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

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

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

Pembolehubah pula adalah apa sahaja yang boleh menunjukkan perbezaan nilai numerik. Hipotesis adalah satu pernyataan yang boleh diuji secara empirical dan ia berkait dengan hubungan antara pembolehubah.05. tanpa perkataan ‘tidak’. ‘perbezaan’. 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’. Ia juga dipanggil sebagai alfa. ‘decision value’. interval atau ratio. ANOVA. maka nilai p (kebarangkalian) adalah lebih kecil daripada 0. Manakala pernyataan hipotesis alternatif adalah dalam bentuk sebaliknya. khai kuasa dua dan regresi.05 ( p < 0. Terdapat dua jenis hipotesis iaitu hipotesis terarah dan hipotesis tidak terarah. maka ia menunjukkan ada perbezaan di antara pembolehubah yang dikaji.01. iaitu nilai adalah signifikan. manakala contoh hipotesis tidak terarah ialah ‘Terdapat perbezaan pencapaian antara pelajar perempuan dan lelaki dalam mata pelajaran Sains’. perkataan ‘terdapat’. korelasi. Jika p< 0. maka ‘significance level’ adalah 0. ‘Significance level’ ini adalah bergantung kepada jenis data iaitu sama ada data nominal. Hipotesis yang lengkap mesti mempunyai empat perkara iaitu. Penyataan hipotesis null adalah berbentuk pernyataan negatif dan bermula dengan perkataan ‘tidak’. ordinal. ‘criterion level’ dan aras keyakinan (confidence level). Nilai alfa (significance level) yang biasa digunakan dalam kajian pendidikan ialah p< 0.05. ‘Statistical significance’ menentukan sama ada hipotesis null boleh ditolak dan hipotesis kajian (hipotesis alternatif) boleh diterima. ujian hipotesis digunakan untuk menentukan sama ada sesuatu hipotesis yang dibuat adalah signifikan atau sebaliknya.05 yang bermaksud 95% aras keyakinan keputusan adalah tidak bergantung kepada ‘chance’. Refleksi Keempat Dalam statistik inferensi. Sebaliknya. Ujian yang boleh digunakan untuk menentukan nilai signifikan termasuklah Ujian-t. 4 . maka gagal menolak hipotesis null iaitu tidak terdapat perbezaan dalam pembolehubah yang dikaji. jika p>0. Sekiranya hipotesis adalah signifikan.05 ). maka ‘significance level’ adalah 0. Jika data nominal dan ordinal sahaja yang digunakan. Hipotesis inferensi mestilah mempunyai sekurang-kurangnya dua pembolehubah.05. 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. Manakala jika data interval dan ratio digunakan. menyatakan dua pembolehubah dan persampelan. Terdapat dua jenis hipotesis iaitu hipotesis null (Ho) dan hipoteis alternatif (HA).

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

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

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

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