not atm 6013
TRANSCRIPT
KAEDAH PENYELIDIKANTM6013
ANALISIS DATAHazura Mohamed
DATA ANALISIS
Objektif :
Kemahiran dalam menganalisis data menggunakan
teknik-teknik berstatistik
Analisis Statistik Merupakan tatacara, teknik dan kaedah
yang digunakan untuk tujuan memahami data dan maklumat, membuat penelitian, meringkas dan membuat analisis bagi memperihalkan berbagai ragam data.
Peranan utamanya ialah supaya data yang berbagai macam ini mudah difahami oleh orang ramai.
Kategori Statistik
Statistik deskriptif Menggunakan kaedah berangka dan grafik untuk
menentukan corak set data, meringkaskan maklumat daripada set data dan mempersembahkan maklumat yang dikumpul daripada sampel dalam bentuk yang menarik.
Oleh kerana pemerihalannya terhad kepada sampel sahaja ia tidak digunakan untuk tujuan membuat kesimpulan dan generalisasi menyeluruh kepada populasi yang dikaji
Statistik Inferens Prosidur-prosidur untuk membuat generalisasi mengenai
populasi yang dikaji berdasarkan maklumat daripada sampel yang diambil dari populasi.
Deskriptif Statistik
1- Analisis UNIvariate2- Analisis Bivariate
Analisis Univariate1.Taburan Frekuensi
Paling basic (and least useful) Percentage Mod (nominal data)
2. Ukuran Kecenderungan Memusat
Min – (interval data )
Mod – (nominal data)
Median – (ordinal data)
Sambung …
3.Ukuran Serakan Minimum Maksimum Julat – perbezaan di antara maksimum dan
minimum Sisihan piawai – ukuran sejauh mana subjek-
subjek yang dikaji berbeza daripada min kumpulan.(the more heterogeneous the group, the higher the standard deviation)
Sambung…
Skew = 0
Skew > 0“positive skew”
Skew < 0“negative skew”
Analisis Bivariat Korelasi
Arah Kekuatan Pearson r (interval data) Spearman (ordinal data)
Data Teknik--teknik berstatistik adalah
ditentukan oleh jenis data. Pemahaman asas mengenai jenis
data membantu dalam pemilihan kaedah analisis dan ujian statistik yang sesuai
Jenis Data Dua jenis data iaitu:
Data Kuantitatif-numerik nilai-nilai data adalah bilangan atau ukuran
berangka. Data kuantitatif boleh dalam bentuk:
Diskret - Boleh mengambil nilai-nilai yang tepat sahaja.
Contoh: bilangan buah bagi setiap pokok dalam kebun, saiz kasut bagi pelajr sebuah kelas dan bilangan anak dalam setiap keluarga dsbnya atau
Selanjar- Tidak boleh mengambil nilai yang tepat tetapi boleh dihampirkan kepada ukuran tertentu
Contoh: tinggi pelajar, berat buah jambu , halaju kereta, PNGK pelajar-pelajar sarjana UKM-NPC, gaji pensyarah dan sebagainya.
Jenis Data
Data Kualitatif- bukan numerik Nilai-nilai data adalah kategori bukan
berangka. Cth: jenis darah, jantina
Skala Pengukuran Data Nominal
Data nominal sesuai pada data yang hanya dapat diklasifikasikan ke dalam kategori, nama atau label.
Kategori tidak dapat disusun mengikut urutan. Dapat memberikan nilai numerik pada kategori
tapi tidak dapat melakukan operasi matematik terhadap nilai-nilainya.
Cth: male = 0 dan female = 1, budak ceria = 1 dan budak tak ceria = 2
Skala Pengukuran Data Ordinal
Sama seperti data nominal. Membezakan ialah data boleh disusun mengikut urutan. Tetapi kita tidak boleh mengukur perbezaan di antara dua data. Kita dapat memberikan nilai numerik namun tidak dapat
melakukan operasi matematik Cth:
Pengundi-pengundi diklasifikasikan sebagai low-income, middle-income, or high-income
Frekuensis Penerbangan: tidak pernah, jarang, kadang-kadang, selalu.· Bagaimana penilaian anda terhadap restoran itu? Sangat baik, baik, cukup,
kurang.
Skala Pengukuran Data Interval/Sela
Data interval adalah sama spt data ordinal iaitu data boleh disusun.
Perbezaan antara data bermakna dan boleh diukur. Cth. Senarai suhu-suhu didih bagi cecair yang
berbeza. Kita boleh tahu samada suhu didih cecair A lebih tinggi daripada suhu didih cecair B. jika suhu didih cecair A adalah 212darjah dan suhu didih cecair B adalah 284 darjah , suhu didih cecair B adalah lebih tinggi daripada suhu didih cecair A.
Nilai sifar bersifat arbitrari.(tidak menggambarkan kosong secara mutlak)
Skala Pengukuran
Data Nisbah(ratio data) Data nisbah adalah sama seperti data interval kecuali nisbah memberi
makna.. Data ratio mempunyai nilai kosong secara mutlak. Nilai kosongnya
mempunyai maksud tiada kuantiti. Seseorang yang tidak bekerja bermaksud gajinya RM 0.
Cth. 4 orang dipilih secara rawak dan ditanya berapa banyak duit yang mereka bawa sekarang. Berikut adalah hasilnya : $21, $50, $65, and $300.
Adakah data ini boleh disusun ikut urutan? Ya, $21 < $50 < $65 < $300. Bolehkah kita mengira nisbah ? Ya sebab $0 nilai paling maksimum yang
mereka bawa. Individu yang mempunyai $300 adalah mempunyai 6 kali ganda daripada
individu yang mempunyai $50. Cth lain: umur, skor ujian, jumlah jam belajar untuk suatu ujian.
Ukuran kecenderungan memusat(Central tendency)
Nominal Ordinal Interval/Ratio
Mode X X X
Median X X
Mean X
Statistik Inferens
Pengujian Hipotesis Pengujian hipotesis merupakan kaedah
yang paling berkesan untuk membuat kesimpulan mengenai suatu populasi yang dikaji berpandukan keputusan yang didapati daripada sampel.
Hipotesis statistik adalah satu kenyataan yang dibuat tentang suatu populasi
Kenyataan ini mungkin benar atau tidak Benar atau tidak +++> lakukan pengujian
hipotesis
Kepentingan & Keperluan Penting untuk menguji adakah
perbezaan yang wujud di antara data dalam sampel dan populasi adalah benar-benar berbeza atau berbeza secara kebetulan sahaja.
Takrif Hipotesis Hipotesis statistik adalah suatu
pernyataan atau anggapan yang mungkin benar atau tidak terhadap suatu populasi atau lebih (Walpole, 1990).
Hipotesis yang baik mempunyai sifat-sifat seperti berfokus, jelas, logik, difahami dan dapat diuji.
Langkah-langkah Pengujian Hipotesis
Penyataan hipotesis Jenis Taburan Data Aras keertian Ujian Statistik Kawasan Penolakan Pengiraan ujian statistik Keputusan Kesimpulan
Pernyataan Hipotesis Hipotesis nol ditandakan dengan H0
ialah hipotesis yang hendak diuji dan diharap akan ditolak.
oMesti yang membawa maksud kesamaan.oJadi ada 3 kemungkinan: sama ada = atau
atau .
Contoh:Ho: Purata pendapatan pelajar MIT
UKM Bangi adalah RM4,000.00 sebulan
atauHo: = RM 4,000.00 sebulan.
Pernyataan Hipotesis
Hipotesis alternatif ditandakan dengan H1 , biasanya dinamakan hipotesis penyelidik yang dirumuskan dengan harapan untuk menerimanya.
Kebiasaannya sebarang pernyataan yang hendak dibuktikan benar, ditulis dalam hipotesis alternatif
Mesti membawa maksud ketaksamaan. o Jadi ada 3 kemungkinan: sama ada atau < atau >. o Diterima jika Ho ditolak.
Perhatikan!!! Pernyataan dalam Ho dan H1 tidak boleh bertindan.
Contoh:H1: Purata pendapatan pelajar MIT
UKM Bangi adalah kurang RM4,000.00 sebulan
atauH1: < 4,000.00 .
Pernyataan Hipotesis Kesilapan-kesilapan yang dibuat:
Pernyataan hipotesis penyelidikan yang terlalu kabur. Cth: terdapat hubungan kecerdasan dan sikap
Pernyataan hipotesis penyelidikan yang terlalu umum. Cth: pelajar yang bijak mempunyai sikap yang baik
Pernyataan hipotesis penyelidikan dalam bentuk yang tidak boleh diuji. Cth: pelajar yang rajin ke kuliah lebih beriman
Taburan Data Taburan data sampel perlu di kenalpasti terlebih
dahulu untuk membolehkan kita menggunakan statistik ujian yang betul.
Bagi data yang diambil dari taburan normal, taburan sampel nya juga normal. Bagi data yang diambil dari taburan bukan normal, teorem had memusat diperlukan.
Ujian kenormalan juga boleh digunakan untuk menguji adakah data tertabur secara normal. oBina histogram , Bina plot batang-daun
oKira pekali kepencongan dan kepuncakannya. oGunakan hubungan min, mod dan median dengan
bentuk taburan. oAtau gunakan perisian untuk menguji kenormalan data.
Aras Keertian Menerima atau menolak H0 bergantung kepada tahap
signifikan atau aras keertian (level of significance) Aras keertian ditandakan dengan simbol Juga dipanggil sebagai kebarangkalian berlakunya ralat
jenis I, iaitu dalam membuat keputusan, hipotesis nol ditolak sedangkan pada hakikat ianya benar.
Maka semakin besar nilai , semakin besar kemungkinan kita akan menolak hipotesis nol yang benar
Lazimnya nilai yang digunakan ialah 0.1, 0.01 atau 0.05
Ujian StatistikSebelum memilih suatu ujian statistik ,
tanya: Berapa banyak pembolehubah kajian? Adakah taburan data normal? Adakah sampel independent atau
dependent? Apakah hipotesis anda? Adakah data nominal, ordinal,
selang/ratio?
Kajian hubungan
Design Scale of MeasurementCorrelation Coefficients
Survey or Correlational Studies
Two nominal variables Phi Coefficient
A nominal variable and an interval or ratio variable
Point-biserial
Ordinal Spearman's r
Interval or ratio Pearson's r
Kajian PerbandinganDesigns
Scale of Measurement
Test Statistic
Single-group between-subject
Nominal Chi-Squared, sign test
Ratio or Interval
Z-test : Population variance is known
T-test: Population variance must be estimated
Two-group between-subject
Nominal Chi-Squared
Ordinal Sign test, Wilcoxon's rank-sum test ,U-Mann Whitney test(tidak bersandar)
Interval or Ratio
Student's t-test
Three or more group between subject
Ordinal Kruskal-Wallace's H-test
Interval or ratio
Fisher's F-test (ANOVA)
If significant, test individual means with Tukey's HSD
Contoh
Seorang pensyarah ingin mengetahui adakah belajar secara dalam kumpulan menyebabkan peningkatan prestasi dalam exam berbanding belajar secara individu..
1. Tujuan : menguji adakah teknik belajar memberi kesan kepada pencapaian markah.
2. Mengkaji dua kumpulan sampel yang independent3. Pembolehubah kajian : markah peperiksaan4. Skala pengukuran: nisbah.5. Hipotesis H0: Tiada perbezaan purata markah di antara
belajar berkumpulan dan belajar sendiri.6. Statistik ujian yang sesuai :
1. Normal - independent t-test. 2. Tak-normal – u-mann whitney test
Kawasan Penolakan
Ada 3 jenis hujung ujian:o 2 hujungo 1 hujung sebelah kirio 1 hujung sebelah kanan Bergantung kepada H1.
Kawasan penolakan adalah kawasan yang membolehkan Ho di tolak
Nilai Kritikal Nilai pemisah diantara kawasan
penolakan dan kawasan penerimaan.
Keputusan
Kesimpulan
Jenis ralat statistik Semua keputusan ujian statistik bergantung kepada
samada menolak atau menerima hipotesis nol. Namun ianya dipengaruhi oleh 2 ralat statistik Ralat jenis I
berlaku jika kita menolak H0 apabila dalam keadaan sebenar, ia benar dan
Ralat jeis II berlaku apabila kita tidak menolak H0 sedangkan dalam
keadaan sebenar, ia palsu.
Kb (Ralat Jenis I ) = dan Kb (Ralat Jenis II) =
Oleh itu penyelidik menetapkan aras keertian pada 0.05 iaitu hanya 5 dari 100 sahaja dibenarkan membuat ralat jenis 1
Secara Matematik
= kb (Ralat jenis I ) = kb ( tolak H0| H0 benar ) dan = kb (Ralat jenis II) = KB (Terima H0| H0 palsu)
Pokok Pemilihan Ujian
Analisis Menggunakan SPSS
Apa itu SPSS? SPSS (Statistical Package for the Social Sciences)
Satu sistem yang berupaya mengurus data dan menganalisis secara berstatistik.
Mudah digunakan dan boleh memanipulasi data. Tetapi SPSS tidak boleh menyelesaikan sebarang masalah anda.
Ia boleh digunakan untuk menganalisis data Yang penting, anda mesti ada pengetahuan asas mengenai statistik untuk mentafsirkan output.
Analisis Grafik dan Diskriptif Data Nominal – Frequency,
Crosstabs, bar charts dan pie charts Data Ordinal - Frequency, Crosstabs
dan descriptivee statistics, bar charts, pie charts, steam-lesf plots
Data selanjar – descriptive statistics, histograms, boxplots, dan scatter plot bagi dua pembolehubah
3 kumpulan Ujian berstatistik inferensi
Kumpulan 1. Menguji jika terdapat perbezaan yang bererti di antara dua pembolehubah;
Kumpulan 2. Menguji kesignifikanan hubungan di antara dua pembolehubah; dan
Kumpulan 3. Menguji jika terdapat perbezaan yang signifikan diantara lebih daripada dua pembolehubah.
Analisis Inferensi Kumpulan 1. Menguji jika terdapat perbezaan
yang bererti di antara dua pembolehubah Nominal atau ordinal – guna Crosstabs Data selanjar –
Pertama, periksa jika data normal Untuk periksa kenormalan, go to ‘Analyze’, ‘descriptive
statistics’, ‘explore’ Kedua, jika membandingkan dua atau lebih kumpulan,
periksa kehomogenan bagi varians di antara kumpulan. Guna ‘explore’
Bagi perbandingan dua kumpulan, guna Independent t-test bagi independent sample dan dependet t-test bagi paired sample
Jika tidak normal guna analyze nonparametric test independent sample atau dependent sample
Analisis Inferensi Kumpulan 2. Menguji kesignifikan
hubungan di antara dua pembolehubah Nominal data – guna crosstab dan pilih
ujian yang sesuai untuk nominal data Ordinal data – guna crosstabs, bivariate
correlation spt pekali korelasi Spearman Data Selanjar – guna bivariate
correlation spt Pearson correlation
Analisis Inferensi Kumpulan 3. Menguji jika terdapat
perbezaan yang bererti di antara lebih dua pembolehubah
Bagi data tidak normal pilih Analyze nonparametric test k
independet test Bagi data normal
Analyze compare mean ANOVA
Descriptive Statistics Procedure
The Crosstabs Procedure in SPSS
The Crosstabs Procedure in SPSS
Adakah terdapat perbezaan di antara kumpulan kajian
Mengkaji hubungan di antara pembolehubah
kajian
Jika taburan data bukan tertabur normal
Sekian
Terima Kasih