Penyelidikan Tindakan: Analisis Data

Data Kuantitatif

Data Kuantitatif

Analisis deskriptif: Frekuensi, peratusan, min, mod, median, sisihan piawai, pekali korelasi

PETA MINDA
Reka Bentuk kajian Alat Kajian Kajian Kuantitatif

Kutipan Data
Analisis Data

Kajian Kuantitatif Rekabentuk kes Rekabentuk siri-kes Kajian Deskriptif Reka Bentuk Silang/keratan lintang Reka bentuk Kohot atau Perspektif Kajian Kuantitatif Reka bentuk retrospektif Reka bentuk Eksperimen Kajian Eksperimen Reka bentuk quasieksperimen .

peratus. Berikut adalah Iangkah-Iangkah dalam analisis data: (a) Fasa pra-analisis (b) Fasa pengurangan saiz data (c) Fasa paparan data (d) Fasa pengesahan data (e) Fasa dapatan . min dan sisihan piawai. Berikut adalah dua proses dalam menganaliss data: (a) Memproses data dari borang soal selidik (b) Memproses data dari inventori  Anda perlu mengolah data kepada kategori. anda bertanggungjawab untuk mengolah data itu kepada format yang sesuai dengan kaedah analisis data dan boleh ditafsir kemudiannya.ANALISIS DATA  Biasanya alat kajian kuantitatif akan menghasilkan data yang besar saiznya. Sebagai pengkaji.

segala penjelasan tentang variabel kajian hendaklah dibaca dan difahami. Anda mesti yakin yang pemboleh ubah penting/utama dilabel dengan betul mengikut jenis atau kategori. dan disempurnakan. Dalam fasa pra-analisis. Mereka hendaklah disusun tertib mengikut keperluan teori analisis. . dikemaskini.

(b) Selepas mendapat kebenaran dari pengetua. Maklumat latar belakang kelas juga perlu diketahui sebelum memulakan kajian. . data dikutip dan dikemaskan melalui prosidur berikut: (a) Surat memohon kebenaran membuat kajian hendaklah dihantar kepada pentadbir sekolah berserta dengan surat kebenaran daripada Kementerian Pelajaran.Pemprosesan Data  Seperti yang dinyatakan dalam topik lepas. satu temu janji hendak dibuat dengan guru kelas untuk membincang jadual waktu bagi anda melakukan kajian. borang soalselidik/inventori diedarkan dan meminta mereka yang berkenaan mengisikannya. (c) Apabila sampel telah dikenal pasti.

misalnya. (e) Data daripada alat kajian. Ini biasanya dibuat dengan menggunakan pengiraan. tahap sosioekonomi ibu baps. maka semakan ketepatan harus dilakukan. peratus pelajar mengikut jantina. perlu diubah kepada skor variabelvariabel kajian. Jika nilai skor diperoleh secara manual. jumlah gaji dan lokasi sekolah. data mentah yang diperoleh itu hendaklah diproses terlebih dahulu untuk mendapatkan latar belakang subjek kajian. pengkaji boleh mula menganalisis data kajian untuk menjawab soalan-soalan dan/atau hipotesis-hipotesis kajian. . (f) Selepas semua maklumat tentang latar belakang subjek kajian dan semua skor variabel kajian diperoleh.(d) Sebelum analisis dibuat. seperti mengira jumlah atau min item-item tertentu untuk mengira skor bagi variabel "sikap". seperti soalselidik/inventori.

Analisis Data Kuantitatif Kekerapan & Peratusan Analisis deskriptif Min &Sisihan Piawai Korelasi Linear & Regresi Mudah Ujian Khi-Kuasa Dua Analisis Data Kuantitatif Pengujian hipotesis bagi hubungan Pengujian hipotesis bagi perbezaan min UjianKorelasi Linear Ujian Regresi Mudah Ujian Khi-Kuasa Dua Ujian Korelasi Lirear Ujian Regresi Mudah .

ANALISIS DESKRIPTIF  Analisis deskriptif adalah kaedah analisis bagi tujuan menerangkan statistik sampel tanpa membuat sebarang pentaabiran ke atas parameter populasi. .

1 dan 8. . Jadual 8.2.000 — RM7. sama ada dari jenis kualitatif atau kuantitatif. Manakala untuk data kuantitatif pula. Umpamanya. boleh dipaparkan dalam bentuk jadual taburan kekerapan seperti pada Jadual 8.1 menunjukkan bagaimana kekerapan yang jumlahnya 80 orang pelajar itu ditabur kepada pelbagai kategori.Kekerapan dan Kekerapan Relatif      Set data. terdapat 20 orang yang mempunyai pendapatan dalam kelas RM7. Jadual 8.2 menunjukkan bagimana 120 orang pekerja itu diagihkan kepada 4 kelas pendapatan bulanan.990. Bagi data kualitatif. seramai 40 orang pelajar adalah pekerja syarikat swasta dan seramai 10 orang bekerja dengan kerajaan negeri. Umpamanya.

3125 0.1250 0.Contoh 1 : Jenis Pekerjaan Pelajar di Sebuah Pusat Pembelaiaran OUM Jenis Pekerjaan Syarikat swasta Kerajaan pusat Kerajaan negeri Perniagaan sendiri Bilangan Pelajar (f) 40 25 10 5 Kekerapan Relatif Kekerapan Relatif (%) 40/80 = 0.25 Jumlah 80 1.0625 0.5x100 = 50.3125x100 = 31.0625x100 = 6.5000 0.000 100 .00 25/80 = 0.50 5/80 = 0.1250x100 = 12.25 10/80 = 0.

 Merujuk kepada Jadual 8. Dalam jadual di atas. setiap kategori mempunyai kekerapan masing-masing. dan nilainya dalam peratusan juga diberikan dalam jadual yang sama. Kekerapan relatif. (d) Perniagaan sendiri. "Jenis pekerjaan" adalah contoh variabel kualitatif yang nilainya (bukan nilai angka) adalah: (a) Syarikat swasta.  Setiap nilai di atas dinamakan juga sebagai kategori. (b) Kerajaan persekutuan. . (c) Kerajaan negeri.1.

 Dalam pernyataan ini. maka is dibahagikan kepada empat (4) kelas gaji bulanan. had atas kelas pertama ialah 499 sedang kelas kedua mempunyai had bawah 500.  Begitulah halnya dengan kelas-kelas yang lain.  Ini bermaksud. Kelas pertama ialah dari RM4000 hingga RM4990. Secara umumnya. setiap kelas mempunyai titik sempadan bawah dan titik sempadan atas. dan "RM4990" pula merupakan "had atas" kelas pertama.Jadual 8. setiap kelas mempunyai had bawah dan had atas. dan tidak ada dua (2) kelas bersebelahan itu bertindan antara satu dengan lain. Oleh sebab nilainya pelbagai dan banyak. sebagai contoh. di mana dua (2) kelas berjiran dipisahkan oleh sempadan kelas.  . manakala kelas ke-4 ialah RM7000 hingga RM7990. iaitu pendapatan bulanan bagi 120 orang pekerja. Dengan demikian. Oleh itu. RM4000 merupakan "had bawah". titik tengah antara 499 dengan 500 merupakan sempadan sepunya yang memastikan kelas pertama tidak bertindan dengan kelas kedua.2 berikut memaparkan taburan kekerapan variabel kuantitatif.

3 0.333x100 = 33.167x100 = 16.167x100 = 16.167 40/120 = 0.5 Jumlah 120 1.333 20/120 = 0.333 40/120 = 0.5 649.5 749.7 Titik Tengah Kelas (RM x 10) 449.5 549.3 0.Cotoh 2 : Pendapatan Bulanan 120 Orang Pekerja Sebuah Syarikat Pendapatan Bilangan Bulanan Pekerja (RM x 10) 400 to 499 500 to 599 600 to 699 700 to 799 20 40 40 20 Kekerapan Relatif 20/120 = 0.7 0.333x100 = 33.000 100 .167 Kekerapan Relatif (%) 0.

. atau RM 6495 Titik tengah kelas adalah nombor-nombor penting bagi masing-masing kelas. Dalam jadual yang sama juga diberikan lajur "Titik tengah kelas" yang dihitung seperti dalam contoh berikut: Titik tengah kelas = (had bawah kelas + had atas kelas)/2. dan akan diguna dalam menghitung anggaran min dan juga sisihan piawai taburan data tersebut. titik tengah kelas ketiga = (600 + 699)/2 = 649.5.   Oleh itu. Mereka mewakili nombor-nombor asal dalam masingmasing kelas.

pekali variasi. mod. . desil dan persentil. kuartil. (ii) Sukatan serakan: Julat. penyelidik cuba menerangkan sesuatu taburan data dengan hanya menggunakan beberapa sukatan penting seperti berikut: (i) Sukatan kecenderungan memusat: Min.Min dan Sisihan Piawai  Selalunya. varians. dan lain-lain. median. julat antara kuartil. dan lain-lain. sisihan piawai.

Sukatan kecenderungan memusat   Sukatan kecenderungan memusat adalah sukatan pada paksi mengufuk yang mengandungi data atau cerapan. Paksi ini digelar "paksi data". . Setiap sukatan mempunyai tafsiran pengukuran tertentu yang boleh membantu dalam menerangkan taburan data.

 Min satu himpunan N angka dihitung dengan membahagikan hasil tambah angka-angka itu  . min menentukan lokasi sesuatu taburan data.  Pada paksi data.merupakan purata data adalah berperanan sebagai pusat taburan.Min Min .

 Mod ialah angka yang paling kerap diperolehi  .Mod Mod pula merupakan sukatan pada paksi data di mana ia mempunyai kekerapan paling tinggi.

Median Median ialah sukatan pada paksi data di mana sebanyak 50% data berada pada lokasi di bawah median. maka median ialah angka yang ke (N+1)/2  . dan 50% lagi berada pada lokasi di atas median.  Median ialah angka yang berada di tengah-tengah susunan angka yang diatur daripada kecil kebesar. Jika jumlah angka ialah N.

. min diberi seperti berikut: Min = (Jumlah semua nombor) / (bilangan nombor).Min Data Tak Terkumpul  Untuk data yang tidak dikumpulkan kepada beberapa kelas.

Contoh 8.1 Dapatkan min bagi set cerapan berikut: 50. 55. 20. 30. 60. 40. 70  Min data di atas adalah:  Min=(50+30+40+60+20+45+35+55+6 5+70)/10=47. . 35. 45. 65.

..x2.. min diberi oleh Min   iK i 1 iK i 1 f i xi fi  f1 x1  f 2 x2  ..... f1...xK adalah titik tengah masingmasing kelas. Titik tengah ini dinamakan juga tanda kelas.. f2. fK adalah kekerapan bagi masing-masing kelas..  f K xK  f1  f 2  ...Min Data Terkumpul  Untuk data kuantitatif yang dikumpulkan kepada K kelas... Sementara.  f K  Yang xl.

Bertambah besar nilai varians bermaksud kedudukan data pada paksi data Iebih terserak daripada min.Contoh 8.2  Dapatkan min bagi data dalam Jadual 8. bermaksud kedudukan data Iebih padat.5  Sukatan serakan Iazimnya diguna untuk mengukur kepadatan atau serakan data. Min=(20x449. Umpamanya.5+40x549.5)/(20+40 +40+20) =RM599. Sisihan piawai diperoleh dengan mengira punca gandadua nilai varians dan bertanda positif. sukatan varians mengukur kepadatan data relatif kepada min taburan. Varians biasanya diguna untuk melihat bentuk taburan data. Kecil nilai varians. .5+40x649.5+20x749.2.

Varians sesuatu himpunan Skor ialah min kuasa dua sisihan setiap skor daripada min skor-skor itu.  Sisihan piawai ialah punca kuasa dua varians yang positif  .

Varians bagi data tak terkumpul boleh dihitung dengan rumus berikut:  Untuk populasi. . 2 ( x )  2 x   2 N   N  N adalah bilangan kesemua cerapan.

2 ( x )  2 x   2 n s  n 1  n adalah saiz sampel . Untuk sampel.

N adalah bilangan kesemua data.Varians bagi data terkumpul boleh dihitung dengan rumus berikut:  Untuk populasi. . 2 ( xf )  2 x f   2 N   N  X titik tengah kelas.

s2   1 K fx2  ( fx) 2 1 K n n 1  X titik tengah kelas. Untuk sampel. n adalah saiz sampel .

1. Disebabkan semua data digunakan. varians diberi oleh 2 ( x ) (470) 2 24400  x  N 2 10  231    N 10 2 Sisihan piawai diberi oleh    2  231  15.20 .Contoh 3  Dapatkan varians bagi data dalam Contoh 8.198  15. 30 40 60 20 45 35 55 65 70 Jumlah = 470 x2 25 00 90 0 16 00 36 00 40 0 20 25 12 25 30 25 42 25 49 00 Jumlah = 24400  Daripada rumus (i). kita boleh guna rumus x 50 (i).

5 549.5 Jumlah 20 40 40 20 120 8990 21980 25980 14990 71940 4041005 12078010 16874010 11235005 44228030 .5 749. Elok Tanda Kelas Bilangan fx2 (x) (RM x 10) Pekerja (f) guna rumus (iv).  Data dalam Jadual 8.Contoh 4 Dapatkan varians bagi data dalam Jadual 2.2 adalah terkumpul kepadafx K = 4 kelas.  449.5 649.

 Daripada rumus (iv). s  9243 .697  120  1  Sisihan piawai diberi oleh. varians diberikan oleh  fx 1 K 2  ( fx) 2 1 K s2  n n 1 719402 44228030  120  9243.697  96 .14 .

Jadual 8. Nilai pekali ini berada antara -1 kepada +1.Korelasi Linear dan Regresi Linear Mudah (a) Korelasi Linear  Korelasi linear digunakan untuk mengukur kekuatan hubungan linear antara dua variabel.  Pekali korelasi untuk populasi menggunakan simbol r (huruf Greek berbunyi rho) dan untuk sampel menggunakan simbol r.dan -1 ≤ r ≤ +1 . -1 ≤ r ≤ +1. iaitu. memaparkan beberapa nilai pekali bersama interpretasinya.3.

0.0 < r ≤ .0 .5 + 0.5 < r ≤ +1.Jadual 8.3: Interpretasi Beberapa Nilai Pekali Korelasi No Nilai r atau r 1 r=-1 r = +1 Penerangan Korelasi linear negatif sempurna Korelasi linear positif sempurna Korelasi linear negatif kuat Korelasi linear positif kuat Korelasi linear negatif lemah Korelasi linear positif lemah Tiada korelasi linear 2 3 4 -1.5 r=0 .5 < r ≤ 0 0 < r ≤ + 0.0.

pekali korelasi populasi lazimnya tidak diketahui. Secara praktik. Ia hanya boleh dianggar menggunakan pekali korelasi sampel yang dikira dengan rumus berikut: .

44 38 y 56 50 xy 28 30 x2 20 22 34 32 y2 40 38 1 2 3 4 5 6 Jumlah 44 56 28 20 34 40 222 38 50 30 22 32 38 210 1672 2800 840 440 1088 1520 8360 1936 3136 784 400 1156 1600 9012 1444 2500 900 184 1024 1600 7952 .Contoh 5 Jadual berikut memaparkan enam (6) pasang umur suami isteri. Dapatkan pekali korelasi antara umur Umur Suami (tahun)-x Umur Isteri (tahun)-y Pasangan x mereka.

85 Nilai r ini menunjukkan terdapat satu korelasi/hubungan yang kuat antara umur isteri dan umur suami. maka pekali korelasi diberi oleh 6(8360)  (222)(210) [6(9012)  (222) ][6(7952)  (210) ] 2 2 r   0.2). . Daripada Rumus (8.

5. tetapi tidak menunjukkan X dan Y tidak mempunyai apa-apa hubungan. tetapi tidak termasuk kes hubungan tak linear. Pekali korelasi r adalah simetri. hanya menyatakan tiada hubungan linear antara X dan Y. 4. 2. bermaksud rXY = rYX la tidak terikat dengan titik asalan X dan Y. Nilai r terletak antara +1 dan -1. r = 0. rXY mengukur hubungan linear sahaja. termasuk.Pekali korelasi r mempunyai sifat-sifat berikut: 1. atau ditulis: -1 ≤ r ≤ +1. . 3.

Sign up to vote on this title
UsefulNot useful