SPSS Untuk Penyelidik Muda

SPSS untuk penyelidik muda

Dapatan dari ujian Levene dalam Jadual 5.30 menunjukkan ketiga-tiga
kumpulan mempunyai keseragaman varians (p>.05) membolehkan data
dari ketiga-tiga kumpulan diuji dengan ANOVA satu hala. Jadi syarat
keseragaman varians dipenuhi.

Jadual 5.30

Test of Homogeneity of Variances

Skor ujian pasca

Levene Statistik df1 df2 Sig.

2.555 2 91 .083

Jadual 5.31 memaparkan dapatan bagi nilai SS (sum of squares) antara
kumpulan dengan nilai F=13.362 (p<.05) yang menunjukkan min skor
ketiga-tiga kumpulan berbeza secara signifikan. Oleh itu, jadual multiple
comparison seperti Jadual 5.31 diperlukan bagi mengetahui pasangan
kumpulan yang berbeza secara signifikan.

Jadual 5.31

ANOVA

Skor ujian pasca Sum of df Mean Square F Sig.
Squares .000
Between Groups 2 133.388 13.362
Within Groups 266.777
Total 908.450 91 9.983
1175.227
93

Jadual 5.32 menunjukkan terdapat perbezaan yang signifikan antara
kumpulan Model dan kumpulan Animasi, p<.05 dan juga pasangan
kumpulan Animasi dan Kawalan, p<.05. Sementara itu, tiada perbezaan
yang signifikan antara kumpulan Model dan Kawalan.

188

SPSS untuk penyelidik muda

Jadual 5.32

Multiple Comparisons

Dependent Variable: Skor ujian pasca

Tukey HSD

(I) (J) Mean Std. Sig. 95% Confidence
Interval
Difference Error

(I-J) Lower Upper

Bound Bound

Model Animasi -2.840* .790 .002 -4.72 -.96
Kawalan 1.177 .803 .312
.002 -.74 3.09
.000
Animasi Model 2.840* .790 .312 .96 4.72
Kawalan 4.017* .803 .000
2.10 5.93

Kawalan Model -1.177 .803 -3.09 .74
Animasi -4.017* .803
-5.93 -2.10

*. The mean difference is significant at the 0.05 level.

Rajah 5.52 berikut adalah perbandingan nilai min dalam bentuk graf
dengan mudah dapat dibaca bahawa min kumpulan kawalan lebih rendah
dikuti dengan min kumpulan Model. Min kumpulan animasi adalah yang
tertinggi.

Rajah 5.52

189

SPSS untuk penyelidik muda

4. Laporan

Ujian Levene, p>.05 menunjukkan ketiga-tiga kumpulan mempunyai
varians yang seragam. Jadual ANOVA menunjukkan terdapat perbezaan
skor yang signifikan antara kumpulan Model, Animasi dan Teks dengan
nilai F (2, 91) = 13.362, p<.05. Seterusnya multiple comparison
menunjukkan terdapat perbezaan yang signifikan antara kumpulan Model
(M=63.69, SD=3.32) dan Animasi (M=66.53, SD=3.51) juga antara
Animasi (M=66.53, SD=3.51) dan Kawalan (M=62.51, SD=2.50)
Kumpulan Model dan Kawalan tidak berbeza secara signifikan.

SK 12 (MANOVA satu hala)

Adakah terdapat perbezaan skor min ujian pasca dan skor min ujian
pengekalan disebabkan oleh Jantina?

Analisis multivariat (Multivariate analysis of variance – MANOVA)
melibatkan dua atau lebih pemboleh ubah tidak bersandar dengan dua
atau lebih pemboleh ubah bersandar. Dalam kajian ini, MANOVA sehala
diperlukan kerana terdapat satu pemboleh ubah tidak bersandar (Jantina)
tetapi dua pemboleh ubah bersandar (skor ujian pasca dan skor ujian
pengekalan). MANOVA dua hala digunakan jika dua pemboleh ubah tidak
bersandar terlibat dalam analisis multivariat.

1. Syarat

MANOVA memerlukan sekurang-kurangnya satu pemboleh ubah tidak
bersandar (Jantina) dengan dua (atau lebih) pemboleh ubah bersandar
selanjar (ujian pasca dan ujian pengekalan).

190

SPSS untuk penyelidik muda

MANOVA memerlukan taburan normal multivariat, walau bagaimanapun,
saiz sampel n > 20 bagi setiap kategori menjadikan syarat ini robust jika
tidak dipenuhi. MANOVA sensitif dengan outlier bagi setiap univariat
(ujian pasca dan ujian pengekalan) yang boleh disemak dari analisis
outlier dalam descriptive. Multivariate outlier juga perlu disemak jika
terdapat skor setiap pelajar yang tidak sepadan antara kedua-dua
univariat, seperti skor pasca tinggi tetapi skor pengekalan rendah. Outlier
multivariat disemak berdasarkan nilai Mahalanobis distances.
Pemboleh ubah bersandar (ujian pasca dan pengekalan) perlu
mempunyai korelasi yang sederhana. Walau bagaimanapun, jika korelasi
ini terlalu rendah, adalah lebih baik menjalankan ANOVA satu hala bagi
setiap pemboleh ubah bersandar secara berasingan. Jika kedua-dua
pemboleh ubah bersandar mempunyai korelasi yang tinggi (> .8) pula
yang disebut multicollinearity, seolah-olah kedua-dua pemboleh ubah
bersandar tersebut mengukur konstruk yang sama. Multicollinearity yang
kuat (korelasi yang hampir sempurna) menghasilan pertindihan pemboleh
ubah bersandar (ujian pasca dan pengekalan) dan ini disebut singularity.
Ingat bahawa dalam kes regresi berganda, multicollinearity / singularity
wujud antara pemboleh ubah tidak bersandar (pemboleh ubah peramal)
tetapi dalam analisis MANOVA, multicollinearity / singularity adalah
antara pemboleh ubah bersandar.

191

SPSS untuk penyelidik muda

a. Multicollinearity / Singularity

Lakukan operasi korelasi Pearson dan dapatkan Jadual 5.33 berikut.

Jadual 5.33

Correlations

Skor ujian pasca Skor ujian pengekalan
.609**
Pearson 1
.000
Skor ujian pasca Correlation 94
Sig. (2-tailed)

N 94

**. Correlation is significant at the 0.01 level (2-tailed).

Nilai pekali Pearson r = .609, p< .05 adalah sederhana, maka nilai ini tidak
melanggar syarat multicollinearity antara pemboleh ubah bersandar.
Tidak wujud keadaan singularity bagi hipotesis ini.

b. Univariate outlier

Rajah 5.53 dan Rajah 5.54 menunjukkan boxplot bagi lelaki dan
perempuan masing-masing terhadap ujian pasca dan pengekalan.
Kedua-dua boxplot tidak menunjukkan sebarang kewujudan outlier bagi
lelaki dan perempuan.

192

SPSS untuk penyelidik muda

Rajah 5.53
193

SPSS untuk penyelidik muda

Rajah 5.54
c. Multivariate normality
Anda perlu mendapatkan nilai Mahalanobis distances bagi setiap
responden dalam set data kajian anda untuk digunakan bagi mengetahui
kenormalan multivariat iaitu memastikan tiada multivariate outlier. Anda
perlukan anlisis regresi untuk mendapatkan nilai Mahalanobis ini. Ini
adalah prosidur yang anda perlu lakukan:
Prosidur SPSS
Analyze – Regression – Linear (Rajah 5.55)

194

SPSS untuk penyelidik muda

Rajah 5.55

Jadikan ID sebagai pemboleh ubah bersandar supaya anda mendapat
jadual yang menunjukkan ID, jika ada, yang mempunyai multivariate
outlier (Rajah 5.56 dan Rajah 5.57)

Rajah 5.56

195

SPSS untuk penyelidik muda

Rajah 5.57
Setelah anda klik Continue dan OK akan muncul satu nilai pemboleh ubah
yang baru dalam Data View anda iaitu Mah_1. Nilai ini akan digunakan
untuk menguji multivariate outlier. Rajah 5.58 berikut adalah paparan
skrin data baru MAH_1 yang muncul dalam Data View fail kajian anda.

196

SPSS untuk penyelidik muda

Rajah 5.58
Bagi mengenalpasti outlier, nilai kritikal chi-kuasa dua dalam Jadual 5.34
berikut perlu dijadikan panduan.

Jadual 5.34

Bilangan Pemboleh ubah Nilai Kritikal

2 13.82

3 16.27

4 18.47

5 20.52

(Sumber: http://www.statisticssolutions.com)

Bagi kajian ini, bilangan pemboleh ubah bersandar adalah 2, maka nilai
yang perlu diperhatikan adalah 13.82. Nilai Mahalanobis distances pada
Jadual 5.35 adalah 6.314. Oleh kerana nilai 6.134 lebih kecil dari nilai
13.82, maka tiada multivariate outlier dikesan.

197

SPSS untuk penyelidik muda

Jadual 5.35

Andai kata terdapat outlier kerana nilai Mahalanobis anda lebih besar dari
nilai kritikal, anda boleh teruskan lagi prosidur ini untuk mengetahui ID
yang mempunyai nilai Mahalanobis distances tertinggi dan ambil tindakan
untuk membuang outlier tersebut.
Prosidur SPSS
Analyze – Descriptive Statistics – Explore (Rajah 5.59) dan jadikan
Mahalanobis distances (Mah_1) yang muncul dalam Data View anda
sebelum ini sebagai pemboleh ubah bersandar (Rajah 5.60). Klik pada
kotak statistics untuk nilai outlier (Rajah 5.61).

198

SPSS untuk penyelidik muda

Rajah 5.59

Rajah 5.60

199

SPSS untuk penyelidik muda

Rajah 5.61
Output SPSS
Perhatikan responden dengan ID 70 dalam Jadual 5.36 mempunyai nilai
Mahalanobis distances tertinggi iaitu 6.134 (sama seperti nilai dalam
Jadual 5.34), namun seperti dijangka nilai ini tidak melebihi nilai kritikal
13.82.

Jadual 5.36

200

SPSS untuk penyelidik muda

d. Linearity
Linearity boleh disemak dari hubungan linear antara pemboleh ubah tidak
bersandar. Lakukan Split File terlebih dahulu kepada pemboleh ubah
Jantina.
Prosidur SPSS
Graphs – Legacy – Scatter Plot dan lengkapkan langkah seterusnya untuk
mendapatkan graf bagi mengetahui linearity pemboleh ubah bersandar
(Rajah 5.62 – Rajah 5.65)

Rajah 5.62

201

SPSS untuk penyelidik muda

Rajah 5.63

Rajah 5.64

202

SPSS untuk penyelidik muda

Rajah 5.65
Kedua-dua graf di atas (Rajah 5.64 dan Rajah 5.65) menunjukkan adanya
hubungan linear antara pemboleh ubah skor pasca dan skor pengekalan
bagi lelaki dan perempuan.
2. Prosidur SPSS
Jalankan prosidur Analyze – General Linear Models – Multivariate bagi
mendapatkan (Rajah 5.66 sehingga Rajah 5.68))

203

SPSS untuk penyelidik muda

Rajah 5.66

Rajah 5.67

204

SPSS untuk penyelidik muda

Rajah 5.68
3. Output SPSS
ual 5.37 memberi anda peluang untuk menyemak min dan bilangan
pelajar bagi setiap sel.

Jadual 5.37

Jadual 5.38 membolehkan anda mengetahui samada data yang terlibat
mematuhi syarat homogeneity of covariance. Nilai p > .05 maka syarat ini
dipatuhi.

205

SPSS untuk penyelidik muda

Jadual 5.38

Seterusnya, Jadual 5.39 menunjukkan nilai kedua-dua skor tidak
signifikan, p>.05, maka keduanya mempunyai keseragaman varians.

Jadual 5.39

Jadual 5.40 menunjukkan samada terdapat perbezaan yang signifikan
antara kumpulan berdasarkan kombinasi hubungan linear pemboleh
ubah bersandar. Perhatikan semua nilai signifikan, p>.05, maka tidak
terdapat perbezaan yang signifikan antara lelaki dan perempuan terhadap
skor ujian pasca dan pengekalan.

206

Jadua

SPSS untuk penyelidik muda

al 5.40

207

SPSS untuk penyelidik muda

Apabila tidak wujud perbezaan yang signifikan, maka Jadual 5.41 juga
akan menunjukkan kesimpulan yang sama bagi semua pemboleh ubah,
skor ujian pasca (p=.582) dan skor ujian pengekalan (p=.403) yang
kedua-duanya menunjukkan p > .05.
Dapatan ini boleh difahami apabila melihat kepada perbandingan min
dalam Jadual 5.41. Perbezaan min antara lelaki dan perempuan dalam
kedua-dua ujian pasca dan pengekalan menyebabkan tidak wujud
perbezaan yang signifikan.
4. Laporan
MANOVA satu hala telah dijalankan bagi mengkaji perbezaan antara
lelaki dan perempuan terhadap ujian pasca dan pengekalan setelah
pengujian ke atas syarat kenormalan, univariate dan multivariate outlier,
linearity dan homogeneity of variance-covariances matrices. Tidak
terdapat perbezaan antara lelaki dan perempuan terhadap pemboleh
ubah ujian pasca dan pengekalan: F(2, )=1.26, Wilk’s lambda =.973, eta
square = .027

208

Jadua

SPSS untuk penyelidik muda

al 5.41

209

SPSS untuk penyelidik muda

SK 13 (ujian-t sampel tidak bersandar)

Adakah terdapat perbezaan antara persetujuan pembelian telefon bimbit
kerana faktor harga antara lelaki dan perempuan?
Ujian-t adalah analisis untuk membuat perbandingan antara dua set data
dari dua kumpulan berbeza (ujian-t sampel tidak bersandar) atau dua set
data pengukuran dari satu kumpulan yang sama (ujian-t sampel
bersandar). Analisis seterusnya akan melibatkan ujian-t sampel tidak
bersandar iaitu dua kumpulan umur yang berbeza.

1. Syarat
Skala pengukuran bagi pemboleh ubah bersandar yang dikaji mestilah
pada skala sela atau nisbah yang diperolehi dari sampel rawak. Oleh itu
syarat taburan normal mesti dipatuhi oleh set data bagi setiap kumpulan.
Kedua-dua syarat di atas telahpun dipenuhi. Syarat seterusnya adalah
ujian Levene bagi keseragaman varians antara kumpulan. Syarat ini boleh
disemak dari output SPSS.

2. Prosidur SPSS
Analyze – Compare Means – Dependent Sample t-test (Rajah 5.68)

210

SPSS untuk penyelidik muda

Rajah 5.68
Pindahkan pemboleh ubah bersandar (summated_harga) ke kotak Test
Variable(s) di kanan dan Sex ke dalam kotak Group Variable (Rajah 5.69)

Rajah 5.69
Klik Define Group, 1 untuk lelaki dan 2 untuk perempuan (Rajah 5.70).
Klik Continue dan OK

211

SPSS untuk penyelidik muda

Rajah 5.70

3. Output SPSS

Dapatan pada Jadual 5.42 menunjukkan nilai min bagi summated value
lelaki (M=8.94, SD=2.35) mengatasi perempuan (M=6.48, SD=1.86)
dalam persetujuan pembelian telefon bimbit kerana faktor harga (beli
kerana harga yang rendah).

Lelaki Jadual 5.41 Std. Deviation Std. Error Mean
Summated value 2.347 .339
Group Statistics 1.859 .274
Perempuan
N Mean
48 8.94
46 6.48

Ujian Levene pada Jadual 5.42 menunjukkan p < .05, maka kedua-dua
kumpulan mempunyai skor dengan varians yang berbeza. Oleh kerana
itu, nilai t yang diambil bukan dari baris equal variances assumed tetapi
sebaliknya dari baris equal variances not assumed iaitu 5.644.

Dapatan dalam Jadual 5.43 menunjukkan min persetujuan pembelian
telefon bimbit kerana faktor harga (beli kerana harga yang rendah) antara

212

SPSS untuk penyelidik muda

kedua-dua kumpulan lelaki dan perempuan berbeza secara signifikan, p
< .05.

Jadual 5.43

Independent Samples Test

Levene's t-test for Equality of Means
Test for
Equality of T df Sig. Mean Std. Error 95%
Variances

F Sig.

(2- Difference Difference Confidence

tailed) Interval of the

Difference

Lower Upper

Equal 4.468 .037 5.617 92 .000 2.459 .438 1.590 3.329

variances

Summated assumed

value Equal 5.644 88.892 .000 2.459 .436 1.594 3.325

variances

not

assumed

4. Laporan

Analisis ujian-t menunjukkan bahawa pelajar lelaki (M=8.94, SD=2.35)
lebih bersetuju dalam membeli atau memiliki telefon bimbit kerana harga
yang murah secara signifikan berbanding dengan pelajar perempuan
(M=6.48, SD=1.86) dengan t(89) = 5.644, p<.05.

SK 14 (ujian-t sampel bersandar / padanan)

Adakah terdapat perbezaan yang signifikan antara skor ujian pra dan
ujian pasca dalam kalangan pelajar lelaki?

213

SPSS untuk penyelidik muda

1. Syarat
Syarat bagi ujian-t sampel bersandar sama seperti ujian-t sampel tidak
bersandar, kecuali tiada keperluan menguji keseragaman varians kerana
hanya satu kumpulan sahaja yang terlibat (dengan dua set data berbeza).
2. Prosidur SPSS
Lakukan Select Cases dengan prosidur Data – Select Cases untuk
memilih hanya pelajar lelaki dan pindahkan pemboleh ubah Sex dan klik
“=” seperti Rajah 5.71. Klik Continue dan OK.

Rajah 5.71
3. Output SPSS
Dapatan dalam Jadual 5.44 menunjukkan min skor ujian pasca (M=64.08,
SD=3.86) mengatasi skor ujian pra (M=50.06, SD=1.4).

214

SPSS untuk penyelidik muda

Jadual 5.44

Paired Samples Statistics

Mean N Std. Deviation Std. Error
Mean
Pair 1 Skor ujian pasca 64.08 48 3.858 .557
Skor ujian pra 50.06 48 1.400 .202

Seterusnya dapatan dalam Jadual 5.45 menunjukkan terdapat perbezaan
yang signifikan antara skor ujian pasca mengatasi dan skor ujian pra
t(47)=24.511, p<.05.

Jadual 5.45

Paired Samples Test

Paired Differences T df Sig. (2-
tailed)
Mean Std. Std. 95% Confidence
Interval of the 47 .000
Deviation Error

Mean Difference

Lower Upper

Pair Skor ujian pasca 14.020 3.963 .572 12.869 15.170 24.511

1 - Skor ujian pra

4. Laporan

Terdapat perbezaan yang signifikan antara skor ujian pra (min=50.6,
SD=1.4) berbanding dengan skor ujian pasca (M=64.08, SD=3.8);
t(47)=24.511, p<.05. Ini menunjukkan peningkatan yang signifikan skor
ujian pasca berbanding skor ujian pra bagi pelajar lelaki.

215

SPSS untuk penyelidik muda

Lampiran 1

Jadual Krejcie dan Morgan

Aras keyakinan 95%
(Sumber: Krejcie dan Morgan, 1970)

Jadual sampel saiz Cohen

Two-tailed α = .05
(Sumber Cohen , 1988)

216

SPSS untuk penyelidik muda

Rujukan

Cohen, J. (1988). Statistical Power Analysis for Behavioral Science.
New Jersey: Erlbaum.

Krejcie, R.V., & Morgan, D.W., (1970). Determining Sample Size for
Research Activities. Educational and Psychological Measurement.

Morgan, G. A., Leech, N. L., Gloeckner, G. W., & Barrett, K. C. (2007).
SPSS for the Introductory Statistics: Use and Interpretation. New
Jersey: Lawrence Ealbaum.

George, D., & Mallery, M. (2010). SPSS for Windows Step by Step: A
Simple Guide and Reference. Boston: Pearson.

Pallant, J. (2010). SPSS Survival Manual: A step by step guide to data
analysis using SPSS. Journal of Advanced Nursing (Vol. 3rd, p.
352).

217