P. 1
groupnew REFLEKSI

groupnew REFLEKSI

|Views: 209|Likes:
Published by Mahani Bt Mamat

More info:

Published by: Mahani Bt Mamat on Mar 23, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOC, PDF, TXT or read online from Scribd
See more
See less

05/14/2014

pdf

text

original

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

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

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

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

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

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

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

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

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->