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

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

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

maka gagal menolak hipotesis null iaitu tidak terdapat perbezaan dalam pembolehubah yang dikaji. manakala contoh hipotesis tidak terarah ialah ‘Terdapat perbezaan pencapaian antara pelajar perempuan dan lelaki dalam mata pelajaran Sains’. Penyataan hipotesis null adalah berbentuk pernyataan negatif dan bermula dengan perkataan ‘tidak’. ANOVA. Jika data nominal dan ordinal sahaja yang digunakan. Manakala pernyataan hipotesis alternatif adalah dalam bentuk sebaliknya. Nilai alfa (significance level) yang biasa digunakan dalam kajian pendidikan ialah p< 0. Refleksi Keempat Dalam statistik inferensi. ‘perbezaan’. tanpa perkataan ‘tidak’. Pembolehubah pula adalah apa sahaja yang boleh menunjukkan perbezaan nilai numerik. maka nilai p (kebarangkalian) adalah lebih kecil daripada 0. Hipotesis adalah satu pernyataan yang boleh diuji secara empirical dan ia berkait dengan hubungan antara pembolehubah. interval atau ratio. perkataan ‘terdapat’. ujian hipotesis digunakan untuk menentukan sama ada sesuatu hipotesis yang dibuat adalah signifikan atau sebaliknya. Terdapat dua jenis hipotesis iaitu hipotesis null (Ho) dan hipoteis alternatif (HA). maka ‘significance level’ adalah 0. Sekiranya hipotesis adalah signifikan. Manakala jika data interval dan ratio digunakan.05 yang bermaksud 95% aras keyakinan keputusan adalah tidak bergantung kepada ‘chance’. ordinal. Contoh hipotesis terarah ialah ‘Pencapaian pelajar perempuan lebih baik daripada pelajar lelaki dalam mata pelajaran Sains’. khai kuasa dua dan regresi.05.01.05. iaitu nilai adalah signifikan. Jika p< 0. ‘Significance level’ ini adalah bergantung kepada jenis data iaitu sama ada data nominal. ‘decision value’. maka ia menunjukkan ada perbezaan di antara pembolehubah yang dikaji. ‘Statistical significance’ menentukan sama ada hipotesis null boleh ditolak dan hipotesis kajian (hipotesis alternatif) boleh diterima. maka ‘significance level’ adalah 0.05. Hipotesis yang lengkap mesti mempunyai empat perkara iaitu. menyatakan dua pembolehubah dan persampelan. Ia juga dipanggil sebagai alfa. oleh itu hipotesis null ditolak dan hipotesis alternatif diterima.05 ( p < 0. ‘criterion level’ dan aras keyakinan (confidence level). 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’.Kenapa saya guna sesuatu ujian itu? Kerana mod adalah tetap dan lebih tinggi atau besar daripada mean (berubah). Hipotesis inferensi mestilah mempunyai sekurang-kurangnya dua pembolehubah. Sebaliknya. jika p>0. 4 . Ujian yang boleh digunakan untuk menentukan nilai signifikan termasuklah Ujian-t. Terdapat dua jenis hipotesis iaitu hipotesis terarah dan hipotesis tidak terarah. korelasi.05 ).

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

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

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

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

Sign up to vote on this title
UsefulNot useful