Statistik ppg bab2 -hantar

40,959 views
40,337 views

Published on

6 Comments
19 Likes
Statistics
Notes
No Downloads
Views
Total views
40,959
On SlideShare
0
From Embeds
0
Number of Embeds
11
Actions
Shares
0
Downloads
1,607
Comments
6
Likes
19
Embeds 0
No embeds

No notes for slide
  • 19
  • 17
  • 18
  • 16
  • 27
  • 28
  • Statistik ppg bab2 -hantar

    1. 1. ANALISIS DAN PERSEMBAHANDATA KUANTITATIFDisediakan oleh: Pn Noradzimah bt. Abdul Majid Jabatan Matematik IPG Kampus Ipoh ph: 019-7161432, emel: norad.1507@gmail.com
    2. 2. MENGANALISIS DATA DENGAN MENGGUNAKAN STATISTIK DESKRIPTIF Melibatkan penghas ilan s atu gambaran ringkas s es uatu s ampel atau pembolehubah populas i yang dikaji. Ia mungkin melibatkan penyampaian data dalam bentuk graf atau penggunaan s tatis tik des kriptif.
    3. 3. MEMPERSEMBAHKAN DATA MENGGUNAKAN STATISTIK DESKRIPTIF Statistik deskriptif menunjukkan data dan selalunya menggunakan grafik seperti carta atau graf. Grafik yang digunakan bergantung pada data yang diperolehi. Carta bar Carta pai Histogram Poligon frekuensi Nominal + + Ordinal + Selang + + Nisbah + +
    4. 4. CARTA BAR CARTA PAI POLIGON FREKUENSI HISTOGRAM
    5. 5. TABURAN KEKERAPAN DAN KECENDERUNGAN MEMUSAT Taburan kekerapan adalah satu jadual untuk memaparkan data kuantitatif. Ia menyenaraikan semua kelas dan bilangan cerapan atau frekuensi tertabur. Data yang dipersembahkan dalam bentuk ini dipanggil data terkumpul
    6. 6. Contoh:Taburan markah ujian mingguan bagi 50 orangpelajar yang markah penuhnya ialah 10. 2 5 4 1 6 3 7 5 4 7 5 6 2 7 8 6 4 2 9 5 3 5 6 4 0 7 8 5 3 6 8 4 9 6 5 4 7 1 5 10 5 7 3 5 6 2 8 4 3 6
    7. 7. TABURAN KEKERAPANMARKAH KEKERAPAN PERATUS 0 1 2 1 2 4 2 4 8 3 5 10 4 7 14 5 10 20 6 8 16 7 6 12 8 4 8 9 2 4 10 1 2Jumlah 50 100
    8. 8. TABURAN KEKERAPAN MARKAH UJIAN DENGAN SEL ANG KEL ASSELANG KEKERAPAN PERATUSKELAS 0-2 7 14 3-4 12 24 5-6 18 36 7-8 10 20 9-10 3 6 Jumlah 50 100
    9. 9. HIS TOGRAMCara lain memaparkan taburan markah ialahmengumpulkan beberapa markah yang sama julatnyakepada beberapa kelas.Tinggi sesuatu kotak menunjukkan kekerapan/bilanganpelajar yang mendapat markah tertentu.Jeda kelas menunjukkan markah-markah dalam kelastersebut.Kekerapan berkelas dapat mengurangkan bilangan markah/skor yang dimasukkan ke dalam jadual kekerapan.
    10. 10. HISTOGRAM TABURAN KEKERAPAN MARKAH UJIAN Histogram taburan kekerapan markah ujian 12 10 kekerapan (y) 8 6 kekerapan 4 2 0 1 2 3 4 5 6 7 8 9 10 11 markah (x)
    11. 11. CONTOH: Markah pelajar: 33 12 6 45 27 25 11 37 22 16 48 26 37 21 3 26 14 34 22 19 40 24 22 15 32 24 27 30 23 31 19 24 27 20 33 14 27 20 29 23 31 22 16 36 27 9 28 25 17 29 13 18 44 12 28
    12. 12. POLIGON KEKERAPAN •PoligonKekerapan dibina dengan memplotkan titik dinilai tengah setiap sela kelas ke ketinggian selaras dengan bilangan kekerapan kelas berkenaan •Kemudian,sambungkan kesemua titik-titik dengan garis lurus. •Titik awalan dan akhir harus berada padapaksi-X.
    13. 13. KEKERAPAN HIMPUNAN (OGIF) •Kekerapan himpunan ialah jumlah kekerapan data dan kekerapan data sebelumnya. •Berdasarkan jadual diatas,kita boleh menentukan bilangan pelajar yang memperoleh skor yang sama atau kurang daripada sesuatu skor tertentu. Contohnya,bilangan pelajar yang memperoleh skor antara15–19 skor atau kurang daripada nya ialah16.
    14. 14. LENGKUNG TABURAN NORMAL •Lengkung taburan normal berbentuk loceng jika skor-skornya bertaburan normal. •Kawasan dibawah lengkung mewakili semua skor(100%) dimana 50% daripada skor berada diatas min dan 50% daripada skor pula berada dibawah min. •Manakala,min,median dan mod adalah sama. •Kebanyakan skor berhampiran dengan min dan semakin jauh sesuatu skor daripada min bermaksud kurangnya bilangan calon yang memperoleh skor tersebut
    15. 15. CONTOH LENGKUNG TABURANNORMAL Contoh 1
    16. 16.  Contoh 2
    17. 17. TABURAN PENCONG POSITIF •Dalam konteks pengujian dan penilaian bilik darjah,kemungkinan kita tidak akan dapat satu lengkung taburan normal. Jika skor median dan mod adalah lebih kurang daripada min, taburan skor akan terpesong ke sebelah kiri ( pencongan positif). •Contohnya,taburan pencong positif merujuk kepada susunan ketiga-tiga ukuran kecenderungan memusat dari kiri ke kanan ialah:pertama, mod,iaitu nilai terendah;kemudian,median, iaitu nilai tengah;dan akhirnya, min,iaitu nilai tertinggi.
    18. 18. GRAF LENGKUNG PENCONG POSITIF
    19. 19.  Taburan Pencong Negatif Jika skor median dan mod lebih besar daripada min, taburan skor itu akan terpesong ke sebelah kanan (pencongan negatif). •Bagi taburan pencong negatif pula,susunan ketiga- tiga ukuran kecenderungan memusat dari kiri ke kanan adalah: pertama, min, iaitu nilai terendah; kemudian,median, iaitu nilai tengah;dan akhirnya,mod,iaitu nilai tertinggi.
    20. 20. LENGKUNG TABURAN PENCONG NEGATIF
    21. 21. UKURAN KECENDERUNGAN MEMUSATSatu jenis pengukuran yang digunakan untuk memerihalkan set data tidak terkumpul adalah ukuran kecenderungan memusat. Pengukuran kecenderungan memusat menghasilkan maklumat berkaitan dengan titik tengah pada satu kumpulan nombor.  Ukuran kecenderungan memusat tidak menumpukan keatas pengembangan set data atau berapa jauh nilai daripada titik tengah.Ukuran kecenderungan memusat bagi data yang tidak berkumpul adalah min, mod, median, peratusan dan quantil.
    22. 22. Contoh:Harga Saham bagi 20 Kaunter KLSE (RM) 14.25 19.00 11.00 28.00 24.00 23.00 43.25 19.00 27.00 25.00 15.00 7.00 34.22 15.50 15.00 22.00 19.00 19.00 27.00 21.00
    23. 23. MOD Mod adalah nilai yang paling kerap wujud didalam set data. Simbol statistik mod ialah M0 Bagi data yang ditunjukkan didalam Jadual 3.1, mod ialah RM19.00 kerana harga tawaran berlaku sebanyak 4 kali. Menyusun data didalam susunan yang menaik (menyusun dari nombor terkecil hingga terbesar) membantu kita menentukan mod.
    24. 24. MOD DATA BERKUMPULANJeda Kekerapan  Titik tengah kelas modKelas (fi)  Kelas mod mempunyai 30 1–3 16 kekerapan yang terbesar 3–5 2 5–7 4 1+ 3 7–9 3 Mod = 29 – 11 9 = 211 – 13 6Jumlah 40
    25. 25. MEDIAN Median ialah titik tengah sesuatu kumpulan nombor yang disusun secara menaik atau menurun. Jika bilangan data tersebut adalah ganjil, median ialah nombor yang ditengah. Jika bilangan data adalah genap, median ialah purata dua nombor yang terletak ditengah-tengah. Langkah berikut adalah digunakan untuk menentukan median. LANGKAH 1: Susun data didalam susunan menaik. LANGKAH 2: Jika bilangan data adalah ganjil, carikan sebutan ditengah-tengah didalam susunan tersebut yang menjadi median. LANGKAH 3: Jika bilangan data adalah genap, kirakan purata dua angka ditengah-tengah susunan tersebut. Purata ini adalah median.
    26. 26. CONTOH: Katakan ahli statistik hendak mencari median bagi kumpulan data berikut:15 11 14 3 21 17 22 16 19 16 5 7 19 8 9 20 4   Susunan nombor didalam sebutan menaik: 3 4 5 7 8 9 11 14 15 16 16 17 19 19 20 21 22 Terdapat 17 sebutan (bilangan ganjil), oleh itu median terletak di tengah susunan tersebut, iaitu 15. Jika nombor 22 dikeluarkan daripada senarai, terdapat hanya 16 sebutan (bilangan genap): 3 4 5 7 8 9 11 14 15 16 16 17 19 19 20 21  Sekarang kita mempunyai bilangan sebutan genap, median ditentukan dengan mengira purata dua nombor yang terletak ditengah susunan tersebut, 14
    27. 27. MEDIAN – DATA BERKUMPULAN 33 N - cf p Median = L + 2 ( W) f med L = had bawah jeda kelas median cfp = jumlah terkumpul kekerapan sehingga kelas tersebut, tetapi tidak melibatkan kekerapan median kelas Fmed = kekerapan median W = keluasan jedia kelas median (had atas kelas – had bawahkelas) N = jumlah bilangan kekerapan
    28. 28. MEDIAN DATA BERKUMPULAN -CONTOHJeda Kekerapan Kekerapan 34Kelas (fi) Terkumpul N - cf p 1–3 16 2 Median = L + 2 ( W) f med 3–5 2 4 20 - 18 5–7 4 6 =5+ 2 (2) 4 7–9 3 8 19 – 11 9 10 =5+ (2) 211 – 13 6 12 = 5 +1Jumlah 40 =6
    29. 29. MIN Min aritmatik adalah susunan sinonim dengan purata kumpulan nombor dan ia dikira dengan menjumlahkan semua nombor dan membahagikannya dengan bilangan nombor tersebut. Disebabkan min aritmatik digunakan dengan meluas, kebanyakan ahli statistik hanya menggunakan istilah min sahaja. ∑x Min populasi ditandakan µdengan huruf Greek mu (µ). = n Min sampel pula ditandakan dengan huruf Roman ( ). Formula bagi mengira min bagi populasi dan min sampel adalah sebagaimana berikut:  Min populasi: ∑x µ= n  Min Sampel: ∑x x= n
    30. 30. CONTOH: Katakan syarikat mempunyai lima jabatan dengan bilangan pekerja 24, 13, 19, 26 dan 11 masing- masingnya. Min populasi adalah: µ = 24 + 13 + 19 +26 + 11 / 5 = 93/5 = 18.6  
    31. 31. PENGIRAAN MIN UNTUK DATATERKUMPUL •Pengiraan min untuk data terkumpul lebih kompleks. Contohnya;
    32. 32. PENGIRAAN MIN BERKUMPULANJeda Kelas Kekerapan (fi) Titik Tengah fi Mi (Mi) 1–3 16 2 32 38 3–5 2 4 8 5–7 4 6 24 7–9 3 8 24 9 – 11 9 10 90 11 – 13 6 12 72 Jumlah 40 ΣfM = 252 µ= ∑ fiMi = 250 = 6.25 ∑ fi 40
    33. 33. PENYEBARAN PENGUKURAN Cara-cara yang digunakan untuk mengukur penyerakan pengukuran:- Julat- Julat antara kuartil- Varians- Sisihan piawai
    34. 34.  Julat- Perbezaan antara s kor tertinggi dengan s kor terendah Julat antara kuartil- Perbezaan antara s kor yang mempunyai s atu per empat s kor di bawah (s ering dikenali s ebagai kuartil pertama atau pers entil ke-25) dan s kor yang telah tiga per empat s kor di bawah (pers entil ke-75)
    35. 35.  Varians- Purata s is ihan kuas a dua s etiap s kor dari min. Sisihan piawai-S atu pengukuran tentang takat di mana res pons ters ebar dari min,dan diperolehi dengan mengira varians dari min, kuas a dua, menambah dan mengira punca kuas a dua.
    36. 36. PENTAFSIRAN NILAI SISIHANPIAWAI •Sisihan Piawai ialah ukuran kebolehubahan atau sebaran skor-skor. •Ia merupakan sejauh mana skor berubah keliling min. •Semakin kecil nilai sisihan piawai,semakin kecil sebaran skor dalam taburan. •Ini membawa implikasi bahawa data adalah berhampiran antara satu sama lain(homogen). •Begitu juga,semakin besar nilai sisihan piawai, semakin besar sebaran skor dalam taburan. •Ini bermakna data adalah tersebar luas antara satu sama lain(heterogen).
    37. 37. Terdapat 2 cara mengira sisihan piawai : 1.Sisihan Piawai untuk Data Tidak Terkumpul 2. Sisihan Piawai untuk Data TerkumpulContoh:1. Skor untuk 5 orang pelajar ialah 1,2,3,4, dan 5 Cari sisihan piawainya.
    38. 38. CONTOH 2:
    39. 39. SISIHAN PIAWAI UNTUK DATATERKUMPUL
    40. 40. CONTOH: Jadual dibawah menunjukkan data terkumpul untuk satu ujian sains. Kira sisihan piawai untuk markah ujian.
    41. 41. SKOR PIAWAI Skor piawai menunjukkan kedudukan sesuatu skor dari segi berapa sisihan piawai skor tersebut berada di atas atau di bawah min taburan. Dan ia biasanya diwakili dengan skor-z atau skor-t.• Skor-z dikira dengan menggunakan rumus ( berikut: − z= ( x − x) z= σ • Skor-t dikira dengan menggunakan rumus berikut: t = 50 + 10z
    42. 42. CONTOH: Skor untuk 5 orang pelajar dalam satu ujian ialah 5,8,10,4 dan 3. Cari skor-z dan skor-t untuk pelajar yang mempunyai 10 markah.
    43. 43. PENTAFSIRAN SKOR-ZContoh:Abdullah mempunyai skor sebanyak 55 dalam ujian Matematik; skor purata kumpulan normal ialah 60 dan sisihan piawai 15.Maka skor piawai Abdullah ialah: z = = - 0.33 Ini bermaksud skor Abdullah adalah satu pertiga sisihan piawai daripada min. Tanda negatif menunjukkan bahawa ia adalah satu pertiga sisihan piawai di bawah min. Contoh:Abdullah mempunyai skor sebanyak 75 dalam satu ujian Sains; purata skor untuk kumpulan normal ialah 65 dan sisihan piawai ialah 10. Maka skor piawai Abdullah ialah: z==1 • Ini bermakna Abdullah adalah satu sisihan piawai daripada min. Tanda positif menunjukkan bahawa ia adalah satu sisihan piawai di atas min.
    44. 44. PENTAFSIRAN SKOR-T •Skor-t lebih biasa digunakan berbanding dengan skor-z untuk pelaporan keputusan ujian kerana ia menghasilkan integer positif. •Ia juga lebih kerap digunakan untuk melapor prestasi ujian seseorang sebagai skor-t33 berbanding dengan pelaporan prestasi yang sama dalam skor-z sebagai–1.7. •Sebenarnya,kedua-dua skor ini adalah sama. •Memandangkan skor-t sentiasa mempunyai min 50 dan sisihan piawai 10,maka,skor-t boleh ditafsir secara langsung.
    45. 45. VARIAN 54 Varian ialah purata sisihan kuasadua dari min bagi set nombor. Populasi varian ditandakan dengan huruf Greek, σ2 dan formulanya: σ 2 = ∑ (X - µ) 2 N
    46. 46. VARIAN - CONTOH Jumlah sisihan kuasadua X X-µ ( X - µ) 2 daripada min (X - µ)2 bagi set nombor dipanggil sebagai 5 -8 64 Jumlah Kuasadua X (SSX) 9 -4 16 SSX = Σ(X - µ)2 = 130 17 +3 9 17 +4 16 SSX σ2 = N 18 +5 25 = ∑(X - µ) 2ΣX = 65 Σ(X -µ) = 0 Σ(X - µ) = 130 2 N 130 = = 26.0 5 55
    47. 47. SISIHAN PIAWAI POPULASI Punca kuasadua varian X X-µ ( X - µ)2 56 SSX 5 -8 64 σ2 = N 9 -4 16 = ∑(X - µ) 2 N 17 +3 9 130 17 +4 16 = = 26.0 5 18 +5 25 σ = σ2 = 26.0 = 5.1ΣX = 65 Σ(X -µ) = 0 Σ(X - µ)2 = 130
    48. 48. VARIAN SAMPEL 57 Purata sisihan kuasadua dari min aritmatik X −) − (X ∑( X − X) 2 2 XX X 22,398 625 390,625 S = n−11,844 71 5,0411,539 -234 54,756 663,866 =1,311 -462 213,444 37,092 0 663,866 = 221,288.67
    49. 49. LATIHAN 11. Cari mod untuk data berikut:54,76,69,54,74,88,74,65,742.Skor yang diperoleh oleh 12 orang pelajar dalam ujian Sains yang ditadbir oleh guru adalah seperti berikut: 35,23,55,35,65,67,55,35,98,88,92,and72 -Kira min,median dan mod bagi skor-skor diatas.3.Berikut adalah skor-skor untuk 6 orang pelajar dalam ujian Sains: 8,10,7,12,6,11 Cari skor-z dan skor-t untuk pelajar yang mempunyai skor7.
    50. 50. LATIHANJadual diatas menunjukkan keputusan Ali dan Fatimah dalam ujian-ujianMatematik danSains.-Kira skor-z dan skor-t untuk Ali dan Fatimah dalam Matematik dan Sains.-Dengan menggunakan skor-z dan skor-t, bandingkan prestasi Ali danFatimah dalam Matematik dan Sains.
    51. 51. PROSES PENGUJIAN HIPOTESIS:BERDASARKAN STATISTIK INFERENS Pengujian hipotesis dalam beberapa peringkat:- Perumus an hipotes is- S pes ifikas i paras kepentingan ( untuk melihat s ejauh manakah ia s elamat untuk menerima atau menolak hipotes is )- Pengenalpas tian taburan kebarangkalian dan takrif penolakan itu- Pemilihan ujian-ujian s tatis tik yang s es uai- Pengiraan ujian s tatis tik dan penerimaan atau penolakan hipotes is
    52. 52. PERUMUSAN HIPOTESIS Kitabias anya membuat s atu hipotes is dalam bentuk nolnya (negatif). J adi, lebih baik menyatakan: Pemilikan komputer akan lebih banyak di UK daripada di Perancis. Kita mengatakan: Pemilikan komputer tidak akan lebih di UK daripada di Perancis.
    53. 53.  Hipotesis wujud dengan tiga bentuk iaitu:-Memeriks a ciri-ciri bagi populas i individu (dan mungkin melibatkan pengiraan min, median, s is ihan piawai dan bentuk taburan).- Meneroka kontras dan perbandingan antara kumpulan. - Memeriks a pers atuan dan hubungan antara kumpulan
    54. 54. MENGHITUNG UJIAN STATISTIK DAN MENERIMA ATAU MENOLAK HIPOTESIS. Setelah ujian statistik dihitung perkara yang terakhir adalah membandingkannya dengan nilai hipotesis. Jika ujian statistik tidak mencapai nilai ini, maka hipotesis nol harus diterima.
    55. 55. MEMBANDINGKAN PEMBOLEHUBAH. Dalam bahagian ini beberapa jumlah ujian statistik akan dilakukan seperti mengakses program lain seperti SPSS. Namun, kadang-kadang dalam menggunakan excel untuk menghitung adalah sangat susah sehinggakan dalam kes seperti ini, perhitungannya digambarkan dalam bentuk teks.
    56. 56. DATA NOMINAL – SAMPEL PERTAMA Membandingkan hubungan diantara pembolehubah-pembolehubah dengan menerokai edaran daripada pembolehubah ini.Contoh: Terdapat sebuah syarikat yang berminat membandingkan masalah displin di empat tempat pengeluaran dengan merujuk kepada surat amaran yang dikeluarkan dalam dua tahun yang terakhir. Kita mungkin menganggap bahawa daripada setiap jumlah pekerja masing-masing telah menerima 25 peratus amaran.
    57. 57. JADUAL KONTINGENSI DATA UNTUK ANALISIS.Bahagian Kajian Q¡ Jangkaan E¡ A 12 29 B 68 29 C 14 29 D 22 29Jumlah 116 116
    58. 58. ANALISIS DATA DARI JADUAL DI ATASBahagian Kajian Q¡ Jangkaan (Q¡ - E¡ ) ² E¡ ------------ E¡ A 12 29 9.97 B 68 29 52.45 C 14 29 7.76 D 22 29 1.69 Jumlah 116 116 71.86
    59. 59.  Data dikumpul (diamati frekuensi) untuk melihat adakah data berpadanan dengan frekuensi yang diharapkan. Hipotesis nol pula menyatakan bahawa tiada perbezaan frekuensi yang akan dijangka dan diharapkan. Mengikut saranan terdahulu telah menetapkan tingkat signifikasi di hadapan. Dalam kes ini telah menyatakan bahawa dengan meletakkan pada p=0.05 Jika ada terdapat perbezaan yang signifikasi yang ditemui maka hipotesis nol akan ditolak.
    60. 60. KUMPULAN NOMINAL DANDATA KUANTITATIF (BIASANYA DIEDARKAN) Membandingkan prestasi dua kumpulan atau untuk bandingkan prestasi satu kumpulan melalui satu tempoh masa menggunakan pembolehubah yang dapat dikuantifikasikan seperti skor. Boleh menggunakan satu ujian-t berpasangan. T- tests menganggap yang data tertabur secara normal dan dua kumpulan adalah varians sama (sisihan piawai yang selaras). Ujian t membandingkan cara dua kumpulan untuk melihat jika apa-apa perbezaan di antara mereka adalah signifikan. Jika p nilai dikaitkan dengan t adalah rendah (< 0.05) dan terdapat bukti untuk menolak hipotesis nol.
    61. 61. KUMPULAN NOMINAL DAN DATA KUANTITATIF (TIDAK DIEDARKAN SECARA NORMAL) Dalam bahagian biasanya melihat perbezaan dalam data teragih antara kumpulan Data ini secara automatik dihasilkan di excel dengan menggunakan pencetak / data analisis / kedudukan dan ciri persentil. Hipotesis nol tidak ada perbezaan antara kedua set nilai skor.
    62. 62. ANALISIS STATISTIK : ORGANISASI ANTARA PEMBOLEHUBAH- PEMBOLEHUBAH Bahagian ini memeriksa keadaan di mana kajian itu mengandungi dua pembolehubah- pembolehubah jenis bebas ( nominal, ordinal ,antara/ nisbah )
    63. 63. ORGANISASI ANTARA DUA PEMBOLEHUBAH-PEMBOLEHUBAH NOMINAL Menyiasat hubungan-hubungan antara dua nominal pembolehubah-pembolehubah. Pencapaian pendidikan dan pilihan kerjaya. Jenis pengambilan ( graduan / tidak graduan) dan tahap tanggungjawab dalam sebuah organisasi
    64. 64. PENCAPAIAN PENDIDIKAN Sebenar Bukan Kelulusan Jumlah Kelulusan sarjana SarjanaEksekutif 2 10 12Pengurus 20 80 100perniaga 70 64 134Manual 240 4 244Jumlah 332 158 490DijangkaEksekutif 8.13 3.87 12Pengurus 67.76 32.24 100Perniaga 90.79 43.21 134Manual 165.32 78.68 244Jumlah 332 158 490
    65. 65. ANALISIS KORELASI : PRINSIP PENGUKURAN Analisis korelasi berkaitan dengan hubungan antara pembolehubah-pembolehubah. Korelasi adalah sesuatu kekeliruan dengan regresi. Fink(1995) membuat korelasi, yang menggambarkan korelasi berkaitan dengan hubungan (misalnya antara X dan Y) sedangkan regresi menganggarkan nilai (katakanlah X berdasarkan satu nilai Y). Ketika sebuah organisasi diukur secara numerik untuk mendapatkan pekali, korelasi memberikan kekuatan hubungan. Hubungan seperti ini boleh menjadi asas daripada beberapa soalan yang sangat penting dalam analisis organisasi.
    66. 66. ORGANISASI ANTARA DUAPEMBOLEHUBAH-PEMBOLEHUBAH ORDINAL Kadang-kadang ia tidak mungkin untuk memberi nilai-nilai untuk pembolehubah- pembolehubah hanya di kedudukan (1st,2nd ,3rd). Contoh kes di mana kita menilai prestasi lima pentadbir di pejabat baru. Dua orang penyelia diminta untuk memberi taraf prestasi pentadbirnya dengan keputusan-keputusan itu dinyatakan dalam jadual dibawah.
    67. 67. KEDUDUKAN PENILAIAN YANGDIBUAT OLEH PENYELIA PADAPRESTASI LIMA PENTADBIRPenyelia Alice Raj Jo Beth SidMr 5 2 4 3 1 JonesMrs 4 1 3 5 2 Smith
    68. 68. DI ANTARA ORGANISASI DENGAN PEMBOLEHUBAH BERANGKA Organisasi penyelidik ingin mengeksplorasi potensi organisasi antara pembolehubah-pembolehubah seperti pendapatan atau usia dan pelbagai aktiviti manusia seperti pola pengeluaran Penggunaan lain akan membandingkan angka-angka penjualan terhadap jumlah penjualan syarikat yang telah menambahkan wakil jualan supaya dapat meningkatkan hasil jualan. Namun perlu dicatat bahawa ujian statistik ini hanya sesuai jika hubungan antara pembolehubah- pembolehubah berbentuk U atau berbentuk ∩.
    69. 69. KESIMPULAN• Terdapat dua jenis data untuk dianalisis iaitu data mutlak dan data yang dapat dikira iaitu yang terdiri daripada data nominal, ordinal, selang dan nisbah.• Terdapat pelbagai cara yang boleh digunakan untuk pesembahan data seperti jadual, carta, histogram dan poligon kekerapan.• Data yang diperolehi mestilah bersesuaian dengan grafik yang akan dibuat.
    70. 70. SEKIAN….

    ×