DATA ANALYSIS

( ANALISA DATA )
SRI SULISTIOWATI
2019
DEFINISI
Data analisis melibatkan penggunaan beberapa
teknik untuk merumus dan menilai informasi yang
terkumpul melalui prosedur statistik untuk
menambahkan kebolehtafsiran penyelidikan.
Biasanya bentuk penyelidikan akan menentukan
teknik manakah yang sesuai digunakan untuk
analisis data.
1. penyelidikan kuantitatif  menggunakan nombor
dan teknik statistik
2. Penyelidikan kualitatif  menggunakan
perkataan dan logik
Analisis Data Kuantitatif
Melibatkan penggunaan kiraan statistik
untuk merumus data yang diperolehi,
membanding data yang diperolehi,
menguji hubungan teorikal, membina
kesimpulan yang menyeluruh mengenai
populasi berdasarkan penyelidikan
sampel dan menilai hubungan causality
( sebab – akibat )
Analisis Data Kualitatif

Faktor – faktor yang diutamakan

adalah :
Intuisi
Alasan yang beranalitikal untuk
membentuk organisasi
Reduksi
Longgokan / mengelompokkan
data
ANALISIS DATA KUANTITATIF
Pengiraan statistik untuk setiap hipotesis atau
soalan penyelidikan ialah deskriptif statistik atau
inferential statistik
Deskriptif statistik  merumus data, menghurai
sifat sampel dan mensintesis data . Purata dan
perarus merupakan contoh yang biasa digunakan
Inferential statistik  membolehkan penyelidik
membuat kesimpulan umum mengenai populasi
berdasarkan data yang diperolehi daripada
sampel
Pada hakikatnya apabila purata dan peratus
dikira pada data populasi dipanggil parameter.
Deskriptif indeks daripada sampel dipanggil
statistik.
Maka disini soalan penyelidikan mengenai
parameter tetapi penyelidik mengira statistik
sampel untuk menganggar parameter,
menggunakan inferential statistik untuk
membentuk inferens mengenai populasi.
DESKRIPTIF STATISTIK
Definisi
Untuk menghurai dan mensisntesis data yang
diperolehi daripada pemerhatian dan pengukuran
secara empirikal
Contohnya : BP reading  berapa purata dan
berapa peratus.
Kira purata dan peratus dari bacaan nadi
dibawah ini :
80, 70, 82, 84, 76, 74, 80, 90
Kira purata dan peratus dari hasil BP reading
dibawah ini : 110, 120, 120, 140, 130, 130,
140, 120, 110, 140
Deskriptif statistik boleh dikelaskan
kepada empat kategori :
1. Taburan frekuensi ( frequency
distribution )
2. pengukuran sentral tendensi
(measures of central tendency )
3. pengukuran variability ( measures
of variability )
4. Bivariate deskriptif statistik
I. Taburan frekuensi (Frequency
distribution)
Merupakan penyusunan nilai numerikal yang
sistematik dari nilai yang terendah kepada nilai
yang besar, bersama dengan peratus bagi nilai
tersebut.
Taburan frekuensi boleh diwujudkan secara
berkumpulan atau tidak berkumpulan.
Dari sini kita dapat melihat skor yang paling
rendah dan skor yang paling tinggi
Taburan frekuensi boleh disediakan dalam
bentuk jadual atau dalam bentuk graf
Taburan frekuensi terdiri daripada :
A. nilai / kelas yang diperhati atau diukur ( X )
B. frekuensi / kekerapan setiap nilai ( f )
C. pemerhatian dalam bentuk numerikal
disenaraikan pada kolom pertama dan diikuti
frekuensi disenaraikan pada kolom seterusnya
D. jumlah frekuensi mestilah sama dengan saiz
sampel ∑f = n  ( ∑ = jumlah ), ( n = saiz sampel )
E. peratus (%) jumlah pada kolom keempat 
pengiraan : % = f/n x 100
F. jumlah frekuensi mesti sama dengan n
G. jumlah % mesti sama dengan 100
Data skor : 3,3,4,5,6,7,8,9,9,10,38,60
Semasa kemasukkan ke wad klien ditimbang dan
berat badan di rekod dalam carta pemerhatian
sebagai data asas. Berikut adalah data berat
badan 30 klien lelaki dalam masa 3 bulan dalam
kilogram
75 67 86 75 77 79
80 75 80 93 73 73
75 75 84 84 83 73
96 80 73 87 80 87
9299 100 88 77 73

Buat taburan frekuensi dengan peratus

Data frekuensi dapat dibuat dalam bentuk graf
iaitu :
1. Histogram
2. Poligon frekuensi
3. Carta pie ( pie chart )

a.Kelas skor dipaksi – X, dari nilai terkecil bermula

dari arah kiri terbesar arah kanan
b.Frekuensi / peratus dipaksi – Y, bermula dengan
nilai 0 ( sifar )
HISTOGRAM
Bar dilukis di atas kelas skor setinggi
frekuensinya
CARTA PIE ( PIE CHART )
CARTA POLYGON
Menggunakan titik dot menghubungkannya
dgn garis lurus bagi menunjukkan
frekuensinya. Setiap titik akan ditempatkan
pada setiap kelas skor
Data yang dipersembahkan dalam polygon
frekuensi boleh terdiri dari pelbagai bentuk :
1. Simetrikal ( Symmetrical )
2. Bukan simetrikal ( Asymmetrical ) iaitu
condong ke satu arah (skewed) dengan ekornya
panjang daripada yang lain. Apabila ekor
memanjang kearah kanan maka taburan tersebut
adalah kecondongan positif ( positively
skewed ). Jikalau ekor memanjang ke arah kiri,
maka taburan tersebut adalah kecondongan
negatif (negatively skewed).
3. Modaliti ( Modality ) iaitu samaada unimodal
( hanya mempunyai satu puncak ) atau multimodal
( mempunyai 2 atau lebih puncak ). Bimodal ( 2
puncak ) yang paling biasa didapati.
4. Taburan normal ( normal distribution ) juga
dikenal sebagai bell – shaped curve. Ia
bersimetri, unimodal dan tidak berpuncak tajam.
Biasanya sifat fizikal dan psikologikal akan
menghasilkan taburan jenis ini. Contohnya,
ketinggian dan kepintaran
Simmetrikal
Bukan Simetrikal
Negative skew Positive
skew
Contoh kajian yang mempunyai gambaran cart
polygon positive skewed
 Biasanya ramai pekerja yang bekerja dibawah
gaji sederhana, hanya sebilangan pekerja sahaja
yang bekerja di bawah gaji yang tinggi

Contoh kajian yang mempunyai gambaran cart

polygon negative skewed
 Umur kematian : Biasanya sebilangan manusia
sahaja yang mati pada usia muda, tetapi ramai
yang mati pada usia tua
II. Pengukuran Sentral
Tendensi ( Measures
Central ofnumerikal
1. Mod : nilai Tendency)
yang kerap wujud
(“popular” score )
Contoh :
50 51 51 52 53 53 53 53 54 55 56
Mode = 53
Mod amat mudah dan metod yang pantas
untuk menentukan popular skor tetapi masih
tidak stabil dari segi pengiraan metod ini 
jarang digunakan dalam report penyelidikan
2. Median : titik atau kedudukan pertengahan
Contoh :
1. 50 51 51 52 53 53 53 53 54 55 56
Median = 53
2. 2 2 3 3 4 5 6 7 8 9
Median = 4 + 5 / 2 = 4.5
Maka disini kita dapat melihat median adalah
indeks purata kedudukan dalam suatu taburan.
3. Min ( Mean ) : jumlah semua skor dibahagi
jumlah bilangan skor. Kerap digunakan sehingga
masa kini.
_
X=∑X
N
Contoh : Cari min berat bagi 8 subjek di bawah
85 109 120 135 158 177 181
Min = 85 + 109 + 120 + 135 + 158 + 177 + 181
7
= 137.85
III. Pengukuran Variability
( Measures of Variability )
Pengukuran sentral tendensi tidak dapat
memberi kesimpulan keseluruhan taburan
Contohnya : Dua taburan yang mempunyai min
yang sama tetapi boleh wujud dalam bentuk yang
berbeza. Maka disini variability taburan amat
penting untuk fenomena tersebut. Sekolah A dan
sekolah B mempunyai min sebanyak 500, tetapi
bentuk skor adalah jelas berbeza. Sekolah A
mempunyai julat skor yang luas dengan
sebilangan pelajar kurang daripada 300 dan
sebilangan pelajar lebih dari pada 700.
Indeks variability yang biasa digunakan :
1. Julat ( range )
2. Julat semikuartil
3. Standard deviation
Julat ( Range ) : perbezaan diantara nilai
terbesar dengan nilai terkecil dalam taburan skor
Contohnya :
Sekolah A berjulat 500 ( 750 - 250 ) dan julat
sekolah B 300 ( 650 – 350 )
Julat menunjukkan jarak antara skor tertinggi dengan
terendah.
Julat semikuartil
Dikira berdasarkan kepada kuartil taburan
Kuartil atas ( Upper quartile = Q3 ) adalah
bawah 75 %
Kuartil bawah ( lower quartile = Q1 ) adalah
bawah 25 %
Julat semikuartil : SQR = Q3 – Q1

2
Sekolah A : Q3 = 500 X 75% = 375, Q1=
500X25%=125  SQR = 375 – 125 /2 = 125
Bagaimana dengan sekolah B ?
Standard Deviation

Simbol yang digunakan ialah xyang bermaksud

perbezaan antara skor individu dengan mean.
Contohnya : Katakan berat individu ialah 150 pounds
dan min sampel ialah 140, maka deviation skor
individu tersebut ialah +10.

Formula deviation skor ialah :

X= X–X SD =√ ∑ X² SD = ( X – X )²
N N
Jika ada 2 taburan mempunyai nilai min yang
sama, tetapi yang satu mempunyai nilai SD 7.0
dan satu nilai SD 3.0, dengan cepat kita boleh
tahu bahawa taburan yang kedua lebih
homogenous.
IV. Bivariate Descriptive
Statistic
Bivariate Descriptive Statistic menggambarkan
hubungan antara dua variabel
Ada dua bentuk analisis ini iaitu :
Contingency table ( Crosstab )
Correlation
Contingency table : merupakan distribusi
frekuensi 2 dimensi dari dua variabel.

Smoking Women Men Total

status

Non Smoker n : 10 n:6 n : 16

45.4% 27.3% 36.4%

Light n:8 n:8 n : 16

Smoker 36.4% 36.4% 36.4%

Heavy n:4 n:8 n : 12

smoker 18.2% 36.4% 27.3%

Total 22 22 44
100 100 100
Correlation : analisis yang menghubungkan
antara dua variabel.
Hubungan antara dua variabel dapat diukur
secara kuantitatif dengan menggunakan Kofisien
korelasi ( Correlation coeficient )
Kofisien korelasi menggambarkan intensity dan
direction antara dua variabel
INFERENTIAL STATISTIC
Inferential statistic dibuat berdasarkan pada
kaedah probabiliti.
Inferential statistic memberikan maklumat yang
berkaitan dengan :
Sampling distribution
Estimation of parameter
Hypothesis testing
Bentuk analisis data daripada inferential statistic
ada dua jenis :
Bivariate statistical tests
Multivariate statiscal analysis
Bivariate statistic test, bentuk analisis yang
dipergunakan diantaranya :
t – Tests
Analysis of Variance ( ANOVA )
Chi – Squared Test
Correlation coeficient ( Pearson’s r )
Multivariate statistical analysis
Multiple regression
Analysis of Covariance ( ANCOVA )