ANALISIS DATA MENGGUNAKAN PERISIAN SPSS

DISAMPAIKAN OLEH: MUHAMMAD AMIRUL ABDULLAH KOLEJ KOMUNITI BANDAR DARULAMAN

“Allah memberikan Hikmat kebijaksanaan (ilmu yang berguna) kepada sesiapa yang dikehendakiNya (menurut aturan yang ditentukanNya) dan sesiapa yang diberikan hikmat itu maka sesungguhnya dia telah diberikan kebaikan yg banyak. Dan tiadalah yg dapat mengambil pengajaran (dan peringatan) melainkan orang2 yg menggunakan akal fikirannya.” (Maksud ayat 269, Surah Al-Baqarah). “Barangsiapa merintis jalan mencari ilmu maka Allah akan memudahkan baginya jalan ke syurga.” (HR.Muslim).

Jadual…

SPSS? Statistical Package for the Social Sciences Predictive Analytics SoftWare “SUKA PENYELIDIKAN SUKA STATISTIK”

REKA BENTUK KAJIAN

Kuantitatif

Kualitatif

Kajian Tinjauan (survey)

Kajian Korelasi

Ethnography

Kajian Kes

Eksperimen Benar

QuasiEksperimen

Phenomenology

Grounded Theory

Problem Statement Research Design/ Methodology Population & Sample Instrumentation Data Collection Data Analysis & Presentation Interpretation & Reporting

Kemahiran

Jenis data

Kajian

Perisian

Tujuan

Makluman

Rekod

Pemantauan

PERUBAHAN AMALAN

ANALISIS STATISTIK

Melibatkan pengumpulan maklumat (data), menganalisisnya, dan membuat keputusan yang bermakna. Sains membuat kesimpulan dari data.

MAKSUD STATISTIK

Koleksi prosedur mengumpul data bagi membuat keputusan Bidang pengajian yang melibatkan proses pengumpulan, analisis, persembahan, dan tafsir untuk membuat keputusan.

Satu cabang matematik yang menganalisis nombor untuk membuat keputusan.

Meringkaskan Data Memberi makna kepada data

Menerangkan data

Kegunaan Statistik

Statistical thinking will be a necessary tools to be an efficient citizen. Information developed through the use of statistics has enhanced our understanding of how life works, learn about each other, taking control of some social issues, and help to make decisions. (H.D. Wells)

Collect

Analyze

Present

Make informed decisions

Interpret

CABANG STATISTIK

Deskriptif

Inferensi

Statistik Deskriptif v Meringkas dan mempersembah data dengan menggunakan nombor. v Data sama ada dari pemboleh ubah kuantitatif (ketinggian, kecerdasan, berat) atau dari pemboleh ubah kategori (jantina, judul buku, jenis sekolah) v Data yang dikumpul diproses dan disusun dalam bentuk yang mudah dibaca dengan menggunakan pelbagai cara seperti graf, jadual, dan carta.

Markah ujian yang dikumpul Jantina Lelaki Perempuan

57 70 40 54

60 61 70 44

Markah 55 71 55 80 72 50 82 61 40 83 62 49

44 46 56 56

83 67 65 70

Bagaimana hendak memudahkan bacaan dan memberi makna kepada markah yang dikumpul?

Markah Jantina

N

Lelaki Perempuan

Minima

Maksima

Mean

Median

SP

14

44

83

62

60

12.0

14

40

83

59

59

13.8

Statistik Inferensi v Membuat inferens mengenai sesuatu populasi dengan berdasarkan data yang dikumpul dari satu kumpulan yang lebih kecil (sampel) v Sampel yang dipilih mempunyai ciri-ciri yang sama dengan populasi (representasi) v Menggunakan kaedah statistik yang mengambilkira faktor ralat dan perbezaan sampel dengan populasi

STATISTIK INFERENSI

Populasi

Sampel

Dapatan

Markah ujian yang dikumpul Jantina Lelaki Perempuan

57 70 40 54

60 61 70 44

Markah 55 71 55 80 72 50 82 61 40 83 62 49

44 46 56 56

Apakah interpretasi yang boleh dibuat berdasarkan kepada markah ujian sampel?

83 67 65 70

Pemilihan Ujian Statistik Soalan Kajian

Reka bentuk

Jenis data

Dapatan

Kesimpulan

Keputusan

VARIABLE? 5 JENIS: q Independent Variable ü Kesannya terhadap DV dikaji. Cth.Kaedah mengajar – Skor Pencapaian q Dependent Variable ü Variable yg kesannya dicerap akibat IV q Mediated Variable ü Menjelaskan ? Hubungan IV & DV berlaku(cth.umurpengalaman-skor, pengalaman sbg. MV)

Samb…jenis variable

q Moderator Variable ü Variable yg berinteraksi utk kekuatan hubungan antara IV & DV ü Cth.kekerapan menonton berita (DV) dipengaruhi oleh umur (IV) tetapi jantina boleh menguatkan hubungan ini di mana lelaki berumur lbh kerap menonton berita berbanding perempuan berumur. q Extraneous Variable ü Variable luaran selain IV yg mempengaruhi DV ü Cth.(samb.cth MV)…isu semasa mempengaruhi kekerapan menonton berita…tsunami, gempa bumi, dll.

IV vs DV Pemboleh ubah Bebas vs Pemboleh ubah Bersandar Contoh: Kaedah mengajar (IV) dimanipulasi dengan menjadikan dua kaedah berbeza (X dan Y) bagi melihat kesannya kepada skor (DV).

SKALA…No Oil In River • • • •

Nisbah (Ratio) Sela (Interval)

Ordinal

• • • •

Nombor menunjukkan kuantiti Jarak sekata antara nombor. Berat, tinggi, pendapatan Nilai sifar menunjukkan tiada

Nombor menunjukkan kuantiti/ magnitud Jarak sekata antara nombor. Suhu, markah ujian, IQ Nilai sifar arbitrari (tiada sifar mutlak)

• Pengkelasan mengikut pemeringkatan (tinggi àrendah) • Nombor menunjukkan kuantiti; jarak/selang tidak sekata • Kedudukan dalam kelas, penarafan, kemahiran bertutur,

ranking, SES, Pendapat (Setuju, Tak Pasti, Tidak Setuju)

Nominal

• Aras paling rendah • Angka tiada magnitud. Bertujuan untuk pengkelasan, pengenalan • Jantina, nombor KP, jenis sekolah, kod buku

PEMILIHAN UJIAN STATISTIK

Parametrik Sela & Nisbah Bukan Parametrik

Jenis Ujian Statistik

Nominal & Ordinal

Bukan Parametrik

JENIS DATA TUJUAN Parametrik

Bukan Parametrik

Menerangkan satu kumpulan

Mean, SD

Median, interquartile range

Perbandingan satu kumpulan menggunakan satu nilai

One-sample T- test

Wilcoxon test

Membandingkan dua kumpulan berbeza

Independent T- test

Mann-Whitney test

Membanding dua kumpulan berpasangan

Paired T-test

Wilcoxon test

JENIS DATA TUJUAN Parametrik Membandingkan tiga atau lebih kumpulan berbeza

Korelasi dua variabel

Meramal nilai dari variabel lain yang diukur (Predict value from another measured variable)

One-way ANOVA

Pearson correlation

Simple linear regression or Nonlinear regression

Meramal nilai dari beberapa variabel lain yang diukur Multiple linear regression* or (Predict value from several Multiple nonlinear regression** measured or binomial variables)

Bukan Parametrik Kruskal-Wallis test Spearman correlation

Nonparametric regression**

Perbezaan min IV -Data diskret (Nominal / Ordinal)

DV -Data continuous (Interval / ratio)

1 (cth. Lelaki/perempuan)

1 (cth. Pencapaian)

Ujian-t

1 (cth. Melayu/Cina/India)

1

Anova Satu Hala

2 (cth. Bangsa & Jantina)

1

ANOVA Dua Hala

1@>

2@>

MANOVA

Jenis Ujian

PENGUJIAN HIPOTESIS? • • • •

Hipotesis = andaian kajian yg akan diuji Jenis Hipotesis = HA & Ho Ho = Min Sampel Tidak Berbeza Dari Min Populasi Pengiraan dan perbandingan t obtain dan t kritikal – T obtain > t kritikal (alfa=0.05), maka wujud perbezaan yg signifikan kedua-dua min skor sampel dan min populasi

• Why Null? “It is difficult to prove something to be TRUE, but is much easier to prove something to be NOT TRUE.”

SOALAN KAJIAN à PERLU/TIDAK PENGUJIAN HIPOTESIS 5 LANGKAH PENGUJIAN HIPOTESIS: ü ü ü ü ü

Nyatakan Ho & Ha Setkan darjah keyakinan/alfa (kajian sains sosial=.05) Laporkan ujian statistik & kesignifikanan Membuat keputusan (terima / gagal) Kesimpulan

RALAT: Ho BETUL

Ho SALAH

TOLAK Ho

RALAT JENIS I

KEPUTUSAN TEPAT

GAGAL TOLAK Ho

KEPUTUSAN TEPAT

RALAT JENIS II

Tolak Ho

= Terdapat perbezaan/hubungan yg signifikan

Gagal tolak Ho

= Tidak terdapat perbezaan/hubungan yg signifikan

Bagaimana hendak menganalisis data?

Manual

Perisian Analisis Data

Statistical Package for the Social Sciences

SPSS

Mengenali SPSS • • • •

Starting SPSS Opening an Existing Data File Starting a New Data File Defining & Procedure for Defining the Variables – Name, Type, Width, Decimals, label, Value, Missing, Align, Measure

• Procedure for Entering Data

Latihan 1 • Menyediakan ‘template’. • Memasukkan data.

Screening & Cleaning The Data • Step 1: Checking for Error • Step 2: Finding the Error in Data File • Step 3: Correcting the Data Error in Data File

Manipulating the Data • Calculating Total Scale Score (summated) • Collapsing a Continuous Variable Into Group (compute, recode)

Latihan 2 • • • • •

Checking for Error Finding the Error in Data File Correcting the Data Error in Data File Calculating Total Scale Score (summated) Collapsing a Continuous Variable Into Group (compute, recode)

MENGHASIL OUTPUT 1. Frekuensi 2. Crosstab 3. Peratus 4. Min 5. Korelasi

1. Mencari bilangan jawatan guru

1. Mencari bilangan jenis jawatan guru dan graf

ANALISIS SERENTAK BEBERAPA VARIABEL Contoh: • Jawatan, jantina Pengetua, dan kelayakan akademik

Crosstab Memudahkan analisis beberapa varibel dalam satu jadual

Latihan 3 • Menyediakan jadual, graf, carta, dan crosstab. • Selamat MENCUBA….

Normality & Linearity • AnalyzeàDes.StatisticsàExplore – Klik ‘totalkjer’àDependent List box – Label cases byàput your ID variables – Displayà’Both’ is selected – Statisticsàclick descriptive & outliers, click continue – Plotsàclick on Histogram, Normality plots with tests, continue – Optionàin the missing values, click on Exclude cases pairwise. Continue & OK.

Ø Skewness - pencongan graf normal samada ke kanan (+) atau ke kiri (-). Ø Kurtosis – keadaan samada puncak graf kuncup/kurus (-) atau lebar (+) berbanding puncak graf normal. Ø Nilai skewness & kurtosis data normal = 0. Ø Julat normal: ± 1.7 ,ada pendapat kata : ± 2.0 Ø Test of NormalityàKolmogorov-Smirnov…non-sig.=normal Ø Big samples=Central Limit Theorem Ø CLT menyatakan bahawa, “mean of sampling distribution of the mean is equal to the population mean. That tells you that repeated sampling will, over the long run, produce the correct mean.” [mean of sampling mean = mean population].

Normal Q-Q plot

Boxplot

• With reasonably large samples, skewness will not ‘make a substantive difference in the analysis’ (Tabachnick & Fidell 2007, p. 80). Kurtosis can result in an underestimate of the variance, but this risk is also reduced with a large sample (200+ cases: see Tabachnick & Fidell 2007, p. 80). While there are tests that you can use to evaluate skewness and kurtosis values, these are too sensitive with large samples. Tabachnick and Fidell (2007, p. 81) recommend inspecting the shape of the distribution (e.g. using a histogram). • Skewness and kurtosis value giving information about the distribution of scores for the two groups. In the table labelled Tests of Normality, you are given the results of the KolmogorovSmirnov (and Shapiro-Wilk) statistic. This assesses the normality of the distribution of scores. A non-significant result (Sig. value of more than .05) indicates normality. In case, the Sig. value is .000, suggesting violation of the assumption of normality. This is quite common in larger samples. (Pallant, 2011).

Kesahan & Kebolehpercayaan

Kesahan • Merujuk kpd sejauhmana sst.alat ukur dpt. Memberikan ukuran terhadap apa yg patut diukur (Tuckman, 1978; Mohd Majid, 1990; Anastasi&Urbina 1997). • Darjah ketepatan ujian/alat ukur tersebut mengukur perkara atau kualiti yg diukur oleh ujian tersebut (Anastasi, 1990 dlm Mohamad Sahari, 2008). • Cth.: Alat penimbang sah untuk mengukur berat badan, TETAPI kurang sah untuk mengukur darjah kesihatan seseorang. • Sesuatu alat yg berupaya mengukur dengan tepat sst pembolehubah yg ditetapkan adalah dianggap SAH sbg alat pengukur bg pembolehubah tersebut.

Jenis Kesahan • Kesahan Muka (Face validity) – bahasa, ejaan, kejelasan, kurang saintifik & boleh disemak oleh org bukan pakar bidang • Kesahan Kandungan (Content validity) – sejauh mana alat ukur itu mewakili bidang/kandungan yg diukur. MESTI disahkan oleh pakar bidang. • Kesahan Kriteria (Criterion validity) – Terbahagi kpd 2: i. Kesahan serentak (concurrent); ii. Kesahan Jangkaan (Predictive) – K.serentak- kesetaraan…skor instrumen yg dibina setara/hampir setara dgn instrumen org lain. Cth.,Soalan Matematik pada tahun 2007 (Lembaga Pep.) dgn soalan Matematik yg dibina pada 2012 (menguji topik yg sama) – menunjukkan keputusan yg tidak jauh berbeza apabila diuji utk tempoh masa yg dekat. – K.Jangkaan – dpt.menjangka keputusan akan datang (3-6 bulan). Lazim utk ujian penyaringan. Cth. IMSAK di IPG). • “the ability of a survey instrument to forecast future events, behaviours, attitudes, or outcome.” (Litwin 1995)

• Kesahan Gagasan (Construct validity) – Item yg menguji konstruk yang sama, skor ujian adalah ‘correlated’; tetapi jika mengukur konstruk yang berlainan akan mencatatkan korelasi yg rendah – Ringkasnya, item yg mewakili sesuatu konstruk perlu mempunyai ciri sepunya!

Kebolehpercayaan Ø kestabilan & ketekalan/konsistensi sst alat/instrumen mengukur sst konsep, pd bila2 masa, dlm apa jua keadaan. Ø Memberi skor yg sama walau diukur berulang kali “…reliability does’nt ensure validity…” (Hair et al., 1995)

Konsep kebolehpercayaan •

Researchers must demonstrate instruments are reliable since without reliability, research results using the instrument are not replicable, and replicability is fundamental to the scientific method. Reliability is the correlation of an item, scale, or instrument with a hypothetical one which truly measures what it is supposed to. Since the true instrument is not available, reliability is estimated in one of four ways: • • •

•

Internal consistency: Estimation based on the correlation among the variables comprising the set (typically, Cronbach's alpha, KR-20) Split-half reliability: Estimation based on the correlation of two equivalent forms of the scale (typically, the Spearman-Brown coefficient) Test-retest reliability: Estimation based on the correlation between two (or more) administrations of the same item, scale, or instrument for different times, locations, or populations, when the two administrations do not differ on other relevant variables (typically, the Spearman Brown coefficient) Inter-rater reliability: Estimation based on the correlation of scores between/among two or more raters who rate the same item, scale, or instrument

Nilai kebolehpercayaan • Cronbach (1946): – 0.8

: rendah : diterima : baik

• DeVellis (2003), >0.7

Nunnally and Bernstein (1994) provided guidance in the interpretation of the reliability coefficient by stating that a value of .70 is sufficient for early stages of research, but that basic research should require test scores to have a reliability coefficient of .80 or higher. When important decisions are to be made with test scores, a reliability coefficient of .90 is the minimum with .95 or higher a desirable standard. (Nunnally, J.C. & Bernstein, I.H. (1994). Psychometric Theory (3 Edition)). rd

Nilai Koefisien α

Interpretasi

> 0.9

Excellent

> 0.8

Good

> 0.7

Acceptable

> 0.6

Questionable

> 0.5

Poor

< 0.5

Unacceptable

George, D., & Mallery, P. (2003). SPSS for Windows step by step: A simple guide and reference. 11.0 update (4th ed.). Boston: Allyn & Bacon.

Nilai Koefisien α .90 and up

Interpretasi Excellent

.80 - .89

Good

.70 - .79

Adequate

below .70

May have limited applicability

U.S. Department of Labor Employment and Training Administration 1999

Procedure for checking the reliability of a scale: 1. From the menu at the top of the screen, click on Analyze, select Scale, then Reliability Analysis. 2. Click on all of the individual items that make up the scale (e.g. item1, item2, item3, item4, item5). Move these into the box marked Items. 3. In the Model section, make sure Alpha is selected. 4. In the Scale label box, type in the name of the scale or subscale (Life Satisfaction). 5. Click on the Statistics button. In the Descriptives for section, select Item, Scale, and Scale if item deleted. In the Inter-Item section, click on Correlations. In the Summaries section, click on Correlations. 6. Click on Continue and then OK

Apa yg perlu dilaporkan? • Corrected item-total correlation (CITC) • Alpha if item deleted, dan • Alpha

Jadual 1.1 Nilai korelasi item dengan jumlah skor Konstruk ‘Kestabilan Jasmani, Emosi Dan Rohani’ dan antara item

• Jadual 1.1 menunjukkan semua item dalam konstruk ‘Kestabilan Jasmani, Emosi dan Rohani’ berkorelasi positif yang kukuh dan signifikan dengan jumlah skor konstruk ‘Kestabilan jasmani, Emosi dan Rohani’. Korelasi yang paling kuat adalah item b03 (0.846), diikuti dengan item b4 (0.840), item b05 (0.800), item b02 (0.742), dan item b01 (0.736).Julat korelasi antara item dengan jumlah skor konstruk ‘Kestabilan Jasmani, Emosi dan Rohani’ adalah antara 0.386 hingga 0.846. Didapati juga nilai korelasi antara item menunjukkan semua item berkorelasi secara positif dan adalah signifikan pada aras 0.01. Nilai positif antara konstruk dalam matriks korelasi antara item juga menunjukkan bahawa item-item dalam konstruk-konstruk tersebut mengukur ciri struktur yang serupa.

• Secara keseluruhan, apabila konstruk KJER dianalisis untuk menentukan nilai kebolehpercayaan pekali Cronbach Alpha didapati bahawa nilainya adalah 0.845, iaitu suatu nilai kebolehpercayaan ketekalan dalaman yang tinggi dan baik. Jadual 2.2 menunjukkan bahawa nilai korelasi item yang diperbetulkan kepada jumlah skor adalah dalam julat 0.543 hingga 0.749. Nilai korelasi item yang diperbetulkan kepada jumlah skor adalah petunjuk tentang darjah korelasi setiap skala kepada jumlah skor. Dalam kajian ini, didapati nisbah ini adalah besar daripada 0.3. Ini menunjukkan bahawa konstruk yang diukur adalah mempunyai korelasi yang baik dengan jumlah skor. Nilai korelasi antara item adalah antara 0.386 hingga 0.846. Ini menunjukkan korelasi yang kuat antara item yang terdapat dalam konstruk KJER yang digunakan dalam instrumen ini. Korelasi antara item bagi setiap item adalah positif.

Latihan 4 • Laporkan kesahan dan kebolehpercayaan konstruk ‘Menepati Masa’ dalam instrumen KKPK.

STATISTICAL TECHNIQUES TO COMPARE GROUPS • t-Test • One-Way Analysis of Variance (ANOVA) • Two-Way ANOVA

t-Test • 2 jenis : i. Sampel tak bersandar (jantina); ii. Sampel bersandar (pre-post test) i. Ujian-t Sampel tak bersandar • Tujuan: Membandingkan 2 kumpulan (cth. Jantina) dengan DV yang berskala interval • Andaian: m/s 25 • Soalan Kajian: Adakah terdapat perbezaan yang signifikan tahap kualiti peribadi pengetua kanan bagi konstruk ‘kestabilan jasmani, emosi dan rohani berdasarkan jantina? • Hipotesis: Ho: Tidak terdapat perbezaan yang signifikan tahap kualiti peribadi pengetua kanan bagi konstruk KJER berdasarkan jantina. • Langkah2 SPSS: Click Analyze > Compare Means > Independent-Samples T Test

Penulisan Laporan: Jadual 2 menunjukkan keputusan ujian-t bagi konstruk ‘kestabilan jasmani, emosi dan rohani’. Keputusan ujian-t bagi sub-konstruk ‘kestabilan jasmani, emosi dan rohani’ mendapati bahawa tidak terdapat perbezaan yang signifikan bagi sub-konstruk tersebut (t=0.593; p>0.05). Tahap ‘kestabilan jasmani, emosi dan rohani’ pengetua lelaki (M=4.145, SP=0.630) adalah sama dengan pengetua perempuan (M=4.167, SP=0.642).

Latihan 5 Soalan: Adakah terdapat perbezaan yang signifikan tahap kualiti peribadi pengetua kanan bagi konstruk ‘Kemahiran Berkomunikasi’ berdasarkan jantina? Tuliskan hipotesis kajian dan hipotesi null anda. Laporkan hasil analisis menggunakan jadual yang bersesuaian dan buatkan rumusan dapatan anda.

ONE-WAY ANOVA • Tujuan: Mengenal pasti sama ada terdapat perbezaan skor min yang signifikan pada 1 DV (berskala interval) yang melibatkan 3 atau lebih kumpulan. – ANOVA Satu Hala akan menunjukkan sama ada terdapat perbezaan yang signifikan dalam skor min pembolehubah bersandar (dependent variable) merentasi 3 kumpulan responden yang dikaji. Ujian Post-hoc pula digunakan untuk mengenalpasti kumpulan manakah yang berbeza. • Andaian: sama seperti t-test, m/s 25

• Contoh Soalan Kajian: Adakah terdapat perbezaan yang signifikan tahap kualiti peribadi pengetua kanan berdasarkan persepsi guru berdasarkan pengalaman mengajar guru? • Hipotesis: Ho : µ1 = µ2 = µ3 Ho : Tidak terdapat perbezaan yang signifikan skor min tahap kualiti peribadi pengetua kanan berdasarkan persepsi guru mengikut pengalaman mengajar guru.

Spss… • 1. From the menu at the top of the screen, click on Analyze, then select Compare Means, then One-way ANOVA. • 2. Click on your dependent (continuous) variable (e.g. Total Kualiti Peribadi: tottkpribadi). Move this into the box marked Dependent List by clicking on the arrow button. • 3. Click on your independent, categorical variable (e.g. 3 kumpulan pengalaman mengajar: pengmjar3). Move this into the box labelled Factor. • 4. Click the Options button and click on Descriptive, Homogeneity of variance test, Brown-Forsythe, Welch and Means Plot. • 5. For Missing values, make sure there is a dot in the option marked Exclude cases analysis by analysis. Click on Continue. • 6. Click on the button marked Post Hoc. Click on Tukey. • 7. Click on Continue and then OK

• Dalam Post Hoc, nak guna Tukey atau Scheffe? Lazimnya, Scheffe digunakan bagi N tiga atau lebih kumpulan berbeza, manakala Tukey memerlukan N bagi setiap kumpulan adalah sama! • Keputusan Post Hoc wajib dilihat dan dilaporkan hanya sekiranya ujian Anova didapati terdapat perbezaan yang signifikan (lihat Sig.), Jika nilai Sig. melebihi had yang ditetapkan oleh pengkaji (cth. p