Introduction to SPSS

and data
management

Dr LIZA SAAD
 Introduction
 SPSS for windows is a computer package that
will perform a wide variety of statistical
procedures.
 Data management and analysis can be handled
well with SPSS.
 Using SPSS we can manipulate data, make
graphs and perform statistical techniques
varying from means to regression.
 SPSS windows process
 Data window
 Variable view window
 Output window
 Chart editor window
 Management of data and files
 SPSS can read different types of data files.
 You can open not only SPSS files but also
excel and other files.
 You can create a new data set with SPSS.
 You can also edit, delete and view the contents
of your data file.
 Types of variables
 You can select type of variable
 String
 Numeric
 You can also select format of variable
 Scale
 Ordinal
 Norminal
 Scale variable
 A scale variable is a measurement where the
difference between two values is meaningful. The
difference between a temperature of 100 degrees
and 90 degrees is the same difference as between 90
degrees and 80 degrees.
 Examples of scale variables include age in years.
1. 18 and below
2. 19-29
3. 30-39
4. 40 and above
 Ordinal Variable
 A ordinal variable, is one where the order
matters but not the difference between values.
 For example, you might ask patients to express
the amount of pain they are feeling on a scale
of 1 to 10. A score of 7 means more pain that a
score of 5, and that is more than a score of 3.
But the difference between the 7 and the 5 may
not be the same as that between 5 and 3. The
values simply express an order.
 Nominal Variable
 A nominal variable is one that has two or more
categories, but there is no intrinsic ordering to
the categories.
 Gender
 Hair color is also a categorical variable
 Why does it matter?
 Statistical computations and analyses assume
that the variables have specific levels of
measurement
 Can you compute average of hair color?
 Does it makes sense to compute the average of
educational experience?
 An average requires a variable to be interval.
 Data Analysis
 Data analysis embraces both the problem of
finding an appropriate model, on the one hand,
and model estimation and testing, on the other.
 In this context normality assumption becomes
important.
 In social sciences, it is hard to find typical bell
shaped normal distribution.
 Normal distribution
 In general, the bell shape distribution has the
following characteristics
 The average is located in the center of the
distribution.
 The greater the distance from average, the lower
the frequency.
 Antaramuka SPSS
 Membuka perisian SPSS
 Arahan: Start>All Programs>SPSS for
Windows>SPSS Version 15.0
 Antaramuka SPSS
 Tetingkap berikut akan dipaparkan:
 Antaramuka SPSS
 Run the tutorial - membuka tutorial di dalam spss
 Type in data - memasukkan data baru
 Run an existing query - melaksanakan query sedia ada
menerusi database wizards
 Create new query using Database Wizard -
membina query baru menerusi database wizards
 Open existing data source - membuka fail data yg
telah dibina sebelum ini
 Open another type of file - membuka fail database
lain selain spss seperti excel.
 Antaramuka SPSS
 Sekiranya tidak mahu tetingkap ini dipaparkan
setiap kali SPSS dibuka maka klik pada Don’t
show this dialog in the future.
 Arahan – Klik pada Type in data > OK
 Antaramuka SPSS
 Skrin seperti ini akan dipaparkan:
 Data View
 Skrin Data View membolehkan pengguna
memasukkan data kajian.
 Variable View
 Arahan: Klik Variable View
 Skrin Variable View ini membolehkan
pengguna membina variables yang berkaitan
dengan kajian.
 Output View
 Merupakan tetingkap yang memaparkan hasil
analisis data yang dilakukan di tetingkap Data
View.
 Hasil analisis ini boleh dipindahkan ke dalam
perisian Microsoft words (copy and paste)
 Pengurusan Data
 Spss beroperasi berasaskan variables dan cases
 Variables (umur, gender etc) diletakkan
sebagai lajur
 Satu lajur untuk satu variable
 Cases (bilangan responden) diletakkan sebagai
baris
 Satu baris untuk satu responden
 Menamakan variable
 Panjang max nama variable = 8 aksara
 Mesti dimulakan dengan huruf
 Tidak boleh diakhiri dengan tanda noktah
 Nama yang dipilih mesti unik dan tidak
bertindih dengan variable lain
 Boleh menggunakan huruf besar atau kecil
 Latihan
 Menghasilkan satu fail data SPSS dari soal
selidik
 Arahan: Mulakan perisian SPSS
 Klik pada variable view
 Menamakan variable berpandukan soal selidik
yang diberi
 Variable : Etnik
 Arahan: (Pada skrin Variable View), Klik pada
sel 1 di bawah lajur Name
 > Taipkan etnik
 > Klik pada sel 1 di bawah lajur Type dan
pilih Numeric
 Lajur Width = 4
 Lajur Decimal = 0
 Lajur Label = bangsa
 Variable : Etnik (samb.)
 Lajur Value:
1. Value = 1; Value Label = Melayu > Klik
Add
2. Value = 2; Value Label = Cina > Klik Add
3. Value = 3; Value Label = India > Klik Add
4. Value = 4; Value Label = Lain-lain > Klik
Add
 Variable : Etnik (samb.)
 Lajur Missing = None
 Lajur Column = 8
 Lajur Align = Right
 Lajur Measure = Nominal
 Variable : Gender
 Klik pada sel ke-2 (baris kedua) di bawah lajur
Name > masukkan gender
 Type = Numeric
 Width = 4
 Decimal = 0
 Label = Gender Pelajar
 Variable : Gender (samb.)
 Lajur Value:
1. Value = 1; Value Label = Lelaki > Klik Add
2. Value = 2; Value Label = Perempuan > Klik
Add
 Lajur Missing = None
 Lajur Column = 8
 Lajur Align = Right
 Lajur Measure = Nominal
 Variable : Umur
 Klik pada sel ke-3 (baris ketiga) di bawah lajur
Name > masukkan umur
 Type = Numeric
 Width = 4
 Decimal = 0
 Label = Umur Pelajar
 Variable : Umur (samb.)
 Lajur Value:
1. Value = 1; Value Label = 18-20 > Klik Add
2. Value = 2; Value Label = 21-23 > Klik Add
3. Value = 3; Value Label = 24-26 > Klik Add
4. Value = 4; Value Label = 27 ke atas > Klik Add
 Lajur Missing = None
 Lajur Column = 8
 Lajur Align = Right
 Lajur Measure = Ordinal
 Variable : Spss
 Klik pada sel ke-4 (baris keempat) di bawah
lajur Name > masukkan spss
 Type = Numeric
 Width = 4
 Decimal = 0
 Label = pernah menggunakan SPSS
 Variable : Spss (samb.)
 Lajur Value:
 Value = 1; Value Label = Ya > Klik Add
 Value = 2; Value Label = Tidak > Klik Add
 Lajur Missing = None
 Lajur Column = 8
 Lajur Align = Right
 Lajur Measure = Nominal
 Variable : Soalan 1
 Klik pada sel ke-6 (baris ke 6) di bawah lajur
Name > masukkan S1
 Type = Numeric
 Width = 4
 Decimal = 0
 Label = Kaedah mengajar
 Variable : Soalan 1 (samb)
 Lajur Value:
1. Value = 1; Value Label = Amat Tidak Setuju > Klik
Add
2. Value = 2; Value Label = Tidak Setuju> Klik Add
3. Value = 3; Value Label = Sederhana Setuju> Klik
Add
4. Value = 2; Value Label = Setuju> Klik Add
5. Value = 2; Value Label = Amat Setuju> Klik Add
 Variable : Soalan 1 (samb)
 Lajur Missing = None
 Lajur Column = 8
 Lajur Align = Right
 Lajur Measure = Scale
 Variable : Soalan 2
 Klik pada sel ke-7 (baris ke 7) di bawah lajur
Name > masukkan S2
 Type = Numeric
 Width = 4
 Decimal = 0
 Label = Penyampaian isi pelajaran
 Variable : Soalan 2 (samb)
 Lajur Value:
1. Value = 1; Value Label = Amat Tidak Setuju > Klik
Add
2. Value = 2; Value Label = Tidak Setuju> Klik Add
3. Value = 3; Value Label = Sederhana Setuju> Klik
Add
4. Value = 2; Value Label = Setuju> Klik Add
5. Value = 2; Value Label = Amat Setuju> Klik Add
 Variable : Soalan 2 (samb)
 Lajur Missing = None
 Lajur Column = 8
 Lajur Align = Right
 Lajur Measure = Scale
 Variable : Soalan 3
 Klik pada sel ke-8 (baris ke 8) di bawah lajur
Name > masukkan S3
 Type = Numeric
 Width = 4
 Decimal = 0
 Label = Contoh yang realistik
 Variable : Soalan 3 (samb)
 Lajur Value:
1. Value = 1; Value Label = Amat Tidak Setuju > Klik
Add
2. Value = 2; Value Label = Tidak Setuju> Klik Add
3. Value = 3; Value Label = Sederhana Setuju> Klik
Add
4. Value = 2; Value Label = Setuju> Klik Add
5. Value = 2; Value Label = Amat Setuju> Klik Add
 Variable : Soalan 3 (samb)
 Lajur Missing = None
 Lajur Column = 8
 Lajur Align = Right
 Lajur Measure = Scale
 Variable : Soalan 4
 Klik pada sel ke-9 (baris ke 9) di bawah lajur
Name > masukkan S4
 Type = Numeric
 Width = 4
 Decimal = 0
 Label = Maklumat yang disampaikan
 Variable : Soalan 4 (samb)
 Lajur Value:
1. Value = 1; Value Label = Amat Tidak Setuju > Klik
Add
2. Value = 2; Value Label = Tidak Setuju> Klik Add
3. Value = 3; Value Label = Sederhana Setuju> Klik
Add
4. Value = 2; Value Label = Setuju> Klik Add
5. Value = 2; Value Label = Amat Setuju> Klik Add
 Variable : Soalan 4 (samb)
 Lajur Missing = None
 Lajur Column = 8
 Lajur Align = Right
 Lajur Measure = Scale
 Variable : Soalan 5
 Klik pada sel ke-10 (baris ke 10) di bawah
lajur Name > masukkan S5
 Type = Numeric
 Width = 4
 Decimal = 0
 Label = Kelajuan penyampaian
 Variable : Soalan 5 (samb)
 Lajur Value:
1. Value = 1; Value Label = Amat Tidak Setuju > Klik
Add
2. Value = 2; Value Label = Tidak Setuju> Klik Add
3. Value = 3; Value Label = Sederhana Setuju> Klik
Add
4. Value = 2; Value Label = Setuju> Klik Add
5. Value = 2; Value Label = Amat Setuju> Klik Add
 Variable : Soalan 5 (samb)
 Lajur Missing = None
 Lajur Column = 8
 Lajur Align = Right
 Lajur Measure = Scale
 Data View
 Sesudah semua variable dimasukkan di dalam
variable view, maka sekarang kita boleh
masukkan data kajian di dalam data view
 Arahan: Klik pada data view
 Maka kesemua variable yang telah dibina akan
dipaparkan di skrin data view.
 Fail data ini hanya menunggu data untuk
dimasukkan.
 Data View
 Jika kita lupa mengenai value label yang telah
digunakan maka gunakan arahan berikut:
 Klik Utilities (dari menu bar) > Variables.
 Maka kita boleh melihat semua value labels
yang telah digunakan
 Untuk menutup tetingkap Variables klik Close
 Simpan (save) fail data anda setelah selesai
urusan memasukkan data. (Klik File>Save
atau klik pada ikon )
End
 Carta Statistik
 SPSS mampu untuk memplot pelbagai jenis
carta dan graf seperti
1. Bar
2. Garisan
3. Pai
4. Scatterplot
5. Histogram
 Carta Bar
 Buka perisian SPSS
 Klik File>Open>Data>Data1.sav>Open
 Klik Graphs>Bar tetingkap berikut akan
dipaparkan
 Carta Bar
 Klik Simple>Define
 Carta Bar
 Klik Gender dan klik butang ini untuk
masukkan didalam Category Axis
 Carta Bar
 Klik Title untuk memasukkan tajuk carta bar
dan klik Continue bila selesai
Carta Bar
 Carta Bar
 Klik OK dan carta bar akan dipaparkan di
dalam Output Viewer
 Carta Bar
 Carta bar tersebut boleh diubahsuai dengan
cara double click mouse pada carta tersebut
dan tetingkap chart editor akan dipaparkan.
 Carta Bar
 Untuk mengubah Carta tersebut klik sekali
butang kanan pada mouse dan pelbagai option
akan tersenarai
 Carta Bar
 Anda boleh mencuba untuk mengubah carta
tersebut mengikut citarasa masing-masing
seperti menukar jenis carta contohnya kepada
carta pai dan sebagainya
 Carta Bar
 Untuk mengubah bentuk carta, warna serta
ketebalan carta bar maka kita boleh Klik pada
butang property windows
 Carta Bar
 Maka tetingkap properties akan dipaparkan
 Chart size untuk mengubah saiz carta
 Carta Bar
 Fill & borders untuk menukar warna dan
bentuk garisan sisi carta
 Carta Bar
 Categories pula untuk mengubah kategori yang
terdapat pada carta tersebut
 Carta Bar
 Bar option pula digunakan untuk mengubah
ketebalan bar tersebut. Kita boleh skrol butang
bars untuk mendapatkan ketebalan yang sesuai
 Carta Bar
 Butang variables ini digunakan bila lebih dari
satu variable yang dipilih untuk memplot carta
tersebut. Kita boleh menukar X axis dengan
variable lain yang terdapat di dalam kekotak
variable.
 Carta Bar
 Option terakhir pada properties tersebut adalah
depth & angle. Fungsi ini digunakan untuk
mendapatkan jenis carta bar yang flat, Shadow
ataupun 3D
 Carta Bar
 Jika pilihan Flat digunakan maka ruang
Angle/Offset dan distance tidak dapat
diaktifkan
 Carta Bar
 Jika pilihan Shadow diaktifkan maka ruang
Offset digunakan untuk menentukan
kedudukan shadow bar tersebut dengan
melaraskan butang ini
 Carta Bar
 Jika pilihan 3D diaktifkan maka ruang Offset
dan distance digunakan untuk menentukan
bentuk dan saiz bar tersebut dengan
melaraskan butang ini
 Transformasi Data
 Data yang disimpan melalui SPSS boleh
diubahsuai mengikut keperluan masing-masing
 Proses transformasi data akan membolehkan
kita menjalankan operasi analisis data yang
lebih kompleks.
 Terdapat pelbagai proses transformasi yang
boleh dilakukan seperti arahan Compute,
Count dan Recode
 Transformasi Data - Compute
 Compute akan membolehkan kita
menghasilkan variable yang baru melalui
operasi manipulasi beberapa variable yang
sedia ada di dalam fail data SPSS.
 Arahan: Buka perisian SPSS
 Buka data SPSS
 Klik Transform>Compute dan tetingkap
compute variable akan dipaparkan
 Compute (samb)
 Ruangan Target Variable merupakan ruang
untuk menaip nama variable baru yang ingin
dibina.
 Dalam latihan ini kita akan mencari nilai min
bagi satu set variable
 Arahan: taipkan min pada ruangan target
variable.
 Klik butang Type&Label untuk menentukan
jenis variable serta labelnya
 Compute (samb)
 Isikan seperti di bawah:
 Compute (samb)
 Klik continue apabila selesai.
 Pada ruangan Function, klik pada Mean dan
klik pada butang ini
 Compute (samb)
 Klik dua kali (double click) pada variable S1
di ruang senarai variable. Ia akan kelihatan
dalam kurungan fungsi Mean
 Ulangi langkah sehingga s5 (pastikan selepas
s1 diikuti dengan koma (,) dan padamkan
tanda soal (?) yang terdapat dalam kurungan
itu.
 Compute (samb)
 Setelah selesai ia akan kelihatan seperti ini:

Klik OK bila selesai

 Compute (samb)
 Klik pada ruangan data view maka variable
baru akan kelihatan.
 Compute (samb)
 Selain mencari mean, arahan compute juga
boleh melakukan operasi berikut:
 tambah (+), tolak (-), darab (*), bahagi (/)
 SUM (menjumlahkan data eg. SUM(s1,s2)
 SD (sisihan piawai eg SD(s1,s2)
 Varians (eg VARIANCE(s1,s2)
 Count
 Fungsi count membolehkan kita mengira
kekerapan (mod) sesuatu nilai di dalam
variable.
 Arahan: Klik Transform>Count dan tetingkap
compute variable akan dipaparkan
 Count (samb)
 Tetingkap di bawah akan dipaparkan.
 Count (samb)
 Dalam latihan ini kita akan mencari kekerapan
nilai 5 bagi satu set variable.
 Taipkan mod pada ruangan Target variable
dan taipkan Bilangan skor 5 bagi s1-s5
 Klik+hold s1-s5 kemudian tekan butang
 Maka s1-s5 akan berada diruang Variables
 Count (samb)
 Maka ia akan kelihatan begini:

 Klik pada define values

 Count (samb)
 Isikan angka 5 pada ruangan value
 Klik butang Add
 Klik continue bila selesai

 Klik Ok
 Count (samb)
 Maka satu lagi variable akan kelihan pada
ruang data view yang memaparkan mod bagi
set variable tersebut
 Recode
 Ia membolehkan kita mengubahsuai data di
dalam variable supaya ia bersesuaian dengan
analisis yang akan dijalankan.
 2 arahan recode:
1. Recode into same variable
2. Recode into different variable
 Recode into same variable
 Recode into same variable sesuai digunakan
untuk mengubahsuai data bagi satu variable
yang sedia ada di dalam fail data yang
digunakan.
 Nota: Arahan Recode tidak akan
mengubahsuai nilai value labels bagi sesuatu
variable.
 Recode into same variable
 Arahan: Klik Transform>Recode>Into Same
Variable dan tetingkap Recode into same
variable akan dipaparkan
 Recode into same variable
 Klik pada Kaedah mengajar (s1) dan klik
butang
 Recode into same variable
 Klik pada butang Old and New Values
 Recode into same variable
 Tetingkap berikut akan dipaparkan.
 Recode into same variable
 Klik pada Range taipkan julat yang sesuai
pada old value dan nilai baru yang sesuai pada
new value. Klik Add bila selesai.
Recode into same variable
 Recode into same variable
 Masukkan nilai yang seterusnya dan klik Add
 Recode into same variable
 Seterusnya klik continue apabila selesai
 Recode into same variable
 Langkah ini sebenarnya akan menukar julat
asal 1 dan 2 kepada nilai baru iaitu 1.
 Manakala nilai asal 3 hingga 5 akan bertukar
menjadi 2
 Cuba perhatikan Value Labels tidak berubah
dan kekal seperti asal.
 Recode into same variable
 Maka perlulah kita ubah Value Labels agar ia
bersesuaian dengan kod baru yang digunakan.
Contohnya:
 Recode into different variable
 Arahan: Buka fail SPSS yang anda gunakan dalam
latihan sebelumnya
 Klik Transform>Recode>Into Different Variable dan
tetingkap ini akan dipaparkan
 Recode into different variable
 Klik pada Kaedah mengajar (s1) dan klik
butang
Recode into different variable
 Recode into different variable
 Seterusnya taipkan nama dan label variable
baru pada ruang output variable. Bila selesai
tekan butang change
 Recode into different variable
 Klik pada butang Old and New Values dan
taipkan kod yang baru seperti berikut. Klik
continue bila selesai.
 Recode into different variable
 Klik butang OK dan hasil berikut akan
terbentuk. Satu variable baru s1new terbentuk
hasil daripada pengkodan semula s1
 Recode into different variable
 Jika di perhatikan di tetingkap Variable View
di dapati bahawa variable baru yang terbentuk
tidak mempunyai Value Labels. Letakkan
Value Labels yang bersesuaian seperti berikut
 Analisis Data
 SPSS membolehkan pengguna menghasilkan
pelbagai bentuk taburan data menerusi arahan
Frequencies, Descriptives dan Crosstabs
 Frequencies digunakan untuk mengira jumlah
respon. Ia juga boleh menghasilkan statistik
diskriptif seperti min, mod, media dan varians
 Pelbagai bentuk graf juga dapat dihasilkan
melalui arahan ini.
 Frequencies
 Arahan: buka fail SPSS
 Klik Analyze>Descriptive Statistics>Frequencies
 Tetingkap ini akan dipaparkan
 Frequencies
 Pilih variable yang sesuai seperti kaedah
mengajar (s1), Penyampaian isi pelajaran (s2)
dan Contoh yg realistik (s3) dan masukkan
dalam ruangan variable
 Frequencies
 Klik butang statistics untuk memilih jenis
statistik yang dikehendaki.
 Di dalam latihan ini kita akan memilih Mean
dan Standard Deviation
 Frequencies
 Klik butang continue bila selesai.
 Klik pula pada butang Charts jika ingin
menghasilkan carta seperti bar, histogram dsb
 Pilih Bar Charts dan klik continue
 Frequencies
 Klik butang Format untuk mengubahsuai
paparan jadual frekuensi samada susunan
secara menaik atau menurun. Klik Continue
bila selesai
 Frequencies
 Seterusnya klik OK maka paparan output view
yang mengandungi jadual frekuensi yang
dikehendaki akan terhasil
Frequencies – Output view
Frequencies – Output view
 Frequencies
 Simpan (save) fail output menggunakan nama
yang sesuai
 Tutup fail output untuk menggelakkan
berlakunya percampuran output
 Descriptives
 Fungsi ini akan membolehkan pelbagai
analisis deskriptif dilakukan serentak bagi
pelbagai variable.
 Arahan buka Fail yang sama seperti latihan
frequencies.
 Klik Analyze>Descriptive
Statistics>Descriptive
 Descriptives
 Tetingkap berikut akan dipaparkan
 Descriptives
 Pilih variable yang sesuai seperti kaedah
mengajar (s1), Penyampaian isi pelajaran (s2)
dan Contoh yg realistik (s3), Maklumat yg
disampaikan (s4) dan Kelajuan penyampaian
(s5) dan masukkan dalam ruangan variable
Descriptives
 Descriptives
 Klik butang Option dan pilih satistik yang
dikehendaki, contohnya Mean, Standard
Deviation, Minimum dan Maximum. Klik
Continue bila selesai
Descriptives
 Descriptives
 Klik OK dan tetingkap Output Viewer akan
terhasil.
Descriptives
 Crosstabs
 Fungsi ini membolehkan kita menghasilkan
suatu ukuran perhubungan dengan dua variable
dalam bentuk jadual frekuensi dua atau
pelbagai hala.
 Dalam fungsi ini, statistik korelasi seperti
Pearson Chi-Square dan Gamma boleh
dihasilkan.
 Crosstabs
 Arahan buka Fail yang sama seperti latihan
frequencies dan Descriptive
 Klik Analyze>Descriptive
Statistics>Crosstabs
 Crosstabs
 Tetingkap ini akan muncul
 Crosstabs
 Pilih variable yang sesuai seperti kaedah
mengajar (s1) dan Penyampaian isi pelajaran
(s2) untuk dimasukkan dalam ruangan Rows
 Dan pilih etnik untuk ruangan Coloumns
Crosstabs
 Crosstabs
 Klik butang statistics dan pilih correlation.
Tekan continue bila selesai.
 Crosstabs
 Klik Ok dan tetingkap Output Viewer akan
menghasilkan jadual seperti berikut
Crosstabs
 Analisis Korelasi
 Pekali korelasi mengukur kekuatan perkaitan
antara 2 variable.
 Terdapat beberapa model pekali korelasi di
dalam SPSS seperti Pearson, Spearman’s rho
dan kendal’s tau-b
 Analisis Korelasi
 Arahan buka Fail yang sama seperti latihan
frequencies dan Descriptive
 Berdasarkan fail data, kita akan melihat
samada ada atau tidak perkaitan antara 2
variable yang dipilih
 Contohnya perkaitan antara gender dan
markah ujian
 Analisis Korelasi
 Contohnya perkaitan antara umur dan markah
ujian. Maka contoh hipotesis yang boleh
ditulis adalah seperti berikut:
 Hipotesis null: tiada perkaitan yang signifikan
antara umur dan skor ujian
 Hipotesis alternatif: terdapat perkaitan yang
signifikan antara umur dengan skor ujian
 Analisis Korelasi
 Klik Analyze>Correlate>Bivariate
 Pilih Umur dan pencapaian ujian
 Analisis Korelasi
 Klik Option sekiranya ingin memaparkan
statistik deskriftif. (pilih mean dan standard
deviation)
 Analisis Korelasi
 Klik Continue>Ok maka tetingkap output
viewer akan kelihatan
Analisis Korelasi
 Analisis Korelasi - penafsiran
 Paparan tersebut menunjukkan variable umur
dan skor ujian mempunyai korelasi yang tinggi
iaitu 0.878
 Analisis Korelasi - penafsiran
 Ini membuktikan bahawa umur dan ujian
mempunyai perhubungan yang kuat
memandangkan nilai korelasi menghampiri
nilai 1 (iaitu nilai maksimum bagi pekali
korelasi)
 Analisis Korelasi - penafsiran
 Hasil ini juga menunjukkan perkaitan yang
signifikan antara kedua variable tersebut di
mana nilai signifikannya ialah 0.000 iaitu lebih
kecil dari aras signifikan yang telah ditetapkan
iaitu 0.05 pada ujian korelasi dua hala
 Analisis Regresi
 Di dalam analisis ini kita mempunyai objektif
spesifik untuk memodelkan hubungan
pergantungan Y (variable bersandar) ke atas X
(variable takbersandar).
 Model linear yang terhasil boleh digunakan
untuk meramalkan nilai Y apabila diberikan
nilai X.
 Analisis Regresi
 Klik Analyze>Regression>Linear
 Pilih Jam belajar (Y) dan pencapaian ujian (X)
 Analisis Regresi
 Pilih Jam belajar sebagai dependent (Y)
 Pencapaian Ujian sebagai Independent (X)
 Analisis Regresi
 Klik butang statistik, pilih seperti rajah, klik
Continue
 Analisis Regresi
 Klik OK bila selesai dan tetingkap Output
Viewer akan kelihatan seperti berikut:
 Analisis Regresi - penafsiran
2
 Daripada analisis didapati bahawa nilai R
2
bersamaan 0.897, sekiranya nilai R
bersamaan dengan 1 maka model yang
digunakan pada data ini adalah sangat sesuai
dan jika nilai kurang dari 0.5 maka model itu
tidak sesuai
 Analisis Regresi - penafsiran
2
 Didapati bahawa nilai R adalah 0.897 dan
melebihi 0.5, maka model yang digunakan
adalah sesuai. Ianya juga disokong oleh
analisis ANOVA di mana nilai signifikannya
ialah 0.000 lebih kecil dari aras signifikan
yang ditentukan iaitu 0.05/2 = 0.025