STATISTIC IN EDUCATION SGDP 5053 REFLEKSI

NAMA :HERNA BINTI NORDIN (860401495332)

NO MATRIK :807093

Statistik terbahagi kepada dua jenis iaitu deskriptif dan inferens. Deskriptif meliputi
kecenderungan memusat, variability dan skor piawai manakala inferens termasuklah ujian T, ANNOVA,
korelasi, khi kuasa dua (K2) dan regresi. Sekiranya kajian hanya melibatkan statistik deskriptif maka kajian
tersebut adalah kajian kualitatif. Statistik inferens adalah kajian kuantitatif. Kajian kuantitatif boleh
menjadi kajian kualitatif manakala kajian kualitatif tidak boleh menjadi kajian kuantitatif. Kajian kualitatif
melibatkan satu pemboleh ubah manakala kajian kuantitatif melibatkan 2 atau lebih pemboleh ubah.
Statistik digunakan untuk membantu membuat ramalan yang besar melalui daripada data yang sedikit.

Dalam melaksanakan kajian, 5 proses yang terlibat. Pertama, penerokaan masalah : masalah
mestilah yang terkini dan berlaku di tempat kita. Proses kedua ialah reka bentuk. Reka bentuk kajian
sama ada kualitatif atau kuantitatif perlu dikenal pasti. Proses yang ketiga adalah sampling yang
membawa kepada penggunaan STATSISTIK. Proses yang keempat adalah mengutip data. Proses yang
kelima ialah pemprosesan data dan analisis. Dalam proses ini, data akan dikenal pasti sama ada boleh
digunakan atau tidak. Data yang boleh digunakan perlulah dalam keadaan normal. Proses yang keenam
adalah proses membuat kesimpulan dan laporan. Data-data yang di peroleh dan telah dianalisis perlu di
interpretasi dalam APA style.

Dua perkara yang perlu diambil berat dalam melaksanakan satu kajian ialah kaedah dan sampel
yang dipilih. Kaedah yang boleh jadi pilihan ialah kaedah eksperimental, kaedah survey, observation, dan
melalui secondary data. Manakala sampling melibatkan dua jenis sampling iaitu probability sampling dan
non probability sampling. Probability sampling memberi peluang yang sama rata kepada semua dan
bersifat parametik. Manakala non probability ialah apabila peluang sesetengah pihak telah diblok. Dan
bersifat sebagai non parametrik.

Dalam bahagian deskriptif perlu diingatkan kembali bahawa terdapat tiga jenis iaitu
kecenderungan memusat, variability, dan skor piawai. Kecenderungan memusat, merangkumi mean,
median, dan mod. Dalam bahagian variability tiga perkara yang merangkuminya ialah julat, varians dan
standard devision.

Dikatakan median lebih bermakna daripada min. Apabila min dan median adalah sama, maka
data dikatakan sebagai normal. Contoh : RM1, RM 2,RM3,RM4,RM5 dikatakan sebagai pendapatan 5
orang penduduk di satu kampung. Maka jumlah pendapatan yang diperoleh ialah ∑X =1+2+3+4+ 5 = 15,
N=5 maka min, X bar = ∑X/ N = 3 . Dan median adalah 3. Data ini dikatakan sebagai data normal
sebaliknya jika pendapatan ialah RM 1,RM2,RM3,RM4 dan RM 5000000 maka ∑X =1+2+3+4+
5000000=5000010 maka min sampel, x bar = ∑X/ N = 1000002 dan median = 3.keadaaan ini telah
mengandaikan bahawa purata penduduk adalah jutawan. Keadaan ini membawa kepada kejadian data
tidak normal di mana min dan median adalah tidak sama.

Jika data tidak normal terjadi, maka graf data akan menjadi pencong atau kurtic. Dalam bahagian
pencongan terdapat dua jenis pencong iaitu pencong positif dan pencong negatif. Kedua-dua jenis
pencongan ini boleh dianalogikan pada tapak tangan ataupun kedudukan perut ibu mengandung. Jika
pencongan dalam satu graf markah ialah positif maka lebih ramai pelajar yang akan mendapat markah
yang rendah dan begitu sebaliknya. Data dalam kajian perlu dikutip dengan tepat. Contohnya bagi 5 kelas
yang disusun dalam mengikut keupayaan ( stream) A,B,C,D,dan E. Maka data normal akan diperoleh pada
kelas C. Sekiranya data diambil dari kelas A dan E diambil maka data yang menjadi tidak normal.
Seterusnya ialah kejadian kurtic pada graf.

Tiga jenis kurtic ialah platikurtik (-ve), leptokurtik(=ve)dan mesokurtik(0) . Berkaitan dengan
variability pula, tiga perkara yang perlu difahami ialah ialah julat, varians dan standard devition. Julat
adalah beza antara nilai max dengan nilai min. Varians ialah keluasan graf dan menghampiri nilai 1.
Standard devition adalah berapa banyak nilai yang tersisih daripada min.
 STATISTIC IN EDUCATION SGDP 5053 REFLEKSI

NAMA :HERNA BINTI NORDIN (860401495332)

NO MATRIK :807093

Refleksi Kuliah 29 November 2010

Kuliah pada hari dimulakan dengan imbasan kembali kuliah sebelum ini melalui pembacaan
refleksi. Diingatkan semula bahawa memahami normal graf yang berbentuk loceng adalah sangat
penting. Pelaksanaan kajian terbahagi kepada dua bidang iaitu bidang sains tulen dan sains sosial. Kedua-
dua bidang ini berbeza dari segi nilai probability (kemungkinan) yang diterima guna. bagi sains tulen p ≤
0.01 dan bagi sains sosial p ≤ 0.05. ini bermakna bahawa ralat yang dalam sains tulen mestilah 0.1 % dan
ralat dalam sains sosial 0.5%.

Kuliah hari ini juga membincangkan 4 jenis pengukuran aitu skala nominal, skala ordinal, skala
sela (interval) dan skala ratio (nisbah). Nominal dan ordinal dalam bahagian kategori dan sela dan nisbah
dalam bahagian kuantiti. Skala nominal , mengkategorikan pemboleh ubah berdasarkan kepada ciri
kesamaan dan nombor yang digunakan tidak memberi makna hanya sebagai label sahaja. Skala ordinal
pula membezakan kategori mengikut nilai susunan secara logik. Skala sela digunakan mengelaskan data
sela bersifat saling eksklusif yang mana nilai 0 adalah tidak mutlak (arbitrari),contohnya suhu dan iq test.
Skala ratio mempunyai ciri-ciri skala lain. Sifat dinyatakan menunjukkan nilai sifat. Antara 4 skala ini
dikatakan, skala nisbah adalah yang paling bermakna kerana data skala nisbah boleh dijadikan sebagai
data skala sela tetapi skala sela tidak boleh jadi skala nisbah.

Kuliah hari ini juga menitikberatkan berkenaan objektif, soalan dan hipotesis kajian. Objektif kajian
diadakan untuk sebagai ukuran dan persoalan kajian perlu bagi mencari jawapan akhir. Di dalam objektif
kajian perlu dinyatakan pemboleh ubah yang dikaji dengan tepat. Hipotesis hanya akan wujud apabila
pemboleh ubah bersandar lebih daripada satu. Daripada obejktif, persoalan dan hipotesis, framework
kajian akan dapat dibina.

Terdapat dua jenis hipotesi yang

 STATISTIC IN EDUCATION SGDP 5053 REFLEKSI

NAMA :HERNA BINTI NORDIN (860401495332)

NO MATRIK :807093

Kuliah 29 November 2010

Pembelajaran kuliah ketiga dimulakan dengan penegasan semula tentang nilai signifikan iaitu P ≤
0.05 dan p ≤ 0.01. kedua-dua nilai signifikan dapat diterima tetapi ia bergantung pada data yang
diperoleh. Semakin kecil nilai signifikan, semakin tinggi nilai kepercayaan data. Kepercayaan data dapat
ditingkatkan dengan menggunakan sampel yang besar, skala pengukuran yang dipilih dan literature yang
kuat. Pengukuhan ditambah lagi dengan imbasan berkenaan ralat jenis satu dan ralat jenis 2.

Kuliah pada hari ini adalah permulaan yang penting untuk mengenali SPSS. Perkara pertama
adalah mengenali paparan menu utama pada perisian SPSS. pada bahagian tool bar dipaparkan beberapa
menu utama seperti menu file yang berfungsi untuk membuka dan menyimpan fail SPSS. menu analyze
digunakan untuk menganalisis data. Pada menu ini kita juga akan mengenali menu Report dan descriptive
statistic. Proses mengaplikasi perisian SPPS ini telah ditunjukkan langkah demi langkah. Apabila kita
memulakan perisian, kita akan di paparkan dengan SPSS data editor. Pada bahagian bawah sudut kiri
paparan terdapat dua menu utama iaiatu DATA VIEW dan VARIABLE VIEW.

Langkah pertama ialah mengaktifkan VARIABLE VIEW. Apabila kita telah mengaktifkan VARIABLE
VIEW kita akan dapat melihat beberapa lajur seperti name, type, width, decimal, dan label. Lajur name
adalah untuk diisi dengan kesemua variable yang digunakan, type adalah label yang kita letakkan pada
variable dan width adalah untuk menentukan saiz lajur pada data view dan decimal adalah untuk
menentukan bilangan titik perpuluhan pada data view. Pada paparan ini juga terdapat lajur missing value
yang patut diisi dengan nilai angka seperti 999 bagi mengelakkan perisian membaca ‘dot’ yang terdapat
pada data.

Lab 1 dijalankan secara bersama-sama untuk mengukuhkan kefahaman berkenaan VARIABLE

VIEW dan DATA VIEW. Pada latihan ini kami didedahkan bagaimana memasukkan nilai kesemua
pemboleh ubah pada lajur NAME. Pada lajur type biasanya akan dikekalkan dengan nilai numeric. Lajur
WIDTH dikekalkan dengan nilai 8. Nilai angka perpuluhan yang digunakan ialah 0 membawa kapada nilai
bulat. Lajur VALUES berfungsi dengan mengklik satu kali pada hujung kekotak. Pada bahagian ini
pemboleh ubah yang digunakan akan dilabelkan mengikut nilai yang bersesuaian. Dalam LAB yang
dijalankan, terdapat 4 pemboleh ubah yang digunakan iaitu group, gender, pre test dan post test.
Pemboleh ubah group dilabelkan dengan 1 untuk group 1, 2 bagi group 2 manakala bagi pemboleh
gender akan dilabelkan dengan 1 untuk Female dan 2 untuk Male. Perlu diingatkan juga, lajur MEASURE
perlu ditentukan dengan memilih SCALE untuk skala sela dan nisbah. Manakala bagi pemboleh ubah
kategori, skala yang pilih ialah NOMINAL atau ORDINAL. Kesilapan dalam memilih skala yang betul pada
nilai MEASURE akan menyebabkan data tidak dapat dianalisis dengan tepat.

Setelah VARIABLE VIEW diselesaikan, kita akan mengaktifkan DATA VIEW. Data view berfungsi
untuk kita mengisi dapatan data. Kesemua data perlu diisi dengan tepat untuk mendapatkan analisis yang
tepat. Setelah paparan DATA VIEW diisi dengan lengkap, kita boleh memulakan proses analisis dengan
mengklik menu ANALYSE – REPORT – CASE SUMMARIES. Pada tetingkap ini ditunjukkan semua pemboleh
ubah yang kita masukkan pada VARIABLE VIEW. Pemboleh ubah ini akan dimasukkan dalam kekotak yang
tepat sama ada kekotak VARIABLE atau GROUP variable. Setelah itu, hasil yang diingini pada analis seperti
mean, number of cases dan standard devition perlu dipilih pada menu STATISTIC. Akhirnya kita akan
menerima output yang diingini.

Setelah berjaya melaksanakan LAB 1, saya menyedari bahawa perisian SPSS sebenarnya akan
membantu mendapatkan analis yang tepat dengan cepat. Walaupun demikian, kemahiran menggunakan
perisian ini akan jadi lebih baik dan mantap sekiranya latihan dan keberanian menjelajah kesemua
function yang ada pada perisian dilakukan dengan berterusan.
 STATISTIC IN EDUCATION SGDP 5053 REFLEKSI

NAMA :HERNA BINTI NORDIN (860401495332)

NO MATRIK :807093

Refleksi 30 November 2010

Kuliah hari ini dimulakan degan menekan kan kepentingan memahami pemboleh ubah yang akan
digunakan. Pensyarah menegaskan bahawa dalam satu2 satu kajian pemboleh ubah perlu dikenali bagi
membolehkan maklumat yang perlu dapat dicapai dalam perisian SPSS. Pensyarah juga menegaskan
semula bahawa pemboleh ubah akan membantun proses pembinaan hipotesis. Apa yang paling penting,
pemboleh ubah yang dikenal pasti akan membantu membina frame work kajian. Frame work kajian
bergantung kepada pemboleh ubah bersandar dan pemboleh ubah tak bersandar yang akan dikaji dalam
kajian.
Maklumat tambahan yang saya terima pada hari ini ialah, skala pengukuran memainkan peranan
yang penting untuk membuat pilihan jenis alat pengukuran yang akan digunakan. Sebagai contoh, kajian
yang menggunakan pemboleh ubah tidak bersandar dalam bentuk nominal diuji bersama pemboleh ubah
bersandar dalam bentuk nisbah perlu menggunakan jenis pengukuran ANNOVA atau ujian T. sekiranya
kajian menggunakan pemboleh ubah tidak bersandar dalam bentuk nominal diuji bersama pemboleh
ubah bersandar dalam bentuk nominal juga, maka alat ukuran yang akan digunakan adalah khi kuasa dua.
Maklumat ini telah memberi gambaran yang lebih jelas berkaitan statistik deskriptif dan inferential yang
telah ditunjukkan oleh pensyarah sebelum ini .
Kefahaman pada hari ini dikuatkan lagi dengan latihan yang dilaksanakan. Melalui latihan saya
faham bagaimana data dalam kajian rintis dimasukkan dan di analis. Item-item dalam instrumen kajian
boleh dikenal pasti sama ada boleh digunakan, perlu dibaiki ataupun dibuang daripada instrumen kajian.
Bagi analisis item, menu ANALYZE ----SCALE---REABILITY ANALYSIS perlu dipilih. Selepas itu, kita akan
dipaparkan dengan rumusan analisis. Nilai alpa croanbach pada setiap item perlu diteliti. bagi item yang
mempunyai nilai alpah cronbach yang negatif, maka proses RECODE perlu dilakukan. Proses ini boleh
dilaksanakan dengan memilih menu TRANSFORM --- RECODE – INTO SAME VARIABLE. Skala likert pada
item perlu di kod kan semula seperti 1- 4, 2-3, 3-2 dan 4-1. Selepas recode dilakukan, nilai pada lajur item
yang di kod semula akan bertukar, seterusnya nilai alpha croanbach yang baru akan diperolehi. Apabila
nilai cronbach baru di paparkan, maka item yang yang mempunyai nilai alpha croanbach yang rendah
akan dibuang. Namun demikian, item perlu dipertimbangkan untuk diperbaiki dan di uji rintis semula
sebelum dibuang daripada instrumen.
Bagi menganalisis item-item yang dimiliki ikon TRANSFORM -- COMPUTE perlu dipilih. Ikon
compute ini berfungsi untuk mengumpul maklumat satu-satu dimensi pemboleh ubah daripada setiap
item yang digunakan. Sebagai contoh, pemboleh ubah daripada dimensi SIKAP diperoleh daripada 19
item. Nilai-nilai akan dapat dilihat pada paparan data view dan variable view. Secara keseluruhannya,
data yang telah diproses dalam ikon compute boleh di analis mengikut langkah-langkah mendapatkan
summarize seperti yang telah dipelajari dalam sesi kuliah 3 sebelum ini .
Selain itu, kuliah pada hari ini menjadi langkah awal melaksanakan projek yang akan memberikan
30% markah coursework. Projek ini akan dilaksanakan secara berperingkat-peringkat bergantung pada
maklumat yang akan diperolehi dalam setiap kuliah yang dihadiri. Pada hari ini, laporan projek perlu
dilakukan dalam skop reability dan pengguna ikon recode dan compute. Melalaui arahan yang diberikan
pensyarah, projek ini memberi kelebihan kerana laporan projek yang dilakukan kelak boleh dijadikan
sebagai manual panduan dalam melaksanakan kajian kelak. Projek ini akan menjadi modul mengikut
kefahaman masing-masing.
Selepas kuliah tamat, saya melihat bahawa kaedah pembelajaran secara refleksi dan projek ini
boleh juga diaplikasikan dalam proses pengajaran dan pembelajaran di sekolah kelak. Pelaksanaan
refleksi sepanjang 4 kali perjumpaan membantu saya mengingati dan memahami kenapa dan bagaimana
satu-satu ikon dalam perisian SPSS digunakan. Selain itu, perkongsian ilmu bersama rakan-rakan yang lain
membantu menguatkan lagi kefahaman saya terhadap proses penggunaan perisian SPSS . Kesimpulannya,
statistik bukan lah subjek yang susah sekiranya menumpukan perhatian di dalam kelas dengan baik,
mecatat maklumat yang diperolehi dan melaksanakan aktiviti cuba jaya.
STATISTIC IN EDUCATION SGDP 5053 REFLEKSI