BUKU ANALISIS DATA PENYELIDIKAN

Bab 9 : Ujian-T

b) Perbandingan min faktor lokasi sekolah (bandar dan luar bandar) dengan tahap efikasi
guru.

Group Statistics

Efikasi Guru Lokasi Sekolah N Mean Std. Deviation Std. Error
Bandar 176 3,665128 ,4804306 Mean

Luar Bandar 265 3,654481 ,4756754 ,0362138

,0292205

Independent Samples Test

Levene's Test for t-test for Equality of Means
Equality of Variances

95% Confidence

Interval of the

Mean Std. Error Difference

F Sig. t df Sig. (2-tailed) Difference Difference Lower Upper
,068 ,794 ,229
Efikasi GuruEqual variances 439 ,819 ,010647 ,0464390-,0806237 ,1019172
assumed
,229 372,412 ,819 ,010647 ,0465326-,0808528 ,1021462
Equal variances
not assumed

Bagi ujian yang kedua ini, kita dapati nilai Sig bagi ujian Levene ialah 0.794. Nilai ini lebih
besar daripada 0.05. Ini bermaksud varian bagi kedua-dua kumpulan bandar dan luar bandar
adalah sama. Jika varian sama, maka dua kumpulan min ini berada dalam populasi yang sama.
Oleh itu ujian-t boleh dilakukan.

Apabila diuji menggunakan ujian-t, didapati nilai Sig yang diperolehi ialah 0.819. Nilai ini
lebih besar berbanding nilai 0.05. Jika nilai Sig lebih besar daripada 0.05, itu bermaksud nilai min
antara dua kumpulan yang diuji adalah sama atau tidak terdapat perbezaan. Oleh itu kita boleh
buat rumusa bahawa tidak terdapat perbezaan efikasi antara guru-guru di sekolah bandar dan luar
bandar. Dalam pelaporan, jadual seperti di bawah digunakan.

JADUAL 9.8 : Ujian-t faktor lokasi dengan efikasi

Lokasi N min sp dk t sig
Bandar 0.82
Luar Bandar 176 3.67 0.48 439 0.23
p>0.05
265 3.65 0.48

125

Bab 9 : Ujian-T

c) Perbandingan min faktor jantina guru (lelaki dan perempuan) dengan tahap efikasi

Group Statistics

Efikasi Guru Jantina Responden N Mean Std. Deviation Std. Error
Lelaki 183 3,659495 ,4678278 Mean

Perempuan 258 3,658188 ,4844094 ,0345828

,0301580

Independent Samples Test

Levene's Test for t-test for Equality of Means
Equality of Variances
95% Confidence
F Sig. Interval of the
,464
Mean Std. Error Difference
t df Sig. (2-tailedD) ifferenceDifference Lower Upper

Efikasi GurEuqual variances ,537 ,028 439 ,977 ,001307 ,0461586-,0894128,0920259
assumed

Equal variances ,028 400,175 ,977 ,001307 ,0458855-,0889002,0915133
not assumed

Nilai Sig bagi ujian Levene untuk pengujian yang ketiga ini ialah 0.46. Oleh itu boleh
dirumuskan bahawa kedua-dua kumpulan jantina lelaki dan perempuan yang akan dibandingkan
berada dalam populasi yang sama. Oleh itu ujian-t boleh dijalankan.

Ujian-t yang dijalankan menunjukkan nilai Sig ialah 0.977. Nilai ini lebih besar berbanding
nilai 0.05. Oleh itu boleh dirumuskan bahawa tidak terdapat perbezaan yang signifikan antara min
efikasi guru lelaki dan min efikasi guru perempuan. Jadual dalam pelaporan adalah seperti di
bawah

JADUAL 9.9 : Ujian-t faktor jantina dengan efikasi

Jantina N min sp dk t sig

Lelaki 183 3.66 0.47 439 0.03 0.98

Perempuan 258 3.66 0.48

p>0.05

d) Perbandingan min faktor jantina pengetua (lelaki dan perempuan) dengan tahap efikasi

Group Statistics

Efikasi Guru Jantina Pengetua N Mean Std. Deviation Std. Error
Lelaki 236 3,656250 ,4511547 Mean

Perempuan 205 3,661585 ,5063505 ,0293677

,0353651

126

Bab 9 : Ujian-T

Independent Samples Test

Levene's Test for t-test for Equality of Means
Equality of Variances

F Sig. t 95% Confidence
Efikasi GuEruqual variances ,219 -,117 Interval of the

assumed 1,517 Mean Std. Error Difference
df Sig. (2-tailedD)ifferenceDifference Lower Upper

439 ,907 -,005335,045598-3,0949535,0842827

Equal variances -,116 412,203 ,908 -,005335,045969-0,0956982,0850275
not assumed

Contoh dapatan untuk perbandingan efikasi guru mengikut faktor jantina pengetua juga
adalah sama. Cara membuat interpretasi dan membuat jadual pelaporan adalah sama seperti kes
(b) dan (c) di atas.

Semua contoh yang ditunjukkan di atas adalah melibatkan ujian-t bagi sampel bebas
(independent sample). Selain ujian-t sampel bebas, perbandingan min melalui ujian-t sampel
berpasangan (paired sample) juga boleh dilakukan. Ujian-t berpasangan dijalankan untuk
membandingkan dua min daripada dua kumpulan terhadap pembolehubah yang tak bersandar.

Dalam kajian efikasi guru tersebut, kita boleh membuat perbandingan antara min efikasi kendiri
dan min efikasi mengajar. Jadul output di bawah menunjukkan perbandingan antara dua min
tersebut.

Paired Samples Statistics

Mean N Std. Deviation Std. Error
441 ,5534559 Mean
Pair Efikasi Kendiri 3,806752
441 ,7242389 ,0263550
1 Efikasi Mengajar 3,468416
,0344876

Paired Samples Test

Paired Differences

95% Confidence

Interval of the

Std. Error Difference

Mean Std. Deviation Mean Lower Upper t df Sig. (2-tailed)
8,445 440 ,000
Pair Efikasi Kendiri - ,8413233 ,0400630 ,259598 ,417075
1 Efikasi Mengajar ,338336

127

Bab 9 : Ujian-T

Jadual output yang dihasilkan menunjukkan min bagi pembolehubah efikasi kendiri ialah
3.81, manakala min bagi pembolehubah efikasi mengajar ialah 3.47. Nilai t yang diperolehi ialah
8.445 dan nilai Sig pula 0.00. Nilai ini lebih kecil daripada 0.01, oleh itu terdapat perbezaan yang
signifikan antara kedua-dua min yang diuji pada paras keyakinan 99 peratus. Maka boleh dibuat
kesimpulan bahawa efikasi kendiri mengajar adalah lebih tinggi berbanding efikasi mengajar.
Jadual untuk pelaporan adalah seperti berikut;

JADUAL 9.10 : Perbandingan Min Efikasi Mengajar dan Efikasi Kendiri

Pembolehubah N min sp dk t sig

Efikasi Kendiri 441 3.81 0.55 440 8.445 0.00**

Efikasi mengajar 441 3.47 0.72

**p<0.01

Kajian yang dijadikan contoh perbincangan ini hanya melibatkan kajian untuk mengukur
tahap efikasi guru-guru di negeri Terengganu. Instrumen yang digunakan ialah Teaching Eficacy
Scale (TES) yang dibina oleh Gibson dan Dembo (1984). Sekiranya kajian menggunakan instrumen
yang sama pernah dilakukakan diperingkat kebangsaan, kita boleh membuat ujian untuk
membandingkan min efikasi guru-guru Terengganu dengan min efikasi guru-guru peringkat
kebangsaan. Perbandingan ini kita kenali sebagai ujian-t satu sample (one sample t test). Ujian-t
satu sampel digunakan untuk membanding sesuatu kumpulan min dengan min lain atau min
populasi yang diketahui nilainya. Dalam kes ini katakan kita tahu min efikasi guru-guru peringkat
kebangsaan ialah 3.37.

Untuk membuat ujian-t satu sampel, ikuti langkah-langkah seperti yang diterang sebelum ini.
Jadual di bawah menunjukkan contoh output yang dihasilkan.

One-Sample Statistics

Efikasi Guru N Mean Std. Deviation Std. Error
441 3,658730 ,4770622 Mean

,0227172

One-Sample Test
Test Value = 3.37

Mean 95% Confidence
Difference Interval of the
Difference
,288730
Efikasi Guru t df Sig. (2-tailed) Lower Upper
12,710 440 ,000 ,244082 ,333378

128

Bab 9 : Ujian-T

Jadual output yang dihasilkan menunjukkan min guru-guru Terengganu ialah 3.67 manakala min
efikasi guru-guru peringkat kebangsaan yang diuji ialah 3.37. perbezaan min ialah 0.29. Nilai Sig
yang diperolehi ialah 0.00 iaitu lebih kecil berbanding 0.01. Ujian menunjukkan terdapat
perbezaan yang signifikan antara min efikasi guru Terengganu berbanding min efikasi guru
Kebangsaan pada paras keyakinan 99 peratus. Maka dapat dirumuskan bahawa tahap efikasi guru-
guru Terengganu lebih tinggi berbanding tahap efikasi guru-guru peringkat kebangsaan (ini hanya
ilustrasi sahaja).
Jadual untuk pelaporan boleh dibina seperti di bawah;

JADUAL 9.11 : Perbandingan Min Efikasi Terengganu dan Kebangsaan
Nilai Diuji (Efikasi Guru Kebangsaan) = 3.37

N min sp dk t Sig. (2-tailed)
Efikasi Guru 441 3.66 0.48 440 12,710 ,000**
**P<0.01

129

Bab 10: ANOVA

BAB 10

ANOVA

Dalam satu bengkel penyelidikan, sekumpulan guru sedang sibuk menganalisis data kajian.
Kumpulan guru ini adalah pasukan petugas penyelidikan pendidikan peringkat daerah. Di bawah
program penyelidikan Jabatan pelajaran Terengganu, setiap daerah akan membentuk satu
pasukan petugas penyelidikan yang terdiri daripada lima orang guru sekolah dan dua orang
pegawai Pejabat Pelajaran Daerah. Setiap tahun mereka akan mengendalikan sekurang-kurangnya
satu penyelidikan konvensional untuk diterbitkan dalam Jurnal Penyelidikan Pendidikan
Terengganu. Saya adalah salah seorang editor jurnal tersebut.

Riuh rendah kumpulan guru ini berbincang tentang data yang sedang dianalisis. Keadaan
jadi riuh apabila mereka berbincang hendak guna statistik yang mana, kenapa, macam mana nak
analisis guna SPSS, macam mana nak baca dan lain-lain. Macam-macam pengalaman dikumpulkan
sepanjang lima tahun mengendalikan pasukan-pasukan penyelidikan ini. Sebahagiannya menjadi
nostalgia yang sangat bermakna dalam kehidupan.

Salah satu topik hangat yang sedang dibincangkan oleh kumpulan ini ialah tentang
ANOVA. Mereka sedang ‘berbalah’ kenapa nak guna ANOVA, bagaimana nak guna, nak baca
macam mana dan sebagainya.

Sambil berjalan-jalan, saya menghampiri kumpulan ini. Dengan selamba, bersahaja dan
tidak bermaksud apa-apa saya bertanya mereka, ANOVA tu apa? Mereka semua tercengang-
cengang dan tidak dapat menjawab soalan saya. Salah seorang membuat lawak sambil berkata,
kereta kut (merujuk kepada kenderaan MPV Toyota Inova).

Saya ceritakan pengalaman ini sebagai penegasan bahawa ramai pelajar dan penyelidik
permulaan yang masih tidak tahu maksud ANOVA. Kebanyakan mereka menyebut ANOVA kerana
mendengar orang menyebut. Kebanyakan mereka menggunakan ANOVA untuk analisis data
kerana orang sebelumnya telah guna. Ramai juga guru dan pelajar yang membaca kajian-kajian
yang lepas. Apabila mereka jumpa kajian yang menggunakan ANOVA untuk analisis data, dalam
masa yang sama kajian tersebut hampir sama dengan kajian yang sedang mereka kendalikan,
mereka turut guna ANOVA untuk analisis data kajian mereka. Padahal mereka tidak tahu pun
maksud ANOVA, apatah lagi fungsi penggunaannya.

ANOVA adalah analisis varians (analysis of variance). ANOVA dijalankan untuk menguji
dan membandingkan sama ada terdapat perbezaan yang signifikan bagi satu faktor yang
mempunyai lebih dua min. Contoh-contoh situasi yang boleh diuji menggunakan ujian ANOVA
seperti;

i) Untuk menguji adakah terdapat perbezaan yang signifikan antara tahap motivasi guru
mengikut faktor bidang pengajaran iaitu bahasa, sains & matematik, kemanusian dan
votek.

ii) Untuk melihat adakah terdapat perbezaan yang signifikan antara pencapaian peperiksaan
mengikut faktor bangsa iaitu Melayu, China dan India.

iii) Untuk melihat adakah terdapat perbezaan yang signifikan antara tahap kepemimpinan
pengetua mengikut kumpulan umur tertentu. Kumpulan umur tersebut mestilah ada tiga
atau lebih kategori.

130

Bab 10: ANOVA

Syarat-syarat untuk membolehkan pengujian menggunakan ANOVA dilakukan adalah seperti
berikut;

i) Mesti ada tiga atau lebih min daripada satu faktor yang hendak diuji. Contohnya min
bahasa, min sains & matematik, min kemanusian dan min votek bagi faktor bidang
pengajaran. Contoh lain seperti min Melayu, min China dan min India bagi faktor bangsa.

ii) Min yang hendak diuji sekurang-kurangnya berada pada skala sela contohnya markah
peperiksaan, tahap kepemimpinan, tahap motivasi dan tahap kepuasan kerja.

iii) Taburan data adalah normal.

iv) Data mempunyai varians yang sama. Ini untuk mengesahkan bahawa semua kumpulan
yang dibandingkan berasal daripada populasi yang sama.

Jika pengujian menggunakan ujian-t tidak dapat lari daripada Levene Test, Ujian ANOVA juga perlu
dibuat ujian Levene untuk mengesahkan sama ada kumpulan-kumpulan yang dibandingkan
tersebut berada dalam populasi yang sama atau tidak. Selain Ujian Levene, pengujian
menggunakan ANOVA juga perlu disusuli dengan Post Hoc Test.

Ujian ANOVA hanya memberi maklumat sama ada terdapat perbezaan yang signifikan
atau tidak terdapat perbezaan yang signifikan antara kumpulan min yang dibandingkan. Sekiranya
terdapat perbezaan, ANOVA tidak memaklumkan min kumpulan yang mana lebih tinggi dan min
kumpulan mana yang lebih rendah. Untuk menentukan min kumpulan mana lebih tinggi dan
rendah ujian Post Hoc perlu dijalan. Item statistik yang biasa digunakan untuk membuat ujian Post
Hoc ialah Tukey HSD.

Walaupun dikatakan ujian Post Hoc perlu dijalankan selepas ujian ANOVA dilakukan,
namun dua proses tersebut boleh dijalankan serentak menggunakan perisian SPSS. Penyelidik
hanya perlu klik sahaja pada ujian Post Hoc sebelum membuat analisis menggunakan ANOVA. Jika
pengujian menggunakan ANOVA menunjukkan terdapat perbezaan yang signifikan, maka hasil
ujian Post Hoc akan digunakan. Jika ujian ANOVA tidak menunjukkan perbezaan yang signifikan,
abaikan sahaja ujian Post Hoc. Begitu juga dengan ujian Levene. Walaupun dikatakan perlu
dijalankan sebelum membuat pengujian menggunakan ujian ANOVA, namun kedua-duanya boleh
dilakukan serentak.

Konsep Hala Dalam ANOVA

Sebagaimana yang dibincangkan sebelum ini, ANOVA dijalankan untuk menguji perbandingan satu
faktor yang mempunyai lebih daripada dua min. Namun analisis varians mempunyai konsep hala.
Di bawah ini diterangkan dengan ringkas ANOVA sehala, ANOVA dua hala dan ANOVA tiga hala.

a) ANOVA Sehala

ANOVA sehala merujuk kepada perbandingan min yang dilakukan terhadap satu faktor yang
mempunyai lebih dua min. Contohnya penyelidik ingin membuat perbandingan markah
peperiksaan murid dengan faktor bangsa yang mempunyai tiga min iaitu Melayu, Cina dan India.
Faktor bangsa ini dipanggil pembolehubah bebas. Bagi analisis varians yang hanya
membandingkan min untuk satu pembolehubah bebas dipanggil ANOVA sehala.

131

Bab 10: ANOVA

b) ANOVA Dua Hala

ANOVA dua hala merujuk kepada perbandingan min yang dilakukan terhadap dua pembolehubah
bebas. Contohnya penyelidik ingin membuat perbandingan markah peperiksaan murid dengan
faktor bangsa yang mempunyai tiga min iaitu Melayu, Cina dan India. Dalam masa yang sama,
penyelidik juga berminat untuk membandingkan min jantina iaitu lelaki dan perempuan bagi
setiap bangsa tersebut. Dalam kes ini kita ada dua pembolehubah bebas iaitu bangsa dan jantina.
Ujian varians yang melibatkan dua pembolehubah bebas dikenali sebagai ANOVA dua hala.
Sebilangan ahli akademik menamakan kajian ini sebagai kajian dua faktorial atau kadang-kadang
ditulis kajian dengan rekabentuk faktorial 2X3 (2 merujuk kepada pembolehubah jantina yang
mempunyai dua min iaitu lelaki dan perempuan, 3 merujuk kepada pembolehubah bangsa yang
mempunyai tiga min iaitu Melayu, Cina dan India)

c) ANOVA Tiga Hala

ANOVA tiga hala ialah ujian varians yang melibatkan tiga pembolehubah bebas. Dalam kes di atas,
kita tambah lagi satu pembolehubah bebas iaitu tempat tinggal yang mempunyai dua min iaitu
bandar dan luar bandar. Kajian ini juga dipanggil kajian dua faktorial atau disebut rekabentuk
faktorila 2X2X3.

Contoh:

Jadual berikut menunjukkan gred kumulatif (CGPA) murid tingkatan 4 dalam peperiksaan akhir
tahun. Turut disertakan maklumat bangsa dan taraf pendidikan penjaga setiap murid.

JADUAL 10.1 : Gred Purata Murid Mengikut Bangsa dan
Pendidikan penjaga

Murid Bangsa Pendidikan Penjaga CGPA
1 1 3 3,2
2 1 4 3,8
3 3 4 3,7
4 2 1 2,1
5 2 3 3,4
6 3 1 1,8
7 1 4 3,6
8 3 4 3,9
9 2 3 3,6
10 3 2 2,5
11 1 1 2
12 2 2 2,4
13 2 3 3,2
14 1 2 1,9
15 3 2 2,1
16 3 4 4
17 2 1 1,2

132

Bab 10: ANOVA

JADUAL 10.1 : Sambungan

Murid Bangsa Pendidikan Penjaga CGPA
18 1,8
19 12 4
20 1,9
21 34 3,8
22 3,7
23 32 2
24 3,8
25 14 3,6
26 1,3
27 13 3,7
28 3,4
29 21 1,8
30 1,2
24

13

21

34

33

22

11

Bangsa : 1-Melayu, 2-Cina, 3-India
Pendidikan Penjaga : 1-Sekolah, 2-Sijil, 3-Diploma, 4-Ijazah

Daripada data yang ada, kita boleh membuat ujian ANOVA sehala untuk membuat perbandingan
antara gred purata yang diperolehi oleh murid dengan faktor bangsa dan jantina. Proses
pengiraan ANOVA secara manual adalah rumit dan panjang. Saya tidak berminat untuk
menunjukkan cara pengiraan tersebut dalam buku kecil ini. Saya hanya akan menunjukkan cara
untuk membuat ANOVA menggunakan SPSS sahaja.

a) Perbandingan CGPA mengikut faktor bangsa

Kita boleh membuat ujian ANOVA untuk membandingkan gred purata murid dengan faktor
bangsa dengan mengikut langkah-langkah berikut;

i) Buka fail yang telah dimasukkan data pada helaian Data View atau Variable View. Klik
butang Analyze. Klik butang Compare Mean seterusnya klik One-Way ANOVA.

133

Bab 10: ANOVA

ii) Hamparan baru akan keluar. Klik pembolehubah CGPA, tekan butang ► untuk masukkan
pembolehubah dalam kotak Dependent List.Klik pembolehubah Bangsa dan tekan butang
►untuk masukkan dalam kotak Factor.

134

Bab 10: ANOVA

iii) Klik butang Post Hoc

iv) Tandakan √ pada kotak Tukey. Masukkan nilai 0.01 atau 0.05 dalam kotak Significance
Level . Tekan butang Continue

135

Bab 10: ANOVA

v) Tekan butang OK

Jadual output yang akan dihasilkan adalah seperti berikut;

ANOVA

Gred Purata Sum of Squares df Mean Square F Sig.
1.955 2 .977 1.055 .362
Between Groups
Within Groups 25.020 27 .927
Total 26.975 29

136

Bab 10: ANOVA

Multiple Comparisons

Gred Purata
Tukey HSD

(I) Bangsa (J) Bangsa Mean 95% Confidence Interval

Difference (I-J) Std. Error Sig. Lower Bound Upper Bound

Melayu Cina .3800 .4305 .656 -.687 1.447

dimen sion 3 -.2400 .4305 .844 -1.307 .827

India

Cina Melayu -.3800 .4305 .656 -1.447 .687

dimen sion 2 dimen sion 3

India -.6200 .4305 .335 -1.687 .447

India Melayu .2400 .4305 .844 -.827 1.307

dimen sion 3 .6200 .4305 .335 -.447 1.687

Cina

Didapati nilai F=1.055 dan nilai Sig=0.362. Oleh kerana nilai Sig > 0.05, maka kita boleh buat
rumusan bahawa tidak terdapat perbezaan yang signifikan antara gred purata (CGPA) murid
dengan faktor bangsa. Maksudnya tidak terdapat perbezaan prestasi antara murid berbangsa
Melayu, Cina dan India. Oleh kerana nilai F menunjukkan tiada perbezaan, maka kita boleh
abaikan jadual Post Hoc yang kedua itu. Jadual Post Hoc hanya diperhatikan apabila terdapat
perbezaan antara kumpulan min yang dibandingkan.

b) Perbandingan CGPA mengikut faktor taraf pendidikan penjaga.

Taraf pendidikan penjaga mempunyai empat min iaitu sekolah menengah, sijil, diploma dan ijazah.
Jumlah min yang hendak dibandingkan melebihi dua. Oleh itu ANOVA boleh dijalankan.

Langkah untuk membuat ujian ANOVA dalam kes ini adalah sama dengan yang sebelumnya.
Bezanya hanya ganti pembolehubah bangsa dengan taraf pendidikan penjaga pada langkah ke v.
Output yang akan dihasilkan adalah seperti berikut;

ANOVA

Gred Purata Sum of Squares df Mean Square F Sig.
25.094 3 8.365 115.664 .000
Between Groups 1.880 .072
Within Groups 26.975 26
Total 29

137

Bab 10: ANOVA

Multiple Comparisons

Dependent Variable: Gred Purata
Tukey HSD

Mean

Difference 95% Confidence Interval

(I) Pendidikan Penjaga(J) Pendidikan Penjaga (I-J) Std. Error Sig. Lower Bound Upper Bound

Sekolah Sijil -,400* ,1437 ,046 -,794 -,006

Diploma -1,786* ,1437 ,000 -2,180 -1,391

Ijazah -2,154* ,1355 ,000 -2,526 -1,782

Sijil Sekolah ,400* ,1437 ,046 ,006 ,794

Diploma -1,386* ,1437 ,000 -1,780 -,991

Ijazah -1,754* ,1355 ,000 -2,126 -1,382

Diploma Sekolah 1,786* ,1437 ,000 1,391 2,180

Sijil 1,386* ,1437 ,000 ,991 1,780
Ijazah -,368 ,1355
Sekolah 2,154* ,1355 ,053 -,740 ,004

Ijazah ,000 1,782 2,526

Sijil 1,754* ,1355 ,000 1,382 2,126

Diploma ,368 ,1355 ,053 -,004 ,740

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

Jadual output yang dihasilkan menunjukkan F=115.664 dan nila Sig=0.00. Oleh kerana nilai Sig <
0.05, maka kita boleh membuat rumusan bahawa terdapat perbezaan yang signifikan CGPA murid
mengikut faktor taraf pendidikan penjaga.

Untuk menentukan taraf pendidikan penjaga yang mana lebih tinggi dan rendah, jadual Tukey
diperhatikan. Dua aspek yang perlu diperhatikan ialah beza min (mean difference, I-J) dan nilai Sig.
Apabila nilai mean differnce positif dan nilai Sig < 0.05, kita boleh rumuskan min yang mewakili I
(yang berada paling kiri) lebih tinggi berbanding min yang mewakili J. Dalam kes di atas kita dapati
terdapat CGPA murid yang penjaganya lulusan sijil lebih tinggi berbanding murid yang penjaganya
lepasan sekolah (beza min=0.4, sig=0.46), diploma lebih tinggi berbanding sijil (beza min=1.386,
sig=0.00). Selain dua perbandingan tersebut, ujian Tukey itu juga menunjukkan terdapat
perbezaan antara CGPA murid daripada penjaga yang lebih tinggi taraf akademiknya dengan
murid yang penjaganya mempunyai taraf akademik yang lebih rendah. Hanya Ijazah dan diploma
yang tidak menunjukkan perbezaan yang signifikan.

Dalam contoh soal selidik efikasi guru yang diberi dalam lampiran, analisis ANOVA boleh
dilakukan untuk melihat sama ada terdapat atau tidak terdapat perbezaan antara tahap efikasi
guru dengan faktor bidang pengajaran. Situasi ini membolehkan ANOVA dilakukan kerana syarat
untuk membolehkan ANOVA telah dipenuhi. Dalam kes ini faktor bidang pengajaran mempunyai
empat min iaitu bidang bahasa, bidang kemanusiaan, bidang votek dan bidang sains & matematik.
ANOVA boleh dilakukan apabila mempunyai satu faktor dan lebih daripada dua min.

Selain itu, pembolehubah efikasi guru yang hendak diuji juga berada pada skala sela,
sekaligus mencukupkan syarat kedua untuk membolehkan analisis ANOVA dijalankan. Langkah
untuk membuat analisa ANOVA menggunakan SPSS adalah sama seperti yang ditunjukkan
sebelumya. Berikut adalah contoh output ANOVA yang dihasilkan daripada penyelidikan sebenar
tentang efikasi guru.

138

Bab 10: ANOVA

ANOVA

Efikasi Guru

Sum of df Mean Square F Sig.
Squares 3 ,618 2,746 ,043
Between Groups 1,853
437 ,225
Within Groups 98,286 440

Total 100,139

Multiple Comparisons

Dependent Variable: Efikasi Guru
Tukey HSD

Mean 95% Confidence Interval
Difference
(I) Bidang Pengajaran (J) Bidang Pengajaran Std. Error Sig. Lower Bound Upper Bound
Bahasa Sains & Matematik (I-J) ,0631186 ,765
Vokasional & Teknologi -,061383 ,0683486 ,448 -,224163 ,101396
Sains & Matematik Kemanusiaan ,101384 ,0640398 ,734
Bahasa -,065713 ,0631186 ,765 -,074883 ,277651
Vokasional & Teknologi Vokasional & Teknologi ,061383 ,0648213 ,060
Kemanusiaan ,162767 ,0602609 -,230868 ,099442
Kemanusiaan Bahasa -,004329 ,0683486 1,000
Sains & Matematik -,101384 ,0648213 ,448 -,101396 ,224163
Kemanusiaan -,162767 ,0657187 ,060
Bahasa -,167097 ,0640398 ,055 -,004403 ,329938
Sains & Matematik ,065713 ,0602609 ,734
Vokasional & Teknologi ,004329 ,0657187 -,159739 ,151080
,167097 1,000
,055 -,277651 ,074883

-,329938 ,004403

-,336582 ,002388

-,099442 ,230868

-,151080 ,159739

-,002388 ,336582

Jadual ANOVA yang pertama di atas menunjukkan terdapat perbezaan yang signifikan antara
tahap efikasi guru dengan faktor bidang pengajaran. Maksudnya tahap efikasi guru adalah
berbeza mengikut bidang pengajaran yang berlainan. Untuk menentukan sama ada terdapat
perbezaan atau tidak, kita perlu melihat nilai Sig. Jika nilai Sig sama atau lebih kecil 0.05, maka
terdapat perbezaan yang signifikan. Jika nilai Sig lebih kecil 0.05, perbezaan tersebut berada
paras keertian 0.05 atau paras keyakinan 95 peratus. Jika nilai Sig lebih kecil 0.01, perbezaan
tersebut berada pada paras keertian 0.01 atau paras keyakinan 99 peratus. Jika nilai Sig lebih
besar 0.05, maka boleh disimpulkan tidak wujud perbezaan.

Seperti yang telah dibincang sebelum ini, ujian ANOVA hanya sekadar memberi maklumat
sama ada wujud atau tidak wujud perbezaan antara min faktor yang diuji. Jika analisis
menunjukkan wujud perbezaan, ANOVA masih tidak menunjukkan min mana yang lebih tinggi
dan min mana yang lebih rendah. Untuk menentukan min mana yang lebih tinggi, kita mesti
merujuk kepada jadual Post Hoc yang kedua itu.

Jadual Post Hoc di atas menunjukkan bahawa tahap efikasi guru-guru di bawah bidang
kemanusiaan lebih tinggi berbanding tahap efikasi guru-guru bidang vokasional dan teknologi.
Untuk membuat rumusan ini, penyelidik perlu memberi perhatian terhadap dua perkara
utama iaitu Mean Difference (I-J) dan nilai Sig. Nilai Mean Difference (I-J) akan memberitahu
kita min mana yang lebih tinggi. Manakala nilai Sig akan memberitahu kita sama ada

139

Bab 10: ANOVA

perbezaan tersebut signifikan atau tidak. Dalam kes ini, nilai Sig bagi perbezaan min efikasi
guru bidang kemanusiaan dan guru votek ialah 0.055 yang boleh dibundar kepada 0.05. Oleh
kerana nilai Sig ini sama atau lebih kecil 0.05, maka kita boleh simpulkan terdapat perbezaan
yang signifikan pada paras keyakinan 95 peratus.

Walaupun kita boleh membuat kesimpulan bahawa terdapat perbezaan yang signifikan
antara tahap efikasi guru mengikut bidang pengajaran, namun dalam kes di atas kita terdedah
untuk melakukan ralat jenis 1. Keadaan ini berlaku kerana bilangan sampel bagi setiap bidang
pengajaran adalah tidak sama. Sekiranya situasi ini berlaku, ujian Post Hoc yang kita lakukan
semasa membuat analisa ANOVA akan mengeluarkan jadual yang menunjukkan keadaan ini.
Dalam kes ini, bilangan sampel bagi guru-guru bidang kemanusiaan adalah 120 orang
manakala guru dalam bidang vokasional dan teknologi hanya seramai 92 orang. Dalam
perbincangan yang lebih tinggi, situasi ini memerlukan kita mengambil kira satu istilah yang
dipanggil Harmonic Mean Sampel Size.

Bagi tujuan pelaporan, jadual ANOVA boleh dipersembahkan seperti berikut;

JADUAL 10.2: Contoh Pelaporan ANOVA

Sumber Jumlah Kuasa Min Kuasa Dua dk F Sig.
Dua 0.62 3 2,746 *0.04
Antara 1,853 0.22 437
kumpulan 440
98,286
Dalam
Kumpulan 100,139

Jumlah
*p < 650.05

140

Bab 11: Regresi Linear

BAB 11
REGRESI LINEAR

Analisis regresi dijalankan untuk melihat kesan atau pengaruh sesuatu pembolehubah tak
bersandar (independent variable) terhadap pembolehubah bersandar (dependent
variable). Terdapat dua jenis regresi iaitu regresi linear mudah dan regresi linear
berganda. Regresi linear mudah merujuk kepada kajian untuk melihat kesan satu
pembolehubah tak bersandar kepada pembolehubah bersandar yang lain contohnya
untuk meneliti kesan taraf akademik penjaga terhadap gred purata yang dicapai oleh
murid sekolah. Regresi linera berganda pula ialah kajian untuk melihat beberapa kesan
pembolehubah tak bersandar terhadap sesuatu pembolehubah bersandar, contohnya
ingin melihat kesan taraf akademik penjaga dan jumlah masa belajar terhadap
pencapaian gred purata murid.

Kajian regresi juga disebut sebagai kajian peramal. Penyelidik menggunakan
analisis regresi untuk meramal sesuatu pembolehubah bersandar menggunakan sesuatu
nilai pada pembolehubah tak bersandar. Sebagai contoh, penyelidik boleh meramal gred
purata yang akan diperolehi oleh seseorang murid apabila taraf pendidikan penjaga dan
jumlah masa belajar seseorang murid tersebut diketahui. Ramalan ini boleh dibuat
setelah analisis regresi menunjukkan taraf akademik penjaga dan jumlah masa belajar
mempunyai pertalian dan sumbangan kepada pencapaian gred purata murid.

Regresi Linear Mudah

Jadual di bawah menunjukkan markah matematik bagi 15 murid serta jumlah masa
mereka membuat latih tubi setiap hari.

JADUAL 11.1 : Markah Matematik mengikut Jumlah Masa Latihan

Murid masa latihan (jam), x Markah Matematik,y
1 1.0 30
2 1.2 35
3 2.5 60
4 2.0 55
5 3.0 75
6 3.5 80
7 2.5 65
8 1.5 40
9 4.0 90
10 3.5 85
11 4.0 91
12 1.0 23
13 1.5 34
14 5.0 98
15 0.5 17

141

Bab 11: Regresi Linear

Dalam kes ini, jumlah masa membuat latih tubi bertindak sebagai pembolehubah tak
bersandar manakala markah matematik pembolehubah bersandar. Kita boleh
menentukan pengaruh jumlah masa latihan terhadap pencapaian matematik jika
memenuhi syarat-syarat berikut;

i) Mesti ada hubungan antara masa latihan dan markah matematik (logik dan
emperikal)

ii) Pembolehubah tak bersandar, x datang dahulu sebelum pembolehubah
bersandar, y.

iii) Tidak ada pembolehubah luaran yang mempengaruhi sama ada x, atau y,
atau hubungan antara x dan y.

Kita boleh menentukan anggaran markah matematik dengan menggunakan formula
berikut;

Yˆ I - I˲

Di mana,

I y . „x

dan

 š› { š{{ ›{
„  šŶ { š{Ŷ

Untuk membina persamaan ramalan tersebut, kita boleh menyediakan jadual seperti di
bawah;

JADUAL 11.2 : Markah Matematik dan Masa Latihan Murid

Murid Latihan, x Markah, x2 xy
1 1 30 1 30
2 1,2 35 1,44 42
3 2,5 60 6,25 150
4 2 55 4 110
5 3 75 9 225
6 3,5 80 12,25 280
7 2,5 65 6,25 162,5
8 1,5 40 2,25 60
9 4 90 16 360
10 3,5 85 12,25 297,5
11 4 91 16 364

142