bengkel spss 9 april

39
BENGKEL PENGENALAN SPSS 9 APRIL 2008 MAKMAL KOMPUTER 3 FAKULTI PENDIDIKAN UNIVERSITI KEBANGSAAN MALAYSIA Nama Peserta: ...................................................................................

Upload: md-anuar-husain

Post on 26-Jun-2015

957 views

Category:

Documents


4 download

TRANSCRIPT

Page 1: Bengkel SPSS 9 April

BENGKEL PENGENALAN SPSS

9 APRIL 2008

MAKMAL KOMPUTER 3

FAKULTI PENDIDIKAN

UNIVERSITI KEBANGSAAN MALAYSIA

Nama Peserta: ...................................................................................

Page 2: Bengkel SPSS 9 April

Jadual Bengkel Pengenalan SPSS

Masa Perkara Catatan

9.30 am – 10.00 am

10.00 am – 12.30 pm

12.30 pm – 2.00 pm

2.00 pm – 4.00 pm

4.00pm – 4.30 pm

- Pendaftaran dan sarapan pagi

Sesi I

- Pengenalan paparan muka Variable View dan Data View

- Key-in data- Menyaring & membersihkan data (clean data)- Melihat kenormalan taburan data (penting untuk

ujian parametrik dalam statistik inferensi)- Manipulasi data: Recode dan Compute - Rehat dan makan tengahari

Sesi II

- Menganalisis data secara diskriptif (min, sisihan piawai, peratus, carta bar, histogram dll)

- Membezakan tiga jenis ujian-t (one sample t-test, independent sample t-test, paired sample t-test)

- Memilih analisis ujian-t yang sesuai - Menginterpretasi output data ujian-t.

- Minum petang

SESI I (10.00 am – 12.30 pm)

2

Page 3: Bengkel SPSS 9 April

Pengenalan

Apakah SPSS?Statistical Package for Social Science.Satu perisian komputer yang digunakan dalam kajian yang menggunakan pendekatan kuantitatif di mana data boleh dianalisis menggunakan analisis diskriptif dan analisis inferensi.

Terdapat beberapa cara memulakan SPSS diantaranya,1. Klik pada program SPSS. Paparan berikut akan tertera di skrin komputer anda.

Anda boleh klik pada Open an existing data source dan More Files.

3

Page 4: Bengkel SPSS 9 April

Ini akan membolehkan anda mencari pelbagai direktori dalam komputer anda untuk diakses. Klik OK.Jika anda menggunakan pen-drive, cari fail yang anda hasratkan dan klik Open.Semua fail data SPSS akan mengandungi extension a .sav. Fail data yang dibuka adalah yang berlabel Data Editor seperti dalam window di bawah (yang akan digunakan sepanjang kursus ini).

2. Buka terus fail yang anda telah save, fail Bengkel SPSS 9 April.sav.SPSS hanya membenarkan satu fail (*.sav) sahaja dibuka pada satu masa.Paparan Variable View akan muncul di skrin komputer anda.

Terdapat dua paparan muka SPSS Data Editor iaitu Variable View dan Data View.

A. Paparan muka Variable View

1. Name. Digunakan untuk menamakan variable. Syarat penamaan variable:i. Nama variable mesti unik (mesti menggunakan nama yang berbeza)ii. Nama variable terdiri daripada ≤ 8 karektor.iii. Mesti bermula dengan abjad (bukan nombor)

4

Page 5: Bengkel SPSS 9 April

iv. Tidak boleh mengandungi noktah, tempat kosong dan simbol (!, ? * “ &)v. Tidak boleh gunakan perkataan yang digunakan sebagai arahan dalam SPSS (all,

ne, eq, to, le, lt, by, or, gt, and, ge, with)vi. Variable pertama dalam mana-mana set data sepatutnya adalah ID, yang boleh

digunakan untuk mengenalpasti setiap kes.

2. Type.Type memerihalkan jenis variable. Contohnya, sekiranya pengkodan data hanya melibatkan nombor, pilih Numeric. Sekiranya melibatkan gabungan huruf dan angka pilih String.

3. Width Nilai default bagi Width adalah 8. Sekiranya variable anda mempunyai nilai yang sangat besar, nilai ini mungkin perlu ditukar. Jika tidak, biarkan sebagai 8.

4. Decimals Sekiranya anda memerlukan tempat perpuluhan, anda boleh laraskannya dengan menggunakan arahan Options dalam petak ini.

5. Label Lajur ini membenarkan anda menaip nama variable anda dengan lebih panjang. Nama ini akan dipaparkan dalam Output hasil daripada penganalisisan data oleh SPSS.

6. Values Lajur Values memerihalkan makna kepada nilai (atau nombor) yang anda telah gunakan untuk mengkodkan variable anda. Sebagai Contoh untuk variable ‘jantina’; 1 Lelaki 2 Perempuan

7. MissingSPSS akan mencam sel yang kosong sebagai data yang tertinggal (missing). Kadang kala penyelidik memasukkan satu nilai yang spesifik untuk menunjukkan nilai yang tertinggal.

8. ColumnsNilai default bagi kelebaran lajur biasanya dilaraskan kepada 8. Ini biasanya mencukupi bagi kebanyakan data. Untuk membuatkan fail data nada lebih kecil (to fit more on the

5

Page 6: Bengkel SPSS 9 April

screen), anda boleh memilih untuk mengurangkan kelebaran lajur. Pastikan anda membenarkan ruang yang mencukupi bagi kelebaran bagi nama variable.

9. AlignAlignment lajur biasanya dilaras pada bahagian kanan (right alignment).

10. MeasureAnda perlu mengenalpasti kategori data anda. Pilih Nominal bagi data kategorikal, Ordinal bagi data yang melibatkan urutan dan Scale bagi data interval atau nisbah.

Latihan 1: Had masa 30 minit.Buka program SPSS untuk membuat data fail yang baru. Klik OKBerdasarkan Instrumen Soal Selidik yang diberi masukkan maklumat variable (Name, Type, Width, Decimals, Label, Values, Missing, Columns, Align, Measure) untuk variable i. Jantinaii. Lokasi Sekolah iii. Peringkat Penataran PEKA yang dihadiri.iv. Item a1 hingga item a12 (abaikan Labels)v. Item b12 hingga b19 (abaikan Labels)

Contoh:

Untuk variable Jantina Name. Taip ‘jantina’. (Semua huruf akan automatik menjadi huruf kecil)

Type. Pilih Numeric. Width. Tak perlu ubah. Decimal. Pilih 0. Labels. Taip ‘Jantina’. (Boleh menggunakan huruf besar/ kecil) Values. Tekan tiga titik pada bahagian kanan sel. Ini akan membuka dialog Value Label.

- Klik pada petak bertanda Value. Taipkan 1.- Klik pada petak bertanda Value label. Taipkan Lelaki.- Klik Add. Anda akan lihat 1 = Lelaki dalam summary box.- Ulang untuk perempuan. Masukkan 2 dalam Value , masukkan

Perempuan dalam Value Label. Klik Add.- Jika anda telah habis memerihalkan semua nilai, klik Continue.

Missing. Taip ‘9’ atau ‘0’. Columns. Tak perlu ubah. Align. Tak perlu ubah. Measure. Pilih Nominal.

Setelah anda selesai menamakan semua variable, klik pada Data View untuk memasukkan data.

6

Page 7: Bengkel SPSS 9 April

Pilihan shortcut:Jika anda mempunyai beberapa variable yang mempunyai ciri yang sama (contohnya: Type, Width, Decimals dll) anda boleh setkan variable yang pertama kemudian copy dan paste ke dalam sel yang lain.

B Paparan muka Data View

- Anda akan dapat melihat nama variable yang anda taip pada Variable View pada baris sel paling atas dalam paparan Data View ini.

Latihan 2: Had masa 30 minit.

7

Page 8: Bengkel SPSS 9 April

Masukkan data mengikut respons yang diberi oleh responden soal selidik.Masukkan data bagi tiga kes (tiga responden).Data daripada satu kes instrumen soal selidik diisikan dalam baris pertama.Data daripada kes yang seterusnya diisikan dalam baris yang seterusnya.

Contoh: Kes pertama adalah bagi helaian yang mempunyai kod SM0201.Masukkan maklumat jantina, lokasi sekolah, peringkat penataran, item a1, a2, a3 dan seterusnya.

Penting! Semasa memasukkan data, sentiasa save fail data anda dengan kerap. SPSS tidak akan menyimpannya secara automatik. Jika tidak, anda mungkin kehilangan semua informasi yang telah dimasukkan.

Mengubah Fail Data:

Setelah anda membuat fail data, ada kemungkinan anda mahu membuat pindaan (seperti menambah, memadam, mengubah dll). Arahan untuk fungsi-fungsi berkenaan adalah seperti berikut.

1. Memadamkan kes (delete a case).Letakkan cursor pada seksyen gelap (shaded section) pada bahagian kiri yang memaparkan nombor kes. Klik sekali untuk highlight baris ini. Tekan butang Delete pada keyboard. Anda juga boleh klik pada menu Edit dan klik Clear.

2. Menyelitkan kes di antara dua kes yang sedia ada (Insert a case).Letakkan cursor betul-betul di bawah sel kes di mana anda ingin masukkan kes yang baru. Klik menu Data dan pilih Insert Case. Satu baris kosong akan muncul di mana anda boleh masukkan data bagi kes yang baru.

3. Memadamkan variable (Delete a variable).Letakkan cursor pada seksyen gelap (yang mengandungi nama variable) di atas lajur yang anda ingin padamkan. Klik sekali untuk highlight keseluruhan lajur. Tekan butang Delete pada keyboard. Anda boleh juga klik pada menu Edit dan klik Clear.

4. Menyelitkan variable di antara dua variable yang sedia ada (Insert a variable).Letakkan cursor dalam sel pada lajur (variable) di kanan di mana anda mahukan variable baru akan muncul. Klik menu Data dan pilih Insert Variable. Satu lajur kosong akan muncul di mana anda boleh masukkan data bagi variable yang baru.

8

Page 9: Bengkel SPSS 9 April

5. Mengalihkan variable yang sedia ada.Buat satu lajur kosong (ikut arahan dalam no.4). Klik sekali pada nama variable sedia ada (yang anda ingin alihkan). Ini akan menghighlightkannya. Klik menu Edit dan pilih Cut. Highlightkan lajur kosong yang baru dibuat (klik pada name), dan klik menu Edit dan pilih Paste. Ini akan menyelitkan variable ini pada posisi yang baru.

6. Menyusun fail data (Sort the data file).Klik menu Data, pilih Sort Cases dan specify variable yang akan digunakan untuk menyusun. Untuk kembali kepada susunan asal, ulang proses dengan meminta SPSS menyusun mengikut ID.

7. Memisahkan fail data (Split File).Kadangkala adalah perlu mengasingkan data untuk menganalisis mengikut kumpulan (contoh: jantina lelaki dan perempuan). Prosedur ini akan memisahkan data selagi ada command Split File tertera pada skrin komputer. Anda boleh kembali kepada data asal dengan menggunakan arahan Sort Cases seperti dalam no. 6).

- Mengaktifkan Split File: Pastikan skrin anda membuka window Data Editor. Klik menu Data dan pilih option Split File.

Klik pada Compare groups dan specify kumpulan variable (contoh: jantina).

Klik OK. - Memadamkan Split File:

Pastikan skrin anda membuka window Data Editor. Klik menu Data dan pilih option Split File.

Klik pada Analyze all cases, do not create groups. Klik OK.

8. Memilih kes.Bagi setengah analisis, anda mungkin akan memilih subset daripada sampel anda (contoh, lelaki sahaja). - Mengaktifkan pemilihan kes:

Pastikan skrin anda membuka window Data Editor. Klik menu Data dan pilih option Select Cases.

Klik pada butang If condition is satisfied. Klik butang IF . . . Pilih variable yang memerihalkan kumpulan yang anda hasratkan (contoh:

jantina).Klik pada butang anak panah untuk mengalihkan nama variable ke dalam kotak. Klik pada kekunci = pada skrin.Taipkan nilai (value) yang sejajar dengan kumpulan yang anda hasratkan (contoh lelaki 1). Taipkan 1. Baris arahan akan memaparkan: Jantina:1.Klik Continue dan OK.

9

Page 10: Bengkel SPSS 9 April

Sekiranya anda telah habis menganalisis kes ini, anda perlu mengembalikan fail pada keadaan asal.

- Memadamkan pemilihan kes:Pastikan skrin anda membuka window Data Editor.

Klik menu Data dan pilih option Select Cases.Klik pada All cases dan kemudian klik OK

C. Menyaring data (Screening Data)

Buka fail Bengkel SPSS_9 April.sav yang telah diemailkan kepada anda.

1. Klik Analyze pada menu di bahagian atas skrin. Kemudian klik Descriptive Statistics dan Frequencies. Pilih variable yang anda ingin semak (pilih semua pun boleh).

2. Klik pada butang anak panah untuk mengalihkan variable ke dalam kotak Variables. Pada Dispersion klik Minimum & Maximum.

3. Klik Continue dan OK.

Output akan dijanakan dan dipaparkan seperti berikut (Output A sempurna, Output B tak sempurna).

Output A

Statistics

Jantina N Valid 101 Missing 0Minimum 1Maximum 2

Jantina

Frequency PercentValid

PercentCumulative

PercentValid Lelaki 11 10.9 10.9 10.9 Perempuan 90 89.1 89.1 100.0 Total 101 100.0 100.0

Interpretasi Output A Jadual Statistics: Terdapat 101 kes N, 0 data hilang.Jadual Jantina: Terdapat 11 kes lelaki, 90 kes perempuan dan 101 kes keseluruhan.Output B

Statistics

10

Page 11: Bengkel SPSS 9 April

Jantina N Valid 96

Missing 5Minimum 1Maximum 3

Jantina

Frequency Percent Valid PercentCumulative

PercentValid Lelaki 9 8.9 9.4 9.4 Perempuan 84 83.2 87.5 96.9 3 3 3.0 3.1 100.0 Total 96 95.0 100.0Missing System 5 5.0Total 101 100.0

Interpretasi Output B Jadual Statistics: Terdapat 101 kes N, 5 data hilang. Value minimum adalah 1, value tertinggi adalah 3 (apa jantina 3 tu? Logik tak variable jantina 3?)Jadual Jantina: Terdapat 9 kes lelaki Terdapat 84 kes perempuan Terdapat 3 kes jantina 3 Terdapat 5 kes yang hilang dari sistem data Terdapat 101 kes keseluruhan.

Latihan 3: Had masa 15 minit.

Buka fail Bengkel SPSS_alternatif.sav yang telah diemailkan kepada anda

11

Page 12: Bengkel SPSS 9 April

Sila saringkan data untuk jantina dan a1.Adakah output anda sama dengan Output C di bawah?Apakah kesalahan dalam jadual jantina?..............................................................................................................................................................................................................................................................................................................................................................................................................................Apakah kesalahan dalam jadual A1?..............................................................................................................................................................................................................................................................................................................................................................................................................................

Output C

Jantina

Frequency Percent Valid PercentCumulative

PercentValid Lelaki 9 8.9 9.4 9.4 Perempuan 77 76.2 80.2 89.6 3 5 5.0 5.2 94.8 4 5 5.0 5.2 100.0 Total 96 95.0 100.0Missing System 5 5.0Total 101 100.0

A1

Frequency Percent Valid PercentCumulative

PercentValid 0 2 2.0 2.0 2.0 Kurang memuaskan 4 4.0 4.0 5.9 Agak memuaskan 31 30.7 30.7 36.6 Memuaskan 54 53.5 53.5 90.1 Sangat memuaskan 3 3.0 3.0 93.1 8 2 2.0 2.0 95.0 9 5 5.0 5.0 100.0 Total 101 100.0 100.0

D. Membersihkan Data (Cleaning Data)

Buka fail Bengkel SPSS_alternatif.sav.

1. Klik pada nama variable yang mempunyai kesalahan (contoh: jantina dan a1)

12

Page 13: Bengkel SPSS 9 April

2. Klik sekali untuk highlightkan lajur.3. Klik menu Edit dan kemudian Find.

4. Dalam kotak Find what, taipkan nilai yang salah yang anda hendak cari (contohnya 3 untuk jantina).

5. Klik Find Next. SPSS akan mengimbas fail dan berhenti pada kemunculan pertama nilai yang telah diarahkan dalam Find tadi.

6. Periksa kes ini berdasarkan nombor ID. Anda perlu memeriksa rekod soal selidik untuk memasukkan nilai yang sebenar.

7. Klik Find Next sekali lagi untuk terus membetulkan kesalahan yang lain.

Latihan 4: Had masa 15 minit.

Buka fail Bengkel SPSS_alternatif.sav.Sila bersihkan data untuk jantina dan a1.

E. Mengenalpasti Kenormalan Data

Sekiranya anda berhasrat untuk menggunakan analisis parametrik anda perlu mengenalpati taburan data sebagai normal. Oleh kerana item soal selidik yang dalam instrumen kajian ini menggunakan respons dalam Skala Likert, maka data yang

13

Page 14: Bengkel SPSS 9 April

dihasilkan adalah data selanjar pada aras pengukuran sela. Data sela ini boleh dianalisis menggunakan statistik diskriptif seperti min dan sisihan piawai (Pallant, 2001).

Prosedur mengakses kenormalan data menggunakan Explore.

1. Klik Analyze kemudian Descriptive Statistics dan Explore.2. Klik pada variable yang anda hasratkan. Contoh item a3. Klik butang anak panah

untuk mengalih a3 ke dalam kotak Dependant list.3. Klik mana-mana variable tak bersandar atau kumpulan yang anda ingin kaji

(contohnya jantina). Klik butang anak panah untuk mengalihkan ’jantina’ ke dalam kotak Factor List.

4. Pada bahagian Display, pastikan Both dipilih. Ini akan memaparkan penjanaan plots dan statistics.

5. Klik butang Plots. Di bawah Descriptive klik Histogram. Klik pada Normality plots with tests. Klik Continue.

6. Klik butang Options. Dalam Missing Values, klik Exclude cases pairwise.7. Klik Continue dan OK.

Diskriptif juga menghasilkan maklumat tentang taburan skor sama ada skor yang diperoleh bersifat normal atau tidak normal. ’Normal’ adalah merujuk kepada lengkung berbentuk loceng yang simetri, di mana frekuensi di bahagian tengah adalah paling tinggi dan kedua-dua hujung mempunyai frekuansi yang rendah (Gravetter & Wallnau, 2000). Kenormalan skor boleh diaskes dengan memperoleh nilai pencongan (kiri atau kanan) dan kurtosis (puncak lengkung). Maklumat ini diperlukan sekiranya pembolehubah tersebut digunakan dalam ujian statistik parametrik seperti ujian-t dan analisis varians. Penentuan kenormalan juga boleh diperoleh menggunakan statistik Kolmogorov-Smirnov, Plot Normal Q-Q, Plot Detrended Normal Q-Q dan boxplot. Keputusan yang tak signifikan dalam statistik Kolmogorov-Smirnov (di mana nilai signifikan ditetapkan kepada lebih daripada 0.05) menunjukkan taburan data adalah normal. Plot Normal Q-Q yang menghasilkan satu garis lurus menunjukkan taburan normal. Plot Detrended Normal Q-Q yang mempamerkan skor yang tidak berkumpul (tidak berkluster) di mana kebanyakan skor tertabur di sekitar garisan sifar menunjukkan taburan normal.

Tests of Normality

Jantina

PerempuanStatistic Kolmogorov-

Smirnov(a)A2 .289

14

Page 15: Bengkel SPSS 9 April

Shapiro-Wilk A2 .797df Kolmogorov-

Smirnov(a)A2

93

Shapiro-Wilk A2 93Sig. Kolmogorov-

Smirnov(a)A2

.000

Shapiro-Wilk A2 .000

a Lilliefors Significance Correction

Soalan; Apakah nilai Kolmogorov-Smirnov bagi data ini? ……………………………….…………………. Adakah nilai ini menunjukkan perbezaan yang signifikan? …………………………………..Adakah data ini bertabur secara normal?....................................................................

Soalan:Adakah plot Normal Q-Q ini menunjukkan garis lurus? ..........................................Adakah data ini bertabur secara normal?....................................................................

15

Page 16: Bengkel SPSS 9 April

Soalan:Adakah plot Detrended Normal Q-Q ini menunjukkan data berkumpul di sekitar sifar? ...................................Adakah data ini bertabur secara normal?....................................................................

16

Page 17: Bengkel SPSS 9 April

Soalan:Sebanyak 50% skor berada di antara skor ................. dan skor ....................Apakah nilai skor tertinggi? ........................Apakah nilai skor terendah? .......................Adakah terdapat outlier dalam boxplot di atas? .............................................

Akhir sekali boxplot boleh digunakan untuk melihat taburan skor di antara dua kumpulan. Segiempat tepat dalam boxplot mewakili 50 % daripada kes yang dikaji manakala dua garisan yang keluar daripada segiempat itu menunjukkan nilai skor yang tertinggi dan terendah. Kadangkala terdapat bulatan tambahan di luar daripada julat, dan data ini dikelaskan oleh SPSS sebagai outliers (data yang terlalu rendah atau terlalu tinggi daripada majoriti kes). Penyelidik perlu membuat keputusan tentang apa yang perlu dilakukan kepada outliers yang telah dikesan, sama ada membuat semakan semula, membuat pembetulan, menyingkirkan atau menggantikan data bagi kes tersebut.

Pengaruh outliers kepada min boleh diperoleh dengan membandingkan nilai 5% trimmed mean (SPSS menyingkirkan 5% kes daripada skor tertinggi dan 5 % kes daripada skor terendah untuk memperoleh nilai min yang baru) dengan min asal. Sekiranya nilai kedua-dua min tersebut mempunyai perbezaan yang ketara, penyelidik perlu membuat keputusan tentang apa yang perlu dilakukan kepada outliers. Tetapi sekiranya nilai min adalah hampir sama, outliers ini boleh dikekalkan di dalam data (Pallant, 2001).

Latihan 5: Had masa 15 minit.

Buka fail Bengkel SPSS_9 April.sav.Pilih kes jantina perempuan mengikut arahan dalam muka surat 8.Kenalpasti kenormalan data untuk item a2 bagi jantina perempuan.Adakah output anda sama dengan output di atas? ............................

17

Page 18: Bengkel SPSS 9 April

F. Recode Data

Bagi item yang mempunyai ayat negatif, (Contohnya: ‘tidak’, ‘bukan’) ada kalanya anda perlu recode (mengkodkan semula) skala yang asal. Contohnya, skala 5 1, skala 4 2, skala 2 4 dan skala 1 5.

Prosedur.1. Klik Transform kemudian Recode, kemudian Into Same Variables.2. Pilih item yang anda ingin reverse nilainya. Contoh item a2, a3 dan a4.

Pindahkan item-item ini ke dalam kotak Variables.3. Klik butang Old and new values.

- Dalam bahagian Old value, taipkan 1 dalam kotak Value.- Dalam bahagian New value, taipkan 5 dalam kotak (ini akan

mengubahkan mengubah semua skor asal yang bernilai 1 kepada nilai 5)

4. Klik Add. Ini akan menempatkan arahan (1―5) dalam kotak yang berlabel Old New.

5. Ulang prosedur yang sama untuk skor-skor yang lain, contohnya:Old value- taipkan 2 New value – taipkan 4, AddOld value- taipkan 3 New value – taipkan 3, Add (mungkin tak perlu)

Old value- taipkan 4 New value – taipkan 2, AddOld value- taipkan 5 New value – taipkan 1, Add

6. Jika anda telah habis merecodekan semua skor, klik Continue dan OK.

Latihan 6: Had masa 5 minit.

Recodekan semula item-item a2,a3 dan a4 kepada nilai yang asal.G. Compute Data

18

Page 19: Bengkel SPSS 9 April

Biasanya kita mentadbir beberapa item untuk meninjau tahap sesuatu konstruk.Contoh, dalam soal selidik yang dibekalkan, terdapat 9 item yang menguji konstruk Pengetahuan. Anda perlu mendapatkan skor total bagi semua item untuk membuat kesimpulan mengenai tahap Pengetahuan.

Prosedur untuk menghitung skor total.1. Klik Transform kemudian Compute.2. Dalam kotak Target variable taipkan nama baru yang anda hasratkan untuk

variable skor total (Contoh: TPeng) Untuk mengelakkan kekeliruan semasa anda membaca output nanti, pastikan nama ini belum lagi digunakan terdahulu.

3. Klik butang Type and Label. Klik pada kotak label dan taipkan nama variable yang anda hasratkan untuk dipaparkan dalam output (Contoh: Tahap Pengetahuan Guru). Kemudian klik Continue.

4. Daripada senarai variable pada bahagian kiri, klik pada item pertama dalam skala ini (b12). Klik butang anak panah untuk memindahkannya ke dalam kotak Numeric Expression. Klik tanda tambah (+) pada kalkulator.

5. Klik variable kedua dalam skala ini (b13). Klik butang anak panah untuk memindahkannya ke dalam kotak Numeric Expression.

6. Klik tanda tambah (+) pada kalkulator.7. Ulang proses sehingga anda melengkapkan Numeric Expression seperti

b12+b13+b14+b15+b16+17+b18+b19.8. Lengkapkan Numeric Expression dengan menambahkan sum, (, ), / dan

bilangan item, seperti berikut: sum(b12+b13+b14+b15+b16+17+b18+b19)/8. Klik OK.

Kini anda telah memasukkan variable baru di akhir set data bernama Tpeng.Latihan 7: Had masa 15 minit.

19

Page 20: Bengkel SPSS 9 April

Buka fail Bengkel SPSS_9 April.sav.Computekan data untuk Bahagian D dalam soal selidik.

Numeric Expression yang lengkap: 1. Kaedah Pertama:

sum(d25+d26+d27+d28+d29+d30+d31+d32+d33+d34)/102. Kaedah Kedua (shortcut):

sum(d25 to d34)/10

SESI II (2.00 pm – 4.00 pm)

H. Menyemak Kebolehpercayaan Skala (Checking Reliability)

Kebolehpercayaan skala sangat penting untuk dilaporkan dalam tesis.Koefisien alpha Cronbach biasanya digunakan untuk mengukur sama ada item yang anda gunakan menguji konstruk yang sama. Ia digunakan sebagai indikator konsistensi dalaman (internal consistency) bagi item-item yang menguji konstruk

20

Page 21: Bengkel SPSS 9 April

yang sama. Nilai alpha Cronbach yang diterima biasanya adalah yang melebihi 0.7 (Pallant, 2001).

Prosedur:Buka fail Bengkel SPSS_9 April.sav.1. Klik Analyze, Scale, Reliability Analysis.2. Klik semua individu item yang mengukur konstruk pengetahuan guru.(item b12

hingga b19). Masukkan ke dalam kotak Items.3. Dalam bahagian Model, pastikan Alpha dipilih.4. Klik butang Statistics. Dalam bahagian Descriptive for, klik Item, Scale, dan

Scale if item deleted. Klik Continue dan OK.Anda akan mendapat Output D.

Output D.

Mean Std Dev Cases

1. B12 3.8515 .7264 101.0 2. B13 3.8020 .7074 101.0 3. B14 3.8218 .6985 101.0 4. B15 3.8020 .7486 101.0 5. B16 3.7822 .7695 101.0 6. B17 3.7327 .7732 101.0 7. B18 3.5743 .7661 101.0 8. B19 3.4653 .8070 101.0 N ofStatistics for Mean Variance Std Dev Variables SCALE 29.8317 24.6414 4.9640 8

Item-total Statistics

Scale Scale Corrected Mean Variance Item- Alpha if Item if Item Total if Item Deleted Deleted Correlation Deleted

B12 25.9802 19.1396 .7825 .9243B13 26.0297 19.0491 .8246 .9214B14 26.0099 19.1899 .8111 .9225B15 26.0297 18.4291 .8794 .9170B16 26.0495 18.5275 .8336 .9203B17 26.0990 18.5301 .8283 .9207B18 26.2574 19.7731 .6284 .9355B19 26.3663 19.7145 .5966 .9386

Reliability CoefficientsN of Cases = 101.0 N of Items = 8Alpha = .9339

Interpretasi:Dalam kes ini nilai koefisien alpha Cronbach adalah 0.9339. Nilai ini adalah melebihi 0.7, maka skala ini boleh dianggap mempunyai kebolehpercayaan yang tinggi.Lajur Corrected Item-Total Correlation memberi maklumat sejauhmana setiap item berkorelasi dengan item-item yang lain. Biasanya para penyelidik mengiktiraf nilai korelasi yang melebihi 0.3.

Latihan 8: Had masa 10 minit.

21

Page 22: Bengkel SPSS 9 April

Buka fail Bengkel SPSS_9 April.sav.Janakan ujian kebolehpercayaan untuk item dalam Bahagian D.Apakah nilai alpha Cronbach untuk konstruk Bahagian D? ………………..Apakah nilai Corrected Item-Total Correlation tertinggi? ……………….Apakah nilai Corrected Item-Total Correlation terendah? ……………….Item manakah mempunyai min tertinggi? ……………………………………………….Item manakah mempunyai min terendah? ………………………………………………

I. Analisis Diskriptif

Menganalisis data kategorikal (Data Nominal)Gunakan Frequencies untuk menganalisis data kategorikal secara diskriptif.Ini akan memberi maklumat tentang berapa orang yang memberikan setiap respons (contoh; berapa orang lelaki dan berapa orang perempuan).Tidak ada gunanya mencari nilai min, sisihan piawai dll utk variable kategorikal (walaupun SPSS boleh menghitung perkara ini).

Prosedur.1. Klik Analyze, Descriptive Statistics dan Frequencies.

2. Highlightkan variable kategorikal yang anda hasratkan (contoh: jantina). Alihkan ke dalam kotak Variables. 3. Klik butang Statistics. Dalam bahagian Dispersion, tandakan Minimum dan Maximum. Klik Continue dan OK. Anda akan mendapat Output E.Output E

Statistics

Jantina N Valid 101

22

Page 23: Bengkel SPSS 9 April

Missing 0Minimum 1Maximum 2

Jantina

Frequency Percent Valid PercentCumulative

PercentValid Lelaki 8 7.9 7.9 7.9 Perempuan 93 92.1 92.1 100.0 Total 101 100.0 100.0

Interpretasi:7.9 % daripada sampel kajian ini terdiri daripada lelaki dan 92.1 % adalah perempuan.

Latihan 9: Had masa 5 minit.

Buka fail Bengkel SPSS_9 April.sav.Janakan analisis diskriptif untuk bangsa.Adakah anda mendapat output berikut?

Bangsa

Frequency Percent Valid PercentCumulative

PercentValid Melayu 71 70.3 70.3 70.3

Cina 26 25.7 25.7 96.0

India 4 4.0 4.0 100.0

Total 101 100.0 100.0

Nyatakan interpretasi data ini?........................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................Menganalisis data selanjar (Data Sela dan Nisbah)

Gunakan Descriptives untuk data selanjar. Ini akan memberi maklumat tentang ‘summary’ statistik seperti min, median, sisihan piawai.Prosedur.1. Klik Analyze, Descriptive Statistics dan Descriptives.2. Highlightkan variable kategorikal yang anda hasratkan (contoh: pembantu, pengetah, sikap, eksperim, merabent). Alihkan ke dalam kotak Variables.

23

Page 24: Bengkel SPSS 9 April

3. Klik butang Options. Klik mean, standard deviation, minimum, maxumum, skewness, kurtosis.

4. Klik Continue dan OK. Anda akan mendapat Output F.

Output F

Descriptive Statistics

N

Statistic

Minimum

Statistic

Maximum

Statistic

Mean Statistic

StdStatist

icSkewnessStatistic

Skewness Std. Error

KurtosisStatistic

KurtosisStd. Error

bantuan 101 2.40 5.00 3.8911 .5702 -.077 .240 -.214 .476

24

Page 25: Bengkel SPSS 9 April

pembantu makmalpengetahuan guru

101 2.00 5.00 3.7290 .6205 -.248 .240 .283 .476

sikap guru 101 2.25 5.00 3.6015 .6653 -.039 .240 -.518 .476kemahiran mengeksperimen

101 2.00 4.50 3.1901 .5879 -.121 .240 -.539 .476

kemahiran merekabentuk eksperimen

101 2.00 4.42 3.1172 .6201 .111 .240 -.744 .476

Valid N (listwise)

101

Interpretasi:

Output F memberikan maklumat tentang skor tertinggi dan skor terendah.Nilai skewness / pencongan menunjukkan tahap kesimetrian taburan. Jika nilai skewness adalah positif (skor berkumpul di skor rendah di bahagian kiri). Jika nilai skewness adalah negatif (skor berkumpul di skor tinggi di bahagian kanan). Kurtosis/ puncak menunjukkan puncak taburan.Nilai kurtosis yang positif menunjukkan bahawa taburan mempunyai puncak (skor berkumpul di bahagian tengah). Kurtosis yang negatif menunjukkan bahawa secara relatifnya, taburan adalah mendatar.Jika kedua-dua nilai skewness dan kurtosis adalah 0, maka taburan adalah perfectly normal. Sekiranya saiz sampel adalah besar (>200) biasanya tidak masalah dalam nilai skewness & kurtosis (Tabachnick & Fidell, 1996)

Baris pertama dalam Output F menunjukkan maklumat yang diperoleh daripada 101 responden kajian dengan skor yang berjulat di antara 2.40 (minimum) hingga 5.00 (maximum). Min untuk skor bantuan pembantu makmal adalah 3.8911 dengan sisihan piawai 0.5702. Taburan skor ini mempunyai pencongan negatif iaitu -0.77 (pencong ke kanan) di mana lebih ramai responden memilih skor yang lebih tinggi). Nilai kurtosis adalah negatif iaitu -0.214. Ini menunjukkan bahawa taburan adalah mendatar secara relatif.

Latihan 10: Had masa 5 minit.

1. Interpretasikan maklumat dalam baris kedua Output F.Min untuk skor pengetahuan guru adalah .................. dengan sisihan piawai ................

25

Page 26: Bengkel SPSS 9 April

Taburan skor ini mempunyai pencongan .................... iaitu ................. (pencong ke ...............) di mana lebih ramai responden memilih skor yang lebih ...................). Nilai kurtosis adalah .............. iaitu ................. Ini menunjukkan bahawa taburan .........................................................................

2. Interpretasikan maklumat dalam baris kelima Output F.Min untuk skor kemahiran merekabentuk eksperimen adalah .................. dengan sisihan piawai ................ Taburan skor ini mempunyai pencongan .................... iaitu ................. (pencong ke ...............) di mana lebih ramai responden memilih skor yang lebih ...................). Nilai kurtosis adalah .............. iaitu ................. Ini menunjukkan bahawa taburan .........................................................................

J. Analisis ujian-t

Terdapat tiga jenis ujian-t:1. One sample t-test (ujian-t satu sampel)

Digunakan untuk membandingkan min skor dengan min sifar.t = x - H0: = x (tambah simbol x bar) sx

2. Independent sampels t-test (ujian-t sampel bebas)Digunakan untuk membandingkan skor min di antara dua kumpulan manusia atau

26

Page 27: Bengkel SPSS 9 April

keadaan. Contoh: Perbandingan min ujian yang sama di antara lelaki dan perempuan.t = đ - đ H0: sđ

3. Paired sample t-test (ujian-t sampel bersandar)Digunakan untuk membandingkan skor min kumpulan manusia yang sama tetapi dalam dua keadaan berbeza. Contoh: perbandingan min di antara skor pretest dengan ujian posttest. H0: đ = -

Bengkel ini hanya membincangkan Independent samples t-test dan Paired sample t-test sahaja. Dengan kefahaman kedua-dua ujian ini, diharap anda akan mendapat kemahiran mencari jawapan kepada soalan berkenaan One sample t-test (ujian-t satu sampel) dalam latihan tambahan.

Independent samples t-test

Prosedur1. Klik Analyze, Compare Means dan Independent Sample T Test.

2. Masukkan variable pengetahuan guru ke dalam kotak Test Variable(s):3. Masukkan variable jantina ke dalam kotak Grouping Variable. Klik Define

Groups. Taipkan 1 dalam Group 1 dan 2 dalam Group 2.4. Klik Continue dan OK.Anda akan mendapat Output G.

Output G

Group Statistics

Jantina N Mean Std. DeviationStd. Error

Meanpengetahuan Lelaki 8 3.9844 .46979 .16610

27

Page 28: Bengkel SPSS 9 April

guru Perempuan 93 3.7070 .62893 .06522

Independent Samples Test

Levene's Test for Equality of

Variances t-test for Equality of Means

F Sig. t dfSig. (2-tailed)

Mean Difference

Std. Error Difference

95% Confidence Interval of the

Difference

Lower Upperpengetahuan guru

Equal variances assumed

.469 .495 1.216 99 .227 .2774 .22808 -.17517 .72994

Equal variances not assumed

1.554 9.308 .153 .2774 .17844 -.12425 .67902

Interpretasi data.

Langkah 1: Menyemak maklumat tentang kumpulan.Jadual Group Statistic memberikan nilai min dan sisihan piawai bagi setiap kumpulan (dalam kes ini lelaki dan perempuan). Ini juga memberi maklumat tentang bilangan orang dalam setiap kumpulan (N).

Langkah 2: Menyemak andaian.Bahagian pertama dalam Jadual Independet Samples Test memberikan nilai ujian Levene bagi kesamaan varians. Ujian Levene menguji sama ada varians skor di antara dua kumpulan adalah sama. Hasil ujian ini menentukan nilai t yang mana satu akan digunakan (t=1.216 atau 1.554).- Sekiranya nilai Sig. lebih besar daripada p= 0.05 (contoh: 0.07,

0.10), gunakan baris pertama dalam jadual ini (1.216), Equal variances assumed.

- Sekiranya nilai Sig. lebih kecil daripada p= 0.05 (contoh: 0.01, 0.001, 0.000), gunakan baris kedua dalam jadual ini (1.554), Equal variances not assumed.

- Dalam kes di atas, nilai Sig. Ujian Levene adalah 0.495. Ini menunjukkan nilai yang lebih besar daripada p=0.05. Ini bermakna nilai t pada baris pertama akan dilaporkan.

Langkah 3: Mengakses perbezaan di antara kumpulan.Untuk mengenalpasti perbezaan yang signifikan di antara dua kumpulan, rujuk kepada lajur yang berlabel Sig. (2-tailed) di bawah bahagian yang berlabel t-test for Equality of Means.Laporkan nilai yang berada pada baris yang sama dengan nilai ujian Levene.

28

Page 29: Bengkel SPSS 9 April

- Jika nilai dalam Sig. (2-tailed) adalah sama atau kurang daripada 0.05, maka terdapat perbezaan min yang signifikan di antara skor min di antara dua kumpulan.

- Jika nilai dalam Sig. (2-tailed) adalah lebih daripada 0.05, maka tidak terdapat perbezaan min yang signifikan di antara skor min di antara dua kumpulan.

Dalam jadual di atas, nilai Sig. (2-tailed) adalah 0.227, iaitu lebih besar daripada 0.05. maka tidak terdapat perbezaan min yang signifikan di antara skor min di antara lelaki dan perempuan.

Sekiranya nombor yang pelik diperoleh, seperti 1.24E-02.E bermaksud negatif. Nombor seterusnya menunjukkan tempat perpuluhan yang perlu dialihkan. Bagi 1.24E-02 bermaksud 0.0124.

Menghitung kesan saiz (effect size) untuk Independent samples t-test.

Kesan saiz memberikan maklumat tentang magnitud perbezaan di antara kumpulan. Kaedah yang paling biasa digunakan adalah eta squared. Julat nilai eta squared adalah daripada 0 hingga 1 dan mewakili propotion varians dalam pembolehubah tak bersandar yang boleh diterangkan oleh pembolehubah (kumpulan) tak bersandar.SPSS tidak menghitung nilai eta squared dalam ujian-t. Anda boleh menggunakan formula berikut.Eta squared = t2

-----------------------------------

t2 + (N1 + N2 - 2)

Dalam kes di atas

Eta squared = 0.2272

----------------------------------- = 0.0005202 0.2272 + (8 + 93 - 2)

Panduan Cohen,1988 bagi kesan saiz.0.01 = kesan kecil0.06= kesan sederhana0.14= kesan besar

Dalam pengiraan di atas nilai 0.0005202 adalah sangat kecil. Dalam bentuk peratus adalah 0.052 %. Bermaksud hanya 0.052 % daripada varians diperihalkan oleh jantina.

Cara melaporkan keputusan analisis Independent samples t-test.*

Ujian-t kumpulan bebas telah dijalankan untuk membandingkan min pengetahuan guru di antara guru lelaki dengan guru perempuan. Tidak terdapat perbezaan yang signifikan di

29

Page 30: Bengkel SPSS 9 April

antara skor lelaki (M = 3.9844, SP= 0.46979) dengan perempuan (M= 3.7070, SP=0.62893; t(99)=1.216, p=0.227). Magnitud bagi perbezaan min adalah kecil (eta squared =0.052 %).

Latihan 11: Had masa 30 minit.

Janakan Ujian-t bagi sampel bebas bagi kemahiran mengeksperimen

berdasarkan lokasi sekolah.Nyatakan hipotesis nol, H0, yang sesuai...............................................................................................................................................................................................................................................................................................................................................................................................................................Adakah anda mendapat Output H seperti di bawah?

Output H

Group Statistics

Lokasi sekolah N Mean Std. DeviationStd. Error

Meankemahiran mengeksperimen

Pusat bandaraya 48 3.3833 .58613 .08460

Pinggir bandaraya 53 3.0151 .53723 .07379

Independent Samples Test

Levene's Test for

Equality of Variances t-test for Equality of Means

F Sig. t df

Sig. (2-

tailed)Mean

DifferenceStd. Error Difference

95% Confidence Interval of the

DifferenceLower Upper

kemahiran mengeksperimen

Equal variances assumed

1.338 .250 3.294 99 .001 .3682 .11178 .14645 .59003

Equal variances not assumed

3.280 95.670 .001 .3682 .11226 .14539 .59109

Laporkan Output H mengikut format *.

............................................................................................................

............................................................................................................

............................................................................................................

............................................................................................................

............................................................................................................

............................................................................................................

30

Page 31: Bengkel SPSS 9 April

............................................................................................................

............................................................................................................

............................................................................................................

............................................................................................................

........................

Paired samples t-test

Prosedur1. Klik Analyze, Compare Means dan Paired Samples T Test.2. Pilih dua variable yang ingin dibandingkan. Contoh, pengetahuan guru dan sikap

guru. Pastikan kedua-dua variable ini masuk ke dalam bahagian Current Selections. Tekan butang anak panah untuk mengalihkannya ke dalam kotak Paired Variables.

3. Klik OK. Anda akan mendapat Output I.

Output I.

Paired Samples Statistics

Mean N Std. DeviationStd. Error

MeanPair 1 pengetahuan

guru3.7290 101 .62050 .06174

31

Page 32: Bengkel SPSS 9 April

sikap guru 3.6015 101 .66537 .06621

Paired Samples Test

Paired Differences t df

Sig. (2-

tailed)

MeanStd.

DeviationStd. Error

Mean

95% Confidence Interval of the

Difference

Lower Upper Pair 1 pengetahuan

guru - sikap guru

.1275 .47466 .04723 .0338 .2212 2.699 100 .008

Interpretasi data.

Langkah 1: Mengenalpasti signifikan keseluruhan.Dalam jadual Paired Samples Test lihat pada lajur Sig. (2-tailed), ini adalah nilai kebarangkalian. Jika nilai ini kurang daripada 0.05, anda boleh menyatakan bahawa terdapat perbezaan yang signifikan di antara dua skor. Dalam kes di atas nilai kebarangkalian adalah 0.008. Maka terdapat perbezaan yang signifikan di antara dua kumpulan skor. Nilai t (2.699) dan darjah kebebasan, df (100) perlu dilaporkan.

Langkah 2: membandingkan nilai min.Dapatkan nilai min dan sisihan piawai daripada jadual Paired Samples Statistics. Nilai ini perlu dilaporkan.

Menghitung kesan saiz

Menggunakan formula

Eta squared = t2

-----------------------------------

t2 + N – 1

Eta squared = 1002

----------------------------------- = 0.099 = 9.9% 1002 + 101 – 1

Latihan 12: Had masa 15 minit.Nyatakan hipotesis nol, H0, yang sesuai untuk Output I...............................................................................................................................................................................................................................................................................................................................................................................................................................Laporkan analisis dalam Output I .

32

Page 33: Bengkel SPSS 9 April

Ujian-t sampel bersandar telah dijalankan untuk membandingkan skor min .......................................................................... dengan skor min .............................................................................. Didapati (terdapat/tidak terdapat) perbezaan yang (signifikan/ tak signifikan) di antara skor min ..............................................................(M = .........., SP = .............) dengan skor min .......................................................(M= ............. SP= .............., t(.............) = ............., p< 0.05. Nilai statistik eta squared adalah.............................., menunjukkan kesan saiz yang kecil / besar.

Latihan 13: Had masa 15 minit.Janakan analisis ujian-t sampel bersandar di antara kemahiran mengeksperimen dengan kemahiran merekabentuk eksperimen. Nyatakan hipotesis nol, H0, yang sesuai...............................................................................................................................................................................................................................................................................................................................................................................................................................

Laporkan keputusan analisis tersebut...........................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................

Latihan Tambahan (Perbincangan):

1. Janakan analisis ujian-t satu sampel bagi item a1 (Rujuk kembali instrumen soal-selidik). Nyatakan hipotesis nol, H0, yang sesuai...............................................................................................................................................................................................................

33

Page 34: Bengkel SPSS 9 April

.......................................................................................................

.......................................................................................

Laporkan output ujian tersebut.....................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................

2. Janakan analisis ujian-t untuk meninjau perbezaan skor a1 dengan a2 berdasarkan jantina. (Rujuk kembali instrumen soal-selidik). Nyatakan hipotesis nol, H0, yang sesuai. (ujian-t yang mana satu pilihan anda?)............................................................................................................................................................................................................................................................................................................................................................................................................

Laporkan output ujian tersebut.....................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................

Borang Penilaian Bengkel Pengenalan SPSS 9 April 2008

Nama: .................................................................................

.....................

34

Page 35: Bengkel SPSS 9 April

No.

Telefon: ...............................................................................

..............

Alamat

email: ..................................................................................

.........

Tahap kefahaman saya dalam pengisian bengkel ini:

A. Kurang dari 20 %

B. Di antara 20 % hingga 40 %

C. Di antara 41 % hingga 60 %

D. Di antara 61 % hingga 70 %

E. Di antara 71 % hingga 80 %

F. Di antara 81 % hingga 90 %

G. Lebih daripada 90 %

Masalah yang saya hadapi semasa bengkel ini.

.............................................................................................

.............................................................................................

.............................................................................................

.............................................................................................

..............................

Cadangan untuk bengkel akan datang:

.............................................................................................

.............................................................................................

35

Page 36: Bengkel SPSS 9 April

.............................................................................................

.............................................................................................

.............................................................................................

.......................................................................

(Sila serahkan borang ini yang telah dijawab kepada

fasilitator. Terima kasih)

36