IPGM – Kampus Pendidikan Islam, Selangor

6 -9 Oktober 2009(Selasa - Jumaat)

KAKITANGAN BAHAGIAN PEMBANGUNAN DAN PENILAIAN KOMPETENSI KPM DAN PEGAWAI-

PEGAWAI JPN

Oleh:Dr. Ibrahim bin Mohamed Zin

ANALISIS DATA MENGGUNAKAN PERISIAN SPSS

APAKAH SPSS?

Singkatan kepada ”statistical package for social science”. Diguna pakai untuk menganalisis data dalam kajian sains sosial.

MULA SPSS

Buka dan tutup SPSS

- SPSS buka satu fail sahaja pada satu masa.- Apabila buka fail kedua, fail pertama automatik tertutup- Namakan fail apabila membuka fail baru (save)- Savekan sekerap mungkin apabila sedang memasukkan data kerana SPSS tidak

savekan untuk anda secara automatik apabila berlaku gangguan.

Variable view

a. buka butang variable view b. Name : id number untuk mengenal pasti setiap sampel / responden. c. Type : automaticd. Width : default adalah 8e. Decimal : boleh diubahf. Label : menamakan variable dengan nama sebenar – lebih panjangg.Values : menentukan makna nilai yang digunakan untuk memberi kod kepada variable. Contoh ’jantina’.

- klik dalam kotak ’value’- taip ’1’ dalam kotak value- taip ’lelaki’ dalam kotak value label- klik ’add’ dan ikut langkah yang sama bagi ’2’bagi perempuan’.- klik OK apabila selesai

h. Missing : boleh biarkan kosong atau sebarang angka yang lebih besar daripada skala yang diguna oleh variable. (9 atau 99)

i. Columns : biasanya 8, boleh kecilkan ikut nama variable.j. Measure : nominal, ordinal dan scale ikut jenis ukuran data.

Data view

buka butang data viewtaip ID sampeltaip masuk angka yang sesuai dengan kod yang telah diberikan dalam variable view

Kemahiran-kemahiran lain:

Delete case

2

Insert caseDelete variableInsert variableMove variableSort the data fileConverting Excel data files to SPSS format

PEMURNIAN DATA

a. Langkah pertama proses analisis data adalah meneroka ciri-ciri data.b. Data mungkin silap:

2.1 semasa dimasukkan (key-in) dalam spss atau 2.2 taburan yang tidak normal

c. Kesilapan dalam kemasukan data boleh diperbetulkan dan pembolehubah yang tidak normal mungkin boleh ditransform sebelum analisis lanjut.d. Data normal adalah prasyarat untuk analisis inferensi.

Ciri-ciri dataa. sampel seramai 30 orangb. item jenis dikotomi atau interval (skala likert 5 mata)c. beberapa item direkod ”negatif”d. pembolehubah: jantina, umur, lokasi, pengalaman....

Tugasan

a. Masukkan data dengan betulb. Semak dan bersihkan data yang telah dimasukkan:

- Analyze – deskriptive statistics – frequencies – pilih semua item – klik ke kotak variable (s) – statistics – minimum & maximum. OK

DATA TRANSFORMATION

Recode - untuk ‘recode’ item yang ditulis secara negatif

- Transform---recode---into same variable/ into different variable - select the item---move to the---variable box Click old and new value:

- in the old value ---type 1 in the value box- in the new value---tpe 5 in the value box (jika ada 5 skor)- click add- repeat the same procedure for the remaining score.- continue and click ok.

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

3

ANALISIS DATA DESKRIPTIF & INFERENSI

Jenis Data

a. Data nominal – Merujuk kategori (Contoh : jantina, kaum, warganegara, status)b. Data ordinal – Merujuk klasifikasi dan ranking (Contoh : tahap akademik, jumlah pendapatan)c. Data interval – nilai kosong yang tidak mutlak (Contoh : nilai angka kosong (0) dalam tahap suhu, IQ, minat) d. Data ratio – nilai kosong yang mutlak (Contoh : sukatan, meter, masa, kelajuan, berat)

Ujian Statistik

a. perisian program untuk memudahkan pengkaji/guru data menyimpan data, mengemaskini data, memproses data dan menganalisis datab. Fokus kepada data statistik atau merujuk angka c. Memenuhi ciri empirikal (kajian secara saintifik) untuk menentukan piawaian/standardd. Kepentingan SPSS merujuk kepada Perintah Analyze; antaranya:

i. Deskriptif – Frekuensi, peratus, min dan sisihan piawai, mod, median.ii. Pentafsiran Ujian-t (melihat perbezaan min satu atau 2 kumpulan)iii. Ujian ANOVA (melihat perbezaan lebih daripada 2 kumpulan secara

serentak)iv. Ujian korelasi (melihat hubung kait antara dua pemboleh ubah yang dikaji)

CONTOH ANALISIS STATISTIK DAN PELAPORAN

Pengenalan Menu SPSSFile – New, Open, Save, Save As, PrintEdit – Undo, Redo, Cut, Copy, Clear, FindView – Grid lines, Value Labels, VariablesData – Insert variable, insert cases, select casesTransform – Compute, RecodeAnalyze – deskriptive statistic, compare mean, data reduction, scaleGraphs – bar dll Utilities WindowsHelp

1. Analis is Deskriptif

1.1 Frekuensi dan Peratus1.2 Min, mod, median1.3 Grafik – graf, carta.

4

2. Analisis InferensiSebelum analisis dijalankan, pastikan Objektif, Soalan dan Hipotesis selari. Seperti berikut:

Objektif Kajian: Mengenal pasti perbezaan pencapaian BM dalam kalangan muridSoalan Kajian: Adakah terdapat perbezaan pencapaian BM dalam kalangan murid lelaki dan perempuan?Contoh Ho : Tidak terdapat perbezaan skor min BM yang signifikan berdasarkan jantina.

Contoh Ha: Terdapat perbezaan skor min BM yang signifikan berdasarkan jantina.

Biasanya, analisis inferensi memerlukan pengujian hipotesis. Dalam penyelidikan, ada dua hipotesis, sama ada Hipotesis nul (Ho) dan hipotesis penyelidikan (Ha).

Intepretasi nilai min

Nilai min Tahap0.00 – 1.66 Rendah1.67 – 3.33 Sederhana3.34 – 5.00 Tinggi

UJIAN-t

2.1 Ujian-t Satu Sampel1. pilih menu statistics2. klik compare means --- one-sample t-test3. pilih skor BM dan klik butang untuk gerakkannya ke kotak one sample klik ok4. Keputusan Ujian-t satu sampel:

N Mean Std. Deviation Std. Error Mean BM 30 71.63 8.269 1.510

Test Value =

75 t df Sig. (2-

tailed)Mean

Difference95% Confidence

Interval of the Difference

Lower Upper BM -2.230 29 .034 -3.37 -6.45 -.28

5

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

5. pilih menu statistics6. klik compare means --- paired-samples t-test7. pilih paired variables (skor BM dan skor Matematik) dan klik butang untuk

gerakkannya ke kotak paired variables8. klik ok9. Keputusan Ujian-t bersandar / paired t-test:

Paired Samples StatisticsMean N Std. Deviation Std. Error Mean

Pair 1 BM 71.63 30 8.269 1.510MATE 72.23 30 6.816 1.244

Paired Samples CorrelationsN Correlation Sig.

Pair 1 BM & MATE

30 .274 .142

Paired Samples TestPaired

Differences

t df Sig. (2-tailed)

Mean Std. Deviation

Std. Error Mean

95% Confidence Interval of

the Difference

Lower UpperPair 1 BM - MATE -.60 9.160 1.672 -4.02 2.82 -.359 29 .722

Pelaporan

Ujian-t berpasangan menunjukkan tiada perbezaan skor min BM dan skor min matematik yang signifikan. t(29,-0.359), p>0.05. Ini menunjukkan pencapaian BM dan matematik sampel secara statistik adalah sama. Ini menunjukkan hipotesis nul adalah diterima.

6

2.3 Ujian-t tidak bersandar / independent-samples t-test

1. pilih menu statistics2. klik compare means --- independent-samples t-test3. pilih test variable (skor BM) dan klik butang untuk gerakkannya ke kotak test

variables4. pilih group variable (jantina) dan klik butang untuk gerakkannya ke kotak

grouping variable5. klik define groups --- dalam kotak group 1 taip 1 untuk nilai bagi lelaki dan dalam

kotak group 2 taip 2 untuk nilai bagi perempuan.6. klik continue dan ok

Keputusan Ujian-t tidak bersandar:

Group StatisticsJANTINA N Mean Std. Deviation Std. Error Mean

BM lelaki 16 71.13 7.848 1.962perempuan 14 72.21 8.989 2.402

Independent Samples TestLevene's Test for

Equality of Variances

t-test for Equality

of Means

F Sig. t df Sig. (2-tailed)

Mean Difference

Std. Error

Difference

95% Confidence Interval of

the Difference

Lower UpperBM Equal

variances assumed

.276 .604 -.354 28 .726 -1.09 3.073 -7.384 5.205

Equal variances

not assumed

-.351 26.07 .728 -1.09 3.102 -7.464 5.285

PelaporanUjian-t tidak bersandar menunjukkan tiada perbezaan skor min BM yang signifikan berdasarkan jantina t(28, -0.354), p>0.05. Ini menunjukkan varian sampel secara statistik adalah sama. Dengan ini hipotesis nul adalah diterima.

2. 3 Analysis of Varians (ANOVA)

1. pilih menu statistics2. klik compare means --- One-Way ANOVA

7

3. pilih dependent variable (skor BM) dan klik butang untuk gerakkannya ke kotak dependent list

4. pilih independent variable (masa belajar) dan klik butang untuk gerakkannya ke kotak factor

5. klik options --- klik Descriptive dan Homogeneity-of-variance6. klik continue 7. Klik Post Hoc --- klik Tukey atau Scheffe8. Klik continue dan ok

Keputusan ANOVA:

DescriptivesBM

N Mean Std. Deviation

Std. Error 95% Confidence Interval for Mean

Minimum Maximum

Lower Bound

Upper Bound

sedikit 7 66.14 5.786 2.187 60.79 71.49 56 75sederhana 7 71.57 4.685 1.771 67.24 75.90 66 78

banyak 10 70.20 9.484 2.999 63.42 76.98 55 85sangat banyak

6 80.50 5.244 2.141 75.00 86.00 75 88

Total 30 71.63 8.269 1.510 68.55 74.72 55 88

Test of Homogeneity of VariancesBM

Levene Statistic df1 df2 Sig.2.476 3 26 .084

ANOVABM

Sum of Squares

df Mean Square

F Sig.

Between Groups

703.295 3 234.432 4.763 0.009

Within Groups

1279.671 26 49.218

Total 1982.967 29

Multiple ComparisonsDependent Variable: BM

Tukey HSD

Mean Difference (I-J)

Std. Error Sig. 95% Confidence Interval

(I) MASABEL

(J) MASABEL Lower Bound Upper Bound

8

sedikit sederhana -5.43 3.750 .482 -15.72 4.86banyak -4.06 3.457 .648 -13.54 5.43

sangat banyak -14.36* 3.903 .006 -25.06 -3.65sederhana sedikit 5.43 3.750 .482 -4.86 15.72

banyak 1.37 3.457 .978 -8.11 10.86sangat banyak -8.93 3.903 .127 -19.64 1.78

banyak sedikit 4.06 3.457 .648 -5.43 13.54sederhana -1.37 3.457 .978 -10.86 8.11

sangat banyak -10.30* 3.623 .040 -20.24 -.36sangat banyak

sedikit 14.36* 3.903 .006 3.65 25.06

sederhana 8.93 3.903 .127 -1.78 19.64banyak 10.30* 3.623 .040 .36 20.24

* The mean difference is significant at the .05 level.

PelaporanUjian ANOVA menunjukkan terdapat perbezaan skor min BM yang signifikan dalam kalangan murid mengikut tempoh masa belajar, dengan df (3, 26), p < 0.05. Dengan ini hipotesis nul adalah ditolak. Ujian post-hoc menunjukkan perbezaan ketara mengikut tempoh masa belajar adalah antara murid yang sangat banyak masa belajar dengan sedikit masa belajar (beza min 14.36).

2.4 Korelasi

1. pilih menu statistics2. klik correlate --- Bivariate3. pilih variables (skor BM dan matematik) dan klik butang untuk gerakkannya ke

kotak variables4. pilih pearson correlation dan two-tailed5. Klik ok

Keputusan Korelasi Pearson

CorrelationsBM MATE

BM Pearson Correlation 1 .274Sig. (2-tailed) . .142

N 30 30MATE Pearson Correlation .274 1

Sig. (2-tailed) .142 .N 30 30

Intepretasi Kekuatan hubungan:

Nilai hubungan Kekuatan hubungan< 0.20 Amat lemah0.21 – 0.40 Lemah0.41 – 0.60 Sederhana kuat0.61 – 0.80 Kuat0.81 – 1.00 Sangat kuat

9

PelaporanTidak terdapat korelasi / hubungan yang signifikan antara min skor BM dan Mate dengan nilai r = 0.274, p>0.05. Hipotesis nul adalah diterima. Ini menunjukkan tinggi skor BM tidak semestinya tinggi juga dalam skor Mate, begitu juga sebaliknya.

Ahmad menjalankan kajian ke atas murid kelasnya, dan data berikut telah dikumpul:

ID murid jantina pendapatan masa belajar skor bm skor m3 gred seni1 L 1005 35m 70 70 a 2 L 1245 195m 80 70 a 3 P 2789 210m 75 85 c 4 P 2135 140m 55 65 d 5 L 1897 180m 77 70 b 6 L 435 50m 75 65 b 7 L 1289 130m 67 73 b 8 P 879 200m 88 67 c 9 P 921 45m 65 76 d

10 L 1578 150m 68 80 a 11 P 1921 85m 70 60 a 12 L 456 225m 80 80 a 13 L 589 85m 85 70 a 14 P 721 95m 65 65 b 15 L 936 60m 67 70 b 16 P 1721 105m 78 67 c 17 P 1667 55m 65 76 b 18 L 500 60m 78 82 a

10

19 P 4521 100m 66 77 c 20 L 478 30m 56 62 d 21 L 1009 70m 60 70 b 22 L 932 110m 75 75 b 23 P 967 190m 85 85 c 24 L 3074 85m 67 73 c 25 P 3173 75m 68 67 a 26 P 350 240m 75 86 d 27 L 1010 90m 68 72 a 28 P 623 105m 76 67 a 29 L 831 40m 65 72 b 30 P 439 75m 80 70 c

ARAHAN:SILA ‘RECODE’ PEMBOLEH UBAH BERIKUT MELALUI PROSEDUR BERIKUT;1. Tukarkan pendapatan kepada kod seperti berikut: <Rm500 = 1 Sgt. rendah

RM501-RM1000 = 2 RendahRM1001-RM1500 = 3 SederhanaRM1501-RM2000 = 4 tinggi>RM2000 = 5 Sgt. tinggi

2. Tukarkan masa belajar kepada kod seperti berikut: 0 minit – 60 minit = 1 Malas61 minit – 120 minit = 2 Kurang 121 minit – 180 minit = 3 Rajin181 minit – 240 minit = 4 Sgt rajin

3. Tukarkan gred Seni seperti berikut: A = 4 B = 3C = 2D = 1

4. Purata markah sekolah : BM 75, Matematik 70Setelah semua data telah dimasukkan dalam Program SPSS, kemudian di recode, sila jalankan analisis, intepretasi output daripada SPSS serta sediakan laporan lengkap berdasarkan soalan-soalan berikut:

1. Melalui analisis deskriptif, nyatakan frekuensi, peratus serta geraf bar murid mengikut jantina.

2. Melalui analisis deskriptif, nyatakan min dan sisihan piawai, mod dan median bagi pemboleh ubah pendapatan, masa belajar, skor BM, skor Matematik dan gred Seni.

3. RQ: Apakah perbezaan markah antara mata pelajaran BM dan Matematik?. Ho: Tidak terdapat perbezaan signifikan antara min skor BM dan min skor Matematik (Ujian- bersandar / paired t-test)

4. RQ: Apakah perbezaan markah BM dan Matematik berdasarkan jantina murid? Ho: Tidak terdapat perbezaan signifikan antara markah BM dan Matematik berdasarkan jantina (Ujian-t tidak bersandar / independent sample t-test)

5. RQ: Apakah perbezaan markah BM dan markah Matematik berdasarkan kadar masa belajar murid?

11

Ho: Tidak terdapat perbezaan signifikan antara markah BM dan markah Matematik berdasarkan kadar masa belajar murid.(Analysis of Varians - ANOVA)

6. Apakah perbezaan markah BM dan markah Matematik berdasarkan pendapatan ibu bapa murid.

7. RQ: Apakah hubungan antara pencapaian BM dengan Matematik? Ho: Tidak terdapat hubungan signifikan antara pencapaian BM dengan Matematik(Korelasi Pearson)

8. Jalankan Ujian Korelasi Pearson bagi melihat hubungan antara pencapaian BM dan Matematik dengan Pendapatan dan masa belajar murid.

9. RQ: Apakah hubungan antara gred pencapaian Seni dengan Pendapatan dan masa belajar murid?Ho: Tidak terdapat perbezaan signifikan antara gred pencapaian Seni dengan Pendapatan dan masa belajar murid.(Korelasi Spearman)

12