Asas Analisis Data SPSS

ANALISIS
DATA SPSS

Panduan Penyediaan Fail dan Penyaringan Data

Zolkepeli, Isa, Mohd Hanafi, Mohd Jasmy, Mohd Mokhtar

2022 ©Copyright Pusat Pendidikan & Pembelajaran Pondok UNAIS
LOT 119244 Kampung Sungai Buah, 43000,Dengkil,Selangor

Kenali Kami

Pengenalan:
Konsep-Konsep
yang perlu anda

Pengetahuan sedia ada sebelum proses menganalis data

Pernyataan Masalah
Proses penyelidikan bermula dengan sesuatu isu atau masalah yang diminati oleh penyelidik. Pernyataan
masalah ialah pernyataan yang menanyakan tentang hubungan antara dua atau lebih pembolehubah;
walau bagaimanapun, hampir semua kajian penyelidikan mempunyai lebih daripada dua pembolehubah.
Proses berpindah dari rasa ingin tahu, atau perasaan bahawa ada masalah yang tidak dapat diselesaikan.
Pernyataan masalah akan membawa kepada pembentukan siri persoalan kajian. Bagi kajian bersifat
kuantitatif setiap soalan kajian akan memperlihatkan kepada pembaca apakah pemboleh ubah yang akan
digunakan oleh penulis di dalam analisis dapatan kajian mereka.
Pembolehubah (Variable)
Elemen utama dalam masalah kajian ialah pembolehubah (variable). Pembolehubah ditakrifkan sebagai
ciri bagi peserta atau situasi dalam sesuatu kajian yang mempunyai nilai yang berbeza. Pembolehubah
mesti berbeza-beza atau mempunyai nilai yang berbeza dalam kajian. Sebagai contoh, jantina semasa lahir
boleh menjadi pembolehubah kerana ia biasanya mempunyai dua nilai, perempuan atau lelaki. Umur
ialah pembolehubah yang boleh mempunyai sejumlah besar nilai.
Jenis rawatan/intervensi (kumpulan rawatan) dan kumpulan kawalan adalah pembolehubah. Bilangan hari
untuk belajar sesuatu atau pulih daripada penyakit adalah ukuran biasa bagi kesan rawatan dan, oleh itu,
juga ianya berpotensi untuk menjadi pembolehubah. Begitu juga, jumlah pengetahuan statistik boleh
menjadi pembolehubah kerana ia boleh berbeza daripada tiada kemahiran kepada tahap mahir.
Jika pengkaji menggunakan satu ciri sampel yang sama, misalnya semua sampel kajian adalah terdiri dari
murid perempuan; walaupun sebelum ini jantina kita katakan suatu pembolehubah, maka dalam kes ini
jantina sekarang menjadi pemalar. Dalam penyelidikan kuantitatif, pembolehubah ditakrifkan secara
operasi dan biasanya dibahagikan kepada pembolehubah bebas (aktif atau atribut), pembolehubah
bersandar, dan pembolehubah luaran.
Definisi Operasi Pembolehubah
Definisi operasi menerangkan atau mentakrifkan pembolehubah dari segi operasi atau teknik digunakan
untuk mewujudkannya atau mengukurnya. Penyelidik akan menerangkan setiap pembolehubah kajian
kuantatitatif mereka dengan menunjukkan cara mereka mengukur setiap pembolehubah. Pembolehubah
demografi seperti umur, jantina atau kumpulan etnik biasanya diukur hanya dengan menanyakan peserta
untuk memilih kategori yang sesuai daripada senarai.
Jenis rawatan (atau kurikulum) biasanya ditakrifkan secara operasi dengan lebih meluas dengan
menerangkan apa yang dilakukan semasa rawatan atau kurikulum baru. Begitu juga konsep abstrak seperti
pengetahuan matematik, konsep kendiri, atau kebimbangan matematik perlu ditakrifkan secara operasi
dengan menjelaskan secara terperinci bagaimana ia diukur dalam kajian tertentu.

Pembolehubah Bebas
Terdapat dua jenis pembolehubah bebas, aktif dan atribut. Adalah penting untuk membezakan antara
dua jenis ini apabila kita membincangkan hasil kajian. Pembolehubah bebas aktif adalah syarat yang perlu
tetapi tidak mencukupi untuk membuat kesimpulan sebab dan akibat.
Pembolehubah bebas aktif atau dimanipulasi. Pembolehubah bebas aktif ialah pembolehubah, seperti
kehadiran bengkel, kurikulum baharu, atau intervensi lain, sekurang-kurangnya satu tahap yang diberikan
kepada kumpulan daripada peserta, dalam tempoh masa yang ditetapkan semasa kajian.
Pembolehubah Bersandar
Pembolehubah bersandar diandaikan untuk mengukur atau menilai kesan pembolehubah tidak
bersandar. Ia dianggap sebagai hasil atau kriteria yang diandaikan. Pembolehubah bersandar selalunya
merupakan markah ujian, penilaian pada soal selidik, bacaan daripada instrumen (cth.,
elektrokardiogram, kandungan gula dalam darah, dsb.), atau ukuran prestasi fizikal.
Pembolehubah Luaran
Ini adalah pembolehubah (juga dipanggil pembolehubah penganggu atau, dalam sesetengah reka bentuk
dipanggil kovariat) yang bukan menjadi minat pengkaji dalam kajian tertentu, tetapi boleh wujud dan
mempengaruhi pembolehubah bersandar. Faktor persekitaran (cth., suhu atau gangguan), masa dalam
hari dan ciri-ciri penguji, guru atau ahli terapi adalah beberapa pembolehubah luar yang mungkin perlu
dikawal.
Hipotesis dan Persoalan Kajian
Hipotesis Kajian ialah pernyataan ramalan tentang hubungan antara pembolehubah. Soalan kajian
adalah serupa dengan hipotesis, kecuali ia tidak melibatkan ramalan khusus dan adalah diungkapkan
dalam format soalan. Sebagai contoh, seseorang mungkin mempunyai soalan kajian berikut: "Adakah
terdapat perbezaan dalam markah pelajar pada ujian piawai jika mereka mengambil dua ujian dalam satu
hari berbanding mengambil hanya satu ujian pada setiap dua hari?”
Hipotesis mengenai isu yang sama boleh dinyatakan: “Pelajar yang mengambil hanya satu ujian setiap hari
akan mendapat markah yang lebih tinggi pada ujian piawai berbanding pelajar yang mengambilnya dua
ujian dalam masa satu hari.”
Kita boleh membahagikan soalan kajian kepada tiga jenis bentuk umum: perbezaan, hubungan dan
deskriptif. Kami berpendapat adalah lebih baik jika membahagikan statistik inferensi kepada dua jenis
iaitu mempersoalkan adakah terdapat perbezaan dan mempersoal adakah terdapat hubungan.
Terdapat dua ujian statistik inferensi yang menguji perbezaan (cth., ujian t atau analisis varians (ANOVA)
digunakan untuk pendekatan yang menguji perbezaan antara kumpulan.
Untuk statistik inferensi menguji hubungan pula, ujian statistik yang digunakan untuk menguji hubungan
antara pembolehubah yang sering digunakan ialah korelasi dan analisis regresi berganda.

2

Aktiviti
1

Memuat turun dan memasang (Install) perisian SPSS

Anda boleh mendapatkan perisian SPSS ini menerusi Pusat Perkhidmatan Komputer di tempat anda
belajar jika institusi tempat anda belajar ada melanggan perisian tersebut. Namun demikian anda boleh
mendapatkan perisian tersebut di laman web di bawah. Anda hanya perlu mencari dengan kata kunci
“download SPSS” pada engine pencarian Google. Selepas itu anda pergi ke www.ibm.com/product/spss-
statistics.
Langkah 1. Memuat turun (Download) SPSS

Anda perlu mendaftar dengan mengisi maklumat yang diperlukan oleh pihak IBM.

Selepas anda mendaftar maka anda akan dibenarkan untuk memuat turun Installer SPSS kedalam PC
anda. Anda Layak untuk menggunakan secara percuma perisian ini selama 14 hari sebagai “Trial Period”,
selepas dari itu anda perlu mendapatkan lesen yang sah untuk meneruskan kelayakan menggunakan
perisian ini.

3

Langkah 2: Memasang (Install) SPSS
Kami berpendapat pada tahap ini anda sepatutnya sudah mempunyai kemahiran untuk memasang
sesuatu perisian bar uke dalam PC, Laptop atau Macbook anda. Jika anda peserta kursus yang kami
kendalikan, pihak urusetia bengkel akan membantu secara teknikal jika anda masih menghadapi masalah
untuk melaksanakan proses tersebut.

Jika anda memasang pada tahun 2022, anda akan mendapat perisian
SPSS ver 28, iaitu yang terkini. Dalam buku ini kami akan
menggunakan SPSS versi 28, namun jika anda mendapat versi yang
terdahulu seperti ver 22,25,26 tiada perubahan yang signifikan berlaku
dalam paparan dan operasi menu.

Langkah 3: Mengaktifkan perisian SPSS anda.
Jika anda mendapat paparan seperti gambar di bawah, Tahniah!! Anda telah berjaya mendapatkan
perisian yang bakal anda gunakan untuk menganalisis kajian anda. Paparan tersebut merupakan paparan
skrin selamat datang kepada pengguna yang baru. IBM memberikan maklumat berkaitan kemas kini
terbaru mengenai SPSS ver 28. Bagi pengguna yang telah lama, mereka akan klik “Don’t show this dialog
in future”. Bagi pengguna baru ini adalah peluang anda untuk klik bahagian-bahagian yang anda ingin
terokai.

4

5

Aktiviti
2

Muat turun bahan-bahan bengkel anda di link berikut:

https://drive.google.com/drive/folders/1MMli7acxWn-
EvFJKINFnKP04_6t8NgV1?usp=sharing
Langkah 1. Klik pautan URL yang diberikan

Langkah 2. Muat turun folder ke computer.

6

Langkah 3. Akses folder dari computer anda.
Extract zip supaya anda dapat semua fail-fail yang akan digunakan di dalam bengkel.

7

Aktiviti
3

Ruang kerja dan persekitaran window SPSS

Screenshot di bawah ialah paparan Variable View di dalam Data Editor SPSS.

Ini adalah paparan yang akan anda dapati apabila anda buka aplikasi. Pada window View anda akan
meletak semua pembolehubah untuk di analisis.
Nombor baris menunjukan bilangan pembolehubah.
Screenshot di bawah menunjukan contoh paparan apabila semua pembolehubah dari suatu borang
selidik diterjemahkan ke dalam fail spss untuk tujuan analisis.

8

Paparan screenshot Data View.

9

Paparan Output window

Segala hasil analisis statistik anda akan dipaparkan di Output window. Anda boleh Copy dan Paste hasil
output kedalam dokumen penulisan anda serta anda boleh simpan fail (save file) output kedalam
komputer anda.
Bahagian akhir ialah Syntax Editor Window, bahagian ini jarang digunakan oleh pengguna SPSS
“newbies” tetapi kerap diguna pakai oleh penyelidik lama. Kita akan pergi lebih detail mengenai syntax
spss pada bahagian akhir manual.

10

Latihan aktiviti 3.
1. Cuba buka fail data, fail syntax dan fail output dari folder yang anda muat turun dari Google
Drive tadi.

Tahniah jika anda berjaya membuka ketiga-tiga fail tadi.
2. Tukar setiap nama fail mengikut kehendak anda dan save dengan nama baru tersebut.
3. Sila perhatikan extension name pada setiap jenis fail tersebut, supaya jika sesorang memberikan anda
fail spss anda tahu sama ada fail itu adalah fail data, output, atau syntax.

11

Aktiviti
4

Mengimport data fail lain (Excel atau CSV) ke dalam SPSS

Pada masa kini (situasi pendemik) agak sukar untuk mendapatkan responden secara bersemuka atas dasar
kekangan SOP dan kerisauan penyelidik sendiri takut untuk keluar bersemuka dengan sampel kajian.
Cara yang terbaik untuk mendapatkan data adalah menerusi online survey dengan menggunakan Google
Form.
Latihan aktiviti 4.

1. Bina item soal selidik mengenai sesuatu isu.

2. Pindahkan item-item soal selidik itu kedalam Google Form.

12

Seterusnya

13

3. Hantar link online survey tersebut kepada rakan sebengkel/sekuliah anda dan minta mereka
menjadi responden.

14

4. Apabila rakan responden anda selesai menjawab, sila Download CSV fail dari Google Form
anda.

15

5. Pindahkan fail csv dari Google Drive ke dalam SPSS untuk menjadi data fail anda.

16

17

Aktiviti
5

Mengisi pembolehubah (variable) dan value label mengikut jenis item
dari borang soal selidik.

Untuk mengisi maklumat dalam variable window kita perlu menyediakan buku kod bagi memudahkan
dan secara sistematik kita mengisi maklumat di dalam variable window.

Langkah 1: Penyediaan Buku Kod
Sebelum anda boleh memasukkan maklumat daripada soal selidik, temu bual atau sebarang instrumen
kajian anda ke dalam SPSS, adalah perlu untuk anda menyediakan buku kod. Ini adalah ringkasan arahan
yang anda akan gunakan untuk menukar maklumat yang diperoleh daripada setiap subjek atau kes ke
dalam format yang boleh difahami oleh program spss.
Salinan soal selidik, dan buku kod yang telah dibangunkan untuk soal selidik ini, boleh didapati di
Lampiran. Fail data disediakan di Google Drive yang mengiringi buku ini. Penyediaan bahan ini
membolehkan anda melihat keseluruhan proses, daripada pembangunan soal selidik hingga kepada
penciptaan fail data akhir yang sedia untuk dianalisis.
Walaupun kami telah menggunakan soal selidik untuk mengambarkan langkah-langkah yang terlibat
dalam pembangunan buku kod, proses yang sama juga diperlukan dalam kajian eksperimen atau apabila
mendapatkan maklumat daripada rekod sedia ada (cth. rekod perubatan hospital, maklumat rekod
pelajar).

Menyediakan buku kod melibatkan prosedur bagaimana anda memutuskan (dan mendokumentasikan)
setiap pembolehubah iaitu dengan:

➢ mentakrif dan melabel setiap pembolehubah
➢ memberikan nombor kepada setiap respon yang mungkin dari responden.

Semua maklumat ini hendaklah direkodkan dalam buku atau fail komputer. Simpan ini di tempat yang
selamat; tidak ada yang lebih buruk daripada apabila anda kembali ke fail data yang anda tidak gunakan
untuk seketika, anda tertanya-tanya apa maksud singkatan dan nombor dalam data set. Buku kod ini juga
berguna kepada penyelidik lain jika mereka ingin mereplikasikan instrument kajian anda ke dalam kajian
mereka.
Dalam buku kod anda, anda harus menyenaraikan semua pembolehubah dalam soal selidik anda, nama
pembolehubah yang disingkatkan yang akan anda gunakan dalam SPSS dan cara anda mengekodkan
respons.

Contoh Buku Kod: Pembolehubah kod Skala pengukuran yang
Nama SPSS (variable dibaca oleh spss
names) Indek responden Setiap responden norminal
id diberikan no id.
Umur Umur dalam tahun Scale/interval
umur Jantina 1 = Lelaki norminal
jantina 2 = Perempuan
Status Perkahwinan: 1=Bujang Norminal/ordinal
statusp 2= Berkawin
3= Duda
4= Janda

18

mysejahtera Status MySejahtera 1=lengkap 2 dos + Norminal/ordinal
booster
2=lengkap 2 dos
3= 1 dos
4= belum mengambil
vaksin

Nama Item-item Tidak Kadang Kerap Sangat
SPSS Pernah kala Kerap
(variable 2 34
names) 1. Saya tidak lagi bersalaman dengan 1
V1 rakan apabila bertemu rakan.
V2 2. Saya terpaksa menolak banyak
kehadiran jemputan majlis kenduri
V3 perkahwinan rakan/saudara saya.
3. Pada bulan ramadan, saya akan
pergi ke bazar ramadan untuk
membeli juadah berbuka puasa

Untuk item-item skala likert (skala pengukuran adalah ordinal) anda bebas untuk memilih turutan
nombor 1 hingga 4(menaik) atau 4 hingga 1(menurun)
Nama pembolehubah (variable names)
Setiap soalan atau item dalam soal selidik anda mesti mempunyai nama pembolehubah yang unik.
Sesetengah nama ini akan mengenal pasti maklumat dengan jelas (cth. jantina, umur). Soalan lain, seperti
item yang membentuk skala, boleh dikenal pasti menggunakan singkatan cth. vl, v2, v3.

Terdapat satu set konvensyen yang mesti anda ikuti dalam memberikan nama kepada pembolehubah
anda dalam SPSS. Pastikan nama pembolehubah anda sesingkat mungkin kerana nama yang sangat
panjang boleh membuat output sukar dibaca.

Pembolehubah pertama dalam mana-mana set data hendaklah ID—iaitu, nombor unik yang mengenal
pasti setiap kes. Sebelum memulakan proses kemasukan data, semak dan berikan nombor pada setiap
soal selidik atau rekod data. Tulis nombor dengan jelas pada kulit hadapan. Kemudian, jika anda
mendapati ralat dalam set data, soal selidik atau rekod data bernombor membolehkan anda menyemak
semula dan mencari tempat ralat itu berlaku.
Peraturan memberikan nama:

➢ mestilah unik (iaitu setiap pembolehubah dalam set data mesti mempunyai nama yang berbeza)
➢mesti bermula dengan huruf (bukan nombor)
➢ tidak boleh memasukkan noktah, ruang atau simbol (I,? * ')
➢ tidak boleh memasukkan perkataan yang digunakan sebagai arahan oleh SPSS (all, ne, eq, to, ie, It,
by, or, gt, and, not, ge, with)
➢ tidak boleh melebihi 64 aksara.

Pengekodan respon

Setiap respons mesti diberikan kod berangka sebelum ia boleh dimasukkan ke dalam Statistik SPSS.
Sesetengah maklumat sudah pun dalam format ini (misalnya; umur dalam tahun); pembolehubah lain
seperti jantina perlu ditukar kepada nombor (cth. 1 = lelaki, 2 = perempuan).

19

Memasukan pembolehubah ke dalam Variable window

1.Name
Dalam lajur ini, taipkan nama pembolehubah pendek yang akan digunakan untuk mengenal pasti setiap
pembolehubah dalam fail data (disenaraikan dalam buku kod anda). Pastikan nama pembolehubah ini
sesingkat mungkin, tidak melebihi 64 aksara. Setiap nama pembolehubah mestilah unik, mesti bermula
dengan huruf dan tidak boleh mengandungi ruang atau simbol.

2. Type
Nilai tersedia untuk Type yang akan muncul secara automatik semasa anda memasukkan nama
pembolehubah pertama anda ialah Numeric. Untuk kebanyakan tujuan, ini sahaja yang anda perlu
gunakan. Terdapat beberapa keadaan di mana pilihan lain mungkin sesuai. Contohnya, jika anda perlu
memasukkan maklumat teks (cth nama keluarga seseorang atau jawapan mereka kepada soalan terbuka),
anda perlu menukar jenis kepada String. ‘Date option’ juga tersedia jika data anda termasuk tarikh (cth
tarikh kemasukan ). Untuk menukar jenis pembolehubah, klik dalam sel dan kotak dengan tiga titik akan
muncul memberikan anda pilihan yang tersedia. Anda juga boleh menggunakan tetingkap ini untuk
melaraskan lebar pembolehubah dan bilangan tempat perpuluhan.

3. Label
Lajur ‘Label’ membolehkan anda memberikan penerangan yang lebih panjang untuk pembolehubah
anda daripada yang digunakan dalam lajur ‘Name’. Ini akan digunakan dalam output yang dihasilkan
daripada analisis. Sebagai contoh, anda mungkin ingin memberikan label “Umur responden” berbanding
sekadar “umur” dari name.

20

4. Value
Dalam lajur Value anda boleh mentakrifkan maksud nilai yang telah anda gunakan untuk mengekodkan
pembolehubah anda. Kami menunjukkan proses ini untuk pembolehubah kategori umur seperti gambar
di bawah.

5. Measure

Measure merujuk kepada aras pengukuran setiap pembolehubah anda. Default ialah Scale, yang merujuk
kepada data berterusan yang diukur pada interval atau tahap nisbah. Jika pembolehubah anda terdiri
daripada kategori (cth. jantina), klik dalam sel dan kemudian pada kekunci anak panah yang muncul.
Pilih Nominal untuk data kategori dan Ordinal jika data anda melibatkan kedudukan atau nilai tersusun
(cth. tahap pendidikan). Adalah penting anda menetapkan aras pengukuran pembolehubah anda dengan
betul; jika tidak, program mungkin menghalang anda menggunakan beberapa prosedur (cth. mencipta
graf).

Cara menyediakan codebook untuk item yang berbagai pilihan.
Contoh item:

2 Dalam minggu ini, genre tontonan saya di YouTube ialah berkaitan:

o Isu semasa
o Dokumentari
o Sukan
o Movie

Untuk item ini, responden boleh menanda lebih dari satu pilihan.

Marking dalam codebook ialah seperti di bawah

o Isu semasa YT1 1/0
o Dokumentari YT2 1/0
o Sukan YT3 1/0
o Movie YT4 1/0
Variable name 1= Ya, 0= Tidak

Kita kena sediakan empat columb untuk item no.2 tersebut; kita berikan nama setiap pilihan sebagai
satu pembolehubah.

21

Latihan aktiviti 5.
1. Gunakan borang soal selidik mudah yang diberikan, Sediakan template Variable pada SPSS.
2. Gunakan instrument kajian anda sendiri dan sediakan template Variable pada SPSS.

22

Aktiviti
6

Pembersihan Data

Pembersihan data ialah proses untuk memastikan data adalah betul, konsisten dan boleh digunakan.
Anda boleh membersihkan data dengan mengenal pasti ralat atau data yang korup, membetulkan atau
memadamkannya atau memproses data secara manual mengikut keperluan untuk mengelakkan ralat.
Data yang tidak dibersihkan (mengandungi ralat) akan membawa kepada keputusan dapatan yang
meragukan. Data yang tidak betul atau tidak konsisten membawa kepada kesimpulan yang salah. Oleh
itu, sejauh mana anda membersihkan dan memahami data mempunyai kesan yang tinggi terhadap kualiti
hasil. Keraguan dalam dapatan kajian akan menjurus kepada kegagalan menghasilkan dapatan yang sah
(valid finding).

Sebaik sahaja anda telah memasukkan data anda, anda perlu menyemak ralat. Jalankan analisis taburan
frekuensi pada setiap pembolehubah anda. Adakah semua data berada dalam julat yang dijangkakan?
Contohnya, jika anda mempunyai pembolehubah dengan skala Likert antara 1 – 5, semua nilai anda
harus berada dalam julat ini. Adakah terdapat data yang berada di luar julat?
Untuk menjalankan taburan frekuensi, klik Analyze → Descriptive Statistics →Frequencies. Kemudian
klik pada nama pembolehubah yang anda semak dan alihkannya ke kotak variable. Untuk contoh ini,
kami menyemak pembolehubah "Happy" daripada data bengkel.sav. Skrin anda sepatutnya kelihatan
seperti ini:

23

Jika kita semak value label bagi item happy, kita sepatutnya mendapat nilai-nilai yang kita tetapkan iaitu
0,1,2,3,8,dan 9 sahaja.
Apa yang kita perolehi adalah seperti gambar dibawah.
Apa yang perlu kita lakukan ialah mencari responden (case) yang mempunyai 22 dan 33 pada jawapan
mereka untuk item happy. Cara yang paling mudah ialah anda sort pembolehubah happy di paparan
data.

24

Anda akan dapat paparan data happy yang telah disisih secara menurun (dari besar ke kecil)
Kami yakin bahawa 22 dan 33 itu adalah ralat semasa mengisi data, sepatutnya 2 dan 3. Jika anda yakin
dengan andaian itu maka anda boleh edit data tersebut dengan membetulkan kepada 2 dan 3, kemudian
jangan lupa save setiap kali anda melakukan editing data.
Ralat jenis ini adalah dikategori sebagai ralat rawak, iaitu kesilapan semasa mengisi data ke dalam
komputer.
Kaedah ke-2 ialah menggunakan menu “Identify Unsual Cases” pada menu Data.

Pada arahan menu nanti anda pilih pembolehubah happy untuk diuji.

25

Paparan output menunjukkan responden no 17 dan 50 menunjukan biasa. Jadi dari itu mudah bagi kita
untuk menyemak semula senarai data untuk kedua-dua responden tersebut. Kita pergi ke baris 17 dan
50 untuk mengesan mereka (andai kata kita tidak membuat id pada responden. Disini perlu kami
nasihatkan anda supaya sentiasa membuat id pada setiap responden bagi memudahkan kita mencari
semula siapakah mereka yang menghasilkan ralat.
Menjawab soal-selidk ini sebenarnya terdedah kepada ancaman yang berkaitan dengan penyelewengan
yang disengajakan atau pencongan tindak balas (iaitu, tindak balas keinginan sosial) dan tindak balas yang
menipu. Tindakan penipuan biasanya timbul dalam tetapan berkepentingan rendah (cth., mengambil
bahagian dalam kajian untuk mendapat pandangan sesuatu isu) di mana sesetengah responden tidak
bermotivasi untuk bertindak balas secara teliti terhadap item tersebut. Sebaliknya, dalam penilaian
berkepentingan tinggi (cth, penilaian pra-pekerjaan), kerana hasil yang berkaitan dengan respons mereka,
responden terdorong untuk menunjukkan diri mereka dengan cara yang paling baik dan, dengan itu,
boleh bertindak balas secara tidak jujur dalam usaha untuk mencapai matlamat tersebut.
Kita sebagai penyelidik mestilah mempunyai makenisma untuk mengesan mereka ini kerana kita tidak
mempunyai kepadaian dalam membaca otak pemikiran manusia, tetapi kitab oleh berusaha kearah itu
dengan melakukan “academic judgement”.

26

Pengalaman kami dalam mengesan responden yang tidak jujur ini ialah melalui kaedah berikut:
1. Pada peringkat pembinaan instrument borang soal selidik, kami akan mencipta satu set item (item
positif dan item negatif) tetapi mengukur benda yang sama. Dengan cara itu kami dapat mengesan
mereka yang tidak konsisten. Mereka yang tidak konsisten adalah mereka yang tidak boleh
dipercayai.
2. Mengesan mereka yang sepanjang masa memilih jalan tengah (tidak pasti), besar kemungkinan
mereka ini tidak berminat untuk menjawab soal selidik.
3. Mengesan mereka yang menjawap hanya satu hala, besar kemungkinan mereka menanda tanpa
membaca kandungan item. Kaedah yang baik untuk membantu mengesan masalah ini ialah
dengan menyediakan pernyataan item positif dan negatif.

Kami membuat analogi bahawa responden kami adalah penembak, sasaran tepat ialah item yang
sepatutnya mereka jawab dengan betul mengikut trait psikologi mereka.
Kaedah ke-3 ialah menggunakan menu Validation→Validation Data
Katakan kita ingin menyemak pembolehubah Jantina, sama ada berlaku kemasukan data yang luar
biasa. Kita tahu sebelum ini kita telah mengkodkan 1= Lelaki, 2=Perempuan. Lain-lain nombor selain
no 1 dan 2 kita anggap ianya sebagai ralat.
Ikuti langkah-langkah berikut:
1.

27

2.

3.

4.
Output menunjukan kepada kita responden no.99 dalam data set kita menunjukkan kegagalan
mematuhi peraturan kod yang kita tetapkan. Kita perlu ke Data View untuk melihat responden
no.99.

28

5.
Jelas disini kami telah melakukan kesilapan “keyin” kod, sepatutnya 2 tetapi jari kami agak gemok
tertekan no 3 pada papan kekunci.
Kaedah ini lebih mudah untuk mengesan kes-kes yang tidak mematuhi syarat yang kita tetapkan
berbanding dengan menggunakan kaedah melihat taburan frekuensi.

29

Aktiviti
7

Tranformasi Data

Ada kanya kita memerlukan tranformasi atau mengubah pembolehubah kita mengikut kesesuaian dan
kehendak kita. Proses melakuan tranformasi pembolehubah itu adalah mengira (compute) dan / atau
mengekod semula (recode) pembolehubah daripada set data sedia ada. Apabila mengira pembolehubah
baharu, anda sering menambah beberapa pembolehubah bersama-sama dan mengira purata, yang
kemudiannya menjadi pembolehubah baharu.
Pengekodan semula mungkin melibatkan penukaran skala pengukuran, pembolehubah yang diukur pada
asalnya tahap skala interval akan menjadi pembolehubah yang diukur pada skala nominal
atau skala ordinal.
Dalam aktiviti ini, anda akan mengekod semula pembolehubah yang diukur pada aras skala (menjadi
interval dan nisbah) kepada pembolehubah ordinal dan pembolehubah nominal. Anda mungkin ingin
melakukan operasi sedemikian untuk menjadikan data lebih mudah difahami atau mungkin lebih kepada
untuk analisis deskriptif atau analisis statistic inferensi khusus.

Kita memulakan aktiviti transformasi ini dengan proses RECODE.

Pengekodan semula ialah cara menggabungkan nilai pembolehubah ke dalam kategori yang lebih sedikit. Biar saya
berikan contoh hipotesis. Katakan anda telah menjalankan tinjauan dan salah satu soalan demografi anda ialah umur
responden. Memasuki umur sebenar dalam tahun akan menjadi cara paling mudah untuk bekerja dengan data.
Tetapi katakan juga bahawa anda ingin membandingkan orang dari kumpulan umur yang berbeza. Perkara yang
anda perlu tahu sebelum anda mengekod semula nilai. Mula-mula, anda perlu menentukan bilangan kategori yang
anda mahu sediakan. Secara amnya ini akan ditentukan dengan cara anda merancang untuk menggunakan
maklumat tersebut Sebagai contoh, anda mungkin melakukan transformasi sesuatu seperti ini.

Katakan dalam borang soal selidik anda menanyakan umur.
Nyatakan umur anda sekarang: _______ tahun

Anda sebenarnya mendapat data berbentuk sela. Jika anda ingin mendapatkan min dan melakukan analisis
membandingkan min, data bentuk sela adalah paling sesuai.
Katakan anda ingin mendapatkan kategori umur mengikut “cut-off” yang anda tetapkan seperti jadual dibawah, iaitu
anda hendak membahagikan julat umur kepada 5 bahagian.

Kategori Julat umur
1 18 hingga 29
2 30 hingga 39
3 40 hingga 49
4 50 hingga 59
5 60 hingga 89

Dengan kata lain, anda ingin memperolehi pembolehubah baru yang diberi nama baru iaitu kategori umur (agecat)
dari pembolehubah asal ( age ). Data agecat merupakan data berbentuk ordinal jika anda melakukan pembahagian
umur kepada 5 bahagian. Prosedur melakukan recode adalah seperti di bawah:

30

Langkah 1.
Langkah 2.
Langkah 3.

31

Langkah 4.
Langkah 5.

Langkah 6
Selepas tekan butang OK anda akan dibawa ke Variable View.

32

Apabila kita menyemak menggunakan arahan Analyze→ Frequency, kita akan dapat paparan output seperti
dibawah.

Kita perlu melabelkan semula 1,2,3,4,dan 5 pada Variable View mengikut pernyataan kategori yang kita mahukan
bagi memudahkan pembacaan keputusan.
Kita akan dapat output seperti di bawah, lebih kemas dan mudah difahami oleh pembaca.

33

Latihan 7a.
Recode pembolehubah umur (age) menjadi pembolehubah berbentuk nominal seperti jadual di bawah. Berikan

nama label pembolehubah baru anda “Peringkat Usia”

Umur sebenar responden yang di rekod ke dalam fail Data baru yang menjalani proses recode
data
18 hingga 35 tahun Muda
36 hingga 55 tahun Pertengahan
56 tahun keatas Tua

Kita terpaksa menggunakan pengetahuan dan kemahiran matematik kita untuk mencipta
pembolehubah baharu. Misalnya kita ingin mengetahui tahap obesiti responden kita. Tidak mungkin
kita akan mendapat jawapan yang tepat jika kita menanyakan mereka “Adakah anda mengalami
obesity?”. Tahap obesity boleh ditentukan dengan melihat kepada indek BMI mereka. Rumus
pengiraan BMI dan pentafsiran indek adalah seperti di bawah.

Pembolehubah baharu (BMI), adalah hasil terbitan dari 2 pembolehubah asal iaitu dari pembolehubah
berat (kg) dan pembolehubah tinggi (m) responden. Proses penghasilan pembolehubah baru menerusi
olahan aritmetik dalam spss dinamakan COMPUTE.
Langkah 1.
Sediakan pembolehubah berat(kg) dan tinggi (m) dalam variable view.

34

Langkah 2.
Isikan semua maklumat dari responden
Langkah 3.
Klik Transform→Compute Variable

Langkah 4.
1.Berikan nama untuk pembolehubah baru atau pembolehubah terbitan (bmi)
2. Pilih pembolehubah yang kita perlukan untuk operasi matematik (rumus)
3. Isi rumus pengiraan (compute) dengan menggunakan pembolehubah asal
4. Klik OK

35

Hasil

Semakan menggunakan Apps BMI di Iphone.
→

36

Kaedah ke 4. Menggunakan Logical Function IF
Anda boleh menggunakan ungkapan bersyarat (juga dipanggil ungkapan logik) untuk menggunakan
transformasi pada subset kes yang dipilih. Ungkapan bersyarat mengembalikan nilai benar (1), salah (0)
atau hilang (.) untuk setiap kes. Jika hasil ungkapan bersyarat adalah benar, transformasi digunakan pada
kes tersebut. Jika keputusan palsu atau hilang, transformasi tidak digunakan pada kes itu.
Andaikan kita ingin mendapatkan data kes bagi lelaki yang obes, disini kita mengenakan syarat pada
data set kita iaitu:

1. Mesti lelaki
2. BMI mesti lebih atau sama dengan 25
Kita akan menggunakan LOGICAL FUNCTION IF bagi memenuhi syarat pemilihan data.
Langkah 1.
Klik Transform → Compute Variable dan anda akan dibawa ke Dialog Box berikut

Langkah 2.
Isikan 1= nama pembolehubah baru (obes_man)

2= klik if untuk memilih syarat

37

Seterusnya lakukan pemilihan syarat Jantina =1

Klik continue apabila selesai memilih syarat.
Isikan syarat ke dua iaitu BMI >= 25 dan tekan butang OK untuk tamatkan prosedur.

38

Paparan pada Data View memperlihatkan hasil pemilihan bersyarat kita
Seterusnya berikan nilai label bagi memudahkan pembacaan output nanti.

39

Dapatkan paparan output keputusan

Data menunjukan, daripada 9 lelaki, 4 (44.4%) mengalami obesity dan 5(55.6%) tidak mengalami
obesity.

40

Latihan 7b.
Cari peratusan wanita yang mengalami obesity dari data set bmi.sav

41

Aktiviti
8

Cara Memilih Kes dalam SPSS

Dalam aktiviti ini, kita akan melihat cara memilih kes dalam SPSS, dan cara bekerja dengan data yang
ditapis (filter).
Buka data fail data bengkel.sav
Dua pembolehubah yang kita pilih ialah Jantina (sex) dan Jumlah jam menonton tv dalam sehari (tvhours).
Katakan kita hendak memilih kes “wanita yang menonton tv lebih dari 3 jam sehari” sahaja untuk kita
analisis. Lain-lain ciri dalam sampel kita keluarkan dari set analisis. Cara konvensional ialah kita memilih
secara manual mengunakan cari dan delete kes yang tidak mematuhi syarat, tetapi cara itu remeh dan
mengundang ralat dan cara yang paling berkesan ialah menggunakan “select cases” pada menu spss.
Langkah 1. Buka fail data bengkel.sav
Langkah 2. Data → Select cases

Langkah 3.

42

Lahkah 4. Menetapkan syarat pemilihan kes, sex ( 1= Male, 2= Female) dan tvhours >= 3 jam.

Klik Ok untuk melengkapkan operasi.
Kita akan mendapat paparan data yang memenuhi syarat pemilihan kes kita. Maka kita bolehlah
menjalankan analisis di kalangan wanita yang menonton tv lebih dari 3 jam sehari.

43

Terdapat 252 responden wanita yang menonton tv lebih dari 3 jam sehari.

Jika anda pergi ke variable View anda akan lihat seolah pembolehubah baru telah tercipta. Sebarang
pemilihan kes yang menggunakan syarat akan tercatat di bahagian ini.
Akhir kata.Terdapat beberapa perkara yang perlu diperhatikan sebelum kita selesai.
Yang pertama ialah anda boleh mengembalikan set data kepada keadaan tidak ditapis dengan kembali ke
kotak dialog Select cases (Data → Select cases) dan memilih Select all cases (pilihan pertama yang
tersedia). Ini tidak akan memadamkan pembolehubah penapis baharu, tetapi ia akan menjadikannya
tidak aktif. Anda juga akan mendapati bahawa "filter on" tidak lagi akan ditunjukkan di bahagian bawah
sebelah kanan Paparan Data.

44

Anda akan dapat data yang asal. Anda boleh jalankan analisis frekuensi untuk menyemak.

45

Aktiviti
9

SPLIT File

Contoh berikut menunjukkan cara membahagikan set data anda kepada dua atau lebih kumpulan untuk
melaksanakan analisis "mengikut kumpulan." (Contoh ini menggunakan SPSS versi 28, tetapi prosesnya
adalah sama dalam kebanyakan versi.)
Sebagai contoh, katakan anda ingin menganalisis data anda mengikut jantina. Iaitu, anda ingin melakukan
satu analisis pada lelaki sahaja dan analisis yang sama pada wanita sahaja.
Langkah 1.
Buka fail data bengkel.sav

Langkah 2.
Dari menu, pilih Data→ Split File. Klik butang “Organize output by groups”.

46

Langkah 3.
Selepas Klik OK. Sekarang, analisis seterusnya akan mencerminkan Split File, iaitu analis mengikut
kumpulan subset (jantina). Lakukan analisis deskriptif mudah jumlah jam menonton TV (tvhours).
Anda akan mendapat paparan output seperti berikut.

Langkah 4.
Penting, untuk kembali kepada data “normal” dimana data tidak split, pergi semula ke menu
Data→Split Files… dan pilih “Analyze All cases”

47

Aktiviti
10

MERGE FILES

Merge Files atau mengabungkan siri data fail spss. Untuk mengabungkan data fail ke dalam spss
anda boleh mengikuti prosedur berikut:

Aktiviti 10a: Mengabungkan kes (responden)

Langkah 1.
Dari menu pilih Data → Merge files …

Langkah 2.
Pilih Add cases atau Add variables.

Add cases (menambahkan responden)
Pilih pilihan ini apabila set data mengandungi pembolehubah (lajur) yang sama tetapi kes yang
berbeza (baris). Menambah kes adalah memadankan pembolehubah yang serupa kedalam satu
fail.

Kita mempunyai dua fail disini
1. Fail asal adalah bmi.sav
2. Fail yang hendak digabungkan bmi2.sav

Fail yang di buka dahulu di kira sebagai fail aktif.

48