Sunday, May 11, 2008

Metakognitif dalam spss

Metakognitif dalam spss

Statistical Package for Social Science atau ringkasnya SPSS ialah antara pakej statistik yang sering digunakan oleh penyelidik khususnya dalam bidang Sains Sosial bagi menganalisis data.

Pakej ini menjadi pilihan ramai penyelidik memandangkan operasinya yang mudah di samping menyediakan analisis statistik yang bersesuaian dengan keperluan penyelidikan dalam bidang sains social.

Selain daripada keupayaannya menyediakan analisis statistik terhadap data kajian, SPSS Window juga menyediakan sistem pengurusan data dalam suasana grafik yang menarik dengan menggunakan menu dan kotak dialog. Dengan demikian, semua arahan dapat dilakukan dengan mudah.

Memulakan SPSS

Dari Menu Windows Start pilih
Program
→ SPSS for windows

Apabila program SPSS diaktifkan, tetingkap yang akan terpapar di skrin komputer ialah tetingkap SPSS Data Editor. Pada control bar tetingkap SPSS Data Editor ini akan tertulis SPSS Processor is Ready


Membuka Fail
Dari menu pilih
File
→ Open
→ Data

By default, SPSS-format data fail (.sav) akan kelihatan. Double klik d:\spss\datamodulespss\module1\demo.sav. Klik data view dan variable view

Running an Analysis
Dari Menu pilih
Analyze
→Descriptive Statistics
→Frequencies

Frequencies dialog box akan dibuka

Klik right mouse button pada income category(inccat) kemudian klik (left mouse button) variable information.
Klik down arrow di value labels drop-down list
Pilih variable income category dan gender dan klik right-arrow button untuk memindahkan variable dari source variable list ke target variable list
(#) icon disebelah variable menunjukkan variable itu numeric. (A) icon pula menunjukkan variable itu string (alphanumeric)
Klik OK


Creating Charts

Dari Menu pilih
→Graf
→Bar
Klik clustered kemudian klik define
Scroll down source variable list dan pilih wireless service (wireless) sebagai variable Category Axis

Select Owns PDA (ownpda) sebagai variable Define Clusters By
Klik OK

Membaca Data

Data can be entered directly into SPSS, or it can be imported from a number of different sources. The processes for reading data stored in SPSS data files, spreadsheet applications, such as Microsoft Excel, database applications, such as Microsoft Access, and text file.

Struktur asas Data Fail SPSS

SPSS data fail di susun melalui cases (row) dan variables (columns)

Dalam data fail ini, cases mewakili responden terhadap survey.

Variables mewakili setiap soalan yang ditanya dalam survey.


Membaca Data Fail SPSS

Dari Menu pilih
File → Open → Data..
Pastikan SPSS (*.sav) dipilih dari Files of Type drop-down list

Membaca data dari spreadsheets
Dari Menu pilih: File → Open →Data …
Pilih Excel (*.xls) dari Files of Type drop-down list. Pilih demo.xls dan klik open untuk membaca spreadsheet ini.
Dialog box akan dipaparkan dan membenarkan user samada untuk memasukkan nama variable di dalam spreadsheet .
Pastikan read variable names from first row of data dipilih. Pilihan ini membaca column headings sebagai nama variable.
Klik OK.

Menyimpan Data
Dari Menu Pilih
File
→Save

Mengguna Data Editor

Data Editor menunjukkan kandungan ‘active data file’.Maklumat dalam Data Editor terdiri daripada variables dan cases.
• Dalam data view, columns mewakili variables dan rows mewakili cases (pemerhatian)
• Dalam variable view, setiap row adalah variable, dan setiap column merujuk kepada variable tersebut.


Memasukkan Numeric Data

Data boleh dimasukkan ke dalam Data Editor, dimana sangat berguna untuk data fail yang kecil atau untuk membuat sedikit perubahan terhadap data fail yang besar.
Klik variable view di bahagian bawah Data Editor Window.
Takrifkan variable yang akan digunakan. Dalam kes ini, hanya 3 variable diperlukan iaitu age, marital status dan income

Variables baru secara automatik diberi jenis numeric data
Klik data view untuk memasukkan data

Nama yang anda takrifkan di variable view sekarang menjadi heading untuk 3 column yang pertama dalam data view.
Mulakan memasuk data dalam row pertama, column pertama
Dalam column age type 55 → dalam column marital, type 1 → dalam column income type 72000, kemudian pergi ke row kedua.
Dalam column age type 53 → dalam column marital, type 0 → dalam column income type 153000
Column age dan marital menunjukkan decimal points. Untuk menghilangkan decimal points dalam variable ini
Klik variable view tab di bahagian bawah Data Editor Window


Pilih column decimals dalam age row dan type 0 untuk menghilangkan decimal.
Pilih column decimals dalam marital row dan type 0 untuk menghilangkan decimal.
Non-numeric data, seperti strings juga boleh dimasukkan dalam Data Editor.


Memasukkan Data String

Klik variable view tab di bahagian bawah Data Editor window
Pada row pertama yang kosong, type sex sebagai nama variable.


Klik type cell di row sex → Klik button di type cell untuk membuka variable type dialog box
Pilih string → Klik OK untuk menyimpan perubahan yang dibuat dan kembali kepada Data Editor.


Meletak label variable

Klik variable view tab di bahagian bawah Data Editor window. Label boleh sehingga 256 characters.
Dalam label column di age row, taip Respondent’s Age → Dalam label column di marital row, taip Marital Status.
Dalam label column di income row, taip Household Income → Dalam label column di sex row, taip Gender.



Meletak nilai label pada numeric variables.

Rujuk kepada marital status di mana nilai 0 menunjukkan bujang manakala nilai 1 menunjukkan berkahwin
Klik value cell pada marital row, kemudian klik button untuk membuka dialog box value labels.
Type 0 dalam value field → Type Single dalam value label field → Klik Add untuk menambah label ini ke dalam senarai
Ulang proses di atas, kali ini type 1 dalam value field dan married dalam value label field.


Klik Add dan kemudian klik OK untuk menyimpan perubahan yang dibuat
Klik Data View tab di bawah Data Editor window
Labels akan ditunjukkan dalam senarai bila anda memasukkan data. Ini akan memberi faedah dan memudahkan kerja

Menambah nilai label untuk string variable
String variable juga memerlukan nilai label. Contohnya, data anda menggunakan huruf F atau M untuk mengenali jantina.
Nilai label boleh digunakan untuk mengenali bahawa M mewakili Male (lelaki) dan F mewakili Female (wanita)

Klik value cell di sex row, kemudian klik button untuk membuka value labels dialog box
Taip F di value field, kemudian taip Female di value Label → Klik Add untuk menambah label ini ke data fail anda.
Ulang proses ini, kali ini taip M di value field dan Male di value label field. → Klik Add kemudian klik OK untuk menyimpan perubahan yang dibuat dan kembali kepada Data Editor.

Oleh kerana string value adalah case sensitive, anda perlu memastikan bahawa anda konsisten di mana lowercase m tidak sama dengan uppercase M.

Copying dan Pasting Value Attributes
Apabila anda telah mendefinasikan variable attributes untuk sesuatu variable, anda boleh menyalin perkara ini dan melaksanakannya di variable yang lain.
Di variable view, taip agewed di cell yang pertama pada row pertama yang kosong
Klik value cell di age row

Dari menu pilih → Edit → Copy
Klik values cell di agewed row


Dari menu pilih → edit → paste
Value yang telah didefinasikan dari age variable sekarang boleh digunakan di agewed variable


Apabila anda paste sesuatu perkara, ianya akan dilaksanakan disemua cells yang dipilih. Variable yang baru akan diwujudkan secara automatik jika anda paste sesuatu perkara di row yang kosong

Anda juga boleh menyalin kesemua perkara dari satu variable ke variable yang lain → Klik row number di marital row
Dari menu pilih → Edit → Copy
Klik row number di row pertama yang kosong
Dari menu pilih → edit → paste

Kesemua perkara di marital variable akan dilaksana di variable yang baru.

Statistik Menggunakan Frequencies

Prosidur frequency sangat berguna untuk mendapatkan ringkasan setiap variable. Contoh berikut menunjukkan bagaimana frequencies boleh digunakan untuk menganalisa ukuran variable di nominal, ordinal dan scale level
Terdapat 2 jenis data asas:
• Nominal - Kategori data di mana tiada kaitan antara kategori. Contohnya , kategori pekerjaan “sales” tiada tinggi atau rendah berbanding kategori “marketing” atau “research”
• Ordinal - Kategori data dimana membawa makna mengikut kategori. Tetapi perbezaan antara kategori tidak boleh diukur.

Contohnya terdapat turutan antara nilai tinggi, pertengahan dan rendah tetapi jarak perbezaan antara nilai-nilai itu tidak boleh dikira.

Scale - data berkaitan dengan jarak perbezaan atau ratio scale dimana data menunjukkan turutan nilai dan perbezaan antara nilai. Contohnya gaji $72,195 adalah lebih tinggi dari $52,398, dan jarak antara 2 nilai gaji ini ialah $ 19,797.

Case 1
Anda mengendalikan satu pasukan yang menjual komputer hardware kepada syarikat pembangunan software, jurujual anda mempunyai kenalan yang utama. Anda perlu kagetorikan kenalan ini mengikut jabatan di mana mereka bekerja di syarikat itu (Pembangunan Perisian, Perkhidmatan Komputer, Kewangan, Lain-lain, Tidak Tahu)
Maklumat ini boleh diambil dari contacts.sav. Gunakan frequencies untuk mengkaji pengagihan jabatan dan melihat samada ianya bersangkutan dengan matlamat anda.

Menggunakan frequencies untuk mengkaji Nominal Data

Running Analysis : chart

Analyze → Descriptive Statistics → Frequencies

Pilih Department sebagai analisa variable → Klik Charts
Pilih Pie Charts → Klik Continue → Klik OK di frequencies dialog box
Pilihan ini mengeluarkan jadual frequency dan pie chart terhadap jabatan yang dimiliki oleh kenalan anda.

Bar Chart

Bar chart, order by descending frequencies, dengan cepat membantu anda untuk mencari mode dan juga untuk perbandingan visual
frequencies yang berkaitan.
Pilih bar charts → klik continue → klik format di frequencies dialog box.
Pilih descending counts → Klik Continue → Klik OK di frequencies dialog box.
Pilihan ini mengeluarkan bar chart dengan kategori yang dipilih menggunakan descending frequency.

Asas Edit Chart
Anda boleh edit chart dalam berbagai cara. Contohnya bar chart yang anda bina, anda boleh
• Tukar warna
• Edit text
• Tunjukkan label data

Untuk edit chart, buka dalam chart editor
• Double-klik bar chart untuk membuka dalam chart editor

Pemilihan Chart Element
Untuk edit chart element, klik salah satu bar. Warna biru rectangles dikeliling bar akan kelihatan menunjukkan mereka dipilih.
Anda boleh membuat perubahan ke atas bar charts tersebut. Untuk deselect kesemua elements, press the Esc key. Dari Chart Editor pilih menu edit → properties.


Format Numbers dalam Tick Labels
Kita ketahui nombor di paksi y adalah skala ribuan. Nombornya juga ada 2 titik perpuluhan yang tidak diperlukan. Untuk membuatkan chart ini lebih menarik dan mudah dibaca, kita akan mengubah format nombor dalam tick labels dan edit tajuk paksi.
• Pilih paksi y tick label dengan klik salah satu dari angka yang ada
• Buka properties window dari menu : edit → properties

• Klik tab number format
• Taip 0 dalam decimal places text box
• Taip 0.001 dalam scalling factor text box
• Pilih display digit grouping
• Klik Apply

Editing Text
Sekarang anda akan menukar tajuk di paksi y bersesuaian dengan format nombor yang baru.
• Klik tajuk paksi y
• Klik sekali lagi tajuk itu untuk mulakan edit mode.

• Delete text berikut:
In thousands
• Press enter untuk keluar dari edit mode dan kemaskini tajuk paksi y.
Displaying and Editing Data Value Labels.

Dari Menu Chart Editor pilih Elements → Show Data Labels
Setiap bar dalam carta sekarang menunjukkan purata sebenar household income. Ingat, unit tersebut dalam skala ribuan, jadi anda sepatutnya menggunakan Number Format tab sekali lagi untuk menukar factor skala.

Dengan data value label yang dipilih, klik data value labels tab Pindahkan Household income in thousands dari Displayed list ke Not Displayed list
Pindahkan Percent dari Not Displayed list ke Displayed list

Klik Apply untuk kemaskini data value label. Hasilnya bar chart akan menunjukkan peratus di setiap kategori.

Menggunakan Templates

Jika anda membuat beberapa perubahan kepada carta, anda boleh menggunakan chart template untuk mengurangkan masa membina dan mengedit carta. Chart template menyimpan perkara-perkara yang telah ditambah/diubah terhadap sesuatu carta. Kemudian anda boleh laksanakan perkara-perkara tersebut bila membina atau edit carta yang lain.
􀂾 Dari Menu Pilih File → Save Chart Template
􀂾 Dialog box Save Chart Template membenarkan anda menentukan perkara-perkara yang hendak dimasukkan dalam template
􀂾 Pilih semua setting untuk memasukkan semua perkara-perkara yang berkaitan dengan carta ke template.

􀂾 Klik Continue
􀂾 Dalam Save Template dialog box, tentukan lokasi dan nama fail untuk template tersebut
􀂾 Klik Save
􀂾 Tutup Chart Editor. Bar Chart yang dikemaskini ditunjukkan di viewer.
􀂾 Dari viewer menu pilih
Graphs → Bar
􀂾 Klik Define untuk membuka Define Simple Bar dialog box
􀂾 Pilih Level of education dan masukkan ke category axis
􀂾 Klik Other Statistic dan masukkan Household Income Category ke kotak variable
􀂾 Select Use chart specifications from
􀂾 Klik File. Dalam Use Template from File dialog box, ambil fail template yang anda simpan sebelum ini.
􀂾 Pilih fail tersebut dan klik open
􀂾 Klik OK untuk membina carta dan laksanakan template.


Secara keseluruhannya, saya menilai bahawa spss lebih kompleks berbanding excel. Ini adalah kerana spss adalah pertama kali saya gunakan. Walaubagaimanapun spss lebih menarik jika sesuatu data dianalisis kerana dripada situ kita dapat mengetahui min, mode,dan median serta peratusannya.

Spss juga yang saya pelajari ini lebih menjurus kepada menganalisis data daripada borang soalselidik. Dari sinilah saya dapat tahu beginilah penyelidik mengumpul data dari borang soalselidik. Selain itu, daripada spss kita membuat kajian ke atas beberapa kumpulan terhadap sesuatu fenomena. Contohnya, saya membuat kajian tentang permasalahan pembelajaran dalam mata pelajaran Teknologi Maklumat di kalangan jururawat. Saya telah membuat tinjauan ke atas tiga kumpulan iaitu di UKM, Master Skills dan Mahsa College.

No comments: