STATISTIK UNTUK SAINS SOSIAL

SSQL1113STATISTIK UNTUK SAINS SOSIALPuan Ramlah Karsanramlah2211@yahoo.com019-2643161BAB 1 PENGENALAN KEPADA STATISTIK SAINS SOSIAL

Analisis StatistikUntuk membolehkan kita menguji dan memperihalkan kepelbagaian kejadian dan tingkah laku yang dilihat dan dialami, ahli ilmu telah mencipta satu sistem pemerihalan dengan menggunakan data dan maklumat.Data dan maklumat akan diterjemahkan atau ditukar ke bentuk angka atau nombor.Statistik dalam PenyelidikanPenyelidik seharusnya mampu untuk mempastikan data, maklumat dan fakta yang diperoleh adalah benar, boleh dipercayai dan sah.Data, maklumat dan fakta yang dikumpul dalam sesuatu penyelidikanStatistik Deskriptif dan InferensStatistik DeskriptifDigunakan untuk memperihalkan keadaan data yang terdapat pada sampel.Pemerihalannya terhad kepada sampel.Tidak digunakan untuk membuat generalisasi.Statistik InferensDigunakan untuk memperihalkan keadaan data sampel untuk tujuan membuat generalisasi kepada populasi.Menggunakan konsep dan hukum kebarangkalian.Kesahan Dalaman Merujuk kepada setakat mana keputusan ujian yang berkait dengan pemboleh ubah yang dikaji boleh dipertahankan.Kesahan Luaran Merujuk kepada setakat mana sampel kajian yang dicabut daripada populasi dapat mewakili populasi yang dikaji.Konsep Utama Dalam StatistikPemboleh UbahPopulasiParameterSampelPemboleh Ubah Bebas dan Pemboleh Ubah TerikatPemboleh Ubah Kualitatif dan Pembolehubah KuantitatifPemboleh UbahMerujuk kepada sebarang objek atau fenomena yang sifatnya boleh berubah. Contoh: Jantina, berat badan, keupayaan mental, nilai dan kepercayaan.ParameterNilai yang menggambarkan ciri-ciri populasi. Populasi biasanya ditulis dengan huruf Greek.Contohnya huruf (sebutannya mew) ialah parameter kepada purata atau min populasi. Statistik Nilai yang terdapat pada sampel. Selalunya, ia merupakan hasil manipulasi kepada data atau hasil analisisSampelKumpulan individu atau agregat yang diambil sebagai sebahagian daripada semua individu dalam populasi. Contohnya sebahagian penduduk Daerah Sg Petani ialah sampel kepada penduduk negeri Kedah.PopulasiSemua individu atau agregat yang terdapat dalam sesuatu lokaliti seperti tempat atau negeri.Contohnya seluruh individu di negeri Kedah ialah populasi penduduk negeri Kedah.Pemboleh Ubah BebasPemboleh ubah yang mempengaruhi atau memberi kesan kepada suatu pemboleh ubah lain.Dimanipulasi dalam kajian oleh penyelidik.Pemboleh Ubah TerikatPemboleh Ubah yang dipengarusi oleh pemboleh ubah bebas.Pemboleh ubah yang mendapat kesan kepada pemboleh ubah yang dimanipulasi.

Pemboleh Ubah KualitatifPemboleh ubah yang mempunyai ciri saling eksklusif dan mempunyai subkelas seperti gender ada subkelas lelaki dan wanita. Pemboleh Ubah KuantitatifPemboleh Ubah kuantitatif mempunyai nilai angka bagi menunjukkan sifat yang berkait dengan objek pemboleh ubah tersebut.Contohnya, berat badan dalan kg menunjukkan kuantiti berat seseorang individu.BAB 2SKALA PENGUKURANJenis-jenis Skala Pengukuran1. Skala Norminal2. Skala Ordinal3. Skala Sela4. Skala NisbahSkala NorminalSkala paling mudah dan ketepatannya paling rendah.Mengkategorikan pemboleh ubah berdasarkan kepada ciri-ciri kesamaannya dan seterusnya memberikan nama serta label kepada pemboleh ubah tersebut.Biasanya menggunakan pengukuran kualitatifContohnya: bangsa (Melayu, Cina, India), warna, genderSetiap kategori boleh diberikan nilai angka atau nombor yang fungsinya hanya sebagai pengenalan atau kod kategori, ia tidak memberi apa-apa makna kuantitatif.Contohnya nombor atau kod bagi bangsa Melayu ialah 1, bangsa Cina 2.

Skala OrdinalMenggambarkan susunan nilai sesuatu kualiti pemboleh ubah.Ia boleh bermula daripada peringkat atau pangkat yang paling rendah hinggalah kepada peringkat yang lebih tinggi.Contohnya kedudukan pelajar di dalam sesuatu kelas ialah 1,2,3 dan seterusnya. Pelajar yang mempunyai markah keseluruhan paling tinggi diberi kedudukan nombor 1, diikuti dengan nombor 2,3,4 dan seterusnya.Skala ini hanya mampu membezakan kategori dan nilai susunan secara pemeringkatan sahaja.Skala SelaMempunyai ciri-ciri yang terdapat dalam skala norminal dan ordinal.Menunjukkan perbezaan di antara beberapa kategori dan boleh menunjukkan kesamaan dalam unit pengukuran yang digunakan.Contohnya perbezaan suhu antara 200C dengan 300C adalah sama dengan perbezaan antara 350C dengan 450C. Perbezaannya ialah 100C.Nilai sifar atau kosong (0) di dalam skala sela merupakan suatu nilai. Contohnya 0C Data sela boleh dicampur dan ditolak untuk menghasilkan angka atau statistik lain seperti purata atau min,Skala NisbahMempunyai hierarki kedudukan yang paling tinggi dan mempunyai semua ciri yang terdapat di dalam skala norminal, skala ordinal dan skala sela. Mempunyai sifat berhubung dengan nilai sifar.Nilai sifar tidak lagi bersifat arbitrari, tetapi merupakan satu nilai yang sifatnya secara mutlak adalah kosong.Sebagai contoh, perbezaan di antara 40 dengan 50 adalah sama dengan perbezaan di antara 10 dengan 20. Kita juga boleh menyatakan bahawa 40 ialah 2 kali ganda 20.BAB 3PEMERIHALAN DATA DENGAN JADUAL KEKERAPAN, GRAF DAN GAMBAR RAJAHJadual Taburan KekerapanTaburan Kekerapan Data Tidak Terkumpul

65 78 69 70 77 87 69 67 88 90 69 78 88 98 92 68 84 87 68 69 78 72 77 68 97 78 75 74 69 77 75 86 89 Taburan Kekerapan Data Terkumpul

Pendapatan Bulanan (RM) Bilangan Pekerja300 40010400 - 50015500 - 60032600 - 70021Taburan Kekerapan Data Tidak TerkumpulUntuk memperihalkan dan meringkaskan data yang bertabur secara tidak terkumpul ke dalam satu taburan kekerapan. Kita susunkan data daripada yang kecil hinggalah kepada yang terbesar mengikut nilai sebenar dan kira sebanyak mana data tersebut wujud dalam taburan. (DIPANGGIL ARRAY DATA)1. Susunan Array Contoh data tidak terkumpul 68 75 67 61 65 66 71 73 77 77 76 61 62 60 71 6774 67 75 76 67 77 76

Susunan Array60 61 61 62 65 66 66 67 67 67 67 68 71 71 73 74 75 75 76 76 76 77 77 77

2. Mencari Nilai Asas dan Nilai Hujung ( Tatacara Stem dan Leaf) Nilai AsasNilai Hujung *5 5 5 6 6 7 7 8 8 8 8 9 . 0 0 1 2 2 2 3 4

Contoh : Data 60 61 61 62 65 66 66 67 67 67 67 68 71 71 73 74 75 75 76 76 76 77 77 77

Nilai AsasNilai Hujung 6 *5 6 6 7 7 7 7 8 . 0 1 1 2 7 * 5 5 6 6 6 7 7 7 . 1 1 3 4

Data OutlierDengan menggunakan gambar rajah, data yang terpencil jauh daripada kebanyakan data dapat dikesan. ContonMarkat Kekerapan851....7507407307207107006916823. Bina Taburan kekerapan untuk menjadikan data tidak terkumpul kepada data terkumpul3.1. Menetukan bilangan kelas yang sesuai. Biasanya bilangan kelas ialah di antara 5 hingga 20 kelas. Mengira dengan menggunakan peraturan Sturges :k = 1 + 3.3 log n k = bilangan kelas, n = bilangan cerapanContoh : k = 1 + 3.3 log 24k = 5.56 atau dibulatkan menjadi 6

3.2 Menentukan lebar kelas

Perbezaan di antara sempadan atas dan sempadan bawah sesuatu kelas.i = julat bilangan kelas julat = nilai tertinggi - nilai terendah

Contoh : i = ( 77 60 )6 i = 2.833 atau bulatkan menjadi 3

Kelas60 6263 6566 6869 7172 7475 773.3 Taburan kekerapan dan Peratus Kekerapan KelasKekerapan Peratus Kekerapan Kekerapan Kumulatif Peratus KK(KK)60 62 4 (4/24*100) 16.64 16.663 65 14.165 20.7666 68 729.1612 49.9269 71 28.3314 58.2572 74 28.3316 66.5875 77 833.3324 100.00

GRAF DAN GAMBAR RAJAHCarta Turus dan HistogramKekerapan Poligon atau Graf GarisanGraf OgifCarta Bulatan atau Graf Pai

BENTUK TABURAN SEMUKUR DAN HEROTTaburan SemukurTaburan NormalTaburan Segi Empat TepatTaburan LeptokurtosisTaburan Platikurtosis

Taburan HerotTaburan Herot PositifTaburan Herot Negatif