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

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

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

05 ). Manakala jika data interval dan ratio digunakan.05.05 ( p < 0.01. 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’. Jika p< 0. ujian hipotesis digunakan untuk menentukan sama ada sesuatu hipotesis yang dibuat adalah signifikan atau sebaliknya. Penyataan hipotesis null adalah berbentuk pernyataan negatif dan bermula dengan perkataan ‘tidak’. jika p>0. ordinal. Jika data nominal dan ordinal sahaja yang digunakan. maka nilai p (kebarangkalian) adalah lebih kecil daripada 0. perkataan ‘terdapat’. Hipotesis inferensi mestilah mempunyai sekurang-kurangnya dua pembolehubah. ‘perbezaan’. maka gagal menolak hipotesis null iaitu tidak terdapat perbezaan dalam pembolehubah yang dikaji. korelasi. Terdapat dua jenis hipotesis iaitu hipotesis terarah dan hipotesis tidak terarah. ‘decision value’. Sebaliknya.05 yang bermaksud 95% aras keyakinan keputusan adalah tidak bergantung kepada ‘chance’. interval atau ratio. 4 . ‘Significance level’ ini adalah bergantung kepada jenis data iaitu sama ada data nominal. ‘Statistical significance’ menentukan sama ada hipotesis null boleh ditolak dan hipotesis kajian (hipotesis alternatif) boleh diterima. iaitu nilai adalah signifikan. Pembolehubah pula adalah apa sahaja yang boleh menunjukkan perbezaan nilai numerik. khai kuasa dua dan regresi.Kenapa saya guna sesuatu ujian itu? Kerana mod adalah tetap dan lebih tinggi atau besar daripada mean (berubah). manakala contoh hipotesis tidak terarah ialah ‘Terdapat perbezaan pencapaian antara pelajar perempuan dan lelaki dalam mata pelajaran Sains’. Manakala pernyataan hipotesis alternatif adalah dalam bentuk sebaliknya. menyatakan dua pembolehubah dan persampelan. Sekiranya hipotesis adalah signifikan. ‘criterion level’ dan aras keyakinan (confidence level). Hipotesis adalah satu pernyataan yang boleh diuji secara empirical dan ia berkait dengan hubungan antara pembolehubah. Nilai alfa (significance level) yang biasa digunakan dalam kajian pendidikan ialah p< 0.05. Contoh hipotesis terarah ialah ‘Pencapaian pelajar perempuan lebih baik daripada pelajar lelaki dalam mata pelajaran Sains’. Refleksi Keempat Dalam statistik inferensi. Terdapat dua jenis hipotesis iaitu hipotesis null (Ho) dan hipoteis alternatif (HA). maka ia menunjukkan ada perbezaan di antara pembolehubah yang dikaji.05. oleh itu hipotesis null ditolak dan hipotesis alternatif diterima. ANOVA. Hipotesis yang lengkap mesti mempunyai empat perkara iaitu. tanpa perkataan ‘tidak’. maka ‘significance level’ adalah 0. Ujian yang boleh digunakan untuk menentukan nilai signifikan termasuklah Ujian-t. Ia juga dipanggil sebagai alfa.

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

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

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

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

Sign up to vote on this title
UsefulNot useful