lajur Cronbach's Alpha if Item Deleted adalah di rujuk

Jika semua skala (scale) Cronbach’s adalah rendah (contoh, rendah daripada

nilai .7), sila semak nilai terendah pada item-total Correlations. Bandingkan

nilai pada lajur Cronbach's Alpha if Item Deleted dengan nilai Alpha.

Jika mana-mana nilai skala item-total Correlations lebih besar daripada nilai

skala Alpha, anda boleh menimbang untuk menyingkir item ini daripada ujian.

Kes di atas hanya boleh dipertimbangkan jika nilai skala Alpha adalah rendah,

iaitu di bawah 0.7.

Presenting the result from reliability examples:

‘According to Pavot, Diener, Colin, and Sandvik (1991) the Satisfaction with life

scale has good internal consistency, with a Cronbach alpha coefficient reported

of .70. In the current study the Cronbach alpha coefficient was .779.’

2 Oppenheim, A. N. (1992), Questionaire design interviewing and attitude measurement, London:Pinter



BAB 11 : SPSS PIVOT TABLE OBJECT

Jadual dan juga carta di dalam output vewer boleh di pinda atau diubahsuai dan

susunaturnya.

Misalnya jika anda mahu memindahkan pembolehubah yang berada di dalam row

kepada lajur tanpa perlu mengulangi arahan yang dalam SPSS for windows.

Sebagai contoh anda telah menetap permbolehubah pekerjaan berada pada sebelah

lajur dan permbolehubah bangsa berada pada baris. Anda boleh mengubah kedudukan

ini dengan cara menggunakan kemudahan SPSS Pivot table Object.

Daripada ini

Bangsa * Pekerjaan Crosstabulation

Count

26 31 8 4 69

1 9 3 3 16

1 16 3 1 21

0 4 0 0 4

28 60 14 8 110

Melayu

Cina

India

Lain-lain

Bangsa

Total

Kerajaan Swasta Sendiri Lain-lain

Pekerjaan

Total

Kepada


Count

26 1 1 0 28

31 9 16 4 60

8 3 3 0 14

4 3 1 0 8

69 16 21 4 110

Kerajaan

Swasta

Sendiri

Lain-lain

Pekerjaan

Total

Melayu Cina India Lain-lain

Bangsa

Total



Langkah 10.1 : Melaksanakan arahan SPSS Pivot Table Object

Prosedur untuk melaksanakan arahan ini.

1. Pastikan tetingkap SPSS viewer sudah di buka.

2. Klik pada pada jadual yang dikehendaki, untuk mengaktifkannya dan seterusnya

klik kanan butang tetingkus untuk mengaktifkan menu pilihan.

3. Seterusnya klik pada menu SPSS Pivot Table Object, dan seterusnya pilihan

Open. Anda juga boleh klik dua kali pada jadual pilihan untuk membuka terus

tetingkap SPSS Pivot Table.

4. Pastikan tetingkap SPSS Pivot table di buka sebaik sahaja anda melaksanakan

arahan 3.

5. Jika anda mahu memindah kedudukan permbolehubah pada lajur kepada baris

dan sebaliknya, misalnya dari pekerjaan kepada bangsa.



6. Untuk melaksanakan proses ini klik pada menu Pivot. Kemudian pilih Transpose

Rows and Columns


Count

26 31 8 4 69

1 9 3 3 16

1 16 3 1 21

0 4 0 0 4

28 60 14 8 110

Melayu

Cina

India

Lain-lain

Bangsa

Total

Kerajaan Swasta Sendiri Lain-lain

Pekerjaan

Total

7. Anda juga boleh memindah carta bar atau menukar carta bar kepada carta pie

tanpa perlu melalui melaksanakan arahan Graphs…. Anda hanya perlu

menggunakan kemudahan SPSS Chart Editor.

Langkah 10.2 : Meminda graf menggunakan kemudahan Pivot Ttable Object

1. Klik dua kali pada mana-mana carta yang terdapat pada tetingkap output viewer

atau, Klik pada pada carta yang dikehendaki, untuk mengaktifkannya dan

seterusnya klik kanan butang tetingkus untuk mengaktifkan menu pilihan, dan

seterusnya pilih SPSS Pivot Table Object, dan seterusnya pilihan Open.

PMR SPM STPM DIPLOMA IJAZAH LAIN-LAIN

Taraf Pendidikan

0

10

20

30

40

Co

un

t



2. SPSS Chart Editor akan dibuka dan paparannya adalah di tunjukan di bawah.

3. Anda boleh menggunakan kemudahan pada menu yang terdapat pada bar untuk

meminda mana objek yang terdapat pada bar.

4. Untuk memasukan tajuk chart, klik pada Menu Chart, Pilih Add chart element,

kemudian text box.

5. Panduan untuk memberikan label atau nilai pada setiap lagend.

a. Klik sekali pada legend ( pada bar ).

b. Klik pada Chart dan pilih Show data label.

c. Anda boleh menggunakan option pada properties untuk meminda chart.

Seperti fill and border, text , char size dan sebagainya.



6. Panduan menukar carta bar ini kepada carta pie.

a. Klik pada mana-mana carta bar di dalam output viewer.

b. Seterusnya klik pada menu Chart, kemudian Change data element

type, dan seterusnya Pie. Dan paparan berikutnya akan terhasil daripada

proses yang di jalankan.

5.45%

17.27%

13.64%

30.0%

28.18%

5.45%

Taraf PendidikanPMR

SPM

STPM

DIPLOMA

IJAZAH

LAIN-LAIN

Latihan kendiri 11.3

Dalam latihan ini anda di kehendaki menukar pie chart kepada paparan tiga dimensi.

1. Gunakan arahan Chart untuk membina pie chart dengan memilih mana-mana

pembolehubah yang sesuai.

2. Buka SPSS Chart Editor. Klik sekali pada pie chart, dan seterusnya pilih Edit

pada menu bar dan Properties.

3. Seterusnya klik pada klik pada butang (folder) Depth & Angle

4. Dibawah sub tajuk Effect, klik pada radio button 3-D, option yang lain biarkan

secara default. Dan klik butang Apply

5. Seterusnya klik pada butang (folder) Category, tik pada option collapse (sum)

category less than 5%.

6. Dan seterusnya keluarkan kategori Lain-lain, daripada senarai kategori. Klik

pada kategori label Lain-lain dan seterusnya klik butang X.

7. Dan seterusnya klik butang Apply.



8. Memberikan label pada carta pie.

a. Klik sekali pada carta pie, dari menu bar pilih Chart, kemudian show

data labels.

b. Tetingkap properties data labels akan di buka, klik pada folder Data

value Label.

c. Di bawah tajuk label position, klik custom. Dan seterusnya klik butang

pada baris kedua di lajur pertama.

d. Di bawah kekotak contents, klik pembolehubah count, dan klik butang X.

e. Seterusnya klik pada pembolehubah a7 dan percent dan klik butang anak

panah keatas untuk membawanya ke kotak contents.

f. Dan seterusnya klik butang Apply.

9. Mengeluarkan sebahagian slice daripada kumpulan.

a. Klik pada slice yang mewakili kumpulan STMP

b. Klik pada menu chart dan seterusnya explode slice.

Anda sepatutnya mendapat carta pie chart seperti yang ditunjukan di bawah.

5.45%PMR

17.27%SPM

13.64%STPM

30.0%DIPLOMA

28.18%IJAZAH

5.45%LAIN-LAIN

Taraf PendidikanPMR

SPM

STPM

DIPLOMA

IJAZAH

LAIN-LAIN

Rajah 10.3 :Taburan tahap pendidikan responden



Bahan rujukan.

SPSS Survival Manual Author : Julie Pallant Penerbit : Allen & Unwin

Asas Penggunaan SPSS for windowsPenerbit Venton Publishing.Januari 2001

Lain-lain rujukanCohen, J (1988), Statistical power analysis for the behavioral sciences, Hillsdale, NJ: ErlbaumCohen, J., & Cohen, P. (1983). Applied multiple regression/correlation analysis for the behavioral science (2nd edition). New York:Erlbaum.Oppenheim, A. N. (1992), Questionaire design interviewing and attitude measurement, London:Pinter

DanKepada semua yang menyumbang samada secara formal atau tidak formal.

Hak cipta terpelihara :Rahim Bin UtahPusat Sistem Maklumat BersepaduUiTM Shah Alam.

Tel :03-55442210Email : [email protected]


asas penggunaan spss for windows_terakhir

Documents