Analisis Data

Kuantitatif

ALLPPT.com _ Free PowerPoint Templates, Diagrams and Charts

Pengenalan
• Proses mempamerkan dan mentafsir data kuantitatif.
• Data yang mempunyai nilai berangka, seperti 1, 2
dan 4.56.
• Analisis kuantitatif juga digunakan untuk membuat
generalisasi daripada sampel kepada populasi.
• Dalam hal ini, ketepatan anggaran, selang keyakinan,
tahap signifikan, nilai p, dan ralat merupakan ciri-ciri
utama yang dipertimbangkan.
• Melibatkan analisis univariat (satu pemboleh ubah),
bivariat (dua pemboleh ubah), analisis multivariat
merupakan lanjutan daripada analisis univariat dan
bivariat.
 Pemilihan kaedah statistik
Statistik parametrik
• Parametrik adalah ujian statistik yang melibatkan data
normal, sebagaimana data dalam populasi untuk
menganggar parameter
- contoh: min sampel, M digunakan untuk menganggar
nilai min populasi.
- oleh itu, taburan normal menjadi syarat utama statistik
parametrik.
Statistik bukan parametrik

• Bukan parametrik adalah ujian statistik yang

melibatkan data tidak normal.
• statistik bukan parametrik digunakan apabila sampel
kecil, data tidak normal atau skala ordinal dan
nominal digunakan.
• Contoh statistik bukan parametrik: Korelasi: Pearson r
=Spearman's rho (ordinal + ordinal) @ chi-square
(nominal + nominal).
• Perbandingan min dua kumpulan:
Ujian-t tak bersandar = Ujian Mann-Whitney (M-W)
Ujian-t sampel bersandar = Ujian Wilcoxon
Apakah perbezaan antara Parametric dan Non-parametrik?

• Perangkaan parametrik bergantung kepada taburan normal, tetapi statistik bukan parametrik
tidak bergantung kepada taburan normal.

• Perangkaan parametrik membuat lebih banyak andaian daripada statistik bukan parametrik.

• Perangkaan parametrik menggunakan formula mudah berbanding dengan statistik

bukan parametrik.

• Apabila populasi dipercayai diedarkan secara normal atau hampir diedarkan secara normal,
statistik parametrik adalah yang terbaik untuk digunakan. Jika tidak, lebih baik kaedah
yang tidak boleh digunakan bukan parametrik.

• Kebanyakan kaedah statistik asas biasa yang diketahui adalah statistik parametrik. Statistik
bukan parametrik adalah jarang digunakan dan digunakan untuk kes-kes khas.
Taburan Normal

• Merupakan satu graf yang menunjukkan bilangan

skor atau nilai bagi sekumpulan responden.

• Kebanyakan populasi adalah bersifat taburan normal

(graf berbentuk loceng). Kebanyakkan subjek berada
dalam lengkungan sederhana.
Ujian Normaliti data
 Statistik deskriptif
• Statistikal deskriptif ialah menganalisis data secara
peratusan,frekuensi serta dengan menggunakan Measure of
central tendency (MCT) (ukuran kecenderungan
memusat) – min, mod dan median.

• Jenis analisis data sering melibatkan analisis bivariat iaitu

dengan hanya menggunakan satu pemboleh ubah sahaja

• Selalunya dalam bab analisis data, untuk faktor demografi

seperti jantina, umur dan juga pendidikan kita sering
menggunakan peratusan dan frekuensi

• Dalam statistikal deskriptif selain MCT, measure of

dispersion (ukuran serakan) juga turut dibincangkan iaitu
range, variance dan standard deviation.
Matlamat dan Kegunaan

• untuk meringkaskan data agar ia mudah difahami

(menyediakan ringkasan data dan maklumat dalam bentuk
yang jelas dan mudah)

• untuk memerihal sesuatu peristiwa (contoh: memerihal taburan

bilangan pelajar mengikut jantina)

• Teknik untuk menerangkan data atau maklumat dengan cara

meringkaskan beberapa set data atau maklumat seperti
markah ujian, umur, tempat tinggal, jantina dll
• Mod pula skor data yang paling kerap/banyak –
kekerapan tertinggi.

• Mod bukanlah ukuran kecenderungan memusat yang

terbaik kerana nilainya mudah berubah dengan
sampel yang berbeza.
• Median pula ialah skor ditengah-tengah satu set data
dan membahagikan set data itu kepada dua bahagian.

• Bilangan skor sebelum dan selepas adalah sama.

• Min ialah skor purata bagi satu set data.

• Sisihan piawai ialah petunjuk pengukuran yang
utama dalam penyelidikan untuk menyatakan
keserakan skor-skor dalam sesuatu taburan.

• Ia digunakan pada data skala sela dan nisbah.

Sisihan piawai menunjukkan jumlah purata sesuatu
nilai atau skor individu tersisih daripada skor min
dalam sesuatu taburan.

• Varians juga digunakan untuk mengenal pasti

keserakan skor-skor dalam satu taburan. Varians
merupakan kuasa dua bagi nilai sisihan piawai.
 Statistik inferensi
• Hasil daripada ujian statistik yang dapat
digunakan untuk membuat inferens tentang
data penyelidikan dan mengaitkan dapatan
kepada sampel atau populasi.

• Melibatkan analisis bivariat dan analisis

multivariat.

• Statistik inferensi dilaksanakan berasaskan ujian

hipotesis null.
 Langkah-langkah untuk
menguji hipotesis

a) Nyatakan hipotesis null dan hipotesis alternatif.

b) Tetapkan kriteria bagi menolak hipotesis null
dengan menentukan tahap signifikan,lazimnya
= p .05
c) Tentukan ujian statistik yang sesuai.
d) Laksanakan analisis
e) Buat keputusan berdasarkan nilai p yang
diperoleh berbanding dengan tahap signifikan.
• Terdapat dua jenis kesilapan membuat keputusan
yang lazimnya berlaku

i. Ralat jenis 1-merujuk kepada keputusan

menolak hipotesis null sedangkan hipotesis null
itu benar.

ii. Ralat jenis II pula ialah keputusan gagal menolak

hipotesis null sedangkan hipotesis itu tidak
benar.
 Ralat jenis I boleh dikurangkan
dengan:
• Sampel dipilih secara rawak dan mewakili populasi.

• Mematuhi peraturan ujian hipotesis iaitu

menetapkan nilai σ dan pilihan jenis ujian, sama
satu hala atau dua hala sebelum melaksanakan
analisis.

• Mengehadkan bilangan ujian keertian.

• Menggunakan pembetulan Bonferroni, misalnya

semasa membuat ujian post hoc dalam ANOVA.
(Warner,2008)
 Ujian Statistik Inferensi
Ujian t satu sampel
• Digunakan untuk membandingkan skor min sampel
dengan skor min populasi.
• Ujian ini digunakan apabila data yang dikumpul
memenuhi semua syarat ujian-t, iaitu data sela atau
nisbah, taburan populasi normal (biasanya berlaku apabila
N sama atau melebihi 50).
Contoh;
• Seorang petani ingin menguji baja jenama baru untuk
pokok jagung. Sebanyak 15 pokok jagung dipilih secara
rawak daripada ladangnya dan diberikan baja jenama
baru. Purata pertumbuhan jagung di ladangnya untuk
tempoh dua minggu ialah 45cm. Selepas dua minggu,
dia mengukur pertumbuhan 15 pokok jagung
yang diberikan baja baru. Ujian-t dilakukan untuk melihat
sama ada baja baru itu berkesan atau tidak.
Contoh:
N Min Sisihan
piawai
Umur 363 31.69 10.15

Jadual di atas menunjukkan bilangan sampel (N), nilai min

(M=31.69), dan sisihan piawai (SD=10.15).
Jadual di atas menunjukkan bahawa nilai t ialah 10.68 dan
darjah kebebasan ialah 362. Nilai p pula ialah .00. Oleh itu,
hipotesis nol ditolak kerana p< σ. Terdapat perbezaan yang
singnifikan antara min sampel (M=31.69) dan min populasi
(M=26).

Ujian t menunjukkan perbezaan yang signifikan antara min,

sampel dan min populasi (M=31.69, SD=10.15) dan 1,
t(362) = 10.68, p=.00, σ=.05.
Ujian t sampel bebas

• Digunakan untuk membandingkan min dua

sampel bebas, dan menguji sama ada dua
sampel berasal dari populasi yang mempunyai
min yang berbeza.

Contoh
• Min skor murid sekolah A dalam satu ujian
dibandingkan dengan min skor murid sekolah
B untuk menentukan sama ada perbezaan dua
skor itu signifikan.
Contoh output SPSS bagi ujian t sampel bebas

Test for Equality of Means

t df Sig. Mean Std. 95%
(2-tailed) difference Error Confidence
difference Interval of the
Difference
Upper Lower
Equal -.48 361 .63 -1.10 2.31 -5.64 3.43
variances

Equal 358.53 .63 -1.10 2.30 -5.63

variances -.48
not
assumed

Andaian tentang kesamaan varians telah dipenuhi dalam ujian

Levene, oleh itu data dari baris untuk equal variances assumed
digunakan.

Hasil ujian t sampel bebas menunjukkan bahawa perbezaan

antara min skor murid sekolah A dan min skor murid sekolah
B tidak singnifikan, iaitu t(361)=-.48, p .63
 ANOVA satu hala (One way analyses of
variance,ANOVA)
• Menilai perbezaan min pemboleh ubah
bersandar antara tiga atau lebih kumpulan.
• Dalam analisis ini, dua pemboleh ubah perlu
ada, iaitu pemboleh ubah bersandar dan
pemboleh ubah tidak bersandar yang
dinamakan faktor.

Contoh:
• Perbezaan dalam skor Matematik dalam
kalangan pelajar yang menggunakan tiga versi
modul dalam pembelajaran A, B dan C.
Andaian-andaian yang perlu dipenuhi
• taburan pemboleh ubah bersandar ialah
normal bagi setiap populasi.
• varians bagi pemboleh ubah bersandar adalah
homogen bagi semua populasi.
• sampel dipilih secara rawak daripada populasi
dan skor adalah bebas.

• Ujian Levene digunakan untuk menentukan

kehomogenan varians antara populasi.
• sekiranya terdapat perbezaan yang signifikan
antara sekurangnya dua min populasi, maka
post hoc perlu dilakukan.
Nilai F bagi jenis modul ialah 38.16 dan nilai p ialah .00, iaitu
kurang daripada nilai σ. Hal ini bermakna sekurang-kurangnya
dua kumpulan berbeza secara signifikan. Ujian post hoc
dilaksanakan untuk mengenal pasti kumpulan-kumpulan yang
berbeza antara satu sama lain.
Berdasarkan hasil analisis post hoc, perbezaan skor bagi
ketiga-tiga kumpulan yang menggunakan modul berbeza
adalah berbeza secara signifikan.
 ANOVA dua hala

• Dalam analisis ANOVA dua hala, terdapat dua faktor

di mana setiap faktor terdiri daripada dua atau lebih
peringkat.

• Sebagai contoh, dua faktor ialah kategori dan jenis

latihan.

• Faktor kategori jantina terdiri daripada lelaki dan

perempuan manakala faktor jenis latihan terdiri
daripada latihan individu, latihan kelompok dan latihan
berpusat.
Jadual 20.7 menunjukkan bahawa kesan utama bagi jantina
merupakan kesan yang signifikan, F (1) = 4.98, p = .03. Kesan
utama bagi jenis latihan juga menunjukkan kesan yang signifikan,
F (2) = 33.44, p = .00. Hasil analisis ini menunjukkan bahwa skor
dalam ujian sejarah juga berbeza secara signifikan antara lelaki
dan perempuan, sekiranya jenis latihan yang sama digunakan.
Analisis Korelasi
• Korelasi, r digunakan untuk menghuraikan
kekuatan dan arah hubungan antara dua
pemboleh ubah.

• Apabila hubungan melibatkan dua pemboleh

ubah, maka pekali Pearson dirujuk bagi
menentukan kekuatan dan arah hubungan
antara dua pemboleh ubah berkenaan.

• Nilai korelasi Pearson adalah dalam lingkungan

-1.0 hingga +1.0.
• Tanda (+) bermaksud bahawa apabila nilai
satu pemboleh ubah meningkat, maka nilai
pemboleh ubah kedua juga meningkat.

• Tanda (-) menunjukkan bahawa apabila nilai

satu pemboleh ubah meningkat, maka nilai
pemboleh ubah yang satu lagi akan menurun.

• Tanpa mengambil kira simbol (+) atau (-), saiz

nilai r menunjukkan kekuatan hubungan
antara dua pemboleh ubah.
• Secara umumnya, nilai r yang bersamaan
dengan 1 menunjukkan korelasi positif yang
sempurna, manakala yang bersamaan
dengan 0 menunjukkan tiada hubungan
langsung.

Cohen (1988)
(a) r = 0.10 hingga 0.29 bernilai kecil
(b) r = 0.30 hingga 0.49 bernilai sederhana
(c) r = 0.50 hingga 1.00 bernilai besar
Ujian statistik bagi data kategori
Ujian Khi Kuasa Dua (σ²)

• Crosstabs digunakan untuk menguji perbezaan

antara dua pemboleh ubah.

• Nilai p dibandingkan dengan nilai σ dalam ujian

keertian.

• Penentuan dibuat sama ada kumpulan yang

dikaji sepadan (fit) dengan kumpulan rujukan.
Ujian Khi Kuasa Dua (σ²)
• Ujian kebebasan (test of independence) dan
bertujuan untuk menentukan kewujudan
hubung kait antara dua pemboleh ubah
kategori.

• Contoh: menentukan sama ada terdapat

hubung kait antara jantina dan warna pilihan.

• Sekiranya nilai p =<.05, maka disimpulkan

terdapat hubungan yang signifikan diantara
jantina dan warna pilihan.
• Syarat utama
(a) Kekerapan jangkaan dalam setiap sel tidak
kurang daripada lima.
(b) kedua-dua pemboleh ubah kategori bebas
daripada sati sama lain.
⮚ contoh: data tidak boleh diperolehi dari
pasangan suami isteri kerana terdapat
hubung kait.
Cara memasukkan data ke dalam SPSS
Thank you