Professional Documents
Culture Documents
TUGASAN KUMPULAN 4
TAJUK : SKOR PIAWAI
Program:
Master Sains Kaunseling
1
TUGASAN KUMPULAN 4
SKOR PIAWAI
1. MEMPIAWAIKAN DATA
Data yang dipungut daripada responden dalam sample merupakan data skor
mentah yang boleh dipiawaikan untuk dibuat perbandingan. Piawaian data dibuat supaya
perbandingan antara unit-unit dalam populasi kajian yang mempunyai saiz subjek yang
berbeza boleh dilakukan. Proporsi, peratusan, perubahan peratusan, kadar dan nisbah
merupakan petunjuk data piawai yang sering digunakan untuk membuat perbandingan
A. Proporsi
Proporsi (proportion) merupakan pengiraan setiap sub-unit dalam stu unit tertentu.
Sebagai contoh, pengkaji ingin mengetahui proporsi penduduk ketiga-tiga bangsa dalam
populasi Kampung A, iaitu bangsa Melayu, bangsa Cina dan bangsa India.
2
Jadual Populasi Penduduk Kampung A
= 3458
7071
= 0.49
= 2163
7071
= 0.31
= 1450
7071
3
= 0.20
pengkaji dapat menyatakan proporsi setiap sub-populasi dalam populasinya dengan lebih
jelas dan mudah difahami. Dalam kes di atas, proporsi bangsa Melayu ialah 0.49,
proporsi bangsa Cina ialah 0.31, manakala proporsi bangsa India ialah 0.20.
b. Peratusan
dilakukan dengan mendarabkan proporsi dengan angka 100. dalam kes di atas, peratusa
bagi bangsa Melayu, Cina dan India ialah 49%, 31% dan 20%.
perhubungan antara pengkhususan akademik dan stail pemikiran otak satu sampel kajian.
(Chua, 2002).
4
Jadual Peratusan Responden Pengkhususan Akademik Berdasarkan Tiga Kategori Stail
Pemikiran Otak.
n
Otak kiri 49 45.0 30 28.0 79 36.6
Otak 47 43.1 71 66.4 118 54.6
kanan
Seluruh 13 11.9 6 5.6 19 8.8
otak
Jumlah 109 100 107 100 216 100
Dengan mengunakan peratusan pengkaji dapat menyatakan peratusan setiap jenis stail
pemikiran dalam setiap pengkhususan akademik dengan tepat dan mudah difahami.
Sebagai contoh, bagi pengkhususan Sains, terdapat 43.1% yang menggunakan stail
pemikiran otak kanan, manakala bagi pengkhususan Sastera, sebanyak 66.4% yang
menggunakan stail pemikiran otak kanan untuk berfikir. Dalam kajian ini, penghuraian
Jadual 1 : Frekuensi dan peratusan bagi 10 negara utama pengeluaran ijazah Doktor
5
Amerika Syarikat 42,215 33.38
German 22,849 18.07
Jepun 13,632 10.78
Perancis 10,963 8.67
England 9,761 7.72
India 9,369 7.41
Cina 6,042 4.78
Korea 4,462 3.53
Switzerland 3,804 3.01
Kanada 3,356 2.65
126,453 100.00
Sumber: Tan,W.Z. (2004,Oktober 2). P.h.D palsu membanjiri pasaran. NanYang Siang
Pau.Petaling Jaya: Nan Yang Siang Pau sdn. Bhd. National. Hlm.A21
c. Perubahan Peratusan
d. Kadar
e. Nisbah
c. Perubahan Peratusan
frekuensi dalam peratusan bagi aktiviti yang berlaku dalam satu masa yang tertentu
dengan satu masa yang lain, seperti dalam kajian longitud. Ia sering diganakan dalam
kajian eksperimental di mana ujian diberi sebelum dan selepas rawatan. Ianya diberi
kepada subjek kajian (dalam satu sela masa tertentu) untuk melihat perubahan yang
mungkin berlaku. Perubahan peratusan juga banyak digunakan dalam kajian yang
dilakukan untuk mengenalpasti perubahan dalam fenomena tertentu Jadual 1.10 di bawah
6
merupakan laporan sebuah sekolah swasta mengenai perubahan bilangan kes salah laku
Jadual 1.10: Kes salah laku sekolah A pada tahun 2003 hingga 2004
Sebagai contoh,perubahan peratusan kes merokok dari tahun 2003 ke 2004 ( Jadual1.10/
ialah:
Perubahan peratus = 25 – 16
______ x 100% = 56.25%
16
d) Kadar
kemalangan jalan ray, jenayah dan sebagainya. Kada digunakan untuk menghuraikan
frekuensi atau bilangan kes yang berlaku per unit yang piawai (per 1000 atau per 100,000
7
pengangguran penduduk yang mempunyai ijazah pertama dalam tiga buah negeri untuk
Jadual 1.11: Kadar pengangguran penduduk yang berijazah pertama dalam tiga buah
Negeri.
Pengkaji tidak dapat membezakan negeri yang manakah mempunyai kadar pengangguran
penduduk yang mempunyai ijazah pertama yang paling tinggi dengan hanya merujuk
Dalam kes ini pengiraan kadar boleh dibuat per 1,000 unit dengan menggunakan formula
berikut :
Maka, kadar pengangguran penduduk yang mempunyai ijazah pertama dalam ketiga-tiga
negeri ialah :
8
Berdasarkan pengiraan kadar di atas, pengkaji melaporkan bahawa penduduk berijazah
pertama Negeri A (kadar = 9.68) dan Negeri B (kadar = 10.58) mempunyai kadar
pengangguran yang lebih tinggi berbanding dengan Negeri C (kadar = 6.35) yang
e) Nisbah
Nisbah digunakan untuk membandingkan kadar atau bentuk pengukuran lain antara
kategori-kategori dalam satu variable. Sebagai contoh, kadar keciciran pelajar lelaki dan
pelajar perempuan pada peringkat sekolah menengah di Bandar A ialah 350 per 10,000
dan 75 per 10,000 masing-masing. Maka nisbah keciciran pelajar lelaki dan perempuan
ialah:
75
= 4.67
Ini beerti bahawa kadar keciciran pelajar lelaki ialah 4.67 kali lebih tinggi daripada
Jadual 1.12 di bawah menunjukkan contoh nisbah pelajar sains dan sastera yang lulus
Jadual 1.12: Contoh nisbah pelajar lulus dalam mata pelajaran Bahasa Inggeris mengikut
pengkhususan akademik
9
Peperiksaan akhir tahun
Kadar pelajar Kadar pelajar
Nisbah pelajar
lelaki yang lulus perempuan yang
Pengkhususan lelaki dan pelajar
Bahasa Inggeris lulus Bahasa
akademik perempuan yang
(per 100) Inggeris
lulus Bahasa
(per100)
Ingeris
Sains 86 96 0.90
Sastera 76 89 0.85
berdasarkan 100 supaya ia lebih mudah difahami. Sebagai contoh, nisbah kadar
Nisbah kadar sebanyak 91.49 ini beerti bagi setiap 100 orang penganggur yang
10
2. SKOR Z
Skor Z mengukur jarak atau perbezaan antara dua skor berdasarkan kepada unit
sisihan piawai daripada nilai skor min. Jika seseorang individu memperolehi skor Z yang
bernilai +1.2, maka skornya adalah 1.2 unit sisihan piawai di atas nilai skor min di atas
nilai skor min dalam populasinya. Ia dikira dengan menggunakan formula di bawah.
X- X
Skor Z = 0
Di mana :
11
Jika skor individu, skor min dan skor sisihan piawai populasi ialah 74, 55 dan 11.5, maka
dengan menggantikan nilai skor min dan sisihan piawai, skor Z bagi individu tersebut
ialah :
74 - 55
Skor Z = ----------------
11.5
= 1.7
Ini bererti bahawa skor individu tersebut adalah +1.7 unit sisihan piawai daripada skor
Skor Z merupakan skor piawai yang digunakan untuk membandingkan dua atau lebih
skor mentah yang dipungut terus daripada koresponden kajian. Sebagai contoh,
perbandingan skor ujian sejarah dan skor ujian matematik seorang pelajar tidak dapat
dilakukan jika skor-skor tersebut tidak dipiawaikan kerana adalah tidak sah untuk
membandingkan skor dalam dua mata pelajaran yang mempunyai nilai min dan nilai
sisihan piawai yang berbeza. Jika pelajar A memperoleh skor 94 dalam mata pelajaran
sejarah dan skor 50 dalam mata pelajaran matematik, ini tidak bermakna pelajar tersebut
lebih mahir dalam matapelajaran sejarah, begitu juga tidak semestinya pelajar B yang
memperoleh skor 96 dalam ujian sejarah dan skor 48 dalam ujian matematik lebih mahir
dalam ujian sejarah. Ini adalah kerana soalan ujian mata pelajaran sejarah mungkin jauh
12
Pelajar A 94 50
Pelajar B 96 48
Skor min populasi 92.5 45.7
Sisishan Piawai 9.4 5.2
Bagi membandingkan kedua-dua skor mentah tersebut, skor piawai iaitu skor Z dikira.
94 – 92.5 50 – 45.7
Skor Z = ------------- Skor Z = -------------
9.4 5.2
= 0.2 = 0.8
Pelajar A Keputusan :
96 – 92.5 48 – 45.7
Skor Z = ------------- Skor Z = -------------
9.4 5.2
= 0.4 = 0.4
Keputusan :
13
3. SKOR T
dua atau lebih daripada dua kumpulan data selang atau nisbah. Syarat-syarat Ujian-t
termasuk :
1. Skala pengukuran selang atau nisbah – skala data selanjar yang merupakan skor-
skor dan nilai-nilai, yang jarak antara satu sama lain, sama jauh.
Ujian-t digunakan untuk menentukan sama ada satu set atau set-set skor adalah
berasal dari populasi yang sama. Terdapat empat jenis ujian-t, iaitu :
14
2. Variabel bersandar diukur dalam skala selang atau nisbah.
Bagi contoh kajian di atas, skor-skor idea asli yang praktikal bagi kumpulan
pelajar berpengkhususan seni halus dan kumpulan pelajar seni grafik disenaraikan dalam
Jadual 7.1 di bawah. Oleh kerana kedua-dua kumpulan pelajar tersebut adalah
Jadual 7.1 : Skor-skor idea asli yang praktikal bagi kumpulan pelajar Seni Tampak
Pengkhususan
Skor Seni Grafik Seni Halus
1. 92 87
2. 87 69
3. 88 76
4. 78 74
5. 97 87
6. 88 90
7. 81 72
8. 97 56
9. 92 67
10. 86 71
11. 83 80
12. 90 75
13. 71 82
14. 76 72
15. 79 63
16. 83 74
15
17. 67 86
18. 89 77
19. 86 66
20. 91 78
Min 85.0500 75.1000
SD 8.71719 7.93709
dan pelajar Seni Grafik dari segi penghasilan idea asli yang praktikal.
Hipotesis nul : Tidak terdapat perbezaan antara pelajar berpengkhususan Seni Halus dan
pelajar Seni Grafik dari segi penghasilan idea asli yang praktikal.
__ __
t = X1 – X2
sd
Di mana :
__
X1 = skor min kumpulan 1
__
X2 = skor min kumpulan 2
sd = ralat piawai
______________
√
Ralat piawai dalam formula di atas dikira dengan menggunakan formula :
sd mana=:
Di sd1² sd2²
sd1² = Varians kumpulan 1
sd2² = Varians kumpulan 2
N1 = Bilangan subjek dalam kumpulan 1 16
N2 = Bilangan subjek dalam kumpulan 2
___ + ____
N1 N2
Langkah 1
__ __
X1 – X2 = 85.0500 – 75.1000
= 9.9500
Langkah 2
= 62.99740
= 75.98940
Langkah 3
N1 = 20
N2 = 20
Langkah 4
sd = √ 62.99740 + 75.98940
20 20
= √3.14987 + 3.79947
= 2.63616
17
Langkah 5
Mengira nilai t.
__ __
t = X1 – X2
sd
= 9.9500
2.63616
= 3.7744
= 3.774
Langkah 6
= 40 − 2
= 38
Langkah 7
(Jika nilai df = 38 tidak ditunjukkan dalam Jadual Taburan T, baca nilai t-kritikal pada df
yang lebih rendah dan berdekatan dengan 38, iaitu 30.)
Langkah 8
Nilai t-kiraan 3.774 lebih besar daripada nilai t-kritikal 2.042, hipotesis nul ditolak dan
18
Pengkaji membuat keputusan bahawa terdapat perbezaan yang signifikan antara kedua-
dua kumpulan pelajar berpengkhususan Seni Halus dan Seni Grafik dari segi penghasilan
idea asli yang praktikal. Nilai min yang lebih tinggi bagi kumpulan pelajar pengkhususan
Seni Grafik (min=85.05) menunjukkan bahawa mereka lebih berupaya menghasilkan idea
asli yang praktikal berbanding dengan pelajar berpengkhususan Seni Halus (min=75.10).
1- Seni Grafik, 2-Seni Halus) dan skor idea asli yang praktikal (idea).
Independent-Samples T Test.
19
3. Memasukkan variabel idea ke dalam kotak Test Variable(s) dan variabel khusus
mendefinisi kumpulan.
4. Taip nilai 1 dan 2 ke dalam kurungan khusus (? ?), nilai 1 dan 2 merupakan label
20
5. Klik butang Option untuk membuka petak Independent-Samples T Test:
Option. Pilih 95% untuk Confidence Interval, kemudian klik butang Continue.
Keputusan Ujian
T-Test
Group Statistics
21
Independent Samples Test
Levene’s
Test for
Equality t-test for Equality of Means
of
Variances
F Sig. t df Sig. Mean Std. 95% Confidence
(2- Dif- Error Interval of the
tailed) ference Dif- Difference
ference Lower Upper
Idea asli
praktikal
Equal
variances .087 .769 3.774 38 .001 9.9500 2.63616 4.61337 15.28663
assumed
Equal
variances
not 3.774 37.671 .001 9.9500 2.63616 4.61184 15.28816
assumed
Keputusan ujian yang diperoleh melalui program SPSS sama dengan cara
pengiraan manual. Keputusan kajian adalah signifikan (t =3.774, df =38, p< .05).
Terdapat perbezaan antara kedua-dua kumpulan pelajar berpengkhususan Seni Halus dan
Seni Grafik dari segi penghasilan idea asli yang praktikal. Nilai perbezaan min 9.95
idea asli yang praktikal berbanding dengan kumpulan pelajar berpengkhususan Seni
22
Halus (nilai min kedua-dua kumpulan dapat dilihat dari keputusan Group Statistics dalam
rajah di atas.
setiap individu dalam sampel diukur dua kali dan kedua-dua data pengukuran digunakan
Ujian-t pengukuran berulangan digunakan bila dua set data datang daripada hanya
satu kumpulan subjek yang sama (1 sampel). Ini bererti seorang individu memperoleh
dua skor untuk dua tahap yang berbeza dalam variabel bebas. Sebagai contoh, dalam
kajian yang menggunakan ujian pra dan ujian pasca, subjek yang sama memberi dua data
dalam dua keadaan yang berlainan. Kajian yang menggunakan kaedah kajian ujian pra-
pasca ini biasanya dianalisis dengan menggunakan ujian-t jenis ini. Melalui kaedah kajian
ini, subjek diukur dan skor ujian pra dipungut. Variabel bebas kemudiannya dimanipulasi
dan subjek sama diukur sekali lagi untuk memperoleh skor pasca. Ujian-t untuk
perbezaan antara min-min dua set data yang diperoleh daripada ujian pra dan ujian pasca
tersebut.
1. Skala pengukuran selang atau nisbah – skala data selanjar yang merupakan skor-
23
2. Persampelan rawak – subjek-subjek dalam sampel harus dipilih daripada populasi
secara rawak.
Untuk mengetahui sama ada komponen AT tersebut dapat meningkatkan tempoh operasi
kajian. Tempoh operasi bateri mikrokomputer tanpa komponen AT dan tempoh operasi
24
10 2.4 2.8
11 3.3 3.5
12 3.6 3.6
13 4.5 4.4
14 3.5 4.0
15 2.7 2.9
Program SPSS
Menyatakan hipotesis :
mikrokomputer.
mikrokomputer.
1. Memilih menu Analyze dan klik pada Compare Means untuk membuka kotak
25
2. Memasukkan variabel iaitu sebelum AT dan selepas AT secara serentak ke dalam
Keputusan Ujian-t
T-Test
N Correlation Sig.
26
Pair 1 Sebelum A T & 15 .971 .000
Selepas AT
ditolak dan pengkaji membuat keputusan bahawa terdapat perbezaan prestasi bateri
mikrokumputer sebelum dan selepas kompenan AT dipasangkan. Nilai skor min yang
lebih tinggi setelah AT dipasang pada mikrokomputer (ditunjukkan dalam jadual Paired
sama dengan ujian-t untuk pengukuran berulangan, yang berbezanya hanyalah kaedah
27
Dalam ujian-t sampel-sampel padanan, sampel kedua yang dipilih mempunyai
ciri-ciri serupa dengan sampel yang pertama. Ia merupakan ulangan bagi sampel pertama,
oleh itu, data yang dipungut dari dua sampel ini adalah bersama dengan data yang
Sebagai contoh, satu kajian dilakukan untuk melihat kesan mendengar muzik
orkestra terhadap prestasi menjawab aoalan algebra. Seramai 20 subjek dipilih secara
rawak daripada sekumpulan pelajar universiti yang mempunyai tahap IQ, kecerdasan,
tahap motivasi dan prestasi dalam matapelajaran matematik yang sama. Subjek kajian
dibahagi kepada dua kumpulan. Kedua-dua kumpulan pelajar diminta menjawab satu set
soalan algebra yang sama di dalam bilik yang berasingan, dimana salah satu bilik
(kumpulan pertama) dimainkan muzik okestra sepanjang tempoh ujian dijalankan. Skor
28
a. Analisis Ujian-T Sampel-Sampel Padanan Menggunakan Program SPSS
soalan algebra.
Hipotesis nul : Muzik okestra tidak mempengaruhi prestasi subjek kajian menjawab
soalan algebra.
1. Memilih menu Analyze dan klik pada Compare Means untuk membuka kotak
29
2. Memasukkan kedua-dua data, iaitu okestra dan tanpa okestra kedalam kotak
b. Keputusan Ujian
T-Test
30
N Correlation Sig.
Pair 1 okestra & tanpa
okestra 10 -.011 .977
Paired Differences
Mean Std. Std. 95% Confidence t df Sig.
Davia- Error Interval of the (2-
tion Mean Difference tailed)
Lower Upper
Pair 1 11.11755 6.3530
okestra -1.6000 3.5156 -9.5530 -.455 9 .660
– tanpa 8
okestra
Nilai ralat piawai min yang besar Nilai t-kiraan yang kecil Nilai signifikan P>.05
df =9, p>.05). Pengkaji gagal menolak hipótesis nul. Keputusan ujian menunjukkan
bahawa muzik okestra tidak mempengaruhi prestasi pelajar menjawab soalan algebra.
Perbezaan nilai skor min bagi kedua-dua kumpulan pelajar (dalam jadual paired samples
statistics) tidak cukup besar untuk untuk menolak hipótesis nul, dan perbezaan ini hanya
disebabkan oleh nilai ralat piawai min yang besar yang wujud dalam data kajian.
Ujian-t satu sample (One-sample T Test) digunakan untuk membandingkan skor min
sampel dengan skor min populasi.Ujian ini digunakan apabila data yang dipungut
memenuhi semua syarat ujian t, iaitu data selang atau nisbah, dan tabulan simple hádala
normal ( tabulan normal biasanya berlaku apabila saiz simple sama atau lebih besar
31
daripada 50).Nilai t bagi ujian-t satu simple dikira dengan menggunakan formula di
bawah:
t=
di mana :
Pengiraan Ujian –t satu simple boleh dilakukan dengan menggunakan dua contoh
kajian di bawah.
Contoh 1
Seorang fasilitator kursus ingin mengetahui samada peserta kursus motivasi (N=75)
yang datang dari Sekolah Menengah Taman Universiti Indah mewakili tahap umur
semua pelajar sekolah tersebut. Diberitahu bahawa umur purata bagi para pelajar
Umur bagi peserta-peserta kursus motivasi ditunjukkan dalam jadual 7.6 di bawah.
32
16 14 15 14 15
17 13 14 15 16
16 15 14 15 14
15 16 16 17 16
13 17 16 16 16
12 14 15 17 17
17 15 15 15 17
16 16 16 16 15
16 17 14 17 16
14 16 13 15 15
15 17 16 17 14
16 18 17 17 16
16 16 17 16 16
14 17 16 15 17
Min sampel = 15.52
Min populasi = 14.50
Sisihan piawai = 1.2451
Langkah 1
= 0.1438
Langkah 2
Mengira nilai t
t=
= 15.52 – 14.50
0.1438
= 7.095
Langkah 3
df = N- 1
33
= 75 – 1
= 74
Langkah 4
Merujuk kepada Jadual Nilai Kritikal Bagi Taburan T (Lampiran 4) untuk mendapat nilai
t – kritikal = 2.009
Langkah 5
Nilai t-kiraan (7.095) lebih besar daripada t-kritikal (2.009). Ini bererti hipotesis nul
ditolak. Keputusan ujian menunjukkan bahawa terdapat perbezaan umur sampel dengan
populasi, iaitu tahap umur peserta yang menghadiri kursus motivasi tidak mewakili tahap
Menyatakan hipotesis:
Hipotesis penyelidikan: Tahap umur peserta yang menghadiri kursus motivasi mewakili
tahap umur bagi semua pelajar Sekolah Menengah Taman Universiti Indah.
Hipotesis nul: Tahap umur peserta yang menghadiri kursus motivasi tidak mewakili tahap
Langkah :
34
1. Masukkan data umur bagi 75 orang subjek dalam Jadual 7.6 ke dalam SPSS Data
Editor. Memilih menu Analyze dan klik pada Compare Means untuk membuka
2. Masukkan variabel iaitu umur peserta ke dalam kotak Test Variable (s),
seterusnya taip nilai skor min populasi, iaitu 14.5 ke dalam kotak Test Value.
35
Keputusan Ujian
T-Test
One-Sample Statistics
Mean
Umur peserta 75 15.5200 1.24510 .14377
One-Sample Test
Difference
Lower Upper
Umur peserta 7.095 74 .000 1.0200 .7335 1.3065
Keputusan ujian-t menggunakan SPSS sama dengan kaedah pengiraan. Nilai t=7.095
signifikan pada p< .05. Ini bererti hipotesis nul ditolak. Keputusan ujian-t menunjukkan
bahawa tahap umur peserta yang menghadiri kursus motivasi tidak mewakili tahap umur
36