regresi (tugasan analisis data)

Bishanani binti Omar (P 53958) Pengukuran dan Penilaian

Regression Linear ( Regresi Linear )

Analisis regresi dijalankan untuk melihat kesan atau pengaruh sesuatu pembolehubah tak bersandar (independent variabel) terhadap

pembolehubah bersandar (dependent variabel). Kajian regresi juga disebut sebagai kajian peramal. Penyelidik menggunakan analisis regresi

untuk meramal sesuatu pembolehubah bersandar menggunakan sesuatu nilai pada pembolehubah tak bersandar.

Dalam kajian ini penyelidik ingin melihat kesan atau pengaruh sesuatu pembolehubah tak bersandar ( independent variabel) iaitu tahap

Kualiti peribadi Pengetua Kanan (Cemerlang) terhadap pembolehubah bersandar (dependent variabel) dalam melahirkan Sekolah

Cemerlang. Di sini penyelidik boleh meramal dalam melahirkan Sekolah Cemerlang apabila tahap Kualiti peribadi Pengetua Kanan (Cemerlang)

diketahui. Ramalan ini boleh dibuat setelah analisis regresi menunjukkan tahap Kualiti peribadi Pengetua Kanan (Cemerlang) mempunyai

pertalian dan sumbangan kepada melahirkan Sekolah Cemerlang.

PERSOALAN KAJIAN : Apakah faktor-faktor yang menyumbang secara signifikan kepada kecemerlangan sesebuah sekolah?

Tahap Kualiti peribadi Pengetua Kanan ( Cemerlang ) satu peramal berjaya mencapai matlamat melahirkan Sekolah Cemerlang.

RINGKASAN BAGI pembolehubah bebas KUALITI PERIBADI PENGETUA*SC = Sek Cemerlang

*KJER= Kestabilan jasmani, emosi dan rohani*BMR = Berani mengambil risiko*EDS = Empati dan Simpati*FDT = Fleksibiliti dalam tugas

*PPAP = Positif dan proaktif, agen perubahan

*BBSP = Berpengetahuan dan Berketrampilan sebagai pemimpin*MM = Menepati Masa*KK = Kemahiran berkomunikasi

1


*KIK = Kreatif dan Inovatif, komited

*MSMP = Menghargai Sumbangan dan memberi pengiktirafanInterpretasi Output dari Stepwise Regresi Berganda

Langkah 1: Memeriksa Andaian (Checking the Assumption)

a) Multicollinearity.

1. Korelasi antara pembolehubah dalam model anda disediakan dalam jadual yang dilabel Correlations.

Pastikan nilai-nilai pembolehubah bebas Kualiti Peribadi Pengetua menunjukkan hubungan dengan pembolehubah bersandar Sekolah

Cemerlang ( melebihi 0.3).

Dalam kes ini, berdasarkan jadual 2 dapat dilihat korelasi Kualiti Peribadi Pengetua [1.(Kestabilan Jasmani,Emosi dan Rohani), 2.

(Berani Mengambil Risiko),3.(Empati dan Simpati),4.(Fleksibiliti dalam tugas),5.(Positif dan Proaktif, agen perubahan),6.

(Berpengetahuan dan berketrampilan sebagai pemimpin),7.(Menepati Masa),8.(Kemahiran berkomunikasi),9.(Kreatif dan Inovatif,

Komited),10.(Menghargai sumbangan dan memberi pengiktirafan)] berkorelasi secara substansial dengan Sekolah Cemerlang [1.(0.704),

2.(0.673),3.( 0.657), 4.( 0.663), 5.( 0.693), 6. (0.730),7.( 0.675), 8.( 0.710), 9.( 0.683),10.( 0.688)] masing-masing.

2. Pastikan juga bahawa hubungan (korelasi) antara setiap pembolehubah bebas anda tidak terlalu tinggi iaitu tidak melebihi 0.7

(Tabachnick and Fidell (2001, p. 84). Jika anda dapati perlu mempertimbangkan menghilangkan(omitting) salah satu pembolehubah atau

membentuk(forming) sebuah pembolehubah daripada dua pembolehubah yang sangat berkorelasi tinggi.

Dalam kes ini, berdasarkan jadual 2 dapat dilihat korelasi antara setiap pembolehubah bebas adalah 0.783, 0.768, 0.769, 0.749,0.824,

0.762, 0.743, 0.729, 0.706 masing-masing. Semua korelasi bernilai lebih daripada 0.7.

2


3. ‘Collinearity diagnostics’ bagi pembolehubah adalah sebahagian dari prosedur multiple regression. Jika nilai tolerance adalah kecil

(kurang dari 0.10) , ini menunjukkan bahawa multiple correlation dengan pembolehubah lain adalah tinggi. Pastikan nilai

multicollinearity ditunjukkan bahawa nilai tolerance kurang daripada 0 .10 atau nilai VIF lebih daripada 10 (Julie Pallant (2005, p. 150).

b) Outliers, Normality and Linearity

1. Menurut Tabachnick and Fidell (2001) mengenalpasti outliers yang mempunyai standardised residual (seperti di dalam scatterplot) adalah

yang berada lebih daripada 3.3 atau kurang daripada –3.3.

2. Outliers boleh disemak dengan melihat Mahalanobis distance.

3. Untuk mengenalpasti outliers penyelidik perlu menentukan nilai chi square kritikal, menggunakan bilangan pembolehubah bebas sebagai

degree of freedom pada nilai alpha 0.001. Tabachnick and Fidell’s (2001).

Source: Extracted and adapted from a table in Tabachnik and Fidell (1996); originally from Pearson, E. S. and Hartley, H. O.(Eds) (1958). Biometrika tables for statisticians (vol. 1, 2nd edn). New York: Cambridge University Press.

3


4. Dalam kes ini, ada 10 pembolehubah bebas, maka nilai kritikal adalah 29.59 atau ≈ 30. Keluarkan(Clear) mana Mahalanobis yang

melebihi nilai ini.

Langkah 2: Menilai Model (Evaluating the Model)

1. Look in the Model Summary box and check the value given under the heading R Square. This tells you how much of the variance in the dependent variable (Kecemerlangan sekolah) is explained by the model (which includes the variables of tahap Kualiti Peribadi Pengetua)

2. SPSS also provides an Adjusted R Square value in the output. When a small sample is involved, the R square value in the sample tendsto be a rather optimistic overestimation of the true value in the population (see Tabachnick & Fidell, 2001, p. 147).

3. The Adjusted R square statistic ‘corrects’ this value to provide a better estimate of the true population value.

4. If you have a small sample you may wish to consider reporting this value, rather than the normal R Square value.

Langkah 3: Menilai Setiap Pembolehubah Bebas (Evaluating Each of the Indepedent Variables)

1. The next thing we want to know is which of the variables included in the model contributed to the prediction of the dependent variable.

We find this information in the output box labelled Coefficients

2. Look in the column labelled Beta under Standardised Coefficients. To compare the different variables it is important that you look at the

standardised coefficients, not the unstandardised ones. ‘Standardised’ means that these values for each of the different variables have

been converted to the same scale so that you can compare them.

3. Look down the Beta column and find which beta value is the largest (ignoring any negative signs out the front). In this case the largest

beta coefficient is 0.174, which is for Kreatif, Inovatif dan Komited. This means that this variable makes the strongest unique contribution

to explaining the dependent variable, when the variance explained by all other variables in the model is controlled for.

4. For each of these variables, check the value in the column marked Sig. This tells you whether this variable is making a statistically

significant unique contribution to the equation

4


Jadual 1: Correlations

SC KJER BMR EDS FDT PPAP BBSP MM KK KIK MSMP

Pearson SC 1.0000.70

4 0.673 0.657 0.663 0.693 0.730 0.675 0.710 0.683 0.688Correlation KJER 0.704 1.000 0.783 0.798 0.764 0.778 0.822 0.723 0.758 0.698 0.746

BMR 0.673 0.783 1.000 0.768 0.729 0.792 0.791 0.691 0.696 0.736 0.722EDS 0.657 0.798 0.768 1.000 0.769 0.745 0.823 0.664 0.764 0.657 0.781FDT 0.663 0.764 0.729 0.769 1.000 0.749 0.802 0.638 0.763 0.613 0.746PPAP 0.693 0.778 0.792 0.745 0.749 1.000 0.824 0.744 0.763 0.805 0.750BBSP 0.730 0.822 0.791 0.823 0.802 0.824 1.000 0.762 0.835 0.760 0.812MM 0.675 0.723 0.691 0.664 0.638 0.744 0.762 1.000 0.743 0.755 0.685KK 0.710 0.758 0.696 0.764 0.763 0.763 0.835 0.743 1.000 0.729 0.791KIK 0.683 0.698 0.736 0.657 0.613 0.805 0.760 0.755 0.729 1.000 0.706MSMP 0.688 0.746 0.722 0.781 0.746 0.750 0.812 0.685 0.791 0.706 1.000

Sig. (1-tailed) SC . 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000KJER 0.000 . 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000BMR 0.000 0.000 . 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000EDS 0.000 0.000 0.000 . 0.000 0.000 0.000 0.000 0.000 0.000 0.000FDT 0.000 0.000 0.000 0.000 . 0.000 0.000 0.000 0.000 0.000 0.000PPAP 0.000 0.000 0.000 0.000 0.000 . 0.000 0.000 0.000 0.000 0.000

5


BBSP 0.000 0.000 0.000 0.000 0.000 0.000 . 0.000 0.000 0.000 0.000MM 0.000 0.000 0.000 0.000 0.000 0.000 0.000 . 0.000 0.000 0.000KK 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 . 0.000 0.000KIK 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 . 0.000MSMP 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 .

N SC 1179 1179 1179 1179 1179 1179 1179 1179 1179 1179 1179KJER 1179 1179 1179 1179 1179 1179 1179 1179 1179 1179 1179BMR 1179 1179 1179 1179 1179 1179 1179 1179 1179 1179 1179EDS 1179 1179 1179 1179 1179 1179 1179 1179 1179 1179 1179FDT 1179 1179 1179 1179 1179 1179 1179 1179 1179 1179 1179PPAP 1179 1179 1179 1179 1179 1179 1179 1179 1179 1179 1179BBSP 1179 1179 1179 1179 1179 1179 1179 1179 1179 1179 1179MM 1179 1179 1179 1179 1179 1179 1179 1179 1179 1179 1179KK 1179 1179 1179 1179 1179 1179 1179 1179 1179 1179 1179KIK 1179 1179 1179 1179 1179 1179 1179 1179 1179 1179 1179MSMP 1179 1179 1179 1179 1179 1179 1179 1179 1179 1179 1179

Jadual 2: Model Summary h

Model R R SquareAdjusted R Square

Std. Error of the Estimate Change Statistics

R Square Change F Change df1 df2

Sig. F Change

1 0.730a 0.533 0.533 0.311 0.533 1342.951 1 1177 0.0002 0.756b 0.572 0.571 0.298 0.039 106.552 1 1176 0.0003 0.770c 0.593 0.592 0.291 0.021 61.506 1 1175 0.0004 0.778d 0.605 0.604 0.287 0.012 36.513 1 1174 0.0005 0.781e 0.610 0.608 0.285 0.004 12.715 1 1173 0.000

6


6 0.783f 0.614 0.612 0.284 0.004 12.539 1 1172 0.0007 0.785g 0.616 0.614 0.283 0.003 8.360 1 1171 0.004

a Predictors: (Constant), BBSPb Predictors: (Constant), BBSP, KIKc Predictors: (Constant), BBSP, KIK, KJERd Predictors: (Constant), BBSP, KIK, KJER, KKe Predictors: (Constant), BBSP, KIK, KJER, KK, MSMPf Predictors: (Constant), BBSP, KIK, KJER, KK, MSMP, MMg Predictors: (Constant), BBSP, KIK, KJER, KK, MSMP, MM, FDTh Dependent Variable: SC

Berdasarkan Jadual 2, dalam Model 1 menunjukkan tahap berpengetahuan dan berketrampilan sebagai pemimpin(BBSP) mempengaruhi

pencapaian Sekolah Cemerlang(SC) sebanyak 53.3 peratus. Apabila pembolehubah bebas Kreatif dan Inovatif, komited(KIK) juga dimasukkan

ke dalam persamaan regresi, peratus pembolehubah SC yang boleh diramalkan bertambah sebanyak 3.9(57.2─53.3) peratus sumbangan.

Seterusnya, peratus meningkat sehingga 61.6 peratus (Model 7) apabila semua pembolehubah bebas BBSP, KIK, KJER, KK, MSMP, MM dan

FDT dimasukkan (lihat baris bertanda g). Lajur R Square Change menunjukkan perubahan R2 apabila setiap pembolehubah statistik dan

kesignifikannya berubah apabila setiap pembolehubah dimasukkan.

Jadual 3: ANOVA h

Model Sum of Squares df Mean Square F Sig.1 Regression 130.204 1 130.204 1342.951 0.000

Residual 114.115 1177 0.097Total 244.319 1178

2 Regression 139.684 2 69.842 784.968 0.000Residual 104.634 1176 0.089

7


Total 244.319 11783 Regression 144.889 3 48.296 570.739 0.000

Residual 99.429 1175 0.085Total 244.319 1178

4 Regression 147.888 4 36.972 450.120 0.000Residual 96.430 1174 0.082Total 244.319 1178




a Predictors: (Constant), BBSPb Predictors: (Constant), BBSP, KIKc Predictors: (Constant), BBSP, KIK, KJERd Predictors: (Constant), BBSP, KIK, KJER, KKe Predictors: (Constant), BBSP, KIK, KJER, KK, MSMPf Predictors: (Constant), BBSP, KIK, KJER, KK, MSMP, MMg Predictors: (Constant), BBSP, KIK, KJER, KK, MSMP, MM, FDTh Dependent Variable: SC

Berdasarkan Jadual 2 dan Jadual 3, menunjukkan bahawa korelasi kesemua pembolehubah bebas(IV) dengan pembolehubah bersandar(DV)

adalah tinggi ( R = 0.785) iaitu (R ≈ 0.8). Regresi ini adalah signifikan untuk setiap model. Berdasarkan model 5 kesemua IV peramal dapat

menerangkan 61.6% daripada varians SC( pembolehubah bersandar), mempunyai nilai F(7,1171) = 268.82 yang signifikan pada p < 0.05).8


Jadual 4: Coefficients a

Model

UnstandardizedCoefficients

Standardized

Coefficients t Sig.Collinearity Statistics

B Std. Error Beta Tolerance VIF1 (Constant) 2.111 0.063 33.261 0.000

BBSP 0.539 0.015 0.730 36.646 0.000 1.000 1.0002 (Constant) 1.796 0.068 26.373 0.000

BBSP 0.369 0.022 0.500 17.032 0.000 0.423 2.365KIK 0.233 0.023 0.303 10.322 0.000 0.423 2.365

3 (Constant) 1.684 0.068 24.812 0.000BBSP 0.236 0.027 0.320 8.710 0.000 0.257 3.889KIK 0.198 0.022 0.257 8.813 0.000 0.406 2.463KJER 0.200 0.025 0.261 7.843 0.000 0.312 3.207

4 (Constant) 1.622 0.068 23.964 0.000BBSP 0.151 0.030 0.205 5.013 0.000 0.201 4.964KIK 0.166 0.023 0.216 7.307 0.000 0.384 2.601KJER 0.171 0.026 0.224 6.689 0.000 0.301 3.324KK 0.159 0.026 0.212 6.043 0.000 0.272 3.675

5 (Constant) 1.658 0.068 24.345 0.000BBSP 0.120 0.031 0.162 3.836 0.000 0.186 5.388KIK 0.155 0.023 0.202 6.793 0.000 0.377 2.650KJER 0.157 0.026 0.205 6.102 0.000 0.294 3.403KK 0.131 0.027 0.176 4.815 0.000 0.250 3.996MSMP 0.076 0.021 0.122 3.566 0.000 0.285 3.514

6 (Constant) 1.558 0.073 21.240 0.000BBSP 0.104 0.031 0.141 3.305 0.001 0.182 5.502KIK 0.126 0.024 0.163 5.182 0.000 0.332 3.009

9


KJER 0.142 0.026 0.185 5.453 0.000 0.286 3.500KK 0.114 0.028 0.152 4.135 0.000 0.242 4.125MSMP 0.076 0.021 0.122 3.593 0.000 0.285 3.514MM 0.099 0.028 0.114 3.541 0.000 0.321 3.119

7 (Constant) 1.564 0.073 21.376 0.000BBSP 0.078 0.033 0.106 2.391 0.017 0.168 5.953KIK 0.134 0.024 0.174 5.507 0.000 0.328 3.053KJER 0.122 0.027 0.160 4.556 0.000 0.267 3.742KK 0.097 0.028 0.130 3.475 0.001 0.232 4.302MSMP 0.065 0.021 0.105 3.051 0.002 0.276 3.622MM 0.102 0.028 0.117 3.658 0.000 0.320 3.123FDT 0.062 0.022 0.097 2.891 0.004 0.292 3.426

a. Dependent Variable: SC

Berdasarkan Jadual 4, menunjukkan bahawa kesemua IV adalah berkait secara positif dan signifikan dengan DV. Pekali regresi KIK adalah

paling tinggi, 0.134. Hal ini menunjukkan bahawa pekali regresi bagi populasi dari sampel diperolehi adalah positif, t = 2.891; p < 0.05).

Nilai beta menunjukkan bahawa pekali korelasi bagi KIK iaitu Kreatif, Inovatif dan Komited adalah yang paling tinggi ( manakala FDT ialah

yang paling rendah).

Makna :

Kesemua pembolehubah bebas(IV) mempunyai kesan yang positif dan signifikan terhadap pembolehubah bersandar(DV) iaitu Sekolah

Cemerlang(SC). Nilai Beta untuk KIK menunjukkan bahawa untuk peningkatan setiap unit dalam KIK, SC akan meningkat sebanyak 0.17

sisihan piawai.

Persamaan regresi yang meramalkan SC adalah seperti berikut :

SC = 1.564 + 0.078BBSP + 0.134KIK + 0.122KJER + 0.097KK + 0.065MSMP + 0.102MM + 0.062FDT

10


Jadual 5: Excluded Variabel h

Model Beta In t Sig. Partial Correlation Collinearity Statistics

Tolerance VIFMinimum Tolerance

1 KJER 0.320 9.487 0.000 0.267 0.325 3.080 0.325BMR 0.257 8.103 0.000 0.230 0.375 2.667 0.375EDS 0.175 5.040 0.000 0.145 0.323 3.094 0.323FDT 0.216 6.604 0.000 0.189 0.357 2.805 0.357PPAP 0.285 8.344 0.000 0.236 0.322 3.109 0.322MM 0.283 9.544 0.000 0.268 0.419 2.387 0.419KK 0.333 9.567 0.000 0.269 0.303 3.296 0.303KIK 0.303 10.322 0.000 0.288 0.423 2.365 0.423MSMP 0.281 8.482 0.000 0.240 0.341 2.930 0.341

2 KJER 0.261 7.843 0.000 0.223 0.312 3.207 0.257BMR 0.166 5.070 0.000 0.146 0.331 3.017 0.306EDS 0.146 4.361 0.000 0.126 0.321 3.117 0.239FDT 0.214 6.818 0.000 0.195 0.357 2.805 0.241PPAP 0.152 3.959 0.000 0.115 0.245 4.077 0.245MM 0.189 5.907 0.000 0.170 0.346 2.891 0.340KK 0.256 7.290 0.000 0.208 0.282 3.547 0.255MSMP 0.213 6.453 0.000 0.185 0.322 3.103 0.272

3 BMR 0.090 2.637 0.008 0.077 0.293 3.413 0.238EDS 0.059 1.672 0.095 0.049 0.277 3.605 0.208FDT 0.152 4.680 0.000 0.135 0.322 3.109 0.205PPAP 0.082 2.121 0.034 0.062 0.230 4.356 0.227MM 0.145 4.516 0.000 0.131 0.332 3.014 0.240KK 0.212 6.043 0.000 0.174 0.272 3.675 0.201

11


MSMP 0.169 5.091 0.000 0.147 0.309 3.232 0.2114 BMR 0.101 2.974 0.003 0.087 0.292 3.421 0.187

EDS 0.022 0.612 0.541 0.018 0.268 3.727 0.179FDT 0.110 3.307 0.001 0.096 0.301 3.319 0.180PPAP 0.062 1.601 0.110 0.047 0.228 4.393 0.187MM 0.113 3.514 0.000 0.102 0.321 3.119 0.197MSMP 0.122 3.566 0.000 0.104 0.285 3.514 0.186

5 BMR 0.088 2.585 0.010 0.075 0.288 3.469 0.176EDS -0.010 -0.273 0.785 -0.008 0.252 3.968 0.172FDT 0.092 2.742 0.006 0.080 0.292 3.421 0.172PPAP 0.050 1.299 0.194 0.038 0.226 4.428 0.175MM 0.114 3.541 0.000 0.103 0.321 3.119 0.182

6 BMR 0.083 2.464 0.014 0.072 0.288 3.474 0.173EDS -0.005 -0.135 0.893 -0.004 0.252 3.974 0.168FDT 0.097 2.891 0.004 0.084 0.292 3.426 0.168PPAP 0.039 1.024 0.306 0.030 0.224 4.457 0.172

7 BMR 0.067 1.950 0.051 0.057 0.277 3.607 0.163EDS -0.022 -0.614 0.539 -0.018 0.245 4.083 0.160PPAP 0.017 0.427 0.669 0.012 0.214 4.664 0.163

a Predictors in the Model: (Constant), BBSPb Predictors in the Model: (Constant), BBSP, KIKc Predictors in the Model: (Constant), BBSP, KIK, KJERd Predictors in the Model: (Constant), BBSP, KIK, KJER, KKe Predictors in the Model: (Constant), BBSP, KIK, KJER, KK, MSMPf Predictors in the Model: (Constant), BBSP, KIK, KJER, KK, MSMP, MMg Predictors in the Model: (Constant), BBSP, KIK, KJER, KK, MSMP, MM, FDTh Dependent Variable: SC

12


Berdasarkan Jadual 5, menunjukkan bahawa pembolehubah bebas Berani Mengambil Risiko(BMR), Empati dan Simpati (EDS) dan Positif dan

proaktif, agen perubahan(PPAP) tidak mempunyai pengaruh terhadap pembolehubah bersandar Sekolah Cemerlang(SC). Oleh sebab ia tidak

mempengaruhi, maka pembolehubah-pembolehubah bebas ini disingkirkan daripada model peramal regresi pelbagai ini.

13


Persoalan Kajian ;

Apakah faktor-faktor yang menyumbang secara signifikan kepada kecemerlangan sesebuah sekolah?

Penerangan DAPATAN KAJIAN :

Dapatan kajian menunjukkan tahap berpengetahuan dan berketrampilan sebagai pemimpin(BBSP) (F= 1342.951, p<0.05) menyumbang

sebanyak 53.3 peratus kepada kecemerlangan sesebuah sekolah. Ini menunjukkan bahawa berpengetahuan dan berketrampilan sebagai

pemimpin (β= 0.730, p<0.05) merupakan petunjuk atau peramal utama kecemerlangan sesebuah sekolah.

Dapatan kajian menunjukkan bahawa faktor-faktor yang menyumbang secara signifikan tahap Kualiti peribadi Pengetua Kanan ( Cemerlang )

iaitu Kreatif, Inovatif dan Komited(KIK) mempunyai kesan positif yang paling tinggi ke atas kecemerlangan sesebuah sekolah.

Dapatan kajian menunjukkan bahawa Berani Mengambil Risiko(BMR), Empati dan Simpati (EDS) dan Positif dan proaktif, agen

perubahan(PPAP) tidak menyumbang kepada Sekolah Cemerlang.

14


Jadual 6: Residual Statistics (a)

Minimum Maximum MeanStd.

Deviation NPredicted Value 2.983 4.869 4.414 0.358 1179Std. Predicted Value -4.002 1.274 0.000 1.000 1179Standard Error of Predicted Value 0.010 0.048 0.022 0.008 1179Adjusted Predicted Value 2.962 4.870 4.414 0.358 1179Residual -1.511 1.050 0.000 0.282 1179Std. Residual -5.342 3.713 0.000 0.997 1179Stud. Residual -5.355 3.738 0.000 1.002 1179Deleted Residual -1.519 1.065 0.000 0.285 1179Stud. Deleted Residual -5.420 3.759 0.000 1.003 1179Mahal. Distance 0.363 32.354 6.994 5.944 1179Cook's Distance 0.000 0.067 0.001 0.004 1179Centered Leverage Value 0.000 0.027 0.006 0.005 1179a Dependent Variable: SC

15


Jadual 7: Depedent Variable :Sekolah Cemerlang

16


17


Jadual 8: Depedent Variable :Sekolah Cemerlang

18

regresi (tugasan analisis data)

Documents