Statistik dalam penyelidikan pendidikanPENDAHULUAN

Tajuk ini dipilih kerana para pengkaji hendak mengetahui tahap penggunaan Teknologi Maklumat dan Komunikasi (TMK) di kalangan guru-guru Sains sekolah menengah di daerah Gombak bagi memastikan kejayaan mengintegrasikan teknologi ke dalam bilik darjah. Pendidik yang berkompetensi teknologi memahami hubungan di antara fungsi asas komputer dan pembelajaran pelajar. Setiap kali suatu teknologi baru diperkenalkan dalam bilik darjah, ada pihak yang akan menyokong dan mendakwa teknologi ini akan merevolusikan cara guru mengajar, cara murid belajar dan secara amnya keseluruhan cara pendidikan dikendalikan.

Dalam abad ke-21 ini, negara menghadapi cabaran baru kesan daripada globalisasi, liberalisasi, pengantarabangsaan dan perkembangan Teknologi Maklumat dan Komunikasi (TMK). Sehubungan dengan itu Malaysia memerlukan modal insan yang juga celik TMK, progresif dan mampu bersaing di pasaran kerja global. Oleh itu, guru-guru perlulah lebih `competent' dan `well-informed', dimana seseorang guru itu berkemampuan mengolah maklumat dan pengetahuan yang sebegitu banyak dengan ketajaman daya analisisnya dan kemampuannya untuk berfikir secara integratif dan conceptual. Ini akan membolehkannya bertindak balas dengan cepat terhadap perkembangan pesat di sekitarnya.

Beberapa masalah timbul mengenai pengetahuan tahap penggunaan Teknologi Maklumat dan Komunikasi di kalangan guru-guru Sains di sekolah menengah.

Antaranya adalah:

Sejauh manakah tahap penggunaan TMK oleh guru dalam P&P Sains? Adakah penggunaan TMK membantu meringankan beban guru dalam P&P Sains? Apakah faktor-faktor yang mendorong dan menghalang penggunaan TMK oleh guru

dalam P&P Sains?

OBJEKTIF KAJIAN

Objektif kajian ini ialah untuk :

1. Untuk mengenalpasti tahap frekuensi penggunaan TMK oleh guru dalam P&P Sains.2. Untuk mengenalpasti tahap frekuensi bentuk bahan TMK yang digunakan oleh guru

dalam P&P Sains.3. Untuk mengenalpasti faktor yang mendorong penggunaan TMK oleh guru dalam P&P

Sains.4. Untuk mengenalpasti faktor yang menghalang penggunaan TMK oleh guru dalam

P&P Sains.5. Untuk mengenalpasti kelebihan penggunaan TMK dalam P&P Sains.

SOALAN KAJIAN

Kajian ini dijalankan untuk menjawab beberapa persoalan mengenai tahap penggunaan TMK oleh guru dalam P&P Sains.

1. Apakah tahap frekuensi penggunaan TMK oleh guru dalam P&P Sains?2. Apakah tahap frekuensi bentuk bahan TMK yang digunakan oleh guru dalam P&P

Sains?3. Apakah faktor yang mendorong peggunaan TMK oleh guru dalam P&P Sains?4. Apakah faktor yang menghalang penggunaan TMK oleh guru dalam P&P Sains?5. Apakah kelebihan penggunaan TMK dalam P&P Sains?

METODOLOGI

Dua teknik analisis telah digunakan dalam kajian ini, yakni yang pertama analisis deskriptif dan yang keduanya adalah analisis inferensi. Statistik deskriptif membantu mengatur, memaparkan dan menerangkan data dengan menggunakan jadual, graf dan teknik rumusan. Terdapat lapan puluh responden, oleh itu ianya boleh diklasifikasikan sebagai sesuatu populasi. Selain daripada itu, statistic inferensi pula merangkumi teknik atau langkah yang menggunakan sampel ujikaji untuk membuat keputusan dan generalisasi terhadap sesuatu populasi.

Justeru, demi memenuhi keperluan ujikaji, dua jenis analisis deskriptif telah digunakan. Analisis ini menggunakan peratus untuk menerangkan maklumat tentang latarbelakang responden seperti jantina, umur, bangsa, opysen, bilangan tahun mengajar matapelajaran sains dan latarbelakang pendidikan tertinggi. Analisis yang disertakan dalam kajian ini turut mengandungi peratus, min, sisihan piawai, mod, median serta julat minimum dan maximum untuk menerangkan pembolehubah-pembolehubah yang telah dipilih diatas.

Selain daripada itu, empat jenis statistik inferensi turut digunakan dalam kajian ini. Chi- kuasa dua digunakan untuk mengkaji hubungan antara dua pembolehubah nominal ,iaitu jantina dan bilangan tahun mengajar matapelajaran Sains. Ujikaji-T pula telah digunakan untuk menentukan min antara pembolehubah-pembolehubah tidak bersandar. Korelasi Pearson r, juga telah digunakan untuk menganalisa perhubungan di antara pembolehubah-pembolehubah tidak bersandar. Pembolehubah-pemboleh ubah yang dikaji adalah tahap penggunaan Teknologi Maklumat dan Komunikasi oleh guru dalam pengajaran dan pembelajaran Sains, faktor-faktor yang mempengaruhi penggunaan Teknologi Maklumat dan Komunikasi oleh guru, serta kelebihan penggunaan Teknologi Maklumat dan Komunikasi dalam pengajaran dan pembelajaran Sains.

SAMPEL KAJIAN

Dalam kajian ini, sampel terdiri daripada guru-guru yang mengajar mata pelajaran Sains di sekolah menengah. Sampel kajian ini dipilih secara rawak mudah yang terdiri daripada pelbagai bangsa dan agama. Persampelan rawak mudah merupakan proses menggunakan sampel bila mana individu dalam populasi mempunyai kebarangkalian yang sama untuk dipilih. Bilangan sampel terdiri daripada 80 orang guru yang mengajar dalam mata pelajaran Sains di sekolah menengah.

INSTRUMEN KAJIAN

Dalam kajian ini satu set soal selidik telah digunakan untuk mengumpul data iaitu :-

1. Bahagian A : Soal Selidik Latar Belakang Responden

2. Bahagian B : Soal Selidik Tahap Penggunaan Teknologi Maklumat dan Komunikasi Oleh Guru-Guru Sains (TPTMK)

3. Bahagian C : Faktor-faktor Yang Mempengaruhi Penggunaan Teknologi Maklumat dan Komunikasi oleh Guru dalam Pengajaran dan Pembelajaran Sains (FPTMK)

4. Bahagian D : Kelebihan Penggunaan Teknologi Maklumat dan Komunikasi oleh Guru dalam Pengajaran dan Pembelajaran Sains (KPTMK)

Bahagian A : Soal Selidik Latar Belakang Responden

Bahagian A adalah soal selidik berkaitan dengan maklumat diri subjek. Antara item-item yang dimuatkan untuk mendapatkan maklumat peribadi guru ialah umur, jantina, bangsa dan opysen matapelajaran,

Di samping itu juga, soal selidik ini berkaitan dengan sumber maklumat mengenai bilangan tahun mengajar dalam mata pelajaran Sains dan latar belakang pendidikan tertinggi. Sumber maklumat ini telah diubah suai oleh pengkaji agar bersesuaian dengan kajian yang dijalankan. Subjek diminta menandakan ( / ) terhadap sumber maklumat yang berkaitan dengan diri subjek.

Bahagian B : Soal Selidik Tahap Penggunaan Teknologi Maklumat dan Komunikasi Oleh Guru dalam Pengajaran dan Pembelajaran Sains (TPTMK)

Bahagian ini adalah doal selidik mengenai tahap penggunaan Teknologi Maklumat dan Komunikasi terhadap subjek yang dikaji. Alat kajian ini sebenarnya menguji tentang kekerapan tahap penggunaan Teknologi Maklumat dan Komunikasi subjek dalam masa seminggu dan juga tahap kekerapan penggunaan peralatan, perkakasan atau perisian yang dibekalkan semasa pengajaran dan pembelajaran Sains. Responden dikehendaki menjawab dua puluh lima soalan dengan menggunakan dua pilihan jawapan iaitu ya atau tidak.

Bahagian C : Faktor-faktor Yang Mempengaruhi Penggunaan Teknologi Maklumat dan Komunikasi oleh Guru dalam Pengajaran dan Pembelajaran Sains. (FPTMK)

Bahagian C adalah soal selidik berkaitan dengan faktor-faktor yang mendorong dan menghalang penggunaan Teknologi Maklumat dan Komunikasi oleh guru dalam pengajaran dan pembelajaran Sains. Dalam bahagian ini juga, responden dikehendaki menjawab lima puluh soalan dengan menggunakan dua pilihan jawapan iaitu ya atau tidak.

Bahagian D : Kelebihan Penggunaan Teknologi Maklumat dan Komunikasi oleh Guru dalam Pengajaran dan Pembelajaran Sains. (KPTMK)

Bahagian D pula, merupakan soal selidik berkaitan dengan kelebihan penggunaan Teknologi Maklumat dan Komunikasi oleh guru dalam pengajaran dan pembelajaran Sains. Bahagian ini terbahagi kepada dua kumpulan soalan. Responden dikehendaki menjawab soalan dengan menggunakan dua pilihan jawapan iaitu ya atau tidak.

PEMBOLEHUBAH KAJIAN

Pembolehubah bebas dalam kajian ini ialah umur, jantina, bangsa, bilangan tahun mengajar dan latarbelakang pendidikan tertinggi. Manakala pembolehubah bersandar adalah tahap penggunaan TMK dan faktor-faktor yang mempengaruhi serta kelebihan penggunaan TMK. Soalselidik ini terbahagi kepada empat bahagian iaitu Bahagian A, B, C dan D. Bahagian A mengandungi pembolehubah-pembolehubah di bawah:

1. Jantina2. Umur3. Bangsa4. Opysen5. Pengalaman mengajar matapeajaran Sains6. Latarbelakang Pendidikan Tertinggi

Dalam kajian ini terdapat satu set borang soal selidik yang mengandungi tiga bahagian iaitu Bahagian A, Bahagian B, Bahagian C dan Bahagian D.

Dalam Bahagian A, soal selidik latar belakang responden digunakan untuk mengumpul maklumat daripada responden, bilangan tahun mengajar dan latarbelakang pendidikan seperti yang dipaparkan di atas.

Bahagian B pula, adalah soal selidik berkaitan dengan tahap penggunaan TMK guru dalam pengajaran dan pembelajaran Sains. Soal selidik tentang tahap penggunaan TMK ini terdiri daripada item-item yang berkaitan dengan tahap kekerapan mengunakan TMK dalam seminggu semasa sesi pengajaran dan pembelajaran Sains. Selain itu, item-item berkaitan dengan kekerapan menggunakan peralatan, perkakasan atau perisian TMK dalam masa seminggu.

Bahagian C, adalah berkaitan dengan faktor-faktor yang mempengaruhi penggunaan TMK oleh guru dalam pengajaran dan pembelajaran Sains. Dalam bahagian ini item-item yang terdapat dalamnya adalah berkaitan dengan faktor mendorong dan menghalang responden dalam menjayakan pengajaran dan pembelajaran Sains dengan menggunakan TMK.

Bahagian D, adalah mengenai kelebihan penggunaan TMK oleh guru dalam pengajaran dan pembelajaran Sains. Bahagian ini terdiri daripada 50 soalan tertutup yang memerlukan responden menjawab ya atau tidak. Soalan -soalan yang dikemukankan merangkumi, kebaikan dan kelebihan TMK dalam meringankan beban guru dengan menjimatkan masa, tenaga dan kos dalam penyediaan sesi pengajaran dan pembelajaran Sains.

LATARBELAKANG RESPONDEN

Item-item dalam bahagian A soal selidik secara umumnya digunakan untuk mengenalpasti demografi responden dari aspek umur, jantina, bangsa, opsyen, bilangan tahun mengajar matapelajaran Sains dan latar belakang akademik responden.

Seramai 80 orang responden yang terdiri daripada 100% guru dari lima buah sekolah menengah di sekitar daerah Gombak. Seramai 40 orang responden terdiri daripada guru lelaki, manakala selebihnya merupakan guru perempuan.

Majoriti respoden Lelaki and Perempuan masing masing adalah 50% (n=40)

Majoriti respoden adalah dalam lingkungan 30-34 tahun iaitu sebanyak 31% (n=25).Diikuti 30% (n=24) adalah responden dalam lingkungan umur 25-29 tahun. Umur 35-39(n=2) responden adalah sebanyak 15% manakala 14% responden adalah dalam lingkungan 40-44 tahun. 45 keatas adalah sebanyak 6% dan 4% adalah umur diantara 20-24 tahun.

Majoriti responden adalah Bangsa Melayu iaitu 44% (n=35).Dikuti oleh bangsa Cina 28% (n=22), 21% (n=17) adalah bangsa India, manakala 8% (n=6) adalah dalam kategori lain lain.

Majoriti responden 85% (n=68) adalalah dari aliran Sains, manakala 15% (n=15) adalah dalam aliran Bukan Sains.

Sejumlah 39% respoden (n=31) mempunyai Pengalaman Mengajar diantara 4-6 tahun, 0-3 tahun dalam sebanyak 34% (n=27), dikuti 7-9 tahun 20% (n=16) dan hanya 8% (n=6) mempunyai Pengalaman Mengajar 10 tahun ke atas.

75% respoden (n=60) adalah kelulusan Ijazah Sarjana Muda, manakala bagi Ijazah Sarjana dan Diploma masing masing adalah 13% (n=10).

Analisis data

Empat inferens analisis telah dijalankan. Khi kuasa dua digunakan untuk menguji perhubungan antara dua pembolehubah-pembolehubah tidak bersandar nominal, jantina dan bilangan tahun mengajar matapelajaran Sains. T-tests telah dijalankan untuk bandingkan cara antara pembolehubah-pembolehubah bersandar. Tiga pembolehubah bersandar yang telah dikaji ialah: Tahap Penggunaan Teknologi Maklumat dan Komunikasi Oleh Guru-Guru Sains (TPTMK), Faktor-faktor Yang Mempengaruhi Penggunaan Teknologi Maklumat dan Komunikasi oleh Guru dalam Pengajaran dan Pembelajaran Sains (FPTMK), Kelebihan Penggunaan Teknologi Maklumat dan Komunikasi oleh Guru dalam Pengajaran dan Pembelajaran Sains (KPTMK).

Ujian Deskriptif

Jadual 6.1, 6.2 dan 6.3 menunjukan tahap-tahap bagi TPTMK, FPTMK, dan KPTMK masing-masing. Nilai berangka dimensi pembolehubah-pembolehubah di atas sahaja tidak menunjukkan kekuatan relatif tahap-tahap ini. Beberapa perbandingan diperlukan untuk menandakan ini.

Jadual 6.4: Ujian Analisis Khi Kuasa Dua Antara Jantina Dan Bilangan Tahun Mengajar Untuk Keseluruhan Sampel (N=80).

Langkah 1:

H0: Tidak ada perhubungan jantina dan bilangan tahun mengajar

H1: Terdapat perhubungan antara jantina dan bilangan tahun mengajar

Langkah 2 : Kami menggunakan taburan X² untuk menguji darjah kebebasan atau perhubungan antara pembolehubah jantina dan bilangan tahun mengajar

Langkah 3 : Menentukan kawasan penolakan dan bukan penolakan.

Tahap signifikan ialah 0.05 atau 5%.

Kawasan dalam hujung kanan = ? = 0.05

Darjah kebebasan, df = (Jumlah barisan - 1) (Bilangan ruangan - 1 )

= (2 - 1) (4 - 1)

= 3

Daripada Jadual X², untuk df = 3, ? = 0.05, X² = 7.815

Langkah 6:

Nilai 3.3 yang diperolehi adalah lebih kecil daripada nilai kritikal (7.815) dan ia jatuh dalam kawasan bukan penolakan H0. Oleh itu, kami menolak H1 dan mengekalkan H0; dimana tidak ada signifikan (p<0.05) perhubungan antara jantina dan bilangan tahun mengajar (X² = 3.3, p>0.05).

Pekali korelasi linear adalah 0.0018 (dibundarkan kepada 2 tempat perpuluhan)

Interpretasi:

Korelasi di antara TPTMK and FPTMK adalah lemah.

Korelasi kuasa dua, merupakan pekali bagi penentuan.

r2 = (0.0018 )2 = 0.00 menunjukkan kiraan 0% terhadap varians

bagi skor FPTMK dalam kes ini.

Langkah 4: Menguji dapatan signifikan r melalui hipotesis nul supaya tiada hubungan yang signifikan di antara skor TPTMK dan FPTMK.

Bagi menguji nilai dapatan signifikan r yang diperolehi, pertama perlu setkan aras signifikan yang hendak diuji iaitu 1 % atau pada p > .01.

Kemudian uji hipotesis mengenai populasi pekali korelasi p menggunakan sampel pekali korelasi r. Selain itu jadual taburan t boleh digunakan dalam ujian ini.

Apabila n - 2 merupakan nilai darjah kebebasan.

Hipotesis nul merupakan pekali korelasi linear di antara dua pembolehubah yang kosong, ? = 0. Hipotesis alternatif boleh menjadi:

Pekali korelasi linear di antara 2 pembolehubah yang kurang daripada kosong, ? > 0

Pekali korelasi linear di antara 2 pembolehubah yang lebih daripada kosong, ? < 0

Pekali korelasi linear di antara 2 pembolehubah yang tidak sama dengan kosong, ? ?0

Catat hipotesis nul: (? merupakan pekali korelasi populasi )

Ho: ? = 0 (Pekali korelasi linear adalah kosong dalam populasi )

H1 : ? > 0 (Pekali koralsi linear adalah positif dalam populasi)

bermaksud satu hujung

(Apabila kita menguji H1: hanya korelasi positif wujud di mana ia adalah mustahil bagi korelasi negative wujud)

(Selain itu, kita harus menguji H1: ?? 0, apabila kami ingin menguji korelasi kedua-dua atau negative iaitu ujian dua- hujung )

Langkah 5: Pilih fungsi taburan yang perlu digunakan.

Taburan populasi untuk kedua-dua pembolehubah adalah normal. Oleh itu, kita boleh menggunakan taburan t untuk menunjukkan ujian tersebut adalah pekali korelasi linear.

Langkah 6: Menentukan kawasan penolakan dan bukan penolakan

Aras signifikan adalah 1%. Melalui hipotesis alternatif, kita dapat mengetahui ujian itu adalah hujung kanan. Oleh itu

Kawasan pada hujung kanan taburan t = 0.01

df = n - 2 = 80 - 2 = 78

Melalui taburan t, nilai kritikal bagi t adalah 1.292. Kawasan penolakan dan bukan penolakan untuk ujian ini adalah seperti di bawah:

Langkah 8: Membuat keputusan

Nilai bagi ujian statistik t = 0.016 is adlah kurang daripada nilai kritikal t = 1.292 dan ia jatuh di kawasan yang bukan penolakan. Oleh itu, kita menerima hipotesis nul dan membuat kesimpulan bahawa tiada hubungan linear yang signifikan, di antara TPTMK dengan FPTMK.

DAPATAN KAJIAN

Keputusan Khi-kuasa dua menunjukkan bahawa tiada hubungan di antara jantina dan kawasan khas. (X2= 3.3 , p>0.05).

Sampel ujian-t yang berpasangan dijalankan untuk menilai jikalau terdapat hubungan di antara FPTMK dan TPTMK, FPTMK dan KPTMK serta TPTMK dan KPTMK.

Keputusan menunujukkan bahawa min bagi FPTMK (, SD= 8.9314) adalah signifikan dan lebih besar daripada min bagi TPTMK (, SD=6.853), t (158)=44.6329, p>0.025. Ini menunjukkan bahawa terdapat perbezaan yang signifikan di antara FPTMK dan TPTMK di kalangan guru. Keputusan ini juga menunjukkan bahawa min bagi KPTMK (, SD=6.293).

Ujian-t di antara FPTMK dan KPTMK t (158)=51.7703, p>0.025. Ini juga menunjukkan bahawa terdapat perbezaan signifikan di antara FPTMK dan KPTMK di kalangan guru. Keputusan ujian-t di antara TPTMK dan KPTMK adalah t(158)=6.7902, p>0.025. Ini juga menunjukkan bahawa terdapat perbezaan yang signifikan di antara TPTMK dan KPTMK di kalangan guru di daerah Gombak.

KESIMPULAN

Kesimpulan yang boleh dibuat daripada analisis empat inferensi adalah khi-kuasa dua menunjukkan bahawa tiada perhubungan di antara jantina dan bilangan tahun mengajar. Manakala kesemua keputusan ujian-t menunjukkan bahawa terdapat hubungan di antara jantina dan pengalaman mengajar. Tambahan pula , keputusan kesemua ujian-t tak bersandar yang utama iaitu Tahap Penggunaan Teknologi Maklumat dan Komunikasi Oleh Guru-Guru Sains (TPTMK), Faktor-faktor Yang Mempengaruhi Penggunaan Teknologi Maklumat dan Komunikasi oleh Guru dalam Pengajaran dan Pembelajaran Sains (FPTMK), Kelebihan Penggunaan Teknologi Maklumat dan Komunikasi oleh Guru dalam Pengajaran dan Pembelajaran Sains (KPTMK) ada menunjukkan perkaitan antara satu sama lain.

Pekali korelasi Pearson di antara tiga pembolehubah (TPTMK, FPTMK, KPTMK) menunjukkan bahawa tidak terdapat hubungan linear yang signifikan di antara mereka.

Berdasarkan pada keputusan analisis yang di perolehi, di sarankan adalah baik sekiranya tahap penggunaan teknologi maklumat dan komunikasi oleh guru ditingkatkan. Ini secara tidak langsung akan membantu para guru meringankan beban guru-guru di sekolah dan ia juga akan memberikan kesan baik terhadap pelajar. Guru-guru baru juga harus menjalani kursus pra-pratikum di mana mereka perlu didedahkan kepada Pendekatan Penggunaan Teknologi Maklumat dan Komunikasi dalam Pengajaran Sains. Manakala guru-guru yang sudah berada dalam perkhidmatan atau guru yang berpengalaman, boleh didedahkan kepada Penggunaan Teknologi Maklumat dan Komunikasi melalui kursus pendek atau kursus dalaman.

Umumnya, ia boleh dikatakan bahawa ramai guru yang berpengalaman secara semula jadi mempunyai banyak pendedahan dan motivasi untuk membangunkan profesion pengajaran mereka. Walaubagaimanapun, kepercayaan ini boleh menjadi persoalan dalam konteks fakta dimana kebolehan dan kecemerlangan seseorang individu boleh meningkat melalui insiatif sendiri atau pembangunan serta keazaman untuk memperbaiki diri sendiri. Oleh itu, ia boleh diringkaskan kepada realiti bahawa ia bergantung kepada diri guru itu sendiri untuk menyedari dan meningkatkan kemahiran pengajaran sendiri untuk menjadi guru yang inovatif dan kreatif.

RUJUKAN

1. Coakes, S.J., et al. (2008). SPSS Analysis Without Anguish. China: John Wiley & Sons Inc.

2. Green, S.B., et al (1997). Using SPSS for windows: Analyzing and Understanding Data. New Jersey: Prentice Hall

3. Mann, P.S. (2007). Intoduction Statistic 6th Edition. New Jersey: John Wiley & Sons Inc.

4. Norusis, M.J. (1997). SPSS Guide to Data Analysis. New Jersey: Prentice Hall

Analisis Statistik Deskriptif dan Statistik Inferens

statistical-analysis-services

Analisis data adalah kegiatan mengubah data hasil penelitian menjadi informasi

yang dapat digunakan untuk memberikan kesimpulan penelitian. Analisis

ini dilakukan dengan menggunakan analisis statistik.

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.

* Bina histogram , Bina plot batang-daun

* Kira pekali kepencongan dan kepuncakannya.

* Gunakan hubungan min, mod dan median dengan bentuk taburan.

* Atau gunakan perisian untuk menguji kenormalan data.

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.

Analisis Statistik ini boleh dibahagikan kepada dua kategori iaitu

statistik deskriptif dan statistik inferens.

*STATISTIK DESKRIPTIF* (metode yg membantu proses pengambilan keputusan bagi kelompok yang

diteliti saja)

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 yang mempelajari metode meringkas dan menggambarkan bahagian

yang penting dari suatu data iaitu:

(1) Taburan Frekuensi = Paling Asas & kurang digunakan antaranya Peratus

(%) dan Mod

(2) Ukuran Kecenderungan Memusat = Min (interval data), Mod (nominal

data), Median (ordinal data)

(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/ - kumpyulan yang

mempunyai lebih keperbagaian akan mempunyai sisihan piawai yang lebih tinggi.

*STATISTIK INFERENS*

(metode yg membantu proses pengambilan keputusan pada kelompok yg lebihbesar dari yang diteliti {generalisasi})

Prosedur-prosedur untuk membuat generalisasi mengenai populasi yangdikaji berdasarkan maklumat daripada sampel yang diambil dari populasi.

*Aras Keertian,a :* Menerima atau menolak H_0 bergantung kepada tahapsignifikan atau aras keertian (level of significance). Aras keertianjuga dipanggil sebagai kebarangkalian berlakunya ralat jenis I, iaitudalam membuat keputusan, hipotesis nol ditolak sedangkan pada hakikat

ianya benar. Maka semakin besar nilai aras keertian, semakin besarkemungkinan kita akan menolak hipotesis nol yang benar

Lazimnya nilai a yang digunakan ialah 0.1, 0.01(Perubatan) atau0.05(Sains sosial).

**

*Kajian Hubungan*

**

*Kajian Perbezaan/ Perbandingan*

*CONTOH:*

Seorang pensyarah ingin mengetahui adakah belajar secara dalam kumpulanmenyebabkan peningkatan prestasi dalam exam berbanding belajar secaraindividu..

Tujuan : menguji adakah teknik belajar memberi kesan kepada pencapaianmarkah.

Mengkaji dua kumpulan sampel yang independent

Pembolehubah kajian : markah peperiksaan

Skala pengukuran: nisbah.

Hipotesis H0: Tiada perbezaan purata markah di antara belajarberkumpulan dan belajar sendiri.

Statistik ujian yang sesuai :

1.Normal - independent t-test.

2.Tak-normal – u-mann whitney test

Skala Pengukuran (Scale of Measurement) Bila check balik entri artikel yang lepas, mungkin saya terlepas pandang dalam membincangkan mengenai jenis skala pengukuran yang menjadi antara syarat andaian asas (basic assumptions) dalam sesuatu analisis. Secara umumnya terdapat empat jenis skala pengukuran yang biasa digunakan; nominal, ordinal, interval dan ratio (nisbah). Jenis skala amat penting dalam membezakan jenis analisis pengukuran yang akan dipilih dan digunakan. Oleh itu penyelidik seharusnya perlu membezakan di antara keempat-empat jenis skala pengukuran tersebut.

Data nominal boleh diklasifikasikan dalam bentuk kategori, nama ataupun label. Data nominal merupakan bentuk kategori yang tidak dapat disusun mengikut urutan seperti jantina (lelaki; perempuan). Walaupun ketika memasukkan data dengan menggunakan SPSS selalunya kita meletakkan nilai 1 bagi lelaki dan nilai 2 bagi perempuan tetapi pada hakikat yang sebenarnya nilai numerik pada kategori tersebut tidak menunjukkan makna yang lelaki lebih tinggi nilainya daripada perempuan. Ini kerana kita tidak dapat melakukan operasi matematik terhadap nilai-nilai tersebut. Antara contoh lain bagi data yang berbentuk nominal ialah budak ceria=1; budak tidak ceria=2.

Data ordinal sebenarnya lebih kurang sama seperti data nominal. Apa yang membezakan ialah data ordinal boleh disusun mengikut urutan. Walaubagaimanapun, data ordinal tidak boleh mengukur perbezaan di antara dua data. Dengan kata lain, data ordinal boleh memberikan nilai numerik tetapi tidak dapat melakukan operasi matematik. Sebagai contohnya bagaimana penilaian anda terhadap sesebuah restoran? Sama ada sangat baik; baik; cukup; kurang. Atau contoh lain, pengundi-pengundi diklasifikasikan sebagai – low income; middle income; high income. Frekuensi penerbangan – tidak pernah; jarang-jarang; kadang-kadang; selalu.

Manakala data interval atau sela sama juga seperti data ordinal (data yang boleh disusun). Namun perbezaan kedua-duanya ialah mengenai data bermakna dan boleh diukur. Contohnya senarai suhu-suhu didi bagi cecair yang berbeza; kita boleh tahu sama ada suhu didih cecair A > (lebih tinggi) daripada suhu didih cecair B. A=212 darjah; B=284 darjah. Oleh itu B > daripada A. Nilai sifar (0) bersifat arbitrari (tidak menggambarkan kosong secara mutlak).

Data ratio (nisbah) sama seperti data interval tetapi nisbah memberi makna yang mana data ratio mempunyai nilai kosong secara mutlak. Sebagai contohnya nilai kosong dapat digambarkan sebagai tidak ada kuantiti seperti jika seseorang tidak bekerja maka gajinya RM0.00. Antara contoh lain untuk lebih kita faham mengenai data ratio; 4 orang dipilih secara rawak ditanya tentang duit yang mereka bawa – hasilnya RM21, RM50, RM65, RM300 – boleh disusun mengikut urutan (RM21> RM50> RM65> RM300). Bolehkah kita mengira nisbah? Ya, boleh. Sebab RM0 merupakan nilai yang paling minimum. Ini bermakna individu yang mempunyai RM300 – mempunyai 6 kali ganda daripada individu yang mempunyai RM50. Contoh lain yang sering menggunakan data ratio ialah umur, skor ujian dan juga jumlah jam belajar sesuatu ujian.

Apa yang penting untuk kita mengenal pasti setiap data tersebut? Terdapat dua sebab; yang pertama jenis skala tersebut memberikan kita maklumat data yang berbeza. Justeru, amat penting bagi penyelidik untuk memilih jenis data yang dapat memberikan maklumat yang

lebih banyak agar persoalan penyelidikan dapat dijawab dengan baik. Yang kedua, melalui jenis skala pengukuran, kita dapat mengenal pasti jenis analisis data yang dapat digunakan seperti yang telah dijelaskan sebelum ini. Justeru, jenis skala pengukuran amat berkait rapat dengan pembentukan instrumen soal selidik kajian; jenis skala apa yang kita nak guna bagi menjawab persoalan kajian. Oleh itu terdapat prosedur statistik yang tidak sesuai untuk digunakan jika jenis skala yang digunakan tidak tepat.

Persampelan membolehkan maklumat diperoleh daripada kumpulan yang lebih

besar. Kumpulan yang lebih besar ini dikenali sebagai populasi.

Misalnya, kita ingin mengetahui pendapat pelajar universiti terhadap

Akta Universiti dan kolej universiti. Keseluruhan komuniti pelajar

universiti ini merupakan populasi. Sebahagian daripada keseluruhan

pelajar yang dipilih dalam kajian adalah merupakan sampel. Pelajar yang

dipilih itu dikenali sebagai elemen di dalam sampel.

Persampelan boleh dibahagikan kepada dua teknik iaitu persampelan rawak

ataupun lebih dikenali sebagai persampelan kebarangkalian ataupun

persampelan bukan rawak iaitu persampelan bukan kebarangkalian.

Persampelan Kebarangkalian (Rawak)/*

Terdapat empat jenis prosedur persampelan kebarangkalian yang sering

digunakan. Asas kepada pemilihan setiap satu adalah bergantung kepada

permasalahan kajian. Keempat-empat persampelan kebarangkalian itu adalah:

(a) Persampelan rawak* *mudah (Simple random)

persampelan yang paling asas. Persampelan ini menjadi dasar kepada

rekabentuk persampelan yang lain. Persampelan rawak mudah memastikan

setiap individu mempunyai peluang yang sama untuk diambil atau untuk

digunakan bagi mewakili populasi. Ini bermakna rekabentuk persampelan

yang lain mestilah dilakukan berasaskan persampelan rawak mudah.

(b) Persampelan rawak* *berlapis (Stratified random)*

sesuai digunakan bagi populasi yang tidak seragam (heterogenous). Ia

juga sesuai digunakan jika penyelidik ingin membuat perbandingan di

antara beberapa sub-populasi. Persampelan rawak mudah tidak boleh

digunakan untuk mengambil sampel daripada sesuatu populasi sekiranya

populasi itu tidak seragam. Ini adalah kerana sampel rawak mudah tidak

mewakili lapisan-lapisan yang wujud dalam populasi.

*(c) Persampelan Kelompok (Cluster)*

Kaedah ini sesuai jika elemen-elemen yang terdapat di dalam populasi

adalah berselerak (heterogegous) pada ketika kajian sedang dilakukan.

Persampelan kelompok akan melibatkan pembahagian populasi kepada

sebanyak kelompok yang mungkin dengan setiap kelompok mencerminkan

populasi kajian dan boleh dilakukan oleh penyelidik. Tujuan melakukan

persampelan kelompok adalah kerana terdapat ketidakseragaman unsur-unsur

di dalam kelompok tetapi terdapat keseragaman di antara semua kelompok.

(d) Persampelan Sistematik (Systematic)*

teknik yang agak mudah dan ringkas bagi melaksanakannya. Persampelan

sistematik memerlukan rangka persampelan yang lengkap. Sebagai contoh,

jika kita ingin mengambil sampel 50 isirumah daripada 250 isirumah yang

terdapat di dalam sesuatu kawasan. Ini bermakna kita mempunyai rangka

persampelan sebanyak 250 isirumah. Jika kita memerlukan 50 isirumah

sebagai sampel maka setiap unsur yang dipilih adalah setiap selang 5

orang (250/50 = 5).

Sebagai langkah permulaan, penyelidik perlu memilih satu unsur secara

rawak. Katakan nombor yang pertama yang dipilih secara rawak adalah

unsur yang kelima. Maka isirumah yang seterusnya adalah 10, 15, 20, 25

dan seterusnya sehinggalah terpilih 50 unsur yang terpilih sebagai

subjek dalam sampel.

*/Persampelan Bukan Kebarangkalian (Tidak Rawak)/*

Teknik persampelan bukan kebarangkalian ini biasanya digunakan apabila

tidak terdapat rangka persampelan atau tidak terdapat populasi sasaran

untuk dibuat kajian. Di antara kebaikan persampelan bukan kebarangkalian

adalah ianya adalah lebih mudah dilaksanakan serta lebih murah dari segi

kosnya. Bagaimanapun kesimpulan atau generalisasi terhadap parameter

populasi tidak dapat dilakukan. Kaedah pengujian hipotesis melalui

statistik inferensi juga tidak dapat dilakukan terhadap data yang

diperolehi. Ini kerana penyelidik tidak dapat menentukan darjah

ketepatan dan keyakinan terhadap dapatan kajian.

Walau bagaimanapun persampelan bukan kebarangkalian adalah sesuai

digunakan dalam penyelidik penerokaan, deskriptif dan kajian yang

bertujuan untuk memberi gambaran kasar tentang fenomena yang wujud dalam

populasi kajian dan menjadi panduan kepada penyelidik yang lebih

mendalam nanti.

Di antara jenis persampelan bukan kebarangkalian adalah:

*(a) Persampelan mudah (convenience)*

Unsur sampel adalah diambil mengikut keselesaan penyelidik yang mana

sesiapa sahaja dalam populasi yang dikenal pasti, boleh menjadi sampel

tanpa perlu sebarang proses pemilihan secara rawak asalkan bersetuju

untuk menjadi responden kajian.

Selalunya digunakan dalam fasa penerokaan sesuatu kajian atau bila

pengkaji memerlukan sampel dengan segera atau mungkin tidak ada masa

bagi membentuk kaedah persampelan lain. Kaedah persampelan bagi

mendapatkan maklumat mudah, cepat dan berkesan.

Cth : Online poll, survey your friends, ask friend at the mall

*(b) Persampelan bertujuan / pertimbangan (purposive)*

Persampelan bertujuan digunakan bagi mengumpul maklumat dari sekumpulan

sampel yang khusus dan spesifik serta bertepatan dengan objektif kajian

dan merujuk kepada sesuatu perwakilan formal. Sampel memenuhi kriteria

yang ditetapkan dalam kajian dan tergolong dalam populasi kajian dan

dipilih berdasarkan pengetahuan dan pengalaman.

Cth; pakar dalam sesuatu bidang.

*(c) Persampelan kuota*

Sebenarnya hanya menerapkan konsep stratifikasi dalam pemilihan sampel.

Kajian berakhir apabila kuota telah dipenuhi.

*(d) Persampelan bola salji (snowball)*

bermaksud mendapatkan jumlah sampel yang sedikit dahulu sebelum jumlah

itu bertambah melalui maklumat nama dan lokasi sampel lain yang

diberikan oleh sampel awal. Cth; pelacur

*_MENENTUKAN SAIZ SAMPEL_*

Sampel yang terlalu besar akan menyukarkan pengkaji menjalankan kajian

kerana akan memakan masa yang agak lama dan kos yang tinggi. Sampel yang

terlalu sedikit akan memberi kesan kepada analisis statistik serta

kesahan sampel dalam mewakili populasi

Biasanya untuk menentukan saiz sampel, kita boleh merujuk jadual

penentuan saiz sampel yang telah disediakan seperti jadual Krejcie &

Morgan (1970) dan jadual Cohen et al. (2001).

Namun, Krejcie & Morgan (1970) tidak membincangkan secara langsung

tentang aras signifikan dan ralat persampelan berbanding dengan Cohen et

al. (2001). Selain itu, jika kita tidak mengetahui jumlah populasi

kajian, perisian G*Power lebih sesuai kerana ia membantu kita menetapkan

saiz sampel dengan mengambil kira saiz kesan (/effect size/), ralat

persampelan dan juga aras signifikan kajian. Cohen (1977) juga

membincangkan tentang saiz kesan ini dalam kajian beliau.

Walauapapun, keputusan pemilihan semuanya bergantung kepada kita sendiri

yang menjalankan penyelidikan tersebut. Tidak kira jenis dan prosedur

saiz sampel yang kita gunakan perlu ada justifikasinya. Ini penting yang

akan membuktikan bahawa kita faham kajian yang kita sendiri jalankan…

Skala Pengukuran - Nominal, Ordinal, Selang, dan Nisbah

Ada empat jenis Skala pengukuran dalam sesebuah penyelidikan iaitu

nominal, ordinal, interval (selang) dan ratio(nisbah).

*Skala Nominal*

- Data yang tidak mempunyai jenjang tetapi hanya membedakan sub kategorisecara kualitatif.

- Data yang boleh dikategorikan dan ada nama/label tertentu

Contoh: Jantina, agama, bangsa, no kereta, no KP

*Skala Ordinal (Order)*

*- *Data yang boleh disusun mengikut tertib tetapi perbezaan nilaitidak dapat ditafsirkan secara tepat.Contoh: Pengetahuan konsep, pengkelasan pelajar, gred pelajar,organisasi, pangkat

/- Data daripada skala likert termasuk dalam jenis ini./*Skala Interval / selang*

- Data yang boleh disusun mengikut tertib tetapi perbezaan nilai tidakdapat ditafsirkan

- Nilai sifar “0” bukan titik permulaan

Contoh: Suhu

*Skala Ratio/Nisbah*

- Data yang disusun mengikut tertiba dan bermula dengan sifar “0”

Contoh: Tinggi Badan, Berat Badan, Umur, Halaju kereta

1.1 Latar Belakang

Statistika Pada Umumnya digunakan untuk menunjukkan tubuh

pengetahuan (body of knowledge) tentang cara-cara pengumpulan data,

analisis dan penafsiran data.

1.2 Rumusan Masalah

a)    Apa fungsi,kegunaan Dan Peranaan Statistik ?

b)    Sebutkan Macam – Macam Kegunaan Statistik Dalam Berbagai Bidang Ilmu ?

c)    Apa Saja fungsi Dan Kegunaan Statistik Dalam Dunia Pendidikan ?

1.3 Tujuan

a)    Agar Pembaca Mengetahui Secara Langsung Fungsi,Kegunaan, Dan Peranaan

Statistik.

b)    Agar Pembaca Mengetahui Berbagai Fungsi Statistik Dalam Berbagai Bidang

Ilmu.

c)    Agar Pembaca Memahami Kegunaan Statistik Dalam Dunia Pendidikan.

BAB II

PEMBAHASAN

2.1 Fungsi,Kegunaan, Dan Peranan statistik.

Statistika digunakan untuk menunjukkan tubuh pengetahuan (body of

knowledge) tentang cara-cara pengumpulan data, analisis dan penafsiran

data.

a.    Fungsi statistika

  Statistik menggambarkan data dalam bentuk tertentu

  Statistik dapat menyederhanakan data yang kompleks menjadi data yang mudah

dimengerti

  Statistik merupakan teknik untuk membuat perbandingan

  Statistik dapat memperluas pengalaman individu

  Statistik dapat mengukur besaran dari suatu gejala

  Statistik dapat menentukan hubungan sebab akibat

b.    Kegunaan Statistika

  Membantu penelitian dalam menggunakan sampel sehingga penelitian dapat

bekerja efisien dengan hasil yang sesuai dengan obyek yang ingin diteliti

  Membantu penelitian untuk membaca data yang telah terkumpul sehingga

peneliti dapat mengambil keputusan yang tepat

  Membantu peneliti untuk melihat ada tidaknya perbedaan antara kelompok yang

satu dengan kelompok yang lainnya atas obyek yang diteliti

  Membantu peneliti untuk melihat ada tidaknya hubungan antara variabel yang

satu dengan variabel yang lainnya

  Membantu peneliti dalam menentukan prediksi untuk waktu yang akan dating

  Membantu peneliti dalam melakukan interpretasi atas data yang terkumpul

(M.Subana dkk, 2000;14)

  Pemerintah menggunakan statistika untuk menilai hasil pembangunan masa lalu

dan merencanakan masa mendatang

  Pimpinan menggunakannya untuk pengangkatan pegawai baru, pembelian

peralatan baru, peningkatan kemampuan karyawan, perubahan sistem

kepegawaian, dsb.

  Para pendidik sering menggunakannya untuk melihat kedudukan siswa, prestasi

belajar, efektivitas metoda pembelajaran, atau media pembelajaran.

  Para psikolog banyak menggunakan statistika untuk membaca hasil

pengamatan baik melalui tes maupun obserbasi lapangan.

c. Peranan Statistika

  Di dalam penelitian, statistika berperan untuk:

  Memberikan informasi tentang karakteristik distribusi suatu populasi tertentu,

baik diskrit maupun kontinyu. Pengetahuan ini berguna dalam menghayati

perilaku populasi yang sedang diamati

  Menyediakan prosedur praktis dalam melakukan survey pengumpulan data

melalui metode pengumpulan data (teknik sampling). Pengetahuan ini berguna

untuk mendapatkan hasil pengukuran yang terpercaya

  Menyediakan prosedur praktis untuk menduga karakteristik suatu populasi

melalui pendekatan karakteristik sampel, baik melalui metode penaksiran,

metode pengujian hipotesis, metode analisis varians. Pengetahuan ini berguna

untuk mengetahui ukuran pemusatan dan ukuran penyebaran serta perbedaan

dan kesamaan populasi.

  Menyediakan prosedur praktis untuk meramal keadaan suatu obyek tertentu di

masa mendatang berdasarkan keadaan di masa lalu dan masa sekarang.

Melalui metode regresi dan metode deret waktu. Pengetahuan ini berguna

memperkecil resiko akibat ketidakpastian yang dihadapi di masa mendatang.

  Menyediakan prosedur praktis untuk melakukan pengujian terhadap data yang

bersifat kualitatif melalui statistik non parametric, Sementara menurut

Sugiyono (2003:12), statistika berperan untuk:

  Alat untuk menghitung besarnya anggota sampel yang diambil dari suatu

populasi, sehingga jumlah sampel yang dibutuhkan akan lebih dapat

dipertanggungjawabkan

  Alat untuk menguji validitas dan reliabilitas instrumen sebelum instrumen

tersebut digunakan dalam penelitian

  Sebagai teknik untuk menyajikan data, sehingga data lebih komunikatif,

misalnya melalui tabel, grafik, atau diagram

  Alat untuk menganalisis data seperti menguji hipotesis yang diajukan dalam

penelitian.

2.2 Kegunaan Statistik Dalam Berbagai Bidang Ilmu

1. Kegunaan Statistik Dalam Bidang Ilmu mnajemen :a. Penentuan struktur gaji, pesangon,tunjangan karyawanb. Penentuan jumlah persediaanc. Evaluasi produktivitas karyawand. Evaluas kinerja karyawan.2. Kegunaan Statistik Dalam Bidang Ilmu Akuntasi :a. Penentuan standar audit barang dan jasab. Penentu depresiasi barang dan jasac. Analisis rasio keuangan.

3. Kegunaan Statistik Dalam Bidang Ilmu Keuangan :a. Tingkat pengembalian infestasib. Analisis pertumbuhan laba.4. Kegunaan Statistik Dalam Bidang Ilmu Pemasaran :a. Mengetahui preferensi konsumenb. Penelitian dan pengembangan produkc. Analisis potensi,segmentasi dan diskriminasi pasard. Ramalan penjualane. Efektifiktas kegitan promosi penjualanf. Penetepan harga.5. Kegunaan Statistik Dalam Bidang Ekonomi Pembangunan :a. Analisis pertumbuhan ekonomi, inflasi dan suku bungab. Pertumbuhan penduduk, pengangguran dan kemiskinan.6. Kegunaan Statistik Dalam Bidang Agribisnis :

a. Analisis produksi tanaman, ternak,ikan dan lain- lainb. Kelayakan usaha dan skala ekonomic. Manajemen produksi agribisnisd. Analisis ekspor dan impor produksi pertanian.

2.3 Fungsi Dan Kegunaan Statistik Dalam Dunia PendidikanBerikut gambaran perhitungan statistik status pendidikan di Indonesia :

Fungsi yang dimiliki oleh statistik dalam dunia pendidikan terutama bagi

para pendidik (pengajar, guru, dosen atau yang lainya adalah sebagai alat

bantu. Tidak dapat disangkal bahwa dalam melaksanakan tugasnya, seorang

pendidik akan senantiasa terlibat pada masalah penilaian atau evaluasi

terhadap hasil pendidikan setelah anak didik menempuh proses pendidikan

dalam jangka waktu yang telah ditentukan. di dalam kegiatan menilai itu,

seorang pendidik menggunakan norma tertentu; norma tersebut pada

hakekatnya adalah semacam ukuran. Hasil penilain itu biasaanya dinyatakan

dalam berbagai macam cara. namun cara yang paling umum digunakan adalah

menyatakan dalam bentuk angka (bilangan). memang hal yang di nilai itu

sendiri yaitu kemajuan atau perkembangan anak didik dalm jangka waktu

tertentu-sebenarnya bersifat kualitatif, akan tetapi diubah menjadi data yang

kuantitatif. Dengan kata lain, terhadap hasil penilaian itu dilakukan kuantifikasi.

Alasan kuantifikasi itu sudah barang tentu bermacam-macam, namun alasan

yang paling utama adalah, dengan melakukan pengubahan bahan keterangan

yang bukan berupa angka menjadi bahan keterangan yang berupa angka,

pendidik akan dapat dengan secara jelas dan tegas memperoleh gambaran

mengenai kemajuan atau perkembangan yang telah dicapai oleh anak didik,

setelah menjalani proses pendidikan.

Dengan menggunakan data kuantitatif seorang pendidik akan lebih dapat

meperoleh kepastian, ketimbang menggunakan data kualitatif. Karena dalam

kegiatan penilaian hasil pendidikan cara yang paling umum adalah dengan

menggunakan data kuantitatif. maka tidak perlu diragukan lagi bahwa statistik

dalam hal ini mempunyai fungsi yang sangat penting sebagai alat bantu, yaitu

alat bantu untuk mengolah, menganalisis, dan menyimpulkan hasil yang telah

dicapai dalam kegiatan penilaian tersebut.

Bagi seorang pendidik profesional, statistik juga memiliki keguanaan yang

cukup besar, sebab dengan menggunakan statistik sebagai alat bantu, maka

pada data tersebut pendidik akan dapatkan hal-hal sebagai berikut:

Memperoleh gambaran, baik gambaran umum maupun secara khusus

tentang suatu gejala, keadaan atau peristiwa.

mengikuti perkembangan pasang-surut mengenai gejala, keadaan atau

peristiwa tsb, dari waktu ke waktu.

melakukan pengujian, apakah gejala yang satu berbeda dengan gejala

yang lain. jiak terdapat perbedaan apakah perbedaan itu merupak

perbedaaan yang berarti (meyakinkan) ataukah perbedaan itu terjadi

hanya kebetulan saja.

mengetahui apakah gejala yang satu aada hubungannya dengan gejala

yang lain.

menysusun laporan yang berupa data kuantitatif dengan teratur, ringkas

dan jelas.

menarik kesimpulan secara logis, mengambil keputusan secara tepat

dan mantap, serta dapat memperkirakan atau meramlkan hal-hal yang

mungkin terjadi di masa mendatang, dan langkah kongkrit apa yang

perlu dilakukan pendidik.

BAB III

PENUTUP

3.1 Kesimpulan

Kegunaan Statistik adalah untuk menunjukan tentang cara – cara

pengumpulan data, menganalisis dan penafsiran data.

3.2 SaranKami sebagai penulis disini menyadari bahwa makalah kami ini masih

jauh dari kesempurnaan. Oleh karena itu, kami sangat mengharapkan kritik dan

saran yang bersifat membangun untuk kesempurnaan makalah ini.

DAFTAR PUSTAKA

1.    Bungin, Burhan. 2006. Metode Penelitian Kuantitatif Komunikasi, Ekonomi, dan

Kebijakan Publik serta Ilmu-ilmu Sosial Lainnya. Jakarta. Prenada Media

Group.

Hadi, S. 1995. Statistik 1, 2, 3, Yogyakarta. Andi Offset

Nazir, Mohamad. 1983. Metode Penelitian. Jakarta. Ghalia Indonesia.

Sudjana. 1992. Metoda Statistika (Edisi ke 5). Bandung: Tarsito

Sugiyono. 2003. Statistika untuk Penelitian, Bandung. Alfabeta

2.    Susetyo, Budi. 2010. Statistika Untuk Analisis Data Penelitian. Bandung. PT.

Refika Aditama.

Walpole, R.E. 1992. Pengantar Statistika. Jakarta. PT Gramedia Pustaka

Utama.