Persampelan dan Analisis Data

Oleh Mohammad Khatim Hasan

Statistik
• Takrifan: Peralatan 6M bagi pemanipulasian datamengumpul, mengelas, meringkas, menyusun, menganalisis dan mentakrif data kuantitatif supaya kebolehpercayaan keputusan analisis dapat dinilai secara objektif. • Ada dua: statistik berperihalan & aruhan

Pengkelasan Jenis data
• • • • Perwakilan: kuantitatif & kualitatif Bentuk: diskret & selanjar Tahap ukuran: nominal: boleh dikategori: ada nama @label tertentu: X boleh disusun. • Oridinal: boleh disusun ikut tertib tapi perbezaan tak dapat ditafsirkan dgn jelas • Selang: boleh disusun, perbezaan dapat ditafsirkan & termasuk bacaan negatif • Nisbah: boleh disusun, perbezaan dapat ditafsirkan & bermula dgn sifar

Sumber data dan kaedah pungutan data
• Ada 2: sumber primer & sekunder • Sumber primer: ujikaji berekabentuk, bancian dan soal selidik, pemerhatian. • Sumber sekunder: sumber terbitan

Populasi dan sampel • Populasi:set unit yang biasanya terdiri dari manusia. • Sampel: subset unit-unit dalam populasi. . objek ataupun peristiwa yang ingin dikaji.

bersistem. bola salji dan sukarela.Kaedah Persampelan • Dengan kebarangkalian: Persampelan rawak ringkas. . berstrata dan berkelompok. berkuota. • Tanpa kebarangkalian: persampelan selesa.

Pengujian Hipotesis Oleh Mohammad Khatim Hasan .

3.Pengenalan 1. Penyataan mengenai ciri suatu populasi menerusi tatacara pentakbiran berstatistik dinamakan hipotesis berstatistik. Hipotesis berstatistik sebenarnya cuba untuk menganggar suatu parameter populasi dengan bantuan maklumat dari sampel. Statistik yang membolehkan penyelidik membuat keputusan bagi sesuatu masalah yang dikaji ialah statistik aruhan / pentakbiran. . 2.

Sambungan… • Hipotesis statistik adalah satu kenyataan yang dibuat tentang suatu populasi Kenyataan ini mungkin benar atau tidak Kebenaran kenyataan tersebut dibuat menggunakan ujian hipotesis .

Keputusan dapat dibuat dengan fakta saintifik. .Kepentingan& Keperluan Penting untuk menguji adakah perbezaan yang wujud diantara data dalam sampel dan populasi adalah benar-benar berbeza atau berbeza secara kebetulan sahaja.

1990). .Takrif • Takrif • Hipotesis statistik adalah suatu pernyataan atau anggapan yang mungkin benar atau tidak terhadap suatu populasi atau lebih (Walpole.

Catatan: • Ho cenderung untuk di tolak. Ini bermaksud. . kita seboleh-bolehnya hendak menolaknya kecuali terdapat bukti yang cukup kuat dari sampel yang menafikan penolakannya. Penolakan Ho tidak bermakna pernyataan dalam hipotesis tersebut palsu tetapi ia bermaksud bukti yang diperolehi dari sampel tidak mencukupi untuk menerimanya. Begitu juga sebaliknya.

Ralat jenis I berlaku jika kita menolak H0 apabila dalam keadaan sebenar. Kb (Ralat Jenis I ) =  dan Kb (Ralat Jenis II) =  .Ralat Jenis 1 dan 2 2 jenis ralat yang wujud dalam ujian hipotesis. ia benar dan ralat jeis II berlaku apabila kita tidak menolak H0 sedangkan dalam keadaan sebenar. ia palsu.

Secara matematik •  = kb (Ralat jenis I ) • = kb ( tolak H0| H0 benar ) • dan •  = kb (Ralat jenis II) • = KB (Tidak tolak H0| H0 palsu) .

01 .05 . 0. • Kita mahukan nilai  dan  sekecil yang mungkin. maka kita yakin sebanyak 95% bahawa keputusan ujian adalah benar. 0.10 ditentukan oleh penyelidik.Sambungan  dipanggil aras keertian dalam ujian hipotesis. Jika  = 0.05 . . dan ( 1. )100% dipanggil aras keyakinan. Nilai  samada 0.

Langkah-langkah pengujian • • • • • • • • Penyataan hipotesis Taburan Aras keertian Statistik Ujian Kawasan Penolakan Pengiraan statistik ujian Keputusan Kesimpulan .

Hipotesis nol dan alternatif Perlu ditentukan sebelum ujian hipotesis dapat dijalankan. Hipotesis Nol – oSimbol Ho. – oMesti yang membawa maksud kesamaan. . – oJadi ada 3 kemungkinan: sama ada = atau  atau .

000.00 sebulan.000.00 sebulan.Sambungan •o Contoh: Ho:  = RM 2. atau Ho: Purata pendapatan penduduk Bandar baru Bangi adalah RM2. .

.sambungan Hipotesis Alternatif • oSimbol Ha.atau H1 • o Mesti membawa maksud ketaksamaan. • o Jadi ada 3 kemungkinan: sama ada  atau < atau >. • o Diterima jika Ho ditolak.

.00 sebulan atau Ha: Purata pendapatan penduduk Bandar Baru Bangi bukan RM2.00 sebulan.000. Perhatikan!!! o Pernyataan dalam Ho dan Ha tidak boleh bertindan.000.Sambungan Contoh: Ha:  RM2.

Jadual pemilihan Ho dan Ha. Ho =   Ha  atau < atau > < > .

 Bagi data yang diambil dari taburan normal. taburan sampel nya juga normal.Taburan  Taburan data sampel perlu di kenalpasti terlebih dahulu untuk membolehkan kita menggunakan statistik ujian yang betul. teorem had memusat diperlukan.  Ujian kenormalan juga boleh digunakan untuk menguji adakah data tertabur secara normal. . Bagi data yang diambil dari taburan bukan normal.

.Teorem Had Memusat • Bagi Min 1 sampel (2 sampel) Pertimbangkan satu populasi dengan min  dan varians 2 . taburan pensampelan bagi min sampel ..2/n) . Katakan X1. X2.…. X akan menghampiri normal iaitu X  N(. Untuk n besar iaitu n  30 (n1 30 dan n2 30).Xn satu sampel rawak saiz n (n1 dan n2) yang diambil daripada populasi tersebut.

n1q1 dan n2q2) kesemuanya perlu lebih besar dari 5. . saiz sampel akan dianggap besar jika np dan nq (n1p1. Untuk kes perkadaran. n2p2.Teorem Had Memusat Bagi Perkadaran 1 sampel (2 sampel) taburan persampelan bagi akan menghampiri normal bagi saiz sampel yang cukup besar.

mod dan median dengan bentuk taburan. . • oGunakan hubungan min. • oAtau gunakan perisian untuk menguji kenormalan data.Beberapa kaedah lain • oBina histogram • oBina plot batang-daun • oKira pekali kepencongan dan kepuncakannya.

Jika kita menggunakan =0. . kebarangkalian kita menolak hipotesis ini adalah bersamaan dengan 0. bermaksud jika Ho benar.Aras Keertian Aras keertian bagi suatu ujian adalah kebarangkalian melakukan ralat jenis I .01.01.

Jika tertabur secara normal.Statistik Ujian Jika sekiranya data tidak tertabur secara normal. kita perlu menggunakan ujian tak berparameter. . boleh guna ujian berparameter.

Beberapa jenis ujian berparameter •o •o •o •o •o Ujian Z Ujian t Anova Ujian F Pekali Korelasi Pearson .

Beberapa jenis ujian tak berparameter oUjian tanda Ujian Pangkat bertanda Wilcoxon oUjian U-MannWhitney Ujian Jumlah Pangkat Wilcoxon oUjian Kruskal-Wallis Kkorelasi Pearson o Ujian Larian oUjian Friedman OUjian KolmogorovSmirnov oUjian McNemar oKorelasi Pangkat Spearman .

.Tetapi • Ujian yang boleh digunakan dalam teknik berparameter dan tak berparameter ialah ujian Khi-kuasa dua.

Kawasan penolakan adalah kawasan yang membolehkan Ho di tolak??? .Kawasan Penolakan  o o o   Ada 3 jenis hujung ujian: 2 hujung 1 hujung sebelah kiri 1 hujung sebelah kanan Bergantung kepada Ha.

Nilai Kritikal • Nilai pemisah diantara kawasan penolakan dan kawasan penerimaan. Keputusan Kesimpulan .

5 0.8 1 0.9 0. .Contoh Masaalah Seorang penyelidik ingin menguji kelajuan enjin gelintar yang dibina untuk mencapai maklumat yang dikehendaki.7 Pembangun enjin tersebut mendakwa yang enjin tersebut boleh mencapai maklumat sebanyakbanyaknya 1 saat. Satu pengujian telah dijalankan ke atas 10 perkataan dan hasilnya adalah seperti di bawah (dalam saat) 2 1 3 1 2 0.

• Hipotesis • H0: min kelajuan data sebanyak-banyaknya 1 saat • Ha: min kelajuan lebih dari 1 saat • • • • • Taburan Jenis data selang Bilangan data 10 Bilangan sampel1 taburan t .

• • • • • • • • Statistik Ujian dengan d.k=n-1 aras keertian katakan kita ingin menguji pada aras keertian 5% Kawasan penolakan dari Ha di dapati ujian adalah ujian satu hujung.833 .833 • Jadi Ho akan ditolak sekiranya nilai kiraan > 1.k. d.=10-1=9 Dari jadual taburan t didapati nilai kritikalnya ialah 1.

• Hasil dari kiraan didapati min=1. jadi H0 tidak ditolak.29 dan sisihan piawai=0.785211 • di dapati nilai t kiraan < nilai kritikal.• Kiraan • Sebelum mengira nilai t. kita perlu kira dahulu min dan sisihan piawai bagi data di atas. • Kesimpulan • Kita yakin sebanyak 95% bahawa tidak ada cukup bukti untuk menolak dakwaan yang menyatakan enjin gelintaran yang baru dibina ini mempunyai kelajuan capaian yang tinggi iaitu selewatlewatnya 1 saat. .

Pokok Pemilihan Ujian .

Analisis Menggunakan Excel • ‘Install’kan analisis data ke dalam Excel • Beberapa langkah perlu diambil – – – – – Pilih Tool Pilih Add-ins Tandakan Analysis ToolPak Klik OK Ikut arahan untuk meng’install’ ‘Data Analysis’ .

Setelah di ‘install’… • Pilihan ‘Data Analysis’ akan wujud dalam menu ‘Tool’. .

Kotak Dialog ‘Data Analysis’ .

Selain dari tadi .

Contoh Penggunaannya • Menguji keberkesanan kaedah pengajaran – H1: Kaedah Pengajaran Berkesan • Hipotesis – Ho: Kaedah Pengajaran Tidak Berkesan • Taburan – Taburan t • Aras keyakinan – 0.05 .

Sambungan… • Statistik Ujian – Ujian t berpasangan • Kawasan Penolakan – Jika nilai-p (satu hujung) lebih kecil daripada aras keyakinan tolak H0 .

Perhatikan • Data 13 14 12 24 32 14 13 11 22 34 .

Pilih ‘Data Analysis’ dari menu ‘Tool’ .

Kotak Dialog Terpapar .

399483 t Critical one-tail 2.272166 P(T<=t) one-tail 0.987085 Hypothesized Mean Difference0 df 4 t Stat 0.Hasil t-Test: Paired Two Sample for Means sampel 1 sampel 2 Mean 19 18.798966 t Critical two-tail 2.7 Observations 5 5 Pearson Correlation 0.776451 .8 Variance 76 89.131846 P(T<=t) two-tail 0.

Kesimpulan • Kita yakin sebanyak 95% bahawa kaedah pengajaran itu tidak berkesan. maka H0 tidak ditolak.05. .Keputusan • Oleh kerana nilai-p satu hujung = 0.399483> 0.

Sign up to vote on this title
UsefulNot useful