KAEDAH PENYELIDIKAN DATA DATA ANALISIS Objektif Kemahiran dalam

KAEDAH PENYELIDIKAN DATA

DATA ANALISIS Objektif : Kemahiran dalam menganalisis data menggunakan teknik-teknik berstatistik

Analisis Statistik n n 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 n Statistik deskriptif n n n 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 n 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 n n n Paling basic (and least useful) Percentage Mod (nominal data) 2. Ukuran Kecenderungan Memusat n Min – (interval data ) n Mod – (nominal data) n Median – (ordinal data)

Sambung … 3. Ukuran Serakan n Minimum n Maksimum n Julat – perbezaan di antara maksimum dan minimum n 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 n Korelasi n n Arah Kekuatan Pearson r (interval data) Spearman (ordinal data)

Data n n 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 n n n Dua jenis data iaitu: Data Kuantitatif-numerik nilai-nilai data adalah bilangan atau ukuran berangka. Data kuantitatif boleh dalam bentuk: n Diskret - Boleh mengambil nilai-nilai yang tepat sahaja. n n 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 n Contoh: tinggi pelajar, berat buah jambu , halaju kereta, PNGK pelajar-pelajar sarjana UKM-NPC, gaji pensyarah dan sebagainya.

Jenis Data n Data Kualitatif- bukan numerik Nilai-nilai data adalah kategori bukan berangka. n Cth: jenis darah, jantina

Skala Pengukuran n Data Nominal n n 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 n Data Ordinal n n n 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: n n n 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, cukup, kurang.

Skala Pengukuran n Data Interval/Sela n n 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 212 darjah 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 n Data Nisbah(ratio data) n Data nisbah adalah sama seperti data interval kecuali nisbah memberi makna. . n Data ratio mempunyai nilai kosong secara mutlak. Nilai kosongnya mempunyai maksud tiada kuantiti. Seseorang yang tidak bekerja bermaksud gajinya RM 0. n Cth. 4 orang dipilih secara rawak dan ditanya berapa banyak duit yang mereka bawa sekarang. Berikut adalah hasilnya : $21, $50, $65, and $300. n Adakah data ini boleh disusun ikut urutan? Ya, $21 < $50 < $65 < $300. n Bolehkah kita mengira nisbah ? Ya sebab $0 nilai paling maksimum yang mereka bawa. n Individu yang mempunyai $300 adalah mempunyai 6 kali ganda daripada individu yang mempunyai $50. n Cth lain: umur, skor ujian, jumlah jam belajar untuk suatu ujian.

Ukuran kecenderungan memusat(Central tendency) Nominal Ordinal Interval/Ratio Mode X X X Median X X Mean X

Statistik Inferens

Pengujian Hipotesis n n 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. n

Takrif Hipotesis n n Hipotesis statistik adalah suatu pernyataan atau anggapan yang mungkin benar atau tidak terhadap suatu populasi atau lebih (Walpole, 1990). Hipotesis yang baik mempunyai sifat seperti berfokus, jelas, logik, difahami dan dapat diuji.

Langkah-langkah Pengujian Hipotesis n n n n Penyataan hipotesis Jenis Taburan Data Aras keertian Ujian Statistik Kawasan Penolakan Pengiraan ujian statistik Keputusan Kesimpulan

Pernyataan Hipotesis nol ditandakan dengan H 0 ialah hipotesis yang hendak diuji dan diharap akan ditolak. o. Mesti yang membawa maksud kesamaan. o. Jadi ada 3 kemungkinan: sama ada = atau .

Contoh: Ho: Purata pendapatan pelajar MIT UKM Bangi adalah RM 4, 000. 00 sebulan n atau Ho: = RM 4, 000. 00 sebulan.

Pernyataan Hipotesis n n n Hipotesis alternatif ditandakan dengan H 1 , 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 H 1 tidak boleh bertindan.

Contoh: H 1: Purata pendapatan pelajar MIT UKM Bangi adalah kurang RM 4, 000. 00 sebulan n atau H 1: < 4, 000.

Pernyataan Hipotesis n Kesilapan-kesilapan yang dibuat: n n n 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 n n Ø Taburan data sampel perlu di kenalpasti terlebih dahulu untuk membolehkan kita menggunakan statistik ujian yang betul. Ø Bagi data yang diambil dari taburan normal, taburan sampel nya juga normal. Bagi data yang diambil dari taburan bukan normal, teorem had memusat diperlukan. Ø Ujian kenormalan juga boleh digunakan untuk menguji adakah data tertabur secara normal. o. Bina histogram , Bina plot batang-daun o. Kira pekali kepencongan dan kepuncakannya. o. Gunakan hubungan min, mod dan median dengan bentuk taburan. o. Atau gunakan perisian untuk menguji kenormalan

Aras Keertian n n Menerima atau menolak H 0 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: n Berapa banyak pembolehubah kajian? n Adakah taburan data normal? n Adakah sampel independent atau dependent? n Apakah hipotesis anda? n Adakah data nominal, ordinal, selang/ratio?

Kajian hubungan Design Survey or Correlational Studies Scale of Measurement Correlation Coefficients Two nominal variables Phi Coefficient A nominal variable and an interval or ratio variable Point-biserial Ordinal Spearman's r Interval or ratio Pearson's r

Kajian Perbandingan Scale of 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 Two-group between-subject Three or more group between subject Nominal Chi-Squared Ordinal Interval or Ratio Sign test, Wilcoxon's rank-sum test , U-Mann Whitney test(tidak bersandar) Student's t-test Ordinal Kruskal-Wallace's H-test Interval or ratio 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. . n 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 H 0: Tiada perbezaan purata markah di antara belajar berkumpulan dan belajar sendiri. Statistik ujian yang sesuai :

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

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

Jenis ralat statistik n n n Semua keputusan ujian statistik bergantung kepada samada menolak atau menerima hipotesis nol. Namun ianya dipengaruhi oleh 2 ralat statistik Ralat jenis I n n berlaku jika kita menolak H 0 apabila dalam keadaan sebenar, ia benar dan Ralat jeis II n berlaku apabila kita tidak menolak H 0 sedangkan dalam keadaan sebenar, ia palsu. ØKb (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 n n n = kb (Ralat jenis I ) = kb ( tolak H 0| H 0 benar ) dan = kb (Ralat jenis II) = KB (Terima H 0| H 0 palsu)

Pokok Pemilihan Ujian

Analisis Menggunakan SPSS n n n n 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 n n n 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 n n n 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 n Kumpulan 1. Menguji jika terdapat perbezaan yang bererti di antara dua pembolehubah n n Nominal atau ordinal – guna Crosstabs Data selanjar – n Pertama, periksa jika data normal n n Kedua, jika membandingkan dua atau lebih kumpulan, periksa kehomogenan bagi varians di antara kumpulan. n n n Untuk periksa kenormalan, go to ‘Analyze’, ‘descriptive statistics’, ‘explore’ 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 n Kumpulan 2. Menguji kesignifikan hubungan di antara dua pembolehubah n n n 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 n n Kumpulan 3. Menguji jika terdapat perbezaan yang bererti di antara lebih dua pembolehubah Bagi data tidak normal pilih n n Analyze nonparametric test k independet test Bagi data normal n Analyze compare mean ANOVA