Refleksi Pertama Slot yang pertama adalah berkaitan dengan tajuk Statistik dalam Pendidikan. Dr.

Arsay memperbetulkan pandangan kami tentang subjek Statistik yang mana mungkin sebahagian daripada kami berpendapat subjek statistik berkaitan dengan kemahiran pengiraan/matematik. Penjelasan Dr. Arsay mengenai statistik membuka minda kami. Statistik sebenarnya menekankan bagaimana data itu diintrepretasikan berdasarkan sampel yang ada yang mewakili sesebuah populasi. Statistics dapat digunakan untuk menyelesaikan masalah harian seperti boleh mentafsir data supaya bermakna dan membuat keputusan yang berkesan. Dalam bidang pendidikan, statistik boleh digunakan untuk menyampaikan maklumat dalam pelbagai situasi seperti contoh yang diberikan, statistik boleh diguna untuk menunjukkan taburan pelajar mengikut pencapaian. Statistik juga boleh digunakan untuk menguji hipotesis tertentu, misalnya menguji sama ada wujud hubungan antara lama masa belajar dengan pencapaian. Selain menguji hubungan, kaedah statistik boleh digunakan untuk menguji perbezaan antara dua min atau lebih iaitu dengan menggunakan ujian-t atau ANOVA. Statistik terbahagi kepada dua bahagian iaitu Deskriptif dan Inferential. Deskriptif lebih berbentuk penerangan dan meringkaskan data dan hanya memerlukan satu pembolehubah sahaja manakala inferential adalah perbezaan mutlak dan memerlukan lebih dari satu pembolehubah. Statistik Deskriptif merupakan statistik yang digunakan untuk menghuraikan ciri-ciri variable yang menggunakan petunjuk seperti min, median, mod, sisihan piawai, taburan norma dan skor-z untuk menyatakan ciri-ciri sesuatu variable. Manakala Statistik Inferential pula digunakan untuk membuat rumusan keputusan ujian yang diperolehi daripada sample populasi kajian. Melalui data yang dipungut daripada sample, pengkaji menggunakan statistic inferential untuk membuat kesimpulan tentang ciri-ciri populasi berdasarkan ciri-ciri sample. Statistik inferential terdiri daripada Ujian T, Anova, Korelasi, khi 2 dan regrasi untuk menunjukkan perhubungan antara variable-variable. Seterusnya, kami diberi penerangan tentang langkah-langkah untuk membuat kajian dan bagaimana mengaplikasikan statistic dalam kajian. Bagi membuat kajian/statistics, masalah perlu dikenalpasti terlebih dahulu. Permasalahan merupakan istilah yang digunakan untuk merujuk kepada perkara kajian yang kita akan lakukan. Dalam melaksanakan kajian, kita tidak dapat mengkaji dan menyelesaikan banyak masalah dalam satu penyelidikan.
1

Selepas menetapkan masalah yang hendak dikaji. Perancangan hendaklah bersesuaian dengan skop kajian. Objektif kajian adalah melalui satu proses jangka masa yang lama atau pendek. 2 . Kaedah kajian merupakan segala langkah yang diambil untuk mencapai segala objektif kajian. Ciri-ciri bagi setiap pengukuran bagi pemboleh ubah adalah seperti berikut: Nominal Scale: adalah level yang paling rendah. Ringkasnya permasalahan yang dipilih perlu ditakrifkan. Dr. Skop yang luas memerlukan masa yang mungkin lebih panjang. kaedah yang dipilih. Andaian itulah yang akan dibuktikan oleh penyelidikan yang bakal dijalankan. Interval Scale and Ratio Scale.Oleh itu. Penentuan ojektif amat perlu untuk mengukur hasil yang diinginkan di akhir ujian. Seterusnya rujukan awal akan membantu kita untuk merangka hipotesis. beberapa soalan kajian akan dibina. difahami dan dapat diuji. Sampel digunakan untuk mendapatkan maklumat yang lebih jelas. Hipotesis merupakan andaian-andaian penyelidik terhadap hasil penyelidikannya. Beberapa contoh atau sampel perlu dalam setiap kajian. Pengetahuan asas berkenaan perkara yang dikaji perlu sebelum melaksanakan kajian. Skala tentang pengukuran bagi pemboleh ubah yang mana diringkaskan dalam key word NOIR iaitu Nominal Scale. Berdasarkan kepada objektif kajian. logik. sample. Untuk menghasilkan suatu hipotesis yang baik ia perlulah mempunyai sifat-sifat seperti berfokus. Refleksi Kedua Kuliah dimulai dengan pertanyaan kenapa guna statistiks? Kerana adanya sampel. kemudahan-kemudahan fizikal dan situasi pengkaji. Ordinal Level Data. Oleh itu kita perlu membuat tinjauan melalui bahan-bahan bacaan yang berkaitan dengan tajuk kajian. jelas. Mungkin dalam sesi seterusnya. Sesuatu kajian perlulah dirancang dengan teliti. adalah kebiasaan setiap penyelidikan memfokuskan kajian kepada suatu penyataan masalah yang khusus. Ini bermaksud menukarkan kajian yang telah dijalankan kepada bentuk susunan teks bertulis.Arsay akan memberi penerangan yang lebih jelas tentang tajuk statistic ataupun kajian yang akan dilaksanakan. data dilabel dan tidak dikira kedudukan hanya mewakili nombor semata-mata dan menunjukkan karektor data yang diberi seperti jantina sebagai pemboleh ubah dan kategorinya adalah Lelaki dilabel dengan nombor satu dan Perempuan dilabel dengan nombor dua. barulah difikirkan kaedah kajian yang sesuai digunakan. Langkah terakhir dalam menghasilkan kajian adalah melaporkan hasil kajian.

peranan standard deviation adalah penting untuk tentukan kedudukan data.Di sini.Maka. Ratio Scale: adalah level yang paling tinggi. Salah satu cara penyelesaian untuk Descriptive Statistics ialah dengan memilih graf yang sesuai dengan data. Interval Scale: ada ranking (ordered). yang terbaik adalah data yang tertabur secara Normal kerana nilai varians adalah besar dan mempunyai banyak maklumat. nilai bagi kosong adalah tidak bermakna contohnya kedatangan hadir dilabel nombor satu dan tidak hadir dilabel dengan nombor kosong. Data yang ada boleh ditaksirkan. 3 . Curve mesokurtif adalah normal dan flate hanya subjek tertentu sahaja tinggi. Kecenderungan memusat tidak mencukupi. Curve laptokurtiv adalah kelas A dan kelas terakhir.Maka. Kecenderungan memusat terbahagi kepada tiga iaitu mean. Measures of Central Tendency adalah terdiri daripada mean(purata data).Sekiranya. Refleksi Ketiga Maksud inferential adalah pemerihalan. median(data yang berada di tengah selepas disusun mengikut tertib) dan juga mode(kekerapan data paling tinggi). σ 2 (varians) dan σ standard deviation. median dan mode.Terbahagi kepada tiga bahagian iaitu range ( julat).Justeru itu. maklumat dari kecenderungan memusat sahaja tidak mencukupi untuk membuat taksiran data. nilai mean lebih besar maknanya data rendah dan sebaliknya. Variability adalah variance (tersebar) iaitu banyak maklumat. skewed positive ekornya berada sebelah kanan mengikut paksi –x dan skewed negative ekornya berada sebelah kiri paksi-x. data yang dikutip mestilah ditaburkan. Maka. Oleh itu. Sekiranya data adalah tertabur secara normal maknanya nilai ketiga-tiganya adalah sama tetapi sekiranya skewed maknanya nilai ketiga-tiga tersebut tidak sama dan wujud nilai ekstreme. skewed ada positive dan negative. selang antara data sama nilai contohnya Likert Scale with equa interval.Ordinal Level Data: ada ranking (ordered) yang bermakna tetapi selang antara data tidak sama nilai contohnya dari segi Gred Gaji. Apabila data bertaburan Normal maka kedudukan ketiga-tiga tersebut adalah di tengahtengah gambarajah curve. (x. Sesuatu taksiran hendaklah dibuat berdasarkan data yang sama jenis. dengan mencari mean dan bandingkan.Di mana.Kadang-kadang boleh jadi kedua-dua di bawah mean atau kedua-dua di atas mean. variability lebih berkuasa berbanding kecenderungan memusat.x ) bila ditambah dapat jumlah kosong. perlukan maklumat lain iaitu varians dan standard deviation. Skewed positive mean akan berada di sebelah kanan dan skewed negative disebelah kiri. Di mana. itu maknanya adalah normal.

maka nilai p (kebarangkalian) adalah lebih kecil daripada 0. Sebaliknya. maka ‘significance level’ adalah 0. Jika data nominal dan ordinal sahaja yang digunakan. 4 . Ujian yang boleh digunakan untuk menentukan nilai signifikan termasuklah Ujian-t.05. khai kuasa dua dan regresi. Sekiranya hipotesis adalah signifikan. ‘decision value’. maka ia menunjukkan ada perbezaan di antara pembolehubah yang dikaji. Manakala pernyataan hipotesis alternatif adalah dalam bentuk sebaliknya. Aras ‘significance level’ yang digunakan untuk menentukan sama ada hipotesis untuk menolak atau tidak menolak hipotesis hipotesis null (atau untuk menerima atau untuk tidak menerima hipotesis alternatif) dinamakan sebagai ‘significance level’. ‘Significance level’ ini adalah bergantung kepada jenis data iaitu sama ada data nominal. Terdapat dua jenis hipotesis iaitu hipotesis terarah dan hipotesis tidak terarah. perkataan ‘terdapat’. Penyataan hipotesis null adalah berbentuk pernyataan negatif dan bermula dengan perkataan ‘tidak’. korelasi. Hipotesis inferensi mestilah mempunyai sekurang-kurangnya dua pembolehubah.05 ). maka ‘significance level’ adalah 0. ‘Statistical significance’ menentukan sama ada hipotesis null boleh ditolak dan hipotesis kajian (hipotesis alternatif) boleh diterima. iaitu nilai adalah signifikan. manakala contoh hipotesis tidak terarah ialah ‘Terdapat perbezaan pencapaian antara pelajar perempuan dan lelaki dalam mata pelajaran Sains’. Hipotesis yang lengkap mesti mempunyai empat perkara iaitu. maka gagal menolak hipotesis null iaitu tidak terdapat perbezaan dalam pembolehubah yang dikaji. ANOVA. ujian hipotesis digunakan untuk menentukan sama ada sesuatu hipotesis yang dibuat adalah signifikan atau sebaliknya. Contoh hipotesis terarah ialah ‘Pencapaian pelajar perempuan lebih baik daripada pelajar lelaki dalam mata pelajaran Sains’.Kenapa saya guna sesuatu ujian itu? Kerana mod adalah tetap dan lebih tinggi atau besar daripada mean (berubah). oleh itu hipotesis null ditolak dan hipotesis alternatif diterima. ordinal. Refleksi Keempat Dalam statistik inferensi. menyatakan dua pembolehubah dan persampelan. Terdapat dua jenis hipotesis iaitu hipotesis null (Ho) dan hipoteis alternatif (HA). jika p>0. Pembolehubah pula adalah apa sahaja yang boleh menunjukkan perbezaan nilai numerik.05 yang bermaksud 95% aras keyakinan keputusan adalah tidak bergantung kepada ‘chance’. Hipotesis adalah satu pernyataan yang boleh diuji secara empirical dan ia berkait dengan hubungan antara pembolehubah. Ia juga dipanggil sebagai alfa. Nilai alfa (significance level) yang biasa digunakan dalam kajian pendidikan ialah p< 0.01.05 ( p < 0. tanpa perkataan ‘tidak’.05. Jika p< 0. interval atau ratio.05. ‘criterion level’ dan aras keyakinan (confidence level). ‘perbezaan’. Manakala jika data interval dan ratio digunakan.

Dalam ujian signifikan.Kesilapan ini adalah serius kerana tidak sepatutnya digagalkan. Tetapi jika seseorang yang gagal diluluskan.Terdapat dua jenis kesilapan (ralat) dalam ujian hipotesis nul iaitu Type I Error dan Type II Error.. soalan dan hipotesis kajian dengan jelas.sepatutnya hipotesis null tidak benar diterima tetapi hipotesis null tidak benar ditolak .menolak hipotesis nul yang tidak benar dan gagal menolak hipotesis nul yang tidak benar. Type I Error ialah kesilapan yang kurang serius berbanding dangan Type II Error.dan Hipotesis HA ( hipotesis alternative) diterima.Type I Error berlaku apabila Hipotesis nul benar . Kesilapan dalam ujian hipotesis nul berlaku apabila hipotesis nul yang benar ditolak. perlu dinyatakan masalah. Ujian dikatakan signifikan apabila P <0.Refleksi Kelima Ujian Hipotesis Dalam menguji hipotesis sama ada kita boleh menolak hipotesis atau gagal menolak bergantung kepada data yang dikutip.05 bermakna 95 peratus aras keyakinan bahawa keputusan tidak ‘due to chance.05 bermaksud ada perbezaan.’Hanya 5 peratus sahaja ‘due to chance’.sepatutnya hipotesis null ditolak. tetapi diterima.Type II Error pula berlaku apabila hipotesis null tidak benar.Variable pula terdiri daripada daripada variable bersandar d an tidak bersandar.Kesilapan itu adalah kesilapan Type II. Contoh cara penulisan : i) Objektif kajian : Untuk mengenalpasti perbezaan pencapaian Matematik berdasarkan 5 . bermakna hipotesis null ditolak.Data yang dikutip mungkin daripada respondan yang dipilih secara tidak random atau berlaku kesilapan ketika memasukkan data ke dalam system SPSS .(kesilapan yang serius) Contoh : Jika seseorang yang Lulus Ujian – Digagalkan.Apabila Aras ujian signifikan ialah ujian itu signifikan apabila menunjukkan P <0. objektif.05 bermakna hipotesis null gagal ditolak.(kesilapan kurang serius). gagal menolak hipotesis nul yang benar.Jika ujian signifikan menunjukkan P> 0.kesilapan itu dikategorikan dalam kesilapan Type I kerana kesilapan itu dianggap kurang serius. Kesilapan-kesilapan yang berlaku menunjukkan dalam statistik tidak semua ‘finding ‘ yang diperoleh adalah betul kerana kemungkinan wujud kesilapan ketika mengutip data . Refleksi Keenam Dalam penulisan sesuatu kajian.

Contohnya dalam kaedah Box Plot. H0(2) : Tidak terdapat perbezaan yang signifikan antara pencapaian Matematik dengan bangsa. bangsa dan lokasi sekolah. Setiap kali data yang ekstrem ini dibuang. iaitu pembolehubah jantina. hipotesis dalam sesuatu kajian adalah satu optional. maka tiada hipotesis dalam kajian tersebut kerana kajian adalah berdasarkan jantina sahaja. new value ‘4’ (1 4. 6 . H0(3) : Tidak terdapat perbezaan yang signifikan antara pencapaian Matematik dengan lokasi sekolah. e. 2 3.jantina. bangsa dan lokasi sekolah dikategorikan sebagai pembolehubah tak bersandar (independent variable). kadangkala terdapat pernyataan negatif untuk memastikan data yang didapati daripada responden adalah sah. 4 Continue Ok old & new 1) Kaedah ‘Stem & Leave Plot’. bangsa dan lokasi sekolah ? iii) Hipotesis kajian : H0(1) : Tidak terdapat perbezaan yang signifikan antara pencapaian Matematik dengan jantina. Sekiranya terdapat banyak data ekstrem. manakala pembolehubah pencapaian Matematik adalah pembolehubah bersandar (dependent variable). Proses ‘Recode’ dalam SPSS digunakan untuk mentafsir semula item negatif ini. Oleh itu. maka keutamaan adalah pada data yang berada paling jauh daripada garisan perlu dibuang dahulu. ii) Soalan kajian : Adakah terdapat perbezaan pencapaian Matematik berdasarkan jantina. Daripada hipotesis kajian. PP Plot. Sekiranya objektif kajian hanya untuk mengenalpasti perbezaan pencapaian Matematik berdasarkan jantina sahaja. Q-Q Plot dan ‘Box Plot’ boleh digunakan bagi menentukan sama ada terdapat data ekstrem yang mungkin diambil daripada sampel yang tidak berkenaan. Dalam soal selidik yang dilakukan. data yang berada di luar garisan perlu dibuang. sama ada terdapat hipotesis atau tiada hipotesis adalah mengikut keperluan. Biasanya kajian berbentuk kuantitatif jarang mempunyai hipotesis manakala kajian kualitatif mempunyai hipotesis. Cara melakukan proses recode: Transform Recode Into same variable (pilih variable. Descriptive statistics. maka data daripada dependent list juga perlu diubah dan dianalisis semula (Analyze.g Sikap 7) values taipkan Old value ‘1’. satu kerangka boleh dibina untuk menghubungkan semua pembolehubah. 3 2.

Kaedah Box Plot adalah kaedah yang paling mudah untuk mengenalpasti data ekstrem kerana ia boleh menunjukkan dengan jelas data-data ekstrem ini. kemudian copy dan paste ke SPSS. pilih tanda ‘/’ dan taipkan ‘16’. Pada ruang Dependent List. Data mentah diambil daripada fail ‘Data0’. Untuk menganalisa data yang diperolehi dalam bentuk gambarajah seperti Stem & Leaf atau Box Plot. Keluarkan cursor dari dalam kurungan. iaitu mewakili 16 tabiat yang telah dimasukkan dan tekan ‘OK’. masukkan variabel ‘Tabiat’ dan pada ruang Factor List. data-data yang perlu dibuang adalah data-data ekstrem yang mungkin diambil daripada sampel-sampel yang tidak berkenaan. klik kanan pada rajah Box Plot. Data-data yang belum dibersihkan akan dipaparkan dan data-data ekstrem akan jelas kelihatan pada rajah Box Plot. Kaedah yang boleh digunakan untuk menentukan sama ada terdapat data ekstrem adalah melalui kaedah Stem & Leaf Plot. indeks amat penting bagi menunjukkan data responden yang berkenaan telah dipadam. Kemudian buka helaian Data View untuk memasukkan nombor 1 hingga 300 pada column ‘Indeks’. cursor diletakkan pada kotak ‘Jantina’. pilih Compute dan paparan Compute Variable akan ditunjukkan. Kemudian. pengguna perlu berada di helaian Variable View. tekan Continue. double click pada ‘Tabiat1’ dan masukkan tanda tambah (+). ruangan Descriptives. Dalam tajuk Pembersihan Data (Cleaning Process). pilih Descriptive Statistics dan pilih Explore. masukkan variabel ‘Jantina’. Setiap kali data 7 . Pada menu Plots. Datadata daripada nombor 77 hingga 82 perlu dipadam dengan cara meletakkan cursor pada bahagian kiri sekali dan tekan kekunci ‘Delete’. kemudian pada menu Data. Untuk memindahkan rajah Box Plot ini ke dalam Program MS Word. dan masukkan tanda’+’ dan seterusnya hingga ‘Tabiat16’. pada menu Analyze. Pada menu Statistics. Pastikan cursor berada di dalam kurungan. Untuk memasukkan variabel ‘Indeks’. Pada menu Display. taipkan ‘TABIAT’ manakala pada bahagian Numeric Expression. ruangan Box Plots telah bertanda kotak Factor levels together. pilih copy dan paste pada MS Word. Tingkahlaku dn Persekitaran menggunakan SPSS. masukkan tanda kurungan. taipkan ‘0’. Data yang perlu dibuang dahulu adalah data yang berada paling jauh daripada garisan Box Plot. PP Plot. Data ini kemudian disimpan dan dinamakan sebagai ‘Data1’. hilangkan tanda ‘/’ pada kotak Stem & Leaf (kerana hanya bentuk Box Plot sahaja yang dikehendaki). Sebelum melakukan pembersihan data melalui perisian SPSS. Cara yang lebih mudah adalah melalui perisian MS Excell . pengguna perlu berada di helaian Variable View terlebih dahulu. Pada menu Transform. double click pada ‘Tabiat2’. Tabiat. Pada ruang Target Variable. tekan Continue dan tekan OK. tanda ‘/’ pada kotak Descriptives dan Outliers. Bimbangan.Explore). Dalam hal ini. taipkan ‘Indeks’ bagi menggantikan ‘VR0001’ dan pada column ‘Decimal’. pilih Both. pilih Insert Variable. Q-Q Plot dan Box Plot. Untuk mentafsir variabel Sikap.

dipadam. 8 . Ulang langkah ini sehingga semua data ekstrem telah dibersihkan. data perlu dianalisa semula menggunakan menu Analyze. Descriptive Statistics dan Explore.

Sign up to vote on this title
UsefulNot useful