KAEDAH PENYELIDIKAN TM6013

ANALISIS DATA
Hazura 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 UNIvariate 2- Analisis Bivariate

Analisis Univariate
1.Taburan Frekuensi

Paling basic (and least useful) Percentage Mod (nominal data) Min (interval data ) Mod (nominal data) Median (ordinal data)

2. Ukuran Kecenderungan Memusat

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, middleincome, 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 Mode Median Mean X Ordinal X X Interval/Ratio X X 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 sifatsifat 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

atau Ho: = 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

atau H1: < 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

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 Statistik
Sebelum 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 Measurement Correlation Coefficients Phi Coefficient

Two nominal variables A nominal variable and an interval or ratio variable Survey or Correlational Studies

Point-biserial

Ordinal

Spearman's r

Interval or ratio

Pearson's r

Kajian of Scale Perbandingan Designs Test Statistic

Measurement Nominal Single-group between-subject Chi-Squared, sign test Z-test : Population variance is known

Ratio or Interval
T-test: Population variance must be estimated Nominal Chi-Squared Sign test, Wilcoxon's rank-sum test ,U-Mann Whitney test(tidak bersandar) Student's t-test

Two-group between-subject

Ordinal Interval or Ratio

Three or more group between subject

Ordinal
Interval or ratio

Kruskal-Wallace's H-test
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.

2.

3. 4. 5.

6.

Tujuan : menguji adakah teknik belajar memberi kesan kepada pencapaian markah. Mengkaji dua kumpulan sampel yang independent Pembolehubah kajian : markah peperiksaan Skala pengukuran: nisbah. Hipotesis H0: Tiada perbezaan purata markah di antara belajar berkumpulan dan belajar sendiri. Statistik ujian yang sesuai :

Kawasan Penolakan
o o o Ada 3 jenis hujung ujian: 2 hujung 1 hujung sebelah kiri 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 berlaku apabila kita tidak menolak H0 sedangkan dalam keadaan sebenar, ia palsu.

Ralat jeis II

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 ttest bagi independent sample dan dependet t-test bagi paired sample Jika tidak normal guna analyze nonparametric

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 Analyze compare mean ANOVA

Bagi data normal

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