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

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

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

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

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

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

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

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

Sign up to vote on this title
UsefulNot useful