1.

a Ujian t-satu sampel

Tajuk Dalam kajian ini, penyelidik ingin mengetahui perbezaan antara min markah sekolah dengan min markah JPN. Pengenalan Ujian t satu sampel digunakan untuk menentukan perbandingan antara min sampel dengan min populasi dalam sesuatu kajian. Andaian 1. Data sampel hampir bertaburan normal 2. Data yang digunakan adalah data nisbah Objektif Kajian Untuk mengenalpasti perbezaan antara min markah sekolah dengan min markah JPN. Soalan Kajian Adakah terdapat perbezaan min markah sekolah dengan min markah JPN? Hipotesis H0 : Tidak terdapat perbezaan antara min markah sekolah dengan min markah JPN. HA : Terdapat perbezaan antara min markah sekolah dengan min markah JPN. Interpretasi Ujian t satu sampel adalah signifikan (t(661)= -61.61, p<.05). Keputusan ini berjaya menolak hipotesis null(HO) dan menerima hipotesis alternatif(HA). Ini menunjukkan terdapat perbezaan antara min sampel sekolah dengan min JPN. Min populasi(40) lebih tinggi berbanding min sampel(18.42) dalam pencapaian matematik.

Jadual Keputusan min markah sekolah berdasarkan min markah JPN

N MathKBSM 662 Min 18.41 Sisihan piawai 9.01 dk 661 t -61.61 p .00*

*p<.05

1.b Ujian t-satu sampel

Tajuk Dalam kajian ini, penyelidik ingin tahu perbezaan antara min markah sekolah dengan min markah JPN Pengenalan Ujian t satu sampel digunakan untuk menentukan perbandingan antara min sampel dengan min populasi dalam sesuatu kajian. Andaian 1. Data sampel hampir bertaburan normal 2. Data yang digunakan adalah data nisbah Objektif Kajian Untuk mengenalpasti perbezaan antara min markah sekolah dengan min markah JPN. Soalan Kajian Adakah terdapat perbezaan min markah sekolah dengan min markah JPN? Hipotesis H0 : Tidak terdapat perbezaan antara min markah sekolah dengan min markah JPN. HA : Terdapat perbezaan antara min markah sekolah dengan min markah JPN. Interpretasi Ujian t satu sampel adalah tidak signifikan (t(661)= -1.18, p>.05). Keputusan ini gagal menolak hipotesis null(HO). Ini menunjukkan tidak terdapat perbezaan antara min sampel sekolah dengan min JPN. Min populasi (18) lebih rendah berbanding min sampel (18.41) dalam pencapaian matematik. Jadual Keputusan min markah sekolah berdasarkan min markah JPN
N MathKBSM 662 Min 18.41 Sisihan piawai 9.01 dk 661 t 1.18 p .238

p>.05

2.a Ujian-t berpasangan

Tajuk : Pengenalan Ujian t berpasangan digunakan untuk menguji perbezaan signifikan diantara 2 sampel berpasangan. 2 sampel dianggap berkaitan apabila 2 kumpulan individu yang sama menyediakan data kepada dua keadaan yang berbeza (contoh sebelum dan selepas rawatan). Andaian 1. Data sampel hampir bertaburan normal 2. Data yang digunakan data nominal Objektif Mengenalpasti keberkesanan penggunaan kalkulator dalam pembelajaran matematik di kalangan pelajar tingkatan 4. Soalan Adakah terdapat keberkesanan penggunaan kalkulator dalam pembelajaran matematik di kalangan pelajar tingkatan 4? Hipotesis HO : Tidak terdapat keberkesanan penggunaan kalkulator dalam subjek matematik. HA : Terdapat keberkesanan penggunaan kalkulator dalam subjek matematik. Interpretasi : Ujian t berpasangan adalah signifikan (t (41)= -38.94, p<.05).Keputusan ini berjaya menolak hipotesis null dan menerima hipotesis alternatif. Ini menunjukkan penggunaan kalkulator memberi kesan kepada peningkatan mata pelajaran matematik. Skor (85.10) selepas menggunakan kalkulator adalah lebih tinggi berbanding skor (66.10) sebelum menggunakan kalkulator. Jadual Keputusan pre-test dan post-test pembelajaran matematik menggunakan kalkulator
Min Pre-test Post-test 66.10 85.10 N 42 42 Sisihan Piawai 8.57 8.78 dk 41 41 t -38.94 p .00*

*p<.05

3.a Ujian t-sampel bebas

Tajuk : sikap vs jantina Pengenalan Ia digunakan untuk mengukur diantara dua kumpulan. Objektif kajian Mengenalpasti perbezaan sikap pembelajaran matematik pelajar tingkatan 4 berdasarkan jantina. Andaian 1. Pembolehubah bersandar data jenis nisbah. 2. Setiap responden terlibat sekali sahaja dalam kajian dan tidak boleh mempengaruhi responden lain. 3. Normaliti. Skor setiap kumpulan ditabur secara normal. 4. Varians setiap set data patut hampir sama. Soalan Kajian Adakah terdapat perbezaan sikap pembelajaran matematik pelajar tingkatan 4 berdasarkan jantina?

Hipotesis HO :Tidak terdapat perbezaan sikap pembelajaran matematik pelajar tingkatan 4 berdasarkan jantina. HA: Terdapat perbezaan sikap pembelajaran matematik pelajar tingkatan 4 berdasarkan jantina. Interpretasi Ujian Levene adalah significant (p<.05). Keputusan ini telah memenuhi andaian kehomogenan varians antara sikap pembelajaran matematik pelajar lelaki dan pelajar perempuan. Ujian t sampel bebas adalah signifikan (t(665) = -3.03, p<.05). Keputusan ini berjaya menerima hipotesis null (Ho) dan menolak hipotesis alternatif (HA). Ini menunjukkan tidak terdapat perbezaan sikap berdasarkan perbezaan jantina. Min (2.98) sikap pembelajaran pelajar perempuan adalah lebih tinggi berbanding min (2.90) sikap pembelajaran pelajar lelaki dalam pencapaian matematik.

Jadual

3.b Ujian-t sampel bebas

Tajuk :jantina vs math kbsm Pengenalan Andaian 1. Pembolehubah bersandar data jenis nisbah. 2. Setiap responden terlibat sekali sahaja dalam kajian dan tidak boleh mempengaruhi responden lain. 3. Normaliti. Skor setiap kumpulan ditabur secara normal. 4. Varians setiap set data patut hampir sama Objektif Soalan Hipotesis

Interpretasi Ujian Levene adalah tidak significant (p>.05). Keputusan ini telah memenuhi andaian kehomogenan varians antara pelajar lelaki dan pelajar perempuan dalam pencapaian matematik. Ujian-t sampel bebas adalah tidak significant (t(660) =.29, p>.05). Keputusan ini gagal menolak hipotesis null (Ho) dan menerima hipotesis alternatif (HA). Ini menunjukkan tidak terdapat perbezaan pencapaian matematik berdasarkan perbezaan jantina. Jadual 3.1 Keputusan sikap pembelajaran matematik berdasarkan jantina

4.a ANOVA
Gred PMR vs Sikap Tajuk : Pengenalan Andaian 1. Skala pengukuran. Pembolehubah bersandar data nisbah. 2. Kebebasan. Setiap responden terlibat sekali sahaja dalam kajian dan tidak boleh mempengaruhi responden lain. 3. Normaliti. Skor setiap kumpulan mempunyai taburan normal. 4. Varians yang homogen. Data mempunyai varian yang sama. Objektif Soalan Adakah terdapat perbezaan antara sikap dengan Gred PMR. Hipotesis H0 : Tidak terdapat perbezaan antara sikap dengan Gred PMR. HA : Terdapat perbezaan antara sikap dengan Gred PMR.

Interpretasi Ujian levene adalah signifikan (p < .05). Keputusan ini tidak memenuhi andaian kehomogenan varian antara sikap dengan gred PMR. Ujian anova adalah signifikan (F (4,662) = 40.80, p < .05). Keputusan ini berjaya menolak hipotesis null (HO) dan menerima hipotesis alternatif(HA). Keputusan ini menunjukkan gred PMR berbeza dengan sikap. Ujian Post Hoc (Tukey) menunjukkan pelajar yang mendapat gred A dan gred E menunjukkan perbezaan manakala pelajar yang mendapat gred C dan gred D tidak menunjukkan perbezaan dalam sikap. Min (3.19) pelajar yang mendapat gred A adalah lebih tinggi berbanding min (2.52) pelajar yang mendapat gred E. Jadual 4.1 Keputusan Gred PMR berdasarkan sikap pembelajaran matematik
Jumlah kuasa dua Antara kumpulan Dalam kumpulan Jumlah 18.65 75.64 94.28 dk 4 662 666 min 4.66 .11
2

F 40.80

p .000*

*p<.05

4.b ANOVA
Waktu belajar vs pencapaian matematik Tajuk : Pengenalan Andaian 5. Skala pengukuran. Pembolehubah bersandar data nisbah. 6. Kebebasan. Setiap responden terlibat sekali sahaja dalam kajian dan tidak boleh mempengaruhi responden lain. 7. Normaliti. Skor setiap kumpulan mempunyai taburan normal. 8. Varians yang homogen. Data mempunyai varian yang sama.

Objektif Kajian Tujuan kajian ini dijalankan adalah untuk mengenalpasti perbezaan antara waktu belajar dengan pencapaian Matematik. Soalan Kajian Adakah terdapat perbezaan antara waktu belajar dengan pencapaian Matematik. Hipotesis H0 : Tidak terdapat perbezaan antara waktu belajar dengan pencapaian Matematik HA : Terdapat perbezaan antara waktu belajar dengan pencapaian Matematik Interpretasi Ujian levene adalah tidak signifikan (p > .05). Keputusan ini telah memenuhi andaian kehomogenan varian antara waktu belajar dengan pencapaian matematik. Ujian anova adalah signifikan ( F (2,659) = 6.00, p < .05). Keputusan ini berjaya menolak hipotesis null (HO) dan menerima hipotesis alternatif(HA). Keputusan ini menunjukkan pencapaian matematik berbeza dengan masa belajar. Ujian Post Hoc (Tukey) menunjukkan pelajar yang belajar pada waktu pagi dan petang menunjukkan perbezaan manakala pelajar yang belajar pada waktu pagi dan malam, petang dan malam tidak menunjukkan perbezaan dalam pencapaian matematik. Min (20.43) pelajar yang belajar pada waktu petang adalah lebih tinggi berbanding min (16.73) pelajar yang belajar pada waktu pagi.

Jadual 4.1 Keputusan pencapaian matematik berdasarkan waktu belajar

Jumlah kuasa dua Antara kumpulan Dalam kumpulan Jumlah 961.66 52754.93 53716.59 dk 2 659 661 min
2

F 6.00

p .003*

480.83 80.05

*p<.05

5a. Kolerasi
Tajuk : sikap Vs Math Pengenalan Digunakan untuk menilai kekuatan dan arah perkaitan antara dua pembolehubah. Korelasi biviarate digunakan untuk mengukur perkaitan linear antara dua pemboleh ubah berterusan. Andaian 1. 2. 3. 4. Normaliti. Setiap pemboleh ubah bertaburan normal. Linear. Hubungan antara dua pemboleh ubah mestilah linear. Homoscedastisiti. Ralat varian diandaikan sama sepanjang poin hubungan linear. Bebas.

Objektif Tujuan kajian ini dijalankan adalah untuk menilai kekuatan sikap dan arah perkaitan antara sikap dengan pencapaian matematik. Soalan Hipotesis H0 : Tidak terdapat hubungan yang signifikan antara sikap dengan pencapaian matematik. HA: Terdapat hubungan yang signifikan antara sikap dengan pencapaian matematik. Interpretasi Ujian kolerasi menunjukkan sikap mempunyai hubungan yang signifikan (r = .40, p < .01) dengan pencapaian matematik. Keputusan ini berjaya menolak hipotesis null (HO) dan menerima hipotesis alternatif(HA). Hubungan positif menunjukkan sikap pembelajaran matematik yang tinggi mempunyai pencapaian matematik yang tinggi manakala sikap pembelajaran matematik yang rendah mempunyai pencapaian matematik yang rendah. Hubungan antara sikap pembelajaran matematik dengan pencapaian adalah rendah ( r = .40) Jadual Kolerasi Pearson antara sikap dengan pencapaian matematik
Min Beza sikap Math KBSM **p <. 01 (2-ekor) 2.94 18.41 Sisihan Piawai .37 9.01 Beza sikap 1 .40** Math KBSM .40** 1

5b. Kolerasi
Tajuk : bimbang vs math Pengenalan Digunakan untuk menilai kekuatan dan arah perkaitan antara dua pembolehubah. Korelasi biviarate digunakan untuk mengukur perkaitan linear antara dua pemboleh ubah berterusan. Andaian 1. 2. 3. 4. Normaliti. Setiap pemboleh ubah bertaburan normal Linear. Hubungan antara dua pemboleh ubah mestilah linear Homoscedastisiti. Ralat varian diandaikan sama sepanjang poin hubungan linear Bebas.

Objektif Soalan Adakah terdapat hubungan antara bimbang dengan pencapaian matematik ? Hipotesis H0 : Tidak terdapat hubungan yang signifikan antara bimbang sikap dengan pencapaian matematik. HA: Terdapat hubungan yang signifikan antara bimbang dengan pencapaian matematik Interpretasi Ujian kolerasi adalah signifikan (r = -.37, p < .01) antara kebimbangan matematik dengan pencapaian matematik. Kebimbangan yang tinggi mempunyai pencapaian yang rendah manakala kebimbangan yang rendah mempunyai pencapaian yang tinggi. Hubungan antara kebimbangan matematik dengan pencapaian adalah rendah (r = -.32) Jadual Kolerasi Pearson antara pencapaian matematik dengan bimbang
Min Math KBSM Bimbang **p <. 01 (2-ekor) 18.41 2.62 Sisihan Piawai 9.02 .46 Math KBSM 1 -.37** Bimbang -.37** 1

6a. Khi kuasa dua

Tajuk : Jantina vs bangsa Pengenalan Andaian 1. 2. 3. 4. Normaliti. Setiap pemboleh ubah bertaburan normal Linear. Hubungan antara dua pemboleh ubah mestilah linear Homoscedastisiti. Ralat varian diandaikan sama sepanjang poin hubungan linear Bebas.

Objektif Soalan Hipotesis Interpretasi Khi kuasa dua adalah signifikan ( (2)=7.33, p <. 05) antara jantina dengan bangsa. Keputusan ini berjaya menolak hipotesis null (HO) dan menerima hipotesis alternatif (HA). Keputusan ini menunjukkan ada perkaitan antara jantina dengan bangsa. Pada keseluruhan, pelajar perempuan berbangsa melayu dan cina lebih ramai hadir ke program motivasi berbanding pelajar lelaki manakala pelajar perempuan berbangsa india lebih sedikit berbanding pelajar lelaki. Jadual Khi kuasa dua antara jantina dengan bangsa
Melayu Lelaki 144 160.4 Cina 85 79.8 India 75 63.8 2 dk .026

Perempuan

208 191.6

90 95.2

65 76.2

6b. Chi kuasa dua

Tajuk : waktu belajar vs Gred PMR Pengenalan Andaian

Objektif Soalan Hipotesis Interpretasi

Jadual Khi kuasa dua antara waktu belajar dengan gred PMR

Gred PMR A Pagi 20 30.5 B 18 27.5 C 52 45.3 D 50 43.6 E 14 7.2 dk 8 22.553

Petang

33 26.3

29 23.7

37 39.1

30 37.7

4 6.2

Malam

79 75.2

72 67.8

107 111.7

109 107.7

13 17.7